CN105021187A - 低功耗室外定位方法 - Google Patents

Abstract

本发明提供的低功耗室外定位方法包括以下步骤：步骤1：确定用户运动状态及运动复杂度；步骤2：根据运动状态的复杂度确定定位采样频率；步骤3：接收外部定位数据，并对连续测得的两个定位数据进行插值及地图匹配计算，获得位置信息；当所述复杂度较大时，所述定位采样频率加大；当所述复杂度较小时，所述定位采样频率减低。本发明的方法能够自适应的确定与外部网络进行定位通信的时间间隔，并通过线性预测及地图位置匹配的方法确定用户所在的位置；该方法在不降低定位精度的情况下，降低了与外部通信的频率，降低了功耗，提高了使用时间。

Description

低功耗室外定位方法

技术领域

本发明涉及一种低功耗室外定位方法。

背景技术

着智能手机和可穿戴设备的不断普及，位置服务已成为智能终端的一项重要服务指标。智能终端目前通用会集成GPS定位模块，它的定位功耗很大。在常用的定位导航应用中，智能手机每秒会定位一次，只能提供6-7小时的连续定位。在智能手表、智能手环等可穿戴设备中，通用会几十秒到一分钟定位一次，也只能使用不到半天时间。

目前在智能手机和可穿戴设备上，室外定位主要有GPS定位、基站定位、WiFi定位这三种主流方法。

其中，GPS定位精度最高，平均定位误差约10米，并且不需要其他辅助设备也可以直接定位，但对天气、建筑物遮挡等方面有所要求，例如在阴雨天气、被高楼遮挡、在室内的时候，有可能会定位失败。

基站定位的精度最差，定位误差通常几百米，在一些偏远地方甚至有几公里误差，仅需要手机SIM卡接收到GSM/CDMA等基站信号即可，在室内、室外、建筑物下都可以正常定位。

WiFi定位的精确约几米到几十米以内，但对定位的要求比较高，需要检测到一定的WiFi热点信号，并且要事先知道WiFi热点的位置信息，而且很容易受到环境因素的影响。

为了获取比较准确的位置，智能终端一般直接使用GPS定位，在GPS定位失败的情况下采用基站定位作为辅助。

发明内容

本发明要解决的技术问题是：提供一种低功耗室外定位方法。

为实现上述目的，所述低功耗室外定位方法包括以下步骤：

步骤1：确定用户运动状态及运动复杂度；

步骤2：根据运动状态的复杂度确定定位采样频率；

步骤3：接收外部定位数据，并对连续测得的两个定位数据进行插值及地图匹配计算，获得位置信息；

当所述复杂度较大时，所述定位采样频率加大；当所述复杂度较小时，所述定位采样频率减低。

进一步的，步骤1中用户运动状态来自于对加速度传感器数据的计算。

进一步的，所述运动状态及运动复杂度的确定方法包括：

步骤11：对终端检测设备初始化；

对终端检测设备进行多种标准运动状态的模拟，并记录下每种运动状态下的加速度传感器数据，形成保存在终端检测设备中的支持向量机；

步骤12：用终端检测设备对用户运动状态测量，确定运动复杂度；

根据用户具体运动规律，终端检测设备利用所述支持向量机与用户运动状态进行对比，提取运动特征向量，从而获得用户运动状态，确定所述复杂度；

步骤11中模拟的运动状态至少包括静止、匀速开车、走路、跑步、停止、转弯、爬山中的三种。

进一步的，用户运动加速度向量变化越快时，所述复杂度越高。

进一步的，所述定位采样频率最大值为30分钟。

进一步的，根据定位数据进行插值及地图匹配的方法包括：

步骤31：根据连续测得的两个定位数据以及间隔时间，利用线性运动预测时间间隔Δt内的位置N；

步骤32：将预测位置N与地图道路位置进行比对，判断所述预测位置N最可能所在的道路及在所述道路上的具体位置；

所述预测位置N与临近的道路距离越短，该预测位置N在该道路上的概率越高

本发明低功耗室外定位方法能够自适应的确定与外部网络进行定位通信的时间间隔，在用户运动状态复杂度较低时，降低定位通信的频率，通过线性预测及地图位置匹配的方法确定用户所在的位置；当用户运动状态复杂度较高时，提高定位通信频率，从而获得较为精准的用户位置；该方法在不降低定位精度的情况下，降低了与外部通信的频率，降低了功耗，提高了使用时间。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。

附图中，

图1为本发明低功耗室外定位方法的流程示意图；

图2为本发明低功耗室外定位方法一个实施例的流程示意图；

图3为本发明低功耗室外定位方法加速度向量坐标系；

图4为本发明低功耗室外定位方法位置插值示意图；

图5为本发明低功耗室外定位方法地图匹配算法示意图。

具体实施方式

为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施例及其附图进行详细描述。

请参阅图1及图2，本发明具体实施方式提供一种低功耗室外定位方法，所述低功耗室外定位方法包括以下步骤：

步骤1：确定用户运动状态及运动复杂度。

步骤1中用户运动状态来自于对加速度传感器数据的计算。即，所述运用该方法制作的终端检测设备中必然具有加速度传感器，该加速度传感器输出的用户运动的实时加速度用于判断用户的运动状态；其中用户的运动状态参考数据包括加速度向量、速度向量、经纬度信息以及海拔，方位信息等。

进一步的，所述运动状态及运动复杂度的确定方法包括：

步骤11：对终端检测设备初始化；

对终端检测设备进行多种标准运动状态的模拟，并记录下每种运动状态下的加速度传感器数据，形成保存在终端检测设备中的支持向量机；

步骤12：用终端检测设备对用户运动状态测量，确定运动复杂度；

根据用户具体运动规律，终端检测设备利用所述支持向量机与用户运动状态进行对比，提取运动特征向量，从而获得用户运动状态，确定所述复杂度；

步骤11中模拟的运动状态至少包括静止、匀速开车、走路、跑步、停止、转弯、爬山中的三种。

在本实施方式中，对终端检测设备的初始化，是为了后续测量时该终端检测设备测得的加速度向量具有运动状态的参考标准，比如测得的加速度向量，大小不变，方向改变时，意味着用户的运动状态为匀速转向运动，根据向量方向，可以利用数学模型进一步确定用户的运动轨迹。

在本实施方式中，支持向量机是一种运动状态保存的标准数学模型，可以根据该数学模型计算位置信息。

如图3所示，在本实施方式中，所述运动状态与加速度向量有关，例如，我们将终端检测设备为坐标中心建立互相垂直的x、y、z坐标系，将终端检测设备绕x轴旋转角度定义为R、将终端检测设备绕y轴旋转角度定义为P、将终端检测设备绕z轴旋转角度定义为Y；那么将加速度向量的测量采样值投影到水平面、垂直面上，需要先计算出俯仰角P与翻转角R为：

其中，g为地球表面竖直方向加速度常量9.8m/s².

然后计算投影到水平面及垂直面所在空间的三维加速度(x′,y′,z′)：

在实际应用时，由于获得的原始加速度数据具有大量噪声，需要使用低通滤波器去除噪声，从而得到平滑的加速度数据。

步骤2：根据运动状态的复杂度确定定位采样频率。

其中，用户运动加速度向量变化越快时，所述复杂度越高。

当运动状态具有很强的周期性，如走路、跑步、匀速开车、静止等多种，可以降低GPS采样频率，设置较长时间才读取一次GPS位置，其中采样频率最大值为30分钟，即在运动状态为规律性的运动时，也要在30分钟内与定位网络进行通信获得一次定位位置信息。其中，当运动状态复杂度越高时，定位采样频率越高。

其中，假定由通过两次采样得到的GPS位置为S1和S2，两次采样的时间间隔为t，则可以推测这段时间的平均速度为v＝(s₂-s₁)/t。因此，在周期性运动时，速度低的时候可以选择较长的GPS采样周期，速度高的时候可以选择较短的GPS采样周期。本专利自适应设置GPS采样周期为T＝T_max/v，其中T_max＝30分钟为用户静止时对应的采样周期。

另外，当用户当前运动状态发生变化，可以提高GPS采样频率，在短时间内与外部网络通信读取一次GPS位置。为了在最大程度上保证定位精度不受损失，本实施方式中设置T＝1秒立刻读取一次GPS位置。

步骤3：接收外部定位数据，并对连续测得的两个定位数据进行插值及地图匹配计算，获得位置信息。

其中，根据定位数据进行插值及地图匹配的方法包括：

步骤31：根据连续测得的两个定位数据以及间隔时间，利用线性运动预测时间间隔T内的位置N；

步骤2中与外部通信读取位置信息的时间具有随机性，有可能是几分钟读取一次也有可能是1秒读取一次。

如果运动状态是周期性运动，每个周期T时间内与外部通信读取一次位置信息；如果运动状态时突发性时间，就立即读取位置信息；这样话，那么读取的相邻两个位置信息之间的运动轨迹必然是规律性运动，必然是可以通过数学模型计算出来的。

具体的如图4所示：

假设过去两次位置记录的时间为t₁和t₂，GPS定位位置为p₁和p₂，现在需要计算计算距离时间t₂后间隔的Dt时间点的位置N。由于这段时间是周期性运动，使用线性位置插值得到位置为

其中，Dt＝nT₀(n＝1,2,3...)是指需要求解的整数个T₀时间。时间T₀是一个可以外部设置的系统参数，由智能终端的定位需求来确定，例如智能手机可能设置T₀＝1秒，可穿戴设备可能设置T₀＝1分钟。

根据以上P的插值公式可以确定预测位置N。

步骤32：将预测位置N与地图道路位置进行比对，判断所述预测位置N最可能所在的道路及在所述道路上的具体位置；

所述预测位置N与临近的道路距离越短，该预测位置N在该道路上的概率越高。

在本实施方式中，获得了预测位置N，然后再根据终端检测设备中记录的地图信息，将该预测位置N标注在地图信息上，同时将该预测位置N与地图上临近的道路位置相匹配，做出修正，根据用户可能所在的道路位置做出概率大小的判断，从而准确估值得到用户所在的位置，其中前后误差不超过1m。

请参参阅图5，假设有两条道路r₁和r₂，使用上述位置插值算法得到连续三个位置点p₁，p₂，p₃。由于存在一些定位误差，这三个位置点没有刚好落在道路r₁和r₂上。为了确定三个位置点应该是在哪一条道路上，需要进行地图匹配。具体匹配算法如下：

首先将三个位置点p₁，p₂，p₃分别将两条道路r₁和r₂做投影线，得到各个位置点到两条道路r₁和r₂的距离为d₁₁，d₂₁，d₃₁，d₁₂，d₂₂，d₃₂。

直观上可以发现，如果位置点距离某条道路越近，则越有可能是该道路上的点。因此三个位置点p₁，p₂，p₃在道路r₁上的概率分别设置为1/d₁₁,1/d₂₁,1/d₃₁。从而，三个点同时在道路r₁上的概率为k₁＝1/(d₁₁d₂₁d₃₁)。同理，三个点同时在道路r₂上的概率为k₂＝1/(d₁₂d₂₂d₃₂)。

比较两个概率k₁＝1/(d₁₁d₂₁d₃₁)和k₂＝1/(d₁₂d₂₂d₃₂)的大小，如果k₁>k₂则认为三个点都在道路r₁上，如果k₁<k₂则认为三个点都在道路r₂上。特别地，如果k₁＝k₂则添加新的位置点p₄，按照上述方面重新计算，直至k₁ ¹ k₂为止。

以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方案和技术构思作出其他各种相应的改变和变形，而所有这些改变和变形都应属于本发明权利要求的保护范围。

Claims (6)

1.一种低功耗室外定位方法，其特征在于，包括以下步骤：

步骤1：确定用户运动状态及运动复杂度；

步骤2：根据运动状态的复杂度确定定位采样频率；

步骤3：接收外部定位数据，并对连续测得的两个定位数据进行插值及地图匹配计算，获得位置信息；

当所述复杂度较大时，所述定位采样频率加大；当所述复杂度较小时，所述定位采样频率减低。

2.根据权利要求1所述的低功耗室外定位方法，其特征在于，步骤1中用户运动状态来自于对加速度传感器数据的计算。

3.根据权利要求1或2所述的低功耗室外定位方法，其特征在于，所述运动状态及运动复杂度的确定方法包括：

步骤11：对终端检测设备初始化；

对终端检测设备进行多种标准运动状态的模拟，并记录下每种运动状态下的加速度传感器数据，形成保存在终端检测设备中的支持向量机；

步骤12：用终端检测设备对用户运动状态测量，确定运动复杂度；

根据用户具体运动规律，终端检测设备利用所述支持向量机与用户运动状态进行对比，提取运动特征向量，从而获得用户运动状态，确定所述复杂度；

步骤11中模拟的运动状态至少包括静止、匀速开车、走路、跑步、停止、转弯、爬山中的三种。

4.根据权利要求3所述的低功耗室外定位方法，其特征在于，用户运动加速度向量变化越快时，所述复杂度越高。

5.根据权利要求1所述的低功耗室外定位方法，其特征在于，所述定位采样频率最大值为30分钟。

6.根据权利要求1所述的低功耗室外定位方法，其特征在于，根据定位数据进行插值及地图匹配的方法包括：

步骤31：根据连续测得的两个定位数据以及间隔时间，利用线性运动预测时间间隔Δt内的位置N；

步骤32：将预测位置N与地图道路位置进行比对，判断所述预测位置N最可能所在的道路及在所述道路上的具体位置；

所述预测位置N与临近的道路距离越短，该预测位置N在该道路上的概率越高。