目錄
第1章 緒論 1
1.1 主流導航模式 2
1.1.1 基于室內平面圖+室內定位技術的導航模式（模式I） 2
1.1.2 基于先行者-追隨者的導航模式（模式II） 3
1.1.3 導航模式特點 4
1.2 本書觀點與主要創(chuàng)新 5
參考文獻 6
第2章 基于動態(tài)地圖生成的室內導航 11
2.1 概述 12
2.2 基于Wi-Fi的距離估計 15
2.2.1 多維標度法 15
2.2.2 指紋間的相異度計算 16
2.3 導航系統(tǒng)設計 19
2.3.1 概述 19
2.3.2 局部地圖生成 20
2.3.3 局部地圖合并及拼接 21
2.3.4 邊長和方向的計算 23
2.3.5 樓層改變探測 24
2.3.6 基于實時地圖的室內導航 25
2.4 性能評估 25
2.4.1 實時地圖生成 26
2.4.2 室內導航和動態(tài)地圖 29
2.5 討論 30
2.5.1 用戶密度/分布的影響 30
2.5.2 地圖與現(xiàn)實世界的錨定問題 30
2.5.3 時間復雜度 31
2.6 文獻梳理 32
2.6.1 基于地標的室內導航 32
2.6.2 基于室內平面圖的室內導航 32
2.6.3 基于先行者-追隨者的室內導航 33
2.7 結論 33 參考文獻 33
第3章 基于非調制光源構建虛擬圖的室內導航 39
3.1 概述 40
3.2 基于光強峰值的室內導航虛擬地圖構建 42
3.3 系統(tǒng)設計 44
3.3.1 概述 44
3.3.2 虛擬圖生成 46
3.3.3 實時導航 55
3.4 系統(tǒng)評估 56
3.4.1 實施過程 57
3.4.2 性能評估 57
3.5 文獻梳理 60
3.5.1 基于室內平面圖的室內導航 60
3.5.2 基于先行者-追隨者的室內導航 61
3.6 結論 62
參考文獻 62
第4章 基于機器學習的Wi-Fi距離估計與應用 67
4.1 概述 68
4.2 接近度估計與群組分析研究 70
4.2.1 人與人之間的接近度估計 70
4.2.2 群組檢測和行為識別 71
4.3 用戶間距離估計 72
4.3.1 輸入特征選擇 72
4.3.2 數(shù)據(jù)收集與準備工作 75
4.3.3 研究方法 76
4.4 基于用戶距離估計的群組畫像 78
4.4.1 群組檢測 78
4.4.2 細粒度群組移動水平分類 79
4.4.3 群組結構識別 80
4.5 性能評估 82
4.5.1 實驗設置 82
4.5.2 不同方法在距離估計和訓練時間上的比較研究 83
4.5.3 走廊識別精度比較 84
4.5.4 使用特征選擇技術進行距離估計 84
4.5.5 模型的泛化能力 85
4.5.6 群組檢測、移動水平分類和群組結構識別的精度 85
4.6 討論 88
4.6.1 群組隊形變化的影響 88
4.6.2 群組檢測的計算延遲 88
4.7 結論 89
參考文獻 89
第5章 基于三維傳感器網(wǎng)絡一維流形骨架的導航協(xié)議 93
5.1 一維流形骨架導航協(xié)議的提出背景 94
5.2 研究動機和問題描述 96
5.2.1 假設、目標和要求 96
5.2.2 問題描述 97
5.3 SNP協(xié)議 98
5.3.1 一維流形骨架提取 99
5.3.2 路徑規(guī)劃 102
5.3.3 導航實現(xiàn) 102
5.4 討論103
5.4.1 復雜度分析 103
5.4.2 對網(wǎng)絡動態(tài)變化的反應 103
5.5 性能評估 105
5.5.1 安全出口數(shù)量的影響 105
5.5.2 對節(jié)點密度的魯棒性 106
5.5.3 對形狀變化的魯棒性 108
5.5.4 骨架提取的計算成本和網(wǎng)絡動態(tài)的反應時間 109
5.6 路徑規(guī)劃與導航研究現(xiàn)狀 110
5.7 結論110
參考文獻 110
第6章 基于Wi-Fi感知的城市公交定位與到達時間預測 115
6.1 概述 116
6.2 公交定位與到達時間預測的提出背景 118
6.3 基于信號沃羅諾伊圖的公交車定位 119
6.3.1 信號沃羅諾伊圖 119
6.3.2 基于SVD的公交車定位系統(tǒng)WiLocator 121
6.3.3 WiLocator的變形算法WiLocator(p) 124
6.4 公交車到達時間預測 126
6.5 原型構建和實驗結果 128
6.5.1 原型構建 128
6.5.2 實驗結果 130
6.6 公交定位與跟蹤研究現(xiàn)狀 134
6.6.1 基于Wi-Fi的定位 134
6.6.2 實時公交車跟蹤 135
6.7 結論 135
參考文獻 136