导读
随着时代的发展，近10年来位置产业蓬勃发展，定位能力逐渐从低精度走向高精度，从部分场景走向泛在定位。设备和场景的丰富，使得定位技术和能力也不断的优化更新。定位能力包括GNSS、DR（航迹推算）、MM（地图匹配）、视觉定位和网络定位等。
其中网络定位是通过客户端扫描到的WiFi和基站信息来进行定位的一种定位方式。网络定位能力是GNSS定位的有力补充，在GNSS无法定位或者定位较慢的时候，网络定位都可以快速给出位置。网络定位能力也是高德能够深植于各类手机厂商（提供系统级网络定位能力）和APP（出行、社交、O2O、P2P、旅游、新闻、天气等诸多领域）的原因之一。
要做到通过WiFi和基站来定位，我们需要通过亿级数据来挖掘出WiFi和基站的类型、位置、指纹等各种信息。这些信息的挖掘，历史上是通过一系列的人工经验策略来进行的，人工规则的历史局限带来了所挖掘信息较低的准召率，为了进一步提升高德网络定位能力，我们需要卸下以往的包袱，从方法上进行改变。
如何定义“网络定位”
网络定位分为离线训练和在线定位两个过程：
离线训练：是在用户有GPS位置时采集周边的WiFi和基站（以下统称为AP）信息，通过对采集数据进行聚类和关联，得到两类数据产品：AP库和指纹库;
在线定位：与离线训练的过程正好相反，当用户没有GPS定位时，可以通过扫描到的周边WiFi和基站信号，结合离线训练出的AP库和指纹库来进行实时定位。
AP库和指纹库这两类数据产品中：
指纹库：以物理坐标位置对应的特征指纹信息为内容，这些特征指纹信息可以包括扫描到的WiFi或者基站的信号强度分布，采集点频次等统计信息，也可以是通过神经网络提取出的特征信息。
AP库：以WiFi的mac地址或者基站的ID（gsm基站为mcc_mnc_lac_cid，cdma基站为mcc_sid _bsid_nid ）为主键，以WiFi或者基站的物理坐标信息（经纬度或者地理栅格坐标信息）为内容。
典型的AP库数据只包含挖掘出的物理坐标信息和覆盖半径，这种“点圆模型”是对AP发射信号的一种理想化，没有考虑任何实际场景中的信号遮挡、反射等情况，所以AP库大多用来进行粗略定位。而指纹库直接与位置相关，可以刻画比“点圆模型”更细致的分布信息，所以指纹库可以用来进行精细定位。
高德的指纹库主要包括特有的室内指纹和全场景指纹信息两种。
网络定位的问题
网络定位的基本思路类似聚类，假设用户手机扫描到的AP列表中的AP的位置均比较固定，则我们可以以这些AP位置为锚点，来确定用户位置。现实世界中，锚点（即AP库中的AP）的位置通过大数据来进行挖掘，并不一定完全准确，甚至出现严重错误。
针对WiFi而言，移动WiFi、克隆WiFi、搬家WiFi等都可能造成AP位置的错误。移动WiFi包含手机热点，4g移动路由器，公交车/地铁/高铁上的WiFi热点等，这些WiFi的移动属性较强，位置频繁变化，如下图所示。
如果以移动WiFi作为锚点，因为这些锚点的位置不固定，极可能会导致用户的定位出现极大误差。克隆WiFi指不同的WiFi设备使用了同一个mac地址，国内的腾达和斐讯等路由器厂商制造了大量这样的WiFi设备（例如大部分mac前缀为“c8:3a:35”的即为腾达的克隆WiFi），克隆WiFi导致AP库中同一个mac地址对应的锚点位置有多个。搬家WiFi指某些因为搬家而发生位置变化的WiFi，数据挖掘存在一定的滞后性，搬家后AP库中的位置未及时更新，也会造成定位错误。
因为大误差的badcase严重损害用户体验，我们必须要将这些非固定WiFi的属性在AP库中标记出来。
历史上，高德是通过一系列简单的人工规则对这些WiFi的属性进行分类的。例如，通过采集点覆盖范围较大来判定移动WiFi，通过mac前缀来判定克隆WiFi等。人工规则的缺点是准召率不高，训练分类模型就成了一个自然的选择。
鉴于badcase中最严重的问题是移动WiFi的准召率不高，下面我们就尝试使用监督学习的方法来进行“移动WiFi识别”。
如何实现“移动Wifi识别”
样本提取
AP库中的WiFi数量十分庞大，如果我们在AP库中随机抽取样本进行人工标注，那大部分标注的结果可能是人工规则判定正确的样本，为了尽可能低成本获取有效的标注样本，我们借鉴主动学习的思路，不断抽取模糊样本进行标注，快速迭代使得模型稳定。
我们根据人工规则的判定结果提取了一批确定性较高的样本，使用人工强特征训练第一版模型，之后将第一版模型的预测结果与线上人工规则的结果进行全量比较，提取出模糊样本进行人工标注。在标注样本的过程中发现问题，持续特征工程，不断迭代模型。
这里模糊样本的定义包含三种：预测结果与上一版模型的结果不同，预测概率值在0.5附近，预测结果在不同训练周期内存在波动（例如昨天识别是移动WiFi，今天识别是非移动）。
特征提取
移动WiFi vs 克隆/搬家WiFi：
第一版模型中，我们使用了一些采集聚集程度相关的特征。
模型迭代过程中，我们遇到的第一个问题是移动WiFi与克隆WiFi或搬家WiFi比较容易混淆。下面几幅图分别画出了固定WiFi、移动WiFi、克隆WiFi、搬家WiFi的定位点散布的实例。
可以看到，如果仅仅使用定位点的聚集程度来分类，那克隆WiFi和搬家WiFi的定位点也比较分散，极易与移动WiFi混淆。所以我们先使用聚簇算法，将采集点局部聚集的点集合成不同的簇，在每个簇中计算定位点的散布程度，再将所有簇的散布程度求平均值等，获取平均意义上的聚集程度。
多维度提取特征：
为了进一步提升分类的准召率，我们不仅从定位点的聚集维度来提取特征，还增加了信号强度、关联特征、IP特征、时间特征等，以下进行简要介绍：
信号强度信息：（和上节中的聚集特征一起，统称为采集特征）移动设备与非移动设备采集点的信号强度在去除设备差异性之后，分布存在差异性。
关联特征：关联信息是指当设备扫描到的一次WiFi列表中，列表中所有WiFi两两之间就算产生了一次关联（或称邻居）关系，统计WiFi周边关联的WiFi和基站信息，可以描述出WiFi的移动属性。
IP特征：固网IP和移动网的IP存在一定隔离，移动WiFi设备的上游一般是通过基站连接的移动网，固定WiFi设备的上游一般是通过ADSL等连接的固网。
时间特征：固定WiFi一般是长时间连接电源的，而移动WiFi一般是临时在某些地方和时间短暂出现的。
聚合特征：
在AP库中，存在一部分WiFi定位信息不够充分，即使是人工标注也存在着非常大的不确定性，这些定位信息不够充分的WiFi，我们称之为“弱信息WiFi”。
对于这类WiFi，我们只有通过ssid和mac前缀来进行辅助判断。因为ssid中包含了一些诸如“iPhone”、“个人热点”、“oppo”、“shouqiyueche”（首汽约车）、“往返免费”、“tp-link”等能够表明设备属性的信息。另一方面，mac前缀（mac信息的前半部分）代表了厂商信息。基于这些辅助信息，我们可以在其他信息不够充分的情况下辅助推测WiFi的类别属性。
我们将基础特征（采集特征、关联特征、IP特征、时间特征）中较为重要的TOP_N维特征按照ssid和mac前缀进行聚合，聚合函数为中位数（median）和总体标准差（stddev）。这样，聚合特征体现了一类WiFi共有的特征，针对弱信息WiFi，我们就可以通过集体的特征来推测出个体的属性。
应用场景
除了提升网络定位能力，移动WiFi的识别还有更多用武之地，例如手机热点的识别，室内外的判断，建筑物和POI级别的定位等等。其中一个例子就是判断当前设备所连接的WiFi是否为移动热点（如4g路由器，手机热点等），在视频类的APP中，可以通过判别当前用户连接的WiFi是否为移动热点，从而控制是否进行视频的自动播放或缓存，给予用户提示性信息。
小结
最终我们使用随机森林来训练分类模型，经过特征选择和模型参数调整之后，最终得到的模型，移动WiFi的准召率均优于99.8%。高德网络定位的精度也因此得到了较大提升，尾部大误差badcase降低了18%左右。
网络定位作为一种低功耗的定位手段，不仅在GNSS无法触达的地区（例如地铁、室内等场景）为普通用户带来辅助的定位信息，而且在某些急救和寻人的场景中发挥了重要的作用。未来，随着5G通信技术的开展，将迎来更加精准的网络定位能力。
本文作者：高德技术小哥
本文为云栖社区原创内容，未经允许不得转载。