基于蓝牙信标技术医院患者定位从原理到核心功能详解
·
hello~这里是维构lbs智能定位，如果有项目需求和技术交流欢迎来私信我们~点击文章最下方可获取免费获取技术文档和解决方案
患者安全与行为管理难？关键区域人员管控难？蓝牙信标能做到精准定位，实现智慧医院的美好图景，让医院管理真正实现“看得见、管得准、响应快”！本文将从原理到核心功能展开论述。
一、基于蓝牙信标技术医院患者定位原理
蓝牙信标作为一种小型、低功耗、低成本的无线信号发射装置，仅单向广播自身存在信息，不接收或连接其他设备。智能手机等终端接收到信号后，通过解析信号强度（RSSI）估算与信标的距离，实现区域级定位。
- 信标部署:在医院各个关键位置（走廊交叉口、科室门口）安装蓝牙定位信标。每个信标都有其唯一id，并在后台系统中记录其id对应的物理位置。（如id-789＝住院部b栋东侧楼梯口）
- 信号接收:患者打开医院的小程序或者APP，并开启手机蓝牙，手机会自动扫描到附近所有信标的广播信号。
- 定位计算:手机的app会同时接收到多个信标的信号，通过三角定位或指纹定位算法，综合判断这些信号的强度，计算出用户的所处位置。
完整后端代码：
from flask import Flask, request,
jsonify
import
sqlite3
import
math
from datetime import
datetime
# 初始化Flask应用
app
= Flask(__name__)
# ---------------------- 数据库初始化（信标表+指纹库表）----------------------
def init_db():
"""创建数据库和两张核心表：1.信标基础信息表 2.定位指纹库表"""
conn
= sqlite3.connect('hospital_beacon.db')
cursor
= conn.cursor()
# 1. 信标基础信息表（存储信标ID与物理位置的映射）
cursor
.execute(
'''
CREATE TABLE IF NOT EXISTS beacon_info (
id INTEGER PRIMARY KEY AUTOINCREMENT,
beacon_unique_id TEXT UNIQUE NOT NULL, -- 信标唯一ID（蓝牙UUID+Major+Minor，全局唯一）
physical_location TEXT NOT NULL, -- 物理位置描述（如：住院部B栋东侧楼梯口）
x REAL DEFAULT 0, -- 信标横坐标（可选，用于三角定位）
y REAL DEFAULT 0, -- 信标纵坐标（可选，用于三角定位）
install_time DATETIME DEFAULT CURRENT_TIMESTAMP, -- 部署时间
status INTEGER DEFAULT 1 -- 状态：1=正常，0=故障
)
'''
)
# 2. 定位指纹库表（离线采集的信标RSSI指纹，用于指纹定位）
# 每条记录对应一个物理位置的「信标ID-RSSI」集合（指纹）
cursor
.execute(
'''
CREATE TABLE IF NOT EXISTS location_fingerprint (
id INTEGER PRIMARY KEY AUTOINCREMENT,
physical_location TEXT NOT NULL, -- 物理位置描述（与beacon_info关联）
beacon_rssi_map TEXT NOT NULL, -- 信标ID与对应RSSI的映射（JSON格式字符串）
collect_time DATETIME DEFAULT CURRENT_TIMESTAMP -- 指纹采集时间
)
'''
)
# 插入测试数据（方便演示，实际需后台录入或批量导入）
try:
# 测试信标1
cursor
.execute('INSERT INTO beacon_info (beacon_unique_id, physical_location, x, y) VALUES (?, ?, ?, ?)',
('789', '住院部B栋东侧楼梯口', 10.0, 20.0))
# 测试信标2
cursor
.execute('INSERT INTO beacon_info (beacon_unique_id, physical_location, x, y) VALUES (?, ?, ?, ?)',
('123', '内科门诊门口', 30.0, 20.0))
# 测试指纹库（住院部B栋东侧楼梯口附近的指纹）
cursor
.execute('INSERT INTO location_fingerprint (physical_location, beacon_rssi_map) VALUES (?, ?)',
('住院部B栋东侧楼梯口', '{"789": -50, "123": -70}'))
conn
.commit()
except sqlite3.IntegrityError:
# 避免重复插入测试数据
pass
finally:
conn
.close()
# 启动时初始化数据库
init_db
()
# ---------------------- 核心接口 ----------------------
@app.route('/api/beacon/query', methods=['GET'])
def query_beacon():
"""查询单个信标信息（根据beacon_unique_id）"""
beacon_id
= request.args.get('beacon_id')
if not beacon_id:
return jsonify({'code': 400, 'msg': '缺少信标ID参数', 'data': None})
conn
= sqlite3.connect('hospital_beacon.db')
cursor
= conn.cursor()
cursor
.execute('SELECT * FROM beacon_info WHERE beacon_unique_id = ?', (beacon_id,))
result
= cursor.fetchone()
conn
.close()
if not result:
return jsonify({'code': 404, 'msg': '信标不存在', 'data': None})
# 构造返回数据
beacon_data
= {
'id': result[0],
'beacon_unique_id': result[1],
'physical_location': result[2],
'x': result[3],
'y': result[4],
'install_time': result[5],
'status': result[6]
}
return jsonify({'code': 200, 'msg': '查询成功', 'data': beacon_data})
@app.route('/api/location/fingerprint', methods=['POST'])
def fingerprint_location():
"""指纹定位核心接口：接收前端提交的信标RSSI列表，匹配指纹库返回物理位置"""
try:
# 接收前端提交的数据（JSON格式：{"beacon_rssi_map": {"789": -52, "123": -72}}）
req_data
= request.get_json()
current_beacon_rssi
= req_data.get('beacon_rssi_map')
if not current_beacon_rssi or not isinstance(current_beacon_rssi, dict):
return jsonify({'code': 400, 'msg': '无效的信标RSSI数据', 'data': None})
# 1. 从指纹库中读取所有有效指纹
conn
= sqlite3.connect('hospital_beacon.db')
cursor
= conn.cursor()
cursor
.execute('SELECT physical_location, beacon_rssi_map FROM location_fingerprint')
fingerprints
= cursor.fetchall()
conn
.close()
if not fingerprints:
return jsonify({'code': 404, 'msg': '指纹库为空，无法进行定位', 'data': None})
# 2. 核心匹配逻辑：计算当前RSSI与指纹库中每条记录的「相似度」（误差平方和最小）
min_error
= float('inf') # 最小误差值
best_location
= None # 匹配到的最佳物理位置
for location, fingerprint_rssi_str in fingerprints:
# 解析指纹库中的RSSI映射（字符串转字典）
import
json
try:
fingerprint_rssi
= json.loads(fingerprint_rssi_str)
except:
continue
# 计算误差平方和（只对比双方都存在的信标ID）
error_sum
= 0
common_beacons
= set(current_beacon_rssi.keys()) & set(fingerprint_rssi.keys())
if not common_beacons:
continue
for beacon_id in common_beacons:
current_rssi
= int(current_beacon_rssi[beacon_id])
fingerprint_rssi_val
= int(fingerprint_rssi[beacon_id])
error_sum
+= (current_rssi - fingerprint_rssi_val) ** 2
# 更新最小误差和最佳位置
if error_sum < min_error:
min_error
=
error_sum
best_location
=
location
# 3. 返回定位结果
if best_location:
return jsonify({'code': 200, 'msg': '定位成功', 'data': {'physical_location': best_location}})
else:
return jsonify({'code': 500, 'msg': '未匹配到有效位置', 'data': None})
except Exception as e:
return jsonify({'code': 500, 'msg': f'服务器异常：{str(e)}', 'data': None})
@app.route('/api/location/triangle', methods=['POST'])
def triangle_location():
"""三角定位核心接口（补充）：根据信标坐标和RSSI计算用户位置"""
try:
# 接收前端数据：{"beacon_list": [{"id": "789", "rssi": -50}, {"id": "123", "rssi": -70}]}
req_data
= request.get_json()
beacon_list
= req_data.get('beacon_list')
if not beacon_list or not isinstance(beacon_list, list):
return jsonify({'code': 400, 'msg': '无效的信标数据', 'data': None})
# 1. 批量查询信标坐标和参考RSSI（RSSI0：1米处的信号强度，默认-40，实际需离线采集）
beacon_coords
= {}
for beacon in beacon_list:
beacon_id
= beacon.get('id')
if not beacon_id:
continue
conn
= sqlite3.connect('hospital_beacon.db')
cursor
= conn.cursor()
cursor
.execute('SELECT x, y FROM beacon_info WHERE beacon_unique_id = ?', (beacon_id,))
result
= cursor.fetchone()
conn
.close()
if result:
beacon_coords
[beacon_id] = {
'x': result[0],
'y': result[1],
'rssi': beacon.get('rssi', -100)
}
if len(beacon_coords) < 3:
return jsonify({'code': 400, 'msg': '三角定位需要至少3个有效信标', 'data': None})
# 2. RSSI转距离（经典对数距离路径损耗模型）
# 公式：d = 10^((RSSI0 - RSSI) / (10 * n))
# RSSI0：1米处信号强度（默认-40），n：路径损耗指数（室内取2.5~3.5，这里取3.0）
RSSI0
= -40
n
= 3.0
beacon_distances
= []
for beacon_id, data in beacon_coords.items():
rssi
= data['rssi']
if rssi == 0:
distance
= 0
else:
distance
= math.pow(10, (RSSI0 - rssi) / (10 * n))
beacon_distances
.append({
'x': data['x'],
'y': data['y'],
'd':
distance
})
# 3. 三点定位解算（简化版，基于平面直角坐标系）
A
, B, C = beacon_distances[0], beacon_distances[1], beacon_distances[2]
# 解算公式（推导略，适合新手直接使用）
x1
, y1, d1 = A['x'], A['y'], A['d']
x2
, y2, d2 = B['x'], B['y'], B['d']
x3
, y3, d3 = C['x'], C['y'], C['d']
# 避免除零错误
denominator
= 2 * ((y3 - y1) * (x2 - x1) - (y2 - y1) * (x3 - x1))
if denominator == 0:
return jsonify({'code': 500, 'msg': '信标布局不合理，无法解算', 'data': None})
# 计算用户坐标(x, y)
x
= (
(y3 - y1) * (x2**2 - x1**2 + y2**2 - y1**2 + d1**2 - d2**2)
- (y2 - y1) * (x3**2 - x1**2 + y3**2 - y1**2 + d1**2 - d3**2)
) /
denominator
y
= (
(x2 - x1) * (x3**2 - x1**2 + y3**2 - y1**2 + d1**2 - d3**2)
- (x3 - x1) * (x2**2 - x1**2 + y2**2 - y1**2 + d1**2 - d2**2)
) /
denominator
# 4. 匹配最近的物理位置（简化：返回坐标+最近的信标位置）
conn
= sqlite3.connect('hospital_beacon.db')
cursor
= conn.cursor()
cursor
.execute('SELECT physical_location, x, y FROM beacon_info')
all_beacons
= cursor.fetchall()
conn
.close()
nearest_location
= None
min_dist
= float('inf')
for loc, bx, by in all_beacons:
dist
= math.hypot(x - bx, y - by)
if dist < min_dist:
min_dist
=
dist
nearest_location
=
loc
return jsonify({
'code': 200,
'msg': '定位成功',
'data': {
'user_coords': {'x': round(x, 2), 'y': round(y, 2)},
'nearest_physical_location':
nearest_location
}
})
except Exception as e:
return jsonify({'code': 500, 'msg': f'服务器异常：{str(e)}', 'data': None})
# 启动服务
if __name__ == '__main__':
app
.run(host='0.0.0.0', port=5000, debug=True)

二、基于蓝牙信标技术医院患者定位的核心功能
1.患者安全与智能监护
实时定位与电子围栏：动态追踪特殊患者位置，越界、滞留、聚集自动告警。
一键SOS紧急呼叫：患者触发求助，管理平台即时接收位置信息并联动响应。
轨迹追溯与行为分析：完整还原人员历史活动轨迹，为优化服务流程提供数据支撑。
2.母婴安全保障体系
新生儿防盗定位：实时监控婴儿位置，非法离床、腕带剪断即时告警，杜绝安全隐患。
区域智能管控：对产房、新生儿室等重点区域实现电子围栏防护。
3.医护管理与运营增效
医护人员定位与调度：快速定位医护位置，实现紧急事件一键调度、就近支援。
智能巡检与签到：规范巡检路线与在岗管理，自动生成到岗记录与工作量报表。
4.全院可视化与决策支持
人流量热力图与分析看板：实时呈现区域人流密度，辅助疏导分流与资源调配。
安防联动与应急指挥：与区域内的摄像头联动，突发事件快速定位与可视化处置。
蓝牙信标作为医院患者定位的“神经末梢”，是实现低成本、高覆盖室内定位服务的关键基础设施。它不仅提供精准的导航路标，更是隐形的安全守护者，通过优化人员流动管理、提升应急响应效率，为构建安全、高效、人性化的智慧医院提供核心支撑。
希望本篇对大家有所帮助~点击下方可获取免费获取技术文档和解决方案↓↓↓↓↓↓↓
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
24
0- 0
已为社区贡献14条内容
所有评论(0)