利用智慧型行動裝置與場景約制進行室內導航定位之研究 - 政大學術集成

全文

(1)國立政治大學地政學系. 碩士論文. 私立中國地政研究所. 政治大利用智慧型行動裝置與場景約制進行室內. 立. 導航定位之研究. ‧ 國. 學. Using Smart Mobile Device for Indoor Navigation. ‧. with Scene Constraint. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：吳東旂指導教授：甯方璽. 中. 華. 民. 國. 一. 百. 零. 五. 年. 六. 月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 謝誌兩年的時間過的飛快，甚至到現在還對於完成論文有點難以置信。從大學時期填錯科系，因此進入測量領域，到現在完成研究所學業，一路上受到很多貴人的幫助。首先，第一個需要感謝的是我的指導教授甯方璽老師，感謝老師在我最迷茫的時候給我建議，於研究上給我很大的發揮空間，引導我往正確的路上前進，適時的鞭策讓我在研究進度上不會落後，且在修改論文的同時，細心的幫我檢查勘錯，為了讓我們有額外的零用錢，努力的幫我們找助理缺。. 立. 政治大. 感謝張老師嘉強、陳老師國華、韓老師仁毓、林老師老生擔任我的口試. ‧ 國. 學. 委員，不辭勞苦大老遠跑來政大，針對論文的缺失給予保貴建議，使論文可以更趨完善；謝謝邱老師式鴻、詹老師進發、林老師士淵在期初期末報告中. ‧. 給予的寶貴意見，協助我看出論文中的盲點與沒有注意到的細節。. y. Nat. sit. 謝謝冠麟學長於研究初期的協助，帶我到當時的任職公司尋求程式上的. n. al. er. io. 協助，謝謝大學的好同學笙哥，在我程式碰上困難時協助我找出錯誤；感謝. i n U. v. 遠在武漢大學測繪學院的新耿和在台灣念研究所的高富帥關源，幫我下載. Ch. engchi. 了很多中國的文獻，讓我的論文有更多的參考資料。謝謝系辦的助教小公雞跟家瑋學長，在研究所中的各種大小事務，感謝你們的協助，時時刻刻的提醒我們任何的重要待辦事項。謝謝宏遠儀器的飛鴻學長，這兩年我們多次進入儀器室，一起修理了好多的腳架，檢測了儀器，如果沒有你，學弟妹們可能沒有測得準的儀器可以使用了。感謝徐 sir 跟小林哥，在我們一起到烏來出外業的時候，給了我跟晏碩很多在求學路上的經驗跟想法，讓我們有更成熟的心態來面對一切的挑戰。謝謝研究室的夥伴們，感謝皖馨跟婉綺一直以來在課業上的幫助；好兄弟晏碩，跟你聊天的過程總是可以獲得很多的正能量；感謝吉米學長，平常 I.

(4) 互相的挖苦，但是有事情需要幫忙的時候總是兩肋插刀；感謝姿瑜跟榮恩，有你們找我去玉山還有各種的活動，讓我的研究所生活變得更多采多姿；還有學弟育賢，因為你研究室多了不少歡樂，為大家排解了很多的壓力。謝謝好夥伴育馨跟培菁，在我碰到困難時給我很多的支持跟建議，讓我知道在遇到困難時還有人願意好好的聽我說話，並給我最大的鼓勵，對我來說你們是摯友也是貴人，能夠在生命中遇見你們是我的福氣。謝謝在台北的姑婆跟二舅，在台北的六年你們是我在台北最大的支柱，謝謝你們六年來的照顧，讓我在台北有一個避風港，因為你們的照顧，也讓. 治政大還有很多於研究路上曾經幫助我，但沒有提到的人們，感謝你們在我需立. 遠在台南的爸媽能夠放心不少。. 要的時刻，無私的奉獻，不厭其煩為我解惑，協助我度過每一個難關，不管. ‧ 國. 學. 是協助我完成實驗的很多很多學弟妹，還有在各個不同學校幫我尋找論文. ‧. 的朋友同學們。. y. Nat. 最後，我要謝謝我最親愛的家人們，不管在精神與經濟上無償的協助，. er. io. sit. 讓我可以沒有後顧之憂的完成學業，讓我知道儘管再困難，永遠都有一個地方會無條件支持我；在遭遇不順時，永遠都有一個地方可以無條件接納. al. n. v i n 我，如果完成論文能夠有一點點的榮耀，我願意把全部的榮耀奉獻給他們。 Ch engchi U 吳東旂謹誌於國立政治大學中華民國一零五年八月. II.

(5) 摘要隨著智慧型行動裝置及導航定位科技的快速發展，導航定位已成為目前日常生活上不可或缺的工具，室外的導航定位可以利用全球導航衛星系統 (Global Navigation Satellite System, GNSS)導航訊號進行，但是室內定位部分由於訊號遮蔽，導致無法接收 GNSS 訊號進行導航定位，因此室內定位的各類方式應運而生，如 Wireless、藍芽、無線射頻技術(Radio Frequency IDentification，RFID)、iBeacon 等。每種不同的室內定位方式有不同的使用. 政治大行動裝置之微機電系統(Micro 立 Electro Mechanical Systems，MEMS)獲取陀螺成本，使用成本直接影響室內定位方法的使用門檻。因此本研究透過使用. ‧ 國. 學. 儀與加速度儀資訊，並且經由濾波器平滑訊號後偵測行走步伐，再透過最小二乘擬合方式進行步距估計，以行人航位推算(Pedestrian Dead Reckoning，. ‧. PDR)方式求得位置坐標，另外亦透過場景建置地圖，依計算所得坐標與參. sit. y. Nat. 考點之方位角與轉彎特徵尋找來判斷坐標校正時機，並將坐標校正為該時. al. er. io. 間坐標之相對正確位置。本研究結果顯示使用 Savitzky-Golay Filter 有助於. v. n. 提升步伐偵測準確性，且透過方位角計算的判斷依據與轉彎特徵判斷可以. Ch. engchi. i n U. 有效提升定位精度，於先期驗證中閉合差約為 2.352 公尺，後期驗證閉合差可達 0.99 公尺。. 關鍵字：室內定位、行人航位推算、Savitzky-Golay Filter、場景約制. III.

(6) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(7) Abstract The widespread adoption of mobile device has improved the accuracy of navigation and location. Since nowadays Global Navigation Satellite System (GNSS) is easier to be installed in the mobile device to locate and navigate in the outdoors. Signals of GNSS are obstructed so navigation and positioning would be hard task to be executed indoors. Hence, methods of indoor positioning appear as the instruments of Bluetooth, RFID, IBeacon etc.. 政治大 selection of indoor positioning 立 technique. In this study, uses data of gyroscope Every method of indoor positioning has its respective cost to affect the. ‧ 國. 學. and accelerometer from Micro Electro Mechanical Systems (MEMS) and detects footsteps by using filter to smooth the signal, and then estimate the step length by. ‧. the ordinary least square. Finally, use Pedestrian Dead Reckoning (PDR) to. sit. y. Nat. compute coordinates and use azimuth and the feature of turning to decide time of. n. al. er. io. adjusting position.. i n U. v. The results of this study show using the Savitzky-Golay Filter detecting. Ch. engchi. footsteps and applying azimuths and turning feature adjusting coordinate can get the closure of the early test trial for 2.352m and in the post-test scene, the closure can be improved to 0.99m.. Keywords: Indoor position, Pedestrian Dead Reckoning, Savitzky-Golay Filter, Scene Constraint. V.

(8) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i n U. v.

(9) 目錄謝誌. ...................................................................................................................I. 摘要. ................................................................................................................III. Abstract ................................................................................................................V 目錄. ...............................................................................................................VII. 圖目錄 ................................................................................................................ IX 表目錄 ................................................................................................................ XI 第一章緒論........................................................................................................... 1. 政治大. 第一節研究背景與動機.................................................................................... 1. 立. 第二節研究目的............................................................................................... 3. ‧ 國. 學. 第三節論文架構............................................................................................... 4. ‧. 第二章文獻回顧 ................................................................................................... 5. sit. y. Nat. 第一節 Android 系統 ......................................................................................... 5. io. er. 一、Android 系統架構.................................................................................... 5 二、Android Activity 生命週期....................................................................... 6. al. n. v i n Ch 第二節慣性導航系統........................................................................................ 9 engchi U 一、. 加速度儀 ........................................................................................... 9. 二、陀螺儀....................................................................................................10 第三節行人航位推算.......................................................................................12 一、步長估計................................................................................................14 二、步伐偵測................................................................................................19 第四節室內定位校正.......................................................................................23 第五節地圖匹配..............................................................................................26 第三章研究方法 ................................................................................................. 33 VII.

(10) 第一節微機電系統資料獲取 ........................................................................... 35 第二節數據前處理.......................................................................................... 38 一、加速度儀數據處理................................................................................. 38 二、陀螺儀數據處理 .................................................................................... 42 第三節步長估計 ............................................................................................. 45 一、建立複迴歸模型 .................................................................................... 45 二、模型驗證與分析 .................................................................................... 47 第四節步伐偵測 ............................................................................................. 49. 政治大. 第五節坐標計算與位置校正 ........................................................................... 51. 立. ㄧ、先期測試 ............................................................................................... 52. ‧ 國. 學. 二、後期測試 ............................................................................................... 53 第四章實驗成果與分析.......................................................................................61. ‧. 第一節步伐偵測實驗 ...................................................................................... 61. Nat. sit. y. 第二節步長估計實驗 ...................................................................................... 66. n. al. er. io. 第三節坐標計算與校正實驗 ........................................................................... 72. i n U. v. ㄧ、先期測試之坐標計算與校正 .................................................................. 72. Ch. engchi. 二、後期測試之坐標計算與校正 .................................................................. 76 第五章結論與建議 ..............................................................................................83 第一節結論..................................................................................................... 83 第二節建議..................................................................................................... 85 參考文獻..............................................................................................................87 附錄……………………………………………………………………………………91. VIII.

(11) 圖目錄圖 1 Android 階層圖(本研就自行整理) ............................................ 5 圖 2 Android 生命週期(陳會安，2015) ............................................ 7 圖 3 慣性導航系統結構(重繪自 Grove,2002) ................................. 9 圖 4 簡化之加速度儀(重繪自 Grove,2002) ..................................... 9 圖 5 INS/GNSS 組合結構(重繪自 Grove,2008).............................. 11 圖 6 PDR 示意圖 .............................................................................. 12 圖 7 PDR 結構 .................................................................................. 13 圖 8 Seco 坐標計算結果(Seco et.al., 2009) ..................................... 14 圖 9 步長擬合結果(Renaudin et al., 2012) ...................................... 15 圖 10 步行圖示(Shih et al., 2012) .................................................... 15 圖 11 頻率與步距（行走）(Shin et al., 2007) ................................ 17 圖 12 加速度變異量與步距（行走）(Shin et al., 2007) ................ 17 圖 13 頻率與步距(Shin et al., 2007) ................................................ 17 圖 14 加速度變異量(Shin et al., 2007) ............................................. 17 圖 15 移動狀態結果(Shin et al., 2007) ............................................ 18 圖 16 行走狀態下的臀部垂直位移(Weinberg, 2002) ..................... 18 圖 17 原始與處理後加速度波型(Liu et al.,2015) ........................... 20 圖 18 三軸加速度波型(處理後)(Liu et al., 2015) .......................... 20 圖 19 y 軸加速度量(Yang and Huang,2015) .................................. 22 圖 20 z 軸加速度量(Yang and Huang,2015) .................................. 22 圖 21 x 軸加速度量(Yang and Huang,2015).................................... 22 圖 22 行人航位推算系統結構(李金鳳等人，2014) ................... 23 圖 23 行動裝置姿態(姜仁傑等人, 2014) ........................................ 24 圖 24 實際道路系統 N'(重繪自柳林,2007) .................................. 24 圖 25 地圖匹配原理示意圖(重繪自柳林,2007) .............................. 26 圖 26 點到弧匹配缺陷(柳林，2007) ............................................. 29 圖 27 弧到弧匹配缺陷(重繪自柳林，2007) ................................. 30 圖 28 研究流程圖 ............................................................................. 34 圖 29 行走實驗圖 ............................................................................. 37 圖 30 透過二階多項式擬合的最小二乘平滑(Schafer, 2011)........ 39 圖 31 行動裝置三軸 ......................................................................... 43 圖 32 行動裝置 z 軸旋轉角 ............................................................. 43 圖 33 旋轉角與坐標計算流程 ........................................................ 43 圖 34 波峰偵測 ................................................................................. 49 圖 35 滑動視窗 ................................................................................. 49 圖 36 行動裝置與參考點 B 之方位角計算 .................................... 52. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IX. i n U. v.

(12) 37 進行坐標校正..........................................................................52 38 轉彎處判斷依據.....................................................................54 39 室內場景可通行區域簡化.....................................................54 40 校正點設定依據.....................................................................55 41 轉彎處錯誤.............................................................................55 42 轉彎處校正點設置依據實驗成果.........................................56 43 校正依據相仿導致校正錯誤.................................................57 44 實驗場校正點設置結果.........................................................57 45 坐標校正流程圖.....................................................................59 46 SG Filter 平滑前後訊號(紅線：平滑後、藍線：平滑前) ...62 47 SG Filter 波峰偵側 ..................................................................62 48 FFT Filter 平滑前後結果(紅線：平滑後，藍線：平滑前) .62 49 FFT Filter 波峰偵側 ................................................................62 50 訊號平滑前波峰.....................................................................63 51 訊號平滑後波峰......................................................................63 52 最小二乘擬合(自變數：HEIGHT、H_fstep) ......................66 53 最小二乘殘差分布.................................................................68 54 最小二乘擬合結果(自變數：LEG_HEIGHT、H_fstep).....68 55 各次 PDR 計算軌跡圖 ...........................................................72 56 各次實驗軌跡(紅色：校正前、綠色：校正後) ...................74 57 後期測試 PDR 定位成果 .......................................................77 58 場景約制定位成果.................................................................78 59 轉彎處校正.............................................................................78 60 場景約制 PDR 定位成果 .......................................................79 61 校正前軌跡(Sony Xperia ZL) ................................................81 62 校正後軌跡(Sony Xperia ZL) .................................................82. 立. 政治大. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖. Ch. engchi. X. i n U. v.

(13) 表目錄 1 各廠牌行動裝置市占率(Gartner, 2015) .................................... 2 2 距離估計成果(Kroger et al., 2010) .......................................... 16 3 各種演算法之估計錯誤率(Marschollek et al., 2008).............. 20 4 步伐偵測結果(Liu et al., 2015) ............................................... 21 5 Android 延遲模式 ..................................................................... 35 6 行動裝置規格 .......................................................................... 36 7 複雜性指標 ............................................................................... 42 8 綜合院館步伐偵測結果 ........................................................... 64 9 籃球場步伐偵測結果 .............................................................. 65 10 濾波平滑化成果比較 ............................................................ 65 11 最小二乘法迴歸結果(自變數：HEIGHT、H_fstep) .......... 66 12 最小二乘廻歸系數(自變數：HEIGHT、H_fstep) .............. 67 13 最小二乘迴歸結果(自變數：LEG_HEIGHT、H_fstep) .... 69 14 最小二乘迴歸係數(自變數：LEG_HEIGHT、H_fstep) .... 69 15 模型預測準確率成果表 ........................................................ 70 16 坐標計算成果(校正前) ......................................................... 73 17 坐標計算成果(校正後) ......................................................... 75 18 各實驗組坐標正確率 ............................................................ 76 19 後期測試場景 PDR 閉合差(校正前).................................... 77 20 後期測試場景 PDR 閉合差(校正後).................................... 79 21 Sony Xperia ZL 規格表 .......................................................... 80 22 校正前 PDR 閉合差(Sony Xperia ZL).................................. 81 23 校正後 PDR 閉合差(Sony Xperia ZL)................................... 82. 立. 政治大. ‧. ‧ 國. 學. 表表表表表表表表表表表表表表表表表表表表表表表. n. er. io. sit. y. Nat. al. Ch. engchi. XI. i n U. v.

(14) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(15) 第一章緒論第一節. 研究背景與動機. 現今戶外導航定位作業因全球導航衛星系統(Global Navigation Satellite System, GNSS)發展完善，使我們可以更快速有效率的獲取位置資訊，配合相關圖資套疊後，可讓使用者明確知道自己的位置，因此全球導航衛星系統已成為目前日常生活中不可或缺的工具；然而室內定位因衛星訊號受到遮蔽或者受多路徑效應影響，所以僅能透過如無線射頻技術 (Rad io Frequency Identification, RFID)、Wi-Fi 定位、藍芽定位等技術實現。室內定. 政治大. 位方式之選擇將導致設備成本上之顯著差異，以一般民眾而言，於需要進. 立. 行室內定位之空間自行安裝數個 Wi-Fi 基地台或 iBeacon 都需要負擔額外. ‧ 國. 學. 設備成本，將使室內定位變成一定成本之定位技術。因此若能有效降低室內定位的成本，將可讓室內定位技術使用門檻大幅降低。. ‧. 1980 年代後，半導體工業蓬勃發展，使得許許多多已往大型的商品可. y. Nat. sit. 以被縮小，也因此這些被縮小的物品將可以被放入智慧型行動裝置中。在. n. al. er. io. 智慧型行動裝置普及的年代，人手一機，智慧型行動裝置的功能更加多元，. i n U. v. 透過行動裝置獲取位置資訊也成為了一般大眾的主流。為了支援更多的應. Ch. engchi. 用程式與實際生活中的應用，微機電系統(Micro Electro Mechanical System, MEMS)早已成為智慧型行動裝置的必要配備，舉凡多種遊戲體驗、海拔高度預測與地圖定位定向功能，皆須使用到行動裝置中之微機電系統，微機電系統的應用可說是日漸廣泛。現今的智慧型行動裝置主要有三大陣營，分別為 Google 旗下的 Andro id 系統、蘋果的 iOS 系統與微軟的 Windows 系統，其它較小眾的如黑莓公司的 BlackBerry 系統。根據 Gartner 調查，在 2014、2015 年的第三季全球行動裝置作業系統市占率如下表 1：. 1.

(16) 表 1 各廠牌行動裝置市占率(Gartner, 2015) 作業系統. 3Q15 市占率(%). 3Q14 市占率(%). Android. 84.7. 83.3. iOS. 13.1. 12.5. Windows. 1.7. 3.0. BlackBerry. 0.3. 0.8. Others. 0.3. 0.4. 總計. 100.0. 100.0. Android 系統與 iOS 系統自 2014 年至 2015 年的市占率皆為成長， Windows 系統則從 3.0%下降為 1.7%，且在 Android 與 iOS 兩大系統中， Android 系統的市占率更高達 84.7%，其原因為 iOS 系統僅使用於蘋果公司. 治政大的 IPHONE 上，而 Android 系統卻在各廠牌的行動裝置上使用，因此使用立者更廣泛。由於 Android 系統的智慧型行動裝置較其它系統更為普遍，因此 ‧ 國. 學. 本研究最終選用 Android 系統做為研究的工具。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 2. i n U. v.

(17) 第二節. 研究目的. 在各種不同室內定位方式下，成本差異將導致室內定位使用門檻不同。一般用於室內定位之方法如 Wi-Fi 定位、藍芽定位、RFID 等，皆須要在室內環境安裝數個基地台或者掃描標籤，使用者方能透過訊號強度或者掃描標籤更新自身位置。而早期用於車輛導航之地圖匹配方法，後續也運用於室內定位中，然而，地圖匹配在室內定位的應用上皆須建立地圖資料庫，透過比對行走軌跡來進行匹配，相較 Wi-Fi 或藍芽等定位方式，儘管減少了架設基地台的成本，但增加了建立龐大地圖資料庫與軌跡比對的時間成本。. 政治大. 上述之室內定位方法，一般使用者皆較難以自行完善，使得室內定位變成. 立. 門檻較高之定位技術。. ‧ 國. 學. 為了有效降低室內定位使用門檻，本研究希望提出一方法，可以同時降低室內定位之設備使用成本，且節省以往地圖匹配方法建立地圖資料庫. ‧. 之時間成本，使一般大眾在室內環境中，可以方便且輕易的享受室內定位. sit. y. Nat. 帶來之便利性。本研究透過萃取行動裝置微機電系統 (Micro Electro. al. er. io. Mechanical Systems, MEMS)中之陀螺儀與加速度儀數據，搭配濾波處理訊. v. n. 號後，提升步伐偵測準確性，並透過行人航位推算法完成坐標計算。於校正. Ch. engchi. i n U. 法上，本研究將提出不用架設訊號站與建立地圖匹配資料庫之方法，透過判斷方位角產生約制條件，並透過方位角差值尋找轉彎特徵做為校正依據，藉此校正隨時間偏移之坐標，提供一般使用者透過本研究之方法，在不需架設訊號基地台與標籤，不需要建立地圖資料庫的條件下，於合理誤差範圍內以較低成本的方式進行室內定位導航。. 3.

(18) 第三節. 論文架構. 本論文共分為五個章節，各章內容簡述如下：一、緒論闡述本論文之研究動機與目的，並對論文做概括化介紹。二、文獻回顧本論文文獻回顧共分為三大部分，首先針對本研究所使用之行動裝置系統 Android 進行回顧，第二部分為慣性導航，最後則是對本研究使用之室內定位流程：步長估計、步伐偵測、行人航位推算、地圖匹. 政治大. 配、室內定位校正進行回顧。. 立. 三、研究方法. ‧ 國. 學. 介紹本研究使用之方法，包含最小二乘擬合、改良式的 Wolf method、行人航位推算法與坐標校正方法。. ‧. 四、實驗結果與分析. er. io. 法可以有效運用於室內定位，提升室內定位品質。. sit. y. Nat. 針對行動裝置室內定位結果進行分析比較，證明本研究提出之校正方. al. n. v i n Ch 根據提出之研究方法與實驗成果進行討論，並提出未來進行相關研究 engchi U 之建議。. 五、結論與建議. 4.

(19) 第二章文獻回顧第一節. Android 系統. 一、Android 系統架構 Android 系統為分層式架構，使用者於行動裝置所使用的應用程式即為 Android 軟體堆疊的結果。最上層為應用程式(Applications)，中間層包含應用程式框架(Application Framework)、函數庫(Libraries)與 Android 執行環境 (Android Runtime)，最下層則為 Linux 核心(Linux kernel)。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. i n U. v. 圖 1 Android 階層圖(本研究自行整理). Ch. engchi. 使用者所使用的應用程式，如各類的遊戲、瀏覽器、通訊錄等，皆包含於應用程式層。應用程式框架可以讓設計師完整存取標準應用程式介面，方便日後重覆使用。不同應用程式可以有不同的特殊功能，而應用程式框架則讓應用程式可以更容易的取得其他應用程式的特殊功能。而應用程式框架主要元件包含： . 活動管理(Activity Manager)：控制 Android 應用程式的生命週期，應用程式為活動所組成，而活動管理也同時管理著不同應用程式間的切換活動。. . 內容管理者(Content Manager) 5.

(20) 提供不同應用程式之間分享的資料，例如聯絡人資訊。 . 資料管理(Resource Manager) 資料管理元件則用來讓應用程式存取其資源，例如圖形檔案的儲存。. . 定位管理(Location Manager) 定位管理元件可以用來讓 Android 行動裝置追蹤位置資訊，或者提供地圖的定位功能。. . 通知管理(Notification Manager) 通知管理元件則是提供使用者一些重要的通知訊息而不打斷使用者正在執行中的工作，例如社交軟體的訊息通知或電子郵件。. 政治大函數庫負責支援應用程式框架各元件的執行，這些函數庫由 C/C++語立. ‧ 國. 學. 言撰寫，其中包含如瀏覽器引擎的 WebKit、3D 繪圖的 OpenGL、資料庫的 SQLite 與多種媒體播放的函數庫(陳會安, 2015)。Android 執行環境層由虛. ‧. 擬機器和核心 Java 函數庫組成，虛擬機器為 Google 針對行動裝置所做的. sit. y. Nat. Java 執行環境，因為 Android 應用程式的撰寫語言為 Java，在 Android4.4. io. er. 版本以前所使用的虛擬機器為 Dalvik VM，於 4.4 版新增更有效率的. al. ART(Android Runtime)，因此撰寫 Android 應用程式，編譯完成 Java 類別檔. n. v i n C h Dalvik VM 或UART 執行，每一個應用後還須轉換成虛擬機的格式，才能在 engchi 程式皆使用一個虛擬機器來執行，而非一個虛擬機器來執行多個應用程式。而核心 Java 函數庫則包含了大部分 Java 程式語言所需要呼叫的功效函數。 Linux 核心層則在 Android 系統中扮演硬體與其他軟體堆疊之間的抽象層 (Abstraction Layer)，負責提供系統的核心服務，包含執行序、低階的記憶體管理、行程管理、電源管理和硬體的驅動程式。二、Android Activity 生命週期 Android 生命週期意即活動狀態的管理，為活動管理員 (Activity Manager)的主要工作。Android 程式與其它程式有一個很大不同在於， 6.

(21) Android 程式主要是撰寫程式碼來回應應用程式狀態的改變，而非撰寫程式碼來改變應用程式的狀態。生命週期可簡易分為：啟動、執行、暫停、停止、移除。. 立. 政治大. ‧ 國. 學 ‧. 圖 2 Android 生命週期(陳會安，2015). Nat. sit. y. 陳會安(2015)簡單介紹了 Android 生命週期中每一個階段的特性與執行. 啟動. al. n. . er. io. 時機，分述如下：. Ch. engchi. i n U. v. 執行應用程式及進入啟動狀態，依序呼叫 onCreate()、onStart()和 onResume() 方法後會進入執行狀態。 onCreate() 、 onStar t() 、 onResume()三個方法稱為「回撥方法」(Callback Method)，開發者透過撰寫程式碼於回撥方法下，來回應活動狀態的改變。 . 執行當應用程式顯示於介面上並且與使用者互動中即為執行狀態，在 Android 系統中，任何時刻都會有一個應用程式處於執行狀態。處於執行狀態的應用程式意味著擁有最高權限使用記憶體與其他資源來提升執行效率。 7.

(22) . 暫停應用程式沒有與使用者互動但是仍然顯示於螢幕上，例如當有人傳送臉書訊息給使用者時，對話方塊會彈出但不會佔據整個螢幕，原本執行的應用程式仍然可以在螢幕中看到，此時呼叫 onPause() 進入，將執行狀態轉換到暫停狀態。然而處於暫停狀態的應用程式仍然享有最高權限，因為隨時會使用 onResume()方法回到執行狀態。. . 停止. 治政大此種狀態的原因是因為應用程式隨時有可能被重新喚醒，因此暫立. 停止狀態的活動還是存在記憶體中，只是在螢幕上看不到。而會有. 時將其儲存於記憶體中，比起從啟動狀態轉換至執行狀態，由暫停. ‧ 國. 學. 狀態轉換至執行狀態耗費的資源較少，因此在 Android 系統中退出. io. y. sit. 轉換至執行狀態：呼叫 onRestart()、onStart()與 onResume ()轉. er. . Nat. 般而言，停止狀態的下一個活動有兩種情況：. 換至執行狀態。. al. v i n 轉換至移除狀態：當記憶體過低或者使用者自行將程式關閉 Ch engchi U n. . ‧. 一個應用程式並不會真正的關閉它，而是將它轉換成停止狀態。一. 就會呼叫 onDestroy()轉換至移除狀態。 . 移除移除狀態即表示應用程式已經釋放佔用的資源，活動已經刪除且不存在於記憶體中。活動管理員會判斷記憶體的使用情況來決定是否移除佔用資源的應用程式，以獲得更多空間讓執行狀態的應用程式能夠正常運作。. 8.

(23) 第二節. 慣性導航系統. 慣性導航系統 (Inertial Navigation System， INS) 是由慣性導航單元 (Inertial Navigation Unit，INU)所組成之完整三維航位推算系統。一套完整的慣性導航系統包含一組慣性感測器(Inertial Measurement Unit，IMU)以及導航處理器；慣性感測器包含三軸加速度儀與三軸陀螺儀，導航處理器則對慣性感測器輸出之訊號進行積分獲得速度、位置與姿態資訊(如圖 3)。慣性導航由於加速度儀與陀螺儀會持續累積誤差，因此慣性導航之誤差會隨時間增加(Groves, 2013)。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. n. al. er. io. 圖 3 慣性導航系統結構(重繪自 Grove,2002). 一、加速度儀. Ch. engchi. i n U. v. 圖 4 簡化之加速度儀(重繪自 Grove,2002) 加速度儀感測器(Accelerometer Sensor)之設計原理為透過兩端彈簧來約束檢測器，當加速度儀沿著敏感軸向移動時，兩端彈簧將受到擠壓或拉伸，因此檢測器與加速度儀之外殼產生相對運動，外殼與檢 9.

(24) 測器間的相對運動持續至彈簧力導致的檢測器加速度與外力導致的外殼加速度差不多時停止。透過檢測器與加速度儀外殼位移量即可獲得加速度儀之加速度值(如圖 4)。近年由於微機電系統 MEMS 的興起，加速度儀與陀螺儀可以被更輕易的放置到智慧型行動裝置中，相異於傳統加速度儀透過彈簧擠壓，偵測檢測器與殼體相對運動之方法，MEMS 中之加速度儀則是藉由加速度運動造成內部交錯的電容極版移動，極版中之雜散電容量會有等量的變化，收集電容變化量後再經轉換後可得到類比式或數位式輸出，. 政治大行動裝置上所安裝之 MEMS 可以偵測三軸之加速度量，然而在手機靜立. 而三軸分別獲取加速度之方法則是將電容極版以不同的位置方式擺設。. ‧ 國. 學. 止狀態下，Z 軸加速度量為-9.8m/𝑠𝑠 2 ，其原因為地球引力所導致。通常. 於智慧型行動裝置中之螢幕翻轉或遊戲中透過行動裝置傾斜來改變方. ‧. 向之功能，皆是以加速度感測器做為判斷依據。而近年來更有應用將. y. sit. io. er. 二、陀螺儀. Nat. 加速度感測器用於老人照護上，做為偵測跌倒與安全警示之參考。. 陀螺儀感測器(Gyroscope Sensor)又名角速度計，透過感測器晃動. al. n. v i n 時，改變一個不斷旋轉之陀螺水平與其週遭的電壓來計算出物體旋轉 Ch engchi U. 的角度。陀螺儀感測器常運用於消費性設備如數位相機的防手震功能，而智慧型行動裝置中之三軸陀螺儀感測器可針對三軸分別偵測其軸上之旋轉角速度，單位為 rad/s(彭威然，2014)。慣性導航具有連續工作，硬體不易故障與低短時噪聲的優點，不僅能提供有效的姿態與角速度資訊，亦可輸出位置和速度資訊。由於誤差隨著時間增加，慣性導航無法自主完成完整導航工作；相對的，GNSS 可以提供長時間的高精度定位資訊，但其無法提供姿態資訊，且在訊號受到遮蔽或干擾的情況下無法定位。綜上所述，INS 與 GNSS 的優缺點是互補的，因 10.

(25) 此若結合兩種技術，將可以提供長時間、短時間高精度的定位成果，且在訊號遮蔽的情況下仍然能完成導航定位工作(如圖 5)。. 圖 5 INS/GNSS 組合結構(重繪自 Grove,2008). 政治大制的導航系統(江凱偉，2005)，例如慣性導航最早於 1942 年被德國運用於立慣性導航早期皆是為軍事平台而建，因此 INS ㄧ直是敏感度高且受管. ‧ 國. 學. V2 火箭上，1950 年代的彈道飛彈、1960 年代的太空阿波羅計畫。而近年慣性導航趨勢為應用微機電技術 MEMS 製造的微型慣性導航裝置，其具有. ‧. 體積小，耗電量低等特性，例如 Xioji Niu et al.(2012)使用 iPhone4 內建之慣. sit. y. Nat. 性感測器結合 GPS 實現車用導航的目標，研究中證實了行動裝置微機電系. io. al. er. 統所獲得的訊號值，經過校正後可以當成慣性導航中的慣性元件來使用，. v. n. 不僅可以提升 GPS 定位精度還可以彌補 GPS 因訊號遮蔽無法定位的困境，. Ch. engchi. 亦可用來減少 GPS 的定位誤差。. i n U. 除此之外，慣性導航系統亦廣泛的運用在地底測量、交通工具、機器人技術中(Weston and Titterton, 2000)、船艦慣性導航(Ship’s Inertial Navigatio n Systems，SINS)、飛行器導航、水井探勘的測量或農業在收割季之應用等 (Weston and Titterton, 2000)。Koifman et al.(1999)即針對低成本慣性導航裝置進行研究，將其運用在飛機飛行動態上，並透過數學公式與卡爾曼濾波校正低成本慣性導航裝置之訊號，最後得到的結果更證明了經過適當校正的低成本慣性導航系統，在飛行動態上表現甚至比純慣性導航系統要佳。. 11.

(26) 第三節. 行人航位推算. 航位推算(Dead Reckoning)為一種相對導航技術，原理為從已知點起算，透過持續計算坐標來更新位置資訊(Beauregard and Haas, 2006)，如圖 6 所示。而應用於行人上即稱為行人航位推算法(Pedestrian Dead Reckoning, PDR)。行人之移動距離可以透過使用加速度感測器偵測步伐並估計行人的位移，而加速度感測器需放置於人體身上，才能偵測到人體移動所產生的加速度變化(Pratama and Hidayat, 2012)。基本上一套完整的行人航位推算技術需要包含：方位投影、濾波、步伐偵測與步長估計(Pratama and Hidayat,. 政治大究中所使用的 PDR 模式為簡易的推算模式。近幾年，行人航位推算法則透立. 2012)，然而在 Pratama 與 Hidayat 的研究中排除了方位投影的步驟，因該研. ‧. ‧ 國. 學. 過結合慣性元件被廣泛運用來針對 beacon-free 的個人定位。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 6 PDR 示意圖. PDR 的使用成本較其它定位方式低，其透過行動裝置獲得陀螺儀與加速度儀資訊後，搭配地圖即可進行定位。然而造成誤差的因素包含使用者行走頻率不同、步長大小差異與手持行動裝置習慣等皆會影響定位結果(如圖 7)，且 PDR 方法只要稍微有誤差，在後續的定位上誤差會持續累積，導致結果誤差越來越大。因此在使用 PDR 進行定位同時，需要搭配有效的校正方式才能將誤差限制於合理範圍內，提高定位的準確度。. 12.

(27) 圖 7 PDR 結構在 PDR 公式中(如式 2-1)可以發現，PDR 方式推算坐標的原理與一般坐標計算原理類似，差別在於 PDR 所使用的計算參數為步長 Step Length 與. 政治大. 旋轉角θ，其概念為由時間點 n 的坐標值推算到時間點 n+1 的坐標值。坐標. 立. 推算的過程中，步長 Step Length 的影響量大，若步長誤差過大，將導致往. ‧ 國. 學. 後每一步的距離計算錯誤，使得坐標偏離，誤差也會累積，這是慣性導航誤差量會隨時間增加的主要原因。. sit. y. ‧. Nat. 𝑋𝑋𝑛𝑛+1 = 𝑋𝑋𝑛𝑛 + 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆ℎ ∙ cos 𝜃𝜃 𝑌𝑌𝑛𝑛+1 = 𝑌𝑌𝑛𝑛 + 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆ℎ ∙ 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠. (2 − 1). n. al. er. io. 一般而言較少直接使用 PDR 進行導航定位工作，儘管 PDR 在短時間. i n U. v. 內精度高，但隨著時間的增長，坐標將偏離正確位置。因此，PDR 常搭配. Ch. engchi. 其它定位方法，使其能在合理的精度範圍內完成室內導航定位工作。 Liu et.al(2015)透過動態辨識方法來輔助 PDR，且結果顯示透過動態辨識法來輔助 PDR 確實可以提高 PDR 之定位精度。Pratama et.al(2012)使用智慧型手機完成 PDR，其著重於步伐長度之測試，透過不同的步長計算方法來獲取 PDR 坐標計算結果，然而其於研究中並無搭配坐標校正方法，因此其最終定位結果閉合差，最小值亦達到 1.3913 公尺。Seco et.al(2009)亦使用 PDR 法計算坐標，其亦透過不同之步長計算方法來檢測 PDR 坐標計算結果(如圖 8)，其結果因沒有進行有效校正而不佳，在定位過程中仍有許多坐標偏離真正行走範圍。 13.

(28) 圖 8 Seco 坐標計算結果(Seco et.al., 2009) 在 PDR 方式推算的過程，可以使用不同的方式估計步長，步伐偵測也. 政治大. 有多種可行方案來尋找計算坐標的時間點，以下就步長估計與步伐偵測進. 立. 行回顧：. ‧. ‧ 國. 學. 一、步長估計. 步長估計的準確性會直接影響 PDR 坐標計算結果，若估計誤差過大，. y. Nat. sit. 將導致坐標迭代計算過程持續累積距離誤差。步長獲取之最簡易方式為直. n. al. er. io. 接量測使用者步長，然而本研究之室內定位技術是以推廣普及室內定位為. i n U. v. 出發點，因此必須有估計步長之系統，使任意使用者可以獲得自身步長的估計長度。. Ch. engchi. Valérie Renaudin et al.(2012)提出一模型來估計步長，其認為可以透過給定使用者身高，來尋找行走頻率與步長間的最佳線性關係，如式 2-2： s = height ∙ �a ∙ 𝑓𝑓𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 + b� + c K = {a, b, c} ϵ R. (2 − 2). 式 2-2 中，height 代表使用者身高，𝑓𝑓𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 為行走頻率，K 則為方程式係數，. 式 2-3 透過簡易最小二乘擬合方式，可以求得 a、b、c 三個係數(式 2-4)，而 K 集合則做為起始值𝑥𝑥0 使用：. 𝑋𝑋� 𝐾𝐾+1 = 𝑋𝑋�𝐾𝐾 + (𝐻𝐻𝑇𝑇 𝐻𝐻)−1 𝐻𝐻 𝑇𝑇 (𝑠𝑠 − 𝐻𝐻𝑋𝑋 ) 14. (2 − 3).

(29) 𝑋𝑋0 = [𝑎𝑎. 𝑏𝑏. 𝑐𝑐 ]𝑇𝑇𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢. ℎ𝑒𝑒𝑒𝑒𝑒𝑒ℎ𝑡𝑡𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢1 𝑓𝑓𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠1 ,𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢1 ⋮ 𝐻𝐻 = � ℎ𝑒𝑒𝑒𝑒𝑒𝑒ℎ𝑡𝑡𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑛𝑛 𝑓𝑓𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑛𝑛 ,𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑛𝑛 s = [𝑠𝑠𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢1. … 𝑠𝑠𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑛𝑛 ]𝑇𝑇. ℎ𝑒𝑒𝑒𝑒𝑒𝑒ℎ𝑡𝑡𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢1 ⋮ ℎ𝑒𝑒𝑒𝑒𝑒𝑒ℎ𝑡𝑡𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑛𝑛. 1 ⋮� 1. (2 − 4). (2 − 5). (2 − 6). 式 2-5、2-6 中，H 為行走頻率與使用者身高進行 n 次實驗所組合成的矩陣，矩陣 s 代表使用者 1 到 n 的真實步長。擬合成果如圖 9：. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. 圖 9 步長擬合結果(Renaudin et al., 2012). n. al. er. io. 圖 9 中藍點為根據行人身高、最顯著頻率與行走速度所產生，最後利用步長、身高及行走頻率擬合出平面。. Ch. engchi. i n U. v. Shih et al.(2012)透過獲取垂直方向加速度量來估計步長。首先將垂直方向的加速度值𝑎𝑎𝑛𝑛 做一次積分後得到速度量𝑉𝑉𝑛𝑛，再將速度量積分除以 2 後得. 到高度變化量 h。如下圖 10 所示，若腿長 L 與高度變化量 h 已知，即可透過式 2-7、2-8、2-9 估計步長 D。. 圖 10 步行圖示(Shih et al., 2012) 15.

(30) 𝑛𝑛. 𝑉𝑉𝑛𝑛 = � 𝑎𝑎𝑛𝑛 𝑑𝑑𝑑𝑑 h=. (2 − 7). 1 𝑛𝑛 ∫1 |𝑉𝑉𝑛𝑛 | 𝑑𝑑𝑑𝑑. (2 − 8). 2. D = 2 × �𝐿𝐿2 − (𝐿𝐿 − ℎ)2. (2 − 9). Kroger et al.(2010)則使用了另一種估計模型估計步長，如式 2-10： SL = �0.7 + a(H − 1.75) + b ∙. (SF − 1.79)H �∙c 1.75. (2 − 10). 式 2-10 中 H 代表行人身高，SF 則為行走頻率，a 與 b 為已知參數，a=0.371、. 政治大做為 c 的估計值。透過此模型所計算出的步長與真實距離比較得到最終距立. b=0.227，c 則為個人因子，於實際應用上，個人因子較難取得，因此就以 1. ‧ 國. 學. 離的誤差比為 5.4%與 4.4%，如表 2：. 表 2 距離估計成果(Kroger et al., 2010). 8.4 6.9. n. al. Error in %. Ch. engchi. sit. y. 164.6 163.1. io. Error in meters. er. Nat. 1 2. Estimated Travelled Distance. ‧. Test Round. i n U. v. 5.4% 4.4%. Shin et al.(2007)僅透過行走頻率與加速度的變異量進行步長估計，估計模型如式 2-11： Step Length = α ∙ f + β ∙ v + γ. (2 − 11). 式 2-11 中 f 代表行走頻率，v 代表加速度變異量，α、β、γ可以透過擬合求得，因此行走距離即為每一次步長計算的結果加總，如式 2-12： 𝑛𝑛. Walking Distance = � (𝛼𝛼 ∙ 𝑓𝑓𝑖𝑖 + 𝛽𝛽 ∙ 𝑣𝑣𝑖𝑖 + 𝛾𝛾) 𝑖𝑖 =1. (2 − 12). 而線性擬合需要的參數為行走頻率(𝑓𝑓𝑘𝑘)與加速度變異量(𝑣𝑣𝑘𝑘)，可透過式 2-13、. 2-14 求得：. 16.

(31) 𝑓𝑓𝑘𝑘 =. 1 𝑡𝑡𝑘𝑘 − 𝑡𝑡𝑘𝑘 −1 𝑡𝑡𝑘𝑘. 𝑣𝑣𝑘𝑘 = �. 𝑡𝑡=𝑡𝑡𝑘𝑘−1. (2 − 13). (𝑎𝑎𝑡𝑡 − �� 𝑎𝑎𝑘𝑘 )2. (2 − 14). 𝑁𝑁. 式 2-13、2-14 中𝑡𝑡𝑘𝑘 代表偵測到第𝑖𝑖 𝑡𝑡ℎ 步的時間點，𝑎𝑎𝑡𝑡 、�� 𝑎𝑎𝑘𝑘 、𝑁𝑁則分別代表時. 間點 t 時的加速度，行走一步的平均加速度與行走一步感測器所輸出的資料數量。在全程為行走的狀態下，使用此方法所估計出的步長精度最佳可達 80%。. 立. 政治大. 圖 12 加速度變異量與步距（行走） (Shin et al., 2007). ‧. ‧ 國. 學. 圖 11 頻率與步距（行走） (Shin et al., 2007). y. Nat. io. sit. 然而在不同的行走模式下將會導致擬合結果不同，因此在透過加速度. n. al. er. 偵測步伐後，需要判斷當下的移動模式為行走或者跑步，來改變擬合結果，. Ch. i n U. v. 由圖 13、圖 14 中可以發現在跑步的過程中，頻率與加速度的變異量很大。. engchi. 因此最終可以透過輸出加速度來判斷移動狀態，如圖 15。. 圖 13 頻率與步距(Shin et al., 2007). 圖 14 加速度變異量(Shin et al., 2007). 17.

(32) 圖 15 移動狀態結果(Shin et al., 2007). 政治大會造成約 40%的差異量，因此可以透過事先輸入使用者步長來減少因腿長立 Weinberg(2002)依據人類行走習慣判斷步長。步長的計算依照腿長不同. 所產生的誤差，然而每個人的行走速度會使步長差異達到 50%，且因行走. ‧ 國. 學. 速度所產生的誤差較難透過腿長去估計，因此透過偵測骨盆移動的方法來. ‧. 改善誤差。如圖 16 所示：. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 16 行走狀態下的臀部垂直位移(Weinberg, 2002) 人在行走的過程中，骨盆會有垂直方向的擺動，圖中 BOUNCE 為骨盆的移動量，透過相似三角型的概念可以推得θ = α，依此可以得到式 2-15： Stride ≈. 2 × Bounce α. (2 − 15). Bounce 可以透過對 z 方向的加速度量進行二次積分獲得，而α為一個極小的角度量，並且因為在行走中多軸的擺動會導致其難以測得。因此實際上， 18.

(33) 透過式 2-16 即可計算出行走距離： Distance ≈ 4�𝐴𝐴𝑚𝑚𝑚𝑚𝑚𝑚 − 𝐴𝐴𝑚𝑚𝑚𝑚𝑚𝑚 × 𝑛𝑛 × 𝐾𝐾. (2 − 16). 式 2-16 中𝐴𝐴𝑚𝑚𝑚𝑚𝑚𝑚 代表行走一步間，所獲得的加速度最大值，𝐴𝐴𝑚𝑚𝑚𝑚𝑚𝑚 為行走一步. 間，所獲得的加速度最小值，n 為行走的步伐，K 則為個人因子所定之常數。根據此方式所估計出來的距離，在不同腿長情況下，可以將差異量減少至 8%以下。Goyal et al.(2011)也使用了同樣的步距估計模型，並針對式中的 K 值進行估算，其文中提到 K 值的計算是透過不同的實驗群讓他們在一已知直線路段上行走，並且根據行走的結果取平均做為通用的 K 值，最後得到 K 值接近於 0.49。. 立. 二、步伐偵測. 政治大. ‧ 國. 學. 本研究為降低室內定位成本，採取行人航位推算(PDR)方式進行室內位. ‧. 置坐標計算，因此需要得知計算坐標之時間點，而坐標計算之時間點則透過步伐偵測決定。步伐偵測通常是透過人體行走時所產生之規律擺動形成. y. Nat. io. sit. 之加速度波型進行偵測，唯因對加速度訊號處理方式不同，而有不同之步. n. al. er. 伐偵測方法。且步伐偵測的準確性對 PDR 計算坐標上會有顯著影響，因此. Ch. i n U. v. 步伐偵測準確性對行人航位推算法而言，極為重要。. engchi. Michael Marschollek et al.(2008)統整多種步伐偵測演算法，依序介紹如下： . Pan-Tompkins method：Jiapu Pan & Willis J. Tompkins(1985)提出此方法來即時偵測心電圖(ECGs)中的 QRS 波，主要使用的方法是針對單一 z 軸進行門檻值的波峰檢測，後則被應用於步伐偵測上。. . Dual-Axial method：此方法結合了 x 軸與 z 軸的加速度值，透過偵測腳根觸及地面時兩軸加速度值皆會產生負值的特性來判斷行走步伐。根據腳步訊號的前處理後，則可透過門檻值判定來偵測訊號峰值。. . Wolf method：此方法於 University of Braunschweig 所舉辦的步伐偵測 19.

(34) 比賽中被提出。透過固定大小的滑動視窗來偵測加速度的振幅做為偵測的門檻。 . Autocorrelation：透過比較加速度訊號相似性，可以進行簡易的自相關分析。. 以此四種方法進行實驗，選擇 140 位健康人士與 10 位行動不便人士做為實驗對象，得出表 3：表 3 各種演算法之估計錯誤率(Marschollek et al., 2008) Algorithm. Healthy person(n=140). Mobility-impaired persons(n=10). Pan-Tompkins method Dual Axis method. 30.8% 10.0%. 政治大 8.4%. 28.4% 62.1%. 17.5%. 29.3%. 立. Wolf method Autocorrelation. 60.0%. ‧ 國. 學. 由表 3 可以看出以健康人士做為樣本的實驗中，以 Wolf method 偵測. ‧. 方法可以達到較為準確的步伐偵測。. io. n. al. er. 濾波濾除雜訊後進行波峰偵測，做為判斷步伐之依據。. sit. y. Nat. Liu et al.(2015) 則是處理三軸加速度值合力方向(𝐴𝐴𝐴𝐴𝐴𝐴𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 )，透過低通. Ch. engchi. 圖 17 原始與處理後加速度波型(Liu et al.,2015). i n U. v. 圖 18 三軸加速度波型(處理後)(Liu et al., 2015). AccValue = �𝑎𝑎𝑥𝑥 2 + 𝑎𝑎𝑦𝑦 2 + 𝑎𝑎𝑧𝑧 2. (2 − 17). 𝑎𝑎𝑥𝑥 、𝑎𝑎𝑦𝑦 、𝑎𝑎𝑧𝑧代表三軸加速度值，然而在透過低通濾波濾除雜訊後，仍會產 20.

(35) 生錯誤波鋒，如圖 18 中之 Incorrect Peak。因此，透過給定門檻值解決錯誤波峰問題，要判斷為ㄧ步必須符合時間條件與波峰值條件，條件如式 2-18： ∆𝑇𝑇 > 𝜏𝜏 �| 𝐴𝐴𝐴𝐴𝑐𝑐𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 − 𝑔𝑔| > 𝜎𝜎. (2 − 18). ∆𝑇𝑇代表兩波峰之時間間隔，g 代表重力加速度，𝜏𝜏 與𝜎𝜎分別代表時間間隔門檻與加速度門檻之門檻值，當同時符合兩條件時才會判定為ㄧ步。其實驗透過五個男生與五個女生，行走於 105 公尺直線上，並比較真實步數與偵測步數，成果表 4：. 政治大. 表 4 步伐偵測結果(Liu et al., 2015). 立. M2. 160. 160. 161. 167. 166. 163. 165. 165. 165. 159. 168. 148. 170. 151. 171. 154. Nat. M1. 164. M3. io. M4. 178. n. M5. 186. mean. al. 148. Ch. e n g155.3c h i U 137. y. F5. 164. ‧. F4. 158. 學. F3. Estimated number of steps. sit. F1 F2. Real number of steps. er. Height(cm). ‧ 國. Volunteers. v ni. 159. 159 148 151 153 148 137 155. 其成果顯示，透過設定門檻值篩選掉錯誤波峰後，在整個行走過程中，步伐偵測的準確性可以達到 99.4%，意即在平均 155 步中，僅會產生 0.3 步的偵測誤差。 Yang and Huang (2015)亦同樣使用加速度訊號偵測步伐，然其所使用的並非三軸加速度之合力方向，而是將三軸加速度分量分開討論。其主要探討加速度之峰值與谷值是否超過或低於門檻值，藉此做為步伐偵測之依據，且於文中指出以 x 軸加速度做為步伐判斷依據之精度較差。. 21.

(36) 圖 19 y 軸加速度量(Yang and Huang,2015). 圖 20 z軸加速度量(Yang and Huang,2015). 圖 21 x 軸加速度量(Yang and Huang,2015). 政治大. 在步伐偵測上之表現，從行動裝置之三軸軸向來看，y 軸與行走方向平. 立. 行，因此在行走上隨著前進的規律會產生較為規律的波型，而垂直地面的 z. ‧ 國. 學. 軸加速度量也因為受行走時身體自然擺動的影響，可以產生相對規律的波型，因此可以大致的了解在 x 軸上之波型表現會相對於前兩者要差。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 22. i n U. v.

(37) 第四節. 室內定位校正. 因為室內環境複雜，使用根據訊號定位的方式不免會受到牆壁、家具、門窗甚至人體的阻擋，從而引起訊號的反射、折射，導致定位不準確(楊凡、趙東東， 2012) ，而使用慣性定位則會因陀螺儀與加速度儀的誤差累積導致定位錯誤。不管使用何種室內定位方式，坐標計算後的校正方式為極其重要的一環，將影響定位成果。一般在非慣性室內導航中，常使用 Wi- F i 訊號強度指紋做為定位方法，若直接使用慣性定位方法於室內環境中，即需要搭配適當校正方法，限制 PDR 由陀螺儀與加速度儀產生之誤差所影響的. 政治大修正室內慣性導航偏移中立，較為常見之校正方法是於有 GNSS 訊號時，. 坐標偏移量。. ‧ 國. 學. 以 GNSS 做為坐標獲取依據，然在訊號受遮蔽時，再輔以 PDR 進行坐標推算。例如李金鳳等人(2014)即整合 GPS 與低成本 MEMS 慣性感測器，完成. ‧. PDR 推算系統，也證實了 GPS 與 PDR 互相結合可以彌補導航缺失，提升. n. al. er. io. sit. y. Nat. 定位成果(如圖 22)。. Ch. engchi. i n U. v. 圖 22 行人航位推算系統結構(李金鳳等人，2014) 除此之外，尚有其它不同之室內定位校正方式，如楊凡、趙東東(2012) 提出了改進的位置指紋定位演算法，原本的位置指紋定位演算法乃是透過萃取獲得資訊的某些特徵與資料庫中儲存的資訊特徵進行比對，藉此實現 23.

(38) 室內定位。該方法需要先建立離線地圖，也就是建立訊號特徵的資料庫，再透過行動裝置獲取的訊號與資料庫進行匹配。而改進的位置指紋定位演算法則加入了訊號平滑化的概念，透過平均值平滑法後再進行比對可提高定位準確性。 Kroger et al.(2010)透過藍芽裝置校正行人航位推算的坐標計算結果，然而其校正方式與一般直接將藍芽裝置位置做為校正點的方式不同。此方法為透過使用者經過兩個藍芽裝置後計算行走的距離，再與已知的兩藍芽裝置間距離進行比較，以此做為校正依據，可以有效提升行人航位推算的精. 政治大 Fi 指紋室內定位系統較難在行動裝置上使用，但行人航位推算法又因時間立度。而 Chen et al.(2015)同樣透過行人航位推算法計算坐標，因為其認為 Wi-. 增長導致坐標誤差大。因此其結合 Wi-Fi 指紋定位與行人航位推算法，並. ‧ 國. 學. 搭配無跡卡爾曼濾波演算法提升室內定位精度。. ‧. 姜仁傑等人(2014)透過判斷陀螺儀三軸 Roll、Pitch、Yaw 數值的絕對值. y. Nat. 或相對變化來判斷使用者的姿態，依此推論使用者手持裝置的方式為放置. er. io. sit. 於胸前行走、放置於胸前口袋行走或掛在腰間行走。而多姿態判斷的目的為根據不同姿態之特性，排除步伐偵測的錯誤，進而提升整體步伐偵測的. n. al. 凖確性及定位精凖度。. Ch. engchi. i n U. v. 圖 23 行動裝置姿態(姜仁傑等人, 2014) 除了透過多姿態判斷方式提升定位精度外，該研究亦使用步長動態迴歸模型調整演算法來提升步長估計的精凖度，藉此改善最終的定位結果。 24.

(39) 步長動態迴歸模型調整演算法是透過使用者不斷於室內行走增加觀測量後，透過式 2-19 進行擬合，得到最適合使用者的步長，藉此降低因步長所造成的定位錯誤。然而動態步長迴歸模型乃是透過同一使用者不斷的於室內行走增加觀測量後進行擬合，因此其身高與行走頻率模式固定，所以擬合出來的步長也較為準確，但本研究所期望達成的是ㄧ適用於全體大眾的室內定位模式，因此暫不考慮以動態步長迴歸模型的方式估計步長，而是透過獲取不同實驗對象的身高與行走頻率等數據進行步長估計。 S𝐿𝐿 𝑖𝑖 = 𝛼𝛼 × 𝑆𝑆𝐹𝐹𝑖𝑖 + 𝛽𝛽. 政治大. 式中，S𝐿𝐿𝑖𝑖 代表步距、𝑆𝑆𝐹𝐹𝑖𝑖 代表行走頻率、𝛼𝛼, 𝛽𝛽代表迴歸係數. 立. (2 − 19). 曲衍旭等人 (2012) 運用粒子過濾演算法與訊號強度指標(Received. ‧ 國. 學. Signal Strength Indication, RSSI)配合來改善定位的結果。粒子過濾演算法 (Particle Filter)常運用於非線性、無高斯約束的濾波器，能夠得到近似任意. ‧. 函數的數學期望值，利用一定數量的隨機樣本(粒子)來表示系統隨機變數的. Nat. sit. y. 事後機率分布，且能夠用於任意非線性隨機系統。透過行動裝置本身陀螺. n. al. er. io. 儀與加速度儀可以計算出使用者的位移量，依此位移量將粒子以同方向與. i n U. v. 距離移動。而行動裝置也可透過 RSSI 強度得到與空間中三個坐標已知裝置. Ch. engchi. 的距離，根據計算得到的距離給定隨機分布的粒子權重，再將行動裝置位置校正到最高權重的粒子上，最後進行重新取樣與預測後再重新移動粒子。由於使用者不斷的移動，因此會持續的計算位移量，重複移動隨機分布的粒子，並根據上述方法可以動態的校正使用者的位置。在透過粒子過濾演算法進行坐標校正的方式中，需要設置數個訊號發射站提供行動裝置 RSSI 強度，將大幅提升室內定位的成本，導致室內定位的門檻提高，較不利於一般的行動裝置使用者。. 25.

(40) 第五節. 地圖匹配. 本研究中所使用之場景約制方法，前提假設為一般人行走時行走於可行走區域，因此可透過建置室內場景後，將坐標限制於一定範圍內，使定位過程合理，此一概念與地圖匹配相仿。地圖匹配又稱地圖輔助定位，即是利用特定算法將計算所得之坐標點位展示於地圖上，並透過地圖上可通行路徑來提高定位精度(柳林，2007)，因此地圖匹配是一種基於軟體技術的定位校正方法，是一種虛擬測量技術。主要透過定位結果與地圖中可行走區域比較，找出地圖中與移動軌跡匹配. 政治大點，修正定位過程中所累積之誤差(胡安冬、王堅、高井祥，2014)。立. 度最高之路徑，將點位進行投影，並使用行走中較為明顯之特徵，例如轉彎. ‧ 國. 學. 地圖匹配的基本概念即是透過多種不同之演算法將定位位置移動至匹配位置，藉此消除定位上所產生之誤差，可透過圖 24、圖 25 解釋:. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 24 實際道路系統 N'(重繪自柳林,2007) 圖 25 地圖匹配原理示意圖(重繪自柳林,2007). 假設車輛在實際道路 N’上行駛，於時間點 t，車輛之實際位置𝑃𝑃�𝑡𝑡未知，. 定位結果提供之估計位置為𝑃𝑃�𝑡𝑡。在數值地圖中，實際道路 N’可以透過一系列線段構成的線性化路線 N 表示，每條弧段對應實際道路中的一個路段。因此實際道路可以用數值地圖中，弧段的有限集合表示，每一條實際道路由多個弧段組成，每一個弧段由一個點集合構成，如弧 A=(𝐴𝐴1 , 𝐴𝐴2 , ⋯ 𝐴𝐴𝑛𝑛 )表. 示弧段 A 由 n 個點構成，其中𝐴𝐴1 , 𝐴𝐴𝑛𝑛 為結點，對應於實際道路上之端點或 26.

(41) 交叉點，其餘各點為該弧段之獨立點，呈現道路之形狀變化。由於數值地圖與定位都存在誤差，車輛位置亦不可能與分段線性化路線 N 上的每一個點一一對應，因此，地圖匹配就是透過某種方法將定位位置𝑃𝑃�𝑡𝑡匹配到分段線性. 化路線 N 上的某條弧段 A 上，使得𝑃𝑃�𝑡𝑡 ∈ 𝐴𝐴，然後於弧 A 上確定與車輛實際. 位置𝑃𝑃�𝑡𝑡對應之最佳位置點𝐴𝐴𝑖𝑖，換言之，地圖匹配之目的就是確定與估計位置. 相對應之儲存於地圖資料庫中弧段上之插值點，做為車輛真實位置在數值地圖中的影射(楊東凱、寇豔紅、吳今培、張其善，2003)。. 而一般最常用於地圖匹配之原則為最近距離匹配和最近點匹配，最近距離匹配原則即尋找定位位置𝑃𝑃�𝑡𝑡與弧段 A 之最短距離，且以𝑃𝑃�𝑡𝑡於弧段 A 上. 治政大之投影做為匹配結果。而最近點匹配則是將定位位置匹配至數值地圖中之立分段路線上與定位位置最接近的結點或形狀上(柳林，2007)。. ‧ 國. 學. 以場景約制行動裝置定位結果之前提下，地圖匹配成果之優劣將決定. sit. y. Nat. 林(2007)於文中整理了地圖匹配具體作用，主要包含:. ‧. 導航系統之最終定位結果，影響最終定位結果之可靠性和準確性。因此，柳. n. al. er. io. 一、提高定位精度. i n U. v. 地圖匹配技術透過尋找到真實路徑，並將估計坐標移動至相對正. Ch. engchi. 確的位置上，藉此減少部份定位誤差，提高定位精度。在 GNSS 訊號受遮蔽時，其定位精度降低，成果並不可靠。航位推算法可以在訊號遮蔽情況下輔助定位，然而其精度將隨著時間降低，坐標飄移隨著時間增大而加大。因此搭配高精度之數值地圖將可以修正估計定位之誤差，且不會增加額外之硬體設備成本，使得低成本且高精度之室內定位導航可以實現(Bullock and Krakiwsky, 1994)。二、改善顯示效果由於航位推算所得之坐標隨著時間增加而誤差加大，因此在導航定位過程若無適當約制，常會有定位坐標不合理情況，例如人走在空 27.

(42) 中或者穿越房子的情況發生，也因此造成地圖顯示上視覺混亂，影響定位和導航效果。透過地圖匹配技術可以將定位點強行拉回可通行區域，從而改善導航定位顯示效果。三、監測和校準感測器若將地圖匹配技術運用於車輛導航中，在路段夠長之情況下，可以進行比較以監測距離感測器與角度感測器。路段真實長度與距離感測器相比較，路段的方向與方向感測器相比較，當任一超過設定門檻值誤差將被判斷為需要校正。. 治政若再將地圖匹配技術結合地理資訊系統大 (Geographic Informatio n 立 Systems, GIS)，將可完成更多應用，如輔助路徑規劃或導航、輔助交通流量 ‧ 國. 學. 分析、輔助車輛追蹤與監控或輔助電子收費。. ‧. 地圖匹配過程乃是透過不同之算法完成，例如最早期之半確定性算法與基於判斷域搜索的匹配算法，前者是透過比較推算定位推算出之轉彎和. y. Nat. io. sit. 計算出之路段向量，進行週期性的條件測試來確定車輛行駛於道路上。後. n. al. er. 者則是確定一個判斷區域，搜尋區域範圍內之道路，若只有一條道路則確. Ch. i n U. v. 定其為匹配道路，若為一條以上則增大或縮小範圍繼續判斷。其它地圖匹. engchi. 配算法另有幾何匹配算法、相關性匹配算法、基於概率統計的匹配算法、基於模糊邏輯的匹配算法等。然這些算法中數幾何匹配算法與本研究關連最大，因此以下針對幾何匹配算法進行會顧。幾何匹配算法主要是透過移動物體之軌跡與地圖的幾何特徵進行匹配，包含點到點、點到弧、弧到弧三種匹配算法(柳林，2007)。一、點到點匹配算法點到點匹配算法，意即將定位點匹配到與定位點幾何距離最近之結點或形狀上。此種算法計算量小且容易實現，但在較為複雜的數值 28.

(43) 地圖中若沒有有效限制，將導致嚴重錯誤以及匹配不穩定之狀況發生。二、點到弧匹配算法點到弧匹配算法即是將定位點匹配到最接近的路段上，有別於點到點匹配算法，此算法並非將點匹配至結點上。但此種方法在道路交叉口或兩道路平行且距離過近，容易匹配錯誤，如圖 26 所示:. 政治大圖 26 中，L1、L2 為兩平行且相近之道路，因此在匹配過程中會立圖 26 點到弧匹配缺陷(柳林，2007). ‧ 國. 學. 導致匹配點在兩路段中跳動，而 L3 與 L4 為兩交叉路線，真實行走情況為行走於 L3 上，然而當定位點位於 P1、P2 時，因為以最近距離路. ‧. 段為匹配原則，即很有可能將定位點匹配至路線 L4 上，導致匹配錯誤。. sit. y. Nat. 目前導航系統中應用最廣泛的投影匹配算法亦屬於點到弧匹配，. io. al. er. 是一種較為成熟之匹配算法，但是仍然容易出現上述之誤差，因此必. n. 須搭配其它匹配方法才能有較好之匹配效果。三、弧到弧匹配算法. Ch. engchi. i n U. v. 弧到弧匹配算法是透過導航軌跡與真實路線進行比較，與導航軌跡最為符合之真實路線軌跡，即被決定為匹配路線。比較方法可以是角度或距離，但是弧到弧之間的距離較難估算，且弧到弧匹配算法也會產生如圖 27 之錯誤。圖中定位軌跡實際上應匹配至線段 L1，然而，由於 P1 處之夾角與線段 L2 較為接近，因此有可能發生將定位軌跡誤匹配至線段 L2 之情況發生。. 29.

(44) 圖 27 弧到弧匹配缺陷(重繪自柳林，2007) 幾何匹配方法運算量小，且可以有效降低航位推算之誤差，然而在較為複雜之數值地圖中，容易因路線過於接近或者判斷條件相同導致匹配錯誤。綜上所述，本研究之場景約制方法，概念上與點到點之幾何匹配算法較為相近，然而在校正時機的判斷方法上仍然與早期之地圖匹配算法不同。. 政治大. 地圖匹配方法在早期車輛導航中即開始使用，且透過多種不同演算法達成，. 立. 王敏等人(2012)提出一種適合交通網絡位相(Topology)結構變化的動態平行. ‧ 國. 學. 四邊形匹配法，在交叉路口以平行四邊形匹配準則來消除車輛軌跡點沿道路方向的誤差。王楠等人(1999)將車輛行駛時的匹配定位處理分成 5 種狀. ‧. 態，針對不同狀態之實際特點，對應不同之處理方法，進而改進基於位置點. Nat. sit. y. 匹配的地圖匹配法。王冬輝等人(2003)為了彌補地圖匹配中直接投影算法的. n. al. er. io. 不足，設計了一種基於類投影的地圖匹配法，其透過調整演算法公式中的. i n U. v. 權值，結合歷史定位點、未來定位點進行計算與預測。李清泉等人(2010)則. Ch. engchi. 是考慮車輛行走軌跡與路網路徑的曲線相似性，或者實際行車路段的幾何位相關係與交通管制約束下的聯通性，藉此提升地圖匹配的效果。運用地圖資訊搭配室內定位提升精度的方法亦行之有年，Attia et al. (2013) 透過建立地圖資料庫與建物資訊來協助 PDR 定位，其亦使用地圖匹配中點到弧投影方法，但在投影前必須先透過行走的距離與方向做為參考依據，與資料庫中之線段進行比對，找到最佳線段後在進行地圖匹配投影。 Beauregard et al. (2008)則是根據地圖資訊做為參考依據，藉此得知可通行之合理範圍，並根據合理範圍做為坐標定位正確與否之判斷門檻，其使用 Backtracking Particle Filter(BPF)輔助 PDR 進行室內定位，BPF 即根據歷史 30.

(45) 軌跡來預測接續位置，然而其認為在 BPF 中，錯誤的粒子是源自於前一個錯誤粒子，因此若預估出來之未來位置不符合門檻，即可回溯至現在位置重新修正，藉此可以得到相對正確的現在位置。Gilliéron(2004)透過將地圖中可行範圍建立成點與線的結構資料庫，並根據這些點與線來針對定位坐標進行地圖匹配，也證實了室內定位必須要搭配地圖的約制才能達到合理的精度範圍。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 31. i n U. v.

(46) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 32. i n U. v.

(47) 第三章研究方法本研究透過獲取行動裝置微機電系統中之陀螺儀與加速度儀數據做為坐標計算之依據。原始加速度數據有較高之雜訊，因此在進行步伐偵測上容易產生錯誤，為提升步伐偵測準確率，實驗針對加速度儀數據進行濾波平滑化後，以 Wolf method 為基礎，改良其偵測步伐的方式，透過滑動視窗搭配波峰偵測方式偵測步伐，找尋計算坐標之時間點。陀螺儀數據則用於計算行走時之旋轉角，陀螺儀數據累計加總後，可與步伐偵測中所得到的時間點進行坐標推算。. 政治大此需要設定校正條件，於特定時間點將坐標校正至合理位置。本研究利用立然而依照行人航位推算(PDR)所推算出來的坐標誤差會隨時間累積，因. ‧ 國. 學. 場景建置搭配方位角判斷與轉彎特徵做為依據以決定校正坐標的時機。實驗流程如圖 28：. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 33. i n U. v.

(48) 加速度值. 陀螺儀值. 資料前處理. 步伐偵側. 立. 政治大步長估計. ‧ 國. 學. Nat. y. ‧. 坐標記算. n. 坐標合理性檢核. Ch. engchi 否. 坐標校正. 結束. 圖 28 研究流程圖 34. er. io. al. sit. 是. i n U. v.

(49) 第一節. 微機電系統資料獲取. 本研究所使用之智慧型行動裝置作業系統為 Android 系統，因此需要透過 Java 語言進行應用程式開發，獲取實驗中所需之微機電系統資料。 Android 應用程式的開發環境主要使用 Android Studio，Android Studio 為 Google 官方的整合開發環境，於 2014 年釋出 1.0 正式版本，可跨平台支援 Windows、OS X、LINUX 等作業系統。除了 Android Studio 外，尚須透過 Android 開發套件(Android SDK)來幫助開發與測試 Android 應用程式， Android SDK 主要包含偵錯器、Android 模擬器、函數庫、文件、範例教材. 政治大然而在微機電系統的數據獲取中會有延遲情況產生，因此有不同的延立. 等(陳會安，2015)。. ‧ 國. 學. 遲模式可以選擇， Android 中之四種延遲模式分別為： SENSOR_DELAY_FASTEST、_DELAY_GAME、SENSOR_DELAY_UI 與. ‧. SENSOR_DELAY_NORMAL，針對不同情況選擇不一樣的延遲模式，而本. sit. y. Nat. 研究中則使用 SENSOR_DELAY_UI 模式。各種不同模式的延遲時間根據不. al. er. io. 同廠牌之行動裝置而定，根據 Android 開發者官方網站所提供的資料，各種. n. 延遲模式所適合的情況如表 5：. Ch. engchi. i n U. v. 表 5 Android 延遲模式. S ensor Delay Type. Description. 延遲間隔極短. SENSOR_DELAY_FASTEST. Get sensor data as fast as possible. SENSOR_DELAY_GAM E. Rate suitable for game. 短. SENSOR_DELAY_UI. Rate suitable for the user interface. 中. SENSOR_DELAY_NORM AL. Rate(default)suitable for screen. 長. orientation changes. 本研究使用於獲取微機電系統數據的行動裝置為 HTC M8，因現今市面上之行動裝置並非每一種款式都配備有陀螺儀與加速度儀，有些較為初階的機種可能只有陀螺儀數據可以獲取。為了進行坐標推算，必須同時獲 35.

(50) 得加速度儀與陀螺儀數據，因此選擇較為高階的機種進行實驗，其相關規格如下表 6：表 6 行動裝置規格 HTC M8. 生產廠商. HTC. 尺寸. 146.36x70.6x9.35cm. 學. ‧ 國. 顯示器. 政治大 5.0 吋，Full 立HD 1080p Qualcomm® Snapdragon™ 801，四核心處理器. 作業系統. Android™ with HTC Sense™. 儲存空間. 總儲存空間： 16 GB/32 GB，實際可用容量可能有所不同 RAM： 2 GB 擴充卡插槽支援 microSD™ 記憶卡，最高可擴充 128 GB 的額外儲存空間 (記憶卡需另購). n. al. er. io. sit. y. Nat. 感應裝置. ‧. 處理器. Ch. engchi. i n U. v. 加速度感測器趨近感測器環境光線感測器陀螺儀氣壓感測器. 在獲取加速度儀與陀螺儀數據實驗中，實驗者以手持行動裝置方式行走，因本研究並未考慮坐標轉換問題，因此須確保行走過程中保持行動裝置平穩，以取得用於計算旋轉角之 z 軸旋轉量與偵測步伐用之 z 方向加速 36.

(51) 度量(圖 29)。取得之原始數據包含三軸之加速度量𝑥𝑥𝑎𝑎 、𝑦𝑦𝑎𝑎 、𝑧𝑧𝑎𝑎，與三軸之陀螺儀旋轉量𝑥𝑥𝑔𝑔 、𝑦𝑦𝑔𝑔 、𝑧𝑧𝑔𝑔 。. 立. 政治大圖 29 行走實驗圖. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 37. i n U. v.