物联网跟踪和定位中基于设备的定位案例-物联网跟踪和定位中基于设备的定位案例有

部署在我们的家庭、车辆、工厂、办公楼、公共空间和智能城市基础设施中的数十亿台物联网设备正在推动对大规模跟踪和定位服务的需求。在当今的物联网连接时代，精确地确定无数事物的位置，例如智能电表，医疗可穿戴设备，集装箱和工业机器人。端到端定位服务的物联网用例具有扩展性和关键任务性，从物流和运输到制造和能源。

今天的位置服务通常依赖于全球导航卫星系统（GNSS），有时由Wi-Fi，蓝牙，蜂窝ID和增强型蜂窝ID以及其他基于蜂窝的技术辅助。然而，为了充分利用物联网跟踪和定位服务的巨大潜力，我们需要一个更好的解决方案，以降低实现精确定位所需的硬件和软件的成本和复杂性，同时最大限度地减少从设备传输到云的数据量，以减轻安全风险。

基于位置的服务的传统方法在某些情况下具有明显的局限性。例如，GNSS通常只在户外工作，Wi-Fi通常不可靠或不可用，并且蜂窝ID和增强型蜂窝ID以及其他基于蜂窝的服务可能很复杂且部署成本高昂。需要部分或全部这些解决方案来提供准确的定位。

例如，典型的支持无线功能的 IoT 设备可能使用 LTE 调制解调器进行数据传输，使用全球定位服务 （GPS） 传感器进行室外定位，并使用 Wi-Fi 或蓝牙连接进行室内定位。由此产生的多种无线设备和技术的复杂性需要专用硬件并推高功耗，这与物联网旨在实现的目标相矛盾：设计简单，超低功耗，微小的外形尺寸和非常低的成本。

更好的方法是通过使用4G LTE和基于5G设备的定位来纯粹依赖蜂窝网络本身来消除这种硬件和软件的复杂性。

基于设备的定位不依赖于云、GPS、Wi-Fi 或蓝牙

基于LTE/5G设备的定位依赖于管理基于云的位置的相同基本原则，但由于最终用户设备确定位置，因此该技术不依赖于云，并且几乎消除了与设备到云连接相关的延迟和安全/隐私问题。与网络之间传输的数据量也大大减少，从而节省了大量电力并降低了最终用户的数据使用成本。无需 GPS、Wi-Fi 或蓝牙连接，因为基于设备的定位使用现有的 LTE 信号，从而减少了物料清单、系统成本、设备尺寸和功耗，同时延长了电池寿命（见图 1）。

图 1：基于设备的定位技术（如 hellaPHY）消除了组件，降低了成本和尺寸，并延长了电池寿命。

例如，PHY 无线的一种名为 hellaPHY 的基于设备的定位技术使用 3GPP 第 9 版中标准化的特定于位置的信号。这种基于标准的技术被称为定位参考信号（PRS），旨在提供尽可能高的精度和覆盖范围，同时减少干扰。这些地面信号的信号强度通常比卫星GPS信号高50 dB。

无线运营商可以不经常广播PRS信号，以最大限度地利用其频谱用于数据和其他服务。这些信号通常用于满足增强型 911 （E911） 服务的 FCC 要求。人们普遍认为，如果PRS信号的频率显着超过用于E911等宽带用例的极低密度，则低带宽物联网设备可以提供良好的精度。

基于设备的定位技术只需要非常有限的 PRS 信号带宽（约 0.625%）即可实现接近 GPS 的性能。由于该解决方案是由网络运营商启用和提供的服务，因此基于设备的定位使他们能够充分利用位置信息的潜力，并从其网络资产中获取更高的价值。运营商无需简单地将 PRS 用于 E911 等应用，而是可以应对大量且不断增长的商业机会，这些机会既需要非常低的功耗，也需要很高的位置精度。

虽然GNSS可能比基于设备的定位具有更高的精度，但这一优势通常是没有意义的，因为只有与另一种定位技术结合使用才能实现精确的室内覆盖。此外，并非每个场景都需要最高水平的定位精度，因此LTE-M技术的50米精度通常足以满足许多用例的需求。随着无线行业向5G过渡以及小型蜂窝的激增，特别是在私人无线部署中，基于设备的定位解决方案已被证明可以实现精确到一米的位置精度。

基于设备的定位基于避免与网络交互可以节省电力的前提，因此通过将决策转移到网络边缘并允许低功耗边缘处理器自主做出决策，设备可以决定需要立即传输哪些数据以及以后可以存储和转发哪些数据。

通过最大限度地减少网络和云交互，这种方法可实现大规模物联网扩展，所需数据量比其他蜂窝定位技术少 300 倍。这种方法还为可能需要地理围栏或面包屑处理的各种应用程序打开了大门，使用基于云的技术实现这些应用程序将非常强大。

它是如何运作的

基于设备的定位系统由多种功能组成，如图 2 所示。网络运营商的基站年历（BSA）数据库包含定义网络布局的小区参数，数据库中的每个小区都由唯一的小区标识符（ECGI）表征，其中包括小区传输点的经纬度、物理小区指数、天线信息、发射功率等参数。云辅助服务器与BSA数据库交互，根据与最终用户设备的服务单元的距离，为最终用户设备提供操作员BSA的一小部分。

图 2：基于设备的定位系统的定位系统架构。

可以使用单个micro-BSA获得多个位置修复，并且一旦下载数据，设备就需要与网络进行最少的额外交互。主机调制解调器为板载 hellaPHY 软件提供必要的信息，以完全计算设备位置。为了最大限度地延长电池寿命，PRS 捕获是在 3GPP 低功耗扩展不连续接收 （eDRX） 空闲模式或省电模式 （PSM） 期间执行的。

该软件从micro-BSA中确定细胞以执行测量以获得最佳位置精度，并且使用高级到达时间（TOA）和滤波算法执行参考信号时差（RSTD）测量。hellaPHY LOC由针对具有挑战性的多径蜂窝环境量身定制的位置估计算法组成，这些算法处理TOA测量值和各种质量指标，以得出用户位置的估计值。这些组件紧密耦合，可快速有效地推导准确的位置估计值。

为了说明这一过程，图3比较了用于低功耗广域网（LPWAN）物联网应用的三种定位解决方案。左侧是辅助 GPS 方法（设备 A），中间是基于云的蜂窝方法（设备 B），右侧是基于设备的位置解决方案（设备 C）。此分析中的每个设备都采用 LTE-M 基带在蜂窝网络上进行数据连接。LTE-M 低功耗特性包括 PSM 和 RRC 空闲不连续接收 （DRX）。分析假设 PSM 名义功耗为 0.01 mA，RRC 空闲 DRX 功耗为 2 mA。当连接到 LTE 网络并在 RRC 连接模式下交换数据时，假定 LTE-M 调制解调器消耗 150 mA 电流。

Figure 3: Three devices studied.

设备 A 对卫星传输执行测量，设备 B 和 C 对地面 LTE 蜂窝信号执行测量，同时还使用每 160 毫秒传输 1 毫秒的 PRS。3GPP 规范允许更高密度的 PRS，但假设移动网络运营商正在部署低密度 PRS 来优先考虑数据容量。

设备 A 使用 GPS 接收器在设备上执行位置估计，该接收器针对精确的定时测量、位置计算更新和滤波进行了优化。算法之间的这种紧密耦合可实现精确的位置精度。设备 B 在设备上执行测量并将这些测量结果上传到云

执行位置估计的服务器。

这种方法存在一些基本问题。例如，将位置测量值上传到云会消耗功耗，从而缩短电池寿命，并且将设备上的位置测量值与云中的位置计算分开可能会降低性能。最后，在云中存储来自数百万甚至数十亿台设备的位置信息会招致黑客入侵。

设备 C 解决方案通过使用基于设备的定位克服了设备 B 的问题。测量、位置计算和过滤之间的相互作用有效地提高了位置精度。就预期的位置精度而言，A-GPS仍然是室外位置的黄金标准，其中设备具有清晰的天空可见性（例如卫星），精度约为5 m。但如前所述，室内覆盖有限，而且往往无法获得。

预计设备B的室内和室外位置精度将超过100米，这不如室外A-GPS准确，但仍然可用于许多物联网应用，并具有室内覆盖的优势。设备C将具有比设备B更好的性能，精度为50米，基于Tier-1网络运营商的试验结果，该运营商在LTE-M上比较了helaPHY。设备C还具有支持室内和室外覆盖的优势，并在更长的电池寿命方面提供了显着的优势。

结论

虽然通过蜂窝网络进行定位的历史可以追溯到三十多年前，但它通常用于满足911应用的监管要求。然而，物联网和工业4.0的出现引入了广泛的性能要求，包括准确性，低延迟，可用性，可靠性，安全性以及许多其他因素。

实现精确定位的传统解决方案需要使用GNSS，Wi-Fi甚至蓝牙信标。这些多种技术导致更高水平的网络复杂性、系统成本和功耗，而这些都无法通过小型电池供电的物联网设备轻松适应。最佳解决方案是通过仅利用5G网络中用于LTE网络通信的信号来实现基于设备的定位，从而消除设计复杂性。

图 4：基于设备的位置可显著延长地理围栏和面包屑处理应用的电池寿命。

完全在设备上执行定位需要消耗最少的直流功率以延长电池寿命（图 4），并采用主机设备固有的高级别安全性，同时提供依赖于 LTE/5G 信号的所有定位技术的最高精度。基于海拉PHY设备的定位解决方案的能效是GNSS的60倍。

与其他方法相比，基于设备的定位软件需要的内存也少得多，可以扩展到任何类型的物联网设备，并且频谱效率非常高。由基于设备的定位提供支持的位置服务不仅满足了当前物联网用例的需求，而且还使下一代LTE / 5G连接设备能够提供更高的位置精度。