无 GPS 场景下的设备定位方案:三大运营商基站查询 API 详解

简介: 很多埋地物联网终端、室内电表这类设备,没有 GPS 定位,探数API 的基站查询接口,通过读取周边基站信息,实现粗定位,接口支持移动、联通、电信2G/3G/4G基站位置查询。

很多埋地物联网终端、室内电表这类设备,本身没有 GPS 模块。可以通过读取周边基站信息,实现粗定位,获取设备大致所在城市与片区。当设备被挪走、异地上线,脱离预设部署区域时,系统就可以触发位置异常告警。

一、接口说明

核心能力:拿到设备采集的基站信息(MCC/MNC/LAC/CI),反解析出这个基站对应的地理位置。

终端扫描周边基站并获取基站编号,将参数提交给定位接口;服务端查询基站库得到基站坐标,结合信号强度,计算终端的粗略位置。

需要注意的是,因为不靠GPS,靠手机信号塔,所以不是精准坐标,只能给出大致范围。

二、接口使用流程

1、输入以下请求参数

名称 必填 类型 说明
key 是 string 个人中心查看
mnc 是 int 基站类型 0移动 1联通 (电信对应sid)
lac 是 int 小区号(电信对应nid)
cellid 是 int 基站号(电信对应bid)

数据来源:探数API


接口支持移动、联通、电信2G/3G/4G基站位置查询。注意电信要做区分,按照提示输入。

2、返回结果

名称 类型 说明
lat string 维度,wgs84坐标系
lng string 经度,wgs84坐标系
radius string 信号覆盖范围(单位:米,精度半径)
addr string 地址

数据来源:探数API

三、Json返回示例

{
     
    "data": {
     
        "lat": "31.056400",
        "lng": "105.110687",
        "radius": 736,
        "addr": "四川省绵阳市三台县潼川镇长林村;205省道与三象路路口东北659米"
    }
}

设备读到的基站编号,API 查到这个信号塔在四川绵阳三台县长林村一带;你的设备就在这个塔周围736 米范围以内。

例子中的
lat 纬度 31.056400;lng经度 105.110687(WGS84)
这个坐标,是基站的坐标,不是设备精准位置。设备在这个塔的信号覆盖范围内。

radius:736(单位米,重点) 以基站为圆心,设备可能在这个基站736米范围内任意位置。

addr:结构化地址 基站对应的文字地址,方便页面直接展示给客户看。

四、开发时要注意

  • 地图展示时,不要只打一个点,建议画圆形圈标注误差范围,避免客户误以为定位精准。

  • 坐标系是 WGS84,如果对接高德 / 百度地图,需要做坐标转换。

  • radius 数值越大,定位越不准;农村郊区基站稀疏,radius 经常上千米。

五、python接入方法

import urllib, urllib3, sys, uuid
import ssl


host = 'https://tscell.market.alicloudapi.com'
path = '/cell/index'
method = 'GET'
appcode = '你自己的AppCode'
querys = 'mnc=0&lac=33204&cellid=202944490'
bodys = {
     }
url = host + path + '?' + querys

http = urllib3.PoolManager()
headers = {
     
    'Authorization': 'APPCODE ' + appcode
}
response = http.request('GET', url, headers=headers)
content = response.data.decode('utf-8')
if (content):
    print(content)
相关文章
|
23天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9418 30
|
9天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
8天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
671 1
|
22天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2498 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
431 0
|
3天前
|
存储 缓存 测试技术
QWT 3D 模块重构记:旧渲染管线改进介绍及实时瀑布图示例
QWT 3D模块完成重大重构:解耦窗口与图形(Plot+Item),摒弃OpenGL 1.x固定管线,迁至Core Profile着色器渲染;支持多图元同场景叠加,并以实时3D瀑布图验证——滑动窗口、固定色域、64帧×256点达61fps。兼容Qt 5.12+/6,LGPL协议。
165 120
|
15天前
|
Windows
【保姆级】.NET Framework 3.5离线安装教程(2026最新实测)
.NET Framework 3.5是微软经典运行库,专为兼容老软件、老游戏设计。Win7自带,Win10/11需手动启用(在线或离线安装)。它与4.x系列并存不冲突,缺它会导致“找不到组件”报错。本文详解两种安装方式及常见问题解决,小白也能轻松上手。(239字)
1947 0
|
11天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
1216 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面