对显著位置进行建模制造技术

本公开涉及对显著位置进行建模。显著位置可以是由于各种原因而对于移动设备的用户而言显著的位置。移动设备可在确定移动设备以足够的确定性已经在某个地方或区域停留了足够的时间量时确定这个地方或区域是显著位置。移动设备可构建作为一个或多个显著位置的抽象的状态模型。状态模型可包括表示显著位置的状态、和表示移动设备在位置之间的移动的过渡。移动设备可使用状态模型来提供预测性用户辅助。

Modeling salient location

【技术实现步骤摘要】
对显著位置进行建模本申请是申请日为2014年5月30日申请号为201480031991.8专利技术名称为“对显著位置进行建模”的专利技术专利申请的分案申请。
本公开整体涉及基于位置的服务。
技术介绍
很多电子设备具有基于位置的功能。例如，移动设备能够利用卫星导航系统(例如全球定位系统或GPS)或蜂窝通信系统来估计移动设备的位置。移动设备能执行各种特定于位置的任务。例如，在移动设备上运行的地图应用程序能使移动设备显示地图。地图上的标记可指示移动设备的当前位置。在接收到选择该标记的用户输入时，移动设备能显示当前位置附近的兴趣点，例如，餐厅或加油站。在接收到指定目的地的用户输入时，移动设备能显示从当前位置到目的地的路线、以及基于关于该路线的交通信息所估计的到达时间。
技术实现思路
描述了用于对显著位置进行建模的技术。显著位置可以是由于各种原因而对于移动设备的用户而言显著的位置。在以足够的确定性确定移动设备已经在某个地方或区域停留了足够的时间量时，该移动设备可确定这个地方或区域是显著位置。移动设备可构建作为一个或多个显著位置的抽象的状态模型。状态模型可包括表示显著位置的状态、和表示移动设备在位置之间的移动的过渡。移动设备可使用状态模型来提供预测用户辅助。可以实现本说明书中描述的特征以获得一个或多个优点。移动设备可学习移动设备的移动模式，并使其自身适配于该移动模式。利用本说明书中所述的技术，移动设备能够实施预测用户辅助。实施预测用户辅助的移动设备能够基于移动模式来提供辅助，而不需要附加的用户输入。因此，移动设备的用户可具有使用移动设备的服务的更好体验，尤其是基于位置的服务。例如，移动设备可确定用户通常在工作日上午8点离开家去工作，而在周末上午8点离开家去健身房。当在上午8点前不久被打开时，在工作日，移动设备可自动地显示从家到工作地的路线的交通信息；而在周末，移动设备可自动地显示从家到健身房的路线的交通信息。在附图和以下说明书中阐述了对显著位置进行建模的一个或多个具体实施的细节。根据说明书、附图及权利要求，对显著位置进行建模的其他特征、方面和优点将显而易见。附图说明图1是示出预测用户辅助的示例性具体实施的图示。图2是示出确定位置群集的示例性技术的图示。图3是示出基于位置群集来识别显著位置的示例性技术的图示。图4是示出基于位置群集确定的示例性状态模型的图示。图5是示出对状态模型的增量改变的图示。图6A是示出确定示例性状态之间的过渡概率密度的图示。图6B是示出确定示例性状态的进入概率密度的图示。图7A、7B、和7C是示出实施预测用户辅助的示例性移动设备的部件的框图。图8是示出生成状态模型的示例性过程的流程图。图9是示出预测未来位置的示例性过程的流程图。图10是示出实现图1至图9的特征和操作的移动设备的示例性设备架构的框图。图11是实现图1至图9的特征和操作的移动设备的示例性网络操作环境的框图。各附图中类似的参考符号表示类似的元件。具体实施方式示例性预测用户辅助图1是示出预测用户辅助的示例性具体实施的图示。示例性移动设备102可使用移动设备102的过去移动来预测移动设备102的未来位置。移动设备102于是可适配移动设备102的行为以执行特定于所预测的未来位置的服务。移动设备102可利用机器学习和数据挖掘技术来学习移动设备102的过去移动。过去移动可被记录作为移动设备102访问的显著位置和移动设备102在这些显著位置之间的移动。在以足够的确定性确定移动设备102已经在某个地方或区域停留了足够的时间量时，移动设备102可确定这个地方或区域是显著位置。在所述时间量满足各种标准的情况下，例如当时间量满足时间长度阈值(例如X小时)或频率阈值(例如每天X分钟、每周Y天)时，所述时间量可以是足够的。移动设备102的移动的记录可包括进入每个显著位置的所测量或计算的时间和离开每个显著位置的所测量或计算的时间。显著位置可与多个进入和离开相关联。除了显著位置之外，移动的记录可包括显著位置之间的过渡。从第一显著位置向第二显著位置的每个过渡可与指示移动设备102离开第一显著位置的时间的过渡开始时间戳以及指示移动设备102进入第二显著位置的时间的过渡结束时间戳相关联。移动设备102可将移动的记录表示为状态模型104。状态模型104可包括各自表示一个显著位置的状态(例如状态106和其他状态)、和各自表示移动设备102在显著位置之间的移动的过渡(例如过渡107和状态之间的其他过渡)。在下文中将参考图2至图5描述确定状态模型104的附加细节。基于状态模型104，移动设备102可确定(1)在给定时间，移动设备102从给定显著位置移动到每个其他显著位置的过渡概率密度，或者(2)移动设备102从先前未知或未表示的位置进入显著位置的进入概率密度。移动设备102的模式分析器可利用状态模型104来确定移动设备102的每日、星期、月度、或年度移动模式。移动设备102的预测引擎可使用过渡概率密度(或进入概率密度)和移动模式来预测移动设备102在未来时间将进入(或停留)的显著位置。移动设备102然后可使用所述预测来提供预测用户辅助，例如辅助用户为未来事件进行计划。在图1的实例中，移动设备102可利用移动设备102的位置确定子系统来确定当前位置108。移动设备102可确定当前时间110。基于当前位置、当前时间、和状态模型104的概率和模式，移动设备102可确定移动设备102在未来某个时间的最可能位置是由状态106表示的显著位置。移动设备102于是可执行对应于所述显著位置、或者对应于从当前位置到所述显著位置的过渡的用户辅助功能。例如，在被开启或解锁时，移动设备102可在移动设备102的显示表面上提供显示提示112。提示112可包括用户辅助信息116。用户辅助信息116例如可包括从当前位置到可能的未来位置的路线、和沿该路线的交通信息。移动设备102可自动地提供显示提示112和用户辅助信息116，而不要求用户输入可能的未来位置作为目的地。在一些具体实施中，移动设备102可提供与可能的未来位置相关联的标签。该标签可以是用户预先指定或者移动设备102通过反向地理编码或通过对移动设备102的移动的语义分析而确定的兴趣点的地址或名称。例如，移动设备102可确定第一位置可能是家并且第二位置可能是工作场所。因此，移动设备102可在用户辅助信息116中使用术语“家”和“工作地”。构建状态模型的示例性技术图2是示出确定位置群集的示例性技术的图示。(图1的)示例性移动设备102可使用学习技术来确定(图1的)状态模型104。移动设备102可随时间(T)顺序地跟踪位置数据。顺序地跟踪位置数据可通过借助另一应用程序来执行，以避免或降低位置数据收集的成本。例如，移动设备102可在另一服务向移动设备102的位置确定子系统请求位置时收集位置数据。因此，收集位置数据可以是“免费的”，而不必仅仅为了确定移动设备102的移动模式而激活位置确定子系统。移动设备102可随着时间T收集到位置202、204、206、208、210、和212。收集位置可以是持续的操作。比指定时间段早的位置可被清除。所述时间段可由用户偏好或隐私策略来指定。位置202、204、206、208、210、和212可各自包括纬度、经度和海拔坐标并本文档来自技高网...

【技术保护点】
1.一种方法，包括：由移动设备和从耦接到所述移动设备的存储设备接收状态模型，所述状态模型包括多个状态和所述状态之间的过渡，每个状态对应一位置，从第一状态到第二状态的每个过渡指示所述移动设备从对应的第一位置移动到了对应的第二位置，每个状态和每个过渡与一个或多个时间戳相关联；由所述移动设备接收用于预测所述移动设备的未来位置的请求，所述请求指定未来时间；使用当前时间、所述未来时间和所述移动设备的当前位置作为输入并且基于与所述状态模型相关联的时间段和所述状态模型中的所述状态、过渡和相关联的时间戳来确定与每个状态相关联的概率、与所述状态机包含位置数据的时间长度对应的所述时间段、以及指示所述移动设备在所述未来时间将位于与所述状态对应的位置的可能性的概率；以及基于所述概率，提供与至少一个状态相关联的位置作为响应于所述请求的预测未来位置。

【技术特征摘要】
2013.06.07 US 61/832,741;2013.09.06 US 14/020,6891.一种方法，包括：由移动设备和从耦接到所述移动设备的存储设备接收状态模型，所述状态模型包括多个状态和所述状态之间的过渡，每个状态对应一位置，从第一状态到第二状态的每个过渡指示所述移动设备从对应的第一位置移动到了对应的第二位置，每个状态和每个过渡与一个或多个时间戳相关联；由所述移动设备接收用于预测所述移动设备的未来位置的请求，所述请求指定未来时间；使用当前时间、所述未来时间和所述移动设备的当前位置作为输入并且基于与所述状态模型相关联的时间段和所述状态模型中的所述状态、过渡和相关联的时间戳来确定与每个状态相关联的概率、与所述状态机包含位置数据的时间长度对应的所述时间段、以及指示所述移动设备在所述未来时间将位于与所述状态对应的位置的可能性的概率；以及基于所述概率，提供与至少一个状态相关联的位置作为响应于所述请求的预测未来位置。2.如权利要求1所述的方法，其中确定与每个状态相关联的概率包括：确定所述当前位置在状态中，其中，所述当前位置表示为所述状态模型中的状态。3.如权利要求2所述的方法，其中确定与每个状态相关联的概率包括确定在一个或多个过渡中所述移动设备从所述当前位置移动到与所述每个状态对应的位置的过渡概率密度。4.如权利要求3所述的方法，其中：所述过渡概率密度满足马尔可夫过程的特性，并且确定所述过渡概率密度基于状态之间的过渡以及与所述过渡中的每一个相关联的过渡开始时间戳和过渡结束时间戳。5.如权利要求1所述的方法，其中确定每个状态的概率包括：确定所述当前位置在状态外，其中，所述当前位置没有表示为所述状态模型中的状态。6.如权利要求5所述的方法，其中确定与每个状态相关联的概率包括确定所述移动设备进入与所述每个状态对应的位置的进入概率密度。7.如权利要求6所述的方法，其中确定所述进入概率密度基于所述移动设备在每个状态中的停留时间，所述停留时间基于与相应状态相关联的一个或多个进入时间戳和一个或多个退出时间戳确定。8.如权利要求1所述的方法，其中确定与每个状态相关联的概率包括：确定与所述状态模型相关联的所述时间段是否满足寿命阈值；在确定与所述状态模型相关联的所述时间段满足所述寿命阈值时确定第一活动模式，其中，第一活动模式对应于第一时间跨度，或在确定与所述状态模型相关联的所述时间段不满足所述寿命阈值时确定第二活动模式，其中第二活动模式对应于第二时间跨度，第一时间跨度比第二时间跨度长；以及基于所述当前时间、所述未来时间和第一活动模式或第二活动模式来确定所述概率。9.如权利要求1所述的方法，包括基于所述当前位置和所述状态模型中表示的每个位置之间的距离以及所述当前时间与所述未来时间之间的差来过滤所述状态模型中的状态。10.如权利要求1所述的方法，其中提供所述位置作为所述预测未来位置包括：识别与最高概率相关联的状态和指定与所述最高概率相关联的状态所关联的位置作为所述预测未来位置；或基于所述概率和一个或多个预测属性对所述状态进行排名并指定与最高排名相关联的位置作为所述预测未来位置。11.如权利要求10所述的方法，其中预测属性包括以下中的至少一者：最后一次访问每个对应位置的时间；基于所述当前位置、...

【专利技术属性】
技术研发人员：L·M·马蒂，M·P·达尔散图，R·K·黄，
申请(专利权)人：苹果公司，
类型：发明
国别省市：美国,US