CN104837114B - 用于确定用户的定位信息异常的方法和设备 - Google Patents

Abstract

本公开的实施例公开了一种用于确定用户的定位信息异常的方法和设备，该方法包括：获取用户在给定时间段内的多个位置信息；将所述多个位置信息分为多个分组；分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；获取所有与所述中心点位置的距离值中的最大值；以及基于所述最大值，确定所述用户的定位信息异常。本公开的实施例能够提供一种用于确定用户的定位信息异常的方法和设备，能够利用数据挖掘的方法对用户的定位信息进行自动分析，确定用户的定位信息是否准确；从而能够及时发现定位异常的用户，提高订单分配的效率和有效性。

Description

用于确定用户的定位信息异常的方法和设备

技术领域

本公开的实施例总体涉及定位领域，具体涉及一种用于确定用户的定位信息异常的方法和设备。

背景技术

定位技术就是指通过无线终端和无线通信技术的配合，确定移动用户的实际位置信息，其基本原理是移动目标通过与多个已知坐标位置的固定基站(地面或空中)进行交互，获得相应测量参数后，利用适当的处理方法获得移动目标在空间中的位置。现有的定位技术包括：全球定位系统(GPS)技术；全球导航卫星系统(GLONASS)技术；北斗导航系统技术；伽利略定位系统(Galileo)技术；准天顶卫星系统(QAZZ)技术；基站定位技术；以及Wi-Fi定位技术。

随着互联网和移动设备，尤其是集成了定位技术的智能终端的迅猛发展，越来越多的服务是基于位置的服务，例如叫车服务、订餐服务等，在这些基于位置的服务中，定位是否准确将很大程度影响服务的用户体验。然而，由于定位技术的限制(例如，无法接受到GPS信号、或者附近的基站或者Wi-Fi热点偏少)、定位设备本身软件或者硬件的问题(例如，智能终端的定位模块损坏、或者用户无意中关闭了定位功能)会导致定位信息的异常。例如，目前在打车软件中，订单分配等功能都是基于司机的定位信息来完成。而有时，由于定位技术的限制、定位设备本身软件或者硬件的问题会导致定位信息不准确，从而导致将不合适的订单推送给司机后司机没有接单的意愿，极大降低了订单分配的效率。

在现有解决方案中，一般是通过用户自行发现并主动反馈来获知其定位信息异常，效率较低。如何自动并高效地发现用户的定位信息是否异常是现有基于位置的应用中的一个重要的议题。

发明内容

本公开的实施例旨在提供一种用于确定用户的定位信息异常的方法和设备，利用数据挖掘的方法对用户的定位信息进行自动分析，确定用户的定位信息是否准确；从而及时发现定位异常的用户，提高订单分配的效率和有效性。

根据本公开的一个方面，提供了一种用于确定用户的定位信息异常的方法，包括：获取用户在给定时间段内的多个位置信息；将所述多个位置信息分为多个分组；分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；获取所有与所述中心点位置的距离值中的最大值；以及基于所述最大值，确定所述用户的定位信息异常。

在一个实施例中，利用以下的至少一种定位技术，获取用户在给定时间段内的多个位置信息：全球定位系统(GPS)技术；全球导航卫星系统(GLONASS)技术；北斗导航系统技术；伽利略定位系统(Galileo)技术；准天顶卫星系统(QAZZ)技术；基站定位技术；以及Wi-Fi定位技术。

在另一实施例中，利用以下的至少一种聚类算法，将所述多个位置信息分为多个分组：K-MEANS算法；K-MEDOIDS算法；以及CLARANS算法。

在又一实施例中，分别计算每个分组中的中心点的位置信息包括：计算每个分组中的所有位置信息的平均值；以及将所述平均值作为每个分组中的所述中心点的位置信息。

在再一实施例中，其中基于所述最大值，确定所述用户的定位信息异常包括：将所述最大值与预定的阈值进行比较；以及基于所述比较的结果，确定所述用户的定位信息异常。

根据本公开的另一个方面，提供了一种用于确定用户的定位信息异常的设备，包括：获取装置，用于获取用户在给定时间段内的多个位置信息；分组装置，用于将所述多个位置信息分为多个分组；第一计算装置，用于分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；第二计算装置，用于获取所有与所述中心点位置的距离值中的最大值；以及确定装置，用于基于所述最大值，确定所述用户的定位信息异常。

在一个实施例中，所述获取装置利用以下的至少一种定位技术，来获取用户在给定时间段内的多个位置信息：全球定位系统(GPS)技术；全球导航卫星系统(GLONASS)技术；北斗导航系统技术；伽利略定位系统(Galileo)技术；准天顶卫星系统(QAZZ)技术；基站定位技术；以及Wi-Fi定位技术。

在另一实施例中，所述分组装置利用以下的至少一种聚类算法，将所述多个位置信息分为多个分组：K-MEANS算法；K-MEDOIDS算法；以及CLARANS算法。

在又一实施例中，所述第一计算装置包括：第一计算单元，用于计算每个分组中的所有位置信息的平均值；以及第一确定单元，用于将所述平均值作为每个分组中的所述中心点的位置信息。

在再一实施例中，所述确定装置包括：比较单元，用于将所述最大值与预定的阈值进行比较；以及第二确定单元，用于基于所述比较的结果，确定所述用户的定位信息异常。

本公开的实施例能够提供一种用于确定用户的定位信息异常的方法和设备，能够利用数据挖掘的方法对用户的定位信息进行自动分析，确定用户的定位信息是否准确；从而能够及时发现定位异常的用户，提高订单分配的效率和有效性。

附图说明

在此所述的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中:

图1图示了根据本公开的实施例的用于确定用户的定位信息异常的方法100的流程图；

图2图示了根据本公开的实施例的用于确定用户的定位信息异常的设备200的框图。

具体实施方式

在下文中，将参考附图详细描述本公开的各个示例性实施例。应当注意，这些附图和描述涉及的仅仅是作为示例性的实施例。应该指出的是，根据随后描述，很容易设想出此处公开的结构和方法的替换实施例，并且可以在不偏离本公开要求保护的原理的情况下使用这些替代实施例。

应当理解，给出这些示例性实施例仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。

在此使用的术语“包括”、“包含”及类似术语应该被理解为是开放性的术语，即“包括/包含但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。

图1图示了根据本公开的实施例的用于确定用户的定位信息异常的方法100的流程图。方法100包括步骤S101至S105。

在本公开的实施例中，用户泛指任何在一定空间范围内处于某种运动状态的个体，如汽车司机、火车驾驶员、船舶驾驶员、飞机驾驶员、无人驾驶的交通工具、徒步运动中的人、动物等。以汽车司机为例，进一步地，用户可以是，包括私家车司机与出租车司机在内的小汽车司机、货车司机、卡车司机等。

在步骤S101，获取用户在给定时间段内的多个位置信息。

根据本公开的实施例，利用定位技术，来获取用户在给定时间段内的多个位置信息，所述定位技术例如：全球定位系统(GPS)技术；全球导航卫星系统(GLONASS)技术；北斗导航系统技术；伽利略定位系统(Galileo)技术；准天顶卫星系统(QAZZ)技术；基站定位技术；以及Wi-Fi定位技术。

根据本公开的实施例，给定的时间段可以是根据历史经验和/或试验数据确定的一段时间，例如，半个小时等。用户在给定的时间段内以一定的时间间隔，例如每隔10s，上传多个坐标。每个坐标指示用户在上传时刻所处的位置。

接下来，方法100进行至步骤S102。

在步骤S102，将所述多个位置信息分为多个分组。

根据本公开的实施例，利用但不仅限于以下的至少一种聚类算法，将所述多个位置信息划分为多个分组：K-MEANS算法；K-MEDOIDS算法；以及CLARANS算法。给定一个有N个元组或者纪录的数据集，使用聚类算法将其构造为K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：(1)每一个分组至少包含一个数据纪录；(2)每一个数据纪录属于且仅属于一个分组(注意：这个要求在某些模糊聚类算法中可以不做严格限定)；对于给定的分组数K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每一次改进之后的分组方案都较前一次好，而所谓好的标准就是：同一分组中的记录尽可能相互接近或相关，而不同的分组中的记录尽可能远离或不同。根据本公开的实施例，基于位置坐标之间的距离来对位置坐标进行分组，完成分组后，同一分组中的位置坐标尽可能相互接近(即坐标之间的距离尽可能小)，而不同的分组中的位置坐标尽可能远离(即坐标之间的距离尽可能大)。

根据本公开的实施例，可以利用聚类算法将在步骤S101中获得的多个定位信息(例如，N个坐标)分为多个分组(即多个类)，分组的数量(即类的数量)可以是根据历史经验或者试验数据确定的数值，例如K个(N≥K>0)。

接下来，方法100进行至步骤S103。

在步骤S103，分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离。

根据本公开的实施例，分别获取每个分组中的中心点的位置信息包括：计算每个分组中的所有位置信息的平均值；以及将所述平均值作为每个分组中的所述中心点的位置信息。例如，在步骤S102中，将N个坐标，分为了K个分组，对每个分组中的所有坐标计算平均值，从而可以得到K个平均坐标值，该K个平均坐标值将分别作为K个分组的中心点坐标。

根据本公开的实施例，在分别计算了每个分组中的中心点的位置信息以后，接下来计算在步骤S101中获得的每个位置与该位置所属的分组中的中心点的位置之间的距离。例如，针对在步骤S101中获得的N个坐标，分别计算每个坐标与该坐标所在的分组的中心点坐标之间的距离，因此一共可以得到N个距离的值。

接下来，方法100进行至步骤S104。

在步骤S104，获取所有与所述中心点位置的距离值中的最大值。例如，在步骤S103中一共得到N个距离值，则计算所有N个距离值中的最大值，可设定为Rmax。

接下来，方法100进行至步骤S105。

在步骤S105，基于距离的最大值，确定所述用户的定位信息异常。

根据本公开的实施例，步骤S105包括：将距离的最大值与预定的阈值进行比较；以及基于所述比较的结果，确定所述用户的定位信息是否异常。在此所述的预定的阈值是根据历史经验或者试验数据确定的距离的阈值。例如，在一种场景中，用户是处于运动状态的用户，例如，驾驶中的司机。在此场景下，例如阈值设为50米。那么，在一段时间(例如，30分钟)内，用户的位置应当是变化的。如果在这段时间中，用户上传的定位信息过于集中(例如，Rmax<50米)，则说明在这段时间期间，用户的定位信息异常。这时，可以向提示用户以查明定位异常的原因，例如，是否是定位设备的定位功能关闭等等。例如，在另一种场景中，用户是处于非运动状态或者缓慢运动状态中的用户，例如，静止或者缓慢行走的人。在此场景下，例如阈值设为1000米。那么，在一段时间(例如，5分钟)内，用户的位置应当是基本不变或者缓慢变化的。那么，如果这段时间中，用户上传的定位信息过于分散(例如，Rmax>1000米)，则说明在这段时间期间，用户的定位信息异常。阈值的选择以及根据最大值和阈值之间的何种关系(例如，大于、小于、等于、大于等于、小于等于等)来确定用户的定位信息异常，将取决于具体的场景以及具体实施方式中用户的设置。在此详细描述的示例只用于说明的目的，而不对本步骤的具体实施方式作精确的限定。应当认为，任何基于最大值和阈值的比较来判断用户的定位信息异常的方法都落入本公开的保护范围中。

至此，方法100结束。

图2图示了根据本公开的实施例的用于确定用户的定位信息异常的设备200的框图。装置200包括：获取装置201，用于获取用户在给定时间段内的多个位置信息；分组装置202，用于将所述多个位置信息分为多个分组；第一计算装置203，用于分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；第二计算装置204，用于获取所有与所述中心点位置的距离值中的最大值；以及确定装置205，用于基于所述最大值，确定所述用户的定位信息异常。

根据本公开的实施例，所述获取装置201利用以下的至少一种定位技术，来获取用户在给定时间段内的多个位置信息：全球定位系统(GPS)技术；全球导航卫星系统(GLONASS)技术；北斗导航系统技术；伽利略定位系统(Galileo)技术；准天顶卫星系统(QAZZ)技术；基站定位技术；以及Wi-Fi定位技术。

根据本公开的实施例，所述分组装置202利用以下的至少一种聚类算法，将所述多个位置信息分为多个分组：K-MEANS算法；K-MEDOIDS算法；以及CLARANS算法。

根据本公开的实施例，所述第一计算装置203包括：第一计算单元，用于计算每个分组中的所有位置信息的平均值；以及第一确定单元，用于将所述平均值作为每个分组中的所述中心点的位置信息。

根据本公开的实施例，所述确定装置204包括：比较单元，用于将所述最大值与预定的阈值进行比较；以及第二确定单元，用于基于所述比较的结果，确定所述用户的定位信息异常。

综上所述，本公开的实施例能够提供一种用于确定用户的定位信息异常的方法和设备，能够利用数据挖掘的方法对用户的定位信息进行自动分析，确定用户的定位信息是否准确；从而能够及时发现定位异常的用户，提高订单分配的效率和有效性。

应当指出，可以将示例实施例描述为体现为流程图、流程图表、数据流程图、结构图或者框图的过程。尽管流程图可以将操作描述为顺序的过程，可以并行地、并发地或者同时地执行许多操作。此外，操作的顺序可以被重排。当过程的操作完成时，过程可以被终止，但是也可以具有不包括在图中的额外的步骤。过程可以对应于方法、功能、程序、子例程、子程序等。当过程对应于功能时，过程的终止可以对应于功能对调用函数或者主函数的返回。

此外，本领域的技术人员应该理解，上述的本公开的各装置、各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本公开不限制于任何特定的硬件和软件结合。

以上所述仅为本公开可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。

Claims (8)

1.一种用于确定用户的定位信息异常的方法，包括：

获取用户在给定时间段内的多个位置信息；

将所述多个位置信息分为多个分组；

分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；

获取所有与所述中心点位置的距离值中的最大值；

将所述最大值与预定的阈值进行比较；以及

基于所述比较的结果，确定所述用户的定位信息异常。

2.根据权利要求1所述的方法，其中利用以下的至少一种定位技术，来获取用户在给定时间段内的多个位置信息：

全球定位系统(GPS)技术；

全球导航卫星系统(GLONASS)技术；

北斗导航系统技术；

伽利略定位系统(Galileo)技术；

准天顶卫星系统(QAZZ)技术；

基站定位技术；以及

Wi-Fi定位技术。

3.根据权利要求1所述的方法，其中利用以下的至少一种聚类算法，将所述多个位置信息分为多个分组：

K-MEANS算法；

K-MEDOIDS算法；以及

CLARANS算法。

4.根据权利要求1所述的方法，其中分别获取每个分组中的中心点的位置信息包括：

计算每个分组中的所有位置信息的平均值；以及

将所述平均值作为每个分组中的所述中心点的位置信息。

5.一种用于确定用户的定位信息异常的设备，包括：

获取装置，用于获取用户在给定时间段内的多个位置信息；

分组装置，用于将所述多个位置信息分为多个分组；

第一计算装置，用于分别获取每个分组中的中心点的位置信息，以及每个位置与所属分组中的中心点的位置之间的距离；

第二计算装置，用于获取所有与所述中心点位置的距离值中的最大值；

比较装置，用于将所述最大值与预定的阈值进行比较；以及

确定装置，用于基于所述比较的结果，确定所述用户的定位信息异常。

6.根据权利要求5所述的设备，其中所述获取装置利用以下的至少一种定位技术，来获取用户在给定时间段内的多个位置信息：

全球定位系统(GPS)技术；

全球导航卫星系统(GLONASS)技术；

北斗导航系统技术；

伽利略定位系统(Galileo)技术；

准天顶卫星系统(QAZZ)技术；

基站定位技术；以及

Wi-Fi定位技术。

7.根据权利要求5所述的设备，其中所述分组装置利用以下的至少一种聚类算法，将所述多个位置信息分为多个分组：

K-MEANS算法；

K-MEDOIDS算法；以及

CLARANS算法。

8.根据权利要求5所述的设备，其中所述第一计算装置包括：

第一计算单元，用于计算每个分组中的所有位置信息的平均值；以及

第一确定单元，用于将所述平均值作为每个分组中的所述中心点的位置信息。