CN105659639B - 将外部设备关联到交通工具及所述关联的应用 - Google Patents

将外部设备关联到交通工具及所述关联的应用 Download PDF

Info

Publication number
CN105659639B
CN105659639B CN201480051904.5A CN201480051904A CN105659639B CN 105659639 B CN105659639 B CN 105659639B CN 201480051904 A CN201480051904 A CN 201480051904A CN 105659639 B CN105659639 B CN 105659639B
Authority
CN
China
Prior art keywords
mobile device
external equipment
information
vehicles
particular vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480051904.5A
Other languages
English (en)
Other versions
CN105659639A (zh
Inventor
吉尔·利维
亚龙·埃森巴德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anagog Ltd
Original Assignee
Anagog Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anagog Ltd filed Critical Anagog Ltd
Publication of CN105659639A publication Critical patent/CN105659639A/zh
Application granted granted Critical
Publication of CN105659639B publication Critical patent/CN105659639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/10—Recognition assisted with metadata
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

用于将外部设备关联到交通工具的方法、装置和产品以及所述关联的应用。一种方法从连接到外部设备的一个或多个移动设备获取信息。该信息被用于确定外部设备与交通工具关联，由此使得另一移动设备能够基于移动设备连接到外部设备来确定其正位于交通工具上。另一种方法获取移动设备连接到外部设备的指示。访问数据库检索外部设备与交通工具的关联，由此推论出移动设备位于交通工具中或上。响应于该推论，可执行预定的动作。

Description

将外部设备关联到交通工具及所述关联的应用
相关申请的交叉引用
本申请要求2013年7月26提交的、题名为“使用移动设备对处于运输工具中的自动检测和附件在交通工具中的自动检测(Automatic detection of being in a mean oftransportation and automatic detection of accessories in a vehicle usingmobile device)”的第61/858，914号美国临时申请的权益，其全部内容在此以引用的方式并入。
技术领域
本公开大体涉及移动设备，更具体地，涉及在交通工具中的移动设备的自动检测。
背景
多个移动设备可连接到外部设备。外部设备可向移动设备提供另外的或可选择的输入/输出组件，使得移动设备能够利用之前不可用的功能，或类似地。在一些示例性实施方式中，连接到外部设备可通过因特网连接、宽带连接将移动设备提供给计算机网络，或类似地。例如，外部设备可以是蓝牙耳机、扬声器电话、外接显示器、充电器、全球定位系统(GPS)接收器、Wi-Fi 路由器、Wi-Fi热点、无线射频识别(RFID)设备、近场通信(NFC)设备、或类似物。
连接可以是无线连接，例如使用无线协议(例如蓝牙、Wi-Fi、RFID、 NFC或类似物)，或者使用线缆的有线连接，例如在被用于提供电源供应以给移动设备充电的交通工具充电器的情形下。
移动设备可同时连接到不同的外部设备、相似的外部设备和多个外部设备。另外或可选择地，一个外部设备可一次连接到单个移动设备或同时连接到多个移动设备。
在一些示例性实施方式中，移动设备可被构造成自动连接到外部设备。例如，在蓝牙设备配对到移动设备的情形下，当检测到蓝牙设备存在时，移动设备可自动连接到蓝牙设备。又例如，当Wi-Fi网络对于移动设备可用时，例如当移动设备位于距提供进入Wi-Fi网络通路的Wi-Fi路由器或热点足够的范围内时，移动设备可自动连接到熟悉的Wi-Fi网络。
简述
本公开主题的一个示例性实施方式是方法，包括：从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集；并且基于该信息确定外部设备与交通工具相关联，其中所述确定通过处理器执行；由此基于一个移动设备连接到外部设备，使得该移动设备能够确定该移动设备位于交通工具上。
本公开主题的另一个示例性实施方式是具有处理器的计算机装置，处理器适于执行以下步骤：从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集；并且基于该信息确定外部设备与交通工具相关联；由此基于一个移动设备连接到外部设备，使得该移动设备能够确定该移动设备位于交通工具上。
本公开主题的又一个示例性实施方式是计算机程序产品，其包括保留程序指令的计算机可读存储介质，该程序指令当由处理器读取时引起处理器执行一个方法，包括：从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集；并且基于该信息确定外部设备与交通工具相关联；由此基于一个移动设备连接到外部设备，使得该移动设备能够确定该移动设备位于交通工具上。
本公开主题的又一个示例性实施方式是方法，包括：获取移动设备连接到外部设备的指示；访问数据库以检索外部设备与交通工具的关联，其中数据库保留有外部设备与交通工具之间的关联，由此基于该指示推论出移动设备位于交通工具中或上；并且响应于推论出的移动设备位于交通工具中或上，执行预定的动作，其中所述执行预定的动作由处理器执行。
本公开主题的另一个示例性实施方式是具有处理器的计算机装置，处理器适于执行以下步骤：获取移动设备连接到外部设备的指示；访问数据库以检索外部设备与交通工具的关联，其中数据库保留有外部设备与交通工具之间的关联，由此基于该指示推论出移动设备位于交通工具中或上；并且响应于推论出的移动设备位于交通工具中或上，执行预定的动作。
本公开主题的又一个示例性实施方式是计算机程序产品，其包括保留程序指令的计算机可读存储介质，该程序指令当由处理器读取时引起处理器执行一个方法，包括：获取移动设备连接到外部设备的指示；访问数据库以检索外部设备与交通工具的关联，其中数据库保留有外部设备与交通工具之间的关联，由此基于该指示推论出移动设备位于交通工具中或上；并且响应于推论出的移动设备位于交通工具中或上，执行预定的动作。
附图中多幅视图的简述
本公开的主题将从以下详述并结合附图而更全面地理解和领会，附图中对应的或类似的数字或字符表示对应的或类似的构件。除非以其它方式标出，附图提供示例性的实施方式或公开内容的各方面，但是不限制本公开的范围。附图中：
图1显示了根据本公开主题的一些示例性实施方式的计算机环境的示意图；
图2显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图3显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图4显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图5显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图6A显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图6B显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图7显示了根据本公开主题的一些示例性实施方式的方法的流程图；
图8显示了根据本公开主题的一些示例性实施方式的方法的示意图；以及
图9显示了根据本公开主题的一些示例性实施方式的方法的流程图。
详述
本公开主题所要解决的一个技术问题是能够确定移动设备位于交通工具上。在一些情形下，交通工具可以是公共交通工具。
移动设备可以是手持计算设备、移动电话、智能手机、便携式电话、手提式计算机、平板式计算机、个人数据处理机(PDA)、智能手表、可穿戴式配件、或类似物。
在本公开内容中，术语“交通工具”可涉及任何运输手段，包括但不限于汽车、自行车、火车、地铁、公共汽车、轮船、飞机、或类似物。
在本公开内容中，术语“公共交通工具”可涉及能够被很多不同的人同时或不同时使用的任何交通工具，例如公共汽车、火车、地铁、飞机、或类似物。
本公开主题所要解决的另一个技术问题是识别移动设备的用户在交通工具上或在交通工具中。
本公开主题所要解决的又一个技术问题是过滤从多个移动设备收集的信息。过滤信息可基于与一个或多个交通工具相关联的多个移动设备。在一些示例性实施方式中，过滤信息可被执行以去除从位于交通工具(或其类型)、公共交通工具、或类似物上的移动设备中收集的信息。另外或可选择地，信息可被过滤以只允许处理从位于交通工具、公共交通工具、特定交通工具或类似物上的移动设备中收集的信息。
一种技术解决方案可以是识别移动设备被连接到外部设备，并基于外部设备和交通工具之间的预定关联确定移动设备位于交通工具中或位于交通工具上。在一些情形下，外部设备和交通工具之间的关联可基于来自多个移动设备的信息自动确定，这些信息是在多个移动设备连接到外部设备时收集的。
以非限制性实施例的形式，外部设备可以是蓝牙耳机、扬声器电话、外接显示器、充电器、GPS接收器、RFID设备、NFC设备、Wi-Fi路由器、 Wi-Fi热点、车载计算机、交通工具远程通信系统、或类似物。
在一些示例性实施方式中，在确定了外部设备和交通工具之间的关联以后，升级数据库以保留该关联用于未来使用。当一个移动设备被检测到连接到外部设备时可使用该数据库以推断出移动设备位于与外部设备关联的相同交通工具中或上。在一些示例性实施方式中，移动设备可被配置成访问数据库以确定移动设备位于与外部设备关联的交通工具中或上。另外或可选择地，服务器可访问该数据库以确定移动设备位于与外部设备关联的交通工具中或上。
另一种技术解决方案可以是基于物理数据确定外部设备与交通工具关联，该物理数据是在移动设备连接到外部设备时由移动设备收集的。在一些情形下，每一个移动设备可以在连接到外部设备时随时间收集物理数据。从不同的移动设备在重叠时间连接到相同的外部设备时获取的物理数据之间的相关性可以指示外部设备位于交通工具中或上。例如，该信息可指示位置、定向、移动状态、加速度或类似参数的类似变化，由此指示移动设备位于相同的交通工具中或上。在一些示例性实施方式中，相关性可指示外部设备不是静止的，例如指示在预定距离上(例如，500米、1千米或类似距离)的位置变化、指示超过预定阈值的速度(例如，超过5千米/时、20千米/时、或类似速度)。另外，在信息收集于大于预定阈值的很多移动设备的情形下，可以确定交通工具是公共交通工具。例如，阈值可以是两个移动设备、三个移动设备、十个移动设备、或类似的。需要注意，在一个公共交通工具中，持有多个移动设备的多个用户可能乘坐一起，而这种情形在非公共交通工具例如在自行车或私家车中是不太可能的。
又一种技术解决方案可以是获取一个移动设备在不同时间点的位置数据。可以基于识别一个移动设备的位置数据和公共交通工具的路线之间随时间的相关性来确定外部设备与公共交通工具关联。路线可以从数据库中获取。路线可以是公共交通工具或其部分的预定的且基本恒定的路径，例如由铁路限定的路径，公共汽车的限定路径，沿着路径的一组检测点，例如汽车站、街道或类似物。
又一种技术解决方案可以是获取一个移动设备在不同时间点的速度。可以基于确定一个移动设备的速度大于预定速度阈值来确定外部设备与公共交通工具关联。预定速度阈值可以与公共交通工具的速度关联，例如超过200 千米/时的速度可被预期来自一些火车而不是私家车。
又一种技术解决方案可以是获取一个移动设备在不同时间点的位置数据。可以基于根据在不同时间点的位置数据确定移动模式来确定外部设备与公共交通工具关联。移动模式可以与位于公共交通工具中或上的移动设备相关联。
又一种技术解决方案可以是获取可以指示一个移动设备在不同时间点的位置和速度的信息，并获取与一个移动设备在不同时间点的位置相适应的交通信息。可基于识别交通信息和一个移动设备的速度之间的矛盾来确定外部设备与公共交通工具相关联。
又一种技术解决方案可以是获取用户交互信息。用户交互信息可指示用户与移动设备的交互。可基于识别用户交互信息指示用户在交通工具中或上来确定外部设备与公共交通工具相关联。用户交互可以是例如交互的类型(例如，用户交互之间的间隙或没有用户交互之间的间隙)、用户使用的输入方法的类型(例如，声音指令、使用键盘、使用定点设备等)、活动类型(例如，使用浏览器、使用音乐播放器、使用GPS导航应用、打开或关闭飞行模式、或类似的)。在一些示例性实施方式中，机器学习技术可被用于识别用户交互指示用户在交通工具中或上。例如，被训练的分类器(classifier)可被用于预测用户交互是否指示用户在交通工具上或中。
在一些情形下，训练的数据可包括获取自已知或确定关联到交通工具(或没有关联到交通工具)的一个或多于一个的移动设备的用户交互信息。用户交互信息可以是获取自与用户无关的多个移动设备的信息、获取自由与该用户类似的用户操作的移动设备的个性化信息、或获取自由用户自己操作的移动设备的信息。
又一种技术解决方案可以是获取一个或多于一个的移动设备在不同时间点的移动信息。移动信息可以指示移动状态，例如“行驶”状态、“未行驶”状态、“步行”状态或类似的。移动信息可基于移动设备的传感器例如但不限于加速计读数来确定。基于移动状态，可以计算出于连接到外部设备的总连接时间中的一部分行驶时间。计算的部分可被用于确定外部设备与交通工具关联。例如，在该部分大于预定阈值例如50％、60％、70％或类似的数值的情形下，可推论出外部设备位于交通工具上。
本公开主题的一个技术效果可以是对移动设备集中采集(crowd source) 以确定外部设备和交通工具之间的关联，而不需要现有技术。在一些情形下，通过集中采集连续监测，可自动检测接收到的信息、变化，例如使用新的外部设备、将外部设备从一个交通工具移动到另一个或者移动到非交通工具，并且反之亦然，或类似地。
另一个技术效果可以是能够基于交通工具或公共交通工具中的移动设备的位置过滤集中采集的信息。例如，可基于集中采集的信息推论出交通信息。然而，获取自一些交通工具例如在公共汽车道上行驶的公共汽车、自行车、火车或类似物的信息对于这样的计算可能是没有用的，并且可能甚至是起相反作用的，因为其可能在存在交通拥堵的位置指示为没有交通拥堵。本公开的主题可被用于过滤这些信息，即便其是由一些移动设备提供。又例如，来自所有用户的被过滤以仅涉及乘坐在公共交通工具的用户的集中采集的信息可被用于随时间追踪公共交通工具，而不使用公共交通工具上的设备并且不需要公共交通工具的服务提供者的协作。
在一些示例性实施方式中，集中采集的信息可以从所有类型的移动设备并且在任何时间获取，并且可以根据需要的过滤条件并根据移动设备在每个时间点的当前状态来过滤。
又一个技术效果可以是当移动设备位于交通工具或公共交通工具上或交通工具或公共交通工具中时能够功能性操作。操作可以是基于位于交通工具上或中的移动设备来修改移动设备的用户界面(UI)。又例如，操作可以是预定功能性的激活，例如将用户登陆到预定服务器上(例如，社交网络服务器)。
在一些示例性实施方式中，可确定移动设备用户的估计目的地。例如，可确定公共交通工具的特定线路号，并基于此可确定可能的目的地。在一些情形下，用户历史和其他用户的历史也可被用于预测目的地。相应地，与估计的目的地相关联的内容项(contentitem)可被用于移动设备以提供给用户。内容项可以是例如基于目的地的公告、与目的地有关的信息、与目的地相关联的警报或通知、或类似的。另外或可选择地，可指示到达估计目的地的交通工具的估计到达时间。在这种情形下，可发出迟到的通知，或者在接近估计的到达时间时激活警报，或类似地。
现参照图1，显示了根据本公开主题的一些示例性实施方式的计算机环境的示意图。
计算机环境100包括连接到网络105的服务器130，例如局域网(LAN)、广域网(WAN)、内联网、因特网或类似物。服务器130可以是处理设备。服务器130可被构造成获取并处理来自外部源的信息，外部源例如但不限于移动设备(例如，移动设备110)。
移动设备110，例如移动电话、PDA、平板或类似物可借助于网络105 向服务器130发送信息。在一些情形下，移动设备110可以是手持设备或由用户以其他方式携带。在一些示例性实施方式中，移动设备110可通过传感器收集信息。移动设备110的传感器可以是测量任何物理属性的设备，例如加速计、陀螺仪、罗盘、气压表、光电传感器、声音传感器(例如微音器)、或类似物。
在一些示例性实施方式中，信息可包括通过使用传感器的移动设备110 测量的物理数据。物理数据可包括例如移动设备110在不同时间点的位置、移动设备110在不同时间点的速度、移动设备110在不同时间点的方向、移动设备110在不同时间点的加速度、移动设备110在不同时间点的高程、在不同时间点的通过移动设备110的光电传感器测量的光测量结果；以及在不同时间点的通过移动设备110的微音器测量的声测量结果，或类似物。
在一些示例性实施方式中，信息可包括移动设备110的位置信息，例如移动设备110的位置。移动设备110可通过使用能够探知其位置的定位设备检测位置，定位设备可以是例如GPS接收器、基于Wi-Fi的三角仪、基于单元的三角仪(cell-based triangulator)、或类似物。在一些示例性实施方式中，移动设备110可获取用于确定移动设备110的移动状态的传感器读数。“移动状态”可以是指示移动设备110或持有移动设备110的用户的运动模式的状态。移动状态可指示“行驶”状态(例如，移动设备110位于行驶的交通工具内)、“步行”状态(例如，移动设备110由步行的人员持有)、“非行驶”状态(例如，移动设备110不位于行驶的交通工具内)、或类似地。在一些情形下，移动状态可以通过移动设备110的加速计的读数和指示移动状态的加速度曲线的确定来识别。然而，本公开主题不限于这一实施方式，并且可使用其他传感器，例如定位设备，以确定移动设备110的移动状态。
在一些示例性实施方式中，移动设备110可通过使用移动设备110的人员(也称为用户，未示出)监测用户交互。用户交互可包括移动设备110与用户的任何形式的交互，包括但不限于使用特定应用、被用于与移动设备110 交互的I/O组件、由用户操作的功能、用户交互的速率及其时间、移动设备 110的选定操作模式(例如“飞行”模式)、或类似的。
在一些示例性实施方式中，移动设备110可连接到外部设备120。外部设备120可以是充电器、蓝牙设备、蓝牙耳机、扬声器电话、外接显示器、 GPS接收器、RFID设备、NFC设备、Wi-Fi路由器或热点、或类似物。
在一些示例性实施方式中，移动设备110和外部设备120之间的连接可以是无线连接，例如使用无线协议(例如蓝牙、Wi-Fi、RFID、NFC或类似物)，或者使用线缆的有线连接，例如在被用于提供电源供应以给移动设备 110充电的交通工具充电器的情形下。在一些示例性实施方式中，移动设备 110可同时连接到多个外部设备。在一些示例性实施方式中，外部设备120 可同时连接到多于一个的移动设备上。
在一些示例性实施方式中，服务器130被构造以基于移动设备110提供的信息确定外部设备120与交通工具相关联。在一些示例性实施方式中，该确定可识别交通工具是公共交通工具。另外或可选择地，该确定可识别交通工具的类型(例如，公共汽车、自行车、火车、汽车或类似物)、交通工具本体例如线路号或火车号。
在一些示例性实施方式中，服务器130被构造以在数据库140中存储外部设备120和交通工具之间的关联。数据库140可由设备使用以确定连接到外部设备120的移动设备位于与外部设备120相关联的交通工具上。在一些示例性实施方式中，可通过移动设备例如可访问数据库140的移动设备110 来确定。另外或可选择地，可通过服务器130、通过另一服务器或通过另一个计算设备来确定。
需要注意，计算机环境100显示有三个移动设备和一个外部设备。然而，本公开主题不限于这样的安排，并且任何数量的移动设备和外部设备可以是根据本公开主题的计算机环境的一部分。
现在参照附图2，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图2中所示的方法可以通过例如图1的130的服务器来执行。
在步骤200中，第一移动设备可连接到例如图1的120的外部设备。类似地，在步骤202中，第二移动设备可连接到外部设备。这样的连接可发生于不同的时间。在一些情形下，移动设备可以在重叠时间、同时或类似地连接到外部设备。
在步骤210中，第一移动设备可收集第一物理数据。第一物理数据可通过第一移动设备的传感器收集。在步骤212中，第二移动设备可收集第二物理数据。物理数据可通过移动设备随时间收集，例如周期性地、每十毫秒、每一秒、每一分钟、每十五分钟或类似地。例如，移动设备可使用定位设备以随时间确定移动设备的位置。另外或可选择地，移动设备可使用加速计以随时间确定移动设备的加速度测量结果。
在步骤220和222中，可例如通过服务器接收物理数据。服务器可例如借助于图1的网络105从移动设备接收物理数据。在一些示例性实施方式中，移动设备可以将物理数据周期性地传送到服务器、在获取每个物理数据之后立即传送到服务器，或者类似地。
在一些示例性实施方式中，物理数据可包括与在一个时间点的至少一个物理测量的属性相关联的信息。在一些示例性实施方式中，物理数据可包括以下中的至少一个：移动设备在一个时间点的位置、移动设备在一个时间点的速度、移动设备在一个时间点的方向、移动设备在一个时间点的加速度、移动设备在一个时间点的高程、由光电探测器测量的在一个时间点的光测量结果、由微音器测量的在一个时间点的声测量结果、或类似物。
在步骤230中，可确定第一移动设备的物理数据和第二移动设备的物理数据之间的随时间的相关性。该相关性可涉及移动设备在其中连接到外部设备并获取物理数据的重叠时间。
在一些示例性实施方式中，在物理数据指示不同时间点测量的速度的情形下，如果物理数据组具有随时间基本相同的速度，则可确定该相关性。需要注意，在一些情形下，这些测量结果可能不相同并且仍被考虑为具有相关性，例如在使用具有不同灵敏性或可能的偏差的不同传感器的情形下、在不同时间得到测量结果的情形下(例如，彼此在10秒内)、在临时性地通过传感器没有获取正确的测量结果的情形下、或类似情形下。
又例如，移动设备在不同时间的位置之间的相关性可指示移动设备随时间基本一起移动，例如如果移动设备由乘坐相同交通工具的用户携带则会是这种情形。
再例如，可确定测量结果的增量之间的相关性。该相关性可允许确定用户位于相同的交通工具上，即便其彼此并不接近。另外或可选择地，该相关性可以是不同移动设备的物理数据的趋势的相关性。
另外或可选择地，相关性可指示外部设备的位置是不固定的，例如当连接到外部设备时，移动设备位于不同的位置；当在至少一部分时间连接到外部设备时，与行驶相关联的速度和加速度测量结果、至少一些移动设备的移动状态指示正在被行驶；或者类似地。
在一些示例性实施方式中，相关性可以是物理测量结果的元组之间的相关性。对于每个时间点，每个移动设备可提供物理属性的测量结果的元组。元组中的每一个元素可指示不同物理属性的测量结果或通过不同的传感器。确定的相关性可以是元组之间随时间的相关性。例如，元组可包括三个测量结果：第一元素测量的高程、第二元素测量的光和第三测量方法测量的加速度。可确定从两个或多于两个的移动设备获取的两组或多于两组的元组之间的相关性。需要注意，光测量结果对于间歇地暴露于日光的地铁和火车来说可能有用。还需要注意，高程在具有斜坡、山丘、平原和类似变化的地形类型的地形中可能有用。
在步骤240中，外部设备可被确定与交通工具相关联。
识别移动设备一起连接到相同的外部设备记录类似的物理测量结果或其变化，可指示用户位于相同的交通工具中。在物理测量结果指示改变位置、改变速度、处于“驱动”状态中或类似的情形下，其可指示外部设备位于交通工具中。参照上述的实施例，第一移动设备的速度和第二移动设备的速度之间的相关性可指示第一移动设备和第二移动设备随时间以相同的类型移动并因此位于相同的交通工具中或上。
在一些示例性实施方式中，在相关性是由包括多于最小阈值数量的设备的一组移动设备所记录的物理数据之间的相关性的情形下，可确定外部设备与公共交通工具相关联。例如，最小阈值可以是两个移动设备、三个移动设备、十个移动设备、二十个移动设备、一百个移动设备或类似的。需要注意，在一些情形下，不同组的移动设备可在不同时间同时连接到外部设备，从而指示外部设备是公共可访问的，例如公共交通工具中的热点，而不是私有的，例如非公共交通工具中的热点。
在步骤250中，外部设备和交通工具之间的关联可以存储在数据库中，例如图1的140。数据库可被升级以包括含有以下至少两个元素的记录：外部设备的识别符，例如服务集标识(SSID)、媒体访问控制(MAC)地址、蓝牙地址、互联网协议(IP)地址、或类似物，以及交通工具的相关联类型 (例如，无/公共/非公共)。另外或可选择地，该记录可包含识别特定交通工具的元素，例如公共汽车的线路号。
在一些示例性实施方式中，数据库可保留获取的物理数据以允许将来处理物理数据，例如将来考虑到其他的记录信息而重新评价步骤240的确定结果。在一些情形下，外部设备可从交通工具中移除并且可在任何地方使用。同样还可以适用于初始没有在交通工具中使用但是后来这样使用的外部设备。例如，考虑初始由用户在步行和行驶时使用，但是后来仅在行驶时使用的蓝牙耳机。在一些情形下，初始确定结果可基于新信息被修改，同时仍然潜在地寻址导致初始确定结果的信息。
现参照图3，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图3的方法可通过例如图1的130的服务器执行。
在步骤300中，移动设备可以以与图2的步骤200类似的方式连接到外部设备。
在步骤310中，移动设备可收集不同时间点的位置数据。在一些示例性实施方式中，位置数据可通过测量移动设备的物理位置的移动设备的传感器收集，例如GPS接收器、Wi-Fi接收器、或类似物。在一些示例性实施方式中，位置数据可以是三角测量计算的结果。在一些示例性实施方式中，位置数据可包括移动设备在不同时间点的位置，例如通过经度和纬度信息描述的。另外或可选择地，位置数据可包括高程、定向、方向或类似物。位置数据可由移动设备随时间收集，例如周期性地、每十毫秒、每一秒、每一分钟、每十五分钟或类似地。例如，移动设备可使用定位设备以随时间确定移动设备的位置。
在步骤320中，定位数据可接收自例如服务器的移动设备。在一些示例性实施方式中，移动设备可以周期性地、在获取每个位置数据之后立即或者类似地将位置数据传送到服务器。
在步骤330中，可执行移动设备所连接到的外部设备与公共交通工具相关联的确定。在一些示例性实施方式中，该确定可使用步骤332和334，使用步骤336和338，或以类似的方式执行。
在步骤332中，可接收与公共交通工具的路径有关的信息。该信息可包括公共交通工具的预定路径，诸如例如特定的公共汽车线路的路径、限定的火车路径、轨道或铁路的轮廓线、公共汽车线路的一组车站、公共运输工具的时间表、或类似物。
可以从数据库中获取与公共交通工具的路径有关的信息。数据库可能是或不是由第三方提供，例如但不限于公共运输服务的提供者。
在步骤334中，可识别位置数据和公共交通工具的路径之间的随时间的相关性。在一些示例性实施方式中，该相关性可被识别为位置数据和与随时间的路径有关的信息之间的兼容性，作为移动设备在不同时间点的位置和公共汽车的路径之间的示例性兼容性。这种情形下的兼容性可指示当移动设备连接到外部设备时，移动设备位于公共汽车上或公共汽车中。在一些示例性实施方式中，相关性可以是位置数据和被指定用于公共交通的特定线路的路径之间的对应。
在一些示例性实施方式中，基于与路径的相关性，可确定与特定类型的公共交通工具例如火车、公共汽车或类似物的关联。另外或可选择地，所确定的关联可以是与特定线路，例如特定火车线路、特定公共汽车线路或类似线路之间的关联性。
需要注意，相关性可能不是准确的。在一些情形下，仅部分位置数据可与路径匹配。例如，公共汽车驾驶员在不当班时可驾驶公共汽车至其他的地点。又例如，考虑到临时情况，火车或公共汽车可能会绕路。在一些情形下，如果位置数据在超过预定的数据部分与路径相关联，例如超过50％、超过 80％、超过90％或类似的，则可确定与路径的关联，并因此可确定与特定的公共交通工具的关联性。
在步骤336中，可基于位置数据确定移动模式。移动模式可基于不同时间点的移动设备的位置数据来确定。在一些示例性实施方式中，可使用移动设备的传感器以随时间检测移动设备的移动模式。例如，可基于GPS传感器、移动设备的位置指示传感器或类似物收集的信息来确定移动模式。在一些示例性实施方式中，移动模式可以是随时间的运动状态的模式。移动模式可以是行驶和停止之间间隙的模式(例如，行驶两分钟、停止一分钟、行驶三分钟、停止一分钟等)、随时间的速度模式(例如，10-20千米/时保持十分钟、 0-5千米/时保持一分钟、10-20千米/时保持一分钟、20-30千米/时保持两分钟等)、或类似的。
在步骤338中，服务器可得出结论，即移动模式对应于公共交通工具。不同类型的交通工具可具有不同的行为和不同的移动模式。例如，重复进行行驶然后停止数秒这样的移动模式可对应于公共交通工具。如果移动模式中的停止部分彼此接近，例如小于几百米，则移动模式可指示正位于公共汽车上。如果移动模式中的停止部分彼此很远，例如多于五千米、十千米或二十千米，则移动模式可指示正位于火车上。如果停止之间的持续时间相当短，可确定移动模式与处于交通拥堵中的交通工具相一致。
在步骤340中，外部设备和公共交通工具之间的关联可以以类似于图2 的步骤240的方式存储在数据库中。
现参照图4，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图4的方法可通过例如图1的130的服务器执行。
在步骤400中，移动设备可以以与图2的步骤200类似的方式连接到外部设备。
在步骤410中，移动设备可收集关于移动设备在不同时间点的速度的信息。信息可通过移动设备随时间收集，例如周期性地、每十毫秒、每一秒、每一分钟、每十五分钟或类似地。
在步骤420中，信息可以以与图3的步骤320类似的方式从移动设备中接收。
在步骤430中，可确定移动设备的最大速度。移动设备的最大速度可以是根据接收信息的移动设备的最大测量速度。
在步骤440中，最大速度可以与阈值相比较以确定最大速度大于阈值。另外或可选择地，可使用不同的范围，每一个指示可能的不同类型的公共交通工具。不同的阈值可指示不同种类的公共交通工具。例如，160千米/时的阈值可指示火车。40千米/时至80千米/时的范围可指示公共汽车。
在步骤450中，根据步骤440的确定结果，可推论移动设备位于公共交通工具上或中。在一些示例性实施方式中，可基于上述信息或基于根据本公开主题的其他信息确定公共交通工具的类型。
在步骤460中，外部设备和公共交通工具之间的关联可以以类似于图2 的步骤240的方式存储在数据库中。
现参照图5，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图5的方法可通过例如图1的130的服务器执行。
在步骤500中，移动设备可以以与图2的步骤200类似的方式连接到外部设备。
在步骤510中，移动设备可收集关于移动设备在不同时间点的速度和位置的信息。信息可通过移动设备的传感器收集，例如在图4的步骤410和图 3的步骤310中。
在步骤520中，信息可以以与图3的步骤320类似的方式从移动设备中接收。
在步骤530中，可获取与移动设备在不同时间点的位置有关的交通信息。该信息可获取自收集交通信息的第三方服务器，获取自保留交通信息的数据库，或类似地。交通信息可指示交通拥堵、平均道路上的行驶速度、或类似物。
在步骤540中，可识别交通信息和移动设备速度之间的矛盾。在一些示例性实施方式中，矛盾可以是例如高于平均速度预定阈值(例如，20％、20 千米/时、或类似的)的速度、交通拥堵中的高速度、或类似的。这些矛盾可指示例如交通工具使用可能不像私人交通工具那样受交通影响的专用道路或铁路。在一些示例性实施方式中，不受交通的影响可指示正在火车上或者正在使用公共汽车道的公共汽车中。另外或可选择地，自行车也可能不受交通的影响。
在步骤550中，可推论出移动设备位于公共交通工具上或公共交通工具中。
在步骤560中，外部设备和公共交通工具之间的关联可以存储在数据库中，例如在图2的步骤240中。
现参照图6A，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图6A的方法可通过例如图1的130的服务器执行。另外或可选择地，图6A的方法可通过例如图1的110的移动设备执行。
在步骤600中，移动设备可以以与图2的步骤200类似的方式连接到外部设备。
在步骤610中，可监测用户与移动设备的交互。用户交互可被监测一段时间，例如10分钟、20分钟、1小时或类似时间。监测的用户交互可包括用户对于移动设备选择的操作方法、用户使用的移动设备的应用或特征、带宽利用率、用于与移动设备交互的I/O设备的类型、用户与移动设备的交互率、或类似的。用户交互信息可以由移动设备自身使用，或者可被传送到另一组件例如服务器以被处理并被其他组件使用。
在步骤620中，可确定用户交互信息指示用户正在交通工具上或交通工具中。另外或可选择地，用户交互信息可被确定以指示用户正在公共交通工具上或公共交通工具中。在一些示例性实施方式中，该确定可使用机器学习工具(也被称为分类器)来进行。分类器可被构造以基于用户交互信息来预测用户在交通工具中、还是在公共交通工具中、还是不在交通工具中、或类似的。在一些示例性实施方式中，分类器可基于用户交互预测正在使用的特定的交通工具，例如公共汽车线路。例如，当乘坐火车去巴黎时，用户可与移动设备交互并获取与巴黎相关联的信息。因此，可确定用户乘坐火车到巴黎。在一些示例性实施方式中，分类器可使用如图6B中所示的训练数据来训练。
在步骤630中，基于步骤620的确定并考虑步骤610中的连接，可确定外部设备与交通工具、公共交通工具或类似物相关联。
在步骤640中，外部设备和交通工具之间的关联可以以类似于图2的步骤240的方式存储在数据库中。
现参照图6B，显示了根据本公开主题的一些示例性实施方式的方法的流程图。
例如通过移动设备监测用户交互来获取用户交互信息(步骤680)。另外并且与用户交互信息分离地，可确定用户是否在交通工具、公共交通工具、特定交通工具或类似物中(步骤685)。该确定可用标记(L)来表示。例如，该确定可基于移动设备被连接到与交通工具关联的外部设备上。另外或可选择地，该确定可基于指示用户位于交通工具中、还是位于公共交通工具中、还是不位于交通工具中、或类似物中的清楚的用户输入。组对(F，L)可用作分类器的训练数据。组对(pair)包括一个或多于一个的特征(F)和标记 (L)。标记可以是步骤685的确定标记。特征可以是从用户交互信息中提取的特征。另外或可选择地，特征可包括用于特征化用户的人口统计特征。训练数据可被用于训练分类器(步骤690)。基于训练数据，分类器能够基于特征F′预测标记L′。在一些示例性实施方式中，训练数据能够仅与移动设备关联地获取和使用。另外或可选择地，来自多个移动设备的训练数据可被收集并用于训练分类器，例如服务器中的分类器。在一些示例性实施方式中，图6A的步骤620的确定可基于分类器的预测。在步骤620中，特征可以从用户交互信息中提取并且可能地从例如指示用户的人口统计信息的其他源中提取。这些特征可被提供给分类器，分类器能够基于这些特征及其训练预测标记。
现参照图7，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图7的方法可通过例如图1的130的服务器执行。
在步骤700中，移动设备可以以与图2的步骤200类似的方式连接到外部设备。
在步骤710中，可确定移动设备的移动状态。移动状态可周期性地确定、每一秒、每一分钟或类似的确定。在一些示例性实施方式中，移动状态可随时间基于传感器例如加速计的读数而确定。由读数定义的曲线可指示移动设备由步行的用户所持有、被安装或放置在正在被行驶的交通工具，或类似的。在一些示例性实施方式中，移动状态可以是“行驶”移动状态或“非行驶”移动状态。在一些示例性实施方式中，在移动状态不能在特定时间推断出的情形下，移动状态可视为“未知”。
在步骤730中，可计算移动设备的总连接时间。在一些示例性实施方式中，计算可基于移动设备提供的信息。例如，连接到Wi-Fi热点的总连接时间可以是120分钟，其可以是对于Wi-Fi热点的连续连接或间歇连接。
在步骤720中，可计算移动设备的总行驶时间。总行驶时间可基于步骤 710的在每个时间点的移动状态而计算。参照上述实施例，可确定在80分钟内，移动设备在连接到Wi-Fi热点时处于“行驶”的移动状态。40分钟的提醒可以是其中的移动状态不同于“行驶”的移动状态的时间点，例如但不限于“非行驶”移动状态、“未知”移动状态、或类似的。
在一些示例性实施方式中，总行驶时间和总连接时间可基于从多个移动设备获取的信息而计算。通过从多个移动设备获取信息，信息可被用于推论出统计学上更合理的结论。
在步骤740中，可计算总行驶时间和总连接时间之间的比率。再次参照上述实施例，计算的比率可以是80/120＝2/3。
在步骤750中，可确定外部设备和交通工具之间的关联。关联可基于比率来确定。在一些示例性实施方式中，在比率高于预定阈值例如50％、60％、 70％或类似数值的情形下，可确定该关联。在一些示例性实施方式中，在比率超过50％的情形下，可指示大多数时间外部设备被推断为具有“行驶”的移动状态，并且因此其可确定为外部设备与交通工具关联。然而，需要注意，阈值可能低于50％，例如30％，因为其仍然可指示外部设备被行驶的数量可观的时间。在一些示例性实施方式中，关联可以仅在总行驶时间大于预定阈值例如60分钟、200分钟或类似时间的情形下而确定。
在步骤760中，外部设备和交通工具之间的关联可以存储在数据库中，外部设备和公共交通工具之间的关联可以存储在数据库中，例如在图2的步骤240中。
现参照图8，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图8的方法可通过例如图1的130的服务器执行。另外或可选择地，图8的方法可通过例如图1的110的移动设备执行。
在步骤800中，可确定移动设备连接到外部设备。在一些示例性实施方式中，确定可通过移动设备执行。在一些情形下，移动设备可根据该确定而作用。另外或可选择地，移动设备可将移动设备连接到外部设备通知到另一组件，例如服务器。
在步骤810中，可访问例如图1的140的数据库以检索指示外部设备和交通工具(其可以是或不是公共交通工具)之间的关联的数据记录。该关联可以是能够手动提供的预定关联。另外或可选择地，该关联可根据本公开主题自动确定。
在步骤820中，可执行预定的动作。预定的动作可以基于被确定与外部设备关联的交通工具。在一些示例性实施方式中，预定的动作可以是被配置成基于确定用户乘坐在交通工具上来提供与用户相关联的信息的动作。另外或可选择地，预定动作可以是改变移动设备的功能或调用与交通工具相关联的移动设备的功能的动作。
在步骤830、848、846和850中提供了预定动作的实施例。
在步骤830中，可改变移动设备的用户界面(UI)。例如，当用户乘坐公共汽车时，UI可被修改成“公共汽车”UI。又例如，应用的UI可被修改成公共交通工具的UI。公共交通工具的UI可具有在初始UI中不可用的其他按钮，可具有比初始UI少的按钮，可具有不同的按钮，或类似地。在一些示例性实施方式中，新的UI可通过图形的方式设计以指示其与交通工具的关联。例如，公共汽车UI可以以黄色色板设计。
在步骤850中，移动设备可被自动地登录到预定的社交网络平台。在一些示例性实施方式中，可使用指定的社交网络平台以允许公共交通工具的乘客彼此沟通。一旦检测到用户的移动设备正在公共交通工具上，则移动设备可登陆。在一些示例性实施方式中，社交网络平台可以将乘坐在相同类型的公共交通工具、同一个公共交通工具或类似物上的用户分组并连接。社交网络可以是仅允许位于交通工具中的移动设备访问的本地社交网络。
在步骤840中，可确定估计的目的地。估计的目的地可基于相关联的交通工具(例如，公共交通工具排定的站点或目的地)来确定。在一些示例性实施方式中，其他信息可被用于估计目的地，例如但不限于用户交互信息、定位信息、用户的历史或类似物。在一些示例性实施方式中，估计可通过分类器来执行，其中的分类器接收包括相关联的交通工具的特征并基于这些特征预测目的地。用户的实际目的地可在将来确定，并且其可被用于确定预测是否正确。相应地，分类器可被升级以在将来的预测中改进其操作。
在步骤848中，可提供一个或多于一个的内容项。内容项可通过服务器提供给移动设备并呈现给用户。另外或可选择地，移动设备可将内容项提供给用户。内容项可以与估计的目的地相关联。例如，内容项可以是与估计的目的地相关联的广告，例如估计的目的地的商店的广告。需要注意，该广告可以在用户到达估计的目的地之前被提供，并且可以在用户具有多余时间并能够考虑广告的服务时被提供给用户。又例如，内容项可以是与估计的目的地相关联的新事物。再例如，内容项可以是与估计的目的地相关联的信息通知，例如交通工具到估计目的地的估计达到时间(ETA)、估计的行程时期、估计目的地的天气预报、或类似物。在一些示例性实施方式中，内容项可指示交通工具的延迟，例如由于交通拥堵、由于气候条件或者由于其他原因。例如，内容项可指示用户所位于的且计划在早上9：20到达估计目的地的火车被延误，而其ETA为早上9：32。
在步骤842中，可估计移动设备的用户正在睡觉。该估计可基于用户交互信息(或没有用户交互信息)、移动设备的传感器的读数、或类似物。例如，加速计可被用于识别移动设备是如何被持有的。基于加速计读数，可估计用户在睡觉。在一些示例性实施方式中，估计可由分类器执行。另外或可选择地，用户可清楚地指示其将要睡觉。
在步骤844中，确定交通工具接近目的地。该确定可以是交通工具位于距离目的地的预定范围内，例如2千米。另外或可选择地，如果ETA低于阈值，例如30秒、2分钟或类似的，可确定交通工具接近目的地。阈值可被自动地确定、设定为系统的参数、由用户手动设定、或类似的。
在步骤846中，可发出通知。该通知可通过试图唤醒用户的提示来完成，例如可听声、适度振动或类似的。
现参照图9，显示了根据本公开主题的一些示例性实施方式的方法的流程图。图9的方法可通过例如图1的130的服务器执行。
在步骤900中，服务器可获取从多个移动设备中收集的信息。信息可以是来自移动设备的集中采集的信息。在一些示例性实施方式中，移动设备可执行被配置为将信息传送至服务器的应用。
在步骤910中，当信息被传送时，服务器可确定移动设备的子集连接到外部设备。例如，当发送步骤900的一些信息时，移动设备A可能已经连接到外部设备X，移动设备B可能也已经连接到外部设备X，移动设备C可能已经连接到外部设备D并且移动设备D可能没有连接到任何外部设备。
在步骤920中，与连接的外部设备相关联的信息可被用于对于每个移动设备推论出相关联的交通工具。例如图1的140的数据库可被访问以用于检索每个外部设备与交通工具的关联。基于该关联，对于每个移动设备，如其位于交通工具上同时传送信息，可确定何种类型的交通工具、哪个交通工具、或类似的。
在步骤930中，步骤900的信息可基于与位于交通工具上的移动设备相关联的标准来过滤。在一些情形下，当设备位于交通工具上时传送的信息可被过滤出(例如，去除)，而在其他情形下，当设备位于交通工具上时传送的信息可被透进(filter in)(例如，去除所有其他信息时保留的)。在一些示例性实施方式中，过滤可与公共交通工具、特定类型的交通工具、特定交通工具或类似物相关联。
步骤940-950例举了过滤信息的一种用途，而步骤945-955例举了另一种用途。
过滤的信息可仅包括从位于非公共交通工具上的移动设备收集的信息 (940)。可分析过滤的信息(950)。例如，可基于过滤的信息计算交通信息(954)。该过滤标准可有助于避免接收未能以与私人交通工具相同的方式受交通影响的交通工具(例如，公共汽车线路中的公共汽车、火车或类似的) 的矛盾信息，或有助于避免受该矛盾信息的影响。又例如，可计算停车泊位占用率(parking occupancy)(952)。停车泊位占用率可基于集中采集的信息来计算。然而，可期望过滤出公共交通工具的信息。例如，停在公共汽车站的公共汽车可意外地视为停车实例。通过过滤出这样的信息，可避免这样的假阳性的停车实例。
过滤的信息可仅包括从位于公共交通工具上的移动设备中收集的信息 (945)。可为了某些期望的目的来分析过滤的信息(955)。例如，公共交通工具的位置可基于集中采集的数据来实时监测(957)。在不需要对每个公共交通工具事先使用指定的定位设备并不需要公共交通工具的服务提供者的同意或协助的前提下，可确定公共交通工具的位置。
在一些示例性实施方式中，通过自动确定用户位于其中的交通工具(或其类型)，可估计用户的其他属性。在一些示例性实施方式中，可推论出用户的年龄、性别、种族、或其他社会经济属性。另外或可选择地，用户的属性可以从很多做法中确定，例如分析安装在其设备中的app、分析使用的app、分析用户的移动(例如，奔跑、步行)、识别用户将要去的地方-例如学校、大学等。除了分析用户的方言/声音/音高，其激活设备的方式和速度可有助于确定其属性。在一些示例性实施方式中，可基于其属性未知或被推断出的用户来获取训练数据组。对于每个这样的用户，当确定用户位于交通工具中 (或其类型)时，可产生训练数据的记录。训练数据可被提供至分类器或适于基于其他用户位于其上的交通工具来预测其他用户的属性的其他机器学习工具。在一些示例性实施方式中，随时间位于交通工具中(例如，在地铁中 10分钟、在汽车中20分钟、在地铁中15分钟)可被用作交通工具使用的模式。在一些示例性实施方式中，交通工具使用的模式可以是一段时期内的使用，例如一周、一个月、一年。交通工具使用的模式可被用于通过或不通过额外的可用信息来预测与用户有关的一个或多个属性。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可包括计算机可读存储介质(或媒介)，其上具有计算机可读程序指令，用于引起处理器执行本发明的各个方面。
计算机可读存储介质可以是有形设备，其能够保留和存储指令用于供指令执行设备使用。计算机可读存储介质可以是例如但不限于电子存储设备、磁性存储设备、光学存储设备、电磁存储设备、半导体存储设备或前述任何适当的组合。计算机可读存储介质更多具体实施例的非穷尽列举包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可消除可编程只读存储器(EPROM或闪存)、静止随机存取存储器(SRAM)、便携紧凑盘式只读存储器(CD-ROM)、数码通用光盘(DVD)、存储棒、软盘、机械代码化设备以及前述任意合适的组合，其中的机械代码化设备例如可以是穿孔卡或在其上记录有指令的凹槽中的突起结构。如本文使用的计算机可读存储介质本质上不应被解释为瞬时信号，例如无线电波或其他自由传播的电磁波、传播经过波导管或其它传输媒介的电磁波(例如，经过光纤线缆的光脉冲)、或经过线路传播的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质中下载到相应的计算/处理设备，或者借助于网络例如因特网、局域网、广泛区域网络和 /或无线网络下载到外部计算机或外部存储设备。网络可包括铜传输线缆、光学传输纤维、无线传输、路由器、防火墙、开关、门式计算机和/或边缘服务器。在每个计算/处理设备中的网络适配卡或网络界面接收来自网络的计算机可读程序指令并传送计算机可读程序指令以存储在相应的计算/处理设备内的计算机可读存储介质中。
用于执行本发明操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)的指令、机器指令、机器附属指令、微操作码、固件指令、状态设定数据、或者以一种以上编程语言的任意组合编写的源代码或目标代码，包括例如Smalltalk、C++或类似的面向对象程序设计语言，以及传统的面向过程的程序设计语言，例如“C”程序设计语言或类似程序设计语言。计算机可读程序指令可以完全在用户的计算机上执行、部分在用户的计算机上执行，作为独立软件包、部分在用户的计算机上并且部分在远程计算机上或者全部在远程计算机或服务器上。在后一个方案中，远程计算机可通过任意类型的网络连接到用户的计算机，包括局域网(LAN)或广泛区域网络(WAN)，或者可连接到外部计算机(例如，通过使用互联网服务供应商的因特网)。在一些实施方式中，电子电路包括例如可编程逻辑线路、现场可编程门阵列 (FPGA)、或者可编程逻辑阵列(PLA)，其可通过使用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化，从而执行本发明的各方面。
本发明的各方面在本文中参照根据本发明的实施方式的方法的流程图和 /或方框图、装置(系统)和计算机程序产品来描述。将理解，流程图和/或方框图的每个方框以及流程图和/或方框图中方框的组合能够通过计算机可读程序指令来实施。
这些计算机可读程序指令可被提供到通用计算机、特定用途计算机或其它可编程的数据处理装置的处理器以生产机器，使得借助于计算机或其它可编程数据处理装置的处理器执行的指令产生用于实施流程图和/或方框图的方框中定义的功能/行为的意图。这些计算机可读程序指令还可以存储在能够引导计算机、可编程的数据处理装置和/或其它设备以特定方式工作的计算机可读存储介质中，从而其中具有存储指令的计算机可读存储介质包括包含指令的制品，该指令实施流程图和/或方框图的方框中定义的功能/行为的各方面。
计算机可读程序指令还可以被加载到计算机、其它可编程数据处理装置、或其它设备上，以引起在计算机、其它可编程装置或其它设备上执行的一系列操作步骤，以产生计算机执行的处理，使得在计算机、其它可编程装置或其它设备上执行的指令实施流程图和/或方框图的方框中定义的功能/行为。
附图中的流程图和方框图显示了根据本发明的各种实施方式的系统、方法和计算机程序产品的可能实施的结构、功能和操作。因此，流程图或方框图中的每个方框可表示模数、节段或指令的一部分，其包括用于实施特定逻辑功能的一个以上的可执行指令。在一些替代实施方式中，方框中的功能可能以附图中所示以外的次序发生。例如，以连续方式显示的两个方框实际上可能基本同时地执行，或者方框有时可能以相反的次序执行，取决于涉及到的功能。还要注意到，流程图和/或方框图中的每个方框以及流程图和/或方框图中方框的组合能够通过基于特定目的的硬件的系统来实施，其中基于特定目的的硬件的系统执行特定的功能或作用或执行特定目的的硬件和计算机指令的组合。
本文中使用的技术术语仅用于描述特定实施方式的目的，而不用于限制本发明。如其中使用的，单数形式“一(a)”、“一(an)”和“该(the)”也意在包括复数形式，除非文中以其它方式明确表示。还应理解到，术语“包括”在说明书中使用时是指出现所述的特征、整体、步骤、操作、元素和/或构件，但是不排除存在或添加一个或多个其它的特征、整体、步骤、操作、元素、构件和/或其组合。
权利要求中相应的结构、材料、行为和所有手段或步骤加上功能元素的等价变形意在包括用于与特别要求保护的其它保护元素组合执行该功能的所有结构、材料或行为。本发明的说明书用于阐释和说明的目的，但是不意在穷尽或限制于公开形式的发明。对于本领域技术人员来说，很多修改和变形是清楚的而无须偏离本发明的范围和精神。选择和描述的实施例是为了最好地解释本发明和特定应用的原理，并且能够使得其它的本领域技术人员理解本发明的各种实施方式由于适于特定使用的考虑而具有各种修改方式。

Claims (27)

1.一种用于将外部设备关联到交通工具的方法，包括：
从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集，其中所述信息包括多个移动设备在不同时间点时的移动信息；并且
基于该信息确定所述外部设备与交通工具相关联，其中所述确定通过处理器执行，其中所述确定包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较；
由此基于移动设备连接到所述外部设备，使得所述移动设备能够确定所述移动设备位于所述交通工具上。
2.根据权利要求1所述的方法，其中所述交通工具是公共交通工具。
3.根据权利要求1所述的方法，其中所述移动信息基于所述多个移动设备的加速计收集的信息来计算。
4.根据权利要求1所述的方法，还包括：
将外部设备和交通工具之间的关联存储在数据库中，其中所述数据库对于所述移动设备是可访问的；并且
其中，所述移动设备被配置成访问数据库以基于所述移动设备连接到外部设备来确定所述移动设备位于交通工具上。
5.根据权利要求1所述的方法，其中所述信息包括第一物理数据和第二物理数据，第一物理数据在第一移动设备连接到外部设备时由第一移动设备收集，第二物理数据在第二移动设备连接到外部设备时由第二移动设备收集；
其中所述确定包括识别第一物理数据和第二物理数据之间的随时间的相关性。
6.根据权利要求5所述的方法，其中，对于每个时间点来说，所述第一物理数据和第二物理数据包括下述中的至少一个：
移动设备在一个时间点的位置；
移动设备在一个时间点的速度；
移动设备在一个时间点的方向；
移动设备在一个时间点的加速度；
移动设备在一个时间点的高程；
在一个时间点由移动设备测量的光测量结果；和
在一个时间点由移动设备测量的声测量结果。
7.根据权利要求1所述的方法，其中所述信息包括在不同时间点时，所述多个移动设备中的一个移动设备的位置数据；
其中所述确定包括识别所述一个移动设备的位置数据和交通工具的路径之间随时间的相关性，其中所述路径从数据库中获取。
8.根据权利要求1所述的方法，其中所述信息包括在至少一个时间点时，所述多个移动设备中的一个移动设备的速度；
其中所述确定包括确定所述一个移动设备的速度大于预定的速度阈值；
其中所述预定的速度阈值与交通工具的速度相关联。
9.根据权利要求1所述的方法，其中所述信息包括在不同时间点时，所述多个移动设备中的一个移动设备的位置数据；
其中所述确定包括根据不同时间点的位置数据确定移动模式；
其中所述移动模式与移动设备正位于交通工具中或交通工具上相关联。
10.根据权利要求1所述的方法，
其中所述信息指示在不同时间点时，所述多个移动设备中的一个移动设备的位置和速度；
其中所述方法还包括：获取与所述一个移动设备在不同时间点时的位置相适应的交通信息；
其中所述确定包括识别所述交通信息和所述一个移动设备的速度之间的矛盾。
11.根据权利要求1所述的方法，其中所述信息包括用户交互信息，该用户交互信息指示出一个移动设备的用户与所述一个移动设备的交互；
其中所述确定包括对于用户交互信息指示用户正位于交通工具上或交通工具中的识别。
12.根据权利要求11所述的方法，其中所述对于用户交互指示用户正位于交通工具上或交通工具中的识别包括使用分类器，其中分类器通过训练数据来训练。
13.一种用于将外部设备关联到交通工具的方法，包括：
获取移动设备连接到外部设备的指示；
访问数据库以检索外部设备与特定交通工具的关联，其中所述数据库保留有外部设备与交通工具之间的关联，所述关联基于连接到外部设备的多个移动设备在不同时间点时的移动信息来确定，由此基于所述指示推论出移动设备位于特定交通工具中或特定交通工具上；并且
响应于推论出的移动设备位于特定交通工具中或特定交通工具上，执行预定的动作，其中所述执行预定的动作由处理器执行；
其中确定外部设备与交通工具之间的所述关联包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较。
14.根据权利要求13所述的方法，其中所述移动设备执行具有第一用户界面(UI)的应用，其中所述执行预定的动作包括：将第一UI变成第二UI，其中所述第二UI与特定交通工具相关联。
15.根据权利要求13所述的方法，其中所述特定交通工具是公共交通工具，其中所述执行预定的动作包括：将移动设备的用户登录到社交网络上，其中所述社交网络与公共交通工具相关联。
16.根据权利要求13所述的方法，还包括：
基于特定交通工具，确定移动设备用户的估计目的地；并且
其中所述预定的动作与所述估计目的地相关联。
17.根据权利要求16所述的方法，其中所述执行预定的动作包括：将一个或多个内容项提供给移动设备，其中所述一个或多个内容项与所述估计目的地相关联。
18.根据权利要求17所述的方法，其中所述一个或多个内容项包括指示特定交通工具到达所述估计目的地的估计到达时间的内容项。
19.根据权利要求16所述的方法，还包括：
基于由移动设备收集的信息，估计移动设备的用户正在睡觉；
其中所述执行预定的动作包括：
确定特定交通工具在估计目的地附近；并且
响应于所述确定特定交通工具在估计目的地附近，发出通知。
20.根据权利要求13所述的方法，还包括：
获取从多个移动设备收集的信息，其中所述多个移动设备包括所述移动设备；
其中所述执行预定的动作包括：基于推论出的所述多个移动设备与一个或多于一个的特定交通工具之间的关联来过滤信息，从而提供过滤的信息；并且
通过处理器分析从多个移动设备收集的所述过滤的信息。
21.根据权利要求20所述的方法，其中所述过滤的信息是从不与公共交通工具关联的移动设备收集的信息，其中所述分析包括分析所述过滤的信息以计算停车泊位占用率。
22.根据权利要求20所述的方法，其中所述过滤的信息是从不与公共交通工具关联的移动设备收集的信息，其中所述分析包括分析所述过滤的信息以计算交通信息。
23.根据权利要求20所述的方法，其中所述过滤的信息是从与公共交通工具关联的移动设备收集的信息，其中所述分析包括分析所述过滤的信息以确定特定公共交通工具的位置，而不使用牢固地固定到特定公共交通工具上的定位设备。
24.一种具有处理器的计算机装置，所述处理器适于执行以下步骤：
从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集；其中所述信息包括多个移动设备在不同时间点时的移动信息；以及
基于所述信息确定所述外部设备与交通工具关联，其中所述确定包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较；
由此基于移动设备连接到所述外部设备，使得所述移动设备能够确定所述移动设备位于所述交通工具上。
25.一种具有处理器的计算机装置，所述处理器适于执行以下步骤：
获取移动设备连接到外部设备的指示；
访问数据库以检索外部设备与特定交通工具的关联，其中数据库保留有外部设备与交通工具之间的关联，所述关联基于连接到外部设备的多个移动设备在不同时间点时的移动信息来确定，由此基于所述指示推论出移动设备位于特定交通工具中或特定交通工具上；并且
响应于推论出的移动设备位于特定交通工具中或特定交通工具上，执行预定的动作；
其中确定外部设备与交通工具之间的所述关联包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较。
26.一种计算机可读存储介质，存储程序指令，该程序指令当由处理器读取时引起处理器执行一个方法，该方法包括：
从多个移动设备获取信息，其中所述信息在多个移动设备连接到外部设备时通过多个移动设备的传感器收集；其中所述信息包括多个移动设备在不同时间点时的移动信息；并且
基于该信息确定外部设备与交通工具相关联，其中所述确定包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较；
由此基于移动设备连接到外部设备，使得移动设备能够确定移动设备位于交通工具上。
27.一种计算机可读存储介质，存储程序指令，该程序指令当由处理器读取时引起处理器执行一个方法，该方法包括：
获取移动设备连接到外部设备的指示；
访问数据库以检索外部设备与特定交通工具的关联，其中数据库保留有外部设备与交通工具之间的关联，所述关联基于连接到外部设备的多个移动设备在不同时间点时的移动信息来确定，由此基于所述指示推论出移动设备位于特定交通工具中或特定交通工具上；并且
响应于推论出的移动设备位于特定交通工具中或特定交通工具上，执行预定的动作；
其中确定外部设备与交通工具之间的所述关联包括：
计算外部设备的总行驶时间，其中所述计算基于移动信息；
计算多个移动设备和外部设备之间的总连接时间；
将总行驶时间和总连接时间之间的比率与预定的阈值进行比较。
CN201480051904.5A 2013-07-26 2014-07-24 将外部设备关联到交通工具及所述关联的应用 Active CN105659639B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361858914P 2013-07-26 2013-07-26
US61/858,914 2013-07-26
PCT/IL2014/050674 WO2015011710A1 (en) 2013-07-26 2014-07-24 Associating external devices to vehicles and usage of said association

Publications (2)

Publication Number Publication Date
CN105659639A CN105659639A (zh) 2016-06-08
CN105659639B true CN105659639B (zh) 2019-09-06

Family

ID=52392820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480051904.5A Active CN105659639B (zh) 2013-07-26 2014-07-24 将外部设备关联到交通工具及所述关联的应用

Country Status (3)

Country Link
US (3) US9801027B2 (zh)
CN (1) CN105659639B (zh)
WO (1) WO2015011710A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10154382B2 (en) 2013-03-12 2018-12-11 Zendrive, Inc. System and method for determining a driver in a telematic application
WO2015145208A1 (en) * 2014-03-27 2015-10-01 Sony Corporation Method and server for configuring a mobile terminal and portable electronic device
US10575355B2 (en) 2014-09-02 2020-02-25 Apple Inc. API for web access directly or through intermediary
US9648462B2 (en) * 2014-11-28 2017-05-09 Szegedi Tudományegyetem Method for tracking of motion of objects associated with wireless communication devices within a predefined area
WO2016144422A1 (en) * 2015-03-06 2016-09-15 Apple Inc. Determining when to establish connection between mobile client and proxy devices
US10085294B2 (en) 2015-03-06 2018-09-25 Apple Inc. Determining when to establish connection between mobile client and proxy devices
US9818239B2 (en) 2015-08-20 2017-11-14 Zendrive, Inc. Method for smartphone-based accident detection
WO2017031498A1 (en) 2015-08-20 2017-02-23 Zendrive, Inc. Method for accelerometer-assisted navigation
US10418863B1 (en) * 2015-09-28 2019-09-17 Apple Inc. Charging system
US20170090741A1 (en) * 2015-09-30 2017-03-30 Agco Corporation User Interface for Mobile Machines
US9749866B2 (en) * 2015-11-20 2017-08-29 Centric Consulting, LLC Vehicle safety system and method
US9955319B2 (en) * 2016-09-12 2018-04-24 Zendrive, Inc. Method for mobile device-based cooperative data capture
US10012993B1 (en) 2016-12-09 2018-07-03 Zendrive, Inc. Method and system for risk modeling in autonomous vehicles
JP6599043B2 (ja) * 2017-02-15 2019-10-30 三菱電機株式会社 制御伝送装置、保守通信装置、及び列車保守システム
KR102419728B1 (ko) * 2017-05-30 2022-07-13 현대자동차주식회사 상황 기반 동작 결정 시스템, 상황 기반으로 결정된 동작을 수행 가능한 차량 및 상황 기반 동작 결정 방법
US10210757B2 (en) * 2017-06-21 2019-02-19 Google Llc Passenger transit vehicle geolocation
US10304329B2 (en) 2017-06-28 2019-05-28 Zendrive, Inc. Method and system for determining traffic-related characteristics
US11151813B2 (en) 2017-06-28 2021-10-19 Zendrive, Inc. Method and system for vehicle-related driver characteristic determination
CN107463940B (zh) * 2017-06-29 2020-02-21 清华大学 基于手机数据的车辆类型识别方法和设备
US10559196B2 (en) 2017-10-20 2020-02-11 Zendrive, Inc. Method and system for vehicular-related communications
US10278039B1 (en) 2017-11-27 2019-04-30 Zendrive, Inc. System and method for vehicle sensing and analysis
CN107770592B (zh) * 2017-12-05 2018-07-27 清华大学 移动视频播放过程中的移动终端运动状态检测方法
US11775010B2 (en) 2019-12-02 2023-10-03 Zendrive, Inc. System and method for assessing device usage
JP2023504269A (ja) 2019-12-03 2023-02-02 ゼンドライヴ，インコーポレイテッド ルートのリスク判定方法およびシステム
CN111199644B (zh) * 2020-01-06 2021-05-11 山东合天智汇信息技术有限公司 一种自动进行人车拟合的方法及系统
CN111866779B (zh) * 2020-07-13 2021-11-16 Oppo广东移动通信有限公司 热点模式的配置方法、装置、电子设备以及存储介质
US20230175851A1 (en) * 2021-12-07 2023-06-08 Kyndryl, Inc. Data-analysis-based navigation system assistance

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6810321B1 (en) * 2003-03-17 2004-10-26 Sprint Communications Company L.P. Vehicle traffic monitoring using cellular telephone location and velocity data
CN1649434A (zh) * 2004-01-28 2005-08-03 日本电气株式会社 旅客位置信息系统、便携信息终端和服务器装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60108609T2 (de) * 2000-11-16 2005-12-22 Ntt Docomo Inc. Verfahren zur registrierung der position eines mobilen kommunikationsendgerätes, allgemeines rufverfahren für ein mobiles kommunikationsendgerät und mobiles kommunikationssystem
GB0030450D0 (en) 2000-12-14 2001-01-24 Koninkl Philips Electronics Nv Method of providing travel information to a mobile communications device
JP3949902B2 (ja) * 2001-02-28 2007-07-25 株式会社エヌ・ティ・ティ・ドコモ 位置管理方法、通信システムおよび情報提供システム
JPWO2006100714A1 (ja) * 2005-03-18 2008-08-28 富士通株式会社 旅客及び貨物を輸送する手段における通信システム
US7469827B2 (en) * 2005-11-17 2008-12-30 Google Inc. Vehicle information systems and methods
US7756895B1 (en) * 2006-08-22 2010-07-13 Emigh Aaron T Community-modified user data
US8744478B2 (en) * 2008-02-20 2014-06-03 Qualcomm Incorporated Method and apparatus for executing location dependent application in a mobile handset
US7801512B1 (en) * 2009-03-05 2010-09-21 Makor Issues And Rights Ltd. Traffic speed enforcement based on wireless phone network
US9996831B2 (en) * 2009-11-25 2018-06-12 Cubic Corporation Mobile wireless payment and access
KR20110074258A (ko) * 2009-12-24 2011-06-30 삼성전자주식회사 이동통신 시스템에서 대중 교통 수단의 정류장 정보를 제공하기 위한 장치 및 방법
US8401589B2 (en) * 2010-08-10 2013-03-19 At&T Intellectual Property I, L.P. Controlled text-based communication on mobile devices
US8989739B2 (en) * 2010-09-08 2015-03-24 Panasonic Intellectual Property Corporation Of America Connection method, communication system, mobile terminal, information forwarding device, and server
US20120135746A1 (en) * 2010-11-30 2012-05-31 Nokia Corporation Method and apparatus for determining and providing location-based resource availability information based on mobile device data
US8954100B2 (en) * 2011-11-04 2015-02-10 Facebook, Inc. Server-side rate-limiting algorithms for piggybacking social updates for mobile devices
CN104509164B (zh) * 2012-01-27 2019-07-19 华为技术有限公司 多宿主移动中继
US8843158B2 (en) * 2012-02-22 2014-09-23 Apple Inc. Delivering content by predicting predetermined routes using wireless networks
CN103297947B (zh) * 2012-02-22 2018-06-26 中兴通讯股份有限公司 一种实现本地ip业务的方法及系统
WO2013134863A1 (en) * 2012-03-16 2013-09-19 Green Owl Solutions Inc. Systems and methods for delivering high relevant travel related content to mobile devices
US20130262223A1 (en) * 2012-03-28 2013-10-03 Informat Innovative Technologies Ltd. Indoor navigation system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6810321B1 (en) * 2003-03-17 2004-10-26 Sprint Communications Company L.P. Vehicle traffic monitoring using cellular telephone location and velocity data
CN1649434A (zh) * 2004-01-28 2005-08-03 日本电气株式会社 旅客位置信息系统、便携信息终端和服务器装置

Also Published As

Publication number Publication date
US20160174049A1 (en) 2016-06-16
US10911913B2 (en) 2021-02-02
US10560821B2 (en) 2020-02-11
US20180027387A1 (en) 2018-01-25
CN105659639A (zh) 2016-06-08
US20180310146A1 (en) 2018-10-25
WO2015011710A1 (en) 2015-01-29
US9801027B2 (en) 2017-10-24

Similar Documents

Publication Publication Date Title
CN105659639B (zh) 将外部设备关联到交通工具及所述关联的应用
CN105513395B (zh) 一种基于车辆目的地预测的智能信息推送系统和方法
US10024978B2 (en) Travel survey systems and methods
US20190354838A1 (en) Automobile Accident Detection Using Machine Learned Model
US9751527B2 (en) In-the-road, passable obstruction avoidance arrangement
CN105683716B (zh) 场境交通或通行警示
US20150213555A1 (en) Predicting driver behavior based on user data and vehicle data
US20150163649A1 (en) Smartphone based telematics applications
US20140114565A1 (en) Navigation of a vehicle along a path
US20100292921A1 (en) Mode of transport determination
US20120172017A1 (en) System for determining co2 emissions
CN104468140A (zh) 用于在一组车辆之间共享信息的方法、系统和装置
KR20130093660A (ko) 모바일 디바이스를 이용한 사용자 거동 콘텍스트를 나타내는 동적 사용자 프로파일 결정
WO2017160663A1 (en) Traffic pollution mapper
JP2012008957A5 (zh)
WO2019087595A1 (ja) 移動体分布状況予測装置及び移動体分布状況予測方法
CN109993944A (zh) 一种危险预警方法、移动终端及服务器
US20210140787A1 (en) Method, apparatus, and system for detecting and classifying points of interest based on joint motion
CN106169227A (zh) 一种出行提醒的方法及穿戴设备
CN110431376A (zh) 信息分析装置和路径信息分析方法
US20150029043A1 (en) Road traffic information server and road traffic information system
US20210142187A1 (en) Method, apparatus, and system for providing social networking functions based on joint motion
US20210142435A1 (en) Method, apparatus, and system for providing ride-sharing functions based on joint motion
WO2019181328A1 (ja) 地図提供サーバ及び地図提供方法
US11781883B1 (en) Method and apparatus for utilizing estimated patrol properties and historic patrol records

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant