CN117615313A - Wifi关联方法、装置、设备及存储介质 - Google Patents

Wifi关联方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117615313A
CN117615313A CN202311578544.1A CN202311578544A CN117615313A CN 117615313 A CN117615313 A CN 117615313A CN 202311578544 A CN202311578544 A CN 202311578544A CN 117615313 A CN117615313 A CN 117615313A
Authority
CN
China
Prior art keywords
wifi
target
association
cluster
building
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
CN202311578544.1A
Other languages
English (en)
Inventor
周婵欣
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202311578544.1A priority Critical patent/CN117615313A/zh
Publication of CN117615313A publication Critical patent/CN117615313A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例公开了一种WIFI关联方法、装置、设备及存储介质，属于WIFI定位技术领域。该方法包括：基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群；基于目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征；基于目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果；在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联；采用本申请实施例提供的方案，提高了WIFI设备的定位精度。本申请应用于云技术、人工智能、智慧交通、智慧出行、地图等各种场景。

Description

WIFI关联方法、装置、设备及存储介质
技术领域
本申请实施例涉及WIFI定位技术领域，特别涉及一种WIFI关联方法、装置、设备及存储介质。
背景技术
在室内场景中，可通过无线网络(Wireless Fidelity，WIFI)信号实现精确位置确定。通过WIFI进行位置确定的方法是指将终端提供的WIFI信号的WIFI标识与预先建立的WIFI位置数据库进行匹配，从而确定终端位置，也就是说，最终的位置确定结果的准确性依赖于WIFI位置的精确度。其中，WIFI位置可理解为WIFI信号对应的WIFI设备(例如：路由器)所处的建筑物的位置，因此，需要建立WIFI信号对应的WIFI设备和建筑物之间的定位关联关系。
相关技术中，可通过全球定位系统(Global Positioning System，GPS)信号和WIFI信号之间的关联关系确定WIFI位置。具体的，针对接收到的定位请求，接收设备对其中包含目标WIFI信号的位置确定请求指示的GPS位置进行聚类，以聚类中心作为目标WIFI的位置，从而根据该位置将目标WIFI和建筑物进行关联。
然而，若目标WIFI的真实位置位于建筑物内，由于室内GPS信号较差，那么定位请求指示的GPS位置可能位于建筑物外，GPS位置与目标WIFI的真实位置之间的差距较大，导致计算得到的位置的精确度较低，从而降低WIFI和建筑物之间的关联准确度。
发明内容
本申请实施例提供了一种WIFI关联方法、装置、设备及存储介质，能够提高WIFI设备的定位精度。所述技术方案如下：
一方面，本申请实施例提供了一种WIFI关联方法，所述方法包括：
基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，所述WIFI集群内各个WIFI设备之间的设备关联度高于所述WIFI集群内WIFI设备与所述WIFI集群外WIFI设备之间的设备关联度；
基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征；
基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果；
在所述目标建筑物关联结果指示所述目标WIFI集群存在关联目标建筑物的情况下，将所述目标WIFI集群内的各个目标WIFI设备与所述目标建筑物进行关联。
另一方面，本申请实施例提供了一种WIFI关联装置，所述装置包括：
设备聚类模块，用于基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，所述WIFI集群内各个WIFI设备之间的设备关联度高于所述WIFI集群内WIFI设备与所述WIFI集群外WIFI设备之间的设备关联度；
特征确定模块，用于基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征；
结果确定模块，用于基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果；
设备关联模块，用于在所述目标建筑物关联结果指示所述目标WIFI集群存在关联目标建筑物的情况下，将所述目标WIFI集群内的各个目标WIFI设备与所述目标建筑物进行关联。
另一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器；所述存储器存储有至少一条计算机指令，所述至少一条计算机指令用于被所述处理器执行以实现如上述方面所述的WIFI关联方法。
另一方面，本申请实施例提供了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至少一条计算机指令，所述至少一条计算机指令由处理器加载并执行以实现如上述方面所述的WIFI关联方法。
另一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中；计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行如上述方面所述的WIFI关联方法。
本申请实施例中，通过根据WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，从而以各个WIFI集群为单位，根据目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征，并基于目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果，并在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，直接将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。采用本申请实施例提供的方案，通过以WIFI集群为整体，可以实现在未获取到WIFI集群中部分WIFI设备的位置信息的情况下，也能够直接根据WIFI集群的建筑物关联结果，对该部分WIFI设备进行建筑物关联；并且还可以对已通过其他方式确定位置的WIFI设备的位置信息进行优化调整，从而提高了WIFI设备和建筑物之间的关联效率，提高了定位准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请一个示例性实施例提供的实施环境的示意图；
图2示出了本申请一个示例性实施例提供的WIFI关联方法的流程图；
图3示出了本申请一个示例性实施例提供的以WIFI集群为单位的设备关联示意图；
图4示出了本申请另一个示例性实施例提供的WIFI关联方法的流程图；
图5示出了本申请一个示例性实施例提供的生成WIFI集群的示意图；
图6示出了本申请一个示例性实施例提供的设备关联模型的结构示意图；
图7示出了本申请一个示例性实施例提供的WIFI设备关联算法流程图；
图8示出了本申请一个示例性实施例提供的WIFI关联装置的结构框图；
图9示出了本申请一个示例性实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
相关技术中，可通过GPS信号和WIFI信号之间的关联关系确定WIFI位置。具体的，针对接收到的定位请求，接收设备对其中包含目标WIFI信号的位置确定请求指示的GPS位置进行聚类，以聚类中心作为目标WIFI的位置，从而根据该位置将目标WIFI和建筑物进行关联。然而，若目标WIFI的真实位置位于建筑物内，由于室内GPS信号较差，那么确定的GPS位置可能位于建筑物外，GPS位置与目标WIFI的真实位置之间的差距较大，导致计算得到的位置的精确度较低，从而降低WIFI和建筑物之间的关联准确度。
本申请实施例中提供的一种WIFI关联方法，通过根据WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，构建多个WIFI集群，并根据目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征，从而以WIFI集群为一个整体，根据目标集群特征确定目标WIFI集群对应的目标建筑物关联结果，对目标WIFI集群内的各个目标WIFI设备进行建筑物关联，从而可以实现在未获取到部分WIFI设备的位置信息的情况下，直接对该部分WIFI设备进行建筑物关联，提高了WIFI设备和建筑物之间的关联效率和准确度。
在确定WIFI设备和建筑物之间的关联关系之后，服务器即可根据该关联关系为终端提供较为准确的定位服务。示意性的，当终端处于室内场景时，由于GPS信号较弱甚至没有，此时需要使用网络定位的方式为终端提供定位服务，即终端将当前扫描到的WIFI设备(例如：无线路由器)的设备信息提供给服务器，服务器查询该WIFI设备对应的目标建筑物，根据该目标建筑物的位置向终端反馈较为准确的定位结果。
针对本申请提供的WIFI关联方法确定的WIFI设备和建筑物之间的关联关系，可以应用于包括导航场景、社交场景、教育场景、物流场景、出行场景等多种需要定位服务的场景中。需要说明的是，上述应用场景仅为示意性的举例，本申请实施例对此不加以限定。
需要进行说明的是，本申请在收集用户的相关数据之前以及在收集用户的相关数据的过程中，都可以显示提示界面、弹窗或输出语音提示信息，该提示界面、弹窗或语音提示信息用于提示用户当前正在搜集其相关数据，使得本申请仅仅在获取到用户对该提示界面或者弹窗发出的确认操作后，才开始执行获取用户相关数据的相关步骤，否则(即未获取到用户对该提示界面或者弹窗发出的确认操作时)，结束获取用户相关数据的相关步骤，即不获取用户的相关数据。换句话说，本申请所采集的所有用户数据都是在用户同意并授权的情况下进行采集的，且相关用户数据的收集、使用和处理需要遵守相关地区的相关法律法规和标准。
请参考图1，其示出了本申请一个实施例提供的实施环境的示意图。该实施环境中包括终端120和服务器140。其中，终端120与服务器140之间通过通信网络进行数据通信，可选地，通信网络可以是有线网络也可以是无线网络，且该通信网络可以是局域网、城域网以及广域网中的至少一种。
终端120为上报定位请求的计算机设备，该定位请求包括终端120扫描到的WIFI设备的设备信息等。可选的，终端120可以是智能手机、平板电脑、笔记本电脑、台式电脑、智能电视、可穿戴式设备或车载终端等等。其中，终端120的数量可以是一个，也可以是多个，本申请实施例对此不作限定。图1中，以终端120为一个台式电脑为例进行说明，但并不对此构成限定。
服务器140为接收定位请求的计算机设备。可选的，服务器140可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。本申请实施例中，服务器140可以根据接收到的定位请求，对定位请求中包含的设备信息所指示的WIFI设备进行建筑物关联定位。
可选地，服务器140包括定位服务提供端，即服务器140能够在接收到终端120发送的定位请求时确定终端120的位置，并将该位置反馈至终端120。或者，服务器140为接收定位请求中包含的设备信息的WIFI设备进行定位，即服务器140用于将WIFI设备和建筑物进行关联。
在一种可能的实施方式下，如图1所示，服务器140和终端120之间存在数据交互。服务器140根据接收到的终端120发送的定位请求，从定位请求中获取WIFI设备，从而根据WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，进而根据目标WIFI集群与多个候选建筑物之间的位置关系，生成目标WIFI集群对应的目标集群特征，从而根据目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果，并在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联，进而在终端120存在定位需求的情况下，服务器140还可以将定位结果发送给终端120。
请参考图2，其示出了本申请一个示例性实施例提供的WIFI关联方法的流程图，本实施例以该方法应用于如图1所示的服务器中为例进行说明，该方法包括如下步骤：
步骤201，基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，WIFI集群内各个WIFI设备之间的设备关联度高于WIFI集群内WIFI设备与WIFI集群外WIFI设备之间的设备关联度。
可选的，WIFI设备可以是WIFI信号的接入点设备，用于提供互联网接入功能，比如无线路由器；还可以是无线传感器网络设备，比如气象传感器、健康监测设备等，本申请实施例对此不作限定。
可选的，WIFI设备之间的设备共现情况是指至少两个WIFI设备的设备信息处于同一定位请求的情况。
其中，定位请求是指由终端向服务器发送，用于进行定位的请求。终端通过WIFI功能扫描到当前设备可用的WIFI信号，并将扫描到的WIFI信号对应的设备信息封装在定位请求中，从而将定位请求发送给服务器。
可选的，WIFI设备的设备信息可以包括设备标识、设备地址、接收信号强度等信息。其中，设备标识包括设备名称，设备地址用于唯一标识WIFI设备，接收信号强度是指终端扫描到的设备信号的强度。
示意性的，以WIFI设备为WIFI的接入点设备为例，WIFI设备的设备信息包括终端扫描到的当前位置的WIFI信号的服务集标识(Service Set Identifier，SSID)、媒体存取控制(Media Access Control，MAC)地址、接收信号强度(Received Signal Strength，RSS)等。
示意性的，以WIFI设备为WIFI的接入点设备为例，定位请求中包括终端扫描到的所有WIFI设备的MAC和RSS。定位请求可以表示为[MAC1，RSS1；MAC2，RSS2；MAC3，RSS3；……]，从而MAC1对应的WIFI设备1和MAC2对应的WIFI设备2即属于设备共现。
在一些实施例中，服务器根据某一时间段内接收到的定位请求，获取各个定位请求中包含的设备信息，从而根据各个定位请求中的设备信息，确定定位请求中各个WIFI设备之间的设备共现情况。进而服务器根据各个WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群。
可选的，WIFI集群内各个WIFI设备之间的设备关联度高于WIFI集群内WIFI设备与WIFI集群外WIFI设备之间的设备关联度，即WIFI集群内各个WIFI设备之间的设备共现次数大于WIFI集群内WIFI设备与WIFI集群外WIFI设备之间的设备共现次数。
可选的，设备聚类可以是通过算法的方式实现，比如社区发现算法(Louvain算法)、社区检测算法(Girvan-Newman算法)等，本申请实施例对此不作限定。
步骤202，基于目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征。
在一些实施例中，在基于多个定位请求得到多个WIFI集群之后，服务器即可以根据目标WIFI集群和多个候选建筑物之间的位置关系，生成目标WIFI集群的目标集群特征。
在一种可能的实施方式中，在终端向服务器发送的定位请求中还可以包括终端的测量位置，比如GPS位置，从而服务器可以根据定位请求中的GPS位置信息，对该定位请求中的WIFI设备进行位置预测，进而在通过聚类得到多个WIFI集群之后，服务器即可以根据WIFI集群中部分WIFI设备的GPS位置信息，确定多个候选建筑物。
在一种可能的实施方式中，在确定目标WIFI集群对应的多个候选建筑物之后，服务器即可以根据目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征。
可选的，目标集群特征可以包括表征目标WIFI集群中部分具有GPS位置信息的WIFI设备与各个候选建筑物之间的位置关系的特征，也可以包括表征目标WIFI集群与各个候选建筑物之间的位置关系的特征，本申请实施例对此不作限定。
步骤203，基于目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果。
在一些实施例中，在得到目标WIFI集群的目标集群特征之后，服务器即可以根据目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果。
可选的，目标建筑物关联结果可以是目标WIFI集群与多个候选建筑物不存在关联，也可以是目标WIFI集群与其中一个候选建筑物存在关联。
在一种可能的实施方式中，服务器可以对不同维度的目标集群特征进行拟合计算，从而基于不同维度下的特征拟合结果，确定目标WIFI集群对应的目标建筑物关联结果。
在另一种可能的实施方式中，服务器可以构建设备关联模型，通过将目标WIFI集群的目标集群特征输入设备关联模型，从而直接得到设备关联模型输出的目标WIFI集群对应的目标建筑物关联结果。
步骤204，在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。
在一些实施例中，在得到目标WIFI集群的目标建筑物关联结果之后，服务器即可以根据目标建筑物关联结果判断目标WIFI集群是否与候选建筑物存在关联，在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，服务器即可以将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。
可选的，目标WIFI集群中包括已基于GPS位置信息确定位置的WIFI设备，还可以尚未确定位置的WIFI设备。其中，对于尚未确定位置的WIFI设备，服务器可以直接将WIFI设备与目标建筑物进行关联；若已确定位置的WIFI设备对应的位置信息与目标建筑物的位置不同，则服务器需要对该WIFI设备的位置信息进行修改，将该WIFI设备与目标建筑物关联。
示意性的，如图3所示，目标WIFI集群中包括已有位置信息的WIFI设备以及无位置信息的WIFI设备，从而在确定目标WIFI设备的目标建筑物为建筑物1的情况下，服务器将目标WIFI集群中的各个目标WIFI设备与建筑物1进行关联，包括将无位置信息的WIFI设备与建筑物1进行关联，还包括将已有位置信息但位置信息不准确的WIFI设备与建筑物1进行关联。
综上所述，本申请实施例中，通过根据WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，从而以各个WIFI集群为单位，根据目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征，并基于目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果，并在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，直接将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。采用本申请实施例提供的方案，通过以WIFI集群为整体，可以实现在未获取到WIFI集群中部分WIFI设备的位置信息的情况下，也能够直接根据WIFI集群的建筑物关联结果，对该部分WIFI设备进行建筑物关联；并且还可以对已通过其他方式确定位置的WIFI设备的位置信息进行优化调整，从而提高了WIFI设备和建筑物之间的关联效率，提高了定位准确度。
在一些实施例中，为了提高WIFI集群的划分准确性，服务器还可以对各个WIFI设备之间的设备共现情况进行量化处理，通过WIFI设备之间的双边关联系数量化各个WIFI设备之间的设备共现情况。
请参考图4，其示出了本申请另一个示例性实施例提供的WIFI关联方法的流程图，本实施例以该方法应用于如图1所示的服务器中为例进行说明，该方法包括如下步骤：
步骤401，获取第一历史时间段内的多个定位请求，定位请求中包括多个WIFI设备的设备信息，设备信息至少包括设备标识以及接收信号强度。
在一些实施例中，为了能够尽可能准确地确定各个WIFI设备之间的设备共现情况，服务器可以获取某一时间段内接收到的终端发送的定位请求，比如预设目标区域内多个终端在30天内发送的定位请求。
可选的，定位请求中包括多个WIFI设备的设备信息，且设备信息中至少包括设备标识以及接收信息强度。比如，以WIFI设备为WIFI的接入点设备为例，WIFI设备的设备信息包括终端扫描到的当前位置的WIFI信号的SSID、MAC以及RSS等。
步骤402，基于多个定位请求，确定关联WIFI设备以及关联WIFI设备之间的双边关联系数，关联WIFI设备为属于同一定位请求的至少两个设备信息所指示的WIFI设备，双边关联系数表征关联WIFI设备之间的设备关联程度。
在一些实施例中，在获取到多个定位请求之后，服务器即可以对多个定位请求中的设备信息进行统计，从而确定出多个定位请求中的关联WIFI设备。
可选的，关联WIFI设备为属于同一定位请求的至少两个设备信息所指示的WIFI设备。比如，定位请求为[MAC1，RSS1；MAC2，RSS2；MAC3，RSS3；……]，则MAC1对应的WIFI设备1和MAC2对应的WIFI设备2可以为关联WIFI设备，MAC1对应的WIFI设备1和MAC3对应的WIFI设备3也可以为关联WIFI设备，MAC2对应的WIFI设备2和MAC3对应的WIFI设备3也可以为关联WIFI设备。
可选的，双边关联系数表征关联WIFI设备之间的设备关联程度，而设备关联程度可以通过关联WIFI设备处于同一定位请求的共现次数确定得到。
在一些实施例中，在确定多对关联WIFI设备之后，服务器即可以根据多个定位请求，统计各组关联WIFI设备在同一定位请求中的共现次数，从而确定关联WIFI设备之间的双边关联系数。
可选的，关联WIFI设备中包括第一WIFI设备以及第二WIFI设备。
在一种可能的实施方式中，终端根据多个定位请求，确定出包含第一WIFI设备的设备信息的定位请求的第一请求数量，以及第二WIFI设备的设备信息的定位请求的第二请求数量，并确定出第一WIFI设备与第二WIFI设备之间的共现数量，其中，共现数量是指包含第一WIFI设备以及第二WIFI设备的设备信息的定位请求的请求数量。进而，服务器根据第一请求数量、第二请求数量以及共现数量，即可以确定第一WIFI设备和第二WIFI设备之间的双边关联系数。
在一种可能的实施方式中，服务器可以根据共现数量与第一请求数量之间的比例，以及共现数量与第二请求数量之间的比例，确定第一WIFI设备和第二WIFI设备之间的双边关联系数，其中，共现数量与第一请求数量之间的比例可以称为第一WIFI设备和第二WIFI设备之间的第一单边关联系数，共现数量与第二请求数量之间的比例可以称为第一WIFI设备和第二WIFI设备之间的第二单边关联系数。
可选的，双边关联系数可以是第一单边关联系数和第二单边关联系数之间的系数均值，也可以是第一单边关联系数和第二单边关联系数中的最大值，也可以是第一单边关联系数和第二单边关联系数中的最小值，本申请实施例对此不作限定。
示意性的，在存在100个定位请求的情况下，其中，包含第一WIFI设备的设备信息的定位请求的第一请求数量为50个，包含第二WIFI设备的设备信息的定位请求的第二请求数量为40个，而既包含第一WIFI设备的设备信息又包含第二WIFI设备的设备信息的共现数量为20个，则共现数量和第一请求数量之间的比例为0.4，即第一单边关联系数为0.4；共现数量和第二请求数量之间的比例为0.5，即第二单边关联系数为0.5，在双边关联系数为第一单边关联系数和第二单边关联系数之间的系数均值的情况下，双边关联系数则为0.45。
可选的，为了提高设备聚类的准确性，避免将实际距离较远的WIFI设备进行关联，服务器还可以增加信号强度条件，对包含WIFI设备的设备信息的定位请求进行筛选，舍弃其中WIFI设备的接收信号强度较弱的定位请求。
在一种可能的实施方式中，服务器可以先根据第一信号强度要求，从多个定位请求中，确定出第一WIFI设备的接收信号强度符合第一信号强度要求的定位请求的第一请求数量，以及第二WIFI设备的接收信号强度符合第一信号强度要求的定位请求的第二请求数量。
进而，服务器再根据第二信号强度要求，从多个定位请求中，确定出第一WIFI设备的接收信号强度符合第一信号强度要求，且第二WIFI设备的接收信号强度符合第二信号强度要求的定位请求的第一共现数量，以及第二WIFI设备的接收信号强度符合第一信号强度要求，且第一WIFI设备的接收信号强度符合第二信号强度要求的定位请求的第二共现数量。
最终在得到第一请求数量、第二请求数量、第一共现数量以及第二共现数量之后，服务器即可以根据第一请求数量与第一共现数量之间的比例，以及第二请求数量与第二共现数量之间的比例，确定第一WIFI设备和第二WIFI设备之间的双边关联系数。
示意性的，第一信号强度要求为-50db，第二信号强度要求为-70db。首先，服务器从多个定位请求中，筛选出第一WIFI设备的接收信号强度大于-50db的定位请求，再从这些定位请求中筛选出第二WIFI设备的接收信号强度大于-70db的定位请求，从而可以确定出第一请求数量为P，第一共现数量为Q，即第一WIFI设备和第二WIFI设备之间的第一单边关联系数为Q/P。同样地，服务器从多个定位请求中，筛选出第二WIFI设备的接收信号强度大于-50db的定位请求，再从这些定位请求中筛选出第一WIFI设备的接收信号强度大于-70db的定位请求，从而可以确定出第二请求数量为M，第二共现数量为N，即第一WIFI设备和第二WIFI设备之间的第二单边关联系数为M/N。从而服务器即可以确定出第一WIFI设备和第二WIFI设备之间的双边关联系数为(Q/P+M/N)/2。
在一种可能的实施方式中，为了提高设备聚类的准确度，在确定出各个关联WIFI设备之间的双边关联系数之后，服务器还可以根据双边关联系数阈值，对关联WIFI设备进行筛选，舍弃设备关联度较低的关联WIFI设备。比如，服务器可以将双边关联系数阈值设置为0.3，从而在确定出各对关联WIFI设备的双边关联系数之后，服务器可以保留双边关联系数大于0.3的关联WIFI设备，舍弃双边关联系数小于0.3的关联WIFI设备。
步骤403，基于关联WIFI设备以及双边关联系数，对各个WIFI设备进行聚类，得到多个WIFI集群。
在一些实施例中，在确定出各对关联WIFI设备，以及对应的双边关联系数之后，服务器即可以根据关联WIFI设备以及双边关联系数，对各个WIFI设备进行聚类，得到多个WIFI集群。
在一种可能的实施方式中，服务器可以将得到的WIFI设备数据转换为图形结构，以各个WIFI设备为节点，以各个WIFI设备对应的双边关联系数为权重边，从而构建设备关联图形，进而根据设备关联图形，通过社区发现算法对各个WIFI设备进行层次聚类，从而得到多个WIFI集群。
在一种可能的实施方式中，服务器可以根据基于模块度优化的层次聚类算法进行设备聚类。示意性的，如图5所示，首先，服务器将各个WIFI设备分别假设为一个单独的集群，进而在局部范围内对各个WIFI设备进行模块度计算，比如假设第一WIFI设备与第二WIFI设备属于同一WIFI集群，计算第一WIFI设备与第二WIFI设备之间的第一模块度；假设第一WIFI设备与第三WIFI设备属于同一WIFI集群，计算第一WIFI设备与第三WIFI设备之间的第二模块度……，从而通过对第一WIFI设备进行多次模块度计算，确定出和第一WIFI设备属于同一WIFI集群的其他WIFI设备，同样地，确定出其他WIFI设备所属WIFI集群。进一步的，在完成一次设备聚类之后，服务器即可以将属于同一WIFI集群的WIFI设备合并为一个节点，再进行多轮次的模块度计算和聚类，直到各个WIFI集群的模块度不再增加，即可以得到多个WIFI集群。
可选的，模块度计算的公式可以表示为其中，Q为模块度，m为所有边的权重之和，Ai，j为节点i和节点j之间的边的权重，在节点i和节点j之间没有边相连的情况下，Ai，j＝0，Ki为与节点i相连的所有边的权重之和，Kj为与节点j相连的所有边的权重之和，δ(ci，cj)为克罗内克尔函数，用于表示节点i和节点j是否属于同一集群，若节点i和节点j属于同一集群，则δ(ci，cj)＝1；若节点i和节点j不属于同一集群，则δ(ci，cj)＝0。
步骤404，从目标WIFI集群中确定出参考WIFI设备，参考WIFI设备指具有位置标注的WIFI设备。
在一些实施例中，在对各个WIFI设备进行聚类，得到多个WIFI集群之后，服务器即可以以WIFI集群为单位，通过确定各个WIFI集群对应的关联建筑物，从而确定出属于WIFI集群的各个WIFI设备对应的关联建筑物。
可选的，以目标WIFI集群为例。在一种可能的实施方式中，服务器从目标WIFI集群中确定出参考WIFI设备，其中，参考WIFI设备指具有位置标注的WIFI设备。
可选的，参考WIFI设备可以是具有GPS挖掘位置的WIFI设备。在一种可能的实施方式中，服务器接收到的多个定位请求中存在包含终端位置的定位请求，即终端根据接收到的GPS信号确定的终端位置，从而服务器即可以根据定位请求中的GPS挖掘位置，对WIFI设备进行位置标注，将该WIFI设备作为WIFI集群中的参考WIFI设备。
步骤405，基于各个参考WIFI设备的标注位置，确定目标WIFI集群的位置均值点。
在一些实施例中，在确定出目标WIFI集群中的多个参考WIFI设备之后，服务器即可以根据各个参考WIFI设备的标注位置，确定目标WIFI集群的位置均值点。
在一种可能的实施方式中，服务器可以通过获取各个参考WIFI设备的标注位置对应的地图坐标，从而计算各个地图坐标的坐标均值，得到目标WIFI集群的位置均值点。
步骤406，基于位置均值点，确定满足建筑物数量要求的多个候选建筑物。
在一些实施例中，在确定出目标WIFI集群的位置均值点之后，服务器即可以根据地图信息，查找到距离位置均值点最近的多个候选建筑物。
在一种可能的实施方式中，服务器根据预先设置的建筑物数量要求，以位置均值点为起点，由近及远，查找满足建筑物数量要求的多个候选建筑物。
示意性的，以候选建筑物为楼宇为例，服务器可以在确定多个楼宇后，对各个楼宇进行编号，从而得到每个楼宇的楼宇信息，比如，楼宇信息中可以包括楼宇ID、楼宇中心(楼宇中心对应的经纬度坐标)、楼宇边界点(一个矩形的楼宇可以用它的四个角的经纬度坐标标识其覆盖范围)等。
步骤407，基于参考WIFI设备和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征。
在一些实施例中，在确定目标WIFI集群对应的位置均值点，以及多个候选建筑物之后，服务器即可以根据参考WIFI设备和多个候选建筑物之间的位置关系，以及位置均值点和多个候选建筑物之间的位置关系，确定目标WIFI集群对应的目标集群特征。
可选的，目标集群特征可以包括距离特征、位置特征以及数量特征中的至少一种。
在一种可能的实施方式中，服务器可以分别确定各个参考WIFI设备与各个候选建筑物之间的距离，从而根据各个参考WIFI设备与第i候选建筑物之间的距离之和，确定第一距离特征。
比如，目标WIFI集群对应有5个候选建筑物，则服务器可以计算出各个参考WIFI设备到第一候选建筑物之间的距离之和D1、各个参考WIFI设备到第二候选建筑物之间的距离之和D2、各个参考WIFI设备到第三候选建筑物之间的距离之和D3、各个参考WIFI设备到第四候选建筑物之间的距离之和D4以及各个参考WIFI设备到第五候选建筑物之间的距离之和D5，从而得到第一距离特征(D1，D2，D3，D4，D5)。
在一种可能的实施方式中，服务器还可以基于位置均值点与第i候选建筑物之间的距离，确定第二距离特征。
比如，目标WIFI集群对应有5个候选建筑物，则服务器可以计算出位置均值点到第一候选建筑物之间的距离之和E1、位置均值点到第二候选建筑物之间的距离之和E2、位置均值点到第三候选建筑物之间的距离之和E3、位置均值点到第四候选建筑物之间的距离之和E4以及位置均值点到第五候选建筑物之间的距离之和E5，从而得到第二距离特征(E1，E2，E3，E4，E5)。
在一种可能的实施方式中，服务器还可以对各个参考WIFI设备的标注位置进行位置方差计算，得到位置特征。比如，服务器根据各个参考WIFI设备的地图坐标，分别计算各个坐标轴上的坐标方差，从而将方差计算结果作为位置特征S。
在一种可能的实施方式中，服务器还可以对目标WIFI集群中参考WIFI设备的设备数量以及其他WIFI设备的设备数量进行统计，从而将参考WIFI设备的第一设备数量X，以及其他WIFI设备的第二设备数量Y，作为数量特征。
在一种可能的实施方式中，服务器还可以根据各个参考WIFI设备与第i候选建筑物之间的距离，对第i候选建筑物进行距离评分，从而将各个参考WIFI设备对第i候选建筑物的距离评分结果进行累加，得到第i候选建筑物对应的第i设备评分结果，其中，距离评分和距离呈负相关关系。
比如，目标WIFI集群对应有5个候选建筑物，则候选建筑物的距离评分可以设置为1～5个分值。以第一参考WIFI设备为例，第一参考WIFI设备到第一候选建筑物之间的距离为5米、第一参考WIFI设备到第二候选建筑物之间的距离为10米、第一参考WIFI设备到第三候选建筑物之间的距离为8米、第一参考WIFI设备到第四候选建筑物之间的距离为25米、第一参考WIFI设备到第五候选建筑物之间的距离为18米，则第一参考WIFI设备与第一候选建筑物之间的距离评分为5分、第一参考WIFI设备与第二候选建筑物之间的距离评分为3分、第一参考WIFI设备与第三候选建筑物之间的距离评分为4分、第一参考WIFI设备与第四候选建筑物之间的距离评分为1分、第一参考WIFI设备与第五候选建筑物之间的距离评分为2分。同样地，其他参考WIFI设备基于同样的距离评分方式对5个候选建筑物进行距离评分，从而服务器分别对各个候选建筑物的距离评分结果进行累加，即可以得到第一候选建筑物的第一设备评分结果V1，第二候选建筑物的第二设备评分结果V2，第三候选建筑物的第三设备评分结果V3，第四候选建筑物的第四设备评分结果V4，第五候选建筑物的第五设备评分结果V5。
在一种可能的实施方式中，服务器还可以根据位置均值点与第i候选建筑物之间的距离，对第i候选建筑物进行距离评分，得到第i候选建筑物对应的第i均值点评分结果，其中，距离评分和距离呈负相关关系。
比如，目标WIFI集群对应有5个候选建筑物，则候选建筑物的距离评分可以设置为1～5个分值。位置均值点到第一候选建筑物之间的距离为6米、位置均值点到第二候选建筑物之间的距离为12米、位置均值点到第三候选建筑物之间的距离为9米、位置均值点到第四候选建筑物之间的距离为23米、位置均值点到第五候选建筑物之间的距离为16米，则第一候选建筑物的第一均值点评分结果M1为5分、第二候选建筑物的第二均值点评分结果M2为3分、第三候选建筑物的第三均值点评分结果M3为4分、第四候选建筑物的第四均值点评分结果M4为1分、第五候选建筑物的第五均值点评分结果M5为2分。
进而，在确定各个候选建筑物对应的设备评分结果以及均值点评分结果之后，服务器即可以将各个候选建筑物对应的设备评分结果以及均值点评分结果，也作为目标WIFI集群的目标集群特征。
比如，目标WIFI集群对应有5个候选建筑物，则目标WIFI集群的目标集群特征可以表示为(D1，D2，D3，D4，D5，E1，E2，E3，E4，E5，V1，V2，V3，V4，V5，M1，M2，M3，M4，M5，S，X，Y)。
步骤408，将目标集群特征输入设备关联模型中的关联判别网络，得到关联判别网格输出的目标关联判别结果。
在一些实施例中，设备关联模型中包括关联判别网络以及建筑物判别网络，其中，关联判别网络用于判别目标WIFI集群是否存在关联建筑物，建筑物判别网络用于判别目标WIFI集群与哪个候选建筑物关联。
可选的，设备关联模型可以是基于决策树算法的模型，比如极致梯度提升(eXtreme Gradient Boosting，XGBoost)模型、梯度提升框架(Light Gradient BoostingMachine，LightGBM)模型等等，本申请实施例对此不作限定。
示意性的，如图6所示，设备关联模型600中包括关联判别网络601以及建筑物判别网络602，服务器可以先通过关联判别网络601判别目标WIFI集群是否存在关联建筑物，再通过建筑物判别网络602判别目标WIFI集群与具体哪个候选建筑物关联。
在一种可能的实施方式中，在得到目标WIFI集群的目标集群特征之后，服务器即可以将目标集群特征输入设备关联模型中的关联判别网络，通过关联判别网络输出目标WIFI集群对应的目标关联判别结果。
在一种可能的实施方式中，关联判别网络为XGBoost模型，其输出为目标WIFI集群的关联置信度，范围在0～1之间，其中，在关联置信度大于0.7的情况下，目标关联判别结果即为目标WIFI集群存在关联建筑物；在关联置信度小于0.7的情况下，目标关联判别结果即为目标WIFI集群不存在关联建筑物。
步骤409，在目标关联判别结果指示目标WIFI集群存在建筑物关联关系的情况下，将目标集群特征以及关联判别网络输出的中间特征，输入设备关联模型中的建筑物判别网络，得到建筑物判别网络输出的目标建筑物关联结果。
在一种可能的实施方式中，在目标关联判别结果指示目标WIFI集群存在建筑物关联关系的情况下，服务器即可以继续将目标集群特征以及关联判别网络输出的中间特征，输入设备关联模型中的建筑物判别网络，从而得到建筑物判别网络输出的目标建筑物关联结果。
在一种可能的实施方式中，建筑物判别网络为lightGBM模型，其输出分别对应各个候选建筑物的建筑物置信度，范围在0～1之间，其中，建筑物置信度最高值对应的候选建筑物即为目标WIFI集群对应的目标建筑物。比如，在存在5个候选建筑物的情况下，建筑物判别网络则存在5个输出头，分别输出5个候选建筑物对应的建筑物置信度，从而服务器将5个建筑物置信度中的最大值对应的候选建筑物确定为目标建筑物。
可选的，为了提高设备关联模型的输出准确性，服务器还需要预先对设备关联模型进行训练。在一种可能的实施方式中，服务器首先获取样本WIFI设备以及样本WIFI设备所属样本WIFI集群的样本集群特征，其中，样本WIFI设备为具有位置绑定的WIFI设备，比如，样本WIFI设备可以是经过POI(Point of Interest，兴趣点)绑定的WIFI设备，也可以是人工标注的WIFI设备。
示意性的，兴趣点(Point of Interest，POI)，在地理信息系统、导航系统和地图应用中，POI通常指的是用户可能感兴趣或需要知道的特定地点，如餐馆、酒店、加油站、博物馆、公园、地铁站等。
进而，服务器根据样本WIFI设备与多个候选建筑物之间的位置关系，确定样本集群特征对应的建筑物关联真值，并根据建筑物关联真值对样本集群特征进行真值标记，得到经过标记的样本集群特征。
示意性的，在样本WIFI设备位于候选建筑物外的情况下，服务器确定样本集群特征不具有关联建筑物，并将样本集群特征的建筑物关联真值标记为“0”；在样本WIFI设备位于候选建筑物内的情况下，服务器确定样本集群特征具有关联建筑物，并将样本集群特征的建筑物关联真值标记为“1”，同时服务器还需要确定样本集群特征与哪个候选建筑物关联，并进一步对样本集群特征进行标记，比如，在存在5个候选建筑物的情况下，若样本WIFI设备位于第一候选建筑物，则将样本集群特征的建筑物关联真值标记为“1”；若样本WIFI设备位于第二候选建筑物，则将样本集群特征的建筑物关联真值标记为“2”，以此类推。
进一步的，服务器可以先将经过标记的样本集群特征输入设备关联模型中的关联判别网络，从而得到关联判别网络输出的样本关联判别结果，并根据样本关联判别结果与建筑物关联真值，先对关联判别网络进行训练，得到训练后的关联判别网络。进而在得到训练后的关联判别网络后，服务器即可以将经过标记的样本集群特征以及训练后的关联判别网络输出的样本中间特征，输入设备关联模型中的建筑物判别网络，从而得到建筑物判别网络输出的样本建筑物关联结果，进而根据样本建筑物关联结果与建筑物关联真值，对建筑物判别网络进行训练，得到训练后的建筑物判别网络，最终基于训练后的关联判别网络以及训练后的建筑物判别网络，得到训练后的设备关联模型。
在一些实施例中，为了提高模型训练的效率，在对关联判别网络和建筑物判别网络进行训练的过程中，服务器可以对样本集群特征进行不同标记。可选的，在对关联判别网络进行训练的过程中，服务器可以将经过“是否”标签标记的样本集群特征输入关联判别网络。在对建筑物判别网络进行训练的过程中，服务器可以将具有关联建筑物，且经过建筑物序号标记的样本集群特征输入建筑物判别网络。
可选的，服务器将经过标记的样本集群特征输入设备关联模型中的关联判别网络，得到关联判别网络输出的样本关联判别结果，进而在样本关联判别结果表征样本WIFI集群存在建筑物关联关系的情况下，将经过标记的样本集群特征输入设备关联模型中的建筑物判别网络，得到建筑物判别网络输出的样本建筑物关联结果。进而，服务器根据样本关联判别结果与关联判别真值、以及样本建筑物关联结果与建筑物关联真值，对关联判别网络和建筑物判别网络进行训练，得到训练好的设备关联模型。
可选的，在关联判别网络为XGBoost模型，建筑物判别网络为LightGBM模型的情况下，在构建决策树的过程中，服务器可以采用深度优先分裂策略，从而增加对决策树的最大深度的限制，以减少过拟合的风险，并在损失函数中引入泰勒展开近似，从而加速模型训练过程。
步骤410，在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。
在一些实施例中，在得到设备关联模型输出的目标建筑物关联结果之后，服务器即可以根据目标建筑物关联结果判断目标WIFI集群是否与候选建筑物存在关联，在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，服务器即可以将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。
可选的，目标WIFI集群中包括已基于GPS位置信息确定位置的WIFI设备，还可以尚未确定位置的WIFI设备。其中，对于尚未确定位置的WIFI设备，服务器可以直接将WIFI设备与目标建筑物进行关联；若已确定位置的WIFI设备对应的位置信息与目标建筑物的位置不同，则服务器需要对该WIFI设备的位置信息进行修改，将该WIFI设备与目标建筑物关联。
示意性的，在确定目标WIFI集群对应的目标建筑物为一号楼宇的情况下，即表示目标WIFI集群中各个目标WIFI设备对应的目标建筑物均为一号楼宇，从而服务器可以将尚未确定位置的第一WIFI设备与一号楼宇进行关联，还可以更改原本与二号楼宇关联的第二WIFI设备的关联状态，将第二WIFI设备与一号楼宇进行关联，从而使得目标WIFI集群中所有WIFI设备均与一号楼宇进行关联。并且在目标WIFI集群中存在新增WIFI设备的情况下，服务器也可以将新增WIFI设备直接与一号楼宇进行关联，从而提高WIFI设备与楼宇关联的效率和准确性。
上述实施例中，根据各个WIFI设备的设备信息在多个定位请求中出现的次数，确定出各个关联WIFI设备之间的双边关联系数，进而基于各个WIFI设备对应的双边关联系数进行设备聚类，确定WIFI集群，提高了WIFI集群的准确性。并且通过根据WIFI集群中参考WIFI设备以及多个候选建筑物之间的位置关系，确定WIFI集群的集群特征，进而根据该集群特征，通过设备关联模型确定WIFI集群的建筑物关联结果，提高了WIFI集群与建筑物之间的关联准确性。
在一种可能的实施方式中，考虑到服务器是通过获取一段时间内的多个定位请求，从而对多个定位请求中包含的设备信息对应的WIFI设备进行WIFI关联，而对于在之后一段时间内新增的WIFI设备，若想要对新增WIFI设备进行关联，服务器则需要重新获取新的时间段内的多个定位请求，并根据多个定位请求中的各个WIFI设备之间的设备共现情况，重新进行聚类，得到新的WIFI集群，从而确定WIFI集群的集群特征，并通过设备关联模型，输出WIFI集群对应的建筑物关联结果。
在另一种可能的实施方式中，为了提高WIFI设备的关联效率，服务器还可以先确定新增WIFI设备的双边关联系数，在新增WIFI设备与某一WIFI集群的设备关联程度较大的情况下，服务器还可以直接将该WIFI集群对应的关联建筑物与新增WIFI设备进行关联。
可选的，服务器获取第二历史时间段内的多个定位请求，该第二历史时间段为位于第一历史时间段之后的某一时间段，进而在第二历史时间段内的多个定位请求中包含新增WIFI设备的设备信息的情况下，服务器确定新增WIFI设备对应的双边关联系数，从而根据新增WIFI设备对应的双边关联系数，确定新增WIFI设备所属WIFI集群，并将新增WIFI设备所属WIFI集群对应的关联建筑物与新增WIFI设备进行关联。
示意性的，在新增WIFI设备仅与WIFI集群1中的第一WIFI设备以及第二WIFI设备存在双边关联系数的情况下，服务器可以直接将WIFI集群1对应的关联建筑物与新增WIFI设备进行关联。
上述实施例中，在后续时间段内的定位请求中存在新增WIFI设备的情况下，通过确定该新增WIFI设备对应的双边关联系数，从而直接根据该双边关联系数，将与该新增WIFI设备存在较大关联程度的WIFI集群确定为新增WIFI设备的所属WIFI集群，进而直接将该新增WIFI设备与所属WIFI集群的关联建筑物进行关联，提高了新增WIFI设备与建筑物之间的关联效率。
在一些实施例中，以WIFI设备实现为WIFI的接入点设备为例进行说明，本申请实施例提供的WIFI关联方法也可被称为“WIFI设备关联算法”，示意性的，请参考图7，其示出了本申请一个示例性实施例提供的WIFI设备关联算法流程图。该算法主要包括以下模块：关联系数计算模块701、设备发现聚类模块702、集群特征生成模块703、设备关联模型输出模块704。
关联系数计算模块701：用于基于历史时间段的多个定位请求，计算各个WIFI设备对应的双边关联系数。
示意性的，一个历史定位请求中，其中必包含了扫描到的所有WIFI设备的MAC和RSS，形同[MAC1，RSS1；MAC2，RSS2；MAC3，RSS3；……]，对于MAC1，统计MAC1的RSS大于信号强度阈值-50db的定位请求的第一请求数量P，然后在MAC1的RSS大于信号强度阈值-50db的定位请求中，统计MAC2的RSS大于信号强度阈值-70db的定位请求的第一共现数量Q，从而得到第一WIFI设备和第二WIFI设备之间的第一单边关联系数Q/P，同样的，计算出第一WIFI设备和第二WIFI设备之间的第二单边关联系数，从而将第一单边关联系数与第二单边关联系数之间的系数均值作为第一WIFI设备和第二WIFI设备之间的双边关联系数。
设备发现聚类模块702：用于根据各个WIFI设备对应的双边关联系数，进行设备聚类，从而得到多个WIFI集群。
示意性的，服务器将各个WIFI设备分别假设为一个单独的集群，进而在局部范围内对各个WIFI设备进行模块度计算，比如假设第一WIFI设备与第二WIFI设备属于同一WIFI集群，计算第一WIFI设备与第二WIFI设备之间的第一模块度；假设第一WIFI设备与第三WIFI设备属于同一WIFI集群，计算第一WIFI设备与第三WIFI设备之间的第二模块度……，从而通过对第一WIFI设备进行多次模块度计算，确定出和第一WIFI设备属于同一WIFI集群的其他WIFI设备，同样地，确定出其他WIFI设备所属WIFI集群。进一步的，在完成一次设备聚类之后，服务器即可以将属于同一WIFI集群的WIFI设备合并为一个节点，再进行多轮次的模块度计算和聚类，直到各个WIFI集群的模块度不再增加，即可以得到多个WIFI集群。
集群特征生成模块703：用于根据WIFI集群中的多个参考WIFI设备，生成WIFI集群的集群特征。
示意性的，服务器将WIFI集群中已经具有GPS位置信息的WIFI设备作为参考设备，从而根据多个参考WIFI设备的位置信息，计算出WIFI集群的位置均值点，并根据位置均值点确定出距离最近的5个候选建筑物，从而根据多个参考WIFI设备与候选建筑物之间的位置关系，以及位置均值点与候选建筑物之间的位置关系，生成WIFI集群的集群特征。
设备关联模型输出模块704：用于根据WIFI集群的集群特征，通过设备关联模型输出WIFI集群对应的建筑物关联结果，从而根据建筑物关联结果所指示的关联建筑物，对WIFI集群内的各个WIFI设备进行建筑物关联。
示意性的，设备关联模型输出WIFI集群对应的建筑物关联结果指示WIFI集群对应有关联建筑物1，从而服务器将各个WIFI设备与建筑物1进行关联，包括将无位置信息的WIFI设备与建筑物1进行关联，还包括将已有位置信息但位置信息不准确的WIFI设备与建筑物1进行关联。
请参考图8，其示出了本申请一个示例性实施例提供的WIFI关联装置的结构框图，该装置包括：
设备聚类模块801，用于基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，所述WIFI集群内各个WIFI设备之间的设备关联度高于所述WIFI集群内WIFI设备与所述WIFI集群外WIFI设备之间的设备关联度；
特征确定模块802，用于基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征；
结果确定模块803，用于基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果；
设备关联模块804，用于在所述目标建筑物关联结果指示所述目标WIFI集群存在关联目标建筑物的情况下，将所述目标WIFI集群内的各个目标WIFI设备与所述目标建筑物进行关联。
可选的，所述特征确定模块802，包括：
设备确定单元，用于从所述目标WIFI集群中确定出参考WIFI设备，所述参考WIFI设备指具有位置标注的WIFI设备；
均值点确定单元，用于基于各个参考WIFI设备的标注位置，确定所述目标WIFI集群的位置均值点；
建筑物确定单元，用于基于所述位置均值点，确定满足建筑物数量要求的多个所述候选建筑物；
特征确定单元，用于基于所述参考WIFI设备和多个所述候选建筑物之间的位置关系，确定所述目标WIFI集群的所述目标集群特征。
可选的，所述目标集群特征包括距离特征、位置特征以及数量特征中的至少一种；
所述特征确定单元，用于：
基于各个参考WIFI设备与第i候选建筑物之间的距离之和，确定第一距离特征；
基于所述位置均值点与所述第i候选建筑物之间的距离，确定第二距离特征；
对各个参考WIFI设备的标注位置进行位置方差计算，得到所述位置特征；
基于所述目标WIFI集群中所述参考WIFI设备的第一设备数量，以及其他WIFI设备的第二设备数量，得到所述数量特征。
可选的，所述特征确定单元，还用于：
基于各个参考WIFI设备与第i候选建筑物之间的距离，对所述第i候选建筑物进行距离评分，得到所述第i候选建筑物对应的第i设备评分结果，其中，距离评分和距离呈负相关关系；
基于所述位置均值点与所述第i候选建筑物之间的距离，对所述第i候选建筑物进行距离评分，得到所述第i候选建筑物对应的第i均值点评分结果；
将各个候选建筑物对应的设备评分结果以及均值点评分结果，作为所述目标WIFI集群的所述目标集群特征。
可选的，所述结果确定模块803，用于：
将所述目标集群特征输入设备关联模型中的关联判别网络，得到所述关联判别网格输出的目标关联判别结果；
在所述目标关联判别结果指示所述目标WIFI集群存在建筑物关联关系的情况下，将所述目标集群特征以及所述关联判别网络输出的中间特征，输入所述设备关联模型中的建筑物判别网络，得到所述建筑物判别网络输出的所述目标建筑物关联结果。
可选的，所述装置还包括：
样本获取模块，用于获取样本WIFI设备以及所述样本WIFI设备所属样本WIFI集群的样本集群特征，所述样本WIFI设备为具有位置绑定的WIFI设备；
真值确定模块，用于基于所述样本WIFI设备与多个所述候选建筑物之间的位置关系，确定所述样本集群特征对应的建筑物关联真值；
真值标记模块，用于基于所述建筑物关联真值对所述样本集群特征进行真值标记，得到经过标记的所述样本集群特征；
第一样本输出模块，用于将经过标记的所述样本集群特征输入所述设备关联模型中的所述关联判别网络，得到所述关联判别网络输出的样本关联判别结果；
第一训练模块，用于基于所述样本关联判别结果与所述建筑物关联真值，对所述关联判别网络进行训练，得到训练后的所述关联判别网络；
第二样本输出模块，用于将经过标记的所述样本集群特征，以及训练后的所述关联判别网络输出的样本中间特征，输入所述设备关联模型中的所述建筑物判别网络，得到所述建筑物判别网络输出的样本建筑物关联结果；
第二训练模块，用于基于所述样本建筑物关联结果与所述建筑物关联真值，对所述建筑物判别网络进行训练，得到训练后的所述建筑物判别网络；
第三训练模块，用于基于训练后的所述关联判别网络以及训练后的所述建筑物判别网络，得到训练后的所述设备关联模型。
可选的，所述设备聚类模块801，包括：
请求获取单元，用于获取第一历史时间段内的多个定位请求，所述定位请求中包括多个WIFI设备的设备信息，所述设备信息至少包括设备标识以及接收信号强度；
系数确定单元，用于基于多个所述定位请求，确定关联WIFI设备以及所述关联WIFI设备之间的双边关联系数，所述关联WIFI设备为属于同一定位请求的至少两个设备信息所指示的WIFI设备，所述双边关联系数表征所述关联WIFI设备之间的设备关联程度；
设备聚类单元，用于基于所述关联WIFI设备以及所述双边关联系数，对各个WIFI设备进行聚类，得到多个所述WIFI集群。
可选的，所述关联WIFI设备中包括第一WIFI设备以及第二WIFI设备；
所述系数确定单元，用于：
基于多个所述定位请求，确定包含所述第一WIFI设备的设备信息的定位请求的第一请求数量，以及所述第二WIFI设备的设备信息的定位请求的第二请求数量；
基于多个所述定位请求，确定所述第一WIFI设备与所述第二WIFI设备之间的共现数量，所述共现数量指包含所述第一WIFI设备以及所述第二WIFI设备的设备信息的定位请求的请求数量；
基于所述第一请求数量、所述第二请求数量以及所述共现数量，确定所述第一WIFI设备和所述第二WIFI设备之间的所述双边关联系数。
可选的，所述系数确定单元，还用于：
基于多个所述定位请求，确定所述第一WIFI设备的接收信号强度符合第一信号强度要求的定位请求的所述第一请求数量；
基于多个所述定位请求，确定所述第二WIFI设备的接收信号强度符合所述第一信号强度要求的定位请求的所述第二请求数量；
所述系数确定单元，还用于：
基于多个所述定位请求，确定所述第一WIFI设备的接收信号强度符合所述第一信号强度要求，且所述第二WIFI设备的接收信号强度符合第二信号强度要求的定位请求的第一共现数量；
基于多个所述定位请求，确定所述第二WIFI设备的接收信号强度符合所述第一信号强度要求，且所述第一WIFI设备的接收信号强度符合所述第二信号强度要求的定位请求的第二共现数量；
所述系数确定单元，还用于：
基于所述第一请求数量与所述第一共现数量之间的比例，以及所述第二请求数量与所述第二共现数量之间的比例，确定所述第一WIFI设备和所述第二WIFI设备之间的所述双边关联系数。
可选的，所述设备聚类单元，还用于：
以各个WIFI设备为节点，以各个WIFI设备对应的双边关联系数为权重边，构建设备关联图形；
基于所述设备关联图形，对各个WIFI设备进行层次聚类，得到多个所述WIFI集群。
可选的，所述装置还包括：
请求获取模块，用于获取第二历史时间段内的多个定位请求，所述第二历史时间段位于第一历史时间段之后；
系数确定模块，用于在所述第二历史时间段内的多个定位请求中包含新增WIFI设备的设备信息的情况下，确定所述新增WIFI设备对应的双边关联系数；
集群确定模块，用于基于所述新增WIFI设备对应的双边关联系数，确定所述新增WIFI设备所属WIFI集群；
所述设备关联模块，还用于将所述新增WIFI设备所属WIFI集群对应的关联建筑物与所述新增WIFI设备进行关联。
综上所述，本申请实施例中，通过根据WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，从而以各个WIFI集群为单位，根据目标WIFI集群和多个候选建筑物之间的位置关系，确定目标WIFI集群的目标集群特征，并基于目标集群特征，确定目标WIFI集群对应的目标建筑物关联结果，并在目标建筑物关联结果指示目标WIFI集群存在关联目标建筑物的情况下，直接将目标WIFI集群内的各个目标WIFI设备与目标建筑物进行关联。采用本申请实施例提供的方案，通过以WIFI集群为整体，可以实现在未获取到WIFI集群中部分WIFI设备的位置信息的情况下，也能够直接根据WIFI集群的建筑物关联结果，对该部分WIFI设备进行建筑物关联；并且还可以对已通过其他方式确定位置的WIFI设备的位置信息进行优化调整，从而提高了WIFI设备和建筑物之间的关联效率，提高了定位准确度。
请参考图9，其示出了本申请一个示例性实施例提供的计算机设备的结构示意图。具体来讲：所述计算机设备900包括中央处理单元(Central Processing Unit，CPU)901、包括随机存取存储器902和只读存储器903的系统存储器904，以及连接系统存储器904和中央处理单元901的系统总线905。所述计算机设备900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(Input/Output，I/O系统)906，和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为计算机设备900提供非易失性存储。也就是说，所述大容量存储设备907可以包括诸如硬盘或者驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括随机存取记忆体(RAM，Random Access Memory)、只读存储器(ROM，Read Only Memory)、闪存或其他固态存储其技术，只读光盘(Compact Disc Read-Only Memory，CD-ROM)、数字通用光盘(Digital Versatile Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元901执行，一个或多个程序包含用于实现上述方法的指令，中央处理单元901执行该一个或多个程序实现上述各个方法实施例提供的WIFI关联方法。
根据本申请的各种实施例，所述计算机设备900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备900可以通过连接在所述系统总线905上的网络接口单元912连接到网络911，或者说，也可以使用网络接口单元912来连接到其他类型的网络或远程计算机系统(未示出)。
本申请实施例还提供一种计算机可读存储介质，该可读存储介质中存储有至少一条计算机指令，至少一条计算机指令由处理器加载并执行以实现上述实施例所述的WIFI关联方法。
可选地，该计算机可读存储介质可以包括：ROM、RAM、固态硬盘(SSD，Solid StateDrives)或光盘等。其中，RAM可以包括电阻式随机存取记忆体(ReRAM，Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。
本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例所述的WIFI关联方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种WIFI关联方法，其特征在于，所述方法包括：
基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，所述WIFI集群内各个WIFI设备之间的设备关联度高于所述WIFI集群内WIFI设备与所述WIFI集群外WIFI设备之间的设备关联度；
基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征；
基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果；
在所述目标建筑物关联结果指示所述目标WIFI集群存在关联目标建筑物的情况下，将所述目标WIFI集群内的各个目标WIFI设备与所述目标建筑物进行关联。
2.根据权利要求1所述的方法，其特征在于，所述基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征，包括：
从所述目标WIFI集群中确定出参考WIFI设备，所述参考WIFI设备指具有位置标注的WIFI设备；
基于各个参考WIFI设备的标注位置，确定所述目标WIFI集群的位置均值点；
基于所述位置均值点，确定满足建筑物数量要求的多个所述候选建筑物；
基于所述参考WIFI设备和多个所述候选建筑物之间的位置关系，确定所述目标WIFI集群的所述目标集群特征。
3.根据权利要求2所述的方法，其特征在于，所述目标集群特征包括距离特征、位置特征以及数量特征中的至少一种；
所述基于所述参考WIFI设备和多个所述候选建筑物之间的位置关系，确定所述目标WIFI集群的所述目标集群特征，包括：
基于各个参考WIFI设备与第i候选建筑物之间的距离之和，确定第一距离特征；
基于所述位置均值点与所述第i候选建筑物之间的距离，确定第二距离特征；
对各个参考WIFI设备的标注位置进行位置方差计算，得到所述位置特征；
基于所述目标WIFI集群中所述参考WIFI设备的第一设备数量，以及其他WIFI设备的第二设备数量，得到所述数量特征。
4.根据权利要求2所述的方法，其特征在于，所述基于所述参考WIFI设备和多个所述候选建筑物之间的位置关系，确定所述目标WIFI集群的所述目标集群特征，还包括：
基于各个参考WIFI设备与第i候选建筑物之间的距离，对所述第i候选建筑物进行距离评分，得到所述第i候选建筑物对应的第i设备评分结果，其中，距离评分和距离呈负相关关系；
基于所述位置均值点与所述第i候选建筑物之间的距离，对所述第i候选建筑物进行距离评分，得到所述第i候选建筑物对应的第i均值点评分结果；
将各个候选建筑物对应的设备评分结果以及均值点评分结果，作为所述目标WIFI集群的所述目标集群特征。
5.根据权利要求1所述的方法，其特征在于，所述基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果，包括：
将所述目标集群特征输入设备关联模型中的关联判别网络，得到所述关联判别网格输出的目标关联判别结果；
在所述目标关联判别结果指示所述目标WIFI集群存在建筑物关联关系的情况下，将所述目标集群特征以及所述关联判别网络输出的中间特征，输入所述设备关联模型中的建筑物判别网络，得到所述建筑物判别网络输出的所述目标建筑物关联结果。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取样本WIFI设备以及所述样本WIFI设备所属样本WIFI集群的样本集群特征，所述样本WIFI设备为具有位置绑定的WIFI设备；
基于所述样本WIFI设备与多个所述候选建筑物之间的位置关系，确定所述样本集群特征对应的建筑物关联真值；
基于所述建筑物关联真值对所述样本集群特征进行真值标记，得到经过标记的所述样本集群特征；
将经过标记的所述样本集群特征输入所述设备关联模型中的所述关联判别网络，得到所述关联判别网络输出的样本关联判别结果；
基于所述样本关联判别结果与所述建筑物关联真值，对所述关联判别网络进行训练，得到训练后的所述关联判别网络；
将经过标记的所述样本集群特征，以及训练后的所述关联判别网络输出的样本中间特征，输入所述设备关联模型中的所述建筑物判别网络，得到所述建筑物判别网络输出的样本建筑物关联结果；
基于所述样本建筑物关联结果与所述建筑物关联真值，对所述建筑物判别网络进行训练，得到训练后的所述建筑物判别网络；
基于训练后的所述关联判别网络以及训练后的所述建筑物判别网络，得到训练后的所述设备关联模型。
7.根据权利要求1所述的方法，其特征在于，所述基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，包括：
获取第一历史时间段内的多个定位请求，所述定位请求中包括多个WIFI设备的设备信息，所述设备信息至少包括设备标识以及接收信号强度；
基于多个所述定位请求，确定关联WIFI设备以及所述关联WIFI设备之间的双边关联系数，所述关联WIFI设备为属于同一定位请求的至少两个设备信息所指示的WIFI设备，所述双边关联系数表征所述关联WIFI设备之间的设备关联程度；
基于所述关联WIFI设备以及所述双边关联系数，对各个WIFI设备进行聚类，得到多个所述WIFI集群。
8.根据权利要求7所述的方法，其特征在于，所述关联WIFI设备中包括第一WIFI设备以及第二WIFI设备；
所述基于多个所述定位请求，确定关联WIFI设备以及所述关联WIFI设备之间的双边关联系数，包括：
基于多个所述定位请求，确定包含所述第一WIFI设备的设备信息的定位请求的第一请求数量，以及所述第二WIFI设备的设备信息的定位请求的第二请求数量；
基于多个所述定位请求，确定所述第一WIFI设备与所述第二WIFI设备之间的共现数量，所述共现数量指包含所述第一WIFI设备以及所述第二WIFI设备的设备信息的定位请求的请求数量；
基于所述第一请求数量、所述第二请求数量以及所述共现数量，确定所述第一WIFI设备和所述第二WIFI设备之间的所述双边关联系数。
9.根据权利要求8所述的方法，其特征在于，所述基于多个所述定位请求，确定包含所述第一WIFI设备的设备信息的定位请求的第一请求数量，以及所述第二WIFI设备的设备信息的定位请求的第二请求数量，包括：
基于多个所述定位请求，确定所述第一WIFI设备的接收信号强度符合第一信号强度要求的定位请求的所述第一请求数量；
基于多个所述定位请求，确定所述第二WIFI设备的接收信号强度符合所述第一信号强度要求的定位请求的所述第二请求数量；
所述基于多个所述定位请求，确定所述第一WIFI设备与所述第二WIFI设备之间的共现数量，包括：
基于多个所述定位请求，确定所述第一WIFI设备的接收信号强度符合所述第一信号强度要求，且所述第二WIFI设备的接收信号强度符合第二信号强度要求的定位请求的第一共现数量；
基于多个所述定位请求，确定所述第二WIFI设备的接收信号强度符合所述第一信号强度要求，且所述第一WIFI设备的接收信号强度符合所述第二信号强度要求的定位请求的第二共现数量；
所述基于所述第一请求数量、所述第二请求数量以及所述共现数量，确定所述第一WIFI设备和所述第二WIFI设备之间的所述双边关联系数，包括：
基于所述第一请求数量与所述第一共现数量之间的比例，以及所述第二请求数量与所述第二共现数量之间的比例，确定所述第一WIFI设备和所述第二WIFI设备之间的所述双边关联系数。
10.根据权利要求7所述的方法，其特征在于，所述基于所述关联WIFI设备以及所述双边关联系数，对各个WIFI设备进行聚类，得到多个所述WIFI集群，包括：
以各个WIFI设备为节点，以各个WIFI设备对应的双边关联系数为权重边，构建设备关联图形；
基于所述设备关联图形，对各个WIFI设备进行层次聚类，得到多个所述WIFI集群。
11.根据权利要求1至10任一所述的方法，其特征在于，所述方法还包括：
获取第二历史时间段内的多个定位请求，所述第二历史时间段位于第一历史时间段之后；
在所述第二历史时间段内的多个定位请求中包含新增WIFI设备的设备信息的情况下，确定所述新增WIFI设备对应的双边关联系数；
基于所述新增WIFI设备对应的双边关联系数，确定所述新增WIFI设备所属WIFI集群；
将所述新增WIFI设备所属WIFI集群对应的关联建筑物与所述新增WIFI设备进行关联。
12.一种WIFI关联装置，其特征在于，所述装置包括：
设备聚类模块，用于基于WIFI设备之间的设备共现情况，对各个WIFI设备进行聚类，得到多个WIFI集群，所述WIFI集群内各个WIFI设备之间的设备关联度高于所述WIFI集群内WIFI设备与所述WIFI集群外WIFI设备之间的设备关联度；
特征确定模块，用于基于目标WIFI集群和多个候选建筑物之间的位置关系，确定所述目标WIFI集群的目标集群特征；
结果确定模块，用于基于所述目标集群特征，确定所述目标WIFI集群对应的目标建筑物关联结果；
设备关联模块，用于在所述目标建筑物关联结果指示所述目标WIFI集群存在关联目标建筑物的情况下，将所述目标WIFI集群内的各个目标WIFI设备与所述目标建筑物进行关联。
13.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器；所述存储器存储有至少一条计算机指令，所述至少一条计算机指令用于被所述处理器执行以实现如权利要求1至11任一所述的WIFI关联方法。
14.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条计算机指令，所述至少一条计算机指令由处理器加载并执行以实现如权利要求1至11任一所述的WIFI关联方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中；计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行如权利要求1至11任一所述的WIFI关联方法。
CN202311578544.1A 2023-11-23 2023-11-23 Wifi关联方法、装置、设备及存储介质 Pending CN117615313A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311578544.1A CN117615313A (zh) 2023-11-23 2023-11-23 Wifi关联方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311578544.1A CN117615313A (zh) 2023-11-23 2023-11-23 Wifi关联方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117615313A true CN117615313A (zh) 2024-02-27

Family

ID=89957412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311578544.1A Pending CN117615313A (zh) 2023-11-23 2023-11-23 Wifi关联方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117615313A (zh)

Similar Documents

Publication Publication Date Title
US10382556B2 (en) Iterative learning for reliable sensor sourcing systems
WO2021092873A1 (zh) 一种对终端设备进行楼层判定的方法
US9313617B2 (en) Identification of points of interest and positioning based on points of interest
US20240265038A1 (en) Method and apparatus for dividing region, storage medium, and electronic device
CN110263117B (zh) 一种用于确定兴趣点poi数据的方法与装置
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
JP2014524167A (ja) ３段階のプロセスを用いた屋内における階と位置の推定
CN110532546B (zh) 一种融合地理位置和文本相似性的警情自动下发方法
CN112015937B (zh) 一种图片地理定位方法及系统
US20200304954A1 (en) Positioning method, positioning apparatus, server, and computer-readable storage medium
CN110753298B (zh) 一种定位方法及其装置、设备和存储介质
CN111382278B (zh) 一种基于时空轨迹的社交网络构建方法及构建系统
CN105635956A (zh) 一种基于室内虚拟地标的定位方法及装置
CN116308958A (zh) 基于移动终端的碳排放在线检测预警系统及方法
CN116528282B (zh) 覆盖场景识别方法、装置、电子设备和可读存储介质
WO2022033247A1 (zh) 道路侧定位方法、装置、设备及存储介质
CN111782980A (zh) 地图兴趣点的挖掘方法、装置、设备及存储介质
US20220124456A1 (en) Positioning system with floor name vertical positioning
CN110909804B (zh) 基站异常数据的检测方法、装置、服务器和存储介质
CN114881430B (zh) 一种基于网络地图服务的社区生活便利度评价方法
CN114758364B (zh) 基于深度学习的工业物联网场景融合定位方法及系统
CN108521631A (zh) 一种面向室内定位的移动ap识别方法
TW202146850A (zh) 確定路名之處理裝置及方法
CN110596739B (zh) 基于卫星定位和WiFi模块的建筑物识别系统及方法
CN115979215B (zh) 一种楼层识别方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication