KR102615240B1 - 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템 - Google Patents

데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템 Download PDF

Info

Publication number
KR102615240B1
KR102615240B1 KR1020220105735A KR20220105735A KR102615240B1 KR 102615240 B1 KR102615240 B1 KR 102615240B1 KR 1020220105735 A KR1020220105735 A KR 1020220105735A KR 20220105735 A KR20220105735 A KR 20220105735A KR 102615240 B1 KR102615240 B1 KR 102615240B1
Authority
KR
South Korea
Prior art keywords
transportation
information
similarity
data
entropy
Prior art date
Application number
KR1020220105735A
Other languages
English (en)
Inventor
이준하
Original Assignee
주식회사 파트리지시스템즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 파트리지시스템즈 filed Critical 주식회사 파트리지시스템즈
Priority to KR1020220105735A priority Critical patent/KR102615240B1/ko
Application granted granted Critical
Publication of KR102615240B1 publication Critical patent/KR102615240B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 데이터의 엔트로피를 기반으로 한 실시간 데이터 필터링 기술에 관한 것으로서, 일실시예에 따른 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법은 이동수단에서, 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계, 상기 수집된 운행정보를 인코딩하여 요약 데이터를 생성하는 단계, 상기 생성된 요약 데이터를 클라우드 서버로 전송하는 단계, 상기 클라우드 서버에서, 상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계, 상기 산출된 유사도가 기준 유사도 이하인 경우, 상기 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하는 단계, 상기 이동수단에서, 상기 업로드 요청에 따라 미리 지정된 주기에 따라 상기 업로드 요청된 운행정보를 상기 클라우드 서버로 업로드 하는 단계, 및 상기 클라우드 서버에서, 상기 업로드 요청된 운행정보를 상기 데이터베이스에 새롭게 기록하는 단계를 포함할 수 있다.

Description

데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템{Method and cloud server system for filtering data based on the entropy of data}
본 발명은 데이터의 엔트로피를 기반으로 한 실시간 데이터 필터링 기술에 관한 것이다.
방대한 양의 데이터는 필연적으로 저장/분석 비용의 측면에서의 어려움을 수반한다.
그러나, 데이터 취득 후 가치 있는 데이터는 극히 일부에 불과한다. 예를 들어, 주행차량의 운행정보를 수집하는데 있어서, 현재에는 많은 정보와 시스템이 구축되어 있는 상황이다. 이러한 현실에서 실시간으로 수집하는 데이터의 대략 10% 미만이 가치있는 데이터로 구분되고 나머지 90% 이상의 데이터는 노이즈로 구분되는 실정이다.
즉, 현재에는 다양한 분야에서 필요없는 데이터로 인한 비용, 노력, 시간의 낭비가 심각한 수준이다.
특히, 주행차량의 운행정보를 수집하는데 있어서, 몇 대의 테스트 차량에서 취득되는 데이터가 아닌 일반 차량에서 데이터를 취득하기 시작할 경우 문제가 더욱 심각해질 전망이다.
따라서, 차량에서 데이터 취득 시 필요없는 데이터를 필터링하기 위한 방안이 절실하게 필요한 실정이다.
한국공개특허 제10-2022-0048263호 "차량정보 수집 방법 및 시스템" 한국등록특허 제10-2228403호 "차량 정보　수집　시스템 및 방법" 한국등록특허 제10-2331217호 "구간별 현장정보의 실시간 수집을 통한 mms 기반의 수치지도 업데이팅 시스템"
본 발명은 차량에서 데이터 취득 시 필요없는 데이터를 실시간으로 필터링하는 것을 목적으로 한다.
본 발명은 필요없는 데이터로 인한 비용, 노력, 시간의 낭비를 줄이는 것을 목적으로 한다.
본 발명은 조건부 확률 값을 기반으로 인코딩된 요약 데이터의 정보량을 계산함으로써, 데이터의 유사도 산출에 대한 정확성을 높이는 것을 목적으로 한다.
일실시예에 따른 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법은 이동수단에서, 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계, 상기 수집된 운행정보를 인코딩하여 요약 데이터를 생성하는 단계, 상기 생성된 요약 데이터를 클라우드 서버로 전송하는 단계, 상기 클라우드 서버에서, 상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계, 상기 산출된 유사도가 기준 유사도 이하인 경우, 상기 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하는 단계, 상기 이동수단에서, 상기 업로드 요청에 따라 미리 지정된 주기에 따라 상기 업로드 요청된 운행정보를 상기 클라우드 서버로 업로드 하는 단계, 및 상기 클라우드 서버에서, 상기 업로드 요청된 운행정보를 상기 데이터베이스에 새롭게 기록하는 단계를 포함할 수 있다.
일실시예에 따른 상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는, 상기 현재위치를 기준으로, 상기 이동수단의 상태변화를 수집하는 단계를 포함할 수 있다.
일실시예에 따른 상기 이동수단의 상태변화를 수집하는 단계는, 단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집하는 단계를 포함할 수 있다.
일실시예에 따른 상기 이동수단의 상태변화를 수집하는 단계는, 상기 수집된 단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량 중에서 적어도 하나는, 특정 구간을 대표하는 수치인 보정값으로 변환하는 단계를 더 포함할 수 있다.
일실시예에 따른 상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집하는 단계를 포함할 수 있다.
일실시예에 따른 상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는, 상기 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집하는 단계를 포함할 수 있다.
일실시예에 따른 상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계는, 조건부 확률 값을 기반으로 상기 데이터베이스에 기록된 운행정보에 대비하여, 상기 수신된 요약 데이터의 정보량을 계산하는 단계, 상기 계산된 정보량을 기준으로 상기 유사도를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는, 상기 현재위치를 기준으로, 상기 이동수단의 상태변화, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화, 상기 이동수단의 현재위치에서 측정 가능한 환경정보를 수집하는 단계를 포함하고, 상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계는, 상기 수집된 환경정보를 기준으로, 상기 상태변화 또는 상기 위치변화의 엔트로피를 산출하는 단계를 포함하고, 상기 계산된 정보량을 기준으로 상기 유사도를 산출하는 단계는, 상기 산출된 상태변화 또는 상기 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 수집된 환경정보를 기준으로, 상기 상태변화의 엔트로피 또는 상기 위치변화의 엔트로피를 산출하는 단계는, 상기 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 상기 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 상기 엔트로피를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 엔트로피를 산출하는 단계는, 상기 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택하는 단계를 더 포함할 수 있다.
일실시예에 따른 데이터의 엔트로피를 기반으로 데이터를 필터링하는 클라우드 서버 시스템은 이동수단의 현재위치를 기준으로 수집된 운행정보를 요약 데이터의 형태로 수신하는 데이터 수집부, 상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 유사도 산출부, 상기 산출된 유사도가 기준 유사도 이하인지 여부를 판단하는 유사도 판단부, 및 상기 산출된 유사도가 기준 유사도 이하인 경우, 상기 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하고, 상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 운행정보에 대한 파기를 요청하는 데이터 처리부를 포함할 수 있다.
일실시예에 따른 상기 이동수단은, 상기 업로드 요청에 따라 미리 지정된 주기에 따라 상기 업로드 요청된 운행정보를 상기 데이터 수집부로 업로드 하고, 상기 데이터 처리부는, 상기 업로드 요청된 운행정보를 상기 데이터베이스에 새롭게 기록하는 것을 특징으로 하는 데이터의 엔트로피를 기반으로 데이터를 필터링할 수 있다.
일실시예에 따른 상기 이동수단은 상기 현재위치를 기준으로, 상기 이동수단의 상태변화를 수집하되, 단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집하고, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집하며, 상기 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집할 수 있다.
일실시예에 따른 상기 유사도 산출부는, 조건부 확률 값을 기반으로 상기 데이터베이스에 기록된 운행정보에 대비하여, 상기 수신된 요약 데이터의 정보량을 계산하고, 상기 계산된 정보량을 기준으로 상기 유사도를 산출할 수 있다.
일실시예에 따른 상기 유사도 산출부는, 상기 수집된 환경정보를 기준으로, 상기 상태변화 또는 상기 위치변화의 엔트로피를 산출하고, 상기 산출된 상태변화 또는 상기 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단할 수 있다.
일실시예에 따른 상기 유사도 산출부는, 상기 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 상기 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 상기 엔트로피를 산출할 수 있다.
일실시예에 따른 상기 유사도 산출부는, 상기 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택할 수 있다.
일실시예에 따르면, 차량에서 데이터 취득 시 필요없는 데이터를 실시간으로 필터링할 수 있다.
일실시예에 따르면, 필요없는 데이터로 인한 비용, 노력, 시간의 낭비를 줄일 수 있다.
일실시예에 따르면, 조건부 확률 값을 기반으로 인코딩된 요약 데이터의 정보량을 계산함으로써, 데이터의 유사도 산출에 대한 정확성을 높일 수 있다.
도 1은 일실시예에 따른 클라우드 서버와 이동수단에 있어, 데이터의 엔트로피를 기반으로 데이터를 필터링하는 전체 동작을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 데이터의 엔트로피를 기반으로 데이터 필터링 방법을 설명하기 위한 도면이다.
도 3a 내지 3c는 일실시예에 따른 이동수단이 수집하는 운행정보를 설명하는 도면이다.
도 4는 일실시예에 따른 이동수단이 수집하는 다른 이동수단의 위치변화를 설명하는 도면이다.
도 5는 일실시예에 따른 데이터의 엔트로피를 기반으로 데이터 필터링을 수행하는 클라우드 서버 시스템을 설명하기 위한 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 클라우드 서버(120)와 이동수단(110)에 있어, 데이터의 엔트로피를 기반으로 데이터를 필터링하는 전체 동작을 설명하기 위한 도면(100)이다.
일실시예에 따르면, 본 발명은 차량에서 데이터 취득 시 필요없는 데이터를 실시간으로 필터링할 수 있다. 이를 통해, 필요없는 데이터로 인한 비용, 노력, 시간의 낭비를 줄일 수 있다. 이 과정에서, 조건부 확률 값을 기반으로 인코딩된 요약 데이터의 정보량을 계산함으로써, 데이터의 유사도 산출에 대한 정확성을 높일 수 있다.
보다 구체적으로, 본 발명에 따른 전체 시스템에서 이동수단(110)은 데이터의 희귀성을 판단하기 위해 3차원으로 운행정보를 수집하고, 클라우드 서버(120)를 통해 이를 분석할 수 있다.
예를 들어, 이동수단(110)은 차량으로 해석될 수 있다.
구체적인 예로, 이동수단(110)은 1분동안의 상태변화를 확인하기 위해, 운행정보를 수집할 수 있다.
운행정보로는 스티어링 휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 포함하며, 운행정보를 일정 주기(t)마다 측정 및 수집함으로써, 이동수단(110)의 상태변화를 수집할 수 있다.
한편, 이동수단(110)은 실제 측정된 변화량에 해당하는 측정값(v)을 보정하기 위해 보정값(e)으로 변환할 수 있다.
일정 시간 n 동안의 측정값과 보정된 구간값의 변화(조향)에 대한 보정값(e)은 아래 [표 1]과 같으며, 측정값의 구간을 대표하는 수치가 보정값으로 대표될 수 있다.
예를 들어, 측정값(v)이 -5에서 5 사이에는 보정값을 0으로 결정하고, 측정값(v)이 -10에서 -5 사이에는 보정값을 -1으로 결정하며, 측정값(v)이 5에서 10 사이에는 보정값을 1로 결정할 수 있다.
이와 같이 측정값의 특정 구간을 대표하는 보정값을 미리 정의하여 측정값에서 노이즈에 해당하는 이례적인 값이 발생하더라도 보정이 가능하다.
[표 1]
한편, 일정 시간 n 동안의 측정값과 보정된 구간값의 변화 (브레이크)는 다음 [표 2]와 같다.
예를 들어, 측정값(v)이 5에서 10 사이에는 보정값을 1로 결정하고, 측정값(v)이 10에서 15 사이에는 보정값을 2로 결정하며, 측정값(v)이 -5에서 5 사이에는 보정값을 0으로 결정할 수 있다.
이와 같이 측정값의 특정 구간을 대표하는 보정값을 미리 정의하여 측정값에서 노이즈에 해당하는 이례적인 값이 발생하더라도 보정이 가능하다.
[표 2]
일정 시간 n 동안의 측정값과 보정된 구간값의 변화 (엑셀)는 다음 [표 3]와 같다.
예를 들어, 측정값(v)이 25에서 30 사이에는 보정값을 6으로 결정할 수 있다.
이와 같이 측정값의 특정 구간을 대표하는 보정값을 미리 정의하여 측정값에서 노이즈에 해당하는 이례적인 값이 발생하더라도 보정이 가능하다.
[표 3]
보다 구체적으로, 본 발명에 따른 전체 시스템에서 이동수단(110)은 데이터의 희귀성을 판단하기 위해 3차원으로 운행정보를 수집하고, 클라우드 서버(120)를 통해 이를 분석할 수 있다.
구체적인 예로, 이동수단(110)은 1분동안의 상태변화를 확인하기 위해, 운행정보를 수집할 수 있다.
특히, 이동수단(110)의 현재위치를 기준으로 선정된 거리 이내에 존재하는 다른 이동수단(110)의 위치변화를 수집할 수 있다.
다른 이동수단(110)으로는 차량뿐만 아니라, 주변의 보행자 등의 움직이는 주변 객체도 포함될 수 있다.
즉, 본 발명의 이동수단(110)은 내 차를 기준으로 n X m의 격자로 지도를 생성하고, 일정 주기(t)마다 인지된 모든 객체에 대해 지도상에서의 좌표값을 추적할 수 있다.
만약, 특정객체의 위치가 변하지 않는다면 그 객체는 내차와 1분동안 등속, 등방운동을 하고 있는 객체로 해석될 수 잇다.
예를 들어, 아래 [표 4]에서 보는 바와 같이 이동수단(110)인 내 차를 중심으로 하는 주변 객체가 차량 1, 차량 2, 트럭 1, 보행자 1인 경우, 각 주변 객체의 움직임이 n X m의 격자상의 좌표로 산출 및 기록될 수 있다.
[표 4]
본 발명의 이동수단(110)은 취득 환경인 환경정보를 기준으로 다양한 카테고리로 구분할 수 있다.
예를 들어, 이동수단(110)은 데이터를 취득하고 있는 환경정보를 도로 구분 (x가지), 날씨 구분(y가지), 시간대(밤/낮) 구분 (z가지)을 기준으로 총 k개 (x * y * z = k)의 카테고리로 구분할 수 있다.
이동수단(110)은 카테고리로 구분된 운행정보를 요약 데이터로 가공하여 클라우드 서버(120)로 전송할 수 있다.
예를 들어, 요약 데이터는 0,1,0,0/0,0,2,0,/0,0,0,0#@-3,5/-3-4/-2,3/-2,2/@0,7/0,6/0,5/0,4/@2,4#0#123와 같이, 도로, 날씨, 시간대, 좌표 등의 정보만을 포함하는 포맷 형태로 인코딩될 수 있고, 이동수단(110)은 인코딩된 요약 데이터를 일정 주기 (t)마다 클라우드 서버(120) 등으로 전송할 수 있다.
클라우드 서버(120)는 조건부 확률 값을 기반으로 인코딩된 요약 데이터의 정보량을 계산하고, 정보량이 클수록 희귀한 상황에서 취득된 데이터이므로 가치(h)를 높게 측정할 수 있다.
또한, 클라우드 서버(120)는, 데이터의 가치(h)가 미리 지정한 일정 수준 (th)이상이라면 차량에 업로드 응답을 주고 그렇지 않을 경우 삭제 응답을 줄 수 있다.
이동수단(110)이 클라우드 서버(120)로부터 업로드 응답을 받은 경우 1분동안의 데이터를 업로드하고, 삭제 응답을 받은 경우 해당 데이터 삭제할 수 있다.
구체적으로, 클라우드 서버(120)에서는 수집된 환경정보를 기준으로 구분되는 각각의 카테고리에 해당하는, 상태변화 또는 위치변화의 엔트로피를 산출할 수 있다.
예를 들어, 클라우드 서버(120)에서는 자동차 전용도로(도로 구분), 비오는 날(날씨구분), 저녁시간(시간대)에 해당하는 카테고리에서의 엔트로피를 산출하고, 이러한 카테고리에서 산출되어 저장된 데이터와의 유사도를 비교할 수 있다.
즉, 클라우드 서버(120)에서는 이동수단(110)의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집할 수 있다.
또한, 클라우드 서버(120)에서는 수신된 요약 데이터와, 데이터베이스(130)에 기록되어 있는 운행정보와의 유사도를 산출하고, 조건부 확률 값을 기반으로 데이터베이스(130)에 기록된 운행정보에 대비하여, 수신된 요약 데이터의 정보량을 계산할 수 있다.
또한, 계산된 정보량을 기준으로 유사도를 산출할 수 있다.
특히, 수신된 요약 데이터와, 데이터베이스(130)에 기록되어 있는 운행정보와의 유사도를 산출하기 위해서는, 수집된 환경정보를 기준으로, 상태변화 또는 위치변화의 엔트로피를 산출하고, 산출된 상태변화 또는 상기 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단할 수 있다.
수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단(110)에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 상기 엔트로피를 산출할 수 있다.
클라우드 서버(120)는, 이러한 엔트로피를 통해 측정되는 기존 데이터와의 유사도를 위해, 내차의 상태 변화를 이용하여, 내 차의 상태 변화의 엔트로피를 산출하고, 주변 객체(차량, 트럭, 보행자, 사이클 등)의 위치 변화의 엔트로피를 산출할 수 있다.
또한, 엔트로피는 k개의 카테고리별로 따로 구할 수 있다.
예를 들어, 맑을 때 낮에 고속도로에서의 엔트로피, 눈올 때 도심에서 밤의 엔트로피 등을 서로 다른 카테고리로 구분하여 산출할 수 있다.
도 2는 일실시예에 따른 데이터의 엔트로피를 기반으로 데이터 필터링 방법을 설명하기 위한 도면이다.
일실시예에 따른 데이터의 엔트로피를 기반으로 데이터를 필터링 하는 방법에 있어, 먼저, 이동수단은 이동수단의 현재위치를 기준으로 운행정보를 수집할 수 있다(단계 201).
특히, 이동수단의 현재위치를 기준으로 운행정보를 수집하기 위해, 현재위치를 기준으로, 이동수단의 상태변화를 수집할 수 있다. 예를 들면, 이동수단의 상태변화를 수집하기 위해, 단위시간당 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집할 수 있다.
이 과정에서, 이동수단은 수집된 단위시간당 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량 중에서 적어도 하나는, 특정 구간을 대표하는 수치인 보정값으로 변환될 수 있다.
특히, 이동수단은 현재위치를 기준으로 운행정보를 수집할 수 있으며, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집할 수 있다.
또한, 이동수단은 현재위치를 기준으로 운행정보를 수집하되, 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집할 수 있다.
다음으로, 이동수단에서는 상기 수집된 운행정보를 인코딩하여(단계 202) 요약 데이터를 생성하고, 생성된 요약 데이터를 클라우드 서버로 전송할 수 있다(단계 203).
요약 데이터는, 엔트로피를 산출하기 위해 필요한 운행정보가 포함된 정보로서 도로, 날씨, 시간대, 좌표 등의 정보만을 포함하는 포맷 형태로 인코딩될 수 있다. 또한, 이동수단은 인코딩된 요약 데이터를 일정 주기 (t)마다 클라우드 서버 등으로 전송할 수 있다.
클라우드 서버에서는 데이터베이스에 운행정보 기록하고(단계 204), 데이터베이스에 기록된 운행정보를 유지할 수 있다(단계 205).
다음으로, 이동수단으로부터 요약 데이터를 수신한 클라우드 서버에서는, 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출할 수 있다(단계 206).
클라우드 서버가 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하기 위해, 조건부 확률 값을 기반으로 상기 데이터베이스에 기록된 운행정보에 대비하여, 상기 수신된 요약 데이터의 정보량을 계산하고, 계산된 정보량을 기준으로 상기 유사도를 산출할 수 있다.
또한, 이동수단의 현재위치를 기준으로 운행정보를 수집하기 위해서는, 이동수단은 현재위치를 기준으로, 이동수단의 상태변화, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화, 현재위치에서 측정 가능한 환경정보를 수집할 수 있다.
또한, 클라우드 서버는 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하기 위해, 수집된 환경정보를 기준으로, 단계 206에서 상태변화 또는 위치변화의 엔트로피를 산출할 수 있다.
또한, 계산된 정보량을 기준으로 유사도를 산출하기 위해서는, 산출된 상태변화 또는 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단할 수 있다.
특히, 수집된 환경정보를 기준으로, 상태변화의 엔트로피 또는 위치변화의 엔트로피를 산출하기 위해, 클라우드 서버는 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 엔트로피를 산출할 수 있다.
이 과정에서, 클라우드 서버는 엔트로피를 산출하기 위해, 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택할 수 있다.
구체적인 예로, 관측된 차량 (는 관측된 차량의 수)의 이동경로 좌표의 집합 (단, 은 좌표수, 의 쌍으로 이루어진 좌표값)이 등장할 조건부 확률 아래 [수학식 1]과 같이 정의된다.
[수학식 1]
관측된 트럭 와 관측된 보행자 , 관측된 사이클 의 엔트로피 , , 도 위와 동일한 방법으로 계산할 수 있다.
특히, T번째 주변 객체 움직임의 총 엔트로피는 아래 [수학식 2]와 같이 계산할 수 있다.
[수학식 2]
앞선 수학식 1, 2에서는 주변 객체를 구분하여 엔트로피를 계산 하였으나, 객체를 구분하지 않고 동일한 객체로 일괄적으로 엔트로피를 계산할 수도 있다.
객체를 구분하는 기준은, 객체의 체적, 이동속도, 종류 등으로 구분할 수 있으며, 앞서 설명한 바와 같이 구분하여 엔트로피를 산출할 수도 있고, 동일한 객체로 취급하여 일괄적으로 산출할 수도 있다.
한편, 클라우드 서버에서는 산출된 유사도가 기준 유사도 이하인가를 판단할 수 있다
예를 들어, 클라우드 서버에서는 산출된 유사도가 기준 유사도 이하인 경우에, 기저장되어 있는 운행정보와 요약 데이터가 유사하지 않다고 판단하며, 이러한 경우 이동수단으로 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청할 수 있다(단계 207).
또한, 이동수단에서는 업로드 요청에 따라 미리 지정된 주기에 따라 업로드 요청된 운행정보를 클라우드 서버로 업로드를 진행할 수 있다(단계 208).
한편, 클라우드 서버에서는 산출된 유사도가 기준 유사도 이상인 경우, 기저장되어 있는 운행정보와 요약 데이터가 유사하다고 판단하며, 요약 데이터에 상응하는 운행정보에 대한 폐기를 요청할 수 있다.
즉, 이동수단이 수집한 운행정보가 이미 기록되어 있는 정보와 큰 차이가 없다면, 노이즈로 간주하여 폐기시키도록 동작한다.
단계 208에서 이동수단을 통해 운행정보의 업로드를 요청받는 경우, 클라우드 서버는 데이터베이스에 운행정보를 기록하고 이를 유지할 수 잇다.
도 3a 내지 3c는 일실시예에 따른 이동수단이 수집하는 운행정보를 설명하는 도면(310)이다.
도 3a는 수집된 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 나타내는 도면이다.
스티어링휠의 각도 변화량은 스티어링휠을 조작하는 시작 시점인 Tstart에서는 0, T1의 시점에서는 10, T2의 시점에서는 5, 그리고 조직이 완료되는 시점인 Tend에서는 -2로 변화한 것으로 측정된다.
가속페달의 변화량은 가속페달을 조작하는 시작 시점인 Tstart에서는 0, T1의 시점에서는 0, T2의 시점에서는 20, 그리고 조직이 완료되는 시점인 Tend에서는 0으로 변화한 것으로 측정된다.
또한, 감속페달의 변화량은 감속페달을 조작하는 시작 시점인 Tstart에서는 0, T1의 시점에서는 0, T2의 시점에서는 0, 그리고 조직이 완료되는 시점인 Tend에서는 0으로 변화한 것으로 측정된다.
본 발명에 따른 이동수단에서는 스티어링휠의 각도 변화량, 가속페달의 변화량, 감속페달의 변화량의 특정 구간을 대표하는 수치인 보정값으로 변환할 수 있다.
예를 들어, -5에서 5까지의 변화량은 보정값인 0으로, 5에서 15까지의 변화량은 보정값인 1로, 15 내지 25까지의 변화량은 보정값인 2로 변환할 수 있다.
도 3b는 이동수단의 주변에 위치한 주변의 보행자 등의 움직이는 주변 객체가 실제로 움직인 동선을 격자 상에 나타낸 도면이다.
각 주변 객체는 객체의 체적, 이동속도, 종류 등을 기반으로 움직인 동선이 다르게 표시될 수 있다.
도 3c는 데이터를 취득하고 있는 환경을 도로 구분 (x가지), 날씨 구분(y가지), 시간대(밤/낮) 구분 (z가지)을 기준으로 총 k개 (x * y * z = k)의 카테고리로 나눈 것에 ID를 부여하여 구분하는 실시예를 나타낸다.
도 3c에서 보는 바와 같이, 도로, 날씨, 시간대를 기준으로 구분된 환경은 1121가지로 구분될 수 있고, 환경을 보다 세분화 하는 경우 보다 많은 개수의 환경으로 구분할 수도 있다.
도 4는 일실시예에 따른 이동수단이 수집하는 다른 이동수단의 위치변화를 격자(420) 상에서 설명하는 도면(400)이다.
내차(410)의 현재위치는 (0, 0)의 위치에 해당한다.
차량1의 시작위치는 (-3, 6)에서 끝위치는 (-1, 9)로서 두 번의 차선변경과 함께 내차(410)와 같은 방향으로 진행하며, 내차 보다 빠른 속도로 진행하는 것으로 해석될 수 있다.
또한, 차량2의 시작위치는 (1, 6)에서 (1, 2)로 이동하며 내차(410)의 현재위치로 다가오는 중으로 기록될 수 있고, 이는 내차(410)와 같은 방향으로 진행하지만, 내차의 속도보다 느리게 진행하고 있는 것으로 해석될 수 있다.
트럭1은 시작과 끝의 위치가 동일하며, (4, 5)의 위치에 유치되고, 이는 내차(410)와 동일한 속도로 진행하고 있는 것으로 해석될 수 있다.
한편, 보행자1의 시작위치는 (5, 3)인 것으로 기록되어, 내차(410)의 주변 객체들에 대한 위치, 이동속도, 방향 등이 일정 주기에 따라 기록될 수 있다.
도 5는 일실시예에 따른 데이터의 엔트로피를 기반으로 데이터 필터링을 수행하는 클라우드 서버 시스템을 설명하기 위한 도면이다.
일실시예에 따른 클라우드 서버 시스템(500)은 차량에서 데이터 취득 시 필요없는 데이터를 실시간으로 필터링할 수 있다. 또한, 필요없는 데이터로 인한 비용, 노력, 시간의 낭비를 줄일 수 있고, 조건부 확률 값을 기반으로 인코딩된 요약 데이터의 정보량을 계산함으로써, 데이터의 유사도 산출에 대한 정확성을 높일 수 있다.
이를 위해, 일실시예에 따른 클라우드 서버 시스템(500)은 데이터 수집부(510), 유사도 산출부(520), 유사도 판단부(530), 데이터 처리부(540), 제어부(550)를 포함할 수 있다.
먼저, 데이터 수집부(510)는 이동수단의 현재위치를 기준으로 수집된 운행정보를 요약 데이터의 형태로 수신할 수 있다.
이동수단은 현재위치를 기준으로, 이동수단의 상태변화를 수집할 수 있다.
특히, 이동수단은 단위시간당 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집하고, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집할 수 있다. 특히, 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집할 수 있다.
유사도 산출부(520)는 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출할 수 있다.
구체적으로, 유사도 산출부(520)는 조건부 확률 값을 기반으로 데이터베이스에 기록된 운행정보에 대비하여, 수신된 요약 데이터의 정보량을 계산하고, 계산된 정보량을 기준으로 유사도를 산출할 수 있다.
유사도 판단부(530)는 산출된 유사도가 기준 유사도 이하인지 여부를 판단할 수 있다.
특히, 유사도 산출부(520)는 수집된 환경정보를 기준으로, 상태변화 또는 상기 위치변화의 엔트로피를 산출할 수 있고, 유사도 판단부(530)는 산출된 상태변화 또는 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단할 수 있다.
예를들어, 유사도 산출부(520)는 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 엔트로피를 산출할 수 있다.
이 과정에서, 유사도 산출부(520)는 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택할 수도 있다.
데이터 처리부(540)는 산출된 유사도가 기준 유사도 이하인 경우, 상기 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하고, 상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 운행정보에 대한 파기를 요청할 수 있다.
예를들어, 이동수단은 업로드 요청에 따라 미리 지정된 주기에 따라 업로드 요청된 운행정보를 데이터 수집부(510)로 업로드하고, 데이터 처리부(50)는 업로드 요청된 운행정보를 데이터베이스에 새롭게 기록할 수 있다.
제어부(550)는 각 구성요소들을 전반적으로 제어하거나 각 구성요소들에 명령어를 전달하는 기능을 수행할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (18)

  1. 이동수단에서,
    이동수단의 현재위치를 기준으로 운행정보를 수집하되, 상기 이동수단의 상태변화, 다른 이동수단의 위치변화, 상기 이동수단의 현재위치에서 측정 가능한 환경정보의 변화량을, 특정 구간을 대표하는 수치인 보정값으로 변환하여 수집하는 단계;
    상기 수집된 운행정보를 인코딩하여 요약 데이터를 생성하는 단계;
    상기 생성된 요약 데이터를 클라우드 서버로 전송하는 단계;
    상기 클라우드 서버에서,
    상기 전송된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계;
    상기 산출된 유사도가 기준 유사도 이하인 경우, 상기 전송된 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하는 단계;
    상기 이동수단에서,
    상기 업로드 요청에 따라 미리 지정된 주기에 따라 상기 업로드 요청된 운행정보를 상기 클라우드 서버로 업로드 하는 단계; 및
    상기 클라우드 서버에서,
    상기 업로드 요청된 운행정보를 상기 데이터베이스에 새롭게 기록하는 단계
    를 포함하는 것을 특징으로 하는 데이터간 유사도를 기반으로 데이터를 필터링하는 방법.
  2. 제1항에 있어서,
    상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는,
    상기 현재위치를 기준으로, 상기 이동수단의 상태변화를 수집하는 단계
    를 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  3. 제2항에 있어서,
    상기 이동수단의 상태변화를 수집하는 단계는,
    단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집하는 단계
    를 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  4. 제3항에 있어서,
    상기 수집된 단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량 중에서 적어도 하나는, 특정 구간을 대표하는 수치인 보정값으로 변환하는 단계
    를 더 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  5. 제1항에 있어서,
    상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는,
    선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집하는 단계
    를 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  6. 제1항에 있어서,
    상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는,
    상기 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집하는 단계
    를 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  7. 제1항에 있어서,
    상기 전송된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계는,
    조건부 확률 값을 기반으로 상기 데이터베이스에 기록된 운행정보에 대비하여, 상기 전송된 요약 데이터의 정보량을 계산하는 단계;
    상기 계산된 정보량을 기준으로 상기 유사도를 산출하는 단계
    를 포함하는 것을 특징으로 하는 데이터를 필터링하는 방법.
  8. 제7항에 있어서,
    상기 이동수단의 현재위치를 기준으로 운행정보를 수집하는 단계는,
    상기 현재위치를 기준으로, 상기 이동수단의 상태변화, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화, 상기 이동수단의 현재위치에서 측정 가능한 환경정보를 수집하는 단계
    를 포함하고,
    상기 전송된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계는,
    상기 수집된 환경정보를 기준으로, 상기 상태변화 또는 상기 위치변화의 엔트로피를 산출하는 단계
    를 포함하고,
    상기 계산된 정보량을 기준으로 상기 유사도를 산출하는 단계는,
    상기 산출된 상태변화 또는 상기 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단하는 단계
    를 포함하는 데이터를 필터링하는 방법.
  9. 제8항에 있어서,
    상기 수집된 환경정보를 기준으로, 상기 상태변화의 엔트로피 또는 상기 위치변화의 엔트로피를 산출하는 단계는,
    상기 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 상기 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 상기 엔트로피를 산출하는 단계
    를 포함하는 데이터를 필터링하는 방법.
  10. 제9항에 있어서,
    상기 엔트로피를 산출하는 단계는,
    상기 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택하는 단계
    를 더 포함하는 데이터를 필터링하는 방법.
  11. 이동수단의 현재위치를 기준으로 수집된 운행정보를 요약 데이터의 형태로 수신하는 데이터 수집부;
    상기 수신된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 유사도 산출부;
    상기 산출된 유사도가 기준 유사도 이하인지 여부를 판단하는 유사도 판단부; 및
    상기 산출된 유사도가 기준 유사도 이하인 경우, 상기 수신된 요약 데이터에 상응하는 운행정보에 대한 업로드를 요청하고, 상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 운행정보에 대한 파기를 요청하는 데이터 처리부
    를 포함하고,
    상기 이동수단은,
    상기 업로드 요청에 따라 미리 지정된 주기에 따라 상기 업로드 요청된 운행정보를 상기 데이터 수집부로 업로드 하고,
    상기 데이터 처리부는,
    상기 업로드 요청된 운행정보를 상기 데이터베이스에 새롭게 기록하며,
    상기 이동수단은 상기 현재위치를 기준으로, 상기 이동수단의 상태변화, 다른 이동수단의 위치변화, 상기 이동수단의 현재위치에서 측정 가능한 환경정보의 변화량을 업로드하되, 특정 구간을 대표하는 수치인 보정값으로 변환하여 업로드하는 데이터간 유사도를 기반으로 데이터를 필터링하는 클라우드 서버 시스템.
  12. 삭제
  13. 제11항에 있어서,
    상기 이동수단은 상기 현재위치를 기준으로, 상기 이동수단의 상태변화를 수집하되,
    단위시간당 상기 이동수단의 스티어링휠의 각도 변화량, 가속페달의 변화량, 및 감속페달의 변화량을 수집하고, 선정된 거리 이내에 존재하는 다른 이동수단의 위치변화를 수집하며, 상기 이동수단의 현재위치에서 측정 가능한 환경정보로서, 도로정보, 날씨정보, 시간정보 중에서 적어도 하나의 정보를 수집하는 것을 특징으로 하는 클라우드 서버 시스템.
  14. 제11항에 있어서,
    상기 유사도 산출부는,
    조건부 확률 값을 기반으로 상기 데이터베이스에 기록된 운행정보에 대비하여, 상기 수신된 요약 데이터의 정보량을 계산하고, 상기 계산된 정보량을 기준으로 상기 유사도를 산출하는 것을 특징으로 하는 클라우드 서버 시스템.
  15. 제11항에 있어서,
    상기 유사도 판단부는,
    상기 산출된 상태변화 또는 상기 위치변화의 엔트로피 중에서 적어도 하나의 엔트로피와, 기준 엔트로피를 참고하여 유사도를 판단하는 것을 특징으로 하는 클라우드 서버 시스템.
  16. 제15항에 있어서,
    상기 유사도 산출부는,
    상기 수집된 환경정보로 구분되는 카테고리별로, 관측된 이동수단에 대한 이동경로 좌표의 집합이 등장할 조건부 확률과, 상기 조건부 확률에 대한 정보량을 곱한 값들을 합산하여 상기 엔트로피를 산출하는 것을 특징으로 하는 클라우드 서버 시스템.
  17. 제16항에 있어서,
    상기 유사도 산출부는,
    상기 이동수단의 종류별로 엔트로피를 각각 산출하여 최대의 엔트로피를 갖는 특정 이동수단의 엔트로피를 선택하는 것을 특징으로 하는 클라우드 서버 시스템.
  18. 제1항에 있어서,
    상기 전송된 요약 데이터와, 데이터베이스에 기록되어 있는 운행정보와의 유사도를 산출하는 단계는,
    이동수단, 다른 이동수단, 또는 보행자 중에서 적어도 하나를 포함하는 객체에 대한 체적, 이동속도, 및 종류 중에서 적어도 하나를 반영하여 구분지어 산출하는 단계
    를 포함하는 것을 특징으로 하는 데이터간 유사도를 기반으로 데이터를 필터링하는 방법.
KR1020220105735A 2022-08-23 2022-08-23 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템 KR102615240B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220105735A KR102615240B1 (ko) 2022-08-23 2022-08-23 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220105735A KR102615240B1 (ko) 2022-08-23 2022-08-23 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템

Publications (1)

Publication Number Publication Date
KR102615240B1 true KR102615240B1 (ko) 2023-12-19

Family

ID=89385359

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220105735A KR102615240B1 (ko) 2022-08-23 2022-08-23 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템

Country Status (1)

Country Link
KR (1) KR102615240B1 (ko)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100107339A (ko) * 2009-03-25 2010-10-05 한양대학교 산학협력단 교통 정보 수집을 위한 교통 정보 생성 장치, 휴대 단말기,교통 정보 수집 장치 및 수집 방법
KR20140016463A (ko) * 2012-07-30 2014-02-10 주식회사 케이티 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템
KR20140147428A (ko) * 2013-06-19 2014-12-30 주식회사 스마트온커뮤니케이션 차량 정보 처리 시스템 및 방법
KR102124955B1 (ko) * 2019-11-29 2020-06-19 세종대학교산학협력단 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버
KR20200078274A (ko) * 2018-12-23 2020-07-01 주식회사 카로그 차량 운행정보 수집장치를 이용한 안전운전지수 평가 방법 및 시스템
KR102228403B1 (ko) 2020-09-24 2021-03-16 주식회사 위츠 차량 정보 수집 시스템 및 방법
KR102331217B1 (ko) 2020-07-30 2021-12-01 (주)동광지엔티 구간별 현장정보의 실시간 수집을 통한 mms 기반의 수치지도 업데이팅 시스템
KR20220048263A (ko) 2020-10-12 2022-04-19 현대자동차주식회사 차량정보 수집 방법 및 시스템
US11386161B1 (en) * 2021-09-10 2022-07-12 Tekion Corp Machine-learned desking vehicle recommendation

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100107339A (ko) * 2009-03-25 2010-10-05 한양대학교 산학협력단 교통 정보 수집을 위한 교통 정보 생성 장치, 휴대 단말기,교통 정보 수집 장치 및 수집 방법
KR20140016463A (ko) * 2012-07-30 2014-02-10 주식회사 케이티 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템
KR20140147428A (ko) * 2013-06-19 2014-12-30 주식회사 스마트온커뮤니케이션 차량 정보 처리 시스템 및 방법
KR20200078274A (ko) * 2018-12-23 2020-07-01 주식회사 카로그 차량 운행정보 수집장치를 이용한 안전운전지수 평가 방법 및 시스템
KR102124955B1 (ko) * 2019-11-29 2020-06-19 세종대학교산학협력단 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버
KR102331217B1 (ko) 2020-07-30 2021-12-01 (주)동광지엔티 구간별 현장정보의 실시간 수집을 통한 mms 기반의 수치지도 업데이팅 시스템
KR102228403B1 (ko) 2020-09-24 2021-03-16 주식회사 위츠 차량 정보 수집 시스템 및 방법
KR20220048263A (ko) 2020-10-12 2022-04-19 현대자동차주식회사 차량정보 수집 방법 및 시스템
US11386161B1 (en) * 2021-09-10 2022-07-12 Tekion Corp Machine-learned desking vehicle recommendation

Similar Documents

Publication Publication Date Title
CN111860155B (zh) 一种车道线的检测方法及相关设备
WO2021134172A1 (zh) 一种轨迹预测方法及相关设备
JP6307356B2 (ja) 運転コンテキスト情報生成装置
US20150266455A1 (en) Systems and Methods for Building Road Models, Driver Models, and Vehicle Models and Making Predictions Therefrom
CN109543245B (zh) 无人车应对能力边界信息确定方法、装置和电子设备
CN111666714B (zh) 自动驾驶仿真场景识别的方法及装置
CN103971523A (zh) 一种山区道路交通安全动态预警系统
CN110304068B (zh) 汽车行驶环境信息的采集方法、装置、设备和存储介质
CN108099918A (zh) 用于确定自主车辆的命令延迟的方法
CN114077785A (zh) 车辆的仿真测试场景的构建方法和装置
DE102018215351A1 (de) Verfahren zum Erzeugen einer Informationssammlung zu Fahrszenarien wenigstens eines Fahrzeugs, sowie Fahrzeug, Anordnung und daraus bestehendes System
CN113032261B (zh) 一种仿真测试的方法及装置
US11694426B2 (en) Determining traffic control features based on telemetry patterns within digital image representations of vehicle telemetry data
JP7051424B2 (ja) 異常検出装置
CN115131246A (zh) 点云数据的去噪方法、装置、计算机设备和存储介质
KR102615240B1 (ko) 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템
CN110648547A (zh) 运输基础设施通信和控制
US9821812B2 (en) Traffic complexity estimation
Lu et al. Visflow: a relational platform for efficient large-scale video analytics
CN113264064A (zh) 用于交叉路口场景的自动驾驶方法及相关设备
JP7024577B2 (ja) 走行場面学習装置、走行場面推定装置、および走行場面推定システム
CN114419877B (zh) 基于道路特征的车辆轨迹预测数据处理方法和装置
JP2023095812A (ja) 車載データ処理方法、装置、電子デバイス、記憶媒体、及びプログラム
WO2022119947A1 (en) Systems and methods for extracting data from autonomous vehicles
KR102499023B1 (ko) 차로 별 트래픽 흐름을 결정하는 장치 및 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant