CN105519213A

CN105519213A - 用于通过分割和校准采样进行定位和业务密度估计的系统和方法

Info

Publication number: CN105519213A
Application number: CN201480048647.XA
Authority: CN
Inventors: 马克·纽伯里; 伊亚德·阿法路亚; 苏曼·达斯; 卡马拉哈然·杜什彦森
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2013-11-14
Filing date: 2014-11-14
Publication date: 2016-04-20
Anticipated expiration: 2034-11-14
Also published as: BR112016010958A2; WO2015070790A3; EP3061292B1; US9596575B2; EP3061292A4; EP3061292A2; CN105519213B; US20150133159A1; AU2014350667B2; AU2014350667A1; WO2015070790A2; BR112016010958B1

Abstract

提供了用于用户定位和网络业务密度估计的校准、预处理和分割的实施方式。所述实施方式包括从网络部件给多个用户设备(user？equipment，UE)发送参与报告定位数据的请求。从至少一些所述UE接收包括无锁定报告的用于定位数据的报告。所述无锁定报告指示所述UE中的室内UE。所述网络通过从所述定位数据中消除提高了总噪声信号比的数据来预处理所述定位数据。然后，使用区分不同建筑物的模型来处理所述定位数据。这包括根据无线电地图将所述定位数据中的无线电特性与覆盖范围的非均匀网格中的对应的直方条相关联。所述非均匀网格被预定成使所述无线电特性之间的独特性最大化。使用所述无锁定报告数据将所述室内UE与对应的建筑物相关联。

Description

用于通过分割和校准采样进行定位和业务密度估计的系统和方法

相关申请的交叉引用

本申请要求于2013年11月14日提交的名称为“SystemandMethodforLocalizationandTrafficDensityEstimationviaSegmentationandCalibrationSampling(用于通过分割和校准采样进行定位和业务密度估计的系统和方法)”的第14/079,838号美国非临时申请的权益，该申请由此通过引用合并至本文本中。

技术领域

本发明总体上涉及用于无线技术的系统和方法，并且在特定实施方式中，涉及用于通过分割和校准采样进行用户定位和业务密度估计的系统和方法。

背景技术

定位用户和构造空间业务密度的能力可以极大地增强无线服务提供商(wirelessserviceprovider，WSP)服务其用户并且智能地扩展用户的网络的能力。例如，定位无线设备的能力实现了多种基于位置的服务(Location-BasedService，LBS)，包括911、地图、天气、附近商店、方位、游戏或其他服务。对高分辨率的空间业务密度的掌握还可用于成本有效地设置新小区以及提供关于订户行为的重要的总体洞察力。一种用于用户定位或业务密度估计的方法是使用GPS(GlobalPositioningSatellite，全球定位卫星)系统，其需要在所有移动设备中均不存在的专业设备接收器。此外，GPS在卫星星座不可见的室内深处不工作。GPS的使用还产生了对设备电池寿命和网络信令过载的关切。在业务密度(例如平均用户/区域)的构造中产生了类似的困难。这些通常由于在小型区域(“直方条(bin)”)的网格内随时间而聚集各个定位而引发。如果基于GPS，则这些密度是不准确的，因为可用定位不包括订户群的重要子集，例如室内用户或没有GPS接收器的室外用户。

另一个方法是无线电指纹识别，这绕过上述困难中的一些困难但遇到其他问题。在指纹识别中，首先通过创建服务区域的无线电地图(radiomap)来校准区域，该无线电地图将每个(或大部分)位置与其无线电特性或指纹相关联。该地图是通过现场测量而汇集的，现场测量通常通过大规模的步测或路测进行。通常的指纹包括从周围小区站点发射器来看的控制信道的强度和标识。其他信息例如往返时间(RoundTripTime，RTT)延迟可以被包含但并不总是可用。校准之后，可以使用来自商业移动设备的关于无线电特性的例行报告通过将报告与无线电地图上最相似的指纹相关联来指定位置。该过程绕过了对GPS的依赖，但遇到了下述一些困难，例如，校准所涉及的费用(很难在所有建筑物内进行测量)和准确性下降(不同的位置可能具有类似的或甚至相同的指纹)。因此，需要提高业务密度估计和定位的校准(训练)和准确性的方案。

发明内容

根据一种实施方式，一种用于业务密度估计和用户定位的方法包括：网络部件给多个用户设备(userequipment，UE)发送参与报告定位数据的请求，以及从至少一些所述UE接收包括无锁定报告的多个用于定位数据的报告。所述无锁定报告指示所述UE中的室内UE。所述方法还包括通过从所述定位数据中消除提高了总噪声信号比的数据来预处理所述定位数据。在预处理所述定位数据之后，使用区分不同建筑物的模型来处理所述定位数据。使用所述无锁定报告的所述定位数据将所述室内UE与对应的建筑物相关联。

根据另一种实施方式，一种用于业务密度估计和用户定位的方法包括：在UE处从网络接收参与报告用于定位的数据的请求。当接收到所述请求时，所述UE生成关于所述数据的报告。所述报告是无卫星锁定报告，其指示所述UE位于建筑物内、将所述UE与其他的位于室外的UE区分开、并且使得所述网络将所述UE放置在所述建筑物中而不对所述建筑物的形状建模且不使用室内位置细节。所述方法还包括：将所述报告存储在所述UE本地，以及在确定相对低网络负载时，将所述报告发送给所述网络。

根据另一种实施方式，一种用于业务密度估计和用户定位的网络部件包括处理器和存储由所述处理器执行的程序的计算机可读存储介质。所述程序包括用于以下的指令：给多个UE发送参与报告定位数据的请求，以及从至少一些所述UE接收包括无锁定报告的多个用于定位数据的报告。所述无锁定报告指示所述UE中的室内UE。所述程序还包括用于通过从所述定位数据中消除提高了总噪声信号比的数据来预处理所述定位数据的指令。在预处理所述定位数据之后，所述程序配置所述网络部件以使用区分不同建筑物的模型来处理所述定位数据，以及使用所述无锁定报告的所述定位数据将所述室内UE与对应的建筑物相关联。

根据又一种实施方式，一种支持业务密度估计和用户定位的用户设备包括处理器和存储由所述处理器执行的程序的计算机可读存储介质。所述程序包括用于以下的指令：从网络接收参与报告用于定位的数据的请求，以及当接收到所述请求时生成关于所述数据的报告。所述报告是无卫星锁定报告，其指示所述用户设备位于建筑物内、将所述用户设备与其他的位于室外的用户设备区分开、以及使得所述网络将所述UE放置在所述建筑物中而不对所述建筑物的形状建模且不使用室内位置细节。所述用户设备还被配置成将所述报告存储在所述用户设备本地，以及在确定相对低网络负载时，将所述报告发送给所述网络。

上述内容相当宽泛地概述了本发明实施方式的特征，以便可以更好地理解下文对本发明的详细描述。下文将描述本发明各实施方式的其他特征和优点，这些特征和优点构成本发明的权利要求的主题。本领域技术人员应理解，所公开的概念和特定实施方式可以容易地作为改进或设计用于执行与本发明相同目的的其他结构或过程的基础。本领域技术人员还应意识到这种等同结构不脱离所附权利要求所述的本发明的精神和范围。

附图说明

为了更完全地理解本发明及其优点，现在参考下文结合附图进行的描述，在附图中：

图1示出了用于业务密度估计和用户定位的校准(训练)和预处理以及分割的整体(端到端)方案的实施方式；

图2示出了用于业务密度估计和用户定位的校准(或训练)方法的实施方式的流程图；以及

图3为可以用于实施各种实施方式的处理系统的图。

除非另有指示，否则不同附图中的对应的附图标记通常指代对应的部分。绘制各附图是为了清楚地说明实施方式的相关方面，因此未必是按比例绘制的。

具体实施方式

首先应理解，尽管下文提供一种或更多种实施方式的说明性实施方案，但所公开的系统和/或方法可以使用任何数目的技术来实施，无论该技术是否为当前已知或现有的。本发明决不应限于包括本文所说明并描述的示例性设计和实施方案在内的下文所说明的说明性实施方案、附图和技术，而是可以在所附权利要求书的范围以及其等同方案的全部范围内修改。

不应低估在用于用户定位和密度估计的预处理和分割之前的校准的实际困难。校准，在本文中还称为“训练”，可要求跨整个关注区域的一组空间密集的现场测量。可以测量不同的位置，包括建筑物内部和外部。这个活动的费用和可行性具有挑战性。或者，可以使用一组稀疏的现场测量来调谐无线电模型，该无线电模型预测无法测量的位置内的指纹。然而，例如对于预测建筑物内部的校准数据来说，该方法所需的准确性可能不现实或极度昂贵。可以通过建筑物内移动设备与每个结构内的已知低功率发射器的接近度直接定位建筑物内移动设备，从而避免对建筑物内部校准的需求，但这种发射器的广泛部署会是必需的。此外，校准的任何困难都由于需要定期重复该过程而增加，这是因为区域的无线电特性会随时间而变化。

本文提供了出于设备或用户定位和(无线)业务密度估计目的而进行校准和预处理以及分割的实施方式。实施方式包括通过开发较少使用GPS以及例如以有限或较少地涉及或要求的方式利用较低准确性的(松弛)无线电建模来绕过上述困难的方法。该方法提高定位和业务密度估计的准确性，极大地降低校准成本，并且定位室外用户和室内用户，而不管设备内的GPS存在与否。

图1示出了用于业务密度估计和用户定位的校准(训练)和分割的方案100的实施方式。方案100包括多个步骤，包含训练110、预处理120、分割130以及定位和密度估计140。训练(或校准)110、预处理120和分割130可用于建立数据库，该数据库随后用于例如通过使用基于指纹识别的方法来定位网络中的移动设备以及构造业务密度(步骤140)。

在步骤110，可以通过推动具有GPS能力的无线订户(移动设备)的子集指示它们的位置和无线电指纹来相对便宜(以相对低的成本)且适时地获取训练数据。移动设备的子集可以通过例如在下载应用或媒体期间在设备上进行提示来推动。为使其加入该过程，可以为用户提供免费下载、注册或服务。可以通过将信息存储在设备内并随后在低网络负载时传输信息来避免来自设备的信令过载。通过使用GPS“无锁定”报告来分出或区分建筑物内的一类数据，从而完成建筑物内校准。可以使用(复杂性相对低的)松弛建筑物建模来将该数据归于对应的建筑物。随后使用预处理步骤120来检测和消除添加了与信息相比更多的误差的训练数据。这可以通过移除具有高噪声(例如，在阈值之上)的数据和/或对收集的训练数据应用合适的噪声过滤技术来完成。例如，可以使用10％的噪声阈值，其中噪声水平高于10％的噪声与信号比的数据被消除。

预处理之后，在步骤130，通过建立数据库来创建无线电地图，该无线电地图将每个预定分割区域(直方条)与一组无线电特性(“指纹”)相关联。定位和密度准确性受限于直方条指纹之间的相似性。在通常的分割过程中，预先建立直方条网格且记录指纹，换言之，网格确定数据。然而，在校准和分割方案100中，使用对覆盖区域来说非均匀的网格来最大化指纹之间的独特性，换言之，数据确定网格。

在步骤140，随着无线电地图的完成，可以使用来自无线设备的关于无线电特性(例如，导频的标识和强度)的例行报告来定位用户和建立业务密度。通常，从定位识别出了设备(关于直方条)是“在这里”还是“不在这里”这个意义上来说，定位可以描述为“硬”决策。业务密度通过聚集直方条内的定位来建立，并通过定位信息的准确性来评估。然而，在方案100中，使用“软”决策方法建立业务密度，在该方法中，设备或用户设备(userequipment，UE)中的一部分可以被识别为“在各处(‘here’aswellas‘there’)”。此外，结果的准确性通过测量(关于一组直方条的)业务密度“格局”的相关性度量来评估。关于预处理120、分割130以及定位和密度估计的步骤的更多细节在2013年3月13日由IyadAlfalujah等人提交的名称为“SystemandMethodforLocalizingWirelessDevices(用于定位无线设备的系统和方法)”的第61/780,328号美国专利申请中描述，该申请的全部内容通过引用合并至本文本中，如同其全部内容在本文本中再现一样。

采用某种形式的无线电指纹识别的其他通常的定位和密度估计方案可能使用大规模的路测和步测(称为驾驶攻击(wardriving))来搜集足够的数据用于校准。这样的方法还可能通过使用高准确性无线电模型生成针对建筑物内部区域的仿造校准数据来绕过建筑物访问问题。这些方法还可能要求(如果使用了GPS)不间断或规律地传输来自移动设备的GPS报告，导致信令过载问题。这些方法还可能在校准过程中使用收集的所有数据。预定或标准的(例如，均匀的)网格还用于指示直方条指纹(网格指示数据)。因此，如上所述，业务密度通过聚集硬定位决策来建立，且该密度的准确性通过对硬定位数据的统计来评估。

相比之下，方案100使用来自订户群体的在统计学上显著的样本的GPS信息进行校准，例如，被推动的用户或设备的子集，而不使用驾驶攻击，这带来成本和复杂性的大幅度下降。方案100通过将“无GPS锁定”标签用于来自建筑物内部的UE的导频报告来绕过建筑物访问问题。然后，通过使用低准确性建筑物内建模技术将这些非仿造(真的)报告分配给正确的建筑物，这可能只需要将建筑物(或建筑物群)彼此区分开来。相比之下，如上所述的那样使用模型生成针对建筑物内部的仿造校准数据来用于通常的定位和密度估计方案会要求高的或甚至是难以达到的准确性。此外，方案100要求临时或不规律地传输来自设备的GPS报告用于校准。由于数据收集周期短暂并且在低网络负载时(低网络业务时)将UE处存储的数据传输给网络，信号过载问题得以缓解。然后，所收集的数据的子集被用于校准过程中，其中提供的“噪声”多于“信号”的数据被丢弃。如上所述，在分割过程中使用不规则的或自适应的网格构造。网格是针对校准数据而定制的以使不同直方条之间的指纹的独特性最大化(数据确定网格)。方案100的另一改进是使用不要求硬定位的软决策过程，以及通过相关性过程来评估该密度的准确性(例如，使用相关性来评估业务密度估计的空间“格局”的准确性)。

图2示出了出于业务密度估计和设备或用户定位目的而进行校准(训练)的方法200的实施方式。例如，方法200可以是方案100的一部分，比如作为校准或训练步骤110的一部分。方法200可由网络中的部件例如控制器、服务器或与多个UE通信的基站来实施。在步骤201，推动具有GPS能力的多个UE发送用于训练无线电模型的位置和/或指纹数据。至少一些UE会同意参与并发送它们的数据。在步骤202，网络从UE接收反馈，包括来自至少一些UE的指示相应的UE在室内的多个“无卫星锁定”报告。默认情况下，其他报告可以指示室外UE。UE可以被配置成或者被指示来临时在本地存储所生成的报告，然后在低网络负载时发送报告，这可以是预定的。在步骤203，网络将室内UE(具有“无卫星锁定”报告)与剩余的室外UE分开。在步骤204，将接收的数据应用到区分不同建筑物的松弛无线电模型，而不必执行高度详细或更详细的内部或外部建筑物建模。建模将位置与室内数据相关联。这意味着模型能够以足够的准确性将室内UE放置在它们对应的建筑物位置中，而不必对形状或UE室内位置细节进行建模。在步骤205，网络(建模)部件将具有相对高的噪声(例如，超出噪声阈值)的任何数据从所收集的数据的集合中移除。随后，模型可以被传递给分割过程(例如步骤130)。

在方案100和方法200中获取训练数据的优势包括：例如与雇佣一组人员进行大规模的现场测量相比，由于对具有嵌有GPS的无线设备的订户的适时利用而带来的相对低的实施成本。本文中的训练方法更有效，因为其排除了现场人员进入建筑物的困难，创建了更丰富的(更密集的)现场样本集合，并且将数据收集向无线用户自然情况下经常光顾的(“人口密集的”)区域倾斜。最后这个优势意味着误差不太可能在受欢迎的区域(例如，较高的业务密度)中，更有可能在“不受欢迎的”区域(例如，较低的业务密度)中，在“不受欢迎的”区域中准确性通常是不太重要的。相比之下，区域的现场采样会是均匀的且以同等的重要性有效地对待受欢迎的区域和不受欢迎的区域。此外，使用方案100和方法200避免了通常与GPS相关联的问题。由于用户“选择参加”校准过程，所以不会出现隐私问题。此外，只有在统计学上显著的用户子集需要参与生成所需的训练数据(例如，并非所有的订户都必须拥有GPS，且不是所有拥有GPS的订户都需要参与)。此外，“存储和稍后传输”的方法绕过了将GPS位置信息传输到网络可能导致信令过载的关切。

训练方法还缓解了与使用建模来替代或增加实地校准数据有关的问题。通常，用于指纹识别方法的完整校准集合通过下述方式产生：测试性地驾驶通过可进入的道路，然后使用该数据来调谐针对所有不可进入的位置例如小路、人行道、建筑物内或其他位置产生仿造(建模)现场数据的无线电模型。该过程呈现出了若干困难。例如，路测本身花费高。此外，详细的无线电建模要求为关注的区域购买高分辨率的制图(三维)数据库。这些是昂贵的且并非总是可用。即使给出了这样的信息，建模数据例如室内位置的准确性也可能不足以替代现场数据。相比之下，本文中的适时校准方法仅需要松弛的或不那么复杂的建模。产生足够密集的室外数据来消除各种情况下对室外无线电建模的需求。对于其余的情况，更丰富的数据集使得能够更好地调谐可以使用的任何合适的无线电模型。室内数据集需要无线电建模。然而，准确性要求被放宽松，因为室内指纹池已通过“无GPS定位”信息与室外指纹池区分开。要正确地校准建筑物，建筑物模型只需要准确地确定各个建筑物(或建筑物群)，而不是足够准确得将室内位置与室外位置区分开。

必要时还简单便宜地重复适时训练过程，例如，以适应无线电地图不可避免的变化(例如，新小区站点的增加)。重复的这种方便性促进了成本节约。本文中的训练方法还通过其余的三个步骤即预处理、分割以及定位和密度估计来提供优势。(预处理期间的)数据或上下文过滤通过丢弃“太嘈杂”的数据来提高准确性。分割通过对使指纹之间的独特性(不相似性)最大化的网进行自适应调整而提高了准确性。软密度估计通过恰当地说明直方条之间任何其余的相似性而提高准确性。

图3为可以用于实施各种实施方式的示例处理系统300的框图。特定设备可利用所有所示的部件或仅所述部件的子集，且各个设备的集成程度可以不同。此外，设备可以包含部件的多个实例，例如多个处理单元、多个处理器、多个存储器、多个发射器、多个接收器等。处理系统300可以包括配备有一个或更多个输入/输出设备如网络接口、存储接口等的处理单元301。处理单元301可以包括连接到总线的中央处理单元(CPU)310、存储器320、大容量存储设备330以及I/O接口360。总线可以为任何类型的若干总线架构中的一个或更多个，包括存储器总线或者存储器控制器、外设总线等。

CPU310可以包括任何类型的电子数据处理器。存储器320可以包括任何类型的系统存储器，例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步DRAM(SDRAM)、只读存储器(ROM)或其组合等。在一种实施方式中，存储器320可以包括在开机时使用的ROM以及在执行程序时使用的用于程序和数据存储的DRAM。在一些实施方式中，存储器320是非瞬时的。大容量存储设备330可以包括下述任何类型的存储设备，所述存储设备被配置成存储数据、程序和其他信息并且使这些数据、程序和其他信息通过总线可访问。大容量存储设备330可以包括例如固态驱动器、硬盘驱动器、磁盘驱动器、光盘驱动器等中的一个或更多个。

处理单元301还包括一个或更多个网络接口350，网络接口350可以包括有线链路例如以太网线缆等和/或无线链路以接入节点或者一个或更多个网络380。网络接口350使得处理单元301能够通过网络380与远程单元通信。例如，网络接口350可以通过一个或更多个发射器/发射天线以及一个或更多个接收器/接收天线提供无线通信。在一种实施方式中，处理单元301耦接到局域网或广域网以用于进行数据处理以及与远程设备通信，所述远程设备例如其他处理单元、因特网、远程存储设施等。

虽然本公开内容中已提供若干实施方式，但应理解，在不脱离本公开内容的精神或范围的情况下，所公开的系统和方法可以以许多其他特定形式来体现。本示例应被视为说明性而非限制性的，且本发明并不限于本文中所给出的细节。例如，各种元件或部件可以被组合或合并在另一系统中，或者某些特征可以省略或不被实施。

此外，在不脱离本公开内容的范围的情况下，各种实施方式中描述和说明为离散或单独的技术、系统、子系统和方法可以与其他系统、模块、技术或方法进行组合或合并。展示或论述为彼此耦接或直接耦接或通信的其他项可以采用电方式、机械方式或其他方式通过某种接口、设备或中间部件间接地耦接或通信。在不脱离本文所公开的精神和范围的情况下，可以由本领域的技术人员得出并且可以作出变化、替代和改变的其他示例。

Claims

1.一种用于业务密度估计和用户定位的方法，所述方法包括：

网络部件给多个用户设备UE发送参与报告定位数据的请求；

从至少一些所述UE接收包括无锁定报告的多个用于定位数据的报告，其中所述无锁定报告指示所述UE中的室内UE；

通过从所述定位数据中消除提高了总噪声信号比的数据来预处理所述定位数据；

在预处理所述定位数据之后，使用区分不同建筑物的模型来处理所述定位数据；以及

使用所述无锁定报告的所述定位数据将所述室内UE与对应的建筑物相关联。

2.根据权利要求1所述的方法，其中，使用所述模型来处理所述定位数据包括：

将所述无锁定报告指示的所述室内UE与剩余的室外UE分开；以及

使用所述模型将所述室内UE放置在所述室内UE的对应的建筑物位置中，而不对建筑物的形状建模或使用室内位置细节。

3.根据权利要求1所述的方法，其中，所述方法还包括建立将覆盖区域的非均匀网格中每个直方条与一组无线电特性相关联的无线电地图，以及其中，所述非均匀网格被预定成使所述无线电特性之间的独特性最大化以使得所述无线电特性确定所述非均匀网格。

4.根据权利要求3所述的方法，其中，所述定位数据包括来自所述UE的无线电特性，以及其中，使用所述模型来处理所述定位数据包括根据所述无线电地图，将所述定位数据中的所述无线电特性与覆盖区域的所述非均匀网格中的对应的直方条相关联。

5.根据权利要求1所述的方法，其中，预处理所述定位数据包括丢弃包含高于预定阈值的噪声水平的至少一些所述定位数据。

6.根据权利要求5所述的方法，其中，所述预定阈值被限定为10％的噪声信号比。

7.根据权利要求1所述的方法，其中，所述定位数据包括来自能够使用全球定位卫星GPS的UE的GPS系统数据。

8.根据权利要求1所述的方法，其中，所述定位数据在预定时间或指示相对低网络负载时被接收。

9.根据权利要求1所述的方法，其中，所述模型不包括外部建筑物建模细节和内部建筑物建模细节。

10.根据权利要求1所述的方法，还包括使用软决策方法评估业务密度，所述软决策方法不唯一地决定设备在覆盖区域中的直方条之中还是之外，并且其中，根据所述软决策方法，所述UE中的一部分能够被识别为在所述覆盖区域中的一组直方条中的各处。

11.根据权利要求10所述的方法，还包括通过测量关于一组直方条的业务密度格局的相关性度量来评估所述业务密度。

12.根据权利要求1所述的方法，还包括所述网络部件根据需要给所述UE发送一个或更多个更新所报告的定位数据的请求。

13.根据权利要求1所述的方法，其中，所述用于业务密度估计和用户定位的方法不包括路测和步测。

14.一种用于业务密度估计和用户定位的方法，所述方法包括：

在用户设备UE处从网络接收参与报告用于定位的数据的请求；

当接收到所述请求时，生成关于所述数据的报告，其中，所述报告是无卫星锁定报告，所述无卫星锁定报告指示所述UE位于建筑物内、将所述UE与其他的位于室外的UE区分开、并且使得所述网络将所述UE放置到所述建筑物中而不对所述建筑物的形状建模且不使用室内位置细节；

将所述报告存储在所述UE本地；以及

在确定相对低网络负载时，将所述报告发送给所述网络。

15.根据权利要求14所述的方法，其中，所述数据包括全球定位系统GPS数据和无线电特性测量值中的至少之一。

16.一种用于业务密度估计和用户定位的网络部件，所述网络部件包括：

处理器；以及

存储由所述处理器执行的程序的计算机可读存储介质，所述程序包括用于以下的指令：

给多个用户设备UE发送参与报告定位数据的请求；

在预处理所述定位数据之后使用区分不同建筑物的模型来处理所述定位数据；以及

17.根据权利要求16所述的网络部件，其中，用于预处理所述定位数据的指令包括用于丢弃包含高于预定阈值的噪声水平的至少一些所述定位数据的指令，以及其中，所述预定阈值被限定为噪声与信号的百分比。

18.根据权利要求16所述的网络部件，其中，所述程序还包括用于建立将覆盖区域的非均匀网格中每个直方条与一组无线电特性数据相关联的无线电地图的指令，其中，所述非均匀网格被预定成使所述无线电特性数据之间的独特性最大化。

19.根据权利要求18所述的网络部件，其中，所述定位数据包括来自所述UE的无线电特性，以及其中，用于使用所述模型来处理所述定位数据的指令包括用于根据所述无线电地图将所述定位数据中的所述无线电特性与覆盖区域的所述非均匀网格中的对应的直方条相关联的指令。

20.根据权利要求16所述的网络部件，其中，所述定位数据包括来自能够使用全球定位卫星GPS的UE的GPS系统数据。

21.根据权利要求16所述的网络部件，其中，所述程序还包括用于以下的指令：

使用不唯一地决定设备在覆盖区域中的直方条之中还是之外的软决策方法评估业务密度，以及其中，根据所述软决策方法，所述UE中的一部分能够被识别为在所述非均匀网格中的各处；以及

通过测量关于一组直方条的业务密度格局的相关性度量来评估所述业务密度。

22.一种支持业务密度估计和用户定位的用户设备，所述用户设备包括：

处理器；以及

从网络接收参与报告用于定位的数据的请求；

当接收到所述请求时生成关于所述数据的报告，其中，所述报告是无卫星锁定报告，所述无卫星锁定报告指示所述用户设备位于建筑物内、将所述用户设备与其他的位于室外的用户设备区分开、并且使得所述网络将所述UE放置在所述建筑物中而不对所述建筑物的形状建模且不使用室内位置细节；

将所述报告存储在所述用户设备本地；以及

在确定相对低网络负载时，将所述报告发送给所述网络。

23.根据权利要求22所述的用户设备，其中，所述数据包括全球定位系统GPS数据和无线电特性测量值中的至少之一。