[发明专利]一种非均匀定位场景下的位置计算方法及终端设备

说明书

本发明实施例公开了一种非均匀定位场景下的位置计算方法及终端设备，用于在聚类算法的基础上将非均匀定位点的样本按照不同的密度区域重新划分，得到子区域的样本，对子区域的样本再次重新聚类，得到对应的中心点。本发明实施例方法包括：获取关于终端设备的非均匀定位点的第一样本；根据第一样本，通过参数自适应算法计算得到第一参数；使用第一参数，将第一样本进行聚类，得到聚类后各个区域的第二样本，第二样本为第一样本的子集；根据各个区域的第二样本，通过参数自适应算法计算得到各个区域的第二参数；使用各个区域的第二参数，将各个区域的第二样本进行聚类，得到各个子区域的聚类簇；计算得到每个子区域的聚类簇的中心点。

技术领域

本发明涉及终端设备定位领域，尤其涉及一种非均匀定位场景下的位置计算方法及终端设备。

背景技术

为了给终端设备提供高质量的位置服务，需要不断的计算定位(也称定位点)的中心点以确定终端设备活动的实际中心。但是，在位置服务场景中，一方面由于用户活动不规律，另一方面因为定位方式缺乏准确性，导致一定时间内积累的定位点在区域内分布呈现非均匀状态。这些非均匀状态中定位点表现为常用地点定位点较为密集，人迹罕至的地方定位点却十分稀疏。非均匀定位状态具体的定位场景如图1所示，为终端设备的定位点的第一样本的示意图。其一定区域内定位点或者轨迹点密度不均匀，有些地方定位点较为密集，有些地方定位点较为稀疏。

现有的技术方案中，主要是通过朴素的密度聚类算法的方式计算各个聚类簇的中心点。但是朴素的密度聚类算法需要人工提前配置参数，仅仅适用于簇之间的密度相差小的场景，那么对于上述非均匀定位状态的密度场景中，朴素的密度聚类算法并不适用，亦无法解决非均匀定位状态下定位的中心点的计算。也可以理解为如果用朴素的密度聚类算法，计算出来的中心点可靠性不高。

发明内容

本发明实施例提供了一种非均匀定位场景下的位置计算方法及终端设备，用于在聚类算法的基础上将非均匀定位点的样本按照不同的密度区域重新划分，得到子区域的样本，对子区域的样本再次重新聚类，得到对应的中心点。

有鉴于此，本发明第一方面提供一种非均匀定位场景下的位置计算方法，可以包括：

获取关于终端设备的非均匀定位点的第一样本；

根据所述第一样本，通过参数自适应算法计算得到第一参数；

使用所述第一参数，将所述第一样本进行聚类，得到聚类后各个区域的第二样本，所述第二样本为所述第一样本的子集；

根据所述各个区域的第二样本，通过所述参数自适应算法计算得到各个区域的第二参数；

使用所述各个区域的第二参数，将所述各个区域的第二样本进行聚类，得到各个子区域的聚类簇；

计算得到每个子区域的聚类簇的中心点。

可选的，本发明的一些实施例中，所述根据所述第一样本，通过参数自适应算法计算得到第一参数，包括：

对所述第一样本进行统计，得到统计结果；

根据所述统计结果，通过参数自适应算法计算得到第一参数。

可选的，本发明的一些实施例中，所述使用所述第一参数，将所述第一样本进行聚类，得到聚类后各个区域的第二样本，包括：

使用所述第一参数和聚类算法(Density-Based Spatial Clustering ofApplications with Noise，DBSCAN)将所述第一样本进行聚类，得到聚类后各个区域的第二样本；

所述使用所述各个区域的第二参数，将所述各个区域的第二样本进行聚类，得到各个子区域的聚类簇，包括：

使用所述各个区域的第二参数和聚类算法DBSCAN将所述各个区域的第二样本进行聚类，得到各个子区域的聚类簇。