TW201341759A - 將上下文與歷史資料整合至路線決定之技術 - Google Patents

將上下文與歷史資料整合至路線決定之技術 Download PDF

Info

Publication number
TW201341759A
TW201341759A TW101150113A TW101150113A TW201341759A TW 201341759 A TW201341759 A TW 201341759A TW 101150113 A TW101150113 A TW 101150113A TW 101150113 A TW101150113 A TW 101150113A TW 201341759 A TW201341759 A TW 201341759A
Authority
TW
Taiwan
Prior art keywords
route
user
travel
factor
trip
Prior art date
Application number
TW101150113A
Other languages
English (en)
Other versions
TWI515411B (zh
Inventor
Tobias M Kohlenberg
Mubashir A Mian
Rita H Wouhaybi
Stanley Mo
Original Assignee
Intel Corp
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 Intel Corp filed Critical Intel Corp
Publication of TW201341759A publication Critical patent/TW201341759A/zh
Application granted granted Critical
Publication of TWI515411B publication Critical patent/TWI515411B/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Abstract

總體上，本揭示案描述用於路線個人化的方法及系統。在一實施例中，方法可包括響應於來自使用者的對於自第一位置至第二位置之路線進行地圖建置之請求，請求計算裝置之使用者提供出行變更因子；針對自第一位置至第二位置之至少一可能路線，獲得與出行變更因子相關之客觀資料；基於所獲得的客觀資料及出行變更因子，產生與每個可能路線相關之加權路線推薦；以及在計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中出行變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向使用者提供相應相關可能路線之個人化路線推薦。

Description

將上下文與歷史資料整合至路線決定之技術 發明領域
本揭示案涉及路線決定，更具體而言涉及將上下文與歷史資料整合至路線決定之技術。
發明背景
現在，當個人使用行程路線決定應用程式(「地圖建置應用程式」)時，使用者通常必須基於例如一年中的時間、星期幾及/或其他因素來評估是否所決定的路線為他或她的最佳路線。地圖建置應用程式通常僅提供有限的路線規劃選項，例如最短距離、最短時間、避免通行費及/或避免高速公路。希望以更個人化方式來評估所決定的路線的使用者然後可詢問其他人，例如，朋友及/或他或她的社交網路的成員以便獲得關於路線選擇的進一步資訊及推薦。此進一步資訊及推薦可能不可獲得或可能可獲得但是可能不提供所需指導。換言之，來自社交網路之推薦可能不產生具體使用者之最佳路線。
依據本發明之一實施例，係特地提出一種方法， 其包括：響應於來自計算裝置之使用者的對於自第一位置至第二位置之路線進行地圖建置之請求，由計算裝置請求該使用者提供出行變更因子；針對自該第一位置至該第二位置之至少一可能路線，獲得與該出行變更因子相關之客觀資料；基於該所獲得的客觀資料及該出行變更因子，產生與每個可能路線相關之加權路線推薦；以及在該計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中該出行變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向該使用者提供該相應相關可能路線的個人化路線推薦。
100‧‧‧路線個人化系統
102‧‧‧使用者裝置
104‧‧‧網路
106‧‧‧處理器「CPU」
108‧‧‧通訊模組
110‧‧‧儲存裝置
112‧‧‧記憶體
114‧‧‧顯示器
120‧‧‧路線規劃應用程式
122‧‧‧路線個人化應用程式
124‧‧‧出行監測應用程式
126‧‧‧出行特徵
130‧‧‧使用者設定檔資料儲存
132‧‧‧使用者特徵
134‧‧‧行程因子
136‧‧‧交通工具特徵
138‧‧‧顯示偏好
140A‧‧‧使用者設定檔
140N‧‧‧使用者設定檔
142‧‧‧動態偏好
150‧‧‧客觀資料服務
152‧‧‧歷史交通資料
154‧‧‧當前交通資料
156‧‧‧道路工程資料
160‧‧‧犯罪/事故服務
162‧‧‧事故資料
164‧‧‧犯罪資料
170‧‧‧氣象服務
172‧‧‧歷史氣象資料
174‧‧‧當前氣象資料
176‧‧‧預測氣象資料
180‧‧‧地理服務
182‧‧‧地理資料
184‧‧‧地形資料
190‧‧‧專業服務
192‧‧‧代用燃料可用性資料
194‧‧‧自行車道資料
196‧‧‧步行道資料
198‧‧‧其他服務
199‧‧‧其他資料
200‧‧‧流程圖
202~216‧‧‧操作
300、400、500‧‧‧地圖
310‧‧‧第一可能行程路線
315、320‧‧‧加權推薦指標
510‧‧‧第三可能行程路線
525‧‧‧符號
隨著以下詳細說明進行，並且參考附圖，所請求標的之實施例的特徵及優勢變得顯而易知，在該等附圖中相同數字描述相同部分，其中：圖1示出與本揭示案之各種實施例一致的路線個人化系統；圖2示出與本揭示案之各種實施例一致之使用者裝置的示範性操作的流程圖；以及圖3、圖4及圖5示出與本揭示案之各種實施例一致的路線個人化的實例。
雖然以下詳細說明參考例示性實施例來進行，但是其許多替代方案、修改及變化形式為熟習此項技術者顯而易知。
詳細說明
總體上，本揭示案描述用於路線個人化的方法及系統。方法及系統被組配來將上下文與歷史資料整合至路線決定。方法及系統被組配來基於使用者提供之出行變更因子及多個客觀資料來向使用者提供關於行程路線的加權推薦。出行變更因子可包括但不限於出行特徵、使用者特徵、使用者按優先級排序之行程因子及交通工具特徵。客觀資料可包括但是不限於交通資料、犯罪資料、事故資料、氣象資料、地理資料、專業資料及/或其他客觀資料。客觀資料可包括歷史、當前及/或未來(預測或計劃)資料。
使用者可例如在使用者裝置上請求自第一(出發)位置至第二位置(目的地)之行程的路線的地圖。使用者裝置可為如本文描述之任何計算裝置。使用者可啟動路線規劃應用程式，該應用程式被組配來產生第一位置與第二位置之間的一或多個可能路線。使用者亦可啟動路線個人化應用程式，該應用程式被組配來產生針對路線規劃應用程式所產生之每個路線的加權推薦。可要求使用者提供針對出行的出行變更因子。然後可基於出行變更因子來獲得針對路線規劃應用程式所產生之可能路線的客觀資料。然後可基於每個可能路線的出行變更因子來分析客觀資料。然後可基於所獲得的客觀資料及出行變更因子來產生每個可能路線之加權路線推薦。然後可經由使用者裝置向使用者顯示路線及加權推薦。
使用者可使用顯示偏好來選擇如何顯示加權推 薦。舉例而言，路線可根據相對權重來用不同顏色作標記(例如，較好的路線標示為綠色、較差的路線標示為紅色)，與按優先級排序的行程因子對應之路線及/或路線上之位置可用符號來指示且/或可顯示與加權推薦對應的資料(例如，若使用者將避免惡劣天氣指示為高優先級，則可顯示雪花符號及/或使用者可能遇到惡劣天氣之可能性)。然後，使用者可基於加權推薦來選擇個人化路線。
因此，與本揭示案一致之方法及系統被組配來基於出行變更因子(例如，使用者按優先級排序之行程因子、使用者特徵、出行特徵)及客觀資料來向使用者提供個人化路線推薦。使用者按優先級排序之行程因子反映使用者針對此出行之具體行程因子的風險承受度。基於出行變更因子來獲得並且分析客觀資料對於使用者為清晰的。因此，將使用者之風險承受度併入加權推薦中，由此產生針對使用者加以個人化之推薦。
圖1示出與本揭示案之各種實施例一致的路線個人化系統100。系統100總體上包括使用者裝置102、網路104及多個客觀資料服務150、160、170、180、190、198。如本文使用之「使用者裝置」意味任何計算裝置，包括但不限於行動電話、智能手機、平板電腦、筆記型電腦、膝上型電腦、超便攜式電腦、超便攜移動電腦、上網本電腦、次筆記型電腦、個人數位助理、企業數位助理、行動網際網路裝置、個人導航裝置及其他計算裝置。客觀資料服務可包括於一或多個專用伺服器中且/或可對應於在一或多 個通用伺服器上處理之基於網路的服務(例如，雲計算)。使用者裝置被組配來經由網路104來存取客觀資料服務。網路104可包括有線及/或無線的公共及/或私有網路。舉例而言，網路104可包括網際網路、蜂巢式電話網路及/或其他網路。
使用者裝置102包括至少一處理器「CPU」106、通訊模組108、一或多個儲存裝置110、記憶體112及顯示器114。CPU 106被組配來執行與應用程式(application)(「應用程式(app)」)相關之一或多個操作，如本文描述。通訊模組108被組配來提供使用者裝置102至網路104及/或客觀資料服務150、160、170、180、190及/或198的無線及/或有線連接。通訊模組108被組配來經由如本文描述的一或多個通迅協定來通訊。儲存裝置110被組配來儲存一或多個應用程式、資料及/或特徵並且可包括如本文描述的任何類型之有形儲存媒體。記憶體112被組配來儲存一或多個應用程式及/或特徵並且可包括如本文描述的任何類型之記憶體。顯示器114被組配來向使用者顯示包括至少一路線及個人化路線推薦指標的地圖，如本文描述。
使用者裝置102包括路線規劃應用程式120、路線個人化應用程式122、出行特徵126及使用者設定檔資料儲存130並且可包括出行監測應用程式124。雖然路線規劃應用程式120及出行監測應用程式124展示為與路線個人化應用程式122分開，但是路線規劃應用程式120及/或出行監測應用程式124可包括於路線個人化應用程式122中。路線規 劃應用程式120被組配來響應於對於自第一(出發)位置至至少一目的地之路線進行地圖建置的使用者請求來產生路線。使用者可啟動路線規劃應用程式120並且可將出發位置及一或多個目的地提供至路線規劃應用程式120。然後，路線規劃應用程式120可產生與出發位置及目的地對應的一或多個可能路線。舉例而言，路線規劃應用程式120可對應於可免費獲得之路線規劃應用程式，例如，Google Maps或Yahoo！Maps，且/或可為包括於路線個人化應用程式122中之專用路線規劃應用程式。
使用者設定檔資料儲存130被組配來儲存路線個人化應用程式122可用於產生並且顯示加權路線推薦的使用者資料。使用者資料包括使用者特徵132、行程因子134、交通工具特徵136、顯示偏好138、一或多個使用者設定檔140A、...、140N並且可包括動態偏好142。使用者特徵132可包括但不限於年齡、種族、性別、社會經濟地位(例如收入、教育、職業)、風險承受度(例如，風險承擔者相比於風險規避)之自我描述、交通違章歷史及/或其他使用者特徵。行程因子134可包括但不限於安全性、行程時間、行程距離、犯罪活動之可能性、行程延遲之可能性、惡劣天氣之可能性、事故風險，交通停止之頻率及/或其他行程因子。每個行程因子可具有對應的優先級指標。預設對應優先級指標可包括於行程因子134中。使用者可撤銷預設的優先級指標(即，對行程因子按優先級來排序)並且將使用者定義之優先級指標儲存於例如使用者設定檔中。按優先級排序之 行程因子被組配來反映使用者之風險承受度並且提供如本文描述之路線個人化的基礎。按優先級排序之行程因子涉及客觀資料及客觀資料的分析，如本文描述。
交通工具特徵136可包括但不限於交通工具之牌子、型號、顏色、類型及製造年份。交通工具類型包括但不限於通勤交通工具、家庭交通工具、跑車、卡車、露營車(「RV」)、摩托車、腳踏車、代用燃料交通工具、混合驅動交通工具及/或其他交通工具類型。交通工具特徵136可進一步包括是否交通工具為標準變速裝置或自動變速器以及是否交通工具拖帶掛車。舉例而言，加權路線推薦可被組配來在交通工具特徵對應於RV時排除較窄道路。在另一個實例中，在交通工具拖帶掛車時，可排除具有陡峭山丘之路線。
顯示偏好138被組配來控制如何在顯示器114上顯示加權路線推薦。舉例而言，可使用不同顏色來顯示不同路線推薦。顏色可被組配來指示路線滿足針對該出行之使用者偏好(如使用者設定檔中指示)的程度。在另一個實例中，可使用符號來指示沿著路線的相對較高優先級行程因子。在另一個實例中，可與相關路線一起顯示用於產生加權路線推薦的至少一些分析結果(基於客觀資料)。因此，使用者可經由顯示偏好138來組配加權路線推薦之顯示。
動態偏好142被組配來允許使用者例如在意外的繞道變得必需時選擇性撤銷先前選擇並且按優先級排序之行程因子。動態偏好142可被組配來將與可包括在使用者設 定檔及/或行程因子134中之行程因子相關的優先級重新排序。舉例而言，通常將避免具有較高犯罪統計資料之區域優先列於所有其他客觀資料之上的使用者可選擇動態偏好，該動態偏好涉及在替代路線將引起大於定義臨界值之延遲時允許行進穿過相對較高犯罪區域。
使用者設定檔140A、...、140N被組配來指示使用者特徵、所選擇並且按優先級排序之行程因子、所選擇的交通工具特徵、所選擇的顯示偏好及所選擇的動態偏好。使用者可儲存多個使用者設定檔140A、...、140N，其中每個使用者設定檔對應於儲存於使用者設定檔資料儲存130中之使用者資料的相應按優先級排序之子集。優先級被組配來驅動相關客觀資料之分析及加權路線推薦之產生以使得對應於使用者優先項目(並且由此對應於使用者之風險承受度)的可能路線被給予相對較高權重。使用者設定檔140A、...、140N被組配來允許使用者儲存所選擇的使用者設定檔以使得每當使用者請求具體路線個人化時他/她不需要重新輸入該資訊。舉例而言，使用者可建立多個使用者設定檔140A、...、140N，其中每個設定檔對應於按優先級排序之行程因子、偏好及特徵的具體子集。
舉例而言，第一使用者設定檔140A可對應於通勤。第一使用者設定檔140A可被組配來指示與使用者之通勤交通工具相關的交通工具特徵。第一使用者設定檔140A可進一步被組配來指示與通勤相關的優先考慮的選定行程因子。舉例而言，按優先級排序之行程因子可被組配來將 相對較高優先級分配給行程時間及交通停止頻率或在不能避免交通擁塞時選擇風景優美的路線。在另一個實例中，第二使用者設定檔140B可對應於前往未知地區的家庭度假行程。在此實例中，與第二使用者設定檔140B相關的優先考慮的選定行程因子可被組配來將相對較高優先級分配給安全性、犯罪活動的降低的可能性及事故的降低的可能性。第二使用者設定檔140B可進一步指示與家庭交通工具相關之交通工具特徵以及是否家庭交通工具拖帶掛車。
因此，使用者設定檔資料儲存130被組配來儲存使用者定義之行程因子、各種偏好及特徵。使用者設定檔資料儲存130進一步被組配來儲存多個使用者設定檔140A、...、140N，並且每個使用者設定檔對應於行程因子、偏好及特徵的具體按優先級排序之子集。然後，具體使用者設定檔可用於產生如本文描述之加權路線推薦。按優先級排序之行程因子被組配來確保加權路線推薦反映針對具體出行的使用者優先項目(及風險承受度)。所選擇的行程因子及相對優先級、使用者特徵及交通工具特徵被組配來用於分析相關客觀資料。然後，分析結果可對應於如本文描述之加權路線推薦及路線個人化。
路線個人化應用程式122被組配來產生與路線規劃應用程式120所產生之每個可能路線相關的加權路線推薦。加權路線推薦可基於出行變更因子(出行特徵126及儲存於使用者設定檔資料儲存130中之使用者資料(包括按優先級排序之行程因子))及自一或多個客觀資料服務150、 160、170、180、190、198獲得之客觀資料來產生。出行特徵126包括行程模式、行程日期、行程日之預期時間(若行程為將來的)、行程類型及/或其他出行特徵。行程模式包括任何地面行程，包括但不限於驅車、步行、跑步、騎車(例如自行車或摩托車)及公共交通(例如出租汽車、公共汽車，火車或地鐵)。行程類型包括但不限於通勤、業務行程、休閒行程、度假行程及雜項行程。行程類型可進一步包括休閒(例如步行或騎自行車)、鍛煉(例如步行、跑步或騎自行車)。行程日期被組配來提供星期幾、一年中的時間、季節及假日(或非假日)資訊。出行特徵126可由路線個人化應用程式122在分析客觀資料時使用。
客觀資料包括包含於各種客觀資料服務150、160、170、180、190、198中之各種資料庫。客觀資料可自各種可公開獲得之資訊資源獲得，該等資源例如政府實體及電視及廣播電台。客觀資料服務150、160、170、180、190、198被組配來提供路線個人化應用程式122可獲得並且可分析的歷史、當前及未來(預測或計劃)客觀資料。然後，路線個人化應用程式122可基於出行變更因子及客觀資料來產生加權路線推薦，如本文描述。客觀資料服務包括交通服務150、犯罪/事故服務160、氣象服務170、地理服務180、專業服務190並且可包括其他服務198。
交通服務150可包括歷史交通資料152、當前交通資料154及道路工程資料(歷史、當前及計劃)156。當前交通資料154可基於例如來自地方新聞台及/或運輸(及/或公路) 部門之網路攝影資料並且可包括當前交通流量資料。交通資料152、154可包括停車燈之頻率及/或其之間的距離、交通停止頻率、任何種類之交通活動(例如，交通擁擠、交通阻塞、交通停頓)的頻率及/或其他交通相關資料。道路工程資料156可包括道路工程之頻率、道路工程之時刻，及/或是否在道路工程期間道路正在或即將關閉、開放或限制開放。道路工程資料156可進一步包括關於道路工程對於道路品質之影響的資訊，包括道路表面特徵(例如，崎嶇不平的、不平坦的、泥濘的)、道路表面材料(例如，泥土、礫石、瀝青)、道路寬度、道路斜度及/或其他道路品質特徵。因此，交通服務150可提供每個可能路線之交通資料。交通資料可隨著一年中的時間、星期幾及/或一天中的時刻、可包括於出行特徵126中之資訊而變化。
犯罪/事故服務160可包括事故資料(歷史及當前)162及犯罪資料(歷史及當前)164。因此，犯罪/事故服務160可提供接近於可能路線的位置處的犯罪及/或事故資料。犯罪資料164可與一或多個使用者特徵(例如，年齡、性別、種族性、社會經濟地位)132、一或多個交通工具特徵136及/或一或多個出行特徵126相關。舉例而言，犯罪資料164可包括與一或多個使用者特徵對應的受害人特徵並且因此可用於決定使用者成為犯罪受害人的風險。同樣地，事故資料162可與一或多個使用者特徵132、一或多個交通工具特徵136及/或一或多個出行特徵126相關。舉例而言，與在週一至週五下午駕駛家庭交通工具之中年女性相 比，在週末夜間駕駛跑車的十幾歲男性的事故可能性會更大。
氣象服務170可包括歷史氣象資料172、當前氣象資料174及預測氣象資料176。因此，氣象服務170可提供沿著可能路線的氣象資料。舉例而言，氣象資料可包括按不同位置區分的氣象警報頻率。與可能路線相關之氣象資料可與一年中的時間(出行特徵)相關。
地理服務180可包括地理資料182及地形資料184。地理資料182可包括區域屬性，例如城市、郊外、鄉下、工業、商業、風景區及/或其他區域屬性。地理資料182可進一步包括水體及其位置、道路及其分類(例如，鄉下道路、城鎮道路、城市街道、州道路、高速公路(公路)、州際道路)、公園及娛樂區域。地理資料可相對於行程類型(例如度假行程相比於通勤)及或行程模式(例如步行相比於驅車)來分析。
地形資料184包括海拔資料。地形資料184可用於產生例如針對步行出行的加權路線推薦。在此實例中，使用者偏好可與海拔變化率相關。換言之，使用者可偏好平緩的斜坡或陡坡。在另一個實例中，對於包括拖帶掛車的交通工具特徵，海拔變化率可用於決定加權路線推薦，例如，推薦路線可被組配來避免陡峭的山丘。
專業服務190可包括代用燃料可用性資料192、自行車道資料194及步行道資料196。舉例而言，若交通工具特徵包括代用燃料交通工具，則分析出行變更因子及產生 相關加權路線推薦可包括考慮代用燃料可用性資料192。換言之，若交通工具為全電動交通工具並且出行距離大於電動交通工具之範圍，則推薦路線應包括充電站。自行車道資料194及步行道資料196可分別包括專用自行車道及步行道之位置及屬性。
其他服務198可包括其他資料199。其他資料可包括與產生不可以其他方式包括在內的加權路線推薦相關的任何資料。
因此，客觀資料(交通服務150、犯罪/事故服務160、氣象服務170、地理服務180、專業服務190及其他服務198)可包括可用於產生加權路線推薦的一系列資料。所使用的具體資料可基於包括使用者按優先級排序之行程因子並且因此包括風險承受度的出行變更因子來選擇(並且分析)。此外，至少一些客觀資料可與出行變更因子相關。因此，所產生之加權路線推薦可產生個人化路線推薦，該等推薦基於出行變更因子(例如，使用者特徵132、行程因子134及其相對優先級、交通工具特徵136及/或出行特徵126)。然後，使用者可基於個人化推薦來選擇路線，該等推薦基於客觀資料及使用者優先項目。
路線個人化應用程式122被組配來至少部分地基於所提供的使用者設定檔140A、...、或140N、出行特徵126及/或路線規劃應用程式120所產生之可能路線資訊來獲得所選擇的客觀資料。可對於沿著每個可能路線的許多點獲得所選擇的客觀資料。最初，可獲得每個可能路線可獲得 之所有選定客觀資料。然後，可沿著路線來分析所獲得的選定客觀資料並且其中客觀資料不變化或變化量小於臨界值的路線部分可被分組成多個間隔。間隔長度可具有適應性，即，可視行程類型而定。舉例而言，與步行出行相關之間隔可比與驅車出行相關之間隔短。間隔邊界可基於實體行程路徑邊界。邊界包括鄰域邊界、道路交叉點、城市街區邊緣、州界線，及/或任何其他路線邊界。舉例而言，在城市中，間隔可對應於城市街區並且相關邊界可對應於城市街區邊緣。在另一個實例中，對於在出口之間具有相對較長距離的高速公路，間隔可為一英里的一小部分(例如，四分之一英里)。當相關客觀資料在變化時，間隔可具有較短長度(即，對應於較精細的漸變)，並且當相關客觀資料不變化或變化很少(即，為相對靜態)時，間隔可具有較長長度(即，對應於較粗糙的漸變)。
路線規劃個人化應用程式122進一步被組配來基於出行變更因子來分析所獲得的選定客觀資料以便產生加權路線推薦。出行變更因子通常包括包含按優先級排序之行程因子的使用者設定檔。舉例而言，在用於度假行程的按優先級排序的一組行程因子中，使用者可認為安全性比距離更重要。在另一個實例中，具有交通違章歷史之使用者可認為將交通停止減少到最低限度比行程時間更重要。路線個人化應用程式122被組配來在基於出行變更因子來分析客觀資料並且產生加權路線推薦時包括此等優先項目。
路線個人化應用程式122在基於出行變更因子來分析客觀資料時可使用一或多種分析技術(包括但不限於，統計分析)。可對於每個間隔或對於一組間隔來執行分析。是否對於每個間隔或對於一組間隔來執行分析可視出行變更因子及/或是否該間隔或該組間隔之相關客觀資料會變化而定。分析技術可包括但不限於標準偏差、馬爾可夫(Markov)鏈、貝葉斯(Bayesian)網路(「貝葉斯網」)、線性回歸模型、離散選擇模型、邏輯斯諦回歸、概率單位回歸、時間序列模型及/或被組配來基於客觀資料及出行變更因子(包括使用者優先項目)來提供可能路線之有序列表的其他分析技術。分析技術可包括最佳控制理論類型分析(即，藉由限制因素來使成本函數最小化或最大化)，其中成本函數基於使用者設定檔中所包括之行程因子的相對優先級。因此，分析被組配來基於可能路線、客觀資料及出行變更因子(包括使用者優先級)來提供最佳路線。最佳路線可對於使用者具有特異性，即對於使用者加以個人化。換言之，具有不同特徵、偏好及/或優先項目但是具有相同可能路線的不同使用者可收到不同加權路線推薦。同樣地，已經選擇不同優先項目之同一使用者可收到根據不同優先項目的不同加權路線推薦。
對於由路線規劃應用程式120及出行變更因子所產生的可能路線的一些組合，最初由路線規劃應用程式120產生之可能路線皆不滿足出行變更因子，包括按優先級排序之行程因子。路線個人化應用程式122可被組配來與路線 規劃應用程式120通訊以便調整一或多個可能路線，從而達成滿足出行變更因子之個人化路線。此調整可類似於當前可在一些地圖建置軟體(例如，Google Maps、Yahoo！Map)中獲得的已建置地圖之路線的拖放部分。然而，並非使用者執行拖放，經由路線個人化應用程式122的路線調整基於出行變更因子，該等變更因子包括使用者特徵、偏好及優先項目。
應當指出的是在正在計劃出行時滿足出行變更因子之個人化路線在實際行程發生時可能不滿足出行變更因子或可能在使用者處於行程中時發生變化。舉例而言，事故可發生於使用者的當前位置之前的個人化路線上。在另一個實例中，在行程中之使用者行為(例如，驅車比預期快或慢)可影響加權推薦。因此，所選擇的個人化路線可能不再為根據使用者特徵、偏好及優先項目之「最佳」路線。出行監測應用程式124被組配來監測使用者行程屬性例如行程速度及/或客觀資料例如當前交通資料及當前事故資料。若行程屬性不同於預期值且/或客觀資料變化，則出行監測應用程式124被組配來與路線個人化應用程式122通訊以便開始再選路線。調整的路線可基於按優先級排序之行程因子、使用者特徵、交通工具特徵及/或出行特徵及當前客觀資料來產生。以此方式，可提供對應於使用者之優先項目、特徵及/或偏好的新路線或路線調整。
因此，路線個人化應用程式122被組配來基於出行變更因子來產生針對由路線規劃應用程式120所產生之 每個路線的加權路線推薦。然後，所產生的加權路線推薦可顯示於使用者裝置102上，例如顯示器114上。加權路線推薦的顯示方式可至少部分地基於顯示偏好138。顯示偏好138可包括簡單的複合相對指標(相對較好的、相對較差的)或基於按優先級排序之行程因子及相關客觀資料的詳細資料。複合相對指標亦可顯示於由路線規劃應用程式120提供之可能路線之列表上或其附近。舉例而言，複合權重可由顏色來指示。換言之，若已經產生三個可能路線之加權路線推薦，則相對較好的路線可由綠色來指示，相對較差的路線可由紅色來指示並且具有相對較好與相對較差之間的權重指標的路線可帶有黃色。顏色可疊合於其對應之路線上。此等顏色選擇僅僅用於舉例；可使用包括符號之任何視覺指標。
在另一個實例中，可使用符號來指示與使用者優先考慮之行程因子相關的可能性可超出臨界值的路線位置及/或間隔。換言之，符號可代表例如惡劣天氣、事故、犯罪或交通阻塞可超過相應臨界值的可能性。因此，可向使用者提供對應於優先考慮之行程因子(及使用者風險承受度)的視覺指標。
在另一個實例中，可針對沿著每個分析路線的一或多個間隔來提供詳細資料。詳細資料可包括與使用者按優先級排序之行程因子相關之統計資料。舉例而言，對於包括將避免犯罪作為優先項目之使用者設定檔，詳細資料可包括與使用者特徵、交通工具特徵及/或出行特徵相關之 犯罪統計資料。因此，詳細資料可以疊合於每個間隔上之方式來顯示。詳細資料可向使用者提供每個加權路線推薦之基礎。
因此，加權路線推薦可疊合於由路線規劃應用程式120產生之可能路線(及/或可能路線之列表)上。疊合技術可由使用者經由顯示偏好138來選擇。疊合技術包括但不限於HTML、Java、Javascript、Shockwave、Flash、HTML5及/或其他疊合技術。疊合可被組配成混搭(即，網頁或網站之組合，其中資料自多個網頁或網站獲得並且經過整合以便呈現單一統一的顯示)。舉例而言，混搭可包括顯示來自路線規劃應用程式120之可能路線，該等路線疊合有對應於加權路線推薦的詳細資料及/或顏色。
因此，與本揭示案一致之方法及系統被組配來基於使用者提供之出行變更因子及多個客觀資料來向使用者提供關於行程路線的加權推薦。加權推薦被組配來併入使用者之風險承受度。出行變更因子可包括但不限於出行特徵、使用者特徵、使用者按優先級排序之行程因子及交通工具特徵。客觀資料可包括但是不限於交通資料、犯罪資料、事故資料、氣象資料、地理資料、專業資料及/或其他客觀資料。客觀資料可包括歷史、當前及/或未來(預測或計劃)資料。路線個人化應用程式123被組配來基於出行變更因子來分析客觀資料以便產生加權路線推薦並且以對應於加權路線推薦之指標來顯示路線。因而，可向使用者提供至少部分地基於使用者風險承受度的個人化路線推薦。
圖2示出與本揭示案之各種實施例一致之使用者裝置的示範性操作的流程圖200。流程圖200之操作可由使用者裝置，例如使用者裝置102來執行。具體而言，流程圖200描述與本揭示案一致的被組配來個人化行程路線的示範性操作。程式流程可開始於使用者請求路線時202。操作202可包括使用者向路線規劃應用程式提供出發位置及一或多個目的地。操作204可包括詢問使用者相關出行變更因子。舉例而言，出行變更因子可包括出行特徵、使用者特徵、按優先級排序之行程因子及/或交通工具特徵。至少一些出行變更因子可包括於先前儲存之使用者設定檔中。可能路線可在操作206處產生。可能路線可基於操作202中提供之出發位置及一或多個目的地。
操作208可包括基於出行變更因子來獲得客觀資料。客觀資料可自多個客觀服務獲得。操作210可包括基於出行變更因子來分析客觀資料。可在操作212處產生每個可能路線之加權推薦。可在操作214處顯示疊合有加權推薦指標之可能路線。程式流程可在操作216處結束。因此，可基於出行變更因子及客觀資料來向使用者提供個人化路線推薦。
圖3、圖4及圖5示出與本揭示案之各種實施例一致的路線個人化的實例。圖3示出展示奧勒岡州希爾斯伯勒(出發位置)與奧勒岡州希爾斯伯勒(目的地)之間的道路的地圖300。應當指出的是為了便於說明，圖3、4及5之地圖予以簡化(即，未展示所有道路)。在地圖300上，第一可能 行程路線310以粗體標示。存在其他可能行程路線並且第二及第三可能行程路線分別在圖4及圖5中標示。第一可能行程路線310可由路線規劃應用程式產生。行程路線310開始於希爾斯伯勒中之路線8、沿著康乃爾路繼續進行、然後沿著科尼利厄斯帕斯路、跨越路線26、然後沿著日耳曼敦路繼續進行、然後到達路線30並且過橋、然後到達倫巴底街及奧勒岡州波特蘭市聖約翰的目的地。行程路線310看似為提供出發位置與目的地之間之相對最短距離的路線。
繼續此實例，使用者已經在他/她的此出行之使用者設定檔中相對較高地優先考慮避免沿著路線之惡劣天氣以及避免犯罪區域。行程路線310已經標注有加權推薦指標315、320，該等指標基於包括使用者按優先級排序之行程因子的使用者設定檔來產生。指標315對應於在預期行程日可能發生暴風雪之位置。基於其特徵對應於使用者之特徵及/或使用者之交通工具特徵的個體之犯罪資料的分析，指標320對應於具有相對較高犯罪風險之區域。雖然行程路線310符合自出發位置至目的地之行程，但是其未針對使用者之優先項目予以個人化。換言之，行程路線310不滿足使用者之風險承受度。基於具有加權推薦指標315、320之可能路線310的顯示，使用者可選擇不選擇路線310並且可考慮另一個可能路線。
圖4示出對應於圖3之地圖300的地圖400，其展示奧勒岡州希爾斯伯勒與奧勒岡州波特蘭市聖約翰之間的道路。第二可能行程路線410以粗體展示。第二可能行程路線 410可由路線規劃應用程式來產生。行程路線410開始於希爾斯伯勒中之路線8、沿著康乃爾路繼續進行、然後沿著科尼利厄斯帕斯路、到達路線26、沿著路線26繼續進行然後到達路線405、然後沿著Yeon大街、然後到達路線30並且過橋、然後到達倫巴底街及目的地。根據犯罪資料及包括使用者按優先級排序之行程因子的出行變更因子的分析，行程路線410避免具有惡劣天氣風險之位置315及具有不可接受的犯罪風險之位置320。因此，基於作為分析客觀資料之結果而提供之加權推薦，使用者可選擇行程路線410，即由路線規劃應用程式提供之第二可能路線，其中對於客觀資料之分析基於使用者選擇並且按優先級排序之出行變更因子。
圖5示出對應於圖3之地圖300及圖4之地圖400的地圖500，其展示奧勒岡州希爾斯伯勒與奧勒岡州波特蘭市聖約翰之間的道路。第三可能行程路線510以粗體展示。行程路線510可在使用者在途中時由路線規劃應用程式產生。舉例而言，因為在使用者當前位置之前的選定行程路線(即，行程路線410)上發生事故，出行監測應用程式及/或路線個人化應用程式可接收需要改變路線的指標。舉例而言，當前事故資料可指示事故發生於Yeon大街上。事故由Yeon大街上之符號525指示。行程路線510開始於希爾斯伯勒中之路線8、沿著康乃爾路繼續進行、然後沿著科尼利厄斯帕斯路、到達路線26、沿著路線26繼續進行(類似於行程路線410)然後偏離行程路線410到達路線405、過橋、然 後到達路線30、然後到達倫巴底街及目的地，從而避開Yeon大街。行程路線510被組配來避免由符號315指示之惡劣天氣風險、由符號320指示之使用者成為犯罪受害人之風險及由符號525指示之事故。因此，使用者可再選路線而仍然滿足使用者按優先級排序之行程因子。
雖然圖2示出根據不同實施例之不同操作，但是應瞭解其他實施例並不需要圖2描繪之所有操作。事實上，本文完全預期在本揭示案之其他實施例中，圖2描繪之操作及/或本文描述之其他操作可以未在任何圖中具體展示之方式來組合，但是仍然與本揭示案完全一致。因此，針對未在一個圖式中精確地展示的特徵及/或操作的申請專利範圍被視為在本揭示案之範疇及內容之內。
本文描述之任何操作可實施於系統中，該系統包括一或多個儲存媒體，該一或多個儲存媒體個別地或組合地具有儲存在其上的指令，該等指令在由一或多個處理器執行時執行方法。在本文中，處理器可包括例如伺服器CPU、使用者裝置CPU及/或其他可規劃電路。另外，意欲本文描述之操作可分佈於多個實體裝置中，例如處於一個以上不同實際位置處之處理結構。儲存媒體可包括任何類型之有形媒體，例如任何類型之碟片，包括硬碟、軟碟、光碟、光碟片唯讀記憶體(CD-ROM)、可重寫光碟片(CD-RW)及磁光碟、半導體裝置例如唯讀記憶體(ROM)、隨機存取記憶體(RAM)例如動態及靜態RAM、可抹除可規劃唯讀記憶體(EPROM)、電子可抹除可規劃唯讀記憶體(EEPROM)、 快閃記憶體、固態磁碟(SSD)、磁性或光學卡，或任何類型之適合於儲存電子指令的媒體。其他實施例可實施為由可規劃控制器執行之軟體模組。儲存媒體可為非暫時性的。
雖然上述凸顯為示範性系統架構及方法，但是本揭示案之修改為可能的。舉例而言，記憶體例如使用者裝置記憶體112可包含以下類型之記憶體中之一或多者：半導體韌體記憶體、可規劃化記憶體、非依電性記憶體、唯讀記憶體、電子可規劃化記憶體、隨機存取記憶體、快閃記憶體、磁碟記憶體，及/或光碟記憶體。另外或替代地，使用者裝置記憶體112可包括其他及/或後來開發類型之電腦可讀記憶體。
使用者裝置102可被組配來使用各種通迅協定與網路104及或客觀資料服務通訊。通訊協定可包括但不限於無線通訊協定、例如Wi-Fi、藍牙、3G、4G、RFID、NFC及/或其他通迅協定。通訊協定可符合且/或與其他相關網際網路工程任務編組(IETF)標準相容。
Wi-Fi協定可符合或與2007年3月8日公開的標題為「IEEE 802.11-2007 Standard,IEEE Standard for Information Technology-Telecommunications and Information Exchange Between Systems-Local and Metropolitan Area Networks-Specific Requirements-Part 11：Wireless LAN Medium Access Control(MAC)and Physical Layer(PHY)Specifications」的電機與電子工程師學會(IEEE)公開之802.11標準，及/或此標準之後來版本相容。
NFC及/或RFID通訊信號及/或協定可符合或與國際標準化組織(ISO)及/或國際電工委員會(IEC)公開之一或多種NFC及/或RFID標準相容，該等標準包括2008年公開的標題為Identification cards-Contactless integrated circuit cards-Proximity cards之ISO/IEC 14443；2006年公開的ISO/IEC 15693：Identification cards-Contactless integrated circuit cards-Vicinity cards；2008年公開的標題為Information technology-Radio frequency identification for item management之ISO/IEC 18000；及/或2004年公開的標題為Information technology-Telecommunications and information exchange between systems-Near Field Communication-Interface and Protocol之ISO/IEC 18092；及/或此等標準之相關及/或後來版本。
藍牙協定可符合或與2005年公開的標題為「IEEE 802.15.1-2005 standard,IEEE Standard for Information technology-Telecommunications and information exchange between systems-Local and metropolitan area networks-Specific requirements Part 15.1：Wireless Medium Access Control(MAC)and Physical Layer (PHY)Specifications for Wireless Personal Area Networks(W Pan)」的IEEE公開之802.15.1標準及/或此標準之後來版本相容。
3G協定可符合或與2000年公開的由國際電信聯盟(ITU)公開之標題為「IMT-2000」的國際移動電信協會 (IMT)標準及/或此標準之後來版本相容。4G協定可符合或與2008年公開的由ITU公開之標題為「IMT-Advanced」的IMT標準及/或此標準之後來版本相容。
使用者裝置102可被組配來使用所選擇的分封交換網路通訊協定來與網路104及或客觀資料服務通訊。一種示範性通訊協定可包括乙太網路通訊協定，其能夠允許使用傳輸控制協定/網際網路協定(TCP/IP)來進行通訊。乙太網路協定可符合或與2002年3月公開的由電機與電子工程師學會(IEEE)公開的標題為「IEEE 802.3 Standard」的乙太網路標準及/或此標準之後來版本相容。或者或另外，行動裝置102可能夠使用X.25通訊協定來與網路104通訊。X.25通訊協定可符合或與國際電信聯盟-電信標準化單位(ITU-T)頒佈之標準相容。或者或另外，使用者裝置102可被組配來使用訊框中繼通訊協定來與網路104及或客觀資料服務通訊。訊框中繼通訊協定可符合或與國際電報電話諮詢委員會(CCITT)及/或美國國家標準化協會(ANSI)頒佈之標準相容。或者或另外，使用者裝置102可被組配來使用非同步傳輸模式(ATM)通訊協定來與網路104及或客觀資料服務通訊。ATM通訊協定可符合或與2001年8月公開的由ATM論壇公開的標題為「ATM-MPLS Network Interworking 1.0」的ATM標準及/或此標準之後來版本相容。當然，不同及/或以後開發之連接導向網路通迅協定同樣涵蓋於本文中。
如本文任何實施例中使用，「電路」可例如單獨 地或以任何組合方式包含硬連線的電路、可規劃電路、狀態機器電路及/或儲存由可規劃電路執行之指令的韌體。如本文任何實施例中使用之應用程式(application)(「應用程式(app)」)及/或模組可以電路來實現。電路可以積體電路，例如積體電路晶片來實現。
因此，本揭示案提供用於路線個人化之方法及系統。方法及系統被組配來向使用者提供自出發位置至至少一目的地之個人化行程路線。方法及系統被組配來基於使用者提供之出行變更因子(包括按優先級排序之行程因子)及多個客觀資料來向使用者提供關於行程路線的加權推薦。個人化行程路線被組配來向使用者提供顧及使用者按優先級排序之行程因子的行程路線。因而，使用者可沿著個人化路線行進，並確信使用者之風險承受度予以顧及。
根據一個態樣，提供方法。方法可包括響應於來自使用者的對於自第一位置至第二位置之路線進行地圖建置之請求，請求計算裝置之使用者提供出行變更因子；針對自第一位置至第二位置之至少一可能路線，獲得與出行變更因子相關之客觀資料；基於所獲得的客觀資料及出行變更因子，產生與每個可能路線相關之加權路線推薦；以及在計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中出行變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向使用者提供相應相關可能路線之個人化路線推薦。
根據另一態樣，提供系統。系統可包括計算裝 置，該計算裝置被組配來：響應於來自使用者的對於自第一位置至第二位置之路線進行地圖建置之請求，請求計算裝置之使用者提供出行變更因子；針對自第一位置至第二位置之至少一可能路線，獲得與出行變更因子相關之客觀資料；基於所獲得的客觀資料及出行變更因子，產生與每個可能路線相關之加權路線推薦；以及在計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中出行變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向使用者提供相應相關可能路線之個人化路線推薦。
根據另一態樣，提供系統。系統可包括一或多個儲存媒體，該一或多個儲存媒體個別地或組合地具有儲存在其上之指令，該等指令在由一或多個處理器執行時導致以下操作，包括：響應於來自使用者的對於自第一位置至第二位置之路線進行地圖建置之請求，請求計算裝置之使用者提供出行變更因子；針對自第一位置至第二位置之至少一可能路線，獲得與出行變更因子相關之客觀資料；基於所獲得的客觀資料及出行變更因子，產生與每個可能路線相關之加權路線推薦；以及在計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中出行變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向使用者提供相應相關可能路線之個人化路線推薦。
本文已經使用之用語及表述用作描述性而非限制性用語，並且在此等用語及表述之使用中，不意圖排除所展示並且描述之特徵(或其一部分)的任何均等物，並且應 認識到各種修改在申請專利範圍之範疇為可能的。因此，申請專利範圍意欲涵蓋所有此等均等物。
100‧‧‧路線個人化系統
102‧‧‧使用者裝置
104‧‧‧網路
106‧‧‧處理器「CPU」
108‧‧‧通訊模組
110‧‧‧儲存裝置
112‧‧‧記憶體
114‧‧‧顯示器
120‧‧‧路線規劃應用程式
122‧‧‧路線個人化應用程式
124‧‧‧出行監測應用程式
126‧‧‧出行特徵
130‧‧‧使用者設定檔資料儲存
132‧‧‧使用者特徵
134‧‧‧行程因子
136‧‧‧交通工具特徵
138‧‧‧顯示偏好
140A、140N‧‧‧使用者設定檔
142‧‧‧動態偏好
150‧‧‧客觀資料服務
152‧‧‧歷史交通資料
154‧‧‧當前交通資料
156‧‧‧道路工程資料
160‧‧‧犯罪/事故服務
162‧‧‧事故資料
164‧‧‧犯罪資料
170‧‧‧氣象服務
172‧‧‧歷史氣象資料
174‧‧‧當前氣象資料
176‧‧‧預測氣象資料
180‧‧‧地理服務
182‧‧‧地理資料
184‧‧‧地形資料
190‧‧‧專業服務
192‧‧‧代用燃料可用性資料
194‧‧‧自行車道資料
196‧‧‧步行道資料
198‧‧‧其他服務
199‧‧‧其他資料

Claims (15)

  1. 一種方法，其包括：響應於來自一計算裝置之一使用者的在地圖上表示出自一第一位置至一第二位置之一路線的一請求，由該計算裝置請求該使用者提供一行程變更因子；針對自該第一位置至該第二位置之至少一可能路線，獲得與該行程變更因子相關之客觀資料；基於該所獲得的客觀資料及該行程變更因子，產生與每個可能路線相關之一加權路線推薦；以及在該計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中該行程變更因子包含至少一使用者特徵並且每個加權路線推薦被組配來向該使用者提供該各自相關可能路線的一個人化路線推薦。
  2. 如申請專利範圍第1項之方法，其進一步包括：基於該行程變更因子來分析該所獲得的客觀資料，其中該產生基於該分析之結果。
  3. 如申請專利範圍第1項之方法，其進一步包括：響應於一所選擇的路線變得受到危害之一指標，重複該獲得、產生及顯示，其中該重複被組配來產生一替代個人化路線推薦。
  4. 如申請專利範圍第1至3項中任一項之方法，其中該行程變更因子包括至少一優先化旅行因子並且該個人化路 線推薦被組配來反映該使用者之風險承受度。
  5. 如申請專利範圍第1至3項中任一項之方法，其中該行程變更因子包括一行程特徵、一使用者特徵、一使用者優先化旅行因子及一交通工具特徵中之至少一者。
  6. 如申請專利範圍第1至3項中任一項之方法，其中該客觀資料包括交通資料、犯罪資料、事故資料、氣象資料及專業資料中之至少一者。
  7. 如申請專利範圍第4項之方法，其中該至少一優先化旅行因子選自旅行因子之一群組，該等旅行因子包括安全性、旅行時間、旅行距離、犯罪活動之可能性、旅行延遲之可能性、惡劣天氣之可能性、事故風險及交通停止頻率。
  8. 一種系統，其包括：一計算裝置，該計算裝置被組配來：響應於來自該計算裝置之一使用者的在地圖上表示出自一第一位置至一第二位置之一路線的一請求，請求該使用者提供一行程變更因子；針對自該第一位置至該第二位置之至少一可能路線，獲得與該行程變更因子相關之客觀資料；基於該所獲得的客觀資料及該行程變更因子，產生與每個可能路線相關之一加權路線推薦；以及在該計算裝置上顯示每個可能路線及其相關的加權路線推薦，其中該行程變更因子包含至少一使用者特徵並且 每個加權路線推薦被組配來向該使用者提供該各自相關可能路線的一個人化路線推薦。
  9. 如申請專利範圍第8項之系統，其中該計算裝置進一步被組配來：基於該行程變更因子來分析該所獲得的客觀資料，其中該產生基於該分析之結果。
  10. 如申請專利範圍第8項之系統，其中該計算裝置進一步被組配來：響應於一所選擇的路線變得受到危害之一指標，重複該獲得、產生及顯示，其中該重複被組配來產生一替代個人化路線推薦。
  11. 如申請專利範圍第8至10項中任一項之系統，其中該行程變更因子包括至少一優先化旅行因子並且該個人化路線推薦被組配來反映該使用者之風險承受度。
  12. 如申請專利範圍第8至10項中任一項之系統，其中該行程變更因子包括一行程特徵、一使用者特徵、一使用者優先化旅行因子及一交通工具特徵中之至少一者。
  13. 如申請專利範圍第8至10項中任一項之系統，其中該客觀資料包括交通資料、犯罪資料、事故資料、氣象資料及專業資料中之至少一者。
  14. 如申請專利範圍第11項之系統，其中該至少一優先化旅行因子選自旅行因子之一群組，該等旅行因子包括安全性、行程時間、行程距離、犯罪活動之可能性、行程延遲之可能性、惡劣天氣之可能性、事故風險及交通停止 頻率。
  15. 一種系統，其包括一或多個儲存媒體，該一或多個儲存媒體個別地或組合地具有儲存在其上的指令，該等指令在由一或多個處理器執行時導致以下動作，包括：如申請專利範圍第1至7項中任一項之方法的動作。
TW101150113A 2011-12-27 2012-12-26 用於路線個人化之方法與系統 TWI515411B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2011/067427 WO2013100915A1 (en) 2011-12-27 2011-12-27 Integration of contextual and historical data into route determination

Publications (2)

Publication Number Publication Date
TW201341759A true TW201341759A (zh) 2013-10-16
TWI515411B TWI515411B (zh) 2016-01-01

Family

ID=48698159

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101150113A TWI515411B (zh) 2011-12-27 2012-12-26 用於路線個人化之方法與系統

Country Status (4)

Country Link
US (1) US20140222330A1 (zh)
CN (1) CN104011763A (zh)
TW (1) TWI515411B (zh)
WO (1) WO2013100915A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104655143A (zh) * 2013-11-21 2015-05-27 现代摩比斯株式会社 利用车载信息系统服务器端的运行路径提供装置及方法
TWI503524B (zh) * 2013-12-25 2015-10-11 Univ Yuan Ze 依多種選擇條件進行路徑選擇的系統及其方法
TWI503801B (zh) * 2014-04-28 2015-10-11 Richi Technology Inc 提供安全指示資訊的圖資系統與地圖產生方法
TWI512269B (zh) * 2013-12-25 2015-12-11 Univ Yuan Ze 最合適路徑與路徑資料的選擇系統及其方法
TWI640945B (zh) * 2017-11-28 2018-11-11 國立中興大學 Vehicle rental area providing method

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6505123B1 (en) 2000-07-24 2003-01-07 Weatherbank, Inc. Interactive weather advisory system
US8229467B2 (en) 2006-01-19 2012-07-24 Locator IP, L.P. Interactive advisory system
US9058324B2 (en) 2012-09-28 2015-06-16 Intel Corporation Predictive precaching of data based on context
CN104374397A (zh) * 2013-08-14 2015-02-25 英华达（上海）科技有限公司 一种路线规划系统及其方法
US9702716B2 (en) * 2013-08-28 2017-07-11 Verizon Telematics Inc. Traffic score determination
US9459117B2 (en) 2013-12-20 2016-10-04 Google Inc. Interactive user interface providing weather information and available trips
US9494441B2 (en) * 2014-07-28 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Personalized route calculation system for a vehicle
US20160092825A1 (en) * 2014-09-29 2016-03-31 The Boeing Company Predictive fatigue risk management
US9739622B2 (en) * 2014-12-05 2017-08-22 Yuan Ze University System and method for selecting path according to selection conditions
EP3232158B1 (en) * 2014-12-09 2022-01-26 Sony Group Corporation Information processing device, control method, and program
US20160189043A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forcasting system
US10175054B2 (en) * 2015-01-11 2019-01-08 Microsoft Technology Licensing, Llc Predicting and utilizing variability of travel times in mapping services
CN105843810A (zh) * 2015-01-13 2016-08-10 电信科学技术研究院 一种规划出行路线的方法和设备
US20160320198A1 (en) * 2015-04-29 2016-11-03 Ford Global Technologies, Llc Ride-sharing routing using contextual constraints
US20160364454A1 (en) * 2015-06-10 2016-12-15 Telenav, Inc. Computing system with contextual search mechanism and method of operation thereof
US20170032480A1 (en) * 2015-08-02 2017-02-02 Chi Him Wong Personalized travel planning and guidance system
GB201514986D0 (en) * 2015-08-24 2015-10-07 Tomtom Navigation B V And Tomtom Telematics B V Methods and systems for generating routes
CN105243131B (zh) * 2015-09-30 2019-04-30 百度在线网络技术（北京）有限公司 路径查询方法及装置
BR112018011772A2 (pt) * 2015-12-11 2018-12-04 Locator Ip, Lp sistema telemático interativo
US10197408B1 (en) 2016-01-05 2019-02-05 Open Invention Network Llc Transport parking space availability detection
DE102016004656B4 (de) 2016-04-16 2023-03-23 Audi Ag Verfahren zum Ermitteln eines jeweiligen Kategoriewerts betreffend eine jeweilige Bewertungskategorie für Streckenabschnitte eines Straßennetzes
CN106157192A (zh) * 2016-05-09 2016-11-23 北京妙计科技有限公司 一种行程服务方法和装置
US10254122B2 (en) * 2016-05-11 2019-04-09 International Business Machines Corporation System and method for controlling ride comfort in a vehicle
CN106294840A (zh) * 2016-08-18 2017-01-04 携程计算机技术（上海）有限公司 基于活动的信息推送系统
US10076937B2 (en) 2016-09-14 2018-09-18 Ford Global Technologies, Llc Vehicle tow capacity estimator
CN108510099B (zh) * 2017-02-28 2022-04-22 华为技术有限公司 一种路径规划的方法及穿戴设备
US10768002B2 (en) 2017-10-26 2020-09-08 International Business Machines Corporation Assessing personalized risk for a user on a journey
US20200124435A1 (en) * 2018-10-17 2020-04-23 Toyota Motor North America, Inc. Distributed route determination system
CN110321489A (zh) * 2019-07-11 2019-10-11 重庆邮电大学 一种基于改进推荐算法的智慧旅游推荐方法及系统
CN113971893B (zh) * 2020-07-24 2022-12-16 中移(苏州)软件技术有限公司 一种车位推荐方法、装置及存储介质
US20220034673A1 (en) * 2020-08-03 2022-02-03 GM Global Technology Operations LLC Trailer-considerate route recommendations
CN113222228A (zh) * 2021-04-28 2021-08-06 广州宸祺出行科技有限公司 一种基于用户画像的行程路线的推荐方法及系统
DE102021004632A1 (de) 2021-09-14 2021-11-04 Daimler Ag Verfahren und Vorrichtung zur Personalisierung und Optimierung einer Navigationsroute auf Basis von verschiedenen Rand- und/oder Nebenbedingungen, insbesondere für Elektrofahrzeuge

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6175803B1 (en) * 1998-08-04 2001-01-16 Ford Global Technologies, Inc. Vehicle navigation route generation with user selectable risk avoidance
US6622087B2 (en) * 2000-12-26 2003-09-16 Intel Corporation Method and apparatus for deriving travel profiles
US7769540B2 (en) * 2003-02-26 2010-08-03 Tomtom International B.V. Navigation device and method for displaying simulated navigation data
US7580791B2 (en) * 2005-08-10 2009-08-25 Rm Acquisition, Llc Route evaluation system
US7698061B2 (en) * 2005-09-23 2010-04-13 Scenera Technologies, Llc System and method for selecting and presenting a route to a user
US8068981B2 (en) * 2006-05-26 2011-11-29 C.R.F. Societa Consortile Per Azioni Off-board navigation system for vehicles
CN101275856B (zh) * 2007-03-28 2012-04-04 阿尔派电子（中国）有限公司 一种生成导航线路的方法及导航装置
US20090005964A1 (en) * 2007-06-28 2009-01-01 Apple Inc. Intelligent Route Guidance
JP4554653B2 (ja) * 2007-08-08 2010-09-29 クラリオン株式会社 経路探索方法、経路探索システムおよびナビゲーション装置
US20110208416A1 (en) * 2007-08-13 2011-08-25 Speier Gary J System and method for travel route planning using safety metrics
EP2217880B1 (en) * 2007-11-24 2015-02-18 Routerank Ltd Optimized route planning
US8600577B2 (en) * 2008-12-29 2013-12-03 Motorola Mobility Llc Navigation system and methods for generating enhanced search results
US9043148B2 (en) * 2008-12-29 2015-05-26 Google Technology Holdings LLC Navigation system and methods for generating enhanced search results
US9037397B2 (en) * 2009-12-07 2015-05-19 Intel Corporation System and method for generating alternative routes
US8612139B2 (en) * 2010-11-30 2013-12-17 GM Global Technology Operations LLC Systems and methods for planning vehicle routes based on safety factors
US8583367B2 (en) * 2011-01-07 2013-11-12 Honda Motor Co., Ltd. System and method for displaying a route based on a vehicle state

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104655143A (zh) * 2013-11-21 2015-05-27 现代摩比斯株式会社 利用车载信息系统服务器端的运行路径提供装置及方法
TWI503524B (zh) * 2013-12-25 2015-10-11 Univ Yuan Ze 依多種選擇條件進行路徑選擇的系統及其方法
TWI512269B (zh) * 2013-12-25 2015-12-11 Univ Yuan Ze 最合適路徑與路徑資料的選擇系統及其方法
TWI503801B (zh) * 2014-04-28 2015-10-11 Richi Technology Inc 提供安全指示資訊的圖資系統與地圖產生方法
TWI640945B (zh) * 2017-11-28 2018-11-11 國立中興大學 Vehicle rental area providing method

Also Published As

Publication number Publication date
US20140222330A1 (en) 2014-08-07
CN104011763A (zh) 2014-08-27
WO2013100915A1 (en) 2013-07-04
TWI515411B (zh) 2016-01-01

Similar Documents

Publication Publication Date Title
TWI515411B (zh) 用於路線個人化之方法與系統
US11692833B2 (en) Dynamic geolocation optimization of pickup locations using location scores
Doolan et al. EcoTrec—A novel VANET-based approach to reducing vehicle emissions
US8589073B2 (en) Distributed traffic navigation using vehicular communication
CA3007475C (en) Interactive telematics system
CN106530781B (zh) 基于车联网分享路况信息的方法及系统
US10410519B2 (en) Public transportation navigator
US9755850B2 (en) Providing dynamic routing alternatives based on determined traffic conditions
US6463382B1 (en) Method of optimizing traffic content
US8606517B1 (en) Travel route system and method
US11733050B2 (en) Method and apparatus for providing an isoline map of a time to park at a destination
US20160334235A1 (en) Itpa informed traveler program and application
US9074904B1 (en) Method for solving carpool matching problem and carpool server using the same
US11348453B2 (en) Method and apparatus for dynamic speed aggregation of probe data for high-occupancy vehicle lanes
CN103177562A (zh) 一种获取交通状态预测所需信息的方法及装置
Sierpiński et al. Use of GSM Technology as the Support to Manage the Modal Distribution in the Cities
Abdelghany et al. A modeling framework for bus rapid transit operations evaluation and service planning
CN111931079A (zh) 推荐网约车上车点的方法及系统
US20230087109A1 (en) Vehicular traffic flow optimization
KR20240032811A (ko) 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램
Lin et al. A cloud computing framework for real-time carpooling services
CN112529338A (zh) 一种顺路程度计算方法
JP2020113114A (ja) サーバ、システム、方法、及びコンピュータプログラム
Chan Telecommunications-and information technology–inspired analyses: review of an intelligent transportation systems experience
KR100655896B1 (ko) 무선 인터넷을 이용한 교통 예보 서비스 시스템 및 방법

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees