CN107333232B - 一种终端定位方法及网络设备 - Google Patents

一种终端定位方法及网络设备 Download PDF

Info

Publication number
CN107333232B
CN107333232B CN201610289359.4A CN201610289359A CN107333232B CN 107333232 B CN107333232 B CN 107333232B CN 201610289359 A CN201610289359 A CN 201610289359A CN 107333232 B CN107333232 B CN 107333232B
Authority
CN
China
Prior art keywords
terminal
historical
history
position information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610289359.4A
Other languages
English (en)
Other versions
CN107333232A (zh
Inventor
袁明轩
曾嘉
童夏良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201610289359.4A priority Critical patent/CN107333232B/zh
Priority to CN201710697232.0A priority patent/CN107466103B/zh
Priority to PCT/CN2016/102043 priority patent/WO2017185664A1/zh
Priority to EP16900172.4A priority patent/EP3419353A4/en
Publication of CN107333232A publication Critical patent/CN107333232A/zh
Priority to US16/136,827 priority patent/US10542519B2/en
Application granted granted Critical
Publication of CN107333232B publication Critical patent/CN107333232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明实施例公开了一种终端定位方法及网络设备。网络设备获取第一终端在当前时刻的电信信号采样信息，其中，第一终端为位于目标区域内的任一终端，目标区域为预定的地理区域；网络设备根据第一终端在当前时刻的电信信号采样信息以及目标区域的预测模型，预测得到第一终端在所述当前时刻的位置信息。本发明实施例中，预测模型是通过目标区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，有效提高终端定位的准确度，降低了定位误差，具有较强的实用价值。

Description

一种终端定位方法及网络设备
技术领域
本发明涉及通信技术领域，尤其涉及一种终端定位方法及网络设备。
背景技术
随着移动设备和移动互联网的普及，终端定位技术也在不断发展。目前，常用的一种终端定位方法为基于测控的定位方法Range-Based。Range-Based方法是指通过计算移动终端到连接基站的距离，然后通过三角定位技术确定终端实际位置的方法，其中，三角定位法是指通过终端接收到的三个基站的电信信号强度(Radio Signal Strength，简称RSS)，估算出终端与基站的距离，并以此距离为半径画出一个覆盖圆弧，三个覆盖圆弧的交叉点即为终端的位置。该方法的核心步骤是计算终端和所连接基站的距离，具体可通过观测到的电信信号强度和电信信号在传播中的衰减(理想曲面传播情况下的信号衰减模型)来估计终端与基站之间的距离，然而，由于电信信号强度通常会受到多径衰减、非视距阻挡等因素的干扰，从而导致三角定位的定位精度较低，误差较大。且，根据对实际记录的统计，大多数终端只连接少于3个基站，如表1所示，为统计某运营商一天和三天的测量报告(Measurement Report，简称MR)记录中终端连接基站的个数所占百分比情况：
表1：终端连接基站的个数所占百分比
通过对表1进行分析可知，大多数终端连接的基站只有1个或2个，从而进一步导致了采用三角定位等算法对终端进行定位时定位不准确的问题。
综上所述，现有的定位方法通过计算终端与基站之间的距离来对终端进行定位会由于电信信号收到干扰而导致定位精度低、误差大的问题，因此，目前亟需一种更为有效的终端定位方法，用于提高定位的准确度，降低定位误差。
发明内容
本发明实施例提供一种终端定位方法及网络设备，用以实现解决现有技术中的定位方法存在定位精度较低、误差较大的技术问题。
本发明实施例提供的一种终端定位方法，包括：
网络设备获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；其中，所述第一终端也可以理解为待定位终端；
所述网络设备根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
如此，由于预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，且多组数据对中包括的电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
较佳地，所述预测模型由所述网络设备通过以下方式确定：
所述网络设备从所述多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；
所述网络设备建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
如此，网络设备通过对多组数据对进行训练，筛选出特定电信信号特征，并建立特定电信信号特征与位置特征之间的函数关系，从而使得构建出的预测模型更为简单准确。
较佳地，所述网络设备根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息，包括：
所述网络设备至少根据所述待定位终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
所述网络设备根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述第一终端在当前时刻的位置信息。
如此，网络设备只需获取到特定电信信号特征对应的值，便可根据预测模型得到第一终端在当前时刻的位置信息，而无需再获取额外的信息，从而能够降低定位的成本，实现快速定位。
较佳地，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述待定位终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述待定位终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
如此，由于特定电信信号特征可包括上述三种类型，从而使得用于定位的特定电信信号特征较为全面，充分考虑各种可能影响终端的位置信息的电信信号特征，进而保证定位的精度和准确性。
较佳地，所述至少两个历史终端中的任一历史终端的多组数据对根据如下方法得到：
针对第一历史终端，所述网络设备获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
所述网络设备根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
较佳地，所述网络设备根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对，包括：
所述网络设备根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
所述网络设备针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
所述网络设备根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
如此，充分考虑所采集到的电信信号采样信息和位置信息可能存在的时钟不同步问题，根据多种预设规则，确定出第一历史终端的电信信号采样信息所依据的时钟与位置信息所依据的时钟之间的时间偏移量，得到目标时钟对应关系，进而根据目标时钟对应关系，确定出多组数据对，通过这种方式对用于训练预测模型的数据进行处理，使得构建预测模型所依据的数据更准确，进而使得构建出的预测模型更符合实际情况。
较佳地，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述网络设备根据目标时钟对应关系，确定所述第一历史终端的多组数据对，包括：
所述网络设备将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
所述网络设备根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
如此，充分考虑电信信号采样信息和位置信息之间采样频率的差异，并至少根据第一历史时刻对应的第二历史时刻的位置信息得到数据对中的位置信息，例如，可根据第一历史时刻对应的第二历史时刻的预设时间段内的位置信息的平均值得到数据对中的位置信息，从而使得数据对中的位置信息更为准确。
较佳地，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
如此，考虑到第一类位置信息可能存在采样频率较低的问题，充分利用运动轨迹，通过插值得到第二类位置信息，从而使得位置信息更为密集，确保第一历史时刻的电信信号采样信息均存在对应的位置信息，便于充分利用电信信号采样信息。
本发明实施例提供一种网络设备，该网络设备包括：
获取模块，用于获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
处理模块，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
较佳地，所述处理模块还用于：
从所述多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；
建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
较佳地，所述处理模块具体用于：
至少根据所述待定位终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述待定位终端在当前时刻的位置信息。
较佳地，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述待定位终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述待定位终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
较佳地，所述处理模块还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
较佳地，所述处理模块具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
较佳地，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理模块具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
较佳地，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
本发明实施例提供另一种网络设备，该网络设备包括：
存储器，用于存储获取到的第一终端在当前时刻的电信信号采样信息和目标区域的预测模型；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
处理器，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；
较佳地，所述处理器还用于：
从所述多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；
建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
较佳地，所述处理器具体用于：
至少根据所述待定位终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述待定位终端在当前时刻的位置信息。
较佳地，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述待定位终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述待定位终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
较佳地，所述处理器还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
较佳地，所述处理器具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
较佳地，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理器具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
较佳地，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
本发明的上述实施例中，网络设备获取第一终端在当前时刻的电信信号采样信息，其中，第一终端为位于目标区域内的任一终端，目标区域为预定的地理区域；网络设备根据第一终端在当前时刻的电信信号采样信息以及目标区域的预测模型，预测得到第一终端在所述当前时刻的位置信息。本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，多组数据对中的每组数据对包括电信信号采样信息和位置信息，由于电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍。
图1为终端的电信管道数据示意图；
图2为本发明实施例提供的一种终端定位方法的流程示意图；
图3为本发明实施例中预测模型的构建流程示意图；
图4为含有位置信息的URL的示例图；
图5为根据第一类位置信息和地图信息确定的运动轨迹示意图；
图6为根据第一类位置信息和运动轨迹确定第二类位置信息示意图；
图7为本发明实施例中构建预测模型的形象示意图；
图8为本发明实施例提供的一种终端定位装置的结构示意图；
图9为本发明实施例提供的另一种终端定位装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
本发明实施例中的终端可以为能够支持电信连接的设备，比如能够支持电信连接的手持设备、车载设备、可穿戴设备、计算设备，以及各种形式的用户设备(UserEquipment，简称UE)，移动台(Mobile station，简称MS)，终端(terminal)，终端设备(Terminal Equipment)等。具体来说，比如手机、平板电脑、便携式电脑、台式机电脑等。为方便描述，本发明实施例中简称为终端。
终端的电信管道数据记录了终端的所有连接、通信和测量等信息。图1为终端的电信管道数据示意图。如图1所示，电信管道数据中可包括通过Lampsite/Pico、演进型基站(evolved Node B，eNB)或无线网络控制器(Radio Network Controller，RNC)、统一服务节点(unified service node,USN)、统一分组网关(unified packet gateway，UGW)等采集的信息，和本发明相关的是从RNC上采集的测量报告和Gn口上采集的OTT(over the top)数据。
本发明实施例中，终端的电信管道数据具体可包括终端的电信信号采样信息和位置信息，其中，终端的电信信号采样信息可包括终端的测量报告中的信息、接口上采集到的信息，以及基站的参数信息。其中，终端的测量报告中的信息可包括参考信号接收功率(Reference Signal Receiving Power，简称RSRP)、参考信号接收质量(Reference SignalReceiving Quality，简称RSRQ)、信号与干扰加噪声比(Signal to Interference plusNoise Ratio，简称SINR)、时间提前量(Timing Advance，简称TA)、演进型基站标识(evolved Node B Identification，简称eNB-ID)、小区标识(CELL Identification，简称CELL ID)，终端的发射功率等；接口上采集到的信息可包括Gn接口、Gi接口、EC接口上采集到的信息；基站的参数可包括基站的站高、基站的频段、基站的方向角、基站的下倾角、基站的经纬度和基站的小区发射功率等信息；终端的位置信息包含在电信管道数据中含有位置信息的记录中，比如运行某个或某些应用程序(application，APP)产生的记录等。
通过对现有技术进行分析可知，现有技术中的定位方法虽然也使用了电信信号采样信息，但仅是一种极小范围的使用，例如三角定位法中仅使用了电信管道数据中的电信信号强度，而其它的电信信息比如上下文信息、加速度、角度等均没有被有效地使用。
基于上述情况，申请人考虑到，电信管道数据中包含着大量的信息，且电信运营商通常为城市大量的人口提供服务，因此，电信管道数据可成为获取城市用户细粒度时空行为信息的重要数据源，且通过电信管道数据对群体分析有着天然的优势，进一步地，从电信管道数据中挖掘出终端的时空行为进而实现终端定位，具有较强的可行性。
为实现对电信管道数据的充分合理使用，本发明实施例中基于数据挖掘技术，对电信管道中终端的电信信号采样信息和位置信息进行分析，确定出终端的电信信号采样信息和位置信息之间的关系，即得到预测模型，从而可基于该预测模型和终端在当前时刻的电信信号采样信息，预测出终端在当前时刻的位置信息。
为使得预测模型具有更强的针对性，预测结果更为准确，本发明实施例中可划定不同的地理范围，从而针对不同地理范围内的历史数据训练得到针对不同地理范围的预测模型。例如，可以根据不同的城区来进行划分，以上海市为例，针对浦东新区、嘉定区、黄浦区、金山区、徐汇区、静安区、杨浦区等不同的城区可分别对应不同的预测模型。
下面以一个目标区域内的终端定位为例进行介绍。本发明实施例中的目标区域是指具有一定面积的区域，为方便统计多个终端在多个历史时刻的电信信号采样信息和位置信息，目标区域尤其是指人口较为密集或人流量较大的区域。
为实现目标区域内的终端定位，图2示例性示出了本发明实施例提供的一种终端定位方法的流程示意图，如图2所示，该方法包括：
步骤201，网络设备获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
步骤202，所述网络设备根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，多组数据对中的每组数据对包括电信信号采样信息和位置信息预测模型，由于电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
本发明实施例中，首先需要构建目标区域内的预测模型，然后根据预测模型对终端进行定位。即，本发明实施例包括两个阶段：第一阶段，预测模型的构建阶段；第二阶段，定位阶段。
本发明实施例中的网络设备可以为一个具有处理能力的服务器，此时，第一阶段和第二阶段由同一服务器执行；或者，网络设备也可以为两个具有处理能力的服务器，此时，第一阶段和第二阶段分别由不同的服务器执行。为降低服务器的处理负担，提高处理效率，本发明实施例优选第一阶段和第二阶段分别由不同的服务器执行。
下面分别针对两个阶段进行具体说明。
第一阶段，预测模型的构建阶段
具体地，本发明实施例中的预测模型可由所述网络设备通过以下方式确定：
所述网络设备从至少两个终端的多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
其中，所述至少两个历史终端中的任一历史终端的多组数据对根据如下方法得到：
针对第一历史终端，所述网络设备获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；所述网络设备根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；所述网络设备针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和，并根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
由上述内容可知，本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的目标区域，即预测模型是通过对大量的历史数据进行训练得到的。通常情况下，数据量越大，训练得到的预测模型越接近实际情况，相应地，也会导致数据处理量也会较大，处理消耗的时间较长。本发明实施例可由本领域技术人员综合考虑上述两个方面的因素来选取适当的历史数据量，即选取设定时间段内的多个终端的历史数据，例如，可以为某一天的8:00-22:00这一时间段内的1000个终端的历史数据。
图3为本发明实施例中预测模型的构建流程示意图，以下结合图3，以选取某一天的8:00-22:00这一时间段内的1000个历史终端的历史数据来训练预测模型为例进行说明。如图3所示，包括：
步骤301，获取各个历史终端在多个第一历史时刻的电信信号采样信息，即获取8:00-22:00这一时间段内，1000个历史终端的电信信号采样信息，例如，电信信号采样信息可以为RNC采集的信息。
步骤302，获取各个历史终端在多个第一历史时刻的第一类位置信息，即获取8:00-22:00这一时间段内，1000个历史终端的第一类位置信息。本发明实施例中，第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息，具体地，对通过Gn口采集到的数据进行深度包检测(Deep Packet Inspection，简称DPI)解析后，得到统一资源定位符(Uniform Resource Locator，简称URL)，进而得到全球定位***(GlobalPositioning System，简称GPS)位置信息，即第一类位置信息。例如，从某个或某些APP的URL中得到的GPS位置信息，如图4所示，为含有位置信息的URL的示例图。然而，本发明实施例并不局限于通过Gn口获取位置信息，例如，若运营商和某OTT位置服务提供商签署协议，则也可以直接获取OTT位置服务提供的位置信息。
需要说明的是，对于上述步骤301和步骤302，步骤的编号仅为一种执行过程的示例性说明，本发明实施例不对各个步骤做明确具体的先后顺序限定，例如，可先执行步骤301，获取各个历史终端的电信信号采样信息，然后再执行步骤302，获取各个历史终端的第一类位置信息；或者，也可先执行步骤302，获取各个历史终端的第一类位置信息，然后再执行步骤301，获取各个历史终端的电信信号采样信息；又或者，同时执行步骤301和步骤302，即同步获取各个历史终端的电信信号采样信息和第一类位置信息。
由于各个终端的电信信号采样信息和第一类位置信息分别记录在电信管道数据的不同部分，且电信信号采样信息和第一类位置信息分别是由不同的设备采集的，因此会有可能出现电信信号采样信息的采样频率和第一类位置信息的采样频率不同，进一步地，还有可能会出现采集电信信号采样信息的设备的时钟与采集第一类位置信息的设备的时钟不同步。
考虑到这些问题，针对于不同采样频率的情形，在步骤302后，可对获取到的电信信号采样信息和第一类位置信息的采样频率进行判断，由于一般情况下，电信信号采样信息的采样频率远远大于第一类位置信息的采样频率，因此，本发明实施例中的下述步骤中主要针对电信信号采样信息的采样频率大于第一类位置信息的采样频率这一情况进行分析说明。
例如，针对于一个历史终端，电信信号采样信息的采样频率为每8秒钟采样一次(RNC采集的MR记录每8秒获取一次)，表2为一个时间段内电信信号采样信息的采样示例，如表2所示，10:00:00采集到该历史终端的第1组电信信号采样信息，10:00:08采集到第2组电信信号采样信息，10:00:16采集到第3组电信信号采样信息，10:00:24采集到第4组电信信号采样信息，10:00:32采集到第5组电信信号采样信息。
表2：一个时间段内电信信号采样信息的采样示例
Figure GDA0002271376350000181
例如，第一类位置信息的采样频率为每1分钟采样一次(触动传媒每1分钟上报一次位置信息)，表3为一个时间段内第一类位置信息的采样示例，如表3所示，10:00:00采集到该历史终端的第1个位置信息，10:01:00采集到第2个位置信息，10:02:00采集到第3个位置信息，10:03:00采集到第4个位置信息，10:04:00采集到第5个位置信息。
表3：一个时间段内第一类位置信息的采样示例
Figure GDA0002271376350000182
根据表2和表3的内容可知，电信信号采样信息的采样频率和位置信息的采用频率相差很大，在时钟同步的情况下，若直接将电信信号采样信息与第一类位置信息进行匹配，则会导致大量的电信信号采样信息无法找到匹配的位置信息，从而无法在训练预测模型的过程中被充分使用，例如，在10:00:00采集到的第1组电信信号采样信息可与在10:00:00采集到的第1个位置信息匹配，而在10:00:00至10:01:00这一时间段内采集的电信信号采样信息无法找到匹配的位置信息。针对这一情况，本发明实施例中可引入第二类位置信息，以使得电信信号采样信息均能找到匹配的位置信息，进而被充分使用，具体可执行步骤303。
步骤303，根据各个历史终端的第一类位置信息和目标区域的地图信息确定各个历史终端的运动轨迹，根据所述各个历史终端的运动轨迹，通过在任意两个相邻的第一类位置信息中均匀插值得到各个历史终端的第二类位置信息。
本发明实施例中，目标区域的地图信息可以为预先存储的，地图信息中包括建筑物的位置信息、道路的位置信息等。图5为根据第一类位置信息和地图信息确定的一个历史终端的运动轨迹示意图，其中，图5中所标示的5个第一类位置信息可以为上述表3中所采集到的5个位置信息，进一步地，如图5所示，黑点为实际URL中抽取的第一类位置信息，根据地图信息中的建筑物的位置信息、道路的位置信息以及5个位置信息，可预测出持有该历史终端的用户在道路上的运动轨迹，即该历史终端的运动轨迹。预测运动轨迹的具体过程可参照现有技术，例如，可以计算一个路径中每个点到每个路段的匹配概率，路段之间的转移概率等，然后计算出概率最大的行走路径，进而得到地图匹配的运动轨迹，此处不做具体介绍。
为使得位置信息更为密集，可根据预测出的该历史终端的运动轨迹，在任意两个第一类位置信息之间进行插值，具体插值的个数可根据情况进行设置。例如，可在10:00:00采集到的第一个位置信息和10:01:00采集到的第二个位置信息之间***28个值，即***28个第二类位置信息，从而使得每隔2秒钟便有一个对应的位置信息。
图6为根据第一类位置信息和运动轨迹确定第二类位置信息示意图，如图6所示，在任意两个第一类位置信息之间，在已经确定的运动轨迹上***三个位置点，该三个位置点的位置信息即为第二类位置信息。具体插值时，若根据已经预测出的终端的运动轨迹，以及各个第一类位置信息，估算出该历史终端的运动速率并未发生太大的变化，则可采用均匀插值的方法，即10:00:00到10:01:00的这一段路程中均匀***28个位置信息；若根据已经预测出的该历史终端的运动轨迹，以及各个第一类位置信息，估算出该历史终端的运动速率发生了明显的变化，则此时可根据估算出的变化情况，进行相应的不均匀插值。
本发明实施例中，由于历史终端的第一类位置信息为每1分钟采样一次，经过插值后，可实现每隔2秒钟便有一个对应的位置信息，即两个位置信息之间的时间间隔较为短暂，对于这样较短的时间间隔，运动状态一般不会发生太大的变化，因此通常可采用均匀插值的方式。例如，持有该历史终端的用户行走在道路上，每1分钟会有一个对应的第一类位置信息，对于两个相邻的第一类位置信息，可根据预测出该历史终端的运动轨迹，在其中均匀***28个的第二类位置信息。
上述内容为针对采样频率不同的问题，通过插值的方式予以解决。现针对可能存在的时钟不同步的问题进行具体的分析。
以终端a为例，若终端a的电信信号采样信息所依据的时钟为标准时钟，然而第一类位置信息所依据的时钟与标准时钟存在偏差，例如，第一类位置信息所依据的时钟相对于标准时钟快1分钟，仍以表1和表2中数据为例，在这种情况下，10:00:00对应的电信信号采样信息应匹配的位置信息为10:01:00对应的位置信息，若是未考虑到时钟不同步的问题，而直接将10:00:00对应的电信信号采样信息应匹配的位置信息为10:00:00对应的位置信息，则会导致预测模型与实际情况存在偏差，从而使得根据预测模型预测出的终端位置不准确。针对这一情况，本发明实施例中可通过进行电信信号采样信息与位置信息的匹配，以校正时钟偏差，从而得到电信信号采样信息与位置信息之间的正确匹配，具体可执行步骤204。
步骤304，根据多个预设规则，确定第一历史终端的多个第一历史时刻与多个第二历史时刻的多种时钟对应关系，针对多种时钟对应关系，分别计算第一历史终端与第一历史终端所属的基站在多个第一历史时刻的距离之和，进而通过比较，确定出第一历史终端的电信信号采样信息所依据的时钟与位置信息所依据的时钟之间的时间偏移量，得到目标时钟对应关系。
具体地，以一个终端(终端b)为例，表4为获取到的终端b的电信信号采样信息以及位置信息(包括第一类位置信息和第二类位置信息)示例，如表4所示，第1组电信信号采样信息为采集电信信号采样信息的时钟在10:00:00对应的电信信号采样信息记录，(x1，y1)为采集位置信息的时钟在10:00:00对应的位置信息记录。
表4：电信信号采样信息和位置信息的采样示例
采样时间 电信信号采样信息记录 位置信息记录
10:00:00 第1组电信信号采样信息 (x1，y1)
10:00:02 (x2，y2)
10:00:04 (x3，y3)
10:00:06 (x4，y4)
10:00:08 第2组电信信号采样信息 (x5，y5)
10:00:10 (x6，y6)
10:00:12 (x7，y7)
10:00:14 (x8，y8)
10:00:16 第3组电信信号采样信息 (x9，y9)
…… …… ……
本发明实施例中，电信信号采样信息中包括有终端b的连接基站的位置信息，从而可获知每组电信信号采样信息中终端b的连接的位置信息。需要说明的是，电信信号采样信息中可能包括终端b的一个连接基站，也可能包括终端b的两个或两个以上的连接基站。若仅包括一个连接基站，则可直接将连接基站的位置信息参与后续的计算；若包括两个或两个以上的连接基站，则可选取终端b接收到的最大电信信号强度对应的连接基站的位置信息参与后续的计算，或者，也可以通过计算得到两个或两个以上的连接基站的平均位置信息，并将该平均位置信息参与后续的计算。本发明实施例中，为减少计算的复杂度，对于两个或两个以上的连接基站的情形，优选的方式为选取终端b接收到的最大电信信号强度对应的连接基站的位置信息参与后续的计算。
由于可能存在时钟不同步的问题，可根据多个预设规则，尝试将相同时间点或不同时间点的电信信号采样信息记录和位置记录进行对应，具体对应情形如下：
第一种预设规则下的对应情形：将表4中位于同一行的电信信号采样信息记录和位置记录进行对应，针对第1组电信信号采样信息，根据终端b的连接基站的位置信息以及终端的位置信息记录(x1，y1)，确定出终端b的连接基站与终端b之间的距离，标记为距离a1，同理，针对各组电信信号采样信息，均可确定出终端b的连接基站与终端b之间的距离，标记为距离a2至距离aP，从而可得到距离a1至距离aP的距离之和，记为D1。
需要说明的是，第一种对应情形为时间点上的直接对应，因此，各组电信信号采样信息均能找到对应位置信息，然而当进行时间点上的错位对应时，会导致部分数据丢失，例如，当往后错位2秒进行对应(见第二种对应情形)时，有可能导致最后一组电信信号采样信息无对应位置信息，则无法计算终端b的连接基站与终端b之间的距离，从而导致计算出的距离个数少一个，则将根据该种情形计算出的距离之和与根据第一种对应情形计算出的距离之和进行比较时，明显会存在偏差；又例如，当往前错位2秒进行对应时，有可能导致第一组电信信号采样信息无对应位置信息，则无法计算终端b的连接基站与终端b之间的距离，从而也会导致计算出的距离个数少一个。考虑到上述情形，本发明实施例中，可不考虑接近采样起点和接近采样终点的部分数据，从而使得计算出的距离个数相等，例如，本发明实施例在根据各种对应情形计算距离之和时，不考虑最后1组或最后2组电信信号采样信息。
第二种预设规则下的对应情形：如表5所示，将电信信号采样信息记录和晚2秒钟的位置记录进行对应，针对第1组电信信号采样信息，根据终端b的连接基站的位置信息以及终端b的位置信息记录(x2，y2)，确定出终端b的连接基站与终端b之间的距离，标记为距离b1，同理，针对各组电信信号采样信息，均可确定出终端b的连接基站与终端b之间的距离，标记为距离b2至距离bP，从而可得到距离b1至距离bP的距离之和，记为D2。
表5：电信信号采样信息记录和位置记录的对应关系
Figure GDA0002271376350000231
第三种预设规则下的对应情形：如表6所示，将电信信号采样信息记录和晚4秒钟的位置记录进行对应，针对第1组电信信号采样信息，根据终端的连接基站的位置信息以及终端的位置信息记录(x3，y3)，确定出终端的连接基站与终端之间的距离，标记为距离c1，同理，针对各组电信信号采样信息，均可确定出终端的连接基站与终端之间的距离，标记为距离c2至距离cP，从而可得到距离c1至距离cP的距离之和，记为D3。
表6：电信信号采样信息记录和位置记录的对应关系
Figure GDA0002271376350000241
通常情况下，根据可能存在的时钟偏差，可考虑三种或三种以上的对应情形，上述三种对应情形仅为一种示例性表示。具体在考虑对应情形时，也可以直接考虑错位4秒、错位1分钟等情形，本发明实施例中不再具体列举。
针对上述列举的三种情形，比较D1、D2、D3的大小关系，若通过比较确定出D3为最小值，则可确定对于终端b，电信信号采样信息所依据的时钟与位置信息所依据的时钟之间的时间偏移量为4秒，若以终端b的电信信号采样信息所依据的时钟为标准时钟，则位置信息所依据的时钟比标准时钟快4秒。考虑到上述时间偏移量后，可得将第三种对应情形确定为能够正确匹配的对应情形。
根据第三种情形，将位置信息所依据的时钟减去4秒钟的时间偏移量后，得到图表7所示的电信信号采样信息与位置信息的采样示例。
表7：电信信号采样信息和位置信息的采样示例(考虑时间偏移量后)
采样时间 电信信号采样信息记录 位置信息记录
10:00:00 第1组电信信号采样信息 (x3，y3)
10:00:02 (x4，y4)
10:00:04 (x5，y5)
10:00:06 (x6，y6)
10:00:08 第2组电信信号采样信息 (x7，y7)
10:00:10 (x8，y8)
10:00:12 (x9，y9)
10:00:14 (x10，y10)
10:00:16 第3组电信信号采样信息 (x11，y11)
…… …… ……
进一步地，根据第三种对应情形，可确定出与第1组电信信号采样信息直接匹配的位置信息为(x3，y3)，与第2组电信信号采样信息直接匹配的位置信息为(x7，y7)，与第3组电信信号采样信息直接匹配的位置信息为(x11，y11)。
本发明实施例中，由于位置信息包括第一类位置信息和第二类位置信息，其中，第二类位置信息为通过估算插值得到的，因此，为提高准确率，本发明实施例中需要对位置信息做进一步的处理，具体可执行步骤305。
步骤305，求取一个历史终端在第一历史时刻对应的第二历史时刻所在的预设时间段内的多个位置信息的平均值作为最终的位置信息，建立多个第一时刻的电信信号采样信息与最终的位置信息之间的对应关系，得到该历史终端的多组数据对，进而得到各个历史终端的多组数据对。
例如，对于10:00:00这一第一历史时刻，可求取该第一历史时刻对应的第二历史时刻前后2秒这一时间段内的位置信息(x2，y2)、(x3，y3)、(x4，y4)的平均值，将平均值作为10:00:00最终的位置信息，并建立10:00:00的电信信号采样信息与最终的位置信息之间的对应关系，得到一组数据对。同理，针对每一组电信信号采样信息，均可建立其与位置信息之间的对应关系，得到多组数据对；一组数据对即为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
需要说明的是，上述是以电信信号采样信息所依据的时钟为标准时钟进行说明的，本发明实施例中，也可以从另一角度，即位置信息所依据的时钟为标准时钟的情形来考虑。
上述得到的一组数据对中的位置信息是根据终端在第二历史时刻所在的预设时间段(前后两秒)内获取到的M(M＝3)个位置信息确定的，由于，在与第二历史时刻对应的第一历史时刻所在的预设时间段(前后两秒)内仅有一个电信信号采样信息(即该历史时刻采集到的电信信号采样信息)，因此，可直接使用该电信信号采样信息建立数据对。若电信信号采样信息的采样频率较大或者预设时间段的范围较大时，也可以求取与第二历史时刻对应的第一历史时刻所在的预设时间段内的多个电信信号采样信息的平均值，来建立数据对。例如，若一个历史时刻的预设时间段为该历史时刻的前后8秒，则对于10:00:08这一历史时刻，可求取第1组电信信号采样信息、第2组电信信号采样信息、第3组电信信号采样信息的平均值作为10:00:08这一历史时刻最终的电信信号采样信息，并在后续过程中基于此建立数据对。
进一步地，由于采集到的大量数据中难免会出现一些误差较大的数据，即异常数据，若不对异常数据进行处理，则很容易导致运算结果存在偏差。因此，本发明实施例中，在得到多组数据对后，针对每组数据对，根据电信信号采样信息中的连接基站的位置信息和终端最终的位置信息，确定连接基站和终端之间的距离，若连接基站和终端之间的距离大于预设的距离阈值，则可确定该组数据对为异常数据对，从而删除该组数据对。其中，预设的距离阈值可由本领域技术人员根据经验设置，例如，可以设置为300米。
步骤306，针对多组正常的数据对，训练得到预测模型，并进行测试，最终得到有效的预测模型。由于数据对中的电信信号采样信息包括了全量的电信信号特征，因此，本发明实施例中确定出的预测模型充分使用了电信信号采样信息，采样该预测模型进行定位相对于现有技术具有更高的定位精度。
具体地，本发明实施例中的预测模型为回归模型。通过多组正常的数据对进行训练后，得到的预测模型为电信信号采样信息中的特定电信信号特征与位置信息中的位置特征之间的函数关系。其中，特定电信信号特征是指与位置特征的关系较为密切的电信信号特征及其扩展特征，具体是指与位置特征的相关度大于或等于第一阈值的电信信号特征及其扩展特征。特定电信信号特征和位置特征的相关度可由多种现有技术中计算变量之间的相关度的方法得到，第一阈值可由本领域技术人员根据经验设置。也就是说，特定电信信号特征与位置特征有较强的关联关系。而除特定电信信号特征以外的电信信号特征为一些对位置特征的影响较小的特征，由于这些电信信号特征对应的值的变化对位置信息的影响较小，因此，构建的预测模型中可不考虑这些电信信号特征，以使得预测模型更为简单准确。
本发明实施例中，特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合。其中，第一类信号特征是指与位置信息的关系较为密切的电信信号特征，例如，RSRP、RSRQ、SINR等；第一类信号特征对应的值是直接从采集到的电信信号采样信息中得到的。第二类信号特征包括与位置信息的关系较为密切的一次扩展特征，例如，Range-Based定位计算结果等；第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的。第三类信号特征包括与位置信息的关系较为密切的二次扩展特征，例如，终端的速度等；第三类信号特征对应的值是根据预测模型预测出的终端在不同时刻的初始位置信息得到的。其中，终端在一个时刻的初始位置信息是根据终端在该时刻的第一类信号特征和/或第二类信号特征对应的值和预测模型得到的。本发明实施例中，特定电信信号特征主要包括以下电信信号特征及其扩展特征，分别为：
(1)单点电信信号特征(第一类信号特征)。主要为终端的测量报告中的信息以及基站的参数，其中，终端的测量报告中可包括RSRP、RSRQ、SINR、TA、主下行扰码、天线挂高、方向角、机械倾角、电子下倾角、小区总功率、公共导频信道功率、终端的发射功率、基站位置等信息；基站的参数可包括基站的站高、基站的频段、基站的方向角、基站的下倾角、基站的经纬度和基站的小区发射功率等信息。
(2)时间窗关联特征(第一类信号特征)。一个历史时刻的电信信号采样信息所在的小时间窗内所有电信信号采样信息的单点电信信号特征。
(3)Range-Based定位计算结果(第二类信号特征)。
(4)单点关联特征(第二类信号特征)。主要为一个历史时刻的电信信号采样信息和其它信息的关联特征，如表8所示，给出了一组这类特征设计的示例。
表8：单点关联特征设计示例
Figure GDA0002271376350000281
Figure GDA0002271376350000291
(5)根据以上电信信号和/或第二类信号特征使用预测模型取得初步位置预测结果后计算得到的第三类信号特征。比如，将第(1)至(4)类特征输入到回归模型，计算出终端的电信信号采样信息对应的位置信息，然后根据各个位置信息前后时刻的位置信息计算终端的移动方向、速度、加速度等特征对应的值，即为第三类信号特征对应的值。
需要说明的是，上述五种电信信号及其扩展特征仅为示例性说明，在实际应用中，可根据需要在上述五种电信信号及其扩展特征的基础上进行增删，本发明实施例对此不做具体限定。
本发明实施例中，在步骤206中构建出预测模型后，为保证后续定位的准确性，需再次获取另一历史时间段内的至少终端在多个第一历史时刻的电信信号采样信息和多个第二历史时刻的位置信息，作为测试数据，对构建出的预测模型进行测试。例如，根据2016年1月1日的历史数据(8:00:00-20:00:00这一时间段内的1000个终端在多个时刻的电信信号采样信息和位置信息)，构建出上海浦东新区的预测模型后，可获取2016年1月2日8:00:00-12:00:00这一时间段内的1000个终端在多个第一历史时刻的电信信号采样信息和多个第二历史时刻的位置信息作为测试数据对预测模型进行测试。
具体测试过程为：以一个终端在一个历史时刻的测试过程为例，可根据该终端在该历史时刻的电信信号采样信息，采用预测模型预测出位置信息，并将预测出的位置信息与该历史时刻对应的测试数据对中的位置信息进行比较，若差异在预设的差异范围内，则确定该终端在该历史时刻的测试结果成功，其中，预设的差异范围可由本领域技术人员根据经验设置，例如，可以为预测出的位置信息与该终端在该时刻获取到的位置信息之间距离小于等于3米。以同样的方式，对所有测试数据进行测试，若测试结果成功的比例大于预设的比例值，则说明该预测模型是有效的，后续可根据该预测模型对终端进行定位，否则，需对预测模型进行修正。其中，预设的比例值可由本领域技术人员根据经验设置，例如，可设置为90％。
图7为本发明实施例中另一种构建预测模型的流程示意图。图7以更形象的方式示意出了本发明实施例中构建预测模型的过程，其与上述步骤301至步骤306相对应，此处不再具体说明。
本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，多组数据对中的每组数据对包括电信信号采样信息和位置信息，由于电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
第二阶段，定位阶段
构建出有效的预测模型后，可进入定位阶段，也即投入使用阶段。
具体地，当需要对目标区域内的终端进行定位时，获取目标区域内的预测模型。其中，预测模型指终端的电信信号采样信息中的特定电信信号特征与位置信息之间的函数关系，若特定电信信号特征包括：电信信号特征x1、电信信号特征x2、电信信号特征x3、……、电信信号特征xk，则预测模型为电信信号特征x1、电信信号特征x2、电信信号特征x3、……、电信信号特征xk与位置信息之间的函数关系，预测模型的输入量为电信信号特征x1、电信信号特征x2、电信信号特征x3、……、电信信号特征xk，输出量为预测的位置信息。
采集第一终端在当前时刻的电信信号采样信息，具体包括电信信号特征及电信信号特征对应的值，其中，电信信号特征对应的值可以为具体的数值，也可以为不是以数值形式表示的信息。例如，电信信号特征为参考信号接收质量时，则可获取参考信号接收质量在当前时刻对应的数值，作为电信信号特征对应的值；若电信信号特征为连接基站ID或其它不是以数值的形式来表示的电信信号特征时，则可获取该类电信信号特征对应的信息，作为电信信号特征对应的值。如表9所示，为采集到的待定位终端在当前时刻的电信信号采样信息示例。
表9：待定位终端在当前时刻的电信信号采样信息示例
电信信号特征 对应的值
RSRP **
RSRQ **
SINR **
机械倾角 缺失
终端的发射功率 **
参考信号接收质量 **
信号与干扰加噪声比 **
…… ……
如上所述，获取到的预测模型的输入量包括k个电信信号特征，在定位过程中，输入的输入量越多越完整，则定位的精度越高越准确。考虑到采集的待定位终端在当前时刻的电信信号采样信息中可能存在缺失部分特征对应的值的情况，实际过程中，可由本领域技术人员根据具体的情形输入能够获取到的输入量，以完成待定位终端的定位，例如，可输入k个电信信号特征中的多个电信信号特征，预测出待定位终端的位置信息。例如，若k＝20，实际过程中，获取到20个电信信号特征中的15个电信信号特征对应的值，则将这15个电信信号特征对应的值输入预测模型，也能够较为准确地预测出待定位终端的位置信息；然而，若仅获取到20个电信信号特征中的5个电信信号特征对应的值，则将这5个电信信号特征对应的值输入预测模型，预测出的待定位终端的位置信息会存在较大误差。也就是说，为保证定位的准确性，获取到的电信信号特征对应的值应足够多，接近预测模型中的输入量的个数，或者与获取到的电信信号特征对应的值的个数与预测模型中的输入量的个数的比值大于等于预设比值；预设比值可由本领域技术人员根据经验设置，例如，可设置为70％。本发明实施例中，特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；第一类信号特征对应的值是从待定位终端在当前时刻的电信信号采样信息中提取得到的；第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；第三类信号特征对应的值是通过待定位终端在当前时刻和当前时刻的相邻时刻的初始位置信息得到的；待定位终端在一个时刻的初始位置信息是通过函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
为保证定位的精度和准确性，本发明实施例优选，特定电信信号特征同时包括第一类信号特征、第二类信号特征和第三类信号特征。
假设，电信信号特征x1、电信信号特征x2、电信信号特征x3……、电信信号特征xn为第一类信号特征，电信信号特征xn、电信信号特征xn+1、电信信号特征xn+2……、电信信号特征xm为第二类信号特征，电信信号特征xm、电信信号特征xm+1、电信信号特征xm+2……、电信信号特征xk为第三类信号特征。
其中，全部或部分电信信号特征x1、电信信号特征x2、电信信号特征x3……、电信信号特征xn对应的值可根据采集到的待定位当前时刻的电信信号采样信息(即表9中的内容)得到。例如，RSRP、RSRQ、SINR对应的值可直接从表9中获取到。
全部或部分电信信号特征xn、电信信号特征xn+1、电信信号特征xn+2……、电信信号特征xm对应的值可根据已经得到的第一类信号特征对应的值得到。例如，电信信号特征xn+1为Range-based定位结果，其对应的值可根据采集到的信号强度值(第一类信号特征对应的值)，通过三角定位、共轭曲线等定位方法计算得到。
全部或部分的电信信号特征xm、电信信号特征xm+1、电信信号特征xm+2……、电信信号特征xk可根据待定位终端在当前时刻和当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在一个时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。例如，电信信号特征xm为待定位终端的速度，则首先可将所有已经获取到的第一类信号特征和第二类信号特征对应的值输入预测模型，进而得到待定位终端在当前时刻的初始位置信息(即进行粗略的定位)，采用同样的方法，得到待定位终端在当前时刻的相邻时刻(前几个时刻)的初始位置信息，根据待定位终端在当前时刻和当前时刻的相邻时刻的初始位置信息，可以计算出终端的速度。
通过上述过程，获取到第一类信号特征、第二类信号特征和第三类信号特征分别对应的值后，输入预测模型，最终预测出第一终端在当前时刻的位置信息。本发明实施例中，由于第三类信号特征对应的值是通过粗略定位(即粗粒度定位)后得到的，将第三类信号特征对应的值再次作为预测模型的输入，能够实现更细粒度的定位，使得定位的精度更高。
上述内容为针对特定电信信号特征同时包括第一类信号特征、第二类信号特征和第三类信号特征的情形所做的说明，其它多种情形，例如，特定电信信号特征同时包括第一类信号特征和第二类信号特征、特定电信信号特征同时包括第一类信号特征和第三类信号特征，均可参照上述情形实施。
本发明实施例中的定位方法，在构建预测模型阶段，是根据电信管道数据进行训练得到的，在定位阶段，只需获取到终端的电信信号采样信息，便可实现定位，因此，本发明实施例中的各个过程仅需要电信管道数据，不需要终端进行其它的服务请求，降低了终端的处理负担，且本发明实施例中的定位方法不需要终端开启GPS、AGPS(Assisted GPS，辅助全球卫星定位***)等定位装置，即可实现定位。
由于电信终端的通信/数据活动都会留下电信管道数据，因此，电信管道数据所记录的时空信息能更准确的表述持有终端的人群行为，通过电信管道数据构建出的预测模型也能够更准确更切实际地反映出终端的电信信号采样信息和位置信息之间的关系，采用该预测模型能够实现更准确的定位，且具有广泛的应用前景，例如，在广告咨询行业中，通过定位可实现根据室外人流数据对广告进行定价和效果评估；在零售选址行业中，通过定位可实现根据人流数据进行零售店精确选址；在交通规划行业中，通过定位可实现根据人流数据科学交通规划；在旅游行业中，可实现根据人流变化调整运营策略；在道路救援中，通过定位可实现根据位置定位提供道路提醒和道路救援；在公共安全行业中，通过定位可实现根据公共场所人流预测、监控和安全疏导；在搜索导航行业中，通过定位可实现利用室内数据提供室内导航。
针对上述方法流程，本发明实施例还提供一种网络设备，该网络设备的具体内容可以参照上述方法实施。
图8示例性示出了本发明实施例提供的一种网络设备的结构示意图，如图8所示，该网络设备800包括：
获取模块801，用于获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
处理模块802，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
较佳地，所述处理模块802还用于：
从所述多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；
建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
较佳地，所述处理模块802具体用于：
至少根据所述待定位终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述待定位终端在当前时刻的位置信息。
较佳地，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述待定位终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述待定位终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
较佳地，所述处理模块802还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
较佳地，所述处理模块802具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
较佳地，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理模块802具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
较佳地，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
本发明的上述实施例中，网络设备获取第一终端在当前时刻的电信信号采样信息，其中，第一终端为位于目标区域内的任一终端，目标区域为预定的地理区域；网络设备根据第一终端在当前时刻的电信信号采样信息以及目标区域的预测模型，预测得到第一终端在所述当前时刻的位置信息。本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，多组数据对中的每组数据对包括电信信号采样信息和位置信息，由于电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
基于相同构思，图9示例性示出了本发明实施例提供的另一种网络设备的结构示意图。如图9所示，该网络设备900包括：
存储器901，用于存储获取到的第一终端在当前时刻的电信信号采样信息和目标区域的预测模型；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；所述预测模型是根据所述目标区域内的至少两个历史终端的多组数据对确定的；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
处理器902，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；
较佳地，所述处理器902还用于：
从所述多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；
建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型。
较佳地，所述处理器902具体用于：
至少根据所述待定位终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述待定位终端在当前时刻的位置信息。
较佳地，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述待定位终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述待定位终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述待定位终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
较佳地，所述处理器902还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
较佳地，所述处理器902具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
较佳地，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理器902具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
较佳地，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
其中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器负责管理总线架构和通常的处理，存储器可以存储处理器在执行操作时所使用的数据。
从上述内容可以看出：本发明的上述实施例中，网络设备获取第一终端在当前时刻的电信信号采样信息，其中，第一终端为位于目标区域内的任一终端，目标区域为预定的地理区域；网络设备根据第一终端在当前时刻的电信信号采样信息以及目标区域的预测模型，预测得到第一终端在所述当前时刻的位置信息。本发明实施例中，预测模型是根据目标区域内的至少两个历史终端的多组数据对确定的，多组数据对中的每组数据对包括电信信号采样信息和位置信息，由于电信信号采样信息和位置信息均为现有技术中可直接获取到的信息，而无需再额外采集，因此能够有效降低定位成本；且，由于预测模型是通过目标区域区域内的大量数据训练得到的，具有较强的容错和纠错能力，能够较为准确地反映出终端的电信信号采样信息和位置信息之间的关系，很好地避免了现有技术中由于电信信号强度受到多径衰减、非视距阻挡等因素的干扰以及终端连接的基站个数不足而导致定位不准确的问题，因此，根据本发明中的预测模型和终端的电信信号采样信息进行定位，能够有效提高终端定位的准确度，降低定位误差，具有较强的实用价值。
本领域内的技术人员应明白，本发明的实施例可提供为方法、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (21)

1.一种终端定位方法，其特征在于，该方法包括：
网络设备获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
所述网络设备根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；所述预测模型由所述网络设备通过以下方式确定：所述网络设备从所述目标区域内的至少两个历史终端的多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；所述网络设备建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型；
所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
2.如权利要求1所述的方法，其特征在于，所述网络设备根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息，包括：
所述网络设备至少根据所述第一终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
所述网络设备根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述第一终端在当前时刻的位置信息。
3.如权利要求2所述的方法，其特征在于，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述第一终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述第一终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述第一终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
4.如权利要求1至3中任一项所述的方法，其特征在于，所述至少两个历史终端中的任一历史终端的多组数据对根据如下方法得到：
针对第一历史终端，所述网络设备获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
所述网络设备根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
5.如权利要求4所述的方法，其特征在于，所述网络设备根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对，包括：
所述网络设备根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
所述网络设备针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
所述网络设备根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
6.如权利要求5所述的方法，其特征在于，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述网络设备根据目标时钟对应关系，确定所述第一历史终端的多组数据对，包括：
所述网络设备将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
所述网络设备根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
7.如权利要求6所述的方法，其特征在于，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
8.一种网络设备，其特征在于，该网络设备包括：
获取模块，用于获取第一终端在当前时刻的电信信号采样信息；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
处理模块，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；
所述处理模块，还用于从所述目标区域内的至少两个历史终端的多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
9.如权利要求8所述的网络设备，其特征在于，所述处理模块具体用于：
至少根据所述第一终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述第一终端在当前时刻的位置信息。
10.如权利要求9所述的网络设备，其特征在于，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述第一终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述第一终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述第一终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
11.如权利要求8至10中任一项所述的网络设备，其特征在于，所述处理模块还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
12.如权利要求11所述的网络设备，其特征在于，所述处理模块具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
13.如权利要求12所述的网络设备，其特征在于，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理模块具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
14.如权利要求13所述的网络设备，其特征在于，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
15.一种网络设备，其特征在于，该网络设备包括：
存储器，用于存储获取到的第一终端在当前时刻的电信信号采样信息和目标区域的预测模型；所述第一终端为位于目标区域内的任一终端，所述目标区域为预定的地理区域；
处理器，用于根据所述第一终端在当前时刻的电信信号采样信息以及所述目标区域的预测模型，预测得到所述第一终端在所述当前时刻的位置信息；
所述处理器，还用于从所述目标区域内的至少两个历史终端的多组数据对的电信信号采样信息中，筛选出与所述多组数据对的位置信息中的位置特征的相关度大于或等于第一阈值的特定电信信号特征；建立所述特定电信信号特征与所述位置特征之间的函数关系，得到所述预测模型；所述多组数据对中的每组数据对包括电信信号采样信息和位置信息，所述数据对中的电信信号采样信息和位置信息为同一历史终端在同一历史时刻的电信信号采样信息和位置信息。
16.如权利要求15所述的网络设备，其特征在于，所述处理器具体用于：
至少根据所述第一终端在所述当前时刻的电信信号采样信息，得到所述特定电信信号特征对应的值；
根据所述预测模型和所述特定电信信号特征对应的值进行运算，得到所述第一终端在当前时刻的位置信息。
17.如权利要求16所述的网络设备，其特征在于，所述特定电信信号特征包括第一类信号特征、第二类信号特征和第三类信号特征中的任一种或任意组合；
所述第一类信号特征对应的值是从所述第一终端在所述当前时刻的电信信号采样信息中提取得到的；
所述第二类信号特征对应的值是根据一个或一个以上的第一类信号特征对应的值进行运算得到的；
所述第三类信号特征对应的值是通过所述第一终端在所述当前时刻和所述当前时刻的相邻时刻的初始位置信息得到的；所述第一终端在所述当前时刻或所述当前时刻的相邻时刻的初始位置信息是通过所述函数关系对该时刻的一个或一个以上的第一类信号特征和/或第二类信号特征对应的值进行运算得到的。
18.如权利要求15至17中任一项所述的网络设备，其特征在于，所述处理器还用于：
根据如下方法得到所述至少两个历史终端中的任一历史终端的多组数据对：
针对第一历史终端，获取所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息；所述第一历史终端为所述至少两个历史终端中的任一历史终端；
根据所述第一历史终端在多个第一历史时刻的电信信号采样信息及所述第一历史终端在多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对。
19.如权利要求18所述的网络设备，其特征在于，所述处理器具体用于：
根据第一预设规则，确定所述第一历史终端的多个第一历史时刻与多个第二历史时刻的时钟对应关系，所述第一预设规则为多个预设规则中的任一预设规则；
针对所述第一预设规则，计算所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和；其中，所述第一历史终端与所述第一历史终端所属的基站在所述多个第一历史时刻中的每个第一历史时刻的距离通过以下方法得到：所述网络设备根据所述时钟对应关系，确定所述第一历史时刻对应的第二历史时刻，并根据所述第一历史时刻的电信信号采样信息中的基站的位置信息及所述第一历史时刻对应的第二历史时刻的所述第一历史终端的位置信息，确定所述基站与所述第一历史终端在第一历史时刻的距离；
根据目标时钟对应关系，确定所述第一历史终端的多组数据对；所述目标时钟对应关系为所述多个预设规则中，所述第一历史终端与所述第一历史终端所属的基站在多个第一历史时刻的距离之和最小的时钟对应关系。
20.如权利要求19所述的网络设备，其特征在于，所述第一历史终端在多个第一历史时刻的电信信号采样信息是按照第一频率获取到的；所述第一历史终端在多个第二历史时刻的位置信息是按照第二频率获取到的；所述第一频率小于所述第二频率；
所述处理器具体用于：
将所述第一历史终端在多个第一历史时刻的电信信号采样信息分别作为所述多组数据对中的电信信号采样信息，以及
根据所述目标时钟对应关系，得到所述多个第一历史时刻对应的多个第二历史时刻，并至少根据所述多个第一历史时刻对应的多个第二历史时刻的位置信息，得到所述第一历史终端的多组数据对中的位置信息。
21.如权利要求20所述的网络设备，其特征在于，所述第一历史终端在多个第二历史时刻的位置信息包括第一类位置信息和/或第二类位置信息；
所述第一类位置信息为对所述网络设备通过Gn口采集到的数据进行解析得到的位置信息；
所述第二类位置信息为所述网络设备根据所述第一类位置信息和所述目标区域的地图信息确定出所述第一历史终端的运动轨迹后，根据所述运动轨迹，在任意两个相邻的第一类位置信息中插值得到的位置信息。
CN201610289359.4A 2016-04-29 2016-04-29 一种终端定位方法及网络设备 Active CN107333232B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610289359.4A CN107333232B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备
CN201710697232.0A CN107466103B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备
PCT/CN2016/102043 WO2017185664A1 (zh) 2016-04-29 2016-10-13 一种终端定位方法及网络设备
EP16900172.4A EP3419353A4 (en) 2016-04-29 2016-10-13 METHOD FOR LOCATING TERMINAL, AND NETWORK DEVICE
US16/136,827 US10542519B2 (en) 2016-04-29 2018-09-20 Terminal positioning method and network device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610289359.4A CN107333232B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201710697232.0A Division CN107466103B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备

Publications (2)

Publication Number Publication Date
CN107333232A CN107333232A (zh) 2017-11-07
CN107333232B true CN107333232B (zh) 2020-02-21

Family

ID=60161835

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201610289359.4A Active CN107333232B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备
CN201710697232.0A Active CN107466103B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201710697232.0A Active CN107466103B (zh) 2016-04-29 2016-04-29 一种终端定位方法及网络设备

Country Status (4)

Country Link
US (1) US10542519B2 (zh)
EP (1) EP3419353A4 (zh)
CN (2) CN107333232B (zh)
WO (1) WO2017185664A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109951814B (zh) * 2017-12-20 2021-11-19 中国电信股份有限公司 定位方法、装置以及计算机可读存储介质
CN108495364B (zh) * 2018-02-09 2020-07-07 北京天元创新科技有限公司 移动终端的定位方法及装置
CN108513251B (zh) * 2018-02-13 2020-08-04 北京天元创新科技有限公司 一种基于mr数据的定位方法及***
CN108520028B (zh) * 2018-03-27 2021-05-07 北京邮电大学 基于dpi数据的用户地理位置特征提取方法及***
CN112567834B (zh) * 2018-08-14 2023-11-24 罗伯特·博世有限公司 用于检测信号传播类型的方法和装置
CN110907977B (zh) * 2018-09-17 2024-05-24 深圳市中兴通讯技术服务有限责任公司 一种信息处理方法、装置和计算机存储介质
CN109660469B (zh) * 2018-10-23 2022-09-02 惠州Tcl移动通信有限公司 同步变化网络信号的方法、终端及具有存储功能的装置
CN111277947B (zh) * 2018-12-04 2023-05-02 中兴通讯股份有限公司 小区经纬度预测方法、装置、服务器、基站及存储介质
CN109672466B (zh) * 2018-12-12 2022-02-18 广州极飞科技股份有限公司 信号数据处理方法、装置、计算机设备及存储介质
CN110290582B (zh) * 2019-05-22 2020-10-30 浙江工业大学 一种基于seq2seq框架的基站标号轨迹预测方法
CN111132029B (zh) * 2019-10-16 2022-03-01 张苏 基于地形约束的定位方法及装置
CN110839201B (zh) * 2019-10-28 2021-01-15 宜通世纪科技股份有限公司 管道数据处理方法、发送装置、接收装置和存储介质
CN113055901B (zh) * 2019-12-27 2022-09-16 中国电信股份有限公司 一种终端定位的方法和装置
CN113449207A (zh) * 2020-03-24 2021-09-28 华为技术有限公司 电子设备定位的方法、装置、服务器、***以及存储介质
CN111565062B (zh) * 2020-04-15 2023-03-17 中国联合网络通信集团有限公司 一种波束切换方法和装置
CN113630712B (zh) * 2020-04-22 2023-04-28 ***通信集团四川有限公司 一种定位方法、装置及设备
CN111585672A (zh) * 2020-04-28 2020-08-25 深圳中科国威信息***技术有限公司 认知无线电的工作信道确定方法、介质、终端和装置
CN112203285B (zh) * 2020-09-07 2023-10-17 北京遥感设备研究所 一种多小区联合协同传输控制方法、装置和***
CN112203284B (zh) * 2020-09-07 2023-10-17 北京遥感设备研究所 终端位置自适应的多小区联合资源分配方法、装置和***
CN112351384B (zh) * 2020-09-10 2022-09-27 小灵狗出行科技有限公司 一种车辆定位数据修正方法、装置及设备
CN112738718B (zh) * 2021-03-29 2021-07-06 江苏云松智汇机电科技有限公司 一种基于lsa的时空大数据轨迹匹配方法
CN117255403A (zh) * 2022-06-10 2023-12-19 维沃移动通信有限公司 定位模型的选择方法、终端及网络侧设备
CN116227929B (zh) * 2023-03-07 2024-03-19 广州爱浦路网络技术有限公司 通信数据的分析方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986757A (zh) * 2010-11-05 2011-03-16 中兴通讯股份有限公司 一种移动终端的定位方法及装置
CN102111871A (zh) * 2009-12-23 2011-06-29 ***通信集团公司 基于小区标识定位技术的终端定位方法及装置
CN104469676A (zh) * 2014-11-21 2015-03-25 北京拓明科技有限公司 一种移动终端的定位方法及***

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5043736B1 (en) 1990-07-27 1994-09-06 Cae Link Corp Cellular position location system
US5293645A (en) 1991-10-04 1994-03-08 Sharp Microelectronics Technology, Inc. Apparatus and method for locating mobile and portable radio terminals in a radio network
US5913170A (en) 1994-11-16 1999-06-15 Highwaymaster Communications, Inc. Locating system and method using a mobile communications network
WO1996026614A1 (en) 1995-02-24 1996-08-29 Global Locating Systems, Inc. Locating device and system using cellular technologies
US5895436A (en) 1996-04-26 1999-04-20 Savoie; Paul-Andreroland Vehicle tracking system using cellular network
DE60138493D1 (de) 2001-12-27 2009-06-04 Nokia Corp System, verfahren und übergangseinrichtung zur lokalisierung eines mobilen endgerätes
US7151446B2 (en) 2003-08-01 2006-12-19 Spectrum Tracking Systems, Inc. System for tracking and locating an object using a cellular network
FR2865605B1 (fr) 2004-01-26 2006-04-28 Cit Alcatel Procede de localisation assistee de terminaux mobiles de communication d'un reseau cellulaire, par utilisation d'un canal de transport ussd
JP2006163996A (ja) * 2004-12-09 2006-06-22 Evolium Sas 行動履歴に基づくプッシュ型の情報提供システム
US8421675B2 (en) 2006-12-07 2013-04-16 Digimarc Corporation Systems and methods for locating a mobile device within a cellular system
US8554247B2 (en) * 2008-11-13 2013-10-08 Glopos Fzc Method and system for refining accuracy of location positioning
IL200158A (en) 2009-07-30 2014-12-31 Verint Systems Ltd System and methods for locating communication terminals on cellular networks
WO2011058499A1 (en) 2009-11-12 2011-05-19 Sriram Kannan Methods for profiling cellular network towers and locating mobile communication device, and tools therefrom
CN102111872B (zh) * 2009-12-23 2013-11-20 ***通信集团公司 基于指纹定位技术的定位方法及装置
WO2011097414A1 (en) 2010-02-03 2011-08-11 Nextivity, Inc. Location finding in cellular network with repeater
EP2485546B1 (en) 2011-02-03 2017-03-22 Realcell Limited System and method for locating a cellular communication device
US8971924B2 (en) 2011-05-23 2015-03-03 Apple Inc. Identifying and locating users on a mobile network
US9232378B2 (en) 2012-07-03 2016-01-05 Qualcomm Incorporated Locating a victim via a first responder's device
CN102901975A (zh) 2012-10-18 2013-01-30 中兴通讯股份有限公司 一种移动终端和获取移动终端位置信息的方法
US9753965B2 (en) * 2013-03-15 2017-09-05 Factual Inc. Apparatus, systems, and methods for providing location information
CN104080163A (zh) * 2013-03-28 2014-10-01 北京百度网讯科技有限公司 一种用于确定无线接入设备的接入位置信息的方法和设备
US9374799B2 (en) 2013-12-23 2016-06-21 Cellco Partnership Mobile device locating using long term evolution signals
CN103906233A (zh) * 2014-03-31 2014-07-02 黄卿 一种定位数据采集、处理方法及装置
US10440503B2 (en) * 2014-07-16 2019-10-08 TUPL, Inc. Machine learning-based geolocation and hotspot area identification
JP6534808B2 (ja) * 2014-11-28 2019-06-26 株式会社デンソーテン レーダ装置、および、信号処理方法
CN104968045B (zh) * 2015-05-22 2018-11-09 清华大学 基于指纹的室内定位方法及定位装置
CN105282758A (zh) * 2015-09-06 2016-01-27 华南理工大学 WiFi室内定位***指纹数据库自适应动态构建方法
CN105338489B (zh) * 2015-11-17 2018-08-14 中国电子科技集团公司第五十四研究所 一种用于室内定位的智能终端及蓝牙室内定位***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102111871A (zh) * 2009-12-23 2011-06-29 ***通信集团公司 基于小区标识定位技术的终端定位方法及装置
CN101986757A (zh) * 2010-11-05 2011-03-16 中兴通讯股份有限公司 一种移动终端的定位方法及装置
CN104469676A (zh) * 2014-11-21 2015-03-25 北京拓明科技有限公司 一种移动终端的定位方法及***

Also Published As

Publication number Publication date
EP3419353A4 (en) 2019-07-03
CN107333232A (zh) 2017-11-07
WO2017185664A1 (zh) 2017-11-02
CN107466103A (zh) 2017-12-12
US10542519B2 (en) 2020-01-21
EP3419353A1 (en) 2018-12-26
CN107466103B (zh) 2020-06-02
US20190021068A1 (en) 2019-01-17

Similar Documents

Publication Publication Date Title
CN107333232B (zh) 一种终端定位方法及网络设备
EP3045931B1 (en) Mechanism for determining location history via multiple historical predictors
CN107171831B (zh) 网络部署方法和装置
CN103822638B (zh) 用户位置信息的处理方法和装置
JP2002057614A (ja) 無線通信システム中のｒｆ伝播評価方法と装置
CN104205964A (zh) 移动地理定位
CN103068035A (zh) 一种无线网络定位方法、装置及***
US9749805B2 (en) Methods, wireless device and network node for managing positioning method based on prediction
Redondi Radio map interpolation using graph signal processing
WO2017084713A1 (en) A computational efficient method to generate an rf coverage map taken into account uncertainty of drive test measurement data
JPWO2009075246A1 (ja) 無線アクセス網管理装置、設備計画支援システム及びそれらに用いる設備計画支援方法
CN111787488A (zh) 一种用户定位方法及***
US11304172B2 (en) Site estimation based on crowd sourced data
Bejarano-Luque et al. A data-driven algorithm for indoor/outdoor detection based on connection traces in a LTE network
US20160295373A1 (en) Mobility determination using likelihood estimation
CN111372182A (zh) 一种定位方法、装置、设备及计算机可读存储介质
CN108541011B (zh) 无线网络信号覆盖区域的强度分析方法和装置
CN112836991A (zh) 站点规划方法、装置、终端设备和可读存储介质
JP6223302B2 (ja) 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法
CN108260204B (zh) 一种基于电信定位的方法及装置
CN103065461A (zh) 用于采集和获取交通路况信息的方法和设备
US20150087321A1 (en) Methods and systems for small cells deployment
CN105338487A (zh) 用于多遍地理定位的技术
JP6433059B2 (ja) 通信レコードに基づき移動端末を測位する装置、プログラム及び方法
CN114885369A (zh) 网络覆盖质量检测处理方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant