CN108133001B - Mr室内外分离方法、装置及介质 - Google Patents

Mr室内外分离方法、装置及介质 Download PDF

Info

Publication number
CN108133001B
CN108133001B CN201711396542.5A CN201711396542A CN108133001B CN 108133001 B CN108133001 B CN 108133001B CN 201711396542 A CN201711396542 A CN 201711396542A CN 108133001 B CN108133001 B CN 108133001B
Authority
CN
China
Prior art keywords
data
indoor
user
outdoor
database
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
Application number
CN201711396542.5A
Other languages
English (en)
Other versions
CN108133001A (zh
Inventor
张添程
李明
杜航航
陈雷
马念
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Jiu Yu Bo Hong Technology Co Ltd
Original Assignee
Chongqing Jiu Yu Bo Hong Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Jiu Yu Bo Hong Technology Co Ltd filed Critical Chongqing Jiu Yu Bo Hong Technology Co Ltd
Priority to CN201711396542.5A priority Critical patent/CN108133001B/zh
Publication of CN108133001A publication Critical patent/CN108133001A/zh
Application granted granted Critical
Publication of CN108133001B publication Critical patent/CN108133001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供的MR室内外分离方法、装置及介质，该方法包括：接收用户上报的S1MME数据与MR数据，以得到第一数据库；对第一数据库中MR数据进行处理，筛选室外用户；在第一数据库中剔除判定为室外用户的MR数据，以得到第二数据库；建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户；在第二数据库中剔除判定为室内用户的MR数据，以得到第三数据库；基于基站位置和时段特征，在第三数据库中筛选室外用户和室内用户。该方法准确度高，适用性广。

Description

MR室内外分离方法、装置及介质
技术领域
本发明属于通信技术领域，具体涉及MR室内外分离方法、装置及介质。
背景技术
利用MR(Measurement Report测量报告)数据做网络优化，网络优化涉及到不同的“点、线、面”，那就需要对MR进行区分，特别是基于MR数据判定用户处于室内还是室外。现有使用MR做用户定位的方法主要是使用无线传播模型进行用户定位，而无线传播模型定位不适用于室内。所以使用MR做网络优化，MR的室内外分离就显得尤为重要。
当前的MR数据室内外分离，主要有三种方法，1、基于业务经验的方法。例如判定越区覆盖判定为室内，主基站和邻近基站有室分基站就算室内。但是该方法覆盖度不够，业务特征不明显，难以识别，准确度不够。2、基于MR统计特征的算法，该方法难以适用网络变化，一旦网络变化，统计特征将发生变化，准确度不够。3、基于MR和用户实际位置数据，采用理论和实际对比的方式来进行MR室内外分离的算法，该方法获取成本高，涉及用户隐私，难以大面积推广。
发明内容
针对现有技术中的缺陷，本发明提供MR室内外分离方法、装置及介质，准确度高，适用性广。
第一方面，本发明提供了一种MR数据室内外分离方法，包括：
接收用户上报的S1MME数据与MR数据，以得到第一数据库；
对第一数据库中MR数据进行处理，筛选室外用户；
在第一数据库中剔除判定为室外用户的MR数据，以得到第二数据库；
建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户；
在第二数据库中剔除判定为室内用户的MR数据，以得到第三数据库；
获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率，在第三数据库中筛选室外用户和室内用户。
进一步地，所述对第一数据库中MR数据进行处理，筛选室外用户具体为：
将第一数据库中预设时间内接收到的S1MME数据与MR数据通过预设的第一字段进行关联；
设置筛选时间段，筛选出接收时间位于筛选时间段内的MR数据；
在筛选得到的MR数据中填充预设的第二字段，以得到用户的每个MR信息；
将每个用户的MR信息按照上报时间排序，形成每个用户的MR时序数据，其中用户的每个MR信息形成MR时序数据中的一个时序点；
将所述MR时序数据，与MR数据中的主基站ID、第一邻近基站ID和预设的基站工程参数表关联，得到用户的每个MR信息对应的主基站经纬度和第一邻近基站经纬度，并将主基站经纬度和第一邻近基站经纬度转换成莫卡托平面坐标，以得到MR坐标数据。
进一步地，当用户的MR信息中存在MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
据用户主基站位置和MR信息的MRltesctadv和MRltescaoa进行用户定位，得到用户位置：
X＝X0-MRltesctadv·C·sin(MRltescaoa)；
Y＝Y0+MRltesctadv·C·cos(MRltescaoa)；
其中X为用户位置的横坐标，Y为用户位置的纵坐标，X0为基站的莫卡托平面坐标的横坐标，Y0为基站的莫卡托平面坐标的纵坐标，C为信号传播速度；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第一时间段内用户的移动距离和速度，如果移动距离超过预设的第一距离阈值，或者平均速度超过预设的第一速度阈值，则用户为室外用户。
进一步地，当用户的MR信息中无MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据中主基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第二时间段内用户的移动距离和速度，如果移动距离超过预设的第二距离阈值，或者平均速度超过预设的第二速度阈值，则用户为室外用户。
进一步地，对于主基站移动性判定不属于室外的用户，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据的第一邻近基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第三时间段内用户的移动距离和速度，如果移动距离超过预设的第三距离阈值或者平均速度超过预设的第三速度阈值，则用户为室外用户。
进一步地，所述建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户具体为：
定义主基站不变、第一邻近基站不变且移动性小于1m/s的用户为绝对室内用户；
从第二数据库中读取绝对室内用户的MR数据，针对每个主基站和邻近基站组合，以MR数据中9个邻近基站ID作为坐标轴建立向量空间；根据MR数据中各基站的信号强度的平均值组成特征向量，形成基础特征库；
基础特征库的置信度验证：将室外用户的MR数据投入基础特征库的向量空间中，计算每个向量空间中各个时段的绝对室内用户与室外用户数的比值，并按照该比值升序排列；按照预设的比例阈值提取比值高于预设的比值阈值的向量空间，并结合该向量空间对应的特征向量形成室内用户特征库；
将第二数据库中MR数据与室内特征库进行向量空间匹配，计算MR数据与匹配成功的向量空间的特征向量的相似度，如果相似度小于预设相似度阈值且主基站信号强度偏差在预设的误差阈值以内，则该用户为室内用户。
进一步地，所述获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率在第三数据库中筛选室外用户和室内用户具体为：
计算每个基站下的室内用户与室外用户的占比，以得到该基站下室内外用户占比；
每个工作日的每小时利用上一个工作日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
每个节假日的每小时利用上一个节假日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
根据室外概率和室内概率，对第三数据库的MR数据进行分离：获取第三数据库中高可信度的MR数据；如果室外概率高于室内概率，则该MR数据归于室外用户；如果室内概率高于室外概率，则该MR数据归于室内用户。
第二方面，本发明提供一种MR数据室内外分离装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述的方法。
第三方面，本发明提供一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。
本发明实施例提供的MR室内外分离的方法、装置及介质，首先，将MR数据与S1MME数据进行关联，获取MR数据对应的用户标识，将MR数据根据用户表示分组。
然后，根据用户的MR数据对进行方向角定位、主机站定位、第一邻近基站定位，进而得到用户的位置轨迹、主机站切换轨迹、第一邻近基站切换轨迹，然后对每条MR数据观察期前后MR数据的对应位置计算器三类轨迹移动距离和移动速度，将轨迹距离大于阈值的MR数据或移动速度大于阈值的MR数据识别为高移动性的室外MR数据。
其次，对于剩下的非高移动性室外用户的MR数据与已经建立的室内用户MR特征库进行匹配，通过室内用户MR特征库的基站ID序列匹配向量空间，对于匹配到向量空间的用户，通过用户在各基站下的信号强度与特征向量空间中的信号强度特征向量，进行向量相似度计算，对于和特征向量相似的MR数据定义为室内MR数据。
最后，对于剩余的未被分类的MR数据，查找同一基站、同类日期同时段的历史室内外概率，作为MR数据的基准室内外概率，再通过专家业务经验形成的规则进行调整，最后形成新的MR数据室内外概率，基于该室内外概率对于未被分类的MR数据进行室内外分类，室内概率高的为室内用户，室外概率高的为室外用户。
该方法在基站不通过AGPS技术采集经纬度位置的情况下，对MR数据进行了的室内外分离，该方法能够自动适应网络设施变化，在保证室内外分离准确性的基础上，实现了全量MR数据的室内外分离。该方法不侵犯用户位置信息，准确度高，适用性广。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为实施例一提供的MR室内外分离方法的框架图。
图2为实施例一提供的MR室内外分离方法的流程图。
图3为方向角和距离方法进行用户定位示意图，图中，AOA为用户到基站的方向角(正北方向逆时针方向角)。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一：
MR数据(Measurement Report测量报告)是由LTE终端定时上报(5.12s或10.24s一次)由基站采集汇总的网络质量测量数据，每小时采集一次。MR数据的主要核心信息包括：
时间字段：
Reporttime：测量报告数据上报时间
Starttime：测量报告数据起始时间
Endtime：测量报告数据结束时间
ID字段：
enbid：基站标识
cellid：基站下基站标识
mmeues1apid：UE的标识
mmegroupid：用于MME组的标识
mmecode：用于MME组内的MME标识
指标字段：
MRltescpci：主基站ID
MRltescrsrp：主基站信号强度
MRltescaoa：终端到主基站的方向角
MRltesctadv：主基站到终端的时间提前量
MRltenc1pci：第一邻近基站ID
MRltenc1rsrp：第一邻近基站信号强度
MRltenc2pci：第二邻近基站ID
MRltenc2rsrp：第二邻近基站信号强度
……
MRltenc8pci：第八邻近基站ID
MRltenc8rsrp：第八邻近基站信号强度
S1MME数据是基站与MME(Mobility Management Entity，是3GPP协议LTE接入网络的关键控制节点，它负责空闲模式的UE(User Equipment)的定位，传呼过程，包括中继，简单的说MME是负责信令处理部分)间的数据交互数据，可以理解为信令数据，每小时采集一次。S1MME数据中包含的信息很多，而且不同信令的包含的数据是不同的，本实施例采用的主要字段包括：
用户标识：
Imsi：手机卡标识
Imei：手机标识
msisdn：电话号码标识
时间字段：
Starttime：信令起始时间
Endtime：信令结束时间
ID字段：
enbid：基站标识
cellid：基站下小区标识
mmeues1apid：UE的标识
mmegroupid：用于MME组的标识
mmecode：用于MME组内的MME标识
基站工程参数表主要包含基站的工程参数，本实施例主要是用了基站的经纬度位置。
参见图1-3，本实施例提供了一种MR数据室内外分离方法，包括：
S1：接收用户上报的S1MME数据与MR数据，以得到第一数据库；
S2：室外用户分离方法：对第一数据库中MR数据进行处理，得到MR信息、MR时序数据和MR坐标数据；根据MR信息、MR时序数据和MR坐标数据绘制用户的定位轨迹，并计算速度信息，根据定位轨迹和速度信息筛选室外用户，具体为：
S2.1：将第一数据库中预设时间内接收到的S1MME数据与MR数据通过预设的第一字段进行关联，第一字段包括enbid(基站标识)、cellid(基站下小区标识)、mmeues1apid(UE的标识)、mmegroupid(用于MME组的标识)、mmecode(用于MME组内的MME标识)。
设置筛选时间段，限制S1MME和MR中的起始时间和结束时间，筛选出接收时间位于筛选时间段内的MR数据；
在筛选得到的MR数据中填充用户信息预设的第二字段，以得到所述MR信息。第二字段包括Imsi(手机卡标识)Imei(手机标识)msisdn(电话号码标识)。
S2.2：将每个用户的MR信息按照上报时间排序，形成每个用户的MR时序数据，其中每个用户的MR信息形成MR时序数据中的一个时序点；
S2.3：将所述MR时序数据，与MR数据中的主基站ID、第一邻近基站ID和预设的基站工程参数表关联，得到用户的每个MR信息对应的主基站经纬度和第一邻近基站经纬度，并将主基站经纬度和第一邻近基站经纬度转换成莫卡托平面坐标，以得到所述MR坐标数据。
S2.4：绘制用户的定位轨迹，并计算速度信息，根据定位轨迹和速度信息筛选室外用户。该步骤通过以下3种方式筛选。
S2.4.1：当用户的MR信息中存在MRltescaoa(终端到主基站的方向角)和MRltesctadv(主基站到终端的时间提前量)时，该方法在所述得到MR坐标数据之后，还包括筛选室外用户。
S2.4.1.1：根据用户主基站位置和MR信息的MRltesctadv和MRltescaoa进行用户定位，MRltesctadv采用方向角和距离方法进行用户定位；
MRltesctadv单位为ts，1ts内光传播距离为4.89m，得到用户位置：
X＝X0-MRltesctadv·C·sin(MRltescaoa)；
Y＝Y0+MRltesctadv·C·cos(MRltescaoa)；
其中X为用户位置的横坐标，Y为用户位置的纵坐标，X0为基站的莫卡托平面坐标的横坐标，Y0为基站的莫卡托平面坐标的纵坐标，C为信号传播速度，即光速。
S2.4.1.2：计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
具体地，点A的坐标为(x1，y1)，点B的坐标为(x2，y2)，点C的坐标为(x3，y3)，则计算点A和点B的移动距离Lab转换为计算两坐标的距离，则点A和点C的距离，即3个邻近时序点的移动总距离L，L＝Lab+Lbc。
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，判定为3个邻近时序点中间的第二个时序点异常波动，在MR时序数据中剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
S2.4.1.3：用户每分钟内有5(10.24s上报一次MR)到11(5.12s上报一次MR)个采样点，计算剔除数据库中每个时序点上报后预设的第一时间段(1分钟)内用户的移动距离和速度，如果移动距离超过预设的第一距离阈值(100m)或者平均速度超过预设的第一速度阈值(2m/s)，则用户为室外用户。
S2.4.2：由于包含MRltescaoa、MRltesctadv的MR数据占35％左右(约三分之一)，所以当用户的MR数据中无MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括通过下面的方法筛选室外用户。
S2.4.2.1：将用户的MR时序数据中主基站位置作为用户位置；
S2.4.2.2：计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
S2.4.2.3：用户每5分钟内有29(10.24s上报一次MR)到58(5.12s上报一次MR)个采样点，计算剔除数据库每个时序点上报后预设的第二时间段(5分钟)内用户的移动距离和速度，如果移动距离超过预设的第二距离阈值(1000m)或者平均速度超过预设的第二速度阈值(3m/s)，则用户为室外用户。
S2.4.3：由于部分地区人口稀疏，基站也相对较少，一个主基站可以覆盖半径3km以上的范围，使得用户即使移动速度较快，其主基站也几乎不会发生变化。对于主基站移动性判定不属于室外的用户，该方法在所述得到MR坐标数据之后，还包括筛选室外用户。
S2.4.3.1：将用户的MR时序数据的第一邻近基站位置作为用户位置；
S2.4.3.2：计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
S2.4.3.3：用户每5分钟内有29(10.24s上报一次MR)到58(5.12s上报一次MR)个采样点。计算剔除数据库中每个每个时序点上报后预设的第三时间段(5分钟)内用户的移动距离和速度，如果移动距离超过预设的第三距离阈值(2000m)或者平均速度超过预设的第三速度阈值(5m/s)，则用户为室外用户。
S3：在第一数据库中剔除判定为室外用户的S1MME数据与MR数据，以得到第二数据库；
S4：室内用户分离方法：建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户，具体为：
S4.1：定义在夜间时段(0：00-6：00)、工作时段(9：30-11：30)(14：00-17：00)主基站不变、第一邻近基站不变且移动性小于1m/s的用户为绝对室内用户；
S4.2：获取绝对室内用户的MR特征，建立特征库：
从第二数据库中读取绝对室内用户的MR数据，针对每个主基站和邻近基站组合，以MR数据中9个邻近基站ID作为坐标轴建立向量空间，这就可以得到大量的向量空间(以某电信公司主城区20000个小区为例，可以得到400万个向量空间)；根据MR数据中各基站的信号强度的平均值组成特征向量，形成基础特征库；
具体地，MR数据中有9个邻近基站ID和9个信号强度，则以9个邻近基站ID作为坐标轴建立向量空间，即向量空间(ID1，ID2，ID3，ID4，……ID9)，其中ID1～ID9分别为9个邻近基站ID。由9个邻近基站的信号强度组成特征向量，即(rsrp1，rsrp2，……rsrp9)，rsrp1～rsrp9分别为9个邻近基站的信号强度。
S4.3：基础特征库的置信度验证：将室外用户的MR数据投入基础特征库的向量空间中，计算每个向量空间中各个时段的绝对室内用户与室外用户数的比值，并按照该比值升序排列；按照预设的比例阈值(前80％)提取比值高于预设的比值阈值(400％)的向量空间，并结合该向量空间对应的特征向量形成室内用户特征库；
具体地，匹配是用室外用户的MR数据去匹配基础特征库，如果基础特征库终某个特征空间内匹配进来的室外用户的MR数据多，认为该特征空间不符合室内用户，那么这个特征空间的置信度就低，需要剔除掉。如果特征空间内匹配进来的室外用户的MR数据少，则筛选该特征空间与对应的特征向量，形成室内用户特征库。
S4.4：将第二数据库中MR数据与室内特征库进行向量空间匹配，计算MR数据与匹配成功的向量空间的特征向量的相似度(欧几里得距离)，如果相似度小于预设相似度阈值(100)且主基站信号强度偏差在预设的误差阈值(10db)以内，则该用户为室内用户。
具体地，匹配思路是先匹配向量空间，在匹配特征向量。匹配向量空间时，在匹配向量空间时，当存在9个邻近基站ID完全一样的，或者前几个邻近基站ID完全一样的向量空间时，则认为匹配成功。一般是取前7个邻近基站ID相同。本发明利用欧几里得距离匹配特征向量。
S5：在第二数据库中剔除判定为室内用户的S1MME数据与MR数据，以得到第三数据库；
S6：全量用户覆盖方法：获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率，在第三数据库中筛选室外用户和室内用户。具体为：
S6.1：计算每个基站下的室内用户与室外用户的占比，以得到该基站下室内外用户占比；具体地，根据前面步骤分离出来的室内用户和室外用户计算室内外用户占比。
S6.2：每个工作日的每小时利用上一个工作日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
每个节假日的每小时利用上一个节假日对应时段的室内外用户占比，计算第三数据库中MR数据的室外概率和室内概率；
S6.3：对用户MR数据的室内外特征作调整；
S6.3.1：主基站为室内分布基站的用户，较大幅度提高室内概率。
S6.3.2：邻近基站为室内分布基站的用户，较小幅度提高室内概率。
S6.3.3：对于主机站长期不切换且rsrp长期稳定的用户，较大幅度提高其室内概率。
S6.3.4：对于主机站长期不切换的用户，中等幅度提高其室内概率。
S6.3.5：对于跨区覆盖(基站与用户之间跨越了其他基站)的用户，中等幅度提高其室内概率。
S6.4：根据基于室外概率和室内概率，对第三数据库的MR数据进行分离：获取第三数据库中高可信度的MR数据；如果室外概率高于室内概率，则该MR数据归于室外用户；如果室内概率高于室外概率，则该MR数据归于室内用户。
本发明实施例提供的MR室内外分离的方法，在基站不通过AGPS技术采集经纬度位置的情况下，对MR数据进行了的室内外分离，该方法能够自动适应网络设施变化，在保证室内外分离准确性的基础上，实现了全量MR数据的室内外分离。该方法不侵犯用户位置信息，准确度高，适用性广。实施例二：
实施例二提供一种MR室内外分离装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行以下方法：
接收用户上报的S1MME数据与MR数据，以得到第一数据库；
对第一数据库中MR数据进行处理，筛选室外用户；
在第一数据库中剔除判定为室外用户的MR数据，以得到第二数据库；
建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户；
在第二数据库中剔除判定为室内用户的MR数据，以得到第三数据库；
获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率，在第三数据库中筛选室外用户和室内用户。
进一步地，所述对第一数据库中MR数据进行处理，筛选室外用户具体为：
将第一数据库中预设时间内接收到的S1MME数据与MR数据通过预设的第一字段进行关联；
设置筛选时间段，筛选出接收时间位于筛选时间段内的MR数据；
在筛选得到的MR数据中填充预设的第二字段，以得到用户的每个MR信息；
将每个用户的每个MR信息按照上报时间排序，形成每个用户的MR时序数据，其中用户的每个MR信息形成MR时序数据中的一个时序点；
将所述MR时序数据，与MR数据中的主基站ID、第一邻近基站ID和预设的基站工程参数表关联，得到用户的每个MR信息对应的主基站经纬度和第一邻近基站经纬度，并将主基站经纬度和第一邻近基站经纬度转换成莫卡托平面坐标，以得到MR坐标数据。
进一步地，当用户的MR信息中存在MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
据用户主基站位置和MR信息的MRltesctadv和MRltescaoa进行用户定位，得到用户位置：
X＝X0-MRltesctadv·C·sin(MRltescaoa)；
Y＝Y0+MRltesctadv·C·cos(MRltescaoa)；
其中X为用户位置的横坐标，Y为用户位置的纵坐标，X0为基站的莫卡托平面坐标的横坐标，Y0为基站的莫卡托平面坐标的纵坐标，C为信号传播速度；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第一时间段内用户的移动距离和速度，如果移动距离超过预设的第一距离阈值，或者平均速度超过预设的第一速度阈值，则用户为室外用户。
进一步地，当用户的MR信息中无MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据中主基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第二时间段内用户的移动距离和速度，如果移动距离超过预设的第二距离阈值，或者平均速度超过预设的第二速度阈值，则用户为室外用户。
进一步地，对于主基站移动性判定不属于室外的用户，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据的第一邻近基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第三时间段内用户的移动距离和速度，如果移动距离超过预设的第三距离阈值或者平均速度超过预设的第三速度阈值，则用户为室外用户。
进一步地，所述建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户具体为：
定义主基站不变、第一邻近基站不变且移动性小于1m/s的用户为绝对室内用户；
从第二数据库中读取绝对室内用户的MR数据，针对每个主基站和邻近基站组合，以MR数据中9个邻近基站ID作为坐标轴建立向量空间；根据MR数据中各基站的信号强度的平均值组成特征向量，形成基础特征库；
基础特征库的置信度验证：将室外用户的MR数据投入基础特征库的向量空间中，计算每个向量空间中各个时段的绝对室内用户与室外用户数的比值，并按照该比值升序排列；按照预设的比例阈值提取比值高于预设的比值阈值的向量空间，并结合该向量空间对应的特征向量形成室内用户特征库；
将第二数据库中MR数据与室内特征库进行向量空间匹配，计算MR数据与匹配成功的向量空间的特征向量的相似度，如果相似度小于预设相似度阈值且主基站信号强度偏差在预设的误差阈值以内，则该用户为室内用户。
进一步地，所述获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率在第三数据库中筛选室外用户和室内用户具体为：
计算每个基站下的室内用户与室外用户的占比，以得到该基站下室内外用户占比；
每个工作日的每小时利用上一个工作日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
每个节假日的每小时利用上一个节假日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
根据室外概率和室内概率，对第三数据库的MR数据进行分离：获取第三数据库中高可信度的MR数据；如果室外概率高于室内概率，则该MR数据归于室外用户；如果室内概率高于室外概率，则该MR数据归于室内用户。
应当理解，在本发明实施例中，所称处理器可以是中央处理单元，该处理器还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
实施例三：
实施例三提供一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行实施例一或实施例二所述的方法。
所述计算机可读存储介质可以是前述任一实施例所述的装置的内部存储单元，例如装置的硬盘或内存。所述计算机可读存储介质也可以是所述装置的外部存储设备，例如所述装置上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述装置的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述装置所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种MR数据室内外分离方法，其特征在于，包括：
接收用户上报的S1MME数据与MR数据，以得到第一数据库；
对第一数据库中MR数据进行处理，筛选室外用户；
在第一数据库中剔除判定为室外用户的MR数据，以得到第二数据库；
建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户；
在第二数据库中剔除判定为室内用户的MR数据，以得到第三数据库；
获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率在第三数据库中筛选室外用户和室内用户；
所述对第一数据库中MR数据进行处理，筛选室外用户具体为：
将第一数据库中预设时间内接收到的S1MME数据与MR数据通过预设的第一字段进行关联；
设置筛选时间段，筛选出接收时间位于筛选时间段内的MR数据；
在筛选得到的MR数据中填充预设的第二字段，以得到用户的每个MR信息；
将每个用户的MR信息按照上报时间排序，形成每个用户的MR时序数据，其中用户的每个MR信息形成MR时序数据中的一个时序点；
将所述MR时序数据，与MR数据中的主基站ID、第一邻近基站ID和预设的基站工程参数表关联，得到用户的每个MR信息对应的主基站经纬度和第一邻近基站经纬度，并将主基站经纬度和第一邻近基站经纬度转换成莫卡托平面坐标，以得到MR坐标数据。
2.根据权利要求1所述MR数据室内外分离方法，其特征在于，
当用户的MR信息中存在MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
据用户主基站位置和MR信息的MRltesctadv和MRltescaoa进行用户定位，得到用户位置：
X＝X0-MRltesctadv·C·sin(MRltescaoa)；
Y＝Y0+MRltesctadv·C·cos(MRltescaoa)；
其中,X为用户位置的横坐标，Y为用户位置的纵坐标，X0为基站的莫卡托平面坐标的横坐标，Y0为基站的莫卡托平面坐标的纵坐标，C为信号传播速度；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第一时间段内用户的移动距离和速度，如果移动距离超过预设的第一距离阈值，或者平均速度超过预设的第一速度阈值，则用户为室外用户。
3.根据权利要求1所述MR数据室内外分离方法，其特征在于，
当用户的MR信息中无MRltescaoa和MRltesctadv时，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据中主基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第二时间段内用户的移动距离和速度，如果移动距离超过预设的第二距离阈值，或者平均速度超过预设的第二速度阈值，则用户为室外用户。
4.根据权利要求1所述MR数据室内外分离方法，其特征在于，
对于主基站移动性判定不属于室外的用户，该方法在所述得到MR坐标数据之后，还包括：
将用户的MR时序数据的第一邻近基站位置作为用户位置；
计算两个邻近时序点间的移动距离；定义所述第一数据库中每相邻的3个时序点为一个剔除组，根据两个邻近时序点间的移动距离计算所有剔除组中3个邻近时序点的移动总距离L、中心点位置、中心点到第1个点的距离R1、中心点到第3个点的距离R3，以及第一个点到第三个点的距离d；
计算每个剔除组中L/(R1+R3)和L/d；如果L/(R1+R3)＞2或者L/d＞8，剔除该剔除组中3个邻近时序点中间的第二个时序点，以得到剔除数据库；
计算剔除数据库中每个时序点上报后预设的第三时间段内用户的移动距离和速度，如果移动距离超过预设的第三距离阈值或者平均速度超过预设的第三速度阈值，则用户为室外用户。
5.根据权利要求1所述MR数据室内外分离方法，其特征在于，
所述建立室内用户特征库，将第二数据库中用户的MR数据与室内用户特征库进行匹配，筛选室内用户具体为：
定义主基站不变、第一邻近基站不变且移动性小于1m/s的用户为绝对室内用户；
从第二数据库中读取绝对室内用户的MR数据，针对每个主基站和邻近基站组合，以MR数据中9个邻近基站ID作为坐标轴建立向量空间；根据MR数据中各基站的信号强度的平均值组成特征向量，形成基础特征库；
基础特征库的置信度验证：将室外用户的MR数据投入基础特征库的向量空间中，计算每个向量空间中各个时段的绝对室内用户与室外用户数的比值，并按照该比值升序排列；按照预设的比例阈值提取比值高于预设的比值阈值的向量空间，并结合该向量空间对应的特征向量形成室内用户特征库；
将第二数据库中MR数据与室内特征库进行向量空间匹配，计算MR数据与匹配成功的向量空间的特征向量的相似度，如果相似度小于预设相似度阈值且主基站信号强度偏差在预设的误差阈值以内，则该用户为室内用户。
6.根据权利要求1所述MR数据室内外分离方法，其特征在于，所述获取时段特征，根据时段特征计算各基站下室外概率和室内概率，根据室外概率和室内概率在第三数据库中筛选室外用户和室内用户具体为：
计算每个基站下的室内用户与室外用户的占比，以得到该基站下室内外用户占比；每个工作日的每小时利用上一个工作日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
每个节假日的每小时利用上一个节假日对应时段的室内外用户占比，计算第三数据库中各基站下MR数据的室外概率和室内概率；
根据室外概率和室内概率对第三数据库的MR数据进行分离：获取第三数据库中高可信度的MR数据；如果室外概率高于室内概率，则该MR数据归于室外用户；如果室内概率高于室外概率，则该MR数据归于室内用户。
7.一种MR数据室内外分离装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-6任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。
CN201711396542.5A 2017-12-21 2017-12-21 Mr室内外分离方法、装置及介质 Active CN108133001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711396542.5A CN108133001B (zh) 2017-12-21 2017-12-21 Mr室内外分离方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711396542.5A CN108133001B (zh) 2017-12-21 2017-12-21 Mr室内外分离方法、装置及介质

Publications (2)

Publication Number Publication Date
CN108133001A CN108133001A (zh) 2018-06-08
CN108133001B true CN108133001B (zh) 2020-03-27

Family

ID=62391294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711396542.5A Active CN108133001B (zh) 2017-12-21 2017-12-21 Mr室内外分离方法、装置及介质

Country Status (1)

Country Link
CN (1) CN108133001B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022164363A1 (en) * 2021-02-01 2022-08-04 Telefonaktiebolaget Lm Ericsson (Publ) Classification of indoor-to-outdoor traffic and user equipment distribution

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110035392B (zh) * 2018-11-09 2020-05-12 阿里巴巴集团控股有限公司 设备是否位于目标区域的识别方法及装置和电子设备
CN112243225B (zh) * 2019-07-16 2022-07-29 中国移动通信集团浙江有限公司 楼宇室内用户识别方法、装置、设备和存储介质
CN110730432B (zh) * 2019-10-21 2021-01-08 深圳市名通科技股份有限公司 邻近用户识别方法、终端及可读存储介质
CN113194426B (zh) * 2020-01-14 2022-09-06 中移动信息技术有限公司 一种指纹库的更新方法、装置、设备及计算机存储介质
CN113207170B (zh) * 2021-03-26 2022-08-19 福建新大陆软件工程有限公司 一种基于多源信令的位置融合校正方法
CN113124857B (zh) * 2021-06-17 2021-10-01 腾讯科技（深圳）有限公司 一种出入口位置的确定方法、相关装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8378679B2 (en) * 2009-12-04 2013-02-19 Siemens Medical Solutions Usa, Inc. Coherent signal acquisition system for MR imaging and spectroscopy
CN101888640A (zh) * 2010-07-09 2010-11-17 广州杰赛科技股份有限公司 一种城市移动台定位方法
CN105578508B (zh) * 2016-01-12 2019-01-25 四川亨通网智科技有限公司 基于用户行为特征评估道路网络质量的方法
CN105744561B (zh) * 2016-03-07 2019-05-10 四川亨通网智科技有限公司 多维度测量报告室内外分离方法
CN106211194B (zh) * 2016-07-28 2019-10-11 武汉虹信技术服务有限责任公司 一种基于统计模型的mr数据室内外分离方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022164363A1 (en) * 2021-02-01 2022-08-04 Telefonaktiebolaget Lm Ericsson (Publ) Classification of indoor-to-outdoor traffic and user equipment distribution

Also Published As

Publication number Publication date
CN108133001A (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
CN108133001B (zh) Mr室内外分离方法、装置及介质
CN108181607B (zh) 基于指纹库的定位方法、装置及计算机可读存储介质
CN110166943B (zh) 终端位置信息的处理方法
CN106658399B (zh) 一种基于手机用户位置指纹进行手机位置定位的方法
US9883345B2 (en) System and method for geography-based correlation of cellular and WLAN identifiers
CN105764059B (zh) 一种基于终端位置信息来识别伪基站的方法
CN103796241A (zh) 一种基于终端上报信息判断和定位伪基站的方法
CN110121183B (zh) 一种信息处理方法、装置和计算机可读存储介质
CN109068272B (zh) 相似用户识别方法、装置、设备及可读存储介质
CN108271157B (zh) 一种伪基站识别方法及装置
CN109936820B (zh) 一种用户终端定位方法及装置
CN108810806B (zh) 一种定位信息纠正方法、客户端、存储介质及设备
CN111325561A (zh) 智能投诉处理方法、装置、电子设备及存储介质
WO2018112825A1 (zh) 基于wi-fi接入点的定位方法、设备
WO2018010693A1 (zh) 识别伪基站信息的方法及装置
CN110475274B (zh) 一种移动定位技术中异常ap的识别方法
CN105430669B (zh) 一种伪基站定位方法、设备、服务器及系统
CN108235335B (zh) 一种室内网络弱覆盖区域的确定方法及装置
CN107071708B (zh) 智能移动终端被动无线信号采集及定位方法
CN111093200A (zh) 小区驻留方法、终端、第一服务器、计算设备和介质
CN108810821B (zh) 考勤追踪的方法、装置、终端、服务器及存储介质
CN110557722A (zh) 目标团伙的识别方法及相关装置
CN108573265B (zh) 人流量统计方法及统计系统
CN111405464B (zh) 基站位置检测方法及装置
CN108848139B (zh) 考勤追踪的方法、装置、终端、服务器及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant