[发明专利]一种基于推荐算法的wifi序列辅助GPS的室内定位方法

权利要求书

1.一种基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于,包括以下步骤：

S1、构建wifi定位用户所在商铺的数据集，通过采集用户的移动设备得到的wifi序列、GPS信息构建数据集；

S2、商铺推荐算法，针对用户当前的GPS信息、wifi序列，推荐候选店铺，再通过离线预训练好的模型，将提取好的特征通过一张HBASE表存储在云端，对云端上收集到的wifi序列、用户ID、GPS信息通过查询到映射后的特征，通过一个梯度提升树模型去预测候选店铺是否为真实店铺的概率，然后取一个预测概率最高的值作为目标店铺；

步骤S2包括以下子步骤：

S21、多分类模型设计；

S22、二分类模型设计；

步骤S22包括以下子步骤：

S221、过滤异常WI-FI；

S222、划分训练集和预测集；

S223、特征工程；

S224、训练；

S225、预测，在给候选的得分排序，选出概率最高的答案即为用户所在店铺；

步骤S223包括以下几类：

第一类是用户粒度特征，用户粒度特征指的是用户对候选店铺的依赖程度，用户对商铺的历史访问统计，在不同时间段用户对商铺的访问统计，用户平均的消费能力减去此条记录的消费，用户去此商店占用户活动的占比，这些用户粒度的统计表征了用户的行为粒度；

第二类特征是商店特征，指的是商店交易次数，商店交易次数/商场次数，分小时，商店在记录所在小时段的交易量，占比；分周末，商店在周末和非周末的交易量特征；

第三类特征是距离特征，包括样本所在的经纬度与店铺交易平均交易经纬度的距离，样本所在经纬度在统计上截断的统计均值方差，样本所在经纬度与店铺交易经纬度的角度；

第四类特征是wifi维度的特征，wifi特征包括连接wifi与此店铺交易时连接wifi的次数，当前样本能量最强的信号作为所推荐店铺历史上最强信号的次数，当前样本的wifi序列与所推荐店铺历史wifi序列强度比较，该比较包括了两序列的余弦相似度、相同wifi的方差、最小公共子序列，将当前样本的wifi信号强度排名和所推荐店铺wifi信号强度排名，作为两个向量，计算曼哈顿距离和欧式距离，当前样本的wifi序列与所推荐的店铺历史存在的wifi序列中有相同wifi唯一识别码的个数。

2.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S1中，Wi-Fi定位用户所在商铺的数据集构建来自于用户在商场的店铺中发生购买记录时的消费记录，每条数据格式包括店铺信息和商场信息，店铺信息包括店铺ID、店铺类型、店铺位置经纬度、人均消费指数、店铺所在商城，用户在店铺内发生交易的信息包括用户ID、用户所在店铺ID、行为时间戳、行为发生时的经纬度、行为发生时的wifi环境，wifi环境包括wifi唯一识别码、wifi强度、是否连接。

3.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S21中，训练的标签就是每个商场的独热码编码，采用提升决策树模型进行训练。

4.根据权利要求1所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：步骤S221包括以下子步骤：

S2211、直接通过规则正则过滤；

S2212、通过统计占比进行过滤。

5.根据权利要求4所述的基于推荐算法的wifi序列辅助GPS的室内定位方法，其特征在于：在步骤S2212中，统计wifi出现的频次k1和wifi在店铺A中出现的频次k2，则k2/k1的结果小于阈值的wifi唯一识别码归为移动wifi，统计店铺A出现的次数为k3,把k1/k3小于阈值的wifi唯一识别码归为公共wifi。