CN104335564B - 用于标识和分析用户的个人情景的系统和方法 - Google Patents
用于标识和分析用户的个人情景的系统和方法 Download PDFInfo
- Publication number
- CN104335564B CN104335564B CN201380014086.7A CN201380014086A CN104335564B CN 104335564 B CN104335564 B CN 104335564B CN 201380014086 A CN201380014086 A CN 201380014086A CN 104335564 B CN104335564 B CN 104335564B
- Authority
- CN
- China
- Prior art keywords
- user
- sensor
- scene
- module
- described user
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
- G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/06—Foreign languages
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
- H04W4/08—User group management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
Abstract
用于标识在特定位置处的、具有便携式移动通信设备的用户的个人情景的方法和系统,所述方法和系统用于导出用户的社交信息,其中,使用在特定位置处的用户的个人情景标识在预定义范围内的用户,且给用户的已标识的个人情景指派置信度值。进一步,通过融合已指派的置信度值,获得在特定位置内的用户的当前位置信息。进一步,通过查找在各用户之间的确切直线距离,估计当前位置中的用户的接近度。进一步,借助于预定义密度准则,把在特定位置处的、具有相似当前位置信息的两个用户分组在一起。最终,在融合引擎处通过多模传感器数据融合导出用户的社交信息,且使用人际网络图来表示用户的社交信息。
Description
发明领域
本发明一般涉及人的个人情景标识的领域。尤其,本发明涉及用于导出个人的社交信息的个人情景标识的系统和方法。
发明背景
个人行为的分析已经成为在营销、组织发展等的领域中具有多种应用的重要方面。由于这一点,个人情景分析的领域正在受到广泛重视。具体地,雇佣大量雇员的组织考虑分析个体的行为以供该组织的更快和更好的成长。对关于个人情景的分析的不断增加的需要已经引起组织行为分析、工作空间工效学分析、发现用户的物理交互网络、用户学习分析、市场学习和实时使用捕捉等等领域的不断增加的增长。
在使用现实挖掘技术和诸如具有对系统的专用软件和硬件要求的工作文化等的其他相关方面来分析个人的社会行为的市场中可以获得多种技术。这样的系统经由合并所有要求的传感器的专门设计的设备基于用户情景感知分析组织行为。这些设备相互交互,并与服务器交互,以便收集与个体相关联的信息。然而,由于要求把与多个个体相关的数据传输给后端服务器以供进一步处理,这样的系统和设备产生了威胁,由此提高了隐私担忧。此外,在位于远处的服务器处进行进一步的细化和数据处理引起沉重的传输成本。进一步,这样的数据传输引起电池功率额外使用,以便把每一种具体感知详情传送给后端服务器而不处理它。
此外,要求以额外成本部署附加的设备,以便跟踪个体的行为。这样的设备通常不具有用以把所采集的用户数据转储到后端服务器以供进一步分析的总是开启的连接——它需要坞接到专用数据采集站以便传递数据。而且,这样获得的设备不具有通过无线连接到附加的外部传感器的措施,因此限制了该系统向更新的应用的可扩展性。
而且,使用现实挖掘技术的情景识别和分析的当前解决方案依赖于用于感知用户的活动、位置和相对于其他用户的接近度的可穿戴式传感器和移动设备。存在用来实现真实世界中的用户的属性的总结的不同算法,由于传感器读数的误差以及周围环境的改变,这样的结果常常是不准确的。在普遍存在的应用的情况中,这样的不准确性可以导致偏差和不正常工作。此外,所使用的传感器在它们提供的数据的种类方面受到严重限制,并且时常需要部署专用传感器。
结果,存在对把个人情景分析系统与容易携带和易于操作的、更有效的、广泛可获得的和用户友好的设备集成的不断增长的需要,并且由此消除对独立的专用设备或数据收集系统的需要。也存在对在感知设备本身处处理原始感知数据以便节省设备的电池寿命(无线电通信耗费大部分电池寿命)的需要,且由此也解决了对隐私保护和数据传输成本的担忧。此外,通过现有通信装置(如USB、Wi-Fi或蓝牙)连接到附加的外部传感器的措施也将引起对个体行为的更好掌握。进一步,个人情景分析将也引起基于现实生活注视点和用户的亲和度创建社交网络。
发明目标
本发明的主要目标是通过广泛获得的移动通信设备使用现实挖掘技术来实现实时个人情景标识系统。
本发明的另一重要目标是,使用移动通信设备中存在的现有感知装置(例如板载话筒-扬声器组合、加速度计、相机等等)、软/虚拟传感器(如用户的联网网站简档、用户的电子邮件标头、用户的丰富站点摘要(RSS)馈送和社交博客简档)以及建筑物管理系统(BMS)访问控制来捕捉个体的行为,建筑物管理系统(BMS)访问控制使用各种数据通信方法对纳入电话中的实时数据进行操作。
本发明的另一重要目标是,以描绘用户在隔间中工作时的交互、在主持会议时的交互、会话中的讲演者、会议中的被动听众的交互、在小组讨论期间的交互等等的社交信息的图表的形式来表示用户的社交网络。
本发明的另一目标是把置信度值指派给捕捉用户的信息的现有感知装置。
本发明的另一目标是分组具有相似位置信息的用户。
本发明的另一目标是在后端服务器处融合来自各种源的多模数据。
本发明的又一目标是提供与用于捕捉关于个体用户的附加详情的一个或多个外部感知设备的连接。
本发明的又一目标是通过在移动通信设备本身预处理传感器信息减少电池消耗和系统的传输成本。
发明概述
在描述本方法、系统和硬件启用之前,应理解,本发明不限于所描述的特定的系统和方法,这是由于可以存在本公开内容中没有明确地阐释的本发明的多种可能实施例。还应理解,本描述中所使用的术语仅用于描述具体的版本或实施例的目的,且不旨在限制本发明的范围。
本发明提供用于标识在特定位置处的、具有便携式移动通信设备(102)的至少一个用户的个人情景的方法和系统,以供导出用户的社交信息。用户的社交信息可以是在两个用户之间的物理交互。
在本发明的一种实施例中,提供了出于个人情景分析的目的用于捕捉和处理从移动通信设备接收到的多传感器数据的系统和方法。在一个方面中,移动通信设备可以是移动电话、平板或具有足够的处理能力且适当地适配有所要求的传感器的任何这样的移动设备。移动通信设备也可以连接到一个或多个外部传感器,例诸如超声传感器、EEG传感器等等。利用低能耗和低采样率的数据采集/捕捉方法来捕捉感知数据。感知过程将知晓设备情景,诸如电池电平、存储器使用等等,以便得到有效和稳健的感知策略。进一步,使用在移动通信设备本身上对传感器数据的板载分析来提取一个或多个参数。例如,用于活动检测的加速度计分析、用于定位和接近度检测的使用超声的基带通信、用于情绪检测和邻近感知的话筒捕捉的音频分析、用于环境光照检测的相机以及诸如EEG传感器等的外部生理传感器的可选分析,以供进一步洞察用户情景。该系统允许在诸如因特网等的网络连接上从作为网关的移动通信设备把板载分析的参数发送给后端系统。在一个方面中,出于安全/隐私目的,可以加密板载分析的参数。在另一方面中,移动设备可以彼此协作和交换信息,以便获取更多情景信息。
在本发明的一种实施例中,提供了一种方法,其用于:把预定义置信度值指派给用户的已标识的个人情景;获得用户的确切的当前位置信息;借助于预先定义的密度准则分组在特定位置处的、具有相似当前位置信息的至少两个用户;通过利用外部传感器(118)和嵌入在用户的移动通信设备(102)中的内部传感器(104),估计接近度,以供导出在特定位置处的一组中的至少两个用户之间的确切直线距离;以及通过融合用户的当前位置信息、在特定位置处的一组中的至少两个用户之间的所导出的确切直线距离和web传感器(214)以物理交互信息的形式导出用户与其他用户的社会交往。
然后,在后端服务器处可以进一步分析从传感器收集的所有这些参数信息,以供创建单个的和经聚集的用户情景,该用户情景可以用于组织行为分析、工作空间工效学分析、发现用户的物理交互网络并且也用于在用户学习中测量和分析用户响应等等。整个系统一般地有利于学习用户个人情景并应用该知识来创建以与用户相关的动作或信息进行响应的自适应智能系统,且有利于捕捉和分析用户特异的实时服务消耗数据。以适当格式存储的这种信息还将在进行都市建模的同时增进城市中的人口建模和人群行为建模。
在本发明的一种实施例中,为移动通信设备(102)提供一种系统,该系统进一步包括内部传感器(104)、处理模块(110)、外部传感器(118)、内部存储器(116)、传输模块(114)、后端服务器(120)和切换模块(112)。该系统进一步包括融合引擎(212)、前端应用(124)和数据库(122)。
在本发明的另一实施例中,一种系统进一步包括定位模块(202);置信度值指派模块(204);当前位置标识模块(206);接近度估计模块(208)和分组模块(210)。
上面所述的系统和方法优选地用于标识在特定位置处的、具有便携式移动通信设备(102)的至少一个用户的个人情景以供导出用户的社交信息,且也可以用于许多其他应用。
附图简述
在与附图结合阅读时,可更好地理解前面的概述以及优选实施例的下列详细描述。出于阐释本发明的目的,附图中示出了本发明的示例结构;然而,本发明不限于附图中所公开的特定的系统和方法:
图1阐释根据一种实施例用于标识个人情景的系统的组件。
图2表示根据一种实施例基于个人情景的社交系统(200)的框图。
图3阐释根据一种实施例用于标识个人情景的逻辑流程(300)。
图4阐释根据一种实施例基于个人情景的社会交往的逻辑流程(400)。
图5描绘根据本发明的示例性实施例在相同位置处检测到的电话的数量的归一化直方图。
发明详细描述
现在将详细讨论阐释了其全部特征的本发明的一些实施例。词“包括”、“具有”、“含有”和“包含”以及它们的其他形式,在含义上预期是等效的并且是开放的,其原因在于,这些词中的任何一个后面的项或多个项不是指这样的项或多个项的详尽列举,也不是指仅限于所列出的项或多个项。
还必须注意,除非情景另有明确说明,否则在本文和所附权利要求所使用的单数形式“一种”、“一个”和“该”包括复数引用。尽管类似于或等效于在此描述的那些系统和方法的任何系统和方法可以用于本发明的各实施例的实践或测试,但现在描述优选的系统和方法。
为了理解本说明书,本发明的一个或多个组件被描述为模块。例如,模块可以包括硬件电路中的自包含组件,包括逻辑门、半导体设备、集成电路或任何其他分立组件。模块也可以是由任何硬件实体(例如处理器)执行的任何软件程序的一部分。把模块实现为软件程序可以包括由处理器或任何其他硬件实体执行的一组逻辑指令。进一步,模块可以通过接口与一组指令或程序结合起来。
所公开的各实施例仅仅阐释可以以各种形式实施的本发明的示例。
图1涉及指根据本发明的一种示例性实施例用于个人情景标识的系统(100)。使用独立地或者组合起来工作以便执行个人情景分析的一个或多个模块来构建系统(100)。系统(100)包括移动通信设备(102),其进一步包括内部传感器(104)例如加速度计、相机、GPS、话筒等等,用于感知用户活动、位置、音频和环境光。内部传感器还提供使用超声或更高的音频波段来进行定位和接近度检测的装置。外部传感器接口(108)把外部传感器(118)(例如具有低能耗和低采样率的可穿戴式EEG)与移动通信设备(102)连接起来。处理模块(110)和内部存储器(116)执行各种内部和外部传感器所捕捉的传感器数据的板载分析。移动通信设备(102)进一步包括传输模块(114)和切换模块(112),传输模块(114)用于把相关信息传送给后端服务器(120),当从移动通信设备(102)的规则活动产生中断时,切换模块(112)用于在内部传感器(104)的其他移动设备应用(106)和个人情景分析之间切换。
处理模块(110)处理所感知的数据,分离情景数据且在传输模块(114)的帮助下仅把用于个人情景标识的相关信息传送给后端服务器(120)。后端服务器(120)处理和分析从移动通信设备(102)中存在的传输模块(114)所接收的信息。然后,后端服务器(120)排序和处理与特定用户相关的每一信息。这种信息被存储在数据库(122)中,且由前端应用(124)通过后端服务器(120)访问,以供创建个体和经聚集的用户情景,该用户情景可用于组织行为分析、工作空间工效学分析,且也用于测量和分析用户学习中的用户响应等等。
前端应用(124)通过后端服务器(120)进一步适用于以统计表示的形式呈现用户的经导出的社交信息。统计表示可以包括各边具有多个属性的多模社会图,且可以根据需要沿着多个维度查询。可以通过从双重传感器输入读取属性来准备社会图,第一传感器输入是物理传感器的经分析的输出,且第二传感器输入是来自基于web软传感器的馈入。经分析数据被用来生成社会图的节点和边缘。
图2表示基于个人情景的社交导出系统(200)的框图。该系统包括定位模块(202);置信度值指派模块(204);当前位置标识模块(206);接近度估计模块(208);分组模块(210);以及由后端服务器(120)主控的融合引擎(212)。
根据本发明的一种示例性实施例,系统(200)被配置为导出基于个人情景的社交。用户的个人情景包括用户的身份(即该人是谁)、用户的接近度(即用户到其他个体或用户的接近程度和持续时间)、用户的活动(即在隔间、讨论室、走廊等等中工作)以及用户的位置。用户的社交是用户与其他个体的物理交互。系统(200)包括定位模块(202),其适于在各种源的预定义范围内定位用户以供标识在特定位置处的用户的个人情景。使用外部传感器(118)和嵌入在移动通信设备(102)中的内部传感器(104)标识用户的个人情景。进一步,取决于用户根据其定位的源,使用置信度值指派模块(204)来把预定义置信度值指派给用户的已标识的个人情景。使用当前位置标识模块(206)来获得在特定位置中的用户的确切的当前位置信息。通过使用融合引擎(212)融合用户的个人情景的已指派的置信度值来获得确切的当前位置信息。进一步,该系统使用分组模块(208)分组被定位为具有相似当前位置信息的两个用户。基于某种预定义密度准则确定两个用户的分组。使用接近度估计模块(210)导出在特定位置处的一组中的两个用户之间的确切直线距离。通过融合用户的当前位置信息和在特定位置的一组中的两个用户之间的所导出的确切直线距离,使用由后端服务器(120)主控的融合引擎(212)来导出用户的社交信息。
外部传感器(118)选自包括来自建筑物管理系统(BMS)的访问控制进入/离开信息、使用深度相机(如3D相机)的监视、可穿戴式EEG、超声等等的组。嵌入在移动通信设备(102)中的内部传感器(104)选自包括加速度计、磁力计、语音识别器、陀螺仪和W-Fi签名等等的组。
在其中捕捉室内位置检测的定位模块(202)使用了建筑物的访问控制日志、Wi-Fi签名、磁力计签名、移动电话上的加速度计分析等等。基于Wi-Fi指纹和/或三角测量的RSSI也可以提供室内定位。组合加速度计、磁力计和陀螺仪以便感知复杂运动(如步行或爬楼梯或电梯或坐/站等等)。
用户的个人情景选自包括身份、接近度、活动和位置的组。可以通过用户携带的用户的移动电话、用户经过BMS时用户的智能卡、使用3D深度相机拍摄的用户的骨骼结构和步态测量等等来捕捉用户的身份。可以通过用户的蓝牙、位于建筑结构中的接近度传感器、红外接近度感知等等来捕捉的用户的接近度。可以通过用户与周围的人们的社交捕捉用户的活动该社交可以包括例如在讲演期间谁都在倾听、在组讨论期间谁在提问等等的信息,并且可以使用手势识别来标识交互(例如握手和交换名片等等)。可以使用定位模块(202)检测用户的位置。
置信度值指派模块(204)基于信息的来源把预定义置信度值指派给用户的已标识的个人情景。内部源和外部源的预定义置信度值或置信度分数应当在0%和100%之间变化,但可以不包括任一边界在内。例如,建筑物管理系统(BMS)数据预定义置信度值的是100%。语音识别软件可以提供可以被看作是置信度值的检测分数。来自语音数据的定位范围可以是10平方米的量级,但不限于此。类似的情况可以是Wi-Fi签名和加速度计数据。置信度分数可以根据从其捕捉他们的源而改变,取决于捕捉了多少数据以及从其捕捉数据的环境,相同的传感器和分析可以产生非常高到非常低的置信度值。
在本发明的一种实施例中,通过下式获得用来查找个体用户的位置信息的联合概率函数:
其中Pji(loci/x)是自第i个传感器数据观测出的第j个个体的位置的概率分布函数。
从贝叶斯定理计算Pji(loci/x),给出如下:
其中p(loc)是j的位置的先验概率。因而个体j的位置由下式给出
其中S是个体j可以属于其中的物理空间。与L1 j(loc1 j)的观测相关联的置信度分数是Sj 1。
在本发明的一种实施例中,当前位置标识模块(206)获得在特定位置内的用户的确切的当前位置信息。
在本发明的一种实施例中,接近度估计模块(208)被用来估计接近度,用于利用外部传感器(118)和嵌入在用户的移动通信设备(102)中的内部传感器(104)导出在当前位置出的一组中的至少两个用户之间的确切直线距离。
在本发明的一种实施例中,通过使用蓝牙、移动设备上的音频、3D深度相机、通过扫描个体的电子邮件标头的现实生活通信发现,接近度估计模块(208)可以使用室内接近度检测,电子邮件标头提供了给出用户与其他人的通信的指示的信息,例如发送、抄送和主题字段等等。蓝牙可以被用来检测接近度,这是由于商用电话带有仅提供短距离的II类蓝牙。3D深度相机提供在人们之间的距离和方向精确测量,且因此为检测接近度提供非常良好的来源。使用包括Java邮件API的许多商用或开源电子邮件工具来读取经过解析的电子邮件文件和文件夹。
在本发明的一种实施例中,基于移动的接近度感知被用作一组人的不同用户的成对个体。根据“移动接近度感知”,个体j和l之间的距离d由该对(j和i距离为d)的概率分布函数给出,该概率密度函数由Pjlm(d/x)给出。从贝叶斯定理计算Pjlm(d/x),如下所示:
其中p(d)是在j和i之间的距离的先验概率。因此,
置信度分数Sjl m可以与Pjlm(djl m/x)的观测相关联。
对于在个体j和i之间的距离d,由距离为d的该对j和i的概率分布函数给出使用“3D相机数据”,该概率分布函数由Pjlc(d/x)给出。因此,
与观测相关联的置信度分数Sjl c是Pjlc(djl c/x)。进一步,di=距离(locj,locl)是在个体j(locj)和个体i(locl)之间的位置的距离。
在本发明的一种实施例中,分组模块(210)借助于预定义密度准则分组特定位置处具有相似当前位置信息的两个用户。可以采用基于密度的群集方法导出预定义密度准则。
在本发明的一种实施例中,使用群集算法来创建各组。群集算法可以按照各步骤,例如最小的组大小是Gmin和最大的组大小是Gmax。个体到该组的质心的最大距离是dicmax。可以使用基于密度的群集(DBSCAN)算法用密度准则‘ε’形成各组,以使得每个单元区域必须具有N个个体。由于不属于任何组的群集和个体被看作是异常值(outlier),群集算法给出核心组。
在本发明的一种实施例中,融合引擎(212)适用于导出用户的社交信息。融合引擎(212)由后端服务器(120)主控。融合引擎被用来融合从在特定位置处的一组中的两个用户之间的所导出的确切直线距离和web传感器(214)接收的数据或信息。
在本发明的一种实施例中,融合引擎(212)把来自所有这些传感器以及基于web的软传感器的数据馈入到多模融合模块。每一传感器可以具有误差概率且也具有置信度分数,它连同置信度分数一起报告读数。对于每个读数,融合模块从多个传感器读取数据以及所提到的性质。然后,该引擎从多个传感器的报告推断共性,且产生在所考虑的顶点之间的边的经聚集的属性。例如,一组传感器所报告的“接近度”可以与音频分析融合,以便得到诸如“交谈”等的结论。增加了会议室的位置,这可以被用来推断出“会议”,而如果位置改变成咖啡机则其将被推断为“聊天”。多模传感器融合的另一方面可以用来误差减少和消除。例如,其中3D相机以中等的置信度报告在一个位置处的两个人之间的接近度,然而,诸人之一的位置不匹配从加速度计导出的位置。在这样的情况中,3D相机数据可以作为“假阳性”而被拒绝。
在一种实施例中,web传感器(214)可以选自包括用户的社交联网网站简档、用户的电子邮件标头、用户的RSS馈送和社交博客简档的组。社交联网站点例如Facebook、Twitter等等提供对按结构化数据的形式的各种信息(如简档数据)的访问权。收集这种结构化数据,以供分别解析结构化数据以提取个体的兴趣。兴趣可以为社会图表的边提供重要性质,因为具有共同兴趣的两个人可能跨越该边而相连接。可以从用户的博客和社交贴子获得结构化数据挖掘、非结构化数据挖掘,以供形成边属性。可以扫描个人的电子邮件标头,以便理解个体的现实生活通信,这可以提供给予用户与其他人的通信的指示的类似发送、抄送和主题诸字段的信息。
在本发明的一种实施例中,式(2)中给出第j个个体的位置信息locj。所检测的位置的相应置信度值(Sj 1)是(locj)。对所有N个体这样做。我们把从式(2)获得的“j”的位置表示为locj 1。成对距离被“移动接近度感知”和“3D相机数据”计算作为针对个体j和i的djl m和djl c。从j-l对的“移动接近度感知”导出的j的位置信息是球心位于locl 1且半径为djl m的球面。因而,从i的位置和在j-i对之间的距离导出的j的位置的概率由给出。
从所有其他个体导出的j的位置的组合概率被给出为
最终,从“移动接近度感知”导出的j的位置被给出为
相应的分数被给出为Sj m=Lj m(locj m)。
从由j-l对之间的距离获得的“3D相机数据”计算的j的位置被给出为locjl c
通过“i”的位置在式(5)中获得“j”的位置。因此获得式(5)的分数是Si 1*Sjl c
因而,根据从不同的观测获得的加权和来获得第j个个体的最终融合位置,其中权重是由下式给出的个体观测的置信度分数
其中,N是该接近度中个体的数量。
图3阐释逻辑流程(300),如步骤(302)中所示出的,激活存在于移动通信设备(102)中的内部传感器(104)以供感知与用户进行的各种活动相关的信息。在步骤(304)中,处理模块(110)检查任何外部传感器的存在并通过通信装置(如USB、Wi-Fi、蓝牙等等)与它们连接。如步骤(306)中所示出的,处理模块(110)检查任何用户活动,诸如在移动通信设备(102)上进行的下载过程或浏览,如步骤(308)中所示出的,且如果是这样的话,则处理器模块(110)等待预定义的时间步骤(306)并再次检查用户活动。如步骤(310)和(312)中所呈现的,在处理模块(110)上检查到正在进行的任何用户活动指示内部传感器(104)和外部传感器(118)感知用户活动并把所捕捉的数据传递给处理模块(110)。然后,处理模块(110)分析这种数据,分离情景信息且仅把相关信息传输给传输模块(114),传输模块(114)进一步把这种信息传递给后端服务器(120),如步骤(314)中所示出的。具体到所考虑的传感器,处理模块(110)执行下列活动——用于活动检测的加速度计分析、使用超声以供定位和接近度检测的基带通信、用于情绪检测和邻近感知的话筒所捕捉的音频分析、用于环境光照检测的相机和用于进一步洞察用户情景的、诸如EEG传感器等的外部生理学传感器分析。在步骤(316),后端服务器(120)及其底层融合和决定模块执行分析以便标识用户个人情景并把这种信息存储在数据库(122)中。在步骤(318),这种所存储的信息由前端应用(124)用来创建个体和经聚集的用户情景,用户情景可以用于组织行为分析、工作空间工效学分析、发现用户的物理交互网络,并且也用于在用户学习中测量和分析用户响应等等。
参见图4,描绘基于个人情景的社交导出方法(400)的逻辑流程,如步骤(402)中所示出的,该过程从定位预定义范围内用户的特定位置开始。在步骤(404),使用外部传感器(118)和嵌入在移动通信设备(102)中的内部传感器(104)标识用户的个人情景。在步骤(406),给用户的已标识的个人情景指派预定义置信度值。在步骤(408),在特定位置内获得用户的确切的当前位置信息。在步骤(410),导出在当前位置处的至少两个用户之间的确切直线距离。在步骤(412),借助于预定义密度准则把在特定位置处具有相似当前位置信息的两个用户分组在一起。在步骤(414),该过程结束,其中,导出在特定位置处的一组中用户的社交信息。
参见图5,作为本发明的示例性实施例,描绘表示在相同的位置检测到的电话的数量的归一化直方图,其中考虑了静态的且其位置已知的话筒传感器“i”。在特定位置lock,移动电话(j)可以用来以已知音量播放声音。固定式话筒“i”接收声音并计算距离“dkj”。可以用这样的原理来计算距离:在接收器处使用话筒传感器等等,声音的音量的衰减与距声音源的距离成反比。对N个这样的电话执行这种计算。对在相同的位置检测到的电话的数量计算直方图。图5中示出了样本归一化直方图。图5中清楚看出,在距离11单元处检测到最大数量的电话,这是实际的距离dk。但是,可以存在其距离被检测为不同于dk的某些非零电话。这可能是由于观测中的误差、电话模型的差异和环境影响。对所有lock或等效地dk重复这种过程。每当接收器观测到距离“dkj”时,存在与该观测相关联的置信度分数“Sjk”。图5中所示出的函数给出了Sjk以便对于给定的距离dk导出所观测的值的概率分布Pji(x/lock)。在实际的检测过程期间,基于从移动电话接收的声音,第i个传感器所观测的位置lock的概率是Pji(lock/x)。使用贝叶斯等式来获得该概率。
Claims (19)
1.一种用于标识在特定位置处的、具有移动通信设备(102)的至少一个用户的个人情景以供导出所述用户的社交信息的方法,所述方法包括:
a.通过使用定位模块(202)来标识在所述特定位置处的所述用户的个人情景来定位在预定义范围内的所述用户,其中使用一个或多个外部传感器(118)和嵌入在所述移动通信设备(102)中的一个或多个内部传感器(104)来标识所述用户的所述个人情景;
b.使用置信度值指派模块(204)把预定义置信度值指派给所述用户的所述已标识的个人情景;
c.通过使用当前位置标识模块(206)和由后端服务器(120)主控的融合引擎(212)来融合所述用户的所述个人情景的已指派的置信度值,获得在所述特定位置内的所述用户的确切的当前位置信息;
d.通过利用所述外部传感器(118)和嵌入在所述用户的所述移动通信设备(102)中的所述内部传感器(104),使用接近度估计模块(208)估计接近度,以供导出在当前位置处的至少两个用户之间的确切直线距离;
e.使用分组模块(210),借助于预定义密度准则对在所述特定位置处的具有相似当前位置信息的至少两个用户进行分组;以及
f.通过使用由所述后端服务器(120)主控的融合引擎(212)来融合所述用户的所述当前位置信息、在所述特定位置处的一个组中的所述至少两个用户之间的所导出的确切直线距离和web传感器(214),导出所述用户的所述社交信息。
2.如权利要求1所述的方法,其特征在于,所述用户的个人情景选自包括身份、接近度、活动和位置的组。
3.如权利要求1所述的方法,其特征在于,所述移动通信设备(102)选自包括移动电话、智能手机、膝上型计算机、掌上型设备、个人数字助理(PDA)的组。
4.如权利要求1所述的方法,其特征在于,所述外部传感器(118)选自包括建筑物管理系统(BMS)、3D深度相机和超声的组。
5.如权利要求1所述的方法,其特征在于,所述内部传感器(104)选自包括加速度计、磁力计、语音识别器、蓝牙RSSI和无线频率(Wi-Fi)签名的组。
6.如权利要求1所述的方法,其特征在于,通过采用基于密度的群集方法导出用于分组在所述特定位置处的、具有相似当前位置信息的所述至少两个用户的所述预定义密度准则。
7.如权利要求1所述的方法,其特征在于,所述外部传感器(118)和嵌入在所述移动通信设备(102)中的所述内部传感器(104)是物理传感器或硬传感器。
8.如权利要求1所述的方法,其特征在于,所述web传感器(214)是选自包括所述用户的社交联网网站简档、所述用户的电子邮件标头、所述用户的RSS馈送和社交博客简档的组。
9.如权利要求1所述的方法,其特征在于,所述外部传感器(118)和所述内部传感器(104)在通信上与处理模块(110)耦合,且所述外部传感器(118)经由外部传感器接口(108)把感知数据传送给所述处理模块(110),且所述内部传感器(104)直接把所述感知数据传送给所述处理模块(110)。
10.如权利要求9所述的方法,其特征在于,从所述外部传感器(118)和所述内部传感器(104)接收到的所述经处理的感知数据被存储在在通信上与所述处理模块(110)耦合的内部存储器(116)中。
11.如权利要求1所述的方法,其特征在于,使用前端应用(124)来显示所述用户的所述经导出的社交信息。
12.如权利要求1所述的方法,其特征在于,所述用户的所述经导出的社交信息选自包括在隔间中工作时的交互、在主持会议时的交互、会话中的讲演者、会议中的被动听众的交互、在小组讨论期间的交互的一组交互。
13.如权利要求1所述的方法,其特征在于,所述经融合的数据和所述用户的所述个人情景被存储在数据库(122)中,所述数据库(122)在通信上耦合到所述后端服务器(120)。
14.如权利要求1所述的方法,进一步包括,在从所述移动通信设备(102)的规则活动产生中断时,使用切换模块(112)在内部传感器(104)的其他移动设备应用(106)和个人情景分析之间切换。
15.一种用于标识在特定位置处的至少一个用户的个人情景以供导出所述用户的社交信息的系统,所述系统包括移动通信设备(102);一个或多个外部传感器(118);后端服务器(120)主控的融合引擎(212);前端应用(124);以及数据库(122),其特征在于:
a.所述移动通信设备(102)进一步包括:
一个或多个内部传感器(104),其适用于感知所述用户的所述个人情景并将其发送给所述移动通信设备(102)的处理模块(110);
所述处理模块(110)适于执行从所述外部传感器(118)和所述内部传感器(104)接收的感知数据的板载处理;
内部存储器(116),其在通信上与所述处理模块(110)耦合,适于存储从所述外部传感器(118)和所述内部传感器(104)接收的经处理的感知数据;
传输模块(114),其适于把从所述处理模块(110)接收的经处理的感知数据传送给后端服务器(120);以及
切换模块(112),其适用于在从所述移动通信设备(102)的规则活动产生中断时在内部传感器(104)的其他移动设备应用(106)和个人情景分析之间切换;
b.所述外部传感器(118)适用于感知所述用户的个人情景并经由所述移动通信设备(102)的外部传感器接口(108)将其发送给所述处理模块(110);
c.所述后端服务器(120)主控的融合引擎(212)适用于融合所述用户的所述个人情景的已指派的置信度值、所述用户的当前位置信息以及在所述特定位置处的一组中的至少两个用户之间的经导出的确切直线距离;
d.前端应用(124),其适用于显示所述用户的经导出的社交信息;以及
e.数据库(122),其在通信上耦合到所述后端服务器(120),适于存储经融合的数据和所述用户的所述个人情景。
16.如权利要求15所述的系统,进一步包括:
a.定位模块(202),其适用于通过标识所述用户的所述个人情景来定位在预定义范围内的至少一个用户在所述特定位置处,其中使用所述外部传感器(118)和嵌入在所述移动通信设备(102)中的所述内部传感器(104)来标识所述用户的所述个人情景;
b.置信度值指派模块(204),其适用于把预定义置信度值指派给所述用户的所述已标识的个人情景;
c.当前位置标识模块(206),其适用于通过使用融合引擎(212)融合所述用户的个人情景的已指派的置信度值来获得在所述特定位置内的所述用户的确切的当前位置信息;
d.接近度估计模块(208),其适用于通过利用所述外部传感器(118)和嵌入在所述用户的所述移动通信设备(102)中的所述内部传感器(104)来估计接近度以供导出在当前位置处的至少两个用户之间的确切直线距离;
e.分组模块(210),其适用于借助于预定义密度准则对在所述特定位置处的具有相似当前位置信息的至少两个用户进行分组;以及
f.所述融合引擎(212),其适用于通过融合所述用户的所述当前位置信息和在所述特定位置处的一组中的所述至少两个用户之间的经导出的确切直线距离来导出所述用户的所述社交信息。
17.如权利要求15所述的系统,其特征在于,所述移动通信设备(102)选自包括移动电话、智能手机、膝上型计算机、掌上型设备、个人数字助理(PDA)的组。
18.如权利要求15所述的系统,其特征在于,所述外部传感器(118)是选自包括建筑物管理系统(BMS)、3D深度相机、可穿戴式EEG和超声的组。
19.如权利要求15所述的系统,其特征在于,所述内部传感器(104)选自包括加速度计、磁力计、语音识别器和Wi-Fi签名的组。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN313MU2012 | 2012-02-02 | ||
IN313/MUM/2012 | 2012-02-02 | ||
PCT/IN2013/000045 WO2013118144A2 (en) | 2012-02-02 | 2013-01-22 | A system and method for identifying and analyzing personal context of a user |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104335564A CN104335564A (zh) | 2015-02-04 |
CN104335564B true CN104335564B (zh) | 2017-03-08 |
Family
ID=48948129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380014086.7A Active CN104335564B (zh) | 2012-02-02 | 2013-01-22 | 用于标识和分析用户的个人情景的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9560094B2 (zh) |
EP (1) | EP2810426A4 (zh) |
JP (1) | JP5951802B2 (zh) |
CN (1) | CN104335564B (zh) |
AU (2) | AU2013217184A1 (zh) |
WO (1) | WO2013118144A2 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953304B2 (en) * | 2012-12-30 | 2018-04-24 | Buzd, Llc | Situational and global context aware calendar, communications, and relationship management |
US10034144B2 (en) * | 2013-02-22 | 2018-07-24 | International Business Machines Corporation | Application and situation-aware community sensing |
US9509643B1 (en) | 2013-11-12 | 2016-11-29 | Twitter, Inc. | Network-based content discovery using messages of a messaging platform |
CN104765730B (zh) * | 2014-01-02 | 2018-06-05 | 株式会社理光 | 感兴趣人员推荐方法和装置 |
EP3145156A4 (en) * | 2014-06-30 | 2017-05-31 | Huawei Technologies Co. Ltd. | User data processing method and device |
US9661010B2 (en) | 2014-11-21 | 2017-05-23 | Honeywell International Inc. | Security log mining devices, methods, and systems |
CN104811903A (zh) * | 2015-03-25 | 2015-07-29 | 惠州Tcl移动通信有限公司 | 一种组建交流群的方法及其可穿戴设备 |
EP3096282A1 (en) * | 2015-05-21 | 2016-11-23 | Tata Consultancy Services Limited | Multi-dimensional sensor data based human behaviour determination system and method |
WO2016199463A1 (ja) | 2015-06-12 | 2016-12-15 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
WO2017115145A1 (en) | 2015-12-31 | 2017-07-06 | Delta Faucet Company | Water sensor |
US9711056B1 (en) * | 2016-03-14 | 2017-07-18 | Fuvi Cognitive Network Corp. | Apparatus, method, and system of building and processing personal emotion-based computer readable cognitive sensory memory and cognitive insights for enhancing memorization and decision making skills |
CN105974360A (zh) * | 2016-04-27 | 2016-09-28 | 沈阳云飞科技有限公司 | 一种基于adl的监测分析方法、装置 |
US10254378B1 (en) * | 2016-07-05 | 2019-04-09 | Phunware, Inc. | Mobile device localization based on relative received signal strength indicators |
US10087046B2 (en) | 2016-10-12 | 2018-10-02 | Otis Elevator Company | Intelligent building system for altering elevator operation based upon passenger identification |
US20180146062A1 (en) * | 2016-11-18 | 2018-05-24 | Futurewei Technologies, Inc. | Channel recommendation system and method |
WO2018211655A1 (ja) * | 2017-05-18 | 2018-11-22 | 三菱電機株式会社 | 位置検出装置、エレベーター制御装置及びエレベーターシステム |
CN107346112B (zh) * | 2017-05-27 | 2020-02-14 | 深圳奥比中光科技有限公司 | 一种融合多传感器信息的系统及终端设备 |
CN107370869B (zh) * | 2017-05-27 | 2020-02-18 | 深圳奥比中光科技有限公司 | 一种移动终端及手机 |
US10127825B1 (en) * | 2017-06-13 | 2018-11-13 | Fuvi Cognitive Network Corp. | Apparatus, method, and system of insight-based cognitive assistant for enhancing user's expertise in learning, review, rehearsal, and memorization |
AU2018333873B2 (en) * | 2017-09-15 | 2023-12-21 | Contxtful Technologies Inc. | System and method for classifying passive human-device interactions through ongoing device context awareness |
US10511446B2 (en) | 2017-09-22 | 2019-12-17 | Cisco Technology, Inc. | Methods and apparatus for secure device pairing for secure network communication including cybersecurity |
US10853736B2 (en) * | 2017-11-17 | 2020-12-01 | Microsoft Technology Licensing, Llc | Preventing notification blindness |
CN110059795A (zh) * | 2018-01-18 | 2019-07-26 | 中国科学院声学研究所 | 一种融合地理位置与时间特征的移动用户节点组网方法 |
EP3561815A1 (en) * | 2018-04-27 | 2019-10-30 | Tata Consultancy Services Limited | A unified platform for domain adaptable human behaviour inference |
CN108845679B (zh) * | 2018-05-02 | 2019-08-02 | 上海交通大学 | 远距离用户触控屏上全键盘输入获取方法 |
US10594549B2 (en) | 2018-05-18 | 2020-03-17 | Nant Holdings Ip, Llc | Fine grained network management to edge device features |
US11080438B2 (en) * | 2018-05-30 | 2021-08-03 | International Business Machines Corporation | Building-information management system with directional wind propagation and diffusion |
EP3798838B1 (en) * | 2019-09-30 | 2022-04-06 | Fujitsu Limited | Method and system for reconciling values of a feature |
US11650662B2 (en) * | 2020-10-05 | 2023-05-16 | Dell Products L.P. | Automated display viewing angle alignment |
US11589188B1 (en) | 2021-05-27 | 2023-02-21 | T-Mobile Usa, Inc. | Device-based timely emergency call routing |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100583923C (zh) * | 2002-12-03 | 2010-01-20 | 联想(新加坡)私人有限公司 | 匿名检测接近度的方法和匿名函数评估服务装置 |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5844415A (en) * | 1994-02-03 | 1998-12-01 | Massachusetts Institute Of Technology | Method for three-dimensional positions, orientation and mass distribution |
US20030126258A1 (en) * | 2000-02-22 | 2003-07-03 | Conkright Gary W. | Web based fault detection architecture |
US8086672B2 (en) * | 2000-06-17 | 2011-12-27 | Microsoft Corporation | When-free messaging |
DE10218313B4 (de) * | 2002-04-24 | 2018-02-15 | Arnold & Richter Cine Technik Gmbh & Co. Betriebs Kg | Digitale Laufbildkamera |
US7220928B2 (en) * | 2003-04-19 | 2007-05-22 | Andre Haake | Safety strip for a striking edge safety device or closing edge safety device |
WO2005008444A2 (en) * | 2003-07-14 | 2005-01-27 | Matt Pallakoff | System and method for a portbale multimedia client |
DE10331964B4 (de) * | 2003-07-15 | 2016-05-04 | Robert Bosch Gmbh | Vorrichtung zur Seitenaufprallerkennung und Drucksensor |
US20050076013A1 (en) | 2003-10-01 | 2005-04-07 | Fuji Xerox Co., Ltd. | Context-based contact information retrieval systems and methods |
US7219255B2 (en) * | 2004-07-27 | 2007-05-15 | Mks Instruments, Inc. | Failsafe switching of intelligent controller method and device |
DE102004037875B4 (de) * | 2004-08-04 | 2008-05-08 | Siemens Ag | Sensorvorrichtung, Verfahren und Vorrichtung zum Überwachen einer Sensorvorrichtung |
US7295103B2 (en) * | 2004-12-22 | 2007-11-13 | The Goodyear Tire & Rubber Company | Integrated sensor system and method for a farm tire |
US8583139B2 (en) * | 2004-12-31 | 2013-11-12 | Nokia Corporation | Context diary application for a mobile terminal |
US7400594B2 (en) * | 2005-05-03 | 2008-07-15 | Eaton Corporation | Method and system for automated distributed pairing of wireless nodes of a communication network |
JP2008072414A (ja) * | 2006-09-14 | 2008-03-27 | Hitachi Ltd | センサネットシステム及びセンサノード |
US20080130972A1 (en) * | 2006-11-30 | 2008-06-05 | General Electric Company | Storing imaging parameters |
US20080243439A1 (en) * | 2007-03-28 | 2008-10-02 | Runkle Paul R | Sensor exploration and management through adaptive sensing framework |
US8013731B2 (en) | 2007-07-03 | 2011-09-06 | 3M Innovative Properties Company | Apparatus and method for processing data collected via wireless network sensors |
US20100299615A1 (en) * | 2007-09-28 | 2010-11-25 | The Trustees Of Dartmouth College | System And Method For Injecting Sensed Presence Into Social Networking Applications |
JP2009129338A (ja) * | 2007-11-27 | 2009-06-11 | Sony Corp | 対人関係評価装置、対人関係評価方法、対人関係評価システム、端末装置 |
WO2009070138A1 (en) * | 2007-11-29 | 2009-06-04 | David Stackpole | Dynamic geosocial networking |
EP2250066B1 (en) * | 2008-02-08 | 2017-11-15 | ALSTOM Transport Technologies | Railway sensor communication system and method |
US8587402B2 (en) * | 2008-03-07 | 2013-11-19 | Palm, Inc. | Context aware data processing in mobile computing device |
US8290885B2 (en) * | 2008-03-13 | 2012-10-16 | Sony Corporation | Information processing apparatus, information processing method, and computer program |
WO2010001483A1 (ja) * | 2008-07-04 | 2010-01-07 | パイオニア株式会社 | 関係推定装置及び方法 |
JP5137781B2 (ja) | 2008-10-30 | 2013-02-06 | 株式会社エヌ・ティ・ティ・ドコモ | 移動機及びアプリケーションの切替方法 |
US8279089B2 (en) * | 2008-11-20 | 2012-10-02 | Ellenberger & Poensgen Gmbh | Method and device for monitoring the function of a safety unit |
JP2010145228A (ja) * | 2008-12-18 | 2010-07-01 | Sanyo Electric Co Ltd | 位置表示装置および現在位置決定方法 |
US8219513B2 (en) * | 2008-12-19 | 2012-07-10 | Eastman Kodak Company | System and method for generating a context enhanced work of communication |
JP2010165097A (ja) * | 2009-01-14 | 2010-07-29 | Ntt Docomo Inc | 人間関係推定装置、及び、人間関係推定方法 |
DE102009008125B4 (de) * | 2009-02-09 | 2020-01-23 | IAD Gesellschaft für Informatik, Automatisierung und Datenverarbeitung mbH | Modulares, erweiterbares und einen zugangsgeschützten Bereich aufweisendes Messgerät |
CA2758197A1 (en) * | 2009-04-09 | 2010-10-14 | Aegis Mobility, Inc. | Context based data mediation |
TWI385544B (zh) * | 2009-09-01 | 2013-02-11 | Univ Nat Pingtung Sci & Tech | 基於密度式之資料分群方法 |
ES2777797T3 (es) * | 2009-09-28 | 2020-08-06 | Ericsson Telefon Ab L M | Método y disposición para soportar análisis de redes sociales en una red de comunicación |
CN102687583B (zh) * | 2009-12-31 | 2016-02-24 | 诺基亚技术有限公司 | 用于在一个会话中执行多个通信形式的方法和装置 |
US20110172918A1 (en) * | 2010-01-13 | 2011-07-14 | Qualcomm Incorporated | Motion state detection for mobile device |
US20110246490A1 (en) * | 2010-04-01 | 2011-10-06 | Sony Ericsson Mobile Communications Ab | Updates with context information |
WO2012000169A1 (en) | 2010-06-29 | 2012-01-05 | Nokia Corporation | Method and apparatus for context-based grouping |
EP2591466B1 (en) * | 2010-07-06 | 2019-05-08 | Sparkup Ltd. | Method and system for book reading enhancement |
US9055020B2 (en) * | 2010-09-27 | 2015-06-09 | Nokia Technologies Oy | Method and apparatus for sharing user information |
DE102011002706B4 (de) * | 2011-01-14 | 2013-12-19 | Siemens Aktiengesellschaft | Vorrichtung und Verfahren zum Schutz eines Sicherheitsmoduls gegen Manipulationsversuche in einem Feldgerät |
US20120319989A1 (en) * | 2011-06-20 | 2012-12-20 | Chris Argiro | Video-game controller assemblies designed for progressive control of actionable-objects displayed on touchscreens: expanding the method and breadth of touch-input delivery |
US20130103759A1 (en) * | 2011-10-21 | 2013-04-25 | Nokia Corporation | Method and apparatus for providing data sharing schemes to provision device services |
US10853531B2 (en) * | 2011-11-02 | 2020-12-01 | Nokia Technologies Oy | Method and apparatus for context sensing inference |
-
2013
- 2013-01-22 WO PCT/IN2013/000045 patent/WO2013118144A2/en active Application Filing
- 2013-01-22 AU AU2013217184A patent/AU2013217184A1/en not_active Abandoned
- 2013-01-22 EP EP13746227.1A patent/EP2810426A4/en not_active Withdrawn
- 2013-01-22 CN CN201380014086.7A patent/CN104335564B/zh active Active
- 2013-01-22 JP JP2014555389A patent/JP5951802B2/ja active Active
- 2013-01-22 US US14/376,536 patent/US9560094B2/en active Active
-
2016
- 2016-02-12 AU AU2016200905A patent/AU2016200905B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100583923C (zh) * | 2002-12-03 | 2010-01-20 | 联想(新加坡)私人有限公司 | 匿名检测接近度的方法和匿名函数评估服务装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2810426A2 (en) | 2014-12-10 |
AU2016200905B2 (en) | 2017-02-02 |
US20140351337A1 (en) | 2014-11-27 |
WO2013118144A3 (en) | 2013-10-17 |
JP2015510636A (ja) | 2015-04-09 |
WO2013118144A2 (en) | 2013-08-15 |
JP5951802B2 (ja) | 2016-07-13 |
CN104335564A (zh) | 2015-02-04 |
US9560094B2 (en) | 2017-01-31 |
AU2016200905A1 (en) | 2016-05-12 |
EP2810426A4 (en) | 2015-09-02 |
AU2013217184A1 (en) | 2014-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104335564B (zh) | 用于标识和分析用户的个人情景的系统和方法 | |
Gu et al. | Paws: Passive human activity recognition based on wifi ambient signals | |
CN104736968B (zh) | 众包室内定位 | |
Abualsaud et al. | A survey on mobile crowd-sensing and its applications in the IoT era | |
CN103718627B (zh) | 使用三阶段过程对室内楼层和位置的预测 | |
Nicolai et al. | Exploring social context with the wireless rope | |
Vhaduri et al. | Discovering places of interest using sensor data from smartphones and wearables | |
JP2008287690A (ja) | グループ可視化システム及びセンサネットワークシステム | |
CN105931124A (zh) | 一种室内社交网络服务系统 | |
Starnini et al. | Robust modeling of human contact networks across different scales and proximity-sensing techniques | |
CN110428449A (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
CN103258027A (zh) | 基于智能终端的情境感知服务平台 | |
Tang et al. | Indoor crowd density estimation through mobile smartphone wi-fi probes | |
Peng et al. | Indoor floor plan construction through sensing data collected from smartphones | |
CN111382278B (zh) | 一种基于时空轨迹的社交网络构建方法及构建系统 | |
Gips et al. | Mapping human networks | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
Zappatore et al. | Semantic models for IoT sensing to infer environment–wellness relationships | |
Liang et al. | Indoor region localization with asynchronous sensing data: A Bayesian probabilistic model | |
Rodrigues et al. | Fusion data tracking system (fits) | |
Gil et al. | inContexto: A fusion architecture to obtain mobile context | |
CN106021490A (zh) | 一种室内周边位置查询系统 | |
CN105812075B (zh) | 一种窃听器发现与定位告警系统及其方法 | |
An et al. | Research on a Mobile-aware Service Model in the Internet of Things | |
Zeni et al. | Combining crowdsourcing and crowdsensing to infer the spatial context |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |