基于WiFi定位的智慧医院系统

孙奕敏1王玙璠2艾浩军2

（1.中国人民武装警察部队山东总队训练基地，山东济南250000；

2.武汉大学计算机学院，湖北武汉430072）

【摘要】智慧医院是未来发展的客观需要，我们通过WiFi指纹方法实现数据的建模以及医院的实时定位，在J2EE平台上建立系统架构，设计实现基于医院的LBS位置服务。

教育期刊网 http://www.jyqkw.com
关键词医院导航系统；WiFi定位技术；J2EE架构；LBS位置服务

0引言

随着自动化时代的来临，在室内环境中人或设备的定位显得尤为重要。全球卫星定位系统(GlobalPositioningSystem，GPS)[1]和网络辅助全球卫星定位系统(AssistedGlobalPositioningSystem，A-GPS)[2]把室外定位推向了极致，但是许多类似于大型医院等室内场所中的应用必须具有在任何环境中实现无缝定位的功能。虽然在过去的几十年中室内定位系统取得了一定的发展，但是现在仍然是全球研究的焦点。

故近些年，大量的基于位置服务(LocationBasedServices，LBSs)的移动应用应运而生，其中基于室内定位的医院导航系统就很有研究的必要。到2012年底，我国已实现基本医疗保险制度全覆盖。基本医保参保人数超过13.4亿，织起了全球最大的一张基本医疗保障网。可见医院与我们每个人的生活息息相关，目前，老百姓对优质医院的需求与我国优质医院匮乏之间的矛盾比较突出，所以我们认为，无论是紧急情况中医护人员的位置跟踪，还是就诊人员的智能导航，或是对医院就诊人数的实时统计，都可以大量的节省医生或患者的时间和精力，使医院的一切活动都可以更加有序的进行。

本文主要研究基于WiFi定位技术的医院导航系统，选择精度高的定位算法，对于实现智慧医院中定位导航部分作了全面设计，涉及到医院的位置感知、最优路径导航、医院运行动态监管和手机端挂号和领取报告单等功能。通过用户的智能手机端或者便携式设备来完成医院的实时定位导航等服务。

基于WiFi指纹的室内定位技术是目前一种较为主流的定位方法，国内外的研究都表明其定位精度和稳健性都优于三角测量等基于射频传输延迟的方法。在本项目中首先研究了WiFi指纹定位的定位模型，然后研究了提高WiFi指纹定位精度的方法，主要是降低设备异构性对定位精度的影响，同时利用智能手机内置的位移传感器，减少指纹匹配搜索空间和提高输出位置信息的可靠性。

基于WiFi指纹的定位方法无需预先知道AP的位置，并且对信号在复杂的室内环境中所产生的多径效应有良好的抗干扰性。然而，由于WiFi信号本身并不是用来做定位的，它会有着较为剧烈的波动，因而影响了实时RSSI与指纹库的匹配准确度，导致定位精度下降。此外，基于指纹的方法需要事先在定位区域采集大量数据，耗费大量人力物力，这也是需解决的问题。

国内信息企业也已开始着手医院信息化建设研究，通过研发相关数字化系统，进而使医院的医疗技术进入智能化。银江股份有限公司致力于国内医疗信息化建设，已经形成了数字医院、区域医疗、公共卫生、移动医疗以及智慧医院五大领域的核心产品和解决方案。又如，IBM公司与国内著名的erp公司金蝶软件展开战略合作，联手开拓医院资源管理（HospitalERP）市场，实现智慧医院运营和管理，实现临床服务全过程的精细化财务核算和全员绩效管理。

1WiFi指纹室内定位方法

1.1WiFi指纹定位过程

WiFi指纹定位过程分为离线采集与动态定位两个阶段。离线采样阶段中采集的RSSI数据需要通过一定的准则和方式生成位置指纹以构建指纹数据库，并将指纹数据库导入智能手机。在动态定位阶段，智能手机实时采集各个WiFi基站的RSSI指纹信息，与位置指纹数据库进行匹配，实现定位。

1.1.1离线采集阶段

（1）设定采集时间间隔和每次采集数据的持续时间，并写入XML文档缓存中；

（2）从手机获取当前的时间和手机所朝的方向，并写入XML文档缓存中；

（3）周期性扫描得到的所有WiFi信息（包括UUID，Major，Minor和RSSI等）写入XML文档缓存区。

1.1.2在线定位阶段

将离线采集阶段的所有XML文件构建为一个树形数据结构，接着提取出所有名为“WiFi”标签下的数据，建立一个矩阵，并将每个ID号对应的RSSI值填入矩阵中对应位置，计算矩阵每一行的均值，即每个WiFi的所有RSSI的均值，最后将得到的所有均值、location标签值和orientation标签值存到XML文件中。

处理完所有的XML文档后得到位置指纹库。将位置指纹库导入android手机中。

在线定位阶段访问位置指纹库，用户使用手机蓝牙与基站通信来采集RSSI指纹信息，与位置指纹数据库进行匹配，实现定位。

1.2WiFi定位算法

（1）在待定位场所内设置多个AP，使用移动终端对待定位场所内每个已知位置点，在一段时间内持续采集WiFi信号的RSSI值，并存储在移动终端存储空间中；

（2）待所有位置点的数据采集完成之后，将存储在移动终端存储空间中的数据导入到服务器中，服务器对采集到的数据进行预处理，统计每一个AP在某一位置点的信号序列中出现的次数num，删除num小于序列总长度一半的AP信号数据；

（3）对预处理之后的数据求平均值μ、标准差δ存入数据库，构建RadioMap，利用最大似然估计（MLE）方法估算其分布参数。

（4）使用移动终端采集待定位点的WiFi信号的RSSI值并上传至服务器；

（5）服务器对实时接受到的WiFi信号的RSSI值排序，选取q个信号强度最强的WiFi信号对位置指纹库中的位置进行聚类，筛选出共享该q个信号最强的WiFi信号的位置点；

（6）使用高斯分布来对单个AP的采样信号进行拟合，实时收到的一个无线信号强度向量，在步骤（5）筛选出的所有的n个候选点中找出其位置x，需要计算所有候选点的概率，最后返回其概率最大的候选点位置信息作为初始定位的结果；

（7）用户手持移动终端在定位场所内连续移动，将在时间段t内的定位坐标信息以时间轴为索引存储起来，采用一个时间平均窗对估计的位置做平滑处理，通过对步骤5给出的前W个位置估计值进行时间平均以获得待测点的位置估计。

2医院应用示范

2.1整体架构

系统采用WiFi指纹定位技术，基于J2EE技术框架，支持多种设备的接入、支持空间信息的加载、用户注册。基于SaaS的软件架构能够在服务层向第三方提供开放的API，数据通信采用HTTP访问方式、数据规范符合KVP标准。系统分层架构图如图3所示。

2.2系统部署

在医院搭建基于WiFi的LBS系统，图4为系统硬件部署图。系统设备包括WiFi基站、智能手机、后台服务器、3D监管终端。

WiFi基站：作为智慧医院定位的基础硬件设备，用于发送RSSI信号，与移动终端进行通信；每40平米布置一个WiFi基站；

智能手机：采集RSSI信号，通过加权指纹算法与卡尔曼滤波算法实时计算出当前坐标，参照指纹信息库，解算出读者位置；向服务器发送服务请求来获取相应的位置服务；

后台服务器：存储、管理与转发系统内的数据；

3D监管终端：实时显示图书馆的运行情况，包括读者状态与馆区状态。

3小结

本文以WiFi技术规范及其设备为基础，提出了基于概率的指纹算法，并以此算法为基础，提出了医院位置服务解决方案。目前的指纹采集方法需要耗费大量的人力，在未来的研究将基于众包的思想，加快数据采集速度，但是，其中的数据清洗是一项有挑战性的工作。同时，结合建筑物的内部结构来提高定位精度和导航的实用性。

教育期刊网 http://www.jyqkw.com
参考文献

［1］朱晓丹.无线定位技术在智慧城市中的应用探讨[J].广东通信技术,2013,6.

［2］陈秋晓.智慧医院建设存在的问题与建议[J].医院管理论坛,2013,3.

［3］马静宜.室内定位技术现状和发展趋势[J/OL].http://www.eepw.com.cn/article/264519.htm,2014-10-28.

［4］杨铮,吴陈沭,刘云浩.位置计算：无线网络定位于可定位性[M].北京:清华大学出版社,2014.

［5］桑应宾.基于K近邻的分类算法研究[D].重庆:重庆大学出版社,2009.

［责任编辑：汤静］