CN102667404B - 用探测数据来分析兴趣点的方法 - Google Patents

Abstract

提供一种使用来自探测数据的迹线分析兴趣点(22)的方法。所述方法包括提供数字向量地图(18)的数据库，其经配置以存储表示道路的多条迹线(1′到14′)。所述方法进一步包括从沿着所述迹线行进的交通工具收集探测数据。接着，集束具有有着共同原点(20)及在所述原点(20)的下游的至少一个分叉点(24、1)的路线的选定迹线(2′、5′、7′、9′、11′)群组，及建立所述路线上的交通工具机动动作的数据库。此外，计算穿越所述交通工具机动动作的随机交通工具群体的平均速度及延迟时间。更进一步，计算穿越所述路线的所有交通工具的平均速度及延迟时间。接着，比较来自所述随机交通工具群体的所述计算结果与来自穿越所述路线的所有交通工具的所述计算结果。

Description

用探测数据来分析兴趣点的方法

相关申请案的交叉参考

本申请案是2009年12月31日申请且指定美国的第PCT/US2009/069949号国际申请案的国家阶段。此申请案的全部内容以引用方式并入本文。所述申请案主张2009年10月29日申请的第61/279,981号美国临时申请案的优先权。

技术领域

本发明大体来说涉及用于分析兴趣点的方法，且更特定来说涉及用具备全球定位系统(GPS)功能的装置分析兴趣点的方法。

背景技术

经常经由表列信息(例如，经由手动调查；经由链接有地址的餐馆目录；消费者、第三方、地址列表及其类似者所供应的点)来分析兴趣点(POI)，其中所述兴趣点经由手动调查或例如地理编码等自动方式(使用已知地址和地图匹配来指派近似坐标)被指派一坐标(纬度/经度)。不幸的是，所述结果可能例如归因于人为错误而充满错误；此外，点列表上并非所有地址均可用，可能已改变，或地图自身可能具有不正确的街道名或号码，从而导致不正确的位置。此外，所述POI的分级通常是手动的，且因此通常证明是困难且昂贵的。另外，所聚集的手动数据可在一相对较短时间周期中变为过时，进而使所述数据陈旧且越来越不准确。

发明内容

根据本发明的一个方面，提供一种使用来自探测数据的迹线分析兴趣点的方法。所述方法包括：提供数字向量地图的数据库，其经配置以存储表示道路的多条迹线；及从沿着所述迹线行进的交通工具收集探测数据。接着，集束具有有着共同原点及在所述原点的下游的至少一个分叉点的路线的选定迹线的群组，及建立所述路线上的交通工具机动动作的数据库。此外，计算穿越所述交通工具机动动作的交通工具的随机群体的平均速度及延迟时间。更进一步，计算穿越所述路线的所有交通工具的平均速度及延迟时间。接着，比较来自交通工具的所述随机群体的所述计算结果与来自穿越所述路线的所有交通工具的所述计算结果。

在比较来自交通工具的所述随机群体的所述计算结果与穿越所述选定路线的所有交通工具的所述计算结果后，可辨别统计上有可能的差异。因此，能够通过表明所述选定路线上的交通工具行为的差异来识别POI。

附图说明

当结合当前优选实施例及最佳模式的以下详细描述、所附的权利要求书及随附图式考虑时，本发明的这些及其它方面、特征及优点将变得较容易了解，其中：

图1说明来自可行驶街道网数据库的有待分析的迹线的选定集束；

图2A到2D说明交通工具在图1的迹线的所述集束的选定部分上的平均速度及延迟时间的实例；

图3说明有待分析的迹线的另一选定集束；

图4A到4D说明交通工具在图3的选定集束的两个不同点上的平均速度及延迟时间；及

图5A到5B说明在图4A到4D的所述不同点中的一者处取得的数据的进一步统计分析。

具体实施方式

根据本发明的一个方面，信息是从沿着一可行驶街道网行进的交通工具的全局行为获得，其中所述街道网由多条迹线界定。所述信息对评估所述交通工具的特殊行为有用，且因此可用以确定沿着所述可行驶街道网在何处存在特定兴趣点(POI)。POI可为预先存在的或新的。所聚集的信息可大体上实时地获得，且因此，所述信息最新且可靠。此外，由于所述可行驶街道网经历动态变化，因此可监视且以经济方式处理发生的所述变化，而不需要聚集手动数据。所述信息可用以确定行进者的决策模式，不管其是在利用电动交通工具、脚踏车、行人行走或其它。因此，本发明不限于评估电动交通工具的行为。

更详细地参看图式，以实例说明且非限制，图1说明可如何集束迹线的数据库且从可行驶街道网10的一部分选择以供分析的实例。列举为1到4的所例示成束迹线已被指派了终点。所述迹线中的每一者起源于一共同位置或原点12且穿过一共同交叉点14。如可看见，所述迹线中的一些在其路程的一部分上共享行进路径(例如，迹线集束3及4所展现)，直到所述迹线到达分叉点16。因此，当聚集关于沿着迹线集束3及4行进的交通工具的数据时，重要的是，从沿着这些集束行进的交通工具收集的数据的地理范围应沿着这些相应路径获得得足够远，以检测在所述交通工具在到达集束3及4中分叉点16后所做的决策。另外，在到达分叉点16后，可以想象，希望沿着迹线集束3行进的交通工具可能由于许多原因而在分叉点16被延迟。举例来说，一些交通工具在转弯之前可能必须等待一队交通工具，或其可能必须等待指示信号。

为了评估沿着成束迹线1到4行进的交通工具的行进行为，可分析沿着成束迹线1到4行进的交通工具的机动动作。如图2A到2D中所示，其中图2A对应于成束迹线1，图2B对应于成束迹线2，图2C对应于成束迹线3，且图2D对应于成束迹线4，可经由从交通工具接收的探测数据获得成束迹线1到4上的交通工具的平均速度分布(列L)及交通工具的平均延迟时间分布(列R)。可使用任何合适的统计程序应用来产生平均化信息。如可看见，所获得的关于沿着迹线集束1行进的交通工具的信息指示左转的交通工具最终停止或接近停止，且接着在此后立即恢复逼近转弯之前的速度的速度。与之相比，沿着迹线集束2行进的交通工具的行为不同于沿着迹线集束1行进的交通工具，其中沿着迹线集束2行进的交通工具在行进穿过交叉点14时从其顶端速度稍微减速，且接着在此后立即恢复其顶端速度。另外相比，沿着迹线集束3行进的交通工具在交叉点14展现最慢平均速度以便右转弯，接着稍微加速、之后是平均速度的另一下降以便在分叉点16处左转弯。接着，对于沿着迹线集束4行进的交通工具，交叉点14处的行为明显不同于希望沿着迹线集束3行进的交通工具，其中虽然沿着迹线集束4行进的交通工具减慢了其平均速度以便在所述交叉点处右转弯，但平均速度的下降远不及沿着迹线集束3行进的交通工具。因此，重要的是能够区分沿着集束3中的迹线行进的交通工具与沿着集束4中的迹线行进的交通工具，以便获得关于交通工具的行为的有意义结论。借助现在建构的迹线1到4上的机动动作的数据库，从沿着不同迹线集束1到4行进的交通工具获得的探测数据可用以评估吸引所述交通工具的POI，且同样地，可在迹线集束1到4上填充或验证POI以使具备全球定位系统(GPS)功能的个人导航装置(例如，TomTomNV(www.tomtom.com)所制造的导航装置)的用户注意所述POI。然而，可使用具备GPS功能性的任何合适装置，其包括手持型装置、个人数字助理(PDA)、移动电话及其类似者。

在可如何利用可行驶街道网18上的迹线的选定群组上的机动动作的数据库的实例中，现参看图3，其描绘离开一共同位置的成束迹线1′到14′的数据库，其中以实例说明且非限制，将所述位置表示为机场20。应认识到，为论述目的，将所述说明简化，且所述成束迹线必然是复杂的以涵盖希望研究的区域。每一迹线路径1′到14′与离开机场20后即刻进行的机动动作的序列相关联。举例来说，机动动作的序列可以继续，直到迹线终止；直到迹线返回机场20(例如，出租车或公共汽车通常所发生的)；直到迹线延伸超出预定地理限制，或直到迹线展现交通工具的行进的显著减少。当然，其它约束可用以确定迹线及扩充迹线的分析的程度。

在我们的实例中，我们应注意，从离开机场20开始，迹线1′及2′为交通工具将行进的唯一可能决策。在研究后，我们从接收的探测数据知道，离开机场20的交通工具的大多数继续沿着迹线2′行进，且仅很少数交通工具沿着迹线1′行进。因此，出于针对离开机场20的交通工具评估POI的目的，我们忽视选择行进迹线1′的那些交通工具，且继续监视来自沿着迹线2′行进的那些交通工具的探测数据。我们继续此类推理，直到不存在比一条迹线更喜爱的另一行进迹线，且通过如此做，我们从探测数据知道，交通工具所行进的最喜爱迹线为2′、5′、7′、9′及11′，且在到达12′、13′及14′处的交叉点(I)后，不存在离开机场20的交通工具所行进的绝对喜爱迹线。因此，出于我们的交通工具行为研究的特殊目的，我们选择经由在迹线11′终止的机动动作来研究行进探测迹线2′、5′、7′、9′、11′(被称为“群组”)的交通工具的机动动作的选定系列(被称为“路线”)。

为了确定沿着所研究群组2′、5′、7′、9′、11′定位的POI，且在我们的实例中，将一POI表示为宾馆22，使用算法来比较交通工具的总随机群体与离开机场20的交通工具(被称为机场群组)之间的机动动作的行为(通过所述机动动作的速度、决策点处的停止时间)。如果交通工具的所述两个群体之间的行为有差异，使得可以统计方式论证所述两者很可能是不同的，则可确定一POI。

如图4A到4D中所说明，以实例说明，可容易地确定在迹线9′的机动动作处存在一POI(宾馆22)，而在迹线5′的机动动作处不存在POI。图4A到4B展示关于交通工具的总随机群体(图4A)及机场群组(图4B)的成束迹线5′的平均速度(列L)及平均时间延迟(列R)。在这些图中，为了说明目的，我们添加了以秒(μ)为单位的平均延迟时间和同样以秒(M)为单位的中值或50％延迟时间。在比较所述两个交通工具群体时，很明显地，其行为几乎不存在差异。尽管存在某一差异，但其很小，且可归因于例如统计取样、交通工具类型的差异，及由与POI毫无关系的事情引起的行为差异(例如，以不同速度行驶的出租汽车或局限于特定车道的公共运输)等事情。

与之相比，关于成束迹线9′，如图4C到4D所示，其中展示了关于交通工具的总随机群体(图4C)及机场群组(图4D)的平均速度(列L)及平均时间延迟(列R)，很明显，单独群体的行为之间存在相当大差异，其可通过统计方法推断。如从选定机场群组的速度分布的急剧下降可清楚地看到，在分叉点24之前大约65米处(迹线9′在此从迹线8′分叉)存在检测到的POI。然而，对于图4C所示的总随机群体，此可辨识的速度降落并未出现。因此，这些说明展示了比较特定目标群组内的交通工具与较大随机群体内的交通工具的价值。

当然，视POI的性质而定，群组中停靠在POI的交通工具的数目可以改变。因而，根据本发明，可对参与者执行额外统计分析以增加检测POI的灵敏度。举例来说，在另一实施例中，延迟分布的偏斜分析(三阶矩)及峰度(四阶矩)可用以确定对于沿着路线的一些交通工具将出现POI。在查看偏斜分析时，我们在集束中寻找相比于交通工具的总随机群体的正向分量增加的正向分量。所述正向矩指示所述路线中的参与者的一小子集停止地比通常情况长。类似地，对于离开机场的交通工具而非对于交通工具的总随机群体(控制群组)，如果峰度较平坦(平阔峰(platykurtic)，在平均值周围具有一宽阔且大致上平坦的峰值)，进而不具有突然的峰值，则存在可能的POI。因此，POI的似然度可通过将从使用平均值及标准差的单一统计模型推导的似然度值以及从分析偏斜及峰度获得的额外值相乘来计算。

根据本发明的另一方面，为了进一步挑选POI，可在不同时间执行统计分析以检测在不同时间期间发生的行为的模式。举例来说，可在一天中的不同时间、一周中的不同时间、一月中的不同时间期间或在一年中的不同时间期间获得探测数据。在机场实例的情况下，交通工具交通通常在一天中的稍晚时间期间较大，且因此，可能不符合展现一不同分布的高峰时间交通。在这些情况下，应将选定控制群组的日时间特性扩展到待比较的一般群体。这可通过比较群组行为与所述一般群体的随机化子集(经选择以具有相同的日时间统计分布)的行为来完成。

根据本发明的另一方面，可使用不同分析技术来解译所述数据。举例来说，可产生一位置处的超出一预定时间周期(例如，2分钟)的持续时间阈值的特定停止的分布。如图5所示，5B中的机场集束9展现不同于交叉点24的时间延迟，进而进一步证明且确认存在POI的信息，且另外，识别路线内的POI的位置。举例来说，如同图4D中的证明，由于列L指示在交叉点24之前65米处的减速，所以经由探测数据检测到的延迟分布指示在交叉点24之前65米处的峰值。因此，原始机动动作的位置及所述交叉点现可用以定位到街道网18内的POI的入口(E)。

到POI的入口E可被自动地添加到数据库，或其可在验证(例如，经由航空摄影、卫星成像、商业及社交网络连接网站或城市规划及地图)后即刻被手动地添加。在命名及推导关于POI的类型或其它信息时，可使用手动编辑。在命名及推导关于POI的类型或其它信息时，基于(例如)行进时间及行为的试探法可暗示POI类型。一旦已识别POI位置，即可选择选定群组内的迹线的子集，其对于特定机动动作展现与总控制群体相比无特征的延迟。接着对于日时间、周时间等分析这些无特征的延迟。可应用任何数目个基于区域的文化及习俗的试探规则。举例来说，对于各种进餐(例如，此些特征时间时的延迟可指示餐馆)、崇拜(例如，此些时间时的延迟可指示礼拜的场所)、宾馆登记等，特定区域可展现不同的社会接受时间。其它试探法可指示一时间窗口(在此期间，一POI可用)，其中可针对工作日与周末来分析和比较被视为到达时间的延迟，从而指示不同的营业时间(例如，周一到周五上午8：00到下午7：00，周六上午8：00到下午5：00，且周日停止营业)。另外，试探法可用以比较类似类型的POI(例如，宾馆)，以基于出现频率而指示特定宾馆优于其它宾馆。

所获得信息的前述每一部分可自动归因于POI的入口点，或其可加以记录以在进一步调查后手动键入。在频繁访问POI的情况下，所述信息可用以对所述手动调查进行区分优先以用于验证目的——即，接收到被视为到达的最多延迟的新POI位置可被给予最高优先级以进行研究。因此，可首先确认访问最频繁的地点的POI数据库。

应认识到，上文所论述的机场实例可适用于实质上任何情境，特别是具有清晰出口路线的位置，其中离开所述位置的交通工具可与一般群体区别开来。

显然，根据以上教示，本发明的许多修改及改变为可能的。因此应理解，在所附的权利要求书的范围内，本发明可以除特定描述外的方式实践。

Claims (7)

1.一种使用来自探测数据的迹线来分析兴趣点的方法，其包含：

提供数字向量地图的数据库，其经配置以存储表示可行驶街道网的道路的多条迹线；

从沿着所述迹线行进的交通工具收集探测数据，其中每一迹线包含一系列机动动作；

集束具有有着共同原点及在所述原点的下游的至少一个分叉点的路线的选定迹线群组；

建立所述路线上的交通工具机动动作的数据库；

基于与所述路线相关联的机动动作计算具有有着共同原点及在所述原点的下游的至少一个分叉点的路线的所述选定迹线群组的平均速度、延迟时间或延迟分布中的至少一者；

计算所有交通工具的平均速度、延迟时间或延迟分布中的至少一者；

将来自交通工具的所述选定迹线群组的平均速度、来自交通工具的所述选定迹线群组的在分叉点处的交通工具延迟时间、或来自交通工具的所述选定迹线群组的在分叉点处的平均交通工具延迟时间分布中的所述至少一者与来自所有交通工具的平均速度、来自所有交通工具的在所述分叉点处的交通工具延迟时间、或来自所有交通工具的在所述分叉点处的平均交通工具延迟时间分布中对应的至少一者相比较；及

根据所述比较确定与沿着所述路线的一个或一个以上兴趣点相关联的信息。

2.根据权利要求1所述的方法，其中所述确定与沿着所述路线的一个或一个以上兴趣点相关联的信息包括：

确定沿着所述路线的兴趣点的位置、设施类型或营业时间中的至少一者。

3.根据权利要求1所述的方法，其进一步包括计算所述延迟时间的偏斜。

4.根据权利要求1所述的方法，其进一步包括计算所述延迟时间的峰度。

5.根据权利要求1所述的方法，其进一步包括在日、周、月或年的不同时间期间获得所述探测数据。

6.根据权利要求1所述的方法，其进一步包括产生沿着具所述延迟时间的所述路线的位置处的特定停止的分布。

7.一种使用来自探测数据的迹线来分析兴趣点的方法，其包含：

提供数字向量地图的数据库，其经配置以存储表示可行驶网的多条迹线；

从沿着所述迹线行进的行进者收集探测数据，其中每一迹线包含一系列机动动作；

集束具有有着共同原点及在所述原点的下游的至少一个分叉点的路线的选定迹线群组；

建立所述路线上的机动动作的数据库；

基于与所述路线相关联的机动动作计算具有有着共同原点及在所述原点的下游的至少一个分叉点的路线的所述选定迹线群组的平均速度、延迟时间或延迟分布中的至少一者；

计算所有行进者的平均速度、延迟时间或延迟分布中的至少一者；

将来自行进者的所述选定迹线群组的平均速度、来自行进者的所述选定迹线群组的在分叉点处的行进者延迟时间、或来自行进者的所述选定迹线群组的在分叉点处的平均行进者延迟时间分布中的所述至少一者与来自所有行进者的平均速度、来自所有行进者的在所述分叉点处的行进者延迟时间、或来自所有行进者的在所述分叉点处的平均行进者延迟时间分布中对应的至少一者相比较；及

根据所述比较确定与沿着所述路线的兴趣点的位置、设施类型或营业时间中的至少一者。