Groundhog Technologies — частная компания, основанная в 2001 году, со штаб-квартирой в Кембридже, штат Массачусетс, США . Как ответвление MIT Media Lab , [1] [2] она стала полуфиналистом конкурса предпринимателей MIT на 50 000 долларов в 2000 году и была зарегистрирована в следующем году. [3] [4] Компания получила первый раунд финансирования от крупных японских корпораций и их венчурных фондов в ноябре 2002 года: Marubeni , Yasuda Enterprise Development и Japan Asia Investment Co. [5] [6] Она получила второй раунд финансирования в 2004 году и с тех пор стала самодостаточной. [7] Groundhog Inc., операционный центр Groundhog Technologies Inc. на Тайване, стала публичной в 2022 году [8]
Продукты компании построены на ее платформе Mobility Intelligence Platform, [9] которая анализирует местоположения, качество опыта , контекст и образ жизни абонентов в сети мобильного оператора. [10] Затем разведданные о геолокации применяются для улучшения опыта абонентов [11] и включения таких приложений, как геомаркетинг и геотаргетинг . Компания использовала свою платформу, чтобы позволить операторам решать вопросы рекламы и монетизации данных как внутри компании, так и в партнерстве со сторонними розничными торговцами, рекламодателями и рекламными сетями. [12]
Groundhog Technologies запустила свою платформу Mobility Intelligence, основанную на теории хаоса и многомерном моделировании. Применение теории хаоса дало начало математическим моделям компании относительно мобильности и поведения использования абонентов, [13] которые могут использоваться для различных приложений, например, операторами мобильной связи для оптимизации сетей в соответствии с требованиями пользователей. [14]
Согласно теории хаоса, некоторые, казалось бы, случайные или хаотические сигналы могут быть преобразованы для анализа в фазовом пространстве , что может выявить закономерности, стоящие за ними. Наиболее интересны случаи, когда хаотическое поведение демонстрирует закономерности вокруг аттрактора в фазовом пространстве. На основе аттрактора в фазовом пространстве данные из разных пространств, времени и людей могут использоваться для моделирования и геолокации в помещении.
Также обнаружено, что пространственная структура и характеристики фазового пространства могут естественным образом нейтрализовать смещение позиционирования (основанное на таких методах, как триангуляция или трилатерация), вызванное такими причинами, как многолучевое распространение. То есть, хотя каждый вход смещен каким-то образом, наблюдение из разных измерений и углов смещено по-разному. Объединяя многомерный вход в фазовом пространстве, на основе закона больших чисел, можно усреднить смещение с различными выборками по измерениям, времени и индивидуумам. [15]