1.一种室内外及建筑物的判断方法，其特征在于，具体步骤如下：

步骤一，进行室内外判断：包括准备训练数据、特征选择、数据预处理、模型训练、室内外判断以及融合已有的室内外判断方法；

1)准备训练数据：分别在室内及室外采集数据作为训练，室内数据采集方法为在选定目标区域的建筑物内打开采集软件，采集建筑物内的GPS信息，室外数据采集方法为在选定目标区域的建筑物外打开采集软件，采集建筑物外的GPS信息；

2)特征选择：根据GPS的特点，选择载噪比大于10的卫星个数、载噪比大于15的卫星个数、载噪比大于20的卫星个数、载噪比大于25的卫星个数、载噪比大于30的卫星个数、卫星个数、GPS水平定位误差半径以及GPS位置高程，分别用符号表示为g10、g15、g20、g25、g30、lln、llr和llh；

3)数据预处理：将室内外判断看成是一个二分类问题，1表示是室内，‑1表示室外，分别将室内及室外的采集数据转换；

4)模型训练：将转换后的数据利用决策树模型进行训练，得到类似决策树模型，由根节点到叶子节点的每条路对应一条规则，满足某规则被判定位室内或室外；

5)室内外判断：根据训练出来的决策树模型，对输入的每条数据进行类别判断；

6)融合已有的室内外判断方法：确认GPS特征、传感器、WTFT以及BLE的置信度，通过GPS特征、传感器、WIFI以及BLE来判断室内外；

步骤二，建筑物判断：包括准备数据、数据预处理、模型训练、建筑物判断以及融合已有的建筑物判断方法；

1)准备数据：在每一栋建筑物的每一层采集对应的wifi指纹信息作为训练数据；

2)数据预处理：将采集的指纹数据处理成如下格式：，i属于[1，mac数]，j属于[1，建筑物数]，k属于[1，某mac在某建筑物中的指纹数]；

3)模型训练：假设某个mac在某个建筑物里不同位置出现的概率的符合高斯分布，对第二步中的数据进行高斯建模得到如下模型：>，i属于[1，mac数]，j属于[1，包含mac(i)的建筑物数]；

4)利用朴素贝叶斯模型进行建筑物判断；

5)融合已有的建筑物判断方法：确认GPS、WIFI、BLE以及计分原则的置信度，通过GPS、WIFI、BLE以及计分原则进行建筑物的判断。

2.根据权利要求1所述的室内外及建筑物的判断方法，其特征在于，所述室内外和建筑物的判断均采用加权法计算。

3.根据权利要求1或2所述的室内外及建筑物的判断方法，其特征在于，所述室内外判断还包括通过光亮强度判断。

4.根据权利要求1‑2任一所述的室内外及建筑物的判断方法，其特征在于，所述室内外和建筑物判断还包括通过WIFI指纹匹配判断。

5.根据权利要求1‑2任一所述的室内外及建筑物的判断方法，其特征在于，所述朴素贝叶斯模型进行建筑物判断具体步骤如下：一次定位请求query中包含N个mac，分别为，则首先去查找这N个mac对应的模型信息，取出这些模型里包含的所有建筑物集合，然后对集合中的所有建筑物，利用朴素贝叶斯准则去预测这条query在该建筑物中的概率，取概率最大者作为预测的目标建筑物argmax{Pi|i属于[1，M]}。