本發(fā)明涉及信息處理技術領域，特別是涉及一種基于移動終端的活動狀態(tài)信息處理方法、裝置及移動終端。

背景技術：

隨著互聯(lián)網應用技術的發(fā)展，移動終端(如智能手機、平板電腦、智能手表等)已大量地出現(xiàn)在人們的日常生活中，其已成為人們日常生活、工作和學習不可缺少的工具。例如，用戶可以通過移動終端來通話、拍照、閱讀、聽音樂、玩游戲，還可以實現(xiàn)包括定位、信息處理、指紋掃描、身份證掃描、條碼掃描以及酒精含量檢測等豐富的功能。

但是，在實際生活中，人們無法通過移動終端來獲取更多與自身相關的信息，使得用戶無法與移動終端進行更好地交互。比如，目前移動終端僅僅能夠通過用戶的活動統(tǒng)計出其行走步數(shù)，而無法獲取與用戶相關的其他信息。因此，現(xiàn)有技術中，移動終端還無法為用戶提供與其自身活動密切相關的各種信息。

技術實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的基于移動終端的活動狀態(tài)的信息處理方法、相應的裝置及移動終端。

依據本發(fā)明的一個方面，提供了一種基于移動終端的活動狀態(tài)信息處理方法，包括：

通過移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集；

根據所述歷史活動狀態(tài)信息集，從多個所述活動地點中篩選出所述活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點；

將篩選出的所述至少一個活動地點確定為所述用戶的常停留地點。

可選地，將篩選出的所述至少一個活動地點確定為所述用戶的常停留地點之后，所述方法還包括：

采用坐標和/或文字標簽的方式在所述移動終端上的地圖中標記所述常停留地點；

當接收到啟動所述地圖的指令時，打開所述地圖界面，并在所述地圖界面上加載及顯示所述常停留地點對應的標記。

可選地，采用坐標和/或文字標簽的方式在所述移動終端上的地圖中標記所述常停留地點，包括：

確定所述常停留地點對應的經/緯度；

以所述經/緯度為坐標值，生成所述常停留地點對應的坐標；

利用所述建立的坐標標記所述常停留地點。

可選地，采用坐標和/或文字標簽的方式在所述移動終端上的地圖中標記所述常停留地點，包括：

獲取所述常停留地點對應的文字標簽，所述文字標簽包括建筑物名稱、為所述常停留地點生成的專屬名稱、用戶自定義名稱中的至少一項；

利用所述文字標簽標記所述常停留地點。

可選地，當所述文字標簽包括所述專屬名稱時，獲取所述常停留地點對應的文字標簽，包括：

獲取預設的針對所述常停留地點的相關活動人物信息；

根據預設規(guī)則為所述常停留地點生成包含所述相關活動人物信息的專屬名稱。

可選地，按照如下步驟生成所述歷史活動狀態(tài)信息集：

獲取預先訓練的活動分類模型，所述活動分類模型是以所述移動終端上記錄的多個傳感器數(shù)據以及各數(shù)據分別對應的活動類型為樣本進行訓練的，所述傳感器數(shù)據包括由至少一種所述傳感器所記錄的數(shù)據；

讀取所述移動終端當前的傳感器數(shù)據，并根據所述活動分類模型確定所述讀取到的傳感器數(shù)據對應的第一活動類型；

獲取所述移動終端的通信環(huán)境信息；

根據所述通信環(huán)境信息對所述第一活動類型進行校正，得到校正后的第二活動類型；

根據所述第二活動類型、當前活動地點、在當前活動地點所停留的時間段中的至少一項生成所述歷史活動狀態(tài)信息集。

可選地，根據所述通信環(huán)境信息對所述第一活動類型進行校正，得到校正后的第二活動類型，包括：

判斷所述第一活動類型與所述通信環(huán)境信息是否相匹配；

若是，則確定所述第一活動類型即為所述第二活動類型；

若否，則根據所述第一活動類型以及所述通信環(huán)境信息重新確定所述第二活動類型。

依據本發(fā)明的另一個方面，還提供了一種基于移動終端的活動狀態(tài)信息處理裝置，包括：

獲取模塊，適于通過移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集；

篩選模塊，適于根據所述歷史活動狀態(tài)信息集，從多個所述活動地點中篩選出所述活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點；

確定模塊，適于將篩選出的所述至少一個活動地點確定為所述用戶的常停留地點。

可選地，所述裝置還包括：

標記模塊，適于將篩選出的所述至少一個活動地點確定為所述用戶的常停留地點之后，采用坐標和/或文字標簽的方式在所述移動終端上的地圖中標記所述常停留地點；

加載及顯示模塊，適于當接收到啟動所述地圖的指令時，打開所述地圖界面，并在所述地圖界面上加載及顯示所述常停留地點對應的標記。

可選地，所述標記模塊還適于：

確定所述常停留地點對應的經/緯度；

以所述經/緯度為坐標值，生成所述常停留地點對應的坐標；

利用所述建立的坐標標記所述常停留地點。

可選地，所述標記模塊還適于：

獲取所述常停留地點對應的文字標簽，所述文字標簽包括建筑物名稱、為所述常停留地點生成的專屬名稱、用戶自定義名稱中的至少一項；

利用所述文字標簽標記所述常停留地點。

可選地，所述標記模塊還適于：

獲取預設的針對所述常停留地點的相關活動人物信息；

根據預設規(guī)則為所述常停留地點生成包含所述相關活動人物信息的專屬名稱。

可選地，所述裝置還包括生成模塊，所述生成模塊適于：

獲取預先訓練的活動分類模型，所述活動分類模型是以所述移動終端記錄的多個傳感器數(shù)據以及各數(shù)據分別對應的活動類型為樣本進行訓練的，所述傳感器數(shù)據包括由至少一種所述傳感器所記錄的數(shù)據；

讀取所述移動終端當前的傳感器數(shù)據，并根據所述活動分類模型確定所述讀取到的傳感器數(shù)據對應的第一活動類型；

獲取所述移動終端的通信環(huán)境信息；

根據所述通信環(huán)境信息對所述第一活動類型進行校正，得到校正后的第二活動類型；

根據所述第二活動類型、當前活動地點、當前所處的時間段中的至少一項生成所述歷史活動狀態(tài)信息集。

可選地，所述生成模塊還適于：

判斷所述第一活動類型與所述通信環(huán)境信息是否相匹配；

若是，則確定所述第一活動類型即為所述第二活動類型；

若否，則根據所述第一活動類型以及所述通信環(huán)境信息重新確定所述第二活動類型。

依據本發(fā)明的又一個方面，提供了一種計算機程序，其包括計算機可讀代碼，當所述計算機可讀代碼在計算設備上運行時，導致所述計算設備執(zhí)行所述的基于移動終端的活動狀態(tài)信息處理方法。

依據本發(fā)明的又一個方面，提供了一種計算機可讀介質，其中存儲了所述的計算機程序。

依據本發(fā)明實施例的另一個方面，提供了一種移動終端，包括處理器和存儲器：

所述存儲器用于執(zhí)行上述任一項基于移動終端的活動狀態(tài)的信息處理方法的程序，

所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。

本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集。該歷史活動狀態(tài)信息集記錄了多種用戶的活動狀態(tài)及相關信息，為后續(xù)針對性地篩選用戶信息提供了必要基礎。進一步，根據獲取的歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點。該篩選出的活動地點表明用戶經常性地在該地點活動，進而，將篩選出的至少一個活動地點確定為用戶的常停留地點。由此可知，本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端隨時隨地地獲取用戶的活動狀態(tài)信息，實時性、準確性和全面性較強，其較現(xiàn)有技術中僅能通過移動終端獲取用戶的步數(shù)統(tǒng)計信息有了極大提高。同時，本發(fā)明實施例提供的方法，還可以基于移動終端獲取的多種用戶數(shù)據，在短時間內統(tǒng)計用戶的活動規(guī)律，進一步識別用戶的常停留地點。更多地，本發(fā)明實施例還可以根據識別的用戶常停留地點，結合大數(shù)據分析，為用戶設定基于常停留地點的實時提醒服務以及路線規(guī)劃等，更好地實現(xiàn)了用戶與移動終端之間的交互，為用戶提供了極大方便。

上述說明僅是本發(fā)明技術方案的概述，為了能夠更清楚了解本發(fā)明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

根據下文結合附圖對本發(fā)明具體實施例的詳細描述，本領域技術人員將會更加明了本發(fā)明的上述以及其他目的、優(yōu)點和特征。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理方法的處理流程示意圖；

圖2是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理方法的具體流程示意圖；

圖3是根據本發(fā)明一個實施例的分類模型的訓練方法的流程示意圖；

圖4是根據本發(fā)明一個實施例的在地圖上為常停留地點做標記的示意圖；

圖5是根據本發(fā)明一個實施例的在地圖上為常停留地點做標記的另一種示意圖；

圖6a是根據本發(fā)明一個實施例的常停留地點作為搜索建議詞進行推薦的第一種示意圖；

圖6b是根據本發(fā)明一個實施例的常停留地點作為搜索建議詞進行推薦的第二種示意圖；

圖7是根據本發(fā)明一個實施例的移動終端上加速度傳感器的數(shù)據軌跡示意圖；

圖8是根據本發(fā)明一個實施例的用戶標簽的示意圖；

圖9是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理裝置的示意性框圖；

圖10是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理裝置的另一個示意性框圖；

圖11是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理裝置的另一個示意性框圖；

圖12是根據本發(fā)明一個實施例的移動終端的結構示意圖；

圖13是根據本發(fā)明一個實施例的用于執(zhí)行根據本發(fā)明的基于移動終端的活動狀態(tài)信息處理方法的計算設備的框圖；以及

圖14是根據本發(fā)明一個實施例的用于保持或者攜帶實現(xiàn)根據本發(fā)明的基于移動終端的活動狀態(tài)信息處理方法的程序代碼的存儲單元。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

為解決上述技術問題，本發(fā)明實施例提供了一種基于移動終端的活動狀態(tài)信息處理方法。圖1是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理方法的處理流程示意圖。如圖1所示，基于移動終端的活動狀態(tài)信息處理方法至少包括步驟s102至步驟s108：

步驟s102、通過移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集；

步驟s104、根據歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點；

步驟s106、將篩選出的至少一個活動地點確定為用戶的常停留地點。

本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集。該歷史活動狀態(tài)信息集記錄了多種用戶的活動狀態(tài)，為后續(xù)針對性地篩選用戶信息提供了必要基礎。進一步，根據獲取的歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點。該篩選出的活動地點表明用戶經常性地在該地點活動，進而，將篩選出的至少一個活動地點確定為用戶的常停留地點。由此可知，本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端隨時隨地地獲取用戶的活動狀態(tài)信息，實時性、準確性和全面性較強，其較現(xiàn)有技術中僅能通過移動終端獲取用戶的步數(shù)統(tǒng)計信息有了極大提高。同時，本發(fā)明實施例提供的方法，還可以基于移動終端獲取的多種用戶數(shù)據，在短時間內統(tǒng)計用戶的活動規(guī)律，進一步識別用戶的常停留地點。更多地，本發(fā)明實施例還可以根據識別的用戶常停留地點，結合大數(shù)據分析，為用戶設定基于常停留地點的實時提醒服務以及路線規(guī)劃等，更好地實現(xiàn)了用戶與移動終端之間的交互，為用戶提供了極大方便。

上文步驟s102中提及的移動終端可以包括智能手機、平板電腦、智能手表、筆記本電腦、移動pos機等，其目前已在人們的日常生活中得到了廣泛地運用。根據本發(fā)明實施例，可以基于用戶隨身攜帶的移動終端獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息。

具體地，在執(zhí)行步驟s102時，可以基于移動終端的傳感器獲取用戶的當前行為所產生的傳感器數(shù)據。移動終端的傳感器可以是加速度計(accelerometer)、磁力計(magnetometer)、陀螺儀(gyroscope)等，本發(fā)明實施例不限于此。這些傳感器使得移動終端具備多種多樣的功能，其中，本發(fā)明實施例對用戶活動狀態(tài)的識別即用到了移動終端中各傳感器的測量數(shù)據。相應地，加速度計是測量運載體線加速度的儀表，其是活動識別最主要的傳感器，其測量作用于設備的三個軸方向(x，y，z)的加速度(m/s²)，包含了重力加速度。磁力計測量作用于設備三個軸方向(x，y，z)的磁場強度值(a/m)。陀螺儀測量設備繞三個軸(x，y，z)旋轉的速度(rad/s)。移動終端的各傳感器能夠對用戶的不同行為進行數(shù)據的測量和收集。

在根據移動終端的傳感器獲取到用戶的不同活動狀態(tài)所產生的不同傳感器數(shù)據后，可以根據獲取的傳感器數(shù)據為用戶生成歷史活動狀態(tài)信息集。具體地，在本發(fā)明實施例中，可以獲取預先訓練的活動分類模型，活動分類模型是以用戶隨身攜帶的移動終端上記錄的多個傳感器數(shù)據以及各數(shù)據分別對應的活動類型為樣本進行訓練的，本發(fā)明實施例中的傳感器數(shù)據包括由至少一種傳感器所記錄的數(shù)據。

進一步，讀取用戶隨身攜帶的移動終端當前的傳感器數(shù)據，并根據活動分類模型確定讀取到的傳感器數(shù)據對應的第一活動類型。此外，為了提高確定的活動類型的準確性，在根據用戶移動終端傳感器的當前數(shù)據確定第一活動類型之后，還可以進一步獲取移動終端的通信環(huán)境信息，進而根據通信環(huán)境信息對第一活動類型進行校正，得到校正后的第二活動類型。在本發(fā)明實施例中可以根據第二活動類型、當前活動地點、在當前活動地點所停留的時間段中的至少一項生成歷史活動狀態(tài)信息集。

具體地，圖2示出了根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理方法的流程示意圖，在圖2中，該方法至少可以包括以下步驟s202至步驟s204：

步驟s202、提取當前的傳感器數(shù)據中的特征向量，并輸入從特征向量到用戶活動狀態(tài)的類別的分類模型；

步驟s204、利用上述分類模型識別出當前的傳感器數(shù)據對應的用戶活動狀態(tài)的類別。

可以看到，本發(fā)明實施例充分利用了移動終端本身具備的傳感器，讀取傳感器采集的傳感器數(shù)據，并基于傳感器數(shù)據和分類模型能夠識別出使用該移動終端的用戶的日?；顒訝顟B(tài)。并且，本發(fā)明實施例在對傳感器數(shù)據進行處理時，針對性地提取其中的特征向量，能夠提高識別結果的精確度。

本發(fā)明實施例，在讀取到傳感器數(shù)據之后，執(zhí)行步驟s202，從讀取的傳感器數(shù)據中提取特征向量，然后將提取的特征向量輸入分類模型中進而識別用戶活動狀態(tài)的類別，如靜止、步行、騎行、跑步、登山、駕車、坐公交、坐地鐵、坐火車等等。分類模型中的特征向量與提取的特征向量是對應的，因此，本發(fā)明實施例首先介紹分類模型的訓練步驟，圖3示出了根據本發(fā)明一個實施例的分類模型的訓練方法的流程示意圖，在圖3中，該方法至少可以包括以下步驟s302至步驟s304：

步驟s302、收集移動終端上傳感器采集的數(shù)據，得到數(shù)據序列；

步驟s304、將數(shù)據序列作為訓練樣本提取其中的特征向量，將特征向量映射到用戶活動狀態(tài)的類別，使用機器學習算法訓練從特征向量到用戶活動狀態(tài)的類別的分類模型。

上述的步驟s302和步驟s304主要可以包括數(shù)據收集、預處理、數(shù)據分割、特征提取以及機器學習，詳細介紹如下。

在數(shù)據收集步驟中，收集移動終端上傳感器采集的數(shù)據，得到數(shù)據序列。即，從前面介紹的各傳感器中可以獲得用戶活動期間的傳感器數(shù)據序列，具體可以以恒定采樣頻率(如50赫茲等)來采樣得到數(shù)據。并且，傳感器采集的數(shù)據可以包括多個方向上的數(shù)據，這樣，數(shù)據序列也可以包括相應的各個方向上的數(shù)據序列。例如，加速度計、地磁傳感器、陀螺儀都有三個軸的讀數(shù)，因而對于每個傳感器，都會得到三個軸x、y、z的信號值序列。在數(shù)據收集過程中，本發(fā)明實施例對前述的各個類別的用戶活動狀態(tài)都需要收集充分的樣本，同一類別的用戶活動狀態(tài)，也可以考慮移動終端的姿態(tài)等各種不同的情況。

在預處理步驟中，有些移動終端不一定支持所有的傳感器，因此，本發(fā)明實施例從收集的數(shù)據中，提取不同傳感器組合的數(shù)據。即，對多種類型的傳感器進行組合，得到多組傳感器。其中，各組傳感器中包含一類或多類傳感器，進而收集移動終端上的各組傳感器采集的數(shù)據，得到各組傳感器中各類傳感器對應的數(shù)據序列。由于加速度計是最主要的傳感器，本發(fā)明實施例選擇以下三種可能的組合：(1)加速度計；(2)加速度計和地磁傳感器；(3)加速度計、地磁傳感器和陀螺儀，對這三種情況的數(shù)據將分別進行訓練。

在數(shù)據分割步驟中，將傳感器數(shù)據序列分割成子序列，每個子序列映射到一個對應的活動標簽。對于加速度計、地磁傳感器和陀螺儀這些以恒定采樣頻率采樣的數(shù)據，本發(fā)明實施例將整個傳感器數(shù)據序列分割為時間間隔相等的子序列。選擇最佳的時間窗口大小或時間間隔是影響識別效果的關鍵因素之一，因此，本發(fā)明實施例分別選擇1至6秒的不同間隔進行分割得到子序列，后面通過機器學習分類時，對不同尺度的數(shù)據分別進行學習，得到基于不同時間窗口大小的識別模型，然后對不同的模型評測其識別效果，以選擇最佳的分割間隔。需要說明的是，這里選取的1至6秒的時間間隔僅是示意性的，并不對本發(fā)明實施例進行限制，在實際應用中，還可以選取7或8秒等時間間隔來對序列進行分割。

數(shù)據分割完畢后得到的樣本集中，可以選取一部分作為后續(xù)機器學習的輸入，剩下的部分作為測試集，用來評測分類模型的分類效果。

在本發(fā)明的可選實施例中，在利用各個時間窗口對數(shù)據序列進行分割處理時，每時間窗口生成一個子序列，子序列之間互不重疊，得到該時間窗口對應的多個子序列作為訓練樣本；或者，將各個時間窗口在數(shù)據序列上進行滑動，每滑動指定時長生成當前時間窗口對應的子序列，得到各個時間窗口各自對應的多個子序列作為訓練樣本。

在特征提取步驟中，對于分割后的傳感器數(shù)據子序列，本發(fā)明實施例舉例以下公式來計算以下特征量來得到序列的特征向量，但需要說明的是，本發(fā)明保護的技術方案并不局限以下及說明書中列的各個公式實現(xiàn)的方案，本領域技術人員能夠想到通過合理變化、增減比例、調整系數(shù)、增加權重等方式依然可以實現(xiàn)本發(fā)明技術方案，而這些未窮舉的方案也都在本發(fā)明保護范圍內。

1)均值(mean)

對于大小為n的序列s，其均值為n個信號值相加的總和除以序列大小，計算公式如下：

mean(s)＝sum(s)/n

2)標準差(standarddeviation)

標準差是各信號值與均值離差平方的算術平均數(shù)的平方根，可以反映樣本的變化度。

對于大小為n的序列x1,x2…xn，其均值為μ，標準差公式為：

3)中位數(shù)(median)

中位數(shù)為數(shù)據序列按順序排列后位于中間位置的數(shù)。對于大小為n的序列，將該序列按升序排序，如果n為奇數(shù)，則取(n+1)/2個數(shù)為中位數(shù)；如果n為偶數(shù)，則取第n/2個數(shù)和第n/2+1個數(shù)的平均數(shù)為中位數(shù)。

4)中位數(shù)絕對偏差(medianabsolutedeviation)

當存在異常值可能影響平均值的一些情況下，中位數(shù)絕對偏差相對標準差可以提供更好的變化度測量。將序列的各項減去序列的中位數(shù)后求絕對值，得到新序列，對于新序列求中位數(shù)，即可以得到中位數(shù)絕對偏差。

對于序列x1,x2…xn，中位數(shù)絕對偏差為：

mad＝median(|xi-median(x)|)

5)零交叉(zerocrossing)

零交叉為信號值與中位置相交的次數(shù)，這個特征量用于區(qū)分快運動和慢運動。計算方法是遍歷序列的各項值，如果中位數(shù)大于當前項且小于后一項，或者小于當前項且大于后一項，則零交叉次數(shù)加1。

6)相關性(correlation)

多分量的傳感器，其各個分量之間存在相關性，如加速度計的x、y、z三個方向相互之間的相關性。不同的活動狀態(tài)各分量的相關性可能存在差異。對于大小為n的序列x和y，其相關性的計算公式如下：

7)峰-峰振幅

該值表示信號的峰值到谷值之差，即數(shù)據序列的最大值與最小值之差，計算公式如下：

p2pa(s)＝max(s)-min(s)

8)信號能量

信號能量指信號曲線與時間軸之間構成的區(qū)域的面積，對于傳感器數(shù)值序列，信號能量可以表示為平方值之和：

以上介紹了本發(fā)明實施例從數(shù)據序列或子序列中主要提取的特征向量，當然本發(fā)明并不限于此。

接下來，在機器學習步驟中，本發(fā)明實施例使用監(jiān)督學習方法，將特征向量映射到用戶活動狀態(tài)的類別，建立從特征向量到用戶活動狀態(tài)的類別的分類模型。這里，如前文介紹，數(shù)據序列對應有用戶活動狀態(tài)的類別的標簽，這樣在將特征向量映射到用戶活動狀態(tài)的類別時，可以將數(shù)據序列對應的用戶活動狀態(tài)的類別的標簽作為其特征向量的標簽，從而將數(shù)據序列的特征向量映射到用戶活動狀態(tài)的類別。

針對不同的傳感器組合，本發(fā)明實施例將訓練不同的分類模型，之后就可以利用這些分類模型，識別新的樣本對應的用戶活動狀態(tài)的類別。

不同的監(jiān)督學習算法對活動的識別效果有明顯的差異，本發(fā)明實施例選取支持向量機(supportvectormachine，svm)作為主要的監(jiān)督學習方法。svm的目標是使預測精度最大化而又不會引起數(shù)據的過擬合，對于二元分類，svm算法在特征空間里建立一個區(qū)域模型，將數(shù)據(特征向量)在多維空間中分隔成兩個不同的類別，使分類邊界離最近的數(shù)據點的距離盡量遠。對活動進行分類屬于多類別問題，多類別問題可以分解為多個二元分類問題，本發(fā)明實施例選擇一對一方法，即最大贏選舉法(maximum-winsvoting)來處理活動分類問題，對每對不同的活動類別，訓練一個svm模型，最終得到k(k-1)/2個svm分類器，對新樣本分類時，每個分類器將得出一個分類，記錄每個類別的得票數(shù)，得票最多的分類勝出，即確定為新樣本對應的用戶活動狀態(tài)的類別。

需要說明的是，此處列舉的機器學習svm算法僅是示意性的，本發(fā)明實施例還可以使用決策樹、人工神經網絡、樸素貝葉斯等算法來實現(xiàn)分類，并且還可以對比評估不同學習算法的效果，從而選擇合適的學習算法。具體地，利用測試樣本集可以實現(xiàn)學習效果的評測，本發(fā)明實施例選擇召回率、準確率、f-score作為評測指標，通過不斷調整訓練樣本、特征向量等相關參數(shù)以達到更佳的標準，優(yōu)化識別效果。

在訓練得到分類模型之后，接下來就可以利用分類模型來識別用戶活動狀態(tài)的類別。即，在步驟s202中從讀取的傳感器數(shù)據中提取特征向量，并輸入從特征向量到用戶活動狀態(tài)的類別的分類模型，在步驟s204中利用上述分類模型識別讀取的傳感器數(shù)據對應的用戶活動狀態(tài)的類別。這里，在讀取傳感器數(shù)據時，可以以固定時間間隔生成樣本，有以下兩種生成樣本的方式：

第一，假設樣本所需持續(xù)時間為5秒，每5秒生成一個樣本，樣本之間互相不重疊；

第二，假設樣本所需持續(xù)時間為5秒，每1秒生成一個樣本，取之前5秒內的數(shù)據，樣本之間會相互重疊。

在提取特征向量時，提取的特征向量與訓練時相同，即，可以利用上文特征提取步驟中提及的方法計算數(shù)據序列或子序列的均值、標準差、中位數(shù)、中位數(shù)絕對偏差、零交叉、相關性、峰-峰振幅、信號能量，將這些特征值作為序列的特征向量。接下來，根據移動終端支持的傳感器，選擇合適的分類模型，使得訓練好的分類模型對樣本進行分類，識別出讀取的傳感器數(shù)據對應的用戶活動狀態(tài)的類別。

在本發(fā)明的可選實施例中，為了進一步提高識別的準確率，可以在確定用戶的當前活動狀態(tài)信息之前，進一步獲取移動終端的輔助識別信息，進而利用獲取的輔助識別信息來調整識別出的用戶活動狀態(tài)的類別。本發(fā)明實施例中，輔助識別信息可以是移動終端的通信環(huán)境信息，比如網絡數(shù)據、位置信息和/或應用數(shù)據等等。更多地，移動終端的網絡數(shù)據可以是藍牙數(shù)據和/或wifi數(shù)據，移動終端的位置信息可以是gps信息等，本發(fā)明實施例對此不做具體限定。同時，本發(fā)明實施例所提供的方法，將利用分類模型識別用戶活動狀態(tài)的類別稱為初步識別，進而，還可以利用輔助識別信息來調整初步識別的識別結果。

在利用輔助識別信息來調整識別出的用戶活動狀態(tài)的類別時，本發(fā)明實施例可以判斷移動終端上的指定通信模塊(如藍牙、wifi等，本發(fā)明實施例不限于此)是否接入相應協(xié)議類型的通信設備。若是，則獲取移動終端上的通信模塊接入的通信設備的相關信息，進而基于獲取的相關信息來調整識別出的用戶活動狀態(tài)的類別。下面通過幾個實例來詳細介紹。

情況一，藍牙連接狀態(tài)

本發(fā)明實施例可以獲取藍牙連接狀態(tài)及連接的藍牙設備類型，查看連接的藍牙設備類型可以識別車載藍牙設備，當確認移動終端連接了車載藍牙設備，且初步識別的用戶活動狀態(tài)為駕車或與駕車接近的狀態(tài)，則可以確認或糾正為駕車狀態(tài)。

情況二，周邊藍牙設備

通過藍牙掃描可以得到周邊的藍牙設備列表，分析其中的設備類型及數(shù)量，統(tǒng)計發(fā)現(xiàn)駕車時掃描到的藍牙設備數(shù)量通過不會太多。因此，可以設定數(shù)量閾值，如果該數(shù)量超過了數(shù)量閾值且無車載藍牙設備，而初步識別為駕車，則認為是誤識別。

情況三，gps

通過gps可以獲得當前的位置及移動速度，通過設定速度閾值，可以確認是否在行駛的車輛上。由于gps長時間使用功耗較高，因此，本發(fā)明實施例僅在用戶活動狀態(tài)可能發(fā)生切換，進行確認時才使用gps輔助判斷。

情況四，wifi

目前，許多公交車上都會安裝wifi，這些wifi通常都有較明顯的特征(如名稱等)，通過數(shù)據收集與分析可以提取這些特征，如果移動終端連接了wifi，通過判斷當前連接的wifi的特征，可以輔助判斷是否在公交車上。

情況五，歷史狀態(tài)

歷史狀態(tài)用于狀態(tài)切換，在判斷是否可以切換到新的狀態(tài)時，需要考察歷史狀態(tài)，確認新的狀態(tài)是否已經持續(xù)了指定時長，若是，則確認切換到新的狀態(tài)；若否，則不認為切換到新的狀態(tài)。

在利用輔助識別信息來調整識別出的用戶活動狀態(tài)的類別時，本發(fā)明實施例還可以獲取移動終端上的指定應用程序的業(yè)務數(shù)據，進而基于獲取的業(yè)務數(shù)據來調整識別出的用戶活動狀態(tài)的類別。例如，用戶開啟指定應用程序，利用指定應用程序打開自行車車鎖，然后進入騎行狀態(tài)，該指定應用程序從開鎖到關鎖一直會記錄用戶的騎行時間，本發(fā)明實施例從指定應用程序獲取到這些業(yè)務數(shù)據時，則確認用戶活動狀態(tài)為騎行狀態(tài)。又例如，用戶開啟刷公共交通卡功能，刷卡之后，該公共交通卡功能會記錄用戶乘坐公共交通的時間或站點，本發(fā)明實施例從公共交通卡功能處獲取到這些業(yè)務數(shù)據時，則確認用戶活動狀態(tài)為乘坐公共交通狀態(tài)。

在本發(fā)明的可選實施例中，當發(fā)生調整識別出的用戶活動狀態(tài)的類別的事件時，獲取調整后的用戶活動狀態(tài)的類別，進而利用傳感器數(shù)據中的特征向量與調整后的用戶活動狀態(tài)的類別對分類模型進行訓練，以修正分類模型。

在步驟s102執(zhí)行結束之后，可以獲取到用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集。歷史活動狀態(tài)信息集中，用戶活動狀態(tài)的類別可以包括靜止、步行、跑步、駕車、乘坐公共交通等，本發(fā)明不限于此。此外，本發(fā)明實施例，在獲取到用戶當前的活動狀態(tài)信息時，還可以確定用戶的活動狀態(tài)是否發(fā)生切換。具體地，在識別出用戶活動狀態(tài)的類別之后，可以判斷本次識別是否為初次識別操作。若是，則將本次識別出的用戶活動狀態(tài)的類別作為本次確定的用戶活動狀態(tài)的類別。若否，則獲取上一次確定的用戶活動狀態(tài)的類別，并基于上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別，確定本次用戶的活動狀態(tài)是否發(fā)生切換。

進一步地，若上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別相同，則確定本次用戶活動狀態(tài)未發(fā)生切換。若上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別不相同，則將上一次確定的用戶活動狀態(tài)的類別稱為第一類別，本次識別出的用戶活動狀態(tài)的類別稱為第二類別，并繼續(xù)進行上述的讀取、識別操作。當后續(xù)識別出的用戶活動狀態(tài)的類別為第二類別的次數(shù)超出閾值，則確定超出閾值時對應的用戶活動狀態(tài)發(fā)生切換。

比如，通過上述步驟識別出用戶的活動狀態(tài)的類別為靜止狀態(tài)，為了確定用戶活動狀態(tài)是否發(fā)生切換，首先判斷本次識別是否為初次識別操作，若是，則將本次識別出的用戶活動狀態(tài)的類別作為本次確定的用戶活動狀態(tài)的類別；若否，則獲取到上一次確定的用戶活動狀態(tài)的類別為步行，此時不會立即確定用戶活動狀態(tài)切換為靜止狀態(tài)，而是繼續(xù)執(zhí)行上述步驟識別出用戶活動狀態(tài)的類別，若通過多次識別用戶活動狀態(tài)的類別為靜止，則確定用戶活動狀態(tài)切換為靜止狀態(tài)。

在本發(fā)明的可選實施例中，當確定用戶活動狀態(tài)為第一活動狀態(tài)后，從移動終端的傳感器處讀取當前的傳感器數(shù)據，并基于當前的傳感器數(shù)據識別出用戶活動狀態(tài)為第二活動狀態(tài)；若第二活動狀態(tài)與第一活動狀態(tài)不相同、且用戶活動狀態(tài)為第二活動狀態(tài)的持續(xù)時長大于第一指定時間閾值，則確定用戶活動狀態(tài)從第一活動狀態(tài)切換為第二活動狀態(tài)。這里的第一指定時間閾值可以基于第一活動狀態(tài)和第二活動狀態(tài)來確定。

若第二活動狀態(tài)與第一活動狀態(tài)不相同、且用戶活動狀態(tài)為第二活動狀態(tài)的持續(xù)時長小于第一指定時間閾值，則繼續(xù)從移動終端的傳感器處讀取當前的傳感器數(shù)據，并基于當前的傳感器數(shù)據識別出用戶活動狀態(tài)為第三活動狀態(tài)。若第三活動狀態(tài)與第一活動狀態(tài)、第二活動狀態(tài)不相同，并且用戶活動狀態(tài)為第三活動狀態(tài)的持續(xù)時長大于第二指定時間閾值，則確定用戶活動狀態(tài)從第一活動狀態(tài)切換為第三活動狀態(tài)。這里的第二指定時間閾值可以基于第一活動狀態(tài)和第三活動狀態(tài)來確定，也可以基于第一活動狀態(tài)、第二活動狀態(tài)以及第三活動狀態(tài)來確定。

通過上面介紹可以看到，本發(fā)明實施例在狀態(tài)發(fā)生變化時，進入新的狀態(tài)前，需要一段時間進行確認，以確保狀態(tài)的準確性，以下是狀態(tài)切換時的基本策略。

首先是初始狀態(tài)。在初次識別之前，由于還無法確定狀態(tài)，可以將狀態(tài)設為未知。

其次是狀態(tài)進入。無論原先是未知狀態(tài)或其它已識別的狀態(tài)，進入新的狀態(tài)都需要持續(xù)一段時間的穩(wěn)定狀態(tài)，才確認切換到新的狀態(tài)。

再次是狀態(tài)退出。通常有三種情況會退出原來的狀態(tài)：

a.進入新的狀態(tài)；

b.未確認進入新狀態(tài)，但已經連續(xù)有一段時間識別的狀態(tài)不符合舊的狀態(tài)。對于簡單的狀態(tài)，這個時間相對較短(如30秒)；對于復雜的狀態(tài)(如駕車、公交等)，這些狀態(tài)持續(xù)期間通常會包含其它狀態(tài)，如等紅綠燈時靜止，因此只有持續(xù)較長時間(如5分鐘)未識別為原來的狀態(tài)才退出；

c.系統(tǒng)或應用退出。

最后是狀態(tài)維持。進入新的狀態(tài)之后，將一直維持該狀態(tài)，直到滿足退出條件。

接下來針對各種狀態(tài)，詳細描述其切換條件。

1)關于靜止狀態(tài)

從未知、步行、跑步等狀態(tài)到靜止狀態(tài)，只需要靜止狀態(tài)持續(xù)穩(wěn)定一段時間(如5-15秒)，即可確認切換到靜止狀態(tài)。

從駕車狀態(tài)到靜止狀態(tài)，為避免等紅綠燈這類情況下狀態(tài)變化，需要靜止的穩(wěn)定持續(xù)時間更長(如超過2分鐘)才會切換狀態(tài)。

從坐公交狀態(tài)到靜止狀態(tài)，通常不應該從坐公交狀態(tài)直接切換到靜止狀態(tài)，為避免異常情況，設置一個較長的確認時間即可(如5分鐘以上)。

2)關于步行、跑步狀態(tài)

從未知、靜止等狀態(tài)到步行或跑步狀態(tài)，只需步行或跑步狀態(tài)持續(xù)穩(wěn)定一段時間(如5-15秒)，即可確認切換到新狀態(tài)。

步行和跑步之間的切換，為避免像快走和慢跑等這類很接近的狀態(tài)導致狀態(tài)來回變化，步行與跑步之間的狀態(tài)切換需要的確認時間更長(如15-30秒)。

從駕車狀態(tài)到步行、跑步狀態(tài)，因駕車狀態(tài)較為復雜，而且駕車過程中經過顛簸道路時，有可能誤識別為步行等其它狀態(tài)，因此從駕車狀態(tài)切換到步行或跑步狀態(tài)，需要確保新狀態(tài)穩(wěn)定持續(xù)了較長時間(如30秒以上)。在駕車和步行之間通常存在停車靜止狀態(tài)(時間較短未切換到靜止)，如果步行狀態(tài)之前存在靜止狀態(tài)，可適當降低確認時間。為了確保準確性，還可以利用gps確認當前速度沒有超過步行的速度。

從坐公交狀態(tài)到步行、跑步狀態(tài)，乘坐公交時，因可能在車廂內走動，還可能站立，因此進入步行、跑步狀態(tài)需要確保新狀態(tài)持續(xù)較長時間(如30秒以上)。為了確保準確性，還可以利用gps確認當前速度沒有超過步行的速度。

3)關于駕車狀態(tài)

從未知、靜止狀態(tài)到駕車狀態(tài)，需要駕駛狀態(tài)穩(wěn)定持續(xù)較長的時間(如30秒以上)，且在確認期間開啟gps獲取當前速度，如果連續(xù)一段時間(如15秒內)速度太低(如小于10千米每小時)或無gps信號，則不進入駕車狀態(tài)。

從步行、跑步狀態(tài)到駕車狀態(tài)，進入的條件類似從未知或靜止進入駕車，但相比上一種情況，從步行或跑步到駕車狀態(tài)之間，剛進入車內還未開動時，通常會有一段時間的靜止狀態(tài)(時間太短未切換到靜止)，因此需額外再增加駕車狀態(tài)前的靜止狀態(tài)判斷，如不存在靜止狀態(tài)，需要適當增加確認時間。

從坐公交到駕車狀態(tài)，通常不允許從坐公交狀態(tài)直接切換為駕車狀態(tài)。

4)坐公交、地鐵

坐公交相比駕車是更復雜的狀態(tài)，因其狀態(tài)相對更不穩(wěn)定，比如乘客可坐可站，也可能頻繁操作移動終端等，因此僅僅通過初步識別的狀態(tài)結合wifi、gps等，還不足以準確識別，需要進一步結合公交站點及線路數(shù)據來進行判斷。

具體地，在本發(fā)明的可選實施例中，當基于移動終端的傳感器數(shù)據識別出用戶活動狀態(tài)為預設狀態(tài)時，獲取移動終端用戶所在的第一位置信息；隨后，將第一位置信息與公共交通站點和線路數(shù)據進行匹配，若匹配上，則在指定時長后獲取移動終端用戶所在的第二位置信息和移動速度；之后，將第二位置信息與公共交通站點和線路數(shù)據進行匹配，若匹配上，且移動速度符合預設條件，則確定用戶活動狀態(tài)為乘坐公共交通狀態(tài)。

在確定上述的指定時長時，若第一位置信息匹配上公共交通站點，則基于匹配上的公共交通站點的類型確定指定時長，其中，公共交通站點的類型包括起始站點、中間站點以及結束站點中任意之一；若第一位置信息匹配上公共交通線路，則基于匹配上的公共交通線路的相關信息確定指定時長，其中，公共交通線路的相關信息包括紅綠燈情況和/或實時路況。

從未知、步行、跑步狀態(tài)到乘坐公共交通狀態(tài)，上車時通常會識別為步行，因此從步行狀態(tài)切換為乘坐公共交通是進入乘坐公共交通狀態(tài)比較普遍的方式。在確認是否進入乘坐公共交通狀態(tài)期間，本發(fā)明實施例開啟移動終端上的gps，通過開啟的gps獲取移動終端用戶所在的第一位置信息。接著，將第一位置信息與公共交通站點和線路數(shù)據進行匹配，判斷當前是否在公共交通站點或其附近，或者是否沿公共交通線路行駛，若匹配上，則在指定時長后獲取移動終端用戶所在的第二位置信息和移動速度，若匹配上，且移動速度符合預設條件，則確定用戶活動狀態(tài)為乘坐公共交通狀態(tài)。

從靜止到乘坐公共交通狀態(tài)，通過定位位置結合公共交通站點和線路數(shù)據，判斷當前是否在公共交通站點附近及站點是否為始發(fā)站，如果不是從始發(fā)站上車，通常不會存在靜止狀態(tài)，即便存在，也可能持續(xù)時間很短，因此設定閾值，靜止時間超過閾值則不認為是乘坐公共交通狀態(tài)；如果是始發(fā)站，則該閾值可以設為較長的時間，同時還需要判斷靜止之前的歷史狀態(tài)，需存在步行狀態(tài)才可以識別為乘坐公共交通狀態(tài)。

在確定用戶活動狀態(tài)是否發(fā)生切換時，本發(fā)明實施例還可以基于移動終端的狀態(tài)變化來確定。具體地，當移動終端的狀態(tài)發(fā)生變化時，獲取移動終端上的用于識別用戶活動狀態(tài)的相關數(shù)據，并基于獲取的相關數(shù)據識別用戶活動狀態(tài)為待定活動狀態(tài)；接著，判斷在待定活動狀態(tài)之前是否存在已確定的第一活動狀態(tài)；若存在，則基于待定活動狀態(tài)與第一活動狀態(tài)，確定用戶的第二活動狀態(tài)。這里，移動終端的狀態(tài)發(fā)生變化可以是多種情況，例如，從移動終端的傳感器處讀取傳感器數(shù)據，若讀取的傳感器數(shù)據的振幅變化大于幅度閾值，則確定移動終端的狀態(tài)發(fā)生變化；又例如，當監(jiān)測到移動終端上的指定通信模塊接入相應協(xié)議類型的通信設備，則確定移動終端的狀態(tài)發(fā)生變化，等等，本發(fā)明實施例不限于此。

進一步，在基于待定活動狀態(tài)與第一活動狀態(tài)確定用戶的第二活動狀態(tài)時，若用戶活動狀態(tài)為待定活動狀態(tài)的持續(xù)時長大于時間閾值，則將待定活動狀態(tài)確定為用戶的第二活動狀態(tài)。若用戶活動狀態(tài)為待定活動狀態(tài)的持續(xù)時長小于時間閾值，則繼續(xù)監(jiān)測移動終端的狀態(tài)是否發(fā)生變化。

舉例來說，若從移動終端的傳感器處讀取傳感器數(shù)據，若讀取的傳感器數(shù)據的振幅變化大于幅度閾值，此時移動終端的狀態(tài)發(fā)生變化，則獲取移動終端上的用于識別用戶活動狀態(tài)的相關數(shù)據，并基于獲取的相關數(shù)據識別用戶活動狀態(tài)為待定活動狀態(tài)，具體為靜止狀態(tài)。若在靜止狀態(tài)之前存在已確定的第一活動狀態(tài)，具體為步行狀態(tài)。如果用戶活動狀態(tài)為靜止狀態(tài)的持續(xù)時長大于時間閾值(如15秒)，則確定用戶的第二活動狀態(tài)為靜止狀態(tài)。如果用戶活動狀態(tài)為靜止狀態(tài)的持續(xù)時長小于15秒，則繼續(xù)監(jiān)測移動終端的狀態(tài)是否發(fā)生變化。若監(jiān)測到移動終端上的指定通信模塊接入相應協(xié)議類型的通信設備，此時移動終端的狀態(tài)發(fā)生變化，則基于接入的通信設備的相關信息識別出用戶活動狀態(tài)為待定活動狀態(tài)，具體為駕車狀態(tài)。如果用戶活動狀態(tài)為駕車狀態(tài)的持續(xù)時長大于時間閾值(如30秒)，則確定用戶的第二活動狀態(tài)為駕車狀態(tài)。如果用戶活動狀態(tài)為駕車狀態(tài)的持續(xù)時長小于30秒，則繼續(xù)監(jiān)測移動終端的狀態(tài)是否發(fā)生變化，以此類推。

此外，本發(fā)明實施例還可以通過移動終端采集與識別的用戶的活動狀態(tài)信息相對應的時間信息。進一步，執(zhí)行步驟s104，根據歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點。相應地，在一個優(yōu)選的實施例中，可以基于歷史活動狀態(tài)信息集所收集的用戶活動狀態(tài)的類別和相應的時間信息，確定用戶活動狀態(tài)為靜止狀態(tài)的時間區(qū)間，進而，當?shù)竭_該時間區(qū)間時，獲取用戶所在的地理位置信息。比如，用戶a隨身攜帶的移動終端上的傳感器記錄了用戶a一天之內的活動狀態(tài)數(shù)據，根據該數(shù)據發(fā)現(xiàn)，用戶a晚上十點到次日早上七點的活動狀態(tài)為靜止狀態(tài)，在該時間區(qū)間內獲取用戶a的地理位置為“希格瑪大廈”，進而可以獲知用戶a有可能在“希格瑪大廈”居住。

進一步，執(zhí)行步驟s106，將篩選出的至少一個活動地點確定為用戶的常停留地點。在一個可選的實施例中，可以將獲取的用戶在靜止狀態(tài)的時間區(qū)間的地理位置信息所在地點作為用戶的常停留點，比如，在上述例子中，可以將“希格瑪大廈”作為用戶a的常停留地點。

此外，本發(fā)明實施例將篩選出的至少一個活動地點確定為用戶的常停留地點之后，還可以采用坐標和/或文字標簽的方式在移動終端的地圖中標記該常停留地點。進而，當接收到啟動地圖的指令時，用戶隨身攜帶的移動終端可以打開地圖界面，并在地圖界面上加載并顯示用戶在地圖上對常停留地點所作的相應標記。

具體地，當采用坐標和/或文字標簽的方式在移動終端的地圖中標記常停留地點時，可以首先確定常停留地點對應的經/緯度，進而以確定的經/緯度為坐標值，生成用戶常停留地點對應的坐標，進一步，利用建立的坐標標記常停留地點，如圖4所示。

此外，本發(fā)明實施例，在采用坐標和/或文字標簽的方式在移動終端上的地圖中標記常停留地點時，還可以獲取常停留地點對應的文字標簽。本發(fā)明實施例中，文字標簽可以包括建筑物名稱、為常停留地點生成的專屬名稱、用戶自定義名稱中的至少一項。進一步，利用設置的文字標簽標記常停留地點，如圖5所示，用戶a將其居住的“希格瑪大廈”在地圖的對應位置自定義標記為“溫馨小居”，以方便用戶a打開地圖時即可看到與其相關的常停留地點，而無需再次查找，節(jié)省用戶時間，提升用戶體驗。

更多地，當上述文字標簽包括專屬名稱時，在獲取常停留地點對應的文字標簽時，可以獲取預設的針對常停留地點的相關活動人物信息，進而，根據預設規(guī)則為常停留地點生成包含相關活動人物信息的專屬名稱。

此外，在確定了用戶的常停留點之后，本發(fā)明實施例還可以在搜索框中將這些常停留點作為搜索建議詞進行推薦，如圖6a和6b所示。在圖6a中，“輸入地點”所在位置為搜索框，“搜索發(fā)現(xiàn)”部分為推薦的常停留點，當光標置于“輸入地點”時，用戶點擊“北京郵電大學”，則將“北京郵電大學”復制到搜索框中，再點擊“搜索”按鈕就可以進行相關搜索。

在圖6b中，“我的位置”和“輸入終點”所在位置均為輸入框，“搜索發(fā)現(xiàn)”部分為推薦的常停留點，當光標置于“輸入終點”時，用戶點擊“小月河”，則將“小月河”復制到輸入框中，發(fā)起路線搜索。

在本發(fā)明的可選實施例中，還可以定時或不定時地向用戶推薦與這些常停留點相關的推薦信息，如商家信息、實時新聞等。此外，如果用戶的當前活動狀態(tài)為駕駛狀態(tài)，在為用戶推薦與常停留點相關的推薦信息時，可以為用戶推送當前位置與常停留地點間的路線及路況信息，還可以進一步地在移動終端的界面自動調起導航展示路線并顯示，更多地，還可以調起移動終端上的語音交互駕駛模式，等等。

本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，除了可以確定用戶的常停留地點外，還可以在確定常停留地點的過程中，獲取到用戶的具體活動狀態(tài)如靜止、步行、騎行、跑步、登山、駕車、坐公交、坐地鐵、坐火車等等時，進一步針對不同的用戶活動狀態(tài)提供相應的地圖內容。比如，當用戶活動狀態(tài)為步行狀態(tài)時，可以突出顯示包含購物、餐飲、衛(wèi)生間等信息的地圖內容；當用戶活動狀態(tài)為坐公交狀態(tài)時，可以突出顯示包含公交路線和站點等信息的地圖內容；當用戶活動狀態(tài)為駕車狀態(tài)時，可以突出顯示包含加油站、維修站、停車場等信息的地圖內容，等等。

此外，本發(fā)明實施例提供的方法，還可以在識別出的用戶活動狀態(tài)為靜止、步行、騎行、跑步、登山、坐公交、坐地鐵、坐火車等等時，能夠針對不同的用戶活動狀態(tài)結合歷史數(shù)據確定出不同的用戶行為，進而為其提供相應的推薦內容。例如，當用戶活動狀態(tài)為步行狀態(tài)時，可以結合用戶移動終端的歷史數(shù)據以及在該活動狀態(tài)時對應的時間信息確定用戶的具體行為。比如當確定用戶當前正在去往某家早餐店時，可以確定用戶此刻準備去吃早餐，進而為其推薦該家早餐店的熱門套餐以供用戶選擇等。

采用上述提供的基于移動終端的活動狀態(tài)處理方法，除了上述幾個例子外，還存在許多不同的應用場景?，F(xiàn)提供幾個具體的實施例對本發(fā)明實施例所提供的用于移動終端的用戶行為確定方法進行詳細闡述。

實施例一

本實施例以從用戶b隨身攜帶的移動終端上獲取到用戶b當前的速度為6km/h，且獲取到加速度傳感器數(shù)據軌跡圖7為例。如圖7所示，本例可以獲取到作用于移動終端的三個軸方向(x，y，z)的加速度(m/s²)。如圖7所示，三個軸方向(x，y，z)的加速度軌跡都處于比較平緩的狀態(tài)。進一步，提取當前獲取的加速度傳感器數(shù)據中的特征向量，并輸入從特征向量到用戶活動狀態(tài)的類別的分類模型。利用分類模型識別出當前的傳感器數(shù)據對應的用戶活動狀態(tài)的類別。本例中，結合用戶b移動終端的上述信息，可以識別出當前用戶b的活動狀態(tài)為步行。

在獲取到用戶b的活動狀態(tài)為步行時，進一步通過移動終端采集到當前的時間為早上八點，用戶b的當前位置為“希格瑪公寓”附近，且正在朝向“加州牛肉面”早餐店的方向運動。并且，通過用戶移動終端上的歷史軌跡可以看到該用戶通常在每天早上八點時對應的坐標均為“加州牛肉面”早餐店。

根據本發(fā)明提供的方法，可以將“加州牛肉面”確定為用戶b的常停留地點，進而，還可以在用戶b的移動終端地圖中為“加州牛肉面”作特殊標記，例如，將“加州牛肉面”的經/緯度標注在地圖上，還可以由用戶b自定義設置文字標簽進行標記，比如在“加州牛肉面”的對應坐標上標記“我的早餐小店”，以完成用戶b對常停留地點的自定義設置。

此外，本發(fā)明提供的方法在確定用戶b的常停留地點為“加州牛肉面”后，還可以定時或不定時地向用戶b推薦與“加州牛肉面”相關的推薦信息，比如，向用戶b推薦該店的優(yōu)惠活動及新品套餐等等。

實施例二

本實施例以用戶c隨身攜帶的移動終端所記錄的用戶c在不同時間段的活動狀態(tài)數(shù)據集為基礎，該數(shù)據集為用戶c的歷史活動狀態(tài)信息集。本例中，由用戶c的歷史活動狀態(tài)信息集可以獲知，用戶c每天晚上十點到次日早上七點均處于靜止狀態(tài)，并且，在該時間區(qū)間內獲取的用戶c的地理位置為“翠林小區(qū)”。進一步，結合用戶c移動終端的其他歷史數(shù)據進一步判斷，用戶c可能居住在“翠林小區(qū)”，進而，將“翠林小區(qū)”確定為用戶c的常停留地點，并在用戶c移動終端的地圖上進行標記，可以在“翠林小區(qū)”的對應坐標上標記為“家”。

本發(fā)明實施例，在移動終端的地圖上將“翠林小區(qū)”標記為常停留地點之后，若用戶c此時駕車回家，無需在行駛途中重新設定起始地點與目的地，只需打開地圖直接選擇地圖應用為其規(guī)劃好的當前位置與常停留地點間的行車路線即可，不僅為用戶提供了方便，更進一步保障了用戶的行車安全。

上文的實施例中所提供的結果僅僅為例舉，本發(fā)明實施例提供的基于移動終端的活動狀態(tài)處理方法還可以應用于其他不同場景中，上述實施例對其并未做具體限定，比如，采用本發(fā)明實施例提供的方法，還可以根據識別出的用戶的常留地點，結合移動終端已生成的歷史軌跡及其他信息，確定用戶相應的行為。進而，可以為用戶貼標簽，如上班族、吃貨、運動等，如圖8所示，并給用戶進行相應的信息推薦。

因此，采用本發(fā)明實施例所提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端隨時隨地地獲取用戶的活動狀態(tài)信息，實時性、準確性和全面性較強，其較現(xiàn)有技術中僅能通過移動終端獲取用戶的步數(shù)統(tǒng)計信息有了極大提高。同時，本發(fā)明實施例提供的方法，還可以基于移動終端獲取的多種用戶數(shù)據，在短時間內統(tǒng)計用戶的活動規(guī)律，進一步識別用戶的常停留地點。更多地，本發(fā)明實施例還可以根據識別的用戶常停留地點，結合大數(shù)據分析，為用戶設定基于常停留地點的實時提醒服務以及路線規(guī)劃等，更好地實現(xiàn)了用戶與移動終端之間的交互，為用戶提供了極大方便。

基于同一發(fā)明構思，本發(fā)明實施例還提供了一種基于移動終端的活動狀態(tài)信息處理裝置，圖9是根據本發(fā)明一個實施例的基于移動終端的活動狀態(tài)信息處理裝置的第一種示意性框圖。如圖9所示，基于移動終端的活動狀態(tài)信息處理裝置至少包括：

獲取模塊910，適于通過移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集；

篩選模塊920，與獲取模塊910耦合，適于根據歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點；

確定模塊930，與篩選模塊920耦合，適于將篩選出的至少一個活動地點確定為用戶的常停留地點。

在一個優(yōu)選的實施例中，如圖10所示，基于移動終端的活動狀態(tài)信息處理裝置還包括：

標記模塊940，與確定模塊930耦合，適于將篩選出的至少一個活動地點確定為用戶的常停留地點之后，采用坐標和/或文字標簽的方式在移動終端上的地圖中標記常停留地點；

加載及顯示模塊950，與標記模塊940耦合，適于當接收到啟動地圖的指令時，打開地圖界面，并在地圖界面上加載及顯示常停留地點對應的標記。

在一個優(yōu)選的實施例中，標記模塊940還適于：

確定常停留地點對應的經/緯度；

以經/緯度為坐標值，生成常停留地點對應的坐標；

利用建立的坐標標記常停留地點。

在一個優(yōu)選的實施例中，標記模塊940還適于：

獲取常停留地點對應的文字標簽，文字標簽包括建筑物名稱、為常停留地點生成的專屬名稱、用戶自定義名稱中的至少一項；

利用文字標簽標記常停留地點。

在一個優(yōu)選的實施例中，標記模塊940還適于：

獲取預設的針對常停留地點的相關活動人物信息；

根據預設規(guī)則為常停留地點生成包含相關活動人物信息的專屬名稱。

在一個優(yōu)選的實施例中，如圖11所示，基于移動終端的活動狀態(tài)信息處理裝置還包括生成模塊960，與獲取模塊910耦合，適于：

獲取預先訓練的活動分類模型，活動分類模型是以移動終端記錄的多個傳感器數(shù)據以及各數(shù)據分別對應的活動類型為樣本進行訓練的，傳感器數(shù)據包括由至少一種傳感器所記錄的數(shù)據；

讀取移動終端當前的傳感器數(shù)據，并根據活動分類模型確定讀取到的傳感器數(shù)據對應的第一活動類型；

獲取移動終端的通信環(huán)境信息；

根據通信環(huán)境信息對第一活動類型進行校正，得到校正后的第二活動類型；

根據第二活動類型、當前活動地點、當前所處的時間段中的至少一項生成歷史活動狀態(tài)信息集。

在一個優(yōu)選的實施例中，生成模塊960還適于：

判斷第一活動類型與通信環(huán)境信息是否相匹配；

若是，則確定第一活動類型即為第二活動類型；

若否，則根據第一活動類型以及通信環(huán)境信息重新確定第二活動類型。

此外，本發(fā)明實施例還提供了一種移動終端，如圖12所示，包括處理器1280和存儲器1220：

存儲器1220用于存儲執(zhí)行上述任意一個優(yōu)選的實施例或其組合所提供的基于移動終端的活動狀態(tài)信息處理方法的程序，

處理器1280被配置為用于執(zhí)行存儲器1220中存儲的程序。

為了便于說明，圖12僅示出了與本發(fā)明實施例相關的部分，具體技術細節(jié)未揭示的，請參照本發(fā)明實施例方法部分。該移動終端可以包括手機、平板電腦、pda(personaldigitalassistant，個人數(shù)字處理)、pos(pointofsales，銷售終端)、車載電腦等任意終端設備，以終端為手機為例：

圖12示出的是與本發(fā)明實施例提供的移動終端相關的手機的部分結構的框圖。參考圖12，手機包括：射頻(radiofrequency，rf)電路1210、存儲器1220、輸入單元1230、顯示單元1240、傳感器1250、音頻電路1260、無線保真(wirelessfidelity，wifi)模塊1270、處理器1280、以及電源1290等部件。本領域技術人員可以理解，圖12中示出的手機結構并不構成對手機的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。

下面結合圖12對手機的各個構成部件進行具體的介紹：

rf電路1210可用于收發(fā)信息或通話過程中，信號的接收和發(fā)送，特別地，將基站的下行信息接收后，給處理器1280處理；另外，將設計上行的數(shù)據發(fā)送給基站。通常，rf電路1210包括但不限于天線、至少一個放大器、收發(fā)信機、耦合器、低噪聲放大器(lownoiseamplifier，lna)、雙工器等。此外，rf電路1210還可以通過無線通信與網絡和其他設備通信。上述無線通信可以使用任一通信標準或協(xié)議，包括但不限于全球移動通訊系統(tǒng)(globalsystemofmobilecommunication，gsm)、通用分組無線服務(generalpacketradioservice，gprs)、碼分多址(codedivisionmultipleaccess，cdma)、寬帶碼分多址(widebandcodedivisionmultipleaccess,wcdma)、長期演進(longtermevolution，lte)、電子郵件、短消息服務(shortmessagingservice，sms)等。

存儲器1220可用于存儲軟件程序以及模塊，處理器1280通過運行存儲在存儲器1220的軟件程序以及模塊，從而執(zhí)行手機的各種功能應用以及數(shù)據處理。存儲器1220可主要包括存儲程序區(qū)和存儲數(shù)據區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需的應用程序(比如聲音播放功能、圖像播放功能等)等；存儲數(shù)據區(qū)可存儲根據手機的使用所創(chuàng)建的數(shù)據(比如音頻數(shù)據、電話本等)等。此外，存儲器1220可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態(tài)存儲器件。

輸入單元1230可用于接收輸入的數(shù)字或字符信息，以及產生與手機的用戶設置以及功能控制有關的鍵信號輸入。具體地，輸入單元1230可包括觸控面板1231以及其他輸入設備1232。觸控面板1231，也稱為觸摸屏，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板1231上或在觸控面板1231附近的操作)，并根據預先設定的程式驅動相應的連接裝置。可選的，觸控面板1231可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，并檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，并將它轉換成觸點坐標，再送給處理器1280，并能接收處理器1280發(fā)來的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實現(xiàn)觸控面板1231。除了觸控面板1231，輸入單元1230還可以包括其他輸入設備1232。具體地，其他輸入設備1232可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、鼠標、操作桿等中的一種或多種。

顯示單元1240可用于顯示由用戶輸入的信息或提供給用戶的信息以及手機的各種菜單。顯示單元1240可包括顯示面板1241，可選的，可以采用液晶顯示器(liquidcrystaldisplay，lcd)、有機發(fā)光二極管(organiclight-emittingdiode,oled)等形式來配置顯示面板1241。進一步的，觸控面板1231可覆蓋顯示面板1241，當觸控面板1231檢測到在其上或附近的觸摸操作后，傳送給處理器1280以確定觸摸事件的類型，隨后處理器1280根據觸摸事件的類型在顯示面板1241上提供相應的視覺輸出。雖然在圖12中，觸控面板1231與顯示面板1241是作為兩個獨立的部件來實現(xiàn)手機的輸入和輸入功能，但是在某些實施例中，可以將觸控面板1231與顯示面板1241集成而實現(xiàn)手機的輸入和輸出功能。

手機還可包括至少一種傳感器1250，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據環(huán)境光線的明暗來調節(jié)顯示面板1241的亮度，接近傳感器可在手機移動到耳邊時，關閉顯示面板1241和/或背光。作為運動傳感器的一種，加速計傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用于識別手機姿態(tài)的應用(比如橫豎屏切換、相關游戲、磁力計姿態(tài)校準)、振動識別相關功能(比如計步器、敲擊)等；至于手機還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器，在此不再贅述。

音頻電路1260、揚聲器1261，傳聲器1262可提供用戶與手機之間的音頻接口。音頻電路1260可將接收到的音頻數(shù)據轉換后的電信號，傳輸?shù)綋P聲器1261，由揚聲器1261轉換為聲音信號輸出；另一方面，傳聲器1262將收集的聲音信號轉換為電信號，由音頻電路1260接收后轉換為音頻數(shù)據，再將音頻數(shù)據輸出處理器1280處理后，經rf電路1210以發(fā)送給比如另一手機，或者將音頻數(shù)據輸出至存儲器1220以便進一步處理。

wifi屬于短距離無線傳輸技術，手機通過wifi模塊1270可以幫助用戶收發(fā)電子郵件、瀏覽網頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網訪問。雖然圖12示出了wifi模塊1270，但是可以理解的是，其并不屬于手機的必須構成，完全可以根據需要在不改變發(fā)明的本質的范圍內而省略。

處理器1280是手機的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執(zhí)行存儲在存儲器1220內的軟件程序和/或模塊，以及調用存儲在存儲器1220內的數(shù)據，執(zhí)行手機的各種功能和處理數(shù)據，從而對手機進行整體監(jiān)控?？蛇x的，處理器1280可包括一個或多個處理單元；優(yōu)選的，處理器1280可集成應用處理器和調制解調處理器，其中，應用處理器主要處理操作系統(tǒng)、用戶界面和應用程序等，調制解調處理器主要處理無線通信?？梢岳斫獾氖?，上述調制解調處理器也可以不集成到處理器1280中。

手機還包括給各個部件供電的電源1290(比如電池)，優(yōu)選的，電源可以通過電源管理系統(tǒng)與處理器1280邏輯相連，從而通過電源管理系統(tǒng)實現(xiàn)管理充電、放電、以及功耗管理等功能。

盡管未示出，手機還可以包括攝像頭、藍牙模塊等，在此不再贅述。

采用本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法及裝置能夠達到如下有益效果：

本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端中的一個或多個傳感器，獲取用于記錄用戶在不同時間段內的活動狀態(tài)的歷史活動狀態(tài)信息集。該歷史活動狀態(tài)信息集記錄了多種用戶的活動狀態(tài)，為后續(xù)針對性地篩用戶信息提供了必要基礎。進一步，根據獲取的歷史活動狀態(tài)信息集，從多個活動地點中篩選出活動類型屬于指定活動類型、且對應的時間段符合預設條件的至少一個活動地點。該篩選出的活動地點表明用戶經常性地在該地點活動，進而，將篩選出的至少一個活動地點確定為用戶的常停留地點。由此可知，本發(fā)明實施例提供的基于移動終端的活動狀態(tài)信息處理方法，可以通過用戶隨身攜帶的移動終端隨時隨地地獲取用戶的活動狀態(tài)信息，實時性、準確性和全面性較強，其較現(xiàn)有技術中僅能通過移動終端獲取用戶的步數(shù)統(tǒng)計信息有了極大提高。同時，本發(fā)明實施例提供的方法，還可以基于移動終端獲取的多種用戶數(shù)據，在短時間內統(tǒng)計用戶的活動規(guī)律，進一步識別用戶的常停留地點。更多地，本發(fā)明實施例還可以根據識別的用戶常停留地點，結合大數(shù)據分析，為用戶設定基于常停留地點的實時提醒服務以及路線規(guī)劃等，更好地實現(xiàn)了用戶與移動終端之間的交互，為用戶提供了極大方便。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。

類似地，應當理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如下面的權利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發(fā)明的單獨實施例。

本領域那些技術人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內并且形成不同的實施例。例如，在權利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(dsp)來實現(xiàn)根據本發(fā)明實施例的基于移動終端的活動狀態(tài)信息處理設備中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網網站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

例如，圖13示出了可以實現(xiàn)根據本發(fā)明的基于移動終端的活動狀態(tài)信息處理方法的計算設備的框圖。該計算設備傳統(tǒng)上包括處理器1310和以存儲器1320形式的計算機程序產品或者計算機可讀介質。存儲器1320可以是諸如閃存、eeprom(電可擦除可編程只讀存儲器)、eprom、硬盤或者rom之類的電子存儲器。存儲器1320具有存儲用于執(zhí)行上述方法中的任何方法步驟的程序代碼1331的存儲空間1330。例如，存儲用于程序代碼的存儲空間1330可以存儲分別用于實現(xiàn)上面的方法中的各種步驟的各個程序代碼1331。這些程序代碼可以從一個或者多個計算機程序產品中讀出或者寫入到這一個或者多個計算機程序產品中。這些計算機程序產品包括諸如硬盤，緊致盤(cd)、存儲卡或者軟盤之類的程序代碼載體。這樣的計算機程序產品通常為如參考圖14所示的便攜式或者固定存儲單元。該存儲單元可以具有與圖13的計算設備中的存儲器1320類似布置的存儲段、存儲空間等。程序代碼可以例如以適當形式進行壓縮。通常，存儲單元包括存儲有用于執(zhí)行根據本發(fā)明的方法步驟的計算機可讀程序代碼1331’，即可以由例如諸如1310之類的處理器讀取的程序代碼，當這些程序代碼當由計算設備運行時，導致該計算設備執(zhí)行上面所描述的方法中的各個步驟。

應該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

至此，本領域技術人員應認識到，雖然本文已詳盡示出和描述了本發(fā)明的多個示例性實施例，但是，在不脫離本發(fā)明精神和范圍的情況下，仍可根據本發(fā)明公開的內容直接確定或推導出符合本發(fā)明原理的許多其他變型或修改。因此，本發(fā)明的范圍應被理解和認定為覆蓋了所有這些其他變型或修改。