CN116709501A - 业务场景识别方法、电子设备及存储介质 - Google Patents
业务场景识别方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116709501A CN116709501A CN202211320411.XA CN202211320411A CN116709501A CN 116709501 A CN116709501 A CN 116709501A CN 202211320411 A CN202211320411 A CN 202211320411A CN 116709501 A CN116709501 A CN 116709501A
- Authority
- CN
- China
- Prior art keywords
- scene
- base station
- fence
- target
- snapshot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 162
- 230000033001 locomotion Effects 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 55
- 230000015654 memory Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 33
- 230000001976 improved effect Effects 0.000 description 32
- 238000004891 communication Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 239000010410 layer Substances 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 13
- 238000010295 mobile communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 11
- GRRMZXFOOGQMFA-UHFFFAOYSA-J YoYo-1 Chemical compound [I-].[I-].[I-].[I-].C12=CC=CC=C2C(C=C2N(C3=CC=CC=C3O2)C)=CC=[N+]1CCC[N+](C)(C)CCC[N+](C)(C)CCC[N+](C1=CC=CC=C11)=CC=C1C=C1N(C)C2=CC=CC=C2O1 GRRMZXFOOGQMFA-UHFFFAOYSA-J 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012358 sourcing Methods 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/322—Aspects of commerce using mobile devices [M-devices]
- G06Q20/3224—Transactions dependent on location of M-devices
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- 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
Abstract
本申请提供了一种业务场景识别方法、电子设备及存储介质,涉及终端技术领域,该方法由电子设备执行,该方法包括:在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,基站信息包括目标运营商标识、目标小区编号以及目标基站编号,场景识别请求用于请求识别电子设备是否位于与目标业务关联的目标场景内;基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,场景特征数据包括至少一个基站围栏快照,基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号。该业务场景识别方法可以实现低功耗的业务场景识别,且可以有效地提高业务场景识别的实时性。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种业务场景识别方法、电子设备及存储介质。
背景技术
日常生活中,在一些诸如公司、食堂、电影院、商场、火车站、机场、学校、医院、风景区之类的场景中,用户通常需要电子设备持续进行场景识别,以确定其位置与场景之间的关系,从而便于通过电子设备实现一些快捷业务。例如,当电子设备(如手机)识别出用户进入食堂时,在手机界面自动弹出付款码快捷卡片,以便于用户在食堂购买食物时,能够基于该付款码快捷卡片快速完成支付。
在相关技术中,当某业务触发电子设备进行场景识别时,电子设备定位当前的位置信息,并将该位置信息发送给云端服务平台。云端服务平台中存储有大量的关于不同场景的场景特征,该云端服务平台根据接收到的位置信息查询对应的位置是否位于目标场景中,并将结果反馈给电子设备。
然而,由于每次电子设备都需要从云端服务平台中查询位置,导致功耗较大,实时性较差。
发明内容
本申请提供一种业务场景识别方法、电子设备及存储介质,该业务场景识别方法可以实现低功耗的业务场景识别,且可以有效地提高业务场景识别的实时性。
第一方面,本申请提供一种业务场景识别方法,该方法由电子设备执行,该方法包括:在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,基站信息包括目标运营商标识、目标小区编号以及目标基站编号,场景识别请求用于请求识别电子设备是否位于与目标业务关联的目标场景内;基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,场景特征数据包括至少一个基站围栏快照,基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号。
可选地,可以通过Cell-ID定位的方式获取电子设备当前接入的基站的基站信息。
可选地,目标业务可以为规律支付业务、取票业务、二维码业务、购票业务等。
可选地,具有关联关系的运营商标识、小区编号以及基站编号用于唯一标识一个基站。
可选地,基站围栏快照还可以包括基站围栏中心点的经纬度信息和基站围栏半径。
第一方面提供的业务场景识别方法,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内。其中,场景特征数据包括至少一个基站围栏快照,基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号,基站信息包括目标运营商标识、目标小区编号以及目标基站编号。显然,基于场景特征数据与基站信息进行场景识别,是对基站围栏快照中的运营商标识、小区编号、基站编号和基站信息中的目标运营商标识、目标小区编号、目标基站编号进行对比,也就是说,本方法是通过基站信息与基站围栏快照之间的比较,确定电子设备是否位于目标场景内。在进行业务场景识别的过程中,采用的是基站信息,无需请求云端服务平台获取位置,且相对于相关技术中采用GPS定位来说,基站定位的功耗小于GPS定位的功耗。本方法中也无需与云端服务平台中的数据比较,从而降低了电子设备的功耗,提升了实时性。
可选地,目标业务的场景识别精度可以包括低精度、中精度、高精度等不同精度。不同业务的场景识别精度通常由业务自身决定。例如,可根据用户的不同需求,预先对不同的业务设定不同的场景识别精度。示例性地,规律支付业务的场景识别精度可以为低精度,二维码业务的场景识别精度可以为中精度,取票业务的场景识别精度可以为高精度等。
可选地,场景特征数据可以是电子设备向云端服务平台发送特征获取请求,云端服务平台基于该特征获取请求发送给电子设备的数据。电子设备预先将场景特征数据缓存在本地数据库中。
一种可能的实现方式中,当检测到目标业务的场景识别精度为低精度时,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,包括:若基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则确定电子设备位于目标场景内。
该实现方式中,对于场景识别精度为低精度的业务,只要电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,即可识别电子设备进入场景识别精度为低精度的业务场景内,实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。
在低精度的业务场景识别过程中,一方面,电子设备采用Cell-ID定位的功耗要小于采用GPS定位的功耗,因此采用电子设备的基站信息与基站围栏快照匹配的方式,识别电子设备是否进入场景识别精度为低精度的业务场景内,节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
可选地,若在场景特征数据中未查找到与该基站信息匹配的基站围栏快照,则确定电子设备当前不位于与目标业务关联的目标场景内。例如,在场景特征数据中未查找到哪个基站围栏快照中的运营商标识、小区编号以及基站编号,与该基站信息中的目标运营商标识、目标小区编号以及目标基站编号均相同,则确定电子设备当前不位于与目标业务关联的目标场景内。
一种可能的实现方式中,当检测到目标业务的场景识别精度为低精度时,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,还可包括:若基站信息未与任一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据目标业务确定目标区域,目标区域为目的地所对应的区域,目的地为实现目标业务的地点;获取电子设备的当前位置;若检测到电子设备的当前位置在目标区域内,则确定电子设备位于目标场景内。
这种实现方式中,电子设备的基站信息未与任一个基站围栏快照匹配前,可通过电子设备当前的位置信息和目标区域判断电子设备当前的位置是否在目标区域内,从而识别电子设备是否进入场景识别精度为低精度的业务场景内,为低精度的业务场景识别的冷启动提供了支持。
可选地,基站围栏快照还可以包括场景围栏标识。场景特征数据还可以包括至少一个场景围栏快照,该场景围栏快照包括具有关联关系的场景围栏中心点的经纬度信息和场景围栏半径。
一种可能的实现方式中,当检测到目标业务的场景识别精度为中精度时,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,包括:若基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据与基站信息匹配的基站围栏快照中的场景围栏标识确定目标场景围栏快照;根据目标场景围栏快照中的场景围栏中心点的经纬度信息和场景围栏半径确定围栏区域;获取电子设备的当前位置;若检测到电子设备的当前位置在围栏区域内,则确定电子设备位于目标场景内。
这种实现方式中,对于场景识别精度为中精度的业务,当电子设备的基站信息与某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,即可识别电子设备进入场景识别精度为中精度的业务场景内,实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。且当电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配时,就检测电子设备当前的位置是否在某个场景围栏快照对应的围栏区域内,即开始中精度的业务场景识别,有效避免了中精度的业务场景识别的功耗浪费。
在中精度的业务场景识别过程中,一方面,在前期采用Cell-ID定位(即未与场景围栏快照匹配前采用Cell-ID定位),无需整个过程都采用GPS定位,节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
可选地,获取电子设备的当前位置,可以包括:通过全球卫星定位系统所述电子设备的当前位置,可以确保获取到的电子设备的当前位置的准确度,从而提升业务场景识别的准确性。
可选地,场景围栏快照还可以包括WiFi特征,WiFi特征包括WiFi标识信息列表和WiFi标识信息列表对应的目标匹配度阈值。
一种可能的实现方式中,当检测到目标业务的场景识别精度为高精度时,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,包括:若基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据与基站信息匹配的基站围栏快照中的场景围栏标识确定目标场景围栏快照;根据目标场景围栏快照中的场景围栏中心点的经纬度信息和场景围栏半径确定围栏区域;获取电子设备的当前位置;若检测到电子设备的当前位置在围栏区域内,则获取电子设备的WiFi列表;若检测到WiFi列表与目标场景围栏快照中的WiFi特征匹配,则确定电子设备位于目标场景内。
这种实现方式中,对于场景识别精度为高精度的业务,当电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,且WiFi列表与该场景围栏快照中的WiFi特征匹配,即可识别电子设备进入场景识别精度为高精度的业务场景内,实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。
在高精度的业务场景识别过程中,一方面,在前期采用Cell-ID定位(即未与场景围栏快照匹配前采用Cell-ID定位),后期采用GPS定位和扫描WiFi,在保持识别精准度的同时节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
可选地,WiFi列表包括至少一个WiFi标识信息和每个WiFi标识信息对应的WiFi强度。
一种可能的实现方式中,若检测到WiFi列表与目标场景围栏快照的WiFi特征匹配,则确定电子设备位于目标场景内,包括:确定WiFi列表对应的匹配度阈值;若检测到WiFi列表中的WiFi标识信息与WiFi特征中的WiFi标识信息列表匹配,且匹配度阈值大于或等于目标匹配度阈值,则确定电子设备位于目标场景内。
可选地,若检测到WiFi列表与目标场景围栏快照的WiFi特征匹配,则确定电子设备位于目标场景内,还可以包括:若WiFi列表中的WiFi标识信息以及每个WiFi标识信息对应的WiFi强度,与WiFi特征中WiFi标识信息列表中的每个WiFi标识信息以及每个WiFi标识信息对应的WiFi强度匹配,则确定电子设备位于目标场景内。
这种实现方式中,提升了WiFi列表与WiFi特征匹配的结果的准确性,有利于提升业务场景识别的准确性。
可选地,在获取WiFi列表是可以采用WiFi搭车技术获取,WiFi搭车技术是指获取系统或第三方应用程序产生的WiFi扫描结果,该WiFi扫描结果可以包括WiFi列表。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:若检测到WiFi列表与目标场景围栏快照的WiFi特征不匹配,获取第三方应用程序产生的WiFi列表;若检测到第三方应用程序产生的WiFi列表与目标场景围栏快照的WiFi特征匹配,则确定电子设备位于目标场景内。
这种实现方式中,当WiFi列表与WiFi特征不匹配时,利用WiFi搭车技术获取WiFi相关数据,不用单独进行WiFi扫描,有效地节省了功耗。
一种可能的实现方式中,当检测到目标业务的场景识别精度为高精度时,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内,还可以包括:若检测到电子设备的WiFi列表与任一个场景围栏快照中的WiFi特征匹配,则确定电子设备位于目标场景内。
这种实现方式中,当目标业务的场景识别精度为高精度时,若先检测到WiFi列表与某个WiFi特征匹配,则立即识别电子设备位于目标场景内,提升了业务场景识别的实时性,节省了前期定位所需的功耗。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:获取携带电子设备的用户的运动状态;根据运动状态预测用户的第一运动速度;根据目标业务确定实现目标业务的目的地,并确定用户的当前位置与目的地之间的第一距离;根据第一运动速度和第一距离,预测下一次定位的时间。
可选地,用户当前的运动状态可以包括步行状态、跑步状态、快走状态、车行状态等。
这种实现方式中,根据用户当前的运动状态评估运动速度,进而根据运动速度以及到目的地之间的距离预测下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,大大减少了定位次数,降低了功耗。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:若在电子设备移动过程中,检测到电子设备当前接入的基站的基站信息与目标基站围栏快照匹配,则根据目标基站围栏快照的基站围栏中心点的经纬度信息,确定用户的位置;根据用户的位置和目的地确定第二距离;确定用户的第二运动速度,并根据第二运动速度和第二距离更新下一次定位的时间。
这种实现方式中,根据用户行进过程中匹配的基站围栏快照,不停地刷新下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,在保持业务场景识别准确性的同时,大大减少了定位次数,降低了功耗。且随着场景特征的学习增加,不停地完善场景特征数据,后期无论用户想去哪里,采用GPS方式定位的次数越来越少,对于实现业务场景识别,总体可节省的功耗越来越多。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:当电子设备处于目标场景内时,获取电子设备的最新位置;通过最新位置确定电子设备是否离开目标场景。这种实现方式,可以有效避免误识别,提升业务场景识别的准确度,即通过最新位置准确地判断出电子设备是否真正离开与目标业务关联的目标场景,进而给用户带来更好的体验。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:当检测到电子设备静止时,该电子设备停止定位和/或停止扫描WiFi,这样可以有效地节省功耗。
一种可能的实现方式中,本申请提供的业务场景识别方法还可以包括:当检测到电子设备的移动范围小于或等于预设范围时,该电子设备停止定位和/或停止扫描WiFi,这样可以有效地节省功耗。
可选地,本申请还提供了一种WIFI芯片,该WIFI芯片可以安装在电子设备中,该WIFI芯片在扫描WIFI时采用的方法与相关技术中扫描WIFI采用的方法并不相同,使得该WIFI芯片的扫描功耗比现有的WIFI芯片的扫描功耗低许多,基于该WIFI芯片进行业务场景识别,大大降低了扫描功耗。
可选地,本申请还提供了一种采集场景众包数据的方法,包括:电子设备中的第一应用程序执行第一业务;电子设备中的感知模块获取第一业务的业务数据;电子设备中的感知模块采集电子设备当前的环境数据;该感知模块向云端服务平台上报采集数据集合,采集数据集合包括环境数据和业务数据,以便于云端服务平台进行云计算,从而基于这些数据学习场景特征。
可选地,本申请还提供了一种学习场景特征的方法,该方法通常由云端服务平台执行,该方法包括:基于地球表面空间数据构建栅格图;将场景众包数据映射至栅格图中;确定各个业务对应的场景围栏快照;确定各个基站的基站围栏快照。本方法为后续进行业务场景识别提供基础。
可选地,场景众包数据可以包括多个场景采集数据集合,每个场景采集数据集合中可以包括电子设备在实现对应业务时采集的业务数据和环境数据,每个场景采集数据集合与一种业务类型对应,且每个场景采集数据集合中均包括经纬度信息。
可选地,确定各个业务对应的场景围栏快照可以包括:在栅格图中确定属于同属性的点;对同属性的点进行聚类,得到第一聚类结果,第一聚类结果包括至少一个簇;根据第一聚类结果,确定场景围栏中心点的经纬度信息;根据第一聚类结果,确定场景围栏半径;基于场景围栏中心点的经纬度信息、场景围栏半径、业务类型信息和该业务类型信息对应的城市编码,生成场景围栏快照。本方法为后续进行业务场景识别提供基础。
可选地,属于同属性的点为属于同一属性的场景采集数据集合所对应的点,同属性是指业务类型信息相同且城市编码相同。
可选地,确定各个基站的基站围栏快照可以包括:在栅格图中确定属于同基站的点;对同基站的点进行聚类,得到第二聚类结果,第二聚类结果包括至少一个簇;根据第二聚类结果,确定基站围栏中心点的经纬度信息;根据第二聚类结果,确定基站围栏半径;基于基站围栏中心点的经纬度信息、基站围栏半径、基站指示信息以及该基站对应的城市编码生成基站围栏快照。本方法为后续进行业务场景识别提供基础。
可选地,属于同基站的点为属于同一基站的场景采集数据集合所对应的点,同基站是指基站指示信息相同,即运营商标识、小区编号以及基站编号相同。
第二方面,本申请提供了一种装置,该装置包含在电子设备中,该装置具有实现上述第一方面及上述第一方面的可能实现方式中电子设备行为的功能。功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块或单元。例如,监听模块或单元、处理模块或单元等。
第三方面,本申请提供一种电子设备,电子设备包括:处理器、存储器和接口;处理器、存储器和接口相互配合,使得电子设备执行第一方面提供的技术方案中任意一种方法。
第四方面,本申请提供一种芯片,包括处理器。处理器用于读取并执行存储器中存储的计算机程序,以执行第一方面及其任意可能的实现方式中的方法。
可选的,芯片还包括存储器,存储器与处理器通过电路或电线连接。
可选的,芯片还包括通信接口。
可选的,该芯片中也可集成本申请提供的WIFI芯片。
第五方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储了计算机程序,当计算机程序被处理器执行时,使得该处理器执行第一方面的技术方案中任意一种方法。
第六方面,本申请提供一种计算机程序产品,计算机程序产品包括:计算机程序代码,当计算机程序代码在电子设备上运行时,使得该电子设备执行第一方面的技术方案中任意一种方法。
附图说明
图1为本申请一示例性实施例示出的一种应用场景的示意图;
图2为本申请一示例性实施例示出的一种打开付款码的过程示意图;
图3为本申请另一示例性实施例示出的一种应用场景的示意图;
图4为本申请一示例性实施例示出的一种打开二维码的过程示意图;
图5为本申请又一示例性实施例示出的一种应用场景的示意图;
图6是本申请一示例性实施例示出的一种系统架构示意图;
图7是本申请一示例性实施例示出的电子设备的结构示意图;
图8是本申请一示例性实施例示出的电子设备的软件结构框图;
图9是本申请一示例性实施例示出的电子设备采集场景众包数据的流程图;
图10是本申请一示例性实施例示出的一种学习场景特征的方法流程图;
图11是本申请一示例性实施例示出的一种栅格图的示意图;
图12是本申请一示例性实施例示出的另一种栅格图的示意图;
图13是本申请一示例性实施例示出的数据分布示意图;
图14是本申请一示例性实施例示出的缓存场景特征的示意图;
图15是本申请一示例性实施例示出的一种业务场景识别方法的流程图;
图16是本申请一示例性实施例示出的一种预测下一次定位的时间的方法流程图;
图17是本申请一示例性实施例示出的一种预测时间的应用场景示意图;
图18是本申请一示例性实施例示出的另一种预测时间的应用场景示意图;
图19是本申请一示例性实施例示出的一种切换定位模式的示意图;
图20是本申请一示例性实施例示出的一种功耗和实时性变化的示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
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。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
首先,对本申请实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
1、粗定位业务,又称Cell-ID定位,或基站定位。Cell-ID定位是根据电子设备(如手机)当前连接的蜂窝基站的位置来确定手机的位置。用户携带手机移动的过程中,用户的位置与手机的位置几乎一致,因而通常确定的手机的位置也作为用户的位置。
2、兴趣点(Point Of Interest,POI),每一个POI至少包含四项基本信息:名称、地址、类别、经纬度坐标。如一个POI可以表示一栋房子、一个商铺、一个小区门口、一个邮筒、一个公交站等。
3、兴趣面(Area Of Interest,AOI),也称信息面,主要用于在地图数据中表示区域状的地理实体。如一个AOI可以表示一个居民小区、一所大学、一个写字楼、一个综合商场、一个景区、一个火车站等。
4、空间聚类算法(DBSCAN),是一种无监督的聚类算法。该算法将具有足够密度的区域划分为簇,将簇定义为密度相连的点的最大集合。
5、莫顿(Morton)编码,是对栅格进行编码的一种算法。
6、全球卫星定位系统(Global Positioning System,GPS),是一种以人造地球卫星为基础的高精度无线电导航的定位系统,它在全球任何地方以及近地空间都能够提供准确的地理位置、车行速度及精确的时间信息。
以上是对本申请实施例所涉及的名词的简单介绍,以下不再赘述。
随着电子设备的快速发展,用户对电子设备的需求越来越多。在一些场景中,用户希望电子设备能够通过场景识别来自动实现某些快捷业务。例如,以电子设备为手机为例,当用户进入机场时希望手机能够在界面中自动弹出带有候车厅、航班号、航空公司等信息的提示卡片,又如当用户进入医院时通常希望手机能够在界面中自动出示二维码,再如当用户进入公司食堂时希望手机能够在界面中自动弹出付款码等。
为了实现场景识别,通常需要电子设备确定所关联的业务以及自身的位置。例如,电子设备中预先关联的某业务触发电子设备进行场景识别时,电子设备定位当前的位置信息,然后将该位置信息发送给云端服务平台。云端服务平台中存储有大量的关于不同场景的场景特征,该云端服务平台根据接收到的位置信息查询对应的位置是否位于目标场景中,并将结果反馈给电子设备。
这种实现方式中,需要电子设备每次都向云端服务平台请求,导致功耗较高,且实时性较差。为此,本申请实施例提供了一种业务场景识别方法,该业务场景识别方法可以实现低功耗的业务场景识别,且可以有效地提高业务场景识别的实时性。
在对本申请实施例提供的业务场景识别方法进行详细介绍前,先对本申请实施例涉及的几种可能的应用场景(例如公司、食堂、电影院、商场、火车站、机场、学校、医院、风景区等场景)进行介绍。本申请实施例以电子设备是手机为例,对几种可能的应用场景进行说明。
在一个示例中,请参阅图1,图1为本申请一示例性实施例示出的一种应用场景的示意图。例如,用户A使用的手机支持规律支付业务,且该用户A在每个工作日的11:45至12:10之间去公司食堂就餐。如图1所示,用户A携带手机在某个工作日的上午11:40时从S1位置向公司食堂移动。在用户A携带手机移动的过程中,手机在亮屏状态下开始进行场景识别,以确定用户A是否进入公司食堂内。之后,当用户A进入公司食堂所在的区域内时,例如用户A移动至如图1所示的S2位置处(如公司食堂门口处),此时手机在主界面中显示带有付款码的卡片,如此用户A即可在购买食物时使用该付款码快速进行支付。
为了便于理解,结合手机的主界面对显示付款码这一过程进行描述。请参阅图2,图2为本申请一示例性实施例示出的一种打开付款码的过程示意图。例如用户A在公司工位上或在前往公司食堂的路上时,手机的主界面如图2中的(a)所示,即在手机的主界面显示的YOYO建议卡片101中显示文件管理图标102。当用户A进入公司食堂所在的区域内时,例如用户A移动至公司食堂门口时,手机向用户推荐付款码快捷卡片。此时,手机的主界面如图2中的(b)所示,即在手机的主界面显示的YOYO建议卡片101中显示付款码图标103。付款码图标103即为快捷方式,用户在购买食物时点击付款码图标103即可快速跳转至三方的付款码界面,如图2中的(c)所示,可基于该付款码界面实现快速付款。支付完成之后,付款码快捷卡片自动消失,手机的主界面如图2中的(d)所示,即在手机的主界面显示的YOYO建议卡片101中显示文件管理图标102。
可选地,付款码快捷卡片也可在手机的主界面的上方显示。例如,在图2中(b)所示的当前显示时间、日期以及星期的地方显示付款码快捷卡片。
在另一个示例中,请参阅图3,图3为本申请另一示例性实施例示出的一种应用场景的示意图。例如,用户A使用的手机支持快捷显示二维码业务,且该用户A在每个工作日的7:25至7:35之间都需要在公交站BS1乘坐公交车至公交站BS2,然后从公交站BS2步行至公司上班。如图3所示,在工作日的7:20时手机开始进行场景识别,当手机确定用户A移动至距离公交站BS1一百米的S3位置处,手机在主界面中显示带有二维码的卡片,如此,用户可以在上车前快速展示二维码。
为了便于理解,结合手机的主界面对显示二维码这一过程进行描述。请参阅图4,图4为本申请一示例性实施例示出的一种打开二维码的过程示意图。例如用户A在前往公交站BS1的路上时,手机的主界面如图4中的(a)所示,即在手机的主界面显示的YOYO建议卡片201中显示文件管理图标202。手机在工作日的7:20时开始进行场景识别,当手机确定用户A移动至距离公交站BS1一百米的S3位置处,向用户推荐二维码快捷卡片。此时,手机的主界面如图4中的(b)所示,即在手机的主界面显示的YOYO建议卡片201中显示二维码图标203。二维码图标203即为快捷方式,用户点击二维码图标203即可快速转至三方的二维码界面。如用户点击二维码图标203后先跳转至如图4中的(c)所示的界面,用户再点击界面中的“我的二维码”控件,跳转至如图4中的(d)所示的二维码界面,可基于该二维码界面向司机快速展示二维码。展示完成后可退出该二维码界面,二维码快捷卡片自动消失,手机的主界面如图4中的(e)所示,即在手机的主界面显示的YOYO建议卡片201中显示文件管理图标202。
可选地,该二维码可以为乘车码。例如,手机的主界面原本显示二维码图标203的位置显示为乘车码图标。乘车码图标即为快捷方式,用户点击乘车码图标即可快速转至三方的乘车码界面。如此,用户可以在上车后直接通过乘车码界面的乘车码进行刷卡。
在又一个示例中,请参阅图5,图5为本申请又一示例性实施例示出的一种应用场景的示意图。例如,用户A使用的手机支持快捷显示购票业务,用户A经常在电影院B看电影。假设用户某天去电影院B看电影,如图5所示,当用户手持手机移动至电影院B门口时,手机自动在负一屏的推荐卡片301中显示电影票购票图标302,电影票购票图标302即为快捷方式,用户点击该电影票购票图标302,手机响应于用户的点击操作,跳转至购票页面,以便于用户基于购票页面购买电影票。
为了便于理解,接下来对本申请实施例涉及的系统架构进行简单介绍。请参考图6,图6是本申请一示例性实施例示出的一种系统架构示意图,该系统架构中包括电子设备400与云端服务平台500。电子设备400与云端服务平台500之间建立有通信连接。
电子设备400能够针对一些业务进行场景识别,以便于在确定自身进入某些特定场景的情况下自动实现一些快捷功能,例如,自动显示二维码卡片、自动显示付款码卡片等。
作为本申请的一个示例,电子设备400具有接入移动通信网络的能力,可以支持至少一个网络类型。示例性地,电子设备400能够支持第三代(third generation,3G网络)、第四代(forth generation,4G)网络、第五代(fifth generation,5G)网络等。本申请实施例提供的电子设备400可以是手机、平板电脑、可穿戴设备、笔记本电脑、上网本、便携式终端等。本申请实施例对电子设备400的具体类型不作任何限制。
云端服务平台500用于基于场景众包采集数据,即采集场景众包数据,学习不同业务对应的场景特征。如此,电子设备400即可根据需求从云端服务平台500中拉取/获取部分场景特征,以便于能够基于所拉取/获取的部分场景特征针对某种业务进行场景识别。
本申请实施例提供的云端服务平台500可以包括服务器,例如云服务器。
可选地,该系统结构在包括电子设备400与云端服务平台500的基础上,还可以包括图商云平台。该图商云平台能够为电子设备400提供定位服务,还可以根据定位结果为云端服务平台500提供场景众包数据等。另外,云端服务平台500还可以从图商云平台中订制/获取POI数据、AOI数据等。
上面对本申请实施例涉及的系统架构进行了简单介绍,下面对本申请实施例涉及的电子设备400的结构进行简单介绍。请参考图7,图7是本申请一示例性实施例示出的电子设备的结构示意图。电子设备400可以包括处理器410,外部存储器接口420,内部存储器421,通用串行总线(universal serial bus,USB)接口430,充电管理模块440,电源管理模块441,电池442,天线1,天线2,移动通信模块450,无线通信模块460,音频模块470,扬声器470A,受话器470B,麦克风470C,耳机接口470D,传感器模块480,按键490,马达491,指示器492,摄像头493,显示屏494,以及用户标识模块(subscriber identification module,SIM)卡接口495等。其中传感器模块480可以包括压力传感器480A,陀螺仪传感器480B,气压传感器480C,磁传感器480D,加速度传感器480E,距离传感器480F,接近光传感器480G,指纹传感器480H,温度传感器480J,触摸传感器480K,环境光传感器480L,骨传导传感器480M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备400的具体限定。在本申请另一些实施例中,电子设备400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410可以包括一个或多个处理单元,例如:处理器410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。
其中,控制器可以是电子设备400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410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410中的存储器为高速缓冲存储器。该存储器可以保存处理器410刚用过或循环使用的指令或数据。如果处理器410需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器410的等待时间,因而提高了系统的效率。
电子设备400的无线通信功能可以通过天线1,天线2,移动通信模块450,无线通信模块460,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。图4中的天线1和天线2的结构仅为一种示例。电子设备400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450可以提供应用在电子设备400上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块450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450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450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450的至少部分功能模块可以被设置于处理器410中。在一些实施例中,移动通信模块450的至少部分功能模块可以与处理器410的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器470A,受话器470B等)输出声音信号,或通过显示屏494显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器410,与移动通信模块450或其他功能模块设置在同一个器件中。
无线通信模块460可以提供应用在电子设备400上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块460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460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410。无线通信模块460还可以从处理器410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。
在一些实施例中,电子设备400的天线1和移动通信模块450耦合,天线2和无线通信模块460耦合,使得电子设备400可以通过无线通信技术与网络以及其他设备通信。无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。可以理解,本申请实施例中,定位或导航系统中的硬件模块可称为定位传感器。
电子设备400通过GPU,显示屏494,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494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410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494用于显示图像,视频等。显示屏494包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备400可以包括1个或N个显示屏494,N为大于1的正整数。
外部存储器接口420可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备400的存储能力。外部存储卡通过外部存储器接口420与处理器410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421可以用于存储计算机可执行程序代码,可执行程序代码包括指令。处理器410通过运行存储在内部存储器421的指令,从而执行电子设备400的各种功能应用以及数据处理。内部存储器421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APP(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备400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421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(universal flash storage,UFS)等。
压力传感器480A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器480A可以设置于显示屏494。压力传感器480A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器480A,电极之间的电容改变。电子设备400根据电容的变化确定压力的强度。当有触摸操作作用于显示屏494,电子设备400根据压力传感器480A检测触摸操作强度。电子设备400也可以根据压力传感器480A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
加速度传感器480E可检测电子设备400在各个方向上(一般为三轴)加速度的大小。当电子设备400静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
可以理解,电子设备还可以包括速度传感器。速度传感器用于获取电子设备的移动速度。
环境光传感器480L用于感知环境光亮度。电子设备400可以根据感知的环境光亮度自适应调节显示屏494亮度。环境光传感器480L也可用于拍照时自动调节白平衡。环境光传感器480L还可以与接近光传感器480G配合,检测电子设备400是否在口袋里,以防误触。具体到本申请实施例的方法中,电子设备400可以根据环境光传感器480L感知环境光亮度进行场景识别,确定电子设备400所在的环境场景(室内场景或室外场景)是否发生变化。
触摸传感器480K,也称“触控面板”。触摸传感器480K可以设置于显示屏494,由触摸传感器480K与显示屏494组成触摸屏,也称“触控屏”。触摸传感器480K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏494提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器480K也可以设置于电子设备400的表面,与显示屏494所处的位置不同。
上面对本申请实施例涉及的电子设备400的结构进行了简单介绍,下面对本申请实施例涉及的软件结构进行简单介绍。请参考图8,图8是本申请一示例性实施例示出的电子设备的软件结构框图。分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,以电子设备400是Android系统为例进行说明,Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。如图8所示,应用程序包可以包括相机、日历、即时通讯、支付、购票、地图、导航、无线局域网(wireless local area networks,WLAN)、音乐、短信息等应用程序。
其中,即时通讯应用程序除了可以用于实现即时通讯业务外,还可以用于实现出示二维码业务、乘车码业务等,例如即时通讯应用程序可以是但不限于等。支付应用程序可以用于实现线上支付业务,例如支付应用程序可以是但不限于/>银联等。购票应用程序可以用于实现购票业务,例如可以包括但不限于用于购买电影票的应用程序、用于购买车票或机票的应用程序等。
应用程序框架层为应用程序层的应用程序提供应用编程接口(ApplicationProgramming Interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
作为本申请的一个示例,应用程序框架层可以包括业务程序模块(也可以称为YOYO建议),用于在电子设备400的屏幕上显示卡片或者控制卡片消失。
可选地,应用程序框架层还可以包括决策模块和感知模块。其中,感知模块用于在感知到其他应用和系统执行某业务时,将产生的业务数据发送给通知决策模块。此外,感知模块还可用于针对某业务进行场景识别。决策模块用于基于业务数据进行业务事件管理,例如基于业务数据向感知模块请求进行场景识别。
可选地,应用程序框架层还可以包括通用采集模块,通用采集模块用于进行环境数据采集。
可选地,应用程序框架层还可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问,这些数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统可以包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序的显示界面,显示界面可以由一个或多个视图组成,比如,包括显示短信通知图标的视图,包括显示文字的视图,以及包括显示图片的视图。
电话管理器用于提供电子设备400的通信功能,例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,例如本地化字符串,图标,图片,布局文件,视频文件等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。例如,通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或滚动条文本形式出现在系统顶部状态栏的通知,比如后台运行的应用程序的通知。通知管理器还可以是以对话窗口形式出现在屏幕上的通知,比如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块,比如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(比如:OpenGL ES),2D图形引擎(比如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
此外,本申请实施例提供的电子设备400还可以包括但不限于无线保真(wirelessfidelity,WiFi)芯片等,WiFi芯片可以用于显示WiFi扫描功能。
上面对本申请实施例涉及的软件结构进行了简单介绍,下面对本申请实施例涉及的采集场景众包数据的过程进行介绍。示例性地,在实施过程中,电子设备400在实现业务时会采集周围环境的环境数据,并将采集的环境数据以及与业务相关的业务数据上报给云端服务平台500。云端服务平台500收集众包采集的环境数据,以及与业务相关的业务数据,并基于所收集的数据进行云计算,以确定不同业务对应的场景特征。如此,电子设备400即可根据实际需求从云端服务平台500中拉取部分场景特征,以针对某业务进行场景识别。
作为本申请的一个示例,请参考图9,图9是本申请一示例性实施例示出的电子设备采集场景众包数据的流程图。电子设备采集场景众包数据的过程可以包括:S601至S604。
S601:电子设备中的第一应用程序执行第一业务。
第一业务为电子设备支持场景识别的多种业务中的任意一种业务,第一应用程序为能够实现第一业务的应用程序。例如,第一业务可以为二维码业务、付款码业务、乘车码业务等,第一应用程序可以为微信应用程序、支付宝应用程序等。
S602:感知模块获取第一业务的业务数据。
示例性地,业务数据可以包括业务类型信息。例如,业务类型信息为pay,此时表示当前进行的第一业务是支付业务。
可选地,在一种可能的实现方式中,业务数据还可包括但不限于第一业务的业务包名、业务附加描述信息、场景识别精度中的一种或者多种。
其中,业务包名用于标识当前进行的第一业务是由哪个应用程序实现的。例如,对于支付业务可能是由微信应用程序实现的,也可能是由支付宝应用程序实现的,还可能是由银联应用程序实现的。
业务附加描述信息可以用于标识一些额外的业务信息。示例性地,业务附加描述信息可以是与第一业务关联的店铺名。例如,在第一业务为支付业务的情况下,业务附加描述信息用于标识第一业务所支付的店铺名。在一个示例中,业务附加描述信息可以是JSON格式的字符串,如
{"payType":"qrcode","payee":"奶茶店"}。
作为本申请的一个示例,业务的场景识别精度包括低、中、高三种。不同业务的场景识别精度通常由业务自身决定。例如,可根据用户的不同需求,预先对不同的业务设定不同的场景识别精度。示例性地,规律支付业务的场景识别精度可以为低精度,二维码业务的场景识别精度可以为中精度,取票业务的场景识别精度可以为高精度。此处仅为示例性说明,对此不做限定。
在一个示例中,感知模块中可以包括多种业务的业务采集插件,每个业务采集插件可以用于感知一种业务,并采集该业务产生的业务数据。例如,感知模块中包括但不限于二维码业务的业务采集插件、乘车码业务的业务采集插件、规律支付业务的业务采集插件、取票业务的业务采集插件、购票业务的业务采集插件等。当电子设备中的某应用程序或者系统实现业务时,对应的业务采集插件即可感知到且获取该业务的业务数据,此外,业务采集插件通知通用采集模块进行环境数据采集。
例如,当电子设备中的微信应用程序出示二维码时,二维码业务对应的业务采集插件即可感知到这一操作,此时二维码对应的业务采集插件获取相关的业务数据,并且通知通用采集模块进行环境数据采集。
S603:感知模块采集电子设备当前的环境数据。
感知模块通过通用采集模块采集环境数据。在一个示例中,环境数据可以包括基站指示信息、经纬度信息、城市编码。
其中,基站指示信息用于唯一标识一个基站,基站指示信息可以包括运营商标识(operator)、小区编号(lac)、基站编号(cellid)。
经纬度信息可以包括经度(longitude)和纬度(latitude),经纬度信息可以通过全球卫星定位系统(global positioning system,GPS)定位或者网络定位的方式确定。其中,网络定位可以是基于基站定位方式确定经纬度信息,也可以是基于基站和无线网络(Wireless Fidelity,WiFi)的方式确定经纬度信息。
城市编码用于唯一标识一个城市。例如城市编码为0755,此时城市编码用于标识深圳。又例如城市编码为029,此时城市编码用于标识西安。城市编码可以通过调用基于定位服务(location based service,LBS)的geo接口获取得到。
在一个示例中,环境数据还可以包括定位精度、数据采集时间、连接的基站强度、定位类型、坐标系类型、设备类型、基站类型中的至少一种。
在一个示例中,在业务的场景识别涉及多个不同区域(例如涉及不同国家)的情况下,环境数据中还可以包括地区名,该地区名用于区分不同区域。
在一个示例中,环境数据还可以包括搜星个数,该搜星个数用于分析电子设备当前处于室内还是室外。
在一个示例中,针对场景识别有中精度需求的业务,环境数据还可以包括相邻基站的信息。相邻基站为与当前连接的基站相邻的基站,相邻基站的信息可以包括相邻基站的基站编号、基站强度等。
作为本申请的一个示例,针对场景识别有高精度需求的业务,环境数据还可以包括WiFi数据,WiFi数据中包括至少一个WiFi标识信息以及每个WiFi标识信息对应的WiFi强度。其中,WiFi标识信息可以用于唯一标识一个WiFi热点。在一个示例中,WiFi标识信息可以包括WiFi物理地址信息和WiFi名称。
S604:感知模块向云端服务平台上报采集数据集合,采集数据集合包括环境数据和业务数据。
示例性地,感知模块在获取业务数据和环境数据后,即可基于业务数据和环境数据生成场景众包数据,场景众包数据包括多个场景采集数据集合,每个场景采集数据集合可以包括经纬度信息、基站信息、WiFi数据以及业务类型信息等。感知模块将生成的场景众包数据发送给云端服务平台,以便于云端服务平台进行云计算。
作为本申请的一个示例,对于每个场景采集数据集合中的各个元素,可以根据需求设置不同的字段类型。示例性地,每个场景采集数据集合中包括的元素及元素的字段类型如表1所示。
表1
需要说明的是,上述是以电子设备按照默认方式进行数据采集为例进行说明。在另一示例中,云端服务平台还可以根据不同业务所需的场景识别精度向电子设备下发不同的采集配置信息,以指示电子设备针对不同业务如何进行数据采集。在一个示例中,请参见表2,采集配置信息可以包括业务类型、采集等级、单天最多采集次数等。
表2
其中,采集等级也即业务的场景识别等级,也即业务的场景识别精度,云端服务平台为电子设备配置采集等级后,使得电子设备获知是否需要采集WiFi数据。例如,在采集等级为低等级(例如为0)的情况下不需要采集WiFi数据,而在采集等级为高等级(例如为2)的情况下,需要采集WiFi数据。
单天最多采集次数表示电子设备针对所配置的业务每天最多进行多少次数据采集。这样可以对电子设备进行数据采集时的功耗进行控制,从而节省了电子设备的采集功耗。
进一步地,请参考表2,采集配置信息还可以包括业务描述信息。业务描述信息用于对业务进行解释说明,便于用户直观查看。例如,业务描述信息可以为定位搭车、规律支付、二维码等。值得说明的是,电子设备在运行第三方应用程序(需要定位操作的应用程序)时,也会产生基站指示信息、经纬度信息、定位精度、WiFi扫描结果(如WiFi列表)等,获取这些应用程序产生的基站指示信息、经纬度信息、定位精度、WiFi扫描结果(如WiFi列表)等,称为定位搭车。
对于类似的电子设备,均可以在实现业务的同时,按照上述流程确定与业务相关的场景众包数据,并将场景众包数据上报给云端服务平台。这样云端服务平台即可通过众包采集的模式得到大量的场景众包数据。在此基础上,云端服务平台即可利用这些场景众包数据学习到不同业务对应的场景特征。
下面对如何利用采集到的这些场景采集数据集合学习不同业务对应的场景特征的过程进行描述。作为本申请的一个示例,请参考图10,图10是本申请一示例性实施例示出的一种学习场景特征的方法流程图。该方法通常由云端服务平台执行,在一种可能的实现方式中,该方法也可由电子设备执行,该方法可以包括S701至S704:
S701:基于地球表面空间数据构建栅格图。
在一个示例中,地球表面空间数据可以包括经纬度信息,可以基于地球表面空间数据中的经纬度信息,通过莫顿编码构建栅格图。可以通俗理解为,将地球表面剖分为栅格图。该栅格图中可以包括多个层级的网格,每个层级的网格均对应一个莫顿码,例如该栅格图中可以包括千米级组粒度网格和百米级细粒度网格。示例性地,通过对物理空间中的位置点的经纬度信息进行莫顿编码,从而将该位置点映射至栅格图的网格中。
为了便于理解,请参考图11,图11是本申请一示例性实施例示出的一种栅格图的示意图。这里假设将基站内的数据和WiFi覆盖范围内的数据映射至栅格图中,则如图11中的(a)所示,虚线内即为基站覆盖范围内的数据,实线内即为WiFi覆盖范围内的数据。对图11中(a)的局部区域放大后,即如图11中的(b)所示,可以看出,在有些栅格内仅包括基站数据,此时可以理解为电子设备在这些栅格内包括的位置点仅连接了覆盖这个栅格的基站;有些栅格内既包括基站数据也包括WiFi数据,此时可以理解为电子设备在这些栅格内包括的位置点处不仅连接了覆盖这个栅格的基站,还连接了覆盖这个栅格的WiFi。
S702:将场景众包数据映射至栅格图中。
场景众包数据可以包括多个场景采集数据集合,每个场景采集数据集合可以通过上述图9所对应的实施例得到,根据前文记载可知,每个场景采集数据集合中可以包括电子设备在实现对应业务时采集的业务数据和环境数据,每个场景采集数据集合与一种业务类型对应,且每个场景采集数据集合中均包括经纬度信息。
作为本申请的一个示例,云端服务平台可以对每个场景采集数据集合中的经纬度信息进行莫顿编码,得到每个场景采集数据集合中的经纬度信息所对应的莫顿码,之后即可基于该莫顿码将每个场景采集数据集合映射至栅格图中。
作为本申请的一个示例,云端服务平台中还可以包括POI数据和AOI数据,POI数据和AOI数据中也均包括经纬度信息。云端服务平台可以根据POI数据中的经纬度信息将POI数据映射至栅格图中,同样也可根据AOI数据中的经纬度信息将AOI数据映射至栅格图中。
例如,某个POI数据携带了“_point”:“POINT(114.064829 22.572986)”。某个AOI数据携带了POLYGON数据:
“_polygon”:“MULTIPOLYGON(((114.064063 22.573102,114.063954
22.572744,114.063946 22.572678,114.063946 22.572652,114.063954
22.572625,114.063964 22.572609,114.064751 22.572433,114.064795
22.572432,114.064893……114.064063 22.573102)))”。
将AOI数据和POI数据分别映射至栅格图中,为了便于理解,请参考图12,图12是本申请一示例性实施例示出的另一种栅格图的示意图。如图12所示,不规则区域的各边经过的网格以及该不规则区域内覆盖的网格所构成的网格集合,即为AOI数据映射在栅格图中的表现,可以理解为AOI数据在栅格图中对应一个网格集合。图11中独立的圆圈即为多个POI数据分别映射在栅格图中的表现,可以理解为一个POI数据在栅格图中对应一个网格。
作为本申请的一个示例,在场景采集数据集合中包括数据采集时间的情况下,云端服务平台可以筛选出最近一段时间内的场景采集数据集合,也即过滤掉距离当前时间较远的场景采集数据集合。之后,将筛选出的场景采集数据集合按照上述方式映射至栅格图中,如此可以使得后续学习到的场景特征是实时有效的。
作为本申请的一个示例,在场景采集数据集合中包括坐标系类型的情况下,如果众包采集的场景采集数据集合涉及不同的坐标系类型(例如GCJ02火星坐标系、BD09百度坐标系以及WGS84地球坐标系),则云端服务平台在对场景采集数据集合进行映射之前,可先将不同类型坐标系下的场景采集数据集合统一至相同类型坐标系下,例如均统一至WGS84地球坐标系下,再将统一坐标系类型后的场景采集数据集合映射至栅格图中,如此可以使得映射结果更准确。
作为本申请的一个示例,在场景采集数据集合中包括场景识别等级的情况下,还可以基于场景识别等级对众包采集的场景采集数据集合进行筛选。具体地,由于某业务的场景识别精度可能发生变化,例如某业务的场景识别精度从低精度提升为高精度,这种情况下如果仍基于低等级的场景采集数据集合进行场景特征学习,容易导致后续场景识别不准确。因此,云端服务平台可以根据场景识别等级从众包采集的场景采集数据集合中筛选出与业务当前的场景识别等级相同的场景采集数据集合,然后将筛选出的场景采集数据集合按照上述方式映射至栅格图中,这种实现方式可以使得后续学习的场景特征能够保证场景识别的有效性和准确性。
作为本申请的一个示例,在场景采集数据集合中还包括定位类型和经纬度信息的精度的情况下,还可以根据定位类型和经纬度信息的精度对一些场景采集数据集合进行筛选。例如过滤掉精度低于精度阈值的场景采集数据集合,从而将一些置信度较低的场景采集数据集合过滤掉,保证后续场景特征学习的有效性和准确性。其中,精度阈值可以根据实际需求进行设置,对此不做限定。
作为本申请的一个示例,在场景采集数据集合中还包括地区名的情况下,可以根据地区名对众包采集的场景采集数据集合进行分组,每组场景采集数据集合对应一个地区名,然后分别以组为维度进行场景特征学习,也即按地区进行学习,从而提升了后续场景特征学习的效率。
S703:确定各个业务对应的场景围栏快照。
示例性地,任意一个业务的场景围栏快照中,可以包括这一个业务在其对应的场景内的场景特征,例如可以包括业务类型信息、场景围栏中心点(即场景围栏的中心点)的经纬度信息、场景围栏半径(即场景围栏的半径)等。
作为本申请的一个示例,上述S703的具体实现方式可以包括S7031至S7035:
S7031:在栅格图中确定属于同属性的点。
属于同属性的点为属于同一属性的场景采集数据集合所对应的点,同属性是指业务类型信息相同且城市编码相同。可以理解为,同属性的点为具有同一业务类型信息且包括相同城市编码的场景采集数据集合所对应的点。
示例性地,以业务类型信息为索引,在栅格图中确定具有同一业务类型信息且包括相同城市编码的场景采集数据集合所对应的点。
作为本申请的一个示例,由于同一种业务可能会涉及不同的城市,因此,云端服务平台可以先以城市编码为维度,对同一种业务类型信息对应的数据进行分桶,以将属于同一城市下的同种业务的数据分至同一个桶内。根据前文记载可知,每个场景采集数据集合中均包括一个业务类型信息(也即tag)和一个城市编码,因此云端服务平台可以以业务类型信息为索引,在栅格图中查询具有相同业务类型信息以及相同城市编码的场景采集数据集合对应的点,以对这些点的数据进行分桶,得到至少一个桶,每个桶对应一个业务类型信息和一个城市编码。之后即可基于每个桶内的数据进行特征学习,以确定每个业务在一个城市内的场景围栏快照。
为了便于理解和描述,接下来以基于任意一个业务类型信息对应的桶内的数据进行特征学习为例进行说明。
S7032:对同属性的点进行聚类,得到第一聚类结果,第一聚类结果包括至少一个簇。
每个同属性的点都有经纬度信息,通过聚类算法对同属性的点进行聚类,得到至少一个簇。也可以理解为,通过聚类算法对一个业务类型信息对应的经纬度信息进行聚类,得到至少一个簇。
示例性地,请参考图13,图13是本申请一示例性实施例示出的数据分布示意图。具体地,图13是根据一示例性实施例示出的这一个业务类型信息对应的桶内的数据在栅格图中分布情况示意图。云端服务平台可以通过聚类算法对该桶内的点的经纬度信息进行聚类,得到至少一个簇,例如如图13所示,得到三个簇。其中,聚类算法可以为空间聚类算法(DBSCAN)。
值得说明的是,游离在簇外的数据可以认为是噪声点,可不对这些数据进行计算。也即通过DBSCAN聚类算法可以将游离在簇外的脏数据过滤掉。
需要说明的是,在使用DBSCAN聚类算法的过程中,邻域半径可以设置为第一预设距离,第一预设距离可以根据实际需求进行设置。例如,第一预设距离可以设置为50米,这就意味着对于任意两个簇来说,在距离最近的两个点之间的距离大于50米的情况下,DBSCAN聚类算法会将这两个点确定为不具有相关性。
一个业务类型信息的场景围栏中心点和场景围栏半径,可以确定出该业务类型信息对应的场景围栏,即确定出一个业务对应的场景围栏。可以理解的是,一个簇对应一个场景围栏,下面对如何确定场景围栏中心点以及场景围栏中心点的经纬度信息进行描述。
S7033:根据第一聚类结果,确定场景围栏中心点的经纬度信息。
示例性地,可以先确定每个簇的场景围栏中心点。例如,对于多个簇中的任意一个簇,云端服务平台可以确定该簇内包括的所有经纬度信息的平均值,从而基于所有经纬度信息的平均值计算得到该簇的中心点(即场景围栏中心点)的经纬度信息。如此,可以确定多个簇中每个簇的中心点(即场景围栏中心点)的经纬度信息。即得到每个业务类型信息的场景围栏中心点的经纬度信息。
S7034:根据第一聚类结果,确定场景围栏半径。
作为本申请的一个示例,在至少一个簇的数量为一个的情况下,将该簇的半径确定为这一个业务类型信息的场景围栏的场景围栏半径。即当簇的数量为一个时,将该簇的半径确定为这一个业务类型信息的场景围栏的场景围栏半径。
作为本申请的一个示例,在至少一个簇的数量为多个的情况下,将每个簇的半径确定为各个簇的业务类型信息对应的场景围栏的场景围栏半径。
S7035:基于场景围栏中心点的经纬度信息、场景围栏半径、业务类型信息和该业务类型信息对应的城市编码,生成场景围栏快照。
示例性地,获取该业务类型信息对应的城市编码,基于这一个业务类型信息对应的场景围栏中心点的经纬度信息、场景围栏半径、这一业务类型信息和其对应的城市编码,生成这一个业务类型信息的场景围栏的场景围栏快照。
在实施过程中,可以根据场景围栏中心点的经纬度信息和场景围栏半径在栅格图中确定场景围栏,之后基于该场景围栏内的数据生成场景围栏快照。作为本申请的一个示例,场景围栏快照中可以包括场景围栏标识、城市编码、场景围栏中心点的经纬度信息(经度信息和纬度信息)、围栏半径、业务类型信息、场景围栏内的莫顿码。
可选地,在场景采集数据集合中还包括业务包名和业务附加描述信息的情况下,还可以在根据城市编码、业务包名以及业务附加描述信息进行分桶,例如针对同一种业务,将发生在同一城市,业务包名以及业务附加描述信息相同的数据划分至同一个桶内。之后,基于每个桶进行内的数据进行聚类。
在一个示例中,如果在该栅格图中该场景围栏内还包括POI和/或AOI,则场景围栏快照中还可包括该POI和/或AOI。
可选地,在场景围栏快照中包括围栏标识、城市编码、场景围栏中心点的经纬度信息(经度信息和纬度信息)、场景围栏半径、业务类型信息、场景围栏内的莫顿码、POI和/或AOI的基础上,场景围栏快照还可以包括WiFi特征。
示例性地,若桶内还包括WiFi数据,则还可以基于桶内的WiFi数据确定该场景围栏中的WiFi特征。根据前文记载可知,WiFi数据可以包括多个WiFi标识信息以及每个WiFi标识信息对应的WiFi强度。在一个示例中,云端服务平台可以确定每个WiFi标识信息在该桶内出现的频次,得到每个WiFi标识信息对应的频次。对于频次低于频次阈值的WiFi标识信息,其可能是场景外的WiFi热点,可以认为是脏数据,因此云端服务平台可以删除频次低于频次阈值的WiFi标识信息及其WiFi强度。其中,频次阈值可以根据需求进行设置,对此不做限定。之后,云端服务平台基于桶内剩余的WiFi标识信息以及剩余WiFi标识信息中每个WiFi标识信息对应的WiFi强度学习该场景围栏中的WiFi特征。
在一个示例中,云端服务平台基于桶内剩余WiFi标识信息列表以及剩余WiFi标识信息列表中每个WiFi标识信息对应的WiFi强度,学习该场景围栏中的WiFi特征具体实现方式可以包括:对于剩余WiFi标识信息列表中的每个WiFi标识信息,云端服务平台确定每个WiFi标识信息对应的WiFi强度的平均强度,确定每个WiFi标识信息对应的每个WiFi强度与每个WiFi标识信息对应的平均强度的强度匹配度,得到多个强度匹配度,按照强度匹配度从小到大的顺序进行排序,从排序后的强度匹配度中获取第n个强度匹配度作为该剩余WiFi标识信息列表的目标匹配度阈值。将剩余WiFi标识信息列表、剩余WiFi标识信息列表中每个WiFi标识信息对应的平均强度和频次、剩余WiFi标识信息列表对应的目标匹配度阈值作为该场景围栏内的WiFi特征。
在一个示例中,云端服务平台在确定每个WiFi强度与每个WiFi标识信息对应的平均强度的强度匹配度时,可以确定每个WiFi强度与每个WiFi标识信息对应的平均强度的海林格距离(Hellinger Distance),然后将得到的数据作为每个WiFi强度与每个WiFi标识信息对应的平均强度的强度匹配度。
可选地,云端服务平台在学习场景围栏内的WiFi特征之前,还可以根据WiFi相似性对该桶内的一些WiFi数据进行过滤。例如云端服务平台可以确定每两个WiFi标识信息的经纬度信息的相似度,然后筛选掉相似度低于相似度阈值的WiFi标识信息。之后,基于筛选后的WiFi数据进行场景特征学习,这样可以提高场景特征学习的有效性和准确性。
作为本申请的一个示例,在采集数据集合中包括电子设备型号的情况下,由于不同型号电子设备的WiFi扫描的稳定性不同,因此,如果场景围栏中包括不同型号的电子设备扫描的WiFi数据,则为了不拉低WiFi扫描稳定性较强的WiFi数据的目标匹配度阈值,云端服务平台可以根据电子设备型号对WiFi数据进行分桶,然后分别基于每个桶内的WiFi数据按照上述方式确定每个桶内的WiFi标识信息列表对应的目标匹配度阈值。不难理解,此时场景围栏中的WiFi特征包括多个WiFi标识信息列表,每个WiFi标识信息列表对应一个目标匹配度阈值。
示例性地,场景围栏快照可以如表3所示,其中,每一行表示一个场景围栏快照。
表3
S704:确定各个基站的基站围栏快照。
示例性地,任意一个基站的基站快照中可以包括这一个基站的城市编码(citycode)、运营商标识(operator)、小区编号(lac)、基站编号(cellID)、经度(longitude)、维度(latitude)、半径(radius)、业务列表(taglist)等。
作为本申请的一个示例,上述S704的具体实现方式可以包括S7041至S7045:
S7041:在栅格图中确定属于同基站的点。
属于同基站的点为属于同一基站的场景采集数据集合所对应的点,同基站是指基站指示信息相同,即运营商标识、小区编号以及基站编号相同。
示例性地,以基站指示信息为索引,在栅格图中确定属于同一基站的场景采集数据集合所对应的点。
作为本申请的一个示例,根据前文记载可知,每个场景采集数据集合中均包括基站指示信息,因此云端服务平台可以以基站指示信息为索引,在栅格图中查询属于同一基站的场景采集数据集合对应的点,基于这些点进行特征学习,以确定每个基站对应的基站快照。
为了便于理解和描述,接下来以属于同一基站的场景采集数据集合对应的点进行特征学习为例进行说明。
S7042:对同基站的点进行聚类,得到第二聚类结果,第二聚类结果包括至少一个簇。
每个同基站的场景采集数据集合对应的点都有经纬度信息,通过聚类算法对同基站的场景采集数据集合对应的点进行聚类,得到至少一个簇。即通过聚类算法对同基站的场景采集数据集合对应的点的经纬度信息进行聚类,得到至少一个簇。其中,聚类算法可以为空间聚类算法(DBSCAN)。
值得说明的是,游离在簇外的数据可以认为是噪声点,可不对这些数据进行计算。也即通过DBSCAN聚类算法可以将游离在簇外的脏数据过滤掉。
需要说明的是,在使用DBSCAN聚类算法的过程中,邻域半径可以设置为第二预设距离,第二预设距离可以根据实际需求进行设置。例如,第二预设距离可以设置为50米,这就意味着对于任意两个簇来说,在距离最近的两个点之间的距离大于50米的情况下,DBSCAN聚类算法会将这两个点确定为不具有相关性。
一个基站对应的基站围栏中心点和基站围栏半径,可以确定出该基站对应的基站围栏。下面对如何确定基站围栏中心点以及基站围栏中心点的经纬度信息进行描述。
S7043:根据第二聚类结果,确定基站围栏中心点的经纬度信息。
示例性地,可以先每个簇的中心点,在确定每个簇的中心点的经纬度信息。计算多个簇的中心点的经纬度信息的平均值,根据该平均值确定该基站的基站围栏中心点,同时确定该基站围栏中心点的经纬度信息。示例性地,对于多个簇中的任意一个簇,云端服务平台可以确定该簇内包括的所有经纬度信息的平均值,从而基于所有经纬度信息的平均值计算得到该簇的中心点的经纬度信息。如此,可以确定多个簇中每个簇的中心点的经纬度信息。
之后,云端服务平台可以根据每个簇的中心点的经纬度信息,计算多个簇的中心点的经纬度信息的平均值,并将多个簇的中心点的经纬度信息的平均值,作为这一基站的基站围栏中心点的经纬度信息。
S7044:根据第二聚类结果,确定基站围栏半径。
作为本申请的一个示例,在至少一个簇的数量为一个的情况下,将该簇的半径确定为这一基站围栏的基站围栏半径。即当簇的数量为一个时,将该簇的半径确定为这一个基站的基站围栏的基站围栏半径。
作为本申请的一个示例,在至少一个簇的数量为多个的情况下,确定基站围栏中心点与多个簇中每个簇的中心点之间的距离,得到多个距离,并根据多个距离确定基站围栏的基站围栏半径。
示例性地,云端服务平台可以基于这一基站的基站围栏中心点的经纬度信息和每个簇的中心点的经纬度信息,计算这一基站的基站围栏中心点与每个簇的中心点之间的距离,如此即可得到多个距离。可以将多个距离中的最大距离作为这一基站的基站围栏半径。在一种可能的实现方式中,也可以是计算多个距离的平均值,将计算得到的平均值作为这一基站的基站围栏半径。
S7045:基于基站围栏中心点的经纬度信息、基站围栏半径、基站指示信息以及该基站对应的城市编码生成基站围栏快照。
从上文可知,基站指示信息用于唯一标识一个基站,基站指示信息可以包括运营商标识、小区编号、基站编号。
示例性地,可以根据基站围栏半径和基站围栏中心点的经纬度信息在栅格图中确定基站围栏,之后基于该基站围栏内的数据生成基站围栏快照。作为本申请的一个示例,基站围栏快照中可以包括基站的城市编码(citycode)、运营商标识(operator)、小区编号(lac)、基站编号(cellID)、经度(longitude)、维度(latitude)、半径(radius)、业务列表(taglist)等。
示例性地,云端服务平台生成的基站快照表4所示,其中,每一行表示一个基站围栏快照:
表4
上述表4中,taglist表示业务列表,是栅格图中的基站围栏内包括的业务类型信息以及业务类型信息对应的场景围栏标识,也即可以先确定栅格图中的基站围栏内包括哪些业务类型信息,然后从场景围栏快照中查询这些业务类型信息对应的场景围栏标识,从而建立该taglist,并将该taglist添加至基站快照中。
可选地,在场景采集数据集合中还包括基站强度的情况下,还可以确定基站围栏中的基站强度分布信息,并在基站快照中携带基站强度分布信息,以便于后续在场景识别时可以根据基站强度分布信息以及电子设备当前所连接基站的基站强度,确定电子设备的位置,提高定位精度,从而提高场景识别的准确性。
作为本申请的一个示例,云端服务平台在场景特征学习后,可以以可视图的形式展示栅格图中的数据分布情况,且在展示时可以针对每个基站标识出基站类型,例如是4G或5G类型等,以便于技术人员等可以在可视图中直观查看不同类型网络的分布情况。
作为本申请的一个示例,云端服务平台可以周期性地进行场景特征学习和更新,周期时长可以根据实际需求进行设置,例如周期时长可以是一天、一周或者一个月等,本申请实施例对此不作限定。
上面对如何利用采集到的场景采集数据集合学习不同业务对应的场景特征的过程进行了描述,下面对本申请实施例涉及的缓存场景特征的过程进行描述。
在云端服务平台存储有场景特征的基础上,电子设备可以从云端服务平台中下载场景特征。由于全量的场景特征的数据量较大,为了提升下载场景特征时的时效性,减少流量,降低电子设备的运行功耗,减少占用的存储空间,电子设备可以根据业务需求获取部分的场景特征。
作为本申请的一个示例,针对支持场景识别的各个业务,云端服务平台可以配置各个业务的特征更新配置信息,然后将各个业务的特征更新配置信息下发给电子设备,使得电子设备根据各个业务的特征更新配置信息确定针对各个业务的场景特征更新方式,也即使得电子设备根据业务需求从云端服务平台中获取部分的场景特征,从而减小下载数据量。
在一个示例中,电子设备向云端服务平台发送的特征获取请求,该特征获取请求中可以包括城市编码。相应地,云端服务平台从全量的场景特征中获取包括该城市编码的基站围栏快照集合。基站围栏快照集合中包括各个业务类型信息对应的场景围栏标识。之后,根据所获取的各个基站围栏快照集合中各个业务类型信息对应的场景围栏标识,获取各个场景围栏标识对应的场景围栏快照,得到场景围栏快照集合。云端服务平台将所获取的数据(即基站围栏快照集合和场景围栏快照集合)发送给电子设备。对于电子设备来说,在接收到云端服务平台发送的数据后,将其存于数据库中,例如存储在本地数据库中。
在一个示例中,该特征获取请求中可以包括城市编码和目标业务的业务类型信息。相应地,云端服务平台从全量的场景特征中获取包括该城市编码和该业务类型信息的基站围栏快照集合。基站围栏快照集合中包括各个业务类型信息对应的场景围栏标识。之后,根据所获取的各个基站围栏快照集合中各个业务类型信息对应的场景围栏标识,获取各个场景围栏标识对应的场景围栏快照,得到场景围栏快照集合。云端服务平台将所获取的数据(即基站围栏快照集合和场景围栏快照集合)发送给电子设备。电子设备在接收到云端服务平台发送的数据后,将其存于数据库中。
在一个示例中,特征获取请求在包括城市编码和目标业务的业务类型信息的基础上,还可以携带电子设备连接过的基站的基站指示信息,如此,云端服务平台从全量的场景特征中获取包括该城市编码和该业务类型信息的基站围栏快照集合后,从获取的基站围栏快照集合中筛选出包括该基站指示信息的基站围栏快照集合,这些筛选出的包括该基站指示信息的基站围栏快照集合中包括各个业务类型信息对应的场景围栏标识。根据所筛选出的各个基站围栏快照集合中各个业务类型信息对应的场景围栏标识,获取各个场景围栏标识对应的场景围栏快照,得到场景围栏快照集合。云端服务平台将筛选出的基站围栏快照集合和场景围栏快照集合发送给电子设备。电子设备在接收到云端服务平台发送的基站围栏快照集合和场景围栏快照集合后,将其存于数据库中。
为了便于理解,请参考图14,图14是本申请一示例性实施例示出的缓存场景特征的示意图。若电子设备当前的位置到达一个新的城市,也即电子设备中未存储有该新的城市的场景特征,则可以根据根据电子设备的当前位置,实时地从云端服务平台中获取当前位置的附近区域的场景特征。
如图14所示的(a)区域,在栅格图中以电子设备的当前位置为中心,向周边扩展若干个(如2048*2048)网格,作为待下载范围。在一种实现方式中,将这些网格中覆盖的数据(即基站围栏快照集合和场景围栏快照集合)都下载到电子设备。在另一种实现方式中,如图14所示的(b)区域,根据业务需求(如电子设备连接过的基站的基站指示信息)在待下载范围中筛选出深灰色的网格,将这些深灰色的网格中覆盖的数据(即基站围栏快照集合和场景围栏快照集合)作为实际下载的范围中的数据,并下载到电子设备中。
在一个示例中,若电子设备每到达一个新的位置后,如果该位置距离原位置已超过预设距离,则为了确保电子设备侧业务的召回率,电子设备可以将当前的经纬度信息和上一次定位的经纬度信息发送给云端服务平台。其中,预设距离可以根据实际需求进行设置,例如,预设距离可以为1000米。相应地,云端服务平台根据上一次的经纬度信息和当前的经纬度信息,去除场景特征的交集数据,并将范围内的场景特征发送给电子设备侧。对于电子设备侧来说,保留交集部分数据,并将电子设备侧下发的新场景特征写入数据库中。如此,可以节省下载流量,也即节省在线实时下载功耗,电子设备侧也可以减少数据库的擦写。
如图14所示的(c)区域,电子设备侧从原位置移动到了当前位置(这里的当前位置指新的位置),在栅格图中以电子设备的当前位置为中心,向周边扩展若干个(如2048*2048)网格,作为新的待下载范围。如图14所示的(d)区域,根据业务需求(如电子设备连接过的基站的基站指示信息)在新的待下载范围中筛选出灰色的网格,将这些灰色的网格中覆盖的数据(即基站围栏快照集合和场景围栏快照集合)作为本应下载的范围中的数据。如图14所示的(e)区域,原位置对应的下载范围和当前位置对应的下载范围有交集部分(命中缓存部分),去除交集数据后,将其余灰色的网格中覆盖的数据(即基站围栏快照集合和场景围栏快照集合)作为实际下载的范围中的数据,并下载到电子设备中。
上面对本申请实施例涉及的缓存场景特征的过程进行了描述,下面对本申请实施例涉及的业务场景识别方法进行描述。请参考图15,图15是本申请一示例性实施例示出的一种业务场景识别方法的流程图,该方法可以包括:
S801:在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息。
S802:基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内。
该基站信息包括目标运营商标识、目标小区编号以及目标基站编号,该场景识别请求用于请求识别电子设备是否位于与目标业务关联的目标场景内。该场景特征数据包括至少一个基站围栏快照,该基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号。
示例性地,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,根据电子设备当前接入的基站的基站信息和场景特征数据中的一个或多个基站围栏快照,确定电子设备是否位于目标场景内。例如,当基站信息中的目标运营商标识、目标小区编号以及目标基站编号与某个基站围栏快照中的运营商标识、小区编号以及基站编号相同时,确定电子设备位于目标场景内。
该业务场景识别方法中,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,基于场景特征数据与基站信息进行场景识别,以确定电子设备是否位于目标场景内。其中,场景特征数据包括至少一个基站围栏快照,基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号,基站信息包括目标运营商标识、目标小区编号以及目标基站编号。显然,基于场景特征数据与基站信息进行场景识别,是对基站围栏快照中的运营商标识、小区编号、基站编号和基站信息中的目标运营商标识、目标小区编号、目标基站编号进行对比,也就是说,本方法是通过基站信息与基站围栏快照之间的比较,确定电子设备是否位于目标场景内。在进行业务场景识别的过程中,采用的是基站信息,无需请求云端服务平台获取位置,且相对于相关技术中采用GPS定位来说,基站定位的功耗小于GPS定位的功耗。本方法中也无需与云端服务平台中的数据比较,从而降低了电子设备的功耗,提升了实时性。
作为本申请的一个示例,业务的场景识别精度可以包括低、中、高三种。不同业务的场景识别精度通常由业务自身决定。例如,可根据用户的不同需求,预先对不同的业务设定不同的场景识别精度。示例性地,规律支付业务的场景识别精度可以为低精度,二维码业务的场景识别精度可以为中精度,取票业务的场景识别精度可以为高精度。此处仅为示例性说明,对此不做限定。
在一个示例中,业务的场景识别精度为低精度,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,根据电子设备当前接入的基站的基站信息和基站围栏快照集合,确定电子设备是否位于与目标业务关联的目标场景内。其中,电子设备当前接入的基站信息可以包括目标运营商标识、目标小区编号以及目标基站编号,目标业务为场景识别精度为低精度的业务。且从上面的描述可知,电子设备中存储了基站围栏快照集合,基站围栏快照集合包括多个基站围栏快照。
电子设备会一直进行Cell-ID定位,当电子设备为安卓手机时,通过安卓手机自带的telephonyManager可以感知/监测基站的切换。示例性地,通过Cell-ID定位可以获取到电子设备当前接入的基站的基站信息。在基站围栏快照集合中查找是否有与该基站信息匹配的基站围栏快照,若在基站围栏快照集合中查找到与该基站信息匹配的基站围栏快照,则确定电子设备当前位于与目标业务关联的目标场景内。若在基站围栏快照集合中未查找到与该基站信息匹配的基站围栏快照,则确定电子设备当前不位于与目标业务关联的目标场景内。
例如,规律支付业务的场景识别精度为低精度,也就是说本实施方式中目标业务为规律支付业务。通过Cell-ID定位获取到电子设备当前的目标运营商标识、目标小区编号以及目标基站编号,在基站围栏快照集合中查找到某个基站围栏快照中的operator、lac以及cellID,与电子设备当前的目标运营商标识、目标小区编号以及目标基站编号相同,则确定电子设备当前位于与规律支付业务关联的目标场景内。此时,电子设备的显示界面中显示付款码快捷卡片,如此用户即可使用该付款码快捷卡片实现快速支付。
又例如,未在基站围栏快照集合中查找到某个基站围栏快照中的operator、lac以及cellID,与电子设备当前的目标运营商标识、目标小区编号以及目标基站编号相同,则确定电子设备当前不位于与规律支付业务关联的目标场景内。此时,电子设备的显示界面中也不会显示付款码快捷卡片。电子设备会继续进行Cell-ID定位,并重复执行上述过程,以确定电子设备是否位于与规律支付业务关联的目标场景内。
在这种实现方式中,对于场景识别精度为低精度的业务,只要电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,或者说只要电子设备的基站信息与低精度特征内的与基站围栏快照集合有交集,即可识别电子设备进入场景识别精度为低精度的业务场景内,低时延,即实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。其中,若基站围栏快照中包括的业务类型信息代表的业务的场景识别精度为低精度,则可称该基站围栏快照符合低精度特征。
在低精度的业务场景识别过程中,一方面,电子设备采用Cell-ID定位的功耗要小于采用GPS定位的功耗,因此采用电子设备的基站信息与基站围栏快照集合匹配的方式,识别电子设备是否进入场景识别精度为低精度的业务场景内,节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
在一个示例中,当业务的场景识别精度为低精度时,除了根据电子设备当前接入的基站的基站信息和基站围栏快照集合确定电子设备是否位于与目标业务关联的目标场景内,还可根据电子设备当前的位置信息和目标区域确定电子设备是否位于与目标业务关联的目标场景内。其中,电子设备当前的位置信息用于表征电子设备当前的位置,电子设备当前的位置信息可以包括经度信息和纬度信息。目标区域为实现目标业务的目的地所对应的区域,目标区域通过目的地的中心点和目的地对应的半径确定。可以理解的是,目的地在现实环境中通常表现为一个区域,因此其有对应的中心点和半径。
示例性地,获取目标区域。例如,电子设备中存储了场景围栏快照集合,场景围栏快照集合包括多个场景围栏快照。监听到的目标业务的场景识别请求中可以携带业务类型信息,在场景围栏快照集合中可以确定出与该业务类型信息匹配的一个或多个场景围栏快照。每个场景围栏快照中包括经度信息、纬度信息以及场景围栏半径,根据经度信息、纬度信息以及场景围栏半径确定出每个场景围栏快照对应的目标区域。
可选地,在一种可能的实现方式中,每个场景围栏快照还可以包括POI,场景识别请求中还可以携带POI数据。若在场景围栏快照集合中确定出与该业务类型信息匹配的多个场景围栏快照,则根据该POI数据以及场景围栏快照中包括的POI,在初次确定的多个场景围栏快照中再次确定出一个场景围栏快照。之后,根据最终确定的该场景围栏快照中包括的经度信息、纬度信息以及场景围栏半径,确定出该场景围栏快照对应的目标区域。
示例性地,可以通过GPS方式获取电子设备当前的位置信息,也可以通过定位搭车的方式获取电子设备当前的位置信息。根据电子设备当前的位置信息和目标区域,判断电子设备当前的位置是否在目标区域内。通俗理解为,通过电子设备的经度信息和纬度信息确定了一个点,判断该点是否在目标区域内。若电子设备当前的位置在目标区域内,则确定电子设备当前位于与目标业务关联的目标场景内。若电子设备当前的位置不在目标区域内,则确定电子设备当前不位于与目标业务关联的目标场景内。
在这种实现方式中,电子设备的基站信息未与基站围栏快照集合中的任一个基站围栏快照匹配前,可通过电子设备当前的位置信息和目标区域判断电子设备当前的位置是否在目标区域内,从而识别电子设备是否进入场景识别精度为低精度的业务场景内,为低精度的业务场景识别的冷启动提供了支持。
在一个示例中,业务的场景识别精度为中精度,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,根据电子设备当前接入的基站的基站信息、获取的电子设备当前的位置信息、基站围栏快照集合以及场景围栏快照集合,确定电子设备是否位于与目标业务关联的目标场景内。值得说明的是,这里的目标业务指场景识别精度为中精度的业务。电子设备中存储了基站围栏快照集合和场景围栏快照集合,基站围栏快照集合包括多个基站围栏快照,场景围栏快照集合包括多个场景围栏快照。
示例性地,通过Cell-ID定位获取到电子设备的基站信息,在基站围栏快照集合中查找是否有与该基站信息匹配的基站围栏快照,若在基站围栏快照集合中查找到与该基站信息匹配的基站围栏快照,则获取该基站围栏快照包括的业务列表。该业务列表中包括业务类型信息以及业务类型信息对应的场景围栏标识,根据场景围栏标识可以在场景围栏快照集合中查找到一个或多个场景围栏快照。根据场景围栏快照中包含的经度信息和纬度信息,可以确定出一个中心点,再根据该中心点以及场景围栏快照中包含的场景围栏半径确定出该场景围栏快照对应的围栏区域。通过GPS方式获取电子设备当前的位置信息,并根据电子设备当前的位置信息和场景围栏快照对应的围栏区域,判断电子设备当前的位置是否在该围栏区域内,从而确定电子设备是否位于与目标业务关联的目标场景内。
在根据场景围栏标识在场景围栏快照集合中查找到一个场景围栏快照的情况下,根据该场景围栏快照中包含的经度信息、纬度信息以及场景围栏半径确定出该场景围栏快照对应的围栏区域。获取电子设备的位置信息,基于该位置信息确定电子设备的位置,判断电子设备当前的位置是否在该围栏区域内,若电子设备当前的位置在该围栏区域内,则确定电子设备位于与目标业务关联的目标场景内。若电子设备当前的位置不在该围栏区域内,则确定电子设备不位于与目标业务关联的目标场景内。
可选地,在一种可能的实现方式中,当确定电子设备位于与目标业务关联的目标场景内时,在电子设备的显示界面中显示与目标业务(场景识别精度为中精度的业务)相关的快捷卡片,如此用户即可使用该快捷卡片实现该目标业务。当确定电子设备不位于与目标业务关联的目标场景内时,此时,电子设备的显示界面中也不会显示该快捷卡片。电子设备会重复执行判断的过程,以确定电子设备是否位于与目标业务关联的目标场景内。
在根据场景围栏标识在场景围栏快照集合中查找到多个场景围栏快照的情况下,若检测到POI数据,则根据该POI数据在多个场景围栏快照中,查找与该POI数据匹配的场景围栏快照。例如,在多个场景围栏快照中查找某个包含了与该POI数据相同的POI的场景围栏快照。确定查找到的该场景围栏快照对应的围栏区域,根据获取的电子设备的位置信息,判断电子设备当前的位置是否在该围栏区域内。这样可以快速确定与目标业务相关的场景围栏快照的围栏区域,无需用电子设备当前的位置与每个围栏区域都比较,从而提升了业务场景识别的速度。
在根据场景围栏标识在场景围栏快照集合中查找到多个场景围栏快照的情况下,若未检测到POI数据,则根据每个场景围栏快照中包含的经度信息、纬度信息以及场景围栏半径确定出每个场景围栏快照对应的围栏区域。根据获取的电子设备的位置信息,若确定电子设备当前的位置在任意一个围栏区域内,即确定电子设备位于与目标业务关联的目标场景内,适用性更广。
在这种实现方式中,对于场景识别精度为中精度的业务,当电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,即可识别电子设备进入场景识别精度为中精度的业务场景内,实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。且当电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配时,就检测电子设备当前的位置是否在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,或者说只要电子设备的基站信息与中精度特征内的与基站围栏快照集合有交集,就开始中精度的业务场景识别,有效避免了中精度的业务场景识别的功耗浪费。其中,若基站围栏快照中包括的业务类型信息代表的业务的场景识别精度为中精度,则可称该基站围栏快照符合中精度特征。
在中精度的业务场景识别过程中,一方面,在前期采用Cell-ID定位(即未与场景围栏快照匹配前采用Cell-ID定位),无需整个过程都采用GPS定位,节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
在一个示例中,业务的场景识别精度为高精度,在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,根据电子设备当前接入的基站的基站信息、获取的电子设备当前的位置信息、电子设备当前对应的WiFi列表、基站围栏快照集合以及场景围栏快照集合,确定电子设备是否位于与目标业务关联的目标场景内。其中,WiFi列表中可以包括至少一个WiFi标识信息和每个WiFi标识信息对应的WiFi强度,其中,WiFi标识信息可以包括WiFi物理地址信息和WiFi名称。值得说明的是,这里的目标业务指场景识别精度为高精度的业务。电子设备中存储了基站围栏快照集合和场景围栏快照集合,基站围栏快照集合包括多个基站围栏快照,场景围栏快照集合包括多个场景围栏快照,场景围栏快照中包括WiFi特征。
示例性地,通过Cell-ID定位获取到电子设备的基站信息,在基站围栏快照集合中查找是否有与该基站信息匹配的基站围栏快照,若在基站围栏快照集合中查找到与该基站信息匹配的基站围栏快照,则通过该基站围栏快照中的场景围栏标识确定基站围栏快照。根据场景围栏快照中包含的经度信息、纬度信息以及场景围栏半径确定出该场景围栏快照对应的围栏区域。通过GPS方式获取电子设备当前的位置信息,并根据电子设备当前的位置信息和场景围栏快照对应的围栏区域,判断电子设备当前的位置是否在该围栏区域内。若电子设备当前的位置在该围栏区域内,则获取电子设备当前的WiFi列表。判断WiFi列表与该场景围栏快照中的WiFi特征是否匹配,若WiFi列表与该场景围栏快照中的WiFi特征匹配,则确定电子设备位于与目标业务关联的目标场景内。若WiFi列表与该场景围栏快照中的WiFi特征不匹配,则确定电子设备不位于与目标业务关联的目标场景内。
判断WiFi列表与该场景围栏快照中的WiFi特征是否匹配,可以包括:WiFi列表中的WiFi标识信息以及每个WiFi标识信息对应的WiFi强度,与WiFi特征中WiFi标识信息列表中的每个WiFi标识信息以及每个WiFi标识信息对应的WiFi强度相同,确定WiFi列表与该场景围栏快照中的WiFi特征匹配。
判断WiFi列表与该场景围栏快照中的WiFi特征是否匹配,还可以包括:确定电子设备当前的WiFi列表对应的匹配度阈值,当WiFi列表中的WiFi标识信息与WiFi特征中WiFi标识信息列表中的WiFi标识信息的相似度大于或等于预设相似度阈值,且WiFi列表对应的匹配度阈值大于或等于WiFi特征中的目标匹配度阈值,则确定WiFi列表与该场景围栏快照中的WiFi特征匹配。其中,预设相似度阈值可以设定为50%、60%、70%等,确定当前的WiFi列表对应的匹配度阈值的过程,可以参考前述确定WiFi特征过程中的相关描述,此处不再赘述。
判断WiFi列表与该场景围栏快照中的WiFi特征是否匹配,还可以包括:确定WiFi列表中每个WiFi强度对应的强度匹配度。当WiFi列表中的WiFi标识信息与WiFi特征中WiFi标识信息列表中的WiFi标识信息的相似度大于或等于预设相似度阈值,且WiFi列表中每个WiFi强度对应的强度匹配度,大于或等于WiFi特征中每个WiFi强度对应的强度匹配度,则确定WiFi列表与该场景围栏快照中的WiFi特征匹配。其中,确定WiFi列表中每个WiFi强度对应的强度匹配度的过程,可以参考前述确定WiFi特征过程中的相关描述,此处不再赘述。这三种判断WiFi列表与该场景围栏快照中的WiFi特征是否匹配的方式,提升了匹配结果的准确性,有利于提升业务场景识别的准确性。
在这种实现方式中,对于场景识别精度为高精度的业务,当电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,且WiFi列表与该场景围栏快照中的WiFi特征匹配,即可识别电子设备进入场景识别精度为高精度的业务场景内,实时性高。基于此,可立即为用户推荐快捷卡片,提高了电子设备的智能性,满足了用户的使用需求,提高了用户体验。且只要电子设备的基站信息与高精度特征内的与基站围栏快照集合有交集,就开始高精度的业务场景识别,有效避免了高精度的业务场景识别的功耗浪费。其中,若基站围栏快照中包括的业务类型信息代表的业务的场景识别精度为高精度,则可称该基站围栏快照符合高精度特征。
在高精度的业务场景识别过程中,一方面,在前期采用Cell-ID定位(即未与场景围栏快照匹配前采用Cell-ID定位),后期采用GPS定位和扫描WiFi,在保持识别精准度的同时节省了功耗。另一方面,在业务场景识别过程中不需要请求云端服务平台,也节省了功耗。
可选地,在一种可能的实现方式中,当业务的场景识别精度为高精度时,若先检测到WiFi列表与某个场景围栏快照中的WiFi特征匹配,则可直接识别电子设备进入场景识别精度为高精度的业务场景内,而不用再去匹配基站围栏快照以及场景围栏快照。这种实现方式,提升了业务场景识别的实时性,节省了前期定位所需的功耗。
可选地,在一种可能的实现方式中,当业务的场景识别精度为高精度时,若检测到WiFi列表与目标场景围栏快照(通过匹配的基站围栏快照中的场景围栏标识确定的场景围栏快照)的WiFi特征不匹配,可使用WiFi搭车技术获取WiFi扫描结果。其中,使用WiFi搭车技术获取WiFi扫描结果是指,获取系统或第三方应用程序产生的WiFi扫描结果,该WiFi扫描结果可以包括WiFi列表。若检测到系统或第三方应用程序产生的WiFi列表与目标场景围栏快照的WiFi特征匹配,则确定电子设备位于目标场景内。这种实现方式中,在WiFi列表与WiFi特征没有交集时,利用WiFi搭车技术获取WiFi相关数据,不用单独进行WiFi扫描,有效地节省了功耗。
上面对识别电子设备是否进入与目标业务关联的目标场景内进行了描述,下面对识别电子设备离开与目标业务关联的目标场景进行描述。
在一个示例中,当业务的场景识别精度为低精度时,可以通过电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,确定电子设备位于与目标业务关联的目标场景内。在电子设备进入该目标场景后,若电子设备的基站信息不再与该基站围栏快照匹配,可识别电子设备离开该目标场景,这种实现方式实时性高。
可选地,在一种可能的实现方式中,在电子设备进入该目标场景后,若电子设备的基站信息不再与该基站围栏快照匹配,获取电子设备的位置信息。例如,通过GPS方式获取电子设备当前的位置信息。根据电子设备当前的位置信息和目标区域,判断电子设备当前是否真正离开了该目标场景。若电子设备当前的位置不在目标区域内,则确定电子设备当前真正离开了该目标场景。若电子设备当前的位置还在目标区域内,则确定电子设备当前未离开该目标场景。这种实现方式,可以有效避免误识别,提升业务场景识别的准确度,即准确地判断出电子设备是否真正离开与目标业务关联的目标场景,进而给用户带来更好的体验。
在一个示例中,业务的场景识别精度为中精度时,通过电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,即确定电子设备进入场景识别精度为中精度的业务场景内。在电子设备进入该业务场景后,若检测到电子设备的位置不在该围栏区域内,则确定电子设备当前真正离开了该业务场景。这种实现方式,可以有效避免误识别,提升业务场景识别的准确度,即准确地判断出电子设备是否真正离开了该业务场景,进而给用户带来更好的体验。
在一个示例中,业务的场景识别精度为高精度时,电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,且电子设备当前的位置在某个场景围栏快照(通过该基站围栏快照中的场景围栏标识确定的场景围栏快照)对应的围栏区域内,且WiFi列表与该场景围栏快照中的WiFi特征匹配,识别电子设备进入目标场景内。在电子设备进入该目标场景后,若检测到WiFi列表与该场景围栏快照中的WiFi特征不匹配,可识别电子设备离开该目标场景,这种实现方式实时性高。
可选地,在一种可能的实现方式中,在电子设备进入该目标场景后,若检测到WiFi列表与该场景围栏快照中的WiFi特征不匹配,获取电子设备的位置信息。根据电子设备当前的位置信息和围栏区域,判断电子设备当前是否真正离开了该目标场景。若电子设备当前的位置不在围栏区域内,则确定电子设备当前真正离开了该目标场景。若电子设备当前的位置还在围栏区域内,则确定电子设备当前未离开该目标场景。这种实现方式,可以有效避免误识别,提升业务场景识别的准确度,即准确地判断出电子设备是否真正离开与目标业务关联的目标场景,进而给用户带来更好的体验。
本申请实施例还提供了一种根据用户当前的运动状态预测下一次定位时间的方法,下面对该方法进行描述。作为本申请的一个示例,请参考图16,图16是本申请一示例性实施例示出的一种预测下一次定位的时间的方法流程图。该方法可以包括:
S901:获取用户当前的运动状态。
示例性地,可以通过电子设备中的加速度传感器、陀螺仪传感器等传感器,再结合可以实现姿态学习的网络模型对用户当前的姿态进行分析,得到用户当前的运动状态。用户当前的运动状态可以包括步行状态、跑步状态、快走状态、车行状态等。
S902:根据运动状态确定用户当前的第一运动速度。
根据用户当前的运动状态评估用户当前的第一运动速度。可以预先建立不同的运动状态与不同的运动速度之间的对应关系,基于该对应关系确定用户当前的运动速度。例如,运动状态为步行状态时,运动速度可以为1米/秒,运动状态为车行状态时,第一运动速度可以为10米/秒。也可以通过至少两次定位确定用户当前的第一运动速度,例如,获取两次定位之间的时间间隔,获取两次定位的两个位置之间的距离,根据该时间间隔和该距离,确定用户当前的第一运动速度。此处仅为示例性说明,对此不做限定。
可选地,在一种可能的实现方式中,在用户行进的过程中,可以根据历史定位刷新用户当前的第一运动速度。例如,获取历史定位与最近一次定位之间的时间间隔,获取两次定位的两个位置之间的距离,根据该时间间隔和该距离,刷新用户当前的第一运动速度。这样可以保证确定的用户当前的运动速度更准确,有利于后续准确地确定下一次定位的定位时间,减少定位次数,从而节省功耗。
S903:根据目标业务确定实现目标业务的目的地,并确定用户当前位置与目的地之间的第一距离。
在一个示例中,根据目标业务确定实现目标业务的目的地可以包括:监听到的目标业务的场景识别请求中可以携带业务类型信息和POI数据。该业务类型信息用于表示目标业务的业务类型,POI数据表示目的地。根据业务类型信息和携带POI数据,可以在场景围栏快照集合中确定出一个场景围栏快照。该场景围栏快照包括经度信息、纬度信息以及场景围栏半径。通过经度信息、纬度信息以及场景围栏半径可以构成一个围栏区域,该围栏区域即表示目的地对应的目标区域,那么,经度信息和纬度信息即表示目的地对应的目标区域的中心点,场景围栏半径表示目的地对应的目标区域的半径。
若当前电子设备的基站信息未与基站围栏快照集合中任何基站围栏快照匹配,即未在基站围栏快照集合中查找到与电子设备当前接入的基站的基站信息匹配的基站围栏快照,则获取用户当前位置,即获取用户当前的位置信息。可以理解的是,用户携带电子设备移动的过程中,电子设备的位置与用户的位置几乎一致,因而获取电子设备的当前位置也即获取到了用户的当前位置。
可以通过用户的当前位置的经纬度信息和目的地对应的中心点的经纬度信息,计算用户的当前位置和目的地之间的距离差值,将距离差值再减去场景围栏半径(即目的地对应的目标区域的半径)得到的结果为用户当前位置与目的地之间的第一距离。
为了便于理解,请参考图17,图17是本申请一示例性实施例示出的一种预测时间的应用场景示意图。如图17中的(a)所示,S4表示用户的当前位置,在这里电子设备的基站信息未与基站围栏快照集合中任何基站围栏快照匹配,目的地所在地有对应的目标区域(围栏区域),在这里电子设备的位置信息可以与某个场景围栏快照匹配。可以理解的是,只要用户移动至该目标区域的边缘,即可识别电子设备进入目标场景内,因此,在计算第一距离时,需要减去场景围栏半径。
可选地,在一种可能的实现方式中,若当前电子设备的基站信息与基站围栏快照集合中的某个基站围栏快照匹配,则获取该基站围栏快照中的基站围栏中心点的经纬度信息和基站围栏半径。此时,基站围栏中心点的经纬度信息可用于表示用户当前的位置,通过基站围栏中心点的经纬度信息和目的地对应的中心点的经纬度信息,计算两点之间的距离差值,将距离差值再减去场景围栏半径(即目的地对应的目标区域的半径)得到的结果为用户当前位置与目的地之间的第一距离。
为了便于理解,请参考图17中的(b),左边的圆形区域表示与电子设备的基站信息匹配的基站围栏快照所对应的基站围栏,S5表示根据基站围栏快照确定的用户的当前位置。右边的圆形区域表示目的地所在地对应的目标区域(围栏区域),在这里电子设备的位置信息可以与某个场景围栏快照匹配。可以理解的是,只要用户移动至该目标区域的边缘,即可识别电子设备进入目标场景内,同理,在计算第一距离时,需要减去场景围栏半径。
S904:根据用户当前的第一运动速度和第一距离,预测下一次定位的时间。
计算第一距离和当前的第一运动速度之间的商,得到的值即为下一次定位的时间。例如,目的地为公司,计算得到用户当前位置和公司之间的第一距离为2000米,用户当前的第一运动速度为1米/秒,2000秒后用户会移动至公司所对应的目标区域,那么预测下一次定位的时间为2000秒后。在用户行进的过程中可以不采用GPS方式定位,2000秒后通过定位获取用户的最新位置信息,根据最新位置信息可判断用户是否进入目标场景内。
值得说明的是,上述S901至S904中的方法可适用于场景识别精度为不同精度的业务场景识别中。
这种实现方式中,根据用户当前的运动状态评估运动速度,进而根据运动速度以及到目的地之间的距离预测下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,大大减少了定位次数,降低了功耗。
本申请实施例还提供了一种刷新下一次定位的时间的方法,该方法可以包括:用户在行进过程中,电子设备会一直进行Cell-ID定位,若通过某次获取到的电子设备当前接入的基站的基站信息匹配到了某个基站围栏快照,则获取该基站围栏快照的基站围栏中心点的经纬度信息和基站围栏半径。根据该基站围栏中心点的经纬度信息和基站围栏半径,确定用户的当前位置与目的地之间的第二距离,根据用户当前的运动状态预测用户的第二运动速度。计算第二距离与前述计算第一距离的方法,以及预测第二运动速度与前述预测第一运动速度的方法相同,此处不再赘述。根据第二运动速度和第二距离,更新下一次定位的时间。
为了便于理解,请参考图18,图18是本申请一示例性实施例示出的另一种预测时间的应用场景示意图。用户在行进过程中,可能会匹配到若干个基站围栏快照,这些基站围栏快照可能是用户此前匹配过的基站围栏快照,也可能是本次行进过程中新匹配上的基站围栏快照。每个基站围栏快照在图18中表现为一个基站围栏,最右边的圆形区域表示目的地所在地对应的目标区域(围栏区域),在这里电子设备的位置信息可以与某个场景围栏快照匹配。
例如,目的地为公司。如图18所示,用户起点处于第一个基站围栏中,即在起点处电子设备匹配到了第一个基站围栏快照,此时计算得到用户当前位置和公司之间的距离为2000米,用户当前的运动速度为1米/秒,2000秒后用户会移动至公司所对应的目标区域,那么下一次定位的时间为2000秒后。之后,用户行走到了第二个基站围栏中,即电子设备匹配到了第二个基站围栏快照,此时计算得到用户当前位置和公司之间的距离为1500米,用户当前的运动速度为1米/秒,1500秒后用户会移动至公司所对应的目标区域,刷新下一次定位的时间,即确定下一次定位的时间为1500秒后。
若用户在行进过程中改变了运动状态,运动速度也随之改变。根据改变后的运动速度和剩余的距离刷新下一次定位的时间。例如,用户行走到了第三个基站围栏中,即电子设备匹配到了第三个基站围栏快照,此时计算得到用户当前位置和公司之间的距离为1000米,用户当前的运动速度为10米/秒,100秒后用户会移动至公司所对应的目标区域,刷新下一次定位的时间,即确定下一次定位的时间为100秒后。以此类推,直至用户行进至目标区域内,识别电子设备进入目标场景。
这种实现方式中,根据用户行进过程中匹配的基站围栏快照,不停地刷新下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,在保持业务场景识别准确性的同时,大大减少了定位次数,降低了功耗。且随着场景特征的学习增加,不停地完善场景特征数据,后期无论用户想去哪里,采用GPS方式定位的次数越来越少,对于实现业务场景识别,总体可节省的功耗越来越多。
上面对本申请实施例涉及的刷新下一次定位的时间的方法进行了描述,下面对本申请实施例涉及的一些节省功耗的方法进行描述。值得说明的是,该节省功耗的方法可适用于场景识别精度为不同精度的业务场景识别中。
在一个示例中,当检测到用户停止移动/静止时,电子设备停止定位和/或停止扫描WiFi。例如,可以通过电子设备中的加速度传感器、陀螺仪传感器等传感器,再结合可以实现姿态学习的网络模型对用户当前的姿态进行分析,以确定用户当前是否处于停止移动的状态。当确定用户当前停止移动/静止时,暂时无需再次识别电子设备是否位于目标场景内,电子设备可以停止定位和/或停止扫描WiFi操作,这样可以有效地节省功耗。
在一个示例中,当检测到用户的移动范围小于或等于预设范围时,电子设备停止定位和/或停止扫描WiFi。移动范围可以通过步数表示,例如,用户的移动范围小于或等于预设范围,可以是用户当前行走的步数小于或等于预设步数(如40步)。该步数可以通过电子设备中的计步器进行统计。当确定用户的移动范围小于或等于预设范围时,暂时无需再次识别电子设备是否位于目标场景内,电子设备可以停止定位和/或停止扫描WiFi操作,这样可以有效地节省功耗。
可选地,本申请实施例还提供了一种切换定位模式的方法,下面对该过程进行详细描述。请参考图19,图19是本申请一示例性实施例示出的一种切换定位模式的示意图。
在一个示例中,如图18所示,将电子设备可能会处于的区域分为无关区域、低相关区域以及高相关区域。将采用Cell-ID定位的方式称为基站扫描模式,当电子设备处于无关区域时采用基站扫描模式。如图19所示,在开始业务场景识别时,电子设备采用基站扫描模式,若此时基站信号匹配不到低相关区域,则确定电子设备当前处于无关区域。可以理解为,此时电子设备当前接入的基站的基站信息未匹配到任何基站围栏快照,确定电子设备当前处于无关区域。
若基站信号匹配到低相关区域,但WIFI信号匹配不到高相关区域,则确定电子设备当前处于低相关区域。可以理解为,此时电子设备当前接入的基站的基站信息匹配到一个基站围栏快照,但电子设备的WIFI列表与WIFI特征不匹配,确定电子设备当前处于低相关区域。当电子设备处于低相关区域时,采用网络扫描模式。例如,通过采用GPS方式定位。可选地,在电子设备处于低相关区域时,若基站信号匹配不到低相关区域,则确定电子设备当前处于无关区域。
当电子设备处于高相关区域时,采用在线定位模式。例如,电子设备当前接入的基站的基站信息匹配到一个基站围栏快照,电子设备的WIFI列表与WIFI特征也匹配,确定电子设备当前处于高相关区域。可选地,在电子设备处于高相关区域时,可再次根据在线定位结果,确定电子设备当前位于高相关区域,或是低相关区域,亦或是无关区域。例如,根据在线定位结果确定电子设备当前接入的基站的基站信息匹配到一个基站围栏快照,电子设备的WIFI列表与WIFI特征也匹配,确定电子设备当前仍处于高相关区域。又例如,根据在线定位结果确定基站信号匹配到低相关区域,但WIFI信号匹配不到高相关区域,则确定电子设备当前处于低相关区域。再例如,根据在线定位结果确定基站信号匹配不到低相关区域,则确定电子设备当前处于无关区域。
本实施方式中,基站扫描模式、网络扫描模式以及在线定位模式灵活切换,准确地判断出电子设备当前处于无关区域,或是低相关区域,亦或是高相关区域,提升了电子设备所处区域判断的灵活性和实时性,为业务场景识别的准确性和实时性提供了保障。
最后对本申请各实施例提供的业务场景识别的方法中所节省功耗的方式进行简单总结。具体如下:
经验证,为实现室内外识别所需要的功耗为0.1mAh/次,WIFI特征匹配所需要的功耗为0.05mAh/次,GPS定位所需要的功耗为0.05mAh/次,Cell-ID定位所需要的功耗为0.005mAh/次,蜂窝特征匹配(如基站信息与基站围栏快照匹配)所需要的功耗可忽略。对应地,室内外识别没有误差,WIFI特征匹配的误差为5-50米,GPS定位的误差为10-15米,Cell-ID定位的误差为100-200米,蜂窝特征匹配的误差为400-800米。
本申请实施例提供的业务场景识别的方法,主要通过蜂窝特征匹配、Cell-ID定位、GPS定位以及WIFI特征匹配相结合的方式实现,而且在大多数情况下,以蜂窝特征匹配和Cell-ID定位为主,以GPS定位和WIFI特征匹配为辅,前者所需的功耗特别小,后者的误差很小,因此在保证业务场景识别准确性的情况下,大大降低了业务场景识别所需的功耗。
本申请实施例通过采集场景众包数据,学习不同业务对应的场景特征。随着不断地学习,学习到的场景特征越来越完整,在基于该场景特征进行业务场景识别时,大多数情况下通过蜂窝特征匹配、Cell-ID定位即可实现,所需要用到GPS定位的次数就会越来越少,功耗就会持续下降。同时,由于学习到的场景特征越来越完整,在后期无论用户移动到什么位置,都能通过场景特征快速识别当前是否进入了业务场景,提升了实时性。
为了便于理解,请参考图20,图20是本申请一示例性实施例示出的一种功耗和实时性变化的示意图。如图20中的(a)所示,在冷启动时,即还未学习场景特征时,所需的功耗为2.5mAh/天,在进行场景特征学习后,功耗降为1.5mAh/天。如图20中的(b)所示,在冷启动时,即还未学习场景特征时,实时性为30秒,在进行场景特征学习后,实时性为3秒。
本申请实施例还根据用户当前的运动状态评估运动速度,进而根据运动速度以及到目的地之间的距离预测下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,大大减少了定位次数,降低了功耗。
本申请实施例还根据用户行进过程中匹配的基站围栏快照,不停地刷新下一次定位的时间,整个过程中,无需时刻采用GPS方式定位,在保持业务场景识别准确性的同时,大大减少了定位次数和WIFI扫描次数,降低了功耗。且随着场景特征的学习增加,不停地完善场景特征数据,后期无论用户想去哪里,采用GPS方式定位的次数越来越少,对于实现业务场景识别,总体可节省的功耗越来越多。
本申请实施例还提供了一种WIFI芯片,该WIFI芯片可以安装在电子设备中,该WIFI芯片的扫描功耗比现有的WIFI芯片的扫描功耗低许多。经试验,本申请提供的WIFI芯片的扫描功耗仅为现有的WIFI芯片的扫描功耗的十分之一。
在一个示例中,本申请提供的WIFI芯片在扫描WIFI时,会对现有技术中丢弃的数据包也进行解析,从而在一次扫描过程中扫描出更多的结果。本申请提供的WIFI芯片还可以多信道并行扫描,大大提升了WIFI扫描结果的覆盖率。当需要相同数量的扫描结果时,本申请提供的WIFI芯片扫描的次数明显减少,从而降低了扫描功耗。
在一个示例中,由于WIFI芯片扫描5GHz的频段所需要的功耗远大于扫描2.4GHz的频段所需要的功耗,本申请提供的WIFI芯片可只扫描2.4GHz的频段,大大降低了扫描功耗。
上文详细介绍了本申请实施例提供的业务场景识别的示例。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以结合实施例对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能模块的划分,例如,可以对应各个功能划分为各个功能模块,例如监听单元、获取单元、处理单元、显示单元等,也可以将两个或两个以上的功能集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,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。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
本实施例提供的电子设备,用于执行上述业务场景识别,因此可以达到与上述实现方法相同的效果。
在采用集成的单元的情况下,电子设备还可以包括处理模块、存储模块和通信模块。其中,处理模块可以用于对电子设备的动作进行控制管理。存储模块可以用于支持电子设备执行存储程序代码和数据等。通信模块,可以用于支持电子设备与其他设备的通信。
其中,处理模块可以是处理器或控制器。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,数字信号处理(digital signal processing,DSP)和微处理器的组合等等。存储模块可以是存储器。通信模块具体可以为射频电路、蓝牙芯片、WiFi芯片等与其他电子设备交互的设备。
在一个实施例中,当处理模块为处理器,存储模块为存储器时,本实施例所涉及的电子设备可以为具有图7所示结构的设备。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储了计算机程序,当计算机程序被处理器执行时,使得处理器执行上述任一实施例的业务场景识别方法。
本申请实施例还提供了一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述相关步骤,以实现上述实施例中的业务场景识别方法。
另外,本申请的实施例还提供一种装置,这个装置具体可以是芯片,组件或模块,该装置可包括相连的处理器和存储器;其中,存储器用于存储计算机执行指令,当装置运行时,处理器可执行存储器存储的计算机执行指令,以使芯片执行上述各方法实施例中的业务场景识别方法。可选的,该芯片中也可集成本申请提供的WIFI芯片。
其中,本实施例提供的电子设备、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
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,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。
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。
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,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,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权利要求的保护范围为准。
Claims (15)
1.一种业务场景识别方法,其特征在于,应用于电子设备,所述方法包括:
在监听到目标业务的场景识别请求时,获取电子设备当前接入的基站的基站信息,所述基站信息包括目标运营商标识、目标小区编号以及目标基站编号,所述场景识别请求用于请求识别所述电子设备是否位于与所述目标业务关联的目标场景内;
基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,所述场景特征数据包括至少一个基站围栏快照,所述基站围栏快照包括具有关联关系的运营商标识、小区编号以及基站编号。
2.如权利要求1所述的方法,其特征在于,当检测到所述目标业务的场景识别精度为低精度时,所述基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,包括:
若所述基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则确定所述电子设备位于所述目标场景内。
3.如权利要求2所述的方法,其特征在于,所述基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,包括:
若所述基站信息未与任一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据所述目标业务确定目标区域,所述目标区域为目的地所对应的区域,所述目的地为实现所述目标业务的地点;
获取所述电子设备的当前位置;
若检测到所述电子设备的当前位置在所述目标区域内,则确定所述电子设备位于所述目标场景内。
4.如权利要求1至3中任一项所述的方法,其特征在于,所述基站围栏快照包括场景围栏标识,所述场景特征数据包括至少一个场景围栏快照,所述场景围栏快照包括具有关联关系的场景围栏中心点的经纬度信息和场景围栏半径,当检测到所述目标业务的场景识别精度为中精度时,所述基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,包括:
若所述基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据与所述基站信息匹配的基站围栏快照中的场景围栏标识确定目标场景围栏快照;
根据所述目标场景围栏快照中的场景围栏中心点的经纬度信息和场景围栏半径确定围栏区域;
获取所述电子设备的当前位置;
若检测到所述电子设备的当前位置在所述围栏区域内,则确定所述电子设备位于所述目标场景内。
5.如权利要求4所述的方法,其特征在于,所述场景围栏快照包括WiFi特征,当检测到所述目标业务的场景识别精度为高精度时,所述基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,包括:
若所述基站信息与一个基站围栏快照中的运营商标识、小区编号以及基站编号匹配,则根据与所述基站信息匹配的基站围栏快照中的场景围栏标识确定目标场景围栏快照;
根据所述目标场景围栏快照中的场景围栏中心点的经纬度信息和场景围栏半径确定围栏区域;
获取所述电子设备的当前位置;
若检测到所述电子设备的当前位置在所述围栏区域内,则获取所述电子设备的WiFi列表;
若检测到所述WiFi列表与所述目标场景围栏快照中的WiFi特征匹配,则确定所述电子设备位于所述目标场景内。
6.如权利要求5所述的方法,其特征在于,所述WiFi列表包括至少一个WiFi标识信息和每个WiFi标识信息对应的WiFi强度,所述WiFi特征包括WiFi标识信息列表和WiFi标识信息列表对应的目标匹配度阈值,所述若检测到所述WiFi列表与所述目标场景围栏快照的WiFi特征匹配,则确定所述电子设备位于所述目标场景内,包括:
确定所述WiFi列表对应的匹配度阈值;
若检测到所述WiFi列表中的WiFi标识信息与所述WiFi特征中的WiFi标识信息列表匹配,且所述匹配度阈值大于或等于所述目标匹配度阈值,则确定所述电子设备位于所述目标场景内。
7.如权利要求5或6所述的方法,其特征在于,所述方法还包括:
若检测到所述WiFi列表与所述目标场景围栏快照的WiFi特征不匹配,获取第三方应用程序产生的WiFi列表;
若检测到第三方应用程序产生的WiFi列表与所述目标场景围栏快照的WiFi特征匹配,则确定所述电子设备位于所述目标场景内。
8.如权利要求1至4中任一项所述的方法,其特征在于,所述场景围栏快照包括WiFi特征,当检测到所述目标业务的场景识别精度为高精度时,所述基于场景特征数据与所述基站信息进行场景识别,以确定所述电子设备是否位于所述目标场景内,包括:
若检测到所述电子设备的WiFi列表与任一个场景围栏快照中的WiFi特征匹配,则确定所述电子设备位于所述目标场景内。
9.如权利要求1至8中任一项所述的方法,其特征在于,所述方法还包括:
获取携带所述电子设备的用户的运动状态;
根据所述运动状态预测所述用户的第一运动速度;
根据所述目标业务确定实现所述目标业务的目的地,并确定所述用户的当前位置与所述目的地之间的第一距离;
根据所述第一运动速度和所述第一距离,预测下一次定位的时间。
10.如权利要求3至9中任一项所述的方法,其特征在于,所述获取所述电子设备的当前位置,包括:
通过全球卫星定位系统获取所述电子设备的当前位置。
11.如权利要求9所述的方法,其特征在于,所述基站围栏快照包括基站围栏中心点的经纬度信息,所述方法还包括:
若在所述电子设备移动过程中,检测到所述电子设备当前接入的基站的基站信息与目标基站围栏快照匹配,则根据所述目标基站围栏快照的基站围栏中心点的经纬度信息,确定所述用户的位置;
根据所述用户的位置和所述目的地确定第二距离;
确定所述用户的第二运动速度,并根据所述第二运动速度和所述第二距离更新下一次定位的时间。
12.如权利要求1至11中任一项所述的方法,其特征在于,所述方法还包括:
当所述电子设备处于所述目标场景内时,获取所述电子设备的最新位置;
通过所述最新位置,确定所述电子设备是否离开所述目标场景。
13.一种电子设备,其特征在于,包括:一个或多个处理器;一个或多个存储器;所述存储器存储有一个或多个程序,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行权利要求1至12中任一项所述的方法。
14.一种芯片,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的电子设备执行如权利要求1至12中任一项所述的方法。
15.一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中存储了计算机程序,当所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320411.XA CN116709501A (zh) | 2022-10-26 | 2022-10-26 | 业务场景识别方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320411.XA CN116709501A (zh) | 2022-10-26 | 2022-10-26 | 业务场景识别方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116709501A true CN116709501A (zh) | 2023-09-05 |
Family
ID=87836254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211320411.XA Pending CN116709501A (zh) | 2022-10-26 | 2022-10-26 | 业务场景识别方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116709501A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579739A (zh) * | 2024-01-16 | 2024-02-20 | 成都准度科技有限公司 | 电子设备静音方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365721A (zh) * | 2018-03-26 | 2019-10-22 | 华为技术有限公司 | 一种基于用户场景感知触发服务的方法、终端设备及系统 |
CN111328021A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团河南有限公司 | 一种面向物联网防控的超业务场景预警方法及系统 |
CN112153568A (zh) * | 2020-08-28 | 2020-12-29 | 汉海信息技术(上海)有限公司 | 基于业务场景的Wi-Fi识别、绑定方法、装置及设备 |
WO2021109793A1 (zh) * | 2019-12-02 | 2021-06-10 | 荣耀终端有限公司 | 智能通信策略生效场景的显示方法及移动终端 |
WO2021135815A1 (zh) * | 2019-12-30 | 2021-07-08 | 荣耀终端有限公司 | 通信方法、相关设备及通信系统 |
CN113794801A (zh) * | 2021-08-09 | 2021-12-14 | 荣耀终端有限公司 | 地理围栏的处理方法及装置 |
CN113905438A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 场景标识生成方法、定位方法、装置及电子设备 |
US20220156986A1 (en) * | 2020-01-16 | 2022-05-19 | Tencent Technology (Shenzhen) Company Limited | Scene interaction method and apparatus, electronic device, and computer storage medium |
CN114598560A (zh) * | 2022-03-17 | 2022-06-07 | 中国联合网络通信集团有限公司 | 无线网络策略下发方法、装置、电子设备及存储介质 |
CN114880065A (zh) * | 2022-07-08 | 2022-08-09 | 荣耀终端有限公司 | 控制卡片显示的方法、设备、系统及存储介质 |
CN115002668A (zh) * | 2021-11-11 | 2022-09-02 | 荣耀终端有限公司 | 一种利用位置指纹的方法和电子设备 |
CN115022459A (zh) * | 2021-12-24 | 2022-09-06 | 荣耀终端有限公司 | 出行提醒的方法及电子设备 |
-
2022
- 2022-10-26 CN CN202211320411.XA patent/CN116709501A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365721A (zh) * | 2018-03-26 | 2019-10-22 | 华为技术有限公司 | 一种基于用户场景感知触发服务的方法、终端设备及系统 |
CN111328021A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团河南有限公司 | 一种面向物联网防控的超业务场景预警方法及系统 |
WO2021109793A1 (zh) * | 2019-12-02 | 2021-06-10 | 荣耀终端有限公司 | 智能通信策略生效场景的显示方法及移动终端 |
WO2021135815A1 (zh) * | 2019-12-30 | 2021-07-08 | 荣耀终端有限公司 | 通信方法、相关设备及通信系统 |
US20220156986A1 (en) * | 2020-01-16 | 2022-05-19 | Tencent Technology (Shenzhen) Company Limited | Scene interaction method and apparatus, electronic device, and computer storage medium |
CN112153568A (zh) * | 2020-08-28 | 2020-12-29 | 汉海信息技术(上海)有限公司 | 基于业务场景的Wi-Fi识别、绑定方法、装置及设备 |
CN113794801A (zh) * | 2021-08-09 | 2021-12-14 | 荣耀终端有限公司 | 地理围栏的处理方法及装置 |
CN115002668A (zh) * | 2021-11-11 | 2022-09-02 | 荣耀终端有限公司 | 一种利用位置指纹的方法和电子设备 |
CN113905438A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 场景标识生成方法、定位方法、装置及电子设备 |
CN115022459A (zh) * | 2021-12-24 | 2022-09-06 | 荣耀终端有限公司 | 出行提醒的方法及电子设备 |
CN114598560A (zh) * | 2022-03-17 | 2022-06-07 | 中国联合网络通信集团有限公司 | 无线网络策略下发方法、装置、电子设备及存储介质 |
CN114880065A (zh) * | 2022-07-08 | 2022-08-09 | 荣耀终端有限公司 | 控制卡片显示的方法、设备、系统及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579739A (zh) * | 2024-01-16 | 2024-02-20 | 成都准度科技有限公司 | 电子设备静音方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020191598A1 (zh) | 一种确定终端设备位于地理围栏内部的方法和终端设备 | |
US20180301111A1 (en) | Electronic device and method for displaying electronic map in electronic device | |
US20160342862A1 (en) | Method and apparatus for classifying objects and clutter removal of some three-dimensional images of the objects in a presentation | |
CN104457767B (zh) | 实现位置服务的方法和装置 | |
US20110143768A1 (en) | Methods and apparatus related to region-specific mobile device and infrastructure detection, analysis and display | |
CN109933638B (zh) | 基于电子地图的目标区域轮廓确定方法、装置及存储介质 | |
CN111182453A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN104798417A (zh) | 基于语义位置的地理围栏 | |
WO2011081872A1 (en) | Methods and apparatus related to region-specific mobile and infrastructure detection, analysis and display | |
CN113691331B (zh) | 一种信号强度预测的方法及移动终端 | |
CN116709501A (zh) | 业务场景识别方法、电子设备及存储介质 | |
CN114879879B (zh) | 一种显示健康码的方法、电子设备及存储介质 | |
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 | |
CN116668580B (zh) | 场景识别的方法、电子设备及可读存储介质 | |
CN116668576B (zh) | 获取数据的方法、设备、云端管理平台、系统及存储介质 | |
CN114266385A (zh) | 一种汽车零部件物流多集散中心选址方法、系统、终端及存储介质 | |
CN116723460B (zh) | 个人地理围栏的创建方法及其相关设备 | |
CN116056003B (zh) | 一种地理围栏的触发方法及相关电子设备 | |
CN116033344B (zh) | 地理围栏的确定方法、设备及存储介质 | |
CN116027941B (zh) | 业务推荐方法和电子设备 | |
CN116668580A (zh) | 场景识别的方法、电子设备及可读存储介质 | |
CN116432090B (zh) | 场景识别方法、系统及终端设备 | |
CN115526221B (zh) | 一种定位异常检测和处理方法及相关设备 | |
CN116723460A (zh) | 个人地理围栏的创建方法及其相关设备 | |
CN116437293B (zh) | 地理围栏的建立方法、服务器及通信系统 |
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 |