CN111194001A - Lte指纹定位校正的方法、装置及系统 - Google Patents

Abstract

本发明提供一种LTE指纹定位校正的方法、装置及系统，该方法包括：获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；根据RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；根据候选定位信息，得到最大观测概率信息和最小转移概率信息；根据最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息。以实现通过LTE网络号码回填和经纬度回填以及HOST筛选、OTT经纬度还原，电子地图、互联网出行数据以完成LTE道路用户识别、提取，最终完成道路用户地图匹配、用户指纹定位经纬度二次修正，能够快速、有效地将轨迹点投影到在线地图中，提高定位的精准度。

Description

LTE指纹定位校正的方法、装置及系统

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种LTE指纹定位校正的方法、装置及系统。

背景技术

随着智能手机应用程序的快速发展，用户常使用基于位置的应用程序与服务运营商共享位置数据，利用位置数据可以预估道路行驶时间、交通拥堵检测或者交通流量预测，但由于位置数据存在误差，故需与电子地图匹配后才可以应用于共享位置数据的操作。

现有技术中基于RSSI指纹定位分为基于测距和非测距定位两大类，基于测距定位具体的方法有到达时间TOA,到达时间差TDOA,到达角AOA等。基于非测距定位主要有接受信号强度指示RSSI，一般又分为距离路径衰减模型法、高精度3D地图仿真和位置指纹匹配法等。

然而上述现有技术有些需要专门设备，成本较大，难以大规模推广应用，有些易受环境、信号等干扰影响，使定位效果不准确。

发明内容

本发明提供一种LTE指纹定位校正的方法、装置及系统，以实现通过LTE网络号码回填和经纬度回填以及HOST筛选、OTT经纬度还原，电子地图、互联网出行数据以完成LTE道路用户识别、提取，最终完成道路用户地图匹配、用户指纹定位经纬度二次修正，能够快速、有效地将轨迹点投影到在线地图中，提高定位的精准度。

第一方面，本发明实施例提供的一种LTE指纹定位校正的方法，包括：

获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；

根据所述RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；

根据所述候选定位信息，得到最大观测概率信息和最小转移概率信息；

根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息。

在一种可能的设计中，还包括：

获取电子地图基础信息；

获取动态拥堵调节信息，其中，所述动态拥堵调节信息包括道路拥堵信息以及所述道路对应的速度阈值；

根据所述电子地图基础信息与所述动态拥堵调节信息，得到指纹地图信息，并存储于所述指纹数据库中。

在一种可能的设计中，在指纹数据库中匹配至少一个候选定位信息之前，还包括：

根据所述RSSI指纹信息，在所述指纹地图信息中获取高置信度经纬度信息；

根据所述移动设备在两个位置对应的高置信度经纬度信息，得到所述高置信度经纬度信息对应的速度信息；

若所述速度信息大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备不处于所述速度阈值对应的当前道路上；

若所述速度信息不大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备处于所述速度阈值对应的当前道路上。

在一种可能的设计中，根据所述候选定位信息，得到最大观测概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最大观测概率信息，其中观测概率包括：

其中σ为测量距离标准差，所述RSSI指纹信息包括当前定位点O_t，g(O_t,C_t,i)包括当前定位点O_t与候选定位信息中候选定位点C_t,i的大圆距离。

在一种可能的设计中，根据所述候选定位信息，得到最小转移概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最小转移概率信息；

其中转移概率，包括：

d(C_t,i,C_t+1,j)为候选点之间的路径距离，g(C_t,i,C_t+1,j)为候选点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选点之间的时间间隔，β为描述路径距离和大圆的差值，β包括：

在一种可能的设计中，根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息，包括：

根据所述移动设备在当前时刻以及所述当前时刻之前的每一时刻分别对应的最大观测概率信息和最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息；

其中，定位轨迹包括：

P(c₀|o₀)为初始状态概率。

在一种可能的设计中，在得到所述移动设备对应定位轨迹的下一时刻经纬度信息之后，还包括：

在移动设备的显示界面显示所述下一时刻经纬度信息对应的定位位置。

第二方面，本发明实施例提供的一种LTE指纹定位校正的装置，包括：

获取模块，用于获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；

匹配模块，用于根据所述RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；

得到模块，用于根据所述候选定位信息，得到最大观测概率信息和最小转移概率信息；

定位模块，用于根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息。

在一种可能的设计中，还包括：

获取电子地图基础信息；

获取动态拥堵调节信息，其中，所述动态拥堵调节信息包括道路拥堵信息以及所述道路对应的速度阈值；

根据所述电子地图基础信息与所述动态拥堵调节信息，得到指纹地图信息，并存储于所述指纹数据库中。

在一种可能的设计中，在指纹数据库中匹配至少一个候选定位信息之前，还包括：

根据所述RSSI指纹信息，在所述指纹地图信息中获取高置信度经纬度信息；

根据所述移动设备在两个位置对应的高置信度经纬度信息，得到所述高置信度经纬度信息对应的速度信息；

若所述速度信息大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备不处于所述速度阈值对应的当前道路上；

若所述速度信息不大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备处于所述速度阈值对应的当前道路上。

在一种可能的设计中，根据所述候选定位信息，得到最大观测概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最大观测概率信息，其中观测概率包括：

其中σ为测量距离标准差，所述RSSI指纹信息包括当前定位点O_t，g(O_t,C_t,i)包括当前定位点O_t与候选定位信息中候选定位点C_t,i的大圆距离。

在一种可能的设计中，根据所述候选定位信息，得到最小转移概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最小转移概率信息；

其中转移概率，包括：

d(C_t,i,C_t+1,j)为候选点之间的路径距离，g(C_t,i,C_t+1,j)为候选点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选点之间的时间间隔，β为描述路径距离和大圆的差值，β包括：

在一种可能的设计中，定位模块，具体用于：

根据所述移动设备在当前时刻以及所述当前时刻之前的每一时刻分别对应的最大观测概率信息和最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息；

其中，定位轨迹包括：

P(c₀|o₀)为初始状态概率。

在一种可能的设计中，在得到所述移动设备对应定位轨迹的下一时刻经纬度信息之后，还包括：

在移动设备的显示界面显示所述下一时刻经纬度信息对应的定位位置。

本发明提供一种LTE指纹定位校正的方法、装置及系统，该方法包括：获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；根据RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；根据候选定位信息，得到最大观测概率信息和最小转移概率信息；根据最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息。以实现通过LTE网络号码回填和经纬度回填以及HOST筛选、OTT经纬度还原，电子地图、互联网出行数据以完成LTE道路用户识别、提取，最终完成道路用户地图匹配、用户指纹定位经纬度二次修正，能够快速、有效地将轨迹点投影到在线地图中，提高定位的精准度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一典型应用场景图；

图2为本发明实施例一提供的LTE指纹定位校正的方法的流程图；

图3为本发明实施例二提供的LTE指纹定位校正的方法的流程图；

图4为本发明实施例二提供的移动设备显示界面的示意图；

图5为本发明实施例三提供的LTE指纹定位校正的装置的结构示意图；

图6为本发明实施例四提供的LTE指纹定位校正的系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

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为本发明一典型应用场景图，如图1所示，用户需通过移动设备11请求定位数据，移动设备11例如智能手机，根据用户的请求操作，通过通信连接向供应商发出定位请求，最终可以获得精准的定位结果，并显示于该移动设备的显示界面上。

图2为本发明实施例一提供的LTE指纹定位校正的方法的流程图，如图2所示，本实施例中的方法可以包括：

S201、获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息。

移动设备通过多种方式生成位置数据，例如GPS定位、Wi-Fi定位和基站定位。不同的定位方式其定位误差差别很大。本实施例中获取移动设备发出的定位请求，并得到信号强度RSSI指纹信息。

S202、根据RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息。

在一种可选的实施例中，获取电子地图基础信息；

获取动态拥堵调节信息，其中，动态拥堵调节信息包括道路拥堵信息以及道路对应的速度阈值；

根据电子地图基础信息与动态拥堵调节信息，得到指纹地图信息，并存储于指纹数据库中。

具体的，基于指纹定位的全量MR(Measurement Report，测量报告)数据与电子地图匹配时，需要与路网数据结合，并投影到相应的路段。通过使用OpenGIS标准下的OpenStreetMap(OSM)，地图格式为XML(eXtensible Markup Language)，电子地图数据处理过程如下：

参考表1解析路网数据，解析从OSM下载的XML格式的地图数据，解析出来的地图数据主要包括该块地图区域的点(node)、路(ways)、关系(relation)以及边界信息。这四种元素构成了整个电子地图画面。其中，node定义为空间中节点的位置；ways定义为路段或者区域；relation定义为元素之间的关系。

获取路网中的道路等级信息(highway)标签的值，如高速公路(motorway)、主干道(primary)、次干道(secondary)等，从而得到各个道路的速度限制以用于定位数据的速度过滤。

表1

为进一步修正电子地图中道路等级速度限制，并充分考虑到道路实时拥堵对于速度影响。基于高德API接口，按15分钟粒度抓取高德地图道路拥堵度，并按时间、道路，拥堵情况存储，作为道路等级信息标签的速度修正依据。例如：绿色路段表示出行完全通畅，道路速度100％，黄色路段表示道路略有拥堵，道路速度75％，红色路段表示严重拥堵，为道路速度55％；而紫红色则表示通行受阻。

在一种可选的实施例中，在指纹数据库中匹配至少一个候选定位信息之前，还包括：

根据RSSI指纹信息，在指纹地图信息中获取高置信度经纬度信息；

根据移动设备在两个位置对应的高置信度经纬度信息，得到高置信度经纬度信息对应的速度信息；

若速度信息大于指纹地图信息中对应的速度阈值，则确定移动设备不处于速度阈值对应的当前道路上；

若速度信息不大于指纹地图信息中对应的速度阈值，则确定移动设备处于速度阈值对应的当前道路上。

具体的在与指纹地图匹配前，需要对定位数据预处理，以增强匹配效率及有效性。具体过程如下：

选取疑似道路用户指纹定位数据，即获得RSSI指纹信息。在MR全量号码回填及经纬度回填基础上，进一步的基于DPI单据S1_HTTP中HOST(Host请求头指明了服务器的域名(对于虚拟主机来说)，以及(可选的)服务器监听的TCP端口号)链接过滤出特定OTT(OverThe Top”的缩写,是指通过互联网向用户提供各种应用服务)的download_http_content和upload_http_content内容及用户标识。根据特定OTT的URL链接过滤download_http_content和upload_http_content，筛选疑似道路用户时间序列上高置信度经纬度列表(简称为用户级OTT经纬度)及对应的RSRP信息，同时，该用户全量MR数据中也可能包含AGPS(简称用户级AGPS经纬度)等时间序列上的高置信度经纬度信息。例如：Host为am.xiaojukeji.com的用户可以还原为一个滴滴打车司机端或者乘客端真实用户，该用户标识上下行HTTP会话中可以还原出经纬度信息，进一步通过经纬度信息转换可以获取高置信度经纬度。同时，该用户全量MR指纹定位数据也可能包含AGPS(Assisted GlobalPositioning System，辅助全球卫星定位系统)等经纬度信息。本实施例通过XDR数据与MR数据的MME_UE_S1AP_ID和MME Group ID将同一时间、同一地点和同一用户的XDR数据和MR数据联系起来，并回填必要的信令字段和业务字段。

通过互联网出行数据修正的道路速度过滤，在基于Host过滤的道路用户选取基础上，进一步利用定位经纬度值及时间戳，得到任意两点定位位置值间的速度值；根据用户级经纬度两点时间戳的距离差S和时间差T，由V＝S/T得到疑似道路用户任意两点速度值V。通过与基于互联网出行数据修正的道路速度比较，若速度信息大于指纹地图信息中对应的速度阈值，则确定移动设备不处于速度阈值对应的当前道路上；若速度信息不大于指纹地图信息中对应的速度阈值，则确定移动设备处于速度阈值对应的当前道路上。本实施例中不对速度阈值作限定。

S203、根据候选定位信息，得到最大观测概率信息和最小转移概率信息。

具体的，根据候选定位信息，得到最大观测概率信息，包括：

根据RSSI指纹信息以及候选定位信息，得到最大观测概率信息，其中观测概率包括：

其中σ为测量距离标准差，RSSI指纹信息包括当前定位点O_t，g(O_t,C_t,i)包括当前定位点O_t与候选定位信息中候选定位点C_t,i的大圆距离。

本实施例中，在基于HMM(Hidden Markov Model，隐含马尔柯夫模型)方法中，地图匹配中每一个定位点与位于预设误差半径(例如基于浙江指纹定位结果置信水平，主城区预设误差半径为50米,非主城区80密)所有候选路段关联。每个定位点被看作是一个观测状态，并且每个候选路段都表示为一个隐藏状态。更具体地说，一个隐藏状态代表一个候选定位点，即候选路段上与观测位置最接近的点。每个隐藏状态被赋予一个观测概率，它表示当隐藏状态表示的候选定位点是真实位置时所产生的观测状态的条件概率。观测概率取决于自身与候选定位点之间的距离。直观地认为，离定位点较近的候选定位点有更高的观测概率。在真实状态下，定位点与候选定位点之间的距离存在测量误差，一般假设为零均值高斯分布。

对于给定的定位点O_t与候选定位点C_t,i，则观测概率为p(O_t│c_t,i)为

其中σ为测量距离标准差，g(O_t,C_t,i)为当前定位点O_t与候选定位点C_t,i大圆距离，在低纬度较短距离内，可以近似为二维平面上的欧式距离。

同时具体的，根据候选定位信息，得到最小转移概率信息，包括：

根据RSSI指纹信息以及候选定位信息，得到最小转移概率信息；

其中转移概率，包括：

d(C_t,i,C_t+1,j)为候选点之间的路径距离，g(C_t,i,C_t+1,j)为候选点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选点之间的时间间隔，β为描述路径距离和大圆的差值，β包括：

本实施例中，基于Newson和Krumm提出的转移概率模型依赖于候选定位点之间的路径距离与定位点之间大圆距离的差值，需要把相邻定位点之间的时间间隔考虑进去，使用候选定位点之间大圆距离的差值。同时，基于道路网络上两点之间的行驶距离时间最短的Dijkstra理论，可得新的转移概率

其中，d(C_t,i,C_t+1,j)为候选定位点之间的路径距离，g(C_t,i,C_t+1,j)为候选定位点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选定位点之间的时间间隔，β为描述路径距离和大圆的差值，β评估方法为：

其中median_t表示时间中位数。

S204、根据最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息。

具体的，根据移动设备在当前时刻以及当前时刻之前的每一时刻分别对应的最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息；

其中，定位轨迹包括：

P(c₀|o₀)为初始状态概率，其中P(c_i|c_i-1)与P(c_i|o_i)可以根据P(c_i-1|c_i)以及p(o_i|c_i)获得，本实施例中不作限定。

本实施例在隐马尔科夫模型中，通过维特比算法计算出概率最大的隐藏序列，即最优的匹配轨迹。其在每一步的所有选择都保存了前面所有步骤到当前步骤当前选择的最小总代价(或者最大价值)以及当前代价的情况下前继步骤的选择。根据整个定位数据序列中各观测概率及转移概率，利用维特比算法得到用户真实位置序列，并替换初始定位经纬度信息。

本实施例在LTE网络号码回填和经纬度回填的基础上，进一步通过指定HOST筛选、OTT经纬度还原，互联网电子地图、互联网出行数据获取完成LTE道路用户识别、提取，并基于隐式Markov和维特比算法完成道路用户地图匹配，同时完成用户指纹定位经纬度二次修正，能够快速、有效地将轨迹点投影到在线地图中，提高定位的精准度。

图3为本发明实施例二提供的LTE指纹定位校正的方法的流程图，如图3所示，本实施例中的LTE指纹定位校正的方法可以在图2的基础上，在得到移动设备对应定位轨迹的下一时刻经纬度信息之后，还包括：

在移动设备的显示界面显示下一时刻经纬度信息对应的定位位置。

本实施例中，获得移动设备对应的定位轨迹的下一时刻经纬度信息之后，为方便用户使用需要在移动设备的显示界面显示下一时刻经纬度信息对应的定位位置，以使用户可以直观获得高精度的定位结果，参考图4，图4为本发明实施例二提供的移动设备显示界面的示意图。

图5为本发明实施例三提供的LTE指纹定位校正的装置的结构示意图，如图5所示，本实施例中LTE指纹定位校正的装置可以包括：

获取模块31，用于获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；

匹配模块32，用于根据RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；

得到模块33，用于根据候选定位信息，得到最大观测概率信息和最小转移概率信息；

定位模块34，用于根据最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息。

在一种可能的设计中，还包括：

获取电子地图基础信息；

获取动态拥堵调节信息，其中，动态拥堵调节信息包括道路拥堵信息以及道路对应的速度阈值；

根据电子地图基础信息与动态拥堵调节信息，得到指纹地图信息，并存储于指纹数据库中。

在一种可能的设计中，在指纹数据库中匹配至少一个候选定位信息之前，还包括：

根据RSSI指纹信息，在指纹地图信息中获取高置信度经纬度信息；

根据移动设备在两个位置对应的高置信度经纬度信息，得到高置信度经纬度信息对应的速度信息；

若速度信息大于指纹地图信息中对应的速度阈值，则确定移动设备不处于速度阈值对应的当前道路上；

若速度信息不大于指纹地图信息中对应的速度阈值，则确定移动设备处于速度阈值对应的当前道路上。

在一种可能的设计中，根据候选定位信息，得到最大观测概率信息，包括：

根据RSSI指纹信息以及候选定位信息，得到最大观测概率信息，其中观测概率包括：

其中σ为测量距离标准差，RSSI指纹信息包括当前定位点O_t，g(O_t,C_t,i)包括当前定位点O_t与候选定位信息中候选定位点C_t,i的大圆距离。

在一种可能的设计中，根据候选定位信息，得到最小转移概率信息，包括：

根据RSSI指纹信息以及候选定位信息，得到最小转移概率信息；

其中转移概率，包括：

d(C_t,i,C_t+1,j)为候选点之间的路径距离，g(C_t,i,C_t+1,j)为候选点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选点之间的时间间隔，β为描述路径距离和大圆的差值，β包括：

在一种可能的设计中，定位模块34，具体用于：

根据移动设备在当前时刻以及当前时刻之前的每一时刻分别对应的最大观测概率信息和最小转移概率信息，得到移动设备对应定位轨迹的下一时刻经纬度信息；

其中，定位轨迹包括：

P(c₀|o₀)为初始状态概率。

在一种可能的设计中，在得到移动设备对应定位轨迹的下一时刻经纬度信息之后，还包括：

在移动设备的显示界面显示下一时刻经纬度信息对应的定位位置。

本实施例的LTE指纹定位校正的装置，可以执行图2、图3所示方法中的技术方案，其具体实现过程和技术原理参见图2、图3所示方法中的相关描述，此处不再赘述。

图6为本发明实施例四提供的LTE指纹定位校正的系统的结构示意图，如图6所示，本实施例的LTE指纹定位校正的系统40可以包括：处理器41和存储器42。

存储器42，用于存储计算机程序(如实现上述LTE指纹定位校正的方法的应用程序、功能模块等)、计算机指令等；

上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。

处理器41，用于执行存储器42存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。

具体可以参见前面方法实施例中的相关描述。

处理器41和存储器42可以是独立结构，也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时，存储器42、处理器41可以通过总线43耦合连接。

本实施例的服务器可以执行图2、图3所示方法中的技术方案，其具体实现过程和技术原理参见图2、图3所示方法中的相关描述，此处不再赘述。

此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。

其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

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 (10)

1.一种LTE指纹定位校正的方法，其特征在于，包括：

获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；

根据所述RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；

根据所述候选定位信息，得到最大观测概率信息和最小转移概率信息；

根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取电子地图基础信息；

获取动态拥堵调节信息，其中，所述动态拥堵调节信息包括道路拥堵信息以及所述道路对应的速度阈值；

根据所述电子地图基础信息与所述动态拥堵调节信息，得到指纹地图信息，并存储于所述指纹数据库中。

3.根据权利要求2所述的方法，其特征在于，在指纹数据库中匹配至少一个候选定位信息之前，还包括：

根据所述RSSI指纹信息，在所述指纹地图信息中获取高置信度经纬度信息；

根据所述移动设备在两个位置对应的高置信度经纬度信息，得到所述高置信度经纬度信息对应的速度信息；

若所述速度信息大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备不处于所述速度阈值对应的当前道路上；

若所述速度信息不大于所述指纹地图信息中对应的速度阈值，则确定所述移动设备处于所述速度阈值对应的当前道路上。

4.根据权利要求3所述的方法，其特征在于，根据所述候选定位信息，得到最大观测概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最大观测概率信息，其中观测概率包括：

其中σ为测量距离标准差，所述RSSI指纹信息包括当前定位点O_t，g(O_t,C_t,i)包括当前定位点O_t与候选定位信息中候选定位点C_t,i的大圆距离。

5.根据权利要求3所述的方法，其特征在于，根据所述候选定位信息，得到最小转移概率信息，包括：

根据所述RSSI指纹信息以及所述候选定位信息，得到最小转移概率信息；

其中转移概率，包括：

d(C_t,i,C_t+1,j)为候选点之间的路径距离，g(C_t,i,C_t+1,j)为候选点之间的大圆距离，i^*和j^*表示真实道路，Δt为候选点之间的时间间隔，β为描述路径距离和大圆的差值，β包括：

6.根据权利要求2-5中任一项所述的方法，其特征在于，根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息，包括：

根据所述移动设备在当前时刻以及所述当前时刻之前的每一时刻分别对应的最大观测概率信息和最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息；

其中，定位轨迹包括：

P(c₀|o₀)为初始状态概率。

7.根据权利要求1所述的方法，其特征在于，在得到所述移动设备对应定位轨迹的下一时刻经纬度信息之后，还包括：

在移动设备的显示界面显示所述下一时刻经纬度信息对应的定位位置。

8.一种LTE指纹定位校正的装置，其特征在于，包括：

获取模块，用于获取移动设备发出的定位请求，且得到信号强度RSSI指纹信息；

匹配模块，用于根据所述RSSI指纹信息，在指纹数据库中匹配至少一个候选定位信息；

得到模块，用于根据所述候选定位信息，得到最大观测概率信息和最小转移概率信息；

定位模块，用于根据所述最大观测概率信息和所述最小转移概率信息，得到所述移动设备对应定位轨迹的下一时刻经纬度信息。

9.一种LTE指纹定位校正的系统，其特征在于，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7所述的LTE指纹定位校正的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述的LTE指纹定位校正的方法。

Images