[發明專利]數據處理設備、數據處理方法和程序

無效

• 申請號: 201110147504.2
• 申請日: 2011-05-27
• 公開（公告）號: CN102270191A
• 公開（公告）日: 2011-12-07
• 發明（設計）人: 井手直紀;伊藤真人;佐部浩太郎
• 申請（專利權）人: 索尼公司
• 主分類號: G06F15/18
• 分類號: G06F15/18;G06N99/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 朱勝;苗迎華

1.一種數據處理設備，包括：

學習裝置，其將作為學習數據獲得的用戶移動歷史數據表達為概率模型，并學習所述模型的參數，其中，所述概率模型表達用戶的活動；

目的地和中途停留地估計裝置，其從所述概率模型的狀態節點中估計與移動的目的地和中途停留地等同的目的地節點和中途停留地節點，所述概率模型使用通過學習獲得的所述參數；

當前位置估計裝置，其在使用通過學習獲得的所述參數的所述概率模型中輸入與所述學習數據不同并且在從當前時間起的預定時間內的用戶移動歷史數據，并估計與所述用戶的當前位置等同的當前位置節點；

搜索裝置，其使用關于所估計的目的地節點、中途停留地節點和當前位置節點的信息以及通過學習獲得的所述概率模型來搜索從所述用戶的當前位置至目的地的路線；以及

計算裝置，其計算到所搜索到的目的地的到達概率和所需時間。

2.根據權利要求1所述的數據處理設備，進一步包括：

移動屬性辨別裝置，其針對構成所述移動歷史數據的每一單元三維數據的至少辨別靜止狀態和移動狀態，

其中，所述目的地和中途停留地估計裝置將與其中所述靜止狀態已經持續預定閾值時間或更久的所述移動歷史數據對應的狀態節點估計為所述目的地節點，并將與其中所述靜止狀態的持續時間小于預定閾值時間的所述移動歷史數據對應的狀態節點估計為所述中途停留地節點。

3.根據權利要求2所述的數據處理設備，進一步包括：

數據加工裝置，其將其中所述靜止狀態已經持續所述預定閾值時間或更久的所述移動歷史數據校正為同一位置的數據，

其中，所述學習裝置使用利用所述數據加工裝置加工的所述學習數據來學習所述概率模型的參數。

4.根據權利要求1所述的數據處理設備，

其中，所述學習裝置采用隱馬爾可夫模型作為表達所述用戶的活動的概率模型，并學習所述參數，以使得當使用所述隱馬爾可夫模型來建模所述移動歷史數據時似然度最大化。

5.根據權利要求1所述的數據處理設備，

其中，所述當前位置估計裝置計算使用通過學習獲得的所述參數的所述概率模型的狀態節點系列數據，并將所計算的狀態節點系列數據中的最后一個節點設置為與所述用戶的當前位置等同的節點，其中，所述概率模型的狀態節點系列數據對應于在從所述當前時間起的預定時間內的所述用戶的所述移動歷史數據。

6.根據權利要求1所述的數據處理設備，

其中，在由有可能從所述用戶的當前位置節點轉換到的狀態節點形成的樹結構中，所述搜索裝置以所述當前位置節點為起點，搜索到目的地節點或到沒有轉換目的地情況下的終端節點的所有狀態節點，或進行搜索直到搜索的次數達到作為完成條件的預定次數，并將從所述用戶的當前位置至所述目的地的路線確定為從所述當前位置節點起的狀態節點系列。

7.根據權利要求6所述的數據處理設備，

其中，所述搜索裝置使用深度優先算法來執行處理，所述深度優先算法從具有較高選擇概率的分支組成的路線中進行搜索。

8.根據權利要求1所述的數據處理設備，

其中，所述計算裝置通過計算到所搜索到的目的地節點的所述狀態節點系列的標準化轉換概率的聯合概率，來計算到所述目的地的路線的選擇概率。

9.根據權利要求8所述的數據處理設備，

其中，在存在到所述目的地的多個路線的情況下，所述計算裝置使用多個選擇概率的總和來計算到所述目的地的到達概率。

10.根據權利要求8所述的數據處理設備，

其中，所述計算裝置將搜索結果中從所述用戶的當前位置至所述目的地的路線中對于各個目的地來說具有最高選擇概率的路線計算為每一個目的地的代表性路線，并計算所述代表性路線的所需時間作為到所述目的地的所需時間。

11.根據權利要求8所述的數據處理設備，

其中，在存在沒有中途停留地的路線和具有中途停留地的路線作為到所述目的地的路線的情況下，所述計算裝置將所述沒有中途停留地的路線和具有中途停留地的路線計算為到每一個目的地的代表性路線，并將每一個路線的所需時間計算為到所述目的地的所需時間。