**对比文件名称**：2012-04-05_US2012084000A_发明申请_US20120084000A1 Travel Route Planning Using Geo-Tagged Photographs
**目标专利名称**：332用于基于沿着可能路线的媒体密度的导航的方法及设备CN104969033B
**模型名称**：本次调用由深度求索公司的DeepSeek模型完成。
作为资深专利代理师，我将严格依据目标专利说明书对权利要求的解释，结合对比文件内容，对每个技术特征进行公开性判断。以下是我的分析和特征比对表格。
### 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：其包括：通过装置的处理器计算从所述起点到所述目的地的所述路线以供在用户装置的用户接口上显示。<br>**《直接公开》** | [0022] “所述旅行规划组件可被配置为在所述多个目的地之中生成一个或多个旅行路线计划。” <br>[0023] “...所述旅行规划模块124可以考虑旅行地点106、旅行持续时间108、访问时间110和其他用户偏好112，以向用户102建议或推荐定制的旅行计划126。” <br>[0072] “区块506说明基于用户偏好与描述目的地的信息的关联，生成包含所述多个目的地中的一个或多个的一个或多个旅行路线计划。” | 对比文件明确公开了系统（如旅行规划组件118/124）根据用户输入的起点、目的地、时间等设置，通过处理器（如图7的计算设备700）计算并生成旅行路线计划（即路线）。该计划旨在输出给用户（如用户102），必然涉及在用户装置的用户接口上进行显示。这与特征A“计算路线以供显示”的作用和目的完全相同。因此，本领域技术人员能够毫无疑义地得出该技术方案。 |
| **技术特征B**：响应于计算所述路线，通过所述装置的所述处理器确定感兴趣位置的推荐。<br>**《直接公开》** | [0020] “目的地发现模块120可以使用用户102提供的信息以及地理标记照片114和/或旅行日志116来发现和识别用户102可能感兴趣的全球旅行目的地。” <br>[0022] “...旅行规划模块124可以考虑...用户偏好112以向用户102建议或推荐定制的旅行计划126。” <br>[0023] “定制的旅行计划126可以包括描述在多个旅行目的地之间旅行的路线的旅行路线计划128...” | 对比文件公开了在规划路线（即计算路线）的过程中，系统会基于用户偏好和地理标记照片数据，识别并向用户推荐可能感兴趣的旅行目的地（即“感兴趣位置”）。这个过程是路线规划流程的核心部分，与特征B中“响应于计算路线，确定感兴趣位置的推荐”在作用和技术逻辑上一致。因此被直接公开。 |
| **技术特征C**：其中所述感兴趣位置是具有大于阈值的媒体密度得分且在与所述路线的偏离范围内的位置。<br>**《隐含公开》** | [0027] “例如，目的地发现模块120可以选择一定数量或百分比（例如10%）的最大聚类，然后将其保留并视为旅行目的地。其基本原理是，具有较多数量的地理标记照片114的聚类可能代表游客拍摄了更多照片的旅行目的地。” <br>[0045] “目的地发现组件可被配置为爬取多个网络相册以收集所述一个或多个地理标记照片...将地理标记照片分组到一个或多个聚类中...基于地理标记照片的地理位置，每个聚类对应不同的目的地。” | 1. **“媒体密度得分”的隐含**：目标专利的“媒体密度得分”基于媒体文件的数量和重要性。对比文件中，通过聚类分析地理标记照片的数量和分布来确定热门目的地。一个位置的照片数量越多、越集中，其作为“热门目的地”（即感兴趣位置）的“得分”就越高。这种基于照片频率的评估，实质上隐含了一种衡量位置“媒体密度”或“受欢迎程度”的得分机制。<br>2. **“大于阈值”的隐含**：对比文件提到选择“最大聚类”或“10%”作为目的地，这本质上就是设定了一个阈值（例如，照片数量或聚类大小的阈值），只有超过该阈值的位置才会被选为推荐的目的地。<br>3. **“在与路线的偏离范围内”的隐含**：对比文件的路线规划是在用户指定的大区域（如城市）内，对多个被发现的“感兴趣位置”（目的地）进行排序和连接以形成路线。这意味着所有被考虑纳入路线的目的地，都位于用户旅行区域（可视为一个广义的“路线范围”）内。系统规划路线时，必然要考虑目的地之间的地理位置关系，这隐含了目的地需在合理的地理偏离范围内才能被串联进一条路线。<br>综上，本领域技术人员通过阅读对比文件，能够合理推断出：系统会推荐那些照片数量（隐含媒体密度）超过某个标准（隐含阈值）且地理位置能够被合理规划进一条旅行路线（隐含在路线偏离范围内）的位置。因此，该特征被隐含公开。 |
| **技术特征D**：且其中所述媒体密度得分是基于与所述感兴趣位置相关的一或多个媒体文件的数目及所述一或多个媒体文件中的每一者的排名来计算。<br>**《隐含公开》** | [0027] “...具有较多数量的地理标记照片114的聚类可能代表游客拍摄了更多照片的旅行目的地。” <br>[0055]-[0059] 定义了路径质量q(r)和路径分数s(r)的计算，其中q(r)是照片密度p(r)和路径跨度l(r)的函数，s(r)是路径流行度pop(r)和路径质量q(r)的函数。照片密度p(r) = 照片数量 / 路径长度。 | 1. **“基于媒体文件数目”**：对比文件明确使用“照片数量”作为评估目的地热度（[0027]）和路径质量（[0055]照片密度p(r)）的核心因素。这与“基于媒体文件数目”计算得分的思路一致。<br>2. **“基于排名”**：对比文件虽然没有直接对单张照片进行“排名”，但其计算**路径质量q(r)**和**路径分数s(r)**时，综合了“照片密度”（反映媒体文件集中度）和“路径流行度”（反映被多少游客走过的历史数据）。这些因素共同决定了哪条路径或哪个目的地更值得推荐，这实质上是一种对“路径”或“目的地”的综合性评估和“排序”（ranking）机制。本领域技术人员可以合理推断，这种对“路径”的排序评估，其基础数据来源于构成该路径的“媒体文件”（照片）的总体特征（数量、分布）。<br>因此，对比文件隐含公开了基于与位置相关的媒体文件数目以及对这些媒体文件集合的某种评估（排名）来计算位置推荐度（相当于媒体密度得分）的技术方案。 |
| **技术特征E**：其中所述一或多个媒体文件的每一个排名都基于一个或多个因素。<br>**《隐含公开》** | [0055]-[0059] 路径质量q(r)基于照片密度p(r)和路径跨度l(r)计算（公式5,6,8）。路径分数s(r)基于路径流行度pop(r)和路径质量q(r)计算（公式9）。<br>[0039] 节点分数si由目的地流行度Spop、停留时间权重wi、目的地风格偏好得分Sdsp和访问时间偏好得分Svtp等因素决定（公式1）。 | 对比文件在评估路径分数(s(r))和节点分数(si)时，明确列出了基于的多个因素，例如：照片密度、路径跨度、路径流行度、目的地流行度、停留时间概率、风格偏好、访问时间偏好等。虽然这些因素是用于对“路径”或“目的地节点”进行评分排名，但其底层数据完全来源于构成路径的“地理标记照片”及其元数据（时间、位置）。因此，本领域技术人员能够理解，对媒体文件集合（体现为路径或目的地）的“排名”是基于多个因素进行的。该特征被隐含公开。 |
| **技术特征F**：所述一个或多个因素向除所述用户装置的用户之外的其他用户指示所述一或多个媒体文件中的一个媒体文件的重要性。<br>**《隐含公开》** | [0056] “路径流行度pop(r)可以表示先前游客在特定旅行目的地内走过的旅行路径的流行程度，其可以由走过该旅行路径的游客数量来定义。” <br>[0027] “具有较多数量的地理标记照片114的聚类可能代表游客拍摄了更多照片的旅行目的地。” | 对比文件中用于计算得分或排名的关键因素，如“路径流行度(pop(r))”和“照片数量”，其本质都是基于**其他用户**（即除当前规划路线的用户之外的游客）的历史行为数据。“路径流行度”直接由走过该路径的其他游客数量定义；“照片数量”多的聚类意味着有更多其他用户在该地拍摄并上传了照片。这些因素都直接反映了其他用户群体的共同选择和行为，从而间接“指示”了相关媒体文件（照片）或其关联位置的重要性、热门程度。因此，该特征被隐含公开。 |
| **技术特征G**：及通过所述装置在所述用户装置的所述用户接口上显示所述推荐。<br>**《直接公开》** | [0023] “...向用户102建议或推荐定制的旅行计划126。” <br>[0034] “...定制的旅行计划126可以呈现给用户102。” | 向用户“建议”、“推荐”、“呈现”定制的旅行计划，必然需要通过用户设备的用户接口（如显示屏）进行显示。这是实现信息传达的必然和常规技术手段。因此，该特征被直接公开。 |
| **技术特征H**：其中所述计算所述路线包括计算所述起点与所述目的地之间的最快路线。<br>**《隐含公开》** | [0036] “因此，可以确定如何在图G(V, E)上找到最优路径，沿着该路径在总时间成本小于或等于用户102提供的旅行持续时间108的约束下最大化总分。” <br>[0042]-[0044] 描述了在时间约束T下，使用动态规划算法寻找最优路径（最大化分数）。 | 对比文件的路线规划算法核心是在用户给定的总旅行时间（旅行持续时间108）约束下，寻找一条能最大化“总分”（综合了兴趣点分数、转移分数）的路线。这实质上是一种在**时间约束下的优化问题**。本领域技术人员熟知，在导航和路线规划领域，“最快路线”通常是指在给定起点和终点的情况下，耗时最短的路线，这本身就是一种在“时间”单一维度上的优化。对比文件将“时间”作为核心约束条件进行全局优化，虽然优化目标除了时间还有“兴趣值”，但其技术手段（动态规划）和考虑“时间成本”的出发点，隐含了计算满足时间要求的高效（或最快）路线的能力。特别是在用户将其他偏好设为默认或权重极低时，算法会倾向于寻找在约束时间内能访问最多高兴趣点或总转移时间最短的路线，这接近于“最快路线”的变体。因此，该特征被隐含公开。 |
| **技术特征I**：其中所述偏离范围包含从所述路线上的一点到所述感兴趣位置的距离上的偏离或时间上的偏离中的至少一者。<br>**《隐含公开》** | [0022] “旅行规划模块124可以考虑旅行地点106、旅行持续时间108、访问时间110...生成...旅行路线计划。” <br>[0040] “...边eij具有两个属性：边分数sij和节点vi和vj之间的通行时间tij。” <br>[0036] 需要在总时间成本（包含停留时间和通行时间）小于等于旅行持续时间的约束下规划路线。 | 对比文件在规划连接多个目的地（感兴趣位置）的路线时，必须考虑各个目的地之间的**地理距离**以及通行所需的**时间**（[0040]通行时间tij）。用户设定的总“旅行持续时间”是一个关键约束（[0036]）。系统在生成路线时，确保总时间（访问时间+通行时间）不超过该约束，这本身就意味着系统在管理从路线上一点（一个目的地）到另一点（下一个目的地）的“时间上的偏离”。虽然目标专利的“偏离范围”可能指从主路线岔开到单个兴趣点的范围，而对比文件是管理整个多目的地路线的段间距离/时间，但两者的技术实质都是将地理位置之间的**距离或时间**作为路线规划的可量化参数和约束条件。本领域技术人员能够合理推断，将这种对距离/时间的考量应用于从主路线到单个兴趣点的场景，是显而易见的。因此，该特征被隐含公开。 |
| **技术特征J**：其进一步包括：修改所述路线以包含所述感兴趣位置。<br>**《隐含公开》** | [0023] “随后，用户102可以接受生成的定制旅行计划126或更新其用户设置104，从而使旅行规划组件118基于用户102更新的用户设置104生成修订后的定制旅行计划126。” <br>[0034] “...旅行规划组件可被配置为使得个人能够基于添加、移除或更改个人偏好来交互式地更改特定的旅行路线计划。” | 对比文件明确公开了系统允许用户交互式地更新偏好设置，并据此生成“修订后的”旅行计划。这必然涉及到对原有路线计划的修改。当用户添加新的感兴趣目的地（即感兴趣位置）作为偏好时，系统修改原有路线以包含该新位置，是上述交互更新功能的直接和必然结果。因此，该特征被隐含公开。 |
| **技术特征K**：其进一步包括：在所述修改所述路线之前，向用户显示描述所述感兴趣位置的通知。<br>**《隐含公开》** | [0023] “...定制的旅行计划126可以呈现给用户102。随后，用户102可以接受...或更新其用户设置104...” <br>[0034] “...旅行规划组件可被配置为使得个人能够基于添加、移除或更改个人偏好来交互式地更改特定的旅行路线计划。” | 对比文件公开了将定制旅行计划“呈现”给用户，并且用户可以选择“接受”或“更新设置”。这个“呈现”计划的过程，必然包含了向用户显示计划中的目的地（感兴趣位置）及其相关信息（可能来自旅行日志或照片）。用户基于所看到的信息决定是否接受或修改（例如添加/删除目的地），这隐含了“在修改路线之前，向用户显示描述感兴趣位置的通知”这一步骤。通知的形式可以是整个旅行计划界面，其中包含了各个位置的描述。因此，该特征被隐含公开。 |
| **技术特征L**：及从所述用户接收对修改所述路线的批准。<br>**《隐含公开》** | [0023] “...用户102可以接受生成的定制旅行计划126或更新其用户设置104...” | 用户“接受”生成的旅行计划，这一动作本身就是对当前所呈现路线的一种批准。在交互式修改的场景下，用户更新设置后系统生成新计划，用户的“接受”操作即是对修改后路线的批准。因此，该特征被隐含公开。 |
| **技术特征M**：其中所述确定所述推荐包括：确定按所述路线行进的所述用户装置是否将在优选时间处在所述感兴趣位置的阈值距离内以参观所述感兴趣位置。<br>**《隐含公开》** | [0031] “每个旅行目的地还可能有一年中更多游客通常访问该旅行目的地的时间...目的地发现模块120可以通过确定每个时间段（七月、冬季等）访问每个旅行目的地的游客数量来估计每个旅行目的地的流行或最常见的访问时间。” <br>[0046] “内部路径发现组件还可被配置为确定每条路径以及完整路径的停留时间，其中停留时间对应于在所述至少一个目的地内估计花费的总时间。” | 1. **“优选时间”**：对比文件公开了可以确定每个目的地的“最常见访问时间”（[0031]），这相当于目标专利中的“优选时间”。<br>2. **“在阈值距离内”**：对比文件通过计算“停留时间”和“通行时间”来规划路线（[0046]），确保用户在某个时间点位于某个目的地。虽然未明确“阈值距离”概念，但为了判断用户是否能在“优选时间”到达某地，系统必须估算用户按路线行进时到达该地的时间，这隐含了将“预计到达时间与优选时间的匹配度”作为一种判断条件。本领域技术人员能够合理推断，为了实现“在优选时间参观”的推荐，系统需要执行“确定用户是否将在优选时间处在感兴趣位置附近”这一判断步骤。因此，该特征被隐含公开。 |
| **技术特征N**：及基于确定所述用户将在所述优选时间处在所述阈值距离内，推荐所述感兴趣位置。<br>**《隐含公开》** | [0031]-[0032] 结合目的地风格和访问时间偏好来确定目的地。<br>[0039] 节点分数si的计算包含了“访问时间偏好得分Svtp”。 | 对比文件在给目的地（节点）评分时，考虑了“访问时间偏好得分Svtp”（[0039]）。这意味着系统在推荐目的地（即感兴趣位置）时，会将用户计划的访问时间与目的地的热门访问时间（优选时间）进行匹配度评估，并将此作为推荐的一个依据。评分越高，被推荐的可能性越大。这隐含了“基于用户将在优选时间处在目的地附近（通过时间匹配度体现）来推荐该位置”的技术方案。因此，该特征被隐含公开。 |
| **技术特征O**：其中所述确定所述推荐包括：确定按所述路线行进的所述用户装置将在其处到达所述感兴趣位置的时间。<br>**《隐含公开》** | [0036] “...总时间成本（总停留和节点与边的通过时间）小于或等于T。” <br>[0040] “...边eij具有两个属性：...节点vi和vj之间的通行时间tij。” <br>[0046] “内部路径发现组件还可被配置为确定每条路径以及完整路径的停留时间...” | 对比文件的整个路线规划算法都建立在精确计算时间成本的基础上，包括在每个目的地的停留时间和目的地之间的通行时间（[0040], [0046]）。为了在总时间约束T下优化路线，系统必须能够计算按路线行进的用户到达每个目的地（感兴趣位置）的累计时间。这是动态规划算法（[0036], [0042]-[0044]）得以运行的基本前提。因此，确定到达感兴趣位置的时间是该系统必然具备的功能，被隐含公开。 |
| **技术特征P**：确定所述用户将在其处到达所述感兴趣位置的所述时间的所述感兴趣位置的天气预报。<br>**《未公开》** | （无相关内容） | 对比文件全文均未提及任何与天气、天气预报相关的功能、数据或考虑因素。目标专利中利用天气预报来判断是否适合参观感兴趣位置，这是一个特定的技术手段。对比文件没有公开，也无法从已公开内容中合理推断出这一特征。 |
| **技术特征Q**：及基于所述天气预报是所述感兴趣位置的优选天气预报，推荐所述感兴趣位置。<br>**《未公开》** | （无相关内容） | 由于特征P（天气预报）未被公开，基于天气预报进行推荐的特征Q自然也未被公开。 |
| **技术特征R**：其中所述确定所述推荐包括：确定按所述路线行进的用户的社交联系人是否在所述感兴趣位置处。<br>**《未公开》** | （无相关内容） | 对比文件虽然提及分析大量用户的公开照片数据，但这是一种匿名的、群体性的数据分析，用于挖掘热门地点和路径，并非基于特定用户的“社交联系人”关系网络进行个性化判断。全文未提及社交网络、社交联系人或利用社交关系进行推荐。 |
| **技术特征S**：及基于所述社交联系人在所述感兴趣位置处，推荐所述感兴趣位置。<br>**《未公开》** | （无相关内容） | 由于特征R（判断社交联系人是否在位置处）未被公开，基于此进行推荐的特征S自然也未被公开。 |
| **技术特征T**：其中所述社交联系人在与所述用户相同的社交网络中。<br>**《未公开》** | （无相关内容） | 对比文件未涉及任何社交网络的概念，因此该特征未被公开。 |
| **技术特征U**：其中所述确定所述推荐包括：确定按所述路线行进的用户的兴趣是否涉及所述感兴趣位置。<br>**《隐含公开》** | [0025] “偏好设置112可能与目的地偏好有关，意味着与用户102偏好访问的旅行目的地类型相关的特征。” <br>[0030] “目的地发现模块120随后能够确定与每个旅行目的地相关的特征。” <br>[0039] 节点分数si的计算包含了“目的地风格偏好得分Sdsp”。 | 对比文件明确允许用户设置“目的地偏好”（[0025]），例如历史遗址、自然风光等。系统会挖掘每个目的地的风格特征（[0030]），并在推荐评分中计算“目的地风格偏好得分Sdsp”（[0039]）。这个过程实质上就是“确定用户的兴趣是否涉及该感兴趣位置”——将用户声明的兴趣（偏好）与目的地特征进行匹配。因此，该特征被隐含公开。 |
| **技术特征V**：及基于所述感兴趣位置涉及所述用户兴趣，推荐所述感兴趣位置。<br>**《隐含公开》** | [0039] 节点分数si = (Spop + αSvtp + βSdsp) × wi。其中Sdsp是目的地风格偏好得分。<br>[0045] “旅行路线计划可以包括基于用户偏好与关于多个目的地的信息的关联的多个目的地中的一个或多个。” | 对比文件公开了在计算目的地推荐分数（节点分数si）时，会加入“目的地风格偏好得分Sdsp”（[0039]）。这意味着，如果一个目的地的特征与用户兴趣匹配度高（Sdsp得分高），其总得分就会提高，从而更有可能被纳入最终推荐的旅行路线计划中（[0045]）。这直接对应于“基于感兴趣位置涉及用户兴趣，推荐该位置”。因此，该特征被隐含公开。 |
| **技术特征W**：其进一步包括：基于路线间条件而动态地更新所述路线。<br>**《隐含公开》** | [0023] “...用户102可以接受生成的定制旅行计划126或更新其用户设置104，从而使旅行规划组件118基于用户102更新的用户设置104生成修订后的定制旅行计划126。” <br>[0034] “...旅行规划组件可被配置为使得个人能够基于添加、移除或更改个人偏好来交互式地更改特定的旅行路线计划。” | 对比文件公开了系统允许用户交互式地更新偏好（用户设置），并据此生成修订后的旅行计划。这体现了路线可根据用户输入的新“条件”（即更新后的偏好设置）进行动态更新。虽然目标专利的“路线间条件”可能特指旅行途中发生的变化（如天气、到达时间），但对比文件公开的“根据更新的用户设置进行更新”已经建立了“基于变化的条件动态更新路线”这一更上位、更基础的技术概念。本领域技术人员可以合理推断将此机制应用于更具体的途中条件变化。因此，该特征被隐含公开。 |
| **技术特征X**：其中所述路线间条件包含以下各者中的至少一者：天气的改变。<br>**《未公开》** | （无相关内容） | 同特征P，天气因素在对比文件中完全未被提及。 |
| **技术特征Y**：到所述感兴趣位置的预计到达时间的改变。<br>**《隐含公开》** | [0023] 用户可以通过更新用户设置（例如访问时间110、旅行持续时间108）来触发路线修订。<br>[0034] 用户可以交互式地更改旅行路线计划。 | 如果用户在行程中更新了与时间相关的设置（例如，在某个地点想停留更久，或总时间预算变化），这会导致后续行程的“预计到达时间”发生改变。对比文件公开的系统能够根据用户更新的设置（作为“条件”）来动态更新路线，这隐含了系统能够处理因用户行为导致的“预计到达时间的改变”这一条件，并相应调整路线。因此，该特征被隐含公开。 |
| **技术特征Z**：所述感兴趣位置的经更新的媒体密度得分。<br>**《未公开》** | （无相关内容） | 对比文件虽然基于照片数据计算目的地的热度，但并未提及该“得分”会动态更新，更未提及将得分的更新作为触发路线重新规划的条件。目标专利说明书中提到媒体密度得分可被更新并影响推荐（[0080]），这是一个特定的动态反馈机制，对比文件没有公开。 |
<<<A>>><<<B>>><<<G>>><<<c>>><<<d>>><<<e>>><<<f>>><<<h>>><<<i>>><<<j>>><<<k>>><<<l>>><<<m>>><<<n>>><<<o>>><<<u>>><<<v>>><<<w>>><<<y>>>