具体实施方式

以下，先对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

1)终端设备，包括向用户提供语音和/或数据连通性的设备，具体的，包括向用户提供语音的设备，或包括向用户提供数据连通性的设备，或包括向用户提供语音和数据连通性的设备。例如可以包括具有无线连接功能的手持式设备、或连接到无线调制解调器的处理设备。该终端设备可以经无线接入网(radio access network，RAN)与核心网进行通信，与RAN交换语音或数据，或与RAN交互语音和数据。该终端设备可以包括用户设备(userequipment，UE)、无线终端设备、移动终端设备、设备到设备通信(device-to-device，D2D)终端设备、车到一切(vehicle to everything，V2X)终端设备、机器到机器/机器类通信(machine-to-machine/machine-type communications，M2M/MTC)终端设备、物联网(internet of things，IoT)终端设备、签约单元(subscriber unit)、签约站(subscriberstation)，移动站(mobile station)、远程站(remote station)、接入点(access point，AP)、远程终端(remote terminal)、接入终端(access terminal)、用户终端(userterminal)、用户代理(user agent)、或用户装备(user device)等。例如，可以包括移动电话(或称为“蜂窝”电话)，具有移动终端设备的计算机，便携式、袖珍式、手持式、计算机内置的移动装置等。例如，个人通信业务(personal communication service，PCS)电话、无绳电话、会话发起协议(session initiation protocol，SIP)话机、无线本地环路(wirelesslocal loop，WLL)站、个人数字助理(personal digital assistant，PDA)、等设备。还包括受限设备，例如功耗较低的设备，或存储能力有限的设备，或计算能力有限的设备等。例如包括条码、射频识别(radio frequency identification，RFID)、传感器、全球定位系统(global positioning system，GPS)、激光扫描器等信息传感设备。

作为示例而非限定，在本申请实施例中，该终端设备还可以是可穿戴设备。可穿戴设备也可以称为穿戴式智能设备或智能穿戴式设备等，是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，例如：智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行体征监测的智能手环、智能头盔、智能首饰等。

而如上介绍的各种终端设备，如果位于车辆上(例如放置在车辆内或安装在车辆内)，都可以认为是车载终端设备，车载终端设备例如也称为车载单元(on-board unit，OBU)。

本申请实施例中，终端设备还可以包括中继(relay)。或者理解为，能够与基站进行数据通信的都可以看作终端设备。

本申请实施例中，用于实现终端设备的功能的装置可以是终端设备，也可以是能够支持终端设备实现该功能的装置，例如芯片系统，该装置可以被安装在终端设备中。本申请实施例中，芯片系统可以由芯片构成，也可以包括芯片和其他分立器件。本申请实施例提供的技术方案中，以用于实现终端的功能的装置是终端设备为例，描述本申请实施例提供的技术方案。

2)网络设备，例如包括接入网(access network，AN)设备，例如基站(例如，接入点)，可以是指接入网中在空口通过一个或多个小区与无线终端设备通信的设备，或者例如，一种车到一切(vehicle-to-everything，V2X)技术中的网络设备为路侧单元(roadside unit，RSU)。基站可用于将收到的空中帧与IP分组进行相互转换，作为终端设备与接入网的其余部分之间的路由器，其中接入网的其余部分可包括IP网络。RSU可以是支持V2X应用的固定基础设施实体，可以与支持V2X应用的其他实体交换消息。网络设备还可协调对空口的属性管理。例如，网络设备可以包括LTE系统或高级长期演进(long termevolution-advanced，LTE-A)中的演进型基站(NodeB或eNB或e-NodeB，evolutional NodeB)，或者也可以包括第五代移动通信技术(the 5th generation，5G)NR系统(也简称为NR系统)中的下一代节点B(next generation node B，gNB)或者也可以包括云接入网(cloudradio access network，Cloud RAN)系统中的集中式单元(centralized unit，CU)和分布式单元(distributed unit，DU)，本申请实施例并不限定。

网络设备还可以包括核心网设备，在本申请实施例中，核心网设备例如包括5G系统中的访问和移动管理功能(access and mobility management function，AMF)或用户平面功能(user plane function，UPF)等，或者包括4G系统中的移动管理实体(mobilitymanagement entity，MME)等。

本申请实施例中，用于实现网络设备的功能的装置可以是网络设备，也可以是能够支持网络设备实现该功能的装置，例如芯片系统，该装置可以被安装在网络设备中。在本申请实施例提供的技术方案中，以用于实现网络设备的功能的装置是网络设备为例，描述本申请实施例提供的技术方案。

3)无线资源控制(radio resource control，RRC)，在LTE中，支持两种RRC状态，即RRC空闲态(RRC_IDLE)、RRC连接态(RRC_CONNECTED)。在NR中，引入RRC非激活态(RRC_INACTIVE)，即NR中支持三种状态，RRC空闲态(RRC_IDLE)、RRC非激活态(RRC_INACTIVE)、RRC连接态(RRC_CONNECTED)，其中，不同的RRC状态之间可以切换。

4)通信制式，包括但不限定于：第二代移动通信技术(2nd-Generation wirelesstelephone technology，2G)网络、第三代移动通信技术(3rd-Generation wirelesstelephone technology，3G)网络、第四代移动通信技术(4th-Generation wirelesstelephone technology，4G)网络以及第五代移动通信技术(5th-Generation wirelesstelephone technology，5G)网络等等。例如全球移动通讯系统(global system of mobilecommunication，GSM)网络、码分多址(code division multiple access，CDMA)网络、宽带码分多址(wideband code division multiple access，WCDMA)网络、通用移动通信系统(universal mobile telecommunications system，UMTS)、长期演进(long termevolution，LTE)网络等。

4.1)掉制式，是指终端设备从高通信制式切换到低通信制式，比如，从5G切换到4G或3G、从4G切换到3G、或从5G切换到3G或4G等等。

在掉制式前后终端设备始终处于连接(connected)态。以终端设备从5G切换到4G为例，掉制式过程包括：终端设备驻留到5G基站，即终端设备当前通信制式是5G，在满足切换条件时，终端设备进行小区切换，比如切换到4G基站，那么终端设备由5G掉落到4G，终端设备从5G掉落到4G的过程中始终处于连接(connected)态。示例性的，所述切换条件可以是终端设备检测到移出所述5G基站的覆盖范围(比如5G基站的信号强度低于阈值)、或者终端设备检测到4G基站的信号强度大于阈值比如大于5G基站的信号强度，等等。

4.2)掉网，是指终端设备从有网络到无网络；与掉制式不同的是，掉网之前，终端设备处于连接(connected)态，掉网之后，终端设备处于空闲(idle)态。终端设备掉网之后，如果要恢复网络，需要执行搜网注册过程。简单来说，搜网注册的过程，具体可以包括搜网过程和网络注册过程。在搜网过程中，终端设备进行小区搜索，并在搜索到合适的小区后执行网络注册过程。在网络注册过程中，终端设备向网络侧设备发送身份信息(比如SIM卡的身份信息)，网络侧设备验证所述身份信息的合法性，并在验证合法之后，同意终端设备驻留到所述小区。

5)终端的移动性管理机制，通过小区切换(handover)或小区重选(reselection)从而获得无线网络持续不断的服务。小区切换是指处于连接(connected)态的终端设备通过邻区测量从当前小区切换到另一个小区。小区重选是指处于RRC_IDLE态的终端设备通过监测周围的小区的信号质量以选择一个最好的小区提供网络服务的过程。因此，对于发生掉制式的终端设备可以基于小区切换的方式切换到高制式的小区中，对于发生掉网的终端设备可以基于小区重选的方式接入到高制式小区中。

以小区切换为例，小区切换的过程包括：终端设备接入第一小区，第一小区可以通过RRC信令(用于指示进行邻区测量的时频资源)配置终端设备进行邻区测量。终端设备将邻区的测量结果上报第一小区，第一小区根据测量结果确定满足切换条件(比如邻区的信号质量高于第一小区)时，将终端设备切换到信号质量更好的小区上。或者，终端设备接入第一小区后可以进行邻区测量，当检测到满足切换条件时，切换到邻区。所述切换条件包括第一小区的信号质量低于一定门限；或者，邻区的信号质量高于门限，等等。

可以理解的是，上述小区重选或小区切换的过程，都是基于对邻区的测量结果来进行。

6)邻区测量，终端设备对邻区的相关信息进行测量，以便作为小区切换或小区重选的依据。其中，所述邻区的相关信息包括邻区的通信制式、目标频点、物理小区标识(physical cell identifier，PCI)、信号强度等等。

7)本申请实施例中“多个”是指两个或两个以上，鉴于此，本申请实施例中也可以将“多个”理解为“至少两个”。“至少一个”，可理解为一个或多个，例如理解为一个、两个或更多个。例如，包括至少一个，是指包括一个、两个或更多个，而且不限制包括的是哪几个。例如，包括A、B和C中的至少一个，那么包括的可以是A、B、C，A和B，A和C，B和C，或A和B和C。同理，对于“至少一种”等描述的理解，也是类似的。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。

终端设备移动的过程中，可能会发生网络异常(掉网或掉制式)。比如，终端设备进入地下车库或者经过车辆行驶路线上的问题区域(网络弱覆盖或无覆盖区域)时，会发生网络异常。为了避免对终端设备的业务造成的影响，一旦发生网络异常，终端设备会尝试尽快恢复网络。

以掉制式为例，现有搜网方案为：假设终端设备接入第一小区(4G小区)后，从第一小区切换到第二小区(3G小区)，即终端设备掉制式(终端设备处于连接态)。终端设备可以检测第二小区的多个邻区，在满足切换条件(参见前文描述)时，接入到所述多个邻区中的某一个邻区中。通常，终端设备是基于网络设备配置的邻区列表进行邻区测量，比如邻区列表中包括3个小区，那么终端设备只搜索这3个小区。也就是说，这种方案中终端设备掉制式之后，可搜索的小区有限制，不能搜索不在邻区列表中小区。因此，存在一种情况，终端设备配置的邻区列表中没有高制式小区比如4G小区。这样的话，终端设备基于邻区列表进行的邻区测量之后，只能接入到低制式邻区，若终端设备要想恢复到4G制式，就需要在该邻区内继续进行邻区测量，当满足切换条件时，再次执行小区切换过程。可见，终端设备需要较长的时间才能恢复高制式(原来4G)网络。

上述现有方案中，终端设备掉制式过程中GUI上通信制式标识的变化情况为：假设终端设备从4G掉落到3G，那么终端设备的GUI中显示的通信制式标识由4G变化到3G，然后终端设备搜索邻区列表中的小区，假设搜索到另一个3G小区，接入该3G小区，此时GUI中继续显示3G，直到某个时刻终端设备搜索到4G小区，GUI中状态栏中显示4G。因此，GUI中通信制式标识的显示变化为：从4G到3G再到4G。其中，显示3G的时间较长，因为持续显示3G的过程中终端设备可能切换到不同的3G小区。其中，终端设备GUI上显示通信制式标识的方式可参见下文中图2所示。

以掉网为例，现有搜网方案为，终端设备掉网之后，需要重新搜网。所述重新搜网是从掉网时刻开始不断的搜网，而且是搜索任意制式的网络。比如，从掉网时刻开始等1s执行第一次搜网，如果没有搜索到再等2s进行第二次搜网，然后等3s进行第三次搜网等等，每次等待的时间间隔不同，逐渐增大。当搜索到某个小区时，接入到该小区。一种情况是搜索到的通信制式是随机的，假设先搜索到低制式比如3G基站，那么终端设备需要执行小区切换过程才可能切换到高制式小区。但是倘若配置的邻区列表中不存在高制式小区的话，仍然无法及时恢复到高制式。另一种情况是，终端设备从4G掉网后，先搜索高制式网络，然后搜索低制式网络，由于终端设备处于运动状态，所以终端设备可能会错过高制式网络的搜索，进而无法及时的恢复高制式网络。

上述现有方案中，终端设备掉网过程中GUI上通信制式标识的变化情况为：假设终端设备从4G掉网，那么终端设备的GUI中显示的通信制式标识由4G变化到无信号，然后终端设备搜索小区，假设搜到3G小区，接入该3G小区，此时GUI中显示3G，直到某个时刻终端设备搜索到4G小区，并接入到该4G小区，GUI中状态栏中显示4G。因此，掉网后GUI中通信制式标识的显示变化为：从4G到无信号再到3G再到4G。因此，终端设备掉网之后恢复到4G需要较长的时间。

因此，目前的方案中终端设备发生网络异常之后，存在无法及时的恢复的高制式网络的问题。

鉴于此，本申请实施例提供一种搜网方法，该方法中终端设备发生网络异常之后，可以尽快恢复高制式网络。

下面结合附图介绍本申请的技术方案。

实施例1

参见图1，为本申请实施例提供的一种搜网方法的示意图。该方法的流程包括：

S101，终端设备确定发生网络异常。

其中，网络异常可以包括掉网或掉制式。假设终端设备接入第一小区，第一小区的通信制式为第一通信制式，掉网包括：终端设备从第一小区切换到未接入任何小区的状态；掉制式包括：终端设备由第一小区切换到第二小区，第二小区的通信制式为第二通信制式，第二通信制式低于第一通信制式；比如，第一通信制式是5G，第二通信制式是3G或4G；或者，第一通信制式是4G，第二通信制式是3G，等等。

终端设备掉网或掉制式后，图形用户界面(graphical user interface，GUI)会发生变化。以终端设备掉网为例，参见图2(a)，终端设备接入第一小区比如是4G小区，状态栏显示的通信制式标识201为4G标识；终端设备掉网后，状态栏中显示“无信号”，参见图2(b)。以终端设备掉制式为例，参见图2(c)，终端设备接入第一小区比如是4G小区，状态栏显示的通信制式标识203为4G标识；终端设备从第一小区切换到第二小区比如3G小区，状态栏中显示的通信制式标识204为3G标识，参见图2(d)。

S102，终端设备搜索并接入目标网络。

本申请实施例中，终端设备搜索目标网络包括如下至少一种情况：

1、终端设备搜索通信制式为目标通信制式的网络。

其中，目标通信制式是高于或等于第一通信制式的任意制式，比如，第一通信制式是5G，目标通信制式是5G；或者，第一通信制式是4G，目标通信制式是4G或5G；或者，第一通信制式是3G，目标通信制式是3G、4G或5G，等等。

或者，目标通信制式是预设通信制式比如4G。也就是说，终端设备只搜索并接入到4G制式的小区。

在本申请实施例中，终端设备搜索目标通信制式的网络是指，终端设备只搜索目标通信制式的网络。具体的，终端设备搜索目标通信制式的网络且不搜索目标通信制式之外的其他制式的网络。比如终端设备可以使用下面方式1或方式2中的至少一种实现只搜索目标通信制式的网络。方式1，终端设备可以将射频调节到目标通信制式对应的频点，且射频不切换至目标通信制式之外的频点；即将搜索频点调整到目标通信制式对应的频点。方式2，终端设备控制用于搜索目标通信制式的搜网功能处于开启状态，其他目标通信制式的搜索功能处于关闭状态。比如，终端设备中包括多个modem模块，其中不同modem模块用于执行不同通信制式的网络搜索，比如，第一modem模块用于搜索3G制式网络，第二modem模块用于搜索4G制式网络，当目标通信制式是4G制式时，终端设备利用第二modem模型进行4G小区的搜索，可以关闭第一modem模块。通常情况下这两种方式可以组合使用。

或者，终端设备只搜索目标通信制式的网络也可以理解为，终端设备掉网或掉制式之后，只搜索目标通信制式的网络，中间(恢复高目标制式之前)没有搜索其它制式的网络。

上文中目标通信制式网络的搜索和接入过程包括目标通信制式网络的搜索过程和目标通信制式网络的接入过程。目标通信制式网络的搜索过程包括：应用处理器AP向modem模块发送搜网指令，该搜网指令可以用于指示modem具体搜索目标制式的网络，比如搜索3G制式或4G制式。modem模块开始搜网。比如，终端设备中的modem模块接收多个小区发送的广播消息，所述广播消息中包括导频码和同步信息等。终端设备基于同步信息与目标通信制式网络对应的目标小区同步然后接入到目标小区。由于终端设备的射频调节到目标通信制式对应的频点，所以终端设备可以搜索到目标通信制式网络对应的小区的广播消息，而搜索不到非目标通信制式网络的小区的广播消息，所以只需与目标通信制式网络对应的小区同步即可。

目标通信制式网络的接入过程(或连接过程)包括：modem模块向目标通信制式网络对应的目标小区发送接入请求(connection request)消息，目标小区同意接入的话，向Modem模块发送链接应答(connection setup)消息，modem模块向目标小区发送接入完成(connection setup complete)消息，即终端设备接入到目标小区。那么，终端设备后续的网络服务由目标小区提供。

2、终端设备搜索目标小区，目标小区是终端设备记录的曾经接入过的小区。

比如，终端设备在历史上发生过相同场景，在该场景中终端设备接入第三小区，那么目标小区是第三小区。其中，历史上发生过的相同场景可以理解为：假设上述网络异常(S101)是指终端设备从第一小区切换到第二小区(第二小区的制式低于第一小区)，那么历史发生的相同场景是指终端设备历史上发生过从第一小区切换到所述第二小区的场景。假设在历史发生过的相同场景中，终端设备搜索并接入到第三小区(第三小区的制式不低于第一小区)。那么，终端设备搜索并接入到所述第三小区，即目标小区是所述第三小区。当然，倘若终端设备搜索到通信制式高于所述第三小区的邻区，可以接入该邻区。

以终端设备进入地下车库过程中发生网络异常为例，终端设备可以记录曾经移出所述车库时接入的小区(通信制式高于掉制式之前接入的小区)，那么终端设备再次检测到移出所述出库时，可以接入所述记录的小区。

具体而言，终端设备可以记录每个接入过的小区的小区标识，小区标识包括但不限定于PCI。终端设备记录历史上发生过的相同场景时接入过的小区的PCI是目标PCI，终端设备执行邻区测量，检测到多个邻区的邻区信息，每个邻区的邻区信息中包括每个邻区的PCI，假设多个邻区中第一邻区的PCI是目标PCI，则终端设备接入第一邻区。

3、终端设备搜索目标小区，目标小区是具有目标频点的小区。假设终端设备发生掉网或掉制式之前的工作频点为第一频点，那么目标小区可以是工作频点高于会等于所述第一频点的小区，即终端设备接入到工作频点高于或等于所述第一频点的小区。

在一些实施例中，上述三种条件也可以结合使用，比如，终端设备确定满足目标通信制式的目标小区有多个时，可以从多个目标小区中确定PCI是目标PCI(历史上曾经接入过的小区的PCI)；和/或，从多个目标小区中确定具有目标频点的小区。

进一步，终端设备还可以结合其它信息选择目标小区，比如，终端设备确定满足目标通信制式的目标小区有多个时，可以从多个目标小区中选择通信制式最高的小区或者选择信号强度最强的小区作为最终的目标小区。再比如，终端设备确定记录的曾经接入过的小区包括多个时，确定接入次数最多的小区或者信号强度最强的小区为最终的目标小区。再比如，终端设备确定具有目标频点的小区包括多个，则确定信号强度最强的小区为最终的目标小区。又或者，终端设备确定满足目标通信制式的目标小区有多个时，可以从多个目标小区中选择通信制式最高的小区，在通信制式最高的小区存在多个时，终端设备从中选择出信号强度最强的小区作为最终的目标小区。

考虑到网络异常可以包括掉网和掉制式两种情况，下面分别介绍这两种情况下的搜网机制。

情况1，以掉制式为例

终端设备从第一小区切换到第二小区(第二小区的通信制式低于第一小区的通信制式)之后，搜索目标通信制式的网络，目标通信制式为不低于所述第一通信制式的通信制式。这种方式中，终端设备掉制式之后，搜索目标通信制式的网络，该搜索目标通信制式的网络对应的小区可以是邻区列表中的小区，也可以不是邻区列表中的小区。也就是说，本申请中，终端设备掉网之后，对小区的搜索没有邻区列表的限制，可以不局限于搜索邻区列表内的小区，还可以搜索不在邻区列表中的小区，只要搜索到高制式小区即可。比如，终端设备可以先搜索邻区列表中的小区，如果没有高制式小区，再搜索不在邻区列表中的小区。

比如，终端设备掉制式时(处于连接态)，搜索预存的小区的信息，所述小区为所述目标制式的小区；所述终端设备还存储有邻区的信息，所述邻区的信息为所述网络设备为所述第二小区配置的邻区的信息，即邻区列表中的邻区的信息。其中，预存的小区的信息所对应的小区可以是所述终端设备历史过程中搜索到的小区。

而且，本申请实施例中，终端设备掉制式之后，是在指定时间(比如，自学习出的最佳搜网时间)启动搜网，可选的，还可以是最佳搜网时间为起始时刻、历史网络恢复时间为结束时刻划分多个相同的时间间隔，在每个时间间隔对应的时间上搜索一次，直到搜索到目标制式网络。

在本申请实施例中，终端设备掉制式之后，在与低制式小区连接时，搜索目标通信制式的网络。也就是说，终端设备保持与低制式小区连接的情况下搜索目标网络。比如，终端设备从第一小区切换到第二小区掉制式，那么终端设备在与第二小区连接时，搜索目标制式网络。搜索目标制式网络之前，终端设备没有从第二小区切换到其它低制式小区，即恢复高制式之前没有再接入其它的低制式小区。这种方案中，终端设备掉制式过程中GUI上通信制式标识的变化情况为：假设终端设备从4G掉落到3G，那么终端设备的GUI中显示的通信制式标识由4G变化到3G，然后终端设备搜索目标制式网络，假设搜索到4G小区则接入4G小区，GUI中状态栏中显示4G。因此，GUI中通信制式标识的显示变化为：从4G到3G再到4G。其中，显示3G的时间较短，因为持续显示3G的过程中终端设备没有切换到其它的3G小区。

情况2，以掉网为例

本申请实施例中，终端设备掉网之后，需要重新搜网，该重新搜网时的搜网方式与上述现有方案中终端设备掉网之后搜网方案不同。一方面，本申请中，终端设备掉网之后，触发搜网的时间的设计与上述现有搜网方案不同，比如，终端设备每隔预设时间间隔搜索目标网络。也就是说，本申请中，终端设备掉网之后以相同的时间间隔搜索网络。而现有搜网方案中，终端设备搜网间隔不同且搜网间隔是逐渐增大的。此外，终端设备在最佳搜网时间开始每隔时间间隔触发目标网络的搜索，最近搜网时间是终端设备自学习出的能够尽快接入高制式的时间。

另一方面，本申请中，终端设备掉网后的重新搜网是指终端设备只搜索目标制式的网络，区别于现有方案中终端设备掉网之后重新搜网是搜索任何制式的网络。其中，终端设备只搜索目标制式的网络的方式参见前文。

在本申请实施例中，终端设备掉网过程中GUI上通信制式标识的变化情况为：假设终端设备从4G掉网，那么终端设备的GUI中显示的通信制式标识由4G变化到无信号，然后终端设备只搜索目标网络，当搜索到4G小区时，接入该4G小区，此时GUI中显示4G，也就是说，掉网后，GUI中通信制式标识的显示变化为：从4G到无信号再到4G，即掉网后没有接入过低制式网络，而是直接恢复到高制式网络，保证能够尽快恢复到高制式。

因此，本申请实施例中，终端设备发生网络异常之后，能够尽快恢复高制式网络。

比如，在第一时间点启动搜索目标通信制式的网络，第一时间点与第二时间点存在第一时间间隔，第二时间点为发生网络异常的时间点，所述第一时间点为所述第二时间点之后的时间点。所述第一时间间隔大于等于5秒。

可选的，终端设备发生网络异常之后，基于本申请的搜网方式搜索目标网络，记录从发生网络异常的时刻开始到连接上目标网络所需要的第一时长。终端设备可以控制使用默认搜网模式，例如：在电子设备的界面上显示一搜网方式切换按钮，用户通过控制该切换按钮控制在指定搜网和默认搜网之间切换，该默认搜网方式例如为前面所介绍的现有技术中的搜网方式。在终端设备处于指定搜网时，在掉制式或掉网之后的第一时长，接上目标通信制式的网络。后续终端设备可以控制处于默认搜网模式，在同一地点当终端设备再次发生网络异常时，终端设备在第二时长连接上目标通信制式的网络，所述第二时长大于所述第一时长。也就是说，本申请的搜网方式能够尽快恢复到高制式网络。第一时长例如为：5s、10s等等，第二时长例如为：15s、20s等等，本发明实施例不作限制。

可选的，终端设备发生网络异常时，确定处于亮屏状态，则搜索目标网络。通常，终端设备处于熄屏状态时，说明用户当前不操作终端设备，可以无需搜索目标网络，节省功耗。

存在一种可能的情况，终端设备未成功搜索到目标网络或者搜索到目标网络但是并未成功接入到该目标网络，这种情况下，终端设备可以接入低制式网络(即通信制式低于掉网/掉制式之前的通信制式的网络)。比如，终端设备开始搜索目标网络之后，等待预设时长，该预设时长例如为：20s、30s等等，当预设时长内未搜索或接入到目标网络，则接入低制式网络；或者，终端设备搜索目标网络的次数达到预设次数之后，未搜索或接入到目标网络，则接入低制式网络，该预设次数例如为：3次、7次、11次等等。

为了方便描述，下文中终端设备搜索目标网络可以简称为终端设备指定搜网。

本申请实施例提供的搜网方法可以适用于多种应用场景，比如包括但不限定于如下场景：

第一种场景为地下车库。参见图3所示，用户的终端设备(比如手机)进入地下车库时，发生网络异常比如掉网或掉制式等。一旦掉网或掉制式，可能需要较长的时间才能恢复到原来的高制式。因此，当用户开车从地下车库出库后，终端设备需要较长时间才恢复到高制式，影响用户体验。

第二种场景为非地库场景比如行驶路线上的问题区域。参见图4所示，从家到公司的行驶路线上存在一个或多个问题区域。当终端设备进入问题区域时发生网络异常(比如掉网或掉制式)，当移出问题区域时，可能需要较长时间才能恢复到高制式，影响用户体验。

实施例2-围栏

该实施例中介绍围栏的相关内容，包括围栏的形式、围栏的采集、围栏的标记、围栏的使用等等。

2.1、围栏的形式

围栏可以有多种实现形式，下面给出几种示例。

围栏的第一种示例：

围栏包括第一小区的第一小区标识和第二小区的第二小区标识，其中，第一小区是终端设备掉制式前接入的小区，第二小区是终端设备掉制式后接入的小区。围栏的形式可以是(第一小区标识、第二小区标识)。比如，终端设备接入第一小区(4G小区)，之后接入第二小区(3G小区)，即掉制式，围栏可以标识为(4G小区的小区标识，3G小区的小区标识)。示例性的，请参见下表1，为多个围栏的示例。其中，小区标识以cell ID为例。

表1

以上述表1中的围栏1为例，终端设备掉网之前接入小区A，小区A的标识为cell IDA，终端设备掉网之后接入小区B，小区B的标识为cell ID B。

围栏的第二种示例：

围栏包括服务小区的第一小区标识和至少一个邻区的第二小区标识。比如，围栏的形式可以是(小区A标识、小区B的标识)，其中，小区A是终端设备的服务小区，小区B是小区A的邻区。示例性的，请参见下表2，为多个围栏的示例。其中，小区标识以cell ID为例。

表2

以表2中的围栏1为例，终端设备的服务小区是小区A，小区A的标识为cell ID A，终端设备的邻区是小区B，小区B的标识为cell ID B。

围栏的第三种示例：

围栏包括服务小区的第一小区标识、服务小区的第一信号强度阈值、至少一个邻区的第二小区标识和所述至少一个邻区的第二信号强度阈值，比如，围栏的形式可以是(小区A的标识、小区A的信号强度阈值、小区B的标识、小区B的信号强度阈值)，其中，小区A是终端设备的服务小区，小区B是小区A的邻区。示例性的，请参见下表3，为多个围栏对应的围栏范围。其中，小区标识以cell ID为例。

表3

相对于上述第一种示例和第二种示例，第三种示例中围栏中还包括服务小区的信号强度阈值和邻区的信号强度阈值，能够更准确的识别终端设备是否进入围栏。

以表3中的围栏1为例，终端设备判断是否进入围栏1的方式为：终端设备检测服务小区的第一小区标识，比如cell ID A，还检测到服务小区的信号强度为X。终端设备检测到邻区的第二小区标识比如cell ID B，还检测到邻区的信号强度为Y。即终端设备得到cellID A、X、cell ID B和Y，确定cell ID A与围栏1中的cell ID A一致、cell ID B与围栏1中的cell ID B一致、X大于围栏1中的cell ID A的信号强度阈值、Y大于围栏1中的cell ID B的信号强度阈值，确定终端设备进入围栏1。

围栏除了上述几种示例以外，还可以有其他的形式，比如，围栏中还可以包括GPS等，本申请实施例对此不作限定。

2.2、围栏的获取(或采集)

以上述围栏的第二种示例(即围栏包括服务小区的第一小区标识和邻区的第二小区的第二小区标识)为例，参见图5，为终端设备执行一次围栏采集的示意图。图5可以理解为终端设备中处理器和调制解调(modem)模块的信息交互示意图。其中，处理器可以是应用处理器(application processor，AP)或其他处理器。

S501，终端设备中的modem模块检测服务小区和邻区的信息。

modem模块负责进行服务小区和邻区的检测。其中，邻区检测包括检测邻区的小区标识、信号强度、工作频率/频段、通信制式等等。modem模块可以实时的或周期性的检测邻区。

S402，modem模块向处理器发送第一消息。

第一种情况，modem模块检测到邻区的信息之后，若满足切换条件可以执行小区切换，比如，modem模块从第一小区切换到第二小区，第二小区的通信制式低于第一小区的通信制式，modem模块可以通过第一消息通知处理器。所述第一消息可以是用于指示终端设备掉网/掉制式的指示信息。比如，第一消息是0时，指示终端设备掉制式，第一消息是1时，指示终端设备掉网，又或者第一消息用于指示网络异常，如果第一消息为0，指示终端设备可能掉网或者掉制式。

第二种情况，所述第一消息是modem模块检测到的服务小区和邻区的信息。比如，modem模块接入第一小区时，向处理器发送第一小区的信息(比如：小区标识、通信制式等等)和第一邻区的信息。当modem模块切换到第二小区时，将第二小区的信息和第二邻区的信息发送给处理器。处理器比较所述第一小区和所述第二小区的通信制式，确定通信制式是否降低。当然，第一消息也可以只包含服务小区的信息。

S403，处理器确定掉网/掉制式。

对于上述第一种情况，处理器基于第一消息可以较为直观的确定是否掉网/掉制式。

对于上述第二种情况，处理器比较第一小区和所述第二小区的通信制式，确定通信制式是否降低。

S404，处理器记录服务小区和邻区的信息，形成围栏。

对于上述第一种情况，围栏可以包括掉网/掉制式之前的服务小区和邻区的信息。

对于上述第二种情况，围栏可以包括第一小区和第一邻区的信息。

S405，处理器记录围栏的异常次数。

终端设备记录围栏之后，可以将该围栏对应的异常次数记录为1。

S406，处理器接收modem模块发送的第二消息。

所述第二消息可以是用于指示终端设备恢复网络的指示信息，比如第二消息是10时，用于指示网络恢复，所述网络恢复是指终端设备接入到通信制式高于或等于掉网/掉制式之前的通信制式的网络。

或者，modem模块接入到第三小区，第二消息是第三小区和第三邻区的信息。处理器比较所述第三小区和所述第二小区的通信制式，确定是否恢复网络。

S406是可选的，图中以虚线表示。

S407，处理器记录网络恢复时间点和/或网络恢复时长。

其中，网络恢复时间点是指终端设备恢复网络的时刻。S407是可选的，图中以虚线表示。网络恢复时长例如可以是从掉网/掉制式时刻开始到网络恢复时间点持续的时长。

上述图5中介绍采集一次围栏的过程。终端设备可以采集多次得到多个围栏，或者，采集多次可能得到同一围栏，那么该围栏的异常次数更新(增加)。示例性的，参见下表4，为终端设备采集的多个围栏的示例。

表4

2.3、围栏的场景识别

这部分内容介绍终端设备识别哪些围栏为第一种场景(即地库场景)，哪些围栏为第二种场景(即非地库场景比如行驶路线上的问题区域)。围栏的场景识别过程也可以理解为围栏的场景标记过程。

当然，存在一种可能的情况，终端设备只需识别哪些围栏是地库场景，那么剩余的围栏即非地库场景。

围栏的场景识别方式有多种，比如包括但不限定于如下至少一种：

方式1，终端设备中存储多个围栏，每个围栏对应的场景已经事先被标记好。比如，终端设备出厂时预先存储在终端设备中。比如，参见下表5：

表5

其中，终端设备预先存储多个围栏以及每个围栏的场景标记的过程包括：以一个车库为例，测试人员携带终端设备进入所述车库，终端设备检测到围栏，测试人员读取终端设备检测到的围栏，并以人工的方式标记每个围栏对应的场景，比如人为确定某个围栏是车库场景，就将该围栏标记为车库场景，然后将每个围栏的标记结果写入终端设备中。因此，终端设备出厂之前存储多个围栏以及每个围栏对应的场景标记。

方式2、每个围栏对应的场景可以是用户标记的。比如，终端设备提供一个用于标记围栏的app或界面，终端设备在该app或界面中显示检测到的围栏，该app或界面中还可以提供输入框，用于输入围栏的场景标记。比如，用户开车进入居住小区的地下车库，终端设备检测到围栏，并在所述app或界面中显示所述围栏，用户可以在输入框中输入“家里车库”的标记，终端设备检测到用户在输入框的输入操作之后，建立所述围栏与车库场景的对应关系。

方式3，每个围栏对应的场景是终端设备根据运动数据确定的。假设终端设备检测到进入第一围栏，并根据运动数据判断处于地库场景，则确定第一围栏的场景为地库场景。其中，终端设备根据运动数据判断处于地库场景的过程可以参见后文中实施例3中的3.1中的方式2。

进一步的，一个围栏对应的异常次数大于预设次数时，该围栏被识别为地库场景，否则该围栏被识别为非地库场景。

方式4，类似于方式3，终端设备进入第一围栏之后，采集运动数据，若根据所述运动数据判断终端设备出库，若是，则将该围栏被识别为地库场景，否则，被识别为非地库场景。其中，终端设备根据运动数据判断出库的过程参见下文实施例3中的3.2.2的介绍。

2.4、围栏的使用

围栏用于进行场景检测，即终端设备通过围栏检测判断当前处于地库场景还是非地库场景。终端设备还可以通过围栏确定出后续连接的目标小区。

上文中围栏的标记部分介绍围栏被标记为不同的场景。因此，终端设备检测到进入一个围栏时，可以通过该围栏的场景标记确定该围栏对应的场景是地库场景还是非地库场景。

实施例3、地库场景

该实施例中介绍地库场景下终端设备的搜网方法，具体可以包括入库检测、出库检测、出库搜网等。

3.1、地库场景的识别

方式1，终端设备检测到进入围栏，基于该围栏判断是否处于地库场景。具体参见前文实施例2中的2.3的介绍。

方式2，考虑到地库的入口通常设置为斜坡，车辆入库过程即从平地到下坡的过程，该过程中终端设备中运动传感器采集的运动数据会发生变化，所以可以通过运动数据判断终端设备处于地库场景。其中，所述运动传感器包括加速计、陀螺仪等等。

比如，以运动数据是姿态角为例，终端设备中存储预设姿态角，该预设姿态角可以是默认的固定值，或者是终端设备事先在出库口斜坡上时采集的姿态角。当终端设备采集到姿态角与所述预设姿态角之间的差值小于阈值时，确定终端设备入库。

或者，终端设备采集姿态角随时间的变化曲线，若该曲线与预设曲线一致，则确定入库。其中，所述预设曲线可以是默认的固定曲线，或者是终端设备事先在入库的过程中采集的姿态角随时间的变化曲线。

在一些实施例中，地库场景的识别可以通过第一算法模型实现。

作为一种示例，第一算法模型的输入参数包括运动传感器采集的运动数据流，输出参数包括指示信息，所述指示信息用于指示入库或非入库，比如，指示信息是X，确定入库即输入地库场景，指示信息是Y，确定非入库即属于非地库场景。比如，第一算法模块可以通过比较采集的姿态角与预设姿态角，或者通过比较采集的姿态角随时间的变化曲线与预设曲线，等等。

或者，第一算法模型的输入参数包括运动数据流，输出参数包括运动曲线。这种方式中，第一算法模型将输入参数与多个预设曲线(多个地库场景对应的曲线)比对，寻找出与输入参数匹配的预设曲线，然后输出该预设曲线。当输出预设曲线时，确定处于地库场景。

在一些实施例中，第一算法模型的输入参数可以是运动传感器采集的原始运动数据，也可以是对所述原始运动数据作预处理之后的数据，所述预处理可以包括将原始运动数据进行坐标转换，将原始运动数据从传感器坐标系转换到终端设备机身坐标系中，比如通过如下方式进行坐标转换：

其中，N代表原始运动数据，B代表将原始运动数据经过坐标系转换后的运动数据。中间的矩阵是指转换矩阵，可以是预先设置好的。

上述第一算法模型可以是决策树、逻辑回归(logistic regression，LR)，朴素贝叶斯(naive bayes，NB)分类算法，随机森林(random forest，RF)算法，支持向量机(support vector machines，SVM)算法、方向梯度直方图(histogram of orientedgradients,HOG)，神经网络、深度神经网络、卷积神经网络等等。第一算法模型可以是出厂之前事先建立好、并存储在终端设备中的模型；或者，出厂时存储的是初始模型，第一算法模型是对该初始模型进行训练之后得到的模型。其中，训练过程可以理解为将输入参数(运动数据)输入到初始模型，运算得到输出结果(地库场景或非地库场景)，若输出结果与真实结果不符合，则调整初始模型，使得调整后的模型得到的输出结果尽可能的接入真实结果，调整模型参数之后的模型为第一算法模型。

3.2出库检测

在本申请实施例中，终端设备利用出库参数进行出库检测，该实施例中介绍出库参数的相关内容，包括出库参数的内容、出库参数的获取、出库参数的自学习、出库参数的作用等等。

3.2.1、出库参数的内容

对于第一种场景即地库场景，终端设备可以利用出库参数进行出库检测，即利用出库参数判断终端设备是否出库。终端设备利用出库参数进行出库检测可以理解为，终端设备检测到当前的出库参数，将所述当前出库参数与历史出库参数比较，若一致，则确定终端设备出库，否则，确定终端设备未出库。其中，当前出库参数与历史出库参数包含的内容可以相同或相似，只是检测时间点不同。历史出库参数可以理解为终端设备历史上采集的能够表现出库的出库参数，用作终端设备检测当前是否出库的基准。

考虑到通常情况下地下车库的出库口设计为斜坡，用户开车出库过程中车辆需要爬坡，在车辆爬坡的过程中，终端设备(终端设备放置在车中)中运动传感器(加速度计、陀螺仪等)采集的运动数据会发生变化，所以，可以通过运动数据进行出库检测。

因此，出库参数(当前出库参数或历史出库参数)可以包括如下至少一种：

1、运动数据和/或运动数据的数据流，其中，运动数据的数据流可以理解为终端设备中运动传感器实时的采集到的运动数据的数据流，或者可以称为运动数据随时间的变化曲线。比如，在真实出库场景中，终端设备实时的检测运动数据，得到运动数据随时间的变化曲线，该曲线为出库对应的标准曲线。在实际应用中，终端设备实时的检测运动数据，得到运动数据随时间变化的第一曲线，终端设备判断第一曲线与所述标准曲线是否匹配，若匹配，则确定出库，否则确定未出库。

考虑到不同地库的出库口的设计不同，比如，有的地库的出库口的斜坡比较陡，有些地库的斜坡比较平。因此，每个地库对应一个标准曲线，该标准曲线用于检测终端设备是否移出该标准曲线对应的地库。如前文所述，每个地库对应一个围栏，所以，存在围栏与标准曲线之间的对应关系。以上表5为例，假设终端设备检测到进入围栏1，确定处于地库1，那么终端设备可以基于该围栏1对应的标准曲线检测是否移出地库1。

下面先介绍标准曲线。

以运动数据包括终端设备的姿态角为例，姿态角是指：终端设备包括向右、前、上三个方向构成右手坐标系，所述姿态角为绕向右的轴旋转的旋转角。因此，标准曲线为姿态角随时间的变化曲线。例如，参见图6A，为标准曲线的一种示例。

终端设备获取标准曲线的方式有多种。

比如，标准曲线是预先存储在终端设备中的，而且，对于不同的地库存储一个对应的标准曲线，或者，对于不同的围栏存储一个对应的标准曲线。

或者，标准曲线是终端设备根据实时采集的姿态角绘制的，这里需要说明的是，存在一种可能的情况，终端设备采集的运动数据为原始数据，这些原始数据需要经过处理转换成姿态角。这种情况下，终端设备采集到原始数据之后，对原始数据处理得到姿态角，然后绘制姿态角随时间的变化曲线。其中，原始数据转换为姿态角的过程，本申请实施例不多赘述。

2、开始爬升(或爬坡)时间。

开始爬升时间即从平地(地库内的平地)开始爬坡的时间。比如，开始爬升时间可以是终端设备检测到进入围栏的时刻之后的第一预设时刻，或者，检测到掉网/掉制式时刻之后的第二预设时刻。因为通常情况下，比如用户携带终端设备从家到地下车库，然后开车出库的时长是相对固定的，所以终端设备进入围栏或掉网/掉制式之后预设时长内出会开车出库。因此，爬升时间可以作为出库参数，用于检测是否出库。或者，开始爬升时间是终端设备采集到的运动数据随时间的变化曲线上斜率增大的时间，或者，如果是历史出库参数，终端设备还可以：检测到进入地库场景的围栏之后，确定的与所述围栏对应的出库曲线上斜率增大的时间即历史开始爬升时间。比如参见图6A，爬升时间可以是图中曲线上的T1。

3、停止爬坡时间。

停止爬坡时间即从出库斜坡到车库外平地的时间。比如，停止爬坡时间可以是终端设备检测到进入围栏的时刻之后的第三预设时刻，第三预设时刻在所述第一预设时刻之后，或者，是检测到掉网/掉制式时刻之后的第四预设时刻，所述第四预设时刻在所述第二预设时刻之后。或者，停止爬坡时间是终端设备采集到的运动数据随时间的变化曲线上斜率降低的时间，或者，如果是历史出库参数，终端设备检测到进入地库场景的围栏之后，确定的与所述围栏对应的出库曲线上斜率降低的时间即历史停止爬升时间。比如，参见图6A，停止爬坡时间可以是图中曲线上的T2。

4、开始爬升时间对应的运动数据(比如姿态角)和/或运动数据的变化值。

开始爬升时间对应的运动数据是指图6A中T1对应的纵坐标。开始爬升时间对应的运动数据变化值是指图6A中T1之前的T3的纵坐标和T1之后T4的纵坐标的差值或差值的绝对值。通常，车辆开始爬坡(从平地到具有坡度的斜坡)时，运动数据会发生较为明显的变化。比如，参见图6A所示，爬升时间T1对应的斜率(即姿态角的变化)变化较大，可以体现出终端设备在开始爬坡，可用于检测是否出库。

5、停止爬坡时间对应的运动数据(比如姿态角)和/或运动数据的变化值。

停止爬升时间对应的运动数据即图6A中T2对应的纵坐标。停止爬升时间对应的运动数据变化值即图6A中T2之前的一个时刻的纵坐标和T2之后一个时刻的纵坐标的差值或差值的绝对值。通常，车辆停止爬坡(从具有坡度的斜坡到平地)时，运动数据也会发生较为明显的变化。比如，参见图6A所示，停止爬坡时间T2对应的斜率(即姿态角的变化)变化较大，可以体现出终端设备停止爬坡，可用于检测是否出库。

6、出库窗，即开始爬升时间与停止爬升时间之间的时间差，可以称为爬坡时长。以图6A为例，出库窗即T2与T1的时间差。

7、小区标识信息。

小区标识信息包括所述终端设备历史上离开所述地库场景过程中检测到的一个或多个小区的小区标识；比如，终端设备记录出库之前的第一预设时间内接入的(和/或搜索到的)第一小区的第一小区标识，记录出库之后的第二预设时间内搜索到的至少一个第二小区的第二小区标识，则终端设备存储小区标识信息为(第一小区标识、第二小区标识)。第一预设时间和第二预设时间相同或不同，比如都是2s。

8、信号强度信息和/或信号强度变化信息。

信号强度信息包括所述终端设备历史上离开所述地库场景过程中检测到的一个或多个小区的小区信号强度；比如，终端设备记录出库之前的第一预设时间内接入的(和/或搜索到的)第一小区的第一信号强度，记录出库之后的第二预设时间内搜索到的所述第一小区的第二信号强度，即第一信号强度和第二信号强度都是第一小区的信号强度，终端设备存储信号强度信息为(第一信号强度、第二信号强度)。

信号强度变化信息包括第一信号强度与第二信号强度的变化值，所述第一信号强度为所述终端设备历史上离开所述地库场景之前的第一预设时间检测到的第一小区的信号强度，所述第二信号强度为所述终端设备历史上离开所述地库场景之后的第二预设时间检测到的所述第一小区的信号强度；比如，终端设备记录出库之前的第一预设时间内接入的(和/或搜索到的)第一小区的第一信号强度，记录出库之后的第二预设时间内搜索到所述第一小区的第二信号强度，确定并记录所述第一信号强度和所述第二信号强度的信号强度变化信息。

3.2.2、出库参数的作用

情况1、出库参数用于检测终端设备是否出库。

一种方式为，终端设备检测到当前的出库参数，将所述当前出库参数与历史出库参数比较，若一致，则确定终端设备出库，否则，确定终端设备未出库。其中，当前出库参数与历史出库参数包含的内容可以相同，只是检测时间不同。其中，当前出库参数可以是终端设备最近一次采集的出库参数。

以上述第1种出库参数为例，第1种出库参数包括运动数据比如姿态角，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备当前检测到第一姿态角，确定第一姿态角与历史出库参数中的姿态角之间的差异小于阈值，则确定终端设备出库。假设第1种出库参数包括标准曲线，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备采集到当前的姿态角随时间变化的第一曲线，判断第一曲线与历史出库参数中的标准曲线是否匹配，若匹配，则确定出库，否则，确定未出库。其中，终端设备判断第一曲线与标准曲线是否匹配的方式有多种。比如，判断第一曲线与标准曲线的形状是否相同，比如第一曲线是直线，而标准曲线是图6A所示的曲线，则确定未出库。再比如，第一曲线上的姿态角的取值与标准曲线上的姿态角的取值相同，则确定出库。

以上述第2种出库参数为例，第2种出库参数包括开始爬升时间，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备当前检测到第一开始爬升时间，若终端设备确定该第一开始爬升时间与历史出库参数中的开始爬升时间之间的差值处于阈值门限内，则确定终端设备出库。其中，第一开始爬升时间可以是以检测到掉网或掉制式的时刻开始或者以检测到进入地库围栏的时刻开始的预设时长的时间。或者，终端设备检测到姿态角随时间变化的第一曲线，第一开始爬升时间是出库曲线上的斜率增大的时间。这种方式中，出库时间点可以是利用出库参数检测到出库时记录的时间点，也可以是利用出库参数检测到出库时记录的时间点之后的预设时长，所述预设时长比如是出库窗对应的时长。

以上述第3种出库参数为例，第3种出库参数包括停止爬升时间，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备当前检测到第一停止爬升时间，确定该第一停止爬升时间与历史出库参数中的停止爬升时间之间的差值处于阈值内，则确定终端设备出库。其中，第一停止爬升时间可以是以检测到掉网或掉制式的时刻开始或者以检测到进入地库围栏的时刻开始的预设时长的时间。或者，终端设备检测到出库曲线，第一停止爬升时间是出库曲线上的斜率降低的时间。

以上述第4种出库参数为例，假设第4种出库参数包括开始爬升时间对应的运动数据，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备检测到第一开始爬升时间，并确定第一开始爬升时间对应的姿态角是第一姿态角，终端设备将第一姿态角与第二姿态角比较，若差值小于阈值，确定出库，其中，第二姿态角是历史出库参数中开始爬升时间对应的姿态角。假设第4种出库参数包括开始爬升时间对应的运动数据的变化值，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备检测到第一开始爬升时间，并确定第一开始爬升时间对应的姿态角变化值与历史出库参数中开始爬升时间对应的姿态角变化值相同或差异小于阈值门限，则确定出库。其中，第一开始爬升时间对应的姿态角或姿态角变化值的确定方式参见前文。这种方式中，出库时间点可以是利用出库参数检测到出库时记录的时间点，也可以是利用出库参数检测到出库时记录的时间点之后的预设时长，所述预设时长比如是出库窗对应的时长。

以上述第5种出库参数为例，假设第5种出库参数包括停止爬升时间对应的运动数据，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备检测到第一停止爬升时间，并确定第一停止爬升时间对应的姿态角是第一姿态角，终端设备将第一姿态角与第二姿态角比较，若差值小于阈值，确定出库，其中，第二姿态角是历史出库参数中停止爬升时间对应的姿态角。假设第5种出库参数包括停止爬升时间对应的运动数据的变化值，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备检测到第一停止爬升时间，并确定第一停止爬升时间对应的姿态角变化值与历史出库参数中停止爬升时间对应的姿态角变化值相同或差异小于阈值门限，则确定出库。其中，第一停止爬升时间对应的姿态角或姿态角变化值的确定方式参见前文。

以上述第6种出库参数为例，第6种出库参数包括爬坡时长(即出库窗)，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备检测到第一爬坡时长，并确定第一爬坡时长与历史出库参数中的爬坡时长的差值小于阈值，确定出库。

以上述第7种出库参数为例，第7种出库参数包括小区标识信息，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备实时的检测小区，假设检测到当前的小区标识信息为(第一小区标识、第二小区标识)，比如，第一小区标识是当前服务小区的标识，第二小区标识是邻区的标识。终端设备确定当前小区标识信息与历史出库参数中的小区标识信息一致，则确定出库。

以上述第8种出库参数为例，假设第8种出库参数包括信号强度信息，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备实时的检测小区的信号质量测量，假设检测到当前信号强度包括第三信号强度和第四信号强度，第三信号强度是服务小区当前的信号强度，第四信号强度是邻区的当前信号强度，终端设备确定当前小区标识信息与历史出库参数中的小区标识信息一致，则确定出库。假设第8种出库参数包括信号强度信息变化值，终端设备利用该出库参数进行出库检测的过程可以包括：终端设备实时的检测小区的信号质量测量，假设检测到一个小区的信号强度变化值为第一信号强度变化值，第一信号强度变化值为与历史出库参数中这个小区的信号强度变化值一致，则确定出库。

在本申请实施例中，终端设备的出库检测可以使用第二算法模型实现。比如，参见图6B所示，第二算法模型可以利用出库参数对输入参数进行运算得到输出参数，所述输入参数包括终端设备采集的运动数据(比如姿态角)对时间的变化曲线(比如上述第一曲线)等，所述输出参数为出库或未出库。

其中，第二算法模型可以是神经网络、深度神经网络、卷积神经网络等等，本申请实施例不作限定。第二算法模型可以是出厂之前事先建立好、并存储在终端设备中的模型；或者，出厂时存储的是初始模型，第二算法模型是对该初始模型进行训练之后得到的模型。其中，训练过程可以包括下文中出库参数的自学习过程，即实施例3.2.4，训练之后的模型可以用于进行出库检测。

对于上述情况1，终端设备利用出库参数进行出库检测，当检测到出库时，记录出库的时间点，该出库的时间点为下文中出库时间点。

情况2、出库参数用于检测出库点。

第一种方案，假设终端设备当场采集出库参数得到一个曲线(姿态角随时间的变化曲线)，根据历史出库参数判断所述曲线是否是出库曲线，具体方式为：假设历史出库参数包括(i＝1s、j＝5s、k＝45度)，其中，开始上升时间以i表示、出库窗以j表示、姿态角以k表示；终端设备判断当场采集的曲线上开始上升时间为i0＝1.3s、出库窗为j0＝7s，姿态角为k0＝46度，其中，i0大于1s，j0大于4，k0大于45度时，确定所述曲线上的停止爬升时间(比如图6A中的T2)为出库点。其中，历史出库参数可以是终端设备自学习出的出库参数，自学习过程中可以参见下文描述。

这种情况下，出库参数用于判断终端设备当场采集的曲线是否是出库曲线，因为车辆移动的过程中会实时的采集运动数据，某段时间采集的运动数据构成的曲线可能并不是出库曲线，如果以这个曲线确定出库点的话，检测的出库点不准确。因此，终端设备利用历史记录的出库参数判断终端设备当场采集的曲线是否是出库曲线，根据出库曲线确定出库点，提升了出库点检测的准确性。

第二种方案，终端设备确定处于地库场景时，使用历史出库参数(历史出库曲线)确定出库点。这种方案中，终端设备可以无需当场采集曲线。其中，使用历史曲线确定出库点的方式：终端设备检测到进入围栏1(地库场景的围栏)，寻找该围栏1对应的历史出库曲线，基于历史出库曲线确定出库点即T2。所述历史出库曲线是终端设备自学习到的出库参数对应的曲线。

第三种方案，出库参数包括历史小区信息，终端设备可以基于当前采集的小区信息和历史小区信息检测到的出库时间点，所述历史小区信息包括终端设备历史上移出所述地下车库时采集的小区信息。

比如，以某个地库场景为例，终端设备历史上离开所述地库场景时采集到历史小区信息，并记录该历史小区信息的采集时间。终端设备当前采集到的小区信息与历史小区信息一致时，确定所述历史小区信息的采集时间为出库时间点，或者，确定所述终端设备采集所述当前小区信息的时间点为出库时间点。

需要说明的是，上面第一种方案中，终端设备可以利用当场采集的曲线与历史出库参数继续对出库参数的优化，这部分将在后面出库参数的自学习过程介绍。

3.2.3、出库参数的获取(或采集)

如前文所述，出库参数包括历史出库参数和当前出库参数。其中，历史出库参数可以是终端设备曾经采集的并存储在终端设备中的，比如出厂之前测试人员使用终端设备采集出库参数，并将出库参数存储在终端设备中；或者，出厂之后，用户(不是测试人员而是购买终端设备的消费者)使用终端设备的历史过程中，终端设备采集并存储的出库参数。

考虑到每个车库的出库参数不同(比如标准曲线不同)，示例性的，终端设备可以存储多个围栏，每个围栏对应的场景标识，以及每个被标记为地库场景的围栏对应的出库参数。

例如，参见下表6：

表6

当终端设备检测到进入某个围栏时，可以基于该围栏对应的出库参数进行出库检测。比如，终端设备检测到进入围栏1，说明终端设备进入了车库1，那么终端设备使用出库参数1进行出库检测。其中，终端设备利用出库参数进行出库参数的过程可以参见前文中3.2.2的介绍。

以上述第1种出库参数即姿态角随时间的变化曲线为例。参见图7，为终端设备采集姿态角的过程：终端设备发生网络异常时，基于终端设备所处的围栏确定处于地库场景(实施例3.1)，实时的采集运动数据(比如姿态角)。可选的，通常终端设备处于亮屏状态时，说明用户正使用终端设备。因此，终端设备检测到进入围栏之前可以判断是否亮屏，若是，则进行围栏检测，若否，则无需进行围栏检测。或者，终端设备采集姿态角之前判断是否亮屏，若是，则采集姿态角，否则不采集姿态角。当终端设备检测到网络恢复时，停止采集运动数据。一方面，终端设备可以实时的将采集的运动数据输入到算法模型(比如第二算法模型)进行出库检测，另一方面，终端设备可以基于采集的数据(比如掉网或掉制式时刻、进入围栏的时刻等)进行目标网络的搜索。

考虑到一种可能的场景为，终端设备可能处于静止状态，这里的静止状态可以理解为终端设备长时间停留在车库内未出库。这种情况下，终端设备仍然不断的采集运动数据，然而这些运动数据无法用于出库检测。因此，当终端设备开始采集运动数据之后，可以检测采集时长，若采集时长达到预设时长(比如15分钟)但仍然未检测到网络恢复，说明终端设备停留在车库内，此时终端设备可以丢弃采集的数据，比如将所述15分钟内采集的数据丢弃。若采集时长小于预设时长时检测到网络恢复，则停止采集数据，将采集的数据存储。

3.2.4、出库参数的自学习

出库参数包括历史出库参数和当前出库参数。历史出库参数作为终端设备检测是否出库的基准，所以期望得到较为准确的历史出库参数，以提升出库检测的准确性，所以，终端设备可以通过自学习的方式得到理想的历史出库参数。下文以出库参数包括姿态角、爬升时间、出窗口为例(为了方便描述，本文将出库参数中的爬升时间以i表示、出库窗以j表示，姿态角以k表示)介绍出库参数自学习的过程。

第一种出库参数自学习方法为，终端设备每采集一次出库参数，则对所述出库参数验证，所谓对出库参数验证可以理解为验证该出库参数是否是理想的出库参数。假设终端设备采集到出库参数i、j、k。终端设备利用该出库参数识别得到出库点，并记录网络恢复点，该网络恢复点为终端设备成功接入高制式网络的时间点。假设所述出库点与所述网络恢复点之间的时间差大于阈值门限，则确定该出库参数不理想，需要重新采集出库参数，并对重新采集的出库参数进行验证(验证原理可以相同)。

第二种出库参数的自学习方法为，终端设备每采集一次出库参数后，将该出库参数与上一次采集的出库参数比对，确定最理想的出库参数。假设终端设备上一次采集到第一出库参数，下一次采集到第二出库参数。终端设备利用第一出库参数识别得到第一出库点，并记录第一网络恢复点(比如通过图6B所示的第一算法模型)，确定第一网络恢复时间点与第一出库点之间的第一时间差。终端设备利用第二出库参数识别得到第二出库点，并记录第二网络恢复点(比如通过图6B所示的第一算法模型)，确定第二网络恢复点与第二出库点之间的第二时间差。终端设备确定第一时间差和第二时间差中最小的时间差，该最小的时间差对应的出库参数为自学习出的出库参数。

对应到前文中3.2.2、中的情况2，终端设备当场采集出库参数得到一个曲线，利用历史出库参数确定这个曲线是出库曲线，基于这个曲线确定出库点。终端设备可以将所述当场采集的出库参数与历史出库参数比对，确定最理想的出库参数，具体过程参见上一段的描述。

第三种出库参数的自学习方式为，终端设备设置(比如人工的方式设置)N个出库参数(N为大于等于2的整数)，从N个出库参数中选择最佳的出库参数。终端设备利用设置的每个出库参数检测得到一个出库点，并记录对应的网络恢复点。示例性的，参见下表7，为每个出库参数对应的一个出库点和一个网络恢复点。

表7

对于每个出库参数的，终端设备可以确定出库点与网络恢复点之间的时间差，所以，终端设备得到三个时间差Δ1、Δ2和Δ3。终端设备可以确定Δ1、Δ2和Δ3中小于阈值的时间差对应的出库参数为自学习到的出库参数。或者，终端设备确定Δ1、Δ2和Δ3中的最小值，那么最小值对应的出库参数为最佳的出库参数。以上表7为例，假设Δ2最小，则第二出库参数为自学习得到的出库参数。

第四种自学习方式为，终端设备设置(比如人工的方式设置)多个出库参数，终端设备利用每个出库参数进行多次出库检测，每次出库检测得到一个出库点，并记录对应的网络恢复点。以四次为例，终端设备利用每个出库参数进行四次出库检测，得到四个出库点和四个网络恢复点。例如，参见下表8，为每个出库参数对应的多个出库点和多个网络恢复点。

表8

对于第一出库参数，每次出库检测之后，确定出库点与网络恢复点之间的时间差，所以对于每个出库参数共得到4个时间差Δ，基于所述4个时间差Δ可以得到均方时差(或称为时间差的均方差)：

同理，对于第二出库参数，均方时差为

对于第三出库参数，对应的均方时差为

因此，终端设备得到三个均方时差X1、X2和X3，终端设备判断X1、X2和X34中大于阈值是X2，则将第二出库参数为自学习得到的出库参数。或者，终端设备确定X1、X2和X34中最小均方误差，该最小均方误差对应的出库参数为自学习出的出库参数，比如，上述表8中X2相对于X1和X3最小，可以确定第二出库参数为自学习得到的出库参数。

需要说明的是，上述实施例中，出库点和网络恢复点可以是相对时刻，比如相对于参考时刻的时刻，其中，出库点的参考时刻包括检测进入围栏的时刻或检测到掉网/掉制式的时刻；网络恢复点的参考时刻包括出库点、检测进入围栏的时刻或检测到掉网/掉制式的时刻。

作为一下效果展示图，参见图8中的(a)，终端设备自学习的过程中会检测到大量的出库点，所述大量的出库点是使用出库参数的不同组取值检测到的，比如图中一个实体黑点代表一个出库点对应的出库位置。比如，基于上述第一组取值，确定出部分黑色点(采集四次可以对应4个黑色点)，基于上述第二组取值得到部分黑色点(采集四次可以对应4个黑色点)。其中，部分出库位置距离高制式网络较远，那么这些出库位置尽快接入高制式网络的概率较小；或者部分出库位置已经处于高制式网络的覆盖范围内了，如果以这些出库位置对应的出库点为起始时刻开始搜网的话已经迟了。因此，本申请实施例通过自学习的方式得到较为准确的出库参数的取值，所谓较为准确的出库参数的取值可以理解为利用该出库参数的取值能够得到能够尽快接入高制式网络的出库点。参见图8中的(b)，出库点的数量相对于图8(a)较少且收敛(或集中)，这些出库点能够尽快接入到高制式网络，这些出库点是基于自学习得到的出库参数检测到的出库点。

上文中终端设备自学习出库参数的取值的过程可以通过损失函数(lossfunction)或目标函数(objective function)实现，损失函数或目标函数是用于寻找最小均方时差的重要方程。

可选的，终端设备可以自学习出库参数，或者，终端设备可以将采集的数据上报给云端，由云端自学习出库参数，将自学习结果发送给终端设备。

3.3出库搜网

参见图9所示，为本申请实施例提供的一种搜网方法的流程示意图。该方法的流程包括：

S901，终端设备确定发生网络异常。

关于S901可以参见图1所示的实施例中S101的介绍，在此不重复赘述。

S902，终端设备确定到处于地库场景。

关于S901可以参见前文实施例3中的3.1的介绍，在此不重复赘述。

S903，终端设备确定是否出库。

关于S903可以参见前文实施例3中的3.2的介绍，在此不重复赘述。

S904，终端设备检测到出库时，搜索并接入目标网络。

关于S904可以参见前文实施例1中S102的介绍，在此不重复赘述。

在本申请实施例中，终端设备位于地库场景时，在指定时间(即最佳搜网时间)启动搜索目标通信制式的网络，所述指定时间与终端设备的出库时间点之间存在时间间隔，指定时间是出库时间点之后的时间点。比如，所述时间间隔大于或等于5秒。

终端设备可以基于第一搜网机制进行目标网络的搜索(下文中搜索目标网络也可以简称为指定搜网)，第一搜网机制例如是指在出库时间点之后的最佳搜网时间启动指定搜网，其中，出库时间点可以理解为终端设备检测到出库时的时间点。当然，终端设备也可以基于第二搜网机制进行指定搜网，第二搜网机制例如是指终端设备在掉网/掉制式的时刻或在检测到进入地库场景的围栏的时刻之后的最佳搜网时间启动指定搜网。

对于第一种搜网机制；最佳搜网时间为历史最小成功时间(记为minSus)与历史最大失败时间(记为maxFail)之间的任一时刻；minSus晚于maxFail。以某个车库为例，minSus是终端设备历史上在检测到移出所述车库之后最早尝试搜索目标网络并成功接入所述目标网络的时刻，maxFail为终端设备历史上在检测到移出所述车库之后最晚尝试搜索目标网络但接入失败的时刻。也就是说，终端设备是在minSus之前在maxFail之后的时刻启动指定搜网，尽可能的及时接入到目标网络。因此，终端设备需要确定最佳搜网时间，具体而言，最佳搜网时间有多种方式确定，下文中的第一种触发策略到第四种触发策略中介绍最佳搜网时间的多种确定方式。

对于第二种搜网机制，最佳搜网时间为历史最小成功时间(记为minSus)与历史最大失败时间(记为maxFail)之间的任一时刻；minSus晚于maxFail。minSus是终端设备历史上发生相同网络异常情况(与S901发生的网络异常情况相同)之后最早尝试搜索目标网络并成功接入所述目标网络的时刻，maxFail为终端设备历史上发生相同网络异常情况之后最晚尝试搜索目标网络但接入失败的时刻。

具体而言，最佳搜网时间有多种方式确定，下文中的第一种触发策略到第四种触发策略中介绍最佳搜网时间的多种确定方式。

第一种触发策略

第一种触发策略中终端设备可以自学习最佳搜网时间点，所述最佳搜网时间点可以理解为终端设备检测到出库点后等待达到所述最佳搜网时间点时触发指定搜网，能够尽快接入高制式网络。考虑到不同的地库对应不同的最佳搜网时间点。因此，对于每个车库，终端设备可以自学习一个最佳搜网时间点。

下面介绍终端设备自学习最佳搜网时间点的过程，参见图10，为第一种触发策略的示意图。第一种触发策略中需要使用一个历史网络恢复时刻，先介绍该历史网络恢复时刻。以表8为例，假设终端设备自学习出第二出库参数为最佳的出库参数，则第二出库参数对应的四个时间差(Δ1e、Δ1f、Δ1g、Δ1h)的平均时刻为所述历史网络恢复时刻。

下面以一个车库为例，介绍终端设备自学习最佳搜网时间点的过程。因此，下文中每一次的自学习过程都是针对同一车库即所述车库。其中，下文中第一次自学习、第二次自学习等等，是指不同的自学习，在时间上可以不连续。

第一次自学习：

用户开车进入车库，发生掉网/掉制式。终端设备检测到第一出库点，以第一出库点为起点，历史网络恢复时刻为终点；或者历史网络时刻之后的预设时刻(比如，历史网络恢复时刻之后的10s或10ms)为终点。终端设备确定起点与终点之间的第一中间点，在第一中间点与终点之间等分L个时间间隔，L为大于或等于2的整数，比如L＝5。L个时间间隔对应L个触发时机，那么终端设备在第一个触发时机(即第一中间点)触发第一次搜网。假设在第一中间点触发搜网之后成功恢复网络，第一中间点被记为最小成功尝试点(minSus)。

第二次自学习：

用户开车再次进入同一车库，再次发生掉网/掉制式。终端设备检测到第二出库点，第二出库点与第一出库点对应的绝对时刻不同，相对时刻可以相同或不同，相对时刻可以参见前文描述。在第二出库点与minSus即第一中间点之间确定第二中间点，在第二中间点到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间等分L个时间间隔(比如L为5)。L个时间间隔对应L个触发时机，那么终端设备在第一个触发时机(即第二中间点)触发第一次搜网。假设在第二中间点触发失败，将第二中间点记录为最大失败尝试点(maxfail)，那么终端设备在第二个触发时机(图中的T)触发搜网，若成功恢复网络，则将minSus更新为所述第二个触发时机对应的时刻(即T)，或者更新为第一中间点与T之间的一个时刻，比如第一中间点与T之间的中间时刻。

第三次自学习：

用户开车再次进入同一车库，再次发生掉网/掉制式。终端设备检测到第三出库点时，在maxfail(即第二中间点)与更新后的minSus(即第二触发时机对应的时刻T)之间确定第三中间点，在第三中间点到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间等分L个时间间隔，采用相同的原理触发搜网。假设在第三中间点触发搜网之后成功恢复网络，则将minSus更新为所述第三中间点。此时，maxfail更新为第二时间点，minSus更新为第三中间点。

假设更新后的maxfail(即第二中间点)与更新后的minSus(即第三中间点)之间的时间差小于阈值，则无需再继续更新maxfail和minSus。更新后的minSus作为终端设备学习出的最佳搜网时间点。

在后续过程中，终端设备检测到出库点之后，基于最佳搜网时间到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间的L个相同的时间间隔即L个触发时机进行制定搜网。

继续参见图10所示，第一次自学习中，终端设备在第一中间点启动指定搜网，在第二次自学习中，终端设备在第二中间点启动指定搜网，第一中间点与第二中间点之间的时间差较大，第三次自学习中，终端设备在第三中间点启动指定搜网，第三中间点与第二中间点之间的差值变小，可见，启动指定搜网的时刻逐渐收敛到一个较小的范围，所以这种方式确定出的启动指定搜网的时刻(最佳搜网时间)较为准确。也即，随着终端设备进入车库次数的增加，两次相邻指定搜网的时间差逐渐缩短。

第二种触发策略

参见图11所示，为第二种触发策略的流程示意图。

S1100，终端设备进入地下车库。

S1101，终端设备检测到出库点之后，启动计时器开始计时。

S1102，当计时器达到第一Ttrigger时，触发指定搜网。

可选的，第一Ttrigger可以是默认的固定值，比如是出库点之后的预设时间；或者，第一Ttrigger可以是历史网络恢复时刻与S1101检测到的出库点之间的中间时刻。

S1103，终端设备判断是否成功恢复网络，若成功恢复网络，执行步骤1104，若未成功恢复网络，执行步骤1105。

S1104，当终端设备成功恢复网络时，设置第二Ttrigger，第二Ttrigger早于第一Ttrigger。第二Ttrigger用于在终端设备下一次检测到移出所述车库的出库点时，启动计时器当计时器达到第二Ttrigger时，触发指定搜网。

由于终端设备在第一Ttrigger触发指定搜网成功接入高制式网络，为了更早的接入高制式网络，第二Ttrigger可以是第一Ttrigger之前的时刻，即当终端设备检测到出库点之后，相对于第一Ttrigger可以提前一些触发指定搜网。可选的，第二Ttrigger可以是第一Ttrigger之前的任意时刻，或者第二Ttrigger可以是第一Ttrigger和出库点之间的中间时刻。

在本申请实施例中，步骤1104可以不执行，即步骤1104是可选步骤，所以图11中步骤1104以虚线表示。

S1105，当终端设备未成功恢复网络时，计时器达到第三Ttrigger时，再次触发指定搜网，第三Ttrigger晚于第一Ttrigger。

可选的，第三Ttrigger是在第一Ttrigger之后的一个时刻；或者，第三Ttrigger是第一Ttrigger与历史网络恢复时刻之间的中间时刻。

基于第二种触发策略的原理，终端设备也可以自学习出最佳搜网时间点，参见图12所示，为终端设备自学习最佳搜网时间点的一种示例。下文中每次自学习过程可以理解为针对同一个车库，终端设备执行一次出库检测和一次指定搜网。第一次自学习、第二次自学习等等在时间上可以不连续，比如第一次自学习发生在1月1号上午，第二次自学习发生在1月2号等等。

第一次自学习：

用户开车进入车库，发生掉网/掉制式。终端设备检测到第一出库点，启动计时器，计时器达到第一Ttrigger时，触发指定搜网。可选的，第一Ttrigger可以是默认的值，比如是第一出库点之后的预设时间；或者，第一Ttrigger可以是历史网络恢复时刻与第一出库点之间的中间时刻。假设计时器达到第一Ttrigger时，终端设备触发指定搜网并成功恢复网络，则终端设备下次进入车库之后，可以执行下文第二次自学习过程。

第二次自学习：

用户开车再次进入同一车库，再次发生掉网/掉制式。终端设备检测到第二出库点，启动计时器，计时器达到第二Ttrigger时，触发指定搜网。第二Ttrigger早于第一Ttrigger。可选的，第二Ttrigger可以是第一Ttrigger之前的任意时刻，或者第二Ttrigger可以是第一Ttrigger和第二出库点之间的中间时刻。假设计时器达到第二Ttrigger时，终端设备触发指定搜网但未成功恢复网络，执行第三次自学习过程。

第三次自学习：

用户开车再次进入同一车库，再次发生掉网/掉制式。终端设备检测到第三出库点，启动计时器，计时器达到第三Ttrigger时，触发指定搜网。第三Ttrigger晚于第二Ttrigger。可选的，第三Ttrigger是在第二Ttrigger之后的一个时刻；或者，第三Ttrigger是第二Ttrigger与第一Ttrigger之间的中间时刻。

假设计时器达到第三Ttrigger时，触发指定搜网后成功接入网络，且第三Ttrigger与第二Ttrigger之间的时间差小于门限，则确定第三Ttrigger为终端设备自学习出的最佳搜网时间点。

继续参见图12所示，第一次自学习中，终端设备在第一Ttrigger启动指定搜网，在第二次自学习中，终端设备在第二Ttrigger启动指定搜网，第一Ttrigger与第二Ttrigger之间的时间差较大，第三次自学习中，终端设备在第三Ttrigger启动指定搜网，第三Ttrigger与第二Ttrigger之间的差值变小，可见，启动指定搜网的时刻逐渐收敛到一个较小的范围，所以这种方式确定出的启动指定搜网的时刻较为准确。也即，随着终端设备进入车库次数的增加，两次相邻指定搜网的时间差逐渐缩短。

需要说明的是，在一些实施例中，终端设备可以采用上述第一触发策略和第二触发策略中的任意一种触发策略，或者，参见图13所示，终端设备判断历史网络恢复时长是否小于阈值，若是，则使用第一触发策略，若否，则使用第二触发策略。其中，历史网络恢复时长为出库点与历史网络恢复时刻之间的时长。这是因为，若历史网络恢复时长大于阈值，说明网络恢复点距离出库点较远，范围较大，为了快速寻找最佳搜网时间点，采用第二触发策略(即取第二Trigger和第一Trigger中间时刻的方式)可以快速定位出搜网时间点的大概范围。若历史网络恢复时长小于阈值，说明网络恢复点距离出库点较近，范围较小，采用第一触发策略(等分相同的时间间隔触发搜网)的话，可以确定出较为细粒度的搜网时间点，即能够得到精准的搜网时间点。

实施例4-非地库场景

非地库场景比如前文中的形式路线上的问题区域。该实施例介绍在非地库场景中终端设备发生网络异常之后的搜网方式，具体包括非地库场景的识别、非地库场景的搜网过程等。

4.1、非地库场景的识别

方式1，终端设备检测到进入围栏，基于该围栏确定处于非地库场景。

方式2，考虑到在行驶路线中，路途通常较为平坦，车辆行驶的过程中运动数据(比如姿态角)不会发生明显的变化，所以可以通过运动数据判断终端设备是否处于非地库场景。比如，在行驶路线上，终端设备发生网络异常，但是通过采集的运动数据确定运动数据的变化较小(说明行驶路线较为平坦)，则确定终端设备处于非地库场景。

4.2、非地库场景的搜网方式

参见图14，为本申请实施例提供的一种搜网方法的流程示意图，该方法的流程包括：

S1401，终端设备确定发生网络异常。

S1402，终端设备确定处于非地库场景。

S1402的实现方式可以参见前文中关于非地库场景的识别过程，在此不重复赘述。

S1403，终端设备搜索并接入目标网络。

在本申请实施例中，终端设备位于非地库场景时，在指定时间(即最佳搜网时间)启动搜索目标通信制式的网络，所述指定时间与终端设备的发生网络异常的时间点之间存在时间间隔，指定时间是发生网络异常时间点之后的时间点。其中，所述时间间隔大于等于5秒。

终端设备可以基于第二搜网机制搜索并接入目标网络，第二搜网机制是指终端设备在检测到进入围栏的时刻或掉网/掉制式时刻之后的最佳搜网时间启动指定搜网。具体而言，终端设备有两种触发策略来触发指定搜网，即第三触发策略和第四触发策略。

或者，终端设备确定发生网络异常时，无需确定是否是非地库场景，直接在最佳搜网时间启动指定搜网，所述最佳搜网时刻在掉网/掉制式时刻之后或在检测到进入非地库围栏的时刻之后，最佳搜网时间的确定方式参见下文中的第三种触发策略或第四种触发策略。

第三触发策略

与第一种触发策略类似，终端设备自学习最佳搜网时间点，所述最佳搜网时间点可以理解为终端设备掉网/掉制式的时刻或检测到进入围栏的时刻后等待达到所述最佳搜网时间点发指定搜网，可以尽快接入高制式网络。

参见图15所示，为第三种触发策略的示意图。图15示出一条行驶路线，该行驶路线上包括4G覆盖区域、2G/3G覆盖区域、4G覆盖区域。终端设备从4G覆盖区域到2G/3G覆盖区域的过程中发生网络异常，所述网络异常包括掉网或掉制式。终端设备从2G/3G覆盖区域到4G覆盖区域的过程中网络恢复。

类似于第一种触发策略，第三种触发策略中需要使用一个历史网络恢复时刻。以图15所示的行驶路线为例，终端设备检测该行驶路线对应的围栏的过程中，会记录下掉网/掉制式时刻，还会记录网络恢复时刻。因此，终端设备可能记录下该行驶路径对应的至少一个为网络恢复时刻。当记录的网络恢复时刻有多个时，上述历史网络恢复时刻可以是所述记录的多个网络恢复时刻的平均时刻或者多个网络恢复时刻的最早时刻或最晚时刻。

下面以图15所示的行驶路线为例介绍终端设备自学习最佳搜网时间的过程。

第一次自学习：

用户开车经过图15的行驶路线，终端设备发生掉网/掉制式，终端设备检测到第一掉网/掉制式时刻，以第一掉网/掉制式时刻为起点，历史网络恢复时刻为终点；或者历史网络时刻之后的预设时刻(比如，历史网络恢复时刻之后的10s或10ms)为终点。终端设备确定起点与终点之间的第一中间点，在第一中间点与终点之间等分L个时间间隔，L为大于或等于2的整数，比如L＝5。L个时间间隔对应L个触发时机，那么终端设备在第一个触发时机(即第一中间点)触发第一次搜网。假设在第一中间点触发搜网之后成功恢复网络，第一中间点称为最小成功尝试点(minSus)。

第二次自学习：

用户开车再次经过图15的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第二掉网/掉制式时刻，在第二掉网/掉制式时刻与minSus即第一中间点之间确定第二中间点，在第二中间点到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间等分L个时间间隔。L个时间间隔对应L个触发时机，那么终端设备在第一个触发时机(即第二中间点)触发第一次搜网。

假设在第二中间点触发失败，将第二中间点称为最大失败尝试点(maxfail)，那么终端设备在第二个触发时机(即图中的T)触发搜网，若成功恢复网络，则将minSus更新为所述第二个触发时机对应的时刻(即T)。

第三次自学习：

用户开车再次经过图15的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第三掉网/掉制式时刻，在maxfail(即第二中间点)与更新后的minSus(即第二触发时机对应的时刻T)之间确定第三中间点，在第三中间点到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间等分L个时间间隔，采用相同的原理触发搜网。假设在第三中间点触发搜网之后成功恢复网络，则将minSus更新为所述第三中间点。此时，maxfail更新为第二时间点，minSus更新为第三中间点。

假设更新后的maxfail(即第二中间点)与更新后的minSus(即第三中间点)之间的时间差小于阈值，则无需再继续更新maxfail和minSus。更新后的minSus作为终端设备学习出的最佳搜网时间点。

在后续过程中，终端设备检测到掉网/掉制式时刻后，在所述最佳搜网时间点到历史网络恢复时刻或者历史网络恢复时刻之前的预设时刻(比如预设时间是10ms或10s)之间等分L个时间间隔，采用相同的原理触发搜网。

第四种触发策略

第四种触发策略中终端设备也可以自学成最佳搜网时间点。下面介绍第四种触发策略中，终端设备自学成最佳搜网时间点点的过程。参见图16，为第四触发策略的示意图。

第一次自学习：

用户开车经过图16的行驶路线，终端设备发生掉网/掉制式，终端设备检测到第一掉网/掉制式时刻，启动计时器，计时器达到第一Ttrigger时，触发指定搜网。可选的，第一Ttrigger可以是默认的值，比如是掉网/掉制式时刻之后的预设时间；或者，第一Ttrigger可以是历史网络恢复时刻与第一掉网/掉制式时刻之间的中间时刻。假设计时器达到第一Ttrigger时，终端设备触发指定搜网并成功恢复网络，则执行下文第二次自学习过程。假设计时器达到第一Ttrigger时，终端设备触发指定搜网后并未成功恢复网络，执行下文第四次自学习过程。

第二次自学习：

用户开车再次经过图16的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第二掉网/掉制式时刻，启动计时器，计时器达到第二Ttrigger时，触发指定搜网。第二Ttrigger早于第一Ttrigger。可选的，第二Ttrigger可以是第一Ttrigger之前的任意时刻，或者第二Ttrigger可以是第一Ttrigger和第二掉网/掉制式时刻之间的中间时刻。假设计时器达到第二Ttrigger时，终端设备触发指定搜网但未成功恢复网络，执行第三次自学习过程。

第三次自学习：

用户开车再次经过图16的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第三掉网/掉制式时刻，启动计时器，计时器达到第三Ttrigger时，触发指定搜网。第三Ttrigger晚于第二Ttrigger。可选的，第三Ttrigger是在第二Ttrigger之后的一个时刻；或者，第三Ttrigger是第二Ttrigger与第一Ttrigger之间的中间时刻。假设计时器达到第三Ttrigger时，触发指定搜网后成功接入网络，且第三Ttrigger与第二Ttrigger之间的时间差小于门限，则确定第三Ttrigger为最佳搜网时间点。

第四次自学习：

用户开车再次经过图16的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第四掉网/掉制式时刻，启动计时器，计时器达到第四Ttrigger时，触发指定搜网。第四Ttrigger晚于第一Ttrigger。可选的，第四Ttrigger可以是第一Ttrigger之后的任意时刻，或者第四Ttrigger可以是第一Ttrigger和历史网络恢复时刻之间的中间时刻。假设计时器达到第四Ttrigger时，终端设备触发指定搜网但未成功恢复网络，执行第五次自学习过程。

第五次自学习：

用户开车再次经过图16的行驶路线，终端设备再次发生掉网/掉制式，终端设备检测到第五掉网/掉制式时刻，启动计时器，计时器达到第五Ttrigger时，触发指定搜网。第五Ttrigger晚于第四Ttrigger。可选的，第五Ttrigger是在第四Ttrigger之后的一个时刻；或者，第五Ttrigger是第四Ttrigger与历史网络恢复时刻之间的中间时刻。

假设计时器达到第五Ttrigger时，触发指定搜网后成功接入网络，且第五Ttrigger与第四Ttrigger之间的时间差小于门限，则确定第五Ttrigger为最佳搜网时间点。

在另一些实施例中，终端设备发生掉网或掉制式之后，可能会减速行驶，这种情况下，终端设备的移动速度变慢，等到所述最佳搜网时间点的话可能无法成功接入网络，所以终端设备可以在检测到服务小区和/或邻区的信号强度变换值大于门限值时，触发指定搜网。

需要说明的是，在一些实施例中，终端设备可以采用上述第三触发策略和第四触发策略中的任意一种触发策略，或者，参见图17所示，终端设备判断历史网络恢复时长是否小于阈值，若是，则使用第三触发策略，若否，则使用第四触发策略。其中历史的网络恢复时长为掉网/掉制式时刻与历史网络恢复时刻之间的时长。这是因为，若历史网络恢复时长大于阈值，说明网络恢复点距离出库点较远，范围较大，为了快速寻找最佳搜网时间点，采用第四触发策略(即取第二Trigger和第一Trigger中间时刻的方式)可以快速定位出搜网时间点的大概范围。若历史网络恢复时长小于阈值，说明网络恢复点距离出库点较近，范围较小，采用第三触发策略(等分相同的时间间隔触发搜网)的话，可以确定出较为细粒度的搜网时间点，即能够得到精准的搜网时间点。

在上述实施例中，同样随着学习次数的增加，两次搜网时间点(相对时间点，例如：相对掉网或掉制式的时间点)之差逐渐缩短。

下面介绍本申请实施例的一个的示例。参见图18，为本申请实施例提供的一种搜网方法的流程示意图。该方法的流程包括：

S1801，终端设备发生网络异常。

S1802，终端设备判断处于地库场景还是非地库场景。

S1803，终端设备确定处于即地库场景时，检测是否出库；如果检测到出库，执行S1804；如果检测到未出库，继续执行S1803。

其中，S1802可以无需执行，即不作场景的判断，而直接进行目标网络的搜网。那么S1803也是可选步骤。

S1804，终端设备基于第一搜网机制搜索并接入目标网络。

S1805，终端设备基于第二搜网机制搜索并接入目标网络。

如果处于地库场景且所述终端设备处于空闲态，基于第一搜网机制搜网，即终端设备在第三时间点启动搜索所述目标通信制式的网络，所述第三时间点与第四时间点之间存在第二时间间隔，所述第四时间点为所述终端设备出库时间点，所述第三时间点为所述第四时间点之后的时间点；具体参见前文关于第一搜网机制的介绍。

如果不处于地库场景且所述终端设备处于空闲态，基于第二搜网机制搜网，即在第一时间点启动搜索所述目标通信制式的网络，所述第一时间点与第二时间点存在第一时间间隔，所述第二时间点为所述终端设备发生网络异常的时间点，所述第一时间点为所述第二时间点之后的时间点，具体参见前文关于第二搜网机制的介绍。

需要说明的是，在图18的实施例中，S1801与步骤S1802之间的执行顺序不限定，比如，终端设备先执行S1801后执行S1802，即当发生网络异常时，触发场景检测；再比如，终端设备先执行S1802后执行S1801，即终端设备实时的进行场景检测，当检测到地库场景时，判断是否发生网络异常，若是，执行步骤S1803。当检测到非地库场景时，判断是否发生网络异常，若是，执行步骤S1805。

实施例5

参见图19，为本申请实施例提供的终端设备的一种示例性的结构示意图。如图所示，终端设备包括传感器模块、modem模块、处理模块。其中，传感器模块包括各类运动传感器，比如，加速度计、陀螺仪等，传感器模块用于采集运动数据。modem模块用于检测终端设备掉网或掉制式，目标网络的搜索与接入。modem模块可以包括一个或多个调制解调器。处理模块用于场景检测、出库检测等。处理模块可以包括一个或多个处理器，所述处理器可以是应用处理器，中央处理器等。

参见图20，为本申请实施例提供的另一种搜网方法的流程示意图。如图20所示，该方法包括：

S2001，处理模块生成第一指令，该第一指令用于指示搜索目标网络。

S2002，处理模块判断当前是否处于通话场景。

一种可能的方式为，处理模块可以检测当前的显示界面是否为通话界面，若是，则确定处于通话场景，否则，确定不处于通话场景。或者，处理模块可以检测当前运行的应用是否是预设应用，所述预设应用包括电话应用、微信应用等能够进行视频或音频通话的应用。具体而言，处理模块可以读取当前运行的应用的应用包名，通过该应用包名确定当前运行的应用是否是预设应用。在确定当前运行的应用是预设应用的情况下，终端设备检测当前运行应用中当前运行的进程(process)是否是通话进程；如果是通话进程，则确定当前处于通话场景，否则，确定当前不处于通话场景。具体来说，终端设备可以通过读取进程名确定当前运行的进程是否是通话进程。

S2003，处理模块确定当前处于通话场景时，将第一指令存储在存储器中。

S2004，处理模块检测通话结束。

在一些实施例中，处理模块可以实时的检测通话场景。一种可能的方式为，处理模块检测到当前显示界面不是通话界面时，确定通话结束。或者，处理模块检测到预设应用结束运行(比如退出应用)时，确定通话结束。或者，处理模块检测到预设应用中的通话进程结束运行时，确定通话结束。所述预设应用包括电话应用、微信应用等能够进行视频或音频通话的应用。

S2005，处理模块将存储器中的第一指令发送给modem模块。

S2006，modem模块搜索目标网络，并在搜索到目标网络之后接入到目标网络。

下面介绍本申请实施例的电子设备。图21示出了电子设备100的结构示意图。该电子设备100可以是前文中所述的终端设备，或者，该电子设备100中的部件与前文所述的终端设备的部件可以完全相同或不完全相同。

下面以电子设备100为例对实施例进行具体说明。应该理解的是，图1所示电子设备100仅是一个范例，并且电子设备100可以具有比图1中所示的更多的或者更少的部件，可以组合两个或多个的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

电子设备100可以包括：处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，气压传感器180C，磁传感器180D，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L，骨传导传感器180M等。

可以理解的是，本发明实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。电子设备100的详细结构介绍，请参考在先专利申请：CN201910430270.9。

图21所示的电子设备100可以对应图19所示的电子设备，其中，处理模块是电子设备100中的处理器100，modem模块可以是电子设备100中的调制解调器(图中未示出)，可以集成在处理器110中，也可以是独立于处理器110的器件，传感器模块可以是电子设备100中的传感器模块180。

上述本申请提供的实施例中，从终端设备(例如手机)作为执行主体的角度对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能，终端设备可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。

以上实施例中所用，根据上下文，术语“当…时”或“当…后”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地，根据上下文，短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。另外，在上述实施例中，使用诸如第一、第二之类的关系术语来区份一个实体和另一个实体，而并不限制这些实体之间的任何实际的关系和顺序。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。在不冲突的情况下，以上各实施例的方案都可以组合使用。

需要指出的是，本专利申请文件的一部分包含受著作权保护的内容。除了对专利局的专利文件或记录的专利文档内容制作副本以外，著作权人保留著作权。