CN115412851B - 室内定位方法、装置、服务器及存储介质 - Google Patents
室内定位方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN115412851B CN115412851B CN202211046373.3A CN202211046373A CN115412851B CN 115412851 B CN115412851 B CN 115412851B CN 202211046373 A CN202211046373 A CN 202211046373A CN 115412851 B CN115412851 B CN 115412851B
- Authority
- CN
- China
- Prior art keywords
- target
- data
- communication characteristic
- characteristic data
- sampling point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 284
- 238000013507 mapping Methods 0.000 claims abstract description 280
- 238000005070 sampling Methods 0.000 claims abstract description 244
- 238000012216 screening Methods 0.000 claims abstract description 85
- 238000005259 measurement Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 55
- 238000009826 distribution Methods 0.000 claims description 35
- 230000033001 locomotion Effects 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013146 percutaneous coronary intervention Methods 0.000 description 60
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种室内定位方法、装置、服务器及存储介质。该方法应用于服务器，包括获取目标用户终端上报的目标测量报告MR数据。提取目标MR数据中的目标通信特征数据。根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系，数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系。根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。
Description
技术领域
本申请涉及通信技术，尤其涉及一种室内定位方法、装置、服务器及存储介质。
背景技术
位置信息服务与人们日常生活的联系日益紧密，可靠的位置信息服务基于精准的位置信息，而精准的位置信息由高精度定位技术获取。与室外定位场景不同，室内环境、密集城区由于遮挡了GPS卫星信号，全球导航卫星系统GNSS作为一种最广泛使用的室外定位技术，无法满足室内业务位置服务的需求。
现有主流室内定位技术大多基于信号到达时间(简称TOA)、到达时间差(简称TDOA)、信号到达角(简称AOA)。由于受到室内环境非视距和多径效应的影响，基于这些技术的室内定位系统的抗环境干扰能力较差、精准度较低。
发明内容
本申请提供一种室内定位方法、装置、服务器及存储介质，用以解决室内定位抗环境干扰能力较差、精准度较低的问题。
第一方面，本申请提供一种室内定位方法，方法应用于服务器，所述方法包括：
获取目标用户终端上报的目标测量报告MR数据；
提取目标MR数据中的目标通信特征数据；
根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，所述数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系，所述数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系；
根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系；
按照目标筛选策略从所述再选映射关系中筛选出目标映射关系，并将所述目标映射关系中的采样点的位置确定为目标用户终端的位置。
可选地，所述目标测量报告MR数据包括：目标用户终端所在服务小区及至少一个邻区的MR数据；
所述提取目标MR数据中的目标通信特征数据，包括：
分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中的预设关键数据；
将预设关键数据确定为目标通信特征数据；
所述目标通信特征数据至少包括目标用户终端所在服务小区及至少一个邻区对应的以下数据：
物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR
可选地，所述初选通信特征数据包括：服务小区及至少一个邻区对应的PCI；
所述根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的至少一个数据库子集，包括：
根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出具有相同PCI的映射关系作为至少一个初选映射关系；
将所述初选映射关系组建所述数据库子集。
可选地，所述根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系，包括：
将所述目标通信特征数据中的再选通信特征数据与所述初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果；
根据所述匹配计算结果从所述初选映射关系中筛选出预设数量的再选映射关系。
可选地，所述再选通信特征数据包括：服务小区及至少一个邻区对应的RSRP；
将所述目标通信特征数据中的再选通信特征数据与所述初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果，包括：
采用K近邻算法计算目标通信特征数据中服务小区及至少一个邻区对应的RSRP与所述初选映射关系中的服务小区及至少一个邻区对应的RSRP之间的预设类型距离；
根据所述预设类型距离确定对应的匹配度，以获得匹配计算结果；
所述预设类型距离为以下距离的任意一种：
欧式距离、马氏距离、汉明距离。
可选地，所述根据所述匹配计算结果从所述初选映射关系中筛选出预设数量的再选映射关系，包括：
按照所述匹配计算结果的匹配度由大到小的顺序将所述初选映射关系进行排序；
获取排序在前预设数量的初选映射关系作为再选映射关系。
可选地，所述预设数量为三个；
所述按照目标筛选策略从所述再选映射关系中筛选出目标映射关系，包括：
根据所述再选映射关系中的采样点的位置判断所述再选映射关系中的采样点是否为邻接关系；
若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系；
若确定不为邻接关系，则将所述匹配度最大的再选映射关系确定为目标映射关系。
可选地，所述根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集之前，还包括：
确定目标室内区域中各采样点的位置；
采用测量设备在各采样点按照预设次数采集基准MR数据；
根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据；
构建各采样点的位置与对应的基准通信特征数据之间的映射关系，以形成目标室内区域的数据库。
可选地，所述确定目标室内区域中各采样点的位置，包括：
基于预设的定位精度，将所述目标室内区域划分为网格状结构；
基于基准坐标系确定网格状结构中对应的各采样点的位置。
可选地，所述根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据，包括：
分别提取各采样点对应的多个基准MR数据中的预设关键数据，所述预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号相关数据，所述参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR；
计算各采样点对应的多个基准MR数据中采样点所在服务小区对应的PCI的众数及采样点至少一个邻区对应的PCI的众数；
计算各采样点对应的多个基准MR数据中的采样点所在服务小区对应的各参考信号相关数据的中位数及采样点至少一个邻区对应的各参考信号相关数据的中位数；
将各采样点对应的所述众数及中位数确定为各采样点对应的基准通信特征数据。
可选地，所述获取目标用户终端上报的目标测量报告MR数据之前，还包括：
接收客户端发送的运动轨迹追踪请求，所述运动轨迹追踪请求中包括：目标用户终端的标识信息、追踪时间范围信息；
所述获取目标用户终端上报的目标测量报告MR数据，包括：
根据所述追踪时间范围信息和所述目标用户终端的标识信息按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据；
所述将所述目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括：
根据所述追踪时间范围内每个时间戳对应的目标用户终端的位置确定目标用户终端的运动轨迹；
将所述目标用户终端的运动轨迹发送给客户端。
可选地，所述获取目标用户终端上报的目标测量报告MR数据之前，还包括：
接收客户端发送的人流分布确定请求，所述人流分布确定请求中包括：时间范围信息；
所述获取目标用户终端上报的目标测量报告MR数据，包括：
根据所述时间范围信息按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据；
所述将所述目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括：
根据所述预设时间范围范围内每个时间戳对应的目标用户终端的位置确定人流分布情况；
将所述人流分布情况发送给客户端。
可选地，所述服务器与目标用户终端通过预设通信方式进行通信，所述预设通信方式为4G通信或5G通信。
第二方面，本申请提供一种室内定位装置，包括：
获取模块，用于获取目标用户终端上报的目标测量报告MR数据；
提取模块，用于提取目标MR数据中的目标通信特征数据；
第一筛选模块，用于根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，所述数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系；所述数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系，
第二筛选模块，用于根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系；
第三筛选模块，用于按照目标筛选策略从所述再选映射关系中筛选出目标映射关系；
确定模块，用于将所述目标映射关系中的采样点的位置确定为目标用户终端的位置。
第三方面，本申请提供一种服务器，包括：处理器，以及与处理器通信连接的存储器及收发器；
所述存储器存储计算机执行指令；所述收发器，用于与用户终端收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-13中任一项所述的方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
本申请提供的室内定位方法、装置、服务器及存储介质，该方法应用于服务器，获取目标用户终端上报的目标测量报告MR数据；提取目标MR数据中的目标通信特征数据；根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系；数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系，根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系；按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。通过使用目标MR数据进行目标用户终端定位，避免了使用时间差算法而受室内多径效应的影响。通过提取MR数据中的目标通信特征数据，使得定位所使用的MR数据更具代表性。根据初选通信特征从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，能够快速筛选出目标数据集，降低后续定位运算的数据处理量，提高定位效率。根据再选通信特征数据筛选出预设数量的再选映射关系，能够基本锁定目标用户终端的位置。根据目标筛选策略从预设数量的再选映射关系中确定采样点位置为目标用户终端位置，能够更加精准的定位目标用户终端位置。本申请使用的定位算法，定位更加快速准确，定位结果较之现有技术也更具稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请提供的室内定位方法的应用场景图；
图2为本申请实施例一提供的室内定位方法的方法流程图；
图3为本申请实施例二提供的室内定位方法的方法流程图；
图4为本申请实施例三提供的室内定位方法的方法流程图；
图5为本申请实施例四提供的室内定位方法的方法流程图；
图6为本申请实施例五提供的室内定位方法的方法流程图；
图7为本申请实施例六提供的室内定位方法的方法流程图；
图8为本申请实施例七提供的室内定位方法的方法流程图；
图9为本申请实施例七提供的室内定位方法的参考点位置关系图；
图10为本申请实施例八提供的室内定位方法的方法流程图；
图11为本申请实施例八提供的室内定位方法确定采样点位置示意图；
图12为本申请实施例九提供的室内定位方法的方法流程图；
图13为本申请实施例十提供的室内定位方法的方法流程图；
图14为本申请实施例十一提供的室内定位方法具体实施方法的方法流程图；
图15为本申请实施例十三提供的室内定位方法的方法流程图；
图16为本申请实施例一提供的室内定位装置的虚拟结构图；
图17为本申请实施例一提供的室内定位服务器的实体结构图。
通过上述附图，已示出本申请明确的实施例，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申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
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申请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、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释：
MR数据：measurement report，即测量报告。记录了用户设备在业务保持过程中的无线测量信息。
邻区：两个覆盖有重叠并设置有切换关系的小区,一个小区可以有多个相邻小区。
为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。
现有技术在解决室内定位问题时，主要采用基于到达时间差的三角定位法。三角定位法是利用三个不同位置的基站对目标进行测距，然后以基站到目标距离为半径做圆，将三个圆的共同交点确定为目标位置。到达时间差原理是通过测量基站到目标用户终端的到达时间差值，得到目标用户终端到基站的固定距离差值。然后再利用三角定位法确定目标用户终端位置。现有技术受室内多径效应的影响，在室内环境比较复杂时，无线信号存在反射、折射而使得无线信号无法按照两点间直线路径到达接收点的问题。从而导致基于上述技术的目标定位算法抗环境干扰能力较差、精准度较低的问题。
基于以上问题，本申请发明人经过创造性研究发现，无线信号测量数据中存在与目标用户终端定位相关度较高的特征数据。采用无线信号测量数据中与目标用户终端定位相关度高的特征数据对室内目标用户终端进行定位，可以避免室内多径效应的影响，有效提高定位准确度和稳定性。为了采用无线信号测量数据进行目标用户终端定位，可获取目标用户终端上报的目标测量报告MR数据。为了能够排除无关数据的影响，降低数据处理量，可提取目标MR数据中的目标通信特征数据。为了能够快速确定和缩小目标用户终端的定位范围，可以根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集。目标室内区域的数据库中需要有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。为了能够更加准确的确定目标用户终端的位置信息，可以根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。为了能够进一步提升目标设备的定位精确度，可以按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。
下面对本申请提供的室内定位方法对应的网络结构和应用场景进行介绍。
本申请提供的室内定位方法，可以适用于图1所示的网络架构示意图。如图1所示，该网络架构包括：用户终端设备1、服务器2、数据库3、基站4。服务器2可以是MEC边缘算力服务器。数据库3预先存储目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。用户终端设备1向基站4发送目标测量报告MR数据，基站4将用户终端设备1上报的目标测量报告MR数据发送给服务器2，服务器2提取目标测量报告MR数据中的目标通信特征数据。并从数据库3中获取预先构建的目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。根据目标通信特征数据中的初选通信特征数据从目标室内区域的数据库中筛选出相匹配的数据库子集，根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。
可选的，上述基站可以是LTE中的演进型基站(Evolutional Node B，简称eNB或eNodeB)，或者中继站或接入点，或者5G网络中的基站(gNB)等，本申请在此并不限定。用户终端设备是支持4G和/或5G网络的设备。包括但不限于4G/5G手机、移动查房推车、拣货机器人等。
本申请具体的应用场景如消防救灾。当室内场馆发生灾情时，消防员进行抢险救灾，运送伤员，就需要定位消防人员或伤员的位置信息。此时，服务端接收用户终端设备发送的目标测量报告MR数据，通过本申请的室内定位方法对室内的人员设备进行最终定位。
本申请具体应用场景还可以为用户运动轨迹追踪。当管理人员或其他人员通过客户端选择某个目标用户终端，输入追踪时间范围信息，向服务端发起运动轨迹追踪请求时，服务端接收运动轨迹追踪请求，从中提取出目标用户终端标识信息和追踪时间范围信息，根据目标用户终端标识信息和追踪时间范围信息筛选出符合条件的MR数据，根据本申请提供的室内定位方法，确定目标用户终端在追踪时间范围内的每个时间戳对应的位置信息，从而确定目标用户终端的运动轨迹。
本申请具体应用场景还可以为确定室内人流分布。当管理人员或其他人员想要了解室内场馆的人流分布情况时，可以向客户端输入时间范围信息，向服务端发送人流分布确定请求。服务端接收人流分布确定请求后，提取时间范围信息，根据该信息获取满足条件的MR数据。在指定的时间范围内，确定每个时间戳对应的所有目标用户终端的位置信息。根据所有目标用户终端的位置信息确定场馆内人流分布情况。
下面以具体地实施例对本申请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，对本申请的实施例进行描述。
实施例一
本申请实施例为解决现有技术室内定位抗环境干扰能力较差、精准度不足的问题，提供了一种室内定位方法。图2为本申请提供的室内定位方法的方法流程图。如图2所示，本实施例中的方法应用于室内定位装置，室内定位装置可以位于服务器中。其中，服务器可以是提供MEC边缘算力的服务器。该方法包括如下步骤：
步骤S101、获取目标用户终端上报的目标测量报告MR数据。
其中，目标用户终端是进行室内定位的用户终端。目标用户终端可以发送目标测量报告MR数据的任意无线设备。测量报告MR数据，是对网络无线信号的测量数据。用于网络评估与优化。MR数据包括但不限于以下信息：服务小区及至少一个邻区的参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR、物理小区识别码PCI、波束号INDEXID、公共陆地移动网PLMN、载波号ARFCN。
具体地，目标用户终端会周期性或由事件触发生成目标测量报告MR数据，目标用户终端将MR数据通过无线通信发送给基站，服务端通过基站网络接收目标用户终端发送的目标策略报告MR数据。并通过不同的用户终端标识来区分不同的目标用户终端。
其中，无线通信可以为4G/5G通信。
步骤S102、提取目标MR数据中的目标通信特征数据。
其中，目标通信特征数据，是指目标MR数据中与设备定位相关度较高的无线信号测量参数。
具体地，分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中与设备定位相关性较高的关键数据。将此关键数据确定为目标通信特征数据。目标通信特征数据包括但不限于服务小区及其至少一个邻区的物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
步骤S103、根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系。
其中，初选通信特征数据，可以是一个或多个目标通信特征数据的组合。
具体地，服务端从数据库服务器中获取预先构建的目标室内区域的数据库数据。该数据库存储了目标室内区域中各采样点位置与基准通信特征数据间的映射关系。服务端将初选通信特征数据与预先构建的目标室内区域的数据库对应的数据进行匹配，筛选出相匹配的至少一个采样点与基准通信特征数据的映射关系。将至少一个采样点与基准通信特征数据的映射关系构成数据库子集。
其中，将初选通信特征数据与预先构建的目标室内区域的数据库对应的数据进行匹配时的匹配方法不做具体限定。
步骤S104、根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。
其中，再选通信特征数据，可以是一个或多个目标通信特征数据的组合。再选通信特征数据可以与初选通信特征数据不同。
具体地，服务端将再选通信特征数据与筛选出的初选映射关系中对应的数据进行匹配，得到匹配结果。再从中选择预设数量的再选映射关系。匹配方法不做具体限定。示例性地，可以是余弦相似度匹配法或近邻相似度匹配法等。选取预设数量的再选映射关系的方法不做具体限定。可以是按照大小排序取相似度最大的前预设个数。也可以是取相似度大于预设阈值的若干再选映射关系。
其中，预设数量不做具体限定。可以是3个或3个以上。
步骤S105、按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。
具体地，根据目标筛选策略从预设数量的再选映射关系中确定目标映射关系，并将目标映射关系中的采样点位置作为目标用户终端的位置。
其中，目标筛选策略不做具体限定。可以是根据位置关系进行筛选，也可以根据聚类算法进行筛选。
本申请实施例中，获取目标用户终端上报的目标测量报告MR数据。提取目标MR数据中的目标通信特征数据。根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系，根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。按照目标筛选策略从再选映射关系中筛选出目标映射关系，并将目标映射关系中的采样点的位置确定为目标用户终端的位置。通过使用目标MR数据进行目标用户终端定位，避免了使用时间差算法而受室内多径效应的影响。通过提取MR数据中的目标通信特征数据，使得定位所使用的MR数据更具代表性。根据初选通信特征从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，能够快速筛选出目标数据集，降低后续定位运算的数据处理量，提高定位效率。根据再选通信特征数据筛选出预设数量的再选映射关系，能够基本锁定目标用户终端的位置。根据目标筛选策略从预设数量的再选映射关系中确定采样点位置为目标用户终端位置，能够更加精准的定位目标用户终端位置，本申请使用的定位算法，定位更加快速准确，定位结果较之现有技术也更具稳定性。
实施例二
图3为本申请提供的室内定位方法的方法流程图。如图3所示，在实施例一的基础上，本申请实施例涉及步骤S102提取目标MR数据中的目标通信特征数据的具体可实现方式。其中，目标测量报告MR数据包括：目标用户终端所在服务小区及至少一个邻区的MR数据。本申请提供的方法中，在提取目标MR数据中的目标通信特征数据时，具体步骤包括：
步骤S201、分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中的预设关键数据。
其中，预设关键数据，是指预先确定的能够进行设备定位的相关信号测量参数。
具体地，根据先验经验按照MR数据名称筛选出能够影响目标用户终端位置判断的MR数据。将这些数据作为预设关键数据。
其中，至少一个邻区可以是服务小区的所有邻区，也可以是按照信号强度排序的前预设数量的邻区。如预设数量可以为1个，那么确定出的邻区为第一邻区。
示例性地，当预设关键数据只包括第一邻区时，目标用户终端的预设关键数据可以如下公式表示：
FLPuey＝[ScPCI，ScRSRP，ScRSRQ，ScSINR，NcPCI，NcRSRP，NcRSRQ，NcSINR]
其中，前缀Sc代表服务小区，前缀Nc代表第一邻区。PCI是物理小区识别码，RSRP是参考信号接收功率，RSRQ是参考信号接收质量、SINR是参考信号信噪比，FLPuey为目标用户终端提取的预设关键数据。
步骤S202、将预设关键数据确定为目标通信特征数据。目标通信特征数据至少包括目标用户终端所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR
具体地，将筛选出的预设关键数据组合成目标通信特征数据。目标通信特征数据包括但不限于目标用户终端所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
示例性地，接上述步骤，当预设关键数据只包括第一邻区时，将预设关键数据确定为目标通信特征数据。公式表示为：
FLPueg＝[ScPCI，ScRSRP，ScRSRQ，ScSINR，NcPCI，NcRSRP，NcRSRQ，NcSINR]
其中，前缀Sc代表服务小区，前缀Nc代表第一邻区。PCI是物理小区识别码，RSRP是参考信号接收功率，RSRQ是参考信号接收质量、SINR是参考信号信噪比，FLPueg为目标用户终端对应的目标通信特征数据。
本申请实施例中，分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中的预设关键数据。将预设关键数据确定为目标通信特征数据。目标通信特征数据至少包括目标用户终端所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。通过将提取的预设关键数据确定为目标通信特征数据，能够使提取的目标通信特征数据更具代表性。且在目标MR数据就包括了预设关键数据，所以提取过程更加简单高效。
实施例三
图4为本申请提供的室内定位方法的方法流程图。如图4所示，在实施例二的基础上，本申请实施例涉及步骤S103根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的至少一个数据库子集的一种具体可实现方式。其中，初选通信特征数据包括：服务小区及至少一个邻区对应的PCI。本申请提供的室内定位方法中，在根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的至少一个数据库子集时，包括如下步骤：
步骤S301、根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出具有相同PCI的映射关系作为至少一个初选映射关系。
具体地，从目标通信特征数据中获取服务小区及至少一个邻区对应的PCI，将其与预先构建的目标室内区域的数据库数据对应的PCI依次进行匹配，筛选出具有相同PCI的映射关系作为初选映射关系。初选映射关系至少包括一条目标室内区域数据库的映射关系。
步骤S302、将初选映射关系组建数据库子集。
具体地，将上述步骤筛选得到的初选映射关系汇集成一个数据库子集，作为再次筛选的基础。
本申请实施例中，初选通信特征数据包括：服务小区及至少一个邻区对应的PCI。根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出具有相同PCI的映射关系作为至少一个初选映射关系。将初选映射关系组建数据库子集。由于PCI能够标识一个物理小区，根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出对应的初选映射关系，能够快速简单的实现目标用户设备的粗定位，快速缩小目标用户设备的定位范围，有效减少后续的数据处理量，提高数据处理效率。
实施例四
图5为本申请提供的室内定位方法的方法流程图。如图5所示，在实施例二或三的基础上，本申请实施例涉及步骤S104根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系的一种具体可实现方式。本申请提供的室内定位方法中，在根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系时，包括以下步骤：
步骤S401、将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果。
具体地，将目标通信特征数据中的再选通信特征数据依次与初选映射关系中每条数据的再选通信特征数据进行相似度匹配，获得匹配结果。匹配方法不做具体限定。可以是余弦相似度算法，也可以是近邻相似度算法等。
其中，再选通信特征数据，可以是一个或多个目标通信特征数据的组合。
步骤S402、根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系。
具体地，根据上述步骤的匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系。筛选方法不做具体限定。示例性地，可以是选取相似度大于预设阈值的匹配结果。预设数量不做具体限定。可以是3个或3个以上。
本申请实施例中，将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果。根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系。根据再选通信特征数据进行相似度匹配计算，能够得到更加准确的匹配结果。由于匹配结果能够反映目标通信特征数据与相匹配数据的接近程度，因此根据匹配结果从初选映射关系中筛选出预设数量的再选映射关系，能够得到更加精准的定位范围。
实施例五
图6为本申请提供的室内定位方法的方法流程图。如图6所示，在实施例四的基础上，本申请实施例涉及步骤S401将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果的一种具体可实现方式。其中，再选通信特征数据包括：服务小区及至少一个邻区对应的RSRP。本申请提供的室内定位方法中，在将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果时，包括以下步骤：
步骤S501、采用K近邻算法计算目标通信特征数据中服务小区及至少一个邻区对应的RSRP与初选映射关系中的服务小区及至少一个邻区对应的RSRP之间的预设类型距离。
其中，K近邻算法是一种基本分类与回归方法。本申请实施例中，采用K近邻算法计算目标通信特征数据与再选映射关系的基准通信特征数据的相似度，由于K近邻算法简单有效，因此能够更加简单快速地筛选出与目标通信特征数据相似度最高的预设数量的再选映射关系。
具体地，获取目标通信特征数据中服务小区及至少一个邻区对应的RSRP、初选映射关系中服务小区及至少一个邻区对应的RSRP。根据预设类型距离计算公式依次计算目标通信特征数据与每个初选映射关系对应的服务小区与至少一个邻区的RSRP间的距离。
其中，预设类型距离不做具体限定，包括但不限于欧式距离、马氏距离、汉明距离。
以欧氏距离为例，计算目标通信特征数据与某个初选映射关系对应的服务小区及至少一个邻区的RSRP间的距离。公式可以表示为：
其中，ScRSRPj为第j个初选映射关系对应服务小区的RSRP，ScRSRPue为目标通信特征数据的服务小区对应的RSRP，NcRSRPij为第j个初选映射关系的第i个邻区对应的RSRP，NcRSRPuei为目标通信特征数据的第i个邻区对应的RSRP。i、j均为大于等于1的正整数。
步骤S502、根据预设类型距离确定对应的匹配度，以获得匹配计算结果。预设类型距离为以下距离的任意一种：欧式距离、马氏距离、汉明距离。
具体地，在根据预设类型距离公式计算出结果后，确定目标通信特征数据与初选映射关系对应的基准通信特征数据的匹配度，匹配度与预设类型距离成反比，可互为倒数关系，公式表示为：
P＝1/Dist；
其中，Dist为预设类型距离。P为匹配度。距离值越小，匹配度越大，说明相似度越高。预设类型距离可以为以下距离的任意一种：欧式距离、马氏距离、汉明距离。
本申请实施例中，采用K近邻算法计算目标通信特征数据中服务小区及至少一个邻区对应的RSRP与初选映射关系中的服务小区及至少一个邻区对应的RSRP之间的预设类型距离。根据预设类型距离确定对应的匹配度，以获得匹配计算结果。预设类型距离为以下距离的任意一种：欧式距离、马氏距离、汉明距离。通过K近邻算法计算目标通信特征数据与初选映射关系的基准通信特征数据的距离，能够快速有效的确定两者间的相似度。
实施例六
图7为本申请提供的室内定位方法的方法流程图。如图7所示，在实施例四或实施例五的基础上，本申请涉及步骤S402根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系的一种具体可实现方式。本申请提供的室内定位方法中，在根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系时，包括如下步骤：
步骤S601、按照匹配计算结果的匹配度由大到小的顺序将初选映射关系进行排序。
具体地，将初选映射关系按照匹配计算结果的匹配度由大到小的顺序进行排序。排序方法不做具体限定。
步骤S602、获取排序在前预设数量的初选映射关系作为再选映射关系。
具体地，将排序在前预设数量的初选映射关系确定为再选映射关系。预设数量不做具体限定。可以为3个或3个以上。
本申请实施例中，按照匹配计算结果的匹配度由大到小的顺序将初选映射关系进行排序。获取排序在前预设数量的初选映射关系作为再选映射关系。能够保证筛选出的再选映射关系是匹配度最大的前预设数量的初选映射关系。从而保证筛选出的再选映射关系的准确度更高。
实施例七
图8为本申请提供的室内定位方法的方法流程图。如图8所示，在实施例六的基础上，本申请涉及步骤S105按照目标筛选策略从再选映射关系中筛选出目标映射关系的一种具体可实现方式。其中，预设数量为三个。在本申请提供的室内定位方法中，在按照目标筛选策略从再选映射关系中筛选出目标映射关系时，具体步骤包括：
步骤S701、根据再选映射关系中的采样点的位置判断再选映射关系中的采样点是否为邻接关系。
具体地，获取预设数量的再选映射关系，从中提取采样点位置信息。采样点位置信息是基于三维笛卡尔坐标系确定的。因此，采样点位置信息包括x、y、z三个方向的坐标信息。当目标用户终端处于室内场馆的同一楼层，认定其在z方向上的值相同。只考虑同一楼层的情况，将获取的3个采样点位置绘制在x-y平面上，判断3个采样点是否构成相互邻接的关系。
步骤S702、若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系。
具体地，若确定三个采样点两两邻接，如图9所示，当三个采样点是这六种邻接关系的任意一个时，处于中心位置的采样点分别与其他两个邻接采样点在某个方向上有相同的值，因此，处于中心位置的采样点是目标用户终端位置的概率更高，所以将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系。
步骤S703、若确定不为邻接关系，则将匹配度最大的再选映射关系确定为目标映射关系。
具体地，若不是三个采样点两两邻接，则三个采样点成为目标用户终端位置的概率一致，则将匹配度最大的再选映射关系确定为目标映射关系。
本申请实施例中，根据再选映射关系中的采样点的位置判断再选映射关系中的采样点是否为邻接关系。若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系。若确定不为邻接关系，则将匹配度最大的再选映射关系确定为目标映射关系。当采样点具有相互邻接关系时，通过邻接关系判定目标映射关系更加简单直观，而且通过判定邻接关系来定位，能够进一步提升目标用户终端定位的准确度。当采样点不具有相互邻接关系时，按照匹配度大小进一步确定目标用户终端的位置，能够尽可能准确。
实施例八
图10为本申请提供的室内定位方法的方法流程图。如图10所示，在实施例一到实施例七任一实施例基础上，本申请提供的室内定位方法，在根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集之前，还包括如下方案：
步骤S801、确定目标室内区域中各采样点的位置。
具体地，确定采样点位置的方法不做具体限定。
示例性地，根据需求的定位精度，将目标室内区域划分为网格状结构。如图11所示，确定网格的交点LPij为采样点，LPij是网格第i行第j列的交点，i＝0，1，2，…m，j＝0,1,2，…k。m为网格总行数，k为网格总列数。
建立基准坐标系或基于经纬度对采样点进行定位。本示例采用三维笛卡尔坐标系。则采样点LPij的位置坐标LLPij＝(LPijx，LPijy，LPijz)。
步骤S802、采用测量设备在各采样点按照预设次数采集基准MR数据。
其中，预设次数不做具体限定，可以是3次及以上。基准MR数据包括服务小区及至少一个邻区的参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR、波束号INDEXID、载波号ARFCN、物理小区识别码PCI、公共陆地移动网PLMN。其中，至少一个邻区可以是服务小区的所有邻区，也可以是按照信号强度排序的前预设数量的邻区。如预设数量可以为1个，那么确定出的邻区为第一邻区。
具体地，采样人员持信号测量设备在各采样点采集基准MR数据。基于提高稳定性的考虑，进行多次基准MR数据采样。
示例性地，继续上述示例内容，设定采样点LPij的基准MR信号只包括服务小区和第一邻区测量数据，则采样点LPij第t次采样信息可以表示为：
LPij t＝[ScPCIt，ScRSRPt，ScRSRQt，ScSINRt，ScINDEXIDt，ScARFCNt，ScPLMNt，NcPCIt，NcRSRPt，NcRSRQt，NcSINRt，NcINDEXIDt，NcARFCNt，NcPLMNt]
其中，前缀Sc代表服务小区，前缀Nc代表第一邻区。PCI是物理小区识别码，RSRP是参考信号接收功率，RSRQ是参考信号接收质量、SINR是参考信号信噪比，INDEXID是波束号，ARFCN是载波号，PLMN是公共陆地移动网。
步骤S803、根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据。
具体地，分别提取各采样点对应的多个基准MR数据中的预设关键数据，预设关键数据可以是一个或多个MR数据的组合。由于对采样点的每个预设关键数据都进行了多次采样，因此对每个采样点提取的预设关键数据进行统计计算。计算方法不做限定。可以对每个预设关键数据求取众数、中位数、均值、聚类等。将统计结果数据确定为各采样点对应的基准通信特征数据。
示例性地，继续上述示例内容，确定预设关键数据包括采样点所在服务小区及第一邻区对应的物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。则采样点LPij第t次采集并提取的预设关键数据可以表示为：
对采样点LPij第t次的预设关键数据进行统计计算，求出该采样点对应的基准通信特征数据。可以用公式表示为：
FLPij＝[Mode1 T(ScPCIt)，Median1 T(ScRSRPt)，Median1 T(ScRSRQt)，Median1 T(ScSINRt)，Mode1 T(NcPCIt)，Median1 T(NcRSRPt)，Median1 T(NcRSRQt)，Median1 T(NcSINRt)]
其中，T是采样总次数，t为第t次采样，t＝1,2,…T。Mode为求众数公式，Median为求中位数公式。Mode1 T(ScPCIt)表示对采样点LPij的所有预设关键数据FLPij t(1≤t≤T)，求其中ScPCI的众数。Median1 T(ScRSRPt)表示对采样点LPij的所有预设关键数据FLPij t(1≤t≤T)，求其中ScRSRP的中位数。前缀Sc代表服务小区，前缀Nc代表第一邻区。FLPij为采样点LPij的基准通信特征数据。
步骤S804、构建各采样点的位置与对应的基准通信特征数据之间的映射关系，以形成目标室内区域的数据库。
具体地，将采样点位置信息与对应的基准通信特征数据组合，形成映射关系。则所有采样点对应的映射关系就构成目标室内区域的数据库。
示例性地，继续上述示例内容，将所有采样点LPij的位置坐标LLPij与基准通信特征数据FLPij(1≤i≤m,1≤j≤k)组合，构成目标室内区域的数据库FPDB。映射关系矩阵表示为：
本申请实施例中，确定目标室内区域中各采样点的位置。采用测量设备在各采样点按照预设次数采集基准MR数据。根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据。构建各采样点的位置与对应的基准通信特征数据之间的映射关系，以形成目标室内区域的数据库。通过多次采集基准MR数据，能够得到采样点MR数据的漂移范围。根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据，能够提高目标室内区域数据库的数据稳定性。通过构建各采样点的位置与对应的基准通信特征数据之间的映射关系，能够在定位时更加快速准确地通过筛选出的映射关系确定目标用户终端的位置信息。
实施例九
图12为本申请提供的室内定位方法的方法流程图。如图12所示，在实施例八的基础上，本申请实施例涉及步骤S801确定目标室内区域中各采样点的位置的一种具体可实现方式。本申请提供的室内定位方法中，在确定目标室内区域中各采样点的位置时，具体包括如下步骤：
步骤S901、基于预设的定位精度，将目标室内区域划分为网格状结构。
具体地，确定需要的定位精度，如米级、亚米级精度。根据确定的定位精度，对目标室内区域进行场景建模，将目标室内区域划分成网格结构。
步骤S902、基于基准坐标系确定网格状结构中对应的各采样点的位置。
具体地，如图11所示，将网格结构中每个交点LPij的位置确定为采样点位置。LPij是网格第i行第j列的交点，i＝0，1，2，…m，j＝0,1,2，…k。m为网格总行数，k为网格总列数。
构建基准坐标系，确定坐标系原点位置。本申请实施例中，基准坐标系为三维笛卡尔坐标系。则采样点LPij的位置坐标可以表示为(LPijx，LPijy，LPijz)。
本申请实施例中，基于预设的定位精度，将目标室内区域划分为网格状结构。基于基准坐标系确定网格状结构中对应的各采样点的位置。根据精度需要将目标室内区域划分为网格状结构，能够在达到精度要求的前提下，简单方便地得到采样点位置。通过构建基准坐标系确定各采样点位置，能够更加准确地对采样点进行定位。
实施例十
图13为本申请提供的室内定位方法的方法流程图。如图13所示，在实施例八或实施例九的基础上，本申请实施例涉及步骤S803根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据的一种具体可实现方式。本申请提供的室内定位方法中，在根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据时，具体包括如下步骤：
步骤S1001、分别提取各采样点对应的多个基准MR数据中的预设关键数据，预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号相关数据，参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
具体地，通过先验经验根据测量数据名称将与目标用户终端定位相关性高的MR数据确定为预设关键数据。预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的物理小区识别码PCI、参考信号相关数据，参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
可选地，对确定的预设关键数据进行预处理。包括值域范围过滤、空值删除等。示例性地，设定服务小区的RSRP值在[-120,-45]，RSRQ值在[-29,19]，SINR值在[-5,36]，PCI在指定数据列表中。在此值域外的预设关键数据做剔除过滤。
步骤S1002、计算各采样点对应的多个基准MR数据中采样点所在服务小区对应的PCI的众数及采样点至少一个邻区对应的PCI的众数。
具体地，对每个采样点，获取多次采集的基准MR数据，从中提取采样点所在服务小区及至少一个邻区的PCI数据，分别对采样点所在服务小区及至少一个邻区的PCI数据求取众数。
以采样点LPij对应的服务小区PCI的众数计算为例，对于采样点LPij，对应服务小区PCI众数计算公式可以表达为：
M＝Mode1 T[ScPCIt](1≤t≤T)
其中，Mode[]是众数计算公式。T是测量信号总采样次数。ScPCIt是指第t次采样的服务小区的PCI，t＝1,2,…T。Mode1 T[ScPCIt]表示对采样点LPij对应的服务小区PCI的所有采样数据进行众数统计，即将一组采样数据中出现频次最高的采样数据作为统计结果。采样点LPij对应的至少一个邻区的PCI的众数计算方式与上述服务小区PCI众数计算方式相同，在此不在赘述。
步骤S1003、计算各采样点对应的多个基准MR数据中的采样点所在服务小区对应的各参考信号相关数据的中位数及采样点至少一个邻区对应的各参考信号相关数据的中位数。
具体地，对每个采样点，从多次采集的基准MR数据中提取采样点所在服务小区及至少一个邻区的各参考信号相关数据，分别对采样点所在服务小区及至少一个邻区的各参考信号相关数据求取中位数。
以采样点LPij对应的服务小区RSRP的中位数计算为例，对于采样点LPij，对应服务小区RSRP中位数计算公式可以表达为：
M＝Median1 T[ScRSRPt](1≤t≤T)
其中，Median[]是中位数计算公式。T是测量信号总采样次数。ScRSRPt是指第t次采样的服务小区的RSRP，t＝1,2,…T。Median1 T[ScRSRPt]表示对采样点LPij对应的服务小区RSRP的所有采样数据进行中位数统计，即将一组采样数据从大到小排序，选取排在中间位置的采样数据作为统计结果。
采样点LPij对应的其他参考信号的中位数计算方式与上述服务小区RSRP中位数计算方式相同，在此不在赘述。
步骤S1004、将各采样点对应的众数及中位数确定为各采样点对应的基准通信特征数据。
具体地，将各采样点预设关键数据的统计结果，即众数及中位数作为各采样点对应的基准通信特征数据。
本申请实施例中，分别提取各采样点对应的多个基准MR数据中的预设关键数据，预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号相关数据，参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。计算各采样点对应的多个基准MR数据中采样点所在服务小区对应的PCI的众数及采样点至少一个邻区对应的PCI的众数。计算各采样点对应的多个基准MR数据中的采样点所在服务小区对应的各参考信号相关数据的中位数及采样点至少一个邻区对应的各参考信号相关数据的中位数。将各采样点对应的众数及中位数确定为各采样点对应的基准通信特征数据。由于众数是根据出现频次，即概率进行统计的，通过计算各采样点对应的多个基准MR数据中采样点对应的服务小区及至少一个邻区对应的PCI的众数，能够更准确的确定基准MR数据服务小区及至少一个邻区的PCI。通过计算各采样点对应的多个基准MR数据中采样点所在服务小区及至少一个邻区对应的各参考信号相关数据的中位数，根据各参考信号的中位数能够更加准确的反映各参考信号的集中趋势。通过将各采样点对应的众数及中位数确定为各采样点对应的基准通信特征数据，可有效过滤掉离群异常信号数据，能够提高各采样点对应的基准通信特征数据的稳定性。
实施例十一
图14为本申请提供的室内定位方法具体实施方法的方法流程图。如图14所示，本申请实施例是室内定位方法的一个具体的可实现方式。具体步骤包括：
步骤S1101、获取目标用户终端的目标测量报告MR数据。提取目标MR数据中的目标通信特征数据。
具体地，从数据库中获取预先构建的目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系，从基站获取目标用户终端发送的目标测量报告MR数据。
其中，目标测量报告MR数据包括服务小区及至少一个邻区的参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR、物理小区识别码PCI、波束号INDEXID、公共陆地移动网PLMN、载波号ARFCN。
具体地，根据先验经验按照目标MR数据的名称确定预设关键数据。将预设关键数据确定为目标通信特征数据。预设关键数据是与目标用户终端定位相关度高的测量信号参数。预设关键数据可以包括服务小区及至少一个邻区的参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR、物理小区识别码PCI。
步骤S1102、根据目标通信特征数据对应的服务小区及第一邻区的PCI，对目标用户终端进行粗定位，以获取一个数据库中相匹配的的数据库子集。数据库子集中包含至少一个采样点位置信息与基准通信特征数据的映射关系。
具体地，将目标通信特征数据对应的服务小区及第一邻区的PCI与预先构建的目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系中对应的服务小区及第一邻区的PCI做匹配，筛选出满足匹配条件的映射关系。将这些映射关系汇集成一个数据库子集。
步骤S1103、根据目标通信特征数据中对应的服务小区及第一邻区RSRP，对目标通信特征数据进行K近邻相似度匹配，得到预设数量的匹配映射关系，以对目标用户终端进行精确定位。
其中，预设数量为3个。
具体地，获取上述步骤筛选出的数据库子集，针对其中每一条映射关系，计算其与目标通信特征数据对应的服务小区及第一邻区RSRP间的欧式距离。公式表达为：
D＝(ScRSRPj-ScRSRPue)2+(NcRSRP1j-NcRSRPue1)2
其中，ScRSRPj为第j个初选映射关系对应服务小区的RSRP，ScRSRPue为目标通信特征数据的服务小区对应的RSRP，NcRSRP1j为第j个初选映射关系的第一邻区对应的RSRP，NcRSRPue1为目标通信特征数据的第一邻区对应的RSRP。j为大于等于1的正整数。
相应地，匹配度与欧式距离成反比关系，公式可以表示为：
P＝1/D
具体地，根据欧式距离计算匹配度，按照匹配度从大到小进行排序，筛选出排序前3的匹配度对应的映射关系。
步骤S1104、根据匹配映射关系中采样点位置邻接关系，确定目标用户终端的最终位置信息。
具体地，从上述步骤中获取的3个映射关系中，提取对应采样点的位置信息。只考虑同一高度的情况，将采样点位置信息在X-Y平面进行绘制，得到采样点位置关系图。根据采样点位置关系图判断3个采样点是否为相互邻接关系。如果为相互邻接关系，由于位于中心的采样点分别与其他两个采样点在一个方向上取值相同，则位于中心的采样点成为目标用户终端最终位置的概率更大，所以将位于中心位置的采样点位置坐标作为目标用户终端的位置坐标。如果3个采样点不是相互邻接关系，则认为3个采样点成为目标用户终端的最终位置的概率相同，所以根据采样点对应的匹配度确定目标用户终端的位置信息。将匹配度最大的采样点对应的位置坐标确定为目标用户终端的位置坐标。
实施例十二
在实施例一到实施例七任一实施例的基础上，本申请提供的室内定位方法中，在获取目标用户终端上报的目标测量报告MR数据之前，还包括如下技术方案：
接收客户端发送的运动轨迹追踪请求，运动轨迹追踪请求中包括：目标用户终端的标识信息、追踪时间范围信息。
其中，目标用户终端的标识信息是指可以标识和识别目标用户终端的信息。追踪时间范围信息，是指历史时间范围，包括起止时间点。示例性地，追踪时间范围可以为2022年8月10日10:00-2022年8月10日12：00。
具体地，当管理用户或其他人员需要获取目标用户终端的历史运动轨迹时，可以通过客户端向服务端发送运动轨迹追踪请求。请求中包括目标用户终端的标识信息和追踪时间范围信息。服务端接收客户端发送的运动轨迹追踪请求。
其中，获取目标用户终端上报的目标测量报告MR数据，包括：
根据追踪时间范围信息和目标用户终端的标识信息按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据。
具体地，目标用户终端向基站发送MR数据时，会将自己的用户终端标识与时间戳一并发送。服务端通过基站周期性地获取目标用户终端发送的MR数据，根据从客户端接收的追踪运动轨迹请求中提取的追踪时间范围信息和目标用户终端标识信息，按照预设时间间隔，对目标用户终端周期性发送的MR数据进行筛选。筛选出的MR数据需要满足对应时间戳在追踪时间范围内。
其中，预设时间间隔不做具体限定。示例性地，可以是5s、10s、1min。
在将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括如下技术方案：
根据追踪时间范围内每个时间戳对应的目标用户终端的位置确定目标用户终端的运动轨迹。
具体地，由于用户运动时，运动轨迹是平滑的。因此，在确定了追踪时间范围内目标用户终端在每个时间戳的位置后，对追踪时间范围内的目标用户终端位置数据进行滤波处理，得到目标用户终端的定位轨迹。
本申请实施例中，接收客户端发送的运动轨迹追踪请求，运动轨迹追踪请求中包括：目标用户终端的标识信息、追踪时间范围信息。获取目标用户终端上报的目标测量报告MR数据，包括：根据追踪时间范围信息和目标用户终端的标识信息按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据。将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，根据追踪时间范围内每个时间戳对应的目标用户终端的位置确定目标用户终端的运动轨迹。将目标用户终端的运动轨迹发送给客户端。按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据，能够在获取关键时间戳目标用户终端MR数据基础上，有效降低数据处理量，提高数据处理效率。通过确定追踪时间范围内每个时间戳对应的目标用户终端的位置，能够非常快速准确地确定出追踪时间范围内目标用户终端的运动轨迹。通过响应客户端发送的运动轨迹追踪请求，将目标用户终端的运动轨迹发送给客户端，拓宽了室内定位方法的应用场景。
实施例十三
在实施例一到实施例七任一实施例的基础上，本申请提供的室内定位方法中，在获取目标用户终端上报的目标测量报告MR数据之前，还包括如下技术方案：
接收客户端发送的人流分布确定请求，人流分布确定请求中包括：时间范围信息。
其中，时间范围为历史时间范围。示例性地，可以为2022年8月10日11:00-2022年8月10日12:00。
具体地，当管理用户或其他人员需要获取某段时间范围内室内场馆的人流分布时，可以通过客户端向服务端发送人流分布确定请求。请求中包括时间范围信息。服务端接收客户端发送的人流分布确定请求。
其中，获取目标用户终端上报的目标测量报告MR数据，包括：
根据时间范围信息按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据。
具体地，服务端通过基站周期性地获取目标用户终端发送的MR数据，根据从客户端接收的人流分布确定请求中提取的时间范围信息，按照预设时间间隔，对目标用户终端周期性发送的MR数据进行筛选。筛选出的MR数据需要满足对应时间戳在预设时间范围范围内。
其中，预设时间间隔不做具体限定。示例性地，可以是5s、10s、1min。
图15为本申请提供的室内定位方法的方法流程图。如图15所示，在将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括如下技术方案：
步骤S1301、根据预设时间范围范围内每个时间戳对应的目标用户终端的位置确定人流分布情况。
具体地，在确定预设时间范围范围内每个时间戳对应的目标用户终端的位置后，对每个时间戳对应的室内场馆的人流分布情况进行统计。统计方法不做具体限定。示例性地，可以划分不同区域，对每个区域内的目标用户终端数量进行统计。或者根据目标用户终端的自然聚集情况，对每个聚集区域进行数量统计。
步骤S1302、将人流分布情况发送给客户端。
具体地，服务端按照时间戳时刻统计人流分布情况后，将时间范围内所有时间戳时刻的人流分布统计结果返回给客户端。
本申请实施例中，接收客户端发送的人流分布确定请求，人流分布确定请求中包括：时间范围信息。获取目标用户终端上报的目标测量报告MR数据，包括：根据时间范围信息按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据。在将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，根据预设时间范围范围内每个时间戳对应的目标用户终端的位置确定人流分布情况。将人流分布情况发送给客户端。按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据，能够在获取关键时间戳目标用户终端MR数据基础上，有效降低数据处理量，提高数据处理效率。通过确定预设时间范围范围内每个时间戳对应的目标用户终端的位置，能够快速高效的统计出人流分布情况。通过响应客户端发送的人流分布确定请求，将目标用户终端的人流分布情况发送给客户端，拓宽了室内定位方法的应用场景。
实施例十四
在实施例一到实施例七任一实施例的基础上，本申请提供的室内定位方法中，服务器与目标用户终端通过预设通信方式进行通信，预设通信方式为4G通信或5G通信。
本申请实施例中，服务器与目标用户终端通过预设通信方式进行通信，预设通信方式为4G通信或5G通信。由于4G/5G网络广泛覆盖，信号稳定性好，因此采用4G/5G网络进行室内定位能够提高室内定位的稳定性，扩大室内定位信号覆盖范围，而且不需增加其他信源设备，能有效降低成本。
实施例十五
图16为本申请提供的室内定位装置的结构图。如图16所示，本申请提供一种室内定位装置150。包括获取模块151、提取模块152、第一筛选模块153、第二筛选模块154、第三筛选模块155及确定模块156。
获取模块151，用于获取目标用户终端上报的目标测量报告MR数据。
提取模块152，用于提取目标MR数据中的目标通信特征数据。
第一筛选模块153，用于根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系。数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系，
第二筛选模块154，用于根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系。
第三筛选模块155，用于按照目标筛选策略从再选映射关系中筛选出目标映射关系。
确定模块156，用于将目标映射关系中的采样点的位置确定为目标用户终端的位置。
可选地，提取模块152，在提取目标MR数据中的目标通信特征数据时，具体用于分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中的预设关键数据。将预设关键数据确定为目标通信特征数据。目标通信特征数据至少包括目标用户终端所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
其中，目标测量报告MR数据包括：目标用户终端所在服务小区及至少一个邻区的MR数据。
可选地，第一筛选模块153，在根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的至少一个数据库子集时，具体用于根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出具有相同PCI的映射关系作为至少一个初选映射关系。将初选映射关系组建数据库子集。
其中，初选通信特征数据包括：服务小区及至少一个邻区对应的PCI。
可选地，第二筛选模块154，在根据目标通信特征数据中的再选通信特征数据从初选映射关系中筛选出预设数量的再选映射关系时，具体用于将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果。根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系。
可选地，第二筛选模块154，在将目标通信特征数据中的再选通信特征数据与初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果时，具体用于采用K近邻算法计算目标通信特征数据中服务小区及至少一个邻区对应的RSRP与初选映射关系中的服务小区及至少一个邻区对应的RSRP之间的预设类型距离。根据预设类型距离确定对应的匹配度，以获得匹配计算结果。预设类型距离为以下距离的任意一种：欧式距离、马氏距离、汉明距离。
其中，再选通信特征数据包括：服务小区及至少一个邻区对应的RSRP。
可选地，第二筛选模块154，在根据匹配计算结果从初选映射关系中筛选出预设数量的再选映射关系时，具体用于按照匹配计算结果的匹配度由大到小的顺序将初选映射关系进行排序。获取排序在前预设数量的初选映射关系作为再选映射关系。
可选地，第三筛选模块155，在按照目标筛选策略从再选映射关系中筛选出目标映射关系时，具体用于根据再选映射关系中的采样点的位置判断再选映射关系中的采样点是否为邻接关系。若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系。若确定不为邻接关系，则将匹配度最大的再选映射关系确定为目标映射关系。
其中，预设数量为三个。
可选地，本实施例提供的室内定位装置还包括：数据库构建模块。
其中，数据库构建模块，在第一筛选模块153根据目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集之前，用于确定目标室内区域中各采样点的位置。采用测量设备在各采样点按照预设次数采集基准MR数据。提取模块154用于根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据。数据库构建模块用于构建各采样点的位置与对应的基准通信特征数据之间的映射关系，以形成目标室内区域的数据库。
可选地，数据库构建模块，在确定目标室内区域中各采样点的位置时，具体用于：基于预设的定位精度，将目标室内区域划分为网格状结构。基于基准坐标系确定网格状结构中对应的各采样点的位置。
可选地，数据库构建模块，在根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据时，具体用于分别提取各采样点对应的多个基准MR数据中的预设关键数据，预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号相关数据，参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。计算各采样点对应的多个基准MR数据中采样点所在服务小区对应的PCI的众数及采样点至少一个邻区对应的PCI的众数。计算各采样点对应的多个基准MR数据中的采样点所在服务小区对应的各参考信号相关数据的中位数及采样点至少一个邻区对应的各参考信号相关数据的中位数。将各采样点对应的众数及中位数确定为各采样点对应的基准通信特征数据。
可选地，本申请提供的室内定位装置，还包括接收请求模块。
接收请求模块，在获取模块151获取目标用户终端上报的目标测量报告MR数据之前，具体用于接收客户端发送的运动轨迹追踪请求，运动轨迹追踪请求中包括：目标用户终端的标识信息、追踪时间范围信息。获取目标用户终端上报的目标测量报告MR数据，包括：根据追踪时间范围信息和目标用户终端的标识信息按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据。在将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括位置确定及发送模块。位置确定及发送模块具体用于根据追踪时间范围内每个时间戳对应的目标用户终端的位置确定目标用户终端的运动轨迹。将目标用户终端的运动轨迹发送给客户端。
可选地，本申请提供的室内定位装置，还包括位置确定及发送模块。
其中，接收请求模块，在获取模块151获取目标用户终端上报的目标测量报告MR数据之前，具体用于接收客户端发送的人流分布确定请求，人流分布确定请求中包括：时间范围信息。其中，获取模块151在获取目标用户终端上报的目标测量报告MR数据时，具体用于根据时间范围信息按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据。位置确定及发送模块，在确定模块156将目标映射关系中的采样点的位置确定为目标用户终端的位置之后，具体用于根据预设时间范围范围内每个时间戳对应的目标用户终端的位置确定人流分布情况。将人流分布情况发送给客户端。
实施例十六
图17为本申请提供的室内定位服务器的实体结构图。如图17所示，本申请提供一种服务器160，包括：处理器161，以及与处理器通信连接的存储器162及收发器163。
存储器162存储计算机执行指令。收发器163，用于与用户终端收发数据。
处理器161执行存储器162存储的计算机执行指令，以实现实施例一至实施例十三中任一项所述的方法。
实施例十七
本申请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，计算机执行指令被处理器执行时用于实现如实施例一到实施例十三任一项所述的方法。
本申请实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现本申请任意一个实施例提供的方法。
在本申请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，模块的划分，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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程合规检测装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种室内定位方法，其特征在于，所述方法应用于服务器，所述方法包括：
获取目标用户终端上报的目标测量报告MR数据；
提取目标MR数据中的目标通信特征数据；
根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，所述数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系，所述数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系；
根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系；
按照目标筛选策略从所述再选映射关系中筛选出目标映射关系，并将所述目标映射关系中的采样点的位置确定为目标用户终端的位置；
所述根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系，包括：
将所述目标通信特征数据中的再选通信特征数据与所述初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果；
按照所述匹配计算结果的匹配度由大到小的顺序将所述初选映射关系进行排序；
获取排序在前预设数量的初选映射关系作为再选映射关系；
所述预设数量为三个；
所述按照目标筛选策略从所述再选映射关系中筛选出目标映射关系，包括：
根据所述再选映射关系中的采样点的位置判断所述再选映射关系中的采样点是否为邻接关系；
若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系；
若确定不为邻接关系，则将所述匹配度最大的再选映射关系确定为目标映射关系。
2.根据权利要求1所述的方法，其特征在于，所述目标测量报告MR数据包括：目标用户终端所在服务小区及至少一个邻区的MR数据；
所述提取目标MR数据中的目标通信特征数据，包括：
分别提取目标用户终端所在服务小区及至少一个邻区的目标MR数据中的预设关键数据；
将预设关键数据确定为目标通信特征数据；
所述目标通信特征数据至少包括目标用户终端所在服务小区及至少一个邻区对应的以下数据：
物理小区识别码PCI、参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR。
3.根据权利要求2所述的方法，其特征在于，所述初选通信特征数据包括：服务小区及至少一个邻区对应的PCI；
所述根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的至少一个数据库子集，包括：
根据目标通信特征数据中的服务小区及至少一个邻区对应的PCI从预先构建的目标室内区域的数据库中筛选出具有相同PCI的映射关系作为至少一个初选映射关系；
将所述初选映射关系组建所述数据库子集。
4.根据权利要求1所述的方法，其特征在于，所述再选通信特征数据包括：服务小区及至少一个邻区对应的RSRP；
将所述目标通信特征数据中的再选通信特征数据与所述初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果，包括：
采用K近邻算法计算目标通信特征数据中服务小区及至少一个邻区对应的RSRP与所述初选映射关系中的服务小区及至少一个邻区对应的RSRP之间的预设类型距离；
根据所述预设类型距离确定对应的匹配度，以获得匹配计算结果；
所述预设类型距离为以下距离的任意一种：
欧式距离、马氏距离、汉明距离。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集之前，还包括：
确定目标室内区域中各采样点的位置；
采用测量设备在各采样点按照预设次数采集基准MR数据；
根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据；
构建各采样点的位置与对应的基准通信特征数据之间的映射关系，以形成目标室内区域的数据库。
6.根据权利要求5所述的方法，其特征在于，所述确定目标室内区域中各采样点的位置，包括：
基于预设的定位精度，将所述目标室内区域划分为网格状结构；
基于基准坐标系确定网格状结构中对应的各采样点的位置。
7.根据权利要求5所述的方法，其特征在于，所述根据各采样点对应的多个基准MR数据确定各采样点对应的基准通信特征数据，包括：
分别提取各采样点对应的多个基准MR数据中的预设关键数据，所述预设关键数据包括：各采样点所在服务小区及至少一个邻区对应的以下数据：物理小区识别码PCI、参考信号相关数据，所述参考信号相关数据：参考信号接收功率RSRP、参考信号接收质量RSRQ、参考信号信噪比SINR；
计算各采样点对应的多个基准MR数据中采样点所在服务小区对应的PCI的众数及采样点至少一个邻区对应的PCI的众数；
计算各采样点对应的多个基准MR数据中的采样点所在服务小区对应的各参考信号相关数据的中位数及采样点至少一个邻区对应的各参考信号相关数据的中位数；
将各采样点对应的所述众数及中位数确定为各采样点对应的基准通信特征数据。
8.根据权利要求1-4任一项所述的方法，其特征在于，所述获取目标用户终端上报的目标测量报告MR数据之前，还包括：
接收客户端发送的运动轨迹追踪请求，所述运动轨迹追踪请求中包括：目标用户终端的标识信息、追踪时间范围信息；
所述获取目标用户终端上报的目标测量报告MR数据，包括：
根据所述追踪时间范围信息和所述目标用户终端的标识信息按照预设时间间隔获取对应目标用户终端在多个时间戳上报的目标MR数据；
所述将所述目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括：
根据所述追踪时间范围内每个时间戳对应的目标用户终端的位置确定目标用户终端的运动轨迹；
将所述目标用户终端的运动轨迹发送给客户端。
9.根据权利要求1-4任一项所述的方法，其特征在于，所述获取目标用户终端上报的目标测量报告MR数据之前，还包括：
接收客户端发送的人流分布确定请求，所述人流分布确定请求中包括：时间范围信息；
所述获取目标用户终端上报的目标测量报告MR数据，包括：
根据所述时间范围信息按照预设时间间隔获取目标用户终端在多个时间戳上报的目标MR数据；
所述将所述目标映射关系中的采样点的位置确定为目标用户终端的位置之后，还包括：
根据所述预设时间范围范围内每个时间戳对应的目标用户终端的位置确定人流分布情况；
将所述人流分布情况发送给客户端。
10.根据权利要求1-4任一项所述的方法，其特征在于，所述服务器与目标用户终端通过预设通信方式进行通信，所述预设通信方式为4G通信或5G通信。
11.一种室内定位装置，包括：
获取模块，用于获取目标用户终端上报的目标测量报告MR数据；
提取模块，用于提取目标MR数据中的目标通信特征数据；
第一筛选模块，用于根据所述目标通信特征数据中的初选通信特征数据从预先构建的目标室内区域的数据库中筛选出相匹配的数据库子集，所述数据库中存储有目标室内区域中各采样点的位置与基准通信特征数据之间的映射关系；所述数据库子集中包括至少一个采样点的位置与基准通信特征数据之间的初选映射关系，
第二筛选模块，用于根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系；
第三筛选模块，用于按照目标筛选策略从所述再选映射关系中筛选出目标映射关系；
确定模块，用于将所述目标映射关系中的采样点的位置确定为目标用户终端的位置；
所述第二筛选模块，在根据所述目标通信特征数据中的再选通信特征数据从所述初选映射关系中筛选出预设数量的再选映射关系时，具体用于将所述目标通信特征数据中的再选通信特征数据与所述初选映射关系中的再选通信特征数据进行相似度匹配计算，以获得匹配计算结果；
按照所述匹配计算结果的匹配度由大到小的顺序将所述初选映射关系进行排序；
获取排序在前预设数量的初选映射关系作为再选映射关系；
所述预设数量为三个；
所述第三筛选模块，在按照目标筛选策略从所述再选映射关系中筛选出目标映射关系时，具体用于根据所述再选映射关系中的采样点的位置判断所述再选映射关系中的采样点是否为邻接关系；若确定为邻接关系，则将邻接关系中位于中心的采样点对应的再选映射关系确定为目标映射关系；若确定不为邻接关系，则将所述匹配度最大的再选映射关系确定为目标映射关系。
12.一种服务器，包括：处理器，以及与所述处理器通信连接的存储器及收发器；
所述存储器存储计算机执行指令；所述收发器，用于与用户终端收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-10中任一项所述的方法。
13.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211046373.3A CN115412851B (zh) | 2022-08-30 | 2022-08-30 | 室内定位方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211046373.3A CN115412851B (zh) | 2022-08-30 | 2022-08-30 | 室内定位方法、装置、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115412851A CN115412851A (zh) | 2022-11-29 |
| CN115412851B true CN115412851B (zh) | 2024-05-14 |
Family
ID=84160750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211046373.3A Active CN115412851B (zh) | 2022-08-30 | 2022-08-30 | 室内定位方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115412851B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118196984A (zh) * | 2024-03-15 | 2024-06-14 | 南京会鉴科技有限公司 | 一种基于人工智能的消防预警辅助识别终端及使用方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107231615A (zh) * | 2017-06-27 | 2017-10-03 | 深圳市优网精蜂网络有限公司 | 一种基于网络指纹的定位方法及系统 |
| CN108303093A (zh) * | 2018-01-31 | 2018-07-20 | 中国联合网络通信集团有限公司 | 一种室内定位方法及装置 |
| CN109246592A (zh) * | 2017-06-15 | 2019-01-18 | 中国移动通信集团浙江有限公司 | 一种用户终端位置信息的获取方法及装置 |
| CN109495905A (zh) * | 2017-09-11 | 2019-03-19 | 大唐移动通信设备有限公司 | 一种基于mdt的网络覆盖管理方法和mc系统 |
| WO2020163983A1 (en) * | 2019-02-11 | 2020-08-20 | Nokia Shanghai Bell Co., Ltd. | Enhanced positioning mechanism based on otdoa |
| CN114501520A (zh) * | 2020-10-26 | 2022-05-13 | 中国移动通信有限公司研究院 | 一种网络异常的检测方法、装置及网络设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103634810B (zh) * | 2013-12-24 | 2017-04-12 | 英国Ranplan无线网络设计公司 | 一种室内无线网络覆盖问题区域定位的方法 |
-
2022
- 2022-08-30 CN CN202211046373.3A patent/CN115412851B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109246592A (zh) * | 2017-06-15 | 2019-01-18 | 中国移动通信集团浙江有限公司 | 一种用户终端位置信息的获取方法及装置 |
| CN107231615A (zh) * | 2017-06-27 | 2017-10-03 | 深圳市优网精蜂网络有限公司 | 一种基于网络指纹的定位方法及系统 |
| CN109495905A (zh) * | 2017-09-11 | 2019-03-19 | 大唐移动通信设备有限公司 | 一种基于mdt的网络覆盖管理方法和mc系统 |
| CN108303093A (zh) * | 2018-01-31 | 2018-07-20 | 中国联合网络通信集团有限公司 | 一种室内定位方法及装置 |
| WO2020163983A1 (en) * | 2019-02-11 | 2020-08-20 | Nokia Shanghai Bell Co., Ltd. | Enhanced positioning mechanism based on otdoa |
| CN114501520A (zh) * | 2020-10-26 | 2022-05-13 | 中国移动通信有限公司研究院 | 一种网络异常的检测方法、装置及网络设备 |
Non-Patent Citations (1)
| Title |
|---|
| 室内位置指纹定位算法的研究;朱顺涛;《硕士电子期刊》;20190115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115412851A (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2111721B1 (en) | System and method for generating non-uniform grid points from calibration data | |
| CN102932911B (zh) | 位置指纹定位方法及定位系统 | |
| CN104469676B (zh) | 一种移动终端的定位方法及系统 | |
| CN110166943B (zh) | 终端位置信息的处理方法 | |
| CN102149192B (zh) | 一种基于移动台合作的蜂窝网络无线定位方法 | |
| US11419088B2 (en) | Radiation source positioning method based on radio spectrum monitoring big data processing | |
| US8830909B1 (en) | Methods and systems to determine user relationships, events and spaces using wireless fingerprints | |
| CN112203293B (zh) | 小区过覆盖识别方法、装置、设备及计算机存储介质 | |
| CN112312301B (zh) | 用户终端定位方法、装置、设备及计算机存储介质 | |
| WO2020024597A1 (zh) | 室内定位方法和装置 | |
| CN112526572B (zh) | 室内外无缝导航的网络切换方法与定位系统 | |
| CN111356147A (zh) | 一种室分小区故障定位方法及装置 | |
| CN115412851B (zh) | 室内定位方法、装置、服务器及存储介质 | |
| CN103686998A (zh) | 一种基于aoa的切换位置定位方法及装置 | |
| CN108521631B (zh) | 一种面向室内定位的移动ap识别方法 | |
| CN108574927B (zh) | 一种移动终端定位方法及装置 | |
| CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
| Li et al. | Outdoor location estimation using received signal strength feedback | |
| AU2016433153B2 (en) | Estimated user location from cellular telephony data | |
| Xu et al. | Evaluating proximity relations under uncertainty | |
| Lemelson et al. | Automatic identification of fingerprint regions for quick and reliable location estimation | |
| Li et al. | A probabilistic approach to outdoor localization using clustering and principal component transformations | |
| CN113133049B (zh) | 确定主覆盖小区的方法、装置、设备及介质 | |
| WO2024000519A1 (zh) | 轨迹数据的表征方法和装置 | |
| CN114501618B (zh) | 定位模型训练方法、定位方法和计算机可读存储介质 |
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 |