CN111867053A - 一种定位方法和系统 - Google Patents

一种定位方法和系统 Download PDF

Info

Publication number
CN111867053A
CN111867053A CN202010377367.0A CN202010377367A CN111867053A CN 111867053 A CN111867053 A CN 111867053A CN 202010377367 A CN202010377367 A CN 202010377367A CN 111867053 A CN111867053 A CN 111867053A
Authority
CN
China
Prior art keywords
grids
data
screening
grid
user
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
Application number
CN202010377367.0A
Other languages
English (en)
Inventor
尹卜一
束纬寰
马利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010377367.0A priority Critical patent/CN111867053A/zh
Publication of CN111867053A publication Critical patent/CN111867053A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种定位方法和系统。所述方法包括：获取用户的定位请求；获取多个网格的网格数据；根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格；根据用所述筛选策略筛选出的网格确定候选网格；对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。

Description

一种定位方法和系统
技术领域
本申请涉及移动通信领域，特别涉及一种定位方法和系统。
背景技术
目前，应用最广泛的GPS定位技术，具有全球全天候连续定位、定位精度高等优点，但是利用GPS进行定位容易受到天气和环境因素的限制，当移动终端位于周围存在遮挡物或者恶劣天气环境下时，可能导致GPS信号不稳定或者信号强度差等，无法实现精准定位。近年来，无线网络定位技术迅速发展，具有WiFi功能的移动终端(比如，智能手机、ipad、笔记本电脑等)在开启WiFi时，可以扫描并收集周围的无线网络接入点(Acess Point，AP)，服务器可以根据AP信息(比如，AP地理位置、信号强度等)计算终端设备的位置。通过网络定位，可以在GPS定位信号不稳定或者信号强度差时实现定位。
在网络定位中，需要将安装有AP的网络覆盖区域划分为一个个网格，然后利用定位算法/模型依次遍历每个网格，进行匹配判断以获取用户位置所在的网格，进而实现用户定位。然而，当安装有AP的网络覆盖区域包含大量网格时，对所有网格依次进行遍历较为费时，对系统的计算性能也有较高要求。因此，需要提供一种可以提高网络定位效率的定位方法和系统。
发明内容
本申请的一个方面提供了一种定位方法。所述定位方法包括：获取用户的定位请求；获取多个网格的网格数据；根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格；根据用所述筛选策略筛选出的网格确定候选网格；对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
本申请的另一个方面提供了一种定位系统。所述系统包括：第一获取模块，用于获取用户的定位请求；第二获取模块，用于获取多个网格的网格数据；网格筛选模块，用于根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格；并根据用所述筛选策略筛选出的网格确定候选网格；定位网格确定模块，用于对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
本申请的另一个方面提供了一种定位装置，包括至少一个存储介质及至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令，以实现如前所述的定位方法。
本申请的另一方面提供一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现如前所述的定位方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的示例性定位系统的应用场景图；
图2是根据本申请一些实施例所示的定位方法的示例性流程图；
图3是根据本申请一些实施例所示的一个定位系统的框图；以及
图4是根据本申请一些实施例所示的定位方法的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1所示为根据本申请一些实施例所示的示例性定位系统100的应用场景图。
定位系统100可以确定用户的位置。定位系统100可以包括服务器110、网络120、用户终端130、存储设备140。
服务器110可以处理来自定位系统100的至少一个组件的数据和/或信息。例如，用户终端130可以接收用户的定位请求并发送至服务器110，服务器110处理用户的定位请求，得到用户的定位。
在一些实施例中，服务器110可以是单个处理设备，也可以是处理设备组。处理设备组可以是经由接入点连接到网络120的集中式处理设备组，或者经由至少一个接入点分别连接到网络120的分布式处理设备组。在一些实施例中，服务器110可以本地连接到网络120或者与网络120远程连接。例如，服务器110可以经由网络120访问存储在用户终端130和/或存储设备140中的信息和/或数据。又例如，存储设备140可以用作服务器110的后端数据存储器。在一些实施例中，服务器110可以在云平台上实施。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，服务器110可以包括处理设备112。处理设备112可以处理与本申请中描述的至少一个功能相关的信息和/或数据。在一些实施例中，处理设备112可以执行定位系统100的主要功能。在一些实施例中，处理设备112可以用户的定位请求，得到用户的定位。在一些实施例中，处理设备112可以执行与本申请中描述的方法和系统相关的其他功能。在一些实施例中，处理设备112可包括至少一个处理单元(例如，单核处理设备或多核处理设备)。仅作为示例，处理设备112包括中央处理单元(CPU)、专用集成电路(ASIC)、专用应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可程序逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等，或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中，定位系统100中的至少一个组件(例如，服务器110、用户终端130、存储设备140)可以经由网络120将信息和/或数据发送到定位系统100中的其他组件。例如，处理设备112可以经由网络120从存储设备140获得多个网格的网格数据。
在一些实施例中，网络120可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网络120可以包括有线或无线网络接入点，如基站和/或互联网交换点120-1、120-2、……，通过定位系统100的至少一个部件可以连接到网络120以交换数据和/或信息。
用户终端130可以接收用户的定位请求。在一些实施例中，用户的定位请求为基于网络的定位请求，该定位请求中包括用户的当前网络数据、当前行动数据和/或偏好数据。在一些实施例中，用户可以通过用户终端130主动发起定位请求，主动发起的方式包括但不限于点击定位按钮、触摸定位按键、勾选定位选项、语音输入定位请求等。在一些实施例中，用户终端130可以自动为用户发起定位请求。例如，用户通过用户终端130上的导航软件进行导航，导航软件在导航的过程中可以自动发起定位请求。
存储设备140可以储存数据和/或指令。例如，可以存储网格数据等。在一些实施例中，存储设备140可以存储处理设备112可以执行的数据和/或指令，服务器110可以通过执行或使用所述数据和/或指令以实现本申请描述的示例性方法。在一些实施例中，存储设备140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，所述存储设备140可在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
应当注意的是，上述有关定位系统100的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对定位系统100进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。
图2是根据本申请一些实施例所示的定位方法的示例性流程图。在一些实施例中，流程200可以由服务器110实现。流程200包括：
步骤210，获取用户的定位请求。
在一些实施例中，用户可以主动发起定位请求。主动发起的方式包括但不限于点击定位按钮、触摸定位按键、勾选定位选项、语音输入定位请求等。例如，用户可以打开用户终端130上安装的具备获取位置权限的软件(如导航软件、出行软件等)，响应于用户的打开软件操作，定位请求被发起。在一些实施例中，定位请求可以由用户终端130自动发起。例如，在用户使用导航软件的过程中，用户终端130可以以预设时间间隔自动发起定位请求，以确定用户的实时位置，实现导航。
用户的定位请求中可以携带用于定位的信息。在一些实施例中，服务器110可以根据所述信息确定采取何种技术进行定位。定位技术包括但不限于基于全球定位系统(Global Positioning System，GPS)的定位、基于全球卫星导航系统(Global NavigationSatellite System，GLONASS)的定位、基于北斗卫星导航系统的定位、基于网络的定位、基于蓝牙的定位等。其中基于网络的定位包括基于基站的定位、基于Wifi的定位等。本申请中针对的是基于网络的定位(下文也简称为“网络定位”)，因此下文主要以网络定位为例进行说明，但应理解，本申请的原理也可用于其他定位技术。
以网络定位为例，定位请求中可以包括用户的当前网络数据、当前行动数据、偏好数据等。用户的当前网络数据可以由用户终端130采集得到。用户的当前网络数据可以包括用户的当前网络地址、网络信号强度、网络缓存时间等中的一个或以上任意组合。用户的行动数据也可以由用户终端130采集得到。用户的行动数据包括用户的行动速度、加速度、角速度、角加速度、行动方向等中的一种或以上任意组合。例如，当用户在步行时，用户终端130可以采集用户的步行速度、加速度、角速度、角加速度和/或步行方向。又例如，当用户在驾车时，用户终端130可以采集用户的行驶速度、加速度、角速度、角加速度和/或行驶方向。用户终端130中可设有各种传感器来采集这些数据。传感器包括但不限于位置传感器、压力传感器、距离传感器、速度传感器、加速度传感器、重力传感器、位移传感器、力矩传感器、陀螺仪等或其任意组合等。用户的偏好数据可以根据用户的历史行为记录确定。用户的偏好数据包括用户常驻点、常用行驶路线、消费习惯等中的一种或以上任意组合。在一些实施例中，用户终端130可以在过去一段时间内(如过去一年、半年、4个月、3个月、2个月、1个月、1周等)采集用户的行为数据，并上传给服务器110，服务器110通过分析这些数据得到用户的偏好数据。在一些实施例中，用户也可以通过用户终端130主动设置反映自己偏好的数据，用户终端130将用户设置这些数据上传给服务器110，服务器110由此得到用户的偏好数据。例如，用户可以在用户终端130上安装的出行软件和/或导航软件上设置自己的常用地址(如公司地址、居住地址等)、常用路线等。在一些实施例中，除了偏好数据外，服务器110还可以获取用户的其他个人信息，例如职业、年龄、性别、兴趣爱好等信息。
步骤220，获取多个网格的网格数据。
网格是可实现网络定位的区域的组成单元。在网络定位中，将有无线网络接入点的区域划分为多个网格，每个网格都具有特有的网格数据。在对用户进行定位时，通过将获取到的用户定位请求中携带的数据与多个网格的网格数据进行匹配，可以推定用户所在位置属于哪个网格，从而实现对用户的定位。
在一些实施例中，每个网格的网格数据包括该网格的网络数据、历史行动数据、历史用户偏好数据等中的一种或以上任意组合。网络数据包括某一网格的网络地址、网络信号强度、网络缓存时间等中的一个或以上任意组合。网络数据可以为预先获取或测量好的固定值，或者也可以通过统计过去一段时间内出现在该网格中的多个用户终端的历史网络数据得到。
历史行动数据包括历史行动速度、加速度、角速度、角加速度、行动方向等中的一种或以上任意组合。历史行动数据可以通过统计过去一段时间内出现在该网格中的用户的行动数据得到。例如，可以获取大量用户的在该网格中的行动速度并求平均值，作为该网格的历史行动速度。又例如，可以统计出现在该网格中的用户的行动方向，将占比最高的行动方向作为该网格的历史行动方向。
历史用户偏好数据可以包括历史用户常驻点、常用行经路线、消费习惯等中的一种或以上任意组合。历史用户偏好数据可以通过统计过去一段时间内出现在该网络中的用户的偏好数据得到。例如，可以统计这些用户的停留点，将出现频率最多的停留点确定为历史用户常驻点；可以统计这些用户的行经路线，将出现频率最多的路线确定为常用行经路线；统计这些用户的消费习惯，得到该网格的历史用户消费习惯。仅作为示例，通过统计，过去一个月内经过某网格的用户停留最多的地点为某公园南门，最常经过的路线为从某地铁站沿某道路至该公园南门，常出现的消费行为为在该地铁站中的某便利店购物，则将该公园南门确定为该网格的历史用户常驻点，将从该地铁站沿该道路至该公园南门的路线确定为该网格的历史用户常用行经路线，将在该地铁站便利店购物作为该网格的历史用户消费习惯。
在一些实施例中，服务器110可以从存储设备140或其他存储设备处获取多个网格的网格数据。在另一些实施例中，服务器110可以获取各网格的历史数据进行处理后得到网格数据。在一些实施例中，服务器110可以定期更新网格数据。
步骤230，根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，根据用筛选策略筛选出的网格得到候选网格。
在一些实施例中，对于筛选策略，可以根据所述筛选策略对所述定位请求和所述多个网格的网格数据进行筛选匹配，得到用所述筛选策略筛选出的网格。筛选匹配可以基于第一组参数对定位请求与各网格的网格数据进行匹配，所述第一组参数可以是网络数据、行动数据、用户偏好数据中的所有或部分参数。有关根据筛选策略进行筛选匹配的更多内容请参见图3及其描述。在一些实施例中，可以用筛选策略筛选出设定数量的网格，将所有被筛选出的网格汇总得到候选网格。例如，一共采用3种筛选策略，用筛选策略都筛选出50个网格，总共得到150个候选网格。当然，如果不同筛选策略筛选出的网格有重复，可以对重复的网格进行数据清洗。用筛选策略筛选出的网格数量可以相同，也可以不同。例如，可以用筛选策略都筛选出50个网格，也可以用第一筛选策略筛选出60个网格，用第二筛选策略筛选出50个网格，用第三筛选策略筛选出40个网格。
步骤240，对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
在一些实施例中，定位匹配可以基于第二组参数对定位请求与候选网格的网格数据进行匹配，所述第二组参数可以是网络数据、行动数据、用户偏好数据中的所有或部分参数。可以理解，步骤240中的定位匹配要求的精度比步骤230中的筛选匹配要求的精度高，相应地，第二组参数的数量可以大于第一组参数的数量。第二组参数与第一组参数中的参数可以有部分相同，也可以完全不同。在一些实施例中，第二组参数可以涵盖定位请求与网格数据中所有类型的参数。
在一些实施例中，根据所述第二组参数，利用定位匹配算法对所述用户进行定位。具体地，利用所述定位匹配算法将用户定位请求中与网格数据中的所述第二组参数进行匹配分析，从所述候选网格中筛选出匹配度最高的网格，确定其为定位网格，输出所述定位网格的经纬度作为所述用户的定位位置，实现精准定位。
应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，在一些实施例中，步骤210可以在步骤220之后进行，或者步骤210可以与步骤220同时进行。步骤210、220和/或230可以在同一设备上执行，也可以在不同设备上执行。
图3是根据本申请一些实施例所示的一个定位系统的框图。如图3所示，该系统300可以包括第一获取模块310、第二获取模块320、网格筛选模块330、精确定位模块340。
第一获取模块310用于获取用户的定位请求。用户的定位请求中可以携带用于定位的信息。以网络定位为例，定位请求中可以包括用户的当前网络数据、当前行动数据、偏好数据等。
第二获取模块320用于获取多个网格的网格数据。在一些实施例中，每个网格的网格数据包括该网格的网络数据、历史行动数据、历史用户偏好数据等中的一种或以上任意组合。
网格筛选模块330用于对大量网格进行初步筛选。网格筛选模块330可以根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，根据用筛选策略筛选出的网格得到候选网格。在一些实施例中，对于筛选策略，网格筛选模块330可以根据所述筛选策略对所述定位请求和所述多个网格的网格数据进行筛选匹配，得到用所述筛选策略筛选出的网格。
精确定位模块340用于对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
应当理解，图3所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于定位系统300及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，图3中披露的第一获取模块310、第二获取模块320、网格筛选模块330以及精确定位模块340可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。又例如，定位系统300还可以通信模块，用来与其他部件通信。定位系统300中各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
图4是根据本申请一些实施例所示的定位方法的示例性流程图。在一些实施例中，图4中所示的流程400可以在图1中所示的定位系统100中实现。例如，流程400的至少一部分可以作为指令的形式存储在存储设备140中，并且由服务器110调用和/或执行。
用户的定位请求中所含参数与网格的网格数据所含参数至少部分对应。例如，如图2的描述中所述，用户的定位请求中可以包括所述用户的当前网络数据、当前行动数据、偏好数据等中的一种或以上任意组合，相应地，每个网格的网格数据可以包括所述网格的网络数据、历史行动数据、历史用户偏好数据等中的一种或以上任意组合。不同的筛选策略可以侧重于基于不同的参数对定位请求与网格数据进行匹配，从而可以尽可能地将用户所在位置可能属于的网格都筛选出来，在通过网格筛选减轻精确匹配数据处理量的同时，最大程度避免在网格筛选过程中漏筛了可能的网格。为方便说明和理解，下面以三种筛选策略为例描述流程400。
步骤410，用第一筛选策略对多个网格进行筛选。
在一些实施例中，第一筛选策略至少通过对网格数据中的网络数据与用户请求中的当前网络数据进行匹配来筛选。具体地，可以选取网络数据中的部分或全部参数，基于所选参数进行匹配。例如，可以对以下内容分别进行匹配：用户的当前网络地址与每个网格的网络地址、用户的当前网络信号强度与每个网格的网络信号强度、用户的当前网络缓存时间与每个网格的网络缓存时间。在一些实施例中，可以针对所选每个参数确定用户的定位请求与网格数据的匹配度，再计算用户的定位请求与网格数据的综合网络数据匹配度，例如可以对所选网络数据中的每个参数相应的匹配度进行加权求和，得到所述综合网络数据匹配度。
在一些实施例中，可以利用匹配算法，针对网络数据确定用户的定位请求与网格数据的匹配度。例如，所述匹配算法可以包括距离算法、相似度(系数)算法等。具体地，距离算法可以包括欧几里得距离(欧氏距离)算法、曼哈顿距离算法、切比雪夫距离算法、明可夫斯基距离算法等中的一种或以上任意组合。相似度(系数)算法可以包括余弦相似度算法、皮尔森相关系数算法、Jaccard系数算法、Tanimoto系数算法等中的一种或以上任意组合。为了便于说明，下面以余弦相似度算法为例进行说明。余弦相似度是通过计算两个向量的夹角余弦值来评估两个向量的相似度，余弦值越接近1，其夹角越接近0，则表示两个向量越相似。例如，用户定位请求的网络数据和网格的网络数据可以表示为两个向量，两个向量之间的相似度可以用两个向量的夹角余弦值来度量，用户定位请求的网络数据的向量可以表示为向量A＝(A1，A2，…，An)，其中A1，A2，…，An分别表示用户定位请求的网络数据中的各参数，如A1表示用户的当前网络地址，A2表示用户的当前网络信号强度等，网格的网络数据的向量可以表示为向量B＝(B1，B2，…，Bn)，其中B1，B2，…，Bn分别表示网格的网络数据中的各参数，如B1表示网格的网络地址，B2表示网格的网络信号强度等。向量A和向量B的余弦值可以表示为公式(1)：
Figure BDA0002480655710000101
在一些实施例中，余弦值大于预设阈值的对应网格可被确定为一个候选网格。例如，预设阈值可以为0.7～1，或者，预设阈值也可以为0.8～1。进一步的，当满足预设阈值的对应网格数量较多时，可以设定预设数量。例如，当余弦值满足预设阈值0.7～1的对应网格数量有80个时，可以进一步设定预设数量为50，所述80个网格则根据其余弦值进行排序(例如，降序、升序等)，将余弦值最高的50个网格筛选出作为候选网格。在一些实施例中，预设数目可以根据不同的应用场景而变化。
在一些实施例中，在将用户定位请求中的网络数据与每个网格的历史网络数据进行匹配筛选网格时，还可以考虑时间因素。在一些实施例中，用户的当前网络地址、当前网络信号强度、当前网络缓存时间等随着时间以及环境的不同在时刻变化着。在一些实施例中，同一网格的历史网络地址、历史网络信号强度、历史网络缓存时间等在不同的时间也各不相同。例如，上午时间段(09:00～12:00)和晚上时间段(19:00～22:00)，用户的当前网络地址、当前网络信号强度、当前网络缓存时间等不相同，同一网格的历史网络地址、历史网络信号强度、历史网络缓存时间等也不相同。例如，用户定位请求发送时间段为09:00～12:00，可以基于所述用户定位请求中的网络数据，与时间段为09:00～12:00的网格的网络数据进行匹配。
步骤420，用第二筛选策略对多个网格进行筛选。
在一些实施例中，第二筛选策略至少通过对网格数据中的历史行动数据与用户请求中的当前行动数据进行匹配来筛选。具体地，可以选取行动数据中的部分或全部参数，基于所选参数进行匹配。例如，可以对以下内容分别进行匹配：用户的当前行动速度(例如，步行速度、行驶速度、加速度、角速度、角加速度等)与每个网格的历史行动速度、用户的当前行动方向(例如，步行方向、行驶方向等)与每个网格的历史行动方向。
在一些实施例中，可以利用匹配算法，针对行动数据确定用户的定位请求与网格数据的匹配度，基于匹配度筛选出若干网格。所述匹配算法可以与步骤410中例举的匹配算法类似，此处不再赘述。
步骤430，用第三筛选策略对多个网格进行筛选。
在一些实施例中，第三筛选策略至少通过对网格数据中的历史用户偏好数据与用户请求中的偏好数据进行匹配来筛选。具体地，可以选取偏好数据中的部分或全部参数，基于所选参数进行匹配。例如，可以对以下内容分别进行匹配：用户的常驻点与每个网格的历史用户常驻点、用户的常用行驶路线与每个网格的历史常用行驶路线、用户的消费习惯与每个网格的历史消费习惯。
在一些实施例中，可以利用匹配算法，针对用户偏好数据确定用户的定位请求与网格数据的匹配度，基于匹配度筛选出若干网格。所述匹配算法可以与步骤410中例举的匹配算法类似，此处不再赘述。
除了上文所述的计算用户的定位请求与各网格的匹配度外，在一些实施例中，在用筛选策略对网格进行筛选时，可以计算用户位于每个网格处的概率，例如，可以采用联合概率、最大似然估计等算法计算该概率。在一些实施例中，对于筛选策略，可以建立与该筛选策略对应的筛选模型，该筛选模型处理用户的定位请求和多个网格的网格数据，得到筛选结果。例如，对于上述第一筛选策略可以建立第一筛选模型，该第一筛选模型的输入为用户的当前网络数据和各网格的网格数据，输出为用户的当前网络数据与各网格的网格数据的匹配度，或者输出为用户位于各网格处的概率。
步骤440，合并用不同筛选策略筛选出的网格，得到候选网格。
在一些实施例中，可以将所述多个网格中网格数据与所述定位请求的匹配度最高的网格确定为用所述筛选策略筛选出的网格。进一步的，可以将距离所述匹配度最高的网格设定范围内的网格确定为用所述筛选策略筛选出的网格。例如，用第一筛选策略对多个网格进行筛选，得到与所述用户请求中的当前网络数据匹配度最高的网格，然后以该匹配度最高的网格为中心点，进一步得到所述中心点设定半径范围内的多个网格，最后将所述筛选匹配度最高的网格以及距离所述筛选匹配度最高的网格设定范围内的网格确定为用所述筛选策略筛选出的网格。例如，匹配度最高的网格为中心点，所述中心点设定半径范围可以是50m，或者，可以是60m，得到所述中心点预设半径范围内的所有网格。在另一些实施例中，可以将所述多个网格中网格数据与所述定位请求匹配度满足设定条件的网格确定为用所述筛选策略筛选出的网格。例如，可以将匹配度前N高的网格确定为用所述筛选策略筛选出的网格，其中N为大于等于1的自然数。
在一些实施例中，可以将用筛选策略筛选出的网格汇总得到候选网格。例如，一共采用3种筛选策略，用筛选策略都筛选出50个网格，总共得到150个候选网格。当然，如果不同筛选策略筛选出的网格有重复，可以对重复的网格进行数据清洗。例如，第一筛选策略和第二筛选策略分别筛选出60个网格，其中有3个网格为重复网格，则需要将其从所述第一筛选策略或所述第二筛选策略筛选出的网格中进行剔除，然后可以利用筛选策略补加筛选3个网格，或者也可以将重复网格剔除后不再补加。用筛选策略筛选出的网格数量可以相同，也可以不同。例如，可以用筛选策略都筛选出50个网格，也可以用第一筛选策略筛选出60个网格，用第二筛选策略筛选出50个网格，用第三筛选策略筛选出40个网格。
应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程400进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，在一些实施例中，步骤410、420以及430可以同时进行，也可以依次进行。
本申请实施例可能带来的有益效果包括但不限于：(1)不同的筛选策略可以侧重于基于不同的参数对定位请求与网格数据进行匹配，从而可以尽可能地将用户所在位置可能属于的网格都筛选出来；(2)在通过网格筛选减轻精确匹配数据处理量的同时，最大程度避免在网格筛选过程中漏筛了可能的网格；(3)通过不同的筛选策略先进行网格筛选匹配，再进行定位匹配，可以在加快定位速度的基础上有效提高定位精度。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (24)

1.一种定位方法，其特征在于，包括：
获取用户的定位请求；
获取多个网格的网格数据；
根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格；
根据用所述筛选策略筛选出的网格确定候选网格；
对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
2.根据权利要求1所述的定位方法，其特征在于，所述根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格，包括：
对于所述至少一种筛选策略中的所述筛选策略，根据所述筛选策略对所述定位请求和所述多个网格的网格数据进行筛选匹配，根据筛选匹配结果确定用所述筛选策略筛选出的网格。
3.根据权利要求2所述的定位方法，其特征在于，所述根据所述筛选策略对所述定位请求和所述多个网格的网格数据进行筛选匹配，包括：
获取与所述筛选策略对应的筛选模型；
用所述筛选模型处理所述定位请求和所述多个网格的网格数据，得到筛选匹配结果。
4.根据权利要求2所述的定位方法，其特征在于，所述根据筛选匹配结果确定用所述筛选策略筛选出的网格，包括：
将所述多个网格中网格数据与所述定位请求的筛选匹配度满足设定条件的网格确定为用所述筛选策略筛选出的网格。
5.根据所述权利要求2所述的定位方法，其特征在于，所述根据筛选匹配结果确定通过所述筛选策略筛选出的网格，包括：
确定所述多个网格中网格数据与所述定位请求的筛选匹配度最高的网格；
将所述筛选匹配度最高的网格以及距离所述筛选匹配度最高的网格设定范围内的网格确定为用所述筛选策略筛选出的网格。
6.根据权利要求1所述的定位方法，其特征在于，
所述用户的定位请求包括以下内容中的至少一个：所述用户的当前网络数据、当前行动数据、偏好数据；
每个网格的网格数据包括以下内容中的至少一个：所述网格的网络数据、历史行动数据、历史用户偏好数据。
7.根据权利要求6所述的定位方法，其特征在于，所述至少一种筛选策略包括以下中的至少一种：
第一筛选策略，其至少通过对每个网格的网络数据与所述用户的当前网络数据进行匹配来筛选；
第二筛选策略，其至少通过对每个网格的历史行动数据与所述用户的当前行动数据进行匹配来筛选；
第三筛选策略，其至少通过对每个网格的历史用户偏好数据与所述用户的偏好数据进行匹配来筛选。
8.根据权利要求6所述的定位方法，其特征在于，所述用户的当前网络数据和/或所述网格的网络数据包括相应的网络地址、网络信号强度和/或网络缓存时间。
9.根据权利要求6所述的定位方法，其特征在于，所述用户的行动数据和/或所述网格的历史行动数据包括相应的行动速度和/或行动方向。
10.根据权利要求6所述的定位方法，其特征在于，所述用户的偏好数据和/或所述网格的历史用户偏好数据包括相应的用户常驻点、常用行驶路线和/或消费习惯。
11.根据权利要求1所述的定位方法，其特征在于，所述用所述筛选策略筛选出的网格包括设定数量的网格。
12.一种定位系统，其特征在于，包括：
第一获取模块，用于获取用户的定位请求；
第二获取模块，用于获取多个网格的网格数据；
网格筛选模块，用于根据所述定位请求和所述多个网格的网格数据，用至少一种筛选策略对所述多个网格进行筛选，得到用所述筛选策略筛选出的网格；并根据用所述筛选策略筛选出的网格确定候选网格；
精确定位模块，用于对所述定位请求与所述候选网格的网格数据进行定位匹配，从所述候选网格中确定定位网格，得到所述用户的定位。
13.根据权利要求12所述的定位系统，其特征在于，所述网格筛选模块还用于：
对于所述至少一种筛选策略中的所述筛选策略，根据所述筛选策略对所述定位请求和所述多个网格的网格数据进行筛选匹配，根据筛选匹配结果确定用所述筛选策略筛选出的网格。
14.根据权利要求13所述的定位系统，其特征在于，所述网格筛选模块还用于：
获取与所述筛选策略对应的筛选模型；
用所述筛选模型处理所述定位请求和所述多个网格的网格数据，得到筛选匹配结果。
15.根据权利要求13所述的定位系统，其特征在于，所述网格筛选模块还用于：
将所述多个网格中网格数据与所述定位请求的筛选匹配度满足设定条件的网格确定为用所述筛选策略筛选出的网格。
16.根据权利要求13所述的定位系统，其特征在于，所述网格筛选模块还用于：
确定所述多个网格中网格数据与所述定位请求的筛选匹配度最高的网格；
将所述筛选匹配度最高的网格以及距离所述筛选匹配度最高的网格设定范围内的网格确定为用所述筛选策略筛选出的网格。
17.根据权利要求12所述的定位系统，其特征在于，
所述用户的定位请求包括以下内容中的至少一个：所述用户的当前网络数据、当前行动数据、偏好数据；
每个网格的网格数据包括以下内容中的至少一个：所述网格的网络数据、历史行动数据、历史用户偏好数据。
18.根据权利要求17所述的定位系统，其特征在于，所述至少一种筛选策略包括以下中的至少一种：
第一筛选策略，其至少通过对每个网格的网络数据与所述用户的当前网络数据进行匹配来筛选；
第二筛选策略，其至少通过对每个网格的历史行动数据与所述用户的当前行动数据进行匹配来筛选；
第三筛选策略，其至少通过对每个网格的历史用户偏好数据与所述用户的偏好数据进行匹配来筛选。
19.根据权利要求17所述的定位系统，其特征在于，所述用户的当前网络数据和/或所述网格的网络数据包括相应的网络地址、网络信号强度和/或网络缓存时间。
20.根据权利要求17所述的定位系统，其特征在于，所述用户的行动数据和/或所述网格的历史行动数据包括相应的行动速度和/或行动方向。
21.根据权利要求17所述的定位系统，其特征在于，所述用户的偏好数据和/或所述网格的历史用户偏好数据包括相应的用户常驻点、常用行驶路线和/或消费习惯。
22.根据权利要求12所述的定位系统，其特征在于，所述用所述筛选策略筛选出的网格包括设定数量的网格。
23.一种定位装置，包括处理器，其特征在于，所述处理器用于执行权利要求1～11中任一项所述的定位方法。
24.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～11任一项所述的定位方法。
CN202010377367.0A 2020-05-07 2020-05-07 一种定位方法和系统 Pending CN111867053A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010377367.0A CN111867053A (zh) 2020-05-07 2020-05-07 一种定位方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010377367.0A CN111867053A (zh) 2020-05-07 2020-05-07 一种定位方法和系统

Publications (1)

Publication Number Publication Date
CN111867053A true CN111867053A (zh) 2020-10-30

Family

ID=72985734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010377367.0A Pending CN111867053A (zh) 2020-05-07 2020-05-07 一种定位方法和系统

Country Status (1)

Country Link
CN (1) CN111867053A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008089288A2 (en) * 2007-01-17 2008-07-24 Qualcomm Incorporated Method and apparatus for using historic network information for determining approximate position
JP2010071977A (ja) * 2008-08-20 2010-04-02 Seiko Epson Corp 初期位置決定方法、測位方法及び測位装置
CN104135718A (zh) * 2014-08-15 2014-11-05 百度在线网络技术（北京）有限公司 一种位置信息的获取方法及装置
CN104636482A (zh) * 2015-02-16 2015-05-20 百度在线网络技术（北京）有限公司 用于确定目标地址的方法和装置
CN105307263A (zh) * 2014-06-19 2016-02-03 中国电信股份有限公司 个性化定位方法、装置与移动终端
CN105516929A (zh) * 2016-01-25 2016-04-20 赵佳 建立室内地图数据的方法、室内定位方法及对应装置
CN109699003A (zh) * 2018-12-12 2019-04-30 北京三快在线科技有限公司 位置确定方法及装置
CN110166991A (zh) * 2019-01-08 2019-08-23 腾讯大地通途（北京）科技有限公司 用于定位电子设备的方法、设备、装置以及存储介质
CN110234062A (zh) * 2018-03-05 2019-09-13 腾讯科技（深圳）有限公司 定位方法、定位装置、服务器和计算机可读存储介质
CN110972071A (zh) * 2019-10-29 2020-04-07 福建星网智慧软件有限公司 一种多模定位方法、定位服务器、终端和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008089288A2 (en) * 2007-01-17 2008-07-24 Qualcomm Incorporated Method and apparatus for using historic network information for determining approximate position
JP2010071977A (ja) * 2008-08-20 2010-04-02 Seiko Epson Corp 初期位置決定方法、測位方法及び測位装置
CN105307263A (zh) * 2014-06-19 2016-02-03 中国电信股份有限公司 个性化定位方法、装置与移动终端
CN104135718A (zh) * 2014-08-15 2014-11-05 百度在线网络技术（北京）有限公司 一种位置信息的获取方法及装置
CN104636482A (zh) * 2015-02-16 2015-05-20 百度在线网络技术（北京）有限公司 用于确定目标地址的方法和装置
CN105516929A (zh) * 2016-01-25 2016-04-20 赵佳 建立室内地图数据的方法、室内定位方法及对应装置
CN110234062A (zh) * 2018-03-05 2019-09-13 腾讯科技（深圳）有限公司 定位方法、定位装置、服务器和计算机可读存储介质
CN109699003A (zh) * 2018-12-12 2019-04-30 北京三快在线科技有限公司 位置确定方法及装置
CN110166991A (zh) * 2019-01-08 2019-08-23 腾讯大地通途（北京）科技有限公司 用于定位电子设备的方法、设备、装置以及存储介质
CN110972071A (zh) * 2019-10-29 2020-04-07 福建星网智慧软件有限公司 一种多模定位方法、定位服务器、终端和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张怡霄等: "基于聚类与网格搜索的TDOA/DOA联合定位方法", 《战术导弹技术》 *

Similar Documents

Publication Publication Date Title
Toch et al. Analyzing large-scale human mobility data: a survey of machine learning methods and applications
JP6918087B2 (ja) オン・デマンドサービスの情報を提供する方法及びシステム
US11562168B2 (en) Clustering for K-anonymity in location trajectory data
US20240015481A1 (en) Providing, organizing, and managing location history records of a mobile device
Xiao et al. GOI: A novel design for vehicle positioning and trajectory prediction under urban environments
Xu et al. A survey for mobility big data analytics for geolocation prediction
US10546043B1 (en) Triangulation for K-anonymity in location trajectory data
US9807565B2 (en) Predictive user assistance
CN104281709B (zh) 交通信息瓦片地图的生成方法和系统
CN108834077B (zh) 基于用户移动特性的跟踪区划分方法、装置及电子设备
CN105893537B (zh) 地理信息点的确定方法和装置
CN110414732A (zh) 一种出行未来轨迹预测方法、装置、储存介质及电子设备
CN105635956A (zh) 一种基于室内虚拟地标的定位方法及装置
CN104469932A (zh) 一种基于支持向量机的位置指纹定位方法
CN111859174A (zh) 一种确定推荐上车点的方法和系统
Xiao et al. Multi-user mobile sequential recommendation for route optimization
CN111047130A (zh) 用于交通分析和管理的方法和系统
CN112579922A (zh) 一种基于用户轨迹的兴趣点推荐方法
CN111881225A (zh) 一种修正上车点名称的方法和系统
CN114548811A (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
CN111159317B (zh) 用于确定路径拓扑关系的系统和方法
Chen et al. An analysis of movement patterns between zones using taxi GPS data
CN111291278B (zh) 轨迹相似度的计算方法、装置、存储介质及终端
Chandio et al. An approach for map-matching strategy of GPS-trajectories based on the locality of road networks
CN111867053A (zh) 一种定位方法和系统

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230228