CN113840233A - 基于定位区域的监控方法及装置 - Google Patents
基于定位区域的监控方法及装置 Download PDFInfo
- Publication number
- CN113840233A CN113840233A CN202010581476.4A CN202010581476A CN113840233A CN 113840233 A CN113840233 A CN 113840233A CN 202010581476 A CN202010581476 A CN 202010581476A CN 113840233 A CN113840233 A CN 113840233A
- Authority
- CN
- China
- Prior art keywords
- positioning
- sequence
- candidate
- points
- monitored object
- 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.)
- Granted
Links
Images
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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于定位区域的监控方法及装置,方法包括:获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。该方式能够基于监测对象的历史定位信息自动确定,与人工手动设定的方式相比,更加智能,且准确性更高。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种基于定位区域的监控方法及装置。
背景技术
目前,中国社会逐步进入老龄化社会,一个问题日益严重的困扰着70、80年代出生的中年人,一方面他们的父母已步入耄耋之年,生活方面需要照顾;另一方面,他们的孩子正处于学生阶段,也需要投入精力去看护。这给本就忙碌辛劳的中年人带来巨大的生活压力。
基于此类问题,现有技术中提出了以下解决方案:利用运营商基站定位优势,基于LBS定位方法实现的定位他人服务,用户可以设置以一个POI为中心点的,半径长度为n米的告警区域圆,如果被定位人的位置超出该设定范围,***会下发告警通知和短信服务来提醒定位人(用户):被定位人在某一时刻离开了告警区域范围。
然而,发明人在实现本发明的过程中发现,基于单一的位置点设定的圆形范围不够准确和精细,不能个性化的满足用户设定区域的需求。并且,由用户手动设置告警区域圆的方式不够智能,导致监测范围不尽合理,从而影响了监测的准确率。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于定位区域的监控方法及装置。
根据本发明的一个方面,提供了一种基于定位区域的监控方法,包括:
获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;
计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;
确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;
根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。
根据本发明的又一个方面,提供了一种基于定位区域的监控装置,包括:
获取模块,适于获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;
计算模块,适于计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;
确定模块,适于确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;
监控模块,适于根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。
根据本发明的又一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基于定位区域的监控方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述基于定位区域的监控方法对应的操作。
在本发明所提供的基于定位区域的监控方法及装置中,能够基于与监测对象相对应的各个定位位置点的聚类结果提取若干定位位置点作为候选定位点,并根据各个候选定位点之间的相互转换概率得到与各个候选定位点相对应的可见转换序列以及隐性序列,进而确定监测对象的运行轨迹信息,以便根据运行轨迹信息确定与监测对象相对应的定位区域。由此可见,该方式能够根据根据各个候选定位点之间的相互转换概率自动确定监测对象的运行轨迹信息,从而根据运行轨迹信息确定与监测对象相对应的定位区域,与直接通过单一位置点确定告警区域圆的方式相比,运行轨迹信息中包含更多的位置相关内容,从而能够设定出比圆形更加精确的定位区域。并且,该方式能够基于监测对象的历史定位信息自动确定,与人工手动设定的方式相比,更加智能,且准确性更高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的基于定位区域的监控方法的流程示意图;
图2示出了根据本发明另一个实施例的基于定位区域的监控方法的流程示意图;
图3示出了根据本发明又一个实施例的基于定位区域的监控装置的结构示意图;
图4示出了根据本发明的一种电子设备的结构示意图;
图5示出了区域网格化描点的示意图;
图6示出了多个候选定位点之间转换概率的示意图;
图7示出了Viterbi算法的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的基于定位区域的监控方法的流程示意图,如图1所示,该方法包括:
步骤S110:获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点。
具体地,监测对象可以为被定位人所对应的终端设备,被定位人可以是老人或儿童等。与监测对象相对应的各个定位位置点可通过定时获取的方式进行获取,例如,每隔预设时间间隔获取一次定位位置点。
对各个定位位置点进行聚类时,可以根据各个定位位置点的出现频次和/或间隔距离,将出现频次较高、且间隔较近的多个定位位置点聚类为一个候选定位点。本发明对候选定位点的具体确定方式不作限定。例如,也可以直接将出现频率较高的若干个定位位置点筛选为候选定位点。又如,还可以将停留时长较长的若干个定位位置点筛选为候选定位点。
步骤S120:计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列。
其中,各个候选定位点之间的相互转换概率主要是指每两个候选定位点之间相互转换的概率。即:从第一候选定位点转换至第二候选定位点的概率,第一候选定位点为任一候选定位点,且第二候选定位点为不同于第一候选定位点的任一候选定位点。可见转换序列为一个明序列,用于表示已知的各个候选定位点之间的相互转换概率。本发明对可见转换序列的具体形式和生成方式不作限定。
步骤S130:确定与可见转换序列相对应的隐性序列,根据可见转换序列以及隐性序列确定监测对象的运行轨迹信息。
其中,隐性序列用于描述监测对象的运行方向、隐藏位置点等信息。隐性序列是基于可见转换序列挖掘确定的。具体地,可以通过隐马尔可夫模型确定与可见转换序列相对应的隐性序列。相应的,基于可见转换序列以及隐性序列确定监测对象的运行轨迹信息。该运行轨迹信息用于反映监测对象的实际运行路径。
步骤S140:根据运行轨迹信息确定与监测对象相对应的定位区域,基于定位区域对监测对象进行监控。
具体地,根据运行轨迹信息能够得到与监测对象相对应的定位区域,以便基于该定位区域对监测对象进行监控,并在监测对象脱离该定位区域时进行告警。其中,由于运行轨迹信息包含多个位置点以及详细路径信息,因此,定位区域不限于简单的圆形,而是可以为各种复杂的且不规则的区域。
由此可见,该方式能够根据根据各个候选定位点之间的相互转换概率自动确定监测对象的运行轨迹信息,从而根据运行轨迹信息确定与监测对象相对应的定位区域,与直接通过单一位置点确定告警区域圆的方式相比,运行轨迹信息中包含更多的位置相关内容,从而能够设定出比圆形更加精确的定位区域。并且,该方式能够基于监测对象的历史定位信息自动确定,与人工手动设定的方式相比,更加智能,且准确性更高。
图2示出了根据本发明另一个实施例的基于定位区域的监控方法的流程示意图。如图2所示,该方法包括:
步骤S210:获取与监测对象相对应的各个定位位置点。
具体地,监测对象可以为被定位人所对应的终端设备,被定位人可以是老人或儿童等。与监测对象相对应的各个定位位置点可通过定时获取的方式进行获取:例如,为了节约能耗,可以每隔预设时间间隔获取一次定位位置点;又如,为了提升准确性,也可以采取实时获取的方式连续获取一系列的定位位置点。
具体实施时,可以通过GPS定位模块获取与预设监测时段相对应的各个定位位置点。考虑到被定位人的活动规律往往与具体的时间段紧密关联。例如,对于老年人而言,早晨时段将固定前往公园锻炼,中午时段将固定位于家中做饭等等。因此,为了提升监测结果的准确性,在本实施例中,能够预先设定多个监测时段,并分别获取与各个监测时段相对应的定位位置点,从而以监测时段为单位,分别设置与各个监测时段相对应的定位区域,以提升监控效率。
步骤S220:根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点。
具体地,对各个定位位置点进行聚类时,可以根据各个定位位置点的出现频次和/或间隔距离,将出现频次较高、且间隔较近的多个定位位置点聚类为一个候选定位点。本发明对候选定位点的具体确定方式不作限定。例如,也可以直接将出现频率较高的若干个定位位置点筛选为候选定位点。又如,还可以将停留时长较长的若干个定位位置点筛选为候选定位点。具体实施时,可以计算各个定位位置点的出现频次,根据出现频次提取预设数量个定位位置点作为候选定位点。
步骤S230:计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列。
其中,各个候选定位点之间的相互转换概率主要是指每两个候选定位点之间相互转换的概率。即:从第一候选定位点转换至第二候选定位点的概率,第一候选定位点为任一候选定位点,且第二候选定位点为不同于第一候选定位点的任一候选定位点。可见转换序列为一个明序列,用于表示已知的各个候选定位点之间的相互转换概率。
具体实施时,获取各个候选定位点的出现时间和/或出现次序,根据各个候选定位点的出现时间和/或出现次序确定每两个候选定位点之间的相互转换概率。其中,相互转换概率用于反映从第一候选定位点移动至第二候选定位点的概率。
步骤S240:确定与可见转换序列相对应的隐性序列,根据可见转换序列以及隐性序列确定监测对象的运行轨迹信息。
其中,隐性序列用于描述监测对象的运行方向、隐藏位置点等信息。隐性序列是基于可见转换序列挖掘确定的。
具体实施时,通过隐马尔可夫模型以及维比特算法确定与可见转换序列相对应的隐性序列;其中,隐性序列用于表示监测对象的隐藏位置点和/或运行方向。具体地,可见转换序列相当于可见状态链,隐性序列相当于隐含状态链,通过隐马尔可夫模型能够对可见状态链中揭示的关联关系进行挖掘,以得到隐含状态链,即隐性序列。另外,维比特算法能够预测各个位置点之间的路径信息,从而基于路径信息挖掘隐藏的位置点以及运行方向等细化内容。
步骤S250:根据运行轨迹信息确定与监测对象相对应的定位区域,基于定位区域对监测对象进行监控。
具体地,根据运行轨迹信息能够得到与监测对象相对应的定位区域,以便基于该定位区域对监测对象进行监控,并在监测对象脱离该定位区域时进行告警。其中,由于运行轨迹信息包含多个位置点以及详细路径信息,因此,定位区域不限于简单的圆形,而是可以为各种复杂的且不规则的区域。
具体实施时,可以由***自动生成与运行轨迹信息相对应的定位区域。或者,为了提升灵活性,也可以由***将自动生成的与运行轨迹信息相对应的区域作为候选区域展示给用户,由用户确认是否针对该候选区域进行调整,若接收到用户触发的区域确认请求,则直接将该候选区域作为定位区域;若接收到用户触发的区域调整请求,则基于区域调整请求对候选区域进行调整:
具体地,生成并展示与运行轨迹信息相对应的候选区域;根据接收到的区域调整请求,对该候选区域进行调整,以得到与监测对象相对应的定位区域。其中,候选区域包括:多个区域节点以及用于连接各个区域节点的区域边线。区域节点是指候选区域的区域端点,例如,规则区域或不规则区域至少需包含三个区域端点。区域边线是指用于连接各个区域节点的线段,区域边线可基于上文确定的运行轨迹信息确定,例如,根据运行方向确定用于连接各个区域节点的区域边线。
相应的,区域调整请求用于调整区域节点的位置、以及区域边线的宽度。比如,能够针对至少一个区域节点的位置进行调整,并且可以调整区域节点的数量,例如删除或新增若干区域节点。另外,还可以设置区域边线的宽度,以调整与该区域边线相对应的方向的监测范围:将指定的区域边线的宽度***,以扩大与该区域边线相对应的方向的监测范围;或者将指定的区域边线的宽度变细,以缩小与该区域边线相对应的方向的监测范围。
为了便于理解,下面以一个具体示例为例详细阐述本实施例的具体实现细节:
首先,简单介绍与本发明实施例相关的现有实现方案:
一种现有实现方案为用户主观设定法,该设定方法虽然比较清晰直观,但是具有很强烈的用户主观意识在其中,定位人(用户)会依赖自己对被定位人的主观认识和了解来设定报警的区域,准确性差,很容易出现无用报警情况。
另一种现有实现方案为圆形覆盖法,其中,定位人(用户)选择一个告警区域的中心点,再设置一个半径的长度(500-5000米),形成一个区域圆,定位人(用户)主观认为被定位人会在特定时间段在该区域内活动,当离开该区域,就会触发***的告警服务。但是,该设定方法不够灵活和精确,被定位人活动的区域很有可能是长条形的轨迹或者一些点连接的折线。另外,半径的长度也不好把控,如果设置果断会导致频繁触发告警,如果过长会包含一些定位人(用户)不希望包含的区域或POI点(如学校附近的网吧,家长是不希望孩子去的)在其中。
为了解决上述问题,在本示例中,基于LBS定位他人技术收集被定位人的定位点数据,通过对数据的计算找到被定位人出没频繁的预设数量个定位点(例如十个),通过模型模拟出被定位人行动的轨迹,并推荐给定位人(用户)作为依据设定告警区域,具有覆盖范围精确、服务效率高的优点。
具体地,本示例的基于被定位人位置的区域推荐使用隐马尔可夫模型方法,首先,在用户授权的前提下,LBS每隔一个小时会定位一次被定位人的位置,将所有定位点的位置信息存在数据表中,将所有的点进行聚类,计算出出现概率最高的若干个点(如五个点);其次,通过时间先后关系计算五个点中,每两个点之间的转换的概率;然后,使用隐马尔可夫模型方法计算,根据一个明序列来推测出隐序列(明序列即上文提到的可见转换序列),为已知大概率的定位点间的转换序列,隐序列(隐序列即上文提到的隐性序列)是被定位人行进方向,也就是实际被定位人的运行轨迹信息。使用已知的被定位人定位点间的转换序列,推算被定位人的实际运行轨迹信息。
该示例具体包含如下步骤:
步骤一、高频点选取。
本步骤用于确定候选定位点,具体通过以下方式实现:
首先,由LBS***定时取点。此处的取点即获取定位位置点。在用户授权的情况下,***会通过后台每隔一小时采集一次被定位人的当前位置并记录在数据库表中。
然后,将该被定位人近一个月产生的所有点按照经纬度描绘在地图上,同时将地图划分为多个网格,如500*500大小的网格(假设所有点在一个城市中)。图5示出了区域网格化描点的示意图。
接下来,以网格为单位,分别计算每个网格中分布的定位位置点的数量总和,按照数量总和的大小进行排序,选取数量总和最大的前五个网格区域,即图1中的A、B、C、D、E区域。
最后,根据各个定位位置点的出现频率,计算五个网格中每个网格内出现频率最高的定位位置点,记录其信息并以表格形式存储。
步骤二、定位点转换的概率计算。
本步骤用于计算各个候选定位点之间的相互转换概率。
首先,将5个网格分别用A、B、C、D、E来标记,每个网格中出现频率最高的点(即候选定位点)分别标记为a[n]、b[n]、c[n]、d[n]、e[n],其中n为日期排序,并将该天24小时采集的涉及五个网格的点的序列按照时间排列出来,如下所示:
a[1]a[1]a[1]a[1]c[1]b[1]b[1]b[1]a[1]a[1]
a[2]a[2]a[2]a[2]e[2]e[2]a[2]
b[3]a[3]a[3]a[3]c[3]d[3]a[3]
…
然后,根据日期,得出同一天每两个网格间转换的次数,以及当天所有状态转换数m,如:
第1天,A->C(1次)、C->B(1次)、B->A(1次)m=3
第2天,A->E(2次) m=2
第3天,B->A(1次)、A->C(1次)、C->D(1次)D->A(1次)m=4
第4天,…
最后,计算两点间转换概率,相加并求出次数平均值,得到当前所有定位点对的概率。其中,定位点对的概率即为每两个候选定位点之间的相互转换概率。
步骤三、轨迹计算。
该步骤用于根据概率计算结果得到与各个候选定位点相对应的可见转换序列,并确定与可见转换序列相对应的隐性序列,进而根据可见转换序列以及隐性序列确定监测对象的运行轨迹信息。
针对被定位人推荐的告警区域计算实际上是计算隐藏的轨迹,具体使用隐马尔可夫模型方法,根据一个明序列来推测出隐序列,明序列为已知大概率的定位点间的转换序列,隐序列是被定位人行进方向,也就是实际被定位人的运行轨迹信息;使用已知的被定位人定位点间的转换序列,推算被定位人的实际运行轨迹信息。使用Viterbi算法推算一个候选定位点到其他候选定位点的转换概率,具体方法如下:
首先,获取当前所有定位点对的概率,记为AB[],BC[],CD[],DE[]。例如:AB[]为从点A转向点B的概率。图6示出了多个候选定位点之间转换概率的示意图。
然后,计算AB到BC到CD的各种可能的路径的概率,记为H(),H()的计算方法如下:
H(i)=AB[l]*P(AB[l]&BC[m])*BC[m]*P(BC[m]&CD[n])*CD[n]*P(CD[m]&DE[n])*DE[n]
其中:AB[l],为第一次,由A转向B的可能概率。
P(AB[l]&BC[m]),为第1次A转向B后,第m次B转向C的概率。
BC[m],为第m次由B转向C的可能概率。
P(BC[m]&CD[n]),为第m次B转向C后,第n次C转向D的概率。
CD[n],为第m次由C转向D的可能概率。
P(CD[m]&DE[n]),为第m次C转向D后,第n次D转向E的概率。
DE[n],为第m次由D转向E的可能概率。上述方式基于Viterbi算法实现,图7示出了Viterbi算法的示意图。
最后,计算序列可能的路径的概率H()的最大值,并通过此概率得到对应点序列。
步骤四、确定与监测对象相对应的定位区域。
本步骤用于当用户设置告警区域时,将上一步得到的点及序列推荐给用户,并支持用户设置轨迹线路的宽度,来替代圆形告警区域的粗粒度。
综上可知,在上述方案中,基于被定位人位置的区域推荐使用隐马尔可夫模型方法计算,根据一个明序列来推测出隐序列,明序列为已知大概率的定位点间的转换序列,隐序列是被定位人行进方向,也就是实际被定位人的运行轨迹信息。使用已知的被定位人定位点间的转换序列,推算被定位人的实际运行轨迹信息。由此可见,本发明实施例提供了一种告警区域概率计算方法。与现有技术相比,上述方案至少存在如下优势:1、准确性高,依据客观数据计算模拟出被定位人的运行轨迹信息,准确度比主观判断高。2、覆盖范围精确,用折线的轨迹方式来代替原有的圆形区域方式,告警区域的设置力度更加精细化。3、规避特殊点,传统的圆形区域无法规避某些特殊点,而本发明提供的方法,用户可以选择规避某个点的区域,提高告警设置的精确度。例如,用户可通过区域调整请求删除与预设位置相对应的区域节点,该预设位置可以是网吧所在的位置或其他危险区域的位置等。
图3示出了根据本发明又一个实施例的基于定位区域的监控装置的结构示意图,如图3所示,该***包括:
获取模块31,适于获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;
计算模块32,适于计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;
确定模块33,适于确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;
监控模块34,适于根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。
可选地,所述计算模块具体适于:
获取各个候选定位点的出现时间和/或出现次序,根据所述出现时间和/或出现次序确定每两个候选定位点之间的相互转换概率。
可选地,所述确定模块具体适于:
通过隐马尔可夫模型以及维比特算法确定与所述可见转换序列相对应的隐性序列;其中,所述隐性序列用于表示监测对象的隐藏位置点和/或运行方向。
可选地,所述监控模块具体适于:
生成并展示与所述运行轨迹信息相对应的候选区域;
根据接收到的区域调整请求,对所述候选区域进行调整,以得到与所述监测对象相对应的定位区域。
可选地,所述候选区域包括:多个区域节点以及用于连接各个区域节点的区域边线;
则所述区域调整请求用于调整所述区域节点的位置、以及区域边线的宽度。
可选地,所述获取模块具体适于:
计算各个定位位置点的出现频次,根据出现频次提取预设数量个定位位置点作为候选定位点。
可选地,所述获取模块具体适于:
通过GPS定位模块获取与预设监测时段相对应的各个定位位置点。
上述各个模块的具体结构和工作原理可参照方法实施例中相应步骤的描述,此处不再赘述。
本申请实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于定位区域的监控方法。
图4示出了根据本发明实施例的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示,该电子设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述域名解析方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述方法实施例中的各项操作。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的电子设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种基于定位区域的监控方法,包括:
获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;
计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;
确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;
根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。
2.根据权利要求1所述的方法,其中,所述计算各个候选定位点之间的相互转换概率包括:
获取各个候选定位点的出现时间和/或出现次序,根据所述出现时间和/或出现次序确定每两个候选定位点之间的相互转换概率。
3.根据权利要求1所述的方法,其中,所述确定与所述可见转换序列相对应的隐性序列包括:
通过隐马尔可夫模型以及维比特算法确定与所述可见转换序列相对应的隐性序列;其中,所述隐性序列用于表示监测对象的隐藏位置点和/或运行方向。
4.根据权利要求1所述的方法,其中,所述根据所述运行轨迹信息确定与所述监测对象相对应的定位区域包括:
生成并展示与所述运行轨迹信息相对应的候选区域;
根据接收到的区域调整请求,对所述候选区域进行调整,以得到与所述监测对象相对应的定位区域。
5.根据权利要求4所述的方法,其中,所述候选区域包括:多个区域节点以及用于连接各个区域节点的区域边线;
则所述区域调整请求用于调整所述区域节点的位置、以及区域边线的宽度。
6.根据权利要求1所述的方法,其中,所述根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点包括:
计算各个定位位置点的出现频次,根据出现频次提取预设数量个定位位置点作为候选定位点。
7.根据权利要求1-6任一所述的方法,其中,所述获取与监测对象相对应的各个定位位置点包括:
通过GPS定位模块获取与预设监测时段相对应的各个定位位置点。
8.一种基于定位区域的监控装置,包括:
获取模块,适于获取与监测对象相对应的各个定位位置点,根据各个定位位置点的聚类结果提取若干定位位置点作为候选定位点;
计算模块,适于计算各个候选定位点之间的相互转换概率,根据概率计算结果得到与各个候选定位点相对应的可见转换序列;
确定模块,适于确定与所述可见转换序列相对应的隐性序列,根据所述可见转换序列以及所述隐性序列确定所述监测对象的运行轨迹信息;
监控模块,适于根据所述运行轨迹信息确定与所述监测对象相对应的定位区域,基于所述定位区域对所述监测对象进行监控。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基于定位区域的监控方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于定位区域的监控方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581476.4A CN113840233B (zh) | 2020-06-23 | 2020-06-23 | 基于定位区域的监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581476.4A CN113840233B (zh) | 2020-06-23 | 2020-06-23 | 基于定位区域的监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113840233A true CN113840233A (zh) | 2021-12-24 |
CN113840233B CN113840233B (zh) | 2023-09-19 |
Family
ID=78964101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581476.4A Active CN113840233B (zh) | 2020-06-23 | 2020-06-23 | 基于定位区域的监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113840233B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及*** |
US10533862B1 (en) * | 2018-11-28 | 2020-01-14 | Uber Technologies, Inc. | Biasing map matched trajectories based on planned route information |
WO2020107441A1 (en) * | 2018-11-28 | 2020-06-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligent systems and methods for map matching |
US20200204956A1 (en) * | 2017-07-07 | 2020-06-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a position of a terminal device |
-
2020
- 2020-06-23 CN CN202010581476.4A patent/CN113840233B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及*** |
US20200204956A1 (en) * | 2017-07-07 | 2020-06-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a position of a terminal device |
US10533862B1 (en) * | 2018-11-28 | 2020-01-14 | Uber Technologies, Inc. | Biasing map matched trajectories based on planned route information |
WO2020107441A1 (en) * | 2018-11-28 | 2020-06-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligent systems and methods for map matching |
Non-Patent Citations (3)
Title |
---|
刘翔;邹婷婷;李仁旺;王亚沛;: "基于HMM模型的老年人出行异常检测", 浙江理工大学学报, no. 05 * |
孔令富;李海涛;: "基于位置和运动轨迹的老年人异常行为检测", 计算机工程与设计 * |
马骁骏;李烨;: "基于隐马尔可夫模型的基站定位地图匹配算法研究", 中国水运(下半月), no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
CN113840233B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537351B (zh) | 一种推荐上车点的确定方法及装置 | |
CN109688532B (zh) | 一种划分城市功能区域的方法及装置 | |
JP6042997B2 (ja) | 携帯端末の位置データを利用してipの地理的位置を特定する方法及びサーバ | |
WO2019000887A1 (zh) | 信息推荐方法和装置 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及*** | |
EP3109808A1 (en) | Method and apparatus for determining a location of a point of interest | |
CN109195093A (zh) | 一种信息的推送方法及服务器 | |
CN109151890A (zh) | 一种移动终端定位方法及装置 | |
Zhang et al. | Accuracy analysis of freeway traffic speed estimation based on the integration of cellular probe system and loop detectors | |
WO2017107729A1 (zh) | 地理位置监测方法及设备 | |
CN103916954B (zh) | 基于wlan的概率定位方法及定位装置 | |
CN104125021B (zh) | 一种识别移动终端的运动状态的方法及移动终端 | |
JP2005043355A (ja) | 環境信号からデバイスの概算位置を判定するための方法 | |
CN105282758A (zh) | WiFi室内定位***指纹数据库自适应动态构建方法 | |
CN103631888B (zh) | 基于位置的多数据源的数据搜索方法和装置 | |
CN106139536A (zh) | 一种提醒方法和装置 | |
CN103037506A (zh) | 定位方法、***及相关设备 | |
CN109660937A (zh) | 运动轨迹生成方法及装置 | |
CN105992146A (zh) | 定位数据生成方法及装置 | |
CN116132923A (zh) | 一种基于手机信令数据的高精度时空轨迹复原方法 | |
CN106535325A (zh) | 定位方法、信息处理方法、定位装置及信息处理装置 | |
CN113840233B (zh) | 基于定位区域的监控方法及装置 | |
CN103905994A (zh) | 一种基于容错思想的室内Wi-Fi指纹定位方法 | |
Brouwers et al. | Detecting dwelling in urban environments using gps, wifi, and geolocation measurements | |
WO2018113087A1 (zh) | 一种确定用户乘车地理位置的方法及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |