使用数据归一化进行轨迹预测的制作方法

使用数据归一化进行轨迹预测
1.优先权申请
2.本技术要求于2020年12月14日提交的序列号为63/125,041的美国临时专利申请的优先权，该美国临时专利申请的公开内容通过引用整体并入本文中。


背景技术：

3.轨迹预测在诸如智能访问控制系统的许多任务中发挥着重要作用。轨迹预测通常被定义为基于在某个时段上观察到的部分轨迹，来预测预测可移动代理(例如，人、车辆或移动设备)在预定义的未来时间间隔内的每个时间步长处的位置。


技术实现要素：

4.在一些方面中，提供了一种方法，该方法包括：由一个或更多个处理器接收多个观察速度点，多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与观察轨迹对应的多个观察速度点，以生成多个预测速度点，机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于多个预测速度点确定未来轨迹，多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于未来轨迹的阈值范围内；以及响应于确定目标访问控制设备处于未来轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
5.在一些方面中，多个观察速度点包括加速度测量值，多个预测速度点包括多个加速度测量值，并且目标访问控制设备包括与门相关联的锁；并且其中，执行操作包括：将门进行解锁。
6.在一些方面中，该方法包括：在用户的移动设备与目标访问控制设备之间建立无线通信链路；通过无线通信链路交换授权信息；以及在基于授权信息确定用户被授权访问目标访问控制设备之后执行操作。
7.在一些方面中，该方法包括：在执行操作之前，基于授权信息确定用户被授权访问目标访问控制设备；以及在确定用户被授权之后延迟执行操作，直到确定目标访问控制设备处于未来轨迹的阈值范围内。
8.在一些方面中，无线通信链路包括蓝牙低功耗(ble)通信协议；并且其中，通过超宽带(uwb)通信协议接收多个观察速度点。
9.在一些方面中，目标访问控制设备位于室内。
10.在一些方面中，该方法包括：在执行操作之前，基于授权信息确定用户被授权访问目标访问控制设备；以及在确定用户被授权之后，响应于确定目标访问控制设备处于未来轨迹的阈值范围之外，阻止执行操作。
11.在一些方面中，机器学习技术包括神经网络。
12.在一些方面中，该方法包括通过以下操作来接收多个观察速度点：在第一时间点处接收表示第一二维(2d)或三维(3d)笛卡尔坐标的第一数据点；在第二时间点处接收表示第二2d或3d笛卡尔坐标的第二数据点，第一数据点和第二数据点中的每一个对应于多个切
片中的第一切片；以及根据第一2d或3d笛卡尔坐标与第二2d或3d笛卡尔坐标之间的差以及第一时间点与第二时间点之间的差，计算多个观察速度点中的第一观察速度点。
13.在一些方面中，机器学习技术独立于多个观察速度点的采样率来生成多个预测速度点。
14.在一些方面中，该方法包括通过以下操作来基于多个预测速度点确定未来轨迹：基于多个观察速度点中的第一观察速度点的第一时间戳与多个观察速度点中的第二观察速度点的第二时间戳之间的差，确定接收多个观察速度点的采样率；以及基于多个预测速度点、用户的当前位置和接收多个观察速度点的采样率，计算未来轨迹的2d或3d笛卡尔坐标。
15.在一些方面中，该方法包括通过以下操作来训练机器学习技术：获得第一批训练数据，第一批训练数据包括第一组多个训练观察速度点和对应的第一组训练预测速度点；使用机器学习技术处理第一组训练观察速度点，以生成多个估计速度点；基于损失函数，计算基于多个估计速度点与对应的第一组训练预测速度点之间的偏差的损失；以及基于计算的损失函数更新机器学习技术的参数。
16.在一些方面中，第一组多个训练观察速度点对应于第一采样率，该方法还包括：获得第二批训练数据，第二批训练数据包括第二组多个训练观察速度点，其中，第二组多个训练观察速度点对应于第二采样率；使用机器学习技术处理第二组训练观察速度点，以生成第二多个估计速度点；基于损失函数，计算基于第二多个估计速度点与对应的第一组训练预测速度点之间的偏差的第二损失；以及基于第二损失，更新机器学习技术的参数。
17.在一些方面中，提供了一种系统，该系统包括：一个或更多个处理器，其耦接至包括非暂态计算机指令的存储器，非暂态计算机指令当由一个或更多个处理器执行时执行操作，操作包括：接收多个观察速度点，多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与观察轨迹对应的多个观察速度点，以生成多个预测速度点，机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于多个预测速度点确定未来轨迹，多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于未来轨迹的阈值范围内；以及响应于确定目标访问控制设备处于未来轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
18.在一些方面中，多个观察速度点包括加速度测量值，多个预测速度点包括多个加速度测量值，目标访问控制设备包括与门相关联的锁；并且执行操作包括：将门进行解锁。
19.在一些方面中，操作还包括：在用户的移动设备与目标访问控制设备之间建立无线通信链路；通过无线通信链路交换授权信息；以及在基于授权信息确定用户被授权访问目标访问控制设备之后执行操作。
20.在一些方面中，操作还包括：在执行操作之前，基于授权信息确定用户被授权访问目标访问控制设备；以及在确定用户被授权之后延迟执行操作，直到确定目标访问控制设备处于未来轨迹的阈值范围内。
21.在一些方面中，提供了一种非暂态计算机可读介质，该非暂态计算机可读介质包括用于执行操作的非暂态计算机可读指令，所述操作包括：接收多个观察速度点，多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与观
察轨迹对应的多个观察速度点，以生成多个预测速度点，机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于多个预测速度点确定未来轨迹，多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于未来轨迹的阈值范围内；以及响应于确定目标访问控制设备处于未来轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
22.在一些方面中，多个观察速度点包括加速度测量值，多个预测速度点包括多个加速度测量值，目标访问控制设备包括与门相关联的锁；并且执行操作包括：将门进行解锁。
23.在一些方面中，操作还包括：在用户的移动设备与目标访问控制设备之间建立无线通信链路；通过无线通信链路交换授权信息；以及在基于授权信息确定用户被授权访问目标访问控制设备之后执行操作。
附图说明
24.图1是根据一些实施方式的示例访问控制系统的框图。
25.图2示出了根据示例性实施方式的基于轨迹预测的访问控制系统的示例。
26.图3是根据一些实施方式的可以被部署在图1的访问控制系统内的示例性轨迹预测系统的框图。
27.图4是根据一些实施方式的可以部署在图1至图3的系统内的示例数据库。
28.图5是示出根据示例实施方式的访问控制系统的示例操作的流程图。
29.图6是示出示例软件架构的框图，该示例软件架构可以与本文中描述的各种硬件架构结合使用。
30.图7是示出根据一些示例实施方式的机器的部件的框图。
具体实施方式
31.描述了用于基于轨迹预测的访问控制系统(例如，物理或逻辑访问控制系统)的示例方法和系统。在下面的描述中，出于说明的目的，阐述了许多具体细节以提供对示例实施方式的透彻理解。然而，对于本领域的普通技术人员来说明显的是，可以在没有这些具体细节的情况下实践本公开内容的实施方式。
32.在通常的访问控制系统中，用户携带包含一组凭证(例如，授权信息)的物理卡或设备。当物理卡或设备被带到距访问控制设备(例如电子门锁、读卡器等)大约20厘米(极接近访问控制设备)内时，与访问控制设备交换这种凭证。此时，访问控制设备确定凭证是否授权用户访问该访问控制设备，如果是，则访问控制设备准许访问(例如，打开门锁)。虽然这样的系统通常运行良好，但它们需要用户非常靠近访问控制设备来操作访问控制设备。这可能会在操作设备时引入各种延迟，并且可能会使用户感到沮丧。
33.随着移动设备变得更常见，可以对这样的移动设备进行编程以承载与通常使用的实体卡相同的一组凭证。这些移动设备可以例如使用蓝牙低功耗(ble)通信协议在较长距离上与访问控制设备通信。例如，移动设备可以在多达100米的范围内发送凭证并与访问控制设备交换凭证。在这种情况下，当与使用实体卡或设备相比用户距访问控制设备更远距离时，可以操作访问控制设备。这样，当用户最终到达访问控制设备时，访问控制设备已经对凭证进行接收和授权，并且准许或拒绝了用户的访问。当用户到达设备时，不需要用户采
取进一步的动作来操作设备(例如，用户不需要将实体卡带到非常靠近访问控制设备)。
34.不过，这些通过ble交换凭证的其他方法引入了另一个问题。即，如果在ble通信协议的范围内存在多个访问控制设备，则可能会与用户不意图操作的设备交换凭证。例如，在用户的移动设备的范围内可能存在用户具有凭证可以访问的多个访问控制设备。然而，用户可能只意图访问一个设备。作为另一个示例，用户可能经过用户被授权访问的给定门或访问控制设备，但可能不打算穿过或操作该给定门或访问控制设备。在这种情况下，确定用户的轨迹可以在确定要操作多个正确的访问控制设备中的哪一个以及用户的关于操作这些设备的意图方面发挥重要作用。
35.通常的轨迹预测系统接收几步观察轨迹作为输入，并且生成到未来时间线中的若干数量的连续位置。这种通常的轨迹预测系统依赖于以特定的已知采样频率获取的数据。这限制了它们的普遍应用，因为在现实世界的场景中，真实数据并不理想，因为不同类型的位置传感器以不同的频率发射信号，而且由于硬件和通信的限制，传感器可能经受不一致的采样率。一些轨迹预测系统可以在多个采样频率上进行训练，但这进一步增加了其复杂性，使其不适合在移动设备和平台上应用。
36.所公开的实施方式提供了智能解决方案，该方案可以精确地预测用户的未来位置，使得访问控制系统可以为用户提供积极主动且无缝的体验，同时保持高安全性。所公开的实施方式提供了轨迹预测系统，该系统可以预测用户的轨迹，而不考虑传入或观察到的数据或轨迹点的采样率。基于预测的轨迹，如果给定的访问控制设备处于轨迹的范围内，并且授权用户访问(例如，通过长距离交换凭证例如通过ble来确定)，则给定访问控制设备操作。作为示例，给定访问控制设备(例如，门锁)最初可以通过通信协议(例如，ble)与用户的移动设备通信，以交换授权数据(例如，凭证)。如果随后确定给定访问控制设备处于用户的预测轨迹范围内，则指示给定访问控制设备操作(例如，门锁被打开)。这样，当用户到达给定访问控制设备时，给定访问控制设备准备好被操作，并且用户不必将物理访问控制卡带到非常靠近给定访问控制设备。
37.在一些实施方式中，所公开的实施方式提供了基于轨迹预测来执行远距离访问控制的系统和方法。根据所公开的实施方式，接收多个观察速度点。与观察轨迹对应的多个观察速度点由机器学习技术处理以生成多个预测速度点。该机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系。所公开的实施方式基于多个预测速度点确定未来轨迹(其中多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片)，并且确定目标访问控制设备处于未来轨迹的阈值范围内。响应于确定目标访问控制设备处于未来轨迹的阈值范围内，所公开的实施方式执行与目标访问控制设备相关联的操作。
38.在一些实施方式中，所公开的实施方式提供了基于轨迹预测来执行长距离访问控制的系统和方法。根据所公开的实施方式，接收多个观察加速度点。通过机器学习技术处理与观察轨迹对应的多个观察加速度点，以生成多个预测的加速度点。机器学习技术被训练成建立多个训练观察加速度点与训练预测加速度点之间的关系。所公开的实施方式基于多个预测加速度点来确定未来轨迹(其中多个预测加速度点中的每一个对应于未来轨迹的多个切片中的不同切片)，并且确定目标访问控制设备处于未来轨迹的阈值范围内。响应于确定目标访问控制设备处于未来轨迹的阈值范围内，所公开的实施方式执行与目标访问控制设备相关联的操作。
39.通过在多个速度、加速度或速率点上训练机器学习技术以预测速度或速率，所公开的实施方式可以独立于获得或接收到观察轨迹的位置坐标的采样率来预测未来轨迹。即，机器学习技术计算在不同时间处获得的两个三维(3d)位置的3d坐标之间的差，并且将该差除以接收3d坐标的时间戳的差。这提供了沿观察到的给定轨迹的一组切片的总体速度。然后，这个速度可以被处理以预测未来的速度。可以通过基于估计的或已知的3d位置的采样率得出未来的3d坐标来确定未来轨迹。例如，每个预测的速度测量值可以乘以采样率(例如，各测量值之间的时间量)，以识别距离或预测区段(例如，对应于两个预测的3d坐标之间的差异)。预测区段可以被已知的用户的当前位置所抵消，并且可以与附加的预测3d坐标组合或结合，以生成预测轨迹。
40.在替选实施方式中，观察位置和未来轨迹处于二维空间中，并且由2d坐标表示。例如，机器学习技术计算在不同时间处获得的两个2d位置的2d坐标之间的差，并且将该差除以接收到2d坐标的时间戳的差。这为沿观察到的给定轨迹的一组切片提供了总体速度。然后，这个速度可以被处理以预测未来的速度。可以通过基于估计的或已知的2d位置的采样率得出未来的2d坐标来确定未来轨迹。例如，每个预测的速度测量值可以乘以采样率(例如，各测量值之间的时间量)，以识别距离或预测区段(例如，对应于两个预测的2d坐标之间的差)。预测区段可以被已知的用户的当前位置所抵消，并且可以与附加的预测2d坐标组合或结合，以生成预测轨迹。
41.图1是示出根据各种示例性实施方式的示例系统100的框图。系统100可以是访问控制系统，该访问控制系统包括：客户端设备120；一个或更多个访问控制设备110，其例如通过可锁定的门来控制对受保护的资产或资源的访问；以及授权管理系统140，其通过网络130(例如，因特网、ble、超宽带(uwb)通信协议、电话网络或其他有线或无线通信协议)通信地耦接。
42.uwb是一种在宽频谱上使用短的低功率脉冲的射频(rf)技术。脉冲在数量级上是每秒数百万个单独脉冲。频谱的宽度通常大于500兆赫或大于算术中心频率的百分之二十。
43.uwb可以用于例如通过经由时间调制对数据进行编码(例如，脉冲位置编码)来进行通信。此处，符号由一组可用时间单位中的时间单位子集上的脉冲来指定。uwb编码的其他示例可以包括幅度调制和/或极性调制。与基于载波的传输技术相比，宽带传输对于多径衰落趋于更稳健。此外，在任何给定频率处的脉冲的较低功率往往会减少对基于载波的通信技术的干扰。
44.uwb可以用于雷达操作，提供数十厘米规模的定位准确度。由于脉冲中不同频率的可能可变的吸收和反射，因此可以检测到对象的表面特征和遮挡(例如，覆盖)特征两者。在一些情况下，定位除了距离之外还提供了入射角。
45.客户端设备120和访问控制设备110可以经由电子消息(例如，通过因特网、ble、uwb、wifi直连或任何其他协议交换的分组)通信地耦接。虽然图1示出了单个访问控制设备110和单个客户端设备120，但可以理解，在其他实施方式中，多个访问控制设备110和多个客户端设备120可以被包括在系统100中。如本文所使用的，术语“客户端设备”可以指与通信网络(例如网络130)接口以与访问控制设备110、授权管理系统140、另一个客户端设备120或任何其他部件交换凭证以获得对由访问控制设备110保护的资产或资源的访问的任何机器。在一些实施方式中，客户端设备120可以使用uwb来获得位置信息，并且计算客户端
设备120的当前轨迹的速度、速率和/或加速度信息。客户端设备120可以获得位置信息，并且计算速度、速率和/或加速度信息，并且可以将这种信息提供给授权管理系统140。在一些实施方式中，访问控制设备110可以使用uwb来获得位置信息，并且计算给定客户端设备120或一组客户端设备120的当前轨迹的速度、速率和/或加速度信息。访问控制设备110可以获得位置信息，并且计算速度、速率和/或加速度信息，并且可以将这种信息提供给授权管理系统140。
46.在一些情况下，授权管理系统140的部件和功能中的一些或全部可以被包括在客户端设备120中(例如，关于授权管理系统140讨论的任何机器学习技术可以在各个客户端设备120上实现)。在系统100中执行轨迹预测的任何部件可以作为授权管理系统140、客户端设备120或访问控制设备110中任何一个的独立部件来实现。在系统100中执行轨迹预测的任何部件的功能可以在授权管理系统140、客户端设备120和/或访问控制设备110中的任何一个之间以分布式方式实现。
47.客户端设备120可以是但不限于移动电话、台式计算机、膝上型计算机、便携式数字助理(pda)、智能电话、可穿戴设备(例如，智能手表)、平板电脑、超极本、上网本、笔记本电脑、多处理器系统、基于微处理器的或可编程的消费电子产品或用户可以用于访问网络的任何其他通信设备。
48.访问控制设备110可以包括连接至资源(例如，门锁机构或后端服务器)的访问读取器设备，其控制资源(例如，门锁机构)。与访问控制设备110相关联的资源可以包括门锁、车辆的点火系统、或准许或拒绝访问物理部件并且可以被操作成准许或拒绝访问物理部件的任何其他设备。例如，在门锁的情况下，访问控制设备110可以拒绝访问，在拒绝访问的情况下，门锁保持锁定并且门无法打开，或者访问控制设备110可以可以准许访问，在准许访问的情况下，门锁变得解锁以允许门被打开。作为另一个示例，在点火系统的情况下，访问控制设备110可以拒绝访问，在拒绝访问的情况下，车辆点火系统保持禁用并且车辆无法启动，或者访问控制设备110可以准许访问，在准许访问的情况下，车辆点火系统变为启用并且允许车辆启动。
49.物理访问控制涵盖用于管理例如人员对安全区域或安全资产的访问的一系列系统和方法。物理访问控制包括：对授权用户或设备(例如车辆、无人机等)的识别；以及对用于保护区域安全的大门、门或其他设施的启动；或者对控制机构(例如物理或电子/软件控制机构)的启动，以允许访问安全资产。访问控制设备110形成物理访问控制系统(pacs)的一部分，该物理访问控制系统可以包括读取器(例如，在线读取器或离线读取器)，该读取器可以保存授权数据并且可以能够确定凭证(例如，来自在卡、扣或诸如移动电话的个人电子设备中的诸如射频识别(rfid)芯片的凭证或密钥设备)是否被授权用于致动器或控制机制(例如，门锁、开门器、软件控制机制、关闭警报等)，或者pacs可以包括主机服务器，在集中管理的配置中，读取器和致动器(例如，经由控制器)连接至主机服务器。在集中管理的配置中，读取器可以从凭证或密钥设备获得凭证，并将这些凭证传递至pacs主机服务器或前端系统。然后，主机服务器确定凭证是否授权访问安全区域或安全资产并相应地命令致动器或其他控制机构。虽然本文使用了物理访问控制的示例，但本公开内容同样适用于逻辑访问控制系统(lacs)用例(例如，对个人电子设备的逻辑访问、运输服务中的骑手识别、无人商店的访问和资产控制等)。
50.无线访问控制系统(例如，利用读取器与凭证或钥匙设备之间的无线通信的系统)可以使用rfid或个人区域网络(pan)技术，例如ieee 802.15.1、蓝牙、ble、近场通信(nfc)、zigbee、gsm、cdma、wi-fi等等。这些技术中的许多都有缺点，无法提供无缝的用户体验。例如，nfc的范围非常短，使得通常不会发生凭证交换，直到用户非常靠近安全区域或安全资产并尝试获得访问。至读取器的凭证传输以及读取器或主机服务器的响应可以花几秒钟，从而导致令人沮丧的用户体验。此外，用户通常必须例如从口袋中取出该设备，并将其放置在读取器上或非常靠近读取器以开始该过程。
51.另一方面，ble设备具有数十米(例如，十至二十米)的范围。因此，可以在用户接近读取器时完成凭证交换。然而，ble以及许多其他pan标准不提供对设备的准确物理跟踪(例如测距、定位等)。因此，在没有一些附加的意图证据的情况下，读取器难以确定用户是否实际上意图获得对安全区域或安全资产的访问。例如，如果授权用户只是在大厅中路过读取器并且门被解锁，或者甚至被打开，就会存在问题。意图的证据可以包括诸如触摸门把手、使用密钥设备做手势等这样的事件。然而，与用户简单地走至读取器并获得对安全区域的访问而无需用户部分进行进一步的动作或交互相比，这可能是一种不太理想的用户体验。
52.为了帮助解决这些或其他问题中的一个或更多个，可以使用定位技术(例如，使用安全的uwb测距)并且可以将其与pan发现和密钥交换组合。uwb的定位技术可以比一些传统技术更准确，并且例如可以准确至数十厘米。uwb定位技术可以提供凭证或密钥设备相对于读取器的范围和方向两者。当读取器不协调时，这种准确度远远超过了例如ble的大约十米的准确度。uwb准确度的精度可以成为无缝确定用户意图(例如，用户是试图访问安全区域或资产还是只是经过)和用户的当前或预测轨迹的有用工具。例如，可以在例如读取器附近、读取器处等限定若干区域，以为理解用户意图提供不同的上下文。附加地或替选地，跟踪的准确度有助于提供用户运动或用户移动方向的准确模型，从中可以辨别出意图。因此，读取器可以将用户动作分类为例如可能接近读取器或者只是路过。
53.一旦意图触发发生，读取器可以根据例如经由pan技术交换的凭证采取行动。对于离线读取器，例如未连接至控制面板或主机服务器的读取器，该读取器可以直接地控制致动器或其他控制机构(例如，断开连接的门上的锁)。在集中管理的访问控制系统中，(在线)读取器可以将凭证转发至控制面板或主机服务器以进行操作。
54.通常，访问控制设备110可以包括存储器、处理器、一个或更多个天线、通信模块、网络接口设备、用户接口和电源或供电装置中的一个或更多个。
55.访问控制设备110的存储器可以与由访问控制设备110的处理器对应用程序或指令的执行结合使用，并且用于暂时或长期存储程序指令或指令集和/或凭证或授权数据，例如凭证数据、凭证授权数据或访问控制数据或指令。例如，存储器可以包含由处理器用来运行访问控制设备110的其他部件和/或基于凭证或授权数据进行访问确定的可执行指令。访问控制设备110的存储器可以包括计算机可读介质，该计算机可读介质可以是可以包含、存储、传送或传输数据、程序代码或指令以供访问控制设备110使用或与访问控制设备110结合使用的任何介质。计算机可读介质可以是例如但不限于电子的、磁的、光学的、电磁的、红外或半导体系统、装置或设备。合适的计算机可读介质的更具体示例包括但不限于具有一个或更多个线的电连接或有形存储介质，例如便携式计算机软盘、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或闪速存储器)、动态ram
(dram)、通常为致密盘只读存储器(cd-rom)的任何固态存储设备或其他光或磁存储设备。计算机可读介质包括计算机可读存储介质但应不与计算机可读存储介质混淆，其旨在涵盖计算机可读介质的所有物理的、非暂态的或类似的实施方式。
56.访问控制设备110的处理器可以对应于一个或更多个计算机处理设备或资源。例如，处理器可以被提供为硅、被提供为现场可编程门阵列(fpga)、专用集成电路(asic)、任何其他类型的集成电路(ic)芯片、ic芯片的集合等。作为更具体的示例，处理器可以被提供为微处理器、中央处理单元(cpu)或被配置成执行存储在访问控制设备110的内部存储器和/或存储器中的指令集的多个微处理器或cpu。
57.访问控制设备110的天线可以对应于一个或多个天线并且可以被配置成提供访问控制设备110与凭证或密钥设备(例如，客户端设备120)之间的无线通信。天线可以被布置成使用一个或更多个无线通信协议和操作频率进行操作，所述一个或更多个无线通信协议和操作频率包括但不限于ieee 802.15.1、蓝牙、ble、nfc、zigbee、gsm、cdma、wi-fi、rf、uwb等。通过示例的方式，天线可以是rf天线，并且因此，可以通过自由空间发送/接收rf信号以由具有rf收发器的凭证或密钥设备接收/传输。在一些情况下，至少一个天线是设计或配置成用于发送和/或接收uwb信号的天线(在本文中为简单起见称为“uwb天线”)，使得读取器可以使用uwb技术与客户端设备120进行通信。
58.访问控制设备110的通信模块可以被配置成根据任何合适的通信协议与访问控制设备110的远程或本地的一个或更多个不同系统或设备(例如一个或更多个客户端设备120和/或授权管理系统140)进行通信。
59.访问控制设备110的网络接口设备包括硬件，其用于促进利用许多传输协议(例如，帧中继、互联网协议(ip)、传输控制协议(tcp)、用户数据报协议(udp)、超文本传输协议(http)等)中的任何一个，通过通信网络(例如，网络130)与诸如一个或更多个客户端设备120和/或授权管理系统140的其他设备进行通信。示例通信网络可以包括局域网(lan)、广域网(wan)、分组数据网络(例如，因特网)、移动电话网络(例如，蜂窝网络)、普通老式电话(pots)网络、无线数据网络(例如，被称为wi-fi的ieee 802.11标准族、被称为wimax的ieee 802.16标准族)、ieee 802.15.4标准族以及对等(p2p)网络等。在一些示例中，网络接口设备可以包括以太网端口或其他物理插孔、wi-fi卡、网络接口卡(nic)、蜂窝接口(例如，天线、过滤器和相关联的电路)等。在一些示例中，网络接口设备可以包括多个天线以使用单输入多输出(simo)、多输入多输出(mimo)或多输入单输出(miso)技术中的至少一种进行无线通信。
60.访问控制设备110的用户接口可以包括一个或更多个输入设备和/或显示设备。可以被包括在用户界面中的合适的用户输入设备的示例包括但不限于一个或更多个按钮、键盘、鼠标、触摸敏感表面、手写笔、摄像装置、麦克风等。可以被包括在用户界面中的合适的用户输出设备的示例包括但不限于一个或更多个led、lcd面板、显示屏、触摸屏，一个或更多个灯、扬声器等。应当理解，用户接口还可以包括诸如触敏显示器等组合的用户输入设备和用户输出设备。
61.网络130可以包括以下网络或者与结合以下网络来操作：自组织网络、内联网、外联网、虚拟专用网络(vpn)、lan、无线网络、无线lan(wlan)、广局域网(wan)、无线wan(wwan)、城域网(man)、ble、uwb、因特网、因特网的一部分、公共交换电话网络(pstn)的一部
分、普通的老式电话服务(pots)网络、蜂窝电话网络、无线网络、网络、另一种类型的网络、或者两个或更多个这样的网络的组合。例如，网络或网络的一部分可以包括无线网络或蜂窝网络，并且耦接可以是码分多址(cdma)连接、全球移动通信系统(gsm)连接或其他类型的蜂窝或无线耦接。在该示例中，耦接可以实现各种类型的数据传输技术中的任何数据传输技术，例如单载波无线电传输技术(1xrtt)、演进数据优化(evdo)技术、通用分组无线电服务(gprs)技术、增强数据速率的gsm演进(edge)技术、包括3g的第三代合作伙伴计划(3gpp)、第四代无线(4g)网络、第五代无线(5g)网络、通用移动电信系统(umts)、高速分组接入(hspa)、全球微波接入互操作性(wimax)、长期演进(lte)标准、由各种标准设置组织限定的其他数据传输技术、其他长距离协议或其他数据传输技术。
62.在示例中，随着客户端设备120接近访问控制设备110(例如，进入ble通信协议的范围内)，客户端设备120通过网络130发送客户端设备120的凭证。在一些情况下，凭证可以基于客户端设备120的当前地理位置从多个凭证中进行选择。例如，可以在客户端设备120上存储与不同地理位置相关联的多个凭证。当客户端设备120来到与这些凭证中的一个凭证相关联的地理位置的一定距离内(例如，在10米内)时，客户端设备120从本地存储器检索相关联的凭证。
63.在一个示例中，客户端设备120直接向访问控制设备110提供凭证。在这种情况下，访问控制设备110向授权管理系统140传递凭证。图1中的授权管理系统140包括授权系统142和轨迹预测系统144。授权管理系统140还可以包括关于图6和图7描述的元件，例如其上存储有指令的存储器和处理器，所述指令在由处理器执行时，使处理器控制授权管理系统140的功能。
64.授权管理系统140搜索存储在授权系统142中的凭证列表，以确定接收到的凭证是否与用于访问受访问控制设备110保护的安全资产或资源(例如，门或安全区域)的授权凭证列表中的凭证相匹配。响应于确定接收到的凭证被授权访问访问控制设备110，授权管理系统140访问轨迹预测系统144，以确定客户端设备120的轨迹是否被预测为处于访问控制设备110的指定范围(例如，2米)内(下文将更详细地讨论)。一旦轨迹预测系统144向授权管理系统140指示客户端设备120被预测为遵循处于访问控制设备110的指定范围内的轨迹，授权管理系统140就指示访问控制设备110执行准许客户端设备120访问的操作(例如，指示访问控制设备110将门的锁进行解锁)。
65.在另一个示例中，客户端设备120向授权管理系统140提供凭证。授权管理系统140搜索存储在授权系统142中的凭证列表，以确定接收到的凭证是否与用于访问受访问控制设备110保护的安全资产或资源(例如，门或安全区域)的授权凭证列表中的凭证相匹配。响应于确定接收到的凭证被授权访问访问控制设备110，授权管理系统140访问轨迹预测系统144，以确定客户端设备120的轨迹是否被预测为处于访问控制设备110的指定范围(例如，2米)内(下文将更详细地讨论)。一旦轨迹预测系统144向授权管理系统140指示客户端设备120被预测为遵循处于访问控制设备110的指定范围内的轨迹，授权管理系统140就指示(与接收到的凭证相关联并且在客户端设备120的地理距离内的)访问控制设备110执行准许客户端设备120访问的操作(例如，指示访问控制设备110将门的锁进行解锁)。
66.轨迹预测系统144训练由授权管理系统140实现的机器学习技术，以基于观察到的速度、速率和/或加速度测量值的集合或集来预测客户端设备120的速度、速率和/或加速
度。轨迹预测系统144将函数应用于预测的速度、速率和/或加速度，以生成预测的轨迹或路径，客户端设备120被预测为将沿着该轨迹或路径行进。
67.轨迹预测系统144接收多个用于训练的观察速度、速率和/或加速度测量值和对应的用于训练的预测测量值集(例如，在一个或更多个速度、速率和/或加速度测量值之后观察到的速度、速率和/或加速度测量值)。如结合图3更详细地说明的，轨迹预测系统144处理成对的用于训练的观察速度、速率和/或加速度测量值和地面真实速度测量值(针对在观察速度、速率和/或加速度测量值之后的位置)来训练机器学习技术。例如，机器学习技术(例如，神经网络)针对给定的观察速度、速率和/或加速度估计出估计的速度、速率和/或加速度。神经网络将估计的速度、速率和/或加速度与对应的地面真实速度、速率和/或加速度测量值进行比较，以生成误差。使用损失函数并基于误差，神经网络被更新并应用于另一组用于训练的观察速度测量值和地面真实速度测量值。神经网络参数再次被调整，并且当损失函数满足停止标准时，神经网络被训练并由轨迹预测系统144利用，以针对给定的一组观察速度、速率和/或加速度测量值预测速度、速率和/或加速度测量值。本文中讨论的机器学习技术包括神经网络，例如长短期记忆神经网络(lstm)、自动编码器、变分自动编码器、条件变分自动编码器、卷积神经网络、径向基网络、深度前馈网络、递归神经网络、门控递归单元、去噪自动编码器、稀疏自动编码器、马尔可夫链、霍普菲尔德网络、玻尔兹曼机、深度信念网络、深度卷积网络、去卷积神经网络、生成对抗网络、液态机、极限学习机、回声状态网络、深度残差网络、支持向量机、korhonen网络，或其任何组合。
68.例如，轨迹预测系统144从客户端设备120接收一个或更多个观察速度、速率和/或加速度测量值。例如，轨迹预测系统144接收在先前时间步长处的观察速度、速率和/或加速度：并且预测在未来每个时间步长处的速度、速率和/或加速度：t和t'分别表示过去轨迹和预测轨迹的序列长度(或切片长度)。i在时间步长t处的观察输入和预测输出在3d笛卡尔坐标系或空间中的速度矢量被表征为其中原始笛卡尔坐标被归一化为速度、速率和/或加速度信息：
69.在一个示例中，客户端设备120(或者在替选情况下，访问设备110)使用uwb(可选地与一个或更多个其他位置测量技术相结合)来计算客户端设备120的当前3d坐标。在一些情况下，客户端设备120(或者在替选情况下，访问设备110)使用uwb计算3d坐标。在一些情况下，在收集了顺序的3d坐标之后，客户端设备120(或者在替选情况下，访问设备110)在转换为速度特征之前对顺序的3d坐标应用去噪和/或平滑技术。这种去噪和/或平滑技术可以包括：卡尔曼滤波、移动平均、多项式回归、局部加权散点图平滑和/或高斯平滑。
70.在收集了两个顺序的3d坐标(并且可选地对3d坐标进行去噪和平滑)之后，每个坐标都与各自的时间戳相关联，客户端设备120(或者在替选情况下，访问设备110)计算(例如，沿x轴、y轴和z轴的)两个3d坐标之间的差。客户端设备120(或者在替选情况下，访问设备110)将该差除以两个3d坐标各自的时间戳的差，以确定客户端设备120沿给定路径或轨迹的观察速度(例如，以计算迹的观察速度(例如，以计算)。即，两
个3d坐标之间的差提供了沿观察轨迹在3d中行进的距离，并且该距离除以时间戳指示行进速度。在一些情况下，在两个特定点处测量的行进速度可以用于计算加速度测量值。例如，速度测量值之间的差除以时间戳之间的差可以提供特定时间点或区段处的加速度。
71.客户端设备120针对一组3d坐标的附加的顺序3d坐标计算附加的速度、速率和/或加速度测量值，并将这些速度、速率和/或加速度测量值提供给轨迹预测系统144，作为沿观察轨迹的观察速度、速率和/或加速度。在一些情况下，客户端设备120还向轨迹预测系统144提供平均采样率(例如，用于计算各个速度测量值的时间戳的差的平均值)。轨迹预测系统144针对给定的一组观察速度测量值(例如，)预测未来的行进速度(例如，)。本文讨论的轨迹预测和/或速度、速率和/或加速度预测可以在客户端设备120、访问控制设备110、授权管理系统140或其任何组合处执行。
72.一旦轨迹预测系统144预测了速度、速率和/或加速度测量值或者一组速度、速率和/或加速度测量值，轨迹预测系统144就从客户端设备120(或者在替选情况下，访问设备110)获得采样率。采样率指示对客户端设备120观察到的每个3d坐标的收集之间的时间长度。在一些情况下，采样率是固定的和已知的，而在其他情况下，采样率是由客户端设备120在收集3d坐标时实时计算的。轨迹预测系统144基于预测的速度、速率和/或加速度测量值以及从客户端设备120获得的采样率，计算沿预测路径的对应的未来区段。例如，轨迹预测系统144将第一预测速度、速率和/或加速度测量值乘以采样率，以获得预测的3d行进距离或预测轨迹的预测区段或切片。然后，轨迹预测系统144将第二预测速度测量值乘以采样率，以获得第二预测3d行进距离或预测轨迹的预测区段或切片。轨迹预测系统144将预测的区段或切片结合在一起，以形成预测的路径或轨迹，客户端设备120被预测成沿着该路径或轨迹行进。
73.在替选实施方式中，一旦轨迹预测系统144预测了速度、速率和/或加速度测量值或者一组速度、速率和/或加速度测量值，轨迹预测系统144就从客户端设备120(或者在替选情况下，访问设备110)获得采样率。采样率指示对客户端设备120观察到的每个2d坐标的收集之间的时间长度。在一些情况下，采样率是固定的和已知的，而在其他情况下，采样率是由客户端设备120在收集2d坐标时实时计算的。轨迹预测系统144基于预测的速度、速率和/或加速度测量值以及从客户端设备120获得的采样率，计算沿着预测的路径的对应的未来区段。例如，轨迹预测系统144将第一预测速度、速率和/或加速度测量值乘以采样率，以获得预测的2d行进距离或者预测轨迹的预测区段或切片。然后，轨迹预测系统144将第二预测速度测量值乘以采样率，得到第二预测2d行进距离或者预测轨迹的预测区段或切片。轨迹预测系统144将预测的区段或切片相结合，以形成预测的路径或轨迹，客户端设备120被预测成沿着该路径或轨迹行进。
74.轨迹预测系统144获得访问控制设备110的激活或操作的指定范围。在一个示例中，在轨迹预测系统144被实现在远离访问控制设备110的服务器上的情况下，轨迹预测系统144获得访问控制设备110的唯一标识符，并且搜索存储在数据库400(图4)中的访问控制设备范围430，以识别和检索与访问控制设备110的唯一标识符相关联的范围。不同的访问控制设备110或者访问控制设备110的不同的类型可以与不同的激活或操作范围相关联，并且每个访问控制设备110或者访问控制设备110的每个类型都与其各自的唯一标识符一起
存储在访问控制设备范围430中。在一些情况下，访问控制设备范围430存储设备类型与相应的范围。在这种情况下，使用设备类型而不是唯一标识符从访问控制设备范围430中检索相关联的范围。轨迹预测系统144确定预测的轨迹是否落在访问控制设备110的指定范围内。如果是，则轨迹预测系统144指示授权管理系统140激活或操作访问控制设备110以准许客户端设备120的访问。
75.在另一个示例中，轨迹预测系统144被本地实现在访问控制设备110上。在这种情况下，访问控制设备110被硬编程为具有对应的激活范围(例如，存储在访问控制设备110的访问控制设备范围430中的范围)。实现在访问控制设备110上的轨迹预测系统144确定预测的轨迹是否落在硬编码的范围内。如果是，则轨迹预测系统144使访问控制设备110准许客户端设备120的访问。在另一个示例中，轨迹预测系统144被实现在客户端设备120上，并且向访问控制设备110提供轨迹预测。然后，访问控制设备110确定客户端设备120是否处于与访问控制设备110相关联的范围内，以准许/拒绝客户端设备120的访问。
76.在一些情况下，轨迹预测系统144不访问任何范围信息，而仅仅向授权管理系统140、客户端设备120和/或访问控制设备110提供预测的轨迹或轨迹集。然后，这些设备集体或单独地就预测的轨迹是否处于阈值范围内做出决定。
77.图2示出了根据示例性实施方式的基于轨迹预测的访问控制系统200的示例。例如，用户210可以携带诸如移动设备或电话的客户端设备120(未示出)。客户端设备120可以收集一组观察到的3d坐标230。客户端设备120可以基于坐标的各自时间戳，针对每对相邻的3d坐标计算各自的速度测量值。在另一个实施方式中，速度信息可以由访问控制设备110而不是客户端设备120测量，或者除了由客户端设备120之外还由访问控制设备110测量。
78.客户端设备120可以确定两个访问控制设备220和222处于客户端设备120的指定范围内。例如，每个访问控制设备220和222都处于与客户端设备120的ble通信的范围内。作为响应，客户端设备120检索访问两个控制设备220和222的凭证，并且将这些凭证发送给授权管理系统140。授权管理系统140确定客户端设备120被授权访问两个访问控制设备220和222。作为响应，授权管理系统140延迟对访问控制设备220或222中的特定的一个访问控制设备的访问的准许，直到客户端设备120被确定为沿着于相应的访问控制设备220或222的特定范围250内的预测轨迹行进。
79.在另一个示例中，可能存在单个访问控制设备110，该访问控制设备110确保对受该单个访问控制设备110保护的区域的访问。在这种情况下，在指示访问控制设备110准许给定客户端设备120的访问之前，确定用户进入安全区域的意图。具体地，在指示访问控制设备110准许客户端设备120访问之前，对用户的预测轨迹是否落在访问控制设备110的范围内进行确定。
80.例如，客户端设备120向轨迹预测系统144提供观察速度、速率和/或加速度测量值。轨迹预测系统144根据观察速度、速率和/或加速度测量值预测速度、速率和/或加速度测量值。然后，轨迹预测系统144基于客户端设备120和/或访问控制设备110的采样率或估计的采样率，计算预测轨迹240，客户端设备120被预测为沿着该轨迹行进。响应于确定预测轨迹240落在第一访问控制设备220的范围内，轨迹预测系统144指示授权管理系统140使第一访问控制设备220准许客户端设备120的访问(例如，第一访问控制设备220被指示执行操作，例如将电子门锁进行解锁)。响应于确定预测轨迹240未能落入第二访问控制设备222的
范围内，轨迹预测系统144指示授权管理系统140使第二访问控制设备222拒绝客户端设备120的访问(例如，指示第二访问控制设备222保持锁定，即使客户端设备120的凭证被授权访问第二访问控制设备222)。
81.图3是根据一些实施方式的可以被部署在图1的系统内的示例轨迹预测系统144的框图300。训练输入310包括模型参数312和训练数据320，该训练数据320可以包括成对的训练数据集322(例如，输入-输出训练对)和约束326。模型参数312存储或提供机器学习模型中的对应模型的参数或系数。在训练期间，基于训练数据320的输入-输出训练对来调整这些参数312。在参数312被调整之后(在训练之后)，由经训练的模型360使用该参数，以在新数据集370上实现经训练的机器学习(ml)模型。
82.训练数据320包括约束326，该约束326可以限定对给定轨迹的约束。成对的训练数据320可以包括输入-输出对322的集合，例如成对的多个用于训练的观察速度、速率和/或加速度测量值和对应的用于训练的未来速度、速率和/或加速度测量值(地面真实速度、速率和/或加速度测量值)。地面真实速度、速率和/或加速度测量值表示在一个或更多个未来时间点处实际测量的速度、速率和/或加速度，该实际测量的速度、速率和/或加速度跟随在较早的时间点处测量的观察速度、速率和/或加速度之后。例如，观察速度测量值可以在路径的第一区段的第一时间点处获得。地面真实速度测量值表示在第一区段之后的第二区段的第二时间点处测量的实际观察速度、速率和/或加速度。训练输入310的一些部件可以与训练输入310的其他部件分开存储在不同的场外设施或设施处。
83.机器学习模型训练330基于成对的训练数据集322的输入-输出对的集合来训练一个或更多个机器学习技术。例如，模型训练330可以通过基于一个或更多个地面真实速度测量值使损失函数最小化来训练ml模型参数312。特别地，ml模型可以应用于沿观察到的路径或轨迹的观察速度、速率和/或加速度测量值的训练集，以估计沿未来路径或轨迹的速度测量值。在一些实施方式中，基于估计的速度测量值与地面真实速度测量值的比较来计算损失函数的导数，并且基于计算的损失函数的导数来更新ml模型的参数。
84.针对多个训练数据集使损失函数最小化的结果对对应ml模型的模型参数312进行训练、调整或优化。以这种方式，ml模型被训练成建立多个用于训练的观察速度、速率和/或加速度测量值与对应的多个预测速度、速率和/或加速度测量值之间的关系。
85.在一个实现方式中，根据监督学习技术训练ml模型，以根据用于训练的速度测量值估计速度测量值。在这种情况下，为了训练ml模型，多个用于训练的观察速度、速率和/或加速度测量值与它们对应的用于训练的预测或估计的速度、速率和/或加速度测量值一起被检索。例如，从存储在数据库400(图4)中的用于训练的观察速度点和预测速度点410中检索用于训练的观察速度、速率和/或加速度测量值。ml模型被应用于第一批训练速度、速率和/或加速度测量值，以估计给定的一组速度、速率和/或加速度测量值。该批次的训练速度测量值可以用于以与ml模型的相同参数训练ml模型，并且范围可以从一个训练速度、速率和/或加速度测量值到所有的训练速度、速率和/或加速度测量值。在一些实施方式中，ml模型的输出或结果用于基于已知或计算的采样率来计算或预测第一速度、速率和/或加速度测量值以及预测轨迹的预测的3d坐标。
86.估计的速度、速率和/或加速度测量值被应用于损失函数，并且基于预期或地面真实速度、速率和/或加速度测量值计算损失函数的梯度或导数。基于损失函数的梯度或导
数，计算ml模型的更新参数。例如，ml模型的参数被存储在数据库400的经训练的机器学习技术420中。然后将具有更新的参数的ml模型应用于第二批训练速度测量值，以再次估计给定的一组速度、速率和/或加速度测量值，并且将速度、速率和/或加速度测量值应用于损失函数，以与它们对应的地面真实速度、速率和/或加速度测量值进行比较。再次更新ml模型的参数，并且该训练过程的迭代持续指定数目的迭代或时期，或者直到已经满足给定的收敛标准。
87.在机器学习模型被训练之后，模型使用350演示了将模型应用于新数据370，其包括可以被接收的一个或更多个速度、速率和/或加速度测量值。经训练的机器学习技术可以应用于新数据370，以生成所生成结果380，该生成结果380包括沿预测路径或轨迹的预测速度、速率和/或加速度测量值。
88.图5是示出根据示例实施方式的访问控制系统100的示例过程500的流程图。过程500可以以由一个或更多个处理器执行的计算机可读指令实现，使得过程500的操作可以部分地或全部地由系统100的功能部件执行；因此，下面参考访问控制系统100通过示例的方式描述过程500。然而，在其他实施方式中，过程500的至少一些操作可以部署在各种其他硬件配置上。过程500的操作中的一些操作或全部操作可以并行、无序或完全省略。
89.在操作501处，授权管理系统140接收多个观察速度点，多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片。例如，授权管理系统140接收由客户端设备120计算的一组速度点。客户端设备120将每个速度点计算为各自相邻的3d坐标之间的3d差除以它们各自的时间戳之间的差。
90.在一些实施方式中，客户端设备120或授权管理系统140确定速度、速率或加速度测量值的序列缺少一个或更多个数据点。具体地，客户端设备120或授权管理系统140可以确定用于生成观察速度点的平均采样间隔。例如，客户端设备120或授权管理系统140可以确定，观察速度点包括七个观察速度点的序列。观察速度点的子集(例如，7个中的6个)可以是基于第一采样间隔(例如，用于计算速度测量值的两个时间戳之间的差可以是第一值)计算的，并且另一个子集(例如，7个中的1个)可以是基于第二采样间隔计算的，第二采样间隔大于或两倍于第一采样间隔。在这种情况下，客户端设备120或授权管理系统140可以确定，由于导致较大采样间隔的缺失时间戳，因此从序列中缺失了一个速度点。在这种情况下，客户端设备120或授权管理系统140可以执行插值技术(线性插值、多项式插值、样条插值、高斯过程等)来填补缺失的数据，并且通过一个或更多个插值的速度测量值来增加速度测量值的数量。这导致速度测量值的序列包括总共8个测量值(当观察到7个时)，以对未来轨迹进行预测。该插值的速度测量值的序列可以被提供给授权管理系统140，以预测速度测量值。可以应用类似的技术来生成速率或加速度测量值的序列。
91.在操作502处，授权管理系统140通过机器学习技术处理与观察轨迹对应的多个观察速度点，以生成多个预测速度点，机器学习技术被训练成建立多个用于训练的观察速度点与用于训练的预测速度点之间的关系。例如，轨迹预测系统144将经训练的机器学习模型应用于从客户端设备120接收的速度点的集合，以预测未来的速度点。
92.在操作503处，授权管理系统140基于多个预测速度点确定未来轨迹，多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片。例如，轨迹预测系统144将预测的速度测量值乘以计算的、估计的或已知的采样率，以得出预测路径的未来3d坐标或3d未
来切片的集合。
93.在操作504处，授权管理系统140确定目标访问控制设备处于未来轨迹的阈值范围内。例如，授权管理系统140获得处于客户端设备120的一定地理距离内(例如，或者处于ble通信协议范围内)的访问控制设备110的范围。授权管理系统140确定客户端设备120的未来轨迹是否落在所获得的范围内。
94.在操作505处，授权管理系统140响应于确定目标访问控制设备处于未来轨迹的阈值范围内，执行与目标访问控制设备110相关联的操作。例如，授权管理系统140指示访问控制设备110准许客户端设备120的访问(例如，通过将电子门锁进行解锁)。在一些情况下，授权管理系统140直接绕过访问控制设备110控制锁或安全资源。
95.图6是示出示例软件架构606的框图，该示例软件架构606可以与本文中描述的各种硬件架构结合地使用。图6是软件架构的非限制性示例，并且应当理解的是，可以实现许多其他架构以促进本文中描述的功能。软件架构606可以在诸如图7的机器700的硬件上执行，机器700包括处理器704、存储器714和输入/输出(i/o)部件718等。代表性硬件层652被示出并且可以表示例如图7的机器700。代表性硬件层652包括具有相关联的可执行指令604的处理单元654。可执行指令604表示软件架构606的可执行指令，包括本文中描述的方法、部件等的实现方式。硬件层652还包括也具有可执行指令604的存储器和/或存储设备存储器/存储装置656。硬件层652还可以包括其他硬件658。软件架构606可以部署在图1中所示的部件中的任何一个或更多个部件中。
96.在图6的示例架构中，软件架构606可以被概念化为层的堆叠，在该层的堆叠中，每个层提供特定功能。例如，软件架构606可以包括诸如操作系统602、库620、框架/中间件618、应用616和表示层614的层。在操作上，层内的应用616和/或其他部件可以通过软件堆栈激活api调用608并且接收响应于api调用608的消息612。所示出的层本质上是代表性的，并且并非所有软件架构都具有所有层。例如，一些移动操作系统或专用操作系统可能不提供框架/中间件618，而其他操作系统可能提供这样的层。其他软件架构可以包括另外的或不同的层。
97.操作系统602可以管理硬件资源并且提供公共服务。操作系统602可以包括例如内核622、服务624和驱动器626。内核622可以充当硬件与其他软件层之间的抽象层。例如，内核622可以负责存储器管理、处理器管理(例如，调度)、部件管理、联网、安全设置等。服务624可以针对其他软件层提供其他公共服务。驱动器626负责控制底层硬件或与底层硬件对接。例如，取决于硬件配置，驱动器626包括显示驱动器、摄像装置驱动器、ble驱动器、uwb驱动器、驱动器、闪速存储器驱动器、串行通信驱动器(例如，通用串行总线(usb)驱动器)、驱动器、音频驱动器、电源管理驱动器等。
98.库620提供由应用616和/或其他部件和/或层使用的公共基础设施。库620提供允许其他软件部件以比与底层操作系统602功能(例如，内核622、服务624和/或驱动器626)直接对接的方式更容易的方式来执行任务的功能。库620可以包括系统库644(例如，c标准库)，系统库1644可以提供例如存储器分配功能、字符串操纵功能、数学函数等功能。此外，库620可以包括api库646，例如媒体库(例如，支持诸如mpreg4、h.264、mp3、aac、amr、jpg、png的各种媒体格式的呈现和操纵的库)、图形库(例如，可以用于在显示器上以图形内容呈现二维和三维的opengl框架)、数据库库(例如，可以提供各种关系数据库功能的sqlite)、
web库(例如，可以提供web浏览功能的webkit)等。库620还可以包括各种各样的其他库648，以向应用616和其他软件组件/设备提供许多其他api。
99.框架/中间件618(有时也称为中间件)提供可以由应用616和/或其他软件组件/设备使用的较高级别的公共基础设施。例如，框架/中间件618可以提供各种图形用户接口功能、高级资源管理、高级位置服务等。框架/中间件618可以提供可以由应用616和/或其他软件组件/设备使用的广泛范围的其他api，其中一些api可以专用于特定的操作系统602或平台。
100.应用616包括内置应用638和/或第三方应用640。代表性内置应用638的示例可以包括但不限于：联系人应用、浏览器应用、图书阅读器应用、位置应用、媒体应用、消息收发应用和/或游戏应用。第三方应用640可以包括由除特定平台的供应商之外的实体使用android
tm
或ios
tm
软件开发工具包(sdk)开发的应用，并且可以是在诸如ios
tm
、android
tm
、phone的移动操作系统或其他移动操作系统上运行的移动软件。第三方应用640可以调用由移动操作系统(例如，操作系统602)提供的api调用608，以有利于本文中描述的功能。
101.应用616可以使用内置操作系统功能(例如，内核622、服务624和/或驱动器626)、库620以及框架/中间件618来创建ui以与系统的用户交互。替选地或附加地，在一些系统中，可以通过呈现层(如呈现层614)来进行与用户的交互。在这些系统中，应用/部件“逻辑”可以与同用户交互的应用/部件的方面分开。
102.图7是示出了根据一些示例实施方式的机器700的部件的框图，机器700能够从机器可读介质(例如，机器可读存储介质)读取指令并执行本文中讨论的方法中的任一种或更多种方法。具体地，图7以计算机系统的示例形式示出了机器700的图形表示，在该机器700中可以执行用于使机器700执行本文中讨论的方法中的任何一种或更多种的指令710(例如，软件、程序、应用、小程序、app或其他可执行代码)。
103.同样地，指令710可以被用来实现本文中描述的设备或部件。指令710将通用的、未编程的机器700转换成被编程为以所描述的方式执行所描述和示出的功能的特定机器700。在替选实施方式中，机器700作为独立设备操作或者可以耦接(例如，联网)至其他机器。在联网部署中，机器700可以在服务器-客户端网络环境中以服务器机器或客户端机器的身份进行操作，或者在对等(或分布式)网络环境中作为对等机器进行操作。机器700可以包括但不限于服务器计算机、客户端计算机、个人计算机(pc)、平板计算机、膝上型计算机、上网本、stb、pda、娱乐媒体系统、蜂窝电话、智能电话、移动设备、可穿戴设备(例如，智能手表)、智能家居设备(例如，智能家用电器)、其他智能设备、web设备、网络路由器、网络交换机、网络桥接器、或能够顺序地或以其他方式执行指令710的任何机器，该指令710指定机器700要采取的动作。此外，虽然仅示出了单个机器700，但是术语“机器”还应被认为包括单独地或联合地执行指令710以执行本文中讨论的方法中的任何一种或更多种方法的机器的集合。
104.机器700可以包括处理器704、存储器/存储装置706和i/o部件718，所述处理器704、存储器/存储装置706和i/o部件718可以被配置成例如经由总线702彼此通信。在示例实施方式中，处理器704(例如，cpu、精简指令集计算(risc)处理器、复杂指令集计算(cisc)处理器、图形处理单元(gpu)、数字信号处理器(dsp)、专用集成电路(asic)、射频集成电路(rfic)、另一处理器或其任何合适的组合)可以包括例如可以执行指令710的处理器708和
处理器712。术语“处理器”旨在包括多核处理器704，该多核处理器704可以包括可以同时执行指令的两个或更多个独立的处理器(有时被称为“内核”)。虽然图7示出了多处理器704，但是机器700可以包括具有单个内核的单个处理器、具有多个内核的单个处理器(例如，多核处理器)、具有单个内核的多个处理器、具有多个内核的多个处理器或者其任何组合。
105.存储器/存储装置706可以包括诸如主存储器或其他存储器存储装置的存储器714、数据库710以及存储单元716，处理器704能够例如经由总线702访问存储器714和存储单元716两者。存储单元716和存储器714存储实现本文中描述的任何一个或更多个方法或功能的指令710。指令710还可以在其被机器700执行期间完全地或部分地驻留在存储器714内、存储单元716内、处理器704中的至少一个内(例如，处理器的高速缓冲存储器内)或者其任何合适的组合内。因此，存储器714、存储单元716以及处理器704的存储器是机器可读介质的示例。
106.i/o部件718可以包括接收输入、提供输出、产生输出、传送信息、交换信息、捕获测量等的各种各样的部件。包括在特定机器700中的特定i/o部件718将取决于机器的类型。例如，诸如移动电话的便携式机器很可能包括触摸输入设备或其他这样的输入机构，而无头服务器(headless server)机器很可能不包括这样的触摸输入设备。应当认识到的是，i/o组件718可以包括图7中未示出的许多其他部件。仅是为了简化下面的讨论将i/o部件718根据功能来分组，并且分组决不是限制性的。在各种示例实施方式中，i/o部件718可以包括输出部件726和输入部件728。输出部件726可以包括视觉部件(例如，诸如等离子显示面板(pdp)、led显示器、lcd、投影仪或阴极射线管(crt)的显示器)、听觉部件(例如，扬声器)、触觉部件(例如，振动马达、阻力机构)、其他信号发生器等。输入部件728可以包括字母数字输入部件(例如，键盘、被配置成接收字母数字输入的触摸屏、光电键盘或其他字母数字输入部件)、基于点的输入部件(例如，鼠标、触摸板、轨迹球、操纵杆、运动传感器或其他指向仪器)、触觉输入部件(例如，物理按钮、提供触摸或触摸姿势的位置和/或力的触摸屏或其他触觉输入部件)、音频输入部件(例如，麦克风)等。
107.在另外的示例实施方式中，i/o部件718可以包括生物计量部件739、运动部件734、环境部件736或位置部件738等各种其他部件。例如，生物计量部件739可以包括用于检测表达(例如，手表达、面部表情、声音表达、身体姿势或眼睛跟踪)、测量生物信号(例如，血压、心率、体温、出汗或脑波)、识别人(例如，语音识别、视网膜识别、面部识别、指纹识别或基于脑电图的识别)等的部件。运动部件734可以包括：加速度传感器部件(例如，加速度计)、重力传感器部件、旋转传感器部件(例如，陀螺仪)等。环境部件736可以包括例如照明传感器部件(例如，光度计)、温度传感器部件(例如，检测周围温度的一个或更多个温度计)、湿度传感器部件、压力传感器部件(例如，气压计)、听觉传感器部件(例如，检测背景噪声的一个或更多个麦克风)、接近传感器部件(例如，检测附近物体的红外传感器)、气体传感器(例如，为了安全而检测危险气体的浓度或者测量大气中的污染物的气体检测传感器)或者可以提供与周围物理环境对应的指示、测量或信号的其他部件。位置部件738可以包括定位传感器部件(例如，gps接收器部件)、海拔高度传感器部件(例如，从其中检测可以得到海拔高度的气压的高度计或气压计)、取向传感器部件(例如，磁力计)等。
108.可以使用各种各样的技术来实现通信。i/o部件718可以包括通信部件740，该通信部件740能够操作成分别经由耦接724和耦接722将机器700耦接至网络737或设备729。例
如，通信部件740可以包括网络接口部件或其他合适的设备以与网络737接口。在其他示例中，通信部件740可以包括有线通信部件、无线通信部件、蜂窝通信部件、近场通信(nfc)部件、部件(例如，低功耗)、部件和经由其他形式提供通信的其他通信部件。设备729可以是其他机器或各种外围设备中的任何外围设备(例如，经由usb耦接的外围设备)。
109.此外，通信部件740可以检测标识符或者可以包括能够操作以检测标识符的部件。例如，通信部件740可以包括rfid标签阅读器部件、nfc智能标签检测部件、光学阅读器部件(例如，用于检测诸如通用产品代码(upc)条形码的一维条形码、诸如快速反应(qr)码的多维条形码、aztec码、数据矩阵、数据符号(dataglyph)、最大码(maxicode)、pdf417、超码(ultra code)、ucc rss-2d条形码和其他光学码的光学传感器)或声学检测部件(例如，用于识别标记的音频信号的麦克风)。此外，可以经由通信部件740得到各种信息，例如经由因特网协议(ip)地理位置得到位置、经由信号三角测量得到位置、经由检测可以指示特定位置的nfc信标信号得到位置等。
110.术语表：
111.该上下文中的“载波信号”是指能够存储、编码或携载由机器执行的暂态或非暂态指令的任何无形介质并且包括数字或模拟通信信号或其他无形介质以便于这些指令的通信。可以使用暂态或非暂态传输介质经由网络接口设备并且使用多个公知的传输协议中的任何一个来通过网络发送或接收指令。
112.该上下文中的“客户端设备”是指与通信网络对接以从一个或更多个服务器系统或其他客户端设备获得资源的任何机器。客户端设备可以是但不限于移动电话、桌上型计算机、膝上型计算机、pda、智能电话、平板计算机、超级本、上网本、膝上型计算机、多处理器系统、基于微处理器或可编程消费电子产品、游戏控制台、机顶盒或用户可以用于访问网络的任何其他通信设备。
113.上下文中的“通信网络”是指网络的一个或更多个部分，该网络可以是自组织网络、内联网、外联网、vpn、lan、ble网络、uwb网络、wlan、wan、wwan、城域网(man)、因特网、因特网的一部分、pstn的一部分、普通老式电话服务(pots)网络、蜂窝电话网络、无线网络、网络、另一类型的网络或两个或更多个这样的网络的组合。例如，网络或网络的一部分可以包括无线网络或蜂窝网络，并且耦接可以是码分多址(cdma)连接、全球移动通信系统(gsm)连接或其他类型的蜂窝或无线耦接。在该示例中，耦接可以实现各种类型的数据传输技术中的任何数据传输技术，例如单载波无线电传输技术(1xrtt)、演进数据优化(evdo)技术、通用分组无线电业务(gprs)技术、增强型数据速率gsm演进(edge)技术、包括3g的第三代合作伙伴计划(3gpp)、第四代无线(4g)网络、通用移动通信系统(umts)、高速分组接入(hspa)、全球微波接入互操作性(wimax)、长期演进(lte)标准、由各种标准设置组织定义的其他标准、其他远程协议或其他数据传输技术。
114.该上下文中的“机器可读介质”是指能够临时或永久地存储指令和数据的部件、设备或其他有形介质，并且可以包括但不限于ram、rom、缓冲存储器、闪速存储器、光学介质、磁介质、高速缓冲存储器、其他类型的存储装置(例如，可擦除可编程只读存储器(eeprom))和/或它们的任何合适的组合。术语“机器可读介质”应当被认为包括能够存储指令的单个介质或多个介质(例如，集中式或分布式数据库或相关联的高速缓存和服务器)。术语“机器
可读介质”还将被认为包括任何介质或多个介质的组合，其能够存储由机器执行的指令(例如，代码)，使得指令在由机器的一个或更多个处理器执行时使机器执行本文中描述的任何一种或更多种方法。因此，“机器可读介质”指单个存储设备或装置，以及包括多个存储设备或装置的“基于云”的存储系统或存储网络。术语“机器可读介质”不包括信号本身。
115.该上下文中的“部件”是指具有由功能或子例程调用、分支点、api或者对特定处理或控制功能提供分区或模块化的其他技术定义的边界的设备、物理实体或逻辑。部件可以经由它们的接口与其他部件对接以执行机器处理。部件可以是被设计用于与其他部件一起使用的经封装的功能硬件单元并且通常执行相关功能的特定功能的程序的一部分。部件可以构成软件部件(例如，实施在机器可读介质上的代码)或硬件部件。“硬件部件”是能够执行某些操作的有形单元，并且可以以某种物理方式来配置或布置。在各种示例实施方式中，可以通过软件(例如，应用或应用部分)将一个或更多个计算机系统(例如，独立计算机系统、客户端计算机系统或服务器计算机系统)或计算机系统的一个或更多个硬件部件(例如，处理器或处理器组)配置成用于执行本文中描述的某些操作的硬件部件。
116.也可以机械地、电子地或以其任何合适的组合来实现硬件部件。例如，硬件部件可以包括被永久地配置成执行某些操作的专用电路或逻辑。硬件部件可以是专用处理器，例如，fpga或asic。硬件部件还可以包括通过软件被短暂配置成执行某些操作的可编程逻辑或电路。例如，硬件部件可以包括由通用处理器或其他可编程处理器执行的软件。一旦通过这样的软件进行配置，硬件部件就成为被独特地定制成执行所配置功能的特定机器(或机器的特定部件)，而不再是通用处理器。将理解的是，可以出于成本和时间考虑来推动在专用且永久配置的电路中或在临时配置(例如，通过软件配置)的电路中机械地实现硬件部件的决策。相应地，短语“硬件部件”(或者“硬件实现的部件”)应当被理解成包含有形实体，即为被物理构造、永久配置(例如，硬连线)或临时配置(例如，编程)成以某种方式操作或者执行本文中描述的某些操作的实体。考虑硬件部件被临时配置(例如，被编程)的实施方式，无需在任一时刻对硬件部件中的每个硬件部件进行配置或实例化。例如，在硬件部件包括通过软件配置成变成专用处理器的通用处理器的情况下，该通用处理器可以在不同时间处分别被配置为不同的专用处理器(例如，包括不同的硬件部件)。软件相应地配置一个或多个特定处理器以例如在一个时刻处构成特定硬件部件，并且在不同的时刻处构成不同的硬件部件。
117.硬件部件可以向其他硬件部件提供信息以及从其他硬件部件接收信息。因此，描述的硬件部件可以被认为通信地耦接。在同时存在多个硬件部件的情况下，可以通过在两个或更多个硬件部件之间或之中(例如，通过适当的电路和总线)的信号传输来实现通信。在其中多个硬件部件在不同时间处被配置或被实例化的实施方式中，可以例如通过将信息存储在多个硬件部件可以访问的存储器结构中并且在该存储器结构中检索信息来实现这样的硬件部件之间的通信。例如，一个硬件部件可以执行操作，并且将该操作的输出存储在其通信地耦接至的存储器设备中。然后，其他硬件部件可以在随后的时间处访问存储器设备以检索和处理存储的输出。
118.硬件组件还可以发起与输入设备或输出设备的通信，并且可以对资源(例如，信息的集合)进行操作。在本文中描述的示例方法的各种操作可以至少部分地由被(例如，通过软件)临时地配置或永久地配置以执行相关操作的一个或更多个处理器来执行。无论是临
时配置还是永久配置，这样的处理器可以构成进行操作以执行本文中描述的一个或更多个操作或功能的处理器实现的部件。如本文中使用的，“处理器实现的部件”是指使用一个或更多个处理器实现的硬件部件。类似地，在本文中描述的方法可以至少部分地由处理器实现，其中，特定的一个或多个处理器是硬件的示例。例如，方法的至少一些操作可以由一个或更多个处理器或者处理器实现的部件执行。此外，一个或更多个处理器还可以进行操作以支持“云计算”环境中的相关操作的执行或作为“软件即服务”(saas)操作。例如，操作中的至少一些操作可以由计算机组(作为包括处理器的机器的示例)执行，其中这些操作可经由网络(例如，因特网)并且经由一个或更多个适当的接口(例如，api)来访问。某些操作的执行可以分布在处理器之间，不是仅驻留在单个机器内而是跨多个机器部署。在一些示例实施方式中，处理器或处理器实现的部件可以位于单个地理位置中(例如，在家庭环境、办公室环境或服务器群内)。在其他示例实施方式中，处理器或处理器实现的部件可以跨若干地理位置而分布。
119.该上下文中的“处理器”是指根据控制信号(例如，“命令”、“操作码”、“机器码”等)操纵数据值并且产生对应的输出信号的任何电路或虚拟电路(通过在实际处理器上执行的逻辑模拟的物理电路)，该输出信号被用于操作机器。例如，处理器可以是cpu、risc处理器、cisc处理器、gpu、dsp、asic、rfic或其任何组合。处理器还可以是具有两个或更多个可以同时执行指令的独立处理器(有时称为“内核”)的多核处理器。
120.该上下文中的“时间戳”指的是识别某个事件何时发生(例如，给出日期和一天中的时间，有时精确到几分之一秒)的字符或编码信息的序列。
121.在不脱离本公开内容的范围的情况下，可以对所公开的实施方式进行改变和修改。这些及其他改变或修改旨在包括在所附权利要求书中所表达的本公开内容的范围内。
122.提供本公开内容的摘要以允许读者快速地确定本技术公开内容的本质。该摘要被提交，但是应理解为它不会被用来解释或限制权利要求的范围或含义。此外，在前述具体实施方式中，可以看到的是，出于使本公开内容精简的目的，各种特征在单个实施方式中被组合在一起。本公开内容的方法不被解释为反映如下意图：所要求保护的实施方式需要比在每个权利要求中明确列举的特征更多的特征。相反，如所附权利要求所反映的，发明主题可以在于少于单个公开的实施方式中的所有特征。因此，所附权利要求由此被并入具体实施方式中，其中每个权利要求本身独立地作为单独的实施方式。

技术特征：
1.一种方法，包括：由一个或更多个处理器接收多个观察速度点，所述多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与所述观察轨迹对应的所述多个观察速度点，以生成多个预测速度点，所述机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于所述多个预测速度点来确定未来轨迹，所述多个预测速度点中的每一个对应于所述未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于所述未来轨迹的阈值范围内；以及响应于确定所述目标访问控制设备处于所述未来轨迹的阈值范围内，执行与所述目标访问控制设备相关联的操作。2.根据权利要求1所述的方法，其中，所述多个观察速度点包括加速度测量值，其中，所述多个预测速度点包括多个加速度测量值，并且其中，所述目标访问控制设备包括与门相关联的锁；并且其中，执行所述操作包括：将所述门进行解锁。3.根据权利要求2所述的方法，还包括：在用户的移动设备与所述目标访问控制设备之间建立无线通信链路；通过所述无线通信链路交换授权信息；以及在基于所述授权信息确定所述用户被授权访问所述目标访问控制设备之后执行所述操作。4.根据权利要求3所述的方法，还包括：在执行所述操作之前，基于所述授权信息确定所述用户被授权访问所述目标访问控制设备；以及在确定所述用户被授权之后延迟执行所述操作，直到确定所述目标访问控制设备处于所述未来轨迹的阈值范围内。5.根据权利要求3至4中任一项所述的方法，其中，所述无线通信链路包括蓝牙低功耗(ble)通信协议；以及其中，通过超宽带(uwb)通信协议接收所述多个观察速度点。6.根据权利要求5所述的方法，其中，所述目标访问控制设备位于室内。7.根据权利要求3至6中任一项所述的方法，还包括：在执行所述操作之前，基于所述授权信息确定所述用户被授权访问所述目标访问控制设备；以及在确定所述用户被授权之后，响应于确定所述目标访问控制设备处于所述未来轨迹的阈值范围之外，阻止执行所述操作。8.权利要求1至7中任一项所述的方法，其中，所述机器学习技术包括神经网络。9.根据权利要求1至8中任一项所述的方法，其中，接收所述多个观察速度点包括：在第一时间点处接收表示第一二维(2d)或三维(3d)笛卡尔坐标的第一数据点；在第二时间点处接收表示第二二维或三维笛卡尔坐标的第二数据点，所述第一数据点和所述第二数据点中的每一个对应于所述多个切片中的第一切片；以及
根据所述第一二维或三维笛卡尔坐标与所述第二二维或三维笛卡尔坐标之间的差以及所述第一时间点与所述第二时间点之间的差，计算所述多个观察速度点中的第一观察速度点。10.根据权利要求1至9中任一项所述的方法，其中，所述机器学习技术独立于所述多个观察速度点的采样率来生成所述多个预测速度点。11.根据权利要求1至10中任一项所述的方法，其中，基于所述多个预测速度点确定所述未来轨迹包括：基于所述多个观察速度点中的第一观察速度点的第一时间戳与所述多个观察速度点中的第二观察速度点的第二时间戳之间的差，确定接收所述多个观察速度点的采样率；以及基于所述多个预测速度点、用户的当前位置和接收所述多个观察速度点的采样率，计算所述未来轨迹的三维笛卡尔坐标。12.根据权利要求1至12中任一项所述的方法，还包括通过以下操作来训练所述机器学习技术：获得第一批训练数据，所述第一批训练数据包括第一组多个训练观察速度点和对应的第一组训练预测速度点；用所述机器学习技术处理所述第一组训练观察速度点，以生成多个估计速度点；基于损失函数，计算基于所述多个估计速度点与所述对应的第一组训练预测速度点之间的偏差的损失；以及基于计算的损失函数来更新所述机器学习技术的参数。13.根据权利要求12所述的方法，其中，所述第一组多个训练观察速度点对应于第一采样率，所述方法还包括：获得第二批训练数据，所述第二批训练数据包括第二组多个训练观察速度点，其中，所述第二组多个训练观察速度点对应于第二采样率；使用所述机器学习技术处理所述第二组训练观察速度点，以生成第二多个估计速度点；基于所述损失函数，计算基于所述第二多个估计速度点与所述对应的第一组训练预测速度点之间的偏差的第二损失；以及基于所述第二损失，更新所述机器学习技术的参数。14.一种系统，包括：一个或更多个处理器，所述一个或更多个处理器耦接至存储器，所述存储器包括非暂态计算机指令，所述非暂态计算机指令当由所述一个或更多个处理器执行时执行操作，所述操作包括：接收多个观察速度点，所述多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与所述观察轨迹对应的所述多个观察速度点，以生成多个预测速度点，所述机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于所述多个预测速度点来确定未来轨迹，所述多个预测速度点中的每一个对应于所
述未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于所述未来轨迹的阈值范围内；以及响应于确定所述目标访问控制设备处于所述未来轨迹的阈值范围内，执行与所述目标访问控制设备相关联的操作。15.根据权利要求14所述的系统，其中，所述多个观察速度点包括加速度测量值，其中，所述多个预测速度点包括多个加速度测量值，其中，所述目标访问控制设备包括与门相关联的锁；并且其中，执行所述操作包括：将所述门进行解锁。16.根据权利要求15所述的系统，其中，所述操作还包括：在用户的移动设备与所述目标访问控制设备之间建立无线通信链路；通过所述无线通信链路交换授权信息；以及在基于所述授权信息确定所述用户被授权访问所述目标访问控制设备之后执行所述操作。17.根据权利要求16所述的系统，其中，所述操作还包括：在执行所述操作之前，基于所述授权信息确定所述用户被授权访问所述目标访问控制设备；以及在确定所述用户被授权之后延迟执行所述操作，直到确定所述目标访问控制设备处于所述未来轨迹的阈值范围内。18.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括用于执行操作的非暂态计算机可读指令，所述操作包括：接收多个观察速度点，所述多个观察速度点中的每一个对应于观察轨迹的多个切片中的不同切片；通过机器学习技术处理与所述观察轨迹对应的所述多个观察速度点，以生成多个预测速度点，所述机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于所述多个预测速度点来确定未来轨迹，所述多个预测速度点中的每一个对应于所述未来轨迹的多个切片中的不同切片；确定目标访问控制设备处于所述未来轨迹的阈值范围内；以及响应于确定所述目标访问控制设备处于所述未来轨迹的阈值范围内，执行与所述目标访问控制设备相关联的操作。19.根据权利要求18所述的非暂态计算机可读介质，其中，所述多个观察速度点包括加速度测量值，其中，所述多个预测速度点包括多个加速度测量值，其中，所述目标访问控制设备包括与门相关联的锁；并且其中，执行所述操作包括：将所述门进行解锁。20.根据权利要求19所述的非暂态计算机可读介质，其中，所述操作还包括：在用户的移动设备与所述目标访问控制设备之间建立无线通信链路；通过所述无线通信链路交换授权信息；以及在基于所述授权信息确定所述用户被授权访问所述目标访问控制设备之后执行所述操作。

技术总结
提供了用于轨迹预测的方法和系统(100)。方法和系统(100)包括操作，该操作包括：接收(501)多个观察速度点；通过机器学习技术处理(502)与观察轨迹对应的多个观察速度点，以生成多个预测速度点，机器学习技术被训练成建立多个训练观察速度点与训练预测速度点之间的关系；基于多个预测速度点来确定(503)未来轨迹，多个预测速度点中的每一个对应于未来轨迹的多个切片中的不同切片；确定(504)目标访问控制设备处于未来轨迹的阈值范围内；以及执行(505)与目标访问控制设备(110)相关联的操作。(505)与目标访问控制设备(110)相关联的操作。(505)与目标访问控制设备(110)相关联的操作。


技术研发人员：陈剑波 卡皮尔
受保护的技术使用者：亚萨合莱有限公司
技术研发日：2021.12.07
技术公布日：2023/9/9