[发明专利]楼宇定位方法、装置、设备及计算机可读存储介质

权利要求书

1.一种楼宇定位方法，其特征在于，所述楼宇定位方法包括如下步骤：

采集全量用户的基础位置数据，基于所述基础位置数据获取所述全量用户的粗略位置数据，其中，所述基础位置数据包括全量用户MR数据和XDR数据，将所述MR数据和所述XDR数据进行关联，以形成包含用户标识及用户MR特性的粗略位置数据；

获取所述粗略位置数据中所述全量用户的用户状态为静止状态时的静止状态数据，对所述静止状态数据和预设的楼宇用户样本进行关联，以获取学习样本集，其中，将家宽用户的配置信息与楼宇图层进行关联，形成楼宇用户样本，所述楼宇用户样本包括楼宇ID、楼宇经纬度、电话号码；

对所述学习样本集中所有ECI进行模型训练，以获取各所述ECI对应的楼宇定位决策模型；

基于各所述楼宇定位决策模型确定所述全量用户中目标用户对应的目标楼宇定位决策模型，将所述目标用户的基础位置数据输入至所述目标楼宇定位决策模型中进行训练，以获取所述目标用户的楼宇定位结果。

2.如权利要求1所述的楼宇定位方法，其特征在于，所述对所述学习样本集中所有ECI进行模型训练，以获取各所述ECI对应的楼宇定位决策模型的步骤，包括：

对所述学习样本集中所有ECI进行特征向量构建，以获取各所述ECI对应的特征序列样本；

遍历各所述ECI，根据遍历的ECI对应的特征序列样本进行模型训练，以获取所述遍历的ECI对应的楼宇定位决策模型。

3.如权利要求2所述的楼宇定位方法，其特征在于，所述根据遍历的ECI对应的特征序列样本进行模型训练，以获取所述遍历的ECI对应的楼宇定位决策模型的步骤，包括：

获取所述遍历的ECI对应的特征序列样本中的样本数量和所有特征，若所述样本数量大于第一预设阈值，则根据预设的基尼系数计算公式和所述样本数量计算各所述特征的基尼系数；

获取各所述基尼系数中数值最小的最小基尼系数，确定各所述特征中所述最小基尼系数对应的最优特征，根据所述最优特征对所述遍历的ECI对应的特征序列样本进行划分，以获取左节点数据集和右节点数据集；

基于所述左节点数据集和所述右节点数据集构建所述遍历的ECI对应的楼宇定位决策模型。

4.如权利要求3所述的楼宇定位方法，其特征在于，所述根据预设的基尼系数计算公式和所述样本数量计算各所述特征的基尼系数的步骤，包括：

根据预设的基尼系数计算公式和所述样本数量计算所述遍历的ECI对应的特征序列样本的目标基尼系数；

若所述目标基尼系数大于第二预设阈值，则获取各所述特征的特征值，根据各所述特征值和所述基尼系数计算公式计算各所述特征的基尼系数。

5.如权利要求2所述的楼宇定位方法，其特征在于，所述对所述学习样本集中所有ECI进行特征向量构建，以获取各所述ECI对应的特征序列样本的步骤，包括：

依次遍历所述学习样本集中所有ECI，确定遍历的ECI对应的所有邻区，获取各所述邻区中预设数量的目标邻区，并确定各所述目标邻区的邻区标识；

根据预设的排序规则对各所述邻区标识进行排序，基于所述排序的排序结果确定遍历的ECI对应的特征序列样本。

6.如权利要求1-5任一项所述的楼宇定位方法，其特征在于，所述对所述静止状态数据和预设的楼宇用户样本进行关联，以获取学习样本集的步骤，包括：

对所述静止状态数据和预设的楼宇用户样本进行信息关联，基于所述关联的关联结果获取关联数据集合；

基于预设门限值对所述关联数据集合进行数据清洗，以获取学习样本集。

7.如权利要求6所述的楼宇定位方法，其特征在于，所述基于预设门限值对所述关联数据集合进行数据清洗，以获取学习样本集的步骤，包括：

遍历所述关联数据集合中的所有楼宇，确定遍历的楼宇中所有用户占用的ECI，并计算各所述ECI的位置数据和所述遍历的楼宇的位置数据之间的绝对差值；

若在各所述绝对差值中存在目标绝对差值大于预设门限值，则对所述目标绝对差值对应的ECI进行数据清洗，并将经过数据清洗的所述关联数据集合作为学习样本集。