CN115237963A - 用户位置定位模型的训练方法、装置、设备及存储介质 - Google Patents

用户位置定位模型的训练方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115237963A
CN115237963A CN202110438239.7A CN202110438239A CN115237963A CN 115237963 A CN115237963 A CN 115237963A CN 202110438239 A CN202110438239 A CN 202110438239A CN 115237963 A CN115237963 A CN 115237963A
Authority
CN
China
Prior art keywords
data
user
preset
historical
road node
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.)
Pending
Application number
CN202110438239.7A
Other languages
English (en)
Inventor
张高明
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 Hebei Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Hebei 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 Hebei Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110438239.7A priority Critical patent/CN115237963A/zh
Publication of CN115237963A publication Critical patent/CN115237963A/zh
Pending legal-status Critical Current

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请实施例提供了一种用户位置定位模型的训练方法、装置、设备及存储介质，该用户位置定位模型的训练方法，包括：获取训练样本集、训练样本集包括多个训练样本；将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法，输出用户的历史GPS定位数据的集合；将用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据；根据预设道路节点地图确定第一道路节点的位置数据；计算第一道路节点的位置数据和用户的历史真实位置标签数据的误差均值；在不满足误差均值小于预设阈值的前提下，调整预设模型参数，得到用户位置定位模型；本申请实施例能够解决现有的利用大数据算法对用户定位的方法定位精度较低的问题。

Description

用户位置定位模型的训练方法、装置、设备及存储介质
技术领域
本申请属于通信技术领域，尤其涉及一种用户位置定位模型的训练方法、装置、设备及存储介质。
背景技术
随着移动互联网的飞速发展，大数据时代已经到来，第五代移动通信技术(5thgeneration mobile networks，5G)通信网络也正在走向成熟，在此背景下“5G+”应运而生，如智慧城市、智慧医疗、智慧交通等。基于位置的服务(Location Based Services，LBS)已成为各大运营商和相关服务商关注的焦点，当前的定位技术主要有卫星定位(例如全球定位系统GPS、北斗卫星导航系统)、基站定位等，但是现有的利用大数据算法对用户定位的方法定位精度较低。
发明内容
本申请实施例提供一种用户位置定位模型的训练方法、装置、设备及存储介质，能够解决现有的利用大数据算法对用户定位的方法定位精度较低的问题。
第一方面，本申请实施例提供一种用户位置定位模型的训练方法，包括：
获取训练样本集、训练样本集包括多个训练样本，每个训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据；
针对每个训练样本，分别执行以下操作：
将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合；
将用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据；
根据预设道路节点地图确定与第一位置特征数据最靠近的预设道路节点地图中的第一道路节点的位置数据；
计算第一道路节点的位置数据和用户的历史真实位置标签数据的误差均值；
在不满足误差均值小于预设阈值的前提下，调整预设模型参数，返回将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，直至误差均值小于预设阈值，得到用户位置定位模型。
进一步地，在一种实施例中，根据预设道路节点地图确定与第一位置特征数据最靠近的预设道路节点地图中的第一道路节点的位置数据，包括：
比对第一位置特征数据和预设道路节点地图，得到表征第一位置特征数据在预设道路节点地图中的位置的比对结果；
当比对结果表征出第一位置特征数据位于预设道路节点地图的道路上时，将第一位置特征数据确定为第一道路节点的位置数据；
当比对结果表征出第一位置特征数据位于预设道路节点地图的非道路上时，确定与第一位置特征数据最靠近的两个第二道路节点位置数据；
经过第一位置特征数据位于预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为第一道路节点的位置数据。
进一步地，在一种实施例中，确定与第一位置特征数据最靠近的两个第二道路节点位置数据，包括：
将第一位置特征数据与预设道路节点地图输入决策树预测算法，输出两个第二道路节点位置数据。
进一步地，在一种实施例中，第一预设算法包括：预设聚类算法和预设特征匹配算法；
将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，包括：
将用户的历史GPS定位数据输入预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合；
将多个用户的历史GPS定位数据的集合和用户的历史测量报告数据输入预设特征匹配算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
第二方面，本申请实施例提供一种调用用户位置定位模型定位用户位置的方法，该用户位置定位模型通过用户位置定位模型的训练方法训练得到，该方法包括：
获取目标用户的测量报告数据；
将目标用户的测量报告数据输入用户位置定位模型，输出目标用户的位置定位结果。
第三方面，本申请实施例提供一种用户位置定位模型的训练装置，包括：
获取模块，用于获取训练样本集、训练样本集包括多个训练样本，每个训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据；
输出模块，用于将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合；
输出模块，还用于将用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据；
确定模块，用于根据预设道路节点地图确定与第一位置特征数据最靠近的预设道路节点地图中的第一道路节点的位置数据；
计算模块，计算第一道路节点的位置数据和用户的历史真实位置标签数据的误差均值；
调整模块，用于在不满足误差均值小于预设阈值的前提下，调整预设模型参数，返回将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，直至误差均值小于预设阈值，得到用户位置定位模型。
进一步地，在一种实施例中，确定模块，包括：
比对单元，用于比对第一位置特征数据和预设道路节点地图，得到表征第一位置特征数据在预设道路节点地图中的位置的比对结果；
确定单元，用于当比对结果表征出第一位置特征数据位于预设道路节点地图的道路上时，将第一位置特征数据确定为第一道路节点的位置数据；
确定单元，还用于当比对结果表征出第一位置特征数据位于预设道路节点地图的非道路上时，确定与第一位置特征数据最靠近的两个第二道路节点位置数据；
确定单元，还用于经过第一位置特征数据位于预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为第一道路节点的位置数据。
进一步地，在一种实施例中，确定单元，具体用于：
将第一位置特征数据与预设道路节点地图输入决策树预测算法，输出两个第二道路节点位置数据。
进一步地，在一种实施例中，第一预设算法包括预设聚类算法和预设特征匹配算法；
输出模块，具体用于：
将用户的历史GPS定位数据输入预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合；
将多个用户的历史GPS定位数据的集合和用户的历史测量报告数据输入预设特征匹配算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
第四方面，本申请实施例提供一种调用用户位置定位模型定位用户位置的装置，该用户位置定位模型通过用户位置定位模型的训练装置训练得到，该装置包括：
获取模块，用于获取目标用户的测量报告数据；
输出模块，用于将目标用户的测量报告数据输入用户位置定位模型，输出目标用户的位置定位结果。
第五方面，本申请实施例提供一种用户位置定位模型的训练设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述方法。
第六方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传递的实现程序，程序被处理器执行时实现上述方法。
本申请实施例的用户位置定位模型的训练方法、装置、设备及存储介质，将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请一个实施例提供的利用GPS卫星定位的系统架构示意图；
图2是本申请一个实施例提供的用户位置定位模型的训练方法的流程示意图；
图3是本申请一个实施例提供的第一道路节点、第一位置点和两个第二道路节点的位置关系示意图；
图4是本申请一个实施例提供的两个第二道路节点处于两条道路的位置示意图；
图5是本申请一个实施例提供的调用用户位置定位模型定位用户位置的流程示意图；
图6是本申请一个实施例提供的用户位置定位模型的训练装置的结构示意图；
图7是本申请一个实施例提供的调用用户位置定位模型定位用户位置的结构示意图；
图8是本申请一个实施例提供的用户位置定位模型的训练设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请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申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请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申请的示例来提供对本申请更好的理解。
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。
用户对位置服务的需求增加让定位技术受到越来越多的关注，用户需要准确并及时的掌握自己的位置数据，进而确定周边的服务设施，但是现有的定位系统并不完善，存在查询滞后、定位精度低等问题。
当前主流的定位系统大致可以分为两类：
1)一种是基于全球定位系统GPS的定位，图1示出了利用GPS卫星定位的系统架构示意图，如图1所示，主要是利用智能终端上的GPS硬件通过无线网络将移动终端的地理信号发送到GPS卫星，然后定位系统后端的服务器通过对收集到的地理信息进行计算来得到移动终端的位置，最终实现移动终端的定位，基于GPS技术的定位精度容易受到遮挡物、信号质量的影响。
2)另一种是传统的基于通信运营商蜂窝网络的基站定位方式。基站定位方式主要是依据移动终端所处的网络小区识别号LACID、CELLID来确定移动终端的位置数据，也就是以移动终端所处的蜂窝位置来确认移动用户的位置，这是3GPP推荐的最简单的一种定位方式。如果小区基站能够把覆盖到移动终端，并且可以通知到移动终端，那么移动终端就可以通过与基站进行通信得到移动终端的位置数据。基于小区的定位方式是一种基于网络的定位方案，容易实现而且有很好的可靠性和覆盖性，响应速度较快，不需要对现有的设备进行改动，但是定位精度一般。基站定位技术主要是利用多个基站的协同，通过基站对移动终端的地理位置的测距来确定移动终端的地理位置，在这种情况下并不要求移动终端具备GPS定位硬件，但是通信运营商蜂窝网络的基站定位的定位精度容易受到基站分布及覆盖范围的影响。
为了解决现有技术问题，本申请实施例提供了一种用户位置定位模型的训练方法、装置、设备及存储介质。本申请实施例将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。下面首先对本申请实施例所提供的用户位置定位模型的训练方法进行介绍。
图2示出了本申请一个实施例提供的用户位置定位模型的训练方法的流程示意图。如图2所示，该方法可以包括以下步骤：
S210，获取训练样本集。
训练样本集包括多个训练样本，每个训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据。
其中，基站可采集到用户的历史测量报告数据test_data，与基站通信连接即可获取用户的历史测量报告数据；用户的移动终端在移动网络上产生的流量上网日志gprs_data包括用户的历史GPS定位数据，可通过对LTE网络S2-U接口中的流量上网日志进行解析，提取出用户的历史GPS定位数据；可通过蜂窝小区的CELLID、CELLID表征的是移动终端在哪个移动基站的某个蜂窝小区下面、位置区码LAC-ID、时间戳Time和唯一标识MME UE S2API ID信息中的任一种确定同一用户的历史GPS定位数据对应的用户的历史测量报告数据，用户的历史真实位置标签数据可从大数据平台和运营商获取。
本申请实施例的用户的历史GPS定位数据和用户的历史测量报告数据共同构成一种位置指纹库，因为无线信号在多径传播中对通信环境依赖性比较大，在不同位置下无线信号的多径传播特征也不甚相同，表现出极大的特殊性。因此可以通过有效地利用多径效应，将多径特征和GPS定位数据进行结合，利用无线信号的离散测量报告数据特征作为不同GPS定位数据的独特的“指纹”。
考虑到传统的基于指纹库的定位方法大多采用无线信号的强度作为不同位置的“指纹”，通过将接收到的无线信号的强度与数据库中的指纹进行比对，进而利用与输入信号强度最相近的结果对目标进行定位。这种方法严重依赖于单一的特征即无线信号的强度，而且需要消耗大量的人力资源在指定区域进行繁琐的数据勘测与采集，从而构建出位置和指纹的对应关系。
针对上述弊端，本申请实施例为了克服单一特征带来的不稳定性，利用用户的历史测量报告数据中的上行信噪比ULSINR、时间提前量TA、到达角AOA、以及服务小区RSRP的组合作为不同GPS定位数据的位置指纹特征。
另一方面，用户的移动终端在移动网络上产生的流量上网日志中的流量话单会记录用户使用地点的GPS定位数据，如流量话单为：http://api.map.baidu.com/？x＝106.174362&y＝29.124537&qt＝rgc...t＝α，则GPS定位数据中的位置信息为：106.174362，29.124537，GPS定位数据中的定位时间信息为α。因此，在位置指纹库的构建过程中，考虑利用用户的移动终端在移动网络上产生的流量上网日志，进而确定用户的历史GPS定位数据。
综上所述，本申请实施例通过分析处理移动网络侧采集到的用户的历史测量报告数据MR和流量上网日志，实现位置指纹库的自动化构建，避免了人工到不同区域进行数据采集的工作。
针对每个训练样本，分别执行以下操作：
S220，将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
在一种实施例中，第一预设算法包括：预设聚类算法和预设特征匹配算法，S220可以包括：
将用户的历史GPS定位数据输入预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合。
预设聚类算法可以选用为K-Means聚类算法，聚类算法设有预设的输出用户的历史GPS定位数据的集合的数量P。
将多个用户的历史GPS定位数据的集合和用户的历史测量报告数据输入预设特征匹配算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
匹配时，预设特征匹配算法会输出每个用户的历史GPS定位数据的集合与用户的历史测量报告数据之间的损失函数
Figure BDA0003033903330000105
从而能够筛选出损失结果最小的最相似类簇，损失函数输出值小于预设损失结果阈值的用户的历史GPS定位数据的集合即可确定为与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合可通过如下算式求得：
Figure BDA0003033903330000101
Figure BDA0003033903330000102
Figure BDA0003033903330000103
Figure BDA0003033903330000104
Figure BDA0003033903330000111
Figure BDA0003033903330000112
其中，
Figure BDA0003033903330000113
为与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合；f是用户的历史测量报告数据中的上行信噪比ULSINR、时间提前量TA、到达角AOA、以及服务小区RSRP的组合形成的位置指纹特征；t是用户的历史GPS定位数据中的定位时间信息；Qcur是当前用户的历史GPS定位数据中的位置信息；Qpre是用户位置轨迹上的上一用户的历史GPS定位数据中的位置信息，如果不存在规定为当前用户的历史GPS定位数据中的位置信息。
f可以这里通过标准化欧式距离(Standardized Euclidean Distance)对不同量纲的特征进行标准化到均值，方差都相等。ΔQpre是相同基站下一个用户位置轨迹上的上一用户的历史GPS定位数据中的位置信息与另一个用户位置轨迹上的上一用户的历史GPS定位数据中的位置信息的地理距离，当ΔQpre越大代表两个位置的地理距离越远，ΔQcur是相同基站下一个用户的历史GPS定位数据中的位置信息与另一个用户的历史GPS定位数据中的位置信息的地理距离。
考虑到部分基站可能并没有配置采集用户测量报告数据MR_DATA功能，从而位置指纹特征f就会缺失，此时损失函数变为：
Figure BDA0003033903330000114
S230，将用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据。
加权平均算法的加权系数可以根据用户的历史GPS定位数据的集合在地图的分布密度进行确定。例如，用户的历史GPS定位数据的集合分布于地图的区域A，按预设分区大小对区域A进行分区，得到A1、A2、A3、A4四个子区域，每个子区域的用户的历史GPS定位数据的个数占用户的历史GPS定位数据的总个数的比例即可作为该子区域的用户的历史GPS定位数据的加权系数。
S240，根据预设道路节点地图确定与第一位置特征数据最靠近的预设道路节点地图中的第一道路节点的位置数据。
道路匹配是针对第一位置特征数据，预测得出距离它最近的一条道路上的第一道路节点的位置数据。预设道路节点地图可选是开源地图Open Street Map填充道路节点后得到的，如果用户所连接的主服务基站属于室外基站，那么用户在极大概率上会处于道路上；如果用户所连接的主服务基站属于室内基站，则说明用户是在室内进行活动。如果无法判断用户所连接的基站类型，或者用户不在道路上，例如在某个建筑物内，那么用户附近必定会有距离其真实位置最近的一条道路，此时即使将用户的位置匹配到道路上，仍然可以将误差控制在10m级别内。因此可以根据具体情况利用预设道路节点地图匹配到距离用户最近的一条道路上的位置，来修正第一位置特征数据的定位误差，进一步提高定位精度。
S250，计算第一道路节点的位置数据和用户的历史真实位置标签数据的误差均值。
每个训练样本都回计算得到一个误差值，计算全部样本的误差值的平均值即可得到误差均值。
S260，在不满足误差均值小于预设阈值的前提下，调整预设模型参数，返回将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，直至误差均值小于预设阈值，得到用户位置定位模型。
其中，预设模型参数包括：训练样本数量、聚类算法设有的输出用户的历史GPS定位数据的集合的数量P、以及预设道路节点地图的节点间距。
考虑到用户的历史真实位置标签数据的样本数量有限，因此本申请实施例采用留一法进行模型验证。留一法是交互验证方法的极限情况，可以最大限度的利用样本集合，能真实反映模型的实际情况。
在一种实施例中，模型的具体验证过程可以为：
1)将全部N个训练样本分成N份；
2)取出全部N份样本中的一份；
3)利用剩下的N-1份作为训练集对模型进行训练；
4)利用取出的那份样本作为测试集对模型进行测试，计算出相应的误差e并将其加入误差集合error；
5)将取出的样本放回原样本集中，并取出另一份样本，循环进行2-4步；
6)重复N次后，利用得到的误差集合error计算出误差均值，应用误差均值比较预设阈值以对模型预测效果进行评价。
在一种实施例中，S240可以包括：
S2401，比对第一位置特征数据和预设道路节点地图，得到表征第一位置特征数据在预设道路节点地图中的位置的比对结果。
S2402，当比对结果表征出第一位置特征数据位于预设道路节点地图的道路上时，将第一位置特征数据确定为第一道路节点的位置数据。
S2403，当比对结果表征出第一位置特征数据位于预设道路节点地图的非道路上时，确定与第一位置特征数据最靠近的两个第二道路节点位置数据。
在一种实施例中，S2403可以包括：
将第一位置特征数据与预设道路节点地图输入决策树预测算法，输出两个第二道路节点位置数据。
S2404，经过第一位置特征数据位于预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为第一道路节点的位置数据。
图3示出了第一道路节点、第一位置点和两个第二道路节点的位置关系示意图，如图3所示，设第一位置特征数据为point(x,y)，两个第二道路节点位置数据分别为pt1(x,y),pt2(x,y)，则两个第二道路节点连线L的斜率k和方程分别为：
k＝(pt2y-pt1y)/(pt2x-pt1x)
y＝k*(x-pt1x)+pt1y
连线L的垂线方程为：
y＝(-1/k)*(x-point·x)+point·y
联立连线L的方程和连线L的垂线方程可以得到垂足坐标(x,y)为：
x＝(k2·pt1x+k·(point·y-pt1·y)+point·x)/(k2+1)
y＝k*(x-pt1x)+pt1y
由于道路节点间距过大会导致确定的两个第二道路节点处于两条道路的情况，图4示出了两个第二道路节点处于两条道路的位置示意图，该情况下最终确定出的第一道路节点错误，使得第一道路节点处于非道路位置。故需要将道路节点间距设置为合适大小，本申请实施例通过多次试验发现，将道路节点间距设置为10米能够避免上述情况产生。
本申请实施例将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。
上面介绍了本申请实施例提供的用户位置定位模型的训练方法，下面介绍本申请实施例提供一种调用用户位置定位模型定位用户位置的方法，该用户位置定位模型通过上述用户位置定位模型的训练方法训练得到，图5示出了调用用户位置定位模型定位用户位置的流程示意图，如图5所示，该方法包括：
S510，获取目标用户的测量报告数据。
S520，将目标用户的测量报告数据输入用户位置定位模型，输出目标用户的位置定位结果。
本申请实施例将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。
图1-5描述了本申请实施例提供的方法，下面结合附图6-8描述本申请实施例提供的装置。
图6示出了本申请一个实施例提供的用户位置定位模型的训练装置的结构示意图，图6所示装置中各模块具有实现图2中各个步骤的功能，并能达到其相应技术效果。如图6所示，该装置可以包括：
获取模块610，用于获取训练样本集。
训练样本集包括多个训练样本，每个训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据。
输出模块620，用于将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
输出模块620，还用于将用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据。
确定模块630，用于根据预设道路节点地图确定与第一位置特征数据最靠近的预设道路节点地图中的第一道路节点的位置数据。
计算模块640，用于计算第一道路节点的位置数据和用户的历史真实位置标签数据的误差均值。
调整模块650，用于在不满足误差均值小于预设阈值的前提下，调整预设模型参数，返回将用户的历史GPS定位数据和用户的历史测量报告数据输入第一预设算法进行匹配，直至误差均值小于预设阈值，得到用户位置定位模型。
在一种实施例中，确定模块630，包括：
比对单元6301，用于比对第一位置特征数据和预设道路节点地图，得到表征第一位置特征数据在预设道路节点地图中的位置的比对结果。
确定单元6302，用于当比对结果表征出第一位置特征数据位于预设道路节点地图的道路上时，将第一位置特征数据确定为第一道路节点的位置数据。
确定单元6302，还用于当比对结果表征出第一位置特征数据位于预设道路节点地图的非道路上时，确定与第一位置特征数据最靠近的两个第二道路节点位置数据。
确定单元6302，还用于经过第一位置特征数据位于预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为第一道路节点的位置数据。
在一种实施例中，确定单元6302，具体用于：
将第一位置特征数据与预设道路节点地图输入决策树预测算法，输出两个第二道路节点位置数据。
在一种实施例中，第一预设算法包括预设聚类算法和预设特征匹配算法，输出模块620可以具体用于：
将用户的历史GPS定位数据输入预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合。
将多个用户的历史GPS定位数据的集合和用户的历史测量报告数据输入预设特征匹配算法进行匹配，输出与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
本申请实施例将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。
上面介绍了本申请实施例提供得用户位置定位模型的训练装置，下面介绍本申请实施例提供一种调用用户位置定位模型定位用户位置的装置，该用户位置定位模型通过上述用户位置定位模型的训练装置训练得到。
图7示出了本申请实施例提供的一种调用用户位置定位模型定位用户位置的结构示意图，图7所示装置中各模块具有实现图5中各个步骤的功能，并能达到其相应技术效果，如图7所示，该装置包括：
获取模块710，用于获取目标用户的测量报告数据。
输出模块720，用于将目标用户的测量报告数据输入用户位置定位模型，输出目标用户的位置定位结果。
本申请实施例将用户的历史GPS定位数据和用户的历史测量报告数据作为训练数据，通过预设算法确定与用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，使得该用户的历史GPS定位数据的集合具备独特性和稳定性，并减少了用户的历史GPS定位数据的比对数量，再利用用户的历史GPS定位数据的集合进行加权计算得到表征用户的近似位置的第一位置特征数据，最后，应用预设道路节点地图与第一位置特征数据进行匹配计算，从而将第一位置特征数据匹配到预设道路节点地图中，进而确定与第一位置特征数据最靠近的第一道路节点的位置数据，以提高用户定位的精度，然后根据第一道路节点的位置数据与用户的历史真实位置标签数据计算二者的误差均值，基于误差均值进行迭代训练后最终得到用户位置定位模型，基于该用户位置定位模型进行用户定位，由于同时参考了用户的GPS定位数据和测量报告数据，并结合道路节点地图进行定位，极大的降低了定位误差，能够准确的对用户的位置进行定位。
图8示出了本申请一个实施例提供的用户位置定位模型的训练设备的结构示意图。如图8所示，该设备可以包括处理器801以及存储有计算机程序指令的存储器802。
具体地，上述处理器801可以包括中央处理器(Central Processing Unit，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申请实施例的一个或多个集成电路。
存储器802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802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。在一个实例中，存储器802可以包括可移除或不可移除(或固定)的介质，或者存储器802是非易失性固态存储器。存储器802可在综合网关容灾设备的内部或外部。
在一个实例中，存储器802可以是只读存储器(Read Only Memory，ROM)。在一个实例中，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801通过读取并执行存储器802中存储的计算机程序指令，以实现本申请所示实施例中的方法，并达到本申请所示实例执行其方法达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，该用户位置定位模型的训练设备还可包括通信接口803和总线810。其中，如图8所示，处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。
通信接口803，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线810包括硬件、软件或两者，将在线数据流量计费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(Accelerated Graphics Port，AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，EISA)总线、前端总线(Front Side Bus，FSB)、超传输(Hyper Transport，HT)互连、工业标准架构(Industry Standard Architecture，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810可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该用户位置定位模型的训练设备可以执行本申请实施例中的用户位置定位模型的训练方法，从而实现本申请实施例描述的方法的相应技术效果。
另外，结合上述实施例中的用户位置定位模型的训练方法，本申请实施例可提供一种计算机存储介质来实现。该计算机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的任意一种用户位置定位模型的训练方法。
需要明确的是，本申请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，本申请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申请的精神后，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(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请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(RadioFrequency，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，本申请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，本申请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。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，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，本申请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申请揭露的技术范围内，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申请的保护范围之内。

Claims (12)

1.一种用户位置定位模型的训练方法，其特征在于，包括：
获取训练样本集、所述训练样本集包括多个训练样本，每个所述训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据；
针对每个所述训练样本，分别执行以下操作：
将所述用户的历史GPS定位数据和所述用户的历史测量报告数据输入第一预设算法进行匹配，输出与所述用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合；
将所述用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据；
根据预设道路节点地图确定与所述第一位置特征数据最靠近的所述预设道路节点地图中的第一道路节点的位置数据；
计算所述第一道路节点的位置数据和所述用户的历史真实位置标签数据的误差均值；
在不满足所述误差均值小于预设阈值的前提下，调整预设模型参数，返回所述将所述用户的历史GPS定位数据和所述用户的历史测量报告数据输入第一预设算法进行匹配，直至所述误差均值小于预设阈值，得到用户位置定位模型。
2.如权利要求1所述的用户位置定位模型的训练方法，其特征在于，所述根据预设道路节点地图确定与所述第一位置特征数据最靠近的所述预设道路节点地图中的第一道路节点的位置数据，包括：
比对所述第一位置特征数据和所述预设道路节点地图，得到表征所述第一位置特征数据在所述预设道路节点地图中的位置的比对结果；
当所述比对结果表征出所述第一位置特征数据位于所述预设道路节点地图的道路上时，将所述第一位置特征数据确定为所述第一道路节点的位置数据；
当所述比对结果表征出所述第一位置特征数据位于所述预设道路节点地图的非道路上时，确定与所述第一位置特征数据最靠近的两个第二道路节点位置数据；
经过所述第一位置特征数据位于所述预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为所述第一道路节点的位置数据。
3.如权利要求2所述的用户位置定位模型的训练方法，其特征在于，所述确定与所述第一位置特征数据最靠近的两个第二道路节点位置数据，包括：
将所述第一位置特征数据与所述预设道路节点地图输入决策树预测算法，输出所述两个第二道路节点位置数据。
4.如权利要求1所述的用户位置定位模型的训练方法，其特征在于，所述第一预设算法包括：预设聚类算法和预设特征匹配算法；
所述将所述用户的历史GPS定位数据和所述用户的历史测量报告数据输入第一预设算法进行匹配，输出与所述用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合，包括：
将所述用户的历史GPS定位数据输入所述预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合；
将所述多个用户的历史GPS定位数据的集合和所述用户的历史测量报告数据输入所述预设特征匹配算法进行匹配，输出与所述用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
5.一种调用用户位置定位模型定位用户位置的方法，其特征在于，所述用户位置定位模型通过权利要求1的方法训练得到，所述方法包括：
获取目标用户的测量报告数据；
将所述目标用户的测量报告数据输入所述用户位置定位模型，输出目标用户的位置定位结果。
6.一种用户位置定位模型的训练装置，其特征在于，包括：
获取模块，用于获取训练样本集、所述训练样本集包括多个训练样本，每个所述训练样本包括用户的历史GPS定位数据、用户的历史测量报告数据、以及用户的历史真实位置标签数据；
输出模块，用于将所述用户的历史GPS定位数据和所述用户的历史测量报告数据输入第一预设算法进行匹配，输出与所述用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合；
所述输出模块，还用于将所述用户的历史GPS定位数据的集合输入预设加权平均算法，输出第一位置特征数据；
确定模块，用于根据预设道路节点地图确定与所述第一位置特征数据最靠近的所述预设道路节点地图中的第一道路节点的位置数据；
计算模块，计算所述第一道路节点的位置数据和所述用户的历史真实位置标签数据的误差均值；
调整模块，用于在不满足所述误差均值小于预设阈值的前提下，调整预设模型参数，返回所述将所述用户的历史GPS定位数据和所述用户的历史测量报告数据输入第一预设算法进行匹配，直至所述误差均值小于预设阈值，得到用户位置定位模型。
7.如权利要求6所述的用户位置定位模型的训练装置，其特征在于，所述确定模块，包括：
比对单元，用于比对所述第一位置特征数据和所述预设道路节点地图，得到表征所述第一位置特征数据在所述预设道路节点地图中的位置的比对结果；
确定单元，用于当所述比对结果表征出所述第一位置特征数据位于所述预设道路节点地图的道路上时，将所述第一位置特征数据确定为所述第一道路节点的位置数据；
所述确定单元，还用于当所述比对结果表征出所述第一位置特征数据位于所述预设道路节点地图的非道路上时，确定与所述第一位置特征数据最靠近的两个第二道路节点位置数据；
所述确定单元，还用于经过所述第一位置特征数据位于所述预设道路节点地图的第一位置点做两个第二道路节点位置数据所在直线的垂线，将垂足确定为所述第一道路节点的位置数据。
8.如权利要求7所述的用户位置定位模型的训练装置，其特征在于，所述确定单元，具体用于：
将所述第一位置特征数据与所述预设道路节点地图输入决策树预测算法，输出所述两个第二道路节点位置数据。
9.如权利要求6所述的用户位置定位模型的训练装置，其特征在于，所述第一预设算法包括预设聚类算法和预设特征匹配算法；
所述输出模块，具体用于：
将所述用户的历史GPS定位数据输入所述预设聚类算法进行质心聚类，输出多个用户的历史GPS定位数据的集合；
将所述多个用户的历史GPS定位数据的集合和所述用户的历史测量报告数据输入所述预设特征匹配算法进行匹配，输出与所述用户的历史测量报告数据匹配的用户的历史GPS定位数据的集合。
10.一种调用用户位置定位模型定位用户位置的装置，其特征在于，所述用户位置定位模型通过权利要求6的装置训练得到，所述装置包括：
获取模块，用于获取目标用户的测量报告数据；
输出模块，用于将所述目标用户的测量报告数据输入所述用户位置定位模型，输出目标用户的位置定位结果。
11.一种用户位置定位模型的训练设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
CN202110438239.7A 2021-04-22 2021-04-22 用户位置定位模型的训练方法、装置、设备及存储介质 Pending CN115237963A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110438239.7A CN115237963A (zh) 2021-04-22 2021-04-22 用户位置定位模型的训练方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110438239.7A CN115237963A (zh) 2021-04-22 2021-04-22 用户位置定位模型的训练方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115237963A true CN115237963A (zh) 2022-10-25

Family

ID=83666467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110438239.7A Pending CN115237963A (zh) 2021-04-22 2021-04-22 用户位置定位模型的训练方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115237963A (zh)

Similar Documents

Publication Publication Date Title
CN109996279B (zh) 过覆盖小区定位方法、装置、设备及介质
CN110166943B (zh) 终端位置信息的处理方法
CN107333232B (zh) 一种终端定位方法及网络设备
US8068855B2 (en) Location determination using RF fingerprinting
US6944465B2 (en) Estimating the location of a mobile unit based on the elimination of improbable locations
CN110719568B (zh) 一种室内定位方法、装置、介质以及设备
JP5123897B2 (ja) 屋内外判定装置及び屋内外判定方法
US6041236A (en) Method and apparatus for minimizing the number of samples needed to determine cell area coverage reliability in a radiotelephone system
CN112543470B (zh) 基于机器学习的终端定位方法及系统
CN105120433A (zh) 基于连续采样及模糊聚类处理的wlan室内定位方法
CN109874104B (zh) 用户位置定位方法、装置、设备及介质
CN112469066B (zh) 5g网络覆盖评估方法及装置
CN112867147B (zh) 定位方法和定位装置
CN112312301A (zh) 用户终端定位方法、装置、设备及计算机存储介质
CN111787488A (zh) 一种用户定位方法及系统
US5966661A (en) Method and apparatus for a radiotelephone system optimized for cell boundary coverage reliability
CN114222238B (zh) 定位方法、装置和计算机可读存储介质
CN115237963A (zh) 用户位置定位模型的训练方法、装置、设备及存储介质
CN111356152B (zh) 基站位置矫正方法、装置、设备及介质
CN111222056B (zh) 相关用户的匹配方法、装置、设备和介质
CN113133049B (zh) 确定主覆盖小区的方法、装置、设备及介质
CN113194532B (zh) 用户定位方法及装置
CN113260045B (zh) 一种确定路由器地理位置的方法、装置、设备及存储介质
CN110858985B (zh) 一种基于ott的mr定位方法及系统
CN118673692A (zh) 一种卫星导航仿真场景的构建方法

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