运行方向检测方法、装置、电子设备及存储介质与流程

本申请涉及移动终端技术领域，更具体地，涉及一种运行方向检测方法、装置、电子设备及存储介质。

背景技术：

随着中国城市化进程的加快，大多城市的城市人口数量已经超过了一定规模，交通工具的多样化也为人们出行提供了便利。但是，目前用户在乘坐交通工具时，往往会因为种种原因而未注意交通工具当前的运行方向，导致用户偏离原目的地方向的情况出现。因此在用户乘坐交通工具时，需要对交通工具的运行方向进行检测。然而，目前对交通工具运行方向的检测尚且不够准确。

技术实现要素：

本申请实施例提出了一种运行方向检测方法、装置、电子设备及存储介质，能够提高运行方向检测的准确率。

第一方面，本申请实施例提供了一种运行方向检测方法，应用于交通工具的检测，该方法包括：在所述交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息，所述移动终端位于所述交通工具内；根据多个所述加速度信息，确定所述交通工具在所述指定时间段内的运行方向。

第二方面，本申请实施例提供了一种运行方向检测装置，应用于交通工具的检测，该装置包括：加速度获取模块，用于在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息，所述移动终端位于所述交通工具内；运行方向确定模块，用于根据多个所述加速度信息，确定所述交通工具在所述指定时间段内的运行方向

第三方面，本申请实施例提供了一种电子设备，包括：存储器；一个或多个处理器，与所述存储器耦接；一个或多个应用程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述第一方面提供的运行方向检测方法。

第四方面，本申请实施例提供了一种计算机可读取存储介质，计算机可读取存储介质中存储有程序代码，程序代码可被处理器调用执行上述第一方面提供的运行方向检测方法。

本申请实施例提供的运行方向检测方法、装置、电子设备及存储介质，应用于交通工具的检测，移动终端位于交通工具内，通过在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息，再根据多个加速度信息，确定交通工具在指定时间段内的运行方向。由于交通工具在一段时间内的加速度在方向上会保持一定趋势，可以弱化方向变化较大的单个瞬时加速度对指定时间段内整体加速度方向的影响，因此，通过获取移动终端在移动中一段时间内的多个加速度，并综合多个加速度共同确定交通工具在该段时间内的运行方向，可减少因用户自身行为对移动终端所检测加速度的影响，也可弱化交通工具在运行过程中因本身存在的加速度振荡现象所可能带来的误差，从而提高对交通工具运行方向的检测准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例提供的一种运行方向检测方法的应用场景示意图。

图2示出了本申请一个实施例提供的运行方向检测方法的流程示意图。

图3示出了本申请另一个实施例提供的运行方向检测方法的流程示意图。

图4示出了本申请一个示例性实施例中终端坐标系的示意图。

图5示出了本申请一个示例性实施例中地球坐标系的示意图。

图6示出了本申请一个示例性实施例中地磁场的示意图。

图7示出了本申请一个示例性实施例提供的训练机器学习模型的流程示意图。

图8示出了本申请一个示例性实施例提供的机器学习模型的结构示意图。

图9示出了本申请一个示例性实施例提供的lstm结合注意力机制的结构示意图。

图10示出了本申请又一个实施例提供的运行方向检测方法的流程示意图。

图11示出了本申请一个示例性实施例中图10内步骤s350的流程示意图。

图12示出了图11中步骤s351在本申请一个示例性实施例中的流程示意图。

图13示出了图11中步骤s351在本申请一个示例性实施例中的流程示意图。

图14示出了上海地铁12号线的路线示意图。

图15示出了本申请实施例提供的运行方向检测装置的模块框图。

图16示出了本申请实施例提供的电子设备的结构框图。

图17示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例的运行方向检测方法的程序代码的存储单元。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

术语定义

加速度计(accelerometer)：也叫加速度传感器、加速计等，通过测量组件在某个轴向的受力情况来得到结果，其表现形式为轴向的加速度大小和方向，可用于任意方向上的加速度。

重力传感器(gravitysensor，g-sensor)：也叫重力计，用于检测由于中立引起的加速度，可以计算出设备相对于水平面的倾斜角度。

磁力传感器(m-sensor)：也叫地磁传感器、磁力计，用于检测磁场强度和方向，定位设备的方位。

线性加速度传感器(la-sensor)：也叫线性加速度计，由于加速度计的输出包含了重力加速度，线性加速度传感器所检测得到的线性加速度不包含重力加速度，简单来说线性加速度传感器可排除重力加速度的影响，例如，当设备静止，线性加速度传感器所检测到的该设备的线性加速度在x、y、z三轴的值均为0。

目前用户在乘坐交通工具时，若用户所使用的移动终端如手机还相对交通工具运动，那由手机所检测到的加速度，将不单只包括交通工具的加速度，还包括手机受用户自身行为(例如行走或甩动手机等其他行为)的影响而产生的自身的加速度。

另外，交通工具本身也不是一直匀加速运动，可能存在加速度的振荡现象，因而此时移动终端所检测的加速度也会呈现加速减速的振荡现象，导致交通工具的运行方向无法被某一加速度的方向准确表征。

发明人经过一系列研究发现，目前在检测交通工具的运行方向时，主要通过移动终端所检测的瞬时加速度的方向或者指南针方向来进行判断，而这样的检测方式无法克服上述问题，因此，目前对交通工具的运行方向的检测不够准确。

基于上述问题，本申请实施例提供了一种运行方向检测方法、装置、电子设备及计算机可读取存储介质，通过获取移动终端在随着交通工具进行移动的过程中一段时间内的多个加速度信息，由于交通工具在一段时间内的加速度在方向上会呈现较为整体的趋势，所以利用一段时间内手机所检测到的加速度信息可用于更准确地表征交通工具当时的加速度，弱化方向变化较大的单个瞬时加速度对指定时间段内整体加速度方向的影响，因此，通过综合多个加速度一齐确定交通工具在该段时间内的运行方向，可减少因用户自身行为对移动终端所检测加速度的影响，也可大大弱化交通工具在移动过程中因本身存在的加速度振荡现象所可能带来的误差，提高对交通工具运行方向的检测准确率。

为了便于详细说明，下面先结合附图对本申请实施例所适用的应用场景进行示例性说明。

请参见图1，图1示出了本申请实施例提供的运行方向检测方法的应用场景示意图，该应用场景包括本申请实施例提供的一种运行方向检测系统10。该运行方向检测系统10包括：移动终端100和服务器200。

其中，移动终端100可以为但不限于为手机、平板电脑、mp3播放器(movingpictureexpertsgroupaudiolayerⅲ，动态影像压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像压缩标准音频层面4)播放器、笔记本电脑或可穿戴电子设备等等。本申请实施例对具体的移动终端100的设备类型不作限定。

其中，服务器200可以是传统服务器，也可以是云端服务器，可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

在一些实施方式中，移动终端100可设置有加速度检测模块，加速度检测模块可以包括但不限于加速度计、重力传感器、线性加速度传感器等，加速度检测模块用于检测移动终端100的加速度信息。

在一些可能的实施方式中，移动终端100还可设置有磁力检测模块，磁力检测模块可用于检测移动终端100的磁场信息，该磁场信息可包括磁场强度和方向，并可与加速度检测模块一同用于实现加速度在终端坐标系与地球坐标系之间的转换。磁力检测模块可以包括但不限于磁力传感器。

在一些可能的实施方式中，移动终端100获取加速度信息后，可将加速度信息发送至服务器200，指示服务器200根据加速度信息返回检测结果，以使得移动终端100可根据服务器200所返回检测结果，确定交通工具的运行方向。即用于根据加速度信息确定运行方向的装置中至少部分可被设置于服务器200。

在另一些可能的实施方式中，用于根据加速度信息确定运行方向的装置也可以完全设置于移动终端100上，使得移动终端100无需依赖与服务器200建立通信，也可根据加速度信息确定交通工具的运行方向，则此时运行方向检测系统10可以只包括移动终端100。

下面将通过具体实施例对本申请实施例提供的信息处理方法、装置、电子设备及存储介质进行详细说明。

请参阅图2，图2示出了本申请实施例提供的一种运行方向检测方法的流程示意图，可应用于上述移动终端。下面将针对图2所示的流程进行详细的阐述。该运行方向检测方法可以包括以下步骤：

步骤s110：在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息。

其中，移动终端位于交通工具内。因而可通过获取移动终端检测的多个加速度信息来确定交通工具的加速度，以确定交通工具的运行方向。

其中，交通工具包括地面交通工具以及地下交通工具。其中，地面交通工具可包括但不限于公共汽车、出租车、动车、高铁等在地面以上运行的交通工具，地下交通工具可包括但不限于地铁等地面以下运行的交通工具。本实施例对此不作限定。

在一些实施方式中，移动终端检测到处于交通工具内部或其附近时，可启动加速度检测模块，以获取加速度信息。在一个示例中，移动终端可通过蜂窝数据网络、热点扫描、地理位置定位或其他操作确定自身当前所处位置，若检测到位于交通工具附近，例如公交站附近、地铁站点或线路附近等，可启动加速度检测模块。在其他示例中，还可通过检测环境语音，通过语音判断移动终端当前是否处于交通工具内部或其附近，例如，若检测到环境语音包括“列车即将到达”等相关信息时，可判断移动终端当前处于交通工具内部或其附近。

在另一些实施方式中，移动终端也可在预设时间自动启动加速度检测模块，其中，预设时间为用户可能乘坐交通工具的时间，例如可以是用户上、下班时间等，在此不作限定。其中，预设时间可由用户自行设置，也可通过获取用户历史操作信息并通过机器学习得到，本实施例对此也并不做限定。在一个示例中，历史操作信息可包括用户调用相关应用程序的时间，其中，相关应用程序可为交通类应用程序(例如用于查看地图、车辆信息的应用程序)的时间，以上仅为示例，本实施例对此不做限定。

在又一些实施方式中，若交通工具为地下交通工具时，可通过检测全球定位系统(globalpositioningsystem，gps)信号，在gps信号的强度值低于强度阈值时，可启动加速度检测模块。

另外，在一些实施方式中，在启动加速度检测模块后，移动终端可基于加速度检测模块检测目前移动终端的加速度，若检测到的加速度值大于人类正常运动时的加速度阈值，可判定移动终端进入交通工具乘坐环境，且交通工具处于移动状态。

其中，交通工具处于移动状态的指定时间段可以是交通工具处于加速阶段的一段时间，也可以是交通工具处于减速阶段的一段时间，本实施例对此不作限定。需要说明的是，若为加速阶段的一段时间，则移动终端所检测的加速度方向与交通工具的加速度方向一致；若为减速阶段的一段时间，则移动终端所检测的加速度方向与交通工具的加速度方向相反，则确定移动终端所检测的加速度方向后，可通过对方向取反得到交通工具的加速度方向。

另，指定时间段的时间长度可按实际需要确定，也可由程序预设，还可由用户自定义，在此不做限定。可选地，指定时间段的时间长度可不超过交通工具从启动到加速度稳定之间所需的时间或从刹车直到停止运动所需的时间，由此可避免因指定时间段多个加速度的变化趋势发生突变，影响方向检测准确性。

其中，加速度信息可至少包括移动终端所检测到的加速度向量，即包括加速度的大小和方向等信息。

在一些实施例中，可以获取交通工具处于加速阶段的一段时间的加速度信息，来综合判断交通工具的运行方向。交通工具加速运行时，虽然加速度是震荡的，但是在整个加速阶段，加速度的方向整体上会保持一定的趋势，因为交通工具整体是处于加速状态。因此，利用加速阶段中一段时间的多个加速度信息来确定交通工具的运行方向，可大大弱化交通工具在移动过程中因本身存在的加速度振荡现象所可能带来的误差，提高对交通工具运行方向的检测准确率。

可选地，加速阶段可以是交通工具从启动开始加速运行的阶段，即交通工具从静止到运行起来至大体匀速运动的阶段，由于单个时刻的加速度方向不稳定，但是从整个时间段来看，因为交通工具始终是从静止到运行起来，因此交通工具在加速阶段内加速度的总体方向是稳定的。

在另一些实施例中，也可以获取交通工具处于减速阶段的一段时间的加速度信息，来综合判断交通工具的运行方向。原理与上述加速阶段类似，在此不再赘述。

在一些实施例中，尤其是一些会面临gps信号弱的交通工具，例如地铁(用户在乘坐地铁时，所使用的移动终端能检测的gps信号一般较弱)，可采用本申请实施例提供的运行方向检测方法，在不依赖于gps定位的情况下对所乘坐交通工具的运行方向实现准确的检测。因此本申请实施例提供的运行方向检测方法不仅可准确检测交通工具的运行方向，而且还具备广阔的适用范围。

步骤s120：根据多个加速度信息，确定交通工具在指定时间段内的运行方向。

在一些实施例中，根据多个加速度信息可通过指定公式来计算得到交通工具在指定时间段内的运行方向。作为一种实施方式，指定公式可以为加权平均公式，每个加速度信息对应一个权重，则通过加权平均可由多个加速度信息确定一个目标加速度向量，将该目标加速度向量的方向确定为交通工具在指定时间段内的运行方向。由于单个时刻的加速度方向不稳定，但是从一个时间段来看，加速度的总体方向是稳定的，因此可利用指定时间段的多个加速度信息的方向来确定交通工具在该指定时间段内的运行方向。

在另一些实施例中，可基于训练好的机器学习模型，来根据多个加速度信息，确定交通工具在指定时间段内的运行方向。具体实施方式可见后述实施例，在此不再赘述。

在一些实施方式中，训练好的机器学习模型可存储于终端本地，则终端可不依赖网络环境，无需考虑通信时间的消耗，直接在本地运行机器学习模型以确定运行方向，有利于提高运行方向检测的效率。

在另一些实施方式中，训练好的机器学习模型可存储于服务器，此时，可由移动终端将多个加速度信息发送至服务器，指示服务器基于训练好的机器学习模型得到检测结果，并返回检测结果至终端。其中，检测结果可以是用于指示地铁运行方向的信息，例如可以是由经纬度表征的信息，也可以是由地理方位(东、南、西、北等)表征的信息等，本实施例对此不作限定。

由此，通过将训练好的机器学习模型存储于服务器，可不必占用终端本地过多的存储和运行空间，有利于提高终端本地的运行效率。如此，也可降低终端要实现本方法所应满足的性能要求，有利于扩展应用范围。

另外，随着通信技术的迭代发展，训练好的机器学习模型存储于服务器时，终端也仍可依赖较高的网速，实现移动端的实时的运行方向检测，满足用户使用移动端进行运行方向检测的需求。

本申请实施例提供的运行方向检测方法，通过在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息，此时移动终端位于交通工具内，再根据多个加速度信息，确定交通工具在指定时间段内的运行方向。由于交通工具在一段时间内的加速度在方向上会呈现较为整体的趋势，因此通过获取移动终端在移动中一段时间内的多个加速度，并综合多个加速度一齐确定交通工具在该段时间内的运行方向，可减少因用户自身行为对移动终端所检测加速度的影响，也可大大弱化交通工具在运行过程中因本身存在的加速度振荡现象所可能带来的误差，从而提高对交通工具运行方向的检测准确率。

请参阅图3，图3示出了本申请另一个实施例提供的运行方向检测方法的流程示意图，可应用于上述移动终端，该运行方向检测方法可以包括：

步骤s210：在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息。

步骤s220：根据多个第一加速度向量，得到基于地球坐标系的多个第二加速度向量。

在一些实施例中，移动终端所检测的加速度方向与移动终端自身的姿态有较大关系，用户以不同的姿势握持移动终端时，移动终端所检测的瞬时加速度方向可能不同，为了进一步消除移动终端姿态对所检测加速度的影响，提高移动终端所检测加速度对交通工具的加速度的表征能力，可对通过移动终端获取的基于终端坐标系下的加速度进行坐标系转换，得到基于地球坐标系的加速度。

于本实施例中，加速度信息包括基于移动终端的终端坐标系的第一加速度向量。其中，第一加速度向量可通过移动终端传感器的应用程序接口(applicationprogramminginterface，api)得到，移动终端通过传感器api获取的加速度向量是基于终端坐标系的加速度向量，其方向会随着移动终端的姿态的改变会发生边换，因此，可将终端坐标系下的第一加速度向量转换为地球坐标系下的加速度向量，地球坐标系下的加速度向量不会受移动终端姿态的影响。

在一个示例中，请参阅图4，图4示出了本申请一个示例性实施例中终端坐标系的示意图，其中，移动终端前面板的中心位置可以作为终端坐标系的原点，平行于移动终端的长度方向且指向移动终端的上边缘的方向作为终端坐标系的z轴，平行于移动终端的宽度方向且指向移动终端的右边缘的方向作为终端坐标系的y轴，垂直于终端的前面板且指向移动终端前面板的方向为终端坐标系的x轴。

其中，地球坐标系，也称地固坐标系(earth-fixedcoordinatesystem)，是固定在地球上与地球一起旋转的坐标系。请参阅图5，图5示出了本申请一个示例性实施例中地球坐标系的示意图，地球坐标系中的z轴垂直于地面向上，y轴指向地球北极，x轴垂直于y、z轴并指向东。

在一些实施方式中，为了将终端坐标系的加速度向量转换至地球坐标系，可确定地球坐标系三个轴单位向量在终端坐标系中的表示，再确定将终端坐标系中的加速度向量转换至地球坐标系的旋转矩阵，以在后续得到第一加速度向量后，可根据第一加速度向量与旋转矩阵，得到第一加速度向量对应的在地球坐标系的第二加速度向量。

在一个示例中，可获取重力传感器检测的重力加速度，在终端坐标系下x、y、z轴的分量分别为gx、gy、gz，由此构成重力加速度向量g＝(gx,gy,gz)，向量g的方向即重力方向，竖直向下，也就是与图5中的地球坐标系的z轴方向相反，因此地球坐标系z轴向量可表示为向量z＝-g＝-(gx,gy,gz)。

移动终端基于磁力检测模块可获取终端坐标系下x、y、z轴的分量为mx、my、mz，由此构成磁向量m＝(mx,my,mz)。请参阅图6，图6示出了本申请一个示例性实施例中地磁场的示意图，磁感线由地球南极指向地球北极，图6中，向量m的方向为磁场方向，向量g的方向为重力方向。向量m与向量g叉乘得到垂直于向量g与向量m构成的平面的向量h，向量h指向西，即与图5中地球坐标系的x轴方向相反，因此地球坐标系x轴向量可表示为向量x＝-h＝-(m×g)＝-(hx,hy,hz)。

在得到地球坐标系x轴向量x与z轴向量z后，可对向量x和向量z进行单位化，则y轴向量为y＝z×x＝m＝(mx,my,mz)，向量y的方向与图5中地球坐标系y轴方向一致，指向正北。

由此，通过上述方法可得到基于地球坐标系的三个轴的单位向量，分别为x轴向量x、y轴向量y、z轴向量z的单位向量，为了将终端坐标系的加速度向量转换至地球坐标系，则可确定地球坐标系三个轴单位向量在终端坐标系中的表示：

x＝-(hx,hy,hz)

y＝(mx,my,mz)

z＝-(gx,gy,gz)

假设有旋转矩阵r以及终端坐标系中的一点uα＝-(xα,yα,zα)^t和地球坐标系中的一点uβ＝-(xβ,yβ,zβ)^t，则有：

uβ＝r·uα公式(1)

上述向量x、向量y以及向量z分别为地球坐标系中的x轴、y轴以及z轴的单位向量，因此可将uα、uβ进一步表示为：

uα1＝(-hx,-hy,-hz)^t，uβ1＝(1,0,0)^t

uα2＝(mx,my,mz)^t，uβ1＝(0,1,0)^t公式(2)

uα3＝(-gx,-gy,-gz)^t，uβ3＝(0,0,1)^t

将上述公式(2)分别代入上述公式(1)，可得到：

又因为d为正交矩阵，即d^-1＝d^t，所以可得到将终端坐标系下的数据转换至地球坐标系的旋转矩阵r的公式，如下：

在一些实施方式中，移动终端基于加速度检测模块可获取基于终端坐标系的线性加速度数据作为第一加速度向量，记为l_accα，那么结合上述公式(1)和旋转矩阵r的公式(3)，可得到基于地球坐标系的线性加速度数据作为第二加速度向量，记为l_accβ，则

l_accβ＝r·l_accα公式(4)

由此，基于公式(4)和旋转矩阵r的公式(3)即可将移动终端获取的第一加速度向量转换为基于地球坐标系的第二加速度向量。

在一些实施方式中，移动终端可通过api获取加速度检测模块、磁力检测模块的检测数据，例如，在安卓系统下，可以通过调用“sensor_type_linear_acceleration”，获取终端坐标系下的第一加速度向量，通过调用“sensor_type_magnetic_field”，获取磁力检测模块检测的磁向量。

步骤s230：根据多个第二加速度向量，确定交通工具在指定时间段内的运行方向。

在一些实施例中，步骤s230的具体实施方式可以为：根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向，作为该交通工具在指定时间段内的运行方向。

在另一些实施例中，还可在前述实施方式的基础上，即在根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向后，可以再根据该地理方向来确定交通工具在预设移动路线上运行的方向作为该交通工具在指定时间段内运行的运行方向。具体的实施方式可见后述实施例，在此不再赘述。

需要说明的是，本实施例中未详细描述的部分可以参考前述实施例，在此不再赘述。

本实施例提供的运行方向检测方法，通过获取移动终端在终端坐标系下的第一加速度向量，对第一加速度向量进行坐标转换，得到基于地球坐标系的第二加速度向量，然后基于第二加速度向量来确定交通工具在指定时间段内的运行方向，由此，基于前述实施例的基础，可得到非常稳定的方向信息，不仅可大大弱化交通工具本身加速度振荡的影响，而且还可避免因用户异常行为导致方向检测错误，能够减小甚至消除移动终端姿态对所检测加速度的影响，提高移动终端所检测的加速度能够更准确表征交通工具的加速度，进而提高对交通工具运行方向的检测准确率。

在一个示例性的实施例中，根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向的具体实施方式，可以是：基于训练好的机器学习模型，根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向。具体地，请参阅图7，图7示出了本申请一个示例性实施例提供的训练机器学习模型的流程示意图，该方法可以包括：

步骤s231：获取训练样本集。

其中，训练样本集包括交通工具处于移动状态的指定时间段内的样本加速度向量组以及与该样本加速度向量组对应的地理方向标签，其中，样本加速度向量组包括多个基于地球坐标系的样本加速度向量。

作为一种方式，样本加速度向量组可以包括交通工具处于加速阶段的指定时间段内的样本加速度向量。在一个示例中，以交通工具是地铁为例，可获取地铁从地铁站点启动开始加速阶段中指定时间段内的多个样本加速度向量作为一个样本加速度向量组，并将地铁从该地铁站点启动的前述指定时间段内的实际地理方向作为该样本加速度向量组对应的地理方向标签；将每个地铁站点对应的样本加速度向量组以及地理方向标签对应存储，可得到训练样本集。

其中，实际地理方向可以由地铁行进时所途径地理位置的经纬度信息确定，例如，可根据指定时间段中起始时刻的地理位置的起始经纬度、结束时刻的地理位置的结束经纬度，将由起始经纬度指向结束经纬度的地理方向确定为地铁在指定时间段行进时的实际地理方向。在一种实施方式中，实际地理方向可由电子地图如地图相关的应用程序来获取，在此不做限定。

在一些实施例中，地理方向标签可以包括多个指定地理方向类别，例如东南方向、东北方向、西南方向以及西北方向等。在一个示例中，可将前述方向标记为0，1，2，3，即0代表东南方向，1代表东北方向，2代表西南方向，3代表西北方向。

在另一些实施例中，为了得到精度更高的地理方向检测性能，地理方向标签也可按指定旋转角度进行划分，从而进一步细化机器学习模型可检测出的地理方向。例如，以指向地球北极为0°方向，角度按顺时针方向递增，则若指定旋转角度为20°，则可将360°划分为18个区域，每一个区域分别对应一个地理方向标签，则处于偏离0°方向[0°，20°)的实际地理方向，可对应第一地理方向标签，处于偏离0°方向[20°，40°)的实际地理方向，可对应第二地理方向标签…。

步骤s232：基于初始机器学习模型与样本加速度向量组，得到样本地理方向。

在一些实施例中，训练好的机器学习模型可以由循环神经网络(recurrentneuralnetwork，rnn)构建得到，则初始机器学习模型可以由rnn构建得到。另外，当输入序列较长时，可具体由长短期记忆(longshort-termmemory，lstm)网络、门控循环单元(gatedrecurrentunit，gru)来构建机器学习模型，在此不做限定。

在一个示例性的实施方式中，以lstm网络为例，lstm为循环神经网络的一种常用结构，对于时间序列的数据，lstm能够很好地提取不同时序之间的特征联系。对于本方案该机器学习模型用来处理指定时间段内的加速度数据，当交通工具处于移动状态如加速阶段中时，指定时间段内每两个时间段的加速度数据是有一定联系的，而lstm能够很好地提取不同时间段内的加速度之间的相关特征，更有利于后续对于加速度方向的判断，实现对地理方向更准确的检测。

另外，在一些实施方式中，机器学习模型还可加入注意力(attention)结构，通过注意力机制以使机器学习模型关注到更有用的特征。则在一个实施例中，机器学习模型的结构可如图8所示，图8示出了本申请一个示例性实施例提供的机器学习模型的结构示意图。图8中，机器学习模型包括lstm层、注意力层、2个全连接层(fullyconnectedlayer，fc)、softmax层，则以样本加速度向量组作为输入，该输入依次通过lstm、注意力、2个全连接层并通过softmax分类后输出分类结果。需要说明的是，softmax层用于分类，可输出模型的分类概率，在其他实施例中也可不采用softmax函数进行分类，而采用其他函数进行分类，如支持向量机(supportvectormachine，svm)或其他逻辑回归(logisticregression)函数等，本实施例对此不做限定。

进一步地，作为一种实施方式，上述机器学习模型中lstm结合注意力机制的结构示意图可参阅图9，注意力机制用于处理lstm的输出结果，提高lstm处理信息的能力，若记指定时间段为t，记样本加速度向量组中样本加速度向量为xt(t＝1，2，3，…，tn)，tn＝t/10，即一个样本加速度向量组包括t/10时间段内的样本加速度向量，且具体地，每一个样本加速度向量组包含t/10个样本加速度向量。lstm为循环神经网络结构，每一时刻t的输入xt都对应有一个输出yt，且yt的输出会收到前t-1个时刻的信息影响。注意力机制则是基于预设的注意力打分机制，赋予y1，y2，...，yt不同的注意力权重α1，α2，…，αt，再基于注意力权重对输出yt(t＝1，2，3，…，tn)进行加权处理，从而从不同时刻的yt提取不同的有效信息，并输出与一个样本加速度向量组对应的综合的特征向量y。

其中，预设的注意力打分机制可包括但不限于加性模型、点积模型、缩放点积模型以及双线性模型等，通过预设的注意力打分机制，可得到y1，y2，...，yt的原始分值，再对该原始分值进行归一化处理，则可得到各个yt对应的注意力权重αt。

在一个示例中，预设的注意力打分机制可采用加性模型，则注意力机制可通过如下公式(5)、(6)、(7)实现：

et＝tan(ωtyt+b)公式(5)

其中，利用公式(5)所提供的加性模型的公式得到原始分值，et表征输出yt的原始分值，ωt表征打分权重，b表征偏置；利用公式(6)对原始分值进行归一化处理得到各注意力权重αt；基于公式(7)和注意力权重αt对yt进行加权处理，得到特征向量y。

进一步地，基于构建好的初始机器学习模型，可通过训练样本集对该初始机器学习模型进行训练，具体地，可基于初始机器学习模型，以样本加速度向量组作为输入，得到样本加速度向量组对应的样本地理方向。

进一步地，若基于循环神经网络构建初始机器学习模型，又加入注意力结构，则在该模型训练好后，基于训练好的机器学习模型，可根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向。具体地，可将多个第二加速度向量xt输入循环神经网络，得到第一特征向量yt，然后基于预设的注意力打分机制对第一特征向量yt进行打分得到原始分值，再对该原始分值进行归一化处理，获取第一特征向量yt对应的注意力权重向量αt，最后基于注意力权重向量αt对第一特征向量yt进行加权处理，得到第二特征向量y，则根据第二特征向量y，可确定交通工具在指定时间段内运行的地理方向。

在另一些实施例中，训练好的机器学习模型也可以由传统的机器学习模型构建得到，例如贝叶斯等，还可以由其他神经网络构建得到，例如卷积神经网络(convolutionalneuralnetworks,cnn)等，在此不做限定。

另外，在一些可能的实施例中，还可以基于性能更好的神经网络模型来对交通工具的地理方向进行检测，以进一步提高识别精度，在此不做限定。

步骤s233：根据样本地理方向以及样本加速度向量组对应的地理方向标签，修正初始机器学习模型的模型参数。

步骤s234：将包含修正后的模型参数的初始机器学习模型确定为训练好的机器学习模型。

在一些实施方式中，可基于深度学习框架训练初始机器学习模型，损失函数可采用但不限于softmax损失函数、交叉熵损失(crossentropyloss)函数等，其中，深度学习框架可以是tenorflow或其他，本实施例对此不做限定。

在一个具体示例中，基于损失函数，根据样本地理方向以及样本加速度向量组对应的地理方向标签，可得到样本加速度向量组对应的损失函数值。获取损失函数值后，可基于预定优化算法修正初始机器学习模型的模型参数，可继续获取下一个样本加速度向量组进行下一轮训练，直到损失函数值满足预设收敛条件，可停止对初始机器学习模型的训练，将包含修正后的模型参数的初始机器学习模型确定为训练好的机器学习模型。

其中，预设收敛条件可以是一个预设阈值，当损失函数值小于该预设阈值时，可判定损失函数满足预设收敛条件，否则不满足。可以理解的是，预设阈值越小，模型训练的要求越高，最终损失函数满足预设收敛条件的网络可实现的效果可以越好。例如，若损失函数收敛到最小值附近可判定满足预设收敛条件，其中最小值可以是一个数值，以该最小值为中心可设置一个置信度范围，当损失函数收敛到该置信度范围时，即可认为收敛到最小值附近，进一步可判定损失函数满足预设收敛条件。

需要说明的是，本实施例中未详细描述的部分可以参考前述实施例，在此不再赘述。

本实施例提供的运行方向检测方法，通过训练机器学习模型可提高信息提取准确性，能够很好地从移动终端所检测的加速度信息中提取其中包含的方向信息，进而来确定交通工具的加速度方向。另外，通过采用循环神经网络以及注意力结构，可以进一步提高对时序之间的特征的提取能力，使得训练后得到训练好的模型可很好地从加速度信息中提取方向信息，以用于实现更准确的方向检测。

在一些实施例中，为了得到与交通工具预设移动路线的方向(例如终点站方向等)，可在前述根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向之后，进一步根据该地理方向确定交通工具的运行方向。具体地，请参阅图10，图10示出了本申请又一个实施例提供的运行方向检测方法的流程示意图，该方法可包括以下步骤：

步骤s310：在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息。

步骤s320：根据多个第一加速度向量，得到基于地球坐标系的多个第二加速度向量。

步骤s330：根据多个第二加速度向量，确定交通工具在指定时间段内运行的地理方向。

步骤s340：获取移动终端的当前检测信息。

其中，当前检测信息由移动终端基于当前位置所检测到的信息确定。例如，可以是移动终端基于当前位置所检测到的当前位置信息；再如，可以是移动终端基于当前位置检测到的热点信息、蓝牙连接信息、环境语音等，在此不做限定。

步骤s350：根据交通工具运行的地理方向与当前检测信息，确定交通工具基于当前位置和目的地位置确定的目的地方向，作为交通工具在指定时间段内的运行方向。

其中，目的地位置可以为交通工具驶向的终点站以及下一站中的至少一个。

在一些实施例中，步骤s350可包括步骤s351至步骤s353，具体地，请参阅图11，图11示出了本申请一个示例性实施例中图10内步骤s350的流程示意图，步骤s330包括：

步骤s351：根据当前检测信息，确定交通工具对应的预设移动路线和交通工具的当前所处站点。

其中，当前检测信息可以是当前位置，也可以是基于当前位置检测的热点信息，还可以是基于当前位置检测到的可用于指示当前位置的信息，本实施例对此不做限定。

其中，可预先建立有交通信息数据库，该交通信息数据库可存储各地交通工具的预设移动路线以及对应的站点等信息。在一些实施方式中，移动终端可根据当前所处站点，通过当前该交通信息数据库确定该当前所处站点对应的预设移动路线。其中，交通信息数据库可存储于服务器，也可存储于移动终端本地，本实施例对此不作限定。

在一个示例中，以交通工具是地铁为例，若采集各大城市地铁信息，存储于交通信息数据库，地铁信息可包括地铁各移动路线以及对应的站点等。

在一些实施例中，当前检测信息可包括移动终端当前扫描到的热点信息，则此时步骤s351可包括步骤s3511至步骤s3512，具体地，请参阅图12，图12示出了图11中步骤s351在本申请一个示例性实施例中的流程示意图，具体地，在本实施例下，步骤s351包括：

步骤s3511：根据热点信息确定交通工具对应的路线标识以及交通工具的当前所处站点。

在移动终端启动热点检测时，例如启动wifi模块时，可扫描得到当前位置周围的热点信息，热点信息可包括移动终端基于当前位置可扫描到的无线接入点的标识，将热点信息的多个标识在交通信息数据库中进行匹配，可将匹配成功的标识作为目标标识，并将目标标识对应的路线标识以及当前所处站点，作为交通工具对应的路线标识以及当前所处站点。例如，标识可以为无线接入点的服务集标识(servicesetidentifier，ssid)。

在一个示例中，以交通工具是地铁为例，以上海为场景，若移动终端当前检测到的热点信息中包含ssid为“houtan_wifi”，则可在交通信息数据库中匹配到与该ssid对应的路线标识为“7”以及当前站点为“后滩”，由此可确定用户所乘坐的交通工具目前在7号线的后滩附近。

步骤s3512：根据路线标识，确定交通工具对应的预设移动路线。

在一些实施方式中，交通信息数据库可存储有路线标识、路线标识对应的路线，则根据路线标识可确定交通工具对应的预设移动路线，即从起始站到终点站的移动路线，即从路线一端到另一端的移动路线。需要说明的是，由于在一个预设移动路线运行的交通工具，在按不同方向行驶时起始站和终点站会切换，即换一个方向后原方向的起始站会作为新方向的终点站，原方向的终点站会作为新方向的起始站。则在一个示例中，根据一个路线标识，可确定至少一个预设移动路线，且每个预设移动路线至少可有两个终点站，终点站不同时，表征交通工具沿该预设移动路线行进的方向不同。

在一个示例中，以上海地铁为例，若路线标识为“12”，则根据方向不同，终点站可以是金海路或七莘路。

在另一些实施例中，当前检测信息可包括移动终端的当前位置，则此时步骤s351可包括步骤s3513至步骤s3514，具体地，请参阅图13，图13示出了图11中步骤s351在本申请一个示例性实施例中的流程示意图，具体地，在本实施例下，步骤s351包括：

步骤s3513：根据移动终端的当前位置，确定交通工具的当前所处站点。

其中，当前位置可由移动终端的gps定位、基站定位等方式确定，本实施例对此不做限定。在一种实施方式中，获取移动终端的当前位置后，可确定距离当前位置最近的站点作为交通工具的当前所处站点。

步骤s3514：根据当前所处站点，确定交通工具对应的预设移动路线。

在一些实施方式中，根据当前所处站点，可在交通信息数据库中查找当前所处站点对应的预设移动路线，其中，交通信息数据库可存储有站点以及预设移动路线的映射关系表。

其中，根据当前所处站点是否为换乘站，可确定出的预设移动路线的数量会不同。例如，若当前所处站点为非换乘站时，则在交通信息数据库中，包含该当前所处站点的路线可以仅有一个，则作为一种实施方式，可将包含当前所处站点的路线确定为交通工具对应的预设移动路线。作为另一种实施方式，可根据当前所处站点，确定当前所处站点对应的路线标识，再获取该路线标识对应的路线作为交通工具对应的预设移动路线。

再如，若当前所处站点为换乘站时，则在交通信息数据库中，包含该当前所处站点的路线可以有两个或两个以上，此时作为一种实施方式，可根据前述确定的地理方向从多个路线中，将与交通工具在指定时间段内运行的地理方向匹配的路线确定为预设移动路线。

在一个示例中，可以通过计算各路线的方向(例如两个终点站之间的连线)偏离地理方向的偏离角度，则偏离角度最小的路线即为与地理方向匹配的路线，将该偏离角度最小的路线确定为预设移动路线。

在其他示例中，也可根据其他方式确定与地理方向匹配的路线，本是实力对此不做限定，例如还可基于当前所处站点到各终点站的连线偏离地理方向的偏离角度进行确定，原理与前述类似，在此不再赘述。

步骤s352：确定交通工具基于当前所处站点在预设移动路线的候选目的地方向。

基于前述可知，预设移动路线至少有两个行进方向，各对应一个终点站，例如，预设移动路线的两端分别为站点a、站点b，则至少存在由站点a驶向站点b的行进方向(此时站点b为终点站)以及由站点b驶向站点a的行进方向(此时站点a为终点站)。因此确定交通工具对应的预设移动路线和交通工具的当前所处站点后，可确定出至少两个候选目的地方向，在前述示例中，则两个候选目的地方向分别为交通工具驶向站点a、站点b的方向。

步骤s353：根据交通工具运行的地理方向，从候选目的地方向中确定交通工具基于当前位置和目的地位置确定的目的地方向，作为交通工具在指定时间段内的运行方向。

移动终端根据交通工具运行的地理方向，可以从候选目的地方向中确定交通工具基于当前位置和目的地位置确定的目的地方向，作为交通工具在指定时间段内的运行方向。

在一个具体示例中，以交通工具是地铁为例，以上海为场景，若确定出移动终端当前所处站点为嘉善路，预设移动路线为路线标识“12”对应的路线，如下表一所示，则根据地铁运行地理方向的不同，具有两个终点站方向，即候选目的地方向。此时，若交通工具运行的地理方向为东北方向，则可将终点站为金海路的候选目的地方向确定为目的地方向，并作为交通工具在指定时间段内的运行方向，即交通工具基于嘉善路当前朝着金海路的方向行进。若交通工具运行的地理方向为西南方向，则可将终点站为七莘路的候选目的地方向确定为目的地方向，并作为交通工具在指定时间段内的运行方向，即交通工具基于嘉善路当前正朝着七莘路的方向行进。

表一

由于同一预设移动路线的两个候选目的地方向相差较大的(如上述表一的示例)，具体地，还可如如图14所示，图14示出了上海地铁12号线的路线示意图，如图14所示，由嘉善路驶向金海路的方向为东北方向，由嘉善路驶向金海路的方向为西南方向，两个方向基本相反，因此根据前述确定的交通工具运行的地理方向，可从候选目的地方向中容易、准确地确定出目的地方向作为交通工具在指定时间段内的运行方向，从而实现对交通工具运行的方向的准确检测。

另外，在一些实施例中，确定交通工具在指定时间段内的运行方向之后，可以结合运行方向生成提示信息，该提示信息与运行方向有关，根据提示信息的不同，可实现不同功能。

作为一种实施方式，可获取用户需前往的目标站点，结合运行方向，确定用户当前是否往正确方向行进，若不是，可生成提示信息，用于提示用户确认运行方向是否正确，以在不正确时，使得用户可得到及时提醒，避免用户进一步偏离目标站点。

其中，目标站点信息可以是用户输入的，也可以是根据用户行为习惯得到的，例如移动终端可根据用户历史操作信息，包括时间、地点，学习用户在不同时间一般会乘坐交通工具前往何处，从而存储下时间与目标站点的映射关系表，从而可在用户乘坐交通工具时，根据当前时间确定用户当前可能前往的目标站点。

作为另一种实施方式，除了可提醒用户乘错方向外，还可对用户进行报站提示，例如根据当前所处站点和运行方向，确定下一站的站点，生成提示信息，用于提示下一站即将抵达的站点，可避免用户搭乘过站。

作为又一种实施方式，还可进一步确定交通工具基于运行方向的推荐信息，对推荐信息进行提示。在一个示例中，可根据当前时间确定用户乘坐交通工具的目的，然后基于运行方向确定与该目的对应的目的地，生成与该目的地对应的推荐信息，并显示该推荐信息以供用户查看。

例如，当前时间是18点，检测到移动终端处于交通工具内即用户乘坐交通工具时，可确定用户可能要去吃饭，此时可根据运行方向确定途径的餐厅，另外为了提高推荐效果，还可结合用户的喜好、季节、节日、餐厅评分等信息来确定沿运行方向周边的餐厅，进而生成对应的推荐信息，推荐信息可以至少包括所推荐餐厅对应的站点，并显示该推荐信息以供用户查看。

再如，当前时间是20点，可能乘坐交通工具的目的是购物，可获取运行方向上购物折扣信息，生成对应的推荐信息，推荐信息可包括但不限于有购物折扣的商家对应的站点以及折扣相关信息等，并显示该推荐信息以供用户查看。

可以理解的是，以上仅为示例，本实施例提供的方法并不局限于上述场景，但考虑篇幅原因在此不再穷举。

需要说明的是，本实施例中未详细描述的部分可以参考前述实施例，在此不再赘述。

请参阅图15，其示出了本申请实施例提供的一种运行方向检测装置1500的结构框图，该运行方向检测装置1500可应用于上述移动终端，该运行方向检测装置1500可以包括：加速度获取模块1510以及运行方向确定模块，具体地：

加速度获取模块1510，用于在交通工具处于移动状态的指定时间段内，获取移动终端检测的多个加速度信息，所述移动终端位于所述交通工具内；

运行方向确定模块1520，用于根据多个所述加速度信息，确定所述交通工具在所述指定时间段内的运行方向。

进一步地，所述加速度信息包括基于所述移动终端的终端坐标系的第一加速度向量，所述运行方向确定模块1520包括：坐标系转换子模块以及运行方向确定子模块，其中：

坐标系转换子模块，用于根据多个所述第一加速度向量，得到基于地球坐标系的多个第二加速度向量；

运行方向确定子模块，用于根据多个所述第二加速度向量，确定所述交通工具在所述指定时间段内的运行方向。

进一步地，所述运行方向确定子模块包括：第一方向确定单元、地理方向确定单元、检测信息获取单元以及第二方向确定单元，其中：

第一方向确定单元，用于根据多个所述第二加速度向量，确定所述交通工具在所述指定时间段内运行的地理方向，作为所述交通工具在所述指定时间段内的运行方向。

地理方向确定单元，根据多个所述第二加速度向量，确定所述交通工具在所述指定时间段内运行的地理方向；

检测信息获取单元，用于获取所述移动终端的当前检测信息，所述当前检测信息由所述移动终端基于当前位置所检测到的信息确定；

第二方向确定单元，用于根据所述交通工具运行的地理方向与所述当前检测信息，确定所述交通工具基于所述当前位置和目的地位置确定的目的地方向，作为所述交通工具在所述指定时间段内的运行方向，所述目的地位置为所述交通工具驶向的终点站以及下一站中的至少一个。

进一步地，所述第二方向确定单元包括：交通信息确定子单元、候选方向确定子单元以及运行方向确定子单元，其中：

交通信息确定子单元，用于根据所述当前检测信息，确定所述交通工具对应的预设移动路线和所述交通工具的当前所处站点；

候选方向确定子单元，用于确定所述交通工具基于所述当前所处站点在所述预设移动路线的候选目的地方向；

运行方向确定子单元，用于根据所述交通工具运行的地理方向，从所述候选目的地方向中确定所述交通工具基于所述当前位置和目的地位置确定的目的地方向，作为所述交通工具在所述指定时间段内的运行方向。

进一步地，所述当前检测信息包括所述移动终端当前扫描到的热点信息，所述交通信息确定子单元包括：热点确定次子单元以及第一路线确定次子单元，其中：

热点确定次子单元，用于根据所述热点信息确定所述交通工具对应的路线标识以及所述交通工具的当前所处站点；

第一路线确定次子单元，用于根据所述路线标识，确定所述交通工具对应的预设移动路线。

进一步地，所述当前检测信息包括所述移动终端的当前位置，所述交通信息确定子单元包括：位置确定次子单元以及第二路线确定次子单元，其中：

位置确定次子单元，用于根据所述移动终端的当前位置，确定所述交通工具的当前所处站点；

第二路线确定次子单元，用于根据所述当前所处站点，确定所述交通工具对应的预设移动路线。

进一步地，所述地理方向确定单元包括：模型计算子单元，其中：

模型计算子单元，用于基于训练好的机器学习模型，根据多个所述第二加速度向量，确定所述交通工具在所述指定时间段内运行的地理方向。

进一步地，所述训练好的机器学习模型由循环神经网络构建得到。

进一步地，所述模型计算子单元包括：特征提取次子单元、权重获取次子单元、加权处理次子单元以及方向确定次子单元，其中：

特征提取次子单元，用于将所述多个所述第二加速度向量输入循环神经网络，得到第一特征向量；

权重获取次子单元，用于获取所述第一特征向量对应的注意力权重向量；

加权处理次子单元，用于基于所述注意力权重向量对所述第一特征向量进行加权处理，得到第二特征向量；

方向确定次子单元，用于根据所述第二特征向量，确定所述交通工具在所述指定时间段内运行的地理方向。

进一步地，所述运行方向检测装置1500还包括：推荐信息确定模块以及推荐信息提示模块，其中：

推荐信息确定模块，用于确定所述交通工具基于所述运行方向的推荐信息；

推荐信息提示模块，用于对所述推荐信息进行提示。

本申请实施例提供的运行方向检测装置用于实现前述方法实施例中相应的运行方向检测方法，并具有相应的方法实施例的有益效果，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

请参考图16，其示出了本申请实施例提供的一种电子设备的结构框图。该电子设备1600可以是智能手机、平板电脑、电子书、笔记本电脑、个人计算机等能够运行应用程序的电子设备。本申请中的电子设备1600可以包括一个或多个如下部件：处理器1610、存储器1620以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器1620中并被配置为由一个或多个处理器1610执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器1610可以包括一个或者多个处理核。处理器1610利用各种接口和线路连接整个电子设备1600内的各个部分，通过运行或执行存储在存储器1620内的指令、程序、代码集或指令集，以及调用存储在存储器1620内的数据，执行电子设备1600的各种功能和处理数据。可选地，处理器1610可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field-programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器1610可集成中央处理器(centralprocessingunit，cpu)、图像处理器(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1610中，单独通过一块通信芯片进行实现。

存储器1620可以包括随机存储器(randomaccessmemory，ram)，也可以包括只读存储器(read-onlymemory)。存储器1620可用于存储指令、程序、代码、代码集或指令集。存储器1620可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备1600在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

在一些实施例中，电子设备1600还包括加速度检测模块，其中，加速度检测模块可以包括但不限于加速度计、重力传感器、线性加速度传感器等，加速度检测模块用于检测移动终端100的加速度信息。

在一些实施例中，电子设备1600还包括磁力检测模块，其中，磁力检测模块可用于检测移动终端100的磁场信息，该磁场信息可包括磁场强度和方向，并可与加速度检测模块一同用于实现加速度在终端坐标系与地球坐标系之间的转换，具体实施方式可见上述实施例。其中，磁力检测模块可以包括但不限于磁力传感器。

请参考图17，其示出了本申请实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质1700中存储有程序代码，所述程序代码可被处理器调用执行上述实施例中所描述的方法。

计算机可读取存储介质1700可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读取存储介质1700包括非易失性计算机可读取存储介质(non-transitorycomputer-readablestoragemedium)。计算机可读取存储介质1700具有执行上述方法中的任何方法步骤的程序代码1710的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1710可以例如以适当形式进行压缩。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。