CN114264309A - 步行导航方法及装置、电子设备、存储介质 - Google Patents
步行导航方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114264309A CN114264309A CN202210188153.8A CN202210188153A CN114264309A CN 114264309 A CN114264309 A CN 114264309A CN 202210188153 A CN202210188153 A CN 202210188153A CN 114264309 A CN114264309 A CN 114264309A
- Authority
- CN
- China
- Prior art keywords
- walking
- user
- reference point
- reference points
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000013598 vector Substances 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 235000012054 meals Nutrition 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000004570 mortar (masonry) Substances 0.000 description 4
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书提供一种步行导航方法及装置、电子设备、存储介质；该方法包括：在用户的起点和终点属于参考点集合记录的参考点的情况下，确定该用户在参考点集合中任意两参考点之间的预估步行时长；根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；针对任一参考点，用户在该参考点和相应的相邻参考点之间的预估步行时长在预设时长范围内；基于起点、终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据步行路线中各个途经节点的信息生成导航信息，导航信息用于指示用户从起点依次按照步行路线中的各个途经节点步行前往终点。
Description
技术领域
本说明书一个或多个实施例涉及导航技术领域，尤其涉及一种步行导航方法及装置、电子设备、存储介质。
背景技术
在相关技术中，通常采用卫星定位技术来协助用户按照导航消息前往指定的地点。比如，使用北斗卫星导航系统、GPS（Global Positioning System，全球定位系统）等等。然而，定位数据可能存在误差，比如受到天气、建筑物阻碍和同时在相应区域的定位卫星数量等因素影响，定位数据会出现漂移。
以室内环境为例，当用户需前往某个实体门店时，由于室内环境的卫星定位数据较弱，若用户使用手机的卫星定位数据进行导航，则将导致自身的位置定位不准确、位置漂移、路线规划不合理等问题。
发明内容
有鉴于此，本说明书一个或多个实施例提供一种步行导航方法及装置、电子设备、存储介质。
为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
根据本说明书一个或多个实施例的第一方面，提出了一种步行导航方法，包括：
在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长；
根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
可选的，还包括：
确定所述用户的当前位置是否位于所述参考点集合记录的参考点处；
如果是，则将所述用户的当前位置所处的参考点作为所述起点。
可选的，所述确定所述用户的当前位置是否位于所述参考点集合记录的参考点处，包括：
在所述用户的客户端检测到来自于所述参考点集合中任一参考点广播的近距离通讯信号的情况下，确定所述用户的当前位置位于该任一参考点处。
可选的，所述确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，包括：
获取所述用户的步行相关信息和该任意两参考点在信号图谱中对应的参考点向量，将获取到的步行相关信息和参考点向量输入至预估模型，以根据所述预估模型的输出结果得到相应的预估步行时长；
其中，所述信号图谱通过以参考点为图谱节点、历史用户在参考点之间的历史步行时长为边构建得到，参考点向量通过利用图嵌入表示所述信号图谱中的各个图谱节点得到，训练所述预估模型的样本数据包括各个参考点向量和历史用户的步行相关信息，所述样本数据的标签包括历史用户在各个参考点向量对应的参考点之间的历史步行时长。
可选的，
所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；
其中，所述步行相关信息包括以下至少之一：配送员的配送环境信息、配送员的配送状态信息和实体门店的运营状态信息。
可选的，所述参考点集合中参考点表示的地点还包括所述室内环境内不同楼层之间运送配送员的运输工具。
可选的，所述室内环境中包含的运输工具通过在所述运输工具运输配送员的过程中，根据配送员所携带客户端检测到的加速度数据识别得出。
可选的，所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；所述参考点集合由以下方式得到：
分别获取各配送员上报的针对所述室内环境包含的实体门店的到达事件；
将所述到达事件指示的实体门店添加至所述参考点集合。
可选的，还包括：
在存在多条所述步行路线的情况下，从中选取节点之间预估步行时长之和最短或者所包含节点数量之和最少的步行路线。
可选的，所述根据所述步行路线中各个途经节点的信息生成导航信息，包括：
根据所述步行路线中各个途经节点对应的地点名称生成相应的语义导航信息。
根据本说明书一个或多个实施例的第二方面，提出了一种步行导航方法，包括：
接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
根据本说明书一个或多个实施例的第三方面，提出了一种步行导航装置，包括：
预估单元，在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长；
确定单元，根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
生成单元，基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
可选的，预估单元还用于：
确定所述用户的当前位置是否位于所述参考点集合记录的参考点处；
如果是，则将所述用户的当前位置所处的参考点作为所述起点。
可选的，确定单元具体用于：
在所述用户的客户端检测到来自于所述参考点集合中任一参考点广播的近距离通讯信号的情况下，确定所述用户的当前位置位于该任一参考点处。
可选的，确定单元具体用于：
获取所述用户的步行相关信息和该任意两参考点在信号图谱中对应的参考点向量，将获取到的步行相关信息和参考点向量输入至预估模型，以根据所述预估模型的输出结果得到相应的预估步行时长；
其中，所述信号图谱通过以参考点为图谱节点、历史用户在参考点之间的历史步行时长为边构建得到，参考点向量通过利用图嵌入表示所述信号图谱中的各个图谱节点得到，训练所述预估模型的样本数据包括各个参考点向量和历史用户的步行相关信息，所述样本数据的标签包括历史用户在各个参考点向量对应的参考点之间的历史步行时长。
可选的，
所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；
其中，所述步行相关信息包括以下至少之一：配送员的配送环境信息、配送员的配送状态信息和实体门店的运营状态信息。
可选的，所述参考点集合中参考点表示的地点还包括所述室内环境内不同楼层之间运送配送员的运输工具。
可选的，所述室内环境中包含的运输工具通过在所述运输工具运输配送员的过程中，根据配送员所携带客户端检测到的加速度数据识别得出。
可选的，所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；所述参考点集合由以下方式得到：
分别获取各配送员上报的针对所述室内环境包含的实体门店的到达事件；
将所述到达事件指示的实体门店添加至所述参考点集合。
可选的，生成单元还用于：
在存在多条所述步行路线的情况下，从中选取节点之间预估步行时长之和最短或者所包含节点数量之和最少的步行路线。
可选的，生成单元具体用于：
根据所述步行路线中各个途经节点对应的地点名称生成相应的语义导航信息。
根据本说明书一个或多个实施例的第四方面，提出了一种步行导航装置，包括：
接收单元，接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
导航单元，输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
根据本说明书一个或多个实施例的第五方面，提出了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如上述任一实施例中所述的方法。
根据本说明书一个或多个实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例中任一所述方法的步骤。
当用户步行前往终点时，在某些场景下用户无法获取准确的卫星定位数据，又无法获取自身所处环境的地图信息，导致无法根据导航信息顺利前往终点。
针对上述应用场景，在本说明书提供的步行导航方案中，预先配置有包含多个参考点的参考点集合，在用户的起点和终点属于参考点集合记录的参考点的情况下，预估用户在任意两参考点之间（即用户从其中一个参考点前往另一参考点）的步行时长，从而基于预估步行时长来规划路线，选取路线上的途经节点。
具体而言，设定一预设时长范围来作为依据选取各个参考点的相邻参考点，使得针对任一参考点，用户在该参考点和相应的相邻参考点之间的预估步行时长在预设时长范围内。可见，基于上述选取相邻参考点的方式，预设时长范围与用户从一个参考点处能够寻找到其相邻参考点的难易程度相关，实际为呈正相关。因此，只要合理设置预设时长范围的取值（比如设置为较小数值），则可以有效控制上述难易程度。比如，只要将预设时长范围的取值设定为足够小，就可以认为一个参考点与其相邻参考点之间的距离足够小，用户可轻易找到，或者认为两者的地理位置互相在用户的视野范围内，或者认为两者之间的路线简单无障碍以至于用户可轻易找到等等。
在基于上述原理得到各个参考点的相邻参考点之后，基于用户的起点和终点在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得得到的步行路线上至少一个途经节点（比如可以是每个途经节点）的相邻节点属于该途经节点的相邻参考点。可见，在步行路线中，用户从其中一个途经节点前往下一节点的过程中，用户寻找到该下一节点的难易程度较低。那么，可根据步行路线中各个途经节点的信息生成导航信息，该导航信息便可指示用户从起点依次按照步行路线中的各个途经节点步行前往终点，并且使得用户可轻易寻找到各个途经节点。
由上述实施例可见，上述导航过程可在无需依赖卫星定位数据和用户所处环境的地图数据的情况下指引用户顺利前往终点，无需人工去现场勘测每个参考点的实际位置，使得成本较低，并且步行路线上各个途经节点易查找，导航体验较好。
附图说明
图1是一示例性实施例提供的一种步行导航方法的流程图。
图2是一示例性实施例提供的一种实体门店的分布示意图。
图3是一示例性实施例提供的一种构建信号图谱的示意图。
图4是一示例性实施例提供的一种步行导航示意图。
图5是一示例性实施例提供的另一种步行导航方法的流程图。
图6是一示例性实施例提供的一种设备的结构示意图。
图7是一示例性实施例提供的一种步行导航装置的框图。
图8是一示例性实施例提供的另一种步行导航装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
在相关技术中，通常采用卫星定位技术来协助用户按照导航消息前往指定的地点。比如，使用北斗卫星导航系统、GPS（Global Positioning System，全球定位系统）等等。然而，定位数据可能存在误差，比如受到天气、建筑物阻碍和同时在相应区域的定位卫星数量等因素影响，定位数据会出现漂移。
以室内环境为例，当用户需前往某个实体门店时，由于室内环境的卫星定位数据较弱，若用户使用手机的卫星定位数据进行导航，则将导致自身的位置定位不准确、位置漂移、路线规划不合理等问题。比如，大型商场中通常包含多家实体门店，用户通过线上下单后，骑手需前往相应的实体门店取餐然后再配送给用户。那么，在取餐过程中，存在骑手携带的手机等客户端卫星定位数据不准确、无法获取该商场地图等情况。又如，用户前往实体门店消费也存在上述问题。
本说明书提供的步行导航方案对相关技术中的导航方式予以了改进，以解决相关技术中存在的上述技术问题。下面结合图1-图4对本说明书的步行导航方案进行详细说明。
请参见图1，图1是一示例性实施例提供的一种步行导航方法。如图1所示，该方法可以包括以下步骤：
步骤102，在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长。
如前所述，当用户步行前往终点时，在某些场景下用户无法获取准确的卫星定位数据，又无法获取自身所处环境的地图信息，导致无法根据导航信息顺利前往终点。
针对上述应用场景，在本说明书提供的步行导航方案中，可预先配置包含多个参考点的参考点集合，该参考点集合中记录的参考点用于在后续的路径规划中，作为步行路线的途经节点。因此，为了使得本说明书的步行规划方案中路径规划这一环节能够覆盖足够广的区域，以及在选取步行路线上途经节点时能够有合适的参考点能够选取，应当获取包含参考点数量足够大的集合。与此同时，应当控制获取参考点集合的成本。对此，以上述实体门店的场景为例，可结合实体门店的历史配送订单来获取参考点集合以降低成本，提高效率。
具体而言，参考点集合中参考点表示的地点可以包括室内环境的实体门店。在该情况下，用户包括前往实体门店领取待配送物品的配送员，比如配送场景下的骑手到店取餐。配送员在到达实体门店后，通常需要向配送平台上报到达事件以表明自身当前到达的实体门店、到店时间等信息。
举例而言，为了自动获取骑手到达商户的实体门店和从实体门店离开的时间，可在实体门店内部署Beacon设备。基于实体门店内配备有Beacon设备，Beacon设备的ID与商户ID一一对应。Beacon设备持续向外广播蓝牙信号，当骑手的智能手机靠近Beacon设备时，能够检测到其发出的蓝牙信号。然后，骑手的智能手机会将监听到Beacon设备的时间戳和该Beacon设备ID上传（在获得骑手授权的情况下）到服务器（即上报到达事件），这就说明骑手此时在该Beacon设备对应的实体门店周围，因此可自动地获取骑手到店和离店时间。
或者，可在商家侧的配送客户端程序上部署虚拟Beacon系统，该系统是应用程序的一部分，商家使用该应用程序来管理平台上收到的订单。在获得商户的同意后，虚拟Beacon蓝牙广播模块已添加到商户的应用程序中。当骑手接近实体门店时，骑手的智能手机将收到商户的智能手机生成的虚拟Beacon消息。收集机制与上述物理Beacon设备相同。虚拟Beacon消息不包含连续的GPS跟踪以保护商家的隐私，而是依赖动态ID与服务器上的商户ID映射，从而对应商户，以进行虚拟Beacon的到店检测。
基于配送员在到达实体门店后上报到达事件的机制，参考点集合可由以下方式得到：分别获取各配送员上报的针对所述室内环境包含的实体门店的到达事件，然后将所述到达事件指示的实体门店添加至参考点集合。
进一步的，可设置为每个参考点集合对应一个室内环境。比如，针对商场的每一楼层（每层包含多家实体门店）分别设置对应的参考点集合，即每个参考点集合包含相应楼层的实体门店。例如，可将所注册的门店地址属于商场同一楼层的实体门店划分至同一参考点集合。
还可将属于同一室内环境不同楼层的实体门店划分至同一参考点集合以解决跨楼层导航的问题。在此情况下，为了保证后续得到的步行路线中各个途经节点（从参考点中选取）易于查找，可将室内环境内不同楼层之间运送配送员的运输工具也作为参考点。换言之，参考点集合中参考点表示的地点还进一步包括室内环境内不同楼层之间运送配送员的运输工具。比如，不同楼层之间的电梯、扶梯等等。
而针对运输工具的识别，在不依赖室内环境的地图的情况下，室内环境中包含的运输工具可通过在该运输工具运输配送员的过程中，根据配送员所携带客户端检测到的加速度数据识别得出。以骑手为例，骑手使用的客户端可通过加速度传感器实时采集（在获得骑手授权的情况下）加速度数据以供判断骑手当前的状态。比如，当判断出当前存在竖直方向上的加速度时，可判断骑手位于电梯或者扶梯上。当然，还可采用其他任意配置于配送员客户端上的传感器来识别骑手位于运算工具上，其具体识别过程可参考相关技术中的记载，本说明书不再赘述。需要注意的是，该识别操作可由配送员客户端来执行，也可由配送员客户端将采集到的数据上传至后台服务端，以由后台服务端来执行上述识别操作，本说明书对此并不进行限制。
基于上述对参考点集合的配置，可先确定用户的当前位置是否位于参考点集合记录的参考点处，如果是，则将该用户的当前位置所处的参考点作为起点。其中，在用户的客户端检测到来自于参考点集合中任一参考点广播的近距离通讯信号的情况下，可确定该用户的当前位置位于该任一参考点处。当然，还可由用户自定义起点和终点，本说明书并不对此进行限制。
近距离通讯信号可采用上述的蓝牙信号；当然，还可采用其他任意近距离通讯技术，只要具备“近距离通讯”的特点即可。比如，还可采用Wi-Fi 、IrDA（Infrared DataAssociation，红外数据组织）红外数据传输、ZigBee、NFC（Near Field Communication，近场通信）、UWB（Ultra WideBand，超宽频）、DECT（Digital Enhanced CordlessTelecommunications，数字增强无绳通信）等通讯技术。以骑手为例，当骑手使用的手机检测到某一实体门店对应的蓝牙信号时，可判定该骑手位于该实体门店附近，那么可将该实体门店的位置作为起点，而将骑手需要前往取餐的下一实体门店作为终点。
在用户的起点和终点属于参考点集合记录的参考点的情况下，可预估用户在任意两参考点（即参考点集合中所有两两组合的参考点）之间（即用户从其中一个参考点前往另一参考点）的步行时长，从而基于预估步行时长来规划路线，选取路线上的途经节点。
而对于步行时长的预估，可结合图嵌入和机器学习算法来完成：先构建可表示室内各实体门店所对应参考点之间的拓扑关系的信号图谱，利用图嵌入技术表示出各个参考点对应的参考点向量，然后利用这些参考点向量作为样本数据训练预估模型以用于实时预测步行时长。
具体而言，信号图谱通过以参考点为图谱节点、历史用户在参考点之间的历史步行时长为边构建得到，参考点向量通过利用图嵌入表示所述信号图谱中的各个图谱节点得到，训练所述预估模型的样本数据包括各个参考点向量和历史用户的步行相关信息，样本数据的标签包括历史用户在各个参考点向量对应的参考点之间的历史步行时长。
以上述骑手到店取餐为例，同一室内环境下的各个实体门店的位置可作为参考点，也即作为信号图谱的图谱节点，信号图谱的边则与骑手在两实体门店之间的历史步行时长有关。比如，只要骑手在执行配送订单的过程中从某一实体门店处到达另一实体门店处，则说明骑手存在在这两实体门店之间的历史步行时长，那么可采用边连接这两实体门店对应的参考点。下面结合图2-图3举例进行说明。
图2是一示例性实施例提供的一种实体门店的分布示意图，图3是一示例性实施例提供的一种构建信号图谱的示意图。如图2所示，假定商场分别包括门店A~F，并且基于上述骑手历史配送订单的方式确定出，存在骑手分别从门店A~F中的任一门店前往过其他各个门店，那么说明门店A~F中每个两两组合的门店对应的参考点之间存在关联关系。因此，如图3所示，先分别以门店A~F作为图谱节点，然后将门店A~F中任意两门店对应的参考点采用边连接，从而得到信号图谱。
图嵌入（Graph Embedding，也叫Network Embedding）是一种将图数据（通常为高维稠密的矩阵）映射为低微稠密向量的过程。基于上述方式得到信号图谱后，可利用图嵌入将信号图谱表示成向量形式以作为样本数据。同时，可根据骑手上传的到达事件获取骑手到达和离开实体门店的时间信息，从而得到骑手在各个实体门店之间的实际步行时长。那么，骑手在各个历史配送订单中的实际步行时长，则可以作为样本数据的标签（即历史步行时长）。
除此之外，为了提高训练得到的预估模型的预测准确率，可设定样本数据进一步包括历史用户的步行相关信息。比如，步行相关信息可以包括以下至少之一：配送员的配送环境信息、配送员的配送状态信息和实体门店的运营状态信息。举例而言，配送环境信息可以包括天气信息、室内环境的人流量等等；配送状态信息可以包括骑手的背单数量、剩余配送时间、骑手当前位置等等；运营状态信息可以包括实体门店的接单状态，当前订单量，平均配送时长等等。当然，上述信息可根据实际情况灵活调整，本说明书并不对此进行限制。
而对于训练预估模型的有监督学习算法，可采用逻辑回归、神经网络、决策树、支持向量机、贝叶斯分类器等等。以神经网络为例，上述图嵌入学习的过程可采用GNN（GraphNeural Network，图神经网络）来完成。GNN可以把神经网络用在图结构（Graph）中，GNN包括多种类型，比如 GCN（Graph Convolutional Network，图卷积网络）、 GAT（GraphAttention Network，图注意力网络）、 GAE（Graph Auto-Encoder，图自编码器）等。当然，也可以采用其他任意神经网络算法，比如Graph RNN（Recurrent Neural Network，循环神经网络）算法、Graph RL（Reinforcement Learning，图强化学习）算法等等，本说明书并不对此进行限制。
在训练得到预估模型之后，便可获取用户的步行相关信息和步骤102中该任意两参考点在信号图谱中对应的参考点向量，并将获取到的步行相关信息和参考点向量输入至预估模型，以根据预估模型的输出结果得到相应的预估步行时长。
步骤104，根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内。
可设定一预设时长范围来作为依据选取各个参考点的相邻参考点，使得针对任一参考点，用户在该参考点和相应的相邻参考点之间的预估步行时长在预设时长范围内。可见，基于上述选取相邻参考点的方式，预设时长范围与用户从一个参考点处能够寻找到其相邻参考点的难易程度相关，实际为呈正相关。因此，只要合理设置预设时长范围的取值，则可以有效控制上述难易程度。比如，只要将预设时长范围的取值设定为足够小，就可以认为一个参考点与其相邻参考点之间的距离足够小，用户可轻易找到（即上述难易程度较低）。比如，将预设时长范围设置为较小范围，不超过5S、不超过6S等等，那么可以认为参考点与其相邻参考点之间的地理位置互相在用户的视野范围内，或者认为两者之间的路线简单无障碍以至于用户可轻易找到等等。当然，预设时长范围的具体数值范围可根据实际需求灵活设定，本说明书并不对此进行限制。
步骤106，基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
在基于上述原理得到各个参考点的相邻参考点之后，基于用户的起点和终点在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得得到的步行路线上至少一个途经节点（比如可以是每个途经节点）的相邻节点属于该途经节点的相邻参考点。可见，在步行路线中，用户从其中一个途经节点前往下一节点的过程中，用户寻找到该下一节点的难易程度较低。那么，可根据步行路线中各个途经节点的信息生成导航信息，该导航信息便可指示用户从起点依次按照步行路线中的各个途经节点步行前往终点，并且使得用户可轻易寻找到各个途经节点。
以步行路线上每个途经节点的相邻节点属于该途经节点的相邻参考点为例。在路径规划时，针对当前路线上的节点（包括起点），仅选择其相邻参考点作为该节点的下一个节点，从而实现逐店的导航。
以上述骑手配送场景为例，可利用上述匹配蓝牙信号的方式获取骑手的实时位置（可确定骑手在哪个实体门店附近）。然后基于室内门店拓扑图（即上述构建的信号图谱）和骑手在拓扑图上的实时位置，可根据骑手要去的目的地（如骑手下一个取餐的门店）进行导航。需要注意的是，由于室内门店拓扑图并未记载门店的具体位置，而只是描述了门店之间的拓扑关系，本说明书的步行导航方案是通过指示用户从起点依次按照步行路线中的各个途经节点步行前往终点来完成的。比如，可根据步行路线中各个途经节点对应的地点名称生成相应的语义导航信息，该语义导航信息依次记录了步行路线中各个途经节点对应的地点名称，从而引导用户按照顺序逐个前往相应的实体门店。换言之，本说明书的步行导航基于逻辑定位：无需获得用户在室内的具体物理位置，而只需确定用户在哪个门店附近的逻辑位置。下面结合图4举例进行说明。
请参见图4，图4是一示例性实施例提供的一种步行导航示意图。假定某商场室内的门店分布如图4所示，当然，实施本说明书的步行导航方案并不需要图4示出的地图数据，仅为了便于理解。举例而言，假定通过上述方式得到的步行路线为A→B→C→D，那么可生成如下导航信息：当处于门店A附近时，先前往门店B，然后向门店C方向前进，到达门店C后门店D就在附近。当然，导航信息的具体形式（比如文字、语音、图片等等）和内容可根据实际需求灵活调整，只要能够描述清楚步行路线上各个途经节点的顺序即可。
在导航过程中，同样可以通过蓝牙匹配的方式来对骑手的实时位置进行定位，从而按照步行路线上各个途经节点的顺序依次进行指引，以提高导航的效率。比如，在通过蓝牙信号匹配确定出骑手位于门店A附近时，开始步行导航，指引骑手前往门店B，然后每到达一个途经节点，播报下一途经节点的名称以继续指引骑手。当然，也可统一向骑手输出整个步行路线和相应的导航信息以由骑手自行查看，本说明书并不对此进行限制。
需要注意的是，在规划步行路线的过程中，可能存在多条步行路线的情况，即存在多条步行路线满足上述“至少一个途经节点的相邻节点属于该途经节点的相邻参考点”的条件。针对该情况，可从耗时和路线复杂度等维度来选取合适的步行路线，或者可输出所有满足条件的步行路线由骑手自行选取。比如，可从中选取节点之间预估步行时长之和最短或者所包含节点数量之和最少的步行路线。当然，还可从其他任意维度来选取步行路线，本说明书并不对此进行限制。
由上述实施例可见，上述导航过程可在无需依赖卫星定位数据和用户所处环境的地图数据的情况下，指引用户顺利前往终点，成本较低（比如无需人工去现场勘测每楼层的门店位置和门店的分布情况等地图数据），且步行路线上各个途经节点易查找（比如都在骑手的视野范围内），导航体验较好。
请参见图5，图5是一示例性实施例提供的另一种步行导航方法。如图5所示，该方法应用于用户的客户端，可以包括以下步骤：
步骤502，接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内。
步骤504，输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
需要说明的是，在本说明书提供的步行导航方案中，路线规划的操作可由服务端来执行，也可由客户端来执行，本说明书并不对此进行限制。同时，图5所示实施例的具体实施过程可参考上述图4所示实施例中的相关描述，在此不再赘述。
与上述方法实施例相对应，本说明书还提供了相应的装置实施例。
图6是一示例性实施例提供的一种设备的示意结构图。请参考图6，在硬件层面，该设备包括处理器602、内部总线604、网络接口606、内存608以及非易失性存储器610，当然还可能包括其他业务所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现，比如由处理器602从非易失性存储器610中读取对应的计算机程序到内存608中然后运行。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
请参考图7，步行导航装置可以应用于如图6所示的设备中，以实现本说明书的技术方案。其中，该装置可以包括：
预估单元71，在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长；
确定单元72，根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
生成单元73，基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
可选的，预估单元71还用于：
确定所述用户的当前位置是否位于所述参考点集合记录的参考点处；
如果是，则将所述用户的当前位置所处的参考点作为所述起点。
可选的，确定单元72具体用于：
在所述用户的客户端检测到来自于所述参考点集合中任一参考点广播的近距离通讯信号的情况下，确定所述用户的当前位置位于该任一参考点处。
可选的，确定单元72具体用于：
获取所述用户的步行相关信息和该任意两参考点在信号图谱中对应的参考点向量，将获取到的步行相关信息和参考点向量输入至预估模型，以根据所述预估模型的输出结果得到相应的预估步行时长；
其中，所述信号图谱通过以参考点为图谱节点、历史用户在参考点之间的历史步行时长为边构建得到，参考点向量通过利用图嵌入表示所述信号图谱中的各个图谱节点得到，训练所述预估模型的样本数据包括各个参考点向量和历史用户的步行相关信息，所述样本数据的标签包括历史用户在各个参考点向量对应的参考点之间的历史步行时长。
可选的，
所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；
其中，所述步行相关信息包括以下至少之一：配送员的配送环境信息、配送员的配送状态信息和实体门店的运营状态信息。
可选的，所述参考点集合中参考点表示的地点还包括所述室内环境内不同楼层之间运送配送员的运输工具。
可选的，所述室内环境中包含的运输工具通过在所述运输工具运输配送员的过程中，根据配送员所携带客户端检测到的加速度数据识别得出。
可选的，所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；所述参考点集合由以下方式得到：
分别获取各配送员上报的针对所述室内环境包含的实体门店的到达事件；
将所述到达事件指示的实体门店添加至所述参考点集合。
可选的，生成单元73还用于：
在存在多条所述步行路线的情况下，从中选取节点之间预估步行时长之和最短或者所包含节点数量之和最少的步行路线。
可选的，生成单元73具体用于：
根据所述步行路线中各个途经节点对应的地点名称生成相应的语义导航信息。
请参考图8，步行导航装置可以应用于如图6所示的设备中，以实现本说明书的技术方案。其中，该装置可以包括：
接收单元81，接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
导航单元82，输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (15)
1.一种步行导航方法，其特征在于，包括：
在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长；
根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
2.根据权利要求1所述的方法，其特征在于，还包括：
确定所述用户的当前位置是否位于所述参考点集合记录的参考点处；
如果是，则将所述用户的当前位置所处的参考点作为所述起点。
3.根据权利要求2所述的方法，其特征在于，所述确定所述用户的当前位置是否位于所述参考点集合记录的参考点处，包括：
在所述用户的客户端检测到来自于所述参考点集合中任一参考点广播的近距离通讯信号的情况下，确定所述用户的当前位置位于该任一参考点处。
4.根据权利要求1所述的方法，其特征在于，所述确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，包括：
获取所述用户的步行相关信息和该任意两参考点在信号图谱中对应的参考点向量，将获取到的步行相关信息和参考点向量输入至预估模型，以根据所述预估模型的输出结果得到相应的预估步行时长；
其中，所述信号图谱通过以参考点为图谱节点、历史用户在参考点之间的历史步行时长为边构建得到，参考点向量通过利用图嵌入表示所述信号图谱中的各个图谱节点得到，训练所述预估模型的样本数据包括各个参考点向量和历史用户的步行相关信息，所述样本数据的标签包括历史用户在各个参考点向量对应的参考点之间的历史步行时长。
5.根据权利要求4所述的方法，其特征在于，
所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；
其中，所述步行相关信息包括以下至少之一：配送员的配送环境信息、配送员的配送状态信息和实体门店的运营状态信息。
6.根据权利要求5所述的方法，其特征在于，所述参考点集合中参考点表示的地点还包括所述室内环境内不同楼层之间运送配送员的运输工具。
7.根据权利要求6所述的方法，其特征在于，所述室内环境中包含的运输工具通过在所述运输工具运输配送员的过程中，根据配送员所携带客户端检测到的加速度数据识别得出。
8.根据权利要求1所述的方法，其特征在于，所述参考点集合中参考点表示的地点包括室内环境的实体门店，所述用户包括前往所述实体门店领取待配送物品的配送员；所述参考点集合由以下方式得到：
分别获取各配送员上报的针对所述室内环境包含的实体门店的到达事件；
将所述到达事件指示的实体门店添加至所述参考点集合。
9.根据权利要求1所述的方法，其特征在于，还包括：
在存在多条所述步行路线的情况下，从中选取节点之间预估步行时长之和最短或者所包含节点数量之和最少的步行路线。
10.根据权利要求1所述的方法，其特征在于，所述根据所述步行路线中各个途经节点的信息生成导航信息，包括：
根据所述步行路线中各个途经节点对应的地点名称生成相应的语义导航信息。
11.一种步行导航方法，其特征在于，包括：
接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
12.一种步行导航装置，其特征在于，包括：
预估单元，在用户的起点和终点属于参考点集合记录的参考点的情况下，确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长；
确定单元，根据确定出的预估步行时长和预设时长范围，确定各个参考点的相邻参考点；其中，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
生成单元，基于所述起点、所述终点，在各个参考点的相邻参考点中选取途经节点以构建步行路线，使得所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，并根据所述步行路线中各个途经节点的信息生成导航信息，所述导航信息用于指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
13.一种步行导航装置，其特征在于，包括：
接收单元，接收服务端发送的根据步行路线中各个途经节点的信息生成的导航信息，所述步行路线基于用户的起点和终点，在参考点集合记录的各个参考点的相邻参考点中选取出途经节点以构建得到，所述步行路线上至少一个途经节点的相邻节点属于该途经节点的相邻参考点，所述用户的起点和终点属于所述参考点集合记录的参考点；其中，各个参考点的相邻参考点通过确定所述用户在所述参考点集合中任意两参考点之间的预估步行时长，并根据所述预估步行时长和预设时长范围确定出，针对任一参考点，所述用户在该参考点和相应的相邻参考点之间的预估步行时长在所述预设时长范围内；
导航单元，输出所述导航信息，以通过所述导航信息指示所述用户从所述起点依次按照所述步行路线中的各个途经节点步行前往所述终点。
14.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-11中任一项所述的方法。
15.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-11中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210188153.8A CN114264309B (zh) | 2022-02-28 | 2022-02-28 | 步行导航方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210188153.8A CN114264309B (zh) | 2022-02-28 | 2022-02-28 | 步行导航方法及装置、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114264309A true CN114264309A (zh) | 2022-04-01 |
| CN114264309B CN114264309B (zh) | 2022-05-24 |
Family
ID=80833736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210188153.8A Active CN114264309B (zh) | 2022-02-28 | 2022-02-28 | 步行导航方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114264309B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011153934A (ja) * | 2010-01-27 | 2011-08-11 | Navitime Japan Co Ltd | 経路案内システム、端末装置、経路探索サーバ、経路案内方法、および、プログラム |
| CN102798874A (zh) * | 2011-05-26 | 2012-11-28 | 上海博泰悦臻电子设备制造有限公司 | 导航提示方法及系统 |
| CN104024798A (zh) * | 2011-10-17 | 2014-09-03 | 高通股份有限公司 | 确定经编码路线可达性图描述中的交叉点处的方向转变可能性 |
| CN105865466A (zh) * | 2016-03-29 | 2016-08-17 | 努比亚技术有限公司 | 一种智能导航系统和方法 |
| CN107131881A (zh) * | 2017-03-27 | 2017-09-05 | 联想(北京)有限公司 | 一种室内导航方法及电子设备 |
| CN108318026A (zh) * | 2018-02-01 | 2018-07-24 | 深圳橙立科技有限公司 | 360度全景图导视系统的导视方法及应用 |
| CN108827307A (zh) * | 2018-06-05 | 2018-11-16 | Oppo（重庆）智能科技有限公司 | 导航方法、装置、终端及计算机可读存储介质 |
| CN112465968A (zh) * | 2020-11-25 | 2021-03-09 | 北京建筑大学 | 用于定位导航的建筑物地图混合数据模型的构建方法 |
| CN112729310A (zh) * | 2020-12-25 | 2021-04-30 | 张欣 | 室内基于地标物的导航方法和系统 |
| CN113330278A (zh) * | 2019-01-31 | 2021-08-31 | 华为技术有限公司 | 一种导航装置、方法及相关设备 |
| CN113780955A (zh) * | 2021-09-17 | 2021-12-10 | 拉扎斯网络科技（上海）有限公司 | 位置校验方法及装置、电子设备、存储介质 |
-
2022
- 2022-02-28 CN CN202210188153.8A patent/CN114264309B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011153934A (ja) * | 2010-01-27 | 2011-08-11 | Navitime Japan Co Ltd | 経路案内システム、端末装置、経路探索サーバ、経路案内方法、および、プログラム |
| CN102798874A (zh) * | 2011-05-26 | 2012-11-28 | 上海博泰悦臻电子设备制造有限公司 | 导航提示方法及系统 |
| CN104024798A (zh) * | 2011-10-17 | 2014-09-03 | 高通股份有限公司 | 确定经编码路线可达性图描述中的交叉点处的方向转变可能性 |
| CN105865466A (zh) * | 2016-03-29 | 2016-08-17 | 努比亚技术有限公司 | 一种智能导航系统和方法 |
| CN107131881A (zh) * | 2017-03-27 | 2017-09-05 | 联想(北京)有限公司 | 一种室内导航方法及电子设备 |
| CN108318026A (zh) * | 2018-02-01 | 2018-07-24 | 深圳橙立科技有限公司 | 360度全景图导视系统的导视方法及应用 |
| CN108827307A (zh) * | 2018-06-05 | 2018-11-16 | Oppo（重庆）智能科技有限公司 | 导航方法、装置、终端及计算机可读存储介质 |
| CN113330278A (zh) * | 2019-01-31 | 2021-08-31 | 华为技术有限公司 | 一种导航装置、方法及相关设备 |
| CN112465968A (zh) * | 2020-11-25 | 2021-03-09 | 北京建筑大学 | 用于定位导航的建筑物地图混合数据模型的构建方法 |
| CN112729310A (zh) * | 2020-12-25 | 2021-04-30 | 张欣 | 室内基于地标物的导航方法和系统 |
| CN113780955A (zh) * | 2021-09-17 | 2021-12-10 | 拉扎斯网络科技（上海）有限公司 | 位置校验方法及装置、电子设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114264309B (zh) | 2022-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7191123B2 (ja) | ピアツーピアの位置更新 | |
| US11783282B2 (en) | Depot dispatch protocol for autonomous last-mile deliveries | |
| US11481700B2 (en) | Route optimization methods and devices | |
| AU2013205716B2 (en) | Location-based cognitive and predictive communication system | |
| US9351124B1 (en) | Location detection and communication through latent dynamic network interactions | |
| US20190130354A1 (en) | Depot dispatch protocol for aggregating on-demand deliveries | |
| KR101534995B1 (ko) | 모바일 로케이션 결정을 위한 방법 및 장치 | |
| Carrel et al. | Quantifying transit travel experiences from the users’ perspective with high-resolution smartphone and vehicle location data: Methodologies, validation, and example analyses | |
| US20130101159A1 (en) | Image and video based pedestrian traffic estimation | |
| JP2012003494A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| Petkovics et al. | Crowdsensing solutions in smart cities towards a networked society | |
| CN109598461B (zh) | 配送方法、装置和计算机可读存储介质 | |
| US20210164784A1 (en) | Method and apparatus for providing an indoor pedestrian origin-destination matrix and flow analytics | |
| CN114264309B (zh) | 步行导航方法及装置、电子设备、存储介质 | |
| JP6687648B2 (ja) | 推定装置、推定方法及び推定プログラム | |
| US20230133602A1 (en) | Door-step time estimation and delivery route optimization | |
| US11829931B2 (en) | Estimating system, estimating method, and information storage medium | |
| CN114580729A (zh) | 配送员的逻辑定位方法及装置、电子设备、存储介质 | |
| CN112556706A (zh) | 一种导航方法、装置、设备和机器可读介质 | |
| Raj et al. | Smart parking systems technologies, tools, and challenges for implementing in a smart city environment: a survey based on IoT & ML perspective | |
| JP7303166B2 (ja) | ナビゲーション装置、ナビゲーション方法及びコンピュータプログラム | |
| Tasseron et al. | The Impact of Bottom‐Up Parking Information Provision in a Real‐Life Context: The Case of Antwerp | |
| JP7303167B2 (ja) | 無線品質情報提供装置、ナビゲーションシステム、無線品質情報提供方法及びコンピュータプログラム | |
| JP2019057050A (ja) | 提供装置、提供方法、及び提供プログラム | |
| Dong | Unleashing the power of the crowd: Towards efficient and sustainable mobile crowdsensing |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230506 Address after: Room 507, 788 Zhenbei Road, Putuo District, Shanghai, 200333 Patentee after: Lazas Network Technology (Shanghai) Co., Ltd. Patentee after: ZHEJIANG KOUBEI NETWORK TECHNOLOGY Co.,Ltd. Address before: 310012 block g, 11 / F, building a, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG KOUBEI NETWORK TECHNOLOGY Co.,Ltd. |