沿用既有 Wi-Fi AP · 免重拉線 · AI Fingerprinting

Wi-Fi 室內定位系統(沿用既有 AP,建置成本最省)

若場域已經建置 Wi-Fi,Wi-Fi 定位是成本最省的方案 —— 沿用既有 AP、不需重新拉線,即可同時擁有資料傳輸與定位功能。恆準定位以自主開發的AI 樣本比對演算法(AI Fingerprinting / RF Fingerprinting)克服 Wi-Fi 訊號在多隔間環境的干擾,定位效果經實測優於國際網通大廠方案(如 Cisco、Ruckus),已導入國內半導體龍頭廠,應用於緊急救難小組安全、夜班人員安全、緊急求救與禁止區域警示。

技術原理一:手機定位架構(Wi-Fi AP / 藍牙 Beacon)

手機定位架構圖(Wi-Fi AP 定位與藍牙 Beacon 定位)手機定位架構:場域布建 Wi-Fi AP 或藍牙 Beacon,使用者手機掃描訊號後在手機端完成位置運算,再將座標回傳定位 Server 並於 Web 呈現。手機端運算屬分散式架構,使用者眾多時仍可維持效能,並以自適應機制解決不同廠牌手機的訊號差異。手機定位架構:Wi-Fi AP 定位 與 藍牙 Beacon 定位場域端(不需發卡給使用者)Wi-Fi AP沿用既有 AP藍牙 Beacon電池供電免拉線使用者手機位置在手機端算完掃描訊號定位 Server只接收已算好的座標Web 呈現導覽 / 導航 / BI 分析手機端運算的兩大好處① 分散式運算使用者眾多時仍可維持效能Scalability 特性好② 解決異質手機差異自適應機制修正不同廠牌(華為 / OPPO / 小米 / HTC /Samsung / Sony …)訊號差異注意:Wi-Fi 定位在既有 Wi-Fi 場域成本最省,但 iPhone 不支援 Wi-Fi 掃描、Android 10 以上需開發者模式且較耗電;藍牙 Beacon 跨平台相容性較佳。

← 手機請左右滑動檢視完整架構圖 →

手機定位架構 —— 位置在手機端運算完成後才回傳,屬分散式運算。

人員配戴 Wi-Fi Mobile 或 Wi-Fi Tag,利用多個 Wi-Fi AP 的訊號進行定位;掃描到的訊號送至後端 Server 進行定位運算後於 Web 呈現。另一種做法是由使用者手機自行運算位置後再回傳,這種分散式架構有兩個好處:① 使用者眾多時仍可維持效能,Scalability 特性好;② 可解決異質手機的訊號差異問題(華為、OPPO、小米、HTC、Samsung、Sony…)。

手機端的位置運算由我們提供的定位 Library 完成,可整合進客戶既有的 Android App,場域沿用原本的 Wi-Fi,不需額外建置硬體。已應用於賣場的商品定位與工廠的人員定位。

技術原理二:AI 樣本比對(AI Fingerprinting)演算法

AI 樣本比對(AI Fingerprinting)演算法架構圖恆準定位 AI 樣本比對演算法架構:結合 IMU 慣性感測、Wi-Fi 與藍牙 RF 訊號、結構式圖資三類輸入,經 RSSI 樣本比對、機率式多模感測融合與決策融合後輸出座標、樓層與隔間判定,在多隔間環境準確率較傳統三角定位提升 30% 以上。AI 樣本比對(AI Fingerprinting / RF Fingerprinting)演算法架構IMU 慣性感測加速度計 / 陀螺儀磁力計RF 無線訊號Wi-Fi / 藍牙 RSSIAOA / TOA / TDOA / UWB結構式圖資平面圖 / 影像特徵隔間與門的位置RSSI 樣本比對 Pattern Recognition — 與實地建檔的訊號指紋比對Probability-based Sensor Fusion 機率式多模感測資訊融合Decision Fusion 決策融合(判定所在隔間 / 門內外 / 樓層)定位輸出:座標 + 樓層 + 隔間判定,軌跡擬真多隔間環境準確率較傳統三角定位提升 30% 以上 | 演算法與硬體無關,可支援 RSSI、AOA、TOA、TDOA、UWB

← 手機請左右滑動檢視完整架構圖 →

AI 樣本比對演算法架構 —— 融合 IMU、RF 訊號與結構式圖資,輸出含隔間判定的定位結果。

一般定位方式隔間越多效果越差,不適合室內多障礙物、多隔間的環境;定位軌跡也常出現「如蝴蝶亂跳」或落在不合理位置(例如柱子裡),導致專案不易結案。恆準定位以三項創新演算法解決,並受八件專利保護:

此演算法與硬體無關(Hardware Independent),可支援 RSSI、AOA、TOA、TDOA、UWB 等多種定位方式,因此能與多類硬體廠商合作,商業模式彈性高。

使用前必須知道的四個限制(我們選擇誠實揭露)

限制說明因應方式
iPhone 不支援 Wi-Fi 掃描iOS 未開放第三方 App 取得周邊 Wi-Fi AP 掃描結果,因此純 Wi-Fi 定位無法涵蓋 iPhone 使用者。需涵蓋 iPhone 時,搭配藍牙 Beacon 手機定位;或改由場域端的 Tag 定位。
Android 10 以上需開發者模式Android 10 之後對 Wi-Fi 掃描頻率設有限制,連續掃描需開啟開發者模式。改以配戴 Wi-Fi Tag 或藍牙方案;或於企業自有裝置上以 MDM 統一設定。
Wi-Fi 掃描耗電較高相較於藍牙,Wi-Fi 掃描的功耗明顯較高,對電池續航有影響。人員長時間配戴的場景建議改用藍牙 Tag(續航約 1 年);Wi-Fi 定位適合手持終端或已有電源的裝置。
關螢幕或退到背景時掃描受限Android 與 iOS 為了省電,App 進入背景或螢幕關閉後都會大幅降低甚至暫停掃描,位置更新因此變慢或中斷。兩邊我們都有對應做法:Android 以前景服務(Foreground Service)搭配常駐通知維持掃描;iOS 以 Core Bluetooth 背景模式Beacon Region 監測喚醒 App。若場域要求連續且穩定的更新,則改由場域端的 Tag 定位,完全不受手機省電機制影響。

定位 Server 建議規格

項目規格
作業系統Windows 11(64-bit)或 Windows Server 2022 / 2025;亦支援 Linux(Ubuntu 22.04 LTS 以上)
CPUIntel Core i5 第 12 代以上或同等級 Xeon,四核心以上
記憶體16 GB 以上
儲存SSD 512 GB 以上,依歷史軌跡保留期間調整
支援定位方式Wi-Fi AP 手機定位、藍牙 Beacon 手機定位
藍牙 Beacon 需求需符合藍牙 4.0 以上規範
手機支援Android(Wi-Fi 定位);iOS 建議採藍牙 Beacon 定位

實際案例:國內半導體龍頭廠

人員配戴 Wi-Fi Mobile 或 Wi-Fi Tag,利用多個 Wi-Fi AP 的訊號定位,掃描到的訊號傳送至後端 Server 運算後於 Web 呈現。導入效益:

該廠區並將 Wi-Fi 定位應用於消防演練人員即時盤點,於集團各廠區演練評比中獲得冠軍。此方案沿用廠內既有 Wi-Fi AP,不需重新拉線,是既有廠房導入成本最低的做法。

另有國內石化龍頭廠採用 Mobile Beacon 定位系統:使用者手持 Android / iOS 手機,場域布建固定式藍牙 Beacon,手機接收 Beacon 訊號運算出位置後,透過 Wi-Fi 或 4G/5G 傳送到後端 Server,以 Web 進行導覽、導航與 BI 分析。

適用場域

常見問題 FAQ

我們廠內已經有 Wi-Fi,真的可以直接拿來定位嗎?
可以,而且這是成本最省的做法 —— 沿用既有 AP、不需重新拉線。但要注意四個限制:iPhone 不支援 Wi-Fi 掃描、Android 10 以上需開發者模式、Wi-Fi 掃描耗電較高,以及關螢幕/退到背景時掃描會受限。實務上常見的做法是 Wi-Fi 與藍牙混合布建,由恆準定位於前期評估時協助選型。
Wi-Fi 定位的精度大概多少?
約 3–5 公尺,屬於大區域概略定位的等級,適合人員概略位置、物料分區統計與疏散盤點。若需要 1–3 公尺請採藍牙,需要 10–30 公分等級請採 UWB。
定位效果和 Cisco、Ruckus 這些網通大廠比起來如何?
恆準定位的定位效果經實測優於國際網通大廠方案。關鍵在於演算法而非硬體 —— 恆準定位以 AI 樣本比對(AI Fingerprinting)結合結構式圖資,在多隔間環境的準確率較傳統三角定位提升 30% 以上,且演算法與硬體無關,可沿用場域既有的 AP。
為什麼強調「演算法與硬體無關」?
因為這代表客戶不需要為了定位而更換既有網路設備,也代表恆準定位可以與各類硬體廠商合作。該演算法可支援 RSSI、AOA、TOA、TDOA、UWB 等多種定位方式,擴充性高。
定位 Server 需要什麼樣的規格?
作業系統為 Windows 11 64-bit 或 Windows Server 2022 / 2025,亦支援 Linux(Ubuntu 22.04 LTS 以上);CPU 為 Intel Core i5 第 12 代以上或同等級 Xeon 四核心;記憶體 16 GB 以上,儲存建議 SSD 512 GB 以上。若使用藍牙 Beacon,需符合藍牙 4.0 以上規範。

用既有的 Wi-Fi,做到定位

歡迎聯繫恆準定位專案團隊,評估既有 AP 是否足以支撐定位需求。

專業諮詢