Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020096824 - CLASSIFICATION PERSONNALISÉE AUTOMATISÉE DE DONNÉES DE TRAJETS CAPTURÉES PAR UN OU PLUSIEURS DISPOSITIFS DE DÉTECTION DE MOUVEMENT

Numéro de publication WO/2020/096824
Date de publication 14.05.2020
N° de la demande internationale PCT/US2019/058688
Date du dépôt international 30.10.2019
CIB
G01C 21/36 2006.01
GPHYSIQUE
01MÉTROLOGIE; TESTS
CMESURE DES DISTANCES, DES NIVEAUX OU DES RELÈVEMENTS; GÉODÉSIE; NAVIGATION; INSTRUMENTS GYROSCOPIQUES; PHOTOGRAMMÉTRIE OU VIDÉOGRAMMÉTRIE
21Navigation; Instruments de navigation non prévus dans les groupes G01C1/-G01C19/106
26spécialement adaptés pour la navigation dans un réseau routier
34Recherche d'itinéraire; Guidage en matière d'itinéraire
36Dispositions d'entrée/sortie pour des calculateurs embarqués
G06Q 10/06 2012.01
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
10Administration; Gestion
06Ressources, gestion de tâches, gestion d'hommes ou de projets, p.ex. organisation, planification, ordonnancement ou affectation de ressources en temps, hommes ou machines; Planification dans l'entreprise; Modèles organisationnels
CPC
G01C 21/3617
GPHYSICS
01MEASURING; TESTING
CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
21Navigation; Navigational instruments not provided for in preceding groups G01C1/00-G01C19/00
26specially adapted for navigation in a road network
34Route searching; Route guidance
36Input/output arrangements for on-board computers
3605Destination input or retrieval
3617using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
G06N 3/02
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
G06Q 10/063
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
10Administration; Management
06Resources, workflows, human or project management, e.g. organising, planning, scheduling or allocating time, human or machine resources; Enterprise planning; Organisational models
063Operations research or analysis
G07C 3/02
GPHYSICS
07CHECKING-DEVICES
CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
3Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
02Registering or indicating working or idle time only
Déposants
  • MICROSOFT TECHNOLOGY LICENSING, LLC [US]/[US]
Inventeurs
  • WAGLE, Justin James
  • ROTH, Nathaniel Gunther
  • LIU, Qian
  • ELIYAHU, Pnina
  • RAZA, Syed Farhan
  • BELLAY, Timothy Edward
  • UDIPI, Rahul Anantha Padmanabha
Mandataires
  • MINHAS, Sandip S.
  • ADJEMIAN, Monica
  • BARKER, Doug
  • CHATTERJEE, Aaron C.
  • CHEN, Wei-Chen Nicholas
  • CHOI, Daniel
  • CHURNA, Timothy
  • DINH, Phong
  • EVANS, Patrick
  • GABRYJELSKI, Henry
  • GOLDSMITH, Micah P.
  • GUPTA, Anand
  • HINOJOSA-SMITH, Brianna L.
  • HWANG, William C.
  • JARDINE, John S.
  • LEE, Sunah
  • LEMMON, Marcus
  • MARQUIS, Thomas
  • MEYERS, Jessica
  • ROPER, Brandon
  • SPELLMAN, Steven
  • SULLIVAN, Kevin
  • SWAIN, Cassandra T.
  • TABOR, Ben
  • WALKER, Matt
  • WIGHT, Stephen A.
  • WISDOM, Gregg
  • WONG, Ellen
  • WONG, Thomas S.
  • ZHANG, Hannah
  • TRAN, Kimberly
Données relatives à la priorité
16/198,85322.11.2018US
62/756,42006.11.2018US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) AUTOMATED PERSONALIZED CLASSIFICATION OF JOURNEY DATA CAPTURED BY ONE OR MORE MOVEMENT-SENSING DEVICES
(FR) CLASSIFICATION PERSONNALISÉE AUTOMATISÉE DE DONNÉES DE TRAJETS CAPTURÉES PAR UN OU PLUSIEURS DISPOSITIFS DE DÉTECTION DE MOUVEMENT
Abrégé
(EN)
A technique is described herein for automatically logging journeys taken by a user, and then automatically classifying the purposes of the journeys. In one implementation, the technique obtains journey data from one or more movement-sensing devices as a user travels from a starting location to an ending location in a vehicle. The technique generates a set of features based on the journey data, and then uses a machine-trainable model (such as a neural network) to make its classification based on the features. The machine-trainable model accepts at least one feature that is based on statistical information regarding at least one aspect of prior journeys that the user has taken. Overall, the technique provides a resource-efficient solution that rapidly provides personalized results to individual respective users. In some implementations, the technique performs its personalization without sharing journey data with a remote server.
(FR)
L'invention concerne une technique permettant de consigner automatiquement les trajets effectués par un utilisateur, puis de classifier automatiquement les objectifs des trajets. Dans un mode de réalisation, la technique obtient des données de trajets en provenance d'un ou plusieurs dispositifs de détection de mouvement lorsqu'un utilisateur se déplace depuis un emplacement de départ vers un emplacement d'arrivée dans un véhicule. La technique génère un ensemble de caractéristiques en fonction des données de trajet et utilise ensuite un modèle à apprentissage automatique (tel qu'un réseau neuronal) pour effectuer sa classification en fonction des caractéristiques. Le modèle à apprentissage automatique accepte au moins une caractéristique fondée sur des informations statistiques concernant au moins un aspect de trajets précédents effectués par l'utilisateur. D'une manière générale, la technique fournit une solution efficace en ressources qui fournit rapidement des résultats personnalisés à des utilisateurs respectifs individuels. Dans certains modes de réalisation, la technique réalise sa personnalisation sans partager des données de trajet avec un serveur distant.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international