TW201618563A - 用於適應性多重特徵語意位置感測之系統及方法 - Google Patents
用於適應性多重特徵語意位置感測之系統及方法 Download PDFInfo
- Publication number
- TW201618563A TW201618563A TW104118621A TW104118621A TW201618563A TW 201618563 A TW201618563 A TW 201618563A TW 104118621 A TW104118621 A TW 104118621A TW 104118621 A TW104118621 A TW 104118621A TW 201618563 A TW201618563 A TW 201618563A
- Authority
- TW
- Taiwan
- Prior art keywords
- location
- access points
- room
- wireless data
- mobile device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000003044 adaptive effect Effects 0.000 title abstract description 9
- 230000015654 memory Effects 0.000 claims description 53
- 238000005259 measurement Methods 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 description 38
- 238000012549 training Methods 0.000 description 25
- 238000003860 storage Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 238000013480 data collection Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 241000288113 Gallirallus australis Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000183024 Populus tremula Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- 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
- H04W4/029—Location-based management or tracking services
-
- 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
-
- 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
- H04W4/024—Guidance services
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
這揭示說明系統、方法、以及電腦可讀取媒體,其係關於採用適應性多重特徵語意位置感測方法以估計一行動裝置之語意位置。與在一或多個位置的一或多個接取點相關聯之一組無線資料掃描係可以被接收。該一或多個位置之一或多個特徵可以根據該組無線資料掃描而辨識,其中該等特徵是與一或多個位置度量相關聯。該一或多個接取點之至少一者,係可以至少部分根據該組無線資料掃描而判定是與一第一位置相關聯。對於該第一位置之一第一分類符係可以至少部分根據該一或多個特徵以及該相關聯的接取點而產生。
Description
本發明係有關用於適應性多重特徵語意位置感測之系統及方法。
行動裝置通常是不斷地連接到一或多個網路,例如,一無線網路。隨著最近智慧型行動裝置和位置為基礎之服務的爆發式增長,可靠和精確的位置感測已變得越來越重要。儘管許多室內位置應用程式和服務使用此使用者之實際位置或地理座標作為輸入,這種常見的位置表示通常只攜帶稍微的語意含意給一使用者並且可能不提供關於使用者之位置的詳細資訊。
依據本發明之一實施例,係特地提出一種方法,其包含下列步驟:藉由包括有一或多個處理器的一運算裝置,接收與在一或多個位置處的一或多個接取點相關聯的一組無線資料掃描;藉由該運算裝置,根據該組無線資料掃描而辨識該一或多個位置之一或多個特徵,其中,該等特徵與一或多個位置度量相關聯;藉由該運算裝置,至少
部分根據該組無線資料掃描而判定出該一或多個接取點中之至少一者與一第一位置相關聯;以及藉由該運算裝置,至少部分根據該一或多個特徵和相關聯的該等接取點而產生針對該第一位置的一第一分類符。
100‧‧‧位置裝置
102‧‧‧使用者
104‧‧‧行動裝置
106‧‧‧語意位置伺服器
108‧‧‧資料儲存器
110‧‧‧位置裝置
110A-110C‧‧‧位置裝置
200‧‧‧系統結構
204‧‧‧網路
210‧‧‧天線
232‧‧‧處理器
234‧‧‧資料儲存器
236‧‧‧記憶體
238‧‧‧輸入/輸出(I/O)介面
240‧‧‧網路介面
242‧‧‧操作系統O/S
244‧‧‧資料庫管理系統(DBMS)
246‧‧‧資料收集系統
248‧‧‧語意位置感測系統
250‧‧‧應用程式
252‧‧‧處理器
254‧‧‧資料儲存器
256‧‧‧記憶體
258‧‧‧輸入/輸出(I/O)介面
260‧‧‧網路介面
262‧‧‧操作系統(O/S)
264‧‧‧資料庫管理系統(DBMS)
266‧‧‧資料系統
270‧‧‧天線
300‧‧‧訓練語意位置感測系統分類符流程圖
305-350‧‧‧訓練語意位置感測系統分類符流程步驟
400‧‧‧語意位置感測系統位置判定流程圖
405-460‧‧‧語意位置感測系統位置判定步驟
500‧‧‧房間佈局
600‧‧‧AP選擇流程圖
605-655‧‧‧AP選擇步驟
700‧‧‧選擇房間組對之AP
705-755‧‧‧選擇房間組對之AP步驟
詳細說明藉著參考附圖而提及。相同參考號碼之使用指示相似或相同的構件或元件;但是,不同的參考號碼同樣地也可能被使用以指示可能是相似或相同的構件或元件。本揭示之各種實施例可以採用除了例示於圖形中之外的那些元件及/或構件,以及可能不呈現在各種實施例中的一些元件及/或構件。依據本文脈絡,使用以說明一元件或一構件之單數專門用語也可以包括複數個此等元件或構件,並且反之亦然。
圖1展示依據一或多個本揭示實施例在用於一適應性多重特徵語意位置感測之例示系統結構的各種構件之間例示資料之流程圖。
圖2是依據一或多個本揭示實施例而包含展示於圖1中的例示系統結構之各種硬體和軟體構件的方塊圖。
圖3是依據一或多個本揭示實施例而用於行動裝置室內定位之適應性多重特徵語意位置感測的例示方法流程圖。
圖4是依據一或多個本揭示實施例而用於適應性多重特徵語意位置感測之例示處理程序的流程圖。
圖5a是依據一或多個本揭示實施例之包含展示
於圖1中的例示系統結構之各種硬體和軟體構件的方塊圖。
圖5b是依據一或多個本揭示實施例之包含展示於圖1中的例示系統結構之各種硬體和軟體構件的方塊圖。
圖6是依據一或多個本揭示實施例而用於適應性多重特徵語意位置感測之一例示處理程序的流程圖。
圖7是依據一或多個本揭示實施例而用於適應性多重特徵語意位置感測之例示處理程序的流程圖。
這揭示係有關對於行動裝置檢測之一適應性多重特徵語意位置感測的系統、方法、電腦可讀取媒體、技術、以及方法論。位置為基礎之應用程式可能需要一使用者之位置的詳細資訊作為相對於使用者之實際位置的座標資訊。例如,其可以是有益於判定一使用者位於義大利餐館或於圖書館或於會議室等等之可能性,如相對於簡單地判定一使用者是位於一特定地理位置,例如,地理位置之緯度和經度座標,其通常是藉由系統,例如,全球定位系統(GPS)而提供。可了解,語意位置資訊可以包含位置細節,例如“喬(Joe)是在主街(main street)上之義大利餐廳”、“在555號山楊道(aspen drive)的家”等等。這型式的語意位置資訊提供關於一位置而相對於簡單實際座標之描述性詳細說明。
用於室內環境之GPS位置檢測的使用可能還是不夠的。現有的一些無線技術(例如,Wi-Fi、超寬頻(UWB)、ZigBeeTM、GSM、CDMA、LTE、等等)係可以採用以判定使用者位置。使用固定特徵和參數之技術是不足夠的,因為房間特徵,例如,牆壁、接取點信號強度等等,跨越辦公室/家中環境,或甚至跨越屋子內部的不同房間而顯著地變化。
在一些實施例中,使用者之語意位置資訊係可以藉由自在一特定位置的一使用者之鄰近的接取點以收集無線資料掃描(wireless data scan)而判定。例如,為了判定在一辦公大樓內之一使用者的語意位置,系統可以使用可能是接近該使用者之裝置(例如,智慧型手機、平板電腦、膝上型電腦、等等)之有用的接取點。使用者裝置(例如,行動裝置104)可以檢測這些接取點並且可以收集無線資料(關於,例如,自這些接取點所接收的信號之功率位準),並且可以配合統計計算而使用該資訊以判定一使用者位於一特定位置中之可能性。
在一些實施例中,一組統計度量係可以使用而計算一組位置特徵,其是有益於基於自一或多個接取點所收集的無線資料掃描而界定該位置。使用Wi-Fi作為一範例,Wi-Fi掃描可以包含RSSI量測,其可以指示藉由行動裝置天線自該行動裝置之鄰近的接取點所接收的功率位準。應了解,RSSI數目愈高,則信號愈強。
統計度量,例如,標準歐幾里德(standard
Euclidean),其是在二點之間的一般距離,可以使用以判定在這些RSSI量測之間的一統計差量,以便判定一個人是位於一特定位置之可能性。
一機器學習方法係可以採用,以便判定跨越不同環境(例如,辦公大樓、商場、家庭、等等)的室內語意位置資訊。機器學習技術係可以使用以辨識候選房間特徵度量,其可以使用以判定一特定位置的語意位置資訊。特徵度量之範例可以是,標準歐幾里德、皮爾遜相關係數(Pearson’s correlation coefficient)、餘弦相關係數(Cosine correlation coefficient)、斯皮爾曼等級次序(Spearman rank order)、漢明距離(Hamming distance)、或標準化歐幾里德距離(Normalized Euclidean distance)等等。對於各個語意位置之一獨特的分類符可以使用候選者特徵度量而產生,以至於該分類符可以被考慮作為一使用者位於一特定位置(例如,在餐廳、會議室中等等)之指標。用以判定一使用者位於一特定語意位置中之可能性的一分類符之使用,可以改進挑戰環境之精確度,其中接取點之無線性質可以隨著時間而逐漸地改變。例如,如果應用特徵度量“斯皮爾曼(Spearman)等級次序”和“漢明(Hamming)距離”於房間A中之無線掃描,將產生一使用者是很可能在房間A中之一較高的信心,接著一分類符可以對於房間A而產生。該分類符稍後可以應用至新收集的無線掃描以判定一使用者是在房間A中的可能性。實際上,產生一使用者是在一特定位置中的高信心之與一特徵度量列表相關聯的一分類符列
表,可以對於各可能的位置而產生。
如上所述,自鄰近一行動裝置之一些接取點所收集的無線掃描,可以使用以判定一使用者是在一特定位置中之可能性。在一些實施例中,如果由於它們的位置在一特定位置之內而使一或多個接取點引介錯誤的無線掃描,則可能必須移除在該特定位置的一或多個接取點。例如,一接取點可能是位於分隔二個房間的一牆壁前面,其可能導致關於一使用者是在第一房間或第二個房間之相互矛盾的資訊,其只是因為該接取點是位於二個房間之間。應了解,上面僅是一範例,通常接取點可能導致錯誤的無線掃描並且其他情況可能引起一不可靠的接取點。
在另一實施例中,移除一或多個接取點之判定可以是基於一位置的佈局。例如,如果一或多個接取點是位於一位置之一或多個界定的區域內,該一或多個接取點可以視為接取點池之部份,其可以被使用以判定一行動裝置是置於一特定位置中之可能性。如果一些接取點是位於該位置所界定的區域外部,則這些接取點可能不被使用於行動裝置之位置判定。一區域係可以藉由相對於一房間之一或多個牆壁的一角度和半徑而界定。可能是位於該區域內之接取點是可以視為候選者接取點,其將使用以判定一行動裝置是在一特定位置中之可能性,而置於該區域外部的接取點可能不被視為行動裝置之位置判定中的一候選者接取點。應了解,上面僅是界定可以使用以判定一行動裝置的位置而用以選擇候選者接取點的一區域之一範例。
各種例示實施例已在上文討論。這些和其他揭示實施範例將透過參考附圖而更詳細地說明。所提供之圖形和對應的說明僅作為例示並且不欲以任何方式限制本揭示。應了解,許多其他實施例、變化等等是在這揭示之範疇內。
圖1展示依據一或多個揭示實施例而在用於行動裝置的多重特徵語意位置感測之例示系統結構的各種構件之間的例示資料流程圖。
藉由一或多個使用者102而可操作之一或多個例示行動裝置104係展示於圖1中。行動裝置104可以包含任何適當的處理器驅動運算裝置,其包含,但是不受限定於,一桌上型運算裝置、一膝上型運算裝置、一伺服器、一智慧型手機、一平板電腦、可穿戴式無線裝置(例如,手鐲、手錶、眼鏡、戒指等等)以及等等。為容易說明起見,行動裝置104可以單數在此處說明(例如,一行動裝置104);但是,應了解,複數個行動裝置104亦可以被提供。
行動裝置104可以與一或多個位置裝置110A、110B、及/或110C(整體地稱為位置裝置110)通訊。位置裝置110係可以是藉由一唯一的識別符而組態。位置裝置110可以提供覆蓋一預定地區之無線信號範圍。行動裝置104可以捕獲在行動裝置104和位置裝置110之間與通訊相關聯的無線信號量測。該等量測可以包含一或多個接收信號強度指標(RSSI),其是呈現於一接收信號中之功率的量測。
例如,位置裝置110可以是一無線接取點、一徑由器、一伺服器、另一行動裝置、或可以無線地與行動裝置104通訊之任何裝置,以判定行動裝置104之語意位置。
位置資訊可以收集自行動裝置本身。例如,與行動裝置104相關聯之感測器(例如,加速計、迴轉儀、或其類似者)可以捕獲行動裝置104的慣性資料。在一些實施例中,行動裝置104可以包含一慣性導航系統或其類似者,以捕獲與行動裝置104相關聯之慣性資料。一慣性導航系統是一導航協助器,其採用移動感測器(例如,加速計)和轉動感測器(例如,迴轉儀)以經由完全地推測行動裝置104之位置、方位、以及速率(例如,移動方向和速率),不需外部參考而連續地計算。
無線資料掃描可以包含下列資料,例如,位置裝置110之唯一識別符、無線量測(例如,RSSI量測,其指示藉由行動裝置天線自接取點所接收的功率位準)、資訊增益量測、及/或慣性資料。該等無線資料掃描係可以藉由行動裝置104而收集,並且可以被傳送至將使用於行動裝置104之位置判定的一語意位置伺服器106。語意位置伺服器106也可以自一或多個資料儲存器108而接收資料,例如,對於一特定位置之地面地圖資訊、無線量測(例如,房間掃描S1、S2...、Sn)、位置裝置110之辨識資訊、可以被選擇而提供一使用者是在一特定房間中之最高信心的房間特徵(例如,房間特徵F1、F2...Fn)、可以配合可使用於各房間之特定房間特徵而供使用的房間分類符(例如,
C1、C2、...、Cn)、及/或與位置裝置110相關聯之無線電指紋資料。無線電指紋資料可以包含識別位置裝置110之資訊。一電子指紋可能藉由其之唯一的無線電傳輸特性而辨識一無線裝置。應了解,資訊增益是來自資訊理論之一統計計算概念,其是依賴於取樣資料內之熵量測之應用數學的一支脈。
一或多個語意位置伺服器106係可以組態以至少部份地基於下列資訊而判定行動裝置104之一目前位置,如慣性資料、無線量測資料(例如,用於一或多個位置裝置之RSSI量測、資訊增益、或關於所接收之信號品質的任何無線量測)、位置裝置指紋資料、及/或地面地圖資訊。該位置可以被使用以提供位置為基礎之服務至所辨識之行動裝置104。例如,該一或多個語意位置伺服器106可以判定在二個階段中,一訓練階段以及一檢測階段,之使用者裝置(例如,行動裝置104)的位置。在訓練階段的期間,該一或多個語意位置伺服器106可以自行動裝置104接收無線資料掃描,可以使用一組統計度量以進行所接收的無線資料掃描上之統計分析以判定以每個房間為基礎的一分類符列表。例如,來自房間1(例如,S1)之無線資料掃描可以藉由行動裝置104而收集。進一步地,行動裝置104位置係可以藉由應用可以代表行動裝置104是位在一特定房間(例如,房間1)之一或多個特徵或位置度量而判定。於範例中,計算餘弦_中位數、斯皮爾曼(Spearman)_中位數、以及漢明(Hamming)_中位數,可以比應用其他特徵或位置度
量,例如,歐幾里德(Euclidean)_中位數,而提供於行動裝置104之位置判定中之一較佳的檢測精確度。
資料儲存器106可以儲存對於一些房間(房間1、房間2、…房間n)之無線資料掃描(例如,S1、S2、…Sn)。資料儲存器106可以儲存可提供一特徵或位置度量之列表的房間特徵(例如,F1、F2、…、Fn),其可以使用以判定一行動裝置104是在一特定位置中之可能性。資料儲存器106可以進一步地儲存對於各房間之房間分類符(例如,C1、C2、…、Cn),以至於一分類符可以使用以判定行動裝置104之位置。
在檢測階段的期間,分類符列表可以被應用而對照於新近所取得的無線資料掃描,以便判定行動裝置104是在一特定位置之可能性。例如,為了判定行動裝置104是位於房間1中,一或多個語意位置伺服器106可以進行房間分類符列表,以對照於藉由行動裝置104之新近所取得的無線資料掃描。執行分類符對照新近所取得的無線資料掃描,可以包含應用被判定是為房間1之表示的特徵或位置度量於訓練階段中。
圖2是依據一或多個揭示實施例而包含展示於圖1中之例示系統結構的各種硬體和軟體構件之方塊圖。例示系統結構200可以包含藉由一或多個使用者102而可操作之一或多個行動裝置104、一或多個資料儲存器108、位置裝置110、及/或一或多個語意位置伺服器106。行動裝置104、資料儲存器108以及伺服器106可以包含透過參考至
圖1之說明的任何型式之裝置。
任何的行動裝置104、資料儲存器108、位置裝置110、及/或伺服器106係可以組態以經由一或多個網路204而彼此通訊且與系統結構200之任何其他構件通訊。網路204可以包含,但是不受限定於,例如,任何不同型式之適當的通訊網路之一者或其組合,例如,電纜線網路、公用網路(例如,網際網路)、私用網路、無線網路、行動電話網路、或任何其他適當之私用及/或公用網路。進一步地,網路204可以具有與之相關聯的任何適當通訊範圍,並且可以包含,例如,廣域網路(例如,網際網路)、都會地區網路(MAN)、廣域網路(WAN)、局域性區域網路(LAN)、或個人區域網路(PAN)。此外,網路204可以包含任何類型的媒體,網路交通藉之被攜帶,例如包含,但是不受限定於,同軸電纜線、雙對絞線、光纖、混合光纖同軸(HFC)媒體、微波陸地收發器、射頻通訊媒體、衛星通訊媒體、或其任何組合。
任何的行動裝置104、資料儲存器108、位置裝置110、及/或伺服器106可以包含一或多個通訊天線(例如,天線210和270)。通訊天線可以是對應至行動裝置104、資料儲存器108、位置裝置110、及/或伺服器106所使用的通訊協定之任何適當型式的天線。一些非限定性之適當通訊天線的範例包含Wi-Fi天線、電機和電子工程師協會(IEEE)802.11家族標準相容天線、方向性天線、非方向性天線、雙極天線、摺疊式雙極天線、貼片天線、多輸
入多輸出(MIMO)天線、或其類似者。任何的行動裝置104、資料儲存器108、位置裝置110、及/或伺服器106可以包含發送/接收(收發器)或無線電構件,其可以包含用以發送及/或接收射頻(RF)信號之任何適當的無線電及/或收發器,該等射頻(RF)信號的帶寬及/或頻道是對應至任何的行動裝置104、資料儲存器108、位置裝置110、及/或該伺服器106所採用以彼此通訊的通訊協定。無線電構件可以包含硬體及/或軟體,以依據預先建立之傳輸協定而調變及/或解調變通訊信號。無線電構件可以進一步具有硬體及/或軟體指令,其經由如利用電機和電子工程師協會(IEEE)802.11標準而標準化的一或多個Wi-Fi及/或Wi-Fi直接協定而通訊。在某些實施範例中,無線電構件,協同通訊天線,係可以組態以經由2.4GHz頻道(例如,802.11b、802.11g、802.11n)、5GHz頻道(例如,802.11n、802.11ac)、或60GHZ頻道(例如,802.11ad)而通訊。在一些實施例中,非Wi-Fi協定係可以使用於裝置之間的通訊,例如,藍牙、專用短範圍通訊(DSRC)、或其他封包化無線電通訊。無線電構件可以包含適用於經由通訊協定而通訊之任何習知的接收器和基頻。無線電構件可以進一步包含一低雜訊放大器(LNA)、附加信號放大器、一類比-至-數位(A/D)轉換器、一或多個緩衝器、以及一數位基頻。
行動裝置104可以包含一或多個處理器232以及一或多個記憶體236(於此處統稱為記憶體236)。處理器232可以包含任何適當的處理單元,其能夠接受數位資料作為
輸入、依據所儲存之電腦可執行指令而處理輸入資料、以及產生輸出資料。電腦可執行指令可以儲存於,例如,資料儲存器234中,並且此外,可以包含一操作系統242和應用程式250。電腦可執行指令可以自資料儲存器234而取得並且如執行所需要地載入記憶體236中。處理器232係可以組態以執行電腦可執行指令,而導致進行各種操作。處理器232可以包含任何類型之處理單元,其包含,但是不受限定於,一中央處理單元、一微處理器、一微控制器、一縮減指令集電腦(RISC)微處理器、一複雜指令集電腦(CISC)微處理器、一特定應用積體電路(ASIC)、一單晶片系統(SoC)、一場可規劃閘陣列(FPGA)、以及等等。
資料儲存器234可以儲存藉由處理器232而可載入且可執行的程式指令,以及在程式指令執行期間藉由處理器232操作且產生的資料。該等程式指令可以如執行所需要地載入記憶體236中。取決於行動裝置104之組態和實行例,記憶體236可以是依電性記憶體(例如,當不被供電時並不組態以保留所儲存的資訊之記憶體),例如,隨機存取記憶體(RAM)及/或非依電性記憶體(例如,即使當不被供電時亦被組態以保留所儲存的資訊之記憶體),例如,唯讀記憶體(ROM)、快閃記憶體、以及等等。在各種實行例中,記憶體236可以包含複數個型式之記憶體,例如,各種形式之靜態隨機存取記憶體(SRAM)、各種形式之動態隨機存取記憶體(DRAM)、不可改變的ROM、及/或可寫入ROM之變化,例如,電氣可消除可規劃唯讀記憶體
(EEPROM)、快閃記憶體、以及等等。
行動裝置104可以進一步包含附加資料儲存器234,例如,可移動儲存器及/或非可移動儲存器,其包含,但是不受限定於,磁儲存器、光碟儲存器、及/或卡帶儲存器。資料儲存器234可以提供電腦可執行指令和其他資料之非依電性儲存器。記憶體236及/或資料儲存器234、可移動的及/或非可移動儲存器,都是電腦可讀取儲存器媒體(CRSM)之範例。
行動裝置104可以進一步地包含網路介面240,其便利於經由網路204而在行動裝置104和例示系統結構200之其他裝置(例如,資料儲存器108、伺服器106等等)或應用軟體之間通訊。行動裝置104可以另外地包含一或多個輸入/輸出(I/O)介面238(以及選擇地包含相關聯的軟體構件,例如,裝置驅動器),其可以支援在一使用者102和多種I/O裝置之間互動,例如,一鍵盤、一滑鼠、一輸入筆、一指示裝置、一聲音輸入裝置、一觸控輸入裝置、一顯示器、擴音機、一攝影機、一麥克風、一印表機、以及等等。
再次參看至資料儲存器234、各種系統和應用、或其類似者,其係可以儲存可包括電腦可執行指令於其中,當該等指令藉由處理器232而執行時,將導致各種操作被進行。記憶體236可以自資料儲存器234載入一或多個操作系統(O/S)242,其執行於行動裝置104以及行動裝置104之硬體資源上,其可以提供在其他應用軟體(例如,專
用之應用、一瀏覽器應用、一網路為基礎應用、一分佈式客戶伺服器應用、等等)之間的一介面。更明確地,O/S 242可以包含一組電腦可執行指令,其是用以管理行動裝置104之硬體資源以及用以提供常見的服務至其他應用程式(例如,管理在各種應用程式中之記憶體位置)。O/S 242可以包含現在已知的或可能於將來產生之任何操作系統,其包含,但是不受限定於,任何移動式操作系統、桌上型或膝上型電腦操作系統、中央處理器操作系統、或任何其他專有的或來源開放之操作系統。
資料儲存器234可以進一步地包含一或多個資料庫管理系統(DBMS)244,其用以存取、取得、儲存、及/或操作儲存於一或多個資料儲存器(例如,資料儲存器108)中之資料。該DBMS 244可以使用任何的多種資料庫模式(例如,相關模式、物件模式等等)並且可以支援任何多種詢問語言。
資料儲存器234可以另外地包含用以支援多種相關聯的功能性之可包含電腦可執行指令的各種其他系統。例如,資料儲存器234可以包含一或多個資料收集系統246、一或多個語意位置感測系統248、及/或一或多個應用程式250。
資料收集系統246可以包含電腦可執行指令,其響應於藉由處理器232之執行而導致下列操作被進行,如包含產生及/或得到無線資料(例如,無線信號強度)。資料收集系統246可以是負責接收或得到與一行動裝置104相關
聯之資訊。
語意位置感測系統248可以包含電腦可執行指令,其響應於藉由處理器232之執行而導致包含接收或得到藉由資料收集系統246所收集之資料的操作被進行。例如,語意位置感測系統248可以透過一或多個位置裝置110在一訓練階段期間收集來自行動裝置104之無線資料掃描,並且可以使用特徵或位置度量以進行統計分析而計算一組位置特徵,其可以是有益於基於自一或多個位置裝置110所收集的無線資料掃描而界定一位置。該組位置特徵可以被使用以判定房間分類符之一列表,該列表可以在一檢測階段的期間被使用,於其中各個位置可能是與一唯一的分類符相關聯。
在一些實施例中,語意位置感測系統248可以自其他行動裝置104、及/或位置裝置110及/或一或多個語意位置伺服器106而接收資料,並且可以基於該接收之資訊而判定一行動裝置104之位置。雖然,於展示中,語意位置感測系統248可以判定行動裝置104之位置,應了解,這判定也可以實行於語意位置伺服器106上。
應用程式250可以包含電腦可執行指令,其響應於藉由處理器232之執行而導致包含特定於該應用程式250之不同功能性的執行之操作被進行。例如,應用程式250可以提供所判定之位置資訊(例如,行動裝置是在房間A中之可能性)至位置為基礎之服務(例如,基於該位置判定之目標應用程式,例如,遊戲、廣告、警報、等等…)。在
另一實施例中,該應用程式250可以根據所收集的無線資料掃描而啟動位置判定,於其中該應用程式250可以判定一行動裝置104是在一特定位置之可能性,其是藉由使用一組特徵或位置度量用以進行統計分析以判定房間分類符之一列表,並且接著使用這些分類符以判定該行動裝置104是在一特定位置中之可能性。
一或多個系統可以儲存在資料儲存器234之內。如此處所使用地,系統可以是指可以藉由一或多個處理器232而執行之指令的功能聚集。為容易說明起見,並且不是作為限制,分別之系統被說明。但是,應了解,在一些實行例中,藉由系統所提供的各種功能可以合併、分離、以及等等。更進一步地,系統可以彼此相互通訊或互動,以至於一者之情況將影響另一者之操作。
語意位置伺服器106可以包含一或多個處理器252以及一或多個記憶體256(於此處統稱為記憶體256)。處理器252可以包含任何適當的處理單元,其能夠接受數位資料作為輸入、依據所儲存的電腦可執行指令而處理輸入資料、以及產生輸出資料。電腦可執行指令可以儲存於,例如,資料儲存器254中,並且此外,可以包含操作系統軟體和應用軟體。電腦可執行指令可以自資料儲存器254而取得並且如執行所需要地載入記憶體256中。處理器252係可以組態以執行電腦可執行指令,而導致進行各種操作。處理器252可以包含任何類型之處理單元,其包含,但是不受限定於,一中央處理單元、一微處理器、一微控
制器、一縮減指令集電腦(RISC)微處理器、一複雜指令集電腦(CISC)微處理器、一特定應用積體電路(ASIC)、一單晶片系統(SoC)、一場可規劃閘陣列(FPGA)、以及等等。
資料儲存器254可以儲存藉由處理器252而可載入和可執行的程式指令,以及在程式指令執行期間藉由處理器252操作且產生之資料。該等程式指令可以如執行所需要地載入記憶體256中。取決於語意位置伺服器106之組態和實行例,記憶體256可以是依電性記憶體(例如,當不被供電時並不組態以保留所儲存的資訊之記憶體),例如,隨機存取記憶體(RAM),及/或非依電性記憶體(例如,即使當不被供電時亦被組態以保留所儲存的資訊之記憶體),例如,唯讀記憶體(ROM)、快閃記憶體、以及等等。在各種實行例中,記憶體256可以包含複數個型式之記憶體,例如,各種形成之靜態隨機存取記憶體(SRAM)、各種形式之動態隨機存取記憶體(DRAM)、不可改變之ROM、及/或可寫入ROM之變化,例如,電氣地可消除可規劃唯讀記憶體(EEPROM)、快閃記憶體、以及等等。
語意位置伺服器106可以進一步地包含附加資料儲存器254,例如,可移動儲存器及/或非可移動儲存器,其包含,但是不受限定於,磁儲存器、光碟儲存器、及/或卡帶儲存器。資料儲存器254可以提供電腦可執行指令和其他資料之非依電性儲存器。記憶體256及/或資料儲存器254、可移動儲存器及/或非可移動儲存器,都是電腦可
讀取儲存器媒體(CRSM)之範例。
語意位置伺服器106可以進一步地包含網路介面260,其便利於經由網路204而在語意位置伺服器106和例示系統結構200的其他裝置(例如,行動裝置104、資料儲存器108、等等)或應用軟體之間通訊。語意位置伺服器106可以另外地包含一或多個輸入/輸出(I/O)介面258(以及選擇地包含相關聯的軟體構件,例如,裝置驅動器),其可以支援在一使用者102和多種I/O裝置之間的互動,例如,一鍵盤、一滑鼠、一輸入筆、一指示裝置、一聲音輸入裝置、一觸控輸入裝置、一顯示器、擴音機、一攝影機、一麥克風、一印表機、以及等等。
再次參看至資料儲存器254,各種程式、應用或其類似者,其係可以儲存可以包括電腦可執行指令於其中,當該等指令藉由處理器252而執行時,將導致各種操作被進行。記憶體256可以自資料儲存器254載入一或多個操作系統(O/S)262,其執行於語意位置伺服器106和語意位置伺服器106之硬體資源上,其可以提供在其他應用軟體(例如,專用之應用、一瀏覽器應用、一網路為基礎應用、一分佈式客戶伺服器應用、等等)之間的一介面。更明確地,O/S 262可以包含一組電腦可執行指令,其是用以管理語意位置伺服器106之硬體資源以及用以提供常見的服務至其他應用程式(例如,管理在各種應用程式之中的記憶體位置)。O/S 262可以包含目前已知的或可以是於將來產生的任何操作系統,其包含,但是不受限定於,任
何移動操作系統、桌上型或膝上型電腦操作系統、中央處理器操作系統、或任何其他專有的或來源開放操作系統。
資料儲存器254可以進一步地包含一或多個資料庫管理系統(DBMS)264,其用以存取、取得、儲存、及/或操作儲存於一或多個資料儲存器(例如,資料儲存器108)中之資料。DBMS 264可以使用任何多種資料庫模式(例如,相關模式、物件模式、等等)並且可以支援任何多種詢問語言。
資料儲存器254可以另外地包含用以支援多種相關聯的功能性之可包含電腦可執行指令的各種其他系統。例如,資料儲存器254可以包含一或多個資料收集系統266及/或一或多個位置系統268。
位置系統266可以包含電腦可執行指令,其響應於藉由處理器252之執行而導致下列操作被進行,如包含得到無線資料掃描、分析無線資料掃描、至少部份地基於該分析資料而辨識行動裝置104之一位置、及/或產生與所判定的位置及/或一或多個可能的位置相關聯之一或多個信心位準。雖然,於展示中,位置系統266可以判定行動裝置104之位置,應了解,這判定也可以實行於行動裝置104上。在一些實施例中,位置系統268可以基於自行動裝置104所接收的無線資料掃描而連續地重新計算及/或辨識行動裝置104之一目前位置。例如,位置系統266可以提供位置判定(例如,行動裝置是在房間A中之可能性)至位置為基礎之服務(例如,基於該位置判定之目標應用程式,
例如,遊戲、廣告、警報、等等…)。一些位置為基礎之服務可以提供給使用者關於最接近的群集、一朋友之位置、商務相關服務(例如,基於它們的位置而針對使用者之折價券或廣告)、氣象服務、及/或位置為基礎之遊戲。如上所述,除了一行動裝置(例如,行動裝置104)的實際座標之外,GPS系統可能是不足以提供可使用之資訊。例如,如果一位置為基礎之應用程式接收行動裝置104之座標,而在購物中心內部之座標資訊將是不足以判定行動裝置104是位於哪個商店。
在另一實施例中,應用程式250可以根據所收集的無線資料掃描而啟動位置判定,於其中該應用程式250可以判定一行動裝置104是在一特定位置中之可能性,其藉由使用一組特徵或位置度量而進行統計分析以判定房間分類符之一列表並且接著使用這些分類符以判定該行動裝置104是在一特定位置中之可能性。應了解,上述僅是位置為基礎之服務的範例並且其他位置為基礎之服務亦可以被採用。
一或多個系統可以儲存在資料儲存器254之內。如此處所使用地,系統可以是指可以藉由一或多個處理器252而執行的指令之功能聚集。為容易說明起見,並且不是作為限制,分別之系統被說明。但是,應了解,於一些實行例中,藉由系統所提供的各種功能可以合併、分離、以及等等。應了解,如藉由語意位置伺服器106之位置系統268所進行的上述判定和計算,在一些實施例中,是可
以部份地或完全地藉由一行動裝置104及/或位置裝置110之語意位置感測系統248而進行。更進一步地,系統可以彼此相互通訊或互動,以至於一者之情況將影響另一者之操作。
那些熟習本技術者應了解,系統結構200之任何構件可以包含超出那些上述或展示之替代及/或附加的硬體、軟體、或韌體構件而不脫離揭示之範疇。尤其是,應了解,所展示或上述之硬體、軟體、或韌體構件,如同形成系統結構200之任何例示構件的部件,以及此等構件支援之相關聯的功能性,僅是作為例示,並且一些構件可能不呈現或附加構件可能提供於各種實施例中。雖然各種系統已相對於系統結構200之各種例示構件而展示和說明,應了解,上述之功能性,當藉由系統而支援時,可以藉由硬體、軟體、及/或韌體之任何組合而致能。進一步應了解,上述系統之各者,於各種實施例中,可以代表支援的功能性之一邏輯分割。這邏輯分割之展示是為了容易說明功能性,並且可能並非表示用以實行該功能性之硬體、軟體、及/或韌體的結構。因此,應了解,上述之功能性,當藉由一特定系統而提供於各種實施例中時,其可以至少部份地藉由一或多個其他系統而提供。進一步地,一或多個展示之系統,可能不呈現在某些實施例中,而於其他實施例中,沒展示出之附加系統可以呈現並且可以支援至少一部份所述之功能性及/或附加功能性。進一步地,雖然某些系統可能被展示以及被說明作為另一系統之子系統,
在某些實施例中,此等系統可以提供作為獨立之系統。
那些一般熟習本技術者應了解,例示系統結構200是僅藉由範例而提供。許多其他操作環境、系統結構、以及裝置組態是可在這揭示範疇之內。其他揭示實施例可以包含較少或較多數量之構件及/或裝置,並且可以包含相對於例示系統結構200之一些或所有上述的功能性、或附加之功能性。
圖3例示依據一或多個揭示實施例而用以訓練用於語意位置感測系統之分類符的例示處理程序300之流程圖。
在一些實施例中,語意位置感測系統248係可以組態以採用機器學習技術以辨識分別的房間特徵和對應地構建用於各房間之多重特徵分類符。機器學習技術可以被使用以辨識適當的房間特徵(例如,其可以根據自位置裝置110所接收的無線資料掃描而判定一組統計度量以適當地辨識該房間)以及各房間之適當的分類符。機器學習技術係可以組態以適應於各種不同的環境並且學習在房間之間的無線差異以改進檢測精確度。房間和牆壁的實際構造可能產生圍繞無線信號,例如,Wi-Fi信號,之強力信號衰減。因此,各房間可以具有其之唯一的接收無線信號性質(例如,Wi-Fi性質)。例如,一特定的房間可以自一組特定位置裝置110(例如,接取點)接收信號,而有來自分別的位置裝置104之各者的一唯一信號強度組合。可使用以判定該信號之一特徵的一統計度量可以是歐幾里德
(Euclidean)距離,其是用以判定在二個點之間(例如,在二房間之間、在二接取點之間、在二RSSI量測之間、等等)的距離之一數學演算法,應了解,RSSI是一通稱的無線電接收器技術度量,其可以指示一RF裝置(例如,接取點)所接收的功率位準。應了解,上面僅是一範例,並且其他特徵亦可以被採用。
當應用至一位置中之各種無線量測時,不同的室內環境可能產生不同的統計數值。例如,應用一統計度量(例如,歐幾里德(Euclidean)距離)至藉由行動裝置104所收集的一組無線掃描,在相同房間自一個位置至另一位置或在不同房間之間,可能產生不同結果。在一實施例中,機器學習技術可以被採用以依據分別房間的基礎而辨識唯一的房間特徵,並且可以被採用以建構用於各房間之一唯一的分類符,其可以使用以判定一行動裝置104是在一特定位置之可能性。如上面說明之建構一分類符的二個階段可以被採用:一訓練階段以及一檢測階段。為容易釋義起見,通稱之詞語“房間”可以使用以代表一語意位置點,雖然其亦可以表示其他型式之位置,例如,辦公室小隔間和商店。為了例示之目的,Wi-Fi協定可以使用作為如上所述之方法和系統的一實行範例,但是,任何無線協定也可以等效地被實行。
訓練階段
在方塊305,語意位置感測系統248可以收集無線掃描。在一些實施例中,該等收集之無線掃描可以包含
與行動裝置104和一或多個位置裝置110(例如,接取點)相關聯之無線資料量測以及與行動裝置104相關聯的慣性資料,例如,信號強度、位置裝置110辨識。語意位置感測系統248可以接收來自各種房間之無線掃描結果(例如,Wi-Fi掃描結果)。其是可以複數個方式以收集此房間訓練資料集合。例如,一使用者可以採用一人工勘測以收集各房間中的許多Wi-Fi掃描,或使用者可以提供位置資訊(例如,一使用者可以手動地輸入該使用者是位於會議室A中)。例如,一使用者可以藉由一特定的描述名稱(例如,臥房、會議室A、等等)以手動地標記一房間。進一步地,房間資訊和對應的無線掃描也可以使用資訊(例如,白天時間、GPS座標、以及先前的房間檢測結果)在背景中自動地學習。
在方塊310,所收集的無線掃描可以使用資料收集系統246來標記和儲存。例如,Ni個參考Wi-Fi掃描可以被蒐集於房間i內部,其中各Wi-Fi掃描可以包含來自K個AP(接取點)之一組RSSI量測:[S 1 ,S 2 ,…S K ]。
在方塊315,語意位置感測系統248可以計算在各對房間(i、j)之間的跨房間之相似計分。語意位置感測系統248可以得到在房間內部和房間外部兩者之無線(例如,Wi-Fi)掃描取樣,以便訓練用於各房間的一分類符。例如,對於房間i之被標記Wi-Fi掃描係可以判定作為來自房間i內部之訓練樣本。不被標記用於房間i並且是來自相鄰之房間的Wi-Fi掃描,可以被使用以判定在房間外部之
訓練資料。相鄰之房間係可以藉由在房間之間的Wi-Fi性質之相似性而判定。例如,在各組對房間之間的跨房間之平均Wi-Fi信號歐幾里德(Euclidean)距離(例如,D ij ),可以如下所示地被計算:
其中S ij 可以是在房間i內部的第j個AP(接取點)之平均信號強度。
在方塊320,語意位置感測系統248可以判定,根據該D ij 數值以及一臨界值,房間i和房間j可以被標誌作為彼此相鄰。該臨界值係可以藉由系統管理員、行動裝置104、語意位置伺服器106、及/或使用者102而判定。例如,如果藉由一行動裝置104所檢測的Wi-Fi信號之歐幾里德(Euclidean)距離D ij ,是較小於10,則其可被判定,房間i和房間j是彼此相鄰。但是,如果藉由行動裝置104所檢測的Wi-Fi信號之歐幾里德(Euclidean)距離D ij 是較大於10,則其可以判定房間i和房間j不是彼此相鄰。
在方塊325,語意位置感測系統248可以將房間j中之Wi-Fi掃描資料增加至用於房間i之外部訓練資料,及/或可以將房間i中的Wi-Fi勘測資料增加至用於房間j之外部訓練資料。不同地陳述,來自房間外部之掃描資料係可以判定為用於另一房間內部之掃描的資料。
在方塊330,語意位置感測系統248可以判定分類符是否可以被訓練以代表一或多個位置。在分類符訓練
不是必須的情況中,處理程序分支至可以提供附加特徵的圖6之方塊6A,其將在下面更詳細地討論。
在方塊335,資料收集系統246可以儲存供用於N個房間之房間外部的無線掃描(例如,Wi-Fi掃描)。
在方塊340,語意位置感測系統248可以根據可以辨認代表各個位置之特徵度量數值中的差異之所收集的無線資料而計算一組位置特徵。例如,各位置可以具有一或多個特徵度量,其可能是更適用於代表一使用者(例如,使用者102)是位於該位置中之可能性。因此,一分類符接著可以是與那些的一或多個特徵度量相關聯。這些特徵度量可以是統計計算(例如,標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離、等等),其進行於與一位置相關聯之一資料組對(例如,在房間、接取點、無線信號量測、RSSI量測、等等之間)上。如上所說明,一分類符可以代表用於一特定位置之一組特徵,其可以判定一使用者是在一特定位置中之可能性。
為了選擇哪些特徵是更適用於一特定位置,統計數值可以使用一組特徵度量(例如,標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離、等等)而於一取樣組對(例如,房間、Wi-Fi掃描、等等)上被判定。例
如,為判定一房間A之特徵(其可能是適用於判定一使用者是在該房間中之可能性),首先,特徵度量M(例如,標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離、等等)以及統計數值S(例如,最小、最大、平均、等等)之數目可以被計算。統計數值(例如,最小、最大、等等)可以由一組距離數值(例如,一內部取樣對所有的其他內部取樣、或者一內部取樣對所有的外部取樣)而計算出,其可以被使用以取代一各別的距離數值以改進強健性。
對於上面所使用的特徵度量之各者,統計數值S(例如,一最小值、一最大值、一平均值、一標準偏差量及/或一中位數)之數目可以被計算。例如,如果10個特徵度量(M=10)被使用於判定一使用者是位於房間A中之可能性,並且5個不同的統計數值被計算(例如,S=5),其可以有5*10個不同的特徵,而被標注作為歐幾里德(Euclidean)_min、歐幾里德(Euclidean)_max、…漢明(Hamming)_min、等等。
對於房間i給予Ni個參考Wi-Fi取樣以及Ai個相鄰Wi-Fi取樣,標記作為內部之Ni個訓練資料可以被產生,並且標記作為外部之Ai個訓練資料可以被產生。一內部訓練資料可以藉由自Ni個房間i之取樣選擇一單一Wi-Fi參考取樣、計算相對於用於房間i之剩餘的Ni-1個Wi-Fi取樣之距離、以及對於各距離度量計算這些Ni-1個數值之S個統計數
值(例如,最小、最大、平均、等等)而產生。一外部訓練資料可以藉由自Ai個取樣而選擇一單一相鄰Wi-Fi取樣、相對於來自房間i內部之Ni個Wi-Fi取樣計算距離、以及對於各距離度量計算這些Ni個數值之S個統計數值而產生。
在方塊345,語意位置感測系統248可以基於上面之判定特徵而訓練各種機器學習分類符。繼續上面之範例,M個特徵度量和S個統計數值可以配合於機器學習技術而使用,以便訓練用於房間A之一唯一的分類符。因此,各房間可以藉由使用機器學習技術或機組而應用分類符對照新的無線掃描而被辨識。機器學習技術之一些範例可以使用具有較低計算複雜性之線性分類符,例如,支援向量機器(SVM)、提高判定挑戰、或判定樹為基礎之分類符(例如,WekaTM之等級J48)。應了解,WekaTM可以是一開放來源java分類符機組,並且其他機器學習分類符或軟體機組也可以使用。
在方塊350,資料收集系統246可以儲存供用於N個房間之各者的訓練房間分類符。
檢測階段
圖4例示依據一或多個揭示實施例之用於語意位置感測系統的位置判定之例示處理程序400的流程圖。
在方塊405,語意位置感測系統248可以收集一新的無線掃描W(例如,Wi-Fi掃描、藍牙掃描、或任何其他無線掃描),其可以指示接近AP(例如,位置裝置110)之信號強度(例如,RSSI量測)。例如,一使用者(例如,使用
者102)可以進入一房間,其可能是在源自各種位置裝置,例如,AP(例如,來自一房間之內或在該房間外部),的無線信號之範圍內。
在方塊410,語意位置感測系統248可以自資料收集系統246接取對於一房間(例如,房間i)而儲存的Wi-Fi掃描。
在方塊415,語意位置感測系統248可以藉由在新的無線掃描W和儲存的無線掃描之間比較AP之ID或RSSI量測、或使用一組RSSI作為置於一特定房間(例如,房間i)中之AP的位置簽名(例如,RSSI指紋)而判定共同AP。例如,如果一使用者102進入一房間(例如,房間i),行動裝置104可以自接近位置裝置110收集無線掃描,並且可以使用來自學習階段所收集的掃描而判定來自學習階段的無線掃描以及來自檢測階段的無線掃描之間的共同位置裝置100。
在方塊420,語意位置感測系統248可以藉由檢查共同AP匹配而移除或排除遠離的房間。例如,語意位置感測系統248可以在一使用者(例如,使用者102)可能是在一特定房間中之判定的期間而考慮一房間將用以作為考慮的候選者房間。候選者房間可以藉由在學習階段和檢測階段期間判定所辨識的共同位置裝置110(例如,AP)之數目超出一臨界值而予以選擇。
在方塊425,如果共同AP之數目不符合臨界值,則語意位置感測系統248可以標誌一位置狀態,如位
在一房間(例如,房間i)之外部。例如,如果共同AP之數目,例如,是較少於三個共同AP,則語意位置感測系統248可以標誌位置狀態,如位在房間i之外部。這可以有效地移除可能提供較少之所需的結果之房間,而可以減低計算並且可以改進檢測強健性。
在方塊430,語意位置感測系統248可以至少部分根據分類符訓練處理程序,而判定各房間之一組特徵。例如,如上面訓練階段中之說明,對於房間i之一分類符係可以基於房間i之無線特徵而判定。進行對照於無線掃描W之各房間的分類符,可以產生對於在一特定房間中之可能性的一結果。具有最高信心之結果可以被選擇作為是在一特定房間中之可能性。例如,在具有三個房間A、B和C的一辦公空間中,可能是使用一使用者裝置(例如,行動裝置104)之一使用者(例如,使用者102)可能需要檢測他或她的位置。一學習階段可以在一較早階段藉由語意位置感測系統248被判定或可以當使用者102進入該房間時而判定。如上所說明,學習階段可以訓練或產生對於該等房間之各者的分類符,其可以在稍後時間被使用以判定一使用者(例如,使用者102)可能是在一特定位置中之可能性。繼續該範例,在學習階段之期間,語意位置感測系統248可能已產生對於三個房間A、B和C之各者的一分類符。語意位置感測系統248可以藉由首先自接近的位置裝置110收集無線掃描以及進行對於三房間A、B和C之對照於各分類符的那些掃描而判定使用者102可能是在房間A中。產生最高
信心的結果可以展示該使用者102可能是在房間A中。
在方塊435,語意位置感測系統248可以自資料收集系統246接收儲存之房間分類符並且可以進行(在方塊440)房間之對應的分類符,以判定使用者102是位於一特定房間中之可能性。例如,根據房間i之無線特徵,一房間i可能是與一分類符x相關聯,其中分類符x是可以應用至新的無線掃描,以判定該位置是否實際上為房間i。
在方塊445,語意位置感測系統248可以基於一概率值而標誌各房間狀態作為是在內部/外部。例如,對於各距離度量(例如,歐幾里德(Euclidean)距離),語意位置感測系統248可以經過在不同的無線掃描和所有的房間i參考掃描之間所計算的Ni個距離數值而計算S個統計數值(例如,平均、最小、等等)。
在方塊450,語意位置感測系統248可以藉由選擇具有在一預定信心臨界值之上的最高概率之房間而組合一分別的房間之檢測結果。例如,如果最高的房間信心是較大於,例如,60%,則概率信心可以滿足。例如,如果一使用者是位於房間K中,如果最高的概率是在60%臨界值之上,則語意位置感測系統248可以判定使用者是有可能在該房間(例如,房間K)中。應了解,上述僅是一臨界值之一範例,並且其他臨界值也可以被判定。
在方塊455中,在方塊440判定之概率信心是符合的情況下,語意位置感測系統248可以報告一房間之目前位置作為已知的。
在方塊460中,語意位置感測系統248可以判定,如果沒有房間符合檢測信心臨界值,則位置引擎報告未知的空間,亦即,裝置是在先前沒勘測之一地區中。藉由調整房間檢測信心臨界值,在假性警報信號(假性確定)誤差以及錯誤檢測誤差(假性否定)之間的折衷可以達成。
AP選擇
參看至圖5a,其代表具有一或多個AP(例如,位置裝置110)之一房間佈局範例,其可以被使用以基於該佈局而例示位置裝置110之選擇。
語意位置感測系統248可以檢測一語意位置以辨認二個相鄰房間,其可能是,例如,藉由一牆壁隔間而分離。為了例示目的,依據一或多個揭示實施例用以辨認房間之一Wi-Fi範例將被說明,但是,其他無線協定也可以等效地被說明。
一般Wi-Fi為基礎之實際位置感測方案可能由於牆壁分離或其他阻礙物件而致使相鄰房間之間的高檢測誤差。這相鄰房間檢測問題可能挑戰家庭或小辦公室環境,於其中Wi-Fi接取點密度可能是低的。例如,在一般的家庭環境中,一行動裝置可以自當前家庭和鄰居而從較少於10個Wi-Fi AP觀察信號。多數房間可能具有來自AP之子集的獨特RSSI量測,但是其餘之RSSI量測可能是嘈雜的,其可能致使高的檢測混淆。例如,當分離的二個相鄰房間是在一家庭中時,由於人之個體衰減以及各種其他環境動態,自遠處之AP所接收的信號可能是非常嘈雜的。
參看至圖5b,語意位置感測系統248可以界定候選者AP區域是在藉由一半徑參數R和角度參數θ而分開之房間附近。例如,區域1係可以藉由一半徑和一角度而界定,其可以包含用於房間分類和檢測之候選者AP。可能是位於這些候選者區域(例如,區域1及/或區域2)中之該等AP可以考慮為是可使用於房間分類/檢測之有用的或強健的AP。
於一實施例中,語意位置感測系統248可以藉由執行一AP預選擇演算法,以及可以操作於過濾的AP子集上之一新的跨房間檢測器,而在可以是或可能不是相鄰的房間之間辨識一更有用的和強健的AP子集以改進相鄰房間之檢測精確度。於一實施例中,語意位置感測系統248可以基於AP佈局資訊(例如,辦公大樓佈局等等)、及/或一資訊增益度量而選擇AP,以量化各AP之品質。來自房間位置檢測之嘈雜和多餘的AP可以減低可能致使相鄰房間檢測混淆之RSSI變化的衝擊,因此使得檢測結果更強健。
於一實施例中,消除嘈雜及/或多餘的AP之至少一者可以降低錯誤的檢測結果以及來自較不可靠的RSSI之污染。於一實施例中,AP選擇可以藉由移除嘈雜AP而進行,而不需依賴透過長時間RSSI觀察之一精確的RSSI信號模型化。AP選擇演算法可以依房間組對基礎而操作,其影響不同的相鄰房間通常需要不同的AP之子集以達成最佳檢測之事實。這方法可以藉由預過濾嘈雜AP而減低計算和記憶體需求,其可以減低對於所有特徵計算和特徵儲存之輸
入資料尺度。
在一範例情節中,行動裝置104可以安置非常接近至分隔二個相鄰房間之牆壁,在牆壁任一邊上的位置之間的實際分離可以是非常小,並且因此,可能產生相鄰房間檢測誤差,其可能影響房間位準語意位置檢測誤差。
AP選擇演算法
參看至圖6,語意位置感測系統248可以採用二個方法之至少一者,或其之組合,其可以使用以選擇用於語意位置感測之可信的無線位置裝置(例如,Wi-Fi AP),其可藉由選擇用於各相鄰房間組對之一AP子集而達成。
參考圖3以及自方塊6A繼續,於圖3,語意位置感測系統248可以影響在一地區內之AP佈局以判定可以辨認相鄰房間的AP之一子集。藉由附加地參考至圖5a,一房間佈局範例被提供,於其中一位置裝置(例如,位置裝置110A)可以是垂直於分隔房間1和房間2之牆壁,並且一第二位置裝置(例如,位置裝置110C)可以是在其他側上,而垂直於隔間之牆壁。
如自圖5a之地面地圖的展示,隔間之牆壁可能產生信號衰減,其可能對於房間分類在這二個房間導致不同的RSSI。在這範例中,因為它們的信號可能需要穿過牆壁以到達各房間之遠端,可以使用位置裝置110A和位置裝置110C以辨認房間1和房間2。再參看至圖5a,位置裝置110B之信號可以穿過房間1和房間2之牆壁頂部,可能在房間1和房間2中展示相似之RSSI,並且因此可能是不適用於
房間分類。
在方塊625和630,語意位置感測系統248可以透過各房間組對(i、j)以及各APk而循環,其中i和j是一位置中之房間並且K是在那位置接近AP的數目,以自一或多個相鄰房間而判定一或多個有用的AP。
在方塊635,以及參看至圖5b,語意位置感測系統248可以界定候選者AP區域,其環繞著藉由一半徑參數R和角度參數θ而分開之房間。例如,區域1係可以藉由一半徑和一角度而界定,其可以包含用於房間分類和檢測之候選者AP。可以位在這些候選者區域(例如,區域1及/或區域2)中之AP可以考慮作為可以使用於房間分類/檢測之有用的或強健的AP。
在方塊640,當AP位置和房間佈局資訊是不可用時,例如,家庭的或小的辦公室之情節,語意位置感測系統248可以計算位置裝置(例如,AP)之資訊增益。語意位置感測系統248可以採用一資訊增益為基礎的方法以自房間訓練取樣(例如,Wi-Fi取樣)而辨識有用的AP。如上所述地,這可能有助於辨識在候選者AP區域外部(例如,區域1及/或區域2)之候選者AP。當候選者AP的RSSI數值可以使用以供分類一特定房間組對時,語意位置感測系統248可以判定可提供最高的資訊增益(或熵減少)之候選者AP。應了解,資訊增益概念係可以被界定作為自一先前的狀態至採用一些資訊之一狀態的熵減少,如下所示:IG(T,a)=H(T)-H(T|a)
熵可以是自對於房間1和房間2之房間中概率p1和p2而計算出之房間檢測不確定位準之一量測:H(T)=-p1*log(p1)-p2*log(p2)
對於各AP a,使用來自AP a之RSSI的一臨界值為基礎之二進制房間檢測器可以被使用如下所示:If RSSIa>Ta:房間1中
Else:房間2中
檢測RSSI臨界值Ta可以基於訓練資料而設定以最小化檢測誤差,及可基於來自房間1和房間2的訓練/勘測資料而設定。
房間資訊熵H(T|a)可以藉由下列式子而計算:H(T|a) = -p1(RSSIa == Ta)*log(p1(RSSIa == Ta))
-p2(RSSIa == Ta)*log(p2(RSSIa == Ta)) 其中p1(RSSIa==Ta)以及p2(RSSIa==Ta)可以藉由勘測資料中之經驗分配而計算。因為房間熵H(T)不必知曉來自任何AP之RSSI,而可以考慮為一常數,AP之資訊增益可以基於它們的H(T|a)而排列。一較低的H(T|a)數值可以指示一AP可以提供更多資訊增益,因此,有更強健/更有助益的AP供用於分離房間1和房間2。
在方塊645,語意位置感測系統248可以界定一臨界值HT以選擇可以提供足夠的資訊增益之AP,並且移除對於房間位置檢測之不符合臨界值的其餘AP。
在方塊650,在資訊增益可能是較低於臨界值之情況中,語意位置感測系統248可以標誌該等AP作為可能
是對於你的房間檢測有用的。
在方塊655,語意位置感測系統248可以使用資料收集系統266以儲存對於相鄰房間組對之一組有用的AP。
跨房間分類符
參看至圖7,語意位置感測系統248可以選擇用於各房間組對的一AP組。換言之,跨房間分類符可以被判定,以便使用於對於不同房間組對之不同的AP組上。例如,語意位置感測系統248可以基於跨房間分類符,而判定一使用者(例如,使用者102)可能出現在一特定房間中之可能性。替代選擇具有最高概率之房間以及輸出檢測結果,一可能性臨界值PT,例如,60%,係可以被判定,並且因而,輸出具有可能性較高於PT的所有候選者房間。雖然在這步驟中,可能性數值可能由於先前說明理由而不反映實際的房間,實際的房間通常落在候選者集合中。
在方塊705,語意位置感測系統248可以得到新的無線掃描(例如,Wi-Fi掃描、藍牙掃描、或任何其他無線掃描)。
在方塊710,語意位置感測系統248可以自資料收集系統246接收所儲存的房間分類符並且可以執行房間之對應的分類符以計算對於各有關房間之房間檢測狀態。
在方塊715,語意位置感測系統248可以判定房間內部信心是否較大於PT。
在方塊720,語意位置感測系統248可以標誌房
間i和j是相鄰。
在方塊725和730,語意位置感測系統248可以判定是否無候選者房間被發現,語意位置感測系統248可以輸出“未知”狀態。
在方塊735,語意位置感測系統248可以依據它們的信心位準而分類候選者房間。
在方塊740,語意位置感測系統248可以挑選具有最低信心的二個房間,例如,房間i和j。
在方塊745,語意位置感測系統248可以使用供房間i和j學習的AP集合,並且可以計算新的Wi-Fi掃描至房間i和j的一距離度量。一距離度量之範例可以是簡單的歐幾里德(Euclidean)距離或可以捕獲目前Wi-Fi掃描和房間資料庫之間的差量位準之其他統計量測。
在方塊750,語意位置感測系統248可以自候選者房間集合排除具有較大距離(差量)的房間。這處理程序可以重複直至候選者集合中僅有一個房間留下,其中最後的房間可以是最後的檢測結果。
在方塊755,語意位置感測系統248可以報告最後剩餘的候選者房間作為檢測結果。
在一實施範例中,揭示一方法。該方法可以包含下列步驟:藉由包括一或多個處理器之一運算裝置,接收與在一或多個位置之一或多個接取點相關聯之一組無線資料掃描;藉由該運算裝置,根據該組無線資料掃描,辨識該一或多個位置之一或多個特徵,其中該等特徵是與一
或多個位置度量相關聯;藉由該運算裝置,至少部分根據該組無線資料掃描,判定該一或多個接取點之至少一者是與一第一位置相關聯;藉由該運算裝置,至少部分根據該一或多個特徵和該等相關聯的接取點,產生供用於該第一位置之一第一分類符。該方法可以進一步地包含判定該一或多個接取點之至少一者是與一第一位置相關聯包含判定該一或多個接取點之一第一接取點是否位在該第一位置之一區域的內部。該第一位置之該區域係藉由與該第一位置相關聯之一角度和一半徑而界定。該方法可以進一步地包含判定該一或多個接取點之至少一者是與一第一位置相關聯包含判定與一第一接取點相關聯之一資訊增益值是否在一臨界值之內。該組無線資料掃描可包含來自位在該第一位置內部之一或多個第一接取點的無線資料掃描以及來自位在該第一位置外部之一或多個第二接取點的無線資料掃描。該位置度量可包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該方法可以進一步地包含產生第一分類符,其可以進一步地包含對於根據該組無線資料掃描而辨識之該一或多個特徵產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一方法。該方法可以
包含下列步驟:自在一或多個位置之一第一位置的一行動裝置,藉由包括一或多個處理器之一伺服器,接收與一或多個接取點相關聯之一組無線資料掃描;藉由該伺服器,接取與該一或多個位置相關聯之一或多個分類符;藉由該伺服器,應用至少部分根據該一或多個分類符而辨識之一或多個特徵至該組無線資料掃描;藉由該伺服器,根據至該組無線資料掃描之該等特徵的應用,判定該行動裝置是與該第一位置相關聯。該組無線資料掃描可以包含自與該第一位置相關聯之一或多個接取點之接收信號強度指標(RSSI)量測。該方法可以進一步地包含判定該一或多個接取點之至少一者是與該第一位置相關聯包含至少部分根據該第一位置之一佈局,而判定該一或多個接取點之一第一接取點是否位在一區域內部。該第一位置之區域係藉由與該第一位置相關聯之一角度和一半徑而界定。該方法可以進一步地包含判定該一或多個接取點之至少一者是與一第一位置相關聯包含判定與該第一位置相關聯之一第一接取點之相關聯的一資訊增益值是否在一臨界值之內。該第一分類符係至少部分根據一或多個位置度量輸出而判定,其中該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該方法可以進一步地包含產生第一分類符,其可以進一步地包含根據第一無線資料掃描所辨識之
該一或多個特徵而產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一行動裝置。該行動裝置可以包含一組態以發送和接收無線信號之收發器;一耦合至該收發器的天線;一或多個與該收發器通訊之處理器;至少一記憶體,其儲存電腦可執行指令;以及至少一處理器,其受組配成可接取該至少一個記憶體,其中該至少一處理器受組配成可執行該等電腦可執行指令,用以:接收一組無線資料掃描,發送指示該接收之無線資料掃描的一信號至一遠端伺服器,至少部分根據該組無線資料掃描,自該遠端伺服器而接收一語意位置資訊,並且通訊該語意位置資訊,或其之一部份,至執行於該行動裝置上之一應用程式。該一或多個處理器係可以進一步組態用以:辨識來自與該一或多個位置相關聯之一或多個位置度量的一或多個輸出;至少部分根據該第一組無線資料掃描,判定該一或多個接取點之至少一者是與一第一位置相關聯;以及至少部分根據一或多個特徵,產生供用於該第一位置之一第一分類符。該一或多個接取點之至少一者可以是與一第一位置相關聯,其可以包含判定該一或多個接取點之一第一接取點是否位在該第一位置之一區域的內部。該第一位置之該區域係可以藉由與該第一位置相關聯之一角度和一半徑而界定。該一或多個接取點之至少一者可以是與一第一位置相關聯,其可以包含判定與該第一位置相關聯
之一第一接取點相關聯的一資訊增益值是否在一臨界值之內。該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。產生第一分類符可以進一步地包含對於根據該第一組無線資料掃描而辨識之該一或多個特徵產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示儲存電腦可執行指令之一或多個電腦可讀取媒體。該一或多個電腦可讀取媒體可以儲存電腦可執行指令,當該等指令藉由至少一處理器被執行時,則組態該至少一處理器以進行操作,用以:接收與在一或多個位置之一或多個接取點相關聯的一組無線資料掃描;根據該組無線資料掃描,辨識該一或多個位置之一或多個特徵,其中該等特徵是與一或多個位置度量相關聯;至少部分根據該組無線資料掃描,判定該一或多個接取點之至少一者是與一第一位置相關聯;並且至少部分根據該一或多個特徵以及該相關聯的接取點,產生用於該第一位置之一第一分類符。該一或多個電腦可讀取媒體之至少一處理器可以執行該等電腦可執行指令以判定該一或多個接取點之至少一者可以是與一第一位置相關聯,其可以包含判定該一或多個接取點之一第一接取點是否位於該第一位置的一區域之內部。該第一位置之區域係可以藉由
與第一位置相關聯之一角度和一半徑而界定。該一或多個電腦可讀取媒體之至少一處理器可以執行該等電腦可執行指令以判定該一或多個接取點之至少一者可以是與一第一位置相關聯,其可以包含判定與一第一接取點相關聯的一資訊增益值是否在一臨界值之內。該組無線資料掃描可以包含來自安置在第一位置內部之一或多個第一接取點的無線資料掃描以及來自安置在第一位置外部之一或多個第二接取點的無線資料掃描。該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該一或多個電腦可讀取媒體之至少一處理器可以執行該等電腦可執行指令以產生第一分類符,其可以進一步地包含產生用於根據該組無線資料掃描所辨識的該一或多個特徵之統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一設備。該設備可以包含一或多個無線電;一或多個天線;用以接收與在一或多個位置之一或多個接取點相關聯的一組無線資料掃描之構件;用以根據該組無線資料掃描而辨識該一或多個位置之一或多個特徵的構件,其中該等特徵是與一或多個位置度量相關聯;用以至少部分根據該組無線資料掃描而判定該一或多個接取點之至少一者是與一第一位置相關聯的構
件;以及用以至少部分根據該一或多個特徵以及相關聯的接取點而產生用於第一位置之一第一分類符的構件。該設備可以進一步地包含用以判定該一或多個接取點之至少一者是與一第一位置相關聯之構件;包含用以判定該一或多個接取點之一第一接取點是否位於該第一位置一區域內部的構件。該第一位置之區域係可以藉由與該第一位置相關聯之一角度和一半徑而界定。該設備可以進一步地包含用以判定該一或多個接取點之至少一者是與一第一位置相關聯的構件;包含用以判定與一第一接取點相關聯之一資訊增益值是否在一臨界值內的構件。該組無線資料掃描可以包含來自位在第一位置內部之一或多個第一接取點的無線資料掃描以及來自位在第一位置外部之一或多個第二接取點的無線資料掃描。該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該設備可以進一步地包含用以產生第一分類符的構件,其可以進一步地包含用以產生根據用於該組無線資料掃描所辨識之該一或多個特徵之統計數值的構件,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一系統。該系統可以包含儲存電腦可執行指令之至少一記憶體以及組態以接取
至少一個記憶體之至少一處理器,其中該至少一處理器可以執行電腦可執行指令。該等指令是用以接收與一或多個位置之一或多個接取點相關聯的一組無線資料掃描;根據該組無線資料掃描而辨識該一或多個位置之一或多個特徵,其中該等特徵是與一或多個位置度量相關聯;至少部分根據該組無線資料掃描,判定該一或多個接取點之至少一者是與一第一位置相關聯;並且至少部分根據該一或多個特徵和該相關聯的接取點,產生用於第一位置之一第一分類符。該等電腦可執行指令可以包含判定該一或多個接取點之至少一者是與一第一位置相關聯,其可以包含判定該一或多個接取點之一第一接取點是否位於該第一位置一區域之內部。第一位置之區域可以藉由與該第一位置相關聯之一角度和一半徑而界定。該等電腦可執行指令可以包含判定該一或多個接取點之至少一者是與一第一位置相關聯,其可以包含判定與一第一接取點相關聯之一資訊增益值是否在一臨界值之內。該組無線資料掃描可以包含來自位在第一位置內部之一或多個第一接取點的無線資料掃描以及來自位在第一位置外部之一或多個第二接取點的無線資料掃描。
位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。電腦可執行指令可以包含產生該第
一分類符,其可以進一步地包含對於根據一組無線資料掃描所辨識之該一或多個特徵而產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一或多個電腦可讀取媒體儲存電腦可執行指令。該一或多個電腦可讀取媒體可以儲存電腦可執行指令,當該等指令藉由至少一處理器而執行時,則組態該至少一處理器以進行操作,用以:自一行動裝置接收與一或多個位置之一第一位置的一或多個接取點相關聯之一組無線資料掃描;接取與該一或多個位置相關聯之一或多個分類符;應用至少部分根據該一或多個分類符所辨識的一或多個特徵,至該組無線資料掃描;並且根據至該組無線資料掃描的特徵之應用而判定該行動裝置是與第一位置相關聯。該組無線資料掃描可以包含來自與第一位置相關聯之一或多個接取點之接收的信號強度指標(RSSI)量測。一或多個電腦可讀取媒體之至少一處理器可以執行電腦可執行指令以判定一或多個接取點之至少一者是與第一位置相關聯,其可以包含至少部分根據第一位置之一佈局而判定該一或多個接取點之一第一接取點是否位於一區域內部。第一位置之區域係可以藉由與第一位置相關聯之一角度和一半徑而界定。一或多個電腦可讀取媒體之至少一處理器可以執行電腦可執行指令以進行操作,該等操作包括判定該一或多個接取點之至少一者是與一第一位置相關聯,其包含判定與第一位置相關聯之一第一接
取點相關聯的一資訊增益值是否在一臨界值之內。第一分類符係可以至少部分根據一或多個位置度量輸出而判定,哪個位置度量包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。一或多個電腦可讀取媒體之至少一處理器可以執行電腦可執行指令以產生第一分類符,其可以進一步地包含對於根據該第一組無線資料掃描所辨識的一或多個特徵產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一設備。該設備可以包含一或多個無線電、一或多個天線、用以自一行動裝置接收與一或多個位置之一第一位置的一或多個接取點相關聯之一組無線資料掃描的構件;用以接取與該一或多個位置相關聯之一或多個分類符的構件;用以應用至少部分根據該一或多個分類符所辨識之一或多個特徵,至該組無線資料掃描的構件;以及用以根據應用至該組無線資料掃描的特徵而判定行動裝置是與該第一位置相關聯的構件。該組無線資料掃描可以包含自與第一位置相關聯之一或多個接取點所接收的信號強度指標(RSSI)量測。該設備可以進一步地包含用以判定該一或多個接取點之至少一者是與第一位置相關聯的構件;可以包含用以至少部分根據第一位置之一佈局而判定該一或多個接取點之一第一接取點是否
位於一區域內部的構件。第一位置之區域可以藉由與第一位置相關聯之一角度和一半徑而界定。該設備可以進一步地包含用以該一或多個接取點之至少一者是與一第一位置相關聯的構件,包含用以判定與一第一接取點相關聯之與第一位置相關聯的一資訊增益值是否在一臨界值之內的構件。第一分類符可以至少部分根據一或多個位置度量輸出而判定,其中位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該設備可以進一步地包含用以產生第一分類符的構件,其可以進一步地包含用以根據第一組無線資料掃描所辨識的一或多個特徵而產生統計數值的構件,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一系統。該系統可以包含儲存電腦可執行指令之至少一記憶體,以及組態以接取至少一記憶體之至少一處理器,其中該至少一處理器受組配成可執行電腦可執行指令而用以:自一行動裝置接收與一或多個位置之一第一位置的一或多個接取點相關聯之一組無線資料掃描;接取與該一或多個位置相關聯之一或多個分類符,應用至少部分根據一或多個分類符所辨識之一或多個特徵至該組無線資料掃描;以及根據至該組無線資料掃描之特徵的應用而判定行動裝置是與第一位置相關
聯。該組無線資料掃描可以包含自與第一位置相關聯之一或多個接取點所接收的信號強度指標(RSSI)量測。電腦可執行指令可以進一步地包含判定一或多個接取點之至少一者是與第一位置相關聯,其可以包含至少部分根據該第一位置之一佈局,判定該一或多個接取點之一第一接取點是否位於一區域內部。該第一位置之區域係可以藉由與該第一位置相關聯之一角度和一半徑而界定。電腦可執行指令可以包含判定該一或多個接取點之至少一者是與一第一位置相關聯,其可以包含判定與該第一位置相關聯之一第一接取點相關聯的一資訊增益值是否在一臨界值之內。第一分類符係可以至少部分根據一或多個位置度量輸出而判定,其中位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。電腦可執行指令可以包含產生第一分類符,其可以進一步地包含對於根據第一組無線資料掃描所辨識之一或多個特徵而產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示儲存電腦可執行指令之一或多個電腦可讀取媒體。該一或多個電腦可讀取媒體可以儲存電腦可執行指令,當該等指令藉由至少一處理器被執行時,則組態該至少一處理器以進行操作,用以:接
收一組無線資料掃描;接收根據所接收的無線資料掃描組之位置資訊,以及發送該位置資訊至進行於行動裝置上之一處理。一或多個電腦可讀取媒體之至少一處理器可執行電腦可執行指令以接收與一或多個位置之一或多個接取點相關聯的一第一組無線資料掃描;辨識來自與一或多個位置相關聯之一或多個位置度量的一或多個輸出;至少部分根據第一組無線資料掃描,判定一或多個接取點之至少一者是與一第一位置相關聯;以及至少部分根據一或多個特徵而產生用於該第一位置之第一分類符。可以是與一第一位置相關聯的一或多個接取點之至少一者,包含判定該一或多個接取點之一第一接取點是否位於第一位置一區域之內部。第一位置之區域係可以藉由與第一位置相關聯之一角度和一半徑而界定。一或多個電腦可讀取媒體之至少一處理器可以執行電腦可執行指令以判定一或多個接取點之至少一者是與一第一位置相關聯;可以進一步地包含判定與第一位置相關聯之一第一接取點相關聯的一資訊增益值是否在一臨界值之內。位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。一或多個電腦可讀取媒體之至少一處理器可執行電腦可執行指令,以產生第一分類符,其可以進一步地包含對於根據第一組無線資料掃描所辨識的一或多個特徵而產生統計數值,其中
該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一設備。該設備可以包含一或多個無線電;一或多個天線;用以接收一組無線資料掃描的構件;用以接收根據接收之無線資料掃描組的位置資訊之構件;以及構件用以發送位置資訊至進行於行動裝置上之一處理。該設備可以進一步地包含用以接收與一或多個位置之一或多個接取點相關聯的一第一組無線資料掃描之構件;用以辨識來自與一或多個位置相關聯之一或多個位置度量一或多個輸出的構件;用以至少部分根據第一組無線資料掃描而判定該一或多個接取點之至少一者是與一第一位置相關聯的構件;以及用以至少部分根據一或多個特徵而產生用於第一位置之第一分類符的構件。該設備可以進一步地包含用以判定一或多個接取點之至少一者是與一第一位置相關聯的構件,其可以包含用以判定是否該一或多個接取點之一第一接取點是位於第一位置一區域之內部的構件。第一位置之區域係可以藉由與第一位置相關聯之一角度和一半徑而界定。該設備可以進一步地包含用以判定一或多個接取點之至少一者是與一第一位置相關聯的構件,其可以包含判定與第一位置相關聯之一第一接取點相關聯的一資訊增益值是否在一臨界值之內。該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明
(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。該設備可以進一步地包含用以產生第一分類符的構件,其可以進一步地包含用以對於根據第一組無線資料掃描所辨識的一或多個特徵而產生統計數值的構件,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
在另一實施範例中,揭示一系統。該系統可以包含儲存電腦可執行指令之至少一記憶體以及組態以接取至少一記憶體之至少一處理器,其中該至少一處理器可以執行電腦可執行指令。該等指令是用以接收一組無線資料掃描;發送指示接收的無線資料掃描之一信號至一遠端伺服器;至少部分根據該組無線資料掃描,自該遠端伺服器接收一語意位置資訊;以及通訊語意位置資訊、或其之一部份至執行於該系統上之一應用程式。電腦可執行指令可以包含辨識來自與一或多個位置相關聯之一或多個位置度量的一或多個輸出;至少部分根據第一組無線資料掃描而判定該一或多個接取點之至少一者是與一第一位置相關聯;以及至少部分根據一或多個特徵而產生用於第一位置之一第一分類符。電腦可執行指令可以包含判定該一或多個接取點之至少一者是與一第一位置相關聯,其可以包含判定該一或多個接取點之一第一接取點是否位於第一位置一區域之內部。第一位置之區域係可以藉由與該第一位置相關聯之一角度和一半徑而界定。電腦可執行指令可以包含判定一或多個接取點之至少一者是與一第一位置相關
聯,其可以包含判定與第一位置相關聯之一第一接取點相關聯的一資訊增益值是否在一臨界值之內。該位置度量可以包含在二個無線信號量測之間的一標準歐幾里德(Euclidean)、一皮爾遜(Pearson)之相關係數、一餘弦相關係數、一斯皮爾曼(Spearman)等級次序、一漢明(Hamming)距離、或一標準化歐幾里德(Euclidean)距離之至少一或多者。電腦可執行指令可以包含產生第一分類符,其可以進一步地包含對於根據第一組無線資料掃描所辨識的一或多個特徵而產生統計數值,其中該等統計數值包含一最小值、一最大值、一平均值、一標準差或一中位數之至少一者。
於上面所說明和展示之操作以及處理程序可如所需的以任何適當順序而執行或進行於各種實行例中。另外地,在某些實行例中,該等操作之至少一部份可以平行地執行。更進一步地,在某些實行例中,上述之較少或較多之操作可以被進行。
依據各種實行例所揭示之某些論點於上面參考系統、方法、設備、及/或電腦程式產品之方塊和流程圖而被說明。應了解,方塊圖和流程圖之一或多個方塊、以及方塊圖和流程圖中之方塊組合,可分別地藉由電腦可執行程式指令而實行。同樣地,依據一些實行例之方塊圖和流程圖的一些方塊可以不必定得需要以所呈現之順序而進行,或可以根本不需要被進行。
這些電腦可執行程式指令可以被載入至一特定
用途電腦或其他特定機器、一處理器、或其他可規劃資料處理設備上,以產生一特定機器,以至於執行於電腦、處理器或其他可規劃資料處理設備上之指令產生用以實行指定於流程圖方塊中之一或多個功能之構件。這些電腦程式指令也可以儲存於一電腦可讀取儲存器媒體或記憶體中,其可指示一電腦或其他可規劃資料處理設備以一特定方式作用,以至於儲存於電腦可讀取儲存器媒體中之指令產生包含指令構件之一製造物件,其實行指定於流程圖方塊中的一或多個功能。如一範例,某些實行例可以提供一電腦程式產品,其包括具有實行於其中的一電腦可讀取程式碼或程式指令之一電腦可讀取儲存媒體,該電腦可讀取程式碼適用於執行以實行指定於流程圖方塊中之一或多個功能。電腦程式指令也可以被載入至一電腦或其他可規劃資料處理設備上,以導致一系列操作元件或步驟進行於電腦或其他可規劃設備上,以產生一電腦實行處理程序,以至於執行於該電腦或其他可規劃設備上的指令提供元件或步驟以實行於流程圖方塊中指定之功能。
因此,方塊圖和流程圖之方塊支援用以進行指定功能之構件的組合、用以進行指定功能之元件或步驟的組合以及用以進行指定功能之程式指令構件。也應了解,方塊圖和流程圖之各方塊,以及方塊圖和流程圖中之方塊組合,可藉由進行指定功能、元件或步驟之特殊用途硬體為基礎之電腦系統、或特殊目的硬體和電腦指令之組合而實行。
此外,條件語言,例如,“可”、“能夠”、“可以”或“可能”,除非以不同方式而明確地說明,否則應了解當使用於本文脈絡之內時,其通常是意欲傳播可包含某些特徵、元件、及/或操作之某些實行例,而其他實行例則可能不包含此些特徵、元件、及/或操作。因此,此條件語言通常不欲暗喻特徵、元件、及/或操作是為一或多個實行例所需的,或一或多個實行例必定地包含邏輯而用以決定,需藉由或無需藉由使用者輸入或提示,這些特徵、元件、及/或操作是否包含於或將被進行於任何特定實行例中。
此處提及之揭示的許多修改與其他實行例是明顯地具有呈現於先前之說明和相關聯圖形中所教示之優點。因此,應了解,本揭示是不受限定於所揭示之特定實行例中,並且修改和其他實行是意欲包含於附加申請專利範圍之範疇內。雖然此處採用特定詞語,它們僅是使用於通稱以及說明之意,並且不是作為限制之目的。
100‧‧‧位置裝置
102‧‧‧使用者
104‧‧‧行動裝置
106‧‧‧語意位置伺服器
108‧‧‧資料儲存器
110A、110B、110C‧‧‧位置裝置
Claims (21)
- 一種方法,其包含下列步驟:藉由包括有一或多個處理器的一運算裝置,接收與在一或多個位置處的一或多個接取點相關聯的一組無線資料掃描;藉由該運算裝置,根據該組無線資料掃描而辨識該一或多個位置之一或多個特徵,其中,該等特徵與一或多個位置度量相關聯;藉由該運算裝置,至少部分根據該組無線資料掃描而判定出該一或多個接取點中之至少一者與一第一位置相關聯;以及藉由該運算裝置,至少部分根據該一或多個特徵和相關聯的該等接取點而產生針對該第一位置的一第一分類符。
- 如請求項1之方法,其中,判定出該一或多個接取點中之至少一者與該第一位置相關聯之步驟包含:判定該一或多個接取點中之一第一接取點是否位在該第一位置之一區域內部。
- 如請求項2之方法,其中,該第一位置之該區域係由與該第一位置相關聯的一角度和一半徑來界定。
- 如請求項1之方法,其中,判定出該一或多個接取點中之至少一者與該第一位置相關聯之步驟包含:判定與一第一接取點相關聯的一資訊增益值是否 係在一臨界值之內。
- 如請求項1之方法,其中,該組無線資料掃描包含來自位在該第一位置內部之一或多個第一接取點的第二無線資料掃描以及來自位在該第一位置外部之一或多個第二接取點的第三無線資料掃描。
- 如請求項1之方法,其中,該位置度量包含在二個無線信號量測之間的下列中之至少一或多者:標準歐幾里德、皮爾遜相關係數、餘弦相關係數、斯皮爾曼等級次序、漢明距離、或標準化歐幾里德距離。
- 如請求項1之方法,其中,產生該第一分類符之步驟進一步包含:針對根據該組無線資料掃描所辨識出的該一或多個特徵而產生統計數值,其中,該等統計數值包含下列中之至少一者:最小值、最大值、平均值、標準差或中位數。
- 一種方法,其包含下列步驟:藉由包括有一或多個處理器的一伺服器,接收來自一行動裝置的與一或多個接取點相關聯的一組無線資料掃描,該行動裝置位在一或多個位置中之一第一位置;藉由該伺服器,接取與該一或多個位置相關聯的一或多個分類符;藉由該伺服器,將至少部分根據該一或多個分類符所辨識出的一或多個特徵應用至該組無線資料掃描;以 及藉由該伺服器,根據該等特徵對該組無線資料掃描之應用而判定出該行動裝置與該第一位置相關聯。
- 如請求項8之方法,其中,該組無線資料掃描包含來自與該第一位置相關聯之一或多個接取點的接收信號強度指標(RSSI)量測。
- 如請求項8之方法,其進一步包含:判定出該一或多個接取點中之至少一者與該第一位置相關聯之步驟包含:至少部分根據該第一位置之一佈局而判定該一或多個接取點中之一第一接取點是否位在一區域內部。
- 如請求項10之方法,其中,該第一位置之該區域係由與該第一位置相關聯的一角度和一半徑來界定。
- 如請求項8之方法,其進一步包含:判定出該一或多個接取點中之至少一者與該第一位置相關聯之步驟包含:判定和與該第一位置相關聯之該第一接取點相關聯的一資訊增益值是否係在一臨界值之內。
- 如請求項8之方法,其中,該一分類符至少部分係根據一或多個位置度量輸出所決定,其中,該位置度量包含在二個無線信號量測之間的下列中之至少一或多者:標準歐幾里德、皮爾遜相關係數、餘弦相關係數、斯皮爾曼等級次序、漢明距離、或標準化歐幾里德距離。
- 如請求項8之方法,其中,係根據針對根據該組無線資料掃描所辨識出之該一或多個特徵的統計數值而產生一分類符,其中,該等統計數值包含下列中之至少一者:最小值、最大值、平均值、標準差或中位數。
- 一種行動裝置,其包含:一收發器,其受組配成可發送和接收無線信號;耦接至該收發器的一天線;與該收發器通訊的一或多個處理器;至少一記憶體,其儲存有電腦可執行指令;以及至少一處理器,其受組配成可取用該至少一記憶體,其中,該至少一處理器受組配成可執行該等電腦可執行指令以進行下列步驟:接收一組無線資料掃描;將指示所接收之該等無線資料掃描的一信號發送至一遠端伺服器;至少部分根據該組無線資料掃描而接收來自該遠端伺服器的一語意位置資訊;及將該語意位置資訊或該語意位置資訊之一部份傳遞給執行於該行動裝置上的一應用程式。
- 如請求項15之行動裝置,其中,該一或多個處理器進一步受組配成可進行下列步驟:辨識來自與該一或多個位置相關聯之一或多個位置度量的一或多個輸出;至少部分根據該第一組無線資料掃描而判定出該 一或多個接取點中之至少一者與一第一位置相關聯;以及至少部分根據一或多個特徵而產生針對該第一位置的一第一分類符。
- 如請求項16之行動裝置,其中,判定出該一或多個接取點中之至少一者與一第一位置相關聯之步驟包含:判定該一或多個接取點中之一第一接取點是否位在該第一位置之一區域內部。
- 如請求項17之方法,其中,該第一位置之該區域係由與該第一位置相關聯的一角度和一半徑來界定。
- 如請求項16之行動裝置,其中,判定出該一或多個接取點中之至少一者與一第一位置相關聯之步驟包含:判定和與該第一位置相關聯之一第一接取點相關聯的一資訊增益值是否係在一臨界值之內。
- 如請求項16之行動裝置,其中,該等位置度量包含在二個無線信號量測之間的下列中之至少一或多者:標準歐幾里德、皮爾遜相關係數、餘弦相關係數、斯皮爾曼等級次序、漢明距離、或標準化歐幾里德距離。
- 如請求項16之行動裝置,其中,產生該第一分類符之步驟進一步包含:針對根據該第一組無線資料掃描所辨識出的該一或多個特徵而產生統計數值,其中,該等統計數值包含下列中之至少一者:最小值、最大值、平均值、標準差或中位數。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/335,026 US9807549B2 (en) | 2014-07-18 | 2014-07-18 | Systems and methods for adaptive multi-feature semantic location sensing |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201618563A true TW201618563A (zh) | 2016-05-16 |
TWI587717B TWI587717B (zh) | 2017-06-11 |
Family
ID=55075736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104118621A TWI587717B (zh) | 2014-07-18 | 2015-06-09 | 用於適應性多重特徵語意位置感測之系統及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9807549B2 (zh) |
TW (1) | TWI587717B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10327093B2 (en) * | 2014-07-31 | 2019-06-18 | Ent. Services Development Corporation Lp | Localization from access point and mobile device |
US10902025B2 (en) * | 2015-08-20 | 2021-01-26 | Skyhook Wireless, Inc. | Techniques for measuring a property of interest in a dataset of location samples |
TWI601434B (zh) * | 2015-11-25 | 2017-10-01 | Senao Networks Inc | Wireless base station identification method and device |
US9709660B1 (en) * | 2016-01-11 | 2017-07-18 | Qualcomm Incorporated | Crowdsourced user density applications |
KR102225641B1 (ko) * | 2016-01-12 | 2021-03-12 | 한국전자통신연구원 | 측정정보 활용 시스템, 사용자 참여 기반의 측정정보 활용 방법 및 이를 위한 장치 |
US10257256B2 (en) * | 2016-01-20 | 2019-04-09 | Google Llc | IOT interaction system |
US9781575B1 (en) * | 2016-03-30 | 2017-10-03 | Intel Corporation | Autonomous semantic labeling of physical locations |
CN105959103B (zh) * | 2016-04-25 | 2018-11-27 | 深圳大学 | 基于汉明距离种类数目的隐写分析方法及装置 |
US10481199B2 (en) * | 2017-12-01 | 2019-11-19 | Applied Materials, Inc. | Data analytics and computational analytics for semiconductor process control |
WO2020007462A1 (en) * | 2018-07-04 | 2020-01-09 | Here Global B.V. | Radio node localization and clustering for improved device localization |
CN111435537B (zh) * | 2019-01-13 | 2024-01-23 | 北京魔门塔科技有限公司 | 模型训练方法、装置及基于拼接图的位姿优化方法、装置 |
US10970498B2 (en) * | 2019-04-25 | 2021-04-06 | Palo Alto Research Center Incorporated | Chipless RFID decoding system and method |
US11093671B2 (en) | 2019-09-06 | 2021-08-17 | Beamup Ltd. | Structural design systems and methods to define areas of interest for modeling and simulation-based space planning |
US11438886B2 (en) | 2020-02-27 | 2022-09-06 | Psj International Ltd. | System for establishing positioning map data and method for the same |
TWI749834B (zh) * | 2020-10-29 | 2021-12-11 | 英屬維爾京群島商飛思捷投資股份有限公司 | 基於類神經網路模型的定位系統及定位方法 |
CN112804634B (zh) * | 2020-12-31 | 2023-04-07 | 北京嘀嘀无限科技发展有限公司 | Wi-Fi信号的处理方法、装置、设备及存储介质 |
US20230164660A1 (en) * | 2021-11-24 | 2023-05-25 | Mediatek Inc. | Machine-Learning Assisted Environment Detection Framework For Self-Adapting Inter-RAT Steering Strategy |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7936872B2 (en) * | 2003-05-19 | 2011-05-03 | Microsoft Corporation | Client proximity detection method and system |
US7509131B2 (en) * | 2004-06-29 | 2009-03-24 | Microsoft Corporation | Proximity detection using wireless signal strengths |
US7738884B2 (en) * | 2005-06-28 | 2010-06-15 | Microsoft Corporation | Positioning service utilizing existing radio base stations |
US8744352B2 (en) | 2010-11-22 | 2014-06-03 | Juniper Networks, Inc. | Automatic access point location, planning, and coverage optimization |
US8977207B2 (en) * | 2011-09-15 | 2015-03-10 | Nokia Corporation | Methods, apparatuses and computer program products for providing automatic maintenance of a geoposition system |
US9432805B2 (en) * | 2011-09-28 | 2016-08-30 | Qualcomm Incorporated | Discovering and automatically sizing a place of relevance |
US8704710B2 (en) * | 2011-11-04 | 2014-04-22 | Microsoft Corporation | Location watching |
KR101895455B1 (ko) * | 2012-06-19 | 2018-10-04 | 삼성전자주식회사 | 전자장치에서 의미적 위치 인식 방법 및 장치 |
US20140171099A1 (en) * | 2012-12-14 | 2014-06-19 | Jaroslaw J. Sydir | Geo-fencing based upon semantic location |
US8977298B2 (en) | 2012-12-14 | 2015-03-10 | Apple Inc. | Location fingerprinting |
US9271111B2 (en) * | 2012-12-14 | 2016-02-23 | Amazon Technologies, Inc. | Response endpoint selection |
US9241252B2 (en) * | 2013-12-20 | 2016-01-19 | Google Inc. | Identifying an entity associated with wireless network access point |
-
2014
- 2014-07-18 US US14/335,026 patent/US9807549B2/en not_active Expired - Fee Related
-
2015
- 2015-06-09 TW TW104118621A patent/TWI587717B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TWI587717B (zh) | 2017-06-11 |
US20160021494A1 (en) | 2016-01-21 |
US9807549B2 (en) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI587717B (zh) | 用於適應性多重特徵語意位置感測之系統及方法 | |
US10671905B2 (en) | Error based locationing of a mobile target on a road network | |
US10383086B2 (en) | Facilitation of indoor localization and fingerprint updates of altered access point signals | |
Abdelnasser et al. | SemanticSLAM: Using environment landmarks for unsupervised indoor localization | |
US9804253B2 (en) | System and methods for non-parametric technique based geolocation and cognitive sensor activation | |
JP6562933B2 (ja) | ターゲットゾーンにおける無線ユーザ設備デバイスの位置決め | |
US9179265B2 (en) | Reducing location search space | |
US11428773B2 (en) | Systems and methods to determine room occupancy | |
Yu et al. | 5 G wifi signal-based indoor localization system using cluster k-nearest neighbor algorithm | |
WO2019062734A1 (zh) | 基于Wi-Fi热点的室内定位方法及装置 | |
US20170272181A1 (en) | Positioning method and system based on wireless signals | |
Elbakly et al. | TrueStory: Accurate and robust RF-based floor estimation for challenging indoor environments | |
US10674312B2 (en) | Locating and tracking a wireless beacon from a wireless device | |
Chen et al. | Outlier‐Detection‐Based Indoor Localization System for Wireless Sensor Networks | |
EP3014469B1 (en) | Systems and methods for revisit location detection | |
US20190302221A1 (en) | Fog-based internet of things (iot) platform for real time locating systems (rtls) | |
Campana et al. | Towards an indoor navigation system using Bluetooth Low Energy Beacons | |
WO2019118403A1 (en) | Window based locationing of mobile targets using complementary position estimates | |
Wang et al. | Fingerprint-based Wi-Fi indoor localization using map and inertial sensors | |
Mostafa et al. | A survey of indoor localization systems in multi-floor environments | |
US20150177359A1 (en) | Method for using and generating a map | |
Xu et al. | Variance-based fingerprint distance adjustment algorithm for indoor localization | |
CN111654843A (zh) | 自动更新指纹数据库的方法及系统、wifi定位方法及系统 | |
Pipelidis et al. | Cross-device radio map generation via crowdsourcing | |
Yang et al. | Inaudible sounds from appliances as anchors: A new signal of opportunity for indoor localization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |