BRPI0616736A2 - métodos para prediçao de destinos a partir de trajetórias parciais empregando métodos de modelagem de mundo aberto e de mundo fechado - Google Patents

Abstract

MéTODOS PARA PREDIçAO DE DESTINOS A PARTIR DE TRAJETóRIAS PARCIAIS EMPREGANDO MéTODOS DE MODELAGEM DE MUNDO ABERTO E DE MUNDO FECHADO. O assunto reivindicado fornece sistemas e/ou métodos que facilitam a inferência de distribuições de probabilidade pelos destinos e/ou rotas de um usuário, a partir de observações sobre o contexto e trajetórias parciais de uma viagem. Os destinos de uma viagem são baseados em pelo menos um de um anterior e uma probabilidade baseada pelo menos em parte nos dados de entrada recebidos. O componente estimador de destino pode usar um ou mais de um destino pessoal anterior, hora do dia e dia da semana, uma cobertura terrestre anterior, eficiência de direção associada com as localizações candidatas, e uma probabilidade de tempo de viagem para preditar probabilisticamente o destino. Adicionalmente, os dados reunidos de uma população sobre a probabilidade de localizações de visita previamente não visitadas e a configuração espacial de tais localizações podem ser usados para aumentar as predições de destinos e rotas.

Description

"MÉTODOS PARA PREDIÇÃO DE DESTINOS A PARTIR DETRAJETÓRIAS PARCIAIS EMPREGANDO MÉTODOS DE MODELAGEM DEMUNDO ABERTO E DE MUNDO FECHADO"

Fundamentos da Invenção

A localização pode ser uma parte importante docontexto de um indivíduo. Vastas quantidades de informaçãopodem ser associadas com a localização geográfica de um in-divíduo e, se o indivíduo está viajando, uma localização ge-ográfica de seu destino. Convencionalmente, um indivíduo vi-ajando de uma localização para outra localização tipicamenteemprega um mapa como um guia. Entretanto, a utilização de ummapa pode exigir que um indivíduo identifique uma rota pelaqual percorrer a partir de sua localização atual ao seu des-tino. Adicionalmente, tal viajante é tipicamente somente no-tificado da informação relevante de sua localização atual oudestino baseado em palavra falada, familiaridade pessoal,etc. A título de ilustração, se o viajante está em uma loca-lização onde ele não visitou anteriormente, ele não deve es-tar ciente da localização de um posto de gasolina, um res-taurante, ou similares, e assim, pode ter que recorrer aperguntar por assistência ou procurar por sinalizações aolongo da rodovia. A título de ilustração adicional, o moto-rista que usa um mapa pode somente encontrar sobre congesti-onamento de tráfego ouvindo a uma estação de rádio que for-nece tal informação.

Um número de aplicações está comumente disponível,as quais suportam gerar um mapa de um ponto inicial a umdestino. Por exemplo, tais aplicações tipicamente podem for-necer a um usuário rotas de direção bem como um mapa quedescreve uma rota de uma posição inicial a um destino. A ti-tulo de ilustração, o usuário pode inserir um ponto iniciale um ponto final, e a aplicação pode gerar as rotas de dire-ção associadas e/ou mapa(s) (por exemplo, destacando uma ro-ta) . Estas aplicações podem ser utilizadas em conjunto comdispositivos tais como computadores pessoais, computadoreslaptop, computadores portáteis, telefones celulares e simi-lares .

Recentemente, os dispositivos de Sistema de Posi-cionamento Global (GPS) que pode determinar uma localizaçãoassociada com o dispositivo estão se tornando mais comumenteutilizados. Por exemplo, o GPS pode ser empregado com umsistema de navegação de um veiculo para fornecer as rotas dedireção ao motorista do veiculo. De acordo com esse exemplo,o sistema de navegação pode exibir um mapa que é atualizadode acordo com a mudança na posição do veiculo. Ademais, osistema de navegação pode fornecer ao motorista as direçõespasso a passo enquanto o veiculo está viajando (por exemplo,por meio de uma tela, um alto-falante,...). Entretanto, ossistemas convencionais que empregam GPS (bem como outrastécnicas convencionais) tipicamente solicitam que o usuárioinsira diretamente um destino. Por exemplo, um dispositivoGPS não fornecerá comumente as rotas de direção ao motoristade um veiculo a menos que o motorista indique a localizaçãodo destino. Adicionalmente, os usuários podem não inserir umdestino toda vez que eles estão viajando; assim, os alertasassociados com o destino e/ou uma rota associada podem nãoser fornecidos aos usuários. Por exemplo, um usuário podenão inserir um destino quando está viajando para uma locali-zação que ele freqüentemente viaja, tal como trabalho, casa,escola, etc.; conseqüentemente, os alertas relevantes podemnão ser fornecidos ao usuário.

Sumário da Invenção

A seguir apresenta-se um sumário simplificado demodo a fornecer um entendimento básico de alguns aspectosdescritos aqui. Este sumário não é uma visão geral extensi-va do assunto reivindicado. Nem pretende identificar elemen-tos críticos ou elementos chave do assunto reivindicado nemdelinear o escopo deste. Seu único propósito é apresentaralguns conceitos de uma forma simplificada como um prelúdioà descrição mais detalhada que será apresentada posteriormente.

O assunto reivindicado refere-se a sistemas e/oumétodos que facilitam probabilisticamente a predição do(s)destino (s) . Os dados de entrada podem ser obtidos, os quaispodem referem-se a um usuário, um histórico do usuário (porexemplo, dados históricos), a diferentes usuários, topogra-fia de uma área geográfica (por exemplo, dados de coberturaterrestre), rotas eficientes, distribuições de tempo de via-gem, uma viagem atual (por exemplo, localização, mudança nalocalização, tempo,...), etc. Observa-se que os dados de en-trada podem ser obtidos a partir de qualquer fonte (por e-xemplo, um componente de localização, um componente tempori-zador, um armazenamento de dados, a Internet,...). Uma pre-dição pode ser efetuada utilizando-se um ou mais dados ante-riores e/ou uma ou mais probabilidades. Por exemplo, os da-dos anteriores podem ser destinos pessoais anteriores e/ouuma cobertura terrestre anterior. Adicionalmente, as proba-bilidades podem ser uma probabilidade de direção eficientee/ou uma probabilidade de tempo de viagem. Aprecia-se que umou mais dados anteriores, uma ou mais probabilidades, ou acombinação de dados anteriores com as probabilidades podemser utilizados para gerar o(s) destino(s) preditados.

De acordo com vários aspectos do assunto reivindi-cado, um componente estimador de destino pode probabilisti-camente preditar um destino para uma viagem baseado em dadosanteriores ou probabilidades. 0 componente estimador de des-tino pode ser empregado para selecionar e/ou combinar os da-dos anteriores com probabilidades para gerar os destinospreditados. De acordo com um exemplo, qualquer combinação dedados anteriores com as probabilidades pode ser empregadapelo componente estimador de destino por meio da utilizaçãoda regra de Bayes.

De acordo com um ou mais aspectos do assunto rèi-vindicado, o componente estimador de destino pode empregardestinos pessoais anteriores, uma cobertura terrestre ante-rior, uma probabilidade de direção eficiente, e/ou uma pro-babilidade de tempo de viagem. Os destinos pessoais anterio-res podem ser baseados em um conjunto de destinos anterioresdo usuário; assim, os dados de histórico podem ser avaliadospara gerar destinos pessoais anteriores. Por exemplo, a mo-delagem de mundo aberto e/ou de mundo fechado pode ser em-pregada em conjunto com a obtenção dos destinos pessoais an-teriores. As análises de mundo aberto e/ou de mundo fechadopodem ser integradas em uma previsão de localização; assim,a análise pode incluir previsões sobre ambas a probabilidadede um motorista visitar uma localização anteriormente nãoobservada (como uma função de um horizonte de observação) , eas relações espaciais de novas localizações, dadas localiza-ções anteriores. Os parâmetros para a inferência de mundoaberto podem vir da observação de múltiplas pessoas pelotempo, e então podem ser mapeados para indivíduos. Também, ainformação demográfica pode ser considerada na modelagem demundo aberto. Adicionalmente, a cobertura terrestre anteriorpode ser baseada em dados de cobertura terrestre que forne-cem uma probabilidade de que uma célula particular é o des-tino baseado em uma cobertura terrestre dentro da célulaparticular. Ademais, a probabilidade de direção eficientepode ser baseada em uma mudança no tempo até uma chegada emum destino candidato, onde se pode assumir que o viajantecontinuará a reduzir uma quantidade de tempo até a chegada àmedida que a viagem prossegue. Por exemplo, uma eficiênciade direção computada associada com cada destino candidatopode ser utilizada como evidência sobre em uma localizaçãofinal. A probabilidade de tempo de viagem pode ser baseadaem uma distribuição do tempo de viagem e/ou de um tempo deviagem decorrido. De acordo com um exemplo adicional, as ca-racteristicas contextuais tais como a hora do dia, o dia dasemana (por exemplo, final de semana versus dia da semana) ,o período de feriado, estação do ano, mês do ano, e assimpor diante, podem ser utilizadas como parte da análise.De acordo com vários aspectos do assunto reivindi-cado, o argumento pode ser aplicado para identificar desti-nos e rotas que as pessoas provavelmente tomam em seus cami-nhos aos destinos, e similares. Ademais, as aplicações podemutilizar os destinos identificados e/ou rotas para fornecerinformação relevante a um usuário. De acordo com um exemplo,as aplicações podem fornecer avisos de tráfego, construção,problemas de segurança adiante, guias de propagandas sendoexibidas, fornecer direções, conselhos de rota, atualiza-ções, etc. Por exemplo, a informação fornecida ao usuáriopode ser relevante ao(s) destino (s) preditado(s) . Adicionalou alternativamente, as rotas ao(s) destino(s) preditado(s)podem ser avaliadas tal que a informação pode ser relevanteàs localizações associadas com as rotas (por exemplo, umalocalização cruzada ao longo da rota). A informação relevan-te pode incluir, por exemplo, alertas relacionados ao tráfe-go, assistência de navegação, eventos, propagandas direcio-nadas, estabelecimentos, marcos de referência, e similares.

Aprecia-se que a informação relevante pode ser entregue dequalquer forma (por exemplo, por meio de sinal de áudio, in-formação visual, ...). Ademais, a informação que é apresen-tada pode ser personalizada baseada nas preferências rela-cionadas ao usuário.

A seguinte descrição e os desenhos em anexo apre-sentam em detalhes certos aspectos ilustrativos do assuntoreivindicado. Esses aspectos são indicativos, entretanto, depoucas das várias formas nas quais os princípios de tal as-sunto podem ser empregados e o assunto reivindicado pretendeincluir todos os tais aspectos e seus equivalentes. Outrasvantagens e novas características se tornarão aparentes apartir da descrição detalhada quando considerada em conjuntocom os desenhos.

Breve Descrição dos Desenhos

A Fig. 1 ilustra um diagrama de bloco de um siste-ma exemplificado que facilita a determinação do(s) desti-no (s) de um usuário.

A Fig. 2 ilustra um diagrama de bloco de um siste-ma exemplificado que gera uma grade probabilistica e/ou ro-ta (s) entre as localizações que podem ser utilizadas em con-junto com os destinos probabilisticamente preditados.

A Fig. 3 ilustra um diagrama de bloco de um siste-ma exemplificado que predita o(s) destino(s) baseado em da-dos de histórico.

A Fig. 4 ilustra um diagrama de bloco de um siste-ma exemplificado que utiliza modelagem de mundo aberto ao(s)destino(s) preditado(s).

A Fig. 5 ilustra um diagrama de bloco de um siste-ma exemplificado que fornece destino(s) preditado(s) baseadopelo menos em parte nos dados de cobertura terrestre.

A Fig. 6 ilustra um exemplo de uma distribuição deprobabilidade de 4 níveis com discretização sobre quatroraios limite a partir de uma localização previamente visitada.

A Fig. 7 ilustra um diagrama de bloco de um siste-ma exemplificado que gera predições de destino(s) baseadopelo menos em parte nos dados de rota eficiente.

A Fig. 8 ilustra um diagrama de bloco de um siste-ma exemplificado que avalia o tempo de viagem em conjuntocom a o destino(s) preditado(s).

A Fig. 9 ilustra um diagrama de bloco de um siste-ma exemplificado que habilita a combinação de dados anterio-res e/ou probabilidade(s) para facilitar a predição do(s)destino(s).

A Fig. 10 ilustra um diagrama de bloco de um sis-tema exemplificado que fornece informação que pode ser rele-vante ao(s) destino (s) preditado(s).

A Fig. 11 ilustra um diagrama de bloco de um sis-tema exemplificado que predita probabilisticamente o(s) des-tino (s) durante uma viagem.

A Fig. 12 ilustra um diagrama de bloco de um sis-tema exemplificado que facilita a geração do(s) destino(s)preditado(s).

A Fig. 13 ilustra uma metodologia exemplificadaque facilita probabilisticamente a predição do(s) destino (s).

A Fig. 14 ilustra uma metodologia exemplificadaque fornece informação relevante a um destino que pode serpreditado baseado em dados anteriores e/ou probabilidade(s)que podem ser combinados.

As Figs. 15-18 ilustram grades exemplificadas emapas correspondentes que descrevem vários aspectos em asso-ciação com a modelagem do comportamento do motorista e pre-dições de destino.

A Fig. 19 ilustra um ambiente de rede exemplifica-do, onde os novos aspectos do assunto reivindicado podem serempregados.

A Fig. 20 ilustra um ambiente operacional exempli-ficado que pode ser empregado de acordo com o assunto rei-vindicado.

Descrição Detalhada da Invenção

O assunto reivindicado é descrito com relação aosdesenhos, onde números de referência similares são usadospara se referir a elementos similares por toda a descrição.Na seguinte descrição, para propósitos da explicação, nume-rosos detalhes específicos são apresentados de modo a forne-cer um entendimento completo da inovação do assunto. Podeestar evidente, entretanto, que o assunto reivindicado podeser praticado sem estes detalhes específicos. Em outros ca-sos, estruturas bem conhecidas e dispositivos são mostradosna forma de diagrama de bloco de modo a facilitar a descri-ção da inovação do assunto.

Como utilizado aqui, os termos "componente", "sis-tema" e similares pretendem se referir a uma entidade rela-cionada a.computador, ou hardware, software (por exemplo, emexecução), e/ou suporte lógico inalterável. Por exemplo, umcomponente pode ser um processo em execução em um processa-dor, um processador, um objeto, um executável, um programa,e/ou um computador. A título de ilustração, ambos uma apli-cação em execução em um servidor e o servidor podem ser umcomponente. Um ou mais componentes podem residir em um pro-cesso e um componente pode estar localizado em um computadore/ou distribuído entre dois ou mais computadores.

Além disso, o assunto reivindicado pode ser imple-mentado como um método, aparelho, ou artigo de fabricaçãoque usa programação padrão e/ou técnicas de engenharia paraproduzir software, suporte lógico inalterável, hardware, ouqualquer combinação desses para controlar um computador paraimplementar o assunto reivindicado. 0 termo "artigo de fa-bricação" como usado aqui, pretende abranger um programa decomputador acessível a partir de qualquer dispositivo legí-vel por computador, portador, ou meios. Por exemplo, os mei-os legíveis por computador podem incluir, mas não são Iimi-tados a dispositivos de armazenamento magnético (por exem-plo, disco rígido, disquete, faixas magnéticas, . . . ) , discosópticos (por exemplo, disco compacto (CD), disco versátildigital (DVD), . . . ) , cartões inteligentes, dispositivos dememória rápida (por exemplo, cartão, módulo, unidade cha-ve, . . . ) . Adicionalmente, dever-se-ia apreciar que uma ondaportadora pode ser empregada para transportar dados eletrô-nicos legíveis por computador tal como aqueles usados natransmissão e recepção de correio eletrônico ou no acesso auma rede tal como a Internet ou uma rede de área local(LAN). É claro que aqueles versados na técnica reconhecerãoque muitas modificações podem ser feitas a esta configuraçãosem abandonar o escopo ou espírito do assunto reivindicado.Além disso, a palavra "exemplificado" é usada aqui para sig-nificar servir como um exemplo, caso, ou ilustração. Qual-quer aspecto ou projeto descrito aqui como "exemplificado"não é para ser construído necessariamente como preferencialou vantajoso sobre outros aspectos ou projetos.

Voltando agora às figuras, a Fig. 1 ilustra umsistema 100 que facilita a determinação de destino(s) de umusuário. O sistema 100 inclui um componente de interface 102que recebe os dados de entrada que podem se referir a um u-suário, o histórico do usuário, a topografia de uma área ge-ográfica, uma viagem, uma rota eficiente, etc. 0 componentede interface 102 pode receber os dados de entrada a partirde qualquer fonte. Por exemplo, o componente de interface102 pode obter os dados de entrada a partir de qualquer com-ponente (não mostrado) que habilita a determinação de umalocalização e/ou uma mudança na localização de um usuáriotal como, por exemplo, um componente que suporta um sistemade posicionamento global (GPS), um sistema de navegação porsatélite, GLONASS, Galileo, Sistema Europeu de Cobertura porNavegação Geoestacionária (EGNOS), Beidou, Sistema NavegadorDecca, triangulação entre torres de comunicação, etc. A ti-tulo de ilustração adicional, o componente de interface 102pode receber dados de entrada associados com destinos aosquais o usuário tenha previamente viajado (por exemplo, apartir de um armazenamento de dados, por meio de entrada deusuário, ...). Adicional ou alternativamente, o componentede interface 102 pode obter dados de entrada a partir de umcomponente temporizador (não mostrado) que pode determinaruma quantidade de tempo que o usuário atualmente está via-jando (por exemplo, durante uma viagem atual). Ademais, ocomponente de interface 102 pode receber dados de coberturaterrestre; por exemplo, tais dados podem ser obtidos a par-tir de um armazenamento de dados (não mostrado). Aprecia-seque o componente de interface 102 pode receber dados de en-trada a qualquer hora; por exemplo, dados de entrada podemser obtidos pelo componente de interface 102 enquanto a via-gem do usuário está em progresso (por exemplo, em tempo real), antes que o usuário inicie uma viagem, etc.

Os dados de entrada podem ser fornecidos pelocomponente de interface 102 para um componente estimador dedestino 104 que pode avaliar os dados de entrada e preditarprobabilisticamente o(s) destino(s). 0 componente estimadorde destino 104 pode gerar destino(s) preditado(s) utilizandodados anteriores e/ou probabilidade(s) baseado pelo menos emparte nos dados de entrada. Por exemplo, o componente esti-mador de destino 104 pode empregar destinos pessoais anteri-ores, uma cobertura terrestre anterior, uma probabilidade dedireção eficiente, e/ou uma probabilidade de tempo de via-gem. Aprecia-se que qualquer número de dados anteriores e/ouqualquer número de probabilidades pode ser empregado em com-binação para gerar o(s) destino(s) preditado(s). A titulo deilustração, o componente estimador de destino 104 pode uti-lizar somente uma cobertura terrestre anterior para preditarprobabilisticamente um destino associado com uma viagem. Deacordo com um outro exemplo, o componente estimador de des-tino 104 pode empregar destinos pessoais anteriores, a co-bertura terrestre anterior, a probabilidade de direção efi-ciente e a probabilidade de tempo de viagem para preditarprobabilisticamente o(s) destino(s). Aprecia-se que o assun-to reivindicado não está limitado a esses exemplos.

0 componente estimador de destino 104 pode avaliardados de várias fontes para preditar uma localização para aqual um indivíduo está viajando. De acordo com uma ilustra-ção, o componente estimador de destino 104 pode probabilis-ticamente preditar um destino anterior para um início de vi-agem (por exemplo, quando um usuário entra em um carro,...)ou a qualquer hora durante a viagem. Assim, os dados de en-trada podem incluir dados relacionados a uma viagem atual(por exemplo, uma localização atual, uma mudança de locali-zação, qualquer número de localizações associado com a via-gem atual, uma quantidade de tempo associada com uma viagematual,...). Ademais, de acordo com um exemplo, à medida quetal viagem prossegue, o componente estimador de destino 104pode utilizar os dados de entrada da viagem para atualizardinamicamente a(s) predição(ões) do(s) destino(s). Alterna-tivamente, o componente estimador de destino 104 pode anali-sar os dados de entrada que carecem de informação associadacom a viagem atual de um usuário e conseqüentemente gerarpredições baseadas na informação diferente (por exemplo, da-dos de cobertura terrestre, dados de histórico,...).

O componente estimador de destino 104 pode emitiro(s) destino(s) preditado(s) como ilustrado. Adicionalmente,observa-se que o(s) destino(s) preditado(s) pode ser forne-cido ao componente de interface 102 através do componenteestimador de destino 104, e o componente de interface 102pode emitir a predição(ões) do(s) destino(s). Aprecia-se queo(s) destino(s) preditado(s) pode ser fornecido ao usuário.De acordo com um exemplo, um mapa pode ser apresentado aousuário que exibe o(s) destino(s) preditado(s). Adicional-mente, o mapa pode incluir informação tal como um curso via-jado até aqui durante uma viagem atual e/ou direções associ-adas com o restante de uma viagem para alcançar o(s) desti-no (s) preditado(s). Também, tal mapa pode apresentar infor-mação para propaganda direcionada; tal conteúdo de propagan-da pode ser seletivamente emitido baseado em consideraçõesdas preferências do usuário (por exemplo, o usuário preferegasolina A à gasolina B, restaurante de lanche rápido C aoinvés do restaurante de lanche rápido D, . . .). Observa-seque o(s) destino(s) preditado(s) pode ser fornecido ao usuá-rio utilizando qualquer tipo de sinal visual e/ou audível.

Ademais, o usuário pode fornecer o retorno associado como(s) destino(s) preditado(s) (por exemplo, selecionar umdestino fora de um conjunto de destinos preditados, indicarque um destino preditado está incorreto,...). De acordo comuma outra ilustração, a predição do(s) destino(s) pode sertransmitida a um componente diferente (não mostrado) que po-de utilizar a predição para gerar informação relevante (porexemplo, pontos vizinhos de interesse, serviços baseados nalocalização, informação relacionada com o(s) destino(s), in-formação relacionada com o tráfego associado com o(s) desti-no (s), propaganda direcionada, informação associada com e-ventos, ...) que pode, portanto, ser apresentada ao usuário(por exemplo, por meio de um alerta, . . . ).

O componente estimador de destino 104 pode avaliardestinos prováveis baseados pelo menos em parte nos dados decobertura terrestre, no fato de que os viajantes (por exem-plo, motoristas) tipicamente utilizam rotas eficientes, e/ouuma distribuição medida de tempos de viagem. Adicionalmente,o componente estimador de destino 104 pode combinar essasdicas (por exemplo, dados de entrada) com a regra de Bayespara preditar probabilisticamente o(s) destino(s). Ademais,o componente estimador de destino 104 pode considerar o(s)destino (s) prévio(s) (por exemplo, dados de histórico) dousuário e/ou de diferentes usuários; entretanto, o assuntoreivindicado não está limitado aos exemplos previamente men-cionados. O componente estimador de destino 104 pode tambémmelhorar em precisão pelo tempo à medida que os dados detreinamento associados com o usuário são adquiridos. De a-cordo com um exemplo adicional, o componente estimador dedestino 104 pode permitir que possíveis destinos sejam loca-lizados em qualquer lugar. De acordo com uma outra ilustra-ção, o componente estimador de destino 104 pode restringirpossíveis destinos como estando em uma rede de rodovias; as-sim, a precisão pode ser melhorada visto que muitos destinosreais estão em uma rodovia ou próximos a uma. Entretanto, oassunto reivindicado não é tão limitado. Também, o componen-te estimador de destino 104 pode considerar informação con-textual tal como, por exemplo, hora do dia, dia da semana(por exemplo, final de semana versus dia da semana), períodode feriado, estação do ano, mês do ano, etc.

Embora o componente de interface 102 seja descritocomo sendo separado do componente estimador de destino 104,observa-se que o componente estimador de destino 104 podeincluir o componente de interface 102 ou uma parte desse.Também, o componente de interface 102 pode fornecer váriosadaptadores, conectores, canais, caminhos de comunicação,etc. para habilitar a interação com o componente estimadorde destino 104.

O conhecimento do destino de um indivíduo (por e-xemplo, do motorista) pode ser um importante parâmetro parafornecer a informação útil enquanto o indivíduo está viajan-do (por exemplo, durante uma viagem). Por exemplo, um siste-ma de navegação em um carro pode automaticamente descrevercongestionamentos de tráfego, postos de gasolina, restauran-tes, e outros pontos de interesse que o motorista espera en-contrar enquanto está viajando. Adicionalmente, se o sistemade navegação pode fazer uma suposição precisa sobre a regiãogeral a qual o motorista está conduzindo, então ele pode in-teligentemente filtrar as informações que exibe, desse modoreduzindo a carga cognitiva. Ademais, embora seja possívelexplicitamente perguntar ao motorista sobre o seu destino, évantajoso suavizar a solicitação ao motorista para forneceressa informação no início de cada viagem. O sistema 100 podehabilitar a predição automática de destinos, por exemplo,por meio da utilização de um algoritmo para preditar os des-tinos de direção baseado na intuição de que o motorista to-mará uma rota moderadamente eficiente ao destino. De acordocom um aspecto, as predições podem ser geradas sem a modela-gem do comportamento de viagem de um motorista (por exemplo,assumir nenhum conhecimento anterior dos destinos usuais domotorista, tais como, trabalho, casa, escola,...); entretan-to, o assunto reivindicado não é tão limitado. De acordo comesse exemplo, o sistema 100 pode ser utilizado em um novoveículo, um veículo de aluguel, ou em uma cidade que o moto-rista ainda não visitou.

Voltando à Fig. 2, um sistema 200 é ilustrado, oqual gera uma grade probabilistica e/ou rota(s) entre as lo-calizações que pode ser utilizada em conjunto com o(s) des-tino(s) probabilisticamente predito(s). O sistema 200 podeincluir o componente de interface 102 que obtém os dados deentrada e os fornece ao componente estimador de destino 104.O componente estimador de destino 104 pode probabilistica-mente preditar o(s) destino(s) associado(s) com os dados deentrada e pode utilizar uma grade probabilistica gerada porum componente de grade 202 e/ou qualquer número de rotas en-tre as localizações (e quaisquer dados associados com elas)geradas por um componente de planejamento de rotas 204 paraidentificar os o(s) destino(s) prováveis.

De acordo com um exemplo, o componente de grade202 pode gerar uma grade probabilistica que pode ser associ-ada com um mapa. Por exemplo, uma grade bidimensional dequadriculas (por exemplo, células) pode ser associada com ummapa tal que as quadriculas (por exemplo, células) podem re-ferir-se a qualquer área geográfica física real (por exem-plo, 1 quilômetro associado com cada lado de cada uma dasquadriculas da grade,...). Adicionalmente, observa-se que agrade gerada pelo componente de grade 202 pode incluir célu-las de qualquer forma (por exemplo, polígono com M lados,onde M é um inteiro positivo maior que dois, círculo,...) ououtras formas ou adicionalmente às células em forma de qua-driculas. As células podem representar uma localização dis-creta e podem ser associadas com qualquer disposição lado alado, tamanho e número. A cada uma das células pode ser a-tribuido um índice exclusivo (por exemplo, i=l, 2, 3,..., N,onde N é qualquer inteiro positivo) e o componente estimadorde destino 104 pode identificar uma célula ou células dentrodas quais o usuário tende a finalizar uma viagem (por exem-plo, destino).

O componente estimador de destino 104 pode compu-tar uma probabilidade de cada célula sendo o destino. Porexemplo, as probabilidades pode ser determinadas avaliando-se P (D = i|X = χ), onde D é uma variável aleatória que re-presenta o destino, e X é uma variável aleatória que repre-senta o vetor de características observadas de uma viajematé aqui. Adicionalmente, as probabilidades e/ou dados ante-riores podem ser utilizados e a regra de Bayes pode ser a-plicada para gerar o seguinte:

<formula>formula see original document page 19</formula>

Conseqüentemente, N pode ser um número de célulasna grade e P (D = i) pode ser uma probabilidade anterior dodestino ser a célula i. A probabilidade anterior pode sercalculada, por exemplo, com um destino pessoal anterior e/ouuma cobertura terrestre anterior. Ademais, P(X = χ | D = i)pode ser a probabilidade da célula i ser o destino baseadoem uma medida observada X, que pode ser a informação do mapacomputada a partir de várias fontes. Por exemplo, a probabi-lidade pode ser uma probabilidade de direção eficiente e/ouuma probabilidade de tempo de viagem. O denominador pode serum fator de normalização que pode ser calculado para habili-tar que a soma das probabilidades de todas as células sejaigual a um.

0 componente de planejamento de rota 204 pode for-necer rotas entre pares de células e/ou estimativas de tem-pos de direção entre cada par de células na grade gerada pe-lo componente de grade 202. O componente de planejamento derota 204 pode aproximar o tempo de direção utilizando umadistância Euclidiana e aproximação de velocidade entre cadapar de células. Adicional ou alternativamente, o componentede planejamento de rota 204 pode planejar uma rota de dire-ção entre pontos centrais (latitude, longitude) de pares decélulas para gerar uma estimativa de tempo de direção maisprecisa. Assim, o componente de planejamento de rota 204 po-de fornecer uma saida baseada em pelo menos parte de uma re-de de rodovias e limites de velocidade entre células.

Voltando à Fig 3, um sistema 300 é ilustrado, oqual fornece destino(s) preditado(s) baseado(s) no mínimo emparte nos dados de cobertura terrestre. O sistema 300 com-preende o componente de interface 102 que recebe dados deentrada que podem incluir dados de cobertura terrestre etambém inclui o componente estimador de destino 104 que podegerar destino(s) preditado(s) baseado no mínimo em parte emuma cobertura terrestre anterior gerada por um componente decobertura terrestre 302.

0 componente de cobertura terrestre 302 pode faci-litar a avaliação de uma probabilidade de que uma célula éum destino baseado em dados de cobertura terrestre associa-dos com uma célula particular. A cobertura terrestre anteri-or pode ser associada com a topologia relacionada a uma lo-calização. Por exemplo, no meio de lagos e oceanos estãodestinos incomuns para motoristas, e áreas comerciais sãodestinos mais atrativos do que lugares gelados e cobertospor neve. O componente de interface 102, por exemplo, podefacilitar a obtenção de um mapa de cobertura terrestre quepode habilitar que o componente de cobertura terrestre 302caracterize células em uma grade baseada em um mapa de co-bertura terrestre do Levantamento Geológico dos Estados Uni-dos (USGS); entretanto, o assunto reivindicado não é tão li-mitado à medida que se observa que as células podem ser ca-racterizadas utilizando quaisquer dados de cobertura terres-tre. Por exemplo, os mapas de cobertura terrestre USGS podemcategorizar cada quadricula de 30 m χ 30 m dos Estados Uni-dos em um dos vinte e um tipos diferentes de mapas de cober-tura terrestre (por exemplo, área de pântanos herbáceos e-mergentes, área de pântanos silvestres, área de pomar, áreade gelo constante, área de pequenos grãos, área de colheita,área de rocha, área reflorestada, área urbana, áreas de altaintensidade residencial, área transitória, área de pedreira,área de água, área de pasto, área de floresta mista, área dearbusto, área de deciduo, área de floresta totalmente verde,área de baixa intensidade residencial, área comercial,...).O componente de cobertura terrestre 302 pode avaliar uma Ia-titude e/ou longitude de cada destino de viagem em um con-junto de dados para criar um histograma normalizado sobre ostipos de cobertura terrestre (por exemplo, vinte e um tiposde cobertura terrestre) , por exemplo. A água pode ser umdestino impopular, embora mais popular que algumas outrascategorias (por exemplo, área de pântanos herbáceos emergen-tes, área de pântanos silvestres, ...) , e áreas comerciaispodem ser mais atrativas que aquelas cobertas por gelo e ne-ve. Dois dos destinos mais populares podem ser o "comercial"e "baixa intensidade residencial", que o USGS descreve como:

Transporte/Industrial/Comercial - "inclui infra-estrutura (por exemplo, rodovias, estradas de ferro,...) etodas as áreas altamente desenvolvidas e não classificadascomo de Alta Intensidade Residencial".

Baixa Intensidade Residencial - "Inclui áreas comum misto de construções e vegetação. As construções abrangemcerca de 30% a 80% da cobertura terrestre. A vegetação podeabranger cerca de 20% a 70% da cobertura terrestre. Essasáreas mais comumente incluem unidades residenciais de únicafamília. A densidade populacional será menor do que em áreasde alta intensidade residencial".

A categoria "água" pode estar associada com umaprobabilidade não zero porque as quadrículas USGS de 30 m χ30 m podem ser categorizadas como água mesmo se for até 25%da área seca, que poderia incluir praias e propriedade deáreas de praia dependendo de como as quadrículas estão loca-lizadas. observa-se que diferentes regiões podem estar asso-ciadas com diferentes misturas de cobertura terrestre e re-sidentes de diferentes regiões podem possivelmente ter dife-rentes comportamentos em relação aos tipos de cobertura ter-restre.

De acordo com um exemplo, o componente de cobertu-ra terrestre 302 pode determinar a probabilidade de uma cé-lula de destino se ela fosse completamente coberta por umtipo de cobertura terrestre j para j =1, 2, 3,..., 21 ava-liando P(D = 1 I G = j). De acordo com uma ilustração, se ocomponente de cobertura terrestre 302 utiliza uma grade pro-babilistica com células de 1 km χ 1 km, cada célula podeconter aproximadamente 1,111 rótulo de cobertura terrestrede 30 m χ 30 m (por exemplo, freqüentemente, as células po-dem não ser completamente cobertas pelo mesmo tipo). Paracada célula, o componente de cobertura terrestre 302 podecalcular a distribuição de tipos de cobertura terrestre, quepode se referir como Pj (G = j). A titulo de ilustração, ocomponente de cobertura terrestre 302 pode calcular a proba-bilidade anterior de cada célula marginalizando os tipos decobertura terrestre na célula:

<formula>formula see original document page 23</formula>

PG(D = i) pode estar associado com a probabilidadeanterior de uma célula de destino baseada na cobertura ter-restre. Conseqüentemente, o componente de cobertura terres-tre 302 pode determinar que as áreas de água e mais áreasrurais podem ser, por exemplo, destinos de mais baixa proba-bilidade. A cobertura terrestre anterior gerada pela compo-nente de cobertura terrestre 302 (e um destino pessoal ante-rior obtido que utiliza ura componente de histórico do usuá-rio tal como descrito abaixo) pode fornecer as distribuiçõesde probabilidade anterior porque elas são tipicamente nãobaseadas em características medidas da rota atual do usuário.Com relação à Fig. 4, um sistema 400 é ilustrado,o qual predita o(s) destino(s) baseado em dados de históri-co. O sistema 400 inclui um componente de interface 102 querecebe os dados de entrada. Os dados de entrada, por exem-pio, podem incluir dados de histórico. Os dados de históricopodem estar relacionados a um usuário particular, a um usuá-rio diferente, e/ou a um conjunto de usuários. Por exemplo,os dados de histórico podem se referir a um conjunto de des-tinos anteriores do usuário. A titulo de ilustração, o com-ponente de interface 102 pode obter os dados de histórico apartir de um armazenamento de dados (não mostrado). Adicio-nalmente, o componente de interface 102 pode fornecer os da-dos de entrada que incluem os dados de histórico ao compo-nente estimador de destino 104 que predita probabilistica-mente o(s) destino(s) baseado em tais dados.

O componente estimador de destino 104 pode adicio-nalmente compreender um componente de histórico do usuário402 que avalia os dados de histórico para gerar destinospessoais anteriores. Assim, os destinos pessoais anteriorespodem ser empregados pelo componente estimador de destino104 para facilitar a predição do(s) destino(s). Aprecia-seque o componente estimador de destino 104 pode utilizar des-tinos pessoais anteriores obtidos por meio do emprego docomponente de histórico do usuário 402 sozinhos e/ou em com-binação com outros dados anteriores e/ou uma ou mais proba-bilidades.

O componente de histórico do usuário 402 pode per-ceber por intuição que.motoristas freqüentemente vão a Iuga-res que eles foram antes, e a esses tais lugares deveria serdada uma probabilidade de destino mais alta. Por exemplo, ocomponente de histórico do usuário 402 pode utilizar a perdado sinal do GPS para indicar que um usuário entrou em um e-dificio. Se o usuário entra no mesmo edifício um número devezes, essa localização pode ser marcada como destino candi-dato para predição futura. Adicionalmente, as localizaçõesmedidas por GPS onde um usuário passou mais do que uma quan-tidade limite de tempo (por exemplo, 10 minutos) podem seragrupadas para extrair os destinos prováveis. Ademais, osdestinos podem ser extraídos agrupando-se as localizações delongas estadias. Também, os destinos potenciais podem serinferidos junto com a consideração explícita das variaçõesem escala de um tamanho do destino e duração da estadia.

De acordo com uma outra ilustração, o componentede histórico do usuário 402 pode modelar os destinos pesso-ais como células de grade que incluem pontos finais de via-gens segmentadas. Como tal, uma escala espacial de um desti-no candidato pode ser a mesma do tamanho de uma célula, e otempo de estadia a ser considerado um destino pode ser de-terminado por um parâmetro de segmentação de viagem (por e-xemplo, cinco minutos).

O componente de histórico do usuário 402 pode uti-lizar diferentes hipóteses baseadas nos dados de destinospessoais: uma hipótese de mundo fechado e uma hipótese demundo aberto. O componente de histórico do usuário 402 podeutilizar as análises de mundo aberto e de mundo fechado, epode integrar ambas em uma previsão de localização; assim, aanálise executada por meio do componente de histórico do u-suário 402 pode incluir previsão sobre ambas a probabilidadede um motorista visitar uma localização previamente não ob-servada (como uma função de um horizonte de observações), eas relações espaciais de novas localizações, dadas localiza-ções anteriores. Ademais, os parâmetros para a inferência demundo aberto podem vir da observação de múltiplas pessoaspelo tempo, e então podem ser mapeados para os indivíduos.

Também, a informação demográfica (por exemplo, idade, sexo,tipo de trabalho, religião, filiação política,...) pode serconsiderada na modelagem de mundo aberto. A título de ilus-tração, a hipótese de mundo fechado pode ser associada com asuposição de que os motoristas somente visitam os destinosque eles foram motivados a visitar no passado. Isso pode serreferido como a hipótese de mundo fechado, e análises cor-respondentes podem ser referidas como análises de mundo fe-chado. Assumindo a hipótese de mundo fechado, o componentede histórico do usuário 402 pode examinar os pontos em que aviagem do motorista foi concluída e fazer um histograma so-bre as N células. A normalização dá uma função de massa deprobabilidade Pfechado (D = i), i = 1, 2, 3,..., N, onde osubscrito "fechado" indica que esta probabilidade é baseadaem destinos pessoais. Se um usuário não visitou uma célula,a probabilidade dos destinos pessoais para esta célula podeser igual a zero. Isto ocorre porque essa probabilidade serámultiplicada por outras probabilidades sobre as N células nocálculo de Bayes para calcular a probabilidade do destinoposterior para cada célula. Se uma célula tem um zero ante-rior, essa célula pode não sobreviver como um destino possível.

A hipótese de mundo fechado é simplista já que aspessoas realmente podem visitar as localizações que elasnunca visitaram. Este é o caso em geral, mas tais observa-ções de novos destinos podem ser especialmente salientes emfases anteriores de observar um motorista. No último, "no-vas" localizações incluem lugares que um motorista já visi-tou antes, mas não foi observado a visitar durante o percur-so de um estudo (por exemplo, observação / rastreio de umusuário), bem como genuinamente novos destinos para esse mo-torista. Assim, uma aproximação potencialmente mais precisapara inferir a probabilidade dos destinos de um motoristapode ser para considerar a probabilidade de destinos que fo-ram vistos antes do que os que não foram vistos antes, assimalavancando um modelo de "mundo aberto". Modelando esse e-feito, uma função de massa de probabilidade de mundo fechadoobtida em um ponto remoto em um levantamento (por exemplo,observação de um motorista) pode ser transformada em uma a-proximação da probabilidade de estado estável que pode serobservada no final do levantamento e além. Este modelo demundo aberto então substitui Pfechado (D = i) r e pode gerar ummodelo mais preciso dos lugares que um sujeito tende a visitar.

Com relação à Fig. 5, um sistema 500 é ilustrado,o qual utiliza a modelagem de mundo aberto ao(s) destino(s)preditado(s). 0 sistema 500 inclui o componente de interface102 e o componente estimador de destino 104. Ademais, o com-ponente estimador de destino 104 inclui o componente de his-tórico do usuário 402 que avalia os dados de histórico com-preendidos nos dados de entrada obtidos. O componente dehistórico do usuário 402 pode adicionalmente incluir um com-ponente de modelagem de mundo aberto 502 que considera ex-plicitamente uma probabilidade e localização de novos desti-nos que ainda não foram observados (por exemplo, destinosnão incluídos como parte dos dados de histórico).

A componente de modelagem de mundo aberto 502 podemodelar localizações não visitadas de várias formas. Por e-xemplo, as localizações não visitadas podem ser modeladascom o componente de modelagem do mundo aberto 502 baseado emuma observação de que os destinos tendem a agrupar-se. A tí-tulo de ilustração, os motoristas podem tender a ir a Iuga-res próximos um do outro para economizar tempo, ou a todasas regiões com que eles estão familiarizados, por exemplo,os motoristas devem escolher postos de gasolina e merceariasque estão próximos do lugar de trabalho deles. O componentede modelagem de mundo aberto 502 pode modelar esse efeitocomo uma distribuição de probabilidade discretizada sobre adistância de pontos previamente visitados. Essa distribuiçãopode ter a forma completa de um bolo de casamento em camadascomo mostrado na Fig. 6. (A Fig. 6 ilustra um exemplo de umadistribuição de probabilidade de 4 camadas 600 com discreti-zação sobre quatro raios limite de uma localização previa-mente visitada). Cada camada pode dar as probabilidades denovos destinos em torno de alguns previamente visitados. Ca-da camada do bolo de casamento pode ser um anel concêntricode probabilidade constante em alguns raios a partir do cen-tro, e pretende-se modelar o agrupamento eventual dos desti-nos no estado estável.

Com relação novamente à Fig. 5, de acordo com umoutro exemplo, o componente de modelagem de mundo aberto 502pode mensurar a tendência de agrupamento observando em his-togramas normalizados de destinos em uma grade por diferen-tes dias de cada do levantamento por GPS do sujeito. Paracada destino em um dado dia, a probabilidade de que um des-tino ainda não visitado aparecesse no estado estável eventu-al para cada anel de um bolo de casamento de . 10 camadas emtorno deste destino, pode ser calculada. Cada camada podeser um anel de largura de 1 quilômetro e um raio central der = {1, 2, 3,..., 10} quilômetros, e o estado estável podeser obtido a partir de todos os destinos visitados pelo le-vantamento inteiro. Em um dia 1 de levantamento, as probabi-lidades de procura dos destinos de estado estável não visi-tados próximos aos destinos já visitados podem ser relativa-mente altas. Com o passar dos dias, cada sujeito visita gra-dualmente a maior parte dos seus destinos usuais, assim asprobabilidades caem. Para cada dia, as camadas próximas docentro são mais altas que as próximas da borda externa. Ope-racionalmente, para uma dada probabilidade de mundo fechadoPfechado (D = i) de um dado dia, uma outra probabilidade com osvizinhos não visitados de cada Pfechado (D = i) diferente dezero, substituído por um bolo de casamento com valores deprobabilidade para o dia apropriado pode ser calculada. Issopode simular uma dispersão esperada no estado estável. De-pois de normalizar para um, os bolos de casamento podem serreferidos como W (D = i). Isto pode ser feito separadamentepara cada sujeito.

Embora os destinos de estado estável tendam a seagrupar, os destinos isolados podem também ocorrer. Esse e-feito pode ser caracterizado pelo cálculo da probabilidadede que o destino de estado estável não seria coberto por umbolo de casamento de 10 camadas em torno de um estado está-vel de destino visitado antes. Essa probabilidade pode serreferida como β. A probabilidade de novos destinos isoladospode cair com o tempo. Um meio de modelar esta probabilidadede fundo é através de uma distribuição uniforme sobre todasas células da grade. Entretanto, isso pode contribuir naprobabilidade com lugares aonde ninguém vai, como os meiosde lagos. Ao contrário de uma distribuição uniforme, o com-ponente de modelagem de mundo aberto 502 pode obter o fundocomo Pg (D = i) , que é a cobertura terrestre anterior comodescrito previamente.

Esses efeitos podem ser combinados para calcularuma distribuição de probabilidade de destinos que modelamais precisamente a probabilidade de estado estável. Os trêscomponentes podem ser os anteriores de mundo fechado PfeCha-do(D = i) , a dispersão parametrizada como representada pelasdistribuições em forma de bolo de casamento W(D = i) descri-tas acima, e a probabilidade de fundo Pg (D = i) para modelardestinos isolados. Uma fração α da probabilidade total paraW (D = 1) pode ser partilhada, onde α é a soma das camadaspara o dia apropriado. Uma fração entendida β da probabili-dade, que captura a probabilidade de que usuários viajarão alugares além das distribuições em camadas, é localizada aofundo. A versão de mundo aberto para a probabilidade dosdestinos de um motorista, que pode ser uma probabilidade an-terior, pode então ser calculada como

<formula>formula see original document page 31</formula>

Essa pode ser referida como a distribuição de pro-babilidade anterior de mundo aberto. Ademais, o componentede modelagem de mundo aberto 502 pode utilizar essa na fór-mula de Bayes.

Como o passar do tempo, α e β tendem a diminuir,desenfatizando o ajustamento para agrupamento e a probabili-dade de fundo em favor de cada destino aprendido realdo su-jeito. Isso representa a riqueza de um modelo de mundo aber-to que leva em consideração apropriada o fato de que as pes-soas podem visitar novas localizações, especialmente cedo noperíodo de observação, mas também na viagem longa.

A distribuição de probabilidade anterior de mundoaberto, Paberto(D = i) r pode aproximar uma distribuição de es-tado estável do sujeito de destinos melhor que a distribui-ção de probabilidade anterior de mundo fechado simplista,Pfechado (D = i). Ademais, a distribuição de probabilidade an-terior de mundo aberto pode trabalhar com dados anterioresmuito mais próximos ao estado estável real do que com o mo-delo de mundo fechado.

A Fig. 7 ilustra um sistema 700 que gera prediçõesde destino (s) baseado pelo menos em parte em dados de rotaeficiente. O sistema 700 inclui um componente de interface102 que pode obter dados de entrada. Os dados de entrada po-dem incluir dados de rota eficiente que podem ser armazena-dos em um armazenamento de dados (não mostrado) , gerados porum componente de planejamento de rota (por exemplo, o compo-nente de planejamento de rota 204 da Fig. 2), etc. Adicionalou alternativamente, o componente de interface 102 pode ob-ter dados associados com uma viagem atual do usuário (porexemplo, dados relacionados a uma localização, uma mudançana localização, uma quantidade de tempo para uma via-gem,...). Os dados de entrada podem ser avaliados pelo com-ponente estimador de destino 104 que pode adicionalmentecompreender um componente de eficiência 702. 0 componenteestimador de destino 104 pode conseqüentemente gerar desti-no (s) preditado(s) baseado em uma probabilidade de direçãoeficiente fornecida pelo componente de eficiência 702. 0componente de eficiência 702 pode calcular uma eficiência dedireção associada com um conjunto de destinos candidatos(por exemplo, cada destino candidato) como evidência sobreuma localização/destino final, que pode ser utilizada pelocomponente estimador de destino 104.

A probabilidade de direção eficiente gerada pelocomponente de eficiência 702 pode ser baseada em uma mudançano tempo até a chegada em um destino candidato. Por exemplo,a probabilidade de direção eficiente pode ser baseada em umaviagem atual do usuário. A probabilidade de direção eficien-te (bem como qualquer outra probabilidade) pode ser da formaP(X = χ I D = i) , onde χ é alguma característica medida daviagem atual. A característica medida associada com a proba-bilidade de direção eficiente pode ser a lista de célulasque o motorista já atravessou, e a intuição atrás da proba-bilidade pode ser que os motoristas geralmente não desistemdas oportunidades de irem aos seus destinos de uma forma e-ficiente.

O componente de eficiência 702 pode quantificar aeficiência usando o tempo de direção entre pontos no caminhodo motorista e destinos candidatos. Assim, para cada par decélulas (i, j) na grade probabilistica, o componente de efi-ciência 702 pode estimar o tempo de direção Tiij entre elese/ou receber uma estimativa como parte dos dados de rota e-ficiente. De acordo com uma ilustração, uma primeira aproxi-mação para o tempo de direção poderia ser gerada pelo compo-nente de eficiência 702 que utiliza uma simples distânciaEuclidiana e uma aproximação da velocidade entre cada par decélulas. Adicional ou alternativamente, o componente de efi-ciência 702 pode empregar um software de mapeamento de áreade trabalho para planejar uma rota de direção entre os pon-tos centrais (latitude, longitude) de pares de células. Osoftware de mapeamento pode fornecer uma interface programá-tica que pode fornecer o tempo de direção estimado de rotasplanejadas. Usar um planejador de rota de direção pode con-siderar uma rede de rodovias e limites de velocidade entrecélulas, dando uma estimativa de tempo de direção mais pre-cisa. Para N células, pode haver N (Ν - 1) diferentes paresordenados, não incluindo pares de células idênticas. Adicio-nalmente, as rotas podem ser planejadas assumindo-se que otempo de viagem da célula i a j é o mesmo da célula j a i,isto é, Ti,j = Tj,i. Nota-se que esse cálculo pode somente serexecutado uma vez para uma grade particular.

O componente de eficiência 702 pode assumir que osmotoristas não desistirão da oportunidade de pegar seu des-tino rapidamente. Por exemplo, se um motorista está perto deseu destino em um ponto durante a viajem, é improvável queele dirija subseqüentemente para mais longe do destino. Emoutras palavras, à medida que uma viagem prossegue, pode seresperado que o tempo associado o alcance do destino diminuade forma monótona. De acordo com um exemplo, o componente deeficiência 702 pode habilitar o teste dessa hipótese usandodados da viagem. De acordo com esse exemplo, cada viagem po-de ser convertida em uma seqüência de células cruzadas (semcélulas adjacentes repetidas) e em cada seqüência pode serexaminada uma célula por vez. Enquanto se examina cada se-qüência, o tempo mínimo à célula de destino sobre as célulascruzadas até aqui pode ser rastreado. Uma rota eficiente po-de reduzir este tempo mínimo à medida que a seqüência pro-gride. Para cada célula de transição na seqüência, At, quepode ser a mudança no tempo de direção estimado alcançadopela transição da nova célula sobre o tempo mínimo ao desti-no encontrado até aqui, pode ser calculado. O tempo pode sernegativo e assim a transição de célula pode reduzir o tempoao destino.

O histograma normalizado do At pode ser uma esti-mativa para P(ΔΤ = At), que dá a probabilidade da mudança notempo de viagem que uma transição do motorista para a próxi-ma célula causará, com relação a quão próximo o motoristaestava do destino até aqui. A probabilidade de que o moto-rista reduzirá o tempo mínimo ao destino pode ser, por exem-plo, p= J P(AT = At)dAt = 0,625 . De acordo com este exemplo, 1- ρ = 0,325, ou 37,5% do tempo, o movimento do motoristapara uma nova célula realmente diminuiu o tempo ao destino.

Entretanto, esse número pode ser artificialmente alto devidoao conhecimento especializado do motorista de que o planeja-dor de rota pode não ter, tal como, atalhos, mudanças da re-de de rodovias, e condições de tráfego. Também, o espaço dediscretização pode significar que rotas de célula a célula,dependendo de onde os centros das células diminuem, tem quealgumas vezes considerar entradas e saídas de auto-estradasque um motorista não necessariamente teria que negociar seele fosse somente passar direto. A média ou mediana de P (ΔΤ= At) pode ser de -22,2 segundos e -39,0 segundos, respecti-vamente; assim na média os dados podem ilustrar que os moto-ristas prosseguem geralmente para seus destinos com cadatransição para uma nova célula na grade.

0 componente de eficiência 702 pode calcular Pe (S= s|D = i), que pode ser a probabilidade de S, a viagem atéaqui, dado um destino. A viagem S pode ser representada comoa série de células cruzadas até aqui, sem repetições adja-centes: S = {si, s2, S3,..., sn} . Pode ser assumido que emcada célula Sj o motorista faz uma decisão independente dequal célula dirigir para a próxima, significando que essaprobabilidade pode ser calculada como

<formula>formula see original document page 35</formula>- assume-se ρ, se Sj estiver mais próxima do desti-no i que qualquer célula anterior em S

- de outra forma assume 1 - p.

Aqui η pode ser um número de células de grade cru-zadas na viagem até aqui. Essa equação multiplica ρ se a no-va célula estiver mais próxima do destino i do que qualquercélula anterior, indicando que o motorista fez um movimentoque diminui o tempo estimado à célula i, de outra forma, elemultiplica 1 - p. Contanto que ρ > 0,5, essa probabilidadefavorece as células na direção em que o motorista está mo-vendo.

Utilizando essa probabilidade e uma distribuiçãouniforme anterior, distribuições posteriores podem ser obti-das com o componente de eficiência 702. A titulo de ilustra-ção, quando uma viagem inicia em uma direção particular (porexemplo, sul) a partir de uma localização particular, certascélulas podem ser eliminadas como destinos (por exemplo, cé-lulas ao norte podem ser eliminadas como destinos); as pro-babilidades de destino podem ser descritas mediante um mapa,por exemplo. Depois de viajar para o sul, todas as células,menos a parte do sul, pode ser eliminada.

De acordo com um exemplo, um motorista pode enga-jar em mais sinuosidades aleatórias no inicio de uma viagemse comparado a quando seu real destino está próximo (por e-xemplo, no final da viagem). Assim, a probabilidade de que omotorista se moverá mais próximo a seu destino final em cadaetapa de tempo, p, pode variar como uma função em uma via-gem. Conseqüentemente, ρ pode ser menor no inicio de uma vi-agem se comparado ao final da viagem.

De acordo com um outro exemplo, o componente deeficiência 702 pode medir a eficiência baseada nas célulasde inicio da viagem s e uma célula de destino candidata i.Se a rota do motorista é eficiente, então o tempo total exi-gido para ir entre estas duas células deveria ser aproxima-damente Ts,i. Se o motorista está atualmente na célula j, en-tão o tempo para alcançar o destino candidato i deveria serde aproximadamente Tj,i. Se i é realmente o destino, e se omotorista está seguindo uma rota eficiente, então o motoris-ta deveria ter obtido um tempo de Ts,± - Tj,i para alcançar acélula atual j. O tempo de viagem atual do motorista a esseponto é At, que não será maior que Ts,ι - Tj,i se o motoristaestá pegando uma rota ineficiente. Assim, o componente deeficiência 702 pode medir a eficiência como o raio de quantotempo o motorista deveria gastar se movendo em direção aodestino candidato por quanto tempo realmente gastou:

Tal raio pode ser aproximadamente um para uma via-gem eficiente entre sei. Usando dados de levantamento GPS,as distribuições dos valores de eficiência podem ser calcu-ladas baseadas nas viagens conhecidas e seus correspondentesdestinos. A probabilidade de eficiência Pe (E = e|D = t) re-presenta a eficiência que os motoristas atualmente produzemem seus caminhos para um destino. Se um destino candidatoresulta em uma eficiência de baixa probabilidade, sua proba-bilidade posterior pode ser correspondentemente baixa quandoPe (E = e ID = t) é incorporado na regra de Bayes. A probabi-lidade de eficiência pode variar como uma função de uma fra-ção de uma viagem; assim, a distribuição próxima ao iniciode tal viagem pode ser não realista devido a uma incapacida-de de fornecer tempos de viagem precisos para viagens cur-tas. Para todas as frações de viagem, alguns motoristas po-dem ser capazes de aumentar sua eficiência acima de 1,0, oudevido à velocidade ou a erros nas estimativas de tempo deviagem ideal. O efeito de usar essa probabilidade para apredição de destino pode ser que se um motorista parece es-tar dirigindo para longe de um destino candidato, essa pro-babilidade de destino será diminuída.

Voltando à Fig. 8, um sistema 800 é ilustrado, oqual avalia o tempo de viagem em conjunto com a predição dosdestinos. O sistema 800 inclui um componente de interface102 que obtém dados de entrada e o componente estimador dedestino 104 que avalia os dados de entrada para gerar desti-no (s) preditado(s). O componente estimador de destino 104pode adicionalmente incluir um componente de tempo de viagem802 que avalia uma probabilidade associada com um tempo es-timado a um destino candidato e/ou um tempo de viagem decor-rido para uma viagem atual.

O componente de tempo de viagem 802 pode gerar aprobabilidade de tempo de viagem baseado pelo menos em partena utilização de dados de distribuição de tempo de viagemque podem ser incluídos como parte dos dados de entrada. Porexemplo, os dados de distribuição de tempo de viagem podemser de um Levantamento de Transporte Doméstico Nacional(NHTS); entretanto, o assunto reivindicado não é tão' limita-do. A titulo de exemplo, o NHTS do ano 2001 pode incluir da-dos relacionado à viagem diária e/ou viagem de distânciamais longa de aproximadamente 660.000 residências norte-americanas. Adicionalmente, os resultados do levantamentopodem estar disponíveis a título de uma interface de rede, eum histograma de tempos de viagem pode ser gerado.

A probabilidade que governa os tempos de viagempode ser PT(Ts = ts I D = i), onde Ts é a variável aleatóriaque representa o tempo de viagem até aqui. Para uso dessaprobabilidade, o componente de tempo de viagem 802 podequantizar os tempos de viagem de acordo com itens associadoscom o histograma. O histograma pode representar a distribui-ção de tempos de destino antes de uma viagem ter começado,por exemplo, P(TD = tD) , onde T0 representa o tempo de viagemtotal. Uma vez que algum tempo tenha passado em uma viagem,a probabilidade de tempos que passaram cai a zero, e a nor-malização pode ser efetuada para gerar:

<formula>formula see original document page 39</formula>

Para computar a probabilidade para um destino can-didato, ts pode ser o comprimento da viagem até aqui e tDpode ser o tempo estimado ao destino candidato a partir dacélula atual, baseado nos tempos de viagem estimados Ti,j.Utilizando essa probabilidade e/ou distribuições uniformesanteriores, as distribuições posteriores podem ser obtidas.

Com relação à Fig. 9. um sistema 900 é ilustrado,o qual habilita a combinação de dados anteriores e/ou proba-bilidade (s) para facilitar a predição de destino(s). O sis-tema 900 inclui o componente de interface 102 que pode obterdados de entrada. Adicionalmente, o sistema 900 inclui ocomponente estimador de destino 104 que predita probabilis-ticamente o destino(s) por meio de empregar dados anteriorese/ou probabilidade(s). O componente estimador de destino 104pode adicionalmente compreender o componente de histórico dousuário 402 que gera destinos pessoais anteriores, o compo-nente de cobertura terrestre 302 que gera uma cobertura ter-restre anterior, o componente de eficiência 702 que forneceuma probabilidade de direção eficiente e/ou o componente detempo de viagem 802 que produz uma probabilidade de tempo deviagem.

O componente estimador de destino 104 pode adicio-nalmente ser acoplado a um componente de fusão 902 que podehabilitar a seleção de dados anteriores e/ou probabilida-de (s) para utilizar em associação com a predição probabilis-ticamente do destino(s). O componente de fusão 902 pode com-binar os dados anteriores e/ou a probabilidade(s). Por exem-plo, o componente de fusão 902 pode gerar uma distribuiçãode probabilidade associada com os dados anteriores e/ou pro-babilidade (s) selecionados. A titulo de ilustração, os des-tinos pessoais anteriores podem ser selecionados; conseqüen-temente, o componente de fusão 902 pode gerar uma distribui-ção de probabilidade baseado em destinos pessoais anterio-res. De acordo com um outro exemplo, a cobertura terrestreanterior, a probabilidade de direção eficiente e a probabi-lidade de tempo de viagem podem ser selecionadas, e assim, ocomponente de fusão 902 pode combinar os dados anteriores eas probabilidades. Aprecia-se que o assunto reivindicado nãoestá limitado a essas ilustrações.

O componente de fusão 902 pode assumir independên-cia da eficiência de direção e das probabilidades de direçãode viagem dados os destinos, e pode combinar esses dois ele-mentos e os anteriores em uma única probabilidade posteriorpara cada destino usando a regra de Bayes. Assim, a probabi-lidade de destino pode ser como segue:

<formula>formula see original document page 41</formula>

Considerar tais independências refere-se à fórmulade Bayes simplista de atualização Bayesiana. Relaxar as hi-póteses de independência para permitir dependências probabi-listicas mais ricas pode melhorar a precisão de prediçõesporque introduzir dependências realistas minimiza "sobre-contagem" de influências probabilisticas. Nesse caso, as re-lações entre a eficiência de direção e a duração podem nãoser consideradas. Ademais, a equação de probabilidade dedestino acima pode ser avaliada calculando-se uma grade deescalares para cada um dos componentes probabilisticos, mul-tiplicando os escalares nas células correspondentes, e nor-malizando para fazer a soma dos produtos igual a um.

A fórmula probabilistica de predição de destinosignifica que incertezas sobre o destino verdadeiro do moto-rista podem ser representadas de uma maneira coerente. As-sim, as aplicações construídas em um sistema, tal como o es-timador de destino 104, podem considerar a incerteza inevi-tável em um destino do motorista. Por exemplo, uma aplicaçãoque mostra restaurantes ou postos de gasolina próximos aodestino do motorista poderia mostrar progressivamente maisdetalhes e menos área à medida que o destino se torna maiscerto. Avisos sobre problemas de tráfego poderiam ser manti-dos até que a certeza de encontrá-los excede um certo limi-te. Pessoas com deficiência cognitiva desviando de seu des-tino pretendido poderiam ser avisadas somente quando o des-vio se torna quase certo.

A Fig. 10 ilustra um sistema 1000 que fornece in-formação que pode ser relevante ao destino(s) preditado(s) .O sistema 1000 inclui o componente de interface 102 que re-cebe dados de entrada e o componente estimador de destino104 que predita probabilisticamente o destino(s) baseado nosdados de entrada. Por exemplo, o componente estimador dedestino 104 pode utilizar um ou mais dados anteriores e/ouuma ou mais probabilidades para gerar as predições. 0 desti-no (s) preditado(s) pode adicionalmente ser fornecido a umcomponente de conteúdo 1002 que fornece informação relevanteassociada com o destino(s) preditado. Por exemplo, o compo-nente de conteúdo 1002 pode fornecer avisos de tráfego,construção, problemas de segurança adiante, propagandas deguia sendo exibidas, fornecer direções, conselhos de rotas,atualizações, etc.

O componente de conteúdo 1002 pode fornecer qual-quer informação que é relevante ao destino(s) preditado. Porexemplo, o componente de conteúdo 1002 pode gerar informaçãoque refere-se a restaurantes, tráfego, assistência de nave-gação, postos de gasolina, pontos de referência, pontos co-merciais, etc. De acordo com um exemplo, um destino particu-lar pode ser fornecido ao componente de conteúdo 1002. Deacordo com esse exemplo, o componente de conteúdo 1002 podefornecer um alerto que inclui informação associada com a Io-calização particular e/ou informação associada com qualquerlocalização que está próxima à rota entre uma localizaçãoatual e o destino. Assim, o componente de conteúdo 1002 podeindica que eventos estão acontecendo em uma localização,tráfego está intenso, etc. De acordo com um outro exemplo, ocomponente de conteúdo 1002 pode fornecer informação de pro-paganda associada com estabelecimentos localizados no desti-no e/ou próximos à rota. De acordo com um outro exemplo, seo usuário parece estar perdido, um alerta pode ser fornecidopelo componente de conteúdo 1002 para habilitar que o usuá-rio continue em uma rota apropriada ao destino preditado.

O componente de conteúdo 1002 pode incluir um com-ponente de personalização 1004 que personaliza informaçãorelevante que é fornecida pelo componente de conteúdo 1002 aum usuário particular em preferências relacionadas ao usuá-rio. Por exemplo, as preferências relacionadas ao usuáriopodem indicar que o usuário não deseja receber quaisquerpropagandas; conseqüentemente, o componente de personaliza-ção 1004 pode suavizar a transmissão de tal informação rele-vante. De acordo com uma outra ilustração, um usuário podedesejar ser informado de quaisquer acidentes de tráfego aolongo de uma rota até seu destino; assim, o componente depersonalização 1004 pode habilitar que o componente de con-teúdo 1002 forneça tal informação e/ou possa priorizar in-formação relacionada a tráfego se comparada à informação di-ferente fornecida pelo componente de conteúdo 1002. Aprecia-se que o assunto reivindicado não está limitado aos exemplosmencionados anteriormente.

Voltando à Fig. 11, um sistema 1100 é ilustrado, oqual predita probabilisticamente o destino(s) durante umaviagem. O sistema 1100 inclui o componente de interface 102e o componente estimador de destino 104. Adicionalmente, osistema 1100 inclui um componente de localização 1102 queidentifica uma localização atual e/ou uma mudança de locali-zação de um usuário e/ou um dispositivo. Por exemplo, o com-ponente de localização 1102 pode estar associado com GPS, umsistema de navegação por satélite, GLONASS, Galileo, SistemaEuropeu de Cobertura por Navegação Geoestacionária (EGNOS),Beidou, Sistema Navegador Decca, .triangulação entre torresde comunicação, etc. O componente de localização 1102 podefornecer os dados relacionados à localização ao componentede interface 102 para habilitar avaliação adicional.

O sistema 1100 pode adicionalmente incluir um com-ponente temporizador 1104 que fornece dados relacionados atempo ao componente de interface 102, O componente tempori-zador 1104 pode, por exemplo, fornecer dados relacionados atempo que incluem uma quantidade de tempo associada com umaviagem atual, uma quantidade de tempo associada com poucomovimento ou nenhum, etc. Adicionalmente, embora representa-dos como componentes separados, observa-se que o componentede localização 1102 e o componente temporizador 1104 podemser um único componente.O componente de interface 102 pode também ser aco-plado a um armazenador de dados 1106. 0 armazenador de dados1106 pode incluir, por exemplo, dados relacionados a um usu-ário, o histórico do usuário, topografia de uma área geográ-fica, uma viagem, uma rota eficiente, etc. Adicionalmente,dados relacionados a localização fornecidos pelo componentede localização 1102 e/ou dados relacionados a tempo obtidospelo componente temporizados 1104 podem ser armazenados noarmazenador de dados 1106. Este pode ser, por exemplo, oumemória volátil ou memória não volátil, ou pode incluir am-bas memória volátil e não volátil. A titulo de ilustração, enão limitação, a memória não volátil pode inclui memória so-mente de leitura (ROM), ROM programável (PROM), ROM eletri-camente programável (EPROM), ROM eletricamente programávelapagável (EEPROM), ou memória rápida. A memória volátil podeincluir memória de acesso aleatório (RAM), que age como me-mória cache externa. A titulo de ilustração e não limitação,RAM está disponível em muitas formas tal como RAM estática(SRAM), RAM dinâmica (DRAM), DRAM síncrona (SDRAM), SDRAM detaxa de dados dupla (DDR SDRAM), SDRAM aperfeiçoada(ESDRAM), DRAM de Ligação Síncrona (SLDRAM), RAM Rambus di-reta (RDRAM), RAM dinâmica Rambus direta (DRDRAM), e RAM di-nâmica Rambus (RDRAM). 0 armazenador de dados 1106 dos sis-temas e métodos em questão pretende compreender, sem limita-ção, esses e quaisquer outros tipos adequados de memória. Emadição, aprecia-se que o armazenador de dados 1106 pode serum servidor, uma base de dados, um disco rígido, e seus si-milares.Ademais, o componente estimador de destino 104 po-de incluir um componente de viagem em tempo real 1108 quepode utilizar dados associados com uma viagem atual paraprobabilisticamente preditar destino(s); entretanto, obser-va-se que tais dados não necessitam ser utilizados para ge-rar destino(s) preditado(s). A titulo de exemplo, o compo-nente de viagem em tempo real 1108 pode reunir dados de lo-calização associados com uma viagem particular que podem serfornecidos pelo componente de localização 1102. Os dados delocalização reunidos podem então ser empregados para gerarpredições.

Com relação à Fig. 12, um sistema 1200 é ilustra-do, o qual facilita a geração de destino(s) preditado(s). Osistema 1200 pode incluir o componente de interface 102 e ocomponente estimador de destino 104, que pode ser substanci-almente similar a respectivos componentes descritos acima. 0sistema 1200 pode adicionalmente incluir um componente inte-ligente 1202. O componente inteligente 1202 pode ser utili-zado pelo componente estimador de destino 104 para facilitara preditar destino(s) associado com dados de entrada. Porexemplo, o componente inteligente 1202 pode identificar queum usuário empregou um atalho para atravessar um destinopreditado. Assim, o atalho identificado pode ser armazenadoe/ou utilizado em associação com a avaliação de destino(s)futuro(s). De acordo com um outro exemplo, o componente in-teligente 1202 pode determinar uma combinação de dados ante-riores è/ou probabilidade(s) (em um dado anterior e uma pro-babilidade) que pode gerar uma predição de destino mais pre-cisa (por exemplo, se comparado a uma combinação atual).Portanto, o componente estimador de destino 104 pode empre-gar a combinação identificada pelo componente inteligente1202.

Entende-se que o componente inteligente 1202 podefornecer argumento sobre estados do sistema, ambiente e/ouusuário de um conjunto de observações capturadas por meio deeventos e/ou dados, ou inferir os mesmos. A inferência podeser empregada para identificar um contexto específico ou a-ção, ou pode gerar uma distribuição de probabilidade sobreestados, por exemplo. A inferência pode ser probabilística,ou seja, a computação de uma distribuição de probabilidadesobre estados de interesse baseados em uma consideração dedados e eventos. A inferência pode também se referir a téc-nicas empregadas para compor eventos de nível mais alto apartir de um conjunto de eventos e/ou dados. Tais resultadosde inferência na construção de novos eventos ou ações a par-tir de um conjunto de eventos observados e/ou dados de even-to armazenados, se ou não ou eventos estão correlacionadosem íntima proximidade temporal, e se os eventos e dados vêmde uma ou várias fontes de eventos e dados. Vários esquemasde classificação (explicitamente e/ou implicitamente treina-dos) e/ou sistemas (por exemplo, máquinas de vetor de supor-te, redes neurais, sistemas especializados, rede de confian-ça Bayesiana, lógica sem nitidez, mecanismos de fusão de da-dos...) podem ser empregados em conjunto com a execução deação automática e/ou inferida em conjunto com o assunto rei-vindicado .Um classificador é uma função que mapeia um vetorde atributo de entrada, χ = (xl, x2, x3, x4, xn) , para umaconfiança de que a entrada pertence a uma classe, ou seja,f(x) = (classe)confiança. Tal classificação pode empregaruma análise probabilistica e/ou baseada em estatística (porexemplo, fatorando nas utilidades e custos de análise) paraprognosticar ou inferir uma ação que um usuário deseja serautomaticamente executada. Uma máquina de vetor de suporte(SVM) é um exemplo de um classificador que pode ser emprega-do. A SVM opera encontrando uma hiper-superficie no espaçode entradas possíveis, hiper-superfície que tenta dividir oscritérios de disparo dos eventos de não disparo. D forma in-tuitiva, isso torna a classificação correta para testar da-dos que estão próximos, mas não idênticos, a dados de trei-namento. Outras aproximações de classificação de modelo di-recionada ou não direcionada incluem, por exemplo, Bayessimplista, redes Bayesiana, árvores de decisão, redes neu-rais, modelos de lógica sem nitidez, e modelos de classifi-cação probabilistica fornecendo padrões diferentes de inde-pendência podem ser empregados'. A classificação como usadaaqui também é inclusiva de regressão estatística que é uti-lizada para desenvolver modelos de prioridade.

Um componente de apresentação 1204 pode fornecervários tipos de interfaces de usuário para facilitar a inte-ração entre um usuário e qualquer componente acoplado aocomponente estimador de destino 104. Como representado, ocomponente de apresentação 1204 é uma entidade separada quepode ser utilizada com o componente estimador de destino104. Entretanto, aprecia-se que o componente de apresentação1204 e/ou componentes de visualização similares podem serincorporados no componente estimador de destino 104 (e/ou nocomponente de interface 102) e/ou uma unidade autônoma. Ocomponente de apresentação 1204 pode fornecer uma ou maisinterfaces gráficas de usuário (GUIs), interfaces de linhade comando, e seus similares. Por exemplo, uma GUI pode serrenderizada, a qual fornece a usuário uma região ou signifi-ca carregar, importar, ler, etc, dados e pode incluir umaregião para apresentar os resultados de tal. Essas regiõespodem compreender texto conhecido e/ou regiões gráficas quecompreendem caixas, botões de rádio, caixas de verificação,botões de pressão, e caixas gráficas. Em adição, utilidadespara facilitar a apresentação de tais barras de rolagem ver-tical e/ou horizontal para navegação e botões de barra deferramentas para determinar se uma região será visualizadapodem ser empregados. Por exemplo, o usuário pode interagircom um ou mais componentes acoplados ao componente estimadorde destino 104.

O usuário pode também interagir com as regiões pa-ra selecionar e fornecer informação por meio de vários dis-positivos, tal como um mouse, uma esfera de rolamento, ummini teclado, um teclado, uma caneta e/ou ativação por voz,por exemplo. Tipicamente, um mecanismo tal como um botão depressão ou a tecla de entrada no teclado pode ser empregadosubseqüente a inserir informação de modo a iniciar a procu-ra. Entretanto, aprecia-se que o assunto reivindicado não étão limitado. Por exemplo, meramente destacar uma caixa deverificação pode iniciar transporte de informação. Em um ou-tro exemplo, uma interface de linha de comando pode ser em-pregada. Por exemplo, a interface de linha de comando podeavisar (por exemplo, por meio de uma mensagem de texto emuma tela ou um tom de áudio) ao usuário de informação pormeio de fornecer uma mensagem de texto. 0 usuário pode entãofornecer informação adequada, tal como entrada alfanuméricacorrespondente a uma opção fornecida no aviso da interfaceou uma resposta a uma questão colocada no aviso. Aprecia-seque a interface de linha de comando pode ser empregada emconjunto com uma GUI e/ou API. Em adição, a interface de li-nha de comando pode ser empregada em conjunto com hardware(por exemplo, placas de video) e/ou telas (por exemplo, pre-to e branco, e EGA) com suporte gráfico limitado, e/ou ca-nais de comunicação de baixa largura de banda.

As Figs. 13-14 ilustram metodologias de acordo como assunto reivindicado. Para simplicidade de explicação, asmetodologias são representadas e descritas como uma série deações. Entende-se e aprecia-se que a inovação não está Iimi-tada pelas ações ilustradas e/ou pela ordem dos fatos, porexemplo, ações podem ocorrer em várias ordens e/ou ao mesmotempo, e com outras ações não apresentadas e descritas aqui.Além disso, nem todas as ações ilustradas podem ser exigidaspara implementar as metodologias de acordo com o assuntoreivindicado. Em adição, os versados na técnica entenderão eapreciarão que as metodologias poderiam alternativamente serrepresentadas como uma série de estados inter-relacionadosvia um diagrama de estado ou eventos.Voltando à Fig. 13, uma metodologia 1300 é ilus-trada, a qual facilita a predição probabilisticamente dedestino(s). Em 1302, uma grade probabilistica associada comuma localização geográfica pode ser gerada. Observa-se que alocalização geográfica pode ser de qualquer tamanho. Por e-xemplo, a localização geográfica pode estar associada comuma cidade, um pais, qualquer número de blocos de cidade, umestado, um pais, e seus similares. Adicionalmente, a gradepode incluir qualquer número de células e as células podemser de qualquer tamanho, forma, etc.

Em 1304, dados associados com uma viagem podem seravaliados para determinar dados anteriores e/ou probabilida-de (s). Por exemplo, os dados avaliados podem ser dados decobertura terrestre, dados de histórico, dados de rota efi-ciente, dados de distribuição de tempo de viagem, dados delocalização em tempo real relacionados a uma viagem·atual,etc. Os dados, por exemplo, podem ser obtidos a partir dequalquer fonte. Ademais, a titulo de ilustração, os dados delocalização em tempo real relacionados à viagem atual podemser considerados quando determinando dados anteriores ou umaprobabilidade. Alternativamente, dados anteriores ou umaprobabilidade podem ser identificados sem utilizar dados delocalização em tempo real. Em 1306, um destino relacionado àviagem pode ser preditado utilizando a grade combinando-seprobabilisticamente os dados anteriores e/ou probabilida-de (s). Um ou mais dados anteriores e/ou uma ou mais probabi-lidades podem ser selecionados para serem combinados. Assim,de acordo com um exemplo, uma cobertura terrestre e uma pro-habilidade de tempo de viagem podem ser selecionadas paraserem empregadas para preditar o destino; entretanto, o as-sunto reivindicado não está limitado a tal exemplo. A combi-nação de dados anteriores e/ou probabilidade pode então serempregada para gerar o destino preditado.

Com relação à Fig. 14, uma metodologia 1400 é i-lustrada, a qual fornece informação relevante a um destinoque pode ser preditado baseado em dados anteriores e/ou pro-babilidade (s) que podem ser combinados. Em 1402, um ou maisde destinos pessoais anteriores, de uma cobertura terrestreanterior, uma probabilidade de direção eficiente, e uma pro-babilidade de tempo de viagem podem ser selecionados. Porexemplo, os destinos pessoais anteriores podem ser baseadosem um conjunto de destinos anteriores do usuário (por exem-pio, dados de histórico). Ademais, a cobertura terrestre an-terior pode estar associada com uma probabilidade de que umacélula em uma grade probabilistica relacionada a uma locali-zação geográfica é um destino baseado em uma cobertura ter-restre na célula. Adicionalmente, a probabilidade de direçãoeficiente pode ser baseada em uma mudança no tempo até achegada em um destino candidato. Assim, as rotas entre paresde células podem ser avaliadas em conjunto com a probabili-dade de direção eficiente. A probabilidade de tempo de via-gem, por exemplo, pode estar relacionada a um tempo de via-gem decorrido e/ou dados de distribuição de tempo de viagem.

Em 1404, os dados anteriores e/ou probabilidade(s)podem ser combinados. Por exemplo, a regra de Bayes pode serutilizada em conjunto com a combinação de dados anterioresselecionados e/ou probabilidade(s). Em 1406, um destino podeser probabilisticamente preditado utilizando a combinação.Assim, por exemplo, uma célula particular da grade probabi-listica pode ser identificada com o destino. Em 1408, a in-formação que é relevante ao destino preditado pode ser for-necida. Por exemplo, a informação pode se referir ao destinoe/ou a uma localização ao longo de uma rota ao destino. Atitulo de ilustração adicional, a informação relevante podeser relacionada a tráfego, se relacionada, associada compropaganda direcionada, relacionada a assistência de navega-ção, associada a um evento potencialmente de interesse, etc.

As Figs. 15-18 ilustram grades exemplificadas emapas correspondentes que representam vários aspectos em as-sociação com modelagem de comportamento de motorista e pre-dições de destino. Aprecia-se que essas grades e mapas sãofornecidos como exemplos e o assunto reivindicado não é tãolimitado. Com relação à Fig. 15, uma grade 1500 é ilustrada,a qual representa células de destino associadas com um des-tino pessoal anterior relacionado a um usuário particular.Voltando à Fig. 16, uma grade 1600 é representada, a qualdemonstra uma cobertura terrestre anterior, onde contornosmais escuros mostram células de destino de probabilidademais alta. A Fig. 17 ilustra uma grade 1700 relacionada auma probabilidade de direção eficiente, em particular, agrade 1700 ilustra que depois de viajar quatro células emuma direção ao sul, a maior parte da seção do norte pode serremovida. Ademais, a Fig. 18 representa uma grade 1800 ondeo usuário continua a viajar adiante ao sul e células adicio-nais podem ser removidas da grade 1800 se comparada à grade1700.

De modo a fornecer contexto adicional para imple-mentar vários aspectos do assunto reivindicado, as Figs. 19-20 e a seguinte discussão pretendem fornecer uma breve des-crição geral de um ambiente de computação adequado no qualos vários aspectos da inovação podem ser implementados. En-quanto o assunto reivindicado foi descrito acima no contextogeral de instruções executáveis por computador de um progra-ma de computador que executa em um computador local e/oucomputador remoto, os versados na técnica reconhecerão que ainovação também pode ser implementada em combinação com ou-tros módulos de programa. Geralmente, módulos de programaincluem rotinas, programas, objetos, componentes, estruturasde dados, etc., que executam tarefas particulares ou imple-mentam tipos de dados abstratos particulares.

Além disso, os versados na técnica apreciarão queos métodos inventivos podem ser praticados com outras confi-gurações de sistema de computador, incluindo sistemas decomputador de processador único ou de multiprocessador, mi-nicomputadores, computadores de grande porte, bem como com-putadores pessoais, dispositivos de computação portáteis,eletrônicos de consumidor programáveis e/ou baseados em mi-croprocessador, e seus similares, cada um dos quais pode o-perativamente comunicar com um ou mais dispositivos associa-dos. Os aspectos ilustrados do assunto reivindicado podemser praticados em ambientes de computação distribuídos ondecertas tarefas são executadas por dispositivos de processa-mento remoto que são conectados através de uma rede de comu-nicações. Entretanto, alguns, se não todos, os aspectos dainovação em questão podem ser praticados em computadores au-tônomos. Em um ambiente de computação distribuído, os módu-los de programa podem estar localizados em dispositivos dearmazenamento em memória local e/ou remota.

A Fig. 19 é um diagrama de bloco esquemático de umambiente de computação de amostra 1900 com o qual o assuntoreivindicado pode interagir. O sistema 1900 inclui um oumais cliente(s) 1910. O cliente (s) 1910 pode ser hardwaree/ou software (por exemplo, processos, dispositivos de com-putação). O sistema 1900 também inclui um ou mais servi-dor (es) 1920. O servidor (es) 1920 pode ser hardware e/ousoftware (por exemplo, processos, dispositivos de computa-ção). Os servidores 1920 podem alojar processos para execu-tar transformações empregando a inovação em questão, por e-xemplo.

Uma comunicação possível entre um cliente 1910 eum servidor 1920 pode ser na forma de um pacote de dados a-daptado para ser transmitido entre dois ou mais processos decomputador. O sistema 1900 inclui uma estrutura de comunica-ção 1940 que pode ser empregada para facilitar as comunica-ções entre o cliente(s) 1910 e o servidor(es) 1920. 0 clien-te (s) 1910 é operacionalmente conectado a um ou mais armaze-nador(es) de dados de cliente 1950 que podem ser empregadospara armazenar informação local ao cliente(s) 1910. Similar-mente, o servidor(es) 1920 é operacionalmente conectado a umou mais armazenador(es) de dados de servidor 1930 que podemser empregados para armazenar informação local nos servido-res 1920.

Com relação à Fig. 20, um ambiente exemplificado2000 para implementar vários aspectos do assunto reivindica-do inclui um computador 2012. 0 computador 2012 inclui umaunidade de processamento 2014, uma memória de sistema 2016,e um barramento de sistema 2018 que acopla componentes desistema, incluindo, mas não limitados a, memória de sistema2016 à unidade de processamento 2014. A unidade de processa-mento 2014 pode ser qualquer um de vários processadores dis-poníveis. Microprocessadores duplos e outras arquiteturas demultiprocessador também podem ser empregados como a unidadede processamento 2014.

O barramento de sistema 2018 pode ser qualquer umde vários tipos de estruturas de barramentos incluindo obarramento de memória ou controlador de memória, um barra-mento periférico ou barramento externo, e/ou um barramentolocal usando qualquer variedade de arquiteturas de barramen-to disponíveis incluindo, mas não limitado a, ArquiteturaPadrão de Indústria (ISA), Arquitetura de Micro Canal (MCA),ISA Aperfeiçoado (EISA), Eletrônica de Acionamento Inteli-gente (IDE), barramento local VESA (VLB), Componentes Peri-féricos Interconectados (PCI), Barramento de Cartão, barra-mento Serial Universal (USB), Porta Gráfica Avançada (AGP),barramento de Associação Internacional de Cartão de Memóriade Computador Pessoal (PCMCIA), cabo flamejante (IEEE 1394),e Interface de Sistemas de Pequenos Computadores (SCSI).

A memória de sistema 2016 inclui memória volátil2020 e memória não volátil 2022. 0 sistema de entrada/saidabás ico (BIOS), contendo as rotinas básicas que ajudam atransferir informação entre elementos no computador 2012,tal como durante a inicialização, é armazenado na memórianão volátil 2022. A titulo de ilustração, e não limitação, amemória não volátil 2022 pode incluir memória somente deleitura (ROM), ROM programável (PROM), ROM eletricamenteprogramável (EPROM), ROM eletricamente programável apagável(EEPROM), ou memória rápida. A memória volátil 2020 incluimemória de acesso aleatório (RAM), que age como memória ca-che externa. A titulo de ilustração e não limitação, RAM es-tá disponível em muitas formas tal como RAM estática (SRAM),RAM dinâmica (DRAM), DRAM síncrona (SDRAM), SDRAM de taxa dedados dupla (DDR SDRAM), SDRAM aperfeiçoada (ESDRAM), DRAMde Ligação Síncrona (SLDRAM), RAM Rambus direta (RDRAM), RAMdinâmica Rambus direta (DRDRAM), e RAM dinâmica Rambus(RDRAM).

0 computador 2012 também inclui um meio de armaze-namento por computador removível/não-removível, volátil/não-volátil. A Fig. 20 ilustra, por exemplo, um armazenamento emdisco 2024. O armazenamento em disco 2024 inclui, porém nãoestá limitado a, dispositivos tipo uma unidade de disco mag-nético, unidade de disquete, unidade de fita, unidade deJaz, unidade de Zip, unidade LS-100, cartão de memória rápi-da, ou módulo de memória. Adicionalmente, o armazenamento emdi sco 2024 inclui meios de armazenamento separados ou emcombinação com outros meios de armazenamento incluindo, masnão limitados a, uma unidade de disco óptico tal como umdispositivo ROM de disco compacto (CD-ROM), unidade de CDgravável (Unidade CD-R), unidade de CD regravável (UnidadeCD-RW) ou uma unidade ROM de disco versátil digital (DVD-ROM) . Para facilitar a conexão dos dispositivos de armazena-mento em disco 2024 ao barramento de sistema 2018, uma in-terface removível ou não-removível é tipicamente usada talcomo a interface 2026.

Aprecia-se que a Fig. 20 descreve software que a-tua como um intermediário entre os usuários e os recursosbásicos de computador descritos no ambiente operacional ade-quado 2000. Tal software inclui um sistema operacional 2028.0 sistema operacional 2028, que pode ser armazenado no arma-zenamento em disco 2024, atua para controlar e localizar osrecursos do sistema de computador 2012. As aplicações dosistema 2030 levam vantagem do gerenciamento de recursos pe-lo sistema operacional 2028 através de módulos de programa2032 e dados de programa 2034 armazenados ou na memória desistema 2016 ou no armazenamento em disco 2024. Aprecia-seque o assunto reivindicado pode ser implementado com váriossistemas operacionais ou combinações de sistemas operacio-nais .

Um usuário insere comandos ou informação no compu-tador 2012 através de dispositivo(s) de entrada 2036. Osdispositivos de entrada 2036 incluem, mas não estão limita-dos a, um dispositivo de apontamento tal como um mouse, mou-se estacionário, caneta gráfica, mesa sensível ao toque, te-clado, microfone, comando de jogos, mesa de jogos, antena desatélite, digitalizador, cartão sintonizador de TV, câmeradigital, câmera de vídeo digital, câmera de rede, e seus si-milares. Esses e outros dispositivos de entrada conectam àunidade de processamento 2014 através do barramento de sis-tema 2018 via a porta (s) de interface 2038, as quais inclu-em, por exemplo, uma porta serial, uma porta paralela, umaporta de jogos, e um barramento serial universal (USB). Osdispositivos de saída 2040 usam alguns dos mesmos tipos deportas como dispositivo(s) de entrada 2036. Assim, por exem-plo, uma porta USB pode ser usada para fornecer entrada aocomputador 2012, e para emitir informação a partir do compu-tador 2012 a um dispositivo de saída 2040. O adaptador desaída 2042 é fornecido para ilustrar que existem alguns dis-positivos de saída 2040 como monitores, auto-falantes, e im-pressoras, entre outros dispositivos de saída 2040, que exi-gem adaptadores especiais. Os adaptadores de saída 2042 in-cluem, a título de ilustração e sem limitação, placas de ví-deo e som podem fornecer um dispositivo de conexão entre odispositivo de saída 2040 e o barramento do sistema 2018.Deveria ser notado que outros dispositivos e/ou sistemas dedispositivos fornecem ambas capacidades de entrada e de saí-da tal como computador(es) remoto(s) 2044.

O computador 2012 pode operar em um ambiente derede usando conexões lógicas a um ou mais computadores remo-tos, tal como o(s) computador(es) remoto(s) 2044. 0(s) com-putador(es) remoto(s) 2044 pode ser um computador pessoal,um servidor, um roteador, um PC de rede, uma estação de tra-balho, uma ferramenta baseada em microprocessador, um dispo-sitivo par ou outro nó de rede comum e similares, e tipica-mente inclui muitos ou todos os elementos descritos em rela-ção ao computador 2012. Para propósitos de brevidade, somen-te um dispositivo de armazenamento em memória 2046 é ilus-trado com o computador(es) remoto(s) 2044. O computador(es)remoto(s) 2044 é logicamente conectado ao computador 2012através de uma interface de rede 2048 e então conectado fi-sicamente via a conexão de comunicação 2050. A interface derede 2048 abrange redes de comunicação por fio e/ou sem fio,tal como redes de área local (LAN) e redes de área ampla(WAN). As tecnologias LAN incluem Interface de Dados Distri-buídos por Fibra Óptica (FDDI), Interface de Dados Distribu-ídos por Fio de cobre (CDDI), Ethernet, rede em anel e simi-lares. As tecnologias WAN incluem, mas não estão limitadasa, ligações ponto a ponto, redes de comutação de circuitocomo Redes Digitais de Serviços Integrados (ISDN) e varia-ções dessas, redes de comutação por pacote, Linhas Digitaisde Assinantes (DSL).

A(s) conexão(ões) de comunicação 2050 refere-se aosoftware/hardware empregado para conectar a interface de re-de 2048 ao barramento 2018. Enquanto a conexão de comunica-ção 2050 é mostrada para esclarecimento ilustrativo dentrodo computador 2012, ela também pode ser externa ao computa-dor 2012. O hardware/software necessário para conexão à in-terface de rede 2048 inclui, para propósitos exemplificadossomente, tecnologias internas e externas tais como, modemsque incluem modems de grau telefônico regular, cabos de mo-dem e modems DSL, adaptadores ISDN, e cartões Ethernet.

O que foi descrito acima inclui exemplos da inova-ção em questão. É claro, que não é possível descrever cadacombinação concebivel de componentes ou metodologias parapropósitos de descrição do assunto reivindicado, porém umversado na técnica pode reconhecer que muitas combinações oupermutas adicionais da inovação em questão são possíveis.Conseqüentemente, o assunto reivindicado pretende abrangertodas as tais alterações, modificações e variações que caemno espírito e escopo das reivindicações em anexo.

Em particular e em relação às várias funções exe-cutadas pelos componentes descritos acima, dispositivos,circuitos, sistemas, e os similares, os termos (que incluemuma referência a um "dispositivo") usados para descrevertais componentes pretendem corresponder, a menos que de ou-tra forma indicado, a qualquer componente que executa a fun-ção especificada do componente descrito (por exemplo, um e-quivalente funcional), mesmo que não estruturalmente equiva-lente à estrutura discutida, que executa a função nos aspec-tos exemplificados ilustrados aqui do assunto reivindicado.Considerando isso, também será reconhecido que a inovaçãoinclui um sistema bem como um meio legível por computadorque tem instruções executáveis por computador para executaras ações e/ou eventos dos vários métodos do assunto reivin-dicado.

Adicionalmente, enquanto uma característica parti-cular da inovação em questão foi descrita com relação a so-mente uma das várias implementações, tal característica podeser combinada com uma ou mais características de outras im-plementações à medida que desejado e vantajoso para qualquerdada aplicação particular. Além disso, dado que os termos"inclui" e "incluindo" e variações desses são usados ou nadescrição detalhada ou nas reivindicações, esses termos pre-tendem ser inclusivos de uma maneira similar ao termo "com-preende".

Claims (20)

1. Sistema que facilita a determinação de um oumais destinos de um usuário, CARACTERIZADO pelo fato de quecompreende:um componente de interface (102) que recebe dadosde entrada; eum componente estimador de destino (104) que pre-dita probabilisticamente um ou mais destinos para uma viagembaseado pelo menos em um de dados anteriores e uma probabi-lidade baseada pelo menos em parte nos dados de entrada recebidos.

2. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que os dados anteriores são des-tinos pessoais anteriores relacionados a um conjunto de des-tinos anteriores do usuário.

3. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que os dados anteriores são umacobertura terrestre anterior associada com uma probabilidadede que uma célula é o destino baseado em uma cobertura ter-restre dentro da célula.

4. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que a probabilidade é uma proba-bilidade de direção eficiente baseada em uma mudança no tem-po até a chegada em um destino candidato, a probabilidade dedireção eficiente refere-se a uma eficiência de direção cal-culada associada com um conjunto de destinos candidatos quefornecem evidência sobre uma localização final.

5. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que a probabilidade é uma proba-bilidade de tempo de viagem baseada em pelo menos parte emum tempo estimado a um destino candidato e\um tempo de via-gem decorrido.

6. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que o componente estimador dedestino utiliza a regra de Bayes para preditar probabilisti-camente um ou mais destinos.

7. Sistema, de acordo com a reivindicação 1,CARACTERIZADO adicionalmente pelo fato de que compreende umcomponente de fusão que habilita a seleção de no mínimo umdos destinos pessoais anteriores, uma cobertura terrestreanterior, uma probabilidade de direção eficiente, e uma pro-babilidade de tempo de viagem para combinar para preditarprobabilisticamente um ou mais destinos.

8. Sistema, de acordo com a reivindicação 1,CARACTERIZADO adicionalmente pelo fato de que compreende umcomponente de conteúdo que fornece informação relevante as-sociada com um ou mais destinos preditos, o componente deconteúdo fornece no mínimo um de avisos de tráfego, constru-ção, problemas de segurança adiante, propagandas exibidas,direções, conselhos de rotas, e atualizações.

9. Sistema, de acordo com a reivindicação 8,CARACTERIZADO adicionalmente pelo fato de que compreende umcomponente de personalização que personaliza a informaçãorelevante fornecida pelo componente de conteúdo baseado naspreferências relacionadas ao usuário.

10. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que o componente estimador dedestino predita um ou mais destinos durante a viagem utili-zando dados de localização em tempo real.

11. Sistema, de acordo com a reivindicação 1,CARACTERIZADO adicionalmente pelo fato de que compreende umcomponente de grade que gera uma grade probabilistica asso-ciada com um mapa de uma localização geográfica que é empre-gado pelo componente estimador de destino para preditar umou mais destinos.

12. Sistema, de acordo com a reivindicação 1,CARACTERIZADO adicionalmente pelo fato de que compreende umcomponente de planejamento de rota que gera prováveis rotasa serem utilizadas para viajar aos destinos candidatos e de-termina estimativas de tempo associadas com as rotas.

13. Sistema, de acordo com a reivindicação 1,CARACTERIZADO pelo fato de que o componente estimador dedestino integra as análises de mundo aberto e de mundo fe-chado em uma previsão de localização, onde o componente es-timador de destino executa a previsão sobre uma probabilida-de de um motorista visitar uma localização não observada an-teriormente e relações espaciais de novas localizações, da-das observações anteriores de localizações.

14. Método que facilita a determinação de um des-tino do usuário, CARACTERIZADO pelo fato de que compreende:gerar uma grade probabilistica associada com umalocalização geográfica;avaliar os dados associados com uma viagem paradeterminar um ou mais de dados anteriores e de uma probabi-lidade ;preditar um ou mais destinos relacionados à' viagemutilizando a grade combinando probabilisticamente um ou maisdos dados anteriores e da probabilidade.

15. Método, de acordo com a reivindicação 14,CARACTERIZADO adicionalmente pelo fato de que compreende se-lecionar um ou mais de dados anteriores e da probabilidadepara combiná-los probabilisticamente.

16. Método, de acordo com a reivindicação 14,CARACTERIZADO adicionalmente pelo fato de que compreendepreditar um ou mais destinos à medida que a viagem está emprogresso.

17. Método, de acordo com a reivindicação 14,CARACTERIZADO adicionalmente pelo fato de que compreendefornecer informação relevante associada com um ou mais des-tinos preditados.

18. Método, de acordo com a reivindicação 14,CARACTERIZADO adicionalmente pelo fato de que compreende ge-rar os dados anteriores baseados em um ou mais de um conjun-to de destinos anteriores do usuário e de uma probabilidadede que uma célula é o destino baseado na cobertura terrestredentro da célula.

19. Método, de acordo com a reivindicação 14,CARACTERIZADO adicionalmente pelo fato de que compreende ge-rar a probabilidade baseada em um ou mais de uma mudança notempo até a chegada em um destino candidato e de um tempo deviagem decorrido.

20. Sistema que facilita a determinação de um oumais destinos de um usuário, CARACTERIZADO pelo fato de quecompreende:dispositivos (102) para receber dados de entradaassociados com no mínimo um de um ou mais dados anteriores euma ou mais probabilidades; edispositivos (104) para preditar probabilistica-mente um ou mais destinos baseados em uma combinação de nomínimo um ou mais dados anteriores e uma ou mais probabili-dades .