本发明涉及大数据应用领域，尤其涉及一种大数据混合定位方法和装置。
背景技术：
区域人群的定位主要根据区域内基站的覆盖状况进行人群位置判别，目前通常采取aflt(advancedforwardlinkthreeedgemeasurement，高级前向链接三边测量)三角定位技术。在进行定位操作时，手机同时监听多个基站的导频信息，利用码片时延来确定手机到附近基站的距离，最后用三角定位法算出用户的位置。
现有的区域人群定位方法存在以下问题：定位误差大，特别是基站覆盖范围广，人群密度大的复杂区域，采用三角定位法只能得出较大的区域范围，很难进行较小区域人群的精确定位，如景点、办公大楼、住宅小区、商厦等；无法满足客户对区域位置大数据产品的精准度需求。
技术实现要素：
本发明要解决的一个技术问题是提供一种大数据混合定位方法和装置，以便提高区域人群定位准确性。
根据本发明一方面，提出一种大数据混合定位方法，包括：获取目标区域内的基站以及基站的类型；确定目标区域的基站覆盖范围；根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位。
进一步地，目标区域人群特征包括目标区域人群登陆的基站和登陆基站的时间信息。
进一步地，该方法还包括：确定目标区域为混合分布区域或孤岛型区域。
进一步地，根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位包括：若目标区域为孤岛型区域，则目标区域人群为孤岛型区域内孤岛型基站的登陆人群；若目标区域为混合分布区域，则判断目标区域的基站是否包含室内分布基站，若包含室内分布基站，则目标区域人群为室内分布基站的登陆人群；若不包含室内分布基站，则根据目标区域的基站覆盖范围确定关联关系基站，并根据关联关系基站确定目标区域人群。
进一步地，根据目标区域的基站覆盖范围确定关联关系基站，并根据关联关系基站确定目标区域人群包括：若目标区域有关联关系基站，则目标区域人群为关联关系基站的登陆人群；若目标区域无关联关系基站，则根据目标区域人群登陆基站的时间信息确定目标区域人群。
进一步地，该方法还包括：根据目标区域人群登陆基站的时间信息，确定目标区域的常住人群和临时人群。
根据本发明的另一方面，还提出一种大数据混合定位装置，包括：目标区域基站获取单元，用于获取目标区域内的基站以及基站的类型；基站覆盖范围确定单元，用于确定目标区域的基站覆盖范围；人群特征分析单元，用于分析目标区域人群特征；区域人群定位单元，用于根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位。
进一步地，目标区域人群特征包括目标区域人群登陆的基站和登陆基站的时间信息。
进一步地，该装置还包括：目标区域特征确定单元，用于判断目标区域为混合分布区域或孤岛型区域。
进一步地，区域人群定位单元用于若目标区域为孤岛型区域，则目标区域人群为孤岛型区域内孤岛型基站的登陆人群；若目标区域为混合分布区域，且目标区域的基站包含室内分布基站，则目标区域人群为室内分布基站的登陆人群；若目标区域的基站不包含室内分布基站，则根据目标区域的基站覆盖范围确定关联关系基站，并根据关联关系基站确定目标区域人群。
进一步地，区域人群定位单元还用于若目标区域的基站不包含室内分布基站，但目标区域有关联关系基站，则目标区域人群为关联关系基站的登陆人群；若目标区域无关联关系基站，则根据目标区域人群登陆基站的时间信息确定目标区域人群。
进一步地，区域人群定位单元还用于根据目标区域人群登陆基站的时间信息，确定目标区域的常住人群和临时人群。
与现有技术相比，本发明通过获取目标区域内的基站以及基站的类型；确定目标区域的基站覆盖范围；根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位。即通过分析目标区域基站的类型和覆盖范围、以及该区域人群的特征，可以较准确的定位该目标区域人群。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明大数据混合定位方法的一个实施例的流程示意图。
图2为本发明大数据混合定位方法的另一个实施例的流程示意图。
图3为目标区域人群定位算法流程示意图。
图4为本发明大数据混合定位装置的一个实施例的结构示意图。
图5为本发明大数据混合定位装置的另一个实施例的结构示意图。
图6为本发明区域人群大数据分析的一个具体应用示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1为本发明大数据混合定位方法的一个实施例的流程示意图。该方法包括以下步骤：
在步骤110，获取目标区域内的基站以及基站的类型。例如，可根据基站信息表的基站经纬度信息确定目标区域及周边可能的基站，并标识相关基站类型，如确定基站为宏站点还是室内分布基站。
在步骤120，确定目标区域的各基站覆盖范围。可以通过两种方式获得基站覆盖范围，第一种方式为根据基站信息表的基站发射功率、天线高度及方位角确定基站覆盖半径，根据覆盖半径确定基站的覆盖范围，该方式比较快捷，工作量小。第二种方式为目标区域实地测试，通常根据目标区域主要人流方向和分布，进行现场的多点测试，测试点不少于10个，且测试点具有人群流向和滞留的代表性，比如目标区域大门、电梯、主要景点、必经路口等，可通过手机工程模式记录测试点登录基站信息，记录区域内人群常驻基站id。另外，根据目标区域人流特征和覆盖情况，还可以确定区域内的关键站点。
在步骤130，根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位。其中，目标区域人群特征包括目标区域人群登陆的基站和登陆基站的时间信息。例如，一个区域内可以准确获取人群登陆的基站，另外，通常通过时间来区隔目标区域人群，比如区域人群为上班族，则具有上班时间聚集目标区域的特性，旅游区游客具有旅游区开放时间聚集特性，住宅区具有夜间人群聚集特性。
如果目标区域为办公大楼，该区域人群具有上班时间聚集特征，若该区域的基站为室内分布基站，且为该办公楼人员必经登陆的基站，则可以确定该区域人群为登陆该室内分布基站的人群。
在该实施例中，通过分析目标区域基站的类型和覆盖范围、以及该区域人群的特征，可以较准确的定位该目标区域人群，另外，该方法不需要进行三角定位运算，而是直接应用现有的无线订单数据和位置更新数据，结合区域特征信息就可以定位目标人群，在提高定位准确性的同时减少计算的工作量。
图2为本发明大数据混合定位方法的另一个实施例的流程示意图。该方法包括以下步骤：
在步骤210，确定目标区域为混合分布区域还是孤岛型区域，若该目标区域为混合分布区域，基站交叉覆盖，则需要做相邻区域关联分析。
在步骤220，获取目标区域内的基站以及基站的类型，例如，确定该目标区域内可能包含的基站，基站类型为宏基站或者室内分布基站。
在步骤230，确定目标区域的基站覆盖范围，根据目标区域人群人流特征和基站覆盖情况，可以确定区域内的关联关系站点，例如，目标区域内有a、b、c三个基站，a基站覆盖售票厅、游乐园和湖心岛，c基站覆盖游乐园和湖心岛，b基站覆盖湖心岛，则a基站和c基站为关联关系基站。
在步骤240，确定目标区域人群特征，即确定目标区域人群登陆的基站和登陆该基站的时间信息。
在步骤250，根据目标区域特性、基站类型以及覆盖范围、区域人群登陆的基站和登陆该基站的时间信息对目标区域的人群进行定位。具体可以如图3所示：
在步骤310，判断该目标区域是否为孤岛型区域，若是，则执行步骤320，否则，执行步骤330。
在步骤320，目标区域人群为该孤岛型区域内孤岛型基站的登陆人群。
在步骤330，判断该目标区域是否包含室内分布基站，若包含则执行步骤340，否则，执行步骤350。
在步骤340，目标区域人群为室内分布基站的登陆人群。若要常住人群和临时人群，则根据目标区域人群登陆基站的时间信息确定，例如，常住人群为一周内超过3天登陆该室内分布基站的人群，临时人群为登陆该室内分布基站的人群减去一周内超过3天登陆该室内分布基站的人群。
在步骤350，判断该目标区域是否有关联关系基站，若有，则执行步骤360，否则，执行步骤370。
在步骤360，目标区域人群为关联关系基站的登陆人群，例如，人群必经的站点为基站a和c时，则该区域人群为基站a&b的登陆人群。当然，也可以根据目标区域人群登陆基站的时间信息确定常住人群和临时人群。
在步骤370，根据目标区域人群登陆基站站点的时间信息确定目标区域人群，例如，当区域内无室内分布系统，无关联关系站点，但区域目标人群和非目标的区域人群可以通过时间特征区隔，如分析某办公楼职员群体则为特定时间(早8点到晚6点)内登陆区域内基站的人群。
在上述实施例中，将基站地理信息结合被分析区域特征，根据人群特征、时间特征等维度信息可以较准确的将楼宇、区域关联起来，解决了基于基站地理信息定位区域人群不准确的问题。
图4为本发明大数据混合定位装置的一个实施例的结构示意图。该装置包括目标区域基站获取单元410、基站覆盖范围确定单元420、人群特征分析单元430和区域人群定位单元440，其中：
目标区域基站获取单元410用于获取目标区域内的基站以及基站的类型。例如，可根据基站信息表的基站经纬度信息确定目标区域及周边可能的基站，并标识相关基站类型，如确定基站为宏站点还是室内分布基站。
基站覆盖范围确定单元420用于确定目标区域的各基站覆盖范围。可以通过两种方式获得基站覆盖范围，第一种方式为根据基站信息表的基站发射功率、天线高度及方位角确定基站覆盖半径，根据覆盖半径确定基站的覆盖范围，该方式比较快捷，工作量小。第二种方式为目标区域实地测试，通常根据目标区域主要人流方向和分布，进行现场的多点测试，测试点不少于10个，且测试点具有人群流向和滞留的代表性，比如目标区域大门、电梯、主要景点、必经路口等，可通过手机工程模式记录测试点登录基站信息，记录区域内人群常驻基站id。另外，根据目标区域人流特征和覆盖情况，还可以确定区域内的关键站点。
人群特征分析单元430用于分析目标区域人群特征。其中，目标区域人群特征包括目标区域人群登陆的基站和登陆基站的时间信息。例如，一个区域内可以准确获取人群登陆的基站，另外，通常通过时间来区隔目标区域人群，比如区域人群为上班族，则具有上班时间聚集目标区域的特性，旅游区游客具有旅游区开放时间聚集特性，住宅区具有夜间人群聚集特性。
区域人群定位单元440用于根据目标区域人群特征和基站类型以及覆盖范围对目标区域的人群进行定位。例如，如果目标区域为办公大楼，该区域人群具有上班时间聚集特征，若该区域的基站为室内分布基站，且为该办公楼人员必经登陆的基站，则可以确定该区域人群为登陆该室内分布基站的人群。
在该实施例中，通过分析目标区域基站的类型和覆盖范围、以及该区域人群的特征，可以较准确的定位该目标区域人群。另外，该实施例中数据的获取比较简单，即利用现有的无线订单数据和位置更新数据，因此，定位成本比较低。
图5为本发明大数据混合定位装置的另一个实施例的结构示意图。该装置包括目标区域特征确定单元510、目标区域基站获取单元520、基站覆盖范围确定单元530、人群特征分析单元540和区域人群定位单元550，其中：
目标区域特征确定单元510用于确定目标区域为混合分布区域还是孤岛型区域，若该目标区域为混合分布区域，基站交叉覆盖，则需要做相邻区域关联分析。
目标区域基站获取单元520用于获取目标区域内的基站以及基站的类型，例如，确定该目标区域内可能包含的基站，基站类型为宏基站或者室内分布基站。
基站覆盖范围确定单元530用于确定目标区域的基站覆盖范围，根据目标区域人群人流特征和基站覆盖情况，可以确定区域内的关联关系站点，例如，目标区域内有a、b、c三个基站，a基站覆盖售票厅、游乐园和湖心岛，c基站覆盖游乐园和湖心岛，b基站覆盖湖心岛，则a基站和c基站为关联关系基站。
人群特征分析单元540确定目标区域人群特征，即确定目标区域人群登陆的基站和登陆该基站的时间信息。
区域人群定位单元550用于根据目标区域特性、基站类型以及覆盖范围、区域人群登陆的基站和登陆该基站的时间信息对目标区域的人群进行定位。例如，若该目标区域为孤岛型区域，则目标区域人群为该孤岛型区域内孤岛型基站的登陆人群。若该目标区域为混合分布区域，且该目标区域包含室内分布基站，则目标区域人群为室内分布基站的登陆人群。若该目标区域为混合分布区域，但该目标区域不包含室内分布基站，若该目标区域有关联关系基站，则目标区域人群为关联关系基站的登陆人群；若该目标区域无关联关系基站，则根据目标区域人群登陆基站站点的时间信息确定目标区域人群，例如，当区域内无室内分布系统，无关联关系站点，但区域目标人群和非目标的区域人群可以通过时间特征区隔，如分析某办公楼职员群体则为特定时间(早8点到晚6点)内登陆区域内基站的人群。
另外，区域人群定位单元550还用于根据目标区域人群登陆基站的时间信息确定目标区域的常住人群和临时人群，例如，常住人群为一周内超过3天登陆某基站的人群，临时人群为登陆该基站的人群减去一周内超过3天登陆该基站的人群。
在上述实施例中，将基站地理信息结合被分析区域特征，根据人群特征、时间特征等维度信息可以较准确的将楼宇、区域关联起来，解决了基于基站地理信息定位区域人群不准确的问题。
图6为本发明区域人群大数据分析的一个具体应用示意图。该区域包括住宅区、湖心岛人工湖、湖心岛、办公大楼、湖心岛景区、景区游乐园和景区售票厅等，还包括宏基站a、室内分布基站b、宏基站c和宏基站d等。具体分析过程如下：
一，目标区域为混合区域，非孤岛型区域，基站交叉覆盖，因此需要做相邻区域关联分析。
二，区域内包括基站abcd4个基站，其中b为室内分布站点，acd为宏基站。
三，基站覆盖情况分析如下，通过现场工程模式测试，可知基站a覆盖售票厅，游乐园，人工湖，湖心岛，办公大楼；室内分布基站b覆盖办公大楼；基站c覆盖湖心岛，游乐园，办公大楼；基站d覆盖住宅区，湖心岛。
四，目标区域人群特征分析，目标区域包括住宅，景区，办公区，区域人群特征明显，即住宅区住户夜间19时～凌晨5时人群聚集；办公区上班族白天9时～下午17时聚集；景区为收费景区，游客具有开放时间聚集，除导游及景区工作人员外，极少多日重复进入景区的游客。
五，区域人群定位分析如下：
对于办公大楼人群定位，由于办公大楼覆盖基站包括abc三个站，其中b站为室内分布基站，该站不覆盖楼外区域，且为该办公楼人员必经站点，则办公楼人群＝室内站b的登录人群。如果继续区分该办公楼职员与临时拜访人员，则加上时间特征，如办公楼常驻人群＝一周内超过3天登录室内站b的人群；办公楼某日拜访人群＝室内站b登录人群-一周内超过3天登录室内站b的人群。
对于湖心岛景区游客定位，由于湖心岛景区覆盖基站包括acd3个宏站，其中售票厅和游乐园区域由a，c站覆盖，湖心岛acd站覆盖，分析该区域特征售票厅和湖心岛为进入该区域游客的必游之地，则景区人群＝9到16时(登录a|登录c)人群。如果区分景区工作人员，则景区游客＝9到16时(登录a|登录c)人群-一周超过3天(登录a|登录c)。
对于住宅区人群定位，由于住宅区被cd两个基站覆盖，覆盖区域人群特征明显，游客群体通常9到16时进入覆盖区域，住宅区人群通常夜晚0时后在覆盖区，则住宅区人群＝18-5时登录基站d人群。细分住宅区常住人群，则住宅区常住人群＝一月超过10天(次)18-5时登录基站d人群。
通过上述实施例可以，该大数据混合定位方法将基站地理信息结合被分析区域特征，根据人群特征，找出关联关系基站，并通过时间特征等维度，可以较为精确的将人和楼宇，区域关联起来，提高区域人群定位的准确性。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本发明的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。