Groundhog Technologies
Groundhog Technologies — частная компания, основанная в 2001 году, с штаб-квартирой в городе Кембридж, штат Массачусетс, США. Является спин-оффом лаборатории MIT Media Lab[1][2]. Компания стала полуфиналистом конкурса предпринимателей MIT на 50 тысяч долларов в 2000 году и была официально зарегистрирована в следующем году[3][4]. В ноябре 2002 года компания получила первый раунд финансирования от крупных японских корпораций и их венчурных подразделений: Marubeni, Yasuda Enterprise Development и Japan Asia Investment Co[5][6]. Второй раунд инвестиций был получен в 2004 году, после чего компания стала самодостаточной[4]. Операционный центр Groundhog Inc. в Тайване вышел на биржу в 2022 году[7].
Что важно знать
| Groundhog Technologies | |
|---|---|
| Тип | частная компания |
| Основание | 2001 |
| Основатели | Дэвид Чиу |
| Расположение | Кембридж, Массачусетс, США |
| Отрасль | Телекоммуникации |
| Продукция | геолокация, анализ мобильности, оптимизация сетей, монетизация данных |
| Сайт | ghtinc.com |
Деятельность и продукция
Продукты компании основаны на собственной платформе Mobility Intelligence[8], которая анализирует местоположение, качество пользовательского опыта, контекст и стиль жизни абонентов в сетях операторов мобильной связи[9]. Полученная геоинформация используется для повышения качества обслуживания абонентов[10] и внедрения таких решений, как геомаркетинг и геотаргетинг. Разработки Groundhog Technologies позволяют операторам использовать новые возможности для монетизации данных в рекламе как самостоятельно, так и при сотрудничестве с ритейлерами, рекламодателями и сетями рекламы[11].
Основные технологии
Groundhog Technologies внедрила платформу Mobility Intelligence на базе теории хаоса и многомерного моделирования. Применение теории хаоса позволило создать математические модели мобильности абонентов и их поведения[12], которые используются, в частности, операторами для оптимизации сетей на основе пользовательского спроса[13].
Согласно теории хаоса, некоторые, на первый взгляд, случайные сигналы можно анализировать в фазовом пространстве, что позволяет выявить закономерности. Особенно интересны случаи, когда хаотичное поведение образует паттерны вокруг аттрактора в фазовом пространстве. Используя данные из различных пространств, временных точек и источников, возможно моделирование мобильности и определение местоположения внутри помещений.
Также отмечено, что размерность и свойства фазового пространства способны естественным образом компенсировать смещения геопозиционирования (например, при использовании триангуляции или трилатерации), возникающие по различным причинам, таким как мультипутевой эффект. Несмотря на то, что каждый входной сигнал искажён по-своему, наблюдение с разных ракурсов и в разных измерениях приводит к разным видам смещений. Объединяя такие данные в фазовом пространстве, по закону больших чисел удаётся усреднить смещения между разными выборками по измерениям, времени и пользователям[14].
Примечания
