CN115696195A - 一种位置语义指纹库构建方法以及相关装置 - Google Patents
一种位置语义指纹库构建方法以及相关装置 Download PDFInfo
- Publication number
- CN115696195A CN115696195A CN202110859719.0A CN202110859719A CN115696195A CN 115696195 A CN115696195 A CN 115696195A CN 202110859719 A CN202110859719 A CN 202110859719A CN 115696195 A CN115696195 A CN 115696195A
- Authority
- CN
- China
- Prior art keywords
- track
- wireless signal
- identifier
- information
- target
- 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
Links
Images
Classifications
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请实施例公开了一种位置语义指纹库构建方法,方法包括:获取目标轨迹,目标轨迹包括第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,传感器信息用于指示第一轨迹点集合为不同水平面之间的轨迹点,第一GNSS状态信息用于指示第一轨迹点集合为室内和室外之间的出入口上的轨迹点,第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,第三轨迹点集合中的第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点,基于上述信息生成的位置语义指纹库可以用于进行指纹识别和定位。本申请在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种位置语义指纹库构建方法以及相关装置。
背景技术
随着位置服务的大众化、普通化、日常化,对于位置的定位服务成为人们越来越不可或缺的基本需求。而人们的日常活动大多数时间在室内,对于终端的使用和数据连接大多情况下也在室内,并且人们的日常活动信息通常与位置、时间相关,所以,对于移动互联网时代的位置服务需求将越来越大。
位置语义识别技术属于定位导航技术领域。位置语义识别主要是在定位基础上为用户提供行为引导和语义引导等上层服务能力。例如当用户进入到地铁站闸机口3~10米范围内时为用户提前弹出地铁二维码。位置语义识别技术也为防疫健康管理、用户画像、个性化推荐及广告推送提供了底层数据支撑。智能手机的普及以及手机传感器的丰富,为位置语义的高精度识别提供了可能。
在现有的位置语义指纹库构建时,通过使用全球导航卫星系统(globalnavigation satellite system,GNSS)信息以及预设的位置点或者地理围栏信息进行对比识别。这类识别方案依赖GNSS信号源。对于室内这种由于信号遮挡而无法采集GNSS位置信息的场景下的位置语义指纹库,该方法无法使用。
发明内容
第一方面,本申请提供了一种位置语义指纹库构建方法,所述方法包括:
获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
其中,传感器信息可以为气压计,第一轨迹点集合包括的各个轨迹点之间的气压值存在明显差异,例如按照第一轨迹的方向,第一轨迹点集合包括的轨迹点的气压值存在明显的由大到小或者由小到大的变化趋势,则可以认为第一轨迹点集合包括的传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,进而确定第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合。第一GNSS状态信息可以为GNSS status;
其中,可以将目标轨迹中包括置信度高于阈值的GNSS位置信息的轨迹点(第二轨迹点集合)确定为室外的轨迹点,进而将所述第二轨迹点集合确定为室外语义的指纹点集合;
其中,可以将目标轨迹中与第一轨迹点集合连接,且不与第二轨迹点集合连接的轨迹集合作为室内的轨迹点,进而将所述第三轨迹点集合确定为室内语义的指纹点集合;
将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
本申请实施例中,通过传感器信息和/或GNSS状态信息可以识别出室内与室外之间过渡区域的轨迹点,通过GNSS位置信息识别室外区域的轨迹点,并将从室外区域经过过渡区域延伸到且GNSS状态可以指示室内状态的轨迹点作为室内区域的轨迹点,在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
在一种可能的实现中,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
应理解,第一阈值可以为10米及其附近的数值,例如8米、9米、11米、12米等,第一阈值可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第一阈值的取值越大,第二阈值可以为50米及其附近的数值,例如48米、49米、51米、52米等,第二阈值也可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第二阈值的取值越大。
其中,本申请中的地理围栏可以有两种定义,第一种为一系列经纬度点序列所组成的凸多边形封闭区域;第二种为某个中心点半径为R的圆形范围。
地理围栏内部的经纬度点到地理围栏距离是0;
计算地理围栏外部某个位置点到地理围栏的计算方式可以为:
第一种:地理围栏中每两个相邻的点都可以构成一条线段,计算点到每条线段的距离,取最小值作为点到地理围栏的距离。
第二种:直接计算点到中心点的距离减去半径R作为点到地理围栏的距离。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述方法还包括:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一些场景中,采集设备在采集轨迹点时,部分轨迹点的无线信号信息会存在缺失,具体的,无线信号信息可以包括临小区的网络设备标识(第一标识和第二标识),其中,第一标识不具备全球唯一性,第二标识具备全球唯一性,这里所谓的全球唯一性是指第二标识能唯一指示所在的小区,而存在不同的小区都对应于相同的第一标识,示例性的,第一标识可以为小区全局标识符PCI,所述第二标识可以为伪小区标识CGI。由于信息安全的考虑,一些基站在向终端发送无线信号时,主小区的无线信号信息可以包括第一标识和第二标识,而临小区的无线信号信息不包括第二标识,仅包括第一标识,这种情况下,轨迹点的无线信号信息仅包括第一标识,不包括第二标识,由于第一标识并不能唯一指示网络设备,则该轨迹点并不可用。
本申请实施例中,基于相邻轨迹点的无线信号信息,将轨迹点中不包括的第二标识补齐,进而使得上述轨迹点在进行位置指纹库构建时可用,提高了数据的利用率,相应的也提高了后续进行位置定位时的定位准确度。
在一种可能的实现中,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;可以基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;可以获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
在一种可能的实现中,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
在一种可能的实现中,由于信号穿透,位于室内和室外的两个轨迹点的无线信号信息可能很相似,这部分轨迹点会降低后续的室内室外定位的准确性。在一种可能的实现中,可以将目标轨迹(或者其他轨迹)中满足上述情况的这部分轨迹点剔除,以使得目标轨迹(或者其他轨迹)中每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
由于无线信号信息之间的相似度大于阈值的轨迹点会造成后续基于位置指纹库进行定位时室内室外识别的错误,本申请实施例中,通过将无线信号信息之间的相似度大于阈值的轨迹点从目标轨迹上剔除,提高了定位的准确度。
在一种可能的实现中,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述方法还包括:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。可选的,所述信号强度分布特征为正态分布特征。
具体的,可以对于有效区域的无线信号特征集合进行统计分析。假设每个特征对应的信号强度满足高斯分布。对于第二轨迹集合的轨迹点对应的网络设备内每个特征的信号强度分布参数进行估计,使用有一个正态分布N(μ,σ)来代替一个特征信息集合。从而降低了存储开销以及后续识别阶段的计算开销,且为高精度的位置语义识别提供了数据支撑。
在一种可能的实现中,所述方法还包括:获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
在一种可能的实现中,所述方法还包括:基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
第二方面,本申请提供了一种位置语义指纹库构建装置,所述装置包括:
获取模块,用于获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
语义确定模块,用于将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
指纹库构建模块,用于根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
本申请实施例提供了一种位置语义指纹库构建装置,所述装置包括:获取模块,用于获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息;语义确定模块,用于将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;将所述第二轨迹点集合确定为室外语义的指纹点集合;将所述第三轨迹点集合确定为室内语义的指纹点集合;指纹库构建模块,用于根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。本申请实施例中,通过传感器信息和/或GNSS状态信息可以识别出室内与室外之间过渡区域的轨迹点,通过GNSS位置信息识别室外区域的轨迹点,并将从室外区域经过过渡区域延伸到的轨迹点作为室内区域的轨迹点,在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
在一种可能的实现中,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述装置还包括:
标识复用模块,用于基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述标识复用模块,还用于:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述标识复用模块,还用于:
获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
在一种可能的实现中,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
在一种可能的实现中,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述指纹库构建模块,具体用于:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。
在一种可能的实现中,所述信号强度分布特征为正态分布特征。
在一种可能的实现中,所述获取模块,还用于:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;
所述装置还包括:
定位模块,用于根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;
基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
在一种可能的实现中,所述装置还包括:
信息补齐模块,用于基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;
将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
第三方面,本申请提供了一种定位方法,所述方法包括:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;
根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;
基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
在一种可能的实现中,所述方法还包括:基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
第四方面,本申请实施例提供了一种位置语义指纹库构建装置,包括:一个或多个处理器和存储器;其中,所述存储器中存储有计算机可读指令;所述一个或多个处理器读取所述计算机可读指令,以使所述计算机设备实现如上述第一方面及任一可选的方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,其特征在于,包括计算机可读指令,当该计算机可读指令在计算机设备上运行时,使得该计算机设备执行上述第一方面及其任一可选的方法。
第六方面,本申请实施例提供了一种计算机程序产品,其特征在于,包括计算机可读指令,当该计算机可读指令在计算机设备上运行时,使得该计算机设备执行上述第一方面及其任一可选的方法。
第七方面,本申请提供了一种芯片系统,该芯片系统包括处理器,用于支持执行设备或训练设备实现上述方面中所涉及的功能,例如,发送或处理上述方法中所涉及的数据;或,信息。在一种可能的设计中,该芯片系统还包括存储器,该存储器,用于保存执行设备或训练设备必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
附图说明
图1为本申请实施例的一种位置语义指纹库的构建方法示意;
图2为本申请实施例的一种位置语义指纹库的构建方法示意;
图3为本申请实施例的一种位置语义指纹库的构建方法示意;
图4为本申请实施例的一种位置语义指纹库的构建方法示意;
图5为本申请实施例的一种位置语义指纹库的构建方法示意;
图6为本申请实施例的一种位置语义指纹库的构建方法示意;
图7为本申请实施例的一种位置语义指纹库的构建方法示意;
图8为本申请实施例的一种位置语义指纹库的构建方法示意;
图9为本申请实施例的一种位置语义指纹库的构建方法示意;
图10为本申请实施例的一种位置语义指纹库的构建方法示意;
图11为本申请实施例的一种位置语义指纹库的构建方法示意;
图12为本申请实施例的一种位置语义指纹库的构建方法示意;
图13为本申请实施例的一种位置语义指纹库的构建方法示意;
图14为本申请实施例的一种位置语义指纹库的构建方法示意;
图15为本申请实施例的一种位置语义指纹库的构建装置的结构示意;
图16为本申请实施例提供的服务器的一种结构示意图;
图17为本申请实施例提供的芯片的一种结构示意图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。本发明的实施方式部分使用的术语仅用于对本发明的具体实施例进行解释,而非旨在限定本发明。
本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
下面对本申请实施例中所涉及的关键术语和缩略语做一个简单的说明,如下所示:
指纹:利用无线信号(例如:终端基站信号、无线局域网通信的WIFI信号)、无处不在的大地地磁信号、或者部署的蓝牙信号标签发射的小范围信号等等,对这些信号进行测量,记录这些信号点的唯一标识名(例如:媒体接入控制(Medium Access Control,MAC)地址)、信号强度,以及映射的经纬度位置点坐标,将这些记录信息存储在数据库,作为后续实时定位匹配基准,这些存储的每一个定位点以及对应的记录信息可以被称为“指纹”。实时定位过程中,通过“指纹”匹配成功,获取实时位置,实现定位功能。
位置特征:室内主体结构中接近稳定不变的位置点,包括出入点、门、电梯、楼梯、扶梯、走廊、空旷区域、拐弯角等位置。
运动特征:用户的典型运动特点,可以包括静止、行走、跑、转弯、上/下楼等运动特征。
地图匹配:基于识别出来的位置特征和实际运行轨迹与地图提供的位置点和地图中的不同区域的连接关系进行匹配,将实际移动路线和定位点纠正到准确路径和位置点的方法。
接收信号强度(received signal strength,RSS):具体指终端接收到信道带宽上的宽带接收功率,单位dBm,该值是一个相对值,大小与终端接收天线质量、周围环境链路遮挡、与信号发射源之间的距离等相关。
动态时间规整(dynamic time warping,DTW):基于动态规划的思想,解决了发音长短不一的模板匹配问题,是语音识别中出现较早、较为经典的一种算法,该算法的训练中几乎不需要额外的计算。在地磁匹配应用中,采用了该算法,用来解决实时定位过程中数据因为用户快慢不同导致的信号的拉升或压缩,从而保证与原有数据的正确匹配。
步行者航位推算(pedestrian dead reckoning,PDR):基于人类步行动力学的特征推测行人运动距离和方向的方法,包括步伐检测、步长估算和航向估计。利用的是终端自带传感器,如加速度计、磁力计、陀螺仪等来实现估计。
K最邻近算法(K-NearestNeighbor,KNN):每个样本都可以用它最接近的k个邻居来代表,其核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。
加权K最邻近算法(Weighted K-NearestNeighbor,WKNN):针对文件本身的差异,增加权重因子来描述这些差异对结果的影响,以促进分类的效果,算法实现仍等同于KNN算法。
支持向量机算法(support vector machine,SVM):在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。
兴趣点(point of interest,POI):在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。每个POI包含四方面信息、名称、类别、经度、纬度。
关于室内定位的应用场景主要可以分为两大类,一类是针对消费者,包括商场导购、反向寻车、家人防走散、博物馆展厅自助导游、医院、景区、机场等位置指引,周边位置查询和导航、位置共享等;另外一类是针对企业客户,包括人流监控、用户行为分析、智慧仓储、经营优化分析、广告推送、紧急救援等。
现有的室内定位方法主要有两种模式,一种是依赖于主动部署的信号标签,例如:信号标签可以包括射频识别系统、蓝牙标签、红外线发射标签等,由终端接收这些信号标签发送的信号,关联到信号标签对应的位置,从而计算出终端本身的位置。但是信号标签的应用受限于高昂的部署成本,以及由于电池寿命的影响,需要周期性的进行维护和更换的高代价运维成本。另外一种模式是利用普遍存在的无线信号,例如:无线信号可以包括用于终端通讯的基站信号、用于无线局域网通信的无线保真(wireless fidelity,WIFI)信号,将这些接收信号强度(received signal strength,RSS)作为每个地点的“指纹”,事先大范围的采集、分类、存储这些地点的指纹列表和对应的位置信息,形成指纹数据库。后续在定位时,利用未知位置的指纹,与指纹数据库进行匹配,将最匹配的指纹对应的位置信息作为定位结果输出,这种模式由于WIFI热点无处不在,没有硬件成本而被广泛应用。
室内定位无论是基于主动部署信号标签或基于已有信号标签的方式实现定位,还是采用离线指纹采集,在线指纹匹配定位的模式,都无可避免存在初期的投入。现在各种应用解决方案上,都是在探索如何更新或维护已有的信号标签或者指纹数据库,保证这些基准信息的准确度,从而保证实时定位的精度。
场景1:某地下停车场,面积大概10000平方米,采用业界低功耗蓝牙定位方案,按照6米间隔部署了大概300个信号标签。一年以后,靠近厕所水房附近的信号标签,由于环境潮湿,极大影响电池寿命,导致电量提前耗完,那么该区域将成为定位盲区;而与厕所水房相差10米的位置,由于蓝牙定位至少需要三个有效信号标签数据,导致该区域定位也受到影响;两三年以后,有效标签数量仅80%,随着时间推移,有效信号标签数量会越来越有限,单个信号标签失效,影响区域在10米*10米的范围,随着多个信号标签失效,对应整个地下停车场区域的定位效果会越来越差。如果要实现初期蓝牙定位优于3米的精度,信号标签能持续有效工作至关重要,为此,需要对老坏损毁的信号标签进行周期更换,并同步更新指纹数据库。
针对主动部署信号标签的定位方式,现有解决方案主要是定期更新维护,维护周期根据信号标签核定的电池使用寿命时间,一般常见的是四年。
场景2:某商场内,存在大量的店铺和商户,半年时间内多个商铺搬迁了,同时将WIFI热点也移除了;或者,某些商户仍在同一商场只是更换不同区域了,对应的将WIFI热点搬移到了不同的区域;再或者店铺和商户没有变化,但是存在WIFI热点路由器损坏,由此造成之前的WIFI热点消失,对应的该位置出现新的WIFI热点,情形可以为商场内WIFI热点。其中,该区域范围内的WIFI热点,半年前对应的一共有7个WIFI热点,而半年之后原地保持不变是4个,由于搬迁撤出1个,由于变更地点更换其中两个位置,同时新增加1个。而由此带来的问题是:当定位终端在左下角A位置时,根据收到的WIFI热点信号强度与指纹数据库进行匹配,最终实时定位的结果会在B位置,也就是将左下角的位置A,错误的定位到了下方中心位置B处。同样的,在位置C处,即使终端能收到很强的WIFI热点信号,但是由于该新增的WIFI热点在指纹数据库中没有对应的位置信息和指纹列表,最终导致无法匹配到位置结果。而且,半年的时间间隔,这种WIFI热点新增、搬迁、删除等情形对于大型商场、展馆、机场等公共区域非常常见,那么无可避免的就会造成不准确的定位结果。
现有的技术方案有三类。第一类使用GNSS信息以及预设的位置点或者地理围栏信息进行对比识别。这类识别方案依赖GNSS信号源。对于室内这种由于信号遮挡而无法采集GNSS信号的场景下的定位问题,该方法无法使用。另外GNSS信号源也存在功耗高的问题,影响用户手机续航时间及电池寿命。第二类使用人工部署的Beacon等无线信号源,例如部分室内价值场景,根据接收到的目标Beacon的信号强度,来判断是否推送服务。该方案存在成本高,无法大规模应用的问题。第三类使用GNSS信息以及无线信号特征相关性信息对位置语义进行特征关联,从而在识别过程中仅使用无线信号特征,达到不依赖GNSS的目的,降低功耗。但是这类方案存在两个问题:首先,仅针对室外带有GNSS的区域对无线特征进行了关联。而大部分的行为发生在室内,例如地铁、商场等室内场景由于卫星信号遮挡无法采集有效GNSS信息,从而无法对室内进行无线信号特征关联。其次,识别阶段仅使用简单的无线信号特征匹配,利用无线信号本身的覆盖范围当作实际位置语义的范围,无法达到高精度识别的目的。
基于此,本申请实施例提供了一种位置语义指纹库构建方法。
参照图1,图1为本申请实施例提供的一种位置语义指纹库构建方法的流程示意,如图1所示,本申请实施例提供的一种位置语义指纹库构建方法包括:
101、获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点。
本申请实施例中服务器可以获取到端侧的采集设备上报的众包数据,可以理解的是,这里的采集设备可以是移动电话、平板电脑(tablet personal computer)、膝上型电脑(laptop computer)、数码相机、个人数字助理(personal digital assistant,简称PDA)、导航装置、移动上网装置(mobile internet device,MID)或可穿戴式设备(wearabledevice)等,不做具体限定。此外,服务器也可以获取到人工采集的轨迹数据,应理解,不同于众包数据,服务器在处理这部分轨迹数据时,可以不需要进行后续描述的种子识别、生长等步骤。其中,端侧的采集设备可以通过一定的触发机制,在用户无感知的情况下,匿名化地收集用户终端的传感器、网络信号及全球导航卫星系统(global navigation satellitesystem,GNSS)等可用数据(也可称指纹数据)。可选的,传感器信号可以包括IMU传感器数据(例如加速度计、陀螺仪、磁力计)、定位传感器数据(GNSS定位信息、GNSS状态(GNSSstatus)),无线信号数据可以包括WiFi、蓝牙、基站等数据。
可选的,该采集设备可以具备实时上传能力,即采集设备可以向服务器实时上传采集的数据。也可以是,采集设备将数据采集完成之后,统一将采集的数据向服务器上传。该采集的数据用于服务器构建指纹数据库。
本申请实施例中服,云侧的服务器在拿到原始众包数据后可以进行预处理。预处理过程中可以对众包数据进行有效性校验,以及室内外识别(indoor outdoor detection,IOD)、跨层事件识别(cross floor detection,CFD)、行人航迹推算(pedestrian deadreckoning,PDR)等数据分析步骤,从而得到包含室内外信息、跨层事件等语义信息以及相对坐标信息(例如,x-y-z坐标)绝对坐标(例如,经度-纬度-高度)的信息。因为各个传感器信号的采集为非同步测量,所以需要将各个维度的数据信息对其到相应的相对位置上。这一过程可以通过对相对位置进行性插值完成。最终预处理将众包数据源中的传感器及无线网络信号信息转化为由带有无线特征及语义特征的有序坐标信息组成的轨迹信息。通过预处理,众包数据被提取为以相对位置点为核心的众包轨迹,以众包轨迹包括目标轨迹为例。
为了识别出目标轨迹中各个轨迹点是室外区域(本申请实施例中也可以称之为无效区域)的轨迹点、还是室内区域(本申请实施例中也可以称之为有效区域)的轨迹点,还是室外和室内之间过渡区域的轨迹点,服务器除了获取预处理之后的轨迹信息之外,还可以获取室内的地理围栏信息,该地理围栏信息可以指示室内区域的物理边界信息,进而,服务器可以基于上述信息进行有效区域及无效区域的提取。其中有效区域可以为地理围栏所围起来的区域内部,无效区域可以为地理围栏外围区域。具体的,服务器可以根据预处理之后的轨迹信息中包含的绝对坐标信息以及跨层、室内外状态等语义信息识别出有效区域、无效区域以及过渡区域的种子信息。
在一种可能的实现中,目标轨迹的所述多个轨迹点可以包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合。
在一种可能的实现中,当目标轨迹包括的轨迹点指示存在跨层事件(例如进入地铁站时,需要由地上一层到低下,或者是由地上一层到更高的地上层)或者存在室外到室内或者室内到室外的状态切换事件时,可以认为这部分轨迹点是位于室外到室内之间的过渡区域,进而,可以基于过渡区域来划分有效区域和无效区域。
在一种可能的实现中,可以对于所有的室内外切换点或者跨层事件处的绝对坐标点进行聚集分析(如K-means,DBSCAN等算法),进而识别到有效区域边缘的出入口点。这些出入口点即为过渡区域,这里的无线信号特征集合当作过渡点特征库信息。应理解,这里的K-means算法可以扩展为:加权K最邻近算法(Weighted K-NearestNeighbor,WKNN)、支持向量机算法(support vector machine,SVM)等其他一些典型分类算法。
102、将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合。
本申请实施例中,可以将第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合,其中所述第一轨迹点集合可以包括传感器信息和/或GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点。
其中,传感器信息可以为气压计,第一轨迹点集合包括的各个轨迹点之间的气压值存在明显差异,例如按照第一轨迹的方向,第一轨迹点集合包括的轨迹点的气压值存在明显的由大到小或者由小到大的变化趋势,则可以认为第一轨迹点集合包括的传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,进而确定第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合。
103、将所述第二轨迹点集合确定为室外语义的指纹点集合。
本申请实施例中,可以将目标轨迹中包括置信度高于阈值的GNSS位置信息的轨迹点(第二轨迹点集合)确定为室外的轨迹点,进而将所述第二轨迹点集合确定为室外语义的指纹点集合。
在一种可能的实现中,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
具体的,可以提取带有高置信度GNSS绝对坐标信息并满足一定预设区域范围条件的室外特征点信息作为无效区域种子信息,高置信度GNSS绝对坐标信息需要满足的条件可以参照如下公式:
GNSS.ACC<Tacc,Tacc=10;
其中,GNSS.ACC为GNSS数据源里的定位误差,其值越小代表定位精度越高,一定预设区域范围条件可以参照如下距离计算公式:
distance(point,polygon)∈[Dmin,Dmax],Dmin=10m,Dmax=50m;
其中,距离计算公式中参数为经纬度点point以及由一些列有序经纬度点组成的位置语义有效区域围栏信息polygon。输出为point到polygon的距离(米)。例如,可以取[10m,50m]范围内的数据当做无效区域种子数据集合,进而第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于10且小于50。
应理解,第一阈值可以为10米及其附近的数值,例如8米、9米、11米、12米等,第一阈值可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第一阈值的取值越大,第二阈值可以为50米及其附近的数值,例如48米、49米、51米、52米等,第二阈值也可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第二阈值的取值越大。
104、将所述第三轨迹点集合确定为室内语义的指纹点集合。
本申请实施例中,参照图2,可以将目标轨迹中与第一轨迹点集合连接,且不与第二轨迹点集合连接的轨迹集合作为室内的轨迹点,进而将所述第三轨迹点集合确定为室内语义的指纹点集合。
具体的,可以确定目标轨迹为穿过了过渡区域并且部分轨迹点属于无效区域、部分属于有效区域的轨迹条件的轨迹集合,进而将目标轨迹中有效区域部分无线信号特征集合视为有效区域种子信息。
本申请实施例中,服务器可以获取目标轨迹以及除了目标轨迹之外的其他由众包数据确定的轨迹,并以目标轨迹作为种子数据,识别其他轨迹中的轨迹点是室外语义、室内语义还是过渡区域的语义。
在一种可能的实现中,假设不同室内的无线传感器信号特征存在差异性,可以对于无GNSS信息的轨迹信息进行挖掘,具体的可以通过计算无线信号之间的相似度(如信号强度之间的欧式距离等),将众包轨迹归属到上述确定的无效区域及有效区域内。
对于所有的室内指纹信息,可以与第二轨迹点集合进行对比,对于满足一定相似性条件的室内轨迹,并且与无效区域特征集合具有相似度差异的轨迹,将其加入到第二轨迹点集合中。
参照图3,对于无室内外状态或者GNSS状态的轨迹信息,与第二轨迹点集合和第三轨迹点集合进行相似度对比,对轨迹点满足与第三轨迹点集合相似度较高,但是与第二轨迹点集合相似度较低时,将其加入到第三轨迹点集合中。当轨迹点满足与第二轨迹点集合相似度较高,第三轨迹点集合相似度较低时,可以将其加入到第二轨迹点集合中。经过多轮迭代直到有效区域种子库以及无效区域种子库收敛。
在一种可能的实现中,由于信号穿透,位于室内和室外的两个轨迹点的无线信号信息可能很相似,这部分轨迹点会降低后续的室内室外定位的准确性。在一种可能的实现中,可以将目标轨迹(或者其他轨迹)中满足上述情况的这部分轨迹点剔除,以使得目标轨迹(或者其他轨迹)中每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
参照图4,由于无线信号特征传播是全向的,且可以穿透建筑物等障碍,导致有效区域及无效区域内有相同的可测量无线信号,导致无法将二者区分开来。例如无线信号中的基站信号,当室外区域存在高功率信号基站的透射到室内有效区域或者轨道交通沿途链式组网(多个射频单元共小区)会存在距离分辨率差的问题。因此,引入无线信号的对比分析方案,从而识别有效区域与无效区域内无差异性的混淆特征。将识别到的无差异特征构建为无效特征库,不使用其作为位置语义特征参与后续流程。
示例性的,可以参照图5,如图5所示,A为有效区域特征集合,B为无效区域特征集合。二者交集部分A∩B为混淆特征,A-B为有效区域有效特征集合,B-A为无效区域有效特征集合。
由于无线信号信息之间的相似度大于阈值的轨迹点会造成后续基于位置指纹库进行定位时室内室外识别的错误,本申请实施例中,通过将无线信号信息之间的相似度大于阈值的轨迹点从目标轨迹上剔除,提高了定位的准确度。
在一种可能的实现中,在构建位置指纹库时,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度,可以根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。参照图6,可选的,所述信号强度分布特征为正态分布特征。
具体的,可以对于有效区域的无线信号特征集合进行统计分析。假设每个特征对应的信号强度满足高斯分布。对于第二轨迹集合的轨迹点对应的网络设备内每个特征的信号强度分布参数进行估计,使用有一个正态分布N(μ,σ)来代替一个特征信息集合。从而降低了存储开销以及后续识别阶段的计算开销,且为高精度的位置语义识别提供了数据支撑。
在一种可能的实现中,此处的统计分析可以通过两种方案实现:一种是使用所有有效区域样本进行参数估计。这种方案适用于简单位置语义场景例如地铁站类型。一种是对于有效区域的无线信号进行聚类(如DBSCAN、Affinity propagation算法等),以聚类为单位进行参数估计。该方案适用于复杂场景,例如商场。
最终得到的位置语义有效区域有效特征库的表结构的示意可以如下所示:
表1位置语义有效区域特征库表结构
在一些场景中,采集设备在采集轨迹点时,部分轨迹点的无线信号信息会存在缺失,具体的,无线信号信息可以包括临小区的网络设备标识(第一标识和第二标识),其中,第一标识不具备全球唯一性,第二标识具备全球唯一性,这里所谓的全球唯一性是指第二标识能唯一指示所在的小区,而存在不同的小区都对应于相同的第一标识,示例性的,第一标识可以为小区全局标识符CGI,所述第二标识可以为伪小区标识PCI。由于信息安全的考虑,一些基站在向终端发送无线信号时,主小区的无线信号信息可以包括第一标识和第二标识,而临小区的无线信号信息不包括第二标识,仅包括第一标识,这种情况下,轨迹点的无线信号信息仅包括第一标识,不包括第二标识,由于第一标识并不能唯一指示网络设备,则该轨迹点并不可用。
本申请实施例中,基于相邻轨迹点的无线信号信息,将轨迹点中不包括的第二标识补齐,进而使得上述轨迹点在进行位置指纹库构建时可用,提高了数据的利用率,相应的也提高了后续进行位置定位时的定位准确度。
在一种可能的实现中,所述多个轨迹点可以包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;进而可以基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。也就是说,目标轨迹中存在信息缺失的轨迹点(第一轨迹点),可以基于相邻的轨迹点(第二轨迹点)对第一轨迹点中缺失的信息进行补齐。
以所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI为例,在一种可能的实现中,CGI映射关系补全主要是根据基站信号的时序关系信息得到基站信号间切换关系,从而得到了初始映射表信息。这是众包方案带来的优势。众包用户在无感知的众包过程会在预设区域进行日常活动,基站会根据通信需求及协议进行切换。如图7和图8所示,基站信号Cell1与Cell2存在切换关系,那么就存在这样的两条CGI映射关系表:
CGI1+PCI2->CGI2;
CGI2+PCI1->CGI1;
同理,通过Cell2和Cell3的切换关系也可以得到:
CGI2+PCI3->CGI3;
CGI3+PCI2->CGI2;
本申请实施例通过时序的基站Cell信号切换信息构建CGI映射表,并利用基于带约束的连通图补全方案获得完整CGI映射关系信息。从而对缺失的邻区信息进行补全,得到高完整性的Cell信号特征信息。
在一种可能的实现中,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;进而可以基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;还可以获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;进而可以基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,使用映射表可以对原始的基站(Cell)信息中的邻区中缺失的CGI信息进行恢复。但是直接使用这样的映射表对临站缺失CGI补全存在CGI映射关系表不全以及恢复结果的非对称性问题。为了解决此问题,在构建CGI映射关系表过程中引入带约束的联通图方案补全CGI映射关系表。参照图9,其主要思路是如果在一次基站扫描记录中如果包含了Cell1、Cell2、Cell3,其中Cell1与Cell2存在CGI映射关系,Cell2与Cell3也存在CGI映射关系。那么我们认为Cell1与Cell3也存在这样一条CGI映射关系。并对该边进行补全。以此,解决了CGI映射关系表的完整性问题。
最终生成的CGI映射关系表的示意结构可以如下:
表2CGI映射关系表结构
105、根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
本申请实施例中,位置语义指纹库可以包括多个指纹点(包括无线信号信息、室内外语义的轨迹点),位置语义指纹库可以用于进行室内外状态以及具体位置的确定。
以无线信号为基站信号为例,在使用基站无线信号特征进行位置语义识别时,可以首先用CGI映射关系表对临站中缺失的CGI信息进行恢复,得到完整的特征信息。实现过程可参照上述构建的过程的描述,之后可以使用无线信号特征信息对位置语义指纹库进行检索。得到所有的位置语义指纹库特征信息集合。检索过程为根据CGI及PCI查询位置语义特征库是否有相应的主键(Primary Key)。
之后可以采用负对数似然(Negative Log-likelihood,NL)距离的特征匹配来进行定位,参照图10,在一种可能的实现中,可以获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的概率密度;基于确定出的每个所述概率密度高于对应的阈值,确定所述终端设备处于所述室内预设区域内。
具体的,使用采集到的无线信号特征信息以及匹配到的位置语义特征信息进行距离估算:
在计算NL均值时可以使用Jmod(Modified jaccard)距离进行规范化。Jmod计算公式如下:
其中,C为满足一定分布范围内的特征集合,仅使用集合内特征参与距离计算,提高鲁棒性。这个分布范围条件由Z-Score小于一定阈值Tz-score来描述。Z-Score计算公式为:
ZN(μ,σ)(RSSI)=|RSSI-μ|/σ;
每一个特征fi的NL距离计算公式如下,:
其中μi,σi是特征fi在位置语义特征库中匹配到的均值和标准差。RSSIi是实时采集到的无线信号特征fi的信号强度。PN(μ,σ)(x)为正态分布N(μ,σ)的概率密度函数,其有两种实现方式:
实现一:
实现二:
得到距离估计结果d后,可以通过规范化估计得到置信度信息。从而使用置信度进行位置语义识别及排序。置信度估计函数如下:
Conf(d)=PN(0,bw)(d)/PN(0,bw)(0),其中bw=10;
其中,bw为放缩参数。对于置信度低于一定预设阈值(阈值为0.01)的位置语义进行过滤。
本申请实施例提供了一种位置语义指纹库构建方法,所述方法包括:获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;将所述第二轨迹点集合确定为室外语义的指纹点集合;将所述第三轨迹点集合确定为室内语义的指纹点集合;根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。本申请实施例中,通过传感器信息和/或GNSS状态信息可以识别出室内与室外之间过渡区域的轨迹点,通过GNSS位置信息识别室外区域的轨迹点,并将从室外区域经过过渡区域延伸到的轨迹点作为室内区域的轨迹点,在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
接下来结合端云之间的交互以及数据处理流程,对本申请实施例中的指纹库构建流程进行描述:
参照图11,云侧的输入数据来自于端侧的采集,可以包括众包数据以及预设区域的地理信息(如建筑物轮廓,或给定位置及范围)。众包数据是指端侧通过一定的触发机制,在用户无感知的情况下,匿名化地收集用户智能终端的传感器、无线信号等信息。传感器信号包括IMU传感器数据(加速度计、陀螺仪、磁力计)和定位传感器信息(GNSS、GNSS Status)等;无线信号数据包括WiFi、蓝牙、基站等信息。建筑物轮廓信息是指由有序的经纬度点序列所描述的封闭区域信息,该区域完整并必要地描述了建筑物的覆盖范围。
云侧的预处理模块可以对传感器数据进行数据校验并完成了初步的分析,提取出如室内外特征、跨层事件等语义特征以及如绝对坐标、相对坐标等位置信息。由于多个数据源由不同的传感器非同步测量得到,所以对于不同无线信号传感器特征进行了坐标插值,保证输入源的同步性。最终预处理将众包数据源中的传感器及无线网络信号信息转化为由带有无线特征及语义特征的有序坐标信息组成的轨迹信息。
数据挖掘与提取模块可以使用预设的建筑物轮廓信息对于轨迹信息进行抽取,识别过渡点以及有效和无效区域的数据集合。有效区域为建筑物轮廓内室内区域;无效区域为建筑物轮廓外一定范围距离带构成的区域。过渡点为室内外区域切换时必经的位置点集合,如商场出入口等。
基于对比分析的有效特征提取模块可以对于挖掘到的有效区域和无效区域无线网络信息进行对比分析,得到具有特异性的有效特征集合。
位置语义特征计算模块可以对于有效区域内的有效特征集合进行统计参数估计,使用统计特征带来代替所有的特征集合作为位置语义特征库来输出。减少存储开销以及为提供高精度识别提供可能。
CGI映射关系构建模块可以针对基站这种无线信号数据源,由于协议限制,邻区中无法获取到全局唯一标识符CGI信息,从而影响了识别的精度。本专利利用轨迹中的有序基站信号信息自动化构建一种基站邻区CGI映射库,对邻区CGI进行恢复,从而得到完整的基站信息。注意这个模块仅针对基站无线信号数据源,其他WiFi等数据源无需此模块。
参照图12,在基于构建好的位置指纹库进行位置语义识别时,输入数据可以包括通过端侧采集并上报给云侧的无线信号数据。这里的无线信号包括WiFi、蓝牙、基站等。
CGI恢复模块可以对于基站数据源,使用构建过程中生成的CGI映射关系库对邻区缺失数据进行恢复。
RFM检索模块可以使用无线信号对位置语义特征库进行检索,获得无线信号特征相关的所有位置语义特征信息。
基于NL距离的特征匹配模块可以使用无线网络信号数据以及匹配到的相关位置语义特征信息进行基于NL的距离估算,并对所有位置语义结果距离信息通过规范化映射得到置信度信息,并依次进行排序。将有序的带有置信度的位置语义结果返回给端侧。
其中,位置语义的端侧实现方案可以如图13所示。
输入数据可以包括通过端侧采集的无线信号数据以及云侧下发给端侧的CGI映射关系库和城市级位置语义特征库。这里的无线信号包括WiFi、蓝牙、基站等。后续步骤实现方案与云侧实现方案相同。
端侧实现方案与云侧实现方案的差异点在于云侧实现方案是将无线信号上报至云侧,所有计算在云侧实施。而端侧实现方案是将CGI库和位置语义特征库下发至端侧,所有计算在端侧实施,降低网络时延,提高识别的实时性。
此外,本申请实施例还提供了一种定位方法,所述方法包括:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;
根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;
基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
在一种可能的实现中,还可以基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
参照图14,图14为本申请实施例提供的一种位置语义指纹库构建装置的结构示意,所述装置1400可以包括:
获取模块1401,用于获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
关于获取模块1401的具体描述可以参照上述实施例中步骤101的描述,这里不再赘述。
语义确定模块1402,用于将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
关于语义确定模块1402的具体描述可以参照上述实施例中步骤102、103以及104的描述,这里不再赘述。
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
指纹库构建模块1403,用于根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
关于指纹库构建模块1403的具体描述可以参照上述实施例中步骤105的描述,这里不再赘述。
在一种可能的实现中,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述装置还包括:
标识复用模块,用于基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述标识复用模块,还用于:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述标识复用模块,还用于:
获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
在一种可能的实现中,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
在一种可能的实现中,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述指纹库构建模块,具体用于:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。
在一种可能的实现中,所述信号强度分布特征为正态分布特征。
在一种可能的实现中,所述获取模块,还用于:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;
所述装置还包括:
定位模块,用于根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的概率密度;
基于确定出的每个所述概率密度高于对应的阈值,确定所述终端设备处于所述室内预设区域内。
本申请实施例提供了一种位置语义指纹库构建装置,所述装置包括:获取模块,用于获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;语义确定模块,用于将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;将所述第二轨迹点集合确定为室外语义的指纹点集合;将所述第三轨迹点集合确定为室内语义的指纹点集合;指纹库构建模块,用于根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。本申请实施例中,通过传感器信息和/或GNSS状态信息可以识别出室内与室外之间过渡区域的轨迹点,通过GNSS位置信息识别室外区域的轨迹点,并将从室外区域经过过渡区域延伸到的轨迹点作为室内区域的轨迹点,在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
如图15所示,为本申请实施例中终端的一个实施例示意图。以终端为手机为例进行说明,图15示出的是与本申请实施例提供的终端相关的手机的部分结构的框图。参考图15,手机包括:射频(Radio Frequency,RF)电路910、存储器920、输入单元930、显示单元940、传感器950、音频电路960、无线保真(wireless fidelity,WIFI)模块970、处理器980、以及电源990等部件。本领域技术人员可以理解,图15中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图15对手机的各个构成部件进行具体的介绍:
RF电路910可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器980处理;另外,将设计上行的数据发送给基站。通常,RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器920可用于存储软件程序以及模块,处理器980通过运行存储在存储器920的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器920可主要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;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器920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、或其他易失性固态存储器件。
输入单元930可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元930可包括触控面板931以及其他输入设备932。触控面板931,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板931上或在触控面板931附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板931可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器980,并能接收处理器980发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板931。除了触控面板931,输入单元930还可以包括其他输入设备932。具体地,其他输入设备932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元940可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元940可包括显示面板941,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板941。进一步的,触控面板931可覆盖显示面板941,当触控面板931检测到在其上或附近的触摸操作后,传送给处理器980以确定触摸事件的类型,随后处理器980根据触摸事件的类型在显示面板941上提供相应的视觉输出。虽然在图15中,触控面板931与显示面板941是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板931与显示面板941集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器950,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板941的亮度,接近传感器可在手机移动到耳边时,关闭显示面板941和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路960、扬声器961,传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号,传输到扬声器961,由扬声器961转换为声音信号输出;另一方面,传声器962将收集的声音信号转换为电信号,由音频电路960接收后转换为音频数据,再将音频数据输出处理器980处理后,经RF电路910以发送给比如另一手机,或者将音频数据输出至存储器920以便进一步处理。
WIFI属于短距离无线传输技术,手机通过WIFI模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图15示出了WIFI模块970,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器980是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器920内的软件程序和/或模块,以及调用存储在存储器920内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器980可包括一个或多个处理单元;优选的,处理器980可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器980中。
手机还包括给各个部件供电的电源990(比如电池),优选的,电源可以通过电源管理系统与处理器980逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
在上述方法实施例中由终端所执行的步骤可以基于该图15所示的终端结构,此处不再赘述。
本申请实施例还提供了一种服务器,请参阅图16,图16是本申请实施例提供的服务器的一种结构示意图,服务器可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)1622(例如,一个或一个以上处理器)和存储器1632,一个或一个以上存储应用程序1642或数据1644的存储介质1630(例如一个或一个以上海量存储设备)。其中,存储器1632和存储介质1630可以是短暂存储或持久存储。存储在存储介质1630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器1622可以设置为与存储介质1630通信,在服务器1600上执行存储介质1630中的一系列指令操作。
服务器1600还可以包括一个或一个以上电源1626,一个或一个以上有线或无线网络接口1650,一个或一个以上输入输出接口1658,和/或,一个或一个以上操作系统1641,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,服务器可以获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
其中,传感器信息可以为气压计,第一轨迹点集合包括的各个轨迹点之间的气压值存在明显差异,例如按照第一轨迹的方向,第一轨迹点集合包括的轨迹点的气压值存在明显的由大到小或者由小到大的变化趋势,则可以认为第一轨迹点集合包括的传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,进而确定第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合。第一GNSS状态信息可以为GNSS status;
其中,可以将目标轨迹中包括置信度高于阈值的GNSS位置信息的轨迹点(第二轨迹点集合)确定为室外的轨迹点,进而将所述第二轨迹点集合确定为室外语义的指纹点集合;
其中,可以将目标轨迹中与第一轨迹点集合连接,且不与第二轨迹点集合连接的轨迹集合作为室内的轨迹点,进而将所述第三轨迹点集合确定为室内语义的指纹点集合;
将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
本申请实施例中,通过传感器信息和/或GNSS状态信息可以识别出室内与室外之间过渡区域的轨迹点,通过GNSS位置信息识别室外区域的轨迹点,并将从室外区域经过过渡区域延伸到的轨迹点作为室内区域的轨迹点,在室内缺失准确的GNSS定位信息时,也可以准确构建室内语义的指纹点。
在一种可能的实现中,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
应理解,第一阈值可以为10米及其附近的数值,例如8米、9米、11米、12米等,第一阈值可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第一阈值的取值越大,第二阈值可以为50米及其附近的数值,例如48米、49米、51米、52米等,第二阈值也可以与室内的地理围栏区域的面积有关,地理围栏区域的面积越大,则第二阈值的取值越大。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述方法还包括:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一些场景中,采集设备在采集轨迹点时,部分轨迹点的无线信号信息会存在缺失,具体的,无线信号信息可以包括临小区的网络设备标识(第一标识和第二标识),其中,第一标识不具备全球唯一性,第二标识具备全球唯一性,这里所谓的全球唯一性是指第二标识能唯一指示所在的小区,而存在不同的小区都对应于相同的第一标识,示例性的,第一标识可以为小区全局标识符CGI,所述第二标识可以为伪小区标识PCI。由于信息安全的考虑,一些基站在向终端发送无线信号时,主小区的无线信号信息可以包括第一标识和第二标识,而临小区的无线信号信息不包括第二标识,仅包括第一标识,这种情况下,轨迹点的无线信号信息仅包括第一标识,不包括第二标识,由于第一标识并不能唯一指示网络设备,则该轨迹点并不可用。
本申请实施例中,基于相邻轨迹点的无线信号信息,将轨迹点中不包括的第二标识补齐,进而使得上述轨迹点在进行位置指纹库构建时可用,提高了数据的利用率,相应的也提高了后续进行位置定位时的定位准确度。
在一种可能的实现中,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;可以基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;可以获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
在一种可能的实现中,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
在一种可能的实现中,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
在一种可能的实现中,由于信号穿透,位于室内和室外的两个轨迹点的无线信号信息可能很相似,这部分轨迹点会降低后续的室内室外定位的准确性。在一种可能的实现中,可以将目标轨迹(或者其他轨迹)中满足上述情况的这部分轨迹点剔除,以使得目标轨迹(或者其他轨迹)中每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
由于无线信号信息之间的相似度大于阈值的轨迹点会造成后续基于位置指纹库进行定位时室内室外识别的错误,本申请实施例中,通过将无线信号信息之间的相似度大于阈值的轨迹点从目标轨迹上剔除,提高了定位的准确度。
在一种可能的实现中,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述方法还包括:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。可选的,所述信号强度分布特征为正态分布特征。
具体的,可以对于有效区域的无线信号特征集合进行统计分析。假设每个特征对应的信号强度满足高斯分布。对于第二轨迹集合的轨迹点对应的网络设备内每个特征的信号强度分布参数进行估计,使用有一个正态分布N(μ,σ)来代替一个特征信息集合。从而降低了存储开销以及后续识别阶段的计算开销,且为高精度的位置语义识别提供了数据支撑。
在一种可能的实现中,所述方法还包括:获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
在一种可能的实现中,所述方法还包括:基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
本申请实施例中还提供一种包括计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中描述的位置语义指纹库构建方法。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如上述实施例中描述的位置语义指纹库构建方法。
本申请实施例提供的功能调节装置具体可以为芯片,芯片包括:处理单元和通信单元,该处理单元例如可以是处理器,该通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的图像增强方法,或者,以使训练设备内的芯片执行上述实施例描述的图像增强方法。可选地,该存储单元为该芯片内的存储单元,如寄存器、缓存等,该存储单元还可以是该无线接入设备端内的位于该芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(randomaccess memory,RAM)等。
具体的,请参阅图17,图17为本申请实施例提供的芯片的一种结构示意图,该芯片可以表现为神经网络处理器NPU170,NPU 170作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路1703,通过控制器1704控制运算电路1703提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1703内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路1703是二维脉动阵列。运算电路1703还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1703是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1702中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1701中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1708中。
统一存储器1706用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)1705,DMAC被搬运到权重存储器1702中。输入数据也通过DMAC被搬运到统一存储器1706中。
BIU为Bus Interface Unit即,总线接口单元1710,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)1709的交互。
总线接口单元1710(Bus Interface Unit,简称BIU),用于取指存储器1709从外部存储器获取指令,还用于存储单元访问控制器1705从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1706或将权重数据搬运到权重存储器1702中或将输入数据数据搬运到输入存储器1701中。
向量计算单元1707包括多个运算处理单元,在需要的情况下,对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对特征平面进行上采样等。
在一些实现中,向量计算单元1707能将经处理的输出的向量存储到统一存储器1706。例如,向量计算单元1707可以将线性函数和/或非线性函数应用到运算电路1703的输出,例如对卷积层提取的特征平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1707生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1703的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1704连接的取指存储器(instruction fetch buffer)1709,用于存储控制器1704使用的指令;
统一存储器1706,输入存储器1701,权重存储器1702以及取指存储器1709均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述实施例中描述的位置语义指纹库构建方法相关步骤的程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中该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或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例该的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。该计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (25)
1.一种位置语义指纹库构建方法,其特征在于,所述方法包括:
获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
2.根据权利要求1所述的方法,其特征在于,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
3.根据权利要求1或2所述的方法,其特征在于,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述方法还包括:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
4.根据权利要求1或2所述的方法,其特征在于,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述方法还包括:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
5.根据权利要求1或2所述的方法,其特征在于,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述方法还包括:
获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
6.根据权利要求3至5任一所述的方法,其特征在于,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
7.根据权利要求1至6任一所述的方法,其特征在于,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
8.根据权利要求1至7任一所述的方法,其特征在于,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述方法还包括:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。
9.根据权利要求8所述的方法,其特征在于,所述信号强度分布特征为正态分布特征。
10.根据权利要求8或9所述的方法,其特征在于,所述方法还包括:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;
基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;
将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
12.一种位置语义指纹库构建装置,其特征在于,所述装置包括:
获取模块,用于获取目标轨迹,所述目标轨迹包括多个轨迹点,所述多个轨迹点包括依次连接的第一轨迹点集合、第二轨迹点集合以及第三轨迹点集合,其中所述第一轨迹点集合包括传感器信息和/或第一GNSS状态信息,所述传感器信息用于指示所述第一轨迹点集合为不同水平面之间的轨迹点,所述第一GNSS状态信息用于指示所述第一轨迹点集合为室内和室外之间的出入口上的轨迹点,所述第二轨迹点集合中的轨迹点包括置信度高于阈值的GNSS位置信息,所述第三轨迹点集合包括第二GNSS状态信息,所述第二GNSS状态信息用于指示所述第一轨迹点集合为室内的轨迹点;
语义确定模块,用于将所述第一轨迹点集合确定为室内和室外之间过渡区域的指纹点集合;
将所述第二轨迹点集合确定为室外语义的指纹点集合;
将所述第三轨迹点集合确定为室内语义的指纹点集合;
指纹库构建模块,用于根据所述第一轨迹点集合、所述第二轨迹点集合、以及所述第三轨迹点集合,构建位置语义指纹库。
13.根据权利要求12所述的装置,其特征在于,所述第二轨迹点集合中的轨迹点与所述室内的地理围栏之间的距离大于第一阈值且小于第二阈值。
14.根据权利要求12或13所述的装置,其特征在于,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第二轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述装置还包括:
标识复用模块,用于基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第二轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
15.根据权利要求12或13所述的装置,其特征在于,所述多个轨迹点包括依次相邻的第一轨迹点、第二轨迹点和第三轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述第三轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;所述标识复用模块,还用于:
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第三轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
16.根据权利要求12或13所述的装置,其特征在于,所述多个轨迹点包括相邻的第一轨迹点和第二轨迹点,所述第一轨迹点包括第一无线信号信息,所述第一无线信号信息包括网络设备的第一标识,所述第一标识不具备全球唯一性;所述标识复用模块,还用于:
获取第一轨迹,所述第一轨迹包括所述第二轨迹点和第四轨迹点,所述第四轨迹点包括第二无线信号信息,所述第二无线信号信息包括所述网络设备的所述第一标识和第二标识,所述第二标识具备全球唯一性;
基于所述第一无线信号信息不包括针对于所述网络设备的具备全球唯一性的标识,将所述第四轨迹点包括的所述第二标识复用至所述第一轨迹点,以便所述第一无线信号信息包括所述第二标识。
17.根据权利要求14至16任一所述的装置,其特征在于,所述第一标识为伪小区标识PCI,所述第二标识为全局标识符CGI。
18.根据权利要求12至17任一所述的装置,其特征在于,每个所述轨迹点包括无线信号信息,且不同所述轨迹点包括的无线信号信息之间的相似度小于阈值。
19.根据权利要求12至18任一所述的装置,其特征在于,所述第三轨迹点集合包括M个目标轨迹点,所述M个目标轨迹点为室内预设区域内的轨迹点,每个所述目标轨迹点包括无线信号信息,且所述无线信号信息包括至少一个网络设备的无线信号强度;所述指纹库构建模块,具体用于:
根据所述M个目标轨迹点包括的各个网络设备的无线信号强度,确定所述各个网络设备的信号强度分布特征,所述信号强度分布特征包括无线信号强度与概率密度之间的映射关系,所述位置语义指纹库包括所述各个网络设备的信号强度分布特征。
20.根据权利要求19所述的装置,其特征在于,所述信号强度分布特征为正态分布特征。
21.根据权利要求19或20所述的装置,其特征在于,所述获取模块,还用于:
获取终端设备采集的第一位置点信息,所述第一位置点信息包括目标无线信号信息,所述目标无线信号信息包括M个网络设备的无线信号强度;
所述装置还包括:
定位模块,用于根据所述M个网络设备中每个网络设备的无线信号强度,从所述位置语义指纹库中确定对应的信号强度分布特征以及所述信号强度分布特征中的目标信号强度区间,每个所述无线信号强度区间在所述信号强度分布特征对应的概率密度高于阈值;
基于所述M个网络设备中每个网络设备的无线信号强度在对应的目标信号强度区间内,确定所述终端设备处于所述室内预设区域内。
22.根据权利要求21所述的装置,其特征在于,所述装置还包括:
信息补齐模块,用于基于所述第一位置点信息包括目标网络设备的第一目标标识且不包括所述目标网络设备的第二目标标识,所述第一目标标识不具备全球唯一性,所述第二目标标识具备全球唯一性,从所述位置语义指纹库中确定包括所述目标网络设备的第一目标标识且包括所述目标网络设备的第二目标标识的第二位置点信息;
将所述第二位置点信息包括的所述第二目标标识复用至所述第一位置点信息,以便所述第一位置点信息包括所述第二目标标识。
23.一种位置语义指纹库构建装置,其特征在于,包括:一个或多个处理器和存储器;其中,所述存储器中存储有计算机可读指令;
所述一个或多个处理器读取所述计算机可读指令,以使所述计算机设备实现如权利要求1至11任一所述的方法。
24.一种计算机可读存储介质,其特征在于,包括计算机可读指令,当所述计算机可读指令在计算机设备上运行时,使得所述计算机设备执行权利要求1至11任一项所述的方法。
25.一种计算机程序产品,其特征在于,包括计算机可读指令,当所述计算机可读指令在计算机设备上运行时,使得所述计算机设备执行如权利要求1至11任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859719.0A CN115696195A (zh) | 2021-07-28 | 2021-07-28 | 一种位置语义指纹库构建方法以及相关装置 |
PCT/CN2022/107577 WO2023005864A1 (zh) | 2021-07-28 | 2022-07-25 | 一种位置语义指纹库构建方法以及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859719.0A CN115696195A (zh) | 2021-07-28 | 2021-07-28 | 一种位置语义指纹库构建方法以及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115696195A true CN115696195A (zh) | 2023-02-03 |
Family
ID=85057797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110859719.0A Pending CN115696195A (zh) | 2021-07-28 | 2021-07-28 | 一种位置语义指纹库构建方法以及相关装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115696195A (zh) |
WO (1) | WO2023005864A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105612794B (zh) * | 2014-02-25 | 2019-08-06 | 华为技术有限公司 | 建立室内定位特征库的方法与装置 |
CN105142216B (zh) * | 2015-08-07 | 2019-04-16 | 北京航空航天大学 | 基于特征信号指纹库的室内外定位切换方法 |
CN110519701B (zh) * | 2019-08-15 | 2021-02-12 | 广州小鹏汽车科技有限公司 | 定位信息的创建方法、车载终端、服务器设备和定位系统 |
CN111427982A (zh) * | 2020-03-20 | 2020-07-17 | 浙江大学城市学院 | 一种基于群智感知的WiFi室内定位指纹数据库构建及更新技术 |
-
2021
- 2021-07-28 CN CN202110859719.0A patent/CN115696195A/zh active Pending
-
2022
- 2022-07-25 WO PCT/CN2022/107577 patent/WO2023005864A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023005864A1 (zh) | 2023-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109874112B (zh) | 一种定位的方法及终端 | |
Abdelnasser et al. | SemanticSLAM: Using environment landmarks for unsupervised indoor localization | |
US9740773B2 (en) | Context labels for data clusters | |
TWI500003B (zh) | 基於虛擬地標之定位及地圖繪製技術 | |
CN107172590B (zh) | 基于移动终端的活动状态信息处理方法、装置及移动终端 | |
WO2017172018A1 (en) | Autonomous semantic labeling of physical locations | |
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 | |
KR102656490B1 (ko) | 위치를 결정하는 전자 장치 및 방법 | |
CN103918327A (zh) | 经由靠近的指纹进行位置估计 | |
Cengiz | Comprehensive analysis on least-squares lateration for indoor positioning systems | |
Zhou et al. | SCaNME: location tracking system in large-scale campus Wi-Fi environment using unlabeled mobility map | |
CN113124857B (zh) | 一种出入口位置的确定方法、相关装置、设备及存储介质 | |
Cui et al. | A robust mobile robot indoor positioning system based on Wi-Fi | |
Bhargava et al. | Senseme: a system for continuous, on-device, and multi-dimensional context and activity recognition | |
Wang et al. | Fingerprint-based Wi-Fi indoor localization using map and inertial sensors | |
US20210095968A1 (en) | Infrastructure characteristics based mobile device navigation | |
Xu | Autonomous Indoor Localization Using Unsupervised Wi-Fi Fingerprinting | |
Elhamshary et al. | Towards ubiquitous indoor spatial awareness on a worldwide scale | |
Konstantinos et al. | Bluetooth beacon based accurate indoor positioning using machine learning | |
CN110320493B (zh) | 室内定位方法、装置、电子设备和计算机存储介质 | |
WO2023005864A1 (zh) | 一种位置语义指纹库构建方法以及相关装置 | |
Mostafa et al. | A survey of indoor localization systems in multi-floor environments | |
CN111881242B (zh) | 一种轨迹点的基础语义识别方法及相关设备 | |
WO2023005865A1 (zh) | 一种室内地图构建方法以及相关装置 | |
Tiku et al. | An Overview of Indoor Localization Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |