CN110727752A - 位置指纹库处理方法、设备及计算机可读存储介质 - Google Patents
位置指纹库处理方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110727752A CN110727752A CN201910959428.1A CN201910959428A CN110727752A CN 110727752 A CN110727752 A CN 110727752A CN 201910959428 A CN201910959428 A CN 201910959428A CN 110727752 A CN110727752 A CN 110727752A
- Authority
- CN
- China
- Prior art keywords
- fingerprint data
- grid
- data
- confidence
- original
- 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
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
- G06F16/29—Geographical information databases
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/23—Updating
Abstract
本发明实施例提供一种位置指纹库处理方法、设备及计算机可读存储介质。本发明实施例通过获取路测数据、OTT业务数据、应用程序数据,应用程序用于捕获网络指标,将路测数据、OTT业务数据和应用程序数据作为原始指纹数据,对原始指纹数据进行栅格化处理,得到多个栅格,根据多个栅格中每个栅格中的原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库,计算多个栅格中每个栅格的置信度、以及每个栅格中原始指纹数据的置信度,根据多个栅格中每个栅格的置信度、以及每个栅格中原始指纹数据的置信度,对位置指纹库进行更新,实现了一种在实际应用中高效、经济、自适应的指纹库建立和更新算法。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种位置指纹库处理方法、设备及计算机可读存储介质。
背景技术
在运营商大数据应用中,位置信息是价值较高的一类数据。当前主流的运营商位置信息获取方法主要有3种:基于基站连接的定位方式、基于角度、时延等网络参数的定位方式、指纹库方式。
基于基站连接的定位:通过基站的连接性推算出定位点的位置,比如主区和多个场强较强的邻区,形成多边形,通过估计中心点计算定位结果。
基于网络参数的定位:具备计算基站与定位点距离或角度的设备,通过检测接受信号的场强值、时间提前量、方向角等参数,计算出定位点的位置。
指纹库方式:通过建立网络特征向量与地理位置信息之间的映射关系进行位置估算,该方法需要采集大量的样本数据。
现有技术中缺乏一种在实际应用中高效、经济、自适应的指纹库建立和更新算法。
发明内容
本发明实施例提供一种位置指纹库处理方法、设备及计算机可读存储介质,以实现一种在实际应用中高效、经济、自适应的指纹库建立和更新算法。
第一方面,本发明实施例提供一种位置指纹库处理方法,包括:
获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标;
将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格;
根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库;
计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度;
根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
第二方面,本发明实施例提供一种服务器,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以下操作:
获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标;
将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格;
根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库;
计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度;
根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现第一方面所述的方法。
本发明实施例提供的位置指纹库处理方法、设备及计算机可读存储介质,通过获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标,将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格,根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库,计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新,实现了一种在实际应用中高效、经济、自适应的指纹库建立和更新算法。
附图说明
图1为本发明实施例提供的位置指纹库处理方法流程图;
图2为本发明实施例提供的栅格的示意图;
图3为本发明实施例提供的时间和权重之间的关系的示意图;
图4为本发明实施例提供的原始指纹数量和权重之间的关系的示意图;
图5为本发明实施例提供的位置指纹库处理方法流程图;
图6为本发明实施例提供的原始指纹库和待定指纹库的示意图;
图7为本发明实施例提供的位置指纹库处理方法流程图;
图8为本发明实施例提供的位置指纹库处理方法流程图;
图9为本发明实施例提供的服务器的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明提供的位置指纹库处理方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明实施例提供的位置指纹库处理方法流程图。本发明实施例针对现有技术的如上技术问题,提供了位置指纹库处理方法,该方法具体步骤如下:
步骤101、获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标。
在本实施例中,OTT是“Over The Top”的缩写,是指通过互联网向用户提供各种应用服务。这种应用和目前运营商所提供的通信业务不同,它仅利用运营商的网络,而服务由运营商之外的第三方提供。数据采集主要包括路测数据的采集、应用程序数据的采集、DT/CQT数据采集;其中,采集路测数据的一种可实现方式是:从数据采集服务器中,通过FTP接口采集XDR话单、MR以及工程参数。采集应用程序数据的一种可实现方式是:调用移动终端的开发者API中监测网络指标的模块,开发出APP装载至众包测试人员终端,开启GPS授权后可以自动采集终端的电平、信噪比、主邻区、运动模式、室内外等信息并自动同步至服务器。采集DT/CQT数据的一种可实现方式是:网络侧使用专业的测量设备对GSM、WCDMA、TDSCDMA、LTE等无线网络的下行信号,也就是各无线网络的空中接口(Um)进行测试。可以定期获得:GPS信息、服务小区信号强度、话音质量、相邻小区的信号强度指示Ec以及信号质量指示Ec/Io等。
可选的,还可预先分析S1-U口的数据,建立可以解析明文GPS的APP应用列表、应用评级以及坐标系转换公式。部分APP解析特征具体可如下表1所示:
表1
在采集到路测数据、应用程序数据、DT/CQT数据后,还可以对采集到的数据进行清洗处理,具体的,通过如下步骤(a)-(d)可得到OTT原始指纹:
(a)解析XDR话单S1-U口数据,获取URI字段,该字段包含了用户上网访问的网站名、页面、参数等信息;
(b)使用预先建立的知识库,结合步骤(a)得到的URI字段,过滤、解析、转换得到GPS信息;
(c)获取S1-U话单的终端型号、APP名称、APP评级、基站信息、IMSI和业务时间等字段数据;
(d)使用IMSI、TIME、S1APID、MMEcode、MMEgroup等字段关联S1-MME、S1-U、MR数据得到OTT原始指纹。其中,S1-MME、MR、S1-U数据关联规则具体如下表2所示:
表2
另外,对路测数据的清洗处理可通过如下方式实现:网络侧采集的路测数据生成Log日志,导出后关联工程参数,获得主邻区基站的基础信息,对RSRP、RSRQ等网络指标根据3GPP的标准进行转换。其中,RSRP转换规则具体如下表3所示:
表3
3GPP规定的上报值 | 测量数据区间分布(单位dBm) |
RSRP_LEV_00 | RSRP<-140 |
RSRP_LEV_01 | -140≤RSRP<-139 |
… | … |
RSRP_LEV_20 | -121≤RSRP<-120 |
RSRP_LEV_21 | -120≤RSRP<-119 |
… | … |
RSRP_LEV_25 | -116≤RSRP<-115 |
RSRP_LEV_26 | -115≤RSRP<-114 |
… | … |
RSRP_LEV_60 | -81≤RSRP<-80 |
RSRP_LEV_61 | -80≤RSRP<-79 |
RSRP_LEV_62 | -79≤RSRP<-78 |
… | … |
RSRP_LEV_79 | -62≤RSRP<-61 |
RSRP_LEV_80 | -61≤RSRP<-60 |
RSRP_LEV_81 | -60≤RSRP<-59 |
… | … |
RSRP_LEV_96 | -45≤RSRP<-44 |
RSRP_LEV_97 | -44≤RSRP |
此外,对应用程序数据的清洗处理可通过如下方式实现:采集的数据是json格式,解析后与工程参数关联,去除关联失败数据,对RSRP等网络指标根据3GPP标准进行转换。
步骤102、将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格。
在本实施例中,将采集到的路测数据、OTT数据和应用程序数据作为原始指纹数据,计算每个原始指纹数据的经纬度(lon1,lat1)与主覆盖基站(lon2,lat2)的距离dist,dist的计算方法如下公式(1)所示:
其中,con1=102834.74m,con2=111712.69m。
进一步,比较dist和阈值thre1,如果dist大于阈值thre1,则丢弃该原始指纹数据。
另外,如果原始指纹数据的经纬度精度低于0.01‰,则精度达不到指纹库建库的要求,将会给定位造成误差,应剔除。此外,还可以对无邻区、RSRP、RSRQ等网络指标不在合理范围内的数据进行剔除。
在本实施例中,还可以对采集到的路测数据、OTT数据和应用程序数据进行归一化,例如,为该三类原始指纹增加指纹来源指标,形成如下表4所示的标准指标体系:
表4
可选的,所述对所述原始指纹数据进行栅格化处理,包括:将目标区域划分为多个栅格;将所述原始指纹数据按照经纬度映射到所述多个栅格中。
如图2所示,将目标区域划分为4*4个栅格,对原始指纹数据进行聚类处理,该聚类处理具体可以是将原始指纹数据按照经纬度映射到该4*4个栅格中,可选的,每个原始指纹数据可映射到该4*4个栅格中的一个栅格中。以10米*10米栅格为例,栅格的形状为正方形,以正方形左下角的点的坐标作为栅格的标识。假设为(x,y),若新来一条MR坐标为(x1,y1),若x<x1<x+0.0001并且y<y1<y+0.0001,那么当前MR落在了(x,y)的栅格内。例子:某条MR数据的经纬度为116.385386,39.896006,它所属10米*10米的栅格标识为(116.3853,39.8960)。
步骤103、根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库。
指纹库的指标体系代表了当前栅格有多少个特征以及特征组,拟建立一个n*m个特征向量的指纹库,具体如下:
(1)基础信息维度cells={eci1,eci2,…,eci6},其中eci代表了当前栅格所收到的服务小区及邻区的信号,按信号强度依次排列。
(2)电平差值维度d={rsrp-rsrp2,rsrp-rsrp3,…,rsrp-rsrpi},其中rsrpi代表了当前栅格接收到第i个小区的电平值,rsrp代表主服务小区的电平值,按差值大小依次排列。
(3)栅格连接小区列表。对栅格内所有原始指纹的小区列表取并集,计算每个小区出现的频次,截取出现频次最高的6个作为栅格连接小区列表。
(4)用户感知维度qoe={dlrate,ulrate,dldelay,uldelay},四个特征分别代表栅格平均上传、下载速率和时延。
为栅格创建ID、对指标(1)、(2)、(4)以及栅格内全部原始指纹的业务时间求取平均值,追加栅格建立时间戳,将第(3)个指标作为连接特征生成最终的指纹库。
步骤104、计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度。
在本实施例中,用置信度表示指纹库以及原始指纹的可靠性,置信度越高表示栅格或原始指纹越可靠,对后期的用户定位以及指纹库更新的辅助越大,置信度分为栅格的置信度以及原始指纹数据的置信度。
可选的,所述计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,包括:根据每个栅格中所述原始指纹数据的业务占用时间、所述原始指纹数据的数量、所述原始指纹数据的应用类型和所述栅格中的主服小区标准差,所述计算所述栅格的置信度;根据所述原始指纹数据的业务占用时间、所述原始指纹数据的定位精度、所述原始指纹数据的应用类型、以及所述原始指纹数据与其所属栅格中其他原始指纹数据的相似度,计算所述原始指纹数据的置信度。
具体的,栅格置信度的计算过程具体如下:
(a)基于时间的权重计算
栅格指纹的建立、更新以及替换是有周期性的,随着时间戳拉长,栅格周边的无线环境、包括基站的新建与拆迁都会发生变化,因此栅格的置信度会随时间降低,设计分段函数如下公式(2)所示:
上述方程中f(t)代表权重即置信度,t代表栅格中所有原始指纹到当前时刻的平均时间差,开始的时候权重随着时间变化下降较快,后面趋于平缓,如图3所示。
(b)基于栅格中原始指纹数量的权重计算
栅格的指纹由栅格内的原始指纹聚类获得,原始指纹越多,其栅格所代表的特征就更能代表一般情况而非个例,样本越多置信度越高,随着样本数的不断增加置信度的增加趋于平缓,f(n)代表权重即置信度,f(n)与原始指纹数量n的关系如下公式(3)所示:
f(n)=logan,n≥1 (3)
其中,底数a的经验取值为1.8,其中,权重f(n)与原始指纹数量n的关系可以如图4所示。
(c)基于应用类型的权重计算
根据原始指纹中,用户使用应用类型,对置信度进行经验分档:第一档是室外、覆盖用户广泛的应用。如导航类中高德、百度、谷歌地图等,此类APP钻取出的位置信息大于是室外环境,GPS异常波动情况较少,且用户规模较大,可靠性相对较高的。设计置信度取值为3;第二档是室外、覆盖用户较为广泛的应用,如基于LBS服务型应用,大众点评、美团、滴滴打车等,此类位置信息较可靠,设计置信度取值为2;第三档是其他覆盖用户较广的应用。如墨迹天气、今日头条、直播软件等,室内数据较多,覆盖特定用户群。设计置信度取值为1。
可选的,将原始指纹中应用类型的置信度Xi的均值f(X)作为栅格的置信度,其中,f(X)与Xi的关系如下公式(4)所示:
其中,Xi∈{1,2,3},n表示应用置信级别不为空的原始指纹数。
(d)计算栅格内原始指纹服务小区场强标准差
用于判断栅格内主服小区的场强分布稳定性。计算栅格内k条原始指纹主区RSRP的平均值RSRPAVG,RSRPAVG的计算方法具体如下公式(5)所示:
其中,RSRPi表示k条原始指纹中第i条原始指纹主区RSRP。
进一步根据栅格内k条原始指纹主区RSRP的平均值RSRPAVG,计算该栅格中的主服小区标准差σ,σ的计算方法具体如下公式(6)所示:
(e)计算指纹库栅格置信度
根据上述步骤(a)、(b)、(c)、(d)可知,栅格指纹库的置信度与时间、原始指纹数量、应用类型以及主区场强分布密切相关,可选的,根据公式(2)、(3)、(4)、(6)做线性变换,得到指纹库的置信度的最终取值f(t,n,X,σ),f(t,n,X,σ)的计算方法具体如下公式(7)所示:
f(t,n,X,σ)=w1*f(t)+w2*f(n)+w3*f(X)+w4*f(σ) (7)
其中,1=w1+w2+w3+w4,w1、w2、w3、w4分别表示权重值。
另外,原始指纹数据的置信度的计算过程具体如下:
(a)定义原始指纹的置信度
从原始指纹的业务占用时间、定位精度、应用等级、相似度4个维度去定义原始指纹置信度。其中相似度定义为当前原始指纹与栅格中余下原始指纹集合的距离,具体示例如下表5所示:
表5
(b)分数映射
根据步骤(a)中的业务占用时间、定位精度、置信等级的具体取值,进行分数映射,其中,业务占用时间越长,指标越稳定,打分越高;定位精度越高,原始指纹越精确,置信度越高;置信等级越高,打分越高,具体如下表6所示:
表6
(c)利用熵权法计算各个指标权重
在本实施例中,将业务占用时间记为第1个指标、将定位精度记为第2个指标、将置信等级记为第3个指标、将相似度记为第4个指标,将表6中的第2行记为第1个项目,将表6中的第3行记为第2个项目,将表6中的第4行记为第3个项目,将表6中的第5行记为第4个项目,将表6转换为如下表7所示的表格:
表7
i\j | 1 | 2 | 3 | 4 |
1 | 100 | 100 | 60 | 60 |
2 | 60 | 60 | 80 | 76 |
3 | 70 | 70 | 100 | 80 |
4 | 50 | 50 | 100 | 83 |
其中,j表示第j个指标,i表示第i个项目,进一步对表7中的数据进行归一化得到如下表8所示的归一化结果:
表8
进一步计算第j个指标下第i个项目的指标值比重Pij,Pij的计算方法具体如下公式(8)所示:
其中,Pij表示第j个指标下第i个项目的指标值,Pij具体如下表9所示:
表9
P<sub>ij</sub> | 1 | 2 | 3 | 4 |
1 | 0.357143 | 0.357143 | 0.176471 | 0.200669 |
2 | 0.214286 | 0.214286 | 0.235294 | 0.254181 |
3 | 0.25 | 0.25 | 0.294118 | 0.267559 |
4 | 0.178571 | 0.178571 | 0.294118 | 0.277592 |
进一步计算第j个指标的熵值ej,ej的计算方法具体如下公式(9)所示:
其中,k=1/lnm,e1、e2、e3、e4的值具体如下表10所示:
表10
e<sub>1</sub> | e<sub>2</sub> | e<sub>3</sub> | e<sub>4</sub> |
0.975281 | 0.975281 | 0.985668 | 0.994636 |
进一步计算第j个指标的熵值wj,wj的计算方法具体如下公式(10)所示,w1、w2、w3、w4的值具体如下表11所示:
表11
w<sub>1</sub> | w<sub>2</sub> | w<sub>3</sub> | w<sub>4</sub> |
0.357549 | 0.357549 | 0.207314 | 0.077589 |
其中,w1为业务占用时间对应的权值,w2为定位精度对应的权值,w3为置信等级对应的权值,w4为相似度对应的权值,对于表6中的每一个项目可以作为一条原始指纹,将分数转换乘以相应的权值再求和即可得到该条原始指纹的置信度,例如,对于表6中的第1个项目,即业务占用时间的分数转换为100,定位精度的分数转换为100,置信等级的分数转换为60,相似度的分数转换为60,该条原始指纹的置信度为:100*w1+100*w2+60*w3+60*w4,表6中每条原始指纹的置信度计算结果具体如下表12所示:
表12
步骤105、根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
可选的,所述根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新,包括如图5所示的下步骤:
步骤501、获取当前指纹数据。
如图6所示,61表示原始指纹库,62表示待定指纹库,原始指纹库61和待定指纹库62均是以目标点为中心点开始划分出的4*4的栅格,在其他实施例中,原始指纹库61和待定指纹库62不限于4*4的栅格。例如,F1表示当前新获取到的指纹数据即当前指纹数据。
步骤502、根据所述当前指纹数据的经纬度,确定与所述当前指纹数据对应的目标栅格。
根据当前指纹数据F1的经纬度,确定当前指纹数据F1在原始指纹库61中对应的栅格,例如图7所示,假设当前指纹数据F1为如图7所示的71,与当前指纹数据F1对应的目标栅格72为原始指纹库61中第3行第3列上的栅格。
步骤503、计算所述当前指纹数据的连接列表和所述目标栅格的连接列表中重叠的小区数量。
计算当前指纹数据F1的连接列表和目标栅格72的连接列表中重叠的小区数量。
步骤504、若所述小区数量大于第一阈值,则根据所述目标栅格中已有的指纹数据计算所述当前指纹数据的置信度。
在本实施例中,第一阈值为2,具体的,当前指纹数据F1的连接列表和目标栅格72的连接列表中重叠的小区数量大于2,则根据目标栅格72中已有的指纹数据计算当前指纹数据F1的置信度。
步骤505、若所述当前指纹数据的置信度大于第二阈值,则将所述当前指纹数据放入所述目标栅格。
在本实施例中,第二阈值为X,若当前指纹数据F1的置信度大于X,则将当前指纹数据F1放入目标栅格72中。
步骤506、判断所述目标栅格中已有的指纹数据的数量是否大于第三阈值,若是,则执行步骤507,否则,执行步骤508。
可选的,如果将当前指纹数据F1放入目标栅格72中,则进一步判断该目标栅格72中已有的指纹数据的数量是否大于第三阈值,可选的,第三阈值为j。
步骤507、删除所述目标栅格中置信度最低的指纹数据后更新所述目标栅格的置信度。
如果将当前指纹数据F1放入目标栅格72后,该目标栅格72中已有的指纹数据的数量大于j,则删除目标栅格72中置信度最低的指纹数据后进一步执行步骤508即更新目标栅格72的置信度。
步骤508、更新所述目标栅格的置信度。
如果将当前指纹数据F1放入目标栅格72后,该目标栅格72中已有的指纹数据的数量小于或等于j,则直接更新目标栅格72的置信度。
步骤509、若所述小区数量小于或等于所述第一阈值,或者所述当前指纹数据的置信度小于或等于所述第二阈值,则将所述当前指纹数据放入所述目标栅格对应的待定池中。
如图7所示,如果当前指纹数据F1的连接列表和目标栅格72的连接列表中重叠的小区数量小于或等于2,则将当前指纹数据F1放入目标栅格72对应的待定池中,可选的,目标栅格72对应的待定池是待定指纹库62中与目标栅格72对应的栅格,例如,目标栅格72在原始指纹库61中第3行第3列上,目标栅格72对应的待定池在待定指纹库62中第3行第3列上。
另外,如图7所示,若当前指纹数据F1的置信度小于或等于X,则将当前指纹数据F1放入目标栅格72对应的待定池中。
步骤510、判断所述待定池中已有指纹数据的数量是否大于第四阈值,若是,则执行步骤512,否则,执行步骤511。
如图8所示,假设将当前指纹数据F1放入目标栅格72对应的待定池后,该待定池具体如图8所示的81,经过周期T后,该待定池81中可能还会进入新的指纹数据例如F2,此时,判断该待定池81中已有指纹数据的数量是否大于第四阈值,该第四阈值具体可以是n。
步骤511、丢弃该待定池中已有的指纹数据。
若经过周期T后,该待定池81中已有指纹数据的数量小于或等于n,则清空该待定池81,即丢弃该待定池81中已有的指纹数据。
步骤512、计算该待定池中已有的指纹数据的置信度。
若经过周期T后,该待定池81中已有指纹数据的数量大于n,则计算该待定池81中已有的指纹数据的置信度。
步骤513、判断所述待定池中置信度大于第二阈值的指纹数据的数量是否大于第五阈值,若是,则执行步骤514,否则,执行步骤511。
在计算该待定池81中已有的指纹数据的置信度后,判断该待定池81中置信度大于第二阈值例如X的指纹数据的数量是否大于第五阈值,此处,第五阈值可以是m,m小于n。
步骤514、清除所述目标栅格中已有的指纹数据,将所述待定池中置信度大于第二阈值的指纹数据更新到所述目标栅格中。
若待定池81中n个指纹数据中有至少m个指纹数据的置信度均大于X,则清除目标栅格72中已有的指纹数据,将待定池81中置信度大于X的m个指纹数据更新到目标栅格72中。
本发明实施例通过获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标,将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格,根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库,计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新,实现了一种在实际应用中高效、经济、自适应的指纹库建立和更新算法。
图9为本发明实施例提供的服务器的结构示意图。本发明实施例提供的服务器可以执行位置指纹库处理方法实施例提供的处理流程,如图9所示,服务器90包括:存储器91、处理器92和计算机程序;其中,计算机程序存储在存储器91中,并被配置为由处理器92执行以下操作:获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标;将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格;根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库;计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度;根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
可选的,处理器92对所述原始指纹数据进行栅格化处理时,具体用于:将目标区域划分为多个栅格;将所述原始指纹数据按照经纬度映射到所述多个栅格中。
可选的,处理器92计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度时,具体用于:根据每个栅格中所述原始指纹数据的业务占用时间、所述原始指纹数据的数量、所述原始指纹数据的应用类型和所述栅格中的主服小区标准差,所述计算所述栅格的置信度;根据所述原始指纹数据的业务占用时间、所述原始指纹数据的定位精度、所述原始指纹数据的应用类型、以及所述原始指纹数据与其所属栅格中其他原始指纹数据的相似度,计算所述原始指纹数据的置信度。
可选的,处理器92根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新时,具体用于:获取当前指纹数据;根据所述当前指纹数据的经纬度,确定与所述当前指纹数据对应的目标栅格;计算所述当前指纹数据的连接列表和所述目标栅格的连接列表中重叠的小区数量;若所述小区数量大于第一阈值,则根据所述目标栅格中已有的指纹数据计算所述当前指纹数据的置信度;若所述当前指纹数据的置信度大于第二阈值,则将所述当前指纹数据放入所述目标栅格,并更新所述目标栅格的置信度。
可选的,处理器92更新所述目标栅格的置信度时,具体用于:若所述目标栅格中已有的指纹数据的数量小于或等于第三阈值,则更新所述目标栅格的置信度;若所述目标栅格中已有的指纹数据的数量大于第三阈值,则删除所述目标栅格中置信度最低的指纹数据后更新所述目标栅格的置信度。
可选的,处理器92还用于:若所述小区数量小于或等于所述第一阈值,或者所述当前指纹数据的置信度小于或等于所述第二阈值,则将所述当前指纹数据放入所述目标栅格对应的待定池中;判断所述待定池中已有指纹数据的数量是否大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量是否大于第五阈值;若所述待定池中已有指纹数据的数量大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量大于第五阈值,则清除所述目标栅格中已有的指纹数据,将所述待定池中置信度大于第二阈值的指纹数据更新到所述目标栅格中。
图9所示实施例的服务器可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
另外,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现上述实施例所述的位置指纹库处理方法。
在本发明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。另一点,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,可以是电性,机械或其它的形式。
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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种位置指纹库处理方法,其特征在于,包括:
获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标;
将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格;
根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库;
计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度;
根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
2.根据权利要求1所述的方法,其特征在于,所述对所述原始指纹数据进行栅格化处理,包括:
将目标区域划分为多个栅格;
将所述原始指纹数据按照经纬度映射到所述多个栅格中。
3.根据权利要求1或2所述的方法,其特征在于,所述计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,包括:
根据每个栅格中所述原始指纹数据的业务占用时间、所述原始指纹数据的数量、所述原始指纹数据的应用类型和所述栅格中的主服小区标准差,所述计算所述栅格的置信度;
根据所述原始指纹数据的业务占用时间、所述原始指纹数据的定位精度、所述原始指纹数据的应用类型、以及所述原始指纹数据与其所属栅格中其他原始指纹数据的相似度,计算所述原始指纹数据的置信度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新,包括:
获取当前指纹数据;
根据所述当前指纹数据的经纬度,确定与所述当前指纹数据对应的目标栅格;
计算所述当前指纹数据的连接列表和所述目标栅格的连接列表中重叠的小区数量;
若所述小区数量大于第一阈值,则根据所述目标栅格中已有的指纹数据计算所述当前指纹数据的置信度;
若所述当前指纹数据的置信度大于第二阈值,则将所述当前指纹数据放入所述目标栅格,并更新所述目标栅格的置信度。
5.根据权利要求4所述的方法,其特征在于,所述更新所述目标栅格的置信度,包括:
若所述目标栅格中已有的指纹数据的数量小于或等于第三阈值,则更新所述目标栅格的置信度;
若所述目标栅格中已有的指纹数据的数量大于第三阈值,则删除所述目标栅格中置信度最低的指纹数据后更新所述目标栅格的置信度。
6.根据权利要求4或5所述的方法,其特征在于,所述方法还包括:
若所述小区数量小于或等于所述第一阈值,或者所述当前指纹数据的置信度小于或等于所述第二阈值,则将所述当前指纹数据放入所述目标栅格对应的待定池中;
判断所述待定池中已有指纹数据的数量是否大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量是否大于第五阈值;
若所述待定池中已有指纹数据的数量大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量大于第五阈值,则清除所述目标栅格中已有的指纹数据,将所述待定池中置信度大于第二阈值的指纹数据更新到所述目标栅格中。
7.一种服务器,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以下操作:
获取路测数据、OTT业务数据、应用程序数据,所述应用程序用于捕获网络指标;
将所述路测数据、所述OTT业务数据和所述应用程序数据作为原始指纹数据,对所述原始指纹数据进行栅格化处理,得到多个栅格;
根据所述多个栅格中每个栅格中的所述原始指纹数据的特征信息,建立包括多个特征向量的位置指纹库;
计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度;
根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新。
8.根据权利要求7所述的服务器,其特征在于,所述处理器对所述原始指纹数据进行栅格化处理时,具体用于:
将目标区域划分为多个栅格;
将所述原始指纹数据按照经纬度映射到所述多个栅格中。
9.根据权利要求7或8所述的服务器,其特征在于,所述处理器计算所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度时,具体用于:
根据每个栅格中所述原始指纹数据的业务占用时间、所述原始指纹数据的数量、所述原始指纹数据的应用类型和所述栅格中的主服小区标准差,所述计算所述栅格的置信度;
根据所述原始指纹数据的业务占用时间、所述原始指纹数据的定位精度、所述原始指纹数据的应用类型、以及所述原始指纹数据与其所属栅格中其他原始指纹数据的相似度,计算所述原始指纹数据的置信度。
10.根据权利要求9所述的服务器,其特征在于,所述处理器根据所述多个栅格中每个栅格的置信度、以及每个栅格中所述原始指纹数据的置信度,对所述位置指纹库进行更新时,具体用于:
获取当前指纹数据;
根据所述当前指纹数据的经纬度,确定与所述当前指纹数据对应的目标栅格;
计算所述当前指纹数据的连接列表和所述目标栅格的连接列表中重叠的小区数量;
若所述小区数量大于第一阈值,则根据所述目标栅格中已有的指纹数据计算所述当前指纹数据的置信度;
若所述当前指纹数据的置信度大于第二阈值,则将所述当前指纹数据放入所述目标栅格,并更新所述目标栅格的置信度。
11.根据权利要求10所述的服务器,其特征在于,所述处理器更新所述目标栅格的置信度时,具体用于:
若所述目标栅格中已有的指纹数据的数量小于或等于第三阈值,则更新所述目标栅格的置信度;
若所述目标栅格中已有的指纹数据的数量大于第三阈值,则删除所述目标栅格中置信度最低的指纹数据后更新所述目标栅格的置信度。
12.根据权利要求10或11所述的服务器,其特征在于,所述处理器还用于:
若所述小区数量小于或等于所述第一阈值,或者所述当前指纹数据的置信度小于或等于所述第二阈值,则将所述当前指纹数据放入所述目标栅格对应的待定池中;
判断所述待定池中已有指纹数据的数量是否大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量是否大于第五阈值;
若所述待定池中已有指纹数据的数量大于第四阈值,且所述待定池中置信度大于第二阈值的指纹数据的数量大于第五阈值,则清除所述目标栅格中已有的指纹数据,将所述待定池中置信度大于第二阈值的指纹数据更新到所述目标栅格中。
13.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959428.1A CN110727752B (zh) | 2019-10-10 | 2019-10-10 | 位置指纹库处理方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959428.1A CN110727752B (zh) | 2019-10-10 | 2019-10-10 | 位置指纹库处理方法、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110727752A true CN110727752A (zh) | 2020-01-24 |
CN110727752B CN110727752B (zh) | 2022-04-22 |
Family
ID=69219970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910959428.1A Active CN110727752B (zh) | 2019-10-10 | 2019-10-10 | 位置指纹库处理方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110727752B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113573236A (zh) * | 2020-04-29 | 2021-10-29 | 亚信科技(中国)有限公司 | 定位结果的置信度的评估方法和装置 |
CN114466373A (zh) * | 2020-11-09 | 2022-05-10 | 中国移动通信集团湖北有限公司 | 位置指纹库更新方法、装置、设备及计算机可读存储介质 |
CN115209343A (zh) * | 2022-07-28 | 2022-10-18 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106658399A (zh) * | 2016-08-30 | 2017-05-10 | 北京电旗通讯技术股份有限公司 | 一种基于手机用户位置指纹进行手机位置定位的方法 |
CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
CN108181607A (zh) * | 2017-12-21 | 2018-06-19 | 重庆玖舆博泓科技有限公司 | 基于指纹库的定位方法、装置及计算机可读存储介质 |
CN108984785A (zh) * | 2018-07-27 | 2018-12-11 | 武汉大学 | 一种基于历史数据和增量的指纹库的更新方法及装置 |
WO2019090527A1 (zh) * | 2017-11-08 | 2019-05-16 | 上海诺基亚贝尔股份有限公司 | 一种采用可重构天线进行室内定位的方法和装置 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | 中国移动通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
-
2019
- 2019-10-10 CN CN201910959428.1A patent/CN110727752B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106658399A (zh) * | 2016-08-30 | 2017-05-10 | 北京电旗通讯技术股份有限公司 | 一种基于手机用户位置指纹进行手机位置定位的方法 |
WO2019090527A1 (zh) * | 2017-11-08 | 2019-05-16 | 上海诺基亚贝尔股份有限公司 | 一种采用可重构天线进行室内定位的方法和装置 |
CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
CN108181607A (zh) * | 2017-12-21 | 2018-06-19 | 重庆玖舆博泓科技有限公司 | 基于指纹库的定位方法、装置及计算机可读存储介质 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | 中国移动通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
CN108984785A (zh) * | 2018-07-27 | 2018-12-11 | 武汉大学 | 一种基于历史数据和增量的指纹库的更新方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113573236A (zh) * | 2020-04-29 | 2021-10-29 | 亚信科技(中国)有限公司 | 定位结果的置信度的评估方法和装置 |
CN113573236B (zh) * | 2020-04-29 | 2024-04-05 | 亚信科技(中国)有限公司 | 定位结果的置信度的评估方法和装置 |
CN114466373A (zh) * | 2020-11-09 | 2022-05-10 | 中国移动通信集团湖北有限公司 | 位置指纹库更新方法、装置、设备及计算机可读存储介质 |
CN114466373B (zh) * | 2020-11-09 | 2023-08-15 | 中国移动通信集团湖北有限公司 | 位置指纹库更新方法、装置、设备及计算机可读存储介质 |
CN115209343A (zh) * | 2022-07-28 | 2022-10-18 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
CN115209343B (zh) * | 2022-07-28 | 2023-11-10 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110727752B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109548041B (zh) | 一种无线覆盖分析方法及系统 | |
CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN109246592B (zh) | 一种用户终端位置信息的获取方法及装置 | |
CN103068039B (zh) | 一种基于WiFi信号的RSSI值的定位方法 | |
CN107231636B (zh) | 一种校准网络覆盖评估的方法和装置 | |
CN110719602B (zh) | 指纹定位方法和装置 | |
CN111901750B (zh) | 一种定位方法、装置、电子设备以及存储介质 | |
CN114173356B (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
WO2014139446A1 (en) | System and method for localizing wireless devices | |
CN108770057B (zh) | 预定指纹库的确定方法及指纹定位方法、装置、存储介质 | |
CN111787488A (zh) | 一种用户定位方法及系统 | |
CN106604297B (zh) | 一种优化基站扇区中心经纬度数据的方法和设备 | |
CN108401222B (zh) | 定位方法和装置 | |
KR102169291B1 (ko) | 측위모델구성장치 및 단말측위장치, 그 장치의 동작 방법 | |
CN110012436B (zh) | 用户位置确定方法、装置、设备及计算机可读存储介质 | |
CN112867147B (zh) | 定位方法和定位装置 | |
CN106488555B (zh) | 一种室内定位方法及装置 | |
CN108541011B (zh) | 无线网络信号覆盖区域的强度分析方法和装置 | |
CN109982368B (zh) | 小区方位角的核查方法、装置、设备及介质 | |
KR101694521B1 (ko) | 전파지문지도 생성 장치 및 방법 | |
CN114885369A (zh) | 网络覆盖质量检测处理方法、装置、电子设备和存储介质 | |
CN109996253A (zh) | 一种小区信号覆盖范围合理性的评估方法及装置 | |
WO2013174013A1 (zh) | 一种确定站址的方法、服务器及系统 | |
Tao et al. | Wi-Fi fingerprint database refinement method and performance analysis |
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 |