基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
越来越多的移动计算依赖位置信息提供基于位置的服务,移动设备的室外定位技术至关重要.目前广为采用的方式是GPS,但移动设备端的GPS位置信息依赖移动设备如手机的GPS传感器获取,电信运营商虽然为用户提供通话和数据服务,却无法获得用户的精确GPS位置.针对这种情况,提出利用手机端和电信基站之间的连接信号数据(简称电信数据),实现移动设备的定位服务.考虑到电信运营商积累了海量的电信数据,因此通过研究基于电信数据的室外定位技术,使得运营商获取用户位置成为可能.提取电信特征数据、以手机所在GPS位置作为标签数据,研究了五种基于机器学习模型的室外定位算法,实现了从基站信号数据到GPS坐标点的预测,通过大量的实验对比了这些方法的定位精度和运行时间、不同数据收集模式的定位精度、不同特征的定位精度以及探索了后处理对定位精度的提升效果.最终通过实验可知,基于栅格化的随机森林分类模型是效果最好的方法,能够达到15~20 m的平均误差和10 m的中位误差,比前期回归算法在2G和4G数据分别实现了39.46%和54.28%的精度提升,取得与GPS定位接近的定位精度.
推荐文章
电信客户细分中基于聚类算法的数据挖掘技术研究
数据挖掘
客户细分
SPSSModeler
K-means算法
多业务电信数据集成技术研究
数据集成
客户资料
信息模型
抽取转换装载
基于近红外视觉的机器人室外定位系统
移动机器人
室外定位
近红外
传感器融合
电信网告警数据库中的增量式挖掘技术研究
数据挖掘
增量式挖掘
告警
频繁情景
时间窗
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于电信数据的室外定位技术研究
来源期刊 计算机工程与科学 学科 工学
关键词 室外定位 电信数据 指纹识别 随机森林 多层感知器
年,卷(期) 2018,(4) 所属期刊栏目 计算机网络与信息安全
研究方向 页码范围 649-659
页数 11页 分类号 TP391.4
字数 9769字 语种 中文
DOI 10.3969/j.issn.1007-130X.2018.04.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李江峰 同济大学软件学院 17 59 5.0 7.0
2 饶卫雄 同济大学软件学院 4 26 3.0 4.0
3 廖山河 同济大学软件学院 1 4 1.0 1.0
4 赵钦佩 同济大学软件学院 3 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (32)
二级引证文献  (0)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
室外定位
电信数据
指纹识别
随机森林
多层感知器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导