CN109451428A - 一种基于WiFi聚类的室内高度定位方法 - Google Patents
一种基于WiFi聚类的室内高度定位方法 Download PDFInfo
- Publication number
- CN109451428A CN109451428A CN201811600755.XA CN201811600755A CN109451428A CN 109451428 A CN109451428 A CN 109451428A CN 201811600755 A CN201811600755 A CN 201811600755A CN 109451428 A CN109451428 A CN 109451428A
- Authority
- CN
- China
- Prior art keywords
- wifi
- cluster
- building
- height
- record
- 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.)
- Granted
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
一种基于WiFi聚类的室内高度定位方法,本发明涉及室内高度定位方法。本发明的目的是为了解决现有GPS高度定位误差大,以及WLAN室内定位无法进行高度定位的问题。过程为:一、根据终端上报的经纬度信息及楼宇图层将终端测量到的WiFi与楼宇匹配;二、以楼宇ID为索引,筛选出一栋楼宇内的WiFi记录建立能量表;能量表更新后重新计算相关矩阵;三、采用聚类算法对WiFi分簇;四、建立WiFi三维指纹库;五、在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度。本发明用于室内高度定位领域。
Description
技术领域
本发明涉及室内高度定位方法。
背景技术
随着移动通信技术的发展和智能终端的普及,基于位置的服务(LBS,LocationBased Services)得到了人们广泛的关注,且已应用于各专业领域。LBS不但可以提高企业的服务水平、节约运营成本,用户个人也得到了多样性、个性化的服务。
LBS技术的核心是基于移动通信网络和卫星定位系统获得移动终端的位置信息,但目前主流的定位技术只能获得二维位置信息,即移动终端所处的经度和纬度。GPS定位方式虽然精度高,但仅限于水平二维空间,高度定位误差大且不稳定,而且不适用于室内场景。目前主流的导航类APP结合WLAN及移动网络信息进行室内定位,虽然提高了定位精度,但仍无法进行高度定位。传统的高度定位方式采用气压高度表,目前集成了气压计的终端非常少,无疑这也增加了终端的成本。可见高度定位应用在业内仍属空白。
综上,现有GPS定位方式仅限于水平二维空间,高度定位误差大且不稳定,而且不适用于室内场景,以及WLAN室内定位无法进行高度定位。
发明内容
本发明的目的是为了解决现有GPS高度定位误差大,以及WLAN室内定位无法进行高度定位的问题,而提出一种基于WiFi聚类的室内高度定位方法。
一种基于WiFi聚类的室内高度定位方法具体过程为:
步骤一、根据终端(比如手机)上报的经纬度信息及楼宇图层(通过开源定位软件API,比如百度地图)将终端测量到的WiFi与楼宇匹配;
终端测量到的WiFi记录包含时间、楼宇ID、终端信息(IMSI)、定位方式及WiFi信息;
定位方式包括GPS、WLAN和Cell三种;
步骤二、以楼宇ID为索引,筛选出一栋楼宇内的WiFi记录建立能量表;
计算WiFi间的相关系数,建立WiFi相关矩阵;
设置能量表最大行数为num,当超过num时,用新的记录替换旧的记录;
能量表更新后重新计算相关矩阵;
步骤三、根据相关矩阵,采用聚类算法对WiFi分簇;
步骤四、结合定位方式和簇间相关性确定WiFi簇的高度属性,即为楼宇内的每个WiFi贴上高度标签,建立WiFi三维指纹库;
步骤五、根据智能终端驻留的主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度。
本发明的有益效果为:
本发明针对现有技术的不足,利用楼宇内丰富的WiFi资源,采用K-means聚类算法设计了一种室内分层高度定位方法,稳定性好,高度定位误差小,平均定位误差为7米。解决了GPS定位方式虽然精度高,但仅限于水平二维空间的问题;解决了目前主流导航类APP结合WLAN及移动网络信息进行室内定位,虽然提高了室内水平定位精度,但仍无法进行高度定位的问题。
本发明采用的聚类算法是一种无监督的机器学习算法,无需获取WiFi的先验信息,无需人为事先建立参考点,避免了传统位置指纹定位算法建立3D指纹库时的扫楼测试,节约了大量人力物力,本发明具有很强的普适性和推广性,适用于室内场景的高度定位。解决了传统采用气压计测量高度便携性差、集成性差的问题;解决了集成气压计的终端成本高、市场占有率低的问题。
附图说明
图1是本发明中基于WiFi聚类的高度定位方法流程图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,本实施方式具体过程为:
步骤一、根据终端(比如手机)上报的经纬度信息及楼宇图层(通过开源定位软件API,比如百度地图)将终端测量到的WiFi与楼宇匹配;
终端测量到的WiFi记录包含时间、楼宇ID、终端信息(IMSI)、定位方式及WiFi信息;
定位方式包括GPS、WLAN和Cell三种;
所述GPS为全球定位系统;
WLAN为无线局域网;
Cell为基站定位方式;
步骤二、以楼宇ID为索引,筛选出一栋楼宇内的WiFi记录建立能量表;
计算WiFi间的相关系数,建立WiFi相关矩阵;
设置能量表最大行数为num,当超过num时,用新的记录替换旧的记录;
能量表更新后重新计算相关矩阵;
步骤三、根据相关矩阵,采用聚类算法对WiFi分簇;
步骤四、结合定位方式和簇间相关性确定WiFi簇的高度属性,即为楼宇内的每个WiFi贴上高度标签,建立WiFi三维指纹库;
步骤五、根据智能终端驻留的主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度。
具体实施方式二:本实施方式与具体实施方式一不同的是,所述步骤二中以楼宇ID为索引,筛选出一栋楼宇内的WiFi测量记录建立能量表;
计算WiFi间的相关系数,建立WiFi相关矩阵;
设置能量表最大行数为num,当超过num时,用新的记录替换旧的记录;
能量表更新后重新计算相关矩阵;
具体过程为:
步骤二一、终端采集终端测量到的WiFi测量记录,将WiFi记录进行重构,建立每栋楼宇ID下的WiFi能量表:
能量表的每列为各WiFi的RSSI值,每行为一条WiFi采样记录,一条WiFi采样记录为同一时间同一终端(一个手机采集的)所测到的所有WiFi的RSSI值;
所述RSSI值为信号强度值;
以MAC地址作为WiFi的标识,对同一楼宇内相同的MAC地址进行去重处理,获得一栋楼宇中WiFi的总数N;并将WiFi依次标识为A1,A2,…,AN;
所述MAC地址(Media Access Control Address),直译为媒体访问控制地址,也称为局域网地址(LAN Address),以太网地址(Ethernet Address)或物理地址(PhysicalAddress),它是一个用来确认网上设备位置的地址;
步骤二二、对WiFi能量表中任意两列RSSI值计算相关系数ρi,j,公式为:
式中,Ai为一栋楼宇中第i个WiFi标识,Aj为一栋楼宇中第j个WiFi标识,i≠j,1≤i≤N,1≤j≤N,i为一栋楼宇中第i个WiFi,j为一栋楼宇中第j个WiFi,为Ai列的信号强度值,为Aj列的信号强度值,为对 求协方差,为对求方差,为对求方差;
相同WiFi的自相关系数为1,建立N×N维WiFi相关矩阵P,公式为:
式中,ρA1,A2为一栋楼宇中第1个WiFi和第2个WiFi的相关系数,ρA1,AN为一栋楼宇中第1个WiFi和第N个WiFi的相关系数,ρAN,A1为一栋楼宇中第N个WiFi和第1个WiFi的相关系数,ρAN,A2为一栋楼宇中第N个WiFi和第2个WiFi的相关系数;
步骤二三、当测量记录出现新的MAC地址时,在能量列表中增加新的列;
当T时间(1天或1周或1个月)内未测到已有WiFi的RSSI值(T时间就导致1列全0)时,即列表中出现全0列,将此列删除;
当T时间(1天或1周或1个月)内测到已有WiFi的RSSI值(T时间就导致1列全低)低于门限值,将此列删除;
设置能量表最大行数为num(存储的最大采样记录数为num),当超过num时,用新时刻的记录替换最早时刻的记录;
能量表更新后根据步骤二二重新计算相关矩阵。
能量表如表1所示:
表1
采样点序号 | A<sub>1</sub> | A<sub>2</sub> | … | A<sub>N</sub> |
1 | RSSI | RSSI | … | RSSI |
2 | RSSI | RSSI | … | RSSI |
… | … | … | … | … |
num | RSSI | RSSI | … | RSSI |
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是,所述门限值为-105dBm。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是,所述步骤三中采用聚类算法对WiFi分簇;具体操作步骤为:
根据步骤二中建立好的相关矩阵,采用k-means算法根据预设类别数K,将N个数据对象划分为K个簇;使得簇内相似度较高,而簇间相似度较小。聚类算法需要预设类别数K,可根据楼宇的总层数L选取K值。
所述类别数K根据楼宇的总层数L选取,公式为:
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是,所述步骤四中结合定位方式和簇间相关性确定WiFi簇的高度属性,即为楼宇内的每个WiFi贴上高度标签,得到WiFi三维指纹库;具体过程为:
步骤四一、查找能量表中定位方式为GPS下的非零RSSI值,K个簇中非零RSSI值数量最多的簇即为底层簇,簇的高度标签k_cluster记为1(能量表中每个位置(RSSI)对应一个采样时间和一种定位方式);
步骤四二、根据簇间相关性对簇进行排序,与底层簇相关性最大的为第二层,簇的高度标签k_cluster记为2;同理,与第二层簇相关性最大的为第三层,簇的高度标签k_cluster记为3;如此下去可以直至获得全部K个簇的高度标签;
若第x簇中含有的WiFi数为Nx,第y簇中含有的WiFi数为Ny,簇间相关系数的计算公式为;
式中,为簇间相关系数,为Cx簇中第r个WiFi和Cy簇中第s个WiFi的相关系数,1≤r≤Nx,1≤s≤Ny,Ar为Cx簇中第r个WiFi标识,As为Cy簇中第s个WiFi标识,Cx为第x个簇里所有WiFi集合,Cy为第y个簇里所有WiFi集合,x≠y。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六:本实施方式与具体实施方式一至五之一不同的是,所述步骤五中根据智能终端驻留的主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度;具体过程为:
步骤五一、根据待高度定位的终端(比如手机)上报的经纬度信息及楼宇图层(通过开源定位软件API,比如百度地图)将终端测量到的WiFi与楼宇匹配,筛选出室内用户;终端测量到的WiFi记录包含时间、楼宇ID、终端信息(IMSI)、定位方式及WiFi信息;结构化数据格式见表2;
表2
时间 | 楼宇ID | IMSI | 定位方式 | MAC | RSSI |
定位方式包括GPS、WLAN和Cell三种;
步骤五二、将终端同一时刻测得的RSSI值最大的WiFi为主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼高h(楼宇图层能得到)计算用户所处的高度h_user:
其它步骤及参数与具体实施方式一至五之一相同。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种基于WiFi聚类的室内高度定位方法,其特征在于:所述方法具体过程为:
步骤一、根据终端上报的经纬度信息及楼宇图层将终端测量到的WiFi与楼宇匹配;
终端测量到的WiFi记录包含时间、楼宇ID、终端信息、定位方式及WiFi信息;
定位方式包括GPS、WLAN和Cell三种;
步骤二、以楼宇ID为索引,筛选出一栋楼宇内的WiFi记录,建立能量表;
计算WiFi间的相关系数,建立WiFi相关矩阵;
设置能量表最大行数为num,当超过num时,用新的记录替换旧的记录;
能量表更新后重新计算相关矩阵;
步骤三、根据相关矩阵,采用聚类算法对WiFi分簇;
步骤四、结合定位方式和簇间相关性确定WiFi簇的高度属性,即为楼宇内的每个WiFi贴上高度标签,建立WiFi三维指纹库;
步骤五、根据智能终端驻留的主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度。
2.根据权利要求1所述一种基于WiFi聚类的室内高度定位方法,其特征在于:所述步骤二中以楼宇ID为索引,筛选出一栋楼宇内的WiFi测量记录建立能量表;
计算WiFi间的相关系数,建立WiFi相关矩阵;
设置能量表最大行数为num,当超过num时,用新的记录替换旧的记录;
能量表更新后重新计算相关矩阵;
具体过程为:
步骤二一、终端采集终端测量到的WiFi测量记录,将WiFi记录进行重构,建立每栋楼宇ID下的WiFi能量表:
能量表的每列为各WiFi的RSSI值,每行为一条WiFi采样记录,一条WiFi采样记录为同一时间同一终端所测到的所有WiFi的RSSI值;
所述RSSI值为信号强度值;
以MAC地址作为WiFi的标识,对同一楼宇内相同的MAC地址进行去重处理,获得一栋楼宇中WiFi的总数N;并将WiFi依次标识为A1,A2,…,AN;
所述MAC地址为媒体访问控制地址;
步骤二二、对WiFi能量表中任意两列RSSI值计算相关系数ρi,j,公式为:
式中,Ai为一栋楼宇中第i个WiFi标识,Aj为一栋楼宇中第j个WiFi标识,i≠j,1≤i≤N,1≤j≤N,i为一栋楼宇中第i个WiFi,j为一栋楼宇中第j个WiFi,为Ai列的信号强度值,为Aj列的信号强度值,为对求协方差,为对求方差,为对求方差;
相同WiFi的自相关系数为1,建立N×N维WiFi相关矩阵P,公式为:
式中,ρA1,A2为一栋楼宇中第1个WiFi和第2个WiFi的相关系数,ρA1,AN为一栋楼宇中第1个WiFi和第N个WiFi的相关系数,ρAN,A1为一栋楼宇中第N个WiFi和第1个WiFi的相关系数,ρAN,A2为一栋楼宇中第N个WiFi和第2个WiFi的相关系数;
步骤二三、当测量记录出现新的MAC地址时,在能量列表中增加新的列;
当T时间内未测到已有WiFi的RSSI值时,即列表中出现全0列,将此列删除;
当T时间内测到已有WiFi的RSSI值低于门限值,将此列删除;
设置能量表最大行数为num,当超过num时,用新时刻的记录替换最早时刻的记录。
3.根据权利要求2所述一种基于WiFi聚类的室内高度定位方法,其特征在于:所述门限值为-105dBm。
4.根据权利要求2或3所述一种基于WiFi聚类的室内高度定位方法,其特征在于:所述步骤三中采用聚类算法对WiFi分簇;具体操作步骤为:
根据步骤二中建立好的相关矩阵,采用k-means算法根据预设类别数K,将N个数据对象划分为K个簇;
所述类别数K根据楼宇的总层数L选取,公式为:
5.根据权利要求4所述一种基于WiFi聚类的室内高度定位方法,其特征在于:所述步骤四中结合定位方式和簇间相关性确定WiFi簇的高度属性,即为楼宇内的每个WiFi贴上高度标签,得到WiFi三维指纹库;具体过程为:
步骤四一、查找能量表中定位方式为GPS下的非零RSSI值,K个簇中非零RSSI值数量最多的簇即为底层簇,簇的高度标签k_cluster记为1;
步骤四二、根据簇间相关性对簇进行排序,与底层簇相关性最大的为第二层,簇的高度标签k_cluster记为2;与第二层簇相关性最大的为第三层,簇的高度标签k_cluster记为3;直至获得全部K个簇的高度标签;
若第x簇中含有的WiFi数为Nx,第y簇中含有的WiFi数为Ny,簇间相关系数的计算公式为;
式中,为簇间相关系数,为Cx簇中第r个WiFi和Cy簇中第s个WiFi的相关系数,1≤r≤Nx,1≤s≤Ny,Ar为Cx簇中第r个WiFi标识,As为Cy簇中第s个WiFi标识,Cx为第x个簇里所有WiFi集合,Cy为第y个簇里所有WiFi集合,x≠y。
6.根据权利要求5所述一种基于WiFi聚类的室内高度定位方法,其特征在于:所述步骤五中根据智能终端驻留的主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼宇高度和WiFi分簇数计算用户高度;具体过程为:
步骤五一、根据待高度定位的终端上报的经纬度信息及楼宇图层将终端测量到的WiFi与楼宇匹配,筛选出室内用户;
终端测量到的WiFi记录包含时间、楼宇ID、终端信息、定位方式及WiFi信息;
定位方式包括GPS、WLAN和Cell三种;
步骤五二、将终端同一时刻测得的RSSI值最大的WiFi为主WiFi,在WiFi三维指纹库中找到主WiFi所在簇的高度标签,结合楼高h计算用户所处的高度h_user:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811600755.XA CN109451428B (zh) | 2018-12-26 | 2018-12-26 | 一种基于WiFi聚类的室内高度定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811600755.XA CN109451428B (zh) | 2018-12-26 | 2018-12-26 | 一种基于WiFi聚类的室内高度定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109451428A true CN109451428A (zh) | 2019-03-08 |
CN109451428B CN109451428B (zh) | 2020-11-13 |
Family
ID=65537718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811600755.XA Expired - Fee Related CN109451428B (zh) | 2018-12-26 | 2018-12-26 | 一种基于WiFi聚类的室内高度定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109451428B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110267209A (zh) * | 2019-06-28 | 2019-09-20 | 深圳数位传媒科技有限公司 | 一种基于WiFi经纬度的室内定位方法及装置 |
CN110426041A (zh) * | 2019-07-30 | 2019-11-08 | 北京市商汤科技开发有限公司 | 定位及定位模型的训练方法、装置、电子设备和存储介质 |
CN111757262A (zh) * | 2019-07-31 | 2020-10-09 | 广东小天才科技有限公司 | 基于电子围栏的定位提醒方法、系统及可穿戴设备 |
CN112987064A (zh) * | 2021-02-09 | 2021-06-18 | 北京百度网讯科技有限公司 | 建筑物定位方法、装置、设备、存储介质和终端设备 |
CN113079468A (zh) * | 2021-03-23 | 2021-07-06 | 西安交通大学 | 一种基于Wifi信号RSSI特征的室内定位方法、系统 |
CN117693017A (zh) * | 2024-02-02 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 楼层识别方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104054360A (zh) * | 2011-11-08 | 2014-09-17 | 优科无线新加坡(私人)有限公司 | 用于确定多层建筑物中位置的位置信息的方法和装置 |
WO2015021427A1 (en) * | 2013-08-09 | 2015-02-12 | Qualcomm Incorporated | Systems and methods for floor determination of access points in indoor positioning systems |
CN107018495A (zh) * | 2017-03-28 | 2017-08-04 | 徐康庭 | 一种基于信令数据的室内用户分层定位方法及系统 |
CN107087256A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹聚类方法及装置 |
CN107688665A (zh) * | 2017-09-27 | 2018-02-13 | 深圳大学 | 一种室内地图自动构建方法、装置及存储介质 |
CN107860358A (zh) * | 2017-11-06 | 2018-03-30 | 江西师范大学 | 楼层的定位方法、系统、可读存储介质及智能终端 |
-
2018
- 2018-12-26 CN CN201811600755.XA patent/CN109451428B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104054360A (zh) * | 2011-11-08 | 2014-09-17 | 优科无线新加坡(私人)有限公司 | 用于确定多层建筑物中位置的位置信息的方法和装置 |
WO2015021427A1 (en) * | 2013-08-09 | 2015-02-12 | Qualcomm Incorporated | Systems and methods for floor determination of access points in indoor positioning systems |
CN107087256A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹聚类方法及装置 |
CN107018495A (zh) * | 2017-03-28 | 2017-08-04 | 徐康庭 | 一种基于信令数据的室内用户分层定位方法及系统 |
CN107688665A (zh) * | 2017-09-27 | 2018-02-13 | 深圳大学 | 一种室内地图自动构建方法、装置及存储介质 |
CN107860358A (zh) * | 2017-11-06 | 2018-03-30 | 江西师范大学 | 楼层的定位方法、系统、可读存储介质及智能终端 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110267209A (zh) * | 2019-06-28 | 2019-09-20 | 深圳数位传媒科技有限公司 | 一种基于WiFi经纬度的室内定位方法及装置 |
CN110426041A (zh) * | 2019-07-30 | 2019-11-08 | 北京市商汤科技开发有限公司 | 定位及定位模型的训练方法、装置、电子设备和存储介质 |
CN110426041B (zh) * | 2019-07-30 | 2022-02-22 | 北京市商汤科技开发有限公司 | 定位及定位模型的训练方法、装置、电子设备和存储介质 |
CN111757262A (zh) * | 2019-07-31 | 2020-10-09 | 广东小天才科技有限公司 | 基于电子围栏的定位提醒方法、系统及可穿戴设备 |
CN112987064A (zh) * | 2021-02-09 | 2021-06-18 | 北京百度网讯科技有限公司 | 建筑物定位方法、装置、设备、存储介质和终端设备 |
CN113079468A (zh) * | 2021-03-23 | 2021-07-06 | 西安交通大学 | 一种基于Wifi信号RSSI特征的室内定位方法、系统 |
CN113079468B (zh) * | 2021-03-23 | 2022-12-09 | 西安交通大学 | 一种基于Wifi信号RSSI特征的室内定位方法、系统 |
CN117693017A (zh) * | 2024-02-02 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 楼层识别方法、装置、设备及存储介质 |
CN117693017B (zh) * | 2024-02-02 | 2024-05-14 | 腾讯科技(深圳)有限公司 | 楼层识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109451428B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109451428A (zh) | 一种基于WiFi聚类的室内高度定位方法 | |
US10469994B2 (en) | Labeling locations based on contact information | |
CN109446186B (zh) | 一种基于移动轨迹的社会关系判断方法 | |
CN108181607A (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
EP2652968A1 (en) | Identification of points of interest and positioning based on points of interest | |
CN106326923B (zh) | 一种顾及位置重复和密度峰值点的签到位置数据聚类方法 | |
CN105635956B (zh) | 一种基于室内虚拟地标的定位方法及装置 | |
CN103501537A (zh) | 基于智能手机和Wi-Fi无线网络的楼宇内部定位方法和系统 | |
CN108495254B (zh) | 一种基于信令数据的交通小区人口特征估计方法 | |
CN107677989B (zh) | 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法 | |
CN111311748B (zh) | 室内立体图构建方法及装置、终端设备和存储介质 | |
CN110856186A (zh) | 一种无线网络知识图谱的构建方法及系统 | |
WO2019228605A1 (en) | Multilevel altitude maps | |
Ficek et al. | Spatial extension of the reality mining dataset | |
CN103476113B (zh) | 基于mnl概率辨识室内定位系统及方法、定位模型建立系统 | |
CN111651529A (zh) | 基于手机信令数据的机场航空旅客分类识别方法 | |
CN109143161A (zh) | 基于混合指纹质量评价模型的高精度室内定位方法 | |
US10716090B2 (en) | Method of considering the positions of data points in relation to boundaries represented in a geographic information system database, in estimating location | |
WO2017000817A1 (zh) | 获取数据之间的匹配关系的方法和装置 | |
CN105792230B (zh) | 基于rss指纹室内定位系统的接入点和定标点部署方法 | |
CN111460332B (zh) | 一种基于用户生活轨迹的社会关系评估方法 | |
CN106776813A (zh) | 基于ssift算法的大型室内场馆快速定位与导航方法 | |
EP3739539A1 (en) | Mapping radio data layers of radio map to floor identifiers | |
US10989786B2 (en) | Outdoor localization using hotspot labels | |
CN112183879A (zh) | 一种城市功能区的分类方法及装置、电子设备和存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201113 Termination date: 20211226 |
|
CF01 | Termination of patent right due to non-payment of annual fee |