CN114646313A - 一种用户轨迹定位方法、电子设备及计算机存储介质 - Google Patents

一种用户轨迹定位方法、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN114646313A
CN114646313A CN202011493438.XA CN202011493438A CN114646313A CN 114646313 A CN114646313 A CN 114646313A CN 202011493438 A CN202011493438 A CN 202011493438A CN 114646313 A CN114646313 A CN 114646313A
Authority
CN
China
Prior art keywords
user
smoothing
indoor
point
road
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.)
Pending
Application number
CN202011493438.XA
Other languages
English (en)
Inventor
金宁迪
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202011493438.XA priority Critical patent/CN114646313A/zh
Priority to PCT/CN2021/134025 priority patent/WO2022127573A1/zh
Priority to EP21905502.7A priority patent/EP4266004A1/en
Publication of CN114646313A publication Critical patent/CN114646313A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • 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
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0269—Inferred or constrained positioning, e.g. employing knowledge of the physical or electromagnetic environment, state of motion or other contextual information to infer or constrain a position
    • G01S5/02695—Constraining the position to lie on a curve or surface
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/012—Identifying whether indoors or outdoors

Abstract

本发明实施例公开了一种用户轨迹定位方法，包括：基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑；若用户级判定结果为室外，则基于室外单点定位结果进行用户级轨迹平滑，并将用户级轨迹平滑和道路匹配；若用户级判定结果为室内，则基于室内单点定位结果进行室内点平滑；基于用户级轨迹平滑和道路匹配的结果、以及室内点平滑生成单用户完整轨迹。本发明实施例还提供了一种电子设备，可以获得更高的定位精度。

Description

一种用户轨迹定位方法、电子设备及计算机存储介质
技术领域
本发明涉及无线通信技术及定位导航，尤其涉及一种用户轨迹定位方法、电子设备及计算机存储介质。
背景技术
目前运营商的定位大多基于简单的单点定位，采用各种定位方法对终端上报的每条MR(Measure Report，测量报告)进行定位，定位方法包括各种三角定位方法、指纹定位方法和极少量的MR自携带AGPS。运营商定位大多基于信号强度(RSPR，Reference SignalReceived Power)、时间提前量(Timing Advance) 等能表征用户终端到小区距离的测量值。然而这些测量值受时变多径、时变衰落影响很大，导致定位数据源精度较差，单点定位精度很难提升且定位精度不高。
发明内容
本发明提供一种用户轨迹定位方法、电子设备及计算机存储介质，可以获得更高的定位精度。
为达到上述目的，本发明实施例提供的用户轨迹定位方法，包括：
基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑；
若用户级判定结果为室外，则基于室外单点定位结果进行用户级轨迹平滑，并将用户级轨迹平滑和道路匹配；
若用户级判定结果为室内，则基于室内单点定位结果进行室内点平滑；
基于用户级轨迹平滑和道路匹配的结果、以及室内点平滑生成单用户完整轨迹。
为达到上述目的，本发明实施例还提供一种电子设备，包括，处理器；以及
被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行上述用户轨迹定位方法的步骤。
为达到上述目的，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序当被包括多个应用程序的电子设备执行时，使得电子设备执行上述用户轨迹定位方法的步骤。
本发明实施例的用户轨迹定位方法，基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑，基于室外单点定位结果进行用户级轨迹平滑，并将该用户级轨迹平滑和道路匹配，基于室内单点定位结果进行室内点平滑，基于该用户级轨迹平滑和道路匹配的结果、以及室内点平滑生成单用户完整轨迹；最终生成的单用户完整轨迹相比输入的单点定位精度更高，定位结果时序关系更加合理。
附图说明
图1是本发明实施例提供的一种用户轨迹定位方法流程图；
图2是本发明实施例提供的一种路网拓扑结构提取方法流程图；
图3是本发明实施例提供的一种用户级室内、室外判定方法流程图；
图4是本发明实施例提供的一种用户级室外轨迹平滑及道路匹配方法流程图；
图5是本发明实施例提供的一种“点到线”道路匹配投影点在道路上示意图；
图6是本发明实施例提供的一种“点到线”道路匹配投影点在道路外示意图；
图7是本发明实施例提供的一种用于基于拓扑道路匹配的树状结构示意图；
图8是本发明实施例的一个电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例中，用户轨迹定位方法是指基于单点室内、室外判定结果进行用户级室内、室外判定，基于室外单点定位结果进行用户级轨迹平滑和道路匹配，基于室内单点定位结果进行室内点平滑，基于用户级轨迹平滑、道路匹配以及室内点平滑生成单用户完整轨迹；最终生成的单用户完整轨迹相比输入的单点定位精度更高，定位结果时序关系更加合理。
实施例1
图1是本发明实施例提供的一种用户轨迹定位方法流程图，下面将参考图1，对本发明实施例的一种用户轨迹定位方法进行详细描述。
首先，步骤S101，基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑。
本发明实施例中，基于单点室内、室外判定结果进行用户级室内、室外判定，判定结果为室外的进入步骤S102，判定结果为室内的进入步骤S103。
在步骤S102，用户级判定结果为室外时，基于室外单点定位结果进行用户级轨迹平滑，并将用户级轨迹平滑和道路匹配。
本发明实施例中，对于判定结果为室外的MR进行用户级轨迹平滑，并将该平滑结果和道路匹配。
本发明实施例中，对室外的MR进行用户级轨迹平滑和道路匹配还需要从原始矢量地图中提取路网拓扑结构。
在步骤S103，用户级判定结果为室内时，基于室内单点定位结果进行室内点平滑。
本发明实施例中，对于判定结果为室内的MR进行室内定位点平滑。
本发明实施例中，用户从一个建筑到另一个建筑一定是要经过一段室外，所以如果用户在一段时间连续都判定为室内，那么认为是在同一个建筑中。
提取与此时间段最接近的室外点的位置，通过时间差和卡尔曼滤波算出的速度计算得到建筑可能在的范围。将此时间段内定位到这个范围内的建筑都作为判决的候选建筑。
这里采用的判决方法是将一段时间内定位到的建筑进行WKNN(Weighted KNearest Neighbors，加权K近邻)加权平均，然后选择距离加权平均位置L最近的建筑作为建筑判定结果。加权平均的权重为建筑出现的频次wi。
Figure BDA0002841397490000031
在步骤S104，基于用户级轨迹平滑和道路匹配的结果、以及室内点平滑生成单用户完整轨迹。
本发明实施例中，结合步骤S102和步骤S103的结果生成单用户完整轨迹。
本发明实施例中，将室外轨迹平滑和道路匹配的定位结果、以及室内点平滑结果按时间升序排序，生成用户级完整轨迹。
实施例2
图2是本发明实施例提供的一种路网拓扑结构提取方法流程图，下面将参考图2，对本发明实施例的一种路网拓扑结构提取方法进行详细描述。
首先，步骤S201，提取矢量地图道路图层覆盖道路栅格。
本发明实施例中，矢量地图为WGS84坐标系，要将其转化为墨卡托坐标系进行栅格化，首先将矢量地图一条道路的起点和终点坐标转到墨卡托坐标系，转换方法如下：
C＝20037508.34
Figure BDA0002841397490000032
Figure BDA0002841397490000033
其中，lon为WGS84坐标系经度，lat为WGS84坐标系纬度，[·]为取四舍五入，mercaX_1为墨卡托坐标系下1米栅格化横坐标，mercaY_1为墨卡托坐标系下 1米栅格化纵坐标。
从道路栅格起点开始每次移动1栅格，直到移动到道路栅格终点，每次移动所到栅格为距离栅格终点最近的相邻栅格。其中所述距离为欧氏距离。
在步骤S202，提取道路中心线。
本发明实施例中，运营商大地图规模场景需要先将地图切分，针对每一块小地图分别提取道路中心线以提升算法性能。
首先将地图切分，基于S1011中得到的墨卡托坐标系1m栅格坐标，进行1000 米栅格化处理：
Figure BDA0002841397490000041
Figure BDA0002841397490000042
其中，mercaX_1000为墨卡托坐标系下1000米栅格化横坐标，mercaY_1000为墨卡托坐标系下1000米栅格化纵坐标。
对具有相同1000米栅格化结果的1m地图栅格，组成一个小地图提取道路中心线。这里可以采用各种道路中心线提取方法，hilditch(希尔迪奇)算法、 pavlidis(帕夫利迪斯)算法和rosenfeld(罗森菲尔德)算法等均适用。
在步骤S203，提取道路拓扑。
本发明实施例中，将交点间的道路拆分为线段矢量表示的形式。将道路栅格形成的曲线段等效为直线段，如等效前后的栅格距离d>dmax，则当前点作为前一段等效直线段的终点，再将当前点作为新一段等效直线段的起点。
实施例3
图3是本发明实施例提供的一种用户级室内、室外判定方法流程图，下面将参考图3，对本发明实施例的一种用户级室内、室外判定方法进行详细描述。
首先，步骤S1011，时间窗提取及时间排序。
本发明实施例中，以用户为单位，对每一个用户，按时间升序对MR进行排序。设置滑窗长度5分钟，将5分钟内的所有MR提取为一个时间窗，保证时间窗内MR的时间升序。
在步骤S1012，基于中值滤波的室内、室外判定结果平滑。
本发明实施例中，单条MR室内外判定结果包括0(室内)、1(室外)。因此，单条MR室内外判定结果只有离散的0和1。这里采用中值滤波的方法，将当前点±15秒时间范围内的室内外判定结果取中值作为当前点的室内、室外判定结果。
实施例4
图4是本发明实施例提供的一种用户级室外轨迹平滑及道路匹配方法流程图，下面将结合图4，对用户级室外轨迹平滑和道路匹配的方法进行详细说明。
首先，在步骤S1021，构建用户轨迹动态系统模型。
具体地，卡尔曼滤波模型假设k时刻的真实状态是从k-1时刻的状态演化而来，符合下式：
xk＝Fkxk-1+Bkuk+wk
Figure BDA0002841397490000043
其中，xk为k时刻的系统状态，包括x方向位置xk-1和速度
Figure 1
y方向位置yk-1和速度
Figure BDA0002841397490000052
Fk是作用在xk-1上的状态变化模型，即位置-速度-时间的关系；Bk是作用在控制器向量uk上的输入-控制模型，当前问题无输入； wk～N(0,Qk)是过程噪声，符合均值为0，协方差矩阵为
Figure BDA0002841397490000053
的多元正态分布，在当前问题中由x方向和y方向的加速度产生，符合位置-速度-加速度 -时间关系。
时刻k，对真实状态xk的一个测量zk满足下式：
zk＝Hkxk+vk
Figure BDA0002841397490000054
其中，Hk是观测模型，把真实状态空间映射成观测空间，在当前问题中观测即为前面定位服务器输出的x、y位置；vk～N(0,Rk)是观测噪声，符合均值为 0，协方差矩阵为
Figure BDA0002841397490000055
的多元正态分布，在当前问题中即为定位误差，由于卡尔曼滤波是线性系统，所以必须将平面误差拆分为x和y方向误差。
步骤S1022，基于卡尔曼滤波的轨迹平滑算法对用户轨迹进行平滑处理。
本发明实施例中，卡尔曼滤波器的状态由以下两个变量表示：
Figure BDA0002841397490000056
为在时刻 k的状态的估计；Pk|k为后验估计误差协方差矩阵，度量估计值的精确程度。
预测过程包括：
预测状态：
Figure BDA0002841397490000057
预测估计协方差矩阵：
Figure BDA0002841397490000058
更新过程包括：
测量余量：
Figure BDA0002841397490000059
测量余量协方差：
Figure BDA00028413974900000510
最优卡尔曼增益：
Figure BDA00028413974900000511
更新状态估计：
Figure BDA00028413974900000512
更新协方差估计：Pk|k＝(I-KkHk)Pk|k-1
在步骤S1023，基于几何分析的道路匹配算法对道路进行匹配处理。
本发明实施例中，基于几何分析的匹配算法是所有道路匹配算法的基础。本发明中采用“点到线”的几何道路匹配算法。
步骤S1024，基于拓扑结构的道路匹配算法对道路进行匹配处理。
本发明实施例中，基于拓扑结构的道路匹配算法是在基于几何分析匹配的基础上，考虑路网道路间拓扑关系、车速等进行道路匹配计算。大大提高匹配的精准度，使得匹配结果不再是离散的道路投影点，都是能连成一条连续的、合理的轨迹。为了进行基于拓扑的轨迹匹配，需要一种能够存储多条轨迹的数据结构，能够基于后面的匹配对历史点进行修正，这里采用一种树状数据结构抽象，参见图7。
实施例5
图5是本发明实施例提供的一种“点到线”道路匹配投影点在道路上示意图，下面将结合图5，对一种“点到线”道路匹配投影点在道路上进行详细说明。
本发明实施例中，“点到线”匹配算法计算待匹配点到路网中各候选匹配路段的几何垂直距离，取垂直距离最短的路段作为最佳匹配结果，并将待匹配定位点直接垂直投影到该最佳匹配路段上，投影点即为最佳匹配位置。即，如图5 所示，P＇为P在线ab上的最佳投影点。
实施例6
图6是本发明实施例提供的一种“点到线”道路匹配投影点在道路外示意图，下面将结合图6，对一种“点到线”道路匹配投影点在道路外进行详细说明。
本发明实施例中，如若垂直投影结果没有落在路段上，而是落在路段延长线上，参见图6，则选取路段上与待匹配定位点几何距离最短的节点作为最佳匹配位置。如图6所示，距离最短的d为PP＇,此时的P＇为b，即，此时，b为P 的最佳投影点。
实施例7
图7是本发明实施例提供的一种用于基于拓扑道路匹配的树状结构示意图，下面将结合图7，对一种用于基于拓扑道路匹配的树状结构进行详细说明。
本发明实施例中，为了进行基于拓扑的轨迹匹配，需要一种能够存储多条轨迹的数据结构，能够基于后面的匹配对历史点进行修正，这里采用一种树状数据结构抽象，参见图7。
本发明实施例中，匹配度c：结点的匹配指当前位置点p与当前道路(结点) n的几何匹配，匹配距离门限dth，当匹配距离d大于dth时匹配失败，匹配度定义为c＝1-d/dth。轨迹匹配度定义为从根结点到当前结点的匹配度和∑ c，匹配度越大匹配效果越好。
本发明实施例中，树的根节点p1对应了位置起始点基于几何能够能够匹配到的道路，设置匹配距离门限dini(dini通常取值较大，尽量保证匹配结果包含真实所在道路)，匹配到的根节点个数可能大于1(n1，n2，n3)，每个根节点对应一个匹配度(c1，c2，c3)。
本发明实施例中，树每一层的生长对应一个位置更新(p1→p2)，每一个位置更新均包含更新点的速度，计算前一点与更新点速度平均值为当前行进路段的平均速度，进而计算出当前路段行进的距离，在此距离门限范围内基于道路拓扑搜索能够到达的道路，将更新点与搜索到的道路匹配(n4，n5，n6，n7)，设置匹配前一点道路距离门限dthis，匹配新道路距离门限dother(dthis通常大于 dother，减少匹配轨迹在道路之间跳跃)。每条匹配道路对应一个匹配度(c4， c5，c6，c7)。p1层匹配道路与p2层匹配道路可以是多对多的关系。
本发明实施例中，树的剪枝：树的剪枝包括被动剪枝和主动剪枝。被动剪枝指树的某一层的某一个结点无法再继续生长，即从某一个位置无法在满足运动距离限制和道路拓扑关系的情况下到达下一个更新位置，此时将该结点以及只与其相关联的父节点剪枝(n5)。主动剪枝指对于更新层的每一个结点只保留到达该节点匹配度最高的一条轨迹，其他轨迹均剪枝；此外当树的某一层匹配的道路(结点)个数多于门限t时，只选择到当前结点轨迹匹配度最大的t个结点，限制搜索宽度，保证搜索性能。
本发明实施例中，树的重置：当从点pi到点pi+1没有搜索到符合条件的道路时，树无法继续扩展。则以pi+1点为初始点搜索根节点，重启一条新轨迹，此轨迹与前面生成的轨迹可能不相连。
实施例8
图8为本发明的一个实施例电子设备的结构示意图，如图8所示，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是 ISA(Industry Standard Architecture，工业标准体系结构)总线、 PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或 EISA(Extended IndustryStandard Architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。
处理器从非易失性存储器中读取对应的计算机程序到存储器中然后运行，在逻辑层面上形成共享资源访问控制装置。处理器，执行存储器所存放的程序，并具体用于执行上述用户轨迹定位方法的步骤。
实施例9
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行附图中所示实施例的方法，并具体用于执行上述用户轨迹定位方法的步骤。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (11)

1.一种用户轨迹定位方法，其特征在于，包括：
基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑；
若所述用户级判定结果为室外，则基于室外单点定位结果进行用户级轨迹平滑，并将所述用户级轨迹平滑和道路匹配；
若所述用户级判定结果为室内，则基于室内单点定位结果进行室内点平滑；
基于所述用户级轨迹平滑和道路匹配的结果、以及所述室内点平滑生成单用户完整轨迹。
2.如权利要求1所述的用户轨迹定位方法，其特征在于，所述基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑，包括：
对单点室内、室外判定结果进行时间窗提取及时间排序；
基于中值滤波对每个时间窗内的单点室内、室外判定结果平滑。
3.如权利要求1所述的用户轨迹定位方法，其特征在于，所述基于室外单点定位结果进行用户级轨迹平滑，并将所述用户级轨迹平滑和道路匹配，包括：
构建用户轨迹动态系统模型；
对用户轨迹进行平滑处理；
将所述平滑处理的结果与道路进行匹配处理。
4.如权利要求3所述的用户轨迹定位方法，其特征在于，所述构建用户轨迹动态系统模型，是基于卡尔曼滤波，构建用户轨迹动态系统模型。
5.如权利要求3所述的用户轨迹定位方法，其特征在于，所述对用户轨迹进行平滑处理，是基于卡尔曼滤波的轨迹平滑算法，对用户轨迹进行平滑处理。
6.如权利要求3所述的用户轨迹定位方法，其特征在于，所述将所述平滑处理的结果与道路进行匹配处理，是基于几何分析的道路匹配算法或基于拓扑结构的道路匹配算法，将所述平滑处理的结果对道路进行匹配处理。
7.如权利要求1所述的用户轨迹定位方法，其特征在于，所述基于单点室内、室外判定结果进行用户级室内、室外判定结果平滑之前还包括：
从原始矢量地图中提取路网拓扑结构。
8.如权利要求7所述的用户轨迹定位方法，其特征在于，所述从原始矢量地图中提取路网拓扑结构，包括：
提取矢量地图道路图层覆盖道路栅格；
提取道路中心线；
提取路网拓扑。
9.如权利要求1所述的用户轨迹定位方法，其特征在于，所述基于室内单点定位结果进行室内点平滑，包括:
基于WKNN的室内点平滑算法。
10.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行权利要求1-9任一项所述用户轨迹定位方法的步骤。
11.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行权利要求1-9任一项所述用户轨迹定位方法的步骤。
CN202011493438.XA 2020-12-17 2020-12-17 一种用户轨迹定位方法、电子设备及计算机存储介质 Pending CN114646313A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011493438.XA CN114646313A (zh) 2020-12-17 2020-12-17 一种用户轨迹定位方法、电子设备及计算机存储介质
PCT/CN2021/134025 WO2022127573A1 (zh) 2020-12-17 2021-11-29 一种用户轨迹定位方法、电子设备及计算机存储介质
EP21905502.7A EP4266004A1 (en) 2020-12-17 2021-11-29 User trajectory positioning method, electronic device and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011493438.XA CN114646313A (zh) 2020-12-17 2020-12-17 一种用户轨迹定位方法、电子设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN114646313A true CN114646313A (zh) 2022-06-21

Family

ID=81991711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011493438.XA Pending CN114646313A (zh) 2020-12-17 2020-12-17 一种用户轨迹定位方法、电子设备及计算机存储介质

Country Status (3)

Country Link
EP (1) EP4266004A1 (zh)
CN (1) CN114646313A (zh)
WO (1) WO2022127573A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116680468B (zh) * 2022-09-28 2024-03-22 荣耀终端有限公司 指纹库生成方法及电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408434B (zh) * 2008-11-18 2011-05-25 深圳信息职业技术学院 移动终端零位漂移双模定位和单模定位方法
CN101895867B (zh) * 2010-06-25 2013-11-06 哈尔滨工业大学 基于滑动时间窗的wlan室内wknn跟踪方法
CN107806878A (zh) * 2017-10-13 2018-03-16 桂林电子科技大学 一种基于智能手机室内外一体化定位和导航的方法
US10075935B1 (en) * 2017-11-03 2018-09-11 Mapsted Corp. Method and system for positioning state transition
CN108828643B (zh) * 2018-04-25 2022-04-29 长安大学 一种基于灰色预测模型的室内外无缝定位系统及方法
CN110798804B (zh) * 2018-08-01 2022-08-09 中兴通讯股份有限公司 一种室内定位方法和装置
CN110750607B (zh) * 2019-09-17 2023-03-14 西安工程大学 一种基于gnss车行轨迹数据的路网匹配方法
CN111368014B (zh) * 2019-12-23 2024-04-19 广东小天才科技有限公司 一种运动轨迹的生成方法、终端设备及存储介质

Also Published As

Publication number Publication date
WO2022127573A1 (zh) 2022-06-23
EP4266004A1 (en) 2023-10-25

Similar Documents

Publication Publication Date Title
KR102282367B1 (ko) 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법
CN107247961B (zh) 一种应用模糊轨迹序列的轨迹预测方法
CN107103754B (zh) 一种道路交通状况预测方法及系统
CN106714110B (zh) 一种Wi-Fi位置指纹地图自动构建方法及系统
JP6182196B2 (ja) 無線ｌａｎラジオマップ自動構築方法及び無線ｌａｎラジオマップ自動構築システム
CN106851571B (zh) 一种基于决策树的快速KNN室内WiFi定位方法
CN109194707B (zh) 分布式图嵌入的方法及装置
CN111065893A (zh) 用于创建精确到车道的道路地图的方法和设备
CN105263113A (zh) 一种基于众包的WiFi位置指纹地图构建方法及其系统
CN107679558A (zh) 一种基于度量学习的用户轨迹相似性度量方法
US11448494B2 (en) Device and method for generating geomagnetic sensor based location estimation model using artificial neural networks
CN108882172B (zh) 一种基于hmm模型的室内移动轨迹数据的预测方法
JP2007208962A (ja) ロケーション決定技法
EP3034998A1 (en) Target positioning method and system
CN109522385B (zh) 一种多尺度道路网m-n匹配模式的判定方法
US20190187296A1 (en) Method and system for processing trajectory data
CN112087316B (zh) 基于异常数据分析的网络异常根源定位方法
CN114608585A (zh) 一种移动机器人同步定位与建图方法及装置
CN114646313A (zh) 一种用户轨迹定位方法、电子设备及计算机存储介质
Chandio et al. Towards adaptable and tunable cloud-based map-matching strategy for GPS trajectories
CN108133234B (zh) 基于稀疏子集选择算法的社区检测方法、装置及设备
Javed et al. Position Vectors Based Efficient Indoor Positioning System.
US20150127302A1 (en) Method and apparatus for optimized routing
CN105517150A (zh) 基于自适应差分的粒子群定位算法
CN115190587A (zh) Wifi位置确定方法、装置、电子设备及存储介质

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