FI113141B - Subscriber tracking procedure - Google Patents

Subscriber tracking procedure Download PDF

Info

Publication number
FI113141B
FI113141B FI20011125A FI20011125A FI113141B FI 113141 B FI113141 B FI 113141B FI 20011125 A FI20011125 A FI 20011125A FI 20011125 A FI20011125 A FI 20011125A FI 113141 B FI113141 B FI 113141B
Authority
FI
Finland
Prior art keywords
value
estimate
reliability
sum
location
Prior art date
Application number
FI20011125A
Other languages
Finnish (fi)
Swedish (sv)
Other versions
FI20011125A0 (en
FI20011125A (en
Inventor
Juha Halme
Tero Heinonen
Antti Mettaelae
Original Assignee
Locus Portal Corp
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 Locus Portal Corp filed Critical Locus Portal Corp
Priority to FI20011125A priority Critical patent/FI113141B/en
Publication of FI20011125A0 publication Critical patent/FI20011125A0/en
Publication of FI20011125A publication Critical patent/FI20011125A/en
Application granted granted Critical
Publication of FI113141B publication Critical patent/FI113141B/en

Links

Landscapes

  • Position Fixing By Use Of Radio Waves (AREA)

Description

1 1131411, 113141

Menetelmä tilaajien jäljittämiseksiA method for tracking subscribers

Keksinnön alaField of the Invention

Keksintö liittyy yleisesti mobiilitilaajien jäljittämiseen ja jäljitysin-5 formaation tarjoamiseen lisäarvopalvelusovelluksille.The invention relates generally to tracking and subscribing mobile subscribers to value-added service applications.

Tekniikan taustaTechnology background

Mobiiliverkot (PLMN) sisältävät informaatiota tilaajiensa sijainnista. Verkon maantieteellinen alue muodostuu osittain päällekkäisistä soluista 10 siten, että verkon jokaisella tukiasemalla on oma solunsa. Tukiasema tai jokin muu yksikkö määrittää palstan, missä tilaaja sijaitsee tällä hetkellä. Palsta on verkon alue.Mobile networks (PLMNs) contain information about the location of their subscribers. The geographical area of the network is made up of partially overlapping cells 10 such that each base station in the network has its own cell. The base station or other unit determines the column where the subscriber is currently located. The column is the area of the network.

Kuvio 1 esittää esimerkin palstan muodosta, missä minimi- ja maksimiradius ja kulma määrittävät muodon. Kuitenkin palstan muoto voi 15 vaihdella eri verkkojärjestelmissä ja eri paikannusmenetelmissä, muoto voi olla mikä tahansa geometrinen alue.Figure 1 shows an example of the shape of a column, where the minimum and maximum radius and angle define the shape. However, the shape of the column can vary between different grid systems and different positioning methods, the shape can be any geometric region.

Kuvio 2A havainnollistaa pääelementtejä, joita käytetään paikannettaessa tilaajia GSM-verkossa. GSM-verkko on eräs esimerkki PLMN-verkoista. Kuten kuviossa esitetään, elementtien keskinäinen hierarkia on 20 sellainen, että jokainen tukiasemaohjain (BSC) kontrolloi sen omia tukiase-• mia ja matkapuhelinkeskus (MSC) kommunikoi tukiasemaohjaimien ja yh- .·. ; dyskeskuksen (GMLC) kanssa. Jäljitys- tai paikannusmenetelmät, jotka eivät välttämättä ole osa GSM-verkkoa, saavat GSM-tilaajien sijaintitietoa yhdys-, . keskuksen kautta.Figure 2A illustrates key elements used to locate subscribers in a GSM network. The GSM network is one example of PLMN networks. As shown in the figure, the hierarchy of elements among each other is such that each base station controller (BSC) controls its own base stations and • the mobile services switching center (MSC) communicates with the base station controllers and the. ; with the Dyskeskus (GMLC). Tracking or positioning methods, which are not necessarily part of the GSM network, receive GSM subscriber location information for the connection,. through the center.

25 Seuraava kuvaus GSM-verkkoihin, mutta samoja periaatteita voi daan käyttää myös muissa matkaviestinverkoissa. Sijaintidataa päivitetään, '··· kun tilaaja soittaa tai joku soittaa tilaajalle. Molemmissa tapauksissa verkko selvittää tilaajan sijainnin muodostaakseen yhteyden tilaajan ja toisen osapuolen välille. Sijainti on tietty palsta tietyn solun sisällä. Sijaintidataa päivite-30 tään myös silloin, kun tilaaja liikkuu yhden tukiasemaohjaimen alueelta toisen tukiasemaohjaimen alueelle. GSM-standardissa matkaviestin lähettää sig-naalin joka toinen sekunti. Tämä mahdollistaa kunkin tilaajan sijainnin olevan jatkuvasti tiedossa ainakin tukiasemaohjaintasolla.25 The following description applies to GSM networks, but the same principles can be applied to other mobile networks. The location data is updated when '' the subscriber calls or someone calls the subscriber. In both cases the network to determine the location of the subscriber to form a connection between the client and the other party. The location is a specific column within a given cell. The location data is also updated when the subscriber moves from one base station controller area to another base station controller area. In the GSM standard, the mobile station transmits a signal every two seconds. This allows the location of each subscriber to be continuously known, at least at the base station controller level.

GPS (Global Positioning System) tarjoaa toisen menetelmän mat-35 kaviestintilaajien jäljittämiseksi. GPS perustuu satelliitteihin, jotka ovat Yh-: ‘"; dysvaltain puolustusorganisaation omistuksessa.GPS (Global Positioning System) provides another method for tracking mat-35 mobile subscribers. GPS is based on satellites owned by the United States Defense Organization.

2 113141 GPS-perustainen paikannusmenetelmä edellyttää, että jokaisella matkaviestintilaajalla on GPS-vastaanottaja, joka vastaanottaa signaaleja satelliiteista ja laskee tilaajan sijainnin. Kyseinen sijainti välitetään sitten jollakin tavalla keskukseen, joka tallettaa sen sijaintitietokantaan.2 113141 The GPS-based positioning method requires that each mobile subscriber has a GPS receiver that receives satellite signals and calculates the subscriber's location. This location is then transmitted in some way to the exchange that stores it in the location database.

5 GPS voi tarjota paljon tarkemman sijaintitiedon kuin matkaviestin verkko. Tarkkaa sijaintitietoa tarvitaan monissa palveluissa, esimerkiksi kun mainos jaetaan tietyn rajoitetun alueen sisäpuolella sijaitseville tilaajille. Mainos voidaan lähettää esimerkiksi tekstiviestinä kyseisille tilaajille.5 GPS can provide much more accurate location information than a cellular network. Precise location information is required for many services, for example, when distributing an ad to subscribers within a limited area. For example, the advertisement may be sent to the subscribers concerned by SMS.

Tunnetut paikannusmenetelmät perustuvat informaation keräämi-10 seen matkaviestinverkossa tai GPS:n tarjoamaan informaatioon. Paikannus-menetelmät vaativat ja saavat tilaajan palstan. Paikannusmittauksen tekohetkellä todennäköisyys, että tilaaja sijaitsee palstan alueella on maksimiarvossaan, mutta todennäköisyys pienenee aikaa myöten. Näin ollen paikannusmenetelmän täytyy jatkuvasti kysellä palstoja, mikä kuluttaa kyseistä 15 informaatiota tarjoavan palvelun kapasiteettia ja aiheuttaa kustannuksia.Known positioning methods are based on gathering information in a cellular network or information provided by GPS. Positioning methods require and receive a subscriber column. At the time of positioning, the probability that the subscriber is within the column is at its maximum value, but the probability decreases with time. Thus, the location method must constantly query the columns, which consumes the capacity and costs of the service providing the information in question.

Tunnettuihin paikannusmenetelmiin liittyy seuraavia haittapuolia.Known positioning methods have the following disadvantages.

Ensinnäkin menetelmistä puuttuu parametrit niiden toiminnan mukauttamiseksi. Ne käyttävät tyypillisesti kahta parametria, joista yksi sisältää tilaajatunnisteen tai tilaajaryhmätunnisteen ja toinen määrittää kuinka usein 20 palstoja kysellään. Tunnetun tekniikan paikannusmenetelmät vastaavat ky-i symykseen ’’Mitkä ovat tilaajan tämänhetkiset koordinatit?” palauttamalla x- ja y-koordinaatit. Kuitenkin kyseinen kysymys on irrelevantti monissa paikan-nuspalveluissa.First, the methods lack parameters to customize their operation. They typically use two parameters, one containing the subscriber identifier or the subscriber group identifier and the other specifying how often columns are queried. Prior art positioning methods respond to the question "" What are the subscriber's current coordinates? "By returning the x and y coordinates. However, this issue is irrelevant in many location services.

Toiseksi menetelmät epäonnistuvat tuottamaan tarkkoja paikan->>t>; 25 nusestimaatteja kohtuullisten kustannusten puitteissa. Tästä syystä on liian . . kallista ottaa käyttöön tiettyjä paikannuspalvelulta.Second, the methods fail to produce the exact position - >> t>; 25 estimates at a reasonable cost. For this reason it is too. . expensive to implement certain positioning service.

’···’ Kolmanneksi menetelmät eivät onnistu hyödyntämään erilaista palstainformaatiota, joka liittyy palstojen tarkkuuteen, kokoon ja geometriaan. Verkot saattavat tuottaa erilaista palstainformaatiota, mutta tunnetun teknii-30 kan paikannusmenetelmät kykenevät tyypillisesti prosessoimaan ainoastaan tietynlaista palstainformaatiota, mikä rajoittaa niiden käytettävyyttä.'···' Thirdly, the methods fail to utilize different column information related to the accuracy, size, and geometry of the columns. Networks may produce different column information, but prior art positioning methods are typically only capable of processing certain types of column information, which limits their usability.

. Keksinnön lyhyt yhteenveto. BRIEF SUMMARY OF THE INVENTION

Hakemuksen paikannusmenetelmää nimitetään jäljittimeksi. Jäljitin '·;·[ 35 laskee estimaatteja tilaajan sijainnille. Kukin estimaatti sisältää koordinaatti- pisteen ja jäljittimen laskeman luotettavuusarvon. Koordinaattipiste on jäljitti- 3 113141 men koordinaattijärjestelmän piste. Estimaatit, joita nimitetään sovitetuiksi estimaateiksi, muodostavat tietyn tilaajan jäljen.The application positioning method is called a tracker. Tracker '·; · [35 calculates estimates for the subscriber's location. Each estimate contains the reliability value calculated by the coordinate point and the tracker. The coordinate point is a point on the trace coordinate system. Estimates, called matched estimates, form a particular subscriber trail.

Jäljitin hylkää kysymyksen: ’’Mitkä ovat tilaajan tämänhetkiset koordinaatit?”. Parempi näkökulma on luottaa tilaajan jälkeen ja päivittää 5 jälkeä vain tarvittaessa. Jäljitin päivittää tilaajan jälkeä riippuen tarkkuus- ja luotettavuusparametrien arvoista.The tracker rejects the question: '' What are the current coordinates of the subscriber? '. A better perspective is to trust after the subscriber and update the 5 tracks only when needed. The tracker updates the subscriber trace depending on the values of the accuracy and reliability parameters.

Tarkkuusparametri määrittää kuinka tarkasti paikannusmenetelmän pitäisi määrittää sijainti. Tarkkuusparametrin arvo annetaan metreissä, alhainen arvo tarkoittaa pientä aluetta.The precision parameter determines how accurately the positioning method should determine the position. The value of the precision parameter is given in meters, a low value means a small area.

10 Luotettavuusparametri määrittää miten luotettavasti paikannusme netelmän pitäisi määrittää sijainti. Luotettavuusparametrin arvo on prosentti-arvo nollasta sataan. Luotettavuutta voidaan myös tarkastella todennäköisyytenä eli tilaajan sijainnin pitäisi olla oikea tietyllä todennäköisyydellä vaihdellen nollasta yhteen.10 The reliability parameter determines how reliably the positioning method should determine the position. The value of the reliability parameter is a percentage value from zero to 100. Reliability can also be viewed as a probability, that is, the subscriber's location should be correct with a certain probability ranging from zero to one.

15 Tarkkuus- ja luotettavuusparametrien lisäksi jäljitin noudattaa kuut ta muuta parametria. Lisäarvopalvelusovellus asettaa arvot kaikille parametreille. Nuo parametriarvot indikoivat palvelusovelluksen tietyn käyttäjän vaatimuksia. Jäljitin kuluttaa juuri sen kapasiteetin, joka tarvitaan täyttämään asiakkaan vaatimukset. Täten jäljitin säästää verkkopaikannusjärjestelmän 20 kapasiteettia verrattuna tunnetun tekniikan paikannusmenetelmiin.15 In addition to accuracy and reliability parameters, the tracker follows six other parameters. The Value Added application sets values for all parameters. Those parameter values indicate the requirements of a particular user of the service application. The tracker consumes exactly the capacity it needs to meet customer requirements. Thus, the tracker saves the capacity of the network positioning system 20 as compared to prior art positioning methods.

Jäljitin on laskennallisesti tehokkaampi kuin tunnetun tekniikan :, *. t paikannusmenetelmät kahdesta syystä.The tracker is computationally more powerful than the prior art:, *. t positioning methods for two reasons.

Ensinnäkin jäljitin päivittää tilaajien jälkiä vain silloin, kun se on ·:<· tarpeellista. Jokainen jälki muodostuu tilaajan sijainnin estimaateista. Jäljitin 25 asettaa tietyn ajan ajastimeen ja, kun kyseinen aika on täynnä, jäljitin laskee .· ·. uuden estimaatin. Tällöin jäljitin käyttää luotettavuustaulua tai luotettavuus- • · funktiota ja määrittää tarvitaanko uusi palsta vai ei. Jäljitin pystyy evaluoimaan, mitkä jäljet voidaan päivittää myöhemmin, mikä vähentää paikannus-järjestelmän kuormaa ja kustannuksia huomattavasti.First, the tracker only updates subscriber traces when it is ·: <· necessary. Each trace consists of estimates of the subscriber's location. The timer 25 sets a certain time in the timer and when that time is up, the timer counts down. a new estimate. The tracker then uses a trust table or trust function to determine whether or not a new column is needed. The tracker is able to evaluate which tracks can be updated later, which greatly reduces the load and cost of the tracking system.

30 Lisäksi useat samanaikaisesti suoritettavat jäljitysprosessit voivat käyttää samoja jälkiä. Näin ollen, kun yksi prosessi on päivittänyt jäljen, muut •,, prosessit voivat hyödyntää kyseistä jälkeä.In addition, multiple tracing processes that run simultaneously can use the same traces. Thus, while one process has updated the trace, other processes may use that trace.

.*.·* Toiseksi jäljitin on laskennallisesti tehokas, koska se käyttää las- kentakaavoja iteraation sijasta.. *. · * Secondly, the tracker is computationally efficient because it uses calculation formulas instead of iteration.

35 Kyseiset laskentakaavat tuottavat tarkempia estimaatteja tilaajien sijainnille kuin tunnetun tekniikan menetelmät. Laskentakaavat saadaan * · · • » 4 113141 empiirisen tutkimuksen tuloksena ja ne perustuvat tiettyihin ennalta määrättyihin vakioihin.35 These formulas provide more accurate estimates of the location of subscribers than the prior art methods. The formulas are derived from an empirical study * * · • »4 113141 and are based on certain predetermined constants.

Keksinnön tunnusomaiset piirteet kuvataan itsenäisissä patenttivaatimuksissa. Keksinnöllä on seuraavia tavoitteita.Characteristic features of the invention are described in the independent claims. The invention has the following objects.

5 Ensimmäinen tavoite on parantaa tarkkuustasoa suunnilleen 150 metriin, jolloin se on erittäin käyttökelpoinen palvelusovelluksille.5 The first goal is to improve the accuracy level to approximately 150 meters, making it very useful for service applications.

Toinen tavoite on parantaa kapasiteettia tasolle, jossa sitä voidaan käyttää jäljittämään paljon useampia tilaajia verrattuna tunnetun tekniikan paikannusmenetelmiin.Another object is to improve capacity to a level where it can be used to track far more subscribers compared to prior art positioning methods.

10 Kolmantena tavoitteena on tarjota jäljitystä, joka voidaan optimoi da tiettyä verkkoa varten.10 The third objective is to provide tracing that can be optimized for a particular network.

Neljäntenä tavoitteena on tarjota jäljitystä, joka on tolerantti verkon rakenteessa tai toiminnassa tapahtuvia muutoksia kohtaan.The fourth objective is to provide traceability that is tolerant of changes in network structure or operation.

Viidentenä tavoitteena on tarjota erityyppiseen sijaintidataan kuten 15 tarkkuuteen, kokoon ja palstojen geometriaan liittyvään dataan perustuvaa paikannusta.A fifth object is to provide positioning based on various types of location data such as accuracy, size, and column geometry.

KuvioluetteloList of figures

Keksintöä kuvataan tarkemmin viitaten kuviin, joista 20The invention will be further described with reference to the drawings, of which 20

Kuvio 1 esittää esimerkin palstan muodosta.Figure 1 shows an example of a column shape.

: Kuvio 2A kuvaa paikannusprosessissa käytettäviä GSM-verkon elementtejä.Figure 2A illustrates GSM network elements used in the positioning process.

:· i Kuvio 2B kuvaa jäljittimen toimintaympäristöä.: · I Figure 2B illustrates the operating environment of the tracker.

Kuvio 2C kuvaa yksinkertaistetun version jäljittimen toiminnasta.Figure 2C illustrates a simplified version of the tracker function.

·:·: 25 Kuvio 3 kuvaa kahden heuristisen paikannusmallin sijaintiestimaatteja.·: ·: 25 Figure 3 illustrates location estimates for two heuristic positioning models.

·:··· Kuvio 4A esittää kaksi palstaa ja kuusikymmentä koordinaattipistettä.·: ··· Figure 4A shows two columns and sixty coordinate points.

.··. Kuvio 4B näyttää esimerkin kartan huomioimisesta.. ··. Figure 4B shows an example of a map consideration.

Kuvio 5 näyttää sovittamattoman estimaatin ja sovitetun estimaatin .Figure 5 shows the unmatched estimate and the fitted estimate.

;Vi Kuvio 6 kuvaa jäljittimen käyttämiä filttereitä.Fig. 6 illustrates the filters used by the tracker.

• · \,! 30 Kuvio 7A kuvaa luotettavuustauluun talletettuja luotettavuusarvoja.• · \,! Figure 7A illustrates the reliability values stored in the trust table.

'•y1 Kuvio 7B kuvaa osumia osumataulussa.'• y1 Figure 7B illustrates hits on the hit table.

ν’: Kuvio 8A esittää jäljitystehtävän suorituksen ensimmäisen osan.ν ': Figure 8A shows the first part of the execution of the tracing task.

Kuvio 8B esittää jäljitystehtävän suorituksen jälkimmäisen osan.Figure 8B shows the latter part of the execution of the tracing task.

. Kuvio 9 esittää luotettavuustaulun määritysaskeleita.. Figure 9 illustrates the steps of determining the reliability table.

• 1 I • > • · · · 1 * » s 113141• 1 I •> • · · · 1 * »s 113141

Keksinnön yksityiskohtainen selostusDETAILED DESCRIPTION OF THE INVENTION

Kuvio 2B esittää jäljittimen toimintaympäristöä. Palvelusovellus aloittaa jäljitystehtävän lähettämällä jäljityspyynnön jäljittimelle. Jäljitin sisältää parametrit, laskentakaavat ennaltamäärättyjen vakioiden kera sekä luo-5 tettavuustaulun. Jäljitystehtävän aikana jäljitin lähettää palstapyyntöjä yhdys-keskukselle GMLC (Gateway Mobile Location Centre) ja saa palstoja yhdys-keskukselta. Jäljitin käyttää palstoja muodostaessaan raporttia ja tämän jälkeen lähettää raportin palvelusovellukselle. Yhtä jäljitystehtävää kohti voi olla yksi tai useampia raportteja. Raportti voi sisältää esimerkiksi sovitetun 10 estimaatin. Tai se voi sisältää esimerkiksi informaation: ’’tilaaja 040-1234567 on kiinnostavalla alueella”.Figure 2B shows the operating environment of the tracker. The service application starts the trace task by sending a trace request to the tracker. The tracker contains parameters, calculation formulas with predefined constants, and a reliability table. During the trace task, the tracker sends column requests to the Gateway Mobile Location Center (GMLC) and receives columns from the gateway. The tracker uses columns to generate the report and then sends the report to the utility. There can be one or more reports per tracking task. For example, the report may include an adjusted 10 estimate. Or it could include information such as: '' subscriber 040-1234567 is in the area of interest. '

Kuvio 2C esittää yksinkertaistetun version siitä, miten jäljitin toimii jäljitystehtävän aikana. Kun jäljitin aloittaa jäljitystehtävän, se saa vaatimukset, jotka määrittävät esimerkiksi tarkkuuden ja luotettavuuden jäljitystehtä-15 välle. Vaatimukset voivat myös sisältää aikavälin määrittäen kuinka kauan jäljittimen täytyy odottaa ennen kuin se laskee uuden estimaatin.Figure 2C shows a simplified version of how the tracker works during the trace task. When a tracker starts a trace task, it receives requirements that determine, for example, the accuracy and reliability of the trace task. Requirements may also include a time interval specifying how long the tracker must wait before it calculates a new estimate.

Myöhemmin kuvataaan: - jäljittimen parametrit, - laskentakaavat ja filtterit, 20 - luotettavuustaulu ja kuinka jäljitin hyödyntää sitä saavuttaakseen 4 * •, j esimerkiksi vaaditun luotettavuuden ja tarkkuuden, ja : * , - ennalta määritetyt vakiot laskentakaavoja varten ja kuinka ennal- *: * · ta määrätyt vakiot saadaan ja miten luotettavuustaulu muodostetaan.Later, the following will be described: - Tracker parameters, - Calculation formulas and filters, 20 - Reliability table and how the tracker uses it to achieve 4 * •, j eg required reliability and accuracy, and: *, - Predefined Constants for calculation formulas and how - *: * · specific constants are obtained and how the confidence table is constructed.

.... Aluksi muutamia tärkeitä termejä määritellään formaalisti..... First, some important terms are formally defined.

.... 25 Palsta on sijaintidata, joka on saatu jäljittimen kanssa yhteistoi- . . minnassa olevalta matkaviestinverkolta. Jokainen palsta sisältää geometri sen alueen ja mittausajankohtaa indikoivan ajan..... 25 The column is the location data obtained in collaboration with the tracker. . from the mobile network. Each column contains the geometry area and the time indicating the measurement time.

Palstajoukko muodostuu tietystä lukumäärästä tiettyyn tilaajaan liittyvistä palstoista. Jäljitin käyttää palstajoukkoa ja laskentakaavoja arvioi-30 dessaan sijaintia.A set of columns consists of a number of columns associated with a particular subscriber. The tracker uses a set of columns and formulas to estimate the position.

·’· Alustava estimaatti sisältää koordinaattipisteen ja arvon, jota nimi- : tetään "luotettavuusarvoksi”. Jäljitin generoi joukon koordinaattipisteitä ja las- t.V kee joukon luotettavuusarvoja jokaiselle koordinaattipisteelle. Joukko koordi- » · naattipisteitä saattaa muodostaa suorakaiteen muotoisen alueen koostuen m 35 *n pisteestä, jotka kattavat palstajoukon geometrisen alueen. Jos palstajouk-ko sisältää k palstaa ja jäljitin generoi m *n koordinaattipistettä, jäljitin laskee «> · I · r • * 6 113141 m * n * k luotettavuusarvoa. Täten jäljitin tuottaa tuloksena m*n *k alustavaa estimaattia.· '· The preliminary estimate contains a coordinate point and a value called "reliability value." The tracker generates a set of coordinate points and calculates a set of reliability values for each coordinate point. If the column set contains k columns and the tracker generates m * n coordinate points, the tracker calculates a confidence value of «> · I · r • * 6 113141 m * n * k, thus producing a m * n * k preliminary estimate.

Luotettavuussumma on samaan koordinaattipisteeseen liittyvien alustavien estimaattien luotettavuusarvojen summa. Jäljitin laskee luotetta-5 vuussumman jokaiselle generoimalleen koordinaattipisteelle, joten jäljitin tuottaa m * n luotettavuussummaa. Yksi niistä on suurin luotettavuussumma.The confidence sum is the sum of the confidence values of the preliminary estimates related to the same coordinate point. The tracker calculates a confidence level of 5 lbs for each coordinate point it generates, so the tracker produces a confidence sum of m * n. One is the highest amount of confidence.

Sovittamaton estimaatti sisältää koordinaattipisteen sekä suurimman luotettavuussumman.The unmatched estimate contains the coordinate point and the maximum reliability sum.

Sovitettu estimaatti on jäljittimen lopullinen sijaintiestimaatti. Sovi-10 tettu estimaatti sisältää ajan, jolloin sovitettu estimaatti on laskettu. Lisäksi sovitettu estimaatti sisältää saman luotettavuusarvon kuin sovittamaton estimaatti eli suurimman luotettavuussumman. Kuitenkin sovitettu estimaatti yleensä sisältää eri koordinaattipisteen kuin sovittamaton estimaatti.The fitted estimate is the final position estimate of the tracker. The matched estimate includes the time at which the matched estimate is calculated. In addition, the fitted estimate contains the same reliability value as the unadjusted estimate, i.e., the maximum reliability sum. However, the fitted estimate usually contains a different coordinate point than the unmatched estimate.

Jälki muodostuu sovitetuista estimaateista, jotka jäljitin on laskenut 15 tilaajalle. Jälki saattaa olla todellinen polku, jota tilaaja on kulkenut tai sitten ei.The trace consists of adjusted estimates that the tracker has calculated for 15 subscribers. The trace may be the actual path that the subscriber has passed or not.

Tarkkuus on palvelusovelluksen asettama parametriarvo, jota jäljitin käyttää. Tarkkuutta voidaan tarkastella radiuksena määrittäen ympyrän, jonka keskipiste on sovitettu estimaatti.Accuracy is the parameter value set by the service application that the tracker uses. Accuracy can be viewed as a radius defining a circle centered on a fitted estimate.

20 Luotettavuus on toinen palvelusovelluksen asettama parametriar- j vo. Luotettavuus kuvaa sovitetun estimaatin laatua. Korkea luotettavuus .·. · tarkoittaa korkeaa todennäköisyyttä sille, että sovitettu estimaatti on oikea halutulla tarkkuudella. Esimerkiksi todennäköisyys voisi olla 0,95 ja tarkkuus . voisi olla 50 m, eli todennäköisyys sille, että tilaaja on 50 metrin säteellä20 Reliability is another parameter value set by the service application. Reliability describes the quality of the fitted estimate. High reliability. · Indicates a high probability that the fitted estimate is accurate to the desired accuracy. For example, the probability could be 0.95 and accuracy. could be 50 m, ie the probability that the subscriber is within 50 m

• I• I

25 sovitetusta estimaatista on 0,95.The 25 fitted estimates are 0.95.

Luotettavuustaulu on taulukkorakenne muodostuen soluista, joista ’·>·' kukin sisältää luotettavuusarvon. Kukin solu luotettavuusarvonsa kera liittyy tiettyyn tarkkuuteen ja tiettyyn luotettavuussummaan.A reliability table is a table structure made up of cells where '·> ·' each contains a reliability value. Each cell with its reliability value is associated with a certain accuracy and a certain amount of reliability.

Luotettavuusfunktio tuottaa tuloksena luotettavuusarvon tarkkuu-30 den ja luotettavuussumman funktiona. Jos esimerkiksi tarkkuus on 50 m ja :' ·. · luotettavuussumma on 1,2, luotettavuus voisi olla 0,7.The reliability function results in a reliability value as a function of precision and confidence sum. For example, if the resolution is 50 m and: '·. · Reliability is 1.2, reliability could be 0.7.

Luotettavuustaulu ja luotettavuusfunktio on tarkoitettu samaan käyttötarkoitukseen. Kun palvelusovellus on asettanut esimerkiksi 50 m tark-kuusparametrin arvoksi ja 0,7 luotettavuusparametrin arvoksi, luotettavuus-35 taulu tai luotettavuusfunktio antaa luotettavuussumman, jonka pitäisi olla vähintään 1,2. Muussa tapauksessa sovitettu estimaatti ei täytä vaadittavaa • · * 7 113141 tarkkuutta ja luotettavuutta. Tällöin jäljitin kysyy ja saa uuden palstan matkaviestinverkolta, päivittää palstajoukkoa ja laskee uuden sovitetun estimaatin, jonka pitäisi täyttää vaadittava tarkkuus ja luotettavuus.The reliability chart and the trust function are for the same application. For example, when the service application has set a precision parameter of 50 m to a value of 0.7, a reliability-35 table or reliability function gives a reliability sum that should be at least 1.2. Otherwise, the adjusted estimate will not meet the required accuracy and reliability • · * 7 113141. In this case, the tracker asks for and receives a new column from the mobile network, updates the set of columns, and calculates a new adjusted estimate, which should fulfill the required accuracy and reliability.

Jäljittimen parametrit sovittavat jäljittimen toiminnan siten, että jälji-5 tin kykenee täyttämään asiakasvaatimukset. Verrattaessa jäljitintä tunnetun tekniikan paikannusmenetelmiin, jäljitin säästää palstainformaatiota tarjoavan järjestelmän kapasitettia ja samanaikaisesti kykenee laskemaan parempia sijaintiestimaatteja kuin tunnetun tekniikan menetelmät.The tracker parameters adjust the tracker function so that the tracker can meet customer requirements. By comparing the tracker with prior art positioning methods, the tracker saves the capacity of the system providing the column information and at the same time is able to compute better position estimates than prior art methods.

Tarkkuusparametri määrittää, kuinka tarkasti jäljittimen pitäisi pää- 10 teliä sijainti ja luotettavuusparametri määrittää, kuinka luotettavasti jäljittimen pitäisi ilmoittaa sijainti. Jäljitin noudattaa seuraavia parametreja: - Jäljitystehtävä ID-parametri identifioi palvelusovelluksen aloittaman tehtävän. Tehtävä tuottaa tuloksena tilaajan jäljeen.The precision parameter determines how accurately the tracker should determine the location and the reliability parameter determines how reliably the tracker should report the location. The trace follows the following parameters: - Trace task The ID parameter identifies the task started by the service application. The result will be the result of the subscriber.

- Tilaaja-ID/ryhmä-ID on toinen parametri.- Subscriber ID / Group ID is another parameter.

15 - Tilaaja-ID identifioi yhden tilaajan ja ryhmä-ID identifioi joukon ti laajia.15 - Subscriber ID identifies one subscriber and group ID identifies a set ti wide.

- Tarkkuusparametri määrittää sijainnin tarkkuuden metreissä.- The accuracy parameter defines the accuracy of the position in meters.

- Luotettavuusparametri määrittää prosenteissa sijaintiin liittyvän luotettavuuden.- The reliability parameter specifies the location-related reliability as a percentage.

20 - Minimiaikaväli-parametri määrittää sekunneissa, kuinka usein jäl- : jittimen täytyy vähintään pyytää palstaa.20 - Minimum Interval parameter specifies, in seconds, how often the tracker must at least request a column.

.·./ - Maksimisaikaväli-parametri määrittää sekunneissa, kuinka usein ....: jäljitin saa korkeintaan pyytää palstaa.·. / - The Maximum Interval parameter specifies in seconds how often ....: the trace may not request more than a column.

- Kiinnostava alue on optionaalinen parametri, joka määrittää kiin- * « 25 nostavan suorakaiteen muotoisen alueen. Parametri muodostuu kahdesta • »· t · . / koordinaattipisteestä, jotka määrittävät suorakulmaisen alueen vastakkaiset '···' kulmat.- The area of interest is an optional parameter that defines a rectangular area with a fixed * «25. The parameter consists of two • »· t ·. / coordinate points that define opposite '···' angles of a rectangular area.

- Historiaparametri määrittää, talletetaanko sovitetut estimaatit vai ei.- The History parameter determines whether or not the matched estimates are stored.

30 Laskentakaavat ja filtterit ovat hyvin tärkeä osa keksintöä. Jäljitin :‘v voi käyttää matkaviestinverkon tarjoamaa palstainformaatiota siten, että se kykenee paikantamaan tilaajat lähes yhtä tarkasti kuin paikannusmenetelmä, • · t joka käyttää GPS-järjestelmän tarjoamaa palstainformaatiota.Calculations and filters are a very important part of the invention. Tracker: 'v can use the cellular information provided by the cellular network in such a way that it can locate subscribers almost as accurately as the positioning method that uses the cellular information provided by the GPS system.

Jäljitin käyttää suodattimia laskiessaan sovitettuja estimaatteja.The tracker uses filters to calculate fitted Estimates.

35 Jokainen suodatin sisältää yhden tai useamman laskentakaavan.35 Each filter contains one or more calculation formulas.

* »* • I » |* »* • I» |

* · I* · I

» » · 8 113141 Jäljittimen toiminta on melko monimutkaista, joten aluksi kuvataan kaksi yksinkertaista heuristista mallia.»» · 8 113141 The tracker is quite complex to operate, so at first two simple heuristic models will be described.

Kuvio 3 esittää esimerkin GPS-järjestelmän estimaatista liittyen tilaajan sijaintiin ja tilaajan todelliseen polkuun. GPS-estimaatit on saatu GPS 5 (Global Positioning System) -järjestelmästä ja niitä on merkitty rasteilla. GPS-estimaatit ovat koordinaattipisteitä: (3,1), (5,1), (5,3), ja (3,3). Katkoviiva kuvaa tilaajan todellista polkua.Figure 3 shows an example of an estimate of a GPS system regarding the location of a subscriber and the actual path of the subscriber. GPS estimates are derived from GPS 5 (Global Positioning System) and are marked with a dash. GPS estimates are coordinate points: (3,1), (5,1), (5,3), and (3,3). The dashed line represents the actual path of the subscriber.

Ensimmäisen mallin mukaisesti tilaajan oletetaan sijaitsevan keskellä GPS-estimaatteja pisteessä (4,2), kuten esitetty kuviossa 3. Ensimmäis-10 tä mallia voidaan parantaa ottamalla huomioon siitä hetkestä kulunut aika, kun viimeisin GPS-estimaatti vastaanotettiin. Kyseistä aikaa merkitään t\. Jos (3,3) on lyhyempi, on ilmeistä, että tilaaja sijaitsee lähempänä pistettä (3,3) kuin pistettä (4,2), koska (3,3) on viimeisin GPS-estimaatti, joka on vastaanotettu.According to the first model, the subscriber is assumed to be located in the center of the GPS Estimates at a point (4,2) as shown in Figure 3. The first 10 models can be improved by taking into account the time since the last GPS estimate was received. This time is denoted by t \. If (3,3) is shorter, it is obvious that the subscriber is located closer to the point (3,3) than to the point (4,2), since (3,3) is the latest GPS estimate received.

15 Toisen mallin mukaisesti tilaaja tulee liikkumaan samaan suuntaan ja samalla nopeudella kuin aiemmin. Voidaan olettaa, että tilaaja on liikkunut pisteestä (5,3) pisteeseen (3,3) ajassa tm. Näin ollen kuvion 3 tilaajan pitäisi olla pisteessä (1,3), kun aika tm on kulunut viimeisimmästä GPS-estimaatista.15 According to another model, the subscriber will move in the same direction and at the same speed as before. It can be assumed that the subscriber has moved from point (5.3) to point (3.3) in time tm. Thus, the subscriber of Figure 3 should be at point (1,3) when the time tm has elapsed since the last GPS estimate.

Kuten voidaan havaita, nämä kaksi mallia saattavat tuottaa hyvin 20 erilaiset sijaintiestimaatit, kuten edellä pisteet (4,2) ja (1,3).As can be seen, these two models may produce well 20 different location estimates, such as points (4.2) and (1.3) above.

: Kun jäljitin laskee sovittamattomia estimaatteja, sen toiminta jollain tavalla muistuttaa ensimmäistä mallia ja, kun jäljitin laskee sovitettua esti-,...· maattia sen toiminta jollain tavoin muistuttaa toista mallia. Jäljittimen toimin nan ja kyseisten mallien välillä on myös eroja. Ensinnäkin jäljitin ei käytä 25 GPS-estimaatteja, vaan matkaviestinverkosta saatuja palstoja. Toiseksi jäljit-, , timen käyttämät laskentakaavat ovat tuntemattomia tunnetussa tekniikassa.: When the tracker calculates mismatched Estimates, its function in some way resembles the first model, and when the tracker calculates the matched, ... · ground, its action is in some way reminiscent of the second model. There are also differences between the performance of the tracker and these models. First, the tracker does not use GPS Estimates, but columns derived from the cellular network. Second, the calculation formulas used by the tracker are unknown in the prior art.

« ’···' Merkitään ennalta määriteltyjä vakioita A, B, C, D ja N. Laskenta kaavat sisältävät ennalta määrättyjä vakiota A-D: - A on todennäköisyyden laimenemistekijä palstan sisällä.«'···' Denote predefined constants A, B, C, D and N. The calculation formulas contain predefined constants A-D: - A is the probability dilution factor within the column.

30 - B on todennäköisyyden laimenemistekijä palstan ulkopuolella.30 - B is the probability dilution factor outside the column.

- C on tekijä nopeusvektoria varten, missä edellinen estimaatti ja : ‘ ’ * uusin sovittamaton jäljittimen estimaatti määrittävät nopeusvektorin.C is the factor for the velocity vector, where the previous estimate and: '' * the latest unmatched tracker estimate define the velocity vector.

I t t . V -Don tekijä ns. todennäköisyyden hajontaa varten.I t t. The V-Don factor is the so-called. for probability dissipation.

\y Ennalta määritelty vakio N määrittää palstajoukon oletuskoon. En- 35 naita määritellyt vakiot A-D ja N saadaan generisen algoritmin tai jonkin optimointimenetelmän tuloksina.\ y A predefined constant N specifies the default size of the column set. The predefined constants A-D and N are obtained as a result of a generic algorithm or some optimization method.

* _ 113141 ö* _ 113141 δ

Lisäksi laskentakaavat sisältävät seuraavia muuttujia: - Etäisyysmuuttuja ilmaisee lyhimmän polun koordinaattipisteestä lähimmän palstan ulkorajalle.In addition, the formulas include the following variables: - The distance variable expresses the shortest path from the coordinate point to the outer boundary of the nearest column.

- Kulunut aika -muuttuja ilmaisee ajan, joka on kulunut siitä ajan-5 hetkestä, kun palsta vastaanotettiin.- The elapsed time variable indicates the elapsed time since the time-5 was received.

Jäljitin generoi joukon koordinaattipisteitä. Nuo koordinaattipisteet muodostavat alueen, joka kattaa palstajoukkoon kuuluvat palstat. Jäljitin käyttää edellä kuvattuja ennalta määriteltyjä vakioita ja muuttujia seuraavissa laskentakaavoissa laskiessaan alustavien estimaattien luotettavuusarvoja.The tracker generates a set of coordinate points. Those coordinate points form an area that covers the columns in the set. The tracker uses the predefined constants and variables described above in the following calculation formulas when calculating the reliability values of the preliminary estimates.

10 Alkuperäinen luotettavuus on vakioluotettavuus jaettuna palstan alueella.10 The original reliability is the standard reliability divided by the area of the column.

Jos generoitu koordinaattipiste sijaitsee palstan sisäpuolella, jäljitin käyttää ensimmäistä laskentakaavaa: 15 luotettavuusarvo = alkuperäinen luotettavuus *Akulunut aika.If the generated coordinate point is inside a column, the tracker uses the first calculation formula: 15 Reliability Value = Original Reliability * Accumulated Time.

Jos generoitu koordinaattipiste sijaitsee palstan ulkopuolella, jäljitin käyttää toista laskentakaavaa: luetettavuusarvo = alkuperäinen luotettavuus * Bkulunuta,ka * kulunut aika * (D / etäisyys2) 20 Kuvio 4A esittää kahta palstaa ja 60 jäljittimen generoimaa koordi- : .· naattipistettä. Koordinaattipisteet muodostavat suorakaiteen muotoisen alu- ’·' een, joka kattaa kyseiset kaksi palstaa. Molempien palstojen sisällä on neljä I * koordinaattipistettä. Jäljitin käyttää ensimmäistä laskentakaavaa, kun koor-dinattipiste on palstan sisällä. Muutoin jäljitin käyttää toista laskentakaavaa. 25 Kuvio 4A esittää myös esimerkin etäisyysmuuttujasta. Etäisyysmuuttujaan • * * » asetetaan arvo, joka on lyhin etäisyys koordinaattipisteestä lähimmän palstan ulkorajaan.If the generated coordinate point is located outside the column, the tracker uses another calculation formula: readability = initial reliability * B run time * elapsed time * (D / distance2) 20 Figure 4A shows two columns and 60 tracker generated coordinate points. The coordinate points form a rectangular region covering the two columns. Within each column are four I * coordinate points. The tracker uses the first calculation formula when the coordinate point is inside the column. Otherwise, the tracker uses a different calculation formula. Figure 4A also shows an example of a distance variable. The distance variable • * * »is set to the value that is the shortest distance from the coordinate point to the outer boundary of the nearest column.

Ensimmäinen tai toinen laskentakaava tuottaa tuloksena alustavat estimaatit. Tarkasteltaessa 4A ja sen 60 koordinaattipistettä, jäljitin laskee 30 palstaa 1 varten neljää alustavaa estimaattia käyttäen ensimmäistä kaavaa ja ; *’,* 56 alustavaa estimaattia käyttäen toista kaavaa. Sitten jäljitin laskee palstalle :' “ 2 neljä alustavaa estimaattia käyttäen ensimmäistä kaavaa ja 56 alustavaa . y estimaattia käyttäen toista kaavaa.The first or second formula gives the result of preliminary estimates. Looking at 4A and its 60 coordinate points, the tracker calculates 30 initials for four columns using the first formula and; * ', * 56 a preliminary estimate using another formula. The tracker then counts on the column: '' 2 four preliminary estimates using the first formula and 56 preliminary ones. y estimate using another formula.

Lopuksi jäljitin laskee yhteen kunkin 60 koordinaattipisteen alusta-,·;·< 35 vat estimaatit ja valitsee suurimman luotettavuussumman. Tarkemmin sa- <* * » » 10 113141 noen jäljitin laskee yhteen palstoille 1 ja 2 lasketut luotettavuusarvot eli kaksi luotettavuusarvoa jokaista koordinaattipistettä kohti.Finally, the tracker adds the initial, ·; · <35 estimates for each of the 60 coordinate points and selects the maximum reliability sum. Specifically, the s-tracker adds the reliability values calculated for columns 1 and 2, that is, two reliability values for each coordinate point.

Näin ollen jäljitin tuottaa tuloksena sovittamattoman estimaatin sisältäen koordinaattipisteen ja suurimman luotettavuussumman.Thus, the tracker produces an unmatched estimate including the coordinate point and the maximum reliability sum.

5 Seuraavaksi jäljitin laskee sovitetun estimaatin käyttäen kolmatta kaavaa. Kolmas kaava ottaa huomioon ennalta määritetyn vakion C, tilaajan suunnan ja aikasuhteen dt.5 Next, the tracker calculates the fitted estimate using the third formula. The third formula takes into account a predetermined constant C, the direction of the subscriber, and the time ratio dt.

Suunta saadaan muodostamalla vektori edellisen estimaatin koordinaattipisteestä sovittamattoman estimaatin koordinaattipisteeseen.The direction is obtained by constructing a vector from the coordinate point of the previous estimate to the coordinate point of the unmatched estimate.

10 Aikasuhteen dt laskentaa varten tarvitaan 1) edellisen estimaatin ja sovittamattoman estimaatin välillä kulunut aika ja 2) edellisen estimaatin ja sen estimaatin, joka edeltää edeltävää estimaattia, välillä kulunut aika. Ensiksi mainittua aikaa merkitään U ja toista aikaa merkitään t2. Aikasuhde dt lasketaan seuraavasti: 15 dt = U 112For calculating the time ratio dt, 1) the time elapsed between the previous estimate and the unadjusted estimate and 2) the time elapsed between the previous estimate and its estimate preceding the preceding estimate. The first time is denoted by U and the second time is denoted by t2. The time ratio dt is calculated as follows: 15 dt = U 112

Kuvio 4B esittää esimerkin, miten jäljitin saattaa huomioida kartan. Jäljitin tarkastelee tilaajan nopeutta. Lisäksi jäljitin voisi tarkastella, sijaitseeko tilaaja merialueella vai maa-alueella. Esimerkiksi, kun tilaaja sijaitsee maalla ja tilaajan nopeus on enemmän kuin 30 km/t, mutta vähemmän kuin 20 230 km/t, jäljitin voisi päätellä, että tilaaja käyttää jonkinlaista maakulkuneu- . . voa, joka käyttää teitä. Tällöin jäljitin käyttää karttaa ja generoi koordinaatti- ; pisteet ainoastaan alueelle, missä maakulkuneuvot voivat liikkua. Tietysti maastokulkuneuvot, moottorikelkat ja hyvin nopeat junat ovat poikkeuksia eli : ' ne voivat liikkua teiden ulkopuolella tai ne voivat liikkua nopeammin kuin 230 25 km/t. Kuitenkin jäljitin voisi päätellä kulkuneuvon melko suurella todennäköi-* *' ’: syydellä ja käyttää tarvittaessa karttaa.Figure 4B illustrates an example of how a tracker may observe a map. The tracker looks at the subscriber's speed. In addition, the tracker could look at whether the subscriber is located at sea or on land. For example, when the subscriber is on land and the subscriber's speed is more than 30 km / h but less than 20 230 km / h, the tracker could deduce that the subscriber is using some kind of ground transport. . woe that uses you. The tracker then uses the map and generates a coordinate; points only to the area where land vehicles can move. Of course, off-road vehicles, snowmobiles and very fast trains are exceptions: 'they can move off-road or they can travel faster than 230 25 km / h. However, the tracker could deduce the vehicle with a fairly high probability * * '' and use the map if necessary.

Kuvio 5 esittää samat kaksi palstaa kuin kuvio 4A. Tässä esimerkissä 60 koordinaattipistettä on jätetty pois. Sen sijaan edellinen estimaatti, sovittamaton estimaatti ja sovitettu estimaatti esitetään kuviossa.Figure 5 shows the same two columns as Figure 4A. In this example, 60 coordinate points are omitted. Instead, the previous estimate, the unmatched estimate, and the fitted estimate are shown in the figure.

30 Edellistä estimaattia merkitään (xp, yp), sovittamatonta estimaattia ... : merkitään (xn , yn), sovitettua estimaattia merkitään (xa , ya) ja estimaattia, joka edeltää edellistä estimaattia merkitään (xp_i , yp.i). Sovitettu estimaatti saadaan kolmannesta laskentakaavasta seuraavasti: •‘.0 xa = xn + C* (xp-xp-i) 35 ya = yn + C* (yp-yp-i)*df • · 11 11314130 The previous estimate is denoted (xp, yp), the unmatched estimate ...: denoted by (xn, yn), the fitted estimate is denoted by (xa, ya) and the estimate preceding the previous estimate is denoted by (xp_i, yp.i). The fitted estimate is obtained from the third formula as follows: • '.0 xa = xn + C * (xp-xp-i) 35 ya = yn + C * (yp-yp-i) * df • · 11 113141

Kuvio 6 kuvaa jäljittimen käyttämiä suodattimia. Suodattimet ovat vaihtoehto edellä mainituille laskentakaavioille. Suodattimet sisältävät laskentakaavoja, jotka tuottavat tuloksena jopa parempia estimaatteja kuin kyseiset laskentakaavat. Suodatin 2 sisältää ensimmäisen ja toisen laskentakaavan 5 parannetut versiot. Suodatin 4 sisältää kolmannen laskentakaavan parannetun version. Kuvio 6 kuvaa tapausta, jossa GPS-pisteet on saatu jäljittimen optimointivaiheessa. Kyseinen optimointivaihe suoritetaan ennen jäljittimen käytön aloittamista. Optimointivaiheen kuvaukseen liittyy ennalta määritellyt vakiot. Mikäli GPS-pisteet tai vastaavat koordinaattipisteet eivät ole saatavilla 10 palstajoukkoa varten, jota käytetään suodattimessa 1, silloin jäljitin ei käytä filtteriä 1. Sen sijaan suodatin 2 vastaanottaa uusimman palstan ja käyttää palstajoukkoa ympyräestimaattijoukon sijasta (katso kuvio 6).Figure 6 illustrates the filters used by the tracker. Filters are an alternative to the aforementioned calculation charts. Filters contain formulas that produce even better Estimates than those formulas. The filter 2 contains improved versions of the first and second calculation formulas 5. The filter 4 contains an improved version of the third calculation formula. Figure 6 illustrates a case where GPS points were obtained during the tracker optimization step. This optimization step is performed prior to the use of the tracker. The optimization phase description has predefined constants. If GPS points or corresponding coordinate points are not available for the 10 column sets used in filter 1, then the tracker does not use filter 1. Instead, filter 2 receives the latest column and uses the column set instead of the circle estimate set (see Figure 6).

Suodatin saa syötteenä estimaatin. Kyseinen estimaatti voidaan implementoida esimerkiksi tietorakenteena, joka sisältää seuraavan infor-15 maation: Geometria, aika, luotettavuus. Geometria voi olla palsta, ympyrä tai koordinaattipiste.The filter receives an estimate as input. This estimate can be implemented, for example, as a data structure containing the following information: Geometry, Time, Reliability. The geometry can be a column, a circle, or a coordinate point.

SUODATIN 1 on GPS-korjaussuodatin.FILTER 1 is a GPS correction filter.

Syötteen geometria on palsta.The feed geometry is a column.

Suodatin ylläpitää palstajoukkoa, jonka maksimikoko on ennalta 20 määritelty vakio Ni. Suodatin vastaanottaa sellaisia GPS-pisteitä tieto-. . kannasta, jotka ovat ainakin yhden palstajoukon palstan sisäpuolella. Nuo ; GPS-pisteet muodostavat GPS-pistejoukon. Sitten suodatin muodostaa ym- pyrän, jonka keskipiste on GPS-pistejoukon keskiarvopiste. Muodostetun * ’ ympyrän säde on sellainen, että F prosenttia GPS-pisteestä GPS- 25 pistejoukossa jäävät muodostetun ympyrän sisäpuolelle. Kyseinen F on ’ ‘ * ‘ · ennalta määritelty vakio.The filter maintains a set of columns with a maximum size of predefined constant Ni. The filter receives such GPS points as information. . a strain inside at least one set of columns. From; GPS points form a set of GPS points. The filter then forms a circle centered on the midpoint of the GPS set. The radius of the formed * 'circle is such that F percent of the GPS point within the set of GPS points lies inside the formed circle. This F is a '' * '' predefined constant.

\ Tulosteen geometria on piste, mikäli suodatin 1 epäonnistui löytä mään GPS-pisteitä palstajoukolle. Muutoin tulosteen geometria on ympyrä. Tulosteeseen liittyvä aika on sama kuin uusimmassa palstassa. Tulosteen 30 luotettavuutta ei ole vielä laskettu.\ Output geometry is a point if filter 1 failed to find GPS points for a set of columns. Otherwise, the geometry of the printout is a circle. The time associated with the printout is the same as in the most recent column. The reliability of printout 30 has not yet been calculated.

. ·. : SUODATIN 2 on konversiosuodatin.. ·. : FILTER 2 is a conversion filter.

Syötteen geometria on palsta tai suodattimen 1 tuloste.The feed geometry is column or printout of filter 1.

Suodatin ylläpitää ympyräestimaattien joukkoa, jonka maksimiko-ko on ennalta määritelty vakio N2. Suodatin käy läpi joko ympyräestimaattien 35 joukkoa tai palstajoukkoa. Koska ympyräestimaatteja voidaan myös tarkastella palstoina, termejä ’’palsta” ja ’’palstajoukko” voidaan käyttää. Suodatin laskee luotettavuussumman jokaiselle palstan keskipisteelle, eli 12 113141 laskee luotettavuussumman jokaiselle palstan keskipisteelle, eli gravitaation keskukselle seuraavasti:The filter maintains a set of circle estimates with a maximum size predefined constant N2. The filter passes through either 35 sets of circular estimates or a set of columns. Because circle estimates can also be viewed as columns, the terms "" column "and" "set of columns" can be used. The filter calculates the confidence sum for each column center, that is, 12 113141 calculates the confidence sum for each column center, or center of gravity, as follows:

Olkoon p palstan keskipiste.Let p be the midpoint of the column.

Jokaiselle palstajoukon palstalle 5 {For each column set column 5 {

Alkuperäinen luetettavuus on luott almlava = —c—rr alue ’ missä c on kuhunkin palstaan liitetty luotettavuusvakio ja ‘alue’ on palstan alue ja G on vakio 10 Jos alue < 1 niin määritellään luott almlara = cThe initial readability is the confidence almlava = —c — rr region 'where c is the confidence constant associated with each column and' region 'is the region of the column and G is constant 10 If region <1 then trust almlara = c

Luotettavuus nykyhetkellä on luott = lu0- a,^™2- — - missä H ja / ovat vakioita, At on aikaero palstan aikaleiman ja nykyhetken välillä, ja d on etäisyys pisteen p ja palstan 15 keskipisteen välillä.Reliability at the present time is confidence = lu0- a, ^ ™ 2- - - where H and / are constants, At is the time difference between the time stamp of the column and the current, and d is the distance between p and the midpoint of the column.

}}

Nyt luotettavuussummat luott, on laskettu jokaiselle palstalla Lopuksi suodatin laskee luotettavuuden painotettuna palstojen keskimääräisellä keskipisteellä * * * n · J]luott, * p, 0·. 20 p = ^- *:*·· ^luotti /=1 missä pisteet pi ovat palstojen keskipisteitä ja n on syötteiden lukumäärä puskurissa, n<N2. Näissä laskentakaavoissa suuntavektoria p ;· käytetään merkitsemään pistettä.Now, the confidence totals you trust are calculated for each column Finally, the filter calculates the reliability weighted by the mean midpoint of the columns * * * n · J] trust, * p, 0 ·. 20 p = ^ - *: * ·· ^ trust / = 1 where the points pi are the center of the columns and n is the number of entries in the buffer, n <N2. In these formulas, the direction vector p; · is used to denote a point.

Tulosteen geometria on piste. Tulosteeseen liittyvä aika on nyky-25 hetki ja tulosteen luotettavuus on suodattimen 2 laskema.The geometry of the output is a point. The time associated with the printout is now-25 moments and the printout reliability is calculated by the filter 2.

SUODATIN 3 on virheenkorjaussuodatin.FILTER 3 is an error correction filter.

Syötteen geometria on piste ja syötteen luotettavuus on suodattimen 2 laskema.The geometry of the feed is a point and the reliability of the feed is calculated by the filter 2.

• · Suodatin generoi tilastollisen jakauman etäisyyksistä, missä etäi- 30 syydet ovat tämän suodattimen syötteiden ja niihin liittyvien GPS-pisteiden välisiä etäisyyksiä, esim. syötteiden virheitä suhteessa GPS-sijainteihin.The filter generates a statistical distribution of distances, where the distances are the distances between the inputs of this filter and the associated GPS points, e.g., errors in the inputs relative to the GPS locations.

» · .·’· Jäljittimen optimointivaiheen aikana suodatin vastaanottaa GPS-pisteet syöt- ♦ » I · i3 113141 teinä. Jokainen jakauman etäisyysarvo sisältää syöte- ja GPS-pisteparin lukumäärän, missä etäisyys on sama kuin kyseinen etäisyysarvo.»·. · '· During the tracker optimization step, the filter receives GPS points as input ♦» I · i3 113141. Each distribution distance value contains the number of input and GPS point pairs where the distance is the same as that distance value.

Suodattimena on syötepisteiden virheiden tilastollista jakaumaa kuvaava vakio. Tämä vakiojakauma luodaan optimointivaiheessa. Edellisen 5 syötteen aikaleima on talletettu.The filter is a constant describing the statistical distribution of input point errors. This constant distribution is created during the optimization phase. The timestamp of the last 5 feeds has been stored.

Suodatin ylläpitää summajakaumaa, jolla on sama skaala kuin va-kiojakaumalla. Summajakauma sisältää koordinaattiarvojen lukumäärän. Vakiojakauma lisätään summajakaumaan, kun saadaan uusi syöte. Vakiojakauma lisätään summajakaumaan siten, että summajakauman nolla-virhettä 10 lukumäärä lisätään syötteen koordinaattien lukumäärään ja vastaavasti muihin lukumääriin.The filter maintains a sum distribution having the same scale as the constant distribution. The sum distribution contains the number of coordinate values. The standard distribution is added to the sum distribution when a new feed is received. The constant distribution is added to the sum distribution such that the number of zero error 10 of the sum distribution is added to the number of input coordinates and to the other numbers, respectively.

Summajakauman vanhat arvot kerrotaan laimentumistekijällä ennen vakiojakauman lisäämistä uuteen syötteeseen. Laimentumistekijä on Jh', missä J on vakio ja At on aikaero syötteen ja edellisen syötteen välillä. 15 Tulospiste on painotettu keskiarvo koordinaattipisteiden jakauman summasta P result h Σ/(Λ) i=1 missä n on summajakauman koko, joka on vakio, :; Pi ovat summajakauman koordinaattipisteitä ja 20 f(Pi) ovat koordinaattiarvojen Pi summajakaumien arvoja.The old values of the sum distribution are multiplied by the dilution factor before the standard distribution is added to the new feed. The dilution factor is Jh ', where J is constant and At is the time difference between the input and the previous input. 15 The result point is the weighted average of the sum of the coordinate points distribution P result h Σ / (Λ) i = 1 where n is the sum of the distribution, which is a constant,:; Pi are the coordinate points of the sum distribution and 20 f (Pi) are the sum of the distribution of the coordinate values Pi.

Tulosteen geometria on piste. Tulosteen aika on nykyhetki ja tulosteen luotettavuus on suodattimen 2 laskema.The geometry of the output is a point. Printout time is current and printout reliability is calculated by filter 2.

: ’ * SUODATIN 4 on liikesovitinsuodatin.: '* FILTER 4 is a motion adapter filter.

25 Syötteen geometria on piste ja tulosteen luotettavuus on laskettu suodattimessa 2.25 The feed geometry is a point and the reliability of the output is calculated in filter 2.

Jäljitin ylläpitää syötteitä varten puskuria. Puskurin maksimikoko . >. · on ennalta määritelty vakio N3. Syötettä ei lisätä puskuriin ennen laskentaa.The tracker maintains a buffer for feeds. Maximum buffer size. >. · Is a predefined constant N3. The feed is not added to the buffer before counting.

t ·t ·

Suodatin laskee uuden sijainnin seuraavasti: Aluksi se laskee no-: . 30 peusvektoreiden summan puskurin palstoista syötepisteeseen: :·:· v =fv =yh^iZL· * »* sum / i input,/ / j * , : i=l /=1 * * » t 14 113141 missä Ar, on aikaero koordinaattipisteiden pjnpill ja pt välillä ja n on syötteiden lukumäärä puskurissa, n<N3.The filter calculates the new position as follows: Initially, it calculates no- :. 30 sum of loop vectors from buffer columns to input point:: ·: · v = fv = yh ^ iZL · * »* sum / i input, / / j *,: i = l / = 1 * *» t 14 113141 where Ar, is the time difference between the coordinate points pjnpill and pt and n is the number of entries in the buffer, n <N3.

Sitten suodatin jakaa nopeusvektorisumman puskurin pituudella saaden kesinopeuden v 5 v _ _«««_ nThe filter then divides the sum of the velocity vector over the buffer length, yielding a summer velocity v of 5 v _ _ «« «

Tulospiste saadaan syötepisteiden ja keskinopeuden summasta kerrottuna ennalta määritetyllä vakiolla KThe result point is the sum of the input points and the mean velocity multiplied by a predetermined constant K

P result =P *KP result = P * K

j. rcMiit *· inpuI (n>i!j. rcMiit * · inpuI {n> i!

Tulosteen geometria on piste. Tulosteen aika on nykyhetki ja syöt-10 teen luotettavuus on suodattimen 2 laskema.The geometry of the output is a point. The time of printout is current and the reliability of the input-10 tea is calculated by the filter 2.

SUODATIN 5 on hyppelynvähennyssuodatin.FILTER 5 is a hopping reduction filter.

Syötteen geometria on piste ja syötteen luotettavuus on suodattimen 2 laskema.The geometry of the feed is a point and the reliability of the feed is calculated by the filter 2.

Suodatin ylläpitää puskuria syötteitä varten. Se lisää syötepisteen 15 puskuriin laskennan jälkeen. Puskurin maksimikoko on N4The filter maintains a buffer for feeds. It adds an entry point to the buffer 15 after counting. The maximum buffer size is N4

Aluksi suodatin laskee keskinopeuden puskurin pisteelle. Nopeus lasketaan kahdesta peräkkäisestä pisteestä piA and pj ft ft n — nInitially, the filter drops the average speed to the buffer point. The velocity is calculated from two consecutive points piA and pj ft ft n - n

V .Tv- LV P‘ -PtLV .Tv-LV P '-PtL

sum / 41 /,/-11 / j .sum / 41 /, / - 11 / j.

i~2 i~2 Δί, • missä Δ/,οη koordinaattipisteiden pi ja j5,_, välinen aikaeroja n ; \; 20 on syötteiden lukumäärä puskurissa, n<N4.i ~ 2 i ~ 2 Δί, • where Δ /, οη is the time difference n between the coordinate points pi and j5, _; \; 20 is the number of inputs in the buffer, n <N4.

• ♦ ‘ *· ’ ” Tällöin keskinopeus lasketaan: v = n — 1• ♦ '* ·' 'Then the average speed is calculated: v = n - 1

Viimeistä vaihetta varten tarvitaan At, joka on aikaero syötepisteen ja edellisen syötepisteen välilläFor the final step, At is needed, which is the time difference between the input point and the previous input point

'· I *1 Pinput Pinput-X'· I * 1 Pinput Pinput-X

V = v = —-- 1 1 At 25 Jos v > L * vOT,g missä L on suodattimeen liittyvä vakio, niin ll*v . V Jos v > M missä M on suodattimeen liittyvä vakion, niin - —. [mV = v = —-- 1 1 At 25 If v> L * vOT, g where L is the constant associated with the filter, then ll * v. V If v> M where M is a constant associated with a filter, then - -. [m

y.; v = v*iTy .; v = v * iT

30 ♦ · · is 11314130 ♦ · · is 113141

Tulospiste saadaan kaavasta:The conversion point is given by the formula:

Prc.su/, = P input-\ +V*MPrc.su/, = P input- \ + V * M

Tulosteen geometria on piste. Tulosteen aika on nykyhetki ja tulosteen luotettavuus on suodattimen 2 laskema.The geometry of the output is a point. Printout time is current and printout reliability is calculated by filter 2.

5 Luotettavuustaulu ja luotettavuusfunktio ovat vaihtoehtoja toinen toisilleen. Molempia käytetään ratkaisemaan, tarvitaanko uusi palsta asiakkaan vaatimusten tyydyttämiseksi.5 The trust table and the trust function are alternatives to each other. Both are used to determine if a new column is needed to meet customer requirements.

Kuvio 7 A kuvaa luotettavuusarvoilla täytettyä luotettavuustaulua. Luotettavuustaulu on staattinen eli jäljitin käyttää sitä, mutta ei muuta sen 10 sisältöä. Tarkkuus- ja luotettavuusparametrit kontrolloivat jäljittimen toimintaa. Esimerkiksi tarkkuusparametrin arvo voisi olla vähintään 250 m ja luotet-tavuusparametrin arvo voisi olla vähintään 0,7. Tässä tapauksessa jäljitin käyttäisi luotettavuustaulun riviä, joka on otsikoitu ”250 m”. Kuten voidaan nähdä, luotettavuustaulun sarake, joka on otsikoitu ”> 1,2” sisältää luotetta-15 vuusarvon 0,71. Näin ollen jäljitin päättelee, että luotettavuussumman täytyy olla enemmän kuin 1,2 tyydyttääkseen parametriarvoina saadut asiakkaan vaatimukset.Figure 7A illustrates a reliability table filled with confidence values. The trust table is static, meaning the tracker uses it but does not change its contents. The accuracy and reliability parameters control the operation of the tracker. For example, the value of the accuracy parameter could be at least 250 m and the value of the reliability parameter could be at least 0.7. In this case, the tracker would use a line in the trust table labeled "250 m". As can be seen, the column of the reliability table labeled "> 1.2" contains a confidence value of 0.71. Therefore, the tracker concludes that the confidence sum must be greater than 1.2 in order to satisfy customer requirements obtained as parameter values.

Kuvio 7B kuvaa osumilla täytettyä osumataulua. Osumataulu tarvitaan muodostettaessa luotettavuustaulua. Myöhemmin kuvataan, miten luo-20 tettavuustaulu ja osumataulu on muodostettu.Figure 7B illustrates a hit-filled hit table. A hit table is needed when creating a reliability table. Later, it will be described how the availability table and hit table are constructed.

: Kuviot 8A ja 8B esittävät, miten jäljitin suorittaa jäljitystehtäviä.8A and 8B illustrate how a tracker performs trace tasks.

; Tarkemmin sanoen kuviot esittävät, kuinka jäljitysprosessi suorittaa tietyn tilaajan jäljitystehtävää. Samanaikaisesti on käynnissä useita jäljitysproses- ..... seja. Jäljitystehtävä muodostuu osatehtävistä, joita on merkitty numeroilla 25 801-818.; More specifically, the figures illustrate how the tracking process performs a tracking task for a particular subscriber. Several tracing processes are running at the same time. The tracking task consists of subtasks marked with numbers 25,801-818.

. , (801) Aluksi jäljitin tarkistaa, onko palstakyselylippu päällä. Tämä lippu liittyy tiettyyn jälkeen. Mikäli jokin jäljitysprosessi on jo kysynyt palstaa, seuraava osatehtävä on 808 eli jäljitin jättää jäljen väliin.. , (801) Initially, the tracker checks if the column poll flag is on. This flag is associated with a specific post. If a trace process has already requested a column, the next subtask is 808, ie the trace skips.

(802) Jäljitin tarkistaa, onko jälki poissa alueelta ajanhetkeen f00 30 asti ja että vielä ei ole t00 ajan hetki. Poissa-alue on sellainen alue, joka ei :,*·· kiinnosta tiettyä tilaajaa. Jäljitin voi estimoida ajan t00 , joka määrittää, milloin : “ ’ tilaaja on tulossa kiinnostavalle alueelle.(802) The tracker checks to see if the track is out of range until f00 30 and that it is not yet t00. An offline area is an area that does not:, * ·· interest a particular subscriber. The tracker can estimate the time t00, which determines when: "" the subscriber is coming to an area of interest.

(803) Jäljitin noutaa uudet palstat palstajoukkoon, jos tietokannas-sa on yhtään uutta palstaa. Jäljitysprosessit voivat hyödyntää samoja palsto- 35 ja, näin ollen jokainen jäljitysprosessi aluksi tarkistaa, onko jokin toinen jälji-:'tysprosessi jo kysynyt, saanut ja tallettanut uuden palstan tietokantaan.(803) The tracker retrieves new columns in a column set if there are any new columns in the database. The trace processes can take advantage of the same columns, so each trace process first checks to see if another trace process has already requested, received, and stored a new column in the database.

16 113141 (804) Jäljitin käyttää palstajoukkoa, laskee sovitetun estimaatin tilaajan sijainnille ja tarkistaa kyseisen estimaatin luotettavuuden. Sovitettu estimaatti sisältää luotettavuussumman.16 113141 (804) The tracker uses a set of columns, calculates a fitted estimate for the subscriber location, and checks the reliability of that estimate. The fitted estimate contains the confidence sum.

(805) Jäljitin käyttää sovitetun estimaatin luotettavuussummaa ja 5 palvelusovelluksen asettamaa tarkkuusparametria. Tällä tavoin jäljitin saa tietyn luotettavuustaulun solun. Jäljitin tarkistaa solusta, onko luotettavuus pyydetyn luotettavuuden alapuolella. Tarkemmin sanoen jäljitin vertaa kyseistä luotettavuutta palvelusovelluksen asettamaan luotettavuusparametrin arvoon.(805) The tracker uses the reliability estimate of the fitted estimate and the accuracy parameter set by the service application. In this way, the tracer receives a specific trust table cell. The tracker checks the cell to see if the reliability is below the requested reliability. More specifically, the tracker compares that reliability to the value of the reliability parameter set by the service application.

10 (806) Jäljitin tarkistaa, onko viimeisin palsta vähemmän kuin ”mi- nimiaikaväli” vanha. Minimiaikaväli on palvelusovelluksen asettama paramet-riarvo.10 (806) The tracker checks to see if the last column is less than the "minimum interval" old. The minimum time interval is a parameter value set by the service application.

(807) Jäljitin tarkistaa, onko viimeistin palsta enemmän kuin ”mak-simiaikaväli” vanha. Maksimiaikaväli on palvelusovelluksen asettama para- 15 metriarvo.(807) The tracker checks to see if the finisher column is more than the "maximum interval" old. The maximum time interval is a parameter value set by the service application.

(808) Osatehtävät 801, 802, 805, 806 tai 807 saattavat aiheuttaa, että palstajoukon päivittäminen jätetään väliin.(808) Partial tasks 801, 802, 805, 806, or 807 may cause you to skip updating the column set.

(809) Muutoin jäljitin asettaa palstakyselylipun päälle.(809) Otherwise, the tracker sets the column poll flag.

(810) Jäljitin kysyy uutta palstaa GMLC-keskukselta, saa uuden 20 palstan ja tallettaa sen tietokantaan ja lisää uuden palstan palstajoukkoon.(810) The tracker requests a new column from the GMLC, obtains a new 20 column and stores it in a database, and adds a new column to the column set.

• ;* Kuitenkin on mahdollista, että jäljitin eli jäljitysprosessi keskeytetään, mikäli t · · sen ajastin laukeaa. Toisinaan uuden palstan saaminen saattaa kestää niin pitkään, että kyseinen ajastin laukeaa.•; * However, it is possible that the trace or trace process is interrupted if its timer is triggered. Sometimes it can take so long to get a new column to trigger that timer.

(811) Jos jäljitintä ei keskeytetty osatehtävässä 801, se asettaa 25 palstakyselylipun pois päältä.(811) If the tracker was not interrupted in subtask 801, it will disable 25 column poll flags.

(812) Nyt palstajoukko on päivitetty ja jäljitin laskee uuden sovitetun estimaatin tilaajan sijainnille ja tarkistaa kyseisen estimaatin luotettavuuden.(812) The column set is now updated and the tracker calculates a new matched estimate for the subscriber location and checks the reliability of that estimate.

(813) Jäljitin tarkistaa, onko historiaparametri päällä. Historiapa-30 rametrin arvo on palvelusovelluksen asettama.(813) The tracker checks if the history parameter is on. The value of the historypa-30 rameter is set by the service application.

(814) Jos historiaparametri on päällä, jäljitin tallettaa sovitetun es- timaatin.(814) If the history parameter is on, the tracker stores a matched estimate.

.·.· (815) Jäljitin tarkistaa sijaitseeko käyttäjä kiinnostavan alueen ul- ’kopuolella. Kiinnostava alue on palvelusovelluksen asettama optionaalinen :··· 35 parametri. Tilaajan sijainti on sovitetun estimaatin koordinaatti. Täten jäljitin * I · « · · • * a • · · # » 17 113141 tarkistaa, sijaitseeko kyseinen koordinaattipiste kiinnostavan suorakulmaisen alueen ulkopuolella.. (815) The tracker checks whether the user is outside the area of interest. The area of interest is an optional: ··· 35 parameter set by the service application. The location of the subscriber is the coordinate of the matched estimate. Thus, the tracker * 113 171 141 checks if the coordinate point is outside the rectangle of interest.

(816) Jos se sijaitsee kiinnostavan alueen ulkopuolella, jäljitin asettaa poissa alueelta -lipun päälle.(816) If it is located outside the area of interest, the tracker will set the Out of Range flag.

5 (817) Jäljitin laskee ajan too, milloin jälki saattaa olla kiinnostavan alueen päällä ja tallettaa ajan too Tämä laskenta perustuu edellä kuvattuun kolmanteen kaavaan.5 (817) The trace calculates the time too, when the trace may be over the area of interest and records the time too This calculation is based on the third formula described above.

(818) Jäljitin asettaa poissa alueelta -lipun pois päältä.(818) The Tracker sets the Out of Range flag.

(819) Jäljitin raportoi tarvittaessa tilaajan sijainnin. Kuitenkin, jos 10 poissa alueelta -lippu on päällä, raportointia ei tarvita.(819) The tracker reports the subscriber's location, if necessary. However, if 10 out of area flags are on, reporting is not required.

Ennalta määritellyt vakiot saadaan jäljittimen optimointivaiheessa. Seuraava kuvaus koskee ennalta määriteltyjä vakioita A-D and N. Kuitenkin samoja periaatteita voidaan käyttää etsittäessä parhaita arvoja ennalta määritellyille vakioille F-M ja N1 - N4. Ennalta määriteltyjen vakioiden arvot riippu-15 vat lähdejärjestelmästä ja sen ominaispiirteistä. Lähdejärjestelmä, kuten matkaviestinverkko, tarjoaa sijaintidataa.The predefined constants are obtained during the tracker optimization step. The following description applies to the predefined constants A-D and N. However, the same principles can be used to find the best values for the predefined constants F-M and N1 to N4. The values of the predefined constants depend on the source system and its characteristics. A source system, such as a cellular network, provides location data.

Kuvio 9 esittää jäljittimen initialisointivaiheen askeleita. Initialisoin-tivaihe tuottaa tarvittavat ennalta määritellyt vakiot ja luotettavuustaulun.Figure 9 shows the steps of the initialization step of the tracker. The Initialisoin step produces the required pre-defined constants and a reliability table.

Askeleessa 1 muutamia avustavia tilaajia tarvitaan kantamaan 20 lähdejärjestelmän päätelaitetta sekä GPS-järjestelmän päätelaitetta muka- naan. Nämä tilaajat liikkuvat tietyllä maantieteellisellä alueella ja heidän si- jaintitietojaan kerätään samanaikaisesti lähdejärjestelmästä ja GPS- ..... järjestelmästä. Ensimmäinen askel kestää tietyn aikaa esimerkiksi yhden tunnin.In step 1, a few auxiliary subscribers are required to carry 20 source system terminals and a GPS system terminal. These subscribers move within a certain geographical area and their location information is simultaneously collected from the source system and the GPS ..... system. The first step takes a certain amount of time, for example one hour.

25 Toisessa askeleessa lähdejärjestelmästä kerätyt palstat ja GPS- järjestelmästä kerätyt koordinaattipisteet konvertoidaan johonkin koordinaatti-järjestelmään, kuten UCS (Uniform Coordinate System) -järjestelmään. Palstoista ja koordinaattipisteistä muodostetaan pareja siten, että jokainen palsta ja koordinaattipiste sisältävät käyttäjätunnisteen (user ID). Käyttäjä-30 tunniste on esimerkiksi MSISDN (mobile subscriber integrated services digi-tai network). Täten jokainen pari sisältää seuraavan informaation: :' “ - käyttäjätunniste, aika, palstan UCS-koordinaatit, , V - Käyttäjätunniste, aika, koordinaattipisteen UCS-koordinaatit.In the second step, the columns collected from the source system and the coordinate points collected from the GPS system are converted to a coordinate system, such as the Uniform Coordinate System (UCS). Pairs of columns and coordinate points are paired so that each column and coordinate point contains a user ID. For example, the user-30 identifier is MSISDN (Mobile Subscriber Integrated Services Digital or Network). Thus, each pair contains the following information: '' - User ID, Time, UCS Coordinates, V - User ID, Time, UCS Coordinates of the coordinate point.

'; ’; Ensiksi mainittu ’’aika” on palstan mittausajanhetki ja toiseksi mai- '... 35 nittu ’’aika” on koordinaattipisteen mittausajankohta. Askeleessa 2 tuloksena saadut parit talletetaan tietokantaan.'; '; The first "time" is the time of measurement of the column and the second "... 35" time "is the time of measurement of the coordinate point. The resultant pairs in step 2 are stored in a database.

» » 18 113141»» 18 113141

Askeleessa 3 tietokantaan talletettuja pareja tarkastellaan aikasarjana. Jokaista aikasarjaa käsitellään siten, että ajat korvataan diskreeteillä aikaväleillä. Diskreetti aikaväli voi olla esim. 15 sekuntia. Esimerkiksi, jos askel 1 kesti kellonajasta 9.00 kellonaikaan 10.00, silloin ajat väliltä 9.00:00 -5 9.00:15 korvataan aikaintervalliarvolla 0-15 ja ajat välillä 9.00:16 - 9.00:30 korvataan aikaintervalliarvolla 16-30 jne.In step 3, the stored pairs in the database are viewed as a time series. Each time series is processed such that times are replaced by discrete time intervals. The discrete time interval can be, for example, 15 seconds. For example, if step 1 lasted from 9.00am to 10.00am, then the time intervals from 9.00: 00-5: 009: 15 is replaced by a time interval of 0-15 and the time between 9.00: 16 and 9.00: 30 is replaced by a time interval of 16-30, etc.

Pareista muodostetut aikasarjat korvataan aikasarjoilla, jotka on muodostettu aikaintervalleista. Jokainen aikaintervalli sisältää seuraavan informaation: 10 - käyttäjätunniste (joka indikoi aikasarjaa) - aikaintervalliarvo - palstan UCS-koordinaatit - koordinaattipisteen UCS-koordinaatit.Paired time series are replaced by time series that are made up of time intervals. Each time interval contains the following information: 10 - User ID (which indicates the time series) - Time interval value - UCS coordinates of the column - UCS coordinates of the coordinate point.

Askeleessa 4 tarkastellaan aikaintervalleista muodostettuja aika-15 sarjoja. Aikasarjat, jotka täyttävät seuraavat kaksi kriteeriä, valitaan seuraa-vaa askelta varten. Ensimmäinen kriteeri, että aikasarjan pitäisi olla riittävän pitkä eli kunkin aikasarjan pitäisi sisältää riittävä määrä pareja. Toinen kriteeri on, että kunkin aikasarjan pitäisi olla riittävän yhtenäinen eli mahdollinen aikaväli kahden parin välillä ei saisi ylittää tiettyä aikaa.Step 4 looks at time-interval sets of time intervals. Time series that meet the following two criteria are selected for the next step. The first criterion is that the time series should be long enough, ie each time series should contain a sufficient number of pairs. Another criterion is that each time series should be sufficiently homogeneous, ie the time interval between two pairs should not exceed a certain time.

20 Askeleessa 5 etsitään ennalta määriteltyjen vakioiden parhaita ar- : voja. Etsintä voi perustua tunnettuun geneettiseen algoritmiin. Geneettisen . \ ; algoritmin toimintaperiaatteita havainnollistetaan esittämällä yksinkertainen brutaalialgoritmi. Kyseinen algoritmi tarkistaa kaikki ennalta määriteltyjen vakioiden A-D ja N arvojen kombinaatiot. Vakioita A-D käytetään jäljittimen * 25 laskentakaavioissa ja vakio N määrittää palstajoukon oletuskoon.Step 5 looks for the best values for the predefined constants. The search may be based on a known genetic algorithm. Genetic. \; the operating principles of the algorithm are illustrated by presenting a simple brutal algorithm. This algorithm checks all combinations of predefined constants A-D and N. Constants A-D are used in the counting diagrams of the tracker * 25, and constants N determine the default size of the column set.

Vakioiden A ja B arvot voisivat olla esimerkiksi: 0,90, 0,91, 0,92, :...· 0,93.....0,99. Täten molemmilla on kymmenen mahdollista arvoa. Myös va kioilla C ja D voisi olla kymmenen mahdollista arvoa. Lisäksi vakiolla N voisi olla kymmenen mahdollista arvoa arvosta 2 arvoon 11. Näin ollen vakioilla A-30 D ja N voisi olla 105 eli 100000 arvokombinaatiota.The values for constants A and B could be, for example: 0.90, 0.91, 0.92,: ... · 0.93 ..... 0.99. Thus, both have ten possible values. Also, constants C and D could have ten possible values. In addition, the constant N could have ten possible values from 2 to 11. Thus, the constants A-30 D and N could have 105 or 100000 value combinations.

Geneettinen algoritmi, tai tässä brutaalialgoritmi, laskee ’’jäljitinvir-heen”. Jäljitinvirhe on ero sovitetun estimaatin ja GPS-sijainnin välillä. Sovite-tut estimaatit lasketaan käyttäen edellä kuvattuja laskentakaavioita. Brutaali-*· algoritmi käyttää muuttujaa ”SSTE” jäljitinvirheiden neliöiden summaamiseen.A genetic algorithm, or here a brutal algorithm, calculates a '' trace error ''. Tracker error is the difference between the adjusted estimate and the GPS position. The fitted estimates are calculated using the above described calculation diagrams. The brutal * · algorithm uses the variable "SSTE" to sum up squares of tracker errors.

35 Brutaali laskenta-algoritmi sisältää seuraavat FOR-luupit.35 The brutal computation algorithm contains the following FOR loops.

• · I• · I

1β 1131411β 113141

FOR each value of NFOR each value of N

{{

Aseta 0 muuttujaan SSTE.Set 0 to SSTE.

FOR jokaiselle vakioiden A-D arvoille 5 { FOR jokaiselle aikasarjalle {FOR each constant A-D values of 5 {FOR each time series {

Jos aikasarja ei sisällä vähintään N aikaintervallia, min jätä aikasarja väliin.If the time series does not include at least N time intervals, skip the time series.

10 FOR jokaiselle aikasarjalle {10 FOR for each time series {

Laske sovitettu estimaatti käyttäen vakioiden A-D arvoja ja N palstasta muodostuvaa palstajoukkoa.Calculate the fitted estimate using constant A-D values and a set of N columns.

15 Laske jäljitinvirhe.15 Calculate the Tracker Error.

Lisää jäljitinvirheen neliö muuttujaan SSTE.Add the trace error square to SSTE.

} }}}

Kirjoita vakioiden A-D ja N arvot sekä muuttujan SSTE arvo 20 tulostiedostoon.Write down the values for constants A-D and N, as well as the value for SSTE for 20 in the result file.

f > >f>>

Edellä mainittu tulostiedosto muodostetaan tietueista, jotka sisäl-‘ 25 tävät arvot vakioille A-D ja N ja muuttujan SSTE arvon. Sellainen tietue, jossa muuttujan SSTE-arvo on pienin, valitaan ja ennalta määritellyt vakiot A_D ja ‘: N saadaan kyseisestä tietueesta.The above result file is formed from records containing values for constants A-D and N and the value of variable SSTE. The record with the lowest SSTE value of the variable is selected and the predefined Constants A_D and 'N are obtained from that record.

Askeleessa 6 aikasarjat, jotka ovat riittävän pitkiä ja jotka ovat riittävän yhtenäisiä ja ennalta määritellyt vakiot A-D ja N käytetään algoritmissa 30 ΉΙΤ” (katso kuvio 9). Osumataulua voidaan tarkastella tietorakenteena, joka . . .* sisältää laskurin kussakin solussaan. Aluksi laskureihin asetetaan nolla, toisin sanoen osumia ei ole. Algoritmi käy läpi aikasarjoja ja lisää laskuriarvo-‘ · ’· ja kutsumalla funktiota nimeltään ΉΙΤ”.In step 6, time series that are sufficiently long and are sufficiently uniform and predefined The constants A-D and N are used in the algorithm 30 ΉΙΤ ”(see Figure 9). A hit table can be viewed as a data structure that. . . * contains a counter for each cell. Initially, the counters are set to zero, meaning there are no hits. The algorithm goes through time series and increments the counter value '·' · and calls a function called ΉΙΤ '.

• * 20 113141 FOR jokaiselle aikasarjalle {• * 20 113141 FOR each time series {

Jos aikasarja ei sisällä ainakin N aikaintervallia, jätä aikasarja väliin.If the time series does not include at least N time intervals, skip the time series.

5 FOR jokaiselle aikasarjalle {5 FOR for each time series {

Laske sovitettu estimaatti käyttäen N palstasta muodostuvaa palstajoukko ja vakioiden A-D arvoja.Calculate the fitted estimate using a set of N columns and constant A-D values.

Laske jäljitinvirhe.Calculate tracker error.

10 Kutsu HIT-funktiota käyttäen parametreinä sovitetun esti maatin luottettavuussummaa ja jäljitinvirhettä.10 Call the HIT function using the matched barrier's reliability sum and the tracer error as parameters.

} } 15 HIT-funktio päättelee osumataulun sarakkeen kyseisen luotetta- vuussummaparametrin perusteella ja HIT-funktio päättelee osumataulun rivin jäljitinvirheparametrin perusteella. Täten HIT-funktion parametrit määrittävät, mitä solua eli, mitä laskuria HIT-funktion pitäisi kasvattaa yhdellä.}} 15 The HIT function deduces a hit table column based on that reliability sum parameter, and the HIT function deduces a hit table row based on the tracker error parameter. Thus, the parameters of the HIT function determine which cell, i.e. which counter, the HIT function should increment by one.

Esimerkiksi luotettavuussummaparametrilla voisi olla arvo 1,2 ja jäl-20 jitinvirheparametrilla voisi olla arvo 75. Tässä tapauksessa HIT-funktio valit-: see sarakkeen, joka on otsikoitu ”> 1,2” ja rivin, joka on otsikoitu ”100 m” ja . . : ”250 m” (katso kuvio 7B). HIT-funktio päättelee, että kyseisen sarakkeen ja ιι= kyseisten rivien leikkauskohdissa olevien solujen laskureita tarvitsee kasvat taa yhdellä. Kuviossa 7B noiden laskureiden arvot ovat 159 ja 710.For example, the reliability sum parameter could have a value of 1.2 and the trace error parameter could have a value of 75. In this case, the HIT function selects a column labeled "> 1.2" and a row labeled "100 m" and. . : "250 m" (see Figure 7B). The HIT function concludes that the counters for the cells at the intersection of this column and ιι = those rows need to be incremented by one. In Figure 7B, those counters have values of 159 and 710.

’ 25 Askeleessa 7 luotettavuustaulu muodostetaan käyttäen osumilla täytettyjä osumataulua. Osumataulun oikeassa alakulmassa oleva solu sisäl-tää suurimman osuma-arvon. Kuviossa 7B suurin osuma-arvo on 710. Aikasarjojen lukumäärä jokaista osumataulun saraketta kohti on tunnettu. Jokainen luotettavuusarvo saadaan siten, että osumien lukumäärä jaetaan kysei-30 sellä aikasarjojen lukumäärällä. Esimerkiksi kuviossa 7B osumataulun viimei-sessä sarakkeessa on tuhat aikasarjaa. Näin ollen kuviossa 7A esitetyt luo-.· '* tettavuusarvot saadaan jakamalla kuviossa 7B esitetyt osumat tuhannella.'25 In step 7, the reliability table is formed using a hit-filled hit table. The cell in the lower right corner of the hit table contains the highest hit value. In Figure 7B, the maximum hit value is 710. The number of time series for each column in the hit table is known. Each confidence value is obtained by dividing the number of hits by that number of time series. For example, in Figure 7B, the last column of the hit table has a thousand time series. Thus, the confidence values shown in Figure 7A are obtained by dividing the hits shown in Figure 7B by 1000.

> I * » t * » » * * « · · I ·> I * »t *» »* *« · · I ·

Claims (44)

1 At missä At on aikaero syötepisteen pinpul ja edellisen syötepisteen Pinputs välillä ja 5 kun v>L*vmg, missä L on ennalta määritelty vakio, korjaten no peutta kaavalla JL*v arg — V ja kun v > M, missä M on ennalta määritelty vakio korjaten nopeutta kaavalla „A _ _ [M 10 v = v * /—, V v saaden tulospisteen pKSUII kaavalla P result =P„,put-1 + V * At , lisätään presuit toiseen pistejoukkoon ja tulostetaan presul,.1 At where At is the time difference between the input point pinpul and the previous input point Pinputs and 5 when v> L * vmg, where L is a predefined constant, correcting the rate with JL * v arg - V, and when v> M, where M is a predefined constant correcting the velocity with the formula "A _ _ [M 10 v = v * / -, V v to obtain the score point pKSUII with the formula P result = P", put-1 + V * At, add the presuit to the second set of points and print the presul. 1. Menetelmä objektien paikantamiseksi järjestelmässä menetelmän sisältäessä vaiheet: vastaanotetaan objektin sijainnin määräävä palsta, 5 tarjotaan sijaintiestimaatteja, kunkin sijaintiestimaatin määrittäessä, missä lähdejärjestelmän objekti sijaitsee tietyllä hetkellä, menetelmän ollessa tunnettu seuraavista vaiheista: ylläpidetään palstajoukkoa jokaiselle paikannettavalle objektille, vastaanotetaan yksiköstä paikan n usestimaatteja koskevat vaati- 10 mukset, lasketaan paikannusestimaatti käyttäen palstajoukkoa, tarkastellaan täyttääkö paikannusestimaatti vaatimukset ja vain, mikäli paikannusestimaatti epäonnistuu täyttämään vaatimukset, kysytään uutta palstaa lähdejärjestelmästä, 15 vastaanotetaan uusi palsta, lisätään vastaanotettu palsta palstajoukkoon ja käyttäen kyseistä palstajoukkoa, lasketaan sijaintiestimaatti, joka korvaa aiemmin lasketun sijaintiestimaatin.1. A method for locating objects in a system, the method comprising: receiving an object position determining column, providing location estimates, determining each location estimate where the source system object is at a particular time, the method comprising: maintaining a plurality of objects for each object to be located; - 10, calculating the position estimate using the set of columns, examining whether the position estimate satisfies the requirements and only if the position estimate fails the requirements, requesting a new column from the source system, 15 receiving a new column, adding the received column to 2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii- : , t ä , että lähetetään paikannusestimaatti.Method according to claim 1, characterized in that a position estimate is transmitted. ‘ 3. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii- ‘ ! t ä, että vaatimukset sisältävät luotettavuusarvon määrittäen todennäköisyy den, miten luotettava paikannusestimaatin täytyy olla. « * * ·The method according to claim 1, characterized in that: That the requirements include a reliability value defining the probability of how reliable the position estimate must be. «* * · 4. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii- * : tä, että vaatimukset sisältävät tarkkuusarvon määrittäen etäisyyden, kuinka :. tarkka paikannusestimaatin täytyy olla.A method according to claim 1, characterized in that the requirements include a precision value determining the distance how:. the exact position estimate must be. 5. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii-t ä, että vaatimukset sisältävät aikaintervallin määrittäen, kuinka usein vähin- 30 tään menetelmän täytyy kysyä palstaa.A method according to claim 1, characterized in that the requirements include a time interval defining how often at least the method must ask for a column. 6. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii- .·· tä, että vaatimukset sisältävät toisen aikaintervallin määrittäen, kuinka usein menetelmä saa korkeintaan pyytää palstaa. ♦ >The method of claim 1, characterized in that the requirements include a second time interval defining how often the method may at most request a column. ♦> 7. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu sii-35 tä, että laskettaessa sijaintiestimaattia menetelmä käyttää laskentakaavoja *»· • * · » • » 22 113141 sisältäen ennalta määriteltyjä vakioita ja optimointivaiheen aikana, joka edeltää menetelmän käyttöönottoa, etsitään ennalta määriteltyjen vakioiden arvot menetelmän adap-toimiseksi lähdejärjestelmään.A method according to claim 1, characterized in that, when calculating a location estimate, the method uses calculation formulas including predefined constants and, during the optimization step preceding the implementation of the method, looks for the values of the predefined constants in the method adapt. to the source system. 8. Menetelmä lähdejärjestelmän objektien paikantamiseksi mene telmän sisältäessä vaiheet: vastaanotetaan objektin sijainnin määrittävä palsta, tarjotaan sijaintiestimaatteja, kunkin sijaintiestimaatin määrittäessä, missä lähdejärjestelmän objekti sijaitsee tietyllä hetkellä, 10 menetelmän ollessa tunnettu siitä, että ylläpidetään palstajoukkoa jokaiselle paikannettavalle objektille, lasketaan sijaintiestimaatti käyttäen palstajoukkoa ja laskentakaavoja ennalta määriteltyjen vakioiden kera ja optimointivaiheen aikana, joka edeltää menetelmän käyttöönottoa, 15 etsitään ennalta määriteltyjen vakioiden arvot menetelmän adap- toimiseksi lähdejärjestelmään.8. A method for locating source system objects, the method comprising the steps of: receiving a position determining column, providing location estimates, determining each location estimate of where the source system object is at a given time, 10 with predefined constants, and during the optimization step preceding the implementation of the method, the values of the predefined constants are searched to adapt the method to the source system. 9. Patenttivaatimuksen 1 tai 8 mukainen menetelmä, tunnettu siitä, että lähdejärjestelmä on tietoliikenneverkko ja objekti on tilaaja.Method according to claim 1 or 8, characterized in that the source system is a telecommunications network and the object is a subscriber. 10. Patenttivaatimuksen 6 tai 8 mukainen menetelmä, tunnettu 20 siitä, että ennalta määriteltyjen vakioiden arvojen löytämiseksi : , · käytetään lähdejärjestelmässä liikkuvia objekteja lasketaan sijaintiestimaatteja kyseisille objekteille muuttamalla ennalta määriteltyjen vakioiden arvoja käytetään suhteellisen tarkkaa sijaintidataa kyseisille objekteille, * 1 1 f 25 missä sijaintidata vastaanotetaan referenssijärjestelmästä, määritetään virheet sijaintiestimaattien ja sijaintidatan välillä saaden ·'. , tuloksena niiden ennalta määriteltyjen vakioiden arvot, jotka saavuttavat virheiden minimin.Method according to claim 6 or 8, characterized in that, in order to find predefined constants values:, · using moving objects in the source system, computing position estimates for said objects by changing the predefined constants values to relatively accurate position data for said objects, reference system, defines errors between location estimates and location data to get · '. , resulting in values for predefined constants that reach a minimum of errors. 11. Patenttivaatimuksen 6 mukainen menetelmä, tunnettu sii-30 t ä , että menetelmän optimointivaihe sisältää askeleet: .·. kerätään samanaikaisesti sijaintidataa lähdejärjestelmästä ja refe- ,··· renssijärjestelmästä, kummankin sijaintidatan sisältäessä käyttäjätunnisteet '! . ja aikaleimat, » I v. muodostetaan aikasarjat lähdejärjestelmän sijaintidatasta ja refe- !,,, 35 renssijärjestelmän mittaamasta sijaintidatasta siten, että aikaleimat korvataan ,···1 aikaintervalleilla, ja ennalta määriteltyjen vakioiden määrittämiseksi i » 1 i 1 « » 23 113141 kombinoidaan ennalta määriteltyjen vakioiden mahdollisia arvoja, ja jokaista arvokombinaatiota kohden suoritetaan algoritmi, joka laskee sijaintiestimaatit käyttäen laskentakaavoja ja joka laskee virheet sijaintiestimaattien ja referenssijärjestelmän 5 mittaamien sijaintien välillä, ja suorituksen aikana jokaista aikasarjan aikaintervallia kohden lisätään muuttujaan kyseistä virhettä kuvaava numeerinen arvo, ja jokaista aikasarjaa kohti kirjoitetaan arvokombinaatio ja kyseisen muuttujan arvo muistiin, ja suorituksen jälkeen, 10 luetaan muistia, ja etsitään sellainen arvokombinaatio, johon liittyy muuttujan pienin arvo, täten saaden ennalta määriteltyjen vakioiden arvot.The method according to claim 6, characterized in that the process optimization step comprises the steps:. collecting location data from the source system and the refe, ··· licensing system simultaneously, with both location data containing user IDs'! . and time stamps, »i v. time series are formed from source system location data and ref1,,,, 35, the time system-measured location data by replacing time stamps, ··· 1 at time intervals, and pre-combining i» 1 i 1 «» 23 113141 the possible values of the defined constants, and for each value combination, an algorithm that calculates location estimates using the formulas and calculates errors between the location estimates and the locations measured by the reference system 5, and during the execution, and the value of that variable in memory, and after execution, 10 reads the memory, and looks for the value combination that has the smallest value of the variable, thus obtaining predefined constants values. 12. Patenttivaatimuksen 12 mukainen menetelmä, tunnettu siitä, että algoritmi on geneettinen algoritmi.Method according to claim 12, characterized in that the algorithm is a genetic algorithm. 13. Patenttivaatimuksen 10 tai 11 mukainen menetelmä, tunnet tu siitä, että menetelmän optimointivaihe sisältää lisäaskeleet: saadaan referenssijärjestelmän mittaamasta paikkadatasta refe-renssipisteet, ja talletetaan referenssipisteet tietokantaan.13. A method according to claim 10 or 11, characterized in that the method optimization step includes further steps: obtaining reference points from the location data measured by the reference system, and storing the reference points in a database. 14. Patenttivaatimuksen 10tai 11 mukainen menetelmä, tunnet- ; . t u s i i t ä , että referenssijärjestelmä on GPS-järjestelmä.A method according to claim 10 or 11, known; . it is understood that the reference system is a GPS system. 15. Patenttivaatimuksen 14 mukainen menetelmä, tunnettu siitä, että referenssipisteet ovat GPS-järjestelmän mittaamia sijainteja.Method according to claim 14, characterized in that the reference points are locations measured by the GPS system. 16. Patenttivaatimuksen 11 mukainen menetelmä, tunnettu I t · » 25 siitä, että menetelmän optimointivaihe sisältää lisäaskeleet: käytetään soluista muodostuvaa osumataulua siten, että jokainen \ . solu kohdistuu tiettyyn tauluarvon luotettavuussummalle ja tiettyyn tauluar- voon tarkkuudelle, ja jokaiselle aikasarjalle lasketaan sijaintiestimaatit käyttäen laskentakaavoja saatujen en-30 naita määriteltyjen vakioiden arvojen kanssa, ja lasketaan virhe kunkin lasketun sijaintiestimaatin ja referenssijärjes-,··* telmän mittaaman paikan välillä, ’ · t · saadaan tietty tauluarvo tarkkuudelle kyseisestä virheestä, v. saadaan tietty tauluarvo luotettavuussummalle kyseisestä lasketus- » I · 35 ta sijaintiestimaatista, ja • » .*·· saadaan tietty solu, johon kyseiset tauluarvot liittyvät, * ·» ♦ * » * * » · 24 113141 lisätään kyseisen solun laskuria yhdellä, ja lisätään toista laskuria yhdellä, missä toinen laskuri liittyy luotetta-vuussumman tauluarvoon.A method according to claim 11, characterized in that the method optimization step includes further steps: using a cell hit table such that each \. the cell targets a given table value for a given sum of values and a given table value for accuracy, and calculating position estimates for each time series using the formulas with predefined constants values obtained, and calculating an error between each computed position estimate and the reference position, ·· * · Obtains a certain table value for the accuracy of the error in question, v. Obtains a certain table value for the confidence sum from that computational »I · 35 ta position estimate, and •». * ·· obtains the specific cell to which these table values refer, * · »♦ *» * * »· 113,141 adds a counter for that cell by one, and adds another counter by one, where the second counter is associated with a table value of the confidence sum. 17. Patenttivaatimuksen 16 mukainen menetelmä, tunnettu 5 siitä, että optimointivaihe sisältää lisäaskeleet: jokaiselle osumataulun solulle jaetaan solun laskuriin talletettu arvo sellaisen laskurin arvolla, joka liittyy samaan luotettavuussumman tauluarvoon kuin solun laskuri, talletetaan kyseisen jakolaskun kukin tulos luotettavuustaulun so-10 luun, missä luotettavuustaululla on sama looginen rakenne kuin osumataulul-la ja luotettavuustaulun kukin solu on tarkoitettu tallentamaan luotettavuusarvon.The method of claim 16, characterized in that the optimization step includes further steps: dividing each hit table cell by a value stored in the cell counter with a counter value associated with the same confidence sum table value as each cell of the division table, has the same logical structure as the hit table and each cell in the trust table is intended to store the trust value. 18. Patenttivaatimuksen 17 mukainen menetelmä, tunnettu siitä, että menetelmän optimointivaihe sisältää lisäaskeleet: 15 käytetään tauluarvoilla täytettyä luotettavuustaulua ja luotettavuus arvoilla täytettyjä soluja, muodostetaan funktio siten, että tarkastellaan tiettyyn tarkkuuteen liittyvää tauluarvoa ja tiettyyn luotettavuussummaan liittyvää tauluarvoa syötteinä funktiolle, missä syötteet tuottavat tuloksena tietyn luotettavuusarvon 20 funktion tulosteena.18. The method of claim 17, wherein the step of optimizing the method includes further steps: using a trusted table filled with tabular values and cells filled with trusted values, constructing a function by considering a tabular value associated with a given accuracy and a tabular value associated with a given confidence sum as the output of the 20 value of the reliability value. . . 19. Patenttivaatimuksen 17 mukainen menetelmä, tunnettu *; ’ ; siitä, että tarkasteltaessa täyttääkö sijaintiestimaatti vaatimukset käytetään ‘ ; luotettavuustaulua seuraavasti: * ' saadaan tauluarvo tarkkuudelle tarkkuusarvosta, joka määrittää ‘:· 25 etäisyyden, kuinka tarkka sijaintiestimaatin tulee olla, ’“*· saadaan tauluarvo luotettavuussummalle sijaintiestimaatin luotetta- vuussummasta, saadaan tietty luotettavuustaulun solu, joka liittyy kyseisiin tauluarvoihin, verrataan kyseiseen soluun talletettua luotettavuusarvoa luotetta-30 vuusarvoon, joka määrittää todennäköisyyden, kuinka luotettava sijaintiesti-. maatin täytyy olla, näin ollen saaden tuloksena sen, että sijaintiestimaatti • * I !.. ‘ täyttää tarkkuutta ja luotettavuutta koskevat vaatimukset, kun ensiksi mainittu luotettavuusarvo saavuttaa viimeksi mainitun luotettavuusarvon.. . The method of claim 17, characterized by *; '; whether 'Location Estimates Meets Requirements' is used to determine; reliability table as follows: * 'retrieves table value for accuracy from precision value that defines': · 25 distance how accurate position estimate should be, '' * · retrieves table value for reliability sum from location estimate reliability sum, retrieves specific cell of the reliability table reliability value to a confidence value of 30, which determines the likelihood of how reliable the location barrier is. must be, thus, resulting in a position estimate of * *!! .. 'meeting the accuracy and reliability requirements when the former reliability value reaches the latter reliability value. : 20. Patenttivaatimuksen 18 mukainen menetelmä, tunnettu : “ ‘ ’: 35 siitä, että tarkasteltaessa täyttääkö sijaintiestimaatti vaatimukset käytetään .! / funktiota seuraavasti: 25 113141 saadaan tarkkuuden syötearvo tarkkuusarvosta, joka määrittää etäisyyden, kuinka tarkka sijaintiestimaatin tulee olla, saadaan luotettavuussumman syötearvo sijaintiestimaatin luotetta-vuussummasta ja käyttäen funktiota kyseisten syötearvojen kanssa, 5 saadaan tietty luotettavuusarvo funktion tulosteena, verrataan kyseistä luotettavuusarvoa luotettavuusarvoon, joka määrittää todennäköisyyden, kuinka luotettava sijaintiestimaatin täytyy olla saaden tuloksena sen, että sijaintiestimaatti täyttää vaatimukset koskien tarkkuutta ja luotettavuutta, kun ensiksi mainittu luotettavuusarvo saavuttaa vii-10 meksi mainitun luotettavuusarvon.: 20. The method of claim 18, characterized by: "'': 35 that is used to determine if the location estimate is satisfied. / function as follows: 25 113141 obtains the precision input value from the precision value that defines the distance how accurate the position estimate should be, obtains the reliability sum input value from the position estimate reliability sum, and uses a function with those input values, 5 gives a given reliability value , how reliable the position estimate must be, resulting in the position estimate meeting the requirements for accuracy and reliability when the former reliability value reaches the last-mentioned reliability value. 21. Patenttivaatimuksen 15 mukainen menetelmä, tunnettu siitä, että laskiessaan sijaintiestimaattia, menetelmä suorittaa seuraavat vaiheet sisältävän estimaattilaskennan: käytetään palstajoukkoa, jonka koko on Λ/ι, missä A/ι on ennalta 15 määritelty vakio, saadaan tietokannasta sellaiset referenssipisteet, jotka ovat ainakin yhden palstajoukon palstan sisäpuolella ja kun kyseiset referenssipisteet on saatu, luodaan ympyrä, jonka keskipiste on referenssipisteiden keskiarvo-20 piste ja ympyrän säde on sellainen, että F prosenttia referenssipisteistä jää . . ympyrän sisäpuolelle, missä F on ennalta määritelty vakio ja *; ; tulostetaan alkio aikaleiman kera, alkion ollessa ympyrä.A method according to claim 15, characterized in that, when calculating a location estimate, the method performs an estimate calculation comprising the steps of: using a set of columns of size Λ / ι, where A / ι is a predetermined constant; within a column set, and when those reference points are obtained, a circle is created with the center of the reference points averaging 20 points and the radius of the circle such that F percent of the reference points remain. . inside a circle where F is a predefined constant and *; ; prints the item with a timestamp, the item being a circle. 21 11314121 113141 22. Patenttivaatimuksen 21 mukainen menetelmä tunnettu sii- ‘ : tä, että estimaattilaskenta sisältää lisävaiheen: 25 tulostetaan alkio aikaleiman kera, alkion ollessa ympyrä, kun epä- '"** onnistutaan hakemaan kyseiset referenssipisteet.The method of claim 21, characterized in that the estimate calculation includes the additional step of: printing an element with a timestamp, the element being a circle, when it is possible to retrieve said reference points. 23. Patenttivaatimuksen 21 tai 22 mukainen menetelmä, tunnet- • · 4 t u siitä, että estimaattilaskenta sisältää lisävaiheen: syötetään alkio, 30 saadaan alkiojoukko, jonka koko on N2, missä N2 on ennalta määri- . telty vakio, lisätään alkio alkiojoukkoon, lasketaan luotettavuussummat alkiojoukon alkioille siten, että kulle-: V kin alkiolle saadaan alustava luotettavuus kaavasta * * * · C * · · · ^ alustava ~ ] (f ’ alue » » · • » 26 113141 missä c on vakioluotettavuus, G on ennalta määritelty vakio, alue on alkion alue ja kun alue < 1, luottaluslava = c, luotettavuus kuluvana ajankohtana saadaan kaavasta 5 luon = luott^vc,_* d' missä H ja / ennalta määriteltyjä vakioita, At on aikaero alkiojoukon alkion aikaleiman ja kuluvan ajankohdan välillä ja d on etäisyys alkion keskipisteen ja palstajoukon palstojen keskipisteen välillä, lasketaan piste, jota nimitetään alkiojoukon alkioiden keskimääräi-10 seksi keskipisteeksi p käyttäen kaavaa: n Y^luoit, * p, p = ±l- YJluotti i=1 missä luotti ovat alkiojoukon alkioille laskettuja luotettavuus-summia, pi ovat alkioiden keskipisteitä ja n on alkiojoukon alkioiden lukumäärä, missä n <N2 ja 15 tulostetaan keskimääräinen keskipiste p aikaleiman kera.A method according to claim 21 or 22, characterized in that the estimate calculation includes an additional step: feeding an element, yielding a set of elements of size N2, wherein N2 is predefined. calculated constant, add the element to the set of elements, calculate the reliability sums for the elements of the set so that the initial value for each element is given by the formula * * * · C * · · · ^ preliminary ~] (f 'range »» · • »26 113141 where c is the constant reliability, G is the predefined constant, the region is the region of the item, and when the area <1, credit scale = c, the reliability at this time is given by formula 5 to = trust ^ vc, _ * d 'where H and / and d is the distance between the midpoint of the element and the midpoint of the columns of the array, calculate a point called the midpoint p of the element of the array p using the formula: Y p you created, * p, p = ± 1 = 1 where the bullet is the confidence sum of the elements in the set, pi is the center of the elements and n is the number of elements in the set, where n <N2 and 15 print the average center point p with a timestamp. 24. Patenttivaatimuksen 21, 22 tai 23 mukainen menetelmä, tunnettu siitä, että estimaattilaskenta sisältää lisävaiheet: : :'. syötetään piste, i f i .'. (' saadaan pisteen virheisiin liittyvä tilastollinen vakiojakauma, 20 saadaan summajakauma, joka sisältää summajakauman kunkin koordinaattipisteen lukumäärän, . kerrotaan jokainen summajakauman koordinaattipiste laimenemis- , . tekijällä ,/v missä J on ennalta määritelty vakio ja At on aikaero syötetyn ‘ ' pisteen ja aiemmin syötetyn pisteen välillä, 25 lisätään vakiojakauma summajakaumaan siten, että vakiojakauman 0-virhettä lukumäärä lisätään koordinaattien lukumääriin sekä vastaavasti muihin lukumääriin, v saadaan seuraavasta kaavasta piste /?rew;, joka on summajakau- : ” * man koordinaattipisteiden painotettu keskiarvo: » > :Y Σ/(Α)*Ρ; .: : 30 Presul, = - ΣΑΡ,) . · ‘' '=1 i * 113141 missä n on summajakauman koko, juovat koordinaattipisteitä summajakaumassa ja f(pt) ovat koordinaattipisteiden /?,. lukumääräarvoja tulostetaan presul,.A method according to claim 21, 22 or 23, characterized in that the estimate calculation includes the additional steps::: '. let's enter a point, i f i. '. ('obtains a statistical constant distribution related to point errors, 20 obtains a sum distribution including the number of each coordinate point in the sum distribution,. multiplies each coordinate point of the sum distribution by the dilution factor. between points, 25 is added a constant distribution to the sum distribution such that the number of 0 errors of the constant distribution is added to the coordinate numbers and to the other numbers, v is the point /? rew; which is the sum of the distribution: '*: man coordinate points / (Α) * Ρ;.:: 30 Presul, = - ΣΑΡ,). · '' '= 1 i * 113141 where n is the size of the sum distribution, the coordinate points of the sum distribution and f (pt) are the coordinates of the /?,. number values are printed on the presul. 25. Patenttivaatimuksen 21,22, 23 tai 24 mukainen menetelmä, 5 tunnettu siitä, että estimaattilaskenta sisältää lisävaiheen: syötetään piste pinpu,, saadaan ensimmäinen pistejoukko, jonka koko on Λ/3, missä Λ/3 on ennalta määritelty vakio, lasketaan nopeusvektorisumma vmm ensimmäisen pistejoukon pis-10 teistä pisteeseen phipul käyttäen kaavaa: - V-' - _ P input _ P1 ^ sum / 1 ^ input ,i / . . ’ ;=1 (=1 missä At,· on aikaero pisteiden pinpul ja pt välillä, missä p( on ensimmäisen pistejoukon piste ja missä n on alkiojoukon alkioiden lukumäärä siten, että n<Nit missä A/3 määrittää ensimmäisen alkiojoukon koon, 15 saaden keskimääräisen nopeuden vmj, kaavasta: %,=—ja ja saaden pisteen pnsuhl kaavasta B =P +v *K, missä K on ennalta määritelty vakio, Γ riSUIH i input tn'g . . lisätään piste pnsuln ensimmäiseen pistejoukkoon ja 20 tulostetaan pKSuUx.A method according to claim 21, 22, 23 or 24, characterized in that the estimation includes an additional step: supplying a point bundle, obtaining a first set of points of size Λ / 3, where Λ / 3 is a predefined constant, calculating the velocity vector sum vmm the first set of pis-10 of you to phipul using the formula: - V- '- _ P input _ P1 ^ sum / 1 ^ input, i /. . '; = 1 (= 1 where At, · is the time difference between pinpul and pt, where p (is the point of the first set of points and where n is the number of elements in the set of elements such that n <Nit where A / 3 determines the size of the first set of elements average velocity vmj, from the formula:%, = - and, and obtaining the point pnsuhl from the formula B = P + v * K, where K is a predetermined constant, Γ riSUIH i input tn'g .. add a point to the first set of pnsuln and print pKSuUx. 26. Patenttivaatimuksen 21, 22, 23, 24 tai 25 mukainen menetelmä, * * » » tunnettu siitä, että estimaattilaskenta sisältää lisävaiheet: ‘ syötetään piste, saadaan toinen pistejoukko, jonka koko on N4, missä Λ/4 on ennalta 25 määritelty vakio, lasketaan kahteen peräkkäiseen pisteeseen ja p, liittyvä summa kaavalla: n λ n — n v =Yv- , - sum / a | i,i~ 11 / j a . . \ : /=2 /=2 r · missä Att on pisteiden pj and välinen aikaero ja n on toisen pis-‘1 . 30 tejoukon pisteiden lukumäärä ja n<NA, v. lasketaan keskimääräinen nopeus varg kaavalla l V, ► y — —1 ^ n-\ t · 1 » » · 28 113141 lasketaan nopeus kaavalla I—| P input Pinput-1 V = — --— ,A method according to claim 21, 22, 23, 24 or 25, characterized in that the estimate calculation includes the further steps of: 'entering a point, obtaining a second set of points of size N4, where Λ / 4 is a predetermined constant, calculate the sum of two consecutive points and p, by the formula: n λ n - nv = Yv -, - sum / a | i, i ~ 11 / j a. . \: / = 2 / = 2 r · where Att is the time difference between the points pj and n is the second pis-'1. The number of points in the 30 sets and n <NA, v. Calculate the average velocity Varg by formula l V, ► y - —1 ^ n- \ t · 1 »» · 28 113141 calculate the velocity by formula I— | P input Pinput-1 V = - --—, 27. Patenttivaatimuksen 10 tai 11 mukainen menetelmä, tunnet- t u siitä, että laskettaessa kutakin sijaintiestimaattia, menetelmä suorittaa estimaattilaskennan sisältäen vaiheet: • generoidaan koordinaattipisteet siten, että ne muodostavat piste- > t I .*.t joukon kattaen palstajoukon alueen ja kun koordinaattipiste sijaitsee palsta- 20 joukon palstan sisällä, lasketaan luotettavuusarvo siten, että luotettavuusarvo = alkuperäinen luotettavuus *Akulunut aika, »II» missä alkuperäinen luotettavuus on luotettavuusvakio jaettuna pals- ’· · tan alueen koolla, missä A on ennalta määritelty vakio ja kulunut aika on 25 palstan mittaamisesta kulunut aika.A method according to claim 10 or 11, characterized in that, for computing each location estimate, the method performs an estimate calculation comprising the steps of: generating coordinate points such that they form a set of points> 1. *. T covering the area of the column set; within a set of 20 columns, calculate the reliability value such that the reliability value = original reliability * Accumulated time, »II» where the original reliability is the reliability constant divided by the size of the columns · · tan area, where A is a predefined constant and the time since the measurement. 28. Patenttivaatimuksen 27 mukainen menetelmä, tunnettu siitä, että pistejoukon pisteen sijaitessa palstajoukon palstan sisällä, •' ·. ’ lasketaan luotettavuusarvo kaavalla • ;’ luotettavuusarvo = alkuperäinen luotettavuus * , Y 30 gkuiunut aika ^ ku|unut aj^a „ (q / etäisyys2) » * ‘γ Missä alkuperäinen luotettavuus on luotettavuusvakio jaettuna pals- :«Y tan koolla ja B ja D ovat ennalta määriteltyjä vakioita, missä kulunut aika on » r i * > » t » » i » * . I I 29 113141 palstan mittaushetkestä kulunut aika ja missä etäisyys on lyhin etäisyys generoidusta pisteestä palstan ulkorajalle.A method according to claim 27, characterized in that, when a point of a set of points lies within a column of a set of cells, • '·. 'calculate the confidence value using the formula •;' the confidence value = original reliability *, Y 30 yrs time ^ (q / distance2) »* 'γ Where is the original confidence value the confidence constant divided by the column:« Y tan size and B and D are predefined constants where elapsed time is »ri *>» t »» i »*. I I 29 113141 Time elapsed since the time of measurement of the column and where the distance is the shortest distance from the generated point to the outer limit of the column. 29. Patenttivaatimuksen 27 tai 28 mukainen menetelmä, tunnet-t u siitä, että estimaattilaskenta sisältää seuraavat lisävaiheet: 5 saadaan alustava estimaatti jokaista pistejoukon pistettä ja palsta- joukon palstaa kohti, missä kukin alustava estimaatti muodostuu generoidusta pisteestä lasketusta luotettavuusarvosta, lisätään alustava estimaatti pistejoukon pisteeseen liittyvään esti-maattisummaan, saaden tuloksena estimaattisumman jokaiselle pisteelle, 10 etsitään suurimman estimaattisumman omaava piste, saaden tulok sena sovittamaton estimaatti, joka muodostuu koordinaattipisteestä ja suurimmasta estimaattisummasta.A method according to claim 27 or 28, characterized in that the estimate calculation includes the following additional steps: a preliminary estimate is obtained for each point in the set and for each column in the set, wherein each preliminary estimate is a confidence value calculated from the generated point; to the associated estate sum, resulting in an estimate sum for each point, 10 is searched for the point with the largest estimate sum, resulting in an unmatched estimate consisting of the coordinate point and the largest estimate sum. 30. Patenttivaatimuksen 29 mukainen menetelmä, tunnettu siitä, että estimaattilaskenta sisältää lisävaiheet: 15 saadaan suunta muodostamalla vektori edellisestä sovitetun esti maatin koordinaattipisteestä (xp , yp) sovittamattoman estimaatin koordinaattipisteeseen (xn, yn), lasketaan aikasuhde dt kaavalla cff = U 112, 20 missä U on edellisestä sovitetusta estimaatista sovittamattomaan : estimaattiin kulunut aika ja t2 on edellisestä sovitetusta estimaatista sitä edel- ,·' · tävään estimaattiin (xp_i , yp_i) kulunut aika, | J lasketaan sovitetun estimaatin koordinaattipiste (xa, ya) kaavalla Xa = Xn + C* (Xp-Xp-1) * dt, 25 ya = yn +C*(yp-yp.i )*df, missä C on ennalta määritelty vakio.A method according to claim 29, characterized in that the estimation computation includes further steps: obtaining a direction by constructing a vector from the previous matched coordinate point of the estimate (xp, yp) to the coordinate point (xn, yn) of the unmatched estimate; U is the time from the previous fitted estimate to the unmatched: the time elapsed to the estimate and t2 is the time elapsed from the previous fitted estimate to the preceding · · · estimate (xp_i, yp_i), | J is calculated by coordinate point (xa, ya) of the fitted estimate with the formula Xa = Xn + C * (Xp-Xp-1) * dt, 25 ya = yn + C * (yp-yp.i) * df, where C is a predefined constant . 31. Patenttivaatimuksen 27 mukainen menetelmä, tunnettu siitä, että koordinaattipisteiden generointi suoritetaan seuraavien vaiheiden mukaisesti siten, että ne muodostavat palstajoukon alueen kattavan alueen: 30 käytetään karttaa, joka kattaa palstajoukon maantieteellisen alueen, lasketaan objektin nopeus ja kun nopeus ylittää tietyn kynnysarvon, päätellään, että objekti sijaitsee tietyn tyyppisessä kulkuneuvossa :’· liikkuen kartalla alueella, joka on tarkoitettu kyseisen tyyppisille kulkuneuvoil- leja 35 poistetaan sellaiset koordinaattipisteet, jotka sijaitsevat kyseisen . · ·. kartta-alueen ulkopuolella. 30 11314131. The method of claim 27, wherein the generating of coordinate points is performed according to the steps of forming a region covering a plurality of columns: a map covering the geographical area of the plurality of columns is used; the object is located on a particular type of vehicle: '· moving on the map in an area intended for that type of vehicle 35 the coordinate points located on that particular vehicle are deleted. · ·. outside the map area. 30, 113141 32. Patenttivaatimuksen 24, 25 tai 26 mukainen menetelmä, tunnettu siitä, että ennen pisteen presull tulostamista suoritetaan lisävaiheet: käytetään palstajoukon maantieteellisen alueen kattavaa karttaa, lasketaan objektin nopeus ja kun nopeus ylittää tietyn kynnysarvon, 5 päätellään, että objekti sijaitsee tietyn tyyppisessä kulkuneuvossa liikkuen kartalla alueella, joka on tarkoitettu kyseisen tyyppisille kulkuneuvoille, päätellään piste, joka sijaitsee kyseisen tyyppisille ajoneuvoille tarkoitetulla alueella ja jonka etäisyys pisteeseen prmill on lyhin ja 10 asetetaan pisteelle prcmll samat koordinaatit kuin kyseisellä pisteellä on.Method according to claim 24, 25 or 26, characterized in that additional steps are performed before printing the presull point: using a map of the geographical area of the set of columns, calculating the speed of the object and when speed exceeds a certain threshold value in the area intended for that type of vehicle, a point is located within the area intended for that type of vehicle and the distance to prmill is the shortest and 10 is set to the same coordinates as that point. 33. Patenttivaatimuksen 23 mukainen menetelmä, tunnettu siitä, että ennen keskimääräisen keskipisteen p tulostamista suoritetaan seuraavat lisävaiheet: 15 käytetään karttaa, joka kattaa palstajoukon maantieteellisen alueen, lasketaan objektin nopeus, kun nopeus ylittää tietyn kynnysarvon, päätellään, että objekti sijaitsee tietyn tyyppisessä kulkuneuvossa liikkuen kartalla alueella, joka on tarkoitettu kyseisen tyyppisille ajoneuvoille, päätellään piste, joka sijaitsee kyseisen tyyppisille ajoneuvoille tar-20 koitetulla alueella ja jonka etäisyys keskimääräisestä keskipisteestä p on : .·. lyhin ja . asetetaan keskimääräisellä keskipisteelle^ samat koordinaattipis- ’ l teet kuin kyseisellä pisteellä on.A method according to claim 23, characterized in that the following additional steps are performed before printing the mean midpoint p: 15 using a map covering the geographical area of the set of columns, calculating object velocity when velocity exceeds a certain threshold, concluding that object in the area reserved for that type of vehicle, a point shall be inferred that is situated in the area provided for that type of vehicle and at a distance from the mean center point p of:. shortest and. place the average center point ^ the same coordinate points as that point. 34. Patenttivaatimuksen 8 mukainen menetelmä, tunnettu sii- ‘ 25 t ä , että menetelmän optimointivaihe sisältää askeleet: kerätään samanaikaisesti sijaintidataa lähdejärjestelmästä ja refe-renssijärjestelmästä, ja sijaintidatan sisältämien käyttäjätunnisteiden ja aika-leimojen perusteella muodostetaan aikasarjoja lähdejärjestelmän datasta ja referenssi-30 järjestelmän mittaamasta sijaintidatasta siten, että aikaleimat korvataan aika-. *. : intervalleilla, ja ennalta määriteltyjen vakioiden määrittämiseksi, . · · combinoidaan ennalta määriteltyjen vakioiden mahdollisia arvoja ja jokaiselle arvokombinaatiolle suoritetaan algoritmi, joka laskee sijaintiesti-::. maatit käyttäen laskentakaavoja ja laskee virheet sijaintiestimaattien ja refe- 35 renssijärjestelmän mittaamien sijaintien välillä, ja suorituksen aikana • · » 31 113141 lisätään muuttujaan kyseisen virheen numeerinen arvo jokaista aikasarjan intervallia kohden, ja kirjoitetaan arvokombinaatio ja virheen arvo muistiin jokaista aikasarjaa kohti, ja suorituksen jälkeen 5 luetaan muistia ja etsitään arvokombinaatio, johon liittyy pienin muuttujan arvo saaden täten ennalta määriteltyjen vakioiden arvot.34. The method of claim 8, characterized in that the method optimization step includes the steps of: simultaneously collecting location data from the source system and the reference system, and generating time series of source system data and reference system data based on user identifiers and time stamps in the location data. such that time stamps are replaced by time stamps. *. : at intervals, and to determine predefined constants,. · · Combines the possible values of the predefined constants and performs an algorithm for each value combination that computes the location bar - ::. calculates the errors between the location estimates and the positions measured by the reference system, and during execution, · · »31 113141 adds a numerical value for that error to each interval in the time series, and writes the value combination and the error value after each run, reads the memory and looks for the value combination with the smallest variable value, thus obtaining the values of the predefined constants. 35. Laitteisto lähdejärjestelmän objektien paikantamiseksi laitteiston sisältäessä 10 välineet palstan vastaanottamiseksi, missä palsta määrittää objektin sijaintialueen, välineet sijaintiestimaattien tarjoamiseksi, kunkin sijaintiestimaatin määrittäessä, missä lähdejärjestelmän objekti sijaitsee tietyllä hetkellä laitteiston ollessa tunnettu siitä, että se sisältää lisäksi: 15 välineet palstajoukon ylläpitämiseksi jokaista paikannettavaa objek tia kohti, välineet vaatimusten vastaanottamiseksi yksiköltä koskien sijaintiestimaatteja, ja välineet sijaintiestimaatin laskemiseksi käyttäen palstajoukkoa ky-20 seisen sijaintiestimaatin sisältäessä luotettavuussumman, jonka arvo määrittää täyttääkö sijaintiestimaatti vaatimukset.35. An apparatus for locating source system objects, the apparatus including 10 means for receiving a column, the column defining an object's location area, means for providing location estimates, determining where the source system object is located at a given time, the apparatus being characterized by: means for receiving requirements from the unit regarding location estimates, and means for calculating a location estimate using a plurality of columns, said location estimate including a confidence sum whose value determines whether the location estimate satisfies the requirements. 36. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu sii- * ; t ä , että laitteisto sisältää lisäksi välineet uuden palstan kysymiseksi lähdejär- I t « t t jestelmästä.Apparatus according to claim 35, characterized by: further, the apparatus further includes means for requesting a new column from the source system. 37. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu sii tä, että vaatimukset sisältävät luotettavuusarvon määrittäen todennäköisyy-•\ den, kuinka luotettavia sijaintiestimaattien täytyy olla.The apparatus of claim 35, characterized in that the requirements include a reliability value defining a probability of how reliable the location estimates must be. 38. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu sii-t ä, että vaatimukset sisältävät tarkkuusarvon määrittäen etäisyyden, kuinka 30 tarkkoja sijaintiestimaattien täytyy olla.The apparatus of claim 35, characterized in that the requirements include an accuracy value defining a distance for how accurate the location estimates must be. ,·. : 39. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu sii- , * t ä, että vaatimukset sisältävät aikaintervallin määrittäen, kuinka usein vähin- ’ · ‘. tään laitteiston täytyy kysyä palstaa. v.·. Apparatus according to claim 35, characterized in that the requirements include a time interval defining how often the least. now the hardware must ask for a column. v. 40. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu sii- :,,,· 35 tä, että vaatimukset sisältävät toisen intervallin määrittäen, kuinka usein . · * * laitteisto saa enintään kysyä palstaa. 32 113141The apparatus of claim 35, characterized in that the requirements include a second interval determining how often. · * * Hardware may not ask more for a column. 32 113141 41. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu siitä, että laitteisto lisäksi sisältää: luotettavuustaulun koostuen soluista kunkin solun sisältäessä luotettavuusarvon ja luotettavuustaulun sisältäessä tauluarvoja taulun rivien ja 5 sarakkeiden otsikoina kunkin määrittäessä, täyttääkö sijaintiestimaatti vaatimukset koskien tarkkuutta ja luotettavuutta laitteiston ollessa sovitettu vastaanottamaan tauluarvo tarkkuutta varten tarkkuusarvosta, joka määrittää etäisyyden, kuinka tarkka sijaintiestimaatin täytyy olla, vastaanottamaan tauluarvo luotettavuussummaa varten sijaintiesti-10 maatin luotettavuussummasta, vastaanottamaan luotettavuustaulun tietty solu, joka liittyy kyseisiin tauluarvoihin, vertaamaan kyseiseen soluun talletettua luotettavuusarvoa luotettavuusarvoon, joka määrittää todennäköisyyden, kuinka luotettava sijaintiesti-15 maatin täytyy olla saaden tuloksena tarkkuus- ja luotettavuusvaatimukset täyttävän sijaintiestimaatin, kun ensiksi mainittu luotettavuusarvo saavuttaa viimeksi mainitun luotettavuusarvon.The apparatus of claim 35, characterized in that the apparatus further comprises: a reliability table consisting of cells each cell containing a reliability value and a reliability table including table values as table rows and 5 column headers each determining whether the location estimate meets the precision and accuracy requirements. , which determines the distance how accurate the location estimate must be, to receive the table value for the reliability sum from the location estimate-10 country reliability sum, to receive the specific cell of the trust table that is associated with those table values, to compare the reliability value stored in that cell with the resulting in a location estimate that meets the accuracy and reliability requirements, k and the former reliability value reaches the latter reliability value. 42. Patenttivaatimuksen 35 mukainen laitteisto, tunnettu s Μι ä , että laitteisto sisältää lisäksi 20 luotettavuusfunktion tulostaen luotettavuusarvon vasteena tarkkuu- : ,· den syötearvolle ja luotettavuussumman syötearvolle, ja määrittääkseen, ’ · ’ täyttääkö sijaintiestimaatti tarkkuus- ja luotettavuusvaatimukset, laitteisto on (* sovitettu: vastaanottamaan tarkkuuden syötearvo tarkkuusarvosta, joka mää-25 rittää etäisyyden kuinka tarkka sijaintiestimaatin täytyy olla vastaanottamaan luotettavuussumman syötearvo sijaintiestimaatin *. . luotettavuussummasta ja käyttäen funktiota kyseisillä syötearvoilla saamaan tietyn luotettavuusarvon funktion tulosteena vertaamaan kyseistä luotettavuusarvoa luotettavuusarvoon, joka 30 määrittää todennäköisyyden kuinka luotettava sijaintiestimaatin täytyy olla saaden tuloksena tarkkuus- ja luotettavuusvaatimukset täyttävän sijaintiesti-.··· maatin, kun ensiksi mainittu luotettavuusarvo saavuttaa viimeksi mainitun luotettavuusarvon. v.An apparatus according to claim 35, characterized in that the apparatus further includes 20 reliability functions that output the reliability value in response to the precision input value and the reliability sum input value and to determine if '·' meets the accuracy and reliability requirements, the hardware is (* matched) : receive the precision input value from the precision value that defines the distance how accurate the position estimate must be to receive the reliability sum input value from the position estimate *. resulting in a location test that meets the accuracy and reliability requirements ··· when the first reliability value reaches a the latter reliability value v. 43. Laitteisto lähdejärjestelmän objektien paikantamiseksi, laitteis- 35 ton sisältäessä 33 113141 välineet palstan vastaanottamiseksi, missä palsta määrittää objektin sijaintialueen, välineet sijaintiestimaattien tarjoamiseksi, kunkin sijaintiestimaatin määrittäessä, missä lähdejärjestelmän objekti sijaitsee tietyllä hetkellä lait-5 teiston ollessa tunnettu siitä, että se sisältää lisäksi välineet palstajoukon ylläpitämiseksi jokaista paikannettavaa objektia kohden, välineet sijaintiestimaatin laskemiseksi käyttäen palstajoukkoa ja 10 laskentakaavoja ennalta määriteltyjen vakioiden kera, ja laitteiston käyttöönottoa edeltävän optimointivaiheen aikana käytettävät välineet ennalta määriteltyjen vakioiden arvojen löytämiseksi tarkoituksena sovittaa laitteisto lähdejärjestelmään.43. Apparatus for locating source system objects, the apparatus 35 comprising 33 113141 means for receiving a column, wherein the column defines an object's location area, means for providing location estimates, determining each location estimate where the source system object is located at a particular time. means for maintaining a plurality of columns for each object to be located, means for calculating a location estimate using a plurality of plots and 10 computation formulas with predefined constants, and means for finding predefined constants values during the pre-hardware optimization step; 44. Patenttivaatimuksen 35 tai 43 mukainen laitteisto, tunnettu 15 siitä, että lähdejärjestelmä on tietoliikennejärjestelmä ja objekti on tilaaja. I I » t f t * * * » t » * * » * ( » » 113141Apparatus according to claim 35 or 43, characterized in that the source system is a communication system and the object is a subscriber. I I »t f t * * *» t »* *» * {»» 113141
FI20011125A 2001-05-29 2001-05-29 Subscriber tracking procedure FI113141B (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FI20011125A FI113141B (en) 2001-05-29 2001-05-29 Subscriber tracking procedure

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20011125A FI113141B (en) 2001-05-29 2001-05-29 Subscriber tracking procedure
FI20011125 2001-05-29

Publications (3)

Publication Number Publication Date
FI20011125A0 FI20011125A0 (en) 2001-05-29
FI20011125A FI20011125A (en) 2002-11-30
FI113141B true FI113141B (en) 2004-02-27

Family

ID=8561294

Family Applications (1)

Application Number Title Priority Date Filing Date
FI20011125A FI113141B (en) 2001-05-29 2001-05-29 Subscriber tracking procedure

Country Status (1)

Country Link
FI (1) FI113141B (en)

Also Published As

Publication number Publication date
FI20011125A0 (en) 2001-05-29
FI20011125A (en) 2002-11-30

Similar Documents

Publication Publication Date Title
FI113730B (en) Location method for cellular networks
EP2119264B1 (en) System and method for generating a location estimate using a method of intersections
US20110244879A1 (en) Method and Apparatus for use of Performance History Data in Positioning Method Selection
US6774842B2 (en) Generating entries for a database supporting a positioning of a mobile terminal
US7257412B2 (en) Methods and systems for location estimation
CN102111871B (en) Terminal location method and device based on cell identifier location technology
US7400892B1 (en) System and method for tracking the relative location of mobile stations belonging to a pre-defined group of mobile stations
US8301171B2 (en) Method of finding a physical location of a mobile telephone at a given time
Zhong Robust estimation and optimal selection of polynomial parameters for the interpolation of GPS geoid heights
JP2009516451A (en) Efficient location and tracking of mobile subscribers
CN105353391A (en) Location augmentation system of multi-network integration supporting multi-type location terminals and location augmentation method of multi-network integration supporting multi-type location terminals
US20150373501A1 (en) Method of analysing data collected in a cellular network and system thereof
CN106998535B (en) Mobile terminal positioning correction method and system
US20150373495A1 (en) Enhancement of Positioning Quality of Service
CN104684073A (en) User position positioning method and user position positioning device
CN104837114A (en) Method and device used for determining abnormal positioning information of user
CN109270559B (en) Method and device for positioning terminal
CN111723304A (en) Track point identification method and related device
CN109005497A (en) It determines the method for signal blind zone, determine the method and device of user location
FI113141B (en) Subscriber tracking procedure
EP2194394B1 (en) System and method for target location profiling
EP0892278A2 (en) Navigation system
US20070146203A1 (en) Method and apparatus for reducing geolocation ambiguity in signal tracking
Uznański Analysis of differences in accuracy of positioning tied to various CORS networks in Poland: Case study
CN110933611A (en) Positioning method

Legal Events

Date Code Title Description
MA Patent expired