[发明专利]RTK终端用户定位效果预测模型的训练方法及其装置

权利要求书

1.一种RTK终端用户定位效果预测模型的训练方法，其特征在于，包括以下步骤：

获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；

将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，包括以下子步骤：

对所述星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性数据进行分钟级聚合和关联。

3.根据权利要求1所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，包括以下子步骤：

每天对训练集合中的用户进行一次打标，标签包括：正常用户和异常用户；其中，正常用户是指用户的实际定位位置和预测定位位置之间的差值小于等于预定阈值的用户；异常用户是指用户的实际定位位置和预测定位位置之间的差值大于预定阈值的用户；

剔除训练集合中的异常用户的用户定位数据；

对用户标签进行统计分析，如果用户正常的天数大于异常的天数，则该用户为可信用户；否则，为不可信用户。

4.根据权利要求3所述的方法，其特征在于，在所述获取训练集合中的训练样本数据的步骤中，还包括以下子步骤：

获取所述可信用户对应的训练样本数据；

根据所述可信用户的固定率和所述可信用户的用户行业属性信息数据确定所述可信用户的定位体验；

将定位体验良好的用户对应的训练样本数据作为正训练样本数据，将定位体验不好的用户对应的训练样本数据作为负训练样本数据。

5.根据权利要求4所述的方法，其特征在于，所述固定率大于等于90％的用户为定位体验良好的用户，所述固定率小于90％的用户为定位体验不好的用户。

6.一种使用根据权利要求1-5中任一项所述的预测模型进行定位效果预测的方法，其特征在于，包括以下步骤：

获取待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；

将所述待预测用户的星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据输入所述预测模型，确定所述待预测用户的定位体验。

7.一种RTK终端用户定位效果预测模型的训练装置，其特征在于，包括：

第一获取模块，用于获取训练集合中的训练样本数据，所述训练样本数据包括：星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性信息数据；

训练模块，用于将所述星历数据、电离层数据、离线差分数据和用户行业属性信息数据作为预测模型的输入特征，将所述用户定位数据作为预测模型的输出特征，对所述预测模型进行训练。

8.根据权利要求7所述的装置，其特征在于，所述获取模块，包括以下子模块：

聚合子模块，用于对所述星历数据、电离层数据、离线差分数据、用户定位数据和用户行业属性数据进行分钟级聚合和关联。

9.根据权利要求7所述的装置，其特征在于，所述获取模块，包括以下子模块：

打标子模块，用于每天对训练集合中的用户进行一次打标，标签包括：正常用户和异常用户；其中，正常用户是指用户的实际定位位置和预测定位位置之间的差值小于等于预定阈值的用户；异常用户是指用户的实际定位位置和预测定位位置之间的差值大于预定阈值的用户；

剔除子模块，用于剔除训练集合中的异常用户的用户定位数据；

统计分析子模块，用于对用户标签进行统计分析，如果用户正常的天数大于异常的天数，则该用户为可信用户；否则，为不可信用户。