KR102220963B1 - 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스 - Google Patents

지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스 Download PDF

Info

Publication number
KR102220963B1
KR102220963B1 KR1020197011270A KR20197011270A KR102220963B1 KR 102220963 B1 KR102220963 B1 KR 102220963B1 KR 1020197011270 A KR1020197011270 A KR 1020197011270A KR 20197011270 A KR20197011270 A KR 20197011270A KR 102220963 B1 KR102220963 B1 KR 102220963B1
Authority
KR
South Korea
Prior art keywords
block
determining
region
area
interest
Prior art date
Application number
KR1020197011270A
Other languages
English (en)
Other versions
KR20190053923A (ko
Inventor
데핀 장
Original Assignee
어드밴스드 뉴 테크놀로지스 씨오., 엘티디.
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 어드밴스드 뉴 테크놀로지스 씨오., 엘티디. filed Critical 어드밴스드 뉴 테크놀로지스 씨오., 엘티디.
Publication of KR20190053923A publication Critical patent/KR20190053923A/ko
Application granted granted Critical
Publication of KR102220963B1 publication Critical patent/KR102220963B1/ko

Links

Images

Classifications

    • H04L67/18—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/40—Support for services or applications
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 출원은 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스를 제공한다. 방법은 프로세싱될 맵 상의 지역을 그리드화하는 단계; 그리드화된 지역 내의 각각의 블록에 대해, 미리 설정된 지속 기간 내에 블록값을 카운트하는 단계로서, 블록값은 대응하는 블록에서 지오로케이션 데이터를 보고하는 사용자의 수량인, 상기 블록값을 카운트하는 단계; 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하는 단계; 선택된 블록값에 대응하는 블록에 따라 앵커 포인트를 결정하는 단계; 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체를 포함하는 곡선을 계산하는 단계; 및 곡선 내의 지역을 관심 지역으로서 결정하는 단계를 포함한다. 본 출원의 실시형태를 적용하는 것에 의해, 관심 지역이 사용자에 의해 보고되는 지오로케이션 데이터를 사용하는 것에 의해 결정되어, 관심 지역을 수동으로 구분하는 것에 의해 야기되는 낮은 효율성 및 높은 비용을 방지할 수 있고, 그에 의해, 효율성을 향상시킬 수 있고 관심 지역을 결정하기 위한 비용을 감소시킬 수 있다.

Description

지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스
본 출원은 인터넷 기술의 분야에 관한 것으로, 특히, 지오로케이션(geolocation) 데이터에 기초하여 관심 지역(area of interest)을 결정하기 위한 방법 및 디바이스에 관한 것이다.
요즘, 지오로케이션 데이터를 기반으로 하는 애플리케이션, 특히 지오로케이션 데이터를 기반으로 하는 맵(map)이 점점 인기를 얻고 있다.
실제로, 사용자는 맵에서 관심 지역을 찾기를 기대할 수도 있다. 예를 들면, 사용자는 관심 지역에서 쇼핑을 하거나, 유흥 거리(entertainment)를 찾거나, 또는 식사를 할 것을 기대한다; 상응하여, 상인도 또한 관심 지역에서 가게를 차릴 것을 기대한다. 따라서 사용자의 이들 요구에 따라, 관심 지역은 일반적으로 맵 상에 마킹된다.
현존하는 기술에서, 관심 지역은 일반적으로 인간에 의해 결정된다. 그러나, 인간에 의한 관심 지역을 결정하는 효율성은 상대적으로 낮고, 노동의 사용에 기인하여 비용도 또한 상대적으로 높다.
본 출원은, 관심 지역을 결정하는 데 상대적으로 낮은 효율성 및 상대적으로 비싼 비용의 현존하는 문제점을 해결하기 위해, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스를 제공한다.
본 출원의 실시형태에 따르면, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법이 제공되는데, 그 방법은 다음을 포함한다:
프로세싱될 맵 상의 지역을 그리드화하는(gridding) 단계;
그리드화된 지역 내의 각각의 블록에 대해, 미리 설정된 지속 기간 내에 블록값을 카운트하는 단계로서, 블록값은 대응하는 블록 내에서 지오로케이션 데이터를 보고하는 사용자의 수량(quantity)인, 상기 블록값을 카운트하는 단계,
카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하는 단계;
선택된 블록값에 대응하는 블록에 따라 앵커 포인트(anchor point)를 결정하는 단계;
앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체를 포함하는 곡선을 계산하는 단계; 및
곡선 내의 지역을 관심 지역으로서 결정하는 단계.
옵션 사항으로(optionally), 프로세싱될 맵 상의 지역을 그리드화하는 것은 구체적으로 다음을 포함한다:
프로세싱될 맵 상의 지역을, 미리 설정된 변 길이에 따라, 적어도 하나의 블록으로 분할하는 단계.
옵션사항으로, 앵커 포인트는 블록의 중심 포인트이다.
옵션 사항으로, 방법은 다음을 더 포함한다:
곡선 내의 지역 내에서 정보의 포인트(Point of Information; POI)의 타입을 획득하는 단계;
동일한 타입의 POI의 수량을 획득하는 단계; 및
가장 큰 수량의 POI의 타입을 관심 지역에 대한 관심 타입(type of interest)으로서 결정하는 단계.
옵션 사항으로, 방법은 다음을 더 포함한다:
선택된 블록값에 대응하는 블록에서 앵커 포인트가 결정된 이후 맵 상의 지역에서 POI를 획득하는 단계.
앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체를 포함하는 곡선은 구체적으로 다음을 포함한다:
POI 및 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체 및 POI를 포함하는 곡선을 계산하는 단계.
옵션사항으로, 미리 설정된 알고리즘은 컨벡스 헐 알고리즘(convex hull algorithm)이고;
곡선은 컨벡스 헐 곡선(convex hull curve)이다.
옵션사항으로, 컨벡스 헐 알고리즘은, 그라함 알고리즘(graham algorithm), 자비스 알고리즘(jarvis algorithm), 센터 방법(center method), 레벨 방법(level method) 또는 퀵헐 알고리즘(quickhull algorithm)을 포함한다.
본 출원의 실시형태에 따르면, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스가 제공되는데, 디바이스는 다음을 포함한다:
프로세싱될 맵 상의 지역을 그리드화하기 위한 프로세싱 유닛;
그리드화된 지역 내의 각각의 블록에 대해 미리 설정된 지속 기간 내에 블록값을 카운트하기 위한 카운팅 유닛으로서, 블록값은 대응하는 블록 내에서 지오로케이션 데이터를 보고하는 사용자의 수량인, 카운팅 유닛;
카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하기 위한 선택 유닛;
선택된 블록값에 대응하는 블록에 따라 앵커 포인트를 결정하기 위한 제1 결정 유닛;
앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체를 포함하는 곡선을 계산하기 위한 계산 유닛; 및
곡선 내의 지역을 관심 지역으로서 결정하기 위한 제2 결정 유닛.
옵션사항으로, 프로세싱 유닛은 구체적으로 다음을 하기 위한 것이다:
프로세싱될 맵 상의 지역을, 미리 설정된 변 길이에 따라, 적어도 하나의 블록으로 분할하는 것.
옵션사항으로, 앵커 포인트는 블록의 중심 포인트이다.
옵션사항으로, 디바이스는 다음을 더 포함한다:
곡선 내의 지역 내에서 정보의 포인트(POI)의 타입을 획득하기 위한 획득 서브유닛;
동일한 타입의 POI의 수량을 획득하기 위한 카운팅 서브유닛; 및
가장 큰 수량의 POI의 타입을 관심 지역에 대한 관심 타입으로서 결정하기 위한 결정 서브유닛.
옵션사항으로, 디바이스는:
선택된 블록값에 대응하는 블록에서 앵커 포인트가 결정된 이후 맵 상의 지역에서 POI를 획득하기 위한 획득 서브유닛을 더 포함하되,
상응하여, 계산 유닛은 구체적으로 다음을 하기 위한 것이다:
POI 및 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체 및 POI를 포함하는 곡선을 계산하는 것.
옵션사항으로, 미리 설정된 알고리즘은 컨벡스 헐 알고리즘이고;
곡선은 컨벡스 헐 곡선이다.
옵션사항으로, 컨벡스 헐 알고리즘은, 그라함 알고리즘, 자비스 알고리즘, 센터 방법, 레벨 방법 또는 퀵헐 알고리즘을 포함한다.
본 출원의 실시형태에서, 프로세싱될 맵 상의 지역은 그리드화되고; 그리드화된 지역 내의 각각의 블록에 대해, 블록의 그리드 값이 미리 설정된 지속 기간 내에 카운트되되, 그리드 값은 대응하는 블록 내에서 지오로케이션 데이터를 보고하는 사용자의 수량이고, 미리 설정된 임계치보다 더 큰 블록값이 카운트된 블록값으로부터 선택되고; 앵커 포인트가 선택된 블록값에 대응하는 블록에 따라 결정되고; 앵커 포인트 전체를 포함하는 커버가 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여 계산되고; 곡선 내의 지역이 관심 지역으로서 결정된다. 이러한 방식으로, 서버는, 사용자에 의해 실제로 보고되는 지오로케이션 데이터를 사용하여 맵 상에서 관심 지역을 자동으로 결정하여, 관심 지역을 수동으로 구분하는 것에 의해 야기되는 낮은 효율성 및 높은 비용을 방지할 수 있고, 그에 의해, 효율성을 향상시킬 수 있고 관심 지역을 결정하기 위한 비용을 감소시킬 수 있다.
도 1은, 본 출원의 실시형태에 따른, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법의 플로우차트;
도 2는, 본 출원의 실시형태에 따른, 맵 상의 지역의 개략도;
도 3은, 본 출원에 따른, 맵 상의 지역이 그리드화된 이후에 획득되는 개략도;
도 4는, 본 출원에 따른, 블록값으로 마킹된 맵 상의 지역의 개략도;
도 5는, 본 출원에 따른, 선택된 블록값의 개략도;
도 6은 본 출원에 따라 확립되는 좌표 시스템의 개략도;
도 7은, 본 출원에 따른, 앵커 포인트에 따라 결정되는 관심 지역의 개략도;
도 8은, POI로 마킹된 도 2에서 도시되는 맵 상의 지역의 개략도;
도 9는, 본 출원에 따른, POI 및 앵커 포인트에 따라 결정된 관심 지역의 개략도;
도 10은, 본 출원에 따른, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스를 포함하는 기기의 하드웨어 구조도; 그리고
도 11은, 본 출원의 실시형태에 따른, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스의 개략적인 모듈 다이어그램.
예시적인 실시형태가 본 명세서에서 상세히 설명될 것이며, 예시적인 실시형태의 예가 첨부하는 도면에서 도시된다. 하기의 설명이 첨부의 도면과 관련되는 경우, 달리 표시되지 않는 한, 상이한 첨부의 도면에서의 동일한 번호는 동일한 또는 유사한 엘리먼트를 나타낸다. 다음의 예시적인 실시형태에서 설명되는 구현예는, 본 출원과 부합하는 모든 구현예를 나타내도록 의도되는 것은 아니다. 오히려, 구현예는, 첨부된 청구범위에서 상세히 설명되며 본 출원의 몇몇 양태와 부합하는 디바이스 및 방법의 예에 불과하다.
본 출원에서 사용되는 용어는, 특정한 실시형태를 설명하는 목적만을 위한 것이며, 본 출원을 제한하도록 의도되는 것은 아니다. 본 출원 및 첨부의 청구범위에 사용되는 "한(a)" 및 "그(the)"의 단수 형태는, 문맥이 달리 명확하게 나타내지 않는 한, 복수 형태도 또한 포함하도록 의도된다. 본 명세서에서 사용되는 용어 " 및/또는"은, 하나 이상의 관련되어 나열된 항목의 임의의 또는 모든 가능한 조합을 가리키며 그들을 포함한다 것이 추가로 이해되어야 한다.
비록 "제1", "제2" 및 "제3"과 같은 용어가 다양한 정보를 설명하기 위해 본 출원에서 사용될 수도 있지만, 정보는 이들 용어로 제한되지 않아야 한다는 것이 이해되어야 한다. 이들 용어는 동일한 타입의 정보를 구별하기 위해서만 사용된다. 예를 들면, 본 출원의 범위를 벗어나지 않으면서, 제1 정보가 제2 정보로 또한 칭해질 수도 있고, 마찬가지로, 제2 정보가 제1 정보로 또한 칭해질 수도 있다. 맥락에 따라, 본 명세서에서 사용되는 단어 "만약(if)"은, "~ 하는 한(while)" 또는 "~ 하는 경우(when)", 또는 "결정에 응답하여"로서 해석될 수도 있다.
현존하는 기술에서, 맵 상의 관심 지역은 일반적으로 수동 분할을 통해 획득된다. 수동 분할이 일반적으로 주관적 매핑(subjective mapping)에 의해 쉽게 영향을 받기 때문에, 최종적으로 획득된 관심 지역의 가장자리는 상대적으로 큰 에러를 갖는다. 예를 들면, 관심 지역이 아닌 장소가 관심 지역에 쉽게 배치될 수도 있거나, 또는 관심 지역에 속한 장소가 관심 지역에 배치되지 않을 수도 있다.
전술한 문제점을 해결하기 위해, 도 1은, 본 출원의 실시형태에 따른, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법의 플로우차트를 도시한다. 이 실시형태는 서버의 관점에서 설명되며, 방법은 다음 단계를 포함한다.
단계 110: 프로세싱될 맵 상의 지역을 그리드화하는 단계.
이 실시형태에서, 프로세싱될 맵 상의 지역은 수동으로 선택될 수도 있다, 예컨대 스태프에 의해 맵 상에서 원으로 표시될 수도 있다.
프로세싱될 맵 상의 지역은 또한 영역(region)의 목록에 따라 서버에 의해 결정될 수도 있다. 영역의 목록은 미리 설정될 수도 있고, 다양한 영역이 목록에 포함된다. 예를 들면, 영역 A, 영역 B, 및 영역 C가 영역 목록에 포함되는데, 영역 A 내에서 관심 지역이 결정되고; 서버는, 목록에 따라, 영역 B가 프로세싱될 지역이다는 것을 결정할 수도 있다. B 영역의 관심 지역이 또한 결정된 이후, 서버는 영역 C를 프로세싱될 지역으로서 결정할 수도 있다.
지역의 그리드화는 다음을 포함할 수도 있다: 서버에 의해, 프로세싱될 맵 상의 지역을, 미리 설정된 변 길이에 따라, 적어도 하나의 블록으로 분할하는 것.
미리 설정된 변 길이는 수동으로 미리 설정되는 경험적 값일 수도 있다.
예를 들면, 도 2는, 본 출원에 따른, 맵 상의 지역의 개략도이다. 맵 상의 지역은 1300 미터(m)의 길이 1050 미터(m)의 폭을 갖는다. 미리 설정된 변 길이는 200 m이다는 것이 가정된다, 즉, 맵 상의 지역은 200 m의 변 길이에 기초하여 여러 개의 블록으로 분할된다. 도 3은 맵 상의 지역이 그리드화된 이후 획득되는 개략도이다. 도 3에서 도시되는 바와 같이, 지역 내의 각각의 블록의 변 길이는 200 m이며, 그리드화에 의해, 맵 상의 지역은 동일한 사이즈의 블록으로 분할될 수도 있다. 도 3에서 도시되는 바와 같이, 미리 설정된 변 길이 보다 더 짧은 변을 갖는 맵 상의 지역의 가장자리 상의 부분은 그리드화되지 않을 수도 있다. 대안적으로, 미리 설정된 변 길이 보다 더 짧은 변을 갖는 부분도 또한 그리드화될 수도 있다. 이것은 본 명세서에서 제한되지 않는다.
다른 실시형태에서, 맵 상의 지역의 그리드화는 다음을 더 포함할 수도 있다: 서버에 의해, 프로세싱될 맵 상의 지역을, 미리 설정된 수량의 블록으로 분할하는 것. 미리 설정된 수량은 수동으로 미리 설정되는 경험적 값일 수도 있다. 예를 들면, 맵의 지역은 100 개의 블록으로 분할된다.
단계 120: 지역 내의 각각의 블록에 대해, 미리 설정된 지속 기간 내에 블록값을 카운트함, 블록값은 대응하는 블록에서 지오로케이션 데이터를 보고하는 사용자의 수량임.
이 실시형태에서, 보고된 지오로케이션 데이터는 이동 단말에 설치되는 애플리케이션을 통해 사용자의 이동 단말에 의해 업로드될 수도 있다.
예를 들면, 모바일 지불 시나리오(mobile payment scenario)에서, 사용자의 이동 단말은 동일한 장소에서 상호 작용 당사자(interacting party)와 공동으로 지불 프로세스(payment process)를 완료할 수도 있다. 상호 작용 당사자는 다른 이동 단말을 보유하는 사용자일 수도 있거나, 또는 고정된 단말 디바이스일 수도 있다. 이 프로세스는, 두 명 이상의 상호 작용 당사자 외에, 지불 서비스를 제공하는 제3자를 수반할 수도 있다. 제3자 공급자는, 이러한 타입의 제3자 지불 서비스를 제공하면서, 보안 상호 작용 서비스를 제공할 수도 있다.
제3자 지불 서비스 공급자는 자기 자신의 웹 사이트를 개설할 수도 있거나 또는 지불을 핸들링하는 것에 전용되는 서버, 예를 들면, 지불 플랫폼을 제공할 수도 있다. 이 방법에서, 두 명 이상의 지불 당사자가 지불 플랫폼 상에서 제공되는 서비스를 사용하는 것에 의해 지불을 완료할 수도 있다. 예를 들면, 지불 플랫폼은 eBay(이베이) 또는 Alibaba(알리바바)일 수도 있다. 이동 단말 및/또는 고정된 단말은, 인터넷을 통해, 제3자 지불 서비스 공급자에 의해 제공되는 지불 플랫폼에 액세스할 수도 있고, 지불 플랫폼을 사용하는 것에 의해 지불의 특정한 프로세스를 완료할 수도 있다. 또한, 편리성 및 보안을 위해, 이동 단말 및/또는 고정된 단말은 전용 클라이언트(예를 들면, 애플리케이션)와 함께 설치될 수도 있다. 예를 들면, 제3자 지불 서비스 공급자에 의해 제공되는 애플리케이션이 설치되어 지불을 효율적으로 완료할 수도 있다.
지오로케이션 데이터는 클라이언트가 설치되는 이동 단말의 위치이다. 예를 들면, 지오로케이션 데이터는 이동 단말의 위치 결정 디바이스에 의해 기록되는, 이동 단말의 지오로케이션의 좌표 정보를 포함할 수도 있다. 일반적인 위치 결정 디바이스는 미국 전지구 위치 결정 시스템(global positioning system; GPS) 위성 내비게이션 시스템, 유럽 "Galileo(갈릴레오)" 위성 내비게이션 시스템, 러시아 글로벌 내비게이션 위성 시스템(Global Navigation Satellite System; GLONASS), 또는 중국 "BeiDou(바이두)" 위성 내비게이션 시스템, 또는 이들의 조합을 사용할 수도 있다. 위치 결정을 위한 이러한 타입의 좌표 정보는 모바일 위치 결정으로 또한 칭해진다. 더욱이, 일반적으로, 보고된 지오로케이션 데이터는 보고된 타임스탬프를 추가로 반송한다(carry). 타임스탬프는 위치 결정 디바이스가 지오로케이션 데이터를 결정하는 시간; 또는 이동 단말 상의 클라이언트가 지오로케이션 데이터를 보고하는 시간일 수도 있다.
지오로케이션 데이터는, 클라이언트가 상주하는 이동 단말의 신호의 피쳐에 기초하여 네트워크 디바이스에 의한 변환을 통해 획득될 수도 있다. 예를 들면, 네트워크 오퍼레이터는, 기지국 커버리지 원칙에 따라 기지국 위치에 기초하여 이동 단말의 지오로케이션 데이터를 계산하기 위해 이동 단말의 신호를 사용할 수도 있다. 후자의 위치 계산에서, 일반적으로, 이동 단말은 상이한 기지국의 다운링크 파일럿 신호를 측정하여 각각의 기지국의 다운링크 파일럿 신호의 도달 시간(time of arrival; TOA) 또는 상이한 기지국의 다운링크 파일럿 신호 사이의 도달 시간 차이(time difference of arrival; TDOA)를 획득하고, 일반적으로 측정 결과 및 기지국의 좌표를 사용하여 삼각 측량 알고리즘에 따라 이동 단말의 위치를 계산한다. 실제로, 세 개 이상의 기지국이 사용될 수도 있다. 상대적으로 복잡한 현존하는 기술에는 다수의 알고리즘이 있다. 일반적으로, 더 많은 기지국이 측정될수록, 측정은 더 높은 정밀도를 갖는다. 따라서, 위치 결정 성능이 크게 향상된다.
또한, 지오로케이션 데이터는 또한, 이동 단말 상의 위치 결정 디바이스의 방법 및 기지국에 기초한 위치 결정 방법을 조합하는 것에 의해 획득될 수도 있다. 이 방법에서, 획득된 지오로케이션 데이터는 더 정확할 수도 있다.
일반적으로, 업로드된 지오로케이션 데이터는 위치의 경도 및 위도에 의해 표현된다. 각각의 단말의 위치의 경도 및 위도에 따라, 업로드된 지오로케이션 데이터에 의해 표시되는 단말의 위치가 맵 상의 지역 내의 어떤 블록 내에 있는지가 결정될 수도 있다. 또한, 미리 설정된 지속 기간 내에서의 각각의 블록에 대한 블록값은 지오로케이션 데이터 내의 타임스탬프에 따라 결정될 수도 있다.
미리 설정된 지속 기간은 수동으로 미리 설정되는 경험적 값, 예를 들면, 하루일 수도 있다. 즉, 하루 내의 각각의 블록에 대한 블록값이 결정될 수도 있다, 즉, 각각의 그리드에서 위치 정보를 보고하는 사용자의 수량이 카운트된다.
사용자의 수량을 카운트하는 것에 의해, 미리 설정된 지속 기간 내에 각각의 블록에 대응하는 지역의 인기가 실제로 반영될 수도 있다. 더 큰 블록값은 더 많은 사용자가 블록 내에 있고, 그 블록에 대응하는 지역이 관심 지역이 될 경향이 있다는 것을 나타내고; 대조적으로, 더 작은 블록값은 그 블록 내에 더 적은 사용자가 있고, 그 블록에 대응하는 지역이 관심 지역이 아닐 가능성이 있다는 것을 나타낸다.
단계 130: 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택함.
이 실시형태에서, 미리 설정된 임계치는 수동으로 미리 설정되는 경험 값일 수도 있다.
도 3의 전술한 예에서, 각각의 블록에서 지오로케이션 데이터를 보고하는 사용자의 수량이 카운트된 이후, 각각의 블록에 대한 블록값이 획득될 수도 있다. 도 4는 블록값으로 마킹된 맵 상의 지역의 개략도이다. 도 4에서, 명확성을 위해, 도 3의 맵은 생략되고, 블록만이 유지된다.
미리 설정된 임계치가 200이라고 가정하면, 200보다 더 큰 블록값에 대응하는 블록이 선택된다. 도 5는 선택된 블록값의 개략도이다. 도 5에서 도시되는 바와 같이, 200보다 더 큰 블록값에 대응하는 블록은, 각각, 일련 번호 p0 내지 p9로 라벨링된다.
단계 140: 선택된 블록값에 대응하는 블록 내에서 앵커 포인트를 결정함.
이 실시형태에서, 앵커 포인트는 선택된 블록값을 갖는 블록의 중심 포인트일 수도 있다.
다른 실시형태에서, 앵커 포인트는 블록 내의 임의의 다른 포인트, 예를 들면, 블록의 정점, 정점으로부터 중앙 포인트로 가는 도중의 1/2 또는 1/3에 있는 포인트일 수도 있다. 이것은 본 출원에서 제한되지 않는다.
앵커 포인트는 또한 다음과 같은 방식으로 결정될 수도 있다는 것을 유의해야 한다. /하나는 미리 설정된 임계치보다 더 크고 다른 하나는 미리 설정된 임계치보다 더 작은 두 개의 이웃하는 블록의 블록값에 대해, 앵커 포인트는 두 개의 블록값의 비율에 기초하여 결정될 수도 있다.
예를 들면, 하나의 블록값이 100이고, 다른 블록값이 300인 경우, 앵커 포인트는, 300의 값을 갖는 블록으로부터 100의 값을 갖는 블록까지의 거리의 1/3에서 설정될 수도 있다.
단계 150: 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트의 일부 또는 전체를 포함하는 곡선을 계산함.
이 실시형태에서, 미리 설정된 알고리즘은 앵커 포인트 전체를 포함하는 곡선을 계산하기 위해 사용될 수도 있다. 일반적으로, 포인트 집합 X({X1, X2, ..., Xn})는 이차원 평면 상에서 라벨링될 수도 있고, 최외 포인트(outermost point)가 연결된 이후, 포인트 집합 X 내의 모든 포인트를 포함하는 곡선이 형성될 수도 있다.
한 실시형태에서, 미리 설정된 알고리즘은 컨벡스 헐 알고리즘일 수도 있고, 곡선은 컨벡스 헐 곡선일 수도 있다.
이 실시형태에서, 컨벡스 헐 알고리즘은 실수 벡터 공간에서 사용되며, 주어진 포인트 집합 X({X1, X2, ..., Xn})의 경우, 포인트 집합 X를 포함하는 모든 볼록 집합의 교점 S는 X의 컨벡스 헐로 칭해진다. X의 컨벡스 헐은 X 내의 모든 포인트(X1, ..., Xn)의 선형 조합에 의해 형성될 수도 있다.
간단히 말해, 이차원 평면 상의 포인트 집합에서, 컨벡스 헐은 최외 포인트를 연결하는 것에 의해 형성되는 볼록 다각형이고, 볼록 다각형은 포인트 집합 내의 모든 포인트를 포함할 수도 있다.
컨벡스 헐 알고리즘은, 그라함 알고리즘, 자비스 알고리즘, 센터 방법, 레벨 방법, 또는 퀵헐 알고리즘을 포함할 수도 있다.
그라함 알고리즘은 설명을 위해 하기에서 예로서 사용된다. 도 5에서 도시되는 선택된 블록값을 갖는 블록에 기초하여, 좌표 시스템이 도 6에서 도시되는 바와 같이 확립된다.
실제로, 포인트 집합 {p0, p1, p2, p3, p4, p5, p6, p7, p8, p9}의 각각의 포인트의 좌표는 경도 및 위도에 의해 형성되는데, 경도는 X 축 상에 있고 위도는 Y 축 상에 있다. 이 실시형태에서, 설명의 용이성을 위해, 좌표는 정수로서 단순화된다. 도 6에서, p0의 좌표는 (1, -2)이고; p1의 좌표는 (1, 2)이고; p2의 좌표는 (1, -2)이고; p3의 좌표는 (1, 2)이고; p4의 좌표는 (1, -2)이고; p5의 좌표는 (1, 2)이고; p6의 좌표는 (1, -2)이고; p7의 좌표는 (1, 2)이고; p8의 좌표는 (1, -2)이고; p9의 좌표는(1, -2)이다는 것이 가정된다.
컨벡스 헐 알고리즘의 동작 프로세스가 다음과 같이 상세히 설명된다.
A1: 모든 포인트로부터 한 포인트를 기준 포인트(base point)로서 선택함.
구체적으로, 기준 포인트 선택은 다음과 같은 방식 중 임의의 하나의 방식으로 수행될 수도 있다.
제1 방식: 모든 포인트에서 최소 Y 좌표를 갖는 포인트가 기준 포인트로서 선택될 수도 있다. 최소 Y 좌표를 갖는 두 개 이상의 포인트가 존재하는 경우, 최소 X 좌표를 갖는 포인트가 선택된다.
제2 방식: 모든 포인트에서 최소 X 좌표를 갖는 포인트가 기준 포인트로서 선택될 수도 있다. 최소 X 좌표를 갖는 두 개 이상의 포인트가 존재하는 경우 최소 Y 좌표를 갖는 포인트가 선택된다.
제3 방식: 모든 포인트에서 최대 Y 좌표를 갖는 포인트가 기준 포인트로서 선택될 수도 있다. 최대 Y 좌표를 갖는 두 개 이상의 포인트가 존재하는 경우, 최대 X 좌표를 갖는 포인트가 선택된다.
제4 방식: 모든 포인트에서 최대 X 좌표를 갖는 포인트가 기준 포인트로서 선택될 수도 있다. 최대 X 좌표를 갖는 두 개 이상의 포인트가 존재하는 경우, 최대 Y 좌표를 갖는 포인트가 선택된다.
본 실시형태에서는, 제2 방식이 사용된다, 즉 최소의 X 좌표를 갖는 포인트가 선택된다. p0 및 p9 둘 모두가 최소 X 좌표를 가지기 때문에, 기준 포인트로서 최소 Y 좌표를 갖는 포인트가 선택된다, 즉, p0이 선택된다.
A2: X 축과 다른 포인트 및 기준 포인트에 의해 형성되는 벡터 사이의 끼인각(included angle)의 코사인 값에 따라 다른 포인트를 정렬함.
이 실시형태에서, 임의의 삼각형의 경우, 임의의 변의 제곱은, 다른 두 변의 제곱의 합에서, 두 변과 두 변의 끼인각의 코사인의 곱을 두 배한 것을 뺀 것과 동일하다.
삼각형의 세 개의 변이 a, b, 및 c이고, 삼각형의 세 개의 각이 A, B, 및 C라고 가정하면, 각도의 코사인 값은 다음 수학식을 사용하는 것에 의해 계산될 수 있다:
Figure 112019040209111-pct00001
여기서 코사인 값의 범위는 [-1, 1]이다. 직교 좌표 시스템에서, 코사인 값은 제1 및 제4 사분면에 있는 동안 양의 값이고, 제2 및 제3 사분면에 있는 동안 음의 값이고, X 축 또는 Y 축 상에서는 0이다.
다른 모든 포인트 및 기준 포인트에 의해 형성되는 벡터의 끼인각의 코사인 값이 전술한 수학식에 따른 계산을 통해 획득된 이후, 코사인 값은 내림차순으로 정렬되고, 코사인 값에 대응하는 포인트의 순서는, 예를 들면, p0, p1, p2, p4, p3, p5, p6, p7, p8, p9일 수도 있다.
A3: 정렬된 순서에 따라 포인트를 통해 스캔하고, 0보다 더 큰 벡터 곱을 갖는 포인트를 유지하여 컨벡스 헐 곡선을 획득함.
이 실시형태에서, 벡터 곱은 벡터 공간에서의 벡터의 이진 연산이고, 다음과 같이 계산될 수 있다:
Figure 112019040209111-pct00002
여기서 sinθ는 벡터 AB와 벡터 BC의 사인 값이고, 벡터 곱의 결과는 양의 값, 음의 값, 또는 0일 수도 있다.
벡터 AB와 벡터 BC의 벡터 곱이 0보다 더 큰 경우, 벡터 AB는 벡터 BC의 시계 방향에 있다는 것을 나타내고; 포인트 B는 유지된다.
벡터 AB와 벡터 BC의 벡터 곱이 0보다 더 작은 경우, 벡터 AB가 벡터 BC의 반시계 방향에 있다는 것을 나타내고; 포인트 B는 삭제되고, 포인트 A 및 C는 연결되어 벡터 AC를 형성한다.
벡터 AB와 벡터 BC의 벡터 곱이 0과 동일하면, 벡터 AB가 벡터 BC와 동일 라인 상에 있다는 것을 나타내고; 포인트 B는 삭제되고, 포인트 A 및 C는 연결되어 벡터 AC를 형성한다.
스캐닝의 단계 1 내지 14는, 도 6에서 도시되는 바와 같이, 다음을 포함한다.
1: 먼저, p0 및 p1을 연결하여 벡터 p0p1을 형성한다.
2: p1 및 p2를 연결하여 벡터 p1p2를 형성한다.
벡터 p0p1과 벡터 p1p2의 벡터 곱이 0이기 때문에, p1은 삭제되고, p0 및 p2가 연결되어 벡터 p0p2를 형성한다.
3: p2 및 p4를 연결하여 벡터 p2p4를 형성한다.
벡터 p0p2 및 벡터 p2p4의 벡터 곱이 0보다 더 크기 때문에, p2는 유지된다.
4: p4 및 p3을 연결하여 벡터 p4p3을 형성한다.
벡터 p2p4 및 벡터 p4p3의 벡터 곱이 0보다 더 크기 때문에, p4는 유지된다.
5: p3 및 p5를 연결하여 벡터 p3p5를 형성한다.
벡터 p4p3 및 벡터 p3p5의 벡터 곱이 0보다 더 작기 때문에, p3은 삭제된다.
6: p4 및 p5를 연결하여 벡터 p4p5를 형성한다.
벡터 p2p4 및 벡터 p4p5의 벡터 곱이 0보다 더 크기 때문에, p4는 계속 유지된다.
7: p5 및 p6을 연결하여 벡터 p5p6을 형성한다.
벡터 p4p5 및 벡터 p5p6의 벡터 곱이 0보다 더 작기 때문에, p5는 삭제된다.
8: p4 및 p6을 연결하여 벡터 p4p6을 형성한다.
벡터 p2p4 및 벡터 p4p6의 벡터 곱이 0보다 더 크기 때문에, p4는 계속 유지된다.
9: p6 및 p7을 연결하여 벡터 p6p7을 형성한다.
벡터 p4p6 및 벡터 p6p7의 벡터 곱이 0보다 더 크기 때문에, p6은 유지된다.
10: p7 및 p8을 연결하여 벡터 p7p8을 형성한다.
벡터 p6p7 및 벡터 p7p8의 벡터 곱이 0보다 더 작기 때문에, p7은 삭제된다.
11: p6과 p8을 연결하여 벡터 p6p8을 형성한다.
벡터 p4p6 및 벡터 p6p8의 벡터 곱이 0보다 더 크기 때문에, p6은 계속 유지된다.
12: p8 및 p9를 연결하여 벡터 p8p9를 형성한다.
벡터 p6p8 및 벡터 p8p9의 벡터 곱이 0보다 더 작기 때문에, p8은 삭제된다.
13: p6 및 p9를 연결하여 벡터 p6p9를 형성한다.
벡터 p4p6 및 벡터 p6p9의 벡터 곱이 0보다 더 크기 때문에, p6은 계속 유지된다.
14: p9 및 p0을 연결하여 벡터 p9p0을 형성한다.
벡터 p6p9 및 벡터 p9p0의 벡터 곱이 0보다 더 크기 때문에, p9는 유지된다.
따라서, 유지된 포인트는 p0, p2, p4, p6, 및 p9를 포함하고, 벡터 p0p2, 벡터 p2p4, 벡터 p4p6, 벡터 p6p9, 및 벡터 p9p0에 의해 형성되는 곡선은 컨벡스 헐 곡선이다.
단계 160: 곡선 내의 지역을 관심 지역으로서 결정함.
도 7은, 본 출원에 따른, 앵커 포인트에 따라 결정되는 관심 지역의 개략도이다. 도 7의 곡선(예를 들면, 관심 지역의 가장자리)은 집합 내의 모든 포인트(p0 내지 p9)를 포함한다.
본 출원의 실시형태에 따르면, 먼저, 서버는 프로세싱될 맵 상의 지역을 그리드화하고, 각각의 블록에 대한 블록값을 카운트하고, 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하고, 선택된 블록값에 대응하는 블록에서 앵커 포인트를 결정하고, 미리 설정된 알고리즘에 기초하여 앵커 포인트 전체를 포함하는 곡선을 계산하고, 곡선 내의 지역을 관심 지역으로서 결정한다. 이러한 방식으로, 서버는 사용자에 의해 실제로 보고되는 지오로케이션 데이터를 사용하는 것에 의해 맵 상의 지역에서 관심 지역을 자동적으로 결정하여, 관심 지역을 수동으로 구분하는 것에 의해 야기되는 낮은 효율성과 높은 비용을 방지할 수 있고, 그에 의해, 관심 지역을 결정하기 위한 비용을 감소시킬 수 있고 효율성을 향상시킬 수 있다.
실제로, 상이한 관심 지역은 상이한 타입을 갖는다. 예를 들면, 푸드 플라자는 일반적으로 케이터링(catering) 타입을 가지며, 주거 지역은 일반적으로 커뮤니티 타입을 가지는 등등이다. 전술한 실시형태에서, 보고된 지오로케이션 데이터를 사용하는 것에 의해 획득되는 관심 지역은 타입을 갖지 않는다.
전술한 문제점을 해결하기 위해, 본 출원의 특정한 실시형태에서, 단계 160 이후, 방법은 다음을 더 포함할 수도 있다:
곡선에서 정보의 포인트(Points of Information; POI)의 타입을 획득하는 단계;
동일한 타입의 POI의 수량을 카운트하는 단계; 및
가장 큰 수량의 POI의 타입을 관심 지역에 대한 관심 타입(type of interest)으로서 결정하는 단계.
이 실시형태에서, 정보의 포인트(POI)는 맵에 의해 제공되는 정보 포인트이다. POI는 대규모 쇼핑 센터, 슈퍼마켓, 학교, 또는 주거 지역과 같은 장소를 가리킬 수도 있다.
일반적으로, POI는, 케이터링 타입, 커뮤니티 타입, 학교 캠퍼스 타입, 병원 타입, 쇼핑 타입 등과 같은 상이한 기능의 다른 POI와 구별하기 위한 타입을 가질 수도 있다.
POI는 프로세싱될 지역이 있는 맵에 의해, 또는 다른 맵에 의해 제공되는 정보 포인트일 수도 있다는 것을 유의해야 한다.
이 실시형태에 따르면, 서버는 관심 지역 내의 동일한 타입의 POI의 수를 카운트할 수도 있고, 가장 큰 수의 POI의 타입을 관심 지역의 관심 타입으로서 결정할 수도 있다. 이러한 방식으로, 관심 타입은 획득된 관심 지역에서 라벨링될 수도 있고, 그 결과, 사용자는 관심 지역의 타입을 신속하게 학습할 수 있고, 그에 의해, 사용자 경험을 향상시킬 수 있다.
실제로, 사용자에 의해 보고되는 지오로케이션 데이터는 에러를 가질 수도 있다. 예를 들면, 이동 단말의 위치 결정 디바이스는 위치 결정에서 편차를 가지며, 보고된 지오로케이션 데이터의 편차를 야기한다. 다른 예에서, 이동 단말이 위치 결정 디바이스를 디스에이블하는 경우, 이동 단말은 여전히 지오로케이션 데이터를 업로드할 수 있지만, 그러나 업로드된 지오로케이션 데이터는 이동 단말에 연결되는 또는 기지국의 핫 스팟(예컨대 WiFi)의 지오로케이션을 나타낸다. 따라서, 지오로케이션 데이터도 또한 편차를 갖는다.
전술한 문제점을 해결하기 위해, 본 출원의 특정한 실시형태에서, 방법은 다음을 더 포함할 수도 있다:
선택된 블록값에 대응하는 블록에서 앵커 포인트가 결정된 이후 맵 상의 지역에서 POI를 획득하는 단계(전술한 단계 140).
상응하여, 단계 150은 구체적으로 다음을 포함한다:
POI 및 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체 및 POI를 포함하는 곡선을 계산하는 단계.
이 실시형태에서, POI는 맵에 의해 제공되는 정보 포인트이다. POI는 대규모 쇼핑 센터, 슈퍼마켓, 학교, 주거 지역 등을 가리킬 수도 있다. POI는 사용자의 몇몇 관심사를 나타낼 수도 있고, POI의 지오로케이션 데이터는 일반적으로 정확하다.
POI는 프로세싱될 지역이 있는 맵에 의해, 또는 다른 맵에 의해 제공되는 정보 포인트일 수도 있다는 것을 유의해야 한다.
이 실시형태에서, 서버는, 앵커 포인트 및 획득된 POI에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체 및 POI를 포함하는 곡선을 계산한다. 미리 설정된 알고리즘의 계산 프로세스는 전술한 실시형태에서 도시되며, 여기서는 반복되지 않을 것이다.
도 8은 POI로 마킹되는 도 2에서 도시되는 맵 상의 지역의 개략도이다.
상응하여, 도 9는 POI 및 앵커 포인트에 따라 결정되는 관심 지역의 개략도이다. 도 7에서 도시되는 관심 지역과 비교하여, 추가적인 인기 장소가 도 9에서 도시되는 관심 지역에 추가되고, 그 결과, 관심 지역은 더욱 정확하다.
이 실시형태에 따르면, POI는 사용자에 의해 보고되는 지오로케이션 데이터를 수정하기 위해 사용될 수도 있고, 그 결과, 최종적으로 획득된 관심 지역은 더욱 정확해진다.
지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법의 전술한 실시형태에 대응하여, 본 출원은 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스의 실시형태를 추가로 제공한다.
본 출원에서 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스의 실시형태는 서버 디바이스에 각각 적용될 수도 있다. 디바이스 실시형태는 소프트웨어, 또는 하드웨어를 사용하는 것에 의해 구현될 수도 있거나, 또는 소프트웨어 및 하드웨어의 조합의 방식으로 구현될 수도 있다. 소프트웨어 구현을 예로 들면, 디바이스가 존재하는 기기의 프로세서가 불휘발성 스토리지 내의 대응하는 컴퓨터 프로그램 명령어를 실행을 위해 메모리 안으로 판독하는 것에 의해 논리적 양태의 디바이스가 형성된다. 하드웨어 레벨로부터, 도 10은 본 출원에 따른 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스를 포함하는 기기의 하드웨어 구조도를 예시한다. 도 10에서 도시되는 프로세서, 네트워크 인터페이스, 메모리, 및 불휘발성 스토리지에 추가하여, 디바이스를 포함하는 기기는 일반적으로, 지오로케이션 데이터에 기초하여 관심 지역을 결정하는 기능에 따라 다른 하드웨어를 더 포함할 수도 있으며, 이것은 정교하지 않을 것이다.
도 11은, 본 출원의 실시형태에 따른, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스의 개략적인 모듈 다이어그램이다. 본 실시형태는 서버 측으로부터 설명되며, 디바이스는 다음을 포함한다: 프로세싱 유닛(610), 카운팅 유닛(620), 선택 유닛(630), 제1 결정 유닛(640), 계산 유닛(650), 및 제2 결정 유닛(660).
프로세싱 유닛(610)은 프로세싱될 맵 지역을 그리드화하도록 구성된다.
카운팅 유닛(620)은 미리 설정된 지속 기간 내에 각각의 블록의 블록값을 카운트하되, 블록값은 대응하는 블록에서 지오로케이션 데이터를 보고하는 사용자의 수량이다.
선택 유닛(630)은 블록에 대해 결정되는 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하도록 구성된다.
제1 결정 유닛(640)은 선택된 블록값에 대응하는 블록에서 앵커 포인트를 결정하도록 구성된다.
계산 유닛(650)은, 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체를 포함하는 곡선을 계산하도록 구성된다.
제2 결정 유닛(660)은 곡선 내의 지역을 관심 지역으로서 결정하도록 구성된다.
옵션인 구현예에서:
프로세싱 유닛(610)은 또한, 프로세싱될 맵 상의 지역을, 미리 설정된 변 길이에 따라 적어도 하나의 블록으로 분할하도록 구성된다.
옵션인 구현예에서:
앵커 포인트는 선택된 값을 갖는 블록의 중심 포인트이다.
옵션인 구현예에서:
디바이스는 다음을 더 포함한다:
곡선 내의 POI의 타입을 획득하기 위한 획득 서브유닛;
동일 타입의 POI의 수량을 카운트하기 위한 카운팅 유닛; 및
가장 큰 수량의 POI의 타입을 관심 지역에 대한 관심 타입으로서 결정하기 위한 결정 서브유닛.
옵션인 구현예에서:
디바이스는 다음을 더 포함한다:
선택된 블록값에 대응하는 블록에서 앵커 포인트가 결정된 이후 맵 상의 지역에서 POI를 획득하기 위한 획득 서브유닛.
상응하여, 계산 유닛(650)은
POI 및 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 앵커 포인트 전체 및 POI를 포함하는 컨벡스 헐 곡선을 계산하도록 구성된다.
옵션인 구현예에서:
컨벡스 헐 알고리즘은, 그라함 알고리즘, 자비스 알고리즘, 센터 방법, 레벨 방법, 또는 퀵헐 알고리즘을 포함한다.
본 출원의 실시형태에 따르면, 먼저, 서버는 프로세싱될 맵 상의 지역을 분할하고, 각각의 블록에 대한 블록값을 카운트하고, 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하고, 선택된 블록값에 대응하는 블록에서 앵커 포인트를 결정하고, 미리 설정된 알고리즘에 기초하여 앵커 포인트 전체를 포함하는 곡선을 계산하고, 곡선 내의 지역을 관심 지역으로서 결정한다. 이러한 방식으로, 서버는 사용자에 의해 실제로 보고되는 지오로케이션 데이터를 사용하는 것에 의해 맵 상의 지역에서 관심 지역을 자동적으로 결정하여, 관심 지역을 수동으로 구분하는 것에 의해 야기되는 낮은 효율성과 높은 비용을 방지할 수 있고, 그에 의해, 관심 지역을 결정하기 위한 비용을 감소시킬 수 있고 효율성을 향상시킬 수 있다.
디바이스 내의 유닛의 기능 및 효과의 구현 프로세스의 세부 사항에 대해서는, 전술한 방법에서의 대응하는 단계의 구현 프로세스에 대한 참조가 이루어질 수도 있다. 세부 사항은 본 명세서에서 다시 설명되지 않는다.
디바이스 실시형태는 기본적으로 방법 실시형태에 대응하고, 관련된 부분에 대해서는, 방법 실시형태에서의 설명을 참조할 수도 있다. 위에서 설명된 디바이스 실시형태는 예에 불과할 뿐이다. 분리된 부분으로서 설명되는 유닛은 물리적으로 분리될 수도 있거나 또는 분리되지 않을 수도 있고; 유닛으로서 디스플레이되는 부분은 물리적 유닛일 수도 있거나 또는 아닐 수도 있고, 하나의 이치에 위치될 수도 있거나, 또는 복수의 네트워크 유닛 상에 분산될 수도 있다. 모듈 중 몇몇 또는 전체는 본 출원의 솔루션의 목적을 달성하기 위한 실제 요구에 따라 선택될 수도 있다. 기술 분야에서 통상의 기술을 가진 자는 창의적인 노력 없이 실시형태를 이해하고 구현할 수도 있다.
명세서를 고려하고 본 개시를 실시한 이후, 기술 분야의 숙련된 자는 본 출원의 다른 구현예를 쉽게 고안할 수도 있다. 본 출원은 본 출원의 임의의 변형, 사용 또는 적응적 변경을 포함하도록 의도된다. 이들 변형, 사용 또는 적응적 변경은 본 출원의 일반적인 원칙을 따르며, 본 출원에서 개시되지 않은 본 기술 분야의 공통적인 기술적 수단 또는 공통적인 일반적 지식을 포함한다. 본 명세서 및 실시형태는 단지 예시적인 것으로 간주되며, 본 출원의 범위 및 취지는 이하의 청구범위에서 나타내어진다.
본 출원은 상기에서 설명되고 첨부의 도면에서 도시되는 정확한 구조로 제한되지 않으며, 본 출원의 범위를 벗어나지 않으면서 다양한 변형 및 변경이 이루어질 수 있다는 것이 이해되어야 한다. 본 출원의 범위는 첨부의 청구범위에 의해 설명된다.

Claims (14)

  1. 지오로케이션 데이터(geolocation data)에 기초하여 관심 지역(area of interest)을 결정하기 위한 방법으로서,
    프로세싱될 맵 상의 지역을 그리드화하는(gridding) 단계;
    상기 그리드화된 지역 내의 각각의 블록에 대해, 미리 설정된 지속 기간 내에 블록값을 카운트하는 단계로서, 상기 블록값은 대응하는 블록 내에서 지오로케이션 데이터를 보고하는 사용자의 수량(quantity)인, 상기 블록값을 카운트하는 단계;
    상기 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하는 단계;
    상기 선택된 블록값에 대응하는 상기 블록에 따라 앵커 포인트(anchor point)를 결정하는 단계;
    상기 앵커 포인트에 따라 그리고 상기 미리 설정된 알고리즘에 기초하여, 상기 앵커 포인트 전체를 포함하는 곡선을 계산하는 단계;
    상기 곡선 내의 지역을 관심 지역으로서 결정하는 단계; 및
    상기 선택된 블록값에 대응하는 상기 블록에서 상기 앵커 포인트가 결정된 이후 상기 맵 상의 상기 지역에서 정보의 포인트(Point of Information; POI)를 획득하는 단계를 포함하고,
    상기 앵커 포인트에 따라 그리고 미리 설정된 알고리즘에 기초하여, 상기 앵커 포인트 전체를 포함하는 곡선을 계산하는 단계는, 구체적으로,
    상기 POI 및 상기 앵커 포인트에 따라 그리고 상기 미리 설정된 알고리즘에 기초하여, 상기 앵커 포인트 전체 및 POI를 포함하는 상기 곡선을 계산하는 단계를 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  2. 제1항에 있어서, 상기 프로세싱될 맵 상의 지역을 그리드화하는 단계는, 구체적으로,
    상기 프로세싱될 상기 맵 상의 상기 지역을, 미리 설정된 변 길이에 따라, 적어도 하나의 블록으로 분할하는 단계를 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  3. 제1항에 있어서, 상기 앵커 포인트는 상기 블록의 중심 포인트인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  4. 제1항에 있어서, 상기 방법은,
    상기 곡선 내의 상기 지역 내에서 POI의 타입을 획득하는 단계;
    동일한 타입의 상기 POI의 수량을 획득하는 단계; 및
    가장 큰 수량의 POI의 타입을 상기 관심 지역에 대한 관심 타입(type of interest)으로서 결정하는 단계를 더 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  5. 삭제
  6. 제1항에 있어서, 상기 미리 설정된 알고리즘은 컨벡스 헐 알고리즘(convex hull algorithm)이고; 그리고
    상기 곡선은 컨벡스 헐 곡선(convex hull curve)인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  7. 제6항에 있어서, 상기 컨벡스 헐 알고리즘은, 그라함 알고리즘(graham algorithm), 자비스 알고리즘(jarvis algorithm), 센터 방법(center method), 레벨 방법(level method) 또는 퀵헐 알고리즘(quickhull algorithm)을 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법.
  8. 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스로서,
    프로세싱될 맵 상의 지역을 그리드화하기 위한 프로세싱 유닛;
    그리드화된 지역 내의 각각의 블록에 대해 미리 설정된 지속 기간 내에 블록값을 카운트하기 위한 카운팅 유닛으로서, 상기 블록값은 대응하는 블록 내에서 지오로케이션 데이터를 보고하는 사용자의 수량인, 상기 카운팅 유닛;
    상기 카운트된 블록값으로부터 미리 설정된 임계치보다 더 큰 블록값을 선택하기 위한 선택 유닛;
    상기 선택된 블록값에 대응하는 상기 블록에 따라 앵커 포인트를 결정하기 위한 제1 결정 유닛;
    상기 앵커 포인트에 따라 그리고 상기 미리 설정된 알고리즘에 기초하여, 상기 앵커 포인트 전체를 포함하는 곡선을 계산하기 위한 계산 유닛;
    상기 곡선 내의 지역을 관심 지역으로서 결정하기 위한 제2 결정 유닛; 및
    상기 선택된 블록값에 대응하는 상기 블록에서 상기 앵커 포인트가 결정된 이후 상기 맵 상의 상기 지역에서 POI를 획득하기 위한 획득 서브유닛을 포함하되,
    상응하여, 상기 계산 유닛은, 구체적으로,
    상기 POI 및 상기 앵커 포인트에 따라 그리고 상기 미리 설정된 알고리즘에 기초하여, 상기 앵커 포인트 전체 및 POI를 포함하는 상기 곡선을 계산하기 위한 것인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
  9. 제8항에 있어서, 상기 프로세싱 유닛은, 구체적으로,
    프로세싱될 상기 맵 상의 상기 지역을, 미리 설정된 변 길이에 따라, 적어도 하나의 블록으로 분할하기 위한 것인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
  10. 제8항에 있어서, 상기 앵커 포인트는 상기 블록의 중심 포인트인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
  11. 제8항에 있어서, 상기 디바이스는,
    상기 곡선 내의 상기 지역 내에서 POI의 타입을 획득하기 위한 획득 서브유닛;
    동일한 타입의 상기 POI의 수량을 획득하기 위한 카운팅 서브유닛; 및
    가장 큰 수량의 POI의 타입을 상기 관심 지역에 대한 관심 타입으로서 결정하기 위한 결정 서브유닛을 더 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
  12. 삭제
  13. 제8항에 있어서, 상기 미리 설정된 알고리즘은 컨벡스 헐 알고리즘이고; 그리고
    상기 곡선은 컨벡스 헐 곡선인, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
  14. 제13항에 있어서, 상기 컨벡스 헐 알고리즘은, 그라함 알고리즘, 자비스 알고리즘, 센터 방법, 레벨 방법 또는 퀵헐 알고리즘을 포함하는, 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 디바이스.
KR1020197011270A 2016-09-30 2017-09-22 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스 KR102220963B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610875370.9A CN107070961B (zh) 2016-09-30 2016-09-30 基于地理位置数据的热点区域确定方法及装置
CN201610875370.9 2016-09-30
PCT/CN2017/102886 WO2018059315A1 (zh) 2016-09-30 2017-09-22 基于地理位置数据的热点区域确定方法及装置

Publications (2)

Publication Number Publication Date
KR20190053923A KR20190053923A (ko) 2019-05-20
KR102220963B1 true KR102220963B1 (ko) 2021-03-02

Family

ID=59616855

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197011270A KR102220963B1 (ko) 2016-09-30 2017-09-22 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스

Country Status (17)

Country Link
US (2) US10943364B2 (ko)
EP (1) EP3522495B1 (ko)
JP (1) JP6875510B2 (ko)
KR (1) KR102220963B1 (ko)
CN (1) CN107070961B (ko)
AU (2) AU2017335101B2 (ko)
BR (1) BR112019006475A2 (ko)
CA (1) CA3038583C (ko)
ES (1) ES2872963T3 (ko)
MX (1) MX2019003650A (ko)
PH (1) PH12019500683A1 (ko)
PL (1) PL3522495T3 (ko)
RU (1) RU2728290C1 (ko)
SG (1) SG11201902737RA (ko)
TW (1) TWI666951B (ko)
WO (1) WO2018059315A1 (ko)
ZA (1) ZA201902476B (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107070961B (zh) * 2016-09-30 2020-06-23 阿里巴巴集团控股有限公司 基于地理位置数据的热点区域确定方法及装置
CN108182253B (zh) * 2017-12-29 2021-12-28 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108280685B (zh) * 2018-01-19 2019-07-23 百度在线网络技术（北京）有限公司 信息获取方法和装置
CN110556049B (zh) * 2018-06-04 2021-11-12 百度在线网络技术（北京）有限公司 一种地图数据处理方法、装置、服务器和存储介质
CN110633337B (zh) * 2018-06-05 2021-07-09 北京三快在线科技有限公司 一种特征区域确定方法及装置，电子设备
CN110634381A (zh) * 2018-06-25 2019-12-31 百度在线网络技术（北京）有限公司 用于确定标注样式的方法和装置
CN109146204A (zh) * 2018-09-27 2019-01-04 浙江中海达空间信息技术有限公司 一种多层次综合评估的风电场升压站自动选址方法
CN109685305A (zh) * 2018-10-31 2019-04-26 广州市城市建设投资集团有限公司 热点区域筛选的方法、装置、计算机设备及存储介质
CN109613179B (zh) * 2018-11-14 2023-10-20 北京英视睿达科技股份有限公司 累积高值区的确定方法
CN111412925B (zh) * 2019-01-08 2023-07-18 阿里巴巴集团控股有限公司 一种poi位置的纠错方法及装置
CN109992633B (zh) * 2019-02-20 2020-08-07 北京三快在线科技有限公司 基于用户位置的地理围栏确定方法、装置、电子设备
CN109871424B (zh) * 2019-02-28 2021-05-04 中国科学院地理科学与资源研究所 一种中文学术研究热点区域信息自动提取和地图制作方法
CN110071832B (zh) * 2019-04-18 2022-04-15 中国联合网络通信集团有限公司 通信质量保障方法和装置
CN110457653B (zh) * 2019-07-30 2023-09-01 青岛海信网络科技股份有限公司 一种警情热点区域的确定方法及装置
CN110930180B (zh) * 2019-11-04 2023-07-28 苏宁云计算有限公司 基于区域化会员营销场景的数据解析方法、系统和计算机设备
CN111010665B (zh) * 2019-12-18 2021-03-16 广东海格怡创科技有限公司 热点范围定位方法、装置、计算机设备及存储介质
CN112543412B (zh) * 2020-01-17 2023-03-21 北京融信数联科技有限公司 一种基于手机信令轨迹点凸包的人群分类方法
CN111475746B (zh) * 2020-04-07 2023-09-12 深圳市腾讯计算机系统有限公司 兴趣点位置挖掘方法、装置、计算机设备和存储介质
CN112566029B (zh) * 2020-12-09 2022-11-22 深圳市城市规划设计研究院有限公司 基于手机定位数据的城市就业中心识别方法及装置
CN113077475B (zh) * 2021-03-17 2023-09-08 杭州海康机器人股份有限公司 视觉定位方法、装置、系统、移动机器人及存储介质
CN113112069B (zh) * 2021-04-13 2022-08-30 北京阿帕科蓝科技有限公司 一种人口分布预测方法、人口分布预测系统及电子设备
CN114238384B (zh) * 2022-02-24 2022-08-30 阿里云计算有限公司 区域定位方法、装置、设备和存储介质
CN117014939B (zh) * 2023-09-28 2023-12-08 深圳市优网科技有限公司 一种基于移动通信用户的热度图数据生成方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110087431A1 (en) 2009-10-12 2011-04-14 Qualcomm Incorporated Method and apparatus for identification of points of interest within a predefined area
CN103578265A (zh) 2012-07-18 2014-02-12 北京掌城科技有限公司 基于出租车gps数据的打车热点获取方法
CN103902636A (zh) 2012-12-30 2014-07-02 腾讯科技（深圳）有限公司 基于过滤聚类法推送信息的方法和服务器

Family Cites Families (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7096030B2 (en) * 2002-06-28 2006-08-22 Nokia Corporation System and method for initiating location-dependent applications on mobile devices
FI20030429A0 (fi) * 2003-03-24 2003-03-24 Nokia Corp Ryhmäliikennöinti matkaviestinverkossa
US7202816B2 (en) 2003-07-22 2007-04-10 Microsoft Corporation Utilization of the approximate location of a device determined from ambient signals
US7388519B1 (en) * 2003-07-22 2008-06-17 Kreft Keith A Displaying points of interest with qualitative information
AU2004302220A1 (en) 2003-08-08 2005-02-17 Telecommunication Systems, Inc. Method and system for collecting synchronizing and reporting telecommunication call events and work flow related information
WO2006036866A1 (en) * 2004-09-27 2006-04-06 Travelocity.Com Lp System, method and computer program product for searching amd retrieving ranked points of interest within a polygonal area of interest
US8412575B2 (en) * 2005-06-30 2013-04-02 Google Inc. Determining and/or managing offers such as bids for advertising
US8397171B2 (en) 2006-03-31 2013-03-12 Reaearch In Motion Limited User interface methods and apparatus for controlling the visual display of maps having selectable map elements in mobile communication devices
US8571580B2 (en) 2006-06-01 2013-10-29 Loopt Llc. Displaying the location of individuals on an interactive map display on a mobile communication device
WO2008128133A1 (en) 2007-04-13 2008-10-23 Pelago, Inc. Location-based information determination
WO2008134595A1 (en) * 2007-04-27 2008-11-06 Pelago, Inc. Determining locations of interest based on user visits
US8683932B2 (en) * 2007-08-30 2014-04-01 Vsm Group Ab Positioning of stitch data objects
KR101430452B1 (ko) 2007-10-15 2014-08-14 엘지전자 주식회사 통신 기기 및 이것의 위치 정보 제공 방법
US8401771B2 (en) 2008-07-22 2013-03-19 Microsoft Corporation Discovering points of interest from users map annotations
CN101541079B (zh) * 2009-04-29 2011-06-15 广东省电信规划设计院有限公司 移动台定位方法
US20100287178A1 (en) 2009-05-08 2010-11-11 Google Inc. Refining location estimates and reverse geocoding based on a user profile
CN101887440B (zh) * 2009-05-13 2012-05-30 财团法人资讯工业策进会 热点分析系统及方法
US20120135744A1 (en) 2009-07-21 2012-05-31 Kota Enterprises, Llc Systems and methods for generating and managing communication rules associated with geographic locations
US8207844B2 (en) * 2009-10-16 2012-06-26 Zhihong Yu Methods and systems for identifying points of interest
US8589069B1 (en) 2009-11-12 2013-11-19 Google Inc. Enhanced identification of interesting points-of-interest
US8239130B1 (en) 2009-11-12 2012-08-07 Google Inc. Enhanced identification of interesting points-of-interest
KR20110060493A (ko) * 2009-11-30 2011-06-08 삼성전자주식회사 메모리 장치의 소거 카운트 관리 방법 및 장치
US9389085B2 (en) 2010-01-22 2016-07-12 Qualcomm Incorporated Map handling for location based services in conjunction with localized environments
US9122693B2 (en) * 2010-11-30 2015-09-01 Nokia Technologies Oy Method and apparatus for determining contextually relevant geographical locations
US9330563B2 (en) * 2013-02-12 2016-05-03 Digimarc Corporation Synchronized metrology in power generation and distribution networks
US20170238136A1 (en) * 2011-08-18 2017-08-17 Rivada Research, Llc Method and System for Improving the Location of Fixed Wireless CBSD Nodes
US10237688B2 (en) * 2011-08-18 2019-03-19 Rivada Research, Llc Method and system for improving the location of fixed wireless CBSD nodes
US8983973B2 (en) * 2011-10-12 2015-03-17 Mapquest, Inc. Systems and methods for ranking points of interest
US8711181B1 (en) * 2011-11-16 2014-04-29 Google Inc. Pre-fetching map data using variable map tile radius
US9063951B1 (en) * 2011-11-16 2015-06-23 Google Inc. Pre-fetching map data based on a tile budget
CN102572992B (zh) * 2012-01-17 2014-08-13 百年金海安防科技有限公司 一种车载网络rsu部署及其数据转发方法
US8972357B2 (en) 2012-02-24 2015-03-03 Placed, Inc. System and method for data collection to validate location data
CN102750361B (zh) * 2012-06-13 2015-02-18 中国矿业大学 基于局部多层网格的轨迹数据热点区域发现方法
US9826345B2 (en) * 2012-06-18 2017-11-21 Here Global B.V. Method and apparatus for detecting points of interest or events based on geotagged data and geolocation seeds
CN104380293B (zh) * 2012-06-22 2017-03-22 谷歌公司 基于位置从地图历史提供相关元素信息的方法和计算装置
US10318973B2 (en) * 2013-01-04 2019-06-11 PlaceIQ, Inc. Probabilistic cross-device place visitation rate measurement at scale
CN103944932B (zh) 2013-01-18 2017-07-14 阿里巴巴集团控股有限公司 搜索、确定活跃区域的方法与服务器
GB2510169A (en) * 2013-01-28 2014-07-30 Microsoft Corp Determining a location of a mobile user terminal
US9341479B2 (en) 2013-03-05 2016-05-17 Google Inc. Configurable point of interest alerts
CN104102637B (zh) * 2013-04-02 2017-09-29 高德软件有限公司 一种生成热点区域的方法及装置
US9906609B2 (en) * 2015-06-02 2018-02-27 GeoFrenzy, Inc. Geofence information delivery systems and methods
US9363638B1 (en) * 2015-06-02 2016-06-07 GeoFrenzy, Inc. Registrar mapping toolkit for geofences
US9906902B2 (en) * 2015-06-02 2018-02-27 GeoFrenzy, Inc. Geofence information delivery systems and methods
US9514714B2 (en) * 2013-11-25 2016-12-06 Microsoft Technology Licensing, Llc Kinetic mapping
WO2015119371A1 (ko) * 2014-02-05 2015-08-13 에스케이플래닛 주식회사 Poi 그룹화를 이용한 poi 정보 제공 장치 및 방법
CN104978342B (zh) * 2014-04-08 2019-07-12 阿里巴巴集团控股有限公司 用户聚集现象检测、查询系统方法及系统
US9875251B2 (en) * 2015-06-02 2018-01-23 GeoFrenzy, Inc. Geofence information delivery systems and methods
US11240628B2 (en) * 2014-07-29 2022-02-01 GeoFrenzy, Inc. Systems and methods for decoupling and delivering geofence geometries to maps
RU2604725C2 (ru) * 2014-12-25 2016-12-10 Общество С Ограниченной Ответственностью "Яндекс" Система и способ генерирования информации о множестве точек интереса
CN104615881B (zh) * 2015-01-30 2017-12-22 南京烽火星空通信发展有限公司 一种基于移动位置应用的用户常态轨迹分析方法
US10592914B2 (en) * 2015-03-24 2020-03-17 PlaceIQ, Inc. Device-dwell graphs
US10231084B2 (en) * 2015-08-14 2019-03-12 Aeris Communications, Inc. System and method for monitoring devices relative to a learned geographic area
US9764470B2 (en) * 2015-10-05 2017-09-19 X Development Llc Selective deployment of robots to perform mapping
US11162791B2 (en) * 2015-12-22 2021-11-02 Invensense, Inc. Method and system for point of sale ordering
CN105427003A (zh) * 2015-12-30 2016-03-23 北京航空航天大学 一种基于出行需求分析的公交站点部署方法
CN105893998A (zh) * 2016-03-30 2016-08-24 北京奇虎科技有限公司 一种指定区域内的实点的密度估计方法和装置
CN107291785A (zh) * 2016-04-12 2017-10-24 滴滴（中国）科技有限公司 一种数据查找方法及装置
US9706355B1 (en) * 2016-08-12 2017-07-11 Contagious Atmosphere LLC Systems and methods for automatically generating geofences based on property information
US10547976B2 (en) * 2016-09-07 2020-01-28 Invensense, Inc. Method and system for assigning point of sale information
US9686646B1 (en) * 2016-09-29 2017-06-20 Cars.Com, Llc Integrated geospatial activity reporting
CN107070961B (zh) * 2016-09-30 2020-06-23 阿里巴巴集团控股有限公司 基于地理位置数据的热点区域确定方法及装置
US10281279B2 (en) * 2016-10-24 2019-05-07 Invensense, Inc. Method and system for global shape matching a trajectory
US10581986B2 (en) * 2017-06-01 2020-03-03 Turnoutt, Inc. Dynamic determination of public spaces and third party data incorporation for location-based mapping systems and methods
US20190355074A1 (en) * 2018-05-21 2019-11-21 Tango Travel, LLC Systems, methods and apparatus for location-based goods and services procurement
US10390180B1 (en) * 2018-05-22 2019-08-20 Netscout Systems, Inc Geolocation determination with power fingerprinting
US10963917B2 (en) * 2018-12-26 2021-03-30 Yandex Europe Ag Method and system for determining fact of visit of user to point of interest
US20200211053A1 (en) * 2018-12-26 2020-07-02 Yandex Europe Ag Method and system for determining fact of visit of user to point of interest

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110087431A1 (en) 2009-10-12 2011-04-14 Qualcomm Incorporated Method and apparatus for identification of points of interest within a predefined area
CN103578265A (zh) 2012-07-18 2014-02-12 北京掌城科技有限公司 基于出租车gps数据的打车热点获取方法
CN103902636A (zh) 2012-12-30 2014-07-02 腾讯科技（深圳）有限公司 基于过滤聚类法推送信息的方法和服务器

Also Published As

Publication number Publication date
EP3522495B1 (en) 2021-04-21
CN107070961A (zh) 2017-08-18
US20190220995A1 (en) 2019-07-18
TW201815187A (zh) 2018-04-16
US20210166419A1 (en) 2021-06-03
WO2018059315A1 (zh) 2018-04-05
EP3522495A4 (en) 2020-03-04
JP2019537048A (ja) 2019-12-19
AU2019101563A4 (en) 2020-01-23
US10943364B2 (en) 2021-03-09
AU2017335101B2 (en) 2020-01-30
JP6875510B2 (ja) 2021-05-26
TWI666951B (zh) 2019-07-21
BR112019006475A2 (pt) 2019-06-25
US11087490B2 (en) 2021-08-10
EP3522495A1 (en) 2019-08-07
PH12019500683A1 (en) 2019-11-04
SG11201902737RA (en) 2019-05-30
CA3038583C (en) 2021-06-01
ZA201902476B (en) 2021-09-29
CA3038583A1 (en) 2018-04-05
AU2017335101A1 (en) 2019-04-18
PL3522495T3 (pl) 2021-10-25
CN107070961B (zh) 2020-06-23
MX2019003650A (es) 2019-11-12
ES2872963T3 (es) 2021-11-03
KR20190053923A (ko) 2019-05-20
RU2728290C1 (ru) 2020-07-29

Similar Documents

Publication Publication Date Title
KR102220963B1 (ko) 지오로케이션 데이터에 기초하여 관심 지역을 결정하기 위한 방법 및 디바이스
US10091754B2 (en) Correcting interference of non-line-of-sight signals
CN107209247B (zh) 支持数据的协作收集
US20150338522A1 (en) Positioning Using Non-Line-Of-Sight Signals
JP5837092B2 (ja) 水平角を使用する位置決定
CN107431995B (zh) 实现对移动装置的估计位置的验证
US11243288B2 (en) Location error radius determination
US9146105B2 (en) System and method for accuracy certification of geographical locations on a land tract
CN107860392B (zh) 一种高效找人的方法及其系统
CN104023392B (zh) 确定无线接入点的位置的方法和设备
US9020753B2 (en) Method, computer program and apparatus for determining an object in sight
CN109214740B (zh) 一种物流请求处理方法及装置
Xue et al. Surface area calculation for DEM-based terrain model
CN109188351A (zh) 一种无线抗干扰定位方法及装置
CN113901347A (zh) 信息推荐方法和装置

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