KR102399591B1 - 관심 지역 및 입구의 위치를 결정하는 시스템 - Google Patents

관심 지역 및 입구의 위치를 결정하는 시스템 Download PDF

Info

Publication number
KR102399591B1
KR102399591B1 KR1020150117339A KR20150117339A KR102399591B1 KR 102399591 B1 KR102399591 B1 KR 102399591B1 KR 1020150117339 A KR1020150117339 A KR 1020150117339A KR 20150117339 A KR20150117339 A KR 20150117339A KR 102399591 B1 KR102399591 B1 KR 102399591B1
Authority
KR
South Korea
Prior art keywords
location
data
clusters
cluster
interest
Prior art date
Application number
KR1020150117339A
Other languages
English (en)
Other versions
KR20160026707A (ko
Inventor
양준
이페이 지앙
코이치 모리
씽 샬린더 시드후
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to CN201580045619.7A priority Critical patent/CN106605123B/zh
Priority to PCT/KR2015/008764 priority patent/WO2016032172A1/ko
Priority to EP15835445.6A priority patent/EP3197217B1/en
Publication of KR20160026707A publication Critical patent/KR20160026707A/ko
Application granted granted Critical
Publication of KR102399591B1 publication Critical patent/KR102399591B1/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
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/383—Indoor data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/014—Identifying transitions between environments
    • G01S5/015—Identifying transitions between environments between indoor and outdoor environments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • 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
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration 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
    • 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
    • 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

Abstract

이동식 디바이스의 관심 지역을 결정하는 방법에 있어서, 이동식 디바이스의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적(trajectory) 데이터를 획득하는 단계; 복수의 점들을 포함하는 복수의 클러스터들(clusters)을 형성하는 단계; 및 복수의 클러스터들 중 하나 이상의 클러스터에 기초하여 이동식 디바이스의 관심 지역의 위치를 결정하는 단계; 를 포함하는 방법이 제공된다.

Description

관심 지역 및 입구의 위치를 결정하는 시스템{SYSTEM FOR DETERMINING THE LOCATION OF ENTRANCES AND AREAS OF INTEREST}
일반적으로 건물의 입구, 실내 공간, 실외 지역, 매장, 쇼핑몰 등의 관심 지역의 위치를 결정하기 위한 시스템에 관한 것이다. 다양한 실시 예에서, GPS 데이터, 센서 데이터, 무선 주파수(RF) 데이터 및 순차적인 궤적 데이터 등이 관심 지역의 위치를 결정하기 위해 이용될 수 있다.
매핑(mapping) 및 위치 결정에 대한 다양한 기술이 존재한다. 예를 들어, 다양한 현대 스마트폰 및 모바일 디바이스들은 GPS를 이용한다. 일반적인 실시 예에서, 스마트폰은 복수의 GPS 위성으로부터 신호를 수신한다. GPS 신호는 스마트폰과 위성 사이의 거리를 지시하는 데 도움을 준다. 스마트폰은 GPS 데이터를 이용하여 지리적 좌표 혹은 GPS 좌표(예를 들어, 위도 및 경도 좌표 쌍)로 표현되는 위치를 결정할 수 있다. GPS 시스템은 다양한 매핑 응용에서 이용될 수 있고, 실외의 랜드마크(landmark) 지역, 영역 또는 건물의 위치를 정확히 짚어내는 데 이용될 수 있다.
하지만, GPS 시스템의 단점은 건물의 벽 및 천장이 위성 신호를 막을 수 있기 때문에, 실내 환경에서 대체로 효율적이지 않거나 효과가 없을 수 있다는 것이다. 따라서, GPS 신호를 수신할 수 없는 실내 공간이나 구조물 등에서 위치를 식별할 수 있는 시스템을 개발하기 위한 노력이 계속되고 있다.
GPS 신호를 수신할 수 없는 실내 공간이나 구조물 내에서 관심 지역의 위치를 결정할 수 있는 방법을 제공한다. 또한, 위치를 결정하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
일 실시 예에 따른 이동식 디바이스의 관심 지역을 결정하는 방법은, 이동식 디바이스의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적(trajectory) 데이터를 획득하는 단계; 복수의 점들을 포함하는 복수의 클러스터들(clusters)을 형성하는 단계; 및 복수의 클러스터들 중 하나 이상의 클러스터에 기초하여 이동식 디바이스의 관심 지역의 위치를 결정하는 단계; 를 포함할 수 있다.
또한, 복수의 클러스터들을 형성하는 단계는, 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 하나의 클러스터를 형성하는 단계; 를 포함할 수 있다.
또한, 관심 지역의 위치를 결정하는 단계는, 클러스터들 중 제 1 클러스터와 연관된 이동식 디바이스의 움직임의 양을 나타내는 가속도계 데이터를 획득하는 단계; 및 움직임의 양이 소정의 임계값을 초과하지 않는 경우, 제 1 클러스터를 유효 클러스터로 결정하는 단계; 를 포함하고, 관심 지역의 위치는 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 관심 지역의 위치를 결정하는 단계는, 클러스터들 중 하나인 제 2 클러스터와 연관된 이동식 디바이스의 이동 속도를 결정하는 단계; 이동 속도가 소정의 임계값을 초과하지 않는 경우, 제 2 클러스터를 유효 클러스터로 결정하는 단계; 를 더 포함하고, 관심 지역의 위치는 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 방법은, 순차적인 궤적 데이터를 복수의 디바이스들로부터 획득하는 단계; 및 복수의 디바이스들로부터 획득한 순차적인 궤적 데이터를 조합하여 관심 지역의 위치를 결정하는 단계; 를 더 포함할 수 있다.
또한, 순차적인 궤적 데이터는 보행자 추측 항법(pedestrian dead reckoning, PDR) 및 GPS 중 적어도 하나를 이용하여 획득되고, 관심 지역은 실내 공간, 랜드마크(landmark) 지역, 매장 지역 및 실외 지역 중 적어도 하나인 것을 특징으로 할 수 있다.
또한, 방법은, 이동식 디바이스가 이동할 때, 이동식 디바이스에 대한 GPS 데이터 및 주변 신호 데이터를 수집하는 단계; 수집된 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하는 단계; 를 더 포함할 수 있다.
또한, 관심 지역은 실내 공간이고 참고 위치는 실내 공간을 포함하는 건물의 특정 지역인 것을 특징으로 할 수 있다.
또한, 주변 신호 데이터는 이동식 디바이스가 수신하는 무선 주파수(RF) 신호, 주변의 빛 신호, 주변의 소리 신호, 주변의 온도 정보, 주변의 자기장 정보, 이동식 디바이스가 탐지하는 이미지 정보 및 이동식 디바이스가 수신하는 무선 주파수 신호를 송신하는 무선 주파수 신호 송신 디바이스의 개수 정보 중 적어도 하나를 나타내는 것을 특징으로 할 수 있다.
또한, 참고 위치는, GPS 데이터의 정확도의 감소 및 주변 신호 데이터의 품질의 향상 중 적어도 하나를 나타내는 패턴에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 방법은, GPS 데이터 및 주변 신호 데이터 중 적어도 하나를 복수의 디바이스로부터 수신하는 단계; 수집된 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하는 단계; 를 더 포함할 수 있다.
또한, 방법은, 복수의 디바이스들로부터 관심 지역에 대한 복수의 후보 위치들을 수신하는 단계; 관심 지역에 대한 복수의 후보 위치들 각각과 참고 위치 사이의 궤적 거리의 적어도 일부에 기초하여 관심 지역에 대한 후보 위치들의 부분집합을 선택하는 단계; 및 부분집합에 포함된 후보 위치들의 적어도 일부에 기초하여 관심 지역의 위치를 추정하는 단계; 를 더 포함할 수 있다.
또한, 방법은, 부분집합에 포함된 후보 위치들 각각에 대한 주변 지역의 순차적인 궤적 데이터의 밀도에 기초하여, 부분집합에 포함된 후보 위치들 각각에 대하여 가중치를 할당하는 단계; 를 더 포함하고, 관심 지역의 위치는 부분집합에 포함된 후보 위치들 각각에 대하여 할당된 가중치에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 방법은, 클러스터에 대한 정보 및 관심 지역의 위치에 대한 정보 중 적어도 하나를 외부 장치에 전송하는 단계; 를 더 포함할 수 있다.
또한, 방법은, 클러스터에 대한 정보 및 관심 지역의 위치에 대한 정보 중 적어도 하나를 디스플레이하는 단계; 를 더 포함할 수 있다.
일 실시 예에 따른 이동식 디바이스의 관심 지역을 결정하는 장치는, 이동식 디바이스의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적(trajectory) 데이터를 획득하는 통신부; 복수의 점들을 포함하는 복수의 클러스터들(clusters)을 형성하고, 복수의 클러스터들 중 하나 이상의 클러스터에 기초하여 이동식 디바이스의 관심 지역의 위치를 결정하는 제어부; 를 포함할 수 있다.
또한, 제어부는, 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 하나의 클러스터를 형성하는 것을 특징으로 할 수 있다.
또한, 통신부는, 클러스터들 중 제 1 클러스터와 연관된 이동식 디바이스의 움직임의 양을 나타내는 가속도계 데이터를 획득하고, 제어부는, 움직임의 양이 소정의 임계값을 초과하지 않는 경우, 제 1 클러스터를 유효 클러스터로 결정하고, 관심 지역의 위치는 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 제어부는, 클러스터들 중 하나인 제 2 클러스터와 연관된 이동식 디바이스의 이동 속도를 결정하고, 이동 속도가 소정의 임계값을 초과하지 않는 경우, 제 2 클러스터를 유효 클러스터로 결정하고, 관심 지역의 위치는 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 통신부는, 순차적인 궤적 데이터를 복수의 디바이스들로부터 획득하고, 제어부는, 복수의 디바이스들로부터 획득한 순차적인 궤적 데이터를 조합하여 관심 지역의 위치를 결정하는 것을 특징으로 할 수 있다.
또한, 순차적인 궤적 데이터는 보행자 추측 항법(pedestrian dead reckoning, PDR) 및 GPS 중 적어도 하나를 이용하여 획득되고, 관심 지역은 실내 공간, 랜드마크(landmark) 지역, 매장 지역 및 실외 지역 중 적어도 하나인 것을 특징으로 할 수 있다.
또한, 통신부는 이동식 디바이스가 이동할 때 이동식 디바이스에 대한 GPS 데이터 및 주변 신호 데이터를 수집하고, 제어부는 수집된 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하는 것을 특징으로 할 수 있다.
또한, 관심 지역은 실내 공간이고 참고 위치는 실내 공간을 포함하는 건물의 특정 지역인 것을 특징으로 할 수 있다.
또한, 주변 신호 데이터는 이동식 디바이스가 수신하는 무선 주파수(RF) 신호, 주변의 빛 신호, 주변의 소리 신호, 주변의 온도 정보, 주변의 자기장 정보, 이동식 디바이스가 탐지하는 이미지 정보 및 이동식 디바이스가 수신하는 무선 주파수 신호를 송신하는 무선 주파수 신호 송신 디바이스의 개수 정보 중 적어도 하나를 나타내는 것을 특징으로 할 수 있다.
또한, 참고 위치는, GPS 데이터의 정확도의 감소 및 주변 신호 데이터의 품질의 향상 중 적어도 하나를 나타내는 패턴에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 통신부는, GPS 데이터 및 주변 신호 데이터 중 적어도 하나를 복수의 디바이스로부터 수신하고, 제어부는, 수집된 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하는 것을 특징으로 할 수 있다.
또한, 통신부는, 복수의 디바이스들로부터 관심 지역에 대한 복수의 후보 위치들을 수신하고, 제어부는, 관심 지역에 대한 복수의 후보 위치들 각각과 참고 위치 사이의 궤적 거리의 적어도 일부에 기초하여 관심 지역에 대한 후보 위치들의 부분집합을 선택하고, 부분집합에 포함된 후보 위치들의 적어도 일부에 기초하여 관심 지역의 위치를 추정하는 것을 특징으로 할 수 있다.
또한, 제어부는, 부분집합에 포함된 후보 위치들 각각에 대한 주변 지역의 순차적인 궤적 데이터의 밀도에 기초하여, 부분집합에 포함된 후보 위치들 각각에 대하여 가중치를 할당하고, 관심 지역의 위치는 부분집합에 포함된 후보 위치들 각각에 대하여 할당된 가중치에 기초하여 결정되는 것을 특징으로 할 수 있다.
또한, 통신부는, 클러스터에 대한 정보 및 관심 지역의 위치에 대한 정보 중 적어도 하나를 외부 장치에 전송하는 것을 특징으로 할 수 있다.
또한, 장치는, 클러스터에 대한 정보 및 관심 지역의 위치에 대한 정보 중 적어도 하나를 디스플레이하는 디스플레이부; 를 더 포함할 수 있다.
일 실시 예에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공된다.
도 1 은 일 실시 예에 따른 통신 시스템을 도시한 도면이다.
도 2 는 영역의 입구를 결정하는 방법을 나타내는 흐름도를 도시한 도면이다.
도 3 은 넓은 영역 또는 지역에 포함된 관심 지역을 식별하는 방법을 나타낸 흐름도를 도시한 도면이다.
도 4 는 크라우드소싱된 데이터를 이용하여 관심 지역의 위치를 결정하는 방법을 나타낸 흐름도를 도시한 도면이다.
도 5 는 GPS 신호를 수집하는 디바이스의 예시를 도시한 도면이다.
도 6(a) 및 도 6(b)는 GPS 신호 변화의 패턴을 도시한 도면이다.
도 7 은 크라우드소싱된 정보를 이용하여 입구의 위치를 결정하는 방법의 예시를 도시한 도면이다.
도 8 은 순차적인 궤적 데이터의 단순화된 예시를 도시한 도면이다.
도 9 는 도 4 의 단계 402 에서 획득한 크라우드소싱된 데이터의 예시를 도시한 도면이다.
도 10 은 도 9 의 실시예에 대해 수정된 실시예를 도시한 도면이다.
도 11 은 일 실시 예에 따른 디바이스를 도시한 도면이다.
도 12 는 일 실시 예에 따른 서버를 도시한 도면이다.
도 13 은 매장, 쇼핑 구역, 쇼핑몰 또는 다른 영역의 입구에 도착한 사용자에게 광고 또는 다른 서비스를 제공하는 방법의 예시를 도시한 도면이다.
도 14 는 사용자에게 서비스를 제공하기 위하여 구매 패턴을 이용하는 방법의 예시를 도시한 흐름도이다.
도 15(a)는 일 실시 예에 따른 관심 지역을 결정하는 방법을 간단하게 도시한 흐름도이다.
도 15(b)는 일 실시 예에 따른 관심 지역을 결정하는 장치를 간단하게 도시한 흐름도이다.
위치 결정 시스템과 연관된 발명이다. 더 상세하게는, 입구, 건물, 방 또는 랜드마크와 같은 관심 지역의 위치를 정확하게 탐지하기 위한 시스템을 포함하는 다양한 실시 예에 관한 것이다.
배경 기술에서 언급한 바와 같이, GPS 기술은 야외 환경에서의 매핑 및 길 안내를 위하여 종종 이용되나, 실내 환경에서는 덜 효율적이다. 실내 환경에서의 길 안내를 위해 이용되는 기술 중 하나는 보행자 추측 항법(pedestrian dead reckoning, PDR)이다.
PDR의 전형적인 응용은 다음과 같다. 사용자가 가속도계나 방향 센서와 같은 다양한 센서를 포함하는 디바이스(예를 들어, 핸드폰 또는 스마트 폰)를 가지고 있을 수 있다. 센서는 사용자가 이동하고 있는 방향을 탐지할 수 있으며, 이동한 거리 역시 대략적으로 탐지할 수 있다. 이러한 정보를 이용하여, 디바이스의 PDR 엔진은 사용자의 새로운 위치를 추정할 수 있다. 사용자가 계속해서 이동하는 경우, PDR 엔진은 사용자의 이전 위치를 참고하여 사용자의 새로운 위치를 추정할 수 있다.
PDR은 다양한 실시 예에서 유용하게 이용될 수 있으나, PDR 에 기초한 항법 시스템의 단점은 각 위치 추정의 정확도에 크게 의존한다는 것이다. 만일 PDR 엔진이 특정 시간에 사용자의 위치를 잘못 추정한다면, 이러한 오류는 갈수록 기하급수적으로 커질 수 있다. 디바이스의 센서로부터 획득한 데이터가 종종 부정확할 수 있기 때문에, 이러한 오류는 PDR 에 기초한 항법 시스템에서 흔하게 발견된다.
다양한 실시 예에서, 시스템은 관심 지역(예를 들어, 실내 공간, 공원 또는 건물의 입구, 랜드마크 등)의 위치를 더 정확하게 결정할 수 있도록 설명되어 있다. PDR 에 기초한 항법 시스템은 이러한 영역들을 참고 위치로 하여 오류를 수정할 수 있다. 본 명세서에 개시된 디바이스, 방법 및 기술들은 다른 항법, 위치 결정 및 매핑에 관한 응용에서 널리 사용될 수 있다.
도 1 은 일 실시 예에 따른 통신 시스템(100)을 도시한 도면이다. 시스템은 복수의 디바이스(104a 내지 104d) 및 서버(110)를 포함할 수 있다. 디바이스(104a 내지 104d) 및 서버(110)는 하나 이상의 네트워크(108)를 이용하여 서로 통신을 수행할 수 있다. 디바이스(104a 내지 104d)는 또한 GPS 위성(112)으로부터 GPS 신호를 수신할 수 있도록 구성될 수 있다.
서버와 디바이스를 연결하기 위해 사용될 수 있는 네트워크(108) 는 제한되지 않는다. 다양한 실시 예에서, 네트워크는 CDMA 또는 GSM 에 기초한 무선 네트워크, 인터넷, 프로토콜 또는 어떠한 다른 통신 네트워크라도 포함할 수 있으나, 이에 제한되지 않는다.
다양한 실시 예에서, 사용자는 디바이스(104a)를 가지고 장소 사이를 이동할 수 있다. 디바이스(104a)는 스마트폰에 제한되지 않고, 스마트 글래스, 스마트 워치, 노트북, 태블릿 컴퓨터 또는 다른 어떠한 휴대가능한 컴퓨팅 시스템을 포함할 수 있다. 디바이스(104a)는 GPS 신호, 무선 주파수 신호(예를 들어, 와이파이, 블루투스 등) 또는 다른 주변 신호를 수신하기 위한 통신 인터페이스를 포함할 수 있다. 디바이스(104a)는 또한 자기장, 온도, 이미지, 빛, 소리, 방향, 가속, 움직임 또는 다른 환경 파라미터를 감지하기 위한 센서를 포함할 수 있다.
일부 실시 예는 디바이스(104a)를 관심 지역의 위치를 결정하는 데 이용하도록 할 수 있다. 다양한 실시 예에서, 예를 들어, 실내 혹은 일부 실내로 되어 있는 공간의 참고 위치가 결정될 수 있다. 본 명세서에서, 참고 위치는 건물의 특정 위치를 의미할 수 있다. 본 명세서에서, 건물의 특정 위치는 건물의 입구, 출구, 창문 및 옥상 등 GPS 신호 및 주변 신호 데이터의 변화에 기초하여 특정할 수 있는 건물 내의 위치들을 포함할 수 있다. 디바이스(104a)는 GPS 신호, 무선 주파수 신호, 센서 데이터 및/또는 다양한 종류의 주변 신호를 이용하여 참고 위치를 추정하도록 구성될 수 있다. 디바이스(104a)가 다양한 종류의 신호를 이용하여 높은 정확도를 갖는 참고 위치를 결정하는 방법이 후에 더 상세하게 설명될 것이다.
사용자가 건물의 입구에 도달하면, 사용자는 건물 내를 돌아다닐 수 있다. 디바이스(104a)는 센서를 이용하여 순차적인 궤적 데이터를 수집하여 사용자의 움직임을 추적하는 것을 도울 수 있다. 이러한 응용은 데이터를 분석하고 실내 공간, 실내 공간에 대한 입구 및 출구 또는 다른 랜드마크와 같은 관심 지역의 위치를 결정하는 데 이용되는 다양한 방법 및 클러스터링 기술을 개시한다. 본 응용에서 개시된 방법들 중 다수는 놀이공원, 실외 쇼핑몰, 공원 등과 같은 실외 환경의 관심 지역의 위치를 결정하는 데에도 이용될 수 있다.
몇 실시 예는 기술의 정확도를 더 높이기 위해 크라우드소싱(crowdsourcing)을 이용할 수 있다. 다양한 실시 예에서, 예를 들어, 후보 실내 위치 또는 관심 지역이 복수의 디바이스(예를 들어, 디바이스 104a 내지 104d)로부터 서버(110)로 전송될 수 있다. 서버(110)는 데이터들을 분석, 필터링 및/또는 클러스터링하여 특정한 랜드마크, 실내 공간 또는 다른 영역의 위치를 결정하는 데 이용할 수 있다.
본 명세서에서, 클러스터링이란 데이터의 유사성에 기초하여 하나 이상의 데이터를 하나 이상의 그룹으로 분류하는 기법을 의미한다.
본 명세서에서, 필터링이란 클러스터들 중 관심 지역을 결정하기 위하여 이용될 수 있는 유효 클러스터들을 결정하는 방법을 의미한다.
본 명세서에 개시된 방법 또는 예시들은 건물, 실내 공간 또는 건물이나 실내 공간의 입구의 위치를 결정하는 데 사용되는 다양한 기술들과 연관될 수 있다. 본 명세서는 GPS 신호가 수신될 수 없는 건물 내에서 실내 공간의 위치를 식별하거나 사용자의 움직임을 추적하는 데 이용될 수 있는 기술을 개시하고 있기 때문에, 몇 실시 예는 일부 응용에서 특히 유용할 수 있다. 하지만, 본 명세서에 개시된 기술은 건물의 위치, 실내 공간 또는 입구의 위치를 결정하는 데 제한되지 않고, 실외 혹은 일부 실외를 포함하는 영역(예를 들어, 실외 쇼핑 공간의 입구, 실외 랜드마크, 실외 쇼핑 공간의 가게의 입구 등)을 포함하는 다양한 영역에서의 위치 결정에 이용될 수 있다.
도 2 는 영역의 입구를 결정하는 방법을 나타내는 흐름도를 도시한 도면이다. 본 예시에서, 각 단계들은 건물의 입구로 향하고 있는 디바이스(104a)에 의해 수행될 수 있고, 도 2 의 각 단계들은 또한 서버(110)에서 실시될 수 있으며, 다양한 장소 및 위치에 대한 참고 위치를 결정하는 데 이용될 수 있다.
처음에, 다양한 종류의 신호가 디바이스(104a)에 의해 수집될 수 있다. 단계 202 에서, 디바이스(104a)는 GPS 데이터를 획득한다. 일반적으로, GPS 데이터는 디바이스(104a)가 실외 및 위성의 가시선 접속 가능 위치에 있을 경우 복수의 GPS 위성들로부터 획득될 수 있다. 디바이스(104a)는 GPS 데이터를 이용하여 주기적으로 디바이스(104a)의 현재 위치를 지시하는 GPS 좌표(예를 들어, 경도와 위도 좌표 쌍)를 결정할 수 있다.
GPS 신호를 수집하는 디바이스(104a)의 예시는 도 5 에 도시되어 있다. 도 5 는 입구(504) 및 출구(506)를 갖는 건물(502)을 도시한 도면이다. 점들의 자취는 디바이스(104a)의 움직임을 지시한다. 자취 내의 각각의 점은 GPS 좌표를 결정할 수 있는 성공적인 GPS 신호 획득을 의미한다. 도면에서 지시한 바와 같이, GPS 신호는 건물 밖에서 순조롭게 획득할 수 있으나, 건물 내부에서는 수신하기 어렵다.
도 2 에 도시된 방법으로 돌아가서, 단계 204 는, 디바이스(104a)가 주변 신호를 수집하는 단계를 나타낸다. 주변 신호는 디바이스(104a)에 의해 탐지될 수 있는 환경 파라미터 또는 모든 신호를 의미할 수 있다. 예를 들어, 디바이스(104a)는 어떠한 유형의 무선 주파수 데이터(단계 206), 예를 들면 와이파이나 블루투스와 같은 신호를 수집할 수 있다. 일반적으로, 만일 무선 주파수 데이터가 수집되면, 무선 주파수 데이터는 디바이스(104a)에서 수신한, 하나 이상의 액세스 포인트(access point, AP) 또는 신호를 송신하는 디바이스로부터의 신호의 세기를 지시할 수 있다. 예를 들어, 와이파이의 경우, 디바이스(104a)는 건물 내의 복수의 와이파이 액세스 포인트로부터 수신된 신호의 세기(received signal strength, RSS)데이터를 수집할 수 있다.
디바이스(104a)는 또한 빛, 소리, 온도, 이미지, 자기장 또는 디바이스를 둘러싸고 있는 환경의 변화를 나타내는 센서 데이터를 수집할 수 있다(단계 208). 즉, 디바이스(104a)는 자기 센서, 시각 센서, 카메라, 온도 센서, 소리 센서 및 빛 센서와 같은 센서들을 포함할 수 있다. 이러한 데이터는 적절한 시기에 수집될 수 있다.
디바이스(104a)는 수집된 주변 신호 및 GPS 데이터를 주기적으로 분석하여 건물(502)의 입구를 지시하는 데 도움이 될 수 있는 특정 패턴을 식별할 수 있다. 이러한 프로세스는 여러 방법을 이용하여 수행될 수 있다. 몇 실시 예에서, 예를 들어, 무선 주파수 데이터 및 GPS 데이터의 변화가 식별되고, 건물(502)의 입구의 위치를 결정하는 데 도움이 될 수 있다.
일반적으로, 디바이스(104a)가 실외에 있을 때, GPS 신호를 수신하고 이에 상응하는, 현재의 위치를 지시하는 GPS 좌표를 정확하게 결정할 수 있다. 하지만, 디바이스(104a)가 실내로 이동함에 따라, GPS 신호는 약해지거나 막히게 될 수 있다. 또한, 디바이스(104a)가 건물에 접근하고 건물 안으로 들어가게 되면서, 건물 내의 송신기/액세스 포인트로부터의 무선 주파수 신호가 강해질 수 있다. 다양한 실시 예에서, 디바이스(104a)는 무선 주파수 및 GPS 데이터를 평가하여 수신된 GPS 신호의 정확도의 변화 및 건물 내의 무선 주파수 송신기 또는 액세스 포인트로부터 수신되는 무선 주파수 신호의 품질이 향상되는 것을 지시하는 패턴을 식별할 수 있다. 다양한 실시 예에서, 무선 주파수 신호 품질의 향상은 수신하는 신호 세기의 증가 및/또는 건물 내의 송신기 또는 액세스 포인트로부터 수신되는 무선 주파수 신호의 수의 증가를 의미할 수 있다. 패턴이 발생하는 경우 디바이스(104a)가 건물 안으로 이동하거나 건물의 입구 근처 위치에 있다는 것을 추정할 수 있다.
도 6(a) 및 도 6(b)는 위에서 언급한 패턴을 도시한 도면이다. 도 6(a)는 GPS 신호의 정확도를 나타낸 그래프의 예시이다. 그래프는 디바이스(104a)가 건물(502)로 다가가고 통과하는 동안 GPS 신호의 정확도가 변동하는 것을 나타낸다. GPS 신호를 측정하는 데 이용되는 방법은 제한되지 않는다. 예를 들어, 현대의 스마트폰은 일반적으로 수신된 모든 GPS 좌표에 대한 GPS 신호의 정확도 및 품질을 나타낼 수 있는 iOS 및 안드로이드 운영체제를 이용한다. 도 6(a)의 그래프에서, 수직 축은 GPS 신호 정확도(높을수록 낮은 정확도를 의미함)를 나타내고, 수평 축은 밀리초 단위의 시간을 나타낸다. 그래프는 시간에 따른 GPS 신호 정확도의 변화를 나타낼 수 있다. 예를 들어, GPS 신호의 정확도는 디바이스 및 디바이스의 사용자가 실외 또는 창문 근처, 출입구 근처에 있는 경우 증가할 수 있고, 더 깊은 실내로 이동하는 경우 감소할 수 있다.
도 6(b)는 디바이스(104a)가 건물에 접근하고 통과하는 동안 접속할 수 있는 와이파이 액세스 포인트의 수가 변화하는 것을 나타내는 그래프이다. 수직 축은 디바이스(104a)가 신호를 수신할 수 있는 액세스 포인트의 수를 나타내고, 수평 축은 도 6(a) 에서와 같이 밀리초 단위의 시간을 나타낸다. 일반적으로, 디바이스(104a)가 건물에 접근하고 통과하는 동안, 와이파이 신호를 수신할 수 있는 액세스 포인트의 수는 증가할 수 있다.
몇 실시 예에서, 건물의 특정 위치는 도 6(a) 및 도 6(b)에 도시된 파라미터들에 기초하여 결정될 수 있다(단계 212). 즉, 와이파이 데이터가 분석되어 디바이스(104a)가 신호를 수신할 수 있는 와이파이 액세스 포인트의 수가 증가하는 것을 나타내는 패턴이 식별될 수 있다. 또한, GPS 신호의 정확도가 일정 시간 동안 지속적으로 높게 관찰된 후 감소하는 것을 나타내는 패턴이 식별될 수 있다. 만일 특정 시간 주변에서 두 패턴이 나타난다면, 같은 시간에 디바이스(104a)가 건물의 특정 위치에 있었던 것으로 추정될 수 있다(도 6(a) 및 도 6(b) 에 도시된 실시 예에서, 수직선으로 표현된 위치 X가 될 수 있다).
건물의 특정 위치를 결정하는 것은 센서 데이터에 기초하여서도 할 수 있다(단계 212). 예를 들어, 센서 데이터에 기초하여 건물의 입구의 위치를 결정할 수 있다. 디바이스(104a)가 화창한 날에 건물에 들어가는 경우, 디바이스(104a)가 실내에 들어가게 됨으로써 탐지하는 빛의 양이 크게 감소할 수 있다. 디바이스(104a)가 건물에 들어가는 경우, 야외의 소리가 건물의 벽으로 가로막힐 수 있고 건물 내부의 소리가 더 잘 들릴 수 있으므로 소리에 변화가 있을 수 있다. 또한, 디바이스(104a)가 건물에 입장함에 따라, 디바이스(104a)는 건물 내부의 자성체와 전자기기에 더 가까워질 수 있으므로 디바이스(104a)는 자기장의 변화를 탐지할 수 있다. 디바이스(104a)가 건물에 입장하는 경우, 디바이스(104a)는 카메라 또는 시각 센서가 탐지하는 이미지의 변화를 탐지할 수 있다. 디바이스(104a)가 건물에 입장하는 경우, 디바이스(104a)는 온도의 변화를 탐지할 수 있다. 디바이스(104a)에 의한 어떠한 변화라도 탐지되는 경우, 디바이스(104a)는 건물에 입장하고 있다는 것을 추정할 수 있다. 다양한 실시 예에서, 위에서 언급된 어떠한 변화의 조합도 (즉, 빛, 소리, 자기장, GPS 정확도, 디바이스(104a)가 신호를 수신하는 무선 주파수 액세스 포인트의 수, 무선 주파수 데이터 신호 세기 등의 변화) 탐지되어 건물 입구의 위치를 결정하는 데 도움을 줄 수 있다.
선택적으로, 단계 214 에서 복수의 디바이스(104a 내지 104d)는 서버(110)에 추정된 건물 입구의 위치를 전송할 수 있다. 즉, 복수의 디바이스 각각은 도 2 의 단계 202, 204, 206, 208, 210 및/또는 212 를 수행할 수 있다. 디바이스 각각은 단계 212 에서 결정된 입구의 위치를 서버(110)로 전송할 수 있다. 서버(110)는 크라우드소싱된 정보를 이용하여 입구의 위치를 더 정확하게 결정할 수 있다(단계 214). 이에 대한 일 실시 예가 도 7 에 도시되어 있다. 도 7 은 서로 다른 시간에 서로 다른 모바일 디바이스에 의해 결정된 세 개의 후보 입구 위치 (702a 내지 702c)의 단순화된 예시를 도시한 도면이다. 서버(110)는 세 후보 위치(702a 내지 702c)를 수신하고, 적절한 알고리즘 또는 클러스터링 기술을 이용하여 수신된 데이터에 기초하여 입구의 위치를 결정할 수 있다. 단순화된 예시에서, 서버(110)는 세 위치에 기초하여 클러스터를 형성하고 클러스터에 대한 중심을 결정할 수 있다. 도 7 에서 별 모양으로 도시된 중심은, 건물의 실제 입구 위치로 결정될 수 있다.
도 2 로 돌아가서, 단계 216 에서 서버(110)는 단계 214 에서 결정된 입구의 위치를 지시하는 데이터를 디바이스(104a)로 전송한다. 디바이스(104a)는 전송받은 데이터를 항법, 매핑 또는 위치 결정을 위한 여러 응용에 이용할 수 있다. 몇 실시 예에서, 예를 들어, 디바이스(104a)는 입구 위치에 도달하는 방법을 지시하는 사용자 인터페이스를 디스플레이할 수 있다. 또 다른 실시 예에서, 디바이스는 지도를 디스플레이하고 입구의 위치를 지도상에 보여줄 수 있다. 몇 실시 예에서, 디바이스(104a)는 단계 212 에서 추정한 위치 및/또는 단계 214 에서 서버(110)가 추정한 위치에 기초하여 정보를 디스플레이할 수 있다.
본 명세서에서 디바이스(104a)가 대부분의 방법을 수행하는 것으로 기술하고 있지만, 서버(110)또한 일부 혹은 모든 방법을 수행할 수 있다. 예를 들어, 디바이스(104a)는 GPS 데이터, 무선 주파수 데이터, 센서 데이터 및/또는 주변 신호 데이터를 수집하고, 이를 서버(110)에 전송할 수 있다. 서버(110)는 본 명세서에 개시된 방법에 따라 데이터를 획득하고(단계 202, 204, 206, 208), 데이터를 분석하며(단계 210), 건물의 입구 위치를 결정(단계 212, 214)할 수 있다.
도 3 은 넓은 영역 또는 지역에 포함된 관심 지역을 식별하는 방법을 나타낸 흐름도를 도시한 도면이다. 방법(300)은 디바이스(104a) 또는 서버(110)에 의하여 수행될 수 있다. 몇 실시 예에서, 예를 들어, 방법(300)은 실내 공간, 랜드마크, 가게 또는 더 넓은 영역 또는 지역(예를 들어, 건물(502), 쇼핑몰, 공원 또는 쇼핑 구역)에 포함된 다른 관심 지역을 식별하는 데 이용될 수 있다. 일반적으로, 관심 지역은 사람들이 빨리 지나가기보다는 시간을 보내고자 하는 장소인 것으로 추정할 수 있다. 도시된 실시 예에서, 방법(300)은 도 1 또는 도 5 와 연관된 건물 내의 실내 공간의 위치를 결정하는 데 이용될 수 있다. 하지만, 방법(300)은 실내 공간 뿐 아니라 공원, 야외 쇼핑몰 또는 운동경기장과 같은 야외 환경에서의 관심 지역의 위치를 결정하는 데에도 이용될 수 있다.
최초에, 순차적인 궤적 데이터가 획득된다(단계 302). 순차적인 궤적 데이터는 디바이스(104a)의 시간에 따른 움직임 또는 위치의 변화를 지시하는 데 도움이 되는 모든 데이터를 포함할 수 있다. 순차적인 궤적 데이터를 생성하기 위해 다양한 기술이 이용될 수 있다. 예를 들어, 실외 응용에서는 GPS 데이터를 이용하여 정보를 획득할 수 있다. 실내 응용에서는, PDR을 이용하여 순차적인 궤적 데이터를 생성할 수 있다. PDR의 다양한 실시 예는 방향계, 가속계 및/또는 디바이스(104a)의 다른 센서들을 이용하여 디바이스(104a)가 특정 참고 위치로부터 어느 방향으로 얼마나 이동하였는지를 결정하는 것을 포함할 수 있다. 새로운 위치가 추정될 수 있고, 다음 움직임을 위한 참고 위치로 이용될 수 있다. 몇 실시 예에서, 순차적인 궤적 데이터는 자취를 형성하는 복수의 지점을 지시할 수 있다. 지점 각각은 타임 스탬프(time stamp) 및 위치(예를 들어, x-y 좌표 쌍) 과 연관될 수 있다. 자취 내의 지점 각각은 디바이스(104a) 및 디바이스의 사용자의 후속 위치 변화를 지시할 수 있다.
순차적인 궤적 데이터의 단순화된 예시가 도 8 에 도시되어 있다. 도 8 은 디바이스(104a) 및 디바이스의 사용자가 건물에 입장하고 건물 내에서 이동하는 것에 따른 위치의 변화의 예시를 도시한 도면이다. 도 8 을 참조하면, 자취(802)는 디바이스(104a)가 건물의 입구(804, 도 2 의 단계 212 또는 단계 214에서 추정된 입구의 위치일 수 있다)로부터 이동하는 것을 나타내고, 두 위치(806, 808) 에서는 빙 돌아가는 움직임을 보이고, 경로를 따라 가다가 위치(810)에서 다시 돌아오고 있으며, 다시 입구(804)로 돌아간다. 자취(802)는 하나의 선으로 표시되어 있지만, 다양한 실시 예에서, 자취(802)는 전술한 많은 지점들로 구성될 수 있으며, 각각의 지점은 시간 및 해당 시간에 디바이스의 위치(예를 들어, x-y 좌표)를 나타낼 수 있다.
도 3 으로 돌아가서, 단계 304 에서 순차적인 궤적 데이터가 거리 및 기간에 기초하여 클러스터링될 수 있다. 더 상세하게는, 클러스터링 기술은 관심 지역(예를 들어, 실내 공간, 랜드마크, 로비, 가게 등 사람이 특정 관심사에 따라 상당한 시간을 소비하고자 할 수 있는 장소)을 나타내는 자취의 일부를 식별하는 데 이용될 수 있다. 다양한 실시 예에서, 자취의 전부가 아닌 일부 지점들에 대해 하나 이상의 클러스터가 형성될 수 있다. 클러스터 각각은 디바이스의 움직임이 특정 시간에 대해 특정 영역 또는 일정 반지름 내로 한정되는 것을 나타낼 수 있다. 자취 내의 몇 다른 지점들이 해당 시간 동안에 특정 영역 또는 반지름을 벗어나는 경우, 해당 지점들은 클러스터링되지 않을 수 있다.
위 개념의 일부가 도 8 에 도시되어 있다. 도 8 에서, 자취(802)는 두 위치(806, 808)에서, 디바이스(104a)가 빙 도는 움직임을 보이고, 제한된 공간 내에서 상당한 시간을 보냈다는 것을 나타낸다. (도면에서는 명확히 드러나지 않으나, 실제 응용에서 자취(802)를 구성하는 복수의 점들이 중첩되어 있다면, 디바이스(104a)가 상당한 시간 동안 머무르고 있었다는 것을 나타낼 수 있다.) 따라서, 자취의 이러한 부분들을 구성하는 지점들이 클러스터 A 및 B 를 형성할 수 있다. 또한 디바이스가 갔던 길을 되돌아오며 상당한 시간을 보냈을 것으로 추정되는 위치(810)가 있다. 따라서, 위치(810)의 지점들은 또 다른 클러스터 C를 형성할 수 있다.
클러스터가 형성되면, 특정한 값들과 연관될 수 있다. 몇 실시 예에서, 클러스터 각각에 대한 중심이 계산될 수 있다. 이에 더해, 클러스터 각각은 출발 지점(예를 들어, 클러스터 내에서 가장 이른 타임 스탬프를 갖는 지점) 및 종료 지점(예를 들어, 클러스터 내에서 가장 늦은 타임 스탬프를 갖는 지점) 과 연관될 수 있다. 이러한 데이터는 관심 지역의 입구 또는 출구의 위치를 결정하는 데 이용될 수 있다. 상세한 방법은 후술한다.
자취의 지점들로부터 클러스터를 형성 및 식별하기 위해 어떠한 적절한 알고리즘도 이용될 수 있다. 예를 들면, 아래와 같은 알고리즘을 이용할 수 있다.
1) 순차적인 궤적 데이터가 복수의 지점들[(xi, yi), i=1, 2 .... N] 로 구성되어 있다고 가정한다.
2) 단계 0 : 순차적인 궤적 데이터를 행렬로 로드한다. 클러스터 반지름 R과 클러스터 체류 기간 D를 초기화한다.
3) 단계 1 : 행렬의 첫 두 지점을 이용하여 클러스터 C를 형성한다. 클러스터 C의 중심을 계산한다.
4) 단계 2 : 다음 지점이 중심으로부터 반지름 R 내에 있다면, 지점을 클러스터 C에 추가한다. 다음 지점을 포함하여 중심을 업데이트하고 단계 2 를 다시 수행한다. 다음 지점이 중심으로부터 반지름 R 안에 있지 않다면, 루프를 중단하고 단계 3 으로 진행한다.
5) 단계 3 : 지점과 연관된 시간과 클러스터 C 의 시작 지점과 연관된 시간 사이의 차이를 확인한다. 만일 시간 차이가 D 보다 크다면, 클러스터 C를 시작 지점, 종료 지점 및 중심을 나타내는 값을 갖는 새로운 클러스터로 설정한다. 몇 실시 예에서, 만일 새로운 클러스터가 다른 클러스터와 소정의 거리 내에 있으면, 클러스터를 합병할 수 있다. 그리고 단계 1 로 돌아간다. 만일 전술한 시간 차이가 D보다 크지 않으면, 클러스터 C를 실패한 알림으로서 제거하고 단계 1 로 돌아간다.
상술한 알고리즘은 예시를 위해 제공된 것이고, 디바이스 사용자가 많은 시간을 소비하는 공간 또는 관심 지역을 나타내는 클러스터를 식별하기 위해 어떠한 클러스터링 알고리즘도 사용될 수 있다.
도 3 으로 돌아가서, 클러스터가 형성되면, 하나 이상의 클러스터(예를 들어, 도 8 의 클러스터 A, B 및 C) 는 속도 또는 움직임에 기초하여 필터링된다(단계 306 및 308). 몇 실시 예에서, 예를 들어, 클러스터 각각에 포함된 지점 각각은 가속도계 데이터와 연관되어 있다. 디바이스(104a)의 가속도계 또는 움직임 센서를 이용하여 획득된 가속도계 데이터는, 디바이스(104a)가 클러스터와 연관된 시기에 수행한 움직임의 양을 나타낼 수 있다. 만일 특정 클러스터가 소정의 임계값을 초과하는 움직임 또는 가속도를 포함하는 경우, 클러스터는 필터링되어 제거될 수 있다(단계 306). 이러한 필터링은 클러스터 각각은 디바이스 사용자가 상당한 시간을 소비하는 관심 지역을 나타내기 위해 사용된다는 아이디어에 기초한다. 만일 디바이스 사용자가 클러스터를 빠르게 통과했다면, 클러스터는 관심 지역을 나타내지 못한다는 것을 추정할 수 있다.
필터링 과정은 또한 속도 분포를 분석하는 것을 포함할 수 있다. 다양한 실시 예에서, 클러스터에 포함된 지점들은 자취를 형성할 수 있다. 따라서, 자취의 길이는 궤적의 거리 또는 클러스터와 연관된 기간 동안 이동한 거리를 나타낼 수 있다. 시작 및 종료 지점은 자취가 시작되고 종료된 시간을 나타낼 수 있다. 이러한 정보를 이용하여, 클러스터의 평균 속도가 계산될 수 있다. 몇 실시 예에서, 만일 클러스터와 연관된 평균 속도가 기 설정된 수준을 초과하는 경우, 디바이스 사용자가 클러스터를 빠르게 통과하여 지나가거나, 클러스터에 디바이스에 대한 관심 지역이 포함되지 않았다는 것을 의미하므로 클러스터는 필터링되어 제거될 수 있다. 다른 실시 예에서, 클러스터와 연관된 최고 속도 또는 최저 속도에 기초하여 클러스터가 필터링될 수 있다.
도 8 은 상술한 필터링 기술이 어떻게 적용될 수 있는지에 대한 예시를 도시한 도면이다. 클러스터 C 는 일견 디바이스(104a)가 제한된 영역 안에서 충분한 시간을 보낸 것을 나타내는 것으로 보인다. 하지만, 클러스터 C의 지점들을 분석하면, 연관된 가속 데이터가 클러스터 C 에서 디바이스가 정지 혹은 속도를 늦춤이 없이 지속적인 움직임을 보였고, 움직임이 기 설정된 수준을 초과한다는 것을 나타낼 수 있다. 추가적으로, 타임 스탬프 및 위치 데이터에 대한 분석 결과 클러스터 C의 정점들이 디바이스(104a)가 천천히 걷는 것 이상의 일관된 속도를 유지하고 있었음을 나타낼 수도 있다. 이는 디바이스 사용자가 통로를 지나가다가, 길을 잘못 들었음을 인식하고, 빠르게 돌아 나간 것을 의미할 수 있다. 움직임 및 속도 데이터에 기초하여, 클러스터 C는 디바이스 사용자가 큰 관심을 갖고 있는 영역이 아닌 것으로 보아 필터링되어 제거될 수 있다.
도 3 으로 돌아가서, 클러스터링 및 필터링 프로세스는 하나 이상의 필터링되지 않고 남아있는 유효 클러스터를 남길 수 있다. 이러한 유효 클러스터 각각은 후보 관심 지역(예를 들어, 실내 공간, 특징적인 위치, 가게 등)을 나타낼 수 있다(단계 310). 다양한 실시 예에서, 이러한 유효 클러스터들은 추가적인 분석을 위해 서버(110)로 선택적으로 전송될 수 있다. 상세한 내용은 후술될 것이다.
방법(300)의 동작은 디바이스(104a) 또는 서버(110)에서 수행될 수 있다. 디바이스(104a)의 경우, 디바이스(104a)는 센서, GPS 안테나 또는 다른 항법 관련 도구를 이용하여 순차적인 궤적 데이터를 획득할 수 있다(단계 302). 디바이스(104a)는 또한 거리와 기간에 기초하여 데이터를 클러스터링할 수 있고(단계 304) 결과 클러스터들을 속도와 움직임에 기초하여 필터링할 수 있다(단계 308). 몇 실시 예에서, 디바이스(104a)는 순차적인 궤적 데이터를 수집하고 서버(110)로 전송할 수 있다. 서버(110)는 데이터를 수신하고(단계 302)전술한 클러스터링 및 필터링 동작을 수행할 수 있다(단계 306, 308 및 310).
다양한 실시 예에서, 상술한 기술들은 실내 환경 뿐 아니라 실외 환경에서도 이용될 수 있다. 다양한 실외 가게들과 이벤트 공간을 포함하는 실외 박람회 또는 놀이공원을 예시로서 고려할 수 있다. 복수의 사용자가 모바일 디바이스(104a)를 가지고 박람회장을 돌아다닐 수 있다. 모바일 디바이스는 순차적인 궤적 데이터를 획득하고(예를 들어, 도 3 의 단계 302), 순차적인 궤적 데이터는 GPS추적, PDR 또는 다른 추적 방법에 기초할 수 있다. 순차적인 궤적 데이터는 사용자의 움직임 패턴을 나타낼 수 있다. 다양한 실시 예에서, 모바일 디바이스는 데이터를 서버에 전송하고, 데이터는 서버에서 거리 및 기간에 기초하여 클러스터링될 수 있다(예를 들어, 도 3 의 단계 304). 다른 실시 예에서, 모바일 디바이스에서 클러스터링이 수행될 수 있다. 차후에 데이터는 움직임 및 속도에 기초하여 필터링될 수 있다(예를 들어, 도 3 의 단계 306 및 308). 데이터의 클러스터링 및 필터링을 통해 사용자가 실외의 박람회장에서 시간을 많이 보내는 장소(예를 들어, 이벤트 공간, 탈 것, 실외 매장, 전시회 등)를 나타낼 수 있다. 이러한 장소들 중 적어도 일부는 관심 지역으로 결정될 수 있다(예를 들어, 도 3 의 단계 310).
도 4 는 크라우드소싱된 데이터를 이용하여 관심 지역의 위치를 결정하는 방법을 나타낸 흐름도를 도시한 도면이다. 예를 들면, 이 방법은 복수의 디바이스(104a 내지 104d) 가 도 3 의 방법(300)을 수행한 뒤에 수행될 수 있다. 즉, 방법(300)을 수행한 뒤, 디바이스 각각은 단계 310 에서 획득한 클러스터들을 서버(110)로 전송할 수 있다. 클러스터 각각은 후보 관심 지역(예를 들어, 관심 지역의 추정된 위치)을 나타낼 수 있다. 후보 관심 지역을 결정하는 데 이용되는 신호 데이터 또는 센서의 작은 오류들로 인해, 후보 관심 지역 각각은 완전히 정확하지 않을 수 있다. 일반적으로, 디바이스(104a 내지 104d)는 자취(예를 들어, 도 8 의 자취(802)) 또는 순차적인 궤적 데이터를 서버(110)에 분석을 위해 전송할 수 있다. 서버(110)는 방법(400)의 단계들을 크라우드소싱된 데이터에 기초하여 수행하고, 하나 이상의 관심 지역(예를 들어, 건물 내의 실내 공간, 실외 쇼핑몰의 매장 등)의 위치를 더 정확하게 결정할 수 있다.
초기에, 단계 402 에서, 전술한 바와 같이 복수의 후보 관심 지역들이 복수의 디바이스로부터 서버에 수신될 수 있다. 특정 실시 예에서, 복수의 후보 관심 지역들은 클러스터들(예를 들어, 도 3 의 단계 310 에서 서술한 클러스터들) 에 의해 나타내어질 수 있고, 건물(예를 들어, 도 2 와 관련하여 참조된 건물) 내의 실내 공간들과 관련될 수 있다. 하지만, 다른 실시 예에서, 후보 관심 지역들은 다른 어떠한 위치 즉, 랜드마크, 구조물, 실내 또는 실외의 공간과 관련될 수 있다.
도 9 는 단계 402 에서 획득한 크라우드소싱된 데이터의 예시를 도시한 도면이다. 도 9 는 서버(110)가 서로 떨어져 있는 두 디바이스로부터 수신한 두 자취(902a 내지 902b)를 나타낸다. 자취(902a)는 클러스터 A를 포함하고, 자취(902b)는 클러스터 B를 포함한다. 일 실시 예에서, 클러스터 A 및 B는 도 3 의 단계 302, 304, 306, 308 및 310 을 수행한 결과일 수 있고, 각각이 후보 관심 지역을 나타낼 수 있다. 자취 902a/902b 는 같은 범용 공간 또는 위치(예를 들어, 도 5 의 건물(502) 또는 도 2 에서 서술된 건물)와 연관되었을 수 있고, 각각의 시작 지점은 입구(904)일 수 있다. (비록 입구 또는 시작 지점은 다른 다양한 기술을 이용하여 결정될 수 있지만, 본 실시 예에서 입구(904)는 도 2 의 단계 212 또는 단계 214 에서 결정된 입구로 추정될 수 있다.) 서로 약간의 오프셋이 있지만, 자취(902a 내지 902b) 는 일반적으로 유사한 경로를 따라가는 것으로 보인다. 순차적인 궤적 데이터는 약간의 오류가 나기 쉬운 기술을 이용하여 수집되기 때문에, 이는 종종 발생할 수 있는 일이다. 예를 들어, 전술한 바와 같이, PDR을 이용하여 자취 및 순차적인 궤적 데이터를 생성하는 것은 상당한 오류를 생성할 수 있으며, 서로 다른 디바이스에서 생성된 자취가 서로 상당히 떨어져 있게 할 수 있다.
도 4 로 돌아가서, 서버(110)는 궤적 거리에 기초하여 복수의 후보 관심 지역들의 부분집합을 선택할 수 있다(단계 404). 궤적 거리는 자취(예를 들어, 자취(902a)를 따라가며 측정한 시작 또는 입구 지점(904)로부터 이에 상응하는 특정 클러스터(예를 들어, 도 9 의 클러스터 A)까지의 거리를 의미할 수 있다. 입구 지점(902)로부터 클러스터 각각(예를 들어, 도 9 의 클러스터 A 및 B)까지의 궤적 거리가 결정될 수 있다. 만일 클러스터의 궤적 거리가 하나 이상의 다른 클러스터들과 같거나 유사하다면(예를 들어, 특정 대역 내), 이 클러스터들이 방법(400)의 나머지 동작을 위해 이용될 수 있다. 상응하는 궤적 거리가 다른 모든 클러스터들의 궤적 거리와 떨어져 있거나 유사하지 않은 (예를 들어, 특정 대역 밖)클러스터는 버려지거나, 방법(400)의 나머지 동작들에서 이용되지 않을 수 있다.
단계 404 에서 전술한 실시 예의 예시가 도 9 의 도표를 이용하여 설명될 수 있다. 도 9 에서, 궤적 거리는 입구 지점(904)로부터 각각의 클러스터 A 와 B 까지의 거리가 상응하는 자취(각각 902a 및 902b)를 따라서 측정될 수 있다. 이후 궤적 거리가 비교될 수 있다. 본 예시에서, 클러스터 A 및 B 에 대한 궤적 거리가 대략적으로 같거나 매우 유사할 수 있다(예를 들어, 클러스터 A 및 B 에 대한 거리가 같은 값 주변의 대역(예를 들어, +/- 5 퍼센트)에 포함될 수 있다). 궤적 거리가 비슷하면, 클러스터 A 및 B가 서로 같은 실내의 위치를 참조하고 있는 것으로 추정할 수 있다. 따라서, 클러스터 A 및 B는 추가적인 분석을 위해 선택될 수 있다(단계 404). 서로 유사하지 않은 궤적 거리를 갖는(대역 밖에 있는) 클러스터들은 버려지거나, 분석에 이용되지 않을 수 있다.
위 실시 예에서, 입구 지점(904)로부터 궤적 거리가 측정된다. 하지만, 궤적 거리는 어떠한 참고 위치, 랜드마크 또는 지점으로부터도 측정 또는 계산될 수 있다.
도 4 로 돌아가서, 선택된 클러스터들 각각에 대해 선택적으로 가중치가 할당될 수 있다. 일반적으로, 가중치는 각각의 클러스터가 실내의 위치를 최종적으로 결정하는 데 적합한지에 대한 평가를 나타낼 수 있다. 예를 들어, 클러스터 밀도에 기초하여 서로 다른 클러스터에 서로 다른 가중치가 할당될 수 있다. 즉, 높은 밀도 영역(예를 들어, 서로 다른 클러스터들 및/또는 자취들과 근접한)에 포함된 클러스터는 다른 클러스터들과 멀리 떨어져 고립된 클러스터보다 높은 가중치를 할당받을 수 있다.
자취 밀도에 기초하여 클러스터 가중치를 할당하는 것은 어떠한 적절한 알고리즘 또는 기술을 사용하여서도 수행될 수 있다. 다양한 실시 예에서, 예를 들어, 가중치는 특정 지점(예를 들어, 입구 지점(904))으로부터 시작되는 자취들의 각도 분포에 비례할 수 있다. 도 9 의 실시예에 대해 수정된 실시예가 도 10 에 도시되어 있다. 도 10 에서, 클러스터 A 및 B가 서로 근접해 있고, 입구 지점(904)과 관계된 각도 범위 Z 안에 위치하고 있다. 각도 범위 Z 내의 지점, 자취 및/또는 클러스터들의 밀도가 높으므로, 각도 범위 내의 클러스터들에 높은 가중치가 할당될 수 있다. 만일 각도 범위 Z 내에 더 많은 자취 및 클러스터들이 있다면, 가중치는 더 높아질 수 있다. 만일 독립된 클러스터 하나 및/또는 아주 적은 지점/자취를 포함하는 다른 각도 범위가 존재한다면, 클러스터는 에러를 많이 포함하고 있는 동떨어진 것이라는 추정 하에, 클러스터에 할당되는 가중치는 매우 작을 것이다.
상술한 접근방식의 다양한 실시 예를 아래 수학식 1을 이용하여 나타낼 수 있다.
Figure 112015080805012-pat00001
위 공식에서, S는 실내 공간의 위치에 대한 최종 추정을 나타내고, Sk 는 크라우드소싱된 클러스터들 (예를 들어, 도 9 의 클러스터 A 및 B) 또는 실내 공간에 대한 후보 위치를 나타내는 클러스터들이고, Wk 는 자취(예를 들어, 도 9 의 자취(902a/902b)의 각도 분포에 비례하여 할당된 가중치이다. 시작, 종료 및 중심이라는 용어는 각각의 클러스터가 전술한 바와 같이 시작 지점, 종료 지점 및 중심과 연관되어 있다는 것을 나타낸다. 위 공식은 예시를 위한 것이며, 다른 어떠한 가중치 알고리즘 또는 기술 역시 이용될 수 있다.
단계 408 에서, 관심 지역의 위치가 결정될 수 있다. 다양한 실시 예에서, 위치는 단계 404 에서 선택된 클러스터들의 부분집합 및/또는 단계 406 에서 할당된 가중치에 기초하여 결정될 수 있다. 다양한 실시 예는 실내 공간에 대한 최종 위치를 결정하기 위해 새로운 클러스터를 형성하는 단계를 포함한다. 도 9 에 도시된 실시 예에서, 예를 들어, 클러스터 A 및 B 가 병합되어 새로운 클러스터를 형성할 수 있다. 클러스터의 중심이 계산되고, 도 9 에서 별 모양으로 나타내어질 수 있다. 본 실시 예에서, 중심은 실내 공간의 위치에 대한 최종 추정 결과를 나타낼 수 있다.
선택적으로, 단계 410 에서, 클러스터(들)은 입구의 개수 및 위치와 같은 관심 지역(들)의 추가적인 특징을 결정하기 위해 더 분석될 수 있다. 다양한 실시 예에서, 예를 들어, 만일 클러스터가 실내 공간으로 추정된다면, 서버는 클러스터의 시작 지점의 위치를 결정(예를 들어, 가장 이른 시간과 연관된 클러스터 내에서의 지점)할 수 있고, 시작 지점을 실내 공간의 입구 위치로 표시할 수 있다. 클러스터의 종료 지점(예를 들어, 가장 늦은 시간과 연관된 클러스터 내에서의 지점) 역시 실내 공간에서의 다른 입구의 위치로 표시될 수 있다. 몇 실시 예에서, 시작 및 종료 지점은 같거나 거의 같은 위치일 수 있고, 서버(110)는 디바이스 사용자가 하나의 입구를 이용하여 실내 공간에 입장 및 퇴장하였거나 실내 공간이 하나의 입구만을 갖는 것을 의미하는 것으로 판단할 수 있다. 실내 공간의 입구의 수 및 위치를 결정하기 위해 다른 어떠한 기술 또는 알고리즘도 이용될 수 있다.
몇 실시 예에서, 서버(110)는 하나 이상의 실내 공간과 다양한 특징 또는 상세한 정보를 연관시킬 수 있다. 예를 들어, 서버(110)는 복수의 실내 공간을 갖는 쇼핑몰의 청사진 또는 전개도를 보관할 수 있고, 각각의 실내 공간이 특정 매장에 대응될 수 있다. 서버(110)는 방법(400)의 단계들을 수행하고, 단계 410 에서 전술한 바와 같이 다양한 실내 공간들을 식별할 수 있다. 실내 공간의 추정된 위치와 알려진 쇼핑몰의 전개도를 비교함으로써, 서버(110)는 특정 실내 공간의 위치를 특정 매장, 브랜드, 상품, 목적, 상세한 설명 및 다른 특징과 연관시킬 수 있다.
추가적으로, 서버(110)는 크라우드소싱된 클러스터들 및 자취들을 분석하여 실내 공간 및/또는 그 주변 영역의 구조적 특징을 결정할 수 있다. 예를 들어, 만일 복수의 크라우드소싱된 자취들이 디바이스(104a)및 사용자가 두 인접한 영역 사이를 단 하나의 입구 또는 지점을 통과하여서만 이동할 수 있다면, 두 영역 사이의 다른 부분은 딱딱한 벽, 파티션 또는 다른 장애물로 구성되어 있음을 추정할 수 있다. 즉, 서버(110)는 실내 공간 사이 또는 특정 영역에 순차적인 궤적 데이터 또는 자취가 존재하지 않는다면, 파티션, 벽 또는 장애물이 존재한다는 것을 결정할 수 있다. 이러한 방법을 이용하여, 수집된 순차적인 궤적 데이터, 클러스터 및 결정된 실내 공간의 위치에 대한 정보에 대한 분석에 기초하여 벽, 파티션 및 다른 구조물들을 추정할 수 있다. (단계 412)
도 4 로 돌아가서, 다양한 실시 예에서, 서버(110)는 단계 402, 404, 406 및 408을 복수 회 반복하여 하나 이상의 실내 공간의 위치를 결정할 수 있다. 단계 414 에서, 서버는 실내 공간(들)의 위치를 지시하는 데이터를 디바이스(104a)에 전송할 수 있다. 서버(110)는 그 외에 순차적인 궤적 데이터 및/또는 단계 410 및 412와 연관된 정보(예를 들어, 파티션, 실내 공간 또는 매장의 특성 등)와 같은, 유용한 항법 데이터를 전송할 수 있다. 디바이스(104a)는 전송받은 정보를 다양한 항법, 매핑 및 위치 기반 응용에 이용할 수 있다. 몇 실시 예에서, 예를 들어, 디바이스(104a)는 지도를 제공할 수 있고, 실내 공간(들)이 지도상에서 어디에 위치하는지를 지시할 수 있다. 또 다른 실시 예에서, 디바이스(104a)는 디바이스의 현재 위치로부터 특정한 실내 공간까지 도달하기 위한 방향 또는 안내를 제공할 수 있다. 다양한 실시 예에서, 디바이스(104a)는 디바이스 사용자가 실내 공간들 중 하나에 도달한 것을 지시하는 알림을 디스플레이할 수 있다. 다양한 실시 예는 디바이스(104a)가 실내 공간/구조물의 위치 및 실내 공간/구조물의 특징(예를 들어, 욕실, 매장의 이름, 매장에서 판매되는 상품 등)을 나타내는 정보를 디스플레이할 수 있다.
몇 실시 예는 도 2 내지 4 에 도시된 기술을 이용하여 사용자에게 실시간 교통 또는 경로 정보를 제공하는 것을 포함할 수 있다. 일 실시 예에서, 최초에 본 명세서에 개시된 하나 이상의 기술을 이용하여 실내 공간 또는 구조물의 위치를 결정할 수 있다(예를 들어, 도 2 내지 4, 도 3 의 단계 310 및/또는 도 4 의 단계 408, 410 및/또는 412에서 설명한 바와 같이). 결과적으로, 특정 영역 및 부분 영역(예를 들어, 복수의 매장을 가지고 있는 쇼핑몰)의 일반적인 레이아웃(layout)이 결정될 수 있다.
추가적으로, 사용자의 모바일 디바이스로부터 크라우드소싱되어 수집된 데이터를 이용하여 복수의 사용자의 위치가 결정될 수 있다. 그러한 데이터는 순차적인 궤적 데이터(예를 들어, 도 4 의 단계 402 와 같이), GPS 데이터, 무선 주파수 데이터 및/또는 주변 신호 데이터(예를 들어, 도 2 의 단계 202, 204, 206 및 208 및 도 3 의 단계 302와 같이)를 포함할 수 있다. 다양한 실시 예에서, 모바일 디바이스는 그러한 데이터를 서버(110)로 전송할 수 있고, 서버(110)는 실시간으로 사용자의 움직임을 추적할 수 있다. 따라서, 서버(110)는 사용자가 레이아웃 내에 있는지 여부를 결정할 수 있다. 예를 들어, 서버(110)는 쇼핑몰의 복도 또는 매장 각각에 얼마나 많은 사람들이 있는지를 실시간으로 결정할 수 있다.
몇 실시 예에서, 서버(110)는 위치 정보에 기초하여 하나 이상의 사용자들의 디바이스(104a)들에 서비스를 제공할 수 있다. 예를 들어, 서버(110)는 쇼핑몰의 다양한 부분에 얼마나 사람이 모여 있는지 및/또는 어떠한 매장이 고객을 더 많이 유혹했는지를 지시하는 데이터를 디바이스(104a)에 전송할 수 있다. 몇 실시 예는 서버(110)가 쇼핑몰의 군중 또는 교통을 고려하여 현재의 위치로부터 원하는 위치로 도달할 수 있도록 돕는 방향 또는 경로 정보를 사용자에게 전송할 수 있다. 예를 들어, 서버(110)는 사용자가 쇼핑몰의 특정 부분으로 입장해야 한다는 것을 지시하는 데이터를 디바이스(104a)에 전송할 수 있다. 또는, 서버(110)는 사용자의 선호도에 따라 사람이 많이 몰려 있는 영역 또는 가게 쪽으로 안내하거나, 사람이 많이 몰려 있는 영역 또는 가게로부터 멀리 떨어질 수 있도록 하는 안내 정보를 디바이스(104a)에 전송할 수 있다. 다양한 실시 예에서, 서버(110)로부터 수신한 데이터에 기초하여 메시지, 추천 경로, 지도, 알림 또는 다른 정보가 디바이스(104a)에 디스플레이될 수 있다. 사용자는 디스플레이된 정보에 기초하여 행동을 취할 수 있다.
또 다른 실시 예에서, 서버(110)는 응급 상황과 관련된 서비스를 제공할 수 있다. 본 명세서에 개시된 기술은 건물 내부에서 사람이 몰려 있는 공간과 그렇지 않은 공간을 결정하는 데 이용될 수 있다. 몇 실시 예에서, 서버(110)는 건물 내부의 여러 부분에 대한 군중 밀집 정도 또는 추정된 교통량 등의 정보를 소방수 또는 긴급한 업무를 수행하는 사람의 디바이스(104a)에 전송할 수 있다. 디바이스(104a)에 디스플레이된 정보는 화재, 지진 또는 다른 응급 상황이 있는 경우 건물 내부에서 사람들의 위치를 파악하고 적절한 대피 계획을 결정하는 데 이용될 수 있다.
도 11 은 일 실시 예에 따른 디바이스를 도시한 도면이다. 일 실시 예에서, 디바이스(104a)는 도 1 의 디바이스(104a 내지 104d)중 어느 디바이스라도 될 수 있다. 디바이스(104a)는 하나 이상의 프로세서를 포함하는 제어부(1104), 저장부(1102), 센서부(1116), 사용자 인터페이스부(1106), 위치 결정부(1108) 및 네트워크 인터페이스부(1112)를 포함할 수 있다. 디바이스(104a)는 스마트폰, 컴퓨터, 태블릿 컴퓨터, 스마트 글래스, 스마트 워치 및/또는 다른 웨어러블 디바이스를 포함할 수 있으나, 이에 제한되지 않는다.
네트워크 인터페이스부(1112)는 디바이스(104a)로 하여금 무선 주파수 송신기, 와이파이 액세스 포인트, GPS 위성, 서버(110) 및 다른 외부 디바이스 또는 네트워크와 통신할 수 있도록 하는 하드웨어 또는 소프트웨어를 포함할 수 있다. 예를 들어, 네트워크 인터페이스부(1112)는 GPS 및 무선 주파수 신호를 수신할 수 있도록 구성될 수 있다. 수신된 신호는 건물 또는 다른 영역의 입구를 결정하는 데 이용될 수 있다(예를 들어, 도 2 의 방법(200)에서 설명한 바와 같이). 네트워크 인터페이스는 또한 순차적인 궤적 데이터, GPS 데이터, 무선 주파수 데이터, 주변 신호 데이터, 센서 데이터 및 다른 데이터가 처리될 수 있도록 서버(110)에 전송하는 데 이용될 수 있다. 네트워크 인터페이스부는 네트워크(예를 들어, LAN, 인터넷 등) 또는 통신 프로토콜(예를 들어, 블루투스, 와이파이 등)을 이용하여 데이터를 송수신할 수 있도록 구성될 수 있다.
저장부(1102)는 실행가능한 컴퓨터 코드 또는 데이터를 저장할 수 있는 하드웨어 또는 소프트웨어일 수 있다. 저장부(1102)는 하드 드라이브, 플래시 드라이브, 비 휘발성 메모리, 휘발성 메모리 또는 다른 종류의, 컴퓨터에서 읽을 수 있는 기록매체를 포함할 수 있으나, 이에 제한되지 않는다. 본 명세서에 개시된, 디바이스(104a)와 연관된 방법 및 동작들은(예를 들어, 도 2 내지 4 의 방법 200, 300 및 400) 저장부(1102)에 실행가능한 컴퓨터 코드의 형태로 저장될 수 있다. 제어부(1104)는 명령어 또는 컴퓨터 코드를 실행하여 디바이스(104a)가 본 명세서에 개시된 방법 또는 동작을 수행할 수 있도록 제어할 수 있다.
센서부(1116)는 온도, 빛, 소리, 자기장, 방향, 움직임, 속도 또는 다른 환경 파라미터의 변화를 감지할 수 있는 하드웨어 또는 소프트웨어를 포함할 수 있다. 다양한 실시 예에서, 센서부(1116)는 가속도계, 자기계, 나침반, 온도 센서, 빛 센서, 움직임 센서, 소리 센서 또는 다른 센서를 포함할 수 있다. 다양한 실시 예에서 센서부(1116)는 클러스터 필터링(예를 들어, 도 3 의 단계 306 및 308) 또는 입구의 위치를 결정(예를 들어, 도 2 의 단계 208, 210 및 212)하는 데 이용될 수 있는 센서 데이터를 수집할 수 있다.
위치 결정부(1108)는 특정 지역, 입구, 실내 공간, 랜드마크 또는 다른 영역의 위치를 결정할 수 있도록 구성된 소프트웨어 또는 하드웨어일 수 있다. 다양한 실시 예에서, 예를 들어, 위치 결정부(1108)는 도 2 내지 3 에 도시된 방법 및 단계의 일부 또는 전부를 수행할 수 있도록 구성된 소프트웨어 모듈일 수 있다. 즉, 위치 결정부(1108)는 GPS, 주변 신호, 센서 및 무선 주파수 데이터를 수집하고; 수집한 데이터에 기초하여 건물의 입구 위치를 결정하고; 수집한 데이터 및 결정된 위치를 서버에 전송하고; 순차적인 궤적 데이터를 획득하고(예를 들어, GPS 또는 PDR 데이터); 데이터를 클러스터링 및 필터링하고; 추정된 실내 공간/영역의 후보 위치를 제공하고; 추가적인 분석을 위해 추정된 실내 공간/영역의 후보 위치를 서버에 전송할 수 있다.
사용자 인터페이스부(1106)는 디바이스(106a)의 사용자에게 상호작용하는 사용자 인터페이스를 제공할 수 있는 하드웨어 또는 소프트웨어일 수 있다. 다양한 실시 예에서, 사용자 인터페이스부는 터치 감지(정전식) 스크린, 비디오 디스플레이, e-잉크 디스플레이, LCD 화면, OLED 화면 및 HUD(Head up display) 를 포함할 수 있으나, 이에 제한되지 않는다. 사용자 인터페이스부(1106)는 음성 명령을 수신하고 음성 메시지를 만들 수 있는 기능을 포함할 수 있다. 몇 실시 예에서, 사용자 인터페이스에서 지도, 건물의 입구의 방향 및/또는 위치, 관심 지역 및 실내 공간들을 디스플레이하는 단계를 포함할 수 있다. 위치는 디바이스(예를 들어, 도 2 및 도 3 의 단계 212 및 단계 310) 또는 서버(예를 들어, 도 4 의 단계 410)에서 결정된 것일 수 있다.
도 12 는 본 명세서에 개시된 몇 실시 예에 따른 서버를 도시한 도면이다. 서버(110)는 하나 이상의 프로세서를 포함하는 제어부(1204), 저장부(1202), 위치 결정부(1208), 크라우드소싱 데이터베이스(1210) 및 네트워크 인터페이스부(1212)를 포함할 수 있다. 서버(110)는, 도 1 에 도시된 서버(110)에 대응할 수 있다.
네트워크 인터페이스부(1212)는 서버(110)가 디바이스(104a 내지 104d)와 통신할 수 있도록 하는 하드웨어 또는 소프트웨어를 포함할 수 있다. 예를 들어, 네트워크 인터페이스부(1212)는 디바이스(104a 내지 104d)로부터 GPS 데이터, 무선 주파수 데이터, 센서 데이터, 주변 신호 데이터 및 순차적인 궤적 데이터를 수신할 수 있도록 구성될 수 있다. 서버(110)는 추가적인 분석 및 처리를 위해 수신된 크라우드소싱된 데이터를 다른 구성요소(예를 들어, 위치 결정부(1208))로 전달할 수 있다. 네트워크 인터페이스부(1212)는 디바이스(104a 내지 104d)에 데이터를 전송하기 위해 이용될 수 있다(예를 들어, 도 2 의 단계 214 에서 결정된 건물 입구의 위치, 도 4 의 단계 408, 410 및 412에서 결정된 실내 공간, 입구, 출구 또는 파티션의 위치 등). 네트워크 인터페이스부(1212)는 LAN, 인터넷, 등과 같은 네트워크 또는 블루투스, 와이파이 등과 같은 통신 프로토콜을 이용하여 전송 또는 수신을 할 수 있다.
저장부(1202)는 실행가능한 컴퓨터 코드를 저장하기 위한 하드웨어 또는 소프트웨어일 수 있다. 저장부(1202)는 하드 드라이브, 플래시 드라이브, 비 휘발성 메모리, 휘발성 메모리 또는 다른 종류의 컴퓨터로 읽을 수 있는 기록매체일 수 있으나, 이에 제한되지 않는다. 본 명세서에 개시된 서버(110)에 대한 어떠한 동작 또는 방법(예를 들어, 도 2 내지 도 4 의 방법 200, 300 및 400)이 컴퓨터로 실행가능한 코드 또는 명령어의 형태로 저장부(1202)에 저장될 수 있다. 하나 이상의 프로세서를 포함하는 제어부(1204)는 코드 또는 명령어를 실행하여 서버(110)로 하여금 본 명세서에 개시된 방법을 실시하도록 할 수 있다.
크라우드소싱 데이터베이스(1210)는 복수의 디바이스(104a 내지 104d)로부터 수신한 데이터를 저장할 수 있는 하드웨어 또는 소프트웨어일 수 있다. 전술한 바와 같이, 다양한 실시 예에서, 디바이스(104a 내지 104d)는 다양한 종류의 데이터(예를 들어, 주변 신호 데이터, 센서 데이터, GPS 데이터, 무선 주파수 데이터, 와이파이 데이터, 후보 실내 공간 또는 후보 관심 지역, 위치 데이터, 순차적인 궤적 데이터 등)를 서버(110)에 전송할 수 있다. 크라우드소싱된 데이터는 위치 결정부(1208)에서 분석될 수 있도록 데이터베이스(1210)에 저장될 수 있다.
위치 결정부(1208)는 건물의 입구 또는 실내 공간과 같은 관심 지역의 위치를 결정하도록 구성된 하드웨어 또는 소프트웨어일 수 있다. 다양한 실시 예에서, 위치 결정부(1208)는 도 2, 3 및 4 의 방법 200, 300 및 400 과 연관된 동작의 일부 또는 전부를 수행할 수 있도록 구성된 소프트웨어 모듈일 수 있다. 몇 실시 예에서, 예를 들어, 위치 결정부(1208)는 크라우드소싱 데이터베이스(1210)에 저장된 데이터를 클러스터링, 필터링 및 분석할 수 있다. 이러한 동작에 기초하여, 위치 결정부(1208)는 데이터를 이용하여 실내 공간 또는 다른 관심 지역의 위치 및 건물의 입구의 위치를 더 자세하게 추정할 수 있다.
도 13 은 매장, 쇼핑 구역, 쇼핑몰 또는 다른 영역의 입구에 도착한 사용자에게 광고 또는 다른 서비스를 제공하는 방법의 예시를 도시한 도면이다.
최초에, 단계 1302 에서 영역의 입구가 결정될 수 있다. 영역은 매장, 쇼핑몰, 실내 공간 또는 다른 실내외의 영역일 수 있다. 본 명세서에는 영역 및 입구의 위치를 결정하기 위한 다양한 기술이 개시되었다. 예를 들어, 도 2 의 단계 212, 도 3 의 단계 310, 도 4 의 단계 408 및 410, 도 2 내지 도 4 의 방법 200, 300 및 400 과 같은 기술이 단계 1302 에서 이용될 수 있다.
단계 1304 에서, 사용자의 위치가 결정될 수 있다. 본 명세서에는 사용자의 위치를 결정하기 위한 다양한 기술이 개시되었다. 예를 들어, 사용자의 위치 및 움직임은 디바이스(104a)로부터 수집된 GPS, 무선 주파수 데이터, 순차적인 궤적 데이터 및/또는 PDR 데이터를 이용하여, 도 2 의 단계 202, 204, 208 및 도 3 의 단계 302를 이용하여 결정될 수 있다. 다양한 실시 예에서, 데이터는 디바이스(104a)로부터 서버(110)로 실시간으로 전송될 수 있다. 따라서, 서버(110)는 모바일 디바이스 사용자의 움직임을 추적할 수 있다.
단계 1306 에서, 서버(104)는 수신된 데이터를 분석하여 사용자가 단계 1302 에서 결정된 위치의 입구 또는 입구의 근처에 있거나 입구에 도착하였다고 결정할 수 있다.
단계 1308 에서, 서버(110)는 단계 1306 에 대한 응답으로서 사용자의 디바이스(104a) 에 대해 광고 데이터를 전송할 수 있다. 단계 1310 에서, 디바이스(104a)는 수신한 데이터에 기초하여 사용자에게 알림 또는 광고를 디스플레이할 수 있다.
위의 방법은 다양한 방법으로 이용될 수 있다. 예를 들어, 사용자가 매장의 입구에 도착한 경우를 가정할 수 있다. 서버가 사용자의 도착을 결정하면(예를 들어, 단계 1302, 1304 및 1306) 사용자는 매장의 할인 또는 특별 행사 정보를 포함하는 광고를 수신할 수 있다(예를 들어, 단계 1308 및 1310).
다른 실시 예에서, 사용자는 매장의 입구를 자동차를 타고 지나갈 수 있다. 서버(110)는 사용자가 기 설정된 속도(사용자가 운전중이라는 것을 나타낼 수 있는 속도)로 이동하는 것을 결정하고, 사용자가 입구에 충분히 가까이 있다는 것을 결정할 수 있다(예를 들어, 단계 1302, 1304 및 1306). 결정에 기초하여, 서버(110)는 사용자에게 알림 또는 광고를 전송할 수 있다(단계 1308). 몇 실시 예에서, 광고는 사용자로 하여금 매장에 방문하고, 특별 행사에 참여하도록 유도하는 메시지 또는 이미지를 사용자에게 디스플레이할 수 있다(예를 들어, 단계 1310).
또 다른 실시 예에서, 서버(110)는 매장의 입구에 막 도착하여 쇼핑을 시작할 것으로 예상되는 방문객과, 매장을 떠나는 방문객 또는 그저 지나가고 있는 방문객을 구분하는 기술을 이용할 수 있다. 예를 들어, 다양한 실시 예에서, 서버(110)는 사용자가 매장의 입구에 접근하거나, 입구를 통과하여 방금 매장에 도착하였다는 것을 결정할 수 있다(단계 1306). 이러한 조건을 만족하는 경우에만 광고가 사용자에게 전송될 수 있다(딴계 1308). 매장에 충분한 시간을 머무르고 떠나려는 사용자에게는 광고를 수신하지 않을 수 있다. 매장에 들어가지 않고 입구 근처를 그저 지나갈 뿐인 사용자는 광고를 수신하지 않을 수 있다.
따라서, 방법(1300)은 더 상세하게 방금 매장에 입장하였고 상품을 구매할 확률이 높아 보이는 사용자를 대상으로 사용될 수 있다. 이는 매장의 입구로부터 고정된 범위에 대한 송신기 또는 비콘을 설정하는, 다양한 비콘에 기초한 광고 기술과 대조적이다. 이러한 접근 방법에서는, 비콘의 범위를 지나가는 모든 모바일 디바이스에 대해 알림 또는 광고가 전송될 수 있다. 하지만, 이 경우 광고는 매장에 입장할 의도가 없는 사용자에게 전송될 수 있다. 예를 들어, 광고가 비콘 범위 내의 모두에게 전송된다면, 매장을 지나갈 뿐인 사용자 또는 매장을 떠나는 중인 사용자 또한 광고를 수신할 수 있다. 이 경우, 사용자들은 불편함 및 귀찮음을 느낄 수 있다.
도 14 는 사용자에게 서비스를 제공하기 위하여 구매 패턴을 이용하는 방법의 예시를 도시한 흐름도이다. 최초에, 단계 1402 에서 하나 이상의 영역(실내 및 실외 모두), 랜드마크, 매장, 매장의 입구 등의 위치가 결정될 수 있다. 본 명세서에 개시된 다양한 위치 결정 방법이 단계 1402 에서 이용될 수 있다. 예를 들어, 영역, 랜드마크, 매장 또는 실내 공간들의 위치는 도 3 의 단계 310 및 도 4 의 단계 408 및 단계 410 에 개시된 기술을 이용하여 결정될 수 있다. 더 일반적으로는, 위치는 도 2 내지 도 4 의 방법 200, 300 및 400 을 이용하여 결정될 수 있다.
단계 1404 에서, 사용자의 위치가 결정될 수 있다. 사용자의 위치를 결정하기 위해 이용되는 방법은 제한되지 않는다. 예를 들어, 사용자의 위치 및 움직임은 모바일 디바이스로부터 수집된 GPS, 무선 주파수 및/또는 PDR 데이터를 이용하여, 도 2 의 단계 202, 204, 208 및 도 3 의 단계 302 와 같이 결정될 수 있다. 다양한 실시 예에서, 데이터는 사용자 디바이스(104a)로부터 서버(110)에 실시간으로 전송될 수 있으며, 서버(110)는 모바일 디바이스 사용자의 움직임을 추적할 수 있다.
단계 1406 에서, 서버(110)는 사용자가 특정 매장(예를 들어, 단계 1402 에서 결정된 건물/영역 또는 매장의 위치)의 입구에 도착했다는 것을 결정할 수 있다. 다양한 실시 예에서, 매장은 다른 구조물, 건물 또는 영역일 수 있다.
단계 1407 에서, 서버(110)는 사용자의 소비 패턴 데이터를 수집할 수 있다. 소비 패턴 데이터는 사용자의 활동, 관심, 소비 패턴 및/또는 모든 상업적 거래와 연관되거나 이를 지시하는 모든 데이터를 의미할 수 있다. 소비 패턴 데이터의 수집은 언제나 일어날 수 있다. 예를 들어, 소비 패턴 데이터는 일정한 간격으로 수집되거나 단계 1402, 1404 또는 1406 이전에 수집될 수 있다. 몇 실시 예에서, 단계 1407은 단계 1406 이후에 단계 1406 에 대한 응답으로서 실시될 수 있다. 소비 패턴 데이터를 수집하기 위해 이용되는 방법은 제한되지 않는다. 몇 실시 예에서, 예를 들어, 서버(110)는 사용자의 디바이스(104a)에 저장된 데이터를 수신하거나 사용자의 디바이스(104a)에 저장된 데이터에 접근할 수 있다. 데이터는 사용자에 관한 정보(예를 들어, 구매, 상업적 거래, 선호, 사용자 프로필 데이터 등)를 포함할 수 있다. 다양한 실시 예에서, 서버(110)는 디바이스(104a)가 수집한 순차적인 궤적 데이터를 수신하여 사용자가 다양한 매장, 건물 또는 위치에 얼마나 오래 머물렀는지를 결정할 수 있다(예를 들어, 도 3 의 방법 300 및 단계 302 를 이용할 수 있다). 위의 모든 정보는 사용자의 소비 선호도를 추론하는 데 이용될 수 있는 소비 패턴 데이터가 될 수 있다.
단계 1408 에서, 소비 패턴 데이터가 분석될 수 있다. 몇 실시 예에서, 단계 1408 은 단계 1406 에 대한 응답으로서 수행될 수 있다(예를 들어, 사용자가 특정 매장에 입장하였다는 것을 결정한 뒤에 수행될 수 있다).
단계 1408 의 분석에 기초하여, 서버(110)는 매장에 입장한 사용자에게 특정한 서비스를 제공할 수 있다(단계 1410). 몇 실시 예에서, 예를 들어, 서버(110)는 알림 또는 광고를 생성 및 전송하고, 사용자의 디바이스(104a)가 이를 수신할 수 있다. 디바이스(104a)는 사용자에게 광고를 디스플레이할 수 있다.
다양한 실시 예에서, 사용자의 최근 행동 및 소비 선호도에 따라 광고가 설정될 수 있다. 서버(110)가 사용자가 의류 매장에 도착하고 오랜 시간을 소비하는 것을 탐지했다고 가정할 수 있다(단계 1404). 서버(110)는 사용자가 선물로서 스카프를 구매하는 데 관심이 있음을 나타내는, 디바이스(104a)에 저장된 쇼핑 및 검색 데이터에 접근할 수 있다. 사용자가 매장에 한 시간 이상을 머물렀다는 사실은 사용자가 구매여부를 고민하고 있으나 구매의욕이 상당히 높다는 것을 암시할 수 있다(단계 1404 및 1408). 이러한 정보에 기초하여, 시스템은 사용자에게 다양한 스카프에 대한 정보 및 특정 브랜드에 대한 할인 정보를 포함하는 광고를 전송할 수 있다(단계 1410).
도 15(a)는 일 실시 예에 따른 이동식 디바이스의 관심 지역을 결정하는 방법을 간단하게 도시한 흐름도이다. 단계 1501에서, 이동식 디바이스의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적 데이터가 획득될 수 있다. 예를 들어, 순차적인 궤적 데이터에는 복수의 자취가 포함될 수 있고, 자취 각각은 복수의 점들을 포함할 수 있다. 점 각각은 이동식 디바이스가 이동함에 따라 변경되는 위치 및 위치에 대응하는 시간에 대한 정보와 연관될 수 있다.
단계 1502에서, 복수의 점들을 포함하는 복수의 클러스터들이 형성될 수 있다. 클러스터 각각은 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 형성될 수 있다. 예를 들어, 순차적인 궤적 데이터에 포함된, 소정의 시간에 연관된 복수의 점들이 소정의 반지름 이내의 위치에 연관된 경우 복수의 점들을 포함하는 클러스터를 형성할 수 있다.
단계 1503에서, 복수의 클러스터들 중 하나 이상의 클러스터에 기초하여 이동식 디바이스의 관심 지역의 위치가 결정될 수 있다. 클러스터 각각은 이동식 디바이스가 소정의 시간 동안 소정의 반지름 내에서 이동한 결과를 나타내므로, 클러스터 각각은 이동식 디바이스의 관심 지역과 연관될 수 있다.
도 15(b)는 일 실시 예에 따른 이동식 디바이스의 관심 지역을 결정하는 장치를 간단하게 도시한 흐름도이다. 일 실시 예에서, 장치(1500)는 서버일 수 있다. 다른 실시 예에서, 장치(1500)는 이동식 디바이스, 퍼스널 컴퓨터 또는 워크스테이션에 대응할 수 있으나, 이에 제한되지 않는다.
장치(1500)는 통신부(1510) 및 제어부(1520)를 포함할 수 있다. 통신부(1510)는 이동식 디바이스의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적 데이터를 획득할 수 있다. 예를 들어, 순차적인 궤적 데이터에는 복수의 자취가 포함될 수 있고, 자취 각각은 복수의 점들을 포함할 수 있다. 점 각각은 이동식 디바이스가 이동함에 따라 변경되는 위치 및 위치에 대응하는 시간에 대한 정보와 연관될 수 있다.
제어부(1520)는 통신부(1510)를 제어할 수 있다. 또한, 제어부(1520)는 복수의 점들을 포함하는 복수의 클러스터들을 형성하고, 복수의 클러스터들 중 하나 이상의 클러스터에 기초하여 이동식 디바이스의 관심 지역의 위치를 결정할 수 있다. 클러스터 각각은 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 형성될 수 있다. 예를 들어, 순차적인 궤적 데이터에 포함된, 소정의 시간에 연관된 복수의 점들이 소정의 반지름 이내의 위치에 연관된 경우 복수의 점들을 포함하는 클러스터를 형성할 수 있다. 클러스터 각각은 이동식 디바이스가 소정의 시간 동안 소정의 반지름 내에서 이동한 결과를 나타내므로, 클러스터 각각은 이동식 디바이스의 관심 지역과 연관될 수 있다.
일 실시 예에서, 장치(1500)는 디스플레이부(1530)를 더 포함할 수 있다. 이 경우, 제어부(1510)는 디스플레이부(1530)를 제어할 수 있다. 디스플레이부(1530)는 클러스터 또는 관심 지역에 대한 정보를 디스플레이할 수 있다. 예를 들어, 디스플레이부(1530)는 관심 지역에 도달하는 방법을 지시하는 사용자 인터페이스를 디스플레이할 수 있다. 또한, 디바이스는 지도를 디스플레이하고 입구의 위치를 지도상에 보여줄 수 있다. 다른 실시 예에서, 디스플레이부(1530)는 사용자가 관심 지역에 도달한 것을 지시하는 알림을 디스플레이할 수 있다. 또한, 디스플레이부(1530)는 실내 공간 및 구조물의 위치 및 특징(예를 들어, 욕실, 매장의 이름, 매장에서 판매되는 상품 등)을 나타내는 정보를 디스플레이할 수 있다.
본 명세서에 개시된 모든 방법은 실행가능한 소프트웨어 코드의 형태로서 컴퓨터로 읽을 수 있는 기록매체에 저장될 수 있다. 코드는 하나 이상의 프로세서에서 실행될 수 있다. 코드의 실행은 연관된 디바이스(예를 들어, 서버(110) 또는 디바이스(104a 내지 104d))로 하여금 동작을 수행하도록 할 수 있다.
본 명세서에는 몇 가지의 실시 예만이 상세하게 설명되어 있지만, 본 명세서에 개시된 내용은 본 명세서의 범위 및 취지로부터 크게 벗어나지 않는 범위의 다양한 실시 예에도 모두 적용될 수 있다. 예를 들어, 본 명세서 및 도면은 특정한 동작을 나타내는 다양한 방법(예를 들어, 도 2, 도 3 및 도 4 의 방법 200, 300 및 400)을 설명하고 있다. 몇 실시 예에서, 하나 이상의 동작/단계가 수정, 재배치 및/또는 배제될 수 있고, 본 명세서에 개시된 방법들은 예시를 위한 것이며 이에 제한하고자 하는 것이 아니다. 예를 들어, 다양한 방법(예를 들어, 도 13 및 도 14 의 방법 1300 및 1400)은 서버(110)가 특정 동작을 수행하는 것을 나타내고 있지만, 이에 제한되지 않는다. 한 서버가 방법의 한 동작을 수행하고, 다른 서버가 다른 동작을 수행할 수도 있다. 서버 대신 다른 디바이스(예를 들어, 디바이스(104a))가 각각의 동작을 수행할 수도 있고, 특정 동작이 복수의 보조 단계로 분리되어, 서로 다른 디바이스에서 수행될 수도 있다. 추가적으로, 도 11 및 12 와 같은 일부 도면에서, 다양한 구성요소를 포함하는 디바이스를 도시하고 있다. 몇 실시 예에서, 하나 이상의 구성요소가 병합될 수 있다. 또 다른 실시 예에서, 하나 이상의 구성요소는 더 많은 수의 구성요소로 분리될 수 있다. 하나의 구성요소의 특성은 다른 구성요소로 전이되거나 수정될 수 있다. 각각의 디바이스는 도면에 도시되지 않은 추가적인 구성요소를 포함할 수도 있다. 예를 들어, 도 11 에 도시된 디바이스(104a)는 스마트폰 또는 모바일 디바이스에 포함된 것으로 알려진 모든 구성요소, 기술, 센서, 사용자 인터페이스 또는 기능을 포함할 수 있다. 따라서, 본 명세서에 개시된 실시 예들은 예시 및 설명을 위해 제공된 것이며, 이에 제한되도록 하기 위함이 아니다.
100: 통신 시스템
104a 내지 104d: 디바이스
108: 네트워크
110: 서버
112: GPS 위성

Claims (31)

  1. 복수의 이동식 디바이스들의 관심 지역을 결정하는 방법에 있어서,
    상기 복수의 이동식 디바이스들 각각의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적(trajectory) 데이터를 획득하는 단계;
    상기 획득한 순차적인 궤적 데이터에 기초하여 복수의 클러스터들(clusters)을 형성하되, 상기 복수의 클러스터들 각각은 상기 복수의 이동식 디바이스들 중 해당 이동식 디바이스로부터의 복수의 점들을 포함하는 단계;
    상기 복수의 이동식 디바이스들 중 적어도 하나에 대한 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하는 단계;
    상기 참고 위치로부터 상기 복수의 클러스터들 각각까지 각 이동식 디바이스가 이동한 궤적 거리를 결정하는 단계;
    궤적 거리가 다른 궤적 거리에 대해 특정 범위 내에 있는 클러스터의 부분집합을 선택하는 단계; 및
    상기 선택된 클러스터의 부분집합에 기초하여 상기 복수의 이동식 디바이스들의 관심 지역의 위치를 결정하는 단계; 를 포함하는, 방법.
  2. 제 1 항에 있어서, 상기 복수의 클러스터들을 형성하는 단계는,
    상기 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 하나의 클러스터를 형성하는 단계; 를 포함하는, 방법.
  3. 제 1 항에 있어서, 관심 지역의 위치를 결정하는 단계는,
    상기 클러스터들 중 제 1 클러스터와 연관된 상기 이동식 디바이스의 움직임의 양을 나타내는 가속도계 데이터를 획득하는 단계; 및
    상기 움직임의 양이 소정의 임계값을 초과하지 않는 경우, 상기 제 1 클러스터를 유효 클러스터로 결정하는 단계; 를 포함하고,
    상기 관심 지역의 위치는 상기 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 하는, 방법.
  4. 제 1 항에 있어서, 관심 지역의 위치를 결정하는 단계는,
    상기 클러스터들 중 하나인 제 2 클러스터와 연관된 상기 이동식 디바이스의 이동 속도를 결정하는 단계;
    상기 이동 속도가 소정의 임계값을 초과하지 않는 경우, 상기 제 2 클러스터를 유효 클러스터로 결정하는 단계; 를 더 포함하고,
    상기 관심 지역의 위치는 상기 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 하는 방법.
  5. 삭제
  6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 순차적인 궤적 데이터는 보행자 추측 항법(pedestrian dead reckoning, PDR) 및 GPS 중 적어도 하나를 이용하여 획득되고,
    상기 관심 지역은 실내 공간, 랜드마크(landmark) 지역, 매장 지역 및 실외 지역 중 적어도 하나인 것을 특징으로 하는, 방법.
  7. 삭제
  8. ◈청구항 8은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서, 상기 관심 지역은 실내 공간이고 상기 참고 위치는 상기 실내 공간을 포함하는 건물의 특정 지역인 것을 특징으로 하는, 방법.
  9. ◈청구항 9은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서, 상기 주변 신호 데이터는 해당 이동식 디바이스가 수신하는 무선 주파수(RF) 신호, 주변의 빛 신호, 주변의 소리 신호, 주변의 온도 정보, 주변의 자기장 정보, 해당 이동식 디바이스가 탐지하는 이미지 정보, 및 해당 이동식 디바이스가 수신하는 무선 주파수 신호를 송신하는 무선 주파수 신호 송신 디바이스의 개수 정보 중 적어도 하나를 나타내는 것을 특징으로 하는, 방법.
  10. 제 1 항에 있어서, 상기 참고 위치는,
    상기 GPS 데이터의 정확도의 감소 및 상기 주변 신호 데이터의 품질의 향상 중 적어도 하나를 나타내는 패턴에 기초하여 결정되는 것을 특징으로 하는, 방법.
  11. 제 1 항에 있어서, 상기 방법은,
    상기 GPS 데이터 및 상기 주변 신호 데이터 중 적어도 하나를 상기 복수의 이동식 디바이스들 중 적어도 하나로부터 수신하는 단계; 를 더 포함하는, 방법.
  12. 삭제
  13. 제 1 항에 있어서, 상기 방법은,
    상기 부분집합에 포함된 클러스터들 각각에 대한 주변 지역의 순차적인 궤적 데이터의 밀도에 기초하여, 상기 부분집합에 포함된 클러스터들 각각에 대하여 가중치를 할당하는 단계; 를 더 포함하고,
    상기 관심 지역의 위치는 상기 부분집합에 포함된 클러스터들 각각에 대하여 할당된 가중치에 기초하여 결정되는 것을 특징으로 하는, 방법.
  14. ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서, 상기 방법은,
    상기 클러스터들에 대한 정보 및 상기 관심 지역의 위치에 대한 정보 중 적어도 하나를 외부 장치에 전송하는 단계; 를 더 포함하는, 방법.
  15. ◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서, 상기 방법은,
    상기 클러스터들에 대한 정보 및 상기 관심 지역의 위치에 대한 정보 중 적어도 하나를 디스플레이하는 단계; 를 더 포함하는, 방법.
  16. 복수의 이동식 디바이스들의 관심 지역을 결정하는 장치에 있어서,
    상기 복수의 이동식 디바이스들 각각의 시간 및 위치와 연관된 복수의 점들을 포함하는 순차적인 궤적(trajectory) 데이터를 획득하는 통신부;
    상기 획득한 순차적인 궤적 데이터에 기초하여 복수의 클러스터들(clusters)을 형성하되, 상기 복수의 클러스터들 각각은 상기 복수의 이동식 디바이스들 중 해당 이동식 디바이스로부터의 복수의 점들을 포함하고,
    상기 복수의 이동식 디바이스들 중 적어도 하나에 대한 GPS 데이터 및 주변 신호 데이터 중 적어도 하나의 변화에 기초하여 참고 위치를 결정하고,
    상기 참고 위치로부터 상기 복수의 클러스터들 각각까지 각 이동식 디바이스가 이동한 궤적 거리를 결정하고,
    궤적 거리가 다른 궤적 거리에 대해 특정 범위 내에 있는 클러스터의 부분집합을 선택하고,
    상기 선택된 클러스터의 부분집합에 기초하여 상기 복수의 이동식 디바이스들의 관심 지역의 위치를 결정하는 제어부; 를 포함하는, 장치.
  17. 제 16 항에 있어서, 상기 제어부는,
    상기 이동식 디바이스가 특정 기준 위치로부터 소정의 시간 동안 소정의 반지름 이내에서 이동한 것으로 판단되는 경우 하나의 클러스터를 형성하는 것을 특징으로 하는, 장치.
  18. 제 16 항에 있어서, 상기 통신부는,
    상기 클러스터들 중 제 1 클러스터와 연관된 상기 이동식 디바이스의 움직임의 양을 나타내는 가속도계 데이터를 획득하고,
    상기 제어부는,
    상기 움직임의 양이 소정의 임계값을 초과하지 않는 경우, 상기 제 1 클러스터를 유효 클러스터로 결정하고, 상기 관심 지역의 위치는 상기 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 하는, 장치.
  19. 제 16 항에 있어서, 상기 제어부는,
    상기 클러스터들 중 하나인 제 2 클러스터와 연관된 상기 이동식 디바이스의 이동 속도를 결정하고, 상기 이동 속도가 소정의 임계값을 초과하지 않는 경우, 상기 제 2 클러스터를 유효 클러스터로 결정하고, 상기 관심 지역의 위치는 상기 결정된 유효 클러스터에 기초하여 결정되는 것을 특징으로 하는, 장치.
  20. 삭제
  21. 제 16 항에 있어서,
    상기 순차적인 궤적 데이터는 보행자 추측 항법(pedestrian dead reckoning, PDR) 및 GPS 중 적어도 하나를 이용하여 획득되고,
    상기 관심 지역은 실내 공간, 랜드마크(landmark) 지역, 매장 지역 및 실외 지역 중 적어도 하나인 것을 특징으로 하는, 장치.
  22. 삭제
  23. 제 16 항에 있어서, 상기 관심 지역은 실내 공간이고 상기 참고 위치는 상기 실내 공간을 포함하는 건물의 특정 지역인 것을 특징으로 하는, 장치.
  24. 제 16 항에 있어서, 상기 주변 신호 데이터는 해당이동식 디바이스가 수신하는 무선 주파수(RF) 신호, 주변의 빛 신호, 주변의 소리 신호, 주변의 온도 정보, 주변의 자기장 정보, 해당이동식 디바이스가 탐지하는 이미지 정보, 및 해당이동식 디바이스가 수신하는 무선 주파수 신호를 송신하는 무선 주파수 신호 송신 디바이스의 개수 정보 중 적어도 하나를 나타내는 것을 특징으로 하는, 장치.
  25. 제 16 항에 있어서, 상기 참고 위치는,
    상기 GPS 데이터의 정확도의 감소 및 상기 주변 신호 데이터의 품질의 향상 중 적어도 하나를 나타내는 패턴에 기초하여 결정되는 것을 특징으로 하는, 장치.
  26. 제 16 항에 있어서, 상기 통신부는,
    상기 GPS 데이터 및 상기 주변 신호 데이터 중 적어도 하나를 상기 복수의 이동식 디바이스들 중 적어도 하나로부터 수신하는 것을 특징으로 하는, 장치.
  27. 삭제
  28. 제 16 항에 있어서, 상기 제어부는,
    상기 부분집합에 포함된 클러스터들 각각에 대한 주변 지역의 순차적인 궤적 데이터의 밀도에 기초하여, 상기 부분집합에 포함된 클러스터들 각각에 대하여 가중치를 할당하고, 상기 관심 지역의 위치는 상기 부분집합에 포함된 클러스터들 각각에 대하여 할당된 가중치에 기초하여 결정되는 것을 특징으로 하는, 장치.
  29. 제 16 항에 있어서, 상기 통신부는,
    상기 클러스터들에 대한 정보 및 상기 관심 지역의 위치에 대한 정보 중 적어도 하나를 외부 장치에 전송하는 것을 특징으로 하는, 장치.
  30. 제 16 항에 있어서, 상기 장치는,
    상기 클러스터들에 대한 정보 및 상기 관심 지역의 위치에 대한 정보 중 적어도 하나를 디스플레이하는 디스플레이부; 를 더 포함하는, 장치.
  31. 제 1 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020150117339A 2014-08-29 2015-08-20 관심 지역 및 입구의 위치를 결정하는 시스템 KR102399591B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201580045619.7A CN106605123B (zh) 2014-08-29 2015-08-21 用于确定入口位置和感兴趣区域的系统
PCT/KR2015/008764 WO2016032172A1 (ko) 2014-08-29 2015-08-21 관심 지역 및 입구의 위치를 결정하는 시스템
EP15835445.6A EP3197217B1 (en) 2014-08-29 2015-08-21 System for determining location of entrance and area of interest

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201462044113P 2014-08-29 2014-08-29
US62/044,113 2014-08-29
US14/549,054 2014-11-20
US14/549,054 US9541404B2 (en) 2014-08-29 2014-11-20 System for determining the location of entrances and areas of interest

Publications (2)

Publication Number Publication Date
KR20160026707A KR20160026707A (ko) 2016-03-09
KR102399591B1 true KR102399591B1 (ko) 2022-05-19

Family

ID=55402103

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020150117339A KR102399591B1 (ko) 2014-08-29 2015-08-20 관심 지역 및 입구의 위치를 결정하는 시스템
KR1020187017640A KR102655627B1 (ko) 2014-08-29 2016-06-03 구조의 수직 층 메커니즘을 가진 컴퓨팅 시스템 및 그 동작 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020187017640A KR102655627B1 (ko) 2014-08-29 2016-06-03 구조의 수직 층 메커니즘을 가진 컴퓨팅 시스템 및 그 동작 방법

Country Status (5)

Country Link
US (2) US9541404B2 (ko)
EP (2) EP3197217B1 (ko)
KR (2) KR102399591B1 (ko)
CN (2) CN106605123B (ko)
WO (2) WO2016032172A1 (ko)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160084658A1 (en) * 2014-09-24 2016-03-24 Qualcomm Incorporated Method and apparatus for trajectory crowd sourcing for updating map portal information
US10120381B2 (en) * 2015-03-13 2018-11-06 Nissan North America, Inc. Identifying significant locations based on vehicle probe data
US20170017928A1 (en) * 2015-07-15 2017-01-19 Microsoft Technology Licensing, Llc Inferring physical meeting location
US20170372223A1 (en) * 2016-06-24 2017-12-28 Intel Corporation Smart crowd-sourced automatic indoor discovery and mapping
US10051451B1 (en) * 2016-08-03 2018-08-14 West Corporation Location determination of a mobile device based on various parameters
US9992761B2 (en) * 2016-09-16 2018-06-05 Nextnav, Llc Systems and methods for transmitting information used to estimate a position of a mobile device
US10244345B2 (en) 2016-10-18 2019-03-26 International Business Machines Corporation Geographic location mapping using network signal strength
KR102612792B1 (ko) * 2016-10-28 2023-12-13 삼성전자주식회사 전자 장치 및 전자 장치의 관심 영역 진입 판단 방법
CN106455056B (zh) * 2016-11-14 2020-02-04 百度在线网络技术（北京）有限公司 定位方法和装置
US10172760B2 (en) * 2017-01-19 2019-01-08 Jennifer Hendrix Responsive route guidance and identification system
CN108668233B (zh) * 2017-03-31 2020-11-03 阿里巴巴（中国）有限公司 一种建筑物入口检测方法及系统
CN108733715B (zh) * 2017-04-21 2022-02-01 北京嘀嘀无限科技发展有限公司 建筑物出入口位置的确定方法及装置
WO2018232607A1 (en) * 2017-06-20 2018-12-27 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEM AND METHOD FOR POSITIONING AN ARCHITECTURE GATEWAY
CN107289961A (zh) * 2017-07-18 2017-10-24 电子科技大学 一种基于分区和总结生成便于用户理解的导航信息的方法
KR20190059630A (ko) 2017-11-23 2019-05-31 주식회사 킨터치 터치와 마이크를 이용한 데이터 송수신 장치 및 방법
CN109668563B (zh) * 2017-10-16 2021-06-01 北京嘀嘀无限科技发展有限公司 基于室内的轨迹的处理方法及装置
CN109696166A (zh) * 2017-10-20 2019-04-30 北京搜狗科技发展有限公司 一种导航方法及装置
EP3711393B1 (en) * 2017-11-15 2022-06-15 Sony Group Corporation Terminal device, infrastructure equipment and methods
US10142777B1 (en) * 2018-05-10 2018-11-27 Zih Corp. Systems and methods for locating devices in venues
US10649537B2 (en) * 2018-05-14 2020-05-12 Here Global B.V. Mapping application for intuitive interaction
CN110488322B (zh) * 2018-05-15 2023-08-08 北京搜狗科技发展有限公司 一种停车场出入口识别方法及装置
CN112513575B (zh) 2018-05-28 2024-03-19 赫尔环球有限公司 多级高度图
US10602476B2 (en) * 2018-08-01 2020-03-24 Nextnav, Llc Systems and methods for determining an indoor or outdoor location of a mobile device
WO2020055391A1 (en) * 2018-09-12 2020-03-19 Google Llc Map feature identification using motion data and surfel data
JP6846400B2 (ja) * 2018-11-29 2021-03-24 アスクル株式会社 建物入口特定システム
EP3693699B1 (en) 2019-02-05 2021-12-22 HERE Global B.V. Determining of absolute altitudes of floors of a structure
GB2588572B (en) * 2019-03-20 2024-01-10 Navenio Ltd Transition Detection
CN111751860B (zh) * 2019-05-31 2023-01-24 广东小天才科技有限公司 一种楼栋位置的确定方法及终端设备
CN110274610B (zh) * 2019-06-18 2021-04-06 北京百度网讯科技有限公司 一种导航线的检测方法、装置、电子设备及存储介质
CN110609281B (zh) * 2019-08-23 2021-08-17 珠海格力电器股份有限公司 一种区域检测方法及装置
CN111757284B (zh) * 2019-08-28 2022-07-08 广东小天才科技有限公司 一种室内入口定位方法及电子设备
CN111751861B (zh) * 2019-09-10 2023-01-24 广东小天才科技有限公司 一种建筑物入口的检测方法及移动终端
CN111751850B (zh) * 2019-09-10 2023-01-24 广东小天才科技有限公司 一种基于机器学习的建筑物入口检测方法及移动终端
CN111753864B (zh) * 2019-11-22 2024-04-19 广东小天才科技有限公司 一种适用于楼栋间的定位方法及可穿戴设备
CN111405483B (zh) * 2020-03-10 2021-07-30 腾讯科技（深圳）有限公司 行程轨迹生成方法、装置、电子设备及存储介质
CN111679304B (zh) * 2020-05-20 2023-05-16 广州小鹏自动驾驶科技有限公司 一种出入口位置的确定方法、更新方法及其装置
CN111966769B (zh) * 2020-07-14 2024-01-02 北京城市象限科技有限公司 基于生活圈的信息推荐方法、装置、设备和介质
CN113124857B (zh) * 2021-06-17 2021-10-01 腾讯科技（深圳）有限公司 一种出入口位置的确定方法、相关装置、设备及存储介质
CN113359862B (zh) * 2021-07-28 2023-05-16 北京理工大学 一种无人机进入封闭环境的控制方法及装置
US11733391B2 (en) 2021-12-21 2023-08-22 Here Global B.V. Entrance detection based on GNSS state change data

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130262479A1 (en) * 2011-10-08 2013-10-03 Alohar Mobile Inc. Points of interest (poi) ranking based on mobile user related data
US20130297198A1 (en) 2010-12-20 2013-11-07 Tomtom Belgium N.V. Method for generating map data

Family Cites Families (108)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6108597A (en) 1996-03-06 2000-08-22 Gmd-Forschungszentrum Informationstechnik Gmbh Autonomous mobile robot system for sensor-based and map-based navigation in pipe networks
CA2265875C (en) * 1996-09-09 2007-01-16 Dennis Jay Dupray Location of a mobile station
US6236365B1 (en) * 1996-09-09 2001-05-22 Tracbeam, Llc Location of a mobile station using a plurality of commercial wireless infrastructures
US6446030B1 (en) * 1998-01-24 2002-09-03 Quantapoint, Inc. Method and apparatus for establishing the layout of a building
US7009643B2 (en) 2002-03-15 2006-03-07 Canon Kabushiki Kaisha Automatic determination of image storage location
US7162368B2 (en) 2004-11-09 2007-01-09 Honeywell International Inc. Barometric floor level indicator
KR100977935B1 (ko) * 2005-03-28 2010-08-24 아사히 가세이 일렉트로닉스 가부시끼가이샤 진행 방향 계측 장치 및 진행 방향 계측 방법
US8836580B2 (en) 2005-05-09 2014-09-16 Ehud Mendelson RF proximity tags providing indoor and outdoor navigation and method of use
KR100679045B1 (ko) 2005-06-15 2007-02-05 삼성전자주식회사 이동 통신 단말기 사용자의 관심 지점을 결정하는 방법 및 이를 이용한 지리 정보 제공 장치
US8670925B2 (en) 2005-06-21 2014-03-11 Calabrese Holdings L.L.C. Navigation system and method
WO2007100228A1 (en) 2006-03-02 2007-09-07 Mtome Co., Ltd A system and method for contents upload using a mobile terminal
KR20080105160A (ko) 2006-03-15 2008-12-03 퀄컴 인코포레이티드 사용자의 루트에 기초하여 관련된 관심 지점 정보를 결정하는 방법 및 장치
US8688375B2 (en) * 2006-05-31 2014-04-01 Trx Systems, Inc. Method and system for locating and monitoring first responders
US9137629B2 (en) 2006-08-31 2015-09-15 Qualcomm Incorporated Apparatus and methods for providing location-based services to a mobile computing device having a dual processor architecture
US7958104B2 (en) 2007-03-08 2011-06-07 O'donnell Shawn C Context based data searching
US20080270880A1 (en) 2007-04-19 2008-10-30 Lynne Becker System and method for memoralizing predetermined events
US9733091B2 (en) 2007-05-31 2017-08-15 Trx Systems, Inc. Collaborative creation of indoor maps
US9448072B2 (en) * 2007-05-31 2016-09-20 Trx Systems, Inc. System and method for locating, tracking, and/or monitoring the status of personnel and/or assets both indoors and outdoors
US8751151B2 (en) * 2012-06-12 2014-06-10 Trx Systems, Inc. System and method for localizing a trackee at a location and mapping the location using inertial sensor information
US8680019B2 (en) * 2007-08-10 2014-03-25 Protelica, Inc. Universal fibronectin Type III binding-domain libraries
CN101493510B (zh) * 2008-01-21 2011-08-24 英华达（上海）科技有限公司 室内定位系统及方法
CH699096A2 (fr) 2008-07-08 2010-01-15 Gilles Rooss Systeme de geolocalisation adaptatif pilote par l'environnement.
KR101017479B1 (ko) 2008-12-01 2011-02-25 주식회사 케이티 위치기반 서비스에서 관심지점 정보 제공 방법 및 장치
US8825074B2 (en) 2009-02-02 2014-09-02 Waldeck Technology, Llc Modifying a user'S contribution to an aggregate profile based on time between location updates and external events
US20120141023A1 (en) 2009-03-18 2012-06-07 Wang Wiley H Smart photo story creation
US8812015B2 (en) 2009-10-01 2014-08-19 Qualcomm Incorporated Mobile device locating in conjunction with localized environments
US8756010B2 (en) * 2009-10-12 2014-06-17 Qualcomm Incorporated Method and apparatus for identification of points of interest within a predefined area
US8543143B2 (en) 2009-12-23 2013-09-24 Nokia Corporation Method and apparatus for grouping points-of-interest according to area names
US8479107B2 (en) 2009-12-31 2013-07-02 Nokia Corporation Method and apparatus for fluid graphical user interface
US9389085B2 (en) 2010-01-22 2016-07-12 Qualcomm Incorporated Map handling for location based services in conjunction with localized environments
US20110208822A1 (en) * 2010-02-22 2011-08-25 Yogesh Chunilal Rathod Method and system for customized, contextual, dynamic and unified communication, zero click advertisement and prospective customers search engine
JP5471626B2 (ja) 2010-03-09 2014-04-16 ソニー株式会社 情報処理装置、マップ更新方法、プログラム及び情報処理システム
CA2797540C (en) 2010-04-26 2019-11-05 Locationary, Inc. Method and system for distributed data verification
US9002535B2 (en) * 2010-05-11 2015-04-07 Irobot Corporation Navigation portals for a remote vehicle control user interface
US8260539B2 (en) * 2010-05-12 2012-09-04 GM Global Technology Operations LLC Object and vehicle detection and tracking using 3-D laser rangefinder
CN102960036B (zh) 2010-05-19 2016-11-09 诺基亚技术有限公司 众包视觉和传感器勘测绘图
US20110285591A1 (en) 2010-05-19 2011-11-24 Palm, Inc. Correlating contextual data and position data to improve location based services
WO2011144967A1 (en) 2010-05-19 2011-11-24 Nokia Corporation Extended fingerprint generation
WO2011144968A1 (en) 2010-05-19 2011-11-24 Nokia Corporation Physically-constrained radiomaps
US20110313779A1 (en) 2010-06-17 2011-12-22 Microsoft Corporation Augmentation and correction of location based data through user feedback
KR101429954B1 (ko) * 2010-06-25 2014-08-14 에스케이텔레콤 주식회사 인빌딩 전파 환경 맵 생성 방법과 그를 위한 장치
US8892118B2 (en) 2010-07-23 2014-11-18 Qualcomm Incorporated Methods and apparatuses for use in providing position assistance data to mobile stations
US9234965B2 (en) * 2010-09-17 2016-01-12 Qualcomm Incorporated Indoor positioning using pressure sensors
US10983945B2 (en) * 2010-09-30 2021-04-20 Fitbit, Inc. Method of data synthesis
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
US8762101B2 (en) * 2010-09-30 2014-06-24 Fitbit, Inc. Methods and systems for identification of event data having combined activity and location information of portable monitoring devices
US20120102164A1 (en) 2010-10-21 2012-04-26 International Business Machines Corporation Deployment of location based applications with crowdsourced structured points of input for data entry
US8699773B2 (en) * 2010-10-21 2014-04-15 Beth Israel Deaconess Medical Center Method for image reconstruction using low-dimensional-structure self-learning and thresholding
US10169017B2 (en) 2010-10-21 2019-01-01 International Business Machines Corporation Crowdsourcing location based applications and structured data for location based applications
US8676623B2 (en) 2010-11-18 2014-03-18 Navteq B.V. Building directory aided navigation
US8930123B2 (en) 2010-11-19 2015-01-06 International Business Machines Corporation Systems and methods for determining traffic intensity using information obtained through crowdsourcing
US20120173204A1 (en) 2010-12-30 2012-07-05 Honeywell International Inc. Building map generation using location and tracking data
KR101969930B1 (ko) 2011-01-07 2019-04-18 삼성전자주식회사 컨텐트 수집 방법 및 그 장치
US9341720B2 (en) 2011-01-11 2016-05-17 Qualcomm Incorporated Camera-based position location and navigation based on image processing
US8542637B2 (en) 2011-01-18 2013-09-24 Microsoft Corporation Clustering crowd-sourced data for determining beacon positions
US8577389B2 (en) 2011-01-18 2013-11-05 Microsoft Corporation Filtering and clustering crowd-sourced data for determining beacon positions
US20120185458A1 (en) 2011-01-18 2012-07-19 Microsoft Corporation Clustering crowd-sourced data to identify event beacons
JP5246286B2 (ja) 2011-03-15 2013-07-24 カシオ計算機株式会社 画像記録装置、画像記録方法及びプログラム
US8320939B1 (en) 2011-04-21 2012-11-27 Google Inc. Crowd-sourced information for interior localization and navigation
US8856121B1 (en) 2011-04-28 2014-10-07 Adobe Systems Incorporated Event based metadata synthesis
US8918463B2 (en) 2011-04-29 2014-12-23 Facebook, Inc. Automated event tagging
US8583400B2 (en) 2011-05-13 2013-11-12 Google Inc. Indoor localization of mobile devices
US8811748B2 (en) 2011-05-20 2014-08-19 Autodesk, Inc. Collaborative feature extraction system for three dimensional datasets
US20120303556A1 (en) 2011-05-27 2012-11-29 Microsoft Corporation Comparison of modeling and inference methods at multiple spatial resolutions
US8548738B1 (en) 2011-07-08 2013-10-01 Google Inc. Constructing paths based on a particle model
US8559975B2 (en) 2011-07-22 2013-10-15 Microsoft Corporation Location determination based on weighted received signal strengths
KR101668784B1 (ko) 2011-09-23 2016-10-24 퀄컴 인코포레이티드 근접 핑거프린트들을 통한 포지션 추정
US20130084882A1 (en) 2011-09-30 2013-04-04 Qualcomm Incorporated Becoming more "aware" through use of crowdsourcing and device interaction
US8472980B2 (en) 2011-10-01 2013-06-25 Qualcomm Incorporated Flexible architecture for location based crowdsourcing of contextual data
US9154433B2 (en) * 2011-10-25 2015-10-06 Nicira, Inc. Physical controller
US9349147B2 (en) * 2011-11-01 2016-05-24 Google Inc. Displaying content items related to a social network group on a map
EP2773974B1 (en) 2011-11-02 2018-03-14 Navin Systems Ltd. Generating and using a location fingerprinting map
CN103118427B (zh) 2011-11-16 2015-01-07 北京百度网讯科技有限公司 基于位置预取的定位方法及系统
US8626198B2 (en) 2011-11-16 2014-01-07 Qualcomm Incorporated Characterizing an indoor structure based on detected movements and/or position locations of a mobile device
KR20130063915A (ko) 2011-12-07 2013-06-17 한국전자통신연구원 실내 측위를 위한 경로 추정 방법 및 그 장치
BR112014016106B1 (pt) 2011-12-28 2022-03-22 Intel Corporation Método e aparelho para fornecimento de serviço de navegação incluindo comunicação de informação de elevação e/ou orientação vertical
WO2013100287A1 (ko) 2011-12-29 2013-07-04 Song Ha Yoon 데이터처리방법, 데이터처리장치, 데이터수집방법, 및 정보제공방법
CA2864003C (en) 2012-02-23 2021-06-15 Charles D. Huston System and method for creating an environment and for sharing a location based experience in an environment
US9052203B2 (en) 2012-03-17 2015-06-09 Mcube, Inc. Methods and apparatus for low-cost inertial dead-reckoning using context detection
US20130267251A1 (en) 2012-04-10 2013-10-10 Qualcomm Incorporated Personalized position using information correlation and self-sourcing
JP2013231634A (ja) 2012-04-27 2013-11-14 Hitachi Consumer Electronics Co Ltd 位置情報提供システム、ナビゲーションシステム、及び端末装置
US9494432B2 (en) 2012-06-19 2016-11-15 Qualcomm Incorporated Collaborative navigation techniques for mobile devices
US9439041B2 (en) 2012-06-29 2016-09-06 Lighthouse Signal Systems, Llc Systems and methods for calibration based indoor geolocation
KR101366015B1 (ko) 2012-07-06 2014-02-24 한국전자통신연구원 고도 측정이 가능한 휴대 단말 및 이를 이용한 고도 측정 방법
CN102821464B (zh) * 2012-08-13 2015-08-19 北京邮电大学 一种室内楼层定位方法及装置
EP2885609B1 (en) 2012-08-15 2021-04-21 Google LLC Crowd-sourcing indoor locations
US8934884B2 (en) 2012-09-21 2015-01-13 SenionLab AB Method and device for indoor position resolution
US9338622B2 (en) 2012-10-04 2016-05-10 Bernt Erik Bjontegard Contextually intelligent communication systems and processes
CN102880719A (zh) * 2012-10-16 2013-01-16 四川大学 基于位置社交网络的用户轨迹相似性挖掘方法
US20140114567A1 (en) 2012-10-18 2014-04-24 Research In Motion Limited Generating an elevation model using mobile devices
KR101382331B1 (ko) * 2012-10-30 2014-04-08 현대자동차 주식회사 클러스터의 음성 재생 장치
US9678660B2 (en) 2012-11-05 2017-06-13 Nokia Technologies Oy Method and apparatus for conveying efficient map panning over a mapping user interface
US9730029B2 (en) * 2012-11-08 2017-08-08 Duke University Unsupervised indoor localization and heading directions estimation
WO2014102568A1 (en) * 2012-12-27 2014-07-03 Arria Data2Text Limited Method and apparatus for motion detection
US20140188537A1 (en) 2013-01-02 2014-07-03 Primordial System and method for crowdsourcing map production
KR20140099386A (ko) 2013-02-01 2014-08-12 한국전자통신연구원 모바일 단말과 전자해도 서버 및 그의 크라우드소싱 기반의 전자해도 갱신 방법
US9135569B2 (en) * 2013-02-01 2015-09-15 Telenav, Inc. Navigation system with anomaly detection mechanism and method of operation thereof
US9164844B2 (en) 2013-03-12 2015-10-20 Qualcomm Incorporated Method and apparatus for detecting anomalies within indoor information
CN103605362B (zh) * 2013-09-11 2016-03-02 天津工业大学 基于车辆轨迹多特征的运动模式学习及异常检测方法
US9271117B2 (en) * 2013-09-27 2016-02-23 Samsung Electronics Co., Ltd. Computing system with configuration update mechanism and method of operation thereof
KR102196937B1 (ko) 2013-10-30 2020-12-31 삼성전자주식회사 건물 내 사용자의 위치 추정방법 및 그 장치
CN103593430B (zh) * 2013-11-11 2017-03-22 胡宝清 一种基于移动对象时空信息轨迹分段聚类的方法
KR20150076796A (ko) 2013-12-27 2015-07-07 한국전자통신연구원 입체적 실내경로 제공 장치, 시스템 및 그 방법
US9970757B2 (en) 2014-01-08 2018-05-15 Qualcomm Incorporated Method and apparatus for positioning with always on barometer
US10466056B2 (en) 2014-04-25 2019-11-05 Samsung Electronics Co., Ltd. Trajectory matching using ambient signals
US9863773B2 (en) 2014-04-29 2018-01-09 Samsung Electronics Co., Ltd. Indoor global positioning system
FR3022622B1 (fr) * 2014-06-18 2016-07-29 Commissariat Energie Atomique Procede de localisation d'un appareil qui est deplace a l'interieur d'un espace tridimentionnel
US10599953B2 (en) * 2014-08-27 2020-03-24 Verint Americas Inc. Method and system for generating and correcting classification models

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130297198A1 (en) 2010-12-20 2013-11-07 Tomtom Belgium N.V. Method for generating map data
US20130262479A1 (en) * 2011-10-08 2013-10-03 Alohar Mobile Inc. Points of interest (poi) ranking based on mobile user related data

Also Published As

Publication number Publication date
WO2016032172A1 (ko) 2016-03-03
US20170184405A1 (en) 2017-06-29
EP3197217A1 (en) 2017-07-26
US9726504B2 (en) 2017-08-08
EP3197217A4 (en) 2018-07-18
KR102655627B1 (ko) 2024-04-09
CN106605123A (zh) 2017-04-26
CN108140052B (zh) 2022-04-12
EP3335134A1 (en) 2018-06-20
KR20180089441A (ko) 2018-08-08
US9541404B2 (en) 2017-01-10
US20160061607A1 (en) 2016-03-03
CN106605123B (zh) 2021-01-12
EP3335134A4 (en) 2018-09-19
EP3197217B1 (en) 2021-10-06
WO2017115945A1 (en) 2017-07-06
KR20160026707A (ko) 2016-03-09
CN108140052A (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
KR102399591B1 (ko) 관심 지역 및 입구의 위치를 결정하는 시스템
Renaudin et al. Evaluating indoor positioning systems in a shopping mall: The lessons learned from the IPIN 2018 competition
KR102022668B1 (ko) 랜드마크 위치 결정
KR102147625B1 (ko) 위치지문맵의 생성 및 이용
EP3213031B1 (en) Simultaneous localization and mapping by using earth's magnetic fields
US20170219359A1 (en) Method and system for estimating uncertainty for offline map information aided enhanced portable navigation
KR101970920B1 (ko) 실내 측위 방법 및 이를 이용한 주차 경로 안내 방법
US9462423B1 (en) Qualitative and quantitative sensor fusion for indoor navigation
US10547976B2 (en) Method and system for assigning point of sale information
US9918203B2 (en) Correcting in-venue location estimation using structural information
Papaioannou et al. Fusion of radio and camera sensor data for accurate indoor positioning
US20200175864A1 (en) Calibration for wireless localization and detection of vulnerable road users
US10656285B2 (en) Method for positioning a mobile terminal at the moment when a trigger event occurs
US11785430B2 (en) System and method for real-time indoor navigation
US20210140787A1 (en) Method, apparatus, and system for detecting and classifying points of interest based on joint motion
US20210142187A1 (en) Method, apparatus, and system for providing social networking functions based on joint motion
JPWO2020085142A1 (ja) 計測装置及び計測システム
GB2570853A (en) Identifying sites visited by a user device
JP2020085783A (ja) 歩行者用測位装置、歩行者用測位システム及び歩行者用測位方法
Ludziejewski et al. Integrated human tracking based on video and smartphone signal processing within the Arahub system
Zhou et al. Automatic construction of floor plan with smartphone sensors
CN117109592B (zh) 一种车辆导航方法、装置、计算机设备及存储介质
Gao et al. Mapless Indoor Navigation Based on Landmarks
Keshka et al. A Comparison of Indoor Positioning Approaches with UWB, IMU, WiFi and Magnetic Fingerprinting
Wang Indoor navigation for passengers in underground transit stations using smartphones

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