CN113865595B - 一种对机场用户导航方法、系统、装置和存储介质 - Google Patents

一种对机场用户导航方法、系统、装置和存储介质 Download PDF

Info

Publication number
CN113865595B
CN113865595B CN202111153087.2A CN202111153087A CN113865595B CN 113865595 B CN113865595 B CN 113865595B CN 202111153087 A CN202111153087 A CN 202111153087A CN 113865595 B CN113865595 B CN 113865595B
Authority
CN
China
Prior art keywords
user
step size
displacement distance
initial
displacement
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
CN202111153087.2A
Other languages
English (en)
Other versions
CN113865595A (zh
Inventor
卢国鸣
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.)
Xingrong Shanghai Information Technology Co ltd
Original Assignee
Xingrong Shanghai Information 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 Xingrong Shanghai Information Technology Co ltd filed Critical Xingrong Shanghai Information Technology Co ltd
Priority to CN202111153087.2A priority Critical patent/CN113865595B/zh
Priority to CN202410711945.8A priority patent/CN118730107A/zh
Publication of CN113865595A publication Critical patent/CN113865595A/zh
Application granted granted Critical
Publication of CN113865595B publication Critical patent/CN113865595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本说明书实施例提供一种对机场用户导航的方法，该方法包括获取并更新用户的当前位置；显示更新后用户的当前位置至目标位置的导航路线；目标位置为用户进行后续乘机程序的位置，后续乘机程序为位于用户当前所处的乘机程序之后的乘机程序。

Description

一种对机场用户导航方法、系统、装置和存储介质
技术领域
本说明书涉及导航领域，特别涉及一种对机场用户导航方法、系统、装置和存储介质。
背景技术
机场在，用户在登机前需要办理一系列的登机程序，不同机场甚至不同航班的登机程序设置可能不同，且各个登机程序的办理位置一般都分布于机场的各个位置，乘客在办理乘机程序时时常出现在机场内各处打听应该前往哪处办理哪个流程，在确定程序办理位置上即浪费了大量的时间。
因此，需要一种针对机场等具有特定办理流程的场景提供一种针对场景内的导航方法，以便引导用户快速、准确的到达目的地。
发明内容
本说明书实施例之一提供一种对机场用户导航的方法，包括：获取并更新用户的当前位置；显示更新后所述用户的当前位置至目标位置的导航路线；所述目标位置为所述用户进行后续乘机程序的位置，所述后续乘机程序为位于所述用户当前所处的乘机程序之后的乘机程序。
本说明书实施例之一提供一种对机场用户导航的系统，包括：位置更新模块，用于获取并更新用户的当前位置；导航显示模块，用于显示更新后所述用户的当前位置至目标位置的导航路线；所述目标位置为所述用户进行后续乘机程序的位置，所述后续乘机程序为位于所述用户当前乘机程序之后的乘机程序。
本说明书实施例之一提供一种对机场用户导航的装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如上述实施例中任一项所述对机场用户导航的方法对应的操作。
本说明书实施例之一提供一种计算机可读存储介质，其特征在于，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，计算机运行如上述实施例中任意一项所述对机场用户导航的方法。
附图说明
本说明书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是根据本说明书一些实施例所示的对机场用户导航的系统的应用场景图；
图2是根据本说明书一些实施例所示的对机场用户导航的系统的模块图；
图3是根据本说明书一些实施例所示的对机场用户导航的方法的示例性流程图；
图4是根据本说明书一些实施例所示的第一用户步长的确定方法的示例性流程图；
图5是根据本说明书一些实施例所示的图像识别模型的结构示意图；
图6是根据本说明书一些实施例所示的第二用户步长的确定方法的示例性流程图；
图7是根据本说明书一些实施例所示的融合第一用户步长和第二用户步长的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，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说明书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说明书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“模块”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。
如本说明书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。
本说明书中使用了流程图用来说明根据本说明书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是根据本说明书一些实施例所示的对机场用户导航的系统100的应用场景图。如图1所示，对机场用户导航的系统100可以包括服务器110、处理设备120、存储设备130、获取设备140、网络150和用户终端160。
服务器110可以用于处理与对机场用户导航的系统100有关的信息和/或数据。例如，服务器110可以获取辅助定位数据，并基于辅助定位数据获取并更新用户的当前位置。
在一些实施例中，服务器110可以包括处理设备120。处理设备120可以处理与对机场用户导航的系统100有关的信息和/或数据，以执行本说明书中描述的一个或以上功能。例如，处理设备120可以获取辅助定位数据，并基于辅助定位数据获取用户的当前位置。又例如，处理设备120可以获取更新后用户的当前位置至目标位置的导航路线。
存储设备130可以用于存储数据和/或指令。可以从例如服务器110、获取设备140和/或对机场用户导航的系统100的任何其他组件获得数据和/或指令。在一些实施例中，存储设备130可以储存服务器110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。
获取设备140可以是包括能够获取图像的任何合适的设备。在一些实施例中，获取设备140可以包括枪型摄像头140-1、球型摄像头140-2等。由获取设备140获取的图像可以是单个图像或视频的帧。在一些实施例中，获取设备140可以包括至少两个组件，每个组件可以获取图像。例如，获取设备140可以包括至少两个可以同时拍摄图像或视频的枪型摄像头。
网络150可以包括任何合适的网络，其可以促进对机场用户导航的系统100的信息和/或数据交换。
用户终端160可以与用户相关联。在一些实施例中，用户终端160可以包括用于定位的传感器和/或相关技术。例如，用户终端160可以包括移动电话160-1、平板电脑160-2、膝上型计算机160-3等，用户终端160可以包括陀螺仪、加速度计、蓝牙、全球定位系统(GPS)等。在一些实施例中，用户可以通过用户终端160查看信息和/或输入数据和/或指令。例如，用户可以通过用户终端160查看用户的当前位置和/或前往目标位置的导航路线。在一些实施例中，用户终端160可以通过网络150连接到对机场用户导航的系统100的一个或以上组件。
图2是根据本说明书一些实施例所示的对机场用户导航的系统的模块图。系统200可以由服务器110(如处理设备120)实现。
如图2所示，系统200可以包括位置更新模块210和导航显示模块220。
位置更新模块210可以用于获取并更新用户的当前位置。在一些实施例中，位置更新模块210可以通过定位技术和/或基于辅助定位数据获取并更新用户的当前位置。辅助定位数据可以包括用户的步长、用户的步数、初始位置、运动方向中的至少一种。初始位置可以为开始统计用户的步数的位置。关于用户的当前位置的更多细节可以参见步骤310及其相关描述。
在一些实施例中，位置更新模块210可以基于用户的特征数据，得到用户的预测步长，其中，用户的特征数据包括用户当前所处的乘机流程、用户的同行信息、用户的基本信息中的至少一种。用户的预测步长可以作为辅助定位数据中的用户的步长来实现获取并更新用户的当前位置，关于用户的预测步长的更多细节可以参见图4及其相关描述。
在一些实施例中，位置更新模块210可以基于传感设备获取的数据得到一个步长数据并作为辅助定位数据中的用户的步长。关于基于传感设备获取的数据得到用户的步长的更多细节可以参见图6及其相关描述。
导航显示模块220可以用于显示更新后用户的当前位置至目标位置的导航路线，其中，目标位置为用户进行后续乘机程序的位置，后续乘机程序为位于用户当前所处的乘机程序之后的乘机程序。
应当理解，图2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。本说明书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，以上对于系统及其模块的描述，仅为描述方便，并不能把本说明书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，位置更新模块210和导航显示模块220可以整合在一个模块中。又例如，各个模块可以共用一个存储设备，各个模块也可以分别具有各自的存储设备。诸如此类的变形，均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的对机场用户导航的方法的示例性流程图。如图3所示，流程300包括以下步骤。
步骤310，获取并更新用户的当前位置。在一些实施例中，步骤310可以由位置更新模块210执行。
用户的当前位置可以包括用户当前所处的位置，例如，用户当前在机场中所处的位置，如C候机厅等。
位置更新模块210可以通过一种或多种方式获取并更新用户的当前位置。例如，位置更新模块210可以通过定位技术和/或辅助定位数据获取并更新用户的当前位置。
在一些实施例中，可以先获取相应的数据再进行数据的更新，例如，可以基于最新获取的相关的数据和/或信息，对原有的相关的数据和/或进行更新。相关的数据和/或信息可以是指对机场用户导航的系统100有关的信息和/或数据。例如，用户的当前位置。更新的方式可以包括使用新的数据和/或信息代替旧的数据和/或信息、对旧的数据和/或信息按照新的数据和/或信息进行修改等其中的一种或多种。
定位技术可以包括用于确定位置的技术。例如，全球定位系统(GPS)、移动位置服务(LBS)、蓝牙定位、惯性导航、WiFi定位等。
在一些实施例中，位置更新模块210可以基于用户终端160的定位技术获取并更新用户的当前位置。例如，位置更新模块210可以基于用户终端160，使用GPS和LBS获取并更新用户的当前位置。
在一些实施例中，位置更新模块210可以通过辅助定位数据获取并更新用户的当前位置。
辅助定位数据可以是指可以辅助进行定位的数据。在一些实施例中，辅助定位数据可以包括用户的步长、用户的步数、初始位置、运动方向中的至少一种。在一些实施例中，辅助定位数据在用户每完成一个乘机程序且前往下一目标位置时可以重新统计。关于乘机程序和目标位置的更多细节可以参见步骤320及其相关描述，此处不再赘述。
用户的步长可以是指用户一步迈出的长度。用户的步长可以通过多种方式获取。例如，用户的步长可以通过获取到的用户位移以及用户步数确定。又如，用户的步长可以由用户自行设置等。在一些实施例中，用户的步长可以基于乘机程序确定，关于如何基于乘机程序确定用户的步长的说明参见图4。在一些实施例中，用户的步长可以基于图像采集设备采集的数据确定，关于如何基于图像采集设备确定用户的步长的说明参见图6。在一些实施例中，用户的步长也可以是基于乘机程序确定用户的步长与基于图像采集设备确定用户的步长的融合值，具体说明参见图7。
用户的步数可以是指用户在相应时间或区域内迈步的次数。在一些实施例中，用户的步数可以基于用户终端160获取，例如，基于用户终端160中的计步程序获得。
初始位置可以是指用户开始进行步数统计时定位的位置。在一些实施例中，初始位置可以基于用户终端160确定。例如，将用户终端160中的计步程序开始进行步数统计时或用户终端160的三轴加速度传感器发生变化时定位的位置确定为初始位置。
运动方向可以是指用户的移动方向。运动方向可以包括用户的当前位置在初始位置的哪个方位运动方向可以基于用户终端160确定。例如，通过用户终端160中的传感器(例如，陀螺仪)确定。
在一些实施例中，位置更新模块210可以基于用户终端160获取的辅助定位数据，获取并更新用户的当前位置。例如，基于用户的步数与用户的步长的乘积、初始位置、运动方向可以确定一个位置，并将此位置确定为用户的当前位置，仅作为示例，若位置更新模块210获取到用户的步长为0.6m，用户的步数为2100步，初始位置为机场A口，运动方向为西南方，则可以基于上述数据确定用户当前位置位于机场A口的西南方，且距离机场A口1260m，则可以基于从机场管理系统等获取的机场地图数据确定用户当前位置位于C候机厅。
在一些实施例中，位置更新模块210可以通过定位技术和辅助定位数据获取并更新用户的当前位置。例如，通过定位技术确定一个位置，通过辅助定位数据确定另一个位置，基于加权融合计算，将计算得到的结果确定为用户的当前位置。
在一些实施例中，当定位技术的信号强度小于预设阈值时，位置更新模块210可以基于辅助定位数据通过多种方式获取并更新用户的当前数据。例如，当GPS、蓝牙等定位技术的信号强度小于阈值时，可以基于用户的步数与用户的步长的乘积、初始位置、运动方向可以确定一个位置，并将此位置确定为用户的当前位置。
步骤320，显示更新后用户的当前位置至目标位置的导航路线。步骤320可以由导航显示模块220执行。
目标位置可以是指用户想要到达的位置。例如，目标位置可以包括用户为完成乘机程序需要到达的位置，如防爆检测位置、办理托运位置、安检位置中的至少一种。
乘机程序可以是指用户在登机之前需要完成的多个流程。例如，一般会包括防爆检测、托运办理等流程，各流程间可以具有一定的顺序。后续乘机程序可以是指剩余需要完成的乘机程序。
在一些实施例中，乘机程序可以从机场的管理系统获取。用户当前所处的乘机流程也可以通过其他方式获取，例如，可以通过用户终端的蓝牙定位获取到用户的当前位置，然后将用户当前位置与机场中所预设的该位置所对应的乘机流程相匹配从而确定出用户当前所处的乘机流程。
在一些实施例中，可进一步结合机场的管理系统存储的相关信息，确定用户当前已完成流程及下一步需进行的流程，并将进行下一流程的位置作为下一目标位置并确定导航路线。
导航路线可以是指用于指导如何从出发地到达目的地的路线。例如，导航路线可以包括用于指导用户从当前位置到下一目标位置的路线。获取导航路线的方式可以有多种。例如，可以通过开源导航的应用程序编程接口(API)(例如，高德地图API)获取导航路线。
可以基于定位技术和辅助定位数据，共同精准地获取并更新用户的当前位置；当定位技术的信号强度小于阈值时，可以基于辅助定位数据获取并更新用户的当前位置，为更加精准地室内定位多提供了一种选择。同时，在需办理多个流程时，为用户去往下一流程提供了精准的导航路线，提高了用户办理登机程序的效率与准确率。
图4是根据本说明书一些实施例所示的第一用户步长的确定方法的示例性流程图。第一用户步长为基于乘机程序确定的用户的步长数据，如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由位置更新模块执行。
步骤410，基于步长预测模型处理用户的特征数据，得到用户的预测步长。
在一些实施例中，可以将用户的特征数据输入步长预测模型，得到用户的预测步长。
用户的特征数据可以是与用户乘机相关的数据。在一些实施例中，用户的特征数据可以包括所述用户当前所处的乘机流程、用户的同行信息、用户的基本信息中的至少一种。
在一些实时例中，用户当前所处的乘机流程可以通过机场的管理系统获取。具体内容可参见图3部分的描述。
用户的同行信息可以包括同行者的相关信息和用户负重信息中的至少一种。同行者可以是指与用户一同行动的其他人。在一些实施例中，所述同行者的相关信息可以包括同行者中是否有小孩、是否有老人、是否有残疾人中的至少一种。用户的负重信息可以是指用户所携带物品的重量信息，例如，包括用户携带的行李数量、行李体积、行李重量中的至少一种。仅作为示例，用户的同行信息可以是与一位小孩同行并携带有一个大的行李箱。
在一些实施例中，用户的同行信息可以通过机场的管理系统获取。例如，可以从机场的管理系统中获取到用户在乘机系统中备注有一位残疾人同行者。
在一些实施例中，用户的同行信息还可以通过图像识别模型获取。更多基于图像识别模型获取用户的同行信息的内容可以参见图5及其相关描述。
用户的基本信息可以是指用户乘机所登记的身份信息。在一些实施例中，所述用户的基本信息可以包括用户的身高、体重、是否残疾人、年龄、性别中的至少一种。
在一些实施例中，用户的基本信息可以通过机场的管理系统获取；或基于机场的图像采集设备采集用户的图像获取。
用户的预测步长可以是指根据用户的特征数据所预测的用户一步步行的长度。
示例性地，步长预测模型可以基于输入的用户当前所处的乘机流程为行李托运、用户的同行信息为无人同行和携带有一个中等大小的行李箱、用户的基本信息为高178CM、体重70KG、年龄20岁、性别男等用户特征数据，可以输出用户的预测步长为62CM。
在一些实施例中，步长预测模型可以包括但不限于支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型和神经网络模型。
在一些实施例中，步长预测模型可以基于大量带有标识的训练样本训练得到。例如，将带有标识的训练样本输入步长预测模型，通过标签和步长预测模型的预测结果构建损失函数，基于损失函数迭代更新模型的参数。当训练的模型满足预设条件时，训练结束。其中，预设条件为损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以是多个用户的特征数据。标签可以是用户的步长。训练样本可以从机场的管理系统的历史数据中获取，训练标签可以通过机场的图像采集设备采集用户图像进行人工标注获取。
步骤420，基于用户的预测步长与用户的初始步长确定第一步长矫正量。
用户的初始步长可以是指未受用户的特征数据影响的用户一步步行的长度。
在一些实施例中，用户的初始步长可以是用户自行输入的或是用户终端的预设值；在一些实施例中，用户的初始步长可以是基于采集的数据计算得到的，例如，通过采集一段时间内用户的位移距离及用户在该段时间内的步数可以确定用户的初始步长。
第一步长矫正量是指用于对用户的初始步长进行矫正的一个矫正值。
在一些实施例中，第一步长矫正量可以与用户的预测步长、用户的初始步长、矫正系数线性相关。矫正系数可以用于表示对所述用户的初始步长的矫正幅度。
在一些实施例中，矫正系数与位移差异度相关。位移差异度可以用于表示用户经过的两个相邻图像采集设备之间的位移距离与该过程中用户终端中的传感设备确定的位移距离间的差异。其中，两个相邻图像采集设备之间的位移距离可以通过两个相邻图像采集设备的位置直接测量得到(具体可参见图6中的第一位移距离的相关内容)，传感设备确定的位移距离可以通过传感器采集的步数与预测步长相乘确定。位移差异度越大，则说明预测步长的可信度越低，则相应的对初始步长的矫正幅度就越小，即矫正系数就越小，最终确定的用户的步长就越接近于初始步长。
在确定矫正系数时，通过比较理想位移距离(即两个相邻图像采集设备之间的理论距离)与基于传感设备及预测步长确定的位移距离的差异，对预测步长的准确程度作出了初步判断；即当位移差异度越大，初步判断预测步长越不准确，则依据预测步长对初始步长的进行调整的第一步长矫正量就越小。通过对预测步长准确度的评估来确定矫正系数的取值，可以提升第一步长矫正量的准确性，进而提升通过第一步长矫正量矫正后的第一用户步长的准确度，以实现用户的精准定位。
在一些实施例中，可以预先设置与位移差异度区间对应的矫正系数。例如，可以预先设定当位移差异度为1-3M时，矫正系数为0.5。
具体的，第一步长矫正量可以通过公式(1)确定：
C＝R(Lp-L0) (1)
其中，C为第一步长矫正量，Lp为用户的预测步长，L0为用户的初始步长，R为矫正系数。例如，用户的预测步长为64CM，用户的初始步长为60CM，矫正系数为0.5，那么第一步长矫正量为2CM。
步骤430，基于第一步长矫正量与用户的初始步长确定第一用户的步长。
具体的，第一步长可以通过公式(2)确定：
L1＝L0+C (2)
其中，L1为第一步长。示例性的，用户的初始步长为60CM，第一步长矫正量为2CM，那么第一步长为62CM。
关于第一步长的其他应用内容参见图7及其相关描述，此处不再赘述。
通过将用户的特征数据输入步长预测模型，可以获得用户的预测步长。并根据实际情况，基于用户的预测步长对用户的初始步长做调整，可以得到的更加准确的第一步长，从而提高基于用户的步长确定的用户的位置的准确度。
图5是根据本说明书一些实施例所示的图像识别模型结构500的示意图。
在一些实施例中，可以基于图像识别模型确定用户的同行信息。图像识别模型是机器学习模型。图像识别模型可以通过对采集的多个时间段的用户的图像进行识别处理，确定用户的同行信息。
多个时间段可以是指用户从进入机场时间起到当前时间止的多个时间段。
在一些实施例中，多个时间段的用户的图像可以通过安装在机场的一个或多个图像采集设备获取。图像采集设备可以是安装在机场内的照相机或摄像头等设备。例如，可以截取摄像头采集的视频中用户进入机场后的第1分钟、第10分钟的一个视频帧作为用户的图像。
在一些实施例中，图像识别模型可以基于输入的多个时间段的用户的图像，输出用户的同行信息。示例性的，图像识别模型基于输入的用户在进入机场后的第1分钟、第10分钟时的图像，输出用户的同行信息为用户携带一个大行李箱并与一位老人出行。
在一些实施例中，图像识别模型可以包括循环神经网络模型及深度神经网络模型。循环神经网络模型的输入为采集的多个时间段的用户图像，输出为作为同行特征向量，深度神经网络模型的输入为循环神经网络模型输出的同行特征向量，输出为图像的多分类结果，基于图像的多分类结果即可确定用户的同行信息。
同行特征向量可以是指与用户的同行信息相关的特征向量。在一些实施例中，同行特征向量可以是至少一个类型的同行信息的特征向量，每个类型的同行信息对于一个特征向量。同行信息的类型包括：同行者信息、携带行李信息等。
图像的多分类结果可以是指对图像按照相应分类依据进行分类得到的多个分类结果。分类的方式可以自定义。例如，同行者信息的类型可以分为：老人、小孩、残疾人等。携带行李信息可以分为：大件行李、中等大小行李、小件行李等。可以是按照同行信息进行分类得到的图像中包含有一个小孩、一个大件行李的分类结果，基于该分类结果可以确定相应图像的用户同行信息为携带一个大件行李并与一位小孩同行。
在一些实施例中，循环神经网络模型和深度神经网络模型可以联合训练得到：循环神经网络模型和深度神经网络模型基于训练样本联合训练，更新参数。
在一些实施例中，所述基于训练样本的联合训练包括：获取训练样本，所述训练样本为多个用户在多个时间段的用户图像，可以从历史数据获取；训练样本的标签为图像的多分类结果即图像中包含的同行信息，同行信息可以基于历史数据直接获取或基于历史数据进行标注获取，还可以根据用户或者乘客在用户端输入的同行信息获取。可以将所述训练样本输入循环神经网络模型，基于深度神经网络模型输出的预测值和标签对模型各层进行参数更新，得到训练好的循环神经网络模型和训练好的深度神经网络模型。在一些实施例中，模型的训练数据和标签还可以包括其他信息。
在一些实施例中，还可以直接将循环神经网络模型输出的同行特征向量作为用户的同行信息输入步长预测模型，由步长预测模型结合其他用户特征数据确定用户的预测步长。
在一些实施例中，步长预测模型可以和循环神经网络模型联合训练获取。步长预测模型和循环神经网络模型的联合训练过程参考上文循环神经网络模型和深度神经网络模型的训练过程，训练样本参考上文循环神经网络模型的训练样本和步长预测模型除用户的同行信息外的训练样本，训练标签参考上文步长预测模型的训练标签。
通过采集用户在多个时间段的图像，输入图像识别模型，确定出用户的同行信息。通过实时的采集用户的图像，可以避免用户实际同行信息与机场管理系统记录不一致的情况，也可以更加准确地实时地确定出用户的同行信息变化情况。例如，可以通过采集用户在多个时间段的图像，输入图像识别模型，从而可以及时发现用户在行李托运流程后的同行信息变化，并对用户的预测步长作出调整，使得预测效果更加准确。
图6是根据本说明书一些实施例所示的第二用户步长的确定方法的示例性流程图。第二用户步长为基于图像采集设备获取的用户的步长数据。如图6所示，流程600包括下述步骤。在一些实施例中，流程600可以由位置更新模块执行。
步骤610，获取至少一个第一位移距离。
所述第一位移距离为用户经过的两个相邻图像采集设备之间的距离。可以获取已知的机场内任意两个相邻图像采集设备之间的距离作为第一位移距离。在一些实施例中，可以基于多组图像采集设备组，获取多个第一位移距离，其中，一组图像采集设备组包括两个相邻图像采集设备。
在一些实施例中，两个相邻图像采集设备安装于同一乘机程序对应的区域内。将同一乘机程序对应的区域内的两个相邻图像采集设备之间的距离作为第一位移距离，可以减少用户在进行某项乘机程序时在执行该程序位置原地所走的步数带来的误差。
图像采集设备是指可以对用户图像进行采集并具有用户识别功能的设备，如具有人脸识别功能的摄像头等。确定用户是否经过这两个相邻摄像头可以通过用户的指纹数据进行识别，用户的指纹数据是指用户的特征，可以在用户进入机场时，通过摄像头等图像采集设备获取用户图像并提取相应的用户特征，如用户的脸部数据等。
步骤620，获取所述至少一个第一位移距离对应的至少一个区域步数。
所述区域步数为用户在经过所述两个相邻图像采集设备时由传感设备统计的用户步数。例如，可以基于图像采集设备确定用户经过该图像采集设备时的时间点，再基于传感设备确定在相应时间点的用户步数，则用户经过两个相邻图像采集设备时的用户步数之差即为用户在经过两个相邻图像采集设备时的区域步数。
传感设备是指可以进行步数统计的设备，可以是用户所持有的智能设备，如用户的手机等。
步骤630，获取用户的初始步长，基于所述至少一个区域步数及所述用户的初始步长，确定至少一个所述第一位移距离对应的第二位移距离。
第二位移距离是指用户经过两个相邻图像采集设备时所走的实际距离，可以基于用户的初始步长及区域步数确定。
在一些实施例中，第二位移距离可以是用户的初始步长与区域步数的乘积或用户的初始步长与区域步数以及初始步长的权重值的乘积。
步骤640，基于至少一个所述第一位移距离及与所述至少一个所述第一位移距离对应的至少一个所述第二位移距离，确定至少一个第二步长矫正量。
第二步长矫正量是指用于对用户的初始步长进行矫正的一个步长矫正值，如若第二步长矫正量为负数(即第二步长矫正量小于0时)，则表明用户的初始步长可能偏大。
在一些实施例中，所述第二步长矫正量与所述第一位移距离、所述第二位移距离及所述区域步数线性相关。在一些实施例中，第二步长矫正量的确定可以采取如下方式，求取一个第一位移距离及其对应的第二位移距离的差值，然后将该差值除以统计的区域步数，所得到的值即可作为第二步长矫正量，具体如在步骤610获取到的摄像头A与摄像头B之间的第一位移距离为800米，基于步骤620获取到用户经过摄像头A和摄像头B时所走的步数为1500步，且基于步骤630获取到用户实际经过摄像头A和摄像头B时所走的第二位移距离是900米，则可以确定第二步长矫正量可以是-0.07(即(800-900)/1500)。
在一些实施例中，可以基于多个第一位移距离及与多个第一位移距离对应的多个第二位移距离确定多个第二步长矫正量。例如，基于上述方法进一步获取到基于摄像头B和C确定的第二步长矫正量为-0.22，基于摄像头C和D确定的第二步长矫正量为-0.1。
将求取的多个第二步长矫正量进行融合后即可将融合值作为最终的所述第二步长矫正量。在一些实施例中，融合可以指给各个第二步长矫正量分配对应的权重值并进行加权求和，例如，可以设定第二步长矫正量X的权重为x，第二步长矫正量Y的权重为y，第二步长矫正量Z的权重为z，则最终的第二步长矫正量的取值可以为X*x+Y*y+Z*z。
在一些实施例中，各个第二步长矫正量的所述权重值与其对应的所述第一位移距离中用户的同行信息相关，所述第一位移距离中用户的同行信息与当前用户的同行信息的相似度越高，所述第一位移距离对应的第二步长矫正量的所述权重值越高。
在一些实施例中，用户的同行信息可以基于图像识别模型获得，关于同行信息及图像识别模型的具体说明参见图4、图5及其相关内容。仅作为示例的，若基于图像识别模型获得用户经过前述摄像头A、B时的同行信息为m，用户经过前述摄像头B、C时的同行信息为n，用户经过前述摄像头C、D时的同行信息为h，当前用户的同行信息为j，其中，m与j最接近，n与j差异最大，则可以依次给前述求取的第二步长矫正量分配相应的权重值，如第二步长矫正量-0.07、-0.22、-0.1依次分别对应的权重值为0.55、0.1、0.35，则可以确定最终的第二步长矫正量为-0.096(即(-0.77*0.55)+(-0.22*0.1)+(-0.1*0.35))。
同行信息越接近，则用户在基于相应同行信息下的步长值越接近，因此，在给得到的各个第二步长矫正量赋予权重值时，结合各步长矫正量对应的同行信息与当前用户的同行信息的相似度，可以提升最后取值的第二步长矫正量的准确性，也进而提升基于该第二步长矫正量确定的用户的步长数据的准确度，最终实现对用户位置定位的准确性。
步骤650，基于所述至少一个第二步长矫正量对所述用户的初始步长进行矫正，得到所述第二用户步长。
第二用户步长是指通过第二步长矫正量对用户的初始步长进行矫正后得到的用户的步长数据。第二用户步长可以由第二步长矫正量与初始步长基于相应规则确定，例如，第二用户步长可以由满足预设条件的第二步长矫正量与初始步长相加得到，预设条件可以是取前述步骤得到的多个第二步长矫正量中的最大值、平均值等，预设条件还可以是取其对应的同行信息与当前同行信息最接近的第二步长矫正量或取前述多个第二步长矫正量的加权融合值等。
更多的第二用户步长的应用的相关描述参见图7及其相关描述，此处不再赘述。
通过结合传感设备获取到的用户步数及用户的步长数据确定用户在经过已知间距的两个目标物间可能的实际所行走距离，可以基于用户可能实际所行走距离以及预知的间距确定一个对用户步长进行矫正的矫正量，以对用户的步长数进行矫正，并得到更符合用户实际步长的步长数据，同时，在确定步长的矫正量时，还考虑到了同行信息对步长的影响，可以进一步提升获取到的矫正量的准确性，进而提升通过矫正量矫正后的用户步长的准确度，最终实现提升对用户当前位置定位的准确度。
图7是根据本说明书一些实施例所示的融合第一用户步长和第二用户步长的场景700的示意图。
在一些实施例中，用户的步长数据可以为以下任意一种数据：前述确定的第一用户步长、第二用户步长、或第一用户步长与第二用户步长进行加权融合后得到的融合值；确定用户的步长数据后再结合其他获取的辅助定位数据(如用户的步数、初始位置、运动方向等)即可对用户的当前位置进行定位和/或更新。关于辅助定位数据的奇特说明以及如何基于辅助定位数据对用户的当前位置进行定位和/或更新的说明参见图3。
第一用户步长为基于所述乘机程序确定的用户的步长数据，关于第一用户步长的其他具体说明参见图4。
第二用户步长为基于图像采集设备获取的用户的步长数据，关于第二用户步长的其他具体说明参见图6。
将第一用户步长与第二用户步长的进行加权融合是指分别给第一用户步长及第二用户步长分配相应的权重值，并将二者各自与权重值的乘积相加，以所得到的和作为用户的步长数据并用于对用户的当前位置进行定位和/或更新。在一些实施例中，给第一用户步长、第二用户步长设定的权重值与二者计算过程中所涉及的相邻两个所述图像采集设备间的环境信息以及用户经过该相邻两个所述图像采集设备的所用时间相关。
环境信息是指相邻两个所述图像采集设备间的路程上所设有的可能影响用户步长或影响用户位移计算的机构或设施，例如机场为用户提供的服务机构(如商店、休息室、厕所灯)或服务设施(如按摩椅、健身设备等)。用户在路过这些服务机构或服务设施时，用户的步长或位移会受其影响，导致基于统计的用户步数求取的用户的移动距离不准确。
环境信息的获取可以基于具有图像分析功能的图像采集装置或直接从机场的管理系统中获取。
用户经过该相邻两个所述图像采集设备的所用时间可以通过多种方式获得，例如，可以基于图像采集设备获取，图像采集设备通过对采集的图像进行如人脸分析等图像分析可以确定用户是否经过该图像采集设备并确定用户该图像采集设备时的时间点，用户经过两个图像采集设备时的时间差即为用户经过两个图像采集设备时的所用时间。用户经过两个图像采集设备时的所用时间也可以通过其他方式获得，例如可以通过用户所持的移动终端获得。
第一用户步长的权重值及第二用户步长的权重值均与用户经过所述两个相邻图像采集设备的所用时间相关，所用时间不满足预设时间标准时，权重值不超过第一阈值；预设时间标准与两个相邻图像采集设备之间的环境信息相关。
预设时间标准是指根据两个图像采集设备之间的环境信息的具体情况设定的用户经过这两个图像采集设备时可能花费的时间，预设时间标准可以是一个具体的时间值(如最大时间值等)，也可以是一个时间范围，时间范围中的起点或终点时间值也可以看作为一个时间阈值。
在一些实施例中，通过将用户经过两个相邻图像采集设备实际所用时间与预设时间标准进行比较，判断所用时间是否满足预设时间标准，进而确定相应的用户步长的权重值，，如果所用时间符合该预设时间标准，则说明基于用户在路过这两个相邻图像采集设备时生成的相关数据(如步数等)确定的步长及步长矫正量的可信度较高，因此，可以给基于这两个相邻图像采集设备间的数据确定的步长数据分配较大的权重值，反之，则赋予的权重值就较小，如可以设定不超过第一阈值。
在一些实施例中，若环境信息包含的信息仅为单一种类，如仅有商店或仅有厕所等，预设时间标准的时间阈值可以设定的相对小一些，其中，环境信息包含商店所对应的时间阈值应比环境信息包含厕所所对应的时间阈值大一些。若环境信息包含的信息为多种类，则对应的，预设时间标准的时间阈值可以设定的更大一些。
第一阈值是一个预先设定的权重值，在用户实际经过某两个相邻图像采集设备的所用时间不符合预设时间标准，则基于这两个相邻图像采集设备间的数据确定的步长赋予的权重值就不能超过该第一阈值，以降低基于这两个相邻图像采集设备间的数据确定的步长对最终步长的影响，第一阈值可以具体是某一数值或是一个取值范围，如第一阈值可以设为一个较小的值(如0.01)或等于0，第一阈值也可以设为0.01～0.1等一个取值范围。
第一用户步长与第二用户步长的加权融合是指将第一用户步长乘以其分配的权重得到的乘积与第二用户步长乘以其分配的权重得到的乘积相加，并将相加后得到的和作为用户的步长数据。
仅作为示例，若确定的第一用户步长为0.3米，该第一用户步长是基于用户经过图像采集设备A与B之间产生的相应数据确定的，且获取到用户经过图像采集设备A与B的所用时间为15分钟，基于图像采集设备A与B之间的环境信息预设的时间标准为用户所用时长不能大于预设时间阈值13分钟，而用户实际用时15分钟超过了预设时间阈值13分钟不满足预设时间标准，因此，第一用户步长的权重值不能超过第一阈值(如0.01)。确定的第二用户步长为0.5米，该第二用户步长是基于用户经过图像采集设备CD之间产生的相应数据确定的，且获取到用户从图像采集设备C到D所用时间为8分钟，基于图像采集设备C与D之间的环境信息预设的时间标准为用户所用时长不能大于预设时间阈值12分钟，用户实际用时满足预设时间标准，因此，第二用户步长的权重值可以超过该预设阈值，且可以设定的更大一些如0.99，此时可以得到第一用户步长与第二用户步长的加权融合值为0.498米，则最终可确定用户的步长为0.498米。
结合环境信息设定用户经过包含该环境信息的路程时所需时间并设定时间标准，再通过时间标准对用户实际用时进行评估，可以过滤无效数据对用户步长数据的计算带来的影响，提升得到的用户步长数据的准确度，同时，将两种不同方法获得的步长数据融合后的取值作为用户步长数据，可进一步提高数据的准确度，降低单一求取方法中某些噪音数据带来的数据误差。
本说明书实施例还提供了一种餐饮服务的服务动作确定装置，包括处理器以及存储器；所述存储器用于存储计算机指令；所述处理器用于执行所述计算机指令中的至少部分指令以实现如前述的所述对机场用户导航的方法对应的操作。
本说明书实施例还提供了一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如前述的所述对机场用户导航的方法对应的操作。
本说明书实施例可能带来的有益效果包括但不限于：1.提供了在定位设备不能实现正常定位时基于其他数据(如摄像头采集的数据、传感设采集的数据)等实现对用户的位置进行定位及更新的方案；2.可以通过多种方式获取用户的步长数据，提升了用户步长数据的准确度，进而提升了用户定位的准确度；3.可以应用于机场等具有固定流程办理的场景，可以基于用户的各个流程办理情况为用户提供下一流程办理位置的指引路线，避免用户因不熟悉流程或不熟悉路线耽误流程办理时间，有利于提升整个流程办理的效率。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，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书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，本说明书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，除非权利要求中明确说明，本说明书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，并非用于限定本说明书流程和方法的顺序。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说明书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，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，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说明书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。尽管本说明书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。
针对本说明书引用的每个专利、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说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (8)

1.一种对机场用户导航的方法，包括：
获取并更新用户的当前位置；
显示更新后所述用户的当前位置至目标位置的导航路线；
所述目标位置为所述用户进行后续乘机程序的位置，所述后续乘机程序为位于所述用户当前所处的乘机程序之后的乘机程序；
所述获取并更新用户的当前位置通过以下方式实现：
获取辅助定位数据，所述辅助定位数据包括用户的步长、用户的步数、初始位置、运动方向中的至少一种；所述初始位置为开始统计所述用户的步数的位置；基于所述辅助定位数据获取并更新所述用户的当前位置；
所述用户的步长通过以下方式获得：
基于步长预测模型处理用户的特征数据，得到用户的预测步长；所述用户的特征数据包括所述用户当前所处的乘机流程、用户的同行信息、用户的基本信息中的至少一种，所述步长预测模型为神经网络模型；
基于所述用户的预测步长与所述用户的初始步长确定第一步长矫正量；所述第一步长矫正量与所述用户的预测步长、所述用户的初始步长以及矫正系数线性相关，所述矫正系数与位移差异度负相关，所述位移差异度用于表示用户经过的两个相邻图像采集设备之间的位移距离与该过程中用户终端中的传感设备确定的位移距离间的差异，所述两个相邻图像采集设备之间的位移距离通过所述两个相邻图像采集设备的位置直接测量得到，所述传感设备确定的位移距离通过传感器采集的步数与所述预测步长相乘确定；具体的，所述第一步长矫正量通过公式（1）确定：
（1）；
其中，为所述第一步长矫正量，/>为所述用户的预测步长，/>为所述用户的初始步长，为所述矫正系数；
基于所述第一步长矫正量与所述用户的初始步长确定所述用户的步长；具体的，所述用户的步长通过公式（2）确定：
（2）；
其中，为所述用户的步长。
2.根据权利要求1所述的方法，所述获取并更新用户的当前位置还通过以下方式实现：
通过定位技术获取并更新所述用户的当前位置。
3.根据权利要求2所述的方法，所述用户的步长通过以下方式获得：
获取至少一个第一位移距离，所述第一位移距离为所述用户经过的两个相邻图像采集设备之间的距离；
获取所述至少一个第一位移距离对应的至少一个区域步数，所述区域步数为所述用户在经过所述两个相邻图像采集设备时由传感设备统计的用户步数；
获取用户的初始步长，基于所述至少一个区域步数及所述用户的初始步长，确定至少一个所述第一位移距离对应的第二位移距离；
基于至少一个所述第一位移距离及与所述至少一个所述第一位移距离对应的至少一个所述第二位移距离，确定至少一个第二步长矫正量；
基于所述至少一个第二步长矫正量对所述用户的初始步长进行矫正，得到所述用户的步长。
4.一种对机场用户导航的系统，包括：
位置更新模块，用于获取并更新用户的当前位置；
导航显示模块，用于显示更新后所述用户的当前位置至目标位置的导航路线；
所述目标位置为所述用户进行后续乘机程序的位置，所述后续乘机程序为位于所述用户当前乘机程序之后的乘机程序；
所述位置更新模块进一步用于通过以下方式实现获取并更新用户的当前位置：
获取辅助定位数据，所述辅助定位数据包括用户的步长、用户的步数、初始位置、运动方向中的至少一种；所述初始位置为开始统计所述用户的步数的位置；基于所述辅助定位数据获取并更新所述用户的当前位置；
所述位置更新模块进一步用于：
基于步长预测模型处理用户的特征数据，得到用户的预测步长；所述用户的特征数据包括所述用户当前所处的乘机流程、用户的同行信息、用户的基本信息中的至少一种，所述步长预测模型为机器学习模型；
基于所述用户的预测步长与所述用户的初始步长确定第一步长矫正量；所述第一步长矫正量与所述用户的预测步长、所述用户的初始步长以及矫正系数线性相关，所述矫正系数与位移差异度负相关，所述位移差异度用于表示用户经过的两个相邻图像采集设备之间的位移距离与该过程中用户终端中的传感设备确定的位移距离间的差异，所述两个相邻图像采集设备之间的位移距离通过所述两个相邻图像采集设备的位置直接测量得到，所述传感设备确定的位移距离通过传感器采集的步数与所述预测步长相乘确定；具体的，所述第一步长矫正量通过公式（1）确定：
（1）；
其中，为所述第一步长矫正量，/>为所述用户的预测步长，/>为所述用户的初始步长，为所述矫正系数；
基于所述第一步长矫正量与所述用户的初始步长确定所述用户的步长；具体的，所述用户的步长通过公式（2）确定：
（2）；
其中，为所述用户的步长。
5.根据权利要求4所述的系统，所述位置更新模块还用于通过以下方式实现获取并更新用户的当前位置；
通过定位技术获取并更新所述用户的当前位置。
6.根据权利要求5所述的系统，所述位置更新模块进一步用于：
获取至少一个第一位移距离，所述第一位移距离为用户经过的两个所述相邻图像采集设备之间的距离；
获取所述至少一个第一位移距离对应的至少一个区域步数，所述区域步数为用户在经过所述两个相邻图像采集设备时由传感设备统计的用户步数；
获取用户的初始步长，基于所述至少一个区域步数及所述用户的初始步长，确定至少一个所述第一位移距离对应的第二位移距离；
基于至少一个所述第一位移距离及与所述至少一个所述第一位移距离对应的至少一个所述第二位移距离，确定至少一个第二步长矫正量；
基于所述至少一个第二步长矫正量对所述用户的初始步长进行矫正，得到所述用户的步长。
7.一种对机场用户导航的装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如权利要求1至3中任一项所述对机场用户导航的方法对应的操作。
8.一种计算机可读存储介质，其特征在于，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，计算机运行如权利要求1至3中任意一项所述对机场用户导航的方法。
CN202111153087.2A 2021-09-29 2021-09-29 一种对机场用户导航方法、系统、装置和存储介质 Active CN113865595B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111153087.2A CN113865595B (zh) 2021-09-29 2021-09-29 一种对机场用户导航方法、系统、装置和存储介质
CN202410711945.8A CN118730107A (zh) 2021-09-29 2021-09-29 一种用户位置更新的方法、系统、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111153087.2A CN113865595B (zh) 2021-09-29 2021-09-29 一种对机场用户导航方法、系统、装置和存储介质

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410711945.8A Division CN118730107A (zh) 2021-09-29 2021-09-29 一种用户位置更新的方法、系统、装置和存储介质

Publications (2)

Publication Number Publication Date
CN113865595A CN113865595A (zh) 2021-12-31
CN113865595B true CN113865595B (zh) 2024-06-21

Family

ID=79000642

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202410711945.8A Pending CN118730107A (zh) 2021-09-29 2021-09-29 一种用户位置更新的方法、系统、装置和存储介质
CN202111153087.2A Active CN113865595B (zh) 2021-09-29 2021-09-29 一种对机场用户导航方法、系统、装置和存储介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202410711945.8A Pending CN118730107A (zh) 2021-09-29 2021-09-29 一种用户位置更新的方法、系统、装置和存储介质

Country Status (1)

Country Link
CN (2) CN118730107A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109949196A (zh) * 2019-03-29 2019-06-28 张大领 一种提供机场辅助服务的方法、装置、系统及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6246182B2 (ja) * 2015-12-10 2017-12-13 株式会社ナビタイムジャパン 情報処理システム、情報処理プログラム、および、情報処理方法
JP2019002845A (ja) * 2017-06-16 2019-01-10 カシオ計算機株式会社 電子機器、誤差補正方法及びプログラム
AU2018282419A1 (en) * 2018-12-20 2020-07-09 Canon Kabushiki Kaisha Using prediction to detect and correct tracking failures

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109949196A (zh) * 2019-03-29 2019-06-28 张大领 一种提供机场辅助服务的方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN118730107A (zh) 2024-10-01
CN113865595A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
Liang et al. A convolutional neural network for transportation mode detection based on smartphone platform
Klein et al. Pedestrian dead reckoning with smartphone mode recognition
TWI500003B (zh) 基於虛擬地標之定位及地圖繪製技術
US20160259980A1 (en) Systems and methodologies for performing intelligent perception based real-time counting
JP6464737B2 (ja) 見込み客位置情報検出システム、方法およびプログラム
US9870535B2 (en) Method and apparatus for determining probabilistic context awareness of a mobile device user using a single sensor and/or multi-sensor data fusion
US8160728B2 (en) Methods of determining complete sensor requirements for autonomous mobility
CN104864873B (zh) 一种利用人体运动特征辅助地图定位的方法
Wang et al. Recent advances in pedestrian inertial navigation based on smartphone: A review
Elgendy et al. A novel marker detection system for people with visual impairment using the improved tiny-yolov3 model
EP3382570A1 (en) Method for characterizing driving events of a vehicle based on an accelerometer sensor
CN107274503A (zh) 一种基于轨迹与传感器数据的考勤方法
JP2016218895A (ja) 同一人物検証システム、方法およびプログラム
Falcon et al. Predicting floor-level for 911 calls with neural networks and smartphone sensor data
CN113865595B (zh) 一种对机场用户导航方法、系统、装置和存储介质
Yi et al. Pose invariant activity classification for multi-floor indoor localization
US10578640B2 (en) Determination of a mobility context for a user carrying a device fitted with inertial sensors
Wei et al. A new inertial sensor-based gait recognition method via deterministic learning
Taghizadeh et al. An Integrated INS/GNSS System With an Attention-Based Deep Network for Drones in GNSS Denied Environments
US20220245829A1 (en) Movement status learning apparatus, movement status recognition apparatus, model learning method, movement status recognition method and program
Kou et al. Vision based guide-dog robot system for visually impaired in urban system
Yuan et al. Visual Heading-Aided Pedestrian Navigation Method Based on Factor Graph in Indoor Environment
CN108168546B (zh) 定位系统及定位方法
CN113570644B (zh) 一种机场旅客定位方法、装置、电子设备及介质
CN109186594A (zh) 利用惯性传感器和深度摄像头传感器获取运动数据的方法

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
CB02 Change of applicant information

Address after: 200131 3rd floor, building 1, No. 400, Fangchun Road, Pudong New Area pilot Free Trade Zone, Shanghai

Applicant after: Xingrong (Shanghai) Information Technology Co.,Ltd.

Address before: 200131 3rd floor, building 1, No. 400, Fangchun Road, Pudong New Area pilot Free Trade Zone, Shanghai

Applicant before: SHANGHAI XINGRONG INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 10g27, No. 2299, Yan'an west road, Changning District, Shanghai 200336

Applicant after: Xingrong (Shanghai) Information Technology Co.,Ltd.

Address before: 200131 3rd floor, building 1, No. 400, Fangchun Road, Pudong New Area pilot Free Trade Zone, Shanghai

Applicant before: Xingrong (Shanghai) Information Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant