用于查明移动终端设备的至少一个位置的装置和方法与流程

本发明涉及一种用于查明移动终端设备、尤其是智能手机的至少一个位置的装置和方法。

背景技术：

已知如下的系统，利用所述系统可以直接通过卫星支持的信号确定移动终端设备的位置。这样的系统已知为全球卫星导航系统(GNSS)并且此外包括GPS系统、GLONASS系统和正在建设中的伽利略系统和北斗系统。然而，这些系统依赖于对卫星信号的接收，因为这些系统借助于卫星和移动终端设备之间的信号传播时间通过多点定位确定位置。这些信号可能被障碍物反射并且增加传播时间，由此位置确定失去精确性。由于信号尤其是在建筑物中或者在地下被阻挡，位置确定是不可能的。

一种已知的解决GNSS系统的缺点的可能性是如下的系统，所述系统对其附近的GSM天线杆或WiFi基站的信号进行评估。在此，需要从存储器件中接收处于附近的GSM天线杆和WiFi基站的方位并且然后通过三角定位法来确定到这些GSM天线杆和WiFi基站的相对位置。这样的方法在文献US 5,519,760 A在总体上描述和在用于在地铁中进行路径确定的文献DE 10 2007 014 528 A1中进行了描述。这些方法的缺点是，首先必须建立具有所有GSM天线杆和WiFi基站的位置的数据库。这个绘制是非常耗费且昂贵的。此外，并不能总是唯一地识别各个GSM天线杆。后者例如是如下的情况，在不同GSM天线杆联合为一个所谓的虚拟接入点的情况下，例如在地铁系统中经常是这种情况。在此，不再能或者仅非常粗略地能将各个位置配设给某个位置。这类似地也适用于WiFi基站。

其他的系统需要建设新的基础设施。这是昂贵的并且导致无用地占有频段。

一种如下的可能性可以规避需要外部信号源的系统的缺点，即，使用惯性导航系统(INS)。INS使用由加速度传感器和陀螺仪形成的组合来测量在空间中自由运动的物体的运动。因此理论上可能的是，在开始位置和方向已知时，在没有使用外部信号的情况下进行位置确定。然而在实际中出现如下的问题，由于传感器漂移，位置确定会随着时间快速丧失精确度。因此INS主要用于弥补其他的导航系统、如GNSS系统短时间的信号中断。

技术实现要素：

基于现有技术提出如下的任务，提供一种可以解决上述缺点的装置或方法。尤其是应该提供一种用于高效确定位置的装置。另外一个任务是，提供一种如下的用于确定位置的装置，所述装置能够在没有附加的方位数据的情况下实施位置确定。此外，提出一种如下的装置，所述装置能实现公共短途交通的车辆在隧道和停靠站中的位置确定。

这些任务通过根据权利要求1的装置和根据权利要求14的方法得到解决。

尤其是，所述任务通过如下的装置得到解决，所述装置包括：

-至少一个存储器件；

-磁力计传感器单元，以用于输出磁力计传感器数据；

-分类单元；

-位置查明单元，以用于确定移动终端设备的位置；

所述分类单元构成为：

a)用于在使用磁力计传感器数据的情况下查明至少一台电机和/或借助于至少一台电机所驱动的车辆的状态，以及

b)用于在所述至少一个存储器件中存储所查明的状态。

所述位置查明单元从所述至少一个存储器件中读取状态并且借助于所述状态确定移动终端设备的所述至少一个位置。

电机基于如下的原理，即，将电能转换为机械能。在此，将如下的力转化为机械能，所述力将磁场施加到线圈的通有电流的导体上。所产生的效果也能在电机外部利用相应的传感器进行测量。因此例如磁通密度的数值随着电机的期望转矩或转速而改变。因此可能的是，通过测量磁场和/或电场(例如方向或强度)确定电机的状态。为了测量所述效果可以使用移动终端设备。

优选地，所述移动终端设备的组件高度集成并且所述移动终端设备对于用户是便携的、例如现代智能手机。一种这样的现代智能手机通常具有磁力计传感器以便实现数字指南针。这可以是一种用于9个自由度测量的传感器、例如Invensense公司的MPU9250，其使用霍尔传感器来测量磁通密度。该磁力计传感器单元可以用于测量由电机感应出的场的磁通密度或其他的特征性的场特性并且将磁力计传感器数据传送到分类单元上。在另一种实施形式中，所述磁力计传感器数据可以被写入到移动终端设备的存储器中。

此外可能的是，使用公司的探测器来测量场特性。

在本发明另一种实施形式中，所述移动终端设备实现如下的分类单元，所述分类单元接收磁力计传感器数据并且对这些磁力计传感器数据进行分类。在此，可以给磁力计传感器数据的各个部分配设状态。位置查明单元现在可以借助于所述状态查明位置。

在本发明的范围内，位置确定可以意味着：

-在空间中查明绝对位置；

-和/或查明相对位置；

-和/或查明与位置在时间上有关联的事件。

在一种有利的设计方案中，所述用户可以是地铁的乘客。所述用户被告知他何时已经到达其期望的停车站，以便用户不会忘记下车。智能手机可以单单从磁力计传感器单元的数据确定该时间点。所述分类单元可以查明地铁的状态。这可以是在车辆的加速期间和/或停止期间的状态。所述位置查明单元可以将每一对加速和停止过程解释为驶过两个车站之间的连接线路，根据由用户所预定的车站数量及时地告知其到达。

在另一种实施形式中，在处于移动终端设备的接收区域中的GSM天线杆、WiFi基站和GPS卫星的信号可以用于更精确的位置确定。所述信号可以作为附加的信息被包含到位置估计中来并且因此改善估计的可靠性。

在本发明的另一种设计方案中，可以从GSM天线杆和WiFi基站的附加的信号中产生方位数据，以便定义用于位置估计的品质指标。这些方位数据可以由公共服务接口提供，例如通过谷歌安卓系统中的接口提供。所述方位数据现在可以用于确定关于位置估计的品质的评断。优点是，用户可以被告知当前估计的质量。

所述位置查明单元可以构成为使用确定性或者非确定性的方法。在一个实施方案中，例如可以使用确定性的决策树以便确定位置。在另一个实施方案中，所述位置查明单元可以构成为使用有关机率理论的方法，例如

-序列蒙特卡罗法、

-动态贝叶斯网络或者

-卡尔曼滤波器。

在一种有利的实施形式中，其中所述位置查明单元构成为使用序列蒙特卡罗法，产生一种表示移动终端设备可能的位置的云或所谓的粒子群。每个粒子是一个具有至少两个数值的元组，所述数值包括权重和在状态空间中的点。在此，群作为整体应该代表初始状态中的概率密度。每个单个粒子现在借助于系统动态模型(在当前情况中在存储单元中所保存的状态)配设有一条或者多条解曲线、即位置。基于测量值、例如附加的信号数据以及关于位置的预测来匹配粒子的权重。由此以序列的方式得出一种对在状态空间中概率密度的演变的改善的估计。因此群的最初的组成可以被匹配以便获得更精确的结果。可以利用非参数的密度估计的方法实现从加权粒子云到概率密度的过渡。这允许利用驶过多个车站以及伴随与此的测量来改善位置估计。

在一种实施形式中，在分类单元中的分类可以使用支持向量机(“Support Vector Machine”、SVM)或者线性判别分析(LDA)。在此，将在一个时间段上的磁力计传感器数据的绘出的信号曲线通过m阶多项式来插值，其中，m＝3是一种有利的选择。所述多项式的系数可以和信号的其他特性(例如和场强关于时间的幅度或者场强关于时间的斜率变化)一起被解释为n维超空间中的点。之前利用训练数据训练过的SVM或LDA现在可以作出如下的评断，即，电机或者所述借助于电机所驱动的车辆在何种状态下运行。在此，优点在于快速且可靠的分类以及分类规则的简约的表达。

在另一种有利的实施形式中，所述装置具有分类单元，所述分类单元从基数少于10、尤其是少于5个的有限数量的状态中查明所述状态。这具有如下的优点，简化各个行驶路段的分类并且由此增加正确识别的状态数量。

在一种实施方式中，所述状态可以代表车辆的电机的运行状态。可能的状态是AKTIV(激活)和INAKTIV(失活)，其中，AKTIV表示在该状态中在电机上施加有驱动电压以及INAKTIV表示在该状态中在电机上没有施加驱动电压。这样的状态选择的优点在于较少的由于否则过高的抽象层而导致的信息损失以及在分类时较低的错误率，因为容易将状态选择配设给所使用的磁力计传感器数据。此外，在先进的技术的情况下容易实现状态量的精细化，即对电机的运行状态的详细化的描述。

在另一种实施形式中，所述状态可以是域状态。因此可以把所有低于阈值的数值视作域状态NIEDRIG(低)以及把所有高于阈值的数值视作域状态HOCH(高)。在另一种设计方案中，域状态可以是STEIGEND(上升)和KONSTANT(恒定)，其中STEIGEND表示信号值随着时间而上升，以及KONSTANT表示信号值随着时间是恒定的。这样选择状态的优点是，对外部组件例如电机或车辆不必作任何假设，而仅需处理现有的数据。

在另一种实施形式中，可能的状态可以是BESCHLEUNIGEN(加速)，所述状态表示从静止直到恒速的行驶路段或者制动过程的行驶路段；以及可以是STEHEN(停止)，所述状态表示在车辆制动和加速之间的行驶路段。在此，优点在于利用将所述电机数据置于车辆的场境中的语义词去丰富单纯的电机数据。这能实现对数据更简单的分析并且因此在对车辆确定位置的场境中对装置的其他组件更简单的开发。

此外，在另一种实施方案中，可能的状态可以是KONSTANTEFAHRT(恒速行驶)，其中，KONSTANTEFAHRT代表车辆以几乎恒定的速度运动；以及可以是BREMSEN(制动)，BREMSEN状态说明，所述车辆主动实施制动过程。状态BREMSEN在具有用于在制动时能量回收的单元的车辆的情况下可以特别高效地被识别。这归因于用于能量回收的单元与磁场的相互作用。

在另一种实施形式中，附加于磁力计传感器数据还可以存储与传感器数据有关联或处于关联中的元信息。这例如可以是时间戳，所述时间戳能实现对数据更简单的再处理。还能得出如下的可能性，并行于记录地执行计算、例如确定幅度或斜率并且将这些计算与信号一起进行存储，由此可以高效地使用空闲资源。

本发明的一种有利的实施方案规定，移动终端设备能够接收网络数据，所述网络数据代表公共短途交通的网络图。在这些数据中可以存储公共短途交通中的车站和公共短途交通中的具有对应的行驶时间和距离的连接线路。如果一种这样的移动终端设备的用户给出他的起始位置、他所选择的交通工具以及他的终点站，那么所述装置能够在乘客已经到达他的目的站时输出下车警告。这点通过所述位置查明单元查明以所选择的交通工具在起始站和目的站之间有多少车站而实现。

在另一种实施方案中，分类器将存储器单元中的磁力计传感器数据的特征性的信号曲线与新的测量数据进行比较。基于比较参数、例如信号的幅度，可以实施分类。这具有简单且快速分类的优点。

在另一种设计方案中，可以如此规定所述至少一个存储单元，使得所述存储单元将存储磁力计传感器数据作为插值多项式的系数进行存储，所述系数例如可以作为用于分类的超空间中的坐标使用。这显著地降低了存储要求并且因此特别是在典型地具有存储不足问题的移动终端设备中具有优点。

在另一种实施方案中，所述移动终端设备可以包括至少一个压力计。在使用压力计的传感器数据的情况下可以查明所述移动终端设备或其用户是否已改变在建筑物中的楼层。例如可以识别向下走到地铁站中。此外，可想到的是去识别所述用户是否在地铁站内改变楼层。这可以是改变地铁线路的迹象。所述分类单元可以构成为使用压力传感器数据，以便查明压力状态。所述状态可以由位置查明单元来使用，以便改善位置估计的精确度。

此外，所述任务通过一种用于确定移动终端设备的位置的方法得到解决、尤其是借助于如在之前的实施方案中所描述的装置，该方法包括如下的步骤：

a)探测电机的磁场和/或电场数据；

b)在至少一个存储器件中存储磁场和/或电场数据；

c)对电机或借助于电机所驱动的车辆的状态进行分类；

d)在所述至少一个存储器件中存储状态；

e)借助于在所述至少一个存储器件中所存在的状态确定移动终端设备的位置。

这能得出与已经和装置相联系地进行描述的所相似或者相同的优点。

此外，按照本发明所述的任务可以通过计算机可读的存储介质得到解决，所述存储介质具有可执行的指令，在执行所述指令时，所述指令促使计算机执行所描述的方法。

附图说明

以下借助于多个实施例描述本发明，根据附图进一步阐述所述多个实施例。图中：

图1示出具有交流异步电机20的地铁10连同第一智能手机30的示意性俯视图；

图2示出借助于根据图3的第一智能手机30的位置查明的流程图；

图3示出根据图1的第一智能手机30连同所述第一智能手机30的对于位置查明所必要的组件的概览；

图4示出借助于磁力计传感器单元31所采集的磁力计传感器数据60的视图；

图5示出公共短途交通的网络图62，所述网络图被用于根据图2和图7所述的位置查明；

图6示出具有根据图1所述的交流异步电机20和第二智能手机30'的地铁10的示意性俯视图，其中，GSM天线杆50和WiFi基站40设置在地铁10的附近；

图7示出在图6中的布置的场境中位置查明的第二可能性；

图8示出图6中的第二智能手机30'连同根据图7对于位置查明所需的组件的概览。

具体实施方式

在以下的说明中对于同样的和同样作用的部件使用相同的附图标记。

在第一实施方案中，位置查明的目的是在公共短途交通的网络图62内对在地铁10中所携带的智能手机30的位置进行估计。

图1示出地铁10的示意性俯视图和所述第一智能手机30，该地铁通过交流异步电机20驱动，所述第一智能手机30由乘客使用。

第一智能手机30的位置查明的基本流程在图2中示出。

首先，磁力计传感器单元31采集所述通过交流异步电机20所感应出的磁场的场特性。磁力计传感器数据60连同所属的时间戳传送到分类单元32上。

紧接着，在分类单元32中给磁力计传感器数据60分配一个状态61。然后，所述相应被查明的状态61在存储器件34中与时间戳一起进行保存。

在所定义的时间点上、例如每分钟或者在每个新存储的状态后，位置查明单元33从存储器件34中读取状态65。从状态65和时间戳中估计地铁10的行驶时间。结合网络图62以及其中在各停车站之间的所保存的行驶时间，所述按照本发明的系统查明位置估计63。

图3示出所述具有对于位置查明所需的组件的第一智能手机30。此外，所述第一智能手机30包括磁力计传感器单元31、分类单元32、位置查明单元33以及存储器件34。

所述存储器件34构成为EEPROM闪存存储器。在存储器件34中保存有公共短途交通的网络图62。按照本发明，存储器件34的其他设计方案、例如网络存储器或者互联网存储器(云存储器)也是可能的，所述存储器将数据存储在物理上相分离的位置。

所述磁力计传感器单元31是一个9自由度传感器的组件，该传感器利用系统级封装集成方案实现。其他的提供其余6自由度的组件是陀螺仪以及加速传感器。所述磁力计传感器单元31提供有通过交流异步电机20所感应的磁场的场特性的矢量表达。所测量的场特性与采集时间点一起作为元组而被检测。

图4示出交流异步电机20在地铁10的行驶期间的磁场场强的测量值，所述磁场场强的测量值利用第一智能手机30的磁力计传感器单元31进行了检测。地铁10加速并且因此处于状态BESCHLEUNIGEN Z1中的区域以及地铁10停止并且因此处于状态STEHEN Z2中的区域被强调。

图3的分类单元32执行为一种提前以注释的训练数据训练过的支持向量机。

所述支持向量机将输入值解释为超空间中的点。从磁力计传感器数据60中提取所述输入值。借助于通过训练所确定的超平面分离出不同的类别。为了进行分类查明点处在超平面的哪一个侧面上。在第一实施例中，超空间的维度如下：

-磁场强度的数值；

-n维度代表对磁场强度时间曲线进行插值的n阶插值多项式的系数。

此外，分类单元32将所查明的状态61与时间戳一起存储在存储器件34中。

分类单元32被训练，以便在状态BESCHLEUNIGEN和STEHEN的类别之间进行区分，其中，BESCHLEUNIGEN说明地铁10加速，以及STEHEN说明地铁10停止。

位置查明单元33对在分类单元32中所查明的状态65进行解释。因此，状态BESCHLEUNIGEN Z1如此解释，即地铁10离开网络图62的车站；以及状态STEHEN Z2作如下解释，即地铁10处于网络图62的车站中。现在将从一个车站到下一个车站的行驶视作BESCHLEUNIGEN Z1状态和STEHEN Z2状态的序列。此外，借助于与状态65一起存储的时间戳对两个车站之间每个完成的行驶确定地铁10的估计行驶时间。

位置查明单元33构成为用于使用序列蒙特卡罗法。位置查明单元33以多个步骤进行处理并且构成为用于使用网络图62的数据。

所述在图5中示出的并且在存储器件中所存储的网络图62包含5个车站s₁、...、s₅和4条连接线路v₁、...、v₄。每一条所述连接线路连接两个车站并且配设有为此所设置的行驶时间t₁、...、t₄。网络图62被解释为具有节点和连接这些节点的连接线的无方向的图。网络图62的车站表示为图的节点，并且网络图的连接线路表示为图的连接线。所述网络图62的相应的连接线路的行驶时间t₁、...、t₄作为权重配设给图的连接线。

借助于这些信息，所述位置查明单元33可以根据以下算法对智能手机30在网络图62内的位置进行估计：

在初始化阶段中产生所谓的粒子。这些粒子是2元组，这些粒子分别配设有图的一个节点和一个粒子权重。粒子权重是正数、不必是整数。

对于图的每个节点精确地产生一个粒子。所述粒子权重在初始化期间对于所有粒子是相同的，例如1。

其他的流程包括如下的步骤：

1.对于每个粒子执行以下动作：

为配设给粒子的节点的每条附带的连接线的粒子权重加上一个数。该数的大小取决于地铁10所测量的行驶时间和图中附带的连接线的权重之间的差的数值大小。如果附带的连接线的权重的差值非常小，那么给粒子权重加上一个大的数。在大的差值的情况下加上一个小的数。

2.产生新的粒子集。产生与在初始阶段中相同数量的粒子。如下得出节点与粒子的配设：粒子配设有确定的节点的可能性取决于步骤1中配设给相应的节点的粒子的粒子权重有多大。在此导致新粒子的聚集，在步骤1中配设有高的粒子权重的节点配设给所述粒子。在进一步的考虑中仅考虑在步骤2中所产生的粒子。

所述在该步骤中最频繁地配设粒子的节点代表作为当前位置估计63输出给用户的车站。如果有多个设置了相同数量的粒子的节点，则从这些节点中通过随机抽样原则选取一个节点并且将关于位置查明的不确定性的信息输出给用户。

3.对地铁10从第一车站到第二车站的过渡进行仿真。在此假设，所述地铁10每次行驶总是仅驶过网络图62中可能的连接线路v₁、...、v₄之一。

为了对该过渡进行仿真如此频繁地复制所有的粒子，从而对于每个节点精确地有与节点所附带的连接线一样多的粒子。然后，对于每个粒子，通过在图中相邻的节点交换所述节点。

现在接着步骤1。

在第二实施形式中，基于第一实施形式，所述位置查明单元32附加地构成为用于使用WiFi信号66和GSM信号67。在此，在之前段落中的步骤1中作为附加的标准使用WiFi信号66和GSM信号67以便确定粒子的权重。

在图6中示出按照图1所述的示意性俯视图。此外，第二智能手机30'在地铁10中由乘客所携带。在地铁10的附近设置有GSM天线杆50和WiFi基站40。

图7示根据第二实施例借助于在图8中所示出的第二智能手机30'和图6中的布置进行位置查明的流程。所述流程与在图2中所示出的流程的区别基本上在于，通过在位置查明单元33中使用WiFi信号66和GSM信号67以便改善位置估计63。在此，第二智能手机30'利用WiFi接收单元35采集WiFi基站40的WiFi信号66以及利用GSM接收单元36采集GSM天线杆50的GSM信号67。所述WiFi信号66和GSM信号67作为附加的参数传送到位置查明单元33上。

图8示出第二智能手机30'的组件，所述组件对于根据图6所述的位置查明是必要的。不同于第一智能手机30，附加地存在GSM接收单元36和WiFi接收单元35。

在第二实施形式中，所述位置查明单元33如所描述地那样构成为用于使用GSM信号67和WiFi信号66。在此，所使用的算法必须匹配于第一实施形式中的位置确定。这主要是局限于算法的步骤2：

为了达到更好的位置估计63，对GSM信号67和WiFi信号66进行评价并且可以将这些信号配设给网络图62中的多个车站。这以所述GSM信号67和WiFi信号66被提前绘制在网络图中作为前提。通常情况如此并且可以通过公共可接入的接口进行查询。

在所使用的算法的步骤2中，现在得到所有配设有节点的粒子，所述节点代表如下的车站，在所述车站中GSM信号67或WiFi信号66附加地具有较高的权重。这导致不仅仅是行驶时间作为测量值代入到位置估计63中并且因此改善结果。

在第三实施形式中，基于第一或第二实施形式，可以在网络图62中附加地包含地铁系统的线路。所述位置查明单元32如此构成，即，同样去确定乘客处在哪条线路上以便由此对于分类错误更鲁棒性地进行位置查明。

在本发明的第四实施形式中，地铁10的乘客在确定数量的车站之后收到下车警告。

在此，在第四实施形式中，在存储单元34中未存储网络图62。

在第四实施形式中，所述位置查明单元33通过确定性的方法实施。具体地，执行确定性的决策树。所述决策树除了它的根节点之外仅具有第一叶片和第二叶片，即自身不再有下一代的节点。

在第四实施形式中使用如下的规则，该规则在存在BESCHLEUNIGEN Z1状态的情况下选取第一叶片；并且在存在STEHEN Z2状态的情况下选取第二叶片。

在选取第一叶片时调用功能“通知用户(InformUser)”，该功能将初始为1的变量增加1。现在该功能检测是否达到最大数值MAX。在第四实施形式中，变量MAX的值由用户预定并且说明要驶过的地铁车站的最大数量。如果达到MAX则通知该用户，到达了他的目的地。在存在STEHEN状态的情况下则不必再做什么。在一种这样的决策树中执行的功能“通知用户(InformUser)”以下作为伪代码示出：

在所阐明的实施形式中具有如下的优点，即，分类单元32和位置查明单元33实施为软件，可以由处理器读取和执行所述软件的指令。从开发技术上和经济上的角度看这是有意义的。此外，还可以想到的是如下的实施形式，在该实施形式中所述两个组件实施为固态硬件组件。

附图标记:

10 地铁

20 交流异步电机

30 第一智能手机

30' 第二智能手机

40 WiFi基站

50 GSM天线杆

31 磁力计传感器单元

32 分类单元

33 位置查明单元

34 存储器件

35 WiFi接收单元

36 GSM接收单元

60 磁力计传感器数据

61 状态

62 网络图

63 位置估计

65 状态

66 WiFi信号

67 GSM信号

t₁ 时间段1

t₂ 时间段2

t₃ 时间段3

t₄ 时间段4

v₁ 连接线路1

v₂ 连接线路2

v₃ 连接线路3

v₄ 连接线路4

s₁ 车站A

s₂ 车站B

s₃ 车站C

s₄ 车站D

s₅ 车站E

Z1 BESCHLEUNIGEN加速

Z2 STEHEN停止