【技术实现步骤摘要】
一种基于推荐算法的wifi序列辅助GPS的室内定位方法
本专利技术涉及室内定位方法，尤其涉及一种基于推荐算法的wifi序列辅助GPS的室内定位方法。
技术介绍
随着wifi的普及，目前大部分的室内环境都存在着丰富的wifi环境，这些wifi环境包括wifi的bssid，强度，是否连接等信息。大部分的智能设备都嵌入了wifi模块，比如智能手机，笔记本电脑，平板电脑，智能手表，机器人等等。而通过其他无线信号比如蓝牙，基站信号，射频码，但是这种无线信号的信息量远不及wifi，并且获取难度也远大于wifi序列。随着大数据的发展，机器学习这种通过数据驱动的方法，非常充分的利用了数据，比传统的仅仅是通过数据匹配的方法，极大的提高了准确率。基于无线信号的室内定位的方法，例如：1)wifi位置指纹定位法：位置指纹实际上就是一个位置对应一个独特的指纹，指纹可以是单维度，可以是多维度的，定位设备通过接受到传感器返回的指纹序列，然后在指纹库里面去映射。而wifi指纹定位，实际上就是通过在移动设备中检测到的指纹序列，去指纹库中寻找对应位置。通常通过一个knn算法去降低提高搜索的精度。2)...
【技术保护点】
1.一种基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于,包括以下步骤：S1、构建wifi定位用户所在商铺的数据集，通过采集用户的移动设备得到的wifi序列、GPS信息构建数据集；S2、商铺推荐算法，针对用户当前的GPS信息、wifi序列，推荐候选店铺，再通过离线预训练好的模型，将提取好的特征通过一张HBASE表存储在云端，对云端上收集到的wifi序列、用户ID、GPS信息通过查询到映射后的特征，通过一个梯度提升树模型去预测候选店铺是否为真实店铺的概率，然后取一个预测概率最高的值作为目标店铺；步骤S2包括以下子步骤：S21、多分类模型设计；S22、二分类模型设...
【技术特征摘要】
1.一种基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于,包括以下步骤：S1、构建wifi定位用户所在商铺的数据集，通过采集用户的移动设备得到的wifi序列、GPS信息构建数据集；S2、商铺推荐算法，针对用户当前的GPS信息、wifi序列，推荐候选店铺，再通过离线预训练好的模型，将提取好的特征通过一张HBASE表存储在云端，对云端上收集到的wifi序列、用户ID、GPS信息通过查询到映射后的特征，通过一个梯度提升树模型去预测候选店铺是否为真实店铺的概率，然后取一个预测概率最高的值作为目标店铺；步骤S2包括以下子步骤：S21、多分类模型设计；S22、二分类模型设计；步骤S22包括以下子步骤：S221、过滤异常WI-FI；S222、划分训练集和预测集；S223、特征工程；S224、训练；S225、预测，在给候选的得分排序，选出概率最高的答案即为用户所在店铺。2.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S1中，Wi-Fi定位用户所在商铺的数据集构建来自于用户在商场的店铺中发生购买记录时的消费记录，每条数据格式包括店铺信息和商场信息，店铺信息包括店铺ID、店铺类型、店铺位置经纬度、人均消费指数、店铺所在商城，用户在店铺内发生交易的信息包括用户ID、用户所在店铺ID、行为时间戳、行为发生时的经纬度、行为发生时的wifi环境，wifi环境主要包括wifi唯一识别码、wifi强度、是否连接。3.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S21中，训练的标签就是每个商场的独热码编码，采用提升决策树模型进行训练。4.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：步骤S221包括以下子步骤：S2211、直接通过规则正则过滤；S2212、通过统计占比进行过滤。5.根据权利要求4所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S2212中，统计wifi出现的频次k1和wifi在店铺A中出现的频次k2，则k2/k1的结果小于阈值的wifi唯一识别码归为移动wifi，统计店铺A出现的次数为k3,把k1/k3小于阈值的wifi唯一识别码归为公共wi...
【专利技术属性】
技术研发人员：张钦宇，葛云鹏，韩啸，陈冬强，雷飞，牟诗璇，宋曜廷，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。