[發明專利]RTK終端用戶定位效果預測模型的訓練方法及其裝置

在審

• 申請號: 202010467678.6
• 申請日: 2020-05-28
• 公開（公告）號: CN113743635A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 王釗揚;俞爍
• 申請（專利權）人: 千尋位置網絡有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N20/00
• 代理公司: 上海一平知識產權代理有限公司 31266
• 代理人: 李夫玲;須一平

1.一種RTK終端用戶定位效果預測模型的訓練方法，其特征在于，包括以下步驟：

獲取訓練集合中的訓練樣本數據，所述訓練樣本數據包括：星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性信息數據；

將所述星歷數據、電離層數據、離線差分數據和用戶行業屬性信息數據作為預測模型的輸入特征，將所述用戶定位數據作為預測模型的輸出特征，對所述預測模型進行訓練。

2.根據權利要求1所述的方法，其特征在于，在所述獲取訓練集合中的訓練樣本數據的步驟中，包括以下子步驟：

對所述星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性數據進行分鐘級聚合和關聯。

3.根據權利要求1所述的方法，其特征在于，在所述獲取訓練集合中的訓練樣本數據的步驟中，包括以下子步驟：

每天對訓練集合中的用戶進行一次打標，標簽包括：正常用戶和異常用戶；其中，正常用戶是指用戶的實際定位位置和預測定位位置之間的差值小于等于預定閾值的用戶；異常用戶是指用戶的實際定位位置和預測定位位置之間的差值大于預定閾值的用戶；

剔除訓練集合中的異常用戶的用戶定位數據；

對用戶標簽進行統計分析，如果用戶正常的天數大于異常的天數，則該用戶為可信用戶；否則，為不可信用戶。

4.根據權利要求3所述的方法，其特征在于，在所述獲取訓練集合中的訓練樣本數據的步驟中，還包括以下子步驟：

獲取所述可信用戶對應的訓練樣本數據；

根據所述可信用戶的固定率和所述可信用戶的用戶行業屬性信息數據確定所述可信用戶的定位體驗；

將定位體驗良好的用戶對應的訓練樣本數據作為正訓練樣本數據，將定位體驗不好的用戶對應的訓練樣本數據作為負訓練樣本數據。

5.根據權利要求4所述的方法，其特征在于，所述固定率大于等于90％的用戶為定位體驗良好的用戶，所述固定率小于90％的用戶為定位體驗不好的用戶。

6.一種使用根據權利要求1-5中任一項所述的預測模型進行定位效果預測的方法，其特征在于，包括以下步驟：

獲取待預測用戶的星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性信息數據；

將所述待預測用戶的星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性信息數據輸入所述預測模型，確定所述待預測用戶的定位體驗。

7.一種RTK終端用戶定位效果預測模型的訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取訓練集合中的訓練樣本數據，所述訓練樣本數據包括：星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性信息數據；

訓練模塊，用于將所述星歷數據、電離層數據、離線差分數據和用戶行業屬性信息數據作為預測模型的輸入特征，將所述用戶定位數據作為預測模型的輸出特征，對所述預測模型進行訓練。

8.根據權利要求7所述的裝置，其特征在于，所述獲取模塊，包括以下子模塊：

聚合子模塊，用于對所述星歷數據、電離層數據、離線差分數據、用戶定位數據和用戶行業屬性數據進行分鐘級聚合和關聯。

9.根據權利要求7所述的裝置，其特征在于，所述獲取模塊，包括以下子模塊：

打標子模塊，用于每天對訓練集合中的用戶進行一次打標，標簽包括：正常用戶和異常用戶；其中，正常用戶是指用戶的實際定位位置和預測定位位置之間的差值小于等于預定閾值的用戶；異常用戶是指用戶的實際定位位置和預測定位位置之間的差值大于預定閾值的用戶；

剔除子模塊，用于剔除訓練集合中的異常用戶的用戶定位數據；

統計分析子模塊，用于對用戶標簽進行統計分析，如果用戶正常的天數大于異常的天數，則該用戶為可信用戶；否則，為不可信用戶。