一种基于气压计码表的停车判定方法与流程

1.本发明属于健身设备检测技术领域，具体地说涉及一种基于气压计码表的停车判定方法。


背景技术：

2.骑行过程中，gps坐标、速度与停车状态并不是紧耦合的关系，在大多情况下，gps或速度并不能快速收敛，即停车后gps不能马上不再改变且速度也不能快速归零。基于此，单靠gps坐标和速度难以准确、快速的得到停车的真实时间。然而，停车状态的错误判断则会影响到位置、累计里程等参数，进而影响到产品体验效果。
3.因此，现有技术还有待于进一步发展和改进。


技术实现要素：

4.针对现有技术的种种不足，为了解决上述问题，现提出一种基于气压计码表的停车判定方法。本发明提供如下技术方案：
5.一种基于气压计码表的停车判定方法，包括：
6.分别获取骑行状态和停车状态时气压计在连续时间队列的气压值数据；
7.基于获取的气压值数据分别解算骑行状态和停车状态时的特征向量，构建特征空间，其中，特征向量包括中误差、梯度以及一阶差分均值；
8.基于构建特征空间解算特征空间划分向量，使骑行状态和停车状态的特征向量内积符号相反；
9.获取短时域内的实时气压值数据并缓存，基于缓存的气压值数据解算缓存的特征向量，将缓存的特征向量与特征空间划分向量取内积，基于内积的符号判定当前骑行或停车状态。
10.进一步的，基于获取的气压值数据解算骑行状态和停车状态时的特征向量θ
fea
，构建特征空间方法包括：获取连续时间队列内采集的气压值数据作为计算窗口[ap]n，基于标准差公式计算标准差σ
ap
，基于最小二乘法拟合解算窗口内气压值数据梯度k，基于一阶差分公式计算一阶差分均值输出结算后的特征向量得到该特征向量对应的特征空间其中，n表示采集连续时间队列的窗口长度，ap表示窗口中存储的气压序列。
[0011]
进一步的，计算窗口内气压值数据的标准差
[0012]
进一步的，基于最小二乘法拟合解算窗口内气压值数据梯度的方法包括：对连续
时间队列内的气压值数据[ap]n做线性近似，得到方程组当n大于2时，基于反算求解k和bias。
[0013]
进一步的，计算窗口内气压值数据的一阶差分均值
[0014]
进一步的，基于构建特征空间解算特征空间划分向量方法包括：
[0015]
定义在停车状态时骑行状态时即其中，0为停车状态，1为骑行状态，θ为特征划分向量；
[0016]
带入下方的损失函数内，批量循环进行数据导入，直至损失函数达到最小值或收敛于某个可接受的范围后，停止解算，得到类别划分向量θ，
[0017]
其中，c表示两个类别在特征空间的间距。
[0018]
进一步的，获取短时域内的实时气压值数据解算实时特征向量将缓存的类别划分向量θ与实时特征向量取内积运算，得到y，若y》1，则为骑行状态，若y《1，则为停车状态。
[0019]
一种码表设备，包括气压计、传感器、处理器及存储器，所述传感器与处理器通过通讯协议信号连接，所述气压计与处理器通过i2c/twi协议信号连接，所述存储器与处理器通过spi信号连接；
[0020]
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行基于气压计码表的停车判定方法。
[0021]
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现基于气压计码表的停车判定方法。
[0022]
一种电子终端，包括：处理器及存储器；
[0023]
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行基于气压计码表的停车判定方法。
[0024]
有益效果：
[0025]
1、由于单一的气压值无法作为特征数据，对短时域的气压值进行特征化，求解其中误差、梯度以及一阶差分的均值，基于此构成多维特征空间，通过识别气压特征，在特征空间中，对骑行状态(骑行或停车)进行划分，达到识别停车状态的目的；
[0026]
2、不借助其他传感设备，只利用气压计单传感器作为数据源，并对气压数据进行特征提炼，构建特征空间；
[0027]
3、大多数中低端码表都带有气压计，利用气压计的数据进行停车状态检验，可以在不外接其他传感器的前提下，对停车状态进行有效检测，降低健身车辆配置成本，拓展健身设备的功能，具有很高的市场推广价值；
[0028]
4、传统方法需要根据gps坐标和速度的收敛情况进行停车状态检验，两参数同时收敛的耗时极长，而利用气压计数据的特征，可以极快的达到收敛的效果；
[0029]
5、风噪声会给气压带来数值上的波动，本发明利用特征工程构建的特征空间，将骑行状态和静止状态的风噪声进行区分，极大地削减风噪声对停车状态的干扰。
附图说明
[0030]
图1是本发明具体实施例中一种基于气压计码表的停车判定方法流程示意图；
[0031]
图2是本发明具体实施例中静止 风噪声、骑行 风噪声、静止 无风噪声三种状态下的气压值数据图；
[0032]
图3是本发明具体实施例中气压值的梯度绝对值特征图；
[0033]
图4是本发明具体实施例中一阶差分低通采样特征图；
[0034]
图5是本发明具体实施例中以三维特征作为xyz三轴后将样本展示在特征空间的类别划分示意图；
[0035]
图6是本发明具体实施例中一种码表设备组成部分示意图；
[0036]
图7是本发明具体实施例中gps和速度收敛时间示意图；
[0037]
图8是本发明具体实施例中气压计收敛时间示意图。
具体实施方式
[0038]
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本技术保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。
[0039]
如图1所示，一种基于气压计码表的停车判定方法，包括：
[0040]
分别获取骑行状态和停车状态时气压计在连续时间队列的气压值数据；
[0041]
基于获取的气压值数据分别解算骑行状态和停车状态时的特征向量，构建特征空间，其中，特征向量包括中误差、梯度以及一阶差分均值；
[0042]
基于构建特征空间解算特征空间划分向量，使骑行状态和停车状态的特征向量内
积符号相反；
[0043]
获取短时域内的实时气压值数据并缓存，基于缓存的气压值数据解算缓存的特征向量，将缓存的特征向量与特征空间划分向量取内积，基于内积的符号判定当前骑行或停车状态。
[0044]
停车判定方法分为特征向量解算和实时检测两个部分，通过识别短时域内的气压计数据特征，可以对骑行的状态做出判断，并从中识别出停车的状态，以极小的时间延迟代价，得到停车的时间戳。由于gps和速度的收敛时间远大于本系统，因此在通过本系统得到停车时间后，码表会更快的终止对功率、位置坐标、速度等参数的解算，极大程度的削减停车延迟所带来的误差，提高解算精度和用户体验。
[0045]
特征向量解算：该阶段分别提取骑行和停车两种状态的气压计数据，并解算两种状态下气压数据的中误差、梯度以及一阶差分均值，基于这些特征构建特征空间(相当于将两种状态的气压值，转换到了另一个“坐标系”中)；并拟合出相应的划分向量，使得划分向量与两种状态下的特征向量的内积的正负号不同。
[0046]
实时检测：该过程会实时获取气压计数据，将短时域内的气压值进行缓存，求解缓存元素的中误差、梯度以及一阶差分均值，得到三维向量，该向量与上文中的特征划分向量取内积，根据取值判定骑行或停车的状态。
[0047]
如图2所示，为原始的气压值输入数据，基于获取的气压值数据解算骑行状态和停车状态时的特征向量θ
fea
，构建特征空间方法包括：获取连续时间队列内采集的气压值数据作为计算窗口[ap]n，基于标准差公式计算标准差σ
ap
，基于最小二乘法拟合解算窗口内气压值数据梯度k，基于一阶差分公式计算一阶差分均值输出结算后的特征向量得到该特征向量对应的特征空间其中，n表示采集连续时间队列的窗口长度，ap表示窗口中存储的气压序列。
[0048]
进一步的，计算窗口内气压值数据的标准差
[0049]
如图3所示，基于最小二乘法拟合解算窗口内气压值数据梯度的方法包括：对连续时间队列内的气压值数据[ap]n做线性近似，得到方程组当n大于2时，基于反算求解k和bias。
[0050]
进一步的，计算窗口内气压值数据的一阶差分均值差分结束后，进行低通采样得到如图4所示数据。
[0051]
进一步的，将样本展示在特征空间中，如图5所示，基于此，查找三类集合的最佳分类面便是识别停车状态的判断算法，因此，基于构建特征空间解算特征空间划分向量方法包括：
[0052]
定义在停车状态时骑行状态时即其中，0为停车状态，1为骑行状态，θ为特征划分向量；
[0053]
带入下方的损失函数内，批量循环进行数据导入，直至损失函数达到最小值或收敛于某个可接受的范围后，停止解算，得到类别划分向量θ，
[0054]
其中，c表示两个类别在特征空间的间距。
[0055]
进一步的，获取短时域内的实时气压值数据解算实时特征向量将缓存的类别划分向量θ与实时特征向量取内积运算，得到y，若y》1，则为骑行状态，若y《1，则为停车状态。风噪声会给气压带来数值上的波动，本发明利用特征工程构建的特征空间，将骑行状态和静止状态的风噪声进行区分，极大地削减风噪声对停车状态的干扰。
[0056]
如图6所示，一种码表设备，包括气压计、传感器、处理器及存储器，所述传感器与处理器通过通讯协议信号连接，所述气压计与处理器通过i2c/twi协议信号连接，所述存储器与处理器通过spi信号连接；
[0057]
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行基于气压计码表的停车判定方法。考虑到码表(这里指的是大多数中低端码表)都带有气压计，故提出了利用气压计的数据进行停车状态检验的方法，因此，该方案可以在不外接其他传感器的前提下，对停车状态进行有效检测。
[0058]
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现基于气压计码表的停车判定方法。
[0059]
一种电子终端，包括：处理器及存储器；
[0060]
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行基于气压计码表的停车判定方法。
[0061]
传统方法需要根据gps坐标和速度的收敛情况进行停车状态检验，两参数同时收敛的耗时极长；然而利用气压计数据的特征，可以极快的达到收敛的效果。实际停车的时间
点到gps数据稳定的时间，该段时间为gps收敛时间，如图7所示，收敛时间大于60秒，气压值特征解算稳定的时间为气压计收敛时间，如图8所示，在延迟10秒的情况下，气压计解算准确率在95％以上，gps收敛(残差小于10m)时间则大于60秒。在信号无遮挡情况下，gps、速度计收敛时间短为1-2秒；信号受遮挡情况下，gps、速度计收敛时间在半分钟以上。而本发明在无遮挡和信号遮挡情况下，收敛时间都在1-2秒的数量级。因此，本系统与gps和速度收敛相比，能够以极少的时间延迟，解算得到停车时间，提高位置定位、速度解算、里程累计等精度(包括需要停车时间参与解算的其他参数)；与基于加速度计的停车检验系统相比，不需要外接加速度设备，降低设备生产成本。
[0062]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
[0063]
以上已将本发明做一详细说明，以上所述，仅为本发明之较佳实施例而已，当不能限定本发明实施范围，即凡依本技术范围所作均等变化与修饰，皆应仍属本发明涵盖范围内。