CN108181607B - 基于指纹库的定位方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种基于指纹库的定位方法、装置及计算机可读存储介质，其中方法包括：采集样本数据；采用预设栅格对获取的城市平面地图进行栅格化，得到栅格化地图，预设栅格包括相互错位的多重栅格；对样本数据进行随机抽样后对应至栅格化地图中，以建立基础指纹库；对基础指纹库进行时间和空间维度的裂解处理，以得到目标指纹库；根据多个目标指纹库及待定位的MR数据中的基站列表进行多次初步定位，以得到多个初步定位结果；对多个初步定位结果进行加权汇聚处理以得到目标定位结果。实施本实施例，可以提高定位精度。

Description

基于指纹库的定位方法、装置及计算机可读存储介质

技术领域

本发明涉及移动通信技术领域，具体涉及一种基于指纹库的定位方法、装置及计算机可读存储介质。

背景技术

随着通信技术的发展、无线智能终端的广泛使用，基于用户位置的LBS服务得到广泛的发展和应用。目前终端定位的主要方法有：GPS为代表的卫星定位、基于WLAN的WLAN定位、基于基站的基站定位。进一步地，现有基站定位方法主要有基站位置定位、无线传播模型定位、指纹库定位。

其中，基站位置定位和无线传播模型定位的精度难以突破100米，特别是地理环境复杂的情况下，其定位误差可以高达200-500米。指纹库定位的主要方法是构建MR特征和位置的映射关系，其理论研究已经逐步成熟，而实际应用还处于初级阶段，目前主要的问题如下：

(1)受限于构建MR栅格指纹的标准参照系民用GPS卫星定位的10米理论误差，现有MR指纹算法在栅格大小固定在20米后，其精度难以通过缩小栅格半径的方法进一步提升；

(2)指纹库理论方案大多是静态的，没有考虑基站无线环境和地理信息的变化等影响，在基站大规模建设、人流波动大、地理信息复杂的情况下，误差较大。

发明内容

本发明实施例的目的在于提供一种基于指纹库的定位方法、装置及计算机可读存储介质，以提高定位精度。

为实现上述目的，第一方面，本发明实施例提供了一种基于指纹库的定位方法，包括：

采集样本数据，所述样本数据包括基站信号指标数据和位置信息关系；

获取城市平面地图，并采用预设栅格对所述城市平面地图进行栅格化以得到栅格化地图，所述栅格化地图包括多个栅格，所述预设栅格包括相互错位的多重栅格；

对所述样本数据进行随机抽样以得到目标样本，并将所述目标样本对应至所述栅格化地图中；

获取所述栅格化地图中目标样本的位置确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系；

根据所述对应关系以及基站信号强度，计算每个所述栅格内的向量空间及对应的特征向量，以建立基础指纹库；

对多个所述基础指纹库进行时间和空间维度的裂解处理，以得到多个目标指纹库；

根据待定位的MR数据中的基站列表及多个所述目标指纹库进行初步定位，以得到多个初步定位结果；

对多个所述初步定位结果进行加权汇聚处理以得到目标定位结果。

作为本申请一种可选的实施方式，采集样本数据具体包括：

获取路测数据、MR数据、S1MME数据以及DPI数据；

将所述路测数据中的基站信号指标数据和位置信息关系作为所述样本数据；

所述DPI数据根据用户ID、起始时间、结束时间关联S1MME数据，以得到id数据；

所述DPI数据根据所述id数据、起始时间、结束时间关联S1MME数据，以得到基站信号指标数据和位置信息关系，并将基站信号指标数据和位置信息关系作为所述样本数据。

作为本申请一种可选的实施方式，获取所述栅格化地图中目标样本的位置确定基站信号强度和所述栅格的对应关系，具体包括：

获取所述栅格化地图中目标样本的位置；

根据所述目标样本的位置计算得到对应的墨卡托平面坐标；

根据所述墨卡托平面坐标计算得到所述目标样本的位置对应栅格的横纵坐标序号，以确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系。

作为本申请一种可选的实施方式，根据所述对应关系以及基站信号强度，计算每个所述栅格内的向量空间及对应的特征向量，以建立基础指纹库，具体包括：

根据所述栅格对所述目标样本进行分类；

对每个类别下的基站信号强度，根据id数据、主基站和邻近基站得到所述向量空间；

在每个所述向量空间各个维度上的信号强度平均值构成所述特征向量；

根据所述对应关系、向量空间以及特征向量得到每个所述栅格内的向量空间及对应的特征向量，以建立所述基础指纹库。

作为本申请一种可选的实施方式，对所述基础指纹库进行时间和空间维度的裂解处理，以得到目标指纹库，具体包括：

当所述基础指纹库不满足第一预设条件时，根据不同日期类型和不同时段类型将所述基础指纹库进行时间裂解；

从经时间裂解后的基础指纹库中挑选待聚类的样本，采用K-means聚类算法对待聚类的样本进行聚类，得到一个特征空间内，不同类的多个特征向量，以得到目标指纹库。

作为本申请一种可选的实施方式，根据待定位的MR数据中的基站列表及多个所述目标指纹库进行初步定位，以得到多个初步定位结果，具体包括：

从所述目标指纹库中获取各栅格的向量空间的基站列表；

将待定位的MR数据中的基站列表与各栅格的向量空间的基站列表进行匹配，以得到多个匹配栅格；

将所述MR数据中的基站信号强度与多个所述匹配栅格对应的向量空间内的特征向量进行相似度计算，以得到多个定位栅格；

将多个所述定位栅格的中心点作为所述MR数据的多个初步定位结果。

作为本申请一种可选的实施方式，对多个所述初步定位结果进行处理以得到目标定位结果，具体包括：

根据多个初步定位结果的欧几里得距离的倒数的比例确定各个初步定位结果的权重；

根据所述权重，采用加权K邻近法加权得到复合定位结果，以作为所述目标定位结果。

作为本申请一种可选的实施方式，所述方法还包括：

对所述目标指纹库进行自动化更新。

第二方面，本发明实施例提供了一种基于指纹库的定位装置，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，其中，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，执行上述第一方面的方法。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读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第一方面所述的方法。

本发明实施例，先采集样本数据以及获取城市平面地图，并对城市平面地图进行栅格化以得到栅格化地图，预设栅格包括相互错位的多重栅格，再对样本数据进行随机抽样后对应至栅格化地图中，接着基于栅格化地图计算每个栅格内的向量空间及对应的特征向量，以建立基础指纹库，然后对基础指纹库进行时间和空间维度的裂解，以得到目标指纹库，最后基于目标指纹库对待定位的MR数据中的基站列表进行初步定位，并对多个初步定位结果进行加权汇聚处理以得到目标定位结果，从而提高了定位精度。

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是本发明第一实施例提供的基于指纹库的定位方法的示意流程图；

图2是三重30m*30m的示意图；

图3是本发明第二实施例提供的基于指纹库的定位方法的示意流程图；

图4是本发明第一实施例提供的基于指纹库的定位装置的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

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”和“包含”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。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

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]”。

为更好的理解本发明所描述的技术方案，现对其所涉及的相关知识做如下描述：

1、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。

主要包括如下核心信息：

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

指标字段：

mrltescpci：主服务小区id

mrltescrsrp：主服务小区信号强度

mrltenc1pci：第一邻近小区id

mrltenc1rsrp：第一邻近小区信号强度

mrltenc2pci：第二邻近小区id

mrltenc2rsrp：第二邻近小区信号强度

……

Mrltenc8pci：第八邻近小区id

Mrltenc8rsrp：第八邻近小区信号强度

数据采集周期：每小时一次

2、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。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。本技术方案中主要应用到了如下字段：

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

数据采集周期：每小时一次

3、DPI(Deep Packet Inspection)是一种基于数据包的深度检测技术，针对不同的网络应用层载荷(例如HTTP、DNS等)进行深度检测，通过对报文的有效载荷检测决定其合法性，DPI解析可以得到用户流量包内包含的位置数据。本技术方案中主要应用到了如下字段：

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

位置信息字段：

Longitude：经度

Latitude：纬度

数据采集周期：每小时一次

4、基站工程参数表

主要包含基站的工程参数，本技术文档主要是用了基站的经纬度位置。

5、DT(Drive Test)路测数据

主要包含以下信息：

位置信息字段：

Longitude：经度

Latitude：纬度

指标字段：

mrltescpci：主服务小区id

mrltescrsrp：主服务小区信号强度

mrltenc1pci：第一邻近小区id

mrltenc1rsrp：第一邻近小区信号强度

mrltenc2pci：第二邻近小区id

mrltenc2rsrp：第二邻近小区信号强度

……

Mrltenc8pci：第八邻近小区id

Mrltenc8rsrp：第八邻近小区信号强度

请参考图1，是本发明第一实施例所提供的基于指纹库的定位方法的流程示意图，如图所示，该方法可以包括如下步骤：

S101，采集样本数据。

其中，样本数据包括基站信号指标数据和位置信息关系，其主要来自两部分，一部分来自路测数据，另一部分来自MR数据、S1MME数据以及DPI数据进行关联后结果。

具体地，先获取路测数据、MR数据、S1MME数据以及DPI数据，之后：

(1)将路测数据中的基站信号指标数据和位置信息关系作为样本数据；

(2)将MR数据、S1MME数据、DPI数据关联得到的基站信号指标数据和位置信息关系，以作为样本数据：

a)DPI数据通过用户ID(Imsi手机卡标识、Imei手机标识、msisdn电话号码标识)和起始时间、结束时间关联S1MME数据，得到对应的id数据(enbid基站标识、cellid基站下小区标识、mmeues1apid终端UE的标识、mmegroupid用于MME组的标识、mmecode：用于MME组内的MME标识)；

b)DPI数据通过id数据(enbid基站标识、cellid基站下小区标识、mmeues1apid终端UE的标识、mmegroupid用于MME组的标识、mmecode：用于MME组内的MME标识)和起始时间、结束时间关联MR数据，得到基站信号指标数据和位置信息关系作为样本数据。

S102，获取城市平面地图，并采用预设栅格对城市平面地图进行栅格化以得到栅格化地图。

其中，栅格化地图包括多个栅格，预设栅格包括相互错位的多重栅格。

具体地，基于GIS系统获取城市平面地图。基于该城市平面地图，选取一个可以将城市覆盖的矩形，该矩形满足如下条件，矩形变长为30米(三层指纹库实例)的整数倍，且城市内任意一点距离矩形边缘距离大于100米。选取该矩形的左下角，作为基准点，将整个矩形用30m*30m的正方形进行栅格化，分解成不重复不遗漏的正方形栅格。

基于第一正方形栅格，分别将基准点像右下方移动10m*10m和20m*20m，得到邻位两个栅格化的地图。于是可以得到如图2所示的关系。

对于原来地图中心的30m*30m的栅格1，被基准点移动得到的30m*30m的栅格2和30m*30m的栅格3分割成9个10m*10m的栅格。

对于同一个矩形来说，采用3重30m*30m的栅格进行栅格化，要比采用10m*10m的栅格进行栅格化，栅格总数上减少2/3，定位精度和稳定性上均有复合提升。

需要说明的是，步骤S102中所提及的预设栅格指的是3重相互错位的30m*30m的栅格。

S103，对样本数据进行随机抽样以得到目标样本，并将目标样本对应至栅格化地图中。

具体地，针对全部样本数据，进行3次独立的随机抽样，以得到目标样本，并将目标样本对应到相应的栅格化地图中。

需要说明的是，抽样结果需满足如下要求：

(1)每次抽样的样本覆盖的栅格，占全部样本覆盖的栅格的60％以上；

(2)三次抽样的样本之间，样本重复率小于75％.

S104，获取栅格化地图中目标样本的位置确定待定位的MR数据中的基站列表、基站信号强度和栅格的对应关系。

具体地，获取栅格化地图中目标样本的位置，根据该目标样本的位置，计算得到其对应的墨卡托平面坐标，并根据样本平面坐标和栅格基准点(即城市平面地图的左下角)的位置关系，计算得到该位置对应栅格的横纵坐标序号(xno，yno)，进而得到基站列表、基站信号强度指标和栅格的对应关系。

S105，根据对应关系以及基站信号强度，计算每个栅格内的向量空间及对应的特征向量，以建立多个基础指纹库。

具体地，根据栅格将目标样本分类，对每个类别下的基站信号强度信息，计算基站信号强度特征。

其中，基站信号强度信息包括：

mrltescpci：主服务小区id

mrltescrsrp：主服务小区信号强度

mrltenc1pci：第一邻近小区id

mrltenc1rsrp：第一邻近小区信号强度

mrltenc2pci：第二邻近小区id

mrltenc2rsrp：第二邻近小区信号强度

……

Mrltenc8pci：第八邻近小区id

Mrltenc8rsrp：第八邻近小区信号强度

共9个id(pci)和9个信号强度(rsrp)

以9个id作为坐标轴建立向量空间，针对每个主基站和邻近基站组合得到对应的向量空间，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)。

在每个向量空间(即每个id组合)，各个维度上(即主服务小区和各邻近小区)的信号强度平均值组成特征向量，进而得到每个栅格内的特征向量空间和对应的特征向量。最终，根据对应关系、向量空间以及特征向量得到每个栅格对应的向量空间及向量空间对应的特征向量，以建立多个基础指纹库。

S106，对多个基础指纹库进行时间和空间维度的裂解处理，以得到多个目标指纹库。

在建立基础指纹库的基础上，当基础指纹库不满足第一预设条件时，根据不同日期类型和不同时段类型将基础指纹库进行时间裂解。

上述第一预设条件指的是：对不同日期维度(工作日、节假日)和不同时间维度(一天24个小时)上，同一个栅格的特征向量空间发生变化或特征向量发生较大变化(欧几里得距离变化超过100，余弦相似度小于0.866)。

具体地，在建立基础指纹库的基础上，当基础指纹库不满足第一预设条件时，对基础指纹库进行时间上的裂解，将一个栅格指纹库分为一个栅格不同日期类型和不同时段类型的指纹库。

在建立时间裂解的指纹库基础上，如果某一个特征空间内的样本，在空间上出现多类聚集的情况，便将其作为待聚类的样本。此时，可以采用K-means聚类算法，对该特征空间内的样本进行聚类，进而得到一个特征空间内，不同类的多个特征向量。在GIS地图上分析栅格相应的地理位置，看是否出现分层情况，例如栅格对应的位置为高楼(不同楼层分层)、桥梁(桥上、桥下分层)、隧道(隧道内，山体上分层)等情况，结合具体的主服务基站位置和主服务基站信号强度差异确定各特征向量对应的层次关系，例如主服务基站为在高楼楼顶时，那么主服务基站信号强度高的特征向量，在上层，信号强度低的特征向量，在下层。

对基础指纹库进行上述时间和空间维度的裂解处理后，便可得到目标指纹库。

S107，根据待定位的MR数据中的基站列表及多个目标指纹库进行初步定位，以得到多个初步定位结果。

需要说明的是，步骤S107主要包括以下两个步骤：(1)采用基站列表匹配向量空间；(2)采用向量相似度匹配特征向量。下述具体过程是基于该两个步骤的。

具体地，获取待定位的MR数据中的基站列表(主服务基站和8个邻近基站)，从目标指纹库中获取各栅格的向量空间的基站列表，将待定位的MR数据中的基站列表与各栅格的向量空间的基站列表进行匹配，以得到多个匹配栅格。

对于匹配得到的栅格(即匹配栅格)，将MR数据中的基站信号强度与栅格对应向量空间内的特征向量进行相似度计算，包括欧几里得距离和余弦相似度，综合选取欧几里得距离最小而余弦相似度最大的特征向量，将对应栅格的中心点，作为该条MR的定位位置。

采用上述方法，每条MR数据通过三个不同的栅格地图的指纹库进行指纹定位，得到三个定位位置，即多个初步定位结果。

S108，对多个初步定位结果进行加权汇聚处理以得到目标定位结果。

对于三个不同的指纹库的定位结果，根据其欧几里得距离的倒数的比值确定各定位点(即定位结果或定位位置)的权重，采用加权K邻近法(wknn)，加权得到一个复合定位的位置。

设每个栅格指纹库的最终特征向量的欧几里得距离为Li(I＝1，2，3)

每个栅格指纹库定位的结果为(Xi，Yi)(I＝1，2，3)

最终定位结果为

其中，Xi为初步定位结果的横坐标，Yi为初步定位结果的纵坐标，X为目标定位结果(最终定位结果)的横坐标，Y为目标定位结果(最终定位结果)的纵坐标。

实施本发明实施例，先采集样本数据以及获取城市平面地图，并对城市平面地图进行栅格化以得到栅格化地图，预设栅格包括相互错位的多重栅格，再对样本数据进行随机抽样后对应值栅格化地图中，接着基于栅格化地图计算每个栅格内的向量空间及对应的特征向量，以建立基础指纹库，然后对基础指纹库进行时间和空间维度的裂解，以得到目标指纹库，最后基于目标指纹库对待定位的MR数据中的基站列表进行初步定位，并对多个初步定位结果进行加权处理以得到目标定位结果；实施本实施例，具有以下有益效果：

1)在现有MR指纹库的RSRP指标体系基础上，根据人流活动对无线网络影响的时间特点引入时间分时段维度，对对应时间的用户MR数据匹配对应的时段的MR指纹库，进行指纹库细分，实现了对特定人流场景的指纹库精度以及定位精度的提升；

2)在现有MR指纹库的RSRP指标体系基础上，集合地理高度信息，结合人口活动规律，引入空间分层维度，进行指纹库细分实现对特定空间场景的指纹库精度提升，将用户定位站同一平面区域的不同高度的网格内，实现了指纹库精度以及定位精度的提升；

3)在现有MR指纹库的RSRP指标体系基础上，对指纹库定位栅格进行错位重新排布，形成新的同规模的MR指纹库，通过错位指纹库的复合定位算法(即步骤S107)，进一步提升了指纹库精度以及定位精度。

请参考图3，是本发明第二实施例所提供的基于指纹库的定位方法的流程示意图，如图所示，该方法可以包括如下步骤：

S201，采集样本数据。

其中，所述样本数据包括基站信号指标数据和位置信息关系。

S202，获取城市平面地图，并采用预设栅格对城市平面地图进行栅格化以得到栅格化地图。

其中，所述栅格化地图包括多个栅格，预设栅格包括相互错位的多重栅格。

S203，对样本数据进行随机抽样以得到目标样本，并将目标样本对应至栅格化地图中。

S204，获取栅格化地图中目标样本的位置确定待定位的MR数据中的的基站列表、基站信号强度和栅格的对应关系。

S205，根据对应关系以及基站信号强度，计算每个栅格内的向量空间及对应的特征向量，以建立多个基础指纹库。

S206，对多个基础指纹库进行时间和空间维度的裂解处理，以得到多个目标指纹库。

S207，根据待定位的MR数据中的基站列表及多个目标指纹库进行初步定位，以得到多个初步定位结果。

S208，对多个初步定位结果进行处理以得到目标定位结果。

S209，对目标指纹库进行自动化更新。

系统指纹库每天夜间根据最新的样本库做一次更新，更新内容如下：

(1)监控基站工参信息表是否发生变化(即有新的基站施工，包括新建站、优化站、移动站、拆除站)对于基站工参信息有变化的基站，删除样本库中该基站相关的所有样本，包括该基站为主连接基站和该基站为邻近基站的样本。

(2)对于基站未发生变化的样本，对于不同采集时间的样本赋予不同的权重，对于最近一个月内的样本给予3倍基准权重，对于最近1个月到3个月的样本给予2倍基准权重，对于最近3个月到6个月的样本给予1倍基准权重，对于6个月以上的样本给予0.5倍的基准权重。

(3)指纹库每次更新对全部生效样本按照其权重计算特征向量。

需要的是，本实施例中的步骤S201至S208的详细过程请参考上述步骤S101至S108，在此不再赘述。

实施本实施例，具有以下有益效果：

1)在现有MR指纹库的RSRP指标体系基础上，根据人流活动对无线网络影响的时间特点引入时间分时段维度，对对应时间的用户MR数据匹配对应的时段的MR指纹库，进行指纹库细分，实现了对特定人流场景的指纹库精度以及定位精度的提升；

2)在现有MR指纹库的RSRP指标体系基础上，集合地理高度信息，结合人口活动规律，引入空间分层维度，进行指纹库细分实现对特定空间场景的指纹库精度提升，将用户定位站同一平面区域的不同高度的网格内，实现了指纹库精度以及定位精度的提升；

3)在现有MR指纹库的RSRP指标体系基础上，对指纹库定位栅格进行错位重新排布，形成新的同规模的MR指纹库，通过错位指纹库的复合定位算法(即步骤S107)，进一步提升了指纹库精度以及定位精度。

相应地，在上述实施例所提供的基于指纹库的定位方法的基础上，本发明实施例还提供了一种基于指纹库的定位装置。请参考图4，该基于指纹库的定位装置，可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104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101被配置用于调用所述程序指令执行：

采集样本数据，所述样本数据包括基站信号指标数据和位置信息关系；

获取城市平面地图，并采用预设栅格对所述城市平面地图进行栅格化以得到栅格化地图，所述栅格化地图包括多个栅格，所述预设栅格包括相互错位的多重栅格；

对所述样本数据进行随机抽样以得到目标样本，并将所述目标样本对应至所述栅格化地图中；

获取所述栅格化地图中目标样本的位置确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系；

根据所述对应关系以及基站信号强度，计算每个所述栅格内的向量空间及对应的特征向量，以建立多个基础指纹库；

对多个所述基础指纹库进行时间和空间维度的裂解处理，以得到多个目标指纹库；

根据待定位的MR数据中的基站列表及多个所述目标指纹库进行初步定位，以得到多个初步定位结果；

对多个所述初步定位结果进行加权汇聚处理以得到目标定位结果。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

获取路测数据、MR数据、S1MME数据以及DPI数据；

将所述路测数据中的基站信号指标数据和位置信息关系作为所述样本数据；

所述DPI数据根据用户ID、起始时间、结束时间关联S1MME数据，以得到id数据；

所述DPI数据根据所述id数据、起始时间、结束时间关联S1MME数据，以得到基站信号指标数据和位置信息关系，并将基站信号指标数据和位置信息关系作为所述样本数据。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

获取所述栅格化地图中目标样本的位置；

根据所述目标样本的位置计算得到对应的墨卡托平面坐标；

根据所述墨卡托平面坐标计算得到所述目标样本的位置对应栅格的横纵坐标序号，以确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

根据所述栅格对所述目标样本进行分类；

对每个类别下的基站信号强度，根据id数据、主基站和邻近基站得到所述向量空间；

在每个所述向量空间各个维度上的信号强度平均值构成所述特征向量；

根据所述对应关系、向量空间以及特征向量得到每个所述栅格内的向量空间及对应的特征向量，以建立所述基础指纹库。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

当所述基础指纹库不满足第一预设条件时，根据不同日期类型和不同时段类型将所述基础指纹库进行时间裂解；

从经时间裂解后的基础指纹库中挑选待聚类的样本，采用K-means聚类算法对待聚类的样本进行聚类，得到一个特征空间内，以得到目标指纹库。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

从所述目标指纹库中获取各栅格的向量空间的基站列表；

将待定位的MR数据中的基站列表与各栅格的向量空间的基站列表进行匹配，以得到多个匹配栅格；

将所述MR数据中的基站信号强度与多个所述匹配栅格对应的向量空间内的特征向量进行相似度计算，以得到多个定位栅格；

将多个所述定位栅格的中心点作为所述MR数据的多个初步定位结果。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

根据多个初步定位结果的欧几里得距离的倒数的比例确定各个初步定位结果的权重；

根据所述权重，采用加权K邻近法加权得到复合定位结果，以作为所述目标定位结果。

进一步地，所述处理器101被配置用于调用所述程序指令执行：

对所述目标指纹库进行自动化更新。

应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)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。

输入设备102可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备103可以包括显示器(LCD等)、扬声器等。

该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104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104还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的基于指纹库的定位方法的实施例中所描述的实现方式，在此不再赘述。

实施本发明实施例所提供的基于指纹库的定位装置，先采集样本数据以及获取城市平面地图，并对城市平面地图进行栅格化以得到栅格化地图，预设栅格包括相互错位的多重栅格，再对样本数据进行随机抽样后对应至栅格化地图中，接着基于栅格化地图计算每个栅格内的向量空间及对应的特征向量，以建立基础指纹库，然后对基础指纹库进行时间和空间维度的裂解，以得到目标指纹库，最后基于目标指纹库对待定位的MR数据中的基站列表进行初步定位，并对多个初步定位结果进行加权汇聚处理以得到目标定位结果，；实施本实施例，具有以下有益效果：

1)在现有MR指纹库的RSRP指标体系基础上，根据人流活动对无线网络影响的时间特点引入时间分时段维度，对对应时间的用户MR数据匹配对应的时段的MR指纹库，进行指纹库细分，实现了对特定人流场景的指纹库精度以及定位精度的提升；

2)在现有MR指纹库的RSRP指标体系基础上，集合地理高度信息，结合人口活动规律，引入空间分层维度，进行指纹库细分实现对特定空间场景的指纹库精度提升，将用户定位站同一平面区域的不同高度的网格内，实现了指纹库精度以及定位精度的提升；

3)在现有MR指纹库的RSRP指标体系基础上，对指纹库定位栅格进行错位重新排布，形成新的同规模的MR指纹库，通过错位指纹库的复合定位算法(即步骤S107)，进一步提升了指纹库精度以及定位精度。

相应地，本发明实施例提供了一种计算机可读存储介质，所述计算机可读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，所述程序指令被处理器执行时实现：上述基于指纹库的定位方法。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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-OnlyMemory)、随机存取存储器(RAM，Random Access 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 (9)

1.一种基于指纹库的定位方法，其特征在于，包括：

采集样本数据，所述样本数据包括基站信号指标数据和位置信息关系；

获取城市平面地图，并采用预设栅格对所述城市平面地图进行栅格化以得到栅格化地图，所述栅格化地图包括多个栅格，所述预设栅格包括相互错位的多重栅格；

对所述样本数据进行随机抽样以得到目标样本，并将所述目标样本对应至所述栅格化地图中；

获取所述栅格化地图中目标样本的位置确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系；

根据所述对应关系以及基站信号强度，计算每个所述栅格内的向量空间及对应的特征向量，以建立多个基础指纹库；

对多个所述基础指纹库进行时间和空间维度的裂解处理，以得到多个目标指纹库；

根据待定位的MR数据中的基站列表及多个所述目标指纹库进行初步定位，以得到多个初步定位结果；

对多个所述初步定位结果进行加权汇聚处理以得到目标定位结果；

其中，建立基础指纹库具体包括：

根据所述栅格对所述目标样本进行分类；

对每个类别下的基站信号强度，根据id数据、主基站和邻近基站得到所述向量空间；

在每个所述向量空间各个维度上的信号强度平均值构成所述特征向量；

根据所述对应关系、向量空间以及特征向量得到每个所述栅格内的向量空间及对应的特征向量，以建立所述基础指纹库。

2.如权利要求1所述的基于指纹库的定位方法，其特征在于，所述样本数据的一部分来自路测数据，获取方式具体包括：

获取路测数据、MR数据、S1MME数据以及DPI数据；将所述路测数据中的基站信号指标数据和位置信息关系作为所述样本数据；

所述样本数据的另一部分来自MR数据、SIMME数据以及DPI数据进行关联后的结果，获取方式具体包括：

获取MR数据、S1MME数据以及DPI数据；

所述DPI数据根据用户ID、起始时间、结束时间关联S1MME数据，以得到id数据；

所述DPI数据根据所述id数据、起始时间、结束时间关联S1MME数据，以得到基站信号指标数据和位置信息关系，并将基站信号指标数据和位置信息关系作为所述样本数据。

3.如权利要求2所述的基于指纹库的定位方法，其特征在于，获取所述栅格化地图中目标样本的位置确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系，具体包括：

获取所述栅格化地图中目标样本的位置；

根据所述目标样本的位置计算得到对应的墨卡托平面坐标；

根据所述墨卡托平面坐标计算得到所述目标样本的位置对应栅格的横纵坐标序号，以确定待定位的MR数据中的基站列表、基站信号强度和所述栅格的对应关系。

4.如权利要求3所述的基于指纹库的定位方法，其特征在于，对所述基础指纹库进行时间和空间维度的裂解处理，以得到目标指纹库，具体包括：

当所述基础指纹库不满足第一预设条件时，根据不同日期类型和不同时段类型将所述基础指纹库进行时间裂解；

从经时间裂解后的基础指纹库中挑选待聚类的样本，采用K-means聚类算法对待聚类的样本进行聚类，得到一个特征空间内，不同类的多个特征向量，以得到目标指纹库。

5.如权利要求4所述的基于指纹库的定位方法，其特征在于，根据待定位的MR数据中的基站列表及多个所述目标指纹库进行初步定位，以得到多个初步定位结果，具体包括：

从所述目标指纹库中获取各栅格的向量空间的基站列表；

将待定位的MR数据中的基站列表与各栅格的向量空间的基站列表进行匹配，以得到多个匹配栅格；

将所述MR数据中的基站信号强度与多个所述匹配栅格对应的向量空间内的特征向量进行相似度计算，以得到多个定位栅格；

将多个所述定位栅格的中心点作为所述MR数据的多个初步定位结果。

6.如权利要求5所述的基于指纹库的定位方法，其特征在于，对多个所述初步定位结果进行加权汇聚处理以得到目标定位结果，具体包括：

根据多个初步定位结果的欧几里得距离的倒数的比例确定各个初步定位结果的权重；

根据所述权重，采用加权K邻近法加权得到复合定位结果，以作为所述目标定位结果。

7.如权利要求6所述的基于指纹库的定位方法，其特征在于，所述方法还包括：

对所述目标指纹库进行自动化更新。

8.一种基于指纹库的定位装置，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，其中，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1-7任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读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1-7任一项所述的方法。

Images