CN112819916B - 工人在车间移动停留时间概率峰谷图的绘制方法及其应用 - Google Patents

工人在车间移动停留时间概率峰谷图的绘制方法及其应用 Download PDF

Info

Publication number
CN112819916B
CN112819916B CN202011598115.7A CN202011598115A CN112819916B CN 112819916 B CN112819916 B CN 112819916B CN 202011598115 A CN202011598115 A CN 202011598115A CN 112819916 B CN112819916 B CN 112819916B
Authority
CN
China
Prior art keywords
worker
probability
time
moving
track
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.)
Active
Application number
CN202011598115.7A
Other languages
English (en)
Other versions
CN112819916A (zh
Inventor
曾令杰
高军
章睿妍
侯玉梅
张承全
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202011598115.7A priority Critical patent/CN112819916B/zh
Publication of CN112819916A publication Critical patent/CN112819916A/zh
Application granted granted Critical
Publication of CN112819916B publication Critical patent/CN112819916B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)

Abstract

一种工人在车间移动停留时间概率峰谷图的绘制方法，运用行人航迹推算算法PDR，对典型工业环境中工人移动的平面线轨迹进行现场动态识别，进而根据时间和平面轨迹同步识别数据，计算轨迹线上工人停留时间的概率分布，最终基于轨迹线的平面重叠性及概率叠加性，绘制工人移动平面域内的概率峰谷图。本发明可将工人在生产过程中移动行为的稳定性、周期性等特点反馈到概率峰谷图中，通过工人移动轨迹的参数化并图像化，使统计工人移动停留时间的峰谷值概率及其移动边界在实施上简洁易行，解决了工位送风所对应的人员移动区域模糊、不确定的问题，可为实际工程中工位送风气流主要覆盖范围的确定提供支撑。

Description

工人在车间移动停留时间概率峰谷图的绘制方法及其应用
技术领域
本发明属于工业环境作业工人移动规律统计领域，涉及工人在车间移动停留时间概率峰谷图的绘制方法。
背景技术
调研发现，在采用或不采用呼吸防护用品的很多工业场合，工人实际的呼吸暴露浓度并不低，即使配以工位送风，在工人移动距离较大时，送风气流对呼吸防护用品的辅助作用也是很难奏效的。同时，工业建筑中工位送风所对应的人员移动区往往是模糊的，既位于生产工艺和操作要求的特定区域内，又由工人无法避免的移动而使空间范围变大且不明确，使得实践中很多工位送风失效(移动距离≥1m)。有学者指出，工人移动过程会降低工位送风效率，增加工人的污染暴露。实际上，现有的工位送风气流设计中，隐含着一个认为工人不移动或不考虑工人移动的条件，这种状况降低了高污染工业场所传统工位送风气流的有效性。而相关领域的研究则证实生产线工人移动轨迹具有明显的概率和统计特征，，但目前仍缺乏行之有效的工人移动轨迹的量化统计方法。
为满足工人移动过程中的呼吸防护需求，需要对工人移动轨迹进行追踪和参数化描述。全球卫星定位系统在室内环境使用时的精度较差，导致传统室外定位技术难以为室内应用提供可靠服务。围绕室内人员定位追踪技术的需求，现已发展出基于超宽带的定位方法、激光扫描定位法、红外线信号反馈定位法、射频识别技术及视频图像定位等，将上述方法得到的定位结果沿时间排序即形成室内人员轨迹追踪。以上方法往往需要依赖特定的基础设施，人力成本和时间成本较高。
发明内容
针对上述现有技术的缺点，本发明的目的在于提出一种工人在车间移动停留时间概率峰谷图的绘制方法。
为达到上述目的，本发明采用的技术方案是：
本发明摒弃了人员实时定位的复杂路线，依据工人在生产过程中移动行为的稳定性、周期性等特点，利用行人航迹推算技术将移动过程的在线信息转化为离线信息，通过工人移动轨迹及停留时间概率的多次测定与统计，以网格化聚类的方式绘制工人移动停留时间概率峰谷图。作为一种低花费、持续性好的室内人员定位追踪手段，基于智能手机的PDR技术，其利用智能手机内置磁力计和陀螺仪提供的方向数据以及三轴加速仪提供的加速度数据自发计算室内人员在各个时刻的位置数据；可通过垂直方向的加速度信息判断人处于行走或是站立状态；结合人员初始位置修正，该技术可广泛用于人员移动轨迹信息的精细化计算。据相关研究报道，大多数工业场所生产工艺和生产模式相对稳定，人员操作流程模式化、标准化、固定化，相比民用建筑内人员的行为，其移动边界比较清晰，移动轨迹具有显著统计性，甚至各处停留时间概率可测。将PDR技术得到的工人移动轨迹数据进行聚类统计，并据此发明一种工人移动停留时间概率峰谷图的绘制方法，对于明确工位送风气流的可及性、有效性范围，进而为气流优化提供边界具有重要意义。
一种工人在车间移动停留时间概率峰谷图的绘制方法，运用行人航迹推算算法(PDR)，对典型工业环境中工人移动的平面线轨迹进行现场动态识别，进而根据时间和平面轨迹同步识别数据，计算轨迹线上工人停留和移动时间的概率分布，最终基于轨迹线的平面重叠性及概率叠加性，绘制工人移动平面域内的概率峰谷图。该方法为确定移动工人呼吸防护的重点区域及其移动过程所覆盖的边界问题提供了理论依据。包括以下步骤：
(1)以加速度为分类依据，定义工人运动状态(行走、站立操作)；采集智能手机内置磁力计与陀螺仪提供的方向数据以及三轴加速计提供的加速度数据；
(1.1)工人携带智能手机在单个设备运行周期内完成正常的工艺操作，手机中的惯性传感器记录工人的方向与加速度信息，定义当记录的合成加速度趋于0时，认为工人处于站立操作状态；当Z轴加速度值呈正弦波动时，认为工人处于行走状态；
(1.2)工人移动的方位角hk可通过磁力计与陀螺仪提供的数据计算得到，公式如下：
Figure BDA0002868626490000021
式中，
Figure BDA0002868626490000022
和
Figure BDA0002868626490000023
分别为磁力计和陀螺仪检测到的第k步方位角变化值；λmag和λgyro分别为对应的权重系数，在室内环境下一般取λmag＝λgyro＝0.5。
(1.3)工人在T时长内的移动步数通过统计三轴加速计中的Z轴加速度曲线的正弦波数目得到，加速度曲线上除正弦波外的其余曲线代表工人在这段时间处于站立操作状态。
(1.4)工人移动步长可由如下公式近似给出：
Figure BDA0002868626490000024
式中，amax(k)和amin(k)分别为第k步的最大和最小合成加速度；μ为步长系数，与工人自身特点(身高，体重及年龄等)有关；sL为工人移动的步长，m；sN为
Figure BDA0002868626490000025
和
Figure BDA0002868626490000026
两个坐标间的工人移动步数。
(2)航迹推算算法(PDR)的数学描述如下：
Figure BDA0002868626490000027
式中，
Figure BDA0002868626490000031
为t＝T时刻工人在第i个位置的坐标；(x0,y0)为t＝0时刻工人的初始坐标；h为工人移动的方位角。
(2.1)引入二维参考坐标系对工人的初始位置进行描述，对于在某工位上来回移动操作的工人而言，可以将二维参考坐标系的原点设置在固定的工艺设备上，其余点的位置坐标则可根据公式(3)计算得到。
(2.2)将从初始位置(x0,y0)到第i个位置
Figure BDA0002868626490000032
的总时长T离散为n个Δt，即Δt＝T/n，每个Δt对应一个轨迹点位置，则得到轨迹点对应的时间序列。
(3)根据(1)中所述平面轨迹及(2)中所述各轨迹点对应时间序列的识别结果，考虑到工人平面轨迹时间概率分布累积和为1，则轨迹线上工人移动和停留的时间概率分布可由如下公式进行描述：
Figure BDA0002868626490000033
其中，Ps为时长Tj内识别步数(sNj)为0时工人的停留时间概率，存在等式Tj＝∑Δtj；Pw为时长Δtr内识别步数(sNr)不为0时的工人移动时间概率，存在不等式Δtr＞Δtss，Δtss为工人移动一步所需时间；Tp为设备单个运行周期。
(4)基于轨迹线的平面重叠性及概率可叠加性，根据以上公式(3)和(4)，即可对工人在单个设备运行周期内各轨迹点的停留时间概率及移动过程中的移动时间概率进行统计、网格化聚类，根据所得概率分布即可绘制工人在移动平面域内的时间概率峰谷图。
(4.1)所述对工人移动停留时间概率进行统计、网格化聚类需首先对工人移动面域划分网格区域，并统计网格区域内工人移动停留时间的累积概率；其次，需划分不同的概率区间，统计各网格区域内的工人移动停留时间累积概率落在各概率区间内的概率，根据这个概率分布绘制所述概率峰谷图。
由于采用上述技术方案，本发明取得的有益效果包括：
本申请的技术方案的优点为所述工人在车间移动停留时间概率峰谷图的绘制方法可将工人在生产过程中移动行为的稳定性、周期性等特点反馈到概率峰谷图中，通过工人移动轨迹的参数化并图像化，使统计工人移动停留时间的峰谷值概率及其移动边界在实施上简洁易行，解决了工位送风所对应的人员移动区域模糊、不确定的问题，可为实际工程中工位送风气流主要覆盖范围的确定提供支撑。
附图说明
图1为本发明的方法实现流程图。
图2为橡胶硫化车间内工人可移动区域实拍图。
图3为航迹推算算法(PDR)对应的矢量三角形图。
图4为智能手机内置三轴加速计中的Z轴加速度曲线随时间变化规律图。
图5为二维参考坐标系确定的工人初始位置(以固定设备作为原点)图。
图6为工人移动区域内的停留时间概率峰谷示意图。
图7为工人移动轨迹辨识和概率云图生成示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步的说明。
图1为本发明实现流程图。在诸如橡胶硫化车间这样的多设备工业场合，如图2所示，工人需要在负责的几台固定设备间往返移动，形成特定的轨迹线。可先采用PDR方法对工人的运动轨迹进行记录分析。
所述PDR方法的坐标关系可由如图3所示的矢量三角形表示。图中，h为工人移动的方位角，该值可通过磁力计与陀螺仪提供的数据计算得到，公式如下：
Figure BDA0002868626490000041
式中，
Figure BDA0002868626490000042
和
Figure BDA0002868626490000043
分别为磁力计和陀螺仪检测到的第k步方位角变化值；λmag和λgyro分别为对应的权重系数，在室内环境下一般取λmag＝λgyro＝0.5。
图3中，斜边上的sN为工人在
Figure BDA0002868626490000044
和
Figure BDA0002868626490000045
两个坐标间(T时长)的移动步数，其值通过统计三轴加速计中的Z轴加速度曲线的正弦波数目得到，如图4所示，Z轴加速度曲线内有M个正弦波则代表工人在这段时间内移动了M步，对于本实施例，工人在该时长内的移动步数为10步，对于没有明显正弦波的其它时间则可识别为工人处于站立操作状态。
斜边上的sL为工人移动的步长，其值通过如下非线性步长公式近似给出
Figure BDA0002868626490000046
式中，amax(k)和amin(k)分别为第k步的最大和最小合成加速度；μ为步长系数，与工人自身特点(身高，体重及年龄等)有关，对于30岁，体重65kg，身高170cm的工人而言，该步长系数取0.75。
由上，我们可以将航迹推算算法(PDR)的数学描述通过如下公式进行表达：
Figure BDA0002868626490000047
式中，
Figure BDA0002868626490000051
为t＝T时刻工人在第i个位置的坐标；(x0,y0)为t＝0时刻工人的初始坐标。
实际中，工人的初始位置往往是随机的，而根据公式(3)，后续时刻的工人位置又显著依赖于该初始位置，故需引入二维参考坐标系对工人的初始位置进行描述，对于在某工位上来回移动操作的工人而言，可以将二维参考坐标系的原点(0,0)设置在固定的工艺设备上，如图5所示，其余点的位置坐标则可根据以上公式计算得到。
将从初始位置(x0,y0)到第i个位置
Figure BDA0002868626490000052
的时长T离散为n个Δt，即Δt＝T/n，每个Δt对应一个轨迹点位置，则得到轨迹点对应的时间序列，表示为[(xn,yn),Δt]。
根据平面轨迹及各轨迹点对应时间序列的识别结果，考虑到工人平面轨迹时间概率分布累积和为1，则轨迹线上工人移动和停留的时间概率分布可由如下公式进行描述：
Figure BDA0002868626490000053
式中，Ps为时长Tj内识别步数为0时工人的停留时间概率，存在等式Tj＝∑Δtj；Pw为时长Δtr内识别步数不为0时的工人移动时间概率，存在不等式Δtr＞Δtss，Δtss为工人移动一步所需时间；Tp为设备单个运行周期。
需要指出的是工人的移动轨迹、时间概率分布在每个设备运行周期内可能有差异，即工人在每个周期内的移动可能会有所不同，还需对工人移动轨迹进行多次识别后利用统计分析的方法抽象出最终的轨迹、概率，即：
Figure BDA0002868626490000054
式中，Ps最终和Pw最终分别为经多次识别统计后得到的最终的工人移动、停留时间概率；Np为统计的工人移动周期数目。
针对某单台生产设备，假设识别出的操作工人的活动范围为1个6m×6m的正方形区域，将该区域等分为144个0.5m×0.5m的小正方形网格，在3个设备运行周期内使工人配戴智能手机进行正常的工艺操作，利用手机内置的磁力计与陀螺仪提供的方向数据以及三轴加速计提供的加速度数据结合PDR方法得到工人在这3个设备运行周期内的轨迹数据，进而将得到的轨迹数据按公式(4)和公式(5)进行统计，对落在每个小正方形网格里的时间概率进行累积求和，则得到每个小方形网格对应的概率值。将工人在各小正方形网格内的停留时间概率区间划分为P≥0.05、0.02≤P＜0.05、0.005≤P＜0.02、0.001≤P＜0.005及0≤P＜0.001，每个概率区间对应不同的颜色，如P≥0.05对应红色(在专利附图中对应灰度最高的颜色)，代表工人在此正方形网格格停留的概率处于峰值，而0≤P＜0.001对应蓝色(在专利附图中处于该概率区间的网格数目最多)，代表工人在此正方形网格停留的概率处于谷值。接下来，根据概率值大小及所划分的概率区间对所有正方形网格进行上色，最终得到类似云图的概率峰谷图，如图6所示。以上实施例的实现过程可简化为图7，即首先结合PDR方法和智能手机提供的工人移动方向、加速度数据对工人移动规律进行记录，随后利用时间概率统计法、网格化聚类方法绘制工人移动停留时间概率峰谷图。
上述相关说明以及对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些内容做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述相关说明以及对实施例的描述，本领域的技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (4)

1.一种工人在车间移动停留时间概率峰谷图的绘制方法，其特征在于：运用行人航迹推算算法PDR，对典型工业环境中工人移动的平面线轨迹进行现场动态识别，进而根据时间和平面轨迹同步识别数据，计算轨迹线上工人停留时间的概率分布，最终基于轨迹线的平面重叠性及概率叠加性，绘制工人移动平面域内的概率峰谷图：
步骤(1):以加速度为分类依据，定义工人运动状态，包括行走、站立操作；采集智能手机内置磁力计与陀螺仪提供的方向数据以及三轴加速计提供的加速度数据；
步骤(1.1):工人携带智能手机在单个设备运行周期内完成正常的工艺操作，手机中的惯性传感器记录工人的方向与加速度信息，定义当记录的合成加速度趋于0时，认为工人处于站立操作状态；当Z轴加速度值呈正弦波动时，认为工人处于行走状态；
步骤(1.2):工人移动的方位角hk可通过磁力计与陀螺仪提供的数据计算得到，公式如下：
Figure FDA0003695374050000011
式中，hk mag和hk gyro分别为磁力计和陀螺仪检测到的第k步方位角变化值；λmag和λgyro分别为对应的权重系数，在室内环境下取λmag＝λgyro＝0.5；
步骤(1.3):工人在T时长内的移动步数通过统计三轴加速计中的Z轴加速度曲线的正弦波数目得到，加速度曲线上除正弦波外的其余曲线代表工人在这段时间处于站立操作状态；
步骤(1.4):工人移动步长可由如下公式近似给出：
Figure FDA0003695374050000026
式中，amax(k)和amin(k)分别为第k步的最大和最小合成加速度；μ为步长系数，与工人自身特点有关；
步骤(2):所述航迹推算算法PDR的数学描述如下：
Figure FDA0003695374050000021
式中，
Figure FDA0003695374050000022
为t＝T时刻工人在第i个位置的坐标；(x0,y0)为t＝0时刻工人的初始坐标；h为工人移动的方位角；sL为工人移动的步长；sN为
Figure FDA0003695374050000023
和(x0,y0)两个坐标间的工人移动步数；
步骤(2.1):引入二维参考坐标系对工人的初始位置进行描述，对于在某工位上来回移动操作的工人而言，可以将二维参考坐标系的原点设置在固定的工艺设备上，其余点的位置坐标则可根据所述航迹推算算法PDR的数学描述计算得到；
步骤(2.2):将从初始位置(x0,y0)到第i个位置
Figure FDA0003695374050000024
的时长T离散为n个Δt，每个Δt对应一个轨迹点位置，则得到轨迹点对应的时间序列；
步骤(3):根据步骤(1)中所述平面轨迹及步骤(2)中所述各轨迹点对应时间序列的识别结果，考虑到工人平面轨迹时间概率分布累积和为1，则轨迹线上工人移动和停留的时间概率分布可由如下公式进行描述：
Figure FDA0003695374050000025
∑Ps+∑Pw＝1
其中，Ps为时长Tj内识别步数为0时工人的停留时间概率，存在等式Tj＝∑Δtj；Pw为时长Δtr内识别步数不为0时的工人移动时间概率，存在不等式Δtr＞Δtss，Δtss为工人移动一步所需时间；Tp为设备单个运行周期；
步骤(4):基于轨迹线的平面重叠性及概率可叠加性，根据以上步骤(2)和步骤(3)中所述公式，即可对工人在单个设备运行周期内各轨迹点的停留时间概率及移动过程中的移动时间概率进行统计、网格化聚类，根据所得概率分布即可绘制工人在移动平面域内的时间概率峰谷图。
2.根据权利要求1所述的工人在车间移动停留时间概率峰谷图的绘制方法，其特征在于，所述工人自身特点包括身高、体重及年龄。
3.根据权利要求1所述的工人在车间移动停留时间概率峰谷图的绘制方法，其特征在于，步骤(4)中：所述对工人移动停留时间概率进行统计、网格化聚类需首先对工人移动面域划分网格区域，并统计网格区域内工人移动停留时间的累积概率；其次，需划分不同的概率区间，统计各网格区域内的工人移动停留时间累积概率落在各概率区间内的概率，根据这个概率分布绘制所述概率峰谷图。
4.权利要求1至3中任一所述绘制方法的应用，其特征在于：为确定移动工人呼吸防护的重点区域及其移动过程所覆盖的边界问题提供依据。
CN202011598115.7A 2020-12-29 2020-12-29 工人在车间移动停留时间概率峰谷图的绘制方法及其应用 Active CN112819916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011598115.7A CN112819916B (zh) 2020-12-29 2020-12-29 工人在车间移动停留时间概率峰谷图的绘制方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011598115.7A CN112819916B (zh) 2020-12-29 2020-12-29 工人在车间移动停留时间概率峰谷图的绘制方法及其应用

Publications (2)

Publication Number Publication Date
CN112819916A CN112819916A (zh) 2021-05-18
CN112819916B true CN112819916B (zh) 2022-08-19

Family

ID=75856121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011598115.7A Active CN112819916B (zh) 2020-12-29 2020-12-29 工人在车间移动停留时间概率峰谷图的绘制方法及其应用

Country Status (1)

Country Link
CN (1) CN112819916B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516007A (zh) * 2017-08-02 2017-12-26 京津冀环境气象预报预警中心 一种气团停留时长计算方法
CN108182320A (zh) * 2017-12-28 2018-06-19 武汉理工大学 面向内河航道的自由漂移物体搁浅概率分布计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10547976B2 (en) * 2016-09-07 2020-01-28 Invensense, Inc. Method and system for assigning point of sale information
CN106441292B (zh) * 2016-09-28 2019-08-02 哈尔滨工业大学 一种基于众包imu惯导数据的楼宇室内平面图建立方法
CN108444473B (zh) * 2018-03-20 2020-08-28 南京华苏科技有限公司 一种行人室内轨迹定位方法
CN109743680B (zh) * 2019-02-28 2020-01-31 电子科技大学 一种基于pdr结合隐马尔可夫模型的室内在线定位方法
CN111595344B (zh) * 2020-06-01 2023-02-24 中国矿业大学 一种基于地图信息辅助的多姿态下行人行位推算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516007A (zh) * 2017-08-02 2017-12-26 京津冀环境气象预报预警中心 一种气团停留时长计算方法
CN108182320A (zh) * 2017-12-28 2018-06-19 武汉理工大学 面向内河航道的自由漂移物体搁浅概率分布计算方法

Also Published As

Publication number Publication date
CN112819916A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN105263113B (zh) 一种基于众包的WiFi位置指纹地图构建方法及其系统
CN106793086B (zh) 一种室内定位方法
CN111491367B (zh) 一种基于群智感知和多融合技术的室内定位方法
WO2019233054A1 (zh) 一种智慧教室内的指纹定位方法及系统
CN106597360B (zh) 基于rfid的机器人对室内目标实时动态定位监控方法
CN106714110A (zh) 一种Wi‑Fi位置指纹地图自动构建方法及系统
CN106248107B (zh) 一种基于室内地磁轨迹匹配的航迹推断校准方法和装置
CN110346758A (zh) 应用于变电站巡检人员的超宽带定位与警示方法
CN111879305B (zh) 一种面向高危生产环境的多模态感知定位模型与系统
Sun et al. Device‐free wireless localization using artificial neural networks in wireless sensor networks
CN103220777A (zh) 一种移动设备定位系统
CN108537101B (zh) 一种基于状态识别的行人定位方法
CN108426582B (zh) 行人室内三维地图匹配方法
CN113326964B (zh) 一种基于数据复合多级综合管廊风险管控方法及方法
CN109164411A (zh) 一种基于多数据融合的人员定位方法
CN109668568A (zh) 一种利用环视全景成像进行定位导航的方法
CN111698774A (zh) 基于多源信息融合的室内定位方法及装置
CN107990900A (zh) 一种行人室内定位数据的粒子滤波器模型设计方法
CN111783295B (zh) 城市社区特定人行为链动态识别与预测评估方法及系统
Wang et al. An adaptive indoor positioning method using multisource information fusion combing Wi-Fi/MM/PDR
CN112446543A (zh) 基于神经网络的城市地下综合管廊风险管控系统及方法
CN106197418B (zh) 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
CN112819916B (zh) 工人在车间移动停留时间概率峰谷图的绘制方法及其应用
CN108469727A (zh) 一种高层建筑的防护施工平台
CN109640253B (zh) 一种移动机器人定位方法

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
GR01 Patent grant
GR01 Patent grant