CN109996181B - 基于大数据的立体室内定位方法、装置、设备及介质 - Google Patents

基于大数据的立体室内定位方法、装置、设备及介质 Download PDF

Info

Publication number
CN109996181B
CN109996181B CN201711495457.4A CN201711495457A CN109996181B CN 109996181 B CN109996181 B CN 109996181B CN 201711495457 A CN201711495457 A CN 201711495457A CN 109996181 B CN109996181 B CN 109996181B
Authority
CN
China
Prior art keywords
wifi
floor
correlation
floors
sampling point
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
CN201711495457.4A
Other languages
English (en)
Other versions
CN109996181A (zh
Inventor
陈立军
刁枫
左海
黄灿
全涛
税强
吴昊
桂杰
雷鹤
蔡远来
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan 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 China Mobile Communications Group Co Ltd, China Mobile Group Sichuan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201711495457.4A priority Critical patent/CN109996181B/zh
Publication of CN109996181A publication Critical patent/CN109996181A/zh
Application granted granted Critical
Publication of CN109996181B publication Critical patent/CN109996181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • 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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • H04W4/029—Location-based management or tracking services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种基于大数据的立体室内定位方法、装置、设备及介质。该基于大数据的立体室内定位方法通过从用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值，对WIFI采样点进行楼层分组，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性得到WIFI楼层链；根据各个楼层WIFI采样点的GPS定位方式占比确定低楼层；根据计算出的所述低楼层所在位置和所述WIFI楼层链中所述楼层之间的位置关系，确定其他楼层的层数，得到楼层WIFI指纹库；获取用户采样点信息，将WIF采样点的信息与WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。本发明能够实现了楼层级网络覆盖的准确评估。

Description

基于大数据的立体室内定位方法、装置、设备及介质
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于大数据的立体室内定位方法、装置、设备及介质。
背景技术
目前现有的室内用户位置立体定位方案：基于用户经纬度信息通过IMSI+CELL+TIME方式与MR无线网络关联，将MR采样点定位到楼宇建筑内，可以进行楼宇网络质量评估，楼层级评估则需要进一步将用户位置按楼层进行室内分层定位。现有技术主要根据室内AP位置信息确定用户所处的楼宇和楼层，结合用户常驻楼宇附近的基站信息和MR数据，进行室内分层定位和室内覆盖评估。
现有技术方案缺陷在于：
现有的WIFI定位方式高度依赖于准确、完备的WIFI网络资源数据，需要有明确的室内AP设备安装位置及楼层，因此，在实际使用中，存在资源数据不足、资源数据采集困难，耗费巨大等问题。
现有的WIFI定位结果的准确性还需要有较完备的楼宇室内结构分布信息，能说明每一个WLAN的实际覆盖区域，而很难获取准确且完备的楼宇室内结构分布信息，因此现有的WIFI定位方法对运营商开展室内网络质量评估应用价值低，实用性不强。
室内WIFI网络资源变化缺乏有效的更新手段，以及楼宇室内结构分布的改变，都不能及时进行WLAN网络资源信息更新，因此无法进行准确定位。
综上所述，现有技术还有待于进一步的改进。
发明内容
本发明实施例提供了一种基于大数据的立体室内定位方法、装置、设备及介质，能够克服现有技术中WIFI立体室内定位高度依赖准确、完备的WIFI网络资源数据和较完备的楼宇室内结构分布信息，且无法及时更新上述信息的缺陷。
第一方面，本发明实施例提供了一种基于大数据的立体室内定位方法，所述方法包括：
采集用户面信令数据信息，并从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值；根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组；
根据分组到同一楼层中的不同各个WIFI采样点同时出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；
根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链；
计算各个楼层WIFI采样点的GPS定位方式占比，并将所述GPS定位方式占比值最高的楼层确定为低楼层；
根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到包含有各个楼层定位信息的楼层WIFI指纹库。
可选地，所述立体室内定位的方法还包括步骤：
获取用户采样点信息，提取各个用户采样点的经纬度信息，通过所述经纬度信息确定采样点所处的楼宇名称；
统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI的RSSI电平信号值；依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
可选地，所述对各个WIFI采样点进行楼层分组的步骤还包括：
从所述用户面信令数据信息中解析出各个WIFI采样点的经纬度信息；根据经纬度将WIFI采样点与楼宇相关联，识别出属于同一栋楼宇的WIFI采样点；
根据WIFI采样点的RSSI电平信号值的强弱将同一楼宇的WIFI采样点进行同楼层WIFI分组。
可选地，所述根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性的步骤包括：
利用如下的WIFI相关性计算算法进行不同WIFI采样点之间的相关性：
C(a，b)＝Nbr(a，b)/Nbr(a)；
其中，Nbr(a)代表WIFI(a)电平在第一预设电平值以上的采样点总数，Nbr(a，b)是WIFI(a)、WIFI(b)同时出现，电平皆在第一预设电平值以上且电平差值的绝对值小于第二预设电平值的采样点数量。
可选地，所述楼层相关性是两个楼层内各自WIFI相关性的累计，计算公式如下：
Figure BDA0001536309800000031
其中，C(a,b)为楼层之间不同WIFI采样点的相关性；fa和fb表示不同楼层，a和b表示不同的WIFI采样点。
可选地，所述根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链的步骤包括：
对于每两个WIFI采集点之间计算出的相关性数值，以相关性的数值最大的两个WIFI值，作为上下两个相邻的楼层；
依次遍历整个楼宇的全部楼层，得到每个楼层的相邻楼层，作为整个楼宇的WIFI楼层链。
可选地，所述计算各个楼层WIFI采样点的GPS定位方式占比的步骤中：计算每个楼层WIFI的GPS定位方式占比的公式为：
Rgps＝Nbrgps/(Nbrgps+Nbrwifi+Nbrcell)
其中，Nbrgps为GPS定位值，Nbrwifi为WIFI定位值，Nbrcell为cell定位之，取Rgpc最高的楼层作为低楼层。
可选地，所述依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位的步骤还包括：
按照由强到弱的顺序对WIFI的RSSI电平信号值进行排序，并以所述WIFI的RSSI电平信号值的排序对WIFI的MAC与WIFI指纹库中信息进行匹配，将WIFI指纹库中相匹配的WIFI指纹定位为用户采样点所在楼层的具体位置。
第二方面，本发明实施例提供了一种基于大数据的立体室内定位装置，所述装置包括：
信息采集及分组模块，用于采集用户面信令数据信息，并从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值；根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组；
楼层链组建模块，用于根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链；
指纹库组建模块，用于计算各个楼层WIFI采样点的GPS定位方式占比，并取所述GPS定位方式占比值最高的楼层确定为低楼层；根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到楼层WIFI指纹库。
可选地，所述立体室内定位装置还包括：信息匹配定位模块；
所述信息匹配定位模块，用于获取用户采样点信息，提取各个用户采样点的经纬度信息，通过所述经纬度信息确定采样点所处的楼宇名称；统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI的RSSI电平信号值；依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
第三方面，本发明实施例提供了一种基于大数据的立体室内定位设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的立体室内定位方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当所述计算机程序指令被处理器执行时实现所述的立体室内定位方法。
本发明提供了一种基于大数据的立体室内定位方法、装置、设备及介质，通过从用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值，对WIFI采样点进行楼层分组，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性得到WIFI楼层链；根据各个楼层WIFI采样点的GPS定位方式占比确定低楼层；根据计算出的所述低楼层所在位置和所述WIFI楼层链中所述楼层之间的位置关系，确定其他楼层的层数，得到楼层WIFI指纹库；获取用户采样点信息，将WIFI采样点的信息与WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位，实现楼层级网络覆盖的准确评估。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明一个实施例提供的基于大数据的立体室内定位方法的步骤流程图。
图2示出了本发明一个实施例提供的方法中楼层WIFI指纹库的结构示意图。
图3示出了本发明一个实施例提供的基于大数据的立体室内定位方法的具体应用实施例步骤流程示意图。
图4示出了本发明一个实施例提供的方法的具体应用实施例中WIFI组建立和楼宇分层的步骤示意图。
图5示出了本发明一个实施例提供的方法中楼层链建立时楼层顺序判定的原理示意图。
图6示出了本发明一个实施例提供的基于大数据的立体室内定位装置的原理结构框图。
图7示出了本发明一个实施例提供的基于大数据的立体室内定位设备的硬件结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例一
请参阅图1，本发明实施例提供了一种基于大数据的立体室内定位方法，如图1所示，该方法包括步骤S1-S4。
步骤S1、采集用户面信令数据信息，并从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值；根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组。
信令数据是LTE网络中非常重要的管理和监控数据，室内用户与LTE网络进行信令交互时，部分APP会将终端侦测到的WIFI网络MAC、RSSI等信息上传至LTE网络。现有WIFI的AP在实际室内覆盖半径约为10-15米,不管其是否加密，都会向周围广播信号，信号中包含此WIFI的唯一全球ID，即使距离较远，无法建立连接，也可以侦听到它的存在。通过分析用户面信令数据中WIFI信息，则可提取用户终端接收到的WIFI网络ID及对应的RSSI电平信号取值。
因此本步骤中采集用户面信令数据信息，并对采集到的各个用户采样点的信令数据进行解析，提取出WIFI网络的ID及对应的RSSI电平信号值，通过对RSSI电平信号值进行判定，对WIFI采样点进行楼层分组。
具体的，通过预设RSSI电平信号阀值，对RSSI电平信号进行强弱分类，判定WIFI点是否处于同一楼层的原则，来确定对应的WIFI网络是否属于相同楼层，实现单个用户WIFI网络的同层定位。
较佳的，为了实现更好的楼层分组，对各个WIFI采样点进行楼层分组的步骤还包括：
从用户面信令数据信息中解析出各个WIFI采样点的经纬度信息；根据经纬度将WIFI采样点与楼宇相关联，识别出属于同一栋楼宇的WIFI采样点；
根据WIFI采样点的RSSI电平信号值的强弱将同一楼宇的WIFI采样点进行同楼层WIFI分组。
步骤S2、根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，表示各个楼层之间相关性大小的WIFI楼层链。
具体而言，以用户所在的楼宇位置为集合，对同一栋楼宇所有用户终端对应的WIFI网络进行同层判别，可以划分出多个WIFI组，依据WIFI ID唯一性及同一层原则，存在同一WIFI ID的不同WIFI组进行组合，来确立楼宇楼层数及同一层对应的WIFI网络集合。
分析上下楼层之间的关系，对楼宇楼层进行排序，可建立起自下而上的空间楼宇分层模型。
具体的，对同一用户终端的WIFI网络进行分析时，根据两个WIFI同时出现的概率及电平差值,可以计算出两个WIFI的相关性。同时出现的概率越大，电平差值越小，则两个WIFI的关系越紧密，是相邻楼层的可能性越大。以任意两个不同楼层中WIFI之间的相关性，计算楼层与楼层之间的相关性，对每个楼层找出与其相关性最大的两个楼层，作为其上下两个相邻楼层。从任意一个楼层组开始，依此遍历其相邻楼层，得出整个楼宇所有楼层相互连接的楼层链。
本步骤中，根据各个WIFI之间同时出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性步骤包括：
利用如下的WIFI相关性计算算法进行不同WIFI采样点之间的相关性：
C(a，b)＝Nbr(a，b)/Nbr(a)；
其中，Nbr(a)代表WIFI(a)电平在第一预设电平值以上的采样点总数，Nbr(a，b)是WIFI(a)、WIFI(b)同时出现，电平皆在第一预设电平值以上且电平差值的绝对值小于第二预设电平值的采样点数量。
可选地，所述楼层相关性是两个楼层内各自WIFI相关性的累计，计算公式如下：
Figure BDA0001536309800000081
其中，C(a,b)为楼层之间不同WIFI采样点的相关性，fa和fb表示不同楼层，a和b表示不同的WIFI采样点。
通过将计算出的不同WIFI采样点之间的相关性，并将WIFI采样点之间的相关性进行叠加，计算得到楼层之间的相关性。
具体的，所述根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到WIFI楼层链的步骤包括：
对于每两个WIFI采集点之间计算出的相关性数值，以相关性的数值最大的两个WIFI值，作为上下两个相邻的楼层；
依次遍历整个楼宇的全部楼层，得到整个楼宇的WIFI楼层链。
步骤S3、计算各个楼层WIFI采样点的GPS定位方式占比，并将所述GPS定位方式占比值最高的楼层确定为低楼层；根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到包含有各个楼层定位信息的楼层WIFI指纹库。
在实际网络覆盖中，低楼层WIFI可以覆盖到楼宇周围的道路，MR采样点一般比高楼层的数量多，且定位方式包括WIFI定位和GPS定位，高楼层WIFI只能被室内用户检测到，定位方式主要为WIFI定位。根据这个特征，可以区分楼层链的高层和低层，依次对楼层链从低到高进行楼层排序，实现楼宇楼层的空间分层定位，建立楼宇WIFI分层指纹库，结合图2所示，所述wifi分层指纹库中含有各个楼层的定位信息。
在一个示例实施例中，所述计算各个楼层WIFI采样点的GPS定位方式占比的步骤中：计算每个楼层WIFI的GPS定位方式占比的公式为：
Rgps＝Nbrgps/(Nbrgps+Nbrwifi+Nbrcell)
其中，Nbrgps为GPS定位值，Nbrwifi为WIFI定位值，Nbrcell为cell定位之，取Rgpc最高的楼层作为低楼层。
在得到低楼层的基础上，根据低楼层与其他楼层之间的位置关系，依次判定出楼宇中的其他楼层，实现楼层之间的分层定位。
进一步的，当实现了对楼层之间的分层定位后，便可以进行用户定位，具体的步骤为：
获取用户采样点信息，提取各个用户采样点的经纬度信息；
通过所述经纬度信息确定采样点所处的楼宇名称；
统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI采样点的RSSI电平信号值；
依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
可以想到的是，在具体实施时，还可以通过新增的室内用户采样点对楼宇WIFI分层指纹库进行更新迭代。
具体的，依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位的步骤还包括：
按照由强到弱的顺序对WIFI的RSSI电平信号值进行排序，并根据所述WIFI的RSSI电平信号值的排序对WIFI的MAC与WIFI指纹库中信息进行匹配，将WIFI指纹库中相匹配的WIFI指纹定位为用户采样点所在楼层的具体位置。
下面结合图3所示的本发明上述实施例的方法的具体应用实施例，对本发明的方法做进一步的说明。如图3所示的具体应用示例的步骤如下：
步骤H1、WIFI数据采集提取
基于DPI(Deep Packet Inspection，是一种基于数据包的深度检测技术)数据采集规范，采集用户面信令S1-U口的原始数据包，解析用户位置信息(包括经度、纬度、定位方式、定位精度等),从上行HttpContent提取WIFI信息(MAC，RSSI)。其中的定位方式包括GPS定位、WIFI定位和小区定位3种。GPS定位是根据用户手机的GPS进行定位，定位精度在10米以内。在没有打开GPS的情况下，可以根据用户检测的WIFI信号进行定位，定位精度在40米以上。如果没有GPS和WIFI，只能根据占用的2G、3G、4G小区来进行定位，定位精度在200米以上。
步骤H2、WIFI楼层分组
考虑到WIFI信号穿墙性能差(穿墙后衰减15dB以上)的特点，可以认为，同一个采样点中的强电平(比如RSSI>-60，门限可调)WIFI属于相同楼层。显然，跟同一WIFI同楼层的其它两个WIFI也是同楼层。根据上述规则，结合图4所示，可以将所有的强信号WIFI进行楼层分组，划分出多个WIFI楼层分组。例如，图4中所示的WIFI信号A、B和C属于同一楼层，WIFI信号E和WIFI信号F属于同一楼层。经过将收集到的多天的WIFI数据进行分析，根据经纬度将WIFI与楼宇关联，然后再将同一个楼宇的所有WIFI进行同楼层WIFI分组。
步骤H3、楼层相关性计算
两个WIFI同时出现的概率越大，电平差值越小，说明两个WIFI的关系越紧密，出现在同楼层和相邻楼层的概率越高。根据此原理，可以定义WIFI相关性C(a，b)计算算法如下：
C(a，b)＝Nbr(a，b）/Nbr(a)；
其中，Nbr(a)代表WIFI(a)电平在第一预设电平值以上的采样点总数，Nbr(a，b)是WIFI(a)、WIFI(b)同时出现，电平皆在第一预设电平值以上且电平差值的绝对值小于第二预设电平值的采样点数量。
在一个示例中，第一预设电平值为-90db，第二预设电平值为-90db。
也即：Nbr(a)代表WIFI(a)电平在-90db以上的采样点总数，Nbr(a,b)是WIFI(a)、WIFI(b)同时出现，电平皆在-90db以上切电平差值的绝对值小于10的采样点数量。
楼层相关性C(fa，fb)是两个楼层内各自WIFI相关性的累计，计算公式如下：
Figure BDA0001536309800000111
其中，C(a,b)为楼层之间不同WIFI采样点的相关性，fa和fb表示不同楼层，a和b表示两个不同的WIFI。
可以对于每个楼层组，找出与其相关性最强的两个楼层，作为直接相邻楼层。将直接相邻楼层连线，形成楼层连通图，两个楼层的距离就是连通图的两点最短距离。
在一个示例实施例中，楼层相关性计算的具体描述如下：
1)根据两个WIFI同时出现的概率及电平差值，可以计算出两个WIFI的相关性。同时出现的概率越大，电平差值越小，则两个WIFI的关系越紧密，是同楼层或者相邻楼层的可能性越大。
2)按照这个原理，首先计算任意两个WIFI(a)和WIFI(b)之间的相关性C(a，b)，然后根据WIFI之间的相关性，计算任意两个WIFI组之间的相关性，组相关性等于成员WIFI之间相关性之和C(fa，fb)。WIFI组之间的相关性即可代表楼层(例如，楼层fa和fb)之间的相关性。WIFI组相关性越大，则同楼层或者相邻楼层的可能性越大。
3)对每一个WIFI组，找出与其相关性最大的两个WIFI组，作为其上下两个相邻楼层。从任意一个楼层组开始，依此遍历其相邻楼层，得出一个WIFI楼层链。WIFI楼层链的一个示例如图5所示。
步骤H4：低位楼层确定
低楼层的WIFI，可以覆盖到楼宇周围的道路，采样点一般比高楼层的数量要多，并且定位方式比较丰富(包括WIFI定位和GPS定位)，高楼层的WIFI只能被室内用户检测到，定位方式主要为WIFI定位。根据这个特征，可以将WIFI楼层链的高层和底层区分开。
首先计算每个楼层WIFI的GPS定位方式占比
Rgps＝Nbrgps/(Nbrgps+Nbrwifi+Nbrcell)
其中，Nbrgps为GPS定位值，Nbrwifi为WIFI定位值，Nbrcell为cell定位之，取Rgpc最高的楼层作为低楼层。
步骤H5：楼层WIFI指纹库建立
低楼层确立以后，可以根据其它楼层与低楼层的距离来确定其它楼层的层数。结合图5所示，确定Fa为低楼层1层以后，可以根据其它楼层与1层的距离来确定所有其它楼层的层数。例如，距离Fa距离都为1的Ff和Fb为2层。
这样，每个楼宇、每一层的WIFI指纹库就建立了，如下表1所示，包括楼宇编号、WIFIMAC、平均电平和楼层等信息。
表1
Figure BDA0001536309800000121
Figure BDA0001536309800000131
步骤H6：立体室内定位
根据用户当前上报的采样点，提取用户采样点的经纬度信息，通过经纬度确定用户所处的楼宇。统计用户在该楼宇所占用的WIFI信息，获取占用WIFI的MAC和WIFI电平信号，并对WIFI电平信号按照由强到弱的顺序进行排序，按序对服务WIFI的MAC与步骤H5中建立的WIFI指纹库进行匹配，从而获得WIFI的楼层信息，即是该用户在该楼宇中所处的楼层。例如，某用户在经纬度104.083367/30.664935附近20米范围内上报采样点1745个，占用WIFI共计4个，占用WIFI MAC及电平统计如下表2所示。
表2
Figure BDA0001536309800000132
从表2中可见该用户主要占用WIFI MAC为0A376C4C7342，占用该WIFI MAC产生1421个采样点，占收集总采样点数81％，且WIFI服务平均电平为-71dBm，因此该WIFI MAC为主要服务WIFI。
此外，如表3所示，可以通过经纬度104.083367/30.664935匹配到对应的楼宇为31255，再通过WIFI MAC与WIFI指纹库进行匹配，确定该用户所处位置在该楼宇2楼。
表3
Figure BDA0001536309800000133
Figure BDA0001536309800000141
本发明多个实施例提供的基于信令大数据的立体室内定位的方法，具有以下优点：
1)通过从用户面信令数据中提取WIFI网络信息数据作为楼宇分层定位的依据，可有效避免因WIFI网络AP设备位置信息缺失和不准确带来的定位误差，避免由此进行错误的网络覆盖评估和分析。
2)使用WIFI采样点信息中含有的RSSI电平信号值强弱进行楼宇分层的方法，对同一采样点的多个WIFI网络按电平值强弱阀值实现楼宇分层，在当前大规模WIFI网络覆盖的情况下，使用与实际WIFI网络覆盖模型的相吻合的WIFI网络传播特性可以得到最近似最优方案。
3)任意两个WIFI同时出现在同一采样点的概率越大，电平差值越小，两个WIFI关系越紧密，是楼层相关性计算的基础，本发明中利用任意两个WIFI相关性计算楼层相关性的方法，可以得到较佳的楼层相关值，对楼宇进行准确的分层。
4)基于室内用户高低楼层定位方式不同而进行低位楼层确立的楼方法，是最终实现较准确的空间楼层排序。
5)楼层WIFI指纹库的建立提供了WIFI-楼层-楼宇对应关系，可以直观的展现楼宇内各楼层WIFI网络集合，为实现立体室内定位提供依据。
实施例二
第二方面，本发明一个实施例提供了一种基于大数据的立体室内定位装置，如图6所示，该装置包括：
信息采集及分组模块610，用于采集用户面信令数据信息，并从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值；根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组；其功能如步骤S1所述。
楼层链组建模块620，用于根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链；其功能如上述步骤S2所述。
指纹库组建模块630，用于计算各个楼层WIFI采样点的GPS定位方式占比，并将所述GPS定位方式占比值最高的楼层确定为低楼层；根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到楼层WIFI指纹库；其功能如上述步骤S3所述。
进一步的，所述体室内定位装置还包括：信息匹配定位模块。
所述信息匹配定位模块640，用于获取用户采样点信息，提取各个用户采样点的经纬度信息，通过所述经纬度信息确定采样点所处的楼宇名称；统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI的RSSI电平信号值；依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
较佳地，该信息采集及分组模块610还包括：
经纬度关联分组单元，用于从所述用户面信令数据信息中解析出各个WIFI采样点的经纬度信息；根据经纬度将WIFI采样点与楼宇相关联，识别出属于同一栋楼宇的WIFI采样点；根据WIFI采样点的RSSI电平信号值的强弱将同一楼宇的WIFI采样点进行同楼层WIFI分组。
较佳的，楼层链组建模块620包括：
WIFI采样点相关性计算单元，用于利用如下的WIFI相关性计算算法进行不同WIFI采样点之间的相关性：
C(a，b)＝Nbr(a，b)/Nbr(a)；
其中，Nbr(a)代表WIFI(a)电平在第一预设电平值以上的采样点总数，Nbr(a，b)是WIFI(a)、WIFI(b)同时出现，电平皆在第一预设电平值以上且电平差值的绝对值小于第二预设电平值的采样点数量。
楼层相关性计算单元，用于通过如下计算公式进行楼层相关性计算：
Figure BDA0001536309800000161
其中，C(a,b)为楼层之间不同WIFI采样点的相关性。
楼层链构建单元，用于对于每两个WIFI采集点之间计算出的相关性数值，以相关性的数值最大的两个WIFI值，作为上下两个相邻的楼层，依次遍历整个楼宇的全部楼层，得到整个楼宇的WIFI楼层链。
较佳的，指纹库组建模块630包括：
定位占比计算单元，用于计算计算各个楼层WIFI采样点的GPS定位方式占比，其计算每个楼层WIFI的GPS定位方式占比的公式为：
Rgps＝Nbrgps/(Nbrgps+Nbrwifi+Nbrcell)
其中，Nbrgps为GPS定位值，Nbrwifi为WIFI定位值，Nbrcell为cell定位之，取Rgpc最高的楼层作为低楼层。
较佳的，信息匹配定位模块640还包括：
匹配定位单元，用于按照由强到弱的顺序对WIFI的RSSI电平信号值进行排序，并根据所述WIFI的RSSI电平信号值的排序对WIFI的MAC与WIFI指纹库中信息进行匹配，将WIFI指纹库中相匹配的WIFI指纹定位为用户采样点所在楼层的具体位置。
结合图1-5描述的本发明实施例的基于大数据的立体室内定位方法可以由基于大数据的立体室内定位设备来实现。图7示出了本发明实施例提供的一种基于大数据的立体室内定位设备的硬件结构示意图。
本发明所提供的一种基于大数据的立体室内定位设备可以包括处理器401以及存储有计算机程序指令的存储器702。
具体地，上述处理器701可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器702可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器702可在数据处理装置的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。在特定实施例中，存储器702包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器701通过读取并执行存储器702中存储的计算机程序指令，以实现上述实施例中的任意一种基于大数据的立体室内定位方法。
在一个示例中，本发明所提供的一种基于大数据的立体室内定位设备还可包括通信接口703和总线710。其中，如图7所示，处理器701、存储器702、通信接口703通过总线610连接并完成相互间的通信。
通信接口703，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者，将一种基于大数据的立体室内定位设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线710可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
另外，结合上述实施例中的一种基于大数据的立体室内定位方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中所述的立体室内定位方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
本发明提供的一种基于大数据的立体室内定位方法、装置、设备及介质，弥补了现在技术方案中需要进行大规模室内AP设备位置及楼层位置普查，才能进行立体室内定位的问题。使用现网的用户面信令大数据、结合WIFI网络信息数据，进行WIFI楼层分组和楼层相关性计算得到空间楼宇分层的近似最优方案，建立楼宇WIFI指纹库，实现立体室内定位，保证运营商室内网络覆盖评估和优化方案的准确性和有效性，该方案后续应用场景广泛，如面向室内用户的导航等。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，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。

Claims (10)

1.一种基于大数据的立体室内定位方法，其特征在于，所述方法包括：
采集用户面信令数据信息，从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值，并根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组；
根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；
根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链；
计算各个楼层WIFI采样点的GPS定位方式占比，并将所述GPS定位方式占比值最高的楼层确定为低楼层；
根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到包含有各个楼层定位信息的楼层WIFI指纹库；
获取用户采样点信息，提取各个用户采样点的经纬度信息，通过所述经纬度信息确定用户采样点所处的楼宇名称；
统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI的RSSI电平信号值；
依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
2.根据权利要求1所述的方法，其特征在于，所述对各个WIFI采样点进行楼层分组包括：
从所述用户面信令数据信息中解析出各个WIFI采样点的经纬度信息；根据经纬度将WIFI采样点与楼宇相关联，识别出属于同一栋楼宇的WIFI采样点；
根据WIFI采样点的RSSI电平信号值的强弱将同一楼宇的WIFI采样点进行同楼层WIFI分组。
3.根据权利要求1所述的方法，其特征在于，所述根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性包括：
利用如下的WIFI相关性计算算法建立不同WIFI采样点C(a，b)之间的相关性：
C(a，b)＝Nbr(a，b)/Nbr(a)；
其中，Nbr(a)代表WIFI(a)电平在第一预设电平值以上的采样点总数，Nbr(a，b)是WIFI(a)、WIFI(b)同时出现，电平皆在第一预设电平值以上且电平差值的绝对值小于第二预设电平值的采样点数量。
4.根据权利要求3所述的方法，其特征在于，所述楼层相关性是两个楼层内各自WIFI相关性的累计，计算公式如下：
Figure FDA0002657554720000021
其中，C(a，b)为楼层之间不同WIFI采样点的相关性，fa和fb表示不同楼层，a和b表示不同的WIFI采样点。
5.根据权利要求1所述的方法，其特征在于，所述根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链包括：
对于每两个WIFI采集点之间计算出的相关性数值，以相关性的数值最大的两个WIFI值，作为上下两个相邻的楼层；
依次遍历整个楼宇的全部楼层，得到每个楼层的相邻楼层，作为整个楼宇的WIFI楼层链。
6.根据权利要求1所述的方法，其特征在于，所述计算各个楼层WIFI采样点的GPS定位方式占比的步骤中：计算每个楼层WIFI的GPS定位方式占比的公式为：
Rgps＝Nbrgps/(Nbrgps+Nbrwifi+Nbrcell)
其中，Nbrgps为GPS定位值，Nbrwifi为WIFI定位值，Nbrcell为cell定位值，取Rgpx最高的楼层作为低楼层。
7.根据权利要求1所述的方法，其特征在于，所述依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位包括：
按照由强到弱的顺序对WIFI的RSSI电平信号值进行排序，并以所述WIFI的RSSI电平信号值的排序对WIFI的MAC与WIFI指纹库中信息进行匹配，将WIFI指纹库中相匹配的WIFI指纹定位为用户采样点所在楼层的具体位置。
8.一种基于大数据的立体室内定位装置，其特征在于，所述装置包括：
信息采集及分组模块，用于采集用户面信令数据信息，并从所述用户面信令数据信息中解析出各个WIFI采样点的RSSI电平信号值；根据RSSI电平信号值超出预设电平值属于同一楼层的原则和解析出的所述RSSI电平信号值，对各个WIFI采样点进行楼层分组；
楼层链组建模块，用于根据分组到同一楼层中的不同WIFI采样点出现的概率值和电平信号值的差值，计算出不同WIFI采样点之间的相关性和楼层之间的相关性；根据所述楼层之间的相关性和相邻楼层之间相关性最强的规则，得到表示各个楼层之间相关性大小的WIFI楼层链；
指纹库组建模块，用于计算各个楼层WIFI采样点的GPS定位方式占比，并将所述GPS定位方式占比值最高的楼层确定为低楼层；根据所述低楼层和所述WIFI楼层链中所述楼层之间的相关性大小，确定其他楼层的层数，得到包含有各个楼层定位信息的楼层WIFI指纹库；
所述信息匹配定位模块，用于获取用户采样点信息，提取各个用户采样点的经纬度信息，通过所述经纬度信息确定采样点所处的楼宇名称；统计各个用户采样点在其所属楼宇所占用的WIFI的MAC和WIFI的RSSI电平信号值；依次将WIFI的MAC与所述WIFI指纹库进行匹配，根据匹配结果对各个用户采样点的具体位置定位。
9.一种基于大数据的立体室内定位设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN201711495457.4A 2017-12-31 2017-12-31 基于大数据的立体室内定位方法、装置、设备及介质 Active CN109996181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711495457.4A CN109996181B (zh) 2017-12-31 2017-12-31 基于大数据的立体室内定位方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711495457.4A CN109996181B (zh) 2017-12-31 2017-12-31 基于大数据的立体室内定位方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN109996181A CN109996181A (zh) 2019-07-09
CN109996181B true CN109996181B (zh) 2020-12-25

Family

ID=67110870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711495457.4A Active CN109996181B (zh) 2017-12-31 2017-12-31 基于大数据的立体室内定位方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN109996181B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111294746B (zh) * 2020-02-05 2021-07-27 北京爱笔科技有限公司 一种定位方法、装置及系统
CN111457925B (zh) * 2020-04-15 2022-03-22 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN113873431B (zh) * 2020-06-30 2024-03-05 中国电信股份有限公司 楼宇网络质量呈现方法和装置
CN111866744A (zh) * 2020-07-30 2020-10-30 广东飞企互联科技股份有限公司 一种基于大数据的立体定位方法
CN113438736B (zh) * 2021-07-02 2022-06-24 杭州云深科技有限公司 WiFi位置信息的确定方法、装置、计算机设备及存储介质
CN114189806B (zh) * 2021-12-09 2023-08-15 北京百度网讯科技有限公司 一种生成无线信号指纹数据库的方法、装置及电子设备
CN115378995B (zh) * 2022-08-23 2024-06-18 浙江智尔信息技术有限公司 一种基于物联网中间件的用户信息上传的方法
CN116184312B (zh) * 2022-12-22 2023-11-21 泰州雷德波达定位导航科技有限公司 一种基于语义Wi-Fi的室内众源指纹库构建方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010035274A2 (en) * 2008-09-23 2010-04-01 Girish Patil A self - service kiosk providing path information to users
CN102348160A (zh) * 2011-07-15 2012-02-08 中国电信股份有限公司 基于多模信号的定位方法与系统、定位平台
CN102791025A (zh) * 2011-05-20 2012-11-21 盛乐信息技术（上海）有限公司 基于WiFi的分层定位系统及实现方法
CN103841642A (zh) * 2014-03-10 2014-06-04 北京工业大学 一种三维室内定位方法
CN103916821A (zh) * 2014-04-11 2014-07-09 北京工业大学 一种基于楼层间rssi差异的楼层判别方法
CN104483658A (zh) * 2014-12-30 2015-04-01 杭州云象网络技术有限公司 基于Wi-Fi和地磁场的室内定位方法
CN104501796A (zh) * 2014-12-16 2015-04-08 重庆邮电大学 一种室内wlan/mems融合跨楼层3维定位方法
CN105338498A (zh) * 2015-09-29 2016-02-17 北京航空航天大学 一种WiFi室内定位系统中指纹库的构建方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010035274A2 (en) * 2008-09-23 2010-04-01 Girish Patil A self - service kiosk providing path information to users
CN102791025A (zh) * 2011-05-20 2012-11-21 盛乐信息技术（上海）有限公司 基于WiFi的分层定位系统及实现方法
CN102348160A (zh) * 2011-07-15 2012-02-08 中国电信股份有限公司 基于多模信号的定位方法与系统、定位平台
CN103841642A (zh) * 2014-03-10 2014-06-04 北京工业大学 一种三维室内定位方法
CN103916821A (zh) * 2014-04-11 2014-07-09 北京工业大学 一种基于楼层间rssi差异的楼层判别方法
CN104501796A (zh) * 2014-12-16 2015-04-08 重庆邮电大学 一种室内wlan/mems融合跨楼层3维定位方法
CN104483658A (zh) * 2014-12-30 2015-04-01 杭州云象网络技术有限公司 基于Wi-Fi和地磁场的室内定位方法
CN105338498A (zh) * 2015-09-29 2016-02-17 北京航空航天大学 一种WiFi室内定位系统中指纹库的构建方法

Also Published As

Publication number Publication date
CN109996181A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN109996181B (zh) 基于大数据的立体室内定位方法、装置、设备及介质
US9185677B2 (en) Method device and system for estimating access points using log data
KR101206634B1 (ko) 참조 포지션과의 포지션 일치 결정 장치 및 그 방법
US10976405B2 (en) Method and system for geolocating a terminal of a wireless communication system
CN111372183B (zh) 一种识别质差终端的方法、装置、设备及存储介质
CN109429330B (zh) 室内定位方法、装置、设备和介质
CN103906121B (zh) 一种定位外部干扰的方法及装置
JP2015158396A (ja) 携帯端末の位置するフロアレベルを推定する管理装置、プログラム、システム及び方法
CN110798804A (zh) 一种室内定位方法和装置
KR20120005192A (ko) 무선랜 전파 환경 맵을 이용한 ａｐ 위치 추정 방법 및 장치
CN112235720B (zh) 室内三维mr弱覆盖定位方法、系统与计算机可读介质
CN111866847A (zh) 移动通信网络数据分析方法、设备及计算机存储介质
CN108541011B (zh) 无线网络信号覆盖区域的强度分析方法和装置
CN108574927B (zh) 一种移动终端定位方法及装置
CN111372309B (zh) 一种基于lte信号的定位方法、装置及可读存储介质
Kim et al. A Design of Irregular Grid Map for Large‐Scale Wi‐Fi LAN Fingerprint Positioning Systems
CN111294920B (zh) 识别lte网内干扰的方法、装置、设备及介质
KR101545562B1 (ko) 전파시간 측정정보를 활용한 단말기 위치 측위 방법 및 장치
KR101815075B1 (ko) 데이터베이스 구축 방법 및 장치
KR20160139796A (ko) 로그 데이터를 이용한 ａｐ 위치 추정 방법 및 장치
CN114095854B (zh) 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备
EP2132953A1 (en) Method for computing the geographical location of a mobile terminal
WO2015084154A1 (en) A system and method for locating a mobile device
CN110446225B (zh) 室分信号外泄与宏站信号入侵的判断方法、装置及介质
CN109993388B (zh) 劣化小区主因判断方法、装置、设备及介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: No.10, Gaopeng Avenue, high tech Zone, Chengdu, Sichuan 610041

Patentee after: China Mobile Group Sichuan Co.,Ltd.

Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd.

Address before: No.10, Gaopeng Avenue, high tech Zone, Chengdu, Sichuan 610041

Patentee before: China Mobile Group Sichuan Co.,Ltd.

Patentee before: China Mobile Communications Corp.