一种满足应用定位需求的方法及用户设备与流程

本发明涉及定位技术领域，特别涉及一种满足应用定位需求的方法及用户设备。

背景技术：

空间定位技术是lbs(locationbasedservice，基于位置服务)的基础，随着移动互联网的发展，空间定位技术在导航、周边搜索、位置推荐等领域获得了广泛的应用，实时、精准的定位具有非常大的社会意义和商业价值。

空间定位技术包括基于gnss(globalnavigationsatellitesystem，全球导航卫星系统)的定位技术，主要包括gps(globalpositioningsystem，全球定位系统)及北斗定位系统等，基本原理是测量出已知位置的卫星到用户接收机之间的距离，然后综合多颗卫星的数据对接收机进行定位。基于gnss的定位技术主要包括以下三个部分：

1)空间部分，由多颗卫星组成，位于距地表一定高度的上空，均匀分布在多个轨道面上，轨道面之间有一定的倾角；卫星的分布使得在全球任何地方、任何时间都可观测到相应数量的卫星。

2)地面控制系统，由监测站(monitorstation)、主控制站(mastermonitorstation)、地面天线(groundantenna)所组成。负责收集由卫星传回的讯息，并计算卫星星历、相对距离，大气校正等数据。

3)用户设备部分，包括卫星传感信号接收机。其主要功能是根据卫星数据捕获到所选择的待测卫星，并跟踪这些卫星的运行。当接收机捕获到跟踪的卫星传感信号后，就可测量出接收天线至卫星的伪距离和距离的变化率，解调出卫星轨道参数等数据。根据这些数据，接收机中的微处理就可按定位算方法进行定位计算，计算出用户所在地理位置的经纬度、高度、速度、时间等信息。

对于采用gnss定位技术的用户设备，在卫星传感信号接收机接收到的准确的卫星传感信号的情况下，才能够准确进行卫星定位。

当用户设备处于有遮挡物遮挡卫星传感信号的环境时，由于遮挡物的遮挡，导致无法接收到卫星传感信号或接收的卫星传感信号接收不准确，从而造成无法进行卫星定位或定位误差偏大。目前用户设备对于开启定位需求即拥有定位权限的应用，会向卫星定位芯片发送一个要求定位的请求信号，这时卫星定位芯片主动接受卫星数据并进行位置计算，传送卫星定位结果给要求定位的应用，利用卫星定位结果满足各应用的定位需求，增加了设备功耗及传输的数据量。

技术实现要素：

本发明提供了一种用户设备及其满足应用定位需求的方法，用以解决现有技术信息中在应用开启定位时，一直保持向卫星定位芯片发送定位请求并接收卫星定位结果导致增加用户设备功耗及数据传输量的问题。

根据本发明实施例的第一方面，提供一种满足应用定位需求的方法，该方法包括：

在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

根据所述概率确定所述用户设备处于第一环境时，停止向卫星定位芯片发送定位请求，否则，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

根据本发明实施例的第二方面，提供一种满足应用定位需求的用户设备，包括：

环境判定模块，用于在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

定位模块，用于根据所述概率确定所述用户设备处于第一环境时，停止向卫星定位芯片发送定位请求，否则，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

可选地，上述定位模块确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境时，还用于：

利用除卫星传感信号外的第二传感定位信号进行定位，利用所述定位的结果满足各应用的定位需求。

所述第二传感定位信号包括如下传感信号中的至少一个：

无线局域网wifi传感信号、蓝牙传感器、地磁传感信号；

可选地，环境判定模块确定所述用户设备处于第一环境和第二环境的概率，包括：

采集环境传感信号，并从所述环境传感信号中提取区分第一环境和第二环境的环境特征数据；

根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率。

可选地，所述环境传感信号为如下任一信号：

温度传感信号、光线感应信号、卫星传感信号、除卫星传感信号外的第三传感定位信号。

可选地，所述第三传感定位信号为wifi传感信号，从所述wifi传感信号中提取的所述环境特征数据包括如特征数据中的至少一个：

最大wifi传感信号强度、最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值、次大wifi传感信号与次小wifi传感信号的差值、次小wifi传感信号与次大wifi传感信号强度的比值、扫描到的wifi传感信号的个数。

可选地，环境判定模块根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率，包括：

将所述环境特征数据输入预先利用机器学习分类算法训练的分类模型；

利用所述分类模型得到所述用户设备处于第一环境和第二环境的概率。

可选地，所述机器学习分类算法包括如下任一分类算法：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

可选地，还包括：

样本生成模块，用于从历史定位数据中，读取历史每次进行定位时采集的环境特征数据并作为一个训练样本；

样本区分模块，用于从定位结果精度满足要求的训练样本中，根据历史每次进行定位时采集的环境判定辅助参数，区分第一环境对应的第一训练样本，及第二环境对应的第二训练样本。

可选地，所述环境特征数据为wifi传感信号的特征数据时，所述环境判定辅助参数包括参数中至少一个：

是否包含wifi连接信息；

是否包括wifi定位结果；

是否包括卫星定位结果；

最大wifi传感信号是否大于预设值。

根据本发明实施例的第三方面，提供一种满足应用定位需求的用户设备，包括：存储器、处理器和卫星定位芯片；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，包括如下步骤：

在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

根据所述概率确定所述用户设备处于第一环境时，停止向卫星定位芯片发送定位请求，否则，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

可选地，所述处理器确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境时，还用于：

利用除卫星传感信号外的第二传感定位信号进行定位，利用所述定位的结果满足各应用的定位需求；

所述第二传感定位信号包括如下传感信号中的至少一个：

无线局域网wifi传感信号、蓝牙传感器、地磁传感信号。

可选地，所述处理器确定所述用户设备处于第一环境和第二环境的概率，包括：

采集环境传感信号，并从所述环境传感信号中提取区分第一环境和第二环境的环境特征数据；

根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率。

可选地，所述环境传感信号为如下任一信号：

温度传感信号、光线感应信号、卫星传感信号、除卫星传感信号外的第三传感定位信号。

可选地，所述第三传感定位信号为wifi传感信号，从所述wifi传感信号中提取的所述环境特征数据包括如下特征数据中的至少一个：

最大wifi传感信号强度、最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值、次大wifi传感信号与次小wifi传感信号的差值、次小wifi传感信号与次大wifi传感信号强度的比值、扫描到的wifi传感信号的个数。

可选地，所述处理器根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率，包括：

将所述环境特征数据输入预先利用机器学习分类算法训练的分类模型；

利用所述分类模型确定所述用户设备处于第一环境和第二环境的概率。

可选地，所述机器学习分类算法包括如下任一分类算法：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

可选地，所述处理器确定所述用户设备处于第一环境和第二环境的概率之前，还用于：

从历史定位数据中，读取历史每次进行定位时采集的环境特征数据并作为一个训练样本；

从定位结果精度满足要求的训练样本中，根据历史每次进行定位时采集的环境判定辅助参数，区分第一环境对应的第一训练样本，及第二环境对应的第二训练样本。

可选地，所述环境特征数据为wifi传感信号的特征数据时，所述环境判定辅助参数包括如下参数中的至少一个：

是否包含wifi连接信息；

是否包括wifi定位结果；

是否包括卫星定位结果；

最大wifi传感信号是否大于预设值。

根据本发明实施例的第四方面，提供一种芯片，所述芯片与用户设备中的存储器耦合，使得所述芯片在运行时调用所述存储器中存储的程序指令，实现本申请实施例上述各个方面以及各个方面涉及的任一可能设计的方法。

根据本发明实施例的第五方面，提供一种计算机可读存储介质，该计算机存储介质存储有程序指令，当其在计算机上运行时，使得计算机执行本发明实施例上述各个方面以及各个方面涉及的任一可能设计的方法。

根据本发明实施例的第六方面，提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行实现本申请实施例上述各个方面以及各个方面涉及的任一可能设计的方法。

利用本发明提供的满足应用定位需求的方法及用户设备，具有以下有益效果：

本发明提供的满足应用定位需求的方法及用户设备，可以通过判断用户设备当前所处的环境，决策是否使用向卫星定位芯片请求接收卫星传感定位结果满足需求，在决策出不使用卫星传感信号进行定位的情况下，不会再向卫星定位芯片发送定位请求，从而可以减少卫星定位芯片接收卫星数据进行定位计算的耗电量，及定位应用与卫星定位芯片之间的数据传输量，在不需要安装额外的设备，不过多增加计算量的条件下实现了省电。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中提供的一种应用开启定位需求的系统架构示意图；

图2为本发明实施例中提供的一种满足应用定位需求的方法示意图；

图3为本发明实施例中提供的一种打车软件出行权限设置界面示意图；

图4为本发明实施例中提供的满足定位应用需求的系统架构示意图；

图5为本发明实施例中提供的离线训练分类模型示意图；

图6为本发明实施例中提供的满足应用定位需求的方法示意图；

图7为本发明实施例中提供的满足应用定位需求的用户设备示意图；

图8为本发明实施例中满足应用定位需求的用户设备示意图；

图9为本发明实施例中满足应用定位需求的用户设备示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

为了方便理解，下面对本发明实施例中涉及的名词进行解释：

1)wifi信号，通过wifi信号可以获得ssid(servicesetidentifier，服务集标识)、bssid(basicservicesetidentifier，基础服务集标识)、加密类型和信号强度等等。其中，ssid为wifi网络的名称，该名称不唯一，可以为默认值或由用户自行设定；bssid为提供wifi网络的无线ap(accesspoint，接入点)设备的mac(mediaaccesscontrol，媒体访问控制)地址，该无线ap设备可以为无线路由设备；信号强度用于表征wifi网络的信号质量。

2)mac(mediaaccesscontroladdress，媒体访问控制)：为提供wifi网络的无线ap设备的唯一标识；

3)wifi扫描信息：由至少一条wifi信息构成的wifi信息集合，用于描述特定地点周侧wifi网络的覆盖情况。比如，地点a对应的wifi扫描信息为{wifi信息b，wifi信息c，wifi信息d}，表示在地点a能够扫描到wifi网络a、b、c的信号；

4)gps定位系统：20世纪70年代美国研发的卫星导航定位系统，基本原理是测量出已知位置的卫星到用户接收机之间的距离，然后综合多颗卫星的数据对接收机进行定位；

5)卫星定位芯片：包括gps芯片，gps芯片是gps系统的关键部分之一，gps芯片即包含了rf射频芯片，基带芯片及微处理器的芯片组；

6)wi-fi定位：使用用户设备进行wifi信号扫描，利用wifi扫描信息进行空间定位的方法，定位时用户设备扫描获取周边wi-fi设备的mac列表，并将mac列表上传至定位服务器进行定位，定位精度约为10～200米。

参见图1，图1是本申请实施例涉及的一种应用开启定位需求的系统的架构示意图；该系统包括用户设备101以及地面控制系统102和卫星103。

用户设备101中卫星定位芯片具有卫星通信功能，也可以称为移动台、接入终端、用户单元、用户站、移动站、远方站、远程终端、移动设备、用户终端、无线通信设备、用户代理或用户装置等。用户设备可以是蜂窝电话、无绳电话、会话启动协议(英文：sessioninitiationprotocol，sip)电话、无线本地环路(wirelesslocalloop，wll)站、个人数字处理(personaldigitalassistant，pda)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备以及5g网络中的移动台或者未来演进的公共陆地移动网(publiclandmobilenetwork，plmn)网络中的用户设备等。

进一步地，该系统还可以包括定位传感信号接入设备104和定位服务器105，定位传感信号接入设备用于提供除卫星传感定位信号之外的传感信号，用户设备通过定位传感器扫描到相应的定位传感信号，若用户设备的卫星定位芯片处于关闭状态，卫星定位芯片不产生定位数据，用户设备可以通过定位传感信号接入设备104将扫描到信号发送到定位服务器105进行定位。

鉴于目前用户设备上的应用开启定位需求时，若有实时定位请求，则会向卫星定位芯片发送定位请求，并接收卫星定位结果满足各应用的定位需求，增加了用户设备功耗及传输的数据量的问题，本发明实施例提供一种满足应用定位需求的方法，如图2所示，包括：

步骤s201，在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

用户设备在进行应用安装过程中，会弹出提示是否开启定位需求的选择项，待用户选择对应的选择项后，根据用户的选择确定该应用是否需要获取定位结果数据来满足相应需求；或者，用户设备完成应用安装后，可以在应用的管理界面选择是否开启或关闭定位需求，如图3所示，为打车软件的出行权限设置界面，可以在位置信息一栏，选择开启或关闭定位需求。

用户设备中不同应用在开启定位需求时，在定位应用服务过程通过发送实时定位请求获取定位结果数据，并利用获取的定位结果数据在应用运行过程中满足各种服务，具有定位需求的应用可以但不限于是导航软件或订餐软件等。

在一个用户设备上，安装的多个应用可以独立控制是否开启应用需求。用户设备中的任一应用开启定位需求时，说明需要发送实时定位请求获取卫星定位结果数据来满足各应用的定位需求。

本实施例中用户设备中具有卫星定位芯片，该卫星定位芯片可以但不限于为gps芯片，gps芯片会实时根据卫星传感定位信号进行定位，但在有实时定位需求时，向gps芯片发送定位请求并接收卫星定位结果会增加设备的功耗和数据传输量。

本实施例在用户设备中的至少一个应用开启定位需求的情况下，会对用户设备所处的环境进行判断，根据用户设备当前处于第一环境和第二环境的概率，决策当前是否有必要从gps芯片接收数据。

对于有遮挡物遮挡卫星传感信号的第一环境，卫星传感信号受遮挡物不同程度的遮挡，会有不程度的减弱或消失，卫星定位芯片利用该卫星传感信号进行定位时，造成无法进行卫星定位或卫星定位结果定位误差偏大。

遮挡卫星传感信号的遮挡物的类型本实施例中不作限定，可以是建筑物也可以是自然界中存在的任何其他类型的能够对卫星传感信号造成遮挡的物体。

作为一种可选的实施方式，确定用户设备处于第一环境和第二环境的概率，可以根据用户的指示信息，具体可以在用户设备的应用界面上增加相应的指示项，或者接收到用户的指定滑动动作或其他指定设置时，确定当前处于第一环境或第二环境；

另一种可能的实施方式，采用用户设备自动监测进行判断的方式，可以通过采集环境传感信号，并从所述环境传感信号中提取区分第一环境和第二环境的环境特征数据；根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率。

采集环境传感信号的方式，可以是在至少一个应用开启定位需求，且收到实时定位请求时，采集环境传感信号；或者在至少一个应用开启定位需求时，按照预设频率采集环境传感信号。

上述环境传感信号，可以是既可能存在于第一环境也可能存在于第二环境，但存在于第一环境时与存在于第二环境时有信号特征差别的信号，也可以是仅存在于第一环境或仅存在于第二环境的信号。如果利用仅存在于第一环境或第二环境的信号区分第一环境和第二环境时，可以判断当前环境中是否存在该类型的环境传感信号，如果存在，则确定处于对应的环境。

本实施例中根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率，可以基于以下两种方式进行区分：

方式一，预先建立第一环境和第二环境与对应的环境特征数据的映射关系，获取到用户设备的环境特征数据时，基于预先建立的映射关系，确定用户设备处于第一环境和第二环境的概率；

例如预先建立第一环境具体映射的多个环境特征数据，预先建立第二环境映射的多个环境特征数据，获取到用户设备的环境特征数据时，与上述两个环境映射的环境特征数据进行匹配，根据匹配成功的环境特征数据的个数确定用户设备处于第一环境和第二环境的概率。

方式二，预先利用分类样本训练分类模型的模型参数，将得到的环境特征数据作为分类模型的输入，利用所述分类模型得到所述用户设备处于第一环境和第二环境的概率。

步骤s202，根据所述概率确定所述用户设备是否处于第一环境，若是，执行步骤s203，否则执行步骤s204；

根据概率值确定用户设备处于第一环境还是第二环境，可以是通过两个概率值的差值，在两个概率值的差值大于一定值的时，确定用户设备处于概率值大的第一环境或第二环境。

步骤s203，停止向卫星定位芯片发送定位请求；

确定用户设备处于有遮挡物遮挡的第一环境时，卫星定位结果会存在有误差或无法获得卫星定位结果，因此没有必要实时从卫星定位芯片接收定位结果，本实施例中用户设备处于第一环境时，卫星定位芯片在开启的状态下不会接收卫星传感信号进行定位，收到实时定位请求时会接收卫星传感信号进行定位，本实施例在用户设备处于第一环境时，不会再向卫星定位芯片发送实时定位请求，避免了卫星定位芯片不断根据实时定位请求计算卫星定位结果造成设备功耗比较大和数据传输量大的问题。

步骤s204，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

确定用户设备处于无遮挡物遮挡的第二环境时，说明卫星定位结果可用且准确，定位应用可以通过发送连续定位请求给卫星定位芯片，从卫星定位芯片接收卫星定位结果，满足各应用利用卫星定位结果来提供各种服务的定位需求。

用户设备中除了具有卫星定位芯片，还可以进一步包括获取除卫星传感信号外其他传感定位信号的定位传感器，为了满足用户设备应用的定位需求，确定用户设备处于有遮挡物遮挡卫星传感信号的第一环境时，利用除卫星传感信号外的第二传感定位信号进行定位，利用定位的结果满足各应用的定位需求。

上述定位传感器的类型不限，满足获取的第二传感定位信号不受遮挡物遮挡的影响的传感器均可以作为上述定位传感器，本实施例中第一环境可以但不限于理解为室内环境，第二环境可以但不限于理解为室外环境，在确定用户设备处于第一环境时，可以但不限于采用如下任一方式进行辅助定位：

1)利用无线局域网wifi传感信号定位

用户设备处于一些室内具有wifi传感信号的场景时，利用用户设备中的wifi感应器可以感应到对应的wifi信号，用户设备进行wifi信号扫描，如前所述，可以扫描到周边wi-fi设备的mac列表，并将mac列表上传至定位服务器进行定位，定位服务器利用相应的定位算法进行定位并回传到用户设备。

本实施例中用户设备确定处于第一环境时，在wifi定位功能关闭的情况下，可以开启wifi定位功能获取定位结果，或者在wifi定位功能开启的情况下，直接利用wifi定位结果满足各应用的定位需求。

2)利用蓝牙传感信号进行定位

蓝牙用户设备侧定位是由用户设备和蓝牙beacon组成，在需要定位的区域内部署蓝牙beacon，一般至少需要铺设3个蓝牙beacon信标，定位算法要求至少知道三个点的rssi值才能准确地计算定位。

蓝牙网络侧室内定位由蓝牙用户设备、蓝牙网关，无线局域网及后端数据服务器构成。在需要定位的区域内部署蓝牙网关，当手持蓝牙用户设备的用户进入蓝牙网关的蓝牙信号覆盖范围内，蓝牙网关就能感应到蓝牙用户设备的广播信号，然后测算出蓝牙用户设备的rssi值，通过串口传输给网关内的wifi模块，蓝牙网关再经过wifi网络传送到后端数据服务器，通过服务器内置的定位算法测算出蓝牙用户设备的具体位置，后端服务器则可以通过网络把位置信息发给用户。

用户设备处于一些室内具有蓝牙传感信号的场景时，确定处于第一环境时，在蓝牙定位功能关闭的情况下，可以开启蓝牙定位功能获取定位结果，或者在蓝牙定位功能开启的情况下，直接利用蓝牙定位结果满足各应用的定位需求。

3)利用地磁传感信号进行定位

根据地磁场理论，地磁场是地球的基本物理场，处在地球近地空间内任意一点都具有磁场强度，且其强度和方向会随着不同的经、纬度和高度而不同。同时，根据磁场理论，磁性物质对磁场会有影响。

现代的建筑大都是钢筋混凝土或钢结构，它们会在局部空间上弯曲地磁场，但在时间上是稳定的，且具有一定的独特性，这样就可以利用不同空间磁场差异性来定位。

利用地磁传感信号进行定位，利用地磁传感器获取地磁感应信号，将地磁感应影响上传后端服务器，利用感应到磁场差异性进行定位。

确定用户设备处于第一环境时，在地磁感应定位功能关闭的情况下，可以开启地磁感应定位功能获取定位结果，或者在地磁感应定位功能开启的情况下，直接利用地磁感应定位结果满足各应用的定位需求。

本实施例中在通过采集环境传感信号，根据对应环境特征数据，确定所述用户设备处于第一环境和第二环境的概率时，上述环境传感信号可以但不限于为如下任一信号：

1)温度传感信号

用户设备中具有温度传感器时，可以实时采集温度值，用户设备位于室内环境与室外环境时，根据当前所处的时间，会出现有规律的变化。

可以根据温度传感信号对应的温度值的变化信息、当前时间信息作为环境特征数据，如对于夏天室外到室内会出现温度下降预设值，冬天室外到室内会出现上升预设值等情况。

当然，还可以进一步细化时间与温度变化情况的对应关系，如细化到白天或黑夜，或者进一步细化到一天中具体的时间段。

确定环境特征数据后，可以基于本实施例前述的两种方式中任一种方式确定所述用户设备处于第一环境和第二环境的概率。

2)光线感应信号

用户设备中具有光线传感器时，可以实时采集环境光线亮度值，还可以结合当前天气状况，利用白天时室内亮度高于室外亮度，阴天时室内亮度高于室外亮度的等变化规律，提取环境特征数据。

具体地，可以采集一段连续时间段内光线亮度值变化信息、该时间段对应的天气类型作为环境特征数据，根据不同环境对应的环境特征数据，进行用户设备所处环境的判断。

确定环境特征数据后，可以基于本实施例前述的两种方式中的任一种方式判断所述用户设备处于第一环境和第二环境的概率。

3)卫星传感信号

用户设备处于室内环境和室外环境时，用户设备上的卫星定位芯片接收到的卫星传感信号强度及监测到卫星数量会有变化，本实施例中用户设备可以实时采集卫星传感信号，根据采集的卫星传感信号，提取卫星传感信号强度值，监测到卫星数量等环境数据特征。

确定环境特征数据后，可以基于本实施例前述的两种方式中的任一种方式确定所述用户设备处于第一环境和第二环境的概率。

4)除卫星传感信号外的第三传感定位信号。

本实施例中的第三传感定位信号可以与第二传感定位信号相同，也可以为不同的信号。第三传感定位信号可以是适用于室内定位的传感信号，在室内环境中布置相应的传感信号接入设备，用户设备中具有感应第三传感定位信号的传感器时，可以实时采集第三传感信号，用户设备位于室内环境时，第三传感信号强度值较强，监测到接入设备数量较多，用户设备处于室外环境时，第三传感信号强度值较弱，监测到的接入设备数量较少。

本实施例中可以将上述第三传感信号的强度值、监测到的接入设备数量作为环境特征数据后，可以基于本实施例前述的两种方式中任一种方式确定所述用户设备处于第一环境和第二环境的概率。

作为一种可选的实施方式，利用上述第二种利用所述分类模型得到所述用户设备处于第一环境和第二环境的概率时，预先基于分类样本，机器学习分类算法训练分类模型的模型参数，本实施例中的机器学习分类算法包括如下任一分类算法：

1)决策树分类算法

决策树算法是一种逼近离散函数值的方法，它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析，本质上决策树是通过一系列规则对数据进行分类的过程。

决策树构造可以分两步进行：第一步，决策树的生成，具体由训练样本集生成决策树的过程；第二步，决策树的剪枝，决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集(称为测试数据集)中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。

2)随机森林分类算法；

随机森林指的是利用多棵树对样本进行训练并预测的一种分类器，包括多个节点，从训练样本中以抽样的方式，取样n次，形成一个训练集，并用未抽到的样本作预测，评估其误差。

对于每一个节点，随机选择m个特征，决策树上每个节点的决定都是基于这些特征确定的，根据这m个特征，计算其最佳的分裂方式。

3)逻辑回归分类算法

逻辑回归分类算法是分类和预测算法中的一种，通过历史数据的表现对未来结果发生的概率进行预测。

逻辑回归其实仅为在线性回归的基础上，套用了一个逻辑函数。对于多元逻辑回归，对于训练数据集，特征数据x＝{x1,x2,…,xm}和对应的分类数据y＝{y1,y2,…,ym}。构建逻辑回归模型f(θ)，最典型的构建方法便是应用极大似然估计。

4)神经网络分类算法

神经网络分类算法思维方式的根本之点在于以下两点：信息是通过神经元上的兴奋模式分布存储在网络上；信息处理是通过神经元之间同时相互作用的动态过程来完成的，通过训练使神经网络分类模型具有逻辑思维推理能力。

上述任一类型机器学习分类算法，需要基于相应的训练样本进行训练，本实施例中的训练样本包括第一环境对应的第一训练样本，和第二环境对应的第二训练样本，基于模型的训练要求，还可以进一步包括第一环境对应的测试样本和第二环境对应的测试样本。

第一环境的训练样本为第一环境对应的环境特征数据，第二环境的训练样本为第二环境对应的环境特征数据，环境特征数据包括本发明实施例上述任一类型的环境传感信号对应的环境特征数据。

实施中，可以采集上述多个类型的环境传感信号，基于对应的分类模型进行判断，综合多个判断结果确定当前处于第一环境或处于第二环境。

实施例二

如图4，其示出了本发明实施例提供的满足定位应用需求的系统架构图，该系统架构图中包括至少一个用户设备401、地面控制系统402、卫星403、至少一个wifi设备404和服务器405。

用户设备401是具有wifi功能的电子设备。借助wifi功能，当用户设备401所处环境中存在wifi网络时，用户设备401能够获取到各个wifi网络的wifi信息，其中，该wifi信息包括wifi网络的ssid、bssid以及信号强度等等。用户设备401在权限验证通过后可接入相应的wifi网络并进行互联网访问。用户设备401与wifi设备402之间通过无线网络相连。

wifi设备402为提供wifi网络的网关设备，比如，wifi设备402为无线路由器或开启路由功能的电子设备。当用户设备401进入wifi设备402的wifi网络覆盖范围，并通过权限验证时，用户设备401即与wifi设备402建立无线连接。

服务器405是一台服务器、若干台服务器组成的服务器集群或云计算中心。

本实施例中第一环境适于采用无线局域网wifi传感信号进行定位的环境，可以但不限于理解为室内环境，对于室内环境，wifi传感信号的数量通常比较多，扫描的wifi传感信号的强度比较强，第一环境可以定义为无线局域网wifi传感信号的数量和强度满足设定要求的环境。

但仅通过对wifi传感信息进行扫描，利用扫描到wifi传感信号的数量和强度是否满足设定要求判断是否处于第一环境，判断结果不够准确。基于此，本实施例中预先获取训练样本，利用逻辑回归分类算法离线训练分类模型参数，在离线训练结束后得到分类模型，在得到分类模型的基础上，用户设备有实时的定位需求时，根据实时采集的环境特征数据，利用训练好的分类模型实时决策当前处于第一环境还是第二环境。

利用逻辑回归分类模型决策当前环境处于第一环境或第二环境时，根据wifi传感信号的数量和强度，抽取环境特征数据，环境特征数据可以但不限于包括如下特征数据中至少一个：

最大wifi传感信号强度；

最大wifi传感信号与最小wifi传感信号强度的差值；

最小wifi传感信号与最大wifi传感信号强度的比值；

次大wifi传感信号与次小wifi传感信号的差值；

次小wifi传感信号与次大wifi传感信号强度的比值；

扫描到的wifi传感信号的个数。

处于第一环境时，上述最大wifi传感信号强度一般会超过一定阈值，最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值在相应的比值、次大wifi传感信号与次小wifi传感信号的差值也、次小wifi传感信号与次大wifi传感信号强度的比值在相应的范围内，扫描到的wifi传感信号的个数会超过一定的数量。

通过逻辑回归分类模型的训练，调整上述阈值和对应的范围值，预测准确更准。

本实施例在离线训练分类模型时，如图5所示，主要包括：

步骤s501，获取历史定位数据，读取历史每次进行定位时采集的环境特征数据并作为一个训练样本，得到初始的训练样本集；

历史定位数据中包多个响应实时定位请求的定位数据，响应每个实时定位请求的定位数据中，可能仅包括利用卫星传感信号进行定位得到的卫星定位结果；或者仅包括利用wifi传感信号进行定位得到的定位结果；也可能既包括利用卫星传感信号进行定位得到的卫星定位结果和利用wifi传感信号进行定位得到的定位结果。

上述历史定位数据可以通过读取用户设备的定位日志数据的方式获得，用户设备的定位日志数据中包括每次定位时对应的定位信息，可以包括定位时扫描的信号列表，定位结果数据的类型；定位结果精度，定位时间等。将每一次定位时对应的定位信息作为一个训练样本，得到初始的训练样本集。

步骤s502，从定位结果精度满足要求的训练样本中，根据历史每次进行定位时采集的环境判定辅助参数，区分第一环境对应的第一训练样本，及第二环境对应的第二训练样本；

得到上述初始训练样本集后，在区分第一环境对应的第一训练样本和第二环境对应的第二训练样本之前时，首先对样本进行初步筛选，筛选出定位结果精度满足要求的训练样本；对于定位结果精度满足要求的训练样本，进一步区分第一训练样本和第二训练样本，可以参考相应的历史每次进行定位时采集的环境判定辅助参数进行区分，所述环境判定辅助参数包括如下参数中至少一个：

1)是否包含wifi连接信息；

在室内时，一般会包括wifi连接信息，wifi连接信息表示用户设备扫描到wifi信号，且成功接入wifi接入设备。

2)是否包括wifi定位结果；

在室内时，用户设备扫描到wifi信号，且成功接入wifi接入设备，因此定位结果中可能包含wifi定位结果。

3)是否包括卫星定位结果；

在室外时，会采用卫星定位结果进行定位，可以区分出室外定位场景。

4)最大wifi传感信号是否大于预设值。

在室内时，除了需要扫描到wifi信号，wifi信号的强度也比较值，因此可以根据最大wifi传感信号是否大于预设值辅助判断用户设备所处的环境。

上述辅助判断参数可以结合使用判断，具体地，训练逻辑回归模型的室内样本定义为普适定位误差小于30米、包含wi-fi连接信息或带有室内定位结果的样本，室外样本定义为普适定位误差小于30米、定位为gps定位结果的。

步骤s503，从第一训练样本和第二训练本中的扫描到的wifi信息中提取wifi传感信号的环境特征数据；

wifi传感信号的环境特征数据为上述环境特征数据中的至少一个。

步骤s504，利用从第一训练样本和第二训练样本中提取的环境特征数据及环境标签，利用逻辑回归分类算法训练进行分类模型参数训练，训练结束后得到分类模型。

本实施例将基于一段时间内观测到的室内样本与室外样本作为标签数据，训练得到逻辑回归模型的参数作为离线数据保存。

上述逻辑回归模型的训练可以用户设备出厂前完成，出厂时固化在用户设备中，后续作为用户设备需要进行环境判断时直接使用。或者，在用户设备出厂后，触发分类模型参数训练时，基于一段时间内观测到的室内样本与室外样本作为标签数据，对逻辑回归模型进行训练并保存。

对于出厂前完成离线模型训练的用户设备，本申请实施例中上述满足定位应用方法由用户设备中的cpu，用户设备中包括定位芯片和wifi传感器，如图6所示，本实施例提供的满足应用定位需求的方法，包括：

步骤s601，cpu在至少一个应用开启定位需求，且收到实时定位请求时，扫描wifi传感信号；

步骤s602，根据扫描的wifi传感信号进行环境特征数据提取；

扫描的wifi信号可以是wi-fi列表信息；

所述环境特征数据包括如下特征数据中的至少一个：

最大wifi传感信号强度、最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值、次大wifi传感信号与次小wifi传感信号的差值、次小wifi传感信号与次大wifi传感信号强度的比值、扫描到的wifi传感信号的个数。

步骤s603，将得到的环境特征数据输入到预先训练好的逻辑回归模型进行分类，得到当前用户设备处于室内环境的概率和处于室外环境的概率，根据当前用户设备处于室内环境的概率和处于室外环境的概率，判断用户是否处于室内，若处于室内，执行步骤s604，若处于室外，执行步骤s605；

得到当前用户设备处于室内的概率值，若概率大于0.5则判别为室内，否则，判别为室外。

步骤s604，若当前处于室内环境时，停止向卫星定位芯片发送定位请求，利用扫描的wifi传感信号进行定位来满足各应用的定位需求；

判断当前是否处于停止状态，如果是，保持停止，如果当前处于接收状态，则停止向卫星定位芯片发送定位请求并接收卫星定位结果。

步骤s605，若当前处于室外环境时，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

本实施例可以实时决策gps的使用方式，可以减少定位应用的耗电量。该方案不需要安装额外的设备，计算量极小，在不增加定位时长条件下实现了省电。本实施例还能有效的减少室内的定位请求中，较弱gps信号带来的定位偏移情况，提升定位应用的精度。

实施例三

以上对本发明中一种满足应用定位需求的方法进行说明，以下对执行上述满足应用定位需求的用户设备进行说明。

请参阅图7，本发明实施例提供一种满足应用定位需求的用户设备，包括：

环境判定模块701，用于在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

定位模块702，用于根据所述概率确定所述用户设备处于第一环境时，停止向卫星定位芯片发送定位请求，否则，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

可选地，上述定位模块确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境时，还用于：

利用除卫星传感信号外的第二传感定位信号进行定位，利用所述定位的结果满足各应用的定位需求；

所述第二传感定位信号包括如下传感信号中的至少一个：

无线局域网wifi传感信号、蓝牙传感器、地磁传感信号。

可选地，环境判定模块确定所述用户设备处于第一环境和第二环境的概率，包括：

采集环境传感信号，并从所述环境传感信号中提取区分第一环境和第二环境的环境特征数据；

根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率。

可选地，所述环境传感信号为如下任一信号：

温度传感信号、光线感应信号、卫星传感信号、除卫星传感信号外的第三传感定位信号。

可选地，所述第三传感定位信号为wifi传感信号，从所述wifi传感信号中提取的所述环境特征数据包括如特征数据中的至少一个：

最大wifi传感信号强度、最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值、次大wifi传感信号与次小wifi传感信号的差值、次小wifi传感信号与次大wifi传感信号强度的比值、扫描到的wifi传感信号的个数。

可选地，环境判定模块根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率，包括：

将所述环境特征数据输入预先利用机器学习分类算法训练的分类模型；

利用所述分类模型得到所述用户设备处于第一环境和第二环境的概率。

可选地，所述机器学习分类算法包括如下任一分类算法：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

可选地，如图8所示，还包括：

样本生成模块703，用于从历史定位数据中，读取历史每次进行定位时采集的环境特征数据并作为一个训练样本；

样本区分模块704，用于从定位结果精度满足要求的训练样本中，根据历史每次进行定位时采集的环境判定辅助参数，区分第一环境对应的第一训练样本，及第二环境对应的第二训练样本。

可选地，所述环境特征数据为wifi传感信号的特征数据时，所述环境判定辅助参数包括参数中至少一个：

是否包含wifi连接信息；

是否包括wifi定位结果；

是否包括卫星定位结果；

最大wifi传感信号是否大于预设值。

可选地，环境判定模块在至少一个应用开启定位需求时，采集环境传感信号，包括：

在至少一个应用开启定位需求，且收到实时定位请求时，采集环境传感信号；或者

在至少一个应用开启定位需求时，按照预设频率采集环境传感信号。

所述第一环境为无线局域网wifi传感信号的数量和强度满足设定要求的环境。

可选地，所述第一环境为无线局域网wifi传感信号的数量和强度满足设定要求的环境。

上面从模块化功能实体的角度对本申请实施例中的满足应用定位需求的用户设备进行了描述，下面从硬件处理的角度对本申请实施例中的满足应用定位需求的用户设备进行描述。

请参阅图9，本申请实施例中满足应用定位需求的用户设备的另一个实施例包括：

中央处理器901、存储器902、收发器910、卫星定位芯片911以及总线系统912；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，包括如下步骤：

在至少一个应用开启定位需求时，确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境和无遮挡物遮挡卫星传感信号的第二环境的概率；

根据所述概率确定所述用户设备处于第一环境时，停止向定位芯片发送定位请求，否则，向卫星定位芯片发送定位请求并接收卫星定位结果满足各应用的定位需求。

图9是本发明实施例提供的一种满足应用定位需求的用户设备的结构示意图，该用户设备900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(英文全称：centralprocessingunits，英文简称：cpu)901(例如，一个或一个以上处理器)和存储器902，一个或一个以上存储应用程序904或数据905的存储介质903(例如一个或一个以上海量存储设备)。其中，存储器902和存储介质903可以是短暂存储或持久存储。存储在存储介质903的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对信息处理装置中的一系列指令操作。更进一步地，中央处理器901可以设置为与存储介质903通信，在用户设备900上执行存储介质903中的一系列指令操作。

用户设备900还可以包括一个或一个以上电源906，一个或一个以上有线或无线网络接口907，一个或一个以上输入输出接口908，和/或，一个或一个以上操作系统909，例如windowsserver，macosx，unix，linux，freebsd等。

可选地，中央处理器确定所述用户设备处于有遮挡物遮挡卫星传感信号的第一环境时，还用于：

利用除卫星传感信号外的第二传感定位信号进行定位，利用所述定位的结果满足各应用的定位需求；

所述第二传感定位信号包括如下传感信号中的至少一个：

无线局域网wifi传感信号、蓝牙传感器、地磁传感信号。

可选地，中央处理器确定所述用户设备处于第一环境和第二环境的概率，包括：

采集环境传感信号，并从所述环境传感信号中提取区分第一环境和第二环境的环境特征数据；

根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率。

可选地，所述环境传感信号为如下任一信号：

温度传感信号、光线感应信号、卫星传感信号、除卫星传感信号外的第三传感定位信号。

可选地，所述第三传感定位信号为wifi传感信号，从所述wifi传感信号中提取的所述环境特征数据包括如下特征数据中的至少一个：

最大wifi传感信号强度、最大wifi传感信号与最小wifi传感信号强度的差值、最小wifi传感信号与最大wifi传感信号强度的比值、次大wifi传感信号与次小wifi传感信号的差值、次小wifi传感信号与次大wifi传感信号强度的比值、扫描到的wifi传感信号的个数。

可选地，根据所述环境特征数据，确定所述用户设备处于第一环境和第二环境的概率，包括：

将所述环境特征数据输入预先利用机器学习分类算法训练的分类模型；

利用所述分类模型得到所述用户设备处于第一环境和第二环境的概率。

可选地，所述机器学习分类算法包括如下任一分类算法：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

可选地，中央处理器还用于：

从历史定位数据中，读取历史每次进行定位时采集的环境特征数据并作为一个训练样本；

从定位结果精度满足要求的训练样本中，根据历史每次进行定位时采集的环境判定辅助参数，区分第一环境对应的第一训练样本，及第二环境对应的第二训练样本。

可选地，所述环境特征数据为wifi传感信号的特征数据时，所述环境判定辅助参数包括如下参数中的至少一个：

是否包含wifi连接信息；

是否包括wifi定位结果；

是否包括卫星定位结果；

最大wifi传感信号是否大于预设值。

可选地，中央处理器在至少一个应用开启定位需求时，采集环境传感信号，包括：

在至少一个应用开启定位需求，且收到实时定位请求时，采集环境传感信号；或者

在至少一个应用开启定位需求时，按照预设频率采集环境传感信号。

可选地，所述第一环境为无线局域网wifi传感信号的数量和强度满足设定要求的环境。

本发明实施例还提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述实施例提供的满足应用定位需求的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solidstatedisk，ssd))等。

以上对本申请所提供的技术方案进行了详细介绍，本申请中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。