CN116208910A - 一种区域确定方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开了一种区域确定方法、装置、设备和存储介质。该方法包括：获取目标终端的属性信息和当前车辆的属性信息；接收所述目标终端发出的蓝牙信号；将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。本发明实施例通过增加样本特征，区分不同终端设备和车型，去除了标定流程，提高了蓝牙定位的精度、准确性和稳定性。

Description

一种区域确定方法、装置、设备和存储介质

技术领域

本发明涉及蓝牙定位技术领域，尤其涉及一种区域确定方法、装置、设备和存储介质。

背景技术

蓝牙数字钥匙对蓝牙定位的各方面指标都提出了更高的要求，比如定位精度、延迟性、区域跳变、标定精度损失等指标。如何进一步地提高蓝牙定位的准确性，已经成为蓝牙数据钥匙发展的主要方向。

应对不同蓝牙连接设备和不同车型的定位要求，需要重新标定以及后处理融合，这很大程度上降低了蓝牙定位的准确性，且标定耗时长而且精度也会受到较大影响。

发明内容

本发明提供了一种区域确定方法、装置、设备和存储介质，以实现通过增加样本特征，区分不同终端设备和车型，去除标定流程，提高蓝牙定位的精度、准确性和稳定性。

根据本发明的一方面，提供了一种区域确定方法，该方法包括：

获取目标终端的属性信息和当前车辆的属性信息；

接收所述目标终端发出的蓝牙信号；

将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

根据本发明的另一方面，提供了一种区域确定装置，该装置包括：

获取模块，用于获取目标终端的属性信息和当前车辆的属性信息；

接收模块，用于接收所述目标终端发出的蓝牙信号；

输入模块，用于将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

确定模块，用于根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的区域确定方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的区域确定方法。

本发明实施例的技术方案，获取目标终端的属性信息和当前车辆的属性信息，接收目标终端发出的蓝牙信号，将目标终端的属性信息、当前车辆的属性信息以及蓝牙信号输入目标决策树模型，得到蓝牙信号对应的距离信息，根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域。本发明实施例的技术方案，通过增加样本特征，区分不同终端设备和车型，去除了标定流程，取得了提高蓝牙定位的精度、准确性和稳定性的有益效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种区域确定方法的流程图；

图2是根据本发明实施例二提供的一种区域确定装置的结构示意图；

图3是实现本发明实施例的区域确定方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“目标”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数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，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步骤或单元。

实施例一

现有蓝牙定位技术一般采用基于RSSI转换距离经验公式进行蓝牙定位：

其中，d表示计算所得蓝牙距离(单位：米)；RSSI(d)表示距离为d时接受信号的强度(单位：dBm)；d₀为参考距离，一般取1米；n表示环境衰减因子，受到终端设备、车辆自身以及环境的影响；N_σ表示随机噪声，服从正态分布；A表示发射端(终端设备)和接收端(车辆)相隔1米时的信号强度。

从上述两式可以得知，直接从RSSI(d)、A以及n三个参数就可以求出相应距离d。但是对于不同的车型、不同的终端设备的标定，参数A和n不尽相同，需要对每种不同的情况进行数据的标定，从而求出每颗蓝牙相应的标定参数A和n，需要调整定位后处理，很大程度影响定位精度。

本发明实施例的技术方案在现有技术的基础上增加了目标终端的属性信息和当前车辆的属性信息两种样本特征，区分不同终端设备和车型，去除了标定流程，提高了蓝牙定位的精度、准确性和稳定性。

图1是根据本发明实施例一提供的一种区域确定方法的流程图，本实施例可适用于区域确定情况，该方法可以由区域确定装置来执行，该区域确定装置可以采用硬件和/或软件的形式实现，该区域确定装置可集成在任何提供区域确定功能的电子设备中。如图1所示，该方法包括：

S101、获取目标终端的属性信息和当前车辆的属性信息。

在本实施例中，目标终端可以是与当前车辆建立蓝牙连接的智能终端设备。示例性地，目标终端可以包括但不限定于智能手机、iPad和笔记本电脑等。其中，目标终端的属性信息可以是目标终端的品牌名称、版本型号和/或设备代码等信息。

在本实施例中，当前车辆可以是当前与目标终端建立蓝牙连接的车辆。其中，当前车辆的属性信息可以是当前车辆的品牌名称和/或车辆型号等信息。

本发明实施例增加了目标终端的属性信息和当前车辆的属性信息两个样本特征，可以区分不同终端设备和车型。具体的，获取目标终端的属性信息和当前车辆的属性信息，建立目标终端的属性信息和当前车辆的属性信息之间的映射表，将目标终端的属性信息和当前车辆的属性信息形成数字编码。示例性的，可以对n个目标终端进行数字编码，如目标终端1可以对应数字编码1，目标终端2可以对应数字编码2，……，目标终端n可以对应数字编码n；同理，可以对m个车辆进行数字编码，如车辆1可以对应数字编码1，车辆2可以对应数字编码2，……，车辆m可以对应数字编码m。之后可以将两组数字编码分别以列表的形式进行存储。

S102、接收目标终端发出的蓝牙信号。

其中，蓝牙信号可以是通过目标终端向当前车辆发出的蓝牙信号。

具体的，接收目标终端向当前车辆发出的蓝牙信号，之后可以将接收到的蓝牙信号与发出蓝牙信号的目标终端和当前车辆进行关联，即可以将将接收到的蓝牙信号的信号强度与发出蓝牙信号的目标终端的属性信息和当前车辆的属性信息进行关联。

S103、将目标终端的属性信息、当前车辆的属性信息以及蓝牙信号输入目标决策树模型，得到蓝牙信号对应的距离信息。

可以知道的是，决策树分类是一种树形状的分类算法，利用递归思想不断划分，在训练阶段通过计算样本中某个属性基尼指数划分当前样本，从而形成当前节点的判断条件，在预测阶段相当于条件判断，预测速度快。

在本实施例中，目标决策树模型可以是用于根据目标终端的属性信息、当前车辆的属性信息以及蓝牙信号得到蓝牙信号对应的距离信息的模型。

其中，目标决策树模型通过目标样本集训练神经网络模型得到。

其中，目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及蓝牙信号样本对应的距离信息。

在实现过程中，可以通过目标终端对应的数字编码和当前车辆对应的数字编码对不同目标终端和车辆接收到的蓝牙信号样本进行区分，提高对不同目标终端和车型的兼容性，提高定位准确率。

示例性的，目标样本中部分目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本之间的对应关系可以表示为如表1所示。

需要说明的是，表1中前8列字段rssi_1～8可以表示8颗蓝牙信号强度(单位为dBm)，后面两个字段分别为目标终端对应的数字编码和当前车辆对应的数字编码，示例性的，目标终端对应的数字编码1可以表示目标终端1，例如可以是XX品牌XX型号的智能手机，当前车辆对应的数字编码1可以表示车辆1，例如可以是XX品牌XX型号的汽车。

表1

在本实施例中，蓝牙信号对应的距离信息可以理解为目标终端距离当前车辆的距离信息，因为蓝牙信号由目标终端发出。示例性的，蓝牙信号对应的距离信息可以是3米，即目标终端距离当前车辆的距离为3米。

具体的，通过目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及蓝牙信号样本对应的距离信息训练神经网络模型得到训练好的目标决策树模型，将目标终端的属性信息、当前车辆的属性信息以及蓝牙信号输入目标决策树模型，得到蓝牙信号对应的距离信息。

S104、根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域。

在本实施例中，针对目标终端距离当前车辆的不同距离划分了不同区域。具体的，对不同距离区域的划分标准可以由用户根据实际情况自行设置，本实施例对此不进行限定。

其中，蓝牙信号对应的目标区域可以是发出蓝牙信号的目标终端所在的区域。

具体的，根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域，即发出蓝牙信号的目标终端所在的目标区域。

本发明实施例的技术方案，获取目标终端的属性信息和当前车辆的属性信息，接收目标终端发出的蓝牙信号，将目标终端的属性信息、当前车辆的属性信息以及蓝牙信号输入目标决策树模型，得到蓝牙信号对应的距离信息，根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域。本发明实施例的技术方案，通过增加样本特征，区分不同终端设备和车型，去除了标定流程，取得了提高蓝牙定位的精度、准确性和稳定性的有益效果。

可选的，根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域，包括：

根据蓝牙信号对应的距离信息确定蓝牙信号对应的当前预测区域。

需要说明的是，当前预测区域可以是目标决策树模型根据目标终端的属性信息、当前车辆的属性信息以及蓝牙信号预测得到的蓝牙信号对应的当前所在区域。

具体的，目标决策树模型根据目标终端的属性信息、当前车辆的属性信息以及蓝牙信号进行预测，输出蓝牙信号对应的距离信息，进而根据预测的蓝牙信号对应的距离信息确定蓝牙信号对应的当前预测区域。

若当前操作为首次区域确定操作，则将蓝牙信号对应的当前预测区域确定为蓝牙信号对应的目标区域。

需要解释的是，首次区域确定操作可以理解为在此之前从未进行过区域确定，此次区域确定为首次操作，即此次操作发生在初始时刻。

具体的，若当前操作为首次区域确定操作，则直接将蓝牙信号对应的当前预测区域确定为蓝牙信号对应的目标区域。

可选的，该区域确定方法还包括：

获取第N时刻接收到的蓝牙信号对应的第N-1时刻区域和第N-2时刻区域。

其中，N为大于或者等于2的正整数。

在本实施例中，若当前操作非首次区域确定操作，则可以将当前操作的时刻表示为第N时刻。那么第N时刻的上一时刻为第N-1时刻，第N-1时刻对应的区域为第N-1时刻区域；同理，第N-1时刻的上一时刻为第N-2时刻，第N-2时刻对应的区域为第N-2时刻区域。

具体的，若当前操作非首次区域确定操作，则获取第N时刻接收到的蓝牙信号对应的第N-1时刻区域和第N-2时刻区域。

根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定蓝牙信号对应的目标区域。

具体的，若当前操作非首次区域确定操作，则根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定蓝牙信号对应的目标区域。

可选的，根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定蓝牙信号对应的目标区域，包括：

若第N时刻接收到的蓝牙信号对应的第N时刻区域和第N-1时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为蓝牙信号对应的目标区域。

具体的，若第N时刻接收到的蓝牙信号对应的第N时刻区域，即第N时刻蓝牙信号对应的当前预测区域和第N-1时刻区域相同，说明第N-1时刻和当前时刻即第N时刻之间检测到的蓝牙信号对应的区域未发生跳变，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为蓝牙信号对应的目标区域。

若第N时刻接收到的蓝牙信号对应的第N时刻区域和第N-1时刻区域不相同，且第N-1时刻区域和第N-2时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N-1时刻区域确定为蓝牙信号对应的目标区域。

具体的，若第N时刻接收到的蓝牙信号对应的第N时刻区域和第N-1时刻区域不相同，即第N时刻蓝牙信号对应的当前预测区域和第N-1时刻区域不相同，且第N-1时刻区域和第N-2时刻区域相同，则说明第N-1时刻和当前时刻即第N时刻之间检测到的蓝牙信号对应的区域发生了第一次跳变，则将第N时刻接收到的蓝牙信号对应的第N-1时刻区域确定为蓝牙信号对应的目标区域，即先保留一次上一时刻(即第N-1时刻)区域不变。

若第N时刻接收到的蓝牙信号对应的第N时刻区域和第N-1时刻区域不相同，且第N-1时刻区域和第N-2时刻区域不相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为蓝牙信号对应的目标区域。

具体的，若第N时刻接收到的蓝牙信号对应的第N时刻区域和第N-1时刻区域不相同，即第N时刻蓝牙信号对应的当前预测区域和第N-1时刻区域不相同，且第N-1时刻区域和第N-2时刻区域不相同，则说明蓝牙信号对应的区域在第N-1时刻与第N-2时刻之间就发生过一次跳变，在第N时刻与第N-1时刻之间检测到的蓝牙信号对应的区域又发生了一次跳变，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为蓝牙信号对应的目标区域。

上述根据蓝牙信号对应的距离信息确定蓝牙信号对应的目标区域的操作方法可以总结为对目标决策树模型得到的预测结果进行二次加锁后处理，目的为提高目标区域确定的稳定性。现以一具体例子对二次加锁后处理操作进行说明：

表2

第N时刻	1	2	3	4	5	6	7	8	9	10	11	12
													第N-1时刻区域状态值	-1	1	1	2	2	2	2	2	1	1	1	1
第N时刻区域状态值	1	2	2	1	2	2	1	1	1	1	2	1
													目标区域状态值	1	1	2	2	2	2	2	1	1	1	1	1

如表2所示，表2中第一行数字为第N时刻，其中，N＝1，2，……，12，表2中第二行数字为第N-1时刻区域的状态值，表2中第三行数字为第N时刻区域的状态值，即当前预测区域的状态值，表2中第四行数字为最后确定的实际目标区域的状态值。其中，状态值1和2用于区分两次相邻时刻确定的区域是否发生改变，即假设上一时刻确定的区域为区域A，将上一时刻的区域状态值设为1，若当前时刻确定的区域仍为区域A，那么当前时刻的区域状态值仍为1；若当前时刻确定的区域为区域B，那么当前时刻的区域状态值变为2。对于第1时刻没有上一时刻，因此可以将第0时刻区域状态值设为-1。

对于第1时刻，由于当前操作为首次区域确定操作，因此直接将蓝牙信号对应的当前预测区域确定为蓝牙信号对应的目标区域。对于第2时刻，由于第1时刻区域和第2时刻区域不相同，且第1时刻操作为首次区域确定操作，说明第2时刻和第1时刻之间检测到的蓝牙信号对应的区域发生了第一次跳变，则仍将第1时刻区域确定为蓝牙信号对应的目标区域，即先保留一次上一时刻(即第1时刻)区域不变。对于第3时刻，由于第2时刻区域和第3时刻区域不相同，且第1时刻区域和第2时刻区域不相同，说明蓝牙信号对应的区域在第1时刻与第2时刻之间就发生过一次跳变，在第2时刻与第3时刻之间检测到的蓝牙信号对应的区域又发生了一次跳变，则此时将第3时刻区域确定为蓝牙信号对应的目标区域。以此类推，后续第4，5，……，12时刻同理，在此不再一一赘述。

可选的，通过目标样本集训练神经网络模型，包括：

建立神经网络模型。

在本实施例中，神经网络模型具体可以是决策树分类模型。

将目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入神经网络模型，得到蓝牙信号样本对应的预测距离信息。

其中，预测距离信息可以是神经网络模型根据目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本进行预测后得到的蓝牙信号样本对应的距离信息。

具体的，将目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本进行关联，通过目标终端的属性信息样本和当前车辆的属性信息样本对蓝牙信号样本进行区分，之后输入神经网络模型进行预测，得到蓝牙信号样本对应的预测距离信息。

根据蓝牙信号样本对应的距离信息和预测距离信息训练神经网络模型的参数。

具体的，根据蓝牙信号样本对应的距离信息和预测距离信息形成的目标函数训练神经网络模型的参数。

返回执行将目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入神经网络模型，得到蓝牙信号样本对应的预测距离信息的操作，直至得到目标决策树模型。

具体的，返回执行将目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入神经网络模型，得到蓝牙信号样本对应的预测距离信息的操作，不断地训练神经网络模型的参数，直至得到训练好的目标决策树模型。

可选的，目标区域包括：车内区、解锁区、保留区、闭锁区、迎宾区以及连接区中的至少一种。

在本实施例中，可以针对目标终端距离当前车辆的不同距离划分不同区域。示例性的，对不同距离区域的划分标准以及各区域的名称可以是：

区域1：车内区，距离：<0米；

区域2：解锁区，距离：0-2米；

区域3：保留区，距离：2-3米；

区域4：闭锁区，距离：3-6米；

区域5：迎宾区，距离：6-10米；

区域6：连接区，距离：>10米。

需要注意的是：上述距离指的是目标终端距离车身边缘的距离。

本发明实施例的技术方案，通过在数据采集过程中对不同终端和车型进行了数字编码标注，将接收到的蓝牙信号与发出蓝牙信号的目标终端和当前车辆进行关联，将两种特征增加到样本本身，增加了目标决策树模型的样本特征，能够区分不同终端设备和车型，去除了标定流程，提高了蓝牙定位的精度、准确性和稳定性，节省了人力和资源投入。

实施例二

图2是根据本发明实施例二提供的一种区域确定装置的结构示意图。如图2所示，该装置包括：获取模块201、接收模块202、输入模块203和确定模块204。

其中，获取模块201，用于获取目标终端的属性信息和当前车辆的属性信息；

接收模块202，用于接收所述目标终端发出的蓝牙信号；

输入模块203，用于将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

确定模块204，用于根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

可选的，所述确定模块204包括：

第一确定单元，用于根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的当前预测区域；

第二确定单元，用于若当前操作为首次区域确定操作，则将所述蓝牙信号对应的当前预测区域确定为所述蓝牙信号对应的目标区域。

可选的，所述区域确定装置还包括：

获取单元，用于获取第N时刻接收到的蓝牙信号对应的第N-1时刻区域和第N-2时刻区域，其中，N为大于或者等于2的正整数；

第三确定单元，用于根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定所述蓝牙信号对应的目标区域。

可选的，所述第三确定单元包括：

第一确定子单元，用于若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为所述蓝牙信号对应的目标区域；

第二确定子单元，用于若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域不相同，且所述第N-1时刻区域和第N-2时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N-1时刻区域确定为所述蓝牙信号对应的目标区域；

第三确定子单元，用于若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域不相同，且所述第N-1时刻区域和第N-2时刻区域不相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为所述蓝牙信号对应的目标区域。

可选的，所述输入模块203包括：

建立单元，用于建立神经网络模型；

输入单元，用于将所述目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入所述神经网络模型，得到所述蓝牙信号样本对应的预测距离信息；

训练单元，用于根据所述蓝牙信号样本对应的距离信息和所述预测距离信息训练所述神经网络模型的参数；

执行单元，用于返回执行将所述目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入所述神经网络模型，得到所述蓝牙信号样本对应的预测距离信息的操作，直至得到目标决策树模型。

可选的，所述目标区域包括：车内区、解锁区、保留区、闭锁区、迎宾区以及连接区中的至少一种。

本发明实施例所提供的区域确定装置可执行本发明任意实施例所提供的区域确定方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3示出了可以用来实施本发明的实施例的电子设备30的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器(ROM)32、随机访问存储器(RAM)33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器(ROM)32中的计算机程序或者从存储单元38加载到随机访问存储器(RAM)33中的计算机程序，来执行各种适当的动作和处理。在RAM 33中，还可存储电子设备30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出(I/O)接口35也连接至总线34。

电子设备30中的多个部件连接至I/O接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理，例如区域确定方法：

获取目标终端的属性信息和当前车辆的属性信息；

接收所述目标终端发出的蓝牙信号；

将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

在一些实施例中，区域确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到RAM 33并由处理器31执行时，可以执行上文描述的区域确定方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行区域确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种区域确定方法，其特征在于，包括：

获取目标终端的属性信息和当前车辆的属性信息；

接收所述目标终端发出的蓝牙信号；

将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

2.根据权利要求1所述的方法，其特征在于，根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域，包括：

根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的当前预测区域；

若当前操作为首次区域确定操作，则将所述蓝牙信号对应的当前预测区域确定为所述蓝牙信号对应的目标区域。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取第N时刻接收到的蓝牙信号对应的第N-1时刻区域和第N-2时刻区域，其中，N为大于或者等于2的正整数；

根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定所述蓝牙信号对应的目标区域。

4.根据权利要求3所述的方法，其特征在于，根据第N时刻接收到的蓝牙信号对应的第N-1时刻区域、第N-2时刻区域以及第N时刻接收到的蓝牙信号对应的第N时刻区域确定所述蓝牙信号对应的目标区域，包括：

若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为所述蓝牙信号对应的目标区域；

若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域不相同，且所述第N-1时刻区域和第N-2时刻区域相同，则将第N时刻接收到的蓝牙信号对应的第N-1时刻区域确定为所述蓝牙信号对应的目标区域；

若第N时刻接收到的蓝牙信号对应的第N时刻区域和所述第N-1时刻区域不相同，且所述第N-1时刻区域和第N-2时刻区域不相同，则将第N时刻接收到的蓝牙信号对应的第N时刻区域确定为所述蓝牙信号对应的目标区域。

5.根据权利要求1所述的方法，其特征在于，通过目标样本集训练神经网络模型，包括：

建立神经网络模型；

将所述目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入所述神经网络模型，得到所述蓝牙信号样本对应的预测距离信息；

根据所述蓝牙信号样本对应的距离信息和所述预测距离信息训练所述神经网络模型的参数；

返回执行将所述目标样本集中的目标终端的属性信息样本、当前车辆的属性信息样本以及蓝牙信号样本输入所述神经网络模型，得到所述蓝牙信号样本对应的预测距离信息的操作，直至得到目标决策树模型。

6.根据权利要求1所述的方法，其特征在于，所述目标区域包括：车内区、解锁区、保留区、闭锁区、迎宾区以及连接区中的至少一种。

7.一种区域确定装置，其特征在于，包括：

获取模块，用于获取目标终端的属性信息和当前车辆的属性信息；

接收模块，用于接收所述目标终端发出的蓝牙信号；

输入模块，用于将所述目标终端的属性信息、所述当前车辆的属性信息以及所述蓝牙信号输入目标决策树模型，得到所述蓝牙信号对应的距离信息，其中，所述目标决策树模型通过目标样本集训练神经网络模型得到，所述目标样本包括：目标终端的属性信息样本、当前车辆的属性信息样本、蓝牙信号样本以及所述蓝牙信号样本对应的距离信息；

确定模块，用于根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的目标区域。

8.根据权利要求7所述的装置，其特征在于，所述确定模块包括：

第一确定单元，用于根据所述蓝牙信号对应的距离信息确定所述蓝牙信号对应的当前预测区域；

第二确定单元，用于若当前操作为首次区域确定操作，则将所述蓝牙信号对应的当前预测区域确定为所述蓝牙信号对应的目标区域。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的区域确定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的区域确定方法。

Images