CN112262294B - 用于用户移动性预测的方法、系统和计算机程序产品 - Google Patents
用于用户移动性预测的方法、系统和计算机程序产品 Download PDFInfo
- Publication number
- CN112262294B CN112262294B CN201880094499.3A CN201880094499A CN112262294B CN 112262294 B CN112262294 B CN 112262294B CN 201880094499 A CN201880094499 A CN 201880094499A CN 112262294 B CN112262294 B CN 112262294B
- Authority
- CN
- China
- Prior art keywords
- user
- time
- location
- locations
- time segment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000004590 computer program Methods 0.000 title description 10
- 230000004044 response Effects 0.000 claims abstract description 30
- 230000015654 memory Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000001788 irregular Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003936 working memory Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
提供了一种计算机实现的方法。该方法包括:获取针对用户的用户移动性预测,其中,用户移动性预测包括预测目的地和到达预测目的地时的预测到达时间;确定预测到达时间是否在规则时间区段内,用户的移动性样式在规则时间区段中是基本固定的;以及响应于预测到达时间在规则时间区段内,确定用户移动性预测是可靠的。
Description
技术领域
本公开总体上涉及用户移动性预测领域,并且特别地涉及一种用于用户移动预测的计算机实现的方法、计算系统和计算机程序产品。
背景技术
已有一些用于用户移动性预测的技术。针对用户的用户移动性预测可以包括:基于用户的历史移动性数据,生成预测目的地和当到达预测目的地时的预测到达时间。与用户的移动性预测相关联的信息可以总是被提供给该用户以提醒事件等。
发明内容
本公开的一个方面的主要目的是用户移动性预测,以及用于用户移动预测的计算机实现的方法、计算系统和计算机程序产品。
根据本公开的一些示例性实施例,提供了一种计算机实现的方法,包括:获取针对用户的用户移动性预测,其中,所述用户移动性预测包括预测目的地和到达所述预测目的地时的预测到达时间;确定所述预测到达时间是否在规则时间区段内,所述用户的移动性样式在所述规则时间区段中是基本固定的;和响应于所述预测到达时间在所述规则时间区段内,确定所述用户移动性预测是可靠的。
根据本公开的一些示例性实施例,提供了一种计算机实现的方法,包括:确定一时间区段是否为规则时间区段,在所述规则时间区段中用户的移动性样式是基本固定的;响应于所述时间区段是规则时间区段,基于用户的历史移动性数据生成用户移动性预测,其中所述用户移动性预测包括预测目的地和到达所述预测目的地时的预测到达时间,并且所述预测到达时间在所述时间区段内;和向所述用户提供与所述用户移动性预测相关联的信息。
根据本公开的一些示例性实施例,提供了一种计算系统,包括:一个或多个处理器;和与所述一个或多个处理器耦接的一个或多个计算机可读存储器,所述计算机可读存储器被配置为存储一系列计算机可执行指令,其中,所述一系列计算机可执行指令在由所述一个或多个处理器执行时,使所述一个或多个处理器执行上述任一方法。
根据本公开的一些示例性实施例,提供了一种计算机程序产品,包括其上存储有计算机可执行指令的计算机可读存储介质,所述计算机可执行指令在由一个或多个处理器执行时使所述一个或多个处理器执行上述任一方法。
附图说明
通过以下结合示例性示出本公开原理的附图对示例性实施例的详细描述,本公开的上述和其他方面以及优点将变得显而易见。注意,附图不一定按比例绘制。
图1示出了与根据本公开的一些示例性实施例的方法相关联的系统的示例性框图。
图2示出了与根据本公开的一些示例性实施例的方法相关联的系统的示例性框图。
图3示出了根据本公开的一些示例性实施例的方法的示例性流程图。
图4示出了根据本公开的一些示例性实施例的方法的示例性流程图。
图5示出了根据本公开的一些示例性实施例的方法的示例性流程图。
图6示出了根据本公开的一些示例性实施例的历史移动性数据的示例性柱状图。
图7示出了根据本公开的一些示例性实施例的历史移动性数据的示例性柱状图。
图8示出了根据本公开的一些示例性实施例的受欢迎位置的示例性图。
图9示出了根据本公开的一些示例性实施例的可应用本公开的通用硬件环境的示例性框图。
具体实施方式
在下面的详细描述中,阐述了许多具体细节以提供对所描述的示例性实施例的透彻理解。然而,对于本领域的技术人员显而易见的是,可以在没有一些或所有这些具体细节的情况下实践所描述的实施例。在其他示例性实施例中,未详细描述众所周知的结构或处理步骤,以避免不必要地使本公开的概念模糊。
在说明书中使用的术语“A或B”是指“A和B”和“A或B”,而不是意味着A和B是排他的,除非另有说明。
首先参考图1,示出了与根据本公开的一些示例性实施例的方法相关联的系统100的示例性框图。系统100仅是说明性的,并且无意于暗示对本文所述的本公开的实施例的使用范围或功能的限制。
如图1所示,系统100可以包括预测模块110、确定模块120和提供模块130。预测模块110可以被配置为基于用户的历史移动性数据来为用户生成用户移动性预测,其中用户移动性预测包括预测目的地和当到达预测目的地时的预测到达时间。用户的历史移动性数据可以包括用户在过去一段时间内访问的位置以及至少当到达每个位置时的到达时间。确定模块120可以被配置为确定由预测模块110生成的用户移动性预测是否可靠。提供模块130可以被配置为响应于用户移动性预测是可靠的,生成与用户移动性预测相关联的信息并将该信息提供给用户。与用户移动性预测相关联的信息可以是基于预测目的地、用户的当前位置、预测到达时间、交通状况、天气状况等的建议出发时间。
现在参考图2,示出了与根据本公开的一些示例性实施例的方法相关联的系统200的示例性框图。系统200仅是说明性的,并且无意于暗示对在此描述的本公开的实施例的使用范围或功能的任何限制。将省略与上述相同的步骤、方法和元件的重复描述。
如图2所示,系统200可以包括确定模块210、预测模块220和提供模块230。确定模块210可以被配置为确定下一时间段是否适合于预测。预测模块220可以被配置为响应于下一时间段适于预测,基于用户的历史移动性数据来为用户生成用户移动性预测,其中,用户移动性预测包括预测目的地和到达预测目的地时的预测到达时间。提供模块230可以被配置为响应于用户移动性预测可靠而生成与用户移动性预测相关联的信息并将该信息提供给用户。在某些情况下,可以将用户移动性预测发送到确定模块210,以进一步确定用户移动性预测是否可靠。确定模块210可以进一步被配置为确定用户移动性预测是否可靠。在这些情况下,提供模块230可以被配置为响应于用户移动性预测可靠而生成与用户移动性预测相关联的信息并将该信息提供给用户。
现在参考图3,示出了根据本公开的一些示例性实施例的方法300的示例性流程图。在一些示例性实施例中,方法300可以应用于确定用户移动性预测是否可靠。方法300仅是说明性的,并且无意于暗示对在此描述的本公开的实施例的使用范围或功能的任何限制。
在框310处,可以确定预测到达时间是否在规则时间区段内。规则时间区段可以是在其中用户的移动性样式基本固定的时间区段。即,用户的移动性可以在规则时间区段中规则地重复。在框320,响应于预测到达时间在规则时间区段内,可以确定用户移动性预测是可靠的。
时间区段可以是一天中的时间、一周中的星期几、一个月中的几号或一年中的日。一天中的时间可以是一天中的一段时间,例如9:01-10:00,也可以是一天中的某个时间点,例如9:00。另外,时间区段可以在一段时间内周期性地发生,例如下文中的过去一段时间。例如,时间区段可以是每天的9:01-10:00、每周的星期五、每月的第一天等。过去一段时间中的多个时间区段的时间跨度可以彼此不同。
时间区段是否为规则时间区段可以基于用户的历史移动性数据来预先确定(这将参照图6和7更详细地进行说明)。历史移动性数据包括用户在过去一段时间内在该时间区段中访问的位置以及用户访问每个位置的访问频率。访问频率是用户在过去一段时间内在该时间区段中访问某个位置的次数。
过去一段时间可以是过去的一个时间段,最好是在最近的过去。在某些情况下,过去一段时间可以不包括周末、节日和假日中的至少一个,因为在这些天用户的移动样式可能不像其他日子那样固定。例如,在这些情况下,时间区段可以是每个工作日的9:01-10:00。在其他情况下,过去一段时间可以包括例如周末和短假期中的至少一个,并且时间区段可以是这些天中的9:01-10:00。
现在参考图4,示出了根据本公开的一些示例性实施例的方法400的示例性流程图。在一些示例性实施例中,方法400可以应用于确定用户移动性预测是否可靠。方法400仅是说明性的,并且无意于暗示对在此描述的本公开的实施例的使用范围或功能的任何限制。将省略对与上述相同的步骤、方法和元件的重复描述。
在框410处,可以确定预测到达时间是否在规则时间区段内,其中在规则时间区段内用户的移动性样式是基本固定的。在框420处,响应于预测到达时间不在任何规则时间区段内,可以确定对于预测到达时间预测目的地是否与受欢迎位置匹配。在框430处,响应于预测目的地匹配受欢迎位置,可以确定用户移动性预测是可靠的。
受欢迎位置可以是与用户相关联的人群在与预测到达时间相关联的一段时间内喜欢访问的位置。与用户相关联的人群可以包括以下中的至少一个:用户的家人、用户的亲戚、用户的朋友、用户的同事、用户的同学、用户的室友、与用户具有相同爱好的人、与用户年龄相同的人以及与用户具有相似个人资料(profile)的人。
可以基于过去一段时间内与用户相关联的人群在包含预测到达时间的时间段内所访问的历史位置来预先确定受欢迎位置(将参考图8更详细地描述)。可以基于该人群对一个位置的访问频率或访问人数来确定该位置是否是受欢迎位置。例如,响应于该人群对该位置的访问频率或访问人数大于阈值,将该位置确定为受欢迎位置。针对包含预测到达时间的时间区段,可以将多个位置分别确定为多个受欢迎位置,并且可以响应于作为多个受欢迎位置中的一个而确定一位置为受欢迎位置。
包含预测到达时间的时间段可以是一天中的时间、一周中的星期几、一个月中的几号或一年中的日。例如,在某些情况下,包含预测到达时间的时间段可以是上述时间区段。
现在参考图5,示出了根据本公开的一些示例性实施例的方法500的示例性流程图。在一些示例性实施例中,方法500可以应用于确定用户移动性预测是否可靠。方法500仅是说明性的,并无意于暗示对本文所述的本公开的实施例的使用范围或功能的任何限制。将省略对与上述相同的步骤、方法和元件的重复描述。
在框510处,可以确定预测到达时间是否在规则时间区段内,并确定对于预测到达时间预测目的地是否与受欢迎位置匹配。在框520,响应于预测到达时间在规则时间区段内并且预测目的地与受欢迎位置匹配,可以确定用户移动性预测是可靠的。其中,可以基于用户的历史移动性数据来预先确定一时间区段是否为规则时间区段,以及可以基于与用户相关联的人群在包含预测到达时间的时间段内所访问的历史位置来预先确定一位置是否为受欢迎位置。
现在参考图6,示出了根据本公开的一些示例性实施例的历史移动性数据600的示例性柱状图。在一些示例性实施例中,历史移动性数据600可以应用于确定一时间区段是否是规则时间区段。历史移动性数据600仅是说明性的,并且无意于暗示关于在此描述的本公开的实施例的使用范围或功能的任何限制。
在图6中示出了三个时间区段610、620、630。在说明性示例中,历史移动性数据600可以是过去最近六个月的数据,时间区段610可以是过去最近六个月的每个工作日9:01-10:00,时间区段620可以是12:01-13:00,并且时间区段630可以是20:01-21:00。用户在时间区段610中访问了四个位置,例如咖啡馆(位置1的示例)、餐厅A(位置2的示例)、用户的办公室(位置3的示例)和餐厅B(位置4的示例);在时间区段620中访问了三个位置,例如餐厅A、餐厅C(位置5的示例)和餐厅B;以及在时间区段630中访问了三个位置,例如餐厅A、用户的家(位置6的示例)和餐厅B。需要说明的是,每个时间区段中的位置可以是用户在该时间区段中访问过的所有位置,也可以是用户在该时间区段中最频繁访问的预定数量的位置。
用户的历史移动性数据600包括用户在过去一段时间内在该时间区段中访问的位置以及用户访问每个位置的访问频率。访问频率是用户在过去一段时间内在该时间区段中访问某个位置的次数。图6的柱状图中条柱的高度表示各个位置的相应访问频率。
在图6所示的示例性历史移动性数据600中,时间区段610中位置1和2的访问频率都可以是大约20次,时间区段610中位置3和4的访问频率可以分别是80多次和20多次。时间区段620中位置2、5和4的访问频率都可以是40多次。时间区段630中位置2的访问频率可以是大约20次,时间区段630中位置6的访问频率可以是130多次,时间区段630中位置4的访问频率可以是大约10次。
响应于确定用户在过去一段时间在一时间区段中对各个位置中的一个位置的访问频率显著高于其他位置,将该时间区段确定为规则时间区段。如图6所示,由于在时间区段610中,位置3的访问频率显著高于其他位置(即位置1、2和4)的访问频率,例如用户在过去最近六个月中在每个工作日从9:01到10:00最频繁地访问了他/她的办公室,并且对他/她办公室的访问频率显著高于其他位置,因此可以将时间区段610确定为规则时间区段。由于在时间区段630中,对位置6的访问频率显著高于其他位置(即位置2和4),例如,用户在过去最近的六个月中在每个工作日的20:01至21:00最频繁地访问了他/她的家,并且对他/她的家的访问频率显著高于其他位置,因此可以将时间区段630确定为规则时间区段。由于在时间区段620中,三个位置中没有一个位置的访问频率显著高于其他位置,因此时间区段620不能被确定为规则时间区段。
可以应用一些方法来确定在过去一段时间中在该时间区段中各位置之一的访问频率是否显著高于其他位置,并进一步确定该时间区段是否是规则时间区段。
方法之一可以包括:响应于用户最频繁访问位置的访问频率与位置的数量的比值大于阈值,则确定在过去一段时间内该时间区段中各位置之一的访问频率显著高于其他位置,并进一步将该时间区段确定为规则时间区段。
在图6所示的示例性历史移动性数据600中,时间区段610中位置3(即,具有最大访问频率的位置)的访问频率可以是84次,而该时间区段中位置的数量是4,则位置3的访问频率与时间区段610中的位置的数量的比值可以为21。由于此时间区段中除位置3之外的其他任何位置的访问频率都小于位置3的访问频率,则与其他位置相关的该比值肯定小于21,因此无需计算。
时间区段620中位置5(即,具有最大访问频率的位置)的访问频率可以是45次,在该时间区段中位置的数量是3,则位置5的访问频率与时间区段620中的位置的数量的比值可以是15。由于该时间区段中除位置5之外的任何其他位置的访问频率小于位置5的访问频率,因此与其他位置相关联的该比值肯定小于15,因此不需要计算。
时间区段630中位置6(即具有最大访问频率的位置)的访问频率可以是135次,该时间区段中位置的数量是3,则位置6的访问频率与时间区段630中位置的数量的比值可以是45。由于在此时间区段中除位置6以外的任何其他位置的访问频率小于位置6的访问频率,因此与其他位置相关的该比值肯定小于45,因此不需要计算。
可以预先确定与该时间区段中用户最频繁访问位置的访问频率与位置的数量的比值相关的阈值。例如,可以将值为18的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段610和630确定为规则时间区段,而时间区段620可以被确定为不规则时间区段。例如,可以将值为30的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段630确定为规则时间区段,而时间区段610和620可以被确定为不规则时间区段。
另一方法可以包括响应于用户最频繁访问位置的访问频率与其他位置的访问频率之和的比值大于阈值,则确定在过去一段时间内该时间区段中各位置之一的访问频率显著高于其他位置,并进一步将该时间区段确定为规则时间区段。
在图6所示的示例性历史移动性数据600中,时间区段610中位置3(即具有最大访问频率的位置)的访问频率可以是84次,该时间区段中其他位置的访问频率之和可以是151,则时间区段610中位置3的访问频率与其他位置的访问频率之和的比值可以为0.556。由于在该时间区段中除位置3以外的其他任何位置的访问频率都小于位置3的访问频率,因此与其他位置相关联的该比值肯定小于0.556,因此无需计算。
时间区段620中位置5(即,具有最大访问频率的位置)的访问频率可以是45次,该时间区段中其他位置的访问频率的总和是129,则时间区段620中位置5的访问频率与其他位置的访问频率之和的比值可以为0.349。由于在该时间区段中除位置5以外的其他任何位置的访问频率都小于位置5的访问频率,因此与其他位置相关联的该比值肯定小于0.349,因此无需计算。
时间区段630中位置6(即具有最大访问频率的位置)的访问频率可以是135次,该时间区段中其他位置的访问频率之和是165,则时间区段630中位置6的访问频率与其他位置的访问频率之和的比值可以为0.818。由于在此时间区段中除位置6以外的其他任何位置的访问频率都小于位置6的访问频率,因此与其他位置相关联的该比值肯定小于0.818,因此无需计算。
可以预先确定与该时间区段中用户最频繁访问位置的访问频率与其他位置的访问频率之和的比值相关的阈值。例如,可以将值为0.5的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段610和630确定为规则时间区段,而时间区段620可以被确定为不规则时间区段。例如,可以将值为0.8的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段630确定为规则时间区段,而时间区段610和620可以被确定为不规则时间区段。
另一方法可以包括响应于用户最频繁访问位置的访问频率与用户第二频繁访问位置的访问频率的比值大于阈值,则确定在过去一段时间内该时间区段中各位置之一的访问频率显著高于其他位置,并进一步将该时间区段确定为规则时间区段。
在图6所示的示例性历史移动性数据600中,时间区段610中位置3(即,具有最大访问频率的位置)的访问频率可以是84次,该时间区段中位置4(即,用户第二频繁访问位置)的访问频率是27,则时间区段610中位置3的访问频率与位置4的访问频率的比值可以为3.11。由于在该时间区段中除位置3以外的其他任何位置的访问频率都小于位置3的访问频率,因此与其他位置相关联的该比值肯定小于3.11,因此无需计算。
时间区段620中位置5(即,具有最大访问频率的位置)的访问频率可以是45次,该时间区段中位置2或4(即,用户第二频繁访问位置)的访问频率是42,则时间区段620中位置5的访问频率与位置2或4的访问频率的比值可以为1.07。由于在该时间区段中除位置5之外的其他任何位置的访问频率都小于位置5的访问频率,因此与其他位置相关联的该比值肯定小于1.07,因此无需计算。
时间区段630中位置6(即,具有最大访问频率的位置)的访问频率可以是135次,该时间区段中位置2(即,用户第二频繁访问位置)的访问频率是20,则时间区段630中位置6的访问频率与位置2的访问频率的比值可以为6.75。由于在该时间区段中除位置6之外的其他任何位置的访问频率都小于位置6的访问频率,因此与其他位置相关联的该比值肯定小于6.75,因此无需计算。
可以预先确定与在该时间区段中用户最频繁访问位置的访问频率与用户第二频繁访问位置的访问频率的比值相关的阈值。例如,可以将值为2的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段610和630确定为规则时间区段,而时间区段620可以被确定为不规则时间区段。例如,可以将值为4的阈值应用于确定在一时间区段中各位置之一的访问频率是否显著高于其他位置,因此可以将时间区段630确定为规则时间区段,而时间区段610和620可以被确定为不规则时间区段。
现在参考图7,示出了根据本公开的一些示例性实施例的历史移动性数据700的示例性柱状图。在一些示例性实施例中,历史移动性数据700可以应用于确定时间区段是否是规则时间区段。历史移动性数据700仅是说明性的,并无意于暗示对本文所述的本公开的实施例的使用范围或功能的限制。将省略对与上述相同的步骤、方法和元件的重复描述。
在图6所示的示例性历史移动性数据600中,时间区段620中用户的三个位置可以是餐厅(位置2的示例)、公园(位置5的示例)和咖啡馆(位置4的示例)。用户可以每天从12:05到12:22访问餐厅享用午餐,每天从12:30到12:45访问公园去散步,以及每天从12:50到12:55访问咖啡馆买咖啡。在这种情况下,用户的移动样式基本上是固定的。
在一些示例性实施例中,在过去一段时间内在该时间区段中不存在访问频率显著高于其他位置的位置的情况下,该方法可以进一步包括将该时间区段划分为多个子区段,并确定每个子区段是否为规则时间区段。如图7所示,可以将图6所示的时间区段620分为三个时间区段710、720、730。例如,历史移动性数据700可以是过去最近六个月的数据,时间区段710可以是过去最近六个月中每个工作日的12:01至12:25,时间区段720可以是12:26-12:45,时间区段730可以是12:46-13:00。
尽管在图7所示的示例中的每个时间区段710、720、730中只有一个位置,但是本领域的技术人员可以理解,每个时间区段710、720、730中可以有一个或多个其他位置。上述方法也可以用于确定在过去一段时间内该时间区段中各位置之一的访问频率是否显著高于其他位置的访问频率,并进一步确定该时间区段是否为规则时间区段。在图7所示的示例中,由于在每个时间区段710、720、730中仅存在一个位置,所以在每个时间区段710、720、730中各位置之一的访问频率显著高于其他位置,并且时间区段710、720、730中的每一个可以被确定为规则时间区段。
现在参照图8,示出了根据本公开的一些示例性实施例的受欢迎位置的绘制。这些受欢迎位置仅是说明性的,并无意于暗示对本文所述的本公开的实施例的使用范围或功能的任何限制。
受欢迎位置可以是与本用户相关联的人群在与预测到达时间相关联的时间段内喜欢访问的位置。可以基于多用户的数据来确定与本用户相关联的人群,并且与本用户相关联的人群可以包括以下中的至少一个:本用户的家人、本用户的亲戚、本用户的朋友、本用户的同事、本用户的同学、本用户的室友、与本用户具有相同爱好的人、与本用户年龄相同的人以及具有与本用户相似的个人资料的人。
可以基于过去一段时间内与本用户相关联的人群在包含预测到达时间的时间区段内所访问的历史位置来预先确定一个或多个受欢迎位置。可以基于人群对一位置的访问频率或访问人数来确定该位置是否是受欢迎位置。例如,响应于人群对该位置的访问频率或访问人数大于阈值,则将该位置确定为受欢迎位置。对于包含预测到达时间的时间段,可以将多个位置分别确定为多个受欢迎位置,并且响应于作为多个受欢迎位置中的一个,可以将该位置确定为受欢迎位置。在某些情况下,人群对一位置的访问频率大于阈值,则可以将该位置确定为受欢迎位置。在某些情况下,人群对一位置的访问人数大于阈值,则可以将该位置确定为受欢迎位置。
将被人群访问的访问频率或访问人数大于阈值的三个位置分别表示为受欢迎位置(受欢迎位置1、受欢迎位置2和受欢迎位置3)。与受欢迎位置(受欢迎位置1)匹配的位置(标记为“匹配”)和不与受欢迎位置匹配的位置(标记为“不匹配”)也示于图8。
本公开可以被实现为计算机实现的方法、计算系统和/或计算机程序产品。该计算机程序产品可以包括计算机可读存储介质(或媒介),该计算机可读存储介质上具有用于使一个或多个处理器执行本公开各方面的计算机可执行指令。
根据本公开的一些示例性实施例,提供了一种计算机实现的方法,该方法包括:确定一时间区段是否为规则时间区段,在所述规则时间区段中用户的移动性样式是基本固定的;响应于所述时间区段是规则时间区段,基于用户的历史移动性数据生成用户移动性预测,其中所述用户移动性预测包括预测目的地和到达所述预测目的地时的预测到达时间,并且所述预测到达时间在所述时间区段内;和向所述用户提供与所述用户移动性预测相关联的信息。
根据该方法的一些示例性实施例,该方法还包括:确定对于所述预测到达时间所述预测目的地是否与受欢迎位置匹配;和响应于所述时间区段是规则时间区段并且所述预测目的地与受欢迎位置匹配,向所述用户提供与所述用户移动性预测相关联的信息。
根据该方法的一些示例性实施例,该方法还包括:基于所述用户的历史移动性数据预先确定一时间区段是否为规则时间区段,其中,所述时间区段为一天中的时间、一周中的星期几、一个月中的几号或一年中的日,并且所述历史移动性数据包括所述用户在过去一段时间内在所述时间区段中所访问的位置以及所述用户访问各位置中的每个位置的访问频率。
根据该方法的一些示例性实施例,该方法还包括:基于与所述用户相关联的人群在包含所述预测到达时间的时间段内所访问的历史位置预先确定一位置是否为受欢迎位置。
根据本公开的一些示例性实施例,提供了一种计算系统,包括:一个或多个处理器;和与所述一个或多个处理器耦接的一个或多个计算机可读存储器,所述计算机可读存储器被配置为存储一系列计算机可执行指令,其中,所述一系列计算机可执行指令在由所述一个或多个处理器执行时,使所述一个或多个处理器执行上述任一方法。
根据本公开的一些示例性实施例,提供了一种计算机程序产品,包括:其上存储有计算机可执行指令的计算机可读存储介质,所述计算机可执行指令在由一个或多个处理器执行时使所述一个或多个处理器执行上述任一方法。
该计算机可读存储介质可以是有形装置,其可以保持和存储由指令执行装置使用的指令。该计算机可读存储介质可以是例如但不限于电子存储装置、磁存储装置、光存储装置、电磁存储装置、半导体存储装置或前述任何合适的组合。
可以经由网络(例如,因特网、局域网、广域网和/或无线网络)将本文描述的计算机可执行指令从计算机可读存储介质下载到相应的计算/处理装置,或者下载到外部计算机或外部存储装置。用于执行本公开的操作的计算机可执行指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或以一种或多种编程语言(包括面向对象的编程语言(例如Smalltalk,C++等)和常规的过程型编程语言(例如“C”编程语言或类似的编程语言)的任何组合编写的源代码或目标代码。计算机可执行指令可以完全在用户装置(可以是车载装置)上执行、部分在用户装置上执行、作为独立软件包执行、部分在用户装置上并且部分在远程装置上执行、或者完全在远程装置或服务器上执行。
在此参考根据本公开的实施例的方法、设备(系统)和计算机程序产品的流程图说明和/或框图描述了本公开的各方面。将理解的是,流程图说明和/或框图的每个框以及流程图说明和/或框图中的框的组合可以由计算机可执行指令来实现。
可以将这些计算机可执行指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以制作一机器,使得该指令经由计算机或其他可编程数据处理设备执行时创建用于实现流程图和/或框图各框中指定的功能/动作的工具。
图9示出了根据本公开的一些示例性实施例的可应用本公开的通用硬件环境900的示例性框图。
参考图9,现在将描述硬件环境900,该硬件环境900是可以应用于本公开的某些方面的硬件装置的示例。硬件环境900可以是被配置为执行处理和/或计算的任何机器,可以是但不限于工作站、服务器、台式计算机、膝上型计算机、平板计算机、个人数据助手、智能手机、车载计算机或其任何组合。前述的预测模块110、220、确定模块120、210以及提供模块130、230可以全部或至少部分地由硬件环境900或类似装置或系统来实现。
硬件环境900可以包括可能经由一个或多个接口与总线902连接或通信的元件。例如,硬件环境900可以包括总线902、一个或多个处理器904、一个或多个输入装置906和一个或多个输出装置908。一个或多个处理器904可以是任何种类的处理器,并且可以包括但不限于:一个或多个通用处理器和/或一个或多个专用处理器(例如专用处理芯片)。输入装置906可以是能够向计算装置输入信息的任何种类的装置,并且可以包括但不限于鼠标、键盘、触摸屏、麦克风和/或遥控器。输出装置908可以是能够呈现信息的任何种类的装置,并且可以包括但不限于显示器、扬声器、视频/音频输出端子、振动器和/或打印机。硬件环境900还可以包括非暂时性存储装置910或与非暂时性存储装置910连接,该非暂时性存储装置910可以是非暂时性的并且可以实现数据存储的任何存储装置,并且可以包括但不限于磁盘驱动器、光学存储装置、固态存储器、软磁盘、软盘、硬盘、磁带或任何其他磁性介质、光盘或任何其他光学介质、ROM(只读存储器)、RAM(随机存取存储器)、高速缓存器和/或任何其他存储芯片或存储盒和/或计算机可以从中读取数据、指令和/或代码的任何其他介质。非暂时性存储装置910可以是与接口可分离的。非暂时性存储装置910可以具有用于实现上述方法和步骤的数据/指令/代码。硬件环境900还可以包括通信装置912。通信装置912可以是能够与外部设备和/或与网络进行通信的任何类型的装置或系统,并且可以包括但不限于调制解调器、网卡、红外通信装置、无线通信装置和/或芯片组,例如蓝牙(BluetoothTM)装置、1302.11装置、WiFi装置、WiMax装置、蜂窝通信设施等。
当硬件环境900用作车载装置时,它也可以连接到外部装置,例如GPS接收器、用于感测不同环境数据的传感器(例如加速度传感器、轮速传感器、陀螺仪等等)。以这种方式,硬件环境900可以例如接收指示车辆的行驶状况的位置数据和传感器数据。当硬件环境900用作车载装置时,它也可以连接到其他设施(例如发动机系统、雨刮器、防抱死制动系统等)以控制车辆的行驶和操作。
另外,非暂时性存储装置910可以具有地图信息和软件元素,使得处理器904可以执行路线引导处理。另外,输出装置906可以包括用于显示地图、车辆的位置标记、指示车辆的行驶状况的图像以及视觉信号的显示器。输出装置906还可包括用于音频输出的扬声器。
总线902可以包括但不限于工业标准架构(ISA)总线、微通道架构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)本地总线和外围组件互连(PCI)总线。特别地,对于车载装置,总线902还可以包括控制器局域网(CAN)总线或设计用于汽车上的应用的其他架构。
硬件环境900还可以包括工作存储器914,其可以是可以存储对处理器904的工作有用的指令和/或数据的任何种类的工作存储器,并且可以包括但不限于随机存取存储器和/或只读存储器装置。
软件元素可以位于工作存储器914中,包括但不限于操作系统916、一个或多个应用程序918、驱动器和/或其他数据和代码。可以在一个或多个应用程序918中包括用于执行上面描述的方法和步骤的指令,并且通过处理器904读取并执行一个或多个应用程序918的指令,可以实现上述预测模块110、220、确定模块120、210以及提供模块130、230的单元。更具体地,上述预测模块110、220、确定模块120、210以及提供模块130、230例如可以通过由处理器904执行具有指令的应用程序918以执行任何前述方法(包括方法300、400、500)的手段和步骤的应用程序918来实现。可以将软件元素的指令的可执行代码或源代码存储在诸如上述存储装置910的非暂时性计算机可读存储介质中,并且可以通过编译和/或安装被读入工作存储器914。也可以从远程位置下载软件元素的指令的可执行代码或源代码。
附图中的流程图和框图示出了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。就这一点而言,流程图或框图中的每个框可以代表代码的模块、段或部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。还应注意,在一些备选实施方式中,框中指出的功能可以不按图中指出的顺序发生。例如,取决于所涉及的功能,实际上可以基本上同时执行连续示出的两个框,或者有时可以以相反的顺序执行这些框。还应注意,框图和/或流程图说明的每个框以及框图和/或流程图说明中的框的组合可以由执行指定功能或动作的基于专用硬件的系统来或专用硬件和计算机指令的组合来实现。
本领域技术人员从以上实施例中可以清楚地知道,本公开可以由具有必要硬件的软件来实现,或者由硬件、固件等来实现。基于这样的理解,本公开的实施例可以部分地以软件形式体现。可以将计算机软件存储在诸如计算机的软磁盘、硬盘、光盘或闪存的可读存储介质中。该计算机软件包括一系列指令,以使计算机(例如,个人计算机、服务站或网络终端)执行根据本公开的各个实施例的方法或其一部分。
如上描述了本公开,显而易见的是,可以许多方式改变本公开。这样的变化不应被认为是背离本公开的精神和范围,并且对于本领域技术人员而言显而易见的所有这样的修改旨在被包括在所附权利要求的范围内。
Claims (19)
1.一种计算机实现的方法,包括:
生成预测目的地和当到达预测目的地时的预测到达时间,以用于生成针对用户的用户移动性预测;
基于预先确定的与位置无关的一个或多个规则时间区段,确定所述预测到达时间是否在所述一个或多个规则时间区段中的一个规则时间区段内,所述用户的移动性样式在所述规则时间区段中是基本固定的;和
响应于所述预测到达时间在所述一个或多个规则时间区段中的一个规则时间区段内,确定所述用户移动性预测是可靠的。
2.根据权利要求1所述的方法,还包括:
响应于所述用户移动性预测是可靠的,向所述用户提供与所述用户移动性预测相关联的信息。
3.根据权利要求1所述的方法,还包括:基于所述用户的历史移动性数据,预先确定一时间区段是否为规则时间区段。
4.根据权利要求3所述的方法,其中,所述时间区段是一天中的时间、一周中的星期几、一个月中的几号或一年中的日,并且所述历史移动性数据包括所述用户在过去一段时间内在所述时间区段中所访问的位置以及所述用户访问所述位置中的每个位置的访问频率。
5.根据权利要求4所述的方法,其中,响应于确定所述用户在所述过去一段时间内在一时间区段中对所述位置中的一个位置的访问频率显著高于其他位置,将所述时间区段确定为规则时间区段。
6.根据权利要求5所述的方法,其中,响应于以下中的至少一个而确定对所述位置中的一个位置的访问频率显著高于其他位置:
所述用户最频繁访问位置的访问频率与所述位置的数量的比值大于阈值;
所述用户最频繁访问位置的访问频率与其他位置的访问频率之和的比值大于阈值;和
所述用户最频繁访问位置的访问频率与所述用户第二频繁访问位置的访问频率的比值大于阈值。
7.根据权利要求4所述的方法,其中,所述过去一段时间不包括周末、节日和假日中的至少一个。
8.根据权利要求4所述的方法,其中,所述位置是所述用户在所述时间区段中访问的所有位置,或者是所述用户在所述时间区段中最频繁访问的预定数量的位置。
9.根据权利要求5所述的方法,还包括:
如果在所述过去一段时间内在所述时间区段中没有访问频率显著高于其他位置的位置,则将所述时间区段划分为多个子区段,并确定所述多个子区段中的每个子区段是否为规则时间区段。
10.根据权利要求1所述的方法,还包括:
响应于所述预测到达时间不在任何规则时间区段,确定对于所述预测到达时间所述预测目的地是否与受欢迎位置匹配;和
响应于所述预测目的地与受欢迎位置匹配,确定所述用户移动性预测是可靠的,
其中,基于与所述用户相关联的人群在包含所述预测到达时间的时间段内所访问的历史位置预先确定受欢迎位置。
11.根据权利要求1所述的方法,还包括:
确定对于所述预测到达时间所述预测目的地是否与受欢迎位置匹配;和
响应于所述预测到达时间在所述一个或多个规则时间区段中的一个规则时间区段内并且所述预测目的地与受欢迎位置匹配,确定所述用户移动性预测是可靠的,
其中,基于与所述用户相关联的人群在包含所述预测到达时间的时间段内所访问的历史位置预先确定受欢迎位置。
12.根据权利要求10所述的方法,其中,响应于所述人群对一位置的访问频率或访问人数大于阈值,将所述位置确定为受欢迎位置。
13.根据权利要求10所述的方法,其中,与所述用户相关联的所述人群包括以下至少一个:所述用户的家人、所述用户的亲戚、所述用户的朋友、所述用户的同事、所述用户的同学、所述用户的室友、与所述用户具有相同爱好的人、与所述用户年龄相同的人以及与所述用户具有相似个人资料的人。
14.一种计算机实现的方法,包括:
确定下一时间段是否在规则时间区段内,在所述规则时间区段中用户的移动性样式是基本固定的;
响应于下一时间段在规则时间区段内,基于用户的历史移动性数据生成用户移动性预测,其中所述用户移动性预测包括预测目的地和到达所述预测目的地时的预测到达时间,并且所述预测到达时间在所述时间区段内;和
向所述用户提供与所述用户移动性预测相关联的信息。
15.根据权利要求14所述的方法,还包括:
确定对于所述预测到达时间所述预测目的地是否与受欢迎位置匹配;和
响应于所述时间区段是规则时间区段并且所述预测目的地与受欢迎位置匹配,向所述用户提供与所述用户移动性预测相关联的信息,
其中,基于与所述用户相关联的人群在包含所述预测到达时间的时间段内所访问的历史位置预先确定受欢迎位置。
16.根据权利要求14所述的方法,还包括:基于所述用户的历史移动性数据预先确定一时间区段是否为规则时间区段,其中,所述时间区段为一天中的时间、一周中的星期几、一个月中的几号或一年中的日,并且所述历史移动性数据包括所述用户在过去一段时间内在所述时间区段中所访问的位置以及所述用户访问所述位置中的每个位置的访问频率。
17.根据权利要求15所述的方法,还包括:基于与所述用户相关联的人群在包含所述预测到达时间的时间段内所访问的历史位置预先确定一位置是否为受欢迎位置。
18.一种计算系统,包括:
一个或多个处理器;和
与所述一个或多个处理器耦接的一个或多个计算机可读存储器,所述计算机可读存储器被配置为存储一系列计算机可执行指令,
其中,所述一系列计算机可执行指令在由所述一个或多个处理器执行时,使所述一个或多个处理器执行根据权利要求1至17中任一项所述的方法。
19.一种计算机可读存储介质,所述计算机可读存储介质包括存储在其上的计算机可执行指令,所述计算机可执行指令在由一个或多个处理器执行时使所述一个或多个处理器执行根据权利要求1至17中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/091915 WO2019241918A1 (en) | 2018-06-20 | 2018-06-20 | Method, system and computer program product for user mobility prediction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112262294A CN112262294A (zh) | 2021-01-22 |
CN112262294B true CN112262294B (zh) | 2024-04-16 |
Family
ID=68982595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880094499.3A Active CN112262294B (zh) | 2018-06-20 | 2018-06-20 | 用于用户移动性预测的方法、系统和计算机程序产品 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3811031A4 (zh) |
CN (1) | CN112262294B (zh) |
WO (1) | WO2019241918A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942229A (zh) * | 2013-01-22 | 2014-07-23 | 日电(中国)有限公司 | 目的地预测设备和方法 |
CN104937375A (zh) * | 2013-01-21 | 2015-09-23 | 三菱电机株式会社 | 目的地预测装置、目的地预测方法、目的地显示方法 |
JP2016038741A (ja) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | 移動状況判定装置、移動状況判定方法及びプログラム |
CN106919993A (zh) * | 2015-12-25 | 2017-07-04 | 滴滴(中国)科技有限公司 | 一种基于历史数据的高准确性默认目的地预测方法及装置 |
JP2017120230A (ja) * | 2015-12-28 | 2017-07-06 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 到着時間予測装置及び到着時間予測装置システム |
CN107533734A (zh) * | 2015-05-20 | 2018-01-02 | 宝马股份公司 | 用于帮助自动安排用户行程的方法和装置 |
CN107945507A (zh) * | 2016-10-13 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 行程时间预测方法及装置 |
CN108051010A (zh) * | 2017-10-27 | 2018-05-18 | 维沃移动通信有限公司 | 确定到达目的地的时间的方法及移动终端 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004034725A1 (ja) * | 2002-10-10 | 2004-04-22 | Matsushita Electric Industrial Co., Ltd. | 情報取得方法、情報提供方法、および情報取得装置 |
JP4034812B2 (ja) * | 2004-10-14 | 2008-01-16 | 松下電器産業株式会社 | 移動先予測装置および移動先予測方法 |
US8068977B2 (en) * | 2006-09-28 | 2011-11-29 | Panasonic Corporation | Destination prediction apparatus and method thereof |
JP2011118777A (ja) * | 2009-12-04 | 2011-06-16 | Sony Corp | 学習装置および学習方法、予測装置および予測方法、並びにプログラム |
US20130252638A1 (en) * | 2011-10-21 | 2013-09-26 | Alohar Mobile Inc. | Real-Time Determination of User Stays of a Mobile Device |
US20140343841A1 (en) * | 2013-05-14 | 2014-11-20 | Google Inc. | Providing predicted travel information |
CN104833365B (zh) * | 2014-02-12 | 2017-12-08 | 华为技术有限公司 | 一种用户目的地点的预测方法及装置 |
-
2018
- 2018-06-20 CN CN201880094499.3A patent/CN112262294B/zh active Active
- 2018-06-20 EP EP18923682.1A patent/EP3811031A4/en active Pending
- 2018-06-20 WO PCT/CN2018/091915 patent/WO2019241918A1/en unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104937375A (zh) * | 2013-01-21 | 2015-09-23 | 三菱电机株式会社 | 目的地预测装置、目的地预测方法、目的地显示方法 |
CN103942229A (zh) * | 2013-01-22 | 2014-07-23 | 日电(中国)有限公司 | 目的地预测设备和方法 |
JP2016038741A (ja) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | 移動状況判定装置、移動状況判定方法及びプログラム |
CN107533734A (zh) * | 2015-05-20 | 2018-01-02 | 宝马股份公司 | 用于帮助自动安排用户行程的方法和装置 |
CN106919993A (zh) * | 2015-12-25 | 2017-07-04 | 滴滴(中国)科技有限公司 | 一种基于历史数据的高准确性默认目的地预测方法及装置 |
JP2017120230A (ja) * | 2015-12-28 | 2017-07-06 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 到着時間予測装置及び到着時間予測装置システム |
CN107945507A (zh) * | 2016-10-13 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 行程时间预测方法及装置 |
CN108051010A (zh) * | 2017-10-27 | 2018-05-18 | 维沃移动通信有限公司 | 确定到达目的地的时间的方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN112262294A (zh) | 2021-01-22 |
WO2019241918A1 (en) | 2019-12-26 |
EP3811031A1 (en) | 2021-04-28 |
EP3811031A4 (en) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210209938A1 (en) | Method, apparatus, system, and computer-readable medium for traffic pattern prediction | |
US10257660B2 (en) | Systems and methods of sourcing hours of operation for a location entity | |
US9207092B1 (en) | Displaying navigation information within a secondary user interface of a mobile device | |
ES2762204T3 (es) | Coincidencia de calendario de contextos inferidos y propagación de etiquetas | |
US10036639B1 (en) | Systems and methods for determining and displaying a route using information determined from a vehicle, user feedback, and a mobile electronic device | |
JP2017211359A (ja) | リアルタイム交通情報に基づいて自律走行車においてコンテンツを提供するシステムおよび方法 | |
US20140343841A1 (en) | Providing predicted travel information | |
WO2017088161A1 (en) | Recommending car/passenger resources for user according to mobility habits | |
WO2011102541A1 (ja) | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム | |
US20200201926A1 (en) | Method and device for providing user-customized information | |
JPWO2012018131A1 (ja) | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム | |
JP6469465B2 (ja) | 位置情報管理装置及び位置情報管理方法 | |
CN112262294B (zh) | 用于用户移动性预测的方法、系统和计算机程序产品 | |
JP6540040B2 (ja) | 移動方面予測装置、移動方面予測方法及び移動方面予測プログラム | |
CN106716065B (zh) | 信息处理装置、其控制方法以及程序 | |
CN113407867B (zh) | 用于联邦位置指纹定位的方法和设备 | |
JP6550508B1 (ja) | 施設情報提供システム、施設情報提供方法、及び施設情報提供プログラム | |
US10006776B2 (en) | Route searching system, storage medium which stores route searching program, and route searching method | |
JP6437815B2 (ja) | 情報処理システム、及び情報処理方法 | |
CN113917394B (zh) | 一种基于红外传感器的定位方法、装置、设备及存储介质 | |
CN114179834B (zh) | 车辆停靠方法、装置、电子设备、介质及自动驾驶车辆 | |
US20220205802A1 (en) | Methods and systems for providing navigation assistance | |
JP2017032590A (ja) | 情報処理システム、情報処理装置、サーバ、端末装置、情報処理方法および情報処理プログラム | |
JP2024131796A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN114925154A (zh) | 地图生成方法、装置、电子设备、介质和计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |