JP2021192041A - 建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム、及び端末デバイス - Google Patents

Abstract

【解決手段】建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム、及び端末デバイスを開示し、人工知能、コンピュータービジョン及び高度道路交通の技術分野に関する。建築物指紋データベースを取得し、前記建築物指紋データベースは複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含むことと、測位要求を受信し、前記測位要求は第１トリプルデータを含み、前記第１トリプルデータは第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含むことと、前記第１トリプルデータと前記建築物指紋データベース中の複数のトリプルデータとの類似度をそれぞれ計算することと、算出された類似度に基づいて、測位要求に対応する建築物情報を決定することと、を含む。【効果】ユーザが所在する建築物を正確に測位することができる。【選択図】図１

Description

本開示は、人工知能の技術分野、コンピュータービジョンの技術分野及び高度道路交通の技術分野に関し、具体的に、建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム及び端末デバイスに関する。

現在、モバイルインターネット技術の急速な発展に伴い、ユーザの位置に対する測位技術は、さまざまなシナリオやアプリケーションにおいて重要な役割を果たしている。ユーザが室外にいる場合、電子デバイスは衛星に依存してより高精度の測位を取得できる一方、ユーザが室内にいる場合、民生用デバイスは、ほとんど衛星データを取得することができないため、衛星データを直接用いて測位を実現することができない。また、多くのアプリケーションａｐｐは、対応する機能を起動してより良いサービスを提供するために、その動作がユーザの所在する建築物の情報に基づく必要がある。従って、ユーザが室内にいる場合、補助情報に依存して測位を行う必要があるため、ユーザがいる建築物をできるだけ正確に推定する必要がある。それに対して、主流のソリューションは大体２つがある。１つ目は、全球測位システム（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ，ＧＰＳ）とＷｉ―Ｆｉ（無線通信技術における「モバイルホットスポット」）の共起関係を用いてＷｉ―Ｆｉ指紋を構築して、Ｗｉ―Ｆｉ指紋によって測位を行うものである。２つ目は、ＧＰＳとＷｉ―Ｆｉの共起関係、Ｗｉ―Ｆｉの間の共起関係及びＷｉ―Ｆｉサービスセット識別子（Ｓｅｒｖｉｃｅ Ｓｅｔ Ｉｄｅｎｔｉｆｉｅｒ，ＳＳＩＤ）と興味点（Ｐｏｉｎｔ ｏｆ Ｉｎｔｅｒｅｓｔ，ＰＯＩ）名称の対応関係に基づいて、各Ｗｉ―Ｆｉの位置をオフラインで推定し、測位要求が開始されると、デバイスからの要求が開始された時点のＷｉ―Ｆｉ情報と、オフラインで推定された各Ｗｉ―Ｆｉの位置を組み合わせて、ユーザの所在する建築物を推算するものである。ただし、１つ目では、室内に指紋を効率的に構築することができない。２つ目では、建築物が近くにある場合にＷｉ―Ｆｉが所在する実際の位置を正確に推定するのが困難であるため、低精度のＷｉ―Ｆｉに基づいてユーザの正確な位置を推定するのが困難になる。

本開示は、上記の１つ又は複数の技術課題を解決するための建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム及び端末デバイスを提供する。

本開示の第１態様は、建築物の測位方法を提供する。当該方法は、建築物指紋データベースを取得し、建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含むことと、測位要求を受信し、測位要求は、第１トリプルデータを含み、第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含むことと、第１トリプルデータと建築物指紋データベース中の複数組のトリプルデータとの類似度をそれぞれ計算することと、算出された類似度に基づいて、測位要求に対応する建築物情報を決定することと、を含み、ここで、建築物指紋データベースの構築プロセスは、複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物情報をマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得することと、複数組の測位すべきトリプルデータを建築物測位モデルに入力して測位を行って、複数の建築物情報を取得することと、マークされた複数組のトリプルデータ及び建築物測位モデルによって測位される複数組のトリプルデータに基づいて、建築物指紋データベースを構築することと、を含む。

本開示の第２態様は、建築物の測位装置を提供する。当該装置は、建築物指紋データベースを取得し、建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含むための取得モジュールと、測位要求を受信し、測位要求は、第１トリプルデータを含み、第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含むための受信モジュールと、第１トリプルデータと建築物指紋データベース中の複数のトリプルデータとの類似度をそれぞれ計算するための計算モジュールと、算出された類似度に基づいて、測位要求に対応する建築物情報を決定するための決定モジュールと、を備え、ここで、建築物指紋データベースを構築するための構築装置は、複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物情報をマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得するためのトレーニング部件と、複数組の測位すべきトリプルデータを前記建築物測位モデルに入力して測位を行って、複数の建築物情報を取得するための入力部件と、マークされた複数組のトリプルデータ及び建築物測位モデルによって測位される複数組のトリプルデータに基づいて、建築物指紋データベースを構築するための構築部件と、を備える。

本開示の第３態様は、電子デバイスを提供する。当該電子デバイスは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサに通信接続するメモリと、を備え、メモリは、少なくとも１つのプロセッサにより実行可能なコマンドを記憶しており、コマンドは、少なくとも１つのプロセッサにより実行されると、少なくとも１つのプロセッサに上記の建築物の測位方法を実行させる。

本開示の第４態様は、コンピュータコマンドが記憶された非一時的なコンピュータ可読記憶媒体を提供する。コンピュータコマンドは、コンピュータに上記の建築物の測位方法を実行させることに用いられる。

本開示の第５態様は、プログラムを提供する。当該プログラムは、コンピュータにおいてプロセッサにより実行されると、上記の建築物の測位方法を実現する。

本開示の第６態様は、端末デバイスを提供する。当該端末デバイスは、コンピュータプログラムが記憶されているためのメモリと、メモリに記憶されているコンピュータプログラムを呼び出して、上記の建築物の測位方法を実行するためのプロセッサと、を備える。

本開示の実施形態では、ディープラーニングに基づいて各建築物の室内指紋データベースを構築し、測位すべきデータと建築物の指紋データベース内のデータとの間に類似度のマッチングを行い、対応する建築物情報を得ることができる。本開示の実施形態では、空間と多数のＷｉ―Ｆｉ情報の共起関係を用いて指紋の位置を推定することにより、ユーザの所在する実際の建築物をより正確に予測し、Ｗｉ―Ｆｉデータのみに基づく不正確な推定を回避することができる。また、本開示の実施形態では、トレーニングされたモデルを用いて、大量の測位すべき指紋データに対応する建築物を予測することによって、大量の建築物の指紋データベースデータを取得することができる。構築される指紋データベースのデータの量が多いほど、類似性のマッチングに基づいて得られた測位結果がより正確になる。

本部分で説明される内容は、本開示の実施形態の主要な又は重要な特徴を識別することを意図するものではなく、また、本開示の範囲を制限することを意図するものでもないことを理解すべきです。本開示の他の特徴は、以下の説明を通じて簡単に理解できる。

添付の図面は、本形態をよりよく理解するために用いられるものであり、本開示を限定するものではない。ここで、
本開示の一実施形態に係る建築物の測位方法のフローチャートである。 本開示の別の実施形態に係る建築物の測位方法のフロー模式図である。 本開示の実施形態を用いて建築物の測位を行う効果模式図である。 本開示の実施形態に係る建築物の測位装置の構造ブロック図である。 本開示の実施形態の建築物の測位方法を実現する電子デバイスのブロック図である。

以下は、理解を容易にするための本開示の実施形態の様々な詳細を含む添付の図面を参照して本開示の例示的な実施形態を説明し、単に例示的なものと見なされるべきです。したがって、当業者は、本開示の範囲及び精神から逸脱することなく、本明細書に記載の実施形態に対して様々な変更及び修正を行うことができることを理解する必要がある。 同様に、明らかさと簡潔さのために、よく知られている機能と構造の説明は、以下の説明では省略されている。

図１は本開示の実施形態による建築物の測位方法のフローチャートを示している。当該建築物の測位方法は、以下のステップを含む。
Ｓ１０１において、建築物の指紋データベースを取得する。ここで、建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含む。
Ｓ１０２において、測位要求を受信する。ここで、測位要求は、第１トリプルデータを含み、第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含む。
Ｓ１０３において、第１トリプルデータと建築物指紋データベース中の複数組のトリプルデータとの類似度をそれぞれ計算する。
Ｓ１０４において、計算された類似度に基づいて、測位要求に対応する建築物の情報を決定する。
ここで、建築物の指紋データベースの構築プロセスは、複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物の情報にマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物の測位モデルを得ることと、複数組の測位すべきトリプルデータを建築物の測位モデルに入力して測位を行って、複数の建築物の情報を得ることと、マークされた複数組のトリプルデータ及び建築物の測位モデルによって測位された複数組のトリプルデータに基づいて、建築物の指紋データベースを構築することと、を含む。

本開示の実施形態では、ディープラーニングに基づいて各建築物の室内指紋データベースを先に構築し、測位要求を受信した後、測位要求に含まれるデータと建築物の指紋データベース内のデータとの間に類似度のマッチング計算を実行することにより、ユーザの所在する建築物を得ることができる。本開示の実施形態では、空間と多数のＷｉ―Ｆｉ情報の共起関係を用いて指紋の位置を推定することにより、ユーザの所在する実際の建築物をより正確に予測し、Ｗｉ―Ｆｉデータのみに基づく不正確な推定を回避することができる。また、本開示の実施形態では、トレーニングされたモデルを用いて、大量の測位すべき指紋データに対応する建築物を予測することによって、大量の建築物の指紋データベースデータを取得することができる。構築される指紋データベースデータの量が多いほど、類似性のマッチングに基づいて得られた結果がより正確になる。

本開示の実施形態では、任意可能に、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物の測位モデルを得ることは、収集されたトリプルデータを第１ニューラルネットワークに入力して、第１ニューラルネットワークによって出力された少なくとも１つの座標データを取得し、少なくとも１つの座標データに基づいて１つの建築物を決定し、決定された建築物とマークされた建築物との間のギャップを損失として、第１ニューラルネットワークのパラメータをチューニングし、トレーニング停止条件に達した後にトレーニングを終了し、建築物測位モデルを得ることを含む。ここで、収集されたトリプルデータは、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータを含み、１組のトリプルデータ内の測量・マッピングデータ、ＧＰＳデータ及びＷｉ―Ｆｉデータは、同一収集位置及び同一収集時点に対応している。

本開示の実施形態は、同一位置と同一時点で収集されたＧＰＳ、Ｗｉ―Ｆｉ及び地図の測量・マッピングデータを１つのトリプルデータとし、大量のトリプルデータを収集して、対応する建築物にマークすることにより、ニューラルネットワークのトレーニングに用いられるトレーニングデータ（建築物の指紋データベースのデータとしてもよい。）を構築し、さらに、高品質なトレーニングデータを用いてニューラルネットワークをトレーニングすることによって、所望する建築物測位モデルを得ることができる。

本開示の実施形態では、任意可能に、収集されたトリプルデータを第１ニューラルネットワークに入力することは、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータに基づいてそれぞれ２次元マトリックスを生成し、生成された３つの二次元マトリックスを３チャネルデータとして第１のニューラルネットワークに入力することを含む。

本開示の実施形態では、３つの二次元マトリックスを１組の３チャネルデータとしてニューラルネットワークに入力してトレーニングを行い、ＧＳＰ、Ｗｉ−Ｆｉ及び測量・マッピングデータの情報を融合させることで、収集点の位置をより正確に特定し、さらにトレーニング後に生成されるモデルの予測正確度と精度を向上させることができる。

本開示の実施形態では、任意可能に、少なくとも１つの座標データに基づいて１つの建築物を決定することは、（１）少なくとも１つの座標データに基づいて、第１位置点を決定し、決定された建築物は、第１位置点が所在する建築物であることと、（２）少なくとも１つの座標データに基づいて、複数の位置点を決定し、決定された建築物は、複数の位置点からなる囲み枠で囲まれた建築物であることと、のうちの少なくとも１つを含む。
ニューラルネットワークによって出力された座標は、トリプルデータに基づいて建築物を決定するという目的を達成するために、具体的な建築物に対応することができる。

本開示の実施形態では、任意可能に、測量・マッピングデータには、建築物ブロックの形状、建築物の階高及び建築物に対応する興味点ＰＯＩ情報のうちの少なくとも１つが含まれている。
建築物ブロックの形状は、例えば、上面視での建築物ブロックの形状（例えば、長方形、楕円形、不規則な図形等）であってもよい。建築物の階高は、ユーザが所在する階の高さであってもよい。建築物に対応する興味点ＰＯＩ情報は、建築物の既存のＰＯＩ情報であってもよい。測量・マッピングデータは、外部から、例えば、ある電子マップデータから、又は専門の測量・マッピングデータベースから取得することができる。測量・マッピングデータ、ＧＰＳ情報及びＷｉ―Ｆｉ情報を共に用いて指紋の位置を推定することで、ユーザが所在する建築物をより正確に予測し、測位精度を向上させることができる。

本開示の上記の実施形態の少なくとも１つを用いて、ＧＰＳ情報、Ｗｉ―Ｆｉ情報及び測量・マッピングデータを、ターゲット検出の関連アルゴリズムと組み合わせて使用することによって、建築物の推定に関する問題を解決し、ユーザの所在する建築物に対する判定精度を向上させるという目的を達成することができる。
以上、本開示の実施形態の建築物の測位方法及び取得られた利点について説明した。以下、本開示の実施形態の具体的な処理プロセスを、具体例を用いて詳細に説明する。

本開示の一実施形態では、先ず、各建築物の室内指紋データベースを構築し、次に各建築物の指紋データベース内においてユーザの測位要求を比較することによって、ユーザが位置している実際の建築物を推定する。ここで、各建築物の室内指紋データベースは、次の処理によって構築されることができる。
（１）測量・マッピングデータ（建築物ブロックの形状、高さ及び／又はＰＯＩ情報等）、ＧＰＳ収集点データ及びＷｉ―Ｆｉ収集点データを用いて、各ユーザの指紋を１組の複数の２次元マトリクスに生成する。各ユーザの指紋は、ある時点にスキャンされたＷｉ―Ｆｉ情報に対応する。
（２）ＡＰ―ＰＯＩ（Ｗｉｒｅｌｅｓｓ Ａｃｃｅｓｓ Ｐｏｉｎｔ − ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）と収集した実データを用いて真値を構築し、ターゲット検出モデル（建築物測位モデルとも呼ばれる）をトレーニングする。ここで、ＡＰ―ＰＯＩデータは、データマイニングによって得られた真実の位置を持つ指紋データである。
（３）トレーニングされたモデルを用いて、新しいユーザの指紋に対応する建築物を予測する。

図２を参照すると、本開示の別の実施形態では、携帯電話ユーザの建築物測位を例とし、１つの指紋には、モバイルクライアント端末がある時点にスキャンしたすべてのＷｉ―Ｆｉ情報が含まれている。当該指紋が所在する真実の建築物を確認するために、次の処理が実行される。
（一）オフラインマイニングにおいて、一連の指紋が所在する建築物をマイニングして、建築物の指紋データベースを構築する。
（二）オンライン測位において、ユーザが測位を開始した時点の指紋に基づいて、構築された建築物指紋データベースから類似した指紋を見つけ出し、類似した指紋の建築物情報からユーザの現在の指紋位置、すなわちユーザが所在する建築物を推定する。
さらに、（一）オフラインマイニング段階について、ディープラーニングを通じて、ターゲット検出モデルを用いてオフラインマイニング時に指紋が所在する建築物を推定し、これに基づいて建築物の指紋データベースを構築する。ここで、
（１）モデルには、１組の２次元マトリックスが入力されてもよい。マトリックスは、測量・マッピングデータ、ＧＰＳ収集点データ及びＷｉ―Ｆｉ収集点データを組み合わせて生成されるものである。図２を参照して、上記の３種類のデータは、それぞれ２次元マトリックスを生成し、３チャネルデータとしてニューラルネットワークに入力される。
（２）モデルは、マトリックス内の座標点（マトリックス内の要素に対応）が出力されてもよい。モデルに選択された建築物は、複数の座標によって確認することができる。例えば、２つの座標から長方形のフレームを取得し、このフレームによって建築物を選定する。この建築物は、（１）の３チャネルデータに対応する建築物である。

本開示の実施形態におけるモデルは、トレーニング段階で真値位置を持つ指紋データを使用している。トレーニングされたモデルを用いて、（一）オフラインマイニング段階のタスクを達成することができる。即ち、各指紋を１組の２次元マトリックスに構築し、各組の２次元マトリックスに対して、その所在する建築物を、モデルを通じて決定し、即ち、各指紋が所在する建築物を決定することができ、一定時間に亘って蓄積された後、このモデルによって大量の指紋データを予測し、建築物指紋データベースを構築することができる。また、トレーニングされたモデルは、（二）オンライン測位の測位タスクに用いられ、新しい指紋を指紋データベースにおいて新しい指紋をマッチングして、類似した指紋を見つけ、類似度が高い指紋に基づいてユーザの所在する建築物及び位置を決定することができる。図３は、本開示の実施形態の建築物の測位による効果を模式的に示したものである。図３は、建築物群の上面図であり、薄い色の部分が測位のユーザの所在する建築物である。

以上、本開示の実施形態の具体的な設定や実現方法を、複数の実施形態を通じて様々な視点から説明しました。 上記の少なくとも１つの実施形態の処理方法に対応するように、本開示の実施形態は、建築物の測位装置１００をさらに提供する。図４を参照するように、建築物の測位装置１００は、取得モジュール１１０、受信モジュール１２０、計算モジュール１３０、決定モジュール１４０を備える。
取得モジュール１１０は、建築物指紋データベースを取得する。ここで、前記建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含む。
受信モジュール１２０は、測位要求を受信する。ここで、測位要求は、第１トリプルデータを含み、第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含む。
計算モジュール１３０は、第１トリプルデータと前記建築物指紋データベース中の複数のトリプルデータとの類似度をそれぞれ計算する。
決定モジュール１４０は、算出された類似度に基づいて、測位要求に対応する建築物情報を決定する。
ここで、建築物指紋データベースを構築するための構築装置は、複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物情報をマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得するトレーニング部件と、複数組の測位すべきトリプルデータを建築物測位モデルに入力して測位を行って、複数の建築物情報を取得する入力部件と、マークされた複数組のトリプルデータ及び建築物測位モデルによって測位される複数組のトリプルデータに基づいて、建築物指紋データベースを構築する構築部件と、を備える。

任意可能に、トレーニング部件は、収集されたトリプルデータを第１ニューラルネットワークに入力し、第１ニューラルネットワークから出力された少なくとも１つの座標データを取得し、少なくとも１つの座標データに基づいて１つの建築物を決定し、決定された建築物とマークされた建築物との間の差を損失として、第１ニューラルネットワークのパラメータをチューニングし、トレーニング停止条件に達した後にトレーニングを終了して、建築物位置モデルを取得することに用いられ、ここで、収集されたトリプルデータは、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータを含み、１組のトリプルデータ中の測量・マッピングデータ、ＧＰＳデータ及びＷｉ―Ｆｉデータは、同一収集位置と同一収集時点に対応する。
任意可能に、入力部件は、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータに基づいて、それぞれ二次元マトリックスを生成し、生成された３つの二次元マトリックスを３チャンネルデータとして第１ニューラルネットワークに入力することに用いられる。
任意可能に、トレーニング部件は、少なくとも１つの座標データに基づいて第１位置点を決定することに用いられ、決定された建築物は、第１位置点が所在する建築物であり、又は、トレーニング部件は、少なくとも１つの座標データに基づいて複数の位置点を決定することに用いられ、決定された建築物は複数の位置点からなる囲み枠で囲まれた建築物である。
任意可能に、測量・マッピングデータは、建築物ブロックの形状、建築物の階高及び建築物に対応する興味点ＰＯＩ情報のうちの少なくとも１つを含む。

本開示の実施形態における各モジュールの機能は、前述の方法の実施形態に記載されている対応する処理を参照することができ、ここでは繰り返しない。

本開示の実施形態では、電子デバイス、可読記憶媒体及びプログラムを提供する。

図５は、本開示の実施形態を実施するために使用することができる例示的な電子デバイス１０００のブロック図を模式的に示す図です。電子デバイスは、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、及び他の適切なコンピュータのような様々な形態のデジタルコンピュータを表すことができる。また、電子デバイスはパーソナルデジタル処理、携帯電話、スマートフォン、装着可能デバイス、及びその他の類似のコンピューティングデバイス等の様々な形態のモバイルデバイスを表すことができる。ここで示した構成要素、それらの接続と関係、及びそれらの機能は例示的なものに過ぎず、本明細書で説明されたもの及び／又は要求される本明細書の実施を制限することは意図されない。

図５に示すように、当該電子デバイスは、１つ又は複数のプロセッサ１００１と、メモリ１００２と、高速インターフェースと低速インターフェースとを含む各構成要素を接続するためのインターフェースとを含む。各構成要素は、異なるバスを用いて互いに接続し、共通のマザーボードに取り付けられてもよいし、必要に応じて他の方法で取り付けられてもよい。プロセッサは、電子デバイス内で実行される命令を処理してもよく、また、外部入出力デバイス（例えば、インターフェースに接続された表示デバイス）にグラフィックユーザインターフェース（Ｇｒａｐｈｉｃａ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ，ＧＵＩ）を表示するための、メモリ又はメモリ上に記憶されたグラフィカル情報の命令を含む。他の実施形態では、必要に応じて、複数のプロセッサ及び／又は複数のバスを複数のメモリ及び複数のメモリとともに使用することができる。同様に、複数の電子デバイスを接続してもよく、各デバイスは、部分的に必要な動作（例えば、サーバアレイ、ブレードサーバのセット、又はマルチプロセッサシステムとして）を提供する。図５においてプロセッサ１００１を例とする。

メモリ１００２は、本開示にて提供された非一時的なコンピュータ可読記憶媒体です。メモリは、本開示で提供される建築物の測位方法を少なくとも１つのプロセッサに実行させるように、少なくとも１つのプロセッサによって実行されることができる命令を記憶する。本開示における非一時的なコンピュータ可読記憶媒体は、本開示で提供された建築物の測位方法をコンピュータに実行させるためのコンピュータ命令を記憶する。

メモリ１００２は、非一時的なコンピュータ可読記憶媒体として、非一時的なソフトウェアプログラム、非一時的なコンピュータ実行可能なプログラム及びモジュールを記憶するために用いられてもよく、本開示の実施形態における建築物の測位方法に対応するプログラム命令／モジュールのようなものです。プロセッサ１００１は、メモリ１００２に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することにより、サーバの様々な機能アプリケーション及びデータ処理、すなわち上述した方法に関する実施形態に係る建築物の測位方法を実行する。

メモリ１００２は、オペレーティングシステムや少なくとも１つの機能に必要なアプリケーションを記憶することができるプログラムの記憶領域と、検索結果に基づく分析処理電子デバイスの使用によって生成されたデータ等を記憶することができるデータの記憶領域と、を含むことができる。さらに、メモリ１００２は、高速ランダムアクセスメモリを含んでもよく、非一時的な固体メモリを含んでもよい。例えば、少なくとも１つの磁気ディスクメモリ、フラッシュメモリ装置、又は他の非一時的な固体メモリを含むことができる。いくつかの実施形態では、メモリ１００２はオプションとして、プロセッサ１００１に対して遠隔的に設定されたメモリを含み、これらの遠隔メモリは、ネットワークを介して検索結果の分析処理電子デバイスに接続されてもよい。上記のネットワークの例は、インターネット、企業内ネットワーク、ローカルネットワーク、モバイル通信ネットワーク及びその組み合わせを含むが、これらに限定されない。

本開示の実施形態の建築物の測位方法に対応する電子デバイスは、入力装置１００３と出力装置１００４とをさらに含むことができる。プロセッサ１００１、メモリ１００２、入力装置１００３及び出力装置１００４は、バス又は他の方法で接続されてもよく、本開示図５の実施形態ではバスを介して接続されている。

入力装置１００３は、入力された数字又は文字を受信し、検索結果の分析処理電子デバイスに係る電子デバイスのユーザ設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチパネル、キーパッド、マウス、トラックボード、タッチパッド、指示棒、１つ又は複数のマウスボタン、トラックボール、ジョイスティック等を含むことができる。出力装置１００４は、表示装置、補助照明装置（例えばＬＥＤ）、及び触覚フィードバック装置（例えば、振動モータ）等を含むことができる。この表示装置は、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＬＥＤ）ディスプレイ及びプラズマディスプレイを含むことができるがこれらに限定されない。いくつかの実施形態では、表示装置はタッチパネルであってもよい。

本明細書におけるシステム及び技術に係る様々な実施形態は、デジタル電子回路システム、集積回路システム、専用集積回路（Ａｐｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｔｓ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はこれらの組み合わせによって実現されることができる。これらの様々な実施形態は、１つ又は複数のコンピュータプログラムにおいて実装されてもよく、この１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラム可能なシステム上で実行されてもよく、及び／又は解釈されてもよく、このプログラマブルプロセッサは、専用又は汎用のプログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置より、データと命令を受信し、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置に、データと命令を送信する。

これらの計算プログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードともいう）は、プログラマブルプロセッサのマシン命令を含み、プロセス指向及び／又はオブジェクト指向プログラミング言語、及び／又はアセンブリ／マシン言語を用いてこれらの計算プログラムを実施することができる。本明細書で使用されるように、「機械可読媒体」及び「コンピュータ可読媒体」という用語は、マシン命令及び／又はデータをプログラマブルプロセッサに提供するための任意のプログラム、デバイス、及び／又は装置（例えば、磁気ディスク、光ディスク、メモリ、編集可能論理デバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）を意味し、機械読み取り可能な信号としてのマシン命令を受信する機械可読媒体を含む。「機械読み取り可能な信号」という用語は、マシン命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号を意味する。

ユーザとの対話を提供するために、本明細書で説明されているシステムや技術は、コンピュータ上で実施されてもよく、また、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ、ブラウン管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、入力をコンピュータに提供するためのキーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを備えてもよい。他の種類の装置も、ユーザとの対話を提供するために使用され得る。例えば、ユーザに提供されたフィードバックは、任意の形態のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、ユーザからの入力は、いかなる形式（音響入力、音声入力、又は触覚入力を含む）で受信されてもよい。

本明細書で説明されているシステム及び技術は、バックグラウンド構成要素を含む計算システム（例えば、データサーバとして）、又は中間部構成要素を含む計算システム（例えば、アプリケーションサーバ）、又は、フロントエンド構成要素を含む計算システム（例えば、グラフィカルユーザインタフェース又はネットワークブラウザを備えたユーザコンピュータであって、ユーザがこのグラフィカルユーザインタフェース又はネットワークブラウザを介して本明細書で説明されたシステム及び技術に係る実施形態とインタラクションを行うことができるユーザコンピュータ）に実行されてもよく、又は、このようなバックグラウンド構成要素、中間部構成要素、又はフロントエンド構成要素の任意の組合せを含む計算システムにおいて実行されてもよい。システムの構成要素は、任意の形態又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によって相互に接続されてもよい。通信ネットワークの例えとして、ローカルネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ，ＬＡＮ）、広域ネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ，ＷＡＮ）及びインターネットを含む。
コンピュータシステムは、クライアント及びサーバを含むことができる。クライアントとサーバは一般的に相互に離れており、通信ネットワークを介してインタラクションを行う。クライアントとサーバとの関係を持つコンピュータプログラムがそれぞれのコンピュータ上で実行されることによって、クライアントとサーバとの関係は構築される。

上記の様々な態様のフローを用いて、ステップを新たに順序付け、追加、又は削除することが可能ですことを理解すべきです。例えば、本明細書で記載された各ステップは、並列に実行しても良いし、順次に実行しても良いし、異なる順序で実行しても良い。本明細書で開示された技術案が所望する結果を実現することができる限り、本明細書ではこれに限定されない。
上記具体的な実施形態は、本開示の保護範囲に対する限定を構成するものではない。当業者は、設計事項やその他の要因によって、様々な修正、組み合わせ、サブ組み合わせ、及び代替が可能ですことを理解するべきです。本開示の要旨及び原則内における変更、均等な置換及び改善等は、いずれも本開示の保護範囲に含まれるべきです。

Claims (14)

1. 建築物指紋データベースを取得することであって、前記建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含む、ことと、
   測位要求を受信することであって、前記測位要求は、第１トリプルデータを含み、前記第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含む、ことと、
   前記第１トリプルデータと前記建築物指紋データベース中の複数組のトリプルデータのそれぞれとの類似度を計算することと、
   算出された類似度に基づいて、前記測位要求に対応する建築物情報を決定することと、
   を含み、
   前記建築物指紋データベースの構築プロセスは、
   複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物情報をマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得することと、
   複数組の測位すべきトリプルデータを前記建築物測位モデルに入力して測位を行って、複数の建築物情報を取得することと、
   マークされた前記複数組のトリプルデータと、前記建築物測位モデルによって測位される複数組のトリプルデータとに基づいて、前記建築物指紋データベースを構築することと、
   を含む、
   ことを特徴とする建築物の測位方法。
2. マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得することは、
   収集されたトリプルデータを第１ニューラルネットワークに入力して、第１ニューラルネットワークから出力された少なくとも１つの座標データを取得し、前記少なくとも１つの座標データに基づいて１つの建築物を決定し、決定された建築物とマークされた建築物との間の差を損失として、前記第１ニューラルネットワークのパラメータをチューニングし、トレーニング停止条件に達した後にトレーニングを終了して、建築物位置モデルを取得することを含み、
   前記収集されたトリプルデータは、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータを含み、１組のトリプルデータ中の測量・マッピングデータ、ＧＰＳデータ及びＷｉ―Ｆｉデータは、同一収集位置と同一収集時点に対応する、
   ことを特徴とする請求項１に記載の建築物の測位方法。
3. 収集されたトリプルデータを第１ニューラルネットワークに入力することは、
   前記収集された測量・マッピングデータ、前記収集されたＧＰＳデータ及び前記収集されたＷｉ―Ｆｉデータに基づいて、それぞれ二次元マトリックスを生成し、生成された３つの二次元マトリックスを３チャンネルデータとして前記第１ニューラルネットワークに入力することを含む、
   ことを特徴とする請求項２に記載の建築物の測位方法。
4. 前記少なくとも１つの座標データに基づいて１つの建築物を決定することは、
   少なくとも１つの座標データに基づいて第１位置点を決定し、決定された建築物は第１位置点が所在する建築物であること、又は
   少なくとも１つの座標データに基づいて複数の位置点を決定し、前記決定された建築物は前記複数の位置点からなる囲み枠で囲まれた建築物であることを含む、
   ことを特徴とする請求項２に記載の建築物の測位方法。
5. 前記測量・マッピングデータは、建築物ブロックの形状、建築物の階高及び建築物に対応する興味点ＰＯＩ情報のうちの少なくとも１つを含む、
   ことを特徴とする請求項１〜４のいずれか一項に記載の建築物の測位方法。
6. 建築物指紋データベースを取得するための取得モジュールであって、前記建築物指紋データベースは、複数組のトリプルデータ及び対応する複数の建築物情報を含み、１組のトリプルデータは、測量・マッピングデータ、ＧＰＳデータ及びＷｉ−Ｆｉデータを含む、取得モジュールと、
   測位要求を受信するための受信モジュールであって、前記測位要求は、第１トリプルデータを含み、前記第１トリプルデータは、第１測量・マッピングデータ、第１ＧＰＳデータ及び第１Ｗｉ−Ｆｉデータを含む、受信モジュールと、
   前記第１トリプルデータと前記建築物指紋データベース中の複数組のトリプルデータのそれぞれとの類似度を計算するための計算モジュールと、
   算出された類似度に基づいて、前記測位要求に対応する建築物情報を決定するための決定モジュールと、
   を備え、
   前記建築物指紋データベースを構築するための構築装置は、
   複数組のトリプルデータを収集し、各組のトリプルデータに対応する建築物情報をマークし、マークされた複数組のトリプルデータをトレーニングデータとしてニューラルネットワークをトレーニングし、トレーニング完成後に建築物測位モデルを取得するためのトレーニング部件と、
   複数組の測位すべきトリプルデータを前記建築物測位モデルに入力して測位を行って、複数の建築物情報を取得するための入力部件と、
   前記マークされた複数組のトリプルデータ及び前記建築物測位モデルによって測位される複数組のトリプルデータに基づいて、前記建築物指紋データベースを構築する構築部件と、
   を備える、
   ことを特徴とする建築物の測位装置。
7. 前記トレーニング部件は、収集されたトリプルデータを第１ニューラルネットワークに入力して、第１ニューラルネットワークから出力された少なくとも１つの座標データを取得し、前記少なくとも１つの座標データに基づいて１つの建築物を決定し、決定された建築物とマークされた建築物との間の差を損失として、前記第１ニューラルネットワークのパラメータをチューニングし、トレーニング停止条件に達した後にトレーニングを終了して、建築物位置モデルを取得することに用いられており、
   前記収集されたトリプルデータは、収集された測量・マッピングデータ、収集されたＧＰＳデータ及び収集されたＷｉ―Ｆｉデータを含み、１組のトリプルデータ中の測量・マッピングデータ、ＧＰＳデータ及びＷｉ―Ｆｉデータは、同一収集位置及び同一収集時点に対応する、
   ことを特徴とする請求項６に記載の建築物の測位装置。
8. 前記入力部件は、前記収集された測量・マッピングデータ、前記収集されたＧＰＳデータ及び前記収集されたＷｉ―Ｆｉデータに基づいて、それぞれの二次元マトリックスを生成し、生成された３つの二次元マトリックスを３チャンネルデータとして前記第１ニューラルネットワークに入力することに用いられる、
   ことを特徴とする請求項７に記載の建築物の測位装置。
9. 前記トレーニング部件は、前記少なくとも１つの座標データに基づいて第１位置点を決定することに用いられ、前記決定された建築物は、前記第１位置点が所在する建築物であり、又は、
   前記トレーニング部件は、前記少なくとも１つの座標データに基づいて複数の位置点を決定することに用いられ、前記決定された建築物は、前記複数の位置点からなる囲み枠で囲まれた建築物である、
   ことを特徴とする請求項７に記載の建築物の測位装置。
10. 前記測量・マッピングデータは、建築物ブロックの形状、建築物の階高及び建築物に対応する興味点ＰＯＩ情報のうちの少なくとも１つを含む、
    ことを特徴とする請求項６〜９のいずれか一項に記載の建築物の測位装置。
11. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに通信接続するメモリと、
    を備え、
    前記メモリは、前記少なくとも１つのプロセッサにより実行可能なコマンドを記憶しており、前記コマンドは、前記少なくとも１つのプロセッサにより実行されると、前記少なくとも１つのプロセッサに請求項１〜５のいずれか一項に記載の建築物の測位方法を実行させる、
    ことを特徴とする電子デバイス。
12. コンピュータに請求項１〜５のいずれか一項に記載の建築物の測位方法を実行させるためのコンピュータコマンドが記憶されている非一時的なコンピュータ可読記憶媒体。
13. コンピュータにおいてプロセッサにより実行されると、請求項１〜５のいずれか一項に記載の建築物の測位方法を実現するためのプログラム。
14. コンピュータプログラムが記憶されているためのメモリと、
    メモリに記憶されているコンピュータプログラムを呼び出して、請求項１〜５のいずれか一項に記載の建築物の測位方法を実行するためのプロセッサと、
    を備える、
    ことを特徴とする端末デバイス。

Images