学习设备和方法、预测设备和方法及程序

1.一种学习设备，包括：
位置采集装置，用于采集关于用户的位置的时序数据；
时间采集装置，用于采集关于时间的时序数据；以及
学习装置，用于使用相应采集的关于位置和时间的时序数据作为输入来学习表明所述用户的活动状态的活动模型作为概率状态转变模型。
2.根据权利要求1所述的学习设备，
还包括日子采集装置，用于采集关于日子的时序数据，
其中所述学习装置还使用所述关于日子的时序数据作为输入来学习表明所述用户的活动状态的所述活动模型。
3.根据权利要求2所述的学习设备，
还包括交通条件采集装置和天气条件采集装置中的至少一个，所述交通条件采集装置用于采集关于交通条件的时序数据，所述天气条件采集装置用于采集关于天气条件的时间序列数据，
其中所述学习装置还使用所述关于交通条件和天气条件中的至少一个的时序数据作为输入来学习表明所述用户的活动状态的所述活动模型。
4.根据权利要求1所述的学习设备，还包括：
附加信息采集装置，用于采集关于除了所述用户的位置和时间之外的一个或者多个类型的附加信息的时序数据；
状态序列生成装置，用于通过输入所述学习装置学习的所述用户的活动模型中的所述采集的关于位置和时间的时序数据、根据所述关于位置和时间的时序数据来生成关于状态节点的时序数据，并且输出所述用户的活动模型的所述关于状态节点的时序数据；
选择装置，用于对应地存储所述附加信息采集装置采集的所述关于附加信息的时序数据和所述状态序列生成装置生成的所述关于状态节点的时序数据，并且用于在使用由所述学习装置学习的所述用户的活动模型来预测所述用户在当前时间点的活动模型的情况下、从所述存储的时序数据之中仅选择与所述附加信息采集装置采集的在当前时间点的附加信息对应的关于状态节点的时序数据；以及
重新计算装置，用于使用由所述选择装置选择的所述关于状态节点的时序数据、通过统计过程来重新计算用于所述用户的活动模型的参数。
5.一种由学习设备进行的学习方法，所述学习设备识别表明用户的活动状态的活动模型并且学习用于在预测所述用户的行为的预测设备中使用的所述用户的活动模型作为概率状态转变模型，所述方法包括以下步骤：
采集关于所述用户的位置的时序数据；
采集关于时间的时序数据；并且
使用相应采集的关于位置和时间的时序数据作为输入来学习所述用户的活动模型作为所述概率状态转变模型。
6.一种在计算机中作为以下装置来工作的程序，所述装置包括：
位置采集装置，用于采集关于用户的位置的时序数据；
时间采集装置，用于采集关于时间的时序数据；以及
学习装置，用于使用相应采集的关于位置和时间的时序数据作为输入来学习表明所述用户的活动状态的活动模型作为概率状态转变模型。
7.一种预测设备，包括：
位置采集装置，用于采集关于用户的位置的时序数据；
时间采集装置，用于采集关于时间的时序数据；
行为识别装置，用于使用所述用户的活动模型来识别所述用户的当前位置，其中所述活动模型表明所述用户的活动状态，并且所述活动模型由学习设备使用相应采集的关于位置和时间的时序数据作为输入通过作为概率状态转变模型来学习而获得；
行为预测装置，用于根据所述行为识别装置识别的所述用户的当前位置预测可能路径和所述路径的选择概率；以及
到达时间预测装置，用于根据所述预测的路径和选择概率来预测到达目的地的到达时间和到达概率。
8.根据权利要求7所述的预测设备，
还包括日子采集装置，用于采集关于日子的时序数据，
其中所述学习设备还使用所述关于日子的时序数据作为输入来学习所述用户的活动模型，并且
其中所述行为识别装置和所述行为预测装置使用通过还使用所述关于日子的时序数据作为输入来进行学习而获得的所述用户的活动模型。
9.根据权利要求7所述的预测设备，还包括：
附加信息采集装置，用于采集关于除了所述用户的位置和时间之外的一个或者多个类型的附加信息的时序数据；
选择装置，用于对应地存储所述学习设备的状态序列生成装置生成的关于状态节点的时序数据和在采集作为所述学习数据的关于位置和时间的时序数据时的关于附加信息的时序数据，其中所述学习设备的状态序列生成装置根据所述关于位置和时间的时序数据、通过输入作为被学习的所述用户的所述活动模型中的学习数据的所述关于位置和时间的时序数据并且通过输出关于所述用户的所述活动模型的状态节点的时序数据而生成所述关于状态节点的时序数据；并且所述选择装置用于从所存储的时序数据之中仅选择与所述附加信息采集装置采集的在当前时间点的附加信息对应的所述关于状态节点的时序数据；
以及
重新计算装置，用于使用由所述选择装置选择的所述关于状态节点的时序数据通过统计过程来重新计算用于所述用户的活动模型的参数。
10.根据权利要求9所述的预测设备，
其中所述学习设备除了所述用户的位置之外还使用关于移动速度的时序数据来学习所述用户的所述活动模型，
其中所述行为识别装置使用通过还使用关于所述用户的移动速度的时序数据作为输入的所述学习而获得的所述用户的活动模型来进一步识别至少包括移动状态和静止状态的所述用户的行为状态，并且
其中所述到达时间预测装置还预测其中所述用户的移动状态变成静止状态的状态节点作为所述目的地。
11.一种由预测设备进行的预测方法，所述预测设备使用用户的活动模型来进行预测，其中学习设备学习表明所述用户的活动状态的所述活动模型作为概率状态转变模型，所述方法包括以下步骤：
采集关于所述用户的位置的时序数据；
采集关于时间的时序数据；并且
使用由所述学习设备使用所述相应采集的关于位置和时间的时序数据作为输入而学习的所述用户的所述活动模型来识别所述用户的当前位置；
根据所识别的所述用户的当前位置来预测可能路径和所述路径的选择概率；并且根据所预测的路径和选择概率来预测到达目的地的到达时间和到达概率。
12.一种在计算机中作为以下装置来工作的程序，所述装置包括：
位置采集装置，用于采集关于用户的位置的时序数据；
时间采集装置，用于采集关于时间的时序数据；
行为识别装置，用于使用所述用户的活动模型来识别所述用户的当前位置，其中所述活动模型表明所述用户的活动状态，并且学习设备使用所述相应采集的关于位置和时间的时序数据作为输入通过作为概率状态转变模型来学习而获得所述活动模型；
行为预测装置，用于根据所述行为识别装置识别的所述用户的所述当前位置预测可能路径和所述路径的选择概率；以及
到达时间预测装置，用于根据所述预测的路径和选择概率来预测到达目的地的到达时间和到达概率。
13.一种学习设备，包括：
位置采集部，采集关于用户的位置的时序数据；
时间采集部，采集关于时间的时序数据；以及
学习部，使用所述相应采集的关于位置和时间的时序数据作为输入来学习表明所述用户的活动状态的活动模型作为概率状态转变模型。
14.一种预测设备，包括：
位置采集部，采集关于用户的位置的时序数据；
时间采集部，采集关于时间的时序数据；
行为识别部，使用所述用户的活动模型来识别所述用户的当前位置，其中所述活动模型表明所述用户的活动状态，并且学习设备使用所述相应采集的关于位置和时间的时序数据作为输入通过作为概率状态转变模型来学习而获得所述活动模型；
行为预测部，根据所述行为识别部识别的所述用户的当前位置预测可能路径和所述路径的选择概率；以及
到达时间预测部，根据所述预测的路径和选择概率来预测到达目的地的到达时间和到达概率。

暂无