[發明專利]一種MR室內外區分方法

在審

• 申請號: 202210322133.5
• 申請日: 2022-03-29
• 公開（公告）號: CN114818869A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 袁大森;柴悅;梁虎
• 申請（專利權）人: 內蒙古自治區公安廳;碧興物聯科技（深圳）股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/16;G06F17/18;H04W24/10;H04W64/00
• 代理公司: 廣東廣和律師事務所 44298
• 代理人: 劉敏

本發明公開了一種MR室內外區分方法，包括：通過離線階段設置編碼規則并形成分類器；通過在線階段對MR數據進行室內外區分。本發明的有益效果是：相比于監督學習，該算法只使用了一種標簽，另一種標簽未知，具有更低的使用成本；相比于無監督學習，該算法使用了一種原始數據中已知的標簽，具有更高的精度。

技術領域

本發明屬于移動通信大數據領域，涉及對4G和5G全網無線MR(測量報告)數據進行室內或室外的區分，更具體地說，涉及一種MR室內外區分方法。

背景技術

基于MR數據的室內外定位，一方面能夠幫助運營商進行網絡優化和數據變現，另一方面也可用于垂直行業，例如公用安全、疫情防控等領域發揮更大的價值。當前業界主流的MR室內外定位算法均采用了兩級架構，即首先對MR進行室內外區分，其次對室內和室外的MR分別采用不同的算法進行位置估計。這么做的原因，主要是因為室外具有豐富的GNSS數據，這些數據會寫入MR并一同上報到基站被采集到，可以幫助定位算法學習到室外信號特征與室外位置之間的映射關系。但是，受限于室內環境中衛星信號的劇烈衰減，GNSS定位難以在室內進行，導致室內MR缺少足夠的GNSS數據學習室內信號特征與位置間的映射關系，進而需要使用其他算法進行室內定位結果的優化，因此分化出了與室外不同的定位算法來對室內定位結果進行針對性的優化。

綜上，在定位算法之前，需要有室內外區分模塊，將待定位的MR區分為室內或室外，指導后續流程使用相應的室內或室外定位算法，完成MR數據的高精度定位。并且，室內外區分算法需要有極高的精度，來保證不會將相應的MR錯分到其他場景對應的定位算法中。

室內外區分的場景主要涉及兩個實體：基站和終端。終端可以分布在室內或室外，基站的分布也同理。位于室內的基站一般稱為室分站，這些站主要用于解決室內信號的覆蓋問題，且覆蓋范圍小(一般約為20m)，因此接入室分站的終端絕大多數都位于室內，只有極少數位于室外的終端會接入室分站，且由于室分站覆蓋范圍小，因此這些室外終端距離建筑物也非常近，以此默認接入室分站的終端均位于室內。

位于室外的基站稱為室外宏站，這些站可同時解決室內和室外信號的覆蓋問題，覆蓋范圍大(一般為400m)，且在全網上報的全量MR中占比高。接入這些基站的終端可能位于室內，也可能位于室外，需要借助室內外區分算法進行區分。

傳統室內外區分算法可分為有監督和無監督兩種。有監督室內外區分算法通過眾包測試的方式，收集人工標記的室內和室外MR數據，作為訓練樣本輸入到有監督的AI算法中，得到一個二分類模型，用于在線階段全網數據的室內外區分。這種方式在某些場景下具有很高的室內外區分精度，但缺點也很明顯。一方面人工進行室內外MR標記的成本很高，由于無線網絡環境是時刻變化的，因此需要定期進行數據標記，否則借助以往數據訓練得到的模型精度會急劇降低，這帶來了極大的成本；另一方面，人工采樣難以覆蓋所有場景，并且采樣到的數據受終端類型、手機位姿等因素影響，得到的只是全網MR數據的一個采樣，由此訓練的模型不夠穩定，在某些場景下精度高，在某些場景下可能無法使用。

無監督室內外區分算法基于業務特征，自動學習出室內和室外信號在這些特征下的分布特性，并基于這些分布特性，完成室內和室外的估計。相比于有監督算法，該算法不需要人工對MR標記，因此有效降低了商用成本。但是，無監督算法的精度受限，其使用的業務特征屬于專家經驗，考慮到無線環境的多變，這些專家經驗并不能覆蓋所有場景，因此在某些場景下的精度很差。

發明內容

本發明提供了一種MR室內外區分方法，解決傳統監督學習的成本問題及無監督學習的精度問題。

為解決上述問題，一方面，本發明提供一種MR室內外區分方法，包括：

通過離線階段設置編碼規則并形成分類器；

通過在線階段對MR數據進行室內外區分。

所述通過離線階段設置編碼規則并形成分類器，包括：

自動標注室外的MR數據；