CN111698648B - 网络定位方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明的实施例公开了一种网络定位方法和装置。该方法包括：获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息；对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。本发明能够提升定位准确率。

Description

网络定位方法、装置、电子设备及存储介质

技术领域

本发明的实施例涉及通讯技术领域，特别是涉及一种网络定位方法、装置、电子设备及计算机可读存储介质。

背景技术

随着通讯技术的发展，对于终端的定位需求也越来越高。

相关技术中在对终端定位时，主要是依据网络定位信息来确定终端位置，但是在实际场景中，往往存在着网络定位信息不准确的情况。例如用户位置发生变化而网络定位信息未及时更新(即定位信息过期)的情况，再如，因用户搬家等存在终端移动的原因所导致的系统采集到的最新网络定位信息的数据量较少或最新网络定位信息未及时上报的情况。

那么在基于这些不够准确的网络定位信息来对终端位置进行定位时，则容易存在定位错误的问题。

发明内容

本发明的实施例提供一种网络定位方法，以解决相关技术中的网络定位方法对终端位置的定位不够准确的问题。

为了解决上述问题，第一方面，本发明实施例提供了一种网络定位方法，包括：

获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息；

对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；

基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

第二方面，本发明实施例提供了一种网络定位装置，包括：

第一获取模块，用于获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息；

第一提取模块，用于对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

第一确定模块，用于基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；

识别模块，用于基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中所述目标终端所处的目标位置。

第三方面，本发明实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例所述的网络定位方法。

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，该程序被处理器执行时本发明实施例公开的网络定位方法的步骤。

在本发明实施例中，在面临采集的网络定位信息(例如WiFi信息和基站信息)可能存在更新不及时、信息不够准确的情况时，本发明实施例可以基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站，从而智能识别出WiFi信息和第一基站中可能存在过期滞后的网络定位信息，并不仅将WiFi信息的位置作为候选位置，还将基站信息中满足条件的第一基站的位置也一起作为候选位置，并基于历史轨迹点信息的特征信息以及和各个WiFi、各个基站的特征，来从多个候选位置中识别出接近目标终端真实位置的目标位置。那么如果WiFi存在未更新的滞后情况，通过将第一基站的位置也加入到候选位置中，从而可以结合历史轨迹点信息来评判WiFi信息的特征和第一基站的特征哪个更可靠，容易基于第一基站的位置得到目标终端的准确目标位置，降低定位错误率，提升定位准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明一个实施例的网络定位方法的步骤流程图；

图2是本发明一个实施例的网络定位方法的步骤流程图；

图3是本发明一个实施例的网络定位装置的结构框图；

图4示意性地示出了用于执行根据本公开的方法的计算处理设备的框图；以及

图5示意性地示出了用于保持或者携带实现根据本公开的方法的程序代码的存储单元。

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作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。

随着定位业务的发展，定位业务可以覆盖点评业务、打车业务、配送业务、共享单车业务等，因此，业务的多场景化对定位要求也提出了更多的挑战。

例如打车业务中，用户上车点推荐以及用户使用该打车APP(应用程序)时首次定位的精准度将直接会影响订单的准确率，因此需要降低打车业务中的错误定位占比；再如配送业务，定位贯穿了从用户首次定位(即用户打开软件时的定位)、生成订单到最终配送至用户目的地的整个过程，该业务场景更加关注定位轨迹的连续性。

但是由于受到环境、设备等因素的影响，采集的终端的网络定位信息(如WiFi信息，基站信息等)在更新时容易存在时延，或者采集的最新的网络定位信息的数据量较少，从而使得采集的网络定位信息的错误率较高，那么基于错误率较高的网络定位信息进行终端定位时，则容易存在定位跳点的现象(即连续的多个定位位置中存在某个位置偏离其他位置较远的情况)，因此，如何实现对终端低错误率和高连续性的网络定位成为目前定位业务中的主要需求。

为此，本发明实施例提供了一种网络定位方法，如图1所示，该方法可以包括如下步骤：

步骤101，获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息；

其中，历史轨迹点信息包括该目标终端在当前时间之前的一段时间内的历史轨迹点的信息。该历史轨迹点的信息可以包括各个历史轨迹点的位置信息、名称信息等属性信息。

例如，此刻t1(晚上)用户在家里，那么在t1之前的24小时内用户的轨迹点信息包括从公司回家的路上、公司、从家里到公司的路上、家里这四个轨迹点的信息。

WiFi信息和基站信息为在该目标终端所处位置处所采集到的定位信息。

其中，WiFi信息可以包括至少一组WiFi信息，例如WiFi列表；

其中，一组WiFi信息可以包括WiFi的SSID(Service Set Identifier的缩写，服务集标识)、Mac地址(Media Access Control Address，媒体存取控制位址，也称为局域网地址，是用于确认网络设备位置的位址)、信号强度等WiFi的属性信息。

基站信息可以包括至少一组基站信息，例如基站列表。

其中，一组基站信息可以包括基站的ID、Mac地址、信号强度等基站的属性信息。

为了便于理解，本实施例以及后文各个方法实施例的步骤均可以参考图2所示的流程图来进行描述。

例如，如图2所示，获取到的历史轨迹点信息涉及轨迹点1、轨迹点2、轨迹点3的信息；获取的基站信息涉及基站1、基站2、基站3的信息；获取的WiFi信息涉及WiFi1、WiFi2以及WiFi3的信息。

步骤102，对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

其中，可以对历史轨迹点信息中每个轨迹点的信息分别提取特征信息，例如图2中，对轨迹点1的信息、轨迹点2的信息、轨迹点3的信息分别提取特征，得到轨迹点1的特征、轨迹点2的特征以及轨迹点3的特征；

此外，还可以对WiFi信息中的每组WiFi信息分别提取特征信息，例如图2中，对WiFi1的信息、WiFi2的信息、WiFi3的信息分别提取特征，得到WiFi1的特征、WiFi 2的特征以及WiFi 3的特征；

另外，还可以对基站信息中的每组基站信息分别提取特征信息，例如图2中，对基站1的信息、基站2的信息、基站3的信息分别提取特征，得到基站1的特征、基站2的特征以及基站3的特征。

需要说明的是，在本实施例中以及后续各个实施例中，在对某个对象提取特征信息时，是对某个位置对象的信息提取特征信息。例如上述轨迹点1、轨迹点2和轨迹点3为三个位置对象。

而本步骤所提取的特征信息则是用于表达各个位置对象的位置关键点的特征信息。

步骤103，基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；

可选地，在执行步骤103时，可以通过S201和S202来实现：

S201，基于所述WiFi信息和所述基站信息，分别确定各WiFi位置和各基站位置；

其中，可以预先使用WiFi信息作为训练样本，来训练用于确定WiFi所处位置的神经网络模型，那么在模型训练收敛后。本步骤中，则可以将步骤101所获取到的WiFi列表中每个WiFi的信息分别输入至该神经网络模型，来识别WiFi列表中各个WiFi所处的位置，例如在图2的示例中，可以识别到WiFi1的位置、WiFi2的位置以及WiFi3的位置。

与获取WiFi列表中各个WiFi所处位置的方法的原理相似，同样可以采用预先经过训练的神经网络模型，来对基站列表中每个基站的信息进行位置识别，从而确定基站列表中各个基站所处的位置，例如在图2的示例中，可以识别到基站1的位置、基站2的位置以及基站3的位置。

S202，在所述基站位置与预设数量的所述WiFi位置之间的距离大于预设阈值的情况下，将所述基站位置对应的基站确定为满足预设条件的第一基站。

针对各基站位置中的每个基站位置可以执行S202，如图2所示，以三个基站中的基站1为例，可以计算基站1的位置与三个WiFi中的每个WiFi的位置之间的距离，例如预设数量为3(优选地，该预设数量为WiFi信息涉及的WiFi个数的总和)，那么如果基站1与三个WiFi之间的距离都大于预设阈值，则说明所述WiFi信息和基站1信息可能存在滞后的定位信息，因此，需要将基站1(作为第一基站)的位置加入到候选位置中。由经过训练的模型来确定候选位置中的基站1的位置和三个WiFi的位置中哪个位置更可靠，即更贴近目标终端的真实位置。

在本发明实施例中，通过在基站信息对应的各个基站中，识别出基站位置与预设数量的WiFi位置之间的距离均大于预设阈值的第一基站，说明第一基站的信息和WiFi信息中可能存在过期的定位信息，从而达到智能识别WiFi信息、基站信息是否出现过期的定位信息的目的；并基于上述特征信息，来从第一基站的信息和WiFi信息对应的各个候选位置中选择更接近于目标终端真实位置的目标位置，可以在WiFi信息存在滞后过期，即更新不及时的情况下，结合各WiFi的位置，以及与各WiFi的位置均距离较远的第一基站的位置，来确定终端位置，可以有效的判断第一基站的位置和各个WiFi的位置哪个更可靠，容易基于第一基站的位置得到准确的终端位置。

可选地，在确定第一基站，例如S202之后，在步骤105之前，根据本发明实施例的方法还可以包括：S301，将所述WiFi信息和所述第一基站的信息分别对应的各候选位置加入候选位置集。

其中，由于目标终端的基站信息更新不及时，则目标终端无法进行电话通讯，因此，目标终端的通讯信号更新是较为及时的，因此，目标终端的WiFi信息相较于基站信息，更容易更新不及时，即存在过期滞后的问题。所以，这里可以将所有的WiFi信息对应的各候选位置均加入到候选位置集中(如图2所示，三个WiFi的位置均直接加入候选位置)。

而第一基站是和大多数WiFi之间的距离都较远的基站，例如基站的位置误差范围在1公里内，那么可以通过设置更大的预设阈值例如5公里，来从三个基站中找到可能存在更新滞后的第一基站。

例如以基站的位置为原点，以预设阈值5公里为半径的圆的范围内，如果WiFi列表中的预设数量(或者说大比例)的WiFi的位置都不在这个范围内，则说明WiFi和该基站中可能存在信号更新滞后的定位信息。因此，需要将找到的第一基站以及已获取的各个WiFi的位置均加入到候选位置集中。

这样可以基于步骤102的所述特征信息，来识别候选位置集中各个候选位置中所述目标终端所处的目标位置。

可选地，步骤104，基于所述WiFi信息和所述基站信息，确定所述基站信息中不满足预设条件的第二基站。

可选地，在执行步骤104时，则可以通过上述S201(具体参照上文)和S203来实现：

S203，在所述基站位置与至少一个所述WiFi位置之间的距离小于或等于所述预设阈值的情况下，将所述基站位置对应的基站确定为不满足预设条件的第二基站；

针对各基站位置中的每个基站位置执行S203，继续以基站1为例进行说明，只要基站1的位置与WiFi列表中的一个WiFi的位置之间的距离小于或等于例如上述5公里的阈值，则说明该基站1的信息不是过期的，可以将该基站1识别为第二基站。

可选地，在确定第二基站，例如S203之后，根据本发明实施例的方法还可以包括：将所述第二基站的信息补充至所述历史轨迹点信息。

其中，为了对步骤101所获取到的历史轨迹点信息进一步丰富，可以将该第二基站的信息补充至所述历史轨迹点信息中。

例如如图2所示，如果判断某个基站(例如基站2)为第二基站，即不加入候选位置，则将该基站的位置作为一个新的轨迹点的位置(即轨迹位置)，使得历史轨迹点信息包括轨迹点1、轨迹点2、轨迹点3以及基站2的信息，那么轨迹位置，则包括轨迹点1的位置、轨迹点2的位置、轨迹点3的位置、基站2的位置。

在本发明实施例中，针对各基站位置中的每个基站位置，在所述基站位置与至少一个所述WiFi位置之间的距离小于或等于所述预设阈值的情况下，则将所述基站位置对应的基站确定为不满足预设条件的第二基站，即该第二基站的位置不会构成候选位置，说明该第二基站的位置不是过期的信息。并且，可以将所述第二基站的信息补充至所述历史轨迹点信息，从而可以利用非过期的基站的位置，来丰富历史轨迹点信息，继而利用丰富后的历史轨迹点信息的特征信息来辅助判断候选位置中哪个位置为目标终端所处的位置，提升对目标终端的定位准确率。

可选地，在S301之后，步骤105之前，根据本发明实施例的方法还可以包括：S302，针对所述历史轨迹点信息对应的每个轨迹位置，确定所述轨迹位置的权重，以及，根据所述权重对所述轨迹位置对应的特征信息进行加权，其中，所述轨迹位置与所述各候选位置越相近，所述轨迹位置的权重越高。

其中，这里的历史轨迹点信息可以是经过上述实施例的第二基站的信息丰富过的历史轨迹点信息，也可以是原始的从步骤101获取到的历史轨迹点信息。

由于历史轨迹点信息中的每个轨迹点都对应有一个轨迹位置，那么本发明实施例可以引入注意力机制来对各个轨迹点的位置确定权重，并采用相应的权重来对各个轨迹点的特征信息进行加权。

其中，不同轨迹点的位置对应的权重可能存在差异，原因在于，本发明实施例在赋予权重时，是按照轨迹点的位置与候选位置集中的各个候选位置越相近，则该轨迹点的位置对应的权重就越高的策略进行确定权重的。

例如历史轨迹点信息包括轨迹点1、轨迹点2、轨迹点3以及基站2的信息，那么这些轨迹点的特征信息例如依次为特征1、特征2、特征3以及特征4，那么本步骤中，可以根据例如轨迹点1的位置与各候选位置(例如图2中的基站1位置、基站3位置、WiFi1位置、WiFi2位置以及WiFi3位置)之间距离的相近程度，来对轨迹点1对应的特征1赋予相应的权重，相近程度越高，权重越高，例如特征1的权重为1.5。

假设候选位置集包括定位错误的上海WiFi1，以及定位准确的北京基站1。那么历史轨迹点的位置基本上都是北京的。那么与候选位置集中的各个候选位置距离越相近的轨迹点，该轨迹点的特征的权重越高，那么输入各个轨迹点的特征信息到例如图2中的多层全连接神经网络后，则权重更高的轨迹点的特征会反作用于候选位置集中与其位置相近的北京基站1，使得北京基站的权重高，进而得到的打分高；以及权重更高的轨迹点的特征会反作用于候选位置集中与其位置相远的上海WiFi，使得上海WiFi的权重低，所得到的打分低，那么基于候选位置集中的各个候选位置对应的打分，则容易基于候选位置集中的基站位置确定目标终端的准确位置，即用注意力机制选出更接近目标终端真实位置的目标位置。

在本发明实施例中，考虑到历史轨迹点信息对应的各个轨迹位置接近于目标终端所处的位置的概率更高，所以可以对更接近于候选位置集的位置的轨迹位置赋予更高的权重，那么采用该轨迹位置的权重对该轨迹位置对应的特征信息进行加权后，可以使得更接近于候选位置集的位置的轨迹位置的加权后的特征，反作用于候选位置集中的各个候选位置，进而使得候选位置集中越远离该轨迹位置的候选位置的得分更低，以及越接近该轨迹位置的候选位置的得分更高，从而更容易使用注意力机制来从候选位置集中筛选出更接近目标终端真实位置的目标位置。

可选地，在针对所述历史轨迹点信息对应的每个轨迹位置，确定所述轨迹位置的权重时，可以针对所述历史轨迹点信息的每个轨迹位置，确定所述轨迹位置对应的特征信息与所述各候选位置对应的特征信息之间的相似度；然后，根据所述相似度，确定所述轨迹位置对应的权重。

以确定轨迹点1的权重为例进行说明，可以基于注意力机制，分别计算轨迹点1的特征信息与候选位置集中每个候选位置对应的特征信息(例如图2中的基站1的特征信息、基站3的特征信息、WiFi1的特征信息、WiFi2的特征信息以及WiFi3的特征信息)之间的相似度(这里为5个相似度)，然后基于这5个相似度，确定轨迹点1的特征信息与各个候选位置的特征信息之间的相似度，即最终相似度(例如将5个相似度中的最高相似度、或者5个相似度的均值作为最终的相似度)；那么最终的相似度越高，则说明所述轨迹点1的位置与所述候选位置集的位置之间的相近程度越高，所以，那么相近程度越高，则权重越高，所以，可以根据该最终的相似度来确定轨迹点1对应的权重。

在本发明实施例中，历史轨迹点信息对应的每个轨迹位置中，轨迹位置与候选位置集中的候选位置越相近，则该轨迹位置对应的轨迹点的权重越高，从而在基于历史轨迹点信息中的各个轨迹点的加权后的特征，来对候选位置集中的各个候选位置对应的特征信息进行打分时，使得距离越接近轨迹点的候选位置对应的特征信息的打分越高，从而可以从候选位置集对应的各个候选位置中筛选出打分最高的并且是最接近目标终端真实位置的目标位置，提升了网络定位的准确率。

其中，步骤102、步骤103和步骤104都在步骤101之后执行，且它们为并列步骤。

步骤105，基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

在本发明实施例中，在面临采集的网络定位信息(例如WiFi信息和基站信息)可能存在更新不及时、信息不够准确的情况时，本发明实施例可以基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站，从而智能识别出WiFi信息和第一基站中可能存在过期滞后的网络定位信息，并不仅将WiFi信息的位置作为候选位置，还将基站信息中满足条件的第一基站的位置也一起作为候选位置，并基于历史轨迹点信息的特征信息以及和各个WiFi、各个基站的特征，来从多个候选位置中识别出接近目标终端真实位置的目标位置。那么如果WiFi存在未更新的滞后情况，通过将第一基站的位置也加入到候选位置中，从而可以结合历史轨迹点信息来评判WiFi信息的特征和第一基站的特征哪个更可靠，容易基于第一基站的位置得到目标终端的准确目标位置，降低定位错误率，提升定位准确率。

此外，在相关技术中，当定位SDK(Software Development Kit，软件开发工具包)获取的网络定位信息(WiFi信息/基站信息)存在长时间不更新情况时，如果终端位置发生变化而该终端所处位置周围的WiFi信息/基站信息不变化的情况，相关技术中的定位策略偏向于基于WiFi进行定位，而无法考虑WiFi信息不更新所带来的定位错误问题。

那么面临上述技术问题，在本发明实施例中，可以结合历史轨迹点信息来从候选位置中筛选目标位置，可以降低对上游数据(即WiFi和基站信息)更新的依赖程度；当定位时存在部分定位位置未能及时更新(WiFi和基站信息未能及时更新)的情况时，可以基于所述WiFi信息和所述基站信息，来确定所述基站信息中满足预设条件的第一基站，并将第一基站也作为候选位置，从而在WiFi信息过期的情况下，也能够基于第一基站来准确地确定出目标终端所处的真实位置。

可选地，在执行步骤105时，可以根据所述历史轨迹点信息对应的特征信息、所述基站信息中除所述第一基站之外的所述第二基站的特征信息(可以体现为已补充在历史轨迹点的特征信息中)，对所述WiFi信息的特征信息和所述第一基站分别对应的特征信息进行打分；根据打分结果，确定所述WiFi信息和所述第一基站的信息分别对应的各候选位置中(即所述候选位置集中各候选位置中)，所述目标终端所处的目标位置。

其中，如上述实施例所述，这里的第二基站的信息可以补充至历史轨迹点信息中，所以，历史轨迹点中各个轨迹点的特征信息以及第二基站的特征信息都可以是经过注意力机制后加权后的特征信息。

如图2所示，所述加权后的特征信息、候选位置集中各个候选位置(即各个WiFi的位置以及第一基站的位置)对应的特征信息(即WiFi1特征、WiFi2特征、WiFi3特征以及第一基站的特征)均输入至多层全连接神经网络进行全连接操作。那么多层全连接神经网络就可以基于所述加权后的特征信息，来对各个候选位置对应的特征信息分别进行打分，使得WiFi1特征、WiFi2特征、WiFi3特征、每个第一基站的特征都各得到一个分数；最后，将分数最高的特征对应的候选位置确定为目标终端所处的目标位置，即候选位置集的多个候选位置中对应特征打分最高的候选位置为目标位置。

以上述实施例举例的候选位置集包括上海WiFi和北京基站，那么由于历史轨迹点基本都是北京的，那么可以使得跳点的上海WiFi的分值较低，而北京基站的分值较高，从而筛选出准确的目标位置。

在本发明实施例中，未人工设置打分的阈值，而直接基于历史轨迹点的特征以及不满足预设条件的第二基站的特征，来对WiFi信息的特征和满足条件的第一基站的特征进行打分，并结合打分结果，来确定WiFi信息和第一基站的信息对应的各候选位置中更加接近目标终端真实位置的目标位置，可以减少人工设定规则所导致的盲区。面临在模型训练时所采集的网络定位信息(例如WiFi信息、基站信息)存在样本数据错误的场景时，可以通过避免人工设定分数阈值所导致的人工规则的盲区；此外，当面临因用户搬家等存在终端移动的原因所导致的系统采集到的最新网络定位信息的数据量较少或最新网络定位信息未及时上报的情况时，传统技术中通过人工设定分数阈值，来进行打分，容易使得候选位置集中大比例为移动前的位置，从而出现打分偏差，而在本发明实施例中，参考历史轨迹点的特征以及不满足预设条件的第二基站的特征，来对候选位置集中的各个候选位置对应的特征进行打分，可以避免这种打分偏差，确保打分结果的准确性。

可选地，在执行步骤105之前，根据本发明实施例的方法还可以包括：

步骤107，获取所述目标终端所处的场景画像，和/或，用户画像；

其中，场景画像为目标终端所处的当前位置的场景，例如在某个商圈、在家里等场景。

其中，用户画像为目标终端常在的多个场所的位置信息，例如家的位置、公司的位置、常去的商场的位置、常去健身的位置等。

例如，如图2所示，可以获取用户画像和场景画像。

其中，步骤107与步骤101是并列步骤。

步骤108，对所述场景画像和/或所述用户画像提取特征信息。

其中，本步骤的原理与步骤102类似，都是针对每个位置对象提取特征信息。例如在对场景画像提取特征信息时，则是对场景位置提取特征信息；再如对用户画像提取特征信息时，则是对用户画像中的每个位置对象分别提取特征信息，例如提取得到家的特征、公司的特征、商场的特征、健身房的特征。

其中，步骤108与步骤102是并列步骤。

那么本实施例中，在执行步骤105时，则根据所述场景画像和/或所述用户画像的特征信息、所述历史轨迹点信息对应的特征信息、所述第二基站的特征信息，对所述WiFi信息的特征信息和所述第一基站对应的特征信息进行打分；然后，根据打分结果，确定所述WiFi信息和所述第一基站的信息对应的各候选位置中所述目标终端所处的目标位置。

其中，本实施例在对候选位置集中的各个候选位置(即各个WiFi的位置以及第一基站的位置)对应的特征信息(即WiFi1特征、WiFi2特征、WiFi3特征以及第一基站的特征)进行打分时，不仅参考了上述实施例所描述的加权后的特征信息(即历史轨迹点的特征信息和第二基站的特征信息)，还参考了场景画像的特征信息和/或用户画像的特征信息，其中，多个候选位置中位置越接近于场景画像对应的场景位置的候选位置，则该候选位置对应的特征信息的打分越高；同理，多个候选位置中位置越接近于用户画像对应的各个用户位置的候选位置，则该候选位置对应的特征信息的打分越高。

在本发明实施例中，可以结合目标终端的历史轨迹点信息、用户画像以及场景画像的关系，建立可靠的神经网络模型，可以对候选位置集中存在的异常飘点进行修正。由该神经网络模型智能识别是否将某个基站信息加入到候选位置集中，可以达到判断WiFi/基站信息中是否出现过期的效果，可以有效降低定位错误率，尤其对于跨省跨市的候选位置的过滤。并用注意力机制选出更接近用户真实位置的目标位置，有效提升了定位能力，并结合场景、用户与历史轨迹的相对关系进行定位，能够在配送、单车及出行等多场景的定位业务中达到较优的定位效果。

本实施例公开了一种网络定位装置，如图3所示，所述装置包括：

第一获取模块31，用于获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息；

第一提取模块32，用于对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

第一确定模块33，用于基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；

识别模块34，用于基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

可选地，所述第一确定模块33包括：

第一确定子模块，用于基于所述WiFi信息和所述基站信息，分别确定各WiFi位置和各基站位置；

第二确定子模块，用于在所述基站位置与预设数量的所述WiFi位置之间的距离大于预设阈值的情况下，将所述基站位置对应的基站确定为满足预设条件的第一基站。

可选地，所述装置还包括：

第二确定模块，用于在所述基站位置与至少一个所述WiFi位置之间的距离小于或等于所述预设阈值的情况下，将所述基站位置对应的基站确定为不满足预设条件的第二基站；

补充模块，用于将所述第二基站的信息补充至所述历史轨迹点信息。

可选地，所述装置还包括：

操作模块，用于将所述WiFi信息和所述第一基站的信息分别对应的各候选位置加入候选位置集；

加权模块，用于针对所述历史轨迹点信息对应的每个轨迹位置，确定所述轨迹位置的权重，以及，根据所述权重对所述轨迹位置对应的特征信息进行加权，其中，所述轨迹位置与所述各候选位置越相近，所述轨迹位置的权重越高。

可选地，所述加权模块包括：

第三确定子模块，用于针对所述历史轨迹点信息的每个轨迹位置，确定所述轨迹位置对应的特征信息与所述各候选位置对应的特征信息之间的相似度；

第四确定子模块，用于根据所述相似度，确定所述轨迹位置对应的权重。

可选地，所述识别模块34包括：

打分子模块，用于根据所述历史轨迹点信息对应的特征信息、所述基站信息中除所述第一基站之外的第二基站的特征信息，对所述WiFi信息的特征信息和所述第一基站分别对应的特征信息进行打分；

第五确定子模块，用于根据打分结果，确定所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

可选地，所述装置还包括：

第二获取模块，用于获取所述目标终端所处的场景画像，和/或，用户画像；

第二提取模块，用于对所述场景画像和/或所述用户画像提取特征信息。

本发明实施例公开的网络定位装置，用于实现本发明上述各个实施例所述的网络定位方法的各步骤，装置的各模块的具体实施方式参见相应步骤，此处不再赘述。

本发明实施例公开的网络定位装置，在面临采集的网络定位信息(例如WiFi信息和基站信息)可能存在更新不及时、信息不够准确的情况时，本发明实施例可以基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站，从而智能识别出WiFi信息和第一基站中可能存在过期滞后的网络定位信息，并不仅将WiFi信息的位置作为候选位置，还将基站信息中满足条件的第一基站的位置也一起作为候选位置，并基于历史轨迹点信息的特征信息以及和各个WiFi、各个基站的特征，来从多个候选位置中识别出接近目标终端真实位置的目标位置。那么如果WiFi存在未更新的滞后情况，通过将第一基站的位置也加入到候选位置中，从而可以结合历史轨迹点信息来评判WiFi信息的特征和第一基站的特征哪个更可靠，容易基于第一基站的位置得到目标终端的准确目标位置，降低定位错误率，提升定位准确率。

相应的，本发明还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明上述任意一个实施例所述的网络定位方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。

本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述任意一个实施例所述的网络定位方法的步骤。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本发明提供的一种网络定位方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的计算处理设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

例如，图4示出了可以实现根据本公开的方法的计算处理设备。该计算处理设备传统上包括处理器1010和以存储器1020形式的计算机程序产品或者计算机可读介质。存储器1020可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器1020具有用于执行上述方法中的任何方法步骤的程序代码1031的存储空间1030。例如，用于程序代码的存储空间1030可以包括分别用于实现上面的方法中的各种步骤的各个程序代码1031。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图5所述的便携式或者固定存储单元。该存储单元可以具有与图4的计算处理设备中的存储器1020类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码1031’，即可以由例如诸如1010之类的处理器读取的代码，这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的方法中的各个步骤。

本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本公开的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

最后应说明的是：以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

Claims (9)

1.一种网络定位方法，其特征在于，包括：

获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息，所述历史轨迹点信息至少包括未过期的第二基站的基站信息；

对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站，包括：基于所述WiFi信息和所述基站信息，分别确定各WiFi位置和各基站位置；在所述基站位置与预设数量的所述WiFi位置之间的距离大于预设阈值的情况下，将所述基站位置对应的基站确定为满足预设条件的第一基站，以及，将所述预设数量的WiFi信息和所述第一基站的基站信息均确定为可能过期的定位信息；

至少基于从所述未过期的第二基站的基站信息中提取的特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述基站位置与至少一个所述WiFi位置之间的距离小于或等于所述预设阈值的情况下，将所述基站位置对应的基站确定为不满足预设条件的第二基站；

将所述第二基站的信息补充至所述历史轨迹点信息。

3.根据权利要求1所述的方法，其特征在于，所述基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站之后，所述基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的位置中，所述目标终端所处的目标位置之前，所述方法还包括：

将所述WiFi信息和所述第一基站的信息分别对应的各候选位置加入候选位置集；

针对所述历史轨迹点信息对应的每个轨迹位置，确定所述轨迹位置的权重，以及，根据所述权重对所述轨迹位置对应的特征信息进行加权，其中，所述轨迹位置与所述各候选位置越相近，所述轨迹位置的权重越高。

4.根据权利要求3所述的方法，其特征在于，所述针对所述历史轨迹点信息对应的每个轨迹位置，确定所述轨迹位置的权重，包括：

针对所述历史轨迹点信息的每个轨迹位置，确定所述轨迹位置对应的特征信息与所述各候选位置对应的特征信息之间的相似度；

根据所述相似度，确定所述轨迹位置对应的权重。

5.根据权利要求1所述的方法，其特征在于，所述基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置，包括：

根据所述历史轨迹点信息对应的特征信息、所述基站信息中除所述第一基站之外的第二基站的特征信息，对所述WiFi信息的特征信息和所述第一基站分别对应的特征信息进行打分；

根据打分结果，确定所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

6.根据权利要求1所述的方法，其特征在于，所述基于所述特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置之前，所述方法还包括：

获取所述目标终端所处的场景画像，和/或，用户画像；

对所述场景画像和/或所述用户画像提取特征信息。

7.一种网络定位装置，其特征在于，包括：

第一获取模块，用于获取待定位目标终端的历史轨迹点信息、WiFi信息和基站信息，所述历史轨迹点信息至少包括未过期的第二基站的基站信息；

第一提取模块，用于对所述历史轨迹点信息、所述WiFi信息和所述基站信息分别提取特征信息；

第一确定模块，用于基于所述WiFi信息和所述基站信息，确定所述基站信息中满足预设条件的第一基站；所述第一确定模块包括：第一确定子模块，用于基于所述WiFi信息和所述基站信息，分别确定各WiFi位置和各基站位置；第二确定子模块，用于在所述基站位置与预设数量的所述WiFi位置之间的距离大于预设阈值的情况下，将所述基站位置对应的基站确定为满足预设条件的第一基站，以及，将所述预设数量的WiFi信息和所述第一基站的基站信息均确定为可能过期的定位信息；

识别模块，用于至少基于从所述未过期的第二基站的基站信息中提取的特征信息，识别所述WiFi信息和所述第一基站的信息分别对应的各候选位置中，所述目标终端所处的目标位置。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的网络定位方法。

9.一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至6任意一项所述的网络定位方法的步骤。

Images