WiFi指纹定位是室内定位的重要技术之一，其核心是构建包含WiFi接入点（Access Point，AP）信息及对应空间位置的指纹数据库。然而，在地铁场景中，由于地下环境无法获取全球卫星导航系统（GNSS）信号，WiFi基站采集过程中难以获得高精度位置标签，导致指纹数据库构建、AP位置估计以及定位模型训练均面临较大挑战。本文分析地铁站内及沿线WiFi基站采集过程中存在的定位问题，并介绍常见解决方案。

1. 引言

近年来，随着智慧交通和室内导航的发展，基于WiFi信号的室内定位技术得到了广泛应用。与室外环境不同，地铁属于典型的地下封闭空间，GNSS信号受到严重遮挡，无法为WiFi数据采集提供可靠的位置参考。因此，如何准确标注WiFi采样点的位置，成为地铁WiFi定位系统建设中的关键问题。

2. 地铁WiFi覆盖特点

地铁无线网络主要覆盖地铁站和站间隧道两类场景。

在地铁站内，WiFi AP通常部署于站厅、站台、出入口、换乘通道等区域，覆盖范围相对较小，但AP数量较多，信号之间存在一定重叠。

在站间隧道，部分线路会部署用于乘客服务或运营维护的WiFi设备，AP通常沿线路连续布设，以保证列车运行过程中无线覆盖的连续性。相比站内，沿线AP间距更大，覆盖范围更长，采样环境更加复杂。

3. 地铁WiFi采集面临的主要定位问题

3.1 GNSS信号失效导致采样点无法准确定位

在室外环境中，WiFi指纹采集通常利用GPS或北斗获得采样点坐标，并将采集到的BSSID、RSSI等信息与对应坐标关联。

然而，在地下地铁环境中，由于建筑物和地下结构对卫星信号的屏蔽作用，GNSS几乎完全失效。采集设备只能记录WiFi扫描结果，而无法获得对应的高精度空间坐标，导致采样数据缺少可靠的位置标签。

这是地铁WiFi采集过程中最根本的问题。

3.2 WiFi AP位置未知

普通终端能够扫描到的信息通常包括：

• BSSID（MAC地址）
• SSID
• RSSI
• 工作频段
• 信道

但无法获得AP的真实安装位置。

虽然地铁运营方通常掌握AP部署信息，但这些数据一般不会向公众开放。因此，对于第三方采集而言，每一个AP都属于未知位置的无线节点。

缺乏AP坐标不仅增加了指纹数据库构建难度，也限制了基于传播模型的定位算法应用。

3.3 沿线连续覆盖增加位置标注难度

对于地铁隧道，WiFi AP通常按照线路连续部署。

由于列车运行过程中无法获得GPS坐标，采集系统只能记录不同时间的WiFi扫描结果，而无法确定采样点位于线路的具体位置。

因此，即使能够采集大量WiFi数据，也难以建立"信号—位置"之间的准确对应关系。

3.4 指纹数据库缺少真实标签

WiFi指纹定位依赖大量带有准确位置标签的数据，例如：

当地铁环境无法获得采样点坐标时，数据库只能保存WiFi信号强度，而缺失对应的位置标签。

缺乏高质量标注数据将直接影响定位模型训练效果，降低定位精度。

3.5 信号环境复杂

地铁环境具有明显的多径传播特性。

列车、金属墙体、广告牌、屏蔽门以及乘客流动都会导致：

• 信号反射；
• 信号衍射；
• 阴影衰落；
• RSSI快速波动。

同一位置在不同时间采集的数据可能存在明显差异，进一步增加了WiFi指纹数据库维护和更新的难度。

4. 常见解决方案

针对上述问题，目前主要采用多源信息融合的方法获取高精度位置标签。

（1）基于地铁线路里程定位

列车运行过程中，可利用线路里程（Mileage）替代GPS坐标，通过已知线路长度和列车位置，为WiFi采样数据赋予沿线路方向的位置标签。

（2）基于电子地图和CAD图纸

对于车站区域，可利用CAD图纸、BIM模型或电子地图建立统一坐标系，并在已知位置采集WiFi数据，完成指纹数据库构建。

（3）PDR定位

利用手机惯性测量单元（IMU）进行行人航位推算（Pedestrian Dead Reckoning，PDR），结合少量控制点对轨迹进行校正，从而推算采样点位置。

（4）SLAM建图

采用视觉SLAM、激光SLAM或多传感器融合SLAM技术，同时完成环境建图与轨迹估计，为WiFi采集数据提供连续的位置参考。

（5）多源融合定位

目前较成熟的方法通常融合多种信息，包括：

• WiFi信号；
• 蜂窝基站信息；
• 蓝牙Beacon；
• IMU惯性传感器；
• 地铁线路里程；
• 电子地图。

通过多源信息互补，提高采样点定位精度，并增强定位系统的鲁棒性。

5. 展望

随着WiFi 6、WiFi 7和5G融合网络的发展，未来地铁定位系统将更加依赖无线网络与多传感器融合技术。结合机器学习、无线指纹更新、自监督学习以及数字孪生地铁等技术，可进一步降低人工测绘成本，提高WiFi数据库自动构建和持续更新能力，为智慧地铁导航、客流分析和位置服务提供更加精准的数据支撑。

6. 总结

地铁WiFi基站采集过程中面临的核心问题是缺乏高精度位置标签。地下环境导致GNSS信号失效，使采集设备无法获取真实坐标；同时，WiFi AP安装位置通常不可公开获取，进一步增加了数据库构建难度。此外，隧道连续覆盖、多径传播以及信号波动等因素也影响了定位精度。因此，现代地铁WiFi定位系统普遍采用线路里程、电子地图、PDR、SLAM及多源信息融合等技术，为WiFi采样数据提供可靠的位置参考，从而实现高精度、连续性的室内定位。

维智物联全域定位系统，紧跟5G基站建设趋势，依托网络代际更替优势，持续优化定位算法，为智能物联提供精准时空底座。