置服務(Location Based Service, LBS)的應用發展，像是個人商務、廣告推播、導 航和行動支付等應用，也使得來自室內設計、測繪與博物館、車站和商場等各種 Navigation System, INS)具有高採樣頻率及短時間內高精度之特性，所以可以被 使用來解決 GNSS 所遭遇諸如訊號遮蔽、低採樣頻率、週波脫落、易被干擾等限 制，也能夠提供姿態的訊息。而 GNSS 在無訊號遮蔽的環境下可以提供穩定的 定位及導航資訊，能夠用來減低 INS 因為積分加速度及角速度所造成隨時間累 積的定位誤差，同時提供初始化的絕對資訊給具相對定位特性的慣性系統。故此 二系統具有的互補特徵能夠使整合式定位系統克服單一系統之缺點，並提供更
穩定的導航及定位成果，其各自優缺點的整理見下表 2.12。
表 2.12 GNSS、INS 及 INS/GNSS 整合之特色比較
鬆耦合(Loosely Couple, LC)的 INS/GNSS 整合架構是典型的整合架構之一，
如圖 2.21 所示。GNSS 經擴張卡曼濾波器(Extended Kalman Filter, EKF)與慣性導 航系統的定位解融合，進一步獲得最優的估計值。此一架構的缺點為其誤差與 GNSS 訊號失鎖時間長度有關；當接收到的衛星數量少於四顆時，GNSS 無法解 算定位解，且其餘的衛星觀測量並無法被使用，此時僅能依靠沒有任何輔助的 INS 維繫定位的解算，INS 在獨自運作的模式下其定位誤差約略與時間的平方成 正比，如圖 2.22 所示。雖然與其對應的緊耦合架構(Tightly Couple, TC)能夠在衛 星顆數不足四顆時，直接使用虛擬距離等觀測量進行定位解算，但是這種架構比 較複雜，計算量大而使得現階段不適合在低成本且低規格的移動裝置上使用。換 言之，鬆耦合架構的優勢在於其具有較簡單的架構，易於開發演算法並使用在移 動裝置中。但需要其他的輔助資訊或約制演算法，例如輪速計或是非諧和約制 (Non-holonomic constraints, NHC)與零速更新(Zero Velocity Update, ZUPT)等，方 能維持純慣性導航的精度於訊號遮蔽的場景或室內環境。
圖 2.21 INS/GPS 鬆耦合架構
圖 2.22 慣性導航系統之誤差行為 預計系統將使用 21 個狀態參數的 EKF：
x = [δ𝑟1×3 δ𝑣1×3 δ∅1×3 𝑏1×3𝑎𝑐𝑐 𝑏1×3𝑔𝑦𝑟𝑜 𝑠1×3𝑎𝑐𝑐 𝑠1×3𝑔𝑦𝑟𝑜] (2.3)
式中 x 為狀態向量; δ𝑟1×3為位置誤差; δv1×3為速度誤差; δ∅1×3為姿態誤 差; b1×3acc 為加速度計三軸偏差; b1×3gyro為陀螺儀三軸偏差; s1×3acc為加速度計三軸尺 度誤差; s1×3gyro為陀螺三軸尺度誤差。
EKF 的估計過程可以分為預測與更新兩個階段，更新階段使用的觀測量於 戶外時為 GNSS，預測階段的模型如下：
𝑥𝑘 = Φ𝑘−1𝑥𝑘−1 (2.4) 𝑃𝑘 = Φ𝑘−1𝑃𝑘−1Φ𝑘−1𝑇 + Q (2.5)
式中Φ為 k-1 至 k 時刻狀態的轉換矩陣(Transition matrix); P 為狀態向量的協 變方矩陣; Q 為系統雜訊的協變方矩陣。而更新階段的模型如下：
𝐾𝑘 = 𝑃𝑘𝐻𝑇(H𝑃𝑘𝐻𝑇 + 𝑅𝑘)−1 (2.6) 𝑥̂𝑘 = 𝑥𝑘 + 𝐾𝑘(𝑧𝑘 − 𝐻𝑥𝑘) (2.7) 𝑃̂𝑘 = (I − 𝐾𝑘H)𝑃𝑘(𝐼 − 𝐾𝑘𝐻)𝑇 + 𝐾𝑘𝑅𝑘𝐾𝑘𝑇 (2.8)
式中 K 為卡曼增益(Kalman gain); H 為觀測量設計矩陣; R 為觀測量雜訊的 協變方矩陣; 𝑥̂ 為 k 時刻更新後的狀態向量; z 為觀測量。
NHC 和 ZUPT 都是常用於 INS/GNSS 車載整合系統中的約制演算法，在 INS 失去 GNSS 輔助時，像是室內的應用環境等，約制純慣性狀態下 INS 的導航誤 差，使導航解有更長的時間能維持在良好的精度。NHC 是依據汽車移動的特性，
當載體行進時其側向與垂直方向的速度應為零。ZUPT 則假設當車體靜止時，車 體坐標系統的三軸方向其速度皆應為零。此外，需要注意的是兩種約制演算法皆 是在感測器坐標系統與載體坐標系統具有穩固關係的前提下，才能滿足假設的 條件。圖 2.23 為 NHC 與 ZUPT 的概念示意圖。
圖 2.23 NHC 與 ZUPT 的假設條件 NHC 應用於 EKF 中的模型方程式如下：
{𝑣𝑦𝑏 = 0
𝑣𝑧𝑏 = 0 (2.9)
式中𝑣𝑦𝑏與𝑣𝑧𝑏代表在感測器坐標系統 b 下的車體在側向 y 與垂直方向 z 的速 度。而 INS 估計的速度向量可以透過下列方程式從導航坐標系統轉換至相同的 感測器坐標系統下：
𝑣𝑏 = 𝐶𝑛𝑏𝑣𝑛 (2.10)
式中𝐶𝑛𝑏為導航坐標系統 n 轉換至感測器坐標系統 b 之坐標轉換矩陣。此時 NHC 約制下的觀測方程式就可以用下列公式表示：
𝛿𝑧 = [𝑣𝑦𝑏 − 0
𝑣𝑧𝑏 − 0] = [0 1 0
0 0 1] 𝐶𝑛𝑏𝛿𝑣𝑛 + [𝜀𝑣𝑦
𝜀𝑣𝑧] (2.11)
式中𝜀𝑣𝑦與𝜀𝑣𝑧分別表示對應方向的速度雜訊。同理，ZUPT 的觀測方程式如
磁場來得知物體的絕對方位角，經由陀螺與磁力計的融合獲得最優的方位估計。
最後由使用者當下位置以類似導線的概念解算下一步的二維位置，如下圖 2.24 所示。若移動裝置配有氣壓計則能夠提供仿三維的定位解，其流程如下圖 2.25。
利用行人航位推算法三維定位可以區分使用者所在的樓層，搭配建物的平面資 訊，進而在對應的樓層進行導航。
圖 2.24 行人航位推算 PDR 之概念示意圖
圖 2.25 三維行人航位推算架構流程圖
但是 PDR 估計的方位精度與 INS 一樣受限於陀螺與磁力計的精度，陀螺的 角度觀測量同樣受行人運動的震動雜訊與非正交投影的影響，使得陀螺積分後 的角度誤差快速累積。另一方面磁力計雖然是通過量測環境磁場推估方位，卻容
Azimuth
Azimuth N
N Step Length
Step Length
行人位置 1行人位置 2
易受到環境變化與磁性物質的干擾，使得估計的方位有突發性的誤差。而 PDR 40%(Harle, 2013)。因此，PDR 仍會由不精確的步長與方位估值造成類似 INS 積 分方程式中，積分加速度與角速度產生的位置誤差，故 PDR 與 INS 一樣需要外
無線網路，或使用 ZigBee 及藍芽等方式，也能建構出室內定位系統(Indoor Positioning System, IPS)，但這些技術只能取得使用者或裝置的大略位置，無法精 確定位，或需依靠大量的訊號傳遞設備，才能提供較好的精度，這會使定位成本 大幅增加。其中無線網路與藍芽定位是近代兩種最廣為人知的室內無線射頻定 位技術。前者一般透過指紋辨識方法進行定位，先建置場域訊號的強度資料庫，
經由比對使用者所處環境的訊號強度判斷其位置。然而，資料庫的建置與訓練過
程相當耗時，且無線網路的基地台體積較大，需要裝設在靠近電源的位置，即使 現今大多數室內空間都已建置有無線網路基地台，但一般是為了提供連線上網 的服務，其布設的方式與位置並不一定符合定位目的所要求的良好密度與幾何 分布。藍芽定位則以近年蘋果公司大力推動的低功耗藍芽(Bluetooth Low Energy, BLE)最為著名，透過設置藍芽裝置(Beacon)進行定位。低功耗藍芽訊號避開了無 線網路常用的頻段，減少了訊號的干擾，而 Beacon 體積小且耗電量低，可以使 用電池且價格便宜。常見的使用方法為近似定位(Proximity)，當移動裝置感應到 Beacon 發送之低功耗藍芽訊號時，即視作使用者位於該位置，是一種提供近似 位置的方法。然而不論是無線網路或是藍芽傳輸，仍是基於訊號的發布與傳遞，
因此同樣會受到設備密度、訊號品質與環境因子影響，尤其是使用低功率的藍芽 訊號而不是無線網路訊號時，訊號衰減效應更為不穩定，故不建議使用指紋辨識 或三邊定位方法。不過當使用者位於室內空間開始導航時，低功耗藍芽定位相較 於其他高成本或耗時的定位方法，仍是最便捷用以提供 PDR 定位初始化資訊的 來源，類似於室外空間 INS/GNSS 整合系統的 GNSS 角色。故本團隊今年度先 期研究使用低功耗藍芽 Beacon 輔助 PDR，提供初始化資訊甚至結合室內圖資來 輔助 PDR 定位。無線網路、藍芽與低功耗藍芽的比較見下表 2.13。
表 2.13 無線網路、藍芽與低功耗藍芽之特色比較
為了更進一步提升演算法效能，改善前述提及的方位誤差，同時減少因為即 時應用，而無法後處理調整步長與計步模型的限制，因此配合本團隊開發之室內 製圖系統蒐集的室內圖資，本年度已完成開發地圖輔助演算法，將地圖訊息應用 來輔助 PDR 的方位估計與定位解算，並與低功耗藍芽 Beacon 整合，使每一顆 Beacon 對應到不同的圖資屬性，輔助 PDR 初始化或約制定位誤差等等。圖資輔 助的優勢在於不受環境與行人動態的影響，能夠適用在具有大量電腦設備與機
房的環境，以及某些使用者行走的特殊姿態，避免環境或行人運動惡化陀螺與磁 力計的方位估計，同時減少步長經驗模型與實際狀況落差造成的距離誤差累積。
換言之，地圖輔助的室內定位，更能夠適應不同的移動裝置規格與環境，同時在 不需要後處理調整參數的優勢下，依然提供穩定可靠的定位精度，不因為使用者 行走習慣的不同、感測器規格差異與環境磁場干擾的影響而大幅降低精度。在大 部分室內場景中，磁場干擾的問題影響都相當嚴重，磁場的穩定程度不佳，導致 某些地區的方位明顯異常，但是又不能不依靠磁力計提供初始方位並約制陀螺 的誤差累積，ㄧ般卡曼濾波器用於方位融合的參數在沒有經後處理的程序下，使 用預設參數將無法保證每次皆能準確契和不同時間與不同場景下的即時導航，
因此更顯地圖輔助的必要性，間接說明室內製圖對於室內定位的重要貢獻。而因 為本團隊建置的室內圖資具有絕對坐標系統與精確的比例尺，能夠與室外導航 常用的坐標系統或地圖直接套合，達到室內外無縫導航之目地，再度顯示地圖輔 助確有其必要性，也說明本團隊基於移動裝置之慣性元件與室內圖資發展定位 技術的方向具有一定的優勢。本團隊提出之移動裝置通用之室內外定位技術，所 具有的無縫導航能力將涵蓋室內外之定位演算法切換、車載與行人之模式切換，
在前述的演算法間針對當下情境切換適用的模式與演算法，如圖 2.27 所示之概 念範例。
圖 2.27 室內/室外與車載/行人模式切換之概念與應用例 2.2.3 多模式與多情境之移動定位技術成果
本團隊擬利用 Android Studio 開發智慧型手機應用程式來具體呈現移動裝
本團隊擬利用 Android Studio 開發智慧型手機應用程式來具體呈現移動裝