KR20150132336A - 저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출 - Google Patents

저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출 Download PDF

Info

Publication number
KR20150132336A
KR20150132336A KR1020157028877A KR20157028877A KR20150132336A KR 20150132336 A KR20150132336 A KR 20150132336A KR 1020157028877 A KR1020157028877 A KR 1020157028877A KR 20157028877 A KR20157028877 A KR 20157028877A KR 20150132336 A KR20150132336 A KR 20150132336A
Authority
KR
South Korea
Prior art keywords
state
motion
information
tuned
probability
Prior art date
Application number
KR1020157028877A
Other languages
English (en)
Other versions
KR101984354B1 (ko
Inventor
진원 이
샨카르 사다시밤
디샤 아후자
카를로스 엠 푸이그
Original Assignee
퀄컴 인코포레이티드
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 퀄컴 인코포레이티드 filed Critical 퀄컴 인코포레이티드
Publication of KR20150132336A publication Critical patent/KR20150132336A/ko
Application granted granted Critical
Publication of KR101984354B1 publication Critical patent/KR101984354B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/02—Access restriction performed under specific conditions
    • H04W48/04—Access restriction performed under specific conditions based on user or terminal location or mobility data, e.g. moving direction, speed
    • 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
    • G01S5/017—Detecting state or type of motion
    • 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
    • H04W4/206—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Telephone Function (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Databases & Information Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

모션 상태 검출을 향상시키기 위해 휴리스틱-기반 접근에서 모바일 디바이스들의 상태에 대해 이용 가능한 정보를 사용하는 시스템 및 방법들이 개시된다. 하나 이상의 실시형태들에서, 모바일 디바이스들의 WiFi 접속성에 대한 정보는 수송중 상태의 검출을 향상시키는데 사용될 수도 있다. WiFi 접속성 정보는 수송중 상태의 긍정 오류들을 감소시키기 위해 모션 분류기에서 가속도계 신호들과 같은 센서 신호들과 사용될 수도 있다. 하나 이상의 실시형태들에서, 모바일 디바이스가 WiFi 액세스 포인트 (AP) 에 접속된다는 정보는, 모바일 디바이스가 실제로 상대적으로 정지상태 사용자의 손 안에 있는 경우 모바일 디바이스를 수송중 상태에 있는 것으로 잘못 분류하는 확률을 감소시키기 위해 휴리스틱들로서 사용될 수도 있다. 배터리 충전 상태 또는 모바일 디바이스의 무선 접속성에 대한 정보가 또한, 사용되어 수송중 상태의 검출을 향상시킬 수도 있다.

Description

저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출{IMPROVED IN-TRANSIT DETECTION USING LOW COMPLEXITY ALGORITHM FUSION AND PHONE STATE HEURISTICS}
본 출원은 일반적으로 모바일 디바이스들에 관한 것이다. 특히, 본 출원은 모바일 디바이스들의 모션 상태들을 결정하기 위한 방법들 및 시스템들에 관한 것이다.
많은 서비스들 및 애플리케이션들은 모바일 디바이스의 모션 상태들, 및 더 나아가 모바일 디바이스의 사용자들의 모션 상태들의 검출 및 분류에 의존한다. 예를 들어, 스마트폰 상의 네비게이션 애플리케이션은, 스마트폰이 걷는 것으로부터 운전하는 것으로의 모션 상태들의 트랜지션을 검출할 때 보행자 네비게이션에서 차량 네비게이션으로 스위칭할 수도 있다; 애플리케이션은 사용자가 차량 속도로 이동하고 있다는 것을 스마트폰이 검출하는 경우 "운전 동안 텍스팅을 정지 (stop texting while driving)" 하도록 사용자에게 경고할 수도 있다. 모바일 디바이스들을 통한 사용자들의 모션 상태들의 결정에 의존하는 다른 서비스들은 지오-펜싱 (geo-fencing), 참조 플레이스 (place-of-reference) 서비스들, WiFi 접속성을 개선시키기 위한 서비스들을 포함한다. 이들 맥락적-인지 서비스들 및 애플리케이션들에 있어서, 관심있는 모션 상태들은 정지, 피제팅 (fidgeting), 걷기, 달리기, 운전, 및 다른 것들을 포함할 수도 있다.
종래에는, 모션 상태들 중 하나를 검출하기 위해 모션 분류기들에 의해 프로세싱되는 가속도 신호들을 생성하도록 가속도계들이 스마트폰에서 사용된다. 가속도계들은 제한된 배터리 전력을 갖는 모바일 디바이스에 대한 중요한 고려사항을 자이로스코프와 같은 다른 센서들에 비교할 때 저 전력 소비의 이점을 제공한다. 이런 이유로, 오늘 날 대부분의 스마트폰들에는 가속도계가 구비된다.
정지, 피제팅, 걷기, 및 달리기와 같은 모션 상태들은 고유한 시그너처 (signature) 들을 갖는 가속도 신호들을 생성하고 이에 따라 정확한 모션 상태를 검출하도록 프로세싱될 수도 있지만, 운전 상태를 검출하는 것은 더욱 어려운 것으로 증명되었다. 이것은, 스마트폰들이 차량 속도에서 이동될 때 생성된 가속도계 신호들이 스마트폰들이 보행자 속도로 이동될 때 또는 스마트폰들이 주머니 안에 있거나 정지상태 사용자의 손 안에 쥐어있을 때 생성된 가속도계 신호들과 유사할 수도 있기 때문이다. 가속도 신호들의 시그너처들에서의 유사성들로 인해, 모션 분류기들은 사용자가 걷고 있거나 정지형일 때 운전중인 것으로서 사용자를 잘못식별하거나, 사용자가 운전하고 있는 내내 정지형으로서 사용자를 잘못 식별할 수도 있다. 이들 오식별들은, 그 성능이 모션 상태들의 정확한 식별에 의존하는 애플리케이션들에 부정적으로 영향을 주기 때문에 바람직하지 않다. 예를 들어, 사용자가 걷고 있을 때 운전 상태의 긍정 오류 (false positive) 의 높은 비율은 불필요한 GPS 픽스들을 의미할 수도 있고, 더 빠른 배터리 방출을 초래한다. 운전 상태의 긍정 오류의 높은 비율은 또한, 사용자가 실제로 정지상태일 때 "운전 동안 텍스팅을 정지" 하도록 사용자에게 에러적인 경고들을 생성할 수도 있다. 모션 상태 모호성을 해결하기 위해 GPS 가 레버리징할 수도 있는 동안, GPS 는 배터리 상의 상당한 방출을 야기할 수 있다. 또한, GPS 신호들은 항상 이용 가능하지 않다. 추가의 센서들을 추가하는 것과 같은 다른 해결책은 비용을 증가시키고 모바일 디바이스들의 전력 소비를 상승시킨다. 이와 같이, 모바일 디바이스들에서 운전 상태의 검출을 향상시키기 위한 저 전력 솔루션이 필요하다.
모바일 디바이스들의 상태에 대해 이용 가능한 정보를 사용하기 위한 시스템들 및 방법들이 개시되고, 여기서 정보는 휴리스틱 (heuristics)-기반 접근에서 전력 소비에 영향을 주지 않고 획득되어 모션 상태 검출을 향상시킬 수도 있다. 하나 이상의 실시형태들에서, 모바일 디바이스들의 WiFi 접속성에 대한 정보가 사용되어 수송중 (in-transit) 상태의 검출을 향상시킬 수도 있다. 수송중 상태는 또한, 모바일 디바이스의 사용자가 차량을 운전하고 있거나 차량에서 단지 승객인지 여부에 관계 없이, 임의의 차량 모션을 지칭하는데 사용되고 운전 상태로서 지칭될 수도 있다. WiFi 접속성 정보는 모션 분류기에서 가속도계 신호들과 같은 센서 신호와 사용되어, 수송중 상태의 긍정 오류들을 감소시킬 수도 있다. 하나 이상의 실시형태들에서, 모바일 디바이스가 WiFi 액세스 포인트 (AP) 에 접속된다는 정보가 휴리스틱으로서 사용되어, 모바일 디바이스가 실제로 상대적으로 정지상태 사용자의 손에 있는 경우 수송중 상태에 있는 것으로서 모바일 디바이스를 잘못 분류하는 확률을 감소시킬 수도 있다.
모바일 디바이스들과 연관된 액티비티들의 모션 상태 검출을 향상시키기 위해 가속도계-기반 모션 상태 분류기와 특정 상태들을 검출하도록 튜닝된 알고리즘들을 조합하기 위한 시스템들 및 방법들이 또한 개시된다. 가속도계 신호들 상에서 동작하는 모듈들은 걷기 상태 또는 정지 상태와 같은 상태들을 검출하도록 튜닝될 수도 있다. 걷기 또는 정지 상태로 튜닝된 모듈들은 튜닝된 상태들에 대한 더 강한 사전 확률을 설정한다. 이들 모듈들로부터의 출력은 분산형 또는 계층적 아키텍처에서 모션 상태 분류기에 의해 사용되어, 최종 모션 상태를 결정할 수도 있다. 튜닝된 모듈들 및 모션 상태 분류기에 의한 가속도계 신호들의 분산형 또는 계층적 프로세싱은, 모바일 디바이스들이 실제로 튜닝된 상태들에 있는 경우 모션 상태들의 오식별의 확률을 감소시킨다. 예를 들어, 모바일 디바이스들이 실제로, 걷기 또는 정지 상태에 있는 경우 수송중 상태를 검출하는 긍정 오류들을 감소시킬 수도 있다.
휴리스틱-기반 접근 모바일 디바이스들의 상태에 대해 이용 가능한 다른 정보를 사용하여 모션 상태 검출을 향상시키기 위한 시스템 및 방법들이 또한, 개시된다. 하나 이상의 실시형태들에서, 배터리 충전 상태에 대한 정보 또는 모바일 디바이스들의 무선 접속성에 대한 정보는 수송중 상태의 검출을 향상시키는데 사용될 수도 있다. 모바일 디바이스가 모션 중이면서 충전되고 있다는 것을 검출하는 것과 같은 휴리스틱은, 모바일 디바이스가 자동차 충전기에 플러그된다는 것을 나타낼 수도 있다. 모션 상태 분류기는, 가속도계 신호들의 시그너처들이 수송중 상태 사이에서 충분히 구별되지 않는 경우 및 모바일 디바이스가 보행 속도로 이동되고 있는 경우, 또는 모바일 디바이스가 주머니 안에 있거나 정지상태 사용자의 손에 쥐어있는 경우 수송중 상태의 검출을 향상시키도록 휴리스틱을 사용할 수도 있다. 휴리스틱-기반 접근은 분산형 또는 계층적 아키텍처에서 모션 분류기에 의해 사용되어, 수송중 상태와 정지 또는 걷기 상태를 더 잘 구별할 수도 있다.
디바이스와 연관된 모션 상태를 결정하는 방법이 개시된다. 이 방법은 디바이스의 WiFi 접속성에 대한 정보를 수신하는 단계를 포함한다. 방법은 또한, 디바이스가 소정 모션 상태에 있다는 확률을 설정하도록 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계를 포함한다. 방법은 또한, 하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계를 포함한다. 센서 신호들은 디바이스의 모션을 반영하는 신호 시그너처들과 같은 특징들을 갖는다. 방법은, 디바이스가 그 디바이스에 대한 최종 모션 상태를 생성하도록 소정의 모션 상태에 있다는 확률에 의해 보조된 센서 신호들을 모션 분류기에 의해 프로세싱하는 단계를 더 포함한다.
디바이스와 연관된 모션 상태를 결정하는 방법이 개시된다. 방법은 하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계를 포함한다. 센서 신호들은 디바이스의 모션을 반영하는 신호 시그너처들과 같은 특징들을 갖는다. 방법은 또한, 하나 이상의 튜닝된 신호들을 생성하도록 적어도 하나의 튜닝된 모듈들에 의해 센서 신호들을 프로세싱하는 단계를 포함한다. 튜닝된 모듈들 각각은, 디바이스의 튜닝된 상태를 검출하고 대응하는 튜닝된 상태의 확률을 나타내는 하나의 튜닝된 신호를 생성하도록 구성된다. 방법은, 센서 신호들의 특징으로부터 최빈 (most likely) 모션 상태를 생성하도록 모션 분류기에 의해 센서 신호들을 프로세싱하는 단계를 더 포함한다. 방법은, 디바이스의 최종 모션 상태를 결정하도록 모션 분류기로부터의 최빈 모션 상태 및 튜닝된 모듈들로부터의 튜닝된 신호들을 결합하는 단계를 더 포함한다.
장치의 모션 상태를 결정하기 위한 장치가 개시된다. 장치는, 장치의 모션을 등록하기 위한 센서, 장치의 WiFi 접속성에 대한 정보를 생성하기 위한 모듈, 메모리, 및 메모리에 커플링된 프로세서들을 포함한다. 센서는 장치의 모션을 반영하는 신호 특징을 갖는 센서 신호들에서 장치의 모션을 등록한다. 프로세서들은, 장치가 소정의 모션 상태에 있다는 확률을 설정하도록 장치의 WiFi 접속성에 대한 정보를 프로세싱한다. 프로세서들은 또한, 장치에 대한 최종 모션 상태를 생성하도록 장치가 소정의 모션 상태에 있다는 확률에 의해 보조된 센서 신호들을 프로세싱한다.
장치의 모션 상태를 결정하기 위한 장치가 개시된다. 장치는 장치의 모션을 등록하기 위한 센서, 메모리, 및 메모리에 커플링된 프로세서들을 포함한다. 센서는 장치의 모션을 반영하는 신호 특징을 갖는 센서 신호들에 장치의 모션을 등록한다. 프로세서들은, 장치의 하나 이상의 튜닝된 상태들을 검출하고 하나 이상의 튜닝된 신호들을 생성하도록 센서 신호들을 프로세싱한다. 튜닝된 신호들 각각은 대응하는 튜닝된 상태의 확률을 나타낸다. 프로세서들은 또한, 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 센서 신호들을 프로세싱한다. 프로세서들은 또한, 장치의 최종 모션 상태를 결정하도록 최빈 모션 상태 및 튜닝된 신호들을 결합한다.
머신 판독가능 명령들을 저장하는데 사용된 비일시적 머신 판독가능 매체가 개시된다. 이 명령들은, 하나 이상의 프로세서들에 의해 실행되는 경우, 디바이스와 연관된 모션 상태를 결정하는 방법을 수행한다. 이 방법은 디바이스의 WiFi 접속성에 대한 정보를 수신하는 단계를 포함한다. 방법은 또한, 디바이스가 소정 모션 상태에 있다는 확률을 설정하도록 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계를 포함한다. 방법은 또한, 하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계를 포함한다. 센서 신호들은 디바이스의 모션을 반영하는 신호 특징을 갖는다. 방법은, 디바이스가 그 디바이스의 최종 모션 상태를 생성하도록 소정의 모션 상태에 있다는 확률에 의해 보조된 센서 신호들을 프로세싱하는 단계를 더 포함한다.
머신 판독가능 명령들을 저장하는데 사용된 비일시적 머신 판독가능 매체가 개시된다. 이 명령들은, 하나 이상의 프로세서들에 의해 실행되는 경우, 디바이스와 연관된 모션 상태를 결정하는 방법을 수행한다. 방법은 하나 이상의 센서 신호들을 수신하는 단계를 포함한다. 센서 신호들은 디바이스의 모션을 반영하는 신호 특징을 갖는다. 방법은 또한, 디바이스의 하나 이상의 튜닝된 상태들을 검출하고 튜닝된 신호들을 생성하도록 센서 신호들을 프로세싱하는 단계를 포함한다. 튜닝된 신호들 각각은 대응하는 튜닝된 상태의 확률을 나타낸다. 방법은, 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 센서 신호들을 프로세싱하는 단계를 더 포함한다. 방법은, 디바이스의 최종 모션 상태를 결정하도록 튜닝된 신호들 및 최빈 모션 상태를 결합하는 단계를 더 포함한다.
시스템과 연관된 모션 상태를 결정하기 위한 시스템이 개시된다. 시스템은 그 시스템의 WiFi 접속성에 대한 정보를 생성하기 위한 수단을 포함한다. 시스템은 또한, 시스템이 소정의 모션 상태에 있다는 확률을 설정하도록 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단을 포함한다. 시스템은 또한, 센서 신호들에 시스템의 모션을 등록하기 위한 수단을 포함한다. 센서 신호들은 시스템의 모션을 반영하는 신호 특징을 갖는다. 시스템은, 시스템 디바이스가 그 시스템에 대한 최종 모션 상태를 생성하도록 소정의 모션 상태에 있다는 확률에 의해 보조된 센서 신호들을 프로세싱하기 위한 수단을 더 포함한다.
시스템과 연관된 모션 상태를 결정하기 위한 시스템이 개시된다. 시스템은, 센서 신호들에 시스템의 모션을 등록하기 위한 수단을 포함한다. 센서 신호들은 디바이스의 모션을 반영하는 신호 특징을 갖는다. 시스템은 또한, 시스템의 하나 이상의 튜닝된 상태들을 검출하도록 센서 신호들을 프로세싱하기 위한 수단 및 튜닝된 신호들을 생성하기 위한 수단을 포함한다. 튜닝된 신호들 각각은 대응하는 튜닝된 상태의 확률을 나타낸다. 시스템은, 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 센서 신호들을 프로세싱하기 위한 수단을 더 포함한다. 시스템은, 시스템의 최종 모션 상태를 결정하도록 튜닝된 신호들 및 최빈 모션 상태를 결합하기 위한 수단을 더 포함한다.
도 1 은 본 개시물의 주제의 일 실시형태에 따른 분산형 아키텍처에서 가속도계 신호들을 사용하여 모션 분류기와 함께 걷기 상태 및 정지 상태를 검출하도록 튜닝된 모듈들을 사용하는 모션 상태 분류를 위한 시스템을 나타낸다.
도 2a 는 본 개시물의 주제의 하나 이상의 실시형태들에 따라 모션 분류기에 의한 모션 상태의 결정에 영향을 주도록 휴리스틱으로서 WiFi 정보를 사용하는 프로세스의 플로우차트를 나타낸다.
도 2b 는 본 개시물의 주제의 일 실시형태에 따라 도 2a 의 프로세스에서 수송중 긍정 오류들을 감소시키기 위해 WiFi 기반 휴리스틱을 사용하는 프로세스의 플로우차트를 나타낸다.
도 3 은 본 개시물의 주제의 일 실시형태에 따른 계층적 아키텍처에서 모션 분류기를 게이트하도록 정지 상태 및 걷기 상태를 검출하기 위해 튜닝된 모듈들을 사용하는 모션 상태 분류를 위한 시스템을 나타낸다.
도 4 는 본 개시물의 주제의 일 실시형태에 따른 도 3 의 모션 상태 분류 시스템에서 수송중 상태의 검출을 향상시키도록 폰 상태 휴리스틱을 사용하는 프로세스의 플로우차트를 나타낸다.
도 5 는 본 개시물의 주제의 일 실시형태에 따른 본원에 논의된 하나 이상의 컴포넌트들을 구현하기에 적합한 컴퓨터 시스템의 블록도이다.
본 개시물의 실시형태들 및 그 이점들은 이어지는 상세한 설명을 참조함으로써 더 잘 이해된다. 유사한 참조 부호들은 하나 이상의 도면들에 예시된 유사한 엘리먼트들을 식별하는데 사용된다.
디바이스가 정지, 피제팅, 걷기, 또는 달리기 상태와 연관되는 경우 수송중 상태의 긍정 오류들을 완화시키기 위해 휴리스틱으로서 디바이스의 WiFi 접속성 정보를 사용하기 위한 시스템들 및 방법들이 개시된다. WiFi 접속성 정보는, 디바이스가 고 신뢰도로 수송중 상태에 있는지 또는 아닌지 여부를 결정하는데 사용될 수도 있다. 디바이스가 수송중 상태에 있는지 아닌지 여부에 대한 확률 정보는 가속도계 신호들과 같은 센서 신호들을 사용하여 최종 모션 상태를 결정하는데 있어서 모션 분류기에 영향을 주도록 사용된다.
예를 들어, WiFi 접속성 정보가, 디바이스가 비-모바일 AP 에 접속된다는 것을 나타내는 경우, 디바이스가 수송중 상태에 있지 않다는 고 확률이 존재한다. 이 확률 정보는 센서 신호들을 사용하여 모션 상태들을 해결하는 것에서 보조로서 최종 모션 상태를 수송중 상태로부터 멀리 드라이브하도록 모션 분류기에 의해 사용될 수도 있다. 유리하게는, WiFi 휴리스틱은 모바일 디바이스가 상대적으로 정지상태 사용자의 손에 있다는 것을 결정하고, 수송중 상태에서 디바이스를 오분류하는 것의 확률을 감소시키는데 사용될 수도 있다. 모바일 디바이스가 모바일 AP 에 접속되는 상황들, 예컨대 사용자가 모바일 WiFi 가 있는 버스에서 이동중인 경우가 셀룰러 네트워크의 셀 ID 의 변화 레이트에 기초하여 검출될 수도 있다.
디바이스가 WiFi 네트워크에 접속되지 않는 경우에도, 디바이스는 범위에서 AP 들의 주기적 WiFi 스캔들을 수행할 수도 있다. 주기적 WiFi 스캔으로부터의 결과들은 유사하게, 디바이스가 고 신뢰도로 수송중 상태에 있는지 아닌지 여부를 결정하도록 분석될 수도 있다. 예를 들어, 주기적 WiFi 스캔들로부터의 정보가, 공통의 비-모바일 AP 가 존재한다는 것을 나타내면, 디바이스는 수송중 상태에 있지 않다는 고 확률이 존재한다. 이 확률 정보는 최종 모션 상태를 수송중 상태로부터 멀리 드라이브하도록 모션 분류기에 의해 사용될 수도 있다.
모바일 디바이스들과 연관된 액티비티들의 모션 상태 검출을 향상시키기 위해 분산형 또는 계층적 아키텍처에서 가속도계 신호들을 프로세싱하도록 가속도-기반 모션 상태 분류기에 대한 시스템들 및 방법들이 개시된다. 본 개시물의 실시형태들은 모션 상태 검출을 단일-레벨 (one-level) 접근으로부터 시프트하고, 여기서 모션 상태 분류기는 단독으로, 가속도계와 같은 센서들로부터 분산형 또는 계층적 아키텍처로의 신호들을 프로세싱하고, 여기서 특정 상태들을 검출하도록 튜닝된 모듈들은 모션 상태 분류기를 돕는다.
일 실시형태에서, 가속도계 신호들 상에서 동작하는 피크 검출 기반 피도미터 모듈은 걷기 스텝들을 검출하도록 튜닝될 수도 있다. 피도미터 모듈이 스텝들을 연속적으로 보고하면, 걷기 상태를 검출하는 것에 대한 더 고 신뢰도가 존재한다. 유사하게, 가속도계 신호들의 잡음 통계치들 또는 표준 편차에 기초한 정지 검출은 모션을 수반하는 상태들로부터 정지 상태를 구별하도록 튜닝될 수도 있다. 이들 모듈들은 더 고 신뢰도를 튜닝된 상태들에 할당함으로써 모션 상태 검출을 향상시킨다. 즉, 피도미터 모듈 또는 정지 검출 모듈로부터의 출력은 걷기 상태 또는 정지 상태의 더 높은 사전 확률을 나타내고, 따라서 수송중 상태의 긍정 오류들을 완화시킨다.
일 실시형태에서, 피도미터 모듈 및 정지 검출 모듈로부터의 결과들은 분산형 아키텍처에서 걷기 상태 또는 정지 상태로부터 수송중 상태의 검출을 향상시키도록 모션 분류기로부터의 결과들과 융합될 수도 있다. 일 실시형태에서, 피도미터 모듈 및 정지 검출 모듈은 계층적 아키텍처에서 모션 분류기의 구동을 게이트 (gate) 하는데 사용될 수도 있다. 예를 들어, 피도미터 모듈 또는 정지 검출 모듈로부터 모션 상태가 고 신뢰도로 결정되면, 또는 튜닝된 모듈들로부터의 결과들이 튜닝된 상태들의 강한 사전 확률을 나타내면, 모션 분류기는 모션 상태를 결정하는 경우 바이패스될 수도 있다.
모션 상태의 검출에 대한 추가의 개선으로서, 휴리스틱-기반 접근에서 모바일 디바이스의 동작 상태에 대한 정보는 수송중 상태와 정지 상태 간에 더 잘 구별하기 위해 센서들에 기초한 모션 상태 검출과 결합될 수도 있다. 모바일 디바이스의 상태에 대한 정보는 전력 소비에 영향을 주지 않고 획득될 수도 있다. 일 실시형태에서, 모바일 디바이스가 그것이 충전 상태에 있다고 나타내고 가속도계 신호들에 기초한 모션 상태 검출의 결과들이 모션 상태를 사전에 나타내면, 이것은 모바일 디바이스가 이동하는 차량에서 충전되고 있다는 것을 모션 상태 분류기에 나타낼 수도 있다. 일 실시형태에서, 모바일 디바이스가 자동차 블루투스 디바이스에 접속되고 가속도계 신호들에 기초한 모션 상태 검출의 결과들이 모션 상태를 사전에 나타내면, 이것은 모바일 디바이스가 이동하는 차량에 있다는 것을 나타낼 수도 있다.
따라서, 모션 상태가 가속도계-기반 모션 상태 검출에 단독으로 의존하기 보다는 수송중 상태에 있다는 더 고 신뢰도가 존재할 수도 있다. 확장된 수송중 상태가 종종 정지 상태와 혼동되기 때문에, 예컨대 모바일 디바이스가 주머니 안에 있거나, 정지상태 사용자의 손 안에 쥐어있는 경우, 모바일 디바이스의 충전 상태 또는 블루투스 접속성에 대한 정보가 휴리스틱으로서 사용되어, 모바일 디바이스가 실제로 수송중 상태에 있는 경우 정지 상태 긍정 오류들을 완화시킬 수도 있다. 이들 휴리스틱-기반 솔루션들은, 그들이 모바일 디바이스의 사용 패턴들에 의존하기 때문에 항상 이용 가능하지 않고, 단독으로 사용되지 않을 수도 있다. 그러나, 이용 가능한 경우, 모바일 디바이스의 상태에 대한 정보는 추가의 프로세싱 요건 또는 배터리 방출 없이 또는 거의 없이 모션 상태 검출에서 돕도록 사용될 수도 있다.
도 1 은 본 개시물의 주제의 일 실시형태에 따른 분산형 아키텍처에서 가속도계 신호들을 사용하여 모션 분류기와 함께 걷기 상태 및 정지 상태를 검출하도록 튜닝된 모듈들을 사용하는 모션 상태 분류를 위한 시스템을 도시한다. 모션 상태 분류 시스템은 모바일 디바이스에서 구현될 수도 있다. 모바일 디바이스는 스마트폰 (예를 들어, 아이폰, 구글 폰, 또는 안드로이드, 윈도우 모바일, 또는 다른 운영 시스템들을 실행하는 다른 폰들), 태블릿 컴퓨터 (예를 들어, 아이패드, 갤럭시), 개인 휴대 정보 단말 (PDA), 노트북 컴퓨터, 또는 무선 또는 유선 컴퓨팅 디바이스들의 다양한 다른 타입들일 수도 있다. 모바일 디바이스는 셀룰러, 광역 네트워크 (WAN), WiFi 핫 스폿, WiMax, 개인 영역 네트워크 (PAN), 블루투스, 및/또는 통신 네트워크들의 다른 적합한 타입들과 같은 무선 네트워크를 통해 통신할 수도 있다.
모바일 디바이스는 모바일 디바이스의 모션으로부터 가속도 신호들을 등록하는 가속도계 (102) 를 갖는다. 가속도계 (102) 는 모션 분류기 (104), 피도미터 모듈 (106), 및 정지 검출 모듈 (108) 에 가속도 신호들을 제공한다. 도 1 의 모션 상태 분류 시스템은, 모션 분류기 (104) 가 단독으로 가속도계 신호들을 프로세싱하는 대신에 피도미터 모듈 (106) 및 정지 검출 모듈 (108) 이 또한, 가속도계 신호들을 프로세싱하여 모션 상태 분류기 (104) 를 보조하기 위한 특정 상태들을 검출하기 때문에 분산형 아키텍처이다.
피도미터 모듈 (106) 은 걷는 동안 스텝들을 검출하도록 튜닝되는 피크 검출 기반의 피도미터 모듈일 수도 있다. 피도미터 모듈 (106) 은 걷는 것에 기본적인 가속도계 신호들의 시그너처들을 포커싱하도록 구현될 수도 있다. 피도미터 모듈 (106) 이 스텝들을 연속적으로 보고하면, 걷기 상태를 검출하는 것에 대한 더 고 신뢰도가 존재한다. 더 고 신뢰도는 걷기 상태의 더 높은 사전 확률로서 표현될 수도 있고, 이것은 최종 상태로서 수송중 상태를 선택하는 것으로부터 멀리 모션 상태 분류 시스템을 바이어싱하는데 사용될 수도 있다. 따라서, 걷기 상태의 더 높은 사전 확률이 사용되어 수송중 긍정 오류들을 감소시킬 수도 있다. 피도미터 모듈 (106) 은 또한, 일반화된 모션 분류 모듈에 비해 스텝들을 검출하는 더 낮은 레이턴시의 추가된 성능 이점을 가질 수도 있다.
정지 검출 모듈 (108) 은 가속도계 신호들의 잡음 통계치들 또는 표준 편차에 기초하여 모션의 상대적 결핍을 검출하도록 튜닝될 수도 있다. 예를 들어, 정지 검출 모듈 (108) 은 모션으로부터 나머지 절대치들을 구별하도록 튜닝될 수도 있다. 정지 검출 모듈 (108) 은 정지 상태의 더 높은 사전 확률을 설정하도록 단순한 모션/모션 인디케이션을 출력하지 않을 수도 있고, 이것은 다시 최종 상태로서 수송중 상태를 선택하는 것으로부터 멀리 모션 상태 분류 시스템을 바이어싱하는데 사용될 수도 있다. 따라서, 정지 상태의 더 높은 사전 확률은, 사용자가 정지 상태에 있거나, 서있거나 앉아있으면서 손장난하고 있는 경우 수송중 긍정 오류들을 감소시키는데 사용될 수도 있다.
모션 분류기 (104) 는 가속도계 신호들의 시그너처들이 주어지면 최빈 모션 상태를 생성하도록 가속도계 신호들 상에서 동작한다. 모션 분류기 (104) 는 임의의 특정 상태들로 튜닝되지 않고, 대신에 정지, 피제팅, 걷기, 달리기, 수송중 등에 대한 상태들 중 하나에 속하는 것으로서 가속도계 신호들을 분류한다. 모션 분류기 (104) 는 가속도계 신호들의 시그너처들에 기초하여 최고 조건부 확률을 갖는 모션 상태를 찾음으로써 최빈 모션 상태를 찾는다. 상이한 모션 상태들에 대한 조건부 확률은, 모바일 디바이스가 그 상태에 대한 가속도계 신호들의 시그너처들을 생성하기 위해 모션 상태들 중 하나 안에 놓이는 트레이닝 페이즈로부터의 결과들을 사용함으로써 도출될 수도 있다. 모션 분류기 (104) 는 최빈 모션 상태에 대한 조건부 확률을 출력할 수도 있다.
최고 조건부 확률을 갖는 상태를 찾기 위해 가속도계 신호들을 사용하는 것에 추가하여, 모션 분류기 (104) 는 또한, 폰 상태 정보를 휴리스틱으로서 사용하여 결정을 드라이브한다. 일 실시형태에서, 모바일 디바이스의 WiFi 접속성의 상태에 기초한 휴리스틱은 도 2a 에 설명되는 바와 같이 모션 상태 검출을 돕는데 사용될 수도 있다. 피도미터 모듈 (106) 또는 정지 검출 모듈 (108) 이, 모바일 디바이스가 걷기 상태 또는 정지 상태에 있다는 더 높은 사전 확률을 나타낼 수도 있듯이, WiFi 접속성의 검출은 모바일 디바이스가 수송중 상태에 있지 않다는 더 높은 사전 확률을 나타낼 수도 있다. 모션 분류기 (104) 는, 모바일 디바이스가 정지, 피제팅, 또는 걷기 상태에 있는 경우 수송중 긍정 오류들을 완화시키기 위해 이 정보를 레버리징할 수도 있다.
일 실시형태에서, 모바일 디바이스의 동작 상태에 대한 정보는 도 4 에서 설명될 바와 같이, 수송중 상태 검출을 돕도록 모션 인디케이션과 결합하여 휴리스틱으로서 사용될 수도 있다. 예를 들어, 모바일 디바이스가 충전 상태에 있거나, 모션이 검출되는 동안 카 블루투스 디바이스에 접속되는 경우, 모바일 디바이스가 수송중 상태에 있다는 더 높은 사전 확률을 나타낼 수도 있다. 모션 분류기 (104) 는 수송중 상태를 정지, 피제팅, 또는 걷기 상태로 잘못 분류하는 것을 완화하도록 이 정보를 레버리징할 수도 있다.
판정 융합 모듈 (110) 은 모션 분류기 (104), 피도미터 모듈 (106), 및 정지 검출 모듈 (108) 로부터 결정들을 융합하여 검출 상태를 생성한다. 예를 들어, 판정 융합 모듈 (110) 은 피도미터 모듈 (106) 로부터 수신된 걷기 상태의 더 높은 사전 확률을 사용하여, 모션 분류기 (104) 가 수송중 상태를 나타내더라도 걷기 상태를 향해 이 판정할 수도 있다. 유사하게, 판정 융합 모듈 (110) 은 정지 검출 모듈 (108) 로부터 수신된 정지 상태의 더 높은 사전 확률을 사용하여 정지 상태를 향해 판정할 수도 있다. 하나 이상의 실시형태들에서, 폰 상태 정보는 판정 융합 모듈 (110) 에 의해 휴리스틱으로서 사용되어 판정할 수도 있다. 판정 융합 모듈 (110) 로부터의 결정은 모션 상태 분류 시스템으로부터 최종 결정을 생성하도록 최종 상태 모듈 (112) 에 의해 프로세싱될 수도 있다.
도 2a 는 본 개시물의 주제의 하나 이상의 실시형태들에 따른 모션 분류기에 의한 모션 상태의 결정에 영향을 주도록 휴리스틱으로서 WiFi 정보를 사용하는 프로세스의 플로우차트를 나타낸다. 모바일 디바이스들의 WiFi 접속성에 대한 정보는 쉽게 획득될 수도 있고, 추가의 프로세싱 요건 또는 전력 방출이 없거나 거의 없는 모션 상태 검출을 돕도록 사용될 수도 있다. 또한, 무료 WiFi 기반 기술들의 증가하는 침투로, WiFi 기반 휴리스틱은, 사용자가 정지 상태, 예컨대 서 있거나 앉아 있는 경우, 또는 모바일 디바이스가 책상 위에 놓인 경우 수송중 긍정 오류들을 완화시키거나 제거하는데 쉽게 이용될 수도 있다.
블록 201 에서, 모션 분류기 또는 모션 분류기 외부의 모듈은 모바일 디바이스의 WiFi 접속성에 대한 정보를 수신한다. WiFi 접속성 정보는 모바일 운영 시스템 (OS) 의 애플리케이션 프로그램 인터페이스 (API) 로부터 또는 다른 소프트웨어 인터페이스들로부터 획득될 수도 있다. 블록 203 에서, 모션 분류기 또는 모션 분류기 외부의 모듈은 WiFi 접속성 정보를 프로세싱하여 제 1 모션 상태에 대한 확률을 설정한다. 예를 들어, 모바일 디바이스가 비-모바일 AP 에 접속된다는 것을 나타내는 정보는, 모바일 디바이스가 수송중 상태에 있지 않다는 고 확률을 설정하는데 사용될 수도 있다. 반대로, 모바일 디바이스가 모바일 AP 에 접속된다는 것을 나타내는 정보는, 모바일 디바이스가 수송중 상태에 있다는 고 확률을 설정하는데 사용될 수도 있다. 블록 203 에서 WiFi 접속성 정보의 프로세싱에 대한 상세들은 도 2b 에 제공될 것이다.
블록 205 에서, 모션 분류기는 모바일 디바이스의 모션을 등록하는 하나 이상의 센서들로부터 센서 신호들을 수신한다. 하나 이상의 실시형태들에서, 센서 신호들은 가속도계 (102) 에 의해 등록된 가속도계 신호일 수도 있다. 센서 신호들은 모바일 디바이스의 모션을 반영하는 신호 특징을 갖는다. 예를 들어, 가속도계 신호는 모바일 디바이스의 모션 상태의 특징인 시그너처들을 가질 수도 있다. 블록 207 에서, 모션 분류기는 WiFi 접속성 정보로부터 도출된 제 1 모션 상태에 대한 확률 정보에 의해 보조된 센서 신호들을 프로세싱하여, 디바이스에 대한 최종 모션 상태를 생성한다. 모션 분류기는 제 1 모션 상태에 대한 확률 및 가속도계 신호들의 시그너처들에 기초하여 최고 조건부 확률을 갖는 모션 상태를 찾음으로써, 최종 모션 상태를 결정할 수도 있다. 제 1 모션 상태에 대한 확률은 다양한 모션 상태들에 대한 조건부 확률들을 바이어싱할 수도 있다.
하나 이상의 실시형태들에서, 모션 분류기는, 제 1 모션 상태가 저 확률을 갖는 경우 제 1 모션 상태로부터 멀리 최종 모션 상태를 바이어싱할 수도 있다. 하나 이상의 실시형태들에서, 모션 분류기는, 제 1 모션 상태가 고 확률을 갖는 경우 제 1 모션 상태를 향해 최종 모션 상태를 바이어싱할 수도 있다. 예를 들어, WiFi 접속성 정보가, 모션 디바이스가 수송중 상태에 있지 않다는 고 확률을 설정하면, 모션 분류기는 수송중 상태에 대한 조건부 확률을 감소시키고 정지 상태에 대한 조건부 확률을 증가시켜, 수송중 상태로부터 멀리 그리고 정지 상태를 향해 최종 모션을 바이어싱할 수도 있다. 반대로, WiFi 접속성 정보가, 모션 상태가 수송중 상태에 있다는 고 확률을 설정하면, 모션 분류기는 수송중 상태에 대한 조건부 확률을 증가시키고 비-수송중 상태에 대한 조건부 확률을 감소시켜, 최종 상태를 수송중 상태를 향해 바이어싱할 수도 있다.
도 2a 의 프로세스는 최종 모션 상태를 결정하도록 독립형 (stand-alone) 모션 분류기에서 전체적으로 실시될 수도 있다. 하나 이상의 실시형태들에서, 모션 분류기 외부의 모듈은 WiFi 접속성 정보를 프로세싱하여 제 1 모션 상태에 대한 확률을 설정할 수도 있다. 외부 모듈은 제 1 모션 상태에 대한 확률 정보를 모션 분류기에 제공할 수도 있다. 하나 이상의 실시형태들에서, 도 1 의 분산형 아키텍처의 모션 분류기 (104) 또는 결정 융합 (110) 은 모션 상태 결정을 위한 보조로서 WiFi 기반 휴리스틱을 사용할 수도 있다.
도 2b 는 본 개시물의 주제의 일 실시형태에 따른 도 2a 의 프로세스에서 수송중 긍정 오류들을 감소시키기 위해 WiFi 기반 휴리스틱을 사용하는 프로세스의 플로우차트를 나타낸다. 블록 204 에서, 모션 분류기 또는 모션 분류기 외부의 모듈은, 모바일 디바이스가 WiFi AP 에 접속되는지를 결정한다. 모바일 디바이스가 WiFi AP 에 접속되면, 모바일 디바이스가 수송중 상태에 있지 않다는 더 높은 사전 확률이 존재한다. 그러나, 모바일 디바이스가 모바일 AP 에 접속되는 상황들, 예컨대 사용자가 모바일 WiFi 가 있는 버스에서 이동하고 있는 경우가 존재할 수도 있다.
블록 206 에서, 모듈은, 모바일 디바이스가 모바일 AP 에 접속되는지를 결정한다. 모바일 AP들은, AP들의 셀룰러 ID 정보의 변화 레이트에 기초하여 검출될 수도 있다. 일단, 모바일 AP 가 검출되면, 이것은 미래의 참조를 위해 모바일 디바이스에 의해 캐싱될 수도 있다. 모바일 디바이스가 모바일 AP 에 접속되지 않으면, 모바일 디바이스는 아마도 정지형 AP 에 접속된다. 따라서, 모바일 디바이스는 아마도 수송중 상태에 있지 않다. 블록 208 에서, 모듈은, 접속된 AP 가 모바일 AP 가 아니면 모바일 디바이스가 수송중 상태에 있지 않다는 더 강한 사전 확률을 설정한다. 하나 이상의 실시형태들에서, 확률은, 모바일 디바이스가 이력 데이터에 기초하여 비-모바일 AP 에 접속되어 있으면, 모션 상태는 수송중 상태에 있지 않다는 조건부 확률로 설정될 수도 있다. 하나 이상의 실시형태들에서, 모바일 디바이스가 수송중 상태에 있다는 확률은, 모바일 디바이스가 비-모바일 AP 에 접속되는 경우 0 으로 설정될 수도 있다.
반면에, 모듈이 모바일 디바이스가 모바일 AP 에 접속된다는 것을 검출하면, 모바일 디바이스는 아마도 수송중 상태에 있다. 블록 216 에서, 모듈은, 모바일이 수송중 상태에 있다는 더 강한 사전 확률을 설정한다. 하나 이상의 실시형태들에서, 확률은, 모바일 디바이스가 이력 데이터에 기초하여 모바일 AP 에 접속되어 있으면, 모션 상태는 수송중 상태에 있다는 조건부 확률로 설정될 수도 있다. 하나 이상의 실시형태들에서, 모바일 디바이스가 수송중 상태에 있다는 확률은, 모바일 디바이스가 모바일 AP 에 접속되는 경우 1 로 설정될 수도 있다. 블록 218 에서, 일단 수송중 상태 또는 비-수송중 상태에 대한 확률이 설정되면, 모션 분류기는 그 확률 정보를 사용하여 센서 신호들을 사용하는 최종 모션 상태의 결정에 영향을 준다. 따라서, 모바일 디바이스의 WiFi 접속성 정보는 도 2a 의 블록 207 에서 논의된 바와 같이 모션 분류기를 돕도록 휴리스틱으로서 사용된다. 하나 이상의 실시형태들에서, 수송중 또는 비-수송중 상태에 대한 확률 정보는 가능한 모션 상태들 모두에 대한 조건부 확률들을 바이어싱하는데 사용될 수도 있다. 하나 이상의 실시형태들, 비-수송중 상태에 대한 확률이 충분히 높으면, 모션 분류기는 최종 모션 상태의 결정에서 추가의 고려사항으로부터 수송중 상태를 제거할 수도 있다. 하나 이상의 실시형태들에서, 수송중 상태에 대한 확률이 충분히 높으면, 모션 분류기는 바이패스될 수도 있고, 최종 모션 상태는 수송중 상태에 있다.
모듈이, 블록 204 에서 모바일 디바이스가 WiFi AP 에 접속되지 않는다고 결정하면, 모바일 디바이스는 범위 내의 임의의 WiFi 네트워크들에 대한 정보를 획득할 수도 있다. 블록 210 에서, 모바일 디바이스는 백그라운드에서 주기적 WiFi 스캔들을 수행하여 범위 내의 AP들을 결정한다. WiFi 스캔들에 대한 주기는 모바일 OS 에 의해 설정될 수도 있고 15-30 sec 의 범위에 있을 수도 있다. 백그라운드 WiFi 스캔들의 결과들에 기초한 휴리스틱은 모션 상태 검출에서의 보조로서 사용될 수도 있다. 모듈은 비-수송중 상태들로부터 수송중 상태를 더 잘 구별하기 위해 이들 백그라운드 스캔들로부터의 정보를 사용할 수도 있다. 예를 들어, AP 커버리지는 일반적으로 약 100 미터 이하이기 때문에, 스마트폰이 15 초의 주기로 WiFi 스캔들에서 공통의 AP들의 존재를 검출하면, 운전 속도 임계가 15 mph 에서 설정되는 경우 사용자가 수송중 상태에 있지 않다는 고 확률이 존재한다. 스캔 주기가 15 초보다 크면, 운전 속도 임계는 더욱 더 낮게 설정될 수도 있고, 따라서 공통의 AP 들의 존재가 있는 경우 사용자가 수송중 상태에 있지 않다는 확률을 증가시킨다.
블록 212 에서, 모듈은, 연속적인 스캔들로부터 발견된 공통의 AP들이 있는지를 결정한다. 공통의 AP 가 없으면, 모바일 디바이스가 수송중 상태에 있다는 고 확률이 존재한다. 블록 216 에서, 모듈은, 모바일이 수송중 상태에 있다는 더 강한 사전 확률을 설정한다. 반면에, 공통의 AP 가 있으면, 모바일 디바이스가 수송중 상태에 있지 않다는 고 확률이 존재한다. 사용자가 모바일 WiFi 의 존재에서 이동되고 있을 수도 있는 상황을 검출하기 위해, 모듈은 또한, 블록 214 에서 공통의 AP 가 모바일 AP 인지를 결정한다. 공통의 AP 가 모바일 AP 이면, 모바일 디바이스가 수송중 상태에 있다는 고 확률이 또한 존재한다. 블록 216 에서, 모듈은, 모바일 디바이스가 수송중 상태에 있다는 강한 사전 확률을 설정한다. 그렇지 않고 공통의 AP 가 모바일 AP 가 아니면, 모바일 디바이스가 수송중 상태에 있지 않다는 고 확률이 존재한다. 블록 208 에서, 모듈은, 모바일 디바이스가 수송중 상태에 있지 않다는 강한 사전 확률을 설정한다. 하나 이상의 실시형태들에서, 모바일 디바이스가 수송중 상태에 있지 않다는 확률이 매우 높으면, 모션 분류기는 추가의 고려사항으로부터 수송중 상태를 제거할 수도 있고, 정지, 피제팅, 걷기, 또는 달리기 상태 등으로부터 최종 모션 상태를 결정하도록 진행할 수도 있다. 하나 이상의 실시형태들에서, 모션 분류기는 수송중 또는 비-수송중 상태에 대한 확률 정보를 사용하여, 모든 가능한 모션 상태들에 대한 조건부 확률들을 바이어싱할 수도 있다.
도 3 은 본 개시물의 주제의 일 실시형태에 따른 계층적 아키텍처에서 모션 분류기를 게이트하도록 정지 상태 및 걷기 상태를 검출하도록 튜닝된 모듈들을 사용하는 모션 상태 분류를 위한 시스템을 나타낸다. 도 3 의 계층적 아키텍처는, 튜닝된 모듈들로부터 생성된 튜닝된 상태들에서 고 신뢰도가 존재하면 모션 분류기는 최종 상태를 결정할 때 바이패스될 수도 있다는 것에서, 도 1 의 분산형 아키텍처와 상이하다. 따라서, 가속도계 신호들과 같은 센서들 입력 상에서 동작하는 모듈들의 계층은 튜닝된 모듈들로부터의 결과들의 강력함의 함수로서 모션 상태를 결정하는데 사용될 수도 있다. 이 계층적 아키텍처는 성능에서의 열화를 거의 갖지 않고 모션 분류기의 복잡성을 감소시킬 수도 있다. 또한, 감소된 레이턴시의 추가된 이점이 존재할 수도 있다.
가속도계 (102), 정지 검출 모듈 (108), 및 피도미터 (106) 는 도 1 에서 발견된 것들과 동일할 수도 있다. 모션 분류기 (308) 는 도 1 의 모션 분류기 (모션 분류기 (104)) 의 상이한 버전일 수도 있다. 정지 검출 모듈 (108) 은 나머지를 검출하도록 튜닝될 수도 있고, 단순한 모션/비-모션 인디케이션을 출력할 수도 있다. 판정 블록 302 에서, 모션/비-모션 인디케이션의 신뢰도에 대한 결정이 이루어진다. 예를 들어, 시스템은 정지 검출 모듈 (108) 에 의해 결정된 바와 같이 정지 상태의 사전 확률이 임계를 초과하는지를 결정할 수도 있다. 비-모션 인디케이션에서 고 신뢰도가 존재하면, 모션 분류기 (308) 는 모두 함께 바이패스될 수도 있다. 일 실시형태에서, 최종 상태 (304) 는, 검출된 상태가 정지 상태라는 것을 비-모션 인디케이션의 고 신뢰도로부터 결정할 수도 있다. 반면에, 비-모션 인디케이션에서 고 신뢰도가 존재하지 않으면, 피도미터 모듈 (106) 은 가속도계 신호들 상에서 동작하여, 걷기 상태 또는 달리기 상태를 모션과 연관된 다른 상태들로부터 검출할 수도 있다.
판정 블록 306 에서, 피도미터 (106) 로부터 보고된 스텝들의 신뢰도에 대한 결정이 이루어진다. 예를 들어, 시스템은, 걷기 상태 또는 달리기 상태의 사전 확률로서 표현된 스텝들의 신뢰도가 임계를 초과하는지를 결정할 수도 있다. 스텝들에서 고 신뢰도가 존재하면, 모션 분류기 (308) 는 다시 바이패스될 수도 있다. 일 실시형태에서 최종 상태 (304) 는 검출된 상태가 걷기 상태 또는 달리기 상태라는 것을 스텝들의 고 신뢰도로부터 결정할 수도 있다. 반면에, 스텝들에서 고 신뢰도가 존재하지 않으면, 모션 분류기 (308) 는 가속도계 신호들의 시그너처들 상에서 동작하여 최빈 모션 상태를 생성할 수도 있다. 모션 분류기 (308) 는 또한, 정지 검출 모듈 (108) 로부터의 모션 인디케이션 및/또는 보조로서 피도미터 (106) 로부터 보고된 스텝들을 사용할 수도 있다.
또한, 모션 분류기 (308) 는 또한, 판정하기 위해 폰 상태 정보를 휴리스틱으로서 사용할 수도 있다. 일 실시형태에서, 정지 검출 모듈 (108) 로부터의 모션 인디케이션이 존재하는 경우 충전 상태에 대한 정보는, 모바일 디바이스가 이동 차량에서 충전되고 있다는 것을 시사할 수도 있다. 일 실시형태에서, 모션 인디케이션이 존재하는 경우 자동차 블루투스 디바이스에 대한 모바일 디바이스의 블루투스 접속성에 대한 정보는, 모바일 디바이스가 이동 차량에 있다는 것을 시사할 수도 있다. 모션 분류기 (308) 는 이 정보를 사용하여, 모바일 디바이스가 수송중 상태에 있다는 조건부 확률을 증가시키고 수송중 상태를 정지, 피제팅, 또는 걷기 상태로 오분류하는 확률을 감소시킬 수도 있다. 일 실시형태에서, WiFi 기반 휴리스틱은 도 2a 에서와 같이 수송중 긍정 오류들을 감소시키는데 사용될 수도 있다. 하나 이상의 실시형태들에서, 폰 상태 정보는 모션 분류기 (308) 에 의해 사용되어, 튜닝된 모듈들로부터 튜닝된 상태들에 대한 확률을 변경할 수도 있다. 예를 들어, WiFi 기반 휴리스틱이, 모바일 디바이스가 비-모바일 AP 에 접속된다는 것을 나타내면, 모션 분류기는 정지 검출 모듈 (108) 로부터 정지 상태의 확률 및/또는 피도미터 (106) 로부터 걷기 상태 또는 달리기 상태의 확률을 증가시킬 수도 있다.
판정 블록 310 에서, 모션 분류기 (308) 로부터 모션 상태의 신뢰도에 대한 결정이 이루어진다. 신뢰도는 모션 분류기 (308) 로부터 모든 가능한 모션 상태들에 대한 조건부 확률들일 수도 있다. 모션 분류기 (308) 는 튜닝된 모듈의 튜닝된 상태들, 폰 상태 정보, 및 센서 신호들에 대한 신뢰도에 기초하여 모션 상태들에 대한 신뢰도를 생성할 수도 있다. 걷기, 달리기, 수송중, 또는 피제팅 상태와 같은 모션 상태에서의 고 신뢰도는 최종 상태 모듈 (304) 에 의해 사용되어, 모션 상태 분류 시스템으로부터 검출된 상태를 생성할 수도 있다.
도 4 는 본 개시물의 주제의 일 실시형태에 따른 도 3 의 모션 상태 분류 시스템에서 수송중 상태의 검출을 향상시키도록 폰 상태 휴리스틱을 사용하는 프로세스의 플로우차트를 나타낸다. 폰 상태 휴리스틱은 수송중 상태의 검출을 향상시키는 것을 돕도록 모션의 인디케이션과 결합하여 사용될 수도 있다. 폰 상태 정보는 쉽게 획득될 수도 있고, 추가의 프로세싱 요건 또는 전력 방출이 거의 없거나 없는 모션 상태 검출을 돕는데 사용될 수도 있다는 이점이 있다.
블록 402 에서, 모션 분류기 (308) 는 정지 검출 모듈 (108) 로부터 모션/비-모션 인디케이션을 수신한다. 모션 분류기 (308) 는, 모션 상태의 인디케이션이 존재하는지를 결정한다. 모션의 인디케이션이 존재하지 않으면, 모션 분류기 (308) 는 블록 404 에서 WiFi 기반 휴리스틱에 대한 WiFi 접속성 정보와 같은, 다른 폰 상태 휴리스틱을 사용할 수도 있다. 모션의 인디케이션이 존재하면, 블록 406 에서 모션 분류기 (308) 는, 모바일 디바이스가 충전 상태에 있는지를 결정한다. 모바일 디바이스의 충전 상태에 대한 정보는 OS 의 API 로부터 또는 다른 소프트웨어 인터페이스로부터 획득될 수도 있다. 모바일 디바이스가 충전 상태에 있으면, 이것은, 모바일 디바이스가 자동차 충전기에 플러그된다는 것을 나타낼 수도 있다. 사용자는 이동하는 자동차에서 모바일 디바이스를 충전하고 있다는 고 확률이 존재한다. 블록 408 에서, 모션 분류기 (308) 는, 모바일 디바이스가 수송중 상태에 있다는 더 높은 사전 확률을 설정한다.
확장된 수송중 상태가 종종 정지 상태, 예컨대 모바일 디바이스가 주머니 안에 있거나 또는 정지상태 사용자의 손에 쥐어있는 경우와 혼동되기 때문에, 스마트폰의 충전 상태에 대한 정보는 정지 상태 긍정 오류들을 완화시키는데 사용될 수도 있다. 모바일 디바이스가 벽 충전기에 플러그되면, 완벽한 정지 상태를 검출하도록 튜닝된 모듈은 정지 상태에서 벽 충전으로부터 수송중 상태에서의 자동차 충전을 구별하는데 사용될 수도 있다. 모바일 디바이스의 WiFi 접속성을 사용하는 것과 같은 다른 휴리스틱-기반 접근이 또한, 사용될 수도 있다. 일 실시형태에서, 모바일 디바이스가 충전 상태에 있고 모션 상태가 검출되는 경우, GPS 수신기는 수송중 상태를 확인하도록 인에이블될 수도 있다. 모바일 디바이스가 더 이상 충전 상태에 있지 않거나 모션 상태가 더 이상 검출되지 않는 경우, GPS 수신기는 수송중 상태의 종료를 다시 한번 확인하도록 인에이블될 수도 있다.
모바일 디바이스가 충전 상태에 있지 않으면, 블록 410 에서 모바일 디바이스는, 모바일 디바이스가 자동차 블루투스 디바이스에 접속되는지를 결정한다. 모바일 디바이스는 한 번 (one-time) 셋업을 통해 자동차에서 블루투스 환경을 인식하도록 구성될 수도 있다. 모바일 디바이스가 자동차 블루투스 디바이스에 접속되면, 모바일 디바이스가 이동하는 차량에 있다는 고 확률이 존재한다. 블록 408 에서, 모션 분류기 (308) 는, 모바일 디바이스가 수송중 상태에 있다는 더 높은 사전 확률을 설정한다.
모바일 디바이스가 자동차 블루투스 디바이스에 접속되지 않으면, 블록 412 에서 모바일 디바이스는, 모바일 디바이스가 모바일 WiFi 에 접속되는지를 결정한다. 모바일 디바이스가 모바일 WiFi 에 접속되면, 예컨대 사용자가 버스에서 모바일 AP 에 접속되는 경우, 모바일 디바이스가 이동하는 차량에 있다는 고 확률이 또한 존재한다. 블록 408 에서, 모션 분류기 (308) 는, 모바일 디바이스가 수송중 상태에 있다는 더 높은 사전 확률을 설정한다. 그렇지 않고, 모바일 디바이스가 자동차 블루투스 디바이스에 접속되지 않으면, 모션 분류기 (308) 는 블록 404 에서 다른 폰 상태 휴리스틱을 사용할 수도 있다. 블록 414 에서, 일단 수송중 상태에 대한 확률 또는 다른 휴리스틱에 기초한 확률 정보가 설정되면, 모션 분류기는 그 확률 정보를 사용하여 센서 신호들을 사용하는 최종 모션 상태의 결정에 영향을 준다. 따라서, 폰 상태 휴리스틱은 수송중 상태를 정지, 피제팅, 또는 걷기 상태로 오분류하는 확률을 감소시키도록 사용될 수도 있다.
도 5 는 본 개시물의 주제의 일 실시형태에 따라 본원에 논의된 하나 이상의 컴포넌트들을 구현하기에 적합한 컴퓨터 시스템 (500) 의 블록도이다. 다양한 구현들에서, 모바일 디바이스는 퍼스널 컴퓨팅 디바이스, 독립형 또는 네트워크형 (예를 들어, 스마트폰, 컴퓨팅 태블릿, 퍼스널 컴퓨터, 랩톱, PDA, 블루투스 디바이스, 키 FOB, 배지 등) 을 포함할 수도 있다. 모바일 디바이스는 설명된 실시형태들에 따라 다양한 방법론들을 수행하도록 동작하는 복수의 하드웨어 컴포넌트들 및/또는 소프트웨어 컴포넌트들을 포함 또는 구현할 수도 있다.
컴퓨터 시스템 (500) 은 컴퓨터 시스템 (500) 의 다양한 컴포넌트들 간에 정보 데이터, 신호들, 및 정보를 통신하기 위한 다른 통신 메커니즘 또는 버스 (502) 를 포함한다. 컴포넌트들은, 가상 키패드/키보드로부터 키들을 선택하고, 하나 이상의 버튼들 또는 링크들 등을 선택하는 것과 같은 사용자 액션을 프로세싱하고, 대응하는 신호를 버스 (502) 로 전송하는 입력/출력 (I/O) 컴포넌트 (504) 를 포함한다. I/O 컴포넌트 (504) 는 또한, 커서 제어 (513)(예컨대, 가상 키보드, 가상 키패드, 가상 마우스 등) 과 같은 입력 제어 및 사용자의 눈 전방의 단 거리에 장착된 디스플레이 매체 (511) 와 같은 출력 컴포넌트를 포함할 수도 있다. 옵션적 오디오 입력/출력 컴포넌트 (505) 는 또한, 오디오 신호들을 정보 신호들로 컨버팅함으로써 정보를 입력하기 위한 음성을 사용자가 사용하는 것을 허용하도록 포함될 수도 있다. 오디오 I/O 컴포넌트 (505) 는 사용자가 오디오를 베어링하는 것을 허용할 수도 있다. 트랜시버 또는 네트워크 인터페이스 (506) 는 컴퓨터 시스템 (500) 과 다른 디바이스들, 예컨대 다른 사용자 디바이스, 또는 다른 네트워크 컴퓨팅 디바이스 간에 신호들을 통신 링크 (518) 를 통해 네트워크로 송신 및 수신한다. 일 실시형태에서, 송신은 무선이지만, 다른 송신 매체들 및 방법들이 또한 적합할 수도 있다. 예를 들어, 통신 링크 (518) 는 블루투스, WiFi 채널일 수도 있다. 네트워크 인터페이스 (506) 는 모션 상태 분류를 위한 휴리스틱으로서 프로세서 (512) 에 의한 사용을 위해 WiFi 또는 블루투스 접속성 정보와 같은 폰 상태 정보를 생성할 수도 있다. 마이크로제어기, 디지털 신호 프로세서 (DSP), 또는 다른 프로세싱 컴포넌트일 수 있는 프로세서 (512) 는, 예컨대 컴퓨터 시스템 (500) 상의 디스플레이 또는 통신 링크 (518) 를 통한 다른 디바이스들로의 송신을 위해 이들 다양한 신호들을 프로세싱한다. 프로세서 (512) 는 또한, 쿠키 또는 IP 어드레스들과 같은 정보의, 다른 디바이스들로의 송신을 제어할 수도 있다. 가속도계 (520) 는 버스 (502) 를 통해 프로세서 (512) 에 의해 판독될 수도 있는 가속도계 신호들에 컴퓨터 시스템 (500) 의 모션을 등록한다. 다른 실시형태들에서, 모션 센서들의 다른 타입들 또는 자이로는 컴퓨터 시스템 (500) 의 모션을 검출하는데 사용될 수도 있다.
컴퓨터 시스템 (500) 의 컴포넌트들은 또한, 시스템 메모리 컴포넌트 (514)(예를 들어, RAM), 정적 스토리지 컴포넌트 (516)(예를 들어, ROM), 및/또는 디스크 드라이브 (517) 를 포함한다. 컴퓨터 시스템 (500) 은 시스템 메모리 컴포넌트 (514) 에 포함된 명령들의 하나 이상의 시퀀스들을 실행함으로써 프로세서 (512) 및 다른 컴포넌트들에 의해 특정 동작들을 수행한다. 로직은 컴퓨터 판독가능 매체에 인코딩될 수도 있고, 이 매체는 실행을 위해 프로세서 (512) 에 명령들을 제공하는데 참여하는 임의의 매체를 지칭할 수도 있다. 이러한 매체는, 비휘발성 매체, 휘발성 매체, 및 송신 매체를 비제한적으로 포함하는 많은 형태들을 취할 수도 있다. 다양한 구현들에서 비휘발성 매체는 광학, 또는 자기 디스크들, 또는 고체-상태 드라이브들을 포함하고; 휘발성 매체는 동적 메모리, 예컨대 시스템 메모리 컴포넌트 (514) 를 포함하며; 송신 매체는 버스 (502) 를 포함하는 와이어들을 포함하는, 동축 케이블들, 구리 선, 및 광섬유들을 포함한다. 일 실시형태에서, 로직은 비일시적 컴퓨터 판독가능 매체에서 인코딩된다. 일 예에서, 송신 매체는 라디오 파, 광학, 및 적외선 데이터 통신들 동안 생성된 것들과 같은 음향 또는 광 (light) 파들의 형태를 취할 수도 있다.
본 개시물의 다양한 실시형태들에서, 본 개시물을 실시하기 위한 명령 시퀀스들의 실행은 컴퓨터 시스템 (500) 에 의해 수행될 수도 있다. 본 개시물의 다양한 다른 실시형태들에서, (예를 들어, LAN, WLAN, PTSN, 및/또는 텔레통신, 모바일, 및 셀룰러 폰 네트워크들을 포함하는 다양한 다른 유선 또는 무선 네트워크들과 같은) 네트워크에 통신 링크 (518) 에 의해 커플링된 복수의 컴퓨터 시스템들 (500) 은 서로 협력하여 본 개시물을 실시하도록 명령 시퀀스들을 수행할 수도 있다.
적용 가능한 경우, 본 개시물에 의해 제공된 다양한 실시형태들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합들을 사용하여 구현될 수도 있다. 또한, 적용 가능한 경우, 본원에 설명된 다양한 하드웨어 컴포넌트들, 소프트웨어 컴포넌트들, 및/또는 펌웨어 컴포넌트들은 본 개시물의 사상으로부터 벗어남 없이 및/또는 소프트웨어, 펌웨어, 하드웨어를 포함하는 복합 컴포넌트들로 결합될 수도 있다. 적용 가능한 경우, 본원에 설명된 다양한 하드웨어 컴포넌트들, 소프트웨어 컴포넌트들, 및/또는 펌웨어 컴포넌트들은 본 개시물의 사상으로부터 벗어남 없이 또는 소프트웨어, 펌웨어, 하드웨어를 포함하는 서브컴포넌트들로 분리될 수도 있다. 또한, 적용 가능한 경우, 소프트웨어 컴포넌트들은 하드웨어 컴포넌트들로서 구현될 수도 있고, 그 반대의 경우로 구현될 수도 있음이 고려된다. 적용 가능한 경우, 본원에 설명된 다양한 스텝들의 순서는 변경되고, 복합 단계들로 결합되고/되거나 서브-단계들로 분리되어 본원에 설명된 피처들을 제공할 수도 있다.
본 개시물의 실시형태들이 설명되었으나, 이들 실시형태들은 본 개시물을 예시하지만 제한하지는 않는다. 예를 들어, WiFi 접속성, 폰 충전 상태, 및 블루투스 접속성과 같은 폰 상태 정보가 모션 상태 검출을 향상시키기 위해 설명된 실시형태들에서 휴리스틱으로서 사용되지만, 다른 폰 상태, 컨디션, HW 또는 SW 에 기초한 휴리스틱이 사용될 수도 있다. 유사하게, 자이로 (gyro) 와 같은 가속도계들 외의 센서들로부터의 신호들이 모션 분류 시스템에 의해 사용되어 모션 상태를 검출할 수도 있다. 또한, 본 개시물의 실시형태들은 이들 실시형태들에 제한되지 않고, 다수의 수정들 및 변형들은 본 개시물의 원리들에 따라 당업자에 의해 이루어질 수도 있고 이하에서 청구되는 것과 같은 본 개시물의 사상 및 범위 내에 포함되는 것으로 이해될 것이다.

Claims (92)

  1. 디바이스와 연관된 모션 상태를 검출하는 방법으로서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 수신하는 단계;
    상기 디바이스가 제 1 모션 상태에 있다는 확률을 설정하도록 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계;
    하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계로서, 상기 하나 이상의 센서 신호들의 특징은 상기 디바이스의 모션을 반영하는, 상기 하나 이상의 센서 신호들을 수신하는 단계; 및
    상기 디바이스에 대한 최종 모션 상태를 생성하도록 상기 디바이스가 상기 제 1 모션 상태에 있다는 상기 확률에 의해 보조된 상기 하나 이상의 센서 신호들을 모션 분류기에 의해 프로세싱하는 단계를 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  2. 제 1 항에 있어서,
    상기 모션 분류기에 의해 프로세싱하는 단계는, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계에 의해 설정될 때, 상기 디바이스가 상기 제 1 모션 상태에 있다는 저 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태로부터 멀리 바이어싱하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  3. 제 2 항에 있어서,
    상기 모션 분류기에 의해 프로세싱하는 단계는, 상기 디바이스가 상기 제 1 모션 상태에 있다는 확률이 매우 낮은 경우 상기 최종 모션 상태에 대한 고려사항으로부터 상기 제 1 모션 상태를 제거하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  4. 제 1 항에 있어서,
    상기 모션 분류기에 의해 프로세싱하는 단계는, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계에 의해 설정될 때, 상기 디바이스가 상기 제 1 모션 상태에 있다는 고 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태를 향해 바이어싱하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  5. 제 1 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 WiFi 접속성에 대한 정보가, 상기 디바이스가 비-모바일 액세스 포인트에 접속된다는 것을 나타내는 경우 상기 디바이스가 수송중 (in-transit) 상태에 있다는 저 확률을 설정하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  6. 제 1 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 WiFi 접속성에 대한 정보가 상기 디바이스가 모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 고 확률을 설정하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  7. 제 1 항에 있어서,
    상기 WiFi 접속성에 대한 정보가 상기 디바이스가 WiFi 에 접속되지 않는다는 것을 나타내는 경우, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는 상기 디바이스에 의해 수행된 복수의 주기적 WiFi 스캔들에 대한 정보를 프로세싱하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  8. 제 7 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 액세스 포인트가 존재한다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 저 확률을 설정하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  9. 제 7 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 액세스 포인트가 존재하지 않는다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 고 확률을 설정하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  10. 디바이스와 연관된 모션 상태를 검출하는 방법으로서,
    하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계로서, 상기 하나 이상의 센서 신호들의 특징은 상기 디바이스의 모션을 반영하는, 상기 하나 이상의 센서 신호들을 수신하는 단계;
    하나 이상의 튜닝된 신호들을 생성하도록 상기 하나 이상의 센서 신호들을 하나 이상의 튜닝된 모듈들에 의해 프로세싱하는 단계로서, 상기 튜닝된 모듈들 각각은 상기 디바이스의 튜닝된 상태를 검출하도록 구성되고, 상기 튜닝된 신호들 각각은 상기 튜닝된 상태의 확률을 나타내는, 상기 하나 이상의 센서 신호들을 하나 이상의 튜닝된 모듈들에 의해 프로세싱하는 단계;
    상기 하나 이상의 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 상기 하나 이상의 센서 신호들을 모션 분류기에 의해 프로세싱하는 단계; 및
    상기 디바이스의 최종 모션 상태를 결정하도록 상기 하나 이상의 튜닝된 모듈들로부터의 상기 하나 이상의 튜닝된 신호들 및 상기 모션 분류기로부터의 상기 최빈 모션 상태를 결합하는 단계를 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  11. 제 10 항에 있어서,
    상기 튜닝된 모듈들 중 하나는 상기 디바이스의 정지 상태를 검출하도록 구성된 정지 검출 모듈을 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  12. 제 10 항에 있어서,
    상기 튜닝된 모듈들 중 하나는 스텝들을 검출하도록 구성된 피도미터 모듈을 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  13. 제 10 항에 있어서,
    상기 결합하는 단계는, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률을 사용하여 상기 최종 모션 상태를 상기 튜닝된 상태를 향해 드라이브하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  14. 제 10 항에 있어서,
    상기 결합하는 단계는, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률이 상기 튜닝된 상태의 고 확률을 표현하는 경우 상기 모션 분류기에 의해 프로세싱하는 단계를 바이패스하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  15. 제 14 항에 있어서,
    상기 정지 상태를 검출하도록 구성된 상기 튜닝된 모듈들 중 하나로부터의 상기 튜닝된 신호에 의해 표시된 정지 상태의 확률이 임계를 초과하는 경우, 상기 모션 분류기에 의해 프로세싱하는 단계는 바이패스되고, 상기 최종 모션 상태는 상기 정지 상태인, 디바이스와 연관된 모션 상태를 검출하는 방법.
  16. 제 14 항에 있어서,
    상기 스텝들을 검출하도록 구성된 상기 튜닝된 모듈들 중 하나로부터의 상기 튜닝된 신호에 의해 표시된 걷기 상태의 확률이 임계를 초과하는 경우, 상기 모션 분류기에 의해 프로세싱하는 단계는 바이패스되고, 상기 최종 모션 상태는 상기 걷기 상태인, 디바이스와 연관된 모션 상태를 검출하는 방법.
  17. 제 10 항에 있어서,
    상기 모션 분류기에 의해 프로세싱하는 단계는, 상기 디바이스의 동작 상태의 정보를 프로세싱하여 상기 최빈 모션 상태를 드라이브하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  18. 제 17 항에 있어서,
    상기 모션 분류기에 의해 프로세싱하는 단계는, 상기 디바이스의 동작 상태의 정보를 사용하여 상기 튜닝된 상태들 중 하나의 확률을 변경하는 단계를 더 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  19. 제 17 항에 있어서,
    상기 디바이스의 동작 상태는 상기 디바이스의 충전 상태에 대한 정보를 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  20. 제 19 항에 있어서,
    상기 디바이스의 충전 상태에 대한 정보가 상기 디바이스가 충전 상태에 있다는 것을 나타내고, 상기 정지 상태를 검출하도록 구성된 튜닝된 모듈들 중 하나로부터의 상기 튜닝된 신호가 모션이 존재한다는 것을 나타내는 경우, 상기 최빈 모션 상태는 수송중 상태에 있는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  21. 제 17 항에 있어서,
    상기 디바이스의 동작 상태는 상기 디바이스의 네트워크 접속성에 대한 정보를 포함하는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  22. 제 21 항에 있어서,
    상기 디바이스의 네트워크 접속성에 대한 정보가 상기 디바이스가 자동차에서의 디바이스에 접속된다는 것을 나타내고, 정지 상태를 검출하도록 구성된 상기 튜닝된 모듈들 중 하나로부터의 상기 튜닝된 신호가 모션이 존재한다는 것을 나타내는 경우, 상기 최빈 모션 상태는 수송중 상태에 있는, 디바이스와 연관된 모션 상태를 검출하는 방법.
  23. 제 10 항에 있어서,
    상기 센서 디바이스들 중 하나는 가속도계인, 디바이스와 연관된 모션 상태를 검출하는 방법.
  24. 장치로서,
    상기 장치의 모션을 센서 신호들에 등록하도록 구성된 센서로서, 상기 센서 신호들의 특징은 상기 장치의 모션을 반영하는, 상기 센서;
    상기 장치의 WiFi 접속성에 대한 정보를 생성하도록 구성된 모듈;
    메모리; 및
    상기 메모리에 커플링되고,
    상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하여 상기 장치가 제 1 모션 상태에 있다는 확률을 설정하며;
    상기 장치가 상기 제 1 모션 상태에 있다는 상기 확률에 의해 보조된 상기 센서 신호들을 프로세싱하여 상기 장치의 최종 모션 상태를 생성하도록
    구성된 하나 이상의 프로세서들을 포함하는, 장치.
  25. 제 24 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치의 WiFi 접속성에 대한 정보로부터 프로세싱될 때, 상기 장치가 상기 제 1 모션 상태에 있다는 저 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태로부터 멀리 바이어싱하도록 또한 구성됨으로써, 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  26. 제 25 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치가 상기 제 1 모션 상태에 있다는 상기 확률이 매우 낮은 경우 상기 최종 모션 상태에 대한 고려사항으로부터 상기 제 1 모션 상태를 제거하도록 또한 구성됨으로써, 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  27. 제 24 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치의 WiFi 접속성에 대한 정보로부터 프로세싱될 때, 상기 장치가 상기 제 1 모션 상태에 있다는 고 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태를 향해 바이어싱하도록 또한 구성됨으로써, 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  28. 제 24 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 WiFi 접속성에 대한 정보가 상기 장치가 비-모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 장치가 수송중 상태에 있다는 저 확률을 설정하도록 또한 구성됨으로써, 상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하도록 구성되는, 장치.
  29. 제 24 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 WiFi 접속성에 대한 정보가 상기 장치가 모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 장치가 수송중 상태에 있다는 고 확률을 설정하도록 또한 구성됨으로써, 상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하도록 구성되는, 장치.
  30. 제 24 항에 있어서,
    상기 WiFi 접속성에 대한 정보가 상기 장치가 WiFi 에 접속되지 않는다는 것을 나타내는 경우, 상기 하나 이상의 프로세서들은, 상기 장치에 의해 수행된 복수의 주기적 WiFi 스캔들에 대한 정보를 프로세싱하도록 또한 구성됨으로써 상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하도록 구성되는, 장치.
  31. 제 30 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통 액세스 포인트가 존재한다는 것을 나타내는 경우, 상기 장치가 수송중 상태에 있다는 저 확률을 설정하도록 또한 구성됨으로써, 상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하도록 구성되는, 장치.
  32. 제 30 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 액세스 포인트가 존재하지 않는다는 것을 나타내는 경우, 상기 장치가 수송중 상태에 있다는 고 확률을 설정하도록 또한 구성됨으로써, 상기 장치의 WiFi 접속성에 대한 정보를 프로세싱하도록 구성되는, 장치.
  33. 장치로서,
    상기 장치의 모션을 센서 신호들에 등록하도록 구성된 센서로서, 상기 센서 신호들의 특징은 상기 장치의 모션을 반영하는, 상기 센서;
    비일시적 메모리; 및
    상기 메모리에 커플링되고,
    상기 센서 신호들을 프로세싱하여 하나 이상의 튜닝된 신호들을 생성하고, 상기 장치의 하나 이상의 튜닝된 상태들을 검출하도록 또한 구성되고, 상기 튜닝된 신호들 각각은 상기 튜닝된 상태들 중 하나의 확률을 나타내고,
    상기 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하며;
    상기 하나 이상의 튜닝된 신호들 및 상기 최빈 모션 상태를 결합하여 상기 장치의 최종 모션 상태를 결정하도록
    구성된 하나 이상의 프로세서들을 포함하는, 장치.
  34. 제 33 항에 있어서,
    상기 튜닝된 상태들 중 하나는 정지 상태를 포함하는, 장치.
  35. 제 33 항에 있어서,
    상기 튜닝된 상태들 중 하나는 걷기 상태를 포함하는, 장치.
  36. 제 33 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률을 사용하여 상기 최종 모션 상태를 상기 튜닝된 상태를 향해 드라이브하도록 또한 구성됨으로써, 결합하도록 구성되는, 장치.
  37. 제 33 항에 있어서,
    상기 하나 이상의 프로세서들은 또한, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률이 상기 튜닝된 상태의 고 확률을 표현하는 경우, 상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 것을 바이패스하도록 구성되는, 장치.
  38. 제 37 항에 있어서,
    정지 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 정지 상태의 확률이 임계를 초과하는 경우, 상기 하나 이상의 프로세서들은 또한, 상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 것을 바이패스하도록 구성되고, 상기 최종 모션 상태는 상기 정지 상태인, 장치.
  39. 제 37 항에 있어서,
    걷기 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 걷기 상태의 확률이 임계를 초과하는 경우, 상기 하나 이상의 프로세서들은 또한, 상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 것을 바이패스하도록 구성되고, 상기 최종 모션 상태는 상기 걷기 상태인, 장치.
  40. 제 33 항에 있어서,
    상기 하나 이상의 프로세서들은 또한, 상기 장치의 동작 상태의 정보를 프로세싱하여 상기 최빈 모션 상태를 드라이브하도록 구성되는, 장치.
  41. 제 40 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치의 동작 상태의 정보를 사용하여 상기 튜닝된 상태들 중 하나의 확률을 변경하도록 또한 구성됨으로써, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  42. 제 40 항에 있어서,
    상기 장치의 동작 상태는 상기 장치의 충전 상태에 대한 정보를 포함하는, 장치.
  43. 제 42 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치의 충전 상태에 대한 정보가 상기 장치가 충전 상태에 있다는 것을 나타내고, 정지 상태에 대한 상기 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 수송중 상태를 최빈 모션 상태로서 생성하도록 또한 구성됨으로써, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  44. 제 40 항에 있어서,
    상기 장치의 동작 상태는 상기 장치의 네트워크 접속성에 대한 정보를 포함하는, 장치.
  45. 제 44 항에 있어서,
    상기 하나 이상의 프로세서들은, 상기 장치의 네트워크 접속성에 대한 정보가 상기 장치가 자동차에서의 디바이스에 접속된다는 것을 나타내고, 정지 상태에 대한 상기 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 수송중 상태를 최빈 모션 상태로서 생성하도록 또한 구성됨으로써, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하도록 구성되는, 장치.
  46. 제 33 항에 있어서,
    상기 센서 디바이스는 가속도계인, 장치.
  47. 복수의 머신 판독가능 명령들을 저장하는 비일시적 머신 판독가능 매체로서,
    상기 명령들은 하나 이상의 프로세서들에 의해 실행되는 경우, 상기 하나 이상의 프로세서들로 하여금 방법을 수행하게 하도록 구성되고,
    상기 방법은,
    디바이스의 WiFi 접속성에 대한 정보를 수신하는 단계;
    상기 디바이스가 제 1 모션 상태에 있다는 확률을 설정하도록 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계;
    하나 이상의 센서 디바이스들로부터 하나 이상의 센서 신호들을 수신하는 단계로서, 상기 하나 이상의 센서 신호들의 특징은 상기 디바이스의 모션을 반영하는, 상기 하나 이상의 센서 신호들을 수신하는 단계; 및
    상기 디바이스에 대한 최종 모션 상태를 생성하도록 상기 디바이스가 상기 제 1 모션 상태에 있다는 상기 확률에 의해 보조된 상기 하나 이상의 센서 신호들을 프로세싱하는 단계를 포함하는, 비일시적 머신 판독가능 매체.
  48. 제 47 항에 있어서,
    상기 하나 이상의 센서 신호들을 프로세싱하는 단계는, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계에 의해 설정될 때, 상기 디바이스가 상기 제 1 모션 상태에 있다는 저 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태로부터 멀리 바이어싱하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  49. 제 48 항에 있어서,
    상기 하나 이상의 센서 신호들을 프로세싱하는 단계는, 상기 디바이스가 상기 제 1 모션 상태에 있다는 확률이 매우 낮은 경우 상기 최종 모션 상태에 대한 고려사항으로부터 상기 제 1 모션 상태를 제거하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  50. 제 47 항에 있어서,
    상기 하나 이상의 센서 신호들을 프로세싱하는 단계는, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계에 의해 설정될 때, 상기 디바이스가 상기 제 1 모션 상태에 있다는 고 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태를 향해 바이어싱하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  51. 제 47 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 WiFi 접속성에 대한 정보가 상기 디바이스가 비-모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 저 확률을 설정하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  52. 제 47 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 WiFi 접속성에 대한 정보가 상기 디바이스가 모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 고 확률을 설정하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  53. 제 47 항에 있어서,
    상기 WiFi 접속성에 대한 정보가 상기 디바이스가 WiFi 에 접속되지 않는다는 것을 나타내는 경우, 상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는 상기 디바이스에 의해 수행된 복수의 주기적 WiFi 스캔들에 대한 정보를 프로세싱하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  54. 제 53 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 액세스 포인트가 존재한다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 저 확률을 설정하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  55. 제 53 항에 있어서,
    상기 디바이스의 WiFi 접속성에 대한 정보를 프로세싱하는 단계는,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 액세스 포인트가 존재하지 않는다는 것을 나타내는 경우, 상기 디바이스가 수송중 상태에 있다는 고 확률을 설정하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  56. 복수의 머신 판독가능 명령들을 저장하는 비일시적 머신 판독가능 매체로서,
    상기 명령들은 하나 이상의 프로세서들에 의해 실행되는 경우, 상기 하나 이상의 프로세서들로 하여금 방법을 수행하게 하도록 구성되고,
    상기 방법은,
    하나 이상의 센서 신호들을 수신하는 단계로서, 상기 하나 이상의 센서 신호들의 특징은 디바이스의 모션을 반영하는, 상기 하나 이상의 센서 신호들을 수신하는 단계;
    하나 이상의 튜닝된 신호들을 생성하도록 상기 하나 이상의 센서 신호들을 프로세싱하는 단계로서, 상기 프로세싱은 상기 디바이스의 하나 이상의 튜닝된 상태들을 검출하도록 구성되고, 상기 튜닝된 신호들 각각은 상기 튜닝된 상태의 확률을 나타내는, 상기 하나 이상의 센서 신호들을 프로세싱하는 단계;
    상기 하나 이상의 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 상기 하나 이상의 센서 신호들을 프로세싱하는 단계; 및
    상기 디바이스의 최종 모션 상태를 결정하도록 상기 하나 이상의 튜닝된 신호들 및 상기 최빈 모션 상태를 결합하는 단계를 포함하는, 비일시적 머신 판독가능 매체.
  57. 제 56 항에 있어서,
    상기 튜닝된 상태들 중 하나는 상기 디바이스의 정지 상태를 포함하는, 비일시적 머신 판독가능 매체.
  58. 제 56 항에 있어서,
    상기 튜닝된 상태들 중 하나는 상기 디바이스의 걷기 상태를 포함하는, 비일시적 머신 판독가능 매체.
  59. 제 56 항에 있어서,
    상기 결합하는 단계는 또한, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률을 사용하여 상기 최종 모션 상태를 상기 튜닝된 상태를 향해 드라이브하는, 비일시적 머신 판독가능 매체.
  60. 제 56 항에 있어서,
    상기 방법은, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률이 상기 튜닝된 상태의 고 확률을 표현하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 단계를 바이패스하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  61. 제 60 항에 있어서,
    정지 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 정지 상태의 확률이 임계를 초과하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 단계는 바이패스되고, 상기 최종 모션 상태는 상기 정지 상태인, 비일시적 머신 판독가능 매체.
  62. 제 60 항에 있어서,
    걷기 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 걷기 상태의 확률이 임계를 초과하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하는 단계는 바이패스되고, 상기 최종 모션 상태는 상기 걷기 상태인, 비일시적 머신 판독가능 매체.
  63. 제 56 항에 있어서,
    상기 방법은, 상기 디바이스의 동작 상태의 정보를 프로세싱하여 상기 최빈 모션 상태를 드라이브하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  64. 제 63 항에 있어서,
    상기 최빈 모션 상태를 생성하도록 상기 하나 이상의 센서 신호들을 프로세싱하는 단계는, 상기 디바이스의 동작 상태의 정보를 사용하여 상기 튜닝된 상태들 중 하나의 확률을 변경하는 단계를 더 포함하는, 비일시적 머신 판독가능 매체.
  65. 제 63 항에 있어서,
    상기 디바이스의 동작 상태는 상기 디바이스의 충전 상태에 대한 정보를 포함하는, 비일시적 머신 판독가능 매체.
  66. 제 65 항에 있어서,
    상기 디바이스의 충전 상태에 대한 정보가 상기 디바이스가 충전 상태에 있다는 것을 나타내고, 정지 상태에 대한 상기 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 상기 최빈 모션 상태는 수송중 상태인, 비일시적 머신 판독가능 매체.
  67. 제 63 항에 있어서,
    상기 디바이스의 동작 상태는 상기 디바이스의 네트워크 접속성에 대한 정보를 포함하는, 비일시적 머신 판독가능 매체.
  68. 제 67 항에 있어서,
    상기 디바이스의 네트워크 접속성에 대한 정보가 상기 디바이스가 자동차에서의 제 2 디바이스에 접속된다는 것을 나타내고, 정지 상태에 대한 상기 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 상기 최빈 모션 상태는 수송중 상태인, 비일시적 머신 판독가능 매체.
  69. 제 56 항에 있어서,
    상기 센서 신호들 중 하나는 가속도계로부터 수신되는, 비일시적 머신 판독가능 매체.
  70. 시스템으로서,
    상기 시스템의 WiFi 접속성에 대한 정보를 생성하기 위한 수단;
    상기 시스템이 제 1 모션 상태에 있다는 확률을 설정하도록 상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단;
    상기 시스템의 모션을 센서 신호들에 등록하기 위한 수단으로서, 상기 센서 신호들의 특징은 상기 시스템의 모션을 반영하는, 상기 시스템의 모션을 센서 신호들에 등록하기 위한 수단; 및
    상기 시스템에 대한 최종 모션 상태를 생성하도록 상기 시스템이 상기 제 1 모션 상태에 있다는 확률에 의해 보조된 상기 센서 신호들을 프로세싱하기 위한 수단을 포함하는, 시스템.
  71. 제 70 항에 있어서,
    상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단에 의해 설정될 때, 상기 시스템이 상기 제 1 모션 상태에 있다는 저 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태로부터 멀리 바이어싱하기 위한 수단을 더 포함하는, 시스템.
  72. 제 70 항에 있어서,
    상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템이 상기 제 1 모션 상태에 있다는 확률이 매우 낮은 경우 상기 최종 모션 상태에 대한 고려사항으로부터 상기 제 1 모션 상태를 제거하기 위한 수단을 더 포함하는, 시스템.
  73. 제 70 항에 있어서,
    상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단에 의해 설정될 때, 상기 시스템이 상기 제 1 모션 상태에 있다는 고 확률에 기초하여 상기 최종 모션 상태를 상기 제 1 모션 상태를 향해 바이어싱하기 위한 수단을 더 포함하는, 시스템.
  74. 제 70 항에 있어서,
    상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단은,
    상기 WiFi 접속성에 대한 정보가 상기 시스템이 비-모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 시스템이 수송중 상태에 있다는 저 확률을 설정하기 위한 수단을 더 포함하는, 시스템.
  75. 제 70 항에 있어서,
    상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단은,
    상기 WiFi 접속성에 대한 정보가 상기 시스템이 모바일 액세스 포인트에 접속된다는 것을 나타내는 경우, 상기 시스템이 수송중 상태에 있다는 고 확률을 설정하기 위한 수단을 더 포함하는, 시스템.
  76. 제 70 항에 있어서,
    상기 시스템의 WiFi 접속성에 대한 정보를 생성하기 위한 수단은 복수의 주기적 WiFi 스캔을 수행하기 위한 수단을 포함하고,
    상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단은, 상기 WiFi 접속성에 대한 정보가 상기 시스템이 WiFi 에 접속되지 않는다는 것을 나타내는 경우, 상기 복수의 주기적 WiFi 스캔들에 대한 정보를 프로세싱하기 위한 수단을 더 포함하는, 시스템.
  77. 제 76 항에 있어서,
    상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단은,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 AP 가 존재한다는 것을 나타내는 경우, 상기 시스템이 수송중 상태에 있다는 저 확률을 설정하기 위한 수단을 더 포함하는, 시스템.
  78. 제 76 항에 있어서,
    상기 시스템의 WiFi 접속성에 대한 정보를 프로세싱하기 위한 수단은,
    상기 복수의 주기적 WiFi 스캔들에 대한 정보가 상기 복수의 주기적 스캔들에서 공통의 AP 가 존재하지 않는다는 것을 나타내는 경우, 상기 시스템이 수송중 상태에 있다는 고 확률을 설정하기 위한 수단을 더 포함하는, 시스템.
  79. 시스템으로서,
    상기 시스템의 모션을 센서 신호들에 등록하기 위한 수단으로서, 상기 센서 신호들의 특징은 상기 시스템의 모션을 반영하는, 상기 시스템의 모션을 센서 신호들에 등록하기 위한 수단;
    하나 이상의 튜닝된 신호들을 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단으로서, 상기 시스템의 하나 이상의 튜닝된 상태들을 검출하기 위한 수단을 더 포함하고, 상기 튜닝된 신호들 각각은 상기 튜닝된 상태들 중 하나의 확률을 나타내는, 상기 센서 신호들을 프로세싱하기 위한 수단;
    상기 센서 신호들의 특징으로부터 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단; 및
    상기 시스템의 최종 모션 상태를 결정하도록 상기 하나 이상의 튜닝된 신호들 및 상기 최빈 모션 상태를 결합하기 위한 수단을 포함하는, 시스템.
  80. 제 79 항에 있어서,
    상기 튜닝된 상태들 중 하나는 정지 상태를 포함하는, 시스템.
  81. 제 79 항에 있어서,
    상기 튜닝된 상태들 중 하나는 걷기 상태를 포함하는, 시스템.
  82. 제 79 항에 있어서,
    상기 결합하기 위한 수단은, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률을 사용하여 상기 최종 모션 상태를 상기 튜닝된 상태를 향해 드라이브하기 위한 수단을 포함하는, 시스템.
  83. 제 79 항에 있어서,
    상기 시스템은, 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 튜닝된 상태의 확률이 상기 튜닝된 상태의 고 확률을 표현하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단을 바이패스하기 위한 수단을 더 포함하는, 시스템.
  84. 제 83 항에 있어서,
    정지 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 정지 상태의 확률이 임계를 초과하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단은 바이패스되고, 상기 최종 모션 상태는 상기 정지 상태인, 시스템.
  85. 제 83 항에 있어서,
    걷기 상태에 대한 상기 튜닝된 신호들 중 하나에 의해 표시된 상기 걷기 상태의 확률이 임계를 초과하는 경우, 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단은 바이패스되고, 상기 최종 모션 상태는 상기 걷기 상태인, 시스템.
  86. 제 79 항에 있어서,
    상기 시스템의 동작 상태의 정보를 프로세싱하여 상기 최빈 모션 상태를 드라이브하기 위한 수단을 더 포함하는, 시스템.
  87. 제 86 항에 있어서,
    상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템의 동작 상태의 정보를 사용하여 상기 튜닝된 상태들 중 하나의 확률을 변경하기 위한 수단을 더 포함하는, 시스템.
  88. 제 86 항에 있어서,
    상기 시스템의 동작 상태는 상기 시스템의 충전 상태에 대한 정보를 포함하는, 시스템.
  89. 제 88 항에 있어서,
    상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템의 충전 상태에 대한 정보가 상기 시스템이 충전 상태에 있다는 것을 나타내고, 정지 상태에 대한 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 수송중 상태를 상기 최빈 모션 상태로서 생성하기 위한 수단을 더 포함하는, 시스템.
  90. 제 86 항에 있어서,
    상기 시스템의 동작 상태는 상기 시스템의 네트워크 접속성에 대한 정보를 포함하는, 시스템.
  91. 제 90 항에 있어서,
    상기 최빈 모션 상태를 생성하도록 상기 센서 신호들을 프로세싱하기 위한 수단은, 상기 시스템의 네트워크 접속성에 대한 정보가 상기 시스템이 자동차에서의 디바이스에 접속된다는 것을 나타내고, 정지 상태에 대한 상기 튜닝된 신호들 중 하나가 모션이 존재한다는 것을 나타내는 경우, 수송중 상태를 상기 최빈 모션 상태로서 생성하기 위한 수단을 더 포함하는, 시스템.
  92. 제 79 항에 있어서,
    상기 시스템의 모션을 등록하기 위한 수단은 가속도계인, 시스템.
KR1020157028877A 2013-03-15 2014-03-11 저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출 KR101984354B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/839,483 US9730145B2 (en) 2013-03-15 2013-03-15 In-transit detection using low complexity algorithm fusion and phone state heuristics
US13/839,483 2013-03-15
PCT/US2014/023085 WO2014150372A2 (en) 2013-03-15 2014-03-11 Improved in-transit detection using low complexity algorithm fusion and phone state heuristics

Publications (2)

Publication Number Publication Date
KR20150132336A true KR20150132336A (ko) 2015-11-25
KR101984354B1 KR101984354B1 (ko) 2019-09-03

Family

ID=50733290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157028877A KR101984354B1 (ko) 2013-03-15 2014-03-11 저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출

Country Status (6)

Country Link
US (1) US9730145B2 (ko)
EP (1) EP2974481B1 (ko)
JP (1) JP6568842B2 (ko)
KR (1) KR101984354B1 (ko)
CN (1) CN105191455B (ko)
WO (1) WO2014150372A2 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9408178B2 (en) * 2013-01-22 2016-08-02 Apple Inc. Detecting mobile access points
JP5977196B2 (ja) * 2013-05-17 2016-08-24 京セラ株式会社 携帯機器、並びに携帯機器の制御プログラム及び制御方法
US9400321B2 (en) 2013-06-05 2016-07-26 Apple Inc. Utilizing mobile wireless access gateways for location and context purposes
US8666789B1 (en) * 2013-08-02 2014-03-04 State Farm Mutual Automobile Insurance Company Bluetooth device to enable data collection for insurance rating purposes
US9888341B2 (en) * 2014-06-26 2018-02-06 Lg Electronics Inc. Data transmitting method using WLAN
DE102015208771B3 (de) * 2015-05-12 2016-09-01 Robert Bosch Gmbh Vorrichtung und Verfahren zur Diebstahlerkennung
US10453325B2 (en) 2015-06-01 2019-10-22 Apple Inc. Creation of reminders using activity state of an application
US9603123B1 (en) 2015-06-04 2017-03-21 Apple Inc. Sending smart alerts on a device at opportune moments using sensors
US10235863B2 (en) * 2015-06-05 2019-03-19 Apple Inc. Smart location-based reminders
US9749942B2 (en) * 2015-07-15 2017-08-29 Qualcomm Incorporated Wi-Fi power saving based on coarse motion classification information
US10477459B2 (en) * 2016-05-17 2019-11-12 Qualcomm Incorporated Public land mobile network search in static state using sensor inputs
US20180068392A1 (en) * 2016-09-02 2018-03-08 Allstate Insurance Company Generating an Output Based on Processed Sensor Data
US20180115866A1 (en) * 2016-10-21 2018-04-26 Microsoft Technology Licensing, Llc Low power geographical visit detection
KR20240052237A (ko) * 2022-10-14 2024-04-23 삼성전자주식회사 전자 장치 및 이의 제어 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120128352A (ko) * 2011-05-17 2012-11-27 에스케이텔레시스 주식회사 휴대용 단말기 및 그를 이용한 가상 화면 제어방법
US20120309411A1 (en) * 2011-06-03 2012-12-06 Apple Inc. State estimation using motion context and multiple input observation types

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7869766B2 (en) * 2005-08-23 2011-01-11 The Boeing Company Wireless operational and testing communications network for diverse platform types
US7653508B1 (en) 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
US7818412B2 (en) 2008-06-27 2010-10-19 Microsoft Corporation Selection of sensors for monitoring phenomena considering the value of information and data sharing preferences
US8325088B2 (en) * 2009-02-04 2012-12-04 Google Inc. Mobile device battery management
US8611326B2 (en) * 2009-09-03 2013-12-17 Apple Inc. Location histories for location aware devices
US8737961B2 (en) * 2009-09-23 2014-05-27 Nokia Corporation Method and apparatus for incrementally determining location context
US20110190008A1 (en) 2010-01-29 2011-08-04 Nokia Corporation Systems, methods, and apparatuses for providing context-based navigation services
US8532670B2 (en) 2010-06-02 2013-09-10 Deutsche Telekom Ag Apparatus, method, and system for sensing suppression for location-based applications
JP4951112B2 (ja) * 2010-11-05 2012-06-13 株式会社東芝 移動無線端末装置および基地局探索方法
US8861448B2 (en) 2010-12-20 2014-10-14 Telefonaktiebolaget L M Ericsson (Publ) Mobility-based radio resource assignment methods, systems and devices
US8594003B2 (en) * 2011-01-05 2013-11-26 Visoft Ltd. Method of estimating location of mobile device in transportation using WiFi
US8756173B2 (en) * 2011-01-19 2014-06-17 Qualcomm Incorporated Machine learning of known or unknown motion states with sensor fusion
EP2671373B1 (en) * 2011-02-05 2017-12-06 Apple Inc. Method and apparatus for mobile location determination
US8892391B2 (en) 2011-06-03 2014-11-18 Apple Inc. Activity detection
US8892390B2 (en) 2011-06-03 2014-11-18 Apple Inc. Determining motion states
WO2013001134A1 (en) 2011-06-28 2013-01-03 Nokia Corporation Context extraction
US9820200B2 (en) * 2011-12-19 2017-11-14 Facebook, Inc. Captive portal state detection and avoidance for multiple-interface traffic offloading
US8965398B2 (en) * 2012-09-26 2015-02-24 Hewlett-Packard Development Company, L.P. Bluetooth beacon based location determination

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120128352A (ko) * 2011-05-17 2012-11-27 에스케이텔레시스 주식회사 휴대용 단말기 및 그를 이용한 가상 화면 제어방법
US20120309411A1 (en) * 2011-06-03 2012-12-06 Apple Inc. State estimation using motion context and multiple input observation types

Also Published As

Publication number Publication date
CN105191455B (zh) 2019-01-18
EP2974481B1 (en) 2020-10-28
US20140269363A1 (en) 2014-09-18
JP2016517212A (ja) 2016-06-09
WO2014150372A3 (en) 2014-12-18
KR101984354B1 (ko) 2019-09-03
WO2014150372A2 (en) 2014-09-25
US9730145B2 (en) 2017-08-08
JP6568842B2 (ja) 2019-08-28
EP2974481A2 (en) 2016-01-20
CN105191455A (zh) 2015-12-23

Similar Documents

Publication Publication Date Title
KR101984354B1 (ko) 저 복잡성 알고리즘 융합 및 폰 상태 휴리스틱들을 사용한 향상된 수송중 검출
US11574536B2 (en) Techniques for detecting sensor inputs on a wearable wireless device
KR101437757B1 (ko) 콘텍스트 감지 및 융합을 위한 방법, 장치 및 컴퓨터 프로그램제품
US9268399B2 (en) Adaptive sensor sampling for power efficient context aware inferences
US9329701B2 (en) Low power management of multiple sensor chip architecture
TWI516911B (zh) 運動活動量範圍
US9591456B2 (en) Triggering geolocation fix acquisitions on transitions between physical states
KR20160086708A (ko) 디바이스 및 상기 디바이스의 제어 방법
US9843661B2 (en) Mobile electronic device, security control method, and security control code
US10097683B2 (en) Mobile electronic device, security control method, and security control code
EP3188457B1 (en) Portable electronic device, control method, and control program
US20170067741A1 (en) Mobile device, control method, and non-transitory storage medium
US10536810B2 (en) Electronic apparatus, control method, and non-transitory computer-readable recording medium
WO2017197644A1 (zh) 一种定位方法及移动设备
US11521493B2 (en) Systems, methods and apparatus for determining predictive threat vectors in autonomous vehicle groups
US10175789B2 (en) Device and medium for determining a movement state

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
X701 Decision to grant (after re-examination)