CN114390673B - 一种应用于医院的用户行为监测系统 - Google Patents
一种应用于医院的用户行为监测系统 Download PDFInfo
- Publication number
- CN114390673B CN114390673B CN202111552680.4A CN202111552680A CN114390673B CN 114390673 B CN114390673 B CN 114390673B CN 202111552680 A CN202111552680 A CN 202111552680A CN 114390673 B CN114390673 B CN 114390673B
- Authority
- CN
- China
- Prior art keywords
- terminal
- information
- area
- base station
- positioning base
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 210000000216 zygoma Anatomy 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 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
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Alarm Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及医院管理领域,公开了医院的用户行为监测系统,系统包括,终端、定位基站和服务器端,通过服务器端对终端设备的分区域判别和划分,快速地定位到人员的位置区域信息,同时通过位置区域信息的划分,再次依据不同区域内的定位基站信息,获取到所述终端设备的位置坐标信息,能够精确地定位人员的位置信息,方便在紧急救治事件中对于特定人员的调度和处理。
Description
技术领域
本发明涉及网络信息传输领域,特别是医院的用户行为智能监测系统。
背景技术
目前,在我们生活中关于用户定位的信息,通过基站执行定位,在用户的出行和生活已经广泛应用,尤其是日常的交通等方面。所述用户位置信息的获取都是通过移动通信基站,结合GPS信号获知用户的准确位置信息。
对于医院等特定区域范围的内来说,目前的GPS民用定位信息还不能很好地应用于到医院的信息管理系统中。医院大楼的结构特征通常都存在多房间,多通道的特性,同时基于医院的科室和楼层病房的划分等,如何精细化地实现对医院本职工作人员在特定区域内的管理,成为室内定位管理控制的研究热点。尤其是在手术过程中,医生的个人通信设备处于安全和卫生考虑都不允许随身携带,因此,如何对进入手术区域内的人员执行定位远程管理,从而实现对不同区域人员的智能化显示和识别,方便在紧急情况发生的情形下,能够准确定位到相关特定专家的位置,实现紧急情况下对患者或急症的处置显得极为重要。
发明内容
有鉴于以上情形,本发明提出了一种应用于医院的用户行为监测系统,所述用户行为监测系统包括,多个终端,多个定位基站和后台服务器,
所述多个定位基站设置于医院内部楼层中,所述定位基站的坐标预设在服务器端,终端定位与定位基站通过无线网络连接,所述终端测量定位基站的RSSI信号,终端通过RSSI信号定位自己的位置信息,并将所述定位信息发送到服务器端,服务器端根据获取到的终端的定位信息,在医院内部显示地图中进行显示。
可选的,所述服务器端设置对医院内部的地图位置,设置分区域的RSSI阈值范围内,所述终端通过RSSI信号定位自己的位置信息,具体是终端根据利用经过处理后的各个基站的RSSI数据与各区信号强度范围结合,判定移动设备所在的区域。
可选的,各个区域的定位基站和各个终端具有标识码信息,所述定位标识码信息是设备终端的MAC地址。
可选的,各个终端与使用者的用户身份进行映射,所述映射关系注册在服务器端。
可选的,服务器端通过终端使用者的属性信息,对设定区域内范围的人员进行显示,所述显示具体是通过设定区域内的关键点为中心做聚类显示。
可选的,所述终端通过RSSI信号定位自己的位置信息,具体是,终端根据利用经过处理后的各个基站的RSSI数据与各区信号强度范围结合,判定移动设备所在的区域,具体是:预先设定好每个区域所对应的各个定位基站信号强度的RSSI最大值与RSSI最小值,将数据存储于服务器端的数据库中;并记第i区第K个AP的最大值与最小值分别为RSSmaxi,K、RSSmini,K,在定位的过程中,终端设备接收每个定位基站AP的信号强度,将第K个AP的信号强度记为RSSK,若RSSmini,K≤RSSK≤RSSmaxi,K,对定位基站信号强度所对应的区域进行投票,拥有唯一最大投票结果的区域为移动设备最可能存在的区域。
可选的,当不拥有唯一最大投票结果时,使用信号强度最接近法来判定设备所处的位置。
可选的,当确定了终端设备所在的区域时,通过所在区域的定位基站的坐标点信息,获取到所述终端的坐标信息。
可选的,当发生紧急救治事件时,服务器端通过位置显示图形准确获知其终端的位置信息;通过终端发送事件提示信息,并根据所述终端呈现关联专家的位置信息,规划到达目的区域位置点的信息,推送给专家所在终端,所述路径信息优先与其它的专家的路径重叠。
本发明通过服务器端对终端设备的分区域判别和划分计算,可以快速地定位到人员的位置区域信息,同时通过位置区域信息的划分,再次依据不同区域内的定位基站信息,获取到所述终端设备的位置坐标信息,能够精确地定位人员的位置信息,从而方便在紧急救治事件中对于特定人员的调度和处理,尤其是在手术室区域时,能够便捷地通过院内系统,快速响应。
附图说明
通过参考附图会更加清楚的理解本公开的特征和优点,附图是示意性的而不应理解为对本公开进行任何限制,在附图中。
图1本发明的系统框图。
图2是定位区域流程示意图。
具体实施方式
参看下面的说明以及附图,本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解,其中说明和附图形成了说明书的一部分。然而,可以清楚地理解,附图仅用作说明和描述的目的,并不意在限定本公开的保护范围。可以理解的是,附图并非按比例绘制。本公开中使用了多种结构图用来说明根据本公开的实施例的各种变形。
实施例1
如图1所示,所述用户行为监测系统包括,多个终端和多个定位基站和后台服务器,所述多个物理终端为用户手术衣服上的有源标签,也可以是便携式移动终端,所述定位基站AP分别设置在各个楼层中,所述定位基站的坐标预设在系统的服务器端,服务器端通过显示装置执行定位基站信息和用户信息的拓扑结构图的显示,所述显示装置也显示所述用户的轨迹图。
如图2所示,可选的,终端获取各个AP的RSSI信号,所述系统接收各个终端获取到的RSSI信号,通过在服务器端设置的分区域的RSSI阈值图,对各个所述用户终端所处于的区域进行判断,所述区域判定首先利用经过处理后的数据与各区信号强度范围结合,判定移动设备所在的区域。
预先设定好每个区域所对应的各个AP信号强度的最大值与最小值(即RSSI范围)然后将数据存储于服务器端的数据库中,并记第i区第K个AP的最大值与最小值分别为RSSmaxi,K、RSSmini,K,在定位的过程中,由移动设备接收每个AP的信号强度,将第K个AP的信号强度记为RSSK,若RSSmini,K≤RSSK≤RSSmaxi,K,对该AP信号强度所对应的区域进行投票,并且每个AP对所有的这些区域都执行该过程,最后,拥有最大投票结果的区域就为移动设备最可能存在的区域;当判定的区域是唯一的时,该区域就是移动设备的估计区。
可选的,由于信号可能被障碍物、人等一些因素所影响,最后就可能出现存在两个甚至多个区域的值最大且相等的情况,此时,则需要对这些可能的区域继续进行判定,继而找出移动设备可能在的区域,可选的,使用信号强度最接近法来判定移动设备所处的位置。
若当最后投票的最大值为设置的对应AP数时,计算出各AP实测信号强度与可能区域所对应的AP信号范围的最小绝对值,并分别统计出各个可能区域所有AP的最小绝对值之和,所得最大值所对应的区域即为移动设备估计区。
若当最后投票的最大值不为设置所对应的AP数时,则分别计算出各可能区域不在信号强度范围内的AP信号强度到相应信号强度范围的绝对值,对所有可能区域的绝对值大小进行比较,判定最小绝对值所对应的区域,即为最终移动设备估计区。假如采用4个AP,定区结果为有两个区域的票数最大,都为3。只有一个AP的信号强度不在区域信号范围内。此时就应该找到两个在信号强度区域范围内的两个AP信号,并根据实测信号强度来判断哪个AP信号更为接近相应区域的信号,则它所在的区域便为移动终端可能处于的区域。
当确定出可能的区域时,根据获取到的该区域内的AP的参考信号中的所属的参考信号信息,假设该区域内的N个已知的参考点,坐标为(x1,y1),(x2,y2)......(xN,yN),RSSI测量值为(RSSI1,RSSI2......RSSIN)通过利用无线信号传播衰减模型计算得到待定节点到参考节点的距离d1,d2......dN,则可得到以下方程:
在求解过程中利用泰勒级数展开迭代算法进行计算,其基本原理为:设定位节点的真实坐标为(x,y),对方程组(1)进行如下处理:
假设定位节点的近似位置为用(△x,△y)标记真实位置(x,y)与近似位置的位置偏移量,将公式(2)按泰勒级数在近似位置处展开:
真实位置为近似位置和位置偏移量之和:
因此:
上式在近似位置处利用泰勒级数展开,并去除一阶偏导各项:
各偏导数经计算为:
将上述三式代入公式(3)得:
整理得:
令:
则公式(6)可简化为:
可得:
定义:
得到:H△ρ=△d (7)
用LS求解(7)式得:
一旦算出了未知量,便可以利用得出用户坐标(x,y)真实值。只要(△x,△y)是在线性化点的附近,这种线性化方法便是可行的。可以接收的位移取决于精度要求。如果位移的确超过了可接受的值,便可重新迭代上述过程,即以算出的估计坐标/>作为新的估计值代入/>再次进行运算。
获取到所述用户的坐标信息,并发送给所述用户服务器端,所述服务器端将获取的到的信息,通过信息中的时间戳信息,在服务器端的用户地图上进行显示,从而实时地显示各个不同用户在服务器端的轨迹信息和属性信息。
可选的,所述服务器端的为了简化信息的显示信息,以不同手术室中的关键人物为关联节点执行简化信息显示拓扑图,可选的在实际显示监测过程中,比如某个科室的在做一手术,由学术带头人在执行,则可以以该学术带头人为信息显示节点,优先获取并计算其位置信息,以学术带头人为信息集中点,在服务器端显示各个关联点信息,在具体的位置信息判断中,对与其关联的信息在区域信息中分类执行的分类;便于在紧急事件中能够简要显示各个科室的主要力量,从而快速规划并获取到关键人物的信息,减少路径规划量。
服务器端可以选举关键点的位置信息为特征属性,对服务器端的显示执行控制。对于医院而言,可以分区域获得关键人或重要专家的位置信息,当发生紧急救援事件时,可以通过位置显示图形准确获知其所属于的位置信息。通过终端发送事件提示信息,并根据所述终端呈现关联专家人物的位置信息,并给出目的区域位置点的信息,并显示达到路径信息。根据规划的路径信息,使得不同的关键人物能够根据路径信息快速到达位置区域的同时,优先推荐存在路径重叠,进而保障关键人物能够在到达目标区域的过程中,进行信息的沟通和交流,提高处置效率。
可选的,所述服务端进一步对所述定位信号进行处理,所述定位信号辅助获取所述终端的MAC地址等与穿着人物的识别信息进行匹配,从而验证终端适配到特定的人员;确保用户的信息与服务端设备中的预先注册的映射信息匹配。
可选的,所述人物信息的识别,可以是基于人脸识别算法,通过建立预设部位的肌肉之间的相对距离组合与所述多个预设特征之间的对应关系表。所述多个预设部位至少包括额部、眼部、嘴部及颧部,根据拍摄的每一用户面部的三维图像识别多个预设部位的肌肉之间的相对距离,通过特征识别以确定用户面部的三维图像中的额部、眼部、颧部及嘴部;及分别计算所述三维图像中额部与眼部之间的相对距离、眼部与颧部之间的相对距离及颧部与嘴部之间的相对距离。
所述的人脸单元通过依据图像中各个子块中包含的特征信息对于特征分类的重要性不同的,采用自适应加权机制来对各个子块赋予合理的权值,即首先求出训练样本中所有中性图像的中性平均脸,并提取该中性平均脸的局部纹理特征矩阵A=[a1,…am],利用卡方距离计算出实时获取的图像与中性平均脸图像在某个子块上的LBP直方图,即是相应局部纹理特征矩阵的某一列的差异,当差异小于设定阈值时,符合标识信息。
可选的,所说终端也可以是具有需要用到手术衣的有源标签,所述标签集成信息提醒单元模块,有源标签具有定位功能,获得准确的RSSI值,
进一步,所述系统能够实时定位到每个医护人员的位置,通过终端位置信息的识别和获取,可以清楚知道每个区域内的人员数量,每个手术室内的人员数据,进出入次数,这些数据都可以实现人员考勤、人员行为管理、手术室管控,通过对于实时系统的人数的监测完成对于手术过程中人员系统分布得到显示和控制。
所述系统中的定位中,无线信号传输中采用的模型为:
PL(d)=PL(d0)+10nlg(d/d0)+X0 (1.1)
式中,PL(d)为经过距离d后的路径损耗;PL(d0)为经过单位距离后的路径损耗;d0为单位距离,通常为1m;X0为均值为0的随机数并服从高斯分布,其标准差范围是4~10;n是信号衰减因子,范围为2~4。
接收端收到的信号强度为:
PR(d)=PT+GT-PL(d) (1.2)
式中,PR(d)是接收信号强度指示即RSSI;PT为发射信号的功率;GT为发射天线增益。简化信号衰减模型为:
实际测量中测距模型进一步简化为:
RSSI=-10nlgd-A (1.4)
式中,n为信号衰减因子,范围一般为2~4;d为定位节点与参考节点之间的距离;A为定位节点与参考节点之间的距离d为1m时测得RSSI值,式(1.4)就是RSSI测距的模型,得到了RSSI和d的函数关系,故已知接收机接收到的RSSI值就可以算出与发射机之间的距离,A和n和具体使用的硬件节点以及无线传播的环境有关,因此在不同的实际环境中A和n参数不同其测距模型也不同。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种应用于医院的用户行为监测系统,其特征在于:所述用户行为监测系统包括,终端、定位基站和服务器端;
所述定位基站设置于医院内部楼层中,所述定位基站的坐标预设在服务器端,终端与定位基站通过无线网络连接,所述终端测量定位基站的RSSI信号,终端通过RSSI信号定位自己的位置,并将定位信息发送到服务器端,服务器端根据获取到的终端的定位信息,在医院内部显示地图中进行显示,所述定位信息的显示包括终端的移动轨迹信息和属性;
所述服务器端设置对医院内部的地图位置,设置分区域的RSSI阈值范围内,所述终端通过RSSI信号定位自己的位置包括:终端根据经过处理后的各个定位基站的RSSI数据与各区信号RSSI强度范围结合,判定终端所在的区域;
服务器端通过终端使用者的属性信息,对设定区域内范围的人员进行显示,所述显示是通过设定区域内的关键点为中心做聚类显示,所述聚类显示为以关键点为关联节点简化信息显示的拓扑图;当发生紧急救治事件时,服务器端通过位置显示图形准确获知终端的位置信息;向终端发送事件提示信息,并根据所述终端呈现关联专家的位置信息,规划到达目的区域位置点的信息,并推送给专家关联的终端,路径信息优先与其它专家的路径重叠;
其中,所述终端根据利用经过处理后的各个基站的RSSI数据与各区信号强度范围结合,判定终端所在的区域,包括:预先设定好每个区域所对应的各个定位基站信号强度的RSSI最大值与RSSI最小值,将数据存储于服务器端的数据库中;并记第i区第K个AP的最大值与最小值分别为RSS maxi,K、RSS mini,K,在定位的过程中,终端接收每个定位基站AP的信号强度,将第K个AP的信号强度记为RSSK,若RSS mini,K≤RSSK≤RSS maxi,K,对定位基站信号强度所对应的区域进行投票,拥有唯一最大投票结果的区域为终端存在的区域。
2.如权利要求1所述的系统,其特征在于:各个区域的定位基站和各个终端具有标识码信息,所述标识码信息是终端的MAC地址。
3.如权利要求2所述的系统,其特征在于:各个终端与使用者的用户身份进行映射,映射关系注册在服务器端。
4.如权利要求3所述的系统,其特征在于:当不拥有唯一最大投票结果时,使用信号强度最接近法判定终端所处的位置。
5.如权利要求4所述的系统,其特征在于:当确定终端所在的区域时,通过所在区域的定位基站的坐标点信息,获取所述终端的坐标信息。
6.如权利要求5所述的系统,其特征在于:所述分区域信息为医院内部不同的手术区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111552680.4A CN114390673B (zh) | 2021-12-17 | 2021-12-17 | 一种应用于医院的用户行为监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111552680.4A CN114390673B (zh) | 2021-12-17 | 2021-12-17 | 一种应用于医院的用户行为监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114390673A CN114390673A (zh) | 2022-04-22 |
CN114390673B true CN114390673B (zh) | 2023-11-14 |
Family
ID=81197448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111552680.4A Active CN114390673B (zh) | 2021-12-17 | 2021-12-17 | 一种应用于医院的用户行为监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390673B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
CN105228106A (zh) * | 2015-09-07 | 2016-01-06 | 广东欧珀移动通信有限公司 | 一种基于室内的医护人员查找方法、定位服务器和系统 |
WO2017015868A1 (zh) * | 2015-07-28 | 2017-02-02 | 深圳市润安科技发展有限公司 | 一种医院工作人员定位方法和医院工作人员定位系统 |
CN107505595A (zh) * | 2017-08-14 | 2017-12-22 | 盐城市第人民医院 | 患者定位方法及装置 |
KR20180001272A (ko) * | 2016-06-27 | 2018-01-04 | 나이스정보통신주식회사 | 병원 건물 내 오브젝트 위치 관리 방법 및 시스템 |
JP2018014076A (ja) * | 2016-07-07 | 2018-01-25 | 株式会社リコー | 情報処理装置、情報処理システム、表示制御方法、及びプログラム |
CN108650623A (zh) * | 2018-05-15 | 2018-10-12 | 重庆邮电大学 | 一种基于超宽带室内定位技术的智能人员可视化管理方法 |
CN108710105A (zh) * | 2018-06-27 | 2018-10-26 | 云南电网有限责任公司文山供电局 | 换流站站内定位方法 |
CN111238466A (zh) * | 2020-01-20 | 2020-06-05 | 和宇健康科技股份有限公司 | 一种室内导航方法、装置、介质及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8412539B2 (en) * | 2009-04-09 | 2013-04-02 | Rajagopal Srinivasan | Handheld medical information management device |
-
2021
- 2021-12-17 CN CN202111552680.4A patent/CN114390673B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
WO2017015868A1 (zh) * | 2015-07-28 | 2017-02-02 | 深圳市润安科技发展有限公司 | 一种医院工作人员定位方法和医院工作人员定位系统 |
CN105228106A (zh) * | 2015-09-07 | 2016-01-06 | 广东欧珀移动通信有限公司 | 一种基于室内的医护人员查找方法、定位服务器和系统 |
KR20180001272A (ko) * | 2016-06-27 | 2018-01-04 | 나이스정보통신주식회사 | 병원 건물 내 오브젝트 위치 관리 방법 및 시스템 |
JP2018014076A (ja) * | 2016-07-07 | 2018-01-25 | 株式会社リコー | 情報処理装置、情報処理システム、表示制御方法、及びプログラム |
CN107505595A (zh) * | 2017-08-14 | 2017-12-22 | 盐城市第人民医院 | 患者定位方法及装置 |
CN108650623A (zh) * | 2018-05-15 | 2018-10-12 | 重庆邮电大学 | 一种基于超宽带室内定位技术的智能人员可视化管理方法 |
CN108710105A (zh) * | 2018-06-27 | 2018-10-26 | 云南电网有限责任公司文山供电局 | 换流站站内定位方法 |
CN111238466A (zh) * | 2020-01-20 | 2020-06-05 | 和宇健康科技股份有限公司 | 一种室内导航方法、装置、介质及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114390673A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3272161B1 (en) | Localization based on motion detection of the mobile device | |
US10684349B2 (en) | Enhanced indoor localization method | |
US9763035B2 (en) | System, method and computer program for anonymous localization | |
Krumm et al. | LOCADIO: Inferring Motion and Location from Wi-Fi Signal Strengths. | |
JP4904137B2 (ja) | ロケーション決定技法 | |
US7212830B2 (en) | Position detection method, position detection system, and position detection server equipment | |
JP2015531053A (ja) | 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム | |
Zhang et al. | A scalable indoor localization algorithm based on distance fitting and fingerprint mapping in Wi-Fi environments | |
US20170074965A1 (en) | Terminal and method for measuring location thereof | |
CN110933632A (zh) | 一种终端室内定位方法及系统 | |
CN107404710B (zh) | 用于计算移动通信装置在环境内的位置的方法和系统 | |
Joseph et al. | Indoor positioning using WiFi fingerprint | |
Wu et al. | $ HTrack $: An efficient heading-aided map matching for indoor localization and tracking | |
CN112002431A (zh) | 一种利用电磁信号发现特定用户的密切接触者的方法及系统 | |
CN114390673B (zh) | 一种应用于医院的用户行为监测系统 | |
Le et al. | Received signal strength based indoor positioning algorithm using advanced clustering and kernel ridge regression | |
CA2725250A1 (en) | System, method and computer program for anonymous localization | |
Hernandez et al. | Hierarchical Approach to Enhancing Topology-based WiFi Indoor Localization in Large Environments. | |
CN102946635A (zh) | 基于激励器技术的room level级室内定位方法及定位系统 | |
TWI425241B (zh) | Combining the signal intensity characteristic comparison and position prediction analysis of hybrid indoor positioning method | |
Elhamshary et al. | Towards ubiquitous indoor spatial awareness on a worldwide scale | |
Tran et al. | A scalable localization system for critical controlled wireless sensor networks | |
CN114245298B (zh) | 一种基于压力感知的室内人员标记定位方法 | |
KR101853700B1 (ko) | 재난 구조시의 실내 위치 표시 시스템 및 방법 | |
Liang et al. | Indoor region localization with asynchronous sensing data: A Bayesian probabilistic model |
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 |