以创建新的地理定位数据点。随后的定位读取可以用于更新与该新的地理定位数据点相关联的地理坐标。在【具体实施方式】中，可以至少部分地基于具有零时间段的定位读取来确定客户端系统130的移动的方向(heading)或速度。作为实例并非限制性方式，与处于运动中的客户端系统130相关联的时间段可以是零。在【具体实施方式】中，社交网络系统160或第三方系统170可以使用过滤来将多个地理定位数据点进行分类。如一个实例，社交网络系统160可以确定客户端系统130已经静止一段时间或以特定方向和速度移动。
[0025]在【具体实施方式】中，社交网络系统160或第三方系统170可以分组(group)来自客户端系统130的多个定位读取来确定作为典型的多个地理定位数据点的地理集群。作为实例并非限制性方式，可以使用如下所述的空间集群算法来分组多个地理定位数据点。在【具体实施方式】中，空间集群算法可以将多个地理定位数据点表示为一个或多个地理群集。在【具体实施方式】中，社交网络系统160或第三方系统170可以至少部分地基于使用以下描述的空间集群算法确定的地理中心来推断用户101的基于时间的行程。如下所述，社交网络系统160或第三方系统170可以将地理定位集群分组为一个或多个行程集群。如下所述，社交网络160或第三方系统170可以基于行程群集的行程中心确定用户101的模式。在【具体实施方式】中，社交网络160或第三方系统170可以确定与一个或多个行程中心对应的地点。作为实例并非限制性方式，社交网络160或第三方系统170可以访问姓名地址录信息的数据库并且使一个或多个行程中心与特定住处相关联。
[0026]如上所述，社交网络系统160或第三方系统170可以自适应地调整由客户端系统130上执行的应用程序所执行的定位确定的轮询频率。在【具体实施方式】中，社交网络160或第三方系统170可以至少部分地基于与一个或多个行程中心对应的地点以及与行程中心相关联的一天中的时间来调整定位读取的轮询频率。作为实例并非限制性方式，当用户101的当前地理定位是家庭定位时并且在推断用户101在家庭定位正常停留期间可以减少轮询频率。如另一实例，当用户101的当前地理定位是工作地点时并且在推断用户101在工作地点正常工作期间可以减少轮询频率。如上所述，减少轮询频率降低通过社交网络160或第三方系统170发送的激活信号的数量，从而降低定位读取的数量。
[0027]在【具体实施方式】中，社交网络系统160可以检测用户101什么时候偏离从客户端系统130的多个定位读取推断出的基于时间的行程。在【具体实施方式】中，社交网络系统160或第三方系统170可以至少部分地基于计算在客户端系统130的当前定位读取和用户101的行程中心之间的距离来确定与基于时间的行程的偏离。作为实例并非限制性方式，社交网络160或第三方系统170可以从具有离客户端系统130的当前定位最小距离的地理定位的模式来确定具体行程中心。在【具体实施方式】中，具体行程中心与客户端系统130的定位数据的时间信息的一周中的一天和一天中的时间对应。在【具体实施方式】中，社交网络160或第三方系统170可以至少部分地基于与一个或多个行程中心和与行程中心相关联的一天中的时间对应的地点来调整定位读取的轮询频率。在【具体实施方式】中，社交网络160或第三方系统170可以响应于检测出与推断的用户101的行程的偏离来增加轮询频率。作为实例并非限制性方式，社交网络160或第三方系统170可以响应于检测出在所推断的用户101的工作时间期间用户101的当前地理定位偏离所推断的用户101的工作定位来增加轮询频率。在【具体实施方式】中，社交网络160或第三方系统170可以至少部分地基于与一个或多个行程中心对应的所推断出的地点和与行程中心相关联的一天中的时间来确定发生紧急情况。作为实例并非限制性方式，社交网络160或第三方系统170可以响应于确定用户101或其他用户基本上同时偏离推断出的他们基于时间的行程来推断发生紧急情况。例如，社交网络160或第三方系统170可以响应于确定用户101或其他用户的当前地理定位基本上同时偏离工作地点来确定发生紧急情况。如另一实例，社交网络160或第三方系统170可以响应于确定用户的当前地理定位从行程中心偏离至不寻常的地理定位长达延长的时间段来确定发生紧急情况，该不寻常的地理定位不与地点(例如，隔离的定位)对应。
[0028]如上所述，社交网络160或第三方系统170可以访问用户101的基于时间的行程，并且以离客户端系统130的当前定位的最小距离来确定用户101的行程中心。在【具体实施方式】中，可以至少部分地基于在客户端系统130的当前定位和用户101的最近的行程中心之间的距离来确定用户101与基于时间的行程的偏离的测量。作为实例并非限制性方式，社交网络系统160可以确定在工作时间期间客户端系统130的当前定位和最近的行程中心之间的距离大于预定距离，并且推断用户101在休假。
[0029]在【具体实施方式】中，社交网络系统160或第三方系统170可以至少部分地基于用户101与基于时间的行程的偏离的检测和社交图谱信息来向与用户101有关系的另一个用户发送通知。作为实例并非限制性方式，当用户101在工作的时间期间处于旧金山时，社交网络系统160可以确定在工作时间期间最可能在门洛帕克(Menlo Park)的用户101偏离基于时间的行程。另外，社交网络系统160可以至少部分地基于与用户101相关联的社交图谱信息确定与用户101有关系的其他用户的当前定位。在【具体实施方式】中，与当前定位在离用户101的当前定位预定距离内的用户101有关系的其他用户可以接收用户101的当前定位的通知。作为实例并非限制性方式，响应于表示用户101正常处于门洛帕克的基于时间的行程，当前处于旧金山的另一个用户可以接收用户101处于旧金山的通知。
[0030]在【具体实施方式】中，可以至少部分地基于用户101的基于时间的行程来推断用户101的信息。在【具体实施方式】中，社交网络系统可以将存储在一个或多个数据库中的信息和与用户101相关联的基于时间的行程建立联系从而推断用户101的信息。存储在数据库中的信息可以包括与用户101相关联的社交图谱信息或企业的信息以及他们的物理位置。作为实例并非限制性方式，社交网络系统160可以至少部分地基于大部分人们在每个工作日的2:00-5:00AM之间处于家庭定位的假设和与在那些时刻用户101的最可能的定位相关联的地理定位来推断用户101的家庭定位。如另一实例，社交网络系统160可以至少部分地基于大部分人们在每个工作日的2:00-5:00PM之间处于工作地点的假设和具有与在那些时刻用户101的最可能的定位相关联的地理定位一致的地理定位的企业的信息来推断用户101的工作地点。如另一实例，基于确定与用户101相关联的工作地点和工作时间，社交网络系统160可以至少部分地基于在到达工作地点之前时在咖啡店的地理定位处具有行程中心来推断用户101在去工作地点的路上的咖啡店的顾客。在【具体实施方式】中，社交网络系统160可以响应于如下所述的基于用户101的基于时间的行程推断出的信息来修改或增加与用户101相关联的社交图谱信息。
[0031]图2A至2C示出周围环境定位读取(ambient-locat1n reading)的示例性分组。如上所述，社交网络或第三方系统可以使用空间集群算法分组通过过滤在预定时间间隔(诸如I小时)获得的定位读取而获得的多个地理定位数据点50。作为实例并非限制性方式，可以对例如4:00-4:59PM或12:00-12:59AM之间获得的地理定位数据点50上执行空间集群。在【具体实施方式】中，空间集群算法将一组地理定位数据点50表示为一个或多个地理定位集群54。在【具体实施方式】中，如图2A所示，预定量的地理定位集群54的地理定位质心52可以基本上随机分配在地理定位数据点50中。如图2A的实例所示，地理定位数据点50可以至少部分地基于在地理定位数据点50和地理定位质心52之间的距离分配到特定的地理定位集群54中。作为实例并非限制性方式，每个地理定位数据点50可以被分配到特定的地理定位集群54中，该特定的地理定位集群54具有在特定的地理定位集群54的地理定位质心52和地理定位数据点50之间的最小距离。在【具体实施方式】中，如图2B所示，对于每个地理定位集群54而言，可以计算在每个地理定位集群54内的所有地理定位数据点50的中心，并且将地理定位质心52更新为每个地理定位集群54的地理定位数据点50的中心的定位。如图2B的实例所示，地理定位质心52可以是使地理定位数据点50分离的地理定位。
[0032]如图2C的实例所示，至少部分地基于以离每个地理定位数据点50最近的地理定位质心52来将每个地理定位数据点50分配为特定的地理定位集群54，可以通过将每个地理定位数据点50分配至特定的地理定位集群54来重整地理定位集群54。在【具体实施方式】中，可以执行预定次数的如图2A至图2C所示的计算地理定位集群54的中心、将地理定位质心52更新为在每个地理定位集群54内的地理定位数据点50的中心定位、以及重整地理定位集群54的步骤。虽然本公开内容描述了使用空间集群的特定方法分组多个地理定位数据点，但是本公开内容考虑了使用空间集群的任何适宜的方法(诸如k-方法或分等级的集群)分组多个地理定位数据点。在【具体实施方式】中，可以通过社交网络系统或第三方系统存储通过空间集群计算的地理定位质心52。
[0033]在【具体实施方式】中，随后的地理定位数据点50可以用于提炼地理定位集群54的地理定位质心52。作为实例并非限制性方式，至少部分地基于在随后的地理定位数据点50和每个地理定位集群54的地理定位质心52之间的距离小于预定阈值可以将随后的地理定位数据点50加入地理定位集群54中的一个。在【具体实施方式】中，响应于在随后的地理定位数据点50和每个地理定位集群54的地理定位质心52之间的距离超过预定阈值可以从随后的地理定位数据点50中形成新的地理定位集群54。
[0034]图3A至图3D示出基于时间的行程估计。如上所述，如图2A至图2C的实例所示，可以在对于一周中的每日的特定预定时间间隔期间获得的定位数据上执行空间集群从而生成对于特定天的每个预定时间间隔的地理定位集群54。在【具体实施方式】中，可以通过以一天中的特定时间和一周中的特定一天所计算的地理定位质心的空间集群生成行程中心56A-C从而形成与用户相关联的客户端设备的地理定位的简单印象(snapshot)。作为实例并非限制性方式，如图2A至图2C的实例所示，可以在预定时间段(诸如28天)、以特定时间间隔(诸如I小时间隔)和一周中的特定一天(诸如星期一)执行对于一周中的每天的每个预定时间间隔计算的地理集群的地理定位质心的空间集群从而计算行程中心56A-C。在【具体实施方式】中，可以执行预定次数的计算地理定位质心的中心、将行程中心56A-C更新为在每个地理定位质心的分组内的地理定位质心的中心定位以及重整每个地理定位质心的分组的步骤。在图3A至图3D的实例中，可以通过计算的地理定位质心的空间集群确定对于一周中的特定一天的当天的特定时间的与3个特定用户相关联的一个或多个行程中心56A-C。
[0035]如图3A所示，社交网络系统或第三方系统可以确定与每个用户相关联的在