CN106131953A - 一种基于时段内小区频次加权实现移动用户定位的方法 - Google Patents

Abstract

本发明公开了一种基于时段内小区频次加权算法实现移动用户定位的方法，包括：①通过特定时间段内无线测量报告中服务小区IDs、邻接小区IDni等参数进行数据分析；②根据基站位置、小区天线方向角、塔高等参数计算小区位置；③采用机器学习的方法训练特定时间段。本发明实现轻定位平台的开发，降低定位平台建设投资，解决以往通过三角定位方式定位精度差的问题，适用于移动环境下用户位置属性获取，辅助时间戳可以实现对用户轨迹刻画，以及客流量分析的相关应用。

Description

一种基于时段内小区频次加权实现移动用户定位的方法

技术领域

本发明涉及一种基于时段内小区频次加权实现移动用户定位的方法，本发明属于移动通信中数据挖掘分析领域。

背景技术

目前针对移动用户实现定位的相关技术，一般通过移动终端硬件中的GPS模块，通过客户端方式采集相应的经纬度信息或者通过无线传播的三点定位技术。第一种通过移动终端GPS硬件模块方式，主要受限于需要用户的参与，需要打开硬件模块；而采用传统三点定位方法实现用户定位的技术，受无线信号传播变化(非视距传播、多径、干扰等)定位精度较差。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于时段内小区频次加权实现移动用户定位的方法，采用移动网络数据，基于时段内小区频次加权算法，通过机器学习训练调整因子，分析得出用户位置。

本发明的技术解决方案如下：

一种基于时段内小区频次加权实现移动用户定位的方法，包括如下步骤：

1)采集时间段Tx内的服务小区IDs、邻接小区IDni数据；

2)根据基站信息表中各基站的经度lonDataA、纬度latDataA，小区方向角boreA度，天线塔高heightA米，计算该时间段内出现小区的中心位置经度LongtA、纬度LatA，公式如下：

LongtA＝lonDataA+cos((90-boreA)*π/180)*heightA*0.0000315789；

LatA＝latDataA+sin((90-boreA)*π/180)*heightA*0.000045045；

3)根据时间段Tx内服务小区IDs和邻接小区IDni的测量数据出现次数N对各小区中心经纬度进行归一化加权：

经度Longt_N＝(小区i中心经度LongtAi×Ni)/∑Ni；

纬度Lat_N＝(小区i中心纬度LatAi×Ni)/∑Ni。

所述的时间段Tx的确认方法如下：

①设时间段Tx初始值，采集该时间段内的服务小区IDs、邻接小区IDni数据；

②根据基站信息表中各基站的经度lonDataA、纬度latDataA，小区方向角boreA度，天线塔高heightA米，计算该时间段Tx内出现的各小区的中心位置经度LongtA、纬度LatA，公式如下：

LongtA＝lonDataA+cos((90-boreA)*π/180)*heightA*0.0000315789；

LatA＝latDataA+sin((90-boreA)*π/180)*heightA*0.000045045；

③根据时间段Tx内服务小区IDs和邻接小区IDni的测量数据出现次数N对各小区中心经纬度进行归一化加权：

经度Longt_N＝(小区i中心经度LongtAi×Ni)/∑Ni；

纬度Lat_N＝(小区i中心纬度LatAi×Ni)/∑Ni；

④比较该时间段内已知用户的GPS数据与上述步骤归一化加权后的经纬度，得到距离差值；

⑤变化时间段Tx值后，重复步骤②～④，计算相应的距离差值，直至选取距离差值最小时的Tx值作为该场景下的时间段Tx值。

所述小区i包含服务小区和邻接小区。

与现有技术相比，本发明的有益效果在于，通过对网络数据的挖掘分析，采用时段内小区频次加权实现用户定位的方法，增加小区样本的采集数量，有效提高定位精度，同时采用大数据方法进行训练，优化不同场景下的调整因子，具有较好的推广应用价值。

附图说明

图1为本发明实施例中的实施框架图

图2为本发明实施例中的手机基站信号数据

图3为本发明实施例中算法流程图

图4为本发明实施例中基站基础信息表

具体实施方式

下面结合实施例和附图对本发明作进一步说明，但不应以此限制本发明的保护范围。

手机与基站通讯，将基站信号数据提供给图1所示的定位系统，手机信号数据格式如图2所示。

预先应该建立图4所示的基站基础信息表，包含每个基站的经纬度，每个扇区的方向角、塔高。

如图1所示：通过对无线网络用户无线测量报告以及用于关联的话单进行采集，同时参照包含基站经纬度、小区方向角、塔高等信息的基站基础信息表。将采集数据进行处理，提取出一定时间段Tx内的IMSI号、时间、服务小区IDs、邻小区IDni等元数据，设计算法分析处理，结合典型应用场景的移动用户已知GPS经纬度训练出不同场景时间段因子Tx，形成算法模型。将被动定位用户元数据采集输入到定位算法模型中，得出相应的估算位置经纬度L(Longt_N、Lat_N)。

一、数据训练建立模型流程

1)通过对无线网络运营过程中采集的被测用户，一定时间段Tx内的无线测量数据，提取其中包括用户IMSI、时间、服务小区IDs和邻接小区IDni等参数，形成本发明的元数据，输入图1所示的定位系统；

2)定位系统参考定位数据库中图4所示的基站基础信息表，根据基站的经纬度lonDataA、latDataA，小区方向角boreA(单位：度)，天线塔高heightA(单位：米)计算本专利定义的各小区ID中心位置经纬度LongtA、LatA；

3)定位系统采集从被测时间点往前Tx时间段内的测量数据，根据各小区中心位置经纬度LongtA、LatA，结合各小区在该时间段内测量数据出现的次数N，计算被测用户位置:

a)经度Longt_N＝(小区i中心经度LongtAi×Ni)/∑Ni；

b)纬度Lat_N＝(小区i中心纬度LatAi×Ni)/∑Ni；

4)数据训练建立模型流程中，通过机器学习训练不同环境的Tx值。定位系统采集用户已知的GPS经纬度，和通过上述1)～3)步计算出的移动用户经纬度对比，计算距离差。

5)重复1)～4)，不断变化Tx值，计算对应的距离差值，选取距离差值最小时的Tx值作为该场景下的时间段Tx值，供模型使用。

二、待测用户数据定位流程：将待定位的移动用户数据，清洗成元数据，输入到定位算法模型中，同样经过以上1)～3)步处理，得出相应的移动用户经纬度信息从而实现用户定位。

Claims (3)

1.一种基于时段内小区频次加权实现移动用户定位的方法，其特征在于：该方法包括如下步骤：

1)采集时间段Tx内的服务小区IDs、邻接小区IDni数据；

2)根据基站信息表中各基站的经度lonDataA、纬度latDataA，小区方向角boreA度，天线塔高heightA米，计算该时间段内出现小区的中心位置经度LongtA、纬度LatA，公式如下：

LongtA＝lonDataA+cos((90-boreA)*π/180)*heightA*0.0000315789；

LatA＝latDataA+sin((90-boreA)*π/180)*heightA*0.000045045；

3)根据时间段Tx内服务小区IDs和邻接小区IDni的测量数据出现次数N对各小区中心经纬度进行归一化加权：

经度Longt_N＝(小区i中心经度LongtAi×Ni)/∑Ni；

纬度Lat_N＝(小区i中心纬度LatAi×Ni)/∑Ni。

2.根据权利要求1所述的基于时段内小区频次加权实现移动用户定位的方法，其特征在于：所述的时间段Tx的确认方法如下：

①设时间段Tx初始值，采集该时间段内的服务小区IDs、邻接小区IDni数据；

②根据基站信息表中各基站的经度lonDataA、纬度latDataA，小区方向角boreA度，天线塔高heightA米，计算该时间段Tx内出现的各小区的中心位置经度LongtA、纬度LatA，公式如下：

LongtA＝lonDataA+cos((90-boreA)*π/180)*heightA*0.0000315789；

LatA＝latDataA+sin((90-boreA)*π/180)*heightA*0.000045045；

③根据时间段Tx内服务小区IDs和邻接小区IDni的测量数据出现次数N对各小区中心经纬度进行归一化加权：

经度Longt_N＝(小区i中心经度LongtAi×Ni)/∑Ni；

纬度Lat_N＝(小区i中心纬度LatAi×Ni)/∑Ni；

④比较该时间段内已知用户的GPS数据与上述步骤归一化加权后的经纬度，得到距离差值；

⑤变化时间段Tx值后，重复步骤②～④，计算相应的距离差值，直至选取距离差值最小时的Tx值作为该场景下的时间段Tx值。

3.根据权利要求1或2所述的基于时段内小区频次加权实现移动用户定位的方法，其特征在于：所述小区i包含服务小区和邻接小区。