一种交通工具到站提醒方法、系统和手机终端的制作方法
【专利摘要】本发明提供一种交通工具到站提醒方法、系统和手机终端。该交通工具到站提醒方法包括：采集交通工具从出发站前往目标站过程中的GPS定位位置数据、运动状态数据和从出发站到目标站的实际用时数据；判断GPS定位位置与目标站之间的距离是否在第一预设范围内；判断运动状态是否处于停车状态；判断从出发站到目标站的预计用时与实际用时的差值是否在第二预设范围内；当上述三个判断结果均为是时，到站提醒；否则，采用数据分析模型对采集的数据进行分析，根据分析结果确定是否到站提醒。该交通工具到站提醒方法通过采集分析GPS定位位置数据、运动状态数据和实际用时数据，能够更加精准地对是否到站进行判断，从而实现了更加精准的到站提醒。
【专利说明】
一种交通工具到站提醒方法、系统和手机终端
技术领域
[0001]本发明涉及通信技术领域，具体地，涉及一种交通工具到站提醒方法、系统和手机终端。
【背景技术】
[0002]现有的公交地铁到站提醒多为公交、地铁公司于其专有网络中进行广播提醒，由于环境嘈杂，乘客很难及时获得这些信息，且并无个性化定制提醒等服务。
[0003]目前市场上也出现了一些个性化定制的到站提醒服务，现有的到站提醒服务一般通过地图和移动导航这种较为单一的方式，所谓移动导航，目前只有两种:GPS定位和基站定位。GPS定位是通过GPS卫星锁定手机的GPS芯片，这是最准确的定位方法，误差理论上可以达到一米的距离。同时基本上所有的服务软件都是可以用GPS导航的。而基站定位则是通过手机的移动数据获取用户周围的基站，从而锁定用户的位置，这个误差就很大，一般不采用这种方式导航。
[0004]通过GPS定位这种单一方式会存在一定风险，如遇到信号干扰会延时或者产生错误，另外，虽然GPS理论上定位精度很高，但实际情况中误差会较大，如误差普遍会达到几十米，尤其在公交地铁这种特殊场景中，由于速度较快、位置相对复杂，精度受影响会更加严重。因此，如何为乘坐公交或地铁的乘客提供更加及时准确的到站提醒服务已成为目前亟待解决的问题。
【发明内容】
[0005]本发明针对现有技术中存在的上述技术问题，提供一种交通工具到站提醒方法、系统和手机终端。该交通工具到站提醒方法通过采集分析交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，根据GPS定位位置数据、运动状态数据和实际用时数据对交通工具是否到达目标站进行综合判断，能够更加精准地进行到站判断，从而实现了更加精准的到站提醒。
[0006]本发明提供一种交通工具到站提醒方法，包括:
[0007]采集所述交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及所述交通工具从所述出发站到所述目标站的实际用时数据；
[0008]判断所述GPS定位位置与所述目标站之间的距离是否在第一预设范围内；
[0009]判断所述运动状态是否处于停车状态；
[0010]判断从所述出发站到所述目标站的预计用时与所述实际用时的差值是否在第二预设范围内；
[0011]当上述三个判断结果均为是时，进行到站提醒；否则，采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所述实际用时数据进行分析，根据分析结果确定是否进行到站提醒。
[0012]优选地，所述数据分析模型为R=m*a%+n*b%+k*(l_c% )；
[0013]其中，a%为所述GPS定位位置到达所述目标站的概率，a%= l_不在所述第一预设范围内的所述GPS定位位置与所述目标站之间的距离/所述出发站与所述目标站之间的距离；
[0014]b%为所述运动状态处于正常的停车状态的概率，b% = 1-异常情况导致的停车状态持续时间/所述预计用时;所述异常情况包括交通拥堵、遇到红灯和道路故障；
[0015]为所述预计用时与所述实际用时的误差，=|所述预计用时-所述实际用时/所述预计用时；
[0016]m为所述GPS定位位置到达所述目标站的概率所占的权重;η为所述运动状态处于正常的停车状态的概率所占的权重;k为1-所述预计用时与所述实际用时的误差所占的权重；
[0017]m+n+k = I ;m，n和k均大于O且小于I。
[0018]优选地，所述采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所实际用时数据进行分析，根据分析结果确定是否进行到站提醒包括:
[0019]根据所述数据分析模型计算所述R;
[0020]判断所述R是否大于设定阈值，如果是，则进行到站提醒;如果否，则不进行到站提醒。
[0021 ]优选地，还包括:接收用户对到站提醒的反馈信息；
[0022]根据所述反馈信息对所述设定阈值和/或所述数据分析模型中的权重参数进行修正。
[0023]本发明还提供一种交通工具到站提醒系统，包括:
[0024]采集模块，用于采集所述交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及所述交通工具从所述出发站到所述目标站的实际用时数据；
[0025]第一判断模块，用于判断所述GPS定位位置与所述目标站之间的距离是否在第一预设范围内；
[0026]第二判断模块，用于判断所述运动状态是否处于停车状态；
[0027]第三判断模块，用于判断从所述出发站到所述目标站的预计用时与所述实际用时的差值是否在第二预设范围内；
[0028]分析模块，用于在所述第一判断模块、所述第二判断模块和所述第三判断模块的判断结果均为否时，采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所述实际用时数据进行分析；
[0029]提醒模块，用于根据所述第一判断模块、所述第二判断模块和所述第三判断模块的判断结果和所述分析模块的分析结果进行到站提醒。
[0030]优选地，所述数据分析模型为R=m*a%+n*b%+k*(l_c% )；
[0031]其中，a%为所述GPS定位位置到达所述目标站的概率，a%= l_不在所述第一预设范围内的所述GPS定位位置与所述目标站之间的距离/所述出发站与所述目标站之间的距离；
[0032]b%为所述运动状态处于正常的停车状态的概率，b% = 1-异常情况导致的停车状态持续时间/所述预计用时;所述异常情况包括交通拥堵、遇到红灯和道路故障；
[0033]c%为所述预计用时与所述实际用时的误差，c% =|所述预计用时-所述实际用时/所述预计用时；
[0034]m为所述GPS定位位置到达所述目标站的概率所占的权重;η为所述运动状态处于正常的停车状态的概率所占的权重;k为1-所述预计用时与所述实际用时的误差所占的权重；
[0035]m+n+k = I ;m，n和k均大于O且小于I ；
[0036]所述分析模块包括:计算单元和判断单元；
[0037]所述计算单元用于根据所述数据分析模型计算所述R;
[0038]所述判断单元用于判断所述R是否大于设定阈值。
[0039]优选地，还包括:接收模块，用于接收用户对到站提醒的反馈信息；
[0040]修正模块，用于根据所述反馈信息对所述设定阈值和/或所述数据分析模型中的权重参数进行修正。
[0041]优选地，所述提醒模块包括声音提醒单元、短信提醒单元和/或振动提醒单元。
[0042]本发明还提供一种手机终端，包括上述交通工具到站提醒系统。
[0043]本发明的有益效果:本发明所提供的交通工具到站提醒方法，通过采集分析交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及从出发站到目标站的实际用时数据，根据GPS定位位置数据、运动状态数据和实际用时数据对交通工具是否到达目标站进行综合判断，能够更加精准地进行到站判断，从而实现了更加精准的到站提醒。
[0044]本发明所提供的交通工具到站提醒系统，能够实现与上述交通工具到站提醒方法相同的技术效果。
[0045]本发明所提供的手机终端，通过采用上述交通工具到站提醒系统，不但能够实现到站提醒，而且能够更加精准地进行到站提醒。
【附图说明】
[0046]图1为本发明实施例1中交通工具到站提醒方法的流程图；
[0047]图2为本发明实施例2中交通工具到站提醒方法的流程图；
[0048]图3为本发明实施例2中步骤6的流程图；
[0049]图4为本发明实施例3中交通工具到站提醒系统的原理框图；
[0050]图5为本发明实施例4中交通工具到站提醒系统的原理框图。
[0051]其中的附图标记说明:
[0052]1.采集模块;2.第一判断模块;3.第二判断模块;4.第三判断模块;5.分析模块；51.计算单元;52.判断单元;6.提醒模块;7.接收模块;8.修正模块。
【具体实施方式】
[0053]为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和【具体实施方式】对本发明所提供的一种交通工具到站提醒方法、系统和手机终端作进一步详细描述。
[0054]实施例1:
[0055]本实施例提供一种交通工具到站提醒方法，如图1所示，包括:
[0056]步骤S1:采集交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及交通工具从出发站到目标站的实际用时数据。
[0057]步骤S2:判断GPS定位位置与目标站之间的距离是否在第一预设范围内。
[0058]步骤S3:判断运动状态是否处于停车状态。
[0059]步骤S4:判断从出发站到目标站的预计用时与实际用时的差值是否在第二预设范围内。
[0060]当上述三个判断结果均为是时，执行步骤S5:进行到站提醒。否则，执行步骤S6:采用数据分析模型对GPS定位位置数据、运动状态数据和实际用时数据进行分析，根据分析结果确定是否进行到站提醒。
[0061]本实施例所提供的交通工具到站提醒方法，通过采集分析交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及从出发站到目标站的实际用时数据，根据GPS定位位置数据、运动状态数据和实际用时数据对交通工具是否到达目标站进行综合判断，能够更加精准地进行到站判断，从而实现了更加精准的到站提醒。
[0062]实施例2:
[0063]本实施例提供一种交通工具到站提醒方法，如图2所示，包括:
[0064]步骤S1:采集交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及交通工具从出发站到目标站的实际用时数据。
[0065]该步骤中，如交通工具从出发站一出发就开始采集GPS定位位置数据和运动状态数据，同时累积计算从出发站到目标站的实际用时数据。
[0066]步骤S2:判断GPS定位位置与目标站之间的距离是否在第一预设范围内。
[0067]该步骤中，第一预设范围根据经验数据设定。
[0068]步骤S3:判断运动状态是否处于停车状态。
[0069]该步骤中，可以通过速度传感器判断交通工具的运动状态是否处于停车状态。
[0070]步骤S4:判断从出发站到目标站的预计用时与实际用时的差值是否在第二预设范围内。
[0071 ]该步骤中，第二预设范围根据经验数据设定。
[0072]当上述三个判断结果均为是时，执行步骤S5:进行到站提醒。否则，执行步骤S6:采用数据分析模型对GPS定位位置数据、运动状态数据和实际用时数据进行分析，根据分析结果确定是否进行到站提醒。
[0073]步骤S6中，数据分析模型为1?=111*3%+11*13%+1<:*(1-(3% );其中，a%为GPS定位位置到达目标站的概率，a% = l_不在第一预设范围内的GPS定位位置与目标站之间的距离/出发站与目标站之间的距离A %为运动状态处于正常的停车状态的概率，b % = 1-异常情况导致的停车状态持续时间/预计用时;异常情况包括交通拥堵、遇到红灯和道路故障。(3%为预计用时与实际用时的误差，c% =|预计用时-实际用时I/预计用时。m为GPS定位位置到达目标站的概率所占的权重;η为运动状态处于正常的停车状态的概率所占的权重;k为1-预计用时与实际用时的误差所占的权重;m+n+k = I;m，η和k均大于O且小于I。
[0074I 步骤S6具体包括:如图3所示，
[0075]步骤S61:根据数据分析模型计算R。
[0076]步骤S62:判断R是否大于设定阈值;该步骤中，设定阈值根据经验数据设定。
[0077]如果是，则执行步骤S63:进行到站提醒；如果否，则执行步骤S64:不进行到站提醒。
[0078]通过上述数据分析模型，能够多渠道地采集和分析数据，从而能够对是否到站进行更加精确的判断，进而实现更加精准的到站提醒。
[0079]本实施例中，如图2所示，交通工具到站提醒方法还包括:
[0080]步骤S7:接收用户对到站提醒的反馈信息。
[0081 ]步骤S8:根据反馈信息对设定阈值和数据分析模型中的权重参数进行修正。
[0082]该步骤中，也可以只对设定阈值和权重参数中的其中一项进行修正。对设定阈值的修正，如某次到站提醒结束之后，用户反馈“到站提醒过早”，此时可以适当将设定阈值调大;若用户反馈“到站仍未提醒”，可适当将设定阈值调小。
[0083]对权重参数(m、n和k)的修正，无论是到站提醒过早还是到站提醒过晚，或是正确提醒到站，对权重参数的修正主要体现在步骤S2-步骤S4中三种判断结果的不一致，比如到站后步骤S2和步骤S3中的判断结果均在正常范围内，而步骤S4中的判断结果不在正常范围内，则主要调整步骤S4中的权重参数k，如适当降低步骤S4中的权重参数k的值，同时相应调高m和η的值;依次类推，步骤S2-步骤S4中三个判断结果中哪个的误差较大，就适当对哪个步骤中的权重参数适当降低，同时对判断结果中误差较小的步骤中的权重参数适当调高。
[0084]实施例1-2的有益效果:实施例1-2中所提供的交通工具到站提醒方法，通过采集分析交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及从出发站到目标站的实际用时数据，根据GPS定位位置数据、运动状态数据和实际用时数据对交通工具是否到达目标站进行综合判断，能够更加精准地进行到站判断，从而实现了更加精准的到站提醒。
[0085]实施例3:
[0086]本实施例提供一种交通工具到站提醒系统，如图4所示，包括:采集模块I，用于采集交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及交通工具从出发站到目标站的实际用时数据。第一判断模块2，用于判断GPS定位位置与目标站之间的距离是否在第一预设范围内。第二判断模块3，用于判断运动状态是否处于停车状态。第三判断模块4，用于判断从出发站到目标站的预计用时与实际用时的差值是否在第二预设范围内。分析模块5，用于在第一判断模块2、第二判断模块3和第三判断模块4的判断结果均为否时，采用数据分析模型对GPS定位位置数据、运动状态数据和实际用时数据进行分析。提醒模块6，用于根据第一判断模块2、第二判断模块3和第三判断模块4的判断结果和分析模块5的分析结果进行到站提醒。
[0087]通过设置采集模块1、第一判断模块2、第二判断模块3、第三判断模块4和分析模块5，能够采集分析GPS定位位置数据、运动状态数据和实际用时数据，从而更加精准地对是否到站进行判断，进而实现了更加精准的到站提醒。
[0088]本实施例中，数据分析模型为R=m*a%+n*b%+k*( l_c% );其中，a%为GPS定位位置到达目标站的概率，a% = 1-不在第一预设范围内的GPS定位位置与目标站之间的距离/出发站与目标站之间的距离;b%为运动状态处于正常的停车状态的概率，b% = 1-异常情况导致的停车状态持续时间/预计用时;异常情况包括交通拥堵、遇到红灯和道路故障;为预计用时与实际用时的误差，c% =|预计用时-实际用时I/预计用时;m为GPS定位位置到达目标站的概率所占的权重;η为运动状态处于正常的停车状态的概率所占的权重;kSl-预计用时与实际用时的误差所占的权重;m+n+k = I; m，η和k均大于O且小于I。分析模块5包括:计算单元51和判断单元52;计算单元51用于根据数据分析模型计算R。判断单元52用于判断R是否大于设定阈值。
[0089]本实施例中，提醒模块6包括声音提醒单元、短信提醒单元和振动提醒单元。
[0090]需要说明的是，提醒模块6也可以只包括声音提醒单元、短信提醒单元和振动提醒单元的其中之一。
[0091]实施例4:
[0092]本实施例提供一种交通工具到站提醒系统，与实施例3不同的是，如图5所示，在实施例3中的交通工具到站提醒系统的基础上，本实施例中的提醒系统还包括:接收模块7，用于接收用户对到站提醒的反馈信息。修正模块8，用于根据反馈信息对设定阈值和数据分析模型中的权重参数进行修正。
[0093]需要说明的是，修正模块8也可以只对设定阈值和权重参数的其中之一进行修正。
[0094]实施例3-4的有益效果:实施例3-4所提供的交通工具到站提醒系统，通过设置采集模块、第一判断模块、第二判断模块、第三判断模块和分析模块，能够采集分析交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及从出发站到目标站的实际用时数据，根据GPS定位位置数据、运动状态数据和实际用时数据对交通工具是否到达目标站进行综合判断，能够更加精准地进行到站判断，从而实现了更加精准的到站提醒。
[0095]实施例5:
[0096]本实施例提供一种手机终端，包括实施例3-4任意一个中的交通工具到站提醒系统。
[0097]通过采用实施例3-4任意一个中的交通工具到站提醒系统，使该手机终端不但能够实现到站提醒，而且能够更加精准地进行到站提醒。
[0098]可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
【主权项】
1.一种交通工具到站提醒方法，其特征在于，包括: 采集所述交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及所述交通工具从所述出发站到所述目标站的实际用时数据； 判断所述GPS定位位置与所述目标站之间的距离是否在第一预设范围内； 判断所述运动状态是否处于停车状态； 判断从所述出发站到所述目标站的预计用时与所述实际用时的差值是否在第二预设范围内； 当上述三个判断结果均为是时，进行到站提醒；否则，采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所述实际用时数据进行分析，根据分析结果确定是否进行到站提醒。2.根据权利要求1所述的交通工具到站提醒方法，其特征在于，所述数据分析模型为R=m*a % +n*b % +k* (1-c % )； 其中，a%为所述GPS定位位置到达所述目标站的概率，a% = l_不在所述第一预设范围内的所述GPS定位位置与所述目标站之间的距离/所述出发站与所述目标站之间的距离；b%为所述运动状态处于正常的停车状态的概率，b% = l-异常情况导致的停车状态持续时间/所述预计用时;所述异常情况包括交通拥堵、遇到红灯和道路故障； c%为所述预计用时与所述实际用时的误差，=|所述预计用时-所述实际用时I/所述预计用时； m为所述GPS定位位置到达所述目标站的概率所占的权重;η为所述运动状态处于正常的停车状态的概率所占的权重;k为1-所述预计用时与所述实际用时的误差所占的权重；m+n+k= I ;m，n和k均大于O且小于I。3.根据权利要求2所述的交通工具到站提醒方法，其特征在于，所述采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所实际用时数据进行分析，根据分析结果确定是否进行到站提醒包括: 根据所述数据分析模型计算所述R; 判断所述R是否大于设定阈值，如果是，则进行到站提醒;如果否，则不进行到站提醒。4.根据权利要求3所述的交通工具到站提醒方法，其特征在于，还包括:接收用户对到站提醒的反馈信息； 根据所述反馈信息对所述设定阈值和/或所述数据分析模型中的权重参数进行修正。5.一种交通工具到站提醒系统，其特征在于，包括: 采集模块，用于采集所述交通工具从出发站前往目标站过程中的GPS定位位置数据和运动状态数据，以及所述交通工具从所述出发站到所述目标站的实际用时数据； 第一判断模块，用于判断所述GPS定位位置与所述目标站之间的距离是否在第一预设范围内； 第二判断模块，用于判断所述运动状态是否处于停车状态； 第三判断模块，用于判断从所述出发站到所述目标站的预计用时与所述实际用时的差值是否在第二预设范围内； 分析模块，用于在所述第一判断模块、所述第二判断模块和所述第三判断模块的判断结果均为否时，采用数据分析模型对所述GPS定位位置数据、所述运动状态数据和所述实际用时数据进行分析； 提醒模块，用于根据所述第一判断模块、所述第二判断模块和所述第三判断模块的判断结果和所述分析模块的分析结果进行到站提醒。6.根据权利要求5所述的交通工具到站提醒系统，其特征在于，所述数据分析模型为R=m*a % +n*b % +k* (1-c % )； 其中，a%为所述GPS定位位置到达所述目标站的概率，a% = l_不在所述第一预设范围内的所述GPS定位位置与所述目标站之间的距离/所述出发站与所述目标站之间的距离；b%为所述运动状态处于正常的停车状态的概率，b% = l-异常情况导致的停车状态持续时间/所述预计用时;所述异常情况包括交通拥堵、遇到红灯和道路故障； c%为所述预计用时与所述实际用时的误差，=|所述预计用时-所述实际用时I/所述预计用时； m为所述GPS定位位置到达所述目标站的概率所占的权重;η为所述运动状态处于正常的停车状态的概率所占的权重;k为1-所述预计用时与所述实际用时的误差所占的权重；m+n+k = I ;m，n和k均大于O且小于I ； 所述分析模块包括:计算单元和判断单元； 所述计算单元用于根据所述数据分析模型计算所述R; 所述判断单元用于判断所述R是否大于设定阈值。7.根据权利要求6所述的交通工具到站提醒系统，其特征在于，还包括:接收模块，用于接收用户对到站提醒的反馈信息； 修正模块，用于根据所述反馈信息对所述设定阈值和/或所述数据分析模型中的权重参数进行修正。8.根据权利要求1所述的交通工具到站提醒系统，其特征在于，所述提醒模块包括声音提醒单元、短信提醒单元和/或振动提醒单元。9.一种手机终端，其特征在于，包括权利要求5-8任意一项所述的交通工具到站提醒系统。
【文档编号】H04W4/12GK105872263SQ201610438612
【公开日】2016年8月17日
【申请日】2016年6月17日
【发明人】杨锦洲, 张恺, 张国
【申请人】中国联合网络通信集团有限公司