发现相关地点以及自动设定其大小的制作方法
【专利摘要】一个或一个以上移动装置在沿着路径移动的同时进行测量。每一测量可包括无线发射器的识别符的特定群组和对应无线信号的强度。沿着路径依序进行测量的一集合，且识别所述测量的子集满足关于所述子集中包含的测量的类似性的量度值的测试。通过将所述测量的所述刚刚描述的子集与额外测量的类似子集比较(例如，通过群集)来识别新的相关地点。或者，通过将所述测量的所述刚刚描述的子集与测量的预先计算的模型比较来识别已知相关地点(例如，具有标签)。并且，可将所述测量的所述刚刚描述的子集与另一路径的测量的对应子集比较例如以识别其中的共同部分。
【专利说明】发现相关地点以及自动设定其大小
[0001]优先权申请案的交叉参考
[0002]本申请案主张2011年9月28日申请且标题为“发现相关地点以及自动设定其大小(Discovering and Automatically Sizing Places of Relevance)，，的第 61/540，426号美国临时申请案的权益和优先权，所述临时申请案全文以引用的方式并入本文中。本申请案还主张2012年9月26日申请且标题为“发现相关地点以及自动设定其大小(Discovering and Automatically Sizing Places of Relevance)，，的第 13/627，823号美国申请案的权益和优先权，所述申请案全文以引用的方式并入本文中。
【技术领域】
[0003]本发明的方面涉及通信技术、计算技术，和/或基于位置的技术。具体来说，本发明的方面涉及用于发现相关地点和/或自动设定其大小的方法、设备、系统和计算机可读媒体。若干实施例基于在一个或一个以上移动装置正沿着与同用户相关的地点有关的路径(例如，在所述地点开始、结束或穿过所述地点的路径)的同时所述移动装置进行的测量发现所述同用户相关的地点。
【背景技术】
[0004]相关地点(POR)可为对于可例如为移动计算装置(例如，无线手持机、蜂窝式电话、智能电话、个人数字助理(PDA)等)的用户的人重要的任何物理位置和/或区域。特定地点对于用户来说是否重要可取决于用户在对应于所述特定地点的物理位置和/或区域中所花的时间周期且/或依据所述时间周期来测量。因此，如果计算装置的用户(以及对应的，计算装置本身)在特定地点保持静止且/或花费显著长的时间周期，那么计算装置可确定所述特定地点为P0R。
[0005]在现有技术中还已知要用户供应标签以识别与用户相关的地点。举例来说，第一测量集合可由移动装置在所述移动装置静止时进行。用户可随后将进行这些测量的地点标记为“办公室”。类似地，第二测量集合可在移动装置在另一位置静止时进行，所述地点可随后由用户标记为“家”。因此，进行第一和第二测量集合的区域构成两个与用户相关的地点。
[0006]因此，需要不仅基于当移动装置静止时进行的测量而且还基于当移动装置不静止时进行的测量(即，当移动装置正移动时进行的测量)识别上文描述的类型的相关地点。当移动装置由用户沿着一商店(例如百货商店，比如J.c.Penny或Macy百货，在商店里，用户不会在一个点花费几分钟静止而是用户通常在所述商店的界限内四处走动)内的路径移动时，出现
【发明者】指出的一个问题。因此，需要如下文描述使用在移动装置正移动时进行的测量来识别相关地点。
【发明内容】
[0007]本发明的方面涉及发现一个或一个以上相关地点(POR)和/或自动设定其大小。举例来说，一些POR可能不经界定以表示单一特定点(或进行无线信号的测量的地点)，而是可经界定以表示包含多个点的真实世界中的路径。另外其它POR可经界定以表示真实世界中的邻近和/或邻接点的集合。通过实施本发明的一个或一个以上方面，计算装置(和/或其上执行的软件)可能够向用户提供增强的功能性，例如位置特定偏移(例如，附近商店、餐厅等的优惠券)、位置特定广告、其它基于位置的特征，和/或位置相关信息等。
[0008]根据一个或一个以上方面，在发现一个或一个以上延伸相关地点的过程中，可识别多个相关地点。可接收指定待与所述多个相关地点的一个或一个以上相关地点相关联的一个或一个以上标签的用户输入。随后，可基于所接收的用户输入确定所述多个相关地点中的至少两个相关地点是否与所述一个或一个以上标签中的第一标签相关联。接着，可基于一个或一个以上距离量度(指示质心之间的差异性)确定所述至少两个相关地点是否邻近。随后，响应于确定所述至少两个相关地点与第一标签相关联，且响应于确定所述至少两个相关地点邻近，可确定所述至少两个相关地点界定延伸相关地点。
[0009]在至少一个布置中，从至少两个不同用户获得所述一个或一个以上标签。在一个或一个以上额外布置中，所述一个或一个以上标签的第一集合可指定为公共的且所述一个或一个以上标签的第二集合可指定为所述至少两个不同用户中的至少一个用户私人的。在另外一个或一个以上额外布置中，第一标签可包含在第一集合中。
[0010]根据一个或一个以上额外和/或替代方面，在发现一个或一个以上基于路径的相关地点的过程中，可接收多个位置值。随后，可基于所述多个位置值识别一个或一个以上连续走动区段。接着，对于至少两个经识别的连续走动区段，可产生对应于所述至少两个经识别的连续走动区段的每一者的质心的树。随后，可基于所产生的质心树确定所述至少两个经识别的连续走动区段是否与第一路径匹配。
[0011]在至少一个布置中，所产生的质心树的一者可包含多个级别。在一个或一个以上额外布置中，确定所述至少两个经识别的连续走动区段是否与第一路径匹配可包含用递归方式比较所产生的质心树的对应级别。在另外一个或一个以上额外布置中，确定所述至少两个经识别的连续走动区段是否与第一路径匹配可包含单独群集所产生的质心树的对应级别。
[0012]在若干实施例中，移动装置在由沿着路径走动的用户携载的同时进行无线信号的测量。每一测量可包括无线发射器的识别符的特定群组和对应无线信号的强度。沿着用户的路径在时间序列中进行一个集合的测量，且识别这些测量的子集满足例如关于子集中包含的测量的类似性的量度的一个或一个以上预定测试。例如通过将所述测量的刚刚描述的子集的质心(和/或其它属性，例如标签)与额外测量的类似子集的质心(和/或其它属性，例如标签)比较(例如，通过群集)来识别新的相关地点。或者，通过将所述测量的刚刚描述的子集与测量的预先计算的模型比较来识别已知相关地点(例如，具有标签)。并且，可将所述测量的刚刚描述的子集与另一路径的测量的对应子集比较例如以识别其中的共同部分。
【专利附图】
【附图说明】
[0013]图1A说明根据本发明中的一些实施例的一个或一个以上说明性方面发现一个或一个以上延伸相关地点和/或自动设定其大小的实例方法。
[0014]图1B说明在室内地图上根据本发明中的一些实施例的一个或一个以上说明性方面概念上展示的实例延伸相关地点。
[0015]图2A说明根据本发明中的一些实施例的一个或一个以上说明性方面发现一个或一个以上基于路径的相关地点和/或自动设定其大小的实例方法。
[0016]图2B说明在室内地图上根据本发明中的一些实施例的一个或一个以上说明性方面概念上展示的基于路径的相关地点。
[0017]图3A以高级流程图说明在本文描述的一些实施例中由移动装置120执行以在沿着路径移动的同时进行无线信号的测量的动作。
[0018]图3B以二维曲线图说明随时间进行的测量之间在Y轴上的类似性(例如，O到I的范围内)的曲线，作为沿着X轴的测量时间(例如，O到10分钟的范围内)的函数。
[0019]图3C以高级流程图说明在所描述的一些实施例中由图5A的移动装置120的处理器100执行的动作。
[0020]图4A以高级框图说明若干实施例的移动装置120。
[0021]图4B以表说明图4A的发现系统130中使用的一个或一个以上参数。
[0022]图4C说明在所描述的一些实施例中在一实例中通过以下步骤进行的图4A的发现系统130的操作:首先基于测量时间(例如，如时间戳所指示)群集WiFi测量，随后合并群集以排除离群值，随后进行持续时间过滤以排除除步行以外的行进期间进行的测量，随后进行类似性群集以识别相关地点(POR)。
[0023]图5A以伪码说明执行时间排序数据的群集的一些实施例的时间群集模块。
[0024]图5B以伪码说明合并群集借此排除离群值的一些实施例的群集合并模块。
[0025]图5C以伪码说明排除除步行以外的行进期间进行的测量(例如，当在移动车辆(例如，自行车或汽车)内时进行的测量)的一些实施例的持续时间过滤模块。
[0026]图以伪码说明基于访问流和已知相关地点的集合识别新的相关地点的一些实施例的POR提取模块。
[0027]图5E以伪码说明基于访问流和已知相关地点的集合识别用户在已知相关地点的存在的一些实施例的POR辨识模块。
[0028]图6A以高级流程图说明在所描述的一些实施例中由图4A的计算机系统120的处理器100执行的额外动作。
[0029]图6B说明在用户正沿着路径“A”步行穿过办公室600 (从格子间601开始且在休息室602结束)时计算机系统120进行的测量。
[0030]图6C说明在图4A的计算机系统120的存储器110中的测量Al...Al...AN以及这些测量上的质心C1iS以及Al的类似性属性(或类似性量度)。
[0031]图6D说明存储器110中的针对图6B中的路径A的根节点621。
[0032]图6E说明在存储器110中图6B中的路径A的两个部分，作为通过使用类似性量度以分别形成测量的两个子集(即，测量Al-AI和测量AJ-AN)而形成的子路径AL和AR。
[0033]图6F说明由根节点621及其子节点622和623基于图6E中说明的两个子集Al-AI和AJ-AN形成的树620。
[0034]图6G说明在存储器110中图6B中的路径A的六个部分，作为通过使用类似性量度以在图6E中说明的两个子集Al-AI和AJ-AN的每一者内形成测量的三个子集而形成的子-子路径 ALL、ALM、ALR、ARL、ARM 和 ARR。[0035]图6H说明现经扩增以包含图6G中说明的六个部分(以及因此六个子集)的节点的图6F的树620。
[0036]图7以流程图说明在一些实施例中经执行以将图6E和6G中说明的类型的测量的子集与额外测量的子集比较以在一些实施例中识别新相关地点的动作。
[0037]图8A以高级流程图说明由图5A的移动装置120的处理器100执行以将路径的测量的子集与另一路径的测量的子集比较的额外动作。
[0038]图SB说明沿着穿过办公室600的两个路径“A”和“B”的测量，从两个格子间开始
且均在休息室结束。
[0039]图8C说明在图5A的移动装置120的存储器110中沿着图8B的两个路径的测量，这些路径被再分为多个子集，所述多个子集接着被比较。
[0040]图8D说明使图8B的两个路径上的测量的子集匹配。
[0041]图9A说明在室内地图上根据本发明中的一些实施例的一个或一个以上说明性方面自动设定相关地点(POR)的大小的实例。
[0042]图9B说明在图9A的延伸P0R910中在本发明中的一些实施例的一个或一个以上说明性方面中，在访问911-914(展示为具有影线的圆圈)之间，指示用于自动设定延伸P0R910的大小的测量(展示为双向箭头921-926)的差异性的逐对距离。
[0043]图9C以曲线图说明用于设定大小的延伸POR中的访问之间的逐对距离(沿着X轴)的发生(沿着y轴)频率，为dsize; = μ +a σ (例如，a = 3,但依据实施例，a可为例如
2、2.99、4等任何恒定值)。
[0044]图9D说明在本发明中的一些实施例的一个或一个以上说明性方面中将新访问931添加到延伸P0R910的访问911-914以获得新的延伸P0R930。
[0045]图9E以流程图说明在本发明中的一些实施例的一个或一个以上说明性方面中在一些实施例中经执行以自动设定相关地点的大小的动作。
[0046]图9F说明分别依据访问CV1是否在距延伸POR的中心距离dsize/b内或访问CV2是否在距延伸POR的中心距离dsize与dsize/b之间(例如，b = 2，但依据实施例，b可为例如
1、1.99、3等任何恒定值)而扩展或收缩的延伸P0R。
[0047]图9G以高级流程图说明在所描述的实施例的一些方面中由处理器100执行的动作。
【具体实施方式】
[0048]以下描述中的若干实施例延伸仅将相关地点视为用户在足够长的时间周期(预定为例如10秒)内保持静止的地点(即，对于用户具有语义相关性的静止地点)的系统，以具有以下两个增强的至少一者:(A)基于路径的相关地点和(B)延伸相关地点。
[0049]第一类型的相关地点(称为基于路径的相关地点)是用户经常步行穿过或用户趋向于经常四处走动且持续延长的时间周期(例如，10分钟)的区域。此类相关地点(“P0R”)在下文也可称为路径。代替于作为传统轨迹，基于路径的POR可以较松散地界定为表示真实世界中用户的步行发生的区。实例可为超市或商场，用户不一定在一个点花费几分钟，而是可通常在商店的界限内四处走动。
[0050]第二类型的相关地点(称为延伸相关地点)是大量邻近或邻接的所发现的静止相关地点可由用户语义上视为同一相关地点的区域。实例可包含自助餐厅或演讲厅或剧院，从用户的视角来看，在这些地点不同座位可语义上视为同一地点，但现有算法可能识别出多个静止相关地点。对此第二类型的相关地点的每次访问可能是到同一地点的一个部分，但本文描述的若干实施例将对应于所述地点的不同部分的多次访问识别为到同一语义相关地点。
[0051 ] 在一些实施例中，延伸相关地点的方法消耗静止POR方法的输出，静止POR方法产生用户在其中保持静止持续预定时间周期(例如，10秒)的访问期间的信号测量，且群集那些测量以形成地点(例如，下文参看图4A所描述)。由静止POR方法输出的地点在一些实施例中例如基于从一个或一个以上用户接收的标签(例如，字符串)的输入而标记或注释(通过与标签关联)。若干实施例中的延伸相关地点的方法接收并自动比较标签(除了比较质心外)且当标签相同或足够类似(依据预定阈值)时，自动将相应地点标记为包含在延伸地点中。标签的比较可由计算装置依据实施例以任何方式执行(例如，具有汉明距离(2的标签可视为类似的)。
[0052]在一些实施例中，刚刚描述的延伸相关地点的方法以递归方式执行，使得任何数目的地点可包含在延伸POR中。注意，刚刚描述的延伸相关地点的方法不使用(且独立于)进行测量的时间(例如，不使用测量的时间戳)。相比之下，基于路径的相关地点的方法使用测量的时间序列(测量根据测量时间相对于彼此排序)来识别待群集的地点和/或测量的质心。举例来说，当用户对一地点的访问的特定序列重复几次时，计算机系统120在执行基于路径的相关地点的方法时学习到这一点。因此，在一些实施例中，基于路径的相关地点的方法不作为整体使用POR方法，而是使用其中的一些步骤，这些步骤依据实施例以不同方式执行(如本文参看图4A-4C描述)。
[0053]在计算装置的某些实施例中，可如下形成延伸相关地点:(I)用户输入将相同(或足够类似)标签应用于不同的静止相关地点；(2)可以使用用于发现静止相关地点的距离量度(指示测量之间的差异性)自动确定多个静止相关地点是邻近或邻接的。满足条件I和2 (例如，以上两个条件)的所有静止相关地点可接着与较大延伸相关地点相关联。此方法可实现将地点正确地发现(例如，自动识别)为延伸相关地点，所述地点在真实世界中可为例如自助餐厅和剧院。另外，计算装置可经配置而不合并用户可选择为有效以在静止相关地点不满足条件2 (例如，上文的第二条件)的情况下形成延伸相关地点的多个地点。
[0054]为在从多个用户获得标签时应用此方法来自动发现延伸相关地点，可能需要谨慎选择标签。举例来说，如果两个雇员将一个静止相关地点标记为办公室或我的办公室，且他们的办公室相邻，那么不将这些办公室合并(例如，由服务器计算机)到单一延伸相关地点中。在一些布置中，服务器计算机内可存在针对每一标签的将标签界定为“公共”或“私人”的范围。为避免此问题，静止相关地点的合并、延伸相关地点的发现可能仅由具有公共标签而非个人/私人标签的计算装置进行。标签的范围可预知或由用户设定。在后一情况下，当多个用户选择同一标签的不同范围时可能需要冲突解决手段(例如，冲突解决方法)。
[0055]图1A说明根据本发明的一个或一个以上说明性方面发现一个或一个以上延伸相关地点和/或自动设定其大小的实例方法。根据一个或一个以上方面，图1A中说明的实例方法的步骤中的任一者和/或全部可实施在一个或一个以上计算装置(例如，计算机系统120)中且/或由所述一个或一个以上计算装置执行，所述一个或一个以上计算装置依据实施例可为移动和/或静止的。另外或作为替代，图1A中说明的实例方法的步骤中的任一者和/或全部可作为计算机可执行指令存储在计算机可读媒体中，所述计算机可执行指令当执行时可致使一个或一个以上计算装置执行所述实例方法。
[0056]在步骤101中(图1A)，可识别多个相关地点。举例来说，在步骤101中，计算装置(例如，计算机系统120)可基于计算装置获取的位置数据识别多个相关地点。此位置数据可包含WiFi信号(称为WiFi迹线)、运动分类、步数、方向信息、声音指纹和/或其它位置数据等的一个或一个以上测量。使用此类位置数据，计算装置可例如在用户(和/或计算装置)在特定区域或位置中保持且/或保持了静止持续足够长的时间周期(例如，如果用户在所述特定区域或位置中花费的时间超过阈值(例如，10秒))的情况下确定所述特定区域或位置(其可对应于位置数据的一个或一个以上项目)是相关地点。在一些布置中，可除此之外或代替于此使用其它方法和/或步骤来识别多个相关地点。
[0057]在步骤102中，可接收指定一个或一个以上标签的用户输入。举例来说，在步骤102中，计算装置可接收对应于一个或一个以上标签(例如，语义标记)到一个或一个以上相关地点的用户指派的用户输入(例如，经由一个或一个以上用户接口)。举例来说，用户可能将一个相关地点标记为“我的办公室”，且用户可能将另一相关地点标记为“购物中心”。一个或一个以上其它标签可类似地由用户指派且/或由计算装置接收。
[0058]在步骤103中，可确定同一标签是否已指派给至少两个相关地点。举例来说，在步骤103中，计算装置可基于步骤102中接收的用户输入来确定例如所述多个相关地点中的至少两个相关地点是否已被指派得到同一标签。举例来说，计算装置的用户可能已将一个相关地点标记为“Morehouse市场”且将另一可能附近的相关地点也标记为“Morehouse市场”。可除此之外或代替于此使用其它方法和/或步骤来确定是否已将同一标签指派给至少两个相关地点。
[0059]举例来说，在一些布置中，标签可由不同用户指派。在以上实例中，举例来说，第一用户可能已将第一相关地点标记为“Morehouse市场”且第二用户(不同于第一用户)也可能已将第二可能附近的相关地点也标记为“Morehouse市场”。另外或作为替代，用户可能能够指定施加到相关地点的标签为公共的还是私人的。公共标签可例如可由其他用户查看，且/或可由系统使用以发现延伸相关地点，如本文所述。另一方面，私人标签可能例如不可由其他用户查看，且/或可能不能由系统使用以发现延伸相关地点。
[0060]如果在步骤103中确定同一标签尚未指派给至少两个相关地点，那么方法可结束。另一方面，如果在步骤103中确定同一标签已指派(或类似标签已指派)给至少两个相关地点，那么在步骤104中，可基于一个或一个以上距离量度(指示测量之间的差异性)确定例如所述至少两个相关地点是否邻近和/或邻接。根据一个或一个以上方面，如果满足测试从而指示地点在彼此的特定距离内(例如，当指示差异性的距离的范围在O与I之间时，距离小于0.1)，那么两个地点可视为邻近和/或邻接。可除此之外或代替于此使用其它方法和/或步骤来确定所述至少两个相关地点是否邻近和/或邻接。
[0061]因此，继续上文论述的实例，计算装置可在步骤104中基于一个或一个以上距离量度确定所述至少两个相关地点(例如，所述具有标签(“Morehouse市场”)的至少两个相关地点)是否邻近(例如，在差异性方面在彼此的特定距离内)。举例来说，计算装置可使用上文描述的位置数据计算例如所述至少两个相关地点中的测量之间的距离(指示差异性)。举例来说，一些实施例的计算装置可在步骤104中基于比较至少两个质心而确定对应的两个地点是否彼此类似。
[0062]随后，如果在步骤104中确定所述至少两个相关地点不邻近和/或邻接，那么方法可结束。另一方面，如果在步骤104中确定所述至少两个相关地点邻近和/或邻接，那么在步骤105中，可确定所述至少两个相关地点界定延伸相关地点。举例来说，如果计算装置确定上文论述的实例中的所述至少两个相关地点(例如，标记为“Morehouse市场”的相关地点)邻近和/或邻接，那么在步骤105中，计算装置可确定所述至少两个相关地点界定延伸相关地点。因此，在此类实施例中，计算装置将包含至少这两个地点(例如，在列表或数据库中，依据实施例)的延伸相关地点存储在存储器110中(例如，图4A的POR地点模型135的集合中)。
[0063]图1B说明在室内地图上根据本发明的一个或一个以上说明性方面概念上展示的延伸相关地点的实例。如图1B中所见，公司的办公大楼201可包含各个房间、办公室、空间和/或其它区域，例如接待区域202、走廊203、第一办公室204、第二办公室205、自助餐厅206和楼梯间207。根据一个或一个以上方面，虽然这些房间、办公室、空间和/或其它区域的每一者可一起视为相关地点，但这些房间、办公室、空间和/或其它区域可由如本文描述的计算装置界定为延伸相关地点。在若干实施例中，计算装置主要基于测量且在不使用图1B所示的类型的一个或一个以上大楼的布局的情况下界定延伸P0R。然而，其它实施例确实使用互连的一个或一个以上大楼的布局、室内地图、楼面平面图和/或其它地理信息与测量组合。
[0064]在一些实施例中，相关地点(POR)可由落在中心点周围的特定距离内(且满足一组额外准则)的足够大量WiFi测量界定。新类型的相关地点“路径”现在可以界定为由连续走动区段给出。“走动”可经由以下各项界定:(a)运动分类符的输出；和/或(b)WiFi信号的测量的连续改变。“连续”可经由以下各项界定:(a)大于t min的总体持续时间，(b)没有中断长于i max。从以上定义可推断出，在信号级别上，路径是在一时间周期上收集的WiFi测量(信号强度的值，和信号识别符)的序列。如果在运动的情况下工作，那么计算机系统120还可具有关于步数和方向的信息(例如，直接改变的序列)。
[0065]因此，本文描述的类型的许多方法辨识轨迹且将轨迹分段。下文的论述描述路径且审视以下方法:(a)其可为上文参看图1A和IB描述的地点方法的延伸；(b)其可能仅以WiFi迹线开始，但可容易并入有运动分类、步数计数、方向信息、声音指纹等；(c)其可聚焦于广泛界定的路径的重现的辨识问题(例如，在比如超市、商场的特定部分或通向自助餐厅的过道等特定区域内走动)而非准确的轨迹描述；(d)其可以低计算复杂性实施；(e)其可允许在不同空间尺度上考虑路径重叠。因此，对于一些应用，可能有兴趣知晓一个人正在特定大楼或大型超市内走动。因此，在同一相对大区域内的两个路径可视为匹配的。在其它应用中，可查看特定走廊(例如，作为到自助餐厅或会议室的到达路线)。
[0066]图2A说明根据本发明的一个或一个以上说明性方面发现一个或一个以上基于路径的相关地点和/或自动设定其大小的实例方法。根据一个或一个以方面，图2A中说明的实例方法的步骤中的任一者和/或全部可实施在一个或一个以上计算装置(例如，计算机系统120)中且/或由所述一个或一个以上计算装置执行。另外或作为替代，图2A中说明的实例方法的步骤中的任一者和/或全部可作为计算机可执行指令存储在计算机可读媒体中，所述计算机可执行指令当执行时可致使一个或一个以上计算装置执行所述实例方法。
[0067]在步骤221中，可接收多个位置值。举例来说，在步骤221中，计算装置(例如，计算机系统120)可接收多个位置值。此类位置值可包含类似于上文描述的位置数据的位置数据和/或由其组成。举例来说，位置数据可包含一个或一个以上WiFi迹线、运动分类、步数、方向信息、声音指纹和/或其它位置数据等。
[0068]在步骤222中，可识别一个或一个以上连续走动区段。根据一个或一个以方面，“走动”可指代如运动分类符的输出测量的运动和/或WiFi测量的连续改变，如下文进一步论述，且“连续”可指代具有大于第一阈值(例如，t min)的总体持续时间且/或没有任何中断比第二阈值(例如，i—_)长的运动。因此，继续上文论述的实例，计算装置可基于例如所接收的多个位置值识别一个或一个以上连续走动区段。
[0069]在步骤223中，可产生测量的质心的一个或一个以上树。举例来说，在步骤223中，计算装置可产生在第一所识别连续走动区段上进行的测量的质心的第一树和在第二所识别连续走动区段上进行的测量的质心的第二树。在一个或一个以上布置中，质心的每一树可包含多个级别。下文进一步论述产生质心的一个或一个以上树的方法和/或步骤。可除这些之外或代替于这些使用其它方法和/或步骤来产生质心的一个或一个以上树。
[0070]在步骤224中，可比较所产生的质心的树以确定一个或一个以上所识别连续走动区段是否与同一路径匹配。举例来说，在步骤224中，计算装置可执行路径匹配(其可涉及例如以递归方式比较测量的质心的所产生的树的对应级别)，如下文进一步描述。另外或作为替代，计算装置可例如执行类似性群集(其可涉及例如单独群集质心的所产生的树的对应级别)，如下文进一步描述。
[0071]图2B在室内地图上说明根据本发明的一个或一个以上说明性方面概念上展示的基于路径的相关地点。如图2B中可见，购物中心241可包含各种商店、餐馆、人行道和/或其它区域，例如第一商店242、人行道243、第二商店244、第三商店245、餐馆246和第四商店247。不同的人在购物中心241四处走动时可能采取不同路径。举例来说，第一人可能沿着路径250步行(图2B)，而第二人可能沿着路径251步行(图2B)。尽管第一人和第二人的轨迹可能在一些方面不同，但第一人和第二人均正在购物中心241四处走动。因此，购物中心241可视为其中发生走动的松散界定区，且因此路径250和路径251可界定基于路径的相关地点。
[0072]在若干所描述的实施例中，当用户正步行时，呈移动装置(例如，智能电话)的形状因数的计算机系统120由用户携带。因此，计算机系统120沿着用户正在上面步行穿过一区域的路径移动。在此移动期间，计算机系统120在动作301中(图3A)测量一个或一个以上信号，例如由无线接入点(WAP)发射的无线信号，且去往动作302。在动作302中，计算机系统120存储当前WiFi测量的元组(例如，正测量的信号的识别符(例如，源的地址)、特定WAP的WiFi信号的强度)且接着去往动作303。在动作303中，计算机系统120检查针对测量已知且经识别的所有WiFi信号是否已测量，以形成当前测量。在此阶段，如果尚未针对当前测量测量所有信号，那么计算机系统120可通过返回到动作301而进行额外测量以形成额外WAP的元组。
[0073]当已测量当前测量的所有信号时，计算机系统120去往动作304，且输出当前测量的所有元组以及额外输出当前日时的时间戳，例如供计算机系统120内的软件(例如，应用程序、操作系统、驱动程序或操作系统下的专门软件)使用，或者供计算机系统120耦合到的服务器计算机内的软件使用。在动作304中输出的测量的实例在6B图和6C中展示为每分钟(例如，分别在上午9.00、上午9.01和上午9.02，如图6C中说明)连续一个接一个进行的测量Al...Al...AN的时间序列(例如，当用户正沿着穿过图6B中的办公室600的路径“A”步行时，从格子间601开始且在休息室602结束)。
[0074]在若干实施例中，计算机系统120经编程以基于当前测量(或WiFi迹线)准备向量(也称为“特征向量”)。此向量的维度可由计算机系统120基于正测量的WiFi信号的源的数目自动选择，且每一信号的所接收信号强度指示符(RSSI)值用作向量中的维度的值。在此类实施例中，当未感测到待测量的WiFi信号时，计算机系统120可经编程以将向量中的对应元素设定为可能的最低RSSI值(即，RSSI值的范围的最小值)。
[0075]在若干实施例中，在动作304中输出测量之后(且/或在产生向量之后)，计算机系统120去往动作305。在动作305中，一些实施例的计算机系统120接着等待(A)刚刚测量的信号的改变或(B)预定时间周期(例如，一分钟一次)或(C)这两个条件(A)和(B)的组合。在动作305中的条件(A)的一些实例中，计算机系统120可执行类似性函数以获得类似性量度或差异性的距离来基于测量比较所形成的向量(如上所述)，以便确定是否已存在改变。
[0076]在图6C中说明的实例中，周期性地(例如，每分钟一次)进行无线信号的测量，但如将容易了解，此类测量可以其它时间间隔(例如，每隔15秒或每隔5分钟)进行，且此时间间隔可在一些实施例中例如基于在进行测量时计算机系统120可用的电池功率而变化。在一些实施例中，当多个测量之间未检测到改变时，动作305可使用所述多个测量获得质心(如图6C所示)，且所述质心可用于识别如本文描述的地点。
[0077]当检测到测量之间的改变时，计算机系统120例如通过使用类似性的阈值(例如，见图4B)而评估所述改变是否明显，且如果是，那么计算机系统120返回到动作301 (上文描述)。图4B中说明的类型的阈值可针对一些应用预先界定(例如，常数，其可基于实验数据设定)。在其它实施例中，图4B的阈值可为动态的(例如，基于优化导出以获得最佳结果)，使得所述阈值可针对计算机系统120中的不同应用而不同。举例来说，当信号/测量的噪声(例如，随时间的噪声)为低(例如，另一常数以下)时，可在计算机系统120的某些实施例中通过使用优化方法放松用于检测信号改变的关于类似性的动态阈值(例如，见图4B)。动态阈值的使用可能需要计算和/或测量，这具有耗尽计算机系统120的电池的缺点。
[0078]在一些实施例中，相关地点由处理器100在找到某一点(“中心点”)周围类似的足够大量测量后识别，且进一步满足一组额外准则，例如类似标签和/或时间序列中的发生。在一些实施例中，使用无线接入点(WAPS)的所接收信号强度(RSSI)的测量在以下意义上确定类似性值:给定测量的集合，这些测量彼此类似的程度。注意，刚刚描述的类似性值比真实世界中的物理距离更具一般性，因为类似性可在真实世界中的非线性空间上(例如，在大楼中的一个或一个以上墙上)界定。
[0079]如上所述,一些实施例使用WiFi信号的测量来准备η个元素的向量,其中每一元素(也称为“维度”)表示WiFi信号的RSSI (例如，如图6C中说明)且接着例如使用类似性函数比较这些向量。在一些实施例中可包含在此向量中的额外准则的实例是基于WiFi信号的源(即无线接入点(WAP))的响应速率，例如是否所有WAP正以彼此类似的响应可靠性响应。因此，另外或作为替代，若干实施例基于当用户在路径的区段(称为“走动区段”)中走动而不停止(如下文描述)时进行的测量使用新的类型的相关地点(POR)，称为“路径” POR。
[0080]参看图3A，在由处理器100执行的动作311中接收所描述的动作304中的当前测量的输出。因此，处理器100的若干实施例实施将对应于用户的路径中的连续走动区段的一系列连续改变的信号用作相关地点(POR)的模型的机制。一些实施例的处理器100的一者或一者以上可包含在计算机系统120中，且依据实施例，一些处理器100可包含在计算机系统120耦合到的服务器计算机中。
[0081]在图3A中说明的类型的若干实施例中，动作304中的输出通过执行一件软件(或“应用程序”)而进行，且动作311中的接收通过执行另一件软件而进行，所述两件软件由单一处理器100执行，但如上所述在其它实施例中此些件软件可由不同处理器100执行。在动作311中接收当前测量后，处理器100即刻检查是否满足特定预先界定的条件，从而指示正携带计算机系统120的用户实际上正沿着路径步行。
[0082]所检查的预先界定的条件可依据实施例而不同，但某些实施例检查时间上一个接一个连续进行的测量的类似性，如图3B所示。特定来说，图3B说明其中垂直Y轴表示连续WiFi测量的类似性且水平X轴表示时间的曲线图。在图3B中，在时间间隔306A期间时间上连续进行的测量的群组具有相对于彼此、相对于例如时间间隔307A中的测量等其它测量的高类似性。因此，在此类实施例中，基于连续测量之间的高类似性，由计算机系统120作出在时间间隔306A期间用户位于单一地点(但在其中四处移动)的确定。在其它时间间隔307A、307B、307C和307D中(见图3B)，计算机系统120基于连续测量之间的类似性太低而确定用户在地点之间移动。因此，在若干实施例中，进行每一测量的时间由计算机系统120使用以自动发现或辨识相关地(POR)，如本文描述。
[0083]在图3B中，说明四个时间间隔306A、306B、306C和306D，其具有高类似性(在空间中)的测量。因此，这四个时间间隔306A-306D由计算机系统120表示为用户的四次访问。举例来说，在时间间隔306A期间的第一访问中在时间上相对于彼此连续进行的测量的第一子集可能是在用户家中，在时间间隔306B期间的第二访问中在时间上相对于彼此连续进行的测量的第二子集可能是在用户从家中去上班路上的咖啡店，在时间间隔306C期间的第三访问中在时间上相对于彼此连续进行的测量的第三子集可能是在用户的办公室，且在时间间隔306D期间的第四访问中在时间上相对于彼此连续进行的测量的第四子集可能是在餐馆。
[0084]前一段落中所描述类型的每一访问在一些实施例的计算机系统120的存储器110(图4A)中被建模为访问地点模型(VPM)。在一些实施例中，访问地点模型的构建减少了噪声。因此，在计算机系统120的若干实施例中，正是这些访问地点模型(VPM)借此群集以减少噪声(但其它实施例可群集WiFi测量本身)。在一些实施例中，访问地点模型的使用在POR的提取期间得到利用，且使计算机系统120能够例如在彼此邻近的两个办公室之间加以区分。因此，如本文描述的访问地点模型的使用产生两步过程的优越性能:第一步构建VPM，且第二步在VPM上进行类似性群集。
[0085]参看图3C，处理器100的一些实施例经编程以检查(依据动作312)当前测量与先前测量之间的时间差是否大于i—_，且如果不是，则去往动作319以存储当前路径中的当前测量并接着返回到动作311。如果动作312中的答复为是，那么处理器100去往动作313以检查当前路径的总体持续时间是否大于t min，且如果不是，则去往动作318，动作318简单地将当前路径再初始化为空值且返回到动作311。在一些实施中执行动作313，使得当用户的走动一直太小以致于可忽略且不值得分析时不执行识别(在动作314中，下文描述)。
[0086]因此，若干实施例基于用户的走动区段的总体持续时间持续大于t min(如测量的子集的时间序列中的第一与最后测量之间所测得)且任何两个连续进行的测量之间的中断不比i _长而确定用户正走动。如上所述，在一些实施例中由处理器100检查刚刚描述的条件，处理器100接收当前测量，如图3C中的动作312和313说明。
[0087]当动作313中的答复为是时，处理器100执行动作314以识别例如沿着用户可在上面步行的路径的区段测得的在时间上相对于彼此循序发生的测量的子集(或群组)，借此识别连续走动区段。在动作314中识别子集中的测量，至少用于满足关于子集中包含的所有测量的类似性的量度的值的测试。处理器100的一些实施例可将通过对(路径A上的测量Al...Al...AN的时间序列的)每一测量Al (图6C)和质心C14执行类似性函数180而获得的值用作类似性的量度(或类似性属性)，以识别测量Al...Al...AN形成子集。
[0088]特定来说，在一些实施例中，对照预定阈值(最小类似性)测试每一测量Al与质心Qa的类似性的量度的值，且仅当满足测试时每一测量Al才包含在子集中。类似性函数180 (图4A)的实例为Tanimoto、Dice、Jaccard等。一些实施例使用指示差异性的距离量度，且此距离获得如下:1_类似性。因此，在本文描述的类型的若干方法中，基于仅将特定测量(基于其测量时间)(例如，在时间上相对于彼此循序进行的测量，如图4C中说明和下文描述)包含在子集中而执行具有质心的地点的识别。
[0089]接着在动作315中将依据动作314识别的测量的子集存储在非暂时性存储器110中，之后是动作316，检查所有子集是否已识别，且如果否，那么控制返回到动作312 (上文描述)。当识别出满足关于类似性的量度的值的测试的所有子集时，动作316中的答复为是，且控制转移到动作317，其中使用所述子集。在一些实施例中，动作317将从动作314产生的测量的每一子集与额外测量的子集比较(例如，通过群集，如图5A和中说明)，以识别新的相关地点。在某些实施例中，动作317将从动作314产生的测量的每一子集与测量的预先计算的模型(例如，如图5E中说明)比较，以识别已知相关地点。在若干实施例中，动作317将从动作314产生的测量的每一子集与额外路径中进行的额外测量比较，例如以识别两个路径彼此交叉的地点。因此，动作317中测量的子集的特定使用(例如，以识别基于路径的相关地点)取决于实施例，且在此使用之后控制转移到动作318 (上文描述)。
[0090]在动作314中识别测量的子集时，处理器100的一些实施例使用最小半径dmin作为构建路径的模型的最小尺度。在一些实施例中，动作314以沿着路径测量且彼此类似的测量的集合开始且反复(且在一些实施例中递归地)将所述集合再分为子集，直到到达邻近子集中的测量被分离小于dmin时的阶段(此阶段处再分停止)为止。在其它实施例中，当接收到每一新的测量时反复调用动作314，且确定新的测量是否将被添加到当前存储在存储器110中的依据动作314经识别满足类似性测试(上文描述)的测量的子集。
[0091]动作314中识别的测量的子集构成随时间收集的WiFi迹线的序列。处理器100的一些实施例中子集的收集的时间周期经设计以大于预定阈值t min。依据实施例，代替于WiFi迹线或除WiFi迹线之外，计算机系统120可使用内置式运动传感器来获得关于步数和方向(方向改变的序列)的信息。因此，若干实施例辨识沿着用户的路径进行的某些测量(例如，WiFi迹线)且将其分段，但其它实施例并入有例如运动分类、步数计数、方向信息、声音指纹等其它测量。
[0092]在一些实施例中，执行软件以执行动作312 (上文描述)的一个或一个以上处理器100构成用于反复从移动装置在路径中移动时进行的测量的集合中识别沿着所述路径相对于彼此循序发生的测量的子集的装置，所述子集中的测量经识别至少满足关于子集中包含的所有测量的类似性的量度的值的测试。此外，在此类实施例中，执行软件以执行动作315(上文描述)的一个或一个以上处理器100构成用于将所述用于反复识别的装置所识别的至少每一子集存储在非暂时性存储器中的装置。
[0093]在本文描述的类型的若干实施例中，动作314中识别的测量的子集由计算机系统120使用以识别用户到相关地点(POR)的访问。地点表示物理位置，具有真实世界中空间(例如，作为圆圈或正方形)中的扩展，所述真实世界具有大楼中的房间的维度，房间例如是办公楼中的办公室204 (图1B)或家中的起居室或商店244的分区(图2B)。此地点可由计算机系统120通过使用(例如，WiFi迹线的)一个或一个以上测量识别以确定用户是否在同一地点。
[0094]一些实施例的计算机系统120在不使用任何类型的地图或布局或其它地理信息的情况下在测量彼此足够类似时(例如，当距离量度(通过执行例如Tanimoto等类似性函数180获得)指示满足关于测量之间的差异性的测试时，例如距离小于0.1(或类似性大于
0.9))确定用户在同一地点。计算机系统120可接着通过计算质心(例如，质心C1A)聚集类似的测量(例如，图6C中的测量Al...Al...AN)。在图6A中展示的说明性实例中，单一地点识别为具有通过对每一 WAP的多个测量的信号强度求平均(通过取其算术均值)获得的质心C1aO
[0095]如上所述，本文描述的类型的若干实施例不使用地图或布局或楼面平面图或任何其它此类地理信息在计算机存储器中识别特定地点，所述特定地点在这些实施例中仅通过使用类似性函数比较无线信号的测量(和/或其质心)来识别以获得测量之间的距离(作为其中仅界定所述测量的空间(也称为测量空间)中的差异性量度)。在说明性实例中，正测量的无线信号为声音，例如通常在火车站听到的声音(例如，火车鸣叫的喇叭声)。在刚刚描述的实例中，在若干实施例中不使用关于火车站的地理信息(例如，地图、布局或楼面平面图)，所述地理信息自动将测量空间中(声音的空间中)的地点识别为火车站且/或确定(声音空间中)两个地点类似。刚刚描述的实例的若干实施例将此类地点(声音空间中所识别)存储在列表中，以通过使用类似性函数比较声音测量(不同频率下音频信号的强度的向量)而将延伸地点界定为火车站。替代实施例确实使用室外地图(例如，城市的街道的级别)和/或室内地图(或布局)和/或任何其它地理信息和/或位置(例如，来自GPS的纬度和经度)与此类无线信号测量组合以识别在真实世界中在不同物理位置中(例如，在将用户的办公室与走廊或盥洗室分隔的墙壁的相对侧上)发生的地点。
[0096]一些实施例中的访问界定为用户在此期间保持持续处于同一地点(即，距质心预定距离(指示测量的差异性)内)的时间间隔，但用户可能不静止而是可在识别为同一地点的空间内四处走动。因此，在若干实施例中，相关地点(POR)界定为用户已访问至少Tminvisit次(例如，2次)且这Tniinvisit次访问的每一次均超过最小持续时间Tniinmnre (例如，5分钟)的地点(例如，测量的质心和测量之间的差异性的距离)。
[0097]依据实施例，用户可能需要在一地点由计算机系统120分类为POR之前访问所述地点超过Tminvisit次。如果访问的一者或一者以上未超过最小持续时间TminVTime;,则出现这种情况。两个阈值均可依据使用情况调谐。在某些实施例中，再访问由计算机系统120确定为用户对已知POR(例如，先前访问的地点)的任何访问。注意，一些实施例中的再访问的定义不需要用户的访问在任何最小持续时间中发生才能构成再访问(尽管在此类实施例中需要最小持续时间来初始自动发现用户的访问)。
[0098]在本文描述的类型的若干实施例中，由计算机系统120在存储器110(图4A)中准备的地点模型俘获地点的某些预定特性。特定来说，由计算机系统120的一些实施例从用于识别地点的WiFi测量提取一个或一个以上特性(例如，质心)，且这些特性随后用于在用户的再访问期间辨识所述同一地点。计算机系统120的某些实施例将三种类型的地点建模如下:相关地点(P0R地点模型)、先前已访问的地点(访问地点模型)和已通过使用多个测量识别的地点(瞬时地点模型)。特定来说，在若干此类实施例中，POR地点模型(PPM)由计算机系统120使用以表征P0R。在某些实施例中，访问地点模型(VPM)由计算机系统120使用以表征用户的访问。瞬时地点模型(IPM)在计算机系统120的一些实施例中从瞬时收集的WiFi测量导出且俘获用户的当前位置的特性。然而，从技术观点来看，这三个地点模型在地点为何以及如何由计算机系统120建模方面类似。
[0099]在某些实施例中，计算机系统120中的处理器100执行预定软件以在计算机系统120中实施发现系统130 (图4A)，以仅通过分析原始传感器数据(例如，WiFi测量)的流而以不受监督的方式识别新地点。许多实施例的发现系统130不使用室内地图或布局或楼面平面图上关于地点的地理位置或所述地点的空间扩展的大小的任何预先存在的知识。此夕卜，在一些实施例中，此原始传感器数据不分段或注释以输入到发现系统130，且关于地点和访问的地面实况(例如，地图数据)不可供发现系统130使用。此类实施例的发现系统130主要对可由过滤器139 (图4A)过滤以移除不准确性的原始传感器数据操作。一些实施例的发现系统130的输出是相关地点及其相关联POR地点模型的集合。这些POR地点模型接着由辨识系统150 (见图4A)用作输入。
[0100]在若干实施例中，发现系统130 (图4A)包含执行两步过程(如下)的模块131和132。在所述过程的第一步骤中，发现系统130的模块131提取具有最小持续时间TminVTime的所有访问，包含其访问地点模型。在所述过程的第二步骤中，发现系统130 (图4A)的模块132通过群集先前提取的访问地点模型而提取P0R。所述群集由另一模块133分析且将含有大于Tniinvisit访问地点模型(相应访问)的每一群集标记为P0R，例如如上文描述的延伸POR或基于路径的P0R。以此方式，发现系统130产生POR地点模型135 (图4A)的集合。在一些实施例中，发现系统130基于如本文描述的POR的定义实施关于访问的持续时间和群集中访问地点模型的数目的约束。POR地点模型135的集合通常随时间当发现系统130接收到更多测量时增长，从而使得更多地点被发现为P0R。
[0101]发现系统130 (图4A)的群集实施方案中分割为两个步骤(如刚才描述)提供若干优点。两步群集过程的第一步骤是基于时间群集且提取访问以及对应的访问地点模型(VPM)。两步过程的第二步骤基于类似性群集从第一步骤接收的访问地点模型(VPM)以确定相关地点(POR)。两步群集过程据信为相对于可直接对原始WiFi测量进行类似性群集(其可产生错误)的单步过程的改进。在访问两个相邻办公室的实例中，原始测量(例如，WiFi迹线)相等地分布在两个办公室的整个区上。在此实例中，单步群集过程可将来自两个办公室的测量合并到一个群集中，且识别一个地点(两个办公室一起)。此错误来自仅基于空间特征(例如，位置特征(纬度和经度))在单步中执行群集。
[0102]然而，发现系统130 (图4A)的上述两步群集过程(在第一步骤中时间群集用以识别VPM，随后在第二步骤中进行类似性群集以识别P0R)使用从WiFi测量提取的特定额外信息。特定来说，发现系统130 (图4A)使用每一 WiFi测量的收集时间，作为第一时间群集步骤中的额外信息。然而，一些实施例的发现系统130在第一步骤中将在空间和时间两者上类似的两个WiFi测量处理为已在单次访问期间收集，且直到那时才将这两个WiFi测量群集在一起以产生单一 VPM。多个VPM接着在第二群集步骤中彼此比较，且如果不类似，那么其不合并(例如，发现两个相邻办公室为不同P0R)。
[0103]一些实施例的发现系统130实施以下三个特征的一者或一者以上。第一，在计算机系统120的一些实施例中通过地点模型pmp识别地点P,地点模型pmp俘获由地点p表示的真实世界中获取的数据点(或WiFi测量)中所含的特性信息。第二，在某些实施例中，地点模型Pmp在计算机系统120中构造且基于原始数据点(或WiFi测量)更新。第三，类似性函数fsim(pmpl，pmp2)在若干实施例的计算机系统120中使用以存取两个地点模型的类似性。通过使用这三个特征，一些实施例的发现系统130发现延伸P0R、基于路径的POR且还辨识再访问，如下文描述。
[0104]在一些实施例中，发现系统130 (图4A)使用图4B中说明的类型的一个或一个以上阈值。特定来说，发现系统130将参数分类为两个部分:地点发现参数和地点辨识参数。这些参数的若干者由发现系统130使用以便为相关地点(POR)建模。更特定来说，相关地点的发现由发现系统130分解为两个步骤:第一步骤提取访问及其对应的访问地点模型(VPM)，且第二步骤群集访问地点模型(VPM)、提取POR及其对应的POR地点模型。这两个步骤在下文参考图4C中说明的实例描述。
[0105]在图4C的实例中，用户遵循地面实况标签指示的序列如下:家中410、通勤420、工作430、通勤440，且接着返回到家中450。理想地，发现系统130提取三个访问作为第一访问提取步骤的一部分(例如，家中410、工作430和家中450)，且提取两个POR作为第二 POR提取步骤的一部分(例如，家中410、450和工作430)。在此实例中，若干WiFi测量411、412、413、414、415、416、417、418、421、422、423、424、431、432、433、434、441、442、451、452、453、454、455、456由发现系统130以时间次序从通信子系统122 (图4A)接收，如本文的测量时间戳所识别。
[0106]发现系统130在若干级别460、470、480和490 (图4C)处理这些测量。特定来说，测量411-414传播到时间群集的一个级别460，且合并到节点461中，因为这些节点在时间上循序发生且全部属于同一地点(因为其测量彼此类似)。节点461接着传播到合并群集的较高级别470，作为节点471A。类似地，级别470处的节点471A和471合并(因为其质心彼此类似)，且传播到基于持续时间的过滤的更高级别480，作为节点481。级别480处的节点481、486和489具有足够的持续时间(例如，大于5秒)，且因此传播到类似性群集的更高级别490，分别作为节点491,496和499。节点491和499合并(例如，基于具有相同标签“家中“)以形成节点401，节点401可接着在室外地图(在使用城市中的街道的等级的地图的某些实施例中)上识别，而节点496不合并(例如，基于具有不同标签“工作”)且变为所述室外地图上的节点402。因此，在此阶段，两个节点401和402已识别为相关地点(且在所述几个实施例中，映射到室外地图，例如街道级别地图)。节点传播和合并的方式取决于实施例，且下文描述若干此类实施例。在图4C中，节点的大小指示由节点表示的数据点(或WiFi测量)的数目。图4C中的节点之间的箭头指示数据的流动。
[0107]一些实施例的发现系统130使用时间群集模块131与群集合并模块132及持续时间过滤模块133 (图4A)组合从瞬时地点模型提取访问地点模型。特定来说，时间群集模块131从数据点(或WiFi测量)提取访问，如图5A中的伪码说明。时间群集模块131在时间的一维空间中表示所有数据点。此群集技术是基于线性群集，线性群集是数据库索引理论中使用的群集技术，其中多维数据在一维空间(表)中表示。此一般概念由发现系统130应用以沿着时间维度执行群集。
[0108]一些实施例的发现系统130在模块131中执行时间群集使得以下约束成立:当且仅当两个数据点(或WiFi测量)共享足够类似性(相对于类似性函数和类似性阈值Ttempclust)且当其间的所有数据点(相对于时间)也指派到同一节点时，所述两个数据点(或WiFi测量)才群集到此同一节点中。因此，在一些实施例中，节点表示一时间间隔，其中所述间隔的持续时间内的至少大多数数据点(即，>50%)共享(与正过滤掉或以其它方式排除的不类似的数据点)至少特定类似性。因此，在此领域内，每一时间间隔构成一次访问。
[0109]图4C中的级别460说明时间群集模块131的操作。特定来说，以时间次序评估数据点(或WiFi测量)，以确定其是否与级别460中的当前节点类似。举例来说，在图4C中，初始测量411的数据传播到级别460中以形成新节点461A，且接着检查下一数据点412以发现与节点461A的类似性。在发现数据点足够类似(相对于阈值Ttempaust)时，节点和数据点被群集，否则开始新节点，如下文参看图4C描述。
[0110]特定来说，如图4C中指示，发现级别460处的第一节点461A类似于第二数据点412且因此其群集以形成节点461B，节点461B展示得较大以说明其现在表示两个测量。节点461B的质心(例如，两个测量的WiFi迹线的向量均值)接着与第三数据点413比较且发现为类似的(例如，在彼此的差异性的预定距离内)，因此其群集以形成节点461C。节点461C的质心接着与第四数据点414比较且发现为类似的且因此其群集以形成节点461。接下来，节点461的质心类似地与第五数据点415比较且发现为不同的且因此其不群集。而是，第二节点462在级别460中基于第五数据点415开始。
[0111]节点461A-461C是同一节点461的三个型式(在时间上的三个较早点)，且因此在此阶段级别460中存在两个节点461和462。节点462接下来与第六数据点416比较且发现为不同的且因此其不群集。而是，第三节点463A在级别460中基于第六数据点416开始。接下来，节点463A与第七数据点417比较且发现为类似的且因此其群集以形成节点463B。接着，节点463B的质心与第八数据点418比较且发现为类似的且因此其群集以形成节点463。接下来，节点463的质心与第九数据点421比较且发现为不同的且因此其不群集。而是，第四节点464在级别460中基于第九数据点421开始。
[0112]因此，当时间群集模块131(图4A)已以上述方式处理WiFi测量411-418、421-424、431-434、441-442、451-456时，级别460在存储器110中总共具有11个节点。因此，归因于时间群集，级别460处的11个节点指示11次访问(其中一些可能是极短的访问，例如表示通勤期间的测量的节点464)。在图4C的实例中，这11个节点由群集合并模块132处理，群集合并模块132排除归因于其与连续数据点的差异性而可能潜在地分割访问的离群值。特定来说，WiFi测量中的离群值提出的挑战是，其致使时间群集模块131将人为分割引入到访问中。这是由于离群值不与其直接相邻者(时间维度中的相邻者)共享足够的类似性而引起。
[0113]举例来说，图4C展示全部在家中410进行的WiFi测量411-418已群集到级别460处的三个节点461、462和463中(其表示三次访问)，但用户仅位于一个地点(家中410)。这是由于节点471的质心与第五数据点415之间的差异性引起。由于第五数据点415是在家中410收集的(根据地面实况)，所以第五数据点415应已适当识别为离群值。然而，此离群值415需要由发现系统130在不知道地面实况的情况下移除，其由群集合并模块132实施，如图5B中的伪码说明。
[0114]在一些实施例中，群集合并模块132当且仅当类似性小于阈值Tmwgesim且其间的时间间隙小于阈值1_^时才组合级别460中的任何两个节点(其表示访问)。因此，先前已归因于离群值而分割的访问融合到单一访问。在图4C中说明的实例中，群集合并模块132将节点461初始传播到级别470以形成节点471A，且接着将此节点471的质心与级别460处的节点462的质心比较。回忆节点461与462差异过大，这就是为什么节点462初始由时间群集模块131开始，且这样做会分割家中410的访问。
[0115]在未找到匹配时，在此阶段，群集合并模块132将节点471A的质心与级别460处的第三节点463的质 心比较。在此实例中，群集合并模块132找到匹配，因为发现级别460处的节点461和463在空间上类似(其将是类似的，因为在同一地点家中进行基本测量411-414,416-418)，且也发现其在时间上彼此接近(因为这些测量411_414、416_418全部在到同一地点的单次访问中进行)。因此，响应于找到匹配，群集合并模块132将级别460处的第三节点463与节点471A合并以获得级别470处的节点471。注意，节点471不包含来自测量415的任何贡献，测量415因此由发现系统130有效地作为离群值过滤掉。
[0116]接下来，节点471的质心与节点464比较且发现为不同的且因此其不群集。而是，群集合并模块132传播节点464的数据以形成级别470处的节点472。接着将节点472与级别460中跟随节点464的节点(未标记)比较且未找到匹配，因此群集合并模块132传播所述数据以形成级别470处的节点473。以此方式，在级别470处形成额外节点474、475、476、477、478、479。因此，当群集合并模块132 (图4A)完成处理级别460的11个节点时，总共9个节点471-479存在于级别470处，如图4C中说明，且这9个节点接着传播到级别480。
[0117]一些实施例的发现系统130包含持续时间过滤模块133，其应用指定为持续时间的阈值以排除太短或因其它原因没有资格识别为相关地点的访问。持续时间过滤模块133的一些实施例基于超过最小持续时间Tminmme的访问实施POR的界定。特定来说，持续时间过滤模块133基于其持续时间过滤级别480处的节点(其表示访问)，如图5C中的伪码说明，使得所有剩余访问均超过最小持续时间TminVTime。在图4C的实例中，访问482太短，因为其来自通勤期间进行的测量。因此，当模块133完成其处理时，仅节点481、486和489保留，级别480中的其余节点被过滤掉。因此，这三个节点481、486和489的数据传播到下一级别490以形成节点491、496和499。
[0118]若干实施例的发现系统130还包含POR提取模块134 (图4A)，其使用类似性函数180将级别490处的现在独立于测量时间的节点彼此比较，以便识别相关地点。在使用如上文描述的模块131、132和133之后使用POR提取模块134克服了其它设计中的若干缺点。举例来说，直接对原始数据点进行的类似性群集不暴露关于访问的持续时间的信息。对原始数据进行的类似性群集识别每一地点的群集和每一群集中数据点的数目。假定均一取样，数据点的数目与每一群集或相应地点处花费的累积时间成比例。然而，每一地点中时间如何累积是未知的且因此不使用。数据点上的类似性群集暴露用户花费时间的地点(群集)，但不暴露关于用户连续花费时间(例如，在工作)还是在多个极短访问(例如，上班路上的交通信号灯)期间累积大量时间的信息。
[0119]前一段落中描述的类型的挑战通过在时间群集模块131之后使用POR提取模块134而解决。此外，如上所述，级别490处的所有节点已由持续时间过滤模块133处理且因此这些节点表示超过POR的定义所要求的最小持续时间的访问。因此，由POR提取模块134从级别490处的节点提取POR是基于持续时间过滤模块133识别的所有访问地点模型上的类似性群集，如图中的伪码说明。
[0120]若干实施例的发现系统130使用阈值Tsimaust来以递归方式执行类似性群集。此群集方法假定未给定群集或节点的数目，但给定阈值。特定来说，发现系统130识别的群集或节点的数目由数据点或WiFi测量驱动。此方法的优点是，群集可由发现系统130在不重新运行整个群集过程的情况下动态地添加。概念上，表示用户的访问的节点与最类似的任何节点(或群集)群集(或组合)，但仅当类似性量度(通过使用类似性函数180而产生)不超过阈值Tsimaust时。在超过阈值Tsimaust的情况下，新的节点或群集由POR提取模块134开始。在完成如上所述的类似性群集之后，分析所有所得节点(或集)，以确定其是否有资格作为P0R。含有至少Tminvisit个访问的群集表示POR(其中Tminvisit由POR的定义中的参数确定)。在图4C中说明的实例中，阈值Tminvisit = I且因此POR提取模块134群集三个访问地点模型(家中491、工作496、家中499)并输出两个P0R401和402。
[0121]若干实施例的计算机系统120还包含与发现系统130互操作的辨识系统150 (图4A)。辨识系统150确定是否发生再访问。如图5E中的伪码中展示，开始时间到辨识系统150的输入是由其POR地点模型表示的POR的集合。此集合可在任何时间更新且所述更新从执行更新之后的下一辨识步骤开始变得有效。辨识系统150的每一辨识步骤处的输入是从从WiFi测量提取访问的群集合并模块132输出的当前访问。基于当前访问，辨识系统150确定是否存在到POR的一者的再访问。在再访问的情况下，辨识系统150输出POR的识别符，否则其指示尚未辨识到再访问。在一些实施例中，辨识系统150计算表示辨识决策的置信度的置信度值。
[0122]一些实施例的辨识系统150通过维持可处于两个状态“进入”或“退出”的一者中的内部状态变量而使用来自群集合并模块132的关于每一时间步长处的当前访问的递增信息(而非等待识别完整的访问)。内部状态“进入”指示正在进行中的再访问，且“退出”指示未辨识到再访问(或先前再访问已结束且尚未有新的再访问开始)。如果两个条件成立，那么辨识系统150从状态“退出”转变到“进入”:正在进行中的访问必须超过时间阈值TrecogEnter且依据相似性所述访问必须识别为到已知POR的访问。
[0123]因此，一些实施例的辨识系统150监视发现系统130的中间结果且当两个条件为真时，在存储器Iio中将再访问标记为已检测到。在辨识系统150转变到状态“进入”之后，其通过在每一辨识步骤处传回POR的识别符而报告再访问。在转变发生且辨识系统150处于状态“进入”之后，其监视引起转变的访问。给定不存在离群值且用户保持在同一位置，所监视的访问在时间上随着每一辨识步骤增长。在一些实施例中，当满足终止条件时再访问结束:所监视的访问与当前时间之间的持续时间超过预定时间阈值T_。gExit。此终止条件防止辨识系统150基于离群值而进入和退出。举例来说，如果当前数据点或测量为离群值，那么辨识系统150不输出-1 (指示无再访问)。
[0124]因此，一些实施例的辨识系统150容忍离群值，且报告POR指示符，只要到所监视的访问的持续时间不超过时间阈值T^gExit即可。在一些实施例中，辨识系统150使用两个时间阈值I；_gEnte和T_gExit来报告正进入和退出的再访问。使用此类阈值引起等待时间与准确性之间的固有折衷。时间阈值越大则归因于离群值的误分类的概率越低，然而，以增加的等待时间检测再访问的进入和退出。
[0125]一些实施例的辨识系统150提供置信度值来表达辨识决策。置信度值计算是基于两个最类似地点之间的差异，如下:
【权利要求】
1.一种发现相关地点的方法，其包括: 由计算装置接收无线信号的测量的集合； 由所述计算装置识别一个或一个以上地点，每一地点具有通过使用无线信号的测量的所述集合中的子集获得的质心； 由所述计算装置基于比较两个质心确定具有所述两个质心的对应两个地点是否类似；以及 由所述计算装置基于所述对应两个地点被确定为类似而将包括所述对应两个地点的相关地点存储在非暂时性存储器中。
2.根据权利要求1所述的方法，其中: 独立于进行每一测量的时间而执行所述识别。
3.根据权利要求2所述的方法，其进一步包括: 接收待分别与所述一个或一个以上地点相关联的一个或一个以上标签上的用户输入；以及 由所述计算装置比较与所述对应两个地点相关联的两个标签以检查所述两个标签是否类似； 其中进一步基于所述两个标签被确定为类似而执行所述存储。
4.根据权利要求3所述的方法，其中: 从至少两个不同用户获得所述一个或一个以上标签。
5.根据权利要求4所述的方法，其中: 所述一个或一个以上标签的第一集合被指定为公共的；且 所述一个或一个以上标签的第二集合被指定为所述至少两个不同用户中的至少一个用户私人的。
6.根据权利要求1所述的方法，其中: 所述识别基于所述两个质心的每一者的所述子集中的测量是在时间上相对于彼此循序测得的。
7.根据权利要求6所述的方法，其进一步包括: 检查所述子集中的每一测量是否满足关于类似性量度的测试。
8.根据权利要求7所述的方法，其中: 通过至少执行类似性函数以将所述测量与所述子集中的测量的质心比较来获得所述类似性量度。
9.根据权利要求8所述的方法，其中: 所述测量包括无线信号的发射器的对应群组的识别符的群组，和无线信号的强度；所述质心包括无线信号的发射器的所述对应群组的平均值的群组；且针对每一发射器对于进行所述测量时测得的所述发射器的对应无线信号的多个强度计算每一平均值。
10.根据权利要求6所述的方法，其 进一步包括: 基于无线信号的测量的所述集合和树中连接到根节点的多个子节点产生所述树的所述根节点，其中基于所述子集产生至少一个子节点。
11.根据权利要求10所述的方法，其进一步包括:将无线信号的测量的所述集合中的多个子集与额外测量的子集比较以识别新的相关地点。
12.根据权利要求6所述的方法，其进一步包括: 将无线信号的测量的所述集合中的多个子集与测量的另一集合中的子集比较以识别已知相关地点。
13.根据权利要求1所述的方法，其中: 独立于地理信息执行所述确定。
14.一种用于处理测量的装置，所述装置包括: 无线收发器；一个或一个以上处理器，其操作地耦合到 所述无线收发器； 非暂时性存储器，其操作地耦合到所述一个或一个以上处理器；以及保持在所述非暂时性存储器中的软件，其当在所述一个或一个以上处理器中运行时致使所述一个或一个以上处理器: 接收无线信号的测量的集合； 识别一个或一个以上地点，每一地点具有通过使用无线信号的测量的所述集合中的子集获得的质心； 基于比较两个质心确定具有所述两个质心的对应两个地点是否类似；以及基于所述对应两个地点被确定为类似而将包括所述对应两个地点的相关地点存储在所述非暂时性存储器中。
15.根据权利要求14所述的装置，其中: 所述一个或一个以上地点的识别独立于进行每一测量的时间。
16.根据权利要求15所述的装置，其中所述软件进一步致使所述一个或一个以上处理器: 接收待分别与所述一个或一个以上地点相关联的一个或一个以上标签上的用户输入；以及 比较与所述对应两个地点相关联的两个标签以检查所述两个标签是否类似； 其中所述相关地点在所述非暂时性存储器中的存储进一步基于所述两个标签被确定为类似。
17.根据权利要求16所述的装置，其中: 从至少两个不同用户获得所述一个或一个以上标签。
18.根据权利要求14所述的装置，其中: 所述一个或一个以上地点的识别基于所述两个质心的每一者的所述子集中的所述测量是在时间上相对于彼此循序测得的。
19.根据权利要求18所述的装置，其中所述软件进一步致使所述一个或一个以上处理器: 检查所述子集中的每一测量是否满足关于类似性量度的测试。
20.根据权利要求19所述的装置，其中: 通过至少执行类似性函数以将所述测量与所述子集中的测量的质心比较来获得所述类似性量度。
21.根据权利要求18所述的装置，其中: 所述软件进一步致使所述一个或一个以上处理器基于无线信号的测量的所述集合和树中连接到根节点的多个子节点产生所述树的所述根节点，其中基于所述子集产生至少一个子节点。
22.根据权利要求14所述的装置，其中: 所述对应两个地点的类似性的确定独立于地理信息。
23.一种包括待由至少一个处理器执行的软件的非暂时性计算机可读存储媒体，所述软件包括: 用以接收无线信号的测量的集合的指令； 用以识别一个或一个以上地点的指令，每一地点具有通过使用无线信号的测量的所述集合中的子集获得的质心； 用以基于比较两个质心确定具有所述两个质心的对应两个地点是否类似的指令； 以及 用以基于所述对应两个地点被确定为类似而将包括所述对应两个地点的相关地点存储在非暂时性存储器中的指令。
24.根据权利要求23所述的非暂时性计算机可读存储媒体，其中: 所述指令独立于进行每一测量的时间。
25.根据权利要求24所述的非暂时性计算机可读存储媒体，其进一步包括: 用以接收待分别与所述一个或一个以上地点相关联的一个或一个以上标签上的用户输入的指令；以及 用以比较与所述对应两个地点相关联的两个标签以检查所述两个标签是否类似的指令； 其中所述相关地点在所述非暂时性存储器中的存储进一步基于所述两个标签被确定为类似。
26.根据权利要求23所述的非暂时性计算机可读存储媒体，其中: 所述一个或一个以上地点的识别基于所述两个质心的每一者的所述子集中的测量是在时间上相对于彼此循序测得的。
27.根据权利要求26所述的非暂时性计算机可读存储媒体，其中所述软件进一步包括: 用以检查所述子集中的每一测量是否满足关于类似性量度的测试的指令。
28.根据权利要求27所述的非暂时性计算机可读存储媒体，其中: 通过至少执行类似性函数以将所述测量与所述子集中的测量的质心比较来获得所述类似性量度。
29.根据权利要求26所述的非暂时性计算机可读存储媒体，其中: 所述软件进一步致使所述至少一个处理器基于无线信号的测量的所述集合和树中连接到根节点的多个子节点产生所述树的所述根节点，其中基于所述子集产生至少一个子节点。
30.根据权利要求23所述的非暂时性计算机可读存储媒体，其中: 所述对应两个地点的类似性的确定独立于地理信息。
31.一种包括耦合到存 储器和无线接收器的处理器的系统，所述系统包括: 用于获得无线信号的测量的集合的装置； 用于识别一个或一个以上地点的装置，每一地点具有通过使用无线信号的测量的所述集合中的子集获得的质心； 用于基于比较两个质心确定具有所述两个质心的对应两个地点是否类似的装置； 以及 用于基于所述对应两个地点被确定为类似而将包括所述对应两个地点的相关地点存储在非暂时性存储器中的装置。
32.根据权利要求31所述的系统，其中: 所述确定独立于进行每一测量的时间而执行。
33.根据权利要求32所述的系统，其进一步包括: 用于接收待分别与所述一个或一个以上地点相关联的一个或一个以上标签上的用户输入的装置；以及 用于比较与所述对应两个地点相关联的两个标签以检查所述两个标签是否类似的装置； 其中所述用于存储的装置进一步基于所述两个标签被确定为类似。
34.根据权利要求31所述的系统，其中: 所述用于识别的装置基于所述两个质心的每一者的所述子集中的测量是在时间上相对于彼此循序测得的。
35.根据权利要求34所述的系统，其进一步包括: 用于检查所述子集中的每一测量是否满足关于类似性量度的测试的装置。
36.根据权利要求34所述的系统，其进一步包括: 基于无线信号的测量的所述集合和树中连接到根节点的多个子节点产生所述树的所述根节点的装置，其中基于所述子集产生至少一个子节点。
37.一种用于发现延伸相关地点的设备，其包括: 至少一个处理器；以及 存储计算机可读指令的非暂时性存储器，所述计算机可读指令当由所述至少一个处理器执行时致使所述设备: 接收无线信号的测量的集合； 识别一个或一个以上地点，每一地点具有通过使用无线信号的测量的所述集合中的子集获得的质心； 基于比较两个质心确定具有所述两个质心的对应两个地点是否类似；以及基于所述对应两个地点被确定为类似而将包括所述对应两个地点的相关地点存储在所述非暂时性存储器中。
38.根据权利要求37所述的设备，其中: 所述对应两个地点的类似性的确定独立于地理信息。
【文档编号】H04W64/00GK103947230SQ201280056405
【公开日】2014年7月23日 申请日期:2012年9月27日 优先权日:2011年9月28日
【发明者】维迪亚·纳拉亚南, 帕维尔·卢科维奇, 卢卡斯·D·库恩, 李晋元, 桑吉夫·南达 申请人:高通股份有限公司