KR-102959949-B1 - 개인화된 지상 수송 처리 및 사용자 의도 예측들을 위한 시스템들 및 방법들

Abstract

본 개시내용은 사용자가 루트를 따라 여행하는 동안 여행 의도 또는 목적지를 예측하는 방법들 및 시스템들을 제공한다. 방법은 (a) 루트의 시작 지리적 위치 및 사용자의 아이덴티티에 관한 데이터를 수신하는 단계; (b) 사용자의 아이덴티티에 관한 데이터에 적어도 부분적으로 기초하여, 트레이닝된 분류기를 리트리브하는 단계; (c) 시작 지리적 위치에 기초하여 여행 의도 또는 목적지를 예측하기 위해 트레이닝된 분류기를 사용하는 단계; 및 (d) 사용자가 상기 루트의 적어도 일부를 따라 지상 차량 내에서 여행하는 동안, 전자 디바이스 상에 사용자에게 하나 이상의 거래 옵션을 제시하는 단계를 포함할 수 있으며, 하나 이상의 거래 옵션은 (c)에서 예측된 여행 의도 또는 목적지에 기초하여 식별된다.

Inventors

• 시모우디스 에반겔로스

Assignees

• 시냅스 파트너스, 엘엘씨

Dates

Publication Date

20260506

Application Date

20210126

Priority Date

20200203

Claims (20)

1. 프로세서를 사용하여, 사용자 여행 동안 사용자에 제공할 정보를 결정하기 위해 상기 사용자에 의해 취해지는 사용자 여행의 여행 의도를 예측하기 위한 방법으로서, (a) 여행 루트의 시작 지리적 위치 및 상기 사용자의 아이덴티티에 관한 데이터를 수신하는 단계; (b) (1) 트레이닝하는 복수의 이전 여행 레코드들을 획득하고, 상기 트레이닝하는 복수의 이전 여행 레코드들의 이전 여행 레코드는 의도가 결정된 이전 여행의 여행 의도 및 여행 특성들을 포함하고; (2) 복수의 모델들을 생성하고, 상기 복수의 모델들 중 적어도 2개의 모델들에 대해, 상기 적어도 2개의 모델들 각각은 상기 적어도 2개의 모델들 중 다른 모델과 연관된 상기 여행 의도와 상이한 연관된 여행 의도를 가지며, 상기 적어도 2개의 모델들 각각은 상기 연관된 여행 의도와 매칭하는 여행 의도를 갖는 이전 여행 레코드들인 상기 트레이닝하는 복수의 이전 여행 레코드들의 서브세트에 대해 트레이닝되는 여행 분류기를 포함하고; (3) 상기 복수의 모델들을 여행 분류기 데이터베이스에 저장함으로써, 여행 추상화기를 트레이닝하는 단계; (c) 여행 식별 엔진을 사용하여, 상기 사용자 여행으로부터 수집된 위치 데이터로부터 여행 데이터세트를 식별하는 단계로서, 상기 위치 데이터는 상기 사용자 여행 동안 상기 사용자가 방문한 지리공간 지점들을 제공하고, 적어도 일부 방문된 지점들은 실시간으로 상기 여행 식별 엔진에 제공되는, 상기 여행 데이터세트를 식별하는 단계; (d) 상기 사용자 여행의 결정된 여행 의도를 결정하기 위해 상기 여행 데이터세트 및 상기 여행 분류기 데이터베이스를 의도 예측기에 적용하는 단계로서, 상기 의도 예측기는 적어도 상기 사용자 여행의 결정된 여행 의도를 결정하기 위해 상기 복수의 모델들 중 적어도 2개의 모델들을 사용하는, 상기 여행 데이터세트 및 상기 여행 분류기 데이터베이스를 의도 예측기에 적용하는 단계; 및 (e) 상기 사용자가 차량으로 상기 여행 루트의 적어도 일부를 따라 여행하는 동안, 전자 디바이스 상에서 상기 사용자에게 상기 사용자 여행의 상기 결정된 여행 의도에 적어도 부분적으로 기초하여 식별된 하나 이상의 거래 옵션(transactional option)들을 제시하는 단계를 포함하는, 사용자 여행의 여행 의도를 예측하기 위한 방법.
2. 제1항에 있어서, 상기 시작 지리적 위치는 글로벌 포지셔닝 시스템(Global Positioning System; GPS) 데이터의 형태로 수신되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
3. 제1항에 있어서, 상기 시작 지리적 위치는 상기 전자 디바이스 상의 그래픽 사용자 인터페이스(graphical user interface; GUI)를 통해 상기 사용자에 의해 입력되거나, 또는 상기 전자 디바이스의 지리적 위치를 부분적으로 사용하여 결정되고, 상기 지리적 위치는 글로벌 포지션 시스템(global position system) 또는 신호 삼각측량에 의해 결정되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
4. 제1항에 있어서, 상기 트레이닝하는 복수의 이전 여행 레코드들은 상관되지 않은(uncorrelated) GPS 데이터를 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
5. 제4항에 있어서, 상기 트레이닝하는 복수의 이전 여행 레코드들은 복수의 여행 데이터 레코드들의 클러스터링 분석을 사용하여 획득되는 라벨링된 데이터를 포함하고, 상기 클러스터링 분석은 공통 특성들을 갖는 여행들의 서브세트들을 자동으로 식별하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
6. 제5항에 있어서, 상기 상관되지 않은 GPS 데이터를 하나 이상의 사람 아이덴티티들과 연관시킴으로써 상기 복수의 여행 데이터 레코드들을 생성하는 단계를 더 포함하는, 사용자 여행의 여행 의도를 예측하기 위한 방법.
7. 제5항에 있어서, 상기 복수의 여행 데이터 레코드들은 대응하는 사람 아이덴티티의 소셜 그래프, 수송 데이터, 또는 구매 데이터에 의해 증강되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
8. 제1항에 있어서, 상기 여행 추상화기를 트레이닝하는 단계는 하나 이상의 라벨링 규칙들에 기초하여 여행의 세그먼트에 대한 라벨들을 생성하는 단계를 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
9. 제1항에 있어서, 상기 여행 루트의 하나 이상의 부분들에 대한 수송 모드를 예측하는 단계를 더 포함하는, 사용자 여행의 여행 의도를 예측하기 위한 방법.
10. 제9항에 있어서, 상기 수송 모드는 자율주행 차량, 승차-호출 서비스(ride-hailing service), 철도 수송, 및/또는 지상 대량 수송 차량을 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 방법.
11. 제1항에 있어서, 상기 사용자 여행 동안 새로운 위치 데이터의 수신시에 상기 여행 의도 또는 목적지를 업데이트하는 단계를 더 포함하는, 사용자 여행의 여행 의도를 예측하기 위한 방법.
12. 사용자 여행 동안 사용자에 제공할 정보를 결정하기 위해 상기 사용자에 의해 취해지는 상기 사용자 여행의 여행 의도를 예측하기 위한 시스템으로서, (1) 트레이닝하는 복수의 이전 여행 레코드들을 획득하고, 상기 트레이닝하는 복수의 이전 여행 레코드들의 여행 레코드는 의도가 결정된 이전 여행의 여행 의도 및 여행 특성들을 포함하고; (2) 복수의 모델들을 생성함으로써 트레이닝되는 여행 추상화기로서, 상기 복수의 모델들 중 적어도 2개의 모델들에 대해, 상기 적어도 2개의 모델들 각각은 상기 적어도 2개의 모델들 중 다른 모델과 연관된 상기 여행 의도와 상이한 연관된 여행 의도를 가지며, 상기 적어도 2개의 모델들 각각은 상기 연관된 여행 의도와 매칭하는 여행 의도를 갖는 이전 여행 레코드들인 상기 트레이닝하는 복수의 이전 여행 레코드들의 서브세트에 대해 트레이닝되는 여행 분류기를 포함하는, 상기 여행 추상화기; 상기 여행 추상화기에 의해 생성된 상기 복수의 모델들을 저장하기 위한 여행 분류기 데이터베이스; 상기 사용자 여행으로부터 수집된 위치 데이터로부터 여행 데이터세트를 식별하기 위한 여행 식별 엔진으로서, 상기 위치 데이터는 상기 사용자 여행 동안 상기 사용자가 방문한 지리공간 지점들로 표현되는 여행 루트를 포함하고, 적어도 일부 방문한 지점들은 실시간으로 상기 여행 식별 엔진에 제공되는, 상기 여행 식별 엔진; 상기 사용자가 차량으로 상기 여행 루트의 적어도 일부를 따라 여행하는 동안, (1) 상기 사용자 여행의 상기 결정된 여행 의도와 매칭하는 여행 의도를 갖는다는 점에서 매칭하는 상기 복수의 모델들 중 매칭 모델, (2) 상기 여행 루트의 시작 지리적 위치, 및 (3) 상기 사용자의 아이덴티티에 관한 데이터에 기초하여, 상기 사용자 여행의 결정된 여행 의도를 결정하기 위해 상기 여행 식별 엔진 및 상기 여행 분류기 데이터베이스에 결합된 의도 예측기; 및 상기 사용자가 상기 여행 루트를 따라 여행하는 동안 제시되도록, 상기 사용자 여행의 상기 결정된 여행 의도에 적어도 부분적으로 기초하여 식별된 하나 이상의 거래 옵션들을 제시하도록 구성된 전자 디바이스의 사용자 인터페이스를 포함하는, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
13. 제12항에 있어서, 상기 시작 지리적 위치는 글로벌 포지셔닝 시스템(GPS) 데이터의 형태로 수신되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
14. 제12항에 있어서, 상기 시작 지리적 위치는 상기 전자 디바이스 상의 그래픽 사용자 인터페이스(GUI)를 통해 상기 사용자에 의해 입력되거나, 또는 상기 전자 디바이스의 지리적 위치를 부분적으로 사용하여 결정되고, 지리적 위치는 글로벌 포지션 시스템 또는 신호 삼각측량에 의해 결정되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
15. 제12항에 있어서, 상기 트레이닝하는 복수의 이전 여행 레코드들은 상관되지 않은 GPS 데이터를 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
16. 제15항에 있어서, 상기 트레이닝하는 복수의 이전 여행 레코드들은 복수의 여행 데이터 레코드들의 클러스터링 분석을 사용하여 획득되는 라벨링된 데이터를 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
17. 제16항에 있어서, 상기 복수의 여행 데이터 레코드들은 상기 상관되지 않은 GPS 데이터를 하나 이상의 사람 아이덴티티들과 연관시키는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
18. 제16항에 있어서, 상기 복수의 여행 데이터 레코드들은 대응하는 사람 아이덴티티의 소셜 그래프, 수송 데이터, 또는 구매 데이터에 의해 증강되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
19. 제12항에 있어서, 상기 의도 예측기는 또한 상기 여행 루트의 하나 이상의 부분들에 대한 수송 모드를 예측하도록 구성되는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.
20. 제19항에 있어서, 상기 수송 모드는 자율주행 차량, 승차-호출 서비스, 철도 수송, 및/또는 지상 대량 수송 차량을 포함하는 것인, 사용자 여행의 여행 의도를 예측하기 위한 시스템.

Description

개인화된 지상 수송 처리 및 사용자 의도 예측들을 위한 시스템들 및 방법들 상호 참조 본 출원은 2020년 2월 3일자로 출원된 미국 가출원 제62/969,472호에 대한 우선권을 주장하며, 이 가출원은 그 전체가 본 명세서에 참고로 포함된다. 스마트폰들, 태블릿 컴퓨터들 및 다른 휴대용 디바이스들과 같은 모바일 컴퓨팅 디바이스들의 컴퓨팅 능력의 급속한 확장, 및 모바일 디바이스들에 대한 소프트웨어 프로그램 애플리케이션들(또는 "앱들")의 진보 및 수의 증가는 개인 생산성의 분야에서 디바이스들, 앱들 및 관련 플랫폼들에 대한 개인들의 의존성을 크게 증가시켰다. 예를 들어, 앱들은 회의들의 스케줄링, 여행 루트들의 결정, 수송 모드들의 선택, 및 다른 기능들을 위해 널리 사용된다. 피어-투-피어 자동차 공유 및 승차-호출 서비스(ride-hailing service)들(예를 들어, Uber(등록상표) 및 Lyft(등록상표))의 소비자 채택과 같은 모빌리티 서비스들의 출현 및 수락은 수송 및 모바일 애플리케이션들의 조합을 장려하였다. 차세대 모빌리티는 자율주행 및 자동화된 차량들, 전기화된 차량들, 및 온-디맨드 공유 모빌리티 및 그들이 가능하게 하는 사용 사례들에 관한 것이다. 인간의 개입 없이 동작할 수 있는 자율주행 차량들은 빠르게 개선되고 있다. 이러한 차량들이 자율주행 또는 자동화됨에 따라, 상업 및 거래 기회(transactional opportunity)들이 수송 동안 승객들 또는 사용자들에게 제시될 수 있다. 완전 자율주행 무인(pilotless) 차량들과 같은 차량들과 함께 사용하기 위한 제품들 또는 서비스들을 제공하기 위한 방법들 및 시스템들에 대한 필요성이 본 명세서에서 인식된다. 유익하게도, 이러한 제품들 또는 서비스들은 차량들의 사용자들에 대한 시간 및 자원 둘 다에서의 절감을 용이하게 할 수 있다. 그에 부가하여, 그러한 제품들 또는 서비스들을 제공하는 회사들이 차량 수송 환경 내에서 개인화된 방식으로 최종 소비자들과 더 직접 관여할 수 있게 할 수 있다. 본 개시내용은 맞춤화된 현금화 가능한 운전자 및/또는 승객 중심 서비스들로 개인화된 수송 중심 경험을 생성하기 위한 시스템들 및 방법들을 제공한다. 예를 들어, 본 개시내용의 시스템들 및 방법들은 제한된 위치 데이터에 기초하여 여행의 의도 또는 목적지를 예측하기 위해 사용되거나 구성될 수 있다. 개인화된 수송 중심 경험은 예를 들어, 자율주행 차량, 승차-호출 서비스, 차량군 기반 서비스, 미세 수송(예를 들어, 차량군 기반 수요 반응 수송), 철도 수송, 및/또는 지상 대량 수송 차량과 같은 임의의 수송 모드로 제공될 수 있다. 여행의 의도 또는 목적지는 최소의 인간 개입으로 기계 학습 시스템을 사용하여 생성, 예측, 추정 또는 결정될 수 있다. 제공된 시스템들 및 방법들은 호텔 및 접대, 식당 및 식사, 관광 및 엔터테인먼트, 헬스케어, 서비스 전달 등과 같은 산업들에서 무인(pilotless)/무인(driverless) 차량들에 대한 다양한 새로운 사용 사례들을 허용할 수 있다. 일 양태에서, 사용자가 루트를 따라 여행하는 동안 여행 의도 또는 목적지를 예측하는 방법이 제공된다. 제공된 시스템들/방법들의 사용자는 운전자, 승차-호출 서비스의 운전자와 같은 서비스 운전자, 승객, 또는 차량에 의해 수송되는 임의의 사용자일 수 있다. 방법은 (a) 루트의 시작 지리적 위치 및 사용자의 프로파일에 관한 데이터를 수신하는 단계; (b) 사용자의 프로파일에 관한 데이터에 적어도 부분적으로 기초하여, 트레이닝된 분류기(classifier)를 리트리브(retrieve)하는 단계; (c) 시작 지리적 위치에 기초하여 여행 의도 또는 목적지를 예측하기 위해 트레이닝된 분류기를 사용하는 단계; 및 (d) 사용자가 루트의 적어도 일부를 따라 차량 내에서 여행하는 동안, 하나 이상의 거래 옵션을 전자 디바이스 상에 사용자에게 제시하는 단계를 포함할 수 있으며, 하나 이상의 거래 옵션은 (c)에서 예측되는 여행 의도 또는 목적지에 기초하여 식별된다. 일부 실시예들에서, 시작 지리적 위치는 글로벌 포지셔닝 시스템(Global Positioning System; GPS) 데이터의 형태로 수신된다. 일부 실시예들에서, 시작 지리적 위치는 전자 디바이스의 지리적 위치를 부분적으로 사용하여 결정되고, 지리적 위치는 글로벌 포지션 시스템 또는 신호 삼각측량에 의해 결정된다. 일부 실시예들에서, 시작 지리적 위치는 전자 디바이스 상의 그래픽 사용자 인터페이스(graphical user interface; GUI)를 통해 사용자에 의해 입력된다. 일부 실시예들에서, 소팅되지 않은(unsorted) 지리공간 데이터(geospatial data)는 상관되지 않은(uncorrelated) GPS 데이터를 포함한다. 일부 경우들에서, 하나 이상의 트레이닝 데이터세트는 복수의 여행 데이터 레코드의 클러스터링 분석을 사용하여 획득된 라벨링된 데이터를 포함한다. 일부 경우들에서, 방법은 소팅되지 않은 또는 상관되지 않은 GPS 데이터를 하나 이상의 사람 아이덴티티와 연관시킴으로써 복수의 여행 데이터 레코드를 생성하는 단계를 더 포함한다. 일부 경우들에서, 복수의 여행 데이터 레코드는 대응하는 사람 아이덴티티의 소셜 데이터, 수송 데이터, 또는 구매 데이터에 의해 증강된다. 일부 실시예들에서, 분류기를 트레이닝하는 단계는 하나 이상의 라벨링 규칙에 기초하여 여행의 세그먼트에 대한 라벨들을 생성하는 단계를 포함한다. 일부 실시예들에서, 방법은 여행 루트의 하나 이상의 부분에 대한 수송 모드를 예측하는 단계를 더 포함한다. 일부 경우들에서, 수송 모드는 자율주행 차량, 승차-호출 서비스, 철도 수송, 및/또는 지상 대량 수송 차량을 포함한다. 일부 실시예들에서, 방법은 여행 동안 새로운 위치 데이터를 수신할 시에 여행 의도 또는 목적지를 업데이트하는 단계를 더 포함한다. 본 개시내용의 다른 양태는, 하나 이상의 컴퓨터 프로세서에 의한 실행시에, 위의 또는 본 명세서의 다른 곳의 방법들 중 임의의 방법을 구현하는 기계 실행가능 코드를 포함하는 비일시적 컴퓨터 판독가능 매체를 제공한다. 본 개시내용의 다른 양태는 사용자의 여행 의도 또는 목적지를 예측하는 시스템을 제공한다. 시스템은 하나 이상의 컴퓨터 프로세서 및 그것에 결합된 컴퓨터 메모리를 포함한다. 컴퓨터 메모리는 하나 이상의 컴퓨터 프로세서에 의한 실행 시에 위의 또는 본 명세서의 다른 곳의 방법들 중 임의의 방법을 구현하는 기계 실행가능 코드를 포함한다. 일부 실시예들에서, 하나 이상의 프로세서는 (a) 여행 루트의 시작 지리적 위치 및 사용자의 아이덴티티에 관한 데이터를 수신하고; (b) (i) 사용자의 아이덴티티에 관한 데이터 및 (ii) 소팅되지 않은 지리공간 데이터를 포함하는 하나 이상의 트레이닝 데이터세트에 적어도 부분적으로 기초하여 분류기를 트레이닝하고; (c) (b)에서 트레이닝된 분류기를 사용하여 시작 지리적 위치에 적어도 부분적으로 기초하여 여행 의도 또는 목적지를 예측하고; (d) 사용자가 여행 루트의 적어도 일부를 따라 차량 내에서 여행하고 있는 동안, 전자 디바이스 상에 하나 이상의 거래 옵션을 사용자에게 제시하기 위해 명령어들의 세트를 실행하도록 구성되고, 하나 이상의 거래 옵션은 (c)에서 예측된 여행 의도 또는 목적지에 적어도 부분적으로 기초하여 식별된다. 일부 실시예들에서, 시작 지리적 위치는 글로벌 포지셔닝 시스템(GPS) 데이터의 형태로 수신된다. 일부 실시예들에서, 시작 지리적 위치는 전자 디바이스의 지리적 위치를 부분적으로 사용하여 결정되고, 지리적 위치는 글로벌 포지션 시스템 또는 신호 삼각측량에 의해 결정된다. 일부 실시예들에서, 시작 지리적 위치는 전자 디바이스 상의 그래픽 사용자 인터페이스(GUI)를 통해 사용자에 의해 입력된다. 일부 실시예들에서, 소팅되지 않은 지리공간 데이터는 상관되지 않은 GPS 데이터를 포함한다. 일부 경우들에서, 하나 이상의 트레이닝 데이터세트는 복수의 여행 데이터 레코드의 클러스터링 분석을 사용하여 획득되는 라벨링된 데이터를 포함한다. 일부 경우들에서, 하나 이상의 프로세서는 소팅되지 않은 또는 상관되지 않은 GPS 데이터를 하나 이상의 사람 아이덴티티와 연관시킴으로써 복수의 여행 데이터 레코드를 생성하도록 추가로 구성된다. 일부 경우들에서, 복수의 여행 데이터 레코드는 대응하는 사람 아이덴티티의 소셜 데이터, 수송 데이터, 또는 구매 데이터에 의해 증강된다. 일부 실시예들에서, 하나 이상의 프로세서는 하나 이상의 라벨링 규칙에 기초하여 여행의 세그먼트에 대한 라벨들을 생성함으로써 분류기를 트레이닝하도록 구성된다. 일부 실시예들에서, 하나 이상의 프로세서는 여행 루트의 하나 이상의 부분에 대한 수송 모드를 예측하도록 추가로 구성된다. 일부 경우들에서, 수송 모드는 자율주행 차량, 승차-호출 서비스, 철도 수송, 및/또는 지상 대량 수송 차량을 포함한다. 일부 실시예들에서, 하나 이상의 프로세서는 여행 동안 새로운 위치 데이터를 수신할 시에 여행 의도 또는 목적지를 업데이트하도록 추가로 구성된다. 본 개시내용의 추가적인 양태들 및 장점들은 아래의 상세한 설명으로부터 이 분야의 기술자들에게 쉽게 명백해질 것이며, 본 개시내용의 예시적인 실시예들만이 도시되고 설명된다. 인식되듯이, 본 개시내용은 다른 그리고 상이한 실시예들이 가능하고, 그의 여러 상세는 모두 본 개시내용으로부터 벗어나지 않고 다양한 명백한 양태들에서 수정될 수 있다. 따라서, 도면들 및 설명은 사실상 예시적인 것으로 간주되며, 한정적인 것으로 간주되지 않아야 한다. 참고문헌의 포함 본 명세서에서 언급된 모든 공보, 특허, 및 특허 출원은 각각의 개별 공보, 특허, 또는 특허 출원이 참고로 포함되는 것으로 구체적으로 그리고 개별적으로 표시되는 경우와 동일한 정도로 본 명세서에 참고로 포함된다. 참고로 포함되는 공보 및 특허 또는 특허 출원이 본 명세서에 포함된 개시내용과 모순되는 한, 본 명세서는 임의의 이러한 모순되는 자료를 대체하고/하거나 이에 우선하는 것으로 의도된다. 본 발명의 새로운 특징들은 첨부