KR20150131780A - 목적지 예측 장치 및 방법 - Google Patents

목적지 예측 장치 및 방법 Download PDF

Info

Publication number
KR20150131780A
KR20150131780A KR1020140059014A KR20140059014A KR20150131780A KR 20150131780 A KR20150131780 A KR 20150131780A KR 1020140059014 A KR1020140059014 A KR 1020140059014A KR 20140059014 A KR20140059014 A KR 20140059014A KR 20150131780 A KR20150131780 A KR 20150131780A
Authority
KR
South Korea
Prior art keywords
destination
user
location
main
profile
Prior art date
Application number
KR1020140059014A
Other languages
English (en)
Inventor
문민영
박상도
성재모
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 KR1020140059014A priority Critical patent/KR20150131780A/ko
Priority to US14/714,967 priority patent/US20150331085A1/en
Publication of KR20150131780A publication Critical patent/KR20150131780A/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
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
    • H04W8/08—Mobility data transfer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/18—Service support devices; Network management devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
    • H04W4/08—User group 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)

Abstract

목적지 예측 장치 및 방법이 개시된다. 목적지 예측 장치는, 사용자의 위치 추적 데이터로부터 적어도 하나의 주요 위치를 인식하는 주요 위치 인식부와, 인식된 적어도 하나의 주요 위치를 그 의미에 기초하여 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성하는 의미 장소 분류부와, 분류 결과를 기반으로 각 의미 장소별로 주요 위치에 대한 방문 데이터를 프로파일링하여 주요 위치 프로파일을 생성하는 주요 위치 프로파일링부와, 생성된 의미 장소 추적 데이터, 생성된 주요 위치 프로파일, 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 사용자의 목적지를 예측하는 예측부를 포함할 수 있다.

Description

목적지 예측 장치 및 방법{Apparatus and Method for predicting destination}
목적지 예측 장치 및 방법과 관련된다.
모바일 기기들의 발전으로, 모바일 기기들은 전화, 음악이나 영화 감상, 인터넷, 게임 및 사진 촬영과 같은 다양한 서비스를 제공하고 있다. 또한, 모바일 기기에 GPS 칩을 내장하여, 모바일 기기의 위치를 알려주는 서비스도 제공되고 있으며, 모바일 기기와 GPS 정보를 이용한 위치 기반 서비스(LBS: Location Based Services)를 결합하여, 다양한 서비스를 제공하는 기술이 활발히 연구되고 있다.
한편, 대부분의 목적지 예측 알고리즘들은 개인의 과거 위치 추적 정보가 어느 정도 축적이 되고, 축적된 데이터를 바탕으로 목적지를 예측하고 있다. 하지만 이와 같은 특성은 사용자가 서비스를 이용하는 다운 시간(down time)이 길다는 문제가 있다.
목적지 예측 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 목적지 예측 장치는, 사용자의 위치 추적 데이터로부터 적어도 하나의 주요 위치(significant location)를 인식하는 주요 위치 인식부와, 인식된 적어도 하나의 주요 위치를 그 의미(semantics)에 기초하여 적어도 하나의 의미 장소(semantic place)로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성하는 의미 장소 분류부와, 분류 결과를 기반으로 각 의미 장소별로 주요 위치에 대한 방문 데이터를 프로파일링하여 주요 위치 프로파일을 생성하는 주요 위치 프로파일링부와, 생성된 의미 장소 추적 데이터, 생성된 주요 위치 프로파일, 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 사용자의 목적지를 예측하는 예측부를 포함할 수 있다.
여기서, 주요 위치 인식부는 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 및 특정 주기로 반복하여 방문한 위치 중 적어도 하나를 주요 위치로 인식할 수 있다.
여기서, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일은 외부 서버에 미리 구축될 수 있다.
여기서, 예측부는 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단하는 주요 이동성 패턴 판단부와, 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하는 사용자 집단 검색부와, 검색된 사용자 집단의 이동성 패턴으로부터 목적지 의미 장소를 예측하는 목적지 의미 장소 예측부와, 생성된 주요 위치 프로파일을 참조하여, 예측된 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 목적지 위치 예측부를 포함할 수 있다.
여기서, 목적지 위치 예측부는 주요 위치 프로파일을 참조한 결과 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측할 수 있다.
또한, 예측부는 생성된 의미 장소 추적 데이터, 생성된 주요 위치 프로파일, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일, 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 목적지를 예측할 수 있다.
여기서, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일은 외부 서버에 미리 구축될 수 있다.
여기서, 예측부는 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단하는 주요 이동성 패턴 판단부와, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 제1 사용자 집단을 검색하고, 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 장치 사용자의 속성과 가장 유사한 사용자 속성을 가지는 제2 사용자 집단을 검색하는 사용자 집단 검색부와, 검색된 제1 사용자 집단 및 제2 사용자 집단의 이동성 패턴으로부터 적어도 하나의 목적지 의미 장소를 예측하는 목적지 의미 장소 예측부와, 생성된 주요 위치 프로파일을 참조하여, 예측된 적어도 하나의 목적지 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 목적지 위치 예측부를 포함할 수 있다.
여기서, 목적지 위치 예측부는 주요 위치 프로파일을 참조한 결과 상기 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하지 않는 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측할 수 있다.
다른 양상에 따른 목적지 예측 방법은, 사용자의 위치 추적 데이터로부터 적어도 하나의 주요 위치(significant location)를 인식하는 단계와, 인식된 적어도 하나의 주요 위치를 그 의미(semantics)에 기초하여 적어도 하나의 의미 장소(semantic place)로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성하는 단계와, 생성된 의미 장소 추적 데이터, 기 저장된 사용자의 주요 위치 프로파일, 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 사용자의 목적지를 예측하는 단계를 포함할 수 있다.
여기서, 적어도 하나의 주요 위치를 인식하는 단계는, 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 및 특정 주기로 반복하여 방문한 위치 중 적어도 하나를 주요 위치로 인식할 수 있다.
여기서, 사용자의 목적지를 예측하는 단계는, 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단하는 단계와, 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하는 단계와, 검색된 사용자 집단의 이동성 패턴으로부터 목적지 의미 장소를 예측하는 단계와, 기 저장된 사용자의 주요 위치 프로파일을 참조하여, 예측된 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 단계를 포함할 수 있다.
추가적 양상에 따르면, 목적지 예측 방법은, 주요 위치 프로파일을 참조한 결과 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 단계를 더 포함할 수 있다.
또한, 사용자의 목적지를 예측하는 단계는. 생성된 의미 장소 추적 데이터, 주요 위치 프로파일, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일, 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 목적지를 예측할 수 있다.
여기서, 사용자의 목적지를 예측하는 단계는, 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단하는 단계와, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 제1 사용자 집단을 검색하는 단계와, 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 사용자의 속성과 가장 유사한 사용자 속성을 가지는 제2 사용자 집단을 검색하는 단계와, 검색된 제1 사용자 집단 및 제2 사용자 집단의 이동성 패턴으로부터 적어도 하나의 목적지 의미 장소를 예측하는 단계와, 주요 위치 프로파일을 참조하여, 예측된 적어도 하나의 목적지 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 단계를 포함할 수 있다.
추가적 양상에 따른 목적지 예측 방법은, 주요 위치 프로파일을 참조한 결과 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하지 않는 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 단계를 더 포함할 수 있다.
위치 기반 능동적 정보 제공 서비스(location-based proactive information provisioning service)를 처음부터 다운 시간 없이 이용할 수 있다.
사용자의 다음 목적지를 예측함으로써, 시간을 효율적으로 사용하는 것이 가능하고 다양한 정보를 사용자에게 제공하는 것이 가능하다.
도 1은 목적지 예측 장치의 일 실시예를 도시한 블록도이다.
도 2는 예측부(140)의 일 실시예를 도시한 블록도이다.
도 3은 목적지 예측 장치의 다른 실시예를 도시한 블록도이다.
도 4는 예측부(340)의 일 실시예를 도시한 블록도이다.
도 5는 목적지 예측 장치의 또 다른 실시예를 도시한 블록도이다.
도 6은 목적지 예측 방법의 일 실시예를 도시한 흐름도이다.
도 7은 목적지 예측 방법의 다른 실시예를 도시한 흐름도이다.
도 8은 목적지 예측 방법의 또 다른 실시예를 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 목적지 예측 장치의 일 실시예를 도시한 블록도이다.
도 1을 참조하면, 일 실시예에 따른 목적지 예측 장치(100)는 주요 위치 인식부(110), 의미 장소 분류부(120), 사용자 프로파일링부(130) 및 예측부(140)를 포함할 수 있다.
주요 위치 인식부(110)는 사용자의 위치 추적 데이터(10)로부터 주요 위치(significant location)를 인식할 수 있다.
위치 추적 데이터(10)는 입도(granularity)와 상관없이 어떠한 형태의 위치 데이터도 가능하다. 예컨대, 위치 추적 데이터(10)는 GPS 데이터, Wi-Fi 엑세스 포인트에 기반한 위치 데이터, 및 기지국 ID와 같은 셀 ID에 기반한 위치 데이터 등을 포함할 수 있다.
일 실시예에 따르면, 주요 위치 인식부(110)는 사용자의 위치 추적 데이터(10)로부터 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 특정 주기로 방문한 위치, 및 특정 시간 대에 방문한 위치 등을 주요 위치로 인식할 수 있다.
이때, 주요 위치는 위치 추적 데이터(10)의 타입(예컨대, GPS 데이터, 엑세스 포인트에 기반한 위치 데이터, 및 기지국 ID와 같은 셀 ID에 기반한 위치 데이터 등)에 따라 입도가 달라질 수 있다.
의미 장소 분류부(120)는 주요 위치 인식부(110)에서 인식한 주요 위치에 대한 방문 데이터를 기반으로 주요 위치의 의미(semantics)를 파악하여, 인식된 주요 위치를 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터(10)에 대응하는 의미 장소 추적 데이터를 생성할 수 있다. 여기서, 방문 데이터는 진입/이탈 시간, 방문 횟수, 머문 시간, 머문 시간대 등을 포함할 수 있다.
의미 장소는 유사한 의미를 가지는 위치들의 집합으로 정의될 수 있다. 또한, 의미 장소는 사용자에 의해 집, 회사, 공원, 기타 등으로 라벨링될 수 있다.
주요 위치 프로파일링부(130)는 의미 장소 분류부(120)의 분류 결과를 기반으로, 각 의미 장소별로 주요 위치에 대한 방문 데이터(예컨대, 진입/이탈 시간, 방문 횟수, 머문 시간, 머문 시간대 등)를 프로파일링하여 주요 위치 프로파일(131)을 생성할 수 있다.
예측부(140)는 의미 장소 분류부(120)에서 생성된 의미 장소 추적 데이터, 주요 위치 프로파일(131) 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일(21)을 기반으로 목적지를 예측할 수 있다.
이때, 사용자 집단 이동성 프로파일(21)은 서버(20)에 미리 구축될 수 있다. 즉. 서버(20)는 다수의 사용자를 이동성 패턴(mobility pattern)에 따라 다수의 사용자 집단으로 군집화하고, 각 사용자 집단별로 이동성 프로파일링을 하여 사용자 집단 이동성 프로파일(21)을 생성할 수 있다.
일 실시예에 따르면, 예측부(140)는 의미 장소 분류부(120)에서 생성된 의미 장소 추적 데이터로부터 사용자의 주요 이동성 패턴을 추출하고, 사용자 집단 이동성 프로파일(21)을 참조하여 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하고, 검색된 사용자 집단의 이동성 패턴을 기반으로 사용자의 목적지 의미 장소를 예측할 수 있다. 그 후, 예측부(140)는 주요 위치 프로파일(131)을 참조하여, 예측된 목적지 의미 장소에 대응하는 적어도 하나의 주요 위치를 검출함으로써 목적지 위치를 예측할 수 있다.
일 실시예에 따르면, 예측부(140)는 주요 위치 프로파일(131)을 참조한 결과, 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 것도 가능하다.
이하, 도 2를 참조하여 예측부(140)를 상세하게 설명하기로 한다.
도 2는 예측부(140)의 일 실시예를 도시한 블록도이다.
도 2를 참조하면, 예측부(140)는 주요 이동성 패턴 판단부(141), 사용자 집단 검색부(142), 목적지 의미 장소 예측부(143) 및 목적지 위치 예측부(144)를 포함할 수 있다.
주요 이동성 패턴 판단부(141)는 의미 장소 분류부(120)에서 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단할 수 있다.
예컨대, 주요 이동성 패턴 판단부(141)는 빈발 항목 집합(frequent item set) 탐색 알고리즘, 주요인분석(LDA: Linear Discriminant Analysis) 알고리즘 및 주성분분석(PCA: Principal Component Analysis) 알고리즘 등을 이용하여 사용자의 주요 이동성 패턴을 판단할 수 있다. 그러나, 상술한 예에 한정되는 것은 아니며, 우세하거나(dominant) 주요한(significant) 이동성 패턴을 판단하는 어떠한 알고리즘도 사용될 수 있다.
사용자 집단 검색부(142)는 사용자 집단 이동성 프로파일(21)을 참조하여, 주요 이동성 패턴 판단부(141)에서 판단한 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색할 수 있다.
예컨대, 사용자 집단 검색부(142)는 사용자의 주요 이동성 패턴과 각 사용자 집단의 대표 이동성 프로파일간의 유사도를 산출하여 가장 유사도가 높은 사용자 집단을 검색할 수 있다. 이때, 이동성 프로파일은 벡터 형식 또는 n-dimensional matrix 형식으로 표현될 수 있고, 이에 따라 사용자 집단 검색부(142)는 다양한 거리 측정 방법을 사용하여 유사도를 산출할 수 있다.
목적지 의미 장소 예측부(143)는 사용자 집단 검색부(142)에서 검색된 사용자 집단의 대표 이동성 패턴으로부터 목적지 의미 장소를 예측할 수 있다.
목적지 위치 예측부(144)는 주요 위치 프로파일링부(130)에서 생성된 주요 위치 프로파일(131)을 참조하여, 목적지 의미 장소 예측부(143)에서 예측된 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 검출함으로써, 사용자의 목적지 위치를 예측할 수 있다.
또한, 목적지 위치 예측부(144)는 주요 위치 프로파일(131)을 참조한 결과, 목적지 의미 장소 예측부(143)에서 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 것도 가능하다.
도 3은 목적지 예측 장치의 다른 실시예를 도시한 블록도이다.
도 3을 참조하면, 다른 실시예에 따른 목적지 예측 장치(300)는 주요 위치 인식부(310), 의미 장소 분류부(320), 사용자 프로파일링부(330) 및 예측부(340)를 포함할 수 있다. 여기서, 주요 위치 인식부(310), 의미 장소 분류부(320) 및 사용자 프로파일링부(330)는 각각 목적지 예측 장치(100)의 주요 위치 인식부(110), 의미 장소 분류부(120) 및 사용자 프로파일링부(130)와 기능이 동일하므로, 그 상세한 설명은 생략한다.
예측부(340)는 의미 장소 분류부(320)에서 생성된 의미 장소 추적 데이터, 주요 위치 프로파일링부(330)에서 생성된 주요 위치 프로파일(331), 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일(이하, 이동성 기반 사용자 집단 이동성 프로파일)(41) 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일(이하, 속성 기반 사용자 집단 이동성 프로파일)(42)을 기반으로 목적지를 예측할 수 있다.
이때, 이동성 기반 사용자 집단 이동성 프로파일(41) 및 사용자 속성 기반 사용자 집단 이동성 프로파일(42)은 서버(40)에 미리 구축될 수 있다. 즉. 서버(40)는 다수의 사용자를 이동성 패턴(mobility pattern)에 따라 다수의 사용자 집단으로 군집화하고, 각 사용자 집단별로 이동성 프로파일링을 하여 이동성 기반 사용자 집단 이동성 프로파일(41)을 생성할 수 있다. 또한, 서버(40)는 다수의 사용자를 사용자 속성에 따라 다수의 사용자 집단으로 군집화하고, 각 사용자 집단별로 이동성 프로파일링을 하여 속성 기반 사용자 집단 이동성 프로파일(42)을 생성할 수 있다. 여기서, 사용자 속성은 사용자의 나이, 성별, 직업 등과 같은 전기(biography) 정보를 포함할 수 있다.
일 실시예에 따르면, 예측부(340)는 의미 장소 분류부(320)에서 생성된 의미 장소 추적 데이터로부터 사용자의 주요 이동성 패턴을 추출하고, 이동성 기반 사용자 집단 이동성 프로파일(41)을 참조하여 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하고, 검색된 사용자 집단의 이동성 패턴을 기반으로 목적지 의미 장소를 예측할 수 있다. 또한, 예측부(340)는 속성 기반 사용자 집단 이동성 프로파일(42)을 참조하여 사용자의 속성과 가장 유사한 속성을 가지는 사용자 집단을 검색하고, 검색된 사용자 집단의 이동성 패턴을 기반으로 목적지 의미 장소를 예측할 수 있다. 또한, 예측부(340)는 주요 위치 프로파일(331)을 참조하여, 예측된 목적지 의미 장소들에 대응하는 적어도 하나의 주요 위치를 검출함으로써 사용자의 목적지 위치를 예측할 수 있다.
이하, 도 4를 참조하여 예측부(340)를 상세하게 설명하기로 한다.
도 4는 예측부(340)의 일 실시예를 도시한 블록도이다.
도 4를 참조하면, 예측부(340)는 주요 이동성 패턴 판단부(341), 사용자 집단 검색부(342), 목적지 의미 장소 예측부(343) 및 목적지 위치 예측부(344)를 포함할 수 있다. 여기서, 주요 이동성 패턴 판단부(341)는 예측부(140)의 주요 이동성 패턴 판단부(141)와 동일한 기능을 수행하므로, 그 상세한 설명은 생략하기로 한다.
사용자 집단 검색부(342)는 이동성 기반 사용자 집단 이동성 프로파일(41)을 참조하여, 주요 이동성 패턴 판단부(341)에서 판단한 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색할 수 있다. 예컨대, 사용자 집단 검색부(342)는 사용자의 주요 이동성 패턴과 각 사용자 집단의 대표 이동성 프로파일간의 유사도를 산출하여 가장 유사도가 높은 사용자 집단을 검색할 수 있다.
또한, 사용자 집단 검색부(342)는 속성 기반 사용자 집단 이동성 프로파일(42)을 참조하여, 사용자의 속성과 가장 유사한 속성을 가지는 사용자 집단을 검색할 수 있다. 예컨대, 사용자 집단 검색부(342)는 사용자의 나이, 성별, 직업 등과 같은 속성 정보를 기준으로 하여 가장 유사한 사용자 집단을 검색할 수 있다.
목적지 의미 장소 예측부(343)는 사용자 집단 검색부(342)에서 검색한 사용자 집단들 각각의 대표 이동성 패턴으로부터 적어도 하나의 의미 장소를 예측할 수 있다.
목적지 위치 예측부(344)는 주요 위치 프로파일링부(330)에서 생성된 주요 위치 프로파일(331)을 참조하여, 목적지 의미 장소 예측부(343)에서 예측된 적어도 하나의 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 검출함으로써, 사용자의 목적지 위치를 예측할 수 있다.
또한, 목적지 위치 예측부(344)는 주요 위치 프로파일(331)을 참조한 결과, 목적지 의미 장소 예측부(343)에서 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하지 않는 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 것도 가능하다.
도 5는 목적지 예측 장치의 또 다른 실시예를 도시한 블록도이다.
도 1 및 도 5를 참조하면, 또 다른 실시예에 따른 목적지 예측 장치(500)는 목적지 예측 장치(100)와 달리, 예측부(140)가 목적지 예측 장치(500)에 포함되지 않고, 서버(60)에 포함된다.
이 경우, 목적지 예측 장치(500)는 의미 장소 분류부(120)에서 생성된 의미 장소 추적 데이터 및 주요 위치 프로파일링부(130)에서 생성된 주요 위치 프로파일(131)이 포함된 목적지 예측 요청 신호를 서버(60)로 전송하고, 서버(60)로부터 목적지 예측 결과를 수신함으로써, 목적지 예측이 가능하다.
도 6은 목적지 예측 방법의 일 실시예를 도시한 흐름도이다.
도 6을 참조하면, 일 실시예에 따른 목적지 예측 방법은, 먼저, 사용자의 위치 추적 데이터로부터 주요 위치를 인식한다(610). 예컨대, 주요 위치 인식부(110)는 사용자의 위치 추적 데이터(10)로부터 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 특정 주기로 방문한 위치, 및 특정 시간 대에 방문한 위치 등을 주요 위치로 인식할 수 있다.
그 후, 인식된 주요 위치를 그 의미에 기초하여 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성한다(620). 예컨대, 의미 장소 분류부(120)는 주요 위치 인식부(110)에서 인식한 주요 위치에 대한 방문 데이터를 기반으로 주요 위치의 의미(semantics)를 파악하여, 인식된 주요 위치를 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터(10)에 대응하는 의미 장소 추적 데이터를 생성할 수 있다. 여기서, 방문 데이터는 진입/이탈 시간, 방문 횟수, 머문 시간, 머문 시간대 등을 포함할 수 있다.
그 후, 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단한다(630). 예컨대, 주요 이동성 패턴 판단부(141)는 빈발 항목 집합(frequent item set) 탐색 알고리즘, 주요인분석(LDA: Linear Discriminant Analysis) 알고리즘 및 주성분분석(PCA: Principal Component Analysis) 알고리즘 등을 이용하여 사용자의 주요 이동성 패턴을 판단할 수 있다.
그 후, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색한다(640).
그 후, 검색된 사용자 집단의 대표 이동성 패턴으로부터 목적지 의미 장소를 예측한다(650).
그 후, 기 저장된 주요 위치 프로파일을 참조하여 목적지 의미 장소에 대하여 프로파일링 되어 있는지 판단하고(660), 판단 결과 프로파일링 되어 있는 경우, 기 저장된 주요 위치 프로파일을 참조하여 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출함으로써, 목적지 위치를 예측한다(670).
한편, 단계 660의 판단 결과 프로파일링 되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측한다(680).
도 7은 목적지 예측 방법의 다른 실시예를 도시한 흐름도이다.
도 7을 참조하면, 다른 실시예에 따른 목적지 예측 방법은, 먼저, 사용자의 위치 추적 데이터로부터 주요 위치를 인식한다(710).
그 후, 인식된 주요 위치를 그 의미에 기초하여 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성한다(720).
그 후, 생성된 의미 장소 추적 데이터를 기반으로 사용자의 주요 이동성 패턴을 판단한다(730).
그 후, 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 사용자의 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색한다(740).
그 후, 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 사용자의 속성과 가장 유사한 속성을 가지는 사용자 집단을 검색한다(750).
그 후, 검색된 사용자 집단들 각각의 대표 이동성 패턴으로부터 적어도 하나의 목적지 의미 장소를 예측한다(760).
그 후, 기 저장된 주요 위치 프로파일을 참조하여 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하는 지를 판단하고(770), 판단 결과 존재하는 경우 경우, 기 저장된 주요 위치 프로파일을 참조하여 해당 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출함으로써, 목적지 위치를 예측한다(780).
한편, 단계 770의 판단 결과 존재하지 않는 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측한다(790).
도 8은 목적지 예측 방법의 또 다른 실시예를 도시한 흐름도이다.
도 8을 참조하면, 또 다른 실시예에 따른 목적지 예측 방법은 먼저, 목적지 예측 장치(500)가 사용자의 위치 추적 데이터로부터 주요 위치를 인식한다(810).
그 후, 목적지 예측 장치(500)가 인식된 주요 위치를 그 의미에 기초하여 적어도 하나의 의미 장소로 분류하고, 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성한다(820).
그 후, 목적지 예측 장치(500)가 의미 장소 추적 데이터 및 기 저장된 주요 위치 프로파일이 포함된 목적지 예측 요청 신호를 서버(60)에 전송한다(830).
그 후, 목적지 예측 요청 신호를 수신한 서버(60)는 수신된 의미 장소 추적 데이터, 주요 위치 프로파일 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일(21)을 기반으로 목적지를 예측한다(840).
그 후, 서버(60)가 목적지 예측 결과를 목적지 예측 장치(500)에 전송한다(850).
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
10: 위치 추적 데이터
100: 목적지 예측 장치
110: 주요 위치 인식부
120: 의미 장소 분류부
130: 주요 위치 프로파일링부
131: 주요 위치 프로파일
140: 예측부
20: 서버
21: 사용자 집단 이동성 프로파일

Claims (16)

  1. 사용자의 위치 추적 데이터로부터 적어도 하나의 주요 위치(significant location)를 인식하는 주요 위치 인식부;
    상기 인식된 적어도 하나의 주요 위치를 그 의미(semantics)에 기초하여 적어도 하나의 의미 장소(semantic place)로 분류하고, 상기 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성하는 의미 장소 분류부;
    상기 분류 결과를 기반으로 각 의미 장소별로 주요 위치에 대한 방문 데이터를 프로파일링하여 주요 위치 프로파일을 생성하는 주요 위치 프로파일링부; 및
    상기 생성된 의미 장소 추적 데이터, 상기 생성된 주요 위치 프로파일, 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 상기 사용자의 목적지를 예측하는 예측부; 를 포함하는 목적지 예측 장치.
  2. 제1 항에 있어서,
    상기 주요 위치 인식부는, 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 및 특정 주기로 반복하여 방문한 위치 중 적어도 하나를 주요 위치로 인식하는 목적지 예측 장치.
  3. 제1 항에 있어서,
    상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일은 외부 서버에 미리 구축되는 목적지 예측 장치.
  4. 제1 항에 있어서,
    상기 예측부는,
    상기 생성된 의미 장소 추적 데이터를 기반으로 상기 사용자의 주요 이동성 패턴을 판단하는 주요 이동성 패턴 판단부;
    상기 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 상기 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하는 사용자 집단 검색부;
    상기 검색된 사용자 집단의 이동성 패턴으로부터 목적지 의미 장소를 예측하는 목적지 의미 장소 예측부; 및
    상기 생성된 주요 위치 프로파일을 참조하여, 상기 예측된 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 목적지 위치 예측부; 를 포함하는 목적지 예측 장치.
  5. 제4 항에 있어서,
    상기 목적지 위치 예측부는,
    상기 주요 위치 프로파일을 참조한 결과 상기 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 목적지 예측 장치.
  6. 제1 항에 있어서,
    상기 예측부는, 상기 생성된 의미 장소 추적 데이터, 상기 생성된 주요 위치 프로파일, 상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일, 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 목적지를 예측하는 목적지 예측 장치.
  7. 제6 항에 있어서,
    상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일 및 상기 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일은 외부 서버에 미리 구축되는 목적지 예측 장치.
  8. 제6 항에 있어서,
    상기 예측부는,
    상기 생성된 의미 장소 추적 데이터를 기반으로 상기 사용자의 주요 이동성 패턴을 판단하는 주요 이동성 패턴 판단부;
    상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 상기 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 제1 사용자 집단을 검색하고, 상기 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 상기 장치 사용자의 속성과 가장 유사한 사용자 속성을 가지는 제2 사용자 집단을 검색하는 사용자 집단 검색부;
    검색된 제1 사용자 집단 및 제2 사용자 집단의 이동성 패턴으로부터 적어도 하나의 목적지 의미 장소를 예측하는 목적지 의미 장소 예측부; 및
    상기 생성된 주요 위치 프로파일을 참조하여, 상기 예측된 적어도 하나의 목적지 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 목적지 위치 예측부; 를 포함하는 목적지 예측 장치.
  9. 제8 항에 있어서,
    상기 목적지 위치 예측부는,
    상기 주요 위치 프로파일을 참조한 결과 상기 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하지 않는 경우, 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 목적지 예측 장치.
  10. 사용자의 위치 추적 데이터로부터 적어도 하나의 주요 위치(significant location)를 인식하는 단계;
    상기 인식된 적어도 하나의 주요 위치를 그 의미(semantics)에 기초하여 적어도 하나의 의미 장소(semantic place)로 분류하고, 상기 위치 추적 데이터에 대응하는 의미 장소 추적 데이터를 생성하는 단계; 및
    상기 생성된 의미 장소 추적 데이터, 기 저장된 사용자의 주요 위치 프로파일, 및 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 상기 사용자의 목적지를 예측하는 단계; 를 포함하는 목적지 예측 방법.
  11. 제10 항에 있어서,
    상기 적어도 하나의 주요 위치를 인식하는 단계는, 기 설정된 시간 이상 머문 위치, 기 설정된 횟수 이상 방문한 위치, 및 특정 주기로 반복하여 방문한 위치 중 적어도 하나를 주요 위치로 인식하는 목적지 예측 방법.
  12. 제10 항에 있어서,
    상기 사용자의 목적지를 예측하는 단계는,
    상기 생성된 의미 장소 추적 데이터를 기반으로 상기 사용자의 주요 이동성 패턴을 판단하는 단계;
    상기 군집화된 사용자 집단의 이동성 프로파일을 참조하여, 상기 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 사용자 집단을 검색하는 단계;
    상기 검색된 사용자 집단의 이동성 패턴으로부터 목적지 의미 장소를 예측하는 단계; 및
    상기 기 저장된 사용자의 주요 위치 프로파일을 참조하여, 상기 예측된 목적지 의미 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 단계; 를 포함하는 목적지 예측 방법.
  13. 제12 항에 있어서,
    상기 주요 위치 프로파일을 참조한 결과 상기 예측된 목적지 의미 장소에 대하여 프로파일링되어 있지 않은 경우, 상기 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 상기 사용자의 목적지 위치를 예측하는 단계; 를 더 포함하는 목적지 예측 방법.
  14. 제10 항에 있어서,
    상기 사용자의 목적지를 예측하는 단계는. 상기 생성된 의미 장소 추적 데이터, 상기 주요 위치 프로파일, 상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일, 및 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 기반으로 목적지를 예측하는 목적지 예측 방법.
  15. 제10 항에 있어서,
    상기 사용자의 목적지를 예측하는 단계는,
    상기 생성된 의미 장소 추적 데이터를 기반으로 상기 사용자의 주요 이동성 패턴을 판단하는 단계;
    상기 이동성 패턴에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 상기 판단된 주요 이동성 패턴과 가장 유사한 이동성 패턴을 가지는 제1 사용자 집단을 검색하는 단계;
    상기 사용자 속성에 따라 군집화된 사용자 집단의 이동성 프로파일을 참조하여 상기 사용자의 속성과 가장 유사한 사용자 속성을 가지는 제2 사용자 집단을 검색하는 단계;
    상기 검색된 제1 사용자 집단 및 제2 사용자 집단의 이동성 패턴으로부터 적어도 하나의 목적지 의미 장소를 예측하는 단계; 및
    상기 주요 위치 프로파일을 참조하여, 상기 예측된 적어도 하나의 목적지 장소에 대응하는 적어도 하나의 목적지 위치를 추출하는 단계; 를 포함하는 목적지 예측 방법.
  16. 제15 항에 있어서,
    상기 주요 위치 프로파일을 참조한 결과 상기 예측된 적어도 하나의 목적지 의미 장소 중 프로파일링되어 있는 목적지 의미 장소가 존재하지 않는 경우, 상기 사용자와 유사한 프로파일을 가지고 있는 타 사용자들의 주요 위치 프로파일 정보를 이용하여 사용자의 목적지 위치를 예측하는 단계; 를 더 포함하는 목적지 예측 방법.
KR1020140059014A 2014-05-16 2014-05-16 목적지 예측 장치 및 방법 KR20150131780A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140059014A KR20150131780A (ko) 2014-05-16 2014-05-16 목적지 예측 장치 및 방법
US14/714,967 US20150331085A1 (en) 2014-05-16 2015-05-18 Destination prediction apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140059014A KR20150131780A (ko) 2014-05-16 2014-05-16 목적지 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20150131780A true KR20150131780A (ko) 2015-11-25

Family

ID=54538327

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140059014A KR20150131780A (ko) 2014-05-16 2014-05-16 목적지 예측 장치 및 방법

Country Status (2)

Country Link
US (1) US20150331085A1 (ko)
KR (1) KR20150131780A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180071752A (ko) * 2016-12-20 2018-06-28 현대자동차주식회사 목적지 예측 기반 차량 제어 방법 및 시스템
KR20210047529A (ko) 2019-10-22 2021-04-30 오지연 사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105652304B (zh) * 2016-01-06 2017-10-20 成都小步创想畅联科技有限公司 融合多传感器的地点识别方法
CN107484118A (zh) * 2016-06-07 2017-12-15 滴滴（中国）科技有限公司 一种基于建筑物WiFi指纹的室内场景定位方法及系统
CN108074415B (zh) * 2017-12-19 2020-09-11 广州小鹏汽车科技有限公司 一种基于用户行为的车辆目的地预测方法及系统
CN108074414B (zh) * 2017-12-19 2020-09-11 广州小鹏汽车科技有限公司 一种基于用户行为的常走路径交通信息提醒方法及系统
CN109041208B (zh) * 2018-07-18 2020-10-16 广东小天才科技有限公司 一种基于Wi-Fi指纹库的定位方法和定位服务器
CN111194005A (zh) * 2019-12-05 2020-05-22 中国科学院地理科学与资源研究所 一种室内行人语义位置提取方法及预测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9516470B1 (en) * 2007-03-08 2016-12-06 Amazon Technologies, Inc. System and method for providing advertising based on mobile device travel patterns
US8275649B2 (en) * 2009-09-18 2012-09-25 Microsoft Corporation Mining life pattern based on location history
EP2578030B1 (en) * 2010-06-03 2017-11-22 Sony Mobile Communications Inc Method and apparatus for location prediction
US9443326B2 (en) * 2013-12-10 2016-09-13 Microsoft Technology Licensing, Llc Semantic place labels

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180071752A (ko) * 2016-12-20 2018-06-28 현대자동차주식회사 목적지 예측 기반 차량 제어 방법 및 시스템
KR20210047529A (ko) 2019-10-22 2021-04-30 오지연 사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법

Also Published As

Publication number Publication date
US20150331085A1 (en) 2015-11-19

Similar Documents

Publication Publication Date Title
KR20150131780A (ko) 목적지 예측 장치 및 방법
US20240264985A1 (en) Apparatus, systems, and methods for analyzing movements of target entities
US9071939B2 (en) Methods and apparatuses for context determination
US9432805B2 (en) Discovering and automatically sizing a place of relevance
US10546323B2 (en) Determining locations of interest based on user visits
JP5495235B2 (ja) 監視対象者の行動を監視する装置及び方法
US20130210480A1 (en) State detection
KR101424382B1 (ko) 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법
AU2012309303A1 (en) Method and apparatus for providing information based on a location
US9288635B2 (en) Apparatus for managing indoor moving object based on indoor map and positioning infrastructure and method thereof
US20190287121A1 (en) Speculative check-ins and importance reweighting to improve venue coverage
Khoroshevsky et al. Human mobility-pattern discovery and next-place prediction from GPS data
US20180260401A1 (en) Distributed video search with edge computing
Shahid et al. Indoor positioning:“an image-based crowdsource machine learning approach”
Du et al. Exploration of optimal Wi-Fi probes layout and estimation model of real-time pedestrian volume detection
KR20210078203A (ko) 거점 기반의 프로파일링 방법 및 이를 이용하는 단말기
Xu Autonomous Indoor Localization Using Unsupervised Wi-Fi Fingerprinting
GB2570853A (en) Identifying sites visited by a user device
WO2018211261A1 (en) Method of mapping indoor region
CN116027367A (zh) 停留点识别方法、装置、设备及存储介质
Tiwari et al. Evolving recommendations from past travel sequences using soft computing techniques
US9730022B1 (en) Location-based screening verification
Hoffmann et al. Indoor navigation using virtual anchor points
KR102377486B1 (ko) WiFi 센싱 데이터를 이용한 보행자 특성 분석 시스템 및 이를 이용한 보행자 특성 분석 방법
Zhu et al. Using unlabeled acoustic data with locality-constrained linear coding for energy-related activity recognition in buildings

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application