一种实时动态高精度步行导航方法、装置及相关组件

技术领域

本发明涉及导航技术领域，特别涉及一种实时动态高精度步行导航方法、装置及相关组件。

背景技术

日常工作和生活中，无论是商务拜访还是私人聚会，人们在室内空间活动的时间远远大过在室外停留的时间。尤其是在城市中心区的大型室内场所(如超大规模的购物广场、交通枢纽和城市综合体等)，常常会迷失方向而难以找到自己想去的目的地(如商铺、餐厅等)。一般场所内提供的导向牌大多只能让用户在原地查询场所地图、在脑中记下前往目的地的路线。有些场所的查询设备会提供打印服务，输出一张路线提示的小纸条供用户随身携带查阅，但纯文字的描述，包括附带的微缩平面图仍然不够直观方便，在复杂的环境中并不能高效引导用户顺利到达自己的目的地。虽然当前存在较多关于室内导航的技术方案，但均存在一定的缺陷，导致导航效果不理想。

例如基于场所内设置的大量信息查询终端提供的原地指路服务，用户在一台具有场所设施信息的终端上查询想去的目标位置，从终端获取路线。然而由于终端的设置在物理上是固定在一点的，用户只能记住路线的信息。部分高级的解决方案，如上文提到的，能打印出指路信息并能提供用户在每一台终端上重新获取最新的指路信息。然而，该类解决方案终究伴随着高昂的终端安装、维护费用，使用者也必须依赖于亲自走到一台终端前进行查询操作。安装在公共场所的终端被来往的人员轮番使用也伴随着公共卫生保障的挑战。

又例如基于智能手机App提供的模拟导航指路服务，该方案近似于将上述终端查询的指路信息移植到手机程序上，用户可以在程序中设置自己的起点和终点，程序则会播放出一段纯模拟的逐向导航动画。然而，模拟导航不具有实时性。逐向播报完全基于一个由系统事前设定的平均速度控制图标移动，可以实现路线模拟，但使用者并不能让导航App适应自己的步伐，实现精准匹配的高精度实时步行导航效果。

再例如基于智能手机App和在室内场所设置的大量无线信标(如Beacon)，通过无线通信定位技术以判断用户在室内场所的具体位置。如果信标布置与算法被最大优化，该方案能实现较好精度的实时导航，然而对于提供该服务的场所来说，大量的信标需求对于整套系统的部署与维护带来了巨大的成本和复杂程度，而且不同信标之间的信号相互干扰也会不同程度地影响到用户的实际体验。

还例如基于智能手机App的街景VR/AR导航，此呈现方式需要用户实时观看屏幕以便App通过手机相机捕捉到四周的场景来实现定位。用户在步行中长时间观看手机有潜在的不安全因素。这种导航方式对于前期街景地图数据的获取与制作不仅带来巨大的时间和经济成本，也对智能手机的性能与功耗提出了更高的需求。

发明内容

本发明实施例提供了一种实时动态高精度步行导航方法、装置、计算机设备及存储介质，旨在提高对于室内步行导航的导航精度。

第一方面，本发明实施例提供了一种实时动态高精度步行导航方法，包括：

获取用户在室内场所的起始位置和目标位置；

根据所述起始位置和目标位置生成包含至少一个特征点的最佳步行路线；

当所述用户根据所述最佳步行路线行进时，获取用户的位移信息；

根据所述位移信息对所述最佳步行路线进行修正优化，直至用户到达所述目标位置。

第二方面，本发明实施例提供了一种实时动态高精度步行导航装置，包括：

第一获取单元，用于获取用户在室内场所的起始位置和目标位置；

第一生成单元，用于根据所述起始位置和目标位置生成包含至少一个特征点的最佳步行路线；

第二获取单元，用于当所述用户根据所述最佳步行路线行进时，获取用户的位移信息；

第一修正单元，用于根据所述位移信息对所述最佳步行路线进行修正优化，直至用户到达所述目标位置。

第三方面，本发明实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的实时动态高精度步行导航方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的实时动态高精度步行导航方法。

本发明实施例提供了一种实时动态高精度步行导航方法、装置、计算机设备及存储介质，该方法包括：获取用户在室内场所的起始位置和目标位置；根据所述起始位置和目标位置生成包含至少一个特征点的最佳步行路线；当所述用户根据所述最佳步行路线行进时，获取用户的位移信息；根据所述位移信息对所述最佳步行路线进行修正优化，直至用户到达所述目标位置。本发明实施例通过为用户生成在室内场所的最佳步行导航路线，并根据用户的位移信息对最佳步行导航路线进行修正优化，以达到提高室内步行导航的导航精度的效果。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种实时动态高精度步行导航方法的流程示意图；

图2为本发明实施例提供的一种实时动态高精度步行导航方法的子流程示意图；

图3为本发明实施例提供的一种实时动态高精度步行导航装置的示意性框图；

图4为本发明实施例提供的一种实时动态高精度步行导航装置的子示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

下面请参见图1，图1为本发明实施例提供的一种实时动态高精度步行导航方法的流程示意图，具体包括：步骤S101～S104。

S101、获取用户在室内场所的起始位置和目标位置；

S102、根据所述起始位置和目标位置生成包含至少一个特征点的最佳步行路线；

S103、当所述用户根据所述最佳步行路线行进时，获取用户的位移信息；

S104、根据所述位移信息对所述最佳步行路线进行修正优化，直至用户到达所述目标位置。

本实施例中，当用户位于室内场所时首先获取用户的起始位置，即出发的起点，和获取用户的目标位置，即抵达的终点，然后根据所述起始位置和目标位置生成最佳步行路线，使用户可以根据所述最佳步行路线从起始位置步行至目标位置，并且所述最佳步行路线中包含了便于用户识别的至少一个特征点，例如商场内的店铺名称等等。当用户根据最佳步行路线开始前往目的地时，将用户的位移信息与最佳步行路线进行比较判断，以确定用户是否还处于最佳步行路线上，并在用户偏离最佳步行路线时，对最佳步行路线进行实时的修正优化，以确保用户可以根据修正优化后的最佳步行路线顺利到达目标位置。另外，本实施例所述的室内场所包括但不限于商场、停车场、室内体育场等室内场所，还可以指代相邻的室内场所之间的可以步行的空间，例如两栋大楼之间的步行空间等，所述的特征点是指室内场所内具有通行功能或参照意义且位置不易被改变的设施、地标(包括但不仅限于：大门、路口、楼梯口、电梯口、扶梯入口、扶梯出口、商铺门口等等)。

本实施例提供的步行导航方法具有简便、高精度、实时等优点，有别于目前市面上所见的“模拟导航”，本实施例提供的步行导航方法基于目前智能手机普遍配置的指南针和加速度计等常见传感器数据，配以多重的方位与距离值解算方法，以及对可能的累积误差的及时修正方案，能够实现亚米级精度的实时步行逐向导航(turn-by-turn navigation)要求，进而提高在室内导航的导航精度。

进一步的，当用户根据最佳步行路线开始移动时，提供与用户移动速度相匹配的导航指引，例如图标移动速度与语音播报时机等，引导用户便捷顺畅地步行至下一特征点或者目标位置。

在一实施例中，所述步骤S101包括：

获取用户在室内场所的当前位置，确定距离所述当前位置最近的起始特征点，并将所述起始特征点作为用户的起始位置；

获取用户待到达的位置，确定距离所述待到达的位置最近的终止特征点，并将所述终止特征点作为用户的目标位置。

本实施例中，将距离用户当前位置最近的起始特征点作为用户的起始位置，以及将距离用户待到达的位置最近的终止特征点作为用户的目标位置。而用户的当前位置和待到达的位置可以由用户自主申报获取，也可以在用户允许的情况下主动获取。例如在卫星定位信号足够强的户外(如场所的大门口、场所的空中花园或者室内靠近窗口的位置等)自动识别出用户所在的当前位置；或者是根据用户的终端与无线通信室内分布天线的连接自动获得的用户所在位置；又或者是扫描在室内场所内张贴的“定位二维码”，该二维码具备独立的编码，映射至该二维码对应的具体位置。在一具体应用场景，如果距离用户的当前位置最近的起始特征点与距离用户的待到达的位置最近的终止特征点为同一特征点时，则可以将距离用户的当前位置第二近的起始特征点作为用户的起始位置，以及将距离用户的待到达的位置第二近的终止特征点作为用户的目标位置，以此生成最佳步行路线。当然，如果用户的当前位置和待到达的位置之间距离较近，则可以提示用户注意观察四周，或者通过语音提示用户目标位置即在周围等，引导用户顺利到达。

在一实施例中，所述步骤S102包括：

获取用户所在室内场所内的所有特征点，并对每一特征点设置识别编号；

连接相邻的特征点构成对应的特征边，并根据特征点的属性为对应的特征边赋予对应的属性；

将每一特征边的属性量化为权重，然后以所述起始位置为起点、以所述目标位置为终点，基于A星算法并根据每一特征边的权重生成最佳步行路线。

本实施例中，为了生成最佳步行路线，可以先获取用户所在室内场所内的所有特征点，例如该室内场所内具有通行功能或参照意义且位置不易被改变的设施、地标(包括但不仅限于：大门、路口、楼梯口、电梯口、扶梯入口、扶梯出口、商铺门口等等)，并为每一特征点设置独立的识别编号，还可以设置对应的空间坐标以及与其他该类设施、特征点是否相邻的信息等。两两特征点之间连接构成对应的特征边，并对特征边赋予相应的属性，例如，如果特征边代表了可以步行来往的两点，则会记录两点间的实际步行距离，如果特征边代表了一段扶梯，则会记录扶梯的方向、扶梯的长度、以及扶梯的运行速度(如果可用)；如果特征边代表了一段垂直电梯，可通过现场分时段勘查统计，也可通过场所管理处提供的运营数据记录平均乘梯时间和平均等候时间。

上述特征边的属性将会被转化成可量化的权重(weight)。需要说明的是，权重主要基于步行的距离，对于不涉及步行的特征边(如扶梯或垂直电梯)，可以将所耗时间转化成权重。步行距离与所耗时间在整个图中的权重构成也可以取决于用户的主观偏好(如路线要时间最短或步行距离最短等)。

在一实施例中，如图2所示，所述将每一特征边的属性量化为权重，然后以所述起始位置为起点、以所述目标位置为终点，基于A星算法并根据每一特征边的权重生成最佳步行路线，包括：

S201、获取用户所在室内场所的特征路径，并判断所述特征路径与所述起始位置和目标位置之间的位置关系；

S202、当所述特征路径中包含所述起始位置和/或目标位置时，或者所述特征路径位于所述起始位置和目标位置之间时，结合所述起始位置、目标位置和特征路径生成最佳步行路线；

S203、当所述特征路径不包含所述起始位置或者目标位置时，或者所述特征路径未位于所述起始位置和目标位置之间时，或者未获取到所述特征路径时，则获取所述起始位置和目标位置之间的所有特征点；

S204、以所述起始位置为起点，利用估算函数对与所述起始位置相邻的各特征点计算择优分数，公式如下：

f(n)＝g(n)+h(n)

式中，f(n)为所述起始位置相邻的第n个特征点的择优分数，g(n)为所述起始位置与所述起始位置相邻的第n个特征点连接得到的特征边的权重，h(n)为所述所述起始位置相邻的第n个特征点至目标位置的估算权重；

S205、从所述起始位置所有相邻的特征点中选择择优分数最小的特征点作为候选特征点；

S206、以此类推，直至选择到与所述目标位置相邻的候选特征点，然后将所述起始位置、目标位置和所有候选特征点依次连接后的路线作为所述最佳步行路线。

本实施例中，在根据每一特征边的权重生成最佳步行路线时，可以先获取用户所在的室内场所中特有的路径，即所述特征路径，例如两栋楼之间唯一的联络桥或横跨多层楼的直达电梯等等。如果用户所在的室内场所存在上述特征路径，且用户的起始位置和目标位置包含于特征路径中，则可以将起始位置和目标位置之间的特征路径作为最佳步行路线；如果特征路径位于用户的起始位置和目标位置之间，则可以将特征路径作为最终的最佳步行路线的一部分；如果特征路径仅包含用户的起始位置或者目标位置，则同样可以将特征路径作为最终的最佳步行路线的一部分。比如用户的起始位置为大楼A栋的1楼，目标位置为与大楼A相邻的大楼B栋的10楼，同时A、B两栋在5楼存在一个两栋大楼的联络桥(即所述特征路径)。由于该联络桥并不包含起始位置和目标位置，但是位于起始位置和目标位置之间，则可以将该联络桥作为最佳步行路线的一部分，即生成的最佳步行路线可以是由A栋1楼步行至A栋5楼，通过该联络桥到达B栋5楼，然后从B栋5楼步行至B栋10楼。

如果无法获取到室内场所的特征路径，或者特征路径与起始位置和目标位置不存在直接的位置关系(例如特征路径包含起始位置或者目标位置等等)，可以利用A星算法获取用户起始位置和目标位置之间的各候选特征点。具体的，将用户的起始位置作为起点，通过估算函数选择下一特征点，即与所述起始位置相邻的候选特征点，在这里，由于所述起始位置可能存在多个相邻的特征点，因此可以根据起始位置与各特征点之间的特征边权重为选择条件，例如选择对应的特征边权重最小的相邻特征点作为候选特征点。以此类推，直至选择到与目标位置相邻的候选特征点，然后将起始位置、各候选特征点和目标位置按照顺序依次连接，即可得到最佳步行路线。在一具体实施例中，所述起始位置和目标位置之间的估算权重可以通过欧几里得距离计算获得。

在另一具体实施例中，步骤S202包括：基于A星算法，并根据所述起始位置、目标位置和特征路径生成最佳步行路线。具体的，当所述特征路径中包含所述起始位置和目标位置时，以所述起始位置为起点以及以所述目标位置为终点，将所述起始位置和目标位置之间的特征路径作为最佳步行路线；当所述特征路径中包含所述起始位或者目标位置时，以所述起始位置为起点以及以所述目标位置为终点，将包含起始位置或者目标位置对应的特征路径部分作为最佳步行路线的一部分，并利用估算函数对剩余部分的特征点计算择优分数，从而根据择优分数选择候选特征点，构成最佳步行路线；当所述特征路径位于所述起始位置和目标位置之间时，将所述特征路径作为最佳步行路线的一部分，并利用估算函数对剩余部分的各特征点计算择优分数，从而根据择优分数选择候选特征点，构成最佳步行路线。

举例来说，用户的起始位置为大楼A栋的1楼，目标位置为与大楼A相邻的大楼B栋的10楼，同时A、B两栋在5楼存在一个两栋大楼的联络桥(即所述特征路径)。那么将联络桥作为最佳步行路线的一部分，并利用A星算法获取A栋1楼至A栋5楼的候选特征点以及B栋5楼步行至B栋10楼的候选特征点，从而生成从A栋1楼至B栋10楼的最佳步行路线。

在一实施例中，所述步骤S103包括：

通过用户当前持有的终端获取用户的步行距离，并将所述步行距离作为用户的位移信息；

或者通过用户当前持有的终端获取用户的步行步数，并结合用户的个人信息确定用户的平均步幅长度，然后根据所述步行步数和平均步幅长度计算用户的步行距离，并将所述步行距离作为用户的位移信息；

或者通过用户的个人信息确定用户的平均步行速度，并获取用户的步行时间，然后根据所述平均步幅长度和步行时间计算用户的步行距离，并将所述步行距离作为用户的位移信息。

本实施例中，在获取用户的位移信息时，如果用户持有的终端(例如智能手机等)能够提供用户的步行距离时，则可以直接获取用户终端的步行距离，并将此作为用户的位移信息。如果用户持有的终端不具有直接提供步行距离的功能，则可以先从用户的终端中获取用户的步行步数，然后结合用户的个人信息(即所述平均步幅长度)确定用户的位移信息。可以理解的是，在从用户终端获取步行距离时，需要得到用户的许可授权，并且，现有的终端设备通常可以提供步行步数这一功能。当然，如果无法从用户的终端中获取用户的步行步数，则可以获取用户的步行时间，然后结合用户的个人信息(即所述平均步幅长度)确定用户的位移信息。

在一实施例中，所述通过用户当前持有的终端获取用户的步行步数，并结合用户的个人信息确定用户的平均步幅长度，然后根据所述步行步数和平均步幅长度计算用户的步行距离，并将所述步行距离作为用户的位移信息，包括：

获取用户的身高值，并基于粗估公式计算用户的平均步幅长度：

l＝h*0.413

式中，l为用户的平均步幅长度，h为用户的身高值；

按照下式计算用户的步行距离，并将所述步行距离作为用户的位移信息：

d＝s*l

式中，d为用户的步行距离，s为用户的步行步数。

本实施例中，通过结合用户的步行步数和用户的平均步幅长度确定用户的位移信息。首先，获取用户的个人信息，例如用户的身高值、体重值、年龄、性别等等，通过关于身高的粗估公式确定用户的平均步幅长度，然后将用户的平均步幅长度与用户的步行步数相乘，即可得到用户的步行距离。进一步的，在其他实施例中，为了对用户的平均步幅长度进行更加准确地计算，可以将用户的身高值、体重值、年龄、性别一并结合起来，从而可以获取更加准确的位移信息。

在另一实施例中，构建一计算用户平均步幅长度的计算模型。具体来说，首先获取大量不同体征的受实验者在步行固定距离时所需步数，利用固定距离除以所需步数获得对应的受实验者的步幅长度；将全部受实验者的身高、体重、性别、年龄段等个人信息组合成自变量矩阵X，将受实验者对应的的步幅长度归纳成因变量矩阵Y；通过多元线性回归以获得自变量与因变量之间的关系Y＝XB+U，其中B是一个包含多个估计参数的矩阵，U是一个包含误差和剩余项的矩阵，从而构建计算模型。然后便可以通过上述计算模型对指定用户的平均步幅长度进行计算。

当然，通过用户的个人信息确定用户的平均步幅长度，并获取用户的步行时间，然后根据所述平均步幅长度和步行时间计算用户的步行距离，并将所述步行距离作为用户的位移信息时，同样可以结合用户的个人信息，采用恰当的粗估公式推算得到用户的平均步行速度，进而将用户的平均步行速度与用户的步行时间相乘，得到用户的步行距离。还可以构建用于计算用户平均步行速度的计算模型，具体构建过程与平均步幅长度的计算模型构建过程相似，在此不再赘述。

在一实施例中，所述步骤S104包括：

根据所述位移信息确定用户的实时位置，并判断所述实时位置是否处于所述最佳步行路线上；

若所述实时位置未处于所述最佳步行路线上，则将所述实时位置为起点，利用最佳步行路线生成步骤生成以所述实时位置为起点，以所述目标位置为终点的修正步行路线。

本实施例中，当用户根据最佳步行路线前往目标位置时，根据用户的位移信息获取用户的实时位置，以确定用户是否偏离最佳步行路线。当然，也可以通过用户自主申报实时位置来判断用户是否偏离最佳步行路线。

当判定用户偏离最佳步行路线时，则可以利用上述最佳步行路线生成步骤再次生成以用户实时位置为起点、以目标位置为终点的最佳步行路线，即所述修正步行路线。具体来说，首先将用户的实时位置作为起点、将目标位置作为终点，获取实时位置和目标位置之间的所有特征点，并根据各特征点的权重，选择权重较小的特征点作为修正步行路线中的修正特征点，然后以此生成修正步行路线。或者是以用户实时位置为起点，基于估算函数从与所述实时位置相邻的特征点中选择一个作为候选修正特征点，直至选择到与所述目标位置相邻的候选修正特征点，然后将所述实时位置、目标位置和所有候选修正特征点依次连接后的路线作为所述修正步行路线。

图3为本发明实施例提供的一种实时动态高精度步行导航装置300的示意性框图，该装置300包括：

第一获取单元301，用于获取用户在室内场所的起始位置和目标位置；

第一生成单元302，用于根据所述起始位置和目标位置生成包含至少一个特征点的最佳步行路线；

第二获取单元303，用于当所述用户根据所述最佳步行路线行进时，获取用户的位移信息；

第一修正单元304，用于根据所述位移信息对所述最佳步行路线进行修正优化，直至用户到达所述目标位置。

在一实施例中，所述第一获取单元301包括：

起始位置获取单元，用于获取用户在室内场所的当前位置，确定距离所述当前位置最近的起始特征点，并将所述起始特征点作为用户的起始位置；

目标位置获取单元，用于获取用户待到达的位置，确定距离所述待到达的位置最近的终止特征点，并将所述终止特征点作为用户的目标位置。

在一实施例中，所述第一生成单元302包括：

特征点获取单元，用于获取用户所在室内场所内的所有特征点，并对每一特征点设置识别编号；

特征边构成单元，用于连接相邻的特征点构成对应的特征边，并根据特征点的属性为对应的特征边赋予对应的属性；

属性量化单元，用于将每一特征边的属性量化为权重，然后以所述起始位置为起点、以所述目标位置为终点，基于A星算法并根据每一特征边的权重生成最佳步行路线。

在一实施例中，如图4所示，所述属性量化单元包括：

特征路径获取单元401，用于获取用户所在室内场所的特征路径，并判断所述特征路径与所述起始位置和目标位置之间的位置关系；

特征路径结合单元402，用于当所述特征路径中包含所述起始位置和/或目标位置时，或者所述特征路径位于所述起始位置和目标位置之间时，结合所述起始位置、目标位置和特征路径生成最佳步行路线；

第三获取单元403，用于当所述特征路径不包含所述起始位置或者目标位置时，或者所述特征路径未位于所述起始位置和目标位置之间时，或者未获取到所述特征路径时，则获取所述起始位置和目标位置之间的所有特征点；

择优分数计算单元404，用于以所述起始位置为起点，利用估算函数对与所述起始位置相邻的各特征点计算择优分数，公式如下：

f(n)＝g(n)+h(n)

式中，f(n)为所述起始位置相邻的第n个特征点的择优分数，g(n)为所述起始位置与所述起始位置相邻的第n个特征点连接得到的特征边的权重，h(n)为所述所述起始位置相邻的第n个特征点至目标位置的估算权重；

候选特征点选择单元405，用于从所述起始位置所有相邻的特征点中选择择优分数最小的特征点作为候选特征点；

候选特征点连接单元406，用于以此类推，直至选择到与所述目标位置相邻的候选特征点，然后将所述起始位置、目标位置和所有候选特征点依次连接后的路线作为所述最佳步行路线。

在一实施例中，所述第二获取单元303包括：

位移信息第一获取单元，用于通过用户当前持有的终端获取用户的步行距离，并将所述步行距离作为用户的位移信息；

位移信息第二获取单元，用于或者通过用户当前持有的终端获取用户的步行步数，并结合用户的个人信息确定用户的平均步幅长度，然后根据所述步行步数和平均步幅长度计算用户的步行距离，并将所述步行距离作为用户的位移信息；

位移信息第三获取单元，用于或者通过用户的个人信息确定用户的平均步行速度，并获取用户的步行时间，然后根据所述平均步幅长度和步行时间计算用户的步行距离，并将所述步行距离作为用户的位移信息。

在一实施例中，所述位移信息第二获取单元包括：

平均步幅长度计算单元，用于获取用户的身高值，并基于粗估公式计算用户的平均步幅长度：

l＝h*0.413

式中，l为用户的平均步幅长度，h为用户的身高值；

位移信息设置单元，用于按照下式计算用户的步行距离，并将所述步行距离作为用户的位移信息：

d＝s*l

式中，d为用户的步行距离，s为用户的步行步数。

在一实施例中，第一修正单元304包括：

判断单元，用于根据所述位移信息确定用户的实时位置，并判断所述实时位置是否处于所述最佳步行路线上；

第二修正单元，用于若所述实时位置未处于所述最佳步行路线上，则将所述实时位置为起点，利用最佳步行路线生成步骤生成以所述实时位置为起点，以所述目标位置为终点的修正步行路线。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本发明实施例还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供了一种计算机设备，可以包括存储器和处理器，存储器中存有计算机程序，处理器调用存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然计算机设备还可以包括各种网络接口，电源等组件。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。在没有更多限制的状况下，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、物品或者设备中还存在另外的相同要素。