基于距离估计与AI误差修正的机载客舱座位号绑定方法与流程

摘要: 本发明涉及航空通信与客舱信息系统,具体为基于距离估计与ai误差修正的机载客舱座位号绑定方法。背景技术:1、随着机载客舱wifi系统的普及,机上点餐、购物、乘务呼...
基于距离估计与AI误差修正的机载客舱座位号绑定方法与流程

本发明涉及航空通信与客舱信息系统,具体为基于距离估计与ai误差修正的机载客舱座位号绑定方法。

背景技术:

1、随着机载客舱wifi系统的普及,机上点餐、购物、乘务呼叫和座位级流量控制等增值业务对终端设备与座位号的准确绑定提出了明确需求。然而,现有工程方案普遍依赖旅客手动输入座位号、扫描座椅二维码或由乘务员人工确认来完成绑定,存在效率低、易出错、依赖旅客主动配合且难以应对座位变更和多设备接入等问题,无法满足智能化客舱服务的发展要求。

2、目前,已有一些基于mac地址与ip地址绑定的技术方案,但该类方案仅局限于网络层地址之间的关联,无法建立终端设备与物理座位之间的映射关系。同时,虽然无线定位技术在室内场景中已有广泛应用,但机载客舱环境具有空间封闭、金属结构反射强烈、人员遮挡频繁、多径效应显著以及ap安装位置差异大等特殊性,地面室内定位方法难以直接移植应用,且传统测距模型在机载场景下的误差较大,缺乏有效的误差修正手段。针对上述问题,本发明提出了一种基于距离估计与ai误差修正的机载客舱座位号绑定方法,通过采集终端到多个参考点的无线信号特征,结合多点定位和ai误差修正模型,在不依赖旅客主动操作的前提下实现mac地址、ip地址与座位号的高置信度自动绑定。

技术实现思路

1、针对现有技术的不足,本发明提供了基于距离估计与ai误差修正的机载客舱座位号绑定方法,具备通过多参考点无线测距与ai误差修正,实现mac、ip与座位号自动绑定,无需旅客操作,提升了绑定效率与准确性等优点,解决了上述技术问题。

2、为实现上述目的,本发明提供如下技术方案:基于距离估计与ai误差修正的机载客舱座位号绑定方法,包括以下步骤:

3、s1:终端接入机载wi-fi网络,dhcp服务器为所述终端分配ip地址,获得所述终端的mac地址与ip地址;

4、s2:建立客舱空间坐标系,构建并存储参考点坐标库和座位坐标库,所述参考点坐标库包含各参考点的参考点坐标,所述座位坐标库包含各座位的座位坐标;

5、s3:无线特征采集模块通过客舱内的多个参考点采集所述终端的无线特征集合;

6、s4:距离估计模块根据所述无线特征集合,分别计算所述终端到各参考点的rssi距离估计值、rtt距离估计值和csi距离估计值,并对所述rssi距离估计值、rtt距离估计值和csi距离估计值进行多源融合,得到所述终端到各参考点的综合距离估计值;

7、s5:ai误差修正模块根据所述无线特征集合和所述综合距离估计值,利用预先训练好的ai距离修正模型对所述综合距离估计值进行误差修正,得到修正后距离;

8、s6:多点定位模块调用所述参考点坐标库,根据所述修正后距离和所述参考点坐标,采用加权最小二乘法估计所述终端在所述客舱空间坐标系中的终端位置;

9、s7:座位匹配模块调用所述座位坐标库,根据所述终端位置和所述座位坐标,计算所述终端位置到各座位的距离,选取距离最近的座位作为候选座位,并基于几何距离计算各座位的几何概率;

10、s8:多源融合决策模块获取旅客确认座位信息,将所述几何概率、ai模型输出的各座位的ai概率、所述旅客确认座位信息对应的强校验项以及历史连续性评分进行加权融合,计算各座位的最终得分,选取得分最高的座位作为预测座位号,并计算所述预测座位号的置信度;

11、s9:绑定关系管理模块根据所述置信度确定绑定状态,生成并存储包含所述mac地址、所述ip地址、所述预测座位号、所述置信度和所述绑定状态的绑定记录。

12、作为本发明的优选技术方案,所述s2客舱空间坐标系的表达式如下:

13、;

14、其中,表示客舱横向方向;表示客舱纵向方向;表示高度方向;所述客舱中旅客终端的位置表达式如下:

15、;

16、其中,表示旅客终端在客舱平面内的位置,表示横向坐标,表示纵向坐标;

17、所述s2参考点坐标的表达式如下:

18、;

19、其中,表示第个参考点的位置,和分别表示其横向和纵向坐标,表示客舱内无线参考点的总数;

20、所述s2座位坐标的表达式如下:

21、;

22、其中,表示第个座位的空间坐标,和分别表示其横向和纵向坐标,表示客舱内的座位总数。

23、作为本发明的优选技术方案,所述s4中rssi距离估计值的相关表达式如下:

24、;

25、其中,表示终端在第个参考点处测得的rssi接收信号强度,表示参考距离处的rssi参考值,表示参考距离且通常取1 m,表示环境路径损耗因子,表示rssi测量随机误差,表示终端与第个参考点之间的真实传播距离;当时,估算距离的表达式如下:

26、;

27、其中,表示基于rssi对终端到第个参考点距离得到的估计值,单位为m;

28、所述s4中rtt距离估计值的表达式如下:

29、;

30、其中,表示基于rtt对终端到第个参考点距离得到的估计值,表示终端与第个参考点之间扣除响应处理时延后的有效往返时间,表示电磁波传播速度,近似满足;

31、所述s4中csi距离估计值的表达式如下:

32、;

33、其中,表示基于csi估算出的距离,表示ai距离回归模型,表示模型参数,表示第个参考点的csi特征向量;

34、所述s4综合距离估计值的表达式如下:

35、;

36、其中,表示第个参考点对应的综合距离,表示rssi距离权重,表示rtt距离权重,表示csi距离权重,三者满足:,。

37、作为本发明的优选技术方案,所述s5修正后距离的计算过程如下:

38、步骤a1:训练好的ai距离修正模型基于综合距离估计值计算得到修正误差,其表达式如下:

39、;

40、其中,表示ai模型针对第个参考点输出的有符号距离修正量,表示第个参考点对应的输入特征向量,表示由模型参数确定的ai距离误差修正函数;所述输入特征的表达式如下:

41、;

42、其中,表示第i个参考点处测得的rssi,表示有效往返时间,中的csi分量表示第i个参考点的csi特征向量,表示第i个参考点对应ap的实时负载特征,表示该ap的安装位置与几何布局特征,表示终端所在客舱舱段或局部传播环境特征;

43、步骤a2:基于修正误差计算得到修正后的距离,其表达式如下:

44、;

45、其中,表示终端到第个参考点的修正后距离,表示误差修正前的综合距离估计值,表示ai模型输出的距离修正量;

46、所述ai距离修正模型的训练目标的表达式如下:

47、;

48、其中,表示训练得到的最优模型参数集合,表示第个训练样本中终端到第个参考点的真实距离,表示对应的输入特征向量,表示客舱内无线参考点总数,表示训练样本总数,表示由参数确定的距离回归模型,表示在参数空间内寻找使总平方误差最小的参数,表示对全部参考点求和,表示对全部训练样本求和。

49、作为本发明的优选技术方案,所述s6客舱空间坐标系中的终端位置的表达式如下:

50、;

51、其中,表示终端的最终估计位置,表示位置估计目标函数,表示在客舱平面内搜索使目标函数取得最小值的位置;所述目标函数的表达式如下:

52、;

53、其中,表示待求的旅客终端位置,表示第个参考点的位置,表示终端到第个参考点的修正后距离,表示第个参考点的可靠性权重,表示无线参考点总数,表示对全部参考点求和,表示二维欧氏范数。

54、作为本发明的优选技术方案,所述s7终端位置到各座位的距离的表达式如下:

55、;

56、其中,表示终端最终估计位置到第个座位的欧氏距离,表示终端最终估计位置,表示第j个座位的空间坐标,表示二维欧氏范数;

57、所述s7基于几何距离计算各座位的几何概率的表达式如下:

58、;

59、其中,表示终端属于第j个座位的几何概率,表示距离敏感系数,表示终端最终估计位置到第l个座位的距离,表示客舱内座位总数,表示对全部座位求和,表示指数函数。

60、作为本发明的优选技术方案,所述s8座位的最终得分的表达式如下:

61、;

62、其中,表示第j个座位的最终融合得分,表示几何定位概率,表示ai模型输出的座位概率,表示候选座位与旅客确认座位的一致性指示函数,表示该座位的历史连续性评分,、、和分别表示上述四类信息的非负融合权重,并满足;

63、所述s8预测座位号的置信度的表达式如下:

64、;

65、其中,表示预测座位的归一化置信度,表示预测座位的最终融合得分,表示候选座位j的最终融合得分,表示候选座位集合,表示对候选座位集合内全部座位得分求和。

66、作为本发明的优选技术方案,所述s9绑定记录的表达式如下:

67、;

68、其中,表示终端u对应的座位绑定记录,表示航班号,表示飞机号,表示终端u的mac地址,表示dhcp为终端u分配的ip地址,表示终端u的预测座位,表示终端u的座位预测置信度,表示终端u的最终绑定状态,表示绑定记录生成时间。

69、与现有技术相比,本发明提供了基于距离估计与ai误差修正的机载客舱座位号绑定方法,具备以下有益效果:

70、1、本发明通过多参考点无线测距与ai误差修正,实现mac、ip与座位号的自动绑定,整个过程中无需旅客手动输入座位号、无需扫描座椅二维码、也无需乘务员人工确认,从根本上改变了传统依赖旅客主动配合的绑定模式,大幅提升了绑定效率和用户体验,同时降低了因旅客误填或漏填导致绑定错误的风险。

71、2、本发明融合rssi、rtt和csi三种无线信号特征的测距结果进行多源距离估计,并引入ai误差修正模型对机载客舱特殊环境下的测距误差进行针对性校正,有效克服了客舱金属封闭结构引起的信号反射、座椅和人体造成的遮挡衰减、多径传播以及终端天线差异等不利因素对测距精度的影响,显著提高了终端定位和座位匹配的准确性,使系统能够在复杂客舱环境中稳定工作。