目前根據美國 2015 年的統計調查，18 至 29 歲使用智慧型手機的人口中，
約有 80%使用到手機個人導航服務，30 到 49 歲的使用者也有超過 70%使用導航 功能，可見手機結合使用者位置提供關聯性資訊所擁有的潛力(Aaron, 2015)。而 室內定位技術的發展也具有相當的歷史，過去的主流多為架設多套感應器，探 測出使用者位置的外部系統，例如紅外線定位系統。該系統以紅外線做為主要 觀測量，使用者配戴微型的紅外線訊號發射器，以室內密布的紅外線感測器偵 測，配合感測器位置資料庫，透過 Time of Arrival (ToA)、Angle of Arrival (AoA) 或 Time Difference of Arrival (TDoA)等原理求得使用者的相對位置，但仍有許多 限制像是需要額外的硬體設施、易受其他光源干擾與訊號穿透力不足等問題。
類似的系統有超聲波定位系統，但同樣需要佈設大量硬體，同時定位精度受噪 音與溫度等影響。而近代在減少佈設外部感測器的需求下，以無線電訊號為主 的定位系統以 RFID (Radio Frequency Identification)與低功耗藍芽系統最為受到
關注，兩者都具有硬體體積小且輕便的優點，但定位精度與標籤佈設密度和讀 取距離高度相關，同時訊號頻率與能量等級也會影響定位精度。而低功耗藍芽 系統更是蘋果近年大力推廣的室內定位解決方案，能夠透過手機上的專屬 App、
iPhone 傳輸各種訊息，像是推送折價、優惠、商品建議等資訊，但定位精度仍 然受限於訊號的特性，例如環境干擾、耗電功率、佈設成本與訊號穿透率等等。
WiFi 室內定位技術亦是另一主流，但需要建置並訓練一套訊號強度資料庫，再 應用訊號指紋辨識技術(Fingerprinting)或是前述的 ToA 等技術進行定位演算，因 此定位精度同樣不可避免的受限於環境穩定程度與訊號源的密度，因 WiFi 設備 已高度普及，所以也頗受業界重視。影像定位系統則需要建置室內環境影像資 料庫，透過影像的匹配與比對，求得使用者的位置，對於動態變化的環境定位 可靠度較低，同時匹配效能受到拍攝當下的天氣與燈光影響。而室內定位技術 中，行人航位推算(PDR)演算法不需收集外部訊號，利用慣性感測元件，來偵測 使用者行為模式下的一種定位技術，該技術不受外部訊號影響，但其精確度會 隨著使用者行走步數越多而精度下降，且初始位置需事先給定。表 2.2 為常見的 室內定位技術整理表(Rainer, 2012)。
表2.2 室內定位技術整理表(Rainer, 2012)
值得一提的是，PDR 是目前最常應用在行人室內定位的慣性技術，尤其是 智慧型手機的相關應用。PDR 的概念是透過加速度計、陀螺與磁力計，推估使 用者的步伐、步長與方位，進而得到使用者的二維位置，如圖 2.37。但是估計 的過程中不可避免的會遇到步伐的遺漏、步長與方位估計的誤差，同時這些誤 差會隨著移動步數的增加而持續累積(Brajdic and Harle, 2013)(Weinberg, 2012)。
要能得到準確的步伐偵測與步長，大多需事前或事後模型的調校與率定，這對 於即時應用來說並不便利(Ho et al., 2016)。同時這種模式常常會發生示範系統效 能良好，但產品化後卻達不到預期效能，這是由於模型參數本身存在的不確定
性造成(Groves et al., 2007)。在方位估計的部分，磁力計可能會遭遇環境磁場的 影響，使得磁方位具有誤差。同時，陀螺屬於慣性感測原理，雖然不受環境磁 場干擾，但是本身誤差卻會隨時間累積。即使透過整合陀螺和磁力計能夠減緩 兩者各自的缺陷，但整合方位的精度卻仍仰賴融合演算法的參數調整。因此 PDR 技術往往需要與其他定位技術整合，才能減低誤差累積的速度。另一方面，PDR 屬於相對定位，因此也需要外部絕對定位系統提供準確的初始化訊息。
圖2.37 航位推算的定位技術概念示意圖
因去年度提出影像後方交會輔助之概念，因此特別針對影像定位技術做進 一步的回顧。影像定位技術因為智慧型手機大多配備有相機，而在近年更受到 重視。過去室內影像定位系統多是從機器或電腦視覺領域出發，像是視覺里程 或同步定位與地圖構建 SLAM (Núñez et al., 2011)。但是這類傳統方法大多需要 多台相機同時拍照，或單一相機連續拍照，以取得立體像對進行定位解算，對 於一般使用智慧型手機的使用者來說相當不便。另一類傳統影像定位技術則是 透過建置環境影像資料庫，進行影像匹配進而獲得使用者位置(Deretey et al., 2015)，如圖 2.38。這些方法都會面臨影像匹配和特徵萃取的問題，對於硬體效 能要求較高。因此影像定位系統也需要考慮整合其他定位系統，以改善前述的 不便利性與高效能的硬體需求(Grießbach et al., 2014)。為了減少影像處理的負 擔 ， 部 分 影 像 定 位 系 統 使 用 特 製 標 籤 ， 佈 設 在 特 定 位 置(Kim and Jun, 2008)(Mulloni et al., 2009)。此外，影像定位系統提供的定位解大多不是在絕對坐 標系統下，因此有些研究也開始用經過絕對地理定位之影像進行定位，並整合 其他定位技術(Li et al., 2013)。空間後方交會就是一個使用絕對地理定位之影像 進行定位解算的攝影測量方法(Wolf and Dewitt, 2000)。總結來說，影像定位技術 應用在室內行人導航會面臨以下問題：多相機的需求、連續拍攝影像的需求、
影像處理的負擔以及相對坐標系統無法與室外連結等問題。
圖 2.38 傳統影像室內定位系統概念示意圖
由於本案今年度將提出低功耗藍牙差分演算法，以提升交會定位之精準 度，因此將針對低功耗藍牙定位技術做進一步的回顧。隨著藍牙通訊技術之發 展，藍牙於 2010 年發展至 4.0 版本，稱為低功耗藍牙技術(Bluetooth Low Energy, BLE)。此技術具有低成本、低耗能及長時間運作等特性(Bluetooth Special Interest Group, 2010)，除此之外，大部分可攜式裝置如手機、平板、筆電等皆具備藍牙 功能，無需額外增加接收端設備成本使其相對於其他無線通訊網路定位技術更 具優勢。Beacon 以低功耗藍牙晶片為核心，且以造型輕巧、低耗能為建置方針，
此外，該裝置成本低且以電池或 USB 孔供能，將可彈性化地設置於不同場景中 (Zhuang, et al., 2016)，應用方面，低功耗藍牙技術現今普遍被應用於智慧家庭、
醫療保健、行動商務、影音娛樂與導航定位等。其中行動商務與導航定位等應 用多透過 Beacon 技術實現，換言之，Beacon 技術之也使得低功耗藍牙技術能夠 具體實現並應用在室內定位與廣告推播等系統中。
低功耗藍牙以無線電波傳遞資訊，所採用的是 2.4 GHz ISM(Industrial Scientific Medical, ISM)頻段，並包含 40 個頻段，其訊號可穿透部分物理障礙並 避開 Wi-Fi 的頻段，傳輸數據的同時可降低訊號的干擾。低功耗藍牙技術採星狀 架構的主從式連結，如圖 2.39 所示。此架構中存在著主從關係(Master/Slave)，
主動要求連線之裝置為藍牙主裝置，而被要求連線者為藍牙從屬裝置。主裝置 可以控制從屬裝置間的數據傳輸，且單一個主裝置可以同時連接多個從屬裝 置。換言之，一從屬裝置僅能連結一主裝置。此外，連結關係僅在當從屬裝置 需要被連結時，才開啟與主裝置之連結，因此當兩者未連接時，主從裝置間將 不會有任何數據傳輸，不僅降低未連結時之電力損耗，更大幅提升了系統之穩 定性及精確度(Čabarkapa et al., 2015)。
圖2.39 藍牙無線網絡連結星狀架構
Beacon 可發送接收訊號強度指標(Received Signal Strength Indicator, RSSI) 及個別識別碼等(Bekkelien, 2012)，其中尤以 RSSI 對導航定位的應用最為重要。
RSSI 數值越小表示訊號強度越微弱，因此可藉由其能量強度的消耗特性，透過 衰減或迴歸模型將 RSSI 數值轉換成 Beacon 與接收端(智慧行動裝置)間之距離，
作為後續室內定位之演算應用。而個別識別碼則使接收端可辨別布置在環境中 的不同 Beacon，作為定位資訊之參考依據。Beacon 所發送之訊息內容如表 2.3。
表 2.3 Beacon 傳送信息之內容
UUID 識別碼 用以區別不同廠牌的 Beacon 主要識別碼(Major) 用以區分不同群組的 Beacon 次要識別碼(Minor) 用以分辨同一群組中個別的Beacon
RSSI 接收訊號強度指標
基準訊號強度值 距離 Beacon 1 公尺處之 RSSI
與 BLE 定位相關的文獻中，Chiang 等人應用近似定位(Proximity)的方式設 定 RSSI 門檻值做為行人航位推算(Pedestrian Dead-Reckoning, PDR)的位置更 新，當手機接收到來自附近 Beacon 所發送之 RSSI 大於預先設定的門檻值，將 把手機已偏移的推算位置更新為該 Beacon 位置，大大減少 PDR 因 IMU 累積誤 差所造成的位置偏移(Chiang et al., 2015)。Chriki 等人則是將訊號指紋辨識 (Fingerprinting)與支持向量機(Support Vector Machine, SVM)結合，在離線階段先 建置出 RSSI 資料庫，而後於線上階段利用 SVM 將待測點蒐集之 RSSI 與資料庫 做比對，若訊號特徵相近，即可推算出待測點之位置。