[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

说明书

本申请涉及形变监测领域，公开了一种RTK终端用户定位效果预测模型的训练方法及其装置。所述方法包括：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。通过利用服务数据、大气数据和真实用户数据关联建模，涵盖RTK终端用户真实应用场景和终端等因素，能够对不同场景用户的实际定位体验做差异化、精细化评估。

技术领域

本申请涉及定位领域，特别涉及一种RTK终端用户定位效果的评估预测技术。

背景技术

在RTK服务领域里面，用户和服务之间的交互过程是：用户发送包含经纬度和当前定位状态(固定、浮点、单点等)的gga数据(是指用户定位结果数据，其包括GPS、BDS、GLONASS等星座系统的定位数据)给服务，服务根据用户的经纬度，发送对应虚拟格网的差分数据给用户，用户拿到差分数据，再结合自己的卫星观测数据，就可以算出当前的位置信息了。

现有技术中，评估定位服务质量好坏的方法，是由服务端通过评估RTK格网数据质量来近似评估用户定位体验的好坏。具体步骤如下：

1.测试人员手工测试，通过终端获取差分数据和实际定位效果；

2.基于终端获取的差分数据和实际定位效果，进行对比统计分析，从而制定服务质量好坏的评估标准；

3.根据制定好的评估标准，对格网进行统计分析，统计的粒度包含两个维度：时间和空间。时间指的是统计的时间周期，空间指的是按照省份、三角形、格网、主参考站等粒度进行划分。按照事先商定好的统计粒度，计算可用率；

4.通过格网的可用率来评估服务质量的好坏，没有把服务和用户定位体验关联起来。

本领域人员可以理解，现有技术中通过评估RTK格网数据质量来近似评估用户定位体验的好坏，存在以下问题：

1.使用RTK服务的用户来自各行各业，不同行业的用户对良好用户体验的标准完全不一样，比如说对于测量测绘的用户，是高精度(厘米级)，但是对实时性要求就不那么高；而对于自动驾驶的用户，则对实时性要求很高，但是对精度的要求只需要达到亚米级，现有方法不能区分场景差异对定位效果的影响；

2.目前RTK服务质量是否可用的评判依据，是通过人工抽样测试获得的(包括场景和终端品类抽样)。但是人工测试的场景和使用的终端都有限，比如说城市峡谷、树荫、高架、好的天气、雨天、冰雪天气、电离层活跃的情况等等，都无法做到穷举全覆盖，除了场景环境因素，卫星运动轨迹、信号强弱变化等也会对最终定位效果有影响，但很难模拟；

3.用户最终定位效果实质上是所有关联数据相互交织作用的结果，这些关联数据维度成百上千，如果再加上数据维度之间的组合，复杂度可想而知。传统评估方法只是关注影响权重最大的几个指标，而且多指标的关联组合影响也没有界定得很清楚；

4.评价服务质量好坏的标准，主要通过格网播发的数据质量来评估，并没有结合用户最终定位效果来分析，评判标准的准确性和精细化上还做得不够。

因此，目前亟需一种能解决上述技术问题的定位效果评估预测方案。

发明内容

本申请的目的在于提供一种RTK终端用户定位效果预测模型的训练方法及其装置，通过利用服务数据、大气数据和真实用户数据关联建模，涵盖RTK终端用户真实应用场景和终端等因素，能够对不同场景用户的实际定位体验做差异化、精细化评估。

为解决上述技术问题，本发明的实施方式公开了一种RTK终端用户定位效果预测模型的训练方法，包括以下步骤：