SenseCAP T1000 室内定位系统指南
本文档由 AI 翻译。如您发现内容有误或有改进建议，欢迎通过页面下方的评论区，或在以下 Issue 页面中告诉我们：https://github.com/Seeed-Studio/wiki-documents/issues
本章节将为您提供如何使用 Traxmate 将 SenseCAP T1000 Tracker 集成到室内定位解决方案中的整体指导。
Traxmate 是一个物联网平台，使您或您的客户能够轻松高效地部署全面的物联网跟踪解决方案，具备无缝的室内和室外定位、跟踪和路由功能。
架构概览
以下是简要总结，但请阅读本文档的其余部分以获取完整信息。
● 登录 Traxmate 并创建您的建筑物。
● 部署更多的 Wi-Fi 和/或 E5 蓝牙定位信标（如有需要）。
● 进行室内调查以检查您已安装的 Wi-Fi 和/或蓝牙基础设施提供的精度。
● 进行新的室内调查以验证结果。
● 重复上述步骤或开始使用室内定位解决方案。
● 将设备连接到 TTN 并将数据发送到 Traxmate。
部署 Wi-Fi/蓝牙信标
如果您尚未安装 Wi-Fi 接入点和/或蓝牙信标的基础设施，可以进行优化定位的部署。大多数已部署的 Wi-Fi 接入点基础设施可能是为了优化数据连接的范围和性能而放置的。在考虑定位时，请遵循以下原则：“分散布置，靠近角落和墙壁，并在需要更高精度的区域增加密度”。
蓝牙信标通常由电池供电，因此更容易部署。Wi-Fi 接入点的范围更长。密集的蓝牙信标网格比稀疏的 Wi-Fi 接入点网格提供更高的精度。
查看 E5 蓝牙定位信标部署 以获取更多详细信息。
添加地点
导航到 Places -> Add New，然后点击地图或搜索地址或名称，点击 Add place 弹出窗口并提交详细信息。
下一步是指定建筑物的楼层数量，并将楼层地图上传到您希望启用室内定位的楼层。楼层地图上传支持 PNG 和 JPEG 文件。上传文件后，您可以使用工具对其进行缩放、旋转并正确放置在地图上。还有一个工具可以沿着建筑物的形状裁剪 PNG/JPEG 文件。
设置好建筑物后，点击 SAVE。
进行调查
一旦添加了建筑物并上传了楼层地图，就可以使用 Traxmate App（安卓版本）进行调查。
Traxmate App 的 iOS 版本无法使用，因为 iOS 不支持第三方应用程序进行 Wi-Fi 扫描。
安卓通常限制应用程序扫描 Wi-Fi 的频率，默认设置为每 30 秒一次。为了获得更准确的调查结果，建议关闭此限制。您需要将安卓设备设置为开发者模式才能执行此操作。
进入 Settings > Developer options > 找到 "Wi-Fi scan throttling" > 禁用它（或 Settings > System > Advanced > Developer options）。
禁用 Wi-Fi 扫描限制后，您的安卓设备可以确保 NetSpot 在调查、扫描和分析无线网络区域时发挥最佳性能。
查看更多信息 这里。
打开应用并登录，选择 Places -> Select your Place -> Select Floor -> Start Survey。
应用程序将连续扫描 Wi-Fi 和蓝牙信号。您需要通过反复放置参考点来训练室内定位系统。参考点越多越好。参考点应放置在地图上代表您实际所在的位置。
● 您可以通过缩放和移动地图，将您所在的位置置于十字准线下放置参考点。当您瞄准正确时，点击带有加号（+）的按钮。
● 然后继续行走，尽量以恒定速度直线行走。建议比正常步行速度稍慢。选择一个新的合适位置作为参考点。好的参考点是地图上容易识别的地方，例如角落、交叉路口、门、电梯、楼梯等。
● 每隔 5-10 米放置一个参考点。参考点放置得越精确，室内定位的准确性就越高。
● 当您完成整个区域或楼层的调查后，按下红色停止按钮停止调查。调查结果将发送到服务器端进行处理。一到几分钟内，如果调查结果有助于提高精度，将自动为您的建筑物发布新的建筑模型（详见建筑模型章节）。
评估当前提供的精度
完成室内测绘后，需要对结果进行评估。登录 Traxmate 门户，访问您场所/建筑的 Positioning 标签页。
测绘的原始数据将由后端服务器处理，结果将以建筑模型的形式提供。最新发布的建筑模型的详细信息显示在 Positioning 标签页中。
建筑模型和中位误差
建筑模型是建筑内信标位置的电子表示。当用户（或多个用户）执行测绘或参考轨迹时，会生成建筑模型。一旦这些操作完成，它们将被发送到系统中计算为建筑模型。
对于每个建筑模型，都会计算一个中位误差。中位误差基于地面真实值/参考轨迹（由测绘期间放置的参考点生成）与计算轨迹（基于 Combain Location API 提供的室内定位）的差异（误差）。系统会自动选择发布最佳可用的建筑模型。“最佳”的算法基于覆盖率和中位误差的组合。
此自动过程可以通过手动发布选定的建筑模型来覆盖。建筑模型可以被编辑。用户可以添加或编辑信标以进一步增强定位效果。
测绘覆盖、RF 覆盖和中位误差地图
在评估特定建筑模型时，查看测绘覆盖、RF 覆盖和中位误差地图可能会有助于了解精度是否以及如何改进。
如何提高室内定位精度
当查看中位误差地图时，如果发现提供的中位误差不符合您的用例需求，则需要考虑如何提高精度。
● 步骤 1 - 增加测绘
您是否在建筑中计划使用室内定位的所有区域进行了测绘？
如果没有，请进行更多测绘。
● 步骤 2 - 增加 Wi-Fi 和蓝牙覆盖
您是否在建筑中计划使用室内定位的所有区域都部署了 Wi-Fi 和蓝牙？
如果没有，请在这些区域部署更多的 Wi-Fi 和蓝牙信标，并在这些区域进行测绘。
● 步骤 3 - 增加 Wi-Fi 和蓝牙密度
您在建筑的所有区域都部署了 Wi-Fi 和蓝牙，但精度仍然不够好。
检查这些区域的 Wi-Fi 和蓝牙密度。与附录 1 中的表格进行比较，看看从理论和模拟的角度是否建议增加 Wi-Fi 和蓝牙的密度以满足您的需求。如果是，请在这些区域部署更多的 Wi-Fi 和蓝牙信标。
● 步骤 4 - 提高测绘精度
您在建筑的所有区域都部署了 Wi-Fi 和蓝牙，并且密度符合附录 1 中建议的理论水平以满足您的需求，但精度仍然不够好。
进行更详细的测绘。确保尽可能频繁地放置参考点（每平方米一次是最佳的），并尽可能准确地放置。将参考点放置在地图上的正确位置非常重要。很容易出错，将其放置在与实际位置不同的地方。
开始使用
SenseCAP T1000 Tracker 收集 Wi-Fi 和蓝牙扫描信息、MAC 地址和信号强度，并将其发送到 The Things Stack，然后通过 API 发送到 Traxmate 门户。
请先查看 连接到 TTN 以正确设置追踪器。
添加设备
登录 Traxmate 门户，导航到 Devices -> Add new -> Device。
TTS 配置
登录 The Things Stack，导航到 Integrations → Webhooks，然后点击 Add Webhook。
选择 Custom Webhook 模板。
命名您的 Webhook ID，并将格式选择为 JSON，然后复制 Base URL。
https://capture.v1.traxmate.io/service/<Service Token>/device
导航到 Settings -> Account，并复制 Service Token。
启用以下推荐的事件类型，然后点击 Add webhook（添加 webhook）。
- 上行消息
- 标准化上行消息
检查设备数据
当设备成功连接后，返回到 Traxmate 门户，您将看到设备的数据。
附录
精度要求
本章中描述的方法和技术适用于需要大约 2-10 米中位误差的使用场景。
所有的精度要求都应基于使用场景的需求。一些使用场景对精度的要求较高，而另一些使用场景对室内定位基础设施的预算较高。解决方案应在精度要求和可用预算之间找到平衡。经验法则是，投入到基础设施中的资金和精力越多，精度就越高。但请注意，许多使用场景可以通过使用现有的基础设施来支持。
以下图表显示了在一定面积内部署一定数量的 Wi-Fi 或蓝牙设备时，可以预期的精度。
估算的室内精度矩阵
以下表格显示了在室内环境中使用基于 AI（人工神经网络，ANN）的室内定位技术时，可以预期的精度。精度将取决于覆盖的区域以及部署的 Wi-Fi 接入点（AP）或蓝牙信标的数量。
中位误差精度为：
● 绿色：1 到 5 米
● 黄色：5 到 10 米
● 红色：10 米以上
