[发明专利]一种基于机器学习的手机定位纠偏的定位轨迹方法

说明书

本发明公开了一种基于机器学习的手机定位纠偏的定位轨迹方法，包括以下步骤：步骤一：确定物理位置；步骤二：以入口为轨迹起始点，计算室内移动方向、速度从而计算出行动轨迹；步骤三：利用高度计数据计算大楼内空间楼层；步骤四：通过机器学习算法累计用户准确的步行速度；步骤五：准确进行室内定位，集合室内LTE基站信号与位置对内部进行修正，通过速度模型决策能够对用户的步资与方向进行计算，然后基于机器学习模型的数据速率累计用户准确的步行速度，最后通过步行速度、朝向、倾斜角度、高度传感器即可准确进行室内定位，集合室内LTE基站信号与位置对内部进行修正，从而能够对用户的准确位置进行输出，提高了定位位置的精度。

技术领域

本发明涉及室内定位技术领域，具体是一种基于机器学习的手机定位纠偏的定位轨迹方法。

背景技术

随着现代化产业的蓬勃发展，人们对基于位置服务的要求也日益增多，定位应用也随着信息化时代的发展越来越普及，定位包括室外定位和室内定位。目前已经广泛应用于智慧工业、智慧物流、智慧交通、智慧金融、公共安全等垂直领域。

在室内进行定位时，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者在室内的位置信息，但是由于存在复杂室内环境等限制的问题，目前的定位精度不高，因此，我们提出了一种基于机器学习的手机定位纠偏的定位轨迹方法来解决上述所提到的问题。

发明内容

本发明的目的在于提供一种基于机器学习的手机定位纠偏的定位轨迹方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于机器学习的手机定位纠偏的定位轨迹方法，包括以下步骤：

步骤一：确定物理位置，即用户进入大楼建筑之前定位最后消失的GPS点位；

步骤二：以入口为轨迹起始点，根据手机陀螺仪、姿态传感器，计算室内移动方向、速度从而计算出行动轨迹；

步骤三：利用高度计数据计算大楼内空间楼层；

步骤四：利用用户外部步行数据结合姿态传感器及陀螺仪历史数据，通过机器学习算法累计用户准确的步行速度；

步骤五：通过步行速度、朝向、倾斜角度、高度传感器即可准确进行室内定位，集合室内LTE基站信号与位置对内部进行修正。

作为本发明进一步的方案：所述步骤二中陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置，主要部分是一个对旋转轴以极高角速度旋转的转子，转子装在一支架内，利用其他原理制成的角运动检测装置起同样功能的也称陀螺仪。

作为本发明进一步的方案：所述陀螺仪当转子对自转轴的转动惯量为I，自转角速度为ω时，则转子的自转动量矩为L＝Iω；假定支架轴承都绝对光滑，基座不能通过这些轴承把外力矩传给转子，且内、外两框环的质量可忽略不计；于是，由动量矩守恒可知，均衡陀螺仪的转子轴将能借惯性而在惯性空间保持不变方向；假如用某种方式给转子以冲击性外力矩，使动量矩L获得横向增量ΔL且ΔL≤L，则新动量矩矢将偏转一个小角