RTK终端用户定位效果预测模型的训练方法及其装置制造方法及图纸

本申请涉及形变监测领域，公开了一种RTK终端用户定位效果预测模型的训练方法及其装置。所述方法包括：获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。通过利用服务数据、大气数据和真实用户数据关联建模，涵盖RTK终端用户真实应用场景和终端等因素，能够对不同场景用户的实际定位体验做差异化、精细化评估。精细化评估。精细化评估。

【技术实现步骤摘要】
RTK终端用户定位效果预测模型的训练方法及其装置


[0001]本申请涉及定位领域，特别涉及一种RTK终端用户定位效果的评估预测技术。

技术介绍

[0002]在RTK服务领域里面，用户和服务之间的交互过程是：用户发送包含经纬度和当前定位状态(固定、浮点、单点等)的gga数据(是指用户定位结果数据，其包括GPS、BDS、GLONASS等星座系统的定位数据)给服务，服务根据用户的经纬度，发送对应虚拟格网的差分数据给用户，用户拿到差分数据，再结合自己的卫星观测数据，就可以算出当前的位置信息了。
[0003]现有技术中，评估定位服务质量好坏的方法，是由服务端通过评估RTK格网数据质量来近似评估用户定位体验的好坏。具体步骤如下：
[0004]1.测试人员手工测试，通过终端获取差分数据和实际定位效果；
[0005]2.基于终端获取的差分数据和实际定位效果，进行对比统计分析，从而制定服务质量好坏的评估标准；
[0006]3.根据制定好的评估标准，对格网进行统计分析，统计的粒度包含两个维度：时间和空间。时间指的是统计的时间周期，空间指的是按照省份、三角形、格网、主参考站等粒度进行划分。按照事先商定好的统计粒度，计算可用率；
[0007]4.通过格网的可用率来评估服务质量的好坏，没有把服务和用户定位体验关联起来。
[0008]本领域人员可以理解，现有技术中通过评估RTK格网数据质量来近似评估用户定位体验的好坏，存在以下问题：
[0009]1.使用RTK服务的用户来自各行各业，不同行业的用户对良好用户体验的标准完全不一样，比如说对于测量测绘的用户，是高精度(厘米级)，但是对实时性要求就不那么高；而对于自动驾驶的用户，则对实时性要求很高，但是对精度的要求只需要达到亚米级，现有方法不能区分场景差异对定位效果的影响；
[0010]2.目前RTK服务质量是否可用的评判依据，是通过人工抽样测试获得的(包括场景和终端品类抽样)。但是人工测试的场景和使用的终端都有限，比如说城市峡谷、树荫、高架、好的天气、雨天、冰雪天气、电离层活跃的情况等等，都无法做到穷举全覆盖，除了场景环境因素，卫星运动轨迹、信号强弱变化等也会对最终定位效果有影响，但很难模拟；
[0011]3.用户最终定位效果实质上是所有关联数据相互交织作用的结果，这些关联数据维度成百上千，如果再加上数据维度之间的组合，复杂度可想而知。传统评估方法只是关注影响权重最大的几个指标，而且多指标的关联组合影响也没有界定得很清楚；
[0012]4.评价服务质量好坏的标准，主要通过格网播发的数据质量来评估，并没有结合用户最终定位效果来分析，评判标准的准确性和精细化上还做得不够。
[0013]因此，目前亟需一种能解决上述技术问题的定位效果评估预测方案。

技术实现思路

[0014]本申请的目的在于提供一种RTK终端用户定位效果预测模型的训练方法及其装置，通过利用服务数据、大气数据和真实用户数据关联建模，涵盖RTK终端用户真实应用场景和终端等因素，能够对不同场景用户的实际定位体验做差异化、精细化评估。
[0015]为解决上述技术问题，本专利技术的实施方式公开了一种RTK终端用户定位效果预测模型的训练方法，包括以下步骤：
[0016]获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；
[0017]将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。
[0018]本专利技术的实施方式还公开了一种使用上述预测模型进行定位效果预测的方法，包括以下步骤：
[0019]获取待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；
[0020]将所述待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据输入所述预测模型，确定所述待预测用户的定位体验。
[0021]本专利技术的实施方式还公开了一种RTK终端用户定位效果预测模型的训练装置，包括：
[0022]第一获取模块，用于获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；
[0023]训练模块，用于将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。
[0024]本专利技术的实施方式还公开了一种使用上述预测模型进行定位效果预测的装置，包括：
[0025]第二获取模块，用于获取待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；
[0026]预测模块，用于将所述待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据输入所述预测模型，确定所述待预测用户的定位体验。
[0027]本专利技术实施方式与现有技术相比，主要区别及其效果在于：
[0028]通过利用服务数据、大气数据和真实用户数据关联建模，涵盖RTK终端用户真实应用场景和终端等因素，能够对不同场景用户的实际定位体验做差异化、精细化评估。
[0029]进一步地，通过区分不同的场景，挖掘出不同场景用户的特定需求特征，可以制定出不同场景下用户定位体验的差异化评估标准。
[0030]进一步地，通过提取良好用户定位体验和不好用户定位体验的数据特征(正负样本)，进行对比，可以掌握服务质量与用户体验之间的关联特征规律，从而通过分析服务关联数据来推断用户定位体验。
[0031]进一步地，用户定位体验预测模型可以用于实时分析、监控RTK服务数据，先于用
户发现服务异常情况。
[0032]进一步地，用户定位体验预测模型支持建立基于用户体验驱动的服务异常根因定位，同时识别出数据服务中对用户定位体验影响较大的指标和变化规律特征，反馈给业务研发，帮助服务质量演进。
[0033]本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述
技术实现思路
中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。
附图说明<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种RTK终端用户定位效果预测模型的训练方法，其特征在于，包括以下步骤：获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。2.根据权利要求1所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，包括以下子步骤：对所述星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性数据进行分钟级聚合和关联。3.根据权利要求1所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，包括以下子步骤：每天对训练集合中的用户进行一次打标，标签包括：正常用户和异常用户；其中，正常用户是指用户的实际定位位置和预测定位位置之间的差值小于等于预定阈值的用户；异常用户是指用户的实际定位位置和预测定位位置之间的差值大于预定阈值的用户；剔除训练集合中的异常用户的用户定位数据；对用户标签进行统计分析，如果用户正常的天数大于异常的天数，则该用户为可信用户；否则，为不可信用户。4.根据权利要求3所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，还包括以下子步骤：获取所述可信用户对应的训练样本数据；根据所述可信用户的固定率和所述可信用户的用户行业属性信息数据确定所述可信用户的定位体验；将定位体验良好的用户对应的训练样本数据作为正训练样本数据，将定位体验不好的用户对应的训练样本数据作为负训练样本数据。5.根据权利要求4所述的方法，其特征在于，所述固定率大于等于90％的用户为定位体验良好的用户，所述固定率小于90％的用户为定位体验不好的用户。6.一种使用根据权利要求1-5中任一项所述的预测模型进行定位效果预测的方法，其特征在于，包括以下步骤：获取待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；将所述待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据输入所述预测模型，确定所述待预测用户的定位体验。7.一种RTK终端用户定位效果预测模型的训练装置，其特征在...

【专利技术属性】
技术研发人员：王钊扬，俞烁，
申请(专利权)人：千寻位置网络有限公司，
类型：发明
国别省市：