定位方法、装置、设备及存储介质与流程

1.本发明是涉及地理信息技术领域，尤其涉及一种定位方法、装置、设备及存储介质。


背景技术：

2.随着信息技术和终端设备的不断发展，定位技术的应用场景越来越广泛。
3.目前，定位分为两种方式，一种方式是基于设备接收到的全球定位系统信号进行定位，另一种是基于设备扫描到的无线保真(wireless-fidelity-wifi)或者基站等信息作为定位依据，通过网络定位服务进行定位。如何提高定位的精度，是需要本领域技术人员关注和持续优化的问题。


技术实现要素：

4.本发明一个或多个实施例描述了一种定位方法、装置、设备及存储介质，用以解决相关技术中定位结果不准确的问题。
5.为了解决上述技术问题，本发明是这样实现的：
6.根据第一方面，提供了一种定位方法，该方法可以包括：
7.获取目标对象的定位请求信息，定位请求信息包括目标对象的历史定位信息、发送定位请求信息的设备扫描到的wifi指纹特征和基站指纹特征；
8.根据历史定位信息、wifi指纹特征和基站指纹特征，确定目标对象所在的目标地理栅格；
9.基于与目标地理栅格对应的指纹特征，确定目标对象的目标定位信息，指纹特征包括在目标地理网格中可扫描的目标wifi的指纹特征和/或目标基站的指纹特征。
10.根据第二方面，提供了一种定位装置，该装置可以包括：
11.获取模块，用于获取目标对象的定位请求信息，定位请求信息包括目标对象的历史定位信息、发送定位请求信息的设备扫描到的wifi指纹特征和基站指纹特征；
12.确定模块，用于根据历史定位信息、wifi指纹特征和基站指纹特征，确定目标对象所在的目标地理栅格；
13.处理模块，用于基于与目标地理栅格对应的指纹特征，确定目标对象的目标定位信息，指纹特征包括在目标地理网格中可扫描的目标wifi的指纹特征和/或目标基站的指纹特征。
14.根据第三方面，提供了一种计算设备，设备包括至少一个处理器和存储器，存储器用于存储有计算机程序指令，处理器用于执行存储器的程序，以控制计算设备实现如第一方面所示的定位方法。
15.根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，若计算机程序在计算机中执行，则令计算机执行如第一方面所示的定位方法。
16.在本发明实施例中，通过获取到的当前发送定位请求信息的设备扫描到的wifi指
纹特征和基站指纹特征，以及历史定位信息，确定目标对象所在的目标地理栅格，然后，根据与目标地理栅格对应的目标地理栅格信息，确定为目标对象的目标定位信息。这样，在对目标对象进行定位时，不仅考虑了用户当前所连接的wifi和基站，还考虑了用户的历史定位信息，这样，采用多种定位依据对目标用户进行定位，可以大大提高目标定位信息的定位精度。
附图说明
17.从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中，相同或相似的附图标记表示相同或相似的特征。
18.图1示出根据一个实施例的一种定位方法的架构示意图；
19.图2示出根据一个实施例的一种定位方法的流程图；
20.图3所示出根据一个实施例的一种地理栅格示意图；
21.图4所示出根据一个实施例的另一种地理栅格示意图；
22.图5所示出根据一个实施例的一种实现定位方法的结构示意图；
23.图6所示出根据一个实施例的一种实现定位方法的流程示意图；
24.图7示出根据一个实施例的定位装置的结构框图；
25.图8示出根据一个实施例的计算设备的结构示意图。
具体实施方式
26.下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
27.需要说明的是，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测量的关系或者顺序。而且，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
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
28.为了解决上述技术问题，本发明实施例提供了一种定位方法、装置、设备及存储介质，具体如下所示。
29.首先，对本发明实施例提供的一种定位架构进行说明。
30.在一种可能的实施例中，如图1所示，用户在进行网络定位时，可以通过电子设备10向服务端11发送定位请求信息，这样，服务端11可以接收用户的定位请求信息，该定位请求信息包括该用户即电子设备10的历史定位信息、发送定位请求信息的设备即电子设备10扫描到的wifi指纹特征和基站指纹特征。
31.其中，历史定位信息可以包括下述信息中的至少一种：确定历史定位信息与获取
定位请求信息的时间间隔、历史定位信息与候选地理栅格在第一方向上的第一距离、历史定位信息与候选地理栅格在第二方向上的第二距离；这里，第一方向和第二方向在同一维度空间内相互垂直。
32.需要提示的是，第一距离和第二距离体现的是历史定位信息与发送定位请求信息的设备的相对位置，两者的关系是一个更加泛化的轨迹，这种关系不随着区域的变化而变化。而其他使用绝对位置的定位方式中，会因为用户离开该绝对位置对应的模型计算区域，出现无法获取用户的位置，从而失去准确定位的能力的情况。
33.接着，根据wifi指纹特征、基站指纹特征和历史定位信息，在多个地理栅格中确定目标对象所在的目标地理栅格。这里，多个地理栅格可以按照地理位置对地图数据进行划分，每个地理栅格都有与之对应的wifi指纹特征和/或基站指纹特征。
34.然后，基于与目标地理栅格对应的指纹特征，确定目标对象的目标定位信息，这里，与目标地理栅格对应的指纹特征可以包括在所述目标地理网格中可扫描的目标wifi的指纹特征和/或目标基站的指纹特征。
35.另外，利用本发明实施例提供的定位方法可以既可以通过wifi指纹特征在室内对用户进行定位，还可以通过基站指纹特征对室外用户进行定位，同时，还可以根据历史定位信息调整用户的目标定位信息的精度。
36.由此，本发明实施例提供的方法提供了多种定位依据即历史定位信息、wifi指纹特征和基站指纹特征对目标用户进行定位，这样，定位的适用范围从室外扩展到室内，在扩大了使用场景的同时，可以大大提高目标定位信息的定位精度。
37.综上，基于上述涉及到的架构和应用场景，本发明实施例中结合图2对本发明实施例提供的页面展示方法作出进一步说明。
38.图2示出根据一个实施例的一种定位方法的流程图。
39.如图2所示，该方法可以包括步骤210至步骤230：
40.首先，步骤210，获取目标对象的定位请求信息，定位请求信息包括目标对象的历史定位信息、发送定位请求信息的设备扫描到的wifi指纹特征和基站指纹特征。
41.其次，步骤220，根据历史定位信息、wifi指纹特征信息和基站指纹特征，确定目标对象所在的目标地理栅格。
42.然后，步骤230，基于与目标地理栅格对应的指纹特征，确定目标对象的目标定位信息，指纹特征包括在目标地理网格中可扫描的目标wifi的指纹特征和/或目标基站的指纹特征。
43.由此，利用本发明实施例提供的定位方法可以既可以通过wifi指纹特征在室内对用户进行定位，还可以通过基站指纹特征对室外用户进行定位，同时，还可以根据历史定位信息调整用户的目标定位信息的精度。这样，定位的适用范围从室外扩展到室内，在扩大了使用场景的同时，可以大大提高目标定位信息的定位精度。
44.下面分别对上述步骤进行详细说明：
45.首先，涉及步骤210，获取目标对象的定位请求信息，该定位请求信息可以包括wifi指纹特征信息和基站指纹特征。这里，还可以根据目标对象的历史请求信息，确定目标对象之前的历史定位信息。
46.其中，该历史定位信息可以包括下述信息中的至少一种：
47.确定历史定位信息与获取定位请求信息的时间间隔、历史定位信息与候选地理栅格在第一方向上的第一距离、历史定位信息与候选地理栅格在第二方向上的第二距离、历史无线保真信息和/或历史基站信息。
48.这里，第一方向和第二方向在同一维度空间内相互垂直。本发明实施例在建立历史定位信息和当前发送定位请求信息的设备的位置之间的关系时，采用第一距离和第二距离这样的相对位置描述历史定位信息与每一个候选地理栅格的位置关系。这种相对位置的关系不会随着区域的变化而变化，保证了本发明实施例提供的定位方法的稳定性和准确性。而其他使用绝对位置的定位方式中，会因为用户离开该绝对位置对应的模型计算区域，出现无法获取用户的位置，从而失去准确定位的能力的情况。由此，本发明实施例提供的定位方法适用范围广，适配性高。
49.另外，候选地理栅格在这里可以是指与定位请求信息中的wifi指纹特征和基站指纹特征相关的地理栅格，如图3所示，若与wifi指纹特征相关的地理栅格为地理栅格1、2和3，与基站指纹特征相关的地理栅格为地理栅格7、8和9，那么候选地理栅格可以包括1、2、3、7、8和9。
50.当然，在实际应用场景中，该历史定位信息还可以包括下述信息中的至少一个：与历史wifi指纹特征或者历史基站指纹特征相关的地点属性标签、历史定位信息是否符合高精度网络定位的属性标签、目标地理栅格中是否包括基站位置的标签、历史定位的时间属性标签。
51.例如：地点属性标签可以为用户所在地点的属性即商圈、居民区、娱乐场所等；时间属性标签可以为工作日与非工作日，还可以具体为早晚高峰、夜间等。
52.其次，涉及步骤220，在一种可能的实施例中，为了根据目标对象的定位请求信息确定目标对象所在的目标地理栅格之前，还需根据预设规则将地图数据划分成若干个地理栅格，具体方式如下所示：
53.按照地理位置对地图数据进行划分，得到多个地理栅格；
54.依据多个地理栅格中每个地理栅格对应的wifi指纹特征和基站指纹特征，确定每个地理栅格对应的地理栅格信息；其中，多个地理栅格包括目标地理栅格。
55.进一步地，本发明实施例中涉及的按照地理位置对地图数据进行划分，得到多个地理栅格的步骤具体可以包括：
56.按照地理位置，利用经纬度地址算法(如geohash算法)和/或墨卡托投影地理划分算法对地图数据进行划分，得到多个地理栅格。
57.需要说明的是，地理栅格的尺寸用于确定与目标地理栅格对应的指纹特征定位目标对象的准确度，即地理栅格的尺寸决定了定位的颗粒度，一般来说地理栅格的尺寸越小，定位的结果准确度越高。另外，本发明实施例中的地理栅格除了上述图3中所示的多个大小均等的地理栅格，如图4所示，还可以是不同大小的地理栅格混合使用。地理栅格的尺寸为可调整状态，即用户根据实际应用场景调整地理栅格的尺寸。
58.基于此，本发明实施例提供了一种通过深度神经网络确定目标地理栅格的方式，如图5所示，该深度神经网络主要分为两个阶段，第一阶段为离线计算层，第二阶段为在线计算层。这里，离线计算层和在线计算层中的网络可以作为排序学习算法(learning to rank，ltr)框架中的基学习器，该基学习器可以使用深度学习网络、循环神经网络和决策树
等机器学习方法。
59.其中，离线计算层包括离线特征压缩网络，在线计算层包括第一排序网络、第二排序网络和第三排序网络。在线计算层调用离线计算层中的离线压缩wifi指纹特征和离线压缩基站指纹特征，以确定目标地理栅格。
60.由此，下面将对上述第一阶段即通过离线计算层中的离线特征压缩网络生成离线特征指纹库，该离线特征指纹库包括离线压缩wifi指纹特征和离线压缩基站指纹特征，具体过程如下所示：
61.获取不同地理位置的多个地理栅格中每个地理栅格对应的wifi指纹特征和基站指纹特征。利用离线特征压缩网络对每个地理栅格对应的wifi指纹特征和基站指纹特征进行压缩，得到每个地理栅格对应的离线压缩wifi指纹特征和离线压缩基站指纹特征。根据多个地理栅格对应的离线压缩wifi指纹特征和离线压缩基站指纹特征，生成离线特征指纹库。
62.其中，与每个地理栅格对应的基站信息中包括多个离线原始特征，这些离线原始特征包括下述信息中的至少一项：
63.与地理栅格中的基站对应的采集点的数量、基站的类型、采集点覆盖的地理栅格的数量、地理栅格的定位访问量(pv)占与基站相关的总定位访问量的第一比例值、地理栅格的定位访问量占采集点的总数量的第二比例值、基站的信号强度(received signal strength indication，rssi)分布向量、基站的key、基站名称。
64.例如，上述基站类型可以包括：全球移动通信系统(global system for mobile communications，gsm)基站、码分多址(code division multiple access，cdma)基站、长期演进(long term evolution，lte)基站或者宽带码分多址(wideband code division multiple access，w-cdma)基站。
65.同理，与每个地理栅格对应的wifi指纹特征中也包括多个离线原始特征，这些离线原始特征包括下述信息中的至少一项：
66.与地理栅格中wifi对应的采集点的数量、wifi的类型(如移动wifi或者固定wifi)、采集点覆盖的地理栅格的数量、地理栅格的定位访问量占与wifi相关的总定位访问量的第三比例值、地理栅格的定位访问量占采集点的总数量的第四比例值、wifi的信号强度分布向量、wifi的ma c地址(media access control address)。
67.其中，上述采集点(包括基站指纹特征涉及的，也包括wifi指纹特征中涉及的)为在有定位真值的时候采集电子设备的基站指纹特征，定位真值可以是人工采集，也可能是gps等精度较高的定位手段得到的定位值。
68.需要说明的是，基站指纹特征的离线原始特征和wifi指纹特征的离线原始特征是与单个定位请求无关的特征，这些离线原始特征的获取不需要在电子设备中进行，服务端可以离线计算好之后存储。
69.由此，wifi或者基站的离线原始特征的最终离线压缩特征即离线压缩wifi指纹特征或者离线压缩基站指纹特征的格式为：默认特征；地理栅格1坐标，地理栅格1的离线压缩特征，地理栅格1的尺寸；地理栅格2坐标，地理栅格2的离线压缩特征，地理栅格2的尺寸等依次排列。
70.另外，在一些实施例中，结合不同的地理栅格划分方式，会使每个地理栅格对应的
基站指纹特征的离线原始特征和wifi指纹特征的离线原始特征是不同的，例如，墨卡托投影地理划分算法划分的地理栅格，同样的地理栅格的边长以及不同纬度的地理栅格面积不一样，会使地理栅格对应的基站指纹特征的离线原始特征和wifi指纹特征的离线原始特征与该地理栅格的尺寸存在一个比例关系。由此，在对地理栅格对应的基站指纹特征的离线原始特征和wifi指纹特征的离线原始特征进行离线压缩时，需要将两者间的比例关系考虑进行进去。
71.当然，在另一些实施例中，即在基站或者wifi的定位真值没有覆盖的区域，也可以通过预设的基站指纹特征的离线原始特征和wifi指纹特征的离线原始特征，同样可以通过上述涉及的离线压缩层得到与之对应的离线压缩wifi指纹特征和离线压缩基站指纹特征。
72.由此可知，通过离线特征压缩网络对上述涉及的离线原始特征及进行离线压缩，其离线压缩wifi指纹特征的特征维度小于wifi指纹特征信息；离线基站信息的特征维度小于基站指纹特征。这样，以便于减少计算量，方便调取离线压缩后的信息即离线压缩wifi指纹特征和离线压缩基站指纹特征进行计算。
73.这样，上述涉及的是，利用离线特征压缩网络和多种类型的离线原始特征生成离线特征指纹库的方式。基于此，本发明实施例中还提供了一种根据上述涉及的离线原始特征对该离线特征压缩网络进行训练的方式，即基于离线原始特征对离线特征压缩网络进行训练，直至满足训练条件为止，得到训练后的离线特征压缩网络。这里，训练离线特征压缩网络的时间可以是在离线原始特征更新的时候，根据更新后的离线原始特征训练离线特征压缩网络，也可以是周期的训练离线特征压缩网络。
74.由此，通过离线特征压缩层对上述多种类型的离线原始特征进行融合精炼，即输入离线特征压缩网络的不仅包括了信号强度或信道参数等特征，也输入了位置关系等各种其他特征，这样，可以保证离线特征指纹库在多种场景下都可以对在线计算层在确定目标地理栅格提供数据支持。另外，通过第一比例值、第二比例值、第三比例值、第四比例值、基站类型和无线保真的类型均为不易受环境变化影响的特征，在提高定位精度和鲁棒性的同时兼顾了计算和存储。
75.基于上述涉及的离线特征指纹库，该步骤220具体可以包括：
76.从离线特征指纹库中获取与定位请求信息中的wifi指纹特征信息对应的离线压缩wifi指纹特征，以及与定位请求信息中的基站指纹特征对应的离线压缩基站指纹特征；
77.将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到目标排序模型中，得到目标对象的目标地理栅格；其中，
78.目标排序模型由不同地理位置的多个地理栅格中每个地理栅格对应的wifi指纹特征和基站指纹特征确定。
79.这里，本发明实施例中根据目标排序模型中包括的排序网络不同，提供了下述两种得到目标对象所在的目标地理栅格的方式，具体如下所示：
80.方式一：目标排序模型包括第一排序网络，仅通过第一排序网络如精排网络确定目标地理栅格。
81.其中，将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第一排序网络中，得到多个第一地理栅格中每个第一地理栅格的第一评分，其中，第一地理栅格与定位请求信息的所在位置相关；
82.从多个第一评分中，选取满足第一预设条件的第一目标评分对应的目标地理栅格。
83.这里，第一排序网络即精排网络可以采用循环神经网络来建立一个时空模型，该时空模型用于对历史定位信息进行建模，在此，对于每个历史定位信息，会生成5个特征：确定历史定位信息与获取定位请求信息的时间间隔、历史定位信息与候选地理栅格在第一方向上的第一距离、历史定位信息与候选地理栅格在第二方向上的第二距离、与历史wifi指纹特征或者历史基站指纹特征相关的地点属性标签、以及历史定位信息是否符合高精度网络定位的属性标签。
84.由此，对于历史定位信息，可以使用循环神经网络建立一个时空模型，能够将与获取定位请求信息对应的当前位置限定在一个区域内，再结合离线压缩wifi指纹特征和离线压缩基站指纹特征，对可能的位置进行排序，以得到目标对象最有可能的位置。
85.由于，本发明实施例中采用了至少5个维度的特征，可以改善目前常见的时空模型只是用历史轨迹点来学习人群运动的规律，以及只使用当前的定位依据来进行定位不准确的问题，有效提高了定位精度。
86.方式二：目标排序模型包括第二排序网络和第三排序网络时，可以通过第二排序网络和第三排序网络确定目标地理栅格。这里，第三排序网络与上述方式一中的第一排序网络相同，均为精排网络，第二排序网络可以为粗排网络，具体步骤如下：
87.将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第二排序网络中，得到多个第二地理栅格中每个第二地理栅格的第二评分，其中，第二地理栅格与定位请求信息的所在位置相关；
88.从多个第二评分中，选取满足第二预设条件的候选评分对应的多个候选地理栅格；
89.将多个候选地理栅格的每个候选地理栅格的候选地理栅格信息、离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第三排序网络中，得到每个候选地理栅格的第三评分；
90.从多个第三评分中，选取满足第三预设条件的第二目标评分对应的目标地理栅格。
91.这里，在粗排阶段，通过人工提取特征的方式来加入历史定位信息。首先将历史定位信息按照时间划分区间(如15秒，1分钟，10分钟，30分钟，1小时等)，然后再在各个区间内计算历史定位信息与每个第二地理栅格的第一距离、第二距离和时间间隔等指标。这些统计指标在一定程度上可以反应历史定位信息对当前定位的影响。
92.接着，将离线压缩特征和与历史定位信息相关的指标一起输入到粗排网络中，粗排网络的输出是每个第二地理栅格的第二得分，根据得分进行排序，即完成了粗排阶段。粗筛(或者叫海选)是根据第二得分，从全部地理栅格中选取候选地理栅格的过程；接着，通过精排网络在候选地理栅格中选择目标地理栅格。
93.如图6所示，离线计算层将输入的15个无线保真原始离线特征和20个基站原始离线特征输入到离线特征压缩层，得到压缩后的离线压缩wifi指纹特征和离线压缩基站指纹特征。其中，每个无线保真原始离线特征包括20个特征，每个基站原始离线特征可以包括21个特征。
94.接着，将离线压缩特征和与历史定位信息相关的指标一起输入到第二排序网络中，如在10个地理栅格中筛选5个候选地理栅格，然后，再将上述信息输入到第三排序网络中，以时在5个候选地理栅格中，确定目标地理栅格。
95.由此，本发明实施例中，使用ltr的框架来进行定位，通过粗排结合精排筛选目标地理栅格，提高定位精度的同时降低计算量。
96.另外，在一种可能的实施例中，在步骤220之前，还可以包括：
97.获取历史目标定位信息的定位时间，历史目标定位信息为在获取定位请求信息之前最近一次确定的信息；
98.在历史目标定位信息的定位时间与获取定位请求信息的时间间隔小于或者等于预设阈值的情况下，生成指示信息，指示信息用于指示根据wifi指纹特征信息、基站指纹特征和历史定位信息，确定目标对象所在的目标地理栅格。
99.这里，可以理解为是在线计算层中的新鲜度，即定位请求信息中的wifi指纹特征和基站指纹特征的新鲜度是根据wifi和基站上一次刷新距当前时间计算的，新鲜度值越大，说明上一次刷新距离现在越远，越不新鲜，可靠度越差。将新鲜度作为一个特征，在在线计算层计算时，可以据此给不同的定位依据不同的话语权。当两个定位依据产生矛盾的时候，更新鲜的wifi指纹特征或者基站指纹特征会发挥更大的作用。
100.然后，涉及步骤230，在一种可能的实施例中，基于指纹特征，利用位置点聚类算法、加权平均求质心算法或者费马点算法，确定目标对象在目标地理栅格中的目标定位信息。
101.综上，本发明实施例提供的定位方法，不仅考虑了wifi指纹特征，也包括基站指纹特征，这样，可以使定位的适用范围从室内扩展到室内室外。其次，通过wifi指纹特征、基站指纹特征和历史定位信息有效改善了原始信息不够丰富，限制使用场景和定位精度的问题。然后，通过输入离线特征压缩网络的多种信息，可以对其进行融合精炼，提高定位精度，扩大了使用场景。
102.另外，由于离线原始特征单一，易受环境变化影响，这样，本发明实施例提供了多种离线原始特征，其中包括不易受环境变化影响的特征，以提高定位精度和鲁棒性的同时兼顾了计算和存储。最后，使用排序算法的框架来进行定位，通过粗排结合精排的方式，提高模型的泛化能力，最终提高了定位精度。
103.基于上述定位方法，本发明实施例提供了原理相同的定位装置。具体如下所示。
104.首先，图7示出根据一个实施例的定位装置的结构框图。
105.如图7所示，该定位装置700具体可以包括：
106.获取模块701，用于获取目标对象的定位请求信息，定位请求信息包括目标对象的历史定位信息、发送定位请求信息的设备扫描到的wifi指纹特征和基站指纹特征；
107.确定模块702，用于根据wifi指纹特征信息、基站指纹特征和历史定位信息，确定目标对象所在的目标地理栅格；
108.处理模块703，用于基于与目标地理栅格对应的指纹特征，确定目标对象的目标定位信息，指纹特征包括在目标地理网格中可扫描的目标wifi的指纹特征和/或目标基站的指纹特征。
109.由此，通过获取到的当前发送定位请求信息的设备扫描到的wifi指纹特征和基站
指纹特征，以及历史定位信息，确定目标对象所在的目标地理栅格，然后，根据与目标地理栅格对应的目标地理栅格信息，确定为目标对象的目标定位信息。这样，在对目标对象进行定位时，不仅考虑了用户当前所连接的wifi和基站，还考虑了用户的历史定位信息，这样，采用多种定位依据对目标用户进行定位，可以大大提高目标定位信息的定位精度。
110.基于此，下面对定位装置700进行详细说明：
111.在一种可能的实施例中，确定模块702具体可以用于，获取与wifi指纹特征对应的离线压缩wifi指纹特征，以及与基站指纹特征对应的离线压缩基站指纹特征；
112.将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到目标排序模型中，得到目标对象的目标地理栅格；其中，
113.目标排序模型由不同地理位置的多个地理栅格中每个地理栅格对应的wifi指纹特征和基站指纹特征确定。
114.进一步地，在一种可能的实施例中，目标排序模型包括第一排序网络，确定模块702具体可以用于，将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第一排序网络中，得到多个第一地理栅格中每个第一地理栅格的第一评分，其中，第一地理栅格与定位请求信息的所在位置相关；
115.从多个第一评分中，选取满足第一预设条件的第一目标评分对应的目标地理栅格。
116.在另一种可能的实施例中，目标排序模型包括第二排序网络和第三排序网络，确定模块702具体可以用于，将离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第二排序网络中，得到多个第二地理栅格中每个第二地理栅格的第二评分，其中，第二地理栅格与定位请求信息的所在位置相关；
117.从多个第二评分中，选取满足第二预设条件的候选评分对应的多个候选地理栅格；
118.将多个候选地理栅格的每个候选地理栅格的候选地理栅格信息、离线压缩wifi指纹特征、离线压缩基站指纹特征和历史定位信息输入到第三排序网络中，得到每个候选地理栅格的第三评分；
119.从多个第三评分中，选取满足第三预设条件的第二目标评分对应的目标地理栅格。
120.其中，本发明实施例中的历史定位信息包括下述信息中的至少一种：
121.确定历史定位信息与获取定位请求信息的时间间隔、历史定位信息与候选地理栅格在第一方向上的第一距离、历史定位信息与候选地理栅格在第二方向上的第二距离；
122.其中，第一方向和第二方向在同一维度空间内相互垂直。
123.另外，在一些场景下，历史定位信息还可以包括下述信息中的至少一种：
124.历史wifi指纹特征和/或历史基站指纹特征、与历史wifi指纹特征或者历史基站指纹特征相关的地点属性标签、历史定位信息是否符合高精度网络定位的属性标签、目标地理栅格中是否包括基站位置的标签。
125.另外，本发明实施例中的定位装置700还可以包括生成模块704，基于此，获取模块701还可以用于，获取历史目标定位信息的定位时间，历史目标定位信息为在获取定位请求信息之前最近一次确定的信息；
126.生成模块704，用于在历史目标定位信息的定位时间与获取定位请求信息的时间间隔小于或者等于预设阈值的情况下，生成指示信息，指示信息用于指示根据wifi指纹特征信息、基站指纹特征和历史定位信息，确定目标对象所在的目标地理栅格。
127.其中，基站信息包括下述信息中的至少一项：
128.与地理栅格中的基站对应的采集点的数量、基站的类型、采集点覆盖的地理栅格的数量、地理栅格的定位访问量占与基站相关的总定位访问量的第一比例值、地理栅格的定位访问量占采集点的总数量的第二比例值、基站的信号强度分布向量；
129.无线保真信息包括下述信息中的至少一项：
130.与地理栅格中wifi对应的采集点的数量、wifi的类型、采集点覆盖的地理栅格的数量、地理栅格的定位访问量占与wifi相关的总定位访问量的第三比例值、地理栅格的定位访问量占采集点的总数量的第四比例值、wifi的信号强度分布向量。
131.另外，离线压缩wifi指纹特征的特征维度小于wifi指纹特征信息；离线基站信息的特征维度小于基站指纹特征。
132.在又一种可能的实施例中，本发明实施例中的定位装置700还可以包括划分模块705，用于照地理位置对地图数据进行划分，得到多个地理栅格；基于此，确定模块702还用于，依据多个地理栅格中每个地理栅格对应的wifi指纹特征和基站指纹特征，确定每个地理栅格对应的地理栅格信息；其中，多个地理栅格包括目标地理栅格。
133.其中，划分模块705具体可以用于，按照地理位置，利用经纬度地址算法和/或墨卡托投影地理划分算法对地图数据进行划分，得到多个地理栅格。
134.其中，地理栅格的尺寸用于确定指纹特征定位目标对象的准确度；其中，地理栅格的尺寸为可调整状态。
135.在再一种可能的实施例中，处理模块703具体可以用于，基于指纹特征，利用位置点聚类算法、加权平均求质心算法或者费马点算法，确定目标对象在目标地理栅格中的目标定位信息。
136.综上，本发明实施例提供的定位装置，不仅考虑了发送定位请求信息的设备扫描到的wifi指纹特征，也包括基站指纹特征，这样，可以使定位的适用范围从室内扩展到室内室外。其次，通过历史定位信息、wifi指纹特征和基站指纹特征有效改善了原始信息不够丰富，限制使用场景和定位精度的问题。然后，通过输入离线特征压缩网络的多种信息，可以对其进行融合精炼，提高定位精度，扩大了使用场景。
137.另外，由于离线原始特征单一，易受环境变化影响，这样，本发明实施例提供了多种离线原始特征，其中包括不易受环境变化影响的特征，以提高定位精度和鲁棒性的同时兼顾了计算和存储。最后，使用排序算法的框架来进行定位，通过粗排结合精排的方式，提高模型的泛化能力，最终提高了定位精度。
138.图8示出根据一个实施例的计算设备的结构示意图。
139.如图8所示，能够实现根据本发明实施例定位方法以及定位装置的计算设备的示例性硬件架构的结构图。
140.该计算设备可以包括处理器801以及存储有计算机程序指令的存储器802。
141.具体地，上述处理器801可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施
例的一个或多个集成电路。
142.存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。在特定实施例中，存储器802包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存，或者两个或及其以上这些的组合。
143.处理器801通过读取并执行存储器802中存储的计算机程序指令，以实现上述实施例中的任意一种定位方法。
144.收发器803，主要用于实现本发明实施例中各装置或者与其他设备中的通信。
145.在一个示例中，该设备还可包括总线804。其中，如图8所示，处理器801、存储器802和收发器803通过总线804连接并完成相互间的通信。
146.总线804包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围控件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线803可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
147.本发明实施例还提供了与上述定位方法对应的计算机可读存储介质。
148.在一种可能的实施例中，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行本发明实施例定位方法中的步骤。
149.需要明确的是，本发明并不局限于上文实施例中所描述并在图中示出的特定配置和处理。为了描述的方便和简洁，这里省略了对已知方法的详细描述，并且上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
150.本领域的技术人员可以清楚地了解到，本发明的方法过程并不限于所描述和示出的具体步骤，任何熟悉本技术领域的技术人员在领会本发明的精神后，在本发明揭露的技术范围内作出各种改变、修改和添加，或者等效替换以及改变步骤之间的顺序，这些修改或替换都应涵盖在本发明的保护范围之内。