用于由计算机支持地对在预定区域中基于特征对移动对象定位的测量分类的方法和装置

摘要

本发明涉描述一种用于由计算机支持地对在预定区域中基于特征对移动对象定位的测量（M）进行分类的方法，针对该预定区域预先给定一个或多个出口区域（C），所述移动对象能通过该一个或多个出口区域离开和进入所述预定区域，其中通过测量时刻和所测得的多个基站（BS1，BS2，…，BS14）的特征来说明每个测量（M）。在该方法中基于这些基站（BS1，BS2，…，BS14）关于所述预定区域的位置以及基于在相应测量（M）中测得的这些基站（BS1，BS2，…，BS14）的特征来对这些测量分类，其中第一类的相应测量（M）被分类为所述移动对象在所述预定区域内的位置上的测量（M），而第二类的相应测量被分类为所述移动对象在该预定区域之外的位置上的潜在测量（M）。接着针对第二类的相应测量（M）执行对移动对象的路径的跟踪，以由此确定相应的测量是否位于预定区域内，其中在这种情况下也将相应的测量分配给第一类。

说明书

技术领域

本发明涉及用于由计算机支持地对在预定区域中基于特征对移动对象定位的测量进行分类的方法和装置。

背景技术

由现有技术公知各种在无线通信网络中基于特征对移动用户或终端设备定位的方法。在此作为特征例如测量穿过该移动对象的场的场强，其中该场在该通信网络中由多个基站产生和发射。作为通信网络例如采用DECT网络（DECT=Digital Enhanced Cordless Telecommunication,数字增强无绳通信）、WLAN网络（WLAN=Wireless Local Area Network，无线局域网）以及移动无线网络GSM（GSM=Global System for Mobile Communication，全球移动通信系统）和UMTS（UMTS=Universal Mobile Telecommunication System，通用移动通信系统）。

在基于特征来定位时，通常采用所谓的参考地图，在这些参考地图中针对很多支持点存放这些支持点的空间位置与各个基站的依据特征的参数之间的关系。依据特征的参数例如在基于场强的方法中是由基站发射的场在这些支持点的空间位置上的场强，或者是在基站上测得的由位于这些支持点的空间位置上的对象发射的场的场强。通过测量任意位置上的场强以及通过将该测得的值与参考地图的支持点上的依据场强的参数相比较，可以确定该对象的位置。

由现有技术公知各种用于借助参考地图来基于特征进行定位的方法。在此在常规方法中，首先对用于产生参考地图的参考模板执行校准或初始测量，以便在结构化的环境中达到足够的精度。然后基于通过这种方式确定的参考地图来执行所述定位。

此外还公知其中放弃对参考地图的初始校准的定位方法。在文献DE 10 2006 044 293 A1中描述了一种这样的定位方法。在该方法中，与定位并行地还同时基于所测得的场的特征逐步学习参考地图的支持点。该方法在此以参考地图的粗略初始化开始，该初始化例如基于基站的辐射传播的线性径向模型。

为了在上述用于定位对象或用于学习参考地图的方法中避免错误传播，要确保对象在定位时或在学习参考地图时仅在预定的、为了定位而设置的区域中移动。由此将避免：位于该预定区域之外的测量被分配给该区域并由此导致定位或所学习的参考地图的不正确。但是存在以下需要：对在该预定区域的环境中任意移动的对象来说使得可以也进行定位或参考地图的学习，从而不需要确保该对象也总是位于该预定区域中。在这样的情况下必须实现一种合适的方法，利用该方法可以确定该对象是位于参考地图区域之内还是之外。

发明内容

因此本发明的任务是实现用于由计算机支持地对基于特征对移动对象定位的测量进行分类的方法或装置，利用该方法或装置可以自动确定该移动对象在相应测量时是否位于预定区域中。

该任务通过根据权利要求1的方法或根据权利要求24的装置解决。本发明的扩展定义在从属权利要求中。

本发明的方法用于由计算机支持地对在预定区域中的测量进行分类，针对该预定区域预先给定一个或多个出口区域，所述移动对象可以通过该一个或多个出口区域离开和进入所述预定区域，其中通过测量时刻和所测得的多个基站的特征来说明每个测量，其中基站的特征表征在对象上的由该基站发射的场或者在该基站上的由该对象发射的场。这些特征例如是所发射的场的相应信号强度。但是这些特征必要时也可以涉及信号的运行时间或信号的角向分布。

根据本发明，基于基站关于所述预定区域的位置以及基于在相应测量中测得的基站的特征来对这些测量分类，其中进行至少分为第一类和第二类的分类。在此，第一类的相应测量被分类为所述移动对象在所述预定区域内的位置上的测量，而第二类的相应测量被分类为所述移动对象在该预定区域之外的位置上的潜在测量。因此第一类测量是这样的测量，即对这些测量来说由于所测得的特征而可以可靠地假定这些测量涉及所述移动对象在所述预定区域内的位置。而对于第二类测量就不是这样，从而这些测量被分类为在所述预定区域之外的潜在测量。在所描述的分类中，优选在实际的意义下不执行定位，而是基于基站的已知位置和所测得的特征来规定相应的标准，根据这些标准可以确定移动对象是否可被分配给所述预定区域内的位置。

但是为了必要时对第二类测量说明到第二类测量位于所述预定区域内的程度，根据本发明跟踪该移动对象在这样的测量环境中的移动路径。尤其是针对第二类的相应测量分析在该相应测量的测量时刻之前和/或之后直到出现第一类测量为止的一定数量的连续测量，以确定该移动对象在该数量的测量运行过程中是否已经通过出口区域离开或进入所述预定区域，其中在所述移动对象未离开或未进入所述预定区域的情况下，将该相应测量分配给第一类。

本发明的方法的特征在于，在该方法中要考虑关于所述预定区域的出口区域的信息，其中基于该信息可以对大部分测量分类到这些测量是否位于所述预定区域内的程度。本发明的方法尤其可以被用作执行实际定位或参考地图的学习的预处理步骤，其中为了进行实际的定位或为了学习参考地图可以使用开头所述的基于特征的定位方法。尤其是，所述预定区域在此是被待学习的参考地图覆盖的区域。在定位时或在学习参考地图时，在此仅考虑那些被分配给第一类并由此确定无疑地位于所述预定区域内的测量。

在本发明方法的优选实施方式中，在分类时还考虑第三类测量，其中第三类测量被分类为移动对象在所述预定区域之外的位置上的测量。第三类测量在此使得可以通过所测得的基站的特征可靠地确定，该移动对象的位置在测量时位于所述预定区域之外。由此在相应的基于特征的定位时也不再考虑该类测量。

在本发明方法的另一种变形中，在对在相应测量的测量时刻之前和/或之后直到出现第一类测量为止的所述数量的连续测量的分析表明所述移动对象已经离开或进入所述预定区域的情况下，至少将该相应测量分配给第三类。优选的，在此所述数量的连续测量中具有进入所述预定区域之前或离开所述预定区域之后的测量时刻的所有测量都被分配给第三类，所述数量的连续测量中的其余测量被分配给第一类。通过这种方式可以在考虑相应定义的出口区域的情况下对很多测量进行分类。

在本发明方法的另一实施方式中，当至少一个第一类型基站的特征满足预定标准时，将相应测量分配给第一类，其中第一类型基站位于所述预定区域内，并且所述预定标准构成为，使得在满足该标准的情况下可以推断出所述移动对象位于所述预定区域内。通过合适地定义相应的、尤其是与所述预定区域的边界区域之间具有大距离的基站，可以不执行定位就实现合适的标准，据此可以判断移动对象是否位于所述预定区域内。如下面还要详细解释的，该标准例如可以是第一类型基站的场的信号强度的预定阈值是否被超过。

在本发明方法的另一构成中，当相应测量不能被分配给其它类和/或当一个或多个预定条件被满足时，将该相应测量分配给第二类。

在本发明方法的另一构成中，当至少一个第二类型基站的特征满足预定标准时，将相应测量分配给第三类，其中第二类型基站位于所述预定区域之外并且该预定标准构成为，使得在满足该标准时可以推断出移动对象位于所述预定区域之外。由此通过合适地定义第二类型基站，该第二类型基站尤其是远离所述预定区域的基站，可以实现适用于对在所述预定区域之外的位置上的移动对象进行分类的标准。如下面还要详细描述的，在此尤其当第二类型基站的场的信号强度超过预定值时，可以将测量分配给第三类。

在本发明方法的另一构成中，考虑对在相应测量的测量时刻之前和/或之后的所述数量的连续测量的分析来说未找到第一类测量的情况，使得相应的测量点保留在第二类中。由此，不能可靠地分配给第一类的测量点也不会被记录到该类中。由此使定位或参考地图的学习不正确的误分类的数量被保持得尽可能的小。

在本发明方法的另一实施方式中，对于第一类的相应测量，将在分配给该相应测量的测量时刻之前和/或之后的时间段内的所有测量都分配给第一类，其中该时间段通过以下时间间隔来给定，在该时间间隔中所述移动对象从其在相应测量的测量时刻时的位置开始基于该移动对象的预定最大速度而不能移动出所述预定区域。通过这种方式可以在考虑所述移动对象的合适的移动模型的情况下以简单方式将其它测量分配给第一类。如果为了对测量分类而使用第一类型基站，则对于第一类的相应测量来说所述移动对象在该相应测量的测量时刻时的位置被估计为第一类型基站的位置，该第一类型基站的特征满足预定标准。

上述移动模型也可以按照合适的方式用于第三类测量。在此，对于第三类的相应测量来说将在分配给该相应测量的测量时刻之前和/或之后的时间段内的所有测量都分配给第三类，其中该时间段通过以下时间间隔给定，即在该时间间隔中所述移动对象从其在该相应测量的测量时刻时的位置开始基于该移动对象的预定最大速度不能移动到所述预定区域中。

在本发明的其中为了对第三类测量进行分类而使用第二类型基站的变形中，对于第三类的相应测量将所述移动对象在该相应测量的测量时刻时的位置估计为第二类型基站的位置，该第二类型基站的特征满足预定标准。

在本发明方法的另一变形中，在对相应测量的测量时刻之前和/或之后的所述数量的连续测量进行分析时，利用定位方法和/或移动对象的移动模型基于在所述数量的测量的测量时刻所测得的基站的特征来估计所述移动对象的位置。然后基于所估计的位置，可以确定该移动对象是否已经通过出口区域进入或离开所述预定区域。在此尤其是使用粗略的定位方法，该定位方法例如基于对相应参考地图的粗略初始化。该初始化可以用各个基站的相应的波传播模型来进行。同样，粗略定位还可以在没有参考地图的情况下例如通过各个基站的特征的三角测量来执行。此外，已在上面描述过并且考虑移动对象的最大速度的移动模型可以在定位时引入。在使用移动模型时，借助位置估计尤其是确定从所估计的移动对象在测量时刻的位置开始的哪些测量肯定位于所述预定区域内。

在特别优选的实施方式中，作为定位方法在分析所述数量的连续测量时采用基于模板的方法，该基于模板的方法基于相应的参考地图，其中参考地图的使用已在上面详细描述过。在此，基于所测得的基站的特征与参考地图中支持点的特征的一致性来确定该移动对象的位置确定。优选的，将参考地图中的预定支持点分配给所述预定区域的一个或多个出口区域，并且借助这些预定支持点确定所述移动对象是否已经通过出口区域进入或离开所述预定区域。代替或者附加于基于模板的定位方法，还可以使用基于三角测量的定位方法。

用这些测量确定的基站的特征可以被不同地构成。优选的，作为特征使用在对象上的由基站发射的场或在基站上的由对象发射的场的信号强度和/或运行时间和/或角向分布。尤其是在此当至少一个第一类型基站的信号强度超过预定值时，将相应的测量分配给第一类。同样，优选当至少一个第二类型基站的信号强度超过预定值时，将相应的测量分配给第三类。

在本发明方法的其中作为特征考虑信号强度的另一构成中，当满足以下条件的至少一个时将相应的测量分配给第二类：

-在所述预定区域内的所有基站的信号强度都低于预定值；

-在所述预定区域之外的预定基站的信号强度高于预定值。

在本发明方法的另一构成中，当至少满足以下条件，即相应测量的基站的特征未与参考地图中至少一个支持点的特征足够一致时，将该相应测量分配给第二类。由此合适地识别出由于自己与参考地图的差的一致性而以一定的概率位于所述预定区域之外的那些测量。

在本发明方法的特别优选的实施方式中，同时对多个预定区域的测量分类。优选的，这些预定区域在此位于大楼的不同楼层中，而且说明这些预定区域的出口区域，移动对象可以通过这些出口区域更换楼层。通过这种方式，借助在多个楼层中的二维定位使得可以对各个楼层进行分离，从而可以同时确定不同楼层的参考地图。此外通过基于这些测量来分离楼层，可以在大楼内对移动对象执行近似三维的定位。

本发明的方法例如可以在对象实际移动之后以及在此执行的测量之后离线地实施。但是也存在在执行这些测量期间实施该方法的可能，其中在这种情况下以预定的时间间隔合适地缓存这些测量，以由此使得可以对测量进行相应的跟踪。

除了上述用于对特征分类的方法之外，本发明还涉及一种用于在预定区域中基于特征对移动对象定位的方法，针对该预定区域预先给定一个或多个出口区域，该移动对象可以通过该一个或多个出口区域离开和进入该预定区域，其中通过测量时刻和所测得的多个基站的特征来说明每个测量，其中基站的特征表征在对象上的由基站发射的场或者在该基站上的由该对象发射的场，其中基于上述根据本发明的方法对测量分类，并且在定位时仅考虑第一类测量。通过这种方式使得可以进行正确的定位并且必要时使得能以合适的方式正确地学习参考地图。

除了上述方法之外，本发明还涉及一种用于由计算机支持地对在预定区域中基于特征对移动对象定位的测量进行分类的装置，其中该装置被构成为，使得上述本发明分类方法的每个变形都可用该装置执行。

此外本发明还涉及一种用于在预定区域中基于特征对移动对象定位的装置，其中该装置被构成为，使得上述定位方法可用该装置来执行。

此外，本发明包括一种计算机程序产品，该计算机程序产品具有存储在机器可读的载体上的程序代码，用于当该程序在计算机上运行时执行上述方法的每个变形。

附图说明

下面将借助附图详细描述本发明的实施例。

图1示出大楼的底层平面图的示意性俯视图，该大楼具有多个集成在该大楼中的基站，其中基于这些基站的测量来执行和测试本发明方法的实施方式；

图2示出说明本发明方法的实施方式的步骤的流程图；

图3和图4示出类似于图1的大楼平面图的视图，在这些视图中说明了分别沿着移动对象的路径执行的测量和利用本发明方法的实施方式基于这些测量对这些测量的分类。

具体实施方式

下面基于移动对象在大楼中的定位来描述本发明的方法，其中该大楼底层的平面图显示在图1中。该大楼包括3个侧翼，进入中央区域Z的通道G1至G3就沿着这些侧翼延伸。这些通道和所述中央区域在此相对于大楼的其余部分在图形上被强调显示。该大楼的其余部分基本上由很多房间形成，其中这些房间大部分都构成为矩形并且可以通过这些通道到达。

为了对移动对象定位，在所述大楼中安装了很多WLAN基站BS1，BS2，…，BS14，其中相应的基站位于该大楼中的以下位置上，即在该位置上该基站的附图标记在图1中显示出或者以该附图标记开始的线段在该位置上结束。在这里描述的实施方式中，移动对象穿过该大楼地移动，必要时还在大楼之外移动，其中通过基站的各个WLAN场的场强来确定该对象的定位。在此采用基于模板的定位，对于该定位来说基于具有很多支持点的初始参考地图通过将存放在这些支持点上的场强向量与测得的场强向量进行相应的比较来确定该对象的位置。

优选的，采用如在文献DE 10 2006 044 293 A1中描述的定位。在此在该定位期间同时进行参考地图的校准，从而不需要在实际执行定位之前执行参考地图的精确校准。同样，还可以采用基于在申请号为DE 10 2008 038 451.8的德国专利申请中描述的方法的概率性定位。这种定位也使得可以同时定位对象和学习参考地图。文献DE 10 2006 044 293 A1以及申请号为10 2008 038 451.8的德国专利申请的全部公开内容都通过引用成为本申请的内容。

在图1的示例中，参考地图通过相应的、按照小圆圈形式的支持点来表示，在这些支持点中示例性地只有几个用附图标记K表示。可以看出，该参考地图仅覆盖所述大楼的一部分，也就是通道G3和可经由该通道到达的房间以及中央区域Z。在常规的定位方法中，在此要确保所述移动对象在定位时也在参考地图的范围内移动，因为否则就会导致错误的测量并且参考地图被错误地学习。

下面描述一种其中在定位时不再需要确保该对象实际上也在参考地图的范围内移动的方法。这是通过预处理为定位而执行的测量来进行的，利用该预处理确定相应的测量是否是在参考地图内的测量。然后仅考虑这样的测量来用于定位和用于学习参考地图。如果定位的目标首先是学习合适的参考地图，则例如可以给相应的人员配备用于连续测量位置的定位设备，其中不需要清楚地向该人员指示他仅在该参考地图内移动。而是可以通过本发明的方法自发地确定相应的测量是否在参考地图区域内进行。

为了执行在下面描述的本发明方法的实施方式，通过相应的出口区域来说明与权利要求1含义中的预定区域相应的参考地图区域，移动对象可以通过该出口区域进入或离开该参考地图区域。在此，对该出口区域的说明通过对参考地图的位于这些出口区域上的支持点的相应识别来进行。在图1中，在出口区域中的相应识别的支持点通过围绕各自支持点的粗圆圈来表示，其中这些圆圈中的几个示例性地具有附图标记C。由此可以看出在通道G3的下端部可到达所述大楼，以及可以通过位于中央区域Z中的与通道G3相对的入口到达所述大楼。借助相应标记出的支持点C，在定位时可以确定所述移动对象是否位于以下区域中，即可以通过该区域进入或离开参考地图区域。

如下面将要描述的，在定位期间应当识别处在所述对象的未在参考地图区域中的位置上的测量。这些下面也称为OOA测量或OOA点（OOA=Out of Area，不在区域内）的测量或位置，在此可以位于所述大楼之外或者必要时也可以位于该大楼内，例如在其中没有存放参考地图的通道G1中。此外OOA点必要时也可以位于该大楼的其它楼层中。为了检测OOA点，除其它之外还确定所述移动对象在测量期间是否通过出口区域。在此要考虑应当定义参考地图区域，使得出口区域的数量尽可能少并且可被尽可能清楚地识别。例如，从参考地图中不应当排除该大楼的单个房间，尤其是当该房间一般被所述移动对象频繁进入和离开时。

在这里描述的实施方式中，借助初始的、还没有足够学习的参考地图来基于支持点对所述移动对象进行粗略的定位，其中该参考地图例如可以基于基站的下降的信号强度的径向模型。代替基于参考地图来进行定位，必要时还存在基于基站的信号场强的三角测量来执行粗略定位的可能性。为了确定移动对象是进入还是离开出口区域，需要该粗略定位。

图1中所示的基站BS1至BS14被依据它们的位置分配给不同的类型，在执行本发明的方法时要考虑这些类型。

在此定义4种类型基站：

类型1：参考地图区域内的基站，仅在参考地图区域中的位置上非常强地接收到这些基站的信号。

类型2：位于参考地图区域之外的基站，从而仅在参考地图区域之外的位置上强地接收到这些基站的信号。

类型3：位于出口区域旁的基站，从而可以在这些出口区域中强地接收到这些基站的信号。

类型4：位于参考地图区域的边界上的基站，从而既可以在参考地图区域之内又可以在参考地图区域之外强地接收到这些基站的信号。

根据图1，基站BS7和BS8是类型1的基站，因为它们与参考地图区域的边界之间存在相对大的距离。基站BS2，BS3和BS4是类型2的基站，因为它们位于参考地图区域之外。基站BS9和BS11是类型3的基站，因为它们位于用于离开或进入参考地图区域的出口区域旁。其余所有基站都在参考地图区域的边界上，因此是类型4的基站。

在识别OOA点上的测量时，值得期望的是基站存在于出口区域中，以由此清楚地确定移动对象何时进入或离开参考地图区域。此外，清楚地位于参考地图区域内的类型1的基站是很有帮助的。位于参考地图区域之外的类型2的基站同样也可以很有帮助，因为由此可以清楚地说明参考地图之外的位置。但是在此要考虑这样的基站仅用于识别在实际参考地图之外的测量的目的。因此通常不期望安装这样的基站。然而，在实际应用中可以给定很多这样的类型2的基站，例如在其中基站分布在多个楼层的大楼中，但是仅对一个楼层定义参考地图的相应区域。同样，在定位时类型2的基站可以出现在不同的相邻大楼中。类型4的基站在本发明的方法中不太有助于识别OOA点上的测量。

图2示出本发明方法的实施方式的主要方法步骤的示意性流程图。在此，在移动对象移动期间以短的时间间隔来确定以下测量，即基于这些测量可以定位对象或者可以学习根据图1的参考地图。这些测量在此示意性地用附图标记M表示。同时，说明各个测量到它们是位于参考地图区域之内还是之外的程度。在此，只有在参考地图区域之内的测量才在定位时或在学习参考地图时被考虑。所执行的各个测量以特征向量的形式说明了在移动对象上接收的基站的场强，此外还说明了相应的测量时刻。根据步骤S1，这些测量在此进入相应的缓存器，在对象移动期间总是在该缓存器中保存预定数量的测量及其测量时刻。各个测量在此以几秒内至少一次测量的比率被接收，从而通过该缓存器形成所述移动对象的可跟踪的轨迹。

在步骤S2中，对相应测量的分类执行到该测量是否能被肯定地分配给参考地图区域之内或参考地图区域之外的点的程度。基于上述类型1的基站来进行对测量的使得该测量的地点肯定位于参考地图区域之内的分类。如果在此表明所接收的至少一个类型1基站的场强超过预定值，则该测量被评价为参考地图区域之内的测量。同样，借助类型3的基站说明肯定位于参考地图之外的测量，其中当至少一个类型3基站的场强超过预定值时，将测量分配给对象在参考地图区域之外的位置。

在优选的变形中，在确定了肯定位于参考地图区域之内的测量点的情况下，还要执行在短距离上的轨迹跟踪（英文：short distance tracking，短距离跟踪）。在此要考虑移动对象的移动模型。也就是说，对于该移动对象来说给定预定的最大速度，以及由此依据该对象的位置给定最大时间段，该最大时间段是对象在其离开参考地图区域之前所需要的。然后基于该模型将所有随后的测量分配给参考地图之内的区域，只要这些测量根据该移动模型位于所述最大时间段内。类似地，还可以利用该移动模型将紧接在肯定位于参考地图区域之外的测量之后的测量分配给参考地图区域之外的位置，只要这些紧接的测量点位于其中所述移动对象以其最大速度不能移动到参考地图区域中的时间间隔内。

在步骤S2的识别之后，可以将其余的测量识别为不清楚的测量，在这些测量中不能肯定地看见对象在测量时是位于参考地图区域之内还是之外。这些不清楚的测量在下面也称为潜在的OOA测量，并在步骤S3中加以识别。代替将潜在的OOA测量识别为那些在步骤S2中无法清楚地分配给参考地图之内或之外的位置的点，还存在将单独的标准用于识别潜在的OOA测量的可能性。如果这些标准未被满足并且也不能分类为肯定位于参考地图之内或之外的测量，则在进一步的方法中不再考察相应的测量点。当满足以下标准的一个或多个时，测量例如可以被分类为潜在的OOA测量：

-所接收的场强的测量向量对参考地图区域内的所有已知基站来说非常弱或等于0；

-位于参考地图区域之外的基站的测量向量被非常强地接收；

-在定位时借助参考地图不能使该测量向量与参考地图足够一致，也就是说该测量向量与支持点的所有测量向量之间的偏差非常大。

最后提到的标准尤其是在首先执行起初的参考地图学习从而使得初始的参考地图已经相对精确时有所帮助。

在步骤S3中识别了潜在的OOA测量之后，对时间上在这之前以及时间上已经过去的测量点进行时间上的跟踪，以进一步分析潜在的OOA测量来将这些测量清楚地分配给参考地图区域之内或之外的区域。该跟踪在此在步骤S4中进行，在该步骤中从所缓存的测量集合内的潜在OOA测量开始，一定数量的测量时刻进入过去，而一定数量的测量时刻进入未来，而且一直进行下去，直到找到被清楚地识别为参考地图区域之内的测量或参考地图区域之外的测量的测量为止。

然后从该数量的测量开始，可以确定移动对象是否能在潜在的OOA测量与参考地图区域之内或之外的测量之间进入或离开该区域。这例如可以这样进行，即首先基于初始的参考地图在所找到的、被分配给参考地图之内或之外的位置的测量时定位该对象的位置，然后基于移动模型确定是否能出现出口区域的跨越。该移动模型在此又考虑了移动对象的最大速度，其中基于潜在OOA测量的测量时刻与已知测量的测量时刻之差以及依据参考地图区域之内或之外的已知位置来确定到底是否能出现出口区域的跨越。

如果这样的跨越由于移动模型而根本不可能，则可以由此断定在所考察的测量和参考地图区域之内或之外的已知测量之间不会出现对该区域的跨越。如果由于移动模型而可以进行这样的跨越，则基于利用初始参考地图的粗略定位可以确定移动对象根据所跟踪的测量是否在出口区域的支持点范围内这样移动，即使得能断定跨越了该出口区域。

在刚描述过的对移动对象的轨迹的跟踪中，在参考地图区域之内的测量上结束的那些轨迹是优先的，因为对在参考地图区域之外的测量的定位精度非常差。总之，在轨迹跟踪时可以区分以下的情况：

-轨迹在位于参考地图区域内的测量中结束。在这种情况下又要区分两种子情况：

i)如果该轨迹基于上述分析没有通过出口区域，则潜在的OOA测量必定在参考地图区域内，即使针对该测量接收到弱的信号强度。然后将该潜在的OOA测量分配给参考地图内的测量。由此可以在学习参考地图时考虑该测量的信号强度。

ii)如果该轨迹通过出口区域，则该潜在的OOA测量位于参考地图区域之外并且在进一步学习参考地图时不再被考虑。必要时在此还可以将沿着该轨迹的其它测量分配给参考地图之内或之外的区域。尤其是可以将直到离开出口区域为止的所有测量分配给参考地图内的区域或将直到进入出口区域为止的所有测量分配给参考地图之外的区域，并且将其余的测量分配给参考地图之外或之内的区域。

-作为第二种情况，轨迹既可以在时间的正向上又可以在时间的反向上在OOA测量或潜在OOA测量上结束。由此所考察的沿着该轨迹的测量可能是OOA测量。然而，这些测量不被评价为它们位于参考地图区域之外。而是随着在该方法中对轨迹的跟踪而用其它潜在OOA点继续，并且必要时可以根据其它轨迹跟踪来可靠地表明相应的潜在OOA测量位于参考地图之内或之外。如果在该方法结束时仍然不能可靠地确定相应的潜在OOA点是位于参考地图之内还是之外，则将该点分类为位于参考地图区域之外，从而该点在学习参考地图过程中不再被考虑。

然后在步骤S5中，最终在定位时或在学习参考地图时丢弃被分类为OOA测量的所有测量。如通过步骤S6所表示的，利用该方法必要时还可以同时学习多个例如位于大楼的不同楼层中的参考地图。在此可以通过合适地说明出口区域来确定移动对象何时从一个楼层移动到下个楼层。然后例如通过经过位于电梯或楼梯间的位置上的那些出口区域来确定楼层的更换。由此，用该方法必要时还可以识别不同的楼层以及学习这些楼层的参考地图。通过这种方式可以基于楼层内的二维定位和对测量的到相应楼层的相应分配来实现近似三维定位。

利用上述方法，可以针对很多测量在执行这些测量期间就已经确定或者在这些测量结束之后确定，这些测量中的哪一些可被分配给参考地图区域以及这些测量中的哪一些不能被分配给参考地图区域。由此这在定位时或在学习参考地图时被按照以下方式考虑，即仅将位于参考地图内的那些测量用于对移动对象进行位置确定以及对参考地图进行更新。该方法由此可以被视为用于实际定位或学习参考地图的预处理步骤。

图3和图4示出这样的场景，根据这些场景在移动对象于图1所示的大楼之内和之外的不同路径上测试本发明方法的实施方式。在图3和图4中通过相应的数字表示移动对象的连续的测量位置。在此，在图3中执行位于位置1至32上的测量。可以看出，移动对象从基站BS14附近的位置1开始沿着通道G3移动到中央区域Z，从中央区域Z通过出口区域离开大楼，并且离大楼越来越远。离开大楼在此是在测量15和16之间进行的。利用相应的、围绕由于概貌显示的原因仅部分以附图标记C’表示的测量的数字的圆圈，那些用上述方法被说明为参考地图区域内的测量的测量被突出显示。相反，没有圆圈的相应测量是用上述方法被识别为在参考地图区域之外的测量。从图3可以看出，该方法提供非常好的结果。只有位于参考地图区域之外的测量点16和17被错误地分配给参考地图区域。

图4示出其中移动对象沿着具有23个测量点1至23的路径从基站BS10附近的一个位置经由通道G3移动到中央区域Z中并且从中央区域Z离开通道G1直到到达基站BS3的场景。在此，沿着通道G1的区域位于参考地图区域之外。相应的、用上述方法被分配给参考地图区域的测量又通过相应圆圈C’表示。所有其它测量点被分配给参考地图之外的区域。可以看出，该方法还是提供非常好的结果。仅对测量点14进行了错误的分类，该测量点14被错误地分配给参考地图区域，尽管它位于该区域之外。

上述用于对测量点分类的本发明的方法只能在对定位初始化或对相应的参考地图学习方法初始化时使用。同样，该方法可以连续地用在参考地图的学习中。由于所测试的方法至少会对若干个点错误地分类，因此存在该错误在重复学习参考地图的情况下可能增加以及由此导致错误学习的参考地图以及导致错误的定位的危险。发明人借助多个测试检查了本发明方法在初始化定位时的使用或在学习参考地图期间连续使用时是否导致错误的结果。已经确定该方法尽管存在若干个错误分类的测量点但仍然是会聚的，而且多次学习的参考地图也与通过校准测量确定的实际的参考地图很好地一致。

上面描述的本发明方法的实施方式具有一系列优点。尤其是可以实现定位，以及必要时可以实现对参考地图的不受监控的学习，其中不需要再确保移动对象总是位于定义的定位区域中。而是通过该方法自发地确定测量是否能被分配给定位区域或参考地图区域。然后只有这样的测量在定位时或在学习参考地图时被加以考虑。由此对参考地图的学习不需要再通过得到仅在参考地图内移动的这种清楚指示的维护技术人员执行。而是还可以向在大楼范围内移动的任意使用者配备相应的移动对象，其中用该移动对象执行的测量在利用本发明方法进行过滤或分类之后可被用于学习参考地图。此外，该方法还可以通过简单的方式扩展到三维，其中对不同的楼层确定相应的单独的参考地图，并且通过合适地定义出口区域来确定该移动对象何时从一个楼层移动到另一个楼层。