[发明专利]一种基于推荐算法的wifi序列辅助GPS的室内定位方法

说明书

本发明提供了一种基于推荐算法的wifi序列辅助GPS的室内定位方法，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。本发明的有益效果是：不需要额外布置传感器，降低了成本；提高了预测的准确率。

技术领域

本发明涉及室内定位方法，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。

背景技术

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)wifi序列特征多分类

这种方法是运用机器学习的模式分类的方法，直接对候选目标进行一个多分类，例如对于一个商场建模，分类目标是商场里的所有店铺，进行SoftMax多分类后，取预测概率最高的商铺作为最后的分类答案。

现有的无线信号室内定位存在以下缺点：

(1)成本高，需要在室内提前布局好很多联合传感器，通常在室内定位不需要精度上的要求，在大部分商用需求或者公益需求仅仅需要知道用户所在某个具体商铺或者房间，布局大规模的室内传感器提高了门槛。

(2)准确率低，只使用GPS信息进行匹配地位的定位准确率只有65％，而利用wifi指纹定位法的精确度也只有74％。无法满足室内定位的最基本的需要。

发明内容

为了解决现有技术中的问题，本发明提供了一种基于推荐算法的wifi序列辅助GPS的室内定位方法。

本发明提供了一种基于推荐算法的wifi序列辅助GPS的室内定位方法，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：