JP5871566B2 - モバイルネットワーク内のモバイル動作データ及び／又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 - Google Patents
モバイルネットワーク内のモバイル動作データ及び／又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 Download PDFInfo
- Publication number
- JP5871566B2 JP5871566B2 JP2011245700A JP2011245700A JP5871566B2 JP 5871566 B2 JP5871566 B2 JP 5871566B2 JP 2011245700 A JP2011245700 A JP 2011245700A JP 2011245700 A JP2011245700 A JP 2011245700A JP 5871566 B2 JP5871566 B2 JP 5871566B2
- Authority
- JP
- Japan
- Prior art keywords
- mesh
- sector
- data
- location
- shortest path
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
[0001]本特許出願は、対応する、２０１０年１１月１２日出願の「System and Method for Population Movement Estimation and CountingUsing Mobile Network Operational Data」という名称の米国特許仮出願第６１／４１３３６２号、２０１０年１１月１８日出願の「Methods for Dynamic Travel Behavior Estimation Using GeographicInformation in Mobile Network」という名称の米国特許仮出願第６１／４１５７８１号、及び２０１０年１１月９日出願の「System and Method for Population Tracking and Counting Using MobileOperational Data」という名称の米国特許仮出願第６１／４１１８４２号の優先権を主張し、参照によりそれらを組み込む。
[0002]本発明は、モバイルネットワークで生成されるデータを使用する地理的マップ情報や交通情報などの、モバイルネットワークオペレータの動作データ、地理的情報、及び／又は輸送網情報を使用する人口移動推定、追跡、及び計数の分野に関する。
[0003]ソーシャルサポートエコシステムを得るために、セルラーフォンからのデータを使用してユーザのモビリティを追跡することに焦点を当てるモバイル空間統計が新興の研究分野である。
[0004]今日、ほぼすべての人がセルラーフォンを携帯し、使用している。セルラーフォンがアクティブに使用されない間も、セルラーフォンは、関連する基地局（ＢＳ）に一定の周期的イベントデータをその登録メッセージ、位置エリア更新メッセージ、及びキープアライブメッセージとして送信する。これらのメッセージは基地局で取り込まれ、所与の時間のユーザに関するセクタレベル位置情報を提供する。モバイルネットワークオペレータは、そのすべての加入者からそのようなイベントデータを収集するとき、これらのデータを解析し、有用な情報を抽出することができる。そのような情報は、都市計画、交通計画、及び防災を改善する助けとすることができる。携帯電話イベントデータ及び何らかの他の付随する情報（例えば、加入者の性別、年齢など）の別の例示的使用法は、通常なら政府によって周期的に実施される時間のかかるセンサスプロセスを通じて収集される、所与の地理的エリア内及び時間間隔内の年齢／性別／人口統計特性／住所分布などの重要な情報を得ることである。
[0005]前述の適用例を実現するために加入者の動作データを使用して、いくつかの目的を達成することができる。１）所与の瞬間の加入者の地理的分布を得ること（毎時、毎日、毎週、毎月など）、及び２）異なる地理的エリア間の人口の流れを得ること。第１の目的では、目標は、所与の時刻の自治体（又はメッシュ、六角形セクタなど）内の人口を得ることであり、第２の目的の目標は、自治体／メッシュ／セクタに流入する人々の数、その滞在時間、及びその移動距離を求めることである。
[0006]携帯電話動作データを使用してこれらの目的を正確に達成することは、イベントデータで入手可能な情報が限られるために難しい作業である。携帯電話によって送信されるイベントデータは、セクタレベル位置情報を提供するだけであり、セクタサイズは、数百メートル〜数キロメートルまでの間で変化することがある。これはＧＰＳ信号とは異なり、携帯電話が数百のイベントデータを送信する場合であっても、最も正確な位置情報を提供しない。所与のセクタ内の加入者の位置の正確なマッピングは、自明ではない信号処理技法を必要とし、その信号処理技法は、例えば、地理的情報システム（ＧＩＳ）データ、何らかのユーザの軌跡起点／目的地位置、及び推定軌跡の使用を含む。２番目の重要な課題は、イベントデータが低頻度で収集されることである。
[0007]周期的メッセージ（例えば、周期的位置更新）が、１時間程度となる時間間隔でユーザ機器（ＵＥ）によって送信され、周期的メッセージの厳密な頻度をカスタマイズすることができる。２つの周期的メッセージ間の時間間隔が長いほど、ＵＥでメッセージングオーバヘッドが低くなり、電池消費が少なくなるが、ユーザの追跡精度も限定される。
[0008]ＵＥがモバイルであり、いくつかのセクタから構成されるロケーションエリア（ＬＡ）の境界を横切った場合、ＵＥは、位置更新（ＬＡＵ）メッセージと呼ばれる別の動作メッセージを、隣のロケーションエリアに位置することになる、関連するＢＳに送信する。
[0009]ＵＥによって送信されるイベントデータに関する３番目の例は、ＵＥに関するパワーオン及びパワーオフメッセージである。周期的メッセージ及びＬＡＵメッセージと比較して、これらが送信される頻度は低いが、周期的メッセージ及びＬＡＵメッセージと同様の方式で、ＵＥに関するセクタレベル位置情報を提供する。ＵＥによって送信される動作メッセージに関する別の例は、電話呼出し／受信及びＳＭＳメッセージ送信／受信である。
[0010]人口計数／追跡を得るためのモバイル空間統計の使用は、比較的新しい研究エリアであるので、文献で入手可能な関連する研究の数は限られたものしかない。モバイル空間統計に関係する入手可能な従来技術の参考文献の多くは、交通監視システムについてのものである。そのような従来技術の参考文献は、セルラーシステム内のＵＥの動作データを使用して、交通渋滞及び交通麻痺をオンラインで特定する。次いで、これらの動作データが、交通渋滞情報の知識を用いて移動時間を最適化したいユーザ間で共有される。交通渋滞を推定するために、従来技術は、時にはＧＩＳデータの助けを得て、モバイルユーザの速度を正確に推定する。しかし、これらの従来技術の参考文献での目標は、個々のユーザの軌跡を追跡することではなく、交通麻痺を検出することである。
[0011]携帯電話データから軌跡を生成することを開示する他の従来技術の参考文献が論じられている。特に、ある従来技術の参考文献は、携帯電話の動作データから軌跡を推定する一般的フレームワークを開示している。開示されているように、ユーザのＧＩＳデータ及びロケーションエリアコード（ＬＡＣ）シーケンスが与えられると、Ｎｅｅｄｌｅｍａｎ−Ｗｕｎｓｃｈアルゴリズムが適用され、軌跡サンプルに対応する最良のＧＩＳシーケンスが求められる。基本的目標は、所与の推定ＬＡＣ軌跡シーケンスを様々な可能なＧＩＳシーケンスと比較し、最良のシーケンスマッチを発見することである。さらに、地理メッシュの概念が使用されず、アルゴリズムは、異なるＬＡＣ間の軌跡を発見することを試みる。別の従来技術の参考文献は、携帯電話の軌跡から起点−目的地行列を生成することを開示している。
[0012]別の従来技術の参考文献は、起点と目的地との間の最短経路軌跡を推定する方法を開示している。これらの従来技術で考慮される可能な最短経路アルゴリズムは、Ｄｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム、及びＤｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ方法である。しかし、これらの方法の典型的な適用例は、例えばカーナビゲーション向けの、最良の経路を選ぶためのユーザに対するオンライン最短経路ルート推定及び推奨である。地理メッシュの概念は開示されていない。さらに、これらの参考文献での利用可能な位置データサンプルは通常、携帯電話の動作データではなく、ＧＰＳデバイスから得られる。ＧＰＳ情報は正確な位置情報を提供する。一方、すべてのＵＥがＧＰＳデバイスを備えるわけではない。ＧＰＳがＵＥに組み込まれる場合であっても、すべてのユーザがオペレータによるＧＰＳ情報の使用を許可するわけではない。したがって、ＧＰＳ情報の使用は、ＵＥの既存の動作データとは対照的に、ＵＥからＢＳ（例えば、ネットワーク）に位置データを転送するためにユーザのプライバシーを保護することなどのさらなる複雑さを必要とする。これは、ＵＥによって生成される動作データが、ＵＥとネットワークとの間の通信を確立するのに必要な必然的な情報であるからである。ＵＥの動作データの制限を考慮に入れて最短経路アルゴリズムをどのように適用するかは、自明な作業ではない。
[0013]人口追跡、計数、及び／又は移動推定のための方法及び装置を本明細書で開示する。一実施形態では、方法は、ユーザ機器位置を示す携帯電話動作データを受信することであって、イベントデータが、ロケーションエリア更新メッセージ及び周期的登録メッセージを含むこと、及び人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について１人又は複数の個人のそれぞれの軌跡の中間位置を推定することを含む、携帯電話動作データに基づいて移動推定を実施することを含む。
[0014]別の実施形態では、方法は、ユーザ機器位置を示す携帯電話動作データを受信することであって、携帯電話動作データがロケーションエリア更新メッセージ及び周期的登録メッセージを含むこと、時刻及びエリアに基づいて携帯電話動作データをフィルタリングし、ユーザ機器位置情報の一部を選択し、フィルタリング済み携帯電話動作データを生成すること、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、重みに基づいて地点の対の間の最短経路を求める最短経路推定アルゴリズムを使用して指定の時間枠に関する１人又は複数の個人のそれぞれの軌跡の中間位置を推定することを含む、フィルタリング済み携帯電話動作データに基づいて移動推定を実施すること、及び所与の時刻及び所与のエリアの人口中の個人数を計数することを含む。
[0015]さらに別の実施形態では、方法は、ユーザ機器位置を示す携帯電話動作データを受信することであって、携帯電話動作データが、ロケーションエリア更新メッセージ及び周期的登録メッセージを含むこと、時刻及びエリアに基づいて携帯電話動作データをフィルタリングし、ユーザ機器位置情報の一部を選択し、フィルタリング済み携帯電話動作データを生成すること、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、ユーザ端末に関連する地理的情報、地理的エリアに関連する重み、及びユーザ端末が地理的エリア間で移動する尤度に関連する確率に基づいて地点の対の間の最短経路を求める最短経路推定アルゴリズムを使用して指定の時間枠に関する１人又は複数の個人のそれぞれの軌跡の中間位置を推定することを含む、フィルタリング済み携帯電話動作データに基づいて移動推定を実施すること、並びに所与の時刻及び所与のエリアの人口中の個人数を計数することを含む。
[0016]以下で与える詳細な説明、及び本発明の様々な実施形態の添付の図面から、本発明をより完全に理解されよう。しかし、それらが本発明を特定の実施形態に限定すると解釈すべきではなく、それらは説明及び理解のためのものに過ぎない。
一実施形態による、モバイル移動行動解析の概要及びアーキテクチャの図である。
一実施形態によるイベントデータ構造の図である。
一実施形態による、モバイル移動行動サーバで実施されるユーザの軌跡推定プロセス及び動的人口移動計数プロセスを示すデータフロー図である。
一実施形態による、ＵＥ／ユーザの位置を特定するための前処理プロセスを示すデータフロー図である。
一実施形態による、選択されたＵＥ／ユーザの位置を得るためのフィルタリングプロセスを示すデータフロー図である。
一実施形態による、起点から目的地までのＵＥ／ユーザの軌跡を推定するための補間プロセスを示すデータフロー図である。
動的人口計数プロセスの一実施形態のデータフロー図である。
一実施形態による、動作データを使用する提案されるユーザの軌跡推定プロセス及び人口計数プロセスの集まりを示す図である。
人口移動推定及び計数のためのモバイルネットワークオペレータシステムの別の実施形態を示す図である。
モバイルユーザの軌跡、基礎をなすセルラーセクタ、及びモバイルユーザの軌跡の間の動作データメッセージ位置を示す図である。
一実施形態による、セクタ中心ベースの直線補間及びセクタベースの計数を使用するモバイルユーザの軌跡の推定を示す図である。
セクタ中心ベースの直線補間及びセクタベースの計数を使用してユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
セクタ中心ベースの直線補間及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
メッシュ中心ベースの直線補間及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
一実施形態による、メッシュ中心ベースの直線補間及びセクタ／メッシュグループベースの計数を使用するモバイルユーザの軌跡の推定を示す図である。
セクタ中心ベースの直線補間及びセクタ／メッシュグループベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
一実施形態による、セクタ中心ベースの最短経路発見アルゴリズムを使用するモバイルユーザの軌跡の推定を示す図である。
ＧＩＳデータ及びＢＳ位置情報を使用するセクタ確率割当てを示す図である。
セクタ中心ベースの最短経路アルゴリズム及びセクタベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
一実施形態による、メッシュ中心ベースの最短経路発見アルゴリズムを使用するモバイルユーザの軌跡の推定を示す図である。
ＧＩＳデータ及びＢＳ位置情報を使用するメッシュ確率割当ての一実施形態を示す図である。
メッシュ中心ベースの最短経路アルゴリズム及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
一実施形態による、複数のメッシュ中心ベースの最短経路発見アルゴリズムを使用するモバイルユーザの軌跡の推定を示す図である。
複数地点ベースの最短経路アルゴリズム及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。
ユーザの実際の軌跡及びそれに関連するイベントデータを示す図である。
一実施形態による、セクタ中心に基づく開始点及び目的地メッシュ選択を示す図である。
一実施形態による、メッシュベースの直線アルゴリズムを使用する推定軌跡を示す図である。
動的移動行動推定のための開始位置及び目的地位置定義を定義するプロセスの一実施形態の流れ図である。
ターゲットユーザの移動行動を推定するプロセスの一実施形態の流れ図である。
動的移動行動推定のためのアルゴリズムを選択するプロセスの一実施形態の流れ図である。
ＧＩＳベースの確率割当てを使用して軌跡を推定するプロセスの一実施形態の流れ図である。
直線を使用する軌跡推定のためのプロセスの一実施形態の流れ図である。
一実施形態による確率割当てのための輸送網情報を示す図である。
一実施形態による確率割当ての一例を示す図である。
一実施形態によるメッシュベースの最短経路アルゴリズムに関するグラフ構造を示す図である。
一実施形態による、メッシュベースの最短経路アルゴリズムを使用する推定軌跡（開始点：セクタ中心、目的地：セクタ中心）を示す図である。
一実施形態による、メッシュベースの最短経路アルゴリズムを使用する推定軌跡（開始点：セクタ縁部、目的地：セクタ中心）を示す図である。
一実施形態による、モバイルユーザの軌跡、基礎をなすセルラーセクタ、及びモバイルユーザの軌跡の間の動作データメッセージ位置を示す図である。
一実施形態による、動作データからのモバイルユーザの軌跡の推定を示す図である。
動作データからユーザの軌跡を推定するプロセスの流れ図である。
動作データからモバイルユーザの軌跡を推定するプロセスの流れ図である。
一実施形態による、高速度ユーザに関する所与のセクタ内のメッシュ上へのモバイルユーザの位置のマッピングを示す図である。
一実施形態による、高速ユーザに関するモバイルユーザの軌跡の推定の一例を示す図である。
一実施形態による、初期最短経路解が満足の行く結果を与えない場合の、修正メッシュ重みを用いるＤｉｊｋｓｔｒａのアルゴリズムの拡張を示す図である。
一実施形態による、修正メッシュ重みを用いるＤｉｊｋｓｔｒａのアルゴリズムの拡張の一例を示す図である。
一実施形態による、低速度ユーザに関する所与のセクタ内のメッシュ上へのモバイルユーザの位置のマッピングを示す図である。
一実施形態による、低速ユーザに関するモバイルユーザの軌跡の推定の一例を示す図である。
コンピュータシステムの一実施形態のブロック図を示す図である。
コンピュータシステムの一実施形態のメモリ内に格納される１組のプログラム及びデータを示す図である。
[0017]モバイル移動行動解析を実施する方法及び装置を本明細書で開示する。本発明の実施形態の一目標は、上述のイベントデータ及び個人属性を使用して、信頼性が高く、正確なＵＥの位置推定を高分解能で（例えば、所与の日の中で分ごとに）得ることである。ＵＥの位置推定を使用して、所与の時間間隔内の異なる地理的エリア間の人口の流入及び流出を推定する。
[0018]一実施形態では、モバイル移動行動解析システムは、異なる情報を格納するいくつかのサーバを備える。さらに、一実施形態では、モバイル移動行動解析システムは、通信システムを介してユーザ機器（ＵＥ）によって生成されたイベントデータを使用する。別の実施形態では、システムはまた、ＵＥの位置及びその軌跡を求める精度を向上させるために、例えば個人属性情報並びに地理的情報及び輸送網情報などの他のデータも使用する。
[0019]一実施形態では、位置更新メッセージ及び周期的位置更新メッセージが、使用されるイベントデータである。ＵＥが任意のロケーションエリア境界を横切ったときはいつでも、位置更新メッセージがＵＥによって生成され、ＵＥはその周期的位置更新メッセージを周期的に送信する。さらに、ユーザがＵＥをオン／オフし、ＵＥが基地局（ＢＳ）又はアクセスポイント（ＡＰ）を認証し、それに関連付ける必要があるとき、他のイベントデータが送信される。ＢＳ又はＡＰは有線又はワイヤレスを介してネットワークに接続されるので、イベントデータがネットワーク内のモビリティサーバに格納される。
[0020]一実施形態では、モバイル移動行動システムは、モビリティサーバ、加入者データサーバ、地理的データベースサーバなどの異なるサーバに格納された１組のデータを組み合わせ、解析する。ＵＥの軌跡推定を使用してデータを解析した後、所与の瞬間のＵＥの地理的分布を求める。
[0021]一実施形態では、モバイル移動行動解析は、ＵＥの軌跡を識別し、正確な人口カウントを得るためのいくつかの動作を含む。まず、ＵＥの地理的分布を抽出するために、モバイル移動行動システムは、異なるサーバからのイベントデータを含む適切なデータを得て、イベントデータを前処理する。次いで、１つ又は複数の異なる属性に基づいて前処理済みデータをフィルタリングする。その後で、フィルタリング済み情報、並びに地理的データベースサーバ内に位置する地理的情報及び輸送網情報に１つ又は複数の補間アルゴリズムを適用し、ＵＥの地理的分布を得て、ＵＥの移動軌跡を推定する。一実施形態では、時間領域内のＵＥの地理的分布を比較し、次いで、異なる地理的エリア間の人口の流入及び流出を得る。
[0022]以下の説明では、本発明のより完全な説明を与えるために多数の詳細を説明する。しかし、これらの特定の詳細なしに本発明を実施できることは当業者には明らかであろう。別の例では、本発明を不明瞭にするのを避けるために、周知の構造及びデバイスを詳細にではなく、ブロック図形式で示す。
[0023]以下の詳細な説明のある部分を、コンピュータメモリ内のデータビットに対する演算のアルゴリズム及び記号表現によって提示する。これらのアルゴリズム的説明及び表現は、データ処理技術分野の技術者がその研究の資料を当業者に最も効果的に伝達するために使用される手段である。この場合、且つ一般に、アルゴリズムは、所望の結果をもたらす自己矛盾のないステップのシーケンスであると考えられる。ステップは、物理量の物理的操作を必要とするものである。通常、必ずしもそうではないが、これらの量は、格納、転送、結合、比較、或いは操作することのできる電気信号又は磁気信号の形態を取る。時には、主に一般的な用法という理由で、これらの信号をビット、値、要素、シンボル、文字、用語、数字などと呼ぶことが好都合であることが示されている。
[0024]しかし、これら及び類似の用語のすべては適切な物理量に関連付けられるべきであり、これらの量に適用された好都合なラベルに過ぎないことに留意されたい。以下の議論から明らかなように、別段の具体的な記述がない限り、この説明全体にわたって、「処理」、「計算」、「決定」、「表示」などの用語を使用する議論は、コンピュータシステムのレジスタ及びメモリ内の物理（電子）量として表されるデータを操作し、コンピュータシステムメモリ又はレジスタ、或いは他のそのような情報記憶、伝送、又は表示ディスプレイデバイス内の物理量として同様に表される他のデータに変換するコンピュータシステム、又は類似の電子コンピューティングデバイスの動作及びプロセスを指すことを理解されたい。
[0025]本発明はまた、本明細書の動作を実施する装置に関する。この装置は、必要な目的のために特別に構築することができ、又はコンピュータ内に格納されたコンピュータプログラムによって選択的に活動化又は再構成される汎用コンピュータを備えることができる。そのようなコンピュータプログラムは、限定はしないが、それぞれコンピュータシステムバスに結合された、フロッピィディスク、光ディスク、ＣＤ−ＲＯＭ、光磁気ディスク、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気又は光カードを含む任意のタイプのディスク、或いは電子命令を格納するのに適した任意のタイプの媒体などのコンピュータ可読記憶媒体内に格納することができる。
[0026]本明細書で提示されるアルゴリズム及びディスプレイは、本質的に、任意の特定のコンピュータ又は他の装置に関係しない。本明細書の教示に従って、様々な汎用システムをプログラムと共に使用することができ、又はより特殊化された装置を構築して、必要な方法ステップを実施することが好都合であることが示されることがある。様々なこれらのシステムにとって必要な構造が、以下の説明から明らかとなるであろう。さらに、何らかの特定のプログラミング言語を参照して本発明を説明することはしない。本明細書に記載の本発明の教示を実装するのに様々なプログラミング言語を使用できることを理解されよう。
[0027]機械可読媒体は、機械（例えば、コンピュータ）によって読取り可能な形で情報を格納又は送信する任意の機構を含む。例えば、機械可読媒体は、読取り専用メモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイスなどを含む。
概要
[0028]モバイルネットワーク内の動的人口移動推定及び計数のための技法を説明する。以下の例（複数可）は説明のためのものであり、限定ではないことを理解されたい。
[0028]モバイルネットワーク内の動的人口移動推定及び計数のための技法を説明する。以下の例（複数可）は説明のためのものであり、限定ではないことを理解されたい。
[0029]図１は、モバイル移動行動解析のためのモバイルネットワーク構成の概要を示す。一実施形態では、モバイル移動行動解析は、異なる情報を格納するいくつかのサーバからなる。さらに、モバイル移動行動解析システムは、通信システムを介してユーザ機器（ＵＥ）によって生成されたイベントデータを使用するが、ＵＥの位置及びその軌跡の精度を向上させるために、個人属性並びに地理的情報及び輸送網情報などの任意の他のデータも補足として使用することができる。
[0030]正確な推定を達成するために、一実施形態では、モバイル移動行動解析がモバイル移動行動サーバによって実施され、モバイルサーバ、加入者データサーバ、及び地理的データベースサーバと協力する。地理的データベースサーバは、例えば地理的マップ情報や交通情報などの地理的情報並びに輸送網情報を格納する。
[0031]一実施形態では、イベントデータは、位置更新メッセージ及び周期的登録メッセージを含む。ＵＥが任意のロケーションエリア境界を横切ったときはいつでも、位置更新メッセージがＵＥによって生成され、ＵＥはその周期的登録メッセージを一定の頻度で周期的に送信する。さらに、ユーザがＵＥをオン／オフし、ＵＥが基地局（ＢＳ）又はアクセスポイント（ＡＰ）を認証し、それに関連付ける必要があるとき、他のイベントデータが送信される。ＢＳ又はＡＰは有線又はワイヤレスを介してネットワークに接続されるので、イベントデータがネットワーク内のモビリティサーバに格納される。
[0032]一実施形態では、モバイル移動行動サーバが、例えばモビリティサーバ、加入者データサーバ、地理的データベースサーバなどの異なるサーバに格納された１組のデータを組み合わせ、解析する。ＵＥの軌跡推定を含む本明細書で開示する技法でデータを解析した後、所与の瞬間のＵＥの地理的分布を生成する。
[0033]一実施形態では、モバイル移動行動解析は、アルゴリズムを使用してＵＥの軌跡を識別する。この軌跡推定アルゴリズムは、イベントデータを使用してＵＥ位置（例えば、セクタ中心、セクタ縁部など）を識別する。イベントデータが周期的メッセージであるとき、セクタ中心が選択され、イベントデータが位置更新メッセージであるとき、セクタ縁部が選択される。一実施形態では、アルゴリズムは、最短経路アルゴリズムを使用して、地理的情報並びに輸送網情報（例えば、地理的マップ情報及び交通情報）に基づいて、起点位置と目的地位置との間のモバイルユーザ移動軌跡を推定する。より効率的な処理のために、起点位置及び目的地位置をカバーする探索エリアの周囲の卵型又は矩形を使用することができる。以下で詳細をより詳しく説明する。
[0034]携帯電話動作データを使用する人口追跡のための他の実施形態も開示する。これらの実施形態では、所与の時刻の任意のＵＥに関するセクタレベル位置情報を与える、周期的登録メッセージ（ＰＲＭ）及びロケーションエリア更新（ＬＡＵ）メッセージという２つの基本動作メッセージの使用によって携帯電話からの位置情報を得る。前者のメッセージは周期的間隔で（例えば、毎時）送信され、後者のメッセージは、モバイルがロケーションエリア境界を横切ったときにはいつでも送信される。一実施形態では、各ユーザに対応するサンプルのシーケンスが与えられると、速度ベースの分類を使用してその軌跡を推定し、高速度ユーザでは、最短経路アルゴリズムを適用し、低速度ユーザでは、線形経路推定を考慮する。一実施形態では、最短経路アルゴリズムは、本明細書で開示するメッシュ重みの推定を必要とする。さらに、モバイルノードの位置をセクタ内のメッシュに正確にマッピングする方法も説明する。
[0035]図面及びダイアグラムを参照しながら、提案する技法を以下でさらにより詳細に説明する。
[0036]図１を参照すると、ユーザ機器（ＵＥ）１０１は、「基地局（ＢＳ）」又は「アクセスポイント（ＡＰ）」１０３と呼ばれるワイヤレス基地局とワイヤレスに通信することを可能にする通信機能を含む。ＡＰ１０３は主に、インターネットに接続するワイヤレスＬＡＮアクセスポイントのために使用される。この実施形態では、ネットワーク接続ポイントを示すために以下で「ＢＳ」という用語を使用する。ＵＥ１０１は異なる通信機能を有することがあり、２Ｇ（第２世代）セルラーシステム、３Ｇ（第３世代）セルラーシステム、ワイヤレスＬＡＮ（例えばＷｉＦｉ）、Ｂｌｕｅｔｏｏｔｈなどのワイヤレス通信機能に限定されない。ＵＥ１０１はまた、例えばイーサネットなどの有線通信機能を有することもある。ＵＥの例には、限定はしないが、携帯電話、スマートフォン、及び通信機能を備えるスマートタブレットコミュータが含まれる。以下の例は、１つのＵＥを使用してこの方法及び装置を説明するが、この方法及び装置を複数のＵＥについて使用することができる。
[0037]ＢＳ１０３は、異なるシステムをサポートするために複数の通信機能を有することができる。一実施形態では、ＢＳ１０３は、スペクトル効率を向上させるためにいくつかのセクタ１０５を有する。図１では、１つのＢＳ当たり３つのセクタが示されている。ＢＳの各セクタは、一意に識別されるロケーションエリアの一部である狭い地理的エリアをカバーする。一実施形態では、ロケーションエリア（ＬＡ）１０７及び１０９は、セクタ１０５を含むいくつかのＢＳ１０３を含み、或いは、ＬＡは、ただ１つのＢＳを含むことがあり、ただ１つのセクタを含むことがある。これらのセクタのそれぞれのカバレッジを統合することにより、セルラーネットワークは、ずっと広いエリアにわたって無線カバレッジを与える。セクタ１０５のグループがロケーションエリア１０７（又は１０９）と呼ばれる。
[0038]ＵＥ１０１がＢＳ１０３と通信している間、ＵＥ１０１はイベントデータ２０１を生成する。ＵＥ１０１によって生成されるイベントデータ２０１は、流入及び流出の点から動的人口（例えば、ユーザ、ＵＥ）移動及び人口カウントをモバイル移動行動サーバ１６１によって推定するのに使用される。一実施形態では、イベントデータ２０１は、図２に示す制御データ２１１及びユーザデータ２２１のサブセットから形成される。
[0039]図２を参照すると、制御データ２１１は、トリガされるデータ２１３及び周期的データ２１５と呼ばれる２つの異なるデータに分類される。ＵＥ１０１が、ロケーションエリア（ＬＡ）境界を横切ること、パワーオン、パワーオフなど、発生した特別なイベントを有するときはいつでも、トリガされるデータ２１３がＵＥ１０１によって送信される。周期的データ２１５は、周期的に送信されるように定義される。周期的データの一例は、一定の時間間隔でＵＥ１０１によって送信される周期的登録メッセージ又は周期的位置更新メッセージである。周期的メッセージ伝送の厳密な頻度は、経時的にカスタマイズ及び／又は修正することができる。一実施形態では、データ通信や音声通信などの関連するプライベートデータが、ユーザデータ２２１と定義される。
[0040]イベントデータを生成する位置更新手順の一実施形態により、ＵＥ１０１があるロケーションエリア、例えば図１のＬＡ１０７から、別の位置、例えば図１のＬＡ１０９に移動したときはいつでも、ＵＥ１０１がセルラーネットワークに現在位置エリア情報を提供することが可能となる。一実施形態では、ＵＥ１０１は、ロケーションエリアコード（ＬＡＣ）及びセクタＩＤを検出する任を担い、ＬＡＣとセクタＩＤの組合せは、「サービスエリア識別（ＳＡＩ）」と呼ばれる固有の識別である。ロケーションエリアコード（ＬＡＣ）がその最終更新ＬＡＣとは異なることをＵＥ１０１が発見したとき、ＵＥ１０１は、新しいロケーションエリアコード（ＬＡＣ）を含む別の位置更新メッセージをネットワークサーバに送信する。このイベントデータ（位置更新）は、現在重ね合わされているＳＡＩを含む。この例では、ネットワークサーバはモビリティサーバ１２１である。一例を挙げると、モビリティサーバ１２１は、ＧＳＭネットワーク内のＭＳＣ ＶＬＲ（ｍｏｂｉｌｅ ｓｗｉｔｃｈｉｎｇ ｃｅｎｔｅｒ ｖｉｓｉｔｉｎｇ ｌｏｃａｔｉｏｎ ｒｅｇｉｓｔｅｒ）と同様の機能を実施することができる。
[0041]図１に示すモバイル移動行動解析アーキテクチャの例では、いつかのサーバがある。上述のように、モビリティサーバ１２１は、ＵＥ１０１によって生成されたイベントデータ２０１を収集し、イベントデータ２０１に基づいてＵＥ１０１の位置を追跡する機能を含む。イベントデータ２０１に基づくＵＥ１０１の位置推定を以下で説明する。一実施形態では、単一のＵＥ１０１が複数の通信機能を有するときであっても、イベントデータ２０１は、セルラーシステム内のＵＥ１０１によって生成された情報だけでなく、ワイヤレスＬＡＮ及び任意の他のシステム内のＵＥ１０１によって生成された情報も含む。
[0042]加入者ユーザデータサーバ１３１は、例えば、限定はしないが、性別、住所、年齢などの、本明細書でＵＥの「個人属性情報」と呼ぶ加入者の情報を受信するインターフェースと、それを格納するメモリとを有する。加入者のプライバシー情報のために、一実施形態では、加入者データサーバ１３１は、悪意のあるアクセスから高度に保護される。地理的データベースサーバ１５１は、例えば地理的マップ情報、列車時刻表を含む交通情報、例えば建設作業、道路封鎖、交通規制状況情報、料金所情報、災害情報、リルート情報などの交通情報などの地理的情報並びに輸送網情報を受信するインターフェースと、それを格納するメモリとを有する。モバイル移動行動サーバ１６１は、モビリティサーバ１２１、加入者データサーバ１３１、及び地理的データベースサーバ１５１に格納される情報にリンクされるデータを取り込み、格納し、解析し、管理し、提示する１組のツールを実装するメモリ及びプロセッサを含む。モバイル交通行動サーバ１６１に格納され、解析された情報は、第３者ユーザのサーバ１７１でアクセス可能である。
[0043]本明細書に記載の技法の一目標は、所与の瞬間のユーザの地理的分布を得ること（例えば、毎時、毎日、毎週、毎月など）、及び異なる地理的エリア間の人口移動の流入及び流出を推定することである。この目標を達成するために、ＵＥ１０１によって生成されるイベントデータを使用する。これらのデータを、モビリティサーバ１２１内に一時的又は永続的に格納する。２つのイベントデータ間の時間間隔が長いほど、ＵＥでメッセージオーバヘッドが低くなり、電池消費が少なくなるが、受信されるイベントデータは、ＵＥの位置を明示的に特定しない。イベントデータの大部分は、具体的に含まれない限りＧＰＳ（全地球測位システム）情報を含まないので、イベントデータに基づいてＵＥの厳密な位置を推定することは難しい。これは、ＵＥの位置がセクタレベルのみで与えられるからである。したがって、イベントデータを受信するＢＳは、ＵＥの現在位置を暗黙的に示す。
[0044]一実施形態では、イベントデータ伝送の頻度は、加入者の位置の追跡精度に依存するが、イベントデータから厳密なＵＥ位置を求めることはできない。例えば、ロケーションエリア更新（ＬＡＵ）は、ＵＥによって生成されるイベントデータの１つである。ＵＥ１０１がモバイルであり、セクタを含む単一又はいくつかのＢＳから構成されるロケーションエリアの境界を横切った場合、ＵＥ１０１が異なるロケーションエリアを識別したとき、ＵＥ１０１は、最も近いＢＳを介してネットワークにＬＡＵをイベントデータとして送信する。図１では、一例を挙げると、ＵＥ１０１は、あるロケーションエリア１０７から別のロケーションエリア１０９に移動する。ＵＥ１０１が以前のロケーションエリア１０７とは異なるロケーションエリア１０９を検出すると、ＵＥ１０１は、最も近いＢＳ１０３にＬＡＵを送信する。ＵＥ１０１から数百のイベントデータを送信するにもかかわらず、セクタで受信されるイベントデータは、ＵＥ１０１の厳密な位置を示さない。セクタがＢＳで実装される場合、イベントデータに基づくＵＥの位置をセクタレベルで推定することができる。図１では、ＢＳ１０３は３つのセクタ１０５を有する。
[0045]モバイルネットワーク内の移動行動を推定する方法及び装置を開示する。一実施形態では、移動行動を推定することは、ユーザ機器位置を示すイベントデータを受信することを含む。受信後に、イベントデータを前処理して前処理済みデータを生成する。一実施形態では、受信したイベントデータの前処理により、ＳＡＩデータを緯度値及び経度値に変換し、緯度値及び経度値に基づいて個人のユーザ機器の位置を推定することによって前処理済みデータが生成される。一実施形態では、緯度値及び経度値は、セクタ中心、セクタ縁部、メッシュ中心、及びセクタ内の複数の地点からなるグループから選択された１つである。前処理の後、前処理済みデータをフィルタリングして、前処理済みデータ内のユーザ機器位置情報の一部を選択する。一実施形態では、前処理済みデータ内のユーザ機器位置情報の一部を選択するための前処理済みデータのフィルタリングは、時刻及びエリア、曜日、並びに１つ又は複数の個人属性からなるグループから選択された１つ又は複数に基づく。次に、人口中の１人又は複数の個人のフィルタリングした前処理済みイベントデータに対して直線補間を実施し、第１位置から第２位置への１人又は複数の個人のそれぞれの軌跡の中間位置を推定する。一実施形態では、直線補間はイベントデータ間の直線に基づく。一実施形態では、直線はセクタ中心間である。その後で、所与の時刻及び所与のエリアの人口中の個人数を計数する。一実施形態では、人口中の個人数の計数は、セクタとメッシュの一方又は両方ごとに実施される。
[0046]図３は、一実施形態による、モバイル移動行動サーバでのユーザの軌跡推定プロセス及び動的人口移動計数プロセスを示すデータフロー図である。一実施形態では、プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。一実施形態では、処理ロジックは、モバイル移動行動サーバ１６１の一部である。
[0047]図３を参照すると、処理は、モバイル行動サーバ１６１がモビリティサーバ１２１、ユーザデータサーバ１３１、及び地理的データベースサーバ１５１から情報／データを収集することで始まる。上記のサーバに加えて、モバイル移動行動サーバ１６１は、他のサーバから他の情報／データを得る必要があることがある。
[0048]収集したデータを使用して、モバイル移動行動サーバ１６１は、異なるサーバから得られた前処理情報／データによるモバイル移動行動解析を実施し（処理ブロック３０１）、前処理済み情報／データをフィルタリングし（処理ブロック３１１）、起点（開始）位置から目的地までのユーザの軌跡を補間し（処理ブロック３２１）、所与の時刻及び所与のエリアの人口中の個人数を計数する（処理ブロック３３１）。以下の例は、１つのモバイル移動行動サーバ１６１を使用してこの方法及び装置を説明するが、この方法及び装置を複数のモバイル移動行動サーバを使用して実装することができる。
[0049]サーバから情報／データを収集する動作は一般に、（ａ）サーバ間で通信するプロトコルを確立すること、（ｂ）サーバを操作するプロトコルを確立すること、及び（ｃ）前処理入力のために必要な情報／データを選択することを含む。
[0050]一実施形態では、イベントデータ２０１がモビリティサーバ１２１に格納され、個人属性データがユーザデータサーバ１３１に格納される。地理的情報及び輸送網情報、並びに例えばＢＳ位置情報やＢＳ当たりのセクタ数などのセルラーカバレッジ情報が、地理的データベースサーバ１５１に格納される。一実施形態では、イベントデータは、ユーザ識別（例えば、ＵＩＤ）、タイムスタンプ、及び更新メッセージタイプ情報（例えば、周期的登録メッセージ（ＰＲＭ）及びロケーションエリア更新メッセージ（ＬＡＵ））のうちの１つ又は複数を含む。一実施形態では、限定はしないが、年齢、性別、人口統計特性、及び／又は住所などの個人属性データのうちの１つ又は複数も、完全な統計分析を行う際に使用される。例えば、統計分析を２５〜４４歳以内の年齢のすべての女性の人口移動に限定したいことがある。セルラーカバレッジ情報は、前処理動作（例えば、以下で説明する処理ブロック３０１）で使用され、地理的情報及び輸送網情報は、ユーザの軌跡補間動作（例えば、以下で説明する処理ブロック３２１）で使用される。
[0051]図４は、モバイル移動行動サーバ１６１で実施される前処理プロセスの一実施形態のデータフロー図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0052]図４を参照すると、プロセスは、モビリティサーバ１２１及び／又はユーザデータサーバ１３１からの情報で始まり、一般に、（ａ）（例えば、ＵＩＤ及びタイムスタンプ情報を使用して）システム情報及び時刻に基づいてイベントデータをソートすること（処理ブロック４０１）、（ｂ）サービスエリア識別（ＳＡＩ）情報を、セクタ中心（処理ブロック４１１）、セクタ縁部（処理ブロック４２１）、メッシュ中心（任意選択）（処理ブロック４３１）、又は複数の地点（セクタ／メッシュ中心／縁部に限定されず、任意選択）（処理ブロック４４１）の緯度情報及び経度情報に変換することのうちの少なくとも１つ、及び変換後ＳＡＩ情報に基づいてＵＥ／ユーザの位置を推定すること（処理ブロック４５１）を含む。ＳＡＩは、同一のロケーションエリアに属する１つ又は複数のセル又はセクタからなるエリアを識別するのに使用される。そのようなエリアを本明細書ではサービスエリアと呼び、ＵＥの位置をコアネットワークに示すのに使用することができる。複数の地点（処理ブロック４４１）は、ある時刻の複数の経路を指すことに留意されたい。これは、１つの開始点（起点）から複数の目的地、又はその逆、又は複数の開始点から複数の目的地であることがある。そのような場合、各経路（又はサブ経路）に確率が割り当てられ、最も可能性の高い軌跡が選択される。
[0053]セルラーシステム内のＵＥによって生成されるイベントデータの総数は極めて大きいので、多数の異なるモビリティサーバ１２１内にイベントデータ２０１を格納することができる。そのような場合、モビリティサーバは１つ又は複数のサーバからなる。これらのイベントデータに容易にアクセスするために、イベントデータが異なるサーバのグループに格納される場合であっても、モバイル移動行動サーバ１６１又はモビリティサーバ１２１は、これらのイベントデータを将来の処理のためにＵＩＤ及びタイムスタンプに基づいてソートする（処理ブロック４０１）。プッシュモデル又はプルモデルを使用して、データをモバイル移動行動サーバに供給することができる。
[0054]一実施形態では、ＬＡＣやセクタＩＤなどのＳＡＩ情報をセクタ中心、セクタ縁部、メッシュ中心、又は複数の地点の緯度情報及び経度情報にそれぞれ変換するとき、イベントデータを受信するＢＳの位置が、推定されるＵＥの位置４５１を識別するための基本情報として使用される。
[0055]ＳＡＩの、複数の地点の緯度及び経度への変換は、セクタ内の複数の起点（例えば、開始位置）が使用されており、個人について複数の軌跡が計算されているときの状況で有用であることに留意されたい。そのような場合、ＵＥ／ユーザがある軌跡を移動した尤度に対する別の軌跡を移動した尤度の確率を使用して、人口計数プロセスの一部として使用するためにどの軌跡を選択するかを決定する。
[0056]図５は、一実施形態による、選択されたＵＥ／ユーザの位置を得るためのフィルタリングプロセスを示すデータフロー図である。一実施形態では、フィルタリングプロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。一実施形態では、処理ロジックは、モバイル移動行動サーバ１６１の一部である。
[0057]図５を参照すると、フィルタリングプロセスは、モバイル移動行動サーバのところで、ＵＥ／ユーザの選択した推定位置情報で始まり、地理的データベースサーバ１５１からのデータ、モビリティサーバ１２１からのデータ、及び／又はユーザデータサーバ１３１からのデータを含むことができ、一般に、（ａ）イベントデータをフィルタリングして、エリア及び時刻の一方又は両方に基づいて冗長なイベントデータを削減すること（処理ブロック５０１）、（ｂ）本明細書で説明するような個人属性に基づいてイベントデータをフィルタリングすること（処理ブロック５２１）、及び（ｃ）曜日に従ってイベントデータをフィルタリングすること（処理ブロック５１１）のうちの１つ又は複数を含む。個人属性に基づいてデータをフィルタリングする場合、動作情報と、ユーザ端末に関連するユーザについてのデータを含むテーブルから情報を得ることができる。
[0058]冗長性、個人属性、及び／又は曜日に基づいてフィルタリングを実施した後、処理ロジックは、ＵＥ／ユーザの推定位置を選択する（処理ブロック５３１）。イベントデータを選択することにより、データセットのサイズが削減されるので、モバイル移動行動サーバはイベントデータを迅速に解析する。例えば、労働者の大部分は朝に職場に行き、同一の移動方法及び同一の輸送網ルートを使用して晩に家に帰る。一実施形態では、平均化及びフィルタリングにより、平日中の不規則な移動パターンが除去される。
[0059]図６は、一実施形態による、起点から目的地までのＵＥ／ユーザの軌跡を推定するための補間プロセスを示すデータフロー図である。一実施形態では、補間プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。一実施形態では、処理ロジックは、モバイル移動行動サーバ１６１の一部である。
[0060]図６を参照すると、軌跡補間プロセスは、モバイル移動行動サーバのところで、ＵＥ／ユーザの選択された推定位置情報で始まり、地理的データベースサーバ１５１からのデータ、モビリティサーバ１２１からのデータ、及び／又はユーザデータサーバ１３１からのデータを含むことができ、一般に、以下から選択された１つを実施することを含む。（ａ）直線アルゴリズムによる輸送網ルートを補間すること（処理ブロック６１１）、（ｂ）最短経路アルゴリズムによって輸送網ルートを補間すること（処理ブロック６２１）、及び（ｃ）時間最適化経路探索アルゴリズムによって輸送網ルートを補間すること（処理ブロック６３１）。これらのアルゴリズムの実装は当業者には周知である。これらのアルゴリズムは、地理的情報及び輸送網情報を利用することもある。補間アルゴリズムのすべては、（図６の処理ブロック６０１より）データを解析する前にユーザの起点位置及び目的地位置を設定する。一実施形態では、すべての３つの６１１、６２１、及び６３１が実施され、ただ１つの結果だけが後で使用されることに留意されたい。
[0061]直線補間アルゴリズムは単にユーザの起点（例えば開始位置）とユーザの目的地を直接的に結び、例えば、限定はしないが、１分、５分、１０分ごと、又は１００ｍ、２５０ｍ、５００ｍごとなどの任意の細分性の使用により、推定されるユーザの位置を生成する。最短経路補間は、例えばＤｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム、及びＤｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ方法などの最短経路アルゴリズムに基づいて、ユーザの起点とユーザの目的地を結ぶ。一実施形態では、セクタ又はメッシュ又はセクタ／メッシュ内の地理的情報及び輸送網情報に基づく重みがセットアップされる。これらは、関連する道路ルート及び鉄道ルートに基づく。この情報を使用して、ユーザの推定軌跡経路を発見することができる。
[0062]一例では、地理的エリアが、通常は正方形のいくつかのレベルのメッシュに区分化され、そのサイズは、数十キロメートル〜数百メートルの間で変化することがある。人口計数／追跡のために使用されるメッシュサイズの一例は、５００メートル四方である。都市エリアでは、ＢＳ内のセクタは数メッシュだけを含むことがあり、地方エリアでは、セクタが多数のメッシュから構成されることがある。メッシュのすべては、地理的情報及び輸送網情報を考慮に入れ、メッシュベースの軌跡推定は、セクタベースの推定が実施されるのと同様に実施される。
[0063]一実施形態では、起点から目的地までの必要な時間を考慮に入れ、最良に合致するルートを発見する時間最適化経路探索が実施される。
[0064]図７は、一実施形態による動的人口計数プロセスを示すデータフロー図である。プロセスは、軌跡情報に基づいて移動を求める。一実施形態では、動的人口計数プロセスが、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。一実施形態では、処理ロジックは、モバイル移動行動サーバ１６１の一部である。
[0065]図７を参照すると、動的人口計数プロセスは、モバイル移動行動サーバのところで、ＵＥ／ユーザに関する推定軌跡データで始まり、一般に、（ａ）セクタに基づいて人口中の個人を計数すること（処理ブロック７１１）、（ｂ）メッシュに基づいて人口中の個人を計数すること（処理ブロック７２１）、（ｃ）セクタ及びメッシュグループに基づいて人口中の個人を計数すること（処理ブロック７３１）のうちの１つ又は複数を含む。一実施形態では、モバイル移動行動サーバは、イベントデータを受信するＢＳの位置に基づく推定ＵＥ位置を、セクタ、又はメッシュ、又はセクタ／メッシュグループエリアなどのターゲットエリアに変換し、モバイル移動行動サーバは、各エリア内に重複するＵＥがある場合はそれを除去する。次いで、モバイル移動行動サーバは、セクタ、メッシュ、又はセクタ／メッシュ当たりの動的人口移動のカウントを得る（処理ブロック７４１）。
[0066]一実施形態では、モバイル移動行動サーバは、所与の位置に集まり、又は所与の位置から散乱するユーザ機器の分布を示す。別の実施形態では、モバイル移動行動サーバは、所与の２つの地点間の人口移動の特性を示す。さらに別の実施形態では、モバイル移動行動サーバは、所与の位置に集まり、又は所与の位置から散乱するユーザ機器の分布と、所与の２つの地点間の人口移動の特性のどちらも示すことに留意されたい。そのような分布を準備し、図示することは当業者には周知である。
[0067]動的人口移動がセクタ、又はメッシュ、又はセクタ及びメッシュのグループのレベルで識別されるとき、所与の地理的エリア内の個人属性情報を使用する「モバイルセンサス」と呼ばれる瞬間人口センサスを得ることができる。
[0068]この実施形態では、ＵＥの動作データを使用する人口移動推定及び計数のためのシステム及び装置方法が提示される。ＵＥの例は、携帯電話、スマートフォン、及び通信機能を備えるスマートタブレットコミュータである。特に、システムは、ネットワークオペレータによってＵＥを管理するためのメッセージであるイベントデータを使用する。ＵＥとオペレータネットワークとの間の接続は、２Ｇ、３Ｇ、４Ｇ、及び４Ｇ以降を含むセルラーシステム、ワイヤレスＬＡＮ、ＷｉＭＡＸ、Ｂｌｕｅｔｏｏｔｈ、いずれかのネットワーク、ＡＤＳＬなどのワイヤレス接続又は有線接続であると想定される。
[0069]通常のイベントデータ（例えば、周期的位置更新メッセージ）は、１時間程度の時間間隔でＵＥによって送信され、周期的時間間隔を調節及びカスタマイズすることができる。２つの周期的メッセージ間の時間間隔が長いほど、ＵＥでメッセージングオーバヘッドが低くなり、電池消費が少なくなるが、ユーザ／ＵＥの追跡精度も限定される。ＵＥによって生成されるイベントデータの別の例は、ロケーションエリア更新（ＬＡＵ）である。ＵＥがモバイルであり、いくつかのセクタから構成されるロケーションエリアの境界を横切った場合、ＵＥが異なるロケーションエリアコードを識別したとき、ＵＥは、最も近いＢＳを介してネットワークにＬＡＵをイベントデータとして送信する。イベントデータは、セクタレベル位置情報及び低頻度更新を有する。セルサイト（例えば、ＢＳ）は、セルに対して無線カバレッジを与える。大部分のセルは、より効率的となり、より多くの呼出しを搬送するように、セクタ又は個々のエリアに分割されている。したがって、セクタは、ＢＳによってサービスされる無線カバレッジの最小サイズのうちの１つである。しかし、そのサイズはエリアに依存し、数百メートル（都市エリア）から数キロメートル（地方エリア）の間で変化することがある。セクタ位置情報は、ＧＰＳによって提供されるものとは異なる。ＵＥから数百のイベントデータを送信するにもかかわらず、セクタで受信されるイベントデータは、ＵＥの厳密な位置を示すものではない。イベントデータに基づくＵＥの位置は、セクタ位置で推定することができ、このことは、ＵＥが特定のセクタに関連付けられることを意味する。
[0070]図８は、動作データを使用するユーザの軌跡推定プロセス及び人口計数プロセスの一実施形態の各ステージを示す。図８を参照すると、第１ステージ８１０は、動的人口計数のための動作中の特別な領域からデータを収集することを含む。イベントデータ８１１が生成され、イベントデータ８１１はＬＡＵメッセージ及びＰＲＭメッセージを含む。元のイベントデータは、ＵＩＤ（ユーザ識別）、タイムスタンプ、及び更新タイプ（すなわち、ＰＲＭ又はＬＡＵ）を含む。一実施形態では、年齢／性別／人口統計特性／住所などの加入者情報８１３が、意味のある統計分析を行うために利用可能である。ＢＳ位置情報８１５は主に第２ステージ８２０で使用され、ＧＩＳデータ８１７は第４ステージ８４０で使用される。
[0071]第２ステージ８２０は、後のステージのための前処理である。イベントデータはＵＥによって生成され、このデータ生成のタイミングは規則的ではない。ＬＡＵ又は他のメッセージは周期的に生成されないからである。ユーザのイベントデータ生成の頻度は低いが、すべての加入者によって生成されるイベントデータの総量は劇的に増大する。その結果、イベントデータは様々なサーバに格納され、システムは、効率的な処理のためにイベントデータをＵＩＤ及び時刻８２１でソートする必要がある。他のステージは、様々な変換プロセス８２３、８２５、８２７、及び８２９である。一実施形態では、イベントデータ８１１は、ＬＡＣやセクタＩＤなどのＳＡＩ（サービスエリア識別）情報を含み、ＢＳ位置情報８１５を使用してユーザの位置として緯度及び経度に変換される。
[0072]第３ステージ８３０は、冗長なエリア／時刻データ８３１、属性８３４、又は曜日ごとに基づくユーザの平均の起点／目的地／軌跡８３７を除去するためのフィルタリングである。イベントデータを制限することにより、システムは、イベントデータを迅速に処理することができ、精巧な方法を使用してより詳細な解析を行うことができる。さらに、労働者の大部分は朝に職場に行き、次いで同一の移動方法を使用して晩に家に帰る。この方法は、平日中の不規則な移動パターンを除去することができる。
[0073]第４ステージ８４０は、様々な方法を使用して、分散したデータから軌跡補間を実施する。補間方法のすべては、起点位置及び目的地位置としてのイベントデータ内の連続的なユーザの位置に基づく。直線補間８４１は直線を使用してそれらを結び、１分ごと、５分ごと、１０分ごと、又は１００ｍごと、２５０ｍごと、５００ｍごとなどの任意の細分性で推定位置を生成する。最短経路補間８４４は、例えばＤｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム、及びＤｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ方法などの最短経路アルゴリズムのグループのうちの１つを使用して、起点位置と目的地位置を結ぶ。一実施形態では、重みが使用され、重みが可能な経路に割り当てられ、経路が発見される。重みは、ＧＩＳデータ８１７に基づいて割り当てることができる。重みを割り当て、経路を発見する際に、すべてのセクタ接続内の関連する道路及び鉄道を使用することもできる。一実施形態では、基本軌跡推定はセクタに基づく。別の追跡実施形態では、地理的エリアがいくつかのレベルのメッシュに区分化される。メッシュは通常は正方形であり、そのサイズは、数十キロメートル〜数百メートルの間で変化することがある。人口計数／追跡のために考慮されるメッシュサイズの一例は、５００メートル四方である。都市エリアでは、セクタは数メッシュだけを含むことがあり、地方エリアでは、あるセクタ内に多数のメッシュが含まれることがある。メッシュのすべてには、ＧＩＳデータも反映され、使用される軌跡推定方法は、セクタベースの推定で使用される方法と同一でよい。さらに、一実施形態では、補間のために時間最適化経路探索８４７を使用することができ、時間最適化経路探索８４７では、起点／目的地に対する必要な時間が、最良に合致するルートを発見するように最適化される。
[0074]最後のステージ８５０は、人口中の個人数を計数している。このステージは、推定位置を、セクタ８５１、メッシュ８５４、セクタ／メッシュグループエリア８５７などのターゲットエリアに変換する。一実施形態では、システムは、各エリア内の重複データを除去する。次いで、システムは、ある場所に集まり、又はある場所から散乱する人々の分布を示すことができ、２つの地点間の移動の特性を示すことができる。そのような情報を都市計画、交通計画、及び防災のために使用することができる。別の潜在的適用例は、所与の地理的エリア内及び時間間隔内の年齢／性別／人口統計特性／住所分布などの加入者情報を使用するモバイルセンサスプロセスである。
モバイルネットワーク動作データを使用する人口移動及び推定
[0075]図９は、人口移動推定及び計数のためのモバイルネットワークオペレータシステムの一実施形態を示す。図９を参照すると、ＵＥ９１０、９１１、及び９１２がモバイルネットワークオペレータのサービスエリア内にある場合、それらは、モビリティ管理又は通信のためのオペレータのネットワーク９１４を介して、ＢＳ９１３及び回路／パケット交換機９１５と何らかのメッセージを交換する。ＵＥ９１０、９１１、９１２、及びＢＳ９１３からイベントデータ８１１も送信され、人口移動推定及び計数のためにサーバ９１６内に格納される。サーバ９１６はまた、加入者情報８１３、ＢＳ位置情報８１５、及びＧＩＳデータ８１７をも格納する。ＵＥとオペレータネットワークとの間の通信は、フェムトセル、ワイヤレスＬＡＮ、Ｂｌｕｅｔｏｏｔｈ、又は他の通信構成を介して利用可能である。
[0075]図９は、人口移動推定及び計数のためのモバイルネットワークオペレータシステムの一実施形態を示す。図９を参照すると、ＵＥ９１０、９１１、及び９１２がモバイルネットワークオペレータのサービスエリア内にある場合、それらは、モビリティ管理又は通信のためのオペレータのネットワーク９１４を介して、ＢＳ９１３及び回路／パケット交換機９１５と何らかのメッセージを交換する。ＵＥ９１０、９１１、９１２、及びＢＳ９１３からイベントデータ８１１も送信され、人口移動推定及び計数のためにサーバ９１６内に格納される。サーバ９１６はまた、加入者情報８１３、ＢＳ位置情報８１５、及びＧＩＳデータ８１７をも格納する。ＵＥとオペレータネットワークとの間の通信は、フェムトセル、ワイヤレスＬＡＮ、Ｂｌｕｅｔｏｏｔｈ、又は他の通信構成を介して利用可能である。
[0076]図１０は、モバイルユーザの軌跡、基礎をなすセルラーセクタ、及びモバイルユーザの軌跡の間の動作データメッセージ位置を示す。図１０を参照して、１０１１で与えられるユーザのサンプル軌跡を考慮する。このユーザは、異なるセクタ１０１８、１０１９、及び１０２０を通じて移動し、セクタのサイズは、上述のように数百メートル（都市エリア）から数キロメートル（地方エリア）の間で変化することがある。セクタ中心は、各セクタ内に位置する小さい円１０１７でマークされる。セクタ１０１５の境界は、入力をセクタ中心として取るボロノイ図によって与えられる。複数のセクタが組み合わされてＬＡが形成され、その境界が１０１６のようにマークされる。さらに、フェムトセル、ワイヤレスＬＡＮ、Ｂｌｕｅｔｏｏｔｈなどの初期の使用によってイベントデータ８１１が生成される。
[0077]一実施形態では、モバイルユーザのイベントデータは主に、ＵＥによって送信される２つのメッセージＰＲＭ及びＬＡＵから構成される。ＰＲＭは、各ＵＥによって、例えば１時間間隔以内に周期的に送信される（例えば、ＵＥの軌跡１０２１の１０２２、１０２３を参照）。ＵＥが固定される場合であっても、ＰＲＭがＵＥによってそのサービングＢＳに送信される。一方、ＵＥがＬＡ１０１６の境界を横切るときはいつでも、ＬＡＵメッセージ（例えば、１０１２、１０１３、１０１４を参照）がトリガされる。真の位置とセクタ中心との間にはギャップがあり、したがって、ＬＡＵによって引き起こされるイベントデータの場合、セクタ縁部をユーザの位置として使用する方が良い。一実施形態では、以下の重要な情報が、ＰＲＭメッセージとＬＡＵメッセージの両方の一部として含まれる。セクタＩＤ、ロケーションエリアＩＤ、タイムスタンプ（１秒の細分性で）、及び更新タイプ（すなわち、ＰＲＭ、ＬＡＵなど）。
[0078]ＰＲＭ及びＬＡＵはセクタＩＤを一意に指定する。セクタ内にＵＥの位置をマッピングする一方法は、ＵＥの位置をセクタ中心にマッピングすることである。図１１は、一実施形態による、セクタ中心ベースの直線補間及びセクタベースの計数を使用するモバイルユーザの軌跡の推定を示す。例えば、図１１に示すように、図１０の真のＵＥ位置１０１２、１０１３、及び１０１４を図１１のセクタ中心１１３１、１１３２、及び１１３３にマッピングすることができる。イベントデータの間の瞬間のＵＥ位置の推定を得ることに関心がある場合、位置推定１１３１、１１３２、及び１１３３を（例えば、線形補間を使用して）補間し、１１４０及び１１４１で示すように、補間した直線上の点に（一様な時間間隔で）タイムスタンプを割り当てることが可能である。推定位置１１２０〜１１２５のすべては、セクタ情報１１５０、１１５１、及び１１５２に変換される。次いで、推定軌跡は１０１８、１１５０、１１５１、１０１９、１１５２、及び１０２０であり、システムは、人口移動に基づいてセクタを計数する。
[0079]図１２は、セクタ中心ベースの直線補間及びセクタベースの計数を使用してユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0080]図１２を参照すると、システム内の処理ロジックは、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を受信し、与えられた加入者情報８３０を用いてＵＩＤ及び時刻でイベントデータ８１１をソートする（処理ブロック８２１）。第２に、処理ロジックは、ＢＳ位置情報８１５を使用してＳＡＩをセクタ中心位置に変換し（処理ブロック８２３）、時刻及びエリアに基づいてデータをフィルタリングする（処理ブロック８３１）。モバイルネットワークオペレータはＢＳ位置及び信号カバレッジを理解する。したがって、モバイルネットワークオペレータはセクタ中心位置をユーザの位置として割り当てることができる。
[0081]最後に、処理ロジックは直線補間を実施し（処理ブロック８４１）、セクタベースの人口移動を計数する（処理ブロック８５１）。直線補間が処理ブロック８３１の出力データに適用され、連続するイベントデータに関する推定位置情報が生成される。推定位置をチェックすることにより、システムは、（フィルタリングから得られた）時間枠及びエリアの下で各セクタ内のユーザ端末数を計数することができ、それによってセクタレベル動的人口移動数１２０２が生成される。
[0082]代替実施形態では、地理的エリアはいくつかのレベルのメッシュに区分化される。メッシュは通常は正方形であり、そのサイズは、数十キロメートル〜数百メートルの間で変化することがある。人口計数／追跡のために考慮される例示的メッシュサイズは、５００メートル四方１３４０〜１３４３である。都市エリアでは、セクタは数メッシュだけを含むことがあり、地方エリアでは、あるセクタ内に多数のメッシュが含まれることがある。メッシュがモバイル空間統計を取り込むために使用されるとき、アルゴリズムは、セクタ内のＵＥ位置を最良に近似するセクタ内の最良のメッシュを正確に発見する。
[0083]図１３は、一実施形態による、セクタ中心ベースの直線補間及びメッシュベースの計数を使用するモバイルユーザの軌跡の推定を示す。図１３では、１１４０、１１４１で示される補間される直線と、図１１の推定位置１１２０〜１１２５のすべてが、メッシュ情報１３４０、１３４１、１３４２、１３４３に変換される。その場合、推定軌跡は１３４０、１３４１、１３４２、及び１３４３であり、システムはメッシュベースの人口移動を計数することができる。
[0084]図１４は、メッシュ中心ベースの直線補間及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0085]図１４を参照すると、プロセスは、処理ロジックが、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を受信することによって始まり、加入者情報８１３を与えてＵＩＤ及び時刻でソートを行う（処理ブロック８２１）。イベントデータはＰＲＭ、ＬＡＵなどによって生成される。第２に、システム内の処理ロジックは、ＢＳ位置情報８１５を使用してＳＡＩをセクタ中心位置に変換し、時刻及びエリアに基づいてこのデータをフィルタリングする（処理ブロック８３１）。最後に、処理ロジックは直線補間を実施し（処理ブロック８４１）、メッシュベースの人口移動を計数する（処理ブロック８５４）。直線補間が処理ブロック８３１から出力されたデータに適用され、連続するイベントデータに関する推定位置が与えられる。推定位置をチェックすることにより、システムは、フィルタリングで指定される時間枠及びエリアの下で各メッシュ内のメッシュレベル動的人口移動数１４０２を与える。
[0086]図１５は、一実施形態による、メッシュ中心ベースの直線補間及びセクタ／メッシュグループベースの計数を使用するモバイルユーザの軌跡の推定を示す。図１５では、１１４０、１１４１で示される補間される直線と、図１１の推定位置１１２０〜１１２５のすべてが、セクタ情報１１５０、１１５１、１１５２に変換される。その後で、すべてのセクタがメッシュ情報１５７０〜１５８０に変換される。その場合、推定軌跡は１５７０〜１５８０であり、システムはメッシュベースの人口移動を計数することができる。
[0087]図１６は、セクタ中心ベースの直線補間及びセクタ／メッシュグループベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0088]図１６を参照すると、処理ロジックは、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を補正し、与えられた加入者情報８１３を用いてＵＩＤ及び時刻でイベントデータ８１１をソートする（処理ブロック８２１）。イベントデータ８１１が生成され、イベントデータ８１１はＰＲＭメッセージ及びＬＡＵメッセージなどを含む。第２に、システムは、ＢＳ位置情報８１５を使用してＳＡＩをセクタ中心位置に変換し、時刻及びエリアに基づいてこのデータをフィルタリングする（処理ブロック８３１）。最後に、処理ロジックは直線補間を実施し（処理ブロック８４１）、セクタ／メッシュベースの人口移動を計数する（処理ブロック８５７）。直線補間が処理ブロック８３１から出力されたデータに適用され、連続するイベントデータに関する推定位置情報が生成される。推定位置をセクタに変換することができる。どのセクタがメッシュに属するか、及びそのカバレッジ率をチェックすることにより、システム内の処理ロジックは、フィルタリングで指定される時間枠及びエリアの下で各メッシュ内のメッシュレベル動的人口移動数１６０２を生成する。
[0089]マッピングしたＵＥ１１３１、１１３２、及び１１３３の位置が正確ではない場合、補間した軌跡１１４０、１１４１上の推定地点も正確ではないことになることに留意されたい。さらに、線形補間は通常、モバイルユーザの軌跡の過度の単純化であり、ＧＩＳ情報を使用して、位置推定１１３１、１１３２、１１３３に近い、関連する道路及び鉄道が反映されるべきであり、そのようなＧＩＳデータを使用して正確な軌跡を構築すべきである。より信頼性の高い軌跡推定を達成するために、道路及び鉄道情報などのＧＩＳデータが役立つ。図１７は、一実施形態による、セクタ中心ベースの最短経路発見アルゴリズムを使用するモバイルユーザの軌跡の推定を示す。図１７は、セクタ中心位置１１３４に基づく候補軌跡１０１８〜１０１９及び１０１９〜１０２０を示す。各接続１１４０は重みを有し、最短経路アルゴリズムが軌跡を発見する。図１８は、一実施形態による、ＧＩＳデータ及びＢＳ位置情報を使用するセクタ確率重み割当てを示す。図１８を参照すると、セクタ１８０２内の重み１８０１が、鉄道１８０３、駅、道路１８０４、交差点の数、道路の幅、土地の外側などによって割り当てられる。一実施形態では、ｋ番目のメッシュ重みＷｋ割当てが、以下の式に従って作成される。
Ｒ：メッシュ内の道路数
Ｌ：メッシュ内の鉄道数
Ｓ：メッシュ内の駅数
ｌ：メッシュ内の交差点数
ｄｉ：ｉ番目の道路の幅
αｉ：ｉ番目の道路の幅に関する係数
βｊ：ｊ番目の鉄道に関する係数
Ｒ：メッシュ内の道路数
Ｌ：メッシュ内の鉄道数
Ｓ：メッシュ内の駅数
ｌ：メッシュ内の交差点数
ｄｉ：ｉ番目の道路の幅
αｉ：ｉ番目の道路の幅に関する係数
βｊ：ｊ番目の鉄道に関する係数
[0090]経路を追跡することにより、信頼性の高い推定軌跡を識別することができる。図１９は、セクタ中心ベースの最短経路アルゴリズム及びセクタベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0091]図１９を参照すると、システム内の処理ロジックは、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を受信し、加入者情報８１３を与えてＵＩＤ及び時刻でイベントデータ８１１をソートする（処理ブロック８２１）。イベントデータ８１１はＰＲＭ、ＬＡＵなどによって生成される。第２に、システム内の処理ロジックは、ＢＳ位置情報８１５を使用してＳＡＩをセクタ中心位置に変換し（処理ブロック８２３）、時刻及びエリアによってこのデータをフィルタリングする（処理ブロック８３１）。最後に、処理ロジックは最短経路補間を実施し（処理ブロック８４４）、メッシュベースの人口移動を計数する（処理ブロック８５１）。最短経路補間が処理ブロック８３１から出力されたデータに適用され、ＧＩＳデータ８１７を使用して、連続するイベントデータに関する推定位置データが生成される。推定位置をチェックすることにより、システム内の処理ロジックは、フィルタリング済みデータで指定される時間枠及びエリアの下で各セクタ内のセクタレベル動的人口移動数１９０２を生成する。
[0092]図２０は、一実施形態による、メッシュ中心ベースの最短経路発見アルゴリズムを使用するモバイルユーザの軌跡の推定を示す。図２０を参照すると、メッシュ中心位置１１３１〜１１３３に基づく候補軌跡１０１８〜１０２０。起点メッシュ２０７１及び目的地メッシュ２０７３はセクタセクタに属する。各接続は重みを有し、最短経路アルゴリズムが軌跡を発見する。
[0093]図２１は、ＧＩＳデータ及びＢＳ位置情報を使用するメッシュ確率重み割当てを示す。図２１を参照すると、メッシュ２１５５内の重み２１０１が、鉄道１８０３、駅、道路１８０４、交差点の数、道路の幅、土地の外側などによって割り当てられる。経路を追跡することにより、信頼性の高い推定軌跡となった。
[0094]図２２は、メッシュ中心ベースの最短経路アルゴリズム及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0095]図２２を参照すると、システム内の処理ロジックは、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を受信し、与えられる加入者情報８１３を用いてＵＩＤ及び時刻でこのデータをソートする（処理ブロック８２１）。イベントデータ８１１はＰＲＭ、ＬＡＵなどによって生成される。第２に、システム内の処理ロジックは、ＢＳ位置情報８１５を使用してＳＡＩをメッシュ中心位置情報に変換し（処理ブロック８２７）、時刻及びエリアによってこのデータをフィルタリングする（処理ブロック８３１）。最後に、処理ロジックは最短経路補間を実施し（処理ブロック８４４）、メッシュベースの人口移動を計数する（処理ブロック８５４）。最短経路補間が処理ブロック８３１から出力されたデータに適用され、ＧＩＳデータ８１７を使用して、連続するイベントデータに関する推定位置情報が生成される。推定位置をチェックすることにより、システム内の処理ロジックは、フィルタリング済みデータで指定される時間枠及びエリアの下で各セクタ内のメッシュレベル動的人口移動数２２０３を生成する。
[0096]図１７及び２０は、１つの起点及び１つの目的地を有する例を示すが、複数の起点及び複数の目的地を設定することが可能である。図２３は、起点セクタ１０１８から目的地セクタ１０２０までのメッシュに基づく候補軌跡を示す。図２３を参照すると、起点メッシュ２３９１、２３９２、２３９３、２３９４、及び目的地メッシュ２３９５、２３９６、２３９７、２３９８がセクタに属する。起点メッシュ２３９１、２３９２、２３９３、２３９４のそれぞれには、カバレッジエリアに基づく確率が割り当てられ、目的地メッシュ２３９５、２３９６、２３９７、２３９８のそれぞれには、カバレッジエリアに基づく確率が割り当てられる。最短経路アルゴリズムは、２３９１〜２３９５、２３９１〜２３９６、２３９１〜２３９７、２３９１〜２３９８、２３９２〜２３９５、２３９２〜２３９６などの、起点メッシュと目的地メッシュとの間の複数の軌跡を発見する。経路のすべては、その確率と共に、ユーザの軌跡及び人口移動数に反映される。
[0097]図２４は、複数地点ベースの最短経路アルゴリズム及びメッシュベースの計数を使用してモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[0098]図２４を参照すると、システムは、ＳＡＩベースのユーザの位置を含むイベントデータ８１１を受信し、与える加入者情報８３０を用いてＵＩＤ及び時刻でこのデータをソートする（処理ブロック８２１）。イベントデータ８１１はＰＲＭ、ＬＡＵなどによって生成される。第２に、システム内の処理ロジックは、ＢＳ位置情報８１５を使用してＳＡＩを複数の地点に変換し（処理ブロック８２９）、時刻及びエリアによってこのデータをフィルタリングする（処理ブロック８３１）。複数の地点は、ＳＡＩ内のセクタによってカバーされるメッシュ中心から来る。確率はカバレッジ率から来る。最後に、処理ロジックは最短経路補間を実施し（処理ブロック８５４）、メッシュベースの人口移動を計数する（処理ブロック８５４）。最短経路補間が処理ブロック８３１から出力されたデータに適用され、ＧＩＳデータ８１７を使用して、連続するイベントデータに関する推定位置情報が生成される。推定位置をチェックすることにより、システム内の処理ロジックは、処理ブロック８３１のフィルタリングで指定される時間枠及びエリアの下で各セクタ内のメッシュレベル動的人口移動数２４０２を生成する。
地理的情報を使用する動的移動行動推定
[0099]モバイルネットワーク内の動的人口移動推定及び計数のための方法及び装置を以下で提示する。以下の例（複数可）は説明のためのものであり、限定でないことを理解されたい。
[0099]モバイルネットワーク内の動的人口移動推定及び計数のための方法及び装置を以下で提示する。以下の例（複数可）は説明のためのものであり、限定でないことを理解されたい。
[00100]図２５はユーザの実際の軌跡を示す。図２５を参照すると、ユーザの実際の軌跡２５１０及びイベントデータが示されている。ＬＡ境界２５０２は、セルタワー１０３（セクタ１０５と共に図１に示す）の位置及びワイヤレス信号カバレッジによって計算されるセクタ中心２５０１を有するいくつかのセクタ２５０５をカバーする。ロケーションエリア更新（ＬＡＵ）メッセージ２５１１、２５１３、２５１４がＬＡ境界交差によって生成され、周期的位置更新メッセージ２５１２が、最後のイベントデータ伝送２１１から一定の期間の後に生成される。周期的位置更新伝送の頻度はモバイルネットワークオペレータに依存する。
[00101]図１に戻ると、モバイル移動行動サーバ１６１は、モビリティサーバ１２１、加入者データサーバ１３１、及び地理的データベースサーバ１５１に格納される情報にリンクされるデータを取り込み、格納し、解析し、管理し、提示する１組のツールである。モバイル交通行動サーバ１６１に格納され、解析された情報は、第３者ユーザのサーバ１７１でアクセスすることができる。イベントデータ２５１１、２５１２、２５１３、及び２５１４は、セクタレベル位置情報及び低頻度更新を有する。これらのイベントデータは、関連するセクタで受信されるからである。セクタサイズはエリアに依存し、数百メートル（都市エリア）から数キロメートル（地方エリア）の間で変化することがある。
[00102]一実施形態の目標は、所与の瞬間のユーザの地理的分布を得ること（例えば、毎時、毎日、毎週、毎月など）、及び異なる地理的エリア間の人口移動の流入及び流出を推定することである。この目標を達成するために、ＵＥ１０１によって生成されるイベントデータを使用し、モビリティサーバ１２１内に一時的又は永続的に格納する。上記で論じたように、イベントデータを受信するＢＳは、ＵＥの現在位置を暗黙的に示す。
[00103]ユーザの地理的分布を得るために、事前定義したグリッドレベル細分性を使用する。図２６は、セクタ中心に基づく開始点及び目的地メッシュ選択を示す。図２６を参照すると、事前定義したグリッドレベル細分性２６００が示されている。ワイヤレスネットワークの地理的サービス領域全体が、グリッド線を使用してメッシュに分割される。本発明の実施形態は、ＵＥが横切ったメッシュのシーケンスを推定する。このことを本明細書では「メッシュベースの軌跡推定」と呼ぶ。モバイル移動行動サーバ１６１は、メッシュベースの軌跡推定のための起点メッシュ及び目的地メッシュを選ぶ。一手法は、イベントデータを受信したセクタのセクタ中心点を含むメッシュを選ぶことである。上記のメッシュ選択によれば、図２６では、メッシュ２６０３及び２６０６をそれぞれ起点メッシュ及び目的地メッシュとして選択する。選択したメッシュは、セクタのセクタ中心点２６０２及び２６０５を含む。推定アルゴリズムのうちの１つは、直線手法を使用してＵＥの移動軌跡を推定する。図２７は、メッシュベースの直線アルゴリズムを使用する推定軌跡を示す。図２７を参照すると、直線手法は、セクタ中心２６０２及び２６０５間の直線を使用して、起点メッシュ２６０３及び目的地メッシュ２６０６から中間メッシュ２７０１を推定する。別の方法は、メッシュ中心間の直線を使用することである。
[00104]図２８は、動的移動行動推定のための開始位置及び目的地位置を定義するプロセスの一実施形態の流れ図である。このことは、イベントデータのタイプを調査し、検討することによって行われる。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00105]図２８を参照すると、流れ図は、イベントデータ生成タイプ又はイベントタイプを検討し、タイプに従って起点メッシュ及び目的地メッシュを求める。イベントデータはいくつかのイベントデータに分類されるので、各イベントデータは、メッセージ内のイベントデータのタイプを示す。
[00106]処理ロジックはイベントデータを受信し、そのタイプがＬＡＵであるかどうかを判定する（処理ブロック２８０１）。第１イベントデータのイベントタイプが２５１１、２５１３、２５１４などのＬＡＵメッセージであることを示す場合、処理ロジックは、起点メッシュ（ｉ）を、ロケーションエリア境界（ＬＡＢ）の中点を含むメッシュとして設定する（処理ブロック２８０２）。イベントタイプが２５１２などの周期的登録メッセージである場合、処理ロジックは、起点メッシュ（ｉ）を、データ生成セクタの中心を含むメッシュとして設定する（処理ブロック２８０３）。
[00107]プロセスは、目的地メッシュ（ｉ）２８０４、２８０５、２８０６を求めるために反復する。上記のプロセスは、２８００のように起点メッシュ（ｉ）及び目的地メッシュ（ｉ）を求める一方法であり、ＧＩＳデータを使用して最も可能性の高い地理的地点を探索し、起点メッシュ及び目的地メッシュを、こうした最も可能性のある地点を含むメッシュとして設定するためにも利用可能である。起点メッシュ（ｉ）及び目的地メッシュ（ｉ）を求める別の方法は、ＵＥのイベントデータのシーケンス全体を検討し、ＵＥのこの履歴情報に基づいて最も可能性の高い地点を求めることである。
[00108]図２９は、ターゲットユーザの移動行動を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00109]図２９を参照すると、イベントデータ間中間位置を得るために、モバイル移動行動サーバ１６１内の処理ロジックは、まず変数ｋを１に等しく設定して第１ユーザを表すことによってＵＥの軌跡を推定する（処理ブロック２９０１）。次に、処理ロジックはユーザ（ｋ）の軌跡を推定する（処理ブロック２９００）。ユーザ（ｋ）の軌跡を推定した後、推定プロセスは、ユーザ（ｋ）についての推定軌跡及び他の関連情報を格納するデータベースを更新し（処理ブロック２９０２）、別のＵＥがあるかどうかをチェックする（処理ブロック２９０４）。別のＵＥがある場合、推定プロセスは、変数ｋを１つ増加させ（処理ブロック２９０３）、処理ブロック２９００に遷移することにより、他のユーザについてこのプロセスを反復する。
[00110]図３０は、動的移動行動推定のための選択プロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00111]図３０を参照すると、推定アルゴリズムは、ＵＥのそれぞれの２つの連続する動作データ生成（以下「ｉ番目のリンク、リンク（ｉ）」と呼ぶ）を、ｉ＝１で識別される１番目のリンクから始めて解析する（処理ブロック３００１）。ＵＥのリンクの一例は、図２５の（２５１２、２５１３）である。プロセスは、図２８の２８００のように、各リンク（ｉ）について起点メッシュ（ｉ）及び目的地メッシュ（ｉ）と呼ぶ２つのメッシュを求める。次に、処理ロジックは、１番目のイベントデータ及び次のイベントデータを使用して、ＵＥの近似移動速度ｖｉを計算する（処理ブロック３００２）。イベントデータはデータが生成された時刻と、生成時にＵＥが属するＳＡＩとを含むことに留意されたい。起点セクタ及び目的地セクタのＳＡＩから変換されるセクタ中心位置を使用して、例えば、２つのデータ生成地点の中のＵＥの移動速度を近似することができる。
[00112]処理ロジックは、移動速度ｖｉをしきい値ｖｔｈと比較する（３００３）。より具体的には、比較結果は、確率割当てを使用しない直線技法、又は確率割当てを使用する地理的情報ベースの技法という２つの軌跡推定技法のどちらを使用するかを規定する。計算近似速度が事前定義したしきい速度未満である場合、処理ロジックは、図３２の直線手法３２００で起点メッシュ及び目的地メッシュを補間することにより、リンク（ｉ）に対応する部分的軌跡を推定する。ＵＥの計算近似速度がしきい速度よりも高速である場合、プロセスは、図１の地理的データベースサーバ１５１に位置する地理的情報及び輸送網情報３１０３を利用して、図３１のリンク（ｉ）３１００に対応する部分的軌跡を推定する。
[00113]リンク（ｉ）の解析を完了した後、処理ロジックは、次のリンクを解析するために変数ｉを増分し（処理ブロック３００４）、すべてのリンクを処理するまでプロセスを反復する（処理ブロック３００５）。すべてのリンクの解析を完了した後、処理ロジックは、すべての推定リンク軌跡を結び、完全な推定メッシュシーケンスを返す（処理ブロック３００６）。
[00114]図３０のプロセスを、処理ブロック３００３で１つの事前定義したしきい速度だけを用いて示したが、軌跡推定方法を選択するためのしきい速度として複数の値を設定できることに留意されたい。さらに、プロセスは、リンクの距離を使用して軌跡推定方法を選択することができる。
[00115]図３１は、ＧＩＳベースの確率割当てを使用して軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00116]図３１を参照すると、地理的情報で軌跡を推定するプロセスは、起点メッシュ（ｉ）及び目的地メッシュ（ｉ）を含む境界メッシュを画定することによって始まる（処理ブロック３２０１）。一例は、起点メッシュ及び目的地メッシュと、その周囲のいくつかの余分の周辺メッシュとを含む矩形領域である。別の例は、起点メッシュ及び目的地メッシュを含む楕円を画定することである。
[00117]境界メッシュを画定した後、処理ロジックは、境界領域内のすべてのメッシュについて、メッシュから各近隣メッシュへの移動確率を割り当てる（処理ブロック３２０２）。これらの確率割当てプロセスは、地理的マップ情報や交通情報などの地理的情報３１０３並びに輸送網情報を利用する。一実施形態では、プロセスは、メッシュからさらに高いモビリティを有する近隣メッシュへのさらに高い移動確率を割り当てる。モビリティを測定する一方法は、現メッシュを各近隣メッシュに結ぶ道路数、鉄道数、道路幅、交通量、及び／又は１時間当たりの列車数を計数することでよい。カウントから、プロセスは、さらに高いカウントを有する近隣メッシュにさらに高い確率を割り当てることができる。移動確率を割り当てた後、処理ロジックは、１つ又は複数の最短経路発見アルゴリズムを使用して、起点メッシュ（ｉ）と目的地メッシュ（ｉ）を結ぶ最も可能性の高いメッシュのシーケンスを発見する。すなわち、処理ロジックは、あらゆるメッシュの対及び関連する移動確率を検討して、どの対が最高の確率を有するかを判定し、次いで最高の確率を有するものを１つのメッシュシーケンスに結合する。
[00118]図３３は、確率割当てのための輸送網情報を示す。図３３を参照すると、例示的エリアが輸送機関３３０１、道路３３０３、及び鉄道３３０２を含む。円３３０４は、ターゲットメッシュ１００１と近隣メッシュとの間の相互接続道路又は鉄道である。
[00119]図３４は、一実施形態による確率割当ての一例を示す。図３４を参照すると、プロセスは、各メッシュに移動確率を割り当てる。一実施形態では、確率計算は、一方向接続数を全接続数で割ったものである。したがって、１２個の接続の場合、図３４では、確率は０／１２〜４／１２の範囲で変化する。道路／鉄道（又は他の移動手段）の考慮に従って、より高い確率を割り当てることができることに留意されたい。例えば、２つのメッシュ間に多数の道路及び／又は鉄道が存在する場合、２つのメッシュ間の移動確率は、そのような条件が存在しなかった場合よりも高くすることができる。
[00120]図３５は、メッシュベースの最短経路アルゴリズムに関するグラフ構造を示す。図３５では、プロセスは、起点メッシュ及び目的地メッシュを含む楕円を採用するグラフを構築する。図２６の各境界メッシュ２６００がノード３５０１で置き換えられ（すなわち、１対１対応）、各ノードは、近隣境界メッシュに対する有向縁部を有する。これらの有向縁部には、図３１の処理ブロック３１０２で計算した移動確率である値３５０２が割り当てられる。起点メッシュ２８０３及び目的地メッシュ２８０６に対応するノードを、それぞれ開始メッシュノード３５０３及び目的地メッシュノード３５０４として表す。例えばＤｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム、Ｂｅｌｌｍａｎ−Ｆｏｒｄアルゴリズム、Ｆｌｏｙｄ−Ｗａｒｓｈａｌｌアルゴリズムなどの最短経路発見アルゴリズムを使用して、図３６で推定軌跡３６０１が生成される。アルゴリズムが、起点でＬＡＣなどの異なるイベントタイプを検出した場合、メッシュベースの最短経路アルゴリズムを使用する推定軌跡を示す図３７に示すように（開始点：セクタ縁部、目的地：セクタ中心）、ＬＡＢ３７０２の中点を使用することによって起点メッシュ３７０３は異なる部分となり、推定軌跡３７０１は異なるものとなる。本質的には、図３５に示す各矢印に確率が割り当てられる。
モバイル動作データを使用する人口追跡及び計数
[00121]図３８は、モバイルユーザの軌跡、基礎をなすセルラーセクタ、及びモバイルユーザの軌跡の間の動作データメッセージ位置を示す。これは、セルラーオペレータの動作データを使用するモバイルユーザの追跡のためのシステムモデルを表す。３８００で与えられるモバイルユーザのサンプル軌跡を考慮する。このモバイルユーザは、異なるセクタ３８４０、３８４５、３８５０を通じて移動し、セクタのサイズは、上記で論じたように数百メートル（都市エリア）から数キロメートル（地方エリア）の間で変化することがある。セクタ中心は、各セクタ内に位置する小さい円３８１５でマークされる。一実施形態では、セクタ３８１０の境界は、入力をセクタ中心として取るボロノイ図によって与えられる。複数のセクタが組み合わされてＬＡが形成され、その境界が３８０５のようにマークされる。
[00121]図３８は、モバイルユーザの軌跡、基礎をなすセルラーセクタ、及びモバイルユーザの軌跡の間の動作データメッセージ位置を示す。これは、セルラーオペレータの動作データを使用するモバイルユーザの追跡のためのシステムモデルを表す。３８００で与えられるモバイルユーザのサンプル軌跡を考慮する。このモバイルユーザは、異なるセクタ３８４０、３８４５、３８５０を通じて移動し、セクタのサイズは、上記で論じたように数百メートル（都市エリア）から数キロメートル（地方エリア）の間で変化することがある。セクタ中心は、各セクタ内に位置する小さい円３８１５でマークされる。一実施形態では、セクタ３８１０の境界は、入力をセクタ中心として取るボロノイ図によって与えられる。複数のセクタが組み合わされてＬＡが形成され、その境界が３８０５のようにマークされる。
[00122]一実施形態では、モバイルユーザの動作データは主に、ＵＥによって送信される２つのメッセージＰＲＭ及びＬＡＵを含む。ＰＲＭは、各ＵＥによって、例えば１時間間隔以内に周期的に送信される（例えば、３８２０、３８２５、３８３０を参照）。ＵＥが固定される場合であっても、ＰＲＭがＵＥによってそのサービングＢＳに送信される。一方、ＵＥがＬＡ３８０５の境界を横切るときはいつでも、ＬＡＵがトリガされる。異なるＵＥの軌跡３８７０に関する一例を図３８に示し、図３８では、ＬＡＵが真の位置３８７５でトリガされる。一実施形態では、以下の重要な情報が、ＰＲＭメッセージとＬＡＵメッセージの両方の一部として含まれる。セクタＩＤ、ロケーションエリアＩＤ、タイムスタンプ（１秒の細分性で）、及び更新タイプ（すなわち、ＰＲＭ又はＬＡＵ）。例えば、３つのＬＡＵメッセージが、対応する位置３８２０、３８２５、及び３８３０でＵＥによって送信されることを考える。これらのＬＡＵメッセージは、３８４０、３８４５、及び３８５０と標示される影付きのエリアで指定される、ＵＥに対応するタイムスタンプされたセクタ情報を一意に表す。
[00123]図３９は、動作データからのモバイルユーザの軌跡の推定を示す。一実施形態では、ＵＥの位置が、セクタ中心にマッピングすることによってセクタ内でマッピングされる。例えば、図３９に示すように、図３８の真のＵＥ位置３８２０、３８２５、３８３０を、図３９のセクタ中心３９２０、３９２５、及び３９３０にマッピングすることができる。代替実施形態では、ＵＥの位置が、セクタの質量中心（ＣＯＭ）にマッピングすることによってセクタ内でマッピングされる。さらに別の代替実施形態では、ＬＡＵタイプの更新の場合、ＵＥの位置が、ロケーションエリア境界と重なるセクタ縁部の中心にマッピングすることによってセクタ内でマッピングされる。ＰＲＭメッセージ及び／又はＬＡＵメッセージの間の瞬間のＵＥ位置の推定を得ることに関心がある場合、位置推定３９２０、３９２５、及び３９３０を（例えば、線形補間を使用して）補間し、３９４０で示すように、補間した直線上の点に（一様な時間間隔で）タイムスタンプを割り当てることが可能である。
[00124]一実施形態では、ＧＩＳ情報を使用して、位置推定３９２０、３９２５、３９３０に近い、関連する道路及び鉄道が反映され、そのようなＧＩＳデータを使用して軌跡が構築される。
[00125]一実施形態では、地理的エリアが、いくつかのレベルのメッシュ３９００に区分化される。メッシュは通常は正方形であり、そのサイズは、数十キロメートル〜数百メートルの間で変化することがある。人口計数／追跡のために考慮される典型的メッシュサイズは、５００メートル四方である。都市エリアでは、セクタは数メッシュだけを含むことがあり、地方エリアでは、あるセクタ内に多数のメッシュが含まれることがある。メッシュがモバイル空間統計を取り込むために使用されるとき、アルゴリズムが、セクタ内のＵＥ位置を最良に近似するセクタ内の最良のメッシュを正確に発見するのに使用される。例えば、アルゴリズムは、ホットスポット位置（例えば、鉄道駅、ショッピングモールなどを含む位置）を含むメッシュを選択することができ、又は高速ユーザを、ハイウェイ、鉄道などを含むメッシュにマッピングすることができる。図４２及び図４６と共にマッピングアルゴリズムをより詳細に論じる。
[00126]したがって、一実施形態では、本明細書に記載の追跡技法及び推定技法は、１）所与のセクタ内のＵＥの位置を正確にマッピングし、２）ＰＲＭメッセージとＬＡＵメッセージとの間の時間間隔に対応する、ＵＥに関する正確な軌跡を発見する。一実施形態では、地理的エリアが正方形のメッシュに区分化され、各ＵＥについての位置推定はメッシュＩＤの形態である。本明細書に記載の方法はメッシュレベルの位置推定に限定されず、より細かい細分性位置推定で作業するように容易に拡張できることに留意されたい。
[00127]図４０は、動作データからユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00128]図４０を参照すると、プロセスは、処理ロジックが変数ｋを１に等しく設定することによって始まり（処理ブロック４０００）、道路及び列車に関するＧＩＳ情報が利用可能であることを受信する（処理ブロック４００５）。このＧＩＳ情報を使用して、処理ロジックは、各メッシュに対応するメッシュ重みを得る（処理ブロック４０１０）。例えば、メッシュ内の鉄道網及び道路網の全長、そのタイプ、幅、交差点の数、他のメッシュとの接続、メッシュ内の湖／池、川、山、海の存在などを考慮することによってなど、ＧＩＳ情報を使用する様々な方式でメッシュ重みを得ることができる。すべてのこれらの異なる手法が可能であるが、一実施形態では、人／車両がメッシュの一方の側から他方の側に移動することのできる最速の時間（例えば、分単位）についての情報のみが使用され、このメトリックを本明細書では最小メッシュペース（ＭＭＰ）と呼ぶ。このメトリックに関する大まかな推定を、最速の道路タイプ（例えば、存在する場合はハイウェイ）に対応する、ＧＩＳデータ内に埋め込まれる最大道路幅パラメータから得ることができる。サンプルシナリオに関するＭＭＰ値の例示的割当てを、異なるタイプの２つの道路がある図４３で与える。図４３を参照すると、より高速な道路タイプ４３３０を含むメッシュにはすべて、ＭＭＰ値２ ４３２０が割り当てられ、より低速なペースの（且つ、より高速なルートのない）道路４３２５を含むメッシュにはすべて、ＭＭＰ値３が割り当てられる。ある道路タイプをより支持する（例えば、ハイウェイ、高速鉄道など）ことが望まれる場合、これらの道路タイプを含むメッシュに割り当てるべきペース値を強調することができる。これにより、道路が大きな曲率を作成する場合であっても推定軌跡が高速な道路タイプをたどることが保証される。山、森、湖などの障害物を含むメッシュ４３１０、４３１５には、１００などの大きなＭＭＰ値が割り当てられ、道路／障害物のないメッシュ４３０５には、人間の歩行ペースに近いＭＭＰ値、例えば１５が割り当てられる。これらのメッシュ重みをメッシュシーケンス推定アルゴリズムに関してどのように使用するかを、後でより詳細に説明する。
[00129]図４０に戻ると、メッシュ重みを得た後に、処理ロジックは、特定のユーザに関する動作データ（ＰＲＭ、ＬＡＵ、及びパワーオンメッセージやパワーオフメッセージなどの任意の他の位置更新メッセージ）を抽出する（処理ブロック４０１５）。別の実施形態では、グループモビリティ情報などの人口追跡のために有用である可能性のある貴重な情報を収集するために、すべてのユーザの動作データが一緒に処理されることがある。動作データを抽出した後、処理ロジックは、ユーザｋに関する指定の時間間隔に対応するメッシュシーケンスを推定し（処理ブロック４１００）、このデータをデータベース内に格納する（処理ブロック４０３０）。その後で、注目のすべてのユーザについて同一の手順を反復する（４０２５、４０２０、４０５０）。（処理ブロック４０３０で）データベースを得た後に、処理ロジックは、例えば都市計画、交通計画の改善、防災などの、上記で論じた様々な目的でこのデータベースを使用する。
[00130]図４１は、動作データからモバイルユーザの軌跡を推定するプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00131]図４１を参照すると、処理ロジックは、２つの異なるメッシュシーケンス推定アルゴリズムを適用するためにＵＥの速度推定を使用する。２つの位置更新間のｉ番目の軌跡をリンクｉと定義する。ｉ＝１から開始して、処理ロジックはまず、ｋ番目のユーザのｉ番目のリンクに関する速度を以下のように推定する（処理ブロック４１０５）。
上式で、ｘ（ｉ）及びｙ（ｉ）は、それぞれｉ番目の位置更新（ＰＲＭ、ＬＡＵなど）に対応するＵＥの位置推定の緯度及び経度（キロメートル単位）であり、ｔｉは、ｉ番目の位置更新の瞬間である。上式は起点位置と目的地位置との間の線形最短飛行軌跡を考慮し、真の軌跡は道路などの可能な曲率のためにより長いことがあるので、この推定速度は通常、ＵＥの真の速度未満であることに留意されたい。速度推定の別の誤差源は、座標［ｘ（ｉ），ｙ（ｉ）］がセクタ内の推定座標であり、真の座標はセクタサイズ程度の大きな誤差を有することがあることである。
上式で、ｘ（ｉ）及びｙ（ｉ）は、それぞれｉ番目の位置更新（ＰＲＭ、ＬＡＵなど）に対応するＵＥの位置推定の緯度及び経度（キロメートル単位）であり、ｔｉは、ｉ番目の位置更新の瞬間である。上式は起点位置と目的地位置との間の線形最短飛行軌跡を考慮し、真の軌跡は道路などの可能な曲率のためにより長いことがあるので、この推定速度は通常、ＵＥの真の速度未満であることに留意されたい。速度推定の別の誤差源は、座標［ｘ（ｉ），ｙ（ｉ）］がセクタ内の推定座標であり、真の座標はセクタサイズ程度の大きな誤差を有することがあることである。
[00132]ｉ番目のリンクについてＵＥの速度に関する妥当な推定が得られると、処理ロジックは、この速度をしきい速度と比較する（処理ブロック４１１０）。例示的しきい速度は２０ｋｍ／時でよく、この速度は、モバイルユーザが高速車両（例えば、車、列車など）を使用しているかどうかを区別するのに使用することのできる典型的な値である。推定速度がしきい速度よりも高い場合（例えば高速ユーザ）、高速ユーザについて５００及び６００に基づいて、ユーザ位置−メッシュマッピング及びＧＩＳベースのメッシュシーケンス推定を実施し、そうでない場合、低速ユーザについて７００及び８００に基づいて、ユーザ−メッシュマッピング及び直線ベースのメッシュシーケンス推定を実施する。
[00133]高速ユーザと低速ユーザとを区別する一理由は以下の通りである。低速ユーザでは、２つの位置更新間に移動する距離は通常、非常に短い。そのような短い距離に対して複雑なメッシュシーケンス推定技法を使用することは、以下の欠点を有することがある。１）人々は通常、（例えば、歩行中に）短距離を求めてその目的地までの最短の線形経路を通ろうと試みるはずであるが、起点と目的地との間の複雑なルートを不必要に実施しようと試みることがあり、２）ＧＩＳ情報を使用すること、及び正確軌跡推定のための計算量的複雑さが大きくなることがある。一実施形態では、低速ユーザに関する位置更新タイプ（ＬＵＴ）がＰＲＭに限定され、高速ユーザと比べて所与の時間フレーム内のリンク数が少ない。さらに、線形近似が正確ではない場合であっても、推定誤差（それが存在する場合）は、真の軌跡に含まれるメッシュ数が少ないために無視できる。一方、高速ユーザでは、起点セクタとターゲットセクタとの間の軌跡に関する線形近似によって大きな推定誤差が生じることがあり、起点と目的地との間のメッシュ数は数百個程度である。したがって、高速ユーザについて、ＧＩＳ情報に依拠するより正確なメッシュシーケンス推定技法を利用すべきである。
[00134]図４２は、高速度ユーザに関する所与のセクタ内のメッシュ上にモバイルユーザの位置をマッピングするプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00135]図４２を参照すると、あるリンクが高速リンクと標示される場合、まず、処理ロジックは、ユーザ位置を、図示されるそのセクタ内の適切なメッシュにマッピングする。マッピングアルゴリズムは、ユーザが高速ユーザであることを利用し、ユーザがセクタ内の最速ルートを使用していると仮定する。まず、処理ロジックは、添字ｉの位置更新タイプ（ＬＵＴ）がＬＡＵであるか、それともＰＲＭであるかをチェックする（処理ブロック４２２０）。ＬＵＴがＬＡＵメッセージタイプである場合、ユーザはロケーションエリア境界を横切っていることを意味する。したがって、ＵＥの位置に関する曖昧さが、セクタレベルからセクタ縁部レベルに低減され、ユーザをより正確にセクタ内のメッシュにマッピングすることができる。一実施形態では、処理ロジックは、ユーザの位置を、対応するロケーションエリア境界（ＬＡＢ）のセクタ縁部の中点にマッピングする（処理ブロック４２１０）。これに関する一例を図３８に提示し、図３８では、真の位置３８７５が、ＬＡと重なるセクタ縁部３８８０の中点上にマッピングされる。次いで、ｉ番目の位置更新中にＵＥを含むメッシュの添字に関する推定を表すＭｅｓｈ（ｉ）を、セクタ縁部の中点の最も近くに位置するメッシュとして設定することができる。ＬＵＴ（ｉ）がＬＡＵタイプではない場合、処理ロジックは、セクタＩＤ情報のみを与えるＰＲＭに基づいて位置推定を得る。高速ユーザでは、最低のＭＭＰを有し、セクタ中心に最も近いメッシュとしてＭｅｓｈ（ｉ）を設定することが妥当である（処理ブロック４２２５）。この手法は、ＵＥ位置をセクタ中心に位置するメッシュに常にマッピングすることを回避することにより、高速ユーザについて低ＭＭＰメッシュにマッピングすることを回避することによってマッピング精度を向上させる。或いは、ＧＩＳ情報を使用することもできる。例えば、ハイウェイ又はショッピングモールが存在する場合、ユーザのモバイル位置をそれにマッピングすることができる。
[00136]別の実施形態では、より正確にユーザの速度を特徴付けるために、処理ブロック４１１０で複数の速度しきい値を考慮することができ、次いでこの情報を使用して、セクタ内のメッシュの異なるＭＭＰ値を考慮して、より正確にユーザの位置をメッシュにマッピングすることができる。さらに別の実施形態では、ＧＩＳ情報を使用してセクタ内の高人口エリアを得ることができ（例えば、鉄道駅、学校、ショッピングモールなど）、これらの位置をユーザの位置の候補として使用することができる。
[00137]図４２では、Ｍｅｓｈ（ｉ）について推定が得られると、処理ロジックは、処理ブロック４２３０、４２１５、４２３５で、類似の手順を実施してＭｅｓｈ（ｉ＋１）についての推定も得る。Ｍｅｓｈ（ｉ＋１）についてのプロセスは、Ｍｅｓｈ（ｉ）についてのプロセスと並列に実行できることに留意されたい。したがって、図４１の処理ブロック４４００の前に、リンクｉに関する開始メッシュ及び終了メッシュについての推定が容易に利用可能となる。処理ブロック４４００で、処理ロジックは、ＧＩＳデータ４００５に基づいて図４０の処理ブロック４０１０で得られるメッシュ重みに依拠するメッシュシーケンス推定アルゴリズムを、Ｍｅｓｈ（ｉ）及びＭｅｓｈ（ｉ＋１）に適用する。リンクｉを特徴付ける２つの位置更新間の時間制約に最も近い合致を有するメッシュのシーケンスを発見する一般解を以下のように書くことができる。
となるような
上式で、Δｔｉ＝ｔｉ＋１−ｔｉ（開始点と終点との間の時間差）、Ｐ（ｊ）は添字ｊを有するメッシュのＭＭＰであり、ｓｃ（ｉ）は、Ｍｅｓｈ（ｉ）とＭｅｓｈ（ｉ＋１）との間のメッシュの候補接続シーケンスであり、ｘ（ｉ）＝［ｘ（ｉ），ｙ（ｉ）］はＭｅｓｈ（ｉ）の緯度／経度位置であり、ＣＳ（ｘ（ｉ＋１），ｘ（ｉ））は、Ｍｅｓｈ（ｉ）とＭｅｓｈ（ｉ＋１）との間のすべての実現可能接続メッシュの集合である。上式は、タイムバジェット（ｔｉｍｅ ｂｕｄｇｅｔ）Δｔｉに最も近いペース値の和を与えるメッシュのシーケンスを与えるが、解を発見するのに必要な計算量的複雑さが非常に大きい。
となるような
上式で、Δｔｉ＝ｔｉ＋１−ｔｉ（開始点と終点との間の時間差）、Ｐ（ｊ）は添字ｊを有するメッシュのＭＭＰであり、ｓｃ（ｉ）は、Ｍｅｓｈ（ｉ）とＭｅｓｈ（ｉ＋１）との間のメッシュの候補接続シーケンスであり、ｘ（ｉ）＝［ｘ（ｉ），ｙ（ｉ）］はＭｅｓｈ（ｉ）の緯度／経度位置であり、ＣＳ（ｘ（ｉ＋１），ｘ（ｉ））は、Ｍｅｓｈ（ｉ）とＭｅｓｈ（ｉ＋１）との間のすべての実現可能接続メッシュの集合である。上式は、タイムバジェット（ｔｉｍｅ ｂｕｄｇｅｔ）Δｔｉに最も近いペース値の和を与えるメッシュのシーケンスを与えるが、解を発見するのに必要な計算量的複雑さが非常に大きい。
[00138]代替実施形態では、時間制約が除去され、処理ロジックは、以下によってＭＭＰの最低の和を与えるメッシュシーケンスを求める。
となるような
（２）と比べて、（３）で解を発見する計算量的複雑さは著しく低く、Ｄｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム（これはＤｉｊｋｓｔｒａのアルゴリズムの複雑さのより低いバージョンである）、Ｄｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ方法などの最短経路アルゴリズムを使用して容易に解くことができ、これらのアルゴリズムはすべて当業者に周知である。
となるような
（２）と比べて、（３）で解を発見する計算量的複雑さは著しく低く、Ｄｉｊｋｓｔｒａのアルゴリズム、Ａ＊アルゴリズム（これはＤｉｊｋｓｔｒａのアルゴリズムの複雑さのより低いバージョンである）、Ｄｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ方法などの最短経路アルゴリズムを使用して容易に解くことができ、これらのアルゴリズムはすべて当業者に周知である。
[00139]図４３は、高速ユーザに関するモバイルユーザの軌跡の推定に関する一例を示す。図４３を参照すると、メッシュの６×７個の配列が考慮され、起点メッシュＭｅｓｈ（ｉ）が左下４３３５に位置し、目的地メッシュＭｅｓｈ（ｉ＋１）が右上４３４０に位置する。各メッシュについてのＭＭＰ（ペース）値が各メッシュ内に示され、２（最速のメッシュ）から１００（最も低速のメッシュ）の範囲で変化する。ＵＥの真の軌跡４３４５が破線で示され、高速道路タイプ４３３０に沿って移動する。例えばＤｉｊｋｓｔｒａのアルゴリズムなどの上記で論じた最短経路アルゴリズムのうちの１つの実行時に、太字の境界でマークされるメッシュシーケンス推定が得られる。
[00140]（２）の解は計算コストが高いが、２ステップのＤｉｊｋｓｔｒａのアルゴリズムを修正メッシュ重みで修正することにより、解に対して時間制約を課すことができる。図４４は、初期最短経路解が満足の行く結果を与えない場合の、修正メッシュ重みを用いるＤｉｊｋｓｔｒａのアルゴリズムの拡張の一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00141]図４４を参照すると、プロセスは、処理ロジックが（３）について解くためにＤｉｊｋｓｔｒａのアルゴリズム又は類似の方法を使用して最短経路解を計算することによって始まる（処理ブロック４４１０）。次いで、処理ロジックは、得られた最短経路解に対して以下のようなしきい値テストを適用する（処理ブロック４４２０）。
上式でｔｔｈｒｓはしきい値パラメータ（例えば、５０％オフ）である。上記のペース値の総和とΔｔｉの差がしきい値パラメータ未満である場合（例えば、１０％などのΔｔｉの一定のパーセント）、処理ロジックは、処理ブロック４４１０の間に推定した最短経路解を使用する（処理ブロック４４３０）。そうでない場合、処理ロジックは、最短経路解が十分に正確ではない（すなわち、時間制約と十分に合致しない、過剰に高速な軌跡推定を与える）と判定する。任意選択のテストとして、処理ロジックは、リンク（ｉ＋１）が高速リンクであるかどうかもチェックすることができ（処理ブロック４４４０）、これにより、リンク（ｉ）の間でユーザが停止していないこと、又は低速ペースに切り替わっていないことを保証することができる。次いで、処理ロジックは重み改善ステップを実施し（処理ブロック４４５０）、以下のようなリンクｉのメッシュシーケンス推定プロセスのための新しいペース値を得る。
上式で、Ｎｍ（ｉ）＝｜ｓ（ｉ）｜は、（３）の最小費用解でのメッシュの総数であり、ｅｉは、メッシュに関する非常に小さいペース値を回避するための非負バイアス値である（例えば、１分）。したがって、改訂ペース値は、最適解の平均ペースと同様の平均ペースを有するメッシュを支持する（両者の解のメッシュ数が同様であると仮定する）。次いで、処理ロジックは、以下のように新しいペース値での最小費用解を適用する。
となるような
これはＤｉｊｋｓｔｒａのアルゴリズムを使用して容易に解くことができ（処理ブロック４４６０）、これらの改訂メッシュシーケンス推定を最短経路解として使用することができる。
上式でｔｔｈｒｓはしきい値パラメータ（例えば、５０％オフ）である。上記のペース値の総和とΔｔｉの差がしきい値パラメータ未満である場合（例えば、１０％などのΔｔｉの一定のパーセント）、処理ロジックは、処理ブロック４４１０の間に推定した最短経路解を使用する（処理ブロック４４３０）。そうでない場合、処理ロジックは、最短経路解が十分に正確ではない（すなわち、時間制約と十分に合致しない、過剰に高速な軌跡推定を与える）と判定する。任意選択のテストとして、処理ロジックは、リンク（ｉ＋１）が高速リンクであるかどうかもチェックすることができ（処理ブロック４４４０）、これにより、リンク（ｉ）の間でユーザが停止していないこと、又は低速ペースに切り替わっていないことを保証することができる。次いで、処理ロジックは重み改善ステップを実施し（処理ブロック４４５０）、以下のようなリンクｉのメッシュシーケンス推定プロセスのための新しいペース値を得る。
上式で、Ｎｍ（ｉ）＝｜ｓ（ｉ）｜は、（３）の最小費用解でのメッシュの総数であり、ｅｉは、メッシュに関する非常に小さいペース値を回避するための非負バイアス値である（例えば、１分）。したがって、改訂ペース値は、最適解の平均ペースと同様の平均ペースを有するメッシュを支持する（両者の解のメッシュ数が同様であると仮定する）。次いで、処理ロジックは、以下のように新しいペース値での最小費用解を適用する。
となるような
これはＤｉｊｋｓｔｒａのアルゴリズムを使用して容易に解くことができ（処理ブロック４４６０）、これらの改訂メッシュシーケンス推定を最短経路解として使用することができる。
[00142]図４５は、修正メッシュ重みを用いるＤｉｊｋｓｔｒａのアルゴリズムの拡張に関する一例を示す。図４３についての改訂メッシュ重み及び対応する推定軌跡に関する一例を図４５に示し、ただしｅｉ＝１分を使用し、Δｔｉ＝３６分である。図４３の最短経路解は、１２個のメッシュから構成され、全ペース値１２＊２＝２４分であった。２４分を（４）を使用するΔｔｉと比較して、アルゴリズムは、誤差が無視できないと判定する。次いで、（５）の式を使用して、図４５に示す新しいメッシュ重みを計算する。提案する手法を使用して、アルゴリズムは、太字の境界のメッシュで指定される、より低速の軌跡を意図的に選ぶ。
[00143]図４１のリンク速度４１１０のしきい値比較に戻ると、リンク速度がしきい値（例えば２０ｋｍ／時）よりも低速である場合、処理ロジックは、別々のマッピングステージ４６００及びメッシュシーケンス推定ステージ４１００を通る。図４６は、低速度ユーザに関する所与のセクタ内のメッシュにモバイルユーザの位置をマッピングするプロセスの一実施形態の流れ図である。プロセスは、ハードウェア（回路、専用ロジックなど）、（汎用コンピュータシステム又は専用マシン上で動作するような）ソフトウェア、又はそれらの組合せを含むことのできる処理ロジックによって実施される。
[00144]図４６を参照すると、高速度ユーザに関する図４２のマッピングプロセスと同様に、ＬＵＴ（ｉ）及びＬＵＴ（ｉ＋１）がＬＡＵである場合（処理ブロック４６２０及び４６３０）、処理ロジックは、対応するセクタ縁部の中点を位置推定として使用する（処理ブロック４６１０及び４６１５）。そうでない場合、処理ロジックは、Ｍｅｓｈ（ｉ）及びＭｅｓｈ（ｉ＋１）をセクタ中心に最も近いメッシュとして設定する（処理ブロック４６２５及び４６３５）。代替実施形態では、処理ロジックは、最良のメッシュ推定を求める間に、（ボロノイ）セクタ中心ではなく、セクタの質量中心（ＣＯＭ）を使用する。これにより、位置推定がセクタ縁部に向かって偏らず（これは、あるボロノイセクタについて該当することがある）、地理的エリアにわたってより一様に離間するように保証される。セクタのＣＯＭは、ボロノイセクタのコーナ点から、すべてのコーナ点の地理的座標の算術平均を発見することによって得ることができる。
[00145]起点メッシュＭｅｓｈ（ｉ）、及び目的地メッシュＭｅｓｈ（ｉ＋１）を低速度ユーザに関して処理ブロック４６００を使用して発見すると、処理ロジックは、図４１の処理ブロック４１８０で、線形補間を使用して起点メッシュと目的地メッシュとの間のメッシュのシーケンスを発見する。図４７は、一実施形態による、線形補間が使用される場合の低速ユーザに関するモバイルユーザの軌跡のメッシュシーケンス推定の一例を示す。図４７を参照すると、開始メッシュが４７１５と標示され、目的地メッシュが４７２０と標示され、ＵＥの真の軌跡が破線４７０５で示される。線形補間は、４７２０で示されるように起点メッシュと目的地メッシュのメッシュ中心を結び、標示４７１５、４７３５、４７４０、４７１０で与えられるメッシュシーケンス推定を与える。
コンピュータシステムの一例
[00146]図４８は、図１のモバイル移動行動サーバ１６１などのモバイル移動行動サーバのブロック図を示す。図４８を参照すると、モバイル移動行動サーバ４８１０は、プロセッサ４８１４、システムメモリ４８１７（例えば、ＲＡＭ、ＲＯＭなど）、入出力コントローラ４８１８、ディスプレイアダプタ４８２６を介するディスプレイ画面４８２４などの外部デバイス、シリアルポート４８２８及び４８３０、キーボード４８３２（キーボードコントローラ４８３３とインターフェースされる）、ストレージインターフェース４８３４、フロッピィディスク４８３８を受けるように動作可能なフロッピィディスクドライブ４８３７、Ｆｉｂｒｅ Ｃｈａｎｎｅｌネットワーク４８９０と接続するように動作可能なホストバスアダプタ（ＨＢＡ）インターフェースカード４８３５Ａ、ＳＣＳＩバス４８３９に接続するように動作可能なホストバスアダプタ（ＨＢＡ）インターフェースカード４８３５Ｂ、光ディスクドライブ４８４０など、モバイル移動行動サーバ４８１０のサブシステムを相互接続するバス４８１２を含む。マウス４８４６（又はシリアルポート４８２８を介してバス４８１２に結合される他のポイントアンドクリックデバイス）、モデム４８４７（シリアルポート４８３０を介してバス４８１２に結合される）、及びネットワークインターフェース４８４８（バス４８１２に直接結合される）も含まれる。
[00146]図４８は、図１のモバイル移動行動サーバ１６１などのモバイル移動行動サーバのブロック図を示す。図４８を参照すると、モバイル移動行動サーバ４８１０は、プロセッサ４８１４、システムメモリ４８１７（例えば、ＲＡＭ、ＲＯＭなど）、入出力コントローラ４８１８、ディスプレイアダプタ４８２６を介するディスプレイ画面４８２４などの外部デバイス、シリアルポート４８２８及び４８３０、キーボード４８３２（キーボードコントローラ４８３３とインターフェースされる）、ストレージインターフェース４８３４、フロッピィディスク４８３８を受けるように動作可能なフロッピィディスクドライブ４８３７、Ｆｉｂｒｅ Ｃｈａｎｎｅｌネットワーク４８９０と接続するように動作可能なホストバスアダプタ（ＨＢＡ）インターフェースカード４８３５Ａ、ＳＣＳＩバス４８３９に接続するように動作可能なホストバスアダプタ（ＨＢＡ）インターフェースカード４８３５Ｂ、光ディスクドライブ４８４０など、モバイル移動行動サーバ４８１０のサブシステムを相互接続するバス４８１２を含む。マウス４８４６（又はシリアルポート４８２８を介してバス４８１２に結合される他のポイントアンドクリックデバイス）、モデム４８４７（シリアルポート４８３０を介してバス４８１２に結合される）、及びネットワークインターフェース４８４８（バス４８１２に直接結合される）も含まれる。
[00147]バス４８１２は、中央プロセッサ４８１４とシステムメモリ４８１７との間のデータ通信を可能にする。システムメモリ４８１７（例えば、ＲＡＭ）は一般に、オペレーティングシステム及びアプリケーションプログラムがロードされるメインメモリでよい。ＲＯＭ又はフラッシュメモリは、コードの中でもとりわけ、周辺構成要素との対話などの基本ハードウェア操作を制御する基本入出力システム（ＢＩＯＳ）を含むことができる。モバイル移動行動サーバ４８１０に常駐するアプリケーションは一般に、ハードディスクドライブ（例えば、固定ディスク４８４４）、光ドライブ（例えば、光ドライブ４８４０）、フロッピィディスクユニット４８３７、他の記憶媒体などのコンピュータ可読媒体上に格納され、それを介してアクセスされる。
[00148]モバイル移動行動サーバ４８１０の他のストレージインターフェースの場合と同じく、ストレージインターフェース４８３４は、固定ディスクドライブ４８４４などの情報の格納及び／又は検索用の標準コンピュータ可読媒体に接続することができる。固定ディスクドライブ４８４４は、コンピュータシステム４８１０の一部でよく、又は別々のものでよく、インターフェースシステムを通じてアクセスすることができる。モデム４８４７は、電話リンクを介してリモートサーバへの直接接続を与えることができ、又はインターネットサービスプロバイダ（ＩＳＰ）を介してインターネットへの直接接続を与えることができる。ネットワークインターフェース４８４８は、ＰＯＰ（ｐｏｉｎｔ ｏｆ ｐｒｅｓｅｎｃｅ）を介するインターネットへの直接ネットワークリンクを介してリモートサーバへの直接接続を与えることができる。ネットワークインターフェース４８４８は、デジタルセルラー電話接続、パケット接続、デジタルサテライトデータ接続などを含むワイヤレス技法を使用して、そのような接続を与えることができる。
[00149]他の多くのデバイス又はサブシステム（図示せず）を同様に接続することができる（例えば、文書スキャナ、デジタルカメラなど）。逆に、本明細書に記載の技法を実施するために、図４８に示すデバイスのすべてが存在する必要はない。図４８に示すのとは異なる方式でデバイス及びサブシステムを相互接続することができる。図４８に示すようなコンピュータシステムの動作は、当技術分野で容易に知られており、本願では詳細には論じない。
[00150]本明細書に記載の技法を実装するコードは、システムメモリ４８１７、固定ディスク４８４４、光ディスク４８４２、又はフロッピィディスク４８３８のうちの１つ又は複数などのコンピュータ可読記憶媒体内に格納することができる。コンピュータシステム４８１０上に設けられるオペレーティングシステムは、ＭＳ−ＤＯＳ（登録商標）、ＭＳウィンドウズ（ＭＳ−ＷＩＮＤＯＷＳ）（登録商標）、ＯＳ／２（登録商標）、ユニックス（ＵＮＩＸ）（登録商標）、リナックス（Ｌｉｎｕｘ）（登録商標）、又は別の周知のオペレーティングシステムでよい。一実施形態では、システムメモリ４８１７は、イベントデータ、前処理済みデータ、フィルタリング済みデータ、補間データ、及び人口カウントデータを格納する。
[00151]図４９は、図１に記載のモバイル移動行動サーバ１６１などのモバイル移動行動サーバの一実施形態のメモリ内に格納される１組のコード（例えば、プログラム）及びデータを示す。一実施形態では、モバイル移動行動サーバは、プロセッサと共にコードを使用して、モバイルネットワーク内の移動行動を推定する処理を実施するのに必要な動作を実施する。
[00152]図４９を参照すると、メモリ４８６０は、ユーザ機器位置を示すイベントデータ４９０１を格納する。プロセッサによって実行されるときに、受信したイベントデータを前処理して前処理済みデータを生成する任を担う前処理モジュール４９０２。プロセッサによって実行されるときに、前処理済みデータをフィルタリングし、前処理済みデータ内のユーザ機器位置情報の一部を選択する任を担うフィルタモジュール４９０３。プロセッサによって実行されるときに、人口中の１人又は複数の個人の前処理済みデータに対して直線補間を実施して、１人又は複数の個人のそれぞれの中間位置を推定する任を担う補間モジュール４９０４。プロセッサによって実行されるときに、人口移動を計数する任を担うカウントモジュール４９０５。メモリはまた、ネットワーク通信、及び他のデバイス（例えば、サーバ、クライアントなど）との通信を実施するのに使用されるネットワーク通信モジュール４９０６をも含む。
[00153]恐らく、上記の説明を読んだ後に、本発明の多くの改変及び修正が当業者には明らかとなるであろうが、例として図示し、説明した何らかの特定の実施形態が限定とみなされることは決して意図していないことを理解されたい。したがって、様々な実施形態の詳細への参照は、本発明に不可欠とみなされる特徴のみをその中で列挙する特許請求の範囲を限定するものではない。
１０１ ユーザ機器（ＵＥ）
１０３ 基地局（ＢＳ）、アクセスポイント（ＡＰ）
１０５ セクタ
１０７ ロケーションエリア（ＬＡ）
１０９ ロケーションエリア（ＬＡ）
１２１ モビリティサーバ
１３１ 加入者ユーザデータサーバ
１５１ 地理的データベースサーバ
１６１ モバイル移動行動サーバ
１７１ 第３者ユーザのサーバ
２０１ イベントデータ
２１１ 制御データ
２２１ ユーザデータ
２１３ トリガされるデータ
２１５ 周期的データ
８１１ イベントデータ
８１３ 加入者情報
８１５ ＢＳ位置情報
８１７ ＧＩＳデータ
８４１ 直線補間
８４４ 最短経路補間
８４７ 時間最適化経路探索
８５１ セクタ
８５４ メッシュ
８５７ セクタ／メッシュグループエリア
９１０ ユーザ機器（ＵＥ）
９１１ ユーザ機器（ＵＥ）
９１２ ユーザ機器（ＵＥ）
９１３ 基地局（ＢＳ）
９１４ オペレータのネットワーク
９１５ 回路／パケット交換機
９１６ サーバ
４８１０ モバイル移動行動サーバ
４８１２ バス
４８１４ 中央プロセッサ
４８１７ システムメモリ
４８１８ 入出力コントローラ
４８２４ ディスプレイ画面
４８２６ ディスプレイアダプタ
４８２８ シリアルポート
４８３０ シリアルポート
４８３２ キーボード
４８３３ キーボードコントローラ
４８３４ ストレージインターフェース
４８３５Ａ ホストバスアダプタ（ＨＢＡ）インターフェースカード
４８３５Ｂ ホストバスアダプタ（ＨＢＡ）インターフェースカード
４８３７ フロッピィディスクドライブ
４８３８ フロッピィディスク
４８３９ ＳＣＳＩバス
４８４０ 光ディスクドライブ
４８４４ 固定ディスク
４８４６ マウス
４８４７ モデム
４８４８ ネットワークインターフェース
４８６０ メモリ
４８９０ Ｆｉｂｒｅ Ｃｈａｎｎｅｌネットワーク
４９０１ イベントデータ
４９０２ 前処理モジュール
４９０３ フィルタモジュール
４９０４ 補間モジュール
４９０５ カウントモジュール
４９０６ ネットワーク通信モジュール
１０３ 基地局（ＢＳ）、アクセスポイント（ＡＰ）
１０５ セクタ
１０７ ロケーションエリア（ＬＡ）
１０９ ロケーションエリア（ＬＡ）
１２１ モビリティサーバ
１３１ 加入者ユーザデータサーバ
１５１ 地理的データベースサーバ
１６１ モバイル移動行動サーバ
１７１ 第３者ユーザのサーバ
２０１ イベントデータ
２１１ 制御データ
２２１ ユーザデータ
２１３ トリガされるデータ
２１５ 周期的データ
８１１ イベントデータ
８１３ 加入者情報
８１５ ＢＳ位置情報
８１７ ＧＩＳデータ
８４１ 直線補間
８４４ 最短経路補間
８４７ 時間最適化経路探索
８５１ セクタ
８５４ メッシュ
８５７ セクタ／メッシュグループエリア
９１０ ユーザ機器（ＵＥ）
９１１ ユーザ機器（ＵＥ）
９１２ ユーザ機器（ＵＥ）
９１３ 基地局（ＢＳ）
９１４ オペレータのネットワーク
９１５ 回路／パケット交換機
９１６ サーバ
４８１０ モバイル移動行動サーバ
４８１２ バス
４８１４ 中央プロセッサ
４８１７ システムメモリ
４８１８ 入出力コントローラ
４８２４ ディスプレイ画面
４８２６ ディスプレイアダプタ
４８２８ シリアルポート
４８３０ シリアルポート
４８３２ キーボード
４８３３ キーボードコントローラ
４８３４ ストレージインターフェース
４８３５Ａ ホストバスアダプタ（ＨＢＡ）インターフェースカード
４８３５Ｂ ホストバスアダプタ（ＨＢＡ）インターフェースカード
４８３７ フロッピィディスクドライブ
４８３８ フロッピィディスク
４８３９ ＳＣＳＩバス
４８４０ 光ディスクドライブ
４８４４ 固定ディスク
４８４６ マウス
４８４７ モデム
４８４８ ネットワークインターフェース
４８６０ メモリ
４８９０ Ｆｉｂｒｅ Ｃｈａｎｎｅｌネットワーク
４９０１ イベントデータ
４９０２ 前処理モジュール
４９０３ フィルタモジュール
４９０４ 補間モジュール
４９０５ カウントモジュール
４９０６ ネットワーク通信モジュール
Claims (22)
- ユーザ機器位置を示す携帯電話動作データを受信するステップであって、前記携帯電話動作データがロケーションエリア更新メッセージ及び周期的登録メッセージを含む、当該受信するステップと、
前記携帯電話動作データに基づいて移動推定を実施するステップであって、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について前記１人又は複数の個人のそれぞれの過去の軌跡の中間位置を推定するサブステップ、を含み、前記最短経路メッシュシーケンス推定アルゴリズムは、前記携帯電話動作データに基づき地理的エリアを区切る地理的なメッシュシーケンスにおける１人又は複数の個人のそれぞれの完全な過去の軌跡を推定するためのアルゴリズムである、当該実施するステップと、
を含む方法。 - 前記補間を実施することが、ユーザ端末に関する速度推定を使用して、複数の最短経路メッシュシーケンス推定アルゴリズムのうちのどれを適用するかを決定すること、を含む請求項１に記載の方法。
- 前記速度推定が第１しきい値を超える場合、地理的情報システムベースの最短経路メッシュシーケンス推定アルゴリズムを適用するステップ、
をさらに含む請求項２に記載の方法。 - 最短経路推定のためにメッシュ重みを使用するステップ、
をさらに含む請求項３に記載の方法。 - １つ又は複数のメッシュ重みを改善するステップ、
をさらに含む請求項４に記載の方法。 - 前記１つ又は複数のメッシュ重みが時間制約に基づいて改善される請求項５に記載の方法。
- １つ又は複数のメッシュ重みが、
メッシュ内の鉄道網及び道路網の一方又は両方の全長、メッシュタイプ、メッシュ幅、交差点の数、及び他のメッシュとの接続、からなるグループ、
から選択された１つ又は複数のものに基づく、請求項４に記載の方法。 - １つ又は複数のメッシュ重みがユーザ依存である請求項４に記載の方法。
- １つ又は複数のメッシュ重みが時間依存である請求項４に記載の方法。
- 周期的登録メッセージが発生した場合でのセクタ中心に最も近いもの、および、
ロケーションエリア更新メッセージが発生した場合での以前のセクタの縁部と現セクタの縁部との中点、
からなるグループの１つに、セクタ内のユーザ端末をマッピングするサブステップを含む、前記ユーザ端末の位置を最大のペース値を有するメッシュにマッピングするステップ、
をさらに含む請求項３に記載の方法。 - ユーザ機器位置を示す携帯電話動作データを受信するステップであって、前記携帯電話動作データがロケーションエリア更新メッセージ及び周期的登録メッセージを含む、当該受信するステップと、
前記携帯電話動作データに基づいて移動推定を実施するステップであって、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について前記１人又は複数の個人のそれぞれの軌跡の中間位置を推定するサブステップ、を含む、当該実施するステップと、
を含む方法であり、
前記補間を実施することが、ユーザ端末に関する速度推定を使用して、複数の最短経路メッシュシーケンス推定アルゴリズムのうちのどれを適用するかを決定すること、を含み、
前記方法は、
前記速度推定が第１しきい値を超える場合、地理的情報システムベースの最短経路メッシュシーケンス推定アルゴリズムを適用するステップと、
前記速度推定が第１しきい値未満である場合、線形メッシュシーケンス推定アルゴリズムを適用するステップと、
をさらに含む、方法。 - 前記最短経路メッシュシーケンス推定アルゴリズムが、メッシュに関する重み及び時間制約を使用する請求項１に記載の方法。
- 時間制約が満たされない場合、前記最短経路メッシュシーケンス推定アルゴリズムが、移動時間に基づいて１つ又は複数のメッシュ重みを改訂する請求項１２に記載の方法。
- 命令を格納するメモリと、
前記メモリに結合され、前記メモリからの命令を実行するプロセッサと
を備え、
前記プロセッサが、前記命令を実行することに応答して、ユーザ機器位置を示す携帯電話動作データを受信し、前記携帯電話動作データが、ロケーションエリア更新メッセージ及び周期的登録メッセージを含み、
前記プロセッサが、前記携帯電話動作データに基づいて移動推定を実施し、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について前記１人又は複数の個人のそれぞれの過去の軌跡の中間位置を推定することによって移動推定を実施し、
前記最短経路メッシュシーケンス推定アルゴリズムは、前記携帯電話動作データに基づき地理的エリアを区切る地理的なメッシュシーケンスにおける１人又は複数の個人のそれぞれの完全な過去の軌跡を推定するためのアルゴリズムである、
装置。 - 前記プロセッサが、ユーザ端末に関する速度推定を使用して、複数の最短経路メッシュシーケンス推定アルゴリズムのうちのどれを適用するかを決定することを含む補間を実施する請求項１４に記載の装置。
- 命令を格納するメモリと、
前記メモリに結合され、前記メモリからの命令を実行するプロセッサと
を備え、
前記プロセッサが、前記命令を実行することに応答して、ユーザ機器位置を示す携帯電話動作データを受信し、前記携帯電話動作データが、ロケーションエリア更新メッセージ及び周期的登録メッセージを含み、
前記プロセッサが、前記携帯電話動作データに基づいて移動推定を実施し、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について前記１人又は複数の個人のそれぞれの軌跡の中間位置を推定することによって移動推定を実施し、
前記プロセッサが、ユーザ端末に関する速度推定を使用して、複数の最短経路メッシュシーケンス推定アルゴリズムのうちのどれを適用するかを決定することを含む補間を実施し、
前記プロセッサが、前記速度推定が第１しきい値を超える場合、地理的情報システムベースの最短経路メッシュシーケンス推定アルゴリズムを実施し、前記速度推定が第１しきい値未満である場合、線形メッシュシーケンス推定アルゴリズムを実施する、
装置。 - 前記プロセッサは、さらに、最短経路推定のためにメッシュ重みを使用する、
請求項１４に記載の装置。 - メッシュ重みが、
メッシュ内の鉄道網及び道路網の一方又は両方の全長、メッシュタイプ、メッシュ幅、交差点の数、及び他のメッシュとの接続、からなるグループ、から選択された１つ又は複数のものに基づく、請求項１７に記載の装置。 - １つ又は複数のメッシュ重みがユーザ依存である請求項１７に記載の装置。
- １つ又は複数のメッシュ重みが時間依存である請求項１５に記載の装置。
- 前記プロセッサが、
周期的登録メッセージが発生した場合でのセクタ中心に最も近いもの、および、
ロケーションエリア更新メッセージが発生した場合での以前のセクタの縁部と現セクタの縁部との中点、
からなるグループの１つに、セクタ内のユーザ端末をマッピングする処理、を含むマッピング処理であって、前記ユーザ端末の位置を最大のペース値を有するメッシュにマッピングするマッピング処理を実行する、請求項１４に記載の装置。 - 実行されたとき、モバイルネットワーク内の移動行動を推定する方法をシステムに実施させる実行可能命令を格納する１つ又は複数の非一時的なコンピュータ可読記憶媒体、を有する製品であって、
前記方法が、
ユーザ機器位置を示す携帯電話動作データを受信するステップであって、前記携帯電話動作データがロケーションエリア更新メッセージ及び周期的登録メッセージを含む、当該受信するステップと、
前記携帯電話動作データに基づいて移動推定を実施するステップであって、人口中の１人又は複数の個人に関連するデータに対する補間を実施して、最短経路メッシュシーケンス推定アルゴリズムに基づいて指定の時間枠について前記１人又は複数の個人のそれぞれの過去の軌跡の中間位置を推定するサブステップ、を含み、前記最短経路メッシュシーケンス推定アルゴリズムは、前記携帯電話動作データに基づき地理的エリアを区切る地理的なメッシュシーケンスにおける１人又は複数の個人のそれぞれの完全な過去の軌跡を推定するためのアルゴリズムである、当該実施するステップと、
を含む、
製品。
Applications Claiming Priority (12)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US41184210P | 2010-11-09 | 2010-11-09 | |
| US61/411,842 | 2010-11-09 | ||
| US41336210P | 2010-11-12 | 2010-11-12 | |
| US61/413,362 | 2010-11-12 | ||
| US41578110P | 2010-11-19 | 2010-11-19 | |
| US61/415,781 | 2010-11-19 | ||
| US13/291,722 | 2011-11-08 | ||
| US13/291,725 | 2011-11-08 | ||
| US13/291,725 US8504034B2 (en) | 2010-11-09 | 2011-11-08 | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
| US13/291,730 US8504035B2 (en) | 2010-11-09 | 2011-11-08 | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
| US13/291,730 | 2011-11-08 | ||
| US13/291,722 US8559976B2 (en) | 2010-11-09 | 2011-11-08 | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2012141953A JP2012141953A (ja) | 2012-07-26 |
| JP2012141953A5 JP2012141953A5 (ja) | 2014-12-25 |
| JP5871566B2 true JP5871566B2 (ja) | 2016-03-01 |
Family
ID=46020079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011245700A Active JP5871566B2 (ja) | 2010-11-09 | 2011-11-09 | モバイルネットワーク内のモバイル動作データ及び／又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (3) | US8504034B2 (ja) |
| JP (1) | JP5871566B2 (ja) |
Families Citing this family (154)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7534169B2 (en) | 2005-07-08 | 2009-05-19 | Cfph, Llc | System and method for wireless gaming system with user profiles |
| US8616967B2 (en) | 2004-02-25 | 2013-12-31 | Cfph, Llc | System and method for convenience gaming |
| US10510214B2 (en) | 2005-07-08 | 2019-12-17 | Cfph, Llc | System and method for peer-to-peer wireless gaming |
| US9088355B2 (en) | 2006-03-24 | 2015-07-21 | Arris Technology, Inc. | Method and apparatus for determining the dynamic range of an optical link in an HFC network |
| US9306952B2 (en) | 2006-10-26 | 2016-04-05 | Cfph, Llc | System and method for wireless gaming with location determination |
| US9411944B2 (en) | 2006-11-15 | 2016-08-09 | Cfph, Llc | Biometric access sensitivity |
| US9183693B2 (en) | 2007-03-08 | 2015-11-10 | Cfph, Llc | Game access device |
| JP5487987B2 (ja) * | 2010-01-15 | 2014-05-14 | 富士通株式会社 | 判定装置、プログラム、判定方法及び判定システム |
| US9196157B2 (en) | 2010-02-25 | 2015-11-24 | AT&T Mobolity II LLC | Transportation analytics employing timed fingerprint location information |
| US9053513B2 (en) | 2010-02-25 | 2015-06-09 | At&T Mobility Ii Llc | Fraud analysis for a location aware transaction |
| US9008684B2 (en) | 2010-02-25 | 2015-04-14 | At&T Mobility Ii Llc | Sharing timed fingerprint location information |
| US8956231B2 (en) | 2010-08-13 | 2015-02-17 | Cfph, Llc | Multi-process communication regarding gaming information |
| US20220296999A1 (en) | 2010-08-13 | 2022-09-22 | Cfph, Llc | Multi-process communication regarding gaming information |
| US8694240B1 (en) * | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of paths using GPS data |
| US8694241B1 (en) | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of traffic patterns using GPS data |
| US8825403B1 (en) | 2010-10-06 | 2014-09-02 | Google Inc. | User queries to model road network usage |
| US8504034B2 (en) | 2010-11-09 | 2013-08-06 | Ntt Docomo, Inc. | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
| US9009629B2 (en) | 2010-12-01 | 2015-04-14 | At&T Mobility Ii Llc | Motion-based user interface feature subsets |
| US8886457B2 (en) | 2011-03-31 | 2014-11-11 | Google Inc. | Mobile state determination of location aware devices |
| US9462497B2 (en) | 2011-07-01 | 2016-10-04 | At&T Mobility Ii Llc | Subscriber data analysis and graphical rendering |
| US8897802B2 (en) | 2011-07-21 | 2014-11-25 | At&T Mobility Ii Llc | Selection of a radio access technology resource based on radio access technology resource historical information |
| US8909247B2 (en) | 2011-11-08 | 2014-12-09 | At&T Mobility Ii Llc | Location based sharing of a network access credential |
| US8970432B2 (en) | 2011-11-28 | 2015-03-03 | At&T Mobility Ii Llc | Femtocell calibration for timing based locating systems |
| TWI627987B (zh) * | 2012-02-28 | 2018-07-01 | Ｃｆｐｈ有限責任公司 | 提供遊戲服務的方法及裝置 |
| US8925104B2 (en) | 2012-04-13 | 2014-12-30 | At&T Mobility Ii Llc | Event driven permissive sharing of information |
| FR2991542B1 (fr) * | 2012-06-04 | 2016-02-12 | Vincent Boutteau | Dispositif et procede d'estimation d'un nombre d'usagers effectuant un parcours pendant un intervalle de temps |
| US9094929B2 (en) * | 2012-06-12 | 2015-07-28 | At&T Mobility Ii Llc | Event tagging for mobile networks |
| US9326263B2 (en) | 2012-06-13 | 2016-04-26 | At&T Mobility Ii Llc | Site location determination using crowd sourced propagation delay and location data |
| US8938258B2 (en) | 2012-06-14 | 2015-01-20 | At&T Mobility Ii Llc | Reference based location information for a wireless network |
| US8897805B2 (en) | 2012-06-15 | 2014-11-25 | At&T Intellectual Property I, L.P. | Geographic redundancy determination for time based location information in a wireless radio network |
| US9408174B2 (en) | 2012-06-19 | 2016-08-02 | At&T Mobility Ii Llc | Facilitation of timed fingerprint mobile device locating |
| TWI485665B (zh) * | 2012-07-09 | 2015-05-21 | Ind Tech Res Inst | 結合跨區域位置更新與通話之交通資訊估計方法與系統 |
| US8838134B2 (en) * | 2012-07-20 | 2014-09-16 | Telefonia, S.A. | Method and computer programs for the construction of communting matrices using call detail records and a use for providing user's mobility information |
| US9351223B2 (en) | 2012-07-25 | 2016-05-24 | At&T Mobility Ii Llc | Assignment of hierarchical cell structures employing geolocation techniques |
| US8995255B2 (en) | 2012-08-03 | 2015-03-31 | Intel Corporation | Coverage adjustment in E-UTRA networks |
| EP2883371A1 (en) * | 2012-08-07 | 2015-06-17 | Nokia Solutions and Networks Oy | Determining travel information |
| CN103634775B (zh) * | 2012-08-24 | 2018-09-11 | 中兴通讯股份有限公司 | 一种获得行政区域间用户流动的方法及装置 |
| US10318973B2 (en) | 2013-01-04 | 2019-06-11 | PlaceIQ, Inc. | Probabilistic cross-device place visitation rate measurement at scale |
| US20150019294A1 (en) * | 2013-07-10 | 2015-01-15 | PlacelQ, Inc. | Projecting Lower-Geographic-Resolution Data onto Higher-Geographic-Resolution Areas |
| US8489596B1 (en) * | 2013-01-04 | 2013-07-16 | PlaceIQ, Inc. | Apparatus and method for profiling users |
| US20140236669A1 (en) * | 2013-02-18 | 2014-08-21 | PlaceIQ, Inc. | Apparatus and Method for Identifying and Employing Visitation Rates |
| US8825359B1 (en) | 2013-02-27 | 2014-09-02 | Google Inc. | Systems, methods, and computer-readable media for verifying traffic designations of roads |
| US10154382B2 (en) | 2013-03-12 | 2018-12-11 | Zendrive, Inc. | System and method for determining a driver in a telematic application |
| US9197886B2 (en) | 2013-03-13 | 2015-11-24 | Arris Enterprises, Inc. | Detecting plant degradation using peer-comparison |
| US9042236B2 (en) | 2013-03-15 | 2015-05-26 | Arris Technology, Inc. | Method using equalization data to determine defects in a cable plant |
| US10477199B2 (en) | 2013-03-15 | 2019-11-12 | Arris Enterprises Llc | Method for identifying and prioritizing fault location in a cable plant |
| US9025469B2 (en) * | 2013-03-15 | 2015-05-05 | Arris Technology, Inc. | Method for estimating cable plant topology |
| US9547845B2 (en) * | 2013-06-19 | 2017-01-17 | International Business Machines Corporation | Privacy risk metrics in location based services |
| JP6055916B2 (ja) * | 2013-06-21 | 2016-12-27 | 株式会社日立製作所 | 交通行動推定システム、交通システム |
| EP2822325A1 (en) | 2013-07-03 | 2015-01-07 | Telefonica Digital España, S.L.U. | Method, system and computer-readable storage mediums for estimating a route |
| IL227480A0 (en) * | 2013-07-15 | 2013-12-31 | Bg Negev Technologies & Applic Ltd | A system for characterizing geographic locations based on sensor data from anonymous sources |
| US9398465B2 (en) * | 2013-08-08 | 2016-07-19 | Intel IP Corporation | User equipment distribution information collection |
| US20150066558A1 (en) * | 2013-08-29 | 2015-03-05 | Thales Canada Inc. | Context aware command and control system |
| US9497653B2 (en) | 2013-11-26 | 2016-11-15 | At&T Intellectual Property I, L.P. | Generating and analyzing mobility vectors to determine subscriber behavior |
| US10083409B2 (en) * | 2014-02-14 | 2018-09-25 | Bby Solutions, Inc. | Wireless customer and labor management optimization in retail settings |
| US9250087B2 (en) * | 2014-02-26 | 2016-02-02 | International Business Machines Corporation | Identification of mobile device location |
| US9660862B2 (en) | 2014-03-31 | 2017-05-23 | International Business Machines Corporation | Localizing faults in wireless communication networks |
| US9456312B2 (en) | 2014-04-22 | 2016-09-27 | International Business Machines Corporation | Correlating road network information and user mobility information for wireless communication network planning |
| US9350670B2 (en) | 2014-04-22 | 2016-05-24 | International Business Machines Corporation | Network load estimation and prediction for cellular networks |
| US9313619B2 (en) | 2014-04-24 | 2016-04-12 | At&T Mobility Ii Llc | Facilitating estimation of mobile device presence inside a defined region |
| US9497648B2 (en) | 2014-04-30 | 2016-11-15 | International Business Machines Corporation | Detecting cellular connectivity issues in a wireless communication network |
| US9125019B1 (en) * | 2014-05-01 | 2015-09-01 | Glopos Fzc | Positioning arrangement, method, mobile device and computer program |
| CN103996068B (zh) | 2014-05-08 | 2017-01-25 | 百度在线网络技术（北京）有限公司 | 客流分布的统计方法和装置 |
| JP6371587B2 (ja) * | 2014-05-26 | 2018-08-08 | 株式会社Ｎｔｔドコモ | 提示システム、提示装置、及び提示プログラム |
| US9924326B2 (en) | 2014-07-02 | 2018-03-20 | Turkcell Teknoloji Arastirma Ve Gelistirme A.S. | System for movement analysis over wireless signaling information |
| KR20170036722A (ko) * | 2014-07-17 | 2017-04-03 | 블루 다뉴브 시스템스, 인크. | 무선 시스템들에서의 적응적 빔 배치를 위한 방법 |
| CN105466435B (zh) | 2014-08-22 | 2020-07-10 | 中兴通讯股份有限公司 | 一种导航系统的路线规划方法和装置 |
| WO2016038415A1 (en) * | 2014-09-12 | 2016-03-17 | Umm Al-Qura University | Automatic update of crowd and traffic data using device monitoring |
| WO2016044329A1 (en) * | 2014-09-15 | 2016-03-24 | Ooyala, Inc. | Real-time, low memory estimation of unique client computers communicating with a server computer |
| EP3010255A1 (en) * | 2014-10-17 | 2016-04-20 | Telefonica Digital España, S.L.U. | Method, system, user terminal and computer programs for estimating user terminal mobile paths through cellular network and map information |
| US9344843B2 (en) * | 2014-10-17 | 2016-05-17 | Sap Se | Providing context sensitive service bundles |
| WO2016063424A1 (ja) * | 2014-10-24 | 2016-04-28 | 株式会社Ａｇｏｏｐ | 人口推定装置、プログラム及び人口推定方法 |
| US9648462B2 (en) | 2014-11-28 | 2017-05-09 | Szegedi Tudományegyetem | Method for tracking of motion of objects associated with wireless communication devices within a predefined area |
| EP3026938B1 (en) * | 2014-11-28 | 2017-08-30 | Szegedi Tudományegyetem | A method for tracking of motion of objects associated with wireless communication devices within a predefined area |
| US9351111B1 (en) | 2015-03-06 | 2016-05-24 | At&T Mobility Ii Llc | Access to mobile location related information |
| GB2538770A (en) * | 2015-05-28 | 2016-11-30 | Vodafone Ip Licensing Ltd | Location estimation in a communication network |
| US9818239B2 (en) | 2015-08-20 | 2017-11-14 | Zendrive, Inc. | Method for smartphone-based accident detection |
| WO2017031498A1 (en) | 2015-08-20 | 2017-02-23 | Zendrive, Inc. | Method for accelerometer-assisted navigation |
| EP3142393A1 (en) * | 2015-09-14 | 2017-03-15 | BASE Company | Method and system for obtaining demographic information |
| US9723441B2 (en) * | 2015-10-06 | 2017-08-01 | International Business Machines Corporation | Location based on call detail record |
| CN105338540B (zh) * | 2015-12-03 | 2018-07-03 | 广州杰赛科技股份有限公司 | 一种基站数据建模的方法及终端 |
| KR102447316B1 (ko) * | 2015-12-16 | 2022-09-26 | 삼성전자주식회사 | 이전 동선 기반 신규 동선 생성 방법 및 장치 |
| EP3398357A1 (en) * | 2015-12-28 | 2018-11-07 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | A system for interpreting subscriber movements |
| US10368037B2 (en) * | 2016-03-23 | 2019-07-30 | Purdue Research Foundation | Public safety camera monitoring system and method |
| US10341617B2 (en) * | 2016-03-23 | 2019-07-02 | Purdue Research Foundation | Public safety camera identification and monitoring system and method |
| US10506201B2 (en) * | 2016-03-23 | 2019-12-10 | Purdue Research Foundation | Public safety camera identification and monitoring system and method |
| JP6634511B2 (ja) * | 2016-03-30 | 2020-01-22 | 株式会社Ａｇｏｏｐ | 人口推定装置、プログラム及び人口推定方法 |
| US10423892B2 (en) * | 2016-04-05 | 2019-09-24 | Omni Ai, Inc. | Trajectory cluster model for learning trajectory patterns in video data |
| WO2018049416A1 (en) | 2016-09-12 | 2018-03-15 | Zendrive, Inc. | Method for mobile device-based cooperative data capture |
| JP6825880B2 (ja) * | 2016-11-04 | 2021-02-03 | 技研商事インターナショナル株式会社 | 多種類の位置情報を利用した行動分析システム及びそのプログラム |
| US9949230B1 (en) | 2016-12-07 | 2018-04-17 | At&T Intectual Property I, L.P. | Base station identification based location quality data determination |
| US10012993B1 (en) | 2016-12-09 | 2018-07-03 | Zendrive, Inc. | Method and system for risk modeling in autonomous vehicles |
| CN110168594A (zh) * | 2017-01-11 | 2019-08-23 | 昕诺飞控股有限公司 | 用于照明控制的访客标识 |
| CN108574933B (zh) * | 2017-03-07 | 2020-11-27 | 华为技术有限公司 | 用户轨迹恢复方法及装置 |
| CN107205221B (zh) * | 2017-04-18 | 2020-07-31 | 浙江传媒学院 | 一种基于lbs的会展展位人流检测系统的实现方法 |
| KR102112261B1 (ko) * | 2017-06-21 | 2020-05-18 | 구글 엘엘씨 | 클러스터링 기술을 사용하여 무선 네트워크 액세스 포인트 모델 생성 |
| US10304329B2 (en) * | 2017-06-28 | 2019-05-28 | Zendrive, Inc. | Method and system for determining traffic-related characteristics |
| US11151813B2 (en) | 2017-06-28 | 2021-10-19 | Zendrive, Inc. | Method and system for vehicle-related driver characteristic determination |
| US10650391B2 (en) * | 2017-07-18 | 2020-05-12 | Mastercard International Incorporated | System and method for determining population movement |
| WO2019079807A1 (en) | 2017-10-20 | 2019-04-25 | Zendrive, Inc. | METHOD AND SYSTEM FOR VEHICULAR COMMUNICATIONS |
| IT201700119955A1 (it) * | 2017-10-23 | 2019-04-23 | E Novia S P A | Metodo per la stima della distribuzione di presenze in un ambiente urbano, suburbano, o extraurbano |
| US10278039B1 (en) | 2017-11-27 | 2019-04-30 | Zendrive, Inc. | System and method for vehicle sensing and analysis |
| US10629069B2 (en) * | 2017-12-14 | 2020-04-21 | Here Global B.V. | Method and apparatus for providing a localized link-centric metric for directional traffic propagation |
| CN108076167A (zh) * | 2017-12-31 | 2018-05-25 | 长沙稻冰工程技术有限公司 | 洗手间排队人数监控方法 |
| CN108683995B (zh) * | 2018-03-23 | 2020-06-19 | 广州杰赛科技股份有限公司 | 用户移动轨迹的获得方法和装置 |
| US11487720B2 (en) * | 2018-05-08 | 2022-11-01 | Palantir Technologies Inc. | Unified data model and interface for databases storing disparate types of data |
| EP3570569B1 (en) * | 2018-05-17 | 2020-12-09 | Motionlogic GmbH | Measuring and analyzing the movement of mobile devices with the help of a wireless telecommunication network |
| US10516972B1 (en) | 2018-06-01 | 2019-12-24 | At&T Intellectual Property I, L.P. | Employing an alternate identifier for subscription access to mobile location information |
| JP6893195B2 (ja) * | 2018-06-01 | 2021-06-23 | 日本電信電話株式会社 | 整数移動人数推定装置、方法、及びプログラム |
| US11138350B2 (en) * | 2018-08-09 | 2021-10-05 | Zoox, Inc. | Procedural world generation using tertiary data |
| EP3644580A1 (en) * | 2018-10-25 | 2020-04-29 | Kido Dynamics SA | Human mobility measuring method |
| EP3683742A1 (en) * | 2019-01-18 | 2020-07-22 | Naver Corporation | Method for computing at least one itinerary from a departure location to an arrival location |
| US10412544B1 (en) * | 2019-02-04 | 2019-09-10 | The Florida International University Board Of Trustees | Voronoi diagram-based algorithm for efficient progressive continuous range query for moving objects |
| US10897493B2 (en) * | 2019-02-11 | 2021-01-19 | Verizon Patent And Licensing Inc. | Systems and methods for predictive user location and content replication |
| CN109978746B (zh) * | 2019-03-27 | 2023-02-28 | 东南大学 | 一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法 |
| JP7519350B2 (ja) * | 2019-05-15 | 2024-07-19 | 株式会社Ｎｔｔドコモ | 通行量推計システム |
| US10772068B1 (en) * | 2019-05-20 | 2020-09-08 | Here Global B.V. | Estimation of mobile device count |
| JP7243820B2 (ja) * | 2019-05-27 | 2023-03-22 | 日本電信電話株式会社 | 移動人数推定装置、移動人数推定方法、及び移動人数推定プログラム |
| EP3745329B1 (en) | 2019-05-29 | 2026-01-07 | Naver Corporation | Methods for computing itineraries in a multimodal transportation network |
| KR20210006710A (ko) * | 2019-07-09 | 2021-01-19 | 현대자동차주식회사 | 차량의 주행 영상 기록 장치 및 방법 |
| WO2021019498A1 (en) * | 2019-07-30 | 2021-02-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Ue-assisted data collection for mobility prediction |
| US11509642B2 (en) * | 2019-08-21 | 2022-11-22 | Truist Bank | Location-based mobile device authentication |
| WO2021070249A1 (ja) * | 2019-10-08 | 2021-04-15 | 日本電信電話株式会社 | 移動推定装置、移動推定方法、及び移動推定プログラム |
| CN110992230B (zh) * | 2019-11-27 | 2021-06-25 | 智慧足迹数据科技有限公司 | 基于终端信令数据的全量人口统计方法、装置及服务器 |
| US12400272B2 (en) | 2019-12-02 | 2025-08-26 | Credit Karma, Llc | System and method for assessing device usage |
| US11775010B2 (en) | 2019-12-02 | 2023-10-03 | Zendrive, Inc. | System and method for assessing device usage |
| US11175152B2 (en) | 2019-12-03 | 2021-11-16 | Zendrive, Inc. | Method and system for risk determination of a route |
| CN111523058B (zh) * | 2020-04-21 | 2023-11-03 | 北京嘀嘀无限科技发展有限公司 | 服务区域分析处理方法、装置、设备及存储介质 |
| US20230244753A1 (en) * | 2020-05-28 | 2023-08-03 | Nippon Telegraph And Telephone Corporation | Estimation apparatus, estimation method and estimation program |
| IT202000012739A1 (it) * | 2020-05-28 | 2021-11-28 | Telecom Italia Spa | Metodo e sistema per stimare la presenza di persone su un territorio sfruttando dati di una rete di comunicazioni mobili |
| IT202000012730A1 (it) * | 2020-05-28 | 2021-11-28 | Telecom Italia Spa | Metodo e sistema per distribuire su un territorio dati aggregati a livello di celle di una rete di comunicazioni mobili |
| IT202000012748A1 (it) * | 2020-05-28 | 2021-11-28 | Telecom Italia Spa | Metodo e sistema per calcolare matrici origine-destinazione sfruttando dati di una rete di comunicazioni mobili |
| CN111645699B (zh) * | 2020-06-10 | 2021-08-31 | 北京理工大学 | 基于多传感器信息融合的模型自适应侧向速度估计方法 |
| US20230247512A1 (en) * | 2020-08-17 | 2023-08-03 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for managing conditional handover of a user equipment |
| US20220138260A1 (en) * | 2020-10-30 | 2022-05-05 | Here Global B.V. | Method, apparatus, and system for estimating continuous population density change in urban areas |
| EP4009670A1 (en) * | 2020-12-03 | 2022-06-08 | Kido Dynamics SA | Mobility measuring and predicting method |
| EP4009671A1 (en) * | 2020-12-03 | 2022-06-08 | Kido Dynamics SA | Mobility measuring and predicting method |
| CN114727227B (zh) * | 2021-01-05 | 2025-03-14 | 中国移动通信有限公司研究院 | 一种用户排重方法、系统及计算机可读记录介质 |
| IT202100009428A1 (it) * | 2021-04-14 | 2022-10-14 | Telecom Italia Spa | Method for characterization of paths travelled by mobile user terminals” |
| US11751007B2 (en) * | 2021-06-04 | 2023-09-05 | Here Global B.V. | Method, apparatus, and computer program product for anonymizing trajectories and stay points |
| US12507035B2 (en) * | 2021-06-04 | 2025-12-23 | Here Global B.V. | Method, apparatus, and computer program product for anonymizing trajectories and stay points |
| US11635903B2 (en) * | 2021-06-15 | 2023-04-25 | International Business Machines Corporation | Cloud data migration |
| CN113626426B (zh) * | 2021-07-06 | 2022-06-14 | 佛山市禅城区政务服务数据管理局 | 一种生态网格数据的采集传输方法及系统 |
| CN113470079B (zh) * | 2021-07-15 | 2024-10-29 | 浙江大华技术股份有限公司 | 一种落脚区域的输出方法、装置及电子设备 |
| US12262282B2 (en) | 2021-10-06 | 2025-03-25 | International Business Machines Corporation | Approximating population density and post-incident scenario analysis |
| CN113824641B (zh) * | 2021-10-13 | 2023-09-22 | 武汉理工大学 | 车联网路由方法、系统、设备及存储介质 |
| WO2023102257A2 (en) | 2021-12-03 | 2023-06-08 | Zendrive, Inc. | System and method for trip classification |
| US12464314B2 (en) | 2023-03-21 | 2025-11-04 | International Business Machines Corporation | Crowd density analysis with multiple regions |
| CN116226152B (zh) * | 2023-04-25 | 2023-07-14 | 社治无忧(成都)智慧科技有限公司 | 一种基于社区治理的人房数据自更新方法及系统 |
| CN116567547B (zh) * | 2023-07-05 | 2023-12-01 | 北京融信数联科技有限公司 | 人口数据质量检验方法、系统和可读存储介质 |
| JP7650334B2 (ja) * | 2023-08-03 | 2025-03-24 | 西日本電信電話株式会社 | 人流導線情報推定装置および人流導線情報推定システム |
| CN117131335A (zh) * | 2023-10-23 | 2023-11-28 | 北京艾瑞数智科技有限公司 | 一种基于信令数据的人口分析方法及相关产品 |
| IT202300024030A1 (it) * | 2023-11-14 | 2025-05-14 | Telecom Italia Spa | Metodo e sistema per la caratterizzazione dei trasporti |
| WO2025257993A1 (ja) * | 2024-06-12 | 2025-12-18 | 株式会社Ｎｔｔドコモ | 情報処理装置及び推定方法 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU1530192A (en) | 1991-02-01 | 1992-09-07 | Thomas D. Peterson | Method and apparatus for providing shortest elapsed time route information to users |
| US7426437B2 (en) * | 1997-10-22 | 2008-09-16 | Intelligent Technologies International, Inc. | Accident avoidance systems and methods |
| US6442393B1 (en) * | 1998-11-06 | 2002-08-27 | Telefonaktiebolaget L M Ericsson (Publ) | Use of mobile locating and power control for radio network optimization |
| EP2009608A3 (en) | 1998-11-23 | 2009-09-23 | Integrated Transport Information Services Limited | Instantaneous traffic monitoring system |
| JP2001067594A (ja) * | 1999-08-31 | 2001-03-16 | Hitachi Ltd | 放送方法、及び、装置、ならびに、交通情報編集装置、及び、交通情報提示システム |
| US6587781B2 (en) | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
| US6801850B1 (en) | 2000-10-30 | 2004-10-05 | University Of Illionis - Chicago | Method and system for tracking moving objects |
| CA2339433A1 (en) * | 2001-03-07 | 2002-09-07 | Lawrence Solomon | Road toll system for alleviating traffic congestion |
| JP3866532B2 (ja) * | 2001-06-13 | 2007-01-10 | 富士通株式会社 | 移動体安全運行支援装置およびコンピュータプログラム |
| EP1437013B1 (en) | 2001-09-13 | 2008-07-23 | Airsage, Inc. | System and method for providing traffic information using operational data of a wireless network |
| US7565155B2 (en) | 2002-04-10 | 2009-07-21 | Networks In Motion | Method and system for dynamic estimation and predictive route generation |
| US7027915B2 (en) * | 2002-10-09 | 2006-04-11 | Craine Dean A | Personal traffic congestion avoidance system |
| WO2004059254A1 (ja) * | 2002-12-24 | 2004-07-15 | Navitime Japan Co., Ltd | 道路情報提供サーバ、道路情報提供システム、道路情報提供方法、経路検索サーバ、経路検索システム及び経路検索方法 |
| JP2005202546A (ja) * | 2004-01-14 | 2005-07-28 | Asahi Koyo Kk | 人口流動推計方法、装置及びプログラム |
| US7831384B2 (en) | 2004-10-29 | 2010-11-09 | Aol Inc. | Determining a route to destination based on partially completed route |
| US8515565B2 (en) | 2005-04-19 | 2013-08-20 | Airsage, Inc. | Method and system for an integrated incident information and intelligence system |
| ES2390844T3 (es) | 2005-06-23 | 2012-11-19 | Airsage, Inc. | Procedimiento y sistema para el uso de datos móviles para planificación e ingeniería de transportes |
| US7756534B2 (en) | 2006-05-19 | 2010-07-13 | Alcatel-Lucent Usa Inc. | Provision of location-based services utilizing user movement statistics |
| BRPI0717423A2 (pt) | 2006-09-21 | 2013-11-12 | Airsage Inc | Método e sistema para um sistema de monitoramento e de notificação de tráfego do consumidor |
| US20090070024A1 (en) * | 2007-09-07 | 2009-03-12 | International Business Machines Corporation | Gps traffic load balancing system congestion prevention |
| US8620393B2 (en) * | 2008-06-13 | 2013-12-31 | Qualcomm Incorporated | Optimizing battery life and network resources during position location tracking scenario |
| US8504034B2 (en) | 2010-11-09 | 2013-08-06 | Ntt Docomo, Inc. | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
-
2011
- 2011-11-08 US US13/291,725 patent/US8504034B2/en active Active
- 2011-11-08 US US13/291,722 patent/US8559976B2/en active Active
- 2011-11-08 US US13/291,730 patent/US8504035B2/en active Active
- 2011-11-09 JP JP2011245700A patent/JP5871566B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US8504034B2 (en) | 2013-08-06 |
| US20120115505A1 (en) | 2012-05-10 |
| US8559976B2 (en) | 2013-10-15 |
| US20120115475A1 (en) | 2012-05-10 |
| US20120115476A1 (en) | 2012-05-10 |
| US8504035B2 (en) | 2013-08-06 |
| JP2012141953A (ja) | 2012-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5871566B2 (ja) | モバイルネットワーク内のモバイル動作データ及び／又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 | |
| US8843157B2 (en) | Dynamic travel behavior estimation in mobile network | |
| KR101982159B1 (ko) | 카테고리별로 구분된 유동인구 정보를 이용한 유동인구 측정 방법 | |
| Fekih et al. | A data-driven approach for origin–destination matrix construction from cellular network signalling data: a case study of Lyon region (France) | |
| Qiao et al. | A mobility analytical framework for big mobile data in densely populated area | |
| CN112506972B (zh) | 用户常驻区域定位方法、装置、电子设备以及存储介质 | |
| Gao et al. | Detecting origin-destination mobility flows from geotagged tweets in greater Los Angeles area | |
| Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
| WO2015096379A1 (zh) | 一种公交站点优化评估方法和系统 | |
| EP3014491B1 (en) | Displaying demographic data | |
| US11528584B2 (en) | Contact tracing based on comparing geo-temporal patterns of wireless terminals, including mobility profiles | |
| CN107529135A (zh) | 基于智能设备数据的用户活动类型判别方法 | |
| Imai et al. | Origin-destination trips generated from operational data of a mobile network for urban transportation planning | |
| CN115665665A (zh) | 移动路径识别方法、识别装置、电子设备和可读存储介质 | |
| Pourmoradnasseri et al. | OD-matrix extraction based on trajectory reconstruction from mobile data | |
| González et al. | Using app usage data from mobile devices to improve activity-based travel demand models | |
| Hadachi et al. | A survey on the advancement of travel time estimation using mobile phone network data | |
| Huang et al. | State of the art on road traffic sensing and learning based on mobile user network log data | |
| CN111787490A (zh) | 伪基站轨迹识别方法、装置、设备和存储介质 | |
| KR20240032811A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
| Kyaing et al. | Human mobility patterns for different regions in Myanmar based on CDRs data | |
| JP2019149751A (ja) | 通信制御システム、通信制御方法、及びプログラム | |
| Bachir | Estimating urban mobility with mobile network geolocation data mining | |
| CN116128128A (zh) | 基于智能体图谱的城市职住平衡预测方法、系统和介质 | |
| Platos et al. | Population data mobility retrieval at territory of Czechia in pandemic COVID‐19 period |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141107 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141107 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150828 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150908 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150911 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151215 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160112 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5871566 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |