CN104168647B - 采用多种定位算法进行定位的方法、系统及服务器 - Google Patents
采用多种定位算法进行定位的方法、系统及服务器 Download PDFInfo
- Publication number
- CN104168647B CN104168647B CN201310184905.4A CN201310184905A CN104168647B CN 104168647 B CN104168647 B CN 104168647B CN 201310184905 A CN201310184905 A CN 201310184905A CN 104168647 B CN104168647 B CN 104168647B
- Authority
- CN
- China
- Prior art keywords
- location
- true
- algorithm
- piecemeal
- positioning
- 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.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
提供了一种采用多种定位算法进行定位的定位系统和定位方法,所述定位系统包括:终端,通过接入点向服务器发出定位请求,所述定位请求包括与定位有关的数据;服务器,根据对于预先存储的真实定位数据集的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位,其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标。
Description
技术领域
本发明涉及定位技术领域,更具体地,涉及一种在网络定位中采用多种定位方式的服务器、组合定位方法和使用该方法的定位系统。
背景技术
随着通信技术的发展,WiFi热点(即,接入点AP)越来越普及,在城市中通过总是能够找到可以接入的至少一个WiFi热点。实际上,在某个地点,移动终端通常能够接收到多个WiFi热点的信号,因此,基于WiFi热点的无线网络定位技术也得到了越来越多的应用。
与现有的诸如GPS定位、蜂窝定位等定位方式相比,WiFi定位具有以下优势:可工作于室内、室外等不同场合,为实现全面覆盖的定位提供了可能性;仅依赖于现有的WiFi网络和终端的WiFi无线通信模块,无需对现有网络架构进行改造,也不会增加终端的硬件成本;WiFi信号受非视距(NLOS)影响下,即使在有障碍物阻挡的情况下也能使用。
当前,绝大多数WiFi定位算法都利用RSS,其方法主要分为三角定位算法和指纹识别算法。三角定位算法利用待测目标到至少三个已知参考点之间的距离信息估计目标位置,而指纹识别方法则通过比较定位所需的信号特征指纹信息来获取目标位置。经过研究发现,这些定位算法各有利弊,在某些区域可能一种定位算法比较好,而在另一区域可能另一种定位算法的定位精度更高。因此,需要一种组合多种定位算法来实现最优的定位效果的定位方法和定位系统,从而充分发挥不同的定位算法的优势。
发明内容
本发明的一方面在于提供一种采用多种定位算法进行定位的定位系统,包括:终端,通过接入点向服务器发出定位请求,所述定位请求包括与定位有关的数据;服务器,根据对于预先存储的真实定位数据集的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位,其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标。
根据本发明的一方面,在对于真实定位数据集的训练中,服务器将整个区域划分为多个分块,并基于所述多条真实定位数据获得每个分块的最优定位算法,其中,服务器在定位时采用默认定位算法对终端进行定位,确定默认定位算法的结果处于所述多个分块中的哪一个分块,然后根据确定的分块的最优定位算法来对终端进行定位,所述默认定位算法是所述多种定位算法之一。
根据本发明的一方面,服务器将所述多种定位算法中的每一种定位算法应用于真实定位数据来得到与该定位算法对应的定位结果坐标,并通过对应用每种定位算法所得到的定位结果坐标和真实定位数据所包含的真实定位结果坐标之间的误差进行比较,来确定每个分块的最优定位算法。
根据本发明的一方面,所述多个分块是固定大小和形状的分块。
根据本发明的一方面,在对于真实定位数据集的训练中,服务器随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并用真实定位数据集确定多种划分方案中的整体定位精度最高的划分方案,其中,在对终端定位时,服务器根据默认定位算法进行定位,确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
根据本发明的一方面,在用真实定位数据集确定了每个分块的最优定位算法之后,服务器用与所述真实定位数据集不同的另一真实定位数据集来确定所述多种划分方案中的整体定位精度最高的划分方案。
根据本发明的一方面,在训练过程中,服务器确定对于真实定位数据集中的每个MAC地址的最优定位算法,并根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
根据本发明的一方面,在根据定位请求中的MAC地址来进行定位时,服务器根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并根据加权的结果来确定最终的最优定位算法。
根据本发明的另一方面,提供了一种采用多种定位算法进行定位的定位方法,包括:终端通过接入点向服务器发出定位请求,所述定位请求包括与定位有关的数据;服务器根据对于预先存储的真实定位数据集的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位,其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标。
根据本发明的另一方面,提供了一种采用多种定位算法来进行定位的服务器,包括:接收单元,接收来自终端的定位请求,所述定位请求包括与定位有关的数据;存储单元,存储真实定位数据集;训练单元,根据存储的真实定位数据集进行训练;定位请求处理单元,基于训练单元的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位;发送单元,将定位结果发送回终端,其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标。
根据本发明的另一方面,训练单元将整个区域划分为多个分块,并基于所述多条真实定位数据获得每个分块的最优定位算法,定位请求处理单元首先采用默认定位算法对终端进行定位,确定默认定位算法的结果处于所述多个分块中的哪一个分块,然后根据确定的分块的最优定位算法来对终端进行定位,所述默认定位算法是所述多种定位算法之一。
根据本发明的另一方面,训练单元将所述多种定位算法中的每一种定位算法应用于真实定位数据来得到与该定位算法对应的定位结果坐标,并通过对应用每种定位算法所得到的定位结果坐标和真实定位数据所包含的真实定位结果坐标之间的误差进行比较,来确定每个分块的最优定位算法。
根据本发明的另一方面,所述多个分块是固定大小和形状的分块。
根据本发明的另一方面,训练单元随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并用真实定位数据集确定多种划分方案中的整体定位精度最高的划分方案,其中,在对终端定位时,定位请求处理单元首先根据默认定位算法进行定位,确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
根据本发明的另一方面,在用真实定位数据集确定了每个分块的最优定位算法之后,训练单元用与所述真实定位数据集不同的另一真实定位数据集来确定所述多种划分方案中的整体定位精度最高的划分方案。
根据本发明的另一方面,训练单元确定对于真实定位数据集中的每个MAC地址的最优定位算法,并根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
根据本发明的另一方面,在根据定位请求中的MAC地址来进行定位时,定位处理单元根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并根据加权的结果来确定最终的最优定位算法。
附图说明
通过下面结合附图进行的描述,本发明的上述和其他目的和特点将会变得更加清楚,其中:
图1是示出根据本发明实施例的定位系统的配置示意图;
图2是示出根据本发明实施例的定位系统的服务器的配置示意图;
图3是示出根据本发明实施例的定位方法的流程图。
具体实施方式
下面提供参照附图进行的描述以有助于全面理解如权利要求及其等同物所限定的本发明的示例性实施例。所述描述包括各种详细的细节以有助于理解,而这些描述将被认为仅为示例性的。因此,本领域的普通技术人员将意识到在不脱离本发明的范围和精神的情况下可做出在此描述的各种改变和变型。另外,为了清晰和简洁,可省略对公知功能和构造的描述。
如图1所示,根据本发明的定位系统包括:终端100、接入点(AP)110和服务器120。
终端100通过WiFi与AP 110连接。AP 110经过无线控制器(AC)和互联网连接到服务器120。当终端100请求定位时,AP 110通过互联网将定位请求转发到服务器120。这里,定位请求包括与WiFi定位相关的数据,诸如AP的MAC地址、RSSI值等。应理解,在服务器120负责的整个区域中,可存在分布在不同位置的多个AP 110与服务器120连接,服务器120可以是集群服务器。
如图2所示,服务器120包括:接收单元121、定位请求处理单元122、训练单元123、存储单元124和发送单元125。
在服务器120的存储单元124中存储有大量的真实的定位数据。这里的真实定位数据包括历史上收集到的定位数据及其GPS定位数据。例如,一条真实定位数据可表示为:GPS(x,y);WiFiquery(mac1,rssi1|mac2,rssi2|……)。其中,GPS(x,y)表示历史上某一终端在进行定位时提供的GPS坐标数据,可以被认为是正确的定位数据。WiFiquery(mac1,rssi1|mac2,rssi2|……)表示该终端在进行定位时提供的定位所需的数据,其包括多个AP的MAC地址以及RSSI值。可具有上亿条这样的真实定位数据。服务器120的训练单元123可通过训练这些真实定位数据来得到对于当前终端100最优的定位方式,从而定位请求处理单元122可采用最优的定位方式来对终端100进行定位。下面将详细描述根据本发明的训练真实定位数据的实施例。
根据本发明的第一实施例,服务器120的训练单元123可将其负责的区域划分为多个分块,并根据真实的定位数据来确定每个分块中的最优定位算法。
服务器120的训练单元123可将其负责的区域划分为固定的多个分块Blockj,j=1,2,…,n。例如,可将整个区域划分为多个50M*50M的正方形分块。当然,本发明的分块形状不限于正方形,也可以是其它形状。然后,对于每一条真实定位数据,服务器120的训练单元123可采用多种定位算法来计算每种定位算法的定位误差。这里,假设采用两种定位算法A和B。
具体地,服务器120的训练单元123可包括定位引擎A和B,定位引擎A用于采用定位算法A来得到定位结果,而定位引擎B用于采用定位算法B来得到定位结果。对于每一条真实定位数据,服务器120的训练单元123首先将WiFiquery(mac1,rssi1|mac2,rssi2|……)输入到定位引擎A,得到定位结果(xa,ya)。然后,训练单元123计算该定位结果(xa,ya)与真实定位结果GPS(x,y)的距离,即作为本次定位使用方法A而产生的误差Ea。然后,训练单元123将WiFiquery(mac1,rssi1|mac2;rssi2|……)输入到定位引擎B,得到定位结果(xb,yb)。然后,训练单元123计算该定位结果(xb,yb)与真实定位结果GPS(x,y)的距离,即作为本次定位使用方法B而产生的误差Eb。然后,训练单元123比较Ea和Eb,如果Ea<Eb,则说明对于该条真实定位数据来说,定位算法A好于定位算法B。反之,如果Ea>Eb,则说明对于该条真实定位数据来说,定位算法A差于定位算法B。假设Ea<Eb,则训练单元123找到GPS(x,y)的坐标所处于的分块Blockj,并将该分块Blockj的与定位算法A对应的权值WjA+1。反之,如果Ea>Eb,则训练单元123将该分块Blockj的与定位算法B对应的权值WjB+1。
这样,通过以上的方式对所有的真实定位数据进行训练,可最终得到每个分块的分别与定位算法A和定位算法B对应的权值WjA和WjB。训练结果被保存在训练单元123中。
然后,每当接收到来自终端100的定位请求时,服务器120的定位请求处理单元122可首先采用默认的定位算法(假设为定位算法A)对该终端100进行定位。然后,服务器120的定位请求处理单元122确定根据默认定位算法定位的结果位于哪个分块中,并根据训练单元123的训练结果来确定是否需要采用另一定位算法来重新定位。如果在该分块中定位算法A的效果更好,即,WjA>WjB,则定位请求处理单元122认为当前的定位结果是准确的,并将定位结果返回到终端100。如果定位请求处理单元122确定在该分块中定位算法B的效果更好,即,WjA<WjB,则认为需要改变定位算法,并重新用定位算法B对终端100进行定位,然后,发送单元125将定位结果返回终端100。
通过以上的方式,可以根据灵活地结合两种定位算法来实现定位。当然,本发明不限于两种定位方式,三种或者更多种定位算法也是可行的。另外,以上的用权值来确定每个分块的最优定位算法的方式也仅是一种示例,可基于真实定位数据采用其它方式来确定每个分块的最优定位方法。
除了固定的分块划分方案,服务器120的训练单元123还将其负责的区域划随机划分为形状和大小不固定的多个分块。这样,训练单元123可产生N个划分方案,N为足够大的自然数。根据定位区域的大小,N可以是数亿个方案。这些区域划分方案可表示为Pj,j=1,2,…,N。然后,对于每个划分方案Pj,训练单元123使用真实定位数据集来确定多种定位算法中对于每个分块的最优定位算法。这里,确定每个分块的最优定位算法的过程已经在上面进行了详细描述,因此,将不再进行具体的阐述。通过确定划分方案Pj的每个分块的最优定位算法,可形成对于划分方案Pj的综合定位算法,并可得到该综合定位算法的整体定位精度。这里,可计算每个分块在采用确定的最优定位算法的情况下将真实定位数据集应用于每个分块而产生的定位误差之和,并将每个分块的定位误差之和相加的总和来表示该划分方案的整体精度。
特别地,还可将针对划分方案Pj的综合定位算法应用于与当前的真实定位数据集(假设为数据集PD1)不同的另一真实定位数据集(假设为数据集PD2),并计算出该综合定位算法的整体定位精度。这样的目的在于,通过利用不同的数据集来消除特异性误差。
然后,训练单元123可对每个划分方案Pj(j=1,2,…,N)的整体定位精度进行比较,从而得到整体定位精度最好的划分方案Pk。此后,每当服务器120接收到来自终端100的定位请求时,定位请求处理单元122可采用默认的定位算法对该终端100进行定位。然后,训练单元123根据默认定位算法的定位结果确定定位的结果位于最优划分方案Pk中的哪个分块中,并采用该划分方案中与该分块对应的最优定位算法来对终端100进行定位。然后,发送单元125返回定位结果。
根据本发明的第二实施例,训练单元123在训练过程中可采用不同的定位算法来确定对于真实定位数据集中的每个MAC地址的最优定位算法,从而可根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
具体地,针对每条真实定位数据,可通过计算每种定位算法所得到的定位结果与真实定位结果GPS(x,y)的距离来确定最优的定位算法。例如,在采用两种定位算法A和B的情况下,对于一条真实定位数据GPS(x,y);WiFiquery(mac1,rssi1|mac2,rssi2|mac3,rssi3),如果采用定位算法A最优,则训练单元123将该条真实定位数据中所涉及的全部MAC地址(即,mac1,mac2,mac3)的权值的与定位算法A对应的权值(表示为Wmac1A、Wmac2A、Wmac3A)加1,如果采用定位算法B最优,则将该条真实定位数据中所涉及的全部MAC地址的权值的与定位算法B对应的权值(表示为Wmac1B、Wmac2B、Wmac3B)加1。对所有的真实定位数据执行上述的过程,这样,可得到每个MAC地址与每种定位算法对应的最终权值。通过比较每个MAC地址与每种定位算法对应的最终权值,可确定所有真实定位数据所涉及的每个MAC地址的最优定位算法。
这样,在经过以上的训练之后,当服务器120接收到来自终端100的定位请求时,定位请求处理单元122确定该定位请求中所涉及的MAC地址,并根据训练单元123得到的每个MAC地址的最优定位算法来确定对于该定位请求的最优方法。例如,如果一个定位请求包括了三个MAC地址mac1,mac2,mac3,而mac1的最优定位算法为A,mac2的最优定位算法为B,mac3的最优定位算法为A,则定位请求处理单元122可比较(Wmac1A+Wmac3A)和Wmac2B,以确定对于该定位请求的最优定位算法。
另外,优选地,在根据定位请求中的MAC地址来进行定位时,还可根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并确定最终的最优定位算法。例如,如果一个定位请求包括了三个MAC地址mac1、mac2、mac3,mac1、mac2、mac3的RSSI值为rssi1、rssi2、rssi3,rssi1>第一预定阈值,第二预定阈值<rssi2<第一预定阈值,rssi3<小于第二预定阈值,则可分别为mac1、mac2和mac3分配权值1、0.7、0.5,这样,对于该定位请求,(Wmac1A+0.5*Wmac3A)和0.7*Wmac2B,以确定对于该定位请求的最优定位算法。当然,以上的预定阈值和权值仅是示意,可根据实际情况采用其它的阈值和权值。
下面将参照图3来说明根据本发明实施例的采用多种定位算法的组合定位方法的流程图。
首先,在步骤S301,终端100通过AP 110发送向服务器120发送定位请求。这里,定位请求包括与定位相关的数据,诸如AP的MAC地址、RSSI值等。
接下来,在步骤S303,服务器120根据对于预先存储的真实定位数据集的训练结果,结合来自终端100的与定位相关的数据来确定多种定位算法中的对于该终端100最优的定位算法。
然后,在步骤S305,根据在步骤S303确定的最优定位算法对终端100进行定位,并将定位的结果返回到终端100。
其中,在对于真实定位数据集的训练中,服务器120可通过将整个区域划分为多个分块,并基于集合中的每条真实定位数据获得每个分块的最优定位方法。这样,在步骤S303,服务器120首先根据默认定位算法对终端100进行定位,然后确定默认定位算法定位结果所在的分块,并根据训练结果所确定的该分块的最优定位算法来对终端100进行定位。
这里,可将整个区域划分为固定大小和形状的分块,并确定每个分块的最优定位算法。另外,可随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并确定其中整体定位精度最高的划分方案。这样,在步骤S303,在首先根据默认定位算法进行定位之后,可确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
根据本发明的另一实施例,服务器120在对真实定位数据集的训练过程中,可采用不同的定位算法来确定对于真实定位数据集中的每个MAC地址的最优定位算法,从而可根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。另外,优选地,在根据定位请求中的MAC地址来进行定位时,还可根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并确定最终的最优定位算法。
本发明通过对现有的真实定位数据进行训练来得到对于终端最优的定位算法,从而可以利用多种定位算法的各自的优势,克服各种定位算法自身的缺陷,可以实现更精确的定位。
根据本发明的方法可被记录在包括执行由计算机实现的各种操作的程序指令的计算机可读介质中。介质也可以只包括程序指令或者包括与程序指令相结合的数据文件、数据结构等。计算机可读介质的例子包括磁介质(例如硬盘、软盘和磁带);光学介质(例如CD-ROM和DVD);磁光介质(例如,光盘);以及特别配制用于存储并执行程序指令的硬件装置(例如,只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。介质也可以是包括传输规定程序指令、数据结构等的信号的载波的传输介质(例如光学线或金属线、波导等)。程序指令的例子包括例如由编译器产生的机器码和包含可使用解释器由计算机执行的高级代码的文件。
尽管已经参照本发明的示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离由权利要求限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (21)
1.一种采用多种定位算法进行定位的定位系统,包括:
终端,通过接入点向服务器发出定位请求,所述定位请求包括与定位有关的数据;
服务器,根据对于预先存储的真实定位数据集的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位,
其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标,
其中,在对于真实定位数据集的训练中,服务器将整个区域划分为多个分块,并基于所述多条真实定位数据获得每个分块的最优定位算法,
其中,服务器在定位时采用默认定位算法对终端进行定位,确定默认定位算法的结果处于所述多个分块中的哪一个分块,然后根据确定的分块的最优定位算法来对终端进行定位,所述默认定位算法是所述多种定位算法之一。
2.如权利要求1所述的定位系统,其中,服务器将所述多种定位算法中的每一种定位算法应用于真实定位数据来得到与该定位算法对应的定位结果坐标,并通过对应用每种定位算法所得到的定位结果坐标和真实定位数据所包含的真实定位结果坐标之间的误差进行比较,来确定每个分块的最优定位算法。
3.如权利要求1所述的定位系统,其中,所述多个分块是固定大小和形状的分块。
4.如权利要求1所述的定位系统,其中,在对于真实定位数据集的训练中,服务器随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并用真实定位数据集确定多种划分方案中的整体定位精度最高的划分方案,
其中,在对终端定位时,服务器根据默认定位算法进行定位,确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
5.如权利要求4所述的定位系统,其中,在用真实定位数据集确定了每个分块的最优定位算法之后,服务器用与所述真实定位数据集不同的另一真实定位数据集来确定所述多种划分方案中的整体定位精度最高的划分方案。
6.如权利要求1所述的定位系统,其中,在训练过程中,服务器确定对于真实定位数据集中的每个MAC地址的最优定位算法,并根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
7.如权利要求6所述的定位系统,其中,在根据定位请求中的MAC地址来进行定位时,服务器根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并根据加权的结果来确定最终的最优定位算法。
8.一种采用多种定位算法进行定位的定位方法,包括:
终端通过接入点向服务器发出定位请求,所述定位请求包括与定位有关的数据;
服务器根据对于预先存储的真实定位数据集的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位,
其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标,
其中,在对于真实定位数据集的训练中,服务器将整个区域划分为多个分块,并基于所述多条真实定位数据获得每个分块的最优定位算法,
其中,服务器在定位时采用默认定位算法对终端进行定位,确定默认定位算法的结果处于所述多个分块中的哪一个分块,然后根据确定的分块的最优定位算法来对终端进行定位,所述默认定位算法是所述多种定位算法之一。
9.如权利要求8所述的定位方法,其中,在获得每个分块的最优定位算法中,服务器将所述多种定位算法中的每一种定位算法应用于真实定位数据来得到与该定位算法对应的定位结果坐标,并通过对应用每种定位算法所得到的定位结果坐标和真实定位数据所包含的真实定位结果坐标之间的误差进行比较,来确定每个分块的最优定位算法。
10.如权利要求8所述的定位方法,其中,所述多个分块是固定大小和形状的分块。
11.如权利要求8所述的定位方法,其中,在对于真实定位数据集的训练中,服务器随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并用真实定位数据集确定多种划分方案中的整体定位精度最高的划分方案,
其中,在对终端定位时,服务器根据默认定位算法进行定位,确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
12.如权利要求11所述的定位方法,其中,在用真实定位数据集确定了每个分块的最优定位算法之后,服务器用与所述真实定位数据集不同的另一真实定位数据集来确定所述多种划分方案中的整体定位精度最高的划分方案。
13.如权利要求8所述的定位方法,其中,在训练过程中,服务器确定对于真实定位数据集中的每个MAC地址的最优定位算法,并根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
14.如权利要求13所述的定位方法,其中,在根据定位请求中的MAC地址来进行定位时,服务器根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并根据加权的结果来确定最终的最优定位算法。
15.一种采用多种定位算法来进行定位的服务器,包括:
接收单元,接收来自终端的定位请求,所述定位请求包括与定位有关的数据;
存储单元,存储真实定位数据集;
训练单元,根据存储的真实定位数据集进行训练;
定位请求处理单元,基于训练单元的训练结果,结合来自终端的与定位相关的数据来确定多种定位算法中的对于该终端最优的定位算法,并利用最优的定位算法对终端进行定位;
发送单元,将定位结果发送回终端,
其中,所述真实定位数据集包括多条真实定位数据,每条真实定位数据包括预先得到的与定位有关的数据和真实定位结果坐标,
其中,训练单元将整个区域划分为多个分块,并基于所述多条真实定位数据获得每个分块的最优定位算法,
定位请求处理单元首先采用默认定位算法对终端进行定位,确定默认定位算法的结果处于所述多个分块中的哪一个分块,然后根据确定的分块的最优定位算法来对终端进行定位,所述默认定位算法是所述多种定位算法之一。
16.如权利要求15所述的服务器,其中,训练单元将所述多种定位算法中的每一种定位算法应用于真实定位数据来得到与该定位算法对应的定位结果坐标,并通过对应用每种定位算法所得到的定位结果坐标和真实定位数据所包含的真实定位结果坐标之间的误差进行比较,来确定每个分块的最优定位算法。
17.如权利要求15所述的服务器,其中,所述多个分块是固定大小和形状的分块。
18.如权利要求15所述的服务器,其中,训练单元随机产生多种将整个区域划分为大小和形状不固定的多个分块的划分方案,并用真实定位数据集确定多种划分方案中的整体定位精度最高的划分方案,
其中,在对终端定位时,定位请求处理单元首先根据默认定位算法进行定位,确定默认定位算法的结果处于整体定位精度最高的划分方案中的哪一个分块,并根据该划分方案中与该分块对应的最优定位算法来对终端进行定位。
19.如权利要求18所述的服务器,其中,在用真实定位数据集确定了每个分块的最优定位算法之后,训练单元用与所述真实定位数据集不同的另一真实定位数据集来确定所述多种划分方案中的整体定位精度最高的划分方案。
20.如权利要求15所述的服务器,其中,训练单元确定对于真实定位数据集中的每个MAC地址的最优定位算法,并根据终端的定位请求所涉及的MAC地址来确定对于该终端的最优定位算法。
21.如权利要求20所述的服务器,其中,在根据定位请求中的MAC地址来进行定位时,定位处理单元根据每个MAC地址的RSSI值的大小来对为每个MAC地址的最优定位算法进行加权,并根据加权的结果来确定最终的最优定位算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310184905.4A CN104168647B (zh) | 2013-05-17 | 2013-05-17 | 采用多种定位算法进行定位的方法、系统及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310184905.4A CN104168647B (zh) | 2013-05-17 | 2013-05-17 | 采用多种定位算法进行定位的方法、系统及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104168647A CN104168647A (zh) | 2014-11-26 |
CN104168647B true CN104168647B (zh) | 2017-07-28 |
Family
ID=51912229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310184905.4A Active CN104168647B (zh) | 2013-05-17 | 2013-05-17 | 采用多种定位算法进行定位的方法、系统及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104168647B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105744618A (zh) * | 2014-12-12 | 2016-07-06 | 电信科学技术研究院 | 一种进行定位的方法、系统和设备 |
CN105792115B (zh) * | 2014-12-17 | 2019-04-23 | 中国电信股份有限公司 | 多网定位数据融合方法和系统 |
CN107451266A (zh) * | 2017-07-31 | 2017-12-08 | 北京京东尚科信息技术有限公司 | 用于处理数据方法及其设备 |
CN108923842B (zh) * | 2018-07-17 | 2021-05-04 | 千寻位置网络有限公司 | 星地一体多算法融合的高精度定位方法、系统和终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102291674A (zh) * | 2011-07-25 | 2011-12-21 | 盛乐信息技术(上海)有限公司 | 一种基于Wi-Fi的无线定位方法与系统 |
CN102573053A (zh) * | 2010-11-01 | 2012-07-11 | 胜义科技股份有限公司 | 在云端服务器实现混合定位的系统与方法 |
CN102791025A (zh) * | 2011-05-20 | 2012-11-21 | 盛乐信息技术(上海)有限公司 | 基于WiFi的分层定位系统及实现方法 |
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN103002570A (zh) * | 2011-09-08 | 2013-03-27 | 华枫信通(北京)科技有限公司 | 一种基于集合运算的无线定位方法 |
CN103067861A (zh) * | 2013-01-16 | 2013-04-24 | 百度在线网络技术(北京)有限公司 | 无线接入设备的地理位置信息获取方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8600297B2 (en) * | 2009-07-28 | 2013-12-03 | Qualcomm Incorporated | Method and system for femto cell self-timing and self-locating |
-
2013
- 2013-05-17 CN CN201310184905.4A patent/CN104168647B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102573053A (zh) * | 2010-11-01 | 2012-07-11 | 胜义科技股份有限公司 | 在云端服务器实现混合定位的系统与方法 |
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 |
CN102791025A (zh) * | 2011-05-20 | 2012-11-21 | 盛乐信息技术(上海)有限公司 | 基于WiFi的分层定位系统及实现方法 |
CN102291674A (zh) * | 2011-07-25 | 2011-12-21 | 盛乐信息技术(上海)有限公司 | 一种基于Wi-Fi的无线定位方法与系统 |
CN103002570A (zh) * | 2011-09-08 | 2013-03-27 | 华枫信通(北京)科技有限公司 | 一种基于集合运算的无线定位方法 |
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN103067861A (zh) * | 2013-01-16 | 2013-04-24 | 百度在线网络技术(北京)有限公司 | 无线接入设备的地理位置信息获取方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104168647A (zh) | 2014-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10401469B2 (en) | Positioning methods and devices | |
CN103747524B (zh) | 一种基于云平台的Android终端室内定位方法 | |
CN104168647B (zh) | 采用多种定位算法进行定位的方法、系统及服务器 | |
CN105338498A (zh) | 一种WiFi室内定位系统中指纹库的构建方法 | |
US20130260771A1 (en) | Generation and use of coverage area models | |
CN102695272B (zh) | 一种匹配定位的方法和移动终端 | |
CN103068035A (zh) | 一种无线网络定位方法、装置及系统 | |
KR101435663B1 (ko) | 위치 측정을 위한 액세스 포인트 정보 수집 방법 및 이를 위한 장치와 액세스 포인트를 이용한 위치 측정 장치 및 방법 | |
CN106851571A (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN103747519A (zh) | 一种室内定位指纹库的动态建立方法及系统 | |
CN104135766B (zh) | 一种基于网格划分的无线网络间的协作定位方法 | |
CN103969623A (zh) | 基于pso的rfid的室内定位方法 | |
CN104507160B (zh) | 无线网络定位方法、接入点及定位服务器 | |
KR20140015600A (ko) | 가상의 다중입력 다중출력 통신 방법 및 장치 | |
CN103369670A (zh) | 一种基于跳数优选的改进DV-Hop定位方法 | |
Zhao et al. | Indoor access points location optimization using differential evolution | |
Osaba et al. | Simulation tool based on a memetic algorithm to solve a real instance of a dynamic TSP | |
Liu et al. | A real-time algorithm for fingerprint localization based on clustering and spatial diversity | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
Laoudias et al. | Differential signal strength fingerprinting revisited | |
CN107222925A (zh) | 一种基于聚类优化的节点定位方法 | |
CN114401485A (zh) | 无线网络小区覆盖范围信息的处理方法及相关装置 | |
CN104363604B (zh) | 基于快速注水算法的室内wlan接入点布置方法 | |
CN106469346B (zh) | 一种基于区域的风险控制方法和设备 | |
Zhu et al. | Analysis of indoor positioning approaches based on active RFID |
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 |