到达事件的确定方法及装置、电子设备、存储介质

技术领域

本说明书一个或多个实施例涉及通讯技术领域，尤其涉及一种到达事件的确定方法及装置、电子设备、存储介质。

背景技术

WiFi技术广泛应用于家庭、旅馆、咖啡馆、机场、商场等各类大型或小型建筑物内。针对该应用场景，可通过WiFi指纹数据来自动检测用户针对某一建筑的到达、离开等行为。以商圈POI(Point of Interest，兴趣点)为例，可通过商圈内某一实体门店的WiFi指纹数据来判断用户是否到店、离店等行为。

在相关技术中，商圈POI的WiFi指纹挂载主要依赖于人工专门采集，导致成本较高，且覆盖率低、精度低。

发明内容

有鉴于此，本说明书一个或多个实施例提供一种到达事件的确定方法及装置、电子设备、存储介质。

为实现上述目的，本说明书一个或多个实施例提供技术方案如下：

根据本说明书一个或多个实施例的第一方面，提出了一种无线信号的特征获取方法，应用于服务端；所述方法包括：

获取配送方在至少一个配送业务的执行过程中检测到的无线信号的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点；

识别所述信号特征集合中对应于物品领取阶段的目标特征子集，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段；

基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述识别所述信号特征集合中对应于物品领取阶段的目标特征子集，包括：

确定各个特征序列包含的特征值之间的相似度，并根据相似度对特征序列进行分布以得到所述信号特征集合的分布情况；其中，分布特征序列的密集程度与相应的相似度之间呈正相关；

根据所述分布情况确定所述信号特征集合中所包含的特征序列的密集程度最高的特征子集以作为所述目标特征子集。

可选的，

所述确定各个特征序列包含的特征值之间的相似度，并根据相似度对特征序列进行分布以得到所述信号特征集合的分布情况，包括：根据各个特征序列包含的特征值构成相应的特征矩阵，并计算各个特征矩阵之间的距离，以将相应的特征矩阵之间的距离在距离阈值内的特征序列建立关联关系；

所述根据所述分布情况确定所述信号特征集合中所包含的特征序列的密集程度最高的特征子集以作为所述目标特征子集，包括：根据建立出的关联关系进行构图得到网络图并确定所述网络图的社团，所述社团包含的特征序列构成所述目标特征子集。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征，包括：

从所述目标特征子集包含的特征序列中选取目标特征序列；

基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，特征序列记录有检测到的各个无线信号的信号标识与相应的特征值之间的映射关系；所述基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征，包括：

确定对应于所述领取地点的无线信号的目标信号标识；

根据所述目标特征序列记录的映射关系确定与所述目标信号标识对应的目标特征值；

基于所述目标特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，

还包括：获取所述配送方上报的对应于所述物品领取阶段的时间信息；

所述基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征，包括：在所述目标特征序列对应的检测周期与所述时间信息相匹配的情况下，基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，所述无线信号包括WiFi信号，所述配送方检测无线信号采用的特征维度包括WiFi指纹，所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。

根据本说明书一个或多个实施例的第二方面，提出了一种到达事件的确定方法，包括：

获取用户的客户端当前检测到的无线信号的信号特征；

获取如第一方面中任一项所述方法得到的对应于领取地点的无线信号的信号特征；

在所述客户端当前检测到的信号特征与对应于所述领取地点的无线信号的信号特征相匹配的情况下，确定所述用户发生针对所述领取地点的到达事件。

可选的，还包括：

在确定所述用户发生所述到达事件后，若所述客户端当前检测到的信号特征与对应于所述领取地点的无线信号的信号特征不相匹配，则确定所述用户发生针对所述领取地点的离开事件。

根据本说明书一个或多个实施例的第三方面，提出了一种无线信号的特征上传方法，应用于配送方；所述方法包括：

在配送业务的执行过程中检测无线信号得到相应的信号特征；

向服务端发送由在至少一个配送业务的执行过程中通过检测无线信号得到信号特征构成的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点，所述信号特征集合用于由所述服务端从中识别对应于物品领取阶段的目标特征子集，并基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段。

根据本说明书一个或多个实施例的第四方面，提出了一种无线信号的特征获取装置，应用于服务端；所述装置包括：

特征获取单元，获取配送方在至少一个配送业务的执行过程中检测到的无线信号的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点；

识别单元，识别所述信号特征集合中对应于物品领取阶段的目标特征子集，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段；

确定单元，基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述识别单元具体用于：

确定各个特征序列包含的特征值之间的相似度，并根据相似度对特征序列进行分布以得到所述信号特征集合的分布情况；其中，分布特征序列的密集程度与相应的相似度之间呈正相关；

根据所述分布情况确定所述信号特征集合中所包含的特征序列的密集程度最高的特征子集以作为所述目标特征子集。

可选的，

所述识别单元进一步用于：根据各个特征序列包含的特征值构成相应的特征矩阵，并计算各个特征矩阵之间的距离，以将相应的特征矩阵之间的距离在距离阈值内的特征序列建立关联关系；

根据建立出的关联关系进行构图得到网络图并确定所述网络图的社团，所述社团包含的特征序列构成所述目标特征子集。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述确定单元具体用于：

从所述目标特征子集包含的特征序列中选取目标特征序列；

基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，特征序列记录有检测到的各个无线信号的信号标识与相应的特征值之间的映射关系；所述确定单元进一步用于：

确定对应于所述领取地点的无线信号的目标信号标识；

根据所述目标特征序列记录的映射关系确定与所述目标信号标识对应的目标特征值；

基于所述目标特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，

还包括：信息获取单元，获取所述配送方上报的对应于所述物品领取阶段的时间信息；

所述确定单元进一步用于：在所述目标特征序列对应的检测周期与所述时间信息相匹配的情况下，基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，所述无线信号包括WiFi信号，所述配送方检测无线信号采用的特征维度包括WiFi指纹，所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。

根据本说明书一个或多个实施例的第五方面，提出了一种到达事件的确定装置，包括：

第一获取单元，获取用户的客户端当前检测到的无线信号的信号特征；

第二获取单元，获取如第一方面中任一项所述方法得到的对应于领取地点的无线信号的信号特征；

确定单元，在所述客户端当前检测到的信号特征与所述领取地点的无线信号的信号特征相匹配的情况下，确定所述用户发生针对所述领取地点的到达事件。

可选的，所述确定单元还用于：

在确定所述用户发生所述到达事件后，若所述客户端当前检测到的信号特征与对应于所述领取地点的无线信号的信号特征不相匹配，则确定所述用户发生针对所述领取地点的离开事件。

根据本说明书一个或多个实施例的第六方面，提出了一种无线信号的特征上传装置，应用于配送方；所述装置包括：

检测单元，在配送业务的执行过程中检测无线信号得到相应的信号特征；

发送单元，向服务端发送由在至少一个配送业务的执行过程中通过检测无线信号得到信号特征构成的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点，所述信号特征集合用于由所述服务端从中识别对应于物品领取阶段的目标特征子集，并基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段。

根据本说明书一个或多个实施例的第七方面，提出了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器通过运行所述可执行指令以实现如上述任一实施例中所述的方法。

根据本说明书一个或多个实施例的第八方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例中任一所述方法的步骤。

在本说明书的技术方案中，由配送方在执行配送业务的过程中检测无线信号的信号特征，该执行过程包括前往配送物品的领取地点的阶段、到达领取地点后领取配送物品的阶段和离开领取地点后对配送物品实施配送的阶段。基于无线信号在信号范围上的限制(超出一定范围则无法被检测到)，针对前往领取地点和离开领取地点后的阶段，配送方检测到的无线信号并非对应于领取地点的无线信号，而针对上述物品领取阶段，配送方则是处于领取地点，能够检测到对应于领取地点的无线信号。那么，在物品领取阶段内配送方检测到的无线信号的特征，则可以作为确定对应于领取地点的无线信号的信号特征的依据。因此，可获取配送方在至少一个配送业务(对应的配送物品来自同一领取地点)的执行过程中检测到的无线信号的信号特征集合，并从中识别出处于物品领取阶段的目标特征子集，进而基于所述目标特征子集确定对应于领取地点的无线信号的信号特征。

一方面，上述获取无线信号特征的过程并不需要配送员在使用配送方进行配送的过程中添加额外操作，由配送方上传检测到的信号特征即可，因此并不会影响配送员的正常配送过程，可在保证配送业务不被影响执行的前提下，避免人工专门检测信号特征，从而降低了成本，提高了检测效率。

另一方面，只要领取地点存在配送方执行的配送业务即可采用本说明书的特征获取方案来获取该领取地点的信号特征，也即本说明书的特征获取方案可覆盖所有存在配送业务的领取地点，从而提升了覆盖率。

附图说明

图1是一示例性实施例提供的一种无线信号的特征获取系统的架构示意图。

图2是一示例性实施例提供的一种无线信号的特征获取方法的流程图。

图3是一示例性实施例提供的一种到达事件的确定方法的流程图。

图4是一示例性实施例提供的一种无线信号的特征上传方法的流程图。

图5是一示例性实施例提供的一种门店WiFi指纹的挂载方法的流程图。

图6是一示例性实施例提供的一种基于特征序列构建的网络图的示意图。

图7是一示例性实施例提供的一种到店事件的判定方法的流程图。

图8是一示例性实施例提供的一种电子设备的结构示意图。

图9是一示例性实施例提供的一种无线信号的特征获取装置的框图。

图10是一示例性实施例提供的另一种电子设备的结构示意图。

图11是一示例性实施例提供的一种到达事件的确定装置的框图。

图12是一示例性实施例提供的另一种电子设备的结构示意图。

图13是一示例性实施例提供的一种无线信号的特征上传装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。

需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

请参见图1，图1是一示例性实施例提供的一种无线信号的特征获取系统的架构示意图。如图1所示，该系统可以包括服务器11、至少一个配送方(比如手机12-14等)和网络15。

服务器11可以为包含一独立主机的物理服务器，或者服务器11可以为主机集群承载的虚拟服务器。在运行过程中，服务器11可以运行某一应用的服务器侧的程序，以作为相应的服务端实现该应用的相关业务功能。比如，服务器11可运行配送业务平台的服务器侧程序，以实现为配送业务平台的服务端。

手机12-14表示用户可以使用的一种类型的电子设备。实际上，用户显然还可以使用诸如下述类型的电子设备：平板设备、笔记本电脑、掌上电脑(PDAs，Personal DigitalAssistants)、可穿戴设备(如智能眼镜、智能手表等)等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，该电子设备可以运行某一应用的客户端侧的程序，以实现该应用的相关业务功能。比如，手机12-14可运行配送业务平台的配送员侧程序，以实现为配送业务平台的配送方。

而对于手机12-14与服务器11之间进行交互的网络15，可以包括多种类型的有线或无线网络。比如，网络15可以包括公共交换电话网络(Public Switched TelephoneNetwork，PSTN)和因特网。其中，服务器11与手机12-14之间可以通过网络15建立长连接，使得服务器11与手机12-14之间通过该长连接来传输数据。

请参见图2，图2是一示例性实施例提供的一种无线信号的特征获取方法的流程图。如图2所示，该方法应用于服务端，可以包括以下步骤：

步骤202，获取配送方在至少一个配送业务的执行过程中检测到的无线信号的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点。

在本实施例中，用户可在电商平台上针对任意商品进行下单。在一些情况下，用户下单的商品需要从实体门店或仓库配送至用户所在地点。因此，需要配送业务平台(比如为电商平台或者其他与之合作的配送平台)针对配送物品生成相应的配送业务，并向配送方(配送员使用的客户端设备)分配该配送业务。配送员在承接配送业务后，前往配送物品的领取地点(比如为上述实体门店或者仓库)领取该配送物品，并在领取成功后将配送物品配送至用户所在地。

比如，在外卖场景下，由用户通过用户客户端(即配送对象)向外卖平台上的某一实体门店下单，由外卖平台生成相应的外卖订单后向配送方(该情况下为骑手使用的客户端设备)分配外卖订单，从而由骑手前往该实体门店(即配送物品的领取地点)领取外卖，并配送至用户指定的地点。又如，在快递场景下，针对仓库存放的配送物品，快递平台生成相应的快递订单后向配送方(该情况下为快递员使用的客户端设备)分配快递订单，从而由快递员前往仓库(即配送物品的领取地点)取货并配送至收件人(该情况下，收件人使用的客户端为配送对象)所在的地点。

可见，配送业务的执行过程包括前往配送物品的领取地点的阶段、到达领取地点后领取配送物品的阶段(即物品领取阶段)和离开领取地点后对配送物品实施配送的阶段。与此同时，领取地点存在对应的无线信号。比如，领取地点处配置有AP(WirelessAccessPoint，无线访问接入点)，配送方配置有WiFi模块，那么配送方可在一定范围内检测到从领取地点发射的WiFi信号。那么，可由配送方在执行配送业务的过程中检测无线信号的信号特征，基于无线信号在信号范围上的限制(超出一定范围则无法被检测到)，针对前往领取地点和离开领取地点后的阶段，配送方检测到的无线信号并非对应于领取地点的无线信号，而针对上述物品领取阶段，配送方则是处于领取地点，能够检测到对应于领取地点的无线信号。因此，在物品领取阶段内配送方检测到的无线信号的特征，可以作为确定对应于领取地点的无线信号的信号特征的依据。

当然，还可采用其他任意近距离通讯技术，只要具备“范围限制”的特点即可。比如，还可采用、IrDA(Infrared Data Association，红外数据组织)红外数据传输、ZigBee、NFC(Near Field Communication，近场通信)、UWB(Ultra WideBand，超宽频)、DECT(Digital Enhanced Cordless Telecommunications，数字增强无绳通信)等通讯技术。

需要说明的是，在构建信号特征集合时，可无需局限于一个配送业务，而是可覆盖多个配送业务，只要保证配送业务对应的配送物品均来自于同一领取地点即可，从而扩大信号特征集合的数据量，提高后续据此得到的针对该领取地点的信号特征的准确率。类似的，也可无需局限于同一配送方，而是可覆盖多个配送方，只要保证该多个配送方执行的配送业务对应的配送物品均来自于同一领取地点即可，从而使得信号特征集合覆盖多种不同类型的配送方(配送方的硬件性能存在差异)，提高得出的信号特征的准确率。举例而言，在外卖场景下，可选取针对同一实体门店的多个外卖订单(可由不同的骑手接单)来构建信号特征集合。类似的，在快递场景下，可选取针对同一仓库的多个快递订单(可由不同的快递员接单)来构建信号特征集合。

步骤204，识别所述信号特征集合中对应于物品领取阶段的目标特征子集，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段。

在本实施例中，信号特征集合在时间顺序上覆盖了配送员前往领取地点的阶段(下文称为前往阶段)、到达领取地点后领取配送物品的阶段(下文称为物品领取阶段)和离开领取地点后对配送物品实施配送的阶段(下文称为物品配送阶段)。换言之，信号特征集合包含配送方在前往阶段、物品领取阶段和物品配送阶段检测到的所有无线信号的信号特征。

其中，配送方可按照预设检测周期检测无线信号在预设特征维度上的特征值，由于同一时刻可能检测到多个不同的无线信号(即所处地点存在多个不同的无线信号)，检测得到的信号特征为一特征序列，该序列中包含同时检测到的所有无线信号在该特征维度上的特征值。相应的，由于信号特征集合覆盖整个配送业务的执行过程，信号特征集合可按照阶段被划分为分别对应于前往阶段、物品领取阶段和物品配送阶段的特征子集，而各个特征子集包含配送方在相应的阶段内检测到的特征序列。

进一步的，对于前往阶段和物品配送阶段，由于配送方在上述两阶段内均在不断移动且移动范围较大，导致配送方检测到的无线信号的特征值也随之频繁发生变化。而对于物品领取阶段，由于配送方处于领取地点内，无需不断移动且移动范围较小，导致配送方检测到的无线信号的特征值也随之较为稳定。因此，相比于前往阶段和物品配送阶段，在物品领取阶段中的各个检测周期内检测得到的特征序列之间的相似度更大。基于上述特点，可根据各个特征子集所包含的特征序列之间的相似度，识别信号特征集合中对应于物品领取阶段的目标特征子集。

作为一示例性实施例，可确定各个特征序列包含的特征值之间的相似度，并根据相似度对特征序列进行分布以得到信号特征集合的分布情况。其中，对特征序列进行分布的规则为：分布特征序列的密集程度与相应的相似度之间呈正相关；换言之，任意两特征序列之间的相似度越高，则被分布得越密集。然后，根据信号特征集合的分布情况(即特征序列的分布情况)确定信号特征集合中所包含的特征序列的密集程度最高的特征子集以作为目标特征子集。

比如，可采用距离衡量特征序列之间的相似度。具体而言，在确定信号特征集合的分布情况时，可根据各个特征序列包含的特征值构成相应的特征矩阵，并计算各个特征矩阵之间的距离，以将相应的特征矩阵之间的距离在距离阈值内的特征序列建立关联关系。其中，各个特征矩阵之间的距离可采用欧式距离、雅可比距离和余弦距离等等；当然，本说明书并不对此进行限制。相应的，在确定信号特征集合中的目标特征子集时，可先根据建立出的关联关系进行构图(将特征序列作为节点)得到网络图，然后确定该网络图的社团(Community)，那么社团包含的特征序列构成目标特征子集。

步骤206，基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征。

在本实施例中，在获得目标特征子集之后，可从目标特征子集包含的特征序列中选取目标特征序列，然后基于目标特征序列包含的无线信号的特征值表征对应于领取地点的无线信号的信号特征。其中，可结合最中心节点来选取目标特征序列。具体而言，可确定上述网络图的社团的最中心节点，然后以最中心节点为中心，按照预设距离向外扩张得到N个节点，该N个节点对应的特征序列为目标特征序列。进一步的，可对N个节点对应的特征序列记录的特征值计算平均特征值，然后采用平均特征值表征对应于领取地点的无线信号的信号特征。或者，可选取出N个节点对应的特征序列中出现频率最高的特征序列，然后采用该特征序列包含的特征值表征对应于领取地点的无线信号的信号特征。

需要说明的是，还可通过其他方式选取目标特征序列，本说明书并不对此进行限制。比如，可从目标特征子集中任意选取预设数量的特征序列作为目标特征序列。或者，可采用求平均值、加权平均、中位数等方式对目标特征子集包含的特征序列记录的特征值进行计算以得到目标特征序列。

在本实施例中，针对配送方检测到多个不同无线信号的情况，在创建特征序列时，在特征序列中记录配送方检测到的各个无线信号的信号标识与相应的特征值之间的映射关系。基于特征序列的上述数据格式，在表征对应于领取地点的无线信号的信号特征时，可先确定对应于领取地点的无线信号的目标信号标识，然后再根据目标特征序列记录的映射关系确定与目标信号标识对应的目标特征值，从而基于目标特征值表征对应于领取地点的无线信号的信号特征。通过上述表征方式，可避免领取地点附近的其他地点对应的无线信号的干扰，从而提高得到的信号特征的准确率。

在本实施例中，由于目标特征序列对应的时间信息理论上应当与物品领取阶段的时间信息相匹配，为了进一步提高表征信号特征的准确率，可将配送方上报的对应于物品领取阶段的时间信息作为校验标准，从时间维度对目标特征序列进行校验。具体而言，可获取配送方上报的对应于物品领取阶段的时间信息，从而在目标特征序列对应的检测周期与该时间信息相匹配的情况下，基于目标特征序列包含的无线信号的特征值表征对应于领取地点的无线信号的信号特征。

举例而言，配送方上报的对应于物品领取阶段的时间信息可以包括配送员通过配送方分别上传的到达领取地点的时刻和离开领取地点的时刻。以外卖场景为例，骑手可手动点击骑手客户端上的到店触发控件和离店触发控件，到店触发控件用于触发骑手客户端上报到店事件(记录有到店时刻)，离店触发控件用于触发骑手客户端上报离店事件(记录有离店时刻)。由于骑手手动点击到店触发控件和离店触发控件的时刻可能与实际发生到店事件和离店事件的时刻存在偏差(比如提前或者延迟)，可对此设置一阈值以减小上述偏差的影响。比如，承接于上述得到N个节点的举例，上述偏差关系为：骑手点击到店的时刻<实际在店时间段<骑手点击离店的时刻。针对该关系，若N个节点中超过阈值(比如90％、80％等)的节点对应的检测时刻(可通过检测周期得到)都位于上述“骑手点击到店的时刻～点击离店的时刻”这一时间段内，则判定目标特征序列校验通过。

在本实施例中，本说明书针对的无线信号包括WiFi信号。在该情况下，配送方检测无线信号采用的特征维度包括WiFi指纹，WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度(RSS)。

由上述实施例可见，一方面，上述获取无线信号特征的过程并不需要配送员在使用配送方进行配送的过程中添加额外操作，由配送方上传检测到的信号特征即可，因此并不会影响配送员的正常配送过程，可在保证配送业务不被影响执行的前提下，避免人工专门检测信号特征，从而降低了成本，提高了检测效率。另一方面，只要领取地点存在配送方执行的配送业务即可采用本说明书的特征获取方案来获取该领取地点的信号特征，也即本说明书的特征获取方案可覆盖所有存在配送业务的领取地点，从而提升了覆盖率；并且，便于更新领取地点的信号特征。

针对上述实施例中涉及配送的应用场景，存在获取配送业务执行进度的需求，从而可监控配送业务的执行情况，保证配送业务顺利进行，并且还可便于用户了解所下单的物品的物流情况。具体而言，在配送方针对配送业务的执行过程中，存在了解配送员是否到达领取地点以及后续是否离开领取地点的需求。比如，针对上述外卖场景，需了解骑手是否到店以及后续是否离店开始配送。针对上述快递场景，需了解快递员是否到达仓库以及后续是否离开仓库开始配送。除此之外，基于上述实施例得到的对应于领取地点的无线信号的信号特征，后续可通过该信号特征判断用户是否到达该领取地点。比如，实体门店除提供外卖服务以外，还提供到店消费的服务。用户可预先预定该到店消费服务，那么可通过该实体门店对应的无线信号的信号特征来判断该用户是否到店。

综上，可通过上述实施例得到的信号特征对需要前往领取地点的用户进行室内定位，从而判断该用户是否到达领取地点以及后续是否离开领取地点。下面结合图3进行说明。

请参见图3，图3是一示例性实施例提供的一种到达事件的确定方法的流程图。如图3所示，该方法应用于服务端，可以包括以下步骤：

步骤302，获取用户的客户端当前检测到的无线信号的信号特征。

在本实施例中，上述用户可以为外卖骑手、快递员、前往实体门店进行到店消费的客户等等。基于上述实施例得到的对应于领取地点的无线信号的信号特征，可获取上述用户当前检测到的无线信号的信号特征与之进行对比，从而判断上述用户是否到达领取地点。

步骤304，获取对应于领取地点的无线信号的信号特征。

在本实施例中，在通过上述实施例获得对应于领取地点的无线信号的信号特征后，可通过该信号特征维护指纹库作为判断标准；也即，指纹库中记录各个领取地点对应的无线信号的信号特征。那么，在获得用户当前检测到的无线信号的信号特征后，可在指纹库中进行匹配。若匹配命中某一领取地点，则判定该用户到达该领取地点。其中，匹配的过程与上述实施例类似，比如可计算用户当前检测到的无线信号的信号特征与指纹库记录的信号特征的相似度，然后与预设阈值进行比较，若相似度超过预设阈值，则判定两者相匹配。

步骤306，在所述客户端当前检测到的信号特征与对应于所述领取地点的无线信号的信号特征相匹配的情况下，确定所述用户发生针对所述领取地点的到达事件。

在本实施例中，在确定用户发生所述到达事件后，可进一步根据对应于领取地点的无线信号的信号特征，判定该用户是否离开该领取地点。具体而言，若该用户的客户端当前检测到的信号特征与对应于领取地点的无线信号的信号特征不相匹配，则确定用户发生针对该领取地点的离开事件。

对应于上述服务端侧的实施例，本说明书还提供了配送方侧的实施例，在服务端侧实施例中所涉及的描述同样可以适用于配送方侧的实施例，下文中不再对此进行赘述。

请参见图4，图4是一示例性实施例提供的一种无线信号的特征上传方法的流程图。如图4所示，该方法应用于配送方，可以包括以下步骤：

步骤402，在配送业务的执行过程中检测无线信号得到相应的信号特征。

步骤404，向服务端发送由在至少一个配送业务的执行过程中通过检测无线信号得到信号特征构成的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点，所述信号特征集合用于由所述服务端从中识别对应于物品领取阶段的目标特征子集，并基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段。

为了便于理解，下面结合应用场景对本说明书的技术方案进行详细说明。

请参见图5，图5是一示例性实施例提供的一种门店WiFi指纹的挂载方法的流程图。如图5所示，该方法应用于服务端，可以包括以下步骤：

步骤502，获取骑手在配送外卖订单的过程中采集到的多个特征序列。

在本实施例中，以外卖场景为例进行说明。对于待检测的某一实体门店的多个外卖订单，可分别获取承接其中各个外卖订单的骑手在配送过程中通过骑手客户端采集的WiFi信号的特征序列。比如，骑手客户端可每10秒采集一次检测到的WiFi信号的信号强度以生成特征序列。其中，特征序列的数据格式为：WiFi_id:rssi。WiFi_id为WiFi信号的信号标识，比如可采用发射WiFi信号的硬件设备的mac地址作为信号标识；rssi为信号强度。

步骤504，将特征序列转换为相应的特征矩阵。

步骤506，计算各个特征矩阵之间的距离。

步骤508，根据计算得到的距离建立特征序列之间的关联关系，并根据关联关系构建网络图。

步骤510，确定网络图的社团。

步骤512，选取目标特征序列。

举例而言，特征序列A为：WiFi_1:-80、WiFi_2:-90、WiFi_3:-80、WiFi_4:-60；特征序列B为：WiFi_1:-70、WiFi_2:-60、WiFi_3:-30、WiFi_4:-40。那么，可构建特征序列A的特征矩阵a：[-80,-90,-80,-60]，构建特征序列B的特征矩阵b：[-70,-60,-30,-40]，进而计算特征矩阵a和特征矩阵b之间的距离：[-80,-90,-80,-60]-[-70,-60,-30,-40]。

可设定距离阈值来判断两特征序列之间是否存在关联关系，对于任意两特征序列，若相应的特征矩阵之间的距离在距离阈值内，则将该两特征序列之间建立关联关系。而在根据关联关系进行构图时，网络图的节点用于表示特征序列，采用网络图的连边表示关联关系(若两特征序列之间存在关联关系，则相应的节点之间采用连边进行连接)。当然，距离阈值的具体取值可根据实际情况灵活设定，本说明书并不对此进行限制。

假定共获取10个特征序列，通过上述构图方式得到图6示出的网络图。如图6所示，每一个节点表示一个特征序列，每一个节点与其相邻的节点连接。其中，图中节点的连边数目小于等于k(k＝4)。

进一步的，可对网络图进行分解迭代以得到网络图的社团。信息网络、社会网络、生物网络等各类网络中会存在一些紧密连接的区域。这些区域(节点集)常对应某种功能，称为社团(Community)。检测网络中的社团等同于给节点集分组。模块度(Modularity)是一种常用的衡量节点分组质量的标准。模块度越高说明所检测到的社团越符合“内紧外松”的特征，分组质量越好。基于模块度的概念，可采用模块度最大值法(Modularitymaximization)来检测社团，该方法的目标是从所有可能的分组中找到使得模块度最大的分组。

还可通过k-core算法、机器学习算法中的聚类算法来确定网络图的社团。

k-Core算法是一种子图挖掘算法，用于寻找一个图中符合指定核心度的节点的集合，即要求每个节点至少与该子图中的其他k个节点相关联。以图G，核心度k为例，k-Core算法包括以下步骤：

步骤1：将图G中度数小于k的顶点全部移除，得到子图G'。

步骤2：将图G'中度数小于k的顶点全部移除，得到新子图G”；该子图G”就是最终k-Core划分的结果子图。

而对于聚类算法，可采用K-means算法、DBSCAN算法、高斯混合聚类等；当然，本说明书并不对此进行限制。

如图6所示，通过上述方式可得到社团P，社团P中包含节点61-64。进一步的，可确定社团P的最中心节点(中心性最高的节点，中心性的衡量指标为度，即连边的数目)，然后以最中心节点为中心，按照预设距离向外扩张得到N个节点，该N个节点对应的特征序列为目标特征序列。

步骤514，若与参考时间段相匹配，则转入步骤516；否则，返回步骤502。

在本实施例中，骑手可手动点击骑手客户端上的到店触发控件和离店触发控件，到店触发控件用于触发骑手客户端上报到店事件(记录有到店时刻)，离店触发控件用于触发骑手客户端上报离店事件(记录有离店时刻)。由于骑手手动点击到店触发控件和离店触发控件的时刻可能与实际发生到店事件和离店事件的时刻存在偏差(比如提前或者延迟)，可对此设置一阈值以减小上述偏差的影响。

举例而言，承接于上述得到N个节点的举例，参考时间段为骑手点击到店的时刻～点击离店的时刻。在该情况下，上述偏差关系为：骑手点击到店的时刻<实际在店时间段<骑手点击离店的时刻。针对该关系，若N个节点中超过阈值(比如90％、80％等)的节点对应的检测时刻(可通过检测周期得到)都位于上述参考时间段内，则判定目标特征序列校验通过。

步骤516，表征门店WiFi指纹。

承接于上述举例，可对N个节点对应的特征序列记录的特征值计算平均特征值，然后采用平均特征值表征门店WiFi指纹。或者，可选取出N个节点对应的特征序列中出现频率最高的特征序列，然后采用该特征序列包含的特征值表征门店WiFi指纹。

基于特征序列的上述数据格式，在表征门店WiFi指纹时，可先确定实体门店的WiFi信号的目标信号标识，然后再确定目标特征序列中与目标信号标识对应的目标特征值(信号强度)，从而基于目标特征值表征门店WiFi指纹。比如，目标特征序列为：WiFi_1:-80、WiFi_2:-90、WiFi_3:-80、WiFi_4:-60；实体门店的WiFi信号的WiFi_id为WiFi_3，那么采用WiFi_3:-80中记录的信号强度-80表征门店WiFi指纹。

请参见图7，图7是一示例性实施例提供的一种到店事件的判定方法的流程图。如图7所示，该方法应用于服务端，可以包括以下步骤：

步骤702，获取骑手客户端当前检测到的信号特征。

步骤704，获取门店WiFi指纹。

步骤706，若该信号特征与门店WiFi指纹相匹配，则转入步骤708；否则，转入步骤710。

在本实施例中，基于上述实施例得到的门店WiFi指纹，可获取骑手客户端当前检测到的无线信号的信号特征(比如采用信号强度表征)与之进行对比，从而判断骑手是否到达实体门店。

步骤708，判断骑手发生到店事件。

步骤710，判定骑手未到店。

在本实施例中，在通过上述实施例获得门店WiFi指纹后，可通过各个实体门店的门店WiFi指纹维护指纹库作为判断标准，也即指纹库中记录各个实体门店WiFi信号的信号特征。那么，在获得骑手客户端当前检测到的WiFi信号的信号强度后，可在指纹库中进行匹配。若匹配命中某一实体门店，则判定该骑手到达该实体门店。其中，匹配的过程与上述实施例类似，比如可计算骑手客户端当前检测到的WiFi信号的信号强度与指纹库记录的信号强度的相似度，然后与预设阈值进行比较，若相似度超过预设阈值，则判定两者相匹配。

步骤712，获取骑手客户端当前检测到的信号特征。

步骤714，若该信号特征与门店WiFi指纹相匹配，则转入步骤716；否则，转入步骤718。

步骤716，判定骑手未离店。

步骤718，判定骑手离店。

在本实施例中，在确定骑手到店(领取外卖需花费一定时间，或者可能存在等待外卖制作完成的情况)后，可进一步根据门店WiFi指纹判定该骑手是否离店。具体而言，若该骑手的客户端当前检测到的WiFi信号的信号强度与相应实体门店的门店WiFi指纹不相匹配，则确定骑手离店。

图8是一示例性实施例提供的一种电子设备的结构示意图。请参考图8，在硬件层面，该设备包括处理器802、内部总线804、网络接口806、内存808以及非易失性存储器810，当然还可能包括其他业务所需要的硬件。处理器802从非易失性存储器810中读取对应的计算机程序到内存808中然后运行，在逻辑层面上形成无线信号的特征获取装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

请参考图9，在软件实施方式中，该无线信号的特征获取装置应用于服务端，可以包括：

特征获取单元91，获取配送方在至少一个配送业务的执行过程中检测到的无线信号的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点；

识别单元92，识别所述信号特征集合中对应于物品领取阶段的目标特征子集，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段；

确定单元93，基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述识别单元92具体用于：

确定各个特征序列包含的特征值之间的相似度，并根据相似度对特征序列进行分布以得到所述信号特征集合的分布情况；其中，分布特征序列的密集程度与相应的相似度之间呈正相关；

根据所述分布情况确定所述信号特征集合中所包含的特征序列的密集程度最高的特征子集以作为所述目标特征子集。

可选的，

所述识别单元92进一步用于：根据各个特征序列包含的特征值构成相应的特征矩阵，并计算各个特征矩阵之间的距离，以将相应的特征矩阵之间的距离在距离阈值内的特征序列建立关联关系；

根据建立出的关联关系进行构图得到网络图并确定所述网络图的社团，所述社团包含的特征序列构成所述目标特征子集。

可选的，所述信号特征集合包含多个特征序列，所述多个特征序列通过按照预设检测周期检测各个无线信号在预设特征维度上的特征值得到；所述确定单元93具体用于：

从所述目标特征子集包含的特征序列中选取目标特征序列；

基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，特征序列记录有检测到的各个无线信号的信号标识与相应的特征值之间的映射关系；所述确定单元93进一步用于：

确定对应于所述领取地点的无线信号的目标信号标识；

根据所述目标特征序列记录的映射关系确定与所述目标信号标识对应的目标特征值；

基于所述目标特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，

还包括：信息获取单元94，获取所述配送方上报的对应于所述物品领取阶段的时间信息；

所述确定单元93进一步用于：在所述目标特征序列对应的检测周期与所述时间信息相匹配的情况下，基于所述目标特征序列包含的无线信号的特征值表征对应于所述领取地点的无线信号的信号特征。

可选的，所述无线信号包括WiFi信号，所述配送方检测无线信号采用的特征维度包括WiFi指纹，所述WiFi指纹包括WiFi信号的多径结构和/或WiFi信号的信号强度。

图10是一示例性实施例提供的一种电子设备的结构示意图。请参考图10，在硬件层面，该设备包括处理器1002、内部总线1004、网络接口1006、内存1008以及非易失性存储器1010，当然还可能包括其他业务所需要的硬件。处理器1002从非易失性存储器1010中读取对应的计算机程序到内存1008中然后运行，在逻辑层面上形成到达事件的确定装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

请参考图11，在软件实施方式中，该到达事件的确定装置可以包括：

第一获取单元1101，获取用户的客户端当前检测到的无线信号的信号特征；

第二获取单元1102，获取如第一方面中任一项所述方法得到的对应于领取地点的无线信号的信号特征；

确定单元1103，在所述客户端当前检测到的信号特征与所述领取地点的无线信号的信号特征相匹配的情况下，确定所述用户发生针对所述领取地点的到达事件。

可选的，所述确定单元1103还用于：

在确定所述用户发生所述到达事件后，若所述客户端当前检测到的信号特征与对应于所述领取地点的无线信号的信号特征不相匹配，则确定所述用户发生针对所述领取地点的离开事件。

图12是一示例性实施例提供的一种电子设备的结构示意图。请参考图12，在硬件层面，该设备包括处理器1202、内部总线1204、网络接口1206、内存1208以及非易失性存储器1210，当然还可能包括其他业务所需要的硬件。处理器1202从非易失性存储器1210中读取对应的计算机程序到内存1208中然后运行，在逻辑层面上形成无线信号的特征上传装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

请参考图13，在软件实施方式中，该无线信号的特征上传装置应用于配送方，可以包括：

检测单元1301，在配送业务的执行过程中检测无线信号得到相应的信号特征；

发送单元1302，向服务端发送由在至少一个配送业务的执行过程中通过检测无线信号得到信号特征构成的信号特征集合，所述至少一个配送业务对应的配送物品来自同一领取地点，所述信号特征集合用于由所述服务端从中识别对应于物品领取阶段的目标特征子集，并基于所述目标特征子集确定对应于所述领取地点的无线信号的信号特征，所述物品领取阶段为在所述执行过程中从所述配送方到达所述领取地点后到所述配送方离开所述领取地点之前的阶段。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。