一种基于MR数据的定位方法及系统技术方案

本发明专利技术实施例提供了一种基于MR数据的定位方法，包括：S1、基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；S2、基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；S3、将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。本发明专利技术实施例提供的基于MR数据的定位方法及系统，在基于MR数据使用机器学习方法定位基础之上，提出置信度模型判断预测的经纬度是否可信，并对不可信数据进行修正，从而克服了由于MR数据受外界影响变化较大，导致定位精确度不高的问题，提高了定位精确度。

A location method and system based on MR data

The embodiment of the invention provides a positioning method based on MR data, including: S1, predicting the longitude and latitude corresponding to the MR data of the measurement report sent by the terminal based on the decision tree regression model after training; S2, judging whether the longitude and latitude corresponding to the MR data are credible based on the confidence model after training; and S3, which is not credible. The longitude and latitude corresponding to the MR data are modified according to the preset transfer probability matrix to obtain the final positioning result. The positioning method and system based on MR data provided by the embodiment of the invention, on the basis of positioning using machine learning method based on MR data, puts forward a confidence model to judge whether the predicted longitude and latitude are credible, and corrects the untrusted data, thus overcoming the positioning caused by the great variation of the MR data affected by the outside world. The problem of low accuracy improves the positioning accuracy.

【技术实现步骤摘要】
一种基于MR数据的定位方法及系统
本专利技术实施例涉及大数据挖掘领域，更具体地，涉及一种基于MR数据的定位方法及系统。
技术介绍
随着LTE网络发展以及用户对移动通信质量的要求不断提高，质量监控、网络优化等工作面临着新的挑战。测量报告(MeasurmentReport，MR)指基站所获取的信号强度测量报告，无线接入网(URAN)向移动终端(UE)发送测量控制信息，UE端接受控制信息测量，并向URAN端发送测量报告。MR数据可实时全网监控，更全面、准确地评估和分析优化网络环境。MR数据记录了UE在业务保持过程中的服务小区/邻区ID、信号接收功率(RSRP)、信号接收质量(RSRQ)、到达角(AOA)、发射功率余量(PHR)等无线测量信息。基于MR数据记录中位置信息实现移动定位，可以更及时、更全面的为无线优化和网络规划建设提供准确的依据，一直是通信领域的研究热点。MR数据能够及时准确上报UE端信号环境信息，并产生海量数据，但是基于MR数据的移动定位由于无线环境质量、基站天线、地形、建筑物等因素都会对信号强度的变化产生影响，现有的定位方法的精确度并不高。传统方法主要是基于测距的空间几何定位方法。例如基于距离的定位技术(TOA，TimeofArrival)，根据到达时间推算移动台位置；基于距离差的定位技术(TDOA，TimeDifferenceofArrival)，根据到达时间差推算移动台位置；基于到达角的定位技术(AOA，AngleofArrival)，通过交汇法估计终端的位置。近些年，基于指纹定位的方法获得较好的定位精度，指纹定位将包含位置信息的采集、数据训练为指纹库，将没有位置的MR根据特征进行指纹匹配，生成位置信息。指纹定位可以得到较好的定位效果，定位精度能达到50-100米，但信息采集需要大量的设备，耗费大量的人力，成本代价较高。目前，基于MR数据和GPS数据，利用机器学习方法学习训练位置信息特征的方法，较为简单易用，但由于MR数据受外界影响变化较大，导致定位精确度不高。
技术实现思路
本专利技术实施例提供了一种克服上述问题或者至少部分地解决上述问题的基于MR数据的定位方法及系统。一方面本专利技术实施例提供了一种基于MR数据的定位方法，包括：S1、基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；S2、基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；S3、将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。另一方面本专利技术实施例提供了一种基于MR数据的定位系统，所述系统包括：初步预测模块，用于基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；置信度判断模块，用于基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；定位模块，用于将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。根据本专利技术的第三方面，提供了一种基于MR数据的定位设备，包括：处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述所述的一种基于MR数据的定位方法。第四方面专利技术实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述方法。第五方面专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法。本专利技术实施例提供的基于MR数据的定位方法及系统，在基于MR数据使用机器学习方法定位基础之上，提出置信度模型判断预测的经纬度是否可信，并对不可信数据进行修正，从而克服了由于MR数据受外界影响变化较大，导致定位精确度不高的问题，提高了定位精确度。附图说明图1是本专利技术实施例提供的一种基于MR数据的定位方法流程图；图2是本专利技术实施例提供的一种基于MR数据的定位系统结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例提供的一种基于MR数据的定位方法流程图，如图1所示，所述方法包括：S1、基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；S2、基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；S3、将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。具体的，S1中，所述训练后的决策树回归模型是本专利技术实施例为了对大量MR数据进行训练学习后提出的预测模型，他能够对于每一终端发送的MR数据进行初步预测，并且，由于MR数据获取代价小，机器学习方法较为成熟，能够较容易初步预测移动终端的定位，满足基本要求。可以理解的是，在机器学习中，决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系，通过对决策树模型的训练，能够使得它完成本专利技术实施例所需的初步预测经纬度任务。S2中，所述训练后的置信度模型是本专利技术实施例用于判断初步预测的经纬度的定位精度是否达到标准，如果S1中初步预测的结果已经能够达到定位精度标准，则无须进行后续操作，直接将此初步定位结果作为终端最终的定位结果，如果S1中初步预测的结果未能满足定位精度标准，则判定此结果不可用，从而在步骤S3中对此定位结果进行修正，从而获得更精准的定位结果。S3中，对于预测不可信的经纬度，本专利技术实施例采用了转移概率矩阵的方式进行修正，可以理解的是，在转移概率矩阵中，各个元素都是非负数，且各行元素之和等于1，各元素用概率表示，在一定条件下能够互相转移。具体的，在本专利技术实施例中，将转移概率矩阵定义为An×n，n为经纬度栅格化的数量，矩阵中元素aij表示矩阵A第i行第j列的概率，其代表第i个栅格被预测第j个栅格的概率，aij的计算公式如下：其中，Num(i)为第i个栅格的MR记录，Num(j)为被预测为第j个栅格记录，|*|表示MR记录的数量。可以理解的是，做出如上转移矩阵的定义的前提条件是本专利技术实施例将待预测的地理区域进行了栅格化，一般的，在地理信息系统GIS平台上按照一定精度对地理区域进行划分，优选的，采用了50m*50m的划分精度，那么可以将待预测的地理区域划分为多个栅格。进一步的，本专利技术实施例分别统计训练数据集的真实经纬度和预测经纬度落入栅格的数量及每个样本数据对应的栅格号，从而计算预测概率。在本专利技术实施例提供的转移概率矩阵的基础上，本专利技术实施例还提供了误分栅格矩阵B2×n，根据误分栅格矩阵B2×n，能够在转移概率矩阵An×n中，从第j列选择概率最大对应的第i行，从而形成i→j的映射关系，那么当不可信的MR记录获取到时，若不可信的MR记录对应的栅格为j栅格时，本专利技术实本文档来自技高网...

【技术保护点】
1.一种基于MR数据的定位方法，其特征在于，包括：S1、基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；S2、基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；S3、将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。

【技术特征摘要】
1.一种基于MR数据的定位方法，其特征在于，包括：S1、基于训练后的决策树回归模型，预测终端发送的测量报告MR数据对应的经纬度；S2、基于训练后的置信度模型，判断所述MR数据对应的经纬度是否可信；S3、将不可信的所述MR数据对应的经纬度按照预设的转移概率矩阵进行修正，以得到最终定位结果。2.根据权利要求1所述的方法，其特征在于，步骤S1之前所述方法还包括：将终端发送的历史MR数据作为第一训练样本集，对预设的决策树回归模型进行训练，以得到所述训练后的决策树回归模型；获取包含终端轨迹特征的第二训练样本集，对预设的置信度模型进行训练，以得到所述训练后的置信度模型。3.根据权利要求2所述的方法，其特征在于，所述将终端发送的历史MR数据作为第一训练样本集，对预设的决策树回归模型进行训练，以得到所述训练后的决策树回归模型之前，还包括：将终端发送的历史MR数据与公参表进行关联，并利用相关性分析法，去除所述历史MR数据中的冗余字段。4.根据权利要求2所述的方法，其特征在于，所述获取包含终端轨迹特征的第二训练样本集，对预设的置信度模型进行训练，以得到所述训练后的置信度模型，包括：获取终端当前时刻的MR数据以及距离当前时刻预设时间间隔的第一目标MR数据和第二目标MR数据；基于所述当前时刻的MR数据、第一目标MR数据以及第二目标MR数据，获取所述终端的运动轨迹，并从所述终端的运动轨迹中提取所述终端轨迹特征；将包含所述终端轨迹特征的第二训练样本集，对预设的置信度模型进行训练，以得到所述训练后的置信度模型。5.根据权利要求1...

【专利技术属性】
技术研发人员：李超，袁明明，王炳亮，
申请(专利权)人：北京天元创新科技有限公司，
类型：发明
国别省市：北京,11