CN113591017A - 室内导航的方法、系统、装置及可读存储介质 - Google Patents

室内导航的方法、系统、装置及可读存储介质 Download PDF

Info

Publication number
CN113591017A
CN113591017A CN202110865979.9A CN202110865979A CN113591017A CN 113591017 A CN113591017 A CN 113591017A CN 202110865979 A CN202110865979 A CN 202110865979A CN 113591017 A CN113591017 A CN 113591017A
Authority
CN
China
Prior art keywords
path
merchant
user
actual
preference
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.)
Granted
Application number
CN202110865979.9A
Other languages
English (en)
Other versions
CN113591017B (zh
Inventor
黎平
何一兵
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.)
Hangzhou Lianlianhui Network Technology Co ltd
Original Assignee
Hangzhou Lianlianhui Network Technology 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 Hangzhou Lianlianhui Network Technology Co ltd filed Critical Hangzhou Lianlianhui Network Technology Co ltd
Priority to CN202110865979.9A priority Critical patent/CN113591017B/zh
Publication of CN113591017A publication Critical patent/CN113591017A/zh
Application granted granted Critical
Publication of CN113591017B publication Critical patent/CN113591017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种室内导航的方法，包括以下步骤：获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径；获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度；获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。若用户在一定时间下产生路径偏差，则根据用户的喜好度重新推送路线，进而对初始推送路径进行替换。

Description

室内导航的方法、系统、装置及可读存储介质
技术领域
本发明涉及通讯技术领域，尤其涉及一种室内导航的方法、系统、装置及可读存储介质。
背景技术
在现有室内导航技术，针对用户到达目标商户推荐最优路线，比如时间最短路线或者距离最短路线等，由于商场的特殊性，其实推荐路线很容易变动，往往推荐的路线用户并没有用上或者是用户根本就不喜欢，由于商场和普通道路并不一样，因此根据用户实际路线及时调整最优路径其实难度很大，并且精度不高，而且并不能推荐出用户感兴趣的路径。
发明内容
本发明针对现有技术中的缺点，提供了一种室内导航的方法、系统、装置及可读存储介质。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
一种室内导航的方法，包括以下步骤：
获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格，其中，时段内所用时长至少小于完成最佳预设路径所有时长的三分之一；
若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
作为一种的可实施方式，所述获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，具体步骤为：
获取用户当前时段所在位置及第一商户信息，基于第一商户信息与目标商户信息得到最优路径为f(m)＝g(m)+h(m)，其中，f(m)是节点m从初始节点到目标节点的综合估价，g(m)是在状态空间中从初始节点到m节点的实际代价，h(m)是从m到目标节点最佳路径的估计代价，表示如下：
Figure BDA0003187502360000021
其中，(i，j)表示初始点在数字地图中的坐标，(x，y)表示终点在数字地图中的坐标，D*和D*(i，j)分别表示初始节点和目标节点处的拥堵程度，所述拥挤程度通过商场人流量数据得到。
作为一种的可实施方式，所述获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，具体步骤包括：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure BDA0003187502360000022
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。
作为一种的可实施方式，所述用户偏好度通过以下步骤获得：
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝Σu∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
作为一种的可实施方式，所述基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径，具体为：
获取当前商户门店的图片，提取当前图片指纹；
将所述指纹与数据库内所保存的所有商户指纹进行比对，选出与当前图片指纹对比最相似的商户指纹；
基于用户偏好度筛选出关联度最高的若干个商户，通过目标商户的位置对若干个商户进行第二次筛选得到筛选结果，基于筛选结果获取相应指纹并获取若干个途中商户，其中，第二次筛选规则为与当前商户同层或与目标商户同层；
根据商户指纹获取当前节点，以当前节点作为起始节点，将若干个途中商户作为参考节点，得到第二预设路径，其中，第二预设路径中包含途中商户的优惠情况。
一种室内导航的系统，包括获取信息模块、数据对比模块、判断模块及取代模块；
所述获取信息模块，用于获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
所述数据对比模块，用于获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
所述判断模块，若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
所述取代模块，用于获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
作为一种的可实施方式，所述数据对比模块被设置为：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将第一分段路径涉及的第一网格情况与第二分段路径所涉及的第二网格情况依次进行比对，两组网格的位置与数量都相同则实际路径和最佳预设路径一致；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure BDA0003187502360000041
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。
作为一种的可实施方式，所述判断模块被设置为：
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝∑u∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述的方法步骤：
获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
一种室内导航的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述的方法步骤：
获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
本发明由于采用了以上技术方案，具有显著的技术效果：
通过本发明的技术方案，可以实时或者间隔的获取用户所在的位置，用户可以通过拍照商家照片来进行定位，并及时给用户推送路径，若用户在一定时间下产生路径偏差，则根据用户的喜好度重新推送路线，进而对初始推送路径进行替换。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明方法的整体流程示意图；
图2是本发明系统的整体结构示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1：
一种室内导航的方法，如图1所示，包括以下步骤：
S100、获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
S200、获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
S300、若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
S400、获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
在现有技术中，用户在商场中寻找指定商家很容易迷路，为了用户的良好体验，可以为用户推送预设的最佳路径，这个最佳路径可以是距离最短的或者用时最少的路径，在推荐的时候往往会结合商场人流量为用户进行推荐，但是，在逛商场时，其实容易受外界因素干扰，用户的路径可能会和最佳预设路径不同，比如，用户想要买其他东西或者观摩商家活动等，因此，如果实际路径和最佳预设路径发生偏差，也就是路径重复度小于预先设定的值，则用户是根据自己的偏好度而走的，在获取到用户已经完成的实际路径后，会对用户的偏好度进行统计，通过用户的偏好度对用户指定到达目标商户的第二预设路径，并且此预设路径中会携带偏好度较高商户的优化信息及目前人流量情况。
在商场中，获取用户已经完成的路径并不难，而且实时的关注用户的路线并不属于侵犯个人隐私，所以可以通过已经完成的路径对用户的偏好度进行总结。
获取用户当前时段所在位置中第二商户信息可以通过用户拍照获取，比如直接对第二商户进行拍照或者是预先在每家商户门口设置二维码，此二维码包含了第二商户的所有信息，通过这样的方式很容易获取到用户当前时段所在位置中第二商户信息。
在一个实施例中，所述获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，具体步骤为：
获取用户当前时段所在位置及第一商户信息，基于第一商户信息与目标商户信息得到最优路径为f(m)＝g(m)+h(m)，其中，f(m)是节点m从初始节点到目标节点的综合估价，g(m)是在状态空间中从初始节点到m节点的实际代价，h(m)是从m到目标节点最佳路径的估计代价，表示如下：
Figure BDA0003187502360000061
其中，(i，j)表示初始点在数字地图中的坐标，(x，y)表示终点在数字地图中的坐标，D*和D*(i，j)分别表示初始节点和目标节点处的拥堵程度，所述拥挤程度通过商场人流量数据得到。在现有技术中很容易获取到商场每个角落的人流量数据，拥堵程度就是根据人流量数据进行判定的，依据现有技术很容易就可以实现，在此不再赘述。
具体地，所述获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，具体步骤包括：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure BDA0003187502360000071
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。在此过程中考虑到了自适应权重，在搜集坐标点的时候会使得结果更加精准。此余弦相似度公式是经过优化的，现有的余弦相似度公式在实际操作中精确度不是很高，因此结合本发明的实际使用情况，将余弦相似度公式进行了改进，加入了惯性权重和自适应权重，这样更便于调整和坐标的自适应，会使得误差更小。
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝Σu∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
在用户逛街时，其实干扰因素很多，但是其实很容易获取到用户的行为特征和商户的状态特征，比如，用户在一个商户中逛了很久，也对某一个物品很感兴趣，但是就是没有交易数据，一般情况下就是因为商品的价格不合适导致没有购买，如果用户在一个商户的门口驻足很久或者商户门口排队的人很多，其实这些都会产生用户对商户的偏好度，因此，根据实际路径中用户的行为特征及商户的状态特征得到用户对商场内商户的偏好度，以便于推送第二预设路径。
最后，所述基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径，具体为：
获取当前商户门店的图片，提取当前图片指纹；
将所述指纹与数据库内所保存的所有商户指纹进行比对，选出与当前图片指纹对比最相似的商户指纹；
基于用户偏好度筛选出关联度最高的若干个商户，通过目标商户的位置对若干个商户进行第二次筛选得到筛选结果，基于筛选结果获取相应指纹并获取若干个途中商户，其中，第二次筛选规则为与当前商户同层或与目标商户同层；
根据商户指纹获取当前节点，以当前节点作为起始节点，将若干个途中商户作为参考节点，得到第二预设路径，其中，第二预设路径中包含途中商户的优惠情况。
在逛商场的时候，往往都喜欢逛活动力度大而且偏好度高的商户，因此，在推荐第二预设路径的时候优先将偏好度和商户的优惠情况结合起来，在实际操作中，为用户推荐路线只是相当于给用户以参考，并非主导用户必须采用此路线，所以本发明只管做到将携带优惠情况的第二预设路径推荐给用户即可。
实施例2：
一种室内导航的系统，如图2所示，包括获取信息模块100、数据对比模块200、判断模块300及取代模块400；
所述获取信息模块100，用于获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
所述数据对比模块200，用于获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
所述判断模块300，若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
所述取代模块400，用于获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
在一个实施例中，所述数据对比模块200被设置为：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将第一分段路径涉及的第一网格情况与第二分段路径所涉及的第二网格情况依次进行比对，两组网格的位置与数量都相同则实际路径和最佳预设路径一致；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure BDA0003187502360000091
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。
将余弦相似度和路径重复度进行关联，余弦相似度越接近1，则路径重复度越高，余弦相似度为1时表示路径是完全重复的，在实际生活中，可能会存在偏差，即可以给路径重复度设置一个阈值，如果没达到这个阈值，则说明路径是有偏差的。
在一个实施例中，所述判断模块300被设置为：
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝Σu∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
所述取代模块400被设置为：
获取当前商户门店的图片，提取当前图片指纹；
将所述指纹与数据库内所保存的所有商户指纹进行比对，选出与当前图片指纹对比最相似的商户指纹；
基于用户偏好度筛选出关联度最高的若干个商户，通过目标商户的位置对若干个商户进行第二次筛选得到筛选结果，基于筛选结果获取相应指纹并获取若干个途中商户，其中，第二次筛选规则为与当前商户同层或与目标商户同层；
根据商户指纹获取当前节点，以当前节点作为起始节点，将若干个途中商户作为参考节点，得到第二预设路径，其中，第二预设路径中包含途中商户的优惠情况。
实施例3：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述的方法步骤：
获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
实施例4：
一种室内导航的装置，在一个实施例中，提供了一种室内导航的装置，该室内导航的装置可以是服务器也可以是移动终端。该室内导航的装置包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该室内导航的装置的处理器用于提供计算和控制能力。该室内导航的装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该数据库用于存储室内导航的装置的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现室内导航的方法。
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。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种室内导航的方法，其特征在于，包括以下步骤：
获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格，其中，时段内所用时长至少小于完成最佳预设路径所有时长的三分之一；
若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
2.根据权利要求1所述的室内导航的方法，其特征在于，所述获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，具体步骤为：
获取用户当前时段所在位置及第一商户信息，基于第一商户信息与目标商户信息得到最优路径为f(m)＝g(m)+h(m)，其中，f(m)是节点m从初始节点到目标节点的综合估价，g(m)是在状态空间中从初始节点到m节点的实际代价，h(m)是从m到目标节点最佳路径的估计代价，表示如下：
Figure FDA0003187502350000011
其中，(i，j)表示初始点在数字地图中的坐标，(x，y)表示终点在数字地图中的坐标，D*和D*(i，j)分别表示初始节点和目标节点处的拥堵程度，所述拥挤程度通过商场人流量数据得到。
3.根据权利要求1所述的室内导航的方法，其特征在于，所述获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，具体步骤包括：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure FDA0003187502350000021
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。
4.根据权利要求1-3任意一项所述的室内导航的方法，其特征在于，所述用户偏好度通过以下步骤获得：
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝∑u∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
5.根据权利要求1所述的室内导航的方法，其特征在于，所述基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径，具体为：
获取当前商户门店的图片，提取当前图片指纹；
将所述指纹与数据库内所保存的所有商户指纹进行比对，选出与当前图片指纹对比最相似的商户指纹；
基于用户偏好度筛选出关联度最高的若干个商户，通过目标商户的位置对若干个商户进行第二次筛选得到筛选结果，基于筛选结果获取相应指纹并获取若干个途中商户，其中，第二次筛选规则为与当前商户同层或与目标商户同层；
根据商户指纹获取当前节点，以当前节点作为起始节点，将若干个途中商户作为参考节点，得到第二预设路径，其中，第二预设路径中包含途中商户的优惠情况。
6.一种室内导航的系统，其特征在于，包括获取信息模块、数据对比模块、判断模块及取代模块；
所述获取信息模块，用于获取目标商户信息，基于用户当前时段所在位置中第一商户信息及商场人流量数据为用户推送到达目标商户的最佳预设路径，其中，商户信息至少包括商户所在楼层、商户所在数字地图中的位置；
所述数据对比模块，用于获取用户在一个时段内已完成的实际路径，将实际路径以网格为单位划分为若干第一分段路径并得到每个第一分段路径所用时长，将所述实际路径与最佳预设路径进行对比，得到路径重复度，其中，所述网格为数字地图划分的网格；
所述判断模块，若路径重复度不大于预设值，则基于每个第一分段路径所用时长判断用户对商场内商户的偏好度；
所述取代模块，用于获取用户当前时段所在位置中第二商户信息，基于第二商户信息及用户偏好度推送出到达目标商户的第二预设路径，通过第二预设路径取代最佳预设路径。
7.根据权利要求6所述的室内导航的系统，其特征在于，所述数据对比模块被设置为：
获取用户在一个时段内的实际路线并绘制出实际路径，以网格为单位对实际路径进行划分得到若干第一分段路径，将最佳预设路径以网格为单位进行划分得到若干第二分段路径；
将第一分段路径涉及的第一网格情况与第二分段路径所涉及的第二网格情况依次进行比对，两组网格的位置与数量都相同则实际路径和最佳预设路径一致；
将实际路径的第一分段路径与最佳预设路径的第二分段路径进行比对得到比对结果，将比对结果转换成路径重复度，比对过程采用余弦相似度原理进行，余弦相似度公式如下：
Figure FDA0003187502350000031
其中，A和B表示每个第一分段路径和每个第二分段路径，a与b是对应终点的平移到原点后的坐标点，在此，n＝2表示为二维平面，i表示坐标，i-1表示坐标i的前一个坐标，w1表示坐标i的自适应权重，w＝wmax-(wmax-wmin)*Y/Ymax，wmax表示最大惯性权重，wmin表示最小惯性权重，Y表示当前分段路径迭代次数，Ymax表示分段路径的最大迭代次数。
8.根据权利要求6所述的室内导航的系统，其特征在于，所述判断模块被设置为：
基于每个第一分段路径所用时长及路径重复度情况判断用户是否进入实际路径所关联的商户内或徘徊于商户门口；
若是，则获取在实际路径中用户行为特征及商户的状态特征，其中，所述行为特征至少包括实际路径中用户在商户的本次消费数据和历史消费数据，所述状态特征至少包括商户门前人流量数据和商户店内人流量数据；
基于行为特征和商户状态特征得到偏好表达特征，基于偏好表达特征得到用于对商场内商户的偏好度，所述偏好度表示如下：
μu，i＝∑u∈g，i∈rWT[Pu，Qi]+b
其中，u表示用户，i表示商户群体，g表示用户群体，r表示商家集合，Pu表示用户u的行为特征，Qi表示商家的状态特征，wt表示用户对商家喜好模型的权重，b为模型偏置。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的方法步骤。
10.一种室内导航的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任意一项所述的方法步骤。
CN202110865979.9A 2021-07-29 2021-07-29 室内导航的方法、系统、装置及可读存储介质 Active CN113591017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110865979.9A CN113591017B (zh) 2021-07-29 2021-07-29 室内导航的方法、系统、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110865979.9A CN113591017B (zh) 2021-07-29 2021-07-29 室内导航的方法、系统、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN113591017A true CN113591017A (zh) 2021-11-02
CN113591017B CN113591017B (zh) 2024-02-27

Family

ID=78251996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110865979.9A Active CN113591017B (zh) 2021-07-29 2021-07-29 室内导航的方法、系统、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN113591017B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150073708A1 (en) * 2013-09-11 2015-03-12 Nokia Corporation Navigation via recorded paths
CN105115510A (zh) * 2015-09-07 2015-12-02 广东欧珀移动通信有限公司 一种基于商场的导航方法及移动终端
CN105180924A (zh) * 2015-09-07 2015-12-23 广东欧珀移动通信有限公司 一种基于餐厅排队的导航方法及移动终端
CN107702706A (zh) * 2017-09-20 2018-02-16 广东欧珀移动通信有限公司 路径确定方法、装置、存储介质及移动终端
CN108362283A (zh) * 2018-01-03 2018-08-03 深圳市金立通信设备有限公司 一种室内导航方法、终端及计算机可读存储介质
CN110231026A (zh) * 2019-06-20 2019-09-13 浙江口碑网络技术有限公司 结合定位信息的店铺路线推荐方法及装置
CN110645984A (zh) * 2019-09-26 2020-01-03 上海掌门科技有限公司 用于商场的路线更新方法、电子设备和计算机可读介质
CN111457925A (zh) * 2020-04-15 2020-07-28 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN112946323A (zh) * 2021-01-28 2021-06-11 任俊儒 一种实时动态高精度步行导航方法、装置及相关组件

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150073708A1 (en) * 2013-09-11 2015-03-12 Nokia Corporation Navigation via recorded paths
CN105115510A (zh) * 2015-09-07 2015-12-02 广东欧珀移动通信有限公司 一种基于商场的导航方法及移动终端
CN105180924A (zh) * 2015-09-07 2015-12-23 广东欧珀移动通信有限公司 一种基于餐厅排队的导航方法及移动终端
CN107702706A (zh) * 2017-09-20 2018-02-16 广东欧珀移动通信有限公司 路径确定方法、装置、存储介质及移动终端
CN108362283A (zh) * 2018-01-03 2018-08-03 深圳市金立通信设备有限公司 一种室内导航方法、终端及计算机可读存储介质
CN110231026A (zh) * 2019-06-20 2019-09-13 浙江口碑网络技术有限公司 结合定位信息的店铺路线推荐方法及装置
CN110645984A (zh) * 2019-09-26 2020-01-03 上海掌门科技有限公司 用于商场的路线更新方法、电子设备和计算机可读介质
CN111457925A (zh) * 2020-04-15 2020-07-28 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN112946323A (zh) * 2021-01-28 2021-06-11 任俊儒 一种实时动态高精度步行导航方法、装置及相关组件

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卞维骏: "个性化室内导航的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01, 15 January 2018 (2018-01-15), pages 138 - 1815 *
林雕;宋国民;游雄;贾奋励;邓晨;: "基于上下文感知的室内路径规划研究", 地理与地理信息科学, no. 03, 15 May 2016 (2016-05-15), pages 8 - 13 *

Also Published As

Publication number Publication date
CN113591017B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
JP6828044B2 (ja) ルート逸脱認識方法、端末、および記憶媒体
JP7330212B2 (ja) 到着推定及び到着アラート作成のためのスマート位置特定
CN108875007B (zh) 兴趣点的确定方法和装置、存储介质、电子装置
US11443015B2 (en) Generating prediction models in accordance with any specific data sets
US11294981B2 (en) System and method for large scale crowdsourcing of map data cleanup and correction
CN105528359B (zh) 用于存储行进轨迹的方法和系统
US10848903B2 (en) Determining timing for determination of applicable geo-fences
WO2016015444A1 (zh) 一种目标用户的确定方法、设备和网络服务器
WO2015120746A1 (zh) 一种用户目的地点的预测方法及装置
JP6634511B2 (ja) 人口推定装置、プログラム及び人口推定方法
CN107430631B (zh) 从位置报告确定语义地点名称
WO2015157344A2 (en) Systems and methods for large scale crowdsourcing of map data location, cleanup, and correction
US9167389B1 (en) Clustering location data to determine locations of interest
WO2018192506A1 (zh) 社交信息推荐方法、装置和存储介质
CN104618869A (zh) 室内定位方法和设备
US20140343974A1 (en) Selecting a Subset of Transit Trips Based on Time and Duration
CN111380530A (zh) 导航方法及相关产品
US11270438B2 (en) System and method for triggering machine learning (ML) annotation model retraining
US20160210594A1 (en) Systems and methods for daily task optimization
CN113108806A (zh) 路径规划方法、装置、设备及介质
CN107121661B (zh) 定位方法、装置及系统和服务器
CN112985440A (zh) 行驶轨迹偏移的检测方法、装置、存储介质及程序产品
CN111882494A (zh) 位姿图处理方法、装置、计算机设备和存储介质
CN117146796A (zh) 一种数据处理方法、装置、设备以及计算机可读存储介质
CN113591017B (zh) 室内导航的方法、系统、装置及可读存储介质

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