1 |
1
(a) 적어도 하나의 센서로부터 시계열적으로 수집된 GPS(Global Positioning System) 신호를 포함하는 센싱 데이터를 기초로 도로 정보 및 행동 정보를 생성하는 단계;(b) 상기 센싱 데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자 이동 패턴으로서 주요 장소 및 주요 경로를 검출하는 단계; 및(c) 복수의 사용자 이동 패턴들을 극 좌표계(Polar Coordinate)의 제1 축을 기준으로 중첩하여 순환연속시간 확률 그래프 모델을 생성하는 단계를 포함하고,상기 극 좌표계의 제 1축은 0시부터 24시에 대응하는 0부터 2π(Pi, 파이)를 주기로 하고, 상기 0과 2π는 동일한 값을 가지며, 상기 순환연속시간 확률 그래프 모델은 폰 미제스 분포를 기초로 핵 밀도 추정을 수행하여 폰 미제스 혼합 분포를 구축함으로써 생성될 수 있는 사용자의 실시간 이동 경로 예측 방법
|
2 |
2
제1항에 있어서,(d) 상기 순환연속시간 확률 그래프 모델 및 상기 적어도 하나의 센서로부터 수집되는 센싱 데이터를 기초로 사용자의 이동 장소 및 이동 경로 중 적어도 하나를 예측하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
3 |
3
제1항에 있어서, 상기 (a) 단계는상기 GPS 신호의 위치와 가장 가까운 도로를 결정하여 해당 도로에 대한 도로 정보를 저장하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
4 |
4
제1항에 있어서, 상기 (a) 단계는상기 센싱 데이터를 기초로 사용자의 현재 행동이 기 분류된 행동들 중 어느 하나에 속하는지 결정하여 해당 행동에 대한 행동 정보를 저장하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
5 |
5
제1항에 있어서, 상기 (b) 단계는상기 센싱 데이터를 기초로 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 생성하여 출현 빈도 및 출현 지속 시간에 따라 상기 주요 장소를 검출하는 단계를 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
6 |
6
제1항에 있어서, 상기 (b) 단계는상기 도로 정보 및 행동 정보를 기초로 상기 센싱 데이터에 대한 군집화를 수행하여 상기 주요 경로를 검출하는 단계를 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
7 |
7
제6항에 있어서, 상기 (b) 단계는상기 행동 정보가 동일하고 기 설정된 범위 이상의 도로를 공유하는 적어도 하나의 시퀀스(Sequence)에 대한 그룹을 생성하는 단계; 및상기 생성된 그룹에서 가장 긴 시퀀스의 시작점 및 끝점을 지나는 최단 경로를 결정하여 상기 주요 경로로서 검출하는 단계를 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
삭제
|
11 |
11
제2항에 있어서, 상기 (d) 단계는기 정의된 EM(Expectation-Maximization) 알고리즘을 통해 상기 순환연속시간 확률 그래프 모델을 학습하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
12 |
12
제11항에 있어서, 상기 (d) 단계는상기 학습된 순환연속시간 확률 그래프 모델 및 상기 센싱 데이터를 기초로 상기 사용자 이동 패턴을 필터링하여 상기 사용자의 이동 장소 및 이동 경로 중 적어도 하나를 예측하는 단계를 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 방법
|
13 |
13
적어도 하나의 센서로부터 시계열적으로 수집된 GPS(Global Positioning System) 신호를 포함하는 센싱 데이터를 기초로 도로 정보 및 행동 정보를 생성하는 센싱 데이터 처리부;상기 센싱 데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자 이동 패턴으로서 주요 장소 및 주요 경로를 검출하는 사용자 이동 패턴 검출부; 및복수의 사용자 이동 패턴들을 극 좌표계(Polar Coordinate)의 제1 축을 기준으로 중첩하여 순환연속시간 확률 그래프 모델을 생성하는 단계를 포함하고,상기 극 좌표계의 제 1축은 0시부터 24시에 대응하는 0부터 2π(Pi, 파이)를 주기로 하고, 상기 0과 2π는 동일한 값을 가지며, 상기 순환연속시간 확률 그래프 모델은 폰 미제스 분포를 기초로 핵 밀도 추정을 수행하여 폰 미제스 혼합 분포를 구축함으로써 생성될 수 있는 확률 모델 생성부를 포함하는 사용자의 실시간 이동 경로 예측 서버
|
14 |
14
제13항에 있어서,상기 순환연속시간 확률 그래프 모델 및 상기 적어도 하나의 센서로부터 수집되는 센싱 데이터를 기초로 사용자의 이동 장소 및 이동 경로 중 적어도 하나를 예측하는 사용자 이동 예측부를 더 포함하는 것을 특징으로 하는 사용자의 실시간 이동 경로 예측 서버
|
15 |
15
적어도 하나의 센서로부터 시계열적으로 수집된 GPS(Global Positioning System) 신호를 포함하는 센싱 데이터를 기초로 도로 정보 및 행동 정보를 생성하는 기능;상기 센싱 데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자 이동 패턴으로서 주요 장소 및 주요 경로를 검출하는 기능; 및복수의 사용자 이동 패턴들을 극 좌표계(Polar Coordinate)의 제1 축을 기준으로 중첩하여 순환연속시간 확률 그래프 모델을 생성하는 기능을 포함하고,상기 극 좌표계의 제 1축은 0시부터 24시에 대응하는 0부터 2π(Pi, 파이)를 주기로 하고, 상기 0과 2π는 동일한 값을 가지며, 상기 순환연속시간 확률 그래프 모델은 폰 미제스 분포를 기초로 핵 밀도 추정을 수행하여 폰 미제스 혼합 분포를 구축함으로써 생성될 수 있는 사용자의 실시간 이동 경로 예측 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
|