CN104039008A - 一种混合定位方法 - Google Patents
一种混合定位方法 Download PDFInfo
- Publication number
- CN104039008A CN104039008A CN201410209161.1A CN201410209161A CN104039008A CN 104039008 A CN104039008 A CN 104039008A CN 201410209161 A CN201410209161 A CN 201410209161A CN 104039008 A CN104039008 A CN 104039008A
- Authority
- CN
- China
- Prior art keywords
- location
- server
- mode
- quick
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000013598 vector Substances 0.000 claims description 32
- 238000005070 sampling Methods 0.000 claims description 18
- 230000004807 localization Effects 0.000 claims description 15
- 235000012364 Peperomia pellucida Nutrition 0.000 claims description 7
- 240000007711 Peperomia pellucida Species 0.000 claims description 7
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种混合定位方法，包括：根据定位需求自动地选择通过快速模式定位或者通过精准模式定位；所述快速模式以离线方式工作，使用快速AP匹配方法进行定位；所述精准模式以在线方式工作，通过定位服务器进行定位，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
Description
技术领域
本发明涉及WIFI定位领域，尤其涉及一种混合定位方法。
背景技术
随着无线网络的普及和应用，现在对于无线网络的应用到处可见，目前比较常见的无线网络是WIFI无线网络，并且调制解调器、路由器等设备也都基本上带有无线功能，一些商场、办公楼、教学楼等内部都会有WIFI无线网络的覆盖，WIFI无线网络的普及为室内定位提供了良好的条件。
目前在室外定位中，GPS已经提供了比较成熟的定位技术，但是对于室内定位来说，由于受到建筑物的遮挡，卫星信号无法穿透建筑物，使得GPS无法很好地对室内进行定位。这也引发了对室内定位技术的研究，其中使用无线信号来进行室内定位已经成为了一项研究热点，并以此来弥补GPS不能对建筑内部定位的缺陷。如同GPS定位系统需要卫星作为信号发射器一样，室内定位同样需要具有发射信号的设备装置，而室内定位所需要的信号发射装置通常是比较常见的无线接入点(AP，Access Point)。
在无线室内定位技术中，使用信号强度来进行定位的技术主要分为两类，一类是使用信号传播特性，即信号随着传播距离的增加而衰减，对信道进行建模，这样就能够根据接收到的信号强度值来计算出接收设备和发送端之间的距离，并且在已经知道发射器位置的情况下，进一步计算来获得接收处的具体位置，例如三边定位技术。然而由于室内建筑结构的复杂性，又由于信号传播具有反射、衍射等多径效应的传播特性以及传播噪声、信道之间的相互干扰等作用，使得很难构建出比较准确的信号传播模型，因此也难以得到比较理想的定位结果。另一类是称作位置指纹的定位技术，通过采集具体位置信号强度值作为位置指纹并且用预处理过的信号强度值来构建指纹数据库，此技术不仅能够很好的规避信号传播的多径效应而且无需对复杂信道进行建模。采用计算信号距离的方法中，通常包括快速AP匹配算法和K最邻近算法。快速AP匹配算法速度快，资源消耗少，但是定位精度较低，当移动设备使用的是高分辨率电子地图时，定位误差较大。K最邻近算法定位更加精确，但是速度较慢，需要消耗较多的资源，手机等移动设备作为典型的嵌入式系统，受到处理能力、存储资源、电源有限等条件限制，要求运行在其上的嵌入式软件尽量小巧，不能占用大量资源。综上所述，不管是快速AP匹配算法还是K最邻近算法都存在各自的缺点，现有技术中单纯使用其中一种算法来进行定位的方式无法避免算法自身存在的缺点。
发明内容
本发明鉴于上述情况而作出，其目的是提供一种混合定位方法，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
本发明提供一种混合定位方法，包括：
根据定位需求自动地选择通过快速模式定位或者通过精准模式定位。
所述快速模式以离线方式工作，使用快速AP匹配方法进行定位。
所述精准模式以在线方式工作，通过定位服务器进行定位。
进一步地，所述根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括：
判断当前使用的电子地图的分辨率，如果所述电子地图是低分辨率地图，选择通过快速模式定位，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
进一步地，所述使用快速AP匹配方法进行定位包括：
采集一次待定位点的实时WIFI信号值数据。
根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
进一步地，在所述使用快速AP匹配方法进行定位之前还包括：
为每一个参考点分别对每个AP进行至少1次WIFI信号采集。
计算AP在参考点处的信号向量。
以所有参考点的信号向量构建所述稀疏采样指纹数据库。
进一步地，所述通过定位服务器进行定位包括：
采集多次待定位点的实时WIFI信号值数据。
向定位服务器发送封装有所述实时WIFI信号值数据的定位请求。
定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置。
定位服务器返回待定位点的位置。
进一步地，在所述通过定位服务器进行定位之前还包括：
为每一个参考点分别对每个AP进行多次WIFI信号采集。
计算AP在参考点处的信号向量。
以所有参考点的信号向量构建采样指纹数据库。
根据采样指纹数据库进行多分类器训练。
进一步地，所述定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置包括：
根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量。
从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量。
根据权值K最邻近算法来计算出待定位点的位置。
进一步地，所述根据采样指纹数据库进行多分类器训练包括：
将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集。
分别将所述位置指纹按照一对一的方式两两训练分类器。
生成分类器模型。
保存所述分类器模型。
进一步地，所述将所述位置指纹按照一对一的方式两两训练分类器包括：
将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集。
随着惩罚系数及核参数的指数性增长进行交叉验证寻优。
每次寻优后记录最优分类结果对应的惩罚系数及核参数。
将最优的两个参数作为该分类器的惩罚系数及核参数。
优选的，所述采集多次待定位点的实时WIFI信号值数据为4次。
优选的，所述向定位服务器发送封装有所述实时WIFI信号值数据的定位请求为HTTP请求。
本发明能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
附图说明
图1是本发明的一种混合定位方法的流程示意图；
图2是本发明的一种混合定位方法的第一流程示意图；
图3是本发明的一种混合定位方法的第二流程示意图；
图4是本发明的一种混合定位方法的第三流程示意图；
图5是本发明的一种混合定位方法的第四流程示意图；
图6是本发明的一种混合定位方法的第五流程示意图；
图7是本发明的一种混合定位方法的第六流程示意图；
图8是本发明的一种混合定位方法的第七流程示意图；
图9是本发明的一种混合定位方法的第八流程示意图；
图10是本发明的实施例的参考点及AP部署示意图；
图11是本发明的实施例的分类器训练示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种混合定位方法，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
一种混合定位方法，包括：
根据定位需求自动地选择通过快速模式定位或者通过精准模式定位。
所述快速模式以离线方式工作，使用快速AP匹配方法进行定位。
所述精准模式以在线方式工作，通过定位服务器进行定位。
如图1所示，判断地图分辨率的高低，如果地图分辨率高，采用SVM-WKNN(SupportVector Machine-Weighted K-Nearest Neighbor algorithm，结合支持向量机的权重K最邻近结点算法)算法对实测信号S＝(S1，。。。，Sn)进行联机定位，获得定位结果；如果地图分辨率低，采用快速AP匹配算法对实测信号S＝(S1，。。。，Sn)进行单机定位，获得定位结果。
如图2至图9所示，根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括：
步骤S101，判断当前使用的电子地图的分辨率。
步骤S102，如果所述电子地图是低分辨率地图，选择通过快速模式定位。
步骤S103，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
其中，步骤S102与步骤S103并无必然的先后顺序，其是由不同条件触发的。
步骤S102中，使用快速AP匹配方法进行定位包括：
步骤S201，采集一次待定位点的实时WIFI信号值数据。
步骤S202，根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
在步骤S201之前还包括：
步骤S301，为每一个参考点分别对每个AP进行至少1次WIFI信号采集。
步骤S302，计算AP在参考点处的信号向量。
步骤S303，以所有参考点的信号向量构建所述稀疏采样指纹数据库。
步骤S103中，通过定位服务器进行定位包括：
步骤S401，采集多次待定位点的实时WIFI信号值数据。
步骤S402，向定位服务器发送封装有所述实时WIFI信号值数据的定位请求。
步骤S403，定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置。
步骤S404，定位服务器返回待定位点的位置。
在步骤S401之前还包括：
步骤S501，为每一个参考点分别对每个AP进行多次WIFI信号采集。
步骤S502，计算AP在参考点处的信号向量。
步骤S503，以所有参考点的信号向量构建采样指纹数据库。
步骤S504，根据采样指纹数据库进行多分类器训练。
步骤S403具体包括：
步骤S601，根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量。
步骤S602，从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量。
步骤S603，根据权值K最邻近算法来计算出待定位点的位置。
步骤S504具体包括：
步骤S701，将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集。
步骤S702，分别将所述位置指纹按照一对一的方式两两训练分类器。
步骤S703，生成分类器模型。
步骤S704，保存所述分类器模型。
步骤S702具体包括：
步骤S801，将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集。
步骤S802，随着惩罚系数及核参数的指数性增长进行交叉验证寻优。
步骤S803，每次寻优后记录最优分类结果对应的惩罚系数及核参数。
步骤S804，将最优的两个参数作为该分类器的惩罚系数及核参数。
实施例
如图10所示，根据定位场景部署参考点901及AP902，参考点901两两间隔为1.2m，图中共有AP1，AP2，AP3和AP4四个AP。
根据部署的参考点，为每一个参考点采集训练信号样本集，信号样本集中每一个样本都是按照信号向量SV＝(S1,S2，...，Sn)的格式采集，每个参考点均采集40个样本组成信号样本集(即向量SV中n＝40)，按照参考点编号标识保存于服务器上的一个文件中。当所有参考点处的信号样本集都采集完成后，所有的文件就组成了定位所需要的指纹数据库。其中，信号采集的伪代码如下：
SVi表示在某个参考点处采集的第i次的信号向量，RSSi表示来自第i个AP的WIFI信号强度值，第01行代码表示采集40组信号向量组成一个位置指纹，第02行表示将位置指纹保存于文件中。
如图11所示，将预先采集的所有按参考点编号分类的训练信号样本集作为分类器训练的输入，两两按照一对一的方式构建分类器，即m个参考点就可以获得m×(m-1)÷2个分类器(分类器1，分类器2，。。。，分类器n-1和分类器n)来组建多分类器。其中训练单分类器的伪代码如下：
将两组不同的参考点处的位置指纹数据分别给予一个不同的标签后组成一组训练数据集trainSample，然后随着惩罚系数C及核参数γ的指数性增长进行交叉验证寻优，每次记录最优分类结果对应的惩罚系数C及核参数γ，最后将最优的两个参数作为该分类器的惩罚系数及核参数。
训练多分类器的伪代码如下：
如上述伪代码所示，在第01行将所有参考点的位置指纹作为训练样本集输入。然后分别将位置指纹按照一对一的方式两两训练分类器，即所有参考点的位置指纹都需要与其他参考点处的位置指纹进行分类器训练，最终生成的分类器模型数为m×(m-1)÷2个，并保存于文件内。
定位可以分为移动设备单机定位和服务器联机定位。
当在低分辨率地图情况下，用户仅仅需要了解自己目前所处的大体位置，定位结果误差在低分辨率地图上影响不大，此时就可以采用单机定位方式，在这种情况下定位算法运行于本机，而无需打开网络服务来与服务器进行通信。此时定位客户端将利用本地的快速AP匹配算法，只需使用存储在本地的稀疏采样指纹数据库和实测信号S＝(S1，。。。，Sn)即可计算出设备的估计位置信息。
在高分辨率地图下，用户需要获得更准确的当前位置信息，此时使用联机定位方式，移动设备向定位服务器发送封装有实时无线信号数据(RSSI)的定位请求。定位服务器利用结合支持向量机的权值K最邻近组合算法实现高精度定位信息的计算，获得的定位结果通过网络通信返回给移动设备端。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种混合定位方法，其特征在于，包括：
根据定位需求自动地选择通过快速模式定位或者通过精准模式定位；
所述快速模式以离线方式工作，使用快速AP匹配方法进行定位；
所述精准模式以在线方式工作，通过定位服务器进行定位。
2.根据权利要求1所述的方法，其特征在于，所述根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括：
判断当前使用的电子地图的分辨率，如果所述电子地图是低分辨率地图，选择通过快速模式定位，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
3.根据权利要求1所述的方法，其特征在于，所述使用快速AP匹配方法进行定位包括：
采集一次待定位点的实时WIFI信号值数据；
根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
4.根据权利要求3所述的方法，其特征在于，在所述使用快速AP匹配方法进行定位之前还包括：
为每一个参考点分别对每个AP进行至少1次WIFI信号采集；
计算AP在参考点处的信号向量；
以所有参考点的信号向量构建所述稀疏采样指纹数据库。
5.根据权利要求1所述的方法，其特征在于，所述通过定位服务器进行定位包括：
采集多次待定位点的实时WIFI信号值数据；
向定位服务器发送封装有所述实时WIFI信号值数据的定位请求；
定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置；
定位服务器返回待定位点的位置。
6.根据权利要求5所述的方法，其特征在于，在所述通过定位服务器进行定位之前还包括：
为每一个参考点分别对每个AP进行多次WIFI信号采集；
计算AP在参考点处的信号向量；
以所有参考点的信号向量构建采样指纹数据库；
根据采样指纹数据库进行多分类器训练。
7.根据权利要求6所述的方法，其特征在于，所述定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置包括：
根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量；
从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量；
根据权值K最邻近算法来计算出待定位点的位置。
8.根据权利要求6所述的方法，其特征在于，所述根据采样指纹数据库进行多分类器训练包括：
将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集；
分别将所述位置指纹按照一对一的方式两两训练分类器；
生成分类器模型；
保存所述分类器模型。
9.根据权利要求8所述的方法，其特征在于，所述将所述位置指纹按照一对一的方式两两训练分类器包括：
将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集；
随着惩罚系数及核参数的指数性增长进行交叉验证寻优；
每次寻优后记录最优分类结果对应的惩罚系数及核参数；
将最优的两个参数作为该分类器的惩罚系数及核参数。
10.根据权利要求5至9任意一项所述的方法，其特征在于，所述采集多次待定位点的实时WIFI信号值数据为4次；所述向定位服务器发送封装有所述实时WIFI信号值数据的定位请求为HTTP请求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410209161.1A CN104039008B (zh) | 2014-05-16 | 2014-05-16 | 一种混合定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410209161.1A CN104039008B (zh) | 2014-05-16 | 2014-05-16 | 一种混合定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104039008A true CN104039008A (zh) | 2014-09-10 |
| CN104039008B CN104039008B (zh) | 2017-08-25 |
Family
ID=51469554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410209161.1A Expired - Fee Related CN104039008B (zh) | 2014-05-16 | 2014-05-16 | 一种混合定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104039008B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105338489A (zh) * | 2015-11-17 | 2016-02-17 | 中国电子科技集团公司第五十四研究所 | 一种用于室内定位的智能终端及蓝牙室内定位系统 |
| CN105357647A (zh) * | 2015-10-03 | 2016-02-24 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
| CN106793070A (zh) * | 2016-11-28 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于加强深度神经网络的WiFi定位方法及服务器 |
| CN107360552A (zh) * | 2017-08-01 | 2017-11-17 | 电子科技大学 | 一种多分类器全局动态融合的室内定位方法 |
| CN109947118A (zh) * | 2019-04-19 | 2019-06-28 | 南京大学 | 一种使用gpu加速的代价地图快速更新方法 |
| CN111432340A (zh) * | 2020-04-17 | 2020-07-17 | 无锡真源科技有限公司 | 区域精准联合定位系统及定位方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1940590A (zh) * | 2005-09-30 | 2007-04-04 | 英业达股份有限公司 | 定位方法以及系统 |
| CN102036165A (zh) * | 2010-12-16 | 2011-04-27 | 中兴通讯股份有限公司 | 支持多种定位方式的定位方法及用户终端 |
-
2014
- 2014-05-16 CN CN201410209161.1A patent/CN104039008B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1940590A (zh) * | 2005-09-30 | 2007-04-04 | 英业达股份有限公司 | 定位方法以及系统 |
| CN102036165A (zh) * | 2010-12-16 | 2011-04-27 | 中兴通讯股份有限公司 | 支持多种定位方式的定位方法及用户终端 |
Non-Patent Citations (1)
| Title |
|---|
| 颜俊杰: "《中国硕士学位论文全文数据库》", 15 May 2014 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105357647A (zh) * | 2015-10-03 | 2016-02-24 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
| CN105357647B (zh) * | 2015-10-03 | 2019-02-01 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
| CN105338489A (zh) * | 2015-11-17 | 2016-02-17 | 中国电子科技集团公司第五十四研究所 | 一种用于室内定位的智能终端及蓝牙室内定位系统 |
| CN105338489B (zh) * | 2015-11-17 | 2018-08-14 | 中国电子科技集团公司第五十四研究所 | 一种用于室内定位的智能终端及蓝牙室内定位系统 |
| CN106793070A (zh) * | 2016-11-28 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于加强深度神经网络的WiFi定位方法及服务器 |
| CN107360552A (zh) * | 2017-08-01 | 2017-11-17 | 电子科技大学 | 一种多分类器全局动态融合的室内定位方法 |
| CN107360552B (zh) * | 2017-08-01 | 2020-02-07 | 电子科技大学 | 一种多分类器全局动态融合的室内定位方法 |
| CN109947118A (zh) * | 2019-04-19 | 2019-06-28 | 南京大学 | 一种使用gpu加速的代价地图快速更新方法 |
| CN109947118B (zh) * | 2019-04-19 | 2021-10-26 | 南京大学 | 一种使用gpu加速的代价地图快速更新方法 |
| CN111432340A (zh) * | 2020-04-17 | 2020-07-17 | 无锡真源科技有限公司 | 区域精准联合定位系统及定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104039008B (zh) | 2017-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10542330B2 (en) | Automatic adaptive network planning | |
| CN104039008A (zh) | 一种混合定位方法 | |
| CN111742568B (zh) | 检测无线电覆盖问题 | |
| CN104010364B (zh) | 用于确定基站的估计的地理位置的方法和系统 | |
| CN103068035B (zh) | 一种无线网络定位方法、装置及系统 | |
| CN102576067B (zh) | 基于传播特性来将场所与场所类型相关联的方法和设备 | |
| CN109556621B (zh) | 一种路线规划的方法及相关设备 | |
| US8437765B2 (en) | Identifying locations for small cells | |
| US20150304180A1 (en) | Radio access network geographic information system with multiple format | |
| CN104540168B (zh) | 一种测量人群拥挤度的方法、装置与系统 | |
| WO2016061656A1 (en) | Presenting wireless-spectrum usage information | |
| CN105993183A (zh) | 用于在无线电网络的配置中使用功能图协助的方法和工具 | |
| EP2965118A1 (en) | Generating a geofence via an analysis of a gps fix utilization distribution | |
| AU2019216706A1 (en) | Iterative ray-tracing for autoscaling of oblique ionograms | |
| CN107250829A (zh) | 检查无线电模型数据的健康状况 | |
| CN101835089A (zh) | 用于有效地组构网状网络模型的系统和方法 | |
| CN103929751B (zh) | 一种确定不同网络中覆盖共同区域的小区对的方法及装置 | |
| WO2014001579A1 (en) | Location estimation method and system | |
| CN105934685A (zh) | 通过移动设备众包进行接入点位置确定 | |
| CN204010308U (zh) | 基于手机终端的城市综合交通枢纽换乘客流量检测系统 | |
| CN104205963B (zh) | 用于下载数据的设备和方法 | |
| CN103092878B (zh) | 一种聚合展示中的要素智能规避的方法和装置 | |
| CN110073236A (zh) | 机会信号数据中基础设施改变的检测 | |
| JP6433059B2 (ja) | 通信レコードに基づき移動端末を測位する装置、プログラム及び方法 | |
| Vladuta et al. | Data collection analysis: Field experiments with wireless sensors and unmanned aerial vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170825 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |