识别出行模式的方法及装置与流程

本公开涉及GPS技术领域，尤其涉及一种识别出行模式的方法及装置。

背景技术：

面对用户出行/运动形式的多样化，基于位置服务(Location Based Service，简称为LBS)的提供商通过建立基于出行轨迹的识别系统，对出行方式进行识别以及据此对用户进行精细划分。相关技术通过运用GPS移动定位技术采集出行者多种出行方式组合的出行点时空轨迹、瞬时速度以及经纬度等数据信息，将GPS技术与GIS技术相结合，采用BP神经网络等数据挖掘方法，对多种出行方式组合进行模式识别，并提取出出行者的出行时间点、出行方式变化时间点，变换点的地理位置等信息，从而识别用户的交通方式组合出行的识别采集方法，然而，相关技术由于所抽取的GPS数据属性较少，在进行不同的出行方式识别时，对于差异较大的出行方式(例如，公共汽车和跑步)，其辨识效果可以得到保证，但对于差异较小的出行方式(例如，电动自行车和普通的自行车)，采用较少的特征往往不能做出正确的识别。

技术实现要素：

为克服相关技术中存在的问题，本公开实施例提供一种识别出行模式的方法及装置，用以提高识别用户出行模式的准确度。

根据本公开实施例的第一方面，提供一种识别出行模式的方法，包括：

在用户的出行路线段上确定至少一个路线区间；

确定所至少一个路线区间对应的区间平均速度向量和所至少一个路线区 间的加速度向量，以及，确定所述用户在所述出行路线段上的全程平均速度和所述用户在所述出行路线段上的停顿百分比；

通过所至少一个区间平均速度向量、所至少一个路线区间的加速度向量、以及所述全程平均速度和所述停顿百分比确定所述用户在所述出行路线段对应的特征向量；

将所述特征向量输入至已训练的支持向量机模型，通过所述支持向量机模型识别所述特征向量对应的出行模式。

在一实施例中，所述确定所至少一个路线区间对应的区间平均速度向量和所至少一个路线区间的加速度向量，可包括：

确定所述至少一个路线区间中的每一个路线区间的区间距离；

确定所述用户经过所述每一个路线区间内的区间时长；

通过所述区间距离和所述区间时长确定所述每一个区间平均速度；

根据所述每一个区间路线的区间起始点的瞬时速度、所述每一个区间路线的区间终止点的瞬时速度和所述区间时长确定所述每一个路线区间的加速度，得到所至少一个路线区间的加速度向量。

在一实施例中，所述方法还可包括：

确定所述用户在所至少一个路线区间中的每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值；

根据所述第一海拔值和所述第二海拔值确定所述每一个区间距离内的坡度；

根据所述坡度确定是否调整所述每一个路线区间的所述区间平均速度和所述每一个路线区间的加速度。

在一实施例中，所述确定所述用户在所述出行路线段上的全程平均速度，可包括：

确定所述用户在所述出行路线段的全程距离，以及确定所述用户经过所述出行路线段内的全程时长；

根据所述全程距离和所述全程时长确定所述用户在所述出行路线段上的 全程平均速度。

在一实施例中，所述确定所述用户在所述出行路线段上的停顿百分比，可包括：

确定用户在出行路线段上的瞬时速度为0的位置点；

通过所述用户在所述瞬时速度为0的位置点的停留时长；

根据所述停留时长和所述全程时长确定所述用户在所述出行路线段上的停顿百分比。

根据本公开实施例的第二方面，提供一种识别出行模式的装置，包括：

第一确定模块，被配置为在用户的出行路线段上确定至少一个路线区间；

第二确定模块，被配置为确定所述第一确定模块确定的所至少一个路线区间对应的区间平均速度向量和所至少一个路线区间的加速度向量，以及，确定所述用户在所述出行路线段上的全程平均速度和所述用户在所述出行路线段上的停顿百分比；

第三确定模块，被配置为通过所述第二确定模块确定的所至少一个区间平均速度向量、所至少一个路线区间的加速度向量、以及所述全程平均速度和所述停顿百分比确定所述用户在所述出行路线段对应的特征向量；

识别模块，被配置为将所述第三确定模块确定的所述特征向量输入至已训练的支持向量机模型，通过所述支持向量机模型识别所述特征向量对应的出行模式。

在一实施例中，所述第二确定模块可包括：

第一确定子模块，被配置为确定所述述第一确定模块确定的所至少一个路线区间中的每一个路线区间的区间距离；

第二确定子模块，被配置为确定所述用户经过所述每一个路线区间内的区间时长；

第三确定子模块，被配置为通过所述第一确定子模块确定的所述区间距离和所述第二确定子模块确定的所述区间时长确定所述每一个区间平均速度；

第四确定子模块，被配置为根据所述每一个区间路线的区间起始点的瞬时速度、所述每一个区间路线的区间终止点的瞬时速度和所述第二确定子模块确定的所述区间时长确定所述每一个路线区间的加速度，得到所至少一个路线区间的加速度向量。

在一实施例中，所述装置还可包括：

第四确定模块，被配置为确定所述用户在所述第一确定模块确定的所至少一个路线区间中的每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值；

第五确定模块，被配置为根据所述第四确定模块确定的所述第一海拔值和所述第二海拔值确定所述每一个区间距离内的坡度；

第六确定模块，被配置为根据所述第五确定模块确定的所述坡度确定是否调整所述每一个路线区间的所述区间平均速度和所述每一个路线区间的加速度。

在一实施例中，所述第二确定模块可包括：

第五确定子模块，被配置为确定所述用户在所述出行路线段的全程距离，以及确定所述用户经过所述出行路线段内的全程时长；

第六确定子模块，被配置为根据所述第五确定子模块确定的所述全程距离和所述全程时长确定所述用户在所述出行路线段上的全程平均速度。

在一实施例中，所述第二确定模块可包括：

第七确定子模块，被配置为确定用户在出行路线段上的瞬时速度为0的位置点；

第八确定子模块，被配置为通过所述用户在所述第七确定子模块确定的所述瞬时速度为0的位置点的停留时长；

第九确定子模块，被配置为根据所述第八确定子模块确定的所述停留时长和所述第五确定子模块确定的所述全程时长确定所述用户在所述出行路线段上的停顿百分比。

根据本公开实施例的第三方面，提供一种识别出行模式的装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

在用户的出行路线段上确定至少一个路线区间；

确定所至少一个路线区间对应的区间平均速度向量和所至少一个路线区间的加速度向量，以及，确定所述用户在所述出行路线段上的全程平均速度和所述用户在所述出行路线段上的停顿百分比；

通过所至少一个区间平均速度向量、所至少一个路线区间的加速度向量、以及所述全程平均速度和所述停顿百分比确定所述用户在所述出行路线段对应的特征向量；

将所述特征向量输入至已训练的支持向量机模型，通过所述支持向量机模型识别所述特征向量对应的出行模式。

本公开的实施例提供的技术方案可以包括以下有益效果：通过对用户的出行路线段上划分为至少一个路线区间，通过路线区间内的区间平均速度和路线区间内的加速度对用户的出行属性进行了扩充，由于本公开确定了每一个路线区间中的平均速度以及加速度，因此实现了对出行路线段的精细表示，从而确保识别用户的各种出行方式更加精准，进而对用户的出行方式进行更加细致的划分，可以根据用户的出行方式提供更佳的、更具针对性的服务。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1A是根据一示例性实施例示出的识别出行模式的方法的流程图。

图1B是根据一示例性实施例示出的用户的出行路线段的示意图。

图2是根据一示例性实施例一示出的识别出行模式的方法的流程图。

图3是根据一示例性实施例二示出的识别出行模式的方法的流程图。

图4是根据一示例性实施例示出的一种识别出行模式的装置的框图。

图5是根据一示例性实施例示出的另一种识别出行模式的装置的框图。

图6是根据一示例性实施例示出的一种适用于识别出行模式的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1A是根据一示例性实施例示出的识别出行模式的方法的流程图，图1B是根据一示例性实施例示出的用户的出行路线段的示意图；该识别出行模式的方法可以应用在终端设备(例如：智能手机、平板电脑、车载系统)上，如图1A所示，该识别出行模式的方法包括以下步骤S101-S104：

在步骤S101中，在用户的出行路线段上确定至少一个路线区间。

在一实施例中，出行路线段可以通过GPS轨迹数据来表示，例如，可以在出行路线段上预设位置点，通过预设的位置点将出行路线段划分为至少一个路线区间，如图1B所示，在用户的出行路线段上，位置点A标识出行路线段的起始点，位置点B表示出行路线段的终止点，在AB之间，被位置点i、j划分了路线区间Ai、路线区间ij、路线区间jB。

在步骤S102中，确定至少一个路线区间对应的区间平均速度向量和至少一个路线区间的加速度向量，以及，确定用户在出行路线段上的全程平均速度和用户在出行路线段上的停顿百分比。

在一实施例中，路线区间的区间平均速度可以通过路线区间的区间长度 和区间时长来确定，例如，路线区间ij的区间平均速度可以为其中，v_i,j表示区间平均速度，通过与路线区间ij相同的方法，可以确定路线区间Ai对应的区间平均速度v_A,i，路线区间jB对应的区间平均速度v_j,B，从而可以得到区间平均速度向量[v_A,i v_i,j v_j,B]。在一实施例中，路线区间的加速度可以通过路线区间的起始位置点的瞬时速度和终止位置点的瞬时速度以及区间时长来确定，例如，路线区间ij的加速度可以为其中，v_i表示路线区间ij的起始位置点i的瞬时速度，v_j表示路线区间ij的终止位置点j的瞬时速度，通过与路线区间ij相同的方法，可以确定路线区间Ai对应的加速度a_A,i a_A,i，路线区间jB对应的加速度a_j,B，进而可以得到加速度向量[a_A,i a_i,j a_j,B]。在一实施例中，用户在出行路线段上的全程平均速度V_A,B可以参考上述区间平均速度的方法得到。

在一实施例中，可以通过用户在出行路线段上的瞬时速度来确定用户在出行路线段上停顿的位置点，并记录停顿的位置点的停顿时长，从通过停顿时长与全程时长确定用户在出行路线段上的停顿百分比p。

在步骤S103中，通过至少一个区间平均速度向量、至少一个路线区间的加速度向量、以及全程平均速度和停顿百分比确定用户在出行路线段对应的特征向量。

在一实施例中，特征向量可以为[V_A,B[v_A,i v_i,j v_j,B][a_A,i a_i,j a_j,B]p]。

在步骤S104中，将特征向量输入至已训练的支持向量机模型，通过支持向量机模型识别特征向量对应的出行模式。

在一实施例中，支持向量机模型的模型参数可以先通过不同用户在不同出行路线段上的特征向量来训练，从而确定最优的支持向量机模型的模型参数，本领域技术人员可以理解的是，支持向量机的具体细节涉及到机器学习方法，本公开在此不详述。通过对支持向量机训练得到支持向量机模型的模 型参数后，便可以将上述得到的特征向量输入到该已训练的支持向量机模型中，从而识别特征向量对应的出行模式。在一实施例中，本公开中的用户的出行模式可以包括：步行、跑步、骑行、公交、开车等。

本实施例中，通过对用户的出行路线段上划分为至少一个路线区间，通过路线区间内的区间平均速度和路线区间内的加速度对用户的出行属性进行了扩充，由于本公开确定了每一个路线区间中的平均速度以及加速度，因此实现了对出行路线段的精细表示，从而确保识别用户的各种出行方式更加精准，进而对用户的出行方式进行更加细致的划分，根据用户的出行方式提供更佳的、更具针对性的服务。

在一实施例中，确定至少一个路线区间对应的区间平均速度向量和至少一个路线区间的加速度向量，可包括：

确定至少一个路线区间中的每一个路线区间的区间距离；

确定用户经过每一个路线区间内的区间时长；

通过区间距离和区间时长确定每一个区间平均速度；

根据每一个区间路线的区间起始点的瞬时速度、每一个区间路线的区间终止点的瞬时速度和区间时长确定每一个路线区间的加速度，得到至少一个路线区间的加速度向量。

在一实施例中，方法还可包括：

确定用户在至少一个路线区间中的每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值；

根据第一海拔值和第二海拔值确定每一个区间距离内的坡度；

根据坡度确定是否调整每一个路线区间的区间平均速度和每一个路线区间的加速度。

在一实施例中，确定用户在出行路线段上的全程平均速度，可包括：

确定用户在出行路线段的全程距离，以及确定用户经过出行路线段内的全程时长；

根据全程距离和全程时长确定用户在出行路线段上的全程平均速度。

在一实施例中，确定用户在出行路线段上的停顿百分比，可包括：

确定用户在出行路线段上的瞬时速度为0的位置点；

通过用户在瞬时速度为0的位置点的停留时长；

根据停留时长和全程时长确定用户在出行路线段上的停顿百分比。

具体如何识别用户的出行模式的，请参考后续实施例。

至此，本公开实施例提供的上述方法，可以对用户的出行属性进行扩充，实现对出行路线段的精细表示，确保识别用户的各种出行方式更加精准，对用户的出行方式进行更加细致的划分，根据用户的出行方式提供更佳的、更具针对性的服务。

下面以具体实施例来说明本公开实施例提供的技术方案。

图2是根据一示例性实施例一示出的识别出行模式的方法的流程图；本实施例利用本公开实施例提供的上述方法，以如何确定区间平均速以及调整区间平均速度和加速度为例并结合图1B进行示例性说明，如图2所示，包括如下步骤：

在步骤S201中，确定至少一个路线区间中的每一个路线区间的区间距离。

在步骤S202中，确定用户经过每一个路线区间内的区间时长。

在步骤S203中，通过区间距离和区间时长确定每一个区间平均速度。

在步骤S201至步骤S203中，在一实施例中，由于路线区间并不是理想的直线段，因此可以在用户在出行路线段上行走时通过记录轨迹的方式确定区间距离，从而确保路线区间的区间距离更精确。在一实施例中，区间时长也可以通过记录用户路线区间的起始位置点的时间点和终止位置点的时间点来确定。在一实施例中，区间平均速度的确定方式可以参见上述步骤S102的描述，在此不再详述。

在步骤S204中，根据每一个区间路线的区间起始点的瞬时速度、每一个区间路线的区间终止点的瞬时速度和区间时长确定每一个路线区间的加速度，得到至少一个路线区间的加速度向量。

在一实施例中，加速度向量的确定方式可以参见上述步骤S102的描述，在此不再详述。

在步骤S205中，确定用户在至少一个路线区间中的每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值。

在步骤S206中，根据第一海拔值和第二海拔值确定每一个区间距离内的坡度。

在步骤S207中，根据坡度确定是否调整每一个路线区间的区间平均速度和每一个路线区间的加速度。

在步骤S205至步骤S207中，在一实施例中，可以通过GPS确定每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值，如图1B所示，在位置点i的海拔值为1002米，在位置点j的海拔值为1010米，通过GPS确定位置点i和位置点j之间的区间距离为30米，则位置点i与位置点j之间的坡度为α，则有关系式在一实施例中，可以将该坡度与预设阈值进行比较，当坡度小于预设阈值时，可以认为坡度不足以影响该路线区间的区间平均速度和该路线区间的加速度，此时可以不对路线区间的区间平均速度和该路线区间的加速度进行调整，当坡度大于或者等于该预设阈值时，可以认为坡度已经影响该路线区间的区间平均速度和该路线区间的加速度，此时需要对路线区间的区间平均速度和该路线区间的加速度进行调整。

在确定需要对路线区间的区间平均速度和该路线区间的加速度进行调整时，例如，需要对路线区间ij的区间平均速度和该路线区间的加速度进行调整，则调整后的区间平均速度为调整后的区间加速度为在一实施例中，可以通过起始位置点的瞬时速度和终止位置点的瞬时速度的大小来确定加速度的方向，如果起始位置点的瞬时速度小于终止位置点的瞬时速度，则为正向加速度，如果起始位置点的瞬时速度大于终 止位置点的瞬时速度，则为负向加速度(减速度)，从而可以根据坡度是处于上坡还是下坡以及加速度的方向将加速度细分为上坡加速度、上坡减速度、下坡加速度、下坡减速度。

在上述实施例的有益技术效果的基础上，本实施例通过坡度对路线区间的区间平均速度和加速度等属性进行调整，从而对在出行路线段上更加准确的识别用户的出行模式。

图3是根据一示例性实施例二示出的识别出行模式的方法的流程图；本实施例利用本公开实施例提供的上述方法，以如何统计用户在出行路线段上的全程平均速度和停顿百分比为例并结合图1B进行示例性说明，如图3所示，包括如下步骤：

在步骤S301中，确定用户在出行路线段的全程距离，以及确定用户经过出行路线段内的全程时长。

在步骤S302中，根据全程距离和全程时长确定用户在出行路线段上的全程平均速度。

在一实施例中，可以通过GPS来确定用户在出行路线段的全程距离D_A,B以及用户经过出行路线段内的全程时长T_A,B，从而可以确定用户在出行路线段上的全程平均速度

在步骤S303中，确定用户在出行路线段上的瞬时速度为0的位置点。

在步骤S304中，通过用户在瞬时速度为0的位置点的停留时长。

在步骤S305中，根据停留时长和全程时长确定用户在出行路线段上的停顿百分比。

在步骤S303至步骤S305中，在一实施例中，可以将停顿时长占用户在出行路线段上的全程时长的百分比作为停顿属性：其中，N为用户在出行路线段上的停顿次数，表示第n次的停顿时长。

在上述实施例的有益技术效果的基础上，本实施例通过确定停顿时长整， 由于不同的出行方式在同一路线段上会出现不同的停顿时长，因此本实施例通过将停顿时长作为用户的一个出行属性，从而可以能够更加准确地识别用户在出行路线段上的出行模式。

图4是根据一示例性实施例示出的一种识别出行模式的装置的框图，如图4所示，识别出行模式的装置包括：

第一确定模块41，被配置为在用户的出行路线段上确定至少一个路线区间；

第二确定模块42，被配置为确定第一确定模块41确定的至少一个路线区间对应的区间平均速度向量和至少一个路线区间的加速度向量，以及，确定用户在出行路线段上的全程平均速度和用户在出行路线段上的停顿百分比；

第三确定模块43，被配置为通过第二确定模块42确定的至少一个区间平均速度向量、至少一个路线区间的加速度向量、以及全程平均速度和停顿百分比确定用户在出行路线段对应的特征向量；

识别模块44，被配置为将第三确定模块43确定的特征向量输入至已训练的支持向量机模型，通过支持向量机模型识别特征向量对应的出行模式。

图5是根据一示例性实施例示出的另一种识别出行模式的装置的框图，如图5所示，在上述图4所示实施例的基础上，在一实施例中，第二确定模块42可包括：

第一确定子模块421，被配置为确定述第一确定模块41确定的至少一个路线区间中的每一个路线区间的区间距离；

第二确定子模块422，被配置为确定用户经过每一个路线区间内的区间时长；

第三确定子模块423，被配置为通过第一确定子模块421确定的区间距离和第二确定子模块422确定的区间时长确定每一个区间平均速度；

第四确定子模块424，被配置为根据每一个区间路线的区间起始点的瞬时速度、每一个区间路线的区间终止点的瞬时速度和第二确定子模块422确 定的区间时长确定每一个路线区间的加速度，得到至少一个路线区间的加速度向量。

在一实施例中，装置还可包括：

第四确定模块45，被配置为确定用户在第一确定模块41确定的至少一个路线区间中的每一个路线区间的区间起始点和区间终止点各自对应的第一海拔值和第二海拔值；

第五确定模块46，被配置为根据第四确定模块45确定的第一海拔值和第二海拔值确定每一个区间距离内的坡度；

第六确定模块47，被配置为根据第五确定模块46确定的坡度确定是否调整每一个路线区间的区间平均速度和每一个路线区间的加速度。

在一实施例中，第二确定模块42可包括：

第五确定子模块425，被配置为确定用户在出行路线段的全程距离，以及确定用户经过出行路线段内的全程时长；

第六确定子模块426，被配置为根据第五确定子模块425确定的全程距离和全程时长确定用户在出行路线段上的全程平均速度。

在一实施例中，第二确定模块42可包括：

第七确定子模块427，被配置为确定用户在出行路线段上的瞬时速度为0的位置点；

第八确定子模块428，被配置为通过用户在第七确定子模块427确定的瞬时速度为0的位置点的停留时长；

第九确定子模块429，被配置为根据第八确定子模块428确定的停留时长和第五确定子模块425确定的全程时长确定用户在出行路线段上的停顿百分比。

图6是根据一示例性实施例示出的一种适用于识别出行模式的装置的框图。例如，装置600可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，装置600可以包括以下一个或多个组件：处理组件602，存储 器604，电源组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制装置600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理部件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件606为装置600的各种组件提供电力。电力组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有 焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当装置600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为装置600提供各个方面的状态评估。例如，传感器组件614可以检测到设备600的打开/关闭状态，组件的相对定位，例如所述组件为装置600的显示器和小键盘，传感器组件614还可以检测装置600或装置600一个组件的位置改变，用户与装置600接触的存在或不存在，装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置600可以被一个或多个应用专用集成电路 (ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。