JP7359921B1 - System and method for estimating advertising slot position based on communication data - Google Patents
System and method for estimating advertising slot position based on communication data Download PDFInfo
- Publication number
- JP7359921B1 JP7359921B1 JP2022147944A JP2022147944A JP7359921B1 JP 7359921 B1 JP7359921 B1 JP 7359921B1 JP 2022147944 A JP2022147944 A JP 2022147944A JP 2022147944 A JP2022147944 A JP 2022147944A JP 7359921 B1 JP7359921 B1 JP 7359921B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- precision
- crowd
- point
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000010586 diagram Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
【課題】通信データに基づいて広告スロットの位置を推測するシステム及び方法を提供する。
【解決手段】複数の通信データから複数の群衆描写データ及び複数のポイントオブインタレストデータを取得する。プロセッサはハニカム六角形空間インデックスアルゴリズムを利用して群衆描写データ及びポイントオブインタレストデータの精度を第一精度及び第二精度とそれぞれ定義する。第一精度及び第二精度に基づいて群衆描写データ及びポイントオブインタレストデータを統合する。プロセッサは群衆描写データ及びポイントオブインタレストデータの統合データを検索し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測する。本発明のシステム及び方法により、異なる精度のデータを高速に統合する。
【選択図】図１
A system and method for estimating the location of an advertisement slot based on communication data is provided.
A plurality of crowd depiction data and a plurality of points of interest data are acquired from a plurality of communication data. The processor utilizes a honeycomb hexagonal spatial indexing algorithm to define the precision of the crowd depiction data and the point of interest data as a first precision and a second precision, respectively. The crowd depiction data and the point of interest data are integrated based on the first precision and the second precision. The processor searches the integrated crowd depiction data and point of interest data and infers the location of at least one slot that simultaneously matches the crowd depiction and point of interest. The systems and methods of the present invention rapidly integrate data of different precisions.
[Selection diagram] Figure 1
Description
本発明は、広告配信技術に関し、より詳しくは、通信データに基づいて広告スロットの位置を推測するシステム及び方法に関する。 TECHNICAL FIELD The present invention relates to advertisement distribution technology, and more particularly to a system and method for estimating the position of an advertisement slot based on communication data.
広告代理店やメディア代理店は製品の購入確率を高めるため、ターゲットとする顧客に対し広告を正確に配信する必要があった。 Advertising agencies and media agencies needed to accurately deliver advertisements to targeted customers in order to increase the probability of purchasing products.
しかしながら、精確なマーケティングを実現する鍵は、配信コンテンツを適合する属性の群衆に精確に接触させることである。一例を挙げると、公園付近に公共放送システムを設置し、例えば、運動好きの若者が多い、ペット連れの中高年が多い等の公園付近にいる群衆の描写が分かれば、群衆描写に基づいて公共放送システムに広告を配信することができる。群衆の違いに応じて配信する広告の属性も異なってくる。このため、広告を見る人の共感を得ることで、更なるビジネスチャンスを生みだすことが、現在広告効果を高めるために解決すべき主要な課題となっている。 However, the key to precision marketing is to accurately expose distributed content to crowds with matching demographics. For example, if a public broadcasting system is installed near a park, and the description of the crowd near the park is known, for example, there are many young people who like sports, many middle-aged people with pets, etc., the public broadcasting system can be used based on the crowd description. Ads can be delivered to the system. The attributes of the advertisements to be distributed will also differ depending on the crowd. For this reason, creating further business opportunities by gaining sympathy from those who view advertisements is currently a major issue to be solved in order to increase advertising effectiveness.
群衆描写データは一般的に通信データにより取得し、或いは通信事業者と協力し、指定地点の35*35m四方の範囲内で取得し、毎日どれくらいの性別、年齢、趣味の好みの群衆がいるかという描写を取得する。その一部の群衆描写は通信データにより取得する以外、データの分析及び統計技術により、大量のデータから正確な群衆描写情報を選出する。また、地点描写のポイントオブインタレスト（point of interest, POI）データの取得にも一定の困難さがある。例えば、周囲に何行の銀行、何校の学校、何ヵ所の公園等の施設があるかをどのように取得するかである。費用をかけて人力でポイントオブインタレストデータを収集する以外、最も有効的な方法は、Googleポイントオブインタレストアプリケーションプログラミングインターフェース（POI API）を使用して取得することである。従来技術では上述の２種類のデータを取得可能ではあるが、「群衆の描写」の通信データ及び「地点の描写」のポイントオブインタレストデータを統合して使用することは、従来技術では解決できない問題であった。通信データの精度はポイントを中心とした35*35m2の範囲であり、ポイントオブインタレストのグラフィックデータの収集でも同様の精度でデータを収集する場合、範囲が狭すぎた。このため、幾つのポイントオブインタレストのポイントがあるかを問えないばかりではなく、大金をはたいてデータをAPIに入力する必要があった。一例を挙げると、台湾の面積は36197000000m2であり、通信データが35*35=1225m2である場合、36197000000/1225=29533877となり、35*35（m）の精度でデータをGoogleポイントオブインタレストアプリケーションプログラミングインターフェースに入力することになる。よって、１つのタイプを入力するのに３千万回近く入力しなければならなかった。９０個のタイプを入力するならば、Googleポイントオブインタレストアプリケーションプログラミングインターフェースに３千万回*９０タイプ=２７億回入力しなけらばならず、天文学的な回数と費用がかかった。また、これでも完全なポイントオブインタレストポイントを収集可能とは限らず、35*35（m）の精度では狭すぎ、Googleポイントオブインタレストアプリケーションプログラミングインターフェースの毎回の情報量も不完全であった。 Crowd description data is generally obtained through communication data or in cooperation with communication carriers, and is obtained within a 35 x 35 m square area of a designated point, and is used to estimate how many people there are in the crowd each day, depending on their gender, age, and hobbies. Get the depiction. In addition to obtaining some of the crowd descriptions using communication data, accurate crowd description information is selected from a large amount of data using data analysis and statistical techniques. Additionally, there are certain difficulties in obtaining point of interest (POI) data for location descriptions. For example, how to obtain information about how many banks, schools, parks, and other facilities there are in the vicinity. The most effective way to collect point-of-interest data, other than expensive manual labor, is to use the Google Point-of-Interest Application Programming Interface (POI API). Although it is possible to obtain the two types of data mentioned above with the conventional technology, integrating and using the communication data of "crowd description" and the point of interest data of "point description" is a problem that cannot be solved with the conventional technology. Met. The accuracy of the communication data was within a range of 35*35m 2 centered on the point, and the range was too narrow to collect data with similar accuracy when collecting point-of-interest graphic data. This not only meant you couldn't ask how many points of interest you had, but you had to spend a lot of money inputting the data into the API. To give an example, if the area of Taiwan is 36197000000m2 and the communication data is 35*35= 1225m2 , then 36197000000/1225=29533877, and the data with an accuracy of 35*35(m) can be transferred to the Google Point of Interest application. This will be input into the programming interface. Therefore, it took nearly 30 million times to enter one type. If you input 90 types, you would have to input them 30 million times * 90 types = 2.7 billion times into the Google Point of Interest application programming interface, which was an astronomical amount of time and cost. In addition, even with this, it was not always possible to collect complete points of interest points, the precision of 35*35 (m) was too narrow, and the amount of information each time in the Google Points of Interest application programming interface was incomplete.
そこで、本発明者は上記の欠点が改善可能と考え、鋭意検討を重ねた結果、合理的設計で上記の課題を効果的に改善する本発明の提案に至った。 Therefore, the inventor of the present invention believed that the above-mentioned drawbacks could be improved, and as a result of intensive studies, he came up with the proposal of the present invention, which effectively improves the above-mentioned problems through rational design.
本発明は、上記問題点に鑑みて本発明者の鋭意研究により成されたものであり、その主目的は、通信データに基づいて広告スロットの位置を推測するシステム及び方法を提供することにある。すなわち、ハニカム六角形空間インデックスアルゴリズム（UBER’s hexagonal hierarchical spatial index, Uber H3）を利用して２種類の異なる精度のデータを統合し、従来の群衆描写の通信データ及び群衆描写のポイントオブインタレストデータを統合できないという問題を解決し、広告スロットの位置を更に需要に適合させる。 The present invention was achieved through intensive research by the inventor in view of the above problems, and its main purpose is to provide a system and method for estimating the position of an advertisement slot based on communication data. . That is, it integrates two types of data with different precision using the honeycomb hexagonal hierarchical spatial index algorithm (UBER's hexagonal hierarchical spatial index, Uber H3), and integrates traditional crowd depiction communication data and crowd depiction point-of-interest data. To solve the problem of not being able to do so, and to further adapt the position of advertising slots to demand.
また、本発明の他の目的は、通信データに基づいて広告スロットの位置を推測するシステム及び方法を提供することである。すなわち、Uber H3ハニカム六角形空間インデックスアルゴリズムを利用して検索範囲を１つのセルから隣接する６つのセルに拡大する。 Another object of the present invention is to provide a system and method for inferring the location of an advertisement slot based on communication data. That is, the search range is expanded from one cell to six adjacent cells using the Uber H3 honeycomb hexagonal spatial indexing algorithm.
また、本発明のさらなる他の目的は、通信データに基づいて広告スロットの位置を推測するシステム及び方法を提供することである。すなわち、Uber H3ハニカム六角形空間インデックスアルゴリズムを利用してセルの周囲の指標値を取得し、周囲の地域を高速に検索し、且つ近隣のポイントであることを保証し、検索速度を速める。 Still another object of the present invention is to provide a system and method for estimating the location of an advertisement slot based on communication data. That is, the Uber H3 honeycomb hexagonal spatial indexing algorithm is used to obtain the index value around the cell, and the surrounding area is quickly searched, and the points are guaranteed to be nearby, which speeds up the search speed.
上記課題を解決するために、本発明の一実施態様によれば、通信データに基づいて広告スロットの位置を推測するシステムが提供される。前記通信データに基づいて広告スロットの位置を推測するシステムはサーバーに設置され、且つ広告スロットの位置を推測する通信データに基づいて広告スロットの位置を推測するシステムであって、複数の通信データから複数の群衆描写データを取得する第一収集モジュールと、複数のポイントオブインタレストデータを取得する第二収集モジュールと、群衆描写データを保存するように第一収集モジュールに接続される第一データベースと、ポイントオブインタレストデータを保存するように第二収集モジュールに接続される第二データベースと、第一データベース及び第二データベースに接続されるプロセッサであって、ハニカム六角形空間インデックスアルゴリズムを利用して群衆描写データの精度を第一精度と定義し、ポイントオブインタレストデータの精度を第二精度と定義し、第一精度及び第二精度に基づいて群衆描写データ及びポイントオブインタレストデータを統合し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測するプロセッサと、を備えている。 In order to solve the above problems, one embodiment of the present invention provides a system for estimating the position of an advertisement slot based on communication data. The system for estimating the position of the advertisement slot based on the communication data is installed in the server, and is a system for estimating the position of the advertisement slot based on the communication data for estimating the position of the advertisement slot, and the system estimates the position of the advertisement slot based on the communication data for estimating the position of the advertisement slot. a first collection module that obtains a plurality of crowd description data; a second collection module that obtains a plurality of points of interest data; and a first database connected to the first collection module to store the crowd description data; a second database connected to the second collection module to store point-of-interest data; and a processor connected to the first database and the second database for crowd depiction utilizing a honeycomb hexagonal spatial indexing algorithm. The accuracy of the data is defined as the first accuracy, the accuracy of the point of interest data is defined as the second accuracy, and the crowd depiction data and the point of interest data are integrated based on the first accuracy and the second accuracy, and the crowd depiction and a processor for estimating the location of at least one slot that simultaneously matches a point of interest.
本発明の一態様によれば、群衆描写データは少なくとも１つの通信事業者から取得した通信データ中から獲得し、群衆描写データとして性別と、年齢と、趣味の好みと、を含む。 According to one aspect of the present invention, the crowd description data is obtained from communication data obtained from at least one communication carrier, and includes gender, age, and hobby preference as the crowd description data.
本発明の一態様によれば、ポイントオブインタレストデータはポイントオブインタレスト収集アプリケーションプログラミングインターフェースを使用して取得し、ポイントオブインタレストデータの対象として特定の地域の公共施設を含む。 According to one aspect of the invention, point of interest data is obtained using a point of interest collection application programming interface and includes public facilities in a particular area as subject to the point of interest data.
本発明の一態様によれば、群描写データの第一精度に対応する第一比較表は第一データベース中に保存されている。 According to one aspect of the invention, a first comparison table corresponding to a first precision of the group description data is stored in the first database.
本発明の一態様によれば、ポイントオブインタレストデータの第二精度に対応する第二比較表は第二データベース中に保存されている。 According to one aspect of the invention, a second comparison table corresponding to a second precision of point of interest data is stored in the second database.
本発明の一態様によれば、第一精度及び第二精度は共に地図を正六角形の複数のセルで構成するハニカム状メッシュに分割し、且つプロセッサが何れか１つの座標点に対し第一精度または第二精度にある座標点の指標値を算出する。 According to one aspect of the present invention, both the first precision and the second precision divide the map into a honeycomb-like mesh composed of a plurality of regular hexagonal cells, and the processor calculates the first precision for any one coordinate point. Or calculate the index value of the coordinate point in the second precision.
本発明の一態様によれば、プロセッサは前記第一精度のうちの１つのセルにある群衆描写データを検索する場合、第一精度の１層上の層の精度を更に推測し、セルの周囲にある６つの隣接するセルをセルに併合し、検索範囲を拡大する。 According to one aspect of the present invention, when searching for crowd depiction data in one cell of the first precision, the processor further estimates the precision of a layer one layer above the first precision, and Merge six adjacent cells in the cell to expand the search range.
本発明の一態様によれば、プロセッサは第一精度または第二精度のうちの１つのセルにある群衆描写データまたはポイントオブインタレストデータを検索すると、需要を満たすスロットの位置を検索できなかった場合、セルを基準点として周囲の隣接するセルに向けて検索を行う。 According to one aspect of the invention, if the processor searches for crowd depiction data or point of interest data in one of the cells of the first precision or the second precision, if a slot location that satisfies the demand cannot be found. , a search is performed toward surrounding adjacent cells using the cell as a reference point.
本発明の別の態様によれば、通信データに基づいて広告スロットの位置を推測する方法がさらに提供される。前記通信データに基づいて広告スロットの位置を推測する方法はサーバーに設置され、以下のステップを含む。複数の通信データから複数の群衆描写データ及び複数のポイントオブインタレストデータを取得するステップ。プロセッサがハニカム六角形空間インデックスアルゴリズムを利用して群衆描写データの精度を第一精度と定義するステップ。プロセッサがハニカム六角形空間インデックスアルゴリズムを利用してポイントオブインタレストデータの精度を第二精度と定義し、第一精度及び第二精度に基づいて群衆描写データ及びポイントオブインタレストデータを統合するステップ。プロセッサが群衆描写データ及びポイントオブインタレストデータの統合データを検索し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測するステップ。 According to another aspect of the invention, a method for inferring the location of an advertisement slot based on communication data is further provided. The method for estimating the position of an advertisement slot based on the communication data is installed in a server and includes the following steps. Obtaining a plurality of crowd depiction data and a plurality of points of interest data from a plurality of communication data. The processor utilizes a honeycomb hexagonal spatial indexing algorithm to define the accuracy of the crowd depiction data as a first accuracy. The processor utilizes a honeycomb hexagonal spatial indexing algorithm to define the precision of the point of interest data as a second precision, and integrates the crowd depiction data and the point of interest data based on the first precision and the second precision. The processor searches the integrated crowd depiction data and point of interest data and infers the location of at least one slot that simultaneously matches the crowd depiction and the point of interest.
本発明は、以上説明したように構成されているので、以下に記載されるような効果を奏する。 Since the present invention is configured as described above, it produces the effects described below.
以下、本発明の実施例の添付図面を併せ、本発明の実施例の技術手段について明快且つ完全に説明する。当然ながら、説明する実施例は本発明の一部の実施例にすぎず、全部の実施例ではない。本発明の実施例によると、本技術分野に習熟する者が何ら進歩的な働きをすることなく獲得した全ての他の実施例は本発明の保護範囲に含まれる。 Hereinafter, the technical means of the embodiments of the present invention will be clearly and completely explained together with the accompanying drawings of the embodiments of the present invention. Naturally, the described embodiments are only some, but not all, embodiments of the invention. According to the embodiments of the present invention, all other embodiments obtained by those skilled in the art without making any advanced efforts fall within the protection scope of the present invention.
本明細書及び添付する特許請求の範囲において使用する「備える」及び「含む」という用語は、説明する特徴、全体、ステップ、操作、元素、及び/または部材の存在を指すが、１つまたは複数の他の特徴、全体、ステップ、操作、元素、部材、及び/またはその集合の存在や添加も排除しない点に留意すべきである。 As used in this specification and the appended claims, the terms "comprising" and "comprising" refer to the presence of one or more of the described features, wholes, steps, operations, elements, and/or members. It should be noted that the presence or addition of other features, wholes, steps, operations, elements, members and/or collections thereof is not excluded.
また、本発明の明細書において使用する用語は特定の実施例を説明する目的のために用いるのみであり、本発明を制限しない点に留意すべきである。本発明の明細書及び添付する特許請求の範囲において使用するように、前後の文中で他の状況を明確に指していない限り、単数形式の「１」、「１つ」及び「前記」は複数の形式も含む。 It should also be noted that the terms used in the specification of the present invention are used only for the purpose of describing particular embodiments and do not limit the present invention. As used in the specification of this invention and the appended claims, the singular forms "1," "an," and "said" refer to the plural unless the context clearly dictates otherwise. Also includes formats.
また、本発明の明細書及び添付する特許請求の範囲において使用する「及び/または」という用語は、関連する項の１つまたは複数のあらゆる組み合わせ及び全ての可能な組み合わせを指し、且つこれらの組み合わせを含む点に留意すべきである。 Furthermore, the term "and/or" as used in the specification of the invention and the appended claims refers to and includes all combinations and all possible combinations of one or more of the associated terms. It should be noted that this includes
本発明は、通信データに基づいて広告スロットの位置を推測するシステム及び方法が提供される。図１は本発明に係る通信データに基づいて広告スロットの位置を推測するシステムを示すブロック図である。本発明の通信データに基づいて広告スロットの位置を推測するシステム１０はサーバー１２に設置されている。この通信データに基づいて広告スロットの位置を推測するシステム１０は、第一収集モジュール１３と、第二収集モジュール１４と、第一データベース１５と、第二データベース１６と、プロセッサ１８と、を含んで構成される。第一収集モジュール１３は通信事業者２０のホストコンピューターに信号が接続され、通信事業者２０の顧客の性別、年齢、趣味の好み（例えば、携帯電話を使用してどのようなタイプのウェブページを閲覧しているか）、移動の足跡等の群衆描写データを含む前記通信事業者２０の通信データを取得する。第一収集モジュール１３は第一データベース１５に接続され、収集した群衆描写データは第一データベース１５に保存される。第二収集モジュール１４はインターネットサービスプロバイダー２２のホストコンピューターに信号が接続され、インターネットサービスプロバイダー２２は例えばGoogle POI アプリケーションプログラミングインターフェースであり、銀行、学校、公園等の公共施設（即ち、ポイントオブインタレスト）の位置を含む地点描写の情報を取得する。第二収集モジュール１４は第二データベース１６に接続され、収集したポイントオブインタレストデータは第二データベース１６に保存される。プロセッサ１８は第一データベース１５及び第二データベース１６に接続されている。プロセッサ１８はハニカム六角形空間インデックスアルゴリズム（UBER’s hexagonal hierarchical spatial index, Uber H3）を利用して群衆描写データ及びポイントオブインタレストデータの精度を定義し、群衆描写データ及びポイントオブインタレストデータを統合する。 The present invention provides a system and method for inferring the location of advertising slots based on communication data. FIG. 1 is a block diagram illustrating a system for estimating the position of an advertisement slot based on communication data according to the present invention. The system 10 for estimating the location of advertising slots based on communication data of the present invention is installed on a server 12 . The system 10 for estimating the position of an advertisement slot based on this communication data includes a first collection module 13 , a second collection module 14 , a first database 15 , a second database 16 , and a processor 18 . configured. The first collection module 13 has a signal connected to a host computer of the carrier 20 and collects information such as gender, age, and hobby preferences of the carrier 20's customers (e.g., what types of web pages are accessed using a mobile phone). communication data of the communication carrier 20, including crowd depiction data such as whether the user is browsing the site), footprints of movement, etc. The first collection module 13 is connected to a first database 15, and the collected crowd description data is stored in the first database 15. The second collection module 14 is signal-coupled to a host computer of an Internet service provider 22, which is, for example, a Google POI application programming interface, which is connected to a host computer of a public facility (i.e., point of interest) such as a bank, school, park, etc. Obtain point description information including location. The second collection module 14 is connected to a second database 16 and the collected points of interest data are stored in the second database 16. Processor 18 is connected to first database 15 and second database 16 . Processor 18 utilizes UBER's hexagonal hierarchical spatial index (UBER H3) to define the accuracy of the crowd depiction data and point of interest data and to integrate the crowd depiction data and point of interest data.
図２を併せて参照し、図２は本発明に係る通信データに基づいて広告スロットの位置を推測する方法を示すフローチャートである。ステップＳ１０において、複数の通信データから複数の群衆描写データ及び複数のポイントオブインタレストデータを取得する。ステップＳ１２において、プロセッサ１８はハニカム六角形空間インデックスアルゴリズムを利用して群衆描写データの精度を定義し、群衆描写データをハニカム六角形空間インデックスアルゴリズムの第一精度に対応させる。第一精度及び第二精度が対応する面積の広さは異なる。次いで、ステップＳ１４において、プロセッサ１８はポイントオブインタレストデータの精度を定義し、ポイントオブインタレストデータをハニカム六角形空間インデックスアルゴリズムの第二精度に対応させ、且つ第一精度及び第二精度に基づいて群衆描写データ及びポイントオブインタレストデータを統合する。最後に、ステップＳ１６において、群衆描写データ及びポイントオブインタレストデータを統合した後、プロセッサ１８はデータを統合するようにキーワードを検索し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測する。 Referring also to FIG. 2, FIG. 2 is a flowchart illustrating a method for estimating the position of an advertisement slot based on communication data according to the present invention. In step S10, a plurality of crowd depiction data and a plurality of point-of-interest data are acquired from a plurality of communication data. In step S12, the processor 18 defines the precision of the crowd depiction data using a honeycomb hexagonal spatial indexing algorithm, and makes the crowd depiction data correspond to a first precision of the honeycomb hexagonal spatial indexing algorithm. The areas corresponding to the first precision and the second precision are different in size. Then, in step S14, the processor 18 defines a precision for the point-of-interest data, makes the point-of-interest data correspond to a second precision of the honeycomb hexagon space indexing algorithm, and calculates a crowd based on the first precision and the second precision. Integrate depiction data and point-of-interest data. Finally, in step S16, after integrating the crowd depiction data and the point of interest data, the processor 18 searches for keywords to integrate the data, and locates the location of at least one slot that matches the crowd depiction and the point of interest at the same time. guess.
本発明において使用するハニカム六角形空間インデックスアルゴリズムはUber H3アルゴリズムであり、このアルゴリズムは地球の空間を識別可能なセルに分割し、緯度と経度をH3が六角形のメッシュインデックスにエンコードし、図３に示す如く、複数のセル３０でハニカム状のメッシュを構成する。目標点（lat, lon）があるセル３０を例にすると、このセル３０の周囲は６つの隣接するセル３０により包囲され、これら７つのセル３０が更に大きい１つの六角形を構成する（図４参照）。全世界の各地点のH3指標値は統一されており、且つ１６段階（Level）に分けられ、各段階は異なる精度をそれぞれ示し、段階０を最大直径（辺の長さは1107712m）とし、段階１５を最小直径（辺の長さは0.5m）とし、直径が小さくなるほど精度が高くなり、よって、段階１５の精度が最高となる。指標値は上及び下に向けて推測し、例えば、段階１０の六角形がカバーする面積は段階１１の７倍 （1884*7=13188）となる。セル３０の指標値（cell id）は相互に推測し、仮に段階１１の指標値が8b4ba010e0a1fffである場合、H3アルゴリズムにより段階１０の指標値を8a4ba010e0a7fffと推測する。よって、Uber H3アルゴリズムは本来異なる２種類の精度のデータを同じ精度のデータとして相互に推測すると共に混合して使用する。 The honeycomb hexagonal space indexing algorithm used in this invention is the Uber H3 algorithm, which divides the earth's space into distinguishable cells and encodes the latitude and longitude into H3 hexagonal mesh indexes, as shown in Figure 3. As shown in the figure, a plurality of cells 30 constitute a honeycomb-like mesh. Taking a cell 30 with a target point (lat, lon) as an example, this cell 30 is surrounded by six adjacent cells 30, and these seven cells 30 constitute one larger hexagon (Fig. 4 reference). The H3 index value for each point around the world is unified and divided into 16 levels (Level), each level indicates a different accuracy, and level 0 is the maximum diameter (the length of the side is 1107712 m). 15 is the minimum diameter (side length is 0.5 m), the smaller the diameter, the higher the accuracy, so the accuracy of stage 15 is the highest. The index value is estimated upwards and downwards, for example, the area covered by the hexagon in step 10 is 7 times that in step 11 (1884*7=13188). The index value (cell ID) of the cell 30 is estimated mutually, and if the index value of step 11 is 8b4ba010e0a1fff, the index value of step 10 is estimated to be 8a4ba010e0a7fff using the H3 algorithm. Therefore, the Uber H3 algorithm mutually infers two types of data with different accuracy as data of the same accuracy and uses them in a mixed manner.
上述のUber H3の原理に基づいて、図４に示す如く、プロセッサ１８が群衆描写データの精度をハニカム六角形空間インデックスアルゴリズムの第一精度３２に対応させ、且つポイントオブインタレストデータの精度をハニカム六角形空間インデックスアルゴリズムの第二精度３４に対応させ、２種類の異なる精度のポイントオブインタレストデータ及び群衆描写データを統合する。通信データの精度が35m2であるため、適合する段階１１（半径約２５m）のH3指標値に対応させるのが最も好ましい。よって、第一精度３２は段階１１とする。また最も重要なポイントオブインタレストデータの精度は段階８（半径約460m）を第二精度３４とし、これによりGoogleポイントオブインタレストアプリケーションプログラミングインターフェースの呼び出し回数も大幅に低下する。台湾の面積は36197000000m2であるため、各H3の段階８の六角形の面積は646367m2とし、36197000000/646367=56000回となる。換言すれば、９０個の分類を満杯になるまで全て収集するには56000*90=5040000回しか必要なく、回数が先行技術に記載の２７億回から、H3アルゴリズムを使用した後には５００万回まで減少しながらも、収集したポイントオブインタレストデータの品質は下がらない。このため、２種類の異なる精度のデータを混合して使用する問題を解決する。プロセッサ１８は何れか１つの座標点に対し第一精度３２または第二精度３４にある座標点の指標値を算出し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測する。このほか、本発明はH3アルゴリズムを応用してポイントオブインタレストアプリケーションプログラミングインターフェースの呼び出し回数を更に節約する。 Based on the principle of Uber H3 mentioned above, as shown in FIG. It corresponds to the second precision 34 of the rectangular space index algorithm, and integrates point-of-interest data and crowd depiction data of two different precisions. Since the accuracy of the communication data is 35 m 2 , it is most preferable to correspond to the H3 index value of the matching stage 11 (radius about 25 m). Therefore, the first accuracy 32 is set to level 11. In addition, the precision of the most important point of interest data is set to a second precision of 34 at stage 8 (approximately 460 m radius), which significantly reduces the number of calls to the Google point of interest application programming interface. Since the area of Taiwan is 36197000000m2 , the area of the hexagon in stage 8 of each H3 is 646367m2 , so 36197000000/646367=56000 times. In other words, to collect all 90 classifications until they are full, only 56000*90=5040000 times are required, which is 5 million times after using the H3 algorithm, from 2.7 billion times stated in the prior art. However, the quality of the point of interest data collected remains unchanged. This solves the problem of mixing and using two types of data with different precisions. The processor 18 calculates the index value of the coordinate point at the first precision 32 or the second precision 34 for any one coordinate point, and estimates the position of at least one slot that simultaneously matches the crowd description and the point of interest. . In addition, the present invention applies the H3 algorithm to further save the number of calls to the point-of-interest application programming interface.
本実施例の発明は、第一データベース１５は群衆描写データを保存する以外、群衆描写データは第一精度３２に対応する第一比較表１５２も第一データベース１５に保存する。同様に、第二データベース１６はポイントオブインタレストデータを保存する以外、第二精度３４に対応する第二比較表１６２も第二データベース１６に保存する。第一比較表１５２は群衆描写のデータポイント、指標値及び第一精度等の欄を含む。第二比較表１６２はポイントオブインタレストデータのポイント、指標値及び第二精度等の欄を含む。 In the invention of this embodiment, the first database 15 not only stores the crowd description data, but also stores the first comparison table 152 corresponding to the first accuracy 32 for the crowd description data. Similarly, in addition to storing point-of-interest data, the second database 16 also stores a second comparison table 162 corresponding to the second precision 34 . The first comparison table 152 includes columns such as crowd depiction data points, index values, and first accuracy. The second comparison table 162 includes columns such as points of point of interest data, index value, and second accuracy.
また、H3アルゴリズムの指標値は小さい段階の指標値から大きい段階の指標値まで推測し、これによりインデックスのオーバーレイ機能を実行する。プロセッサ１８は第一精度３２のうちの１つのセル３０において群衆描写データを検索する場合、第一精度３２の１層上の層の精度を更に推測し、この方法によりセル３０の周囲にある６つの隣接するセルをセル３０に併合し、検索範囲を拡大する。例えば、仮に現在段階８を使用してこの通信データを定義している場合、当然ながら１層上の段階７まで行くと直径が更に大きくなり、更に広い範囲を取得し、周囲の６つの段階８のセルデータを併合し、更に広い範囲のデータインデックスとする。図５を例にすると、仮に１つのセンターセル３６で１軒のコンビニエンスストアしか見つからなかった場合、数量が不足しているため１層上の段階に行き、周囲の６つの隣接するセルも併入し、更に大きなアッパーセル３８とし、目標点（lat, lon）に近い更に多くのコンビニエンスストアを検索可能にする。 In addition, the index value of the H3 algorithm is estimated from the index value of the small stage to the index value of the large stage, and thereby performs the index overlay function. When processor 18 searches for crowd depiction data in one cell 30 of first precision 32, it further estimates the precision one layer above first precision 32, and in this way the 6 Merge two adjacent cells into cell 30 to expand the search range. For example, if we are currently using stage 8 to define this communication data, of course if we go up one level to stage 7, the diameter will be even larger and we will get a wider range, and the surrounding six stages 8 cell data are merged to create a data index with a wider range. Using FIG. 5 as an example, if only one convenience store is found in one center cell 36, the quantity is insufficient, so the process goes up one layer and the surrounding six adjacent cells are also added. However, the upper cell 38 is made larger and more convenience stores near the target point (lat, lon) can be searched.
同様に、H3アルゴリズムに基づいて周囲のインデックスの特性を知ることができ、センターセル３６の指標値が分かれば、その周囲にある６つのセルの指標値も知ることができる。よって、プロセッサ１８が第一精度３２または第二精度３４のうちの１つのセル３０において群衆描写データまたはポイントオブインタレストデータを検索すると、需要を満たすスロットの位置が検索できなかった場合、セル３０を基準点として周囲の隣接するセルに向けて検索を行う。この方法により検索したデータが近隣のポイントであることを保証し、ポイントオブインタレスト間の直線距離を自分で計算する必要がなくなり、先行技術の各ポイントオブインタレストを全てスキャンするという欠点を更に回避する。この方法によりデータのインデックスを加速し、検索速度が大きく向上する。 Similarly, the characteristics of the surrounding indexes can be known based on the H3 algorithm, and if the index value of the center cell 36 is known, the index values of the six surrounding cells can also be known. Thus, when processor 18 searches for crowd depiction data or point-of-interest data in one cell 30 of first precision 32 or second precision 34, if no slot location can be found that satisfies the demand, then cell 30 is searched for. The search is performed toward surrounding adjacent cells as reference points. This method ensures that the retrieved data are neighboring points, eliminating the need to manually calculate the straight-line distance between points of interest, and further avoiding the disadvantage of scanning each point of interest in the prior art. . This method accelerates the indexing of data and greatly increases search speed.
本実施例の発明は、スロット装置がAndroid TV Box、デジタルサイネージ、バス停やコンビニエンスストアの表示スクリーン、エレベーター内のスクリーン等であり、指定時間に指定の広告を配信可能である。本発明はUber H3アルゴリズムにより群衆描写データ及びポイントオブインタレストデータの精度を統合した後、求められる広告スロットの位置を高速に検索する。例えば、求められるスロットの位置が、このポイントでは映画好きの若年男性が多く、且つショッピングエリア付近であり、百貨店があるポイントである場合、この条件を本発明が提供する通信データに基づいて広告スロットの位置を推測するシステム及び方法に適用する。 In the invention of this embodiment, the slot device is an Android TV Box, a digital signage, a display screen at a bus stop or convenience store, a screen in an elevator, etc., and a specified advertisement can be distributed at a specified time. The present invention uses the Uber H3 algorithm to integrate the accuracy of crowd depiction data and point of interest data, and then quickly searches for the desired advertising slot location. For example, if the desired slot location is at a point where there are many young men who like movies at this point, near a shopping area, and where a department store is located, this condition can be determined based on the communication data provided by the present invention. The present invention applies to systems and methods for estimating the location of
以上を総合すると、本発明の通信データに基づいて広告スロットの位置を推測するシステム及び方法は、異なる精度の群衆描写データ及びポイントオブインタレストデータをUber H3アルゴリズムのインデックス結果により統合して使用し、データ購入及び収集にかかる回数を効果的に節約する。また、地球上の１つのポイントの地理的座標（lat、lon）を確認するのみで、段階１～段階１５におけるその座標の全ての指標値を知ることができ、これによって各種データ間を統合して検索し、各種段階のデータを取り出して混合して使用可能となる。 In summary, the system and method for estimating the position of advertising slots based on communication data of the present invention integrates and uses crowd depiction data and point of interest data with different precisions by the index result of Uber H3 algorithm, To effectively save the number of times required for data purchase and collection. In addition, by simply checking the geographic coordinates (lat, lon) of one point on the earth, you can know all the index values of that coordinate in stages 1 to 15, and this allows you to integrate various data. You can retrieve and mix data from various stages for use.
以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。 Although the embodiments of the present invention have been described above in detail with reference to the drawings, the specific configuration is not limited to these embodiments, and may include design changes within the scope of the gist of the present invention.
１０ 通信データに基づいて広告スロットの位置を推測するシステム
１２ サーバー
１３ 第一収集モジュール
１４ 第二収集モジュール
１５ 第一データベース
１５２ 第一比較表
１６ 第二データベース
１６２ 第二比較表
１８ プロセッサ
２０ 通信事業者
２２ インターネットサービスプロバイダー
３０ セル
３２ 第一精度
３４ 第二精度
３６ センターセル
３８ アッパーセル
10 System for estimating the position of advertisement slot based on communication data 12 Server 13 First collection module 14 Second collection module 15 First database 152 First comparison table 16 Second database 162 Second comparison table 18 Processor 20 Telecommunications carrier 22 Internet Service Provider 30 Cell 32 First Precision 34 Second Precision 36 Center Cell 38 Upper Cell
Claims (16)
複数の通信データから複数の群衆描写データを取得する第一収集モジュールと、
複数のポイントオブインタレストデータを取得する第二収集モジュールと、
これら前記群衆描写データを保存するように前記第一収集モジュールに接続される第一データベースと、
これら前記ポイントオブインタレストデータを保存するように前記第二収集モジュールに接続される第二データベースと、
前記第一データベース及び前記第二データベースに接続されるプロセッサであって、ハニカム六角形空間インデックスアルゴリズムを利用してこれら前記群衆描写データの精度を第一精度と定義し、これら前記ポイントオブインタレストデータの精度を第二精度と定義し、前記第一精度及び前記第二精度に基づいてこれら前記群衆描写データ及びこれら前記ポイントオブインタレストデータを統合し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測するプロセッサと、を備えていることを特徴とする通信データに基づいて広告スロットの位置を推測するシステム。 A system for estimating the position of an advertising slot based on communication data installed in a server and estimating the position of an advertising slot,
a first collection module that acquires a plurality of crowd description data from a plurality of communication data;
a second collection module that obtains multiple points of interest data;
a first database connected to the first collection module to store the crowd description data;
a second database connected to the second collection module to store the points of interest data;
a processor connected to the first database and the second database, which defines the accuracy of the crowd depiction data as a first accuracy using a honeycomb hexagonal spatial index algorithm; the accuracy is defined as a second accuracy, and the crowd depiction data and the point of interest data are integrated based on the first accuracy and the second accuracy, and at least one of the crowd depiction data and the point of interest data is simultaneously adapted. A system for estimating the position of an advertisement slot based on communication data, comprising: a processor for estimating the position of the slot.
複数の通信データから複数の群衆描写データ及び複数のポイントオブインタレストデータを取得するステップと、
プロセッサがハニカム六角形空間インデックスアルゴリズムを利用してこれら前記群衆描写データの精度を第一精度と定義するステップと、
前記プロセッサが前記ハニカム六角形空間インデックスアルゴリズムを利用してこれら前記ポイントオブインタレストデータの精度を第二精度と定義し、前記第一精度及び前記第二精度に基づいてこれら前記群衆描写データ及びこれら前記ポイントオブインタレストデータを統合するステップと、
前記プロセッサがこれら前記群衆描写データ及びこれら前記ポイントオブインタレストデータの統合データを検索し、群衆描写及びポイントオブインタレストに同時に適合する少なくとも１つのスロットの位置を推測するステップと、を含むことを特徴とする通信データに基づいて広告スロットの位置を推測する方法。 A method of estimating the position of an advertisement slot based on communication data installed on a server, the method comprising:
obtaining a plurality of crowd depiction data and a plurality of points of interest data from a plurality of communication data;
a processor defining the accuracy of said crowd depiction data as a first accuracy using a honeycomb hexagonal spatial indexing algorithm;
The processor utilizes the honeycomb hexagonal spatial indexing algorithm to define the precision of the points of interest data as a second precision, and defines the precision of the point of interest data as a second precision, integrating point of interest data;
the processor searching the integrated data of the crowd depiction data and the point of interest data and inferring the location of at least one slot that simultaneously matches the crowd depiction and the point of interest. A method for inferring the location of advertising slots based on communication data.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111122283 | 2022-06-15 | ||
| TW111122283A TWI813339B (en) | 2022-06-15 | 2022-06-15 | System and method for estimating the position of advertisement position based on telecommunication data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7359921B1 true JP7359921B1 (en) | 2023-10-11 |
| JP2023183354A JP2023183354A (en) | 2023-12-27 |
Family
ID=88242196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022147944A Active JP7359921B1 (en) | 2022-06-15 | 2022-09-16 | System and method for estimating advertising slot position based on communication data |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7359921B1 (en) |
| TW (1) | TWI813339B (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015179352A (en) | 2014-03-19 | 2015-10-08 | 株式会社ゼンリンデータコム | Position information processor, position information processing method, and database for position information processing |
| JP2018537005A (en) | 2016-04-12 | 2018-12-13 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | System and method for determining point of interest |
| CN113535785A (en) | 2021-09-15 | 2021-10-22 | 北京交研智慧科技有限公司 | Job space analysis method and device, electronic equipment and readable storage medium |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2014262533A1 (en) * | 2013-05-10 | 2015-11-26 | Uberfan, Llc | Event-related media management system |
| CN109905452B (en) * | 2017-12-09 | 2021-07-16 | 长沙聚通电子科技有限公司 | Grid advertisement intelligent pushing system based on geographic position |
| TWI736304B (en) * | 2020-06-02 | 2021-08-11 | 中華電信股份有限公司 | Mobile and activity behavior recognition method and computer-readable medium |
| CN114255066A (en) * | 2021-11-23 | 2022-03-29 | 上海维智卓新信息科技有限公司 | Entity advertisement putting point recommendation method and device |
| TWM634464U (en) * | 2022-06-15 | 2022-11-21 | 中光電智能雲服股份有限公司 | A system for estimating locations of advertisement slots based on telecommunication data |
-
2022
- 2022-06-15 TW TW111122283A patent/TWI813339B/en active
- 2022-09-16 JP JP2022147944A patent/JP7359921B1/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015179352A (en) | 2014-03-19 | 2015-10-08 | 株式会社ゼンリンデータコム | Position information processor, position information processing method, and database for position information processing |
| JP2018537005A (en) | 2016-04-12 | 2018-12-13 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | System and method for determining point of interest |
| CN113535785A (en) | 2021-09-15 | 2021-10-22 | 北京交研智慧科技有限公司 | Job space analysis method and device, electronic equipment and readable storage medium |
Non-Patent Citations (2)
| Title |
|---|
| @gshirato，Uberはなぜ地図を六角形で埋めるのか，[online]，Qiita，2018年07月13日，https://qiita.com/gshirato/items/d8cc928c4131f3292b14，[検索日 2023.08.04] |
| 勝又 雅史，Ｇｏｏｇｌｅ ＡＰＩ Ｅｘｐｅｒｔが解説する Ｇｏｏｇｌｅ Ｍａｐｓ ＡＰＩプログラミングガイド，初版 ，株式会社インプレスジャパン，2011年12月01日，pp.278-288 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202401329A (en) | 2024-01-01 |
| TWI813339B (en) | 2023-08-21 |
| JP2023183354A (en) | 2023-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9785648B2 (en) | Entity display priority in a distributed geographic information system | |
| Zheng et al. | Learning travel recommendations from user-generated GPS traces | |
| US8892455B2 (en) | Systems, techniques, and methods for providing location assessments | |
| US8037166B2 (en) | System and method of displaying search results based on density | |
| TWI479347B (en) | Search assistant system and method | |
| Zheng et al. | Mining interesting locations and travel sequences from GPS trajectories | |
| Jankowski et al. | Discovering landmark preferences and movement patterns from photo postings | |
| US20220253499A1 (en) | Allocating communication resources via information technology infrastructure | |
| US20100191798A1 (en) | System and method of transmitting search results based on arbitrary queries | |
| CN102150162A (en) | Geographic and keyword context in embedded applications | |
| DE10290955T5 (en) | Information retrieval system and method using spatially selected features | |
| Xu et al. | Application of a graph convolutional network with visual and semantic features to classify urban scenes | |
| Majid et al. | GoThere: travel suggestions using geotagged photos | |
| Dang et al. | The integration of urban streetscapes provides the possibility to fully quantify the ecological landscape of urban green spaces: A case study of Xi’an city | |
| Wu et al. | A green view index for urban transportation: how much greenery do we view while moving around in cities? | |
| Egami et al. | Building urban LOD for solving illegally parked bicycles in Tokyo | |
| JP3239846U (en) | A system that infers ad slot positions based on communication data | |
| ElQadi et al. | Computer vision-enhanced selection of geo-tagged photos on social network sites for land cover classification | |
| JP2009076040A (en) | Fast local recommender queries via modified spatial data structure querying | |
| Giordano et al. | A network-based indicator of travelers performativity on instagram | |
| JP7359921B1 (en) | System and method for estimating advertising slot position based on communication data | |
| Shende et al. | Analyzing changes in travel patterns due to Covid-19 using Twitter data in India | |
| KR100572751B1 (en) | Geographic information system based on web | |
| Andrienko et al. | Visual analytics focusing on spatial events | |
| Bui | Discovering shopping visitors’ behavior and preferences using geo-tagged social photos: A case study of Los Angeles City |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220916 |
|
| 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: 20230912 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230928 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7359921 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |