CN111385868A - 一种车辆定位方法、***、装置和存储介质 - Google Patents
一种车辆定位方法、***、装置和存储介质 Download PDFInfo
- Publication number
- CN111385868A CN111385868A CN201811636730.5A CN201811636730A CN111385868A CN 111385868 A CN111385868 A CN 111385868A CN 201811636730 A CN201811636730 A CN 201811636730A CN 111385868 A CN111385868 A CN 111385868A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning information
- terminal
- determining
- information
- 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 63
- 238000004891 communication Methods 0.000 claims description 62
- 230000015654 memory Effects 0.000 claims description 22
- 230000004807 localization Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 46
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 239000004984 smart glass Substances 0.000 description 3
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种车辆定位方法、***、装置及存储介质。所述方法包括以下至少一种操作。可以当第一车辆与第一终端进行通信时,获取设备的定位信息,所述设备的定位信息至少包括以下一种:所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息以及所述第一车辆的第一预估定位信息。可以至少基于以上一种定位信息,确定所述第一车辆的定位位置最终准确位置。本申请通过将多种定位信息进行融合后,可以获得车辆更准确的定位,提升用户的车辆定位需求体验。
Description
技术领域
本申请涉及车辆智能管理领域,更具体地,涉及一种基于多数据源的定位信息确定车辆精确位置的方法、***、装置及存储介质。
背景技术
当前,在共享平台的车辆在使用过程中,确定车辆的位置的方法主要有两种。一种是根据车辆自身定位***(例如,GPS)上传的位置信息来确定。另一种是根据使用车辆的用户的终端(例如,智能手机)自带的定位***上传的位置信息来确定。上述两种方法在定位***信号正常的情况下比较有效,但是当车辆经过信号较弱的地方时,定位***可能会失效,导致无法获取车辆的定位信息,从而无法准确判断车辆的位置。
发明内容
针对现有技术中只基于单一定位信息确定车辆位置时由于无法有效获取车辆的定位信息导致定位不准的问题,本发明提供一种基于多数据源的定位信息确定车辆精确位置的方法、***、装置及存储介质,通过融合多个定位信息从而获得车辆的精确定位,提升用户的车辆定位需求体验。
为了达到上述发明的目的,本发明提供的技术方案如下:
一种车辆定位方法,所述方法可以包括以下至少一个操作。可以当第一车辆与第一终端进行通信时,获取设备的定位信息,所述设备的定位信息至少包括以下一种:所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息以及所述第一车辆的第一预估定位信息;可以至少基于以上一种定位信息,确定所述第一车辆的最终位置。
在一些实施例中,所述至少基于以上一种定位信息,确定所述第一车辆的准确位置可以包括以下至少一种操作。可以将所述定位信息分别输入至置信度确定模型,确定每个定位信息的置信度,所述置信度模型为机器学习模型。可以基于所述置信度,筛选所述定位信息。可以拟合筛选后的定位信息,确定所述第一车辆的最终位置。
在一些实施例中,确定所述第一预估定位信息的方法可以包括以下至少一种操作。可以确定与在所述第一车辆为中心的预设范围内的第二车辆进行通信的第二终端,捕获的所述第一车辆的通信信号强度。可以基于所述通信信号强度,确定所述第二终端与所述第一车辆之间的距离。可以基于所述距离及所述第一终端的定位信息,确定所述第一车辆的第一预估定位信息。
在一些实施例中,所述方法还可以包括以下至少一种操作。可以当第二车辆与第二终端通信时,获取所述第一车辆的第二预估定位信息。可以利用所述第二预估定位信息,更新所述第一预估信息。可以基于更新后的设备的定位信息,所述多个预估定位信息,确定所述第一车辆的最终位置。
在一些实施例中,所述方法还可以包括以下至少一种操作。可以将所述第一终端的定位信息确定为所述第一车辆的定位信息,并确定所述第一车辆的最终位置。
在一些实施例中,所述通信的方式为无线通信方式,包括以下其中一个:蓝牙、紫蜂、近场通信、Wi-Fi、Li-Fi或窄带物联网。
在一些实施例中,所述方法还可以包括以下至少一种操作。可以确定所述第一车辆的最终位置与实际位置之间的差异。可以基于所述差异更新置信度确定模型。
一种车辆定位***,所述***包括获取模块以及确定模块。所述获取模块用于当第一车辆与第一终端进行通信时,获取设备的定位信息;所述设备的定位信息至少包括以下一种:所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息、以及所述第一车辆的第一预估定位信息。所述确定模块用于至少基于以上一种定位信息,确定所述第一车辆的最终位置。
在一些实施例中,所述确定模块可以进一步用于执行以下至少一个操作。可以将所述定位信息分别输入至置信度确定模型,确定每个定位信息的置信度,所述置信度模型为机器学习模型。可以基于所述置信度,筛选所述定位信息。可以拟合筛选后的定位信息,确定所述第一车辆的最终定位信息。
在一些实施例中,所述确定模块可以进一步用于执行以下至少一个操作。可以确定与在所述第一车辆为中心的预设范围内的第二车辆进行通信的第二终端,捕获的所述第一车辆的通信信号强度。可以基于所述通信信号强度,确定所述第二终端与所述第一车辆之间的距离。可以基于所述距离及所述第一终端的定位信息,确定所述第一车辆的第一预估定位信息。
在一些实施例中,所述获取模块可以进一步执行以下操作。可以用于当第二车辆与第二终端通信时,获取所述第一车辆的第二预估定位信息。所述确定模块可以进一步用于执行以下至少一个操作。可以利用所述第二预估定位信息,更新所述第一预估信息。可以基于更新后的设备的定位信息,所述多个预估定位信息,确定所述第一车辆的最终位置。
在一些实施例中,所述获取模块可以进一步执行以下操作。可以将所述第一终端的定位信息确定为所述第一车辆的定位信息,并确定所述第一车辆的最终位置。
在一些实施例中,所述通信的方式为无线通信方式,包括以下其中一个:蓝牙、紫蜂、近场通信、Wi-Fi、Li-Fi或窄带物联网。
在一些实施例中,所述***进一步包括更新模块。所述更新模块可以用于执行以下至少一个操作。可以确定所述第一车辆的最终位置与实际位置之间的差异。可以基于所述差异更新置信度确定模型。
一种车辆定位装置,所述装置包括处理器以及存储器;所述存储器用于存储指令,所述指令被所述处理器执行时,导致所述装置实现如上所述车辆定位方法对应的操作。
一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如上所述车辆定位方法。
附加的特征将在下面的描述中部分地阐述,并且对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本发明的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本发明的一些实施例所示的一个示例性车辆定位***的应用场景图;
图2是根据本发明的一些实施例所示的确定车辆最终位置的示例性流程图;
图3是根据本发明的一些实施例所示的确定车辆最终位置的示例性流程图;
图4是根据本发明的一些实施例所示的确定车辆最终位置的示例性流程图;
图5是根据本发明的一些实施例所示的更新执行度确定模型的示例性流程图;
图6是根据本发明的一些实施例所示的示例性处理设备的框图;
图7是根据本发明的一些实施例所示的第一车辆、第二车辆以及基站的位置关系图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
虽然本申请对根据本申请的实施例的***中的某些模块或单元做出了各种引用,然而,任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述***和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的交通***和/或移动终端,不同的交通***包括但不限于陆地、水面航行、航空、航天等中的一种或几种的组合。例如,人力车、代步工具、汽车(例如,小型车、巴士、大型运输车等)、轨道交通(例如,火车、动车、高铁、地铁等)、船舶、飞机、飞船、卫星、热气球、无人驾驶的交通工具等。不同的移动终端包括但不限于智能手机、智能手表、摄像机、照相机、笔记本、平板电脑、个人数码助理(PDA)、车载电脑等移动设备。本申请的不同实施例应用场景包括但不限于运输业、仓储物流业、农业作业***、城市公交***、商业运营车辆等中的一种或几种的组合。应当理解的是,本申请的***及方法的应用场景仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。
本发明的一方面涉及一种车辆定位方法。处理设备可以获取多个设备的定位信息,并将定位信息进行融合处理后,确定车辆的最终位置。
图1是根据本发明的一些实施例所示的一种车辆定位***100的示意图。例如,车辆定位***100可以是一个为交通运输服务提供服务的平台。车辆定位***100可以包括一个处理设备110、一个或一个以上终端120、一个或一个以上车辆130、一个存储设备140、一个网络150和一个信息源160。
在一些实施例中,处理设备110可以处理从终端120、车辆130和/或存储设备140处获得的数据和/或信息。例如,处理设备110可以获取多个终端120和/或多个车辆130的定位信息。在一些实施例中,处理设备110可以处理与车辆定位相关的信息和/或数据以执行本申请描述的一个或多个功能。例如,处理设备110可以融合多个定位信息以确定车辆的精确位置。在一些实施例中,处理设备110可以在当第一车辆与第一终端进行通信时,获取设备定位信息,所述设备定位信息包括所述第一车辆的定位信息、所述第一终端的定位信息、所述第一终端的基站定位信息和多个第二车辆的预估定位信息。在一些实施例中,处理设备110可以对所述多个设备定位信息进行融合,确定所述第一车辆的定位位置。在一些实施例中,处理设备110可以是一个单个的服务器或者一个服务器群组。所述服务器群可以是集中式的或分布式的(例如,服务器110可以是一个分布式的***)。在一些实施例中,处理设备110可以是本地的或远程的。例如,处理设备110可以通过网络150访问存储在终端120、存储设备130和/或车辆140中的信息和/或数据。再例如,处理设备110可以直接连接到终端120、存储设备130和/或车辆140以访问存储的信息和/或数据。在一些实施例中,处理设备110可以在一个云平台上实现。仅仅举个例子,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中,处理设备110可以包括一个或多个处理器(例如,单核处理器或多核处理器)。仅仅举个例子,处理设备110可以包括一个或多个硬件处理器,例如中央处理器(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理器(PPU)、数字信号处理器(DSP)、现场可编辑门阵列(FPGA)、可编辑逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。
终端120可以包括一个或以上带有数据获取、存储和/或发送功能的设备。例如,终端120可以获取自身的定位信息。在一些实施例中,终端120可以包括但不限于智能移动设备120-1、笔记本电脑120-2、台式电脑120-3等或其任意组合。在一些实施例中,智能移动设备120-1可以包括但不限于智能手机、个人数码助理(Personal Digital Assistance,PDA)、平板电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备、显示增强设备等或其任意组合。在一些实施例中,终端120可以将数据和/或信息发送至车辆定位***100中的一个或多个设备中。例如,终端120可以将自身的定位信息通过网络150发送至处理设备110。终端140也可以包括上述类似的设备中的一种或多种。
车辆130可以包括多种类型的交通工具,例如,单车130-1、电动车130-2、摩托车130-3、汽车130-n等。在一些实施例中,车辆130可以获取自身的定位信息,并发送至车辆定位***100中的一个或多个设备中。例如,车辆130可以将获取的自身定位信息通过网络150发送至处理设备110进行后续步骤。在一些实施例中,车辆130可以与车辆定位***100中的一个或多个设备进行通信。例如,车辆130可以通过网络150与终端120进行通信。又例如,车辆130可以直接与终端120进行通信。
存储设备140可以存储数据和/或指令。在一些实施例中,存储设备140可以存储从终端120和/或车辆130处获得的数据。在一些实施例中,存储设备140可以存储供处理设备110执行或使用的数据和/或指令,处理设备110可以通过执行或使用所述数据和/或指令以实现本申请描述的示例性方法。在一些实施例中,存储设备140可以包括大容量存储器、可移动存储器、挥发性读写存储器、只读存储器(ROM)等或上述举例的任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态硬盘等。示例性的可移动存储器可以包括闪存盘、软盘、光盘、记忆卡、压缩硬盘、磁带等。示例性的挥发性只读存储器可以包括随机存储器(RAM)。示例性的随机存储器可以包括动态随机存储器(DRAM)、双数据率同步动态随机存储器(DDRSDRAM)、静态随机存储器(SRAM)、可控硅随机存储器(T-RAM)和零电容存储器(Z-RAM)等。示例性的只读存储器可以包括掩蔽型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、压缩硬盘只读存储器(CD-ROM)和数字多功能硬盘只读存储器等。在一些实施例中,存储设备140可以在一个云平台上实现。仅仅举个例子,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中,存储设备140可以与网络150连接以实现与车辆定位***100中的一个或多个部件(例如,处理设备110、终端120、车辆130等)之间的通信。车辆定位***100的一个或多个部件可以通过网络150访问存储在存储设备140中的数据或指令。在一些实施例中,存储设备140可以直接与车辆定位***100的一个或多个部件(例如,处理设备110、终端120、车辆130等)连接或通信。在一些实施例中,存储设备140可以是处理设备110的一部分。
网络150可以促进信息和/或数据的交换。在一些实施例中,车辆定位***100中的一个或多个部件(例如,处理设备110、终端120、车辆130、存储设备140等)可以通过网络150向车辆定位***100中的其他部件发送信息和/或数据。例如,处理设备110可以通过网络150从终端120和/或车辆130处获取/得到定位信息。在一些实施例中,网络150可以是有线网络或无线网络中的任意一种,或其组合。例如,网络150可以包括电缆网络、有线网络、光纤网络、远程通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或上述举例的任意组合。在一些实施例中,网络150可以包括一个或多个网络接入点。例如,网络150可能包括有线或无线网络接入点,如基站和/或互联网交换点150-1、150-2(图中未示出)等等。通过接入点,车辆定位***100的一个或多个部件可能连接到网络150以交换数据和/或信息。
信息源160是为车辆定位***100提供其他信息的一个源。信息源160可以用于为***提供与车辆定位相关的信息,例如,交通信息、道路监控信息等。信息源160可以是一个单独的中央服务器的形式存在,也可以是以多个通过网络连接的服务器的形式存在,还可以是以大量的个人设备形式存在。当信息源150以大量个人设备形式存在时,这些设备可以通过一种用户生成内容(user-generated contents)的方式,例如向云端服务器上传文字、语音、图像、视频等,从而是云端服务器连通与其连接的众多个人设备一起组成信息源160。
图2是根据本发明一些实施例所示的确定车辆最终位置的示例性流程图。图2所示的用于确定车辆定位位置的流程200中的一个或以上操作可以由处理设备110执行。如图2所示,流程200可以包括以下操作。
步骤210,获取多个定位信息。在一些实施例中,步骤110可以由获取模块610执行。获取模块610可以在第一车辆与第一终端进行通信时,获取多个设备的定位信息。在一些实施例中,所述第一车辆可以指待精准定位的车辆,包括但不限于汽车、巴士、单车、电单车、电动车、摩托车等或其任意组合。所述第一车辆可以包括具有定位功能的装置,例如,所述第一车辆可以内置有定位***信号接收机,以与卫星定位***进行通信,获取第一车辆的定位信息。所述卫星定位***可以包括全球定位***(GPS)、格洛纳斯卫星导航***(GLONASS)、北斗卫星导航***(BeiDou)、伽利略卫星导航***(Galileo)、准天顶卫星***(QZSS)、无线保真(WiFi)等中的一个或其任意组合。在一些实施例中,所述第一车辆可以具有通信模块,例如,无线通信模块。所述第一车辆可以通过所述通信模块与其他设备通信,例如,与所述第一终端进行通信。在一些实施例中,所述第一车辆可以是用于共享出行的车辆,用户通过网上租赁(例如,通过扫码租赁)确定用车订单后可以使用所述第一车辆。在一些实施例中,所述第一终端可以指具有数据通信和位置获取的用户设备,包括智能移动设备、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中,智能移动设备可以包括但不限于智能手机、个人数码助理(Personal Digital Assistance,PDA)、平板电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备、显示增强设备等或其任意组合。在一些实施中,所述第一终端可以通过应用程序实现,所述应用程序可以通过与卫星定位***通信以获得所述第一终端的定位信息。所述卫星定位***已进行了描述(例如,参考所述第一车辆的描述),在此不再重复。在一些实施例中,所述第一终端可以是用于租赁共享车辆所使用的电子设备,例如,手机,用户使用第一终端通过网上租赁(例如,通过扫码租赁)确定用车订单后可以使用所述第一车辆。
在一些实施例中,所述第一车辆与所述第一终端之间的通信方式可以包括但不限于无线通信方式。所述无线通信方式可以包括蓝牙、紫蜂、近场通信(NFC)、WI-FI、LI-FI或窄带物联网中的一种或其任意组合。所述无线通信方式还可以包括无线射频辨识(RFID)、TransferJet、无线通用序列总线、DSRC、EnOcean、2G、3G、4G、5G等中的一种或其任意组合。在一些实施例中,所述第一车辆与所述第一终端之间的通信方式可以是蓝牙通信。
在一些实施例中,所述多个定位信息可以是指多个设备的定位信息,包括但不限于所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息、所述第一车辆的第一预估定位信息等或其任意组合。所述第一车辆的定位信息可以指基于所述第一车辆内置的定位装置所获取的定位信息,包括但不限于所述第一车辆的位置信息、所述第一车辆的速度信息、相对应的时间点等。所述第一车辆的位置信息可以包括海拔高度信息、经纬度坐标等。所述速度信息可以包括但不限于车辆的行驶速度、车辆行驶速度的方向、加速度、角速度等或其任意组合。所述第一终端的定位信息可以指基于所述第一终端与卫星定位***通信基于定位***所获取的定位信息,包括所述第一终端的位置信息、相对应的时间点等。所述第一终端的位置信息可以包括海拔高度信息、经纬度坐标等。所述基站的定位信息可以指所述第一终端和所述第一车辆与多个基站通信利用基站定位技术确定的所述第一终端和所述第一车辆的位置信息,包括所述第一终端的经纬度坐标、所述第一车辆的经纬度坐标。在一些实施例中,当在所述第一车辆为中心的预设范围内,某一终端与某一车辆进行通信时,例如,进行蓝牙无线通信时,所述终端也可以获取所述第一车辆的通信信号,并进行识别。同时,所述终端还可以根据所获取的第一车辆的通信信号,确定与所述第一车辆之间的距离。在获取两者之间的距离后,可以基于所述终端的定位信息,例如,所述第二终端的位置信息(经纬度),得到所述第一车辆的预估定位信息。所述车辆可以是与所述第一车辆相同和/或相似性质的车辆。例如,所述车辆同样具有定位装置和通信模块。所述车辆也可以是用于共享租赁的车辆。在一些实施例中,所述终端可以是与所述第一终端具有相同和/或相似性质的设备。例如,所述终端也可以是具有数据通信和位置获取功能的用户设备,用户可以使用终端与车辆进行通信,以确定用车订单并对车辆进行租赁。同时可以上传自身的定位信息至处理设备110。所述车辆与终端通信时的通信的方式可以包括无线通信方式,所述无线通信方式可以包括但不限于蓝牙、紫蜂、近场通信(NFC)、WI-FI、LI-FI或窄带物联网中的一种或其任意组合。所述无线通信方式还可以包括无线射频辨识(RFID)、TransferJet、无线通用序列总线、DSRC、EnOcean、2G、3G、4G、5G等中的一种或其任意组合。在一些实施例中,所述车辆与所述终端之间的通信方式可以是蓝牙通信。在一些实施例中,所述车辆可以是以第一车辆为中心,以预设阈值为半径的范围内的一个或以上车辆。所述预设阈值可以车辆定位***100的默认值,例如,5m、10m、20m、50m、100m、1km等,也可以根据不同的应用场景进行调整,在此不做具体限定。在一些实施例中,所述第一车辆的第一预估定位信息可以基于无线定位技术确定,例如,蓝牙定位技术、Wi-Fi定位技术、RFID定位技术等。仅作为示例,以下简要说明获取预估定位信息的方法。在以所述第一车辆为中心的预设范围内,若第二终端与第二车辆进行通信,所述第二终端可以捕获所述第一车辆的通信信号强度,例如,蓝牙信号强度。处理设备110在获取所述通信信号强度之后,可以计算出所述第一车辆与所述第二终端之间的绝对距离,例如,利用信号RSSI衰减模型进行计算。所述绝对距离可以指所述第二终端与所述第一车辆之间的直线距离,例如,0.2m、0.5m、1m、或2m等。在获取两者之间的距离后,可以基于所述终端的定位信息及所述距离,确定所述第一车辆的预估定位信息。例如,假定所述第二终端的定位信息中显示所述第二终端位于中央公园正门口,则所述第一车辆的预估定位信息可以是显示所述第一车辆位于以中央公园门口为中心,所述为半径的一个圆弧上。所述第一车辆的预估定位信息可以包括预估位置信息、相对应的时间点等。若存在多个终端-车辆通信对,通过三角定位算法,可以得到一个预估定位位置。参见图7,图7是根据本申请的一些实施例所示的第一车辆、第二车辆以及基站之间的位置关系图。如图7所示,A点表示所述第一车辆,B为以A为圆心,以d1为半径的圆形范围内的第二车辆。基站710、720以及730位于远离A的范围。当第一终端与第一车辆A进行通信时,基站的定位信息可以基于终端和车辆分别与多个基站之间的连接,根据基站定位技术,例如,基于位置的服务(Location Based Service,LBS)确定。当第二终端与第二车辆B进行通信时(此时可认为第二终端与第二车辆的位置重合),可以确定A位于以B为中心,以d2为半径的圆弧上。
步骤220,至少基于一种定位信息,确定所述第一车辆的最终位置。在一些实施例中,步骤220可以由确定模块620执行。在一些实施例中,确定模块620可以对所述多个设备的定位信息进行融合,确定所述第一车辆的最终位置。例如,确定模块620可以确定每个定位信息的置信度,并基于置信度对定位信息进行筛选拟合,确定所述第一车辆的最终位置。在一些实施例中,确定模块620可以对定位信息进行更新,利用更新后的定位信息,确定所述第一车辆的最终位置。在一些实施例中,当处理设备110只获取到与所述第一车辆进行通信的第一终端的定位信息时,确定模块620可以将所述第一终端的定位信息,确定为所述第一车辆的定位信息,继而确定所述第一车辆的最终位置。关于确定所述第一车辆的最终位置的描述可以参考本申请其他部分(例如,图3至图4),在此不再赘述。
需要注意的是,以上描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。
图3是根据本发明一些实施例所示的确定车辆最终位置的示例性流程图。图3所示的用于确定车辆最终位置的流程300中的一个或以上操作可以由处理设备110执行,例如,确定模块620。如图3所示,流程300可以包括以下操作。
步骤310,将所述定位信息分别输入至置信度确定模型,确定每个定位信息的置信度。
在一些实施例中,由于不同因素的影响,每个定位信息的准确度都会不一样。对于车辆的定位信息,主要依靠全球卫星导航***(Global Navigation Satellite Systems,GNSS)和基于位置的服务(Location Based Service,LBS)来确定。例如,现有的各种卫星定位***和基站定位技术。GNSS定位由于卫星定位偏差、多路径干扰等因素会导致定位信息不准确。LBS定位由于信号强度、基站密度等因素会导致无法精确计算定位。所以会导致车辆的定位不准确。对于终端的定位信息,涉及到终端用户操作的不确定性、不同场景的终端实际操作位置与车辆位置之间的偏差度不一致性,可能导致终端定位信息的偏差。例如,当用户确定用车订单后使用终端与车辆进行通信进行开锁或开门等操作时,终端的定位位置与车辆的定位位置基本一致。但用户发现车辆损坏后进行报修,由于需要时间填写一定的信息,用户可能已离开原位置(例如,损坏车辆所处位置)导致定位位置与原位置不一致。对于间接获取的预估定位信息,由于获取机制、第三方服务的稳定性的影响,将会导致预估定位信息的不确定性。例如,通过蓝牙定位技术获取预估定位信息时,由于实际车辆不一定都聚集在一个定位点上,会导致5m~10m左右的偏差。因此,需要确定每一个获取的定位信息的置信度,以确定定位信息的准确性。
在一些实施例中,所述置信度确定模型可以是机器学习模型,包括但不限于线性分类器(Linear Classifier,LC)、k-最近邻算法(K-Nearest Neighbor,kNN)模型、朴素贝叶斯(Naive Bayes,NB)模型、支持向量机(Support Vector Machine,SVM)、决策树(Decision Tree,DT)模型、随机森林(Random Forests,RF)模型、分类与回归树(Classification and Regression Trees,CART)模型、梯度提升决策树(GradientBoosting Decision Tree,GBDT)模型、xgboost(eXtreme Gradient Boosting)、梯度提升机(Gradient Boosting Machines,GBM)、轻量级梯度提升机器(Light Gradient BoostingMachine,LightGBM)、LASSO(Least Absolute Shrinkage and Selection Operator,LASSO)、人工神经网络(Artificial Neural Networks,ANN)模型等或其任意组合。在一些实施例中,所述置信度确定模型可以基于定位信息及其特征和对应的置信度样本对训练得到。以确定车辆定位信息置信度为例,所述置信度确定模型的训练输入可以是车辆的定位位置、获取时间、定位来源、所处区域特征、基站建设情况等特征数据。对于车辆的定位位置,可以将与用户使用终端与车辆进行通信连接时获取的终端定位相近的(例如,处于终端预设范围内)上一时刻车辆上传的定位位置,作为模型训练的正样本,对模型进行训练。对于终端定位信息,则训练时模型输入可以是终端定位位置、获取时间、用户类型、用户操作类型、定位信号等特征。对于预估定位信息,则训练时模型输入可以时预估定位位置、获取时间、定位方式、第三方服务稳定性、定位信号强度等特征。当训练满足某一预设条件时,例如,训练样本数达到预定的数量,训练过程将停止。训练完成后的模型将被指定为置信度确定模型。
在一些实施例中,所述置信度可以是指示对应的定位信息的准确度。所述置信度可以是位于[0,1]之间的任意一个数。0表示完全不准确,1表示完全准确,数值越大,准确度越高。
步骤320,基于所述置信度,筛选所述定位信息。在一些实施例中,确定模块620可以将所述定位信息的置信度与一置信度阈值做比较,剔除置信度小于所述置信度阈值的定位信息。所述置信度阈值可以是车辆定位***100的预设值,例如,0.9,也可以根据不同的应用场景进行调整,在此不再赘述。在一些实施例中,确定模块620还可以基于定位位置之间的点位方差,对所述定位信息进行筛选,以剔除方差大于方差阈值的定位信息。
步骤320,拟合筛选后的定位信息,确定所述第一车辆的最终定位信息。在一些实施例中,确定模块620可以将筛选后的定位信息进行拟合,拟合方法可以包括最小二乘法、圆拟合等,确定筛选后的定位位置的中心点,并将所述中心点作为所述车辆的最终位置。所述中心点可以以经纬度坐标的形式表示,也可以以位置图钉在电子地图上进行标示。
在一些实施例中,当处理设备110(或确定模块620)在下一时刻新获取一个新的定位信息时,例如,一个新的第一车辆的定位信息,处理设备110可以利用新获取的定位信息替换对应的上一时刻的定位信息,并重新确定所有的定位信息的置信度。因为所述置信度确定模型在训练时以添加与定位信息的获取时间相关联的参数设置,定位信息的获取时间距离当前时刻越长,置信度越低。重复步骤320至330,可以在下一时刻重新定位所述第一车辆。从而,可以持续不断的对所述第一车辆进行精准定位。
需要注意的是,以上描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。
图4是根据本发明的一些实施例所示的另一个确定车辆定位位置的示例性流程图。图4所示的用于确定车辆定位位置的流程400中的一个或以上操作可以由处理设备110执行。在车辆运动过程中,由于环境因素的影响,比如,车辆行驶的道路周边有较高建筑物、树木、或者其他遮挡物,可能引起卫星定位***的信号的收发和/或基站定位信号的传递减弱或失效,导致处理设备110无法获取车辆和/或终端的定位信息,继而确定车辆的定位位置。基于此,在一些实施例中,处理设备110可以通过获取车辆的第二预估定位信息,来确定该车辆的定位位置。为了便于说明和理解,示出图4以阐述在车辆运动中无法获取车辆定位信息时,如何确定第一车辆的定位位置。如图4所示,流程400包括以下操作。
步骤410,获取所述第一车辆的第二预估定位信息。步骤410可以由获取模块610执行。
在一些实施例中,在车辆运动过程中,无法获取车辆和/或终端的定位位置时,可以获取当第二车辆与第二终端通信时,所述第一车辆的第二预估定位信息。所述第二终端可以是与所述第一终端相同和/或相似的设备。例如,所述第二终端也可以是具有数据通信和位置获取功能的用户设备,其他用户(例如,除第一车辆的租赁用户以外的用户)可以使用第二终端对第二车辆进行通信,以确定用车订单并对第二车辆进行租赁。同时可以上传自身的定位信息至处理设备110。类似的,所述第二终端可以包括智能移动设备、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中,智能移动设备可以包括可但不限于智能手机、个人数码助理(Personal Digital Assistance,PDA)、平板电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备、显示增强设备等或其任意组合。在一些实施例中,所述第二终端可以是以第一车辆为中心,以所述预设阈值(例如,5m、10m、20m、50m或100m)为半径范围内的终端设备。所述第二车辆可以是与所述第一车辆相同和/或相似性质的车辆。例如,所述第二车辆同样具有定位装置和通信模块。所述第二车辆也可以是用于共享租赁的车辆。在一些实施例中,当车辆在运动时,所述第二车辆的位置可以是与所述第二终端的位置重合。在一些实施例中,所述第一车辆的第二预估定位信息可以与所述第一预估定位信息类似,可以基于无线定位技术确定,例如,蓝牙定位技术、Wi-Fi定位技术、RFID定位技术等。所述第二预估定位信息的确定方法可以参考图2中相关描述。
步骤420,利用所述第二预估定位信息,更新所述第一预估定位信息。在一些实施例中,步骤320可以由确定模块620执行。确定模块620可以利用所述第二预估定位信息,直接替换所述第一预估定位信息,以达到更新的目的。
步骤430,基于更新后的设备的定位信息,确定所述第一车辆的定位位置最终位置。在一些实施例中,确定模块620可以执行流程300中所描述的相关操作,以确定所述第一车辆的最终位置。
需要注意的是,以上描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。
图5是根据本申请一些实施例所示的更新置信度确定模型的示例性流程图。图5所示的用于更新置信度确定模型的流程500中的一个或以上操作可以由处理设备110执行。如图5所示,更新融合算法的方法可以包括以下操作。
步骤510,确定所述第一车辆的最终位置与实际位置之间的差异。步骤510可以由更新模块630执行。
在一些实施例中,所述第一车辆的最终位置可以是经过流程300中的操作计算得到的一个虚拟位置。所述第一车辆的最终位置可以利用经纬度坐标表示,例如,所述第一车辆的最终位置位于[N40°02′32.28″,E116°17′3.04″]处。所述第一车辆的最终位置可以利用具体的地理位置表示,例如,第一车辆的当前定位位置位于北京市海淀区中关村软件园6号停车场出口往北10m处。所述第一车辆的最终位置可以利用位置图钉的形式表示,例如,在电子地图上利用位置图钉标示所述最终位置。所述第一车辆的实际位置可以指所述第一车辆在现实空间中的位置。在一些实施例中,所述第一车辆的实际位置可以基于信息源160提供的信息确定。例如,当道路监控设备监测通过视频监测到所述第一车辆时,信息源160可以向处理设备110发送所述第一车辆的实际位置。所述第一车辆的实际位置也可以基于所述车辆上安装的车载设备来获取。所述车载设备可以包括激光雷达、数字相机等。例如,数字相机可以拍摄所述第一车辆所在场景的图片和/或视频并发送至处理设备110,处理设备110可以基于所述图片和/或视频确定所述第一车辆的实际位置。所述第一车辆的实际位置还可由车辆运维人员确定。例如,车辆运维人员可以定期对运营范围内的共享车辆进行维护,同时确定车辆的实际位置。
在一些实施例中,所述差异可以指所述第一车辆的最终位置与实际位置的经纬度之间的相对距离、相对方向等。所述相对距离可以利用Haversine公式计算,如下式所示:
其中,d表示两点之间的相对距离,R为地球半径,取平均值6371km,和表示两点的纬度,Δλ表示两点经度之间的差值。所述相对方向可以以所述第一车辆的实际位置为参考点,基于所述最终位置的经纬度确定。例如,假定所述第一车辆的实际位置为[N40°02′32.28″,E116°17′3.04″],所述最终位置位于[N40°02′32.28″,E116°17′4.04″],则所述相对方向为正东方向。
步骤520,基于所述差异更新所述置信度确定模型。步骤520可以由更新模块630执行。在一些实施例中,所述置信度确定模型具有多个模型参数,以决策树为例,包括特征选择标准、特征划分标准、最大深度、结点划分最小不纯度、叶子结点最少样本数、最大叶子结点数、叶子结点最小样本权重和、类别权重等。更新模块630可以基于所述差异反向调整模型参数,例如,增加深度等,调节模型的准确度。
需要注意的是,以上描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。
图6是根据本发明的一些实施例所示的示例性处理设备110的框图。如图6所示,处理设备110可以包括获取模块610、确定模块620和更新模块630。
获取模块610可以获取数据。在一些实施例中,获取模块610可以从车辆定位***100、终端120、车辆130、存储设备140、网络150、信息源160或本申请中公开的能够存储数据的任何设备或组件中的一个或一个以上获取数据。所获取的数据可以包括车辆定位信息、终端定位信息、基站定位信息、用户指令、算法、模型等中的一种或一种以上的组合。在一些实施例中,获取模块610可以在第一车辆与第一终端进行通信时,获取多个设备定位信息。所述第一车辆可以指待精准定位的车辆,具有定位和通信功能。所述第一终端可以指具有数据通信和位置获取的用户设备。所述多个定位信息可以是指多个设备定位信息,包括但不限于所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息、所述第一车辆的第一预估定位信息等或其任意组合。在一些实施例中,所述获取模块610还可以获取所述第一车辆的第二预估定位信息。
确定模块620可以用于确定车辆的最终位置。在一些实施例中,确定模块620可以对将多个设备定位信息分别输入至置信度确定模型,确定每个定位信息的置信度。所述置信度确定模型可以是机器学习模型,例如,决策树模型。所述置信度可以是指示对应的定位信息的准确度,可以是位于[0,1]之间的任意一个数。在获取所述定位信息的置信度后,确定模块620可以基于所述置信度,筛选所述定位信息。确定模块620可以将所述定位信息的置信度与一置信度阈值做比较,剔除置信度小于所述置信度阈值的定位信息。确定模块620还可以基于定位位置之间的点位方差,对所述定位信息进行筛选,以剔除方差大于方差阈值的定位信息。在处理置信度低的定位信息后,确定模块620可以将筛选后的定位信息进行拟合,拟合方法可以包括最小二乘法、圆拟合等,确定筛选后的定位位置的中心点,并将所述中心点作为所述车辆的最终位置。在一些实施例中,确定模块620可以利用由获取模块610获取的所述第一车辆的第二预估定位信息,更新所述第一预估定位信息,直接利用所述第二预估定位信息替换所述第一预估定位信息。其后,确定模块620可以重复上述步骤,以确定所述第一车辆的最终位置。在一些实施例中,确定模块620可以将所述第一终端的定位信息确定为所述第一车辆的定位信息,并基于所述第一车辆的定位信息,直接确定所述第一车辆的最终位置。
更新模块630可以更新所述置信度确定模型。在一些实施例中,更新模块630可以确定第一车辆的最终位置与实际位置之间的差异。所述第一车辆的当前定位位置可以是由融合算法计算得到的一个虚拟位置。所述第一车辆的实际位置可以指所述第一车辆在现实空间中的位置。所述差异可以指所述第一车辆的最终位置与实际位置的经纬度之间的相对距离、相对方向等。更新模块630可以基于所述差异,反向调整所述置信度确定模型的参数,例如,增加深度等,调节模型的准确度。
应当理解,图6所示的***及其模块可以利用各种方式来实现。例如,在一些实施例中,***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。例如,更新模块630可以拆分成计算单元,用于计算车辆定位位置和实际位置的差异,和更新单元,用于基于所述差异更新所述差置信度确定模型。然而,这些变化和修改不脱离本申请的范围。
本申请实施例可能带来的有益效果包括但不限于:(1)将多个数据源的定位信息进行融合后得到更加精确的车辆定位位置;(2)利用其它车辆获取的目标车辆的预估定位信息辅助确定目标车辆的位置。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (16)
1.一种车辆定位方法,其特征在于,所述方法包括:
当第一车辆与第一终端进行通信时,获取设备的定位信息;
所述设备的定位信息至少包括以下一种:所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息、以及所述第一车辆的第一预估定位信息;
至少基于以上一种定位信息,确定所述第一车辆的最终位置。
2.根据权利要求1所述的方法,其特征在于,所述至少基于以上一种定位信息,确定所述第一车辆的准确位置,包括:
将所述定位信息分别输入至置信度确定模型,确定每个定位信息的置信度,所述置信度模型为机器学习模型;
基于所述置信度,筛选所述定位信息;
拟合筛选后的定位信息,确定所述第一车辆的最终位置。
3.根据权利要求1所述的方法,其特征在于,确定所述第一预估定位信息的方法包括:
确定与在所述第一车辆为中心的预设范围内的第二车辆进行通信的第二终端,捕获的所述第一车辆的通信信号强度;
基于所述通信信号强度,确定所述第二终端与所述第一车辆之间的距离;
基于所述距离及所述第一终端的定位信息,确定所述第一车辆的第一预估定位信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当第二车辆与第二终端通信时,获取所述第一车辆的第二预估定位信息;
利用所述第二预估定位信息,更新所述第一预估信息;
基于更新后的设备的定位信息,所述多个预估定位信息,确定所述第一车辆的最终位置。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一终端的定位信息确定为所述第一车辆的定位信息,并确定所述第一车辆的最终位置。
6.根据权利要求1所述的方法,其特征在于,所述通信的方式为无线通信方式,包括以下其中一个:蓝牙、紫蜂、近场通信、Wi-Fi、Li-Fi或窄带物联网。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述第一车辆的最终位置与实际位置之间的差异;
基于所述差异更新置信度确定模型。
8.一种车辆定位***,其特征在于,所述***包括获取模块以及确定模块,所述获取模块,用于当第一车辆与第一终端进行通信时,获取设备的定位信息;所述设备的定位信息至少包括以下一种:所述第一车辆的定位信息、所述第一终端的定位信息、基站的定位信息、以及所述第一车辆的第一预估定位信息;
所述确定模块,用于至少基于以上一种定位信息,确定所述第一车辆的最终位置。
9.根据权利要求8所述的***,其特征在于,所述确定模块进一步用于:
将所述定位信息分别输入至置信度确定模型,确定每个定位信息的置信度,所述置信度模型为机器学习模型;
基于所述置信度,筛选所述定位信息;
拟合筛选后的定位信息,确定所述第一车辆的最终定位信息。
10.根据权利要求8所述的***,其特征在于,所述确定模块进一步用于:
确定与在所述第一车辆为中心的预设范围内的第二车辆进行通信的第二终端,捕获的所述第一车辆的通信信号强度;
基于所述通信信号强度,确定所述第二终端与所述第一车辆之间的距离;
基于所述距离及所述第一终端的定位信息,确定所述第一车辆的第一预估定位信息。
11.根据权利要求8所述的***,其特征在于,所述获取模块进一步用于当第二车辆与第二终端通信时,获取所述第一车辆的第二预估定位信息;所述确定模块进一步用于利用所述第二预估定位信息,更新所述第一预估信息,以及基于更新后的设备的定位信息,所述多个预估定位信息,确定所述第一车辆的最终位置。
12.根据权利要求8所述的***,其特征在于,所述确定模块进一步用于:将所述第一终端的定位信息确定为所述第一车辆的定位信息,并确定所述第一车辆的最终位置。
13.根据权利要求8所述的***,其特征在于,所述通信的方式为无线通信方式,包括以下其中一个:蓝牙、紫蜂、近场通信、Wi-Fi、Li-Fi或窄带物联网。
14.根据权利要求9所述的方法,其特征在于,所述***进一步包括更新模块,所述更新模块用于确定所述第一车辆的最终位置与实际位置之间的差异;以及,基于所述差异更新置信度确定模型。
15.一种车辆定位装置,所述装置包括处理器以及存储器;所述存储器用于存储指令,所述指令被所述处理器执行时,导致所述装置实现如权利要求1至7中任一项所述车辆定位方法对应的操作。
16.一种计算机可读存储介质,其特征在于所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求1至7中任意一项所述车辆定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636730.5A CN111385868A (zh) | 2018-12-29 | 2018-12-29 | 一种车辆定位方法、***、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636730.5A CN111385868A (zh) | 2018-12-29 | 2018-12-29 | 一种车辆定位方法、***、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111385868A true CN111385868A (zh) | 2020-07-07 |
Family
ID=71218079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811636730.5A Pending CN111385868A (zh) | 2018-12-29 | 2018-12-29 | 一种车辆定位方法、***、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111385868A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111795697A (zh) * | 2020-07-13 | 2020-10-20 | 北京梧桐车联科技有限责任公司 | 设备定位方法、装置、电子设备及存储介质 |
CN112968934A (zh) * | 2021-01-29 | 2021-06-15 | 北京骑胜科技有限公司 | 一种出行定位方法、装置、存储介质及计算机程序产品 |
CN115355925A (zh) * | 2022-10-24 | 2022-11-18 | 北京云行在线软件开发有限责任公司 | 车辆定位方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110057817A1 (en) * | 2009-09-04 | 2011-03-10 | Gm Global Technology Operations, Inc. | Method of determining vehicle location from key fob |
CN105118328A (zh) * | 2010-11-10 | 2015-12-02 | 现代自动车株式会社 | 使用无线通信检测附近车辆的方法 |
CN106443576A (zh) * | 2016-08-30 | 2017-02-22 | 上汽通用汽车有限公司 | 一种车辆定位方法、装置和*** |
CN106536840A (zh) * | 2014-06-26 | 2017-03-22 | 株式会社自动网络技术研究所 | 车辆用通信***、车载机、便携机及计算机程序 |
CN108200535A (zh) * | 2018-01-24 | 2018-06-22 | 东峡大通(北京)管理咨询有限公司 | 车辆定位信息的筛选方法、终端及机器可读存储介质 |
CN108535753A (zh) * | 2018-03-30 | 2018-09-14 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
-
2018
- 2018-12-29 CN CN201811636730.5A patent/CN111385868A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110057817A1 (en) * | 2009-09-04 | 2011-03-10 | Gm Global Technology Operations, Inc. | Method of determining vehicle location from key fob |
CN105118328A (zh) * | 2010-11-10 | 2015-12-02 | 现代自动车株式会社 | 使用无线通信检测附近车辆的方法 |
CN106536840A (zh) * | 2014-06-26 | 2017-03-22 | 株式会社自动网络技术研究所 | 车辆用通信***、车载机、便携机及计算机程序 |
CN106443576A (zh) * | 2016-08-30 | 2017-02-22 | 上汽通用汽车有限公司 | 一种车辆定位方法、装置和*** |
CN108200535A (zh) * | 2018-01-24 | 2018-06-22 | 东峡大通(北京)管理咨询有限公司 | 车辆定位信息的筛选方法、终端及机器可读存储介质 |
CN108535753A (zh) * | 2018-03-30 | 2018-09-14 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111795697A (zh) * | 2020-07-13 | 2020-10-20 | 北京梧桐车联科技有限责任公司 | 设备定位方法、装置、电子设备及存储介质 |
CN111795697B (zh) * | 2020-07-13 | 2022-05-10 | 北京梧桐车联科技有限责任公司 | 设备定位方法、装置、电子设备及存储介质 |
CN112968934A (zh) * | 2021-01-29 | 2021-06-15 | 北京骑胜科技有限公司 | 一种出行定位方法、装置、存储介质及计算机程序产品 |
CN115355925A (zh) * | 2022-10-24 | 2022-11-18 | 北京云行在线软件开发有限责任公司 | 车辆定位方法、装置、设备和介质 |
CN115355925B (zh) * | 2022-10-24 | 2023-02-17 | 北京云行在线软件开发有限责任公司 | 车辆定位方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109313846B (zh) | 用于推荐上车点的***和方法 | |
EP3570061B1 (en) | Drone localization | |
US10970542B2 (en) | Scalable three dimensional object segmentation | |
EP3739512A1 (en) | Automatic feature extraction from imagery | |
CN111882977B (zh) | 一种高精度地图构建方法及*** | |
DE112019000057T5 (de) | VERFAHREN UND SYSTEM ZUR FAHRZEUG-FUßGÄNGER-KOLLISIONSVERMEIDUNG | |
CN107449433A (zh) | 基于地图的用于车辆观测的反馈循环 | |
WO2020243937A1 (en) | Systems and methods for map-matching | |
CN110914837B (zh) | 确定车头朝向的方法和*** | |
CN111859178B (zh) | 一种推荐上车点的方法和*** | |
CN110741225B (zh) | 确定目标站点的***和方法 | |
CN111385868A (zh) | 一种车辆定位方法、***、装置和存储介质 | |
CN111465936B (zh) | 确定地图上新道路的***和方法 | |
CN110110029B (zh) | 用于匹配车道的方法和装置 | |
CN114080537A (zh) | 收集与可导航网络有关的用户贡献数据 | |
CN111415024A (zh) | 一种到达时间预估方法以及预估装置 | |
WO2021056303A1 (en) | Systems and methods for determining a pick-up location | |
CN111861622A (zh) | 一种确定上车点推荐模型的方法和*** | |
EP3642821A1 (en) | Systems and methods for determining a new route in a map | |
CN111721306A (zh) | 道路匹配方法、装置、电子设备及可读存储介质 | |
CN113892275A (zh) | 一种定位方法、装置、电子设备及存储介质 | |
Skarga-Bandurova et al. | A framework for real-time public transport information acquisition and arrival time prediction based on GPS data | |
Yokota | Vehicle localization by dynamic programming from altitude and yaw rate time series acquired by MEMS sensor | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN116508013A (zh) | 用于推荐兴趣点的***和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |