CN110290455A - 基于场景识别的目标场景确定方法及系统 - Google Patents
基于场景识别的目标场景确定方法及系统 Download PDFInfo
- Publication number
- CN110290455A CN110290455A CN201810212484.4A CN201810212484A CN110290455A CN 110290455 A CN110290455 A CN 110290455A CN 201810212484 A CN201810212484 A CN 201810212484A CN 110290455 A CN110290455 A CN 110290455A
- Authority
- CN
- China
- Prior art keywords
- scene
- target
- rss
- wireless signal
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 102
- 239000013598 vector Substances 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims description 39
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 2
- OHDRQQURAXLVGJ-HLVWOLMTSA-N azane;(2e)-3-ethyl-2-[(e)-(3-ethyl-6-sulfo-1,3-benzothiazol-2-ylidene)hydrazinylidene]-1,3-benzothiazole-6-sulfonic acid Chemical compound [NH4+].[NH4+].S/1C2=CC(S([O-])(=O)=O)=CC=C2N(CC)C\1=N/N=C1/SC2=CC(S([O-])(=O)=O)=CC=C2N1CC OHDRQQURAXLVGJ-HLVWOLMTSA-N 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- POFWRMVFWIJXHP-UHFFFAOYSA-N n-benzyl-9-(oxan-2-yl)purin-6-amine Chemical compound C=1C=CC=CC=1CNC(C=1N=C2)=NC=NC=1N2C1CCCCO1 POFWRMVFWIJXHP-UHFFFAOYSA-N 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于场景识别的目标场景确定方法及系统，其特征在于，包含：依据所获取的初步目标区域在全球数据库内索引获得候选场景数据库，由用户终端周围的无线信号结合候选场景数据库进行场景识别来确定目标场景，其中场景识别包含:查找出用户终端接收到的每一个无线信号，以是否在某个场景位置数据库内为判断条件来确定有效信号；当有效信号为一个时，则对该有效信号进行处理用于得到目标场景；当有效信号为复数个时，则由多个有效信号经预处理后得到的无线信号强度向量RSS对有效候选场景进行预定选取规则来确定目标位置，克服了外部场景信息的依赖，只需所在应用场景的位置服务数据库,也利于不同的技术领域灵活应用。
Description
技术领域
本发明属于物联网领域，尤其是一种基于场景识别的目标场景确定方法及系统。
背景技术
在物联网技术的广泛应用中，对于目标场景的确定存在着大量需求，例如利用目标场景在室内外环境中进行定位。经研究，对目前主流定位技术梳理如下问题：
例如，GNSS(全球卫星导航定位系统，Global Navigation Satellite System，简称GNSS)而言，满足大部分室外应用的需求，但在市中心地区和室内可用性和可靠性难以得到保证，且存在模块成本高、功耗高、需要额外数据传输模块的问题。
例如，采用LoRa(超长距低功耗数据传输技术，Long Range，简称LoRa)、NB-IoT(基于蜂窝的窄带物联网，Narrow Band Internet of Things,NB-IoT)、BT5(蓝牙5或者长距离蓝牙，Bluetooth 5或者Bluetooth long range)信号BT5(蓝牙5，Bluetooth 5，简称BT5)等低功耗广域通信技术可实现物联网远距离、低功耗的要求，但其针对广域的定位精度难以满足室内应用的需求。
例如，UWB(超宽带技术，Ultra Wide Band，简称UWB)、伪卫星的技术可提供精确的室内定位，但需要专门的基站布设，成本高昂而被限制在专业类应用。
例如，WiFi(无线局域网，Wireless Local Area Network，简称WiFi)、BLE(低功耗蓝牙，Bluetooth Low Energy，简称BLE)等技术可以提供室内定位，且可以直接利用公共场合的现有布设和用户终端，因此，是现有大众消费类室内定位的主流技术。
除了上述定位领域，其他应用领域例如机器人、运动识别、情境感知，也需要基于目标场景的确定而进一步实施运用。
尤其针对室内定位，对于目标场景的确定的需求更为突出明显，假设以某建筑的某一层楼为目标场景，现有技术在定位过程中，必须要求事先得知作为目标场景的实际楼层、或需要用户参与输入选择楼层，这样的话，提高了场景确定的信息量的要求，并且繁琐的参与输入操作对于用户而言不便利，从而降低用户体验。
发明内容
为了解决上述问题，本发明提供了一种基于场景识别的目标场景确定方法及系统，将精确的场景识别来介入目标场景的确定过程，克服预先对场景信息的依赖。
本发明所提供的一种基于场景识别的目标场景确定方法，具有这样的特征，在于包含：步骤1：获取初步目标区域；步骤2：依据所述初步目标区域在全球数据库内索引，获得候选场景数据库；步骤3：获取用户终端周围的无线信号，结合候选场景数据库进行场景识别来确定目标场景，其中，场景识别的步骤包含：查找出用户终端接收到的每一个无线信号，以是否在某个场景位置数据库内为判断条件来确定是否为有效信号；当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，对有效的候选场景进行预定选取规则，来确定目标位置。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，包含：在步骤1：获取初步目标区域的步骤中，包含：由用户在用户终端内输入选定或通过用户终端内置的定位模块来获取初步目标区域。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，步骤1，获取初步目标区域的步骤包含：步骤1.1，获取用户终端周围的无线信号，包含以下至少一种无线信号节点：区域节点、广域节点；步骤1.2，对无线信号进行编码处理发送至服务器；步骤1.3，服务器预先存储与节点识别码及位置、模型信息，基于无线信号所携带的节点识别码，在服务器端索引节点所在的子区域数据库、其在子区域数据库中的编号，以及节点的位置信息、模型信息，用以确定用户所在的所述初步目标区域范围。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，服务器对终端所获取的每个无线信号获取相应的识别键值，在全球数据库搜索其所在子区域数据库，以及在该子区域数据库中的编号；基于每个无线信号强度向量RSS来确定信号融合权重，并结合由子区域数据库中节点编号索引到的节点的位置信息及模型信息构造定位量测模型；基于定位量测模型确定初步目标区域。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，初步目标区域根据无线信号强度向量RSS以及节点的位置信息、模型信息，按照预定计算规则以加权平均法和/或最小二乘法来计算。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，利用最小二乘法计算目标位置向量和误差协差矩阵，或进一步结合采用其他已有先验位置信息，得到初步目标区域，该初步目标区域的范围是由误差协方差矩阵构成的误差几何图形来确定的。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，无线信号的种类，包含：广域无线信号中任意至少一种：LoRa(超长距低功耗数据传输技术，Long Range)信号、NB-IoT(基于蜂窝的窄带物联网，Narrow Band Internet of Things)信号、GNSS(全球卫星导航定位系统，Global Navigation Satellite System)信号、通讯基站信号、BT5(蓝牙5或者长距离蓝牙，Bluetooth 5或Bluetooth long range)信号；和/或区域无线信号中任意至少一种：WiFi(无线局域网，Wireless Local Area Network)信号、BLE(低功耗蓝牙，Bluetooth Low Energy)信号。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，在依据所述初步目标区域在全球数据库内索引，获得场景位置数据库的步骤2中，包含：依据所述初步目标区域在全球数据库内索引多个所预存的子区域数据库，依据由用户终端发送来的节点识别键值，获得包含节点识别键值的子区域数据库，使用几何方法，判断子区域数据库和步骤1中所确定的初步目标区域的坐标范围是否有重叠，在子区域数据库中判定得到至少一个候选场景数据库。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，在上述场景识别的步骤3中，包含：当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，进行场景识别计算，对各个候选场景数据库对应的有效的候选场景进行排序和筛选，得到目标场景。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，对无线信号做预处理获得RSS向量；分别使用RSS信号特征计算其相对各候选场景的RSS特征指数，以及RSS几何分布指数；然后，利用RSS特征指数和/或RSS几何分布指数来确定目标场景。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，采集无线信号并做预处理；对每个获取的无线信号，根据其识别键值在哈希表中查找，若存在，则存储所预存的场景编号以及保存该无线信号，用于作为有效信号；若不存在，则剔除该无线信号；将所有已保存的无线信号存入内存链表，选取最近一段时间范围内的无线信号数据作预处理，得到该时刻的无线信号强度向量RSS。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，对无线信号进行预处理，包含粗差探测和平滑处理。
其中，具体而言，粗差探测即最近一段时间范围内的无线信号，若少数时刻的RSS与其他时刻有显著差异，则将该少数时刻的无线信号标记为粗差并降低其权重；或者某一时刻RSS存在明显异常，也标记为粗差。平滑处理即通过组合最近一段时间范围内的无线信号，来计算当前RSS向量。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，所述基于RSS向量计算RSS特征指数，其方法为计算当前RSS向量中，各候选场景中有效信号的加权比重。
其中，具体而言，针对每一个候选场景，将RSS向量中属于该候选场景的有效信号RSS按照预定方式计算得到值A；同时，对RSS向量中所有RSS按照预定方式计算得到值B；然后，计算值A与值B的相互关系作为该RSS向量相对该候选场景的RSS特征指数
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，可采用分段式定权方式或函数式定权方式，确定各信号的权重。
具体而言，分段式定权方式即事先将所有RSS值可能所在的区间分为若干子区间，并分别设定各子区间对应的权重；使用时，查找每个RSS所在的区间，然后用该区间对应的权重作为该RSS的权重。函数式定权方式即事先建立RSS值与权重的函数关系，并确定函数参数。使用时将每个RSS代入函数，计算其对应的权重
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，所述基于RSS向量计算RSS几何分布指数，其方法为考察各候选场景中，有效信号节点相对该场景内所有节点的空间分布。
具体而言，计算时，可综合利用该候选场景内不同种类无线信号(如LoRa、蓝牙5、GNSS、WiFi、BLE、通讯基站)的RSS几何分布指数，来计算该候选场景的RSS几何分布指数
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，在场景识别步骤之前，还包含以下判断选择步骤：在服务器端进行场景识别由用户外部输入来参与选择，或者由系统内部软件判断。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，预定选取规则包含：分别将各个候选场景数据库对应的无线信号强度向量RSS特征指数及无线信号强度向量RSS几何分布指数进行组合，得到各候选场景的评分；对所有候选场景的评分进行排序并从中选出目标场景。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，对于系统内部软件判断的依据条件基于：用户应用对无线数据传输量、隐私安全、用户终端操作系统、计算能力、电池电量中任意至少之一。
进一步可选地，在本发明所提供的目标场景确定方法中，具有这样的特征，其中，将获取的目标场景的信息从服务器发送至用户终端，并由用户终端进行显示，或，通过服务器实时获取并展示各个用户终端的目标场景和/或进一步基于目标场景得到的当前目标位置。
另外，本发明还提供了一种基于场景识别的目标场景确定系统，具有这样的特征，在于包含：初步区域获取模块：用于获取初步目标区域；候选场景获取模块：用于依据所述初步目标区域在全球数据库内索引，获得候选场景数据库；目标场景获取模块：获取用户终端周围的无线信号，结合候选场景数据库进行场景识别来确定目标场景，其中，目标场景获取模块包含：查找出用户终端接收到的每一个无线信号，以是否在某个场景位置数据库内为判断条件来确定是否为有效信号；当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，对有效的候选场景进行预定选取规则，来确定目标位置。
本发明的作用和效果
通过本发明所提供的目标场景确定方法及系统，在全球数据库中选定出候选场景数据库，利用所采集的通信终端的无线信号，再进行无线信号处理得到无线信号强度(RSS)特征指数和RSS几何分布指数，按照预定选取规则确定目标场景，克服了外部场景信息的依赖，借助场景识别可在初步目标区域内存在多个候选场景时更精确地得到最终的目标场景结果。数据的存储和传输体量来看，服务器端将存储针对全球范围的海量室内位置服务数据库，也克服了现有技术中需要同时从服务器端传输、下载和使用大量数据的问题，本发明只需要传输、下载和使用所在应用场景的位置服务数据库，极大地减少了数据传输量和计算量，进一步地，利用本发明所获得的目标场景的基础上，更利于在不同的技术领域实现灵活应用，例如进行全球范围内的位置服务场景识别和定位。
附图说明
图1为本发明实施例中的基于场景识别的目标场景确定方法的流程示意图；
图2为本发明中目标场景确定方法中一种具体实施例的流程示意图；以及
图3为本发明中基于场景识别的目标场景确定系统中一种具体实施例的示意框图。
具体实施方式
为了实现根据本发明目的，提供了一种基于场景识别的目标场景确定方法和系统，通过以下进行说明。
图1为本发明实施例中的基于场景识别的目标场景确定方法的流程示意图。
由图1可知，本实施例中，提供了一种基于场景识别的目标场景确定方法，其特征在于，包含：
步骤1：获取初步目标区域；
步骤2：依据所述初步目标区域在全球数据库内索引，获得候选场景数据库；
步骤3：利用由通信终端扫描周围所获取的无线信号，结合候选场景数据库进行场景识别来确定目标场景。
其中在步骤3中，场景识别的步骤包含：对无线信号做预处理获得RSS向量；分别使用RSS信号特征计算其相对各候选场景的RSS特征指数，以及RSS几何分布指数，然后，综合利用RSS特征指数及RSS几何分布指数来确定目标场景。
本发明的目标场景确定方法适用多个应用领域，为了进行说明，本实施例选择用于进行定位服务这样的用途，来对本发明的目标场景的方法及系统来进行说明，对本领域技术人员而言可知，并非限制于该应用领域。
图2为本发明中目标场景确定方法中一种具体实施例的流程示意图。
结合图2来看，本实施中的基于场景识别的目标场景确定方法，包含：
步骤1，获取初步目标区域。对该初步目标区域，除了以下说明的具体获取方式，亦可例如该初步目标区域是预知存储被直接提供、或者采用其他初步目标区域的获取方式来获得。本实施例中初步目标区域的获取方式，包含：
在通信终端获取周围的无线信号，该无线信号包含广域无线信号和/或区域无线信号，采用例如GNSS信号、LoRa信号、BT5信号、通讯基站信号、WiFi信号、BLE信号等。接着对该广域无线信号进行数据压缩，并通过LoRa数据链路传输至网关。同时，通信终端持续通过LoRa数据链路，将被编码的无线信号数据发送至LoRa网关。LoRa网关进一步将所收到的数据发送至服务器，在服务器端对接收到的无线信号数据进行解码和定位处理，获取目标区域范围。
服务器端所接收到的无线信号至少包括：唯一识别码即常用的识别键值(例如MAC地址或编号)以及信号强度RSS(Received Signal Strength，接收信号强度)。同时，以各个无线信号识别码作为识别键值，在全球数据库中进行查找，本实施例中在全球位置服务数据库的以哈希表形式存储的列表中进行查找，搜索其对应的唯一三维空间坐标和/或无线信号传播模型，三维空间坐标用于确定物理空间位置。
步骤1的目的在于：利用所获取的无线信号数据，确定初步目标区域的范围，一般来讲，为被用户移动携带的通信终端所在区域。
在本发明中，对于该步骤的目的并非如现有资料中那样，初步目标区域也可以直接被提供位置，而仅仅是为了确定初步目标区域范围(如建筑A的周围30米区域)，是为后续步骤中需定位的目标场景确定做准备。因此，本实施例的步骤1中相比现有无线定位技术而言，极大地降低了对位置精度的需求，因此更容易得到实施。
在步骤1中获可由用户在通信终端内输入选定或通过通信终端内置的定位模块来获取初步目标区域。对初步目标区域范围确定了以后，后续就可以查找到候选场景数据库中的候选场景，由候选场景再来进一步确定目标场景。更进一步，若某些功能或者场景应用下，已经由用户选定或其他方式(如设备内置GNSS设备等)确定了用户的大致位置，该大致位置已作为了初步目标区域，可直接跳过步骤1中的初步目标区域确定步骤，直接进入后续的场景识别步骤。
具体而言，获取初步目标区域的具体步骤包括：
步骤1.1.通信终端周期性地扫描获取无线信号，包含广域无线信号或区域无线信号中任意至少一种，广域无线信号如：LoRa信号、蓝牙5信号、GNSS信号、通讯基站信号、NB-IoT信号；区域无线信号如：BLE信号、WiFi信号。信号采集的内容可选地包括：周边可用基站MAC地址、信号强度RSS、信号采集时标(即采集时刻的时间)等中任意至少之一。GNSS信号可包括卫星伪距或载波相位。同时，还包括无线定位手段(如GNSS无线定位方式、WiFi无线定位方式)提供的位置和其精度。
步骤1.2.压缩通信终端所扫描获取的无线信号并发送至LoRa网关。按预先设定编码处理规则对数据进行二进制编码，减小了数据的传输量。同时，将一定时间长度的编码后的无线信号打包，并发送出去。LoRa网关接收无线信号数据并发送至服务器。相对应地，服务器端按接收时间对接收到的无线信号进行同步。
步骤1.3至1.5使用广域性无线信号、区域性无线信号，确定用户所在目标区域即、目标场景所在。实施例中采用对基站位置信号进行加权平均(使用RSS的倒数作为权重)来计算初始搜索位置，然后采用利用该初始搜索位置，结合各基站的信号强度，使用最小二乘法确定初步目标区域。步骤1.3至1.5，分别如下说明：
步骤1.3.服务器端使用每个接收到的无线信号数据MAC地址作为识别键值，在全球位置服务数据库搜索其三维位置和无线传播模型。然后，根据无线信号位置和信号强度，确定初始搜索位置。实施例中初始搜索位置根据LoRa、通讯基站和WiFi基站位置和RSS的倒数的加权平均来计算。具体公式1-4为
并且，限定ALoRa+ABTS+ACell+AWiFi+ABLE+AGNSS＝1。 (公式4)
其中xr、yr和zr为待估计的三维用户终端位置。为了计算x、y、z三维坐标时分别利用LoRa信号、BT5信号、通讯基站信号、WiFi信号、BLE信号和GNSS信号的信号强度和基站位置。若存在GNSS信号，还包括GNSS卫星位置和高度角。RSST，k为无线传信号类型T(T∈[LoRa，BT5，Cell，WiFi，BLE，GNSS])第k个基站接收到的信号强度。xT，k、yT，k和zT，k分别为无线信号类型T第k个基站的x、y、z坐标。NT为接收到的途经无线信号类型T的信号数目。AT代表无线信号类型T在初始定位中所占权重，若用户终端没有配备该无线传感器T，则AT＝0。实施例中ABLE＞AWiFi＞AGNSS＞ABTS＞ALoRa＞ACell。
步骤1.4中，包含：基于每个无线信号中网络节点位置、区域节点位置、广域节点位置的情况，使用无线信号数据构造定位测量模型，本实施例中采用广域无线定位量测方程，来确定信号融合权重，设定不同种类无线信号权重配比，并根据各基站对应信号RSS强度的倒数设定其权重，用以基于定位量测模型确定初步目标区域。
具体的计算公式为：
设定第一模型矩阵H和第二模型矩阵z，其中
其中，
其中bT，k和nT，k为无线信号类型T第k个基站对应的无线信号传播模型参数，PT，k为第k颗GNSS卫星测量得到的伪距。符号ρ和d分别代表根据无线信号数据计算来的距离，以及根据空间坐标计算而来的距离。
同时，设定第三模型矩阵R，具体公式为，
其中，
为无线信号类型T对应的权重，QT，k为来自无线信号类型T第k个基站的信号的权重，NT为用户终端周围无线信号类型T的可用基站数目,RSST，k为无线信号类型T第k个基站的RSS值，ET，k为无线信号类型T第k个基站(对GNSS而言为第k颗卫星)相对用户终端的高度角。符号diag()代表由向量生成的对角矩阵。根据本实施例中六种无线信号的特点，设定同时，针对某一种无线信号，可通过其RSS值(如LoRa、BT5、通讯基站信号、WiFi、BLE)或者高度角(如GNSS)设定其相对权重。
步骤1.5.确定初步目标区域范围。实施例中利用上述第一模型矩阵H和第二模型矩阵z、第三模型矩阵R，采用最小二乘法计算目标位置向量和误差协防差矩阵P：
P＝(HTR-1H)-1 (公式12)
若有其他先验位置信息(例如GNSS位置)可用，可采用附有约束的最小乘，计算目标位置向量和误差协防差矩阵P：
加上先验位置信息(GNSS或其他位置)的约束：
其中x0和P0分别为先验位置向量及其误差协方差矩阵，x0例如GNSS获取的位置、P0例如GNSS定位误差构成的误差协方差矩阵。
利用最小二乘法计算目标位置向量和误差协差矩阵，或进一步结合采用其他已有先验位置信息，得到初步目标区域，该初步目标区域的范围是由误差协方差矩阵构成的误差几何图形来确定的。本实施例中，误差几何图形采用椭圆，由误差协方差矩阵构成的误差椭圆范围确定，具体计算公式为：
其中，P(i，j)为矩阵P第i行第j列的元素。和σNE分别为北方向、东方向的误差方差，以及北方向和东方向的误差协方差。a、b和θ分别为初步目标区域椭圆的长轴、短轴和方向角。椭圆中心为x0的第一、二个元素。实际使用中，除椭圆外，也可使用其他几何图形(如圆形、矩形)来限定初步目标区域。本发明中，可将步骤1.4的LoRa、BT5、通讯基站、WiFi和BLE基站位置和RSS的倒数的加权平均法和/或步骤1.5中最小二乘法的结果用于确定用户所在的所述初步目标区域范围。
上述实施例扫描获取的是LoRa信号、BT5信号、通讯基站信号、WiFi、BLE等信号数据中任意至少之一的无线信号，将上述实施例进行扩展和变形来看，对于本发明而言，步骤1.1中所述的通信终端周期性地扫描获取无线信号也可以包含以下至少一种：通信终端周期性地扫描获取网络节点位置；进一步相关联的区域节点位置；进一步相关联的广域节点位置。那么相对应服务器一侧，在步骤1.3至1.5中，服务器通过预先存储与网络节点位置、区域节点位置、广域节点位置相匹配的节点识别码，基于无线信号所携带的节点识别码确定用户所在的初步目标区域范围。
步骤2,访问全球数据库即全球位置服务数据库，获取目标区域内至少一个候选场景数据库。之后判断是否在服务器端(云端)进行场景识别。若为否，则通过LoRa数据链路将压缩后的目标区域内区域性位置服务数据库(即候选场景数据库)传输至用户终端，供用户终端处进行场景识别时使用。
关于判断是否在服务器端(云端)进行场景识别，可在服务器端由用户外部输入来参与选择，或者由系统内部软件判断。当是由系统部软件判断时，所依据条件包含：用户应用对无线数据传输量、隐私安全、用户终端操作系统、计算能力、电池电量中任意至少之一，再决定是否在服务器端(云端)进行场景识别。例如，若应用对隐私安全有要求，则可在用户终端处进行场景识别。若对隐私安全没有要求，则考察应用无线数据传输量，若超过预设传输量阈值，则在终端处进行场景识别；否则，在服务器端进行场景识别。
对于候选场景数据库的获得，是通过计算全球位置服务数据库中各子区域数据库所在区域是否与目标区域存在重叠来实现。依据初步目标区域在全球数据库内遍历多个所预存的子区域数据库，判断子区域数据库和终端所在区域是否有重叠，若有重叠，则将该子区域数据库判定为候选场景数据库。
步骤2的具体实施例，进行以下说明：
对各子区域数据库，分别计算其中计算子区域数据库内点位(可能为基站点位，或者其他位置信息)坐标数据的最大值、最小值，例如横坐标和纵坐标、或维度和经度，从而确定该子区域数据库的坐标区域范围(或者在该子数据库中已经存储了其坐标区域范围)。然后使用几何方法，判断步骤1中确定的初步目标区域与该区域是否和有重叠。若存在重叠，则该场景被选为候选场景，参与后续步骤。
为了选出所有候选场景数据库，需要遍历所有可能的子区域性位置服务数据库(作为子区域数据库)，并判断其与用户所在目标区域是否有重叠。为了加快运算，可以将子区域性位置服务数据库数据库进行分级(如省、市、区、街道)和索引。同时，也可选用k-dtree(k-dimensional树，分割k维数据空间的数据结构算法)、哈希表(散列表，Hash table)等数据结构来加快运算。这样的话，由广域到区域的定位区域逐级确定，降低位置服务数据库载入数据量和计算量。
步骤3，终端持续扫描无线信号，并在服务器端或用户的通信终端进行场景识别。若在服务器端进行，则压缩该无线信号的数据，并通过LoRa数据链路传输至服务器，然后，在服务器端进行场景识别数据处理；若在终端进行，则在终端进行场景识别数据处理，然后将结果发送至服务器。然后，根据通信终端的应用需求，将场景识别所确定的目标场景、相关信息(如所在建筑、楼层、房间、区域)压缩并传输至通信终端。
总体而言，步骤3的作用在于，利用用户终端收到的无线信号的信号特征，结合步骤2中得到的候选场景数据库，将用户所在目标区域由步骤1中确定的A区域即初步目标区域(例如，在城市区域内为类似某一点周围半径10米的圆形区域)，进一步缩小某一个候选场景，候选场景如B建筑C楼层D房间E区域。这样，本发明应用在室内定位领域中时，可以直接使用E区域内的位置服务数据库，而不再需要使用A区域的位置服务数据库，从而在室内定位时大大降低运算数据量，和定位的准确性。尤其是在城市环境内，A区域往往包括多个多楼层建筑。
本实施例中，场景识别的步骤，进行如下说明：
步骤3.1：无线信号的预处理；
步骤3.2：计算RSS特征指数；
步骤3.3：计算RSS几何分布指数；以及
步骤3.4：综合利用RSS特征指数及RSS几何分布指数来确定目标场景
针对上述关于步骤3.2和步骤3.3的实际应用，本实施例中，利用其RSS特征指数和RSS几何分布指数的方式来实现，其他可满足比较排序的运算方式也包含在本发明的范围之内。步骤3.2和3.3均为可选步骤。某些应用中，目标区域内只有一个候选场景，或者用户参与输入或选择场景，则不需要进行步骤3.2和3.3。或者，仅使用步骤3.2或者3.3其中之一结合步骤3.4即可确定目标场景，则不需要在使用另一个。
其中，步骤3.1，查找出通信终端接收到的每一个无线信号是否为有效信号。查找出通信终端接收到的每一个无线信号，以是否在候选场景数据库内为判断条件来确定是否为有效信号，并对有效信号进行预处理。
步骤3.2，计算各候选场景的RSS特征指数，以供步骤3.4中对候选场景进行排序和筛选。换言之，在接收到的所有无线信号中，若来自某些候选场景中的无线信号数目多，且信号强，则这些候选场景可能是用户所在场景。
步骤3.3，则是计算各候选场景的RSS向量对应基站在空间的几何分布，以供步骤3.4中对候选场景进行排序和筛选。换言之，若有效信号在空间上更均匀地分布在用户终端周围，则该候选场景更可能是目标场景。
步骤3.4，综合利用RSS特征指数及RSS几何分布指数来确定目标场景。
其基本思想是，当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；当有效信号的数量为复数个时，则基于由多个有效信号经预处理后构成的RSS向量，对各个候选场景数据库对应的有效的候选场景进行排序和过滤，得到目标场景。步骤3.2和步骤3.3中所计算指数对于场景确定有互补性。例如，候选场景A和候选场景B都有较多和较强信号被用户终端接收到(例如场景A和场景B为相邻房间或者相邻楼层)，此时仅依靠步骤3.2中判断可能难以确定用户所在场景是场景A还是场景B。这时，考察场景A和场景B中发送有效信号的基站的分布。若某一场景中有效信号基站在该场景中所有基站中的空间分布更均匀，则更有可能该场景的有效基站均匀分布在用户周围，那么该场景更可能是目标场景。反之，更有可能这一场景内多数有效基站分布在用户一侧，则该场景更有可能是用户所在场景的相邻场景，如相邻房间或相邻楼层。
步骤3.1.采集通信终端周围的无线信号数据，并作预处理。对每个接收到的无线信号，根据其MAC地址作为识别键值在哈希表中查找，若存在，则记录其所在场景编号以及在该场景内的编号，并保留该无线信号；若该无线信号不存在于任何候选场景，则剔除该信号。然后，将所有已保留无线信号存入内存链表的尾部。选取链表尾部的Ns时刻或者选取最近一段时间范围内的无线信号数据，作预处理，得到该时刻的RSS标签，作为该时刻的无线信号的RSS向量。
预处理包含平滑处理、粗差探测或其他预处理。平滑处理针对链表中所存的无线信号，按时标先后顺序对RSS值加权平均，距离当前时间越近权重可越大，以计算当前RSS向量。粗差探测比较链表中所存RSS，若少数时刻的RSS与其他时刻有显著差异，则将该少数时刻的无线信号标记为粗差，并从链表中剔除。
步骤3.2.使用步骤3.1中得到的RSS向量，分别计算其相对于各候选场景的RSS特征指数。
实施例中实现的思路为计算当前RSS向量中，属于各候选场景的RSS的加权比例。具体计算方法为针对每一个候选场景，将RSS向量中属于该候选场景的RSS进行加权求和，得到值A；同时，将RSS向量中所有RSS的加权求和得到值B；然后，可用值A与值B的比例关系作为该RSS向量相对该候选场景的RSS特征指数。所提RSS特征指数计算公式为
其中，Wi代表第i个无线信号的权重，Ms为有效无线信号中属于候选场景S的信号的数目，Ns为所有有效信号的数目。C1、C2、...、CNc为进行步骤3.2之前的候选场景，Nc为进行步骤3.2之前的候选场景的数目。
本实施例中使用分段式定权方式，确定各信号权重W。分段式定权方式即事先将所有RSS值可能所在的区间分为若干子区间，并分别设定各子区间对应的权重，区间内平均RSS值越大，则处在该区间内的RSS对应的权重越大；使用时，查找每个RSS所在的区间，然后用该区间对应的权重作为该RSS的权重。所提分段式定权方式公式为
上公式中各项RSS的取值范围的下限取值一侧为开区间，其中V0、V1、V2、...为区间强弱信号强度阈值。A1、A2、A3、...为预设权重值。
实际使用中，也可使用函数式定权方式，即事先建立RSS值与权重的函数关系，并确定函数参数。使用时将每个RSS代入函数，计算其对应的权重。
步骤3.3.使用步骤3.1中得到的RSS向量，分别计算其相对于各候选场景的RSS几何分布指数。
实施例中实现思路是考察各候选场景中，有效信号对应的基站相对所有基站的分布。以一个候选场景的RSS几何分布指标计算为例：对各个无线信号类型(如LoRa、GNSS、WiFi、BLE、运营商基站中的一种)，分别计算有效信号基站的加权中心位置A，以及所有基站的中心位置B，然后，结合A相对B的地理距离以及候选场景的面积，计算该无线信号类型的RSS几何分布指标。最后，将多种无线信号类型的RSS几何分布指标进行加权相加，计算该候选场景的RSS几何分布指标。
对无线信号类型T的RSS几何分布指标计算公式为
其中，XB，S和YB，S为候选场景S所在区域的几何中心的二维坐标，OS为候选场景S所在区域的面积，其中MT，S为场景S内被用户终端探测到的有效无线信号的数目，XT，k和YT，k为无线信号类型T第k个有效信号节点的二维坐标。wT，k为无线信号类型T第k个有效信号的权重，其计算公式为
其中,RSST，k为无线信号类型T第k个基站的RSS值，ET，k为无线信号类型T第k个基站(对GNSS而言为第k颗卫星)相对用户终端的高度角
场景S的RSS几何分布指数计算公式为
其中为无线信号类型T对应的权重。根据本实施例中六种无线信号的特点，设定
步骤3.4，所述综合利用RSS特征指数及RSS几何分布指数来确定目标场景，实施例中实现方法为将两种指数进行变化后加权求和得到各候选场景的评分，然后基于所有候选场景的评分高低对这些候选场景进行排序，从而确定目标场景。具体计算公式为
其中，LS为候选场景S的评分。RSS特征指数较小或RSS几何分布指数较小的候选场景，将获得更高的评分。将所有候选场景的评分从高到低进行排序，选择评分最高的候选场景为目标场景。
在本发明确定得到目标场景的基础上，进一步延伸，利用目标场景进一步应用，可以将获取的目标场景的信息从服务器发送至通信终端，并由通信终端进行显示，或，通过服务器实时获取并展示各个用户终端的该目标场景和/或进一步基于目标场景得到的当前目标位置。例如，将获取场景信息从服务器发送至终端，并由显示模块展示。同时，管理人员可以通过云平台GIS界面实时了解各终端当前场景和运动信息，并进行管理。
图3为本发明中基于场景识别的目标场景确定系统中一种具体实施例的示意框图。
除了上述方法，本发明还提供了一种基于场景识别的目标场景确定的实施例。在本实施例的一种基于场景识别的目标场景确定系统中，其特征在于，包含：
初步区域获取模块用于获取初步目标区域；图3中由用户终端获取数据，传输至服务器处理。本实施例中，可以将场景识别模块分为初步区域获取模块、候选场景获取模块、以及目标场景获取模块，或者将这三个子模块包含在场景识别模块内。
候选场景获取模块：用于依据所述初步目标区域在全球数据库内遍历，获得候选场景数据库；
目标场景获取模块：利用由通信终端扫描周围所获取的无线信号，结合候选场景数据库进行场景识别来确定目标场景，
其中，目标场景获取模块包含：
查找出通信终端接收到的每一个无线信号，以是否在候选场景数据库内为判断条件来确定是否为有效信号；
当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；
当有效信号的数量为复数个时，则基于由多个有效信号经预处理后构成的RSS向量，进行场景识别计算，对各个候选场景数据库对应的有效的候选场景进行排序和筛选，得到目标场景。
具体结合图3来看，基于场景识别的目标场景确定系统包含多个定位的通信终端，图3中仅画出其中一个用户终端，其他若干个通信终端省略画出。
通信终端被安装在待定位的移动个体上，该移动个体被用户携带，通信终端可选地包括移动通信侧处理器、以及与该移动通信侧处理器相控制连接的传感器模块、内存和、显示和用户交互模块，以及移动终端侧通讯模块。定位终端周期性扫描周围无线信号(如BLE、WiFi、LoRa、BLE5、GNSS、通讯基站的信号)，并通过LoRa数据链路传输至网关。
多个LoRa网关(基站)，布设在广域空间内。各网关有全球唯一识别码。网关不断通过接收来自LoRa用户终端的无线信号和数据负载，并将数据传输到服务器。
云平台，位于服务器端，可选地包含：服务器侧处理器、以及和服务器侧处理器相控制连接的场景识别模块、显示交互管理模块、导航信号GIS数据库以及服务器侧通讯模块。内存中存储了多个LoRa网关的经纬度、MAC地址、以及信号传播模型等。同时存储有全球导航信号(如WiFi、BLE)和位置服务数据库。云平台通过服务器侧处理器，可进行场景识别和运动识别的运算。此外，利用显示交互管理模块通过交互界面对GIS进行显示、和交互操作，可供管理人员使用。
本实施中所提供的基于场景识别的目标场景确定系统与上述实施例中基于场景识别的目标场景确定方法所分别相对应，那么装置中所具有的结构和技术要素可由方法相同原理相应形成，该系统中与上述方法的模块定义，原理相通的说明内容，在此省略同样的说明，不再赘述。
实施例的作用和效果
根据本实施例所提供的基于场景识别的目标场景确定方法及系统，能够克服缺少场景识别功能将为室内外定位技术所带来的不便，不便之处主要体现在：(1)因为区域性无线信号(如BLE和WiFi定位)需要预先知道其热点的布设(通过数据库存储或者在用户定位导航过程中实时估计)，若缺少精确的场景探测功能，可能需要载入大片地区的位置服务数据库，从而带来高昂的数据量和计算量。(2)在现代城市建筑密集的情况下，难以准确区分相邻建筑、楼层等。
本实施例的方法及系统，除了克服了上述问题，具有这样的作用和效果：
利用在采集广域无线信号(如LoRa、BLE5、GNSS、通讯基站信号)、区域性无线信号(如BLE、WiFi)或可选地进一步结合利用运动传感器(陀螺、加速度计、磁强计、气压计)数据的同时，基于本地传感器信号和全球范围内位置服务数据库，因此适用于在全球范围内推广使用，通过低功耗广域网络(LPWAN)数据链路实时进行低功耗长距离传输，发送到服务器并进行场景识别和运动识别，然后实时将识别结果发送到用户终端。可自动、实时探测位置服务应用场景和运动模式，解决物联网应用中必须用户人为设定场景的问题。该系统可进行全球范围内的位置服务场景和运动自动识别，且具有功耗低距离远的优点，适合大规模推广使用。
本发明利用LPWAN数据链路实时进行数据传输，降低物联网和位置服务的功耗，增加使用范围。
将本实施例中的目标场景的确定方法以及系统，应用在智慧城市、园区、仓储、交通等应用中人、设备的定位和跟踪，场景和运动信息可实时终端显示。同时，管理人员可以通过云平台地理信息系统(GIS)界面实时了解各终端当前场景和运动信息，并进行管理。
另外，本发明并非专注于基于室内外定位技术。相反，本发明专注于场景识别，是对于现有室内定位技术的有效补充。具体而言，能够带来如下三个方面的效果：
(1)克服对定位场景信息的依赖。本专利将位置服务数据库按场景划分并提供索引，通过使用本专利，可由软件自动探测应用场景(如A建筑B楼层C房间)。因此，对于定位应用而言，不再需要事先知道室内定位的场景，也不再需要用户参与选择，这是现有公开定位技术不具备的。
(2)在不预先设定定位场景的情况下，现有公开定位手段只能将位置确定到一片区域，如半径10米的圆形区域。这种定位效果对于大多数室外或乡村区域已经足够。但是，对于城市环境，这样的定位性能难以满足需求，因为在这片区域里，可能存在多个楼层或者多个房间，因此，仍难以确定用户的准确位置。因为本发明可自动确定位置服务场景，所以，在本发明得到应用的前提下，可以在定位之前或同时确定应用场景，避免定位结果区域内存在多个场景难以确定的问题。
(3)现有定位方案多针对区域性应用，如一栋建筑、一个园区、或者一个仓库。但是，在物联网和广域位置服务背景下，需要有能够针对全球范围的室内定位服务。在这种情况下，服务器端将存储针对全球范围的海量室内位置服务数据库。若采用现有公开定位技术，需要同时从服务器端传输、下载和使用大量数据，从而大大限制了全球范围内室内定位应用的发展。在本发明得到应用的前提下，可以确定应用场景，并相应地在全球位置服务数据库中索引、查找和确定所在应用场景的位置服务数据库。这样，只需要传输、下载和使用所在应用场景的位置服务数据库，极大地减少了数据传输量和计算量，有利于在全球范围内是内外定位技术的推广。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (20)
1.一种基于场景识别的目标场景确定方法，其特征在于，包含：
步骤1：获取初步目标区域；
步骤2：依据所述初步目标区域在全球数据库内索引，获得候选场景数据库；
步骤3：获取用户终端周围的无线信号，结合候选场景数据库进行场景识别来确定目标场景，
其中，场景识别的步骤包含：
查找出用户终端接收到的每一个无线信号，以是否在某个场景位置数据库内为判断条件来确定是否为有效信号；
当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；
当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，对有效的候选场景进行预定选取规则，来确定目标位置。
2.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
在步骤1：获取初步目标区域的步骤中，包含：
由用户在用户终端内输入选定或通过用户终端内置的定位模块来获取初步目标区域。
3.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
步骤1，获取初步目标区域的步骤包含：
步骤1.1，获取用户终端周围的无线信号，包含以下至少一种无线信号节点：区域节点、广域节点；
步骤1.2，对无线信号进行编码处理发送至服务器；
步骤1.3，服务器预先存储与节点识别码及位置、模型信息，基于无线信号所携带的节点识别码，在服务器端索引节点所在的子区域数据库、其在子区域数据库中的编号，以及节点的位置信息、模型信息，用以确定用户所在的所述初步目标区域范围。
4.如权利要求3所述的基于场景识别的目标场景确定方法，其特征在于：
其中，服务器对终端所获取的每个无线信号获取相应的识别键值，在全球数据库搜索其所在子区域数据库，以及在该子区域数据库中的编号；
基于每个无线信号强度向量RSS来确定信号融合权重，并结合由子区域数据库中节点编号索引到的节点的位置信息及模型信息构造定位量测模型；
基于定位量测模型确定初步目标区域。
5.如权利要求4所述的基于场景识别的目标场景确定方法，其特征在于：
其中，初步目标区域根据无线信号强度向量RSS以及节点的位置信息、模型信息，按照预定计算规则以加权平均法和/或最小二乘法来计算。
6.如权利要求5所述的基于场景识别的位置确定方法，其特征在于：
其中，利用最小二乘法计算目标位置向量和误差协差矩阵，或进一步结合采用其他已有先验位置信息，得到初步目标区域，
该初步目标区域的范围是由误差协方差矩阵构成的误差几何图形来确定的。
7.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
其中，无线信号的种类，包含：
广域无线信号中任意至少一种：
LoRa(超长距低功耗数据传输技术，Long Range)信号、
NB-IoT(基于蜂窝的窄带物联网，Narrow Band Internet of Things)信号、
GNSS(全球卫星导航定位系统，Global Navigation Satellite System)信号、通讯基站信号、
BT5(蓝牙5或者长距离蓝牙，Bluetooth 5或Bluetooth long range)信号；和/或
区域无线信号中任意至少一种：
WiFi(无线局域网，Wireless Local Area Network)信号、
BLE(低功耗蓝牙，Bluetooth Low Energy)信号。
8.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
在依据所述初步目标区域在全球数据库内索引，获得场景位置数据库的步骤2中，包含：
依据所述初步目标区域在全球数据库内索引多个所预存的子区域数据库，依据由用户终端发送来的节点识别键值，获得包含节点识别键值的子区域数据库，使用几何方法，判断子区域数据库和步骤1中所确定的初步目标区域的坐标范围是否有重叠，在子区域数据库中判定得到至少一个候选场景数据库。
9.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
在上述场景识别的步骤3中，包含：
当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，进行场景识别计算，对各个候选场景数据库对应的有效的候选场景进行排序和筛选，得到目标场景。
10.如权利要求9所述的基于场景识别的目标场景确定方法，其特征在于：
其中，对无线信号做预处理获得RSS向量；分别使用RSS信号特征计算其相对各候选场景的RSS特征指数，以及RSS几何分布指数；然后，利用RSS特征指数和/或RSS几何分布指数来确定目标场景。
11.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
采集无线信号并做预处理；
对每个获取的无线信号，根据其识别键值在哈希表中查找，若存在，则存储所预存的场景编号以及保存该无线信号，用于作为有效信号；若不存在，则剔除该无线信号；
将所有已保存的无线信号存入内存链表，选取最近一段时间范围内的无线信号数据作预处理，得到该时刻的无线信号强度向量RSS。
12.如权利要求11所述的基于场景识别的目标场景确定方法，其特征在于：
对无线信号进行预处理，包含粗差探测和平滑处理。
13.如权利要求11所述的基于场景识别的目标场景确定方法，其特征在于：
所述基于RSS向量计算RSS特征指数，其方法为计算当前RSS向量中，各候选场景中有效信号的加权比重。
14.如权利要求13所述的基于场景识别的目标场景确定方法，其特征在于：
可采用分段式定权方式或函数式定权方式，确定各信号的权重。
15.如权利要求10所述的基于场景识别的目标场景确定方法，其特征在于：
所述基于RSS向量计算RSS几何分布指数，其方法为考察各候选场景中，有效信号节点相对该场景内所有节点的空间分布。
16.如权利要求10所述的基于场景识别的目标场景确定方法，其特征在于：
在场景识别步骤之前，还包含以下判断选择步骤：
在服务器端进行场景识别由用户外部输入来参与选择，或者由系统内部软件判断。
17.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
预定选取规则包含：
分别将各个候选场景数据库对应的无线信号强度向量RSS特征指数及无线信号强度向量RSS几何分布指数进行组合，得到各候选场景的评分；对所有候选场景的评分进行排序并从中选出目标场景。
18.如权利要求16所述的基于场景识别的目标场景确定方法，其特征在于：
其中，对于系统内部软件判断的依据条件基于：
用户应用对无线数据传输量、隐私安全、用户终端操作系统、计算能力、电池电量中任意至少之一。
19.如权利要求1所述的基于场景识别的目标场景确定方法，其特征在于：
其中，将获取的目标场景的信息从服务器发送至用户终端，并由用户终端进行显示，或，
通过服务器实时获取并展示各个用户终端的目标场景和/或进一步基于目标场景得到的当前目标位置。
20.一种基于场景识别的目标场景确定系统，其特征在于，包含：
初步区域获取模块：用于获取初步目标区域；
候选场景获取模块：用于依据所述初步目标区域在全球数据库内索引，获得候选场景数据库；
目标场景获取模块：获取用户终端周围的无线信号，结合候选场景数据库进行场景识别来确定目标场景，
其中，目标场景获取模块包含：
查找出用户终端接收到的每一个无线信号，以是否在某个场景位置数据库内为判断条件来确定是否为有效信号；
当有效信号的数量为一个时，则对该有效信号进行处理，用于得到目标场景；
当有效信号的数量为复数个时，则基于由多个有效信号经预处理后得到的无线信号强度向量RSS，对有效的候选场景进行预定选取规则，来确定目标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810212484.4A CN110290455A (zh) | 2018-03-15 | 2018-03-15 | 基于场景识别的目标场景确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810212484.4A CN110290455A (zh) | 2018-03-15 | 2018-03-15 | 基于场景识别的目标场景确定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110290455A true CN110290455A (zh) | 2019-09-27 |
Family
ID=68000747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810212484.4A Pending CN110290455A (zh) | 2018-03-15 | 2018-03-15 | 基于场景识别的目标场景确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110290455A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111835833A (zh) * | 2020-06-23 | 2020-10-27 | 武汉菲奥达物联科技有限公司 | 一种基于lpwan的场景快速切换方法及装置 |
| CN113382368A (zh) * | 2021-06-09 | 2021-09-10 | 上海酉擎物联技术有限公司 | 信息共享方法、装置、可穿戴设备和存储介质 |
| CN113395656A (zh) * | 2021-07-08 | 2021-09-14 | 中国电信股份有限公司 | 用户终端的位置确定方法、装置、介质及电子设备 |
| CN113627561A (zh) * | 2021-08-20 | 2021-11-09 | 北京软通智慧科技有限公司 | 一种数据融合的方法、装置、电子设备及存储介质 |
| CN113905438A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技（深圳）有限公司 | 场景标识生成方法、定位方法、装置及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104320845A (zh) * | 2014-07-04 | 2015-01-28 | 南京邮电大学 | 一种基于传感器和量子智能计算的主用户定位方法 |
| CN104378735A (zh) * | 2014-11-13 | 2015-02-25 | 无锡儒安科技有限公司 | 室内定位方法、客户端及服务器 |
| US20150141043A1 (en) * | 2013-08-23 | 2015-05-21 | Cellepathy Ltd. | Corrective navigation instructions |
| CN105792115A (zh) * | 2014-12-17 | 2016-07-20 | 中国电信股份有限公司 | 多网定位数据融合方法和系统 |
| CN105973236A (zh) * | 2016-04-26 | 2016-09-28 | 乐视控股（北京）有限公司 | 室内定位或导航方法、装置以及地图数据库生成方法 |
| CN106102000A (zh) * | 2016-05-30 | 2016-11-09 | 浙江每日互动网络科技股份有限公司 | 一种基于wifi画像识别用户所处场景的方法 |
| CN107016877A (zh) * | 2017-05-25 | 2017-08-04 | 北京小米移动软件有限公司 | 用于在停车场内进行车辆定位的方法及装置 |
| CN107426816A (zh) * | 2017-07-24 | 2017-12-01 | 南京邮电大学 | 一种WiFi定位与地图匹配融合的实现方法 |
-
2018
- 2018-03-15 CN CN201810212484.4A patent/CN110290455A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150141043A1 (en) * | 2013-08-23 | 2015-05-21 | Cellepathy Ltd. | Corrective navigation instructions |
| CN104320845A (zh) * | 2014-07-04 | 2015-01-28 | 南京邮电大学 | 一种基于传感器和量子智能计算的主用户定位方法 |
| CN104378735A (zh) * | 2014-11-13 | 2015-02-25 | 无锡儒安科技有限公司 | 室内定位方法、客户端及服务器 |
| CN105792115A (zh) * | 2014-12-17 | 2016-07-20 | 中国电信股份有限公司 | 多网定位数据融合方法和系统 |
| CN105973236A (zh) * | 2016-04-26 | 2016-09-28 | 乐视控股（北京）有限公司 | 室内定位或导航方法、装置以及地图数据库生成方法 |
| CN106102000A (zh) * | 2016-05-30 | 2016-11-09 | 浙江每日互动网络科技股份有限公司 | 一种基于wifi画像识别用户所处场景的方法 |
| CN107016877A (zh) * | 2017-05-25 | 2017-08-04 | 北京小米移动软件有限公司 | 用于在停车场内进行车辆定位的方法及装置 |
| CN107426816A (zh) * | 2017-07-24 | 2017-12-01 | 南京邮电大学 | 一种WiFi定位与地图匹配融合的实现方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111835833A (zh) * | 2020-06-23 | 2020-10-27 | 武汉菲奥达物联科技有限公司 | 一种基于lpwan的场景快速切换方法及装置 |
| CN113382368A (zh) * | 2021-06-09 | 2021-09-10 | 上海酉擎物联技术有限公司 | 信息共享方法、装置、可穿戴设备和存储介质 |
| CN113395656A (zh) * | 2021-07-08 | 2021-09-14 | 中国电信股份有限公司 | 用户终端的位置确定方法、装置、介质及电子设备 |
| CN113395656B (zh) * | 2021-07-08 | 2023-03-14 | 中国电信股份有限公司 | 用户终端的位置确定方法、装置、介质及电子设备 |
| CN113627561A (zh) * | 2021-08-20 | 2021-11-09 | 北京软通智慧科技有限公司 | 一种数据融合的方法、装置、电子设备及存储介质 |
| CN113905438A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技（深圳）有限公司 | 场景标识生成方法、定位方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11933614B2 (en) | Positioning method, positioning server and positioning system | |
| CN110290455A (zh) | 基于场景识别的目标场景确定方法及系统 | |
| CN108107461B (zh) | 一种基于移动终端室内外定位无缝切换方法 | |
| CN104010364B (zh) | 用于确定基站的估计的地理位置的方法和系统 | |
| KR101730269B1 (ko) | 실내 디바이스 위치를 추정하는 방법 | |
| US11243288B2 (en) | Location error radius determination | |
| CN111464938B (zh) | 定位方法、装置、电子设备和计算机可读存储介质 | |
| CN110926461B (zh) | 一种基于超宽带室内定位方法和系统、导航方法和系统 | |
| US8862154B2 (en) | Location measuring method and apparatus using access point for wireless local area network service | |
| CN109286946B (zh) | 基于无依托定位的移动通信室内无线网络优化方法和系统 | |
| CN104735781B (zh) | 一种室内定位系统及其定位方法 | |
| CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
| CN111698774B (zh) | 基于多源信息融合的室内定位方法及装置 | |
| CN103826299A (zh) | 基于无线信号感知的室内增强现实实现方法 | |
| CN110572786A (zh) | 一种基于wifi与人脸识别的区块化室内定位系统及方法 | |
| WO2020169179A1 (en) | Proximity-based offline geofencing | |
| Ji et al. | Accurate Long‐Term Evolution/Wi‐Fi hybrid positioning technology for emergency rescue | |
| CN114758364A (zh) | 基于深度学习的工业物联网场景融合定位方法及系统 | |
| CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
| Jia et al. | An indoor and outdoor seamless positioning system based on android platform | |
| WO2015188847A1 (en) | Supporting indoor positioning | |
| EP2569958B1 (en) | Method, computer program and apparatus for determining an object in sight | |
| CN107787041A (zh) | 一种定位终端的方法和装置 | |
| Mendoza-Silva et al. | Situation goodness method for weighted centroid-based Wi-Fi aps localization | |
| CN111736196B (zh) | 一种满足应用定位需求的方法及用户设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190927 |
|
| WD01 | Invention patent application deemed withdrawn after publication |