CN104937375A - 目的地预测装置、目的地预测方法、目的地显示方法 - Google Patents
目的地预测装置、目的地预测方法、目的地显示方法 Download PDFInfo
- Publication number
- CN104937375A CN104937375A CN201380071064.4A CN201380071064A CN104937375A CN 104937375 A CN104937375 A CN 104937375A CN 201380071064 A CN201380071064 A CN 201380071064A CN 104937375 A CN104937375 A CN 104937375A
- Authority
- CN
- China
- Prior art keywords
- destination
- action
- history
- date
- facility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的目的在于提供一种容易地对目的地进行预测的目的地预测装置、目的地预测方法、以及对所预测到的目的地进行显示的目的地显示方法。本发明的目的地预测装置包括:行动历史获取部,该行动历史获取部从记录有用户的行动和日期相关联而得到的行动历史的行动历史DB中获取行动历史;访问历史获取部,该访问历史获取部从记录有移动体的访问地点与日期相关联而得到的访问历史的访问历史DB中获取访问历史;类似行动日期提取部,该类似行动日期提取部参照行动历史进行从当前日期起追溯到规定期间内的行动与其他期间的行动是否类似的判断,而后从行动历史中提取出判断为类似的其他期间的行动的日期作为类似行动日期;以及目的地候补提取部,该目的地候补提取部从访问历史中提取出类似行动日期前后的规定期间内所访问的地点作为目的地候补。
Description
技术领域
本发明涉及预测目的地的装置或方法。
背景技术
目前,将人从当前所在地引导到目的地的进行道路引导的导航装置、或对周边设施进行检索的信息提供装置等车载信息设备已得到普及。为了利用这些设备的大部分功能,需要输入目的地的纬度经度,或者需要预先输入与纬度、经度相关联的设施名称。
然而,经度纬度、设施名称的输入非常烦琐,且花费时间。并且,对于设施名称的部分匹配检索,其检索精度较低,有可能无法检索到所希望的设施。
对于这种问题,到目前为止考虑采用的是使用行驶路径来预测目的地的技术。例如,在专利文献1中,示出使用行驶路径来将访问次数较多的目的地预测为目的地候补的方式。在专利文献2中,示出根据移动历史和当前的行驶路径,通过对经由地点加权来求得类似度,从而高精度地对目的地进行预测的方式。在专利文献3中,示出对于当前的行驶信息与过去的行驶信息的类似度,将两者的出发地或星期的不同考虑在内来进行求取,由此来预测目的地的方式。
然而,根据通过使用行驶路径来预测目的地的上述方法,存在以下问题,即:在行驶开始前或刚刚开始后的阶段无法对目的地进行预测。行驶路径越长才越有可能进行高精度的预测,但在接近目的地之后,需要对目的地进行预测的必要性较小。并且,还存在需要进行复杂的概率计算的问题。
作为在行驶开始前容易地对目的地进行设定的方法,例如,在专利文献4中示出了根据行李来进行目的地设定的技术。此外,在专利文献5中示出了根据车辆的状况以及车辆外部的状况等来更换目的地候补的显示顺序的技术。
现有技术文献
专利文献
专利文献1:日本专利特开平7-83678号公报
专利文献2:日本专利特开2005-283575号公报
专利文献3:日本专利特开2007-93264号公报
专利文献4:日本专利特开2006-145494号公报
专利文献5:日本专利特开2000-222689号公报
发明内容
发明所要解决的技术问题
然而,根据专利文献4的技术,由于通过标签来识别行李,进而预测目的地,因此,在没有行李的情况下就无法进行预测。此外,还需要对车辆内的行李进行读取的装置,存在成本增加的问题。
在专利文献5中,作为车辆本身的状况列举了变速杆位置、行驶速度,作为车辆内部的状况列举了有无同车人员、室内温度,作为车辆外部的状况列举了天气、与相向车之间的距离,但由于这些参数未必只在每个目的地才会发生较大变动,因而预测精度存在问题。
本发明是鉴于上述问题而完成的,其目的在于提供一种容易地对目的地进行预测的目的地预测装置、目的地预测方法、以及对所预测得到的目的地进行显示的目的地显示方法。
解决技术问题所采用的技术手段
本发明的目的地预测装置包括:行动历史获取部,该行动历史获取部从记录有将用户的行动和日期相关联而得到的行动历史的行动历史数据库中获取行动历史;访问历史获取部,该访问历史获取部从记录有将移动体的访问地点与日期相关联而得到的访问历史的访问历史数据库(数据库)中获取访问历史;类似行动日期提取部,该类似行动日期提取部参照行动历史判断从当前日期起追溯到规定期间内的行动与其他期间的行动是否类似,而后从行动历史中提取出判断为类似的其他期间的行动的日期作为类似行动日期;以及目的地候补提取部,该目的地候补提取部从访问历史中提取出类似行动日期前后的规定期间内所访问的地点作为目的地候补。
本发明的目的地预测方法包括:(a)从用户的行动与日期相关联得到的行动历史中,提取出进行与从当前日期起之前的规定期间内的行动相类似的行动的类似行动日期的步骤;(b)从移动体的访问地点与日期相关联得到的访问历史中,提取出类似行动日期前后的规定期间内所访问的地点作为目的地候补的步骤。
本发明的目的地显示方法是用于预测移动体的目的地并使该目的地显示于显示部的目的地显示方法,包括(a)使从访问历史中作为类似行动日期前后的规定期间内所访问的地点被提取出的目的地候补显示于显示部的步骤,该类似行动日期是从行动历史中作为与从当前日期起之前的规定期间内的行动相类似的行动被提取出。并且,行动历史中相关联地记录有个人的行动和日期,访问历史中相关联地记录有访问地点和日期。
发明效果
本发明的目的地预测装置包括:行动历史获取部,该行动历史获取部从记录有将用户的行动和日期相关联而得到的行动历史的行动历史数据库中获取行动历史;访问历史获取部,该访问历史获取部从记录有将移动体的访问地点与日期相关联而得到的访问历史的访问历史数据库中获取访问历史;类似行动日期提取部,该类似行动日期提取部参照行动历史判断从当前日期起追溯到规定期间内的行动与其他期间的行动是否类似,而后从行动历史中提取出判断为类似的其他期间的行动的日期作为类似行动日期;以及目的地候补提取部,该目的地候补提取部从访问历史中提取出类似行动日期前后的所述规定期间内所访问的地点作为目的地候补。因此,用户无需进行复杂的输入就能够容易地对目的地进行预测。
本发明的目的地预测方法包括:(a)从用户的行动与日期相关联得到的行动历史中,提取出进行与从当前日期起之前的规定期间内的行动相类似的行动的类似行动日期的步骤;(b)从移动体的访问地点与日期相关联得到的访问历史中,提取出类似行动日期前后的规定期间内所访问的地点作为目的地候补的步骤。因此,用户无需进行复杂的输入就能够容易地对目的地进行预测。
本发明的目的地显示方法是用于预测移动体的目的地并使该目的地显示于显示部的目的地显示方法,包括(a)使从访问历史中作为类似行动日期前后的规定期间内所访问的地点被提取出的目的地候补显示于显示部的步骤,该类似行动日期是从行动历史中作为与从当前日期起之前的规定期间内的行动相类似的行动被提取出。并且,行动历史中相关联地记录有个人的行动和日期,访问历史中相关联地记录有访问地点和日期。因此,用户无需进行复杂的输入就能够容易地对目的地进行预测并显示。
通过下述详细说明和附图,本发明的目的、特征、形态以及优点会变得更为明了。
附图说明
图1是表示实施方式1的目的地预测装置的结构的框图。
图2是表示关于行程的行动历史的图。
图3是表示类似行动日期的数据例的图。
图4是表示访问历史的图。
图5是表示目的地候补列表的显示例的图。
图6是表示目的地自动地被设定这一情况的通知画面例的图。
图7是表示实施方式1的变形例的目的地预测装置的结构的框图。
图8是表示实施方式2的目的地预测装置的结构的框图。
图9是表示关于Web页面阅览的行动历史的图。
图10是表示关于邮件收发的行动历史的图。
图11是表示类似行动日期和提取源的行动历史的种类的图。
图12是表示包含设施类别的访问历史的图。
图13是表示与行动历史的种类相对应的分配点数例的图。
图14是表示目的地候补列表的图。
图15是表示目的地候补提取部的分配点数处理的流程图。
图16是表示关联度判断部的动作的流程图。
图17是说明根据目的地候补列表来生成设施类别列表的图。
图18是表示设施类别检索的显示画面的图。
图19是表示基于设施类别的目的地检索结果的显示画面的图。
图20是表示实施方式3的目的地预测装置的结构的框图。
图21是表示是否将行动与地点相关联来进行记录的确认画面的图。
图22是表示是否将行动与类别相关联来进行记录的确认画面的图。
图23是表示行动-地点DB的记录信息的图。
图24是表示行动-地点DB的记录信息的图。
图25是表示行动-类别DB的记录信息的图。
图26是表示实施方式4的目的地预测装置的结构的框图。
图27是表示实施方式5的目的地预测装置的结构的框图。
具体实施方式
<A.实施方式1>
<A-1.结构、动作>
图1是表示实施方式1的目的地预测装置100的结构的框图。目的地预测装置100搭载于车辆等移动体,对该移动体的目的地进行预测。下面,将目的地预测装置100作为搭载于车辆的装置进行说明。
目的地预测装置100的特征在于,包括:位置检测部1、抵达判断部2、访问历史获取部3、行动历史获取部4、类似行动日期提取部5、目的地候补提取部6、以及显示信息生成部7,其使用行动历史来对目的地进行预测。
行动历史是将用户过去的行动记录、将来的行动预定与日期相关联而得到的历史信息。行动历史记录于可与目的地预测装置100进行通信的智能手机、PDA(Personal Digital Assistant:个人数字助理)、平板电脑等移动终端或者具有服务器的行动历史DB21。
图2示出行动历史DB21所记录的与用户的行程相关的行动历史的具体例。行动历史包含有“到B公司出差”、“高尔夫”等行动内容及其日期。图2所示的行动历史通过下述方式来生成,即:例如,用户使用排程器应用,在智能手机或与智能手机存在连接关系的服务器上,记录自己的行程、过去的行动。
行程是行动历史的一个示例,目的地预测装置100也可以使用用户的Web页面阅览历史(图9)、或邮件收发历史(图10)来作为行动历史。Web页面阅览历史例如包含有所阅览的Web页面的URL(Uniform Resource Locator:统一资源定位符)、标题、阅览日期。邮件收发历史例如包含有收发人的邮件地址、正文、收发日期。此外,也可以将Web检索关键词历史、电话拨打接收历史、日志、SNS(Social Networking Service:社交网络服务)发送历史等作为行动历史进行处理。
访问历史是指将用户过去利用搭载有目的地预测装置100的车辆所访问过的地点与其日期相关联而得到的历史信息。访问历史记录于可与目的地预测装置100进行通信的智能手机、PDA、平板电脑等移动终端、或者具有服务器的访问历史DB20。其中,访问历史DB20可以由目的地预测装置100所具备。
图4示出访问历史DB20所记录的访问历史的具体例。访问历史包含有表示向访问地点出发的日期的出发日期、表示抵达访问地点的日期的抵达日期、以及表示访问地点的纬度经度的信息。另外,无需同时包含出发日期和抵达日期,只要包含其中任意一个即可。
接着,对目的地预测装置100的内部结构进行说明。位置检测部1接收GPS(Global Positioning System:全球定位***)信号,同时获取车辆当前所在地的纬度经度和时间。接着,将所获取到的这些信息作为当前位置信息输出到抵达判断部2和目的地候补提取部6。
抵达判断部2例如按照一定周期来获取车辆状态,在基于此判断出车辆已抵达目的地的情况下,将访问历史记录到外部的访问历史DB20。例如,在发动机OFF(关闭)、停车齿轮、或手刹ON(启动)持续了一定时间的情况下,判断为车辆已抵达目的地,从而将从位置检测部1获取到的当前位置信息与日期一起作为访问历史记录到访问历史DB20。或者,在发动机OFF经过了一定时间以上之后再变为发动机ON的时刻,将当前位置信息与发动机OFF的期间一起作为访问历史记录到访问历史DB20。
访问历史获取部3从通过有线或无线连接的访问历史DB20获取访问历史,并向目的地候补提取部6输出。获取的时刻例如是车辆的辅助电源变为ON的时刻、或是用户输入了设定目的地的命令的时刻。另外,可以获取访问历史DB20所记录的所有历史,也可以获取预先设定的期间的历史。
行动历史获取部4从通过有线或无线连接的行动历史DB21获取行动历史,并向类似行动日期提取部5输出。获取的时刻例如是车辆的辅助电源变为ON的时刻、或是用户输入了设定目的地的命令的时刻。这里,也可以使用数据备份功能来获取行动历史。若在智能手机上实现行动历史DB21,则可以通过与该智能手机所安装的应用进行通信来获取行动历史。若在服务器上实现行动历史DB21,则使用预先在目的地预测装置100中设定的服务器的地址和账户设定来与服务器相连接。另外,可以获取行动历史DB21所记录的所有历史,也可以获取预先设定的期间的历史。
类似行动日期提取部5在从行动历史获取部4获取到行动历史后,从行动历史中提取出进行与最近的行动相类似的行动的日期(类似行动日期),并向目的地候补提取部6输出。这里所说的最近的行动定义为从当前日期起的过去规定期间内的行动,类似行动日期定义为进行了与最近的行动相类似的行动且从当前日期起过去规定期间之前的日期。图2的行动历史中,若将当前日设为“2012/09/20”,且将当天设为从当前日期起的过去规定期间,则在当天存在标注有“到B公司出差”这一说明文字的行动历史。类似行动日期提取部5从比“2012/09/20”要早的行动历史中检索标注有“到B公司出差”这一说明文字的日期,从而提取出“2012/09/07 13:00”和“2012/08/29 13:00”作为类似行动日期。图3示出类似行动日期的数据例。
另外,对于行动历史的每个种类,用于设定提取类似行动日期时的范围的上述规定期间可以不同。例如,若为Web页面阅览历史,则获取对下述页面进行阅览的日期作为类似行动日期,该页面与过去12小时内所阅览的页面的页面标题及域名相一致。若为电话拨打接收历史,则获取与下述号码进行通话的日期作为类似行动日期,该号码与过去3小时内进行了通话的电话号码相一致。若为邮件收发历史,则获取对下述邮件进行收发的日期作为类似行动日期,该邮件具有与过去12小时内所收发的邮件地址相一致的邮件地址。若为Web检索关键词历史,则获取利用与当天的检索关键词相同的关键词来进行检索的日期作为类似行动日期。若为日志,则获取下述日志被记录的日期作为类似行动日期,该日志与过去12小时内所记录的日志相一致。
此外,在为预测目的地而预先设定了适当的类似行动日期数的阈值,且类似行动日期的提取数小于阈值的情况下,可以重新对上述规定期间进行设定,使其加长,然后再次进行类似行动日期的提取。对于Web页面阅览历史等行动由字符串来表示的行动历史,通过对字符串进行形态分析,以单词或单词的组合这样的语句单位来检索相一致的行动,但也可以通过降低判断为类似的基准,例如将判断相一致的字符串的单位从语句改变为单词等,从而易于提取出类似行动日期。
相反,在类似行动日期的提取数为阈值以上的情况下,可以重新对上述规定期间进行设定,使其缩短,然后再次进行类似行动日期的提取。并且,对于Web页面阅览历史等行动由字符串来表示的行动历史,可以通过提高判断为类似的基准,例如将判断相一致的字符串的单位从单词改变为语句等,从而易于提取出类似行动日期。
此外,在从当前日期起的过去规定期间内不存在行动历史的情况下,可以提取出比其更早的过去所述规定期间以上没有行动的期间作为类似行动期间,并从类似行动期间提取出任意的日期作为类似行动日期。在图2的示例中,若将当前日期设为“2012/09/09”,将当前日期和当天设为规定期间内,则将相同的一天以上没有行动历史的“2012/08/29 13:00-2012/08/31 18:00”和“2012/08/31 18:00-2012/09/039:00”作为类似行动期间,并且将例如各期间的中心点“2012/08/30 15:30”和“2012/09/02 01:30”作为类似行动日期。
目的地候补提取部6在从类似行动日期提取部5获取类似行动日期后,基于类似行动日期和从访问历史获取部3获取到的访问历史提取出目的地候补。具体而言,从访问历史中提取出与类似行动日期相接近的日期的访问地点。这里所说的与类似行动日期相接近的日期是指从类似行动日期起规定期间内的日期,可以是出发时间或抵达时间中的任一个。这里所说的规定期间若设为与类似行动日期的提取过程中所使用的规定期间相同的期间,则能够高精度地进行目的地候补的提取。在图2的示例中,由于将“2012/09/20”当天设为在规定期间内来进行类似行动日期的提取,因此,“2012/09/07 13:00”的当天即“2012/09/07”和“2012/08/29 13:00”的当天即“2012/08/29”在规定期间内,从而提取出在该期间内所访问的地点。在图4的示例中,地点1(34.000,135.500)和地点2(34.700,135.678)分别被提取出两次作为目的地候补。这里,在类似行动日期后的规定期间内的范围内对目的地候补进行提取。然而,在将行程用于行动历史的情况下,考虑到实际抵达访问地点会比预定时刻要晚,因此,可以在从类似行动日期起追溯到规定期间内的范围内进行提取。
目的地候补提取部6对各目的地候补的提取次数进行计数。
此外,目的地候补提取部6从位置检测部1获取车辆的当前位置信息,并从目的地候补中删除当前所在地。例如,若设为当前所在地是地点2,则从目的地候补中删除地点2,目的地候补仅为地点1。接着,将目的地候补输出至显示信息生成部7。在存在多个目的地候补的情况下,将目的地候补列表信息输出至显示信息生成部7。另外,目的地候补的信息中,除了纬度经度的信息之外,还可以附有提取次数。
显示信息生成部7在从目的地候补提取部6接受到目的地候补的信息后,生成目的地候补的显示画面并输出至显示装置30。图5示出目的地候补为多个时进行列表显示的示例。画面的左半部分显示的是记载有地名的目的地候补的列表,画面的右半部分显示的是用户所选择的目的地候补的地图显示、以及从当前所在地到目的地候补的距离。另外,可以以提取次数从多到少的顺序来排列显示目的地候补的列表,从而用户容易选择到最有可能被考虑的目的地候补。这样的显示画面在显示装置30中进行显示,用户观察该显示画面并对某一目的地候补进行选择,由此能够容易地进行目的地的设定。
此外,在显示信息生成部7从目的地候补提取部6获取到特定的目的地候补的情况下,与目的地候补列表同样地生成目的地候补的显示画面,用户通过观察该显示画面并进行目的地候补的选择,从而能够容易地进行目的地的设定。或者,也可以不等待用户的选择而将唯一的目的地候补设定作为目的地,并生成将这一情况通知给用户的显示画面(图6)。另外,此时,也一并显示在用户不同意该目的地的情况下解除目的地设定的取消按钮。
访问历史获取部3、行动历史获取部4由利用3G线路、互联网进行通信的通信接口来实现。抵达判断部2由从车辆侧获取车辆状态的通信接口、以及执行RAM(Random Access Memory:随机存取存储器)等存储器所存储的程序的CPU(Central Processing Unit:中央处理器)来实现。位置检测部1作为接收GPS信号的通信接口来实现。类似行动日期提取部5、目的地候补提取部6、显示信息生成部7由执行RAM等存储器所记录的程序的CPU来实现。
<A-2.变形例>
在以上的说明中,将目的地预测装置100作为搭载于车辆的装置,将访问历史DB20和行动历史DB21设置在移动终端或服务器上。然而,访问历史DB20和行动历史DB21中的至少一个可由目的地预测装置100所具有。此外,目的地预测装置100可以不是车载装置,而在移动终端或服务器上构成。在目的地预测装置100由服务器构成的情况下,通过通信从车辆侧获取发动机状态等车辆状态、车辆的当前位置信息。或者,目的地预测装置100的各结构要素可由车载装置、移动终端、服务器适当分担。
此外,在目的地预测装置100设为搭载于车辆的装置,并在移动终端或服务器上构成访问历史DB20和行动历史DB21的情况下,目的地预测装置100还可以具备本地访问历史DB24和本地行动历史DB25。图7示出具有这种结构的目的地预测装置101。访问历史获取部3例如将每隔一定时间从访问历史DB20获取到的访问历史记录到本地访问历史DB24。本地访问历史DB24中也可以记录最终更新日期。行动历史获取部4例如将每隔一定时间从行动历史DB21获取到的行动历史记录到本地行动历史DB25。本地行动历史DB25中也可以记录最终更新日期。
目的地预测装置101若在与访问历史DB20或行动历史DB21相连接时,在本地访问历史DB24或本地行动历史DB25中记录各自的历史信息,则无需始终进行网络连接或与移动终端进行连接,而可以使用上一次连接时的历史信息进行目的地的预测。
<A-3.效果>
实施方式1的目的地预测装置100包括:行动历史获取部4,该行动历史获取部4从记录有将用户的行动和日期相关联而得到的行动历史的行动历史DB21中获取行动历史;访问历史获取部3,该访问历史获取部3从记录有将移动体的访问地点与日期相关联而得到的访问历史的访问历史DB20中获取访问历史;类似行动日期提取部5,该类似行动日期提取部5参照行动历史判断从当前日期起追溯到规定期间内的行动与其他期间的行动是否类似,而后从行动历史中提取出判断为类似的其他期间的行动的日期作为类似行动日期;以及目的地候补提取部6,该目的地候补提取部6从访问历史中提取出类似行动日期的前后规定期间内所访问的地点作为目的地候补。访问历史DB20和行动历史DB21可以在可与目的地预测装置100相连接的移动终端或服务器上构成,访问历史DB20和行动历史DB21的至少任意一个也可以由目的地预测装置100所具有。根据上述结构,能够从访问历史提取出目的地候补,因此能够容易地预测目的地而无需依赖于复杂的概率计算等。
此外,行动历史包含有排程器、Web检索关键词历史、Web页面阅览历史、电话拨打接收历史、邮件收发历史、日志、SNS发送历史中的至少一个。由此,可以通过从各种行动历史中提取出类似行动日期,从而容易地预测目的地。
类似行动日期提取部5在类似行动日期的提取数小于阈值的情况下,扩大提取类似行动日期时的规定期间,或者降低判断为类似的基准,并再次进行是否类似的判断,由此能够增加类似行动日期的提取数。
并且,类似行动日期提取部5在类似行动日期的提取数在阈值以上的情况下,缩小提取类似行动日期时的规定期间,或者提高判断为类似的基准,并再次进行是否类似的判断,由此能够减少类似行动日期的提取数。
目的地预测装置100还包括生成用于在显示装置30显示目的地候补的显示信息的显示信息生成部7,目的地候补提取部6在多次提取出同一地点作为目的地候补的情况下对提取次数进行计数,显示信息生成部7生成将多个目的地候补按提取次数的顺序排列的显示信息。由此,能够积极地将过去的行动历史中最有可能被考虑的目的地候补通知给用户。
此外,目的地预测装置100还具备抵达判断部2(访问历史记录控制部),该抵达判断部2基于车辆的发动机、齿轮、手刹中的至少任一个的状态,将当前地点作为访问地点记录到访问历史DB20。抵达判断部2根据发动机、齿轮、手刹等的状态判断车辆是否停止了一定时间以上,由此能够在抵达目的地时对访问历史进行记录。
类似行动日期提取部5在行动历史中从当前日期起追溯到规定时间内没有行动的情况下,将当前日期的所述规定期间之前的行动历史中在所述规定期间以上没有行动的期间作为类似行动期间,并从类似行动期间中提取出确定的特定日期作为类似行动日期。由此,即使在没有最近的行动历史的情况下,也能够以“没有行动”作为特征来提取类似行动日期,将与“没有行动”相关联的某一地点预测作为目的地。
对于各行动由字符串来表示的行动历史,类似行动日期提取部5进行字符串的形态分析,根据单词或单词的组合来判断是否类似,由此能够进行类似行动日期的提取。
此外,实施方式1的变形例的目的地预测装置101由于包括记录访问历史获取部3所获取到的访问历史的本地访问历史DB24、以及记录行动历史获取部4所获取到的行动历史的本地行动历史DB25,因此,即使不始终与服务器进行网络连接或与移动终端进行连接,也能使用过去连接时所获取到的历史信息来进行目的地的预测。
实施方式1的目的地预测方法包括:(a)从用户的行动与日期相关联得到的行动历史中,提取出进行与从当前日期起追溯到规定期间内的行动相类似的行动的类似行动日期的步骤;(b)从移动体的访问地点与日期相关联得到的访问历史中,提取出类似行动日期前后的所述规定期间内所访问的地点作为目的地候补的步骤。由此,能够容易地提取目的地候补而无需依赖于复杂的概率计算等。
实施方式1的目的地显示方法是预测移动体的目的地并使该目的地显示于显示部的目的地显示方法,包括:(a)将作为类似行动日期前后的所述规定期间内所访问的地点从访问历史中被提取出的目的地候补显示于显示部的步骤,该类似行动日期是作为与从当前日期之前的规定期间内的行动相类似的行动从行动历史中被提取出的类似行动的日期,在行动历史中相关联地记录有个人的行动与日期,在访问历史中相关联地记录有访问地点和日期。由此,通过容易地提取并显示目的地候补而无需依赖于复杂的概率计算等,从而用户能够容易地进行目的地设定。
<B.实施方式2>
<B-1.结构、动作>
图8是表示实施方式2所涉及的目的地预测装置102的结构的框图。目的地预测装置102与实施方式1的目的地预测装置100的不同点在于,使用多个种类的行动历史DB21A、21B、21C来提取目的地候补,除了目的地预测装置100的结构之外,还包括设施类别获取部8、记录判断部9以及设施类别列表生成部10。下面,对将目的地预测装置102设为搭载于车辆,并在移动终端或服务器上构成行动历史DB21A、21B、21C及访问历史DB20的情况进行说明,但与实施方式1相同,行动历史DB21A、21B、21C及访问历史DB20中的至少一个可由目的地预测装置102所具有。图8中,对于对应于图1所示的实施方式1的目的地预测装置100的结构要素标注相同的参照标号,下面,仅对与实施方式1不同的部分进行说明。
行动历史DB21A、21B、21C是排程器、Web页面阅览历史、Web检索关键词历史、电话拨打接收历史、日志、SNS发送历史等不同种类的行动历史、是驾驶员与同车人员等不同用户的行动历史。
图12示出访问历史DB20所记录的访问历史的具体例。访问历史包含有表示向访问地点出发的日期的出发日期、表示抵达访问地点的日期的抵达日期、表示访问地点的纬度经度的信息、以及访问地点的设施类别。另外,无需同时包含出发日期和抵达日期,只要包含其中任意一个即可。
行动历史获取部4从行动历史DB21A、21B、21C一并获取行动历史及其种类。
类似行动日期提取部5从行动历史获取部4所获取到的行动历史中提取出类似行动日期,且一并提取出作为提取类似行动日期的提取源的行动历史的种类。图11示出在使用行程(图2)、Web页面阅览历史(图9)、邮件收发历史(图10)作为行动历史的情况下所提取出的类似行动日期的数据例。类似行动日期的提取方法与实施方式1相同。图11中,图3所示的类似行动日期被作为种类“行程”提取出,除此以外,从Web页面阅览历史中,将过去阅览了9月20日当天所阅览的“bbb交通信息”和“行程”的“2012/09/07 11:00”和“2012/09/07 09:00”提取出。并且,从邮件收发历史中,将发送下述邮件的日期即“2012/08/29 12:00”提取出,该邮件具有与9月20日当天所发送的邮件相同的发送对象。
设施类别获取部8从位置检测部1获取当前位置信息,并参照地图数据获取当前所在地的设施类别,并输出至记录判断部9。
记录判断部9在抵达判断部2判断为已抵达目的地后,基于从设施类别获取部8所获取到的当前所在地的设施类别,来判断是否将当前所在地的访问历史记录到访问历史DB20。例如,在当前所在地的地点类别为加油站或高速道路的服务区的情况下,判断为不需要进行记录。在判断为进行记录的情况下,将出发日期、抵达日期、纬度、经度、设施类别作为访问历史记录到访问历史DB20。记录判断部9与抵达判断部2一起作为控制向访问历史DB20的记录的访问历史记录控制部进行动作。
目的地候补提取部6在从类似行动日期提取部5获取类似行动日期后,基于类似行动日期和从访问历史获取部3获取到的访问历史提取出目的地候补。目的地候补的提取方法与实施方式1相同。对于行程、Web页面阅览历史、邮件收发历史,分别将目的地候补的提取期间设为当天、12小时、12小时。图11、12的示例中,从行程中提取出地点1(34.000,135.500)和地点2(34.700,135.678)各两次,从Web页面阅览历史中提取出地点1(34.000,135.500)和地点2(34.700,135.678)各两次,从邮件收发历史中提取出地点1(34.000,135.500)和地点2(34.700,135.678)各一次。
对行动历史预先标注与种类相对应的分配点数。图13是行动历史的分配点数例,越是从分配点数较高的行动历史中提取出的目的地候补,表示该目的地候补的可靠性越高。分配点数可以由用户任意设定。
目的地候补提取部6对目的地候补的提取次数进行计数,对于行动历史的每个种类所标注的分配点数,根据在该行动历史中所提取出的类似行动日期数来进行分配,并根据在该类似行动日期所提取出的地点数进行分配。
在图11~13的示例中,对于在行程中提取出的日期“2012/09/07 13:00”和“2012/08/29 13:00”,将针对行程的分配点数50点加以分割,将各日期的分配点数设为25点。接着,对于从“2012/09/07 13:00”中提取出的地点1(34.000,135.500)和地点2(34.700,135.678),分割该日期的分配点数25点,将地点1、2的分配点数均设为12.5点。接着,对于从“2012/08/29 13:00”中提取出的地点1(34.000,135.500)和地点2(34.700,135.678),分割该日期的分配点数25点,将地点1、2的分配点数均设为12.5点。由此,对于从行程中提取出的所有日期,地点1、2的分配点数总计均为25点。
若对Web页面阅览历史也进行上述处理,则地点1、2的分配点数分别为12.5点。若对邮件收发历史也进行上述处理,则地点1、2的分配点数分别为12.5点。因此,对于地点1,所有行动历史中的分配点数总计分配了50点,对于地点2,也同样分配了50点。由此,被分配给目的地候补的点数表示其提取次数在所有的目的地候补的提取次数的总和中所占的比例。点数越高,则该目的地候补的提取次数占整体的提取次数的比例越高,可认为与最近的行动的关联度越高。
图14示出记载有每个目的地候补的提取次数和点数的目的地候补列表。另外,目的地候补提取部6从位置检测部1获取当前位置信息,若地点2(34.700,135.678)与当前所在地是相同地点,则仅地点1成为目的地候补。目的地候补提取部6将目的地候补部的提取次数和点数输出至关联度判断部11。
图15是表示目的地候补提取部6的分配点数处理的流程图。首先,判断对于所有种类的行动历史的处理是否完成(步骤S1),若处理没有完成,则选择未处理的行动历史(步骤S2)。接着,将从所选择的行动历史中提取出的类似行动日期的日期数去除分配给该行动历史的分配点数(步骤S3)。接着,判断是否对从所选择的行动历史中提取出的所有的类似行动日期进行了处理(步骤S4),若处理未完成,则选择未处理的类似行动日期(步骤S5)。接着,将从所选择的类似行动日期中提取出的目的地候补数去除分配给所选择的类似行动日期的分配点数(步骤S6)。然后,判断是否对在所选择的类似行动日期所提取出的所有的目的地候补进行了处理(步骤S7),若处理未完成,则选择未处理的目的地候补(步骤S8)。接着,将所选择的目的地候补的分配点数与步骤S6中求得的分配点数相加。若对步骤S7中所有的地点确认完毕,则返回步骤S4。在步骤S4中,若对在处理中的行动历史中提取出的类似行动日期全部确认完毕,则返回步骤S1。在步骤S1中,若对全部种类的行动历史确认完毕,则结束处理。
接下来,对关联度判断部11进行说明。关联度判断部11基于由目的地候补提取部6提取出的目的地候补的点数,判断最近的行动与目的地候补的关联度,并将关联度较高的目的地候补预测为目的地。在没有发现关联度较高的目的地候补的情况下,从设施类别列表生成部10获取目的地候补的设施类别列表,根据类别进行目的地设定。
设施类别列表生成部10在关联度判断部11没有发现关联度较高的目的地候补的情况下,从关联度判断部11获取目的地候补列表,基于此生成设施类别列表,并输出至关联度判断部11。设施类别列表通过以下方式生成,即:将目的地候补列表(图17(a))中的目的地候补的纬度和经度信息替换为设施类别(图17(b)),并且对于相同的设施类别,将提取次数和点数相加而归为一类(图17(c))。设施类别例如可根据地图数据来获得。
图16是表示关联度判断部11的动作的流程图。首先,关联度判断部11判断所有的目的地候补的总计提取次数是否在预先设定的阈值以上(步骤S11)。若在阈值以上,则判断目的地候补的最高点数是否在预先设定的阈值以上(步骤S12)。若最高点数在阈值以上,则判断为该目的地候补与最近的动作的关联度较高,从而将其预测作为目的地并向显示信息生成部7进行输出(步骤S13)。
在步骤S11中,在所有的目的地候补的总计提取次数小于阈值的情况下,由于数据不够集中从而目的地候补的提取精度较低,因此无法确定为特定的目的地候补,于是将目的地候补列表输出至显示信息生成部7(步骤S14),然后结束处理。换言之,将目的地候补列表的所有的目的地候补预测为目的地。其中,在目的地候补只有一个的情况下,将该目的地候补输出至显示信息生成部7。
在步骤S12中,在目的地候补的最高点数小于阈值的情况下,参照从设施类别列表生成部10获取到的设施类别列表,判断设施类别的最高点数是否在阈值以上(步骤S15)。若在阈值以上,则将该设施类别预测为目的地的设施类别。接着,执行基于该设施类别的目的地检索,并将检索结果输出至显示信息生成部7(步骤S16)。若小于阈值,则将设施类别列表输出至显示信息生成部7(步骤S14)。换言之,将设施类别列表的所有的设施类别预测为目的地的设施类别。
显示信息生成部7基于从关联度判断部11获取到的信息,生成显示装置30的显示画面并输出至显示装置30。在从关联度判断部11获取到目的地候补列表的情况下,生成图5所示的目的地候补的显示画面。看到该画面的用户通过选择列表中的目的地候补来设定目的地。这里,可以生成按照提取次数或点数的顺序来对目的地候补列表进行排序的显示画面。由此,用户容易选择成为目的地的可能性较高的目的地候补。在从关联度判断部11获取到设施类别列表的情况下,生成图18所示的用于进行设施类别的检索的显示画面。看到该画面的用户若选择例如高尔夫球场,则可通过基于类别“高尔夫球场”的目的地检索来设定目的地。
此外,显示信息生成部7在从关联度判断部11获取到特定的目的地候补的情况下,与目的地候补列表同样地生成目的地候补的显示画面,用户通过观察该显示画面并进行目的地候补的选择,从而能够容易地进行目的地的设定。或者,也可以不等待用户的选择而将唯一的目的地候补设定作为目的地,并生成将这一情况通知给用户的显示画面(图6)。另外,此时,也一并显示在用户不同意该目的地的情况下解除目的地设定的取消按钮。在进行了目的地的设定之后,在从当前所在地到目的地的道路引导中,可以显示到目的地的预计抵达时间、路径上的拥堵信息等。
显示信息生成部7在从关联度判断部11获取到特定的设施类别的情况下,基于该设施类别进行目的地检索,并生成检索结果的显示画面。图19是在高尔夫球场被确定为设施类别的情况下的显示画面例。用户能够通过观察该显示画面并对某一高尔夫球场进行选择,从而来容易地进行目的地的设定。基于设施类别的目的地检索中,可以从由目的地候补提取部6生成的目的地候补列表中,提取出类别与特定的设施类别(高尔夫球场)相一致的目的地候补。此外,也可以使用目的地候补列表中属于特定的设施类别(高尔夫球场)的目的地候补的位置信息,来限定基于设施类别的目的地检索的地区。例如若目的地候补列表中类别为高尔夫球场的目的地候补全部都是A县的高尔夫球场,则对A县的高尔夫球场进行检索,并在显示装置30显示该检索结果。
另外,实施方式1的变形例也可适用于实施方式2。
<B-2.效果>
实施方式2的目的地预测装置102包括:关联度判断部11(目的地等预测部),该关联度判断部11根据目的地候补提取部6所提取出的目的地候补来预测目的地或其类别;以及显示信息生成部7,该显示信息生成部7生成用于将关联度判断部11所预测出的目的地或其类别通知给用户的显示信息。目的地候补提取部6在多次提取到同一地点作为目的地候补的情况下,对提取次数进行计数,关联度判断部11将满足下述条件的目的地候补预测为目的地,即:所有的目的地候补的提取次数的总和在第1阈值以上,且该目的地候补的提取次数在所有的目的地候补的提取次数的总和中所占的比例在第2阈值以上。由此,在存在与最近的行动的关联度较高的目的地候补的情况下,将该目的地候补预测为目的地。
在实施方式2的目的地预测装置102中,目的地候补提取部6在多次提取出同一地点作为目的地候补的情况下,对提取次数进行计数,关联度判断部11(目的地等预测部)在所有的目的地候补的提取次数的总和小于第1阈值的情况下,将所有的目的地候补预测为目的地。在提取次数的总和较少的情况下,由于目的地候补的提取精度较低,预测结果无法集中到任一个目的地候补,因此,将所有的目的地候补预测为目的地。通过例如对所有的目的地候补进行列表显示,并由用户进行选择,从而用户能够容易地设定目的地。
此外,实施方式2的目的地预测装置102包括获取目的地候补的设施类别的设施类别获取部8、以及按设施类别计算目的地候补的提取次数的设施类别列表生成部10(各类别提取次数计算部),目的地候补提取部6在提取出同一地点作为目的地候补的情况下,对该提取次数进行计数,关联度判断部11(目的地等预测部)在提取次数为第1阈值以上且任一目的地候补的提取次数在所有的目的地候补的提取次数的总和中所占的比例均小于第2阈值的情况下,从设施类别获取部8获取各目的地候补的设施类别,并将各设施类别的提取次数在为阈值以上的设施类别预测为目的地的设施类别。由此,在目的地候补提取部6所提取出的目的地候补与最近的行动的关联度均不高的情况下,基于与最近的行动的关联度较高的目的地候补的设施类别来进行目的地的预测。在该情况下,显示信息生成部7生成表示基于关联度判断部11所预测出的设施类别的目的地检索结果的显示信息,因此,用户根据该检索结果能够容易地对目的地进行设定。并且,可以使用属于关联度判断部11所预测出的设施类别的目的地候补的位置信息来缩小检索的地区,由此,检索精度得以提高。
在实施方式2的目的地预测装置102中,关联度判断部11(目的地等预测部)在提取次数在第1阈值以上,且任一目的地候补的提取次数在所有的目的地候补的提取次数的总和中所占的比例均小于第2阈值的情况下,从设施类别获取部8获取各目的地候补的设施类别,若每个设施类别的提取次数均小于阈值,则将所有的设施类别预测为目的地的设施类别。该情况下,显示信息生成部7生成按每个设施类别的提取次数的顺序排列的设施类别的列表显示画面作为显示信息,因此,通过利用用户从该列表显示画面中选择的设施类别来进行目的地检索,从而能够容易地对目的地进行设定。
此外,实施方式2的目的地预测装置102中的记录判断部9(访问历史记录控制部)基于当前地点的实施类别来判断是否要对访问历史DB20进行记录,由此,例如在当前所在地的地点类别为加油站或高速道路的服务区的情况下,可判断为无需对访问历史DB进行记录。并且,记录判断部9(访问历史记录控制部)在将当前地点设为访问地点的情况下,可将当前地点的设施类别一并记录到访问历史DB。
实施方式2的目的地预测方法包括(c)根据目的地候补来设定目的地的步骤,步骤(c)包括(c1)获取目的地候补的设施类别的步骤、以及(c2)通过使用设施类别的目的地检索来设定目的地的步骤,因此,能够容易地提取出目的地候补而无需依赖于复杂的概率计算等。
<C.实施方式3>
<C-1.结构、动作>
图20是表示实施方式3的目的地预测装置103的结构的框图。图20中,对于与图8所示的目的地预测装置102相同或相对应的结构要素标注相同的参照标号。目的地预测装置103在实施方式2的目的地预测装置102的结构的基础上,还包括行动记录部12、信息检索部13、行动-地点DB22、行动-类别DB23。下面,仅对与目的地预测装置102的不同点进行说明。
抵达判断部2在判断为已抵达目的地之后,向行动记录部12输出该信息以及当前所在地的位置信息。行动记录部12接受上述信息,并确认当前所在地是否与目的地候补提取部6所提取出的目的地候补相一致。
在一致的情况下,判断为该目的地候补与作为提取出该目的地候补的提取源的行动历史的关联被证实,从而在显示装置30显示向用户确认是否要记录到行动-地点DB22以便再次利用该关联的消息(图21)。
在用户选择了进行记录的情况下,行动记录部12将判断为相关联的目的地候补的位置信息与行动历史对应起来记录到行动-地点DB22。图23示出关于行程的行动-地点DB22的记录信息的一个示例,图24示出关于Web页面阅览历史的行动-地点DB22的记录信息的一个示例。
或者,在关联度判断部11中没有发现关联度较高的目的地候补,从而基于设施类别来进行目的地设定的情况下,行动记录部12从设施类别获取部8获取当前所在地的类别,并判断是否与目的地设定的设施类别相一致。
在一致的情况下,判断为该设施类别与作为提取出该设施类别的提取源的行动历史的关联被证实,从而在显示装置30显示向用户确认是否要记录到行动-类别DB23以便再次利用该关联的消息(图22)。
在用户选择了进行记录的情况下,行动记录部12将判断为相关联的设施类别与行动历史对应起来记录到行动-类别DB23。图25示出关于行程的行动-类别DB23的一个示例。
关联度判断部11除了实施方式2的功能之外,还具有对行动-地点DB22和行动-类别DB23进行检索的功能。即,在所有的目的地候补的总计提取次数小于阈值的情况下,或者在该总计提取次数为阈值以上且目的地候补的最高点数为阈值以上的情况下,从行动-地点DB22中搜索与最近的行动相关联的地点。这里所说的最近的行动是指在行动历史中从当前日期起过去规定期间所记录的行动。若行动-地点DB22中存在相关联的地点,则替换为目的地候补提取部6所提取出的目的地候补,将该地点作为目的地候补。若行动-地点DB22中存在多个相关联的地点,则由显示信息生成部7生成这些地点的列表显示,在显示装置30中进行显示。
此外,在所有的目的地候补的总计提取次数为阈值以上且目的地候补的最高点数小于阈值的情况下,与行动-地点DB22的检索相同,从行动-类别DB23中搜索与最近的行动相关联的类别。若行动-类别DB23中存在相关联的设施类别,则替换为目的地候补提取部6所提取出的目的地候补的设施类别,从而采用该设施类别。在显示信息生成部7中显示基于所采用的设施类别的目的地检索结果,供用户进行目的地选择。在行动-类别DB23中存在多个相关联的设施类别的情况下,由显示信息生成部7生成该多个设施类别的选择画面,显示基于用户所选择的设施类别的目的地检索结果,供用户进行目的地选择。
信息检索部13在用户从输入装置31输入了行动内容时,获取该输入并对行动-地点DB进行检索。输入装置31是键盘或音频输入接口。例如,在用户说出或通过文字输入“祖父的家”的情况下,对行动-地点DB进行检索,获取与祖父的家相关联的地点。若存在与祖父的家相关联的地点,则显示信息生成部7生成将该地点设定为目的地的显示画面,并通过显示装置30向用户进行显示。
同样地,信息检索部13也可以对行动-类别DB进行检索,获取与用户所输入的行动内容相关联的设施类别。该情况下,显示信息生成部7生成基于该设施类别的目的地检索结果以作为显示信息。
另外,实施方式1的变形例也可适用于实施方式3。
<C-2.效果>
实施方式3的目的地预测装置103包括行动-地点DB22,该行动-地点22是在移动体已抵达目的地候补提取部6所提取到的目的地候补时,将成为目的地候补的提取源的行动历史的行动内容与该目的地候补相关联地进行登记而得到的,关联度判断部11(目的地等预测部)在行动-地点DB所登记的行动内容与行动历史所记录的从当前日期起过去规定期间内的行动内容相同时,将行动-地点DB中与该行动内容相关联的目的地候补预测为目的地。由此,通过将与过去的行动内容的关联得到证实的目的地候补预测为目的地,从而能够提高目的地的预测精度。
实施方式3的目的地预测装置103还包括获取目的地候补的设施类别的设施类别获取部8、以及行动-类别DB23,该行动-类别DB23是在移动体已抵达属于设施类别获取部8所获取到的目的地候补的设施类别的地点时,将成为目的地候补的提取源的行动历史的行动内容与设施类别进行登记而得到的,关联度判断部11(目的地等预测部)在行动-类别DB23中所登记的行动内容与行动历史中所记录的从当前日期起过去规定期间内的行动内容相同时,将行动-类别DB23中与该行动内容相关联的设施类别预测为目的地的设施类别。由此,通过将与过去的行动内容的关联得到证实的目的地候补的设施类别预测为目的地的设施类别,从而能够提高设施类别的预测精度。
<D.实施方式4>
<D-1.结构、动作>
图26是表示实施方式4的目的地预测装置104的结构的框图。图26中,对于与图1所示的实施方式1的目的地预测装置100相同或相对应的结构要素标注相同的参照标号。目的地预测装置104除了目的地预测装置100的结构以外,还包括特征行动提取部14。由于特征行动提取部14以外的结构与目的地预测装置100相同,因此省略说明。
特征行动提取部14从行动历史获取部4获取行动历史,根据行动历史所记录的各行动来提取特征行动。类似行动日期提取部5从特征行动提取部14获取关于特征行动的行动历史,并提取出行动历史中进行与最近(从当前日期起过去的规定期间内)的特征行动相类似的特征行动的日期作为类似行动日期。
这里所说的特征行动表示日常所进行的行动以外的行动。例如对于到公司上班这样的行动历史,若是在平日,则每天都存在,因此获取该行动历史并提取类似行动日期的价值不大。通过将这种普遍存在的行动除外,而根据特征行动来提取出类似行动日期,能够提高目的地预测的精度。
提取特征行动的方法的一个示例是TF·IDF法。TF·IDF法中,通过将从当前日期起过去的规定期间内各行动的出现频率(=所关注的行动的出现数/所有行动的出现数)和逆行动频率(=log2(行动历史天数/所关注的行动的出场天数))相乘来计算重要度,并从行动历史中提取出重要度超过阈值的行动作为特征行动。
另外,实施方式1的变形例也可适用于实施方式4。
<D-2.效果>
实施方式4的目的地预测装置104包括特征行动提取部14,该特征行动提取部14从行动历史中,提取出通过TF·IDF法计算得到的行动的出现频率与逆行动频率的乘积为阈值以上的行动作为特征行动,类似行动日期提取部5对行动历史中从当前日期追溯到规定期间内的特征行动与其他期间的特征行动是否类似进行判断。通过将普遍存在的行动除外,而根据特征行动来提取出类似行动日期,能够提高目的地预测的精度。
<E.实施方式5>
实施方式1~4中,为了辅助用户设定目的地,在出发时对目的地及其设施类别进行预测。另一方面,以专利文献1、2为代表,现有技术所考虑的是使用车辆的行驶路径来预测目的地的技术。实施方式5中,通过将实施方式1~4的目的地预测与现有技术的基于行驶路径的目的地预测进行组合,从而以更高的精度进行目的地预测。
<E-1.结构、动作>
图27是表示实施方式5的目的地预测装置105的结构的框图。目的地预测装置105在实施方式2的目的地预测装置102的结构的基础上,还包括现有技术的基于行驶路径来进行目的地预测的目的地预测部15。图27中,对于与图8所示的目的地预测装置102相同或相对应的结构要素标注相同的参照标号。
目的地预测部15例如按一定周期从位置检测部1获取车辆的当前位置信息,并对车辆出发后到当前所在地为止的行驶路径进行记录。目的地预测部15还从关联度判断部11获取目的地候补及其设施类别。
关联度判断部11将通过关联度判断处理生成的目的地候补及其设施类别输出至显示信息生成部7,并且还输出到目的地预测部15。由于在目的地预测部15中基于行驶路径来预测目的地,因此,在车辆行驶了一定程度的距离后进行预测。由此,在出发时等到由目的地预测部15进行预测为止的期间,与实施方式2同样,关联度判断部11输出的目的地候补及其设施类别成为目的地预测装置105的预测结果。
例如,若车辆的行驶距离超过阈值,目的地预测部15中能够得到足够的行驶路径来进行目的地预测,则目的地预测部15将根据行驶路径预测得到的目的地候补与从关联度判断部11获取到的目的地候补或其设施类别进行对照,将同时满足的目的地候补预测为目的地,并输出至显示信息生成部7。另外,在关联度判断部11的关联度判断处理中目的地候补确定为只有一个的情况下,可以将该目的地候补输出至显示信息生成部7,由此来进行目的地的设定,而不进行目的地预测部15的目的地预测。
显示信息生成部7在从目的地预测部15获取到目的地的预测结果后,生成该地点的地图显示画面、以及将该地点设定为目的地的信息通知给用户的画面。在被预测为目的地的地点存在多个的情况下,可以生成这些地点的列表显示画面,从而用户可以将任一地点选择作为目的地。
根据上述结构,在出发时与实施方式2同样地以用户能够容易地设定目的地的方式输出目的地的预测结果,除此之外,在车辆行驶之后通过组合使用行动历史的目的地预测和使用行驶路径的目的地预测,使得目的地预测精度进一步提高。
另外,在上述说明中,作为将基于行驶路径的目的地预测与实施方式2相组合的示例,对实施方式5的目的地预测装置105进行了说明,但也可以将基于行驶路径的目的地预测与实施方式1、3、4进行组合。在将基于行驶路径的目的地预测与实施方式1相组合的情况下,将目的地候补提取部6所提取出的目的地候补中与根据行驶路径预测得到的目的地候补相一致的目的地候补作为目的地的预测结果输出到显示装置30。
另外,实施方式1的变形例也可适用于实施方式4。
<E-2.效果>
实施方式5的目的地预测装置105包括使用行驶路径来进行目的地预测的目的地预测部15,由于组合使用行动历史的目的地的预测结果和使用行驶路径的目的地的预测结果来预测目的地,因此,能够高精度地对目的地进行预测。而在出发时,由于仅根据行动历史来预测目的地,因此,用户能够容易地对目的地进行设定。
此外,本发明可以在该发明的范围内对各实施方式自由地进行组合,或对各实施方式进行适当的变形、省略。
上述对本发明进行了详细的说明,但上述说明在所有方面均是例示,本发明并不局限于此。未例示的无数变形例可解释为在不脱离本发明的范围内可设想得到。
标号说明
1位置检测部、2抵达判断部、3访问历史获取部、4行动历史获取部、5类似行动日期提取部、6目的地候补提取部、7显示信息生成部、8设施类别获取部、9记录判断部、10设施类别列表生成部、11关联度判断部、12行动记录部、13信息检索部、14特征行动提取部、15目的地预测部、20访问历史DB、21、21A、21B、21C行动历史DB、22行动-地点DB、23行动-类别DB、24本地访问历史DB、25本地行动历史DB、30显示装置、31输入装置、100、101、102、103、104、105目的地预测装置。
Claims (28)
1.一种目的地预测装置,其特征在于,包括:
行动历史获取部,该行动历史获取部从记录有将用户的行动和日期相关联而得到的行动历史的行动历史数据库中,获取所述行动历史;
访问历史获取部,该访问历史获取部从记录有将移动体的访问地点与日期相关联而得到的访问历史的访问历史数据库中,获取所述访问历史;
类似行动日期提取部,该类似行动日期提取部参照所述行动历史,对从当前日期起追溯到规定期间内的行动与其他期间的行动进行是否类似的判断,而后从所述行动历史中提取出判断为类似的所述其他期间的行动的日期作为类似行动日期;以及
目的地候补提取部,该目的地候补提取部从所述访问历史中提取出所述类似行动日期前后的规定期间内所访问的地点作为目的地候补。
2.如权利要求1所述的目的地预测装置,其特征在于,
还包括记录有所述访问历史的所述访问历史数据库,
所述访问历史获取部从所述目的地预测装置所具备的所述访问历史数据库中获取所述访问历史。
3.如权利要求1所述的目的地预测装置,其特征在于,
还包括记录有所述行动历史的所述行动历史数据库,
所述行动历史获取部从所述目的地预测装置所具备的所述行动历史数据库中获取所述行动历史。
4.如权利要求3所述的目的地预测装置,其特征在于,还包括:
记录有所述访问历史的所述访问历史数据库;以及
记录有所述行动历史的所述行动历史数据库,
所述访问历史获取部从所述目的地预测装置所具备的所述访问历史数据库中获取所述访问历史,
所述行动历史获取部从所述目的地预测装置所具备的所述行动历史数据库中获取所述行动历史。
5.如权利要求1所述的目的地预测装置,其特征在于,
所述行动历史包含有排程器、Web检索关键词历史、Web页面阅览历史、电话拨打接收历史、邮件收发历史、日志、SNS发送历史中的至少一个。
6.如权利要求1所述的目的地预测装置,其特征在于,
所述类似行动日期提取部在所述类似行动日期的提取数小于阈值的情况下,扩大所述规定期间或降低判断为类似的基准,并再次进行所述是否类似的判断。
7.如权利要求1所述的目的地预测装置,其特征在于,
所述类似行动日期提取部在所述类似行动日期的提取数为阈值以上的情况下,缩小所述规定期间或提高判断为类似的基准,并再次进行所述是否类似的判断。
8.如权利要求1所述的目的地预测装置,其特征在于,
还包括显示信息生成部,该显示信息生成部生成用于将所述目的地候补显示到显示装置的显示信息,
所述目的地候补提取部在多次提取出同一地点作为所述目的地候补的情况下,对提取次数进行计数,
所述显示信息生成部生成将多个所述目的地候补按所述提取次数的顺序进行排列的所述显示信息。
9.如权利要求1所述的目的地预测装置,其特征在于,包括:
目的地等预测部,该目的地等预测部根据所述目的地候补提取部所提取到的所述目的地候补来预测目的地或者目的地的类别;以及
显示信息生成部,该显示信息生成部生成用于将所述目的地等预测部所预测到的所述目的地或所述目的地的所述类别通知给用户的显示信息。
10.如权利要求9所述的目的地预测装置,其特征在于,
所述目的地候补提取部在多次提取出同一地点作为所述目的地候补的情况下,对提取次数进行计数,
所述目的地等预测部将所有的所述目的地候补的所述提取次数的总和为第1阈值以上、且所述提取次数在所有的所述目的地候补的所述提取次数的总和中所占的比例为第2阈值以上的所述目的地候补预测为目的地。
11.如权利要求9所述的目的地预测装置,其特征在于,
所述目的地候补提取部在多次提取出同一地点作为所述目的地候补的情况下,对提取次数进行计数,
所述目的地等预测部在所有的所述目的地候补的所述提取次数的总和小于第1阈值的情况下,将所有的所述目的地候补预测为目的地。
12.如权利要求9所述的目的地预测装置,其特征在于,还包括:
设施类别获取部,该设施类别获取部获取所述目的地候补的设施类别;以及
各类别提取次数计算部,该各类别提取次数计算部按所述设施类别对所述目的地候补的所述提取次数进行计算,
所述目的地候补提取部在提取出同一地点作为所述目的地候补的情况下,对该提取次数进行计数,
所述目的地等预测部在所述提取次数为第1阈值以上、且任一所述目的地候补的所述提取次数在所有的所述目的地候补的所述提取次数的总和中所占的比例均小于第2阈值的情况下,从所述设施类别获取部获取各所述目的地候补的所述设施类别,并将每个所述设施类别的所述提取次数为阈值以上的所述设施类别预测为目的地的设施类别。
13.如权利要求12所述的目的地预测装置,其特征在于,
所述显示信息生成部生成表示基于所述目的地等预测部所预测到的所述设施类别的目的地的检索结果的所述显示信息。
14.如权利要求13所述的目的地预测装置,其特征在于,
所述显示信息生成部生成表示使用属于所述目的地等预测部所预测到的所述设施类别的所述目的地候补的位置信息而缩小了范围的地区中的所述目的地的检索结果的所述显示信息。
15.如权利要求9所述的目的地预测装置,其特征在于,还包括:
设施类别获取部,该设施类别获取部获取所述目的地候补的设施类别;以及
各类别提取次数计算部,该各类别提取次数计算部按所述设施类别对所述目的地候补的所述提取次数进行计算,
所述目的地候补提取部在提取出同一地点作为所述目的地候补的情况下,对该提取次数进行计数,
所述目的地等预测部在所述提取次数为第1阈值以上、且任一所述目的地候补的所述提取次数在所有的所述目的地候补的所述提取次数的总和中所占的比例均小于第2阈值的情况下,从所述设施类别获取部获取各所述目的地候补的所述设施类别,并在每个所述设施类别的所述提取次数均小于阈值的情况下,将所有的所述设施类别预测为目的地的设施类别。
16.如权利要求15所述的目的地预测装置,其特征在于,
所述显示信息生成部生成按每个所述设施类别的所述提取次数的顺序排列的所述设施类别的列表显示画面以作为所述显示信息。
17.如权利要求1所述的目的地预测装置,其特征在于,
还包括访问历史记录控制部,该访问历史记录控制部基于所述移动体的发动机、齿轮、手刹中至少任一个的状态,将当前地点作为所述访问地点记录到所述访问历史数据库。
18.如权利要求17所述的目的地预测装置,其特征在于,
还包括获取当前地点的设施类别的设施类别获取部,
所述访问历史记录控制部基于当前地点的设施类别来判断是否要记录到所述访问历史数据库。
19.如权利要求17所述的目的地预测装置,其特征在于,
所述访问历史记录控制部在将当前地点设为所述访问地点的情况下,将当前地点的设施类别一并记录到所述访问历史数据库。
20.如权利要求1所述的目的地预测装置,其特征在于,
还包括特征行动提取部,该特征行动提取部从所述行动历史中,提取出通过TF·IDF法计算出的行动的出现频率与逆行动频率的乘积在阈值以上的行动作为特征行动,
所述类似行动日期提取部对于所述行动历史中从当前日期起追溯到规定期间内的所述特征行动与其他期间的所述特征行动进行所述是否类似的判断。
21.如权利要求1所述的目的地预测装置,其特征在于,
所述类似行动日期提取部在所述行动历史中从当前日期起追溯到规定期间内没有行动的情况下,将从当前日期起追溯的规定期间以前的所述行动历史中所述规定期间以上没有行动的期间作为类似行动期间,并将所述类似行动期间中确定的特定日期提取作为所述类似行动日期。
22.如权利要求1所述的目的地预测装置,其特征在于,
还包括行动-地点数据库,该行动-地点数据库相关联地登记有在所述移动体已抵达所述目的地候补提取部所提取到的所述目的地候补时成为所述目的地候补的提取源的所述行动历史的行动内容和所述目的地候补,
所述目的地等预测部在所述行动-地点数据库中所登记的行动内容与所述行动历史中所记录的从当前日期起过去的规定期间内的行动内容相同时,将所述行动-地点数据库中与该行动内容相关联的地点预测为目的地。
23.如权利要求1所述的目的地预测装置,其特征在于,还包括:
设施类别获取部,该设施类别获取部获取所述目的地候补的设施类别;以及
行动-类别数据库,该行动-类别数据库登记有在所述移动体已抵达属于所述设施类别获取部所获取到的所述目的地候补的所述设施类别的地点时成为所述目的地候补的提取源的所述行动历史的行动内容和所述设施类别,
所述目的地等预测部在所述行动-类别数据库中所登记的行动内容与所述行动历史中所记录的从当前日期起过去的规定期间内的行动内容相同时,将所述行动-类别数据库中与该行动内容相关联的所述设施类别预测为目的地的设施类别。
24.如权利要求1所述的目的地预测装置,其特征在于,
所述类似行动日期提取部对各行动由字符串来表示的所述行动历史进行所述字符串的形态分析,根据单词或单词的组合来进行所述是否类似的判断。
25.如权利要求1所述的目的地预测装置,其特征在于,还包括:
记录由所述行动历史获取部所获取到的所述行动历史的本地行动历史数据库;以及
记录由所述访问历史获取部所获取到的所述访问历史的本地访问历史数据库。
26.一种目的地预测方法,其特征在于,包括:
(a)从将用户的行动与日期相关联而得到的行动历史中,提取出进行了与从当前日期起追溯到规定期间内的行动相类似的行动的类似行动日期的步骤;以及
(b)从将移动体的访问地点与日期相关联而得到的访问历史中,提取出所述类似行动日期前后的规定期间内所访问的地点作为目的地候补的步骤。
27.如权利要求26所述的目的地预测方法,其特征在于,还包括:
(c)根据所述目的地候补来设定目的地的步骤,
所述步骤(c)还包括以下步骤:
(c1)获取所述目的地候补的设施类别的步骤;以及
(c2)通过使用所述设施类别的目的地检索来设定目的地的步骤。
28.一种目的地显示方法,用于预测移动体的目的地并使该目的地显示于显示部,该目的地显示方法的特征在于,
包括(a)使从访问历史中作为类似行动日期前后的规定期间内所访问的地点被提取出的目的地候补显示于所述显示部的步骤,所述类似行动日期是从行动历史中作为与从当前日期起追溯到规定期间内的行动相类似的行动被提取出的,
所述行动历史中相关联地记录有个人的行动和日期,
所述访问历史中相关联地记录有访问地点和日期。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/051089 WO2014112124A1 (ja) | 2013-01-21 | 2013-01-21 | 目的地予測装置、目的地予測方法、目的地表示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104937375A true CN104937375A (zh) | 2015-09-23 |
CN104937375B CN104937375B (zh) | 2017-05-10 |
Family
ID=51209242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380071064.4A Active CN104937375B (zh) | 2013-01-21 | 2013-01-21 | 目的地预测装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9400185B2 (zh) |
JP (1) | JP6192666B2 (zh) |
CN (1) | CN104937375B (zh) |
DE (1) | DE112013006463B4 (zh) |
WO (1) | WO2014112124A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890611A (zh) * | 2016-03-29 | 2016-08-24 | 乐视控股(北京)有限公司 | 一种导航路线的生成方法和装置、设备 |
CN106197460A (zh) * | 2016-06-21 | 2016-12-07 | 吉林大学 | 一种应用gps出行数据进行出行目的地预测的方法 |
CN106705979A (zh) * | 2016-12-30 | 2017-05-24 | 上海蔚来汽车有限公司 | 路径智能监测导航方法和*** |
CN107270930A (zh) * | 2017-08-15 | 2017-10-20 | 上海博泰悦臻网络技术服务有限公司 | 一种车辆导航的方法及*** |
CN107421557A (zh) * | 2017-07-21 | 2017-12-01 | 深圳天珑无线科技有限公司 | 导航目的地的确定方法、智能终端和具有存储功能的装置 |
CN108072378A (zh) * | 2016-11-15 | 2018-05-25 | ***通信有限公司研究院 | 一种预测目的地的方法及装置 |
CN108592927A (zh) * | 2018-03-05 | 2018-09-28 | 武汉光庭信息技术股份有限公司 | 基于历史出行路线的目的地预测方法及*** |
CN109074361A (zh) * | 2016-04-21 | 2018-12-21 | 歌乐株式会社 | 信息提供***、信息提供装置和信息提供方法 |
WO2019000463A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 出行方式推荐方法、装置、存储介质及终端 |
WO2019015262A1 (zh) * | 2017-07-20 | 2019-01-24 | 北京三快在线科技有限公司 | 一种信息搜索方法、装置及*** |
WO2020052522A1 (zh) * | 2018-09-12 | 2020-03-19 | 奇酷互联网络科技(深圳)有限公司 | 智能终端及其获取行驶路线的方法、具有存储功能的装置 |
CN111324824A (zh) * | 2019-09-24 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推荐方法、其装置、电子设备及可读存储介质 |
CN112262294A (zh) * | 2018-06-20 | 2021-01-22 | 宝马股份公司 | 用于用户移动性预测的方法、***和计算机程序产品 |
US11397772B2 (en) | 2017-07-20 | 2022-07-26 | Beijing Sankuai Online Technology Co., Ltd. | Information search method, apparatus, and system |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6094543B2 (ja) * | 2014-07-31 | 2017-03-15 | トヨタ自動車株式会社 | 出発地・目的地抽出装置、出発地・目的地抽出方法 |
WO2016030986A1 (ja) * | 2014-08-27 | 2016-03-03 | 三菱電機株式会社 | 目的地推定システム及び目的地推定方法 |
JP6637054B2 (ja) | 2015-01-27 | 2020-01-29 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | オン・デマンドサービスの情報を提供する方法及びシステム |
CN104599217B (zh) * | 2015-01-27 | 2018-05-04 | 北京嘀嘀无限科技发展有限公司 | 用于确定乘客的当前目的地的方法及设备 |
US20160227367A1 (en) * | 2015-02-04 | 2016-08-04 | Sensewhere Limited | Method of providing positioning data to mobile device |
US10114544B2 (en) * | 2015-06-06 | 2018-10-30 | Apple Inc. | Systems and methods for generating and providing intelligent time to leave reminders |
GB2543269A (en) * | 2015-10-12 | 2017-04-19 | Information Edge Ltd | A navigation system |
US11205240B2 (en) | 2015-12-30 | 2021-12-21 | Waymo Llc | Autonomous vehicle services |
US10401187B2 (en) * | 2016-07-15 | 2019-09-03 | Here Global B.V. | Method, apparatus and computer program product for a navigation system user interface |
DE102016215898A1 (de) | 2016-08-24 | 2018-03-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben einer Navigationsvorrichtung, Navigationsvorrichtung und Kraftfahrzeug |
US20180129929A1 (en) * | 2016-11-09 | 2018-05-10 | Fuji Xerox Co., Ltd. | Method and system for inferring user visit behavior of a user based on social media content posted online |
KR102552013B1 (ko) * | 2016-12-20 | 2023-07-05 | 현대자동차 주식회사 | 목적지 예측 기반 차량 제어 방법 및 시스템 |
JP6705373B2 (ja) | 2016-12-27 | 2020-06-03 | トヨタ自動車株式会社 | 自動運転システム |
US10976172B2 (en) | 2016-12-31 | 2021-04-13 | Uber Technologies, Inc. | Recommending destinations of map-related requests using categorization |
US10929818B2 (en) | 2017-02-16 | 2021-02-23 | Seoul National University R&Db Foundation | Wearable sensor-based automatic scheduling device and method |
KR101891181B1 (ko) * | 2017-02-16 | 2018-08-23 | 서울대학교산학협력단 | 웨어러블 센서 기반 일정 자동 관리 장치 및 방법 |
WO2019007437A1 (en) * | 2017-07-07 | 2019-01-10 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR DETERMINING POSITION OF MOBILE DEVICE |
JP7077626B2 (ja) * | 2018-01-17 | 2022-05-31 | トヨタ自動車株式会社 | 車載器、サーバ、ナビゲーションシステム、地図表示プログラム、及び地図表示方法 |
JP6687679B2 (ja) * | 2018-06-29 | 2020-04-28 | ヤフー株式会社 | 提案装置、提案方法および提案プログラム |
JP7056429B2 (ja) * | 2018-07-18 | 2022-04-19 | 株式会社デンソー | 履歴管理方法、及び履歴管理装置 |
US11107305B2 (en) | 2019-03-14 | 2021-08-31 | Honda Motor Co., Ltd. | Ride-hailing vehicle identification |
US11250650B2 (en) | 2019-03-14 | 2022-02-15 | Honda Motor Co., Ltd. | Ride-hailing vehicle identification |
CN113544466A (zh) * | 2019-06-25 | 2021-10-22 | 谷歌有限责任公司 | 具有动态重新组队点的导航 |
CN112750328B (zh) * | 2020-12-29 | 2022-05-24 | 深圳市顺易通信息科技有限公司 | 一种行车路径推荐方法、装置、设备及介质 |
CN113537588B (zh) * | 2021-07-13 | 2024-02-02 | 杭州安恒信息技术股份有限公司 | 一种人数预测方法、装置、设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075137A1 (ja) * | 2003-02-19 | 2004-09-02 | Matsushita Electric Industrial Co., Ltd. | 情報提供装置 |
CN101065643A (zh) * | 2004-11-24 | 2007-10-31 | 松下电器产业株式会社 | 目的地设定辅助装置 |
JP2009036594A (ja) * | 2007-07-31 | 2009-02-19 | Panasonic Corp | 移動先予測装置および移動先予測方法 |
CN101578497A (zh) * | 2007-07-12 | 2009-11-11 | 松下电器产业株式会社 | 旅程提示装置以及旅程提示方法 |
JP4616786B2 (ja) * | 2006-03-31 | 2011-01-19 | 株式会社デンソーアイティーラボラトリ | 情報提供装置 |
CN102209294A (zh) * | 2010-03-31 | 2011-10-05 | 索尼公司 | 信息处理装置、行动预测显示方法及其计算机程序 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0783678A (ja) | 1993-09-13 | 1995-03-28 | Mazda Motor Corp | 自動車の経路誘導装置 |
JP4441939B2 (ja) | 1999-02-01 | 2010-03-31 | 株式会社エクォス・リサーチ | 目的地設定装置 |
JP4497748B2 (ja) | 2001-04-27 | 2010-07-07 | パイオニア株式会社 | ナビゲーション装置、ナビゲーションシステム用のサーバ装置、目的地推定処理プログラムおよび目的地推定処理プログラムを記録した記録媒体 |
AU2003275550A1 (en) | 2002-10-10 | 2004-05-04 | Matsushita Electric Industrial Co., Ltd. | Information acquisition method, information providing method, and information acquisition device |
JP4533705B2 (ja) * | 2003-09-01 | 2010-09-01 | パナソニック株式会社 | 車載対話装置 |
JP3824273B2 (ja) * | 2003-09-30 | 2006-09-20 | 松下電器産業株式会社 | 移動履歴蓄積装置及びその方法 |
JP4495620B2 (ja) | 2004-03-05 | 2010-07-07 | パナソニック株式会社 | 移動先予測装置および移動先予測方法 |
US9002730B2 (en) * | 2004-04-28 | 2015-04-07 | Richard Postrel | Method and system for generating location based purchase incentives based on predicted route of travel |
US7245694B2 (en) | 2005-08-15 | 2007-07-17 | Hologic, Inc. | X-ray mammography/tomosynthesis of patient's breast |
US8515401B2 (en) * | 2005-09-14 | 2013-08-20 | Jumptap, Inc. | System for targeting advertising content to a plurality of mobile communication facilities |
JP2007093264A (ja) | 2005-09-27 | 2007-04-12 | Suzuki Motor Corp | 情報配信装置 |
US8024112B2 (en) | 2005-09-29 | 2011-09-20 | Microsoft Corporation | Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods |
JP5141441B2 (ja) | 2008-08-06 | 2013-02-13 | 日産自動車株式会社 | 情報処理装置及び情報処理方法 |
JP2010169418A (ja) * | 2009-01-20 | 2010-08-05 | Aisin Aw Co Ltd | 施設案内装置、施設案内方法及びコンピュータプログラム |
JP2010190745A (ja) * | 2009-02-18 | 2010-09-02 | Equos Research Co Ltd | ナビゲーションシステム及びナビゲーション装置 |
JP5525835B2 (ja) | 2010-01-28 | 2014-06-18 | Kddi株式会社 | Poi推薦サーバおよびpoi推薦システム |
JP5664398B2 (ja) * | 2011-03-25 | 2015-02-04 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US8676937B2 (en) * | 2011-05-12 | 2014-03-18 | Jeffrey Alan Rapaport | Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging |
US8311973B1 (en) * | 2011-09-24 | 2012-11-13 | Zadeh Lotfi A | Methods and systems for applications for Z-numbers |
US20130196601A1 (en) * | 2011-12-19 | 2013-08-01 | Empath Technologies Patent Holdings, LLC | Proximity-related device determinations |
US20150245167A1 (en) * | 2011-12-19 | 2015-08-27 | Empath Technologies Patent Holdings, LLC | Proximity-related device determinations |
EP2864939A4 (en) * | 2012-06-22 | 2016-12-07 | Google Inc | CLASSIFICATION CLOSELY OBJECTIVES BASED ON LIKELY VISIBILITIES AND PREDICTED FUTURE VISITS OF PLACES OF A LOCAL STORY |
US9348493B2 (en) * | 2014-05-13 | 2016-05-24 | Jack Ke Zhang | Automated subscriber-based customization of electronic channels for content presentation |
US9646254B2 (en) * | 2014-06-20 | 2017-05-09 | Amazon Technologies, Inc. | Predicting next web pages |
US10846731B2 (en) * | 2014-10-09 | 2020-11-24 | Edatanetworks Inc. | System for changing operation modes in a loyalty program |
-
2013
- 2013-01-21 WO PCT/JP2013/051089 patent/WO2014112124A1/ja active Application Filing
- 2013-01-21 US US14/760,898 patent/US9400185B2/en active Active
- 2013-01-21 DE DE112013006463.4T patent/DE112013006463B4/de active Active
- 2013-01-21 CN CN201380071064.4A patent/CN104937375B/zh active Active
- 2013-01-21 JP JP2014557304A patent/JP6192666B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075137A1 (ja) * | 2003-02-19 | 2004-09-02 | Matsushita Electric Industrial Co., Ltd. | 情報提供装置 |
CN101065643A (zh) * | 2004-11-24 | 2007-10-31 | 松下电器产业株式会社 | 目的地设定辅助装置 |
JP4616786B2 (ja) * | 2006-03-31 | 2011-01-19 | 株式会社デンソーアイティーラボラトリ | 情報提供装置 |
CN101578497A (zh) * | 2007-07-12 | 2009-11-11 | 松下电器产业株式会社 | 旅程提示装置以及旅程提示方法 |
JP2009036594A (ja) * | 2007-07-31 | 2009-02-19 | Panasonic Corp | 移動先予測装置および移動先予測方法 |
CN102209294A (zh) * | 2010-03-31 | 2011-10-05 | 索尼公司 | 信息处理装置、行动预测显示方法及其计算机程序 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890611A (zh) * | 2016-03-29 | 2016-08-24 | 乐视控股(北京)有限公司 | 一种导航路线的生成方法和装置、设备 |
CN109074361A (zh) * | 2016-04-21 | 2018-12-21 | 歌乐株式会社 | 信息提供***、信息提供装置和信息提供方法 |
CN106197460A (zh) * | 2016-06-21 | 2016-12-07 | 吉林大学 | 一种应用gps出行数据进行出行目的地预测的方法 |
CN106197460B (zh) * | 2016-06-21 | 2018-12-21 | 吉林大学 | 一种应用gps出行数据进行出行目的地预测的方法 |
CN108072378A (zh) * | 2016-11-15 | 2018-05-25 | ***通信有限公司研究院 | 一种预测目的地的方法及装置 |
CN108072378B (zh) * | 2016-11-15 | 2020-10-23 | ***通信有限公司研究院 | 一种预测目的地的方法及装置 |
CN106705979A (zh) * | 2016-12-30 | 2017-05-24 | 上海蔚来汽车有限公司 | 路径智能监测导航方法和*** |
WO2019000463A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 出行方式推荐方法、装置、存储介质及终端 |
WO2019015262A1 (zh) * | 2017-07-20 | 2019-01-24 | 北京三快在线科技有限公司 | 一种信息搜索方法、装置及*** |
US11397772B2 (en) | 2017-07-20 | 2022-07-26 | Beijing Sankuai Online Technology Co., Ltd. | Information search method, apparatus, and system |
CN107421557A (zh) * | 2017-07-21 | 2017-12-01 | 深圳天珑无线科技有限公司 | 导航目的地的确定方法、智能终端和具有存储功能的装置 |
CN107270930A (zh) * | 2017-08-15 | 2017-10-20 | 上海博泰悦臻网络技术服务有限公司 | 一种车辆导航的方法及*** |
CN108592927A (zh) * | 2018-03-05 | 2018-09-28 | 武汉光庭信息技术股份有限公司 | 基于历史出行路线的目的地预测方法及*** |
CN112262294A (zh) * | 2018-06-20 | 2021-01-22 | 宝马股份公司 | 用于用户移动性预测的方法、***和计算机程序产品 |
CN112262294B (zh) * | 2018-06-20 | 2024-04-16 | 宝马股份公司 | 用于用户移动性预测的方法、***和计算机程序产品 |
WO2020052522A1 (zh) * | 2018-09-12 | 2020-03-19 | 奇酷互联网络科技(深圳)有限公司 | 智能终端及其获取行驶路线的方法、具有存储功能的装置 |
CN111324824A (zh) * | 2019-09-24 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推荐方法、其装置、电子设备及可读存储介质 |
CN111324824B (zh) * | 2019-09-24 | 2021-03-26 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推荐方法、其装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20150345970A1 (en) | 2015-12-03 |
CN104937375B (zh) | 2017-05-10 |
DE112013006463T5 (de) | 2015-10-01 |
JPWO2014112124A1 (ja) | 2017-01-19 |
WO2014112124A1 (ja) | 2014-07-24 |
JP6192666B2 (ja) | 2017-09-06 |
DE112013006463B4 (de) | 2021-10-21 |
US9400185B2 (en) | 2016-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104937375A (zh) | 目的地预测装置、目的地预测方法、目的地显示方法 | |
Cottrill et al. | Leveraging big data for the development of transport sustainability indicators | |
US7869942B2 (en) | Travel plan presenting apparatus and method thereof | |
US8504512B2 (en) | Identifying geospatial patterns from device data | |
CN107038620B (zh) | 基于用户打车偏好的信息推送及装置 | |
CN104902438B (zh) | 一种基于移动通信终端分析客流特征信息的统计方法及其*** | |
CN102479431A (zh) | 具配对功能的计程车叫车***及其方法 | |
CN105677793A (zh) | 地点数据库的建立和候选乘车地点的推荐方法及装置 | |
CN112380448B (zh) | 车辆数据处理方法、装置、计算机设备和存储介质 | |
US20150142485A1 (en) | Probe information management device, probe information management system, and probe information management method | |
US9785897B2 (en) | Methods and systems for optimizing efficiency of a workforce management system | |
Kim et al. | An analysis on movement patterns between zones using smart card data in subway networks | |
KR20100063420A (ko) | 지도를 이용한 카풀 시스템 및 카풀 매칭 방법 | |
JP5968030B2 (ja) | 施設評価装置、施設評価システム、施設評価方法およびプログラム | |
JP2011118110A (ja) | 地図表示装置、地図表示方法及び地図表示プログラム | |
US20200242646A1 (en) | Commercializing user patterns via blockchain | |
JP4737645B2 (ja) | 情報配信システム、情報配信方法および情報配信サーバならびに端末装置 | |
WO2016077677A1 (en) | Business fleet scheduling and transport logistics | |
CN115907423A (zh) | 一种智慧旅游服务*** | |
CN111339409A (zh) | 地图展示方法与*** | |
AU2013360865A1 (en) | Method and apparatus for vehicle usage recording | |
WO2014095919A1 (en) | Method and apparatus for vehicle usage recording | |
JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
Duan et al. | Comprehending and analyzing multiday trip-chaining patterns of freight vehicles using a multiscale method with prolonged trajectory data | |
JP2021096793A (ja) | エリア分析システムおよびその方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |