铁路智能车站室内定位关键技术研究

Research on Key Technologies of Indoor Positioning in Intelligent Railway Stations

摘要

铁路智能车站建设的主要目标是实现旅客便捷出行、车站温馨服务、客运高效管理，为旅客提供更加便捷、舒适的出行体验，提升客运管理工作效率。为满足智能车站旅客便捷出行、客运高效组织的精准定位需求，首先归纳了几何测量法、位置指纹识别法和临近关系定位法3种室内无线定位原理及方法。然后综合对比和分析了目前应用较为成熟的不同类型无线定位技术的特征和性能，包括5G通信、低功耗蓝牙、UWB、Wi-Fi、RFID等多类型无线定位技术。最后面向智能车站客运管理场景提出了基于5G融合新型反向散射技术的定位方案，采用更小体积、更广连接、更低功耗、更长使用周期的反向散射移动标签，实现亚米级高精度定位；面向旅客服务场景提出了基于低功耗蓝牙融合Wi-Fi/移动通信技术的定位方案，满足旅客只使用一部手机便可实现站内无盲区精准定位的需求，实现便捷出行。

Abstract

The construction of intelligent railway stations mainly aims to achieve convenient travel, warm station services for passengers, and efficient passenger transportation management, provide passengers with a more convenient and comfortable travel experience, and improve the efficiency of passenger transportation management. In order to satisfy the precise positioning needs of convenient travel for passengers and efficient passenger transportation management in intelligent stations, this paper first summarized three indoor wireless positioning principles and methods, namely the geometric measurement method, location-based fingerprint recognition method, and proximity relationship positioning method. Afterward, the paper comprehensively compared the characteristics and performance of different types of wireless positioning technologies, which currently have mature applications, including 5G communication, Bluetooth with low power consumption, UWB, WiFi, RFID, and other types of wireless positioning technologies. Eventually, a positioning scheme based on 5G combined with new backscatter technology was proposed for passenger transportation management scenarios in intelligent stations, which adopted backscatter mobile tags with smaller volume, wider connection, lower power consumption, and longer service life to achieve sub-meter level high-precision positioning. Meanwhile, a positioning solution based on Bluetooth with low power consumption combined with Wi-Fi/mobile communication technology was proposed for passenger service scenarios, meeting the need for passengers to achieve precise positioning without blind spots using only one mobile phone and realize convenient travel.

Graphical abstract

关键词

铁路 / 智能车站 / 无线定位 / 便捷出行 / 客运管理

Key words

Railway / Intelligent Station / Wireless Positioning / Convenient Travel / Passenger Transportation Management

0　引言

铁路客运车站是铁路运输组织和管理的重要枢纽，是为旅客提供进站、候车、登乘、换乘、出站等出行服务的重要场所。目前，我国已开通运营的铁路客运车站数量达到近3 000座，其中高速铁路车站1 500余座，特大型枢纽车站50余座。铁路客运车站通常站房面积较大，站内环境和内部结构复杂，人群流动量大，旅客经常由于不熟悉车站环境和站内路线，在寻找路线和问询过程中耗费较长时间，从而影响旅客的出行体验。此外，在客运车站管理和生产组织中，为了评估工作人员的在岗作业情况以及客运设备的运用状态，车站管理者需要获取在岗工作人员以及客运设备的实时位置信息，但目前定位手段的智能化水平还需提高。因此，研究面向智能车站旅客服务和客运管理场景的定位技术和方案，一方面为旅客提供精准的站内定位、便捷快速的出行引导和导航服务，另一方面对工作人员和客运设备进行移动定位和位置监测，对于提升车站旅客服务品质和客运管理工作效率具有重要意义。

随着我国铁路智能车站的蓬勃发展，越来越多的客运车站在不断建设成为智能车站，通过采用5G通信、人工智能、物联网、大数据、边缘计算等新信息技术和先进的现代铁路管理理念，为旅客提供更加便捷的出行服务，为客运管理和生产组织提供更加高效的作业手段^[1]。近年来，国内一部分智能车站通过部署蓝牙定位装置，借助电子地图为旅客提供站内定位和智能导航功能。但是由于蓝牙定位系统一方面需要投入大量的运维管理人力和物力，进行定期巡检、更换和维修，另一方面受限于站内环境和部署位置及密度，导致部分区域内的定位精度不高^[2]，因此蓝牙定位在国内车站并没有得到广泛应用，还需要与其他定位技术进行融合应用，以达到全方位、无盲区的定位效果。

为提出适用于铁路智能车站旅客服务和客运管理场景的定位方案，首先研究了目前室内无线定位原理及方法，然后针对第五代移动通信(5G)、低功耗蓝牙(BluetoothLE，BLE)、超宽带(Ultra Wide Band，UWB)、无线网络通信技术(Wireless Fidelity，Wi-Fi)、射频识别(Radio Frequency Identification，RFID)等不同类型的无线定位技术，综合对比和分析不同定位技术的特点和性能，最后为满足面向智能车站不同典型场景下的无线定位需求，分别提出基于5G融合新型反向散射技术的定位方案以及基于低功耗蓝牙融合Wi-Fi/移动通信技术的定位方案。在客运管理场景下采用更小体积、更广连接、更低功耗、更长使用周期的反向散射移动标签，可以为工作人员和客运设备提供亚米级高精度定位服务，在旅客服务场景下只通过一部手机便可实现站内全方位、无盲区精准定位和便捷出行的目标。研究提出的定位方案可以为铁路智能车站客运管理系统和旅客定位导航系统的建设和推广应用提供理论基础。

1　室内无线定位方法

1.1　几何测量法

几何测量法是目前室内定位应用最广泛的基本方法，通过测量无线电波传播的一些参数，建立几何计算模型，从而得出被测位置^[3]。几何测量法划分为基于距离和角度测量的定位方法。

（1）基于距离测量的定位方法。通过测量被测位置与3个确知位置参考点之间的距离，构建三角几何关系，从而计算出被测位置。其中，这3个参考点不能在同一直线上。被测位置与参考点之间的距离主要通过测量接收信号强度(Received Signal Strength Indicator，RSSI)、到达时间(Time of Arrival，TOA)、到达时间差(Time Difference of Arrival，TDOA)、飞行时间(Time of Flight，TOF)等传输指标来获取。

基于RSSI的测距方式：由于发射信号强度是已知的，无线电波传播损耗随着传播距离的增加而相应增大，因此通过测量接收信号RSSI值可以获得无线电波信号的衰减程度，根据无线电波传播损耗与传播距离之间的关系，估算出无线信号的传播距离。

基于传播时间的测距方式：发射端和接收端都需要借助高精度设备来确保时间的精准同步，由接收信号的TOA和TDOA可以得到无线信号的实际传播时间，从而计算出传播距离。对于时间异步的收发机，采用双向测距技术，通过测量收发机之间往返的TOF时间以获取无线电波传播距离，在视距传播条件下，基于TOF的测距方法较为准确。

（2）基于角度测量的定位方法。只需要2个确知位置参考点即可，在被测位置测量接收信号的到达角(Angle of Arrival，AOA)，根据被测位置与2个参考点之间的角度值，再结合2个参考点的确知位置，建立几何关系便可得到被测位置。这种定位方法要求通信节点具有方向性天线，如天线阵列。

1.2　位置指纹识别法

位置指纹识别法通常针对特定的场景，用量化的参数特征描述环境中的各个位置，建立数据库采集各个环境位置的参数特征，这些特征信息被形象地称为位置“指纹”信息，因而这个数据库也被称为指纹库。

针对基于无线信号特征的室内定位，该方法通过采集特定环境中各个位置的无线信号特征信息，建立一个涵盖位置信息和无线信号特征信息的指纹库，根据当前位置测量的无线信号特征查询指纹库，按照特定的匹配规则，在指纹库中匹配被测位置的无线信号特征，从而确定被测位置。该方法是一种模式识别方法，其定位精度取决于指纹库和匹配规则，也受限于定位环境的复杂多变^[4]。

1.3　临近关系定位法

临近关系定位法通常基于被测位置与某个或多个确知位置参考点之间的临近关系，需要借助于标识系统，以唯一特定的标识来标定参考点位置^[5]。

在铁路智能车站中，按照空间分布将车站划分为若干个区域，每个区域中的参考点位置是确知的。利用无线信号的有限传播范围，可以大致估算被测位置是否在某个参考点附近，该方法的精度相对较低，只能提供大概的定位信息。

综上所述，室内无线定位方法对比如表1所示。其中，基于距离测量的定位方法原理简单易懂，也无需安装额外昂贵的硬件设备，精确度较高，可满足铁路智能车站室内定位需求。位置指纹识别法和临近关系定位法受限因素较多，精度难以满足智能车站的实际定位需求。

2　室内无线定位技术

2.1　5G高精度基站定位技术

5G采用大规模天线阵列、毫米波通信、高精度同步和大带宽技术，基于测量网络的往返时间(Round Trip Time，RTT)、TDOA、AOA等，通过多基站协作实现高精度定位^[6]，理论上定位精度可达亚米级。

其中，RTT定位采用几何测量法，测量被测位置与多个基站之间的RTT值，经计算后确定被测位置。RTT定位不需要基站之间严格同步，支持多基站和单基站定位，在单基站定位场景下，需与AOA结合才能实现高精度定位。

TDOA定位通过测量被测位置与附近2个基站的TDOA值，估算被测位置到基站的距离差，被测位置位于以这2个基站为焦点、以其距离差为定差的双曲线上。通过测量被测位置与附近3个基站之间的TDOA，就能两两组合形成若干条双曲线，这些双曲线的交点就是被测位置。

AOA定位采用方向性强的大规模天线阵列，借助2个基站，根据移动终端的通信信号到达基站的入射角度，从而确定被测位置。

2.2　基于低功耗蓝牙的无线定位技术

低功耗蓝牙指支持蓝牙协议4.0或更高的版本^[7]，用于室内定位，具有成本低、功耗低、部署方便、精度较高等特点，使用一个纽扣电池可供蓝牙信标(Beacon)基站工作约2年^[8]。

Beacon基站可以远距离采集蓝牙无线信号，在蓝牙协议4.0中，Beacon基站的覆盖范围可以达到50~100 m，定位精度可以达到2~5 m。而在蓝牙协议5.0中，其覆盖范围更广，可达300 m，满足铁路智能车站的室内定位需求。BLE室内定位原理可以简单分为位置指纹识别法和几何测量法2类。

目前，BLE定位技术较为成熟的应用之一是苹果公司发布的iBeacon定位。iBeacon的优势之一在于不需要进行配对，通过使用BLE技术，iBeacon基站便可自动创建一个信号区域，在区域内进行基于位置的精准推送搜索等。iBeacon基站向信号区域内发送自己特有的ID，当某一设备进入该区域时能接收到该ID，则该设备可以被iBeacon基站感知到，可传输数据，并接收来自于iBeacon基站的推送信息和资讯等。

2.3　基于UWB的无线定位技术

超宽带技术是近年来新兴的一项无线通信技术，具有传输速率高、发射功率较低、基于极窄脉冲等特点^[9]，在室内无线定位领域具有良好的应用前景^[10]。其通信频段为3.1~10.6 GHz，传输距离较短约10 m，定位精确很高。

超宽带室内定位方案基于UWB脉冲信号，采用TDOA，TOF，AOA等几何测量法确定被测位置。基于UWB的无线定位系统典型实例是Ubisense系统，其多径分辨能力强，定位精度可达30 cm以内。由于UWB传输距离较近，因此基站部署较为密集，并且常用的终端设备如手机并不支持UWB，其定位成本较高，难以实现大范围室内覆盖。

2.4　基于Wi-Fi的无线定位技术

与蓝牙定位技术类似，Wi-Fi定位可以分为基于RSSI的几何测量法以及位置指纹识别法^[11]。

其中，基于RSSI的几何测量法比较常见。在被测位置测量来自于多个参考点(即Wi-Fi接入点)的信号强度，计算出被测位置到多个Wi-Fi接入点之间的距离，通过几何多点定位方法，便可获得被测位置。该方法定位精度在10 m以内，但如果Wi-Fi接入点的部署密度较低，则达不到精确的定位效果，此外Wi-Fi信号的不稳定性也影响着定位精度。

Wi-Fi位置指纹识别法需匹配信号强度进行定位，首先在覆盖区域的若干位置离线采集其位置信息以及到多个Wi-Fi接入点的信号强度，构建指纹库，然后在线测量被测位置实时获取的信号强度，利用匹配规则得出被测具体位置。该方法精度可达3~8 m，但前期采集数据工作量大，指纹信息采集时间成本高，为了达到较高的精度，位置测算设置比较繁琐，需要定期更新指纹库，后期运营成本较大。

2.5　基于RFID的无线定位技术

RFID技术利用射频标签实现识别和定位功能，分为有源和无源标签定位，通过对参考标签和待定标签的RSSI进行分析计算，利用临近关系定位法和经验公式，可估算出待定标签的位置^[12]。

RFID定位精度由参考标签的位置决定，其定位精度较低。为提高定位精度，需要增大参考标签的密度，然而标签密度较高将会产生较大的干扰，影响信号强度^[13]。如果在智能车站内采用RFID定位技术，则需要为旅客、工作人员和客运设备等对象配置移动标签，将增加车站室内定位成本，而且在后期运营中，移动标签的集中回收和统一管理也是亟需解决的问题。

3　室内无线定位技术性能分析

室内无线定位技术性能对比示意图如图1所示。图1分别从定位性能和规模化难易程度两大维度，综合对比了上述几种室内无线定位技术的关键性能。其中，定位性能主要体现为定位精度，规模化难易程度体现为组网部署及运营成本。通过分析可以得出，RFID技术的定位精度最低，UWB技术的定位精度最高，但其组网成本也较高。5G高精度基站定位技术因其需具备5G网络基础设施和强大算力的支撑，组网部署成本较高。当具备5G网络条件时，其定位精度可达米级，根据3GPP R17定义，5G定位能力必须满足对于90%的终端，水平定位精度优于1 m，垂直定位精度优于3 m。

室内无线定位技术特点对比如表2所示。从技术应用推广度而言，旅客所携带的智能终端通常能够支持5G通信、Wi-Fi和低功耗蓝牙定位技术，这3种定位技术应用成熟，使用方便。但若采用Wi-Fi技术达到较高的定位精度，需部署大量密集的Wi-Fi接入点，将增大车站内Wi-Fi的部署成本。UWB和RFID技术都需要部署专用的基站节点，并配置大量的移动标签，通常智能手机并不支持这2种技术，因此在应用推广度方面相对受限。

4　铁路智能车站室内无线融合定位方案

随着云计算、5G通信、物联网等新技术的兴起，铁路智能车站将融合应用新技术满足客运管理和旅客服务场景的不同定位需求，以提升生产组织的智能化管理水平，同时为旅客提供更加便捷的出行引导服务。

针对客运管理场景，智能车站需要获取工作人员的在岗作业位置、移动轨迹和客运设备的实时位置，以便于智能化管理。目前很多车站采用RFID技术实现到岗打卡，其有效通信距离短，定位精度较差，且无法实时监测工作人员和设备的位置信息，更不能实现移动轨迹跟踪。随着5G通信网络在智能车站的规模化部署，新型反向散射作为共生技术，因其更广连接、更小体积、更低功耗的特点，与5G通信融合应用，可达到亚米级高精度，实现对工作人员和设备的实时位置监测和轨迹跟踪，以及设备移位报警、电子围栏等功能。

针对旅客服务场景，只依靠旅客随身携带的一部智能手机便可实现便捷出行的定位需求。蓝牙定位是目前较为常见的站内定位技术，其精度受站内环境和部署密度影响，部分区域定位精度受限，且传输距离较短，在车站存在传输盲区，需要和Wi-Fi、移动通信网络融合应用以达到更广的服务范围。目前很多车站均部署蓝牙、Wi-Fi等网络，并且4G移动通信信号覆盖良好，且旅客常用的移动终端都兼容蓝牙、Wi-Fi和4G通信技术，因此可以借助车站既有的蓝牙、Wi-Fi和移动通信网络，旅客仅使用一部手机便可实现站内精准定位和服务信息可靠传输。

因此，分别针对智能车站客运管理和旅客服务这2类应用场景，构建无线融合定位系统架构，融合应用4G/5G通信、Wi-Fi和低功耗蓝牙等各类型定位技术，提出基于5G融合新型反向散射技术的定位方案，以及基于低功耗蓝牙融合Wi-Fi/移动通信技术的定位方案，以满足不同典型场景下的定位应用需求。

4.1　面向客运管理场景的智能车站5G融合定位方案

在智能车站客运管理典型应用场景中，通常需要对工作人员以及客运设备的位置进行实时标定和监测。为了评估工作人员在岗作业情况和工作质量，车站需采用站内精准定位手段，实现工作人员的到岗定位打卡、在岗位置监测和移动轨迹跟踪等功能，为客运人员管理提供精确的数据基础。目前多数车站采用传统RFID技术实现对工作人员的到岗定位，因其定位范围受限，还尚未实现人员位置实时监测和移动轨迹跟踪功能。针对车站客运设备管控业务，目前车站多采用人工巡检方式，利用RFID或者二维码技术，实现对客运设备设施的位置标识，还缺乏智能化手段以实现对设备设施的位置实时监测、移位报警等功能。

针对传统RFID技术有效通信距离短的不足，新型反向散射技术作为5G通信的共生技术，不需要载波发生器，从周围环境中的射频信号获取能量，实现射频供电设备的无线通信，具有更低功耗、更低成本、更广连接、绿色通信的特点^[14]。5G与新型反向散射技术的融合应用与相互赋能，在室内定位方面具有巨大的应用前景，将提升5G技术的定位性能，极大地推动5G技术在智能交通行业的应用^[15]。

针对车站客运管理场景下工作人员以及客运设备的位置标定和监测需求，提出了基于5G融合新型反向散射技术的定位方案。5G基站室内定位精度通常为米级，与新型反向散射技术融合应用，其精度可提升至亚米级。新型反向散射移动标签体积非常小、功耗低，并且无源，具有很长的使用寿命，运维成本低，适用于智能车站工作人员和客运设备的位置监测。移动标签通常研制为一枚普通邮票或者书签大小，制成单薄的卡片形式，贴附在工作人员的移动终端以及站内客运设备设施上，从而实现工作人员和客运设备的精准定位功能。新型反向散射移动标签(无源)如图2所示。

基于5G融合新型反向散射技术的智能车站定位方案如图3所示，该方案采用5G边缘计算技术，在车站本地服务器部署定位算法和软件应用。新型反向散射移动标签贴附在工作人员的移动终端以及站内客运设备设施表面，通过反向散射阅读器测算出移动标签的位置信息，可实现对工作人员和客运设备的定位服务。反向散射阅读器两两相隔一段间距部署在车站不同区域内，可通过1∶1或者1∶N级联的方式与远端射频单元(pico Remote Radio Unit，pRRU)相连从而接入5G通信网，pRRU通过远程射频汇聚单元(Remote Radio Unit Hub，RHUB)级联接入5G室内基带处理单元(Building Baseband Unit，BBU)，进而通过承载网接入5G核心网。

反向散射移动标签具有绿色通信的特点，通过从环境中的射频信号源获取能量，可以和阅读器之间进行双向通信。阅读器不断地向移动标签发送指令信息，信息到达移动标签后经反向散射，移动标签向阅读器返回传输感知信息，阅读器实时读取标签的感知信息，并通过5G接入网传输至本地服务器进行位置测算，通过对比指令信息和感知信息，测量信号经由传输路径的相位变化，并采用电波传播模型估算阅读器与移动标签之间的传输距离，进一步结合阅读器的位置信息，采用最大似然估计法估算出移动标签的位置信息，实现对移动标签的实时定位、位置追踪和移动轨迹跟踪功能。通过在工作人员的移动终端以及待定位的客运设备上贴附移动标签，车站管理人员可以在后台获取每个工作人员和客运设备的实时位置，实现对工作人员的到岗定位、移动位置监测、轨迹跟踪，以及对客运设备的位置监测、追踪、移位报警和基于位置的电子围栏等亚米级高精度定位功能。

为保障客运管理不同定位应用的访问需求以及车站5G融合定位网络的安全传输，建立了一套基于云边协同的车站5G融合定位安全架构体系。采用边缘计算数据分流机制，将5G核心网的用户面功能网元(User Plane Function，UPF)下沉到车站本地，部署在车站本地服务器，实现对客运管理场景下工作人员移动定位和客运设备位置监测等不同业务的本地访问和数据业务分流。为确保智能车站客运管理定位应用的数据传输和系统运行安全，通过部署防火墙、安全通讯部件等网络安全设备，对接入网络的移动标签和终端设备进行访问控制、身份认证和基于角色的授权管理，保障网络不被非法接入。

4.2　面向旅客服务场景的智能车站低功耗蓝牙融合定位方案

蓝牙定位技术具有低功耗、低成本的特点，与Wi-Fi和3G/4G移动通信技术融合应用，不需要额外增加旅客携带的移动终端数目。鉴于蓝牙定位、Wi-Fi和3G/4G移动通信的技术成熟性和普遍应用程度，目前市面上的智能手机、平板电脑等移动终端均可兼容这些技术。因此，针对旅客出行服务场景，为满足车站旅客只使用一部手机便可实现站内实时定位和精准导航的需求，建立了基于低功耗蓝牙融合Wi-Fi/移动通信技术的智能车站多类型无线定位网络系统架构，融合应用低功耗蓝牙、Wi-Fi和3G/4G移动通信技术，只需借助旅客自身携带的智能移动终端便可提供站内精准定位和出行引导服务，具有在全路客运车站推广应用的潜在前景。

基于低功耗蓝牙融合Wi-Fi/移动通信技术的智能车站定位方案如图4所示，以蓝牙协议4.0为例，将若干个蓝牙Beacon基站部署到车站的特定位置，由蓝牙网关统一管理并接入互联网。为便于旅客快速查询和实现站内定位，智能车站定位云服务平台部署在互联网，并对车站中每个Beacon基站的唯一标识码(即ID)都匹配和绑定了相应的位置信息和商业信息。每个Beacon基站都在不断地向外广播自身的ID信息，旅客随身携带的手机或者平板等智能移动终端在不需要蓝牙配对和连接的情况下便可接收到来自距离最近的Beacon基站发来的信息。移动终端既可以通过后台程序处理，离线解析Beacon基站绑定的消息，也可以借助Wi-Fi或者3G/4G移动通信网络，在线使用微信或者相关APP，通过Wi-Fi或者移动数据流量连接至互联网，将该标识码发送至智能车站定位云服务平台询问，从云端查询Beacon基站绑定的信息，并获取和解析其附带的其他商业信息。因此，智能车站定位云服务平台通过获取距离旅客最近的Beacon基站的ID信息进而可以估算出旅客当前的位置，为旅客提供实时定位和导航。Beacon基站绑定的信息中包含旅客位置信息、商业信息等，相应地，可以为旅客提供定位导航服务、商铺详情推送、广告推送、商品图片、资讯信息、相关视频和音频信息等。因此，旅客只需使用自身携带的智能移动终端，便可实现站内精准定位和出行引导服务。

作为旅客出行定位服务的基础保障平台，铁路智能车站定位云服务平台具备安全可靠的信息交互基础环境，提供强大的计算、存储、通信和安全保障能力，建立云服务接入和管理方式，通过电子地图、候车信息、商业信息、客流信息、交通数据、天气资讯等信息推送，为旅客提供出行过程中必要的定位导航和资讯服务，如实时定位、导航搜索、商业推送、旅客咨询和信息资讯服务等。

为保障旅客移动终端的安全接入以及数据信息的可靠传输，构建了面向智能车站旅客出行定位应用的终端设备安全认证和数据传输安全防护管理体系。采用终端设备安全接入认证方法，完成对旅客移动终端的身份认证、设备接入管控、非法接入阻断、异常设备自动阻断等功能。针对旅客定位信息解析和数据传输，采用数据非对称加密算法、传输内容监控与过滤、安全秘钥协商与管理、隐私信息保护、密文验证、门限密码等一系列信息安全防护措施，以保证传输数据和数据流的机密性与完整性，并实现旅客隐私保护。

5G基站定位精度可达1~3 m，在融合新型反向散射技术后，其定位精度显著提升，达到亚米级。新型反向散射技术因采用无源移动标签，具有低成本、低功耗的特点，但车站5G通信网络的部署和运营成本相对较高，需部署5G网络基础设施，在新建车站设计时需要纳入工程建设方案，在既有车站改造时所需成本较高，一旦完成建设部署，便可为车站客运管理和旅客服务的相关业务数据传输提供安全、可靠、大带宽的通信网络支撑。低功耗蓝牙融合Wi-Fi/移动通信技术的定位精度通常在米级，基本满足旅客出行定位需求。目前我国很多高速铁路车站已部署Wi-Fi和蓝牙基站，在既有车站改造时，重新部署蓝牙Beacon基站和Wi-Fi接入网的成本也相对适中，因此，低功耗蓝牙融合Wi-Fi/移动通信技术的定位方案在旅客出行服务场景中具有可全路推广的应用前景。智能车站客运管理和旅客服务场景无线融合定位方案特点对比如表3所示。

5　结束语

为满足智能车站不同典型场景下的无线定位需求，首先研究了几何测量法、位置指纹识别法和临近关系定位法3种室内无线定位方法，然后分别梳理了5G通信、低功耗蓝牙、UWB、Wi-Fi、RFID等多种类型的无线定位技术，并综合对比和分析了其特点和性能，最后提出基于5G融合新型反向散射技术的定位方案，采用更小体积、更广连接、更低功耗、更长使用周期的反向散射移动标签融合5G通信技术，为铁路智能车站客运管理场景中工作人员的移动定位和客运设备的位置监测提供基础技术支撑，同时提出了基于低功耗蓝牙融合Wi-Fi/移动通信技术的定位方案，只通过一部手机便可实现旅客在站内全方位、无盲区精准定位和便捷出行，为车站旅客定位导航系统的建设和应用提供理论指导，提升车站客运服务的智能化水平。

参考文献

[1] 史天运，彭凯贝. 增强型智能铁路客运车站架构及关键技术[J]. 铁道运输与经济，2021，43(4)：72-79.

[2] SHI Tianyun， PENG Kaibei. Overall Architecture and Key Technologies of Enhanced Intelligent Railway Station[J]. Railway Transport and Economy，2021，43(4)：72-79.

[3] 王雪峰，董兴芝，原非凡. 京张高铁旅客全行程智慧信息服务技术研究与应用[J]. 铁路计算机应用，2021，30(7)：50-55.

[4] WANG Xuefeng， DONG Xingzhi， YUAN Feifan. Research and Application of Intelligent Passenger Full Trip Information Service Technologies for Beijing-Zhangjiakou High Speed Railway[J]. Railway Computer Application，2021，30(7)：50-55.

[5] 邵子灏，杨世宇，马国杰. 室内信息服务的基础：低成本定位技术研究综述[J]. 计算机科学，2022，49(9)：228-235.

[6] SHAO Zihao， YANG Shiyu， MA Guojie. Foundation of Indoor Information Services：A Survey of Low-Cost Localization Techniques[J]. Computer Science，2022，49(9)：228-235.

[7] 郑元勋，李清华，王常虹，等. 基于多磁信标的指纹匹配定位算法[J]. 遥感学报，2022，26(10)：2073-2082.

[8] ZHENG Yuanxun， LI Qinghua， WANG Changhong，et al. Accurate Navigation and Positioning Method Based on Magnetic Beacon[J]. National Remote Sensing Bulletin，2022，26(10)：2073-2082.

[9] NIEMINEN R， JÄRVINEN K. Practical Privacy-Preserving Indoor Localization Based on Secure Two-Party Computation[J]. IEEE Transactions on Mobile Computing，2021，20(9)：2877-2890.

[10] AI B， MOLISCH A F， RUPP M，et al. 5G Key Technologies for Smart Railways[J]. Proceedings of the IEEE，2020，108(6)：856-893.

[11] 魏　军，罗　恒，倪启东，等. 蓝牙室内定位算法优化方法[J]. 苏州科技大学学报(自然科学版)，2023，40(2)：78-84.

[12] WEI Jun， LUO Heng， NI Qidong，et al. Optimization Method of Indoor Bluetooth Positioning Algorithm[J]. Journal of Suzhou University of Science and Technology (Natural Science Edition)，2023，40(2)：78-84.

[13] 金　霄，吴　飞，朱　海，等. 综合AP选择的蓝牙地铁车站定位[J]. 导航定位学报，2021，9(1)：25-30.

[14] JIN Xiao， WU Fei， ZHU Hai，et al. Bluetooth Metro Station Locationing Selected by Integrated AP[J]. Journal of Navigation and Positioning，2021，9(1)：25-30.

[15] 王　盼，庄异凡，刘志钢，等. 基于超宽带技术的地铁车站盲障人士定位方案[J]. 城市轨道交通研究，2023，26(3)：35-39.

[16] WANG Pan， ZHUANG Yifan， LIU Zhigang，et al. Positioning Scheme for Visually Impaired and Blind Passengers in Metro Station Based on Ultra-Wideband Technology[J]. Urban Mass Transit，2023，26(3)：35-39.

[17] HUANG S C， CHEN J， JIANG H. UWB Indoor Location Based on Improved Least Square Support Vector Machine Considering Anchor Anomaly[C]//2020 IEEE 16th International Conference on Control & Automation (ICCA)： October 9-11，2020. Singapore： IEEE，2020：324-329.

[18] 叶瀚云，何　军. 基于改进聚类与WKP的Wi-Fi室内定位算法[J]. 计算机仿真，2023，40(5)：408-412.

[19] YE Hanyun， HE Jun. Wi-Fi Indoor Positioning Algorithm Based on Improved Clustering and Weighted K Proximity(WKP)[J]. Computer Simulation，2023，40(5)：408-412.

[20] ZHANG Y L， GONG X L， LIU K H，et al. Localization and Tracking of an Indoor Autonomous Vehicle Based on the Phase Difference of Passive UHF RFID Signals[J]. Sensors，2021，21(9)：3286.

[21] MOTRONI A， BUFFI A， NEPA P. A Survey on Indoor Vehicle Localization through RFID Technology[J]. IEEE Access，2021，9：17921-17942.

[22] 李　源，张雨露，丁　郁，等. 无源物联网通信研究进展与演进思考[J]. 物联网学报，2023，7(3)：15-23.

[23] LI Yuan， ZHANG Yulu， DING Yu，et al. Research Progress and Evolution Prospect of Passive Internet of Things Communication[J]. Chinese Journal on Internet of Things，2023，7(3)：15-23.

[24] 崔子琦，王公仆，魏旭昇，等. 反向散射通信的未来应用与技术挑战[J]. 移动通信，2021，45(4)：29-36.

[25] CUI Ziqi， WANG Gongpu， WEI Xusheng，et al. Future Applications and Technical Challenges of Backscatter Communications[J]. Mobile Communications，2021，45(4)：29-36.

基金资助

中国科协青年人才托举工程项目(2021QT001)

中国铁道科学研究院集团有限公司科研项目(2023YJ125)