As the reliance of location on mobi

As the reliance of location on mobile applications getting increased, some of them
require continuous tracking of location to infer high level information i.e. places
visited by user in everyday life, routes taken by users between a set of places. People
spends approx 80 ✁ 90% time in indoors places on an average [91, 56]. Finding
everyday places from a user’s mobility has critical importance for many context aware
applications. For example, many context-aware applications use place information
to enable geo-reminders (reminds whenever a user is at a specified places to perform
a task) [108, 140], participatory sensing [113], content-sharing decisions [145], crowd
sourcing location-based queries [43], advertisements [89] etc. Popular social networks
such as FourSquare and Facebook places also use place information for automatic
checkins etc. Similarly, there are many services that require routes (trajectory)
travelled by a user such as pollution impact report [113], healthcare [41], traffic
estimation, ride-sharing, and advertisements/recommendations [95].
A mobility profile for a user consists of all the places visited by her with their
56
respective arrival and departure time information. Recently, there has been growing
interest to automatically infer different places visited by users from raw location
information provided by different localization schemes. Most of research work in
this space use GPS and WiFi [152, 91, 56] to continuously track user’s location and
find places by applying different clustering algorithms. For instance, WiFi-based
schemes such as Jyotish [152] keeps scanning nearby WiFi APs at a regular interval
and then a clustering algorithm is applied to map/classify WiFi APs to physical
places automatically. The clustering algorithm works on assumption that user is
unlikely to see same set of WiFi APs on different places that she visits.
However, current schemes of building mobility profiles are not designed for feature
phones. In addition, they are power hungry. There is need of a new approach to
find places information from mobility data, which has much wider availability than
current approaches and should be energy-efficient. Previous research have shown
that capturing GSM location information on a phone is energy-efficient as compared
to GPS or WiFi [146, 72, 54]. Also, many applications do not require high granularity
of accuracy (such as room level) in case of place discovery. We will be discussing
such applications in later parts of this chapter. Bayir et al [37] proposed a framework
that discovers places using GSM data and evaluated it with publicly available reality
mining dataset. However, their framework takes help of manually tagged Cell IDs
for clustering. There is a lack of a framework that can discover places using GSM
data without human intervention/tagging.
We propose a system PlaceMap to discover places and routes visited by a mobile
users using only GSM information. Similar to WiFi-based approaches, our framework
keeps track of Cell IDs continuously and then uses a clustering algorithm to segregate
Cell IDs according to physical places. One of the main challenge encountered by Cell
ID clustering is that Cell IDs keep on changing even if user stays at a same place
due to high density of Cell towers in urban areas. The main contributions of this
57
chapter are as follows:
1. We propose a graph-based clustering algorithm (GCA ) to discover places solely
from GSM (Cell ID) information only. To increase the accuracy of GCA , we
develop algorithms, which use an initial training of WiFi/GPS data to learn
places and later use Cell ID data only.
2. Based on extracted places using GSM data, we estimate the arrival and departure
time as well as the routes that a user takes between any two places.
3. We did an extensive evaluation of proposed algorithms on two extensive mobility
traces dataset i.e. self collected dataset (Location : India, Number of users
: 62, Duration : 1 month) and MDC dataset (Location : Switzerland, Number
of users : 38, Duration : 12 months).
4. We designed and developed a system PlaceMap that uses above mentioned
algorithms and provide APIs for third party application developers. Developers
can use PlaceMap APIs for building context-aware applications, which need
fine-grained information about places that she visits, arrival/departure time at
the places and frequent routes undertaken by her.
Current mobile operating systems do not provide any support for mobile applications,
which require place information. As a result, each mobile application
implement their own algorithms/techniques to infer places using various location interfaces,
which create communication, processing and battery overheard on mobile
phones. PlaceMap removes this redundancy and provides a common mobile-cloud
service to infer and manage user’s mobility into set of places and routes. Hence, one
of the main advantage for third party application developers is that they can offload
the mobility management overhead to PlaceMap without worrying about low level
implementation

ผลลัพธ์ (ไทย) 1:

เป็นการอ้างอิงตำแหน่งบนแอพพลิเคชันโมบายได้รับเพิ่มขึ้น บางส่วนของพวกเขาต้องติดตามต่อเนื่องของสถานที่รู้ข้อมูลระดับสูงเช่นสถานเข้าเยี่ยมชม โดยผู้ใช้ในชีวิตประจำวัน เส้นทางที่ดำเนินการ โดยผู้ใช้ระหว่างชุดของสถาน คนใช้เวลา 90% ✁ประมาณ 80 ในในร่มสถานที่บนเฉลี่ย [91, 56] การค้นหาทุกสถานที่จากการเคลื่อนไหวของผู้ใช้มีความสำคัญสำคัญในหลายบริบทที่เกี่ยวข้องใช้งาน ตัวอย่าง โปรแกรมประยุกต์ทราบบริบทมากใช้ข้อมูลสถานที่ให้แก้วเตือน (เตือนเมื่อใดก็ตามผู้ใช้เป็นสถานที่ระบุการงาน) [108, 140], [113] ตรวจมีส่วนร่วม เนื้อหาร่วมกันตัดสินใจ [145] ฝูงชนจัดหาจัดสอบถาม [43] โฆษณาฯลฯ [89] เครือข่ายสังคมยอดนิยมโฟร์สแควร์กอสเปลและ Facebook สถานยังใช้สถานที่ข้อมูลอัตโนมัติcheckins เป็นต้น ในทำนองเดียวกัน มีบริการหลายอย่างที่ต้องใช้เส้นทาง (วิถี)เดินทาง โดยผู้ใช้เช่นรายงานมลพิษผลกระทบ [113], แพทย์ [41], จราจรการประเมิน ร่วมนั่ง กโฆษณา/แนะนำ [95]โพรไฟล์ผู้ใช้เคลื่อนไหวประกอบด้วยสถานทั้งหมดที่เข้าเยี่ยมชม โดยเธอกับพวกเขา56เกี่ยวข้องถึงและออกเวลาข้อมูล เมื่อเร็ว ๆ นี้ มีมีการเติบโตสนใจรู้สถานต่าง ๆ ที่เข้าเยี่ยมชม โดยผู้ใช้จากวัตถุดิบโดยอัตโนมัติข้อมูลโดยแผนงานแปลต่าง ๆ ส่วนใหญ่ของงานวิจัยพื้นที่นี้ใช้ GPS และ WiFi [152, 91, 56] เพื่อติดตามตำแหน่งของผู้ใช้อย่างต่อเนื่อง และค้นหาสถานที่ โดยใช้อัลกอริทึมระบบคลัสเตอร์ที่แตกต่างกัน ตัวอย่าง WiFi ตามแผนงานเช่น Jyotish [152] ช่วยให้การสแกนใกล้เคียงกับจุดการเข้าถึงไร้สายในช่วงเวลาปกติแล้ว ใช้อัลกอริทึมเป็นระบบคลัสเตอร์กับแผนที่/จัดประเภท WiFi APs ไปจริงทำโดยอัตโนมัติ อัลกอริทึมระบบคลัสเตอร์ทำงานในสมมติฐานจะไม่น่าดูชุดเดียวกันของจุดการเข้าถึงไร้สายในสถานต่าง ๆ ที่เธอได้เข้าชมอย่างไรก็ตาม แผนปัจจุบันสร้างโพรไฟล์การเคลื่อนไหวออกกำลังกายไม่คุณลักษณะโทรศัพท์มือถือ นอกจากนี้ พวกเขาจะกำลังหิว มีความต้องการของวิธีการใหม่ค้นหาสถานข้อมูลจากข้อมูลการเคลื่อนไหว ซึ่งมีความพร้อมใช้งานที่กว้างมากกว่าวิธีปัจจุบัน และควรจะประหยัดพลังงาน งานวิจัยก่อนหน้านี้ได้แสดงให้เห็นข้อมูลสถานที่ GSM ที่จับบนโทรศัพท์เป็นพลังงานอย่างมีประสิทธิภาพเป็นการเปรียบเทียบGPS หรือ WiFi [146, 72, 54] ยัง โปรแกรมประยุกต์จำนวนมากไม่ต้องการส่วนประกอบสูงความถูกต้อง (เช่นห้องระดับ) ในกรณีค้นพบ เราจะคุยโปรแกรมประยุกต์ดังกล่าวในส่วนต่อไปของบทนี้ กรอบการนำเสนอ Bayir et al [37]พบสถานที่ใช้ข้อมูล GSM และประเมินพร้อมเผยความจริงชุดข้อมูลการทำเหมือง อย่างไรก็ตาม กรอบของพวกเขาจะใช้รหัสเซลล์ติดแท็กด้วยตนเองสำหรับคลัสเตอร์ มีการขาดของกรอบที่สามารถค้นพบสถานที่ใช้ GSMข้อมูล โดยมนุษย์แทรกแซง/ติดป้ายเรานำเสนอระบบ PlaceMap เยือนสถานและเส้นทางการเข้าชมจากนั้นผู้ใช้ที่ใช้ข้อมูล GSM เท่านั้น คล้ายกับวิธีใช้ WiFi กรอบของเราเก็บของรหัสเซลล์อย่างต่อเนื่องแล้ว ใช้อัลกอริทึมเป็นระบบคลัสเตอร์ segregateรหัสเซลล์ตามสถานจริง ความท้าทายหลักที่พบ โดยเซลล์อย่างใดอย่างหนึ่งรหัสคลัสเตอร์จะให้รหัสเซลล์ในการเปลี่ยนแปลงแม้ว่าผู้ใช้อยู่ในเดียวกันเนื่องจากเซลล์อาคารในเขตเมืองหนาแน่น การจัดสรรหลักนี้57บทมีดังนี้:1. เราเสนอเป็นกราฟตามระบบคลัสเตอร์อัลกอริทึม (GCA) เยือนสถานเท่านั้นจากข้อมูล GSM (เซลล์ ID) เท่านั้น เพื่อเพิ่มความแม่นยำของ GCA เราพัฒนาอัลกอริทึม ซึ่งใช้ฝึกการเริ่มต้นของข้อมูล WiFi/GPS เพื่อการเรียนรู้สถานและใช้ข้อมูล ID เซลล์เท่านั้น2. ตามสถานที่แยกใช้ข้อมูล GSM เราประเมินมาและเวลาตลอดจนเส้นทางที่ผู้ใช้ระหว่างสองตำแหน่งใด ๆ3. เราทำการประเมินอย่างละเอียดของอัลกอริทึมที่นำเสนอบนเคลื่อนสองอย่างละเอียดชุดข้อมูลเช่นตนเองรวบรวมชุดข้อมูลการสืบค้นกลับ (สถานที่ตั้ง: ประเทศอินเดีย จำนวนผู้ใช้: 62 ระยะเวลา: 1 เดือน) และชุดข้อมูล MDC (สถานที่ตั้ง: สวิตเซอร์แลนด์ เลขผู้ใช้: 38 ระยะเวลา: เดือน 12)4. เราออกแบบ และพัฒนาระบบ PlaceMap ที่ใช้ดังกล่าวข้างต้นอัลกอริทึมให้ APIs สำหรับนักพัฒนาแอพลิเคชันของบุคคลที่สาม นักพัฒนาสามารถใช้ PlaceMap APIs สำหรับการสร้างโปรแกรมประยุกต์ทราบบริบท ที่จำเป็นทรายแป้งละเอียดข้อมูลเกี่ยวกับสถานที่เธอชม เวลารถรับสถานและเส้นทางประจำที่ดำเนินการ โดยเธอปัจจุบันโทรศัพท์มือถือระบบปฏิบัติการที่ให้การสนับสนุนใด ๆ สำหรับการใช้งานโทรศัพท์มือถือซึ่งต้องการข้อมูลที่ เป็นผล แต่ละแอพพลิเคชันโมบายใช้อัลกอริทึม/เทคนิคของตนเองรู้สถานที่ใช้อินเทอร์เฟสที่ตั้งต่าง ๆการสร้างสื่อสาร การประมวลผล และแบตเตอรี่ overheard บนมือถือโทรศัพท์มือถือ PlaceMap เอานี้ซ้ำ และให้เมฆเคลื่อนที่ทั่วไปบริการรู้ และจัดการการเคลื่อนที่ของผู้ใช้ในสถานและเส้นทาง ดังนั้น หนึ่งประโยชน์หลักสำหรับนักพัฒนาแอพลิเคชันของบุคคลที่สามเป็นที่พวกเขาสามารถถ่ายโหลดเคลื่อนไหวจัดการค่าใช้จ่าย PlaceMap โดยไม่ต้องกังวลเกี่ยวกับระดับต่ำนำไปใช้

ผลลัพธ์ (ไทย) 2:

ขณะที่ความเชื่อมั่นของสถานที่ในการใช้งานโทรศัพท์มือถือได้รับการเพิ่มขึ้นบางส่วนของพวกเขาจำเป็นต้องมีการติดตามอย่างต่อเนื่องของสถานที่เพื่อสรุปข้อมูลในระดับสูงเช่นสถานที่ชมโดยผู้ใช้ในชีวิตประจำวันเส้นทางที่ถ่ายโดยผู้ใช้ระหว่างชุดของสถานที่ คนใช้เวลาประมาณ 80 ✁เวลา 90% ในที่ร่มโดยเฉลี่ย [91 56] การหาสถานที่ในชีวิตประจำวันจากการเคลื่อนไหวของผู้ใช้มีความสำคัญสำหรับหลายบริบทตระหนักถึงการใช้งาน ยกตัวอย่างเช่นการใช้งานตามบริบทจำนวนมากใช้ข้อมูลสถานที่เพื่อเปิดใช้งานการแจ้งเตือนทางภูมิศาสตร์(แจ้งเตือนเมื่อใดก็ตามที่ผู้ใช้อยู่ในสถานที่ที่ระบุไว้ในการดำเนินงาน) [108, 140] การตรวจจับแบบมีส่วนร่วม [113] การตัดสินใจเนื้อหาร่วมกัน [145] ฝูงชนจัดหาคำสั่งตามสถานที่[43] โฆษณา [89] ฯลฯ เครือข่ายสังคมยอดนิยมเช่นสถานที่FourSquare และ Facebook ยังใช้ข้อมูลสถานที่สำหรับอัตโนมัติcheckins อื่น ๆ ในทำนองเดียวกันมีบริการจำนวนมากที่ต้องใช้เส้นทาง (วิถี) เดินทางโดย ของผู้ใช้เช่นรายงานผลกระทบมลพิษ [113], สุขภาพ [41] การจราจรประมาณค่าการนั่งร่วมกันและการโฆษณา/ คำแนะนำ [95]. รายละเอียดการเคลื่อนไหวสำหรับผู้ใช้ประกอบด้วยทุกสถานที่ที่เข้าชมโดยเธอกับของพวกเขา56 มาถึงตนและ ข้อมูลเวลาออกเดินทาง เมื่อเร็ว ๆ นี้ได้มีการเจริญเติบโตที่น่าสนใจเพื่อสรุปโดยอัตโนมัติสถานที่ต่างๆ เข้าเยี่ยมชมโดยผู้ใช้จากตำแหน่งดิบข้อมูลจากรูปแบบที่แตกต่างกันการแปล ที่สุดของการทำงานวิจัยในจีพีเอสใช้พื้นที่นี้และ WiFi [152, 91, 56] อย่างต่อเนื่องเพื่อติดตามตำแหน่งของผู้ใช้และหาสถานที่โดยใช้ขั้นตอนวิธีการจัดกลุ่มที่แตกต่างกัน ยกตัวอย่างเช่น, อินเตอร์เน็ตไร้สายตามแผนดังกล่าวเป็นJyotish [152] ช่วยให้การสแกน APs อินเตอร์เน็ตไร้สายที่ใกล้เคียงในช่วงเวลาปกติแล้วขั้นตอนวิธีการจัดกลุ่มถูกนำไปใช้แผนที่/ จำแนก APs WiFi เพื่อทางกายภาพสถานที่โดยอัตโนมัติ การจัดกลุ่มขั้นตอนวิธีการทำงานบนสมมติฐานที่ว่าผู้ใช้จะไม่น่าจะเห็นชุดเดียวกันของ APs อินเตอร์เน็ตไร้สายในสถานที่แตกต่างกันที่เธอเข้าชม. แต่ปัจจุบันรูปแบบของการสร้างรูปแบบการเคลื่อนไหวที่ไม่ได้ออกแบบมาสำหรับคุณลักษณะโทรศัพท์ นอกจากนี้พวกเขามีความกระหายอำนาจ มีความจำเป็นของแนวทางใหม่ในการหาสถานที่ข้อมูลจากข้อมูลการเคลื่อนไหวที่มีความพร้อมมากยิ่งขึ้นกว่าวิธีการในปัจจุบันและควรจะเป็นพลังงานที่มีประสิทธิภาพ วิจัยก่อนหน้านี้ได้แสดงให้เห็นว่าการจับข้อมูลสถานที่บนโทรศัพท์ GSM เป็นพลังงานที่มีประสิทธิภาพเมื่อเทียบกับการจีพีเอสหรือWiFi [146, 72, 54] นอกจากนี้ยังมีการใช้งานมากไม่จำเป็นต้องมีความละเอียดสูงของความถูกต้อง (เช่นระดับห้องพัก) ในกรณีของการค้นพบสถานที่ เราจะคุยงานดังกล่าวต่อมาในส่วนของบทนี้ Bayir et al, [37] เสนอกรอบการทำงานที่ค้นพบสถานที่โดยใช้ข้อมูลGSM และประเมินมันกับความเป็นจริงที่เปิดเผยต่อสาธารณชนชุดข้อมูลการทำเหมืองแร่ อย่างไรก็ตามกรอบการทำงานของพวกเขาจะช่วยของตนเองที่ติดแท็กรหัสมือถือสำหรับการจัดกลุ่ม มีการขาดของกรอบที่สามารถค้นพบสถานที่ที่ใช้ระบบ GSM เป็นข้อมูลที่ไม่มีการแทรกแซงของมนุษย์/ การติดแท็ก. เราเสนอ PlaceMap ระบบที่จะค้นพบสถานที่และเส้นทางการเข้าชมโดยมือถือของผู้ใช้ที่ใช้เฉพาะข้อมูลGSM คล้ายกับแนวทางอินเตอร์เน็ตไร้สายตามกรอบการทำงานของเราติดตามอย่างต่อเนื่องรหัสมือถือแล้วใช้ขั้นตอนวิธีการจัดกลุ่มเพื่อแยกรหัสมือถือตามสถานที่ทางกายภาพ หนึ่งในความท้าทายหลักของเซลล์ที่พบโดยการจัดกลุ่ม ID เป็นรหัสของเซลล์ที่เก็บในการเปลี่ยนแม้ว่าผู้ใช้อยู่ในสถานที่เดียวกันเนื่องจากความหนาแน่นสูงของอาคารเซลล์ในพื้นที่เขตเมือง ผลงานหลักนี้57 บทมีดังนี้1 เราเสนอการจัดกลุ่มอัลกอริทึมที่ใช้กราฟ (GCA) เพื่อค้นพบสถานที่ แต่เพียงผู้เดียวจากGSM (ID เซลล์) ให้ข้อมูลเท่านั้น เพื่อเพิ่มความถูกต้องของ GCA ที่เราพัฒนาอัลกอริทึมที่ใช้ฝึกอบรมครั้งแรกของข้อมูลWiFi / จีพีเอสที่จะเรียนรู้สถานที่และต่อมาใช้ข้อมูลของเซลล์ID เท่านั้น. 2 ขึ้นอยู่กับสถานที่สกัดโดยใช้ข้อมูล GSM เราคาดว่าจะเดินทางมาถึงและออกเดินทางเวลาเช่นเดียวกับเส้นทางที่ผู้ใช้จะใช้เวลาระหว่างสองสถานที่. 3 เราได้การประเมินผลที่กว้างขวางของขั้นตอนวิธีการที่นำเสนอสองการเคลื่อนไหวที่กว้างขวางชุดร่องรอยเช่นตัวเองชุดข้อมูลที่เก็บรวบรวม (อยู่: India, จำนวนผู้ใช้งาน: 62 ระยะเวลา: 1 เดือน) และชุด MDC (ที่อยู่: วิตเซอร์แลนด์จำนวนของผู้ใช้: 38 ระยะเวลา: 12 เดือน). 4 เราได้ออกแบบและพัฒนาระบบ PlaceMap ที่ใช้ดังกล่าวข้างต้นขั้นตอนวิธีการและให้APIs สำหรับบุคคลที่สามนักพัฒนาโปรแกรม นักพัฒนาสามารถใช้ PlaceMap APIs สำหรับการสร้างโปรแกรมตามบริบทที่ต้องการข้อมูลที่ละเอียดเกี่ยวกับสถานที่ที่เธอเข้ารับการตรวจมาถึง/ เวลาออกเดินทางในสถานที่และเส้นทางบ่อยดำเนินการโดยเธอ. ปัจจุบันระบบปฏิบัติการมือถือไม่ได้ให้การสนับสนุนใด ๆ สำหรับการใช้งานโทรศัพท์มือถือ , ที่ต้องการข้อมูลสถานที่ เป็นผลให้แต่ละโปรแกรมมือถือใช้ขั้นตอนวิธีการของตัวเอง / เทคนิคเพื่อสรุปสถานที่โดยใช้อินเตอร์เฟซที่ตั้งต่าง ๆ ซึ่งสร้างการสื่อสารการประมวลผลและแบตเตอรี่ได้ยินเกี่ยวกับมือถือโทรศัพท์ PlaceMap ขจัดความซ้ำซ้อนและมีโทรศัพท์มือถือที่พบบ่อยเมฆบริการเพื่อสรุปและจัดการการเคลื่อนไหวของผู้ใช้เป็นชุดของสถานที่และเส้นทาง ดังนั้นหนึ่งในประโยชน์หลักของบุคคลที่สามสำหรับนักพัฒนาโปรแกรมที่พวกเขาสามารถถ่ายโอนค่าใช้จ่ายในการจัดการการเคลื่อนไหวเพื่อPlaceMap โดยไม่ต้องกังวลเกี่ยวกับระดับต่ำการดำเนินงาน

ผลลัพธ์ (ไทย) 3:

ขณะที่ความเชื่อมั่นของสถานที่ในการใช้งานโทรศัพท์มือถือจะเพิ่มขึ้น บางส่วนของพวกเขา
ต้องติดตามอย่างต่อเนื่องของสถานที่ที่จะอนุมานสูงระดับข้อมูลเช่นสถานที่
เข้าชมโดยผู้ใช้ในชีวิตประจำวัน เส้นทางที่ถ่ายโดยผู้ใช้ระหว่างชุดของสถานที่ คน
ใช้เวลาประมาณ 80 ✁ 90% ในเวลาข้างในสถานที่เฉลี่ย 56 [ 91 ] ค้นหา
ทุกวันสถานที่จากการเคลื่อนไหวของผู้ใช้ มีการตระหนักถึงความสําคัญสําคัญ
บริบทมากมาย ตัวอย่างเช่น หลายบริบทการใช้ข้อมูลสถานที่ให้ทราบ
GEO แจ้งเตือน ( เตือนเมื่อใดก็ตามที่ผู้ใช้ที่ระบุสถานที่เพื่อดำเนินการ
งาน ) [ 108 , 140 ] , แบบสัมผัส [ 113 ] เนื้อหาร่วมกัน การตัดสินใจ [ 145 ] ,
จัดหาฝูงชนผ่านแบบสอบถาม [ 43 ]โฆษณา [ 89 ] ฯลฯ เป็นที่นิยมเครือข่ายทางสังคม
เช่น Foursquare และ Facebook ที่ยังใช้ข้อมูลที่ให้โดยอัตโนมัติ
checkins ฯลฯ ในทำนองเดียวกันมีบริการหลายที่ต้องใช้เส้นทาง ( เส้นทาง )
เดินทางโดยผู้ใช้ เช่น รายงานผลกระทบมลพิษ [ 113 ] , สุขภาพ [ 41 ] จราจร
ประมาณ นั่งร่วมกันและการโฆษณา / ข้อเสนอแนะ [ 95 ] .
การเคลื่อนที่โพรไฟล์สำหรับผู้ใช้ประกอบด้วยสถานที่ทั้งหมดที่เข้าชมโดยเธอด้วย

และข้อมูลเกี่ยวข้องมาถึง 56 เวลาออกเดินทาง เมื่อเร็วๆ นี้ มีการเติบโต
สนใจโดยอัตโนมัติอนุมานสถานที่ต่าง ๆเข้าชมโดยผู้ใช้จากวัตถุดิบสถานที่
ข้อมูลรูปแบบการแปลที่แตกต่างกัน ที่สุดของการทำงานวิจัยในพื้นที่นี้ใช้ GPS และ WiFi
[ 152 , 91 ,56 ] อย่างต่อเนื่องเพื่อติดตามตำแหน่งของผู้ใช้ และค้นหาสถานที่โดยการใช้ที่แตกต่างกัน
การจัดกลุ่มขั้นตอนวิธี เช่น WiFi ตามรูปแบบเช่น ชโยติสย
[ 152 ] ช่วยสแกนใกล้เคียง WiFi APS ที่
ช่วงเวลาปกติแล้วแบ่งกลุ่มขั้นตอนวิธีใช้แผนที่ / แยกประเภท WiFi APS ทางกายภาพ
สถานที่โดยอัตโนมัติ สามารถทำงานบนข้อสมมติว่าผู้ใช้ขั้นตอนวิธี
ไม่น่าจะเห็นชุดเดียวกับ WiFi โดยในสถานที่ต่าง ๆที่เธอเข้าชม .
แต่รูปแบบปัจจุบันของอาคารรูปแบบการเคลื่อนไหวจะไม่ได้ออกแบบมาสำหรับคุณลักษณะ
โทรศัพท์ นอกจากนี้พวกเขากำลังหิว มีความต้องการวิธีการใหม่ในการค้นหาข้อมูลจากข้อมูลการเคลื่อนไหว
สถานที่ซึ่งมีความพร้อมมากกว้างกว่า
แนวทางในปัจจุบัน และต้องประหยัดพลังงานงานวิจัยก่อนหน้านี้ได้แสดงข้อมูลสถานที่บน
ที่การจับ GSM โทรศัพท์ประหยัดพลังงานเมื่อเทียบกับ GPS หรือ WiFi
[ 146 , 72 , 54 ] นอกจากนี้หลายโปรแกรมไม่ต้อง
granularity สูงของความถูกต้อง ( เช่นระดับห้อง ) ในกรณีของการค้นพบสถานที่ เราจะคุย
เช่นการใช้งานในภายหลังส่วนของบทนี้ bayir et al [ 37 ] เสนอกรอบ
ที่ค้นพบสถานที่ที่ใช้ข้อมูล GSM และประเมินกับสาธารณชนข้อมูลเหมืองแร่จริง

อย่างไรก็ตาม กรอบของพวกเขา จะช่วยให้ตนเอง Tagged เซลล์รหัส
สำหรับการจัดกลุ่ม . ไม่มีกรอบที่สามารถค้นพบสถานที่ที่ใช้ข้อมูล GSM
โดยไม่มีการแทรกแซงของมนุษย์ / ด .
เราเสนอระบบ placemap ค้นพบสถานที่และเส้นทางการเข้าชมโดยโทรศัพท์มือถือ
ผู้ใช้ข้อมูล GSM เท่านั้น คล้ายกับ WiFi ตามแนวทาง
กรอบของเราติดตามเซลล์บัตรอย่างต่อเนื่อง และจากนั้นใช้ข้อมูลขั้นตอนวิธีการแยก
มือถือรหัสตามสถานที่ทางกายภาพ หนึ่งในความท้าทายหลักที่พบ โดยแบ่งกลุ่มเป็นเซลล์เซลล์
ID รหัสเปลี่ยนแม้ว่าผู้ใช้อยู่ที่
สถานที่เดียวกันเนื่องจากความหนาแน่นสูงของอาคารเซลล์ในเขตเมืองผลงานหลักของเรื่องนี้

บทที่ 57 มีดังนี้ :
1 เรานำเสนอกราฟตามการจัดกลุ่มขั้นตอนวิธี ( GCA ) เพื่อค้นพบสถานที่แต่เพียงผู้เดียว
จาก GSM ( ID เซลล์ ) ข้อมูลเท่านั้น เพื่อเพิ่มความถูกต้องของ GCA เรา
พัฒนาอัลกอริทึมซึ่งใช้ฝึกอบรมเบื้องต้นของ WiFi / GPS ข้อมูลเรียนรู้
สถานที่และต่อมาใช้ ID เซลล์ข้อมูลเท่านั้น .
2 ขึ้นอยู่กับสถานที่ที่ใช้สกัดข้อมูล GSM ,เราประมาณการเดินทางมาถึง
เวลา ตลอดจนเส้นทางที่ผู้ใช้จะใช้เวลาใด ๆระหว่างสองสถานที่ .
3 เราทำการประเมินอย่างละเอียดของอัลกอริทึมใหม่สองอย่างคือเก็บข้อมูลการเคลื่อนไหว
ร่องรอยตนเองชุดข้อมูล ( สถานที่ : อินเดีย , จำนวนผู้ใช้
: 62 , ระยะเวลา : 1 เดือน ( MDC ) ข้อมูลและตำแหน่งที่ตั้ง : ประเทศสวิสเซอร์แลนด์ หมายเลข
ของผู้ใช้ : 38 , ระยะเวลา : 12 เดือน )
4เราได้ออกแบบ และพัฒนาระบบที่ใช้ placemap ดังกล่าวข้างต้น
ขั้นตอนวิธีและให้ APIs สำหรับนักพัฒนาแอพลิเคชันของบุคคลที่สาม นักพัฒนาสามารถใช้ APIs สำหรับอาคาร
placemap บริบททราบการใช้งาน ซึ่งต้องการข้อมูลเกี่ยวกับสถานที่ที่เธอ
อย่างละเอียดเข้าชมมาถึง / ออกเดินทางเวลาสถานที่และเส้นทางบ่อย

) โดยเธอระบบปฏิบัติการมือถือในปัจจุบันไม่ได้ให้การสนับสนุนใด ๆสำหรับการใช้งานโทรศัพท์มือถือ
ซึ่งต้องใช้สถานที่ข้อมูล เป็นผลให้แต่ละโปรแกรมมือถือ
ใช้เทคนิคขั้นตอนวิธี / ตนเอง สรุปว่าที่ใช้อินเทอร์เฟซสถานที่ต่างๆ
ซึ่งสร้างการสื่อสาร การประมวลผล และแบตเตอรี่ที่ได้ยินในมือถือ
โทรศัพท์ placemap ขจัดความซ้ำซ้อนและมีเมฆ
มือถือทั่วไปบริการสรุปและจัดการการเคลื่อนไหวของผู้ใช้เป็นชุดของสถานที่และเส้นทาง ดังนั้น หนึ่งในประโยชน์หลักสำหรับนักพัฒนา
โปรแกรมบุคคลที่สามที่พวกเขาสามารถจัดการกับการเคลื่อนไหว placemap
การจัดการค่าใช้จ่ายโดยไม่ต้องกังวลเกี่ยวกับการดำเนินงานระดับ
น้อย