CN116347336A - 一种气象信息发送方法和系统 - Google Patents

Abstract

本说明书涉及气象播报领域，特别涉及一种气象信息发送方法和系统。该方法由处理器执行，包括：从终端获取传感数据，其中，传感数据至少包括位置数据，位置数据包括用户的运动频数分布向量；至少基于运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型；状态类型包括步行以及车行；基于状态类型，确定气象信息发送策略；基于气象信息发送策略，向终端至少发送实时气象信息。

Description

一种气象信息发送方法和系统

技术领域

本说明书涉及气象播报领域，特别涉及一种气象信息发送方法和系统。

背景技术

天气预报是几乎每个人都需要的一种生活服务，因此几乎所有的智能手机、智能音箱等都提供了天气预报功能，广播电视等媒体也提供定时播放天气预报信息的服务。

现有的天气预报通常都是基于地理位置实现的，并且其中气象信息发送对象大多属于普遍发送（如对于同一地理位置用户推送相同内容）而不是面向特定用户和场景，因此针对性不强。例如在用户出行场景中，有时并不能给用户充足有效的信息和良好的体验。

发明内容

本说明书实施例之一提供一种气象信息发送方法，所述方法由处理器执行，所述方法包括：从终端获取传感数据，其中，所述传感数据至少包括位置数据，所述位置数据包括所述用户的运动频数分布向量；至少基于所述运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型；所述状态类型包括步行以及车行；基于所述状态类型，确定气象信息发送策略；基于所述气象信息发送策略，向所述终端至少发送实时气象信息。

本说明书实施例之一提供一种气象信息发送系统，包括：用户状态确定模块，用于从终端获取传感数据，其中，所述传感数据至少包括位置数据，所述位置数据包括所述用户的运动频数分布向量；用户状态确定模块，还用于至少基于所述运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型；其中，所述传感数据至少包括位置数据；所述状态类型包括步行以及车行；发送策略确定模块，用于基于所述状态类型，确定气象信息发送策略；气象信息发送模块，用于基于所述气象信息发送策略，向所述终端至少发送实时气象信息。

本说明书实施例之一提供一种气象信息发送装置，包括处理器，所述处理器用于执行上述气象信息发送方法。

本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述气象信息发送方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的气象信息发送方法的示例性流程图；

图2是根据本说明书一些实施例所示的确定第二策略的示例性流程图；

图3是根据本说明书一些实施例所示的确定堵车风险的示意图；

图4是根据本说明书一些实施例所示的气象信息发送系统的模块化示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

用户在接受气象信息推送时，推送的内容通常是由用户在程序内设定的位置确定的。用户在面临出行时，如跨区、跨城出行时，需要手动选取并查看出行地和目的地的天气情况，操作复杂且时效性低。

在一些实施例中，可以将导航与天气结合，以推送实时位置对应的气象信息，但使用导航的场景有限（如步行用户通常并不会使用导航），并且导航需要长时间占用设备的前台界面。

有鉴于此，本申请提供了一种气象信息发送方法，通过用户的终端获取用户状态，以确定适合用户的气象信息发送策略，实现实时气象信息的合理推送。

图1是根据本说明书一些实施例所示的气象信息发送方法的示例性流程图。在一些实施例中，流程100可以由天气预报平台的服务器执行。如图1所示，流程100包括下述步骤：

步骤110，基于从终端获取的传感数据，确定用户的状态类型。在一些实施例中，步骤110可由用户状态确定模块410执行。

终端指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用终端的可以是一个或多个用户，可以包括直接使用软件的用户，也可以包括其他相关用户。

在一些实施例中，传感数据至少包括位置数据，该位置数据的形式可以是经纬度信息或者基站定位信息等。在一些其他实施例中，传感数据根据实际需要还可以包括加速度信息、加速度信息、指南针传感信息等，在本说明书中不做限制。

在一些实施例中，传感数据可由所述终端和/或与所述终端相连接的关联设备采集得到。示例性的，假设终端为移动设备，传感数据的获取设备可以包括但不仅限于移动设备中的GPS、陀螺仪等，假设终端为车机，传感数据的获取设备还可以包括如车载定位设备。

在一些实施例中，用户的状态类型可以反应用户的运动状态信息，例如，可以包括运动类型以及运动速率等。运动类型可以包括步行、骑车、乘车等。示例性的，可以基于终端获取的用户运动速度，确定用户的运动类型，例如，基于终端获取到用户持续保持运动速度在10km/h以内，则可以确定用户当前运动类型为步行。

在一些实施例中，步骤110中确定用户的状态类型，可以进一步包括：

基于所述位置数据，确定位置特征以及运动特征；基于所述位置特征以及所述运动特征，确定所述状态类型。

在一些实施例中，位置特征包括用户的位置及用户位置的变化情况。用户的位置及用户位置的变化情况可以由前述传感数据及传感数据的变化确定。例如，可以通过GPS获取用户经纬度确定用户的位置。

在一些实施例中，运动特征可以反应位置变化的速度及其变化速度（如加速度）等。与前述位置特征类似，可以基于终端定位获取位置数据，根据位置数据判断位置和位置变化、获得加速度（角加速度）及变化数据。

例如，可以每间隔一段时间（如1分钟）分别获取用户的位置数据，并计算相邻两位置间的距离，则可以基于间隔时间和该距离计算得到用户的加速度。

在一些实施例中，所述运动特征可以包括区段计数分布，区段计数分布可以反应用户运动速度或加速度的分布情况。所述区段计数分布包括多个区段的计数值，区段的计数值为用户运动速度或加速度位于当前区段的次数。在一些实施例中，多个区段包括一个或多个速度区段、一个或多个加速度区段、一个或多个角速度区段、一个或多个角加速度区段。

例如，速度区段范围可以包括0km/h~40km/h、40km/h~100km/h、大于100km/h三个区段范围，如当用户处于56km/h时，则在40km/h~100km/h范围内计数。又例如，继续以多个区段包括三个速度区段范围为例，所获取的区段计数分布的形式可以是[0，40）：2；[40，100)：8；[100，+∞)：0。

在一些实施例中，在获取区段计数分布后，可以基于所述位置特征以及该区段计数分布确定运动频数分布向量，并基于运动频数分布向量以及标准向量，确定用户的所述状态类型。基于所述位置特征以及该区段计数分布确定运动频数分布向量，可以将区段计数分布中的每个分布值分别作为向量的一个维度值，即运动频数分布向量可以是由一种或多种区段计数构成的向量。例如，运动频数分布向量的形式可以是：[(加速度区段1的计数，加速度区段2的计数，加速度区段3的计数，...，加速度区段n的计数)；(角速度区段1的计数，角速度区段2的计数，角速度区段3的计数，...，角速度区段n的计数)]的形式。继续以上述示例进行说明，基于位置特征以及上述区段计数分布确定运动频数分布向量中，对应速度的运动频数分布向量可以是（2,8,0）。

标准向量表示用户在各状态下的标准信息向量，标准向量可以是基于若干处于同一状态的其他用户历史数据的平均确定，或者人为设定。示例性的，可以基于多个用户在同一状态下（如步行）时所获取到的参考运动频数分布向量，以确定对应状态下的标准向量。

在一些实施例中，可以通过计算各类状态下的标准向量和运动频数分布向量间的向量距离，选择向量距离最近的标准向量所对应的状态作为用户的状态类型。向量距离可以包括但不仅限于曼哈顿距离、余弦距离等到。

将当前用户运动特征与其他用户历史运动特征进行比较，可以更准确的确定用户的状态类型，以便于为用户推送更贴近其实际出行需求的实时气象信息（如温度、风速、降雨量等）。

步骤120，基于所述状态类型，确定气象信息发送策略。在一些实施例中，步骤120可由发送策略确定模块420执行。

气象信息发送策略是将气象信息推送给用户的方式，在一些实施例中，气象信息发送策略可以包括气象信息的推送频次和推送内容。在一些其他实施例中，气象信息发送策略还可以包括推送的方式，如采用静默推送或语音播报等。推送频次可以是两次气象信息推送之间的间隔，例如可以是2分钟推送一次、5分钟推送一次、10分钟推送一次。推送内容可以包括如温度、湿度变化信息、未来1小时降雨量信息、风向信息等。

在一些实施例中，根据用户不同的状态类型，可以采用不同的气象信息发送策略。例如，可以通过预设包含不同状态类型对应的气象信息发送策略的对照表，基于当前用户的状态类型进行查表确定当前用户对应的气象信息发送策略。

在一些实施例中，当用户的状态类型为步行时，发送策略确定模块420可以响应于所述状态类型为步行，确定所述气象信息发送策略为第一策略。

步行的特点包括：短时间内用户移动距离不会特别长，移动速度较慢，不会出现短时间内经历多个气候变化区域，因此天气较为稳定。在一些实施例中，对应步行的第一策略可以包括：

基于从所述终端获取的所述传感数据，预测所述用户的未来行程特征；

基于所述用户的未来行程特征以及气象信息，确定第一应对方案；

向所述用户发送气象信息和所述第一应对方案。

未来行程特征包括预计的结束步行的时间（如预计20分钟后结束步行，或19点20分结束步行）以及未来天气走向对用户行程的形成的影响。例如，未来天气走向对用户行程的形成的影响可包括假设用户20分钟后结束步行，若10分钟后可能会降雨，则该天气将会影响用户结束步行的时间，甚至中断该行程。

在一些实施例中，可以通过与其他用户的历史数据进行匹配，确定当前用户的未来行程特征。

在一些实施例中，未来行程特征可以包括所述用户的预计结束步行时间。基于从终端获取的传感数据，预测所述用户的未来行程特征，可以进一步包括：基于气象信息、传感数据以及用户历史数据，利用行为时间预测模型预测所述预计结束步行时间。

用户历史数据可以基于该天气预报平台内存储的当前用户和/或其他用户历史出行的数据确定。在一些实施例中，用户历史数据可以包括如历史气象信息、历史用户移动速率、多个历史时间点的用户位置（如坐标信息、移动轨迹等）、历史时刻特征、历史日期特征（如星期几、季节等）。在一些实施例中，行为时间预测模型为机器学习模型。

在一些实施例中，行为时间预测模型可以是神经网络模型，如CNN（卷积神经网络）、DNN（深度神经网络）等。行为时间预测模型用于预测用户到达目的地的时间，进一步的，行为时间预测模型还用于以第一频率更新预测结果，以对用户进行周期性的（固定频率的）推送。

在一些实施例中，行为时间预测模型的输入可以包括在气象信息、用户移动速率、多个历史时间点以及当前时间点的用户位置、当前时刻特征、当前日期特征；模型的输出为预计的结束步行时间。其中，历史时间点以及当前时间点的用户位置、用户移动速率可以通过终端获取，气象信息、当前时刻特征、当前日期特征可以通过平台获取或确定。

在一些实施例中，行为时间预测模型可以通过多个有标签的训练样本训练得到。具体的，可以将多个带有标签的训练样本输入初始时间预测模型，通过标签和初始时间预测模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始时间预测模型的参数。当满足预设条件时模型训练完成，得到训练好的时间预测模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，时间预测模型训练的训练样本至少可以包括平台内的其他用户历史数据，例如，其他用户在平台内出行时，行程对应的气象信息、用户移动速率、多个时间点的用户位置、时刻特征和日期特征；标签可以是其他用户在平台内出行时，行程对应的实际结束步行时间。

通过行为时间预测模型，能够更有效的预测用户结束步行的时间，以提供更加准确的应对方案。

在一些实施例中，可以对于不同的天气情况，通过人工预设多个不同的应对方案，并根据用户所在位置确定相应的应对方案作为第一应对方案。例如，系统预测将会下雨，则可以根据用户当前位置预测用户结束步行的时间，以建议用户提前结束或暂停步行进行避雨，或提前改变交通方式。

在一些实施例中，第一应对方案可以是适应用户当前位置和状态的动作建议。在一些实施例中，可以基于所述用户的未来行程特征以及气象信息，在多个预设的第一应对方案中，选取合适的第一应对方案。示例性的，假设气象信息表示x分钟后降雨，而根据用户的未来行程特征：预计用户在y分钟后将会结束步行，此时，若x小于y，则第一应对方案可以是：建议用户停止步行并提前z分钟（其中，z小于x）找地方避雨。

在一些实施例中，当用户为步行时，气象信息发送策略还可以包括：以第一频率向所述用户发送气象信息和所述第一应对方案。在一些实施例中，可以预设多个第一频率，根据当前用户偏好和气象信息，选取符合条件的第一频率。在一些实施例中，第一频率可以通过基于预先设置的频次方案通过用户选择确定，或基于气象信息和传感信息智能化确定。

在一些实施例中，可以基于预先设置的频次方案通过用户选择确定第一频率，例如，预先设置固定的频次方案（如2分钟提醒一次、5分钟提醒一次、10分钟提醒一次），通过用户在终端选择第一频率，并基于气象信息和传感信息智能化确认第一频率。

在一些实施例中，智能化确认第一频率可以是利用频率推荐模型，自动选择合适的频次方案。在一些实施例中，频率推荐模型为机器学习模型。在一些实施例中，可以直接基于气象信息和传感信息智能化确认第一频率。

频率推荐模型可以是神经网络模型，如CNN（卷积神经网络）、DNN（深度神经网络）等，频率推荐模型的输入包括终端获取的传感信息（如移动速度、加速度等）和气象信息，模型的输出为第一频率。

在一些实施例中，频率推荐模型可以通过多个有标签的训练样本训练得到。具体的训练说明参见模型训练说明。

在一些实施例中，时间预测模型训练的训练样本至少可以包括平台内的历史传感信息及其气象信息；标签为训练样本对应的样本频率。可以是根据训练样本基于专家建议或通过人工标注得到。示例性的，在标注过程中，可以根据历史数据，若通过样本频率对用户进行提醒，观察用户在预设时间内对应第一应对方案进行的动作（如用户是否遵循建议或是否关闭消息提醒），判断该样本频率是否合理且有效的，进而可以标注为对应训练样本的标签。

通过频率推荐模型确定第一频率，保证用户对推送行为良好的接受程度，且不会对用户造成过多打扰。

当用户的状态类型为车行时，发送策略确定模块420可以响应于所述状态类型为车行时，确定所述气象信息发送策略为第二策略。

图2是根据本说明书一些实施例所示的确定第二策略的示例性流程图。车行的特点包括：移动距离较长且移动速度较快，容易出现跨区出行或行程中跨越多个区域，因此天气波动大，但能够承受非极端天气。

在一些实施例中，对应车行的第二策略可以包括以下步骤。

步骤210，基于从终端获取的所述传感数据，确定所述用户在未来的预估经过路段。

在一些实施例中，可以基于终端获取的所述传感数据和/或导航信息，确定用户在未来的预估经过路段。例如，可以基于终端获取的传感数据，结合导航信息，确定用户在未来的预估经过路段；又例如，在不包括导航信息时，可以由终端在路口处获取汽车转向灯状态或角加速度信息，以确定是否在路口处转向，以及转向后的行驶路段。未来的预估经过路段可以是一定时间内（如10分钟、20分钟内），用户可能车行的路段。

步骤220，基于所述气象信息，预测所述预估经过路段的堵车风险。

在一些实施例中，可以基于气象信息，结合预估经过路段该时间段（预估经过时间）的历史堵车状况信息确定所述预估经过路段的堵车风险。

堵车风险较高路段可以提前绕行进行规避或提前对用户进行提示。在一些实施例中，可以通过堵车风险预测模型预测预估经过路段的堵车风险，堵车风险预测模型为机器学习模型。图3是根据本说明书一些实施例所示的确定堵车风险的示意图。

道路信息可以包括某一路段在多个时间点对应的车流量信息和红绿灯情况等，道路信息可以通过终端（如摄像头）获取或通过城市地图信息获取。堵车风险预测模型可以是GNN（图神经网络）模型。

堵车风险预测模型的输入为包括基于道路信息和气象信息构建的道路图，具体的，道路图中节点为道路图中的每个路口，节点特征包括路口的气象信息、路口的红绿灯情况（有无红绿灯，红灯绿灯各自多少秒等）、路口的多个时间点的车流量信息、路口对应的道路危险系数等；其中，路口对应的道路危险系数可以通过该路口的历史事故状况确定。道路图中的边为节点（路口）间存在的道路，边特征包括道路的气象信息、道路的多个时间点的车流量信息、道路对应的道路的危险系数等。其中，道路对应的道路的危险系数可以通过该路段的历史事故状况确定。堵车风险预测模型的输出为各个节点和/或边在未来时刻的堵车风险。

堵车风险预测模型同样也可以基于训练样本训练得到，其中，训练样本可以包括样本图，样本图中至少包括图中对应每个路口的气象信息、红绿灯情况、路口的多个时间点的车流量信息、路口对应的道路危险系数等，以及图中对应的每个道路的气象信息、道路的多个时间点的车流量信息、道路对应的道路的危险系数。对应每个路口或道路的堵车风险作为标签。可以基于某区域内历史路况得到训练样本中的样本图以及路口和道路特征，标签可以是训练样本基于专家建议或通过人工标注得到。

关于模型具体的训练方式，此处不再赘述。此外，根据模型训练数据的不同，堵车风险预测模型还可以预测多个未来时刻各个节点/边的堵车风险。

在一些实施例中，可以基于气象信息、道路当前车流量以及跟车信息，通过道路危险系数预测模型预测道路危险系数，当道路危险系数较高时，可以提醒用户谨慎驾驶。其中，跟车信息可以包括当前车辆的跟车距离，可以通过终端自动检测获取；道路当前车流量可以通过城市地图信息获取或基于当前道路历史车流量确定。在一些实施例中，道路危险系数可以道路危险系数确定模型确定，道路危险系数确定模型为机器学习模型。

在一些实施例中，道路危险系数确定模型可以是神经网络模型，如CNN（卷积神经网络）、DNN（深度神经网络）等。模型的输入为气象信息、道路当前车流量以及当前跟车信息；模型的输出为道路危险系数，示例性的，道路危险系数可以是1~10之间的值，1表示风险最小，10表示风险最大。堵车风险预测模型同样也可以基于道路历史数据作为训练数据，道路历史数据包括历史气象信息、道路历史车流量以及历史跟车信息；标签为道路危险系数，标签可以是训练样本基于通过人工标注得到。关于模型具体的训练方式，此处不再赘述。

利用堵车风险预测模型可以基于当前位置和车辆行驶情况确定堵车的风险和预计堵车的时间，在确定堵车时间后可以更好的选择对应的应对方案。

步骤230，基于所述预估经过路段的堵车风险，确定第二应对方案。

在一些实施例中，可以对于不同的堵车风险，通过人工预设多个不同的应对方案，并根据用户所在位置（路段）以及天气情况，确定相应的应对方案作为第二应对方案。

与第一频率的确定方式类似，可以基于预先设置的频次方案通过用户选择确定第二频率，通过用户在终端选择第二频率，并基于气象信息和传感信息智能化确认第二频率。

具体的，智能化确认第二频率可以是利用频率推荐模型，自动选择合适的频次方案，用于确定第二频率的频率推荐模型可以与用于确定第一频率的模型相同或不同，在一些实施例中，可以通过将一个用于确定第一频率的子模型和一个用于确定第二频率的子模型融合得到频率推荐模型。

用于确定第二频率的频率推荐模型的输入输出以及训练方式与用于确定第一频率的频率推荐模型类似，训练样本至少可以包括平台内的历史传感信息及其气象信息；标签为训练样本对应的样本频率，样本频率可以是根据训练样本基于专家建议或通过人工标注得到。具体可以参见步骤120相关描述，此处不再赘述。

步骤240，向所述用户发送气象信息及其第二应对方案。

可选的，可以确定通过静默推送或语音播报等方式，向用户发送气象信息及其第二应对方案。

步骤130，基于所述气象信息发送策略，向所述终端至少发送实时气象信息。在一些实施例中，步骤130可由气象信息发送模块430执行。

在一些实施例中，可以基于步骤120中确定的基于气象信息发送策略，如根据用户状态类型，向用户发送实时气象信息，如温度、湿度变化信息、未来1小时降雨量信息、风向信息等；又例如，当用户为车行时，向用户分别发送途径区域的温度、湿度及降雨量情况等。

在一些实施例中，根据用户状态类型，还可以向用户发送行程信息或广告信息等，如可以对车行用户发送路况信息、道路危险提示信息、附近景点及景点内气象信息等，可以对步行用户发送附近包含避雨设施提醒、机动车借道路段提醒等。

本说明书的一些实施例中，通过用户的终端获取用户状态，以确定适合用户的气象信息发送策略，实现实时气象信息的合理推送，为用户的出行提供了合理化的建议，保证用户体验且不会对用户造成过多打扰。

图4是根据本说明书一些实施例所示的气象信息发送系统的模块化示意图。

在一些实施例中，所述气象信息发送系统400可以包括用户状态确定模块410、发送策略确定模块420和气象信息发送模块430。

用户状态确定模块410，用于基于从终端获取的传感数据，确定用户的状态类型；其中，所述传感数据至少包括位置数据；所述状态类型包括步行以及车行。

在一些实施例中，关于用户的状态类型的更多内容可以参见步骤110相关描述，此处不再赘述。

发送策略确定模块420，用于基于所述状态类型，确定气象信息发送策略。

在一些实施例中，关于气象信息发送策略的更多内容可以参见步骤120相关描述，此处不再赘述。

气象信息发送模块430，用于基于所述气象信息发送策略，向所述终端至少发送实时气象信息。

在一些实施例中，关于发送实时气象信息的更多内容可以参见步骤130相关描述，此处不再赘述。

需要注意的是，以上对于系统400及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图4中披露的用户状态确定模块410、发送策略确定模块420可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

应当注意的是，上述有关流程100的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程100进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种气象信息发送方法，所述方法由处理器执行，所述方法包括：

从终端获取传感数据；其中，所述传感数据至少包括位置数据，所述位置数据包括用户的运动频数分布向量；

至少基于所述运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型；所述状态类型包括步行以及车行；基于所述状态类型，确定气象信息发送策略；所述标准向量表示用户在各状态下的标准信息向量；

基于所述气象信息发送策略，向所述终端至少发送实时气象信息。

2.如权利要求1所述的一种气象信息发送方法，其中，所述从终端获取传感数据；至少基于所述运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型，包括：

基于所述位置数据，确定位置特征以及运动特征；所述位置特征包括用户的位置及用户位置的变化情况；

基于所述位置特征以及所述运动特征，确定所述状态类型。

3.如权利要求1所述的一种气象信息发送方法，所述基于所述状态类型，确定气象信息发送策略包括：

响应于所述状态类型为步行时，确定所述气象信息发送策略为第一策略；所述第一策略包括：

基于从所述终端获取的所述传感数据，预测所述用户的未来行程特征；

基于所述用户的未来行程特征以及气象信息，确定第一应对方案；

向所述用户发送气象信息和所述第一应对方案。

4.权利要求1所述的一种气象信息发送方法，所述基于所述状态类型，确定气象信息发送策略，包括：响应于所述状态类型为车行时，确定所述气象信息发送策略为第二策略；所述第二策略包括：

基于从终端获取的所述传感数据，确定所述用户在未来的预估经过路段；

基于所述气象信息，预测所述预估经过路段的堵车风险；

基于所述预估经过路段的堵车风险，确定第二应对方案；

向所述用户发送气象信息及其第二应对方案。

5.一种气象信息发送系统，包括：

用户状态确定模块，用于从终端获取传感数据；其中，所述传感数据至少包括位置数据，所述位置数据包括用户的运动频数分布向量；

用户状态确定模块还用于至少基于所述运动频数分布向量与各类状态下的标准向量间的向量距离，确定用户的状态类型；所述状态类型包括步行以及车行；所述标准向量表示用户在各状态下的标准信息向量；

发送策略确定模块，用于基于所述状态类型，确定气象信息发送策略；

气象信息发送模块，用于基于所述气象信息发送策略，向所述终端至少发送实时气象信息。

6.如权利要求5所述的一种气象信息发送系统，其中，所述用户状态确定模块，还用于：

基于所述位置数据，确定位置特征以及运动特征；所述位置特征包括用户的位置及用户位置的变化情况；

基于所述位置特征以及所述运动特征，确定所述状态类型。

7.如权利要求5所述的一种气象信息发送系统，所述发送策略确定模块，还用于：

响应于所述状态类型为步行时，确定所述气象信息发送策略为第一策略；所述第一策略包括：

基于从所述终端获取的所述传感数据，预测所述用户的未来行程特征；

基于所述用户的未来行程特征以及气象信息，确定第一应对方案；

向所述用户发送气象信息和所述第一应对方案。

8.权利要求5所述的一种气象信息发送系统，所述发送策略确定模块，还用于：

响应于所述状态类型为车行时，确定所述气象信息发送策略为第二策略；所述第二策略包括：

基于从终端获取的所述传感数据，确定所述用户在未来的预估经过路段；

基于所述气象信息，预测所述预估经过路段的堵车风险；

基于所述预估经过路段的堵车风险，确定第二应对方案；

向所述用户发送气象信息及其第二应对方案。

9.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1~4任一项所述的气象信息发送方法。

10.一种气象信息发送装置，包括处理器以及存储介质，所述存储介质用于存储计算机程序，其特征在于，所述处理器用于执行所述计算机程序中的至少一部分以实现权利求1~4中任一项所述的气象信息发送方法。

Images