CN114727385B - 基于无线信号的定位方法及装置、电子设备、存储介质 - Google Patents
基于无线信号的定位方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114727385B CN114727385B CN202210509926.8A CN202210509926A CN114727385B CN 114727385 B CN114727385 B CN 114727385B CN 202210509926 A CN202210509926 A CN 202210509926A CN 114727385 B CN114727385 B CN 114727385B
- Authority
- CN
- China
- Prior art keywords
- signal
- feature
- location
- user
- pickup
- 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
- 238000000034 method Methods 0.000 title claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 50
- 230000000875 corresponding effect Effects 0.000 claims description 203
- 238000001514 detection method Methods 0.000 claims description 25
- 230000002596 correlated effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 7
- 238000000059 patterning Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 239000000203 mixture Substances 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
- G01S5/0252—Radio frequency fingerprinting
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本说明书提供一种基于无线信号的定位方法及装置、电子设备、存储介质;该方法包括:获取用户当前检测到的无线信号的用户信号特征,以及候选的领取地点对应的无线信号的地点信号特征;地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;初始信号特征集合通过获取各个配送方在对应任一领取地点的历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到;当候选的领取地点中存在相应的地点信号特征与用户信号特征相匹配的目标领取地点时,确定用户发生针对目标领取地点的到达事件。
Description
技术领域
本说明书一个或多个实施例涉及通讯技术领域,尤其涉及一种基于无线信号的定位方法及装置、电子设备、存储介质。
背景技术
WiFi技术广泛应用于家庭、旅馆、咖啡馆、机场、商场等各类大型或小型建筑物内。针对该应用场景,可通过WiFi指纹数据来自动检测用户针对某一建筑的到达、离开等行为。以商圈POI(Point of Interest,兴趣点)为例,可通过商圈内某一实体门店的WiFi指纹数据来判断用户是否到店、离店等行为。
在相关技术中,商圈POI的WiFi指纹挂载主要依赖于人工专门采集,导致成本较高,且覆盖率低、精度低。
发明内容
有鉴于此,本说明书一个或多个实施例提供一种基于无线信号的定位方法及装置、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,提出了一种基于无线信号的定位方法,包括:
获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述修正后信号特征集合通过以下方式得到:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,所述初始信号特征集合和所述标准信号特征集合用于进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;所述网络图中对应于所述标准信号特征集合中特征序列的任一节点用于作为初始节点以进行局部社团搜索得到局部社团,所述局部社团包含的节点对应的特征序列被添加至所述修正后信号特征集合中。
可选的,所述局部社团通过以下方式得到:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;通过以下方式确定所述地点信号特征:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,还包括:
在确定所述用户发生所述到达事件后,若所述客户端当前检测到的无线信号的用户信号特征与所述目标领取地点对应的地点信号特征不相匹配,则确定所述用户发生针对所述目标领取地点的离开事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
可选的,所述物品领取阶段对应的领取时间信息由配送方上传,以用于表示在所述执行过程中从配送方到达所述任一领取地点后至所述配送方离开所述任一领取地点之前的阶段。
根据本说明书一个或多个实施例的第二方面,提出了一种基于无线信号的定位方法,包括:
用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
根据本说明书一个或多个实施例的第三方面,提出了一种地点信号特征的采集方法,包括:
获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合;
确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合;
根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,包括:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,
所述分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度,包括:对所述初始信号特征集合和所述标准信号特征集合进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;
所述当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中,包括:以所述网络图中对应于所述标准信号特征集合中特征序列的任一节点作为初始节点,进行局部社团搜索得到局部社团,以将所述局部社团包含的节点对应的特征序列添加至所述修正后信号特征集合中。
可选的,所述以所述网络图中对应于所述标准信号特征集合中特征序列的任一节点作为初始节点,进行局部社团搜索得到局部社团,包括:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,包括:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
根据本说明书一个或多个实施例的第四方面,提出了一种基于无线信号的定位装置,包括:
获取单元,获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
定位单元,当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述修正后信号特征集合通过以下方式得到:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,所述初始信号特征集合和所述标准信号特征集合用于进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;所述网络图中对应于所述标准信号特征集合中特征序列的任一节点用于作为初始节点以进行局部社团搜索得到局部社团,所述局部社团包含的节点对应的特征序列被添加至所述修正后信号特征集合中。
可选的,所述局部社团通过以下方式得到:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;通过以下方式确定所述地点信号特征:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,定位单元还用于:
在确定所述用户发生所述到达事件后,若所述客户端当前检测到的无线信号的用户信号特征与所述目标领取地点对应的地点信号特征不相匹配,则确定所述用户发生针对所述目标领取地点的离开事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
根据本说明书一个或多个实施例的第五方面,提出了一种基于无线信号的定位装置,包括:
检测单元,使得用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
接收单元,使得所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
根据本说明书一个或多个实施例的第六方面,提出了一种地点信号特征的采集装置,包括:
获取单元,获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合;
确定单元,确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合;
修正单元,根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;修正单元具体用于:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,修正单元进一步用于:
所述分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度,包括:对所述初始信号特征集合和所述标准信号特征集合进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;
所述当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中,包括:以所述网络图中对应于所述标准信号特征集合中特征序列的任一节点作为初始节点,进行局部社团搜索得到局部社团,以将所述局部社团包含的节点对应的特征序列添加至所述修正后信号特征集合中。
可选的,所述修正单元进一步用于:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;修正单元具体用于:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
根据本说明书一个或多个实施例的第七方面,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八方面,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。
在本说明书的技术方案中,由配送方在执行配送业务的过程中检测无线信号的信号特征,该执行过程从时间上可以划分为前往配送物品的领取地点的阶段、到达领取地点后领取配送物品的阶段和离开领取地点后对配送物品实施配送的阶段。基于无线信号在信号范围上的限制(超出一定范围则无法被检测到),针对前往领取地点和离开领取地点后的阶段,配送方检测到的无线信号并非对应于领取地点的无线信号,而针对上述物品领取阶段,配送方则是处于领取地点,能够检测到对应于领取地点的无线信号。那么,在物品领取阶段内配送方检测到的无线信号的特征,则可以作为确定对应于领取地点的无线信号的信号特征的依据。
进一步的,由于在相关技术中物品领取阶段通常由配送方主动上传,那么在实际操作过程中存在较大的误差。比如,配送员忘记及时上传到达领取地点和离开领取地点的时刻,或者配送员提前上传等等。为此,在本说明书提供的地点信号特征的采集方案中,利用配送方在拍摄领取地点的图像数据时检测到的无线信号特征来对配送方在物品领取阶段检测到的无线信号特征进行修正,从而根据修正后的无线信号特征来表征地点信号特征以用于定位。
一方面,由于配送方拍摄的是领取地点的图像数据,可以保证配送方已到达领取地点,那在此过程中检测到的无线信号特征则更为可靠,可以用于表征对应于领取地点的无线信号的信号特征。同时,由于物品领取阶段相比于拍摄过程的时长更长,配送方在物品领取阶段检测到的无线信号特征则覆盖更广,因此上述利用配送方在物品领取阶段检测到的无线信号特征进行修正的方式,可以使得得到的地点信号特征在尽可能多地覆盖对应于领取地点的无线信号的信号特征的同时,保证其准确性。
另一方面,无论是获取配送方在拍摄领取地点的图像数据时检测到的无线信号特征,还是获取配送方在物品领取阶段检测到的无线信号特征,均不需要配送员在使用配送方进行配送的过程中添加额外操作,由配送方上传检测到的信号特征即可,因此并不会影响配送员的正常配送过程,可在保证配送业务不被影响执行的前提下,避免人工专门检测信号特征,从而降低了成本,提高了检测效率。
附图说明
图1是一示例性实施例提供的一种系统架构示意图。
图2是一示例性实施例提供的一种地点信号特征的采集方法的流程图。
图3是一示例性实施例提供的一种构建网络图的示意图。
图4是一示例性实施例提供的局部社团搜索的示意图。
图5是一示例性实施例提供的局部社团搜索的示意图。
图6是一示例性实施例提供的局部社团搜索的示意图。
图7是一示例性实施例提供的局部社团搜索的示意图。
图8是一示例性实施例提供的一种基于无线信号的定位方法的流程图。
图9是一示例性实施例提供的另一种基于无线信号的定位方法的流程图。
图10是一示例性实施例提供的一种电子设备的结构示意图。
图11是一示例性实施例提供的一种基于无线信号的定位装置的框图。
图12是一示例性实施例提供的另一种基于无线信号的定位装置的框图。
图13是一示例性实施例提供的一种地点信号特征的采集装置的框图。
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。
请参见图1,图1是一示例性实施例提供的一种系统架构示意图。如图1所示,该系统可以包括服务器11、至少一个配送方(比如手机12-14等)和网络15。
服务器11可以为包含一独立主机的物理服务器,或者服务器11可以为主机集群承载的虚拟服务器。在运行过程中,服务器11可以运行某一应用的服务器侧的程序,以作为相应的服务端实现该应用的相关业务功能。比如,服务器11可运行配送业务平台的服务器侧程序,以实现为配送业务平台的服务端。
手机12-14表示用户可以使用的一种类型的电子设备。实际上,用户显然还可以使用诸如下述类型的电子设备:平板设备、笔记本电脑、掌上电脑(PDAs,Personal DigitalAssistants)、可穿戴设备(如智能眼镜、智能手表等)等,本说明书一个或多个实施例并不对此进行限制。在运行过程中,该电子设备可以运行某一应用的客户端侧的程序,以实现该应用的相关业务功能。比如,手机12-14可运行配送业务平台的配送员侧程序,以实现为配送业务平台的配送方。
而对于手机12-14与服务器11之间进行交互的网络15,可以包括多种类型的有线或无线网络。比如,网络15可以包括公共交换电话网络(Public Switched TelephoneNetwork,PSTN)和因特网。其中,服务器11与手机12-14之间可以通过网络15建立长连接,使得服务器11与手机12-14之间通过该长连接来传输数据。
请参见图2,图2是一示例性实施例提供的一种地点信号特征的采集方法的流程图。如图2所示,该方法应用于服务端,可以包括以下步骤:
步骤202,获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合。
在本实施例中,各个配送方在配送业务的执行过程中检测无线信号,所述至少一个历史配送业务对应的配送物品来自同一领取地点,所述物品领取阶段对应的领取时间信息由配送方上传,用于表示在所述执行过程中从配送方到达所述领取地点后至所述配送方离开所述领取地点之前的阶段。
在本实施例中,用户可在电商平台上针对任意商品进行下单。在一些情况下,用户下单的商品需要从实体门店或仓库配送至用户所在地点。因此,需要配送业务平台(比如为电商平台或者其他与之合作的配送平台)针对配送物品生成相应的配送业务,并向配送方(配送员使用的客户端设备)分配该配送业务。配送员在承接配送业务后,前往配送物品的领取地点(比如为上述实体门店或者仓库)领取该配送物品,并在领取成功后将配送物品配送至用户所在地。
比如,在外卖场景下,由用户通过用户客户端(即配送对象)向外卖平台上的某一实体门店下单,由外卖平台生成相应的外卖订单后向配送方(该情况下为骑手使用的客户端设备)分配外卖订单,从而由骑手前往该实体门店(即配送物品的领取地点)领取外卖,并配送至用户指定的地点。又如,在快递场景下,针对仓库存放的配送物品,快递平台生成相应的快递订单后向配送方(该情况下为快递员使用的客户端设备)分配快递订单,从而由快递员前往仓库(即配送物品的领取地点)取货并配送至收件人(该情况下,收件人使用的客户端为配送对象)所在的地点。
可见,配送业务的执行过程包括前往配送物品的领取地点的阶段、到达领取地点后领取配送物品的阶段(即物品领取阶段)和离开领取地点后对配送物品实施配送的阶段。与此同时,领取地点存在对应的无线信号。比如,领取地点处配置有AP(WirelessAccessPoint,无线访问接入点),配送方配置有WiFi模块,那么配送方可在一定范围内检测到从领取地点发射的WiFi信号。那么,可由配送方在执行配送业务的过程中实时检测(即按照周期检测)无线信号的信号特征,比如本说明书针对的无线信号包括WiFi信号。在该情况下,配送方检测无线信号采用的特征维度包括WiFi指纹,WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度(RSS)。当然,还可采用其他任意近距离通讯技术,只要具备“范围限制”的特点即可。比如,还可采用、IrDA(Infrared Data Association,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 Cordless Telecommunications,数字增强无绳通信)等通讯技术。
基于无线信号在信号范围上的限制(超出一定范围则无法被检测到),针对前往领取地点和离开领取地点后的阶段,配送方检测到的无线信号并非对应于领取地点的无线信号,而针对上述物品领取阶段,配送方则是处于领取地点,能够检测到对应于领取地点的无线信号。因此,在物品领取阶段内配送方检测到的无线信号的特征,可以作为确定对应于领取地点的无线信号的信号特征的依据。
步骤204,确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合。
由于在相关技术中物品领取阶段通常由配送方主动上传,那么在实际操作过程中会因人为操作导致存在较大的误差。比如,配送方上报的对应于物品领取阶段的时间信息可以包括配送员通过配送方分别上传的到达领取地点的时刻和离开领取地点的时刻。以外卖场景为例,骑手可手动点击骑手客户端上的到店触发控件和离店触发控件,到店触发控件用于触发骑手客户端上报到店事件(记录有到店时刻),离店触发控件用于触发骑手客户端上报离店事件(记录有离店时刻)。然而,骑手手动点击到店触发控件和离店触发控件的时刻可能与实际发生到店事件和离店事件的时刻存在偏差(比如提前或者延迟)。比如,骑手忘记及时点击到店触发控件或者忘记及时点击离店触发控件,或者骑手提前点击上述控件等等。
为此,在本说明书提供的地点信号特征的采集方案中,利用配送方在拍摄领取地点的图像数据时检测到的无线信号特征(即作为标准信号特征)来对配送方在物品领取阶段检测到的无线信号特征进行修正,从而根据修正后的无线信号特征来表征地点信号特征以用于定位。
同样以外卖场景为例,骑手在到达实体门店之后,若门店尚未完成对所提供的待配送物品(比如外卖)的包装,则配送平台需要骑手拍摄包含实体门店名称的照片(即门头照)以上传平台做报备。而在上传门头照数据时,门头照数据携带有拍摄时间,那么平台便可获取与该拍摄时间对应的无线信号特征来作为标准信号特征进行修正,即获取配送方在该拍摄时间采集到的无线信号特征。
一方面,由于配送方拍摄的是领取地点的图像数据,可以保证配送方已到达领取地点,那在此过程中检测到的无线信号特征则更为可靠,可以用于表征对应于领取地点的无线信号的信号特征。同时,由于物品领取阶段相比于拍摄过程的时长更长,配送方在物品领取阶段检测到的无线信号特征则覆盖更广,因此利用配送方在物品领取阶段检测到的无线信号特征进行修正的方式,可以使得得到的地点信号特征在尽可能多地覆盖对应于领取地点的无线信号的信号特征的同时,保证其准确性。
另一方面,无论是获取配送方在拍摄领取地点的图像数据时检测到的无线信号特征,还是获取配送方在物品领取阶段检测到的无线信号特征,均不需要配送员在使用配送方进行配送的过程中添加额外操作,由配送方上传检测到的信号特征即可,因此并不会影响配送员的正常配送过程,可在保证配送业务不被影响执行的前提下,避免人工专门检测信号特征,从而降低了成本,提高了检测效率。
需要说明的是,在构建初始信号特征集合和标准信号特征集合时,可无需局限于一个配送业务,而是可覆盖多个配送业务,只要保证配送业务对应的配送物品均来自于同一领取地点即可,从而扩大信号特征集合的数据量,提高后续据此得到的针对该领取地点的信号特征的准确率。类似的,也可无需局限于同一配送方,而是可覆盖多个配送方,只要保证该多个配送方执行的配送业务对应的配送物品均来自于同一领取地点即可,从而使得信号特征集合覆盖多种不同类型的配送方(配送方的硬件性能存在差异),提高得出的信号特征的准确率。举例而言,在外卖场景下,可选取针对同一实体门店的多个外卖订单(可由不同的骑手接单)来构建信号特征集合。类似的,在快递场景下,可选取针对同一仓库的多个快递订单(可由不同的快递员接单)来构建信号特征集合。
步骤206,根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
在本实施例中,初始信号特征集合和标准信号特征集合都是配送方实时检测得到的,而由于同一环境下可能存在多个无线信号,配送方针对检测到的无线信号则是以特征序列的形式进行记录。比如,特征序列的形式可以为“无线信号的信号标识:信号强度”。换言之,初始信号特征集合和标准信号特征集合均包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到。由于初始信号特征集合和标准信号特征集合记录的特征序列均与领取地点相对应,那么理论上两集合记录的特征序列存在一定的相似,即差异较小。比如,两个不同的客户端设备均位于实体门店附近(比如一个客户端设备位于门店的门口,另一客户端设备位于门店内部),实体门店的不同位置的无线信号也存在差异,比如不同位置处检测到的同一无线信号的信号强度存在差异,又如不同位置检测到的无线信号不同(比如,门店内某个用户使用手机共享热点,该热点的范围较小)。那么,两客户端设备检测到的无线信号的信号特征理论上则应当大致相同,存在少许差异。因此,可利用该特点来完成上述修正的过程。
具体而言,可分别根据所包含的特征值计算初始信号特征集合中各个特征序列与标准信号特征集合中各个特征序列之间的相似度,当计算出的相似度在预设相似度范围内时,将相应的特征序列(一个为初始信号特征集合中的特征序列,另一个为标准信号特征集合中的特征序列)添加至所述修正后信号特征集合中。
作为一示例性实施例,可将各个特征序列作为节点来构建网络图。然后,可对网络图进行分解迭代以得到网络图的社团。信息网络、社会网络、生物网络等各类网络中会存在一些紧密连接的区域。这些区域(节点集)常对应某种功能,称为社团(Community)。检测网络中的社团等同于给节点集分组。模块度(Modularity)是一种常用的衡量节点分组质量的标准。模块度越高说明所检测到的社团越符合“内紧外松”的特征,分组质量越好。基于模块度的概念,可采用模块度最大值法(Modularity maximization)来检测社团,该方法的目标是从所有可能的分组中找到使得模块度最大的分组。当然,还可通过k-core算法、机器学习算法中的聚类算法等方式来确定网络图的社团。因此,基于对网络图的构建,可采用节点距离来衡量特征序列之间的相似度,从而通过对网络图进行局部社团搜索的方式来得到修正后信号特征集合。具体而言,可对初始信号特征集合和标准信号特征集合进行构图得到网络图;其中,网络图的节点表示由初始信号特征集合和标准信号特征集合中特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关。基于上述构图方式得到的网络图,以网络图中对应于标准信号特征集合中特征序列的任一节点作为初始节点,进行局部社团搜索得到局部社团,以将局部社团包含的节点对应的特征序列添加至修正后信号特征集合中。
而对于局部社团搜索的方式,可从社团的连通性这一维度来进行:采用从初始节点开始向外扩张的方式来做局部社团搜索,同时设定一个预设的连通阈值来衡量每次扩张过程中局部社团提升的连通性。具体而言,将初始节点加入当前的局部社团(局部社团最初仅包含初始节点)并在网络图中逐个搜索节点。其中,若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团,直到任意节点加入局部社团都无法使得局部社团增加的连通性数值达到预设连通阈值。
作为一示例性实施例,局部社团的连通性可通过社团所涉及的边、节点数量等指标来体现,而社团的边还被设置有相应的权重,因此可设定为连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。比如,连通性数值=局部社团所包含边的权重之和/局部社团所包含节点的数量。
作为一示例性实施例,为了保证标准信号特征集合能够充分修正初始信号特征集合,可设定标准信号特征集合中特征序列对应的节点之间边的权重为较大值。比如,可设定为网络图中对应于标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为网络图中边的权重的最大值。
为了便于理解,下面结合图3-6对上述构图以及局部社团搜索的过程进行详细说明。
请参见图3,图3是一示例性实施例提供的一种构建网络图的示意图。以外卖场景为例进行说明。对于待采集的某一实体门店的多个外卖订单,可分别获取承接其中各个外卖订单的骑手在配送过程中通过骑手客户端采集的WiFi信号的特征序列。比如,骑手客户端可每10秒采集一次检测到的WiFi信号的信号强度以生成特征序列。其中,特征序列的数据格式为: WiFi_id:rssi。WiFi_id为WiFi信号的信号标识,比如可采用发射WiFi信号的硬件设备的mac地址作为信号标识;rssi为信号强度。
举例而言,物品领取阶段骑手客户端检测到的特征序列为W1~Wn。比如,特征序列W1为:WiFi_1:-80、WiFi_2:-90、WiFi_3:-80、WiFi_4:-60;特征序列W2为:WiFi_1:-70、WiFi_2:-80、WiFi_3:-75、WiFi_4:-55等等。那么,可构建特征序列W1的特征矩阵a:[-80,-90,-80,-60],构建特征序列W2的特征矩阵b:[-70,-80,-75,-55],并计算各个特征矩阵之间的距离,以将相应的特征矩阵之间的距离在距离阈值内的特征序列建立关联关系(即对应的节点采用边进行连接)。其中,各个特征矩阵之间的距离可采用欧式距离、雅可比距离和余弦距离等等;当然,本说明书并不对此进行限制。比如,对于节点i和节点j,如果节点i和节点之间的距离小于阈值,则节点i和节点j之间存在一条有权无向边。并且,边的权重根据欧式距离来计算,距离越大,权重越小,所有边的权重按照[0,1]的范围进行归一化处理。
进一步的,结合门头照采集的时间信息,可获取骑手客户端设备在该时间信息下采集到的特征序列得到集合S,集合S包含特征序列P1~Pk。然后,同样按照上述方式进行构图。特别的,由于门头照可以验证骑手已经到达实体门店附近,在拍摄门头照时采集的特征序列可以确认是骑手在门店附近采集的,那么该特征序列能够准确反映出实体门店对应的无线信号的信号特征。因此,对于集合S中所有特征序列对应的节点,每两个点之间两两连接,且连接的边的权重设置为1。那么,基于上述构图的过程,可得到如图3所示的网络图,图3中以n=7,k=2为例进行说明。
以集合S中任意一个特征序列对应的节点为初始节点在网络图中进行局部社团搜索,局部社团搜索为固定初始节点的逐步扩张。具体而言,每一步扩张步骤中社团内的节点为C,在扩张过程中寻找一个未被搜索到,且与C中节点最近距离为1的节点i,如果节点i的加入并不能显著提升局部社团的连通性,则节点i跳过C;如果节点i的加入可以显著提升局部社团的连通性,则将节点i加入到C中。持续执行上述扩张的步骤直到加入任意节点均不能显著提升连通性。其中,对于是否显著提升连通性,可通过计算连通性数值以与预设连通阈值进行比较得到。比如,连通性数值超过连通阈值,连通性数值=边的权重之和/节点数量。
以选取P1作为初始节点为例,如图4所示,第一次扩张局部社团加入节点P2。如图5所示,第二次扩张局部社团加入节点W2。如图6所示,第三次扩张局部社团加入节点W3。如图7所示,第四次扩张局部社团加入节点W1。经过四次的逐步扩张,最终得到的局部社团包含节点P1、P2、W1、W2、W3。
在通过上述方式得到修正后信号特征集合之后,可基于修正后信号特征集合确定对应于领取地点的无线信号的地点信号特征。作为一示例性实施例,可利用聚类的方式来构建聚类特征以作为地点信号特征。
具体而言,可统计修正后信号特征集合包含的特征序列中无线信号队列(至少包含一个无线信号)的出现概率,无线信号队列表示特征序列中无线信号之间的组合关系,然后根据出现概率选取目标无线信号队列,并通过修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配(即与目标无线信号队列包含的无线信号相同)的目标无线信号的特征值,表征地点信号特征的特征值。
其中,可通过以下公式计算第一特征分数来表征地点信号特征的特征值:第一特征分数=目标无线信号的特征值×目标无线信号队列的出现概率;通过以下公式计算第二特征分数来表征用户信号特征的特征值:第二特征分数=用户信号特征中包含的目标无线信号的特征值×目标无线信号队列的出现概率。基于上述计算方式,在第一特征分数和第二特征分数相匹配的情况下,确定用户发生针对领取地点的到达事件。
承接于上述举例,统计局部社团中所有节点对应的特征序列中各个无线信号队列的出现概率。比如,统计局部社团包含特征序列a、b、c。其中,特征序列a为WiFi_1:-80、WiFi_2:-90、WiFi_3:-80、WiFi_4:-60、WiFi_5:-60,特征序列b为WiFi_1:-70、WiFi_2:-80、WiFi_3:-75、WiFi_5:-55、WiFi_6:-60,特征序列c为WiFi_1:-75、WiFi_2:-85、WiFi_7:-77、WiFi_8:-57、WiFi_9:-50。
可见,特征序列a、b、c均包含无线信号队列WiFi_1,WiFi_2,即无线信号队列WiFi_1,WiFi_2的出现概率为1。特征序列a和b包含无线信号队列WiFi_3,WiFi_5,即无线信号队列WiFi_3,WiFi_5的出现概率为2/3。
当然,在得到出现概率之后,选取目标无线信号队列的方式可根据实际需求来灵活设定。比如,可选取出现概率超过概率阈值的多个无线信号队列,或者选取出现概率最高的无线信号队列,本说明书并不对此进行限制。
承接于上述举例,选取的聚类特征为[WiFi_1,WiFi_2]和[WiFi_3,WiFi_5]。特征序列a的第一特征分数=[ WiFi_1:-80,WiFi_2:-90] ×1+[WiFi_3:-80,WiFi_5:-60] ×2/3。特征序列b、c的第一特征分数与此类似。
假定用户客户端设备检测到的特征序列d为WiFi_1:-77、WiFi_2:-88、WiFi_3:-70、WiFi_5:-57、WiFi_6:-50。那么计算特征序列d在上述聚类特征下的第二特征分数=[WiFi_1:-77,WiFi_2:-88] ×1+[WiFi_3:-70,WiFi_5:-57] ×2/3。
其中,对于第一特征分数和第二特征分数是否相匹配,可设定为两者的差值在预设的差值范围内,或者第二特征分数不小于第一特征分数等等,本说明书并不对此进行限制。例如,在得到多个特征序列的第一特征分数之后,可选取最小的第一特征分数作为阈值,对于用户客户端设备检测到的特征序列,计算在计算该最小的第一特征分数所采用的聚类特征下的第二特征分数,若计算出的第二特征分数小于作为阈值的第一特征分数,则判定用户不在相应的实体门店附近;否则,判定用户在相应的实体门店附近。
除上述聚类的方式之外,在获得修正后信号特征集合之后,可从修正后信号特征集合包含的特征序列中选取目标特征序列,然后基于目标特征序列包含的无线信号的特征值表征对应于领取地点的无线信号的地点信号特征。其中,可结合最中心节点来选取目标特征序列。具体而言,可确定上述网络图的局部社团的最中心节点,然后以最中心节点为中心,按照预设距离向外扩张得到N个节点,该N个节点对应的特征序列为目标特征序列。进一步的,可对N个节点对应的特征序列记录的特征值计算平均特征值,然后采用平均特征值表征对应于领取地点的无线信号的地点信号特征。需要说明的是,还可通过其他方式选取目标特征序列,本说明书并不对此进行限制。比如,可从修正后信号特征集合中任意选取预设数量的特征序列作为目标特征序列。或者,可采用求平均值、加权平均、中位数等方式对修正后信号特征集合包含的特征序列记录的特征值进行计算以得到地点信号特征。
针对上述实施例中涉及配送的应用场景,存在获取配送业务执行进度的需求,从而可监控配送业务的执行情况,保证配送业务顺利进行,并且还可便于用户了解所下单的物品的物流情况。具体而言,在配送方针对配送业务的执行过程中,存在了解配送员是否到达领取地点以及后续是否离开领取地点的需求。比如,针对上述外卖场景,需了解骑手是否到店以及后续是否离店开始配送。针对上述快递场景,需了解快递员是否到达仓库以及后续是否离开仓库开始配送。除此之外,基于上述实施例得到的对应于领取地点的无线信号的信号特征,后续可通过该信号特征判断用户是否到达该领取地点。比如,实体门店除提供外卖服务以外,还提供到店消费的服务。用户可预先预定该到店消费服务,那么可通过该实体门店对应的无线信号的信号特征来判断该用户是否到店。
综上,可通过上述实施例得到的信号特征对需要前往领取地点的用户进行室内定位,从而判断该用户是否到达领取地点以及后续是否离开领取地点。下面结合图8进行说明。
请参见图8,图8是一示例性实施例提供的一种基于无线信号的定位方法的流程图。如图8所示,该方法应用于服务端,可以包括以下步骤:
步骤802,获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息。
在本实施例中,候选的领取地点对应的无线信号的地点信号特征可由上述图2示出的实施例得到。各个配送方在配送业务的执行过程中检测无线信号,该至少一个历史配送业务对应的配送物品来自同一领取地点。所述物品领取阶段对应的领取时间信息由配送方上传,以用于表示在所述执行过程中从配送方到达所述领取地点后至所述配送方离开所述领取地点之前的阶段。
在本实施例中,上述用户可以为外卖骑手、快递员、前往实体门店进行到店消费的客户等等。基于上述实施例得到的对应于领取地点的无线信号的信号特征,可获取上述用户当前检测到的无线信号的信号特征与之进行对比,从而判断上述用户是否到达领取地点。
步骤804,当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
在本实施例中,在通过上述实施例获得对应于领取地点的无线信号的地点信号特征后,可通过该信号特征维护指纹库作为判断标准;也即,指纹库中记录各个领取地点对应的无线信号的地点信号特征。那么,在获得用户当前检测到的无线信号的信号特征后,可在指纹库中进行匹配。若匹配命中某一领取地点,则判定该用户到达该领取地点。其中,匹配的过程与上述实施例类似,比如可计算用户当前检测到的无线信号的信号特征与指纹库记录的信号特征的相似度,然后与预设阈值进行比较,若相似度超过预设阈值,则判定两者相匹配。
在本实施例中,在确定用户发生到达事件后,可进一步根据对应于领取地点的无线信号的信号特征,判定该用户是否离开该领取地点。具体而言,若该用户的客户端当前检测到的信号特征与对应于领取地点的无线信号的地点信号特征不相匹配,则确定用户发生针对该领取地点的离开事件。
如前所述,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述修正后信号特征集合通过以下方式得到:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
如前所述,所述初始信号特征集合和所述标准信号特征集合用于进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;所述网络图中对应于所述标准信号特征集合中特征序列的任一节点用于作为初始节点以进行局部社团搜索得到局部社团,所述局部社团包含的节点对应的特征序列被添加至所述修正后信号特征集合中。
如前所述,所述局部社团通过以下方式得到:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
如前所述,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
如前所述,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;通过以下方式确定所述地点信号特征:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
如前所述,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
如前所述,在确定所述用户发生所述到达事件后,若所述客户端当前检测到的无线信号的用户信号特征与所述目标领取地点对应的地点信号特征不相匹配,则确定所述用户发生针对所述目标领取地点的离开事件。
如前所述,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
对应于上述服务端侧的实施例,本说明书还提供了用户侧的实施例,在服务端侧实施例中所涉及的描述同样可以适用于用户侧的实施例,下文中不再对此进行赘述。
请参见图9,图9是一示例性实施例提供的另一种基于无线信号的定位方法的流程图。如图9所示,该方法可以包括以下步骤:
步骤902,用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息。
在本实施例中,各个配送方在配送业务的执行过程中检测无线信号,所述至少一个历史配送业务对应的配送物品来自同一领取地点,所述物品领取阶段对应的领取时间信息由配送方上传,以用于表示在所述执行过程中从配送方到达所述领取地点后至所述配送方离开所述领取地点之前的阶段。
步骤904,所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
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10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10,在硬件层面,该设备包括处理器1002、内部总线1004、网络接口1006、内存1008以及非易失性存储器1010,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1002从非易失性存储器1010中读取对应的计算机程序到内存1008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11,一种基于无线信号的定位装置可以应用于如图10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:
获取单元1101,获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
定位单元1102,当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述修正后信号特征集合通过以下方式得到:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,所述初始信号特征集合和所述标准信号特征集合用于进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;所述网络图中对应于所述标准信号特征集合中特征序列的任一节点用于作为初始节点以进行局部社团搜索得到局部社团,所述局部社团包含的节点对应的特征序列被添加至所述修正后信号特征集合中。
可选的,所述局部社团通过以下方式得到:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;通过以下方式确定所述地点信号特征:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,定位单元1102还用于:
在确定所述用户发生所述到达事件后,若所述客户端当前检测到的无线信号的用户信号特征与所述目标领取地点对应的地点信号特征不相匹配,则确定所述用户发生针对所述目标领取地点的离开事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
请参考图12,另一种基于无线信号的定位装置可以应用于如图10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:
检测单元1201,使得用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
接收单元1202,使得所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
请参考图13,一种地点信号特征的采集装置可以应用于如图10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:
获取单元1301,获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合;
确定单元1302,确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合;
修正单元1303,根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;修正单元1303具体用于:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
可选的,修正单元1303进一步用于:
所述分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度,包括:对所述初始信号特征集合和所述标准信号特征集合进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;
所述当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中,包括:以所述网络图中对应于所述标准信号特征集合中特征序列的任一节点作为初始节点,进行局部社团搜索得到局部社团,以将所述局部社团包含的节点对应的特征序列添加至所述修正后信号特征集合中。
可选的,所述修正单元1303进一步用于:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
可选的,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
可选的,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;修正单元1303具体用于:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
可选的,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
可选的,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
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 (17)
1.一种基于无线信号的定位方法,其特征在于,包括:
获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
2.根据权利要求1所述的方法,其特征在于,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;所述修正后信号特征集合通过以下方式得到:
分别根据所包含的特征值计算所述初始信号特征集合中各个特征序列与所述标准信号特征集合中各个特征序列之间的相似度;
当计算出的相似度在预设相似度范围内时,将相应的特征序列添加至所述修正后信号特征集合中。
3.根据权利要求2所述的方法,其特征在于,所述初始信号特征集合和所述标准信号特征集合用于进行构图得到网络图;其中,所述网络图的节点表示由特征序列包含的特征值构成的特征矩阵,节点之间的边的权重与相应的两个节点对应的特征矩阵之间的距离呈负相关;所述网络图中对应于所述标准信号特征集合中特征序列的任一节点用于作为初始节点以进行局部社团搜索得到局部社团,所述局部社团包含的节点对应的特征序列被添加至所述修正后信号特征集合中。
4.根据权利要求3所述的方法,其特征在于,所述局部社团通过以下方式得到:
将所述初始节点加入当前的局部社团并在所述网络图中搜索节点;
若搜索到的节点为当前的局部社团中至少一个节点的相邻节点,且加入当前的局部社团后使得局部社团增加的连通性数值达到预设连通阈值,则将该节点加入局部社团;其中,所述连通性数值与局部社团所包含边的权重呈正相关,与局部社团所包含节点的数量呈负相关。
5.根据权利要求3所述的方法,其特征在于,所述网络图中对应于所述标准信号特征集合中特征序列的节点两两连接,且连接的边的权重为所述网络图中边的权重的最大值。
6.根据权利要求1所述的方法,其特征在于,所述初始信号特征集合和所述标准信号特征集合包含多个特征序列,每个特征序列由配送方按照预设检测周期检测无线信号的特征值得到;通过以下方式确定所述地点信号特征:
统计所述修正后信号特征集合包含的特征序列中无线信号队列的出现概率,所述无线信号队列表示特征序列中无线信号之间的组合关系;
根据出现概率选取目标无线信号队列,并通过所述修正后信号特征集合包含的特征序列中与所述目标无线信号队列相匹配的目标无线信号的特征值,表征所述地点信号特征的特征值。
7.根据权利要求6所述的方法,其特征在于,
通过以下公式计算第一特征分数来表征所述地点信号特征的特征值:第一特征分数=所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
通过以下公式计算第二特征分数来表征所述用户信号特征的特征值:第二特征分数=所述用户信号特征中包含的所述目标无线信号的特征值×所述目标无线信号队列的出现概率;
其中,在所述第一特征分数和所述第二特征分数相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
8.根据权利要求1所述的方法,其特征在于,还包括:
在确定所述用户发生所述到达事件后,若所述客户端当前检测到的无线信号的用户信号特征与所述目标领取地点对应的地点信号特征不相匹配,则确定所述用户发生针对所述目标领取地点的离开事件。
9.根据权利要求1所述的方法,其特征在于,所述无线信号包括WiFi信号,所述配送方检测无线信号采用的特征维度包括WiFi指纹,所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。
10.根据权利要求1所述的方法,其特征在于,所述物品领取阶段对应的领取时间信息由配送方上传,以用于表示在所述执行过程中从配送方到达所述任一领取地点后至所述配送方离开所述任一领取地点之前的阶段。
11.一种基于无线信号的定位方法,其特征在于,包括:
用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
12.一种地点信号特征的采集方法,其特征在于,包括:
获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合;
确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合;
根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
13.一种基于无线信号的定位装置,其特征在于,包括:
获取单元,获取用户的客户端当前检测到的无线信号的用户信号特征,以及候选的至少一个领取地点对应的无线信号的地点信号特征;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
定位单元,当候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时,确定所述用户发生针对所述目标领取地点的到达事件。
14.一种基于无线信号的定位装置,其特征在于,包括:
检测单元,使得用户的客户端检测无线信号以得到用户信号特征,并将所述用户信号特征上传至服务端,以使得所述服务端确定候选的至少一个领取地点中是否存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点;其中,针对任一领取地点,所述地点信号特征基于根据标准信号特征集合对初始信号特征集合记录的信号特征进行修正得到的修正后信号特征集合得到;所述初始信号特征集合通过获取各个配送方在对应所述任一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号得到;所述标准信号特征集合通过获取各个配送方检测到的无线信号中对应于拍摄时间信息的无线信号得到,所述拍摄时间信息为各个配送方拍摄所述任一领取地点得到的图像数据对应的时间信息;
接收单元,使得所述客户端接收并展示所述服务端返回的定位结果,所述定位结果包括所述用户发生针对所述领取地点的到达事件,所述到达事件由所述服务端在候选的领取地点中存在相应的地点信号特征与所述用户信号特征相匹配的目标领取地点时确定。
15.一种地点信号特征的采集装置,其特征在于,包括:
获取单元,获取各个配送方在对应同一领取地点的至少一个历史配送业务的执行过程中在物品领取阶段检测到的无线信号以得到初始信号特征集合;
确定单元,确定各个配送方拍摄所述领取地点得到的图像数据对应的拍摄时间信息,获取各个配送方检测到的无线信号中对应于所述拍摄时间信息的无线信号以得到标准信号特征集合;
修正单元,根据所述标准信号特征集合对所述初始信号特征集合记录的信号特征进行修正得到修正后信号特征集合,基于所述修正后信号特征集合确定对应于所述领取地点的无线信号的地点信号特征,所述地点信号特征用于在用户的客户端当前检测到的无线信号的用户信号特征与所述地点信号特征相匹配的情况下,确定所述用户发生针对所述领取地点的到达事件。
16.一种电子设备,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1-12中任一项所述的方法。
17.一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1-12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210509926.8A CN114727385B (zh) | 2022-05-11 | 2022-05-11 | 基于无线信号的定位方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210509926.8A CN114727385B (zh) | 2022-05-11 | 2022-05-11 | 基于无线信号的定位方法及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114727385A CN114727385A (zh) | 2022-07-08 |
CN114727385B true CN114727385B (zh) | 2022-08-19 |
Family
ID=82230563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210509926.8A Active CN114727385B (zh) | 2022-05-11 | 2022-05-11 | 基于无线信号的定位方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114727385B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160035333A (ko) * | 2014-09-23 | 2016-03-31 | 현대자동차주식회사 | 차량용 최적 경로 안내 시스템, 및 차량용 최적 경로 안내 시스템을 위한 경로 계산 서버 |
CN110231039A (zh) * | 2019-06-27 | 2019-09-13 | 维沃移动通信有限公司 | 一种定位信息修正方法及终端设备 |
CN112508466A (zh) * | 2019-08-26 | 2021-03-16 | 北京三快在线科技有限公司 | 位置识别的方法、装置、计算机可读存储介质及电子设备 |
CN112566033A (zh) * | 2021-02-24 | 2021-03-26 | 浙江口碑网络技术有限公司 | 无线信号的特征上传及获取方法、装置 |
JP2021051804A (ja) * | 2020-12-25 | 2021-04-01 | 株式会社野村総合研究所 | 店頭商品ecシステムおよび方法 |
CN113316251A (zh) * | 2021-07-29 | 2021-08-27 | 浙江口碑网络技术有限公司 | 基于无线信号的定位方法及装置、电子设备、存储介质 |
CN113393184A (zh) * | 2020-03-12 | 2021-09-14 | 北京三快在线科技有限公司 | 到店识别方法、装置、存储介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180285806A1 (en) * | 2008-12-08 | 2018-10-04 | Christopher L. Scofield | Use of ad-hoc networks for delivery of shipments |
US10031925B2 (en) * | 2014-10-15 | 2018-07-24 | Thinkcx Technologies, Inc. | Method and system of using image recognition and geolocation signal analysis in the construction of a social media user identity graph |
-
2022
- 2022-05-11 CN CN202210509926.8A patent/CN114727385B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160035333A (ko) * | 2014-09-23 | 2016-03-31 | 현대자동차주식회사 | 차량용 최적 경로 안내 시스템, 및 차량용 최적 경로 안내 시스템을 위한 경로 계산 서버 |
CN110231039A (zh) * | 2019-06-27 | 2019-09-13 | 维沃移动通信有限公司 | 一种定位信息修正方法及终端设备 |
CN112508466A (zh) * | 2019-08-26 | 2021-03-16 | 北京三快在线科技有限公司 | 位置识别的方法、装置、计算机可读存储介质及电子设备 |
CN113393184A (zh) * | 2020-03-12 | 2021-09-14 | 北京三快在线科技有限公司 | 到店识别方法、装置、存储介质及电子设备 |
JP2021051804A (ja) * | 2020-12-25 | 2021-04-01 | 株式会社野村総合研究所 | 店頭商品ecシステムおよび方法 |
CN112566033A (zh) * | 2021-02-24 | 2021-03-26 | 浙江口碑网络技术有限公司 | 无线信号的特征上传及获取方法、装置 |
CN113286264A (zh) * | 2021-02-24 | 2021-08-20 | 浙江口碑网络技术有限公司 | 到达事件的确定方法及装置、电子设备、存储介质 |
CN113316251A (zh) * | 2021-07-29 | 2021-08-27 | 浙江口碑网络技术有限公司 | 基于无线信号的定位方法及装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114727385A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112566033B (zh) | 无线信号的特征上传及获取方法、装置 | |
US6845241B2 (en) | Relevance assessment for location information received from multiple sources | |
US8542637B2 (en) | Clustering crowd-sourced data for determining beacon positions | |
US9351124B1 (en) | Location detection and communication through latent dynamic network interactions | |
CN109672980B (zh) | 确定兴趣点对应的无线局域网热点的方法、装置及存储介质 | |
US9301097B2 (en) | Correlating wireless signals to a location on an image using mobile sensor technologies | |
US10499192B2 (en) | Proximity-based device selection for communication delivery | |
US8237612B2 (en) | Inferring beacon positions based on spatial relationships | |
JP2016540957A (ja) | 無線指紋方式を使用する配達位置の確認 | |
US20120185458A1 (en) | Clustering crowd-sourced data to identify event beacons | |
JP5388221B2 (ja) | パターン分類を使用した、無線端末が屋内にあるかどうかの推定 | |
CN106709047B (zh) | 对象查找方法及装置 | |
KR101738443B1 (ko) | 증강 현실 콘텐츠를 스크리닝하는 방법, 장치, 및 시스템 | |
US10219115B2 (en) | Facilitation of mobile device geolocation | |
Myllymaki et al. | Location aggregation from multiple sources | |
Papapostolou et al. | Scene analysis indoor positioning enhancements | |
CN114727385B (zh) | 基于无线信号的定位方法及装置、电子设备、存储介质 | |
CN113347661B (zh) | 无线信号的特征提取方法及基于无线信号的定位方法 | |
CN115243197A (zh) | 配送数据处理方法、装置、设备及存储介质 | |
CN113316251A (zh) | 基于无线信号的定位方法及装置、电子设备、存储介质 | |
CN107040603A (zh) | 用于确定应用程序App活跃场景的方法和装置 | |
CN111951021B (zh) | 一种可疑社团的发现方法和装置、存储介质及计算机设备 | |
CN115564352A (zh) | 信息处理方法、装置和计算机设备 | |
LU100599B1 (en) | Method for subjectively mapping a wireless network environment | |
JP6980666B2 (ja) | オンデマンドの位置訪問コンバージョンメトリック |
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: 20230512 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. |