1.一种满足应用定位需求的方法,其特征在于,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。
2.根据权利要求1所述的方法,其特征在于,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,还包括:
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。
3.根据权利要求1所述的方法,其特征在于,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。
4.根据权利要求3所述的方法,其特征在于,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。
5.根据权利要求4所述的方法,其特征在于,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。
6.根据权利要求3~5任一所述的方法,其特征在于,所述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。
7.根据权利要求6所述的方法,其特征在于,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。
8.根据权利要求6所述的方法,其特征在于,所述确定所述用户设备处于第一环境和第二环境的概率之前,还包括:
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。
9.根据权利要求8所述的方法,其特征在于,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。
10.一种满足应用定位需求的用户设备,其特征在于,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,实现如权利要求1~9任一所述满足应用定位需求的方法的步骤。