對顯著位置進行建模的制作方法
【技術領域】
[0001] 本公開整體涉及基于位置的服務。
【背景技術】
[0002] 很多電子設備具有基于位置的功能。例如，移動設備能夠利用衛(wèi)星導航系統(tǒng)（例 如全球定位系統(tǒng)或GPS)或蜂窩通信系統(tǒng)來估計移動設備的位置。移動設備能執(zhí)行各種特 定于位置的任務。例如，在移動設備上運行的地圖應用程序能使移動設備顯示地圖。地圖 上的標記可指示移動設備的當前位置。在接收到選擇該標記的用戶輸入時，移動設備能顯 示當前位置附近的興趣點，例如，餐廳或加油站。在接收到指定目的地的用戶輸入時，移動 設備能顯示從當前位置到目的地的路線、以及基于關于該路線的交通信息所估計的到達時 間。

【發(fā)明內容】

[0003] 描述了用于對顯著位置進行建模的技術。顯著位置可以是由于各種原因而對于移 動設備的用戶而言顯著的位置。在以足夠的確定性確定移動設備已經(jīng)在某個地方或區(qū)域停 留了足夠的時間量時，該移動設備可確定這個地方或區(qū)域是顯著位置。移動設備可構建作 為一個或多個顯著位置的抽象的狀態(tài)模型。狀態(tài)模型可包括表示顯著位置的狀態(tài)、和表示 移動設備在位置之間的移動的過渡。移動設備可使用狀態(tài)模型來提供預測用戶輔助。
[0004] 可以實現(xiàn)本說明書中描述的特征以獲得一個或多個優(yōu)點。移動設備可學習移動設 備的移動模式，并使其自身適配于該移動模式。利用本說明書中所述的技術，移動設備能夠 實施預測用戶輔助。實施預測用戶輔助的移動設備能夠基于移動模式來提供輔助，而不需 要附加的用戶輸入。因此，移動設備的用戶可具有使用移動設備的服務的更好體驗，尤其是 基于位置的服務。例如，移動設備可確定用戶通常在工作日上午8點離開家去工作，而在周 末上午8點離開家去健身房。當在上午8點前不久被打開時，在工作日，移動設備可自動地 顯示從家到工作地的路線的交通信息；而在周末，移動設備可自動地顯示從家到健身房的 路線的交通信息。
[0005] 在附圖和以下說明書中闡述了對顯著位置進行建模的一個或多個具體實施的細 節(jié)。根據(jù)說明書、附圖及權利要求，對顯著位置進行建模的其他特征、方面和優(yōu)點將顯而易 見。
【附圖說明】
[0006] 圖1是示出預測用戶輔助的示例性具體實施的圖示。
[0007] 圖2是示出確定位置群集的示例性技術的圖示。
[0008] 圖3是示出基于位置群集來識別顯著位置的示例性技術的圖示。
[0009] 圖4是示出基于位置群集確定的示例性狀態(tài)模型的圖示。
[0010] 圖5是示出對狀態(tài)模型的增量改變的圖示。
[0011] 圖6A是示出確定示例性狀態(tài)之間的過渡概率密度的圖示。
[0012] 圖6B是示出確定示例性狀態(tài)的進入概率密度的圖示。
[0013] 圖7A、7B、和7C是示出實施預測用戶輔助的示例性移動設備的部件的框圖。
[0014] 圖8是示出生成狀態(tài)模型的示例性過程的流程圖。
[0015] 圖9是示出預測未來位置的示例性過程的流程圖。
[0016] 圖10是示出實現(xiàn)圖1至圖9的特征和操作的移動設備的示例性設備架構的框圖。
[0017] 圖11是實現(xiàn)圖1至圖9的特征和操作的移動設備的示例性網(wǎng)絡操作環(huán)境的框圖。
[0018] 各附圖中類似的參考符號表示類似的元件。
【具體實施方式】
[0019] 示例件預測用戶輔助
[0020] 圖1是示出預測用戶輔助的示例性具體實施的圖示。示例性移動設備102可使用 移動設備102的過去移動來預測移動設備102的未來位置。移動設備102于是可適配移動 設備102的行為以執(zhí)行特定于所預測的未來位置的服務。
[0021] 移動設備102可利用機器學習和數(shù)據(jù)挖掘技術來學習移動設備102的過去移動。 過去移動可被記錄作為移動設備102訪問的顯著位置和移動設備102在這些顯著位置之間 的移動。在以足夠的確定性確定移動設備102已經(jīng)在某個地方或區(qū)域停留了足夠的時間量 時，移動設備102可確定這個地方或區(qū)域是顯著位置。在所述時間量滿足各種標準的情況 下，例如當時間量滿足時間長度閾值（例如X小時）或頻率閾值（例如每天X分鐘、每周Y 天）時，所述時間量可以是足夠的。移動設備102的移動的記錄可包括進入每個顯著位置 的所測量或計算的時間和離開每個顯著位置的所測量或計算的時間。顯著位置可與多個進 入和離開相關聯(lián)。
[0022] 除了顯著位置之外，移動的記錄可包括顯著位置之間的過渡。從第一顯著位置向 第二顯著位置的每個過渡可與指示移動設備102離開第一顯著位置的時間的過渡開始時 間戳以及指示移動設備102進入第二顯著位置的時間的過渡結束時間戳相關聯(lián)。
[0023] 移動設備102可將移動的記錄表示為狀態(tài)模型104。狀態(tài)模型104可包括各自表 示一個顯著位置的狀態(tài)（例如狀態(tài)106和其他狀態(tài)）、和各自表示移動設備102在顯著位置 之間的移動的過渡（例如過渡107和狀態(tài)之間的其他過渡）。在下文中將參考圖2至圖5 描述確定狀態(tài)模型104的附加細節(jié)。
[0024] 基于狀態(tài)模型104,移動設備102可確定（1)在給定時間，移動設備102從給定顯 著位置移動到每個其他顯著位置的過渡概率密度，或者（2)移動設備102從先前未知或未 表示的位置進入顯著位置的進入概率密度。移動設備102的模式分析器可利用狀態(tài)模型 104來確定移動設備102的每日、星期、月度、或年度移動模式。移動設備102的預測引擎 可使用過渡概率密度（或進入概率密度）和移動模式來預測移動設備102在未來時間將進 入（或停留）的顯著位置。移動設備102然后可使用所述預測來提供預測用戶輔助，例如 輔助用戶為未來事件進行計劃。
[0025] 在圖1的實例中，移動設備102可利用移動設備102的位置確定子系統(tǒng)來確定當 前位置108。移動設備102可確定當前時間110?；诋斍拔恢?、當前時間、和狀態(tài)模型104 的概率和模式，移動設備102可確定移動設備102在未來某個時間的最可能位置是由狀態(tài) 106表示的顯著位置。移動設備102于是可執(zhí)行對應于所述顯著位置、或者對應于從當前位 置到所述顯著位置的過渡的用戶輔助功能。例如，在被開啟或解鎖時，移動設備102可在移 動設備102的顯示表面上提供顯示提示112。提示112可包括用戶輔助信息116。用戶輔 助信息116例如可包括從當前位置到可能的未來位置的路線、和沿該路線的交通信息。移 動設備102可自動地提供顯示提示112和用戶輔助信息116,而不要求用戶輸入可能的未來 位置作為目的地。
[0026] 在一些具體實施中，移動設備102可提供與可能的未來位置相關聯(lián)的標簽。該標 簽可以是用戶預先指定或者移動設備102通過反向地理編碼或通過對移動設備102的移 動的語義分析而確定的興趣點的地址或名稱。例如，移動設備102可確定第一位置可能是 家并且第二位置可能是工作場所。因此，移動設備102可在用戶輔助信息116中使用術語 "家"和"工作地"。
[0027] 構律狀杰樽銦的示例件摶術
[0028] 圖2是示出確定位置群集的示例性技術的圖示。（圖1的）示例性移動設備102 可使用學習技術來確定（圖1的）狀態(tài)模型104。
[0029] 移動設備102可隨時間（T)順序地跟蹤位置數(shù)據(jù)。順序地跟蹤位置數(shù)據(jù)可通過借 助另一應用程序來執(zhí)行，以避免或降低位置數(shù)據(jù)收集的成本。例如，移動設備102可在另一 服務向移動設備102的位置確定子系統(tǒng)請求位置時收集位置數(shù)據(jù)。因此，收集位置數(shù)據(jù)可 以是"免費的"，而不必僅僅為了確定移動設備102的移動模式而激活位置確定子系統(tǒng)。
[0030] 移動設備102可隨著時間T收集到位置202、204、206、208、210、和212。收集位置 可以是持續(xù)的操作。比指定時間段早的位置可被清除。所述時間段可由用戶偏好或隱私策 略來指定。位置202、204、206、208、210、和212可各自包括煒度、經(jīng)度和海拔坐標并且與指 示相應位置被收集的時間的時間戳相關聯(lián)。
[0031] 移動設備102可確定位置202、204、206、208、210、和212中的一些屬于可指示顯著 位置的位置群集。移動設備102可在確定（1)至少預先指定的閾值數(shù)量（例如兩個）的連 續(xù)位置被收集到；（2)連續(xù)位置的時間跨度滿足預先指定的閾值時間窗口；和（3)在位置被 收集的時間段，這些位置是相同的從而表明移動設備102靜止、或者彼此足夠近從而表明 移動設備102位于足夠小的限定區(qū)域中時，確定位置群集被形成。
[0032] 例如，移動設備102可隨時間T確定兩個位置群集：位置群集218和位置群集220。 位置群集218可包括在比閾值時間窗口（例如45分鐘的時間窗口）長的時間段[Tl，T2] 上收集的位置202、204、和206。移動設備102可在確定位置202、204、和206的變化小到足 以滿足變化閾值時確定位置群集218包括位置202、204、和206。同樣，位置群集220可包 括在時間段[T3，T4]內收集的位置210和212。移動設備102可在確定位置210和212的 變化滿足變化閾值時確定位置群集220包括位置210和212。
[0033] 異常值檢測機制可濾除不屬于群集的位置。例如，移動設備102可確定位置208 與位置206和位置210不同（例如位置206和208之間的距離以及位置208和位置210之 間的距離超過閾值）。此外，移動設備102可確定沒有其他位置（1)在位置208之前或之后 的閾值時間窗口內被收集并且（2)地理上與位置208靠近。作為響應，移動設備102可確 定位置208是異常值并且丟棄位置208。此外，如果時間段中的位置顯著不同于所述時間段 中的很多其他位置，則移動設備102可將這個不同的位置作為異常值丟棄，并且利用所述 時間窗口中的其他位置來確定位置群集。移動設備102可使用位置群集218和220來確定 顯著位置和狀態(tài)模型104中的狀態(tài)。
[0034] 圖3是示出基于位置群集識別顯著位置的示例性技術的圖示。利用上文中參考圖 2所述的技術，移動設備102可識別位置群集218、220、302、和303。移動設備102可基于位 置群集218、220、302、和303來確定顯著位置304、306、和308。
[0035] 移動設備102可基于位置群集218、220、302、和303，利用位置群集218、220、302、 和303中的每一者中的位置來確定顯著位置304、306、和308中的每一者。確定顯著位置 304、306、和308可以基于具有恒定增益的遞歸濾波器。下文在下一段落中提供確定顯著 位置304、306、和308的細節(jié)。顯著位置304、306、和308中的每一者可包括煒度、經(jīng)度、并 且任選地還有海拔的坐標。顯著位置304、306、和308中的每一者可與一個或多個位置群 集相關聯(lián)。例如，顯著位置304可在時間段[T1，T2]中對應于位置群集218,并且在時間段 [Τ7，Τ8]期間對應于位置群集303。位置群集218和位置群集303中的位置可以是相同的。 時間段[Τ1，Τ2]和時間窗口 [Τ7，Τ8]的長度可以是相同的，也可以是不同的。
[0036] 移動設備102可在時間Τ2具有初始狀態(tài)模型。在時間T2+k，移動設備102可接 收增量位置數(shù)據(jù)，其中k是時間T2與附加位置數(shù)據(jù)被接收的時間之間的差異（在這個實例 中，k=T7-T2)。移動設備102可使用增量位置數(shù)據(jù)來確定用于在狀態(tài)模型中使用的顯著 位置304。移動設備102可確定位置群集218對應于煒度和經(jīng)度坐標XI。移動設備1