。
[0073]S103:所述APP根据匹配到的步长键值中的步长计算所述用户的运动距离。其中，具体包括:
[0074]所述APP确定一个步长键值对被匹配项所匹配成功的持续时间；
[0075]所述APP根据所述持续时间中的步数和这个步长键值对的步长计算得到所述持续时间内所述用户的运动距离。
[0076]举例说明，所述存储器中保存了第一步长键值对和第二步长键值对，第一步长键值对中的步长为lm，第二步长键值对中的步长为1.lm。用户在运动状态中，12点10分到12点20分这一时间段中，确定出的运动状态和步频均与所述第一步长键值对相匹配，也就是说，在这一个时间段内，所述用户的平均步长可以为第一步长键值对中的步长:1m。使用这个时间段中的累积的步数乘以所述第一步长键值对中的步长就可以得到所述用户在12点10分到12点20分这一时间段中的运动距离。
[0077]从12点21分到12点43分这个时间段中，确定出的运动状态和步频均与所述第二步长键值对相匹配，也就是说，在这一个时间段内，所述用户的平均步长可以为第二步长键值对中的步长:1.lm。使用这个时间段中的累积的步数乘以所述第二步长键值对中的步长就可以得到所述用户在12点21分到12点43分这一时间段中的运动距离。
[0078]由本实施例可以看出，通过对历史运动数据的学习，安装在移动终端中的APP可以从状态对应关系、步数对应关系和距离对应关系中得到处于同一重叠时间区间内运动状态、步数和距离的对应关系，并进一步转换为包括步长与运动状态和步频之间的对应关系的步长键值对。在用户携带所述移动终端进行运动的过程中，当所述APP判断当前移动终端的定位信息不足以满足定位需求时，将确定出的实时运动状态和实时步频作为匹配项，实时匹配所述存储器中保存的步长键值对，根据匹配成功的持续时间和匹配到的步长计算用户的运动距离。由于步频和运动状态都可以不依靠定位信息，而只需要根据所述移动终端自身模块所采集的数据就可以准确的确定出，这样通过实时的、准确的运动状态和步频，可以从学习到的步长键值对中匹配出与运动状态和步频相对应的步长，在不同的运动状态和步频下，确定出的步长都可以相应的改变，由此可以通过步长和步频准确的计算出运动距离，提高了在无法依靠定位信息的情况下，所述APP确定运动距离的准确性，用户体验好。
[0079]实施例二
[0080]在本实施例中，将进一步描述对所述历史运动数据的学习方式的具体细化和优化。
[0081]首先详细说明所述APP对获取的定位信息进行筛选，确定出定位质量符合预设要求的位置点，根据相邻位置点所构成运动轨迹的运动距离确定所述距离对应关系的过程。
[0082]可选的，图2为本发明实施例提供的一种位置点筛选方法的方法流程图，包括:
[0083]S201:所述APP根据定位信息得到多个待确定位置点，所述待确定位置点包括位置参数、速度参数、运动方向和采集时间。
[0084]S202:所述APP将速度参数不符合第一预设条件的待确定位置点删除。
[0085]举例说明，所述第一预设条件可以是一个速度范围，这个速度范围的下限值可以为运动过程中可能的最低速度，上限值可以为运动常识速度的最大值。通过和所述第一预设条件进行匹配，可以将速度过低，基本可以属于静止的待确定位置点，以及速度过快，超出运动常识速度的待确定位置点删除。
[0086]S203:所述APP根据位置参数、运动方向和采集时间将剩余的待确定位置排序，确定相邻位置点采集时间的时间间隔、位置间隔的差值是否符合第二预设条件，将不符合的待确定位置点删除。
[0087]举例说明，本步骤主要是针对通过S202筛选后的剩余待确定位置点进行综合筛选。
[0088]计算相邻待确定位置点的时间间隔和位置间隔，如果待确定位置点的时间间隔差距很小，并且距离差别很小(可以采用求标准差或者方差等统计学算法来判断)，则认为所述用户在这些待确定位置点之间的运动速度比较稳定，可以予以保留。否则，将待确定位置点删除。
[0089]S204:所述APP将剩余的待确定位置点顺序连接成运动轨迹，将所述运动轨迹中组成不平滑轨迹部分的待确定位置点删除。
[0090]举例说明，将相邻的待确定位置点连接形成如图3所示的运动轨迹，两个相邻待确定位置点根据运动方向可以形成一条有向向量，然后可以计算出相邻有向向量的向量夹角。如果这些向量夹角的差值变化平缓，则认为所述用户的运动轨迹比较平缓，所述用户不是在做折线运动或定位信息收到干扰所造成。若否，则将组成不平滑轨迹部分的待确定位置点删除。
[0091]通过附图进行说明，图3为本发明实施例提供的一种运动轨迹分析示意图。图3中共有1至9共九个待确定位置点。在1至5这五个待确定的位置点中，有向向量23和有向向量34的夹角是很不平滑的过度，则1至5这五个待确定的位置点组成了不平滑轨迹，将会被删除。而5至9这五个待确定位置点所组成的运动轨迹中，每两个相邻有向向量的角度差值变化都比较固定，例如大约在15度以内，则认为5至9这五个待确定位置点所组成的运动轨迹属于平滑的运动轨迹。可以说明所述用户在沿着一个比较好的路线进行运动，并且定位信息没有被强烈干扰，组成这部分运动轨迹的待确定位置点可以保留。
[0092]S205:所述APP将剩余的待确定位置确定为定位质量符合预设要求的位置点。
[0093]保留下来的位置点所组成的运动轨迹中，所述用户的运动方式基本稳定、运动速度基本稳定、运动方向变化平滑，适合用于学习之中。
[0094]接下来，将描述对存储器中保存的步长键值对的优化。在学习的过程中，步长键值对的数量将越来越多，适当合并可以提高步长键值对的精确性。可选的，本发明实施例提供的一种对步长键值对的加权合并处理。
[0095]所述APP从所述存储器中确定出运动状态相同，且步频相差小于预设差值的多个步长键值对。所述APP将所述多个步长键值对进行加权合并处理，得到一个合并后的步长键值对。所述APP从所述存储器中删除所述多个步长键值对，并将所述合并后的步长键值对保存到所述存储器中。
[0096]举例说明，若第一步长键值对和第二步长键值对的运动状态均相同，第一步长键值对的步频为1步每秒，第二步长键值对的步频为1.1步每秒，那么第一步长键值对和第二步长键值对的步频差值为0.1步每秒，若小于预先设定的差值(假设为0.2步每秒)，那么可以将第一步长键值对和第二步长键值对进行加权合并处理，得到第三步长键值对。所述APP可以将第一步长键值对和第二步长键值对从所述存储器中删除，并将第三步长键值对保存到所述存储器中。
[0097]对步长键值对的加权合并处理的触发条件可以是，若存储器中保存的步长键值对的个数过多一定数量，进行加权合并处理。也可以是在新学习到一个步长键值对时，将这个步长键值对与存储器中之前保存的步长键值对进行加权合并处理。
[0098]本发明实施例还提供了在确定目标状态对应关系、目标步数对应关系和目标距离对应关系过程中的修正方式。可选的，所述APP从所述多个状态对应关系、步数对应关系和距离对应关系调取具有重叠时间区间的目标状态对应关系、目标步数对应关系和目标距离对应关系，以此确定出步长键值对，包括:
[0099]若目标步数对应关系和目标距离对应关系中各自的时间区间不完全相同，所述APP根据时间区间之间的差值进行相应的距离补偿。
[0100]补偿的距离可以和时间区间之间的差值相关，可以相应的增加一定距离，也可以相应的减少一定距离。
[0101]实施例三
[0102]图4为本发明实施例提供的一种运动距离的确定装置的装置结构图，应用于移动终端，所述确定装置包括处理器400、存储器401、加速度传感器402、气压传感器403、陀螺仪404和匹配模块405 ；
[0103]所述处理器400，用于获得多个状态对应关系、步数对应关系和距离对应关系，所述状态对应关系为一个运动状态与保持这个运动状态的时间区间的对应关系，所述步数对应关系为一个统计周期的步数总数与这个统计周期的时间区间的对应关系，所述距离对应关系为一组相邻位置点所构成运动轨迹的运动距离和采集这组相邻位置点所用时间区间之间对应关系。
[0104]举例说明，所述处理器400与存储器401、加速度传感器402、气压传感器403和陀螺仪404等相连。所述处理器400通过历史运动数据处理分析，并在使用过程中持续的进行学习，更新。从而完善学习到的步长的准确性。
[0105]所述处理器400获得多个状态对应关系、步数对应关系和距离对应关系，这些对应关系可以通过所述加速度传感器402、气压传感器403和陀螺仪404所采集的数据。以及还包括通过由具有定位功能的模块获取的定位信息得到，具有定位功能的模块可以是GPS模块、W1-Fi模块或与基站交互的模块等。
[0106]具体的，所述处理器400具体用于根据所述加速度传感器402、气压传感器403和陀螺仪404的数据，识别携带所述移动终端的用户的运动状态，根据保持运动状态的时间区间确定所述状态对应关系，并保存在所述存储器401中；所述运动状态可以为走路，跑步或者可以划分为更为细致的运动状态。通过所述状态对应关系，可以标识所述用户在哪个时间段以何种运动状态进行运动。
[0107]根据所述加速度传感器402的数据统计所述用户的运动步数，根据统计周期的步数总数确定所述步数对应关系，并保存在所述存储器401中；通过所述步数对应关系，可以标识所述用户在一个时间段内所运动的步数。
[0108]对获取的定位信息进行筛选，确定出定位质量符合预设要求的位置点，根据相邻位置点所构成运动轨迹的运动距离确定所述距离对应关系，并保存在所述存储器中。通过所述距离对应关系，可以标识所述用户的一个运动轨迹的起始时间、结束时间和总