JPH11295090A

JPH11295090A - 類似度算出方法

Info

Publication number: JPH11295090A
Application number: JP10115917A
Authority: JP
Inventors: Nobuaki Ueda; 宣彰上田
Original assignee: Kenwood KK
Current assignee: Kenwood KK
Priority date: 1998-04-13
Filing date: 1998-04-13
Publication date: 1999-10-29

Abstract

(57)【要約】（修正有）【課題】本発明は、コンピュータからなる演算処理装
置の演算処理負荷を低減し、かつ高精度な類似度が算出
できる類似度算出方法を提供する。【解決手段】同時刻における自車走行軌跡パターン上
と道路パターン上のそれぞれにＮ（Ｎは自然数）個のサ
ンプリング点を設定し、自車走行軌跡パターン上の各サ
ンプリング点における旋回角を予め定めた基準となるベ
クトルから累積して累積角を求め、Ｎ個のサンプリング
点における累積角を自車走行軌跡パターン特徴とし、道
路パターン上の各サンプリング点における旋回角を前記
基準となるベクトルから累積して累積角を求め、Ｎ個の
サンプリング点における累積角を道路パターン特徴と
し、自車走行軌跡パターン特徴と道路パターン特徴に基
づいて自車走行軌跡パターンと道路パターンの類似度を
求める。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はカーナビゲーション
装置のマップマッチング等に利用できる類似度算出方法
に関し、さらに詳細には第１のパターンと第２のパター
ンとの類似度を算出する類似度算出方法に関する。

【０００２】

【従来の技術】例えば、カーナビゲーション装置の場合
について説明すれば、自車位置は、人工衛星（ＧＰＳ）
などの電波による位置情報を受けて自車位置を決定する
電波航法と、自車の動きを検出して自車の位置を追尾す
る自律航法との併用によって求められている。

【０００３】自律航法においては、車速センサ(車速パ
ルス)によって自車の速度を検出し、角度センサ(ジャイ
ロセンサ)によって自車の進行方位、相対方位を検出し
て自車の位置を追尾するように構成されている。

【０００４】さらに詳細には、ジャイロセンサーを用い
たカーナビゲーション装置における自車位置算出処理
は、ジャイロセンサの出力(回転角速度)を積分して得ら
れる角度（ここでは相対角度である）と、単位時間内で
の車速パルスを積分して距離定数を乗じて得られる距離
を用いて行われる。

【０００５】カーナビゲーション装置で用いられるジャ
イロセンサの多くは、比較的低価格である振動ジャイロ
センサが多い。しかし、振動ジャイロセンサを用いた自
律航行では、振動ジャイロセンサから出力される方位デ
ータ出力に含まれる誤差が大きく、さらにドリフト成分
を含んでいる。仮に、振動ジャイロセンサからの誤差が
わずかであっても、その誤差は累積され、走れば走るほ
どズレが生じることになる。その校正手段の一つにマッ
プマッチングがある。

【０００６】校正手段のない自律航行による道路での走
行では、自律航行の精度は、振動ジャイロセンサの性能
と算出した車速の精度如何にかかっている。現在のカー
ナビゲーション装置には、さまざまな要求に対応するべ
く種々の機能が要求されるが、その中でもマップマッチ
ングに関係する機能として、（イ）詳細地図の自車位置
表示機能、（ロ）誘導経路・走行道路案内機能がある。
（イ）では、より高精度のマップマッチングが必要とな
り、それに加えて（ロ）のためには、マップマッチング
処理の高速化が重要となる。

【０００７】一般的なパターン認識を図９に示す構成図
により説明し、マップマッチング方法を図１０に示すフ
ローチャートにより説明する。

【０００８】特徴抽出部１では車速センサおよび振動ジ
ャイロセンサからの出力信号を受けて種々の変形に対し
ても不変となるパターンに固有の性質、すなわち入力パ
ターン特徴量（特徴パターン、特徴パラメータ）を抽出
する。標準パターン部２には予め定めた特徴量である標
準パターン（道路パターン）特徴量が格納してあり、標
準パターン特徴量と入力パターン特徴量とに基づきパタ
ーン類似度計算部３においてパターン類似度を算出し、
パターン類似度算出部３において算出されたパターン類
似度をもとに判定部４において判別関数などを用いて判
別を行って、パターン認識を行っている。

【０００９】マップマッチング処理は図１０に示すごと
くである。ＧＰＳからの信号やセンサからの測位情報を
もとに、最新の絶対・相対自車位置を得て、自車位置を
更新し（ステップＳ１）、更新した自車位置を軌跡デー
タとして保持し、軌跡データより軌跡パターン特徴を算
出する（ステップＳ２）。従来方法で用いられるパター
ン特徴は、軌跡ポイント（パターン要素とも記す）の座
標Ｐｌｏｃｕｓ（Ｌｘ１、Ｌｙ１）である。つまり更新
された自車位置の座標を用いて軌跡データを更新する。
ステップＳ２に続いて、標準パターン（道路パターン）
を更新して道路パターン特徴を算出する（ステップＳ
３）。マップマッチングでは、入力が自車の座標位置に
相当し、標準パターンが道路のパターンに相当する。し
たがって、必要に応じて標準パターンを生成、削除、更
新をしなければならない。

【００１０】一般的な地図データベースにおける道路デ
ータは、図１１（ａ）に示す実際の地図表示に対応する
道路データは図１１（ｂ）に模式的に示したように、複
数の直線の集合によって構成している。したがって、標
準パターンの生成、更新には、軌跡ポイントが存在する
と考えられる道路（直線）上のポイントを決定する必要
がある。一般的には図１２に示すように、軌跡セグメン
トに対応する道路セグメントに対して、垂線を下した点
が候補点として決定される。図１２において黒丸は自車
軌跡ポイントを示し、正方形は道路ポイントを示してい
る。

【００１１】図１３（ａ）に、時刻ｔ１、ｔ２、ｔ３に
おける自車の軌跡ポイントｘｔ１、ｘｔ２、…、ｘｔ６
による自車の軌跡を示している。図１３（ｂ）に道路候
補パターン〃１〃を示し、図１３（ｃ）に道路候補パタ
ーン〃２〃を示す。図１３（ｂ）において正方形は道路
上の候補点を示し、ｘは自車の軌跡ポイントを示し、図
１３（ｃ）において三角形は道路上の候補点を示し、ｘ
は自車の軌跡ポイントを示している。道路候補パターン
〃１〃、〃２〃が標準パターンに対応し、マップマッチ
ング候補の道路パターンに相当する。自車が存在する可
能性のある道路、例えばＧＰＳ測位システムの誤差範囲
である１００ｍ半径の円内に存在し、かつ自車の走行方
向に整合性のある道路を地図データから読み出し、道路
データ内の道路パターンを生成、更新、削除する。道路
パターンのパターン特徴、つまり対応するポイントの座
標Ｐｒｏａｄ（ｒｘ、ｒｙ）を対応する道路データとし
て保持する。

【００１２】ステップＳ３に続いて、パターン類似度を
算出する（ステップＳ４）。従来方法によるパターン類
似度Ｓｉｍは下記の式（１）および式（２）に示すよう
に２点間のユークリッド距離ｌｉの和から算出される。

【００１３】ｌｉ＝√｛（Ｌｘｉ−ｒｘｉ）²＋（Ｌｙｉ−ｒｙｉ）²｝ ……（１）

【００１４】Ｓｉｍ＝Σｌｉ＝Σ√｛（Ｌｘｉ−ｒｘｉ）²＋（Ｌｙｉ−ｒｙｉ）²｝……（２）

【００１５】実際のマップマッチング処理では、図１４
に示すように、前後についての対応を考える必要があ
る。すなわち、パターン類似度が最大（上記式（２）で
は最小）となる対応付けに対して判別する。そこで、式
（２）は下記の式（３）に示す如くになる。

【００１６】

【数１】

【００１７】ステップＳ４に続いて、ステップＳ５、Ｓ
６の処理では、走行道路の確定処理、すなわち判別処理
を行う。実際の判別は、式（３）に示したパターン類似
度Ｓｉｍがある一定の閾値以下となる道路を、走行道路
と見做してマップマッチングを行う。一定の閾値以下と
なる道路が複数ある場合、もしくは存在しない場合に
は、マップマッチング処理を保留する。また、ある閾値
以上の道路パターンを削除する。またパターン類似度Ｓ
ｉｍが最小のものを選択する方法によってもよい。

【００１８】ステップＳ６に続いて、位置道路の補正を
行う（ステップＳ７）。位置補正は対応する道路ポイン
トに最新の軌跡ポイントを合わせ込むことによりり行
う。方位補正は、最新の軌跡ポイントと一つ前の軌跡ポ
イントによって表わされるベクトルと、それぞれ対応す
る道路ポイントによって表わされるベクトルとの角度差
分、回転させることによって行う。

【００１９】

【発明が解決しようとする課題】しかしながら、上記し
たような従来のマップマッチング方法において求めたパ
ターン特徴は、例えば図１３のような場合、自車が走行
している真の道路パターンは図１３（ｂ）のように道路
候補〃１〃であるのに対し、単純にユークリッド距離の
和でパターン類似度を求めているため、道路パターンは
図１３（ｃ）のように道路候補〃２〃であると判別する
可能性が大きいという問題点があった。

【００２０】また、センサの特性上、方位誤差が含まれ
ているため、図１５に示した軌跡ポイント（ｘ）による
軌跡パターンに対して、破線に示すようにパターンの回
転が加わり、パターン類似度の信憑性が低くなるという
問題点があった。

【００２１】また、図１４において軌跡ポイント（ｘ）
と道路上対応ポイント（□）とに対して、破線で示すよ
うに前後対応のパターンのパターン類似度を算出する場
合にも、全ての対応ポイント間に対してユークリッド距
離を算出する必要があり、コンピュータからなる演算処
理装置の演算処理負荷が大きいという問題点があった。

【００２２】本発明は、コンピュータからなる演算処理
装置の演算処理負荷を低減し、かつ高精度な類似度が算
出できる類似度算出方法を提供することを目的とする。

【００２３】

【課題を解決するための手段】本発明にかかる類似度算
出方法は、同時刻における第１のパターン上と第２のパ
ターン上のそれぞれにＮ（Ｎは自然数）個のサンプリン
グ点を設定し、第１のパターン上の各サンプリング点に
おける旋回角を予め定めた基準となるベクトルから累積
して累積角を求め、Ｎ個のサンプリング点における累積
角を第１のパターン特徴とし、第２のパターン上の各サ
ンプリング点における旋回角を前記基準となるベクトル
から累積して累積角を求め、Ｎ個のサンプリング点にお
ける累積角を第２のパターン特徴とし、第１のパターン
特徴と第２のパターン特徴に基づいて第１のパターンと
第２のパターンとの類似度を求めることを特徴とする。

【００２４】本発明にかかる類似度算出方法によれば、
第１のパターン上の各サンプリング点における旋回角を
予め定めた基準となるベクトルから累積した累積角を求
め、Ｎ個のサンプリング点における累積角を第１のパタ
ーン特徴とし、同様に第２のパターン上の各サンプリン
グ点における旋回角を前記基準となるベクトルから累積
して累積角を求めて、Ｎ個のサンプリング点における累
積角を第２のパターン特徴として、第１のパターン特徴
と第２のパターン特徴に基づいて第１のパターンと第２
のパターンの類似度を求めるため、時刻（ｔ）の次の時
刻もしくは以前の時刻における第１のパターン特徴およ
び第２のパターン特徴は、時刻（ｔ）における第１のパ
ターン特徴および第２のパターン特徴を記憶しておくこ
とによって、加算とシフトによってに求めることができ
て、コンピュータからなる演算処理装置による類似度演
算のための演算処理負荷は低減され、かつ高精度な類似
度が算出できることになる。

【００２５】本発明にかかる類似度算出方法において、
第１のパターンは自車走行軌跡パターンであってもよ
く、第２のパターンは道路パターンであってもよい。

【００２６】

【発明の実施の形態】以下、本発明にかかる類似度算出
方法を実施の一形態によって説明する。

【００２７】本発明の実施の一形態にかかる類似度算出
方法をカーナビゲーション装置のマップマッチングにお
ける類似度算出の場合を例に説明する。

【００２８】本発明の実施の一形態にかかる類似度算出
方法では、軌跡パターン・道路パターンの形状を基に算
出される旋回角を、基準となるベクトルから累積したも
のをパターン特徴として類似度算出に用いる。類似度の
算出は、図９に示したステップＳ２〜Ｓ４の処理が該当
する。

【００２９】詳細には、時刻（ｔ）における自車走行軌
跡パターン上と道路パターン上のそれぞれにＮ（Ｎは自
然数）個のサンプリング点を設定し、自車走行軌跡パタ
ーン上の各サンプリング点における旋回角を予め定めた
基準となるベクトルから累積して累積角を求め、Ｎ個の
サンプリング点における累積角を自車走行軌跡パターン
特徴とし、道路パターン上の各のサンプリング点におけ
る旋回角を前記基準となるベクトルから累積して累積角
を求め、Ｎ個のサンプリング点における累積角を道路パ
ターン特徴とし、自車走行軌跡パターン特徴と道路パタ
ーン特徴に基づいて自車走行軌跡パターンと道路パター
ンの類似度を求める。

【００３０】自車走行軌跡パターン特徴の算出について
も道路パターン特徴の算出についても同様であるため、
前者について説明する。先ず、車両の旋回角θを図１に
示す。図１において、現在（ｔ）の自車位置をＰｉ（ｘ
ｉ，ｙｉ）、直前時点（ｔ−１）における自車位置をＰ
ｉ−１（ｘｉ−１，ｙｉ−１）、進行方向次の時点（ｔ
＋１）における自車位置をＰｉ＋１（ｘｉ＋１，ｙｉ＋
１）で示し、θｉは現在の自車位置から進行方向次の自
車位置への旋回角を示している。

【００３１】ここで、特徴数（またはサンプリング数）
をＮとすると、時刻ｔにおけるパターン特徴（Ｓθ）は
図２に示すように旋回角θを用いて下記の式（４）のよ
うに表わされる。図２は軌跡パターンと旋回角とを示
し、太いベクトルは基準ベクトルを示している。図３
（ａ）は旋回角を示し、図３（ｂ）は累積角を示し、累
積角がパターン特徴を形成している。

【００３２】

【数２】

【００３３】したがって、パターン特徴Ｓθ（ｔ）の一
般形は次の式（５）のように表わされる（但し０ ≦
ｊ ≦（Ｎ−１））。

【００３４】

【数３】

【００３５】パターン特徴Ｓθ（ｔ＋１）はパターン特
徴Ｓθ（ｔ）を用いて下記の式（６）に示すように表わ
すことができる。

【００３６】

【数４】

【００３７】つまり、パターン特徴Ｓθの更新は、単純
に加減算とシフト演算により実現される。

【００３８】上記と同様にパターン特徴Ｓθ（ｔ−１）
はパターン特徴Ｓθ（ｔ）を用いて下記の式（７）に示
すように表わされる。

【００３９】

【数５】

【００４０】これは図４の説明図に示すとおり、時刻
（ｔ＋１）におけるパターン特徴Ｓθ（ｔ＋１）は、時
刻（ｔ＋１）より以前の時刻ｔでのθ（ｔ）ｂｉａｓと
パターン特徴Ｓθ（ｔ）とを保持しておけば、単純に加
算とシフト演算により再帰的に復元することが可能とな
る。パターン特徴Ｓθの更新処理のフローチャートを図
５〜図８に示す。

【００４１】時刻（ｔ）でのパターン特徴Ｓθ（ｔ）を
用いて時刻（ｔ＋１）におけるパターン特徴Ｓθ（ｔ＋
１）を算出する図５に示すフォワードプロセスの場合
は、時刻（ｔ＋１）におけるθ（ｔ＋１）ｎｅｗとθ
（ｔ＋１）ｂｉａｓとを読み込み（ステップＳ１１）、
時刻（ｔ＋１）におけるｉ＝０、１、２、…、（Ｎ−
２）までのパターン特徴Ｓθ（ｔ＋１）（ｉ）を、Ｓθ
（ｔ＋１）（ｉ）＝Ｓθ（ｔ）（ｉ＋１）−θ（ｔ＋
１）ｂｉａｓに示すように、時刻（ｔ）におけるパター
ン特徴Ｓθ（ｔ）とステップＳ１１で得られるθ（ｔ＋
１）ｂｉａｓを用いて算出する（ステップＳ１２）。

【００４２】ステップＳ１２に続いて、時刻（ｔ＋１）
におけるｉ＝（Ｎ−１）のパターン特徴Ｓθ（ｔ＋１）
（Ｎ−１）を、Ｓθ（ｔ）（Ｎ−１）＝Ｓθ（ｔ）（Ｎ
−２）＋θ（ｔ＋１）ｎｅｗに示すように、時刻（ｔ）
におけるパターン特徴Ｓθ（ｔ）（Ｎ−２）とステップ
Ｓ１１で得られるθ（ｔ＋１）ｎｅｗを用いて算出する
（ステップＳ１３）。

【００４３】時刻（ｔ）でのパターン特徴Ｓθ（ｔ）を
用いて時刻（ｔ−１）におけるパターン特徴Ｓθ（ｔ−
１）を算出する図６に示すバックワードプロセスの場合
は、時刻（ｔ）におけるθ（ｔ）ｂｉａｓとを読み込み
（ステップＳ２１）、時刻（ｔ−１）におけるパターン
特徴Ｓθ（ｔ−１）（０）を、Ｓθ（ｔ−１）（０）＝
θ（ｔ）ｂｉａｓにて求める（ステップＳ２２）。

【００４４】ステップＳ２２に続いて、時刻（ｔ−１）
におけるｉ＝０、１、２、…、（Ｎ−１）までのパター
ン特徴Ｓθ（ｔ−１）（ｉ）を、Ｓθ（ｔ−１）（ｉ）
＝Ｓθ（ｔ）（ｉ−１）＋θ（ｔ）ｂｉａｓに示すよう
に、時刻（ｔ）におけるパターン特徴Ｓθ（ｔ）（ｉ−
１）とステップＳ２１で得られるθ（ｔ）ｂｉａｓを用
いて算出する（ステップＳ２３）。

【００４５】データ更新ルーチンは図７に示すように、
新しいポイントを得て、これより旋回角θを算出する
（ステップＳ３１）。次いで、θｎｅｗ＝θ、θｂｉａ
ｓ＝Ｓθ（０）により、θｎｅｗ、θｂｉａｓを最新の
ものとしてメモリに記憶する（ステップＳ３２）。次に
フォワードプロセスを実行して最新のパターン特徴Ｓθ
（・）を算出する（ステップＳ３３）。ステップＳ３３
にて算出したパターン特徴Ｓθ（・）を、最新のパター
ン特徴Ｓθ（・）として更新記憶する（ステップＳ３
４）。このようにしてパターン特徴Ｓθ（・）を最新の
パターン特徴Ｓθ（・）に更新する。

【００４６】時刻Ｔでのパターン特徴Ｓθの算出ルーチ
ンについて、図８により説明する。

【００４７】時刻Ｔでのパターン特徴Ｓθの算出ルーチ
ンの処理は、時刻Ｔ´を求めて（ステップＳ４１）、任
意の時刻におけるパターン特徴Ｓθ（ｔ）（ｉ＝０１、
２、…、Ｎ−１）をメモリから得る。テンポラリデータ
が空の場合は、最新のパターン特徴Ｓθ（ｔ）をコピー
してテンポラリデータとする（ステップＳ４２）。

【００４８】ステップＳ４２に続いてＴ＝Ｔ´か否かを
チェックし（ステップＳ４３）、ステップＳ４３におい
てＴ＝Ｔ´と判別されたときは終了する。ステップＳ４
３において、Ｔ＝Ｔ´でないと判別されたときはＴ＜Ｔ
´か否かをチェックし（ステップＳ４４）、ステップＳ
４４においてＴ＜Ｔ´と判別されたときはフォワードプ
ロセスを実行し（ステップＳ４５）、次いでＴ＝（Ｔ＋
１）を実行してステップＳ４３から繰り返す（ステップ
Ｓ４６）。

【００４９】ステップＳ４４においてＴ＜Ｔ´でないと
判別されたときはバックワードプロセスを実行し（ステ
ップＳ４７）、次いでＴ＝（Ｔ−１）を実行してステッ
プＳ４３から繰り返す（ステップＳ４８）。これらの処
理によって時刻Ｔでのパターン特徴Ｓθの算出を行う。

【００５０】上記の説明において、パターン特徴は軌跡
パターンに基づいて算出の場合も道路パターンに基づい
て算出する場合も同様であって、上記のように算出する
ことができる。次に、パターン類似度としての相関値Ｓ
ｉｍは平均2乗誤差計算により、パターン特徴Ｓθを用
いて以下の式（８）に示すように算出される。式（８）
においてＳθｌｏｃｕｓは軌跡パターンのパターン特徴
を示し、Ｓθｒｏａｄは道路パターンのパターン特徴を
示している。式（８）、式（９）式（１０）においてＳ
θｒｏａｄはＳθ_Roadと表記してある。

【００５１】

【数６】

【００５２】軌跡によっては、前もしくは後にずらした
形でマップマッチングする方が望ましい場合もある。し
たがって、マップマッチングにおけるマッチング・シフ
ト補正を考慮したパターン類似度は、後記の式（９）に
示すように算出する。

【００５３】

【数７】

【００５４】また、相関値に代わって相関係数を用いて
パターン類似度を算出してもよい。相関係数を用いた場
合は、次の式（１０）に示すごとくである。

【００５５】

【数８】

【００５６】本発明の実施の一形態ににかかる類似度算
出方法によれば、パターン特徴Ｓθの更新処理の単純化
およびマッチング・シフト時における過去のパターン特
徴再計算処理の単純化ができて、これらにより、マップ
マッチングの処理がシステムに及ぼす負荷を分散・軽減
化することができる。さらに、走行道路確定時における
保留状態においても、継続して類似度算出処理を行うこ
とが可能となる。

【００５７】

【発明の効果】以上説明したように本発明にかかる類似
度算出方法によれば、前回の類似度演算が再利用可能と
なって、コンピュータからなる演算処理装置の演算処理
負荷を低減し、かつ高精度な類似度が算出できる。

【図面の簡単な説明】

【図１】本発明の実施の一形態にかかる類似度演算方法
の説明に供する旋回角の模式図である。

【図２】本発明の実施の一形態にかかる類似度演算方法
の説明に供する軌跡パターンと旋回角の模式図である。

【図３】本発明の実施の一形態にかかる類似度演算方法
の説明に供する旋回角と累積角の模式図である。

【図４】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の算出方法の説明に供する模式図
である。

【図５】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴のフォワードプロセスによる算出
方法の説明に供するフローチャートである。

【図６】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴のバックワードプロセスによる算
出方法の説明に供するフローチャートである。

【図７】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の更新方法の説明に供するフロー
チャートである。

【図８】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の時刻Ｔでの算出方法の説明に供
するフローチャートである。

【図９】パターン認識の一般的な説明のためのブロック
図である。

【図１０】マップマッチング処理の説明に供するフロー
チャートである。

【図１１】実際の道路地図と道路データを示す模式図で
ある。

【図１２】マップマッチングの説明に供する模式図であ
る。

【図１３】マップマッチングの説明に供する模式図であ
る。

【図１４】マップマッチングの説明に供する模式図であ
る。

【図１５】マップマッチングの説明に供する模式図であ
る。

【符号の説明】

θ 旋回角Ｓθ 累積角Ｓθ（ｔ）（ｉ）パターン特徴

Claims

【特許請求の範囲】

【請求項１】同時刻における第１のパターン上と第２の
パターン上のそれぞれにＮ（Ｎは自然数）個のサンプリ
ング点を設定し、第１のパターン上の各サンプリング点における旋回角を
予め定めた基準となるベクトルから累積して累積角を求
め、Ｎ個のサンプリング点における累積角を第１のパタ
ーン特徴とし、第２のパターン上の各サンプリング点における旋回角を
前記基準となるベクトルから累積して累積角を求め、Ｎ
個のサンプリング点における累積角を第２のパターン特
徴とし、第１のパターン特徴と第２のパターン特徴に基づいて第
１のパターンと第２のパターンとの類似度を求めること
を特徴とする類似度算出方法。
【請求項２】請求項１記載に類似度算出方法において、
第１のパターンは自車走行軌跡パターンであることを特
徴とする類似度算出方法。
【請求項３】請求項１記載に類似度算出方法において、
第２のパターンは道路パターンであることを特徴とする
類似度算出方法。