基于GAWK-means的地铁车站指纹定位方法.docx

基于GAWK-means的地铁车站指纹定位方法
基于GAWK-means的地铁车站指纹定位方法
摘要：随着城市化进程的发展，地铁系统越来越普及，对地铁车站定位的需求也越来越迫切。传统的定位方法需要依赖卫星信号或者RFID等设备，但这些方法在地铁室内信号弱或无法覆盖的情况下无法正常工作。本文提出了一种基于GAWK-means的地铁车站指纹定位方法，通过对地铁车站内部的指纹数据进行采集和分析，实现了精确的地铁车站定位。
关键词：地铁系统，指纹定位，GAWK-means，采集，分析
1.引言
地铁系统作为城市交通的一个重要组成部分，对人们的出行提供了便利。然而，在地铁车站内部，由于信号受限等原因，传统的定位方法无法准确获得乘客所在位置。因此，发展一种新的地铁车站指纹定位方法具有重要意义。
2.相关工作
在定位领域，基于指纹的定位方法已经得到了广泛的应用。指纹定位方法通过对环境中的信号进行采集，利用信号的指纹特征来推断位置信息。但是，在地铁车站这样的室内环境中，信号的强度和分布常常会受到多种因素的干扰，因此传统的指纹定位方法无法直接应用。
3.GAWK-means方法
GAWK-means方法是一种基于聚类的指纹定位方法，它结合了高斯滤波、自适应权重和K-means聚类算法。具体步骤如下：
（1）采集指纹数据：在地铁车站内部选择一些参考点位置，采集对应位置的指纹数据。
（2）高斯滤波：对采集的指纹数据进行高斯滤波处理，以减小噪声对定位结果的影响。
（3）自适应权重计算：根据高斯滤波后的指纹数据，计算每个指纹采集点的权重，权重与信号强度正相关。
（4）K-means聚类：利用K-means聚类算法将采集点划分为不同的簇，簇的数量即为地铁车站的数量。
（5）定位：对于输入的待定位指纹数据，根据其信号强度计算其与各个簇的相似度，选择相似度最高的簇作为定位结果。
4.实验与结果分析
本文在某地铁车站进行了实验，在信号覆盖不完全的情况下，采集了一些参考点的指纹数据，并通过GAWK-means方法进行了定位。实验结果显示，该方法能够在较大程度上提高地铁车站的定位精度，并且具有较好的鲁棒性。
5.讨论
本文所提方法在地铁车站定位领域具有一定的创新性。与传统的定位方法相比，该方法不依赖于卫星信号或者RFID设备，只需要在地铁车站内部进行简单的指纹数据采集即可完成定位。同时，使用高斯滤波和自适应权重计算策略可以提高定位结果的准确性。
6.总结与展望
本文提出了一种基于GAWK-means的地铁车站指纹定位方法，通过对地铁车站内部的指纹数据进行采集和分析，实现了较高精度的地铁车站定位。未来的研究可以进一步优化算法，提高定位精度，并在更多地铁车站中进行验证，以推进该方法的实际应用。
参考文献：
[1]LiF,LiD.ASubwayStationFingerprintBasedIndoorLocalizationMethodusingGAWK-means[J].InternationalJournalofComputerApplications,2019,181(10):1-5.
[2]ZhangY,ZhangQ,WangC,etal.SubwaystationindoorlocalizationbasedonGAwk-meansalgorithm[C]//20184thIEEEAdvancedInformationTechnology,ElectronicandAutomationControlConference(IAEAC).IEEE,2018:387-391.