大型環(huán)境下的在線室內(nèi)定位服務性能問題研究.pdf

1、隨著智能手機的普及和移動互聯(lián)網(wǎng)浪潮的來臨，室內(nèi)定位服務因其在為用戶提供便捷的定位導航的同時，也能從收集的定位數(shù)據(jù)中挖掘出有價值的商業(yè)信息，進而在智能家居、智慧商城和公共安全應急響應等領域中扮演著日益重要的角色。然而當其應用在高鐵站、購物中心或會展中心等大型室內(nèi)環(huán)境中時，較多的無線接入熱點和移動終端用戶會給定位服務帶來很大的計算和存儲壓力，比如規(guī)模大維度高的訓練樣本和數(shù)據(jù)量大并發(fā)性強的數(shù)據(jù)吞吐，傳統(tǒng)的定位算法和單機架構(gòu)都難以支撐這樣的業(yè)務

2、場景。因此針對這些不足，本文分別從計算密集和IO密集兩個角度，對大型環(huán)境下室內(nèi)定位服務的定位算法性能和數(shù)據(jù)存儲模型的IO性能進行了研究和改進，具體的工作如下:
　　1)提出了一種基于二次聚類的子空間劃分算法。該算法通過將位置指紋相似度高的樣本數(shù)據(jù)聚類到同一個較小規(guī)模的子空間中，降低了kNN分類器在位置指紋最近鄰發(fā)現(xiàn)過程中的樣本搜索范圍，初步提高了定位算法的性能。為了得到高質(zhì)量的類簇，本文根據(jù)室內(nèi)定位數(shù)據(jù)樣本的特點對kmeans算法

3、做了初始化質(zhì)心的改進，實驗結(jié)果表明相較于隨機質(zhì)心的kmeans算法，本文提出的二次聚類算法得到的類簇在總凝聚度上要高出18.7％。
　　2)提出了一種降維改進的位置指紋定位算法。該算法首先對AP熱點的掃描頻數(shù)建立對數(shù)正態(tài)分布模型，通過去除RSSI特征向量中對定位結(jié)果影響較小的弱無關項實現(xiàn)降維，在低維向量空間上采用kNN分類器得到定位坐標，進一步提高了算法的性能。與其它定位算法的對比實驗結(jié)果表明，本文的改進算法在保障定位精度的前提下

4、，RSSI特征向量的平均維度只有原始樣本的13％，具有顯著的性能優(yōu)勢。
　　3)提出了Redis-MySQL混合存儲模型。對于讀寫頻繁、熱點性強的實時定位數(shù)據(jù)，選用讀寫更快、基于內(nèi)存的Redis作為存儲介質(zhì)，相較于傳統(tǒng)的關系數(shù)據(jù)庫能夠?qū)崿F(xiàn)更快的數(shù)據(jù)查詢;同時對于非熱點數(shù)據(jù)，根據(jù)生產(chǎn)者消費者模型，設計了基于分布式消息隊列RabbitMQ的異步機制，有效地將定位數(shù)據(jù)持久化任務從定位引擎上解耦，提高后者對于大規(guī)模數(shù)據(jù)量的定位業(yè)務支撐能力

5、。實驗結(jié)果表明，本文提出的存儲模型在實時位置查詢的響應時間上的加速比達到1.48，而且定位引擎在異步持久化過程中的IO阻塞時間上只有同步方式的10％，在短時間內(nèi)數(shù)據(jù)量爆發(fā)的情況下能夠?qū)ySQL起到一定的緩沖作用。
　　4)設計了基于水平分片策略的Redis集群方案。該方案對Redis進行分布式擴展，通過哈希映射的方式將不同移動終端、不同地圖環(huán)境的定位數(shù)據(jù)路由到不同的Redis節(jié)點上，實現(xiàn)并行的數(shù)據(jù)查詢。實驗結(jié)果表明，Redis集