基于Lat、Lon与RSSI的NodeJS WiFi网络三边定位方案问询

你当前的需求属于基于路测数据反算WiFi接入点（AP）位置的典型场景，以下是两类可直接落地的方案：

1. 加权质心定位算法（最易实现，优先推荐） #

这是该场景下实现成本最低、适配性最好的算法，完全匹配你现有的数据结构：

• 核心逻辑：RSSI数值越高，代表扫描设备距离AP越近，对应采样点的经纬度权重越高
• 权重计算规则：通常采用指数权重 w = 10^(rssi/10)，符合无线信号的衰减规律，也可简化为 w = -rssi 降低计算量
• 最终AP坐标计算：对所有采样点的经纬度做加权平均即可

  AP_lat = sum(采样点i的权重 * 采样点i的纬度) / 所有采样点权重之和
  AP_lon = sum(采样点i的权重 * 采样点i的经度) / 所有采样点权重之和
  

• 精度表现：民用场景下误差通常在20~50米，满足绝大多数需求

2. 基于路径损耗模型的三边定位法（适合更高精度需求） #

如果需要更高的定位精度，可以结合无线信号衰减模型实现：

• 核心逻辑：WiFi信号在空间中的衰减符合对数距离路径损耗公式：RSSI = A - 10 * n * lg(d)，其中：
  • A为距离AP1米处的RSSI参考值，通常取-45~-55
  • n为路径损耗因子，空旷环境取2，室内/有遮挡环境取3~4
  • d为扫描设备到AP的距离（单位：米）
• 实现步骤：先通过多组采样数据拟合出适配当前环境的A和n值，再通过每个采样点的RSSI计算出到AP的距离d，最后用三边测量法求解AP的经纬度坐标
• 注意事项：需要采样点分布在AP的不同方位，否则容易出现较大计算误差

示例代码（适配你提供的数据结构） #

// 加权质心算法实现
function calcApCoordinate(trackingList) {
  let totalWeight = 0;
  let sumLat = 0;
  let sumLon = 0;

  // 可先过滤异常值，比如RSSI低于-90的弱信号采样点，减少误差
  const validData = trackingList.filter(item => item.rssi > -90);

  validData.forEach(item => {
    const weight = Math.pow(10, item.rssi / 10);
    sumLat += parseFloat(item.lat) * weight;
    sumLon += parseFloat(item.lon) * weight;
    totalWeight += weight;
  });

  return {
    lat: sumLat / totalWeight,
    lon: sumLon / totalWeight
  };
}

内容的提问来源于stack exchange，提问作者Eric