KR101673205B1 - 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법 - Google Patents

Abstract

본 발명은 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법에 관한 것으로서, 보다 상세하게는 질의 차량 단말을 이용하여 사용자로부터 질의 차량에 근접한 k번째 주변 차량 객체 정보 질의 요청 신호를 입력받아 상기 질의 차량 단말에서 칠의 결과를 연산하는 방법에 있어서, 상기 질의 차량 주변 일정 영역 내에서 이동중인 각 주변 차량의 이동 정보에 기초하여 특정 중심에서 일정 반경으로 이동 가능한 불확실 영역 정보가 포함된 주변 차량 객체 정보를 수신하는 단계, 상기 주변 차량 객체의 불확실 영역 정보에 기초하여 k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하여 단계, 상기 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 신뢰도를 검증하여 k번째 근접한 주변 차량 객체 정보로 결정하는 단계를 포함하여 제공된다.

Description

위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법{A method to process moving range k nearest neighbor queries with uncertain moving objects}

본 발명은 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법에 관한 것으로서, 보다 상세하게는 제한된 P2P 네트워크 환경 내에서 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리의 신뢰도를 높일 수 있도록 근접할 위치 확률을 기반으로 하는 질의 처리 방법에 관한 것이다.

이동 통신망, GPS 등과 같은 위치 탐색 및 서비스 기술이 발전함에 따라, 최근에는 이동 차량의 위치 기반 서비스를 활용하는 다양한 어플리케이션이 개발되고 있다. 또한 차량의 운전자의 안전 운행 등을 보조하는 수단으로서 도로 상의 차량들이 모바일 P2P 환경에서 상호 연결되어 교통정보를 교환하는 시스템이 제안되고 있다.

이에 따라 차량 주행중에 악천우나 사각지대 또는 장애물로 인해 시야가 확보되지 않아 근접하는 주변 차량에 부딪혀 돌발적인 교통사고가 발생될 가능성이 있으나, P2P 네트워크 환경에서 주행중인 차량의 주변에 위치하는 차량 정보를 미리 전송받아 대처할 수 있도록 한다.

이를 위해 주변에 움직이는 차량 단말에서 각 차량의 실시간 위치를 주기적으로 브로드캐스팅하여 상호 위치정보를 전송받도록 할 수 있다. 그러나 이러한 P2P(Peer to Peer) 네트워크는 사용 가능한 네트워크의 대역폭이 낮아 네트워크 부하로 인해 실시간으로 주변 차량정보를 송수신하는 것은 무리가 따르게 된다.

이에 주변 차량의 위치, 속도, 방향성, 전송시간대 등의 이동정보를 전송받아 각 주변 차량이 이동 가능한 확률적인 영역을 기반으로 질의 차량의 위치에 근접할 주변 차량 정보를 연산할 수도 있다.

그러나 이러한 방법은 확률적인 위치 기반으로 정확도가 떨어져 k 최근접 질의 처리에 있어서는 신뢰할 수 없는 문제점이 발생된다.

즉, 질의 차량 단말에서 사용자에 의해 k번째로 근접하는 주변 차량 객체 질의 요청을 수신하여 상기의 확률적인 영역을 기반으로 주변 차량 객체 정보를 찾을 경우 정확한 k번째의 차량 객체 정보를 찾을 수 없게 된다.

따라서, 제한된 네트워크 환경 내에서 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리의 신뢰도를 높일 수 있는 연산방법에 대한 요구가 높아지고 있는 실정이다.

한국등록특허 제 10-0677166호

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 제한된 P2P 네트워크 환경 내에서 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리의 신뢰도를 높일 수 있도록 근접할 위치 확률을 기반으로 하는 연산 처리 방법을 제공함에 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 일측면에 따르면, 질의 차량 단말을 이용하여 이동중인 질의 차량에 근접한 k번째 주변 차량 객체 정보를 연산하는 방법에 있어서, 상기 질의 차량 주변 일정 영역 내에서 이동중인 각 주변 차량의 이동 정보에 기초하여 특정 중심에서 일정 반경으로 이동 가능한 불확실 영역 정보가 포함된 주변 차량 객체 정보를 수신하는 단계, 상기 질의 차량의 사용자로부터 질의 차량에 근접한 k번째 주변 차량 객체 정보 질의 요청신호를 입력받아 상기 주변 차량 객체 정보의 불확실 영역 정보에 기초하여 k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하는 단계, 상기 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 신뢰도를 검증하여 k번째 근접한 주변 차량 객체 정보로 결정하는 단계를 포함하되, k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하는 단계는 질의 차량의 위치와 불확실 영역으로 나타나는 각 주변 차량 객체와의 거리를 비교하여 각 주변 차량 객체와의 최대, 최소거리를 연산하는 단계, 상기 각 주변 차량 객체에서 연산된 최대거리가 k번째에 해당하는 차량 객체를 추출하는 단계, 상기 질의 차량의 위치에서 최대거리가 k번째에 해당하는 주변 차량 객체의 최대거리를 임계 거리로 설정하는 단계, 상기 임계 거리가 상기 주변 차량 객체의 최소 거리와 최대 거리 사이에 포함되는 주변 차량 객체를 추출하여 질의 응답 후보자군으로 설정하는 단계를 포함하여 제공된다.
아울러, 상기 임계 거리와 주변 차량 객체의 최소 거리를 비교하여, 상기 최소 거리가 상기 임계 거리보다 큰 주변 차량 객체를 필터링하여 질의 응답 후보자군에서 제외시키는 단계를 포함하여 제공된다.
또한, 상기 질의 응답 후보자군의 객체 전체 갯수가 상기 질의 차량에 k번째 근접한 주변 차량 객체 정보의 갯수와 동일하면, 상기 질의 응답 후보자군을 상기 질의 차량 에서의 k번째 근접한 주변 차량 객체 정보로 결정한다.
아울러, 상기 질의 응답 후보자군의 객체 전체 갯수가 상기 질의 요청 최근접 갯수 이상으로 추출되면, 상기 질의 응답 후보자군에 포함되는 각 객체의 불확실 영역과 상기 질의 차량 위치와의 평균거리를 산출하여 상기 평균거리값이 k번째인 주변 차량 객체를 상기 질의 차량에서의 근접 질의 응답 결과로 산출하고, 상기 근접 질의 응답 결과로 산출된 k번째의 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 하여 신뢰도값을 산출하고, 산출된 신뢰도값과 기설정된 근접 결과 요청 최소 신뢰도 값을 비교하여 신뢰도를 검증한다.
또한, 상기 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체에 대한 신뢰도를 검증하는 단계는 상기 질의 차량 위치 q와 질의 응답 후보자군에 속하는 주변 차량 객체 o_x와의 거리가 일정거리 r에 해당될 확률분포함수값과, 상기 질의 차량 위치 q와 주변 차량 객체 o_x와의 거리가 일정거리 r내에 포함될 누적분포함수값을 이용하여 질의 차량 위치 q에서 상기 k번째 주변 차량 객체 o_kth와의 거리와, 상기 질의 차량 위치 q에서 상기 질의 응답 후보자군에 속하는 주변 차량 객체 o_x와의 거리의 확률을 비교하여 근접 질의 결과 신뢰도값을 산출하는 단계, 상기에서 산출된 근접 질의 결과 신뢰도값과 기설정된 최소 신뢰도값을 비교하여 k번째 근접한 주변 차량 객체 정보로 결정하는 단계를 포함하여 제공된다.
더욱이, 상기 불확실 영역 내에 상기 주변 차량 객체가 불균일한 분포를 이룰 경우에는 상기 불확실 영역을 셀 단위로 구획하고, 각 셀마다 상기 주변 차량 객체가 위치할 확률값을 미리 설정하여, 근접 질의 결과 신뢰도값을 산출한다.
또한, 상기 근접 질의 결과 신뢰도값은 상기 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 상기 질의 응답 후보자군에 속하는 각 객체보다 거리가 더 떨어질 확률값들과, 상기 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 상기 질의 응답 후보자군에 속하지 않는 객체보다 거리가 더 가까울 확률값들의 합을 응답 후보자군 수로 나눈 값으로 나타낸다.
또한, 상기 근접 질의 결과 신뢰도값이 기설정된 최소 신뢰도값 이상이면 신뢰도 조건을 만족하며, 상기 근접 질의 결과 신뢰도값이 기설정된 최소 신뢰도값에 도달하지 않으면, 상기 질의 차량 단말에서 상기 k번째 주변 차량 객체의 실제 위치값을 수신받아, 상기 k번째 주변 차량 객체의 실제 위치값을 기초로 하여 상기 근접 질의 결과 신뢰도값을 재산출한다.
더욱이, 상기 주변 차량 객체의 위치가 상기 불확실 영역을 이탈할 경우에는, 상기 질의 차량 단말에서 상기 불확실 영역에서 이탈된 주변 차량의 이동정보를 재수신한다.

상기와 같은 본 발명에 따르면, 확률을 기반으로 하여 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리의 신뢰도를 검증하여, 정확한 질의 결과를 제공하며, 질의 결과의 신뢰도를 높이기 위해서 k번째의 이동 객체에 대한 정확한 위치만을 수신하여 제한된 P2P 네트워크 환경 내에서 네트워크 부하없이 활용할 수 있는 효과가 있다.

도 1은 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의의 예를 나타낸 도면이다.
도 2는 시간대별로 주변 차량 객체 O_x가 매시간대별로 이동되는 위치에 따른 위치 업데이트 관계를 설명하기 위한 도면이다.
도 3은 질의 차량 위치 q에서 주변 차량 객체 O_x간의 최소거리를 계산하는 예를 나타낸 도면이다.
도 4는 질의 위치가 불확실 영역에 속하지 않을 경우에서의 f(X = r)의 함수값을 구하기 위한 예를 나타낸 도면이다.
도 5는 질의 위치가 불확실 영역에 속할 경우에서의 f(X = r)의 함수값을 구하기 위한 예를 나타낸 도면이다.
도 6은 질의 위치가 불확실 영역에 속하지 않을 경우에서의 F(0 ≤ X ≤ r)의 함수값을 구하기 위한 예를 나타낸 도면이다.
도 7은 질의 위치가 불확실 영역에 속할 경우에서의 F(0 ≤ X ≤ r)의 함수값을 구하기 위한 예를 나타낸 도면이다.
도 8은 객체 o_x에 대한 셀 단위의 위치 확률의 예를 나타낸 도면이다.
도 9는 각 셀의 서브 셀에서의 위치확률을 계산하는 예를 나타낸 도면이다.
도 10(a)와 도 10(b)는 움직이는 객체 o_x와 o_y의 각각 다른 위치 확률을 나타낸 도면이다.
도 11은 도 9(b)에서와 동일한 위치 확률값들과 함께 f(X = 2), F(0 ≤ X ≤ 2)인 확률함수값을 계산하기 위한 예를 나타낸 도면이다.
도 12는 P(X ≤ Y)인 확률을 구하기 위한 4가지의 예시를 나타낸 도면이다.
도 13은 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 순서를 나타낸 순서도이다.
도 14는 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법을 설명하기 위한 예를 나타낸 도면이다.
도 15는 거리간격을 구하기 위한 질의 차량의 위치 q와 각 주변 차량 객체 o_x와의 거리범위를 매핑한 예를 나타낸 도면이다.
도 16은 근접 질의 응답 결과의 신뢰도를 높이기 위해 질의 차량 단말에서 k번째의 객체의 정확한 위치를 수신받아 반복하여 재연산하는 예를 나타낸 도면이다.

이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예를 상세하게 설명하기로 한다.

도 1은 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의의 예를 나타낸 도면이다.

운전중인 차량 즉, 질의 차량 위치 q 주변의 다른 차량과의 충돌을 방지하기 위해 질의위치에서 최근접한 k대의 차량 객체를 찾을 수 있다. 이때에, 가장 쉽게 움직이는 주변 차량 객체를 찾는 방법은 운전중인 질의 차량 주변에 위치하는 각 차량의 위치정보를 일정 단위 시간마다 생성하고 위치 정보를 주변 차량과 브로드캐스팅하여 질의 차량 단말에서 상기 각 차량의 위치정보를 업데이트하게 되면, 주변 차량 객체의 정확한 위치를 판단할 수는 있으나, 이렇게 되면 네트워크 부하가 커져 실제로 데이터가 정확한 시간에 도달하지 못하게 되며, 아울러 이동간에 사용되는 P2P 통신으로는 많은 데이터를 처리할 수 없게 된다.

그래서 차량의 속도나 방향성을 고려하여 특정 중심점에서 일정 반경으로 이루어지는 불확실 영역을 설정하여, 차량이 불확실 영역에 포함될 경우 차량의 위치정보를 별도로 생성시켜 업데이트되지 않도록 하여 통신 부하를 줄이도록 한다.

도 1에서는 이러한 차량 객체의 불확실 영역을 질의 위치 q를 중심으로 각 차량의 이동속도나 방향성을 고려한 원호로 표시하도록 하였다.

먼저 도 1(a)에서 질위 차량 위치 q에서 가장 근접한 3번째 주변 차량을 질의 요청하면, 도면에서와 같이 객체 o₂, o₃, o₄가 질의 요청 결과로 제시될 수 있다. 여기서 질의 위치 q에서 주변 차량 객체 o₄와의 최대거리에 해당되는 점선으로 이루어진 원호가 그어질 수 있으며, 이 점선으로 이루어진 원호 내부에 3개의 주변 차량 객체가 포함되어 있어 상기의 주변 차량 객체 o₂, o₃, o₄는 정확한 질의 응답 결과가 된다.

그러나 도 1(b)의 경우에는 주변 차량 객체 o₂, o₃, o₄가 점선 내부에 위치하여 질의 응답 결과로 제시될 수 있으나, 객체 o₁, o₆ 또한 점선에 걸쳐져 있어서 객체 o₂, o₃, o₄ 이외에 객체 o₁, o₆도 질의 응답 결과에 포함될 수 있다. 왜냐하면, 상기에서 각 객체의 불확실 영역은 각 객체가 불확실 영역 내에 포함될 가능성을 나타내는 것으로 실제 객체 o₄의 실시간 위치정보가 객체 o₁, o₆보다 더 멀리 위치할 가능성이 있다.

이에 본 발명은 상기의 도 1(b)와 같은 경우에 질의결과를 확률에 기반하여 최근접 객체를 산출하도록 하는데 있다.

먼저, 각 객체의 불확실 영역에 대해 자세히 설명하도록 한다.

도 2는 시간대별로 이동 객체 O_x가 매시간대별로 이동되는 위치에 따른 위치 업데이트 관계를 설명하기 위한 도면이다.

전술한 바와 같이 객체가 불확실 영역 내에 위치할 경우에는 객체 자신의 위치정보가 갱신되지 않고, 이동 객체 위치가 불확실 영역 외부에 위치될 경우 자신의 정확한 위치정보를 생성시켜 다른 근방의 차량으로 브로드캐스팅하여 질의 차량 단말에서 이동 객체 위치가 다시 업데이트되도록 한다.

이와 같은 관계를 도 2를 통해 더욱 자세히 설명하자면, 이러한 이동 객체의 위치정보 업데이트는 o_x, L_x, V_x, ts, r_x로 나타나며, 여기서 o_x는 보고 배포자를 나타내며, L_x와 V_x는 각각 위치와 속도를 나타낸다. ts는 타임스탬프를 나타내며, r_x는 o_x에 대한 불확실 영역 U_x의 반경을 나타낸다. L_x, V_x와 ts의 3가지 속성은 GPS 장치로부터 매시간 간격마다 직접적으로 획득된다.

먼저, 새로운 객체 o_new가 전송범위(transmission range) 내에 진입하게 되면, 새로운 객체 o_new는 객체 o_x의 움직임에 관한 어떠한 정보도 가지고 있지 않기 때문에, 객체 o_x는 지점 대 지점 간 통신(point-to-point communication)을 이용하여 새로운 보고를 생성하고 전송한다. 이러한 보고는 현재 객체의 정확한 위치정보를 생성하게 된다. 동일한 이유로, o_new 또한 지점 대 지점 간 통신(point-to-point communication)을 이용하여 o_x 객체에 대한 보고를 생성하고 전송한다.

도 2에서 보여지는 바와 같이, 보고는 객체 o_x가 중심 c_x와 반경 r_x를 가지는 원에 상응하는 불확실 영역에서 이탈될 때에 생성된다. 여기서 원의 범위는 불확실 영역 U_x를 나타내며 반경 r_x와 함께 예상되는 위치 c_x가 중심을 이루고 있다.

도면에서 두 개의 원들은 각각 t_i+1과 t_i+2 시간에서 객체 o_x에 대한 불확실 영역인 U_x(t_i+1)과 U_x(t_i+2)를 나타내며, 만일 객체 o_x가 t_i+1 시간에 o_x1으로 도달하게 되면, 객체 o_x1이 불확실 영역 외부로 벗어나지 않은 것으로, 객체 o_x는 새로운 보고를 생성하지 않게 된다.

그러나, 만일 객체 o_x가 t_i+1 시간에 o_x2로 도달하게 되면, 이는 불확실 영역 U_x를 벗어난 경우로, 새로운 위치정보 보고가 생성된다. 이와 마찬가지로, 객체 o_x가 t_i+2 시간에 o_x1으로부터 o_x3으로 이동하게 되면, 객체 o_x의 현재 위치에 대한 보고가 생성된다. 달리 말해서 객체에 대한 보고가 생성되지 않는다면, 그 객체는 불확실 영역 범위 속 어느 지점에 위치하고 있다는 것으로 가정된다.

이와 같이 위치정보를 포함하는 보고의 생성은 각 객체의 배포자가 객체의 움직임을 추적할 수 있도록 하며, 만일 객체가 매 시점마다 보고 정보를 배포한다면, 배포자는 객체의 움직음을 계속적으로 추적, 관찰할 수 있으나, 모바일 환경내에서는 이용 가능한 무선대역폭이 제한되어 있어, 이러한 방법으로는 이용할 수 없게 된다. 이에 따라, 각 객체가 불확실 영역 내에 위치하게 된다면 새로운 위치정보를 생성시키지 않도록 하여 네트워크 부하를 줄이도록 한다.

도 3은 질의 차량 위치 q에서 주변 차량 객체 O_x간의 최소거리를 계산하는 예를 나타낸 도면으로, 도 3(a)에서와 같이 질의 위치 q가 객체 O_x의 불확실 영역 U_x의 바깥부분에 위치할 경우, 질의 위치 q와 객체 O_x간의 최소거리는 질의 위치 q와 불확실 영역 Ux의 중심 c_x와의 거리에 반경 r_x를 뺀 거리에 해당하며 X_min = dist(q,c_x) - r_x 의 식으로 나타낼 수 있다.

이에 반해, 도 3(b)에서는 질의 위치 q가 객체 O_x의 불확실 영역 U_x의 내부에 위치하는 경우로서, 질의 위치 q와 객체 O_x간의 최소거리는 0(X_min = 0)에 해당한다. 그리고 질의 위치 q와 객체 O_x간의 최대거리는 X_max = dist(q,c_x) + r_x 로 나타낼 수 있다. 그러므로, 최소 및 최대거리는 각각 X_min = MAX{0,dist(q,c_x) - r_x} 와 X_max = dist(q,c_x) + r_x 로 결정되어 진다.

아래에서는 불확실성을 가진 각 이동 객체간의 거리에 대한 확률분포함수(pdf)와 누적분포함수(cdf)의 평가를 통해 질의 위치에 k번째 근접한 객체의 신뢰도를 확률을 통해 구하는 방법에 대해 더욱 자세히 설명하도록 한다.

이동 객체는 불확실 영역 내에서 균일한 위치 분포를 하거나, 불균일한 위치 분포를 한다는 가정하에 질의 위치와 불확실한 이동 객체 사이의 거리의 확률분포함수(pdf)와 누적분포함수(cdf)를 산정하게 되는데, 먼저, 이동 객체가 불확실 영역 내에서 균일한 분포를 한다는 가정하에서 질의 위치와 불확실한 이동 객체 사이의 거리에 대한 확률을 구하는 방법에 대해 알아 보도록 한다.

질의 위치 q와 불확실 영역 U_x에 속하는 불확실한 이동객체 o_x 사이의 거리는 연속확률변수(continuous random variable) (X_min ≤ X ≤ X_max) 로 나타내어질 수 있다. 여기서 X = dist(q,o_x)_, X_min = mindist(q,o_x)_, X_max = mindist(q,o_x) 이다.

f(X = r)은 확률변수 X에 대한 확률분포함수(pdf)로 구해질 수 있으며, f(X = r)은 질의 위치 q와 o_x와의 거리가 r이 되는 거리의 확률함수를 나타낸다. 명확하게는 상기 함수는 아래의 [수학식 1]로 나타낼 수 있다.

여기서,

은 질의 위치 q로부터 등거리 r에 있는 불확실 영역 U_x에 속하는 객체 o_x의 위치들에 관련된 원호에 상응하는 원의 길이이다.

달리 말하자면, 질의 위치 q와 원호에 속하는 각각의 점 p와의 거리는 r에 해당하게 된다(dist(q,p) = r). 그리고 U_x의 영역은 area(U_x) = π·r_x ² 이며, 따라서, f(X = r)는

의 값을 결정하기만 하면 된다.

상기와 같은 확률함수는 질의 위치 q가 불확실 영역 U_x 내에 속할 경우와 속하지 않는 2가지 경우에 의해 고려된다.

도 4는 질의 위치가 불확실 영역에 속하지 않을 경우에서의 f(X = r)의 함수값을 구하기 위한 예를 나타낸 도면이다.

먼저, 질의 위치 q가 불확실 영역 U_x에 속하지 않을 경우, 확률분포 X의 범위는 dist(q,c_x) - r_x ≤ X ≤ dist(q,c_x) + r_x 로 나타내어진다. 도 4에서 보는 바와 같이, 원 S의 길이는 굴게 처리된

로 나타내어진다.

은

= α·r 에 의해 계산되며, 여기서 α는 라디안(radian)으로 중심각을 의미하며, r은 원호 Cp(r)의 반지름을 의미한다.

즉, 점선으로 이루어진 원호는 q에 의해 중심을 이루게 된다. 라디안(radian)은 여기서 각도를 측정하기 위해 사용되는데 α값은 코사인 값을 사용하여 계산되어 질수 있다. 이는 삼각형 △p₁qc_x의 세면의 길이 즉, dist(q,p₁) = r, dist(c_x,p₁) = r_x, 그리고 dist(q,c_x)로 알려져 있기 때문이다.

이런 식으로 하여 α값은 아래와 같이 계산되며,

이에 의해

값을 구하기 위한 [수학식 2]는 아래와 같이 나타내어진다.

도 5는 질의 위치가 불확실 영역에 속할 경우에서의 f(X = r)의 함수값을 구하기 위한 예를 나타낸 도면이다.

다음은 질의 위치 q가 불확실 영역 U_x에 속하지 않을 경우, 확률분포 X의 범위는 0 ≤ X ≤ dist(q,c_x) + r_x 로 나타내어진다.

도 5(a)에서는 보는 바와 같이, 0 ≤ r ≤ r_x - dist(q,c_x)일 경우에 해당하며,

= 2·π·r 로 계산되고, 이러한

은 원호 C_p(r)의 원주와 일치하게 된다.

도 5(b)에서는 r_x - dist(q,c_x) ≤ r ≤ r_x + dist(q,c_x)일 경우에 해당하며,

= α·r, 즉

를 사용하여 계산되어 진다.

상기와 같이 q의 위치에 따라 f(X = r)의 확률함수는 아래와 같은 [수학식 3]에 의해 계산된다.

도 6은 질의 위치가 불확실 영역에 속하지 않을 경우에서의 F(0 ≤ X ≤ r)의 함수값을 구하기 위한 예를 나타낸 도면이다.

F(0 ≤ X ≤ r)는 확률변수 X에 대한 누적분포함수로 구해지며, F(0 ≤ X ≤ r)는 q와 o_x 사이의 거리가 r과 동일하거나 보다 적을 확률을 나타내는 함수이다. 즉 F(0 ≤ X ≤ r) = ∫₀ ^rf(X = s)ds 이다.

이러한 누적분포함수는 q가 U_x에 속하거나 속하지 않는 두 가지의 경우를 고려하여 설명하도록 한다.

먼저, q가 U_x에 속하지 않을 경우 X에 대한 누적분포함수는 아래의 [수학식 4]에 의해 구해진다.

여기서,

,

,

,

를 나타낸다.

도 7은 질의 위치가 불확실 영역에 속할 경우에서의 F(0 ≤ X ≤ r)의 함수값을 구하기 위한 예를 나타낸 도면이다.

도 7을 통해 q가 U_x에 속할 경우에서의 F(0 ≤ X ≤ r)의 함수값을 계산하도록 하며, 여기서 0 ≤ r ≤ r_x - dist(q,c_x) 이거나 r_x - dist(q,c_x) ≤ r ≤ r_x + dist(q,c_x) 인 두 가지 경우를 각각 고려하여 함수값을 계산하도록 한다.

도 7(a)는 0 ≤ r ≤ r_x - dist(q,c_x)인 경우로서, 누적분포함수에 의한 [수학식 5]는 아래와 같다.

여기서

,

을 의미한다.

도 7(b)는 r_x - dist(q,c_x) ≤ r ≤ r_x + dist(q,c_x) 인 경우로서, 누적분포함수에 의한 [수학식 6]은 아래와 같다.

여기서,

,

,

,

를 의미한다.

상기와 같이 q의 위치에 따라 F(0 ≤ X ≤ r)의 누적분포함수는 아래의 같이 [수학식 7]로 계산된다.

아래에서는 질의 위치와 불확실 영역 내에서 일정하지 않은 분포를 따르는 움직이는 객체간의 거리의 확률분포함수와 누적분포함수를 산정하기 위한 방법에 대해 설명하도록 한다.

예를 들어, 불확실 영역 속에서 균일한 분포를 나타내는 객체 위치들은 산술 평균에 의해 불확실 영역 내에서 동일한 값을 가지게 된다.

그러나 불확실 영역에 움직이는 물체의 위치들은 상호 독립적으로, 실제로 차량과 같이 운전자의 행동에 따라서 움직이는 물체의 위치들이 불확실 영역 내에서 균일한 분포를 따르지 않을 수 있다. 따라서, 불균일한 분포를 따르는 움직이는 객체의 확률 위치를 저장하고 평가하기 위해서 일정 단위로 구획된 셀 단위로 평가하도록 한다.

도 8은 객체 o_x에 대한 셀 단위의 위치 확률의 예를 나타내며, 여기서 각 셀에서의 숫자는 움직이는 객체가 그 셀 내부에 위치하게 되는 확률을 나타낸다.

Λ^x _i,j는 움직이는 객체 o_x의 불확실 영역에서 i번째 줄과 j번째 열의 셀을 의미하고, φ(Λ^x _i,j)는 Λ^x _i,j 셀에 객체 o_x가 위치할 확률을 나타낸다. 도 8에서와 같이 Λ^x _1,1, Λ^x _1,2, Λ^x _2,1, 및 Λ^x _2,2로 이루어지는 네 개의 셀 각각은 φ(Λ^x _1,1) = 0, φ(Λ^x _1,2) = 0.2, φ(Λ^x _2,1) = 0.3 및 φ(Λ^x _2,2) = 0.5 인 확률값을 가진다.

이러한 확률값 φ(Λ^x _i,j)는

와 같은 수학식에 의해 산정되며, 여기서 φ(p)는 객체 o_x에 점 p가 위치되는 확률을 나타낸다. 점 p가 불확실 영역 U_x 내부에 속할 경우에는 φ(p) ≥ 0 이고, φ(Λ^x _1,1), φ(Λ^x _1,2), φ(Λ^x _2,1) 및 φ(Λ^x _2,2)의 합은 1이 된다.

도 9는 각 셀의 서브 셀에서의 위치확률을 계산하는 예를 나타낸 도면이다.

N_Λ는 불확실 영역 U_x로 되는 것으로 여겨지는 셀들의 수를 나타내고, 각 셀은 동일한 크기의 다수개의 작은 서브 셀(sub-cell)로 나뉘어지며, 이러한 서브 셀(sub-cell)을 λ로 나타내며, Λ^x _i,j에서 서브 셀의 갯수는 N_λ로 나타내도록 한다. 도 9에서는 N_Λ = 4, N_λ = 4임을 알 수 있다.

이러한 위치 확률은 같은 셀 내부에서는 각 지점에 대한 동일한 확률을 나타내는 것으로 추정한다.

그래서, 서브 셀 λ ⊆ Λ^x _i,j 인 경우, 객체 o_x가 서브 셀 λ에 위치될 확률 φ(λ)은 아래의 [수학식8]에 의해 산정된다.

여기서 확률 φ(Λ^x _i,j)는 움직이는 객체 o_x 에 의해 제공되고, 질의 위치 q는 확률 φ(λ)를 φ(Λ^x _i,j), area(λ∩U_x) 및 area(Λ^x _i,j∩U_x)를 이용하여 계산한다. area(λ∩U_x) 및 area(Λ^x _i,j∩U_x)는 수치 적분(numerical integration)에 의해 쉽게 결정되어 질 수 있다.

도 9(a)에서는 φ(Λ^x _1,1) = 0, φ(Λ^x _1,2) = 0.2, φ(Λ^x _2,1) = 0.3 및 φ(Λ^x _2,2) = 0.5의 값을 나타낸다.

예를 들어, 도 9(b)에서 회색으로 처리된 서브 셀에 대한 φ(λ)의 값을 산정하도록 한다. φ(Λ^x _1,2) = 0.2,

,

으로 값을 산정하면

로 계산된다.

도 10(a)와 도 10(b)는 움직이는 객체 o_x와 o_y의 각각 다른 위치 확률을 보여준다. 객체 o_x에 대한 셀 Λ^x _i,j의 위치 확률과 셀의 크기는 객체 o_y에 대한 셀 Λ^y _i,j의 위치 확률과 셀의 크기와 다름을 보여준다. 그리고 불확실 영역 U_x에 속하는 4 개의 셀의 위치 확률은 φ(Λ^x _1,1) = 0, φ(Λ^x _1,2) = 0.2, φ(Λ^x _2,1) = 0.3 및 φ(Λ^x _2,2) = 0.5의 값을 나타낸다. 반면에 불확실 영역 U_y에 속하는 4 개의 셀의 위치 확률은 φ(Λ^y _1,1) = 0.4, φ(Λ^y _1,2) = 0.3, φ(Λ^y _2,1) = 0.2 및 φ(Λ^y _2,2) = 0.1의 값을 나타낸다.

질의 위치 q와 불확실 영역 U_x에 속하는 불확실한 이동객체 o_x 사이의 거리는 연속확률변수(continuous random variable) (X_min ≤ X ≤ X_max) 로 나타내어질 수 있다. 여기서 X = dist(q,o_x)_, X_min = mindist(q,o_x)_, X_max = mindist(q,o_x) 이다.

불균일한 분포에서, 객체 o_x에 대한 확률변수 X의 확률분포함수 즉, f(X = r)는 아래의 [수학식 9]에 의해 거의 결정되어진다.

이와 유사하게, 확률변수 X의 누적분포함수 즉, F(0 ≤ X ≤ r)는 아래의 [수학식 10]에 의해 거의 결정되어진다.

상기와 같이 불균일한 분포를 나타내는 객체 위치에 따라 질의 위치 q와 객체 o_x의 거리 X에 대한 확률분포함수와 누적분포함수를 산정하는 방법을 요약하면 아래의 [수학식 11]과 같다.

도 11은 도 9(b)에서와 동일한 위치 확률값들과 함께 f(X = 2), F(0 ≤ X ≤ 2)인 확률함수값을 계산하기 위한 예를 나타낸 도면이다.

도면을 참조하면, 8개의 서브 셀이 회색으로 음영처리되어 있으며, 음영처리된 각각의 서브 셀 영역은 dist(q,r) = r 인 조건을 만족하는 지점 p를 가지게 된다. 이에 따라 f(X = 2), F(0 ≤ X ≤ 2)을 계산하게 되면, 각각 f(X = 2) = 0.354, F(0 ≤ X ≤ 2) = 0.606으로 계산된다.

명백하게, 전반적인 계산 뿐만 아니라 확률분포함수와 누적분포함수의 신뢰도는 불확실 영역을 나누는 셀과 보조 셀의 수에 의해 증가된다.

아래에서는 상기의 확률함수 계산식을 이용하여 질위 위치에서 두 물체간의 근접성을 결정하기 위한 방법에 대해 알아보도록 한다.

P(X ≤ Y)는 객체 O_x가 객체 O_y보다 질의 위치 q에 더 근접할 확률이라 하고, 여기서 P(X ≤ Y)의 값이 0.5와 같거나 더 크다면, 즉 P(X ≤ Y) ≥ 0.5 이라면, 객체 O_x가 객체 O_y보다 질의 위치 q에 더 근접하다 할 수 있으며, P(X ≤ Y)의 값이 0.5 미만이라면 객체 O_y가 객체 O_x보다 질의 위치 q에 더 근접하다는 것을 직관적으로 알 수 있다.

O_x와 O_y 두 개의 배포자(peers)에 대한 확률 P(X ≤ Y)를 계산하기 위해서는 먼저 X의 범위가 Y의 범위에 겹쳐지는지를 확인한다.

단순하게 표현하자면, s는 X_min과 Y_min 사이의 최대값을 나타내고, e는 X_max과 Y_max 사이의 최소값을 나타낸다. 이를 식으로 나타내면, s = MAX{X_min,Y_min}, e = MIN{X_max,Y_max}이다.

이에 따라 P(X ≤ Y) 확률을 결정하는 [수학식 12]은 아래와 같다.

여기서 확률 P₁은 X에 대한 누적분포함수를 이용하여 아래와 같은 [수학식 13]으로 산정될 수 있다.

또한, 확률 P₂는 Y에 대한 누적분포함수를 이용하여 아래와 같은 [수학식 14]로 산정될 수 있다.

그리고

이고, 여기서 s ＜ e 인 경우이다. 만약, s = e 이면, P₃값은 0이다. 아울러, f(X = r)은 X에 대한 확률분포함수이고, F(r ≤ Y ≤ e)는 Y에 대한 누적분포함수이다.

도 12는 P(X ≤ Y)인 확률을 구하기 위한 4가지의 예시를 나타낸 도면이다.

도면의 예시 중에서 X의 영역이 Y의 영역에 겹쳐지지 않은 것은 P(X ≤ Y)의 값이 직관적으로 결정되어 질 수 있어, 예시로는 들지 않았다.

도면에서 r_x와 c_x는 객체 o_x의 불확실 영역 U_x의 반지름과 중심에 해당하며, r_y와 c_y는 객체 o_y의 불확실 영역 U_y의 반지름과 중심에 해당된다.

도 12(a)에서 r_x = 3, r_y = 2, dist(q,c_x) = 4, dist(q,c_y) = 8의 값으로 주어지며, 이를 통해 X_min = 1, X_max = 7, Y_min = 6, Y_max = 10임을 알 수 있다. 그리고 상기의 산출값에 의해 s = 6이고, e = 7로 산정된다.

이를 통해 P₁, P₂ 및 P₃를 산정해 보면, 각각 P₁ = F(0 ≤ X ≤ 6) = 0.860, P₂ = 1 - F(0 ≤ Y ≤ 7) = 0.822, P₃ = ∫₆ ⁷f(X = r)·F(r ≤ Y ≤ 7)dr = 0.017임을 알 수 있다. 그리하여, P(X ≤ Y) = P₁ + P₂ - P₁·P₂ + P₃ = 0.992 로 산정된다.

도 12(b), 12(c) 및 12(d)도 상기의 방법으로 계산되어진다.

아래의 테이블은 도 12에 도시된 예에 의해 P(X ≤ Y) 값 계산을 요약한 표이다.

아래에서는 상기에서 언급한 각 객체의 거리 확률함수를 기반으로 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 알고리즘에 대해 자세히 설명하도록 한다.

질의 위치 q의 전송 범위 내에 위치하는 주변 객체 배포자들은 질의 위치 q와 최대거리가 증가하는 순으로 정렬되어, 질의 위치 q와 k번째 가장 작은 최대거리를 가지는 배포자가 선택되된다.

그리고 dist_TH으로 정의되는 최대 거리는 가장 근접한 k번째 질의 응답값를 구하기 위한 임계 거리로 이용되어, 객체 o_x가 질의 응답의 후보자인지 여부를 확인한다.

만일, 객체 o_x가 질의 위치 q와의 최소거리 X_min이 임계거리 dist_TH 보다 작거나 같으면, o_x는 질의 응답 후보자군

에 포함된다. 즉,

←

+ {o_x}으로 나타난다.

반면에, o_x의 최소거리 X_min이 임계거리 dist_TH 보다 크다면, 이는 질의 응답의 후보자군

에 포함되지 않게 되어, 자연스럽게 무시된다. 이와 같이 질의 응답 후보자군을 산출하는 필터링 단계를 먼저 거치게 된다.

그리고 질의 응답 후보자군

의 수가 질의 갯수 k와 같거나 적게 되면, 즉

≤ k, 그러면,

는 정확한 질의 응답이 되며, 질의 응답 후보자군

의 수가 질의 갯수 k보다 크면 질의 응답 후보자군

로부터 k번째의 최근접 객체를 찾아야 한다. 이것으로 최종 근접 질의 응답 결과 A를 구하게 된다.

근접 질의 응답 결과 A의 신뢰도는 o⁺ ∈ A, 즉 확률 P(dist(q,o⁺) ≤ dist(q,o_kth))에 해당되는 응답 배포자(answer peer)에 포함되도록 판정되는 확률의 평균과, o^-

A, 즉 확률 P(dist(q,o_kth) ≤ dist(q,o^-))에 해당되는 응답 배포자(answer peer)가 아닌 것에 제외되도록 판정되는 확률의 평균으로 평가된다. 여기서 o_kth는 q에서 k번째 질의 결과를 나타낸다.

아울러, o_kth는 질의 위치 q와

에 속하는 각 후보 객체 사이의 평균거리 즉, avgdist(q,o_x)에 기초하여 결정된다.

이에 따라, 근접 질의 응답 결과 A는 아래와 같이 [수학식 15]에 의해 계산된다.

도 13은 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 순서를 나타낸 순서도이고, 도 14는 본 발명에 따른 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법을 설명하기 위한 예를 나타낸 도면이다.

먼저, 질의 차량 단말은 질의 차량 q 주변 일정 영역 내에서 이동중인 각 주변 차량의 객체 정보를 수신한다. 이때에 주변 차량의 객체 정보는 도 2와 도 3에서 설명한 바와 같이 각 주변 차량의 이동 정보에 기초하여 특정 중심 c_x와 일정 반경 r_x를 가지는 불확실 영역 U_x를 나타낸다(S110).

그리고 질의 차량 단말은 질의 차량의 사용자로부터 질의 차량 위치 q에 근접한 k번째 주변 차량 객체 정보 질의 요청신호를 입력받아 주변 차량 객체의 불확실 영역 정보에 기초하여 k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하게 된다(S120).

상기와 같이 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 신뢰도를 검증하여 k번째 근접한 주변 차량 객체 정보로 결정하도록 한다(S130).

이를 위해 먼저 질의차량 q와 주변 차량 객체 o_x와의 최대거리와 최소거리를 연산하여 각 주변 차량 객체에서 연산된 최대거리가 k번째에 해당하는 차량 객체를 추출하게 되는데, 여기서 질의 차량의 위체에서 최대거리가 k번째에 해당하는 주변 차량 객체의 최대거리를 임계 거리로 설정하도록 한다.

이러한 임계 거리 dist_TH는 도 14에서 점선으로 이루어진 원의 반경으로, 임계 거리를 이용하여 근접 질의 응답 결과에 포함되는 후보자군과 포함되지 않는 객체들을 필터링한다.

이를 효과적으로 표현하기 위해, 거리간격을 구하기 위한 질의 차량의 위치 q와 각 주변 차량 객체 o_x와의 거리범위를 도면상에 매핑시키도록 한다. 이러한 맵핑 결과는 도 15에서 도시되며, 여기서 질의 위치 q와 객체 o_x와의 최대, 최소거리 즉, Xmin 과 Xmax는 각각

과

로 표시된다.

도 15(a)에서는 o₁에서 o₇까지 7개의 배포자들이 최대거리 순서로 오름차순으로 정렬된다. 상술한 바와 같이, 임계 거리 dist_TH 는 q에서 k번째 최대거리로 설정되며, 도 15(a)에서 dist_TH = 3 으로 선택되어진다. 이것은 질의 차량 위치 q에서 주변차량 객체 o₄까지의 최대거리와 일치된다.

만일, 질의차량 위치 q에서 주변차량 객체 o_x와의 최소거리가 임계 거리 dist_TH보다 더 크다면, 객체 o_x는 질의 응답으로 채택될 수 없어 질의 응답 후보군에서 제외된다. 즉 도면에서 객체 o₆과 o₇은 질의 위치치와의 최소거리가 임계 거리 dist_TH보다 더 커 질의 응답 후보군에서 제외시킨다. 그 결과, 질의 응답 후보자군

= {o_1, o_2, o_3, o_4, o₅}임을 알 수 있다.

다시 말하자면, 임계 거리가 상기 주변 차량 객체의 최소 거리와 최대 거리 사이에 포함되는 주변 차량 객체를 추출하여 질의 응답 후보자군으로 설정하고, 임계 거리와 주변 차량 객체의 최소 거리를 비교하여, 상기 최소 거리가 상기 임계 거리보다 큰 주변 차량 객체를 필터링하여 질의 응답 후보자군에서 제외시킨다.

도 15(b)에서는 질의 응답 후보자군

가 질의 차량 위치 q와 평균거리의 오름차순으로 정렬되고, k번째 객체 o_kth는 질의 차량 위치 q와의 평균 거리에 기초하여 선택되어진다. 여기서 o_kth는 질의 응답 객체(o⁺ ∈ A)와 질의 응답에 해당되지 않는 객체(o^- ∈

- A)로 분리하기 위한 기준값으로 이용된다.

질의 차량 위치 q와 주변 차량 객체 o_x와의 평균거리 즉, X_avg는 아래의 [수학식 16]에 의해 산출된다.

여기서 X_avg는 수치적분 방법을 이용하여 계산되어진다. 이런 계산방법에 의해 도 15(b)에 질의 차량 객체 q와 각 주변 차량 객체 o_x간의 평균거리가 avgdist(q,o ₁) = 1.58, avgdist(q,o ₂) = 2.01, avgdist(q,o ₃) = 3.04, avgdist(q,o ₄) = 2.51 및 avgdist(q,o ₅) = 3.26으로 표시된다. 이러한 평균거리에 의해 주변 차량 객체 o ₄가 질의 위치 q에서 k번째 근접 질의 요청 결과로 선택되어진다. 즉 o_kth = o ₄ 이다.

이와 같이 가장 작은 평균거리들을 가지는 k갯수의 객체가 근접 질의 응답 결과 A로 산출된다. 도 15(b)에서 살펴보면, 상기에서 연산된 평균거리가 라인 세그먼트의 상단부에 표기되어 있으며, 이를 통해 k번째의 객체를 산출할 수 있게 된다.

상기에서

= {o_1, o_2, o_3, o_4, o₅}, A = {o_1, o_2, o₄},

- A = {o_3, o₅} 그리고 o_kth = o ₄ 임을 알 수 있으며, 이를 통해 k번째 객체로 산출된 객체 o ₄의 근접 질의 응답 결과 신뢰도를 연산하여, 질의 객체에서 요청된 근접 질의 응답 결과의 최소 신뢰도 δ_min와 비교하여 신뢰도를 평가하도록 한다.

이를 위해 먼저 질의 응답 후보자군

에 속할 확률(o_x ∈

), 근접 질의 응답 결과 A에 확실하게 속할 확률(o_x ∈ A) 및

- A에 속하지 않을 확률 값을 구하게 된다. 아래에서는 각 확률값을 연산한 결과이며, 이 확률값을 통해 근접 질의 응답 결과 신뢰도를 연산하도록 한다.

즉, 근접 질의 결과 신뢰도값은 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 질의 응답 후보자군에 속하는 각 객체보다 거리가 더 떨어질 확률값들과, 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 질의 응답 후보자군에 속하지 않는 객체보다 거리가 더 가까울 확률값들의 합을 응답 후보자군 수로 나눈 값으로 나타내어진다.

이를 계산해보면, P(dist(q,o₁) ≤ dist(q,o₄)) = 0.96, P(dist(q,o₂) ≤ dist(q,o₄)) = 0.91, P(dist(q,o₄) ≤ dist(q,o₄)) = 1, P(dist(q,o₄) ≤ dist(q,o₃)) = 0.8, 그리고 P(dist(q,o₄) ≤ dist(q,o₅)) = 0.98로 확률값이 산출된다.

상기의 값을 응답 후보자군 수로 나누게 되면, 근접 질의 응답 결과의 신뢰도는

으로 그 신뢰도 값이 산출되며, 이는 사전에 기설정된 근접 질의 응답 결과의 최소 신뢰도값 δ_min = 0.95보다 작아 신뢰도 조건을 만족하지 못하게 된다.

여기서 근접 질의 응답 결과의 최소 신뢰도값 δ_min은 δ_min(0 ≤ δ_min ≤ 1)은 근접 질의 결과로 요청된 최소 신뢰도 값을 나타내며, 사전에 질의 응답 단말에서 δ_min 값이 미리 설정되어진다. 본 예에서는 δ_min = 0.95로 추정하였다.

상기와 같이 신뢰도 조건이 만족되지 않는 경우에는, 다시 반복 연산하여 근접 질의 응답 결과의 신뢰도값

의 신뢰도를 높이기 위해 질의 차량 단말은 지점 대 지점 간 통신(point-to-point communication) 즉 근거리 통신을 이용하여 k번째 객체에 해당하는 객체 o₄의 정확한 위치를 요청하여, 객체 o₄의 이동정보를 수신한다.

도 16은 근접 질의 응답 결과의 신뢰도를 높이기 위해 질의 차량 단말에서 k번째의 객체의 정확한 위치를 수신받아 반복하여 재연산하는 예를 나타낸 도면이다.

도면에서와 같이 질의 차량 단말로 수신된 주변 차량 객체 o₄의 정확한 위치가 불확실 영역이 아닌 좌표점으로 표시되고, 정확한 위치값에 의해 임계 거리(dist_TH)는 기존 3에서 2.5 로 업데이트된다. 이와 같이, 신규로 업데이트된 임계 거리(dist_TH)는 주변 차량 객체 o_1, o_2, o₄의 최대거리에 부합됨을 도 16(a)를 통해 알 수 있으며, 주변 차량 객체 o₅의 최소거리가 임계 거리(dist_TH)보다 커 주변 차량 객체 o₅는 질의 응답 후보자군에서 제외시킨다.

이렇게 하여 재연산을 통해

= {o_1, o_2, o_3, o₄}, A = {o_1, o_2, o₄},

- A = {o₃} 그리고 o_kth = o ₄ 임을 알 수 있으며, 이를 통해 k번째 객체로 산출된 객체 o ₄의 근접 질의 응답 결과 신뢰도를 재연산하여, 질의 객체에서 요청된 근접 질의 응답 결과의 최소 신뢰도 δ_min와 비교하여 신뢰도를 평가하도록 한다.

즉, P(dist(q,o₁) ≤ dist(q,o₄)) = 1, P(dist(q,o₂) ≤ dist(q,o₄)) = 1, P(dist(q,o₄) ≤ dist(q,o₄)) = 1 그리고 P(dist(q,o₄) ≤ dist(q,o₃)) = 0.83으로 확률값이 산출된다. 그리하여, 근접 질의 응답 결과의 신뢰도값을 다시 계산하면,

로 산출된다.

이에 따라 근접 질의 응답 결과의 신뢰도값은 근접 질의 응답 결과의 최소 신뢰도값 δ_min = 0.95보다 커서 신뢰도 조건을 만족하게 된다.

비록 본 발명이 상기 언급된 바람직한 실시예와 관련하여 설명되어졌지만, 발명의 요지와 범위로부터 벗어남이 없이 다양한 수정이나 변형을 하는 것이 가능하다. 따라서 첨부된 특허등록청구의 범위는 본 발명의 요지에서 속하는 이러한 수정이나 변형을 포함할 것이다.

부호없음

Claims (15)

1. 질의 차량 단말을 이용하여 이동중인 질의 차량에 근접한 k번째 주변 차량 객체 정보를 연산하는 방법에 있어서,
   상기 질의 차량 주변 일정 영역 내에서 이동중인 각 주변 차량의 이동 정보에 기초하여 특정 중심에서 일정 반경으로 이동 가능한 불확실 영역 정보가 포함된 주변 차량 객체 정보를 수신하는 단계;
   상기 질의 차량의 사용자로부터 질의 차량에 근접한 k번째 주변 차량 객체 정보 질의 요청신호를 입력받아 상기 주변 차량 객체 정보의 불확실 영역 정보에 기초하여 k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하는 단계;
   상기 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 신뢰도를 검증하여 k번째 근접한 주변 차량 객체 정보로 결정하는 단계를 포함하되,
   k번째 근접한 주변 차량 객체 정보 질의 결과를 연산하는 단계는
   질의 차량의 위치와 불확실 영역으로 나타나는 각 주변 차량 객체와의 거리를 비교하여 각 주변 차량 객체와의 최대, 최소거리를 연산하는 단계;
   상기 각 주변 차량 객체에서 연산된 최대거리가 k번째에 해당하는 차량 객체를 추출하는 단계;
   상기 질의 차량의 위치에서 최대거리가 k번째에 해당하는 주변 차량 객체의 최대거리를 임계 거리로 설정하는 단계;
   상기 임계 거리가 상기 주변 차량 객체의 최소 거리와 최대 거리 사이에 포함되는 주변 차량 객체를 추출하여 질의 응답 후보자군으로 설정하는 단계를 포함하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
   
2. 삭제
3. 삭제
4. 제 1항에 있어서,
   상기 임계 거리와 주변 차량 객체의 최소 거리를 비교하여, 상기 최소 거리가 상기 임계 거리보다 큰 주변 차량 객체를 필터링하여 질의 응답 후보자군에서 제외시키는 단계를 포함하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
   
5. 삭제
6. 제 1항에 있어서,
   상기 질의 응답 후보자군의 객체 전체 갯수가 상기 질의 차량에 k번째 근접한 주변 차량 객체 정보의 갯수와 동일하면, 상기 질의 응답 후보자군을 상기 질의 차량 에서의 k번째 근접한 주변 차량 객체 정보로 결정하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
   
7. 제 6항에 있어서,
   상기 질의 응답 후보자군의 객체 전체 갯수가 상기 질의 요청 최근접 갯수 이상으로 추출되면, 상기 질의 응답 후보자군에 포함되는 각 객체의 불확실 영역과 상기 질의 차량 위치와의 평균거리를 산출하여 상기 평균거리 값이 k번째인 주변 차량 객체를 상기 질의 차량에서의 근접 질의 응답 결과로 산출하고,
   상기 근접 질의 응답 결과로 산출된 k번째의 주변 차량 객체를 누적분포함수와 확률밀도함수를 기초로 하여 신뢰도값을 산출하고, 산출된 신뢰도값과 기설정된 근접 결과 요청 최소 신뢰도 값을 비교하여 신뢰도를 검증하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
   
8. 삭제
9. 제 7항에 있어서,
   상기 불확실 영역 정보를 기초로 하여 연산된 k번째 근접한 주변 차량 객체에 대한 신뢰도를 검증하는 단계는
   상기 질의 차량 위치 q와 질의 응답 후보자군에 속하는 주변 차량 객체 o_x와의 거리가 일정거리 r에 해당될 확률분포함수값과, 상기 질의 차량 위치 q와 주변 차량 객체 o_x와의 거리가 일정거리 r내에 포함될 누적분포함수값을 이용하여 질의 차량 위치 q에서 상기 k번째 주변 차량 객체 o_kth와의 거리와, 상기 질의 차량 위치 q에서 상기 질의 응답 후보자군에 속하는 주변 차량 객체 o_x와의 거리의 확률을 비교하여 근접 질의 결과 신뢰도값을 산출하는 단계;
   상기에서 산출된 근접 질의 결과 신뢰도값과 기설정된 최소 신뢰도값을 비교하여 k번째 근접한 주변 차량 객체 정보로 결정하는 단계를 포함하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
   
10. 제 9항에 있어서,
    상기 불확실 영역 내에 상기 주변 차량 객체가 불균일한 분포를 이룰 경우에는 상기 불확실 영역을 셀 단위로 구획하고, 각 셀마다 상기 주변 차량 객체가 위치할 확률값을 미리 설정하여, 근접 질의 결과 신뢰도값을 산출하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
    
11. 삭제
12. 삭제
13. 제 9항에 있어서,
    상기 근접 질의 결과 신뢰도값은
    상기 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 상기 질의 응답 후보자군에 속하는 각 객체보다 거리가 더 떨어질 확률값들과, 상기 질의 차량 객체 q에서 k번째 근접한 주변 차량 객체가 상기 질의 응답 후보자군에 속하지 않는 객체보다 거리가 더 가까울 확률값들의 합을 응답 후보자군 수로 나눈 값으로 나타내는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
    
14. 제 9항에 있어서,
    상기 근접 질의 결과 신뢰도값이 기설정된 최소 신뢰도값 이상이면 신뢰도 조건을 만족하며,
    상기 근접 질의 결과 신뢰도값이 기설정된 최소 신뢰도값에 도달하지 않으면, 상기 질의 차량 단말에서 상기 k번째 주변 차량 객체의 실제 위치값을 수신받아, 상기 k번째 주변 차량 객체의 실제 위치값을 기초로 하여 상기 근접 질의 결과 신뢰도값을 재산출하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
    
15. 제 1항에 있어서,
    상기 주변 차량 객체의 위치가 상기 불확실 영역을 이탈할 경우에는, 상기 질의 차량 단말에서 상기 불확실 영역에서 이탈된 주변 차량의 이동정보를 재수신하는 것을 특징으로 하는 위치 불확실성을 가진 이동 객체에 대한 움직이는 영역 내 k 최근접 질의 처리 방법.
    

Images