KR102117647B1 - 전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법 및 장치 - Google Patents

Abstract

전자 지도의 오프-로드 구간을 주행하는 경우 사용자들의 휴대용 개인 트레이닝 기기들로부터의 GPS 데이터를, 이동 동안 사용자의 심박수를 나타내는 관련 데이터와 함께, 수신하는 단계를 포함하는 방법이 개시되어 있다. 상기 구간을 주행하는 각각의 사용자에 대한 위치 및 심박수 데이터는 상기 사용자에 대한 적응도 프로파일(fitness profile)을 나타내는 데이터를 사용하여 처리된다. 결과 데이터는 상기 구간을 주행하기 어려움을 나타내는, 상기 구간에 연관되는 정규화된 코스트를 결정하는데 사용된다. 코스트 데이터는 신경 네트워크를 사용하여 생성된다. 구간들의 네트워크에서의 서로 다른 구간들에 대한 결과 코스트 데이터는 원하는 연습 강도, 적응도 레벨들 등등에 기반하여 사용자들에 대한 경로 제안들을 생성하는데 사용된다.

Description

전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법 및 장치{A method and apparatus for creating cost data for use in generating a route across an electronic map}

본 발명은 전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 결정하는 방법 및 시스템에 관한 것이다. 특히, 본 발명은 오프-로드(off-road) 구간들인 전자 지도의 내비게이트가능한 구간들을 주행하는 대가로 코스트 데이터를 결정하는 것에 관한 것이지만, 이에 국한되지 않는다. 본 발명은 적어도 부분적으로 사용자 자신의 힘을 바탕으로 상기 전자 지도의 구간들의 주행에 연관된 코스트 데이터를 결정하는 방법 및 시스템을 제공하는 것이다.

전지구 내비게이션 위성 시스템(Global Navigation Satellite System; GNSS)의 신호 수신 및 처리 기능을 포함하는 휴대용 내비게이션 기기(Portable navigation device; PND)들은 공지되어 있으며 자동차 또는 다른 차량 내비게이션 시스템들로서 널리 채용되고 있다. 그러한 기기들은 GPS 안테나와 같은 GNSS 안테나를 포함하며, 이러한 안테나를 통해 위치 데이터를 포함하는 위성 방송 신호들이 수신된 다음에 상기 기기의 현재 위치를 결정하도록 처리될 수 있다. 상기 PND 기기는 또한 현재의 각 및 선 가속도를 결정하고, 또한 상기 GPS 신호로부터 획득된 위치 정보와 연관지어서 상기 기기 및 상기 기기가 장착되어 있는 것이 전형적인 이러한 차량의 속도 및 상대 변위를 결정하도록 처리될 수 있는 신호들을 생성하는 전자 자이로스코프들 및 가속도계들을 포함할 수 있다. 그러한 센서들은 차량 내비게이션 시스템들에 제공되는 것이 가장 일반적이지만, 상기 PND 기기 자체에도 제공될 수 있다.

최근 몇 년 동안, GPS는 보행자 및 옥외 용도들로 사용되기 시작했다. 현재에는 예컨대 스포츠 활동, 도보 여행 및 다른 옥외 용도에 사용하기 위해 시판되고 있는 위치 결정 기능들을 지니는 휴대용 개인 트레이닝 기기가 상당히 많이 존재한다. 휴대용 개인 트레이닝 기기들은 달리기하는 사람들, 조깅하는 사람들, 자전거를 타는 사람들 및 다른 운동을 하는 사람들 및 옥외 팬들 등등에 의해 착용될 수 있는 기기들로서 시간 경과에 따른 움직임, 예컨대 연습 동안 특정 순간들에서의 사용자의 걷는 속도 및/또는 연습 동안 사용자가 간 거리를 나타내는 데이터를 추적 및 기록할 수 있는 기기들이다. 예를 들면, GPS 안테나들을 포함하는 스포츠 시계들은 그러한 사용자들의 속도, 주행 거리 등등의 실시간 데이터를 획득하는 수단으로서 상기 사용자들에 의해 사용되기 시작했다. GPS 데이터는 또한 운동하는 사람이 자신의 활동을 끝낸 다음에 예컨대 몇몇 경우에 디지털 맵(다시 말하면 지리 정보 시스템(Geographic Information System; GIS)의 형태로 이루어진 디지털 맵) 상의 트레이스들로서 디스플레이되도록 수집된 데이터를 컴퓨터 또는 웹사이트에 전달함으로써 상기 GPS 데이터가 분석될 수 있도록 그러한 기기들 상에 저장되는 것이 전형적이다.

그러한 휴대용 개인 트레이닝 기기들은 또한 심박수 데이터가 운동 기간 동안 상기 기기상에서 수집되어 저장될 수 있도록 (사용자의 가슴을 두른 스트랩(strap) 상에 착용되는 것이 전형적인) 심박수 센서와 같은 센서들과 링크되어 있을 수 있다. 이리하여, 수집된 데이터는 사용자가 운동을 하는 동안 사용자의 신체 운동 레벨을 알 수 있게 하기 위해 GPS 데이터와 함께 상기 기기로부터 컴퓨터 또는 웹사이트에 전달될 수 있다.

그러므로, 예컨대 휴대용 개인 트레이닝 기기를 사용하여 연습용 코스를 추적하고 심박수, 주행 시간과 같은 사용자의 신체 매개변수들과 개인들 간 그리고 한 사람의 개인에 대한 개별 트립들 간의 다른 매개변수들을 비교하는 것이 공지되어 있다.

그러나, 본원 출원인은 사용자 자신의 힘을 바탕으로 하는 사용자에 의한 내비게이션에 대하여 경로들, 특히 내비게이트가능한 오프-로드 구간을 포함하는 경로들이 사용자에게 제안될 수 있게 해주는 방법 및 시스템에 대한 필요성이 있음을 알게 되었다. 또한, 내비게이트가능한 오프-로드 구간들을 포함하는 전자 지도를 생성하는 개선된 방법들에 대한 필요성이 있다.

본 발명의 한 실시태양에 의하면, 내비게이트가능한 구간들의 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법이 제공되며, 상기 방법은,

복수의 사용자들로부터 프로브 데이터를 수신하는 단계로서, 상기 프로브 데이터는, 각각의 사용자에 대하여, 시간에 대한 사용자의 이동들을 나타내는 이동 데이터, 및 시간 경과에 따른 사용자의 이동들에 연관된 신체 운동의 적어도 한 번의 측정을 나타내는 신체 운동 데이터를 포함하는, 단계; 및

사용자에 대한 능력 프로파일(ability profile)을 사용해 각각의 사용자에 대하여 상기 수신된 프로브 데이터를 처리하여 상기 전자 지도의 내비게이트가능한 구간들에 대하여 정규화된 경로선택 코스트 데이터가 생성될 수 있게 하는 단계;

를 포함한다.

본 발명에 의하면, 본 발명의 실시태양들 또는 실시예들 중 어느 하나에 있어서, 상기 프로브 데이터는 시간 경과에 따른 다수의 사용자의 이동들을 나타내는 데이터, 및 상기 이동들에 관한 연관된 신체 운동 데이터를 포함한다. 사용자의 이동은 사용자 자신의 힘으로 수행되는 이동이다. 다시 말하면, 상기 이동은 사용자의 부분에 대한 신체 운동을 동반한다. 상기 이동은 사용자 자신의 힘으로 적어도 부분적으로, 그리고 바람직하게는 전체적으로 수행된다. 상기 이동은 사람의 힘으로 수행되는 임의의 이동일 수 있다. 상기 이동은 사용자의 힘으로 수행되는 차량의 이동에 연관될 수도 있고 사용자의 힘으로 수행되는 차량의 이동에 의해 연관되지 않을 수도 있다. 사용자의 힘으로 수행되는 차량을 포함하는 실시예들에서는, 사용자의 힘으로 수행되는 차량이 전체적으로나 부분적으로 사용자의 힘으로 수행되는 차량일 수 있다. 그러므로, 상기 이동은 보행 사용의 이동일 수 있으며, 사용자의 걷기, 조깅 또는 달리기 이동일 수 있다. 다른 실시예들에서는, 상기 이동이 보트(예컨대, 카누, 카약 등등), 자전거, 스키 등등과 같은 사용자의 힘으로 수행되는 차량을 추진할 때 사용자의 이동일 수 있다. 그러므로, 상기 차량은 육상 또는 수상 기반 차량일 수 있다. 상기 이동은 스포츠, 통근 또는 레저 활동에 연관된 이동일 수 있다.

본 발명에 의하면, 시간에 대하여 각각의 사용자의 이동들을 나타내는 이동 성분, 및 상기 이동들을 수행할 때 사용자의 신체 운동 레벨을 나타내는 신체 운동 성분을 포함하는 프로브 데이터는 복수의 사용자들 각각으로부터 획득된다. 따라서, 상기 프로브 데이터는 상기 복수의 사용자들 각각에 대한 이동 데이터 및 이와 연관된 신체 운동 데이터를 포함한다. 각각의 사용자에 대한 프로브 데이터는 전자 지도의 내비게이트가능한 구간들에 대하여 정규화된 경로선택 코스트 데이터의 생성에 있어서 개별 사용자에 대한 능력 프로파일과 함께 사용된다.

따라서, 본 발명은 다수의 사용자로부터 획득된 프로브 데이터에 기반하여 상기 전자 지도에 경로들을 생성하기 위해 사용될 수 있는 정규화된 코스트 데이터를 획득하는 방법을 제공한다. 주어진 사용자에 대한 상기 신체 운동 프로브 데이터는 그러한 사용자가 주어진 내비게이트가능한 구간을 주행함에 있어서의 난이도를 나타낸다. 당업자라면 이해하겠지만, 이러한 것이 적어도 부분적으로 사용자의 힘으로 수행되기 때문에, 동일한 내비게이트가능한 구간의 주행이라도 예컨대 서로 다른 사용자들의 개인 적응도 레벨, 경험 레벨 등등에 기반하여 서로 다른 사용자들에게 서로 다른 난이도를 나타낼 수 있다. 본 발명은 그러한 개별 편차를 고려하여 정규화된, 다시 말하면 표준화된 코스트 데이터가 사용자에 대한 능력 프로파일 데이터와 함께 각각의 사용자에 대한 프로브 데이터를 처리함으로써 생성될 수 있게 한다. 상기 능력 프로파일 데이터는 상기 프로브 데이터, 예컨대 신체 운동 데이터를 스케일링하는 방식을 제공하여 서로 다른 사용자들에 대해 비교되는 구간으로서 다수의 사용자로부터 획득되는 프로브 데이터를 사용하여 정규화된 코스트 데이터가 결정될 수 있게 하는 구간에 대하여 코스트 데이터를 생성하는데 사용하기 위한 데이터를 제공한다. 이러한 방식으로, 상기 전자 지도의 내비게이트가능한 구간들은 상기 구간을 주행하는 상대적인 어려움을 나타내는 코스트를 가지고 전체적으로 등급이 매겨질 수 있다.

본 발명은 또한 내비게이트가능한 구간들의 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 시스템, 선택적으로 서버에 이르기까지 확장하는데, 상기 시스템은,

복수의 사용자로부터의 프로브 데이터를 수신하는 수단으로서, 상기 프로브 데이터는, 각각의 사용자에 대하여, 시간에 대한 사용자의 이동들을 나타내는 이동 데이터, 및 시간 경과에 따른 사용자의 이동들에 연관된 신체 운동의 적어도 한 번의 측정을 나타내는 신체 운동 데이터를 포함하는, 수단; 및

사용자에 대한 능력 프로파일(ability profile)을 사용해 각각의 사용자에 대하여 상기 수신된 프로브 데이터를 처리하여 상기 전자 지도의 내비게이트가능한 구간들에 대하여 정규화된 경로선택 코스트 데이터가 생성될 수 있게 하는, 수단;

을 포함한다.

본 발명은 이러한 부가적인 실시태양에 있어서 상호 모순되지 않을 정도까지 본 발명의 제1 실시태양에 대하여 설명한 특징들 중 어느 하나 또는 그 모두를 포함할 수도 있고 이에 대한 역도 마찬가지이다. 따라서, 본원 명세서에 명시적으로 언급되어 있지 않은 경우에는, 본 발명의 시스템이 위에 언급한 방법의 단계들 중 어느 한 단계를 수행하는 수단을 포함할 수 있다.

상기 방법의 단계들 중 어느 하나를 수행하는 수단은 그렇게 하기 위한 한 세트의 하나 이상의 프로세서들을 포함할 수 있다. 주어진 단계가 다른 어느 단계에 대하여 동일하거나 서로 다른 세트의 프로세서들을 사용하여 수행될 수 있다. 임의의 주어진 단계는 프로세서 세트들의 조합을 사용하여 수행될 수 있다.

상기 프로브 데이터는 전자 지도의 내비게이트가능한 구간들에 대해 정규화된 경로선택 코스트들을 생성하도록 본 발명에 따라 사용될 수 있다. 다수의 사용자로부터 수신된 프로브 데이터는 시간 경과에 따른 사용자들의 이동들, 및 사용자들의 관련 운동을 나타낸다. 여러 실시예에서는, 상기 데이터가 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들을 따른 다수의 사용자의 이동을 나타낸다. 이리하여, 상기 방법은 각각의 사용자에 대한 능력 프로파일을 사용해 상기 하나 이상의 주어진 내비게이트가능한 구간들의 주행에 관련된 다수의 사용자로부터의 프로브 데이터를 처리하여 상기 하나 이상의 주어진 내비게이트가능한 구간들 각각에 대해 정규화된 경로선택 코스트들이 생성될 수 있게 하는 단계를 포함할 수 있다.

이하에서 좀더 구체적으로 논의되겠지만, 상기 능력 프로파일에 부가하여 다른 데이터는, (예컨대, 지난 수일 또는 수주 동안) 과거 날씨 조건들을 나타내는 데이터; 현재 및/또는 예상 날씨 조건들을 나타내는 데이터; 주행되는 내비게이트가능한 구간들의 지형 또는 일반 구조(예컨대, 콘크리트, 자갈, 진흙 등등)를 나타내는 데이터를 포함하여, 상기 정규화된 경로선택 코스트들을 생성하도록 상기 수신된 프로브 데이터를 처리하는데 사용될 수 있다.

본원에서 언급된 하나 이상의 내비게이트가능한 구간들은 임의의 타입을 지닐 수 있다. 바람직하게는 상기 구간 또는 각각의 구간은 오프-로드 구간이다. 내비게이트가능한 구간은 사람의 힘으로 수행되는 차량의 관련 이동을 가지든 사람의 힘으로 수행되는 차량의 관련 이동을 가지지 않든 적어도 부분적으로 사용자 자신의 힘으로 이동할 때 사용자에 의해 취해질 수 있는 임의의 궤도(path)일 수 있다. 내비게이트가능한 구간은 수상 또는 육상 기반 구간일 수 있다. 내비게이트가능한 구간은 보도(footpath), 강, 운하, 자전거 궤도, 견인 궤도, 철도 선로 따위의 구간일 수 있다. 상기 구간은 자전거, 또는 스키와 같은 비-동력 차량, 또는 ATV(all-terrain-vehicle; 전 지형용 차량), 스노우모빌, 또는 오프로드 모터사이클과 같은 동력 차량들에 의해 사용되는 구간일 수 있다. 수상 구간은 카누, 카약 따위에 의해 사용되는 구간일 수 있다. 오프-로드 내비게이트가능한 구간은 사람에 의해 만들어질 수도 있고 사람에 의해 만들어지지 않을 수도 있다. 예를 들면, 그러한 내비게이트가능한 구간은 경관(landscape)에 존재하는 자연적인 궤도 및/또는 다른 사용자들에 의해 만들어진 궤도, 예컨대 숲을 통해 경주자가 만든 궤도를 따를 수 있다.

상기 방법은 다수의 사용자로부터 프로브 데이터를 수신하는 단계로서, 상기 프로브 데이터는, 시간에 대한 하나 이상의 내비게이트가능한 구간들을 포함하는 주어진 궤도를 따른 사용자들의 이동들을 나타내는 이동 데이터, 및 시간 경과에 따른 이동들에 연관된 신체 운동의 적어도 한 번의 측정을 나타내는 신체 운동 데이터를 포함하는, 단계를 포함한다. 당업자라면 이해하겠지만, 처리될 프로브 데이터는 예를 들면 사용자들의 휴대용 개인 트레이닝 기기들로부터 직접 수신될 수 있다. 그러나, 상기 프로브 데이터가 데이터 저장소로부터 획득될 수 있다는 점도 당업자라면 예상할 수 있을 것이다. 바꾸어 말하면, 사용자들로부터 전송된 데이터는 이 데이터가 또한 사전 처리될 수 있게 하는 (예컨대 위치 데이터가 원활해질 수 있게 하는 동작 등등이 수행될 수 있게 하는) 제1 서버에 적어도 일시적으로 저장될 수 있으며, 그 다음에 사전 처리되어 저장된 프로브 데이터는 정규화된 경로선택 코스트들을 생성하도록 차후의 처리를 위해 회수될 수 있다.

본 발명에 의하면, 위치 데이터 및 관련 운동 데이터는 동일한 내비게이트가능한 구간을 주행하는 다수의 사용자를 위해 획득된다. 여러 실시예에서는, 상기 내비게이트가능한 구간이 사용자에 의해 따라가게 되는 트레일의 일부를 형성한다. 서로 다른 사용자들에 관련된 운동 데이터는 서로 다른 사용자들에 의해 따라가게 되는 동일하거나 서로 다른 트레일들의 일부로서 내비게이트가능한 구간의 주행에 대하여 획득될 수 있다. 본원 명세서에서 언급되는 바와 같은 궤도는 본원 명세서에 기재되는 타입들 중 어느 하나의 타입을 가질 수 있는 하나 이상의 내비게이트가능한 구간들로 구성된다. 본원 명세서에서 사용되는 "트레일(trail)"이라는 용어는 하나 이상의 내비게이트가능한 오프-로드 구간들을 포함하는 궤도를 언급한다. 상기 하나 이상의 오프-로드 내비게이트가능한 구간들은 위에서 설명한 타입들 중 임의의 타입을 지닐 수 있다. 따라서, 트레일은 오프-로드 트레일, 예컨대 보행자 궤도, 레크레이션 궤도, 강 궤도 등등을 언급할 수 있다. 본 발명이 트레일들, 다시 말하면 오프-로드 궤도들, 및 오프-로드 내비게이트가능한 구간들을 특별히 참조하여 설명되고 있지만, 당업자라면 본 발명의 방법들이 도로 타입 구간들, 예컨대 영구 도로들 등등이거나 도로 타입 구간들, 예컨대 영구 도로들 등등을 포함하는, 내비게이트가능한 구간들, 및 내비게이트가능한 구간들을 포함하는 궤도들에 적용될 수 있음을 이해할 것이다. 본원 명세서에 명시적으로 기재되어 있지 않지만, "트레일"을 참조하여 설명되는 실시예들은 문맥상 달리 요구하지 않는 한, 내비게이트가능한 구간(들)으로 구성되는 임의 형태의 궤도에 적용될 수도 있다.

당업자라면 도로 타입 내비게이트가능한 구간들과는 달리, 오프-로드 내비게이트가능한 구간들 또는 궤도들, 다시 말하면 그러한 구간들로 구성된 트레일들이 시간 경과에 따라, 잠재적으로는 특정 빈도로 변할 수 있음을 이해할 것이다. 예를 들면, 새로운 트레일들이 추가될 수 있으며, 트레이들이 재-경로선택될 수 있고, 트레일들이 저하 및/또는 개선될 수 있으며 기타 등등이다. 본 발명이 실제 사용자들로부터 수집된 프로브 데이터를 사용하여, 내비게이트가능한 구간들에 대한 코스트 데이터, 및 여러 실시예에서는 상기 내비게이트가능한 구간들의 코스를 결정하기 때문에, 상기 방법은 변화무쌍한 구간 네트워크에 대해 정밀한 코스트 데이터를 제공할 수 있는 동적 시스템으로서, 차후에 그와 같이 변화하는 구간 네트워크에서 경로선택을 제공하는데 사용될 수 있는 동적 시스템을 제공할 수 있다.

위에서 설명한 바와 같이, 본 발명은 내비게이트가능한 구간들의 전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 생성하는 것에 관한 것이다. 상기 내비게이트가능한 구간들은 공지된 내비게이트가능한 구간들일 수 있다. 바꾸어 말하면, 상기 내비게이트가능한 구간들은 기존의 전자 지도의 미리 정해진 내비게이트가능한 구간들일 수 있다. 다른 실시예들에서는, 상기 방법이 상기 내비게이트가능한 구간들을 결정하는 단계에 이르기까지 확장할 수 있다. 상기 단계는 상기 프로브 데이터, 다시 말하면 시간 경과에 따른 사용자들의 이동들에 관한 위치 데이터의 이동 성분을 사용하여 수행되는 것이 바람직하다. 상기 단계는 본 발명에 따라 상기 구간들에 대한 코스트 데이터를 결정하기 전에 수행될 수 있다. 그러므로, 상기 방법은 상기 전자 지도를 생성하는 단계를 포함할 수 있다. 물론, 그러한 기법들의 조합이 사용될 수 있는데, 다시 말하면 상기 전자 지도는 공지된 부분 및 상기 프로브 데이터를 사용하여 생성되는 부분을 포함할 수 있다. 바꾸어 말하면, 기존의 전자 지도의 내비게이트가능한 구간들은 복수의 사용자들로부터 수신된 위치 데이터를 사용하여 계속 업데이트되고 있다. 그러므로, 여러 실시예에서는 상기 전자 지도가 공지된 내비게이트가능한 구간들의 네트워크를 포함하며 그리고/또는 상기 방법은 상기 프로브 데이터를 사용해 상기 전자 지도의 적어도 일부분을 제공하는 내비게이트가능한 구간들의 네트워크를 생성하는 단계를 포함한다.

상기 방법이 상기 프로브 데이터를 사용해 상기 전자 지도의 적어도 일부분을 생성하는 단계를 포함하는 실시예들에서는, 상기 방법이 지리적 영역에서 시간에 대한 복수의 사용자들 각각의 이동들을 나타내는 이동 데이터를 사용해 상기 지리적 영역에서 하나 이상의 내비게이트가능한 구간들의 네트워크를 결정하는 단계를 포함할 수 있다. 상기 방법은 상기 이동 데이터를 사용해 상기 지리적 영역에서 복수의 사용자들에 의해 취해진 하나 이상의 궤도들을 결정하는 단계, 및 상기 지리적 영역에서 하나 이상의 내비게이트가능한 구간들의 네트워크를 생성하는 단계를 포함할 수 있다. 당업자라면 상기 프로브 데이터에 기반하여 결정된 복수의 사용자들에 대한 위치 트레이스들, 다시 말하면 시간에 대한 위치가 상기 지리적 영역에서 가능하다고 생각되는 궤도들의 위치들, 결과적으로는 내비게이트가능한 구간들을 추론하는데 사용될 수 있음을 이해할 것이다. 상기 방법은 프로브 트레이스들을 클러스터링하여 일반적으로 취해진 궤도들 등등을 결정하는 단계를 포함할 수 있다.

본 발명에 의하면, 본 발명의 실시태양들 또는 실시예들 중 어느 하나에서, 수신된 프로브 데이터는 어느 적합한 방식으로 수신될 수 있다. 상기 데이터는 어느 적합한 통신 링크를 통해 수신될 수 있다. 상기 링크는 무선 링크 또는 유선 링크일 수도 있고 이들의 조합들을 포함할 수도 있다. 예를 들면, 상기 데이터는 인터넷을 통해서나 또는 OTA(over the air)로 수신될 수 있다. 위에서 논의된 바와 같이, 상기 데이터는 사용자들의 휴대용 개인 트레이닝 기기들로부터 직접 수신될 수도 있고 데이터 저장소로부터 사전에 업로드된 데이터를 꺼냄으로써 그러한 기기들로부터 간접적으로 수신될 수 있다.

상기 수신된 프로브 데이터는 어느 적합한 소스 또는 소스들로부터 수신될 수 있다. 상기 수신된 프로브 데이터는 시간에 관한 각각의 사용자에 대한 이동 데이터 및 관련된 신체 운동 데이터를 포함한다. 각각의 사용자에 대한 프로브 데이터는 사용자에 연관된 모바일 기기 또는 기기들로부터 수신된다. 상기 기기 또는 기기들은 사용자에 의해 운송, 착용 또는 휴대될 수 있다. 따라서, 상기 기기 또는 기기들의 이동은 사용자의 이동에 상응하는 것으로 가정될 수 있다.

바람직한 실시예들에서는, 상기 이동 프로브 데이터가 사용자에 연관된 모바일 기기의 위치 결정 및 추적 수단으로부터 수신된다. 상기 위치 결정 및 추정 수단은 상기 기기의 위치를 결정 및 추적하도록 구성될 수 있다. 상기 위치 결정 및 추정 수단은 임의의 타입을 가질 수 있다. 예를 들면, 위도 및 경도 좌표들은 WiFi 액세스 포인트들 또는 셀룰러 통신 네트워크들로부터 정보를 액세스 및 수신할 수 있는 기기를 사용하여 결정될 수 있다. 그러나, 바람직하게는, 상기 위치 결정 및 추적 수단이 특정 시점에서 수신기(결과적으로는 사용자)의 위치를 나타내는 위성 신호들을 수신하고, 일정 간격으로 업데이트된 위치 데이터를 수신하는, GPS 수신기와 같은 전지구 내비게이션 위성 시스템(Global Navigation Satellite System; GNSS) 수신기를 포함한다. 바람직한 실시예들에서는, 상기 위치 결정 및 추정 수단이 전지구 내비게이션 위성 시스템(GNSS) 수신기, 바람직하게는 GPS 수신기, 및 바람직하게는 GPS 칩셋을 포함한다. 따라서, 이와 같이 특히 바람직한 실시예들에서는, 상기 방법이 한 기기의 GPS 칩셋으로부터 위치 데이터를 수신하는 단계를 포함한다. 그러므로, 여러 실시예에서는, 위치 데이터가 사용자에 의해 운송, 휴대 또는 착용되도록 구성된 휴대용 개인 트레이닝 기기의 위치 결정 및 추적 수단으로부터 수신되고, 상기 위치 결정 및 추적 수단은 전지구 내비게이션 위성 시스템(GNSS) 수신기를 포함한다.

상기 이동 데이터는 예컨대 한 궤도를 따라 주행하는 동안 서로 다른 시간들에서의 사용자의 위치에 관한 것이다. 따라서, 상기 이동 데이터는 서로 다른 시간들에서의 사용자에 대한 위치 데이터를 포함한다. 결과적으로, 상기 이동 데이터는 한 세트의 위치 데이터 포인트들로 이루어질 수 있으며, 각각의 데이터 포인트는 주어진 시간에 사용자의 위치를 나타낸다. 바람직하게는, 상기 데이터가 GPS 데이터를 포함한다. 여러 실시예에서는, 상기 위치 데이터가 상기 기기, 결과적으로는 사용자의 추적을 허용하도록 어느 주어진 주파수에서 상기 기기에 의해 획득될 수 있다. 몇몇 실시예들에서는, 상기 위치 데이터가 0.5 Hz 이상의 비율에서, 바람직하게는 20 Hz의 비율에 이르기까지와 같이 1 Hz 이상의 비율에서 상기 기기에 의해 획득된다. 몇몇 실시예들에서는, 상기 위치 데이터가 1 Hz의 비율에서 상기 기기에 의해 수신된다. 결과적으로, 여러 실시예에서는, 상기 위치 데이터가 2초와 동일하거나 작은 시간 간격들에서나, 또는 0.05 s에 이르기까지와 같이 1 초와 동일하거나 작은 시간 간격들에서의 사용자의 위치에 관한 것일 수 있다. 여러 실시예에서는, 상기 수신된 이동 데이터가 위치 데이터를 포함하며 시간 정보, 다시 말하면 상기 위치 데이터와 관련이 있는 시간을 식별하는 시간 정보에 연관된다. 상기 시간 정보는 타임스탬프의 형태로 이루어질 수 있다.

상기 이동 데이터는 시간에 대한 사용자의 이동들을 나타낸다. 상기 이동 데이터는 적어도 시간에 대한 사용자의 위치를 나타낸다. 상기 위치는 2차원 위치일 수 있다. 그러나, 바람직한 실시예들에서는, 상기 이동 데이터가 시간에 대한 사용자의 고도를 나타내는 고도 데이터를 부가적으로 포함한다. 따라서, 상기 위치는 3차원 위치인 것이 바람직하다. 따라서, 상기 이동 데이터는 적어도 경도 및 위도 데이터를 포함하는 것이 바람직하며, 고도 데이터를 포함할 수 있다. 고도 데이터는 소정 기기의 GPS 칩셋으로부터 또는 상기 기기의 기압 센서와 같은 별도의 센서로부터 경도 및 위도 위치 데이터와 유사한 방식으로 획득될 수 있다. 상기 방법의 단계들은 필요에 따라 2차원 또는 3차원 위치 데이터를 사용하여 수행될 수 있다.

상기 이동 데이터가 수신되게 하는 상기 기기는 임의의 적합한 타입을 지닐 수 있다. 바람직한 실시예들에서는, 상기 기기가 사용자에 의해 운송, 휴대 또는 착용되도록 구성된 모바일 기기이다. 상기 모바일 기기는 차량 PND들에서 갖춰져 있는 바와 같은 내비게이션 기능을 포함하지 않는 것이 바람직하다. 예를 들면, 상기 기기는 상기 기기의 메모리 내에 저장된 지도 데이터 또는 지도 데이터를 사용하여 제1 위치(또는 "출발지") 및 제2 위치(또는 "목적지") 간의 경로를 결정하고 적합한 내비게이션(또는 안내) 지침들을 제공할 수 있는 처리 수단을 포함하지 않는 것이 바람직하다.

일부 바람직한 실시예들에서는, 사용자가 한 위치로부터 다른 한 위치로 주행함에 따라 상기 모바일 기기가 상기 사용자에 의해 휴대되도록 구성된다. 상기 모바일 기기는 사용자의 팔이나 손목에 부착되는 것처럼 또는 단순히 포켓 또는 다른 적합한 리셉터클(예컨대, 특별히 설계된 홀더 또는 케이스) 내에 배치됨으로써 사용자에 의해 휴대되도록 구성될 수 있다. 다른 실시예들에서는, 상기 모바일 기기가 사용자에 의해 운송되도록 구성될 수 있다. 예를 들면, 상기 모바일 기기는 사용자에 의해 사용되는 차량, 예컨대, 자전거, 카누, 카약 또는 다른 유사한 차량에 부착될 수 있다. 상기 모바일 기기는 또한 아기 운송 유모차와 같은 사용자에 의해 밀거나 당겨지는 물체에 부착될 수 있다. 그러한 모바일 기기들은 일반적으로 휴대용 개인 트레이닝 기기들로서 언급된다. 따라서, 특히 바람직한 실시예들에서는, 상기 모바일 기기가 휴대용 개인 트레이닝 기기이다. 일부 바람직한 실시예들에서는, 상기 모바일 기기가 스포츠 시계이다. 데이터가 본 발명에 따라 수신될 수 있게 하는 대표적인 모바일 기기들이 2011년 3월 28일자 출원되어 WO 2012/045483으로 공개된 국제(PCT)출원 제PCT/EP2011/054686호에 기재되어 있는데, 이에 대한 전체 내용이 본원 명세서에 참조병합된다.

수신된 이동 데이터는 궤도를 따른 사용자의 주행에 관한 것이다. 당업자라면 본원 명세서에서 사용된 "궤도(path)"라는 용어는 하나 이상의 내비게이트가능한 구간들을 따라 사용자에 의해 답파되는 임의의 노정 또는 이동을 언급하고 사용자가 미리-계획된 경로를 따라갔음을 의미하지 않는다는 점을 이해할 것이다.

사용자 프로브 데이터는 신체 운동 데이터를 추가로 포함한다. 상기 신체 운동 데이터는 사용자의 신체 운동의 한 번 이상의 측정들을 나타내고 상기 이동 데이터와 연관되어 있다. 상기 신체 운동 데이터는 상기 이동 데이터가 예컨대 휴대용 개인 트레이닝 기기로부터 획득되게 하는 모바일 기기에 연관된 센서 또는 센서들로부터 획득되는 것이 바람직하다. 상기 센서들은 상기 모바일 기기에 동작가능하게 연결되고 상기 기기의 주 하우징 외부에 위치해 있는 하나 이상의 "외부" 센서들일 수도 있고 상기 기기의 주 하우징 내에 위치해 있을 수도 있다. 다른 실시예들에서는, 상기 신체 운동 데이터가 사용자에 연관된 별도의 모바일 기기 또는 기기들로부터 획득될 수 있다. 예를 들면, 심박수 센서(또는 다른 타입의 센서)는 글로브 내에 제공될 수도 있고 손목 밴드, 가슴 스트랩 또는 유사물에 부착될 수도 있다.

상기 신체 운동 데이터는 상기 이동 데이터에 연관되어 있다. 따라서, 상기 신체 운동 데이터는 예컨대, 상기 이동 데이터에 의해 나타나게 되는 주어진 시간 및 위치에서 주어진 이동을 수행할 때 상기 신체 운동 데이터를 나타낸다. 이는 상기 구간을 주행하는 상대적인 어려움이 그러한 사용자에 대해 결정될 수 있게 한다. 상기 신체 운동 데이터는 상기 이동 데이터가 상대 이동 데이터에 연계될 수 있게 하는 임의의 적합한 방식으로 상기 이동 데이터에 연관될 수 있다. 상기 신체 운동 데이터가 별도의 기기로부터 상기 이동 데이터로 획득되게 하는 실시예들에서는, 상기 신체 운동 데이터가 예컨대 중앙 서버에서 상기 이동 데이터에 연관될 수 있다.

상기 신체 운동 데이터는 사용자의 신체 활동 강도의 임의의 측정 또는 측정들을 나타낼 수 있다. 측정들은 사용자의 심박수, 맥박, 혈중 산소 함량, 인식된 운동의 보그 평가(Borg Rating of Perceived Exertion), 혈중 CO₂ 포화도, 최대 산소 섭취량(VO2 Max) 중의 어느 하나 또는 그 모두에 기반하여 이루어질 수 있다. 바람직한 실시예들에서는, 상기 신체 운동 데이터가 적어도 사용자의 심박수를 나타낸다. 상기 심박수는 최대 심박수일 수도 있고 다른 어떤 심박 박동 값일 수도 있다. 상기 신체 운동 데이터는 사용자에 연관된 심박수 센서를 사용하여 획득되는 것이 바람직하다. 상기 심박수 센서는 여러 실시예에서 상기 이동 데이터를 제공하는 모바일 기기, 예컨대 사용자의 휴대용 개인 트레이닝 기기와 연관되고, 예컨대 상기 이동 데이터를 제공하는 모바일 기기, 예컨대 사용자의 휴대용 개인 트레이닝 기기에 접속된다.

본 발명에 의하면, 각각의 사용자로부터 수신된 프로브 데이터는 사용자에 대한 능력 프로필을 사용하여 처리된다. 상기 능력 프로파일은 사용자가 상기 하나 이상의 내비게이트가능한 구간들을 주행할 수 있는 능력을 나타내는 사용자에 대한 개인 프로파일이다. 상기 능력 프로파일은 상기 전자 지도의 모든 내비게이트가능한 구간들에 일반적일 수도 있고 상기 내비게이트가능한 구간에 의존할 수도 있다. 예를 들면, 상기 프로파일은 예컨대 오르막인지, 진흙투성이일 가능성이 있는지, 기타 등등과 같은 어려운 구간 타입들을 주행함에 있어서의 사용자의 개별 어려움들을 고려하는 내비게이트가능한 구간의 카테고리에 따라 변할 수 있다. 상기 능력 프로파일은 내비게이트가능한 구간 또는 구간들을 주행하도록 개인의 능력에 영향을 주는 하나 이상의 인자들의 함수일 수 있다. 상기 능력 프로파일은 사용자의 적응도 레벨, 사용자의 경험치, 사용자의 민첩성 레벨, 사용자의 끈기 레벨, 사용자의 신체적 특징, 및 적절한 경우에 사용자의 장비 타입 중의 하나 이상의 함수일 수 있다. 상기 능력 프로파일은 적어도 사용자의 적응도 레벨의 함수인 것이 바람직하다. 따라서, 여러 실시예에서는, 상기 능력 프로파일이 능력 프로파일일 수 있다. "적응도 프로파일"이라는 용어가 본원 명세서에서 사용될 수 있지만, 당업자라면 문맥상 달리 요구하지 않는 한 상기 용어가 넓은 의미의 용어 "능력 프로파일"로 대체될 수 있음을 이해할 것이다.

개별 사용자들에 대한 능력 프로파일 데이터는 주어진 내비게이트가능한 구간 또는 구간들을 주행하기 위한 코스트 데이터가 생성될 수 있게 하도록 사용자들로부터 획득되는 프로브 데이터를 처리하는데 사용된다. 상기 능력 프로파일 데이터의 사용은 상기 구간을 주행할 때 서로 다른 사용자들로부터 획득되는 프로브 데이터에 기반하여 특정 구간에 대한 글로벌 코스트 데이터가 결정될 수 있게 하도록 상기 프로브 데이터에 의해 나타나게 되는 구간을 주행함에 있어서의 어려움의 개별 차이들을 보상하는 방법을 제공한다. 예를 들면, 적응도 레벨이 높고 적합한 장비를 지니며 그리고/또는 경험이 이 많은 사용자는 적응도 레벨들이 낮고, 경험치 레벨들이 낮으며 그리고/또는 적합한 장비를 지니지 않는 다른 사용자보다 레벨이 낮은 운동으로 주어진 내비게이트가능한 구간을 주행할 수가 있다. 서로 다른 사용자들의 능력 프로파일을 고려함으로써, 다수의 사용자로부터의 프로브 데이터는 예컨대 적합한 평균화 프로세스를 통해 정규화된 코스트 데이터를 제공하는데 차후에 사용될 수 있는 비교가능한 데이터를 제공하도록 적절히 스케일링될 수 있다. 바꾸어 말하면, 상기 능력 프로파일 데이터는 주어진 내비게이트가능한 구간의 주행에 대하여 서로 다른 사용자들로부터 획득되는 프로브 데이터가 비교될 수 있게 함으로써 상기 구간에 대해 정규화된 코스트 데이터를 획득하는데 사용될 수 있게 한다.

상기 방법은 상기 능력 프로파일을 사용하여 상기 코스트 데이터를 생성하는데 사용하기 위해 상기 사용자 또는 각각의 사용자에 대해 상기 이동 데이터에 연관된 프로브 데이터를 조정, 예컨대 스케일링하는 단계를 포함할 수 있다. 상기 방법은 주어진 내비게이트가능한 구간을 따른 이동에 관련된 이동 데이터, 및 복수의 사용자들 각각에 대한 관련 신체 운동 데이터를 포함하는 프로브 데이터를 수신하는 단계, 및 각각의 사용자에 대한 능력 프로파일을 사용해 적어도 상기 사용자들의 신체 운동 데이터를 처리하는 단계를 포함할 수 있다. 상기 방법은 상기 처리된 데이터를 사용해 상기 구간을 주행하기 위해 정규화된 코스트를 생성하는 단계를 더 포함할 수 있다. 여러 실시예에서, 상기 이동 프로브 데이터는 사용자들의 능력 프로파일들을 사용하여 변형적으로나 추가로 처리될 수 있다. 상기 신체 운동 데이터가 사용자의 개별 능력에 의해 직접 영향을 받게 되지만, 상기 이동 데이터도 또한 그러한 방식으로 영향을 받을 수 있다. 예를 들면, 상기 이동 데이터에 의해 나타나게 되는 주행 속도, 상승율 등등은 사용자의 능력에 의해 영향을 받게 되고 마찬가지로 그러한 개인차들을 보상하여 정규화된 코스트 데이터를 결정하는데 그의 사용들을 가능하게 하도록 조정, 예컨대 스케일링될 수 있다.

상기 능력 프로파일 데이터는 어느 적합한 방식으로 획득될 수 있다. 상기 능력 프로파일은 미리 결정된 능력 프로파일인 것이 바람직하다. 일부 실시예들에서는, 상기 능력 프로파일 데이터가 상기 사용자 또는 각각의 사용자에 의해 제공되는 데이터에 적어도 부분적으로 기반하여 이루어진다. 예를 들면, 사용자는 일련의 질문들에 응답하여 능력 프로파일을 확립하도록 요청받을 수 있다. 변형적으로나 추가로 상기 프로파일은 예컨대 사용자의 과거 수행 등등에 관련된 감지 데이터에 기반하여 이루어질 수 있다. 상기 능력 프로파일 데이터는 상기 이동 데이터를 제공하는 사용자에 연관된 기기로부터, 그리고 바람직하게는 사용자의 휴대용 개인 트레이닝 기기로부터 획득되는 것이 바람직하다.

본원 명세서에서의 "능력 프로파일" 또는 "적응도 프로파일"에 대한 참조들은 대응하는 프로파일을 나타내는 데이터에 대한 참조들로 대체될 수 있다.

상기 방법은 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들에 대해 정규화된 코스트 데이터를 생성하는 단계를 포함하는 것이 바람직하다. 상기 방법은 처리된 프로브 데이터, 다시 말하면 상기 능력 프로파일 데이터를 사용하여 처리된 프로브 데이터를 사용하여 코스트 데이터를 결정하는 단계를 포함한다. 상기 정규화된 코스트 데이터는 상기 구간 또는 구간들을 포함하는 전자 지도에 경로를 생성하는데 사용될 수 있는 데이터이다. 내비게이트가능한 구간의 주행에 연관된 코스트의 개념은 예를 들면 도로 구간들을 내비게이트하는 것과 관련하여 공지되어 있다. 상기 코스트는 상기 내비게이트가능한 구간을 주행하는 어려움(또는 상기 내비게이트가능한 구간을 주행하는데 소비되는 에너지)을 나타낸다. 본 발명은, 특히 상기 구간들이 오프-로드 구간들인 경우에 사용자 자신들의 힘으로 사용자들에 의해 수행되는 내비게이트가능한 구간들의 주행에 대하여 코스트 데이터가 내비게이트가능한 구간들에 대해 신뢰성 있게 획득되는 것을 허용한다. 여기에서 생성되는 코스트 데이터는 사용자 자신의 힘으로 적어도 부분적으로 주어진 내비게이트가능한 구간을 주행하는 어려움을 나타낸다. 상기 코스트 데이터는 적어도 상기 처리된 것을 사용하여 생성될 수 있다.

상기 코스트 데이터는 정규화되는데, 그 이유는 상기 코스트 데이터가 서로 다른 내비게이트가능한 구간들을 주행하는 것에 연관된 상대적인 코스트가 결정될 수 있게 하기 때문, 다시 말하면 서로 다른 구간들에 연관된 코스트들이 비교될 수 있게 하기 때문이다. 각각의 내비게이트가능한 구간에 대해 정규화된 코스트 데이터는 주어진 코스트 스케일을 참조하여 이루어질 수 있다. 예를 들면, 1-10인 주어진 스케일 또는 이와 유사한 스케일, 다시 말하면 하나가 미리 정해진 레벨 수를 지니는 1-10인 주어진 스케일 또는 이와 유사한 스케일에 따라 코스트 레벨이 각각의 내비게이트가능한 구간에 할당될 수 있다. 상기 코스트 데이터는 서로 다른 구간들을 주행하는 것에 연관된 어려움을 전체적으로 비교하는 방법을 제공한다.

내비게이트가능한 구간에 대해 정규화된 코스트 데이터는 어느 적합한 방식으로 처리된 프로브 데이터 및 능력 프로파일 데이터를 사용하여 결정될 수 있다. 상기 코스트 데이터는 상기 구간에 연관되고 그리고/또는 상기 처리된 프로브 데이터에 기반하여 결정되는 속성들을 포함하는 다수의 인자의 함수일 수 있다.

상기 방법은 개별 사용자들에 대한 능력 프로파일들을 사용하여 처리된 내비게이트가능한 구간을 따른 복수의 사용자들 각각의 주행에 관한 신체 운동 데이터를 적어도 사용해 코스트 데이터를 결정하는 단계를 포함하는 것이 바람직하며, 상기 이동 데이터를 사용하는 단계를 더 포함하는 것이 바람직한데, 이 경우에 상기 이동 데이터가 상기 능력 프로파일들을 사용하여 처리된 것이 바람직하다.

상기 이동 프로브 데이터는 상기 코스트 데이터를 결정하는데 직접 사용될 수도 있고 상기 이동 데이터로부터 획득된 데이터는 상기 코스트 데이터를 결정하는데 사용될 수 있다. 상기 이동 데이터가 고도 데이터를 포함하는 일부 실시예들에서는, 상기 방법이 고도 데이터를 사용해 구간의 주행에 연관된 코스트를 생성하는 단계를 포함할 수 있다. 상기 고도 데이터는 예를 들면 코스트를 생성하는데 사용되는 고도 변경을 결정하는데 사용될 수 있다. 변형적으로나 추가로 상기 이동 프로브 데이터를 사용하여 결정되는 속도 데이터가 사용될 수 있다. 물론, 다른 데이터가 상기 코스트를 결정하는데 추가로 사용될 수 있다. 상기 데이터는 내비게이트가능한 구간의 속성들, 예컨대 거칠기, 곡률, 구간 길이 등등을 포함할 수 있다. 그러한 데이터는 전자 지도의 구간에 연관될 수 있으며, 그리고/또는 이동 프로브 데이터를 사용해 결정될 수 있다. 그러므로, 구간의 주행에 연관된 코스트를 결정하는데 사용되는 데이터는 공지된 데이터이거나, 또는 상기 프로브 데이터를 사용해 결정되는 데이터일 수 있다.

바람직한 실시예들에서는, 상기 코스트 데이터가 기계 학습 프로세스를 사용하여 결정된다. 상기 기계 학습 프로세스는 신경 네트워크를 사용할 수 있다. 그러므로, 본 발명의 시스템은 코스트 데이터를 결정하기 위한 기계 학습 시스템, 바람직하게는 신경 네트워크를 포함할 수 있다. 물론, 다른 기법들이 변형적으로나 추가로 사용될 수 있다. 상기 방법은 일반적으로 다변량 통계 분석을 사용할 수 있다. 상기 방법은 상기 기계 학습 프로세스에 대한 입력으로서 상기 처리된 프로브 데이터를 사용하는 단계를 포함할 수 있다.

상기 방법은 상기 복수의 사용자들에 대해 처리된 프로브 데이터에 기반하여 내비게이트가능한 구간들의 전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 생성하기 위한 추정 모델을 트레이닝 및 선택적으로는 생성하는 단계를 포함할 수 있다. 당업계에 공지된 바와 같이, 상기 추정 모델은 공지되어 있는 데이터를 사용하여 트레이닝될 수 있다. 이때, 상기 트레이닝된 모델은 새로운 데이터를 결정하는데 적용될 수 있다. 예를 들면, 상기 모델을 트레이닝하기 위해, 입력 데이터(즉, 복수의 사용자들에 의한 주어진 내비게이트가능한 구간의 주행에 대해 이동 데이터 및 신체 운동 데이터를 포함하는 프로브 데이터, 사용자들 각각에 대한 민첩성 프로파일, 상기 구간에 대해 공지되거나 원하는 코스트 데이터, 및 옵션으로는 상기 구간의 표면, 날씨 데이터 등등에 대한 데이터)는 상기 모델에 제공될 수 있다. 상기 입력 데이터는 상기 모델에 적합한 포맷으로 제공될 수 있다. 다수의 내비게이트가능한 구간들에 대해 이러한 프로세스를 반복함으로써, 상기 모델은 상기 입력 데이터를 원하는 출력 코스트 데이터에 적절히 매핑하도록 트레이닝될 수 있다. 상기 모델은 상기 입력 데이터 및 상기 코스트 데이터 간의 관계를 나타내는 하나 이상의 매개변수들을 획득할 수 있다. 따라서, 예를 들면 하나 이상의 매개변수들은 한 구간에 대한 (결정된) 코스트 데이터가 사용자의 능력 프로파일에 대해 적용될 때 상기 구간을 주행하는 시간 및/또는 상기 구간을 주행하는 에너지(예컨대, 칼로리) 소비는 사용자로부터 수신된 프로브 데이터에서 제공된 것과 매치하도록 획득된다.

일단 상기 모델이 트레이닝된 경우에, 새로운 입력 데이터, 다시 말하면 코스트 데이터가 알려져 있지 않은 내비게이트가능한 구간에 관련된 새로운 입력 데이터는 상기 하나 이상의 획득된 매개변수들을 사용하여 새로운 코스트 데이터를 결정하기 위해 상기 모델에 입력될 수 있다. 상기 모델은 필요에 따라 다시 트레이닝되거나 업데이트될 수 있다.

부가적인 실시태양에 의하면, 본 발명은 예컨대 위에서 언급한 바와 같이 내비게이트가능한 구간들의 전자 지도에 경로를 생성하는데 사용하기 위한 코스트 데이터를 생성하기 위한 모델을 트레이닝하는 방법을 제공한다. 본 발명은 이러한 부가적인 실시태양에서 이전의 실시예들에 관련하여 설명한 특징들 중 어느 하나 또는 그 모두를 포함할 수 있다.

본 발명의 실시태양들 중 어느 하나에 따른 방법은 상기 내비게이트가능한 구간 또는 각각의 내비게이트가능한 구간에 대해 정규화되어 생성된 코스트 데이터를 저장하는 단계를 부가적으로 포함할 수 있다. 상기 데이터는 상기 구간을 나타내는 전자 지도 데이터와 연관지어 저장될 수 있다.

당업자라면 주어진 구간을 주행하는 어려움이 날씨 조건들 또는 계절에 의존할 수 있음을 이해할 것이다. 주어진 구간에 대한 코스트 데이터는 관련된 시간 주기 또는 날씨 조건에 대해 수집된 프로브 데이터를 사용하여 시간 또는 날씨에 의존하는 것으로 결정될 수 있다. 상기 방법은 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들에 대해 시간 및/또는 날씨에 의존하는 정규화된 코스트 데이터를 생성하는 단계를 포함하는 것이 바람직하다. 경로가 주행되어야 하는 시간 및/또는 조건들에 대한 관련 코스트 데이터는 이때 상기 코스트 데이터를 사용하여 경로를 생성하는데 사용될 수 있다. 여러 실시예에서는 본 발명에 따라 사용되는 프로브 데이터가 주어진 시간 주기 및/또는 한 세트의 날씨 조건들에 대한 각각의 사용자의 이동에 관련된 데이터이다. 상기 방법은 상기 데이터를 사용해 내비게이트가능한 구간을 주행하는 시간 및/또는 날씨 의존 코스트를 결정하는 단계를 포함할 수 있다. 코스트 데이터는 복수의 서로 다른 시간들 및/또는 여러 세트의 날씨 조건들, 예컨대 습하거나 건조한 날씨, 겨울 또는 여름 등등에 대한 동일한 내비게이트가능한 구간에 대해 결정될 수 있다.

따라서, 여러 실시예에서는, 상기 방법이 사용자에 의해 주행되는 (그리고 프로브 데이터가 획득되는) 궤도 중 적어도 하나에 대한 표면 타입; 사용자에 의해 주행되는 (그리고 프로브 데이터가 획득되는) 지리적 영역에 대한 과거(예컨대, 지난주, 지난 날짜, 지난 시간 등등) 및 현재 날씨 조건들; 중 적어도 하나를 획득하는 단계를 부가적으로 포함한다.

상기 정규화되어 생성된 코스트 데이터는 여러 방식으로 사용될 수 있다. 일부 실시예들에서는, 상기 방법이 상기 정규화된 코스트 데이터를 사용해 사용자에게 제안된 경로를 제공하는 단계를 부가적으로 포함한다. 상기 제안된 경로는 사용자의 능력 프로파일 및 하나 이상의 지정 매개변수들에 기반하여 이루어지는 것이 바람직하다. 상기 사용자 지정 매개변수들은 사용자 지정 매개변수들은 활동 시간, 거리, 시작 위치(또는 "출발지"), 종료 위치(또는 "목적지"), 구간(다시 말하면 표면) 타입, 및 신체 운동 레벨 중의 하나 이상을 포함할 수 있다. 사용자에 의해 주행될 수 있는 경로의 적합한 난이도는 사용자의 능력 프로파일 및 사용자 지정 매개변수들 중 하나 이상의 매개변수들을 사용하여 확립될 수 있으며, 이때 코스트 데이터는 난이도 기준 및 어느 필요한 사용자 지정 매개변수들을 충족하는 경로를 결정하는데 사용된다. 상기 경로는 코스트 데이터가 결정된 전자 지도의 한 세트의 하나 이상의 내비게이트가능한 구간들을 포함할 수 있다. 상기 경로는 트레일, 다시 말하면 오프-로드 경로인 것이 바람직하다. 상기 방법은 상기 제안된 경로를 따라 사용자를 안내하는 한 세트의 내비게이션 명령어들을 제공하는 단계를 부가적으로 포함할 수 있다.

사간 및/또는 날씨 의존 코스트 데이터가 결정되게 하는 실시예들에서는, 상기 방법이 현재의 시간 또는 날씨 조건에 상응하는 시간 주기 및/또는 날씨 조건, 또는 상기 경로가 주행될 시간에 적용가능한 시간 또는 예상 날씨에 대한 코스트 데이터를 사용하여 사용자에게 제안된 경로를 제공하는 단계를 포함할 수 있다. 현재의 날씨 조건 또는 예상된 날씨 조건이 알려져 있지 않은 일부 실시예들에서는, 날씨 의존 코스트 데이터가 과거 날씨 조건들에 기반하여 상기 경로를 결정하는데 사용하기 위해 선택될 수 있다. 예를 들면, 주어진 시간, 예컨대 일자, 개월 및/또는 년도의 주어진 시간에 대한 과거 날씨 조건들에 기반하여 예상되는 날씨 조건들에 대한 적합한 코스트 데이터가 사용될 수 있다.

본 발명에 의하면, 본 발명의 여러 실시태양 또는 실시예 중 어느 하나에서는, 상기 프로브 데이터를 수신하고 상기 정규화된 경로선택 코스트들을 결정하는 단계들이 중앙 서버에 의해 수행되는 것이 바람직하다. 본 발명의 시스템은 본원 명세서에서 언급되는 단계들 중 임의 단계 또는 모든 단계들을 수행하도록 구성되는 중앙 서버를 포함할 수 있다. 상기 수신된 데이터는 한 기기로부터 직접 또는 간접으로 수신될 수 있다.

위에서 언급한 바와 같이, 본원 명세서에서의 "트레일"에 대한 참조는 하나 이상의 오프-로드 내비게이트가능한 구간들을 포함하는 궤도를 언급하는 것으로 이해되어야 한다.

본 발명의 다른 한 실시태양에 의하면, 트레일 시스템을 따라 취할 수 있는 경로를 결정하는 방법이 제공되며, 상기 방법은,

트레일 활동에 대한 적어도 하나의 참가자로부터 입력 매개변수들을 획득하는 단계로서, 상기 입력 매개변수들은 시작 위치 및 종료 위치; 트레일 활동의 타입; 수행될 트레일 활동의 타입을 지원하는 경로선택가능한 트레일 네트워크 데이터베이스의 선택; 수행될 트레일 활동의 타입에 대한 적어도 하나의 참가자의 참가자 프로파일; 상기 경로의 필요한 주행 시간 및 상기 경로의 주행에 대한 필요한 에너지 소비 중 적어도 하나; 및 상기 경로를 주행하는 최대 운동 레벨;을 포함하는, 단계;

상기 입력 매개변수들, 상기 참가자 프로파일 및 주행 시간, 에너지 소비 및 최대 운동 레벨, 및 경로 선택가능한 트레일 네트워크 데이터베이스 중 적어도 하나의 함수로서 잠재적인 경로 구간들에 연관된 경로선택 코스트들을 결정하는 단계; 및

가능한 경우에 상기 선택된 트레일 네트워크로부터 연결된 경로 구간으로 이루어진 하나 이상의 최적 경로들을 계산하는 단계로서, 상기 최적의 경로들은 상기 선택된 필요한 주행 시간, 필요한 에너지 소비 및 최대 운동 레벨 중 적어도 하나에 따르는 것에 가장 가까운, 단계;

를 포함한다.

상기 참가자 프로파일은 주어진 트레일 활동의 적응도, 민첩성 및 끈기에 대한 지표들을 포함할 수 있다.

상기 적어도 하나의 참가자는 2 이상의 공동 참가자들을 포함할 수 있으며 계산된 하나 이상의 최적 경로들은 상기 경로를 신체적으로 주행할 수 있는 트레일 활동이 수행될 참가자들 중에서 최대 주행 시간, 최대 에너지 소비 및 최대 운동 레벨 중 적어 하나에 기반하여 계산된다.

잠재적인 경로를 주행하고자 하는 참가자에 대해 계산된 에너지 소비가 상기 참가자의 최대값을 초과하는 경우에 상기 잠재적인 경로는 고려되지 않을 수도 있다.

본 발명의 다른 한 실시태양에 의하면, 복수의 트레일 용도들을 위한 트레일 경로선택 지도 데이터베이스로서 참가자 또는 참가자들의 그룹의 능력들에 특유한 트레일 경로선택 지도 데이터베이스를 개발하는 방법이 제공되며, 상기 방법은,

하나 이상의 트레일 용도들을 식별하는 단계;

주어진 트레일 용도 및 트레일 시스템에 대한 트레일 구간들의 주행에 연관된 센서 데이터를 수집하는 단계;

베이스라인 참가자에 의해 작성된 입력을 수집하는 단계;

트레일 주행 동안 참가자 작성 데이터를 수집하는 단계;

트레일 구간 지형 및 특징들에 연관된 센서에 기반하여 3D 차원으로 상기 트레일 시스템을 매핑하는 단계;

트레일 주행 동안 센서 입력들; 직접 참가자 작성 베이스라인 및 트레일 주행 동안 작성된 데이터; 및 주행되는 트레일 구간들의 지도 중의 적어도 하나에 기반하여 트레일 구간들에 연관된 경로선택 코스트 모델을 개발하는 단계;

를 포함한다.

상기 트레일 용도들은 달리기, 하이킹, 보트 타기, 자전거 타기, 스키 타기, 스노우슈잉(snowshoeing), 굴레(bridle), 스노우모빌, 및 오토바이 중 하나 이상을 포함할 수 있다.

상기 센서 데이터는 트레일 구간 지형 및 특징들; 상기 트레일 시스템의 인접 환경 조건들; 및 참가자의 신체 기능들 중의 적어도 하나를 포함할 수 있다.

상기 트레일 구간 지형 및 특징들은 상기 구간에 따른 간격들에서의 위도, 경도 및 고도 중 적어도 하나를 포함할 수 있다.

상기 환경 조건들은 실시간 날씨 및 과거 날씨 정보 중 적어도 하나를 포함할 수 있다.

구간의 주행 동안 참가자의 신체 기능들은 한 구간에 따른 간격들에서의 심박수, 맥박 산소 측정, 체온, 및 가속도(3-성분의 pref.) 중의 적어도 하나를 포함할 수 있다.

베이스라인 참가자 작성 입력은 참가자의 신체 특징; 및 사용된 장비 특징 중 적어도 하나의 측정이다.

트레일 주행 동안 작성된 참가자 데이터는 수분 섭취 정보, 칼로리 섭취량, 및 장비 상태 중의 적어도 하나를 포함할 수 있다.

참가자의 신체 특징들은 성별, 연령, 휴식 및 최대 심박수, 최대 산소 섭취량(VO2 Max), 혈중 산소 함량, 인식된 운동의 보그 평가(Borg Rating of Perceived Exertion), 및 혈중 CO₂ 포화도 중의 적어도 하나를 포함할 수 있다.

경로선택 코스트 모델의 개발은 다변량 통계 분석 및/또는 기계 학습 기법들을 사용하여 수행될 수 있다.

경로선택 코스트 모델의 결과에 거의 또는 전혀 영향을 주지 않는 입력들이 상기 경로선택 코스트 모델로부터 제거되고, 상기 모델이 실질적으로 다시 계산되도록 경로선택 코스트 모델에 대한 주성분 분석이 수행될 수 있다.

상기 경로선택 코스트들은 참가자의 적응도, 끈기, 및 민첩성의 지표들 및 참가자의 신체 특징들에 연관될 수 있다.

본 발명의 다른 한 실시태양에 의하면, 주어진 트레일 활동에 대해 참가자의 적응도 프로파일을 확립하는 방법이 제공되는데, 상기 방법은,

센서 타입들에 연관된 공지된 형상 및 공지된 경로선택 코스트들을 지니는 공지된 트레일들을 통한 다양한 운동 레벨 동안 신체 기능들을 측정하는 센서 입력을 수집하는 단계;

참가자의 신체 특징들, 트레일 주행 동안 추정된 운동 레벨, 트레일 주행 동안 에너지 소비, 및 사용된 장비의 특성 중의 적어도 하나에 대해 직접 참가자 작성 입력을 수집하는 단계;

기계 학습 기법들을 사용해 적응도 프로파일을 생성하여 취해진 경로들의 경로선택 코스트들 및 센서 입력들 및 참가자 작성 입력 간의 기능적 관계들을 개발하는 단계;

를 포함한다.

본 발명의 다른 한 실시예에 의하면, 내비게이션 기기에서 사용되는 경로선택가능한 트레일 지도 데이터베이스가 제공되는데, 상기 경로선택가능한 트레일 지도 데이터베이스는 트레일 구간 형상, 고도, 관련 경로선택 코스트들, 및 메타데이터를 포함하며, 주어진 트레일 활동에 대한 경로선택 코스트들은 주어진 트레일 용도에 대한 사용자의 민첩성, 적응도 및 끈기; 및 주어진 방향으로 트레일 구간을 주행하는데 필요한 에너지 소비의 형태로의 운동 표시를 포함한다.

주어진 트레일 활동에 대한 경로선택 코스트들은 참가자 주행 시간 및 에너지 소비 중 적어도 하나를 예측하는데 사용된 다항식 함수로서 표기될 수 있는데, 상기 다항식 함수의 변수들은 트레일 구간 지형을 나타내는 매개변수들; 환경 인자들; 주어진 트레일 용도에 대한 참가자의 민첨성 및 끈기를 나타내는 지표들 중의 적어도 하나를 포함하며, 상기 변수들에 적용되는 곱셈 상수들은 상기 트레일 구간들을 주행하는 복수의 참가자들에 의한 센서 측정의 다변량 분석에 기반하여 결정되는 가중 함수(weighting function)들이다.

적어도 하나의 센서 측정은 심장 박동 모니터; 맥박 산소 측정; 휴식 심박수; 및 혈중 산소 함량의 리스트로부터 취해질 수 있다.

트레일 지형을 나타내는 매개변수들은 평균 기울기; 최대 기울기; 고도 이득; 평균 곡률; 거칠기; 고도 손실; 트레일 길이; 트레일 길이 상승; 및 트레일 길이 하강 중의 적어도 하나를 포함한다.

본 발명의 다른 한 실시태양에 의하면, 트레일 지도 데이터베이스 및 관련 경로선택 코스트들을 유지하는 방법이 제공되는데, 이 경우에 상기 트레일 시스템의 경로선택 코스트들 및 지형에 연관된 메타데이터는 상기 지형 및 경로선택 코스트들을 생성하는데 사용되는 입력 데이터의 통용; 및 트레일 주행에 대한 에너지 소비 및 주행 시간에 대한 예측들의 효력을 포함하며, 품질이 문턱값보다 떨어질 때,

상기 경로선택 코스트들 및 트레일 구간 지형의 결정 내에 새로운 센서 입력 및 지표들을 포함시킴으로써;

상기 경로선택 코스트 및 트레일 구간 지형의 결정으로부터 선택된 문턱값 연령보다 오래된 데이터를 제거함으로써;

복수의 참가자들이 주어진 트레일 구간에 대해 저장된 형상으로부터 벗어날 때 지도들의 형상을 업데이트함으로써;

주성분 분석을 이용하여 최소한의 영향을 주는 경로선택 코스트 함수들에 대한 센서 입력을 제거함으로써; 그리고

예측의 품질에 긍정적으로 영향을 주는 경로선택 코스트들에 새로운 센서 입력을 추가함으로써; 상기 지형 또는 경로선택 코스트들이 업데이트된다.

본 발명의 다른 한 실시태양에 의하면, 트레일 활동 동안 장비 또는 기법의 영향을 결정하는 방법이 제공되며, 상기 방법은,

단일의 참가자 또는 소그룹의 참가자들에 대해 개별 적응도 프로파일을 개발하는 단계;

상기 단일의 참가자에 대한 적응도 프로파일을 사용하여 트레일 구간들에 대한 트레일 경로선택 코스트들을 개발하는 단계;

상기 다변량 분석 내에 기법들 또는 장비에 대한 새로운 입력을 포함시키는 단계; 및

상기 새로운 입력이 상기 분석에 미치는 영향을 식별하는 단계;

를 포함한다.

본 발명의 다른 한 실시태양에 의하면, 내비게이션 기기를 사용하여 트레일 활동의 참가자에 경로 방향들을 제공하는 방법이 제공되며, 상기 방법은,

위에 언급한 방법을 사용하여 경로를 결정하는 단계;

상기 경로를 개시하는 단계;

상기 경로 및 상기 참가자의 생존 징후들을 따라 경과 시간을 모니터링하는 단계;

회전 방향들; 운동 레벨; 예측된 주행 시간 및 경로 동안 예측된 에너지 소비 중 적어도 하나로부터 벗어남; 중의 적어도 하나의 트레일 주행 동안 음성 커맨드들 또는 그래픽 디스플레이 중 하나를 사용할 것을 상기 참가자에 알려주는 단계;

만약 상기 경로가 완주된다면 끈기 레벨이 초과될 경우에 경고하는 단계;

수분의 섭취 또는 칼로리들의 소비; 경과 시간; 및 종료할 시간을 리마인더하는 단계;

를 포함한다.

본 발명의 한 실시태양에 의하면, 트레일 내비게이션 및 경로선택 장치가 제공되며, 상기 장치는,

위에 언급한 방법들 중 어느 하나를 수행하도록 하는 소프트웨어가 로드되는 프로세서;

경로선택 지도 데이터베이스가 수록된 메모리;

위치, 고도, 심박수, 맥박 산소 측정, 체온, 가속도, 및 속도 중 적어도 하나를 측정할 수 있으며 그러한 판독값들을 상기 프로세서에 전달할 수 있는 센서들; 및

상기 장치의 사용자들에게 방향들 및 통계치들을 전달하도록 하는 출력 기기;

를 포함한다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 선택된 경로가 특정 노력 레벨로 그리고/또는 주어진 시간에서 주어진 에너지 소비를 위해 주행할 수 있게 되거나 정확한 주행 시간 및/또는 출발 지점에서부터 목적 지점에 이르기까지의 에너지 소비가 추정될 수 있는 선택된 활동 타입에 대해 참가자가 상기 참가자에게 알려져 있지 않은 트레일 시스템에 대해 취할 수 있는 경로를 결정할 수 있게 하는 경로선택가능한 디지털 트레일 맵을 생성 및 유지하는 방법 및 장치를 제공할 수 있다.

트레일 용도의 예들은 특히 레크레이션 또는 통근 및 스포츠 트레이닝이다. 트레이닝 시스템들은 보행자, 하이커들 또는 경주자들에 의해서나 자전거들, 또는 스키들과 같은 비-동력 차량들 및 ATV(all-terrain-vehicle; 전 지형용 차량)들, 스노우모빌들 및 더트 오토바이(dirt motorcycle)들과 같은 동력 차량들용으로 사용되는 것이 전형적이다. 카누 및 카약 경로들을 포함하는 수상 경로들이 또한 포함된다. 이러한 부류의 운송 시스템은 상기 트레일 시스템의 측면들을 포함할 뿐만 아니라 상기 트레일 시스템의 사용자의 특성들 및 상기 트레일 상에서 사용된 장비 및 또한 날씨의 측면들을 포함하는 이에 연관된 고유 경로선택 코스트들을 지닌다. 날씨는 비-동력 활동에 특히 중요한데, 그 이유는 도로상에서 달리기를 할 때 맞바람과 같이 주행 시간에 상당한 영향을 주기 때문이다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 주어진 트레일 활동들에 대해 참가자의 적응도 및 민첩성을 추적할 수 있는 능력을 제공할 수 있으며 취할 수 있는 경로를 결정하는데 사용되는 경로선택 코스트의 일부로서 이러한 매개변수들을 포함할 수 있다. 트레일 구간을 내비게이트하는 에너지 소비, 그러한 에너지 소비에 대한 날씨와 같은 환경 인자들의 영향, 및 참가자 개별 적응도 및 민첩성을 포함하는 경로선택 코스트들을 결정 및 업데이트하는 것은 다변량 또는 기계 학습 분석을 사용하여 결정 및 업데이트된다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 가속도계들, GPS 프로브 트레이스들, 심장 박동 모니터들, 맥박 산소 측정들 등등과 같은 다양한 센서 정보를 사용하고 각각의 입력의 통계적 상관 및 관련을 평가하며 경로선택 코스트들을 업데이트함에 있어서의 그들의 용도에 대한 인자들을 가중하는 단계를 포함할 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 참가자가 트레일 경로를 계획할 수 있게 하며, 트레일 매핑 및 랭킹에 도움을 줄 수 있게 하고, 그리고 트레이닝 장치로서 사용될 수 있게 하며 트레일 안내를 제공할 수 있게 하는 본 발명의 일부인 장치를 제공할 수 있다. 상기 장치는 GPS, 심장 박동 모니터 및 맥박 산소 측정과 같은 센서들을 가지고 부가적으로 구성된다. 상기 장치는 이러한 입력들을 로깅(logging)하고 중앙 서버에 업로드할 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 참가자 및 가상 경쟁자 또는 다른 실제 경쟁자 간의 경쟁에 그리고 민첩성 및 적응도 프로파일들에 기반하여 경쟁자들에 핸디캡을 부여하는데 도움을 줄 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 여러 트레일 사용을 위한, 서로 다른 트레일 시스템들을 위한 그리고 서로 다른 개인들을 위한 경로선택 코스트 데이터를 개발하는 균일한 시스템을 제공할 수 있다. 이는 개별 사용자들이 이들에게 실제 주행 시간 또는 칼로리 소비 및 참가자의 기술적 능력 또는 원하는 노력 레벨을 초과하지 않는 경로선택을 제공하게 되는 레크레이션, 통근 또는 스포츠 트레이닝을 위한 경로에 대한 경험을 가지지 않고 참가자의 기술적 능력 또는 원하는 노력 레벨을 초과하지 않는 경로선택을 제공하게 되는 레크레이션, 통근 또는 스포츠 트레이닝을 위한 경로를 찾아내는 상이한 트레일 시스템을 사용할 수 있게 해준다. 경로선택가능한 트레일 지도를 제공하기 위해, 프로브 처리, 크라우드 소싱(crowd sourcing), 소셜 네트워킹(social networking) 및 지리 정보 시스템들의 측면들이 구현되기 시작한다. 여러 트레일 시스템이 큰 빈도로 변하기 때문에, 다시 말하면 새로운 트레일들이 추가되고, 트레일들이 다시 경로선택되며, 트레일들의 품질이 시간 경과에 따라 저하되고, 트레일에 대한 개선들이 이루어지게 되므로, 상기 지도 및 상기 경로선택 코스트들이 항상 변하게 되고 상기 매핑/경로선택 시스템은 동적이여야 한다. 마찬가지로, 개인의 적응도 레벨, 개인이 수반할 수 있는 임의의 상처들, 및 개인의 기량 레벨은 또한 모두 동적이다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 경쟁자의 성능에 대한 장비의 영향을 평가하는 시스템을 제공할 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 동일한 트레일을 동시에 사용하고 있는 참가자 그룹의 총체적인 프로파일들에 부가적으로 기반하여 경로 선택을 제공할 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 본 발명은 참가자들에 의해 취해진 과거 추적 경로들이 추적되는 것을 허용할 수 있으며 이러한 지식을, 이전 경로들을 중복하지 않도록 새로 제안된 경로들 내에 포함시키는 것을 허용할 수 있다.

적어도 일부 실시태양들 또는 실시예들에 있어서, 트레일 용도(육상 또는 수상)에 대해 경로선택가능한 디지털 지도 데이터베이스를 매핑, 경로선택 및 유지하도록 설계되는 시스템 및 장치가 제공되는데, 상기 트레일들은 적응도 또는 통근용이며 일반적으로는 사람에 의해 추진되는 차량 또는 단순히 보행자, 하이커 또는 산책자용이다. 상기 장치는 정보를 대조하고 재분배하는 중앙 처리 시설에 주기적으로 접속되는 개인 내비게이션 기기들의 분산 네트워크를 포함한다. 경로선택 코스트(주행 시간 및/또는 참가자 운동)는 날씨 및 인적 인자들을 포함한다. 본 발명이 사람에 의해 구동되는 차량들 또는 보행자들을 위해 사용될 수 있기 때문에, 경로를 수행하는 코스트는 사람에 의해 구동되는 차량의 운행자 또는 보행자의 능력에 매우 의존하게 된다. 시간 및/또는 에너지 출력을 적절히 결정하여 트레일 시스템에 대해 트레일(또는 다른 경로 선택 코스트)을 주행하기 위하여, 다른 참가자들과 비교될 때 참가자들의 순위를 매길 필요가 있을 수 있다.

이러한 실시예들의 이점들은 이하에 기재되어 있으며 이러한 실시예들 각각의 부가적인 세부들 및 특징들은 첨부된 종속 청구항들 및 이하의 구체적인 설명의 다른 부분에서 정의되어 있다.

본 발명의 교시들의 여리 실시태양들, 및 이러한 교시들을 구현하는 구성들은 이하에서 대표적인 예로써 첨부도면들을 참조하여 설명될 것이다.

도 1a 및 도 1b로 이루어진 도 1은 인공 신경 네트워크 모델이 트레일 경로선택(trail routing)에 대한 경로선택 코스트들을 전개하는데 사용되는 한 실시예를 보여주는 도면이다.
도 2는 휴대용 개인 트레이닝 기기를 제공하도록 구성된 전자 구성요소들을 개략적으로 보여주는 도면이다.
도 3은 도 2의 기기가 스포츠 시계의 형태를 이루고 있는 도 2의 기기의 한 실시예를 보여주는 도면이다.
도 4는 추가 매개변수들의 영향이 상승하게 되는 경우의 프로세스를 보여주는 도면이다.
도 5는 참가자가 트레일을 주행하고자 할 때의 경로선택 프로세스를 보여주는 도면이다.

위에서 설명한 바와 같이, 본 발명의 바람직한 실시예들에서 적어도, 본 발명은 오프-로드 구간들인 내비게이트가능한 코스트(cost)들로서, 그러한 구간들의 네트워크를 통해 경로들을 생성하는데 사용될 수 있는 코스트들을 결정하는 것에 관한 것이다. 예를 들면, 상기 경로들은 오프-로드 구간들의 네트워크를 통해 트레일들의 형태로 이루어질 수 있다. 본원 명세서에서 사용되는 트레일(trail)은 하나 이상의 오프-로드 내비게이트가능한 구간들을 포함하는 궤도(path)를 언급한다. 상기 트레일을 구성하는 구간들은 "트레일 구간(trail segment)들"로서 언급될 수 있다. 바람직한 실시예들이 트레일들 및 오프-로드 내비게이트가능한 세그먼트들을 참조하여 예시되겠지만, 당업자라면 본 발명이 오프-로드 구간들일 수도 있고 오프-로드 구간들이 아닐 수도 있는 내비게이트가능한 구간들의 네트워크를 통해서 다른 타입들의 내비게이트가능한 구간들 및 궤도들에 적용될 수 있음을 알 수 있을 것이다.

트레일들, 다시 말하면 차량 도로 네트워크를 통한 궤도들에 대립하는 것으로서 오프-로드 내비게이트가능한 구간들을 포함하는 궤도들에 대한 경로의 일부 기본적인 차이는 참가자 적응도 및 기량의 측면들이 고려되어야 한다는 점; 장비가 상당히 중요할 수 있다는 점; 날씨와 같은 환경 조건들이 더 중요하다는 점; 및 주행 방향이 중력 및 마찰 및 날씨의 영향들 때문에 중요하다는 점이다.

여러 실시예에서는 주어진 참가자에 대하여 트레일 구간을 또는 트레일 구간 그룹을 주행하도록 주행 시간을 추정하는 것이 바람직하다. 상기 주행 시간은 개별 참가자의 신체 조건, 끈기, 노력 수준, 및 주행 이전의 사전 활동의 함수이게 된다.

민첩성(agility), 또는 참가자가 어느 정도로 특정 트레일 활동을 수행하는데 기량을 발휘하게 되는지는 트레일을 주행하는데 필요한 에너지의 양과 아울러 참가자의 체중 및 참가자의 적응도를 좌우하게 된다. 기량을 발휘하지 못하는 참가자에게는 추가 에너지 출력이 요구될 수 있고 또한 기량을 발휘하지 못하는 참가자는 개인이 가지고 있는 것보다 더 많은 기량을 요구하는 트레일을 주행할 수 없다. 트레일을 주행하는데 참가자에 의해 요구되는 에너지 출력이 주로 중력 및 마찰의 함수이지만, 참가자의 민첩성에 의해 영향을 받을 수 있다. 그러나, 트레일들은 일정하지 않으며 날씨는 마찰에 큰 영향을 주게 된다. 참가자의 끈기가 또한 중요하다. 만약 트레일 구간이 힘든 연습의 막바지를 향해 주행하게 된다면, 참가자의 민첩성은 줄어들 수 있으며 끈기 레벨이 떨어질 수 있다.

만약 당신이 트레일을 주행하는데 요구되는 에너지, 참가자의 적응도 및 민첩성, 날씨가 상기 트레일을 주행하는데 이러한 에너지 요구에 얼마나 영향을 주는지, 그리고 참가자의 능력에 대한 날씨 영향을 안다면, 트레일을 주행하는데 소요되는 시간 및 필요한 에너지 출력이 예측될 수 있다. 마지막으로, 참가자는 트레일을 주행하고자 하는 노력을 최대로 하기를 원하지 않기 때문에, 트레일 활동의 타입이 고려되어야 할 뿐만 아니라, 노력의 레벨, 예를 들면 여가, 트레이닝, 또는 예를 들면 최대 심박수의 퍼센트로서 정의될 수 있는 경주가 고려되어야 한다.

바람직한 것은 경로선택가능한 트레일 데이터베이스를 획득 및 유지하고 경로선택 및 스포츠 트레이닝 및 장비 평가를 위한 상기 데이터베이스의 사용을 가능하게 하는 것이다. 주어진 활동에 대해 미리 결정된 경로 코스트들에 기반하여 주행 시간 및 칼로리 소모를 예측하는 필요한 인자들은 다음과 같이 분석될 수 있다.

참가자 능력: 노력의 레벨(여가, 트레이닝, 경주), 적응도, 체력, 민첩성, (지구력(또는 끈기), 변경자들 - 날씨(실시간, 과거), 장비, 수분섭취(Hydration), 칼로리 섭취

트레일 구간 난이도: 에너지 소비, 민첩성

민첩성은 특정 활동에서 참가자의 기량을 의미하는데 사용된다. 당신이 특정 스포츠의 전문가이라면, 당신은 동등한 적응도를 갖지만 기량을 발휘하지 못하는 다른 한 참가자보다 트레일을 주행하는데 에너지를 덜 사용할 수 있다. 마찬가지로, 당신이 더 정교하게 수행할 수 있게 해주는 정교한 장비를 당신이 가지고 있는 경우에, 이는 민첩성 평가에 영향을 주게 된다.

상기 지도 및 경로선택 코스트들에 대한 초기값들 및 변경들은 트레일 시스템 및 개별 트레일들 및 날씨의 센서 측정들의 관측들을 다변량 분석(multivariate analysis)에 적용함으로써 "학습(learn)"될 수 있다.

서로 다른 트레일 사용들 때문에, 존재하는 상당량의 트레일 시스템들 때문에, 그리고 대부분의 트레일 시스템들 상에서 이루어지는 임의의 상거래의 부족 때문에, 트레일 시스템들의 매핑 및 경로선택 코스트들의 결정은 일반적으로 대개 크라우드 소싱(crowd sourcing)되게 되는데, 이것이 의미하는 것은 센서 데이터가 중앙 레포지토리에 업로드되고 지도 및 경로선택 코스트들은 상기 프로브 트레이스들로부터 자동으로 그리고/또는 수동으로 획득된다는 것을 의미한다. 이는 정보를 업로드하여 서로 통계치들을 비교하게 하는 개인용 내비게이션 시스템 및 스마트폰 용도들의 일반적인 사용 및 스포츠 참가자들의 의지 표시에 의해 가능하게 되었다. 본 발명은 내비게이트가능한 구간들에 연관된 코스트의 결정을 포함하는 본 발명의 실시예들에서 구간들의 네트워크의 초기 매핑을 포함할 수도 있고 구간들의 네트워크의 초기 매핑을 포함하지 않을 수도 있다. 일부 구성들에서는, 상기 시스템의 내비게이트가능한 구간들, 예컨대 트레일 구간들이 이미 매핑되어 있을 수 있으며, 상기 방법은 트레일 구간들의 기존의 전자 지도를 사용할 수 있다.

또한, 사람에 의한 활동들에 대해 그리고 트레일 시스템에 대한 기계 성능에 대해서도 상당한 연관성을 주는 트레일 시스템 중력 및 마찰의 경로선택 코스트에 대한 방향성의 측면도 존재한다.

경로에 대한 전송 시간을 정확하게 예측하기 위해서는, 개별적인 트레일 구간들에 대한 난이도 및 참가자의 적응도, 지구력 및 민첩성에 대한 균일한 평가 시스템을 지니는 것이 절대적으로 필요하다. 이러한 코스트들은 대부분 직접 측정될 수 없으므로, 상기 코스트들은 직접적인 관측 및 평가(주관적인 경향이 있음)에 의해서든 센서 측정에 의해서든 입력으로부터 추론되어야 한다. 따라서, 상기 평가 시스템은 보편적으로 정의되어야 하며 적응도 및 난이도의 극한치들의 범위에 걸쳐 있을 수 있다. 활동에 대한 랭킹(ranking) 시스템의 일례는 강의 구역들이 I 내지 V로 평가되어 있는 급류 카약킹(white water kayaking)에 대한 평가 시스템인데, 이 경우에 등급 V는 보트에서 떨어져서 강제로 수영하는 것이 잠재적으로는 생명을 위협하는 것을 의미한다. 이러한 시스템은 매우 유용하지만 자체적인 경험적 성질 때문에 제한적이다. 하물며, 상기 등급은 얼마나 많은 물이 강의 특정 부분으로 흘러 내리는지에 따라 변화하게 된다. 마찬가지로, 이러한 시스템은 장비 평가와 같은 것들이 수행되는 경우에 충분한 정확도를 가지지 않는다. 등급 I-V 대신에 등급 1-50과 같은 10배의 정확도를 가지게 할 필요가 있다. 트레일에 대한 평가 시스템이 이상적으로는 "어느 누구도 할 수 있다(any one can do it)"에서부터 "어느 누구도 할 수 없다(no one can do it)"에 이르기까지 확대될 수 있다. 사람에 대한 평가 시스템이 이상적으로는 "노력하지 않음(no effort)"에서부터 "불가능한 노력(impossible effor)에 이르기까지, 다시 말하면 "민첩성이 없음(no agility)"에서부터 "성취 불가능한 민첩성"에 이르기까지 확대될 수 있다.

현재 입수가능한 센서들이 참가자에게나 또는 적어도 참가자의 장비에 부착되어 있기 때문에, 당신은 관측자를 실지의 시도로부터 분리할 수 없는데, 이것이 의미하는 것은 당신이 트레일 구간에 대한 난이도를 측정하려고 하는 경우에 참가자의 적응도 및 민첩성 레벨이 그 측정들에 영향을 주게 된다는 것을 의미한다. 그 외에도, 참가자의 지구력이 또한 중요하다. 지구력이 약한 경우에 장기간의 소풍(extended outing) 동안 적응도 레벨이 내려갈 수 있다.

트레일 지정 (에너지 소비(또는 적응도) 및 민첩성) 경로선택 코스트들은 모두 중력 및 마찰력의 영향에 관련될 수 있다. 누군가가 마찰력을 간접적으로 측정할 수 있는데, 예를 들면 자전거를 탈 때, 당신은 휠 축에 부착된 스트레인 게이지들을 사용하여 토크를 측정할 수 있지만, 휠의 슬립피지(slippage)는 표면의 미끄러움에 기인한 것일 뿐만 아니라, 어떻게 참가자가 뒤차축(rear axle)을 통해 자신의 체중 중심을 잡을지에 기인한 것이다. 난이도를 결정하는데 사용될 수 있는 측정들의 예들은 경사면 및 그러한 경사면의 길이이다. 다른 한 예는 단순히 특정 구간에 대한 기록적인 순(net) 고도 증가일 것이다. 특정 트레일 활동에서의 사용자의 민첩성 또는 전문지식에 대한 난이도와 상관하게 하는 측정의 일례는 스마트폰 또는 참가자가 착용한 다른 기기에 의해 모니터링되는 바와 같은 가속도 변화들일 것이다. 가속도의 방향 및 위치(orientation)가 일정하게 변화하는 경우에, 이는 트레일의 울퉁불퉁한 표면의 표시일 수 있다.

여기에서의 중요한 요인은 사용자가 측정시 트레일로부터 분리될 수 없으며 일반적으로 난이도 또는 적응도 및 민첩성 레벨이 직접 측정될 수 없거나 단일 타입의 측정에 그다지 상관하지 않는다는 것이다.

다변량 분석 및 기계 학습

여러 실시예에서, 트레일들, 참가자들, 날씨 및 활동을 포함하는 복합 시스템의 모델이 이루어지게 된다. 어떠한 2가지 활동도 동일하지 않고, 어떠한 두 참가자도 동일하지 않으며, 어떠한 2가지 구성요소의 상호작용도 결코 동일하지 않기 때문에, 경로선택 코스트들을 직접 획득하는 것이 불가능하다. 다시 말하면 상기 경로선택 코스트들의 일부만이 직접 측정될 수 있으며, 그러한 프로세스의 동적인 성질 때문에, 이러한 경로선택 코스트들은 일정하게 변화하게 된다. 그 외에도, 경로선택 코스트들과의 상관성이 큰 인자들(측정되는 매개변수들)은 트레일 사용 타입에 따라 다를 수 있다. 또한 상기 시스템이 복합적이기 때문에, 다변량 분석의 형태는 종래의 통계적 수단 또는 직접적 관측을 통해 얻게 되는 것보다도 정교한 상관성들을 얻을 수 있다.

본원의 맥락에서는, 다변량 분석이 특정 활동에 관련된 다양한 측정들 또는 관측들을 취하고 특정 결과를 예측하도록 이러한 측정들 또는 관측들의 영향을 결합하는 모델을 전개하는 임의의 분석으로 이루어진다. 이러한 경우에 예측할 결과는 소정의 경로 상에서의 소정의 참가자에 대한 전달 시간 및 동일 경로를 주행하는 에너지 소비이다.

다변량 분석 - 특정 출력을 예측하도록 조합하여 사용되는 여러 변수의 분석을 수행하게 하는 다양한 통계적 수단이 존재한다. 한 실시예에서는, 특정 출력이 소정의 참가자의 소정의 활동에 대해 트레일 구간을 주행하는데 필요한 칼로리들의 수 및 트레일 구간을 주행하는 시간에 트레일 구간, 환경 매개변수들 및 여러 참가자의 적응 및 민첩 특성들의 신체적 특성을 관련시키는 것이다.

사용된 통계적 수단에 관계없이, 평가 시스템을 전개하는 절차는 유사하며 당업자라면 이러한 설명에 기반하여 이루어지는 다양한 분석 알고리즘들을 사용할 수 있을 것이다. 도 1에 도시된 바와 같은 실시예에서는, 어떻게 초기 모델이 전개되는지가 역 전달 인공 신경 네트워크에 대하여 설명될 것이다. 상기 분석의 목적은 소정의 트레일 구간 및 소정의 활동 및 소정의 참가자에 대하여 주행 시간, 에너지 소비, 최대 운동 레벨을 예측하는 것이다.

상기 방법은 다음과 같은 단계들을 포함한다.

1. 데이터의 수집

최소 및 최대 심박수, 맥박 산소 농도 기록, 체질량 지표, 키, 체중, 장비 중량, 및 연령과 같은 동일한 활동의 여러 참가자에 대한 적응도의 기본적인 양적 및 질적 지표들을 측정함 - 단계 100.

난이도를 달리하는 여러 트레일 구간의 주행시 위의 참가자들에 대한 데이터를 수집함 - 단계 102. 정보의 수집에 사용된 센서들의 예들에는 지리적 위치 및 고도용 GPS, 심박수 센서들, 3-축 가속도 및 혈액의 산소 함량을 측정하는 맥박 산소 농도가 포함되며 이들 모두는 시간 간격에서 이루어지게 된다.

날씨 및 강수량, 지난 주의 강수량, 풍속/풍향, 지표면 온도(낙엽들, 눈 등등) 및 트레일 구간을 주행하는 시간 또는 소비되는 에너지에 영향을 줄 수 있는 어느 유사한 측정들과 같은 다른 환경 데이터를 수집함.

인공 신경 네트워크(또는 유사한 다변량 기법) 내에 입력될 수 있는 각각의 구간의 길이에 걸친 평균 또는 통합 센서 측정들의 여러 변동을 생성함 - 단계 104. 예들에는 평균 속도, 평균 가속도, 피크 속도, 피크 가속도가 있다. 주행 방향에서 그리고 주행 방향과 수직을 이루고 지표면과 수직을 이루는, 지표면과 나란한 평균 가속도; 순 고도 증가, 총 고도, 고도 손실, 최대 경사면, 평균 경사면, 평균 수직거리; 초기 심박수, 평균 심박수, 최소 심박수, 트레일 구간에 대한 총 심장 박동, 평균 혈중 산소 레벨, 최대 혈중 산소 레벨.

변형적으로는, 일반적인 질적 지표들이 상기 신경 네트워크 내로의 입력에 대해 생성(도시되지 않음)될 수 있는데, 예를 들면 트레일 구간을 주행하는데 소비되는 칼로리들의 양은 단지 시간 경과에 따른 심박수에 기반하여 이루어지는 지표, 또는 단지 맥박 산소 농도에 기반하여 이루어지는 지표, 또는 이들 2가지의 조합에 기반하여 이루어지는 지표에 의해 근사화될 수 있다. 이는 다수의 센서 타입이 개별적인 센서 측정들 대신에 방법 시뮬레이션에서 모두 입력 변수로서도 또한 사용될 수 있는 동일한 지표를 획득하는데 사용되는 것을 허용하게 된다. 물론, 문제는 모든 센서 타입들이 지정 지표를 간접적으로 측정하기 때문에 정교하지 못하다는 것이어서, 이는 특정 지표를 생성하는데 사용되는 정확도를 나타내도록 메타데이터를 가지고 설명될 필요가 있게 된다.

2. 인공 신경 네트워크의 생성

이러한 실시예에서는, 역 전달 신경 네트워크를 구축하기 위해, 트레이닝 및 확인 데이터세트들은 위에서 수집된 데이터 또는 상기 데이터 또는 지표들의 획득으로부터 어셈블되어야 한다. 여러 입력 조합은 상기 신경 네트워크에서 구현되어야 필요가 있으며 각각의 구성에 대한 결과로서 생성된 예측들의 품질이 평가를 받아야 할 필요가 있다. 상기 신경 네트워크 출력에 유사한 영향들을 주는 여분으로 획득된 지표들 또는 센서 입력들을 제한하도록 주의할 필요가 있다. 예를 들면, 평균 심박수 및 동일한 신경 네트에서 상기 심박수로부터 획득되는 소비된 칼로리들에 대한 지표 양자 모두를 사용하는 것이 바람직하지 않을 수 있다. 주성분 분석의 관점에서 볼 때, 상기 측정들 또는 지표들은 통계적으로 독립되어야 하는데, 이것이 의미하는 것은 그들이 가능한 경우에 상호 배타적인 매개변수들을 나타내야 함을 의미한다.

각각의 네트워크는 바람직한 출력, 즉 각각의 구간에 대한 주행 시간 및 칼로리 소비를 예측하도록 트레이닝된다.

3. 상기 네트워크의 트레이닝 및 확인

입력들의 부분집합은 트레이닝 세트로서 선택된다. 초기에 가중치들은 각각의 신경 접속에 대해 선택되거나 랜덤 가중치들이 사용중에 있는 특정 알고리즘에 종속하여 입력된다. 이리하여, 상기 네트워크는 학습 모드로 반복되며 각각의 입력에 연관된 가중치들은 상기 출력의 예측에 최적화하도록 조정된다. 다음에는, 상기 최적화된 신경 네트가 확인 세트와 함께 사용되고 예측된 출력 및 측정된 출력 간의 변동이 정량화되고 최소 예측 오차를 지니는 모델이 선택된다.

변형적으로는, 약간 정교성이 떨어지는 예측을 지니지만 아직도 덜 비싸거나 동작하는데 더 신뢰성이 있는 센서 슈트가 선택될 수 있다 - 단계들 106-112.

주성분 분석이 수행되며 어떠한 입력 매개변수들도 매우 적은 영향밖에 지니지 않는 경우에, 상기 입력 매개변수들은 폐기될 수 있으며 새로운 신경 네트는 상기 폐기된 매개변수들을 사용하지 않고 구성 및 트레이닝될 수 있다 - 단계 114.

특정한 트레일 구간이 특징화될 때 모든 임포트 센서들이 이용가능하지 않은 경우에 그러한 구간에 대한 예측 품질의 추정이 사용되고 있는 각각의 매개변수의 상대적인 영향에 기반하여 이루어질 수 있도록 오차 함수들이 생성된다 - 단계 116.

주행 시간 예측에 대한 모델을 사용하고 원하는 경우에, 상기 예측의 품질의 측정을 디스플레이함.

4. 난이도의 결정

모든 참가자들은 자신들의 적응도 또는 기량의 레벨에 대해 너무 어려울 수 있는 모든 트레일 구간을 내비게이트할 수 있게 되는 것이 아니다. 일단 주행 시간 및 에너지 소비에 대한 관련성이 전개된다면, 이는 특정 트레일이 참가자의 능력들을 능가하는 경우를 정의하는 관련성을 전개함으로써 정교해질 수 있다. 관측될 관련성들의 예들에는 참가자들이 결코 특정 트레일을 주행하지 않는 경우; 가속도계 기록 또는 유사한 것에 기반한 주행 방향과는 다른 방향들에서 여러 가속도가 존재하는 경우; 상기 가속도들이 많이 떨어지는 경우; 그리고 주행 동안 빈번한 정지들이 존재하는 경우가 있다. 이리하여, 추가 경로선택 코스트 매개변수로서 이때 사용될 수 있는 트레일 구간들에 난이도가 할당될 수 있다 - 단계 118.

5. 상기 네트워크의 사용

일단 초기 신경 네트워크가 생성 및 확인된다면, 추가 트레일 구간들 및 참가자들을 추가함. 새로운 구간들 또는 참가자들이 추가되는 경우에, 데이터베이스에 이때 추가되는 센서 측정치들을 획득함.

6. 상기 네트워크의 업데이트

역 전달 또는 유사한 기법을 주기적으로 수행하여 상기 네트워크의 가중 계수들을 조정하고 새로운 참가자들 및 트레일 구간들의 순위를 매김.

네트워크 계산들 내에 통합되는 기존 데이터를 상기 데이터베이스로부터 주기적으로 제거함. 이는 경로선택 코스트들에 영향을 주는 것으로부터 트레일 시스템에서의 변화들을 제거하는데 도움을 주거나 적응도 레벨들이 변할 때 사용자 프로파일을 업데이트하는데 도움을 준다.

새로운 센서 타입들이 가동될 경우에, 트레일 세트에 대해 통계적으로 충분한 데이터를 기록하고 상기 새로운 센서 타입을 사용하여 신경 네트워크를 재계산함. 정교한 예측에 의해 정당화되는 경우에 상기 새로운 센서 타입을 가지고 상기 네트워크를 업데이트함. 분석을 통해 더 이상 관련성이 없음(예측된 주행 시간 또는 에너지 소비 또는 난이도에 더 이상 거의 영향을 주지 않음)을 보이는 기존의 센서 타입들을 제거함.

특정 결과(예를 들면 경로선택 코스트)에 관련될 수도 있고 특정 결과(예를 들면 경로선택 코스트)에 관련되지 않을 수도 있는 다량의 여러 측정이 주어지면, 당신은 각각의 독립 변수에 대한 가중 계수들을 전개하여 가장 정교한 예측 및 그러한 예측이 얼마나 정교한지에 대한 신뢰도 레벨을 제공하는 측정의 조합을 결정할 수 있다. 더 많은 측정이 획득됨에 따라, 알고리즘이 어떻게 정교한 예측들을 이루어야 하는지를 학습한다. 다른 측정 타입들이 획득됨에 따라, 다른 측정 타입들이 모델의 예측들을 개선할지에 대하여 다른 측정 타입들이 분석되고 만약 다른 측정 타입들이 모델의 예측들을 개선하는 경우에, 상기 다른 측정 타입들이 상기 모델 내에 통합된다.

이러한 다변량 분석의 목적은 특정 결과(경로선택 코스트) 및 궁극적으로는 주행 시간 및 에너지 소비를 예측하는데 사용될 수 있는 여러 측정(독립 변수들)을 지니는 것이다. 상기 예측은 개별적인 매개변수들이 정규화되고 가중 계수들에 의해 승산되며 예측된 결과들인 결과와 합산되는 다항식의 형태를 취한다. 그래서 소정의 경로 및 참가자에 대하여, 노력의 레벨, 날씨 및 장비, 상기 트레일을 주행하는 시간, 상기 트레일을 주행하는데 요구되는 에너지의 양 및 민첩성이 예측될 수 있다. 다음에는, 상기 예측이 실제 주행 시간과 비교된다. 이리하여, 역 전달은 상기 가중 계수들이 (개시하여야 할 가중 계수에 얼마나 많은 신뢰도가 존재했는 지에 대한 함수로서) 조정되는 경우에 이루어질 수 있음으로써 다항식이 이제 주행 시간을 정교하게 예측하게 해준다. 상기 가중 계수들의 신뢰도가 기록되고 상기 측정 및 얼마나 많은 관측들이 상기 측정의 가중 계수의 결정에 취해졌는지에 대한 정확도 및 정밀도의 함수이다.

당업자라면 모든 참가자들이 동일한 프로브 센서들을 이용가능하게 하는 것이 아니거나 모든 참가자들의 적응도 또는 민첩성이 다른 참가자들과 아울러 문서화되지 않을 수 있거나, 모든 참가자들이 이러한 데이터를 상기 네트워크와 공유하기를 원하지 않을 수 있음을 이해할 것이다. 참가자는 정량적인 방식으로 요구된 입력의 추정치들을 입력함으로써 어떠한 센서들도 지니지 않고 경로선택을 위한 시스템을 사용할 수 있다. 예를 들면 참가자는 참가자가 자신의 적응도 레벨을 생각하고 있는 것에 대한 프롬프트를 받고 또한 체중 및 연령을 입력할 수 있으며 시스템은 최대 및 최소의 심박수를 추론할 수 있다.

한 실시예에서는 예측을 최적화하는 방식이 감지 기기들의 서로 다른 슈트들의 사용자들에 대하여 서로 다른 등급들의 참가자들에 대한 다수의 신경 네트워크를 지니는 것이다. 이리하여, 상기 네트워크는 주어진 그룹에 대해 이용가능한 센서 입력들에 대하여 최적화된다.

다른 한 실시예에서는, 참가자가 함께 작용할 측정을 적게 지니는 경우에, 이를테면 예를 들어 일단 상기 참가자가 정교하게 특징화되어 있는 통계적으로 상당한 개수의 트레일들을 주행하고, 적응도 레벨이 다른 여러 트레일을 주행하는데 걸리는 시간에 기반하여 확립되면, 어떠한 날씨 데이터도 이용가능하지 않고 상기 참가자가 단순히 심박수 모니터 및 GPS를 지니는 경우에, 비록 전체 센서/측정 슈트보다 덜 정밀하더라도 장래의 주행-시간이 예측될 수 있다. 상기 정밀도가 한 실시예에서는 사용되는 예측 모델에서 이용가능한 센서 기록의 통계적 관련성에 의해 특징화될 수 있다.

지도 구성

본 발명의 방법들은 내비게이트가능한 구간의 기존의 전자 지도를 이용할 수도 있고 전자 지도를 생성하는 단계를 포함할 수도 있다.

트레일 시스템에 대한 경로선택은 경로선택가능한 지도 및 속성으로부터 시작하여야 한다. 상기 지도가 동적으로나 일정하게 변하는 것으로 고려되어 있다. 상기 트레일 시스템에 대한 경로선택이 수행되는 경우에, 초기 맵 생성은 개인용 내비게이션 기기들 또는 스마트폰들 또는 다른 위치 센서 기기로부터의 하나 이상의 프로브 트레이스들로부터 획득될 수 있다. 상기 트레이스(일련의 위치들 및 고도 측정들 및 관련된 측정 시간)는 명칭, 특징 타입 등등에 관한 사용자 관측들과 함께 업로드되고, 내비게이트가능한 지도는 종래의 수단을 사용하여 구성된다. 추가로, 다른 센서 측정들 및/또는 계산된 지표들은 상기 트레이스에 연관되며 또는 업데이트된다. 상기 위치 및 고도 데이터는 하나 이상의 트레일 구간들이 종결/교차하거나 경로선택 코스트들의 상당한 변화, 예를 들면 가파른 언덕이 존재하는 일련의 트레일 구간들 및 노드들을 초래하는 평균 프로브 트레이스에 적용된다.

당업계에는 차량 교통에 대해 경로선택가능한 디지털 맵을 어떻게 구축해야 하는지가 공지되어 있다. 또한 디지털 맵을 구성하기 위해 프로브(GPS) 트레이스들을 휴대용 내비게이션 기기들로부터 할 목적으로 중앙 웹사이트로 업로드하는 것도 공지되어 있다. 마찬가지로 엄격하게 크라우드소싱(crowd sourcing)된 도로 지도들이 잘 알려져 있다. 이러한 용도를 위해 초기 지도 및 상기 지도에 대한 부가적인 업데이트들은 유사한 기법들을 사용하여 차량의 경로선택가능한 도로 네트워크를 크라우드소싱 및 구축하도록 수행될 수 있다.

그러나, 차량 교통을 위한 지도를 구성하는데 사용되는 기법들에 대한 한가지 추가는 상기 트레일 경로선택 시스템의 구축/유지 시 관리사용자 지원을 지님으로써 개인용 내비게이션 기기상의 사용자 인터페이스가 사용자와 상호작용하여 간단한 질문을 하고 그리고/또는 사용자로 하여금 프로브 트레이스들을 획득하는 동안 프로브 트레이스들의 출처를 추정하게 하는 것이다. 예를 들면 트레일 구간들의 명칭들을 지정하거나 트레일 구간들의 번호들을 지정하고 그리고/또는 기존의 트레일 구간의 명칭을 확인하는 것은 교차하는 것이거나 노드가 교차되는 경우를 확인하는 것이다. 이러한 정보는 기존의 데이터베이스 내에 프로브 트레이스들을 합성하거나 이를 처음부터 구축하는 것을 개선하는데 충분할 수 있다.

여기서 유념해야 할 점은 단지 다양한 기기가 적어도 간헐적이거나 정기적으로 통신하는 동안에만 다양한 기기를 통해 분산될 수 있다는 점이다. 예를 들면, 하나의 트레일 시스템에 대한 트레일 지도는 다른 한 시스템에 대한 트레일 지도로서 동일한 서버상에 상주하지 않아도 된다. 마찬가지로, 개별적인 사용자/참가자 프로파일들은 개인용 내비게이션 기기 또는 개인용 컴퓨터상에 상주할 수 있으며 개인 정보 보호 때문에; 사용자에 대한 통계가 주기적으로 그리고 (원한다면) 익명으로 업로드될 수 있다.

트레일 시스템에서의 노드들은 또한 2개보다 많은 구간들의 교차점과는 다른 부분에나 막다른 구간과는 다른 부분에 배치될 수 있다. 노드들은 또한 난이도 또는 기본 경로선택 코스트가 상당히 변화하는 부분에 배치될 수 있다. 예를 들면, 트레일의 일부가 매우 가파르게 된 다음에 상기 트레일의 일부가 평평해지게 되는 경우에, 경사면의 전환 위치에 특정 노드를 배치하는 것이 바람직할 수 있다. 마찬가지로, 그 표면이 예를 들면 유료 도로로부터 돌이 깔린 도로로 전환되는 경우에, 이는 특정 노드로 관측될 수 있다.

수동 지도 제작, 지도 정보의 합성 및/또는 프로브 트레이스들로부터의 정보의 여러 조합이 초기의 지도를 제작하는데 사용될 수 있다. 일단 초기의 지도가 제작되면, 상기 지도 및 경로선택 코스트들은 사용자 프로파일들, 사용자로부터의 모니터링 정보 및 날씨와 같은 환경 데이터과 함께 사용자들로부터 업로드된 프로브 트레이스들로부터의 정보로 계속 정교해진다. 상기 프로브 트레이스들로부터의 기하학적 형상이 지속적으로 도입되고 기존의 데이터베이스와 비교된다. 기하학적 형상이 크게 변화하게 되면, 상기 트레이스를 업로드하는 사람은 "이러한 것이 새로운 트레일인가?"와 같은 질문들을 받을 수 있다. 만약 이러한 것이 새로운 트레일이지 않은 경우에, 이러한 트레이스가 특정 노드를 통해 이동하는 트레이스 X를 따라가고 트레이스 Y와 교차하는가? 그러므로, 원래의 데이터 및 간단한 질문 및 답변들의 조합으로부터, 트레일 네트워크 지도가 계속 업데이트될 수 있다.

데이터 수집

여기서 추론될 수 있는 점은 특정 매개변수들이 다른 것들보다 많은 경로선택 코스트에 영향을 주게 되지만, 인공 신경 네트워크 분석이 분명하지 않은 인자들의 조합을 찾을 수 있다는 점이다. 먼저 데이터를 수집할 때, 일반적으로 사용가능한 모든 센서 출력들이 기록되어야 한다. 이는 (시간, 위치, 고도를 포함하는) GPS 프로브 트레이스들, 심박수, 및 (스마트폰의 가속도계들로부터의) 가속도를 포함한다.

본 발명의 여러 실시예에서는, 위치 데이터가 GPS(Global Positioning System) 데이터를 이용하는, 스포츠 시계들과 같은 휴대용 개인 트레이닝 기기로부터 획득된다. 그러한 스포츠 시계들은 종종 사용자의 속도 및 거리를 모니터링하고 이러한 정보를 사용자에게 제공함으로써 운동 선수들의 경주들 또는 연습들 동안 운동 선수들에게 도움을 주도록 운동 선수들에 의해 착용된다. 그러나, 당업자라면 상기 기기가 사용자에 의해 휴대되거나 자전거, 카약 따위와 같은 차량에 공지된 방식으로 접속되거나 "도킹(docking)"되도록 구성될 수 있음을 이해할 것이다.

도 2는 본 발명의 바람직한 실시예에 따른 휴대용 개인 트레이닝 기기(200)의 전자 구성요소들을 블록 구성요소 포맷으로 대표적으로 나타낸 도면이다. 여기서 유념해야 할 점은 상기 기기(200)의 블록 다이어그램이 상기 내비게이션 기기의 모든 구성요소들을 포함하지 않고 단지 여러 대표적인 구성요소만을 나타내고 있다는 점이다.

상기 기기(200)는 입력 기기(212) 및 LCD 디스플레이와 같은 디스플레이 스크린(210)에 접속된 프로세서(202)를 포함한다. 상기 입력 기기(212)는 (예컨대, 도 3에 도시된) 하나 이상의 버튼 또는 스위치들을 포함할 수 있다. 상기 기기(200)는 특정 속도에 이르게 되었거나 특정 거리가 주행되었다는 경보들과 같은 가청 정보를 사용자에게 제공하도록 구성된 출력 기기를 부가적으로 포함할 수 있다. 도 2에는 상기 프로세서(202) 및 GPS 안테나/수신기(204) 간의 동작가능한 접속이 부가적으로 예시되어 있다. 비록 상기 안테나 및 수신기가 예시를 위해 개략적으로 조합되더라도, 상기 안테나 및 수신기는 개별적으로 위치해 있는 구성요소들일 수 있다. 상기 안테나는 예를 들면 GPS 패치 안테나 또는 헬리컬 안테나일 수 있다.

상기 기기(200)는 사용자의 가속도들을 x, y 및 z 방향으로 검출하도록 구성된 3-축 가속도계일 수 있는, 가속도계(206)를 부가적으로 포함한다. 상기 가속도계는 2중 역할, 즉 첫 번째로는 특정 시간에 착용자의 움직임 상태를 결정하는 수단으로서의 역할, 및 두 번째로는 GPS 수신의 손실이 존재할 때/경우 사용하는 만보기(pedometer)로서의 역할을 수행할 수 있다. 비록 상기 가속도계가 상기 기기 내에 위치해 있도록 도시되어 있지만, 상기 가속도계는 또한 사용자에 의해 착용 또는 휴대되는 외부 센서로서 송신기/수신기(208)를 통해 상기 기기(200)에 데이터를 전달하는 외부 센서일 수 있다.

상기 기기는 또한 발바닥(footpad) 센서(222) 또는 심박수 센서(226)와 같은 다른 센서들로부터 데이터를 수신할 수 있다. 상기 발바닥 센서는 예를 들면 사용자의 신발 밑창에나 사용자의 신발 밑창 상에 위치해 있는 압전 가속도계일 수 있다. 각각의 외부 센서에는 송신기(224) 및 수신기(228)가 각각 구비되어 있으며, 이는 상기 송신기/수신기(208)를 통해 상기 기기(200)에 데이터를 전송 또는 수신하는데 사용될 수 있다.

상기 프로세서(202)는 메모리(220)에 동작가능하게 연결되어 있다. 메모리 자원(220)은 예를 들면 랜덤 액세스 메모리(Random Access Memory; RAM)와 같은 휘발성 메모리, 및/또는 비-휘발성 메모리, 예를 들면 플래시 메모리와 같은 디지털 메모리를 포함할 수 있다. 상기 메모리 자원(220)은 제거가능할 수 있다. 이하에서 좀더 구체적으로 논의되겠지만, 상기 메모리 자원(220)은 또한 이러한 센서들 및 기기들로부터 획득된 데이터를 저장하기 위해 상기 GPS 수신기(204), 상기 가속도계(206) 및 상기 송신기/수신기(208)에 동작가능하게 연결된다.

더욱이, 당업자라면 이해하겠지만, 도 2에 도시된 전자 구성요소들이 종래의 방식으로 전원(218)에 의해 전력을 공급받는다. 상기 전원(218)은 충전식 배터리일 수 있다.

상기 기기(200)는 USB 접속기와 같은 입력/출력(I/O) 기기(216)를 부가적으로 포함한다. 상기 I/O 기기(216)는 상기 프로세서에, 그리고 또한 상기 메모리(220) 및 전력 공급원(218)에 적어도 동작가능하게 연결된다. 상기 I/O 기기(216)는 예를 들면 프로세서(220), 센서들 등등의 펌웨어를 업데이트하고, 상기 메모리(220) 상에 저장된 데이터를 개인용 컴퓨터 또는 원격 서버와 같은 외부 컴퓨팅 자원에 전송하며, 그리고 상기 기기(200)의 전력 공급원(218)을 충전하는데 사용된다. 데이터는 다른 실시예들에서, 임의의 적합한 이동 통신 수단을 이용하여 OTA(over the air) 방식으로 상기 기기(200)에 의해 전송 또는 수신될 수 있다.

당업자라면 이해하겠지만, 도 2에 도시된 구성요소들의 다른 구성들이 본원의 범위 내에 있는 것으로 간주한다. 예를 들면, 도 2에 도시된 구성요소들은 유선 및/또는 무선 접속들 등등을 통해 서로 통신할 수 있다.

도 3에는 상기 기기(200)의 바람직한 실시예가 예시되어 있는데, 이 경우에 상기 기기(200)는 시계(300)의 형태로 제공되어 있다. 상기 시계(300)는 하우징(301)을 지니며 상기 하우징(301) 내에는 위에서 논의된 바와 같이 상기 기기상의 여러 전자 구성요소가 포함되어 있다. 2개의 버튼(212)은 사용자로 하여금 상기 기기에 데이터를 입력할 수 있게 하도록, 예컨대 상기 디스플레이(210) 상에 도시된 메뉴 구조를 내비게이트할 수 있게 하도록 상기 하우징(301)의 측면 상에 제공된다. 임의 개수의 버튼들, 또는 다른 타입들의 입력 수단들은 원하는 경우에 변형적으로 사용될 수 있다.

상기 시계(300)에는 사용자의 손목에 상기 기기를 고정하기 위한 스트랩(302)이 있다. 알다시피, 상기 스트랩(302)의 단부에는 USB 접속기(308)를 노출하도록 예컨대, 도 3에 도시된 바와 같이 치켜세우게 된 힌지 커버(304)가 있다. 상기 접속기는 전력 및/또는 데이터 전송을 위해 임의의 적합한 USB 포트 내에 삽입될 수 있다.

사용자 적응도 및 민첩성의 초기 결정

이하에는 능력, 예컨대 적응도, 프로파일이 사용자를 위해 획득될 수 있는 방식의 일례가 제공되어 있다.

한 실시예에서는, 초기의 사용자 프로파일링을 위해 적응도가 단순한 에어로빅 적응도에 의해 모든 활동들을 위해 측정될 수 있으며 에어로빅 적응도의 공정한 예측자인 심박수 모니터링에 부가적으로 국한될 수 있음이 가정될 수 있다.

본 발명의 기본적인 실시예가 여기에 설명되어 있다. 여기서 가정된 점은 트레일 시스템이 3차원, 위도, 경도 및 고도로 매핑된다는 점이다. 상기 지도는 적어도 트레일 교차점들 및 상기 교차점들에서의 노드들 간의 구간들에 의해 정의된다. 체질량 지표, 휴식 및 최대 심박수, 체중, 키, 성별, 및 연령을 포함하는 베이스라인 적응도 측정들은 적어도 하나의 참가자에 의해 이루어지게 된다. 트레일 네트워크가 주행되는 동안 적어도 하나의 참가자의 심박수 및 시간 및 위치가 계속 모니터링된다. 단지 심박수 모니터, 베이스라인의 참가자 신체 매개변수들 및 상기 트레일 시스템의 기하학적 구조만을 가지고, 경로선택 모델이 앞서 설명한 방법을 사용하여 구성된다.

에어로빅 적응도는 최대 산소 섭취량(VO2 Max)에 의해 최적으로 표현되는 것으로 추정되는 것이 일반적이다. VO2 Max를 측정하는 한가지 간접 방법은 휴식 심박수를 최대 심박수와 비교하는 것에 의한 것이지만, 직접 산소 섭취량 측정은 장래에 실현될 수 있을 것이다. 심박수(또는 맥박)는 또한 체력, 좀더 구체적으로 기술하면 특정 근육 그룹들의 체력의 부정확한 예측자이다. 체력은 특정 타입들의 트레일 활동들에 대하여는 상기 체력이 에어로빅 적응도보다 더 중요할 수 있다.

그 결과로, 새로운 타입의 센서 측정들이 장래에 이용가능할 수 있는데, 이 경우에, 다량의 이러한 측정들은 다양한 참가자들 및 다양한 트레일 구간들에 대해 취해질 필요가 있게 되며 새로운 학습 세션은 새로운 센서가 예측을 향상시키고 그리고/또는 예측 분산의 저하 없이 다른 센서 측정들을 대체할 수 있는지를 확인하도록 수행된다. 지금으로는, 참가자가 휴식 맥박 및 최대 맥박을 정의해야 한다. 이들은 스트레스 테스트 환경에서 직접 측정될 수 있거나 카보넨(Karvonen) 방법 또는 당업계에 공지된 다른 방법을 통해 추정될 수 있다.

진정한 운동 선수와 같은 경쟁자들이 트레이닝 연대들 또는 장비를 평가하기를 원하게 될 것으로 예상되기 때문에, 평가 시스템은 가능한 한 정확하고 정밀해야 하는 것이다.

맥박 산소 농도에 의한 인공 산소 포화도의 측정은 특별한 관심을 갖는 센서인데, 그 이유는 이러한 것이 맥박수와 함께 참가자 적응도의 유용한 예측자일 수 있기 때문이다. 본 발명의 부가적인 목적은 장갑에 매립된 맥박 산소 농도 센서를 지님으로써 상기 장갑의 손가락 끝에 대하여 상기 센서를 견고하게 유지하여 펄스 산소 농도를 기록기에 릴레이하는 손목 수신기 또는 블루투스 또는 유사한 무선 송수신기에 대한 고정배선을 부가적으로 보호하는 것이다. 또 다른 한 실시예는 국지적인 맥박 산소 농도 센서를 단독으로 포함하거나 국지적인 맥박 산소 농도 센서를 심박수 센서와 함께 포함하는 가슴 스트랩 벨트(chest strap harness)를 지니는 것이다. 다른 유용한 측정들은 혈중 CO₂ 포화도와 같은 것들을 포함한다.

마찬가지로, 사용자는 사용자의 적응도/민첩성에 기반하는 사용자의 적응도/민첩성 레벨을 다른 사용자들에 비해 추정할 수 있다. 변형적으로는, 상기 방법이 인식된 운동의 보그 평가(Borg Rating of Perceived Exertion)를 적응시킬 수 있다. 그러나, 상기 보그 평가는 개인에 대한 최소 및 최대 운동 레벨이고 참가자들 간에 비례하는 것이 아니다. 그러므로, 이는 상기 보그 평가를 위해 결정되는 심박수로 변환될 필요가 있다. 다양한 운동의 양 및 사람의 연령에 대하여 심박수를 추정하는 수단이 여러 가지 존재한다.

트레이닝 운동 선수들 또는 장비 평가자들은 단독으로나 그룹으로 그들 자신의 다변량 분석들을 안출(案出)하고자 할 수 있으므로 트레이닝 운동 선수들 또는 장비 평가자들은 단독으로나 그룹으로 장비 또는 기법의 함수인 에너지 소비의 미묘한 차이들을 관측할 수 있다(도 4). 그래서 이러한 그룹들 또는 개인들은 많은 프로브 트레이스들 및 참가자 기록들을 가지고 고도로 특징화되어 이와 같이 고도로 측정된 트레일들에 대하여 추가적인 측정들 및 관측들의 데이터베이스를 구축하는 연구에서 단지 트레일 구간만을 포함하도록 선택할 수 있다. 자전거 타기에 대한 일례는 자전거의 타입, 타이어 압력, 트레드 패턴(tread pattern), 충격 압력(shock pressure), 안장 위치를 모니터링한 다음에, 그 결과들의 개인 평가를 수행하여 에너지 효율에 대한 영향을 결정하는 것이다. 마찬가지로, 도로 자전거를 타는 사람은, 참가자가 간격을 두고 멈춰서 식사를 하거나 참가자가 간격을 두고 멈춰서 식사를 하지 않는 경우에나, 사람이 일정량의 물을 마시는 경우에 페달 카이던스(pedal cadence)를 모니터링하고 이를 상기 네트워크에 적용하며 에너지 효율에 대한 영향을 관측할 수 있다. 상기 신경 네트워크가 이러한 인자들을 통합하기 전에 에너지 소비의 정교한 예측자인 경우에, 이러한 독립 변수들을 상기 네트워크에 추가하는 것은 상기 독립 변수들에 차이가 있는지를 관측가능하게 하여야 한다. 도 4에서와 같이, 양호하게 특징화된 참가자들의 경우에, 예측 모델은 단일 참가자에 대해 전개될 수 있으며 수분 섭취, 칼로리 섭취 및 장비와 같은 것들은 모니터링될 수 있다 - 단계 400. 새로운 입력의 통계적 유의성이 모니터링될 수 있으며 성능의 증가들 또는 감소들이 새로운 입력들에 기반하여 평가될 수 있다 - 단계들 402, 404.

소정의 경로에 대하여 에너지 소비를 정밀하게 예측하기 위해, 실시간 및 과거 날씨는 다변량 분석 계산에 포함될 필요가 있는데, 그 이유는 실시간 및 과거 날씨가 트레일에 대한 그리고 참가자에 대한 마찰력들에 영향을 주고, 참가자의 에너지 소비에도 영향을 줄 수 있기 때문이다. 이에 대한 예들은 도보 여행자들에 대하여 더 많은 에너지를 요구하는 트레일 상의 눈인데, 그 이유는 도보 여행자들이 자신들의 보폭을 더 크게 하여야 하기 때문에 그리고 정지 마찰이 감소되기 때문이다. 다른 한 예는 고온 다습으로 인한 특정 개인들에 있어서의 효율이 적은 에너지 전달이다. 이러한 정보의 출처들은 무선 날씨 서비스들로부터의 참가자의 수동 입력 또는 공급들일 수 있다.

트레일 경로선택에 대해 유용한 정보는 이하의 매개변수들의 지표를 제공할 수 있는 다음과 같은 센서들 또는 참가자 입력을 포함할 수 있다.

1. 지도

- 구간들(노드들의 끝 부분을 이루는 트레일 시스템의 일부에 대한 3-차원 트레이스)

- 노드들(하나 이상의 구간들이 교차하는 경우 또는 경로선택 코스트에 있어서의 상당한 변화(예: 기울기의 변화)가 존재하는 경우의 결정 포인트들)

- 과거 날씨(지난주 내내 비가 내린 경우 - 트레일들이 진흙투성이가 될 것이며 이는 주행 시간들에 영향을 주게 됨)

- 실시간 날씨(현재 비가 오고 있거나 서리가 내린 경우, 미끄럽기 때문에 주행 시간이 증가하게 됨).

- 온도/습도: 사용자/참가자의 효율은 이러한 매개변수들의 함수로서 변하게 됨.

2. (각 활동에 대한) 트레일 구간 난이도/트레일 베이스 경로선택 코스트

- 적응도 기반(트레일을 주행하는데 필요한 에너지의 양)

- 민첩성 기반 - 트레일에 암석이 많거나 트레일이 나무 뿌리들 및 다른 식물로 덮여 있는가? 다른 사람들이 트레일 구간을 걸어야 할 때 당신이 트레일 구간에서 자전거를 탈 수 있는가?)

- 방향(트레일 구간을 따른 순방향 또는 역방향)

3. 사용자 프로파일

- 적응도 레벨 및 신체적 매개변수들(초기에 사용자 입력에 기반할 수 있거나 심박수와 같은 센서 입력에 기반하여 소정의 트레일 구간 및 소정의 조건들에 대한 통계치들을 모니터링하거나 다른 사용자와 비교할 수 있음)

- 중량, 체질량 지표, 연령, 성별

- 민첩성/기량 레벨(당신의 밸런스, 반응 시간, 율동 등등이 어떠한가)

- 지구력(당신이 특정한 운동 레벨을 얼마나 오래 유지할 수 있는가?)

- 장비 프로파일: (당신은 어떤 종류의 타이어, 변속비, 러닝화, 의복을 사용하는가; 당신은 어떤 말을 타는가?)

그리고 개별 소풍(individual outing)들:

- 트레이닝 모드 또는 레크레이션: 그룹 또는 개인

- 수분 섭취/칼로리 섭취

- 풍속 및 풍향; 온도 및 습도; 과거 강수량(매주); 및 현재 강수량과 같은 환경 인자들(트레일 난이도 및 사용자 프로파일 양자 모두에 영향을 줌).

장비 활용, 물과 영양소들의 보충은 연대 또는 장비의 일부로부터 초래되는 임의의 성능 향상의 분석뿐만 아니라 개인 전용으로 유지될 수 있다. 한 실시예에서는, 일반적인 목적으로, 단지 한 개인에 대한 평균 적응도 및 민첩성 레벨은 중앙 프로세서에 업로드될 필요가 있다. 이러한 정보는 트레일 구간의 난이도를 평가하고 다른 개인들의 적응도 레벨을 평가하는 전반적인 품질을 지속적으로 개선하는데 필요하다.

사용자 프로파일은 센서들의 사용 또는 특수 측정을 통해 베이스라인을 확립함으로써 개별 사용자들 간에 정규화될 수 있게 한다. 예를 들면, 초기의 베이스라인 적응도 측정은 '적응도에 대한 대통령 위원회의 일반 지표에 대한 스포츠 및 영양 가이드라인들'을 사용할 수 있는데, 예를 들면 당신은 1 마일을 활발하게 산보하기 전후에 당신의 맥박수가 변한 것을 측정할 수 있고, 당신이 얼마나 많은 푸샵을 할 수 있는가? 단순한 적응도 측정들; 체질량 지표의 측정. 이는 개인들에 대한 출발점이게 되지만, 트레이닝을 받은 운동 선수들에 대하여는, 훨씬 더 많은 정보가 필요하게 된다. 예를 들면, 단거리 선수는 장거리 경주자 보다 10배 많은 푸샵을 할 수 있을 것이다. 개인들의 대조 그룹을 통해, 개별 트레일 구간들은 초기에 서로 다른 적응도가 문서화된 적응도 레벨들을 가지고 다양한 개인에 대한 (양 방향 모두에 있어서의) 구간에 대한 주행 시간을 비교함으로써 난이도에 대해 평가될 수 있다.

상당한 양의 데이터로 보강된 프로파일을 지니는 개인들은 장비의 검사자들이 된다. 그러한 특정 종류의 장비 없이 베이스라인에 대하여 상기 장비를 비교함으로써, 성능 개선들이 상관될 수 있게 된다.

게임 및 대회들은 실제 개인들 간에 또는 가상 경쟁자에 대한 실제 개인 간에 설정될 수 있다. 핸디캡들은 팀 경쟁들을 위해 골프에서와 같이 많이 확립될 수 있다. 당신이 적응도 정도를 선택하는 장소에서 트레이닝 연대들이 만들어질 수 있으며 소프트웨어는 당신이 종 적응도(species fitness) 이상에서 수행할지 또는 종 적응도 이하에서 수행할지를 당신에게 알려준다. 적응도의 개선들의 추적도 추적될 수 있다.

트레일 경로들은 도로보다 더 자주 변경할 가능성이 있기 때문에, 통계적으로 평균화된 트레일 구간을 이루는데 맞는 프로브 트레이스들은 에이징(aging)될 필요가 있으며 에이징된 구간들은 트레일 구간을 대표하는데 사용된 평균 프로브 트레이스를 전개할 경우에 적게 가중되어야 한다. 특정 프로브를 얼마나 신속하게 에이징시켜야 하는지는 얼마나 많은 트레이스들이 이용하는지에 대한 함수일 것이다. 마찬가지로, 프로브들은 변수 품질을 지닐 수 있으며 적은 품질 및 정확도를 가진 프로브 트레이스들은 덜 가중되어야 한다.

용법

일단 트레일 지도 및 경로선택 코스트 및 개인 적응도가 확립되면 도 5에 도시된 바와 같이 다음과 같은 사항이 수행될 수 있다.

경로를 결정하기 위하여, 사용자는 내비게이션 기기 내에 예를 들면 다음과 같은 사항, 즉 상기 활동에 필요한 시간 길이; 활동 타입; 활동 모드(트레이닝, 레크레이션, 기타); 그룹의 회원 수; (만약 그룹 회원들이 하나의 프로파일을 지닌다면) 그룹 회원들의 이름; 사용될 트레일 시스템(이는 또한 현재 위치 또는 입력 위치에 기반하여 자동으로 결정될 수 있음); 최대 난이도(당신은 자신에게 무거운 짐을 지우거나 쉽게 취하기를 원함)를 입력하게 된다- 단계 500.

그리고나서, 경로선택 알고리즘은 상기 네트워크에 연결되어 있는지를 결정하게 된다. 만약 연결되어 있는 경우에, 상기 알고리즘은 관심 있는 트레일 시스템에 대한 업데이트들, 다시 말하면 베이스 코스트들 또는 기하학적 변화들을 찾아서 로컬 데이터베이스를 업데이트한다. 상기 알고리즘은 또한 과거 및 실시간 날씨를 찾게 된다 - 단계 506. 총체적인 베이스 코스트들에 대한 변경인자는 예를 들면 지난주에 내린 강수량(트레일들이 얼마나 진흙투성인지), 현재 및 오늘 예측된 비/눈(트레일들이 얼마나 미끄러운지)의 함수로서 결정된다. 상기 알고리즘에 의해 고려된 다른 인자들은 약한 그룹 링크, 그룹의 크기 및 구성, 경로가 난이도를 위반하지 않음, 경로가 최근에 착수된 것과 같은 것이 아니어야 함을 포함한다 -단계들 502, 504, 510.

경로선택

활동 타입, 트레일 시스템, 활동 유형, 추적 시스템, 주행 시간 및 운동(및 최대로 원하는 운동)(최소 및 최대 심박수 간의 범위의 백분율에 기반한 것이 전형적임)이 주어지면, 소정의 경로가 제시된다.

경로에서 동안, 다음과 같은 사항들 중 하나 이상을 통신함:

- 심박수가 원하는 것보다 높거나 낮은 경우에 경고함(현재의 트레일 구간을 주행하는데 필요한 에너지를 보고함 - 가파르거나 어려운 특정 구간들에서 원하는 심박수를 초과하는데 필요할 수 있음).

- 교차로들(노드들)에서 경로선택 방향을 제공함(청각 또는 시각)

- 추가 운동들이 요구되게 될 경우를 경고함

- 트레일 시스템의 지도 뷰를 디스플레이함 - 트레일 구간당 컬러 코딩 에너지 소비 또는 트레일 구간당 최대 기울기.

본 발명의 다른 한 실시태양은 경로선택 방향들을 제공해야 하는 방법이다. 차량들에서 이미 본 바와 같이 내비게이션 기기는 운전자의 주의력을 분산시키는 원인이 될 수 있다. 운전하는 것보다 더 많은 집중력을 필요로 하는 스포츠 활동을 처리할 경우에, 주의력의 분산 문제가 더 커지게 된다. 트레이닝 시나리오에서는, 지도를 멈춰서 보는 것이 편리하지 않다. 그 외에도, 이러한 시스템이 주로 옥외에서 사용되기 때문에, 직사광선에서 화면을 볼 수 있는 것이 때로는 어려울 수 있다. 따라서, 주의력 분산을 회피하기 위해, 방향들이 바람직하게는 들릴 만큼 또는 헤드업 디스플레이에서 전달되어야 한다. 그 외에도, 간단하게 말하면: 다가올 구간에 대한 운동 레벨에 관한 "앞에서 좌회전(left turn ahead)" 방향 타입의 정보가 제공될 수 있다. 예를 들면, 당신이 한 마일의 3/4만큼 계속 오르는 가파른 언덕에 도달한다면, 이러한 정보는 참가자가 참가자들의 활동 속도를 조정할 수 있도록 참가자에게 전달될 수 있다. 상기 참가자가 광범위한 파일 프로파일을 지니고 심박수 모니터가 사용된 경우에, 경로선택 알고리즘은 참가자의 예측된 끈기 및 상기 운동의 기간에 기반하여 상기 속도 조정을 예측할 수 있다. 이러한 시스템은 GPS 또는 다른 위치 센서가 장착된 휴대용 기기들, 및 선택적으로는 참가자의 에너지 출력을 측정할 수 있는 심박수 모니터들 또는 다른 센서들이 장착된 휴대용 기기들 상에서 작동하도록 설계되어 있다. 상기 휴대용 기기는 예를 들면 정보 및 계산들을 공유하도록 하나 이상의 서버들과 통신할 수 있다. 상기 기기는 상기 기기 상에서 국부적으로 경로선택 계산들을 수행하거나 상기 경로선택 계산들을 서버로부터 획득하도록 구성될 수 있다. 상기 기기는 디스플레이, 음성 통신 또는 텍스트 통신 중 적어도 하나를 필요로 한다. 또한, 상기 기기는 특정 실시예들에서 수동 입력에 의해 트레일 정보를 획득하도록 구성될 필요가 있을 수 있다.

전자 지도에 의해 나타나게 되는 오프-로드 내비게이트가능한 구간들의 네트워크의 오프-로드 내비게이트가능한 구간들, 예컨대 트레일 구간들의 주행에 연관된 코스트들을 결정하기 위한 본 발명의 방법의 한 실시예가 지금부터 설명될 것이다. 상기 전자 지도 및 상기 전자 지도의 구간들은 공지되어 있을 수도 있고 상기 구간들을 포함하는 지리적인 영역에서 시간에 대한 사용자들의 이동에 관련된 프로브 데이터를 사용하는 부가적인 단계에서 생성될 수 있다. 상기 프로브 데이터는 코스트 데이터의 결정에 대하여 설명한 바와 동일한 방식으로 사용자들에 연관된 기기들로부터 수집될 수 있다.

프로브 데이터는 상기 네트워크의 주어진 내비게이트가능한 구간을 주행하는 다른 사용자들에 연관된 휴대용 개인 트레이닝 기기들로부터 수집된다. 각각의 기기로부터 획득된 프로브 데이터는 고도 데이터를 포함하여, 타임 스탬프된 위치 데이터를 포함한다. 상기 프로브 데이터는 사용자의 운동을 나타내는 데이터, 예컨대 타임 스탬프된 위치 데이터에 연관된 사용자의 심박수를 추가로 포함한다. 상기 운동, 예컨대 심박수 데이터는 상기 트레이닝 기기에 연관된 적합한 센서로부터 획득되며, 사용자가 상기 구간을 주행할 때 시간 경과에 따른 사용자의 운동의 레벨을 나타낸다.

상기 프로브 데이터는 서버에서 수집된다. 능력, 예컨대 적응도, 프로파일은 각각의 사용자에 대해 설정되었다. 상기 적응도 프로파일은 사용자가 응답한 앙케이트(questionnaire)에 기반하거나, 과거 성능 등등에 기반하여 확립돼 있을 수 있다. 상기 주어진 내비게이트가능한 구간을 주행하기 위한 코스트를 결정하는데 사용되기 전에, 사용자에 대한 프로브 데이터는 상기 프로브 데이터가 관련되어 있는 상기 주어진 사용자에 대한 능력 프로파일 데이터를 사용하여 처리된다. 이러한 방식으로, 상기 프로브 데이터는 예를 들면 이러한 프로브 데이터가 상기 구간을 주행하기 위한 코스트를 결정하는데 사용되기 전에 서로 다른 사용자들 간의 적응도 레벨들의 변동을 보상하도록 조정될 수 있다.

이때, 주어진 구간을 주행할 때 사용자들 각각으로부터 획득되는 처리된 프로브 데이터는 상기 구간을 주행하기 위한 정규화된 코스트 함수를 결정하는데 사용된다. 예를 들면, 상기 구간에는 상대적 어려움(다시 말하면 상기 구간의 주행에 관련된 운동)을 나타내는 주어진 범위, 예컨대 1 내지 5에서 정수가 할당될 수 있다. 이는 적절히 트레이닝된 기계 학습 기법, 예컨대 신경 네트워크를 사용하여 달성될 수 있다.

이리하여, 정규화된 코스트는 유사한 방식으로 상기 전자 지도의 다른 구간, 및 각각의 구간에 연관된 코스트 데이터에 대해 결정될 수 있다. 상기 결정된 코스트는 상기 코스트가 구간들의 네트워크를 통해 한 경로를 생성하는데 사용될 수 있게 하도록 도로 구간들에 대해 공지된 것과 유사한 방식으로 각각의 구간에 연관된다.

이리하여, 코스트 데이터는 개별 사용자에 대한 구간들의 네트워크를 통해 한 경로의 제안을 제공하는데 사용될 수 있다. 예를 들면, 상기 코스트 데이터는 사용자에 의해 지정된 소정 레벨의 운동 범위에 충족하거나, 사용자의 능력, 예컨대 적응도, 프로파일에 대한 참조로써 적합한 것으로 간주하는 경로를 제안하는데 사용될 수 있다. 상기 경로는 변형적으로나 추가로 특정 시간에 충족하는 것이거나, 사용자에 의해 지정된 거리의 기준일 수 있다.

당업자라면 이해하겠지만, 주어진 구간을 주행하는 어려움은 날씨 조건 또는 계절에 의존할 수 있다. 주어진 구간에 대한 코스트 데이터는 해당 기간에 대하여 수집된 프로브 데이터를 사용하여 계절 또는 날씨에 의존해 결정될 수 있다. 이리하여 한 경로가 주행되어야 하는 계절 또는 날씨 조건들에 대한 관련 코스트 데이터는 상기 코스트 데이터를 사용하여 한 경로를 생성하는데 사용될 수 있다.

당업자라면 이해하겠지만, 본 발명의 실시예들은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현될 수 있다. 그러한 임의의 소프트웨어는 예를 들면 소거가능하거나 재기록가능하든 그러하지 않든 ROM과 같은 저장 기기와 같은 휘발성 또는 비-휘발성 저장요소의 형태로 저장될 수도 있고, 예를 들면 RAM, 메모리 칩들, 기기 또는 집적회로들과 같은 메모리의 형태로 저장될 수도 있으며 예를 들면 CD, DVD, 자기 디스크 또는 자기 테이프와 같은 광학적으로나 또는 자기적으로 판독가능한 매체 상에 저장될 수 있다. 당업자라면 이해하겠지만, 상기 저장 기기들 및 저장 매체들은 실행될 때 본 발명의 실시예들을 구현하는 프로그램 또는 프로그램들을 저장하는데 적합한 기계-판독가능한 저장소의 실시예들이다. 따라서, 실시예들은 첨부된 청구항들 중 어느 한 항에서 청구된 시스템 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 그러한 프로그램을 저장하는 기계 판독가능한 저장소를 제공한다. 본 발명의 여전히 또 다른 실시예들은 유선 또는 무선 접속을 통해 반송(搬送)되는 통신 신호와 같은 임의의 매체를 통해 전자 방식으로 구현될 수 있으며 실시예들이 동일한 것을 적절하게 포함한다.

(임의의 첨부된 청구항들, 요약서 및 도면들을 포함하는) 본원 명세서에 개시된 특징들 모두, 및 그렇게 개시된 임의의 방법 또는 프로세스의 단계들 모두는, 그러한 특징들 및/또는 단계들 중 적어도 일부가 상호 배타적인 조합을 제외하고 임의의 조합으로 조합될 수 있다.

(임의의 첨부된 청구항들, 요약서 및 도면들을 포함하는) 본원 명세서에 개시된 각각의 특징은 달리 명시적으로 언급되지 않는 한, 동일, 동등 또는 유사 목적을 제공하는 변형적인 특징들로 대체될 수 있다. 따라서, 달리 명시적으로 언급되지 않는 한, 개시된 각각의 특징은 단지 일반적인 등가 또는 유사 특징들의 시리즈의 일례이다.

본 발명은 임의의 전술한 실시예들의 구체적인 내용들에 국한되지 않는다. 본 발명은 (첨부된 청구항들, 요약서 및 도면들을 포함하는) 본원 명세서에 개시된 특징들 중 임의의 신규한 특징 또는 임의의 신규한 조합에 이르기까지 확장하거나 그렇게 개시된 임의의 방법 또는 프로세스의 단계들의 임의의 신규한 단계 또는 임의의 신규한 조합에 이르기까지 확장한다. 청구항들은 단지 전술한 실시예들만을 포함하는 것으로 해석되어서는 아니 되고 첨부된 청구범위에 속하는 임의의 실시예들을 포함하는 것으로 해석되어야 한다.

Claims (15)

1. 내비게이트가능한 구간들의 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법에 있어서,
   상기 방법은,
   복수의 사용자들로부터 프로브 데이터를 수신하는 단계로서, 상기 프로브 데이터는, 각각의 사용자에 대하여, 시간에 대한 사용자의 이동들을 나타내는 이동 데이터, 및 시간 경과에 따른 사용자의 이동들에 연관된 신체 운동의 적어도 한 번의 측정을 나타내는 신체 운동 데이터를 포함하는, 단계;
   사용자로부터 수신된 프로브 데이터를 스케일링하도록 사용자에 대한 능력 프로파일(ability profile)을 사용하여 각각의 사용자로부터 수신된 프로브 데이터를 조정하는 단계;
   상기 조정된 프로브 데이터에 기반하여, 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들에 대하여 정규화된 경로선택 코스트 데이터를 결정하는 단계; 및
   상기 경로선택 코스트 데이터를 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들과 연관시키는 단계;
   를 포함하며,
   상기 연관시키는 단계는, 상기 전자 지도에 대한 데이터에서, 상기 하나 이상의 내비게이트가능한 구간들 각각을 나타내는 전자 지도 데이터와 경로선택 코스트 데이터를 연관지어 저장하는 단계를 포함하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
2. 제1항에 있어서, 상기 정규화된 경로선택 코스트 데이터는 사용자 자신의 힘으로 적어도 부분적으로 상기 경로선택 코스트 데이터가 연관되어 있는 내비게이트가능한 구간을 사용자에 의해 주행하는 어려움을 나타내는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
3. 제1항에 있어서, 상기 이동 데이터는 시간에 대한 사용자의 위치를 나타내는 데이터를 포함하며, 시간에 대한 사용자의 고도를 나타내는 고도 데이터를 선택적으로 포함하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
4. 제3항에 있어서, 상기 위치 데이터는 사용자에 의해 운송, 휴대 또는 착용하게 되도록 구성된 휴대용 개인 트레이닝 기기의 위치 결정 및 추적 수단으로부터 수신되고, 상기 위치 결정 및 추적 수단은 전지구 내비게이션 위성 시스템(Global Navigation Satellite System; GNSS) 수신기를 포함하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
5. 제1항에 있어서, 상기 신체 운동 데이터는 상기 사용자의 심박수를 나타내는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
6. 제1항에 있어서, 상기 능력 프로파일은 적어도 상기 사용자의 적응도 레벨의 함수인, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
7. 제1항에 있어서, 상기 코스트 데이터는 기계 학습 프로세스를 사용하여 결정되는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
8. 제1항에 있어서, 상기 하나 이상의 내비게이트가능한 구간들에 대한 코스트 데이터는 시간 및/또는 날씨에 의존하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
9. 제1항에 있어서, 상기 내비게이트가능한 구간 또는 각각의 내비게이트가능한 구간은 오프-로드 구간인, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
10. 제1항에 있어서, 상기 방법은, 상기 정규화된 코스트 데이터를 사용해 사용자의 능력 프로파일 및/또는 하나 이상의 사용자 지정 매개변수들에 기반하여 사용자에게 제안된 경로를 제공하는 단계;를 더 포함하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
11. 제10항에 있어서, 상기 하나 이상의 사용자 지정 매개변수들은 활동 시간, 거리, 개시 위치, 종료 위치, 구간 타입, 및 신체 운동 레벨로 이루어진 그룹으로부터 선택되는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 방법.
12. 삭제
13. 컴퓨터 프로그램이 수록된 비-일시적 컴퓨터 판독가능 저장매체로서, 상기 컴퓨터 프로그램은 컴퓨터 프로그램 코드 수단을 포함하며, 상기 컴퓨터 프로그램 코드 수단은 상기 컴퓨터 프로그램이 컴퓨터상에서 실행될 때 상기 컴퓨터로 하여금 청구항 제1항 내지 제11항 중 어느 한 항의 방법을 수행하게 하는, 비-일시적 컴퓨터 판독가능 저장 매체.
14. 복수 개의 내비게이트가능한 구간들을 나타내는 데이터, 및 청구항 제1항 내지 제11항 중 어느 한 항의 방법을 사용하여 생성된 내비게이트가능한 구간들 중 하나 이상의 내비게이트가능한 구간들에 연관된 경로선택 코스트 데이터를 포함하는 전자 지도.
15. 내비게이트가능한 구간들의 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 시스템에 있어서,
    상기 시스템은,
    복수의 사용자들로부터 프로브 데이터를 수신하는 수단으로서, 상기 프로브 데이터는, 각각의 사용자에 대하여, 시간에 대한 사용자의 이동들을 나타내는 이동 데이터, 및 시간 경과에 따른 사용자의 이동들에 연관된 신체 운동의 적어도 한 번의 측정을 나타내는 신체 운동 데이터를 포함하는, 수단;
    사용자로부터 수신된 프로브 데이터를 스케일링하도록 사용자에 대한 능력 프로파일(ability profile)을 사용하여 각각의 사용자로부터 수신된 프로브 데이터를 조정하는 수단;
    상기 조정된 프로브 데이터에 기반하여, 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들에 대하여 정규화된 경로선택 코스트 데이터를 결정하는 수단;
    및
    상기 경로선택 코스트 데이터를 상기 전자 지도의 하나 이상의 내비게이트가능한 구간들과 연관시키는 수단;
    을 포함하며,
    상기 연관시키는 수단은, 상기 전자 지도에 대한 데이터에서, 상기 하나 이상의 내비게이트가능한 구간들 각각을 나타내는 전자 지도 데이터와 경로선택 코스트 데이터를 연관지어 저장하는 수단을 포함하는, 전자 지도에 경로들을 생성하는데 사용하기 위한 코스트 데이터를 생성하는 시스템.

Images