KR101806948B1 - 관심 지점을 위한 클러스터링 방법 및 관련 장치 - Google Patents

관심 지점을 위한 클러스터링 방법 및 관련 장치 Download PDF

Info

Publication number
KR101806948B1
KR101806948B1 KR1020167013679A KR20167013679A KR101806948B1 KR 101806948 B1 KR101806948 B1 KR 101806948B1 KR 1020167013679 A KR1020167013679 A KR 1020167013679A KR 20167013679 A KR20167013679 A KR 20167013679A KR 101806948 B1 KR101806948 B1 KR 101806948B1
Authority
KR
South Korea
Prior art keywords
points
point
stay
interest
retention
Prior art date
Application number
KR1020167013679A
Other languages
English (en)
Other versions
KR20160075686A (ko
Inventor
치앙 딩
사오쉬 쑹
양전 어우
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 KR20160075686A publication Critical patent/KR20160075686A/ko
Application granted granted Critical
Publication of KR101806948B1 publication Critical patent/KR101806948B1/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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H04W4/028—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06K9/46—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • 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
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Traffic Control Systems (AREA)
  • Information Transfer Between Computers (AREA)
  • Navigation (AREA)

Abstract

본 발명의 실시예는 관심 지점을 위한 클러스터링 방법 및 관련 장치를 개시한다. 상기 관심 지점을 위한 클러스터링 방법은, 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트(locating point set)를 획득하는 단계; 상기 위치지정 포인트 세트에 따라 체류 포인트 세트(stay point set)를 생성하는 단계 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역(hot area)을 표현하며, 전술한 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 위치지정 정밀도의 최댓값보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ; 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계; 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별(screening)하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트(trusted stay point)를 획득하는 단계; 및 관심 지점을 형성하기 위해 밀도-연결된(density-connected) 신뢰되는 체류 포인트를 클러스터링하는 단계를 포함한다. 본 발명에서 제시된 기술적 솔루션을 이용하면, POI의 신뢰도 및 기준 값이 효과적으로 향상될 수 있다.

Description

관심 지점을 위한 클러스터링 방법 및 관련 장치{CLUSTERING METHOD FOR A POINT OF INTEREST AND RELATED APPARATUS}
본 발명은 지리적 정보 처리 기술 분야에 관한 것으로서, 구체적으로, 관심 지점을 위한 클러스터링 방법 및 관련 장치에 관한 것이다.
관심 지점(POI, Point Of Interest)은, 사용자가 오랜 시간 동안 자주 머무르는 위치 영역으로서, 예컨대, 집, 사무실, 또는 자주 방문하는 슈퍼마켓과 같은, 사용자에게 중요한 의미를 가지는 영역을 나타낸다.
사용자의 일과의 트랙 정보는, 휴대 전화와 같은 단말기의 기지국 식별자(ID, Identity), 위성 위치 확인 시스템(GPS, Global Positioning System), 및 Wi-Fi 네트워크와 같은 위치 기능을 사용하여 획득될 수 있다. 트랙 정보는 많은 양의 위치 좌표 포인트와 위치 편차로 이루어져 있다. 트랙 정보에서 사용자의 POI를 어떻게 추출할 것인지에 대한 연구는, 상황 인식(context awareness) 및 위치 기반 서비스(LBS, Location-based Service)에 있어서 가치가 크며, 학계에서의 연구 대상이다.
현재, 사용자의 복수의 GPS 트랙 정보에 기초하여 POI를 탐색하는 방법이 있으며, 이 방법의 요지는, 먼저 트리 형식 계층적 패턴을 이용하여 사용자의 복수의 과거 위치 데이터를 모델링하고, 그 후 이 트리 형식 계층적 패턴에 기초하여, 하이퍼텍스트 객체에 기초한 탐색을 수행하는 추리 모델을 제안하고, 사용자로부터 개인의 단일 방문에 대한 위치로의 링크를 구축하는 것이다.
그러나, 전술한 방법에서, 사용자의 체류 포인트(stay point)는 공간적 및 시간적 차원을 이용하여 추출된다. 체류 포인트는 사용자의 단일 방문만을 나타낼 수 있을 뿐, 사용자에게 중요한 의미를 가지는 POI 장소를 나타낼 수는 없다. 또한, POI가 탐색되는 경우, 오직 사용자의 과거 위치 데이터을 참조하므로, 탐색되는 POI의 신뢰성 및 기준 값이 낮다.
본 발명의 실시예는, POI의 기준 값 및 신뢰성을 향상시키는데 사용되는, 관심 지점을 위한 클러스터링 방법 및 관련 장치를 제안한다.
본 발명의 제1 측면은 관심 지점을 위한 클러스터링 방법을 제공하며, 상기 방법은,
사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트(locating point set)를 획득하는 단계;
상기 위치지정 포인트 세트에 따라 체류 포인트 세트(stay point set)를 생성하는 단계 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역(hot area)을 표현하며, 상기 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 높은 위치지정 정밀도보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계 - 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 상기 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별(screening)하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트(trusted stay point)를 획득하는 단계 - 상기 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ; 및
관심 지점을 형성하기 위해 밀도-연결된(density-connected) 신뢰되는 체류 포인트를 클러스터링하는 단계 - 상기 밀도-연결되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 -
를 포함한다.
본 발명의 제1 측면에 기초하여, 제1 가능 구현 방식에서, 전술한 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하는 단계는,
전술한 조건을 만족하는 주요 영역을 결정하는 단계; 및
전술한 주요 영역의 지리적 중심 포인트를 전술한 주요 영역을 표현하는 체류 포인트로 결정하는 단계
를 포함한다.
본 발명의 제1 측면 또는 본 발명의 제1 측면의 제1 가능 구현 방식에 기초하여, 제2 가능 구현 방식에서, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계는,
각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하는 단계; 및
상기 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
Figure 112017066116439-pct00001
를 이용하여, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계
를 포함하고,
여기서, Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 상기 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 상기 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타낸다.
본 발명의 제1 측면의 제2 가능 구현 방식에 기초하여, 제3 가능 구현 방식에서, 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하는 단계는 구체적으로,
상기 사용자의 단말기 상의 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라 상기 위치지정 포인트 세트 내의 모든 위치지정 포인트의 이동 상태를 획득하는 단계이다.
본 발명의 제1 측면, 또는 본 발명의 제1 측면의 제1 가능 구현 방식, 또는 본 발명의 제1 측면의 제2 가능 구현 방식, 또는 본 발명의 제1 측면의 제3 가능 구현 방식에 기초하여, 제4 가능 구현 방식에서, 전술한 관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하는 단계는,
모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트(leaf stay point)를 연속적으로 연결하여 형성되는 폐쇄 영역(closed area)을 관심 지점의 영역으로 결정하는 단계
를 포함하고,
중심이 리프 체류 포인트인, 사전 설정된 반경 커버리지 범위 내의 모든 체류 포인트의 신뢰도의 합은 사전 설정된 임계값보다 크지 않다.
본 발명의 제2 측면은 관심 지점을 위한 클러스터링 장치를 제공하며, 상기 장치는,
사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득하도록 구성되어 있는 획득 유닛;
상기 획득 유닛에 의해 획득된 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하도록 구성되어 있는 체류 포인트 생성 유닛 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역을 표현하며, 상기 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 높은 위치지정 정밀도보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있는 계산 유닛 - 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 상기 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
상기 계산 유닛에 의해 계산된 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트를 획득하도록 구성되어 있는 필터링 유닛 - 상기 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ; 및
관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하도록 구성되어 있는 클러스터링 유닛 - 상기 밀도-연결되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 -
을 포함한다.
본 발명의 제2 측면에 기초하여, 제1 가능 구현 방식에서, 전술한 체류 포인트 생성 유닛은,
전술한 조건을 만족하는 주요 영역을 결정하도록 구성되어 있는 제1 결정 유닛; 및
전술한 주요 영역의 지리적 중심 포인트를 전술한 주요 영역을 표현하는 체류 포인트로 결정하도록 구성되어 있는 제2 결정 유닛
을 포함한다.
본 발명의 제2 측면 또는 본 발명의 제2 측면의 제1 가능 구현 방식에 기초하여, 제2 가능 구현 방식에서, 전술한 계산 유닛은,
각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있는 획득 서브유닛; 및
상기 획득 서브유닛에 의해 획득되며 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
Figure 112017066116439-pct00002
를 이용하여, 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있는 계산 서브유닛
을 포함하고,
여기서, Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 상기 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 상기 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타낸다.
본 발명의 제2 측면의 제2 가능 구현 방식에 기초하여, 제3 가능 구현 방식에서, 전술한 획득 서브유닛은 구체적으로,
상기 사용자의 단말기 상의 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있다.
본 발명의 제2 측면, 또는 본 발명의 제2 측면의 제1 가능 구현 방식, 또는 본 발명의 제2 측면의 제2 가능 구현 방식, 또는 본 발명의 제2 측면의 제3 가능 구현 방식에 기초하여, 제4 가능 구현 방식에서, 전술한 클러스터링 유닛은 구체적으로, 관심 지점을 형성하기 위해 모든 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하고, 모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트를 연속적으로 연결하여 형성되는 폐쇄 영역을 관심 지점의 영역으로 결정하도록 구성되어 있고,
중심이 리프 체류 포인트인, 사전 설정된 반경 커버리지 범위 내의 모든 체류 포인트의 신뢰도의 합은 사전 설정된 임계값보다 크지 않다.
전술한 기술적 솔루션으로부터 알 수 있는 것은, 본 발명의 실시예가 이하의 이점을 가진다는 것이다:
전술한 것으로부터 알 수 있는 것은, 본 발명의 실시예에서, 하나의 체류 포인트는 위치지정 정밀도 및 시간 임계값에 따라 복수의 위치지정 포인트에 의해 형성되고, 대부분의 레이오버 포인트(layover point), 위치 점프 포인트(locating jump point), 및 패스-쓰루 포인트(pass-through point)는 위치지정 정밀도 및 시간 임계값의 제한 하에 필터링될 수 있다는 것이다. 또한, 체류 포인트의 신뢰도는 이 체류 포인트의 위치지정 포인트의 이동 상태를 참고하여 계산되며, 신뢰도가 상대적으로 낮은 체류 포인트는 체류 포인트의 신뢰도에 따라 차단되므로, 일부의 도중 노이즈 체류 포인트(on-the-way noise stay point) (예컨대, 교통 체증 구역의 체류 시간, 신호등 대기 시간, 및 천천히 걷는 시간에 생성되는 의사 체류 포인트(pseudo stay point))가 추가로 필터링될 수 있다. 따라서, 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하여 최종적으로 형성되는 관심 지점은 높은 신뢰성 및 높은 기준 값을 가질 수 있다.
종래 기술 또는 본 발명의 실시예의 기술적 솔루션을 보다 명확하게 설명하기 위해, 이하에서는 종래 기술 또는 실시예를 설명하는데 필요한 첨부된 도면을 간략하게 소개한다. 명백하게, 이하의 설명의 첨부된 도면은 단지 본 발명의 일부 실시예를 도시하는 것일 뿐이며, 통상의 기술자는 창조적 노력 없이 이러한 첨부된 도면으로부터 다른 도면을 도출해낼 수 있다.
도 1은, 본 발명에 따른 관심 지점을 위한 클러스터링 방법의 일 실시예의 개략적인 흐름도이다.
도 2a는, 본 발명에 따른 애플리케이션 시나리오의 위치지정 포인트의 트랙의 개략적인 다이어그램이다.
도 2b는, 본 발명에 따른 애플리케이션 시나리오에서 형성된 체류 포인트 세트의 개략적인 다이어그램이다.
도 2c는, 본 발명에 따른 애플리케이션 시나리오에서 선별하는 방식으로 획득된 신뢰되는 체류 포인트의 개략적인 다이어그램이다.
도 2d는, 본 발명에 따른 애플리케이션 시나리오에서 클러스터링하는 방식으로 획득된 POI의 개략적인 다이어그램이다.
도 3은, 본 발명에 따른 관심 지점을 위한 클러스터링 장치의 일 실시예의 개략적인 구조도이다.
도 4는, 본 발명에 따른 관심 지점을 위한 클러스터링 장치의 다른 실시예의 개략적인 구조도이다.
도 5는, 본 발명에 따른 관심 지점을 위한 클러스터링 장치의 또 다른 실시예의 개략적인 구조도이다.
본 발명의 실시예는 관심 지점을 위한 클러스터링 방법 및 관련 장치를 제공한다.
본 발명의 발명 목적, 특징 및 이점을 보다 명확하고 보다 이해하기 쉽도록 하기 위해, 이하에서는 본 발명의 실시예의 첨부된 도면을 참조하여 본 발명의 실시예의 기술적 솔루션을 명확하고 완전하게 설명한다. 명백하게, 설명되는 실시예는 단지 본 발명의 일부 실시예일 뿐, 모든 실시예는 아니다. 본 발명의 실시예에 기초하여 통상의 기술자에 의해 창조적 노력 없이 획득되는 다른 모든 실시예는 본 발명의 보호 범위에 속할 것이다.
이하에서는 본 발명의 일 실시예에서 제공되는 관심 지점을 위한 클러스터링 방법을 설명한다. 도 1을 참조하면, 본 발명의 이 실시예의 관심 지점을 위한 클러스터링 방법은 다음을 포함한다:
101. 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트(locating point set)를 획득한다.
본 발명의 이 실시예의 위치지정 포인트 세트는 하나 이상의 위치지정 포인트를 포함하며, 여기서 위치지정 포인트는 사용자의 위치 정보를 나타내는데 이용된다.
선택적으로, 위치지정 포인트는 경도 값과 위도 값에 의해 표현되는 GPS 위치 포인트이고, 관심 지점을 위한 클러스터링 장치는 사용자의 GPS 위치 데이터로부터 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득한다.
102. 전술한 위치지정 포인트 세트에 따라 체류 포인트 세트(stay point set)를 생성한다.
전술한 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역(hot area)을 표현하며, 전술한 주요 영역은 다음의 조건들: 전술한 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 전술한 2개의 위치지정 포인트의 위치지정 정밀도에서 높은 위치지정 정밀도보다 작을 것, 및 전술한 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족한다.
예를 들어, 위치지정 포인트 세트 {Pj, Pj+1, ..., Pj+L}가, 체류 포인트가 형성될 수 있는 주요 영역을 구성한다고 가정하면, 위치지정 포인트 세트 {Pj, Pj+1, ..., Pj+L}는 이하의 2가지 조건을 만족해야 한다:
1. {Pj, Pj+1, ..., Pj+L} 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가 공간적 임계값 Dth보다 작고, 여기서 Dth는 고정된 값이 아니며, 연관된 위치지정 포인트 변화에 따라 변경되고, 구체적으로 2개의 위치지정 포인트의 위치지정 정밀도의 최댓값, 즉, Dth(Pn, Pm) = max(Radius(Pn), Radius(Pm)) 이다. 예컨대, 위치지정 포인트 P1의 위치지정 정밀도가 5 미터이고, 위치지정 포인트 P2의 위치지정 정밀도는 10 미터이라고 가정하면, 위치지정 포인트 P1와 위치지정 포인트 P2에 대해서, Dth(P1, P2)는 위치지정 포인트 P1와 위치지정 포인트 P2의 위치지정 정밀도 중 높은 위치지정 정밀도와 동일하다, 즉, Dth(P1, P2)는 10 미터와 동일하다. 만일 위치지정 포인트 P3의 위치지정 정밀도가 15 미터이면, 위치지정 포인트 P1와 위치지정 포인트 P3에 대해서, Dth(P1, P3)는 위치지정 포인트 P1와 위치지정 포인트 P3의 위치지정 정밀도 중 높은 위치지정 정밀도와 동일, 즉, Dth(P1, P2)는 15 미터와 동일하다.
2. 상이한 위치지정 포인트가 상이한 시간 포인트에서 측정의 방식으로 획득되기 때문에, 시간 간격은 매 2개의 위치지정 포인트 사이에 존재한다. 예를 들어, 위치지정 포인트 P1가 10:00에 측정의 방식으로 획득되는 것으로 가정하면, 위치지정 포인트 P2는 10:03에 측정의 방식으로 획득되고, 위치지정 포인트 P1와 위치지정 포인트 P2 사이의 시간 간격은 3분이다. 본 발명의 이 실시예에서, {Pj, Pj+1, ..., Pj+L}는 추가로 다음의 조건을 만족해야 한다: {Pj, Pj+1, ..., Pj+L}의 위치지정 포인트 사이의 시간 인터벌의 최댓값은 사전 설정된 임계값 Tth(예컨대, Tth의 값은 5분, 7분, 또는 10분일 수 있음)보다 크다, 즉, {Pj, Pj+1, ..., Pj+L}에서, 첫번째로 측정의 방식으로 획득된 위치지정 포인트와 마지막으로 측정의 방식으로 획득된 위치지정 포인트 사이의 시간 간격은 Tth보다 크고, 여기서 Tth는 구체적으로 실제 필요조건에 따라 설정될 수 있으며, 이에 한정되는 것은 아니다.
선택적으로, 전술한 조건을 만족하는 주요 영역이 결정된 후, 전술한 주요 영역의 지리적 중심 포인트가 전술한 주요 영역을 표현하는 체류 포인트로 결정되고, 여기서 체류 포인트는 주요 영역의 모든 위치지정 포인트를 표현할 수 있다. 명백하게, 주요 영역에 대응하는 체류 포인트를 결정하는데 다른 방식이 사용될 수도 있다. 예를 들어, 주요 영역의 중력의 중심이 주요 영역을 표현하는 체류 포인트로 이용되고, 주요 영역의 중력의 중심은 주요 영역 내의 위치지정 포인트의 분포와 연관되어 있다.
103. 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산한다.
체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 체류 포인트의 신뢰도가 더 높다는 것을 나타낸다.
일 구현 방식에서, 관심 지점을 위한 클러스터링 장치는 전술한 체류 포인트 세트 내의 체류 포인트 각각에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하고, 전술한 체류 포인트 세트의 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
Figure 112017066116439-pct00003
를 이용하여, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하며, 여기서 Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타낸다. 예를 들어, 사용자의 가능 이동 상태가 정지(stationary), 걷기(walking), 또는 라이딩(riding)이라고 가정하면, 3가지 이동 상태에 대해, 이 이동 상태들에 대응하는 오름차순의 이동 속도는 순차적으로, 정지, 걷기, 및 라이딩이며, 이 이동 상태들 중 내림차순의 신뢰도 가중치는 순차적으로, 정지, 걷기, 및 라이딩이다.
선택적으로, 관심 지점을 위한 클러스터링 장치는, 전술한 사용자의 (휴대 전화, 태블릿, 및 차량 탑재 단말기와 같은) 단말기 상의 (가속도 및 자이로스코프로부터 획득되는 데이터와 같은) 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 전술한 위치지정 포인트 세트 내의 모든 위치지정 포인트의 이동 상태를 획득하거나; 또는 관심 지점을 위한 클러스터링 장치는, (서버와 같은) 다른 위치 장치로부터 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득할 수 있으며, 이에 한정되는 것은 아니다.
104. 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라, 선별하는 방식으로 전술한 체류 포인트 세트에서 신뢰되는 체류 포인트(trusted stay point)를 획득한다.
전술한 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 크다.
본 발명의 이 실시예에서, 관심 지점을 위한 클러스터링 장치는 선별하는 방식으로 전술한 체류 포인트 세트에서 신뢰되는 체류 포인트(즉, 신뢰도가 사전 설정된 신뢰도 임계값보다 높은 체류 포인트)를 획득하고, 신뢰도가 사전 설정된 신뢰도 임계값보다 크지 않은 체류 포인트를 제거한다.
105. POI를 형성하기 위해 밀도-연결된(density-connected) 신뢰되는 체류 포인트를 클러스터링한다.
전술한 “밀도-연결”되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타낸다. 예를 들어, 신뢰되는 체류 포인트 P1의 커버리지 범위가 신뢰되는 체류 포인트 P2의 커버리지 범위와 교차한다고 가정하면, 신뢰되는 체류 포인트 P1과 신뢰되는 체류 포인트 P2에 의해 표현되는 주요 영역의 범위는 서로 직접적으로 연결되어 있다. 이 경우, 신뢰되는 체류 포인트 P1와 신뢰되는 체류 포인트 P2는 밀도-연결되어 있다. 또는, 신뢰되는 체류 포인트 P1의 커버리지 범위가 신뢰되는 체류 포인트 P3의 커버리지 범위와 교차하고, 신뢰되는 체류 포인트 P2의 커버리지 범위가 신뢰되는 체류 포인트 P4의 커버리지 범위와 교차하고, 신뢰되는 체류 포인트 P3의 커버리지 범위가 신뢰되는 체류 포인트 P4의 커버리지 범위와 교차한다고 가정하면, 신뢰되는 체류 포인트 P1과 신뢰되는 체류 포인트 P2에 의해 표현되는 주요 영역의 범위는 서로 간접적으로 연결되어 있다. 이 경우, 신뢰되는 체류 포인트 P1와 신뢰되는 체류 포인트 P2는 마찬가지로 밀도-연결되어 있다.
선택적으로, 신뢰되는 체류 포인트 P1 (리프 체류 포인트(leaf stay point), 또는 내부 체류 포인트일 수 있음)이 내부 체류 포인트 o로부터 밀도-접근 가능(density-reachable)하고, 신뢰되는 체류 포인트 P2 (리프 체류 포인트, 또는 내부 체류 포인트일 수 있음)가 내부 체류 포인트 o로부터 밀도-접근 가능하면, 신뢰되는 체류 포인트 P1와 신뢰되는 체류 포인트 P2는 밀도-연결되어 있다. 이하에서는 “내부 체류 포인트”, “리프 체류 포인트”, 및 “밀도-접근 가능”을 설명한다.
리프 체류 포인트: 중심이 체류 포인트인 사전 설정된 반경 커버리지 내의 모든 체류 포인트의 신뢰도의 합이 사전 설정된 임계값보다 크지 않다.
밀도-접근 가능: 주어진 일련의 신뢰되는 체류 포인트 p1, p2, ……, pn에서, pi (0<i<n)는 내부 체류 포인트이며, pn은 리프 체류 포인트 또는 내부 체류 포인트일 수 있고, P=pi,이며 Q=pn이고, pi가 pi-1로부터 직접적으로 밀도-접근 가능하다고 가정하면(1<i<(n+1)), 체류 포인트 Q는 내부 체류 포인트 P로부터 밀도-접근 가능하다.
직접 밀도-접근 가능: 신뢰되는 체류 포인트 P (리프 체류 포인트일 수 있거나, 또는 내부 체류 포인트일 수 있음)가 신뢰되는 체류 포인트 Q의 반경 커버리지 내에 위치하고, 신뢰되는 체류 포인트 Q가 내부 체류 포인트인 경우, 신뢰되는 체류 포인트 P는 신뢰되는 체류 포인트 Q로부터 직접적으로 밀도-접근 가능한다.
선택적으로, 모든 밀도-연결된 신뢰되는 체류 포인트는 POI를 형성하기 위해 클러스터링된다. 또한, 모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트를 연속적으로 연결하여 POI 영역으로서 형성된 폐쇄 영역(closed area), 또는 POI 영역은, 이에 한정되는 것은 아니지만, 모든 밀도-연결된 신뢰되는 체류 포인트를 포함하는 최소 원형 영역 또는 사각형 영역일 수 있다.
전술한 것으로부터 알 수 있는 것은, 본 발명의 이 실시예에서, 하나의 체류 포인트는 위치지정 정밀도 및 시간 임계값에 따라 복수의 위치지정 포인트에 의해 형성되고, 대부분의 레이오버 포인트(layover point), 위치 점프 포인트(locating jump point), 및 패스-쓰루 포인트(pass-through point)는 위치지정 정밀도 및 시간 임계값의 제한 하에 필터링될 수 있다는 것이다. 또한, 체류 포인트의 신뢰도는 이 체류 포인트의 위치지정 포인트의 이동 상태를 참고하여 계산되며, 신뢰도가 상대적으로 낮은 체류 포인트는 체류 포인트의 신뢰도에 따라 차단되므로, 일부의 도중 노이즈 체류 포인트(on-the-way noise stay point) (예컨대, 교통 체증 구역의 체류 시간, 신호등 대기 시간, 및 천천히 걷는 시간에 생성되는 의사 체류 포인트(pseudo stay point))가 추가로 필터링될 수 있다. 따라서, 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하여 최종적으로 형성되는 관심 지점은 높은 신뢰성 및 높은 기준 값을 가질 수 있다.
본 발명의 기술적 솔루션의 보다 나은 이해를 위해, 이하에서는 특정 애플리케이션 시나리오를 사용하여 본 발명의 이 실시예의 관심 지점을 위한 클러스터링 방법을 설명한다.
사전 설정된 기간 내의 사용자의 위치지정 포인트의 트랙이 도 2a에 도시된 것과 같다고 가정한다.
단계 1: 관심 지점을 위한 클러스터링 장치는, 도 2a에 도시되어 있는 위치지정 포인트 세트에서 동적 공간적 임계값 및 시간 임계값을 이용하여, 다음의 2가지 조건; 1. 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 전술한 2개의 위치지정 포인트의 위치지정 정밀도 중 높은 위치지정 정밀도보다 작을 것, 및 2. 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족하는 주요 영역을 결정하고, 조건을 만족하는 주요 영역을 결정한 후, 주요 영역의 지리적 중심 포인트를 주요 영역을 표현하는 체류 포인트로 결정하고, 도 2b에 도시된 체류 포인트의 트랙의 다이어그램을 획득할 수 있도록 여러 개의 체류 포인트를 형성하며, 여기서 도 2b 내의 각 검은색 포인트는 형성된 체류 포인트를 표현하고, 각 체류 포인트는 사용자가 동일한 장소에 체류하는 경우 생성되는 위치지정 포인트의 많은 수량을 표현할 수 있다. 도 2b를 도 2a와 비교하여 알 수 있는 것은, 대부분의 레이오버 포인트, 위치 점프 포인트, 및 패스-쓰루 포인트가 도 2b에서 필터링된다는 것이다.
단계 2: 관심 지점을 위한 클러스터링 장치는, 하나의 체류 포인트를 형성하는 모든 위치지정 포인트에서 사용자의 이동 상태(예컨대 정지, 걷기 및 라이딩)에 따라 각 체류 포인트의 신뢰도를 계산하고, 여기서 하나의 체류 포인트의 모든 위치지정 포인트에서 사용자의 이동 상태에 대응하는 평균 속도가 더 낮으면, 체류 포인트의 신뢰도가 더 높고, 예컨대, 이동 상태가 체류 포인트를 형성하는 모든 위치지정 포인트에서 정지(즉, 이동 속도가 0임)인 체류포인트의 위치지정 포인트의 비율이 높으면, 체류 포인트의 신뢰도가 높고, 이와 달리, 이동 상태가 체류 포인트를 형성하는 모든 위치지정 포인트에서 라이딩(즉, 이동 속도가 0보다 훨씬 큼)인 체류 포인트의 위치지정 포인트의 비율이 높으면, 체류 포인트의 신뢰도가 낮고; 각각의 체류 포인트의 신뢰도를 계산한 후, 도 2b에 도시되어 있는 체류 포인트 세트에서, 신뢰도가 사전 설정된 신뢰도 임계값보다 크지 않은 체류 포인트를 제거하고, 즉, 도 2b에 도시되어 있는 체류 포인트 세트에서, 신뢰도가 사전 설정된 신뢰도 임계값보다 높은 체류 포인트를 선별하는 방식으로 획득하므로, 도 2c에 도시되어 있는 신뢰되는 체류 포인트의 세트를 획득한다. 도 2c를 도 2b와 비교하여 알 수 있는 것은, 일부의 도중 노이즈 체류 포인트(on-the-way noise stay point) (예컨대, 교통 체증 구역, 신호등 대기, 및 천천히 보행에 대응하는 의사 체류 포인트(pseudo stay point))가 도 2c에서 필터링된다는 것이다.
단계 3: 신뢰도에 기초하여 전술한 체류 포인트를 클러스터링하고, 모든 체류 포인트가 밀도-연결되는(즉, 세트 내의 임의의 2개의 체류 포인트가 밀도-연결되는) 최대 체류 포인트 세트를 식별하고, 최대 체류 포인트 세트 내의 체류 포인트를 클러스터링하여 POI를 형성하고, 여기서 POI의 영역은, 최대 체류 포인트 세트 내의 모든 리프 체류 포인트를 연속적으로 연결하여 형성된 폐다각형, 예컨대, 도 2d에 도시되어 있는, 클러스터링의 방식으로 획득된 POI의 개략적인 다이어그램으로 표현될 수 있다. 각각의 체류 포인트의 신뢰도는 단계 3에서 클러스터링 프로세스에서 고려되므로, POI의 클러스터링 신뢰도가 향상될 수 있으며, POI의 영역 범위가 실제 경우의 영역 범위에 가까울 수 있다.
본 발명의 일 실시예는 관심 지점을 위한 클러스터링 장치를 추가로 제공한다. 도 3에 도시된 바와 같이, 본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치(300)는 획득 유닛(301), 체류 포인트 생성 유닛(302), 계산 유닛(303), 필터링 유닛(304), 및 클러스터링 유닛(305)를 포함한다.
획득 유닛(301)은 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득하도록 구성되어 있다.
본 발명의 이 실시예의 위치지정 포인트 세트는 하나 이상의 위치지정 포인트를 포함하며, 여기서 위치지정 포인트는 사용자의 위치 정보를 나타내는데 이용된다.
선택적으로, 위치지정 포인트는 경도 값과 위도 값에 의해 표현되는 GPS 위치 포인트이고, 관심 지점을 위한 클러스터링 장치는 사용자의 GPS 위치 데이터로부터 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득한다.
체류 포인트 생성 유닛(302)은, 획득 유닛(301)에 의해 획득된 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하도록 구성되어 있고, 여기서 전술한 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역을 표현하며, 전술한 주요 영역은 다음의 조건들: 전술한 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 전술한 2개의 위치지정 포인트의 위치지정 정밀도 중 높은 위치지정 정밀도보다 작을 것, 및 전술한 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족한다.
선택적으로, 도 3에 도시된 실시예에 기초하여, 도 4에 도시된 관심 지점을 위한 클러스터링 장치(400)에 따르면, 체류 포인트 생성 유닛(302)은, 전술한 조건을 만족하는 주요 영역을 결정하도록 구성되어 있는 제1 결정 유닛(3021); 및 전술한 주요 영역의 지리적 중심 포인트를 전술한 주요 영역을 표현하는 체류 포인트로 결정하도록 구성되어 있는 제2 결정 유닛(3022)을 포함한다.
계산 유닛(303)은, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있고, 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 체류 포인트의 신뢰도가 더 높다는 것을 나타낸다.
선택적으로, 도 3 또는 도 4에 도시되어 있는 실시예에 기초하여, 계산 유닛(303)은,
각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있는 획득 서브유닛; 및
전술한 획득 서브유닛에 의해 획득되며 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
Figure 112017066116439-pct00004
를 이용하여, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있는 계산 서브유닛
을 포함하고,
여기서, Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타낸다.
선택적으로, 전술한 획득 서브유닛은 구체적으로, 전술한 사용자의 단말기 상의 (가속도 및 자이로스코프로부터 획득되는 데이터와 같은) 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있다.
필터링 유닛(304)은, 계산 유닛(303)에 의해 계산된 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별하는 방식으로 전술한 체류 포인트 세트에서 신뢰되는 체류 포인트를 획득하도록 구성되어 있고, 여기서 전술한 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 크다.
클러스터링 유닛(305)은, 관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하도록 구성되어 있고, 여기서 “밀도-연결”되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타낸다.
선택적으로, 클러스터링 유닛(305)은, 관심 지점을 형성하기 위해 모든 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하고, 모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트를 연속적으로 연결하여 형성되는 폐쇄 영역을 관심 지점의 영역으로 결정하도록 추가로 구성되어 있고, 중심이 리프 체류 포인트인, 사전 설정된 반경 커버리지 범위 내의 모든 체류 포인트의 신뢰도의 합은 사전 설정된 임계값보다 크지 않다.
본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치는 (휴대 전화, 태블릿, 노트북 컴퓨터, 데스크탑 컴퓨터, 또는 위치 기능을 가지는 다른 단말기와 같은) 단말기일 수 있거나, 또는 관심 지점을 위한 클러스터링 장치는 단말기와 독립적인 장치이며 무선 또는 유선 방식으로 단말기와 통신할 수 있고, 이에 한정되는 것은 아니다.
본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치는 전술한 방법 실시예의 관심 지점을 위한 클러스터링 장치일 수 있으며 전술한 방법 실시예의 모든 기술적 솔루션을 구현하도록 구성될 수 있다는 것을 유의해야 한다. 관심 지점을 위한 클러스터링 장치의 각 기능 모듈의 기능은 구체적으로 전술한 방법 실시예에서 설명된 방법에 따라 구현될 수 있다. 구체적인 구현 프로세스에 대해서는, 전술한 실시예의 관련 설명을 참조할 수 있으며, 여기서 다시 세부사항을 설명하지 않는다.
전술한 것으로부터 알 수 있는 것은, 본 발명의 이 실시예에서, 하나의 체류 포인트는 위치지정 정밀도 및 시간 임계값에 따라 복수의 위치지정 포인트에 의해 형성되고, 대부분의 레이오버 포인트, 위치 점프 포인트, 및 패스-쓰루 포인트는 위치지정 정밀도 및 시간 임계값의 제한 하에 필터링될 수 있다는 것이다. 또한, 체류 포인트의 신뢰도는 이 체류 포인트의 위치지정 포인트의 이동 상태를 참고하여 계산되며, 신뢰도가 상대적으로 낮은 체류 포인트는 체류 포인트의 신뢰도에 따라 차단되므로, 일부의 도중 노이즈 체류 포인트(on-the-way noise stay point) (예컨대, 교통 체증 구역의 체류 시간, 신호등 대기 시간, 및 천천히 걷는 시간에 생성되는 의사 체류 포인트)가 추가로 필터링될 수 있다. 따라서, 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하여 최종적으로 형성되는 관심 지점은 높은 신뢰성 및 높은 기준 값을 가질 수 있다.
본 발명의 일 실시예는 컴퓨터 저장 매체를 추가로 제공하며, 여기서 컴퓨터 저장 매체는 프로그램을 저장하고, 이 프로그램은 전술한 방법 실시예에서 기록된 일부 또는 모든 단계를 수행한다.
이하에서는 본 발명의 이 실시예에서 제공되는 다른 장치를 설명한다. 도 5을 참조하면, 본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치(500)는 다음을 포함한다:
입력 장치(501), 출력 장치(502), 메모리(503), 및 프로세서(504) (관심 지점을 위한 클러스터링 장치(500)에 하나 이상의 프로세서(504)가 있을 수 있으며, 도 5의 일 예시로 하나의 프로세서가 이용됨). 본 발명의 일부 실시예에서, 입력 장치(501), 출력 장치(502), 메모리(503), 및 프로세서(504)는 버스를 이용하여 또는 다른 방식으로 연결될 수 있다. 도 5에서, 버스 연결이 일 예시로 사용된다. 메모리(503)는 입력 장치(501)에 의해 입력되는 데이터를 저장하도록 구성되어 있으며, 프로세서(504)에 의한 데이터 처리를 위해 정보, 예컨대 필수 파일을 추가로 저장할 수 있다. 입력 장치(501)과 출력 장치(502) 모두 다른 장치와 통신하기 위해 관심 지점을 위한 클러스터링 장치(500)에 의해 사용되는 포트를 포함할 수 있으며, 관심 지점을 위한 클러스터링 장치(500)에 연결되어 있는 외부 출력 장치, 예컨대, 디스플레이, 키보드, 마우스, 및 프린터를 추가로 포함할 수 있다. 구체적으로, 입력 장치(501)는 마우스, 키보드, 등을 포함할 수 있으며, 출력 장치(502)는 디스플레이 등을 포함할 수 있다. 본 발명의 이 실시예에서, 다른 장치와 통신하기 위해, 입력 장치(501) 및 출력 장치(502) 내에 있는 포트는 안테나 및/또는 통신 케이블이다.
프로세서(504)는 다음의 단계를 수행한다:
사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득하는 단계;
전술한 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하는 단계 - 여기서 전술한 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역을 표현하며, 전술한 주요 영역은 다음의 조건들: 전술한 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 전술한 2개의 위치지정 포인트의 위치지정 정밀도 중 높은 위치지정 정밀도보다 작을 것, 및 전술한 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계 - 여기서, 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별하는 방식으로 전술한 체류 포인트 세트에서 신뢰되는 체류 포인트를 획득하는 단계 - 전술한 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ; 및
관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하는 단계 - 여기서 전술한 “밀도-연결”되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 - .
선택적으로, 위치지정 포인트는 경도 값과 위도 값에 의해 표현되는 GPS 위치 포인트이고, 프로세서(504)는 사용자의 GPS 위치 데이터로부터 사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득하도록 구성되어 있다.
선택적으로, 전술한 조건을 만족하는 주요 영역이 결정된 후, 프로세서(504)는 전술한 주요 영역의 지리적 중심 포인트를 전술한 주요 영역을 표현하는 체류 포인트로 결정하고, 여기서 체류 포인트는 주요 영역의 모든 위치지정 포인트를 표현할 수 있다. 명백하게, 주요 영역에 대응하는 체류 포인트를 결정하는데 다른 방식이 사용될 수도 있다. 예를 들어, 주요 영역의 중력의 중심이 주요 영역을 표현하는 체류 포인트로 이용되고, 주요 영역의 중력의 중심은 주요 영역 내의 위치지정 포인트의 분포와 연관되어 있다.
선택적으로, 프로세서(504)는, 전술한 체류 포인트 세트 내의 체류 포인트 각각에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하고, 전술한 체류 포인트 세트의 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
Figure 112017066116439-pct00005
를 이용하여, 전술한 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하며, 여기서 Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타낸다. 예를 들어, 사용자의 가능 이동 상태가 정지(stationary), 걷기(walking), 또는 라이딩(riding)이라고 가정하면, 3가지 이동 상태에 대해, 이 이동 상태들에 대응하는 오름차순의 이동 속도는 순차적으로, 정지, 걷기, 및 라이딩이며, 이 이동 상태들 중 내림차순의 신뢰도 가중치는 순차적으로, 정지, 걷기, 및 라이딩이다.
선택적으로, 프로세서(504)는, 전술한 사용자의 단말기 상의 (가속도 및 자이로스코프로부터 획득되는 데이터와 같은) 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 전술한 위치지정 포인트 세트 내의 모든 위치지정 포인트의 이동 상태를 획득하거나; 또는 프로세서(504)는, (서버와 같은) 다른 위치 장치로부터 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득할 수 있으며, 이에 한정되는 것은 아니다.
선택적으로, 프로세서(504)는, POI를 형성하기 위해 모든 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하고, 모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트를 연속적으로 연결하여 형성된 폐쇄 영역이 POI의 영역이라고 결정하거나, 또는 POI의 영역은, 이에 한정되는 것은 아니지만, 모든 밀도-연결된 신뢰되는 체류 포인트를 포함하는 최소 원형 영역 또는 사각형 영역일 수 있다.
본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치는 (휴대 전화, 태블릿, 노트북 컴퓨터, 데스크탑 컴퓨터, 또는 위치 기능을 가지는 다른 단말기와 같은) 단말기일 수 있거나, 또는 관심 지점을 위한 클러스터링 장치는 단말기와 독립적인 장치이며 무선 또는 유선 방식으로 단말기와 통신할 수 있고, 이에 한정되는 것은 아니다.
본 발명의 이 실시예의 관심 지점을 위한 클러스터링 장치는 전술한 방법 실시예의 관심 지점을 위한 클러스터링 장치일 수 있으며 전술한 방법 실시예의 모든 기술적 솔루션을 구현하도록 구성될 수 있다는 것을 유의해야 한다. 관심 지점을 위한 클러스터링 장치의 각 기능 모듈의 기능은 구체적으로 전술한 방법 실시예에서 설명된 방법에 따라 구현될 수 있다. 구체적인 구현 프로세스에 대해서는, 전술한 실시예의 관련 설명을 참조할 수 있으며, 여기서 다시 세부사항을 설명하지 않는다.
전술한 것으로부터 알 수 있는 것은, 본 발명의 이 실시예에서, 하나의 체류 포인트는 위치지정 정밀도 및 시간 임계값에 따라 복수의 위치지정 포인트에 의해 형성되고, 대부분의 레이오버 포인트, 위치 점프 포인트, 및 패스-쓰루 포인트는 위치지정 정밀도 및 시간 임계값의 제한 하에 필터링될 수 있다는 것이다. 또한, 체류 포인트의 신뢰도는 이 체류 포인트의 위치지정 포인트의 이동 상태를 참고하여 계산되며, 신뢰도가 상대적으로 낮은 체류 포인트는 체류 포인트의 신뢰도에 따라 차단되므로, 일부의 도중 노이즈 체류 포인트(on-the-way noise stay point) (예컨대, 교통 체증 구역의 체류 시간, 신호등 대기 시간, 및 천천히 걷는 시간에 생성되는 의사 체류 포인트)가 추가로 필터링될 수 있다. 따라서, 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하여 최종적으로 형성되는 관심 지점은 높은 신뢰성 및 높은 기준 값을 가질 수 있다.
간략한 설명을 위해, 전술한 방법 실시예가 일련의 동작으로 표현되었다는 것을 유의해야 한다. 그러나, 본 발명에 따르면, 일부 단계가 다른 순서 또는 동시에 수행될 수 있기 때문에, 통상의 기술자는 본 발명이 설명된 동작의 순서에 한정되지 않는다는 것을 이해해야 한다. 전술한 실시예에서, 각 실시예의 설명은 개별적인 관점을 가진다. 일 실시예에서 상세하게 설명되지 않은 부분에 대해서는, 다른 실시예의 관련 설명을 참조할 수 있다.
본 명세서에서 제시된 여러 실시에에서, 개시된 장치 및 방법은 다른 방식으로 구현될 수 있다는 것을 이해해야 한다. 예컨대, 설명된 장치 실시예는 단지 예시적인 것이다. 예컨대, 유닛 분할은 단지 논리적 기능 분할일 뿐이며, 실제 구현에서 다른 분할일 수 있다. 예컨대, 복수의 유닛 또는 구성 요소는 다른 시스템에 병합되거나 통합될 수 있거나, 또는 일부 특성이 무시되거나 수행되지 않을 수 있다. 또한, 도시되거나 논의된 상호 결합 또는 직접 결합 또는 통신 연결은 일부 인터페이스를 이용하여 구현될 수 있다. 간접 결합 또는 장치 또는 유닛 사이의 통신 연결은 전기적, 물리적, 또는 다른 형식으로 구형될 수 있다.
별개의 부분으로 설명된 유닛은 물리적으로 별개일 수도 있거나 아닐수도 있고, 유닛으로 도시된 부분이 물리적 유닛일 수도 있거나 아닐 수도 있으며, 하나의 위치에 배치될 수 있거나, 또는 복수의 네트워크 유닛 상에 배치될 수 있다. 일부 또는 모든 유닛은 실시예의 솔루션의 목적을 달성하기 위해 실제 필요에 따라 선택될 수 있다.
또한, 본 발명의 실시예의 기능적 유닛은 하나의 프로세싱 유닛으로 통합될 수 있거나, 또는 각각의 유닛은 물리적으로 독립되어 존재할 수 있거나, 2 이상의 유닛이 하나의 유닛으로 통합될 수 있다. 통합된 유닛은 하드웨어의 형식으로 구현될 수 있거나, 또는 소프트웨어 기능 유닛의 형식으로 구현될 수 있다.
통합된 유닛이 소프트웨어 기능 유닛의 형식으로 구현되거나, 또는 독립적인 제품으로 판매되거나 사용되는 경우, 통합된 유닛은 컴퓨터로 판독 가능한 저장 매체에 저장될 수 있다. 이러한 이해에 기초하며, 본 발명의 본질적인 기술적 솔루션, 또는 종래 기술에 기여하는 부분, 또는 기술적 솔루션의 일부 또는 전부는 소프트웨어 제품의 형식으로 구현될 수 있다. 소프트웨어 제품은 저장 매체에 저장되어 있으며, 본 발명의 실시예에서 설명된 방법의 모든 또는 일부 단계를 수행하기 위해 (개인용 컴퓨터, 서버, 또는 네트워크 장치일 수 있는) 컴퓨터 장치를 명령하기 위한 여러 명령을 포함한다. 전술한 저장 매체는, USB 플래시 메모리, 리무버블 하드 디스크, 리드-온리 메모리(ROM), 랜덤 액세스 메모리(RAM), 마그네틱 디스크, 또는 광 디스크와 같은 프로그램 코드를 저장할 수 있는 임의의 매체를 포함한다.
전술한 것은 본 발명에서 제시된 관심 지점을 위한 클러스터링 방법 및 관련 장치를 상세하게 설명한다. 통상의 기술자는, 본 발명의 사상에 기초하여, 구체적인 구현 방식 및 애플리케이션 범위에 대해 변형을 가할 수 있다. 따라서, 본 명세서의 내용은 본 발명을 제한하는 것으로 해석되지 않을 것이다.

Claims (11)

  1. 관심 지점을 위한 클러스터링 방법으로서,
    사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트(locating point set)를 획득하는 단계;
    상기 위치지정 포인트 세트에 따라 체류 포인트 세트(stay point set)를 생성하는 단계 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역(hot area)을 표현하며, 상기 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 위치지정 정밀도의 최댓값보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계 - 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 상기 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별(screening)하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트(trusted stay point)를 획득하는 단계 - 상기 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ; 및
    관심 지점을 형성하기 위해 밀도-연결된(density-connected) 신뢰되는 체류 포인트를 클러스터링하는 단계 - 상기 밀도-연결되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 -
    를 포함하는 관심 지점을 위한 클러스터링 방법.
  2. 제1항에 있어서,
    상기 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하는 단계는,
    상기 조건을 만족하는 주요 영역을 결정하는 단계; 및
    상기 주요 영역의 지리적 중심 포인트를 상기 주요 영역을 표현하는 체류 포인트로 결정하는 단계
    를 포함하는,
    관심 지점을 위한 클러스터링 방법.
  3. 제1항에 있어서,
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계는,
    각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하는 단계; 및
    상기 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
    Figure 112017066116439-pct00006
    를 이용하여, 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하는 단계
    를 포함하고,
    여기서, Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 상기 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 상기 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타내는,
    관심 지점을 위한 클러스터링 방법.
  4. 제3항에 있어서,
    상기 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하는 단계는 구체적으로,
    상기 사용자의 단말기 상의 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하는 단계인,
    관심 지점을 위한 클러스터링 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하는 단계는,
    모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트(leaf stay point)를 연속적으로 연결하여 형성되는 폐쇄 영역(closed area)을 관심 지점의 영역으로 결정하는 단계
    를 포함하고,
    중심이 리프 체류 포인트인, 사전 설정된 반경 커버리지 범위 내의 모든 체류 포인트의 신뢰도의 합은 사전 설정된 임계값보다 크지 않은,
    관심 지점을 위한 클러스터링 방법.
  6. 관심 지점을 위한 클러스터링 장치로서,
    사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트를 획득하도록 구성되어 있는 획득 유닛;
    상기 획득 유닛에 의해 획득된 위치지정 포인트 세트에 따라 체류 포인트 세트를 생성하도록 구성되어 있는 체류 포인트 생성 유닛 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역을 표현하며, 상기 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 위치지정 정밀도의 최댓값보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있는 계산 유닛 - 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 상기 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
    상기 계산 유닛에 의해 계산된 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트를 획득하도록 구성되어 있는 필터링 유닛 - 상기 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ; 및
    관심 지점을 형성하기 위해 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하도록 구성되어 있는 클러스터링 유닛 - 상기 밀도-연결되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 -
    을 포함하는
    관심 지점을 위한 클러스터링 장치.
  7. 제6항에 있어서,
    상기 체류 포인트 생성 유닛은,
    상기 조건을 만족하는 주요 영역을 결정하도록 구성되어 있는 제1 결정 유닛; 및
    상기 주요 영역의 지리적 중심 포인트를 상기 주요 영역을 표현하는 체류 포인트로 결정하도록 구성되어 있는 제2 결정 유닛
    을 포함하는,
    관심 지점을 위한 클러스터링 장치.
  8. 제6항에 있어서,
    상기 계산 유닛은,
    각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있는 획득 서브유닛; 및
    상기 획득 서브유닛에 의해 획득되며 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태에 따라, 식
    Figure 112017066116439-pct00007
    를 이용하여, 상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하도록 구성되어 있는 계산 서브유닛
    을 포함하고,
    여기서, Confi는 체류 포인트 i의 신뢰도를 표현하고, n은 n개의 가능 이동 상태를 표현하고, Wk는 k번째 이동 상태의 신뢰도 가중치를 표현하고, nk는 상기 체류 포인트 i에 의해 표현되는 주요 영역 내에 있으며 이동 상태가 k번째 이동 상태인 위치지정 포인트의 수량을 표현하고, 각각의 이동 상태는 신뢰도 가중치에 대응하며, 이동 상태에 대응하는 이동 속도가 더 낮다는 것이 상기 이동 상태의 신뢰도 가중치가 더 크다는 것을 나타내는,
    관심 지점을 위한 클러스터링 장치.
  9. 제8항에 있어서,
    상기 획득 서브유닛은 구체적으로,
    상기 사용자의 단말기 상의 센서 데이터 또는 Wi-Fi 네트워크의 신호 세기의 변화 및 신호량의 변화에 따라, 각각의 체류 포인트에 의해 표현되는 주요 영역에 포함된 모든 위치지정 포인트의 이동 상태를 획득하도록 구성되어 있는,
    관심 지점을 위한 클러스터링 장치.
  10. 제6항 내지 제9항 중 어느 한 항에 있어서,
    상기 클러스터링 유닛은 구체적으로, 관심 지점을 형성하기 위해 모든 밀도-연결된 신뢰되는 체류 포인트를 클러스터링하고, 모든 밀도-연결된 신뢰되는 체류 포인트 중 모든 리프 체류 포인트를 연속적으로 연결하여 형성되는 폐쇄 영역을 관심 지점의 영역으로 결정하도록 구성되어 있고,
    중심이 리프 체류 포인트인, 사전 설정된 반경 커버리지 범위 내의 모든 체류 포인트의 신뢰도의 합은 사전 설정된 임계값보다 크지 않은,
    관심 지점을 위한 클러스터링 장치.
  11. 컴퓨터로 판독 가능한 기록 매체에 저장되어 있는 프로그램으로서,
    상기 프로그램이 실행되면, 컴퓨터가,
    사전 설정된 시구간 내에서 사용자의 위치지정 포인트 세트(locating point set)를 획득하고;
    상기 위치지정 포인트 세트에 따라 체류 포인트 세트(stay point set)를 생성하고 - 상기 체류 포인트 세트 내의 체류 포인트 각각은 하나의 주요 영역(hot area)을 표현하며, 상기 주요 영역은 다음의 조건들: 상기 주요 영역 내의 임의의 2개의 위치지정 포인트의 지리적 위치 사이의 거리가, 상기 2개의 위치지정 포인트의 위치지정 정밀도 중 위치지정 정밀도의 최댓값보다 작을 것, 및 상기 주요 영역 내의 위치지정 포인트 사이의 시간 간격의 최댓값이 사전 설정된 시간 임계값보다 클 것을 만족함 - ;
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도를 계산하고 - 체류 포인트에 의해 표현되는 주요 영역의 모든 위치지정 포인트의 이동 상태에 대응하는 평균 속도가 더 낮다는 것은 상기 체류 포인트의 신뢰도가 더 높다는 것을 나타냄 - ;
    상기 체류 포인트 세트 내의 각각의 체류 포인트의 신뢰도에 따라 선별(screening)하는 방식으로 상기 체류 포인트 세트에서 신뢰되는 체류 포인트(trusted stay point)를 획득하고 - 상기 신뢰되는 체류 포인트의 신뢰도는 사전 설정된 신뢰도 임계값보다 큼 - ;
    관심 지점을 형성하기 위해 밀도-연결된(density-connected) 신뢰되는 체류 포인트를 클러스터링 - 상기 밀도-연결되었다는 것은, 2개의 신뢰되는 체류 포인트에 의해 표현되는 주요 영역의 범위가 서로 직접적으로 연결되거나 또는 간접적으로 연결되어 있다는 것을 나타냄 -
    하도록 하는,
    컴퓨터로 판독 가능한 기록 매체에 저장되어 있는 프로그램.
KR1020167013679A 2013-11-07 2014-10-13 관심 지점을 위한 클러스터링 방법 및 관련 장치 KR101806948B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201310552636.2A CN104636354B (zh) 2013-11-07 2013-11-07 一种位置兴趣点聚类方法和相关装置
CN201310552636.2 2013-11-07
PCT/CN2014/088443 WO2015067119A1 (zh) 2013-11-07 2014-10-13 一种位置兴趣点聚类方法和相关装置

Publications (2)

Publication Number Publication Date
KR20160075686A KR20160075686A (ko) 2016-06-29
KR101806948B1 true KR101806948B1 (ko) 2017-12-08

Family

ID=53040886

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167013679A KR101806948B1 (ko) 2013-11-07 2014-10-13 관심 지점을 위한 클러스터링 방법 및 관련 장치

Country Status (6)

Country Link
US (1) US10423728B2 (ko)
EP (1) EP3056999B1 (ko)
JP (1) JP6225257B2 (ko)
KR (1) KR101806948B1 (ko)
CN (1) CN104636354B (ko)
WO (1) WO2015067119A1 (ko)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294485B (zh) * 2015-06-05 2019-11-01 华为技术有限公司 确定显著地点的方法及装置
CN105159926B (zh) * 2015-08-04 2019-04-16 百度在线网络技术（北京）有限公司 建立用户的用户信息关联的方法和装置
CN106568429B (zh) * 2015-10-09 2019-12-06 阿里巴巴集团控股有限公司 一种建立兴趣点的方法及装置
CN105682025B (zh) * 2016-01-05 2019-01-04 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
US11425628B2 (en) * 2016-05-09 2022-08-23 Tata Consultancy Services Limited Method and system for achieving auto adaptive clustering in a sensor network
CN106096639B (zh) * 2016-06-06 2019-04-09 华侨大学 一种基于密度热度的电离层雷达数据的聚类方法
CN106202236A (zh) * 2016-06-28 2016-12-07 联想(北京)有限公司 一种用户位置预测方法及装置
CN106846795A (zh) * 2017-01-04 2017-06-13 百度在线网络技术（北京）有限公司 人群密集区域的获取方法及装置
CN108287841A (zh) * 2017-01-09 2018-07-17 北京四维图新科技股份有限公司 景点数据采集和更新方法及系统、游客终端设备及助导游设备
CN106840165B (zh) * 2017-01-17 2019-11-12 中国地质大学（武汉） 一种语义位置历史的构建方法及装置
CN108536695B (zh) * 2017-03-02 2021-06-04 北京嘀嘀无限科技发展有限公司 一种地理位置信息点的聚合方法以及装置
CN107289925B (zh) * 2017-05-25 2021-03-05 北京奇鱼时代科技有限公司 一种绘制用户轨迹的方法和装置
WO2018227373A1 (zh) * 2017-06-13 2018-12-20 深圳市伊特利网络科技有限公司 基于定位的报警方法及系统
CN107491474A (zh) 2017-06-26 2017-12-19 北京三快在线科技有限公司 信息推荐方法和装置
CN109900281A (zh) * 2017-12-08 2019-06-18 北京搜狗科技发展有限公司 基于兴趣点的导航方法、装置以及用于导航的装置
CN108303100A (zh) * 2017-12-25 2018-07-20 厦门市美亚柏科信息股份有限公司 聚焦点分析方法及计算机可读存储介质
CN108307308B (zh) * 2018-01-25 2021-09-14 北京小米移动软件有限公司 无线局域网设备的定位方法、装置和存储介质
CN110873571B (zh) * 2018-08-30 2021-09-07 北京嘀嘀无限科技发展有限公司 一种路口停车线数据采集方法、系统和装置
CN109189876B (zh) * 2018-08-31 2021-09-10 深圳市元征科技股份有限公司 一种数据处理方法及装置
CN110888979A (zh) * 2018-09-10 2020-03-17 中国移动通信集团有限公司 一种兴趣区域提取方法、装置及计算机存储介质
CN109256029B (zh) * 2018-09-12 2021-09-03 广州小鹏汽车科技有限公司 一种地点属性的自动设置方法及装置
CN109168195B (zh) * 2018-10-25 2020-08-28 北京搜狐新媒体信息技术有限公司 一种定位信息提取方法及服务平台
CN111126653B (zh) * 2018-11-01 2022-06-17 百度在线网络技术（北京）有限公司 用户职住地预测方法、装置及存储介质
KR102213276B1 (ko) * 2018-11-27 2021-02-04 공주대학교 산학협력단 이동 경로 정보를 이용한 주소 인증 장치 및 방법
CN111380541B (zh) * 2018-12-29 2022-09-13 沈阳美行科技股份有限公司 兴趣点确定方法、装置、计算机设备和存储介质
CN109813318A (zh) * 2019-02-12 2019-05-28 北京百度网讯科技有限公司 坐标修正方法及装置、设备及存储介质
CN110213714B (zh) * 2019-05-10 2020-08-14 中国联合网络通信集团有限公司 终端定位的方法及装置
US11860911B2 (en) * 2019-08-20 2024-01-02 International Business Machines Corporation Method and apparatus of data classification for routes in a digitized map
CN110544132B (zh) * 2019-09-06 2023-04-07 上海喜马拉雅科技有限公司 用户常活动位置的确定方法、装置、设备和存储介质
CN110705480B (zh) * 2019-09-30 2022-12-02 重庆紫光华山智安科技有限公司 目标对象的停留点定位方法及相关装置
CN110850955B (zh) * 2019-10-30 2023-06-02 腾讯科技（深圳）有限公司 终端的位置信息处理方法、装置及计算设备、存储介质
CN110781855B (zh) * 2019-11-04 2022-12-06 浙江大华技术股份有限公司 目标停留点的确定方法、装置、设备及存储装置
CN110990455B (zh) * 2019-11-29 2023-10-17 杭州数梦工场科技有限公司 大数据识别房屋性质的方法与系统
CN111159583B (zh) * 2019-12-31 2023-08-04 中国联合网络通信集团有限公司 用户行为分析方法、装置、设备及存储介质
CN111898624B (zh) * 2020-01-21 2024-04-02 北京畅行信息技术有限公司 定位信息的处理方法、装置、设备及存储介质
CN112765226A (zh) * 2020-12-06 2021-05-07 复旦大学 基于轨迹数据挖掘的城市语义图谱构建方法
CN112749349A (zh) * 2020-12-31 2021-05-04 北京搜狗科技发展有限公司 一种交互方法和耳机设备
CN113075648B (zh) * 2021-03-19 2024-05-17 中国舰船研究设计中心 一种无人集群目标定位信息的聚类与滤波方法
CN115083161B (zh) * 2022-06-15 2023-08-04 平安国际融资租赁有限公司 车辆停留点的评估方法、装置、电子设备及可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011046113A1 (ja) 2009-10-14 2011-04-21 日本電気株式会社 行動類型抽出システム、装置、方法、プログラムを記憶した記録媒体
WO2012080787A1 (en) 2010-12-17 2012-06-21 Nokia Corporation Identification of points of interest and positioning based on points of interest

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5844522A (en) * 1995-10-13 1998-12-01 Trackmobile, Inc. Mobile telephone location system and method
CA2265875C (en) * 1996-09-09 2007-01-16 Dennis Jay Dupray Location of a mobile station
US7082365B2 (en) 2001-08-16 2006-07-25 Networks In Motion, Inc. Point of interest spatial rating search method and system
US7289105B2 (en) * 2003-06-04 2007-10-30 Vrbia, Inc. Real motion detection sampling and recording for tracking and writing instruments using electrically-active viscous material and thin films
CN101389928B (zh) 2006-03-15 2015-05-13 高通股份有限公司 用于基于用户路线来确定相关关注点信息的方法和设备
US20080036758A1 (en) 2006-03-31 2008-02-14 Intelisum Inc. Systems and methods for determining a global or local position of a point of interest within a scene using a three-dimensional model of the scene
US8311018B2 (en) * 2007-02-05 2012-11-13 Andrew Llc System and method for optimizing location estimate of mobile unit
WO2008121872A1 (en) 2007-03-30 2008-10-09 Amazon Technologies, Inc. Cluster-based assessment of user interests
US8396470B2 (en) * 2007-04-26 2013-03-12 Research In Motion Limited Predicting user availability from aggregated signal strength data
US8339399B2 (en) 2007-10-31 2012-12-25 Microsoft Corporation Declustering point-of-interest icons
JP5049745B2 (ja) * 2007-11-05 2012-10-17 株式会社エヌ・ティ・ティ・ドコモ 位置情報解析装置、情報配信システムおよび位置情報解析方法
US8634796B2 (en) * 2008-03-14 2014-01-21 William J. Johnson System and method for location based exchanges of data facilitating distributed location applications
US9014658B2 (en) * 2008-03-14 2015-04-21 William J. Johnson System and method for application context location based configuration suggestions
US8527308B2 (en) * 2008-10-02 2013-09-03 Certusview Technologies, Llc Methods and apparatus for overlaying electronic locate information on facilities map information and/or other image information displayed on a locate device
US8358224B2 (en) 2009-04-02 2013-01-22 GM Global Technology Operations LLC Point of interest location marking on full windshield head-up display
US20120046995A1 (en) * 2009-04-29 2012-02-23 Waldeck Technology, Llc Anonymous crowd comparison
US8335990B2 (en) 2009-08-18 2012-12-18 Nokia Corporation Method and apparatus for grouping points-of-interest on a map
CN101742545B (zh) * 2009-12-15 2012-11-14 中国科学院计算技术研究所 WiFi环境中的定位方法及其系统
US8543143B2 (en) 2009-12-23 2013-09-24 Nokia Corporation Method and apparatus for grouping points-of-interest according to area names
JP5536485B2 (ja) * 2010-02-17 2014-07-02 Ｋｄｄｉ株式会社 ユーザの移動に伴って住所／居所を推定する携帯端末、サーバ、プログラム及び方法
EP2664999A4 (en) 2011-01-14 2015-01-28 Nec Corp ACTIVITY DIAGRAM ANALYSIS UNIT, ACTIVITY DIAGRAM ANALYSIS METHOD, AND ACTIVITY DIAGRAM ANALYSIS PROGRAM
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
US20130262479A1 (en) * 2011-10-08 2013-10-03 Alohar Mobile Inc. Points of interest (poi) ranking based on mobile user related data
CN103906993A (zh) * 2011-10-28 2014-07-02 诺基亚公司 用于基于感兴趣点（poi）信息构造道路网络的方法和设备
CN102595323B (zh) * 2012-03-20 2014-05-07 北京交通发展研究中心 基于手机定位数据的居民出行特征参数的获取方法
CN103218442A (zh) * 2013-04-22 2013-07-24 中山大学 一种基于移动设备传感器数据的生活模式分析方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011046113A1 (ja) 2009-10-14 2011-04-21 日本電気株式会社 行動類型抽出システム、装置、方法、プログラムを記憶した記録媒体
WO2012080787A1 (en) 2010-12-17 2012-06-21 Nokia Corporation Identification of points of interest and positioning based on points of interest

Also Published As

Publication number Publication date
US10423728B2 (en) 2019-09-24
CN104636354B (zh) 2018-02-06
EP3056999A1 (en) 2016-08-17
JP2016537718A (ja) 2016-12-01
CN104636354A (zh) 2015-05-20
EP3056999A4 (en) 2016-11-23
KR20160075686A (ko) 2016-06-29
EP3056999B1 (en) 2019-02-06
US20160253407A1 (en) 2016-09-01
WO2015067119A1 (zh) 2015-05-14
JP6225257B2 (ja) 2017-11-01

Similar Documents

Publication Publication Date Title
KR101806948B1 (ko) 관심 지점을 위한 클러스터링 방법 및 관련 장치
Dinh et al. Smartphone-based indoor positioning using BLE iBeacon and reliable lightweight fingerprint map
CN106462627B (zh) 根据多个位置数据报告分析语义地点和相关数据
US9310462B2 (en) Locating a mobile computing device in an indoor environment
US9071937B2 (en) Tiered delivery of location data
US10057725B2 (en) Sensor-based geolocation of a user device
KR20180026406A (ko) 모바일 디바이스의 위치 이력 레코드들의 제공, 조직화 및 관리
US9758183B2 (en) Location fingerprinting for transit systems
KR101510458B1 (ko) 위치정보 표현방법, 위치정보 처리방법, 위치정보모델 생성방법, 및 위치정보처리장치
US9918203B2 (en) Correcting in-venue location estimation using structural information
WO2013191865A1 (en) Location detection within identifiable pre-defined geographic areas
CN110686686A (zh) 用于地图匹配的系统和方法
US9116006B2 (en) Apparatus and method for determining indoor collection points and collecting heterogeneous infrastructure measurement information
WO2016053597A1 (en) Modeling connectivity of transit systems
US20180292216A1 (en) Method, device and system for determining an indoor position
Huang et al. Wearable indoor localisation approach in Internet of Things
Gao et al. 1.26-Mobile GIS and Location-Based Services
Hofer et al. Seamless navigation using GNSS and Wi-Fi/IN with intelligent checkpoints
US20190212152A1 (en) Measurement data processing
Liu et al. Research on roadside unit-assisted cooperative positioning method for a connected vehicle environment
Ao et al. Identification of The Survey Points from Network RTK Trajectory with Improved DBSCAN Clustering, Case Study on HNCORS
US20200393573A1 (en) Control apparatus, method and computer program code for controlling indoor positioning transitions
JP6430873B2 (ja) 位置解析装置
US20220122738A1 (en) Method and system for contact tracing using positioning in a venue
Monfort Muriach Information provision improvement with a geofencing event-based system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
GRNT Written decision to grant