定位结果的置信度的评估方法和装置与流程

1.本技术涉及通信技术领域，尤其涉及一种定位结果的置信度的评估方法和装置。


背景技术：

2.日常生活中，在需要对用户进行定位时，可以通过采集用户无线测量报告(measurement report，mr)的方式来获取用户的所在位置。测量报告是指基站所获取的信号强度测量报告，无线接入网向移动终端发送测量控制信息，移动终端端接受控制信息测量，并向无线接入网端发送测量报告。通过整理用户通话测量报告，利用基站经纬度、测量报告中的服务小区和相邻小区的电平结果等信息，获取用户mr中的具体经纬度。
3.但是，在采集用户无线mr进行定位时，因无线环境存在多样性，用户终端mr中电平与周边环境变化存在较多的不确定性，用户每隔一段时间上报的mr中电平出现的波动，可能导致用户定位的经纬度与实际位置偏差较大。此外，栅格指纹库的特征值如果不够完善和充分，也会对mr定位精度有一定的影响，导致用户定位出现偏差。有些情况下可能需要mr定位结果更精确，比如判断用户是否进入商场，需要更加精细的定位。但是目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估。因此，在某些需要考虑用户定位结果精度的情况下，无法对该定位结果提供一个置信度，也就无法判定该定位结果是否准确。


技术实现要素：

4.有鉴于此，本技术提供一种定位结果的置信度的评估方法和装置，以解决目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估的问题。
5.为实现上述目的，本技术提供如下技术方案：
6.本技术第一方面公开了一种测量报告定位的置信度评估方法，包括：
7.针对用户定位时所匹配的栅格，识别出所述栅格所在区域的地理场景类型，并得到所述栅格所在区域的地理场景类型的置信度系数；其中，用户为利用测量报告进行定位的用户；
8.对所述栅格对应的栅格指纹库进行分析，分别得到所述栅格指纹库中栅格指纹库的数据类型的置信度系数、栅格指纹库的小区数目的置信度系数、栅格指纹库的样本点的置信度系数、栅格指纹库的邻区数据的置信度系数以及栅格指纹库的平均电平方差的置信度系数；
9.识别出所述用户的移动类型，并得到所述用户的移动类型的置信度系数；
10.利用预设的公式计算所述栅格地理场景类型的置信度系数、所述数据类型的置信度系数、所述小区数目的置信度系数、所述样本点数的置信度系数、所述邻区数据的置信度系数、所述平均电平方差的置信度系数以及所述用户的移动类型的置信度系数，得到利用所述测量报告对所述用户进行定位的定位结果的置信度。
11.可选的，上述的方法，所述识别出所述栅格所在区域的地理场景类型，并得到所述栅格所在区域的地理场景类型的置信度系数，包括：
12.若所述栅格的像素有百分之七十以上显示在户外，则所述栅格所在区域的地理场景类型为户外，所述栅格地理场景的置信度系数为第一栅格场景置信度系数；
13.若所述栅格的像素有百分之七十以上显示在室内，则所述栅格所在区域的地理场景类型为建筑物，所述栅格地理场景的置信度系数为第二栅格场景置信度系数；
14.若所述栅格的像素有百分之五十以上显示在水域场景，则所述栅格所在区域的地理场景类型为水域，所述栅格地理场景的置信度系数为第三栅格场景置信度系数；其中，所述第一栅格场景置信度系数大于所述第二栅格场景置信度系数，所述第二栅格场景置信度系数大于所述第三栅格场景置信度系数。
15.可选的，上述的方法，所述对所述栅格对应的栅格指纹库进行分析，分别得到所述栅格指纹库中栅格指纹库的数据类型的置信度系数、栅格指纹库的小区数目的置信度系数、栅格指纹库的样本点的置信度系数、栅格指纹库的邻区数据的置信度系数以及栅格指纹库的平均电平方差的置信度系数，包括：
16.若所述栅格指纹库的数据类型为扫频数据或者道路测试数据，则所述数据类型的置信度系数为第一数据类型置信度系数；若所述栅格指纹库的数据类型不是扫频数据或者道路测试数据，则所述数据类型的置信度系数为第二数据类型置信度系数；其中，所述第一数据类型置信度系数大于所述第二数据类型置信度系数；
17.若在所述栅格指纹库中，有任何两个服务小区能够占有百分之九十以上的样本点，则所述小区数目的置信度系数为第一小区数目置信度系数；若在所述栅格指纹库中，没有任何两个服务小区能够占有百分之九十以上的样本点，则所述栅格指纹库小区数目的置信度系数为第二小区数目置信度系数；其中，所述第一小区数目置信度系数大于所述第二小区数目置信度系数；
18.若所述栅格指纹库中样本点数目多于20个，则所述样本点的置信度系数为第一样本点置信度系数；若所述栅格指纹库中样本点数目不多于20个，则所述样本点的置信度系数为第二样本点置信度系数；其中，所述第一样本点置信度系数大于所述第二样本点置信度系数；
19.若所述栅格指纹库中有邻小区的数据，则所述邻区数据的置信度系数为第一邻区小区置信度系数，若所述栅格指纹库中没有邻小区的数据，则所述邻区数据的置信度系数为第二邻区小区置信度系数；其中，所述邻小区为所述用户在所述测量报告中除了所述用户占用的服务小区外，测量到的其他服务小区；所述第一邻区小区置信度系数大于所述第二邻区小区置信度系数；
20.若所述栅格指纹库中所有样本点的电平特征值方差小于1，则所述平均电平方差的置信度系数为第一平均电平置信度系数；若所述栅格指纹库中所有样本点的电平特征值方差不小于1，则所述平均电平方差的置信度系数为第二平均电平置信度系数，其中，所述第一平均电平置信度系数大于所述第二平均电平置信度系数。
21.可选的，上述的方法，所述识别出所述用户的移动类型，并得到所述用户的移动类型的置信度系数，包括：
22.若所述用户一次呼叫业务占用3个以上的服务小区，并且小区距离最大间隔为1千
米以上，则所述用户的移动类型为移动用户，所述用户的移动类型的置信度系数为第一用户移动类型置信度系数；
23.若所述用户一次呼叫业务只占用1个服务小区，或者占用一个小区的时间占呼叫业务时间的百分之八十以上，则所述用户的移动类型为稳定用户，所述用户的移动类型的置信度系数为第二用户移动类型置信度系数；
24.若识别出所述用户的移动类型既不是移动用户也不是稳定用户，则所述用户的移动类型为其他类型用户，所述用户的移动类型的置信度系数为第三用户移动类型置信度系数；其中，所述第二用户移动类型置信度系数大于所述第一用户移动类型置信度系数，所述第一用户移动类型置信度系数大于所述第三用户移动类型置信度系数。
25.可选的，上述的方法，所述利用预设的公式计算所述栅格地理场景类型的置信度系数、所述数据类型的置信度系数、所述小区数目的置信度系数、所述样本点数的置信度系数、所述邻区数据的置信度系数、所述平均电平方差的置信度系数以及所述用户的移动类型的置信度系数，得到利用所述测量报告对所述用户进行定位的定位结果的置信度，包括：
26.将所述数据类型的置信度系数、所述栅格指纹库小区数目的置信度系数、所述样本点数的置信度系数、所述邻区数据的置信度系数以及所述平均电平方差的置信度系数进行求和后，再乘以五分之一得到第一结果值；
27.将所述第一结果值与所述栅格地理场景类型的置信度系数以及所述用户的移动类型的置信度系数做乘，得到利用所述测量报告对所述用户进行定位的定位结果的置信度。
28.可选的，上述的方法，所述得到利用所述测量报告对所述用户进行定位的定位结果的置信度之后，还包括：
29.若利用所述测量报告对所述用户进行定位的定位结果的置信度高于预设的阈值，则判定所述用户的定位结果为准确；
30.若利用所述测量报告对所述用户进行定位的定位结果的置信度不高于预设的阈值，则判定所述用户的定位结果为不准确。
31.本技术第二方面公开了一种定位结果的置信度的评估装置，包括：
32.第一识别单元，用于针对用户定位时所匹配的栅格，识别出所述栅格所在区域的地理场景类型，并得到所述栅格所在区域的地理场景类型的置信度系数；其中，用户为利用测量报告进行定位的用户；
33.分析单元，用于对所述栅格对应的栅格指纹库进行分析，分别得到所述栅格指纹库中栅格指纹库的数据类型的置信度系数、栅格指纹库的小区数目的置信度系数、栅格指纹库的样本点的置信度系数，栅格指纹库的邻区数据的置信度系数以及栅格指纹库的平均电平方差的置信度系数；
34.第二识别单元，用于识别出所述用户的移动类型，并得到所述用户的移动类型的置信度系数；
35.计算单元，用于利用预设的公式计算所述栅格地理场景类型的置信度系数、所述数据类型的置信度系数、所述小区数目的置信度系数、所述样本点数的置信度系数、所述邻区数据的置信度系数、所述平均电平方差的置信度系数以及所述用户的移动类型的置信度系数，得到利用所述测量报告对所述用户进行定位的定位结果的置信度。
36.可选的，上述的装置，所述第一识别单元，包括：
37.第一识别子单元，用于若所述栅格的像素有百分之七十以上显示在户外，则所述栅格所在区域的地理场景类型为户外，所述栅格地理场景的置信度系数为第一栅格场景置信度系数；
38.第二识别子单元，用于若所述栅格的像素有百分之七十以上显示在室内，则所述栅格所在区域的地理场景类型为建筑物，所述栅格地理场景的置信度系数为第二栅格场景置信度系数；
39.第三识别子单元，用于若所述栅格的像素有百分之五十以上显示在水域场景，则所述栅格所在区域的地理场景类型为水域，所述栅格地理场景的置信度系数为第三栅格场景置信度系数；其中，所述第一栅格场景置信度系数大于所述第二栅格场景置信度系数，所述第二栅格场景置信度系数大于所述第三栅格场景置信度系数。
40.可选的，上述的装置，所述分析单元，包括：
41.第一分析子单元，用于若所述栅格指纹库的数据类型为扫频数据或者道路测试数据，则所述数据类型的置信度系数为第一数据类型置信度系数；若所述栅格指纹库的数据类型不是扫频数据或者道路测试数据，则所述数据类型的置信度系数为第二数据类型置信度系数；其中，所述第一数据类型置信度系数大于所述第二数据类型置信度系数；
42.第二分析子单元，用于若在所述栅格指纹库中，有任何两个服务小区能够占有百分之九十以上的样本点，则所述小区数目的置信度系数为第一小区数目置信度系数；若在所述栅格指纹库中，没有任何两个服务小区能够占有百分之九十以上的样本点，则所述栅格指纹库小区数目的置信度系数为第二小区数目置信度系数；其中，所述第一小区数目置信度系数大于所述第二小区数目置信度系数；
43.第三分析子单元，用于若所述栅格指纹库中样本点数目多于20个，则所述样本点的置信度系数为第一样本点置信度系数；若所述栅格指纹库中样本点数目不多于20个，则所述样本点的置信度系数为第二样本点置信度系数；其中，所述第一样本点置信度系数大于所述第二样本点置信度系数；
44.第四分析子单元，用于若所述栅格指纹库中有邻小区的数据，则所述邻区数据的置信度系数为第一邻区小区置信度系数，若所述栅格指纹库中没有邻小区的数据，则所述邻区数据的置信度系数为第二邻区小区置信度系数；其中，所述邻小区为所述用户在所述测量报告中除了所述用户占用的服务小区外，测量到的其他服务小区；所述第一邻区小区置信度系数大于所述第二邻区小区置信度系数；
45.第五分析子单元，用于若所述栅格指纹库中所有样本点的电平特征值方差小于1，则所述平均电平方差的置信度系数为第一平均电平置信度系数；若所述栅格指纹库中所有样本点的电平特征值方差不小于1，则所述平均电平方差的置信度系数为第二平均电平置信度系数，其中，所述第一平均电平置信度系数大于所述第二平均电平置信度系数。
46.可选的，上述的装置，所述第二识别单元，包括：
47.第四识别子单元，用于若所述用户一次呼叫业务占用3个以上的服务小区，并且小区距离最大间隔为1千米以上，则所述用户的移动类型为移动用户，所述用户的移动类型的置信度系数为第一用户移动类型置信度系数；
48.第五识别子单元，用于若所述用户一次呼叫业务只占用1个服务小区，或者占用一
个小区的时间占呼叫业务时间的百分之八十以上，则所述用户的移动类型为稳定用户，所述用户的移动类型的置信度系数为第二用户移动类型置信度系数；
49.第六识别子单元，用于若识别出所述用户的移动类型既不是移动用户也不是稳定用户，则所述用户的移动类型为其他类型用户，所述用户的移动类型的置信度系数为第三用户移动类型置信度系数；其中，所述第二用户移动类型置信度系数大于所述第一用户移动类型置信度系数，所述第一用户移动类型置信度系数大于所述第三用户移动类型置信度系数。
50.可选的，上述的装置，所述计算单元，包括：
51.第一计算子单元，用于将所述数据类型的置信度系数、所述小区数目的置信度系数、所述样本点数的置信度系数、所述邻区数据的置信度系数以及所述平均电平方差的置信度系数进行求和后，再乘以五分之一得到第一结果值；
52.第二计算子单元，用于将所述第一结果值与所述栅格地理场景类型的置信度系数以及所述用户的移动类型的置信度系数做乘，得到利用所述测量报告对所述用户进行定位的定位结果的置信度。
53.可选的，上述的装置，还包括：
54.第一判定单元，用于若利用所述测量报告对所述用户进行定位的定位结果的置信度高于预设的阈值，则判定所述用户的定位结果为准确；
55.第二判定单元，用于若利用所述测量报告对所述用户进行定位的定位结果的置信度不高于预设的阈值，则判定所述用户的定位结果为不准确。
56.从上述技术方案可以看出，本技术提供的一种定位结果的置信度的评估方法中，在用户利用利用所述测量报告进行定位时，分别得到栅格地理场景类型的置信度系数、栅格指纹库中数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数，邻区数据的置信度系数、平均电平方差的置信度系数以及该用户的移动类型的置信度系数，然后利用预设的公式，计算得到利用所述测量报告对所述用户进行定位的定位结果的置信度。因此，解决了目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估的问题。
附图说明
57.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
58.图1为本技术实施例公开的定位结果的置信度的评估方法的流程图；
59.图2为本技术另一实施例公开的步骤s104的一种实施方式的流程图；
60.图3为本技术另一实施例公开的利用用户mr进行定位的的实践案例示意图；
61.图4为本技术另一实施例公开的定位结果的置信度的评估装置的示意图。
具体实施方式
62.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
63.在本技术中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
64.并且，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
65.基于mr数据对用户进行定位的方法中，首先需要通过现有网络大数据平台，采集网络所有用户的mr数据及工参数据。其中，mr数据中主要包括用户所在的服务小区和邻小区的标识信息以及电平测量信息。工参数据用来确定网络定位区域信息，其中包含基站中每个小区的经纬度、方向角，覆盖场景等信息。根据区域范围和栅格划分精度，将该区域划分为若干个栅格，栅格的大小可以设置为20米*20米。可以使用loc-a-b-unit规则对栅格进行编号。其中a为横坐标编号，b为纵坐标编号。如loc-32-348-20表示横坐标32，纵坐标为348，单位长度为20米的栅格。
66.然后现有道路测试的数据、扫频数据的经纬度数据及20*20m栅格的区域，计算出对应栅格中道路测试数据和扫频数据的结果，统计分析服务小区电平的特征，构建栅格指纹库，可分为一下几个步骤：
67.(1)对于任一栅格，分析栅格数据中的服务小区和邻小区的分布情况，选择出现次数最多的服务小区标识表示作为栅格服务小区标识，出现次数最多的邻小区标识作为对应栅格的邻小区标识。其中服务小区和邻小区又可以称为主邻小区。
68.(2)依次分析主邻小区的电平特征分布情况，采用正态分布拟合数据曲线，使用正态分布的电平平均值作为主邻小区电平特征。
69.(3)利用栅格中主邻小区的标识以及电平特征，构建该区域内栅格的指纹库，记为((eci
i0
，rsrp
i0
)，(eci
i1
，rsrp
i1
)...(eci
in
，rsrp
in
))，其中eci
in
为对应主邻小区的标识，rsrp
in
对应主邻小区的电平特征，i为区域内栅格的标识，n为数据的数量。
70.在构建区域栅格指纹库之后，就可以对利用用户mr来对用户进行定位。当采集到待定位的用户mr数据时，针对用户mr中用户当前的主邻小区标识去匹配各个栅格里面的主邻小区标识，找出来具有相同主邻小区标识的栅格作为候选栅格。对于每个候选栅格i，计算mse
i
＝∑
n
(rsrp
in-rsrp
in
)2，其中，rsrp
in
为当前用户的主邻小区电平特征值。计算出mse
i
的值为最小值的栅格，就是与待定位用户mr数据中主邻小区标识相同，rsrp电平最接近的栅格，一般情况下，将该栅格的位置作为用户的定位结果。
71.为了使用户的定位结果更加准确，在得出最匹配栅格之后，可以利用s1-mme(传送会话管理(sm)和移动性管理(mm)信息，即信令面或控制面信息)接口数据确定该用户的移动类型。其中，s1-mme接口数据可以提供用户在什么时间占用主邻小区列表情况。通过城市gis(geographic information system，地理信息系统)地图，构建城市道路的网络覆盖小
区列表和小区序列。根据用户占用不同小区的序列的情况，计算出用户是否有移动的方向性和平均速度。如果在一定时间内(例如半个小时)朝着一个方向移动，且有一定的速度就可以判断为运动，否则是静止。然后依据当前地理信息和用户移动状态修正用户轨迹，得到用户最终的定位结果。比如用户移动状态为开车时同时处在山林中时，将用户的经纬度修正到最邻近公路上，从而使得定位进一步精确。如果用户的状态为静止，那么就不对用户的定位结果进行修正。
72.由背景技术可知，目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估。因此，在某些需要考虑用户定位结果精度的情况下，无法对该定位结果提供一个置信度，也就无法判定该定位结果是否准确。
73.基于此，本技术提供一种测量报告定位的置信度评估方法和装置，以解决目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估的问题。
74.本技术实施例提供了一种测量报告定位的置信度评估方法，如图1所示，具体包括：
75.s101、针对用户定位时所匹配的栅格，识别出栅格所在区域的地理场景类型，并得到栅格所在区域的栅格地理场景类型的置信度系数；其中，用户为利用测量报告进行定位的用户。
76.需要说明的是，通过采集用户mr数据对用户进行定位时，针对用户定位时所匹配的栅格，利用城市gis地图，查看该栅格在gis地图上的像素分布，识别出该栅格所在区域的地理场景类型，并得到栅格所在区域的栅格地理场景类型的置信度系数。不同的地理场景类型，场景的复杂度就不同，那么定位的难度也就有所不同，因此对应着不同的栅格地理场景类型的置信度系数。
77.可选的，本技术的另一实施例中，步骤s101的一种实施方式，具体包括：
78.若栅格的像素有百分之七十以上显示在户外，则栅格所在区域的地理场景类型为户外，栅格地理场景的置信度系数为第一栅格场景置信度系数。
79.若栅格的像素有百分之七十以上显示在室内，则栅格所在区域的地理场景类型为建筑物，栅格地理场景的置信度系数为第二栅格场景置信度系数。
80.若栅格的像素有百分之五十以上显示在水域场景，则栅格所在区域的地理场景类型为水域，栅格地理场景的置信度系数为第三栅格场景置信度系数；其中，第一栅格场景置信度系数大于第二栅格场景置信度系数，第二栅格场景置信度系数大于第三栅格场景置信度系数。
81.需要说明的是，在本实施例中，每一种栅格地理场景类型所对应的定位难度越小，栅格场景置信度系数就可以设置得越大。第一栅格场景置信度系数可以设置为1，第二栅格场景置信度系数可以设置为0.7，第三栅格场景置信度系数可以设置为0.1。
82.s102、对栅格对应的栅格指纹库进行分析，分别得到栅格指纹库中栅格指纹库数据类型的置信度系数、栅格指纹库小区数目的置信度系数、栅格指纹库样本点的置信度系数、栅格指纹库邻区数据的置信度系数以及栅格指纹库平均电平方差的置信度系数。
83.需要说明的是，因为栅格指纹库的数据如果不够完善和充分，也会对mr定位精度有一定的影响，因此栅格指纹库中数据同样影响着整个定位结果的置信度。所以需要对用
户定位结果中所匹配的栅格的栅格指纹库进行分析，其中，根据构建栅格指纹库时使用的数据类型得到栅格指纹库数据类型的置信度系数，根据栅格指纹库中每一个服务小区占据样本点的占比情况得到栅格指纹库小区数目的置信度系数，根据栅格指纹库中样本点的数量得到栅格指纹库样本点的置信度系数，根据栅格指纹库中的邻小区数据得到栅格指纹库邻区数据的置信度系数以及根据栅格指纹库中所有样本点的电平方差值得到栅格指纹库平均电平方差的置信度系数。
84.可选的，本技术的另一实施例中，步骤s102的一种实施方式，具体包括：
85.若栅格指纹库的数据类型为扫频数据或者道路测试数据，则数据类型的置信度系数为第一数据类型置信度系数；若栅格指纹库的数据类型不是扫频数据或者道路测试数据，则数据类型的置信度系数为第二数据类型置信度系数；其中，第一数据类型置信度系数大于第二数据类型置信度系数。
86.需要说明的是，如果栅格指纹库中的数据为扫频数据或者道路测试数据，那么数据的准确度就比较高，那么置信度就高，数据类型的置信度系数可以设置为1。如果栅格指纹库中的数据不是扫频数据或者道路测试数据，那么数据的准确度就比较低，那么置信度就低，数据类型的置信度系数可以设置为0.8。
87.若在栅格指纹库中，有任何两个服务小区能够占有百分之九十以上的样本点，则小区数目的置信度系数为第一小区数目置信度系数；若在栅格指纹库中，没有任何两个服务小区能够占有百分之九十以上的样本点，则栅格指纹库小区数目的置信度系数为第二小区数目置信度系数；其中，第一小区数目置信度系数大于第二小区数目置信度系数。
88.需要说明的是，在栅格指纹库中，如果有任何两个服务小区能够占有百分之九十以上的样本点，那么这个栅格的小区覆盖情况就比较清晰，置信度就高，小区数目的置信度系数可以设置为1。如果没有任何两个服务小区能够占有百分之九十以上的样本点，那么这个栅格的小区覆盖情况就比较复杂，置信度就比较低，小区数目的置信度系数可以设置为0.8。
89.若栅格指纹库中样本点数目多于20个，则样本点的置信度系数为第一样本点置信度系数；若栅格指纹库中样本点数目不多于20个，则样本点的置信度系数为第二样本点置信度系数；其中，第一样本点置信度系数大于第二样本点置信度系数。
90.需要说明的是，如果栅格指纹库中样本点的数目多于20个，说明指纹库的样本数据比较充分，那么置信度就高，样本点的置信度系数可以设置为1。如果栅格指纹库中样本点的数目不多于20个，说明指纹库的样本数据不够充分，那么置信度就比较低，样本点的置信度系数可以设置为0.8。
91.若栅格指纹库中有邻小区的数据，则邻区数据的置信度系数为第一邻区小区置信度系数，若栅格指纹库中没有邻小区的数据，则邻区数据的置信度系数为第二邻区小区置信度系数；其中，邻小区为用户在测量报告中除了用户占用的服务小区外，测量到的其他服务小区；第一邻区小区置信度系数大于第二邻区小区置信度系数。
92.需要说明的是，如果栅格指纹库中有邻小区的数据，那么置信度就高，邻区数据的置信度系数可以设置为1。如果栅格指纹库中没有邻小区的数据，那么置信度就比较低，邻区数据的置信度系数可以设置为0.7。
93.若栅格指纹库中所有样本点的电平特征值方差小于1，则平均电平方差的置信度
系数为第一平均电平置信度系数；若栅格指纹库中所有样本点的电平特征值方差不小于1，则平均电平方差的置信度系数为第二平均电平置信度系数；其中，第一平均电平置信度系数大于第二平均电平置信度系数。
94.需要说明的是，如果栅格指纹库中所有样本点的电平特征值方差小于1，说明样本点的电平特征比较稳定，那么置信度就高，平均电平方差的置信度系数可以设置为1。如果栅格指纹库中所有样本点的电平特征值方差不小于1，说明样本点的电平特征不太稳定，那么置信度就比较低，平均电平方差的置信度系数可以设置为0.7。
95.s103、识别出用户的移动类型，并得到用户的移动类型的置信度系数。
96.需要说明的是，用户在定位的过程，用户处于不同的移动状态也会影响定位的难度，比如用户是移动中还是处于静止状态，如果用户一直在移动，那么定位的难度可能就比静止状态下的难度大一些。因此，需要识别出用户的移动类型，并得到用户的移动类型的置信度系数。
97.可选的，本技术的另一实施例中，步骤s103的一种实施方式，具体包括：
98.若用户一次呼叫业务占用3个以上的服务小区，并且小区距离最大间隔为1千米以上，则用户的移动类型为移动用户，用户的移动类型的置信度系数为第一用户移动类型置信度系数。
99.需要说明的是，如果用户一次呼叫业务占用3个以上的服务小区，并且小区距离最大间隔为1千米以上，那么可以判定该用户的移动类型为移动用户，用户的移动类型的置信度系数可以设置为0.8。
100.若用户一次呼叫业务只占用1个服务小区，或者占用一个小区的时间占呼叫业务时间的百分之八十以上，则用户的移动类型为稳定用户，用户的移动类型的置信度系数为第二用户移动类型置信度系数。
101.需要说明的是，如果用户一次呼叫业务只占用1个服务小区，或者占用一个小区的时间占呼叫业务时间的百分之八十以上，那么可以判定该用户的移动类型为稳定用户，用户的移动类型的置信度系数可以设置为1。
102.若识别出用户的移动类型既不是移动用户也不是稳定用户，则用户的移动类型为其他类型用户，用户的移动类型的置信度系数为第三用户移动类型置信度系数；其中，第二用户移动类型置信度系数大于第一用户移动类型置信度系数，第一用户移动类型置信度系数大于第三用户移动类型置信度系数。
103.需要说明的是，若识别出用户的移动类型既不是移动用户也不是稳定用户，那么判定该用户的移动类型为其他类型用户，用户的移动类型的置信度系数可以设置为0.5。
104.s104、利用预设的公式计算栅格地理场景类型的置信度系数、数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数、邻区数据的置信度系数、平均电平方差的置信度系数以及用户的移动类型的置信度系数，得到利用测量报告对用户进行定位的定位结果的置信度。
105.需要说明的是，在求出栅格地理场景类型的置信度系数、数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数、邻区数据的置信度系数、平均电平方差的置信度系数以及用户的移动类型的置信度系数之后，将所有置信度系数代入置信度计算公式中进行计算，得到利用测量报告对用户进行定位的定位结果的置信度。因此，在利用用户
mr数据对用户进行定位时，根据用户定位所使用到的上述数据，分别求出各项数据的置信度系数，最后得出一个关于定位结果的置信度的值，并将该置信度的值与用户定位结果同步输出，为相关人员对此次用户定位结果的可信度提供一个有效的参考。
106.可选的，本技术的另一实施例中，步骤s104的一种实施方式，如图2所示，具体包括：
107.s201、将数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数，邻区数据的置信度系数以及平均电平方差的置信度系数进行求和后，再乘以五分之一得到第一结果值。
108.s202、将第一结果值与栅格地理场景类型的置信度系数以及用户的移动类型的置信度系数做乘，得到利用测量报告对用户进行定位的定位结果的置信度。
109.需要说明的是，计算定位结果的置信度的公式可以设置为k＝(f1 f2 f3 f4 f5)/5*g*d，其中，f1为数据类型的置信度系数，f2为小区数目的置信度系数，f3为样本点数的置信度系数，f4为邻区数据的置信度系数，f5为平均电平方差的置信度系数，g为栅格地理场景类型的置信度系数，d为用户的移动类型的置信度系数。
110.本技术提供的一种定位结果的置信度的评估方法中，在用户利用利用测量报告进行定位时，分别得到栅格地理场景类型的置信度系数、栅格指纹库中数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数，邻区数据的置信度系数、平均电平方差的置信度系数以及该用户的移动类型的置信度系数，然后利用预设的公式，计算得到利用测量报告对用户进行定位的定位结果的置信度。因此，解决了目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估的问题。
111.可选的，在求出利用测量报告对用户进行定位的定位结果的置信度后，输出定位结果置信度的一种形式，可以如表1所示：
[0112][0113]
表1
[0114]
可选的，本技术的另一实施例中，上述定位结果的置信度的评估方法，还可以包括：
[0115]
若利用测量报告对用户进行定位的定位结果的置信度高于预设的阈值，则判定用户的定位结果为准确。
[0116]
若利用测量报告对用户进行定位的定位结果的置信度不高于预设的阈值，则判定用户的定位结果为不准确。
[0117]
需要说明的是，在一个利用用户mr进行定位的的实践案例中，为了精准还原建筑物的覆盖，需要采集该区域用户测量报告，然后进行用户定位分析。通过定位后，共采集mr测量报告398845个，其中定位在该建筑物内的定位点为312814个，占比为78.43％，定位栅格与楼宇重合结果如图3所示。对于该定位数据，用户定位结果置信度分布及对应用户测量报告平均电平的数据情况如表2所示：
[0118][0119][0120]
表2
[0121]
在该区域现场测试的平均电平结果为-83.28，由表2可知，置信度在达到75％及75％以上时，用户测量报告的平均电平与现场测试的平均电平结果相接近，因此，在用户定位到该建筑区域时，定位结果置信度在达到75％及75％以上时，可以认为该定位结果是准确的。
[0122]
因此，本技术实施例中预设的阈值可以设置为75％，若利用测量报告对用户进行定位的定位结果的置信度高于75％，则判定用户的定位结果为准确。若利用测量报告对用户进行定位的定位结果的置信度不高于75％，则判定用户的定位结果为不准确。
[0123]
本技术实施例还提供了一种定位结果的置信度的评估装置，如图4所示，具体包括：
[0124]
第一识别单元401，用于针对用户定位时所匹配的栅格，识别出栅格所在区域的地理场景类型，并得到栅格所在区域的地理场景类型的置信度系数；其中，用户为利用测量报告进行定位的用户。
[0125]
分析单元402，用于对栅格对应的栅格指纹库进行分析，分别得到栅格指纹库中栅格指纹库的数据类型的置信度系数、栅格指纹库的小区数目的置信度系数、栅格指纹库的样本点的置信度系数，栅格指纹库的邻区数据的置信度系数以及栅格指纹库的平均电平方差的置信度系数。
[0126]
第二识别单元403，用于识别出用户的移动类型，并得到用户的移动类型的置信度系数。
[0127]
计算单元404，用于利用预设的公式计算栅格地理场景类型的置信度系数、数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数、邻区数据的置信度系数、平均电平方差的置信度系数以及用户的移动类型的置信度系数，得到利用测量报告对用户进行定位的定位结果的置信度。
[0128]
本技术提供的一种定位结果的置信度的评估装置中，在用户利用利用测量报告进行定位时，通过第一识别单元401、分析单元402以及第二识别单元403分别得到栅格地理场景类型的置信度系数、栅格指纹库中数据类型的置信度系数、小区数目的置信度系数、样本
点数的置信度系数，邻区数据的置信度系数、平均电平方差的置信度系数以及该用户的移动类型的置信度系数，然后计算单元404利用预设的公式，计算得到利用测量报告对用户进行定位的定位结果的置信度。因此，解决了目前在利用用户无线mr进行定位时，并不能对用户的定位结果做一个有效的置信度的评估的问题。
[0129]
本实施例中，第一识别单元401、分析单元402、第二识别单元403以及计算单元404的具体执行过程，可参见对应图1的方法实施例内容，此处不再赘述。
[0130]
可选的，在本发明的另一实施例中，第一识别单元401的一种实施方式，包括：
[0131]
第一识别子单元，用于若栅格的像素有百分之七十以上显示在户外，则栅格所在区域的地理场景类型为户外，栅格地理场景的置信度系数为第一栅格场景置信度系数。
[0132]
第二识别子单元，用于若栅格的像素有百分之七十以上显示在室内，则栅格所在区域的地理场景类型为建筑物，栅格地理场景的置信度系数为第二栅格场景置信度系数。
[0133]
第三识别子单元，用于若栅格的像素有百分之五十以上显示在水域场景，则栅格所在区域的地理场景类型为水域，栅格地理场景的置信度系数为第三栅格场景置信度系数；其中，第一栅格场景置信度系数大于第二栅格场景置信度系数，第二栅格场景置信度系数大于第三栅格场景置信度系数。
[0134]
本实施例中，第一识别子单元、第二识别子单元以及第三识别子单元的具体执行过程，可参见上述对应的方法实施例内容，此处不再赘述。
[0135]
可选的，在本发明的另一实施例中，分析单元402的一种实施方式，具体包括：
[0136]
第一分析子单元，用于若栅格指纹库的数据类型为扫频数据或者道路测试数据，则数据类型的置信度系数为第一数据类型置信度系数；若栅格指纹库的数据类型不是扫频数据或者道路测试数据，则数据类型的置信度系数为第二数据类型置信度系数；其中，第一数据类型置信度系数大于第二数据类型置信度系数。
[0137]
第二分析子单元，用于若在栅格指纹库中，有任何两个服务小区能够占有百分之九十以上的样本点，则小区数目的置信度系数为第一小区数目置信度系数；若在栅格指纹库中，没有任何两个服务小区能够占有百分之九十以上的样本点，则栅格指纹库小区数目的置信度系数为第二小区数目置信度系数；其中，第一小区数目置信度系数大于第二小区数目置信度系数。
[0138]
第三分析子单元，用于若栅格指纹库中样本点数目多于20个，则样本点的置信度系数为第一样本点置信度系数；若栅格指纹库中样本点数目不多于20个，则样本点的置信度系数为第二样本点置信度系数；其中，第一样本点置信度系数大于第二样本点置信度系数。
[0139]
第四分析子单元，用于若栅格指纹库中有邻小区的数据，则邻区数据的置信度系数为第一邻区小区置信度系数，若栅格指纹库中没有邻小区的数据，则邻区数据的置信度系数为第二邻区小区置信度系数；其中，邻小区为用户在测量报告中除了用户占用的服务小区外，测量到的其他服务小区；第一邻区小区置信度系数大于第二邻区小区置信度系数。
[0140]
第五分析子单元，用于若栅格指纹库中所有样本点的电平特征值方差小于1，则平均电平方差的置信度系数为第一平均电平置信度系数；若栅格指纹库中所有样本点的电平特征值方差不小于1，则平均电平方差的置信度系数为第二平均电平置信度系数，其中，第一平均电平置信度系数大于第二平均电平置信度系数。
[0141]
本实施例中，第一分析子单元、第二分析子单元、第三分析子单元、第四分析子单元以及第五分析子单元的具体执行过程，可参见上述对应的方法实施例内容，此处不再赘述。
[0142]
可选的，在本发明的另一实施例中，第二识别单元403的一种实施方式，具体包括：
[0143]
第四识别子单元，用于若用户一次呼叫业务占用3个以上的服务小区，并且小区距离最大间隔为1千米以上，则用户的移动类型为移动用户，用户的移动类型的置信度系数为第一用户移动类型置信度系数。
[0144]
第五识别子单元，用于若用户一次呼叫业务只占用1个服务小区，或者占用一个小区的时间占呼叫业务时间的百分之八十以上，则用户的移动类型为稳定用户，用户的移动类型的置信度系数为第二用户移动类型置信度系数。
[0145]
第六识别子单元，用于若识别出用户的移动类型既不是移动用户也不是稳定用户，则用户的移动类型为其他类型用户，用户的移动类型的置信度系数为第三用户移动类型置信度系数；其中，第二用户移动类型置信度系数大于第一用户移动类型置信度系数，第一用户移动类型置信度系数大于第三用户移动类型置信度系数。
[0146]
本实施例中，第四识别子单元、第五识别子单元以及第六识别子单元的具体执行过程，可参见上述对应的方法实施例内容，此处不再赘述。
[0147]
可选的，在本发明的另一实施例中，计算单元404的一种实施方式，具体包括：
[0148]
第一计算子单元，用于将数据类型的置信度系数、小区数目的置信度系数、样本点数的置信度系数、邻区数据的置信度系数以及平均电平方差的置信度系数进行求和后，再乘以五分之一得到第一结果值。
[0149]
第二计算子单元，用于将第一结果值与栅格地理场景类型的置信度系数以及用户的移动类型的置信度系数做乘，得到利用测量报告对用户进行定位的定位结果的置信度。
[0150]
本实施例中，第一计算子单元以及第二计算子单元的具体执行过程，可参见图2对应的方法实施例内容，此处不再赘述。
[0151]
可选的，在本发明的另一实施例中，上述定位结果的置信度的评估装置，还可以包括：
[0152]
第一判定单元，用于若利用测量报告对用户进行定位的定位结果的置信度高于预设的阈值，则判定用户的定位结果为准确。
[0153]
第二判定单元，用于若利用测量报告对用户进行定位的定位结果的置信度不高于预设的阈值，则判定用户的定位结果为不准确。
[0154]
本实施例中，第一判定单元以及第二判定单元的具体执行过程，可参见上述对应的方法实施例内容，此处不再赘述。
[0155]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术
人员在不付出创造性劳动的情况下，即可以理解并实施。
[0156]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0157]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。