JP2022518619A - デバイスの位置データの定量的地理空間分析 - Google Patents

デバイスの位置データの定量的地理空間分析 Download PDF

Info

Publication number
JP2022518619A
JP2022518619A JP2021550206A JP2021550206A JP2022518619A JP 2022518619 A JP2022518619 A JP 2022518619A JP 2021550206 A JP2021550206 A JP 2021550206A JP 2021550206 A JP2021550206 A JP 2021550206A JP 2022518619 A JP2022518619 A JP 2022518619A
Authority
JP
Japan
Prior art keywords
aoi
location data
user
data
zone
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.)
Granted
Application number
JP2021550206A
Other languages
English (en)
Other versions
JP7162753B2 (ja
Inventor
クラントン クリスチャン
ジョンソン ハドレー
バルヘイロ ハヴィエル
セルカ プラヴィーン
ワトソン スティーブン
Original Assignee
オービタル インサイト インコーポレイテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by オービタル インサイト インコーポレイテッド filed Critical オービタル インサイト インコーポレイテッド
Publication of JP2022518619A publication Critical patent/JP2022518619A/ja
Application granted granted Critical
Publication of JP7162753B2 publication Critical patent/JP7162753B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/00837—Determination of triggering parameters for hand-off
    • H04W36/008375—Determination of triggering parameters for hand-off based on historical data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
    • H04W36/322—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data by location data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W60/00—Affiliation to network, e.g. registration; Terminating affiliation with the network, e.g. de-registration
    • H04W60/04—Affiliation to network, e.g. registration; Terminating affiliation with the network, e.g. de-registration using triggered events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephonic Communication Services (AREA)
  • Traffic Control Systems (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Magnetic Bearings And Hydrostatic Bearings (AREA)

Abstract

方法は、関心の領域（ＡＯＩ）の選択を受信することを備える。この方法は、ＡＯＩに対するＡＯＩデバイスの位置データにアクセスすることをさらに備え、ＡＯＩデバイスの位置データは、ＡＯＩ内で受信した経時的なデバイスの位置を示す。ＡＯＩデバイスの位置データは、１つまたは複数の特徴にマッチングするデバイスの位置データだけを含むためにフィルタリングされる。近接ゾーンは、ＡＯＩの領域内を含むＡＯＩに対して決定される。近接ゾーンに対するゾーンデバイスの位置データが決定され、これは、近接ゾーン内で報告されたデバイスの経時的な位置を示す。この方法は、フィルタリングされたＡＯＩデバイスの位置データとゾーンデバイスの位置データとの比率を算定することによって、フィルタリングされたＡＯＩデバイスの位置データを正規化こと、ＡＯＩユーザー推定を生成して、ＡＯＩユーザー推定を要求者側のクライアントデバイスに伝送することをさらに備える。

Description

本開示は、一般に、センサーデータの処理、具体的には、デバイスの位置データの定量的地理空間分析に関連する。
本出願は、２０１９年２月２８日に出願された米国仮出願第６２／８１１，６９９号および２０２０年２月２７日に出願された米国非仮出願第１６／８０３，９９４号の優先権を主張し、これらは、両方ともその全体において参照により本明細書に組み込まれる。
関心の領域（ＡＯＩ）のユーザーの数を推定または予測する機能は、多くの状況において貴重なリソースになることできる。例えば、小売店舗に対するユーザーの数を経時的に知ることは、企業が他の一般的に所有されている場所に対してその場所の人気を決定することにおいて助力となることができる。別の例示として、都市におけるユーザーの交通パターンは、都市計画者が新しいインフラストラクチャーを開発して、緊急時対応計画を作成することにおいて助力となることができる。
多様な方法を、対象のＡＯＩで集団のサイズを決定することに用いることができる。簡単なアプローチは、単に場所に訪問して、その場所で関心のあるそれぞれのオブジェクトをカウントすることであってよい。しかしながら、これは、いくつもの推定をより必要とする場合に、ＡＯＩのサイズ、およびオブジェクトの数が多い場合に、すぐにロジスティックの問題を引き起こす。その代わりに、デバイスの位置データのようなＡＯＩのセンサーデータは、集団を推定することに用いられることができる。このセンサーデータは、現地でのコンポーネントなしで対象のＡＯＩで集団を推定することに用いられる情報を収集することに用いられることが可能である。
このセンサーデータは、車両上に位置提供機能を有する自動車のメーカー、測位機能を有するスマートフォンにインストールされるアプリケーションを有するアプリケーションクリエーター、携帯電話会社、衛星プロバイダーなどのような提供元のネットワークと契約を結んでいるサードパーティープロバイダーのセットに依拠することがある。サードパーティープロバイダーと契約を結んでいる提供元またはプロバイダーの数、および所与のＡＯＩで発生し得るセンサーデータソースの数は、ＡＯＩでのユーザーの数の実際の変化に関係なく変化することがある。したがって、センサーデータは、不正確となる場合がある。それ故に、欠いているものは、これらのプロバイダーから収集されるセンサーデータを用いて、ＡＯＩでのユーザーの数の正確な予測を生成する方法である。
開示された実施形態は、詳細な説明、添付の特許請求の範囲、および添付の図（または図面）からより容易に明らかとなる利点、および特徴を有する。図の簡単な紹介を以下に示す。
一実施形態にかかる、関心の領域（ＡＯＩ）におけるユーザーの数を推定するための例示的なシステムを図示している。 一実施形態にかかる、ＡＯＩにおけるユーザーの数を推定するためのＡＯＩユーザーアナライザーシステムに対する、ならびに異常の分析、再訪情報、およびＡＯＩにおける相対的な差異を分析することに対する、例示的なフローを図示するブロック図である。 一実施形態にかかる、要求者側へのグラフィカルインターフェースにおけるグラフ形式で提供されるようなＡＯＩでのユーザーの数の推定の例示を図示する。 一実施形態にかかる、ＡＯＩユーザーアナライザーシステムによって収集されることができ、且つＡＯＩに対する要求者側に提供されることができるデータの例示を図示する。 一実施形態にかかる、ＡＯＩユーザーアナライザーシステムを用いるＡＯＩにおけるユーザーの数の推定を図示するフロー図である。 機械可読媒体から命令を読み取ることが可能であり、それらをプロセッサまたはコントローラーにおいて実行することが可能である例示的な機械のコンポーネントを図示するブロック図である。
図面（図）および以下の説明は、あくまでも例示としての好適な実施形態に関する。以下の説明から、本明細書に開示される構造および方法の代替的な実施形態は、特許請求の範囲の原理から逸脱することなく、採用され得る実行可能な代替として容易に認識されることとなることを留意されたい。
ここで、いくつかの実施形態が詳細に参照されることとなり、それらの例示は、添付の図面において示されている。実現可能な限り、類似した参照番号または同様の参照番号が、図面において用いられてよく、類似した機能性または同様の機能性を示してよいことに留意されたい。図面は、例示のみを目的のために、開示されているシステム（または方法）の実施形態を描写する。当業者は、本明細書で例示される構造および方法の代替的な実施形態が本明細書で説明される原理から逸脱せずに採用されることができることを以下の説明から容易に認識することとなる。
（構成の概要）
例示的な実施形態として開示されるのは、ＡＯＩおよびより大きな周囲近接ゾーン領域に対するデバイスの位置データを分析することによって、関心の領域（ＡＯＩ）でのユーザーの数の推定を決定するための方法およびシステムである。
ある実施形態において、この方法は、関心の領域（ＡＯＩ）の選択を受信することを備える。この方法は、ＡＯＩに対するＡＯＩデバイスの位置データにアクセスすることをさらに備え、ＡＯＩデバイスの位置データは、ＡＯＩ内で受信した経時的なデバイスの位置を示す。ＡＯＩデバイスの位置データは、１つまたは複数の特徴にマッチングするデバイスの位置データだけを含むためにフィルタリングされる。近接ゾーンは、ＡＯＩの領域内を含むＡＯＩに対して決定される。近接ゾーンに対するゾーンデバイスの位置データが識別され、これは、近接ゾーン内で報告されたデバイスの経時的な位置を示す。この方法は、フィルタリングされたＡＯＩデバイスの位置データとゾーンデバイスの位置データとの比率を算定することによって、フィルタリングされたＡＯＩデバイスの位置データを正規化して、ＡＯＩユーザー推定を生成すること、およびＡＯＩユーザー推定を要求者側のクライアントデバイスに伝送することをさらに備える。
（システム環境の例示）
図面（図）１は、一実施形態にかかる、センサーデータおよび分散デバイスデータを用いてオブジェクト集団推定の共同モデリングのための例示的なシステムを図示する。図１において図示される例示的なシステム環境は、位置対応デバイス１１２を有する関心の領域（ＡＯＩ）１１０、近接ゾーン１１４、デバイスの位置データプロバイダー１２０Ａ～Ｎ（本明細書では一般に１２０と称される）、および位置データ１３２、地理的データ１３４、およびＡＯＩユーザーアナライザー１３６を有するＡＯＩユーザーアナライザーシステム１３０を備える。
関心の領域（ＡＯＩ）１１０は、地表面（例えば、地球の表面）上の領域であり、その領域内のすべての特徴（自然および人工）を含む。ＡＯＩの画定は、例えば、アプリケーションプログラミングインターフェース（ＡＰＩ）またはグラフィカルユーザーインターフェース（ＧＵＩ）を用いることによって、ユーザーまたはサードパーティーシステム１３０によって、ＡＯＩユーザーアナライザーシステム１３０に提供されることができる。ＡＯＩ１１０は、地表面上の閉じた境界によって画定されてよい。閉じた境界自体は、さまざまな接続された地理的な標識を用いて画定されてよく、これは、経度や緯度の指示のような地理的な座標を用いて示されてよい。代替的に、ＡＯＩ１１０は、閉じた境界を説明するベクトルのセットによって画定されてよい。ある場合においては、ＡＯＩ１１０は、上記の方法のうちの１つを用いて画定されるそれぞれの閉じた境界を用いることで、多様な閉じた境界を用いて画定されてよい。ＡＯＩ１１０は、また、その閉じた境界のうちの１つの中に除外された領域または複数の領域を有することができる。これらの除外された領域は、また、閉じた境界を用いて画定されてよく、類似する方法で指定される。別の実施形態において、ＡＯＩ１１０は、地図作成インジケーター、つまり、一般的に、従来の、管理上、または法的に合意された、地表面に対する境界領域のインジケーターを用いて画定される。例えば、これらの地図作成インジケーターは、名所、ランドマーク、住所、郵便番号、市／町／村、大都市圏、国、州／郡、近隣、非法人地域などを含んでよく、地図作成インジケーターを超えた（または以内の）許容範囲の領域の範囲、これは、地図作成インジケーターからの絶対値またはパーセンテージで画定されてよい。例えば、ＡＯＩ１１０は、郵便番号を用いて示されてよく、これは、国の郵便サービスによって画定される。
ＡＯＩ１１０は、ＡＯＩ１１０内の集団の推定またはユーザーのアクティビティーのような情報に対して、要求者側が興味を示す地理的位置を表現する。例えば、地方自治体は、将来の公共交通インフラストラクチャーの開発のために、経時的な公共交通機関での歩行者の交通量に関心を持つことがあり、どのように計画するかを決定する。ＡＯＩ１１０の他の例示は、ショッピングモール、空港、近隣、学校、工場、石油精製所、自動車または他の車両製造施設（例えば、ＲＶ車、航空機）、鉱山、小売店舗、倉庫などを含んでよい。ＡＯＩ１１０は、さらに、高度の上限および／または高度の下限によって境界をつけられてよい。
ある実施形態において、ＡＯＩ１１０は、地表面上の場所ではなく、任意の場所での閉じた三次元体積であり、地面レベルからオフセットされていてもいなくてもよい。それは、平面を用いて互いに接続される複数の３次元座標を用いて画定されてよく、または幾何学的形状の観点から説明されてよい。
ＡＯＩ１１０は、１つまたは複数の位置対応デバイス１１２を含む。それぞれの位置対応デバイス１１２は、デバイスの位置情報を収集、識別、または報告することができ、それをネットワーク（例えば、モバイル、セルラー、ワイヤレス、または他のネットワーク）を介してデバイスの位置データプロバイダー１２０のような外部システムに伝送することができるデバイスであり、これは、以下でさらに説明される。位置対応デバイス１１２の例示は、スマートフォン、タブレット、スマートウォッチ、車両に対するナビゲーションユニット、水上輸送船、ＧＰＳトラッカー、ラップトップなどを含む。位置情報は、ＧＰＳまたは類似する衛星ナビゲーションシステム（例えば、ＧＬＯＮＡＳＳ、Ｇａｌｉｌｅｏ、Ｂｅｉｄｏｕ）から情報を受信することが可能であるモバイルデバイスのコンポーネントを用いて収集されることができるか、または近くのＷｉ－Ｆｉネットワークもしくはセルラーネットワークタワーを介した検出のような接近する位置の他の方法を用いて収集されることができる。モバイルデバイスは、１人のユーザー（または複数のユーザー）に関連付けられてよい。それは、ユーザーによって携帯または着用されるデバイスであってよい。この点において、それは、ユーザーに対するプロキシとして機能することができ、且つユーザーについての情報、具体的には、そのユーザーの位置情報を提供することができる。それ故に、位置情報を含むモバイルデバイスの使用データを受信することによって、関連するユーザーの現在の位置も推測されることができる。ある実施形態において、モバイルデバイスは、また、デバイスと称されることがある。
位置対応デバイス１１２は、モバイルデバイスの現在の地理的位置および現在の時刻（例えば、現地時間またはグリニッジ標準時／ＧＭＴ）に関する位置データ情報をデバイスの位置データプロバイダー１２０に伝送することができる。地理的位置は、地理的座標、例えば、緯度、経度、および／もしくは高度データ、近くのＷｉ－Ｆｉネットワーク名、近くのセルラータワーの位置、または上記のようにＡＯＩ１１０を画定するために用いられるもののように、他の方法を用いて示されてよい。例えば、地理的位置は、モバイルデバイスが配置されている関心のあるポイントとして示されてよい。現在の時刻は、例えば、ミリ秒、秒、分、または日の精度レベルの変化するレベルの精度で示されてよい。例えば、現在の時刻は、Ｕｎｉｘの時間形式を用いて６４ビットの整数で示されてよい。
位置対応デバイス１１２は、モバイルデバイスへとログインしているユーザーアカウント識別子、モバイルプロバイダー情報、位置対応デバイス１１２に対する位置データを収集するモバイルアプリケーション、過去の地理的位置情報、オペレーティングシステム情報、バージョン番号情報、位置情報、精度レベルなどを提供したアプリケーション識別子のような位置データ情報におけるさらなる情報を伝送することができる。
ＡＯＩ１１０によって画定される空間（つまり、面積、位置、体積など）は、近接ゾーン１１４内に包括的、またはほぼ包括的であってよい。近接ゾーン１１４は、ＡＯＩ１１０と同一の方法で画定されてよい空間である。したがって、近接ゾーン１１４は、地理的領域、地理的位置または関心のある点、または３次元空間として画定されてよい。ある実施形態において、近接ゾーン１１４の画定のタイプは、ＡＯＩ１１０のそれとマッチングする。
近接ゾーン１１４によって画定される空間は、ＡＯＩ１１０の画定によって画定される空間におけるすべての点を含んでよい。さらに、近接ゾーン１１４は、また、ＡＯＩ１１０内にない空間を画定する。したがって、近接ゾーン１１４は、ＡＯＩ１１０を含むが、ＡＯＩ１１０によって画定される空間の外側にある領域、位置、および／または体積をも含む。このさらなる空間は、ＡＯＩ１１０の、またはＡＯＩ１１０内の位置対応デバイス１１２によって報告される位置に基づいて決定されてよい。
第１の場合において、近接ゾーン１１４は、例えば、ＡＯＩ１１０の位置に基づいて、ＡＯＩユーザーアナライザーシステム１３０によって決定されてよい。近接ゾーン１１４は、ＡＯＩ１１０によって画定される境界から所定の距離にある空間の量と同様に、ＡＯＩ１１０を含むように画定されてよい。
第２の場合において、近接ゾーン１１４は、例えば、ＡＯＩ１１０内の位置対応デバイス１１２の位置に基づいて、ＡＯＩユーザーアナライザーシステム１３０によって決定されてよい。ＡＯＩユーザーアナライザーシステム１３０は、ある時点で、ＡＯＩ１１０内の位置を報告した位置対応デバイス１１２を決定することができる。ＡＯＩユーザーアナライザーシステム１３０は、例えば、夜間でのこれらのデバイスの位置（これは、ある程度の数にわたって報告される時間／夜間に報告された位置であってよい）を決定することによって、ＡＯＩ１１０内のこれらの報告されたデバイスのホーム位置をさらに決定する。ＡＯＩユーザーアナライザーシステム１３０は、ＡＯＩ１１０に最も近いホーム位置とともに、それらの報告されたデバイスのホーム位置のパーセンテージを含む領域として近接ゾーン１１４を決定することができる。近接ゾーン１１４の境界は、連続していてよく、つまり、ばらばらではなく、ＡＯＩ内で報告されたデバイスによって報告されたホーム位置の地理的座標を包含してよい。近接ゾーン１１４の面積は、決定されることによって、それがすべてのホーム位置を包含する一方で、可能な限り最小の面積であってよい。
近接ゾーン１１４の決定に関するさらなる詳細は、図２を参照して以下で説明される。
上記のように、説明の目的のために、図１において、ＡＯＩ１１０および近接ゾーン１１４の両方が長方形の点線で囲まれて図示されているが、それらは、さまざまな方法を用いて画定されてよく、図示されるような長方形の四角形に対応していなくてもよい。これは、グラフィックまたはテキストで示されてよい。
デバイスの位置データプロバイダー１２０は、位置対応デバイス１１２から位置データ情報を受信する。この情報は、デバイスの位置データ１２２として格納されてよく、全体的または部分的に（例えば、個人を特定できる情報を除いて）ＡＯＩユーザーアナライザーシステム１３０に伝送されてよい。それぞれのデバイスの位置データプロバイダー１２０は、指定のアプリケーション、デバイスの製造業者、デバイスのオペレーティングシステム、またはすべてのモバイルデバイスのサブセットから位置データ情報を収集する他のエンティティからの位置データ情報に関連付けられてよい。例えば、位置対応デバイス１１２の第１のセットは、その上でアプリケーションＡをその上でインストールし、これは、位置データ情報をデバイスの位置データプロバイダー１２５Ａに伝送し、一方で、位置対応デバイス１１２の第２のセット（これは、第１のセットと重複してよい）が、その上でアプリケーションＢをインストールし、これは、位置データ情報を別個のデバイスの位置データプロバイダー１２５Ｂに伝送する。位置対応デバイス１１２上のアプリケーションは、アプリケーションが、例えば、セルラーデータ伝送、Ｗｉ－Ｆｉデータ伝送、ブルートゥースデータ伝送、または任意の他のネットワーク伝送技術を介して、位置データ情報をネットワーク経由で伝送することができるデータ伝送モードにアクセスするために、モバイルデバイスのオペレーティングシステムの１つまたは複数のＡＰＩにアクセスすることによって、位置データ情報をデバイスの位置データプロバイダー１２０に伝送し、さらにより具体的には、デバイスの位置データプロバイダー１２０の１つまたは複数のネットワークサーバに伝送することができる。位置データ情報は、位置対応デバイス１１２の位置データを含むことが可能であり、これは、アプリケーションがモバイルデバイスのオペレーティングシステムのＡＰＩを用いることによってアクセスすることもできる。アプリケーションのプロバイダーおよびデバイスの位置データプロバイダー１２０は、同一のエンティティであってよいが、ある場合において、これらのエンティティは、収集のために、アプリケーションプロバイダーがモバイルデバイスの位置データをデバイスの位置データプロバイダー１２０に送信することで、別個である。
位置データ情報を処理した後で、デバイスの位置データプロバイダー１２０は、デバイスの位置データ１２２を集団推定システム１３５に伝送する。ある実施形態において、デバイスの位置データ１２２は、報告された位置データ情報ごとに、１）タイムスタンプ、２）デバイスの識別子、および３）地理的座標を含む。さらに、デバイスの位置データ１２２は、４）オペレーティングシステム識別子、４）ジオハッシュ、６）精度カウント、および／または７）アプリケーション識別子を含んでよい。デバイスの位置データ１２２に関するさらなる詳細は、図３Ｂを参照して以下で説明される。
ＡＯＩユーザーアナライザーシステム１３０は、ＡＯＩ１１０および近接ゾーン１１４に対するデバイスの位置データに基づいて、ＡＯＩ１１０でのユーザーの数を推定する。ある実施形態において、ＡＯＩユーザーアナライザーシステム１３０は、位置データストア１３２、地理的データストア１３４、およびＡＯＩユーザーアナライザー１３６を含む。
位置データストア１３２は、ＡＯＩ１１０および近接ゾーン１１４における位置対応デバイス１１２から受信したデバイスの位置データ１２２を格納する。位置データストア１３２は、また、他の地理的領域に対するデバイスの位置データ１２２を含んでよく、デバイスの位置データプロバイダー１２０が国全体、または全世界に対するようにＡＯＩユーザーアナライザーシステム１３０に提供することが可能であるすべてのデバイスの位置データ１２２を含んでよい。位置データストア１３２のおけるそれぞれのエントリは、位置対応デバイス１１２から報告された位置データ情報のエントリを含んでよい。
地理的データストア１３４は、ＡＯＩユーザーアナライザーシステム１３０がＡＯＩ１１０および近接ゾーン１１４に関連して、位置データストア１３２における位置対応デバイス１１２の位置を決定するために用いることができる地理的情報を格納する。具体的には、ＡＯＩユーザーアナライザー１３６は、地理的データストア１３４を用いることができ、位置対応デバイス１１２から報告された位置がＡＯＩ１１０の画定によって示される境界内にあるかを決定する。ある実施形態において、地理的データストア１３４は、また、異なる地理的領域内の複数のユーザーを示す情報を格納することができる。地理的データストア１３４における情報は、サードパーティー（例えば、衛星データプロバイダー、政府の国勢調査記録など）から検索することができる。
ＡＯＩユーザーアナライザー１３６は、ＡＯＩ１１０および近接ゾーン１１４に対して報告されたデバイスの位置データ１２２を用いて、経時的に（または指定の時点で）ＡＯＩ１１０で存在するユーザーの数を推定する。
この推定を行うために、ＡＯＩユーザーアナライザー１３６は、ＡＯＩ１１０の画定を受信した後で、位置データストア１３２にアクセスし、ある期間（例えば、現在の時刻、最後の１時間、最後の日、最後の週、最後の月など）にわたってＡＯＩ１１０で存在する位置対応デバイス１１２に対するデバイスの位置データ１２２を検索する。ＡＯＩユーザーアナライザー１３６は、地理的データストア１３４を用いることができ、ＡＯＩ１１０の境界内にある地理的位置／座標を決定して、それらの地理的位置および／または座標にマッチングする位置データストア１３２におけるそれらの位置データエントリを見つけることができる。ＡＯＩユーザーアナライザー１３６は、ＡＯＩデバイスの位置データのこのリストをフィルタリングし、一時的なデバイスの位置データ（例えば、滞留時間が閾値よりも低いもの）および指定の（繰り返し）期間の間に存在しているような他の特徴とマッチングしないデバイスの位置データを除去する。
ＡＯＩユーザーアナライザー１３６は、さらに、上記の方法で、ＡＯＩ１１０に対する近接ゾーン１１４を決定する。前述のように、この近接ゾーン１１４は、ＡＯＩ１１０を囲むことができるさらなる空間と共に、ＡＯＩ１１０を含む。ＡＯＩユーザーアナライザー１３６は、位置データストア１３２および位置データストア１３２を用いて、同一の期間に対する近接ゾーン１１４で報告された位置を有する、デバイスの位置データストア１３２からのデバイスの位置データ１２２を含むゾーンデバイスの位置データのリストを決定する。ＡＯＩユーザーアナライザー１３６は、ＡＯＩ１１０内にあるデバイスを識別するために用いられるのと同一の方法を用いて、これらのデバイスを識別することができる。
ＡＯＩデバイスの位置データおよびゾーンデバイスの位置データの両方を用いて、ＡＯＩユーザーアナライザー１３６は、フィルタリングされたＡＯＩデバイスの位置データを正規化し、ＡＯＩでのユーザーの数の推定である正規化結果を生成する。ある実施形態において、データの正規化は、ＡＯＩ内で報告されたデバイスの位置のカウントに限定されない全体的またはグローバルな報告されたデバイスの位置のカウントの変化のため、報告されたデバイスの位置のカウントにおけるシステムエラーを除去することを伴う。以下でさらに説明されるように、フィルタリングされたＡＯＩデバイスの位置データを正規化する目的は、デバイスの位置データ１２２における任意のシステム変化を説明することであり、これは、デバイスの位置のデータプロバイダー１２０によって受信される位置データ情報の提供元の変化のために発生することがある。経時的に、契約の変更、アプリケーションのインストールされたユーザーベース、デバイスのユーザーベース、地方の規制および法律、プライバシー設定などのため、デバイスの位置データプロバイダー１２０に位置データ情報を報告するデバイスの数は、カウントにおいてかなり変化することがある。例えば、新しいアプリケーションは、デバイスの位置データプロバイダー１２０との契約に署名することができ、位置データ情報を提供する。これは、そのプロバイダーの位置データ情報のデバイスのカウントをかなり増加させることができる。別の例示として、位置データ情報の報告機能を提供する新しい車両が市場へと導入されることができる。この車両は、人気があることがあり、このように、位置データ情報を報告するデバイスの数を増加させる。反対に、デバイスは、人気が低下することがあるか、またはアプリケーションは、事前の契約を取り消すことがあり、位置データ情報を報告するデバイスの数の減少を引き起こすことがある。したがって、ＡＯＩ１１０内で報告されるデバイスの位置データの特定の変化は、ＡＯＩ１１０自体でのデバイスの変化というよりも、むしろデバイスの報告データの数の全体にこれらのシステム変化が起因することがある。
ＡＯＩユーザーアナライザー１３６は、フィルタリングされたＡＯＩデバイスの位置データに対して報告されたデバイスの位置データ１２２をゾーンデバイスの位置データに対するデバイスの位置データ１２２と比較することによって、これらの変化を確認する。ある期間を経時して、ゾーンデバイスの位置データに（比例して）反映されるフィルタリングされたＡＯＩデバイスの位置データに変化が発生した場合、ＡＯＩユーザーアナライザー１３６は、位置データを報告するデバイスにおけるこの変化がＡＯＩ１１０に指定した変化というよりも、むしろ前述のシステム変化に起因すると判断することができる。これらの変化は、この正規化プロセスにおいてＡＯＩユーザーアナライザー１３６によって除去される。ある実施形態において、ＡＯＩユーザーアナライザー１３６は、フィルタリングされたＡＯＩデバイスの位置データとゾーンデバイスの位置データとの間の比率、具体的には、フィルタリングされたＡＯＩデバイスの位置データにおいて経時的に報告されたデバイスの数と、同一の期間にゾーンデバイスの位置データにおいて経時的に報告されたデバイスの数との間の比率を決定することによって、このデータを正規化する。
比率を決定した後で、ＡＯＩユーザーアナライザー１３６は、それを近接ゾーン１１４に対するユーザーのカウントに適用することができ、ＡＯＩ１１０でのユーザーの数の推定を生成する。このユーザー（または人）のカウントは、人口統計情報（例えば、国勢調査データ）を介して決定されることができ、地理的データストア１３４に格納されることができる。比率は、多様な回数算定されてよく、複合的にフィルタリングされたＡＯＩデバイスの位置データセットに適用されてよく、異なる期間に対して、またはある範囲の期間に対して、多様な推定を生成する。ＡＯＩユーザーアナライザー１３６は、ＡＯＩでのユーザーの数のこの推定を要求者側、つまり、推定を要求して、ＡＯＩ１１０の画定を提供したユーザーに報告することができる。これらの推定は、要求者側のクライアントデバイスに伝送されることができ、要求者側のクライアントデバイスのディスプレイデバイス上のＧＵＩにおいて表示されるか、またはＡＯＩユーザーアナライザー１３６によってＡＰＩを介して提供される。ＧＵＩ形態で提供された推定に関するさらなる詳細は、図３Ａ～図３Ｂを参照して以下で説明される。
さらに、ＡＯＩユーザーアナライザー１３６は、異常に対してＡＯＩ１１０でのユーザーの数の推定を分析することができる。ＡＯＩユーザーアナライザー１３６は、同一の繰り返し期間（例えば、日の同一の時刻、週の同一の曜日、月の同一の日、年の同一の月、同一の季節など）に該当する異なる時間からの推定を比較することができ、具体的な推定が過去の中央値からかなりそれた（例えば、４０％を超えた）場合、決定する。ＡＯＩユーザーアナライザー１３６は、異常な推定、つまり、過去の中央値からそれた推定の（例えば、ＧＵＩを介して）要求者側に通知することができる。
ＡＯＩユーザーアナライザー１３６は、また、推定を分析することができ、それらを代替ＡＯＩに対して同一の期間の推定と比較し、ＡＯＩ間の推定での相対的な差異を決定する。代替ＡＯＩは、ＡＯＩ１１０と同一のタイプのＡＯＩ（例えば、競合他社）であってよい。ＡＯＩユーザーアナライザー１３６は、この相対的な差異を要求者側に報告することができる。
別の実施形態において、ＡＯＩユーザーアナライザー１３６は、また、フィルタリングされたＡＯＩデバイスの位置データがＡＯＩに対して異なる（ばらばらな）期間にわたる同一のデバイスからのデバイスの位置データの全ての期間の経時的な報告を含むかを、ＡＯＩ１１０に対して決定することができる。これは、再訪、つまり、デバイスが少なくとも２つの異なる機会でＡＯＩ１１０に存在していることを示している場合がある。ＡＯＩユーザーアナライザー１３６は、全体の期間に対するこの再訪カウントを要求者側に報告することができる。
ＡＯＩユーザーアナライザー１３６に関するさらなる詳細は、図２を参照して以下で説明される。
ＡＯＩユーザーアナライザーシステム１３０を用いることによって、要求者側は、デバイスの位置データ１２２がフィルタリングされ、報告されたデバイスのカウントでのシステム変化の影響を除去するために正規化されて、特定のフィルター基準にマッチングしない特徴を有するデバイスを除去するためにフィルタリングされることで、デバイスの位置データ１２２からのＡＯＩ１１０でのユーザーの推定をより正確に決定することが可能である。これは、ある期間経時的に、ＡＯＩ１１０でのユーザーの数の推定をより正確にすることを可能とする。このデータは、異なるタイプのＡＯＩに対して、ＡＯＩ１１０についての貴重な情報を決定することに用いられることが可能である。例えば、推定は、小売店舗のＡＯＩに対して用いられることができ、そのＡＯＩに対する客数をより正確に決定する。この推定は、製油所、自動車メーカー、鉱山施設、航空宇宙メーカーのような生産施設のＡＯＩに対して用いられることができ、その施設での労働者の数、およびプロキシによってその施設に対する生産率を決定する。推定が多様な期間で生成されることが可能であるため、推定を用いて、傾向、および他の時間ベースのデータを決定することが可能である。デバイスの位置データは、また、匿名にされ、個人情報が共有されないことで、ＡＯＩユーザーアナライザー１３６によって提供される推定もプライバシー規制を順守し、正確なデータの共有を可能とするが、個人を特定できる情報を明らかにすることを犠牲にすることはない。
（ＡＯＩユーザーアナライザーシステムに対するブロックフローの例示）
図２は、一実施形態にかかる、ＡＯＩにおけるユーザーの数を推定するためのＡＯＩユーザーアナライザーシステムに対する、ならびに異常の分析、再訪情報、およびＡＯＩにおける相対的な差異を分析することに対する、例示的なフローを図示するブロック図である。図２は、図１の経時的なＡＯＩにおけるユーザーの数の推定を生成するためのＡＯＩユーザーアナライザーシステム１３０におけるプロセスを図示している。図示されるように、ＡＯＩユーザーアナライザーシステム１３０は、位置データストア１３２、地理的データストア１３４、およびＡＯＩユーザーアナライザー１３６を含む。ＡＯＩユーザーアナライザー１３６は、近接ゾーン識別器２１０、ＡＯＩデバイスの位置データ２２０およびゾーン位置データ２２５を生成するためのデバイスの位置セレクター２１５、フィルタリングされたＡＯＩデバイスの位置データ２３５およびフィルタリングされたゾーンデバイスの位置データ２２６を生成するためのデバイスの位置データフィルター２３０、およびＡＯＩユーザー推定２４５を生成するためのＡＯＩデータノーマライザー２４０を含む。ＡＯＩユーザーアナライザー１３６は、また、異常検出器２５０、相対データアナライザー２５５、および再訪アナライザー２６０を含んでよい。
近接ゾーン識別器２１０は、対象のＡＯＩ２０５の画定を受信して、この対象のＡＯＩに対する近接ゾーン２１２を決定する。近接ゾーン識別器２１０は、対象のＡＯＩ２０５の境界を拡張することに基づくか、またはＡＯＩ２０５内にあると決定されたデバイスのホーム位置に基づいて、近接ゾーン２１２を決定することができる。近接ゾーン識別器２１０は、地理的データストア１３４を用いて境界の地理的座標を決定することができる。
ＡＯＩ２０５の境界を拡張することに基づいて近接ゾーン２１２を決定するために、近接ゾーン識別器２１０は、（上記の方法のうちの１つで画定されるように）ＡＯＩ２０５の境界をとることができ、その境界をそれら自体に垂直な（つまり垂線の）方向に規定の距離だけ拡張することができる。これは、境界線に沿ってある間隔でＡＯＩに対して画定される境界線に垂直な規定の距離の（仮想）線を描くことによって、達成され得て、これらの線の端点を接続し、近接ゾーン２１２に対する拡張境界を形成する。別のオプションは、ＡＯＩ２０５に対する境界線の長さを倍率によって拡張することとなり、一方で、境界線間の角度を維持する。境界線が任意の曲面が含む場合、これらは、また、長さが増加することとなり、一方で、曲率を維持する。倍率は、所定の値として決定され得るか、または設定され得ることによって、結果として得られる境界線がＡＯＩ２０５のすべての境界線に対して規定された距離のＡＯＩ２０５の境界線からの距離を有する。規定の距離は、固定（例えば、１００ｋｍ）であってよく、または近接ゾーンの境界内の位置を報告するデバイスがいくつあるかに基づいて決定されてもよい。距離は、デバイスの閾値の数がその近接ゾーン内の位置を報告するまで延長されてよく、またはＡＯＩ内のランドマークに基づいてもよい。
ＡＯＩ２０５内のデバイスのホーム位置を用いて近接ゾーン２１２の境界線を決定するために、近接ゾーン識別器２１０は、ＡＯＩデバイスの位置データ２２０からデバイスの位置データフィルター２３０によって生成されるフィルタリングされたＡＯＩデバイスの位置データ２３５を受信する。フィルタリングされたＡＯＩデバイスの位置データ２３５は、ある期間を経時して、ＡＯＩ２０５内のデバイスの数（以下でさらに説明されるように）を示す。近接ゾーン識別器２１０は、フィルタリングされたＡＯＩデバイスの位置データ２３５内で報告されるデバイスに対するホーム位置を決定する。これらのデバイスに対するホーム位置は、自宅にいる間、または業務時間外、例えば、深夜から午前５時までの夜間の間に、これらのデバイスが報告する位置であってよい。近接ゾーン識別器２１０は、ＡＯＩ２０５までの距離（例えば、ＡＯＩの境界まで、またはＡＯＩの中点まで）に基づいて、これらのホーム位置の順位付けを処理することができる。例えば、ＡＯＩにより近い距離におけるホーム位置は、より高く順位付けされてよい。近接ゾーン識別器２１０は、ＡＯＩ２０５に最も近いホーム位置の数を選択することができ、つまり、近接ゾーン識別器２１０は、最高順位のホーム位置の数を選択することができる。この数は、決定されたホーム位置のリストにおけるホーム位置の数の合計のパーセンテージ（例えば、８０％）であってよい。代替的に、近接ゾーン識別器２１０は、順位付けされたリストからＡＯＩの特定の距離内にあるすべてのホーム位置を選択してよい。近接ゾーン識別器２１０は、これらの選択されたホーム位置の周りに境界を形成して、この境界を近接ゾーン２１２の画定として用いる。この境界は、最も外側の選択されたホーム位置を接続することによって形成され、閉じた境界が、選択されたすべてのホーム位置の周りに形成されることができる。境界は、湾曲されてよいことによって、角度または頂点を有さない。境界は、また、ＡＯＩ２０５の形状であってよいが、スケーリングされることによって、選択されたホーム位置が境界内にあってもよい。境界は、ＡＯＩ２０５を中心として、選択されたすべてのＡＯＩを含むために配向、およびサイズ設定された規則的な形状（例えば、円、正方形）であってよい。
他の実施形態において、選択されたホーム位置は、ホーム位置のリストからランダムに選択されてよい。ある場合において、選択されたホーム位置は、フィルタリングされたＡＯＩデバイスの位置データ２３５のデバイスからではなく、フィルタリングされていないＡＯＩデバイスの位置データ２２０から選択されてよい。他の実施形態において、近接ゾーン２１２の境界は、ＡＯＩ２０５が位置する近隣、ゾーン、都市、または地域（地方自治体によって画定される）として決定されてよい。近接ゾーン２１２は、また、要求者側によって代わりに画定されてよい。
近接ゾーンを決定した後で、近接ゾーン識別器２１０は、近接ゾーン２１２の画定をデバイスの位置セレクター２１５に送信する。
デバイスの位置セレクター２１５は、ＡＯＩ２０５および近接ゾーン２１２の境界内にあるデバイスを決定する。それぞれの境界内のデバイスの数を決定するために、デバイスの位置セレクター２１５は、ＡＯＩ２０５または近接ゾーン２１２の境界内にあり、指定された時間間隔の範囲内にあるタイムスタンプを有する位置を報告するデバイスに対して、位置データストア１３２におけるエントリを識別する。デバイスの位置セレクター２１５は、報告された位置が、地理的データストア１３４を用いて境界内にあると決定することができ、報告された位置に対する境界の位置を（例えば、交点数アルゴリズムのようなある境界テストを用いて）決定する。
指定された時間間隔は、要求者側によって示されてよく、または事前設定もしくはデフォルト値に設定されてもよい。時間間隔は、要求者側が検出することを望む変化のタイプに基づいて、時間スケールに設定してよい。例えば、ある変化は、時間ごとに発生する。このような場合において、時間間隔は、１時間に設定してよい。他の長期的な変化は、数か月にもわたって見えることがあり、このように、時間間隔は、１か月に設定されてよい。デバイスの位置セレクター２１５は、また、多様な時間間隔に対して、例えば、現在の時間と一致する時間間隔で始まり、特定の時間間隔の数だけ時間に戻って、ＡＯＩ２０５および近接ゾーン２１２内のデバイスを決定することができる。
デバイスの位置セレクター２１５がさまざまな時間間隔に対するＡＯＩ２０５および近接ゾーン２１２内の位置を報告した位置データストア１３２におけるデバイスのエントリを決定すると、デバイスの位置セレクター２１５は、デバイスのエントリをＡＯＩ２０５に対するＡＯＩデバイスの位置データ２２０および近接ゾーン２１２に対するゾーンデバイスの位置データ２２５として出力する。
デバイスの位置データフィルター２３０は、デバイスの位置セレクター２１５からＡＯＩデバイスの位置データ２２０およびゾーンデバイスの位置データ２２５を受信して、これらの２つのデータセットから特定の特徴にマッチングするそれらのエントリをフィルタリングする。デバイスの位置データフィルター２３０は、ＡＯＩデバイスの位置データ２２０、またはゾーンデバイスの位置データ２２５に適用される１つまたは複数のフィルターを含み、これらのマッチングするエントリを除去する。以下の説明において、ＡＯＩ２０５への参照は、ＡＯＩデバイスの位置データ２２０に対応して、近接ゾーンへの参照は、ゾーンデバイスの位置データ２２５に対応する。
ある実施形態において、デバイスの位置データフィルター２３０は、特定の滞留時間（要求者側によって指定されてよい）の特徴を超えないエントリを除去する。滞留時間は、期間（例えば、１０分）を画定する。デバイスの位置データフィルター２３０は、ＡＯＩデバイスの位置データ２２０、またはゾーンデバイスの位置データ２２５を分析して、デバイスの識別子の値を用いてデータ内の一意のデバイスを識別する。デバイスの位置データフィルター２３０は、これらのデバイスのそれぞれに対して、デバイスがＡＯＩ２０５または近接ゾーン２１２内の位置を報告する間に連続時間の量を決定する。その連続時間の量が滞留時間よりも短い場合、デバイスの位置データフィルター２３０は、ＡＯＩデバイスの位置データ２２０、またはゾーンデバイスの位置データ２２５からそれぞれ、そのデバイスに対するそのようなすべてのエントリを考慮から除去する。デバイスの位置データフィルター２３０におけるエントリが時間内で不連続である同一のデバイスに対するエントリを含む場合、デバイスの位置データフィルター２３０は、異なる連続期間を形成するエントリをグループ化することができ、これらのうちのそれぞれ１つ１つが滞留時間を超過するかを決定することができる。そうでない場合、不適格となる連続期間に関連付けられるエントリは、破棄される。デバイスの位置データフィルター２３０は、グループにおけるそれぞれのエントリがグループにおける少なくとも別のエントリのタイムスタンプの特定の閾値時間内にあるタイムスタンプを有する場合、エントリのグループが同一の連続期間の一部であると決定することができる。デバイスの位置データフィルター２３０は、２つのグループ間のエントリが互いに閾値時間内にないタイムスタンプを有する場合に、エントリを１つまたは複数のグループへと分けることができる。
別の実施形態において、デバイスの位置データフィルター２３０は、日、曜日、月などのような期間の指定の繰り返し期間の特徴とマッチングしないタイムスタンプを有するエントリを除外する。エントリのタイムスタンプが指定された期間内に入らない場合、これは、繰り返されてよく、次にそのエントリは除去される。同一の連続期間内の同一のデバイスに対する他のエントリも破棄されることがある。指定された繰り返し期間は、要求者側によって設定されてよく、またはエントリがＡＯＩデバイスの位置データ２２０から除去された場合において、ＡＯＩのタイプに基づいてもよい。例えば、ＡＯＩが顧客対応ビジネスである場合、繰り返し期間は、典型的な店舗の営業時間の指定であってよい。ＡＯＩがオフィスの位置である場合、繰り返し期間は、通常の営業時間を指定してよい。
別の実施形態において、デバイスの位置データフィルター２３０は、また、重複エントリ、および特定の閾値を超える速度を有するデバイスのような他の誤ったデータを除外することができる。例えば、重複するエントリは、同一のデバイスの識別子を有する２つのデバイスが同一の位置を報告する場合、または互いに閾値の距離（例えば、１メートル）内にある２つの異なる位置を報告する場合、除去されることができる。別の例示として、デバイスの位置データフィルター２３０は、さまざまな位置エントリを分析することができ、２つのセットのエントリを見つけ、それぞれのセットが異なるデバイスの識別子を有するが、両方が、同一、またはほぼ同一の期間にわたって報告される同一の報告位置（または互いに閾値の距離内にある報告位置）を有する。デバイスの位置データフィルター２３０は、これらのエントリが異なるデバイスの識別子それぞれ用いる、異なるデバイスの位置データプロバイダーによって報告された同一のデバイスを表現することができるため、このような場合において、これらの位置エントリのセットのうちの１つを除去することができる。
ＡＯＩデバイスの位置データ２２０、およびゾーンデバイスの位置データ２２５をフィルタリングした後で、デバイスの位置データフィルター２３０は、フィルタリングされたＡＯＩデバイスの位置データ２３５、およびフィルタリングされたゾーンデバイスの位置データ２２６をそれぞれ出力する。
ＡＯＩデータノーマライザー２４０は、フィルタリングされたＡＯＩデバイスの位置データ２３５を受信して、フィルタリングされたゾーンデバイスの位置データ２２６を用いてこのデータを正規化する。前述のように、データを正規化する目的は、位置データストア１３２で、ＡＯＩユーザーアナライザーシステム１３０によって受信されたデバイスの位置データのシステム変化に対して説明することである。デバイスの位置データが位置データを報告しているデバイスのグローバル数における増減を含む場合において、この変化は、ＡＯＩでのユーザーの数の推定に影響を与えるべきではない。したがって、ＡＯＩデータノーマライザー２４０は、フィルタリングされたゾーンデバイスの位置データ２２６、およびフィルタリングされたＡＯＩデバイスの位置データ２３５で報告されたデバイスの数を比較して、具体的な時間間隔の間に、ＡＯＩ２０５で報告されたデバイスの数の変化が、ＡＯＩの実際の変化のためか、または報告されたデータのシステム変化のためであるかを決定する。データのシステム変化がある場合、この変化は、近接ゾーン２１２からと同様に、ＡＯＩ２０５から報告されたデバイスの両方に反映されるべきである。しかしながら、変化がＡＯＩ２０５での訪問／移動の変化だけのためである場合、近接ゾーン２１２全体で報告されるユーザーの数に大きな変化がないはずである。
したがって、ＡＯＩデータノーマライザー２４０は、フィルタリングされたＡＯＩデバイスの位置データ２３５における時間間隔での位置を報告する一意のデバイスの数を、同一の時間間隔ではあるが、近接ゾーン２１２での位置を報告する（つまり、フィルタリングされたゾーンデバイスの位置データ２２６に対する）一意のデバイスの数で割ることができる。フィルタリングされたＡＯＩデバイスの位置データ２３５に対するこのデバイスの数を決定するために、ＡＯＩデータノーマライザー２４０は、指定された時間間隔（例えば、デバイスの位置セレクター２１５に対する上記の時間間隔）内にあるフィルタリングされたＡＯＩデバイスの位置データ２３５におけるそれらのエントリを決定する。これらのエントリ内で、ＡＯＩデータノーマライザー２４０は、重複するデバイスの識別子を有する任意の重複するエントリを除去する。残っているエントリは、指定された時間間隔の間にＡＯＩ２０５に存在した一意のデバイスの数を決定するためにカウントされる。ＡＯＩデータノーマライザー２４０は、位置データ２３５において利用可能である時間間隔に依拠し、多様な時間間隔に対してこの値を決定することができる。ＡＯＩデータノーマライザー２４０は、フィルタリングされたゾーンデバイスの位置データ２２６に対して同一の演算を実行する。フィルタリングされたゾーンデバイスの位置データ２２６に対して選択された時間間隔は、ＡＯＩデバイスの位置データ２３５に対して用いられたものとマッチングすべきである。時間間隔ごとに、ＡＯＩデータノーマライザー２４０は、ＡＯＩ位置データ２３５から決定された一意のデバイスの数を、ゾーン位置データ２２５から決定された一意のデバイスの数で割って、比率を生成する。この比率は、ＡＯＩおよび近接ゾーンの両方にある一意のデバイスが同時に変化する場合であっても変化することはないため、報告されたデバイスの数への任意のシステム変化の影響を除去する。しかしながら、変化がＡＯＩ２０５だけの場合、比率値が変化することとなり、これは、ＡＯＩ２０５でのユーザーの数が以前の推定から変化したことを示す。
ＡＯＩデータノーマライザー２４０は、この算定された比率を用いて、それを近接ゾーンの人口統計データに適用する。この人口統計データは、サードパーティーの集団推定サービス、または政府の国勢調査データからのようなサードパーティーからアクセスされることができる。この人口統計データは、近接ゾーン２１２におけるユーザーの数の合計を推定する。このユーザーの数の合計に対して比率を適用する（例えば、乗算する）ことによって、ＡＯＩデータノーマライザー２４０は、所与の時間間隔に対してＡＯＩ内にあるユーザー数の推定２４５を生成することが可能である。比率が以前の算定から変化しない場合、ユーザーの数の推定は、同一のままとなることとなる。しかしながら、比率が変化する場合、ユーザーの数の推定も変化する。多様な時間間隔に対する多様なＡＯＩユーザー推定２４５をグラフ化することによって、ＡＯＩデータノーマライザー２４０は、経時的に、ＡＯＩユーザー推定２４５を示す報告をさらに生成することが可能である。代替的に、ＡＯＩデータノーマライザー２４０は、ＡＯＩユーザー推定２４５を提示することに加えて、または提示する代わりに、報告におけるそれぞれの時間間隔に対する比率値を直接的に提示することができる。
報告は、ブラウザーにおけるウェブインターフェースのようなＧＵＩを介して、指定のＡＯＩ２０５に対するデータを要求した要求者側に提示することができる。報告は、また、あるＡＰＩを介して提示されることができ、自律化された意思決定を行うためにサードパーティーのデータシステムへと統合されることができる。さらに、報告は、ＡＯＩに対して、例えば、異常検出器２５０による履歴データの分析の基準として機能するために地理的データストア１３４に格納されることができる。
ある実施形態において、ＡＯＩユーザーアナライザー１３６は、生成されるさまざまなデータに対するさらなる分析を実行する。ＡＯＩユーザーアナライザー１３６は、また、異常検出器２５０、相対データアナライザー２５５、および再訪アナライザー２６０を含んでよい。
異常検出器２５０は、異なる繰り返し期間にわたるＡＯＩユーザー推定２４５の変動を検出し、履歴データを用いて算定される信頼区間（または予測区間）を超える変動が推定において存在するかを決定する。信頼区間を超える場合、異常検出器２５０は、（例えば、前述の報告において）この「異常」を示すメッセージを要求者側に伝送することができる。このような異常は、生産上の懸念、売上の減少などのようなＡＯＩでの問題を示していることがある。
異常を検出するために、異常検出器２５０は、最初に、偏差を測定するベースラインから決定することができる。このベースラインは、履歴データに基づいて生成されることができる（例えば、これは、地理的データストア１３４から検索されることができる）。異常検出器２５０は、ＡＯＩ２０５に対する（例えば、過去９０日の）履歴データを分析し、具体的な繰り返し期間に対する平均、中間、または「正常な」ＡＯＩユーザー推定２４５（または比率）を決定する。ある実施形態において、異常検出器２５０は、分析が望まれるためのＡＯＩに対する機械学習モデルを訓練することができる。モデルは、自己相関関数、つまり、推定と推定の遅延バージョンとの相関関係であってよい。ここで、遅延バージョンは、同一の繰り返し期間に対して以前の推定であってよい。したがって、異常検出器２５０は、現在の推定を同一の期間（例えば、同一の時刻）に対して以前の推定と相関させることができる。自己相関の結果が特定の値（たとえば、０．１）よりも低い場合、これは、推定が高度に相関されておらず、異常を示していることがある。異常検出器２５０は、これをメッセージで要求者側に伝送してよく、またはこれを報告に含んでもよい。報告は、どの期間が異常を有するかを示すことができ、例えば、相関値などを報告することによって、偏差の量を示すことができる。
別の実施形態において、異常検出器２５０は、以前の繰り返し期間（例えば、週末または平日）に対するＡＯＩユーザー推定２４５の中央値（または比率値）を算定することによって、異常が存在することを決定する。異常検出器２５０は、この中央値を５０％パーセンタイルとして決定し、分布を算定し、中央値が存在するそれぞれの側の過去の推定の４０％がどこにあるかを決定することによって、この中央値の周りの１０％～９０％の信頼バンド（または他の信頼バンドの量）を算定する。任意のＡＯＩユーザー推定２４５がこの信頼バンドの外にある場合、異常検出器２５０は、異常が存在することを示すメッセージを伝送してよく、またはメッセージの情報を報告に含んでもよい。メッセージは、異常が存在する期間を示してよく、その異常に対する推定のユーザーのパーセンタイルを示してもよい。異常検出器２５０は、要求者側が具体的なＡＯＩを訪問するユーザーの数を用いて、任意の突然の変化が発生するかを決定することを可能とする。
相対データアナライザー２５５は、ＡＯＩユーザー推定２４５を分析して、それを代替ＡＯＩのＡＯＩユーザー推定に対して比較する。これらの代替ＡＯＩは、対象のＡＯＩ２０５と同一のカテゴリまたはタイプのＡＯＩであってよい。例えば、代替ＡＯＩは、競合他社からの同一のタイプのＡＯＩであってよく、または同一の会社に対する同一のタイプの別の位置（例えば、別の小売店舗）であってもよい。さまざまなＡＯＩについてのこの情報は、地理的データストア１３４に格納されてよく、またそこから検索されてもよい。相対データアナライザー２５５は、対象のＡＯＩ２０５に対して、および１つまたは複数の代替ＡＯＩに対して、ＡＯＩユーザー推定の経時的な差異を分析する。これらの差異は、また、要求者側に報告されることができる。これは、要求者側がどのように対象のＡＯＩ２０５を要求者側に関連付けられる他のＡＯＩと、または競合他社と比較するかを決定することを可能とする。
再訪アナライザー２６０は、任意の個々のデバイスが互いに不連続である２つの異なる期間にわたってＡＯＩ２０５を再訪したかを決定する。デバイスの位置データフィルター２３０に関して上記で説明されるように、報告された位置エントリの２つのグループは、それらのタイムスタンプが閾値期間によって分けられている場合に、互いに時間内で不連続であってよい。相対データアナライザー２５５は、ある時間範囲にわたってＡＯＩ２０５を訪問したそれぞれのデバイスに対して、報告された位置エントリのこれらのグループの数をカウントする。次に、相対データアナライザー２５５は、再訪の数ごとに、その回数、ＡＯＩを再訪した一意のデバイスの数を報告することができる。この情報は、前述の報告で伝送されてよく、個別に要求者側に伝送してもよい。この情報によって、要求者側に、例えば、小売店舗でのリピーター客の数、またはオフィスもしくは施設への一時的な訪問者に対する従業員の数を知らせる。
（グラフィカルインターフェースに対するＡＯＩユーザー推定の例示的なグラフ）
図３Ａは、一実施形態にかかる、要求者側へのグラフィカルインターフェースにおけるグラフ形式で提供されるようなＡＯＩでのユーザーの数の推定の例示を図示する。図３Ａにおけるグラフは、時間／日付３２０に対して、日々の一意のデバイスカウント３１５をプロットしている。図１～図２を参照して上記のように、日々の一意のデバイスのカウント３１５は、ＡＯＩに対するＡＯＩデバイスの位置データをフィルタリング、および正規化した後で、算定されるＡＯＩでのユーザーの数の推定であってよい。ここで、時間間隔は、１日である。凡例３１０に示されるように、グラフは、生データ３２５のプロットを含み、それぞれの日に対するユーザーまたはデバイスのカウントの推定を示している。さらに、凡例３１０に示されるように、グラフは、実行中の中央値フィルターを含む。これは、図２を参照して上記のような異常検出器２５０によって生成される中央値と同一であってよい。ここで、中央値フィルターは、現在の時刻から一定期間の間、例えば、６０日間、日々の一意のデバイスのカウント３１５の中央値から生成される中央値を示す線を表現する。さらに、グラフは、検出された異常３３５を示している。これは、生データ３２５が以前の時間間隔の間に、実行中の中央値３３０を閾値の量だけ超える時点である。ここでは、生データが閾値を超える時間間隔をハイライト表示することで、異常を示している。
（デバイスの位置データの例示的なチャート）
図３Ｂは、一実施形態にかかる、ＡＯＩユーザーアナライザーシステムによって収集されることができ、且つＡＯＩに対する要求者側に提供されることができるデータの例示を図示する。ここに示されるデータは、位置データストア１３２に格納されているデータであってよい。それは通常、ＡＯＩユーザー推定２４５を生成するために用いられる一方で、ある実施形態において前述の報告で伝送されてもよい。
デバイスの位置データは、多様なエントリを含む。それぞれのエントリは、タイムスタンプ３４０、デバイス識別子（ＩＤ）３４５、オペレーティングシステム（ＯＳ）ＩＤ３５０、ジオハッシュ３５５、地理的座標３６０、精度レベル３６５、およびアプリケーションＩＤ３７０を含む。
タイムスタンプ３４０は、デバイスの位置データエントリが位置対応デバイスによって報告されたタイムスタンプを示す。このタイムスタンプ３４０は、エントリが特定の時間間隔内にあるかを決定する場合に用いられる。
デバイスＩＤ３４５は、個々の一意のデバイスを識別する。これは、システムが滞留時間の要件を満たさないデバイスを選択的に除去するような、タスクを実行すべく、個々のデバイスのＩＤを決定することを可能とし、再訪率の決定、時間間隔における一意のデバイスの数のカウントなどを決定する。それぞれのデバイスＩＤは、グローバル一意識別子（ＧＵＩＤ）であってよい。
ＯＳＩＤ３５０は、位置エントリに対する位置を報告したデバイスのオペレーティングシステムを示している。それぞれのオペレーティングシステムは、４文字のコードを用いて示されることができる。
ジオハッシュ３５５は、デバイスによって提供される報告された位置に対する一意の識別子である。ジオハッシュ３５５は、英数字の文字列を用いて表現される指定の位置に対する地理的符号化であってよく、地理的座標のセットを特定の程度の精度で表現してもよい。
地理的座標３６０は、デバイスによって報告された緯度および経度の座標である。これらは、精度測定３６５によって付随され、これは、距離における地理的座標３６０の精度（例えば、１６フィートの精度）を示す。
それぞれの位置エントリは、また、アプリ／プロバイダーＩＤ３７０を含む。これは、位置情報を収集されたデバイスに対するアプリケーション、または位置情報をシステムに提供したプロバイダーを示すことができる。これは、また、ＧＵＩＤであってよい。
（例示的なフロー）
図４は、一実施形態にかかる、ＡＯＩユーザーアナライザーシステムを用いるＡＯＩにおけるユーザーの数の推定を図示するフロー図である。
ある例示的な実施形態において、プロセスは、図４と併せて説明されたものとは異なるおよび／またはさらなるステップを有してよい。プロセスのステップは、図４と併せて説明された順序とは異なる順序で実行されてよい。あるステップは、並行して実行されてよい。代替的に、あるステップは、並行して実行されてよく、あるステップは、連続して実行されてもよい。代替的に、あるステップは、パイプライン方式で実行されることで、前のステップの実行の前にステップの実行が開始される。一実施形態において、プロセスは、ＡＯＩユーザーアナライザーシステム１３０によって実行される。
ＡＯＩユーザーアナライザーシステム１３０は、関心の領域（ＡＯＩ）の選択を受信する４１０。この選択を受信した後で、ＡＯＩユーザーアナライザーシステム１３０は、ＡＯＩに対するＡＯＩデバイスの位置データにアクセスする４２０。ＡＯＩユーザーアナライザーシステム１３０は、前述のように、ＡＯＩデバイスの位置データをフィルタリングして、滞留時間または時刻要件のように１つまたは複数の特徴にマッチングするデバイスのデバイスの位置データだけを含める４３０。ＡＯＩユーザーアナライザーシステム１３０は、近接ゾーン１１４のようなＡＯＩに対する近接ゾーンを決定する４４０。ＡＯＩユーザーアナライザーシステム１３０は、近接ゾーンに対するゾーンデバイスの位置データにアクセスする４５０。これは、前述のように、指定された期間の間に近接ゾーン内のデバイスに対してデバイスの位置データを示している。ＡＯＩユーザーアナライザーシステム１３０は、ゾーンデバイスの位置データを用いてフィルタリングされたＡＯＩデバイスの位置データを正規化し、ＡＯＩユーザー推定を生成する４６０。これは、上記のように、フィルタリングされたＡＯＩデバイスの位置データとゾーンデバイスの位置データとの間の比率を決定することによって生成されてよい。ＡＯＩユーザーアナライザーシステム１３０は、要求者側のクライアントデバイスの表示デバイス上のＧＵＩに対して表示するために、このＡＯＩユーザー推定を要求者側のクライアントデバイスに伝送する４７０。
（例示的なマシンアーキテクチャ）
図５は、本明細書のプロセスとして説明される命令を機械可読媒体から読み取り、それらを少なくとも１つのプロセッサ（またはコントローラー）で実行することが可能である例示的なマシンのコンポーネントを図示するブロック図である。具体的には、図５は、コンピュータシステム５００の例示的な形態におけるマシンの図表示を図示している。コンピュータシステム５００は、マシンに本明細書で説明される方法論（またはプロセス）のうちのいずれか１つまたは複数を実行させるための命令５２４（例えば、プログラムコード、またはソフトウェア）を実行するために用いられることが可能である。代替的な実施形態において、マシンは、スタンドアロンデバイス、または他のマシンに接続する接続された（例えば、ネットワーク化された）デバイスとして動作する。ネットワーク接続された展開において、マシンは、サーバー・クライアントネットワーク環境におけるサーバーマシンもしくはクライアントマシンにおいて、またはピア・ツー・ピア（または分散）ネットワーク環境におけるピアマシンとして動作することができる。命令は、例えば、図１～図４に関して、本明細書で説明されるコンポーネントおよび／またはプロセスの機能に対応することに留意されたい。
マシンは、サーバーコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、スマートフォン、モノのインターネット（ＩｏＴ）機器、ネットワークルーター、スイッチもしくはブリッジ、またはそのマシンによって実行されるアクションを指定する命令５２４（シーケンシャル、またはその他のもの）を実行することが可能である任意のマシンであってよい。さらに、１つのマシンだけが例示されているが、「マシン」という用語は、また、本明細書で説明される方法論のうちのいずれか１つまたは複数を実行するために、個々にまたは結合して命令５２４を実行するマシンの任意の集合を含むと解釈されるべきである。
例示的なコンピュータシステム５００は、１つまたは複数の処理ユニット（一般的に、プロセッサ５０２）を備える。プロセッサ５０２は、例えば、中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、コントローラー、状態マシン、１つまたは複数の特定用途向け集積回路（ＡＳＩＣ）、１つまたは複数の無線周波数集積回路（ＲＦＩＣ）、またはこれらの任意の組み合わせである。コンピュータシステム５００は、また、メインメモリ５０４を備える。コンピュータシステムは、ストレージユニット５１６を備えてよい。プロセッサ５０２、メモリ５０４、およびストレージユニット５１６は、バス５０８を介して通信する。
さらに、コンピュータシステム５００は、静的メモリ５０６、（例えば、プラズマディスプレイパネル（ＰＤＰ）、液晶ディスプレイ（ＬＣＤ）、またはプロジェクターを駆動するために）ディスプレイドライバ５１０を備えることが可能である。コンピュータシステム５００は、また、英数字入力デバイス５１２（例えば、キーボード）、カーソル制御デバイス５１４（例えば、マウス、トラックボール、ジョイスティック、人感センサー、または他のポインティング機器）、信号生成デバイス５１８（例えば、スピーカー）、およびネットワークインターフェースデバイス５２０を備え、これは、また、バス５０８を介して通信するように構成される。
ストレージユニット５１６は、本明細書で説明されるうちのいずれか１つもしくは複数の方法論、または機能を具現化する命令５２４（例えば、ソフトウェア）が格納される機械可読媒体５２２を含む。命令５２４（例えば、ソフトウェア）は、また、コンピュータシステム５００によるその実行の間に、メインメモリ５０４内、またはプロセッサ５０２内（例えば、プロセッサのキャッシュメモリ内）に完全にもしくは少なくとも部分的に存在してよく、メインメモリ５０４、およびプロセッサ５０２は、また、機械可読媒体を構成する。命令５２４は、ネットワークインターフェースデバイス５２０を介してネットワーク５２６の上で伝送されてよく、または受信されてもよい。
機械可読媒体５２２は、例示的な実施形態において１つの媒体であると示されているが、「機械可読媒体」という用語は、命令５２４を格納することが可能である１つの媒体または多様な媒体（例えば、集中型または分散型データベース、または関連するキャッシュおよびサーバー）を含むと解釈されるべきである。「機械可読媒体」という用語は、また、マシンによる実行に対する命令５２４を格納することが可能であり、マシンに本明細書に開示される方法論のうちのいずれか１つまたは複数を実行させる任意の媒体を含むと解釈されるべきである。「機械可読媒体」という用語は、固体メモリ、光学媒体、および磁気媒体の形態でデータリポジトリを含むが、これらに限定されない。ある例示的な実施形態において、コンピュータシステムのコアコンポーネントは、プロセッサ５０２、メモリ５０４、およびバス５０８を除くコンポーネントを無視してよく、他の実施形態においては、ストレージユニット５１６および／またはネットワークインターフェースデバイス５２０も含んでよいことに留意されたい。
（さらなる検討事項）
本明細書を通じて、複数の例示は、１つの例示として説明されるコンポーネント、動作、または構造を実装してよい。１つまたは複数の方法の個々の動作が別個の動作として図示、および説明されているが、個々の動作の１つまたは複数は、同時に実行されることができ、動作を図示されている順序で実行する必要はない。例示的な構成において、別個のコンポーネントとして提示される構造および機能は、組み合わされた構造またはコンポーネントとして実装されてよい。同様に、１つのコンポーネントとして提示される構造および機能は、別個のコンポーネントとして実装されてよい。これら、および他の変形、修正、追加、および改善は、本明細書の主題の範囲内にある。
特定の実施形態は、例えば、図１～図４に図示されて、説明されるように、論理またはコンポーネントの数、モジュール、または機構を含むものとして本明細書で説明される。モジュールは、ソフトウェアモジュール（例えば、機械可読媒体上で具現化されるコード）か、またはハードウェアモジュールのいずれかを構成してよい。ハードウェアモジュールは、特定の動作で実行することが可能である有形のユニットであり、特定の方法で構成されてよく、または配置されてもよい。例示的な実施形態において、１つまたは複数のコンピュータシステム（例えば、スタンドアローン、クライアント、またはサーバーコンピュータシステム）、またはコンピュータシステムのうちの１つまたは複数のハードウェアモジュール（例えば、プロセッサ、またはプロセッサのグループ）は、本明細書で説明される特定の動作を実行するために動作するハードウェアモジュールのように、ソフトウェア（例えば、アプリケーション、またはアプリケーションの一部）によって構成されてよい。
さまざまな実施形態において、ハードウェアモジュールは、機械的に、または電子的に実装されてよい。例えば、ハードウェアモジュールは、（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ）のような特定用途プロセッサとして）永続的に特定の動作を実行するように構成される専用の回路または論理を含んでよい。ハードウェアモジュールは、また、ソフトウェアによって（例えば、汎用プロセッサ、または他のプログラム可能なプロセッサ内に包含されるように）一時的に特定の動作を実行するように構成されるプログラム可能な論理または回路を含んでよい。専用で永続的に構成される回路において、または一時的に構成される回路（例えば、ソフトウェアによって構成される）において、ハードウェアモジュールを機械的に実装する決定は、コストおよび時間の考慮によって駆動されてよいことを認識されることとなる。
本明細書で説明される例示的な方法のさまざまな動作は、一時的に（例えば、ソフトウェアによって）構成されるか、または永続的に関連する動作を実行するように構成される１つまたは複数のプロセッサによって少なくとも部分的に実行されてよい。一時的に、または永続的に構成されているかをこのようなプロセッサは、１つまたは複数の動作もしくは機能を実行するために動作するプロセッサ実装モジュールを構成してよい。本明細書で参照されるモジュールは、ある例示的な実施形態におけるプロセッサ実装モジュールを含んでよい。
１つまたは複数のプロセッサは、また、「クラウドコンピューティング」環境において、または「サービスとしてのソフトウェア」（ＳａａＳ）として関連する動作の性能をサポートするために動作してよい。例えば、少なくともある動作は、（プロセッサを含むマシンの例示として）コンピュータのグループによって実行されてよく、これらの動作は、ネットワーク（例えば、インターネット）、および１つまたは複数の適切なインターフェース（例えば、アプリケーションプログラミングインターフェース（ＡＰＩ））を介してアクセス可能である。
特定の動作の性能は、１つまたは複数のプロセッサ間で分散されてよく、１つのマシン内に存在するだけではなく、複数のマシンにわたって展開される。ある例示的な実施形態において、１つもしくは複数のプロセッサまたはプロセッサ実装モジュールは、１つの地理的位置（例えば、家庭環境内、オフィス環境内、またはサーバーファーム内）において配置されてよい。他の例示的な実施形態において、１つもしくは複数のプロセッサまたはプロセッサ実装モジュールは、複数の地理的位置にわたって分散されてよい。
本明細書の一部は、マシンメモリ（例えば、コンピュータメモリ）内のビット、またはバイナリデジタル信号として格納されるデータに対する動作のアルゴリズム、または記号表現の観点から提示される。これらのアルゴリズム、または記号表現は、彼らの仕事の内容を他の当業者に伝えるためにデータ処理技術における当業者によって用いられる技術の例示である。本明細書で用いられるように、「アルゴリズム」は、所望の結果へと導く首尾一貫した一連の動作、または同様の処理である。この文脈において、アルゴリズム、および動作は、物理量の物理的操作を伴う。通常、必ずしもそういうわけではないが、このような量は、マシンによって、格納されること、アクセスされること、変換されること、組み合わされること、比較されること、またはそうでなければ操作されることが可能である電気的な、磁気的な、または光学的な信号の形態をとることができる。主に共通使用の理由のために、「データ」、「コンテンツ」、「ビット」、「値」、「要素」、「記号」、「文字」、「用語」、「数」、または「数字」などのような単語を用いてこのような信号を参照すると便利な場合がある。しかしながら、これらの単語は、単に便利なラベルに過ぎなく、且つ適切な物理量に関連付けられている。
特に明記しない限り、「処理」、「算定」、「計算」、「判断」、「提示」、または「表示」などのような単語を用いる本明細書での説明は、１つまたは複数のメモリ内（例えば、揮発性メモリ、不揮発性メモリ、またはそれらの組み合わせ）、レジスタ内、または情報を受信、格納、伝送、もしくは表示する他のマシンコンポーネント内に、物理（例えば、電子、磁気、または光学）量として表現されるデータを操作もしくは変換するマシン（例えば、コンピュータ）のアクション、またはプロセスを参照することができる。
本明細書で用いられるように、「ある実施形態」、または「実施形態」への参照は、この実施形態に関連して説明される具体的な要素、特性、構造、または特徴が少なくとも１つの実施形態において含まれることを意味する。本明細書におけるさまざまな場所において、「ある実施形態において」という表現の説明は、必ずしもすべてが同一の実施形態を参照しているわけではない。
ある実施形態は、「結合される」、および「接続される」という表現をそれらの派生語と共に用いて説明されてよい。例えば、ある実施形態は、「結合する」という用語を用いて説明されてよく、２つまたはそれより多くの要素が直接物理的に、または電気的に接続されていることを示す。しかしながら、「結合する」という用語は、２つまたはそれより多くの要素が互いに直接接触していないが、依然として互いに協働または相互作用することを意味してもよい。本実施形態は、この文脈において限定されない。
本明細書で用いられるように、「備える」、「備えている」、「含む」、「含んでいる」、「有する」、「有している」、またはそれらの任意の他の変形例は、非排他的な包含を含むことが意図されている。例えば、要素のリストを備えるプロセス、方法、条項、もしくは装置は、必ずしもそれらの要素だけに限定されるのではなく、このようなプロセス、方法、条項、もしくは装置に明示的に記載されていない、または内在する他の要素を含んでよい。さらに、そうではないと明示的に述べられていない限り、「または」は、包括的な「または」を参照し、排他的な「または」を参照しない。例えば、条件ＡまたはＢは、以下のいずれか１つによって満たされ、Ａは、真（または存在し、）およびＢは、偽（または存在しなく、）Ａは、偽（または存在しなく、）およびＢは、真（または存在し、）ならびにＡおよびＢの両方が真（または存在）する。
さらに、（英文明細書における）「ａ」または「ａｎ」の使用は、本明細書における実施形態の要素、およびコンポーネントを説明することが採用される。これは、単に便宜上、および本発明の一般的な意味を付与するために行われているに過ぎない。本説明は、１つまたは少なくとも１つを含み、また、そうでないことを意味することが明らかでない限り、単数形が複数形を含むように読まれるべきである。
この開示を読むと、当業者は、関心のある領域でのユーザーの数を推定するためのシステムに対するさらなる代替的な構造的および機能的設計を評価することとなる。したがって、特定の実施形態およびアプリケーションが例示され、且つ説明されてきたが、開示される実施形態は、本明細書で開示される厳密な構造およびコンポーネントに限定されないことを理解されたい。当業者にとって明らかになることとなるさまざまな修正、変化、および変形は、添付の特許請求の範囲において定義される趣旨および範囲から逸脱せずに、本明細書で開示される方法および装置の配置、動作および詳細において行われることができる。

Claims (20)

  1. 関心の領域（ＡＯＩ）の選択を受信するステップであって、前記選択は、地理的領域を示すステップと、
    前記ＡＯＩに対するＡＯＩデバイスの位置データにアクセスするステップであって、前記ＡＯＩデバイスの位置データは、前記ＡＯＩ内で受信された１つまたは複数のデバイスの位置を経時的に示すステップと、
    前記ＡＯＩデバイスの位置データを１つまたは複数の第１の特徴にマッチングするデバイスの位置データだけを含むようにフィルタリングするステップと、
    前記ＡＯＩに対する近接ゾーンを決定するステップであって、前記近接ゾーンは、前記ＡＯＩの上位集合であるステップと、
    前記近接ゾーンに対するゾーンデバイスの位置データにアクセスするステップであって、前記ゾーンデバイスの位置データは、前記近接ゾーン内で報告された１つまたは複数のデバイスの位置を経時的に示すステップと、
    前記近接ゾーンデバイスの位置データを１つまたは複数の第２の特徴にマッチングするデバイスの位置データだけを含むようにフィルタリングするステップと、
    前記フィルタリングされたＡＯＩデバイスの位置データと前記ゾーンデバイスの位置データとの比率を算定することによって、前記フィルタリングされたＡＯＩデバイスの位置データを正規化して、ＡＯＩユーザー推定を生成するステップと、
    前記ＡＯＩユーザー推定を要求者側のクライアントデバイスに伝送して、前記ＡＯＩユーザー推定を前記要求者側の前記クライアントデバイスに関連付けられる画面のグラフィカルユーザーインターフェイス（ＧＵＩ）に対して表示させるステップと
    を備える方法。
  2. 前記ＡＯＩの前記選択は、閉じた多角形境界を用いて示され、前記閉じた多角形境界は、地理的座標を用いて指定される、
    請求項１に記載の方法。
  3. 前記ＡＯＩデバイスの位置データをフィルタリングするステップは、
    特定の期間の間に前記ＡＯＩでのデバイスのデバイスの位置データだけを含むように前記ＡＯＩデバイスの位置データをフィルタリングするステップをさらに備える、
    請求項１に記載の方法。
  4. 前記ＡＯＩデバイスの位置データをフィルタリングすることは、
    前記ＡＯＩデバイスの位置データをある範囲の滞留時間の間にＡＯＩでのデバイスのデバイスの位置データだけを含むようにフィルタリングするステップをさらに含む、
    請求項１に記載の方法。
  5. 前記近接ゾーンを前記決定するステップは、
    前記ＡＯＩの中心とマッチングする中心を有する領域を選択するステップであって、前記領域は、１００キロメートルを超えるそれぞれの次元を有するステップを含む、
    請求項１に記載の方法。
  6. 前記近接ゾーンを前記決定するステップは、
    前記ＡＯＩデバイスの位置データのデバイスのホーム位置を決定するステップと、
    前記ＡＯＩから所定の閾値の距離内にある前記ＡＯＩデバイスの位置データの前記デバイスの前記ホーム位置を有する領域を含むように前記近接ゾーンを決定するステップと
    を含む請求項１に記載の方法。
  7. 前記フィルタリングされたＡＯＩデバイスの位置データを前記正規化するステップは、
    前記フィルタリングされたＡＯＩデバイスの位置データと前記ゾーンデバイスの位置データにおいて報告されたデバイスの数の前記比率を算定するステップと、
    前記算定された比率によって変更された人口統計データによって示されるように、前記ＡＯＩユーザーが前記近接ゾーンにおけるユーザーの数を推定するように決定するステップと
    を含む請求項１に記載の方法。
  8. 過去のＡＯＩユーザー推定を用いて、複数の繰り返し期間の間の過去のＡＯＩユーザー推定におけるＡＯＩユーザー推定に対する予測間隔を決定するステップと、
    前記現在の期間が属する選択された繰り返し期間を決定するステップと、
    現在のＡＯＩユーザー推定が前記選択された繰り返し期間の間の前記過去のＡＯＩユーザー推定に対して指定された程度まで前記予測間隔を超えているかを決定するステップと、
    前記選択された繰り返し期間の間の前記過去のＡＯＩユーザー推定に対するパーセンタイル範囲を超える前記現在のＡＯＩユーザー推定に応答して、前記要求者側の前記クライアントデバイスにメッセージを伝送して、前記要求者側の前記クライアントデバイスの前記ＧＵＩにアラートを表示させるステップと
    をさらに備える請求項１に記載の方法。
  9. 前記ＡＯＩユーザー推定と前記ＡＯＩと同一のカテゴリタイプを共有する１つまたは複数の代替ＡＯＩユーザー推定との間の相対的な差異を決定するステップと、
    前記要求者側のクライアントデバイスにメッセージを伝送して、前記要求者側のクライアントデバイスの前記ＧＵＩ内に表示される前記相対的な差異を引き起こすステップと
    をさらに備える請求項１に記載の方法。
  10. 前記フィルタリングされたＡＯＩデバイスの位置データに基づいて、デバイスの再訪の数を決定するステップであって、前記再訪は、複数の非連続的な期間の間に前記ＡＯＩ内にある位置を有するデバイスの位置履歴を用いて、前記フィルタリングされたＡＯＩデバイスの位置データにおけるデバイスであるステップと、
    前記要求者側のクライアントデバイスの前記ＧＵＩ内に前記再訪の数を表示させるために前記要求者側のクライアントデバイスにメッセージを伝送するステップと
    をさらに備える請求項１に記載の方法。
  11. プロセッサと、
    前記プロセッサによって実行された場合に、前記プロセッサに
    関心の領域（ＡＯＩ）の選択を受信し、前記選択は、地理的領域を示し、
    前記ＡＯＩに対するＡＯＩデバイスの位置データにアクセスし、前記ＡＯＩデバイスの位置データは、前記ＡＯＩ内で受信された１つまたは複数のデバイスの位置を経時的に示し、
    前記ＡＯＩデバイスの位置データを１つまたは複数の第１の特徴にマッチングするデバイスの位置データだけを含むようにフィルタリングし、
    前記ＡＯＩに対する近接ゾーンを決定し、前記近接ゾーンは、前記ＡＯＩの上位集合であり、
    前記近接ゾーンに対するゾーンデバイスの位置データにアクセスし、前記ゾーンデバイスの位置データは、前記近接ゾーン内で報告された１つまたは複数のデバイスの位置を経時的に示し、
    前記近接ゾーンデバイスの位置データを１つまたは複数の第２の特徴にマッチングするデバイスの位置データだけを含むようにフィルタリングし、
    前記フィルタリングされたＡＯＩデバイスの位置データと前記ゾーンデバイスの位置データとの比率を算定することによって、前記フィルタリングされたＡＯＩデバイスの位置データを正規化し、ＡＯＩユーザー推定を生成して、
    前記ＡＯＩユーザー推定を要求者側のクライアントデバイスに伝送し、前記ＡＯＩユーザー推定を前記要求者側の前記クライアントデバイスに関連付けられる画面のグラフィカルユーザーインターフェイス（ＧＵＩ）に対して表示させることを含む動作を実行させる命令を格納する非一時的なコンピュータ可読記憶媒体と
    を備えるシステム。
  12. 前記ＡＯＩの前記選択は、閉じた多角形境界を用いて示され、前記閉じた多角形境界は、地理的座標を用いて指定される、
    請求項１１に記載のシステム。
  13. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    特定の期間の間に前記ＡＯＩでのデバイスのデバイスの位置データだけを含むように前記ＡＯＩデバイスの位置データをフィルタリングすることを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  14. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記ＡＯＩデバイスの位置データをある範囲の滞留時間の間にＡＯＩでのデバイスのデバイスの位置データだけを含むようにフィルタリングすることを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  15. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記ＡＯＩの中心とマッチングする中心を有する領域を選択し、前記領域は、１００キロメートルを超えるそれぞれの次元を有することを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  16. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記ＡＯＩデバイスの位置データのデバイスのホーム位置を決定し、
    前記ＡＯＩから所定の閾値の距離内にある前記ＡＯＩデバイスの位置データの前記デバイスの前記ホーム位置を有する領域を含むように前記近接ゾーンを決定することを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  17. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記フィルタリングされたＡＯＩデバイスの位置データと前記ゾーンデバイスの位置データにおいて報告されたデバイスの数の前記比率を算定して、
    前記算定された比率によって変更された人口統計データによって示されるように、前記ＡＯＩユーザーが前記近接ゾーンにおけるユーザーの数を推定するように決定することを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  18. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    過去のＡＯＩユーザー推定を用いて、複数の繰り返し期間の間の過去のＡＯＩユーザー推定におけるＡＯＩユーザー推定に対する予測間隔を決定して、
    前記現在の期間が属する選択された繰り返し期間を決定して、
    現在のＡＯＩユーザー推定が前記選択された繰り返し期間の間の前記過去のＡＯＩユーザー推定に対して指定された程度まで前記予測区間を超えているかを決定して、
    前記選択された繰り返し期間の間の前記過去のＡＯＩユーザー推定に対するパーセンタイル範囲を超える前記現在のＡＯＩユーザー推定に応答して、前記要求者側の前記クライアントデバイスにメッセージを伝送して、前記要求者側の前記クライアントデバイスの前記ＧＵＩにアラートを表示させることを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  19. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記ＡＯＩユーザー推定と前記ＡＯＩと同一のカテゴリタイプを共有する１つまたは複数の代替ＡＯＩユーザー推定との間の相対的な差異を決定して、
    前記要求者側のクライアントデバイスにメッセージを伝送して、前記要求者側のクライアントデバイスの前記ＧＵＩ内に表示される前記相対的な差異を引き起こすことを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
  20. 前記非一時的なコンピュータ可読記憶媒体は、前記プロセッサによって実行された場合に、前記プロセッサに
    前記フィルタリングされたＡＯＩデバイスの位置データに基づいて、デバイスの再訪の数を決定して、前記再訪は、複数の非連続的な期間の間に前記ＡＯＩ内にある位置を有するデバイスの位置履歴を用いて、前記フィルタリングされたＡＯＩデバイスの位置データにおけるデバイスであり、
    前記要求者側のクライアントデバイスの前記ＧＵＩ内に前記再訪の数を表示させるために前記要求者側のクライアントデバイスにメッセージを伝送することを含む動作を実行させるさらなる命令を格納する、
    請求項１１に記載のシステム。
JP2021550206A 2019-02-28 2020-02-28 デバイスの位置データの定量的地理空間分析 Active JP7162753B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962811699P 2019-02-28 2019-02-28
US62/811,699 2019-02-28
US16/803,994 2020-02-27
US16/803,994 US11514670B2 (en) 2019-02-28 2020-02-27 Quantitative geospatial analytics of device location data
PCT/US2020/020507 WO2020176892A1 (en) 2019-02-28 2020-02-28 Quantitative geospatial analytics of device location data

Publications (2)

Publication Number Publication Date
JP2022518619A true JP2022518619A (ja) 2022-03-15
JP7162753B2 JP7162753B2 (ja) 2022-10-28

Family

ID=72236217

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021550206A Active JP7162753B2 (ja) 2019-02-28 2020-02-28 デバイスの位置データの定量的地理空間分析
JP2021550207A Active JP7042983B2 (ja) 2019-02-28 2020-02-28 センサーデータおよび分散デバイスデータを用いたオブジェクト集団推定の結合モデリング

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021550207A Active JP7042983B2 (ja) 2019-02-28 2020-02-28 センサーデータおよび分散デバイスデータを用いたオブジェクト集団推定の結合モデリング

Country Status (4)

Country Link
US (3) US10909366B2 (ja)
EP (2) EP3932096A4 (ja)
JP (2) JP7162753B2 (ja)
WO (2) WO2020176877A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909366B2 (en) * 2019-02-28 2021-02-02 Orbital Insight, Inc. Joint modeling of object population estimation using sensor data and distributed device data
US11080327B2 (en) * 2019-04-18 2021-08-03 Markus Garcia Method for the physical, in particular optical, detection of at least one usage object
WO2020246168A1 (ja) * 2019-06-04 2020-12-10 株式会社Ihi 軌道上物体の直下点位置推定方法
US20220017095A1 (en) * 2020-07-14 2022-01-20 Ford Global Technologies, Llc Vehicle-based data acquisition
CN112291713B (zh) * 2020-12-25 2021-04-09 浙江口碑网络技术有限公司 一种目标潜在用户数据的获得方法
CN112783731B (zh) * 2021-01-29 2023-09-05 北京百度网讯科技有限公司 异常设备检测方法、装置、设备和存储介质
CN113722409B (zh) * 2021-03-16 2024-08-16 京东城市(北京)数字科技有限公司 空间关系的确定方法、装置、计算机设备及存储介质
US20230224721A1 (en) * 2022-01-12 2023-07-13 Qualcomm Incorporated Active user equipment counting
US20230345205A1 (en) * 2022-04-21 2023-10-26 Orbital Insight, Inc. Home location based normalization

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015165428A (ja) * 2015-06-09 2015-09-17 ソニー株式会社 情報処理装置、混雑度マップ生成装置、情報処理方法、プログラム、及び記録媒体
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム
JP2017146771A (ja) * 2016-02-17 2017-08-24 株式会社Ｓｃｒｅｅｎホールディングス 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7107285B2 (en) 2002-03-16 2006-09-12 Questerra Corporation Method, system, and program for an improved enterprise spatial system
US8229458B2 (en) * 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
US8224348B2 (en) 2009-12-18 2012-07-17 Trueposition, Inc. Location intelligence management system
US8930245B2 (en) 2010-06-23 2015-01-06 Justin Streich Methods, systems and machines for identifying geospatial compatibility between consumers and providers of goods or services
US8606294B2 (en) * 2010-10-05 2013-12-10 Skyhook Wireless, Inc. Method of and system for estimating temporal demographics of mobile users
BR112013010168A2 (pt) * 2011-01-31 2016-11-29 Ntt Docomo Inc dispositivo de estimativa de contagem de terminais únicos e método de estimativa de contagem de terminais únicos
US9148754B2 (en) * 2012-08-03 2015-09-29 Google Inc. Calculating and broadcasting an area's population density based on cell signal
US9075415B2 (en) 2013-03-11 2015-07-07 Airphrame, Inc. Unmanned aerial vehicle and methods for controlling same
US9082014B2 (en) * 2013-03-14 2015-07-14 The Nielsen Company (Us), Llc Methods and apparatus to estimate demography based on aerial images
US8620686B1 (en) 2013-04-08 2013-12-31 Geodimensional Decision Group, LLC Method for dynamic geospatial analysis with collaborative decision making
US10796320B2 (en) * 2013-12-23 2020-10-06 Mastercard International Incorporated Systems and methods for passively determining a ratio of purchasers and prospective purchasers in a merchant location
US9986375B2 (en) * 2014-02-12 2018-05-29 Google Llc Energy-efficient location determination
CN104778836B (zh) * 2015-04-03 2017-03-29 中设设计集团股份有限公司 基于手机信令数据质量感知的高速公路交通状态识别方法
WO2016201150A1 (en) * 2015-06-09 2016-12-15 Relola Inc. Systems and methods of using geolocation verification
JP2019513315A (ja) * 2016-02-29 2019-05-23 ウルグス ソシエダード アノニマ 惑星規模解析のためのシステム
WO2017176487A1 (en) 2016-04-08 2017-10-12 Orbital Insight, Inc. Remote determination of quantity stored in containers in geographical region
WO2017189451A1 (en) 2016-04-25 2017-11-02 Patrocinium Systems, Llc Interactive emergency visualization methods
WO2018039142A1 (en) 2016-08-22 2018-03-01 Rapidsos, Inc. Predictive analytics for emergency detection and response management
DE112016002817T5 (de) * 2016-08-24 2018-04-26 Google Inc. Änderungserfassungbasiertes bildaufnahme-beauftragungssystem
US20180096595A1 (en) * 2016-10-04 2018-04-05 Street Simplified, LLC Traffic Control Systems and Methods
US20180293249A1 (en) * 2017-04-07 2018-10-11 Flock Tonight, Inc. System and method for utilizing preferences to curate venues based on data
US11157931B2 (en) * 2018-08-21 2021-10-26 International Business Machines Corporation Predicting the crowdedness of a location
US10909366B2 (en) * 2019-02-28 2021-02-02 Orbital Insight, Inc. Joint modeling of object population estimation using sensor data and distributed device data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム
JP2015165428A (ja) * 2015-06-09 2015-09-17 ソニー株式会社 情報処理装置、混雑度マップ生成装置、情報処理方法、プログラム、及び記録媒体
JP2017146771A (ja) * 2016-02-17 2017-08-24 株式会社Ｓｃｒｅｅｎホールディングス 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム

Also Published As

Publication number Publication date
US10909366B2 (en) 2021-02-02
US20210200982A1 (en) 2021-07-01
US20200279096A1 (en) 2020-09-03
US20200280817A1 (en) 2020-09-03
EP3932096A1 (en) 2022-01-05
JP7042983B2 (ja) 2022-03-28
JP7162753B2 (ja) 2022-10-28
JP2022518620A (ja) 2022-03-15
US11538239B2 (en) 2022-12-27
EP3931743A1 (en) 2022-01-05
EP3932096A4 (en) 2022-12-14
WO2020176892A1 (en) 2020-09-03
WO2020176877A1 (en) 2020-09-03
US11514670B2 (en) 2022-11-29

Similar Documents

Publication Publication Date Title
JP7162753B2 (ja) デバイスの位置データの定量的地理空間分析
CN106462627B (zh) 根据多个位置数据报告分析语义地点和相关数据
Zheng et al. Detecting collective anomalies from multiple spatio-temporal datasets across different domains
US10257660B2 (en) Systems and methods of sourcing hours of operation for a location entity
US20140188384A1 (en) Telemetrics based location and tracking
US20200042620A1 (en) Active Change Detection For Geospatial Entities Using Trend Analysis
CN107430631B (zh) 从位置报告确定语义地点名称
WO2005112314A2 (en) Communication system and method for comprehensive collection, aggregation and dissemination of geospatial information
US11523248B2 (en) Inference of logistical relationships from device location data
US11825383B2 (en) Method, apparatus, and computer program product for quantifying human mobility
JP2019139654A (ja) 提供装置、提供方法及び提供プログラム
US20160034824A1 (en) Auto-analyzing spatial relationships in multi-scale spatial datasets for spatio-temporal prediction
Kou et al. Mapping the spatio-temporal visibility of global navigation satellites in the urban road areas based on panoramic imagery
Masatu et al. Development and testing of road signs alert system using a smart mobile phone
Chang et al. Traffic speed estimation through data fusion from heterogeneous sources for first response deployment
Aversa et al. Untapping the potential of mobile location data: The opportunities and challenges for retail analytics
US11112263B2 (en) Inventory quantity prediction for geospatial ads with trigger parameters
Giurgola et al. Mapping urban socioeconomic inequalities in developing countries through Facebook advertising data
KR101744776B1 (ko) 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법
JP2019128609A (ja) 情報制御装置、情報制御方法及び情報制御プログラム
US20230345205A1 (en) Home location based normalization
JP2019128611A (ja) 生成装置、生成方法及び生成プログラム
US11256725B1 (en) Normalization of crime based on foot traffic
US20230105099A1 (en) Method, apparatus, and computer program product for dynamic population estimation
US20220067862A1 (en) Method, apparatus, and computer program product for dynamic population estimation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211027

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20211027

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220215

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220516

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220620

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220920

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221018

R150 Certificate of patent or registration of utility model

Ref document number: 7162753

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150