用于管理基于预测的定位方法的方法、无线设备和网络节点的制作方法
【技术领域】
[0001] 本文的实施例涉及无线通信系统，例如电信系统。具体地，公开了用于管理基于预 测的定位方法的方法和无线设备，以及用于管理无线设备在执行基于预测的定位方法时使 用的移动性样式的方法和网络节点。
【背景技术】
[0002] 许多智能电话应用或服务需要位置信息，例如包括移动广告、移动社交网络等基 于位置的服务。
[0003] 因此，在今天的现代移动设备中，通常提供两种定位功能:全球定位系统(GPS)功 能和基于网络的定位功能，例如基于小区-ID或WiFi接入点(AP)的定位功能。WiFi是一种允 许电子设备使用无线电波无线地交换数据或与互联网连接的技术。
[0004] GPS接收机通过确定精确地由发送信号的GPS卫星的集合所发送的信号的定时来 计算它的位置。GPS接收机当包括在移动设备中时通常平均精确到10-20米范围内。
[0005] -些基于网络的定位功能使用蜂窝网络的小区标识（小区-ID)和媒体访问控制 (MAC)地址，例如根据802.11AP MAC地址，以估计移动设备的位置。基于网络的定位功能可 以使用包括在蜂窝网络中的基站的位置作为移动设备位置的估计。应注意，基站的位置是 已知的，并在可以由蜂窝网络管理的数据库中存储。用该基于网络的定位功能实现的精度 依赖于蜂窝网络中可能高达几千米的小区大小。其他基于网络的定位功能，例如WiF i定位， 应用与基于网络的定位功能相似的功能，如上所述，基于网络的定位功能使用小区ID。替代 于蜂窝网络的基站的位置，在可以查询的数据库中保存关于WiFi AP位置的地理信息，以做 出对于与WiFi AP连接的移动设备的位置的估计。
[0006] 大量统计研究，例如Gonzalez，M.C.，Hidalgo，C.A.，Barabasi，A.L.， "Understanding individual human mobility patterns" ·Nature 453(7196)，2008以及 Song，C·，Qu，Z·，Blumm，N·，Barabsi，A·L·:"Limits of predictability in human mobility"，Science 327(5968)，2010,已经示出了大多数人具有移动和行进的日常路线。 在已经观察了一个人一段时间的情况下，这提供了预测并估计这个人的移动（即人携带的 移动设备)的机会。
[0007] 尽管如上所述若干定位系统已经可用，但是它们具有一些固有的局限性。基于网 络的定位功能非常节能，但是通常容易出现高达几千米的误差。不利地，对于一些可能需要 对移动设备位置较精确估计的基于位置的应用，几千米的精度可能不够。
[0008] 上述GPS功能提供了良好的精度，但是还周知，GPS接收机非常耗电。因此，即使在 没有任何其他活动(例如蜂窝网络传输)的情况下保持GPS接收机持续激活通常将快速耗尽 移动设备的电池。这是移动设备中基于位置服务的全日使用的困难之处。
[0009] 已经存在一些尝试减小移动设备中的定位功能的能耗的现有努力。在EP2464182 A2中，公开了一种基于小区-ID辅助定位系统的导航方法。基于存储的路径信息来确定移动 用户的当前位置。路径信息包括所记录的小区-ID和GPS信息的序列。所记录的小区-ID序列 的长度是固定的，例如10。然后，识别小区-ID的当前序列。当前的小区-ID序列的长度也是 固定的，但是比所记录的小区-ID序列短，例如等于5。然后，相对于所记录的小区-ID序列来 匹配当前的小区-ID序列。如果存在匹配，则时间插值和GPS信息被用于估计当前定位。 [0010]已知的基于预测的定位方法的问题在于，针对一些应用精度不够高。
【发明内容】
[0011]目的可以是提高电信系统中基于预测的定位方法的精度。
[0012]根据一方面，该目的是通过一种由无线设备执行的用于管理基于预测的定位方法 的方法实现的。无线设备执行与无线设备的移动性相关的移动性测量。无线设备通过使用 移动性测量和第一小区内样式，基于预测来估计无线设备的位置，所述第一小区内样式指 示小区内的位置(例如GPS坐标）。无线设备与该小区相关联。此外，在估计的位置已经到达 第一小区内样式的检查点时，该无线设备检测无线设备处于第一小区内样式还是第二小区 内样式。该检查点识别所述第一小区内样式与用于指示所述小区内的位置的第二小区内样 式之间的接合点（junction)。
[0013] 根据另一方面，该目的是通过一种被配置为用于管理基于预测的定位方法的无线 设备实现的。该无线设备包括处理电路，该处理电路被配置为:执行与无线设备的移动性相 关的移动性测量，并基于通过使用移动性测量和第一小区内样式的预测来估计无线设备的 位置，所述第一小区内样式指示小区内的位置。该无线设备与该小区相关联。此外，该处理 电路被配置为：当估计的定位已经到达第一小区内样式的检查点时，检测该无线设备处于 第一小区内样式还是第二小区内样式。该检查点识别所述第一小区内样式与用于指示所述 小区内的位置的第二小区内样式之间的接合点。
[0014] 根据另一方面，该目的是由一种由网络节点执行的用于管理无线设备在执行基于 预测的定位方法时所使用的移动性样式的方法实现的。该网络节点接收关于移动性样式的 信息。该移动性样式包括由无线设备访问的小区的小区内样式。该网络节点根据接收到的 关于移动性样式的信息来分析所述移动性样式。分析包括:通过找到小区内样式中的至少 两个小区内样式之间的接合点来识别一个或更多个检查点。
[0015] 根据另一方面，该目的是通过一种网络节点实现的，该网络节点被配置为:管理无 线设备在执行基于预测的定位方法时所使用的移动性样式。该网络节点包括处理电路，该 处理电路被配置为:接收关于移动性样式的信息。该移动性样式包括由无线设备访问的小 区的小区内样式。此外，该处理电路被配置为:根据接收到的关于移动性样式的信息来分析 移动性样式。分析包括:通过找到至少两个小区内样式之间的接合点来识别一个或更多个 检查点。
[0016] 根据本文实施例，描述并提出了考虑用户移动性历史的移动设备中的节能定位机 制。
[0017] 术语"小区间样式"可以指小区标识符(例如，小区ID)的序列。小区标识符的序列 可以与关于无线设备何时在与序列中的小区标识符相关联的小区内逗留和无线设备在与 序列中的小区标识符相关联的小区内逗留的时长的信息相关联。有时，互换地使用术语"小 区间轨迹"。然而，术语"小区间位置轨迹"排除了关于无线设备何时在小区内逗留和无线设 备在小区内逗留的时长的信息。无线设备何时逗留和逗留的时长可以包括在"小区间时间 轨迹"中。
[0018] 类似地，术语"小区内样式"可以指:指示小区内无线设备的时间和位置的点的序 列。这些点可以指空间点和/或时间点。有时，互换地使用术语"小区内轨迹"。然而，术语"小 区内位置轨迹"排除指示小区内轨迹的位置之间的时间的时间信息。时间信息可以被包括 在"小区内时间轨迹"中。
[0019] 术语"移动性样式"或"历史/历史的移动性样式"可以包括"小区间样式"和"小区 内样式"。
[0020] 根据一个示例性实施例，无线设备基于小区内样式预测或估计无线设备的位置。 小区内样式可以与无线设备当前位于的小区相关联。作为示例，小区内样式可以包括小区 内位置轨迹(例如，GPS坐标的集合），并且可能地还包括相应小区内时间轨迹。可能已经事 先记录的GPS坐标的集合可以指示无线设备的历史移动。小区内时间轨迹可以指示例如小 区内位置轨迹的GPS坐标之间的时间间隔。另一小区内样式可以与小区相关联。另一小区内 样式可以在初始提及的小区内样式的某一点处创建接合点。在检查点处(例如，可能也在特 定时间的位置/定位），无线设备可以识别无线设备当前处在初始提及的小区内样式和另一 小区内样式中的哪一个。因此，检查点可以位于接合点之后，例如在根据初始提及的小区内 样式的时间之后。
[0021] 如在前述段落中初始提及的，在估计的位置处于检查点或经过了检查点时，无线 设备可以获得对无线设备移动性的另一估计。可以例如通过开启包括在无线设备中的GPS 单元来获得移动性的另一估计，例如，关于位置和/或相对移动等的信息。无线设备可以确 立无线设备处于或遵循另一小区内样式和该小区内样式中的哪一个。可以通过对移动性的 另一估计与另一小区内样式(例如，另一小区内样式的位置或点）的比较来执行该确立。
[0022] 因此，实现了基于无线设备的小区内样式来估计无线设备的位置的精确方法。 [0023]有利地，一些实施例提供了当与纯基于GPS的定位比较时的节能定位机制。本文的 实施例节能的原因在于，可以关闭消耗相当大的能量的GPS功能。而同时，实施例仍提供比 基于网络的定位更好的精度。已经在安卓电话中实现了所提出的实施例。性能估计已经显 示了本文实施例的有效性。
[0024]当与已知解决方案（例如在上述EP2464182中所提及的）比较时，本文的一些实施 例具有若干优点。
[0025] 根据一些实施例的优点在于:通过引入多个小区内轨迹和检查点。使用多个小区 内轨迹，可以区分小区中不同的用户移动路径，并且可以在早期阶段，在检查点处检测无线 设备的预测移动或移动性样式相对于所估计的真移动的偏差。这大大提高了小区内预测精 度和预测移动的实用性，原因在于当检测时可以考虑到偏差。相反，先前提及的EP2464182 仅在以下情况下开启GPS:自从进入当前小区-ID起在该小区-ID中花费的时间远超过由关 于移动的历史信息给出的该小区-ID的离开时间。
[0026] 在一些实施例中，二阶马尔可夫模型被用于预测无线设备的下一个小区并确定无 线设备是否遵循它的历史移动性样式。该模型使用概率转移矩阵来做出预测，这不需要保 持全部历史小区ID序列。因此，从计算和存储空间的角度看比EP2464182更有效。此外，如上 所述，EP2464182中的小区ID序列的长度不能过短，而二阶马尔可夫模型仅要求小区标识符 (ID)序列的长度为2,即该序列包括至少两个小区ID。结果，可以由这种短（即，长度为2)的 小区标识符序列或小区标识序列更好地反映小区样式的动态改变(即，移动性样式）。
【附图说明】
[0027] 根据以下详细说明和所附附图，将易于理解本文公开的实施例的各方面，包括其 特定特征和优点，附图中：
[0028] 图1示出多个小区和通过这些小区的无线设备的移动性样式，
[0029] 图2示出两种移动性样式