1.根据软采信令的自适应指纹定位方法，其特征在于，包括以下步骤：第一步，离线路测采样和模型训练阶段，具体包括：
(1) 离线路测采集阶段：通过路测终端采集路测信息，得到测量报告；所述测量报告中
包括路测终端的位置坐标、测量报告中所涉及到的小区的标识信息以及测量报告在其所涉及到的每个小区上的场强数据、时延数据和方向角数据；
(2) 模型训练阶段：将每个测量报告作为一条训练样本，构建定位指纹库，并根据定位指纹库生成在线定位模型，包括：
(2-1) 将所述移动网络覆盖区域划分为边长为 L 的栅格，并将栅格编号，根据路测终端的位置坐标，将训练样本分配都对应的栅格中；
(2-2) 将栅格的编号作为位于该栅格的训练样本的分类标识，分类标识和训练样本共同组成指纹数据记录储存在定位指纹库中；
(2-3)采用支持向量回归算法（SVR）对同一栅格内的训练样本进行处理，得到每个栅格的SVR 定位模型，用于计算带定位移动终端所处的经度和纬度；
(2-4)将所述SVR 定位模型作为在线定位模型进行存储；
第二步，在线定位阶段，具体包括：
通过信令软采集获取待定位移动终端的测量报告，获取测量报告中所涉及到的小区的标识信息以及，测量报告在其所涉及到的每个小区上的场强数据、时延数据和方向角数据；
根据该测量报告中所涉及到的小区的标识信息，从定位指纹库中筛选涉及相同小区的指纹数据记录；
将筛选出的每个指纹数据记录所包含的训练样本与在线传入的移动终端的测量报告计算欧氏距离；并从中筛选得到欧氏距离最小的训练样本，根据其所对应的栅格，选定该栅格为目标栅格；
将目标栅格下的样本数据与SVR定位模型离线学习得到的参数，进行卷积计算，得到最终的预测经纬度；
第三步，定位指纹数据库自适应更新阶段和SVR定位模型自适应更新阶段，具体包括：
定位指纹数据库自适应更新阶段：根据步骤（1）采集新的测量报告，并根据步骤（2-1）和（2-2）形成备用指纹数据记录；根据所处栅格的SVR定位模型量化每一条指纹数据记录对于定位计算结果的影响程度，并标记每一条指纹数据记录的入库时间；根据量化的影响程度和入库时间更新定位指纹库，包括：
根据指纹数据记录的入库时间，筛选入库的时长超过设定时间段的指纹数据记录；
将筛选出的记录中量化的影响程度小于设定值的记录剔除；
如果定位指纹数据库内指纹数据记录的数量低于设定数量，则补充新采集的备用指纹数据记录进指纹数据库；
SVR定位模型自适应更新阶段，包括：
如果某一栅格内的指纹数据记录被剔除和/或补入，则根据剔除和/或补入后的指纹数据记录更新该栅格的SVR定位模型。
2.根据权利要求1所述的根据软采信令的自适应指纹定位方法，其特征在于：步骤（2）中，构建定位指纹库之前，对采集到的测量报告进行筛选，将符合要求的测量报告数据用于构建定位指纹库；所述标准为：
①测量报告数据中所涉及的小区个数大于等于4；
②时延数据数值小于等于所采用测量报告数据标准允许的最大值；
③测量报告数据所涉及的小区与该数据采样点的距离小于等于3000米。
3.根据权利要求1所述的根据软采信令的自适应指纹定位方法，其特征在于：在构建定位指纹库之前，将测量报告中的各测量值进行归一化预处理，将处理后的测量报告作为训练样本，构建定位指纹库。
4.根据权利要求1所述的根据软采信令的自适应指纹定位方法，其特征在于：在第三步中指纹数据记录的剔除步骤具体还包括：
为每一条指纹数据记录添加删除/保留标记；
以及，将根据入库时间筛选出记录中量化的影响程度小于设定值的记录标记为删除；
当到达更新定位指纹库的指定时间时，从所述定位指纹库中剔除所有标记为删除的指纹数据记录。
5.根据权利要求1所述的根据软采信令的自适应指纹定位方法，其特征在于：在第三步中的定位指纹数据库自适应更新阶段，如果定位指纹数据库内指纹数据记录的数量低于设定数量，则当到达更新定位指纹库的指定时间时，补充新采集的备用指纹数据记录进指纹数据库。
6.根据权利要求4所述的根据软采信令的自适应指纹定位方法，其特征在于：还包括为每一条指纹数据记录添加版本标记的步骤；
并且在第三步中的SVR定位模型自适应更新阶段，将新添加的记录的通过版本标记进行标记；
当到达更新定位指纹库的指定时间时，通过版本标记和删除/保留标记判断一栅格内的指纹数据记录是否被剔除和/或补入，如果是，则根据剔除和/或补入后的指纹数据记录更新该栅格的SVR定位模型。
7.根据权利要求1-6中任一项所述的根据软采信令的自适应指纹定位方法，其特征在于：所述设定时间段为24小时。
8.根据权利要求1-6中任一项所述的根据软采信令的自适应指纹定位方法，其特征在于：所述样本的设定数量为2000条/栅格。