[发明专利]楼宇定位方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种楼宇定位方法、装置、设备及计算机可读存储介质，本发明楼宇定位方法包括：采集全量用户的基础位置数据，基于基础位置数据获取全量用户的粗略位置数据；获取粗略位置数据中全量用户的用户状态为静止状态时的静止状态数据，对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；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。从而提高了用户定位至楼宇的准确性。

技术领域

本发明涉及通信网络技术领域，尤其涉及一种楼宇定位方法、装置、设备及计算机可读存储介质。

背景技术

目前进行用户定位至楼宇的方法主要包括基于终端位置信息测量的定位方法和基于MR(Measurement Report，测量报告)数据的指纹库定位方法。基于终端位置信息测量的定位方法是通过终端侧发起定位请求，由位置服务提供商进行网络运算，将用户定位至楼宇，但此方法过度依赖终端，无法针对全量用户进行，且位置应用场景受限，使得定位结果的准确性较低。基于MR数据的指纹库定位方法是通过通信运营商的基站小区配置，结合三维地图，采用射线追踪模型进行无线信号仿真，构建全网楼宇的立体覆盖指纹库，再根据指纹定位模型，对用户的MR进行指纹匹配，从而实现将用户定位至楼宇，虽然此方法可以针对全量用户进行，但此方法所依赖的建模数据源的质量无法达到要求，导致定位结果的准确性较低。因此如何提高用户定位至楼宇的准确性成为了目前亟待解决的技术问题。

发明内容

本发明的主要目的在于提出一种楼宇定位方法、装置、设备及计算机可读存储介质，旨在解决如何提高用户定位至楼宇的准确性的技术问题。

为实现上述目的，本发明提供一种楼宇定位方法，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；

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；

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。

可选地，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。

可选地，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。

可选地，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：