TW201422033A - 行動軌跡分析方法與系統 - Google Patents
行動軌跡分析方法與系統 Download PDFInfo
- Publication number
- TW201422033A TW201422033A TW101143921A TW101143921A TW201422033A TW 201422033 A TW201422033 A TW 201422033A TW 101143921 A TW101143921 A TW 101143921A TW 101143921 A TW101143921 A TW 101143921A TW 201422033 A TW201422033 A TW 201422033A
- Authority
- TW
- Taiwan
- Prior art keywords
- trajectory
- action
- level
- interest
- data
- Prior art date
Links
Classifications
-
- 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
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
-
- 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
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本揭露提供一種行動軌跡分析方法與系統。該方法包括:記錄複數行動裝置之行動軌跡,此行動軌跡至少包含位置座標與類別,該座標是由至少二不同精確度之訊號而得;依據該複數行動軌跡,建立複數興趣區域;再依據各該複數興趣區域,建立複數對應關係與產生一多層級資料;以及對該資料與先前之歷史資料進行比對。
Description
本揭露係為一種行動軌跡分析方法與系統,尤其是有關於一種可對具有不同精準度之複數定位訊號及位置類別作分析的行動軌跡分析方法與系統。
行動軌跡分析為一種分析多數使用者的行動軌跡以取得結構化資訊之技術。此技術發展出各種應用,例如行動服務推薦、行動網路社交等。目前的分析技術僅考慮單一之定位訊號,但使用者實際的行動軌跡,是混雜了多種定位訊號而成,如GPS、WiFi、GSM、QR-Code等。目前的分析技術缺乏對各種定位軌跡資料同時進行運算,以找出不同精準度層級的興趣區域(Region Of Interest,ROI)。各種定位精確度所計算之ROI亦缺乏整合,因此無法反應實際的使用情形。
本揭露提供一種行動軌跡分析方法,包括:記錄複數行動軌跡;依據該複數行動軌跡,產生複數興趣區域;以及依據各該複數興趣區域,產生一資料。
本揭露亦提供一種行動軌跡分析系統,包括:一資料庫,以儲存複數行動軌跡;以及一伺服裝置,依據該複數行動軌跡,建立複數興趣區域,以及依據該複數興趣區域,建立複數對應關係並產生一資料。
為使 貴審查委員能對本發明之特徵、目的及功能有更進一步的認知與瞭解,下文特將本發明之裝置的相關細部結構以及設計的理念原由進行說明,以使得審查委員可以了解本發明之特點,詳細說明陳述如下:
圖1係顯示根據本揭露之一實施例之行動軌跡分析方法。該方法包括:記錄複數行動軌跡(步驟s101);依據該複數行動軌跡,產生複數興趣區域(步驟s102);以及依據各該複數興趣區域,產生一資料(步驟s103)。前述之行動軌跡包含至少二不同精確度之定位訊號、時間、日期、位置座標及位置類別(或語意類別)等,且可依據該時間,排序該複數興趣區域。前述之資料具有多層級結構,例如可以一叢集分析法(Clustering Algorithm)或一空間切割法(Space Partitioning Approach)產生該複數興趣區域。且該位置類別或語意類別,例如可為學校、運動場、餐廳、家等與描述該位置類別相關的語意。
於本實例中,當複數使用者移動時,皆可透過其行動裝置(mobile device)蒐集其所經過或到訪的每一個位置之軌跡,因此該行動裝置必須具備接收各種不同訊號以能定位之能力,該軌跡即是由多數位置所組成,也包含複數具有相同或不同精確度之定位訊號及該位置之語意類別,根據該些定位訊號,記錄該使用者移動至每一個位置的時間、日期與座標以及該位置之語意類別。其中,該行動裝置可包括智慧手機、筆記型電腦、平板電腦等具有位置定位之規格者。接著,對複數軌跡進行分析,例如相近或相
同之位置或類別,進而計算與產生多重層級的興趣區域,更進一步而言,舉例可應用一叢集分析法或一空間分割法來對複數具有不同精確度之該軌跡作整合分析,進而計算與產生一具結構化與多重層級的興趣區域,且可根據時間以排序各層級的興趣區域。特別是,各層級的興趣區域之間可互相轉換與對應,且可計算各層級的興趣區域之穿透性,以產生多重精準度層級的興趣區域,進而將每一使用者所經過每一位置之軌跡,轉換產生該使用者之結構化多層級行動軌跡資料。該多層級行動軌跡資料具完整不同精確度興趣區域對應關係,可進一步用於分析使用者之行動模式,而所謂多層級是指依據不同之定位訊號或位置類別(語意類別)等予以區分。
需說明的是,複數具有不同精確度之該定位訊號包括GPS、WiFi、GSM、GPRS、QR碼、NFC、RFID等或其他可轉換為位置軌跡之訊號,以上訊號除了GPS、QR碼外皆是資訊傳輸之規格,然現行技術亦可改作為定位用,本揭露故不再詳述;一般而言,GSM/3G/GPRS訊號精確度約為1000~2000公尺(m),這表示定位座標有1000~2000m的誤差;同理,WiFi訊號定位座標有50~100m的誤差;GPS訊號定位座標有5~10m的誤差;而QR碼、NFC與RFID訊號定位座標則有1m的誤差。
圖2A舉例顯示二位使用者A、B之行動軌跡,當使用者A、B行動時,各自透過一行動裝置搜集其所經過每一個位置之複數具有不同精確度之定位訊號,且根據該些定位訊號,記錄該使用者A、B行動至每一個位置的時間
與座標,於本實施例中,以GPS、WiFi與GSM訊號為例。使用者A一開始使用GPS訊號,記錄之GPS定位座標為GPS1,接著移動至GPS定位座標為GPS2_1處,接著移動至GPS定位座標為GPS3處,之後失去GPS訊號,但記錄其連線之WiFi基地台ID為AP3,之後記錄其連線之GSM基地台ID為GB2,接著記錄其連線之WiFi基地台ID為AP4、AP5。使用者B一開始使用WiFi網路,記錄其連線之WiFi基地台ID為AP1,接著記錄其GPS定位座標GPS2_2,之後的記錄依序為:WiFi基地台ID為AP2、GSM基地台ID為GB1、GPS座標為GPS4、GPS5。當搜尋到複數定位訊號時,本揭露會選擇精確度較高的訊號,作為該使用者行動軌跡的依據,但不以此為限。
本揭露舉例應用叢集分析法來對GPS、WiFi與GSM等三種常用但不同定位訊號作分析,進而計算與產生結構化的多重層級的興趣區域,但不以此三種為限,至少二種即可,例如圖2B所示,由GPS定位座標:GPS1、GPS2_1、GPS2_2、GPS3、GPS4、GPS5叢集出GPS訊號層級的興趣區域為P1~P5。由WiFi基地台ID:AP1、AP2、AP3、AP4、AP5叢集出WiFi訊號層級的興趣區域為W1~W5。由GSM基地台ID:GB1、GB2叢集出GSM訊號層級的興趣區域為G1、G2。因此,可將使用者A的移動軌跡表示為P1→P2→P3→W3→G2→W4→W5,使用者B的軌跡表示為W1→P2→W2→G1→P4→P5。
接著,藉由興趣區域之穿透性來建立各層級不同精確度的興趣區域間之對應關係,例如圖3A所示,P1對應
W1,W1對應G1,P2與P3對應W2,W2對應G1,P4對應W3,P5對應W4,而W3與W4對應G2。最後將使用者A的移動軌跡,轉換產生結構化之多層級行動軌跡資料,此例中可將使用者A之移動軌跡轉換產生3個層級的行動軌跡資料,分別為GPS層級:P1→P2→P3;WiFi層級:W1→W2→W3→W4→W5;GSM層級:G1→G2。使用者B之移動軌跡亦可轉換產生3個層級的行動軌跡資料,分別為GPS層級:P2→P4→P5;WiFi層級:W1→W2→W3→W4;GSM層級:G1→G2。此二者之多層級軌跡資料,具完整不同精確度興趣區域對應關係,可進一步用於分析使用者之行動模式,但不以此為限。例如在本例中,可看出使用者B在WiFi層級的軌跡與使用者A在WiFi層級的軌跡相似,舉例可預測使用者B行動模式之下一個移動的可能位置為W5。
更進一步而言,本揭露雖應用叢集分析法估算與產生結構化之多重層級的興趣區域,但不限於以地理座標空間為叢集計算基礎,亦可以其他條件為叢集計算基礎,例如圖3B所示,以地理空間座標之GPS訊號叢集出的GPS層級興趣區域為P1~P3,而以位置之語意空間為叢集計算基礎,可得語意層級1之興趣區域為:學校1、學校2、棒球場、網球場、速食店、公寓;語意層級2之興趣區域為:學校、運動場、餐廳、家。可得使用者A之移動軌跡表示為P1→P3→速食店,使用者B之移動軌跡表示為學校2→P2→速食店→公寓。再者,藉由興趣區域之穿透性來建立各層級興趣區域間之對應關係,亦不限於地理空間之穿
透性,以語意關係來建立興趣區域間之對應關係,P1對應到學校1,P2對應到棒球場,P3對應到網球場;學校1與學校2對應到學校,棒球場與網球場對應到運動場,速食店對應到餐廳,公寓對應到家。故使用者A之移動軌跡可轉換為3個層級的行動軌跡資料,分別為GPS層級:P1→P3;語意層級1:學校1→網球場→速食店;語意層級2:學校→運動場→餐廳。使用者B之移動軌跡可轉換為3個層級的行動軌跡資料,分別為GPS層級:P2;語意層級1:學校2→棒球場→速食店→公寓;語意層級2:學校→運動場→餐廳→家。此二者之多層級軌跡資料具完整不同語意精確度興趣區域對應關係,亦可進一步用於分析使用者之行動模式。例如在本例中,可看出使用者A在語意層級2的軌跡與使用者B在語意層級2的軌跡相似,可預測使用者A行動模式之下一個移動的可能位置為家。
關於本揭露之預測,本揭露可進一步收集多個使用者的行動軌跡,分析產生多重精準度層級的興趣區域以及建立各層級興趣區域間的對應關係,並形成一具有多精準度之立體穿透的行動軌跡資料庫,用以來判斷與預測其他使用者的移動位置。如圖4所示,圖4顯示應用多精準度之立體穿透的行動軌跡資料庫來判斷與預測使用者的移動位置之流程圖。首先,記錄複數行動軌跡(步驟s201);依據該複數行動軌跡,產生複數興趣區域(步驟s202);以及依據各該複數興趣區域,產生一資料(步驟s203);以及將該行動使用者之多層級行動軌跡資料與先前多層級的軌跡歷史資料庫作比對,以用於判斷與預測該行動使用者下一
個移動的位置(步驟s204)。
分析產生興趣區域的方法有叢集分析法、空間切割法等,主要都是以行動軌跡中各位置點之間的相似度而定,將相似或相近的位置點歸類為同一個區域,流程如圖5所示。首先掃描軌跡資料庫中的所有位置點,計算每一位置點與其他位置點的相似度(步驟s301),所謂相似度可以是地理空間的相似,例如距離較近,或是語意空間的相似,例如餐廳與飯館等。接著將彼此相似度高的位置點歸類為一個叢集(步驟s302),最後輸出每個叢集為一個興趣區域(步驟s303)。
本揭露所提的行動軌跡分析方法,大致可分為二部分。一部分為多層級ROI叢集(Multi-Layer ROI Clustering),於此部分可對不同的定位資訊及語意類別,在參考其精確度的誤差範圍內分別進行叢集運算,建立出不同層級的ROI(興趣區域)。另一部分為多層級ROI建構與多層級軌跡架構(Multi-Layer ROI StructureConstruction & Multi-Layer Trajectory Construction),於此部分計算出多層級的ROI後,接下來需要建立各層級ROI之間的對應關係,並將混合式訊號的軌跡資訊,轉換為多層級ROI軌跡(結構化之多層級行動軌跡資料),建置多層級軌跡資料庫,以發展各種行動服務應用。建立各層級ROI之間的對應關係,必須注意各層級ROI之間的重疊程度或關係強弱,以判斷兩者間是否可建立對應。各層級ROI間的對應建立完成後,可得到一階層式ROI架構。
圖6為根據一實施例建立階層式ROI架構與多層級
ROI軌跡資料庫之流程圖。於本實施例,以GPS、WiFi與GSM等座標式ROI為例,首先,計算資料庫中所有GPS ROI相對於所有WiFi ROI、GSM ROI的對應關係(步驟s401),記錄與每個GPS ROI對應關係最強的一WiFi ROI及一GSM ROI(步驟s402),此對應關係可以是ROI涵蓋範圍的重疊程度,當重疊程度超過一設定值才可建立對應。接著計算資料庫中所有WiFi ROI相對於所有GPS ROI、GSM ROI的對應關係(步驟s403),記錄與每個WiFi ROI對應關係最強的一GPS ROI及一GSM ROI(步驟s404)。最後依所得之多層級ROI對應關係,將混雜訊號軌跡轉換為各層級的軌跡資料,儲存於資料庫中(步驟s405)。
圖7顯示係顯示根據本揭露之一實施例之行動軌跡分析系統。該系統包括複數行動裝置11a~11n與一伺服裝置12,或是一伺服裝置及其一儲存有多層級ROI資料之資料庫,複數行動裝置用以記錄複數行動軌跡,且複數行動裝置亦可用以蒐集複數使用者所經過每一個位置之軌跡,該軌跡包含複數具有不同精確度之定位訊號及該位置之語意類別,並傳送至該伺服裝置12,或者是該行動裝置透過各種訊號或介面,取得與記錄使用者所在位置,包含語意類別,並將各種定位資訊依時間排序,產生包含多種定位資訊的複合訊號行動軌跡,上傳至該伺服裝置12。而該伺服裝置12可接收該複數行動軌跡,並依據該複數行動軌跡,產生複數興趣區域以及依據各該複數興趣區域,產生一資料,且該伺服裝置12更可對該複數軌跡作分析、計
算與產生多重層級的興趣區域,以及建立各層級的興趣區域間之對應關係,進而將每一使用者所經過每一個該位置之軌跡,轉換產生該使用者之結構化多層級行動軌跡資料。且該行動裝置11a~11n與該伺服裝置12間可用有線或無線的方式來通訊。該伺服裝置12更收集複數之結構化多層級行動軌跡資料,以形成一多層級的軌跡歷史資料庫。其中各種層級行動軌跡包括造訪區域代碼,區域抵達時間,區域離開時間等資訊。
本揭露之行動裝置記錄使用者的位置資訊,如GPS定位座標(25.033485,121.530195),而語意類別之取得,如行動裝置或伺服裝置連結地理語意資料庫或其他資訊,以得到其語意類別,例如小吃店等,且以上的語意類別的取得或將定位座標轉換為語意類別,不一定是行動裝置直接取得該定位位置的語意類別,也可以是行動裝置將定位座標上傳到伺服裝置後,由伺服裝置連結地理語意資料庫或其他資訊,得到該語意類別。
本揭露中,例如,(a)行動裝置記錄使用者的位置資訊:18:20,GPS定位座標(25.033485,121.530195)。(b)伺服裝置連結電子發票系統,取得使用者的消費記錄19:40,手表@台北101專櫃。本揭露包含伺服裝置取得上述資訊,再連結地理資訊系統或其他系統,可將(b)的消費記錄轉換為位置:(25.033408,121.564099)得到一地理空間軌跡:18:20,(25.033485,121.530195)→19:40,(25.033408,121.564099),且可根據地理空間的興趣區域,將此使用者的軌跡轉換為多層級軌跡,例如其中一層級軌跡:18:20,大安區19:40,
信義區,亦可根據語意空間的興趣區域,將此使用者的軌跡轉換為多層級的軌跡,例如其中一層級軌跡:18:20,餐廳19:40,百貨公司,此例說明,使用者的軌跡,不一定需要透過行動裝置來取得,除了直接透過行動裝置的各種訊號、介面取得的位置資訊,亦包括伺服裝置連結各種外部資源,經計算轉換後,取得的使用者位置資訊,例如此例中,伺服裝置連結電子發票系統與地理資訊系統,得以將消費記錄轉換為高精確度的位置資訊(因可確定使用者在該時間是在該位置)。
本揭露所提供之行動軌跡分析方法,應用多層次軌跡叢集分析方法,將多種定位精度混雜之行動軌跡資料轉換至多,精準度層級之行動軌跡,以克服傳統僅考慮單一定位訊號處理,將分析技術從單一定位訊號軌跡分析,提升至混雜定位訊號軌跡分析,能取得更多精度層次之興趣點區域資訊,以應付日後愈來愈多樣化的定位資訊處理,並提供更合適之定位資訊的服務。
本揭露所提供之行動軌跡分析方法,可根據多重精確度定位資訊,分析使用者行動軌跡,其可先透過各種介面取得並記錄使用者所經過的多重訊號定位座標或語意空間、時間,或透過各種介面取得並記錄使用者造訪位置、時間。然後,將各種定位資訊,包含多重訊號定位座標、造訪位置,依時間排序,產生複合訊號行動軌跡,並分析複數使用者之複合訊號行動軌跡,產生不同精準度層級之區域,各層級之區域可互相轉換與對應。最後,再透過建立完成的多層級區域以及各層級區域間的對應關係,將蒐
集到的每個複合訊號行動軌跡,轉換為一或多個層級的行動軌跡,建立多精準度層級行動軌跡資料庫。
本揭露所提供之行動軌跡分析方法,當使用者造訪商家時,可掃描商品或商家QR碼、RFID後得到位置資訊,或連結商家結帳系統、信用卡消費記錄或連結電子發票系統以取得使用者消費的商家位置。
本揭露所提供之行動軌跡分析方法,其一精準度層級之區域(如GPS層級區域),可轉換為其他精準度層級之區域(如GSM層級區域)或語意層級之區域(如學校、運動場),以讓使用者可根據其需求或設備定位於不同精準度層級之區域。
唯以上所述者,僅為本發明實施態樣之範例,當不能限定本發明所實施之範圍。即大凡依本發明申請專利範圍所作之均等變化與修飾,皆應仍屬於本發明專利涵蓋之範圍內,謹請 貴審查委員明鑑,並祈惠准,是所至禱。
s101~s103‧‧‧步驟
s201~s204‧‧‧步驟
s301~s303‧‧‧步驟
s401~s405‧‧‧步驟
11a~11n‧‧‧行動裝置
12‧‧‧伺服裝置
圖1係顯示根據本揭露之一實施例之行動軌跡分析方法;圖2A顯示使用者A與使用者B之行動軌跡;圖2B顯示多層級ROI,以及以多層級ROI來表示之使用者A與使用者B的行動軌跡;圖3A顯示多層級ROI之對應關係,以及使用者A與使用者B之結構化多層級行動軌跡資料;圖3B顯示語意之多層級ROI之對應關係,以及使用者A
與使用者B之結構化多層級行動軌跡資料;圖4顯示應用歷史軌跡資訊來判斷與預測使用者的移動位置之流程圖;圖5為應用叢集分析法運算以求出不同層級的興趣區域之流程圖;圖6為根據一實施例建立階層式ROI架構與多層級ROI軌跡資料庫之流程圖;圖7顯示係顯示根據本揭露之一實施例之行動軌跡分析系統。
s101~s103‧‧‧步驟
Claims (12)
- 一種行動軌跡分析方法,包括:記錄複數行動軌跡,該每一行動軌跡至少包括位置座標與類別;依據該複數行動軌跡,建立複數興趣區域;以及依據該複數興趣區域,建立複數對應關係並產生一資料。
- 如申請專利範圍第1項所述之行動軌跡分析方法,其中該位置座標是由至少二不同精確度之訊號而得。
- 如申請專利範圍第1項所述之行動軌跡分析方法,其中該資料具有多層級結構。
- 如申請專利範圍第2項所述之行動軌跡分析方法,其中該複數對應關係是指該複數興趣區域對該至少二訊號之關係。
- 如申請專利範圍第2項所述之行動軌跡分析方法,其中該二不同精確度之訊號是指GPS、WiFi、GSM、GPRS、QR碼、NFC、RFID等其中之二。
- 如申請專利範圍第1項所述之行動軌跡分析方法,更包括:對該資料與先前一歷史資料進行比對。
- 一種行動軌跡分析系統,包括:一資料庫,儲存複數行動軌跡,該每一行動軌跡至少包括位置座標與類別;以及一伺服裝置,依據該複數行動軌跡,建立複數興趣區域;以及依據該複數興趣區域,建立複數對應關係並產生一資料。
- 如申請專利範圍第7項所述之行動軌跡分析系統,其中 該位置座標是由至少二不同精確度之訊號而得。
- 如申請專利範圍第7項所述之行動軌跡分析系統,其中該資料具有多層級結構。
- 如申請專利範圍第8項所述之行動軌跡分析系統,其中該複數對應關係是指該複數興趣區域對該至少二訊號之關係。
- 如申請專利範圍第8項所述之行動軌跡分析系統,其中該二不同精確度之訊號是指GPS、WiFi、GSM、GPRS、QR碼、NFC、RFID等其中之二。
- 如申請專利範圍第7項所述之行動軌跡分析系統,其中該伺服裝置更對該資料與先前一歷史資料進行比對。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101143921A TWI488521B (zh) | 2012-11-23 | 2012-11-23 | 行動軌跡分析方法與系統 |
US13/771,218 US20140149070A1 (en) | 2012-11-23 | 2013-02-20 | Method and system for analyzing movement trajectories |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101143921A TWI488521B (zh) | 2012-11-23 | 2012-11-23 | 行動軌跡分析方法與系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201422033A true TW201422033A (zh) | 2014-06-01 |
TWI488521B TWI488521B (zh) | 2015-06-11 |
Family
ID=50773991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101143921A TWI488521B (zh) | 2012-11-23 | 2012-11-23 | 行動軌跡分析方法與系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20140149070A1 (zh) |
TW (1) | TWI488521B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI621084B (zh) * | 2016-12-01 | 2018-04-11 | 財團法人資訊工業策進會 | 跨區域商品對應方法、系統及非暫態電腦可讀取記錄媒體 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9247379B2 (en) * | 2014-01-27 | 2016-01-26 | Qualcomm Incorporated | Method and apparatus for hierarchical map tiling |
US10094905B2 (en) * | 2014-02-28 | 2018-10-09 | Qualcomm Incorporated | Opportunistic calibration of a barometer in a mobile device |
US9880011B2 (en) | 2015-07-31 | 2018-01-30 | International Business Machines Corporation | Simplification of trajectory representation |
TWI635304B (zh) * | 2016-08-23 | 2018-09-11 | 技嘉科技股份有限公司 | 定位裝置及其定位方法 |
CN109712047A (zh) * | 2017-10-25 | 2019-05-03 | 中国电信股份有限公司 | 定位和客流数据服务器、客流统计分析方法和系统 |
CN109472433B (zh) * | 2018-05-31 | 2021-11-09 | 重庆大学 | 一种基于机动车电子标识数据的城市出行热点提取方法 |
US10885204B2 (en) * | 2018-07-08 | 2021-01-05 | International Business Machines Corporation | Method and system for semantic preserving location encryption |
US11263453B2 (en) * | 2018-12-27 | 2022-03-01 | Ubtech Robotics Corp Ltd | Method and system for tracking and displaying object trajectory |
CN111382215B (zh) * | 2018-12-27 | 2024-01-02 | 深圳市优必选科技有限公司 | 一种对象轨迹跟踪展示方法以及系统 |
CN110851646B (zh) * | 2019-11-18 | 2020-11-24 | 嵊州市万睿科技有限公司 | 智能园区的工作效率统计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201137743A (en) * | 2010-04-23 | 2011-11-01 | Geoinfor Scientek Consultant Inc | Geographical sensing electronic device and its service system |
US20120252485A1 (en) * | 2011-04-01 | 2012-10-04 | Wolverton Andrew N | System and Method for Determining Best Available Location for a Mobile Device |
US20130328861A1 (en) * | 2012-06-06 | 2013-12-12 | Apple Inc. | Generation of Road Data |
US20140038523A1 (en) * | 2012-07-31 | 2014-02-06 | Patrick C. McGeer | Hierarchical navigation and remediation in datacenters |
WO2015035185A1 (en) * | 2013-09-06 | 2015-03-12 | Apple Inc. | Providing transit information |
US9769107B2 (en) * | 2013-11-01 | 2017-09-19 | Apple Inc. | Lifestyle-based social groups |
-
2012
- 2012-11-23 TW TW101143921A patent/TWI488521B/zh active
-
2013
- 2013-02-20 US US13/771,218 patent/US20140149070A1/en not_active Abandoned
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI621084B (zh) * | 2016-12-01 | 2018-04-11 | 財團法人資訊工業策進會 | 跨區域商品對應方法、系統及非暫態電腦可讀取記錄媒體 |
Also Published As
Publication number | Publication date |
---|---|
US20140149070A1 (en) | 2014-05-29 |
TWI488521B (zh) | 2015-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI488521B (zh) | 行動軌跡分析方法與系統 | |
Li et al. | Performance-based evaluation of RFID-based indoor location sensing solutions for the built environment | |
Rao et al. | Real-time monitoring of construction sites: Sensors, methods, and applications | |
CN103068035B (zh) | 一种无线网络定位方法、装置及系统 | |
Teng et al. | IONavi: An indoor-outdoor navigation service via mobile crowdsensing | |
Huang et al. | Using trajectories for collaborative filtering-based POI recommendation | |
Cai et al. | Robust hybrid approach of vision-based tracking and radio-based identification and localization for 3D tracking of multiple construction workers | |
US20140122031A1 (en) | System, apparatus and method for providing indoor infrastructure service | |
Gao et al. | Employing spatial analysis in indoor positioning and tracking using Wi-Fi access points | |
Gao et al. | 1.26-Mobile GIS and Location-Based Services | |
Bonnetain et al. | Can we map-match individual cellular network signaling trajectories in urban environments? Data-driven study | |
Yu et al. | Floor positioning method indoors with smartphone’s barometer | |
Yang et al. | WKNN indoor location algorithm based on zone partition by spatial features and restriction of former location | |
Jin et al. | Toward scalable and robust indoor tracking: Design, implementation, and evaluation | |
Ai et al. | Fast fingerprints construction via GPR of high spatial-temporal resolution with sparse RSS sampling in indoor localization | |
Tiwari et al. | Mining popular places in a geo-spatial region based on GPS data using semantic information | |
Brouwers et al. | Detecting dwelling in urban environments using gps, wifi, and geolocation measurements | |
Yang et al. | An improved wireless positioning algorithm based on the LSTM network | |
GB2570853A (en) | Identifying sites visited by a user device | |
CN111782980A (zh) | 地图兴趣点的挖掘方法、装置、设备及存储介质 | |
Xie et al. | TransFloor: Transparent floor localization for crowdsourcing instant delivery | |
Liang et al. | Indoor region localization with asynchronous sensing data: A Bayesian probabilistic model | |
Huang et al. | Fusing fixed and hint landmarks on crowd paths for automatically constructing Wi-Fi fingerprint database | |
CN102884815B (zh) | 确定视线中的对象的方法和设备 | |
Li et al. | A novel fingerprinting method of WiFi indoor positioning based on Weibull signal model |