对象位置引导方法及系统

摘要

本申请提供一种对象位置引导方法及系统，属于物联网技术领域。该方法可以包括：接收来自多个对象位置的探测数据；将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；将所述目标对象位置进行展示以对用户进行引导。在进行对象位置引导时，可以通过训练好的位置引导模型，可靠地对来自多个对象位置的探测数据进行分析，得到目标对象位置，进行用户引导；而且，分析过程是在本地边缘计算设备中进行，可以将计算分散在靠近探测数据的数据源的探测设备进行处理，实时性好、效率高、延迟短，而且还可以在没有网络或网络不佳的状况，提供计算能力。有效提升对象位置的引导能力及引导可靠性。

权利要求

1.一种对象位置引导方法，其特征在于，包括：接收来自多个对象位置的探测数据；

将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；

将所述目标对象位置进行展示以对用户进行引导。

2.根据权利要求1所述的方法，其特征在于，还包括：解析所述探测数据得到对象占用信息；

将所述对象占用信息同步至数字孪生系统，生成对象占用状态的数字孪生体；

将所述对象占用状态推送到预定展示位置进行展示。

3.根据权利要求1所述的方法，其特征在于，还包括：解析所述探测数据得到对象占用信息；

将所述对象占用信息同步至云端，以更新云端中的对象占用状态；

将所述对象占用状态推送到第二预定展示位置进行展示。

4.根据权利要求1所述的方法，其特征在于，还包括：解析所述探测数据得到对象占用信息；

将所述对象占用信息同步至规则引擎，以使得所述规则引擎根据所述对象占用信息确定所述对象达到预定条件时进行预警。

5.根据权利要求1所述的方法，其特征在于，还包括：在云端收集探测数据的样本训练集，所述样本训练集中的每个训练样本标定目标对象位置；

在云端将所述样本训练集中的训练样本输入所述引导模型中对所述引导模型进行训练；

在满足预设条件后，生成所述引导模型。

6.根据权利要求1所述的方法，其特征在于，所述接收来自多个对象位置的探测数据，包括：接收本地边缘计算设备中的LoRa核心网通过消息队列遥测传输协议分发的探测数据。

7.根据权利要求6所述的方法，其特征在于，还包括：本地边缘计算设备中的LoRa核心网接收多个所述对象位置的探测终端通过LoRaWAN协议传输的探测数据。

8.根据权利要求7所述的方法，其特征在于，还包括：获取探测终端绑定请求；

基于所述绑定请求，通过所述LoRa核心网进行所述探测终端的注册，得到注册结果；

将所述注册结果返回给所述探测设备以使得所述探测终端加入所述LoRa核心网。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述探测数据包括：红外探测数据及电热探测数据。

10.一种对象位置引导系统，其特征在于，包括：接收模块，用于接收来自多个对象位置的探测数据；

发送模块，用于将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；

引导模块，用于将所述目标对象位置进行展示以对用户进行引导。

说明书

对象位置引导方法及系统

技术领域

[0001] 本申请涉及物联网技术领域，具体而言，涉及一种对象位置引导方法及系统。

背景技术

[0002] 对象位置引导是根据对象的状态进行对象位置的智能引导，以为用户提供最优的对象位置，使得用户在最短的时间找到最满意的对象。目前，在对象位置引导时，存在通过wifi无线技术或有线技术，收集对象状态上云，通过显示屏显示状态的方法。这样存在对象位置引导时有很多数据的统计能力没有被有效的利用，且无本地处理能力，因此，存在对象位置引导时引导能力较弱，引导可靠性较差的问题。

[0003] 需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

[0004] 本申请实施例的目的在于提供一种对象位置引导方法及系统，其能够有效提升对象位置的引导能力及引导可靠性。

[0005] 根据本申请的一个实施例，一种对象位置引导方法可以包括：接收来自多个对象位置的探测数据；将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；将所述目标对象位置进行展示以对用户进行引导。

[0006] 根据本申请的一个实施例，一种对象位置引导系统可以包括：接收模块，用于接收来自多个对象位置的探测数据；发送模块，用于将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；引导模块，用于将所述目标对象位置进行展示以对用户进行引导。

[0007] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0008] 解析所述探测数据得到对象占用信息；

[0009] 将所述对象占用信息同步至数字孪生系统，生成对象占用状态的数字孪生体；

[0010] 将所述对象占用状态推送到预定展示位置进行展示。

[0011] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0012] 解析所述探测数据得到对象占用信息；

[0013] 将所述对象占用信息同步至云端，以更新云端中的对象占用状态；

[0014] 将所述对象占用状态推送到第二预定展示位置进行展示。

[0015] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0016] 解析所述探测数据得到对象占用信息；

[0017] 将所述对象占用信息同步至规则引擎，以使得所述规则引擎根据所述对象占用信息确定所述对象达到预定条件时进行预警。

[0018] 在本申请的一些实施例中，还包括：

[0019] 在云端收集探测数据的样本训练集，所述样本训练集中的每个训练样本标定目标对象位置；

[0020] 在云端将所述样本训练集中的训练样本输入所述引导模型中对所述引导模型进行训练；

[0021] 在满足预设条件后，生成所述引导模型。

[0022] 在本申请的一些实施例中，接收模块被配置为：

[0023] 接收本地边缘计算设备中的LoRa核心网通过消息队列遥测传输协议分发的探测数据。

[0024] 在本申请的一些实施例中，还包括：

[0025] 本地边缘计算设备中的LoRa核心网接收多个所述对象位置的探测终端通过LoRaWAN协议传输的探测数据。

[0026] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0027] 获取探测终端绑定请求；

[0028] 基于所述绑定请求，通过所述LoRa核心网进行所述探测终端的注册，得到注册结果；

[0029] 将所述注册结果返回给所述探测设备以使得所述探测终端加入所述LoRa核心网。

[0030] 在本申请的一些实施例中，基于前述的实施例，所述探测数据包括：

[0031] 红外探测数据及电热探测数据。

[0032] 根据本申请的另一实施例，一种对象位置引导终端可以包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行如上所述的方法。

[0033] 根据本申请的另一实施例，一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的方法。

[0034] 根据本申请的实施例，能够接收来自多个对象位置的探测数据；将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；将所述目标对象位置进行展示以对用户进行引导。

[0035] 在进行对象位置引导时，可以通过训练好的位置引导模型，可靠地对来自多个对象位置的探测数据进行分析，得到目标对象位置，进行用户引导；而且，分析过程是在本地边缘计算设备中进行，可以将计算分散在靠近探测数据的数据源的探测设备进行处理，而不必把所有数据回传云端处理，具有实时性好、效率高、延迟短等特性，而且还可以在没有网络或网络不佳的状况，提供计算能力。进而，有效提升对象位置的引导能力及引导可靠性。

[0036] 本申请的其他特征和优点将通过下面结合附图的详细描述变得显然，或部分地通过本申请的实践而习得。

[0037] 应当理解，以上的一般描述和后文的详细描述仅是示例性和解释性的，并不旨在限制本申请。

附图说明

[0038] 图1示出了可以应用本申请实施例的系统的示意图。

[0039] 图2示出了根据本申请的一个实施例的对象位置引导方法的流程图。

[0040] 图3示出了根据本申请实施例的一种应用场景下对象位置引导系统的架构示意图。

[0041] 图4示出了基于图3所示系统架构的一种应用场景下根据本申请实施例的探测终端绑定本地边缘计算设备的流程图。

[0042] 图5示出了基于图4所示实施例的一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0043] 图6示出了基于图4所示实施例的另一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0044] 图7示出了基于图4所示实施例的另一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0045] 图8示出了根据本申请的一个实施例的对象位置引导系统的框图。

[0046] 图9示出了根据本申请的一个实施例的电子设备的框图。

具体实施方式

[0047] 现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

[0048] 此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

[0049] 附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

[0050] 附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

[0051] 图1示出了可以应用本申请实施例的系统100的示意图。

[0052] 如图1所示，系统100可以包括本地边缘计算设备101、网络102、探测终端103。本地边缘计算设备101与探测终端103可以通过网络102进行通信，网络102可以是有线网络、无线网络等。本实例的实施方式中，可以基于LoRa无线技术进行通信。

[0053] 应该理解，图1中的本地边缘计算设备、网络等的数目仅仅是示意性的。根据实现需要，可以具有任意数目的本地边缘计算设备、网络。比如本地边缘计算设备101可以是多个服务器组成的服务器集群或者多个终端组成的区块链网络。

[0054] 可以使用本地边缘计算设备101通过网络102与探测终端103基于LoRa无线技术进行交互，以接收来自多个对象位置的探测终端103发送的探测数据。本地边缘计算设备101可以为具有计算处理能力的各种设备，包括但不限于服务器、个人计算机、手机等。本实例的实施方式中，本地边缘计算设备101为基于边缘计算的LoRa网关，该网关的架构可以包括：(1)物理硬件：边缘计算服务器的物理硬件，可以包括用于计算、存储、网络等功能的相关硬件，例如，CPU、内存、硬盘、网卡等硬件；(2)虚拟化模块：用于计算、网络、存储等能力的虚拟化，为计算平台提供虚拟化服务；(3)基础平台：可以包括数据库、应用服务、安全、管理监控等基础服务；(4)边缘计算平台：可以LoRa核心网、本地保活(数字孪生系统)、函数计算(规则引擎)、引导模型(人工智能模型)、区块链等边缘计算服务；(5)引导系统：可以基于LoRa核心网、本地保活、规则引擎、人工智能模型推理提供的数据和模型，为应用端提供本地服务，同时将相关的数据通过API的方式传输到云端。该基于边缘计算的LoRa网关，相较普通Lora网关，支持分布式部署，具备以下三个能力：采集边缘的数据(例如，基于LoRa核心网采集探测终端的探测数据)、智能运算的能力(例如，基于引导模型智能分析)和可执行的决策反馈(例如，基于规则引擎决策)。同时基于边缘计算与云计算最大的区别在于，边缘计算采用分布式计算架构，将计算分散在靠近数据源的近端设备进行处理，而不是把所有数据回传云端处理，具有实时性好、效率高、延迟短等特性，而且还可以在没有网络或网络不佳的状况，提供计算能力。

[0055] 在本申请的一个实施例中，本地边缘计算设备101可以接收来自多个对象位置的探测数据；将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；将所述目标对象位置进行展示以对用户进行引导。

[0056] 在本申请的一个实施例中，本地边缘计算设备101可以解析所述探测数据得到对象占用信息；将所述对象占用信息同步至数字孪生系统，生成对象占用状态的数字孪生体；将所述对象占用状态推送到预定展示位置进行展示。

[0057] 在本申请的一个实施例中，本地边缘计算设备101可以解析所述探测数据得到对象占用信息；将所述对象占用信息同步至云端，以更新云端中的对象占用状态；将所述对象占用状态推送到第二预定展示位置进行展示。

[0058] 在本申请的一个实施例中，本地边缘计算设备101可以解析所述探测数据得到对象占用信息；将所述对象占用信息同步至规则引擎，以使得所述规则引擎根据所述对象占用信息确定所述对象达到预定条件时进行预警。

[0059] 在本申请的一个实施例中，本地边缘计算设备101可以在云端收集探测数据的样本训练集，所述样本训练集中的每个训练样本标定目标对象位置；在云端将所述样本训练集中的训练样本输入所述引导模型中对所述引导模型进行训练；在满足预设条件后，生成所述引导模型。

[0060] 在本申请的一个实施例中，本地边缘计算设备101可以通过本地边缘计算设备中的LoRa核心网基于消息队列遥测传输协议分发探测数据。

[0061] 在本申请的一个实施例中，本地边缘计算设备101可以通过LoRa核心网接收多个所述对象位置的探测终端通过LoRaWAN协议传输的探测数据。

[0062] 在本申请的一个实施例中，本地边缘计算设备101可以获取探测终端绑定请求；基于所述绑定请求，通过所述LoRa核心网进行所述探测终端的注册，得到注册结果；将所述注册结果返回给所述探测设备以使得所述探测终端加入所述LoRa核心网。

[0063] 图2示意性示出了根据本申请的一个实施例的对象位置引导方法的流程图。该对象位置引导方法的执行主体可以是具有计算处理功能的电子设备，比如图1中所示的本地边缘计算设备101，具体地，可以由本地边缘计算设备101中的引导系统执行。如图2所示，该对象位置引导方法可以包括步骤S210至步骤S230。

[0064] 步骤S210，接收来自多个对象位置的探测数据；

[0065] 步骤S220，将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；

[0066] 步骤S230，将所述目标对象位置进行展示以对用户进行引导。

[0067] 下面描述对象位置引导时，所进行的各步骤的具体过程。

[0068] 在步骤S210中，接收来自多个对象位置的探测数据。

[0069] 对象可以是厕所坑位或者座位等对象；探测数据可以是通过探测终端探测的对象占用状态的相关数据，可以使用红外和电热相结合的双重探测技术进行探测得到探测数据，保证探测准确性。

[0070] 接收来自多个对象位置的探测数据可以是接收探测终端传输的探测有无人占用的相关数据，传输的方式可以是通过LoRa无线技术进行传输。

[0071] 通过接收来自多个对象位置的探测数据，可以用于进行对象状态的分析。

[0072] 一种实施例中，还包括本地边缘计算设备中的LoRa核心网接收多个对象位置的探测终端通过LoRaWAN协议传输的探测数据。

[0073] LoRa核心网可以负责LoRa节点设备(探测终端)的认证、绑定和解绑，节点设备的工作模式设置和修改，节点设备数据的加密和解密等。探测终端可以通过LoRaWAN协议将探测的探测数据传输至LoRa核心网，LoRa核心网置于本地边缘计算设备中，可以发挥LoRa低成本和广覆盖的特点和能力，安装单个本地边缘计算设备(Lora室内网关)，就可以低成本的覆盖较广的对象位置的探测终端。一个示例中，对象为楼宇内的厕所坑位，楼宇都有多个厕所，每个厕所坑位都分别部署探测终端，通过本地边缘计算设备基于设备中的LoRa核心网就可以覆盖楼宇三层空间的厕所坑位设置的探测终端，进而接收各个对象位置的探测数据。

[0074] 一种实施例中，基于前述实施例，还包括：

[0075] 获取探测终端绑定请求；

[0076] 基于绑定请求，通过LoRa核心网进行探测终端的注册，得到注册结果；

[0077] 将注册结果返回给探测设备以使得探测终端加入LoRa核心网。

[0078] 获取探测终端绑定请求可以是，接收注册请求方发送的绑定请求。一种示例中，小程序扫描探测终端上的二维码后，获取设备序列号(SN号)等标识，并将它传送给云端设备管理，使得云端设备管理基于标识发送探测终端的绑定请求。然后，根据接收到的绑定请求，可以通过本地边缘计算设备中的LoRa核心网，完成探测终端的注册，进而本地边缘计算设备可以基于LoRa核心网管理该探测终端。进而，将注册结果返回给探测设备，可以告知注册是否成功，如果成功的话，探测终端可以请求LoRa核心网，进而与本地本地边缘计算设备基于LoRa核心网进行通信。一种示例中，将注册结果返回给探测设备以使得探测终端加入LoRa核心网，可以是将注册结果返回给云端设备管理，云端设备管理通知小程序注册成功，UI进行展示；然后，探测设备上电，请求加入LoRa核心网，LoRa核心网检测到探测终端已经注册，则通过入网请求。

[0079] 一种实施例中，接收来自多个对象位置的探测数据，包括：

[0080] 接收本地边缘计算设备中的LoRa核心网通过消息队列遥测传输协议分发的探测数据。

[0081] 消息队列遥测传输协议MQTT是基于二进制消息的发布/订阅编程模式的消息协议，是一种低开销，低带宽占用的即时通讯协议。可以用极少的代码和带宽的为连接远程设备提供实时可靠的消息服务，可以在硬件性能低下的远程设备以及网络状况糟糕的环境下可靠工作。

[0082] 一种实施例中，探测数据包括：

[0083] 红外探测数据及电热探测数据。

[0084] 红外探测数据及电热探测数据可以是通过红外和电热结合方式得到探测对象位置的占用状态相关信息，可以提升对象状态探测正确率。采用电热加红外检测方案，相对于单纯红外的方案，精准度更高。因为红外方案，对于静止的事物都会误判，如果坑位中用户不动，红外会认为无人状态，显然这不符合场景应用。因而采用电热去感知人体热力图，辅助红外检测是否有运动物体，做到动静结合感知，感知范围大，检测精度更高。一种实施例中，通过验证，探测方式选用检测精度更高，范围更广的红外阵列检测Grid-EYE的方案。一种实施例中，红外探测数据及电热探测数据是对硬件采集的信息存在的噪点，在采集的数据过程中对采集到的原始环境数据做二乘拟合进行预处理得到的，保证分析准确性。一种实施例中，对探测终端要设置状态变化缓冲，例如，可以根据当探测到20秒有人才认为有人，40秒没人才认为没人设置状态变化缓冲。

[0085] 在步骤S220中，将探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置。

[0086] 位置引导模型是基于云端大数据分析和人工智能学习训练出来的模型，对对象的占用的数据信息快速推理，得到最优的对象位置引导信息，即目标目标对象位置。例如，通过云端大数据分析和人工智能模型训练出的模型可以根据在不同时段，不同位置，对象占用的时间长度等对象占用状态数据，当对象空闲时，智能推荐最近路线；当无空闲对象时，智能推算可能的对象。

[0087] 在进行对象位置引导时，可以通过训练好的位置引导模型，可靠地对来自多个对象位置的探测数据进行分析，得到目标对象位置，进行用户引导；而且，分析过程是在本地边缘计算设备中进行，可以将计算分散在靠近探测数据的数据源的探测设备进行处理，而不必把所有数据回传云端处理，具有实时性好、效率高、延迟短等特性，而且还可以在没有网络或网络不佳的状况，提供计算能力。进而，有效提升对象位置的引导能力及引导可靠性。

[0088] 一种实施例中，还包括：

[0089] 在云端收集探测数据的样本训练集，所述样本训练集中的每个训练样本标定目标对象位置；

[0090] 在云端将所述样本训练集中的训练样本输入所述引导模型中对所述引导模型进行训练；

[0091] 在满足预设条件后，生成所述引导模型。

[0092] 探测数据的样本是收集的不同对象的探测数据样本，每个样本标定对应的最优推荐的目标对象位置。在云端对相关数据进行存储、抽象和整理，使用云端强大的计算能力，对数据进行分析和训练，直到引导模型的满足预设条件(例如，推荐准确率高于预定阈值)，可以得到需求的引导模型。

[0093] 在步骤S230中，将目标对象位置进行展示以对用户进行引导。

[0094] 将目标对象位置进行展示可以是小程序、微博、web、公众号和显示屏等位置进行展示。可以通过调用云端或者边缘计算平台提供的接口来实现应用端展示的功能，满足对象位置的智能推荐和引导的能力，对用户进行有效、灵活地引导。

[0095] 一种实施例中，在接收来自多个对象位置的探测数据后，对象位置引导方法还包括：

[0096] 解析探测数据得到对象占用信息；

[0097] 将对象占用信息同步至数字孪生系统，生成对象占用状态的数字孪生体；

[0098] 将对象占用状态推送到预定展示位置进行展示。

[0099] 对象占用信息可以包括是否有人占用等。数字孪生系统是基于数字孪生技术的系统，数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生体是指与现实世界中的物理实体完全对应和一致的虚拟模型，其可实时模拟其在现实环境中的行为和性能，也称为数字孪生模型。数字孪生体(也可以称为本地保活)，可以基于对象占用信息的保存对象占用实时状态，可以和云端进行同步和更新。当云端连接断开时，在数字孪生体所在的位置也可以正常运行，给对象位置引导提供实时的数据变化和更新。通过数字孪生体可以将对象占用状态推送到本地显示屏等预定展示位置进行展示。

[0100] 数字孪生系统位于本地边缘计算设备中，可以在本地实时生成存储对象状态的数字孪生体。一个示例中，探测设备在对象位置持续探测数据，并将探测数据上行到本地边缘计算设备的LoRa核心网，LoRa核心网通过mqtt方式，将数据订阅分发到本地边缘计算设备的对象位置引导系统进行处理，对象位置引导系统进行数据解析，再进行同步数字孪生体坑位是否有人，最后数字孪生体将当前坑位状态发送到显示屏进行UI展示，进行用户引导。在本地边缘计算设备中，植入边缘计算和处理能力，对对象占用数据进行解析预处理和本地存储，可以实现区域自治。

[0101] 一种实施例中，在接收来自多个对象位置的探测数据后，对象位置引导方法还包括：

[0102] 解析探测数据得到对象占用信息；

[0103] 将对象占用信息同步至云端，以更新云端中的对象占用状态；

[0104] 将对象占用状态推送到第二预定展示位置进行展示。

[0105] 例如，探测设备持续探测数据，并将数据上行到LoRa核心网，LoRa核心网通过mqtt方式，将数据订阅分发到引导系统进行处理，引导系统进行数据解析，再进行上报云端设备管理对象占用信息，云端设备管理将当前坑位状态发送到小程序进行UI展示。

[0106] 一种实施例中，在接收来自多个对象位置的探测数据后，对象位置引导方法还包括：

[0107] 解析探测数据得到对象占用信息；

[0108] 将对象占用信息同步至规则引擎，以使得规则引擎根据对象占用信息确定对象达到预定条件时进行预警。

[0109] 规则引擎：可以设置探测设备与场景之间的联动关系，当达到触发条件会执行预设的动作。例如设置规则为连续1个小时对象位置探测有人，可以通知报警是否设备或者人员出现异常现象。进而，将对象占用信息同步至规则引擎，可以使得规则引擎根据对象占用信息确定对象达到预定条件时进行预警。

[0110] 图3示出了根据本申请实施例的一种应用场景下对象位置引导系统的架构示意图。

[0111] 参考图3所示，对象位置引导系统的架构包括设备端、本地边缘计算终端、云端及应用端。

[0112] 设备端：楼宇都有多个厕所，每个厕所坑位都分别部署探测终端。探测终端通过红外和电热结合方式，探测得到厕所坑位是否有人等探测数据，可以通过LoRaWAN协议将采集的数据传送到本地边缘计算设备。

[0113] 本地边缘计算终端：包括边缘计算平台及引导系统。

[0114] 边缘计算平台包括：LoRa核心网、本地保活(数字孪生系统)、函数计算(规则引擎)、引导模型(人工智能模型)等边缘计算服务；LoRa核心网：负责LoRa节点设备(厕所坑位探测终端)的认证、绑定和解绑，节点设备的工作模式设置和修改，节点设备数据的加密和解密等。本地保活：也可以称为数字孪生体，保存着厕所坑位探测终端的实时状态，可以和云端进行同步和更新，当云端连接断开时，本地也可以正常运行，给引导系统提供实时的数据变化和更新。规则引擎：设置厕所坑位探测终端与场景之间的联动关系，当达到触发条件会执行预设的动作，例如设置规则为连续1个小时坑位探测有人，可以通知报警是否设备或者人员出现异常现象。引导模型：基于云端大数据分析和人工智能模型训练出来的模型，对本地坑位占用的数据信息快速推理，得到最优的坑位引导信息，例如，通过云端大数据分析和人工智能模型训练出的模型是对于不同时段，不同位置，不同坑位占用的时间长度。当有空闲坑位时，智能推荐最近路线；当无空闲坑位时，智能推算可能的坑位。

[0115] 引导系统：可以基于LoRa核心网、本地保活、规则引擎、人工智能模型推理提供的数据和模型，为应用端提供本地服务，同时将相关的数据通过APi接口的方式传输到云端。单个本地边缘计算终端基于LoRa核心网可以覆盖三层楼宇空间，且在本地边缘端可以进行数据的预处理，规则路由、智能分析等边缘的计算。

[0116] 云端：包括云端设备管理、大数据分析和人工智能模型训练模块。云端设备管理：负责本地边缘计算设备的添加、删除和修改等功能；负责本地边缘计算设备间的通信和数据同步和交互；为应用端的小程序、web等提供相应的服务和能力。大数据分析和人工智能模型训练：收集所有厕所坑位探测终端上传上来的探测数据，对相关探测数据进行存储、抽象和整理，使用云端强大的计算能力，对探测数据进行分析和训练，得到需求的厕所坑位引导模型。

[0117] 应用端：主要包括四种展示形式，分别是小程序、微博、web、公众号和显示屏。通过调用云端或者边缘计算平台提供的接口API来实现应用的功能，满足厕所坑位智能推荐和引导的功能和能力。

[0118] 图4示出了基于图3所示系统架构的一种应用场景下根据本申请实施例的探测终端绑定本地边缘计算设备的流程图。

[0119] 参考图4所示，在对厕所坑位探测终端绑定至绑定本地边缘计算设备时，包括：

[0120] 步骤S410，小程序扫描厕所坑位探测终端上的二维码，获取设备序列号SN号，并将它传送给云端设备管理；

[0121] 步骤S420，云端设备管理基于SN号调用引导系统系统，请求绑定厕所坑位探测终端；

[0122] 步骤S430，引导系统通过LoRa核心网接口，完成厕所坑位探测终端的注册；

[0123] 步骤S440，引导系统将注册成功的结果返回给云端设备管理；

[0124] 步骤S450，云端设备管理通知小程序注册成功，UI进行展示；

[0125] 步骤S460，探测设备上电，请求加入LoRa核心网；

[0126] 步骤S470，LoRa核心网检测到探测设备已经注册，通过入网请求，完成厕所坑位探测终端绑定至绑定本地边缘计算设备。

[0127] 图5示出了基于图4所示实施例的一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0128] 参考图5所示，进行对象位置引导时，具体的，在厕所坑位引导时，包括：

[0129] 步骤S510，厕所坑位探测终端在坑位持续探测数据，并将数据上行到LoRa核心网；

[0130] 步骤S520，LoRa核心网通过mqtt方式，将数据订阅分发到引导系统；

[0131] 步骤S530，引导系统进行数据解析得到坑位占用信息，再进行上报云端设备管理坑位是否有人的当前坑位状态；

[0132] 步骤S540，云端设备管理将当前坑位状态发送到小程序进行UI展示，进行用户引导。

[0133] 图6示出了基于图4所示实施例的另一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0134] 参考图6所示，进行对象位置引导时，具体的，在厕所坑位引导时，包括：

[0135] 步骤S610，厕所坑位探测终端在坑位持续探测数据，并将数据上行到LoRa核心网；

[0136] 步骤S620，LoRa核心网通过mqtt方式，将数据订阅分发到引导系统；

[0137] 步骤S630，引导系统进行数据解析得到坑位占用信息，再进行同步本地保活坑位是否有人的当前坑位状态；

[0138] 步骤S640，本地保活将当前坑位状态发送到显示屏进行UI展示，进行用户引导。

[0139] 图7示出了基于图4所示实施例的另一种应用场景下根据本申请实施例的对象位置引导的流程图。

[0140] 参考图7所示，进行对象位置引导时，具体的，在厕所坑位引导时，包括：

[0141] 步骤S710，在云端大数据进行数据收集，使用人工智能进行引导模型训练，得到满足预定条件的引导模型后，云端将引导模型推送到边缘计算平台的人工智能模块。

[0142] 步骤S720，厕所坑位探测终端在坑位持续探测数据，并将数据上行到LoRa核心网；

[0143] 步骤S730，LoRa核心网通过mqtt方式，将数据订阅分发到引导系统；

[0144] 步骤S740，引导系统将数据推送到人工智能模块，进行引导模型的推理，得到最优的坑位推荐；

[0145] 步骤S750，引导系统获取最优的坑位推荐；

[0146] 步骤S760，引导系统将推荐结果推送到小程序和显示屏进行显示，进行用户引导。

[0147] 通过本申请的实施例，在厕所坑位引导时，发挥loRa技术低成本和广覆盖的特点和能力，安装单个本地边缘计算设备，就可以覆盖楼宇三层空间。厕所坑位探测终端使用红外和电热相结合的双重探测技术，有效提升厕所坑位探测正确率。在本地边缘计算设备中，植入边缘计算和处理能力，对厕所坑位占用数据进行预处理和本地存储，实现区域自治。厕所坑位占用时间等信息，再云端进行大数据、人工智能计算和分析，得出不同时段、不同场景下引导模型模型，将模型下发到本地边缘计算设备，实现厕所坑位实时动态的智能推荐和用户引导。

[0148] 图8示出了根据本申请的一个实施例的对象位置引导系统的框图。

[0149] 如图8所示，对象位置引导系统800可以包括接收模块810、发送模块820及引导模块830。接收模块810可以用于接收来自多个对象位置的探测数据；发送模块820可以用于将所述探测数据输入本地边缘计算设备中的位置引导模型中生成目标对象位置；引导模块830可以用于将所述目标对象位置进行展示以对用户进行引导。

[0150] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0151] 解析所述探测数据得到对象占用信息；

[0152] 将所述对象占用信息同步至数字孪生系统，生成对象占用状态的数字孪生体；

[0153] 将所述对象占用状态推送到预定展示位置进行展示。

[0154] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0155] 解析所述探测数据得到对象占用信息；

[0156] 将所述对象占用信息同步至云端，以更新云端中的对象占用状态；

[0157] 将所述对象占用状态推送到第二预定展示位置进行展示。

[0158] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0159] 解析所述探测数据得到对象占用信息；

[0160] 将所述对象占用信息同步至规则引擎，以使得所述规则引擎根据所述对象占用信息确定所述对象达到预定条件时进行预警。

[0161] 在本申请的一些实施例中，还包括：

[0162] 在云端收集探测数据的样本训练集，所述样本训练集中的每个训练样本标定目标对象位置；

[0163] 在云端将所述样本训练集中的训练样本输入所述引导模型中对所述引导模型进行训练；

[0164] 在满足预设条件后，生成所述引导模型。

[0165] 在本申请的一些实施例中，接收模块被配置为：

[0166] 接收本地边缘计算设备中的LoRa核心网通过消息队列遥测传输协议分发的探测数据。

[0167] 在本申请的一些实施例中，还包括：

[0168] 本地边缘计算设备中的LoRa核心网接收多个所述对象位置的探测终端通过LoRaWAN协议传输的探测数据。

[0169] 在本申请的一些实施例中，对象位置引导系统还被配置为：

[0170] 获取探测终端绑定请求；

[0171] 基于所述绑定请求，通过所述LoRa核心网进行所述探测终端的注册，得到注册结果；

[0172] 将所述注册结果返回给所述探测设备以使得所述探测终端加入所述LoRa核心网。

[0173] 在本申请的一些实施例中，基于前述的实施例，所述探测数据包括：

[0174] 红外探测数据及电热探测数据。

[0175] 应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

[0176] 图9示意性示出了根据本申请的一个实施例的电子设备的框图。

[0177] 需要说明的是，图9示出的电子设备900仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

[0178] 如图9所示，电子设备900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机存取存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线
904。

[0179] 以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN(局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分509经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质
911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

[0180] 特别地，根据本申请的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本申请的系统中限定的各种功能。

[0181] 需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

[0182] 附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0183] 描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

[0184] 作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。

[0185] 应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

[0186] 通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。

[0187] 本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

[0188] 应当理解的是，本申请并不局限于上面已经描述并在附图中示出的实施例，而可以在不脱离其范围的情况下进行各种修改和改变。