定位装置、方法、移动设备和计算机程序与流程

本发明总体涉及确定包括移动定位或定位使能技术的移动设备的位置。更具体地，本发明涉及用于准确地确定移动设备的位置的方案，其中，通过经无线蜂窝通信网络接收的环境数据和可选地来自外部数据库的环境数据改善位置定位。

背景技术：

位置追踪设备和其他这种移动终端(例如智能手机)通常包括基于卫星的位置确定功能，例如用于全球定位系统(GPS)或GLONASS(全球导航卫星系统)的接收器；并在一定程度上包括蜂窝通信功能，例如用于从附近小区/基站采集蜂窝数据并且将该蜂窝数据报告给在远程位置的接收器的收发器。为了确定位置，GPS接收器必须具有对于至少三个合适卫星的当前年历数据和星历数据，并且接收器必须具有其位置的初始估计。然而，从卫星接收信号容易遭受由景观障碍物诸如地理特征、建筑物、树木等引起的中断。因为位置追踪设备经常在环境诸如都市和城市地区中运行，其中GPS或通常卫星导航信号接收将是断断续续的，这可能导致位置追踪系统表现不佳。

WO2010/055192公开了用于以提高的精度进行定位的方法和系统。所建议的方案基于下述方式产生了良好的结果：在建模阶段期间，首先从若干终端设备采集定位数据(诸如GPS数据)和环境数据(包括例如小区数据)，以确定小区网络基站的覆盖区域估计，因此在定位阶段期间，由于可用的覆盖区域估计以及各种补充数据，仅环境数据就满足准确定位的需要。

在US2013/00879039中，通过为位置估计增加竖向信息来获得真实3D定位进一步改进了‘192的方案。

尽管‘192和‘039明显地对现有技术做出了许多改进，但是仍然可以针对若干因素和不同的可能使用场景而对相关的方案进行优化。

根据执行至少部分建模或定位计算和关联的数据传输程序的实体的能力，当数据传输和数据处理能力多少有限时，由所述程序引起的负载，如果对于所关注设备的性能而言不过度，但也绝不是有益的，特别是对移动设备而言通常是这种情况。在大部分时间没有电源线连接的真正的移动设备(诸如智能手机或平板手机)的情况下，由于目前电池能够提供的相对适度的功率能力还强调了上述因素。基于定位的各种计算还往往会增加处理，并且因此间接地增加定位延迟。

然而，随着关于待追踪物体(诸如移动电话)的环境的可用信息由于新通信技术(诸如4G/LTE(长期演进))的出现一直变得更加多样，也可能出现新的可能性以扩展数据输入空间，由此当待定位物体能够获得和检测到不同网络信号等的各种数据源时，在实时定位期间将定位努力集中在任何一定类型的数据源或相关模型上可能不能给出最优结果。

技术实现要素：

本发明的目的在于从上述考虑的观点进一步地改善先前公开的方案。

在本发明的一个方面，一种用于对移动设备定位的电子装置或系统，包括：

建模实体，该建模实体被配置成，为了构建用于定位移动设备的数据库：

从存在于感兴趣区域中的多个测量移动设备获得定位数据诸如卫星定位数据和环境数据诸如基于蜂窝网络的数据，

基于所获得的数据建立和维护用于感兴趣区域的多层级概率地图模型结构，其中，每个较高层级通过多个确定的子区域以较低空间分辨率覆盖感兴趣区域，每个子区域就所获得的数据和/或从所获得的数据得出的特征而言具有单一特性，并且对于邻近的上部层级的每个所述子区域，每个较低层级对应地以较高空间分辨率覆盖其多个确定的子区域，最低层级确定模型的最高空间分辨率位置元素，所述位置元素可选地是坐标，以及

定位实体，该定位实体被配置成，为了定位移动设备：

获得由移动设备提供的至少环境数据和可选的定位数据，

通过从最高层级中的若干候选子区域开始，遍历多层级概率地图模型结构的若干竖向候选路径的至少一部分来确定移动设备的位置的估计，基于考虑到所获得的环境数据和可选的定位数据以及子区域的特性而确定移动设备驻留于每个子区域中的概率，在每个层级上选择候选子区域并且使路径继续或者终止，直到到达具有最高空间分辨率的最低层级，其中，根据预定标准，基于移动设备的最高概率位置元素确定移动设备的位置估计。

在一实施方案中，环境数据包括至少一个数据元素，该至少一个数据元素选自由以下项组成的组：蜂窝网络数据元素、无线LAN(局域网)数据元素、MCC(移动国家码)标识符、MNC(移动网络码)标识符、主扰码、ARFCN(绝对射频信道号)、BSIC(基站识别码)、接收信号强度、无线电频率、LAC(局域码)、TAC(追踪域码)、CID(小区ID)、PCI(物理小区ID)、MAC(媒介存取控制地址)、SSID(服务设备标识符)、RSSI(接收信号强度指示)、RSCP(接收信号码功率)和RSRP(参考信号接收功率)。

在另一实施方案中，根据预定逻辑获得、分析和/或按分组存储数据元素。可以对暂时等效的数据(基本上关于相同时刻)和/或序列数据执行分组。可选地，例如可以对多个小区数据进行分组。例如，可以对当前服务小区和相邻小区的指示或相关数据进行分组。这种分组是合逻辑的，这是因为在现实生活中在给定时刻通常也有对于移动设备可见的多个小区，并且由于基站等的物理定位相当有效地限定和限制了在某一位置或某一区域对于移动设备同时可见的小区的可能的结合，所以它们共同存在不是像随机的一样，也不是无限制的。可以根据用于在定位中使用的分组数据确定共用参数(诸如平均值)。

在进一步的实施方案中，在限定不同位置的概率时利用分组，以使得某一位置的概率受周围位置或区域的概率影响，周围位置或区域的概率对某一位置的概率的影响随着距某一位置的距离而减小。于是，一位置的概率通过包括该位置的更大的区域确定，这也促进了确定未标明的位置的概率，从该未标明的位置，还没有接收到供建模实体使用的明确测绘数据。

在进一步的实施方案中，基于多种技术，根据环境数据(诸如蜂窝数据和WLAN数据)构建概率地图模型结构。由于所述多种技术在可用数据元素和元素间相关性方面不同，可以在科技方面明智地进行至少部分处理。随后，可以根据预定合并逻辑将所述多种技术提供的信息或者可能在地理上重叠的初始技术特定的概率地图合并到一起，以建立共用概率地图。

在进一步的实施方案中，建模实体被配置成优选地以基本上实时的形式，通过具有定位实体用环境数据(预)计算待应用的预定统计资料，以按概率模型结构对关注的移动设备的接下来的定位任务确定概率。

可选地，统计资料可以包括基于小区的统计资料，诸如区域内相对小区可见性的指示。

在进一步的实施方案中，建模实体被配置成基于所获得的定位数据和环境数据(可选地小区数据)更新概率地图模型结构。根据利用的标准，可以确定关于多个位置的所获得的数据是否表示包括单一特性的区域，并且如果是这种情况，则将该区域建模为模型结构的层级的子区域。单一特性可以指的是共用或类似特征或遵循共用逻辑的特征，例如遵循共用方程式。举例来说，只要在一区域内不存在引起意外不连续的元素，就可以用共用方程式在该区域内对通信网络(可选地是蜂窝网络)的信号强度建模。因此，仍然可以通过关于邻近或周围位置的可用样本对还没有接收到直接测量数据(定位/环境数据样本)的原始空白区域进行建模。

可选地，使用包围盒(bounding box)方法可以确定诸如子区域的区域和/或在子区域之外的区域。可以利用相对于物理位置的所获得的数据点限定围绕所述点或者在所述点之间的若干包围盒(“空”区域)。一旦接收到进一步的数据点，可以进一步地拆分存在的包围盒。通过调节所述盒的边界以覆盖一些所获得的数据点(测量值)，和通过所选择的估计技术以及使边界区域测量值逻辑拟合至模型来确定所述盒内的特性，可以在包围盒内对特性(诸如信号强度)进行建模。

在进一步的实施方案中，针对一区域(诸如子区域)至少暂时地建立多个竞争(competing)或平行的模型。替代完全的地理对应性，模型可以仅部分地重叠。

根据预定标准，基于检测由获得的相对于一区域的最近数据指示的特性中足够大的变化或暂时间断，诸如信号强度的变化，考虑到基于早先数据的模型，与先前的模型一起创建与之竞争的遵循最近数据的修正模型。

两个模型都可以更新，直到根据可选地将重点放在最近数据上的决策标准而被认为是劣的模型被放弃，并且剩余的模型将会保留作为唯一的模型，至少直到下一个重要的变化。在所检测的变化是永久的情况下，较新的模型将保留而先前的模型则会被放弃。

关于例如无线网络的网络条件可以永久地或暂时地急剧变化。例如，可以建立新基站，停止旧基站，改变配置，建造或拆毁影响区域中无线电波路径的物体(诸如建筑物)，无线通信的量相当大地增加或减少(当例如新营业中心开张或一些存在的热点关闭时可以发生)。可以建立平行模型以描述发生在关注区域上的网络和相关无线环境中的波动。

在进一步的实施方案中，基于区域的(诸如基于子区域的)模型是时间敏感的。模型可以表现出区域相关特性的暂时的、可选地规律的波动。例如，日常交通、工作时间等均可以在无线信号传输的量和/或类型方面影响无线环境(例如信噪比)，因此通过模型暗示的区域相关特性可以是高度时间敏感的并且还优选地是对时间敏感作出响应而被建模的。根据实施方案而定，可以关于不同分辨率设置时间敏感性。举例来说，可以是基于小时、当日时间、星期或者月。根据定位的时间和所获得的相关数据，对应模型信息(诸如参数)可以应用于确定位置估计。

在进一步的实施方案中，代表某一时刻或时间跨度的基于概率地图的模型被与先前的基于概率地图的模型或至少相关的先前数据合并，以使历史位置转变概率与其结合。

定位实体可以被配置成通过先前的数据可选地基本上连续、周期地或间歇地确定通向关联的最有可能的当前位置的最有可能的移动路径。

可选地，当确定相关概率时，移动估计和暂时分析考虑可用的额外支持信息。如果分析的区域总体被分类为“高速公路”，连续定位点之间相对快速移动是可能的，甚至很可能的，这可以被定位逻辑用以使能为概率赋予权重或以其他方式调整概率。在这种区域从一个测量到另外一个测量保持在一个位置是不太可能的，除非在附近存在加油站、进行的道路施工等。与此相比，具有低速度限制的地方道路和多个附近的交通灯意味着(通常)相对适度的转变。相同情况一般应用于室内位置和例如散步，其中，除了低速度转变，移动设备实际上还保持静止，并且快速转变是非常不可能的。

可选地，预定估计逻辑被应用来基于根据当前和历史环境数据确定用于移动设备的若干路径的概率，预测移动设备的可能的路径和当前或将来的位置。可选地使用卡尔曼滤波器。

在进一步的实施方案中，在定位期间，在定位第一移动设备时使用从第二移动设备获得的数据。因为多个移动设备可以基本上同时存在于感兴趣区域，所以它们中的每一个均可以为定位装置提供同样有助于定位其他设备的数据。因此在定位第一设备时可以共同使用来自多个移动设备的数据。特别地，可以利用从第二移动设备接收的数据以改变第一移动设备的位置概率。

在进一步的实施方案中，移动设备的接收特性之间的差异可以通过偏移匹配程序补偿。由移动设备提供的环境数据和可选的定位数据可以利用多个候选偏移量(例如偏移因子、适应性公式等)拟合至概率模型，以考虑到数据对应性和比较来确定用于数据的适当的偏移或缩放。偏移匹配可以包括暂时的方面，即代替拟合各个点，移动路径估计可以应用于偏移匹配。

在进一步的实施方案中，针对每个采集的样本，记录数据源并且可选地计算可靠性估计。例如可以基于源(例如专业相对于众包、GNSS相对于手动)、所估计的GNSS精度(例如由GPS(全球定位系统)接收器给予的估计)、与外部地图的对比、在连续测绘中移动的连续性(位置的物理不可能性或高度不可能变化)等，确定可靠性。随后，在建模和/或定位时，相较于被认为具有较低可靠性的数据，可以给予被认为具有较高可靠性的数据更多权重。

在进一步的实施方案中，移动设备除了可以提供无线环境数据(诸如小区信息)，还可以提供绝对或相对时间信息和/或从传感器数据(加速计、陀螺仪、指南针、气压、湿度、温度)到可选地用户指定位置和/或相关背景信息(步行、驾驶、地面信息等)的额外的信息，以协助对设备进行定位。可以基于传感器数据获得该背景信息。可选地，例如照相机图像或声音数据(麦克风信号等)可以通过移动设备获得并且可以通过用于确定位置背景或活动背景数据的模式识别技术对其进行本地或远程分析，以用于定位目的以及其他用途。

在进一步的实施方案中，可以从除了移动设备之外的若干源获得表征感兴趣的区域和其子区域的支持信息(诸如背景信息)。网络运营商可以提供关于他们的网络配置的信息，诸如小区塔(基站)的位置、所使用的信道以及传输参数(信号强度等)。测绘员、测量员、官方工作人员、建设公司、普通公民可以经由他们的(电子)服务或数据库以同样方式提供信息。数据源可以按一定信任水平关联，然后这被应用于在建模或定位期间采用或使用该信息作为例如重点因子。

所述信息可以描述区域(例如城市、郊区、农村、森林、公园、工业、牧场/农场/农业、海边、山、丘陵、山谷等)的区域人口统计资料/人口、地理性质或拓扑，和/或区域中相关的物体(大小、集中等)，诸如建筑物和其他基础设施如街区、桥、水坝、港口等的区域人口统计资料/人口、地理性质或拓扑。可以指示移动相关数据，诸如适用的速度限制、交通状态(堵塞/畅通等)、道路、道路类型(高速公路等)、人行道、自行车道、交通灯(状态、位置)等。所述系统可以被配置成根据所选择的逻辑，应用所获得的支持测绘信息修正概率地图模型结构的概率和/或其他区域特性特征。举例来说，关于区域的类型和组成的信息可以影响总体应用于该区域的信号模型(例如传播、衰减或者强度模型)。例如具有较高密度的人造基础设施(诸如建筑物)的区域可被分配有更急剧的信号衰减特性，反之亦然。

在另一方面，一种用于定位能够在至少一种无线通信网络中运行的移动设备的方法，包括：

从存在于感兴趣区域中的多个测量移动设备获得定位数据(诸如卫星定位数据)和环境数据(诸如基于蜂窝网络的数据)，

基于所获得的数据，建立用于感兴趣区域的多层级概率地图模型结构，其中，每个较高层级通过多个确定的子区域以较低空间分辨率覆盖感兴趣区域，每个子区域就所获得的数据和/或从中得出的特征而言具有单一特性，并且对于邻近的上部层级的每个所述子区域，每个较低层级对应地以较高空间分辨率覆盖其多个确定的子区域，最低层级确定模型最高空间分辨率位置元素，所述位置元素可选地是坐标，以及

生成移动设备的位置估计，其中，由移动设备提供至少环境数据和可选的定位数据，并且通过从最高层级中的若干子区域开始，遍历多层级概率地图模型结构的若干竖向候选路径的至少一部分来确定移动设备的位置的估计，基于考虑到所获得的环境数据和可选的定位数据以及子区域的特性而确定移动设备驻留于每个子区域中的概率，在每个层级上选择候选子区域并且使路径继续或者终止，直到到达具有最高空间分辨率的最低层级，其中，根据预定标准，基于移动设备的最高概率位置元素确定移动设备的位置估计。

在另一方面，一种能够在至少一个无线通信网络中运行的移动电子设备，被配置成：

获得用于感兴趣区域的多层级概率地图模型结构，其中，每个较高层级通过多个确定的子区域以较低空间分辨率覆盖感兴趣区域，每个子区域就所获得的数据和/或从中得出的特征而言具有单一特性，对于邻近的上部层级的每个所述子区域，每个较低层级对应地以较高空间分辨率覆盖其多个确定的子区域，最低层级确定模型的最高空间分辨率位置元素，所述位置元素可选地是坐标，基于来自存在于感兴趣区域中的多个测量移动设备的定位数据和环境数据建立模型结构，

基于若干捕获的无线网络信号获得环境数据，以及

通过使用模型结构估计移动设备的位置，其中，通过从最高层级中的若干候选子区域开始，遍历多层级概率地图模型结构的若干竖向候选路径的至少一部分来确定该位置，基于考虑到所获得的环境数据和子区域的特性而确定移动设备驻留于每个子区域中的概率，在每个层级上选择候选子区域并且使路径继续或者终止，直到到达具有最高空间分辨率的最低层级，其中，根据预定标准，基于移动设备的最高概率位置元素确定移动设备的位置估计。

正如本领域技术人员所意识到的，上述提出的关于系统的各种实施方案的考虑可以加上必要的修改而灵活地应用于所述方法和所述移动设备的实施方案，反之亦然。

另外，还提供了一种包括在非临时载体媒介中的计算机程序产品，包括促使计算机执行方法的任何步骤的计算机指令。

正如在前述的基础上本领域技术人员清楚的，本发明的各种实施方案的实用性源自取决于所讨论的每个具体实施方案的各种问题。当在附近区域测绘或相关测绘(测量)数据的量变化很大时，由于信号测量的不稳定性质，传统的基于“指纹识别”的技术更有可能找到较高测绘量的区域内的位置匹配。与此相比，本文建议的基于概率地图的方法可以通过下述方式消除或最小化这个问题：使用更大范围的数据量和统计分析确定在某一地方出现某些测量值的概率，而不是依赖于在那里实际已经观察到的精确读数或自动地选择在当考虑所有相关因素时原本具有低得多的概率的另一位置中已经观察到的精确读数。在建模和定位中的概率方法对现实生活中的不规律、干扰和底层系统(underlying system)及所执行处理的不准确相当不敏感。该方法一般适合于大量的无线技术和移动设备，包括4G及相关的技术诸如LTE。

不过，多层级多分辨率概率地图模型结构使得能够以降低的计算成本实现对移动设备的基本上实时的定位。多候选位置可以利用粗糙空间(地理的)分辨率首先粗略地估计，然后在不同模型层级上进一步分析直到满足放弃候选位置的标准或到达最低层级/最高空间分辨率的层级。

所使用的定位技术在估计可能的当前和将来位置以及关联的路径时，考虑历史数据(先前采集的关于待定位设备的数据)。然而，信号路径特性之间的暂时差异可以被确认并且用于使用例如时间依赖模型进行定位。

按照模型和其修正，检测、监测和分析在无线环境中检测的变化。

进一步地，通过数据的偏移匹配补偿移动设备的相互不同的接收或处理能力。

当结合附图进行阅读时，从下文对具体实施方案的更加详细的描述中，将会最佳地理解本发明的各种实施方案以及额外的目的和不同的优点。

在本文中呈现的发明的实施方案不能理解为对所附权利要求的适用性的限制。在本文中动词“包括”或它的任何其他变型被用作并不排除还存在未述及的特征的开放式的限制。在从属权利要求中述及的特征相互能够自由地结合，除非另有明确说明。本文使用的术语“一(a)”、“一个(an)”和“至少一个”限定为一个或多于一个。本文使用的术语“多个”限定为两个或多于两个。术语“数(数量)”在本文中基本上是指任何正整数，诸如一、二或三。本文使用的术语“包含(including)”和“具有”限定为包括(comprising)。本文使用的术语“另一个”限定为至少第二个或更多个。本文使用的术语“程序”、“计算机程序”和“计算机指令”限定为设计用于在处理器上执行的指令的序列。

附图说明

下文将参照附图更加详细地描述本发明的各种实施方案，在附图中：

图1示出了根据本发明的一个实施方案的一个基本使用场景。

图2示出了用于本发明使用的多层级概率地图结构的一个实施方案。

图3是根据本发明的一个实施方案的装置的框图。

图4是公开根据本发明的方法的一个实施方案的流程图。

具体实施方式

图1在102处经由其仅示例性使用场景示出了本发明的一个实施方案。

定位系统106可以至少部分地位于若干服务器108中，所述服务器存在为经由通信网络104诸如互联网和/或蜂窝网络可访问。可选地，可以使用提供资源的高效和简单的可扩展性的云计算环境来实施系统106。在一些其他实施方案中，待定位的移动设备可以在即使没有互联网连接存在时也可以优选地本地执行根据本发明的定位方法的意义上是自给的。在另一些实施方案中，可以由(网络)装置通过使用移动设备在任何情况下提供给网络的信息来定位移动设备，即没有专门将移动设备布置成给网络特别提供用于定位的信息，这是由于它们根据所使用的无线技术，例如定期性地将数据报告给网络以使能例如保持登记在其中，因此相同的该数据也可以满足根据本发明的定位的目的。这种方法可以在与紧急情况有关时尤其有用，诸如突发事件或“911”电话和寻找失踪人员等。

实际上，系统106被配置成定位感兴趣区域中用户所携带的/拥有的移动设备112，诸如无线终端设备、现今最典型的智能手机、平板电脑、平板手机、膝上型电脑等。因此，可以认为系统106也能够定位关联的用户。基本上，整个感兴趣的区域就它的大小而言可以是全球的、区域的或者本地的，并且可以被分成若干子区域，用于如在整个文本中所解释的计算。该区域可以包括具有自然和人造特征的不同地貌(topography)，诸如图中示出的可能会影响移动设备112感测的环境数据的建筑物120。该区域还可以包括更多动态或基本上暂时性的物体，诸如车辆120b。

移动设备112可以在一个时间连接至若干无线网络和相关基础设施的部件。通过这种网络连接，系统106还可以从设备112接收各种数据，诸如环境或定位数据。举例来说，该部件可以包括蜂窝网络的基站110a和无线LAN(局域网)网络的接入点110b。不过，移动设备112可能还能够从外部源(诸如卫星114)接收明确的定位数据，该外部源可以指的是GNSS(全球导航卫星系统)诸如GPS(全球定位系统)或GLONASS(全球导航卫星系统)，或一些地理上更加限制的替代物。

在目的在于建模和建立至少基于最初的概率地图的模型结构的测绘或测量操作期间，优选的是，为了该目的提供数据的移动设备112能够接收并且转发定位数据和环境数据(诸如表示所检测的蜂窝或其他无线网络的数据)，而在实际定位阶段期间，期望的是待定位的移动设备112不一定获得任何这种定位数据，而是替代地仅获得环境数据。技术上经常实现为服务器或相关服务的外部源116、118可以进一步提供数据，以改善建模和/或定位活动。源116、118可以提供无线网络操作或配置相关的信息(例如小区塔位置或配置数据)、网络或道路交通信息、事件信息、地理信息、人口统计信息等。

由移动设备102、外部源116、118和其他实体提供的数据可以被存储为原始数据和/或参考上述子区被存储为物理区域限定的组，所述提供的数据规定了例如信号强度平均值、小区标识符或信号强度的相对和绝对权重、信号范围等。

在建模和/或定位期间，有利地协作应用多种无线通信技术或来自这些无线通信技术的数据。可以基本上同时、交替地等方式应用多种不同技术。仍可以部分独立地分析涉及每种技术的数据并且建立相关的技术特定模型，但是至少最终的决策应该结合从依赖于对每种可用技术的分析获得的信息。在这种意义上，进行混合建模和定位。由此，即使利用技术特定数据和模型，还是要注意通过预定合并逻辑确保技术特定数据和模型的最终相互兼容性。

举例来说，通常适用的无线技术的多个示例包括2G、GSM、3G、4G、LTE、WCDMA和基于WiFi的技术。在建模阶段，可以构建用于不同技术的具有不同参数和/或确定逻辑的专用(子)模型，但至少在定位期间，最终将技术特定考虑结合以获得用于移动设备的位置的一般估计。

可以将对定位移动设备有用的数据(诸如环境数据)例如在网络测量报告(NMR)中提供给定位系统106。举例来说，数据可以识别相对于移动设备的服务小区和/或若干相邻小区。数据可以包括选自下述组的至少一个元素，该组由以下项组成：MCC(移动国家码)、MNC(移动网络码)、LAC(局域码)、TAC(追踪域码，在4G LTE中可用，识别具体网络中的追踪区域从而提醒2G/3G中的LAC)、CID(小区标识符)、PCI(物理小区标识符，在4G/LTE中可用)、ARFCN(绝对射频信道号)、BSIC(基站识别码)、CPICH(公共导频信道)、MAC(媒介存取控制、MAC地址)和RSSI(接收信号强度指示)。然而，优选地，数据包括多个前述元素。由于根据该系统，报告数据无论如何都可以从移动设备传输至网络，可以实现基本上透明的运营端定位。

具体参照小区数据，小区数据可以存储有运营商(MCC&MNC)标识符和例如主扰码(WCDMA)/ARFCN+BSIC(GSM)或其他稳定标识符。接收的信号强度也是用于获得良好定位精度的有益参数，尽管该接收的信号强度不是绝对需要。射频数据(来自ARFCN/UARFCN)可以用于改善定位。诸如LAC和CID的标识符被存储于可用的地方，并且该标识符对于获取第一修复(fix)尤其有帮助，但不是必要的。移动设备可以被配置成监测例如各种控制信道，以获得与本发明一致的用于定位的小区数据，或适用于确定定位的数据。

进一步地，与3G相关，例如UMTS/WCDMA、RSCP(接收的信号码功率)或使用它得出的数据可以应用于建模/定位的目的。RSCP指示由接收器在具体物理通信信道上测量的功率。RSCP用作移动设备在当前位置的信号强度的指示，该信号强度可以用于估计其本身的位置。

然而，特别是关于4G/LTE，可以监测例如RSRP(参考信号接收功率)或者使用其得出的数据以用于建模/定位的目的。RSRP指示在用于承载小区专用参考信号的资源元素(RE，在物理层上传输数据的关于时间和频率的最小基本元素)的整个信道带宽上的下行链路参考信号(RS)的线性平均功率。因此RSRP反映移动设备在当前位置处的小区的强度。

许多前述的数据元素(例如RSCP和RSRP)在移动设备中是能够容易获得的，并且在任何情况下由移动设备中的部件(例如由基带处理器或“基带芯片”)确定，因此数据元素的进一步使用不真正需要大量额外处理。

所获得的数据(特别是例如小区数据)可以被分析、建模并且可以作为结合实体应用于定位，即在适用时与其他类似的实体结合。可以建模和计算不同结合的概率。举例来说，由于区域内单个小区有限的覆盖范围和小区塔的相对静态配置和分配，在蜂窝网络的情况下，在一个时间仅小区的某些有限的结合对移动设备可见。因此结合处理可以增加建模和定位结果的可靠性。

对于Wi-fi，MAC是一条优选的信息。这可以在可用时与小区数据关联以区分例如全球重叠的MAC。例如SSID名称对这个也有帮助。不需要射频，但射频可以用作额外的参数。记录时间优选地被包括在用于系统的收集数据库的登录条目中或与该登录条目相关联以保持为最新并能够自己更新。

在建模期间，获得包括定位数据(例如GPS)和关联的(无线)环境数据(可选地是蜂窝数据)的测量数据。然后为了随后与定位任务相关的使用，可以(预)计算不同的统计资料，部分该统计资料是技术特定。举例来说，针对一位置，可以确定不同小区信号强度的发生概率。

当收集数据时，也可以识别保持在由测量数据指示的位置外的区域。如上文提到的，可以利用所谓的包围盒技术对区域限制进行建模。基于限定包围盒的至少部分的边界区域的(测量)数据样本，仍然可以确定用于被包围住的未测绘或“空白”区域的内部模型。这种模型可以应用选择的外推法(extrapolation)和插值法(interpolation)以将可用数据的范围扩展至原本空白区域。

如此建立的概率模型稍后接受例如测量数据或者从其得出的数据(例如小区信号强度)作为输入，并且提供相关位置概率(具有最大概率的位置)作为输出。如在当前描述的基础上清楚的是，多个模型可以并联和/或串联地运行。

除了考虑在整个感兴趣区域中的代替/除了独立位置或者位置点的更大区域，本发明的实施方案为了确定当前位置优选地使用除了由移动设备提供的最近环境数据之外的先前的数据。因此，数据结合和汇总既发生在地理概念上也发生在时间概念上。当前和先前的位置候选可以用在计算路径概率中，所述计算路径概率引导向具有最大概率的当前位置候选处。

所分析出的路径可被滤波以平滑处理掉其中的潜在急剧转变。卡尔曼滤波可以应用于估计其移动和移动特征的可能性(转弯、直走等)。移动估计结果可以用于对位置概率赋予权重。当将这种估计程序和关于所讨论区域的其他已知信息(例如诸如建筑物、道路或各种障碍物的物体的位置)一起应用时，可以进一步对位置概率赋予权重。

如果获得指示移动信息(例如加速度、速度)的额外数据诸如传感器数据，可以进一步利用这种额外数据以改善概率。移动设备的移动必须遵循物理规律(可以限定对于速度、加速度、转弯速率变化、航向等的某一合理的限制)，因此还应该使用至少相对可靠的移动指示以相应地对概率赋予权重。当然，即使没有任何明确的移动传感器数据或类似的输入，在每个预期的区域，一般准则可能对例如最大速度是有限制的。例如，如果区域类型是城市或城市市区，非常不可能，实际上不可能真正出现约例如200km/h+的幅度或相关转变的速度。

在分析中还可以确认具体的日期、星期、月或者年的时间。例如可以因此改变无线环境或者交通条件(速度限制等)，这可以被统计地建模并且在定位中纳入考虑。

从本发明的观点来看，对所讨论的区域建模可能是当新的测量数据(诸如定位和环境数据)可用时执行的重复、反复的背景处理。于是，因为由于网络配置、交通条件、电网规划等的各种变化，区域中的无线环境有时会随着时间相当大地演变，这种主要的变化可以通过数据反映出，并且由本发明根据预定逻辑被追踪和检测到。

偶尔，注意到的主要变化是由于测绘中的错误或表示仅暂时的变化或日常波动。甚至气候条件可能会偶尔严重影响测量。

然而，测绘中的错误(例如从GPS中出现)通常以随机或半随机的方式出现。基于指示坏质量或其他以上列出的因素的GPS精度估计数据，经常可以预计这些情况，并且在定位中给这些情况低优先级，但是当没有注意这种错误时，通常可以通过该错误与周围测绘的极不可能的关联(根据与在该错误附近的其他测绘比较的低权重确定)最小化该错误的影响。

没有测绘是完全无效的，然而，除非明显有误或者如果在区域中有高测绘量且该测绘明显与剩余部分不匹配。另一方面，当更近的测量开始使先前的数据看起来过期和不能成立时，最终会放弃不能成立的数据。

通过关于相同区域和/或可能会被认为相互对抗的相关特征(例如小区信号强度、时间提前等)并列使用两个或更多个模型，可以在系统完全接受先前验证出永久出现的变化。检测到追踪特征中的主要变化的时刻可以用作创建新模型的时刻。当根据所使用的标准所述变化似乎是永久时，可以放弃先前的模型或者将先前的模型分类为非有效的，并且还在定位时切换至新的一个模型。

图2在201处示出了用于本发明的多层级概率地图的一个实施方案。范围理论上可以是全球的，但更加有限的关注(例如国家的或明显地区的关注)在地理上也是充分适用的。

实际上，已经将感兴趣区域210在多个重叠层级202、204、206处划分成特征方面或“特性上”内部联合的子区域212、214或者“小岛(islets)”，其中空间或者地理分辨率从顶部或表面层级朝向底部增加。

示出的栅格样结构和矩形的或具体地二次区域形状212、214仅是示例性的，并且当适当的时候(即特征域方面是可用的，所述特征域即随其建模的数据和特征)，除了这种规则形状之外，还可以排除性地使用其他形状或与规则形状一起使用其他形状。与较粗空间分辨率关联的一个层级202上的子区域214可以在随后的层级204上以更高的分辨率被检查，在该随后的层级上，反过来，子区域214由多个构成的(子)子区域等代表。在某一层级上多个子区域可以相互重叠。

在建模时，基于包括定位数据和基本上暂时对应的环境数据的所获得的测量数据，建立用于构成多层级结构或存在于多层级结构中的统计资料。通过发现地理上接近数据点之间的单一特性可以形成整个感兴趣区域中的不同子区域。单一特性可以指类似的信号值(诸如小区信号功率)或总体类似的规则、公式或逻辑(例如在信号衰减或一般的无线环境而言)，其中，区域中的位置看起来遵循所监测的特征。与定位数据(例如GPS错误估计)关联的并且可能被指示的错误在应用于建模时，可以进一步用以对对应的环境数据赋予权重或优先级。数据源可靠性信息还可以应用于处理测量数据或对测量数据赋予权重。作为具体示例，用专业工具的专业人员(例如测绘师)可以提供至少一些测量数据，因此这种数据可能被认为是比例如来自用普通消费电子类型测量装备的志愿者的数据更加可靠并且被给予更多权重。然而，众包是用最小努力获得大量数据的一种有效选择。

当数据包括用户输入的(手动的)信息诸如位置的指示(可以是自由格式文本“我在西第七大道(West 7^thAvenu)和银行街的十字路口处”或例如基于经由Google Maps^TM或者其他交互地图特征的位置的选择而输入的坐标或者其他更加具体的位置)时，相较于用机器确定的位置，对于这种位置通知可以为错误分配更少权重/更多余地。在专业的和爱好/志愿测绘人之间，类似的权重可以应用于手动输入的数据。

为了定位设备，通常为移动设备诸如智能手机、平板电脑或平板手机，通过使用模型结构和建立的相关统计资料，从最高层级202中若干最可能的候选子区域开始，穿过多层级概率地图模型结构的若干竖向候选路径的至少一部分，其中，该候选子区域看起来与由移动设备提供的环境数据最匹配。如上文所述，同样在定位期间，也可以利用由其他移动设备提供的数据来更新模型和相关概率。

在下一层级204上，确定最可能的候选(子)子区域然后行进至随后的层级206。在任何层级，当跨过层级的一些候选(竖向)路径作为移动设备的真实位置的可能性下降到或者保持在所使用的阈值标准之下时，可终止/放弃上述候选(竖向)路径206b。当由于从上层级切换至更具体的层级使分析分辨率增加和/或从移动设备接收更多环境数据时，这种动作很可能会发生。

最后到达具有最高空间分辨率的最低层级208，其中，基于当前和先前接收的包括至少环境数据和可选的定位数据或额外的/支持数据的测量数据，在该阶段基于具有最高概率的位置确定移动设备的最终位置估计。

在该图中，某些位置218的概率表示为概率分数(遵循预定计划的数值，该预定计划也可以是通常与模型一起使用的优选的计划)，分数越高移动设备在特定位置中的概率越高。这些确定位置可以代表例如在举例而言建模期间获得的原始数据中明确存在的位置、或者基于在下面、邻近或者附近原始数据点得出的区域/位置。输出的位置估计216可能是最匹配的这种位置，或者通过合适的技术(可选地包括例如插值法或外推法)基于根层级位置计算的位置。

在230处，相对于三个时刻(具有不同图案的条)，示出了多个候选位置的概率(分数)分布的仅示例性、说明性概图。

多层级制度201在许多方面是有利的用于定位的方法。在较高的层级上，就动态数据传输、处理和存储器要求而言，可以快速并且有效地确定潜在位置的粗略估计，并且当在更详细观察剩下的选项的情况下更加深入地进行模型结构时，所确定的和大部分(子)区域很可能被某种程度上立即放弃。

然而，本领域技术人员将意识到以下事实：即使为了目标使用场景，最终选择仅可选地执行单个层级方法的一些替选模型结构代替本文详细描述的多层级结构，还是可以利用本发明大部分其余的优点特征和原理，包括模型中的子区域，并且涉及建模和定位两个方面。举例来说，所建议的多层级方法在许多情况下在必要的实时处理的量方面产生了节省，但在处理和存储器限制不是问题的某些应用中，也可以预期和使用其他模型结构。

根据前述内容，接下来在下文中提供了根据本发明的可行定位技术的一个实施方案的仅示例性的伪代码类型描述。为了进一步说明，用一些嵌入有(/*)的添加注解已经尽可能明了地创建该代码。

图3在300处示出了根据本发明一实施方案的包括至少一个设备(可选地为服务器)的电子设备或装置/系统的框图的更加逻辑上的表示图。

原始数据308可以包括在对感兴趣区域的特性建模期间，从多个移动设备和/或其他源获得的测量数据。模型301可以包括建立在本发明的情况下保持的至少部分多层级概率地图模型结构的统计资料和其他推导的数据，用于使能准确和可称量地定位。建模实体304可以指的是应用于建立和维护模型和相关数据的逻辑、规则、方法等。定位实体306对应地指的是应用于基于所获得的环境数据、模型302和其他可能的数据定位目标设备的逻辑、规则、方法等。数据传输实体310可以负责与外部实体通信，所述外部实体诸如网络基础设施和经由网络基础设施可访问的实体。主控制312指的是如下控制实体，该控制实体管理各种(可选地基本上同时)执行的处理、数据和它们之间的属性/参数的信令、对查询诸如定位请求的应答等的总体执行。

在320处，示出了关于相同电子设备或装置/系统的更加面向硬件的描述。可以设置有至少一个处理元件324，诸如一个或多个(微)处理器、微控制器、DSP(数字信号处理器)、可编程逻辑芯片等。元件324可以被配置成执行存储在存储器320中的计算机应用码，这可能意味着处理涉及与本发明关联的用于定位的若干应用或软件模块/实体的指令和数据。可以在一个或多个物理存储器芯片或其他的存储器元件之间划分存储器320。存储器320还可以指的是并且包括其他的存储媒介，诸如优选的可拆卸内存卡、软盘、CD-ROM(光盘只读存储器)或固定的存储媒介诸如硬盘驱动器。存储器320性质上可以是非易失的(例如ROM)和/或易失的(例如RAM)。

可以设置UI(用户接口)并且该UI包括配置成使得给装置/设备的用户提供可行的数据可视化和设备控制装置的显示器322和/或到外部显示器或数据投影机的连接器、以及键盘/按键326或者其他可应用的本地控制输入装置(例如触摸屏或声音控制输入装置，或单独的键/按钮/旋钮)。UI还可以包括用于声音输出的一个或多个扬声器和关联的电路。不过，还可以通过例如网络服务器和由网络服务器运行的网址实施远程UI功能。为了这个目的，可以利用数据传输接口328。替代地，可以设置不同API(应用程序接口)以访问和使用本发明的要素。

可以设置包括例如有线网络(诸如LAN(局域网，例如以太网))接口或无线网络接口(例如WLAN(无线LAN))的数据传输接口328。终端设备可以包括无线蜂窝接口，例如符合GSM(全球移动通信系统)、UMTS(共用移动通信系统)和/或4G/LTE的一个，和例如前述的WLAN接口。还可以设置GNSS或地区定位系统接收器(诸如GPS或GLONASS接收器)。

重提前述逻辑，因此用于指示下面的硬件执行本文建议的各种程序至少部分软件可实现的功能能够被实施为一个或多个由于处理器执行的软件应用。因此可以在非临时载体媒介(诸如内存卡、内存条、光盘(例如CD-ROM、DVD、Blu-rayTM))或一些其他内存载体上设置这种计算机软件(产品)。

在一些实施方案中，通过若干上文提到的网络连接服务器设备实现本发明的装置或系统。服务器可以建立远程服务，移动设备提交数据至该远程服务，并且移动设备从该远程服务接收位置估计。可选地，在待定位移动设备处通过客户端软件已经执行被认为是本发明装置的整体部分的至少一些动作，在这种情况下，也可以将该装置/系统视为包括该特别的移动设备。

在进一步实施方案中，如上文暗示的利用了基于移动的实现。可以在移动设备采用至少多层级模型的静态副本或该静态副本相关(例如地理限制的)部分和必要的定位逻辑。可以下载适合的形式的计算机软件，例如定位客户端应用或定位服务器的本地实例，以使能独立定位特征，至少没有连续地要求使用若干远程服务或服务器或到若干远程服务器或服务器的活动连接。

图4在400处描述了公开根据本发明的方法的实施方案的流程图。在402处表示开始阶段，可以执行各种预备动作。例如，可以增加和配置不同硬件元素和相关软件，诸如定位服务器、移动客户端等。

项404通常涉及建模或“测绘”活动，包括从在感兴趣区域中存在的多个测量移动设备414处获得定位数据(诸如卫星定位数据)和环境数据(诸如蜂窝网络基数据)。为了这个目的，移动设备可以设置有专用的数据采集和报告逻辑(例如以定制软件的形式)。从若干其他源416参照例如网络元素/运营商、官员、外部信息服务提供商等还可以获得各种数据。

在406处，执行进入基于所获得的数据建立如上文计划的用于感兴趣区域的多层级概率地图模型结构。

项408涉及获得用于定位目标设备的相关实时或接近实时(通常尽可能是实时的)数据，包括环境数据、优选地小区数据和/或无线局域网相关数据。

项410涉及根据所获得的数据，通过遍历多层级模型的至少一部分生成设备的位置估计。

特别地，从最高层级中的若干候选子区域开始，可以遵循多层级概率地图模型结构的多个竖向候选路径，基于考虑所获得的环境数据和可选的定位数据以及子区域的特性，确定存在于每个子区域中的移动设备的概率，在每个层级上选择候选子区域并且继续路径或者终止路径，直到到达具有最高空间分辨率的最低层级，其中，根据预定标准，基于移动设备的最高概率位置元素确定移动设备的位置估计。

然而，这里本领域技术人员应该意识的是，例如在在基本上连续的定位任务(诸如通常使用场景的导航类型)期间，为了每个位置更新，移动结构可以不必从顶部穿越到底部，即从顶部层级到最低层级。相反，在先前的定位回合中选择的某一中间层级的子区域或甚至是最低层级的子区域可以应用作为用于根据预定逻辑确定更新的位置估计的起始点。

通常，当用短的时间周期在随后的位置估计之间基本上连续地执行定位任务时，至少在关于多层级模型结构的实际上部层的粗糙层上，历史信息(诸如早先捕获的数据)和相关位置估计以及模型的选择的子区域仍然是适于用于确定更新的新位置估计的起始点。可以将新环境数据和历史数据一起利用以确定当前定位回合的合适的层级和/或子区域。于是，根据每个定位回合，可以备份处理资源并且通过省略到模型结构顶部不必要的递回减少处理延迟。因此可以直接从模型的较低层级继续模型的应用。

在412处，结束方法执行。点线回环箭头描述了各种公开的方法项的潜在和可能的重复性质。本领域技术人员将会意识到除了定位动作，模型和相关统计资料仍然可以更新的事实。

最后，在本公开内容和通常常识的基础上，为了实施由所附权利要求限定的本发明的范围，本领域技术人员可以在每个特别的使用情况下应用所提供的教示，如果存在，则该每个特别的使用情况下可以有必要的修改、删除和添加。

关于联系本发明建模和定位的可应用维度，优选地至少考虑二维。诸如地理坐标(例如纬度、经度)或笛卡尔坐标的坐标可以用于表示其中的位置。可选地，可以用海拔类型竖向数据实施三维定位。可以采集相对于多个竖向层或层级的测绘数据，或者用于表示竖向数据的单位可以是任何优选的一个，例如厘米或者米。