Wi-Fi-позиционирование

Wi-Fi-позиционирование — это метод определения местоположения объекта (человека, устройства) в пространстве с использованием беспроводных сетей Wi-Fi. Технология основана на анализе параметров сигналов, излучаемых точками доступа (роутерами), и позволяет вычислять координаты с точностью от нескольких метров до десятков метров. Wi-Fi-позиционирование относится к классу технологий локального позиционирования (IPS, Indoor Positioning System), в отличие от глобальных навигационных спутниковых систем (ГНСС), таких как GPS или ГЛОНАСС, которые работают преимущественно на открытых пространствах.

Принцип работы

Основой Wi-Fi-позиционирования является использование существующей инфраструктуры беспроводных сетей. Каждая точка доступа Wi-Fi имеет уникальный идентификатор — BSSID (MAC-адрес), а также передаёт служебные пакеты (beacon frames), содержащие информацию об уровне сигнала (RSSI, Received Signal Strength Indicator). Устройство (смартфон, ноутбук, планшет) сканирует эфир, собирает данные о доступных точках доступа, их MAC-адресах и уровне сигнала, а затем передаёт их на сервер для вычисления позиции.

Существует два основных подхода к определению местоположения:

Триангуляция (метод на основе расстояния)

Этот метод использует зависимость между уровнем сигнала (RSSI) и расстоянием до точки доступа. Чем ближе устройство к роутеру, тем выше уровень сигнала. Зная координаты трёх и более точек доступа и измеренные расстояния до них, можно вычислить местоположение устройства методом трилатерации (решения системы уравнений окружностей). Однако точность этого метода сильно зависит от условий распространения радиоволн: стены, мебель, люди и другие препятствия вызывают затухание, отражение и многолучевость сигнала, что приводит к значительным ошибкам.

Метод «отпечатков пальцев» (Fingerprinting)

Более точный и распространённый подход. Он состоит из двух этапов:

1. Калибровка (обучение). На карте помещения размечаются контрольные точки (обычно с шагом 1–2 метра). В каждой точке производится измерение уровней сигнала от всех видимых точек доступа. Полученные данные (вектор RSSI для каждой точки) сохраняются в базе данных — «радиокарте» (radio map).
2. Определение местоположения. Устройство измеряет текущий вектор RSSI и сравнивает его с записями в радиокарте. Поиск ближайшего совпадения (например, методом k-ближайших соседей, k-NN) или вероятностный алгоритм (фильтр Калмана, байесовский классификатор) даёт оценку координат.

Метод Fingerprinting обеспечивает точность до 2–5 метров в помещении, но требует трудоёмкой предварительной калибровки, которая должна обновляться при изменении планировки или перемещении точек доступа.

История и развитие

Первые эксперименты по использованию Wi-Fi для позиционирования начались в конце 1990-х годов. В 2000 году компания Microsoft Research представила систему RADAR, которая использовала fingerprinting для определения местоположения внутри зданий. В 2004 году компания Ekahau (Финляндия) выпустила коммерческое решение для Wi-Fi-позиционирования, ориентированное на корпоративные сети.

С развитием смартфонов и мобильного интернета технология получила массовое распространение. В 2010-х годах крупные компании, такие как Google и Apple, начали собирать данные о Wi-Fi-сетях для улучшения сервисов геолокации. Google использовал Wi-Fi-позиционирование в сочетании с GPS для ускорения определения местоположения на устройствах Android. Apple внедрила аналогичную технологию в iOS, используя собственную базу данных точек доступа.

В России Wi-Fi-позиционирование активно применяется в навигационных системах торговых центров, аэропортов, вокзалов и музеев. Например, в Московском метрополитене с 2017 года действует система навигации на основе Wi-Fi, позволяющая пассажирам ориентироваться в переходах и на станциях.

Классификация методов

Методы Wi-Fi-позиционирования можно классифицировать по нескольким признакам:

По типу измеряемого параметра

• RSSI-методы — используют уровень сигнала (наиболее распространены).
• Методы на основе времени распространения (ToF, Time of Flight) — измеряют задержку сигнала между устройством и точкой доступа. Требуют синхронизации часов и специального оборудования, поэтому менее распространены в потребительском сегменте.
• Методы на основе угла прихода (AoA, Angle of Arrival) — используют направленные антенны или массивы антенн для определения угла, под которым приходит сигнал. Применяются в профессиональных системах (например, стандарт 802.11mc).

По типу алгоритма

• Детерминированные — вычисляют координаты по точным математическим формулам (трилатерация, триангуляция).
• Вероятностные — используют статистические модели (например, байесовский вывод, фильтр Калмана) для учёта неопределённости измерений.
• Машинное обучение — нейронные сети, метод опорных векторов (SVM) и другие алгоритмы обучаются на радиокарте для предсказания координат.

Применение

Wi-Fi-позиционирование востребовано в сценариях, где GPS/GNSS недоступны или дают большую погрешность:

• Внутри помещений (Indoor Navigation): навигация по торговым центрам, аэропортам, больницам, университетским кампусам, музеям. Пользователь может найти нужный магазин, выход на посадку или кабинет врача.
• Логистика и складское хозяйство: отслеживание перемещения товаров, оборудования и персонала на складах и производственных площадках. Позволяет оптимизировать маршруты и сократить время поиска.
• Безопасность и экстренные службы: определение местоположения человека, вызвавшего экстренную помощь (например, при пожаре или нападении), в здании, где нет GPS.
• Маркетинг и аналитика: сбор данных о перемещениях посетителей в магазинах для анализа трафика, эффективности рекламных стендов и планирования размещения товаров (с соблюдением законодательства о персональных данных).
• Умные здания и IoT: автоматическое включение света, отопления или кондиционирования в зависимости от присутствия людей, определённого по Wi-Fi-сигналам.

Точность и ограничения

Точность Wi-Fi-позиционирования зависит от множества факторов:

• Плотность точек доступа: чем больше роутеров в зоне видимости, тем точнее результат. В типичном офисе (одна точка доступа на 100–200 м²) точность составляет 5–10 метров; в плотной сети (например, в торговом центре) — 2–5 метров.
• Помехи: стены, перекрытия, металлические конструкции, электромагнитные помехи от других устройств (микроволновые печи, Bluetooth-устройства) искажают сигнал.
• Динамическая среда: перемещение людей, открытие/закрытие дверей, изменение температуры и влажности влияют на распространение радиоволн.
• Аппаратные различия: разные модели Wi-Fi-адаптеров и антенн могут по-разному измерять RSSI, что снижает точность при использовании разнородных устройств.

Основные ограничения технологии:

• Необходимость предварительной калибровки (для fingerprinting) или точного знания координат точек доступа (для триангуляции).
• Зависимость от стабильности Wi-Fi-инфраструктуры: отключение или перемещение роутеров требует обновления радиокарты.
• Потенциальные проблемы с конфиденциальностью: сбор MAC-адресов устройств может использоваться для отслеживания перемещений людей без их согласия. В России с 2021 года действуют требования к обработке данных о местоположении, в том числе через Wi-Fi, в соответствии с Федеральным законом № 152-ФЗ «О персональных данных».

Сравнение с альтернативными технологиями

Перспективы развития

Совершенствование Wi-Fi-позиционирования связано с внедрением новых стандартов (например, IEEE 802.11az — Next Generation Positioning), которые обеспечивают более точное измерение расстояния и угла прихода сигнала. Развитие технологий машинного обучения и нейросетей позволяет повысить точность fingerprinting за счёт более сложных моделей, учитывающих динамику среды. Также активно исследуется гибридное позиционирование, объединяющее Wi-Fi, BLE, инерциальные датчики (акселерометр, гироскоп) и камеры для создания систем, работающих в реальном времени с точностью до метра.

В России ведутся разработки в области Wi-Fi-позиционирования в рамках проектов «Умный город» и цифровизации транспорта. Например, в 2023 году в Санкт-Петербурге была запущена пилотная система навигации для маломобильных граждан на основе Wi-Fi и BLE в нескольких станциях метро.

Источники

• Bahl, P., & Padmanabhan, V. N. (2000). RADAR: An in-building RF-based user location and tracking system. Proceedings of IEEE INFOCOM.
• Ekahau. (2004). Real-Time Location Systems (RTLS) for Wi-Fi.
• Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (с изменениями и дополнениями).
• IEEE Standard 802.11-2020 — Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications.
• Отчёты о проектах цифровизации Московского метрополитена и Санкт-Петербургского метрополитена (2017–2023).