本技術(shù)涉及通信，具體涉及一種用戶(hù)定位方法、裝置、設(shè)備及程序產(chǎn)品。

背景技術(shù)：

1、目前，隨著大數(shù)據(jù)技術(shù)的發(fā)展和智能終端的普及，基于用戶(hù)位置信息的服務(wù)愈發(fā)重要，無(wú)論是行業(yè)客戶(hù)還是公眾，對(duì)位置相關(guān)的服務(wù)都存在廣泛需求，因此高精度的室外用戶(hù)定位成為研究重點(diǎn)?，F(xiàn)有技術(shù)中，有基于基站位置的定位方式，用戶(hù)在產(chǎn)生通話、上網(wǎng)等行為，或發(fā)生位置切換時(shí)，終端將上報(bào)其與基站連接的日志記錄，因此，用戶(hù)當(dāng)前時(shí)刻所連接的基站位置一定程度上反應(yīng)了用戶(hù)的模糊位置信息。還有基于基站位置進(jìn)行三角定位的方式，通常情況下，用戶(hù)終端可接收到多個(gè)基站的信號(hào)，三角定位即通過(guò)多個(gè)基站信號(hào)的到達(dá)角計(jì)算出多個(gè)基站離用戶(hù)的距離，然后利用幾何知識(shí)計(jì)算出用戶(hù)位置。

2、由于基站覆蓋范圍較廣，市區(qū)基站覆蓋范圍約1km以?xún)?nèi)，郊區(qū)基站覆蓋范圍約在2-5km，因此，基于基站位置的定位方式誤差較大。基于基站的三角定位方式需要采集到用戶(hù)在同一時(shí)刻與三個(gè)基站的連接記錄，而實(shí)際數(shù)據(jù)中，并不是每個(gè)用戶(hù)都能有三個(gè)基站的完整連接數(shù)據(jù)，且信號(hào)到達(dá)角的數(shù)據(jù)精度有限，因此該定位方式的準(zhǔn)確性也較低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種用戶(hù)定位方法、裝置、設(shè)備及程序產(chǎn)品，用以解決現(xiàn)有技術(shù)對(duì)用戶(hù)的定位準(zhǔn)確性低的技術(shù)問(wèn)題。

2、第一方面，本技術(shù)實(shí)施例提供一種用戶(hù)定位方法，包括：

3、獲取目標(biāo)用戶(hù)的移動(dòng)性管理實(shí)體mme信令數(shù)據(jù)，并提取所述mme信令數(shù)據(jù)的目標(biāo)特征信息；

4、將所述目標(biāo)特征信息與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，根據(jù)匹配結(jié)果確定所述目標(biāo)用戶(hù)的位置坐標(biāo)；

5、其中，所述指紋數(shù)據(jù)庫(kù)是基于從多源融合數(shù)據(jù)中提取的融合特征信息構(gòu)建的，所述多源融合數(shù)據(jù)是基于用戶(hù)標(biāo)識(shí)對(duì)歷史mme信令數(shù)據(jù)、最小化路測(cè)mdt數(shù)據(jù)和網(wǎng)格通數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合得到的；所述融合特征信息包括所述歷史mme信令數(shù)據(jù)對(duì)應(yīng)的位置柵格，所述位置柵格是基于所述mdt數(shù)據(jù)和/或所述網(wǎng)格通數(shù)據(jù)，對(duì)所述歷史mme信令數(shù)據(jù)進(jìn)行位置修正得到的。

6、在一個(gè)實(shí)施例中，所述目標(biāo)特征信息包括用戶(hù)標(biāo)識(shí)、基站標(biāo)識(shí)、所述mme信令數(shù)據(jù)的工作日標(biāo)識(shí)、所述mme信令數(shù)據(jù)的預(yù)設(shè)顆粒度時(shí)間標(biāo)識(shí)和所述mme信令數(shù)據(jù)的時(shí)間窗口，所述時(shí)間窗口由所述mme信令數(shù)據(jù)的起始時(shí)間和結(jié)束時(shí)間界定；

7、所述將所述目標(biāo)特征信息與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，包括：

8、基于所述目標(biāo)特征信息生成篩選過(guò)濾規(guī)則；

9、根據(jù)所述篩選過(guò)濾規(guī)則對(duì)指紋數(shù)據(jù)庫(kù)進(jìn)行多層級(jí)篩選匹配。

10、在一個(gè)實(shí)施例中，所述根據(jù)匹配結(jié)果確定所述目標(biāo)用戶(hù)的位置坐標(biāo)，包括：

11、根據(jù)匹配結(jié)果確定所述mme信令數(shù)據(jù)在所述指紋數(shù)據(jù)庫(kù)中對(duì)應(yīng)的指紋集合；

12、計(jì)算所述目標(biāo)特征信息與所述指紋集合中各條記錄的融合特征信息的目標(biāo)相似度；

13、根據(jù)所述目標(biāo)相似度，從所述指紋集合中選取相似度最高的前k條記錄的融合特征信息；

14、對(duì)所述前k條記錄的融合特征信息對(duì)應(yīng)的位置柵格進(jìn)行加權(quán)平均，得到所述目標(biāo)用戶(hù)的位置坐標(biāo)。

15、在一個(gè)實(shí)施例中，所述目標(biāo)相似度包括軌跡相似度；所述計(jì)算所述目標(biāo)特征信息與所述指紋集合中各條記錄的融合特征信息的目標(biāo)相似度，包括：

16、根據(jù)所述目標(biāo)特征信息確定所述mme信令數(shù)據(jù)的基站所在的基站位置柵格；

17、確定所述基站位置柵格對(duì)應(yīng)的第一柵格集合，以及所述指紋集合中各目標(biāo)融合特征對(duì)應(yīng)的第二柵格集合；其中，所述第一柵格集合中包含與所述基站位置柵格相鄰的第二預(yù)設(shè)數(shù)量的位置柵格；所述第二柵格集合中包含與所述目標(biāo)融合特征對(duì)應(yīng)的位置柵格相鄰的第二預(yù)設(shè)數(shù)量的位置柵格，所述目標(biāo)融合特征為所述指紋集合中任意一條記錄的融合特征信息；

18、基于所述第一柵格集合和所述第二柵格集合，計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征的軌跡相似度。

19、在一個(gè)實(shí)施例中，所述基于所述第一柵格集合和所述第二柵格集合，計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征的軌跡相似度，包括：

20、對(duì)所述第二柵格集合中的每個(gè)目標(biāo)柵格進(jìn)行位置擴(kuò)展，生成第三柵格集合；所述第三柵格集合中包含所述目標(biāo)柵格周?chē)谌A(yù)設(shè)數(shù)量的相鄰柵格；所述目標(biāo)柵格是所述第二柵格集合中的任一位置柵格；

21、確定所述第一柵格集合和所述第三柵格集合中的相同柵格；

22、根據(jù)所述相同柵格的數(shù)量，計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征的軌跡相似度。

23、在一個(gè)實(shí)施例中，所述目標(biāo)相似度包括時(shí)間相似度；所述計(jì)算所述目標(biāo)特征信息與所述指紋集合中的融合特征信息的目標(biāo)相似度，包括：

24、根據(jù)所述目標(biāo)特征信息中的工作日標(biāo)識(shí)，以及所述指紋集合中的各目標(biāo)融合特征的工作標(biāo)識(shí)，計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征之間的第一距離特征值；所述目標(biāo)融合特征為所述指紋集合中任意一條記錄的融合特征信息；

25、根據(jù)所述目標(biāo)特征信息中的預(yù)設(shè)顆粒度時(shí)間標(biāo)識(shí)，以及所述目標(biāo)融合特征的預(yù)設(shè)顆粒度時(shí)間標(biāo)識(shí)，采用第一預(yù)設(shè)算法計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征之間的第二距離特征值；

26、根據(jù)所述目標(biāo)特征信息中的時(shí)間窗口的窗口尺寸，采用第二預(yù)設(shè)算法計(jì)算時(shí)間窗閾值；

27、確定所述目標(biāo)特征信息中的時(shí)間窗口與所述目標(biāo)融合特征的時(shí)間窗口之間的差值；

28、若所述差值大于所述時(shí)間窗閾值，采用第三預(yù)設(shè)算法計(jì)算所述目標(biāo)特征信息中的時(shí)間窗口與所述目標(biāo)融合特征的時(shí)間窗口之間的第三距離特征值；

29、若所述差值小于或等于所述時(shí)間窗閾值，采用第四預(yù)設(shè)算法計(jì)算所述目標(biāo)特征信息中的時(shí)間窗口與所述目標(biāo)融合特征的時(shí)間窗口之間的第三距離特征值；

30、基于所述第一距離特征值、所述第二距離特征值和所述第三距離特征值，計(jì)算所述目標(biāo)特征信息與所述目標(biāo)融合特征的時(shí)間相似度。

31、在一個(gè)實(shí)施例中，所述將所述目標(biāo)特征信息與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配之前，還包括：

32、獲取最小化路測(cè)mdt數(shù)據(jù)、網(wǎng)格通數(shù)據(jù)和歷史mme信令數(shù)據(jù)；

33、對(duì)所述mdt數(shù)據(jù)和所述網(wǎng)格通數(shù)據(jù)中的位置信息進(jìn)行柵格化，得到所述mdt數(shù)據(jù)和所述網(wǎng)格通數(shù)據(jù)的位置柵格；

34、獲取所述歷史mme信令數(shù)據(jù)的用戶(hù)標(biāo)識(shí)和時(shí)間窗口；

35、基于所述用戶(hù)標(biāo)識(shí)和所述時(shí)間窗口，將所述mdt數(shù)據(jù)和/或所述網(wǎng)格通數(shù)據(jù)中的第一目標(biāo)數(shù)據(jù)與所述歷史mme信令數(shù)據(jù)中的第二目標(biāo)數(shù)據(jù)關(guān)聯(lián)；所述第一目標(biāo)數(shù)據(jù)所述第二目標(biāo)數(shù)據(jù)具有相同的用戶(hù)標(biāo)識(shí)，且所述第一目標(biāo)數(shù)據(jù)的記錄時(shí)間在所述第二目標(biāo)數(shù)據(jù)的時(shí)間窗口內(nèi)；

36、若所述第一目標(biāo)數(shù)據(jù)的位置柵格與所述第二目標(biāo)數(shù)據(jù)對(duì)應(yīng)的基站之間的距離小于預(yù)設(shè)的距離閾值，基于所述第一目標(biāo)數(shù)據(jù)的位置柵格對(duì)所述第二目標(biāo)數(shù)據(jù)的位置信息進(jìn)行修正，得到基礎(chǔ)指紋數(shù)據(jù)；

37、對(duì)所述基礎(chǔ)指紋數(shù)據(jù)進(jìn)行特征挖掘，生成所述基礎(chǔ)指紋數(shù)據(jù)的融合特征信息；所述融合特征信息包括用戶(hù)標(biāo)識(shí)、基站標(biāo)識(shí)、工作日標(biāo)識(shí)、預(yù)設(shè)顆粒度時(shí)間標(biāo)識(shí)、時(shí)間窗口和運(yùn)動(dòng)軌跡；

38、根據(jù)所述融合特征信息構(gòu)建指紋數(shù)據(jù)庫(kù)。

39、第二方面，本技術(shù)實(shí)施例提供一種用戶(hù)定位裝置，包括：

40、采集模塊，用于獲取目標(biāo)用戶(hù)的移動(dòng)性管理實(shí)體mme信令數(shù)據(jù)，并提取所述mme信令數(shù)據(jù)的目標(biāo)特征信息；

41、定位模塊，用于將所述目標(biāo)特征信息與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，根據(jù)匹配結(jié)果確定所述目標(biāo)用戶(hù)的位置坐標(biāo)；

42、其中，所述指紋數(shù)據(jù)庫(kù)是基于從多源融合數(shù)據(jù)中提取的融合特征信息構(gòu)建的，所述多源融合數(shù)據(jù)是基于用戶(hù)標(biāo)識(shí)對(duì)歷史mme信令數(shù)據(jù)、最小化路測(cè)mdt數(shù)據(jù)和網(wǎng)格通數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合得到的；所述融合特征信息包括所述歷史mme信令數(shù)據(jù)對(duì)應(yīng)的位置柵格，所述位置柵格是基于所述mdt數(shù)據(jù)和/或所述網(wǎng)格通數(shù)據(jù)，對(duì)所述歷史mme信令數(shù)據(jù)進(jìn)行位置修正得到的。

43、第三方面，本技術(shù)實(shí)施例提供一種電子設(shè)備，包括處理器和存儲(chǔ)有計(jì)算機(jī)程序的存儲(chǔ)器，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的用戶(hù)定位方法的步驟。

44、第四方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的用戶(hù)定位方法的步驟。

45、本技術(shù)實(shí)施例提供的用戶(hù)定位方法、裝置、設(shè)備及程序產(chǎn)品，通過(guò)獲取目標(biāo)用戶(hù)的mme信令數(shù)據(jù)并提取目標(biāo)特征信息；將提取的目標(biāo)特征信息與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，根據(jù)匹配結(jié)果確定目標(biāo)用戶(hù)的位置坐標(biāo)，通過(guò)融合mdt數(shù)據(jù)和網(wǎng)格通數(shù)據(jù)等多源包含高精度位置信息的數(shù)據(jù)，從mme信令數(shù)據(jù)的維度挖掘特征構(gòu)建指紋數(shù)據(jù)庫(kù)，并通過(guò)特征匹配，實(shí)現(xiàn)基于mdt數(shù)據(jù)和網(wǎng)格通數(shù)據(jù)中的高精度位置信息對(duì)mme信令數(shù)據(jù)中的低精度位置信息的修正，提高了用戶(hù)定位的準(zhǔn)確性。