JP2022518620A - 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 - Google Patents

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 Download PDF

Info

Publication number
JP2022518620A
JP2022518620A JP2021550207A JP2021550207A JP2022518620A JP 2022518620 A JP2022518620 A JP 2022518620A JP 2021550207 A JP2021550207 A JP 2021550207A JP 2021550207 A JP2021550207 A JP 2021550207A JP 2022518620 A JP2022518620 A JP 2022518620A
Authority
JP
Japan
Prior art keywords
aoi
similar
count
subject
population
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
JP2021550207A
Other languages
English (en)
Other versions
JP7042983B2 (ja
Inventor
マラリー フィアガル
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 JP2022518620A publication Critical patent/JP2022518620A/ja
Application granted granted Critical
Publication of JP7042983B2 publication Critical patent/JP7042983B2/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

集団推定システムは、類似するＡＯＩの複数の比率値にアクセスし、それぞれの比率値は、類似するＡＯＩで報告されたデバイスユーザーのカウントと類似するＡＯＩの車両の数のカウントとの間の比率を示す。類似するＡＯＩは、それらの対象のＡＯＩとの類似性の範囲内で測定可能な特徴を有するＡＯＩである。類似するＡＯＩの車両のカウントは、類似するＡＯＩに対して受信した空間画像を用いて生成される。類似するＡＯＩでのデバイスユーザーのカウントは、類似するＡＯＩに対するサードパーティーデータから抽出される。システムは、対象のＡＯＩで報告されたデバイスユーザーの数のカウントにアクセスして、対象のＡＯＩで報告されたデバイスユーザーの数のカウント、および類似するＡＯＩに対する複数の比率値の組み合わせを用いて、対象のＡＯＩに対する車両のカウントの推定を生成する。

Description

本開示は、一般に、センサーデータの処理、具体的には、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に関する。
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２０１９年５月１３日に出願された米国非仮出願第１６／４１０，４３５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。
所与の関心の領域（ＡＯＩ）におけるオブジェクトの集団のサイズの知識は、多くの状況において重要な情報源になることを示すことができる。例えば、建物の中に存在し得る所与の日時における人の数を推定することは、災害計画および避難において助力となることができる。商業空間の徒歩による交通量を推定することは、また、輸送計画および将来の商業開発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、空間イメージングのような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。
しかしながら、このセンサーデータは、対象のＡＯＩに対して散発的および／またはまれにしか収集されず、したがって、集団推定は、センサーデータが収集された場合にだけ生成されることがある。例えば、空間イメージングデバイス（例えば、軌道撮像衛星、イメージングデバイスが取り付けられた飛行機）は、対象のＡＯＩを通過しないことがあり、または、そうでなければ、頻繁にＡＯＩを適切に監視するために十分な頻度で画像を収集しないことがある。それ故に、それぞれの対象のＡＯＩの集団推定は、センサーデータが利用可能な時点でだけ可能であればよい。したがって、空間イメージングデバイスのようなデバイスから頻度が低く収集されるセンサーデータを用いて任意の時点の対象のＡＯＩの集団情報を推定する方法が、欠いている。
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、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結合モデリングのための例示的なシステムを図示する。 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たオブジェクト集団推定の結合モデリングのための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、センサーデータおよび分散デバイスデータを用いた対象のＡＯＩでのオブジェクト集団推定の例示を図示している。 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、対象のＡＯＩでのオブジェクト集団を推定するための図３Ａにおける例示の続きを図示している。 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たオブジェクト集団推定の結合モデリングのための例示的なプロセス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マシン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、類似する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、類似する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、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のためのシステム、方法、および／またはコンピュータプログラム製品（例えば、１つまたは複数の処理ユニットによって実行可能な命令を格納する非一時的なコンピュータ可読記憶媒体）である。
ある実施形態において、システムは、空間イメージングストレージサブシステムを備え、空間イメージングデバイスによってキャプチャされた画像を格納する。本システムは、さらに集団推定システムを備え、対象の関心の領域（ＡＯＩ）の車両の数を推定するための要求を受信する。集団推定システムは、類似するＡＯＩの複数の比率値にアクセスし、それぞれの比率値は、類似するＡＯＩで報告されたデバイスユーザーの数のカウントと類似するＡＯＩの車両の数のカウントとの間の比率を示す。それぞれの類似するＡＯＩは、対象のＡＯＩの対応する測定可能な特性との類似性の範囲内にある測定可能な特性を有する。類似するＡＯＩの車両の数のカウントは、類似するＡＯＩの空間イメージングストレージサブシステムから受信した空間画像を用いて生成される。類似するＡＯＩで報告されたデバイスユーザーの数のカウントは、１つまたは複数の時点での１つまたは複数のモバイルデバイスの地理的位置を示すサードパーティーのデータから抽出される。集団推定システムは、さらに、対象のＡＯＩで報告されたデバイスユーザーの数のカウントにアクセスして、対象のＡＯＩで報告されたデバイスユーザーの数のカウント、および複数の類似するＡＯＩの比率値の組み合わせを用いて、対象のＡＯＩの車両のカウントの推定を生成する。
（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結合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、関心の領域（ＡＯＩ）１１５のセンサーデータをキャプチャする空間イメージングデバイス１１０を備え、モバイルデバイスによって、位置データ１３０を集団推定システム１３５に提供する１つまたは複数のモバイルデバイスの位置データプロバイダー１２５に、モバイルデバイスの使用データ１２０を伝送し、集団推定システム１３５は、空間イメージングデバイス１１０からの空間イメージングおよび位置データ１３０に基づいて、選択される対象の時間でＡＯＩ１１５の集団を推定する。
空間イメージングデバイス１１０は、ＡＯＩ１１５に関する写真のようなイメージングデータをキャプチャするデバイスである。ある実施形態において、空間イメージングデバイス１１０は、衛星、ドローン、ヘリコプター、飛行機、またはＡＯＩ１１５よりも高い高度にそれ自体を配置することが可能である他のデバイスである。空間イメージングデバイス１１０は、ＡＯＩ１１５の画像をキャプチャすることが可能である１つまたは複数のイメージングセンサーを用いたイメージングシステムをさらに含む。空間イメージングデバイス１１０が多様なイメージングセンサーを有する場合、それぞれが異なる範囲の波長（例えば、緑、青、赤、赤外線、またはミリメートルの波長）における電磁（ＥＭ）放射をキャプチャすることができる。
空間イメージングデバイス１１０は、ＡＯＩ１１５のキャプチャされた画像を集団推定システム１３５に伝送する。空間イメージングデバイス１１０は、また、キャプチャされた画像を描写しているセンサーデータのそれぞれのセットと共にメタデータを伝送することができる。このメタデータは、センサーデータのキャプチャの時間、キャプチャされた画像の境界に対応する地理的境界を含むキャプチャされた画像の（例えば、地理的な座標によって識別される）地理的位置、キャプチャされた波長の範囲、シャッター速度、絞りのサイズ、焦点距離、視野などを含んでよい。キャプチャされた画像および関連されるメタデータは、集団推定システム１３５に伝送される前に、衛星画像プロバイダーのような中間段階に伝送されてよい。
空間イメージングデバイス１１０は、本明細書を参照すると、空間イメージングデバイスと称されるが、それは、ＡＯＩ１１５に関する任意のタイプのセンサーデータをキャプチャすることができ、可視スペクトルにおけるセンサーデータに限定されない。センサーデータは、コンピューティングデバイス、マシン、または加速度計、カメラ、マイク、湿度センサーなどのような他の電気機械コンポーネントを用いてキャプチャされることができるＡＯＩ１１５の任意の特徴または環境に関する電磁気、音、振動、化学物質、粒子、または他のデータを含んでよい。さらに、空間イメージングデバイス１１０は、ＡＯＩ１１５に対してより高い高度の位置に配置されることが示されているが、他の実施形態において、空間イメージングデバイス１１０は、ＡＯＩ１１５などと同一の高度で、ＡＯＩ１１５よりも低い高度におけるようなＡＯＩ１１５に対して異なる高度または位置で、ＡＯＩのセンサーデータを収集することができる。例えば、空間イメージングデバイス１１０は、ＬＩＤＡＲもしくはレーダーイメージングのような平面ベースのスキャナーであってよく、またはＡＯＩによってまたは通して運転している間に、ＡＯＩに関するデータをキャプチャする自動車のようなモバイルプラットフォーム上に配置されるセンサー／イメージングデバイスのような他のスキャンデバイスであってよい。
関心の領域（ＡＯＩ）１１５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）である。ＡＯＩ１１５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、ＡＯＩ１１５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、ＡＯＩ１１５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。ＡＯＩ１１５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、ＡＯＩ１１５は、地図作成用のインジケーター、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、これらの地図作成用のインジケーターは、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い。例えば、ＡＯＩ１１５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。
ＡＯＩ１１５は、ＡＯＩ１１５内のオブジェクトの集団の推定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の駅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。ＡＯＩ１１５の他の例示は、ショッピングモール、空港、近隣、学校などを含んでよい。ＡＯＩ１１５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、ＡＯＩ１１５は、地表面上の位置ではなく、任意の位置での閉じた三次元空間である。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。
モバイルデバイスの使用データ１２０は、モバイルデバイスから受信したデータを含み、これは、デバイスの位置情報を収集することが可能であり、且つネットワーク（例えば、モバイルまたはセルラーネットワーク）を介して、それをモバイルデバイスＧＰＳプロバイダー１２５のような外部システムに伝送することが可能である任意のデバイスを含む。モバイルデバイスの例示は、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、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位置を近似する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）に関連付けられることができる。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。
モバイルデバイスの使用データ１２０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を含んでよいが、これらに限定されない。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ＡＯＩ１１５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。
モバイルデバイスの使用データ１２０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の識別子、モバイルデバイスの使用データ１２０を生成するモバイルアプリケーション、過去の地理的位置情報などのような他の情報を含んでよい。
モバイルデバイスの位置データプロバイダー１２５は、モバイルデバイスの使用データ１２０を受信して、モバイルデバイスの使用データ１２０に基づいて（要求に応じてまたは定期的に）位置データ１３０を集団推定システム１３５に伝送する。本明細書で用いられるように、モバイルデバイスの位置データプロバイダーという用語は、複数または単数で用いられることができ、複数または１つのモバイルデバイスの位置データプロバイダーを参照する。それぞれのモバイルデバイスの位置データプロバイダー１２５Ａ～Ｎは、具体的なアプリケーション、モバイルデバイス製造業者、モバイルデバイス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モバイルデバイスの使用データ１２０を収集する他のエンティティからモバイルデバイスの使用データ１２０に関連付けられてよい。例えば、モバイルデバイスの第１のセットがその上でアプリケーションＡをインストールし、これは、モバイルデバイスの使用データ１２０をモバイルデバイスの位置データプロバイダー１２５Ａに伝送し、一方で、モバイルデバイスの第２のセット（これは、第１のセットと重複し得る）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、モバイルデバイスの使用データ１２０を別個のモバイルデバイスの位置データプロバイダー１２５Ｂに伝送する。モバイルデバイスに対するアプリケーションは、ネットワークを通して、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、モバイル位置データプロバイダー１２５、さらにより具体的には、モバイル位置データプロバイダー１２５の１つまたは複数のネットワークサーバーにモバイルデバイスの使用データ１２０を伝送させることをアプリケーションに可能とするデータ伝送モードにアクセスすべく、モバイルデバイスのオペレーティングシステムの１つまたは複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にアクセスすることによって、モバイルデバイスの使用データ１２０を伝送することができる。モバイルデバイスの使用データ１２０は、モバイルデバイス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モバイルデバイスの位置データプロバイダー１２５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、収集およびその後の集団推定システム１３５への伝送のために、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モバイルデバイスの位置データプロバイダー１２５に送信することで、別個である。
モバイルデバイスの使用データ１２０を処理した後で、モバイルデバイスの位置データプロバイダー１２５は、位置データ１３０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、位置データ１３０は、それぞれの地理的位置に対して、その地理的位置にあるモバイルデバイスを報告するモバイルデバイスの使用データ１２０を伝送するモバイルデバイスの数を示すデバイスのカウント（またはユニットのカウント）、地理的位置自体の指示（これは、地理的座標、または地理的位置を識別するために上記の方法のうちのいずれかを用いて識別されてよい）、データがキャプチャされたタイムスタンプ、および／またはユーザーベースのカウントの合計を含む。デバイスのカウントは、モバイルデバイスからのモバイルデバイスの使用データ１２０において報告された一意のデバイス、アプリケーション、または他の署名の数をカウントすることによって決定されることができる。ユーザーベースのカウントの合計は、具体的なモバイルデバイスの位置データプロバイダー１２５に登録されて、モバイルデバイスの使用データ１２０をモバイルデバイスの位置データプロバイダー１２５に伝送することが可能である（一意の）モバイルデバイスの合計の数を示す。例えば、具体的なアプリケーションＡに対して、１００台のモバイルデバイスは、その上にアプリケーションＡがインストールされてよく、具体的な地理的位置においては、アプリケーションＡがその上にインストールされたモバイルデバイスは、合計して１００万台存在する。それ故に、アプリケーションＡのユーザーベースのカウントの合計は、１００万となることとに対して、地理的位置でのデバイスのカウントは、１００となる。
空間イメージングデバイス１１０によって提供されるデータの頻度とは対照的に、位置データ１３０は、より高い頻度で集団推定システム１３５に伝送されることができる。これは、空間イメージングデバイス１１０がＡＯＩ１１５のセンサーデータ（例えば、画像）の頻繁な（例えば、日々の、毎週の）キャプチャを行わないことがあるためである。例えば、空間イメージングデバイス１１０が衛星である場合、衛星は、惑星上の陸地部分の固定されたキャプチャパターンをもたらす固定軌道を有し、このように、衛星は、画像をキャプチャするためにＡＯＩ１１５の上を頻繁に通過しないことがある。しかしながら、位置データ１３０を生成することに用いられるモバイルデバイスの使用データ１２０は、モバイルデバイスユーザーから収集されて、これらのモバイルデバイスは、現在のＡＯＩにおけるこれらのユーザーおよび彼らに付随する多くのＡＯＩ１１５によって頻繁に用いられる。さらに、空間イメージングデバイス１１０と比較して、より多くの数のモバイルデバイスユーザーがいる。
位置データ１３０は、ＡＯＩ１１５での集団を推定することに用いられてよい、しかしながら、それは、データに固有の多くの因子のため、空間イメージングデバイス１１０によってキャプチャされたデータと比較してより精度が低い。例えば、ＡＯＩ１１５でのすべてのユーザーがモバイルデバイスを有しているわけではなく、すべてのユーザーが、モバイルデバイスの使用データ１２０をモバイルデバイスの位置データプロバイダー１２５に伝送するサービスに対してインストール、サインアップ、または有効にさせているわけではない。さらに、モバイルデバイスの使用データ１２０は、多様なモバイルデバイスの位置データプロバイダー１２５の間で断片化されて、これらのプロバイダーのすべてから位置データ１３０を受信することは、実行可能ではないことがある。
それ故に、集団推定システム１３５によって受信される位置データ１３０は、多くの時点でサンプリングされることが可能であるモバイルデバイスの位置情報のようなデータを含むことができるが、それは不正確である。センサーデータまたは空間イメージングデバイス１１０からのキャプチャされた画像のようなイメージングデバイス１１０からのデータは、正確であるが、時間的にまばらである。それ故に、空間イメージングデバイス１１０からのデータ自体によっても位置データ１３０自体によっても、任意に選択されるあらゆる時点でのＡＯＩ１１５でのオブジェクトの集団を正確に推定することに用いられることはできない。自動車に対するデバイスの割合がその位置で十分に測定されていないため、それぞれがＡＯＩでの自動車の合計の数の正確な推定ではないことがある。しかしながら、以下で説明されるように、集団推定システム１３５によってこのデータの新規の変換およびモデリングは、集団推定システム１３５が任意の時点に対してＡＯＩ１１５での集団を正確に推定することを可能とする。
集団推定システム１３５は、イメージングデータまたは空間イメージングデバイス１１０から受信した他のセンサーデータ、モバイルデバイスの位置データプロバイダー１２５から受信した位置データ１３０を用いて、ＡＯＩ１１５でオブジェクトの集団を推定する。ある実施形態において、集団推定システム１３５は、ＡＯＩ画像ストア１４０、位置データストア１４５、およびＡＯＩ集団推定器１５０を備える。
ＡＯＩ画像ストア１４０は、多様なＡＯＩ１１５に対して空間イメージングデバイス１１０（または中間段階）から受信した画像（または他のセンサーデータ）を格納する。前述のように、このデータは、時間的にまばらであるが、ＡＯＩ１１５の全体をキャプチャすることが可能であるため、（通常は）正確である。ＡＯＩ画像ストア１４０は、キャプチャのタイムスタンプ、キャプチャされた光のスペクトルバンド、シーケンス番号、空間イメージングデバイスの入射角、空間イメージングデバイスの速度および向き、画像をキャプチャすることに用いられる空間イメージングデバイス上のセンサーのモデル番号、開口部情報、シャッター速度情報、画像をキャプチャした空間イメージングデバイス１１０の識別子、画像の地理的位置、画像の地理的座標の境界、画像における雲の被覆量、絶対スケールでキャプチャされた光の強度（つまり、放射）、画像の解像度、画像の色の深度、および画像自体または画像ストアでのバイナリ形式で格納されている画像のリンクまたは参照など、受信した画像に関連付けられるメタデータ項目を示す列を有するデータベースにおけるそれぞれのエントリを有するデータベースであってよい。画像の地理的位置は、地理的座標（例えば、経度および緯度）、ＡＯＩ名、衛星の位置、またはモバイルデバイスの使用データ１２０またはＡＯＩ１１５に対して上記で説明される地理的位置を識別する任意の他の方法であってよい。
位置データストア１４５は、１つまたは複数のモバイルデバイスの位置データプロバイダー１２５から受信した位置データ１３０を格納する。ある実施形態において、位置データストア１４５は、データベースにおけるそれぞれのエントリが上記の位置データ１３０の個々のデータエレメント（例えば、デバイスのカウント、位置情報など）を格納するデータベースの各エントリを有するデータベースである。
ＡＯＩ集団推定器１５０は、ＡＯＩ画像ストア１４０から画像データおよび位置データストア１４５からの位置データを入力として受信する結合モデルを用いて、対象の時間（例えば、分、時間、日付、週、月）での対象のＡＯＩの集団を推定する。対象のＡＯＩおよび対象の時間は、外部エンティティによって要求されてよく、ＡＯＩ集団推定器１５０への入力として供給されてよい。
最初に、ＡＯＩ集団推定器１５０は、対象のＡＯＩに類似するＡＯＩを識別することができる。これらは、対象のＡＯＩに対する類似性の範囲内（例えば、１０％以内）にある測定可能な特徴（例えば、サイズ、人口統計、位置）を共有するＡＯＩである。例えば、対象のＡＯＩがショッピングモールである場合、類似するＡＯＩは、類似する人口統計および人口サイズの都市内などの類似するサイズの他のショッピングモールであってよい。
類似するＡＯＩのこれらの画像のそれぞれに対して、ＡＯＩ集団推定器１５０は、そのＡＯＩに対してキャプチャされた画像における一意のオブジェクトの数のカウントを生成する。ある実施形態において、これらのオブジェクトは、自動車であってよい。しかしながら、他の実施形態において、これらのオブジェクトは、人、自転車、動物、ショッピングカート、在庫商品（例えば、売るために並べられた商品）などのような他の非定常オブジェクトであってよい。ＡＯＩ集団推定器１５０は、コンピュータ画像認識システムまたは他のコンピュータオブジェクト認識システムを用いて、キャプチャされた画像内のオブジェクトの数を推定することができる。
さらに、ＡＯＩ集団推定器１５０は、類似するＡＯＩのキャプチャされた画像のキャプチャタイムスタンプのタイムスタンプマッチング（または範囲内）を有する位置データストア１４５における位置データエントリを識別する。タイムスタンプマッチングは、類似するＡＯＩの地理的位置の地理的位置（またはその半径内）のマッチングを示す。位置データストア１４５が多様なモバイルデバイスの位置データプロバイダー１２５から位置データ１３０を格納することができるように、ＡＯＩ集団推定器１５０は、この基準にマッチングする位置データの多様なセットを識別することができる。ＡＯＩ集団推定器１５０は、類似するＡＯＩのそれぞれに対応する位置データのそれぞれのセットに対するデバイスのカウントを抽出する。これらのデバイスのカウントのそれぞれは、それぞれのモバイルデバイスの位置データプロバイダー１２５によって報告された報告されたデバイスの数を示し、これは、マッチングするタイムスタンプでの類似するＡＯＩで報告された、または類似するＡＯＩのキャプチャされた画像のキャプチャ時間の範囲内にある。
それぞれの類似するＡＯＩに対して、ＡＯＩ集団推定器１５０は、１つまたは複数の比率値を決定する。それぞれの比率値は、１）類似するＡＯＩのキャプチャされた画像に基づいて決定される類似するＡＯＩでの一意のオブジェクトの数のカウント、と２）類似するＡＯＩの地理的位置とマッチングする地理的位置に対して、キャプチャされた画像のタイムスタンプ（またはその範囲内）で報告されて、モバイルデバイスの位置データプロバイダー１２５のうちの１つから受信した（例えば、アプリケーションごとに受信した）報告されたデバイスの数のカウントとの間の比率である。例えば、ＡＯＩ集団推定器１５０は、類似するＡＯＩのキャプチャされた画像が画像内に１０台の車両を有すると決定することがある。これらは、ＡＯＩで駐車している車両である場合がある。ＡＯＩ集団推定器１５０は、さらに、キャプチャされた画像のタイムスタンプに近いタイムスタンプで、その位置にある５台のモバイルデバイスを示す位置データを識別する。したがって、自動車の数とデバイスのカウントとの比率は２．０である。それ故に、それぞれの類似するＡＯＩは、多様な比率値を有することができ、それぞれの比率値は、具体的なモバイルデバイスの位置データプロバイダー１２５、キャプチャされた画像および生成された位置データでの期間に関連付けられている。
比率値を生成する上記のプロセスは、対象の時間および対象のＡＯＩ要求を受信する前に実行されてよい。上記の比率値は、ＡＯＩのリストに対して、または以前に集団推定の要求を受信したＡＯＩに対して生成されて、新しいキャプチャ画像が受信されるにつれて定期的に更新される。これらの比率の値は、それぞれのＡＯＩに関連付けられてよい。
ＡＯＩ集団推定器１５０が対象の時間に対する対象のＡＯＩの要求を確立するためにユーザーまたは他のあるプロセスによって集団推定要求を受信した場合に、ＡＯＩ集団推定者１５０は、位置データストア１４５から対象のＡＯＩに対する位置データを検索するか、または１つまたは複数のモバイルデバイスの位置データプロバイダー１２５からこの情報を直接要求する。前述のように、位置データのそれぞれのセットは、対象のＡＯＩのような位置に対してモバイルデバイスの位置データプロバイダー１２５によって報告されたデバイスの数を示す。ＡＯＩ集団推定器１５０は、対象の時間の範囲内にあるタイムスタンプを有する位置データを検索することができる。この範囲内の位置データのそれぞれのセットに対して、集団推定システム１３５は、類似するＡＯＩに対して生成され、同一のそれぞれのプロバイダーからのデータを用いて生成され、および同一または近傍のタイムスタンプにおける比率によって対象のＡＯＩに対して示される報告されたユーザー数を変更する。例えば、モバイルデバイスの位置プロバイダー１２５Ａから具体的な日にキャプチャされた位置データは、同一のモバイルデバイスの位置プロバイダー１２５Ａから受信して、同一の日にキャプチャされたデータを用いて生成される類似するＡＯＩに対して比率を乗算される。
集団推定システム１３５は、この方法を用いて、多様な推定を生成する。次に、これらは、組み合わせ関数を用いて１つの総合推定へと組み合わされる。この組み合わせ関数は、多様な推定の中から組み合わされた推定として中央値を総合推定として選択することできる。集団推定システム１３５は、識別された類似するＡＯＩ、個々の推定、生の位置データ、用いられる組み合わせ関数などのようなメタデータと共に、この総合推定を推定の要求者側に報告することができる。
集団推定システム１３５に関するさらなる詳細は、図２～図４を参照して以下で説明される。
上記のシステムを用いることで、より正確な集団推定は、空間イメージングデバイスからのイメージングデータ、およびモバイルデバイスから報告された位置データのような両方のセンサーデータを用いて集団推定を結合モデリングすることによって生成することができる。個別に、空間イメージングデバイスからのデータおよびモバイルデバイスからの位置データは、任意の時点に対するＡＯＩでの自動車または人のようなオブジェクトの集団を正確に予測することは可能ではない。空間イメージングデバイスからのデータ（例えば、画像）は、まれにしかキャプチャされなく、このように、時間特有の集団決定に必要となる情報を多様な時刻に対してキャプチャすることは可能ではない。位置データは、頻繁である一方で、すべてのモバイルデバイスユーザーを網羅することは可能ではなく、モバイルデバイスを有さないそれらのユーザーを網羅することも可能ではないため、不正確であり、具体的な人口統計に偏っているか、または他のバイアスを有する場合がある。しかしながら、類似するＡＯＩを分析して、これら２つのデータセットを変更して、上記のように推定として完全に新しい結果を生成することによって、対象のＡＯＩでの集団の正確な推定は、元々不正確または不十分なデータのこれら２つのセットを用いて生成されることが可能である。
（集団推定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、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のための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の集団推定システム１３５に対して、集団推定を詳細に生成するためのプロセスを図示している。示されるように、集団推定システム１３５は、ＡＯＩ画像ストア１４０、位置データストア１４５、およびＡＯＩ集団推定器１１０を備える。ＡＯＩ空間１１０は、正確な空間２４５を生成すべく、さらに、類似するＡＯＩ識別器２１０、車両カウント画像アナライザー２２０、ＡＯＩ位置デバイスカウントアナライザー２３０、およびデバイス／車両カウントアグリゲーターを含む。
類似するＡＯＩ識別器２１０は、対象のＡＯＩ２０５に類似するＡＯＩを識別する。対象のＡＯＩ２０５は、システムが現在分析しているＡＯＩであってよく、または集団推定が要求されるＡＯＩであってもよい。ある実施形態において、類似するＡＯＩ識別器２１０は、対象のＡＯＩの特徴とマッチングするか、または特定の範囲（例えば、９０％）内にある特徴を有するＡＯＩのデータベースにおけるＡＯＩを見つけることによって、類似するＡＯＩを見つける。このＡＯＩのデータベースは、サードパーティーから受信されてよく、それらの特徴と共にＡＯＩのリストを含んでよい。ＡＯＩが対象のＡＯＩのマッチングする特徴の閾値数（例えば、９０％）を有する場合、そのＡＯＩは、対象のＡＯＩに類似するＡＯＩとみなされてよい。これらの特徴は、屋根付き駐車場の存在、屋根付き駐車場の数、駐車エリアのサイズ／駐車スポットの数、地理的エリア、郵便番号、サイズ（例えば、建物の面積）、土地エリアのサイズ、グレード（例えば、収益性や他の評点方式）、歩行者のカウント、車両交通のカウント、交通パターン、タイムゾーン、その位置での利用できる公共交通機関のタイプ、公共交通機関のオプションの数、ＡＯＩでの公共交通機関の定員、ＡＯＩで発生する収益、ＡＯＩのタイプ、ＡＯＩのカテゴリ（例えば、教育、商業）、ＡＯＩの所有者、ＡＯＩが公的にまたは私的に所有されているか、常連客の人口統計（例えば、労働者、顧客、出席者）、他のある条件の存在、および他の条件の数などを含むがこれらに限定されない。
ある実施形態において、類似するＡＯＩ識別器２１０は、ある負の特徴を有するＡＯＩを選択することを回避する。これらは、ＡＯＩに関するキャプチャデータが不正確となることを引き起こし得る特徴を含むことがある。これらは、屋根付き駐車場（これは、車両の正確なカウントを妨げる）、ＡＯＩ（例えば、高速道路、道路、経路、他のＡＯＩ）に対して報告された位置データに影響を与える得るかなりの量のモバイルデバイスの交通量（１平方メートル内に平均して１０台を超えるモバイルデバイス）を有する近くの位置（例えば、５ｍのような位置データの誤差の範囲内）、またはモバイルデバイスの位置データプロバイダー１２５によって提供される周知の不正確な位置データを有するＡＯＩを含む。
ある実施形態において、類似するＡＯＩ識別器２１０は、ニューラルネットワーク、回帰モデル、またはＰＣＡ（主成分分析）のようなマシンモデルを用いて類似するＡＯＩを識別する。ＡＯＩが対象のＡＯＩに類似しているかを示すグラウンドトゥルースと同様に、このモデルは、ＡＯＩの画像および上記の１つまたは複数の特徴を含む特性を用いて訓練される。ＡＯＩの組（対象のＡＯＩおよび候補のＡＯＩ）でモデルを訓練することによって、モデルは、上記のように、ＡＯＩの画像およびＡＯＩの１つまたは複数の特徴を特性として受信した後で、ＡＯＩが対象のＡＯＩに類似しているかを決定するために訓練されることができる。
類似するＡＯＩを識別すると、類似するＡＯＩ識別器２１０は、識別された類似するＡＯＩの画像２１５をＡＯＩ画像ストア１４０からオブジェクトカウント画像アナライザー２２０に送信する。類似するＡＯＩ識別器２１０は、画像がＡＯＩ画像ストア１４０で受信した場合に（つまり、画像が空間イメージングデバイス１１０から受信された場合に、または画像がサードパーティーのプロバイダーから受信された場合に）、オブジェクトカウント画像アナライザー２２０に画像を送信することができる。代替的に、類似するＡＯＩ識別器２１０は、対象のＡＯＩの集団を推定するための要求を受信すると、オンデマンドで画像を送信することができる。それぞれのＡＯＩに対して、類似するＡＯＩ識別器２１０は、多様なキャプチャイベントから画像を送信することができる。キャプチャイベントは、ＡＯＩ全体の画像がキャプチャされる期間またはイベントである。例えば、１つの画像キャプチャイベントは、類似するＡＯＩの上で１つのパスを作成して、その１つのパスの間に類似するＡＯＩのうちの１つまたは複数の写真を撮る空間イメージングデバイス１１０を参照することができる。類似するＡＯＩ識別器２１０は、また、画像２１５がどのＡＯＩに属するか、いつ画像がキャプチャされたか、それぞれの画像がどのキャプチャイベントに属するかなどを示す識別子のような画像２１５に関するメタデータを伝送する。類似するＡＯＩ識別器２１０は、また、どのＡＯＩがＡＯＩ画像ストア１４０のようなデータベースにおける対象のＡＯＩに類似するかを格納することができる。例えば、ＡＯＩ画像ストア１４０は、それぞれのＡＯＩに対して、どの他のＡＯＩがそのＡＯＩに類似しているかを示すことができる。この類似性は、類似するＡＯＩ識別器２１０がＡＯＩからの新しい画像を分析するか、またはＡＯＩに関して新しい情報を受信するにつれて定期的に更新されることができる。ある実施形態において、類似するＡＯＩ識別器２１０は、対象の時間（つまり、集団推定が算定されるＡＯＩでの時点）の特有のルックバック範囲内にある類似するＡＯＩのキャプチャされた画像だけを伝送する。このルックバック範囲は、７日（つまり１週間）であってよく、１）類似するＡＯＩの十分な画像を取得することと、２）比率値の変化に対して十分に速い応答時間を有することとのバランスに基づいて決定されてよい。
オブジェクトカウント画像アナライザー２２０は、画像において示されるオブジェクトの数をカウントすべく、類似するＡＯＩ識別器２１０から対象のＡＯＩに類似するＡＯＩのＡＯＩ画像２１５を受信して、また、対象のＡＯＩ２０５の画像を受信する。これらのオブジェクトは、上記のように、車両、人などを含んでよい。ＡＯＩ画像２１５が画像である場合において、オブジェクトカウント画像アナライザー２２０は、コンピュータ画像認識システム（例えば、ＯｐｅｎＣＶ）を用いて画像を分析し、画像におけるオブジェクトの数のカウントを決定する。それぞれのＡＯＩに対して、および１つのキャプチャイベントにおける画像のそれぞれのセットに対して、オブジェクトカウント画像アナライザー２２０によって利用されるコンピュータ画像認識システムは、画像における特有のオブジェクトの数をカウントする。例えば、画像のセットは、５０台の車両がキャプチャされた場合がある。オブジェクトカウント画像アナライザー２２０は、これらの画像を分析して、画像が具体的なキャプチャイベントに対して５０台の車両を示していると決定する。オブジェクトカウント画像アナライザー２２０は、集団推定システム１３５が対象のＡＯＩ２０５に対する集団推定を生成する要求を受信する前に、多様なキャプチャイベントに対する多様なＡＯＩのためにこの情報を生成することができ、ＡＯＩ画像ストア１４０におけるそれぞれのＡＯＩに対して生成されるオブジェクトのカウントを格納することができる。オブジェクトカウント画像アナライザー２２０によって生成されるそれぞれのオブジェクトのカウントは、ＡＯＩに対する具体的なキャプチャイベントと共に格納されてよい。
ある場合において、類似するＡＯＩ識別器２１０から受信したデータは、上記のように、ＡＯＩ画像２１５ではなくてよいが、他のセンサーデータであってよい。これらの場合において、オブジェクトカウント画像アナライザー２２０は、別の形式のデータ分析を用いることができ、センサーデータにおけるオブジェクトの数を決定する。例えば、データがライダーデータを含む場合、オブジェクトカウント画像アナライザー２２０は、ライダーデータを３Ｄ点群へと変換することができて、３Ｄオブジェクト認識システムを用いることができ、センサーデータにおいてどれだけの関心のあるオブジェクトの数がカウント可能かを決定する。
類似するＡＯＩに対するキャプチャイベントのためにオブジェクト数を決定した後で、オブジェクトカウント画像アナライザー２２０は、そのキャプチャイベントおよびその類似するＡＯＩに対してオブジェクトカウント２２５をデバイス／オブジェクトカウントアグリゲーター２４０に伝送することができる。ある実施形態において、オブジェクトカウント画像アナライザー２２０は、対象の時間のルックバック範囲内のタイムスタンプを有するキャプチャイベントに対して類似するＡＯＩのためにオブジェクトのカウントだけを伝送する。
ＡＯＩ位置デバイスカウントアナライザー２３０は、位置データストア１４５から位置データを受信して、位置データを用いて類似するＡＯＩのためにデバイスのカウントを生成する。ある実施形態において、位置データにおける地理的位置は、緯度および経度の値を用いて示される。この場合においては、ＡＯＩ位置デバイスカウントアナライザー２３０は、この位置が任意のＡＯＩの地理的境界内にあるかを決定する。これらの地理的境界は、それぞれのＡＯＩに対してＡＯＩ画像ストア１４０に格納されてよく、または別個のデータベースに格納されてもよい。位置データがＡＯＩの地理的境界内にある場合、ＡＯＩ位置デバイスカウントアナライザー２３０は、それがＡＯＩに対する位置データであることを示すために位置データを修正する。短い時間枠（例えば、１０秒）内にキャプチャされた同一のモバイルデバイスの位置データプロバイダー１２５からの位置データの多様なセットは、異なる地理的位置が示されてよいが、同一のＡＯＩ内であってもよい。この場合において、ＡＯＩ位置デバイスカウントアナライザー２３０は、これらの位置データのセットを共にＡＯＩに対する位置データの１つのセットへと結合させ、その１つのセットに対するタイムスタンプを、１つセットを作成するために用いられる位置データの個々のセットの平均タイムスタンプとなるように設定する。ＡＯＩ位置デバイスカウントアナライザー２３０は、また、重複を除去するために必要な情報（例えば、デバイスＩＤ）が位置データにおいて利用可能である場合、位置データの１つのセットから重複デバイスを除去することができる。
それぞれのＡＯＩに対して、ＡＯＩ位置デバイスカウントアナライザー２３０は、マッチングするタイムスタンプを有するか、またはＡＯＩ画像ストア１４０に格納されるＡＯＩ画像のキャプチャイベントのタイムスタンプの範囲内（例えば、±１時間または±１日）にある位置データストア１４５におけるそのＡＯＩに対する位置データのセットを識別する。例えば、ＡＯＩ画像ストア１４０が正午にキャプチャされた画像を含む場合、ＡＯＩ位置デバイスカウントアナライザー２３０は、午前１１時から午後１時までのタイムスタンプ（±１時間の時間帯を想定）を有するそのＡＯＩの位置データが存在するかを決定する。これは、１つのモバイルデバイスの位置データプロバイダー１２５から位置データの多様なセットを識別することをもたらすことができる。これが発生した場合、ＡＯＩ位置デバイスカウントアナライザー２３０は、キャプチャイベントのタイムスタンプに最も近いタイムスタンプを用いて位置データを識別することができる。代替的に、ＡＯＩ位置デバイスカウントアナライザー２３０は、時間範囲内のタイムスタンプを用いてすべての位置データを利用することができ、同一のモバイルデバイスを複数回報告する位置データの多様なセット内の任意の重複を除去することができる。このプロセスを用いて位置データを通して解析した後で、ＡＯＩ位置デバイスカウントアナライザー２３０は、異なるモバイルデバイスの位置データプロバイダー１２５から供給される位置データのそれぞれのセットを用いて、位置データの多様なセットを識別することができる。
位置データのそれぞれのセットに対して、ＡＯＩ位置デバイスカウントアナライザー２３０は、位置データにおいて報告されたデバイスの数のカウントを決定する。前述のように、位置データは、モバイルデバイスに対する位置情報を示す。これらのデバイスは、地理的位置を報告する機能を有しており、この情報を収集して、それを集団推定システム１３５に伝送することが可能であるサービスをインストールまたはサブスクライブしている。集団推定システム１３５に伝送される情報は、経時的なそれぞれのモバイルデバイスに対する詳細を含んでよく、またはこの情報を地理的位置の近くのモバイルデバイスの数を示すデバイスのカウントへと集約してよい。したがって、ＡＯＩ位置デバイスカウントアナライザー２３０は、どれだけの数の個々のデバイスがＡＯＩに配置されていると報告されたかをカウントすることが可能である。したがって、ＡＯＩ位置デバイスカウントアナライザー２３０は、ＡＯＩに対するそれぞれのキャプチャイベントのタイムスタンプに近いそれぞれのＡＯＩに対してこのデバイスのカウントを決定することが可能である。このデバイスカウント２３５は、デバイス／オブジェクトカウントアグリゲーター２４０に伝送される。ある実施形態において、ＡＯＩ位置デバイスカウントアナライザー２３０は、対象の時間のルックバック範囲内のキャプチャイベントに関連付けられる類似するＡＯＩに対するデバイスのカウント２３５だけを伝送する。ＡＯＩ位置デバイスカウントアナライザー２３０は、対象のＡＯＩ２０５に対する要求を受信する前に、類似するＡＯＩに対するデバイスのカウントを算定することができる。
ＡＯＩ位置デバイスカウントアナライザー２３０は、また、対象の時間に最も近い時間に対する対象のＡＯＩのためにデバイスのカウントを分析して、この分析をデバイス／オブジェクトカウントアグリゲーター２４０に送信することもできる。
不正確なデータを除去するために、ＡＯＩ位置デバイスカウントアナライザー２３０は、前述のように、重複を除去することができる。さらに、ＡＯＩ位置デバイスカウントアナライザー２３０は、高い移動速度（例えば、時速６マイルのような平均的な人間の走る速度を超える）を示すデバイスのカウントを除去することができる。移動速度は、ＡＯＩ位置デバイスカウントアナライザー２３０が個々のデバイスに関する高頻度の更新および位置情報を含む位置データへのアクセスを有する場合、決定されることができる。ＡＯＩ位置デバイスカウントアナライザー２３０は、位置情報の２つの更新間でのモバイルデバイスによって移動された距離を決定することによって、デバイスの速度を算定することが可能である。高速移動は、デバイスが、車両、公共交通機関などのような高速で移動する輸送機関内にあることを示している場合があり、ＡＯＩに存在するデバイスを正確に表現していない。むしろ、それは、一時的な信号を表現しており、無視されるべきである。ＡＯＩ位置デバイスカウントアナライザー２３０は、また、大きな位置の不確実性を有するデバイスからのカウント、動きの欠如（例えば、特定の範囲内の最小距離を超える特定の動き）を示すデバイス、プロバイダーからのすべての位置データ情報内に散発的にだけ（例えば、期間ごとの特定の頻度より低く）現れるデバイス、または、プロバイダーによってそのデバイスに対して位置が確認されなかったため、プロバイダーによってデフォルトの位置が割り当てられたデバイスのような他の要因によるデバイスのカウントを除去することができる。
ＡＯＩ位置デバイスカウントアナライザー２３０は、また、ＡＯＩに対するプロバイダーによって報告されたデバイスのカウントの合計に基づいて、精度を改善すべく、他の位置データを選択的に除去することができる。ＡＯＩ位置デバイスカウントアナライザー２３０は、ＡＯＩに対して特定のカウント（例えば、１０台のデバイス）より低いデバイスのカウントを有する位置データを除去することができる。低いデバイスのカウントは、多くのモバイルデバイスユーザーがモバイルデバイスの位置データプロバイダー１２５に位置データを提供するサービスを用いていることがあるため、不正確なデータを示すことがある。さらに、オブジェクトカウント画像アナライザー２２０と同様に、ＡＯＩ位置デバイスカウントアナライザー２３０は、また、対象の時間のルックバック範囲内のキャプチャイベントに関連付けられる類似するＡＯＩに対するデバイスのカウントだけを提供することができる。したがって、ＡＯＩ位置デバイスカウントアナライザー２３０は、特定の閾値（例えば、１００台のデバイス）より低い対象のＡＯＩに対してすべての類似するＡＯＩ対するルックバック範囲にわたる合計の数を有するモバイルデバイスの位置データプロバイダー１２５から、それらのデバイスのカウントをさらに選択的に除外することができる。ルックバック範囲に基づいてフィルタリングすることによって、報告されたデバイスの数は、対象のＡＯＩに対する対象の時間に類似する期間の間に比較されることが可能である。この時間的な最新性は、より正確な集団推定を生成することが重要となることがある。
デバイス／オブジェクトカウントアグリゲーター２４０は、対象の時間に対する対象のＡＯＩ２０５に対して集団カウントの推定を生成すべく、ＡＯＩデバイスカウント２３５およびＡＯＩオブジェクトカウント２２５を受信する。
所与の対象のＡＯＩ２０５に対して、所与の対象の時間で、デバイス／オブジェクトカウントアグリゲーター２４０は、対象のＡＯＩに類似するＡＯＩに対して、ＡＯＩオブジェクトカウント２２５およびＡＯＩデバイスカウント２３５を受信する。それぞれのオブジェクトカウント２２５は、類似するＡＯＩに対して特定のキャプチャイベントに関連付けられている。それぞれのデバイスのカウント２３５は、キャプチャイベントに関連付けられて、さらに、モバイルデバイスの位置データプロバイダー１２５に関連付けられている。したがって、類似するＡＯＩに対してそれぞれのキャプチャイベントは、オブジェクトのカウント２２５、および１つまたは複数のデバイスのカウント２３５（プロバイダーごとに１つ）を有する。デバイス／オブジェクトカウントアグリゲーター２４０は、１つのキャプチャイベントに対して類似するＡＯＩに対して、またはその類似するＡＯＩに対する多様なキャプチャイベントに対して、オブジェクトのカウント２２５およびデバイスのカウント２３５を受信することができる。例えば、デバイス／オブジェクトカウントアグリゲーター２４０は、対象の時間のルックバック範囲内のタイムスタンプを用いて、類似するＡＯＩのキャプチャイベントに関連する情報を受信することができる。
類似するＡＯＩのそれぞれのキャプチャイベントに対して、デバイス／オブジェクトカウントアグリゲーター２４０は、そのキャプチャイベントに対するオブジェクトのカウント２２５とデバイスのカウント２３５のうちの１つとの間の比率値を算定する。例えば、オブジェクトのカウントが１０で、デバイスのカウントが４の場合、比率は、２．５である。これは、デバイス／オブジェクトカウントアグリゲーター２４０が多様な比率値を算定することをもたらす。それぞれの類似するＡＯＩは、それぞれのキャプチャイベントに対する多様な比率値を有することができ、それぞれの類似するＡＯＩは、デバイス／オブジェクトカウントアグリゲーター２４０が比率値を算定するために多様なキャプチャイベントを有することができる。
デバイス／オブジェクトカウントアグリゲーター２４０は、対象のＡＯＩ２０５に対する集団推定の要求を受信する前に、これらの比率値を算定することができる。
これらの多様な比率値を算定した後で、デバイス／オブジェクトカウントアグリゲーター２４０は、また、対象の時間に対して最も近いタイムスタンプを用いて、位置データからＡＯＩ位置デバイスカウントアナライザー２３０によって生成された対象のＡＯＩに対するデバイスのカウントを検索する。多様なデバイスのカウントは、対象のＡＯＩに対して生成されることができ、それぞれが別個のモバイルデバイスの位置データプロバイダー１２５からのデータからである。
デバイス／オブジェクトカウントアグリゲーター２４０は、修正関数を用いて、対象のＡＯＩからのそれぞれデバイスのカウントを類似するＡＯＩからの比率を用いて修正する。１つのモバイルデバイスの位置データプロバイダー１２５からのデバイスのカウントは、同一のモバイルデバイスの位置データプロバイダー１２５からのデータから生成される比率と組み合わされる。ある実施形態において、修正関数は、デバイスのカウントとそれぞれの比率値との間の積である。他の実施形態において、修正関数は、デバイスのカウントと比率値との間の重み付け除算を実行する前に、ベイジアンなどを用いて任意の他の数学的演算または数学的演算の組み合わせであり得る。これは、集団の多様な推定を生成する。異なるモバイルデバイスの位置データプロバイダー１２５からの残りのデータに対して類似するプロセスが実行され、さらなる推定がもたらせられる。
デバイス／オブジェクトカウントアグリゲーター２４０は、さらに、組み合わせ関数を用いて、これらの推定を１つの組み合わされた推定へと組み合わせる。ある実施形態において、組み合わせ関数は、多様な推定値から中央値を選択することによって、１つの組み合わされた推定を決定する。別の実施形態において、組み合わせ関数は、さまざまな推定値の重み付け平均である。重み付けは、多様な要因に依拠することがある。値が近いか、または対象のＡＯＩとのより高いマッチングを有する特徴を有する類似するＡＯＩから生成される推定は、より高く重み付けられてよい。正確さの点で高いユーザーベースのカウントの合計または属性を有するモバイルデバイスの位置データプロバイダー１２５から生成される推定は、より高く重み付けされることができる。タイムスタンプが対象の時間により近いデータから生成される推定は、より高く重み付けされる。
デバイス／オブジェクトカウントアグリゲーター２４０が組み合わされた推定２４５を生成すると、それは、対象のＡＯＩに関連付けられて、対象の時間に関連付けられるＡＯＩ画像ストア１４０内などに格納されることができる。新しい組み合わされた推定２４５は、定期的に（例えば、毎日）、または新しいモバイルデバイスの使用データまたは新しい画像データが受信されるにつれて生成されることができる。組み合わされた推定２４５は、また、デバイス／オブジェクトカウントアグリゲーター２４０によって、対象のＡＯＩ、推定を生成することに用いられる類似するＡＯＩ、ルックバック範囲、対象の時間などのような推定に関する他のメタデータと共に、要求者側（つまり、対象のＡＯＩに対して推定を要求するエンティティ）に伝送されることができる。ある実施形態において、デバイス／オブジェクトカウントアグリゲーター２４０は、要求者側が組み合わされた推定を生成することに用いられる類似するＡＯＩを選択することを可能とするクライアントデバイスを介して、要求者側にグラフィカルユーザーインターフェースを提示して、用いられる具体的な組み合わせ関数を選択して、用いられる具体的な変更関数を選択して、ルックバック範囲などのような推定を生成することに用いられる他の要素を変更する。これは、有利なことに、要求者側に要求者側の要件に基づいた推定の算定をさらに変更することを可能とする。要求者側は、また、要求者側が外部で受信した推定をグラフィカルインターフェースへと入力することができる。この外部推定は、デバイス／オブジェクトカウントアグリゲーター２４０からの将来の推定をさらに変更（例えば、増加または減少）することに用いられることができる。
デバイス／オブジェクトカウントアグリゲーター２４０は、また、組み合わされた推定および任意の他のデータをコンピュータ可読データ構造として伝送することができ、および／またはそれをＡＯＩ画像ストア１４０のようなデータベースにローカルに格納することができ、それぞれのＡＯＩに関連付けられる。コンピュータで可読データ構造は、ｐａｎｄａｓデータフレーム（つまり、２次元のサイズ変更可能で、ラベル付きの軸を有する潜在的に異機種環境の表形式データ構造）であることがある。
ある実施形態において、デバイス／オブジェクトカウントアグリゲーター２４０は、変換率に基づいて、組み合わされた推定を二次推定にさらに変換する。例えば、オブジェクトのカウントが車両数の数である場合、組み合わされた推定は、対象のＡＯＩでの車両数の推定である。しかしながら、要求者側は、また、対象のＡＯＩでの推定人数を知りたいことがある。この場合において、デバイス／オブジェクトカウントアグリゲーター２４０は、車両ごとの人数を示す変換率を検索することができ、変換率に基づいて組み合わされた推定を二次推定に変換することができる。この二次推定は、また、組み合わされた推定が提供される方法と同様に、要求者側に提供される。
（集団推定の例示）
図３Ａ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た対象のＡＯＩでのオブジェクト集団推定の例示を図示している。したがって、図３Ａは、図１～図２に関連して上記のプロセスの例示を図示している。図３Ａにおける（１）で、対象のＡＯＩ３０５が選択され、対象のＡＯＩ３０５に対する集団推定が要求される。この要求は、以下で説明される比率値を生成するプロセスが実行される前または後のいずれかで受信されてよい。（２）で、類似するＡＯＩの空間画像３１０が識別される。これらは、ルックバック範囲内（例えば、７日）でキャプチャされた類似するＡＯＩの空間画像であってよい。提供される例示において、３つの類似するＡＯＩ３１５、３２０および３２５が識別され、それぞれが１つのキャプチャされた画像を有する。このプロセスは、類似するＡＯＩ識別器２１０によって実行されることができる。
オブジェクトのカウント、この場合においては、自動車のカウントは、類似するＡＯＩ３１５、３２０、および３２５のそれぞれに対して決定される。これは、オブジェクトカウント画像アナライザー２２０を用いて実行されることができる。図示される例示において、類似するＡＯＩ３１５は、自動車のカウントが９であり、類似するＡＯＩ３２０は、自動車のカウントが１２であり、類似するＡＯＩ３２５は、自動車のカウントが１１である。
（３）で、類似するＡＯＩ（画像のキャプチャ時間の近く）に対して関連付けられるモバイルデバイスの位置データ３４０が検索される。ここで、２つのモバイルデバイスの位置データプロバイダーは、プロバイダーＡおよびプロバイダーＢで図示されている。プロバイダーＡデータ３３０Ａ～３３０ＣおよびプロバイダーＢデータ３３５Ａ～３３５Ｃにおいて図示されるように、それぞれがそれぞれの類似するＡＯＩに対するデバイスのカウントを提供する。デバイスのカウント情報は、ＡＯＩ位置デバイスカウントアナライザー２３０によって生成されることができる。
（４）で、それぞれの類似するＡＯＩの比率は、ブロック３４０Ａ～３４０Ｃで示されるように算定される。これらは、類似するＡＯＩに対する自動車のカウントをそれぞれのプロバイダーに対するデバイスのカウントで割ることによって算定される。したがって、例えば、類似するＡＯＩ３１５に対して、プロバイダーＡに対する比率値は、自動車９台／デバイス５台であり、プロバイダーＡが類似するＡＯＩ３１５に対して５台のデバイスを報告したためである。このプロセスは、また、デバイス／オブジェクトカウントアグリゲーター２４０によって実行されてよい。前述のように、上記のプロセスは、対象のＡＯＩに対する要求を受信する前に、異なる対象のＡＯＩに対して事前に算定されることがある。プロセスは、図３Ｂにおいて継続し、これは、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、対象のＡＯＩでのオブジェクト集団を推定するための図３Ａにおける例示の続きを図示している。
図３Ｂにおける（４）で、要求は、対象のＡＯＩに対する集団推定のために受信することができる３４５。（６）で、位置データは、プロバイダーからまたは対象のＡＯＩに対するデータベースから検索される。図示される例示において、プロバイダーＡからのデータ３５０は、６台のデバイスを図示している一方で、プロバイダーＢからのデータ３５５は、８台のデバイスを図示している。（７）で、それぞれのプロバイダーおよび類似するＡＯＩに対して算定される比率値を用いて推定が算定される。したがって、３６０で、推定は、プロバイダーＡからの対象のＡＯＩに対するデータ３５０を用いて算定され、プロバイダーＡに対する３４０Ａ～３４０Ｃで算定される異なる比率値が乗算される。３つの類似するＡＯＩに対して３つの比率値があったため、３つの推定は、３６０で生成される。類似するプロセスは、プロバイダーＢからのデータに対して３６５で実行され、別の３つの推定が生成される。このプロセスは、また、デバイス／オブジェクトカウントアグリゲーター２４０によって実行されてよい。
（９）で、推定は、３７０での組み合わせ関数を用いて組み合わされ、これは、この場合において、生成されたすべての推定（３６０および３６５の両方）から中央値が選択する。図示される例示において、中央値は、９．５１である。（１０）で、集団推定３７５、これは、この場合のおける中央値であり、自動車９．５１台として報告される。（９）および（１０）でのプロセスは、また、デバイス／オブジェクトカウントアグリゲーター２４０によって実行されることができる。
この例示において説明される数／カウントは、理解を容易にするために実際の状況と比較して、意図的に比較的小さく保たれていることに留意されたい。実際には、ある位置での自動車の数、プロバイダー（このように、アプリケーション）の数、およびデバイスの数は、ここで説明される範囲よりも多くなり得る。
（遠隔のオブジェクトを識別するためのプロセスの例示）
図４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たオブジェクト集団推定の結合モデリングのための例示的なプロセス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／または追加の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、あるステップは、連続して実行されてよい。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。ある実施形態において、プロセスは、集団推定システム１３５によって実行される。
集団推定システム１３５は、対象の関心の領域（ＡＯＩ）に対する集団を推定するために要求を受信する４１０。これは、対象のＡＯＩである。この推定を生成するために、集団推定システム１３５は、対象のＡＯＩに類似するＡＯＩに対する比率値にアクセスし、これは、上記のように、対象のＡＯＩに測定可能な特徴を共有する４２０。これらの測定可能な特徴は、対象のＡＯＩと同一または類似する特徴の範囲内であってよい。上記のように、比率値は、類似するＡＯＩで報告されたオブジェクトのカウントと類似するＡＯＩで報告されたデバイスまたはユニットのカウントとの比率であり、ルックバック範囲内で収集されるデータに基づいて生成されることができる。集団推定システム１３５は、さらに、対象のＡＯＩに対して、ユニットのカウントにアクセスし、これは、デバイスのカウントであってよい４３０。このユニットのカウントは、対象の時間に最も近いデータに基づいてよい。集団推定システム１３５は、このユニットのカウントおよび類似するＡＯＩの比率値に基づいて、対象のＡＯＩに対する集団推定を生成する４４０。これは、例えば、ユニットのカウントにさまざまな比率値を乗算することによって、多様な推定を生成し、且つ推定の中央値をとるために生成されることができる。
（マシンアーキテクチャの例示）
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。代替の実施形態において、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として、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、個々にまたは結合で命令５２４を実行するマシンの任意の集合を含むこと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任意の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）に完全にまた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、または受信してよい。
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、個々の動作のうちの１つまたは複数を同時に実行することができ、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、または配置されてよい。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。専用の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））を介してアクセスすることが可能である。
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」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または変換するマシン（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、ＡＯＩの集団推定を推定するためのシステムに対して、さらなる代替的な構造および機能の設計を理解することとなるであろう。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。当業者には明らかであ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. 空間イメージングデバイスによってキャプチャされた画像を格納するための空間イメージングストレージサブシステムと、
    対象の関心の領域（ＡＯＩ）に対する車両のカウントを推定するリクエストを受信し、
    類似するＡＯＩに対する複数の比率値にアクセスすることであって、それぞれの比率値は、類似するＡＯＩで報告されたデバイスユーザーの数のカウントと前記類似するＡＯＩの車両の数のカウントとの間の比率を示しており、前記類似するＡＯＩは、前記対象のＡＯＩの対応する測定可能な特徴との類似性の範囲内にある測定可能な特徴を有するＡＯＩであり、前記類似するＡＯＩの前記車両の数の前記カウントは、前記類似するＡＯＩに対する前記空間イメージングストレージサブシステムから受信した空間画像を用いて生成され、前記類似するＡＯＩで報告された前記デバイスユーザーの数の前記カウントは、１つまたは複数の時点での１つまたは複数のモバイルデバイスの地理的位置を示すサードパーティーのデータから抽出され、
    前記対象のＡＯＩで報告されたデバイスユーザーの数のカウントにアクセスし、および
    前記対象のＡＯＩで報告された前記デバイスユーザーの数の前記カウント、および類似するＡＯＩに対する前記複数の比率値の組み合わせを用いて、前記対象のＡＯＩに対する前記車両のカウントの前記推定を生成するための集団推定システムと
    を備えるシステム。
  2. 対象の関心の領域（ＡＯＩ）の集団を推定する要求を受信するステップと、
    類似するＡＯＩに対して複数の比率値にアクセスするステップであって、それぞれの比率値は、類似するＡＯＩで報告されたユニットの数のカウントと前記類似するＡＯＩのオブジェクトの数のカウントとの間の比率を示しており、前記類似するＡＯＩは、特徴を前記対象のＡＯＩと共有するＡＯＩであり、前記類似するＡＯＩの前記オブジェクトの数の前記カウントは、前記類似するＡＯＩに対するセンサーデバイスから受信したセンサーデータを用いて生成されるステップと、
    前記対象のＡＯＩで報告されたユニットの数のカウントにアクセスするステップと、
    前記対象のＡＯＩで報告された前記ユニットの数の前記カウント、および類似するＡＯＩに対する前記複数の比率値に基づいて、前記対象のＡＯＩに対する前記集団の前記推定を生成するステップと、
    を備える方法。
  3. 前記集団は、車両の数であり、前記オブジェクトは、車両であり、前記報告されたユニットは、報告されたデバイスユーザーであり、前記集団の前記推定を生成するステップは、
    前記複数の比率値によって、前記対象のＡＯＩで報告された前記ユニットの数の前記カウントを変更することによって、生成される推定値から組み合わされた推定を生成することによって、前記対象のＡＯＩに対するオブジェクト数の推定を決定するステップをさらに含む請求項２に記載の方法。
  4. 前記組み合わされた推定は、前記推定の中央値である
    請求項３に記載の方法。
  5. 前記集団は、人の数であり、前記オブジェクトは、車両であり、前記報告されたユニットは、報告されたデバイスユーザーであり、前記集団の前記推定を生成するステップは、
    前記複数の比率値によって、前記対象のＡＯＩで報告された前記ユニットの数の前記カウントを変更することによって、生成される推定値から組み合わされた推定を生成することによって、前記対象のＡＯＩに対するオブジェクト数の推定を決定するステップと、
    変換値を用いて、前記オブジェクト数の前記推定を人の数の推定に変換するステップと、
    をさらに含む請求項２に記載の方法。
  6. 前記対象のＡＯＩに前記類似するＡＯＩは、前記類似するＡＯＩと前記対象のＡＯＩとの間の特徴を共有することに基づいて決定されて、前記特徴は、ＡＯＩでの利用可能な集団発見条件のタイプと、誤ったユニットレポートを作成するエリアへの前記ＡＯＩの近接性と、前記ＡＯＩの地理的サイズと、前記ＡＯＩでのユーザーの参加率と、前記ＡＯＩでの位置と、前記ＡＯＩでの利用可能な公共交通機関の選択肢のタイプと、前記ＡＯＩによって生成される収益と、前記ＡＯＩでの領域のタイプと、前記ＡＯＩでの屋根付き駐車場の利用可能性と、前記ＡＯＩでのユーザーの人口統計とのうちの少なくとも１つを含む
    請求項２に記載の方法。
  7. 前記対象のＡＯＩに前記類似するＡＯＩは、
    ＡＯＩが１）前記対象のＡＯＩの閾値の範囲内にあるサイズを有して、２）閾値レートを超える平均オブジェクトアクティビティを有する経路から少なくとも閾値距離にある位置を有して、３）前記ＡＯＩで利用可能なオブジェクト発見の合計の閾値パーセンテージよりも少ない発見条件の領域を有することで、前記対象のＡＯＩに前記類似するＡＯＩを選択することによって決定される
    請求項２に記載の方法。
  8. 前記類似するＡＯＩで報告された前記ユニットの数の前記カウントは、１つまたは複数の時点での１つまたは複数のユニットの地理的位置を示すサードパーティーから受信したデータから抽出される
    請求項２に記載の方法。
  9. それぞれの類似するＡＯＩの前記オブジェクトの数の前記カウントは、
    要求日の日数の閾値の範囲内の取得日を有する前記類似するＡＯＩの候補センサーデータに対して、前記類似するＡＯＩの格納されるセンサーデータのデータベースを検索すること、および
    前記要求日に最も近い取得日を有する前記類似するＡＯＩの候補センサーデータを選択すること
    によって生成される請求項２に記載の方法。
  10. オブジェクト検出コンピュータのモデルを用いて、前記候補センサーデータに示される前記オブジェクトの数の前記カウントを決定するステップをさらに備える
    請求項８に記載の方法。
  11. システムであって、
    関心の領域（ＡＯＩ）のセンサーデータを格納するためのストレージサブシステムと、
    対象の関心の領域（ＡＯＩ）に対する集団を推定する要求を受信し、
    類似するＡＯＩに対して複数の比率値にアクセスすることであって、それぞれの比率値は、類似するＡＯＩで報告されたユニットの数のカウントと前記類似するＡＯＩのオブジェクトの数のカウントとの間の比率を示しており、前記類似するＡＯＩは、特徴を前記対象のＡＯＩと共有するＡＯＩであり、前記類似するＡＯＩの前記オブジェクトの数の前記カウントは、前記類似するＡＯＩに対するストレージシステムから受信したセンサーデータを用いて生成され、
    前記対象のＡＯＩで報告されたユニットの数のカウントにアクセスし、
    前記対象のＡＯＩで報告された前記ユニットの数の前記カウント、および類似するＡＯＩに対する前記複数の比率値に基づいて、前記対象のＡＯＩに対する前記集団の前記推定を生成するための集団推定システムと
    を備えるシステム。
  12. 前記集団は、車両の数であり、前記オブジェクトは、車両であり、前記報告されたユニットは、デバイスユーザーの報告されたデバイスであり、前記データ処理システムは、
    前記複数の比率値によって、前記対象のＡＯＩで報告された前記ユニットの数の前記カウントを変更することによって、生成される推定値から組み合わされた推定を生成することによって、前記対象のＡＯＩに対するオブジェクト数の推定を決定するようにさらに構成される
    請求項１１に記載のシステム。
  13. 前記組み合わされた推定は、前記推定値の中央値である
    請求項１２に記載のシステム。
  14. 前記集団は、人の数であり、前記オブジェクトは、車両であり、前記報告されたユニットは、デバイスユーザーの報告されたデバイスであり、前記データ処理システムは、
    前記複数の比率値によって、前記対象のＡＯＩで報告された前記ユニットの数の前記カウントを変更することによって、生成される推定値から組み合わされた推定を生成することによって、前記対象のＡＯＩに対するオブジェクト数の推定を決定すること、および
    変換値を用いて、前記オブジェクト数の前記推定を人の数の推定に変換するようにさらに構成される
    請求項１１に記載のシステム。
  15. 前記対象のＡＯＩに前記類似するＡＯＩは、前記類似するＡＯＩと前記対象のＡＯＩとの間の特徴を共有することに基づいて決定されて、前記特徴は、ＡＯＩでの利用可能な集団発見条件のタイプと、誤ったユニットレポートを作成するエリアへの前記ＡＯＩの近接性と、前記ＡＯＩの地理的サイズと、前記ＡＯＩでのユーザーの参加率と、前記ＡＯＩでの位置と、前記ＡＯＩでの利用可能な公共交通機関の選択肢のタイプと、前記ＡＯＩによって生成される収益と、前記ＡＯＩでの領域のタイプと、前記ＡＯＩでの屋根付き駐車場の利用可能性と、前記ＡＯＩでのユーザーの人口統計とのうちの少なくとも１つを含む
    請求項１１に記載のシステム。
  16. 前記対象のＡＯＩに前記類似するＡＯＩは、
    ＡＯＩが１）前記対象のＡＯＩの閾値の範囲内にあるサイズを有して、２）閾値レートを超える平均オブジェクトアクティビティを有する経路から少なくとも閾値距離にある位置を有して、３）前記ＡＯＩで利用可能なオブジェクト発見の合計の閾値パーセンテージよりも少ない発見条件の領域を有することで、前記対象のＡＯＩに前記類似するＡＯＩを選択することによって決定される
    請求項１１に記載のシステム。
  17. 前記類似するＡＯＩで報告された前記ユニットの数の前記カウントは、１つまたは複数の時点での１つまたは複数のユニットの地理的位置を示すサードパーティーから受信したデータから抽出される
    請求項１１に記載のシステム。
  18. それぞれの類似するＡＯＩの前記オブジェクトの数の前記カウントは、
    要求時間の時間の閾値の範囲内の時間のメタデータを有する前記類似するＡＯＩの候補センサーデータに対して、前記類似するＡＯＩの格納されるセンサーデータのデータベースを検索すること、および
    前記時間に最も近い取得時間を有する前記類似するＡＯＩの候補センサーデータを選択すること
    によって生成される請求項１１に記載のシステム。
  19. それぞれの類似するＡＯＩの前記オブジェクトの数の前記カウントは、
    オブジェクト検出コンピュータのモデルを用いて、前記候補センサーデータに示される前記オブジェクトの数の前記カウントを決定することによって生成される
    請求項１５に記載のシステム。
  20. 非一時的なコンピュータ可読記憶媒体であって、
    コンピュータ可読命令を格納し、コンピューティングシステムのプロセッサによって実行された場合に、プロセッサに、
    対象の関心の領域（ＡＯＩ）に対する集団を推定する要求を受信させ、
    類似するＡＯＩに対して複数の比率値にアクセスさせることであって、それぞれの比率値は、類似するＡＯＩで報告されたユニットの数のカウントと前記類似するＡＯＩのオブジェクトの数のカウントとの間の比率を示しており、前記類似するＡＯＩは、特徴を前記対象のＡＯＩと共有するＡＯＩであり、前記類似するＡＯＩの前記オブジェクトの数の前記カウントは、前記類似するＡＯＩに対するセンサーデバイスから受信したセンサーデータを用いて生成され、
    前記対象のＡＯＩで報告されたユニットの数のカウントにアクセスさせ、および
    前記対象のＡＯＩで報告された前記ユニットの数の前記カウント、および類似するＡＯＩに対する前記複数の比率値に従って、前記対象のＡＯＩに対する前記集団の前記推定を生成することをさせる
    非一時的なコンピュータ可読記憶媒体。
JP2021550207A 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 Active JP7042983B2 (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
US16/410,435 US10909366B2 (en) 2019-02-28 2019-05-13 Joint modeling of object population estimation using sensor data and distributed device data
US16/410,435 2019-05-13
PCT/US2020/020470 WO2020176877A1 (en) 2019-02-28 2020-02-28 Joint modeling of object population estimation using sensor data and distributed device data

Publications (2)

Publication Number Publication Date
JP2022518620A true JP2022518620A (ja) 2022-03-15
JP7042983B2 JP7042983B2 (ja) 2022-03-28

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 Before (1)

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

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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140270355A1 (en) * 2013-03-14 2014-09-18 Alex Terrazas Methods and apparatus to estimate demography based on aerial images
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 (24)

* 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
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
JP6361256B2 (ja) 2014-04-17 2018-07-25 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
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
JP5915803B2 (ja) 2015-06-09 2016-05-11 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
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140270355A1 (en) * 2013-03-14 2014-09-18 Alex Terrazas Methods and apparatus to estimate demography based on aerial images
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
齋藤正史ほか: "空間統計データを用いた車両走行推定方式の一提案", 情報処理学会 研究報告 マルチメディア通信と分散処理（ＤＰＳ） ２０１８−ＤＰＳ−１７５ ［ＯＮＬＩ, vol. 第２０１８−ＤＰＳ−１７５巻，第２７号, JPN6022005883, 17 May 2018 (2018-05-17), JP, pages 1 - 6, ISSN: 0004706794 *

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
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
JP2022518619A (ja) 2022-03-15

Similar Documents

Publication Publication Date Title
JP7042983B2 (ja) 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
US11250051B2 (en) Method, apparatus, and system for predicting a pose error for a sensor system
US10955586B2 (en) Weather forecasting system and methods
US9390621B2 (en) System and method for measuring the real traffic flow of an area
US10332309B2 (en) Method and apparatus for identifying buildings in textured 3D mesh data and generating 3D building models
US11392733B2 (en) Multi-dimensional event model generation
US10445772B1 (en) Label placement based on objects in photographic images
US20130095855A1 (en) Method, System, and Computer Program Product for Obtaining Images to Enhance Imagery Coverage
CN110869926A (zh) 基于语义状态的传感器跟踪和更新
US10921130B1 (en) Method and apparatus for providing an indoor pedestrian origin-destination matrix and flow analytics
US11549816B2 (en) Systems and methods for controlling mapping information inaccuracies
Middya et al. Jusense: a unified framework for participatory-based urban sensing system
US10972900B2 (en) Method and apparatus for providing selected access to user mobility data based on a quality of service
Kou et al. Mapping the spatio-temporal visibility of global navigation satellites in the urban road areas based on panoramic imagery
US11989905B2 (en) Systems and methods for synchronizing an image sensor
Cheng et al. Big Data for urban studies: opportunities and challenges: a comparative perspective
US20220386072A1 (en) Description landmarks for radio mapping
CN116486635A (zh) 路面团雾检测预警方法、系统、存储介质及终端
CN111984875A (zh) 用于识别建筑物访问机构的方法、设备和计算机程序产品
US12085411B2 (en) Multiple mode learning of absolute altitude of floors of a building
US20230345205A1 (en) Home location based normalization
US20210180972A1 (en) Correcting speed estimations using aggregated telemetry data
Biagioni Inferring Semantic Information from User Mobility Data

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211022

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211022

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20211022

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: 20220215

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220315

R150 Certificate of patent or registration of utility model

Ref document number: 7042983

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150