CN115348546B - 用户出行方式识别方法及装置 - Google Patents

用户出行方式识别方法及装置 Download PDF

Info

Publication number
CN115348546B
CN115348546B CN202210738390.7A CN202210738390A CN115348546B CN 115348546 B CN115348546 B CN 115348546B CN 202210738390 A CN202210738390 A CN 202210738390A CN 115348546 B CN115348546 B CN 115348546B
Authority
CN
China
Prior art keywords
user
bus
subway
station
stop
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210738390.7A
Other languages
English (en)
Other versions
CN115348546A (zh
Inventor
娄广平
李丹洪
黄海南
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.)
Honor Device Co Ltd
Original Assignee
Honor Device Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honor Device Co Ltd filed Critical Honor Device Co Ltd
Priority to CN202210738390.7A priority Critical patent/CN115348546B/zh
Publication of CN115348546A publication Critical patent/CN115348546A/zh
Application granted granted Critical
Publication of CN115348546B publication Critical patent/CN115348546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/021Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/025Services making use of location information using location based information parameters
    • H04W4/027Services making use of location information using location based information parameters using movement velocity, acceleration information
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Navigation (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供一种用户出行方式识别方法及装置,涉及数据处理技术领域。该方法可以提高对用户采用私家车出行、公交出行、地铁出行的识别准确率。该方法包括:获取第一位置信息;若在公交站点信息和地铁站点信息中均未检索到与第一位置信息匹配的站点,增大私家车出行方式的权重系数;若在公交站点信息中检索到与第一位置信息匹配的站点,增大公交出行方式的权重系数;若在地铁站点信息中检索到与第一位置信息匹配的站点,增大地铁出行方式的权重系数;将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分;输出置信度得分最高且大于预设的第一阈值的出行方式。

Description

用户出行方式识别方法及装置
技术领域
本申请涉及数据处理技术领域,尤其涉及一种用户出行方式识别方法及装置。
背景技术
随着技术的不断发展,全球定位系统(global positioning system,GPS)模块以及各类传感器已成为终端设备(例如,手机、智能手表)的标准配置,这给终端设备记录居民日常行为轨迹、剖析个体活动出行特征,提供了较大的便利性与可操作性。但是,不同的行为个体在日常活动出行过程往往采取不同的出行策略,这就要求在数据处理环节中采取高效的出行方式识别方法,以便于精确地获得个体出行信息。
现有的出行方式识别方法主要基于决策树、支持向量机(support vectormachine,SVM)等分类模型,结合个体出行过程中的加速度、陀螺仪等信号来判断终端设备持有者的出行方式(例如,走路、跑步、骑车、乘车等)。由于在这些方法中用于学习的属性仅局限于行为轨迹的位移变化特征,因此在道路交通环境恶劣的条件下,无法有效识别并区分不同交通方式的出行特征,严重影响后续个体出行方式的预测与判定。
发明内容
本申请实施例提供一种用户出行方式识别方法及装置,能够较为准确地识别出用户利用使用哪种交通工具(例如,公交、小车、地铁)出行。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种用户出行方式识别方法,该方法包括:获取第一位置信息,第一位置信息为第一停留点的位置信息,第一停留点为用户最近一次在加速前或者减速后所停留的位置,用户处于乘车状态;若在公交站点信息和地铁站点信息中均未检索到与第一位置信息匹配的站点,增大私家车出行方式的权重系数;若在公交站点信息中检索到与第一位置信息匹配的站点,增大公交出行方式的权重系数;若在地铁站点信息中检索到与第一位置信息匹配的站点,增大地铁出行方式的权重系数;将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分;输出置信度得分最高且大于预设的第一阈值的出行方式。
可以理解地,由于公交和地铁停靠具有规律性,当用户的停留点与公交站点/地铁站点能够匹配时,用户的停留点大概率为公交站点/地铁站点,从而进一步提高用户采用公交出行方式/地铁出行方式概率,这种方法可以很大程度上提高对用户采用私家车出行、公交出行、地铁出行的识别准确率。
在第一方面的一种实施方式中,若在公交站点信息中检索到与所述第一位置信息匹配的站点,匹配结果对应的出行方式为私家车出行方式;若匹配结果为公交站点信息中存在与第一位置信息匹配的站点,匹配结果对应的出行方式为公交出行方式;若匹配结果为地铁站点信息中存在与第一位置信息匹配的站点,匹配结果对应的出行方式为地铁出行方式。
在第一方面的一种实施方式中,若在地铁站点信息中检索到与所述第一位置信息匹配的站点,在将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分之前,方法还包括:基于公交站点信息判断第二停留点是否为与第一停留点相邻的上一个公交站点,第二停留点为用户上一次在加速前或者减速后所停留的位置;若第二停留点为与第一停留点相邻的上一个公交站点,确定第一时间,第一时间为用户从第二停留点移动至第一停留点所使用的时间;若第一时间大于第一时间阈值且小于第二时间阈值,在公交出行方式的权重系数小于第二阈值的情况下,继续增大公交出行方式的权重系数,第一时间阈值为公交车从第二停留点移动至第一停留点所使用的最小时间。
可以理解地,基于公交需要规律性停靠站点的特性,比对用户出行路线是否与公交的路线一致,来计算用户采用公交出行的概率,可以进一步增加用户识别用户具体以何种交通工具出行的准确率。
在第一方面的一种实施方式中,若匹配结果为地铁站点信息中存在与第一位置信息匹配的站点,在将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分之前,方法还包括:基于地铁站点信息判断第二停留点是否为与第一停留点相邻的上一个地铁站点,第二停留点为用户上一次在加速前或者减速后所停留的位置;若第二停留点为与第一停留点相邻的上一个地铁站点,确定第一时间,第一时间为用户从第二停留点移动至第一停留点所使用的时间;若第一时间大于第一时间阈值且小于第二时间阈值,在地铁出行方式的权重系数小于第二阈值的情况下,继续增大地铁出行方式的权重系数,第一时间阈值为地铁从第二停留点移动至第一停留点所使用的最小时间。
可以理解地,基于地铁需要规律性停靠站点的特性,比对用户出行路线是否与地铁的路线一致,来计算用户采用地铁出行的概率,可以进一步增加用户识别用户具体以何种交通工具出行的准确率。
在第一方面的一种实施方式中,公交站点信息包括多个公交站点的地理围栏,地铁站点信息包括多个地铁站点的地理围栏,多个公交站点包括第一公交站点,多个地铁站点包括第一地铁站点;若第一位置信息所指示的位置在第一公交站点的地理围栏范围内,第一位置信息与第一公交站点匹配;若第一位置信息所指示的位置在第一地铁站点的地理围栏范围内,第一位置信息与第一地铁站点匹配。
在第一方面的一种实施方式中,方法还包括:获取用户的运动数据,运动数据包括用户的加速度;基于运动数据和预设的分类模型得到分类结果,分类结果包括用户处于骑行状态、走路状态、跑步状态以及乘车状态下的置信度;若分类结果中用户处于乘车状态下的置信度最高且大于预设的第三阈值,确定用户处于乘车状态。
在第一方面的一种实施方式中,获取第一位置信息包括:根据运动数据判断用户是否处于加速状态或者减速状态;若检测到用户处于加速状态或者减速状态,获取第一位置信息。
在第一方面的一种实施方式中,方法还包括:获取基站信息,基站信息包括终端设备所接入的多个基站的身份标识,以及接入每个基站的时间;确定基站变化频率;若分类结果中用户处于乘车状态下的置信度最高且大于预设的第三阈值,且基站变化频率大于预设的第三阈值,确定用户处于乘车状态。
第二方面,本申请提供了一种用户出行方式识别装置,包括处理器,处理器和存储器耦合,存储器存储有程序指令,当存储器存储的程序指令被处理器执行时使得装置实现第一方面中任一项的方法。其中,该用户出行方式识别装置可以为服务器或者终端设备,在此不做具体限制。
第三方面,本申请提供了一种计算机可读存储介质,包括计算机指令;当计算机指令在电子设备上运行时,使得电子设备执行如第一方面中任一项的方法。
第四方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机可以执行上述第一方面中任一项所述的方法。
第五方面,提供了一种装置(例如,该装置可以是芯片系统),该装置包括处理器,用于支持第一设备实现上述第一方面中所涉及的功能。在一种可能的设计中,该装置还包括存储器,该存储器,用于保存第一设备必要的程序指令和数据。该装置是芯片系统时,可以由芯片构成,也可以包含芯片和其他分立器件。
其中,第二方面至第五方面中任一种设计方式所带来的技术效果可参见第一方面中不同设计方式所带来的技术效果,此处不再赘述。
附图说明
图1为本申请实施例提供的用户出行方式识别方法的系统架构示意图;
图2为本申请实施例提供的服务器100的结构示意图;
图3为本申请实施例提供的终端设备200的结构示意图;
图4为本申请实施例提供的一种用户出行方式识别方法的流程图;
图5为本申请实施例提供的又一种用户出行方式识别方法的流程图;
图6为本申请实施例提供的一种地理围栏的示意图;
图7为本申请实施例提供的又一种地理围栏的示意图;
图8为本申请实施例提供的另一种用户出行方式识别方法的流程图;
图9为本申请实施例提供的一种公交站点分布图;
图10为本申请实施例提供的再一种用户出行方式识别方法的流程图;
图11为本申请实施例提供的一种芯片系统的结构示意图。
具体实施方式
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面将结合附图对本实施例的实施方式进行详细描述。
现有技术的一种实施方式中,终端可采集用户的加速度、陀螺仪等信号,并基于决策树、支持向量机(support vector machine,SVM)等分类模型对加速度、陀螺仪等信号进行分析,确定用户处于走路、跑步、骑车、乘车的状态。但乘车分为多种,例如搭乘公交车、私家车、地铁或者是其他类型的交通工具等。上述方法不能识别用户具体以何种交通工具出行。
本申请实施例提供了一种用户出行方式识别方法,可以将用户的停留点与公交站点和地铁站点进行比对,根据比对结果确定用户可能的出行方式,并增大用户可能的出行方式的权重系数,然后将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分,最终输出置信度得分最高且大于预设的第一阈值的出行方式。由于公交和地铁停靠具有规律性,当用户的停留点与公交站点/地铁站点能够匹配时,用户的停留点大概率为公交站点/地铁站点,从而进一步提高用户采用公交出行方式/地铁出行方式概率,这种方法可以很大程度上提高对用户采用私家车出行、公交出行、地铁出行的识别准确率。
请参阅图1,为本申请实施例提供的用户出行方式识别方法的系统架构示意图,该系统架构包括服务器100和终端设备200。终端设备200与服务器100通信连接。示例性的,图1中的终端设备200可以是手机、平板电脑、台式机(桌面型电脑)、手持计算机、笔记本电脑(膝上型电脑)、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)\虚拟现实(virtual reality,VR)设备等可以采集用户的GPS数据的设备,本申请实施例对终端设备200的具体形态不作特殊限制。
图2示出了服务器100的结构示意图。下面对服务器100进行具体说明。可以理解的是,本申请实施例示意的结构并不构成对服务器100的具体限定。在另一些实施例中,服务器100可以包括比图2中更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
如图2所示,服务器100可以包括处理器110、存储器120及通信模块130。
处理器110可用于读取和执行计算机可读指令。具体地,处理器110可以包括控制器、运算器和寄存器。其中,控制器主要负责指令译码,并为指令对应的操作发出控制信号。运算器主要负责保存指令执行过程中临时存放的寄存器操作数和中间操作结果等。具体实现中,处理器110的硬件架构可以是专用集成电路(application specific integratedcircuit,ASIC)架构、MIPS(microprocessor without interlocked piped stages)架构、ARM(advanced risc machines)架构或者网络处理器(net processor,NP)架构等等。
存储器120与处理器110耦合,用于存储各种软件程序和/或多组指令。具体实现中,存储器120可包括高速随机存取的存储器,并且也可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器120可以存储操作系统,例如uCOS,VxWorks、RTLinux等嵌入式操作系统。
通信模块130可用于通过网络建立服务器100与其它通信终端(如图1中的多个终端设备200)之间的通信连接,并用于通过网络收发数据。
可以理解的是,本实施例示意的结构并不构成对服务器100的具体限定。在另一些实施例中,服务器100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
本申请实施例中以图1所示的终端设备200是手机为例,对本申请实施例提供的终端设备200的结构进行举例说明。如图3所示,终端设备200(如手机)可以包括:处理器210,外部存储器接口220,内部存储器221,通用串行总线(universal serial bus,USB)接口230,充电管理模块240,电源管理模块241,电池242,天线1,天线2,移动通信模块250,无线通信模块260,音频模块270,扬声器270A,受话器270B,麦克风270C,耳机接口270D,传感器模块280,按键290,马达291,指示器292,摄像头293,显示屏294,以及用户标识模块(subscriber identification module,SIM)卡接口295等。
其中,上述传感器模块280可以包括压力传感器,陀螺仪传感器,气压传感器,磁传感器,加速度传感器,距离传感器,接近光传感器,指纹传感器,温度传感器,触摸传感器,环境光传感器和骨传导传感器等传感器。
可以理解的是,本实施例示意的结构并不构成对终端设备200的具体限定。在另一些实施例中,终端设备200可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器210可以包括一个或多个处理单元,例如:处理器210可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以是终端设备200的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器210中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器210中的存储器为高速缓冲存储器。该存储器可以保存处理器210刚用过或循环使用的指令或数据。如果处理器210需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器210的等待时间,因而提高了系统的效率。
在一些实施例中,处理器210可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
可以理解的是,本实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对终端设备200的结构限定。在另一些实施例中,终端设备200也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块240用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。充电管理模块240为电池242充电的同时,还可以通过电源管理模块241为终端设备供电。
电源管理模块241用于连接电池242,充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入,为处理器210,内部存储器221,外部存储器,显示屏294,摄像头293,和无线通信模块260等供电。在一些实施例中,电源管理模块241和充电管理模块240也可以设置于同一个器件中。
终端设备200的无线通信功能可以通过天线1,天线2,移动通信模块250,无线通信模块260,调制解调处理器以及基带处理器等实现。在一些实施例中,终端设备200的天线1和移动通信模块250耦合,天线2和无线通信模块260耦合,使得终端设备200可以通过无线通信技术与网络以及其他设备通信。
天线1和天线2用于发射和接收电磁波信号。终端设备200中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块250可以提供应用在终端设备200上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块250可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块250可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。
移动通信模块250还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块250的至少部分功能模块可以被设置于处理器210中。在一些实施例中,移动通信模块250的至少部分功能模块可以与处理器210的至少部分模块被设置在同一个器件中。
无线通信模块260可以提供应用在终端设备200上的包括WLAN(如(wirelessfidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigationsatellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(nearfield communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。
无线通信模块260可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块260经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器210。无线通信模块260还可以从处理器210接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
终端设备200通过GPU,显示屏294,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏294和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器210可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏294用于显示图像,视频等。该显示屏294包括显示面板。
终端设备200可以通过ISP,摄像头293,视频编解码器,GPU,显示屏294以及应用处理器等实现拍摄功能。ISP用于处理摄像头293反馈的数据。摄像头293用于捕获静态图像或视频。在一些实施例中,终端设备200可以包括1个或N个摄像头293,N为大于1的正整数。
外部存储器接口220可以用于连接外部存储卡,例如Micro SD卡,实现扩展终端设备200的存储能力。外部存储卡通过外部存储器接口220与处理器210通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器221可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器210通过运行存储在内部存储器221的指令,从而执行终端设备200的各种功能应用以及数据处理。例如,在本申请实施例中,处理器210可以通过执行存储在内部存储器221中的指令,内部存储器221可以包括存储程序区和存储数据区。
其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储终端设备200使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器221可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universalflash storage,UFS)等。
终端设备200可以通过音频模块270,扬声器270A,受话器270B,麦克风270C,耳机接口270D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
按键290包括开机键,音量键等。按键290可以是机械按键。也可以是触摸式按键。马达291可以产生振动提示。马达291可以用于来电振动提示,也可以用于触摸振动反馈。指示器292可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。SIM卡接口295用于连接SIM卡。SIM卡可以通过插入SIM卡接口295,或从SIM卡接口295拔出,实现和终端设备200的接触和分离。终端设备200可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口295可以支持Nano SIM卡,Micro SIM卡,SIM卡等。
本申请实施例提供了一种用户出行方式识别方法,应用于图1中的系统架构。请参阅图4,为本申请实施例提供的用户出行方式识别方法的流程图。该用户出行方式识别方法包括:
S101,终端设备采集运动数据。
其中,运动数据用于反映持有该终端设备的用户的运行情况,该运动数据包括用户的速度、加速度、角速度等。具体的,终端设备可包括加速度计、陀螺仪、GPS等。终端设备可通过该加速度计可采集用户的加速度。终端设备还可以通过该陀螺仪可采集用户的角速度。终端设备还可以根据一个时间段内的GPS变化情况,测算出用户的速度。
S102,终端设备向服务器发送运动数据。
S103,服务器基于运动数据和预设的分类模型得到分类结果。
该分类结果包括用户处于骑行状态、走路状态、跑步状态以及乘车状态下的置信度。
其中,该预设的分类模型可以为决策树、SVM、卷积神经网络(convolutionalneural networks,CNN)、循环神经网络(recurrent neural network,RNN)等分类模型,在此不做具体限制。将运动数据输入该分类模型,可以得到用户处于不同状态下的置信度。在本申请实施例中,该分类模型将用户所处的状态至少分为骑行状态、走路状态、跑步状态以及乘车状态。这种情况下,分类结果可以为:用户处于骑行状态的置信度为0.5,用户处于走路状态的置信度为0.3,用户处于跑步状态的置信度为0.6,用户处于乘车状态的置信度为0.7。
可选的,该分类模型还可以细分用户在乘车状态下具体采用的交通工具,并将乘车状态划分为:乘坐私家车的状态,乘坐公交车的状态,乘坐地铁的状态,乘坐其他未知交通工具的状态。如此,该分类结果还可以包括:用户处于乘坐私家车的状态的置信度为0.3,用户处于乘坐公交车的状态的置信度为0.8,用户处于乘坐地铁的状态的置信度为0.5,用户处于乘坐其他未知交通工具的状态的置信度为0.2。
S104,服务器根据分类结果判断用户是否处于乘车状态。
其中,若服务器判断用户处于乘车状态,则执行S105;若服务器判断用户未处于乘车状态,则可继续执行S103。
在本申请实施例中,将置信度最高且大于预设的第三阈值的状态确定为用户所处的状态。例如,预设的第三阈值为0.6,若用户处于乘车状态下的置信度最高,例如为0.7,且由于0.7大于0.6,服务器确定用户处于乘车状态。又例如,若用户处于乘车状态下的置信度最高,例如为0.5,但由于0.5小于0.6,服务器确定用户处于乘坐其他未知交通工具的状态。
可选的,为了防止误判断用户处于乘车状态的情况发生,终端设备还可以结合基站信息和分类结果判断用户是否处于乘车状态。如图5所示,该用户出行方式识别方法还包括:
S104-1,终端设备采集基站信息。
其中,基站信息包括终端设备所接入的多个基站的身份标识,每个基站的信号强度以及接入/离开每个基站的时间。该基站信息可以反映终端设备在一段时间内的基站接入情况。该基站的身份标识例如为演进型移动基站身份标识(Evolved Node B Identitydocument),eNB ID)。
S104-2,终端设备向服务器发送基站信息。
S104-3,服务器确定基站变化频率。
该基站变化频率为单位时间内接入基站的数量。示例性的,该单位时间可以为10分钟,若基站信息指示,在15:00~15:30期间,终端设备共接入了6个基站,则该基站变化频率为3个/10分钟。
可以理解地,若用户处于移动状态,则会带动终端设备一同移动,而在移动过程中,该终端设备可在不同的地点接入不同的基站。若该基站变化率较大(例如,大于等于预设的第四阈值),则可认为用户处于移动状态;若该基站变化率较小(例如,小于预设的第四阈值),则可认为用户处于静止状态。也即,通过该基站变化频率可以判断用户处于移动状态或者静止状态。
S104-4,根据分类结果以及基站变化频率判断用户是否处于乘车状态。
其中,若服务器判断用户处于乘车状态,则执行S105;若服务器判断用户未处于乘车状态,则可继续执行S103。
在本申请实施例中,若分类结果中用户处于乘车状态下的置信度最高且大于预设的第三阈值,且基站变化频率大于等于预设的第四阈值,服务器确定用户处于乘车状态。
如此,服务器在基于基站信息判断用户处于移动状态,且分类结果中用户处于乘车状态下的置信度最高且大于预设的第三阈值时,才确定用户处于乘车状态,可以排除用户乘车后又停车的情况,提升用户处于乘车状态的置信度。
S105,服务器根据运动数据判断用户是否处于加速状态或者减速状态。
其中,若服务器检测到用户处于加速状态或者减速状态,执行S106;若检测到用户未处于加速状态或者减速状态,则可以继续执行S105。
在一种可选的实施方式中,服务器可以通过速度的变化情况或者直接根据加速度判断用户是否处于加速状态或者减速状态。示例性的,若服务器确定用户的速度处于增加状态,或者加速度大于0,则可以确定用户处于加速状态。又例如,若服务器确定用户的速度正在减小,或者加速度小于0,则可以确定用户处于减速状态。
S106,服务器向终端设备发送第一指令。
S107,终端设备获取第一位置信息。
响应于接收到第一指令,终端设备可获取第一位置信息。其中,第一位置信息为第一停留点的位置信息,该第一停留点为用户最近一次在加速前或者减速后所停留的位置。该第一位置信息可以包括第一停留点的GPS信号、GNSS信号、北斗卫星导航系统(BeiDounavigation satellite system,BDS)信号、小区标识、蓝牙低能耗信号、无线网络信号、近场通讯信号中的一种或多种。
具体的,终端设备可以实时采集并记录运动数据。终端设备在接收到第一指令后,可以根据运动数据查找到用户最近一次从0开始加速的过程中,速度为0时的位置信息(第一位置信息),或者查找用户最近一次减速并减速至0的过程中,速度为0时的位置信息(第一位置信息)。可以理解地,速度为0时表明用户未运动,速度为0时的位置即为用户停留的位置。
S108,终端设备向服务器发送第一位置信息。
S109,服务器在公交站点信息和地铁站点信息中分别检索是否存在与第一位置信息匹配的站点。
其中,该公交站点信息包括多个公交站点的位置信息及每个公交站点的地理围栏。该公交站点的地理围栏用于表征对应的公交站点所覆盖的地理范围。公交站点的位置信息可以为该公交站点的经纬度信息等。该地理围栏可以为以公交站点为中心向四周延伸预设距离构建得到的虚拟地理边界。示例性的,该地理围栏可以为图6所示的地理围栏601,该地理围栏601是以公交站点602为中心向四周延伸相同的距离得到的。又例如,该地理围栏可以为图7所示的地理围栏701,该地理围栏701是以公交站点702为中心向四周不规则延伸得到的。当然,在其他实施方式中,该地理围栏可以为其他形状,例如为矩形、椭圆形或者其他不规则形状,在此不做具体限制。
需要说明的是,该地理围栏可以是以公交站点为中心向四周延伸相同的距离得到的,即该地理围栏的形状可以是规则的形状,例如为圆形。
地点站点信息包括多个地铁站点的位置信息及每个地铁站点的地理围栏。该地铁站点的地理围栏用于表征对应的地点站点所覆盖的地理范围。其中,地点站点的地理围栏与公交站点的地理围栏类似,在此不再赘述。
服务器可以判断第一位置信息所指示的位置处于哪个公交站点或者地铁站点的地理围栏范围内。在本申请实施例中,服务器可基于射线法、R树查找等方法确定公交站点信息和地铁站点信息中是否存在与第一位置信息匹配的站点。
在本申请实施例中,若第一位置信息所指示的位置在第一公交站点的地理围栏范围内,第一位置信息与第一公交站点匹配。若第一位置信息所指示的位置在第一地铁站点的地理围栏范围内,第一位置信息与第一地铁站点匹配。
考虑到公交站点与地铁站点可能存在重合,则若第一位置信息所指示的位置既在第一公交站点的地理围栏围内,也在第一地铁站点的地理围栏范围内,该第一位置信息与第一公交站点和第一地铁站点均匹配。
S110,服务器增大匹配结果对应的出行方式的权重系数。
其中,匹配结果对应的出行方式包括私家车出行方式、公交出行方式或地铁出行方式中的至少一种。
在本申请实施例中,匹配结果至少包括以下几种:
(1)公交站点信息和地铁站点信息中均不存在与第一位置信息匹配的站点。基于公交和地铁需规律性地停靠在站点的特性分析可知,该第一停留点既不是公交站点,也不是地铁站点。在这情况下,用户采用私家车出行方式的概率较高。也即,若匹配结果为公交站点信息和地铁站点信息中均不存在与第一位置信息匹配的站点,匹配结果对应的出行方式为私家车出行方式,服务器增大私家车出行方式对应的权重系数。
(2)匹配结果为公交站点信息中存在与第一位置信息匹配的站点。这表明第一停留点大概率为公交站点,在这种情况下,用户采用公交出行方式的概率较高。也即,若匹配结果为公交站点信息中存在与第一位置信息匹配的站点,匹配结果对应的出行方式为公交出行方式,服务器增大公交出行方式对应的权重系数。
(3)匹配结果为地铁站点信息中存在与第一位置信息匹配的站点。这表明第一停留点大概率为地铁站点,在这种情况下,用户采用地铁出行方式的概率较高。也即,若匹配结果为地铁站点信息中存在与第一位置信息匹配的站点,匹配结果对应的出行方式为地铁出行方式,服务器增大地铁出行方式对应的权重系数。
可选的,在公交站点信息中不存在与第一位置信息匹配的站点时,服务器还可初始化公交出行方式对应的权重系数;在地铁站点信息中不存在与第一位置信息匹配的站点时,服务器还可初始化地铁出行方式对应的权重系数。
需要说明的是,若匹配结果为公交站点信息和地铁站点信息中均存在与第一位置信息匹配的站点,则该匹配结果对应的出行方式为公交出行方式和地铁出行方式,服务器增大公交出行方式和地铁出行方式的权重系数。
服务器可以预设多种出行方式的初始权重系数。其中,每种出行方式的初始权重系数相同。在增大出行方式的权重系数时,服务器可以按照预设的增量增大该权重系数。示例性的,每种出行方式的初始权重系数为0.1,该预设的增量为0.1,则若匹配结果对应的出行方式为私家车出行方式,则将私家车出行方式的权重系数增大0.1,得到调整后的权重系数为0.2。
S111,服务器将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分。
根据S103中预设的分类模型的分类结果,服务器可以确定每种出行方式的基础置信度。在一种可选的实施方式中,该分类模型将用户所处的状态至少分为骑行状态、走路状态、跑步状态以及乘车状态。在这种情况下,每种出行方式的基础置信度相同,均为分类结果中用户处于乘车状态下的置信度。例如,分类结果可以为用户处于骑行状态的置信度为0.5,用户处于走路状态的置信度为0.3,用户处于跑步状态的置信度为0.6,用户处于乘车状态的置信度为0.7,则每种出行方式的基础置信度均为0.7。
在另一种可选的实施方式中,除了识别骑行、走路、跑步以及乘车四种状态以外,该分类模型还细分用户在乘车状态下具体采用的交通工具,并将乘车状态划分为:乘坐私家车的状态,乘坐公交车的状态,乘坐地铁的状态,乘坐其他未知交通工具的状态。在这种情况下,每种出行方式的基础置信度分别为分类结果中用户处于乘坐对应交通工具的状态下的置信度。例如,该分类结果还包括:用户处于乘坐私家车的状态的置信度为0.3,用户处于乘坐公交车的状态的置信度为0.8,用户处于乘坐地铁的状态的置信度为0.5,用户处于乘坐其他未知交通工具的状态的置信度为0.2。则私家车出行方式对应的基础置信度为0.3,公交车出行方式对应的基础置信度为0.8,地铁出行方式对应的基础置信度为0.5。
服务器可将私家车出行方式的基础置信度与对应的权重系数的乘积作为私家车出行方式的置信度得分,将公交出行方式的基础置信度与对应的权重系数的乘积作为公交出行方式的置信度得分,将地铁出行方式的基础置信度与对应的权重系数的乘积作为地铁出行方式的置信度得分。
示例性的,服务器可根据算式1计算每种出行方式的置信度得分。该算式1为:
Pi=Scorei·Xi
其中,Pi(i=1,2,3)依次表示私家车出行方式的置信度得分,公交车出行方式的置信度得分以及地铁出行方式的置信度得分。Scorei(i=1,2,3)依次表示私家车出行方式的初始置信度,公交车出行方式的初始置信度以及地铁出行方式的初始置信度。Xi(i=1,2,3)依次表示私家车出行方式的对应的权重系数,公交车出行方式的对应的权重系数以及地铁出行方式的对应的权重系数。
例如,若私家车出行方式对应的基础置信度为0.3,私家车出行方式对应的权重系数为0.1,则私家车出行方式的置信度得分为0.03;若公交车出行方式对应的基础置信度为0.8,公交车出行方式对应的权重系数为0.4,则公交车出行方式的置信度得分为0.32;若地铁出行方式对应的基础置信度为0.5,地铁出行方式对应的权重系数为0.2,则地铁出行方式的置信度得分为0.1。
S112,服务器输出置信度得分最高且大于预设的第一阈值的出行方式。
可以理解地,该第一阈值相当于门限值,只有在置信度得分高于该第一阈值的情况下,该置信度得分可被认为有效;否则,即使某种出行方式的置信度得分最高,也不能判断用户使用该出行方式。例如,私家车出行方式的置信度得分为0.03,公交车出行方式的置信度得分为0.32,地铁出行方式的置信度得分为0.1。这种情况下,若预设的第一阈值为0.2,则服务器输出公交车出行方式。即判断用户所乘坐的交通工具为公交车。若预设的第一阈值为0.4,则服务器不能判断用户以何种交通工具出行,可以输出结果或者输出用户乘坐未知交通工具的结果。
可见,本申请实施例通过比对用户的停留点是否为公交站点或者地铁站点,来识别用户是否有可能乘坐公交或地铁,从而区分用户乘坐公交、地铁或者私家车的情况,提高对用户采用私家车出行、公交出行、地铁出行的识别准确率。
可选的,为了增大识别结果的可信度,服务器在识别到第一停留点为公交站点或者地铁站点后,还可以进一步获取用户的出行路线,并通过比对用户的出行路线是否与公交路线或地铁路线匹配来识别用户是否真的在乘坐公交或地铁。如图8所示,本申请实施例还提供了另一种用户出行方式识别方法。图8所提供的用户出行方式识别方法与图4所示的用户出行方式识别方法类似,区别在于,图8中还包括:
S201,服务器在公交站点信息和地铁站点信息中分别检索是否存在与第一位置信息匹配的站点。
其中,若服务器在公交站点信息和地铁站点信息中均未检索到与第一位置信息匹配的站点,则执行S202;若服务器在公交站点信息检索到与第一位置信息匹配的站点,则执行S203;若服务器在地铁站点信息检索到与第一位置信息匹配的站点,则执行S209。
公交站点信息还包括多条公交线路的线路信息,每条公交线路的线路信息包括多个公交站点的名称、多个公交站点的顺序、相邻两个公交站点间的通行时间。示例性的,如图9所示,公交站点信息可包括60路公交和7路公交的线路信息。其中,按照公交的行驶顺序,60路公交包括A1站点、A2站点、A3站点、A4站点、A5站点、A6站点以及A7站点,7路公交包括B1站点、B2站点、A4站点、B3站点以及B4站点。其中,60公交从A1站点行驶至A2站点需要4.5分钟(即A1站点和A2站点的通行时间为4.5分钟),从A2站点行驶至A3站点需要3分钟,从A3站点行驶至A4站点需要4.3分钟,从A4站点行驶至A5站点需要3.7分钟,从A5站点行驶至A6站点需要1.9分钟,从A6站点行驶至A7站点需要2.6分钟。7路公交从B1站点行驶至B2站点需要1.9分钟,从B2站点行驶至A4站点需要6分钟,从A4站点行驶至B3站点需要1.6分钟,从B3站点行驶至B4站点需要2分钟。
地铁站点信息还包括多条地铁线路的线路信息,每条地铁线路的线路信息包括多个地铁站点的名称、多个地铁站点的顺序、相邻两个地铁站点间的通行时间。
S202,服务器增大私家车出行方式对应的权重系数。
也就是说,第一停留点既不是公交站点,也不是地铁站点。在这情况下,用户采用私家车出行方式的概率较高,服务器增大私家车出行方式对应的权重系数,以便增大私家车出行方式的置信度得分。
S203,服务器增大公交出行方式对应的权重系数。
S204,服务器基于公交站点信息判断第二停留点是否为与第一停留点相邻的上一个公交站点。
其中,第二停留点为用户上一次在加速前或者减速后所停留的位置。若第二停留点为与第一停留点相邻的上一个公交站点,服务器执行S205;若第二停留点不是与第一停留点相邻的上一个公交站点,则可以保持公交出行方式对应的权重系数不变。
可以理解地,服务器每次检测到用户处于加速状态或者减速状态时向终端设备发送第一指令,以获取用户的停留点的位置信息。在获取停留点的位置信息后,可在公交站点信息和地铁站点信息中检索是否存在与该停留点的位置信息所匹配的站点,并存储检索记录。在这种情况下,服务器可以从检索记录中获取第二停留点的位置信息,以及确定第二停留点是否为公交站点或者地铁站点,若为公交站点或地铁站点,则还可以获取第二停留点所匹配的公交站点或地铁站点的名称。
如此,服务器可以基于公交站点信息判断,第二停留点是否为与第一停留点相邻的上一个公交站点。示例性的,第一停留点可以为图9中的站点A4,该第二停留点为图9中的站点A3,则可以判断用户是按照60路公交的公交线路行进,用户很有可能在乘坐公交。又例如,第一停留点为图9中的站点B3,第二停留点不是任意一个公交站点,则用户可能只是临时停在站点B3,用户很可能未搭乘公交车。又例如,第一停留点为图9中的站点A7,第二停留点为图9中的站点A5,站点A5与站点A7并不相邻,则用户可能只是临时停在站点A7、站点A5,用户很可能未搭乘公交车。
S205,服务器确定第一时间。
其中,第一时间为用户从第二停留点移动至第一停留点所使用的时间。具体的,服务器可以获取用户到达第一停留点的时间,以及到达第二停留点的时间,并根据两个时间确定第一时间。
S206,服务器判断第一时间是否大于第一时间阈值且小于第二时间阈值。
其中,若第一时间大于第一时间阈值且小于第二时间阈值,服务器执行S207。
在本申请实施例中,第一时间阈值为公交车从第二停留点移动至第一停留点所使用的最小时间。
由于第二停留点与第一停留点均为公交站点,且第二停留点与第一停留点相邻,服务器可以从公交站点信息中查询到第一停留点对应的站点、第二停留点对应的站点,并将两个站点间的通信时间作为该第一时间阈值。
示例性的,若第一停留点为图9中的A4站点,第二停留点为图9中的A3站点,则该第一时间阈值为4.3分钟。又例如,若第一停留点为B2站点,第二停留点为B1站点,则该第一时间阈值为1.9分钟。
在本申请实施例中,该第二时间阈值可以为第一时间阈值的预设倍数,例如为2倍、3倍、4倍等。第二时间阈值应当是考虑到公交车从第二停留点行驶至第一停留点过程中,可能存在的等待红绿灯时间、堵车时间等得到的时间。
若第一时间大于第一时间阈值且小于第二时间阈值,则表明用户很可能搭乘公交车以对应线路从第二停留点移动至第一停留点;若第一时间小于第一时间阈值或者大于第二时间阈值,则表明用户可能采用了除公交线路以外的其他线路从第二停留点移动至第一停留点,这种情况下,用户搭乘公交车的概率较小。
S207,服务器判断公交出行方式的权重系数是否小于第二阈值。
其中,若公交出行方式的权重系数小于第二阈值,服务器执行S208;若公交出行方式的权重系数等于第二阈值,则保持公交出行方式的权重系数不变。
S208,服务器继续增大公交出行方式的权重系数。
也即,本申请可以给每种出行方式的权重系数设置一个阈值(即第二阈值),若在已经等于该第二阈值的情况下,则不再继续增大权重系数。
综上,在第二停留点为与第一停留点相邻的上一个公交站点,第一时间大于第一时间阈值且小于第二时间阈值,且公交出行方式的权重系数小于第二阈值的情况下,服务器可以继续增大公交出行方式的权重系数。
S209,服务器增大地铁出行方式的权重系数。
S210,服务器基于地铁站点信息判断第二停留点是否为与第一停留点相邻的上一个地铁站点,第二停留点为用户上一次在加速前或者减速后所停留的位置。
其中,若第二停留点为与第一停留点相邻的上一个地铁站点,服务器执行S211。
S211,服务器确定第一时间。
第一时间为用户从第二停留点移动至第一停留点所使用的时间。
S212,服务器判断第一时间是否大于第一时间阈值且小于第二时间阈值。
其中,若第一时间大于第一时间阈值且小于第二时间阈值,服务器执行S213;
第一时间阈值为地铁车从第二停留点移动至第一停留点所使用的最小时间。
S213,服务器判断地铁出行方式的权重系数是否小于第二阈值。
其中,若地铁出行方式的权重系数小于第二阈值,服务器执行S214。
S214,服务器继续增大地铁出行方式的权重系数。
也就是说,在第二停留点为与第一停留点相邻的上一个地铁站点,第一时间大于第一时间阈值且小于第二时间阈值,且地铁出行方式的权重系数小于第二阈值的情况下,服务器可以继续增大地铁出行方式的权重系数。
可见,本申请实施例基于公交/地铁需要规律性停靠站点的特性,比对用户出行路线是否与公交/地铁的路线一致,来计算用户采用公交/地铁出行的概率,可以进一步增加用户识别用户具体以何种交通工具出行的准确率。
需要说明的是,在一种可选的实施方式中,上述实施例所述的用户出行方式识别方法可以应用于终端设备。请参阅图10,该用户出行方式识别方法包括:
S301,终端设备采集运动数据。
S302,终端设备基于运动数据和预设的分类模型得到分类结果。
分类结果包括用户处于骑行状态、走路状态、跑步状态以及乘车状态下的置信度。
S303,终端设备采集基站信息。
S304,终端设备确定基站变化频率。
S305,终端设备根据分类结果和基站变化频率判断用户是否处于乘车状态。
若终端设备判断用户处于乘车状态,则执行S306;若终端设备判断用户未处于乘车状态,可执行S301。
其中,若分类结果中用户处于乘车状态下的置信度最高且大于预设的第三阈值,且基站变化频率大于等于预设的第四阈值,终端设备确定用户处于乘车状态。
S306,终端设备根据运动数据判断用户是否处于加速状态或者减速状态。
其中,若终端设备检测到用户处于加速状态或者减速状态,执行S307;若检测到用户未处于加速状态或者减速状态,则可以继续执行S306。
S307,终端设备获取第一位置信息。
S308,终端设备在公交站点信息和地铁站点信息中分别检索是否存在与第一位置信息匹配的站点。
其中,若终端设备在公交站点信息和地铁站点信息中均未检索到与第一位置信息匹配的站点,则执行S309;若终端设备在公交站点信息检索到与第一位置信息匹配的站点,则执行S310;若终端设备在地铁站点信息检索到与第一位置信息匹配的站点,则执行S316。
S309,终端设备增大私家车出行方式对应的权重系数。
S310,终端设备增大公交车出行方式对应的权重系数。
S311,终端设备基于公交站点信息判断第二停留点是否为与第一停留点相邻的上一个公交站点,第二停留点为用户上一次在加速前或者减速后所停留的位置。
其中,若第二停留点为与第一停留点相邻的上一个公交站点,终端设备执行S312;若第二停留点不是与第一停留点相邻的上一个公交站点,则可以保持公交出行方式对应的权重系数不变。
S312,终端设备确定第一时间。
第一时间为用户从第二停留点移动至第一停留点所使用的时间。具体的,终端设备可以获取用户到达第一停留点的时间,以及到达第二停留点的时间,并根据两个时间确定第一时间。
S313,终端设备判断第一时间是否大于第一时间阈值且小于第二时间阈值。
其中,若第一时间大于第一时间阈值且小于第二时间阈值,终端设备执行S314。
S314,终端设备判断公交出行方式的权重系数是否小于第二阈值。
其中,若公交出行方式的权重系数小于第二阈值,终端设备执行S315;若公交出行方式的权重系数等于第二阈值,则保持公交出行方式的权重系数不变。
S315,终端设备继续增大公交出行方式的权重系数。
S316,终端设备增大地铁出行方式的权重系数。
S317,终端设备基于地铁站点信息判断第二停留点是否为与第一停留点相邻的上一个地铁站点,第二停留点为用户上一次在加速前或者减速后所停留的位置。
其中,若第二停留点为与第一停留点相邻的上一个地铁站点,终端设备执行S318。
S318,终端设备确定第一时间。
第一时间为用户从第二停留点移动至第一停留点所使用的时间。
S319,终端设备判断第一时间是否大于第一时间阈值且小于第二时间阈值。
其中,若第一时间大于第一时间阈值且小于第二时间阈值,终端设备执行S320;
第一时间阈值为地铁车从第二停留点移动至第一停留点所使用的最小时间。
S320,终端设备判断地铁出行方式的权重系数是否小于第二阈值。
其中,若地铁出行方式的权重系数小于第二阈值,终端设备执行S321。
S321,终端设备继续增大地铁出行方式的权重系数。
S322,终端设备将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分。
S323,终端设备输出置信度得分最高且大于预设的第一阈值的出行方式。
需要说明的是,在用户行进过程中,终端设备或服务器可持续判断用户是否加速或减速,并采集停留点的位置信息,以及结合当前采集到的停留点的位置信息和上一个停留点的位置信息识别用户的出行路线与公交/地铁的路线是否匹配,采集得到的数据越多,其结果越准确。
综上所述,本申请实施例提供的用户出行方式识别方法,可以将用户的停留点与公交站点和地铁站点进行比对,根据比对结果确定用户可能的出行方式,并增大用户可能的出行方式的权重系数,然后将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分,最终输出置信度得分最高且大于预设的第一阈值的出行方式。由于公交和地铁停靠具有规律性,当用户的停留点与公交站点/地铁站点能够匹配时,用户的停留点大概率为公交站点/地铁站点,从而进一步提高用户采用公交出行方式/地铁出行方式概率,这种方法可以很大程度上提高对用户采用私家车出行、公交出行、地铁出行的识别准确率。
本申请实施例还提供一种芯片系统,如图11所示,该芯片系统包括至少一个处理器1101和至少一个接口电路1102。处理器1101和接口电路1102可通过线路互联。例如,接口电路1102可用于从其它装置(例如,终端设备的存储器)接收信号。又例如,接口电路1102可用于向其它装置(例如处理器1101)发送信号。
例如,接口电路1102可读取终端设备中存储器中存储的指令,并将该指令发送给处理器1101。当所述指令被处理器1101执行时,可使得终端设备(如图1中的终端设备200)执行上述实施例中的各个步骤。
又例如,接口电路1102可读取服务器中存储器中存储的指令,并将该指令发送给处理器1101。当所述指令被处理器1101执行时,可使得服务器(如图1中的服务器100)执行上述实施例中的各个步骤。
当然,该芯片系统还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请实施例还提供了一种用户出行方式识别装置,所述装置可以按照功能划分为不同的逻辑单元或模块,各单元或模块执行不同的功能,以使得所述装置执行上述方法实施例中终端设备、服务器执行的各个功能或者步骤。
本申请实施例还提供一种计算机程序产品,当所述计算机程序产品在用户出行方式识别装置上运行时,使得用户出行方式识别装置执行上述方法实施例中用户出行方式识别装置执行的各个功能或者步骤。当所述计算机程序产品在服务器上运行时,使得所述服务器执行上述方法实施例中服务器执行的各个功能或者步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种用户出行方式识别方法,其特征在于,所述方法包括:
获取第一位置信息,所述第一位置信息为第一停留点的位置信息,所述第一停留点为用户最近一次在加速前或者减速后所停留的位置,所述用户处于乘车状态;
若在公交站点信息和地铁站点信息中均未检索到与所述第一位置信息匹配的站点,增大私家车出行方式的权重系数;
若在公交站点信息中检索到与所述第一位置信息匹配的站点,增大公交出行方式的权重系数;
若在地铁站点信息中检索到与所述第一位置信息匹配的站点,增大地铁出行方式的权重系数;
若在所述地铁站点信息和/或所述公交站点信息中检索到与所述第一位置信息匹配的站点,基于所述地铁站点信息和/或所述公交站点信息判断第二停留点是否为与所述第一停留点相邻的上一个地铁站点和/或上一个公交站点所述第二停留点为用户上一次在加速前或者减速后所停留的位置;
若所述第二停留点为与所述第一停留点相邻的上一个地铁站点和/或上一个公交站点,确定第一时间,所述第一时间为用户从所述第二停留点移动至所述第一停留点所使用的时间;
若所述第一时间大于第一时间阈值且小于第二时间阈值,在所述地铁出行方式的权重系数小于第二阈值的情况下,继续增大所述地铁出行方式的权重系数,和/或在所述公交出行方式的权重系数小于第二阈值的情况下,继续增大所述公交出行方式的权重系数,其中,在地铁出行方式中所述第一时间阈值为地铁从所述第二停留点移动至所述第一停留点所使用的最小时间,在公交出行方式中所述第一时间阈值为公交从所述第二停留点移动至所述第一停留点所使用的最小时间;
将每种出行方式的基础置信度乘以对应的权重系数得到每种出行方式的置信度得分;
输出置信度得分最高且大于预设的第一阈值的出行方式。
2.根据权利要求1所述的方法,其特征在于,所述公交站点信息包括多个公交站点的地理围栏,所述地铁站点信息包括多个地铁站点的地理围栏,所述多个公交站点包括第一公交站点,所述多个地铁站点包括第一地铁站点;
若所述第一位置信息所指示的位置在所述第一公交站点的地理围栏范围内,所述第一位置信息与所述第一公交站点匹配;
若所述第一位置信息所指示的位置在所述第一地铁站点的地理围栏范围内,所述第一位置信息与所述第一地铁站点匹配。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户的运动数据,所述运动数据包括用户的加速度;
基于所述运动数据和预设的分类模型得到分类结果,所述分类结果包括用户处于骑行状态、走路状态、跑步状态以及乘车状态下的置信度;
若所述分类结果中所述用户处于乘车状态下的置信度最高且大于预设的第三阈值,确定所述用户处于乘车状态。
4.根据权利要求3所述的方法,其特征在于,所述获取第一位置信息包括:
根据所述运动数据判断用户是否处于加速状态或者减速状态;
若检测到用户处于加速状态或者减速状态,获取所述第一位置信息。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取基站信息,所述基站信息包括终端设备所接入的多个基站的身份标识,以及接入每个基站的时间;
确定基站变化频率;
若所述分类结果中所述用户处于乘车状态下的置信度最高且大于预设的第三阈值,且所述基站变化频率大于预设的第三阈值,确定所述用户处于乘车状态。
6.根据权利要求1所述的方法,其特征在于,所述第一位置信息包括全球定位系统信号、小区标识、蓝牙低能耗信号、无线网络信号、近场通讯信号中的一种或多种。
7.一种用户出行方式识别装置,其特征在于,包括处理器,所述处理器和存储器耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时使得所述装置实现权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,包括计算机指令;
当所述计算机指令在用户出行方式识别装置上运行时,使得所述用户出行方式识别装置执行如权利要求1-6中任一项所述的方法。
CN202210738390.7A 2022-06-27 2022-06-27 用户出行方式识别方法及装置 Active CN115348546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210738390.7A CN115348546B (zh) 2022-06-27 2022-06-27 用户出行方式识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210738390.7A CN115348546B (zh) 2022-06-27 2022-06-27 用户出行方式识别方法及装置

Publications (2)

Publication Number Publication Date
CN115348546A CN115348546A (zh) 2022-11-15
CN115348546B true CN115348546B (zh) 2023-06-23

Family

ID=83948037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210738390.7A Active CN115348546B (zh) 2022-06-27 2022-06-27 用户出行方式识别方法及装置

Country Status (1)

Country Link
CN (1) CN115348546B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709692B (zh) * 2024-02-06 2024-05-03 四川绿豆芽信息技术有限公司 一种碳指标发放方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530166A (zh) * 2020-12-01 2021-03-19 江苏欣网视讯软件技术有限公司 基于信令数据与大数据分析识别公交出行上下车站点的方法与系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9026480B2 (en) * 2011-12-21 2015-05-05 Telenav, Inc. Navigation system with point of interest classification mechanism and method of operation thereof
US9489637B2 (en) * 2013-04-29 2016-11-08 Here Global B.V. Method and apparatus for deriving spatial properties of bus stops and traffic controls
EP3550536A4 (en) * 2016-12-24 2020-04-01 Huawei Technologies Co., Ltd. METHOD AND DEVICE FOR DETERMINING A GEOGRAPHICAL LOCATION OF A USER TAKING A VEHICLE
CN114116926A (zh) * 2021-06-10 2022-03-01 武汉理工大学 基于公交站点信息匹配的乘客出行方式识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530166A (zh) * 2020-12-01 2021-03-19 江苏欣网视讯软件技术有限公司 基于信令数据与大数据分析识别公交出行上下车站点的方法与系统

Also Published As

Publication number Publication date
CN115348546A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN114598991B (zh) 一种多层围栏构建方法、云服务器及第一终端设备
CN114463898B (zh) 一种快递取件提醒方法和装置
CN104428832B (zh) 语音识别装置及其方法
CN113660611B (zh) 定位方法和装置
CN110689460B (zh) 基于区块链的交通事故数据处理方法、装置、设备及介质
US20240086476A1 (en) Information recommendation method and related device
CN115348546B (zh) 用户出行方式识别方法及装置
US11823464B2 (en) Message-based image processing method and electronic device implementing same
US11140522B2 (en) Method and electronic device for transmitting group message
CN107341226B (zh) 信息展示方法、装置及移动终端
KR101995799B1 (ko) 상황 인지 서비스를 제공하기 위한 장소 인식 장치 및 방법
CN112269939B (zh) 自动驾驶的场景搜索方法、装置、终端、服务器及介质
CN112667290B (zh) 指令管理方法、装置、设备及计算机可读存储介质
KR20140089975A (ko) 이동 단말의 배터리 소모를 줄이는 장치 및 방법
CN115239025B (zh) 一种支付预测方法及电子设备
CN116033069B (zh) 通知消息的显示方法、电子设备及计算机可读存储介质
CN114879879B (zh) 一种显示健康码的方法、电子设备及存储介质
CN112818243B (zh) 导航路线的推荐方法、装置、设备及存储介质
CN113205069B (zh) 虚假车牌检测方法、装置及计算机存储介质
KR101537695B1 (ko) 내비게이션 시스템 및 그 방법
CN114598992A (zh) 信息交互方法、装置、设备及计算机可读存储介质
CN108833660B (zh) 停车位信息处理方法、装置以及移动终端
CN113286262A (zh) 服务提供方法及装置、计算机可读存储介质和电子设备
CN116761249B (zh) 室内定位方法、指纹库的构建方法、电子设备及存储介质
CN116052895B (zh) 健康码展示方法、服务器及移动终端

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