KR101787929B1 - 모바일 사용자의 위치를 예측하는 방법 및 디바이스 - Google Patents

모바일 사용자의 위치를 예측하는 방법 및 디바이스 Download PDF

Info

Publication number
KR101787929B1
KR101787929B1 KR1020167012508A KR20167012508A KR101787929B1 KR 101787929 B1 KR101787929 B1 KR 101787929B1 KR 1020167012508 A KR1020167012508 A KR 1020167012508A KR 20167012508 A KR20167012508 A KR 20167012508A KR 101787929 B1 KR101787929 B1 KR 101787929B1
Authority
KR
South Korea
Prior art keywords
activity
mobile user
probability
target
occurrence
Prior art date
Application number
KR1020167012508A
Other languages
English (en)
Other versions
KR20160070817A (ko
Inventor
치앙 딩
첸 유
리 리
Original Assignee
후아웨이 테크놀러지 컴퍼니 리미티드
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 후아웨이 테크놀러지 컴퍼니 리미티드 filed Critical 후아웨이 테크놀러지 컴퍼니 리미티드
Publication of KR20160070817A publication Critical patent/KR20160070817A/ko
Application granted granted Critical
Publication of KR101787929B1 publication Critical patent/KR101787929B1/ko

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
    • 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
    • H04W4/028—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H04L67/18—
    • H04L67/22—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Telephonic Communication Services (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephone Function (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 실시예들은 모바일 사용자의 위치를 예측하는 방법 및 디바이스를 제공한다. 상기 방법은 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계; 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계; 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하는 단계; 및 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측하는 단계를 포함한다. 본 실시예는 모바일 사용자의 목표 지리 위치의 가용성을 향상시킬 수 있다.

Description

모바일 사용자의 위치를 예측하는 방법 및 디바이스{METHOD AND DEVICE FOR PREDICTING POSITION OF MOBILE USER}
본 발명의 실시예들은 통신 기술, 특히, 모바일 사용자의 위치를 예측하는 방법, 및 장비에 관한 것이다.
지리 정보 시스템, 모바일 위치 파악 기술, 무선 통신 네트워크, 지능적 단말기 기술, 및 센서 기술의 급속한 발달로, 상황 지능 애플리케이션(situational intelligence application)도 또한 급속히 발달을 하고 있다. 상황 지능 애플리케이션에서, 모바일 사용자의 목표 지리 위치를 어떻게 예측하는지가 상황 지능 애플리케이션의 개방을 위해 매우 중요하다.
종래 기술에서, 모바일 사용자가 자주 방문하는 다수의 과거 지리 위치들이 기록되고; 모바일 사용자의 목표 지리 위치가 예측될 때, 모바일 사용자의 목표 지리 위치는 미리 설정된 예측 모델에 따라 다수의 과거 지리 위치들로부터 선택된다.
그러나, 예측의 초기 단계에서, 과거 지리 위치들에 관한 충분한 정보의 부족으로 인해, 모바일 사용자의 목표 지리 위치의 선택이 상당히 제한될 수 있어서, 모바일 사용자의 목표 지리 위치의 정확도가 낮아지게 된다.
본 발명의 실시예들은 모바일 사용자의 목표 지리 위치의 정확도를 향상시키기 위해, 모바일 사용자의 위치를 예측하는 방법, 및 장비를 제공한다.
제1 양태에 따르면, 본 발명은 모바일 사용자의 위치를 예측하는 방법으로서,
모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계;
상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계;
상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동을 결정하는 단계; 및
상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계
를 포함하는 방법을 제공한다.
제1 양태를 참조하여, 제1 양태의 제1 가능한 구현 방식에서, 상기 과거 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 과거 행위 활동의 가중 팩터를 포함하고;
상기 공공 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 공공 행위 활동의 가중 팩터를 포함한다.
제1 양태의 제1 가능한 구현 방식을 참조하여, 제1 양태의 제2 가능한 구현 방식에서, 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계는
상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 과거 행위 활동의 상기 가중 팩터에 따라 상기 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 단계;
상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 다른 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 공공 행위 활동의 상기 가중 팩터에 따라 상기 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 단계; 및
상기 과거 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률 및 상기 공공 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률을 결정하는 단계를 포함한다.
제1 양태를 참조하여, 제1 양태의 제3 가능한 구현 방식에서, 상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계는
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하는 단계 - 상기 과거 행위 활동 기록은 상기 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하면, 상기 과거 행위 활동 기록에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계; 및
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 상기 목표 행위 활동에 대응하는 지리 위치에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계를 포함한다.
제1 양태 또는 제1 양태의 제1 내지 제3 가능한 구현 방식들 중 어느 하나를 참조하여, 제1 양태의 제4 가능한 구현 방식에서, 상기 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계는
상기 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 상기 현재 지리 위치에 따라, 상기 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
상기 모바일 사용자에 대응하는 감지 데이터를 취득하고, 상기 감지 데이터에 따라 상기 모바일 사용자의 움직임 상태를 결정하고, 상기 모바일 사용자의 상기 움직임 상태에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
상기 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 상기 배경음에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계를 포함한다.
제1 양태의 제4 가능한 구현 방식을 참조하여, 제1 양태의 제5 가능한 구현 방식에서, 상기 현재 시간과 각각의 상기 관심 점과 상기 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있고,
상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계는
상기 관심 점의 상기 분포에 따라 각각의 상기 관심 점의 비율을 결정하는 단계; 및
각각의 상기 관심 점의 비율, 및 각각의 상기 관심 점에 대응하는 상기 현재 행위 활동의 발생 서브 확률에 따라 상기 현재 시간에서의 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계를 포함한다.
제2 양태에 따르면, 본 발명은 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하도록 구성된 제1 확률 결정 모듈;
상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하도록 구성된 제2 확률 결정 모듈;
상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동을 결정하도록 구성된 행위 활동 결정 모듈; 및
상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하도록 구성된 예측 모듈
을 포함하는 사용자 장비를 제공한다.
제2 양태를 참조하여, 제2 양태의 제1 가능한 구현 방식에서, 상기 과거 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 과거 행위 활동의 가중 팩터를 포함하고;
상기 공공 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 공공 행위 활동의 가중 팩터를 포함한다.
제2 양태의 제1 가능한 구현 방식을 참조하여, 제2 양태의 제2 가능한 구현 방식에서, 상기 제2 확률 결정 모듈은
상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 과거 행위 활동의 상기 가중 팩터에 따라 상기 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 다른 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 공공 행위 활동의 상기 가중 팩터에 따라 상기 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
상기 과거 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률 및 상기 공공 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률을 결정하도록 구체적으로 구성된다.
제2 양태를 참조하여, 제2 양태의 제3 가능한 구현 방식에서, 상기 예측 모듈은
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하고 - 상기 과거 행위 활동 기록은 상기 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하면, 상기 과거 행위 활동 기록에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하고;
상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 상기 목표 행위 활동에 대응하는 지리 위치에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하도록 구체적으로 구성된다.
제2 양태 또는 제2 양태의 제1 내지 제3 가능한 구현 방식들 중 어느 하나를 참조하여, 제2 양태의 제4 가능한 구현 방식에서, 상기 제1 확률 결정 모듈은
상기 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 상기 현재 지리 위치에 따라, 상기 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하고; 또는
상기 모바일 사용자에 대응하는 감지 데이터를 취득하고, 상기 감지 데이터에 따라 상기 모바일 사용자의 움직임 상태를 결정하고, 상기 모바일 사용자의 상기 움직임 상태에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하고; 또는
상기 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 상기 배경음에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하도록 구체적으로 구성된다.
제2 양태의 제4 가능한 구현 방식을 참조하여, 제2 양태의 제5 가능한 구현 방식에서, 상기 현재 시간과 각각의 상기 관심 점과 상기 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있고,
상기 제1 확률 결정 모듈은
상기 관심 점의 상기 분포에 따라 각각의 상기 관심 점의 비율을 결정하고;
각각의 상기 관심 점의 비율, 및 각각의 상기 관심 점에 대응하는 상기 현재 행위 활동의 발생 서브 확률에 따라 상기 현재 시간에서의 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하도록 더 구체적으로 구성된다.
본 발명의 실시예들에서 제공된 모바일 사용자의 위치를 예측하는 방법, 및 장비에 따르면, 사용자 장비는 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하고; 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하고; 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측한다. 본 발명에서, 모바일 사용자의 과거 활동 이동 규칙들의 수가 크지 않은 경우에, 모바일 사용자의 목표 지리 위치는 공공 활동 이동 규칙을 사용하여 결정되어, 목표 지리 위치의 정확도를 향상시킨다. 또한, 실시예들에서, 모바일 사용자의 과거 활동 이동 규칙에 나타나지 않은 지리 위치는 목표 지리 위치를 획득하도록 공공 활동 이동 규칙을 사용하여 더 예측될 수 있게 되어, 모바일 사용자의 위치를 예측하는 방법의 보편적 적용 가능성을 향상시킨다.
본 발명의 실시예들 및 종래 기술의 기술적 해결책들을 보다 분명히 설명하기 위해, 다음에 실시예들 또는 종래 기술을 설명하기 위해 요구되는 첨부 도면을 간단히 도입한다. 분명히, 다음 설명의 첨부 도면은 본 발명의 일부 실시예들을 도시하고, 본 기술 분야의 통상의 기술자는 여전히 창의적 노력 없이 이들 첨부 도면으로부터 다른 도면들을 도출해 낼 수 있다.
도 1은 본 발명에 따른 모바일 사용자의 위치를 예측하는 방법의 실시예 1의 개략적 플로우차트이고;
도 2는 본 발명에 따른 사용자 장비의 실시예 1의 개략적 구조도이고;
도 3은 본 발명에 따른 사용자 장비의 실시예 2의 개략적 구조도이다.
본 발명의 실시예들의 목적들, 기술적 해결책들, 및 장점들을 보다 분명히 하기 위해, 다음에 본 발명의 실시예들의 첨부 도면을 참조하여 본 발명의 실시예들의 기술적 해결책들을 분명하고 완전히 설명한다. 분명히, 설명된 실시예들은 본 발명의 실시예들의 일부이지 전부는 아니다. 창의적 노력 없이 본 발명의 실시예들에 기초하여 본 기술 분야의 통상의 기술자에 의해 획득된 모든 다른 실시예들은 본 발명의 보호 범위 내에 드는 것이다.
도 1은 본 발명에 따른 모바일 사용자의 위치를 예측하는 방법의 실시예 1의 개략적 플로우차트이다. 본 실시예에서 제공된 모바일 사용자의 위치를 예측하는 방법이 사용자 장비를 사용하여 구현될 수 있고, 여기서 사용자 장비는 소프트웨어 및/또는 하드웨어를 사용하여 구현될 수 있다. 도 1에 도시한 바와 같이, 본 실시예에서 제공된 모바일 사용자의 위치를 예측하는 방법은
단계 101: 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계.
단계 102: 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계.
단계 103: 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하는 단계.
단계 104: 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측하는 단계를 포함한다.
특정한 구현 과정에서, 사용자 장비는 모바일 사용자의 목표 지리 위치를 결정하고, 여기서 목표 지리 위치는 현재 지리 위치에 있을 때 모바일 사용자가 다음에 이동할 필요가 있을 수 있는 목적지를 말한다. 예를 들어, 모바일 사용자의 목표 지리 위치가 자주 방문하는 쇼핑 센터로 예측될 때, 점포의 할인 및 판매 촉진에 관한 정보가 미리 모바일 사용자에게 제공될 수 있어서, 사용자의 시간을 절약하고 또한 사용자 경험을 개선시키고; 또는 모바일 사용자의 목표 지리 위치가 집이라고 알려질 때, 모바일 사용자에게 직장에서 돌아오는 길에 밀가루를 사는 것과, 원격 제어에 의해 집에 있는 에어컨을 켜는 것을 상기하게 하고, 또한 도로 구간들의 교통 상태가 사용자 장비에 보내진다.
본 기술 분야의 통상의 기술자는 상기 실시예가 모바일 사용자의 목표 지리 위치의 일부 응용 과정들만을 설명한 것이고, 모든 응용 과정들을 설명한 것은 아니라는 것을 이해할 수 있고, 모바일 사용자의 목표 지리 위치의 다른 응용 과정들에 대해서는, 상세들이 본 실시예에서 다시 설명되지 않는다.
다음에 본 실시예에서 모바일 사용자의 목표 지리 위치를 어떻게 결정하는 지가 상세히 설명된다.
단계 101에서, 사용자 장비는 먼저 다음의 가능한 구현 방식들로 구체적으로 구현될 수 있는, 모바일 사용자의 현재 행위 활동의 발생 확률을 결정한다.
한가지 가능한 구현 방식은 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 현재 지리 위치에 따라, 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관점 점의 분포를 결정하고, 현재 시간 및 관심 점의 분포에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것이다.
구체적으로, 일상의 생활에서의 모바일 사용자의 행위 활동들은 식사, 일, 쇼핑 등이고, M 종류의 행위 활동들이 있다고 가정하고, 여기서 M은 자연수이다. 각각의 행위 활동은 하나의 관심 점(Point of Interest, 간략히 POI)에 대응하고, 관심 점은 구체적으로 식당, 쇼핑몰(mall), 사무소 빌딩 등일 수 있고, 여기서 N 종류의 관심 점이 있다고 가정하고, N은 자연수이다.
특히, 현재 시간과 각각의 관심 점과 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있다. 구체적으로, 이 대응 관계는 조건 발생 확률
Figure 112016045426271-pct00001
을 사용하여 표시될 수 있고, 여기서 Acti는 모바일 사용자의 현재 행위 활동의 발생 서브 확률을 나타내고, POIk는 관심 점을 나타내고, T는 표 1에 구체적으로 나타낼 수 있는 현재 시간을 나타내고, 여기서 모바일 사용자의 현재 행위 활동의 발생 서브 확률은 전문가에 의해 주어진 경험 값일 수 있거나, 모바일 사용자의 수집된 다수의 과거 활동 기록들에 따른 통계들에 의해 취득될 수 있다.
Figure 112016045337025-pct00002
현재 시간이 표 1에 나타낸 바와 같이, 8:00-11:30의 시간 기간 내에 있을 때, 관심 점이 사무소 빌딩인 경우, 모바일 사용자의 현재 행위 활동이 식사일 발생 서브 확률은 0.05이고, 일의 발생 서브 확률은 0.9이고, 쇼핑의 발생 서브 확률은 0.05이다.
많은 관심 점들이 모바일 사용자의 현재 지리 위치에 관련한 제2 미리 설정된 지리 위치 범위에 존재하기 때문에, 관심 점의 비율은 관심 점의 분포에 따라 결정되고; 현재 시간에서의 모바일 사용자의 현재 행위 활동의 발생 확률은 관심 점의 비율, 및 각각의 관심 점에 대응하는 현재 행위 활동의 발생 서브 확률에 따라 결정된다.
구체적으로, 제2 미리 설정된 지리 위치 범위 내의 모든 관심 점들은 모바일 사용자의 현재 지리 위치의 좌표들에 따라 찾음으로써 획득되고, 모든 관심 점들에 대해, 동일한 현재 행위 활동의 발생 서브 확률들이 식 1에 나타낸 바와 같이, 현재 지리 위치에서의 현재 행위 활동의 발생 확률을 획득하도록 합산된다.
Figure 112016045337025-pct00003
Acti는 모바일 사용자의 현재 행위 활동의 발생 서브 확률을 나타내고, POIk는 관심 점을 나타내고, T는 현재 시간을 나타내고, Loc는 현재 지리 위치를 나타내고, N은 관심 점들의 양을 나타낸다. Pk는 모든 관심 점들에 대한 동일한 유형인 관심 점들의 양의 비율이고, 여기서,
Figure 112016045426271-pct00004
이다. 예를 들어, 관심 점이 식당일 때, Pk는 0.4이고; 관심 점이 쇼핑몰일 때, Pk는 0.3이고; 관심 점이 사무소 빌딩일 때, Pk는 0.3이다.
현재 시간이 8:00-11:30의 시간 기간 내에 있고, 현재 행위 활동이 식사일 때, 현재 행위 활동의 발생 확률 P=0.4×0.5+0.3×0.3+0.3×0.05=0.305이고; 현재 행위 활동이 일일 때, 현재 행위 활동의 발생 확률 P=0.4×0.5+0.3×0.1+0.3×0.9=0.5이고; 현재 행위 활동이 쇼핑일 때, 현재 행위 활동의 발생 확률 P=0.4×0+0.3×0.6+0.3×0.05=0.195이다.
다른 가능한 구현 방식은 모바일 사용자에 대응하는 감지 데이터를 취득하고, 감지 데이터에 따라 모바일 사용자의 움직임 상태를 결정하고, 모바일 사용자의 움직임 상태에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것이다.
구체적으로, 모바일 사용자의 움직임 상태(정지, 보행, 승차)가 사용자 장비 상의 (가속도 센서 또는 자이로스코프와 같은) 움직임 센서를 사용하여 결정되거나, 광 센서, 기압계, 및 전지구 위치 파악 시스템(Global Position System, 간략히 GPS)을 사용하여, 모바일 사용자의 현재 지리 위치가 실내인지/실외인지가 결정된다. 모바일 사용자의 움직임 상태는 상술한 다양한 유형의 감지 데이터를 포괄적으로 적용함으로써 그리고 발생 확률 추론, 및 규칙 추론 등에 의해 결정되고, 모바일 사용자의 현재 행위 활동의 발생 확률은 모바일 사용자의 움직임 상태에 따라 결정된다. 본 기술 분야의 통상의 기술자는 모바일 사용자의 움직임 상태와 현재 행위 활동의 발생 확률 간에 대응 관계가 있고, 현재 행위 활동의 발생 확률은 이 대응 관계에 따라 결정될 수 있다는 것을 이해할 수 있다.
또 다른 가능한 구현 방식은 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 배경음에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것이다.
구체적으로, 모바일 사용자의 배경음은 사용자 장비의 마이크로폰을 사용하여 수집되고, 특별한 소리가 식별되거나 시나리오 분석이 배경음의 데이터를 사전 처리하고 멜 주파수 캡스트럼 계수(Mel Frequency Cepstrum Coefficient, 간략히 MFCC), 제로-교차율, 단기간 에너지 등을 추출함으로써 수행된다. 그러므로, 모바일 사용자의 활동은 배경음에 따라 추측될 수 있다. 식기류가 충돌하는 소리가 배경음에서 나타나면, 모바일 사용자의 현재 행위 활동은 식사로 결정되고, 여러 사람이 동시에 논의를 하고 있는 소리가 있다면, 모바일 사용자의 현재 행위 활동은 회의로 결정된다. 본 기술 분야의 통상의 기술자는 배경음과 모바일 사용자의 현재 행위 활동의 발생 확률 간에 대응 관계가 있고, 현재 행위 활동의 발생 확률이 이 대응 관계에 따라 결정될 수 있다는 것을 이해할 수 있다.
단계 102에서, 모바일 사용자의 목표 행위 활동의 발생 확률은 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 결정되고, 여기서
과거 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터를 포함하고;
공공 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함한다.
상세한 설명이 특정한 실시예를 사용하여 다음에 제공된다.
먼저, 모바일 사용자들의 보편적인 공공 활동 이동 규칙에 따라, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는 발생 확률
Figure 112016045337025-pct00005
이 표 2에 나타낸 바와 같이, 획득된다. 공공 활동 이동 규칙은 전문가에 의해 주어진 경험 값일 수 있거나, 다수의 모바일 사용자들의 수집된 과거 활동 기록들에 따른 통계들에 의해 취득될 수 있다.
Figure 112016045337025-pct00006
또한, 과거 활동 이동 규칙이 알려지면, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는 발생 확률
Figure 112016045426271-pct00007
이 또한 획득될 수 있고, 여기서 과거 활동 이동 규칙이 많은 방식들을 통해 획득될 수 있고, 예를 들어, 데이터는 모바일 사용자가 현재 행위 활동에 주석을 달기 위해 활동적으로 협력하게 하는 소프트웨어를 특별히 개발함으로써 수집될 수 있고, 또는 모바일 사용자에 의해 한번 사용되는 제3자 위치 기반 서비스(Location Based Service, 간략히, LBS)에서 체크-인 서비스를 사용함으로써 획득될 수 있고, 또는 모바일 사용자의 기록된 전자 다이어리, 및 달력의 스케줄로부터 추출될 수 있다. 본 기술 분야의 통상의 기술자는 과거 활동 이동 규칙이 또한 표 2로서 나타낼 수 있다는 것을 이해할 수 있고, 본 실시예에서 상세들이 다시 설명되지 않는다.
다음에, 현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터에 따라 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 것은 다음 식을 사용하여 구체적으로 구현될 수 있다.
Figure 112016045337025-pct00008
여기서,
Figure 112016045337025-pct00009
은 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 나타내고, α(t)은 과거 행위 활동의 가중 팩터를 나타내고,
Figure 112016045337025-pct00010
은 모바일 사용자가 과거 행위 활동으로부터 목표 행위 활동으로부터 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률을 나타내고,
Figure 112016045337025-pct00011
은 현재 행위 활동의 발생 확률을 나타내고, M은 행위 활동들의 양을 나타내고, M은 자연수이다.
예를 들어, 단계 101에서의 가능한 구현 방식에서, 현재 행위 활동이 식사로서 결정될 때, 발생 확률은 0.305이고, 현재 행위 활동이 일일 때, 발생 확률은 0.5이고, 현재 행위 활동이 쇼핑일 때, 발생 확률은 0.195이다.
α(t)=0.6이고, 과거 활동 이동 규칙이 또한 표 2에 나타나면, 과거 행위 활동에 대응하는 목표 행위 활동이 쇼핑일 때, 발생 확률
Figure 112016045426271-pct00012
이고; 과거 행위 활동에 대응하는 목표 행위 활동이 식사일 때, 발생 확률
Figure 112016045426271-pct00013
이고; 과거 행위 활동에 대응하는 목표 행위 활동이 일일 때, 발생 확률
Figure 112016045426271-pct00014
이다.
또한, 현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터에 따라 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 것은 다음 식을 사용하여 구체적으로 구현될 수 있다.
Figure 112016045337025-pct00015
여기서,
Figure 112016045337025-pct00016
은 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 나타내고, (1-α(t))은 공공 행위 활동의 가중 팩터를 나타내고,
Figure 112016045337025-pct00017
은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로부터 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률을 나타내고, M은 행위 활동들의 양을 나타내고, M은 자연수이다.
특정한 구현 과정에서, 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 구현 방식에 대해, 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 구현 방식이 참조될 수 있고, 상세들이 여기서 다시 설명되지 않는다.
본 기술 분야의 통상의 기술자는 α(t)는 가중 팩터이고, α(t)는 시간에 따라 증가하는데, 왜냐하면 시간이 진행함에 따라, 사용자 활동 규칙에 관한 수집된 정보는 계속 증가하고, 개인 활동 규칙은 예측에 점차적으로 선도적인 역할을 할 수 있기 때문이라는 것을 이해할 수 있다.
마지막으로, 모바일 사용자의 목표 행위 활동의 발생 확률이 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률 및 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률에 따라 결정된다.
특정한 구현 과정에서, 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률과 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률은 동일한 현재 행위 활동이 동일한 목표 행위 활동으로 변환되는 경우에 합산되어, 모바일 사용자의 목표 행위 활동의 발생 확률
Figure 112016045337025-pct00018
이 획득되고, 즉, 아래와 같다.
Figure 112016045337025-pct00019
단계 103에서, 모바일 사용자의 목표 행위 활동은 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 결정된다.
구체적으로, 최대 발생 확률을 갖는 목표 행위 활동이 목표 행위 활동으로서 선택된다.
단계 104에서, 모바일 사용자의 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치가 예측된다.
구체적으로, 모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하는지가 결정되고, 여기서 과거 행위 활동 기록은 목표 행위 활동에 대응하는 과거 지리 위치를 포함하고;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하면, 모바일 사용자의 목표 지리 위치는 과거 행위 활동 기록에 따라 예측되고;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하지 않으면, 모바일 사용자의 목표 지리 위치는 제1 미리 설정된 지리 위치 범위 내에 있고 목표 행위 활동에 대응하는 지리 위치에 따라 예측된다.
특정한 구현 과정에서, 과거 행위 활동 기록은 모바일 사용자가 한번 방문한 과거 지리 위치를 포함한다. 목표 행위 활동이 과거 행위 활동 기록에 존재할 때, 모바일 사용자의 목표 지리 위치는 모바일 사용자가 한번 방문한 과거 지리 위치에 따라 예측되고, 즉, 아래와 같고,
Figure 112016045337025-pct00020
여기서,
Figure 112016045426271-pct00021
은 활동
Figure 112016045426271-pct00022
이 과거 행위 활동 기록 중에서의 위치
Figure 112016045426271-pct00023
에서 일어나는 횟수를 표시하고,
Figure 112016045426271-pct00024
은
Figure 112016045426271-pct00025
을 최대화하는 loci를 선택하는 것을 나타낸다.
목표 행위 활동이 과거 행위 활동 기록에 존재하지 않을 때, 목표 지리 위치는 제1 미리 설정된 지리 위치 범위 내에 있고 목표 행위 활동에 대응하는 지리 위치일 수 있고, 목표 지리 위치가 locx일 확률은 목표 지리 위치 locx와 현재 지리 위치 사이의 거리, 및 다른 모바일 사용자가 목표 지리 위치 locx에서 목표 행위 활동
Figure 112016045426271-pct00026
을 하는 횟수에 관련되는데, 즉, 아래와 같고,
Figure 112016045337025-pct00027
여기서,
Figure 112016045426271-pct00028
은
Figure 112016045426271-pct00029
의 증가에 따라 감소하고
Figure 112016045426271-pct00030
의 증가에 따라 증가하고,
Figure 112016045426271-pct00031
는 locx와 현재 위치 사이의 거리를 표시하고,
Figure 112016045426271-pct00032
은 다른 모바일 사용자가 locx에서 목표 행위 활동
Figure 112016045426271-pct00033
을 하는 횟수를 표시하고,
Figure 112016045426271-pct00034
는
Figure 112016045426271-pct00035
을 최대화하는 locx를 선택하는 것을 나타낸다.
특정하게,
Figure 112016045337025-pct00036
의 특정한 형태에 대한 제한은 없고, 다음과 같을 수 있거나
Figure 112016045337025-pct00037
일 수 있거나, 또는
Figure 112016045337025-pct00038
일 수 있고, 여기서,
Figure 112016045426271-pct00039
은 올림차순으로 locx와 현재 위치들 사이의 거리들의 랭킹을 표시하고,
Figure 112016045426271-pct00040
은 내림차순으로 다른 모바일 사용자들이 locx에서 목표 행위 활동
Figure 112016045426271-pct00041
을 하는 횟수의 랭킹을 표시하고,
Figure 112016045426271-pct00042
은 가중 팩터이다.
마지막으로, 최대 확률을 갖는 목표 지리 위치가 모바일 사용자의 목표 지리 위치로서 선택된다.
본 발명에 따르면, 사용자 장비는 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하고; 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하고; 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측한다. 본 발명에서, 모바일 사용자의 과거 활동 이동 규칙들의 수가 크지 않은 경우에, 모바일 사용자의 목표 지리 위치는 공공 활동 이동 규칙을 사용하여 결정되어, 목표 지리 위치의 정확도를 향상시킨다. 또한, 본 실시예에서, 모바일 사용자의 과거 활동 이동 규칙에 나타나지 않은 지리 위치는 목표 지리 위치를 획득하도록 공공 활동 이동 규칙을 사용하여 더 예측될 수 있게 되어, 모바일 사용자의 위치를 예측하는 방법의 보편적 적용 가능성을 향상시킨다.
도 2는 본 발명에 따른 사용자 장비의 실시예 1의 개략적 구조도이다. 도 2에 도시한 바와 같이, 본 발명의 본 실시예에서 제공된 사용자 장비(20)는 제1 확률 결정 모듈(201), 제2 확률 결정 모듈(202), 행위 활동 결정 모듈(203), 및 예측 모듈(204)을 포함하고, 여기서,
제1 확률 결정 모듈(201)은 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하도록 구성되고;
제2 확률 결정 모듈(202)은 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하도록 구성되고;
행위 활동 결정 모듈(203)은 모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하도록 구성되고;
예측 모듈(204)은 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측하도록 구성된다.
본 실시예에서 제공된 사용자 장비는 본 발명의 임의의 실시예에서 제공된 모바일 사용자의 위치를 결정하는 방법의 기술적 해결책을 수행하는 데 사용될 수 있고, 그 구현 원리들 및 기술적 효과들은 유사하고 여기서 다시 설명되지 않는다.
선택적으로, 과거 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터를 포함하고;
공공 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함한다.
선택적으로, 제2 확률 결정 모듈(202)은
현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터에 따라 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터에 따라 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률 및 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하도록 구체적으로 구성된다.
선택적으로, 예측 모듈(204)은
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하고 - 과거 행위 활동 기록은 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하면, 과거 행위 활동 기록에 따라 모바일 사용자의 목표 지리 위치를 예측하고;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 목표 행위 활동에 대응하는 지리 위치에 따라 모바일 사용자의 목표 지리 위치를 예측하도록 구체적으로 구성된다.
선택적으로, 제1 확률 결정 모듈(201)은
모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 현재 지리 위치에 따라, 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 현재 시간 및 관심 점의 분포에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 또는
모바일 사용자에 대응하는 감지 데이터를 취득하고, 감지 데이터에 따라 모바일 사용자의 움직임 상태를 결정하고, 모바일 사용자의 움직임 상태에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 또는
모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 배경음에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하도록 구체적으로 구성된다.
선택적으로, 현재 시간과 각각의 관심 점과 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있다.
제1 확률 결정 모듈(201)은
관심 점의 분포에 따라 각각의 관심 점의 비율을 결정하고;
각각의 관심 점의 비율, 및 각각의 관심 점에 대응하는 현재 행위 활동의 발생 서브 확률에 따라 현재 시간에서의 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하도록 더 구체적으로 구성된다.
본 실시예에서 제공된 사용자 장비는 본 발명의 임의의 실시예에서 제공된 모바일 사용자의 위치를 결정하는 방법의 기술적 해결책을 수행하는 데 사용될 수 있고, 그 구현 원리들 및 기술적 효과들은 유사하고 여기서 다시 설명되지 않는다.
도 3은 본 발명에 따른 사용자 장비의 실시예 2의 개략적 구조도이다. 도 3에 도시한 바와 같이, 본 실시예에서 제공된 사용자 장비(30)는 프로세서(301) 및 메모리(302)를 포함한다. 선택적으로, 사용자 장비(30)는 송신기 및 수신기를 더 포함한다. 송신기 및 수신기는 프로세서(301)에 접속될 수 있고, 여기서 송신기는 데이터 또는 정보를 보내도록 구성되고, 수신기는 데이터 또는 정보를 수신하도록 구성되고, 메모리(302)는 실행 명령어들을 저장하고; 사용자 장비(30)가 실행할 때, 프로세서(301)는 메모리(302)와 통신하고, 프로세서(301)는 메모리(302) 내의 실행 명령어들을 불러내어 다음의 동작들을 수행한다:
모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고;
모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하고;
모바일 사용자의 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동을 결정하고;
모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측하는 동작들.
본 실시예에서 제공된 사용자 장비는 본 발명의 임의의 실시예에서 제공된 모바일 사용자의 위치를 결정하는 방법의 기술적 해결책을 수행하는 데 사용될 수 있고, 그 구현 원리들 및 기술적 효과들은 유사하고 여기서 다시 설명되지 않는다.
선택적으로, 과거 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터를 포함하고;
공공 활동 이동 규칙은 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함한다.
선택적으로, 모바일 사용자의 현재 행위 활동의 발생 확률, 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 것은
현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 과거 행위 활동의 가중 팩터에 따라 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
현재 행위 활동의 발생 확률, 모바일 사용자가 현재 행위 활동으로부터 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터에 따라 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률 및 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률에 따라 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 것을 포함한다.
선택적으로, 모바일 사용자의 결정된 목표 행위 활동에 따라 모바일 사용자의 목표 지리 위치를 예측하는 것은
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하고 - 과거 행위 활동 기록은 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하면, 과거 행위 활동 기록에 따라 모바일 사용자의 목표 지리 위치를 예측하고;
모바일 사용자의 목표 행위 활동이 모바일 사용자의 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 목표 행위 활동에 대응하는 지리 위치에 따라 모바일 사용자의 목표 지리 위치를 예측하는 것을 포함한다.
선택적으로, 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것은
모바일 사용자의 현재 행위 활동 위치 및 현재 시간을 취득하고, 현재 지리 위치에 따라, 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 현재 시간 및 관심 점의 분포에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 또는
모바일 사용자에 대응하는 감지 데이터를 취득하고, 감지 데이터에 따라 모바일 사용자의 움직임 상태를 결정하고, 모바일 사용자의 움직임 상태에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하고; 또는
모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 배경음에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것을 포함한다.
선택적으로, 현재 시간과 각각의 관심 점과 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있다.
현재 시간 및 관심 점의 분포에 따라 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것은
관심 점의 분포에 따라 각각의 관심 점의 비율을 결정하고;
각각의 관심 점의 비율, 및 각각의 관심 점에 대응하는 현재 행위 활동의 발생 서브 확률에 따라 현재 시간에서의 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 것을 포함한다.
본 실시예에서 제공된 사용자 장비는 본 발명의 임의의 실시예에서 제공된 모바일 사용자의 위치를 결정하는 방법의 기술적 해결책을 수행하는 데 사용될 수 있고, 그 구현 원리들 및 기술적 효과들은 유사하고 여기서 다시 설명되지 않는다.
본 기술 분야의 통상의 기술자는 방법 실시예들의 단계들 모두 또는 일부가 프로그램 명령 관련 하드웨어에 의해 구현될 수 있다는 것을 이해할 수 있다. 프로그램은 컴퓨터 판독가능 저장 매체에 저장될 수 있다. 프로그램이 실행할 때, 방법 실시예들의 단계들이 수행된다. 상기 저장 매체는 ROM, RAM, 자기 디스크, 또는 광 디스크와 같은 프로그램 코드를 저장할 수 있는 어떤 매체를 포함한다.
마지막으로, 상기 실시예들은 단지 본 발명의 기술적 해결책들을 설명하고자 한 것이고, 본 발명을 제한하려는 것은 아니라는 점에 주목하여야 한다. 본 발명이 상기 실시예들을 참조하여 상세히 설명되었지만, 본 기술 분야의 통상의 기술자는 그들이 본 발명의 실시예들의 기술적 해결책들의 범위에서 벗어나지 않고서 상기 실시예들에서 설명된 기술적 해결책에 대한 수정들 또는 그 일부 또는 모든 기술적 특징들에 대한 등가적인 대체들이 가능하다는 것을 이해하여야 한다.

Claims (16)

  1. 모바일 사용자(mobile user)의 위치를 예측하는 방법으로서,
    모바일 사용자의 현재 행위 활동(current behavioral activity)의 발생 확률(occurrence probability)을 결정하는 단계;
    상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙(historical activity migration rule), 및 공공 활동 이동 규칙(public activity migration rule)에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계;
    상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동을 결정하는 단계; 및
    상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서, 상기 과거 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 과거 행위 활동의 가중 팩터(weighting factor)를 포함하고;
    상기 공공 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함하는 방법.
  3. 제2항에 있어서, 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계는
    상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 과거 행위 활동의 상기 가중 팩터에 따라 상기 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 단계;
    상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 다른 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 공공 행위 활동의 상기 가중 팩터에 따라 상기 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하는 단계; 및
    상기 과거 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률 및 상기 공공 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률을 결정하는 단계를 포함하는 방법.
  4. 제1항에 있어서, 상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계는
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 과거 행위 활동 기록(historical behavioral activity record)에 존재하는지를 결정하는 단계 - 상기 과거 행위 활동 기록은 상기 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하면, 상기 과거 행위 활동 기록에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계; 및
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 상기 목표 행위 활동에 대응하는 지리 위치에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계를 포함하는 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계는
    상기 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 상기 현재 지리 위치에 따라, 상기 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
    상기 모바일 사용자에 대응하는 감지 데이터를 취득하고, 상기 감지 데이터에 따라 상기 모바일 사용자의 움직임 상태를 결정하고, 상기 모바일 사용자의 상기 움직임 상태에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
    상기 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 상기 배경음에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계를 포함하는 방법.
  6. 제5항에 있어서, 상기 현재 시간과 각각의 상기 관심 점과 상기 현재 행위 활동의 발생 서브 확률(occurrence sub-probability) 간에 대응 관계가 있고,
    상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계는
    상기 관심 점의 상기 분포에 따라 각각의 상기 관심 점의 비율을 결정하는 단계; 및
    각각의 상기 관심 점의 비율, 및 각각의 상기 관심 점에 대응하는 상기 현재 행위 활동의 발생 서브 확률에 따라 상기 현재 시간에서의 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계를 포함하는 방법.
  7. 사용자 장비로서,
    모바일 사용자의 현재 행위 활동의 발생 확률을 결정하도록 구성된 제1 확률 결정 모듈;
    상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하도록 구성된 제2 확률 결정 모듈;
    상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동을 결정하도록 구성된 행위 활동 결정 모듈; 및
    상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하도록 구성된 예측 모듈
    을 포함하는 사용자 장비.
  8. 제7항에 있어서, 상기 과거 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 과거 행위 활동의 가중 팩터를 포함하고;
    상기 공공 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함하는 사용자 장비.
  9. 제8항에 있어서, 상기 제2 확률 결정 모듈은
    상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 과거 행위 활동의 상기 가중 팩터에 따라 상기 과거 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
    상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 다른 모바일 사용자의 상기 과거 행위 활동에 따라 결정된 상기 발생 확률, 및 상기 공공 행위 활동의 상기 가중 팩터에 따라 상기 공공 행위 활동에 대응하는 목표 행위 활동의 발생 확률을 결정하고;
    상기 과거 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률 및 상기 공공 행위 활동에 대응하는 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률을 결정하도록
    구체적으로 구성된 사용자 장비.
  10. 제7항에 있어서, 상기 예측 모듈은
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하고 - 상기 과거 행위 활동 기록은 상기 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하면, 상기 과거 행위 활동 기록에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하고;
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 상기 목표 행위 활동에 대응하는 지리 위치에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하도록
    구체적으로 구성된 사용자 장비.
  11. 제7항 내지 제10항 중 어느 한 항에 있어서, 상기 제1 확률 결정 모듈은
    상기 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 상기 현재 지리 위치에 따라, 상기 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하거나; 또는
    상기 모바일 사용자에 대응하는 감지 데이터를 취득하고, 상기 감지 데이터에 따라 상기 모바일 사용자의 움직임 상태를 결정하고, 상기 모바일 사용자의 상기 움직임 상태에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하거나; 또는
    상기 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 상기 배경음에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하도록
    구체적으로 구성된 사용자 장비.
  12. 제11항에 있어서, 상기 현재 시간과 각각의 상기 관심 점과 상기 현재 행위 활동의 발생 서브 확률 간에 대응 관계가 있고,
    상기 제1 확률 결정 모듈은
    상기 관심 점의 상기 분포에 따라 각각의 상기 관심 점의 비율을 결정하고;
    각각의 상기 관심 점의 비율, 및 각각의 상기 관심 점에 대응하는 상기 현재 행위 활동의 발생 서브 확률에 따라 상기 현재 시간에서의 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하도록
    더 구체적으로 구성된 사용자 장비.
  13. 프로그램이 기록되어 있는 컴퓨터 판독가능 기록 매체로서, 상기 프로그램은, 실행될 때, 사용자 장비가,
    모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계;
    상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률, 상기 모바일 사용자의 과거 활동 이동 규칙, 및 공공 활동 이동 규칙에 따라 상기 모바일 사용자의 목표 행위 활동의 발생 확률을 결정하는 단계;
    상기 모바일 사용자의 상기 목표 행위 활동의 상기 발생 확률에 따라 상기 모바일 사용자의 상기 목표 행위 활동을 결정하는 단계; 및
    상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계
    를 수행할 수 있게 하는 컴퓨터 판독가능 기록 매체.
  14. 제13항에 있어서, 상기 과거 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 상기 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 상기 과거 행위 활동의 가중 팩터를 포함하고;
    상기 공공 활동 이동 규칙은 상기 모바일 사용자가 상기 현재 행위 활동으로부터 상기 목표 행위 활동으로 변환되는, 다른 모바일 사용자의 과거 행위 활동에 따라 결정된 발생 확률, 및 공공 행위 활동의 가중 팩터를 포함하는 컴퓨터 판독가능 기록 매체.
  15. 제13항에 있어서, 상기 모바일 사용자의 상기 결정된 목표 행위 활동에 따라 상기 모바일 사용자의 목표 지리 위치를 예측하는 단계는
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 과거 행위 활동 기록에 존재하는지를 결정하는 단계 - 상기 과거 행위 활동 기록은 상기 목표 행위 활동에 대응하는 과거 지리 위치를 포함함 -;
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하면, 상기 과거 행위 활동 기록에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계; 및
    상기 모바일 사용자의 상기 목표 행위 활동이 상기 모바일 사용자의 상기 과거 행위 활동 기록에 존재하지 않으면, 제1 미리 설정된 지리 위치 범위 내에 있고 상기 목표 행위 활동에 대응하는 지리 위치에 따라 상기 모바일 사용자의 상기 목표 지리 위치를 예측하는 단계를 포함하는 컴퓨터 판독가능 기록 매체.
  16. 제13항 내지 제15항 중 어느 한 항에 있어서, 상기 모바일 사용자의 현재 행위 활동의 발생 확률을 결정하는 단계는
    상기 모바일 사용자의 현재 지리 위치 및 현재 시간을 취득하고, 상기 현재 지리 위치에 따라, 상기 모바일 사용자에 대한 것이고 제2 미리 설정된 지리 위치 범위 내에 있는 관심 점의 분포를 결정하고, 상기 현재 시간 및 상기 관심 점의 상기 분포에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
    상기 모바일 사용자에 대응하는 감지 데이터를 취득하고, 상기 감지 데이터에 따라 상기 모바일 사용자의 움직임 상태를 결정하고, 상기 모바일 사용자의 상기 움직임 상태에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계; 또는
    상기 모바일 사용자의 현재 지리 위치의 배경음을 취득하고, 상기 배경음에 따라 상기 모바일 사용자의 상기 현재 행위 활동의 상기 발생 확률을 결정하는 단계를 포함하는 컴퓨터 판독가능 기록 매체.
KR1020167012508A 2013-10-28 2014-10-13 모바일 사용자의 위치를 예측하는 방법 및 디바이스 KR101787929B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201310518476.X 2013-10-28
CN201310518476.XA CN104581622B (zh) 2013-10-28 2013-10-28 移动用户位置预测方法及设备
PCT/CN2014/088464 WO2015062409A1 (zh) 2013-10-28 2014-10-13 移动用户位置预测方法及设备

Publications (2)

Publication Number Publication Date
KR20160070817A KR20160070817A (ko) 2016-06-20
KR101787929B1 true KR101787929B1 (ko) 2017-10-18

Family

ID=53003313

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167012508A KR101787929B1 (ko) 2013-10-28 2014-10-13 모바일 사용자의 위치를 예측하는 방법 및 디바이스

Country Status (6)

Country Link
US (1) US9906913B2 (ko)
EP (1) EP3048820B1 (ko)
JP (1) JP6277569B2 (ko)
KR (1) KR101787929B1 (ko)
CN (1) CN104581622B (ko)
WO (1) WO2015062409A1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10135831B2 (en) 2011-01-28 2018-11-20 F5 Networks, Inc. System and method for combining an access control system with a traffic management system
US10015143B1 (en) 2014-06-05 2018-07-03 F5 Networks, Inc. Methods for securing one or more license entitlement grants and devices thereof
US10505818B1 (en) 2015-05-05 2019-12-10 F5 Networks. Inc. Methods for analyzing and load balancing based on server health and devices thereof
CN105183800A (zh) * 2015-08-25 2015-12-23 百度在线网络技术（北京）有限公司 信息预测的方法和装置
CN105357637B (zh) * 2015-10-28 2019-06-11 同济大学 一种位置和行为信息预测系统及方法
CN105357638B (zh) * 2015-11-06 2019-10-22 百度在线网络技术（北京）有限公司 预测预定时刻的用户位置的方法和装置
CN105933857B (zh) * 2015-11-25 2019-05-14 中国银联股份有限公司 一种移动终端位置预测方法及装置
CN105608153A (zh) * 2015-12-18 2016-05-25 晶赞广告（上海）有限公司 一种通用的poi信息关联方法
CN105426553B (zh) * 2016-01-15 2018-09-11 四川农业大学 一种基于智能设备的目标实时跟踪预警方法以及系统
CN105974360A (zh) * 2016-04-27 2016-09-28 沈阳云飞科技有限公司 一种基于adl的监测分析方法、装置
CN107436897A (zh) * 2016-05-26 2017-12-05 冯小平 一种用户当前行为的确定方法及装置
CN107436894A (zh) * 2016-05-26 2017-12-05 冯小平 一种数据推送方法及装置
CN106528614B (zh) * 2016-09-29 2019-03-08 南京邮电大学 一种移动社交网络中用户的地理位置预测方法
CN106453050B (zh) * 2016-10-10 2019-11-22 腾讯科技（深圳）有限公司 基于社交应用的信息处理方法、系统以及相关设备
US10972453B1 (en) 2017-05-03 2021-04-06 F5 Networks, Inc. Methods for token refreshment based on single sign-on (SSO) for federated identity environments and devices thereof
CN108012237B (zh) * 2017-12-13 2020-02-14 Oppo广东移动通信有限公司 定位控制方法、装置、存储介质及终端设备
US10176379B1 (en) * 2018-06-01 2019-01-08 Cisco Technology, Inc. Integrating computer vision and wireless data to provide identification

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090054043A1 (en) 2007-08-21 2009-02-26 International Business Machines Corporation Future Location Determination Using Social Networks
US20120226554A1 (en) * 2011-03-01 2012-09-06 Jeffrey C Schmidt System and method for providing data to a portable communications device based on real-time subscriber behavior

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030022656A1 (en) 2001-06-08 2003-01-30 Hinnant Harris O. Position prediction for authentication of a mobile transmitter
JP2004333136A (ja) * 2003-04-30 2004-11-25 Sony Corp ナビゲーション装置
JP4388114B2 (ja) * 2004-07-13 2009-12-24 パナソニック株式会社 移動先表示装置および移動先表示方法
JP4402099B2 (ja) * 2005-12-05 2010-01-20 パナソニック株式会社 地点情報検索装置、地点情報検索方法、及びプログラム
US7848880B2 (en) * 2007-02-28 2010-12-07 Microsoft Corporation Traffic information adaptive to a user's travel
JP5016968B2 (ja) * 2007-04-24 2012-09-05 トヨタホーム株式会社 機器制御システム
JP5382436B2 (ja) * 2009-08-03 2014-01-08 ソニー株式会社 データ処理装置、データ処理方法、およびプログラム
JP2012008771A (ja) 2010-06-24 2012-01-12 Sony Corp 情報処理装置、情報処理システム、情報処理方法およびプログラム
JP2012108748A (ja) * 2010-11-18 2012-06-07 Sony Corp データ処理装置、データ処理方法、およびプログラム
JP5365653B2 (ja) * 2011-03-01 2013-12-11 日本電気株式会社 消費電力削減装置、システム方法及びプログラム
CN102682041B (zh) * 2011-03-18 2014-06-04 日电（中国）有限公司 用户行为识别设备及方法
JP2012256239A (ja) * 2011-06-09 2012-12-27 Toyota Central R&D Labs Inc 目的地予測装置及びプログラム
CN102509170A (zh) 2011-10-10 2012-06-20 浙江鸿程计算机系统有限公司 一种基于历史轨迹数据挖掘的位置预测系统及方法
CN103052022B (zh) * 2011-10-17 2015-08-19 中国移动通信集团公司 基于移动行为的用户稳定点发现方法和系统
WO2014074513A1 (en) * 2012-11-06 2014-05-15 Intertrust Technologies Corporation Activity recognition systems and methods
CN102984799B (zh) * 2012-11-27 2015-03-04 中国人民解放军信息工程大学 一种用户位置判定方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090054043A1 (en) 2007-08-21 2009-02-26 International Business Machines Corporation Future Location Determination Using Social Networks
US20120226554A1 (en) * 2011-03-01 2012-09-06 Jeffrey C Schmidt System and method for providing data to a portable communications device based on real-time subscriber behavior

Also Published As

Publication number Publication date
US9906913B2 (en) 2018-02-27
EP3048820A4 (en) 2016-10-19
KR20160070817A (ko) 2016-06-20
WO2015062409A1 (zh) 2015-05-07
JP6277569B2 (ja) 2018-02-14
CN104581622B (zh) 2018-09-07
CN104581622A (zh) 2015-04-29
EP3048820B1 (en) 2020-08-19
JP2017501609A (ja) 2017-01-12
US20160242009A1 (en) 2016-08-18
EP3048820A1 (en) 2016-07-27

Similar Documents

Publication Publication Date Title
KR101787929B1 (ko) 모바일 사용자의 위치를 예측하는 방법 및 디바이스
CN108875007B (zh) 兴趣点的确定方法和装置、存储介质、电子装置
US8718672B2 (en) Identifying status based on heterogeneous sensors
KR101534995B1 (ko) 모바일 로케이션 결정을 위한 방법 및 장치
JP6284538B2 (ja) データクラスタのためのコンテキストラベル
CN104798420B (zh) 基于沿路线遇到的周围的可识别无线信号源估计到达时间
US10631118B2 (en) Maintaining privacy in location-based operations
CN106461786B (zh) 室内全球定位系统
CN104937604A (zh) 基于地点的进程监视
US20160021512A1 (en) Systems and methods for indoor location services
CN101204115A (zh) 将地理位置与无线装置上发生的事件相关联的设备和方法
EP3232697A1 (en) Preventing dropped calls through behavior prediction
US20200092019A1 (en) Method and system for determining signal strength for a mobile device
EP2958307B1 (en) Information processing device, information processing method, and program
KR20130071755A (ko) 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말
US11006238B1 (en) Method for profiling based on foothold and terminal using the same
KR20140133069A (ko) 사용자 단말 및 사용자 활동 예측 방법
JP6430873B2 (ja) 位置解析装置
JP2010282577A (ja) 情報配信方法、情報配信装置および情報配信プログラム
CN112783992A (zh) 一种基于兴趣点的地图功能区域确定方法和装置
RU2574602C2 (ru) Гибридное геопозиционирование мобильного телефона

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant