JP2023513469A - 個人化された地上輸送処理およびユーザ意図予測のためのシステムおよび方法 - Google Patents

Abstract

本開示は、ユーザがルートに沿って移動している間に旅行の意図または目的地を予測するための方法およびシステムを提供する。本方法は、（ａ）ルートの開始地理的位置およびユーザの識別情報に関するデータを受信するステップと、（ｂ）ユーザの識別情報に関するデータに少なくとも部分的に基づいて訓練されたクラシファイアを取得するステップと、（ｃ）訓練されたクラシファイアを使用して、開始地理的位置に基づいて旅行の意図または目的地を予測するステップと、（ｄ）ユーザが上記ルートの少なくとも一部分に沿って地上乗り物で移動している間に、１または複数の取引オプションを電子デバイス上でユーザに提示するステップであって、１または複数の取引オプションが（ｃ）で予測された旅行の意図または目的地に基づいて識別される、ステップとを含み得る。【選択図】図１７

Description

関連出願の相互参照
本出願は、２０２０年２月３日に出願された米国特許仮出願第６２／９６９，４７２号の優先権を主張するものであり、同仮出願は、その全体が参照により本明細書に組み込まれる。

スマートフォン、タブレットコンピュータ、および他のポータブルデバイスなどのモバイルコンピューティングデバイスのコンピューティング能力の急速な拡大、ならびにモバイルデバイス用のソフトウェアプログラムアプリケーション（または「アプリ（ａｐｐ）」）の数および進歩の伸びにより、個人の生産性の分野におけるデバイス、アプリ、および関連プラットフォームへの個人の依存が大幅に増加している。例えば、アプリは、会議のスケジューリング、移動ルートの決定、輸送モードの選択、および他の機能に広く使用されている。

ピアツーピアカーシェアリングおよびライドヘイリングサービス（例えば、Ｕｂｅｒ（登録商標）およびＬｙｆｔ（登録商標））の消費者の採用など、モビリティサービスの出現および受け入れは、輸送アプリケーションおよびモバイルアプリケーションの組み合わせを促進している。次世代モビリティは、自律乗り物および自動化乗り物、電動乗り物、ならびにオンデマンドシェアードモビリティおよびそれらが可能にするユースケースに関連している。人間の介入なしに動作することができる自律乗り物は、急速に改善している。そのような乗り物が自律的または自動化されるにつれて、輸送中に乗客またはユーザに商業的および取引上の機会が提示されることがある。

本明細書では、完全自律無人乗り物などの乗り物と共に使用するための製品またはサービスを提供するための方法およびシステムの必要性が認識されている。有益なことに、そのような製品またはサービスは、乗り物のユーザにとって時間およびリソースの両方の節約を容易にすることができる。加えて、そのような製品またはサービスは、それらの製品またはサービスを提供する企業が、乗り物の輸送環境内で個人化された仕方で最終消費者とより直接的に関与することを可能にすることができる。

本開示は、カスタマイズされた収益化可能な運転者および／または乗客中心のサービスを用いて、個人化された輸送中心の体験を生成するためのシステムおよび方法を提供する。例えば、本開示のシステムおよび方法は、限られた位置データに基づいて旅行の意図または目的地を予測するように使用または構成され得る。個人化された移動中心の体験は、例えば、自律乗り物、ライドヘイリングサービス、フリートベースサービス、マイクロトランジット（例えば、フリートベースの需要応答型輸送）、鉄道輸送、および／または地上大量輸送乗り物など、任意の輸送モードで提供され得る。旅行の意図または目的地は、最小限の人間の介入で機械学習システムを使用して生成、予測、推定、または決定され得る。提供されるシステムおよび方法は、ホテルおよびホスピタリティ、レストランおよびダイニング、観光およびエンターテイメント、ヘルスケア、サービス提供などの産業における無人／運転者のいない乗り物のための一連の新規ユースケースを可能にし得る。

一態様では、ユーザがルートに沿って移動している間に旅行の意図または目的地を予測するための方法が提供される。提供されるシステム／方法のユーザは、運転者、ライドヘイリングサービスの運転者などのサービス運転者、乗客、または乗り物によって輸送される任意のユーザであってもよい。本方法は、（ａ）ルートの開始地理的位置およびユーザのプロファイルに関するデータを受信するステップと、（ｂ）ユーザのプロファイルに関するデータに少なくとも部分的に基づいて訓練されたクラシファイアを取得するステップと、（ｃ）訓練されたクラシファイアを使用して、開始地理的位置に基づいて旅行の意図または目的地を予測するステップと、（ｄ）ユーザがルートの少なくとも一部分に沿って乗り物で移動している間に、１または複数の取引オプションを電子デバイス上でユーザに提示するステップであって、１または複数の取引オプションが（ｃ）で予測された旅行の意図または目的地に基づいて識別される、ステップとを含み得る。

いくつかの実施形態では、開始地理的位置が、全地球測位システム（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ、ＧＰＳ）データの形態で受信される。いくつかの実施形態では、開始地理的位置が、電子デバイスの地理的位置を部分的に使用して決定され、地理的位置が、全地球測位システムまたは信号三角測量によって決定される。いくつかの実施形態では、開始地理的位置が、電子デバイス上のグラフィカルユーザインターフェース（ｇｒａｐｈｉｃａｌ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ、ＧＵＩ）を介してユーザによって入力される。

いくつかの実施形態では、ソートされていない地理空間データが、無相関のＧＰＳデータを含む。いくつかの場合では、１または複数の訓練データセットが、複数の旅行データレコードのクラスタ解析を使用して取得されたラベル付与されたデータを含む。いくつかの例では、本方法は、ソートされていないまたは無相関のＧＰＳデータを１または複数の個人識別情報と関連付けることによって、複数の旅行データレコードを生成するステップをさらに含む。いくつかの例では、複数の旅行データレコードが、対応する個人識別情報のソーシャルデータ、輸送データ、または購入データによって拡張される。

いくつかの実施形態では、クラシファイアを訓練するステップが、１または複数のラベル付与規則に基づいて旅行のセグメントのためのラベルを作成するステップを含む。いくつかの実施形態では、本方法は、移動ルートの１または複数の部分の輸送モードを予測するステップをさらに含む。いくつかの場合では、輸送モードが、自律乗り物、ライドヘイリングサービス、鉄道輸送、および／または地上大量輸送乗り物を含む。いくつかの実施形態では、本方法は、旅行中に新規位置データを受信すると、旅行の意図または目的地を更新するステップをさらに含む。

本開示の別の態様は、１または複数のコンピュータプロセッサによって実行されると上記または本明細書の他の場所に記載の方法のいずれかを実施する機械実行可能コードを含む非一時的コンピュータ可読媒体を提供する。

本開示の別の態様は、ユーザの旅行の意図または目的地を予測するシステムを提供する。システムは、１または複数のコンピュータプロセッサと、それに結合されたコンピュータメモリとを備える。コンピュータメモリは、１または複数のコンピュータプロセッサによって実行されると上記または本明細書の他の場所に記載の方法のいずれかを実施する機械実行可能コードを含む。いくつかの実施形態では、１または複数のプロセッサが、命令のセットを実行して、（ａ）移動ルートの開始地理的位置およびユーザの識別情報に関するデータを受信し、（ｂ）（ｉ）ユーザの識別情報に関するデータ、および（ｉｉ）ソートされていない地理空間データを含む１または複数の訓練データセットに少なくとも部分的に基づいてクラシファイアを訓練し、（ｃ）（ｂ）で訓練されたクラシファイアを使用して、開始地理的位置に少なくとも部分的に基づいて旅行の意図または目的地を予測し、（ｄ）ユーザが移動ルートの少なくとも一部分に沿って乗り物で移動している間に、１または複数の取引オプションを電子デバイス上でユーザに提示し、１または複数の取引オプションが（ｃ）で予測された旅行の意図または目的地に少なくとも部分的に基づいて識別されるように構成される。

いくつかの実施形態では、開始地理的位置が、全地球測位システム（ＧＰＳ）データの形態で受信される。いくつかの実施形態では、開始地理的位置が、電子デバイスの地理的位置を部分的に使用して決定され、地理的位置が、全地球測位システムまたは信号三角測量によって決定される。いくつかの実施形態では、開始地理的位置が、電子デバイス上のグラフィカルユーザインターフェース（ＧＵＩ）を介してユーザによって入力される。

いくつかの実施形態では、ソートされていない地理空間データが、無相関のＧＰＳデータを含む。いくつかの場合では、１または複数の訓練データセットが、複数の旅行データレコードのクラスタ解析を使用して取得されたラベル付与されたデータを含む。いくつかの例では、１または複数のプロセッサが、ソートされていないまたは無相関のＧＰＳデータを１または複数の個人識別情報と関連付けることによって、複数の旅行データレコードを生成するようにさらに構成される。いくつかの例では、複数の旅行データレコードが、対応する個人識別情報のソーシャルデータ、輸送データ、または購入データによって拡張される。いくつかの実施形態では、１または複数のプロセッサが、１または複数のラベル付与規則に基づいて旅行のセグメントのラベルを作成することによってクラシファイアを訓練するように構成される。いくつかの実施形態では、１または複数のプロセッサが、移動ルートの１または複数の部分の輸送モードを予測するようにさらに構成される。いくつかの場合では、輸送モードが、自律乗り物、ライドヘイリングサービス、鉄道輸送、および／または地上大量輸送乗り物を含む。いくつかの実施形態では、１または複数のプロセッサが、旅行中に新規位置データを受信すると、旅行の意図または目的地を更新するようにさらに構成される。

本開示の追加的な態様および利点は、以下の詳細な説明を読めば、当業者には容易に明らかになるはずであり、以下の詳細な説明では、本開示の例示的な実施形態のみが図示および説明される。理解されるように、本開示は、他の異なる実施形態が可能であり、そのいくつかの詳細は、すべて本開示から逸脱することなく、様々な明白な点で修正が可能である。したがって、図面および説明は、本質的に例示と見なされるべきであり、限定と見なされるべきではない。

参照による組み込み
本明細書で言及されるすべての刊行物、特許、および特許出願は、あたかも各個々の刊行物、特許、または特許出願が参照により組み込まれることが具体的かつ個別に示されているかのように、参照により本明細書に組み込まれる。参照により組み込まれる刊行物および特許または特許出願が本明細書に含まれる開示と矛盾する限り、本明細書は、そのような矛盾する材料に取って代わるおよび／または優先することを意図している。

本発明の新規な特徴は、添付の特許請求の範囲に詳細に記載されている。本発明の特徴および利点のより良い理解は、本発明の原理が利用される例示的な実施形態を説明する以下の詳細な説明および添付の図面（本明細書では「図（Ｆｉｇｕｒｅ）」および「図（ＦＩＧ．）」も加えて）を参照することによって得られる。

いくつかの実施形態による、個人輸送管理および意図予測システムが動作され得るネットワーク環境の一例を概略的に示す図である。 いくつかの実施形態による、位置データを処理するように構成された旅行識別エンジンを概略的に示す図である。 いくつかの実施形態による、システムの関心点（ｐｏｉｎｔ－ｏｆ－ｉｎｔｅｒｅｓｔ、ＰＯＩ）割り当てエンジンを示す図である。 いくつかの実施形態による、デバイス識別子（ｉｄｅｎｔｉｆｉｅｒ、ＩＤ）－個人識別情報（ｉｄｅｎｔｉｔｙ、ＩＤ）コンバータを概略的に示す図である。 いくつかの実施形態による、個人データベース内の個人データレコードを拡張するように構成された個人データ拡張エンジンを概略的に示す図である。 いくつかの実施形態による、意図または目的地に関連するラベルで拡張された個人データベースに格納されたデータをさらに拡張するように構成された自動旅行ラベル付与エンジンを概略的に示す図である。 いくつかの実施形態による、旅行の意図によって複数の旅行をグループ化するように構成された旅行セレクタを概略的に示す図である。 いくつかの実施形態による、旅行のクラスタの一例を示す図である。 いくつかの実施形態による、旅行のセグメントに対して作成されたラベルで更新されたラベル付与規則ナレッジベースを示す図である。 クラスタ解析を使用して取得されたラベルで旅行をラベル付与するように構成された自動旅行ラベル付与エンジンを概略的に示す図である。 異なる追加ラベルを有する拡張された個人データレコードの例を示す図である。 いくつかの実施形態による、システムの旅行アブストラクタを概略的に示す図である。 旅行クラシファイアナレッジベースに格納された複数の旅行クラシファイアを概略的に示す図である。 ユーザをセグメント化するように構成された個人セグメント化エンジンを概略的に示す図である。 ユーザセグメントラベルの例を示す図である。 すべてのラベルを有し、ユーザセグメント化にしたがって編成された拡張された個人データレコードの一例を示す図である。 いくつかの実施形態による、システムの新規旅行意図プレディクタを概略的に示す図である。 旅行中に収集された新規データとして旅行の目的地または意図の予測を継続的に生成および更新する例示的なプロセスを示す図である。 ユーザの旅行の意図を予測する例示的なプロセスを示す図である。 地上モビリティ解析および目的地／意図予測システムを実装するようにプログラムまたは構成されたコンピュータシステムを示す図である。 本明細書に記載のシステムおよび方法によって処理された拡張された旅行データセットの例を示す図である。 ユーザに関連付けられた旅行から抽出されたインサイトデータの例を示す図である。 インサイトジェネレータおよび推薦エンジンを備えるシステムの一例を示す図である。 インサイトジェネレータを概略的に示す図である。 輸送オントロジの一例を示す図である。 個人に関するインサイトデータの例を示す。 個人に関するインサイトデータの例を示す。 特定の地理的位置からの頻繁なビジネス旅行者に関するインサイトデータの一例を示す図である。 コホートまたはユーザに関する推論またはインサイトの例を示す図である。

本明細書では様々な実施形態が図示および説明されるが、そのような実施形態が例として提供されているに過ぎないことは当業者には明らかなはずである。当業者であれば、本開示から逸脱することなく、多数の変形、変更、および置換を行うことができる。本明細書に記載の実施形態に対する様々な代替形態が使用され得ることを理解されたい。

本明細書で使用する場合、「自律的に制御される」、「自動運転」、「自律」、および「無人」という用語は、乗り物を説明する際に使用される場合、一般に、それ自体がすべての運転タスクを実行し、ルートの少なくとも一部分に沿って運転環境を監視することができる乗り物を指す。自律乗り物は、自律乗り物に乗っている人間の介入なしに、ある地点から別の地点に移動することができる。いくつかの場合では、自律乗り物とは、自動運転に関する米国運輸省道路交通***（Ｎａｔｉｏｎａｌ Ｈｉｇｈｗａｙ Ｔｒａｆｆｉｃ Ｓａｆｅｔｙ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ、ＮＨＴＳＡ）の定義に規定されているような能力を有する乗り物、特に、ＮＨＴＳＡの定義のレベル４「乗り物上の自動運転システム（Ａｕｔｏｍａｔｅｄ Ｄｒｉｖｉｎｇ Ｓｙｓｔｅｍ、ＡＤＳ）は、特定の状況で、それ自体がすべての運転タスクを実行し、その運転環境を監視し、本質的にすべての運転を行うことができる。人間はそれらの状況に注意を払う必要はない」、またはＮＨＴＳＡの定義のレベル５「乗り物上の自動運転システム（ＡＤＳ）は、すべての状況ですべての運転を行うことができる。人間の乗員は単なる乗客であり、運転に関与する必要はない」に規定されているような能力を有する乗り物を指し得る。いくつかの場合では、自動化乗り物は、ＮＨＴＳＡの定義のレベル２「乗り物上の先進運転者支援システム（ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍ、ＡＤＡＳ）は、ある状況下で、それ自体が操舵と制動／加速との両方を同時に実際に制御することができる。人間の運転者は、常に最大限の注意を払い続けなければならず（「運転環境を監視しなければならない」）、残りの運転タスクを実行しなければならない」、またはＮＨＴＳＡの定義のレベル３「乗り物上の自動運転システム（ＡＤＳ）は、ある状況下で、それ自体が運転タスクのあらゆる側面を実行することができる。これらの状況では、人間の運転者は、ＡＤＳが要請するときはいつでも運転を引き継げるように備えていなければならない。他のすべての状況では、人間の運転者が運転タスクを実行する」に規定されているような能力を有する乗り物を指し得る。自動化乗り物はまた、レベル２のＡＤＡＳを改善するためにＡＩが使用されるレベル２＋自動運転機能を有するが、一貫した運転者による制御が依然として必要であるものを含むことができる。

本明細書で使用される場合、「乗用乗り物」という用語は、一般に、自動車またはトラックなどの乗客のために使用される乗り物を指すが、大量輸送乗り物は除く。

本明細書で使用される場合、「大量輸送乗り物」という用語は、一般に、１または複数の乗客グループを輸送することができる、列車またはバスなどの複数乗客乗り物を指す。

本明細書で使用される場合、「旅行」という用語は、一般に、第１の位置から第２の位置までにかかる総時間および／または（１または複数の）ルートを指す。旅行は、１または複数のルートを含むことができる。「ルート」という用語は、一般に、ユーザが第１の位置から第２の位置に移動することを可能にする１または複数の方向のセットを指す。ルートは、１または複数のセグメントを有することができる。セグメントは、ルートのうち、乗り込む地点と降りる地点までのルートの一部分の部分を指してもよい。

本明細書で使用される場合、「コンテキスト情報」という用語は、一般に、地理的位置および／またはイベントに関連付けられた任意の情報を指す。コンテキスト情報は、そのような地理的位置および／またはイベントを示す、またはこれに関連する情報から導出することができる。

本明細書で使用される場合、「ラベル付与されたデータ」または「ラベル付与されたデータセット」という用語は、一般に、教師あり学習を使用してモデルを訓練するために使用される一対のデータセットを指す。本明細書で提供される方法は、クラスタ解析地上モビリティ解析および目的地／意図予測システムによって抽出された意図または目的地をラベル付与されたデータセットの一部分として利用することができる。あるいは、本明細書で提供される方法は、機械学習方法が既存のシステムで利用可能であり得る既存のデータセットを訓練して適用することを可能にするペアリングされていない訓練手法を利用することができる。

「少なくとも（ａｔ ｌｅａｓｔ）」、「よりも大きい（ｇｒｅａｔｅｒ ｔｈａｎ）」、または「以上（ｇｒｅａｔｅｒ ｔｈａｎ ｏｒ ｅｑｕａｌ ｔｏ）」という用語が一連の２つ以上の数値の第１の数値に先行するときはいつでも、「少なくとも」、「よりも大きい」、または「以上」という用語は、その一連の数値の各数値に適用される。例えば、１、２、または３以上は、１以上、２以上、または３以上に等しい。

「以下（ｎｏ ｍｏｒｅ ｔｈａｎ）」、「よりも小さい（ｌｅｓｓ ｔｈａｎ）」、または「以下（ｌｅｓｓ ｔｈａｎ ｏｒ ｅｑｕａｌ ｔｏ）」という用語が一連の２つ以上の数値の第１の数値に先行するときはいつでも、「以下」、「よりも小さい」、または「以下」という用語は、その一連の数値の各数値に適用される。例えば、３、２、または１以下は、３以下、２以下、または１以下に等しい。

本明細書で使用される場合、「１つの（ａ）」、「１つの（ａｎ）」、および「その（ｔｈｅ）」という用語は、文脈上明確に別段の指示のない限り、一般に、単数および複数の指示対象を指す。

本開示は、地上モビリティ解析を実行し、１または複数のユーザの旅行の目的地／意図を予測するように使用または構成され得るシステムおよび方法を提供する。本開示のシステムおよび方法は、全地球測位システム（ＧＰＳ）データなどの位置データに少なくとも部分的に基づいてユーザの意図および／または目的地を予測するように使用または構成され得る。いくつかの場合では、予測された目的地は、例えば事故を回避するために特定のルートを取るようにユーザ（例えば、運転者）に指示する、ユーザのための個人化された輸送計画をさらに生成して、個人化されたモビリティデータ、ルーティングデータ、スケジューリングデータ、交通データ、および他の形態またはタイプのデータを処理、推薦、および／またはユーザに提示するために使用されてもよい。いくつかの例では、機械学習技法が、旅行の意図または目的地を予測するために利用され得る。いくつかの例では、機械学習技法はまた、予測された意図／目的地、移動スケジュール（例えば、開始時間、終了時間）、輸送中の物品、サービス、およびコンテンツの取引ベースの購入のオプション、乗り物のタイプ（例えば、セダンまたはバンなどの自律乗り物のタイプ、ブランド）、輸送モードのタイプ（例えば、自律乗り物、公共交通機関（列車、路面電車、または都市バスなど）、シャトル、ライドシェアリング、ライドヘイリング、共同旅行または私的旅行、ウォーキング、自転車、電動スクータ、タクシーなど）などを含む個人化された輸送計画を作成するために利用され得る。

意図／目的地予測能力は、運転者および／または乗客の収益化プラットフォームにおいて利用または実施され得る。運転者および／または乗客の収益化としては、例えば、ａ）輸送中の、予測された意図または目的地に関連する物品、例えば、ガソリン、食べ物、コーヒー、サービス、駐車、およびコンテンツ（例えば、運転者または乗客の目的地である美術館で展示されているアーティストの作品に関するポットキャスト）の取引ベースの購入、ｂ）コンテンツにアクセスするためのサブスクリプション、例えば、音楽ストリーミングサービス、ニュースサービス、コンシェルジュサービスなどへの年間サブスクリプション、ｃ）輸送中、および燃料補給所、レストラン、コーヒーショップなどで乗り物が断続的に停止したときの、物品、サービス、およびコンテンツの取引ベースの購入（例えば、エネルギー会社などの充電ステーション運営者が、コーヒーショップチェーンと提携して、乗り物に燃料を補給している間に購入する乗客にコーヒー飲料の割引を提供することができる）、ならびにｄ）ロイヤルティポイントの償還（例えば、自動車製造業者およびモビリティサービスの乗り物群の運営者が、ロイヤルティポイントがこれらおよび他の産業がそのようなプログラムを使用するのとほぼ同じ方法で償還され得る航空会社やホテルチェーンによって使用されるものと同様のシステムを使用して、自らの顧客にロイヤルティに報いることができる）に関連する活動およびサービスが挙げられる。

機械学習アルゴリズムを含む人工知能が、旅行の意図または目的地を予測するための予測モデルを訓練するために使用されてもよい。機械学習アルゴリズムは、例えばニューラルネットワークであり得る。本明細書の実施形態で使用され得るニューラルネットワークの例としては、ディープニューラルネットワーク、畳み込みニューラルネットワーク（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、ＣＮＮ）、および再帰型ニューラルネットワーク（ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、ＲＮＮ）が挙げられる。いくつかの場合では、機械学習アルゴリズムによって訓練されたモデルは、ユーザデバイスまたは地上モビリティ解析および目的地／意図予測システムで事前訓練されて実装されてもよく、事前訓練されたモデルは、実装環境の経時的な変化（例えば、顧客／ユーザデータ、センサデータ、モデル性能、サードパーティデータなどの変化）に適応するために、予測モデルまたは予測モデルの構成要素（例えば、クラシファイア）の継続的な調整を含み得る継続的な再訓練を受けてもよい。

地上モビリティ解析および目的地／意図予測のための方法およびシステム

本開示は、地上モビリティ解析を実行し、１または複数のユーザの旅行の目的地／意図を予測するように使用または構成され得るシステムおよび方法を提供する。本開示のシステムおよび方法は、位置データに少なくとも部分的に基づいてユーザの意図および／または目的地を予測するように使用または構成され得る。いくつかの実施形態では、位置データは、全地球測位システム（ＧＰＳ）データを含み得る。ＧＰＳデータは、ソートされていないデータであってもよいし、ユーザと無相関であってもよい（例えば、非識別データ）。提示されるシステムおよび方法は、ソートされていない位置データを処理し、ユーザに関連付けられた旅行の意図または目的地を識別し得る。旅行、ならびに対応するユーザおよび意図は、展開時に旅行の意図または目的地を決定／推測するためのクラシファイアを訓練するための訓練データセットを生成するために使用され得る。旅行の意図および／または目的地は、リアルタイムの位置データまたは限られた位置データ（例えば、旅行開始位置の位置）に基づいて旅行中に予測され得る。代替的または追加的に、旅行の開始前に、新規／次の旅行について意図および／または目的地が予測され得る。

ユーザは、本明細書に記載のシステムに事前登録されてもよいし、本明細書に記載のシステムによって提供される１または複数のモビリティサービスにサブスクリプションを行ってもよい。ユーザは、モビリティサービスの有望なリクエスタであってもよい。ユーザは、旅行中にシステムによって提供される取引オプションを受信するために、ユーザモバイルアプリケーションを利用することができる。アプリケーションは、予測された意図または目的地に基づいて、１または複数の取引サービスまたは収益化可能な運転者および／または乗客中心のサービスオプションをユーザに提供することができる。ユーザは、アプリケーションを介して予測された意図または目的地に関連するサービスまたは取引オファーを提示されてもよい。ユーザは、アプリケーションを介して旅行中にサービスにアクセスしたり取引を実行したりすることができる。ユーザは、旅行中にシステムによって提供されるモビリティサービスおよびユーザ体験サービスを含む１または複数のサービスを使用して、および／またはそれにアクセスしながら、第１の位置から第２の位置に輸送されてもよい。提供されるシステム／方法のユーザは、上述のように、運転者、ライドヘイリングサービスの運転者などのサービス運転者、乗客、または乗り物によって輸送される任意のユーザであってもよい。

図１は、地上モビリティ解析および目的地／意図予測システム１０１が動作され得るネットワーク環境１００の一例を概略的に示す。地上モビリティ解析および目的地／意図予測システム１０１は、１または複数のネットワーク１１０を介して複数のユーザデバイス１０３と相互作用することができる。地上モビリティ解析および目的地／意図予測システム１０１は、移動中に個別化されたサービス／製品を提供することを含む、個人化された輸送体験を提供するための個人輸送プラットフォームに結合されてもよく、またはその一部であってもよい。いくつかの実施形態では、複数のユーザデバイス１０３のうちのユーザデバイスが、ユーザに関連付けられたデバイスであり得る。いくつかの実施形態では、ユーザデバイスが複数のユーザによって使用され得る。例えば、ユーザデバイスは、乗り物の内部にある、または乗り物に結合された組み込みデバイスまたはシステムであってもよい。いくつかの実施形態では、２つ以上のユーザデバイスが単一のユーザに関連付けられ得る。

いくつかの実施形態では、地上モビリティ解析および目的地／意図予測システム１０１は、ユーザが移動ルートを閲覧するためのユーザインターフェースを提供するように、またはユーザデバイス１０３を介した旅行中の予測された旅行の意図／目的地に関連する１または複数の取引オプションと相互作用するように構成され得る。いくつかの場合では、ユーザインターフェースは、ユーザデバイス上または乗り物内のディスプレイ上にレンダリングされたＧＵＩを備えてもよい。地上モビリティ解析および目的地／意図予測システムは、旅行開始位置などの限られた位置データに基づいて旅行の意図または目的地を予測するように構成されてもよい。旅行の意図または目的地は、限られた位置データ（例えば、旅行開始位置のＧＰＳデータ）および／または個人データ（例えば、個人ＩＤ）に基づいて機械学習ベースのモデルを使用して生成され得る。地上モビリティ解析および目的地／意図予測システムは、限られたリアルタイムデータに基づいて旅行の意図／目的地を改善された予測精度で予測するように構成されてもよい。旅行の意図または目的地の予測は、旅行が進行するにつれて動的に更新および／または改善されてもよい。意図および目的地の予測に関する詳細は、本明細書で後述する。

いくつかの場合では、地上モビリティ解析および目的地／意図予測システムは、個人輸送計画システムに結合されてもよく、個人輸送計画システムは、移動ルート、移動中の１または複数のセグメントまたは１または複数の停止の出発時間および到着時間のスケジュール、移動ルートのセグメントの輸送モード（例えば、輸送のタイプ、乗り物のタイプ／ブランド、乗り物の構成など）、ならびに移動中の１または複数のサービスまたは収益化可能な運転者および／または乗客中心のサービス（例えば、目的地に関連するデジタルサービス、取引イベント、またはビジネス活動）を含む個人化された輸送計画を生成するように構成される。いくつかの例では、個人化された輸送計画はまた、自律乗り物を使用して少なくとも１つのセグメントを通してユーザを輸送することを含むことができる。いくつかの場合では、個人化された輸送計画または個人化された輸送計画の少なくとも一部分（例えば、輸送モード）は、旅行の意図／目的地の更新された予測に基づいて動的に更新されてもよい。

個人化された輸送計画は、ユーザに関連するデータおよび／または取引サービスに関連するデータに基づいて生成されてもよい。ユーザに関連するデータとしては、個人識別情報（ＩＤ）、ユーザの選好、輸送履歴、または購入履歴などの履歴データが挙げられる。そのようなデータは、モバイルアプリケーション（例えば、マッピングアプリケーション、ナビゲーションアプリケーション、電子メール、テキストメッセージ、ソーシャルネットワークアプリ、個人健康アプリなど）、ソーシャルネットワークソフトウェア、モビリティサービスプロバイダ（例えば、Ｕｂｅｒ（登録商標）およびＬｙｆｔ（登録商標））、ベンダ、ビジネスエンティティ（例えば、ファーストフード、レストラン、コーヒーショップ、ホスピタリティ、コンビニエンスストア、燃料補給所、劇場など）、コンテンツプロバイダ（例えば、Ａｐｐｌｅ Ｍｕｓｉｃ（登録商標）、ビデオ、ゲームなど）などのサードパーティサービスプロバイダ、デジタル仮想アシスタント、Ａｌｅｘａ（登録商標）などのスマートホームデバイス、双方向音声応答（ｉｎｔｅｒａｃｔｉｖｅ ｖｏｉｃｅ ｒｅｓｐｏｎｓｅ、ＩＶＲ）システム、Ｆａｃｅｂｏｏｋ（登録商標）チャネル、Ｔｗｉｌｉｏ ＳＭＳチャネル、Ｓｋｙｐｅ（登録商標）チャネルなどのソーシャルメディアチャネルおよびメッセンジャーＡＰＩ、ならびに様々な他のソースなどの様々なデータソースから収集されてもよい。取引サービスに関連するデータとしては、ユーザによる以前の取引サービスまたはサードパーティサービスプロバイダからのデータの拒否または承諾が挙げられる。個人化された輸送計画は、予測された意図または目的地に少なくとも部分的に基づいて、機械学習ベースのモデルを使用して生成され得る。入力データは、上述のように様々なデータから導出されたデータであってもよい。例えば、入力データとしては、ソーシャルグラフ、購入グラフ、輸送グラフ、人口統計情報、気象データ、ベンダまたはサービスプロバイダのカタログ、および他の様々なものが挙げられる。モデルの出力は、移動ルート、移動ルートの１または複数のセグメントのスケジュール（例えば、出発時間、到着時間など）、各セグメントの輸送モード（例えば、乗り物、車のタイプ）、および移動中の１または複数の取引オプションまたはサービスであってもよい。いくつかの場合では、取引オファーは、システムによってリアルタイムでユーザに提供されてもよい。例えば、サービスオファーに対する拒否を示すユーザ入力を受信すると、新規取引オファーが選択され、リアルタイムでユーザに提供されてもよい。

本明細書で使用される場合、リアルタイムとは、一般に、コンピュータプロセッサなどによる、１秒未満、１０分の１秒未満、１００分の１秒未満、１ミリ秒未満、またはそれ未満の応答時間を指す。また、リアルタイムとは、第２のイベントの発生に対する第１のイベントの同時または実質的に同時の発生を指すこともできる。

地上モビリティ解析および目的地／意図予測システム１０１は、１または複数のサーバ１０５と、関連データを格納または取得するように構成され得る１または複数のデータベースシステム１０７、１０９とを備え得る。関連データとしては、処理されたＧＰＳデータ、旅行データ、拡張された旅行データ、拡張された個人データレコード（旅行の意図、旅行のタイプ、ユーザセグメント化などに関連する追加データでラベル付与されたもの）、ユーザプロファイルデータ（例えば、ユーザの選好、身元、年齢、性別、連絡先情報、人口統計データ、格付けなどの個人データ）、履歴データ（例えば、ソーシャルグラフ、輸送履歴、輸送サブスクリプション計画データ、購入または取引履歴、ロイヤルティプログラム、および本明細書の他の箇所に記載されているような様々な他のデータが挙げられる。いくつかの場合では、地上モビリティ解析および目的地／意図予測システム１０１は、１または複数の位置データサービス、オントロジナレッジベース、地図、気象、または交通アプリケーションプログラムインターフェース（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍ ｉｎｔｅｒｆａｃｅ、ＡＰＩ）もしくは地図データベースなどの１または複数の外部システムまたはデータソースからデータを得る、または（例えば、１または複数のネットワーク１１０を介して）通信することができる。いくつかの例では、地上モビリティ解析および目的地／意図予測システム１０１は、１または複数の外部システム（例えば、位置データソース、モビリティサービスプロバイダ、自律乗り物配車システム、ファーストフード、レストラン、コーヒーショップ、ホスピタリティ、コンビニエンスストア、燃料補給所、劇場、デジタルサービスプロバイダなどのサードパーティの収益化可能な運転者および／または乗客中心のサービスエンティティ）と通信するデータベースシステム１０７、１０９からデータを取得することができる。いくつかの場合では、データベースは、気象、交通、公共交通機関、全地球測位システム（ＧＰＳ）入力またはログ、計画データ、個人データ、および外部データソースから取得された他のデータなどの情報のためのテーブルまたはレコードを維持する同期データベースであってもよい。

構成要素（例えば、サーバ、データベースシステム、ユーザデバイス、外部システムなど）のそれぞれが、１または複数のネットワーク１１０またはある構成要素から別の構成要素へのデータの送信を可能にする任意のタイプの通信リンクを介して互いに動作可能に接続されてもよい。例えば、それぞれのハードウェア構成要素は、１または複数のネットワークとの一方向および／または双方向通信を可能にするネットワークアダプタを備えることができる。例えば、サーバおよびデータベースシステムは、関連データを送信および／または受信するために、１または複数のネットワーク１１０を介してユーザデバイス１０３および／またはデータソースと通信することができる。

サーバ（例えば、サーバ１０５）は、ウェブサーバ、モバイルアプリケーションサーバ、エンタープライズサーバ、または任意の他のタイプのコンピュータサーバを含むことができ、コンピューティングデバイス（例えば、ユーザデバイス、他のサーバ）からの要求（例えば、ＨＴＴＰ、またはデータ伝送を開始することができる他のプロトコル）を受け入れ、要求されたデータをコンピューティングデバイスに提供するようにプログラムされたコンピュータとすることができる。サーバは、単一のサーバ、または複数のコンピュータもしくは複数のデータセンタにわたる分散サーバであってもよい。サーバは、例えば、限定するものではないが、ウェブサーバ、ニュースサーバ、メールサーバ、メッセージサーバ、広告サーバ、ファイルサーバ、アプリケーションサーバ、交換サーバ、データベースサーバ、プロキシサーバ、本明細書に記載の機能もしくはプロセスを実行するのに適した別のサーバ、またはそれらの任意の組み合わせなど、様々なタイプのものであってもよい。加えて、サーバは、データを配信するための、無料放送、ケーブル、衛星、および他の放送設備などの放送設備とすることができる。サーバは、データネットワーク（例えば、クラウドコンピューティングネットワーク）内のサーバであってもよい。

サーバは、１または複数のプロセッサ、（１または複数の）プロセッサによって実行されるソフトウェア命令を格納する１または複数のメモリデバイス、およびデータなどの様々なコンピューティング構成要素を含むことができる。サーバは、１または複数のプロセッサと、プログラム命令を格納するための少なくとも１つのメモリとを有することができる。（１または複数の）プロセッサは、特定の命令のセットを実行することができる単一または複数のマイクロプロセッサ、フィールドプログラマブルゲートアレイ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ、ＦＰＧＡ）、またはデジタルシグナルプロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ、ＤＳＰ）とすることができる。コンピュータ可読命令は、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、コンパクトディスク読み出し専用メモリ）、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ、光磁気）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、デジタル多用途ディスク－読み出し専用メモリ）、ＤＶＤ ＲＡＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ－Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、デジタル多用途ディスク－ランダムアクセスメモリ）、または半導体メモリなどの有形の非一時的コンピュータ可読媒体に格納することができる。あるいは、本方法は、例えば、ＡＳＩＣ、専用コンピュータ、または汎用コンピュータなどのハードウェア構成要素、またはハードウェアとソフトウェアとの組み合わせで実施することができる。

１または複数のデータベース１０７、１０９は、任意の適切なデータベース技法を利用してもよい。例えば、構造化照会言語（ｓｔｒｕｃｔｕｒｅｄ ｑｕｅｒｙ ｌａｎｇｕａｇｅ、ＳＱＬ）または「ＮｏＳＱＬ」データベースを利用して、処理済み／生ＧＰＳデータ、ユーザプロファイルデータ、履歴データ、旅行の意図／目的地、地図、または他のデータを予測するために使用される予測モデルまたはアルゴリズムを格納することができる。データベースのいくつかは、アレイ、ハッシュ、（リンクされた）リスト、構造体、構造化テキストファイル（例えば、ＸＭＬ）、テーブル、ＪａｖａＳｃｒｉｐｔオブジェクトノーテーション（ＪａｖａＳｃｒｉｐｔ Ｏｂｊｅｃｔ Ｎｏｔａｔｉｏｎ、ＪＳＯＮ）、ＮＯＳＱＬおよび／またはこれらに類似するものなどの様々な標準データ構造を使用して実装されてもよい。そのようなデータ構造は、メモリおよび／または（構造化された）ファイルに格納することができる。別の代替形態では、オブジェクト指向データベースが使用されてもよい。オブジェクトデータベースは、共通の属性によって一緒にグループ化および／またはリンクされるいくつかのオブジェクトコレクションを含むことができ、それらは、いくつかの共通属性によって他のオブジェクトコレクションに関連付けられてもよい。オブジェクト指向データベースは、オブジェクトが単なるデータ片ではなく、所与のオブジェクト内にカプセル化された他のタイプの機能を有し得ることを除いて、リレーショナルデータベースと同様に機能する。いくつかの実施形態では、データベースは、データを表現および格納するためにノード、エッジ、およびプロパティを有する意味的クエリのためのグラフ構造を使用するグラフデータベースを含み得る。本発明のデータベースがデータ構造として実装される場合、本発明のデータベースの使用は、本発明の構成要素などの別の構成要素に統合されてもよい。また、データベースは、データ構造、オブジェクト、および関係構造の混合として実装されてもよい。データベースは、標準的なデータ処理技法によって統合および／または分散されてもよい。データベースの一部、例えばテーブルは、エクスポートおよび／またはインポートされ、これにより分散化および／または統合され得る。

いくつかの実施形態では、地上モビリティ解析および目的地／意図予測システム１０１は、データをユーザに効率的に送達するためにデータベースを構築し得る。例えば、地上モビリティ解析および目的地／意図予測システム１０１は、データを抽出、変換、およびロード（ＥＴＬ）するためのカスタマイズされたアルゴリズムを提供することができる。いくつかの実施形態では、地上モビリティ解析および目的地／意図予測システム１０１は、大規模データベースに適合される、容易にスケーラブルである、クエリおよびデータ取得において効率的である、または他のデータ構造を使用する場合と比較してメモリ要件が低減される、効率的なデータベースモデルを提供するために、独自仕様のデータベースアーキテクチャまたはデータ構造を使用してデータベースを構築し得る。

１または複数のデータベース（例えば、拡張された個人データベース）は、取引に関連し得る様々なアプリケーションまたはエンティティによってアクセスされ得るが、いくつかの状況では、そのような様々なアプリケーションまたはエンティティは取引に関連しなくてもよい。いくつかの場合では、拡張された個人データベースに格納されたデータは、アプリケーションプログラミングインターフェース（ＡＰＩ）を介して他のアプリケーションによって利用またはアクセスされ得る。様々なアプリケーションによってアクセスされるデータは、予測された意図／目的地、予測された輸送モード、および／または個人データレコードなどのシステムによって管理されるデータを含むことができる。データベースへのアクセスは、ＡＰＩレベルごと、データレベル（例えば、データのタイプ）ごと、アプリケーションレベルごと、または他の許可ポリシーにしたがって許可されてもよい。

地上モビリティ解析および目的地／意図予測システム１０１は、ネットワーク内のどこにでも実装することができる。地上モビリティ解析および目的地／意図予測システム１０１は、ネットワーク内の１もしくは複数のサーバ、ネットワーク内の１もしくは複数のデータベース、乗り物に組み込まれるか乗り物に結合された１もしくは複数の電子デバイス、または１もしくは複数のユーザデバイス上に実装されてもよい。例えば、地上モビリティ解析および目的地／意図予測システム１０１は、分散アーキテクチャ（例えば、地上モビリティ解析および目的地／意図予測システム１０１またはその動作を実装または実行するために一緒に集合的に機能する複数のデバイス）または複製方式（例えば、それぞれが地上モビリティ解析および目的地／意図予測システム１０１またはその動作を独立型システムとして実装または実行する複数のデバイス）で実装されてもよい。地上モビリティ解析および目的地／意図予測システム１０１は、ネットワーク環境１００内の上述のコンポーネントのうちの１または複数におけるソフトウェア、ハードウェア、またはソフトウェアとハードウェアとの組み合わせを使用して実装されてもよい。

複数のユーザデバイス１０３のうちのユーザデバイスが、電子デバイスであってもよい。ユーザデバイスは、開示された実施形態と一致する１または複数の動作を実行するように構成されたコンピューティングデバイスであってもよい。ユーザデバイスの例としては、モバイルデバイス、スマートフォン／携帯電話、タブレット、携帯情報端末（ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ、ＰＤＡ）、スマートウェアラブルデバイス、スマートウォッチ、ラップトップもしくはノートブックコンピュータ、デスクトップコンピュータ、メディアコンテンツプレーヤ、テレビセット、ビデオゲームステーション／システム、仮想現実システム、拡張現実システム、マイクロフォン、またはユーザが移動ルートを見て、トランザクションもしくはサービス関連情報と相互作用し、移動に関連する他の情報を表示することを可能にするように構成された任意の電子デバイスが挙げられるが、これらに限定されない。ユーザデバイスは、ハンドヘルドオブジェクトであってもよい。ユーザデバイスは携帯可能であってもよい。ユーザデバイスは、人間のユーザによって携行されてもよい。いくつかの場合では、ユーザデバイスは、人間のユーザから遠隔に配置されてもよく、ユーザは、無線および／または有線通信を使用してユーザデバイスを制御することができる。ユーザデバイスは、ユーザが装着したウェアラブルデバイスと通信するコンピューティングデバイスであってもよい。いくつかの場合では、ウェアラブルデバイスは、ユーザの活動、ユーザのバイタルサイン（例えば、血圧および心拍数）または健康状態を監視するように構成されてもよい。いくつかの場合では、ユーザデバイスは、乗り物に結合された、または車両に搭載された電子デバイスであってもよい。

いくつかの実施形態では、ユーザデバイスは、デバイス／ユーザの位置を検出することが可能であり得る。ユーザデバイスは、ユーザデバイスの瞬間的な位置または位置情報を提供するために、デバイスに搭載された１または複数のセンサを有することができる。いくつかの実施形態では、瞬間位置情報は、位置センサ（例えば、全地球測位システム（ＧＰＳ））、慣性センサ（例えば、加速度計、ジャイロスコープ、慣性計測ユニット（ＩＭＵ））、高度センサ、姿勢センサ（例えば、コンパス）、圧力センサ（例えば、気圧計）、フィールドセンサ（例えば、磁力計、電磁センサ）、および／または他のセンサ情報（例えば、Ｗｉ－Ｆｉデータ）などのセンサによって供給され得る。ユーザデバイスの位置は、移動ルートの出発地を特定するために使用することができる。追加的または代替的に、関心のある場所（例えば、旅行の出発地、旅行中の立ち寄り地）の位置は、ユーザインターフェースを介して位置を手動で入力することなどによって、ユーザデバイス１０３を介してユーザによって提供されてもよい。

ユーザデバイスは、ネットワーク内の１または複数の他の構成要素との通信を可能にし得る通信ユニットを備えることができる。いくつかの例では、通信ユニットは、単一の通信モジュール、または複数の通信モジュールを含むことができる。いくつかの例では、ユーザデバイスは、単一の通信リンクまたは複数の異なるタイプの通信リンクを使用して、ネットワーク環境内の１または複数の構成要素と相互作用することが可能であり得る。ユーザデバイス１０３は、ネットワーク１１０を介して上述のデータを要求し取得することによって、地上モビリティ解析および目的地／意図予測システム１０１と相互作用することができる。

ユーザデバイスは、開示された実施形態と一致する１または複数の動作のための命令を提供し得る非一時的コンピュータ可読媒体を実行することができる１または複数のプロセッサを備えることができる。ユーザデバイスは、１または複数の動作を実行するためのコード、ロジック、または命令を含む非一時的コンピュータ可読媒体を備える１または複数のメモリストレージデバイスを備えることができる。

いくつかの実施形態では、ユーザは、ユーザデバイス１０３を利用して、ユーザデバイス上で実行される、および／またはユーザデバイスによってアクセスされる１または複数のソフトウェアアプリケーション（すなわち、クライアントソフトウェア）によって地上モビリティ解析および目的地／意図予測システム１０１と相互作用することができ、ユーザデバイス１０３および地上モビリティ解析および目的地／意図予測システム１０１は、クライアント－サーバ関係を形成し得る。例えば、ユーザデバイス１０３は、地上モビリティ解析および目的地／意図予測システム１０１によって提供される専用モバイルアプリケーションを実行することができる。

いくつかの実施形態では、クライアントソフトウェア（すなわち、ユーザデバイス１０３にインストールされたソフトウェアアプリケーション）は、様々なタイプのモバイルデバイス用のダウンロード可能なモバイルアプリケーションとして利用可能であり得る。あるいは、クライアントソフトウェアは、様々なウェブブラウザによって実行するために、１または複数のプログラミング言語およびマークアップ言語の組み合わせで実装されてもよい。例えば、クライアントソフトウェアは、Ｃｈｒｏｍｅ、Ｍｏｚｉｌｌａ Ｆｉｒｅｆｏｘ、Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ、Ｓａｆａｒｉ、および任意の他の互換性のあるウェブブラウザなどの、ＪａｖａＳｃｒｉｐｔおよびＨＴＭＬレンダリングをサポートするウェブブラウザで実行することができる。クライアントソフトウェアアプリケーションの様々な実施形態は、複数のプラットフォームにわたって様々なデバイスのためにコンパイルされてもよく、それぞれのネイティブプラットフォームのために最適化されてもよい。いくつかの場合では、サードパーティユーザインターフェースまたはＡＰＩが、モバイルアプリケーションに統合され、フロントエンドユーザインターフェース（例えば、グラフィカルユーザインターフェース内のもの）に統合され得る。サードパーティユーザインターフェースは、サードパーティサーバによってホストされてもよい。サードパーティサーバは、相手先商標製造業者（ｏｒｉｇｉｎａｌ ｅｑｕｉｐｍｅｎｔ ｍａｎｕｆａｃｔｕｒｅｒ、ＯＥＭ）、ホテルおよびホスピタリティ、レストランおよびダイニング、観光およびエンターテイメント、サービス配信、ならびに本明細書の他の箇所に記載されているような様々な他のエンティティなど、ある範囲のサードパーティエンティティによって提供され得る。いくつかの場合では、ＡＰＩまたはサードパーティのリソース（例えば、地図サービスプロバイダ、モビリティサービスプロバイダ、デジタルサービスプロバイダ、Ｓｔａｒｂｕｃｋｓ、ＭｃＤｏｎａｌｄｓ、Ｔｉｃｋｅｔｍａｓｔｅｒなど）を使用して、ユーザとの取引を提供および実行することができる。いくつかの場合では、１または複数のサードパーティサービスは、ユーザが使い慣れたフロントエンドユーザ体験でそのようなサービスにアクセスすることができるように、地上モビリティ解析および目的地／意図予測システム１０１によって呼び出され、ユーザアプリケーションに統合されてもよい。いくつかの場合では、上述のサービスのうちの１または複数が、地上モビリティ解析および目的地／意図予測システム１０１の内蔵構成要素であってもよく、サードパーティエンティティをアウトソースすることなくユーザに提供されてもよい。いくつかの場合では、サードパーティサービスプロバイダから取得されたデータは、輸送中のユーザに対する予測された意図に関連する取引オファーを決定するために使用され得るベンダ／サービスカタログを形成するために、地上モビリティ解析および目的地／意図予測システム１０１によって編成および格納されてもよい。いくつかの場合では、地上モビリティ解析および目的地／意図予測システム１０１は、グラフィカルユーザインターフェース（ＧＵＩ）を提供してもよい。ＧＵＩは、ユーザが、グラフィカル要素と相互作用し、輸送中に移動ルートおよび移動スケジュールなどの情報を閲覧することによって、予測された目的地に関連する１または複数の取引オファー／オプション、情報、サービスにアクセスし、受け入れ、拒否し、選択することを可能にすることができる。

ユーザデバイスは、ディスプレイを備えてもよい。ディスプレイは、スクリーンであってもよい。ディスプレイは、タッチスクリーンであってもよい。あるいは、ディスプレイはタッチスクリーンでなくてもよい。ディスプレイは、発光ダイオード（ｌｉｇｈｔ－ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ、ＬＥＤ）スクリーン、ＯＬＥＤスクリーン、液晶ディスプレイ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ、ＬＣＤ）スクリーン、プラズマスクリーン、または任意の他のタイプのスクリーンであってもよい。ディスプレイは、アプリケーションを介して（例えば、ユーザデバイス上で実行されるアプリケーションプログラミングインターフェース（ＡＰＩ）を介して）レンダリングされたユーザインターフェース（ＵＩ）またはグラフィカルユーザインターフェース（ＧＵＩ）を表示するように構成されてもよい。例えば、ＧＵＩは、ユーザが取引オファーを承諾または拒否し、予測された意図／目的地、移動ルート、および取引オプションに関連する情報を見ることを可能にするグラフィック要素を示すことができる。

ネットワーク１１０は、個人輸送管理システム１０１、ユーザデバイス１０３、およびネットワークの他の構成要素の間の通信経路であってもよい。ネットワークは、無線通信システムおよび／または有線通信システムの両方を使用するローカルエリアネットワークおよび／またはワイドエリアネットワークの任意の組み合わせを含むことができる。例えば、ネットワーク１１０は、インターネットおよび携帯電話ネットワークを含むことができる。一実施形態では、ネットワーク１１０は、標準的な通信技術および／またはプロトコルを使用する。したがって、ネットワーク１１０は、イーサネット（登録商標）、８０２．１１、ワールドワイドインターオペラビリティフォーマイクロウェーブアクセス（ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ、ＷｉＭＡＸ）、２Ｇ／３Ｇ／４Ｇもしくはロングタームエボリューション（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ、ＬＴＥ）移動通信プロトコル、赤外線（ＩＲ）通信技術、および／またはＷｉ－Ｆｉなどの技術を使用するリンクを含むことができ、無線、有線、非同期転送モード（ａｓｙｎｃｈｒｏｎｏｕｓ ｔｒａｎｓｆｅｒ ｍｏｄｅ、ＡＴＭ）、ＩｎｆｉｎｉＢａｎｄ、ＰＣＩ Ｅｘｐｒｅｓｓ Ａｄｖａｎｃｅｄ Ｓｗｉｔｃｈｉｎｇ、またはそれらの組み合わせとすることができる。ネットワーク１１０上で使用される他のネットワークプロトコルとしては、マルチプロトコルラベルスイッチング（ｍｕｌｔｉｐｒｏｔｏｃｏｌ ｌａｂｅｌ ｓｗｉｔｃｈｉｎｇ、ＭＰＬＳ）、伝送制御プロトコル／インターネットプロトコル（ｔｒａｎｓｍｉｓｓｉｏｎ ｃｏｎｔｒｏｌ ｐｒｏｔｏｃｏｌ／Ｉｎｔｅｒｎｅｔ ｐｒｏｔｏｃｏｌ、ＴＣＰ／ＩＰ）、ユーザデータグラムプロトコル（Ｕｓｅｒ Ｄａｔａｇｒａｍ Ｐｒｏｔｏｃｏｌ、ＵＤＰ）、ハイパーテキスト転送プロトコル（ｈｙｐｅｒｔｅｘｔ ｔｒａｎｓｐｏｒｔ ｐｒｏｔｏｃｏｌ、ＨＴＴＰ）、シンプルメール転送プロトコル（ｓｉｍｐｌｅ ｍａｉｌ ｔｒａｎｓｆｅｒ ｐｒｏｔｏｃｏｌ、ＳＭＴＰ）、ファイル転送プロトコル（ｆｉｌｅ ｔｒａｎｓｆｅｒ ｐｒｏｔｏｃｏｌ、ＦＴＰ）などが挙げられる。ネットワークを介して交換されるデータは、バイナリ形式（例えば、ポータブルネットワークグラフィックス（Ｐｏｒｔａｂｌｅ Ｎｅｔｗｏｒｋｓ Ｇｒａｐｈｉｃｓ、ＰＮＧ））、ハイパーテキストマークアップ言語（ｈｙｐｅｒｔｅｘｔ ｍａｒｋｕｐ ｌａｎｇｕａｇｅ、ＨＴＭＬ）、拡張可能マークアップ言語（ｅｘｔｅｎｓｉｂｌｅ ｍａｒｋｕｐ ｌａｎｇｕａｇｅ、ＸＭＬ）などの画像データを含む技術および／またはフォーマットを使用して表すことができる。加えて、リンクの全部または一部は、セキュアソケットレイヤ（ｓｅｃｕｒｅ ｓｏｃｋｅｔｓ ｌａｙｅｒｓ、ＳＳＬ）、トランスポートレイヤセキュリティ（ｔｒａｎｓｐｏｒｔ ｌａｙｅｒ ｓｅｃｕｒｉｔｙ、ＴＬＳ）、インターネットプロトコルセキュリティ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ ｓｅｃｕｒｉｔｙ、ＩＰｓｅｃ）などの従来の暗号化技術を使用して暗号化することができる。別の実施形態では、ネットワーク上のエンティティは、上記のものの代わりに、またはそれに加えて、カスタムおよび／または専用データ通信技術を使用することができる。ネットワークは、無線、有線、またはそれらの組み合わせであってもよい。

旅行の目的地または意図を予測するためのシステムは、本明細書で説明および図示されるような複数の構成要素を備えることができる。図２～図１８は、限られた位置データに基づいて目的地または意図を集合的に予測する機能および動作を実行するように構成されたシステムの様々な構成要素を概略的に示す。いくつかの実施形態では、システムの様々な構成要素は、旅行識別エンジン、関心地点（ＰＯＩ）割り当てエンジン、デバイスＩＤ－個人ＩＤコンバータ、個人データ拡張エンジン、自動旅行ラベル付与エンジン、機械学習（ＭＬ）クラスタリングシステム、個人セグメント化エンジン、データベース、および様々な他の構成要素を備え得る。

いくつかの実施形態では、システムの１または複数の構成要素（例えば、旅行クラシファイア）は、ソートされていない、または無相関の位置データを使用して展開され得る。いくつかの実施形態では、地上モビリティ解析および目的地／意図予測システムによって生成および管理される個人データレコードは、ソートされていない、または無相関の位置データから抽出されたデータを含み得る。いくつかの場合では、ソートされていないまたは無相関の位置データは、システムの旅行識別エンジンによって処理されて、複数の個々の旅行を出力することができる。図２は、いくつかの実施形態による、位置データを処理するための旅行識別エンジン２１０を概略的に示す。

いくつかの実施形態では、位置データ２０１はＧＰＳデータを含み得る。いくつかの場合では、ＧＰＳデータは、対応するＧＰＳ情報を含む複数のレコードまたはデータセットを含むことができる。例えば、テーブルが、対応する座標データ（例えば、緯度、経度）、タイムスタンプ、名寄せ、およびデバイスＩＤなどの他の情報を含む各レコードのエントリで維持されてもよい。位置レコードのデータエントリは、任意の適切なデータ構造を含むことができる。例えば、データ構造は、上述したように複数のデータフィールドを含むことができる。データ構造は、生データフォーマットまたはデータが取得されるデータソースに依存し得る。

位置データ２０１は、１または複数のデータソースから取得することができる。位置データは、全球測位衛星システム（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、ＧＮＳＳ）、セルラー三角測量、補助ＧＰＳ（ａｓｓｉｓｔｅｄ－ＧＰＳ、Ａ－ＧＰＳ）、ディファレンシャル全地球測位システム（ｄｉｆｆｅｒｅｎｔｉａｌ ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ、ＤＧＰＳ）などの適切な位置ベースの技術を利用して取得することができる。

いくつかの実施形態では、位置データは、少なくとも地理的位置情報と、デバイスＩＤなどの識別子とを含み得る。データソースに応じて、識別子は、例えば、広告識別子（Ｉｄｅｎｔｉｆｉｅｒ ｆｏｒ Ａｄｖｅｒｔｉｓｉｎｇ、ＩＤＦＡ）またはＡｎｄｒｏｉｄ広告ＩＤ（Ａｎｄｒｏｉｄ Ａｄｖｅｒｔｉｓｉｎｇ Ｉ、ＡＡＩＤ）であってもよい。

位置データの複数のレコードは、ストリームまたはバッチで１または複数のデータソースから取得することができる。位置データは、時空間点測定値などの時系列データであってもよい。いくつかの場合では、位置データの複数のレコードまたはデータセットは、時系列にストリーミングまたは編成されない可能性があるソートされていないものであり得る。複数のレコードまたはデータセットは、１または複数のデバイス／個人に関連付けられた複数の旅行に関連付けられてもよい。いくつかの場合では、位置データの複数のレコードまたはデータセットは、個人または旅行に関する明示的な情報を含まなくてもよい。

位置データは、１または複数の個々の旅行２２１－１、２２１－２、２２１－３を識別するために旅行識別エンジン２１０によって処理され得る。いくつかの場合では、１または複数の個々の旅行は、旅行データベース２２０に格納されてもよい。旅行は、ストリップの出発地に対応する位置データセットと旅行の目的地に対応する位置データセットとを少なくとも含む順序付き位置データレコードのシーケンスを含むことができる。旅行は、旅行の出発地地理的位置／開始時間、旅行の目的地地理的位置／終了時間、および旅行が関連付けられているデバイスＩＤを含む旅行情報が識別されるように、任意の適切な方法を使用して複数の位置データセットから識別され得る。１または複数の固有の旅行が識別され、デバイスＩＤに関連付けられ得る。例えば、異なる開始／終了時間における異なる旅行２２１－１、２２１－２が識別されて、同じデバイスＩＤに関連付けられてもよい。

いくつかの実施形態では、旅行の出発地および／または目的地の地理的位置は、関心点（ＰＯＩ）などの位置コンテキストデータを割り当てられ得る。図３は、いくつかの実施形態による、システムのＰＯＩ割り当てエンジン３０３を示す。ＰＯＩ割り当てエンジン３０３は、少なくとも個々の旅行の出発地および目的地に位置コンテキストデータを割り当てるために旅行データベース３０１に結合することができる。いくつかの場合では、旅行中の１または複数の中間位置点（例えば、途中の立ち寄り地）に位置コンテキストデータを割り当てることができる。そのような位置コンテキストデータは、旅行に沿った目的地、出発地、または立ち寄り地の識別情報と関連付けられてもよい。位置コンテキストデータとしては、例えば、コーヒーショップ、空港、会場、レストラン、スタジアム、劇場、歯科診療所などが挙げられる。旅行データベース３０１は、図２で説明したような旅行データベースと同じであり得る。

いくつかの場合では、ＰＯＩ割り当てエンジンは、旅行データベース３０１から１または複数の旅行を取得し、クラウドソーシング手法を使用して収集された位置コンテキストデータを割り当てることができる。例えば、ＰＯＩ割り当てエンジンは、ローカルビジネス、ランドマーク、および関心点（ＰＯＩ）データを収集するために、１または複数のサードパーティデータソース３０７－１、３０７－２、３０７－３に結合されてもよい。一例として、ＰＯＩデータは、それに関連付けられたジオタグを有することができ、ＰＯＩ割り当てエンジンは、ＰＯＩデータを検索して、旅行の出発地または目的地の地理座標（例えば、旅行開始緯度／経度、旅行終了緯度／経度）との良好な一致を見つけることができる。ベストマッチ（例えば、旅行開始ＰＯＩ、旅行終了ＰＯＩ）のＰＯＩデータが返され得る。

いくつかの場合では、１または複数のサードパーティデータソース３０７－１、３０７－２、３０７－３は、ＰＯＩデータを提供するために他のデータソースを介して選択されてもよい。例えば、複数の候補ＰＯＩが同じ位置または住所に関連付けられている場合、システムは、選択基準に基づいて複数の候補ＰＯＩから１つのＰＯＩを選択することができる。いくつかの場合では、選択基準はユーザ固有であってもよい。例えば、履歴ユーザデータ（例えば、ユーザの輸送、購入、および／または取引履歴、ユーザのソーシャル活動など）に基づいて複数の候補ＰＯＩからＰＯＩを選択することができる。代替的または追加的に、ＰＯＩデータは、複数の候補ＰＯＩの組み合わせであってもよい。例えば、ＰＯＩデータは、同じ地理的地点に属するすべてのＰＯＩに関する集約情報（例えば、街路名、ランドマーク基準、地域名など）であってもよい。他の例では、「スイート番号、街路名、地域コード」などのいかなるフォーマットにも従わない構造化されていない住所を有するＰＯＩは、同じ地理的位置に属する他のＰＯＩの情報によって補足されてもよい。

いくつかの場合では、位置コンテキストデータは、オントロジナレッジベース３０５などの様々な他のデータソースによって拡張されてもよい。例えば、いくつかのＰＯＩは、オントロジナレッジベースによって提供される追加の属性（例えば、空港はターミナルにターミナル番号、航空会社を有する）で補完されてもよい。オントロジナレッジベース３０５は、１または複数の個人、組織によって手動で展開されてもよいし、外部システムまたはリソースからインポートされてもよいし、ユーザと協働する（例えば、自然言語テキストから輸送用語を抽出する）機械学習システムを使用して部分的に学習されてもよい。次いで、ＰＯＩデータ３１１、３１３で補足された旅行データセット３１０が、旅行データベース３０１に逆に取り込ませてもよい。

上述のように、元の／生の位置データは、個人に関連付けられていなくてもよい。いくつかの実施形態では、システムのデバイスＩＤ－個人ＩＤコンバータが、デバイスＩＤに基づいて位置データを個人と相関させるために使用され得る。図４は、いくつかの実施形態による、デバイスＩＤ－個人ＩＤコンバータ４０１を概略的に示す。

デバイスＩＤ－個人ＩＤコンバータ４０１は、１または複数のデバイスＩＤと個人ＩＤとを対応付けるように構成されてもよい。デバイスＩＤ－個人ＩＤコンバータ４０１は、デバイスＩＤデータを処理し、デバイスＩＤを個人識別子と相関させることができる。個人識別子４１３は、適切な名寄せ（ｉｄｅｎｔｉｔｙ ｒｅｓｏｌｕｔｉｏｎ）方法を使用して取得され得る個人の識別情報に対応することができる。名寄せ方法は、異なる識別情報属性およびマッチングアルゴリズムを包含し得る。例えば、個人識別情報属性、ソーシャル行動属性、およびソーシャル関係属性などの識別情報関連データは、一対比較、推移閉包、および集合的クラスタリングなどのマッチングアルゴリズムによって処理されて、個人の識別情報を抽出することができる。識別情報関連データおよびデバイスＩＤは、さらに処理され、個人データレコード４１１を形成するために関連付けられ得る。個人データレコードのエントリ４１３は、個人ＩＤおよびデバイスＩＤなどの複数のデータフィールドを含むことができる。次いで、個人データレコード４１１が個人データベース４１０に格納され得る。いくつかの場合では、認識されていないデバイスＩＤ４０３は、別個のデータベースに格納されてもよい。

いくつかの実施形態では、個人データレコードは、追加の個人データで拡張され得る。図５は、個人データレコードを拡張して拡張された個人データベース４２０を形成するように構成された個人データ拡張エンジン５００を概略的に示す。いくつかの実施形態では、個人データ拡張エンジンは、個人データレコードを拡張するために、複数のデータソースからユーザデータ（例えば、人口統計データ、購入データ、ソーシャルグラフなど）を取得し、旅行データベース３０１から旅行データを取得し得る。

ユーザデータは、身元、年齢、性別、連絡先情報、人口統計データなどの個人に関する個人データを含むことができる。そのようなデータは、他のデータソースまたはサードパーティアプリケーションから抽出されてもよい。いくつかの場合では、個人データはまた、ユーザの選好を含んでもよい。ユーザの選好は、移動の選好および取引／サービスの選好の両方を含むことができる。移動の選好は、システムによって取得された様々なパラメータのうちの１または複数から導出され、個人化された移動ルートを生成するために、または輸送モードを予測するために使用され得る。例えば、「最速ルート」の選好などの移動の選好は、２地点間の（時間的に）最速なルートを優先することを示す。「最短ルート」の選好は、２地点間の最短（距離）ルートを優先することを示し得る。「最も燃料効率の良いルート」の選好は、燃料節約を優先することを示し得る。移動の選好は、例えば、勾配の大きな変化（例えば、丘）または勾配の小さな変化（例えば、平坦）を望む可能性があるサイクリスト、歩行者、ランナー、ハイカー、およびスイマーに特に関連し得る「労力」を優先することを示し得る。移動の選好は、様々な景色の良い地点、都市の景色よりも緑の多さなどを有するルートを優先すること、美術館、劇場、芝居小屋などを優先すること、買い物の機会を含むルートを優先すること、食べ物を優先すること、交通量の多いルートが目的地までの最も速い経路であっても交通渋滞を回避するためのユーザによる選好、および様々な他の選好を示すことができる。移動の選好としては、ユーザが好む輸送モード（例えば、自律乗り物、公共交通機関（列車、路面電車、または都市バスなど）、シャトル、ライドシェアリング、ライドヘイリング、共同旅行または私的旅行、ウォーキング、自転車、電動スクータ、タクシーなど）、または乗り物内のユーザ体験（例えば、音楽、ゲームへのアクセス）などを含むことができる。移動の選好は、移動ルート、ルートのセグメント、セグメントの輸送モード、および／または移動ルート中の立ち寄り地（例えば、美しい眺め、レストラン、コーヒーショップなど）を決定するために使用されてもよい。そのようなユーザの選好は、ユーザによって入力されてもよい、および／または他のデータソースまたは履歴データから抽出されてもよい。

購入データは、旅行中または旅行の終了時に行われたユーザの任意の購入または取引履歴を含むことができる。購入または取引は、乗り物ではなくてもよい任意の場所で（例えば、目的地で）実行されてもよい。購入または取引は、乗り物内または客室内取引であってもよい。

いくつかの場合では、ソーシャルデータは、とりわけ、車載共有を容易にするために、様々なユーザまたは乗り物間の関係を描写することができる。いくつかの場合では、ソーシャルデータは、ユーザと他の個人およびエンティティ（例えば、家族、会社、友人など）、道路ネットワーク、およびコミュニティ内の潜在的な待ち合わせ場所との関係を示すことができる。いくつかの場合では、ソーシャルデータは、カーシェアリングを促進し、推薦される乗り物および位置を提供し、共通の関心およびモビリティ活動に基づいてカーシェアリングのパートナーを提案するために使用され得る。いくつかの場合では、ソーシャルデータは、旅行の位置および／またはスケジュールを予測または推薦するために使用され得る。例えば、ユーザがユーザとビジネス上の取引関係にある人と会うようにスケジュールされる場合、到着時間は、ビジネスミーティングの選好に基づいてスケジュールされてもよい。ソーシャルデータは、ソーシャルネットワーク（例えば、Ｆａｃｅｂｏｏｋ、Ｔｗｉｔｔｅｒ、ＬｉｎｋｅｄＩｎなど）、過去の通信（例えば、電子メール、ＳＭＳ、ビデオチャットなど）、クラブの共通の会員資格、組織の共通の会員資格、共通の会員資格および社会、家族関係、共通の雇用主、共通の職場などから取得することができる。

いくつかの場合では、追加のユーザデータが、旅行の少なくともセグメントの輸送モードを予測するために使用され得る。例えば、ユーザデータは、ユーザに関連付けられた過去の輸送データから収集された輸送モード（例えば、自律乗り物、公共交通機関（列車、路面電車、または都市バスなど）、シャトル、ライドシェアリング、ライドヘイリング、共同旅行または私的旅行、ウォーキング、自転車、電動スクータ、タクシーなど）を含むことができる。

個人データ拡張エンジン５００は、個人データベース４１０内の個人データレコードを、ユーザデータ（例えば、人口統計データ、購入データ、ソーシャルグラフなど）および旅行データベース３０１から取得した旅行データで拡張し、それによって拡張された個人データレコードを生成するように構成されてもよい。いくつかの実施形態では、旅行データおよび個人データは、デバイスＩＤに基づいて統合され得る。いくつかの実施形態では、個人データ拡張エンジン５００は、異なるデータベース（すなわち、旅行データベース、個人データベース）を統合するのに適した技法を採用し得る。例えば、マッチしたデバイスＩＤに基づいて複数の個人データレコードのうちの１つに旅行データを組み込むことによって、旅行データベースは、個人データベース内の複数のレコードと統合されてもよい。次いで、統合された個人データレコードは、拡張された個人データレコードとして拡張された個人データベース４２０に保存されてもよい。例えば、拡張された個人データレコードは、個人ＩＤ、デバイスＩＤ、および対応する旅行データ（例えば、ＰＯＩでタグ付けされた一連の位置データ）などのデータフィールドを含むことができる。

いくつかの実施形態では、拡張された個人データレコードは、追加の意図または目的地関連情報でさらに更新および拡張され得る。図６は、意図または目的地に関連するラベルで拡張された個人データベース４２０に格納されたデータをさらに拡張するように構成された自動旅行ラベル付与エンジン６００を概略的に示す。

いくつかの実施形態では、目的地の意図は、活動に関連するコンテキスト情報、または目的地から推測される意図であり得る。例えば、スーパーマーケットの意図は食品の買い物であってもよく、平日の朝の旅行に関連付けられた意図は毎日の通勤であってもよく、食品、ガソリンなどに関連付けられた意図は買い物であってもよく、スポーツアリーナ、劇場に関連付けられた意図はエンターテイメントであってもよい。そのような意図は、意図ラベルのリストを格納するラベル付与規則ナレッジベース６１０から得ることができる。自動旅行ラベル付与エンジン６００は、各旅行の目的地をラベル付与規則ナレッジベース６１０によって提供される意図ラベルでラベル付与することができる。次いで、拡張された個人データレコードは、各旅行に関連付けられた目的地の意図を組み込むことによって更新されてもよい。

いくつかの実施形態では、拡張された個人データレコードは、意図によって旅行をグループ化するためのシステムの旅行セレクタによって処理され得る。旅行のグループは、機械学習ベースのクラスタリングシステムによってさらに処理され、目的地によってさらにクラスタリングされてもよい。図７は、意図に基づいて拡張された個人データベース４２０から取得された複数の旅行をグループ化するように構成された旅行セレクタ７００を概略的に示す。例えば、同じ意図ラベルを有する旅行を一緒にグループ化することができる。同じ意図（例えば、仕事するために通信する）を有する旅行は、同じ目的地を有していてもいなくてもよい。

いくつかの場合では、意図によってグループ化された旅行は、機械学習ベースのクラスタリングシステムによってさらに処理される。機械学習ベースのクラスタリングシステムは、旅行に対してクラスタ解析を実行して、意図のセットに対する旅行の自然なグループ化を決定することができる。例えば、同じクラスタの旅行は、同じ目的地を有することができ、異なる出発地、途中の立ち寄り地、または開始／終了時間を有することができる。いくつかの場合では、同じクラスタに属する旅行のセットは、意図に加えて共通の１または複数の特性（例えば、出発地、輸送モード、途中の立ち寄り地）を有することができる。いくつかの場合では、１または複数の共通の特性は、旅行または旅行のセグメントのラベルとして識別および使用され得る。

いくつかの場合では、クラスタに関連付けられたラベルは、クラシファイアを訓練するための訓練データセットの一部として使用されてもよい。ラベルは、旅行データとペアリングするための訓練データセットの一部として使用することができる。ラベルは、１または複数の個人、組織によって手動で作成されてもよいし、外部システムまたはリソースからインポートされてもよい。ラベル（例えば、個人の車、朝の旅行、直接通勤など）は、上述のように、機械学習ベースのクラスタリングシステムによって生成された自然クラスタリングに基づいて識別され得る。

図８は、旅行のクラスタの一例を示す。旅行のセットは、「個人の車を使用した通勤」クラスタに含まれてもよい。旅行のセットは、同じ目的地および同じ意図を有することができるが、途中の立ち寄り地は異なっていてもよい。

いくつかの実施形態では、旅行のセグメントは、拡張されたデータでラベル付与され得る。図９は、ラベル付与規則ナレッジベースが、旅行のセグメントに対して作成されたラベルで更新されることを示す。ラベルは、１または複数の個人、組織によって手動で作成されてもよいし、外部システムまたはリソースからインポートされてもよい。ラベル（例えば、個人の車、朝の旅行、直接通勤など）は、上述のように、機械学習ベースのクラスタリングシステムによって生成された自然クラスタリングに基づいて識別され得る。

いくつかの実施形態では、旅行または旅行のセグメントのために作成されたラベルは、拡張された個人データレコードを補足するために使用され得る。図１０は、上述のようなクラスタ解析を使用して取得されたラベルで旅行をラベル付与するように構成された自動旅行ラベル付与エンジン１０００を概略的に示す。自動旅行ラベル付与エンジン１０００は、図６で説明された自動旅行ラベル付与エンジンと同じであり得る。自動旅行ラベル付与エンジン１０００は、旅行または旅行の１もしくは複数のセグメントを自動的にラベル付与することができる。いくつかの場合では、ラベル付与は、ラベル付与規則ナレッジベース６１０から取得されたラベル付与規則に基づいて実行されてもよい。ラベル付与規則は、１または複数の個人、組織によって手動で展開されてもよいし、外部システムまたはリソースからインポートされてもよいし、ユーザと協働する（例えば、自然言語テキストから輸送用語を抽出する）機械学習システムを使用して部分的に学習されてもよい。以下は、ラベル付与規則ナレッジベース６１０に格納された例示的な規則である。

規則１：ｔｒｉｐ＿ｓｔａｒｔ＿ｔｉｍｅが午前５：００よりも後であり、ｔｒｉｐ＿ｅｎｄ＿ｔｉｍｅが午後１２：００よりも前である場合、ｌａｂｅｌ＝”“ｍｏｒｎｉｎｇ＿ｔｒｉｐ”（ここでは、ローカル時間帯で午前、午後を計算する）

規則２：ｔｒｉｐ＿ｔｙｐｅ＝“毎日の通勤”かつｉｎｔｅｒｍｅｄｉａｔｅ＿ｓｔｏｐ＿ｄｕｒａｔｉｏｎが＞５分かつ＜２０分であり、かつｉｎ＿ｔｒｉｐ＿ＰＯＩ＿ｔｙｐｅ＝“コーヒーショップ”である場合、ｌａｂｅｌ＝“通勤時のコーヒーショップ”

追加ラベルで拡張された旅行は、拡張された個人データベースに格納され得る。図１０に示すように、拡張された個人データレコードは、図６に示す拡張された個人データレコードと比較して、追加ラベル（例えば、朝、直接通勤、自宅から、オフィスまで、個人の車など）を含む。

図１１は、異なる追加ラベルを有する拡張された個人データレコードの例を示す。例に示す２つの拡張された個人データレコードは、同じ意図、１つのキャラクタが異なる（例えば、直接通勤、通勤時のコーヒー）複数の共通の特性（例えば、朝、自宅から、オフィスまで、個人の車）を有する。

いくつかの実施形態では、複数の拡張された個人データレコードは、機械学習ベースの旅行アブストラクタを訓練するために使用され得る。図１２は、いくつかの実施形態による、システムの旅行アブストラクタ１２００を概略的に示す。旅行アブストラクタは、追加ラベルを含む拡張された個人データレコードを使用して訓練されたクラシファイアであってもよい。旅行アブストラクタは、旅行データを処理し、旅行の目的地に関連付けられた意図を予測することができる。機械学習アルゴリズムなどの人工知能を使用して、旅行アブストラクタを訓練することができる。機械学習アルゴリズムは、例えばニューラルネットワークであり得る。ニューラルネットワークの例としては、ディープニューラルネットワーク、畳み込みニューラルネットワーク（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、ＣＮＮ）、および再帰型ニューラルネットワーク（ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、ＲＮＮ）が挙げられる。いくつかの場合では、機械学習アルゴリズムによって訓練されたモデルは、システムで事前訓練されて実装されてもよく、事前訓練されたモデルは、実装環境の経時的な変化（例えば、顧客／ユーザデータ、利用可能なラベル付与されたデータ、モデル性能、サードパーティデータなどの変化）に適応するために、予測モデルまたは予測モデルの構成要素（例えば、クラシファイア）の継続的な調整を含む継続的な再訓練を受けてもよい。

いくつかの実施形態では、旅行クラシファイアは、旅行の意図に対応し得る。図１３は、旅行クラシファイアナレッジベース１３００に格納された複数の旅行クラシファイアを概略的に示す。いくつかの場合では、モデルをトレーニングすることは、モデルタイプ（例えば、ＣＮＮ、ＲＮＮ、勾配ブースティングクラシファイアまたはリプレッサなど）を選択すること、モデルのアーキテクチャ（例えば、層、ノード、ＲｅＬＵ層などの数）を選択すること、パラメータを設定すること、訓練データを作成すること（例えば、データをペアリングすること、入力データベクトルを生成すること）、およびモデルを作成するために訓練データを処理することを含むことができる。訓練されたモデルは、旅行クラシファイアナレッジベースから取得された試験データを使用して試験および最適化されてもよい。試験結果は、予測モデルが性能要件を満たすか否かを判定するために、性能特性と比較されてもよい。性能が良好である、すなわち性能要件が満たされる場合、モデルは旅行クラシファイアナレッジベースに挿入されてもよい。

図２１は、上述のようなシステムおよび方法によって処理された拡張された旅行データセット２１００の例を示す。図示の例では、拡張された旅行データセット２１００は、少なくとも無相関のＧＰＳデータを使用して生成され得る。１または複数の拡張された旅行が、デバイスＩＤ２１０１などのデバイスに関連付けられ得る。各拡張された旅行としては、例えば、デバイスＩＤ２１０１、旅行の出発地のＰＯＩ／名称（例えば、ワンストップフーズ（ｏｎｅ ｓｔｏｐ ｆｏｏｄｓ）、ガルターライフセンター（Ｇａｌｔｅｒ ＬｉｆｅＣｅｎｔｅｒ））などの旅行の出発地に関する予測または抽出された情報２１０３、ＰＯＩのカテゴリ（例えば、食料品店、オフィスビルディング、ガイ、レストラン）２１０５、出発地の住所２１０７、目的地のＰＯＩ（例えば、自宅、ＣＴＡ－Ｈａｒｒｉｓｏｎなど）などの旅行の目的地に関する予測または抽出された情報２１０９、予測されたＰＯＩのカテゴリ（例えば、自宅、地下鉄の駅など）２１１１、目的地の住所２１１３、旅行の予測されたモダリティ（例えば、自動車、ライドシェアリングなど）２１１５、旅行の開始時間、および様々な情報が挙げられる。図示の例では、拡張された旅行データのリストのエントリ／行は、旅行または旅行のセグメントであってもよい。

いくつかの実施形態では、個人／ユーザがセグメント化され、セグメント／クラスタに編成され得る。図１４は、個人データベース内の個人をセグメント化するように構成された個人セグメント化エンジン１４００を概略的に示す。個人セグメント化によって、システムはユーザの特定のセグメントをターゲットにして、それらのユーザに関連し得る（例えば、最も関連性があることが判明した）オファーを行うことを可能にし得る。個人またはユーザは、任意の適切なセグメント化技法を使用してセグメント化（または１もしくは複数のセグメントに編成）され得る。例えば、セグメント化技法は、固定されたセグメント化規則１４１０に基づくことができる。ユーザは、上述のように、地理（または地理的位置）、（１または複数の）ソーシャルグラフ、（１または複数の）購入グラフ、（１または複数の）輸送グラフ、人口統計情報、（１または複数の）ユーザの選好、（１または複数の）インストールされたモバイルアプリケーション、またはユーザプロファイルデータから抽出された他の（１または複数の）ユーザ属性または（１または複数の）特性などの１または複数の属性に基づいてグループ化されてもよい。同じグループ内のユーザは、１もしくは複数のユーザ属性またはユーザ特性（例えば、年齢、性別、地理的位置、ソーシャルグラフ、頻繁に飛行機を利用する人、頻繁な食品の買い物客など）を共有することができる。個人は、１または複数のセグメントに属してもよい。いくつかの場合では、セグメントは、新規データが収集されるにつれて自動的に継続的に拡張および更新されてもよい。いくつかの実施形態では、新規セグメントは、新規ユーザ（またはユーザの分類）がシステムに加わるかサブスクリプションを行うと作成され得る。いくつかの場合では、セグメントは離散的であってもよい。他の場合では、２つまたはセグメントは重複してもよく、共通性または特性のセットを共有してもよい。

いくつかの場合では、セグメント化技法は、履歴データ（例えば、ユーザプロファイルデータ）から抽出されたパターンに基づいてもよい。パターンは、機械学習アルゴリズムを使用して抽出されてもよい。いくつかの場合では、パターンのセットが、最初に生成されてよく、アルゴリズムが、実現可能であり、かつ所望の結果を最大化するセグメントへのパターンの最適な割り当てを識別するために利用されてもよい。所望の結果は、選択された顧客がサービスを受け入れる可能性が最も高くなるように、適切な時間および／または場所で適切に選択された顧客（例えば、顧客のグループ）に送信される予測された目的地に関連する少数のサービスまたは取引オプションを提供することであり得る。初期のパターンのセットは、決定木または他のパターン識別アルゴリズムなどの任意の適切な方法を使用して生成されてもよい。いくつかの場合では、セグメントへのパターンの最適な割り当てを識別するためのアルゴリズムは、訓練された機械学習アルゴリズム（例えば、サポートベクトルマシンまたはニューラルネットワーク）であってもよい。

いくつかの実施形態では、ラベルが、ユーザセグメントに対して作成され得る。図１５は、ユーザセグメントラベル（例えば、運転が好き、頻繁に飛行機を利用する人、イタリア料理が好き、スポーツ好きなど）の例を示す。ラベルは、１または複数の個人、組織によって手動で作成されてもよいし、外部システムまたはリソースからインポートされてもよい。代替的または追加的に、ユーザセグメント化のためのラベル（例えば、運転が好き、頻繁に飛行機を利用する人、イタリア料理が好き、スポーツ好きなど）は、上述のように機械学習手法を使用して識別されてもよい。いくつかの場合では、ユーザセグメント化のためのラベルが、拡張された個人データベース内の拡張された個人データレコードを補完するために使用されてもよい。

図１６は、すべてのラベルを有し、ユーザセグメント化にしたがって編成された例示的な拡張された個人データレコード１６００を示す。拡張された個人データレコードは、定期的に（例えば、毎時、毎日、毎週など）、またはデータベースに追加されている新規データの検出時に、システムによって管理、維持、および更新されてもよい。拡張された個人データレコードは、クラシファイアを継続的に訓練し、それによって性能を改善するための訓練データセットを形成するために使用されてもよい。上述のように、訓練データセットは、クラスタリングシステムを使用して取得された意図または目的地を含むラベル付与されたデータであってもよい。

システムは、ユーザの計画／スケジュールデータ（例えば、カレンダ、電子メールなど）に依拠することなく、将来の旅行の意図を予測することが可能であり得る。システムは、リアルタイムの位置データまたは限られた位置データに基づいて、現在の旅行の見込まれる目的地を予測することが可能であり得る。例えば、訓練されたクラシファイアは、リアルタイムの位置データに基づいて意図および／または輸送モードの予測を行うために配備され得る。いくつかの場合では、予測された意図および／または輸送モードは、旅行の出発地の位置データに基づいて生成されてもよい。いくつかの場合では、予測された意図および／または輸送モードは、旅行中に生成され、流れ込む新規位置データとして更新されてもよい。

図１７は、いくつかの実施形態による、システムの新規旅行意図プレディクタ１７００を概略的に示す。新規旅行意図プレディクタ１７００は、旅行クラシファイアナレッジベース１３００からダウンロードされた１または複数の訓練されたクラシファイアを使用して、リアルタイムの位置データに基づいて旅行の目的地および／または意図の予測を行うことができる。新規旅行意図プレディクタ１７００は、拡張された個人データベース４２０および旅行クラシファイアナレッジベース１３００に結合されて、適切なクラシファイアをダウンロードし、対応する拡張された個人データレコードを取得して、リアルタイム位置データと共に入力データセットを形成することができる。いくつかの場合では、個人ＩＤ、旅行開始位置（例えば、出発地ＧＰＳ位置）、旅行が進行するにつれて更新された位置データ、または輸送モードなどのリアルタイムデータを受信すると、新規旅行意図プレディクタ１７００は、拡張された個人データベース４２０から対応する拡張された個人データレコードを取得し、顧客セグメント、旅行タイプなどのデータを抽出してリアルタイムデータを補足し、それによって旅行クラシファイアナレッジベース１３００からダウンロードされたクラシファイアによって処理される入力データセットを形成することができる。

図１８は、旅行中に収集された新規データとして旅行の目的地または意図の予測を継続的に生成および更新する例示的なプロセスを示す。例に示すように、新規旅行意図プレディクタは、出発地位置データ（例えば、旅行開始位置）を受信すると、最初に３つの予測された意図、例えば、朝の仕事に向かう旅行、空港への旅行、食べ物の買い物のための朝の旅行を生成することができる。いくつかの場合では、旅行中に新規位置データが収集されると、予測された意図が精緻化されて更新されてもよい。例えば、旅行が進行し、コーヒーショップでの停止を示す位置データが収集されると、予測された意図は食べ物の買い物として更新され、予測された目的地はスーパーマーケットである。

いくつかの実施形態では、提供されるシステムは、データ処理の少なくとも一部分がエッジで実行され得るエッジインテリジェンスパラダイムを採用し得る。例えば、データ処理および推論は、ユーザデバイスに配備された新規旅行意図プレディクタによって実行されてもよい。いくつかの例では、機械学習モデルまたはクラシファイアは、クラウド上で構築および訓練され、旅行クラシファイアナレッジベース１３００に格納および維持され、エッジデバイスまたはエッジシステム（例えば、ハードウェアアクセラレータ）上で実行されてもよい。本開示のシステムおよび方法は、リアルタイムの現場での旅行の目的地および意図の予測を可能にする効率的で高度にスケーラブルな意図予測プラットフォームを提供することができる。

予測された意図または旅行の目的地は、様々なアプリケーションで使用され得る。例えば、予測された意図または目的地は、取引オファーを提供するため、移動を容易にするためのサービスのため、予測された目的地に関連するオファーを提供するため、および様々な他のことのために使用されてもよい。例えば、予測された意図または目的地は、高速なルート、駐車、または利用可能な輸送モダリティに関する情報を提供することによって、ユーザが意図された目的地に移動するのを容易にするために使用されてもよい。別の例では、予測された意図または目的地は、予測された目的地（例えば、スーパーマーケット）または目的地の近くのサービス（例えば、スーパーマーケットのコーヒーショップ）によって提供される商品に対する割引などの目的地に関連するオファーを提供するために使用されてもよい。さらなる例では、予測された意図または目的地は、ユーザを予測された目的地からそらすためにユーザの当初の意図に影響を与えるために使用されてもよい（例えば、割引の提供、競合するサービスプロバイダによって提供されるサービス）。

図１９は、ユーザの旅行の意図を予測する例示的なプロセス１９００を示す。図示の例では、複数の個々の旅行を作成するためにＧＰＳデータなどの位置データを取得して解析し得る（動作１９０１）。リアルタイム位置データは、ユーザデバイス（例えば、ユーザデバイス上のセンサ）、またはユーザデバイス上で動作するマッピングおよびナビゲーションアプリケーションなどのユーザアプリケーションから取得され得る。ＰＯＩが、識別されて、旅行終了位置および／または旅行開始位置に割り当てられ得る（動作１９０３）。個人旅行データは、１または複数の個々の旅行を個人ＩＤと関連付けることによって作成され得る（動作１９０５）。個人旅行データは、追加ユーザデータで拡張され得る（動作１９０７）。拡張された個人旅行データは、旅行の意図を識別するためにクラスタリングされる（動作１９０９）。１または複数の旅行クラシファイアが、拡張された個人旅行データを使用して訓練される（動作１９１１）。旅行クラシファイアが実行され得、新規旅行の前、旅行の開始時、または旅行中に、旅行の意図、目的地、または輸送モードが予測され得る（動作１９１３）。いくつかの場合では、予測された意図／目的地に関連する１または複数のオファー／サービスがユーザインターフェース上でユーザに表示されてもよい。

図１９はいくつかの実施形態による方法を示しているが、当業者であれば、様々な実施形態に多くの適応があることを認識するはずである。例えば、動作は任意の順序で実行され得る。動作のいくつかは除外されてもよく、動作のいくつかは１つのステップで同時に実行されてもよく、動作のいくつかは繰り返されてもよく、動作のいくつかは他の動作のサブステップを含んでもよい。いくつか場合では、１または複数の商取引オプションを提供するタイミングは、ユーザの現在の地理的位置および／または旅行時間に基づき得る。本方法はまた、本明細書で提供される本開示の他の態様にしたがって修正されてもよい。

個人の旅行データが、様々なインサイト情報を抽出するために解析されてもよい。そのようなインサイト情報は、個人に関連付けられた各旅行の予測された意図に少なくとも部分的に基づいて抽出されてもよい。図２２は、ユーザに関連付けられた旅行から抽出されたインサイトデータの例を示す。例えば、個人に関連付けられた複数の予測された旅行の意図は、旅行が発生した都市または位置に基づいて解析されてもよい。例えば、居住都市で発生した個人の旅行を解析してもよく、旅行の意図によって編成された旅行の回数を示す図２２１０が生成されてもよい。同様に、旅行の意図によって編成された訪問都市における旅行の回数を示すために、図２２２０が提供されてもよい。そのような図は、有益なことに、異なる都市における個人の移動パターンに関するインサイトを提供することができる。いくつかの実施形態では、個人に関連付けられた旅行のモダリティを示すプロットも生成され得る。例えば、プロット２２３０は、居住都市で異なるモダリティ（例えば、自家用乗り物、レンタカー、ライドヘイリング、ウォーキング、複合など）を使用した旅行の回数を示すことができ、別のプロット２２４０は、訪問都市で異なるモダリティを使用した旅行の回数を示すことができる。このインサイトは、有益なことに、街、都市、州、国、または任意のレベルのサービス努力としてモビリティの測定値を提供することができる。例えば、そのような測定値は、自動車製造業者、乗り物保険会社、都市、国、州、および国の政府、小売業者（例えば、スーパーマーケット、ホームセンタ、百貨店など）、ホスピタリティサービス会社（例えば、ホテル、レストラン、コーヒーショップチェーン）、および／またはモビリティサービス会社／組織によって、モビリティおよび他のタイプの輸送関連サービスが消費者によってどの程度良好に受け取られるかを理解するために使用され得る。

いくつかの実施形態では、個人データベースは、個人に関する予測されたインサイト（例えば、移動の選好）および／またはインサイトに基づいて予測された推薦でさらに拡張され得る。図２３は、インサイトジェネレータ２３０５および推薦エンジン２３０７を備えるシステムの一例を示す。旅行者データベース２３０１は、上述のように個人データベースと同一とすることができる。例えば、旅行者データベースは、上述のように、サードパーティデータを取り込み２３０１、旅行作成およびユーザセグメント化２３０３を実行することによって生成されたユーザセグメントのラベル、旅行、人口統計特性、旅行のタイプ、および他の様々なデータを含む拡張された個人データレコードを格納することができる。拡張された個人データレコードは、インサイトジェネレータ２３０５および推薦エンジン２３０７によって生成されたインサイトデータをさらに含んでもよい。インサイトジェネレータ２３０５および推薦エンジン２３０７は、個人の好みおよび輸送サービスに関連する推薦のセットを予測するための１または複数の機械学習アルゴリズムにより訓練されたモデルを備えることができる。

図２４は、インサイトジェネレータ２４０５を概略的に示す。いくつかの場合では、インサイトジェネレータ２４０５は、１または複数のユーザの選好に関するインサイトを予測するように訓練されてもよい。１または複数のユーザの選好は、好ましいモダリティ、好ましい目的地のタイプ、宿泊タイプ、または好ましいレストラン、価格ポイント、ブランド志向などのような様々な他の好ましいサービスなどの個人の移動の選好に関連し得る。例えば、インサイトジェネレータ２４０５は、１または複数の機械学習ベースのモデル２４０７と輸送オントロジ２４０３とを備え、旅行者データベース２４０１からの個人データレコードを処理してユーザの選好を予測し、予測されたユーザの選好で個人データレコードを拡張し、拡張された個人データレコードを旅行者データベース２４０９に格納することができる。図２５は、輸送オントロジ２４０３の一例を示す。いくつかの場合では、インサイトジェネレータは、個人に関連付けられたセグメント化ラベルを予測するためのユーザセグメント化において説明されたように、１または複数の機械学習ベースのモデルまたは機械学習技法を利用することができる。いくつかの場合では、インサイトジェネレータは、セグメント化ラベル、他の個人データ、および異なるオントロジに基づいて推論を行って、ユーザに関する追加のインサイトを生成することができる。

いくつかの場合では、推薦エンジンは、個人の予測された選好および個人の旅行の予測された意図に少なくとも部分的に基づいて推薦を生成するように訓練されてもよい。例えば、推薦エンジンは、旅行中に推薦（例えば、レストラン、次の旅行セグメントのモダリティなどの推薦）を生成するように訓練されてもよい。

図２６および図２７は、個人に関するインサイトデータの例を示す。インサイトデータは、個人に関連付けられた拡張された旅行２６０１、２６０３から抽出されてもよい。インサイトデータは、上述のように、インサイトジェネレータおよび／または推薦エンジンによって生成されてもよい。例えば、異なる都市（居住都市２６０１、訪問都市２６０３）の個人に関連付けられた拡張された旅行が個人に関するさらなるインサイトを抽出するために処理されてもよい。例えば、拡張された旅行データ内の予測された意図、モダリティ、または他の情報に基づいて、好ましいモダリティ２６０５（例えば、個人乗り物、ライドシェアリング、歩行）、好ましいホテル価格帯２６０７（例えば、中価格帯）、好ましい料理２６０９、ペルソナ２６１１（例えば、活発な生活習慣の旅行者、食好き、健康およびフィットネスなど）、好ましいレストラン価格帯２６１３、トップブランド（例えば、Ｐｅｅｔｓ、Ｔａｒｇｅｔなど）、および様々な他のインサイトなどのユーザの選好のインサイトが推測されてもよい。推測されるユーザの選好はまた、好ましい外食日数２６０１、特定の都市におけるレストランへの好ましいモダリティ２７０３、２７０５（例えば、デンバーではライドシェアリング、シカゴでは自動車）、好ましいビジネス旅行日数２７０７、好ましい旅行滞在場所、好ましい旅行レストラン２７１１、または好ましい旅行モダリティ２７１３などのＰＯＩ選好を含むことができる。いくつかの場合では、そのようなインサイトデータが、特定の都市または予測される旅行で提供される推薦されるレストラン、ホテル、サービスなどのさらなる予測２７１５を行うことができる。

いくつかの場合では、旅行者のコホートに関するインサイトが提供されてもよい。図２８は、特定の地理的位置からの頻繁なビジネス旅行者に関するインサイトデータの一例を示す。インサイトデータは、特定の位置から頻繁に出張するユーザ２８０１、各個人に関連付けられた特定の位置からの旅行回数２８０５、および個人に関連付けられたデバイスＩＤ２８０３を含むことができる。そのようなインサイトは、無相関の旅行を個人と関連付け、旅行の意図を予測することなど、上述の方法およびシステムを使用して生成され得る。

提供された方法およびシステムはまた、ユーザのコホートに関連付けられた旅行に関して推測を行うために利用されてもよい。図２９は、コホートまたはユーザに関する推論またはインサイトの例を示す。例えば、ユーザのコホート（例えば、特定の都市の旅行者）に関連付けられた旅行のカテゴリ頻度（例えば、レストラン、国立公園、ジム）を示す図２６０１が生成されてもよい。いくつかの場合では、居住都市２９２０または訪問都市２９３０などのユーザのコホートに関連付けられた旅行のモダリティに関する分布図が生成されてもよい。

コンピュータシステム
本明細書に記載のシステム、システムの様々な構成要素、またはプロセスは、１または複数のプロセッサによって実施され得る。いくつかの実施形態では、プロセッサは、コンピュータシステムの処理ユニットであり得る。図２０は、地上モビリティ解析および意図予測システムを実装するようにプログラムまたは構成されたコンピュータシステム２００１を示す。コンピュータシステム２００１は、本開示の様々な態様を調整することができる。コンピュータシステム２００１は、ユーザの電子デバイス、または電子デバイスに対して遠隔に配置されたコンピュータシステムとすることができる。電子デバイスは、モバイル電子デバイスとすることができる。

コンピュータシステム２００１は、シングルコアもしくはマルチコアプロセッサ、または並列処理のための複数のプロセッサとすることができる中央処理ユニット（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ、ＣＰＵ、本明細書では「プロセッサ」および「コンピュータプロセッサ」とも）２００５を備える。コンピュータシステム２００１はまた、メモリまたはメモリロケーション２０１０（例えば、ランダムアクセスメモリ、読み出し専用メモリ、フラッシュメモリ）と、電子ストレージユニット２０１５（例えば、ハードディスク）と、１または複数の他のシステムと通信するための通信インターフェース２０２０（例えば、ネットワークアダプタ）と、キャッシュ、他のメモリ、データストレージ、および／または電子ディスプレイアダプタなどの周辺デバイス２０２５とを備える。メモリ２０１０、ストレージユニット２０１５、インターフェース２０２０、および周辺デバイス２０２５は、マザーボードなどの通信バス（実線）を介してＣＰＵ２００５と通信する。ストレージユニット２０１５は、データを格納するためのデータストレージユニット（またはデータリポジトリ）とすることができる。コンピュータシステム２００１は、通信インターフェース２０２０の助けによりコンピュータネットワーク（「ネットワーク」）２０３０に動作可能に結合され得る。ネットワーク２０３０は、インターネット、インターネットおよび／もしくはエクストラネット、またはインターネットと通信するイントラネットおよび／もしくはエクストラネットとすることができる。いくつかの場合では、ネットワーク２０３０は、電気通信ネットワークおよび／またはデータネットワークである。ネットワーク２０３０は、クラウドコンピューティングなどの分散コンピューティングを可能にし得る１または複数のコンピュータサーバを含むことができる。いくつかの場合では、ネットワーク２０３０は、コンピュータシステム２００１の助けにより、コンピュータシステム２００１に結合されたデバイスがクライアントまたはサーバとして動作することを可能にし得るピアツーピアネットワークを実装することができる。

ＣＰＵ２００５は、プログラムまたはソフトウェアで具現化され得る一連の機械可読命令を実行することができる。命令は、メモリ２０１０などのメモリロケーションに格納され得る。命令は、ＣＰＵ２００５を対象とすることができ、ＣＰＵ２００５は、その後、本開示の方法を実施するようにＣＰＵをプログラムまたは構成することができる。ＣＰＵ２００５によって実行される動作の例としては、フェッチ、復号、実行、およびライトバックが挙げられる。

ＣＰＵ２００５は、集積回路などの回路の一部とすることができる。システム２００１の１または複数の他の構成要素が回路に含まれてもよい。いくつかの場合では、回路は、特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ、ＡＳＩＣ）である。

ストレージユニット２０１５は、ドライバ、ライブラリ、および保存されたプログラムなどのファイルを格納することができる。ストレージユニット２０１５は、ユーザデータ、例えば、ユーザの選好およびユーザプログラムを格納することができる。いくつかの場合では、コンピュータシステム２００１は、イントラネットまたはインターネットを介してコンピュータシステム２００１と通信するリモートサーバ上に位置するなど、コンピュータシステム２００１の外部にある１または複数の追加のデータストレージユニットを備えることができる。

コンピュータシステム２００１は、ネットワーク２０３０を介して１または複数のリモートコンピュータシステムと通信することができる。例えば、コンピュータシステム２００１は、ユーザ（例えば、ユーザデバイス）のリモートコンピュータシステムと通信することができる。リモートコンピュータシステムの例としては、パーソナルコンピュータ（例えば、ポータブルＰＣ）、スレートもしくはタブレットＰＣ（例えば、Ａｐｐｌｅ（登録商標）ｉＰａｄ（登録商標）、Ｓａｍｓｕｎｇ（登録商標）Ｇａｌａｘｙタブ）、電話、スマートフォン（例えば、Ａｐｐｌｅ（登録商標）ｉＰｈｏｎｅ（登録商標）、Ａｎｄｒｏｉｄ対応デバイス、Ｂｌａｃｋｂｅｒｒｙ（登録商標））、または携帯情報端末が挙げられる。ユーザは、ネットワーク２０３０を介してコンピュータシステム２００１にアクセスすることができる。

本明細書に記載の方法は、例えばメモリ２０１０または電子ストレージユニット２０１５などのコンピュータシステム２００１の電子ストレージロケーションに格納された機械（例えば、コンピュータプロセッサ）実行可能コードによって実施され得る。機械実行可能コードまたは機械可読コードは、ソフトウェアの形態で提供され得る。使用中、コードはプロセッサ２００５によって実行され得る。いくつかの場合では、コードは、ストレージユニット２０１５から取得され、プロセッサ２００５による容易なアクセスのためにメモリ２０１０に格納され得る。いくつかの状況では、電子ストレージユニット２０１５を除外することができ、機械実行可能命令がメモリ２０１０に格納される。

コードは、コードを実行するように適合されたプロセッサを有する機械で使用するために事前コンパイルされ、構成されてもよいし、ランタイム中にコンパイルされてもよい。コードは、コードが事前にコンパイルされて、またはコンパイルされたままで実行されることを可能にするように選択され得るプログラミング言語で供給されてもよい。

コンピュータシステム２００１など、本明細書で提供されるシステムおよび方法の態様は、プログラミングで具現化されてもよい。本技法の様々な態様は、典型的には機械（またはプロセッサ）実行可能コードおよび／またはある種の機械可読媒体上に担持されるかそれに具現化される関連データの形態の「製品（ｐｒｏｄｕｃｔｓ）」または「製品（ａｒｔｉｃｌｅｓ ｏｆ ｍａｎｕｆａｃｔｕｒｅ）」と考えることができる。機械実行可能コードは、メモリ（例えば、読み出し専用メモリ、ランダムアクセスメモリ、フラッシュメモリ）またはハードディスクなどの電子ストレージユニットに格納され得る。「ストレージ」タイプの媒体は、コンピュータ、プロセッサなどの有形メモリ、または様々な半導体メモリ、テープドライブ、ディスクドライブなど、ソフトウェアプログラミングのためにいつでも非一時的ストレージを提供することができる関連モジュールのいずれかまたはすべてを含むことができる。ソフトウェアの全部または一部が、インターネットまたは様々な他の電気通信ネットワークを介して通信されることがあってもよい。そのような通信は、例えば、あるコンピュータまたはプロセッサから別のコンピュータまたはプロセッサへの、例えば管理サーバまたはホストコンピュータからアプリケーションサーバのコンピュータプラットフォームへのソフトウェアのロードを可能にすることができる。よって、ソフトウェア要素を支承することができる別のタイプの媒体は、ローカルデバイス間の物理インターフェースにわたって、有線および光の地上ネットワークを介して、および様々なエアリンクを介して使用されるような、光波、電気の波、および電磁波を含む。有線または無線リンク、光リンクなど、そのような波を搬送する物理的要素もまた、ソフトウェアを支承する媒体と考えることができる。本明細書で使用される場合、非一時的で有形の「ストレージ」媒体に限定されない限り、コンピュータまたは機械の「可読媒体」などの用語は、実行のためにプロセッサに命令を提供することに関与する任意の媒体を指す。

したがって、コンピュータ実行可能コードなどの機械可読媒体は、有形ストレージ媒体、搬送波媒体、または物理伝送媒体を含むがこれらに限定されない多くの形態を取ることができる。不揮発性ストレージ媒体は、例えば、図面に示すデータベースなどを実装するために使用され得るなど、任意の（１または複数の）コンピュータなどのストレージデバイスのいずれかなどの光学または磁気ディスクを含む。揮発性ストレージ媒体は、そのようなコンピュータプラットフォームのメインメモリなどのダイナミックメモリを含む。有形伝送媒体は、同軸ケーブル、コンピュータシステム内にバスを備える配線を含む、銅ワイヤおよび光ファイバを含む。搬送波伝送媒体は、電気信号もしくは電磁信号、または無線周波数（ＲＦ）および赤外線（ＩＲ）データ通信中に生成されるものなどの音波もしくは光波の形態を取ることができる。したがって、コンピュータ可読媒体の一般的な形態は、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、任意の他の磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤもしくはＤＶＤ－ＲＯＭ、任意の他の光学媒体、パンチカード紙テープ、穴のパターンを有する任意の他の物理的記憶媒体、ＲＡＭ、ＲＯＭ、ＰＲＯＭおよびＥＰＲＯＭ、ＦＬＡＳＨ（登録商標）－ＥＰＲＯＭ、任意の他のメモリチップもしくはカートリッジ、データもしくは命令を搬送する搬送波、そのような搬送波を搬送するケーブルもしくはリンク、またはコンピュータがプログラミングコードおよび／もしくはデータを読み取ることができる任意の他の媒体を含む。これらの形態のコンピュータ可読媒体の多くは、１または複数の命令の１または複数のシーケンスを実行のためにプロセッサに搬送することに関与することができる。

コンピュータシステム２００１は、例えば、本明細書の他の箇所に記載されているようなグラフィカルユーザインターフェースを提供するためのユーザインターフェース（ｕｓｅｒ ｉｎｔｅｒｆａｃｅ、ＵＩ）２０４０を備える電子ディスプレイ２０３５を備え得る、またはそれと通信し得る。ＵＩの例としては、グラフィカルユーザインターフェース（ＧＵＩ）およびウェブベースのユーザインターフェースが挙げられるが、これらに限定されない。

本開示の方法およびシステムは、１または複数のアルゴリズムによって実施され得る。アルゴリズムは、中央処理ユニット２００５によって実行されるとソフトウェアによって実施され得る。例えば、アルゴリズムは、輸送計画エンジンなどの訓練されたモデルであり得る。

本明細書では本発明の好ましい実施形態が図示および説明されてきたが、そのような実施形態が例として提供されているに過ぎないことは当業者には明らかなはずである。本明細書内で提供される特定の例によって本発明が限定されることは、意図されていない。本発明を上述の明細書を参照して説明してきたが、本明細書の実施形態の説明および例示は、限定的な意味で解釈されることを意味しない。いまや当業者であれば、本発明から逸脱することなく、多数の変形、変更、および置換に想到するはずである。さらに、本発明のすべての態様は、様々な条件および変数に依存する本明細書に記載の特定の描写、構成、または相対的な割合に限定されないことを理解されたい。本明細書に記載の本発明の実施形態に対する様々な代替形態が、本発明を実施する際に使用され得ることを理解されたい。したがって、本発明は、任意のそのような代替形態、修正形態、変形形態、または均等物も包含するものとすることが企図されている。以下の特許請求の範囲が本発明の範囲を定義し、これらの特許請求の範囲内の方法および構造ならびにそれらの均等物がそれによって包含されることが意図されている。

Claims (24)

1. ユーザの旅行の意図または目的地を予測するための方法であって、
   （ａ）移動ルートの開始地理的位置および前記ユーザの識別情報に関するデータを受信するステップと、
   （ｂ）（ｉ）前記ユーザの前記識別情報に関する前記データ、および（ｉｉ）ソートされていない地理空間データを含む１または複数の訓練データセットに少なくとも部分的に基づいてクラシファイアを訓練するステップと、
   （ｃ）（ｂ）で訓練された前記クラシファイアを使用して、前記開始地理的位置に少なくとも部分的に基づいて前記旅行の意図または前記目的地を予測するステップと、
   （ｄ）前記ユーザが前記移動ルートの少なくとも一部分に沿って乗り物で移動している間に、１または複数の取引オプションを電子デバイス上で前記ユーザに提示するステップであって、前記１または複数の取引オプションが（ｃ）で予測された前記旅行の意図または前記目的地に少なくとも部分的に基づいて識別される、ステップと
   を含む、方法。
2. 前記開始地理的位置が、全地球測位システム（ＧＰＳ）データの形態で受信される、請求項１に記載の方法。
3. 前記開始地理的位置が、前記電子デバイスの地理的位置を部分的に使用して決定され、前記地理的位置が、全地球測位システムまたは信号三角測量によって決定される、請求項１に記載の方法。
4. 前記開始地理的位置が、前記電子デバイス上のグラフィカルユーザインターフェース（ＧＵＩ）を介して前記ユーザによって入力される、請求項１に記載の方法。
5. 前記ソートされていない地理空間データが、無相関のＧＰＳデータを含む、請求項１に記載の方法。
6. 前記１または複数の訓練データセットが、複数の旅行データレコードのクラスタ解析を使用して取得されたラベル付与されたデータを含む、請求項５に記載の方法。
7. 前記ソートされていないまたは無相関のＧＰＳデータを１または複数の個人識別情報と関連付けることによって、前記複数の旅行データレコードを生成するステップをさらに含む、請求項６に記載の方法。
8. 前記複数の旅行データレコードが、対応する個人識別情報のソーシャルデータ、輸送データ、または購入データによって拡張される、請求項６に記載の方法。
9. 前記クラシファイアを訓練するステップが、１または複数のラベル付与規則に基づいて旅行のセグメントのためのラベルを作成するステップを含む、請求項１に記載の方法。
10. 前記移動ルートの１または複数の部分の輸送モードを予測するステップをさらに含む、請求項１に記載の方法。
11. 前記輸送モードが、自律乗り物、ライドヘイリングサービス、鉄道輸送、および／または地上大量輸送乗り物を含む、請求項１０に記載の方法。
12. 前記旅行中に新規位置データを受信すると、前記旅行の意図または前記目的地を更新するステップをさらに含む、請求項１に記載の方法。
13. ユーザの旅行の意図または目的地を予測するためのシステムであって、
    命令のセットを格納するためのメモリと、
    前記命令のセットを実行して、
    （ａ）移動ルートの開始地理的位置および前記ユーザの識別情報に関するデータを受信し、
    （ｂ）（ｉ）前記ユーザの前記識別情報に関する前記データ、および（ｉｉ）ソートされていない地理空間データを含む１または複数の訓練データセットに少なくとも部分的に基づいてクラシファイアを訓練し、
    （ｃ）（ｂ）で訓練された前記クラシファイアを使用して、前記開始地理的位置に少なくとも部分的に基づいて前記旅行の意図または前記目的地を予測し、
    （ｄ）前記ユーザが前記移動ルートの少なくとも一部分に沿って乗り物で移動している間に、１または複数の取引オプションを電子デバイス上で前記ユーザに提示し、前記１または複数の取引オプションが（ｃ）で予測された前記旅行の意図または前記目的地に少なくとも部分的に基づいて識別される
    ように構成された１または複数のプロセッサと
    を備える、システム。
14. 前記開始地理的位置が、全地球測位システム（ＧＰＳ）データの形態で受信される、請求項１３に記載のシステム。
15. 前記開始地理的位置が、前記電子デバイスの地理的位置を部分的に使用して決定され、前記地理的位置が、全地球測位システムまたは信号三角測量によって決定される、請求項１３に記載のシステム。
16. 前記開始地理的位置が、前記電子デバイス上のグラフィカルユーザインターフェース（ＧＵＩ）を介して前記ユーザによって入力される、請求項１３に記載のシステム。
17. 前記ソートされていない地理空間データが、無相関のＧＰＳデータを含む、請求項１３に記載のシステム。
18. 前記１または複数の訓練データセットが、複数の旅行データレコードのクラスタ解析を使用して取得されたラベル付与されたデータを含む、請求項１７に記載のシステム。
19. 前記１または複数のプロセッサが、前記ソートされていないまたは無相関のＧＰＳデータを１または複数の個人識別情報と関連付けることによって、前記複数の旅行データレコードを生成するようにさらに構成される、請求項１８に記載のシステム。
20. 前記複数の旅行データレコードが、対応する個人識別情報のソーシャルデータ、輸送データ、または購入データによって拡張される、請求項１８に記載のシステム。
21. 前記１または複数のプロセッサが、１または複数のラベル付与規則に基づいて旅行のセグメントのラベルを作成することによって前記クラシファイアを訓練するように構成される、請求項１３に記載のシステム。
22. 前記１または複数のプロセッサが、前記移動ルートの１または複数の部分の輸送モードを予測するようにさらに構成される、請求項１３に記載のシステム。
23. 前記輸送モードが、自律乗り物、ライドヘイリングサービス、鉄道輸送、および／または地上大量輸送乗り物を含む、請求項２２に記載のシステム。
24. 前記１または複数のプロセッサが、前記旅行中に新規位置データを受信すると、前記旅行の意図または前記目的地を更新するようにさらに構成される、請求項１３に記載のシステム。

Images