CN110006438B

CN110006438B - 导航控制方法、装置及计算机设备

Info

Publication number: CN110006438B
Application number: CN201910118794.4A
Authority: CN
Inventors: 袁义龙; 刘定俊; 刘畅
Original assignee: Tencent Technology Shenzhen Co Ltd; Tencent Dadi Tongtu Beijing Technology Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd; Tencent Dadi Tongtu Beijing Technology Co Ltd
Priority date: 2019-02-15
Filing date: 2019-02-15
Publication date: 2021-01-05
Anticipated expiration: 2039-02-15
Also published as: CN110006438A

Abstract

本申请公开了一种导航控制方法、装置及计算机设备，该方法包括：确定行车导航的导航目的地；在移动终端所处的位置与该导航目的地之间的距离小于设定距离的情况下，获取该移动终端的运动状态数据；基于该移动终端的运动状态数据，确定该移动终端的运动模式；在该移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束该行车导航，其中，该第一运动模式为表征该移动终端的用户处于驾车状态的运动模式，该第二运动模式为表征该移动终端的用户处于步行状态的运动模式，该第三运动模式不同于该第一运动模式和该第二运动模式。本申请的方案可以更为及时、准确的结束行车导航。

Description

导航控制方法、装置及计算机设备

技术领域

本申请涉及导航技术领域，尤其涉及一种导航控制方法、装置及计算机设备。

背景技术

随着手机等移动终端中地图软件的普及，越来越多的车主会使用移动终端中的地图软件来进行行车导航。

在到达行车导航的导航目的地之后，如果不及时地图软件中的行车导航，地图软件频繁的语音播报会打扰到车主；而且由于行车导航本身耗电较多，如果不及时结束行车导航，也会导致移动终端的电量耗费。因此，如何及时准确的结束行车导航是本领域技术人员迫切需要解决的技术问题。

发明内容

有鉴于此，本申请提供了一种导航控制方法，以实现更为及时、准确的结束行车导航。

为实现上述目的，本申请提供了如下方案：

一方面，本申请提供了一种导航控制方法，包括：

确定行车导航的导航目的地；

在移动终端所处的位置与所述导航目的地之间的距离小于设定距离的情况下，获取所述移动终端的运动状态数据；

基于所述移动终端的运动状态数据，确定所述移动终端的运动模式；

在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，其中，所述第一运动模式为表征所述移动终端的用户处于驾车状态的运动模式，所述第二运动模式为表征所述移动终端的用户处于步行状态的运动模式，所述第三运动模式不同于所述第一运动模式和所述第二运动模式。

在一种实现方式中，所述在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，包括：

在确定所述移动终端的运动模式属于第一运动模式的情况下，监控所述移动终端的运动模式的变化；

当监测到所述移动终端的运动模式从所述第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航。

在又一种实现方式中，在所述确定所述移动终端的运动模式之后，还包括：

在检测到所述移动终端的运动模式处于所述第二运动模式，输出导航结束提醒，所述导航结束提醒用于提示用户结束所述行车导航。

在又一种实现方式中，所述基于所述移动终端的运动状态数据，确定所述移动终端的运动模式，包括：

将所述移动终端的运动状态数据输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式，所述模式分类模型为利用已标注运动模式的多组运动状态数据样本训练得到，所述运动状态数据样本属于移动终端的运动状态数据。

在又一种实现方式中，所述获取所述移动终端的运动状态数据，包括：

获取所述移动终端中的传感器采集到的传感器数据，所述传感器数据包括：加速度传感器采集到的加速度以及陀螺仪采集到的角速度；

在所述将所述移动终端的运动状态数据输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式之前，还包括：

确定当前时刻之前指定时长内采集到的多个加速度对应的第一特征集合，所述第一特征集合包括所述多个加速度对应的至少一个时域特征以及至少一个频域特征；

确定当前时刻之前指定时长内采集到的多个角速度对应的第二特征集合，所述第二特征集合包括所述多个角速度对应的至少一个时域特征以及至少一个频域特征；

所述将所述移动终端的运动状态数据输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式，包括：

将所述第一特征集合和所述第二特征集合输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式，所述模式分类模型为利用已标注运动模式的多组运动状态数据样本各自对应时域特征以及频域特征训练得到。

又一方面，本申请还提供了一种导航控制装置，包括：

目的地确定单元，用于确定行车导航的导航目的地；

数据获取单元，用于在移动终端所处的位置与所述导航目的地之间的距离小于设定距离的情况下，获取所述移动终端的运动状态数据；

模式确定单元，用于基于所述移动终端的运动状态数据，确定所述移动终端的运动模式；

导航结束单元，用于在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，其中，所述第一运动模式为表征所述移动终端的用户处于驾车状态的运动模式，所述第二运动模式为表征所述移动终端的用户处于步行状态的运动模式，所述第三运动模式不同于所述第一运动模式和所述第二运动模式。

又一方面，本申请还提供了一种计算机设备，包括：处理器和存储器；

其中，所述处理器用于执行所述存储器中存储的程序；

所述存储器用于存储程序，所述程序至少用于：

确定行车导航的导航目的地；

可见，本申请实施例，在移动终端与行车导航的导航目的地之间的距离小于设定距离，且该移动终端从用于表征移动终端的用户处于驾车状态的第一运动模式经过至少一次切换而变换为表征用于该用户处于步行状态的第二运动模式的情况下，结束该行车导航。由于移动终端接近导航目的地，则说明用户存在结束行车导航的需求，同时，如果根据移动终端的运动模式确定出该移动终端的用户从驾车状态最终转换为步行状态，则可以较为准确的反映出用户已经不需要利用行车导航来提供导航信息，从而可以更为精准的确定出结束行车导航的时机，并实现较为精准、及时的结束行车导航。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本申请一种导航控制系统的一种组成架构示意图；

图2示出了本申请一种导航控制方法的一种流程示意图；

图3示出了本申请一种导航控制方法的又一种流程示意图；

图4示出了本申请中移动终端的不同运动模式之间转换的转换概率的示意图；

图5示出了本申请一种导航控制方法的又一种流程示意图；

图6示出了本申请训练模式分类模型的一种流程示意图；

图7示出了本申请一种导航控制装置的一种组成结构示意图；

图8示出了本申请一种计算机设备的一种组成结构示意图。

具体实施方式

本申请实施例的方案适用于控制移动终端结束地图应用等具备导航功能的导航应用中的行车导航，以更为精准的确定结束行车导航的时机，并及时控制结束行车导航，以降低行车导航所耗费的电量以及对用户的干扰。

为了便于理解，先对本申请的方案所适用的系统进行介绍。

如，参见图1，其示出了本申请一种导航控制方法所适用的导航控制系统的一种组成架构示意图。

该导航控制系统可以包括：移动终端101以及导航服务器102。

该移动终端101可以为手机、平板电脑等等，本申请对此不加限制。

其中，移动终端101中安装有具备导航功能的导航应用，如，导航应用可以为地图应用。

其中，该移动终端101可以通过有线或者无线网络与该导航服务器102实现连接。同时，移动终端通过该导航应用可以与导航服务器建立通信连接，并通过导航服务器为该移动终端提供导航所需的数据。

如，该移动终端101可以向导航服务器发送导航请求，该导航请求可以携带该移动终端当前所在位置以及导航目的地。

相应的，导航服务器102可以向移动终端返回移动终端当前位置到达该导航目的地的导航线路地图，并可以在移动终端的位置发生更新的情况下，更新移动终端当前位置到该导航目的地的导航线路地图，并发送给该移动终端。

在本实施例中，该移动终端可以设置多种传感器，以通过移动终端中的传感器获取移动终端的运动状态数据。如，移动终端中可以安装有加速度传感器、陀螺仪传感器等等。

本申请实施例的导航控制方法可以应用于该移动终端，也可以应用于该导航服务器。考虑到本申请实施例的方案应用于导航服务器的情况下，需要移动终端向导航服务器传输该移动终端的运动状态数据，并接收导航服务器的结束导航的控制命令，这样，由于数据传输的耗时，可能导致移动终端的运动模式的判断以及导航结束的控制存在时延，因此，本申请实施例，以应用于移动终端作为一种优选方案。

结合以上共性，下面对本申请实施例的导航控制方法进行介绍。

如，参见图2，其示出了本申请一种导航控制方法一个实施例的流程示意图，本实施例的方法可以应用于如上提到的移动终端或者导航服务器，本实施例的方法可以包括：

S201，确定行车导航的导航目的地。

其中，导航目的地也可以称为导航终点，是指导航所指向的目的位置。

行车导航是指移动终端中导航应用的一种导航模式，其为用户设置的适用于行车(或者说驾车)状态下的导航模式。

在移动终端确认导航应用中设置的导航模式为行车导航的情况下，移动终端可以获取用户设置的导航目的地。

在本申请实施例应用于导航服务器的情况下，移动终端可以将该导航目的地发送给导航服务器。如，移动终端可以在用户设置了行车导航模式之后，获取用户输入的导航目的地，并向导航服务器发送携带该导航目的地以及导航模式为行车导航的导航请求，从而使得导航服务器可以确定导航目的地。

S202，在移动终端所处的位置与该导航目的地之间的距离小于设定距离的情况下，获取该移动终端的运动状态数据。

其中，该设定距离可以根据实际需要设定，本申请对此不加限制。如，该设定距离可以为1千米。

移动终端所处的位置可以通过常用的任意终端定位方式得到。如，移动终端可以基于全球卫星定位系统确定该移动终端当前所处的位置的信息。相应的，该移动终端还可以将自身当前所处的位置的信息发送给导航服务器。

该移动的运动状态数据可以反映出移动终端的运动情况，如，移动终端的加速度、角速度等等。具体的，可以获取移动终端中的传感器采集到的运动状态数据。如，加速度传感器、角速度传感器、磁力计等等获取到的相关数据。

S203，基于该移动终端的运动状态数据，确定该移动终端的运动模式。

其中，该移动终端的运动模式可以用于表征该移动终端的用户的行为模式。

在本申请实施例中，移动终端的运动模式可以包括：表征该移动终端的用户处于驾车状态的第一运动模式，表征该移动终端的用户处于步行状态的第二运动模式，以及不同于该第一运动模式和第二运动模式的第三运动模式。

如，该移动终端的第三运动模式还可以包括表征移动终端处于静止状态 (即用户未握持该移动终端或者用户握持该移动终端处于静止状态等)的运动模式；该第三运动模式还可以为表征移动终端或者移动终端的用户处于其他状态的运动模式，或者是不属于第一运动模式和第二运动模式的未知运动模式等等。

相应的，基于移动终端的运动状态数据，确定出的运动模式可以为属于以上提到的运动模式中的一种，具体与该运动状态数据有关。

可以理解的是，该步骤S203的具体实现可以有多种可能。如，在一种可能的实现方式中，可以根据移动终端处于不同运动模式下的运动状态数据所具有的特征，将与该移动终端的运动状态数据相匹配的运动模式确定为该移动终端当前的运动模式。

如，将该移动终端的运动状态数据与各个运动模式的运动状态数据的特征进行比对，如果移动终端的运动状态数据符合某个运动模式对应的运动状态数据所具有的特征，则该移动终端处于该运动模式。

在又一种可能的实现方式中，可以预先训练得到的模式分类模型，并将训练得到的该模式分类模型设置于该移动终端或者导航服务器中，这样移动终端或者导航服务器可以将该移动终端的运动状态数据输入到该预置的模式分类模型，并得到该模式分类模型输出的运动模式。在该种情况下，模式分类模型输出的运动模式就为该移动终端的运动模式。

其中，该模式分类模型为利用已标注运动模式的多组运动状态数据样本训练得到，该运动状态数据样本同样属于移动终端的运动状态数据。如，可以在移动终端的用户处于步行状态下，采集到的该移动终端的运动状态数据并作为运动状态数据样本，在该种情况下，可以标注该运动状态数据样本的运动模式为步行状态。相应的，在移动终端的用户开车的情况下，可以将采集到的该移动终端的运动状态数据标注为行车状态对应的运动状态数据样本。

S204，在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航。

可以理解的是，在用户驾车到达导航目的地之后，必然需要停车、拿起手机打开车门、下车转为步行状态的过程。由此可知，在移动终端的位置已经接近导航目的地的情况下，如果移动终端的运动模式仍处于表征用户处于行车状态的第一运动模式，则说明移动终端正继续靠近导航目的地，在此基础上，如果检测到移动终端从第一运动模式经过至少一个第三运动模式并最终切换为表征用户处于步行状态的第二运动模式的情况下，则可以确认用户到达目的地的概率非常大，在该种情况下，则可以认为达到结束行车导航的时机。

可以理解的是，由于移动终端的运动模式为从第一运动模式经过至少一个第三运动模式切换为第二运动模式，因此，在步骤S203中确定出该移动终端的运动模式属于第一运动模式的情况下，则需要继续监控移动终端的运动模式的变化。相应的，如果监测到该移动终端的运动模式从该第一运动模式经过至少一个第三运动模式切换为第二运动模式，控制结束该行车导航。

可以理解的是，在移动终端与导航目的地的距离小于设定距离的情况下，如果直接检测到的移动终端当前的运动模式为表征用户处于步行状态的第二运动模式，那么有可能是用户在未达到导航目的地的情况下采用步行方式，当然，也可能是由于检测运动模式存在延迟，在未检测到第一运动模式的情况下而直接检测到第二运动模式。在该种情况下，为了避免由于误判而结束行车导航，从而给用户带来不便，本申请实施例，在移动终端与导航目的地的距离小于设定距离的情况下，如果未检测到移动终端处于第一运动模式，即仅检测到的移动终端的运动模式处于第二运动模式的情况下，则可以输出导航结束提醒。该导航结束提醒用于提示用户结束该行车导航。

其中，在本申请中，结束该行车导航可以理解为结束导航应用中该行车导航对应的任务。可选的，在结束该行车导航的同时，可以控制导航应用跳转到该导航应用的驾车详情页面。

可见，本申请实施例，在移动终端与行车导航的导航目的地之间的距离小于设定距离，且该移动终端从用于表征移动终端的用户处于驾车状态的第一运动模式经过其他运动模式切换为表征用于该用户处于步行状态的第二运动模式的情况下，结束该行车导航。由于移动终端接近导航目的地，则说明用户存在结束行车导航的需求，同时，如果根据移动终端的运动模式确定出该移动终端的用户从驾车状态并最终转换为步行状态，则可以较为准确的反映出用户已经不需要利用行车导航来提供导航信息，从而可以更为精准的确定出结束行车导航的时机，并实现较为精准、及时的结束行车导航。

同时，与在移动终端与导航目的地之间的距离小于设定距离的情况下，直接结束该行车导航相比，本申请实施例考虑到用户到达导航目的地所必须经历的行为模式，从而有利于更为精准确定适合结束导航的时机，

可以理解的是，基于移动终端的运动状态数据分析出的运动模式有可能会存在偏差。为了降低由于运动模式判断偏差而影响到确定导航结束时机的精准度。在本申请实施例还可以获取最近一次确定出的移动终端的历史运动模式。相应的，按照预置的不同运动模式之间转换的转换概率，确定该移动终端从该历史运动模式切换为当前确定出的运动模式的目标转换概率，在该目标转换概率大于设定阈值的情况下，则将当前确定出的运动模式确定为当前时刻该移动终端的运动模式。

如，在该目标转换概率大于设定阈值的情况下，将模式分类模型输出的运动模式确定为移动终端当前的运动模式。

可选的，如果该目标转换概率不大于设定阈值，则可以将最近一次确定出的移动终端的历史运动模式确定出移动终端当前的运动模式。

为了便于理解，下面以通过模式分类模型确定出该移动终端的运动模式为例进行介绍。如，参见图3，其示出了本申请一种导航控制方法又一个实施例的流程示意图，本实施例的方法可以包括：本申请实施例的方案可以应用于移动终端或者导航服务器，本实施例的方法可以包括：

S301，在导航应用的导航模式为行车导航的情况下，确定行车导航的导航目的地。

S302，在移动终端所处的位置与该导航目的地之间的距离小于设定距离的情况下，获取移动终端的运动状态数据。

如，该运动状态数据可以为传感器采集到的传感器数据。该传感器数据至少包括：加速度传感器采集到的加速度以及陀螺仪采集到的角速度。具体可以参见前面实施例的相关介绍，在此不再赘述。

需要说明的是，在移动终端所处的位置与导航目的地之间的距离小于设定距离的情况下，会持续不断的获取该移动终端的运动状态数据，以便不断执行后续步骤S303的操作，以便确定移动终端在不同时刻的运动模式。因此，该步骤S302并非仅执行一次，可能需要被多次执行。

S303，将该移动终端的运动状态数据输入到预置的模式分类模型，得到该模式分类模型输出的运动模式。

该模式分类模型为利用已标注运动模式的多组运动状态数据样本训练得到，该运动状态数据样本属于移动终端的运动状态数据。

在一种可能的实现方式中，该模式分类模型可以确定出该移动终端的运动状态属于不同种运动模式的可能性(例如，概率)，并将可能性最大的运动模式确定为该运动状态数据对应的运动模式并输出。

可以理解的是，该模式分类模型可以是利用运动状态数据样本对支持向量机(Support Vector Machine，SVM)，神经网络模型(如深度学习模型) 训练得到。

需要说明的是，与步骤S302相似，在行车导航未被关闭的情况下，由于会不断采集移动终端的运动状态数据，因此，每次采集到的运动状态数据均会被输入到预置的模式分类模型中，以不断确定不同时刻该移动终端的运动模式。也就是说，该步骤S303并非仅仅执行一次，而是每次采集到运动状态数据都会触发执行。

S304，如果当前时刻之前是否确定过运动模式，如果是，则执行步骤S305；如果否，则将该运动模式确定为移动终端的运动模式，并执行步骤S308或者 S310。

可以理解的是，如果第一次采集到移动终端的运动状态数据，并确定出该运动状态数据所表征的运动模式，则当前时刻之前不存在历史运动模式，在该种情况下，则可以直接将该模式分类模型输出的运动模式确定为当前时刻该移动终端的运动模式，从而直接执行步骤S308。

相应的，如果当前时刻之前基于移动终端的运动状态数据确定过运动模式，则可以执行步骤S305，以获取最近一次确定出的运动模式，为了便于区分，将当前时刻之前最近一次确定出的运动模式称为历史运动模式。

如，在后续步骤S309中，在移动终端的运动模式属于第一运动模式的情况下，仍需要继续监控移动终端的运动模式的变化，在该种情况下，则需要继续获取移动终端的运动状态数据，并将运动状态数据输入到模式分类模型中。相应的，在该种情况下，该模式分类模式再次确定运动模式之后，就可以获取到当前时刻之前该移动终端最近一次的历史运动模式。

S305，获取最近一次确定出的该移动终端的历史运动模式。

S306，按照预置的不同运动模式之间转换的转换概率，确定该移动终端从该历史运动模式切换为该模式分类模型输出的运动模式的目标转换概率。

可以理解的是，在利用移动终端的导航应用提供行车导航服务的过程中，移动终端的传感器会由于人体的偶然动作引入噪声，从而导致模式分类模型分类错误，使得输出的运动模式有误。如，用户可能会利用该移动终端接听电话、挪动该移动终端等，可能会导致移动终端的运动状态数据在短时间内发生变化，进而会导致模式分类模型确定出的运动模式存在偏差。然而，一般该种情况会导致短时间的分类错误，可以通过滤波来进行修正，如，可以使用贝叶斯估计，来确定不同运动模式之间可能的转换概率，以在运动状态数据突变的情况下进行平滑处理。

如图4其示出了本申请一种多运动模式之间的转换概率的示意图。

在图4中，“静止”表示用于表征静止状态的运动模式；“步行”为表示用于表征步行状态的运动模式；“行车”表示用于表征行车状态的运动模式。运动模式之间的直线箭头表征从一种运动模式转换为另一种运动模式，而直线箭头上的数字表征从该种运动模式转换为另一种运动模式的转换概率。

如，由图4可以看出：从表征行走状态的运动模式转换为表征静止状态的运动模式的转换概率为0.05。从表征静态状态的运动模式转换为表征行走状态的运动模式的转换概率为0.05。从表征步行状态的运动模式转化为表征步行状态的运动模式的转换概率为0.95；而直接从表征行车状态的运动模式转换为表征步行状态的运动模式的转换概率为0，也就是说，不能从行车状态直接转换为步行状态，其中必然会经过停车、取下移动终端等导致行为而导致静止或者其他运动模式产生。

S307，在该目标转换概率大于设定阈值的情况下，将该模式分类模型输出的运动模式确定为当前时刻该移动终端的运动模式。

其中，该设定阈值可以根据需要设定。

可选的，如果该目标转换概率不大于该设定阈值，可以认为当前时刻该模式分类模型未输出运动模式，从而维持该移动终端运动模式仍未最近一次确定出的历史运动模式。

如，结合图4说明，从行车状态到静止状态的切换的可能性是很低，如图4为0.05，而在连续行车中偶有等红绿灯等情况，可能会导致模式分类模型确定出移动终端的运动模式为表征静止状态的运动模式，在该种情况下，可以认为确定出的表征静态状态的运动模式存在错误，从而排除该静态状态对应的运动模式，维持移动终端上一次确定出的运动模式，从而提升了短时间的抖动误差。

可以理解的是，每次执行该步骤S303，均可以执行该步骤S304到S307 的操作，因此，以上步骤S304至S307可能会被多次执行。

可以理解的是，模式分类模型根据输入的运动状态数据可以分类出该运动状态数据属于不同运动模式的可能性，相应的，由于训练模式分类模型的过程中可能会关注某几种运动模式，而不属于这几种运动模式的其他运动模式则可能会被认为是未知模式。而未知模式同样可能是用于用户移动终端或者利用移动终端拨打电话而导致运动状态数据发生改变，并使得移动终端的运动模式不属于已知的第一运动模式以及第二运动模式，则会被判定为未知模式。

可选的，为了对由于用户短时间内接打电话等干扰模式判断，本申请获取到的运动状态数据除了能够反映移动终端运动情况的加速度、角速度等，还可以包括全球定位数据。具体的，可以获取所述移动终端中的传感器采集到的传感器数据，所述传感器数据包括：加速度传感器采集到的加速度、陀螺仪采集到的角速度以及全球定位数据。当然，该传感器数据还可以包括磁力计数据等。

相应的，在得到该模式分类模型输出的运动模式之后，如果该模式分类模式输出的运动模式为未知模式的情况下，还可以获取最近一次确定出的所述移动终端的历史运动模式以及该历史运动模式对应的传感器数据中的历史全球定位数据。如，历史运动模式为利用某个时刻采集到的传感器数据得到的，则可以从该时刻采集到的传感器数据中提取出全球定位数据即GPS数据。为了便于区分，本申请实施例将与该历史运动模式对应的全球定位数据称为历史全球定位数据。

在以上基础上，如果当前确定出的运动模式对应的全球定位数据与该历史全球定位数据的差距处于预设范围的情况下，则可以将该历史运动模式确定为当前时刻移动终端的运动模式。

举例说明，假设基于时刻1获取到的传感器数据，最终确定出移动终端的运动模式为表征行车状态的第一运动模式，而基于时刻2采集到的传感器数据确定出的运动模式为未知模式，同时，时刻1的GPS数据与时刻2的GPS 数据基本相同，则可以说明移动终端的状态并未改变，因此，可以认为基于时刻2的传感器数据确定出的运动模式仍未表征行车状态的第一运动模式。

S308，在该移动终端的运动模式属于第一运动模式的情况下，监控移动终端当前时刻的运动模式是否经过至少一个第三运动模式切换为第二运动模式，如果是，则执行步骤S309；如果否，则继续监控移动终端的运动模式。

S309，控制结束该行车导航。

可以理解的是，在判断出移动终端的运动模式属于表征行车状态的第一运动模式时，则说明移动终端尚未到达该导航目的地。在该种情况下，可以继续执行以上步骤S302-S307的操作，以获取移动终端的运动模式是否存在变化，如果监测到移动终端的运动模式从表征静止状态或者未知状态的运动模式最终切换到第二运动模式，则说明用户完成了从行车-停车-下车到步行状态的状态切换，用户到达导航目的地，不需要利用行车导航，从而仍可以结束该行车导航。

S310，在该移动终端的运动模式处于第二运动模式，则输出导航结束提醒。

在移动终端距离导航目的地的距离小于设定阈值的情况下，如果在未检测到第一运动模式的情况下，直接检测到该移动终端的运动模式处于表征用户处于步行状态的第二运动模式，为了避免误操作，则可以输出导航结束提醒，以提醒用户结束该行车导航。

相应的，如果在移动终端距离导航目的地的距离小于设定阈值的情况下，移动终端的运动终端既不属于第一运动模式又不属于第二运动模式，例如属于表征静止状态的第三运动模式等，则可以返回步骤S303，以继续监控移动终端的运动模式，以便在移动终端的运动模式从第一运动模式切换为第二运动模式的情况下，结束行车导航。当然，在该种情况下，如果确定出移动终端到达目的地，则也可以结束行车导航。

可以理解的是，图3实施例是以利用模式分类模型确认运动模式为例说明，但是通过其他方式确定运动模式的情况下，同样适用于本实施例，即同样可以采用本申请实施例的步骤S304到S307的部分对确定出的运动模式进行滤波。

当然，如果基于获取到的移动终端的运动状态数据，判断出既不属于第一运动模式，无法执行步骤S308的操作；也不属于第二运动模式，无法执行步骤S310的操作，则会重复执行获取移动终端的运动状态数据，并确定运动模式的相关操作，直到检测到满足步骤S308或者S310步骤的执行条件。

可以理解的是，在采用模式分类模型确定移动终端的运动模式的情况下，由于移动终端的运动状态数据的数据量过大，很容易导致数据处理量过大，因此，本申请可以对运动状态数据提取特征后，再将提取出的特征输入到该模式分类模型，以确定出该移动终端的运动模式。

具体的，获取移动终端的运动状态数据可以是获取移动终端中传感器采集到的传感器数据。该传感器数据至少包括：加速度传感器采集到的加速度以及陀螺仪采集到的角速度。

相应的，可以确定当前时刻之前指定时长内采集到的多个加速度对应的第一特征集合，以及当前时刻之前指定时长内采集到的多个角速度对应的第二特征集合。该第一特征集合包括该多个加速度对应的至少一个时域特征以及至少一个频域特征；该第二特征集合包括该多个角速度对应的至少一个时域特征以及至少一个频域特征。然后，可以将该将该第一特征集合和第二特征集合输入到预置的模式分类模型，得到该模式分类模型输出的运动模式。

可以理解的是，该传感器数据还可以包括：磁力计获取到的磁场数据，磁力计获取到的磁场数据的变化幅度可以作为行车状态和步行状态的区分值。因此，本申请还可以确定当前时刻之前指定时长内采集到的多个磁场数据的第三特征集合，该第三特征集合包括该多个磁场数据对应的至少一个时域特征以及至少一个频域特征。

当然，该传感器数据还可以包括：气压传感器、全球定位系统(GlobalPositioning System，GPS)传感器等等，对于每种传感器采集到的传感器数据，均可以分别提取其时域以及频域的特征，并一起输入到该模式分类模式中，以最终确定这些特征匹配的运动模式。

其中，时域特征是通过时域分析提取出的特征参数。如，时域特征可以包括：均值、方差、变异系数、最大值、最小值、极差、过均值点个数、相邻过均值点的平均跨度等等。

相应的，频域特征是通过频域分析提取出的特征参数。如，频域特征可以包括：主频率、幅度的变异系数、平均幅值、最大幅值、平均加权频率、加权频率变异系数以及谱熵等等。

可选的，考虑到不同移动终端中的设备坐标系以及传感器的采样频率均存在差别，因此，在对传感器数据提取时域以及频域特征之前，还可以先对各类传感器采集到的传感器数据进行重采样以及坐标系转换等预处理，然后再对预处理之后的传感器数据提取时域以及频域特征。

下面结合图5进行说明，如，参见图5，其示出了本申请一种导航控制方法又一个实施例的流程示意图，本实施例的方法可以应用于移动终端，也可以是应用于导航服务器。本实施例的方法可以包括：

S501，确定行车导航的导航目的地。

S502，在移动终端所处的位置与该导航目的地之间的距离小于设定距离的情况下，获取移动终端中多种传感器分别采集到的传感器数据。

该传感器数据至少包括：加速度传感器采集到的加速度以及陀螺仪采集到的角速度和磁力计获取到的磁场数据。

当然，该传感器数据还可以包括GPS传感器采集到的GPS数据以及气压传感器采集到的气压数据，该GPS数据以及气压数据可以作为后面模式分类模型确定出的运动模式进行模式过滤处理的依据，具体可以参照如前面图3 实施例的相关介绍。

S503，按照设定采样频率对当前时刻之前指定时长内采集到的多个加速度和多个角速度进行重采样，得到重采样后的多个加速度和重采样后的多个角速度。

其中，该指定时长可以根据需要设定，如可以获取当前时刻之前5秒内采集到的多个加速度组成的加速度序列以及多个角速度组成的角速度序列。

其中，该设定采样频率可以根据需要设定，一般以低于移动终端的常见采样频率为基准确定该设定采样频率。

如，移动终端的采样频率为50HZ，而该设定采样频率可以为25HZ，则需要将移动终端采集到的多个加速度以及多个角速度转换为按照25HZ采样出的加速度和角速度。

其中，在设定采样频率固定的情况下，对数据进行重采样的具体方式可以多种，本申请不加限制。例如，按照移动终端每秒的采样频率为50HZ，1 秒内采集到50个加速度，则可以采取抽样，或者是按照从前到后的顺序将50 个加速度分成25组，将每组内的两个加速度的平均值作为重采样后的一个加速度。

S504，利用重采样后的多个加速度以及磁场数据，确定由该移动终端的设备坐标系转换为地球坐标系的转换矩阵。

其中，设备坐标系是以该移动终端中设定的三个相互垂直的坐标轴为基准的坐标系。如，以手机为例，在手机放置于桌面的情况下，垂直手机屏幕且向桌面外延伸的方向为Z轴，而与手机屏幕的两个侧边平行的方向分别为 X轴以及Y轴的方向。

地球坐标系也称为世界坐标系，是指以地球为基准的绝对坐标系。例如， Y轴：和地球表面正切，并且指向磁北极；Z轴：和地球表面垂直，然后指向地球的中心。X轴：和Y，Z轴垂直，且指向磁东。

其中，确定将设备坐标系转换为地球坐标系所需的转换矩阵的具体方式可以有多种。如，利用得到的多个加速度可以得到重力加速度，并结合该重力加速度和重采样后的磁场数据，得到该转换矩阵，例如，以安卓操作系统为例，利用重力加速度以及磁场数据，并利用安卓操作系统中的 SensorManager.getRotationMatrix函数可以得到该转换矩阵。

S505，基于该转换矩阵，分别对该重采样后的多个加速度以及重采样后的多个角速度进行坐标系转换。

如，对于任意一个加速度，可以将该加速度与该转换矩阵相乘，得到坐标系转换后的该加速度。相应的，对于任意一个角速度，可以将该角速度与该转换矩阵相乘，得到坐标系转换后的角速度。

S506，确定坐标系转换后得到的多个加速度对应的第一特征集合。

该第一特征集合包括该多个加速度对应的至少一个时域特征以及至少一个频域特征。

可选的，提取出的至少一种时域特征可以包括8个维度，分别为：均值、方差、变异系数、最大值、最小值、极差、过均值点个数、相邻过均值点的平均跨度。相应的，至少一个频域特征可以包括7个维度，分别为：主频率、幅度的变异系数、平均幅值、最大幅值、平均加权频率、加权频率变异系数以及谱熵。

如，坐标系转换后的加速度的数量为n个为例，则该多个加速度可以构成的序列或者说集合X可以表示为X＝{x₁,x₂,x₂.....x}_n，则以上8个时域特征可以分别通过如下方式得到：

均值μ表示为：

方差σ表示为：

变异系数＝μ/σ (公式三)；

最大值为n个加速度中的最大值，即max{x₁,x₂,x₃.....x_n}；

最小值为n个加速度中的最小值，即min{x₁,x₂,x₃.....x_n}；

极差＝最大值-最小值；

过均值点个数m可以根据各个加速度与均值μ的大小统计得到，在本实施例中，假设计算出过均值点的加速度的数据的下标分别为(j₁,j₂......j_m)；

相邻过均值点的平均跨度为：(j_m-j₁)/(m-1) (公式四)；

对于频域特征的提取可以如下：

假设设定采样频率f＝25HZ，X做离散傅里叶变换，得到实部数组 Real＝(a₁,a₂,a₃......a_n)和虚数数组Image＝(b₁,b₂,b₃......b_n)。同时，令halfLen＝n/2。

则，计算可分辨的频率Frequences：

Frequences_i＝i*f/n (公式五)；

计算频域的幅度Magnitude：

计算权重Weight：

计算高阶权重HeightWeight：

计算频率的高阶权值FreqHeightWeight：

FreqHeightWeight_i＝HeightWeight_i*Frequences_i (公式九)；

计算频率的权值FreqWeight：

FreqWeight_i＝Weight_i*Magnitude_i (公式十)；

其中，i＝1,2...halfLen。

在以上公式五到公式十的基础上，可以确定7个维度的频域特征，分别为：

主频率，也称为频率的高阶加权值为：

平均幅值(也称为幅度的均值)μ_mag为：

幅度的变异系数为μ_mag/σ_mag，其中，

最大幅值(也就是幅度的最大值)为max(Magnitude_i)；

平均加权频率，也称为频率权值的均值μ_freq：

加权频率变异系数，也称为频率权值的变异系数，为μ_freq/σ_freq，其中：

谱熵，也称为幅度的熵Entropy_mag为：

S507，确定坐标系转换后的多个角速度对应的第二特征集合。

其中，第二特征集合包括该多个角速度对应的至少一个时域特征以及至少一个频域特征。

可选的，从该多个角速度分析出的至少一个时域特征同样可以包括以上提到的8个维度，而从该多个角速度分析出的至少一个频域特征同样可以包括以上提到的7个维度。

其中，具体确定多个角速度的时域以及频域特征的过程与上面确定多个加速度的时域以及频域特征的过程相似，在此不再赘述。

可以理解的是，步骤S506和步骤S507的顺序可以互换，也可以是同时执行。

S508，将该第一特征集合和所述第二特征集合输入到预置的模式分类模型，得到该模式分类模型输出的运动模式。

其中，模式分类模型为利用已标注运动模式的多组运动状态数据样本各自对应时域特征以及频域特征训练得到。

可以理解的是，在本申请实施例中，在该模式分类模型输出的运动模式之后，仍可以结合预置的不同运动模式之间的转换概率，来分析当前该模式分类模型输出的运动模式是否准确，具体可以参见图3实施例中步骤S304到 S307的相关介绍，在此不再赘述。

S509，在该移动终端的运动模式属于第一运动模式的情况下，如果监测到该移动终端的运动模式从该第一运动模式经过至少一个第三运动模式切换到第二运动模式，则控制结束该行车导航。

S510，如果该移动终端的运动模式未经过第一运动模式而直接处于第二运动模式，输出导航结束提醒。

该步骤S509和步骤S510可以参见前面实施例的相关介绍，在此不再赘述。

可以理解的是，在本申请实施例模式分类模型可以是通过对神经网络模型、SVM等模型进行训练得到的。为了便于理解，下面以模式分类模型为预先训练出的SVM模型为例，对本申请实施例中训练得到用于确定运动模式的 SVM模型的过程进行说明。

如图6，其示出了本申请一种训练用于确定移动终端的运动模式的SVM 模型的一种训练过程示意图。可以理解的是，该SVM模型的训练过程可以在移动终端侧完成，但是考虑到移动终端侧的数据处理能力，该模型的训练过程可以在导航服务器侧完成或者由其他计算机设备完成，并预置到执行本申请实施例的导航控制方法的移动终端或者导航服务器中。

本实施例的训练过程可以包括：

S601，获取已标注有真实运动模式且由移动终端中的传感器采集到的多份传感器数据样本。

其中，每份传感器数据样本至少包括：加速度传感器采集到的多个加速度样本以及陀螺仪采集到的多个角速度样本和磁力计获取到的多个磁场数据样本。

其中，该每份传感器数据样本对应一种真实运动模式，其中，该多份传感器数据样本所对应的多种真实运动模式至少包括表征步行状态的运动模式以及表征行车状态的运动模式。

具体的，对于多个不同用户中的任意一个用户，在该用户处于步行状态下，可以获取该用户的移动终端中传感器采集到的传感器数据作为步行状态的运动模式对应的传感器数据样本；在该用户驾车过程中，可以获取该用户的移动终端采集到的传感器数据，并标注为行车状态的运动模式对应的传感器数据样本。

S602，针对每份传感器数据样本，按照设定采样频率，对该多个加速度样本和多个角速度样本进行重采样，得到重采样后的多个加速度样本和重采样后的多个角速度样本。

S603，利用重采样后的多个加速度样本以及磁场数据样本，确定由移动终端的设备坐标系转换为地球坐标系的转换矩阵。

S604，基于该转换矩阵，分别对该重采样后的多个加速度样本以及重采样后的多个角速度样本进行坐标系转换。

S605，确定坐标系转换后得到的多个加速度样本对应的第一特征样本集合。

该第一特征样本集合包括该多个加速度样本对应的至少一个时域特征以及至少一个频域特征。

S606，确定坐标系转换后的多个角速度样本对应的第二特征样本集合。

其中，第二特征样本集合包括该多个角速度样本对应的至少一个时域特征以及至少一个频域特征。

可以理解的是，针对每份传感器数据样本，均需要分别执行以上步骤S602 到S606，以使得每份传感器样本对应了一个第一特征样本集合和一个第二特征样本集合。

其中，第一特征样本集合的确定过程与前面第一特征集合的确定过程相似，而该第二特征样本集合的确定过程与前面第二特征集合的确定过程相似，具体可以参见前面实施例的相关介绍，在此不再赘述。

607，针对每份传感器数据样本，将该份传感器数据样本对应该第一特征样本集合和该第二特征样本集合输入到待训练的SVM模型，得到该SVM模型预测出的运动模式。

在本实施例中，该SVM模型可以根据输入的第一特征样本集合和第二特征样本集合，可以分类出各种不同运动模式的概率，并将概率最大的运动模式作为该SVM模型预测出的运动模式。

S608，根据各份传感器数据样本对应的已标注的真实运动模式，检测该 SVM模型预测出的运动模式的准确度是否符合要求，如果是，则训练结束；如果否，则调整该SVM模型的内部参数，并返回步骤S607。

其中，SVM模型预测出的运动模式的准确度可以结合该SVM模型对多份传感器数据样本各自对应的真实运动模式，来综合确定该SVM模型的分类精准度。如，可以通过计算该SVM模型的损失函数确定，在此不再赘述。

对应本申请的一种导航控制方法，本申请还提供了一种导航控制装置。

如，参见图7，其示出了本申请一种导航控制装置一个实施例的组成结构示意图，本实施例的装置可以应用于前面提到的移动终端或者导航服务器。

本实施例的装置可以包括：

目的地确定单元701，用于确定行车导航的导航目的地；

数据获取单元702，用于在移动终端所处的位置与所述导航目的地之间的距离小于设定距离的情况下，获取所述移动终端的运动状态数据；

模式确定单元703，用于基于所述移动终端的运动状态数据，确定所述移动终端的运动模式；

导航结束单元704，用于在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，其中，所述第一运动模式为表征所述移动终端的用户处于驾车状态的运动模式，所述第二运动模式为表征所述移动终端的用户处于步行状态的运动模式，所述第三运动模式不同于所述第一运动模式和所述第二运动模式。

可选的，所述导航结束单元可以包括：

模式监控单元，用于在确定所述移动终端的运动模式属于第一运动模式的情况下，监控所述移动终端的运动模式的变化；

结束控制单元，用于当监测到所述移动终端的运动模式从所述第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航。

可选的，该装置还包括：

导航提醒单元，用于在所述确定所述移动终端的运动模式之后在检测到所述移动终端的运动模式处于所述第二运动模式，输出导航结束提醒，所述导航结束提醒用于提示用户结束所述行车导航。

在一种可能的实现方式中，在以上装置实施例中，所述模式确定单元具体为，用于将所述移动终端的运动状态数据输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式，所述模式分类模型为利用已标注运动模式的多组运动状态数据样本训练得到，所述运动状态数据样本属于移动终端的运动状态数据。

可选的，所述数据获取单元，具体用于，获取所述移动终端中的传感器采集到的传感器数据，所述传感器数据包括：加速度传感器采集到的加速度以及陀螺仪采集到的角速度；

相应的，所述装置还包括：

第一特征提取单元，用于在所述模式确定单元将所述移动终端的运动状态数据输入到预置的模式分类模型之前，确定当前时刻之前指定时长内采集到的多个加速度对应的第一特征集合，所述第一特征集合包括所述多个加速度对应的至少一个时域特征以及至少一个频域特征；

第二特征提取单元，用于在所述模式确定单元将所述移动终端的运动状态数据输入到预置的模式分类模型之前，确定当前时刻之前指定时长内采集到的多个角速度对应的第二特征集合，所述第二特征集合包括所述多个角速度对应的至少一个时域特征以及至少一个频域特征；

所述模式确定单元，具体用于将所述第一特征集合和所述第二特征集合输入到预置的模式分类模型，得到所述模式分类模型输出的运动模式，所述模式分类模型为利用已标注运动模式的多组运动状态数据样本各自对应时域特征以及频域特征训练得到。

可选的，所述数据获取单元获取到的传感器数据还包括：磁力计获取到的磁场数据；

所述装置还可以包括：

重采样单元，用于在所述第一特征提取单元提取所述第一特征集合以及所述第二特征提取单元提取所述第二特征集合之前，按照设定采样频率对当前时刻之前指定时长内采集到的多个加速度和多个角速度进行重采样，得到重采样后的多个加速度和重采样后的多个角速度；

矩阵确定单元，用于利用所述重采样后的多个加速度以及所述磁场数据，确定由所述移动终端的设备坐标系转换为地球坐标系的转换矩阵；

坐标系转换单元，用于基于所述转换矩阵，分别对所述重采样后的多个加速度以及重采样后的多个角速度进行坐标系转换。

可选的，本申请的装置还可以包括：

历史模式获取单元，用于在所述模式确定单元得到所述模式分类模型输出的运动模式之后，获取最近一次确定出的所述移动终端的历史运动模式；

概率确定单元，用于按照预置的不同运动模式之间转换的转换概率，确定所述移动终端从所述历史运动模式切换为所述模式分类模型输出的运动模式的目标转换概率；

模式过滤单元，用于在所述目标转换概率大于设定阈值的情况下，将所述模式分类模型输出的运动模式确定为所述移动终端的运动模式。

可选的，所述数据获取单元，具体用于，获取所述移动终端中的传感器采集到的传感器数据，所述传感器数据包括：全球定位数据；

所述装置还包括：

历史数据获取单元，用于在所述模式确定单元得到所述模式分类模型输出的运动模式为未知模式的情况下，获取最近一次确定出的所述移动终端的历史运动模式以及所述历史运动模式对应的传感器数据中的历史全球定位数据；

模式平滑单元，用于在所述全球定位数据与所述历史全球定位数据的差距处于预设范围的情况下，将所述历史运动模式确定为当前时刻所述移动终端的运动模式。

为了便于理解，参见图8，其示出了本申请实施例的导航控制方法所适用的计算机设备的一种组成结构示意图。该计算机设备可以为移动终端，也可以为导航服务器。

在图8中，该计算机设备800可以包括：处理器801、存储器802、通信接口803、输入单元804和显示器805和通信总线806。

处理器801、存储器802、通信接口803、输入单元804、显示器805、均通过通信总线806完成相互间的通信。

在本申请实施例中，该处理器801，可以为中央处理器(CentralProcessing Unit，CPU)，现成可编程门阵列(FPGA)或者其他可编程逻辑器件等。

该处理器可以调用存储器802中存储的程序，具体的，可以处理器可以执行如上图2以及图5所示流程中的操作。

存储器802中用于存放一个或者一个以上程序，程序可以包括程序代码，所述程序代码包括计算机操作指令，在本申请实施例中，该存储器中至少存储有用于实现以下功能的程序：

确定行车导航的导航目的地；

在一种可能的实现方式中，该存储器802可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、以及至少一个功能(比如声音播放功能等)所需的应用程序等；存储数据区可存储根据计算机的使用过程中所创建的数据，比如，用户数据等。

此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器等。

该通信接口803可以为通信模块的接口，如GSM模块的接口。

本申请还可以包括显示器804和输入单元805，该显示器804包括显示面板，如触摸显示面板等；该输入单元可以触摸感应单元、键盘等等。

当然，图8所示的计算机设备结构并不构成对本申请实施例中计算机设备的限定，在实际应用中计算机设备可以包括比图8所示的更多或更少的部件，或者组合某些部件。

另一方面，本申请还提供了一种存储介质，该存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，实现如上任意一个实施例中所描述的导航控制方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种导航控制方法，其特征在于，包括：

确定行车导航的导航目的地；

在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，其中，所述第一运动模式为表征所述移动终端的用户处于驾车状态的运动模式，所述第二运动模式为表征所述移动终端的用户处于步行状态的运动模式，所述第三运动模式不同于所述第一运动模式和所述第二运动模式；所述结束所述行车导航为结束导航应用中所述行车导航对应的任务。

2.根据权利要求1所述的导航控制方法，其特征在于，所述在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，包括：

3.根据权利要求2所述的导航控制方法，其特征在于，在所述确定所述移动终端的运动模式之后，还包括：

4.根据权利要求1所述的导航控制方法，其特征在于，所述基于所述移动终端的运动状态数据，确定所述移动终端的运动模式，包括：

5.根据权利要求4所述的导航控制方法，其特征在于，所述获取所述移动终端的运动状态数据，包括：

6.根据权利要求5所述的导航控制方法，其特征在于，所述传感器数据还包括：磁力计获取到的磁场数据；

在确定所述第一特征集合和所述第二特征集合之前，还包括：

按照设定采样频率对当前时刻之前指定时长内采集到的多个加速度和多个角速度进行重采样，得到重采样后的多个加速度和重采样后的多个角速度；

利用所述重采样后的多个加速度以及所述磁场数据，确定由所述移动终端的设备坐标系转换为地球坐标系的转换矩阵；

基于所述转换矩阵，分别对所述重采样后的多个加速度以及重采样后的多个角速度进行坐标系转换。

7.根据权利要求4至6任一项所述的导航控制方法，其特征在于，得到所述模式分类模型输出的运动模式之后，还包括：

获取最近一次确定出的所述移动终端的历史运动模式；

按照预置的不同运动模式之间转换的转换概率，确定所述移动终端从所述历史运动模式切换为所述模式分类模型输出的运动模式的目标转换概率；

在所述目标转换概率大于设定阈值的情况下，将所述模式分类模型输出的运动模式确定为所述移动终端的运动模式。

8.根据权利要求7所述的导航控制方法，其特征在于，所述获取所述移动终端的运动状态数据，包括：

获取所述移动终端中的传感器采集到的传感器数据，所述传感器数据包括：全球定位数据；

在得到所述模式分类模型输出的运动模式之后，还包括：

在所述模式分类模式输出的运动模式为未知模式的情况下，获取最近一次确定出的所述移动终端的历史运动模式以及所述历史运动模式对应的传感器数据中的历史全球定位数据；

在所述全球定位数据与所述历史全球定位数据的差距处于预设范围的情况下，将所述历史运动模式确定为当前时刻所述移动终端的运动模式。

9.一种导航控制装置，其特征在于，包括：

目的地确定单元，用于确定行车导航的导航目的地；

导航结束单元，用于在所述移动终端的运动模式从第一运动模式经过至少一个第三运动模式转换为第二运动模式的情况下，控制结束所述行车导航，其中，所述第一运动模式为表征所述移动终端的用户处于驾车状态的运动模式，所述第二运动模式为表征所述移动终端的用户处于步行状态的运动模式，所述第三运动模式不同于所述第一运动模式和所述第二运动模式；所述结束所述行车导航为结束导航应用中所述行车导航对应的任务。

10.一种计算机设备，其特征在于，包括：处理器和存储器；

其中，所述处理器用于执行所述存储器中存储的程序；

所述存储器用于存储程序，所述程序至少用于：

确定行车导航的导航目的地；

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，实现如权利要求1-8中任一项所述的导航控制方法。