JP2015130656A - データ圧縮のシステム及び方法 - Google Patents

Abstract

【課題】一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮する方法及びシステムを開示する。【解決手段】システムは、イベントの発生に基づいて複数のデータセットからデータセットをフィルタするデータフィルタモジュールを含む。判別モジュール２１４は、データセットに関連する情報のクエリオリティインデクス（ＱｏＩ）を判別する。比較モジュール２１６は、ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較する。データ圧縮モジュール２１８は、データセットに関する解析を実行することにより統計的推測を導出するためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、圧縮アルゴリズム内に圧縮パラメータをインプットする。【選択図】図３

Description

本明細書に記載の主題は、概略データ圧縮に関し、特に、圧縮パラメータに基づいて適宜データを圧縮するシステム及び方法に関する。

種々の埋め込みシステム及び通信インフラストラクチャの出現により、一つ以上のセンサから捕獲されるデータに基づいてリアルタイムでサイバーフィジカルシステムをモニタすることが容易になっている。データの捕獲に基づいて、データがオンザフライで解析され得ることや、リアルタイムでのモニタリングをするために若しくはデータから統計推論を導出するためにデータがサーバに送信され得ることが、観察されている。

一例では、保険会社は、乗物を運転するドライバの運転パターンについてのリアルタイムでのモニタリングのためのテレマティックス適用例を用いることがある。運転パターンは、乗物上に配備される一つ以上のセンサにより捕獲されるデータを、保険会社に関連し得るサーバに送信することに基づいて、リアルタイムでモニタされ得る。一つの形態では、（加速度センサ、タコメータなどの）一つ以上のセンサは輸送中の乗物に関連するデータの捕捉を促進し得る。捕捉されたデータは更に、遠隔通信ネットワークに亘ってサーバに送信され、データを解析することでドライバの運転パターンがリアルタイムでモニタされ得る。

統計的推測を導出すべくデータを解析するために、テレマティックス適用例はデータの大きいセットを要求し得る。例えば、乗物が国を横断する旅行など長期間の旅に取り掛かるとき、データの大きいセットが遠隔通信ネットワークに亘って送信され解析され得る。データの大きいセットの送信高コストを生じることになり得る。更に、データの大きいセットの送信では、遠隔通信ネットワークの高送信帯域幅、及びデータの大きいセットを格納するためのデータストレージが要求される。

前記を考慮すると、送信帯域幅とデータストレージとの制約の範囲内でデータを送信することには課題が存在する。しかしながら、データ圧縮技術は、送信帯域幅とデータストレージとの制約の範囲内でデータを送信するためにデータを圧縮することを促進するが、データ圧縮技術を用いてデータを圧縮した後詰め込まれ得るデータの質に関する課題が尚存在する。当然のことながら、データ圧縮は所定の質のデータを詰め込み、このことにより、データに関して実行された解析に基づいて統計的推測を導出しつつも大きな誤差を生じてしまうことがある。

本システム及び方法を記載するに先立ち、当然のことながら、この出願は、記載した特定のシステム及び方法に限定されない。本開示に明白には示されない多数の可能な実施形態が存在し得るからである。また当然のことながら、明細書で用いる用語は特定のバージョンや実施形態を記載する目的のためのものに過ぎず、本願の特許請求の範囲を限定することを意図するものでは無い。この概要は、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するシステム及び方法に関する形態を紹介すべく提示され、それら形態は以下により詳細に記載される。この概要は、請求項の主題の本質的特徴を特定することを意図するのでも無く、請求項の主題の範囲を決定したり限定したりするのに用いることを意図するものでも無い。

一つの実装では、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するシステムが開示される。システムは、プロセッサとメモリを含み得、メモリはメモリ内に存在する複数のモジュールを実行するプロセッサに結合する。複数のモジュールは、データフィルタモジュールと、判別モジュールと、比較モジュールと、及びデータ圧縮モジュールとを含み得る。データフィルタモジュールは、イベントの発生に基づいて複数のデータセットからデータセットをフィルタするように構成され得る。イベントの例は、激しいコーナリング、激しい加速、及び激しい減速を含み得るが、これらに限定されない。判別モジュールは、データセットのための、情報のクエリオリティインデクス（ＱｏＩ）を判別するように構成され得る。ＱｏＩインデクスはデータセットのクオリティの計測を示し得る。一つの形態では、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別され得る。比較モジュールは、ルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較するように構成され得る。ＱｏＩインデクスは、ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにＱｏＩインデクスのリストと比較され得る。一つの形態では、ターゲットＱｏＩインデクスは、データセットのクオリティの基準測定を示し、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である。当然のことながら、ルックアップテーブルは、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストによりマップされたＱｏＩインデクスのリストを含み得る。更に当然のことながら、ターゲットＱｏＩインデクスは、ターゲットＱｏＩインデクスのリストから特定され得る。一方で、圧縮パラメータは圧縮パラメータのリストから特定され得る。一つの形態では、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストは、ルックアップテーブル内に格納され得る。データ圧縮モジュールは、解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、圧縮アルゴリズム内に圧縮パラメータをインプットするように構成され得る。圧縮パラメータの例は、ウエーブレット変換、変換係数の数に関する閾値、及び量子化器決定境界を含み得る。データセットを圧縮する圧縮アルゴリズムの例は不可逆圧縮若しくは可逆圧縮を含み得る。一つの実施形態では、データセットを圧縮するために、不可逆圧縮は、少なくとも一つの変換技法を用いてデータセットの変換係数を計算することを含み得る。少なくとも一つの変換技法の例は、ウエーブレット変換、離散コサイン変換若しくはフーリエ変換を含み得る。変換係数の計算に続いて、変換係数の数及び変換係数の量子化に関する閾値は、ひずみを最小化するために、従来の量子化器を用いて実行され得る。従来の量子化器の例は、スカラー量子化器やベクトル量子化器を含み得るが、これらに限定されない。変換係数を量子化した後、変換係数は可逆符号化技法を用いることによりエンコード化され得る。可逆符号化技法の例は、ハフマンコーディングや算術符号化を含み得る。このようにして、データセットは、解析のためターゲットＱｏＩインデクスを達成するために、圧縮され得る。

別の実装では、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮する方法が開示される。一つの形態では、複数のデータセットからデータセットはイベントの発生に基づいてフィルタされる。データセットをフィルタすることに続いて、情報のクエリオリティインデクス（ＱｏＩ）が判別され得る。ＱｏＩインデクスはデータセットのクオリティの計測を示し得る。一つの形態では、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別され得る。ＱｏＩインデクスの判別に基づいて、ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するために、ＱｏＩインデクスが、ルックアップテーブル内に格納されるＱｏＩインデクスのリストと比較され得る。ターゲットＱｏＩインデクスはデータセットのクオリティの基準測定を示す。一つの形態では、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能であり得る。ターゲットＱｏＩインデクス及び圧縮パラメータを特定することに続いて、解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、データセットを圧縮する圧縮アルゴリズム内に圧縮パラメータがインプットされ得る。

更に別の実装では、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するコンピュータプログラムを埋め込んでいる持続性コンピュータプログラムプロダクトが開示される。コンピュータプログラムプロダクトは、イベントの発生に基づいて複数のデータセットからデータセットをフィルタする命令を含み得る。コンピュータプログラムプロダクトは、データセットのための、情報のクエリオリティインデクス（ＱｏＩ）を判別する命令を含み得、ＱｏＩインデクスはデータセットのクオリティの計測を示し、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別される。コンピュータプログラムプロダクトは、ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較する命令を含み得、ターゲットＱｏＩインデクスはデータセットのクオリティの基準測定を示し、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である。コンピュータプログラムプロダクトは、解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、データセットを圧縮する圧縮アルゴリズム内に圧縮パラメータをインプットする命令を含み得る。

添付の図面と併せて読むと前述の実施形態に係る詳細な説明はより良く理解される。開示を示す目的のため、本明細書では開示に係る例示の構造が示される。しかしながら、本開示は、明細書及び図面に開示される特定の方法及び装置に限定されない。

添付の図面を参照して以下詳細な説明を記載する。図面では、参照番号の最左の数は、その参照番号が最初に登場する図面を識別する。同じ数字は図面全体を通して同様の特徴および部品を参照すべく用いられる。
図１は、本発明の主題の実施形態に係る、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するためのシステムのネットワーク実装を示す。 図２は、本発明の主題の実施形態に係る、システムを示す。 図３は、本発明の主題の実施形態に係るシステムのコンポーネントを示す。 図４は、本発明の主題の実施形態に係る、一つ以上のセンサから捕獲される複数のデータセットのうちのデータセットを圧縮するための方法を示す。

その全ての特徴を示す、本開示の或る実施形態が以下詳細に示される。「含む」「有する」「包含する」および「含む」の用語、並びに他のフォームは、意味上等価であることを意図するもののであり、更に、これらの用語の任意のものに続く項目若しくは複数の項目は、それら項目若しくは複数の項目の包括的なリストであることを意味しない、又はリストされた項目若しくは複数の項目にのみ限定されることを意味しない、という点で、オープンエンドであることを意図するものである。明細書や添付の請求項で用いられるように、別途を指示することが文脈から明白で無い限り単数形「ａ」「ａｎ」および「ｔｈｅ」は複数の言及も含むことにも、留意しなければならない。本明細書に記載のシステム及び方法と類似の若しくは等価の任意のシステムおよび方法は、本開示の実施形態の実施若しくは試行にて用いられ得るが、例示のシステムおよび方法を以下記載する。開示される実施形態は本開示の例示に過ぎず、それらは種々の様式で組み込まれ得る。

実施形態の種々の変更は当業者には容易に明白であり、ここでの一般的原理は他の実施形態にも適用可能である。しかしながら、本開示は例示の実施形態に限定されることを意図するもので無く、本明細書に記載の原理および特徴と一致する最広の範囲を認められるべきものであることは、当業者は容易に認識するであろう。

本発明の主題は、一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するシステム及び方法を提供することである。テレマティックス適用例と関連する一つ以上のセンサは、複数のデータセットを生成し得る。システム及び方法は、データベース内に格納された所定の閾値の検出に基づいて、複数のデータセットからデータセットをフィルタするイベントを検出でき、該所定の閾値はイベントに関連し得る。一つの形態では、データセットは、データセットに関する解析を実行することにより統計的推測を導出するために、フィルタされ得る。一つの実施形態では、種々の保険商品のための保険料を導出するために、保険会社によりデータセットが利用され得る。

例えば、保険会社は、テレマティックス適用例を用いることにより、乗物を運転するドライバに対して適用可能な保険料を導出するためにデータセットを利用し得る。保険料を導出するために、テレマティックス適用例は、乗物に配備される加速度計やタコメータなどの一つ以上のセンサから複数のデータセットを捕獲し得る。当然のことながら、保険料はドライバに関連するリスクスコアに基づいて判別され得る。リスクスコアは、ドライバにより運転される乗物の激しいコーナリング、激しい加速しくは激しい減速などの一つ以上のイベントの発生に基づいて、判別され得る。当然のことながら、一つ以上のイベントの発生は、一つ以上のイベントに関連する所定の閾値の検出に基づいて判別され得る。一つ以上のイベント（激しいコーナリング、激しい加速若しくは激しい減速）の発生により、データセットは、複数のデータセットからフィルタされ得る。フィルタに続いて、データセットは、ターゲットである情報のクオリティインデクス（ＱｏＩ）に従って圧縮され、このことにより、統計的推測を導出する間データセットはデータセットの質に影響を及ぼすことはない。ターゲットＱｏＩは、統計的推測を導出するのに要求されるデータセットの質の基準測定を示し得る。

ターゲットＱｏＩに従ってデータセットを圧縮するために、データセットに対する、ターゲットである情報のクオリティインデクス（ＱｏＩ）は、ＱｏＩ推定関数を用いて判別され得る。ＱｏＩインデクスは、データセットの質の測定を示し得る。一つの形態では、ＱｏＩインデクスを判別した後、ＱｏＩインデクスは、ルックアップテーブル内に格納されたＱｏＩインデクスのリストと比較され得る。一つの形態では、データセットに対する、ターゲットＱｏＩインデクスとＱｏＩインデクスに対応する圧縮パラメータとを特定するために、ＱｏＩインデクスはＱｏＩインデクスのリストと比較され得る。一つの形態では、ルックアップテーブルは、ターゲットＱｏＩインデクスのリストでマップされたＱｏＩインデクスのリストと、圧縮パラメータのリストを、含み得る。

当然のことながら、統計的推測は、データセットに関する解析を実行することにより導出され得る。データセットは、特定された圧縮パラメータを用いて圧縮され得る。一つの実施形態では、ターゲットＱｏＩインデクスは、ルックアップテーブル内に格納されたターゲットＱｏＩインデクスのリストから特定され得る。一方で、圧縮パラメータは、ルックアップテーブル内に格納された圧縮パラメータのリストから特定され得る。

ターゲットＱｏＩインデクス及び圧縮パラメータの特定に続いて、圧縮パラメータは、圧縮アルゴリズム内にインプットされ得る。圧縮パラメータは、圧縮アルゴリズムを用いてデータセットを圧縮する際にターゲットＱｏＩインデクスに到達することを促進し得る。圧縮アルゴリズムの例は、可逆データ圧縮、及び不可逆圧縮を含み得るが、これらに限定されない。このように、ターゲットＱｏＩに基づいて、データセットに関する解析を実行することにより統計的推測が導出され得る。データセットの圧縮に続いて、乗物を運転するドライバに対して適用可能な保険料などの統計的推測を導出するために、保険会社に関連する中央サーバに、データセットが送信され得る。

一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するための、記載のシステム及び方法の形態は、任意の数の様々なコンピュータシステム、環境、及び／又は、構成で、実装され得るが、以下の例示のシステムのコンテクストにて実施形態を記載する。

図１を参照すると、本発明の主題の実施形態に係る、一つ以上のセンサから捕獲された複数のデータセットのうちの一つのデータセットを圧縮するシステム１０２のネットワーク実装１００が、示される。一つの実施形態では、システム１０２は、イベントの発生に基づいて複数のデータセットからデータセットをフィルタし得る。データセットをフィルタする際、システム１０２は、データセットに対する情報のクオリティインデクス（ＱｏＩ）を判別し得る。ＱｏＩインデクスの判別に続いて、システム１０２は、ＱｏＩインデクスを、ルックアップテーブル内に格納されるＱｏＩインデクスのリストと比較し得る。一つの形態では、システム１０２は、ターゲットＱｏＩインデクス、及びＱｏＩインデクスに対応する圧縮パラメータを特定するために、ＱｏＩインデクスを、ＱｏＩインデクスのリストと比較し得る。特定に基づいて、システム１０２は、解析のためのターゲットＱｏＩインデクスに到達するために、データセットを圧縮するアルゴリズムに圧縮パラメータをインプットし得る。

システム１０２がサーバ上に実装されることを考慮して本発明の主題を説明したが、当然のことながら、システム１０２は、ラップトップコンピュータ、デスクトップコンピュータ、ノートブック、ワークステーション、メインフレームコンピュータ、ネットワークサーバなどの、種々のコンピュータシステム内でも実装され得る。ある実装では、システム１０２は、クラウドベース環境に実装され得る。当然のことながら、システムは、一つ以上のユーザデバイス１０４−１、１０４−２・・・１０４−Ｎ（これ以降、まとめてユーザデバイス１０４と称する）を介して、又はユーザデバイス１０４に常駐するアプリケーションを介して、多数のユーザによりアクセスされ得る。ユーザデバイス１０４の例は、ポータブルコンピュータ、パーソナルデジタルアシスタント、ハンドヘルドデバイス、及びワークステーションを含み得るが、これらに限定されるわけではない。ユーザデバイス１０４は、システム１０２とはネットワーク１０６を介して通信上結合する。

ある実装では、ネットワーク１０６は、無線ネットワークでも、有線ネットワークでも、それらの組み合わせでもよい。ネットワーク１０６は、イントラネット、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、インターネットなどの、様々なタイプのネットワークの一つとして実装され得る。ネットワーク１０６は、専用ネットワークでも共有ネットワークでも、いずれでもよい。共有ネットワークは、例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ワイヤレスアプリケーションプロトコル（ＷＡＰ）などの、相互に通信するための、種々のプロトコルを利用する様々なタイプのネットワークの接続を表す。更に、ネットワーク１０６は、ルータ、ブリッジ、サーバ、コンピュータデバイス、ストレージデバイスなどの、種々のネットワークデバイスを含み得る。

図２を参照すると、本発明の主題の実施形態に係る、システム１０２が示される。一つの実施形態にて、システム１０２は、少なくとも一つのプロセッサ２０２、インプット／アウトプット（Ｉ／Ｏ）インターフェース２０４、及びメモリ２０６を含み得る。少なくとも一つのプロセッサ２０２は、一つ以上のマイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタルシグナルプロセッサ、中央処理装置、状態機械、論理回路、及び／又は、操作命令に基づいて信号を操作する任意のデバイスとして、実装され得る。他の能力の中でも、少なくとも一つのプロセッサ２０２は、メモリ２０６に格納されたコンピュータ読み取り可能命令をフェッチして実行するように構成されている。

Ｉ／Ｏインターフェース２０４は、例えば、ウェブインターフェース、グラフィカルユーザインターフェースなどの、種々のソフトウエア及びハードウエアインターフェースを含み得る。Ｉ／Ｏインターフェース２０４により、システム１０２はユーザと直接に又はクライアントデバイス１０４を介して相互作用し得る。更に、Ｉ／Ｏインターフェース２０４により、システム１０２は、ウエブサーバ及び外部データサーバ（図示せず）などの、他のコンピュータデバイスと通信し得る。Ｉ／Ｏインターフェース２０４は、例えば、ＬＡＮ、ケーブルなどの有線ネットワークや、ＷＬＡＮ、セルラー、サテライトなどの無線ネットワークを含む、多種多様のネットワーク及びプロトコルタイプの範囲内での多重通信を促進し得る。Ｉ／Ｏインターフェース２０４は、複数のデバイスを相互に、又は他のサーバに、接続する一つ以上のポートを含み得る。

メモリ２０６は、例えば、静的ランダムアクセスメモリ（ＳＲＡＭ）や動的ランダムアクセスメモリ（ＤＲＡＭ）などの揮発性メモリ、並びに／又は、リードオンリメモリ（ＲＯＭ）、消去可能ＰＲＯＭ、フラッシュメモリ、ハードディスク、光学ディスク、及び磁気テープなどの不揮発性メモリを含む、周知のコンピュータ読み取り可能媒体を含み得る。メモリ２０６は、モジュール２０８及びデータ２１０を含み得る。

モジュール２０８は、特定のタスク、関数を実行し、若しくは特定の抽象データ型を実装する、ルーティン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。一つの実装では、モジュール２０８は、データフィルタモジュール２１２、判別モジュール２１４、比較モジュール２１６、データ圧縮モジュール２１８、及び他のモジュール２２０を含み得る。他のモジュール２２０は、システム１０２のアプリケーション及び関数を補完するプログラム若しくはコード化命令を含み得る。

データ２１０は、とりわけ、モジュール２０８の一つ以上により処理され、受信され、及び生成されるデータを格納するためのリポジトリとして機能する。データ２１０は、データベース２２２，及び他のデータ２２３も含み得る。他のデータ２２４は、他のモジュール２２０内の一つ以上のモジュールの実行の結果として生成されるデータを含み得る。

一つの実装では、最初に、ユーザは、Ｉ／Ｏインターフェース２０４を介してシステム１０２にアクセスするクライアントデバイス１０４を利用し得る。ユーザは、システム１０２を利用するために、Ｉ／Ｏインターフェース２０４を用いて自分自身を登録し得る。システム１０２の動作は、以下に述べる図３及び図４で詳細に説明し得る。システム１０２は一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮し得る。データセットを圧縮するために、システム１０２は、最初に、複数のデータセットを生成し得る複数のセンサからデータセットをフィルタするが、一つ以上のセンサは乗物に装備され得る。当然のことながら、データセットは、イベントの発生に基づいてデータフィルタモジュール２１８により、フィルタされ得る。

図３を参照すると、本発明の主題の実施形態に係る、システム１０２のコンポーネントの詳細な動作が示される。システム１０２は、データフィルタモジュール２１２は、データフィルタモジュール２１２、判別モジュール２１４、比較モジュール２１６、及びデータ圧縮モジュール２１８を含み得る。一つの実装では、一つ以上のセンサ（３０２−１、３０２−２、３０２−３、以下、センサ３０２と称する）により生成される複数のデータセットからデータセットをフィルタするために、データフィルタモジュール２１２は、一つ以上のイベント（以下、イベント３０４と称する）の発生に基づいて複数のデータセットからデータセットをフィルタし得る。イベント３０４の発生は、データベース２２２内に格納された所定の閾値の検出に基づいて判別され得るが、所定の閾値はイベント３０４に関連するものである。イベント３０４の発生により、データセットは、データセットに関する解析を実行することで統計的推測を導出するために、複数のデータセットからフィルタされ得る。

前述のフィルタモジュール２１２の動作を理解するために、データセットが複数のデータセットからフィルタされ得る例を考察する。データセットは、乗物を運転するドライバに対して適用可能な保険料を計算する保険会社により利用され得る。一つの形態では、保険料はテレマティックス適用例により計算され得る。当然のことながら、テレマティックス適用例を用いて、乗物を運転するドライバのための保険料を計算するために、（加速度計やタコメータなどの）センサ３０４が乗物に装備され得る。ドライバが乗物を運転する際、複数のデータセットがセンサ３０４により生成され、それら複数のデータセットはドライバの運転パターンを示す。複数のデータセットの生成に続いて、データフィルタモジュール２１２は、イベント３０４の発生に基づいて複数のデータセットからデータセットをフィルタするのであるが、このイベント３０４はイベント３０４に対応する所定の閾値の検出で発生し得る。保険料を計算するためのテレマティックス適用例に対応するイベント３０４の例は、激しいコーナリング、激しい加速、若しくは激しい減速を含み得るが、これらに限定されるものではない。

一つの実施形態では、イベント３０４は、乗物のドライバに関するリスクスコアを判別することを促進し得る。リスクスコアは、保険料を計算するために保険会社に利用され得る。ドライバについての特定の運転パターンに関するリスクスコアを評価するために、加速度計などのセンサ３０２を用いて、２０Ｈｚのサンプルレートで、３軸加速が継続して計測され得る。当然のことながら、イベント３０４（即ち、激しいコーナリング、激しい加速、若しくは激しい減速）に対応する所定の閾値は、リスクスコアを判別するために、データベース２２２内で予め規定され得る。一つの形態では、加速値に関して所定の閾値を適用することによりイベント３０４が検出され、該加速値は乗物に装備されたセンサ３０２を用いることにより判別され得る。一つの実施形態では、イベント３０４の発生は以下のように定義され得る。

一つの例では、激しいコーナリングは、乗物の横方向の力学に関連し得る。当然のことながら、輸送中の乗物に対する横転限界の観点からは、質量「Ｍ」を伴う乗物は、「ａ_ｘ（メートル／秒^２）」の横加速度でカーブを切る。横加速度に基づいて、最大横加速度は以下のようになる。

ここで、μは摩擦係数である。一つの形態において、「μ」＝１ならば、乗物の横転を引き起こし得る最大横加速度は以下のようになる。

当然のことながら、「静的安定係数」は「１」より大きい。よって、上記数式（１）及び（２）からの観察に基づいて、道路と乗物のタイヤとの間の摩擦係数により、横転が判別され得る。一つの形態では、横加速度値は、「ｇ」に関して正規化され得る。計測されるコーナリングは、以下のようになる

数式（３）に基づいて、０．５より大きい、激しいコーナリング（ＭＣＴ）値に対する所定の閾値は、イベント３０４として記録される。

別の例では、激しい加速若しくは激しい減速は、乗物の縦方向の力学に関連し得る。一つの形態では、傾斜の危険に加えて摩擦限度により与えられる縦加速度に到達する限度は、以下の式で判別され得る。

一つの形態にて、「μ」＝１と考えると、縦加速度のための限度は、以下の、計測される加速度により与えられる。

上式にて、最大値は「１」である。一つの実施形態では、ＭＣＴ及びＭＡＴに対する所定の閾値は「０．５ｇ」である。当然のことながら、センサ３０２から判別される加速度が「０．５ｇ」より大きいときは常に、そのデータセットは関連するものと考えられ、よってフィルタモジュール２１２により複数のデータセットからフィルタされ得る。乗物を運転するドライバに適用可能な保険料などの、リスクスコアに基づいて、統計的推測を導出するために、データセットは続いて保険会社の中央サーバに送信される。

当然のことながら、中央サーバに送信されたデータセットは、ターゲットである情報のクオリティインデクス（ＱｏＩ）に従って圧縮され、よって、統計的干渉を導出する間データセットの圧縮はデータセットのクオリティに影響を与えない。一つの実施形態では、ターゲットであるＱｏＩインデクスに従ってデータセットを圧縮するために、判別モジュール２１４は、データセットに対する、情報のクオリティインデクス（ＱｏＩ）を判別し得る。ＱｏＩインデクスは、データセットのクオリティの計測を示し得る。当然のことながら、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別され得る。一つの実施形態では、ＱｏＩ評価関数は以下のように定義され得る。

ここで「ｉ」は、ＱｏＩが判別されるべき、複数のデータセットのうちのデータセットを示し、「ｗ_ｉ」は、ＱｏＩを正規化するのに選択されるウエイトを示し、「ｆ_ｉ［ａ（ｚ）］」は、乗物の計測される加速度の変化率のインジケータを導出するために計算され得る。ここで数式（６）を用いてＱｏＩの判別を理解するために、長期間の、サスペンションの信頼性を計測すべき適用例を考察する。一つの形態では、長期間のサスペンションの信頼性は、計測される鉛直加速度「ｆ_ｉ［ａ（ｚ）］」から、乗物に関するＱｏＩ_{ジャークエネルギ}を計算することにより計測され得る。

ある実施形態では、以下のようになる。

ここで、ｆ_ｉ［ａ（ｚ）］＝Ｊ^２ _ｓｉであり、「Ｊ^２ _ｓｉ」は「ジャークエネルギ」である。一つの形態では、ジャークエネルギは次のように定義され得る。

「ａ_１」「ａ_２」．．．「ａ_ｎ」は時間「ｔ_１」「ｔ_２」．．．「ｔ_ｎ」における乗物の計測される加速度サンプルであるとする。Δｔ＝ｔ_ｎ−ｔ_ｎ−１は一様のサンプリングレートである。

上記記載に基づいて、「ジャークエネルギ」は以下のように定義される。

ここで、「ｎ」は、計測される加速度サンプルの全体数を示す。数式（７）に基づいて、計測される加速度サンプルの全体数の「ＱｏＩ」は、以下のように判別され得る。

一つの形態では、数式（９）で示されるように、個々のデータセットに関連するウエイト（ｗ_１、ｗ_２、．．．．．．．ｗ_１９）は、ＱｏＩが０から１の範囲内となるように少なくとも一つの算術／数学操作を実行することにより、正規化され得る。当然のことながら、「ｓ」は「１秒」の時間ウインドウを示す（従って、計測される加速度の２０サンプルが捕獲される）。一つの形態では、乗物のサスペンションへのダメージに対して、極値として「ジャークエネルギ」Ｊ^２ _ｓ１＝１５００ｍ^２／ｓ^６ならば、「ジャークエネルギ」シーケンス｛Ｊ^２ _ｓ１、Ｊ^２ _ｓ２、．．．．．Ｊ^２ _ｓ１９｝は１５００ｍ^２／ｓ^６に関して正規化され、ＱｏＩ_{ジャークエネルギ}は数式（７）により判別され得る。同様にして、ＱｏＩ_{激しい加速}インデクス、ＱｏＩ_{激しい減速}インデクス、及びＱｏＩ_{激しいコーナリング}インデクスも、数式（７）を用いて判別され得る。

ＱｏＩインデクスの判別に基づいて、比較モジュール２１６は、ＱｏＩインデクスを、ルックアップテーブル内に格納されたＱｏＩインデクスのリストと比較し得る。ルックアップテーブルは、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストによりマップされたＱｏＩインデクスのリストを含む。データセットに対するターゲットＱｏＩインデクス及び圧縮パラメータを特定するために、比較モジュール２１６は、ＱｏＩインデクスを、データベース２２２に格納されたＱｏＩインデクスのリストと比較し得る。ターゲットＱｏＩインデクスは、圧縮パラメータを用いることで圧縮されたデータセットに関して実行された解析に基づいて統計的推測を導出するための、データセットのクオリティの基準測定を示し得る。一つの実施形態では、ターゲットＱｏＩインデクスは、ターゲットＱｏＩインデクスのリストから特定され得る。一方で、圧縮パラメータは、圧縮パラメータのリストから特定され得る。当然のことながら、ターゲットＱｏＩインデクス及び圧縮パラメータのリストは、データベース２２２内に配置されるルックアップテーブルに格納される。

データセットに対応するターゲットＱｏＩインデクス及び圧縮パラメータの特定に基づいて、データ圧縮モジュール２１８は、圧縮アルゴリズム内に圧縮パラメータをインプットし得る。圧縮パラメータの例は、ウエーブレット変換、変換係数の数に関する閾値、及び量子化器決定境界を含み得る。圧縮アルゴリズムの例は、データセットのために計算されたウエーブレット変換係数のハフマンコーディングに基づく不可逆圧縮を含む。一つの実施形態では、データセットを圧縮するために、不可逆圧縮は、少なくとも一つの変換技法を用いることによりデータセットの変換係数を計算することを含み得る。少なくとも一つの変換技法の例は、ウエーブレット変換、離散コサイン変換、若しくはフーリエ変換を含み得る。変換係数の計算に続いて、変換係数の数及び変換係数の量子化に関する閾値は、ひずみを最小化するために、従来の量子化器を用いて実行され得る。従来の量子化器の例は、スカラー量子化器やベクトル量子化器を含み得るが、これらに限定されない。変換係数を量子化した後、変換係数は可逆符号化技法を用いることによりエンコード化され得る。可逆符号化技法の例は、ハフマンコーディングや算術符号化を含み得る。

一つの実施形態では、ＱｏＩインデクスがターゲットＱｏＩインデクスよりも小さいとき、圧縮パラメータはデータセットを圧縮するのに用いられ得る。当然のことながら、圧縮パラメータは、以下のファクタに基づいてデータセットを圧縮し得る。

ＱｏＩ_{激しい加速}インデクス＞ターゲット_{激しい加速}インデクス、ＱｏＩ_{激しい加速}インデクス＞ターゲット_{激しい減速}インデクス、及びＱｏＩ_{激しいコーナリング}インデクス＞ターゲット_{激しいコーナリング}インデクスのとき、圧縮パラメータ、即ち、ウエーブレット変換のスケール、変換係数を選択するための閾値、及び量子化サイズは、ＱｏＩ_{激しい加速}インデクス、ＱｏＩ_{激しい加速}インデクス、及びＱｏＩ_{激しいコーナリング}インデクスの夫々に対応するルックアップテーブルから、特定され得る。一方で、ＱｏＩ_{激しい加速}インデクス＜ターゲット_{激しい加速}インデクス、ＱｏＩ_{激しい加速}インデクス＜ターゲット_{激しい減速}インデクス、及びＱｏＩ_{激しいコーナリング}インデクス＜ターゲット_{激しいコーナリング}インデクスのときは、データセットは、圧縮され得ない、若しくは、デフォルトの圧縮パラメータを用いることにより圧縮され得る。デフォルトの圧縮パラメータは、データセットが所定の圧縮パラメータを用いることにより圧縮され得ることを、示し得る。

一つの実施形態では、ターゲットＱｏＩインデクスに従ってデータセットを圧縮する際、データセットは中央サーバに送信され得、よって、データセットの圧縮が統計的推測を導出する間データセットのクオリティに影響を及ぼし得ない。

上述の例示の実施形態は、幾つかの利点を呈する。開示の実施の形態には要求されないが、これら利点は以下の特徴によりもたらすものを含み得る。

或る実施形態により、限定された容量を有し得るデータ格納媒体の格納容量を最適化するために、イベントの発生に基づいて複数のデータセットから一つのデータセットをフィルタするシステム及び方法が可能になる。

或る実施形態により、最終目的物のデータセットに適用可能な情報のクエリオリティ（ＱｏＩ）に関して計測し、その計測をデータ圧縮アルゴリズムの再設定可能性に結び付けるシステム及び方法が可能になる。

図４を参照すると、本発明の主題の実施形態に係る、複数のセンサから捕獲された複数のデータセットのうち一つのデータセットを圧縮する方法４００が示される。方法４００は、コンピュータ実行可能命令の一般的表記で記載され得る。概略、コンピュータ実行可能命令は、特定の関数を実行し若しくは特定の抽象データ型を実装する、ルーティン、プログラム、オブジェクト、コンポーネント、データ構造、プロシジュア、モジュール、関数などを、含み得る。方法４００は、通信ネットワークを介してリンクされる遠隔処理装置により機能が実行される分散コンピュータ環境でも実行され得る。分散コンピュータ環境では、コンピュータ実行可能命令は、メモリストレージデバイスを含む、ローカル及びリモートのコンピュータストレージ媒体の両方に配置され得る。

方法４００が記載される順序は、制限として解釈されることを意図するものでなく、開示の方法のブロックの任意の個数が、方法４００若しくは別途の方法を実装するのに任意の順序で組み合わされ得る。更に、個々のブロックは、本明細書に記載の主題の精神及び範囲から乖離すること無く方法４００から削除され得る。更に、方法は、任意の適切なハードウエア、ソフトウエア、ファームウエア、若しくはそれらの組み合わせで、実装され得る。しかしながら、説明を簡易にするため、以下に記載する実施形態では、方法４００は、前述のシステム１０２で実装されることを想定するものとする。

ブロック４０２では、データセットは、イベントの発生により複数のデータセットからフィルタされ得る。一つの実装では、データセットは、データフィルタモジュール２１２によりフィルタされ得る。

ブロック４０４では、データセットのための情報のクオリティインデクス（ＱｏＩ）が、ＱｏＩ評価関数に基づいて判別され得る。一つの形態では、ＱｏＩインデクスは、データセットのクオリティの計測を示し得る。一つの実装では、ＱｏＩインデクスは、判別モジュール２１４により判別され得る。

ブロック４０６では、ＱｏＩインデクスは、ルックアップテーブル内に格納されるＱｏＩインデクスのリストと比較され得る。一つの形態では、ＱｏＩインデクスは、ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するため、ＱｏＩインデクスのリストと比較され得る。ターゲットＱｏＩインデクスは、データセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である、データセットのクオリティの基準測定を示し得る。一つの実装では、ターゲットＱｏＩインデクス及び圧縮パラメータは、比較モジュール２１６により特定され得る。

ブロック４０８では、圧縮パラメータは、圧縮アルゴリズムにインプットされ得る。一つの形態では、圧縮パラメータは、解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、インプットされ得る。一つの実装では、圧縮パラメータは、データ圧縮モジュール２１８によりインプットされ得る。

一つ以上のセンサから捕獲される複数のデータセットのうちのデータセットを圧縮する方法及びシステムの実装を、構造的特性及び／又は方法に固有の表現で記載したが、当然のことながら、添付の請求項は、記載した固有の特性若しくは方法に必ずしも限定されない。むしろ、固有の特性及び方法は、一つ以上のセンサから捕獲される複数のデータセットのうちのデータセットを圧縮する実装の例として、開示されるものである。

１００・・・ネットワーク実装、１０２・・・システム、１０４・・・ユーザデバイス、１０６・・・ネットワーク。

Claims (11)

1. 一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮する方法において、
   イベントの発生に基づいて複数のデータセットからデータセットをフィルタするステップと、
   データセットのための、情報のクエリオリティインデクス（ＱｏＩ）を判別するステップであって、ＱｏＩインデクスはデータセットのクオリティの計測を示し、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別される、ステップと、
   ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較するステップであって、ターゲットＱｏＩインデクスはデータセットのクオリティの基準測定を示し、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である、ステップと、
   解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、圧縮アルゴリズム内に圧縮パラメータをインプットするステップと
   を含み、
   フィルタするステップ、判別するステップ、比較するステップ、及び、インプットするステップは、メモリ内に格納されるプログラム命令を用いてプロセッサにより実行される、方法。
2. イベントは、激しいコーナリング、激しい加速、激しい減速のうちの、少なくとも一つから選択される、請求項１に記載の方法。
3. ＱｏＩ評価関数は以下の数式で表され、ここでｗ_ｉは、ＱｏＩを正規化するのに選択されるウエイトを示し、ｆ_ｉ［ａ（ｚ）］は、乗物の加速度の変化率のインジケータである、請求項１に記載の方法。
   

   
4. ルックアップテーブルは、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストによりマップされたＱｏＩインデクスのリストを含む、請求項１に記載の方法。
5. ターゲットＱｏＩインデクスがターゲットＱｏＩインデクスのリストから特定され、圧縮パラメータが圧縮パラメータのリストから特定され、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストがルックアップテーブル内に格納されている、請求項１に記載の方法。
6. ＱｏＩインデクスがターゲットＱｏＩインデクスより大きいとき、圧縮パラメータはデータセットを圧縮するのに用いられる、請求項１に記載の方法。
7. 圧縮パラメータは、ウエーブレット変換のスケール、変換係数の数に関する閾値、量子化器決定境界、及び表示レベルを含む、請求項５に記載の方法。
8. データセットを圧縮する圧縮アルゴリズムが不可逆圧縮若しくは可逆圧縮のうちの少なくとも一つから選択される、請求項１に記載の方法。
9. 一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するシステムにおいて、
   システムは、
   プロセッサと、及び、
   プロセッサに結合されたメモリであって、プロセッサはメモリ内に格納された複数のモジュールを実行することができる、メモリと
   を含み、
   複数のモジュールは、
   イベントの発生に基づいて複数のデータセットからデータセットをフィルタするように構成されたデータフィルタモジュールと、
   データセットのための、情報のクエリオリティインデクス（ＱｏＩ）を判別するように構成された判別モジュールであって、ＱｏＩインデクスはデータセットのクオリティの計測を示し、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別される、判別モジュールと、
   ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較するように構成された比較モジュールであって、ターゲットＱｏＩインデクスはデータセットのクオリティの基準測定を示し、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である、比較モジュールと、
   解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、圧縮アルゴリズム内に圧縮パラメータをインプットするように構成されたデータ圧縮モジュールと
   を含む、システム。
10. 更に、
    ルックアップテーブルを格納するための、メモリ内に常駐するデータベースであって、ルックアップテーブルは、ターゲットＱｏＩインデクスのリスト及び圧縮パラメータのリストによりマップされたＱｏＩインデクスのリストを含む、データベースを含む、
    請求項９に記載のシステム。
11. 一つ以上のセンサから捕獲される複数のデータセットのうちの一つのデータセットを圧縮するコンピュータプログラムを埋め込んでおり、命令を格納する、持続性コンピュータプログラムプロダクトにおいて、
    命令は、
    イベントの発生に基づいて複数のデータセットからデータセットをフィルタするステップと、
    データセットのための、情報のクエリオリティインデクス（ＱｏＩ）を判別するステップであって、ＱｏＩインデクスはデータセットのクオリティの計測を示し、ＱｏＩインデクスはＱｏＩ評価関数に基づいて判別される、ステップと、
    ＱｏＩインデクスに対応するターゲットＱｏＩインデクス及び圧縮パラメータを特定するためにルックアップテーブル内に格納されるＱｏＩインデクスのリストとＱｏＩインデクスを比較するステップであって、ターゲットＱｏＩインデクスはデータセットのクオリティの基準測定を示し、基準測定はデータセットに関して実行される解析に基づいて統計的推測を導出するのに適用可能である、ステップと、
    解析のためターゲットＱｏＩインデクスに到達するためにデータセットを圧縮するべく、圧縮アルゴリズム内に圧縮パラメータをインプットするステップと
    を含む、持続性コンピュータプログラムプロダクト。

Images