CN106840165A - 一种语义位置历史的构建方法及装置 - Google Patents

Abstract

本发明公开了一种语义位置历史的构建方法及装置。其中，该方法至少包括：基于兴趣点的坐标向外括展一定区域，形成原始交互区；获取用户的移动轨迹；根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点；将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史。本发明无需像现有技术那样手动操作或部署额外的设备，从而解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，不仅省时省力，而且还提高了构建精度。

Description

一种语义位置历史的构建方法及装置

技术领域

本发明涉及定位技术领域，尤其涉及一种语义位置历史的构建方法及装置。

背景技术

随着人们活动的室内空间越来越庞大和复杂，兴趣点(Point of Interest，POI)越来越丰富，停车场、商场、机场等场所的相关服务(如：定位、导航、推荐等)的需求日趋强烈。伴随着移动互联网和位置感知技术的发展，基于位置的服务(Location BasedService，LBS)为人们所熟知，并得到了广泛应用。随着智能传感器设备的蓬勃发展，人们对于LBS实时、智能、精准等需求越来越高。

基于位置的服务，主要是根据用户的位置，对用户的兴趣和行为做出合理的推理，然后为用户提供相关服务。但是，现有的位置信息表示的范围很广泛，从地理坐标(经纬度)到语义位置(如：餐厅、商场等)都有涉及。其中，语义位置历史(Semantic LocationHistories，SLH)在基于位置的服务中扮演着重要的角色。SLH可以通过在地理轨迹中嵌入兴趣点并做出合理的推理得到，从而把地理空间的位置历史转换到语义空间中。但是，个人语义位置相较于个人原始的地理位置来说，包含了更多的个人信息。由于SLH通常表现为用户个人的喜好，因此，大部分现有的LBS需要用户手动操作。现阶段被广泛认可的解决方案是在POIs前安装NFC设备。NFC设备(如：RFID设备)需要携带电子设备，用以分辨每一个POI，这样虽然可以带来很高的精度，如博物馆的语音推荐，但是需要消耗大量的人力与物力来部署额外的设备，因而很难推广实施。

综上所述，需要寻求一种SLH的构建方法来解决手动操作和消耗大量的人力物力的问题。

发明内容

本发明通过提供一种语义位置历史的构建方法及装置，解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，实现了自动低成本地构建语义位置历史的技术效果。

本发明提供了一种语义位置历史的构建方法，至少包括：

基于兴趣点的坐标向外括展一定区域，形成原始交互区；

获取用户的移动轨迹；

根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点；

将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史。

进一步地，在所述根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点之前，还至少包括：

获取所述移动轨迹上的候选停留点；

所述根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点，具体包括：

根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点。

进一步地，所述获取所述移动轨迹上的候选停留点，具体包括：

基于所述移动轨迹上两相邻位置之间的时间差判断用户是否停留；

若停留，获取用户在停留时的位置作为所述候选停留点。

进一步地，所述根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点，具体包括：

获取所述兴趣点、所述原始交互区和所述候选停留点的坐标信息；

获取预设障碍物的坐标信息；

获取用户在所述候选停留点的朝向；

根据所述兴趣点的坐标信息、所述候选停留点的坐标信息、用户在所述候选停留点的朝向以及所述预设障碍物的坐标信息判断用户在所述候选停留点的朝向是否朝向所述兴趣点且在所述候选停留点和所述兴趣点之间有无所述预设障碍物；

根据所述原始交互区的坐标信息和所述候选停留点的坐标判断所述候选停留点是否在所述原始交互区之内；

若所述用户在所述候选停留点的朝向是朝向所述兴趣点且在所述候选停留点和所述兴趣点之间无所述预设障碍物且所述候选停留点是在所述原始交互区之内，将此候选停留点筛选出来，作为停留点。

进一步地，所述将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史，具体包括：

对所述停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

基于所述预设障碍物的坐标信息将与所述交互频繁的停留点重合的障碍物区域剔除；

把与筛选出的停留点对应的兴趣点的语义信息嵌入到所述移动轨迹中，得到所述语义位置历史。

本发明提供的语义位置历史的构建装置，至少包括：

数据括展模块，用于基于兴趣点的坐标向外括展一定区域，形成原始交互区；

第一数据获取模块，用于获取用户的移动轨迹；

筛选模块，用于根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点；

数据处理模块，用于将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史。

进一步地，还至少包括：

第二数据获取模块，用于获取所述移动轨迹上的候选停留点；

所述筛选模块，具体用于根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点。

进一步地，所述第二数据获取模块，具体用于基于所述移动轨迹上两相邻位置之间的时间差判断用户是否停留；若停留，获取用户在停留时的位置作为所述候选停留点。

进一步地，所述筛选模块，具体包括：

第一信息获取单元，用于获取所述兴趣点、所述原始交互区和所述候选停留点的坐标信息；

第二信息获取单元，用于获取预设障碍物的坐标信息；

第三信息获取单元，用于获取用户在所述候选停留点的朝向；

第一识别单元，用于根据所述兴趣点的坐标信息、所述候选停留点的坐标信息、用户在所述候选停留点的朝向以及所述预设障碍物的坐标信息判断用户在所述候选停留点的朝向是否朝向所述兴趣点且在所述候选停留点和所述兴趣点之间有无所述预设障碍物；

第二识别单元，用于根据所述原始交互区的坐标信息和所述候选停留点的坐标判断所述候选停留点是否在所述原始交互区之内；

筛选执行单元，用于若所述第一识别单元的结果是所述用户在所述候选停留点的朝向是朝向所述兴趣点且在所述候选停留点和所述兴趣点之间无所述预设障碍物且所述第二识别单元的结果是所述候选停留点是在所述原始交互区之内，将此候选停留点筛选出来，作为停留点。

进一步地，所述数据处理模块，至少包括：

过滤单元，用于对所述停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

剔除单元，用于基于所述预设障碍物的坐标信息将与所述交互频繁的停留点重合的障碍物区域剔除；

语义位置历史创建单元，用于把与筛选出的停留点对应的兴趣点的语义信息嵌入到所述移动轨迹中，得到所述语义位置历史。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

先基于兴趣点的坐标向外括展一定区域，形成原始交互区；并获取用户的移动轨迹；接着根据构建条件从移动轨迹中筛选出在原始交互区内的停留点；最后将与停留点对应的兴趣点的语义信息赋值给移动轨迹上的停留点，从而得到语义位置历史。本发明无需像现有技术那样手动操作或部署额外的设备，从而解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，不仅省时省力，而且还提高了构建精度。

附图说明

图1为本发明实施例提供的语义位置历史的构建方法的流程图；

图2为本发明实施例提供的语义位置历史的构建方法的原理图；

图3为本发明实施例提供的语义位置历史的构建方法中兴趣点的示意图；

图4为通过本发明实施例提供的语义位置历史的构建方法构建出的原始交互区的示意图；

图5为本发明实施例提供的语义位置历史的构建方法中的候选交互事件的第一示意图；

图6为本发明实施例提供的语义位置历史的构建方法中的候选交互事件的第二示意图；

图7为本发明实施例提供的语义位置历史的构建方法中候选交互事件密度分布热点图；

图8为通过本发明实施例提供的语义位置历史的构建方法得到的交互频繁点的区域示意图；

图9为通过本发明实施例提供的语义位置历史的构建方法得到的最终的交互区示意图；

图10为本发明实施例提供的语义位置历史的构建装置的模块图。

具体实施方式

本发明实施例通过提供一种语义位置历史的构建方法及装置，解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，实现了自动低成本地构建语义位置历史的技术效果。

本发明实施例中的技术方案为解决上述技术问题，总体思路如下：

先基于兴趣点的坐标向外括展一定区域，形成原始交互区；并获取用户的移动轨迹；接着根据构建条件从移动轨迹中筛选出在原始交互区内的停留点；最后将与停留点对应的兴趣点的语义信息赋值给移动轨迹上的停留点，从而得到语义位置历史。本发明实施例无需像现有技术那样手动操作或部署额外的设备，从而解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，不仅省时省力，而且还提高了构建精度。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

参见图1和图2，本发明实施例提供的语义位置历史的构建方法，至少包括：

步骤S110：基于兴趣点的坐标向外括展一定区域，形成原始交互区；

在本实施例中，首先，根据地图信息确定兴趣点的形状，再根据地图信息得到的兴趣点周围的可行走区域作为最初的原始交互区。图3给出了兴趣点的例子，具体的方案是根据兴趣点的形状，对兴趣点进行固定宽度的区域扩充，即按照它本来的形状向四周延伸一段，并且所形成的区域外边界相较于内边界(原来兴趣点的边界)任何部分都必须保持固定的距离。其中，固定的距离是根据构建精度需求确定的。并把由兴趣点边界通过向四周延伸固定距离生成的区域称为原始交互区。图4给出了一个原始交互区的例子。在内边界(黑色实线)和外边界(黑色虚线)之间的部分称为原始交互区。

步骤S120：获取用户的移动轨迹；

步骤S130：根据构建条件从移动轨迹中筛选出在原始交互区内的停留点；

具体地，在步骤S130之前，获取移动轨迹上的候选停留点；

在本实施例中，获取移动轨迹上的候选停留点，具体包括：

基于移动轨迹上两相邻位置之间的时间差判断用户是否停留；

若停留，获取用户在停留时的位置作为候选停留点。

具体地，对判断过程进行说明：

当Τ_n-Τ_n-1＞Τ_thre时，确定发生停留事件；

其中，T_n是用户在n时刻的时间，T_n-1是用户在n-1时刻的时间，Τ_thre是停留时间阈值；

当T_n-T_n-1≤Τ_thre时，确定没有发生停留事件。

在本实施例中，若停留，获取用户在停留时的位置作为候选停留点，具体包括：

若停留，根据公式x_n＝x_n-1+sl·cosθ_n-1和公式y_n＝y_n-1+sl·sinθ_n-1，确定候选停留点的坐标；

其中，x_n是候选停留点的横坐标，y_n是候选停留点的纵坐标，x_n-1是用户在n时刻的前一时刻的横坐标，y_n-1是用户在n时刻的前一时刻的纵坐标，sl是用户的单步步长，θ_n-1是用户在n时刻的前一时刻的朝向。

在本实施例中，可以获取众包数据，分别推算不同时刻下用户的位置和朝向。具体地，可以采用行人航位推算方法(Pedestrian Dead-Reckoning，PDR)结合地图信息采用增强型粒子滤波器对用户的实时位置和朝向进行推算。再分别得到各时刻下的用户的实时位置、朝向和原始轨迹。并且使用回溯方法，使得定位结果更为准确，即每个传播粒子需要记录自身的轨迹信息，如当检测到当前粒子x_k穿墙或遇到障碍物时，可以回溯到前m时刻的状态x_k-m，通过消除这些在k-m时刻的无效粒子可以改善历史位置信息。同时，把Weinberg步长模型的参数和起始方向偏移量加入到增强型粒子滤波器的状态向量中，可以适应不同用户的步行特征与手机的不同姿态。

再根据不同时刻下用户的位置和朝向，生成用户轨迹数据。轨迹集合用Trajectory表示，单条轨迹traj是由有序步行事件组成的，特别的其中，ID是轨迹的识别码，se是全体步行事件的集合。在n时刻下，单个步行事件se_n可以表示为：其中，θ_n是此步的朝向，x_n是平面图建立坐标系下推算位置的横坐标，y_n是平面图建立坐标系下推算位置的纵坐标，Τ_n表示步行事件所对应的时间戳。具体地，x_n和y_n的计算公式如下：

x_n＝x_n-1+sl·cosθ_n-1

y_n＝y_n-1+sl·sinθ_n-1

其中，x_n-1是用户在n时刻的前一时刻的横坐标，y_n-1是用户在n时刻的前一时刻的纵坐标，sl是用户的单步步长，θ_n-1是用户在n时刻的前一时刻的朝向。其中，当Τ_n-Τ_n-1＞Τ_thre时，确定停留事件的发生，Τ_thre是停留时间阈值。

在本实施例中，可以通过由加速度计获得的数据，使用Weinberg模型，获得用户的单步步长。

在这种情况下，步骤S130具体包括：

根据构建条件从候选停留点中筛选出在原始交互区内的停留点。

在对本步骤进行说明之前，首先要说明的是，这些候选停留点可能就是候选交互事件发生的位置，确定交互事件要满足一些条件。对于围绕兴趣点的原始交互区，仅仅只有当用户停留数超过一定数量时，才为那个兴趣点构建原始交互区。根据轨迹信息，分别为每个兴趣点确定候选交互事件。当用户停留于一个兴趣点的原始交互区，并且用户面朝兴趣点时，确定为候选交互事件。并且用户面朝的方向必须是可直视兴趣点的。也就是说，用户停留于一个兴趣点的原始交互区内、用户面朝兴趣点和用户直视兴趣点为确定候选交互事件的三个标准。

由此，对本步骤进行说明：

获取兴趣点、原始交互区和候选停留点的坐标信息；

在本实施例中，可以在构建兴趣点、原始交互区和候选停留点时，将兴趣点、原始交互区和候选停留点的坐标记录下来。

获取预设障碍物的坐标信息；

在本实施例中，可以先将预设障碍物的坐标信息预存在数据库中。当需要使用该数据时，从数据库中获取出来即可。

获取用户在候选停留点的朝向；

在本实施例中，可以通过陀螺仪和磁力计获取用户在候选停留点的朝向。

根据兴趣点的坐标信息、候选停留点的坐标信息、用户在候选停留点的朝向以及预设障碍物的坐标信息判断用户在候选停留点的朝向是否朝向兴趣点且在候选停留点和兴趣点之间有无预设障碍物；

根据原始交互区的坐标信息和候选停留点的坐标判断候选停留点是否在原始交互区之内；

若用户在候选停留点的朝向是朝向兴趣点(用户面朝兴趣点)且在候选停留点和兴趣点之间无预设障碍物(用户直视兴趣点)且候选停留点是在原始交互区之内(用户停留于一个兴趣点的原始交互区内)，将此候选停留点筛选出来，作为停留点。

这里需要说明的是，兴趣点的坐标信息、原始交互区的坐标信息、候选停留点的坐标信息、预设障碍物的坐标信息和用户在候选停留点的朝向的获取不分先后顺序，判断用户在候选停留点的朝向是否朝向兴趣点且在候选停留点和兴趣点之间有无预设障碍物和判断候选停留点是否在原始交互区之内也不分先后顺序。

下面结合图5和图6对筛选过程进行说明，黑色圆点表示当停留事件发生时的估计位置，白色三角可视区域表示的是朝向范围，可视区域是根据在停留点用户的朝向、左右扩充15°得到的。需要说明的是，本发明实施例并不限定可视区域的长度。把朝向使用可视区域来表示，可以在一定程度上减少由于误差带来的影响。当兴趣点位于可视区域，用户停留，并且停留点位于原始交互区时，就确定面朝兴趣点的候选交互事件发生了。

其中，因为事件A符合我们提出的三个标准，所以事件A是候选交互事件。事件B不符合，因为它没有面朝兴趣点。事件C也不符合，因为停留点没有位于原始交互区里面。事件D也不符合，因为停留点既没有位于原始交互区里面，也没有面向兴趣点。事件E也不符合，因为事件E并不是直视兴趣点的。

步骤S140：将与停留点对应的兴趣点的语义信息赋值给移动轨迹上的停留点，得到语义位置历史。

对本步骤进行说明：

对停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

基于预设障碍物的坐标信息将与交互频繁的停留点重合的障碍物区域剔除；

把与筛选出的停留点对应的兴趣点的语义信息嵌入到移动轨迹中，得到语义位置历史。

具体地，由于定位误差、单个、孤立的候选交互事件一般不可信，因此，本发明实施例针对候选交互事件的停留点，提出了一种二维GKF算法。这样，就能确定原始交互区内，候选交互事件的密度分布。图7描绘了候选交互事件密度分布热点图(图中灰度的深浅，表征了候选交互事件发生的密集程度)。该热点图是对候选交互事件位置点采用GKFs生成的。其中，核函数表示如下：

其中，σ是根据定位误差确定的核函数的宽度，u是核函数使用的位置点坐标，这里代表候选交互事件位置点。图8描绘了在原始交互区，对候选交互事件位置点使用核函数，并采用基于阈值的滤波过滤出的交互频繁点的区域。最后，根据实际环境中的障碍(其他的兴趣点或不可行走区域等)对过滤出的交互频繁点的区域进行调整得到最终的交互区(参见图9，黑色圆形代表环境中的障碍物)，即除去黑色圆圈的淡灰色区域。

接着，根据获得的停留位置、停留朝向和最终的交互区，把与停留点对应的兴趣点的语义信息嵌入到移动轨迹中。通过把兴趣点的语义信息嵌入到移动轨迹中，从移动轨迹中构建出语义位置历史。

参见图10，本发明实施例提供的语义位置历史的构建装置，至少包括：

数据括展模块100，用于基于兴趣点的坐标向外括展一定区域，形成原始交互区；

第一数据获取模块200，用于获取用户的移动轨迹；

筛选模块300，用于根据构建条件从移动轨迹中筛选出在原始交互区内的停留点；

对本发明实施例进行具体说明，还至少包括：

第二数据获取模块，用于获取移动轨迹上的候选停留点；

在本实施例中，第二数据获取模块，具体用于基于移动轨迹上两相邻位置之间的时间差判断用户是否停留；若停留，获取用户在停留时的位置作为候选停留点。

具体地，对判断过程进行说明：

当Τ_n-Τ_n-1＞Τ_thre时，确定发生停留事件；

其中，T_n是用户在n时刻的时间，T_n-1是用户在n-1时刻的时间，Τ_thre是停留时间阈值；

当T_n-T_n-1≤Τ_thre时，确定没有发生停留事件。

在本实施例中，若停留，获取用户在停留时的位置作为候选停留点，具体包括：

若停留，根据公式x_n＝x_n-1+sl·cosθ_n-1和公式y_n＝y_n-1+sl·sinθ_n-1，确定候选停留点的坐标；

其中，x_n是候选停留点的横坐标，y_n是候选停留点的纵坐标，x_n-1是用户在n时刻的前一时刻的横坐标，y_n-1是用户在n时刻的前一时刻的纵坐标，sl是用户的单步步长，θ_n-1是用户在n时刻的前一时刻的朝向。

在这种情况下，筛选模块300，具体用于根据构建条件从候选停留点中筛选出在原始交互区内的停留点。

在本实施例中，筛选模块300，具体包括：

第一信息获取单元，用于获取兴趣点、原始交互区和候选停留点的坐标信息；

第二信息获取单元，用于获取预设障碍物的坐标信息；

第三信息获取单元，用于获取用户在候选停留点的朝向；

第一识别单元，用于根据兴趣点的坐标信息、候选停留点的坐标信息、用户在候选停留点的朝向以及预设障碍物的坐标信息判断用户在候选停留点的朝向是否朝向兴趣点且在候选停留点和兴趣点之间有无预设障碍物；

第二识别单元，用于根据原始交互区的坐标信息和候选停留点的坐标判断候选停留点是否在原始交互区之内；

筛选执行单元，用于若第一识别单元的结果是用户在候选停留点的朝向是朝向兴趣点(用户面朝兴趣点)且在候选停留点和兴趣点之间无预设障碍物(用户直视兴趣点)且第二识别单元的结果是候选停留点是在原始交互区之内(用户停留于一个兴趣点的原始交互区内)，将此候选停留点筛选出来，作为停留点。

这里需要说明的是，兴趣点的坐标信息、原始交互区的坐标信息、候选停留点的坐标信息、预设障碍物的坐标信息和用户在候选停留点的朝向的获取不分先后顺序，判断用户在候选停留点的朝向是否朝向兴趣点且在候选停留点和兴趣点之间有无预设障碍物和判断候选停留点是否在原始交互区之内也不分先后顺序。

数据处理模块400，用于将与停留点对应的兴趣点的语义信息赋值给移动轨迹上的停留点，得到语义位置历史。

在本实施例中，数据处理模块400，至少包括：

过滤单元，用于对停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

剔除单元，用于基于预设障碍物的坐标信息将与交互频繁的停留点重合的障碍物区域剔除；

语义位置历史创建单元，用于把与筛选出的停留点对应的兴趣点的语义信息嵌入到移动轨迹中，得到语义位置历史。

【技术效果】

1、先基于兴趣点的坐标向外括展一定区域，形成原始交互区；并获取用户的移动轨迹；接着根据构建条件从移动轨迹中筛选出在原始交互区内的停留点；最后将与停留点对应的兴趣点的语义信息赋值给移动轨迹上的停留点，从而得到语义位置历史。本发明实施例无需像现有技术那样手动操作或部署额外的设备，从而解决了现有技术中需要手动操作和消耗大量的人力物力的技术问题，不仅省时省力，而且还提高了构建精度。

2、本发明实施例先基于阈值过滤出交互频繁的停留点，再基于预设障碍物的坐标信息将与交互频繁的停留点重合的障碍物区域剔除出去，从而提高了语义位置历史构建的准确性。

3、在本实施例中，可以采用行人航位推算方法结合地图信息采用增强型粒子滤波器对用户的实时位置和朝向进行推算，再分别得到各时刻下用户的实时位置、朝向和原始轨迹。因为采用行人航位推算得出的原始轨迹的定位误差在米级，所以可以实现亚房间级的语义位置历史的构建。

本发明实施例可推广应用于LBS、家庭健康监控、室内社交推荐、智能零售系统等应用领域。据北斗荟在2016年1月发布的报告显示，室内定位技术已在服务机器人、苹果iBeacon、零售及工业大数据等热门应用领域实施应用，应用前景广阔，市场空间超百亿美元。而且，随着室内导航与位置服务关键技术的不断突破，零售、急救、制造、能源、医疗等行业加速拥抱物联网和大数据，营销和运营效率得到了大幅提升。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种语义位置历史的构建方法，其特征在于，至少包括：

基于兴趣点的坐标向外括展一定区域，形成原始交互区；

获取用户的移动轨迹；

根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点；

将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史。

2.如权利要求1所述的方法，其特征在于，在所述根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点之前，还至少包括：

获取所述移动轨迹上的候选停留点；

所述根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点，具体包括：

根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点。

3.如权利要求2所述的方法，其特征在于，所述获取所述移动轨迹上的候选停留点，具体包括：

基于所述移动轨迹上两相邻位置之间的时间差判断用户是否停留；

若停留，获取用户在停留时的位置作为所述候选停留点。

4.如权利要求2所述的方法，其特征在于，所述根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点，具体包括：

获取所述兴趣点、所述原始交互区和所述候选停留点的坐标信息；

获取预设障碍物的坐标信息；

获取用户在所述候选停留点的朝向；

根据所述兴趣点的坐标信息、所述候选停留点的坐标信息、用户在所述候选停留点的朝向以及所述预设障碍物的坐标信息判断用户在所述候选停留点的朝向是否朝向所述兴趣点且在所述候选停留点和所述兴趣点之间有无所述预设障碍物；

根据所述原始交互区的坐标信息和所述候选停留点的坐标判断所述候选停留点是否在所述原始交互区之内；

若所述用户在所述候选停留点的朝向是朝向所述兴趣点且在所述候选停留点和所述兴趣点之间无所述预设障碍物且所述候选停留点是在所述原始交互区之内，将此候选停留点筛选出来，作为停留点。

5.如权利要求4所述的方法，其特征在于，所述将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史，具体包括：

对所述停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

基于所述预设障碍物的坐标信息将与所述交互频繁的停留点重合的障碍物区域剔除；

把与筛选出的停留点对应的兴趣点的语义信息嵌入到所述移动轨迹中，得到所述语义位置历史。

6.一种语义位置历史的构建装置，其特征在于，至少包括：

数据括展模块，用于基于兴趣点的坐标向外括展一定区域，形成原始交互区；

第一数据获取模块，用于获取用户的移动轨迹；

筛选模块，用于根据构建条件从所述移动轨迹中筛选出在所述原始交互区内的停留点；

数据处理模块，用于将与所述停留点对应的所述兴趣点的语义信息赋值给所述移动轨迹上的所述停留点，得到语义位置历史。

7.如权利要求6所述的装置，其特征在于，还至少包括：

第二数据获取模块，用于获取所述移动轨迹上的候选停留点；

所述筛选模块，具体用于根据所述构建条件从所述候选停留点中筛选出在所述原始交互区内的停留点。

8.如权利要求7所述的装置，其特征在于，

所述第二数据获取模块，具体用于基于所述移动轨迹上两相邻位置之间的时间差判断用户是否停留；若停留，获取用户在停留时的位置作为所述候选停留点。

9.如权利要求7所述的装置，其特征在于，所述筛选模块，具体包括：

第一信息获取单元，用于获取所述兴趣点、所述原始交互区和所述候选停留点的坐标信息；

第二信息获取单元，用于获取预设障碍物的坐标信息；

第三信息获取单元，用于获取用户在所述候选停留点的朝向；

第一识别单元，用于根据所述兴趣点的坐标信息、所述候选停留点的坐标信息、用户在所述候选停留点的朝向以及所述预设障碍物的坐标信息判断用户在所述候选停留点的朝向是否朝向所述兴趣点且在所述候选停留点和所述兴趣点之间有无所述预设障碍物；

第二识别单元，用于根据所述原始交互区的坐标信息和所述候选停留点的坐标判断所述候选停留点是否在所述原始交互区之内；

筛选执行单元，用于若所述第一识别单元的结果是所述用户在所述候选停留点的朝向是朝向所述兴趣点且在所述候选停留点和所述兴趣点之间无所述预设障碍物且所述第二识别单元的结果是所述候选停留点是在所述原始交互区之内，将此候选停留点筛选出来，作为停留点。

10.如权利要求9所述的装置，其特征在于，所述数据处理模块，至少包括：

过滤单元，用于对所述停留点使用二维GKF算法，基于阈值过滤出交互频繁的停留点；

剔除单元，用于基于所述预设障碍物的坐标信息将与所述交互频繁的停留点重合的障碍物区域剔除；

语义位置历史创建单元，用于把与筛选出的停留点对应的兴趣点的语义信息嵌入到所述移动轨迹中，得到所述语义位置历史。