CN113207169A - 一种基于多源异构数据的融合定位方法 - Google Patents

Abstract

本发明提供了定位技术领域的一种基于多源异构数据的融合定位方法，包括：步骤S10、获取高精度位置数据计算得到携带采集时间的高精度位置点；步骤S20、利用高精度位置数据构建基站的覆盖网格；步骤S30、获取通信的信令，信令携带进入时间、离开时间；步骤S40、利用三个时间将高精度位置点插入顺序排列的各信令之间，得到信令数据集；步骤S50、从信令数据集中选取包含高精度位置点的三条数据，得到点a、b、c；利用进入时间、离开时间计算得到校正位置点；步骤S60、利用进入时间、离开时间、采集时间对活动时间段进行切割，得到校正时间段；步骤S70、基于校正位置点、校正时间段得到运动轨迹。本发明的优点在于：极大的提升了定位的精度以及通用性。

Description

一种基于多源异构数据的融合定位方法

技术领域

本发明涉及定位技术领域，特别指一种基于多源异构数据的融合定位方法。

背景技术

随着大数据时代的到来以及位置采集技术的不断提升，对于用户位置轨迹的挖掘已经受到越来越多的关注。传统上存在多种定位方法，例如：

1、COO定位法：又称为CELL_ID或CGI定位技术，基本原理是通过采集MS所处的CELL_ID(小区标识号)来确定手机(智能终端)的位置，因此基站小区(扇区)的覆盖半径决定其定位精度，存在定位精度较低且不适合在基站密度低、覆盖半径大的地区使用的缺点。

2、TOA定位法：又称为到达时间定位法，通过测量手机发出的定位信号到达多个基站的传播时间来进行定位。设A、B、C为3个基站，已知基站A、B、C的坐标分别为(x_A,y_A)、(x_B,y_B)、(x_C,y_C),手机与基站A、B、C之间的电磁波传播时间为t_A、t_B、t_C,电磁波在空气中的传播速度为c＝310⁸m/s，根据以上信息，用户的位置坐标(x,y)满足:

但是，该方法需要在各基站增加一个位置测量单元并且做到时间同步，手机也需要与基站同步，整个网络的初期投资很高，即使在位置测量单元时钟精度很高的情况下，到达时间的测量仍然会受到多径效应的影响，若手机无法与3个以上的位置测试单元或基站取得联系将定位失败。

3、AOA定位法：又称为DOA定位，通过基站接收机天线阵列来测量手机发出的信号到达角，手机必然处在基于一个DOA值画出的一条直线上，若从两个不同位置的两根天线上测得两个DOA值，那么手机的位置在从两根天线发出的两条直线的交点上。但是，该方法需要在基站上安装方向性较强的天线阵列，资源耗费大，当手机距离基站较远时，基站测量角度的微小偏差将会导致定位的较大误差，导致难以应用于实际的LBS定位系统。

综上所述，COO定位法无需对现有的通信系统进行改造，无需额外增设软硬件设备，但定位精度不高，尤其是在基站密度低的地区，比如郊区和农村，一般只能获得一到两公里的定位精度；TOA定位法和AOA定位法对数据的要求比较高，在实际应用中不一定能获取需要的所有数据，且需要对现有的通信系统进行改造，通用性较差。

因此，如何提供一种基于多源异构数据的融合定位方法，实现提升定位的精度以及通用性，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种基于多源异构数据的融合定位方法，实现提升定位的精度以及通用性。

本发明是这样实现的：一种基于多源异构数据的融合定位方法，其特征在于：包括如下步骤：

步骤S10、获取各基站的高精度位置数据，基于所述高精度位置数据计算得到高精度位置点，各所述高精度位置点均携带高精度位置数据的采集时间以及第一经纬度；

步骤S20、利用所述高精度位置数据分别构建基站各小区的覆盖网格，基于所述覆盖网格对各高精度位置点进行筛选；

步骤S30、获取用户终端与基站通信的信令，各所述信令均携带用户终端的进入时间以及离开时间、基站小区的第二经纬度；

步骤S40、利用所述进入时间、离开时间以及采集时间进行交叉匹配，将各所述高精度位置点的数据插入顺序排列的各信令之间，得到信令数据集；

步骤S50、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a、位置点b、位置点c；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；利用所述进入时间以及离开时间分别计算位置点a、位置点b、位置点c的渐消因子，基于各所述渐消因子、位置点a、位置点b以及位置点c对位置点b进行校正，得到用户终端的校正位置点；

步骤S60、利用所述进入时间、离开时间以及采集时间对高精度位置点以及校正位置点的活动时间段进行切割，得到校正时间段；

步骤S70、基于所述校正位置点以及校正时间段得到用户终端的运动轨迹。

进一步地，所述步骤S10中，所述高精度位置数据为MRO经纬度数据、OTT经纬度数据、MDT经纬度数据或者掌厅经纬度数据。

进一步地，所述步骤S20具体为：

利用所述高精度位置数据分别构建基站各小区的覆盖网格，依次判断各所述高精度位置点是否处于覆盖网格内，若是，则进入步骤S30；若否，则剔除对应的高精度位置点，并进入步骤S30。

进一步地，所述步骤S40具体包括：

步骤S41、将满足stime≤time＜end_time的各所述高精度位置点和信令进行关联；其中stime表示进入时间，end_time表示离开时间，time表示采集时间；

步骤S42、设mid_time为所述进入时间和离开时间的中间时间，当time≥mid_time时，将所述高精度位置点插入关联的信令的下一个位置；当time＜mid_time时，将所述高精度位置点插入关联的信令的上一个位置；

步骤S43、将与同一条所述信令关联的多个高精度位置点，在执行完插入操作后，按所述采集时间进行排序。

进一步地，所述步骤S50具体包括：

步骤S51、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a(lon_a,lat_a)、位置点b(lon_b,lat_b)、位置点c(lon_c,lat_c)；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；

步骤S52、计算所述高精度位置点的采集时间与信令的离开时间的时间差为dur₀，计算两条所述信令的离开时间的时间差为dur_sum，基于所述dur₀以及dur_sum计算时间权重ω：

步骤S53、分别判断所述位置点a、位置点b、位置点c是否属于高精度位置点，若是，则渐消因子f＝1+ω；若否，则渐消因子f＝1-ω；

步骤S54、基于各所述渐消因子、位置点a、位置点b以及位置点c计算得到用户终端的校正位置点(lon_adj,lat_adj)，即校正后的位置点b：

其中f_a表示位置点a的渐消因子，f_b表示位置点b的渐消因子，f_c表示位置点c的渐消因子。

进一步地，所述步骤S60具体为：

基于所述进入时间、离开时间以及采集时间判断高精度位置点以及校正位置点的活动时间段，并对所述活动时间段进行时间段内分割，进而得到校正时间段。

进一步地，所述时间段内分割具体为：

计算time与mid_time的中间时间为x_time，当time≥mid_time时，高精度位置点的校正时间段为(x_time,end_time)；当time＜mid_time时，高精度位置点的校正时间段为(stime,x_time)，其余时间段为校正位置点校正时间段；

其中stime表示进入时间，end_time表示离开时间，time表示采集时间，mid_time表示进入时间和离开时间的中间时间。

本发明的优点在于：

1、通过信令携带的第二经纬度对用户终端进行初步定位，即通过基站小区的覆盖范围对用户终端进行初步定位，再结合历史的高精度位置数据，利用带渐消因子的三角定位算法和时间分割技术对用户终端的实际位置进行融合定位，即利用高精度位置点插补和校验信令携带的第二经纬度，避免因基站小区覆盖范围而导致的定位精度下降，且无需对已有的通讯网络和用户手机进行改造，无需额外增设软硬件设备，最终极大的提升了定位的精度以及通用性。

2、通过对高精度位置数据进行网格转换得到基站各小区的覆盖网格，并基于各高精度位置点是否处于覆盖网格内进行筛选，相对于传统上直接运用经纬度距离计算公式，极大的降低了时间复杂度，节约了计算成本，并且随着高精度位置点的不断更新积累，持续优化覆盖网格，能够进一步提升定位精度。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1是本发明一种基于多源异构数据的融合定位方法的流程图。

图2是本发明将高精度位置点的数据插入信令之间的示意图。

图3是本发明对位置点a、b以及c进行融合得到校正位置点的示意图。

图4是本发明对高精度位置点B1和D1的活动时间段进行切割的示意图。

具体实施方式

本申请实施例中的技术方案，总体思路如下：通过获取基站的高精度位置数据计算得到高精度位置点，并对高精度位置数据进行网格转换得到基站各小区的覆盖网格，利用覆盖网格对高精度位置点进行筛选；通过高精度位置点的采集时间以及信令携带的进入时间以及离开时间确定高精度位置点在信令中的插入位置，将高精度位置点的数据插入各信令间得到信令数据集；再根据带渐消因子的三角定位方法校正信令数据集中相邻的三个位置点(三条数据)得到校正位置点，根据位置点的时间关系切割活动时间段，重新分配每个位置点的活动时间得到校正时间段，最终输出融合后的运动轨迹。

请参照图1至图4所示，本发明一种基于多源异构数据的融合定位方法的较佳实施例，包括如下步骤：

步骤S10、获取各基站的高精度位置数据，基于所述高精度位置数据计算得到高精度位置点，各所述高精度位置点均携带高精度位置数据的采集时间以及第一经纬度；具体实施时，还可基于所述高精度位置点的密度对高精度位置点进行筛选，即剔除密度不满足预设阈值的所述高精度位置点；

步骤S20、利用所述高精度位置数据分别构建基站各小区的覆盖网格，基于所述覆盖网格对各高精度位置点进行筛选；

步骤S30、获取用户终端与基站通信的信令，各所述信令均携带用户终端的进入时间以及离开时间、基站小区的第二经纬度；

步骤S40、利用所述进入时间、离开时间以及采集时间进行交叉匹配，将各所述高精度位置点的数据插入顺序排列的各信令之间，得到信令数据集；

步骤S50、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a、位置点b、位置点c；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；利用所述进入时间以及离开时间分别计算位置点a、位置点b、位置点c的渐消因子，基于各所述渐消因子、位置点a、位置点b以及位置点c对位置点b进行校正，得到用户终端的校正位置点；所述位置点a、位置点c的经纬度为第一经纬度或者第二经纬度；所述位置点b的经纬度为第二经纬度；

步骤S60、利用所述进入时间、离开时间以及采集时间对高精度位置点以及校正位置点的活动时间段进行切割，得到校正时间段；

步骤S70、基于所述校正位置点以及校正时间段得到用户终端的运动轨迹。

所述步骤S10中，所述高精度位置数据为MRO经纬度数据、OTT经纬度数据、MDT经纬度数据或者掌厅经纬度数据。所述MRO经纬度数据指用户终端和基站握手过程中所产生的数据；所述OTT经纬度数据指用户终端在使用APP过程中因为位置请求或位置发送而产生的经纬度坐标信息；所述MDT经纬度数据指最小化路测技术，通过手机上报的测量报告来获取网络优化所需要的相关参数；所述掌厅经纬度数据指用户终端在使用掌上营业厅时产生的位置数据。

所述步骤S20具体为：

利用所述高精度位置数据分别构建基站各小区的覆盖网格，依次判断各所述高精度位置点是否处于覆盖网格内，若是，则进入步骤S30；若否，则剔除对应的高精度位置点，并进入步骤S30。

所述步骤S40具体包括：

步骤S41、将满足stime≤time＜end_time的各所述高精度位置点和信令进行关联；其中stime表示进入时间，end_time表示离开时间，time表示采集时间；

步骤S42、设mid_time为所述进入时间和离开时间的中间时间，当time≥mid_time时，将所述高精度位置点插入关联的信令的下一个位置；当time＜mid_time时，将所述高精度位置点插入关联的信令的上一个位置；

步骤S43、将与同一条所述信令关联的多个高精度位置点，在执行完插入操作后，按所述采集时间进行排序。

所述步骤S50具体包括：

步骤S51、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a(lon_a,lat_a)、位置点b(lon_b,lat_b)、位置点c(lon_c,lat_c)；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；

步骤S52、计算所述高精度位置点的采集时间与信令的离开时间的时间差为dur₀，计算两条所述信令的离开时间的时间差为dur_sum，基于所述dur₀以及dur_sum计算时间权重ω：

步骤S53、分别判断所述位置点a、位置点b、位置点c是否属于高精度位置点，若是，则渐消因子f＝1+ω；若否，则渐消因子f＝1-ω；所述渐消因子用于加大靠近位置点时刻的高精度位置点权重，以此实现高精度位置点的收敛，抑制滤波发散；

步骤S54、基于各所述渐消因子、位置点a、位置点b以及位置点c计算得到用户终端的校正位置点(lon_adj,lat_adj)，即校正后的位置点b：

其中f_a表示位置点a的渐消因子，f_b表示位置点b的渐消因子，f_c表示位置点c的渐消因子。

所述步骤S60具体为：

基于所述进入时间、离开时间以及采集时间判断高精度位置点以及校正位置点的活动时间段，并对所述活动时间段进行时间段内分割，进而得到校正时间段。

由于原始轨迹的活动时间段是按照每个位置点的stime、end_time进行分割，每个活动时间段代表用户终端在该位置点的活动时间，引入高精度位置点后，根据高精度位置点的时间关系切割时间，重新分配每个位置点的活动时间。

所述时间段内分割具体为：

计算time与mid_time的中间时间为x_time，当time≥mid_time时，高精度位置点的校正时间段为(x_time,end_time)；当time＜mid_time时，高精度位置点的校正时间段为(stime,x_time)，其余时间段为校正位置点校正时间段；

其中stime表示进入时间，end_time表示离开时间，time表示采集时间，mid_time表示进入时间和离开时间的中间时间。

具体实施时，还可对所述活动时间段进行时间段间分割，具体为：

计算time与mid_time1的中间时间为x_time1，time与mid_time2的中间时间为x_time2；当time≥mid_time1时，高精度位置点的校正时间段为(x_time1,x_time2)；当time＜mid_time1时，高精度位置点的校正时间段为(x_time2,x_time1)，其余时间段为校正位置点校正时间段；

其中time表示采集时间，mid_time1表示第1个活动时间段的进入时间和离开时间的中间时间，mid_time2表示第2个活动时间段的进入时间和离开时间的中间时间。

综上所述，本发明的优点在于：

1、通过信令携带的第二经纬度对用户终端进行初步定位，即通过基站小区的覆盖范围对用户终端进行初步定位，再结合历史的高精度位置数据，利用带渐消因子的三角定位算法和时间分割技术对用户终端的实际位置进行融合定位，即利用高精度位置点插补和校验信令携带的第二经纬度，避免因基站小区覆盖范围而导致的定位精度下降，且无需对已有的通讯网络和用户手机进行改造，无需额外增设软硬件设备，最终极大的提升了定位的精度以及通用性。

2、通过对高精度位置数据进行网格转换得到基站各小区的覆盖网格，并基于各高精度位置点是否处于覆盖网格内进行筛选，相对于传统上直接运用经纬度距离计算公式，极大的降低了时间复杂度，节约了计算成本，并且随着高精度位置点的不断更新积累，持续优化覆盖网格，能够进一步提升定位精度。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (7)

1.一种基于多源异构数据的融合定位方法，其特征在于：包括如下步骤：

步骤S10、获取各基站的高精度位置数据，基于所述高精度位置数据计算得到高精度位置点，各所述高精度位置点均携带高精度位置数据的采集时间以及第一经纬度；

步骤S20、利用所述高精度位置数据分别构建基站各小区的覆盖网格，基于所述覆盖网格对各高精度位置点进行筛选；

步骤S30、获取用户终端与基站通信的信令，各所述信令均携带用户终端的进入时间以及离开时间、基站小区的第二经纬度；

步骤S40、利用所述进入时间、离开时间以及采集时间进行交叉匹配，将各所述高精度位置点的数据插入顺序排列的各信令之间，得到信令数据集；

步骤S50、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a、位置点b、位置点c；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；利用所述进入时间以及离开时间分别计算位置点a、位置点b、位置点c的渐消因子，基于各所述渐消因子、位置点a、位置点b以及位置点c对位置点b进行校正，得到用户终端的校正位置点；

步骤S60、利用所述进入时间、离开时间以及采集时间对高精度位置点以及校正位置点的活动时间段进行切割，得到校正时间段；

步骤S70、基于所述校正位置点以及校正时间段得到用户终端的运动轨迹。

2.如权利要求1所述的一种基于多源异构数据的融合定位方法，其特征在于：所述步骤S10中，所述高精度位置数据为MRO经纬度数据、OTT经纬度数据、MDT经纬度数据或者掌厅经纬度数据。

3.如权利要求1所述的一种基于多源异构数据的融合定位方法，其特征在于：所述步骤S20具体为：

利用所述高精度位置数据分别构建基站各小区的覆盖网格，依次判断各所述高精度位置点是否处于覆盖网格内，若是，则进入步骤S30；若否，则剔除对应的高精度位置点，并进入步骤S30。

4.如权利要求1所述的一种基于多源异构数据的融合定位方法，其特征在于：所述步骤S40具体包括：

步骤S41、将满足stime≤time＜end_time的各所述高精度位置点和信令进行关联；其中stime表示进入时间，end_time表示离开时间，time表示采集时间；

步骤S42、设mid_time为所述进入时间和离开时间的中间时间，当time≥mid_time时，将所述高精度位置点插入关联的信令的下一个位置；当time＜mid_time时，将所述高精度位置点插入关联的信令的上一个位置；

步骤S43、将与同一条所述信令关联的多个高精度位置点，在执行完插入操作后，按所述采集时间进行排序。

5.如权利要求1所述的一种基于多源异构数据的融合定位方法，其特征在于：所述步骤S50具体包括：

步骤S51、基于三角定位算法，从所述信令数据集中顺序选取三条数据得到位置点a(lon_a,lat_a)、位置点b(lon_b,lat_b)、位置点c(lon_c,lat_c)；所述位置点b为待校正的位置点，所述位置点a和位置点c至少有一个为高精度位置点；

步骤S52、计算所述高精度位置点的采集时间与信令的离开时间的时间差为dur₀，计算两条所述信令的离开时间的时间差为dur_sum，基于所述dur₀以及dur_sum计算时间权重ω：

步骤S53、分别判断所述位置点a、位置点b、位置点c是否属于高精度位置点，若是，则渐消因子f＝1+ω；若否，则渐消因子f＝1-ω；

步骤S54、基于各所述渐消因子、位置点a、位置点b以及位置点c计算得到用户终端的校正位置点(lon_adj,lat_adj)，即校正后的位置点b：

其中f_a表示位置点a的渐消因子，f_b表示位置点b的渐消因子，f_c表示位置点c的渐消因子。

6.如权利要求1所述的一种基于多源异构数据的融合定位方法，其特征在于：所述步骤S60具体为：

基于所述进入时间、离开时间以及采集时间判断高精度位置点以及校正位置点的活动时间段，并对所述活动时间段进行时间段内分割，进而得到校正时间段。

7.如权利要求6所述的一种基于多源异构数据的融合定位方法，其特征在于：所述时间段内分割具体为：

计算time与mid_time的中间时间为x_time，当time≥mid_time时，高精度位置点的校正时间段为(x_time,end_time)；当time＜mid_time时，高精度位置点的校正时间段为(stime,x_time)，其余时间段为校正位置点校正时间段；

其中stime表示进入时间，end_time表示离开时间，time表示采集时间，mid_time表示进入时间和离开时间的中间时间。

Images