KR20060096181A - 부호화 데이터 생성 방법과 장치 - Google Patents

Abstract

도로 형상을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 나타낸 각 노드의 위치 정보를 배열하여 편각의 데이터열을 생성하고, 상기 편각을 예측치와의 차분을 나타내는 예측 차분치로 변환하여 예측 차분치의 데이터열을 가변 길이 부호화하는 부호화 데이터의 생성 방법에 있어서, 편각을 예측 차분치로 변환했을 때의 예측 차분치의 데이터열을 평가하고, 평가 결과에 기초하여, 예측치를 산출하는 예측식을 복수의 예측식 Φ=1, Φ=2, Φ=3, Φ=4 중에서 적응적으로 선택한다. 예측치를 산출하는 예측식을 도로 형상(A, B, C, D)에 따라 적응적으로 선택함으로써 데이터 압축의 효과가 향상된다.

디지털지도, 부호화 데이터, 네비게이션

Description

부호화 데이터 생성 방법과 장치{ENCODING DATA GENERATION METHOD AND DEVICE}

본 발명은 디지털 지도의 도로 위치 등을 나타내는 부호화 데이터의 생성 방법과 그 부호화 데이터의 생성 및 복호화를 행하는 장치에 관한 것이고, 부호화 데이터의 데이터량의 삭감을 도모하는 것이다.

종래로부터 VICS(도로 교통 정보 통신 시스템)에서는 디지털 지도 데이터 베이스를 탑재하는 차량용 네비게이션 장치에 대하여 FM 다중 방송이나 비콘(beacon)을 통해 정체 구간이나 여행 시간을 나타내는 도로 교통 정보의 제공 서비스를 실시하고 있다. 차량용 네비게이션 장치는 이 도로 교통 정보를 수신하고 화상 표시하는 지도에 정체 구간을 색으로 표시하거나 목적지까지의 소용 시간을 산출하여 표시하거나 하고 있다.

이와 같이 도로 교통 정보를 제공하는 경우에는 디지털 지도상의 도로의 위치 정보를 전달하는 것이 필요해진다. 또한 현재지 및 목적지의 정보를 수신하여 최단시간에 목적지까지 도달할 수 있는 추천 경로의 정보를 제공하는 서비스나, 최근 연구가 진행되고 있는 주행중의 차량(프로브카)으로부터 궤적 정보 및 속도 정보 등을 수집하는 도로 교통 정보 수집 시스템(프로브 정보 수집 시스템)에 있어서 도 디지털 지도상의 추천 경로와 주행 궤적을 상대측으로 정확하게 전달하는 것이 필요하다.

지금까지 디지털 지도상의 도로 위치를 전달하는 경우에는 일반적으로 도로에 붙여진 링크 번호나 교차점 등의 노드를 특정하는 노드 번호가 사용되고 있다. 그러나 도로망에 정의한 노드 번호나 링크 번호는 도로의 신설이나 변경에 따라 새로운 번호로 바꿔 붙일 필요가 있어, 그에 따라 각 사에서 제작되는 디지털 지도 데이터도 갱신해야 하므로 노드 번호나 링크 번호를 이용하는 방법은 관리에 있어서 큰 사회적 비용이 들게 된다.

이러한 점을 개선하기 위하여 특개 2003-23357호 공보에서는 노드 번호나 링크 번호를 이용하지 않고, 또한 적은 데이터량으로 디지털 지도상의 도로 위치를 전하는 방법을 제안하고 있다.

이 방법에서는, 전하려고 하는 디지털 지도상의 도로 구간에 일정 거리 간격으로 샘플링 점을 재설정하고(이것을 '등거리 리샘플'이라고 함), 각 샘플링 점의 위치 데이터를 순서대로 나열한 데이터열에 대하여 압축 부호화의 처리를 실시하고, 압축 부호화 한 데이터를 송신한다. 이것을 수신한 수신측은 샘플링 점의 위치 데이터의 데이터열을 복원하고 자기의 디지털 지도상에 도로 형상을 재현한다. 또한 필요에 따라 이 위치 데이터를 사용하여 자기의 디지털 지도상에서 위치 특정, 위치 참조를 실시하고(맵 매칭) 도로 구간을 특정한다.

위치 데이터의 데이터열에 대한 압축 부호화는 다음에 서술하는 바와 같이, (1) 위치 데이터의 단일 변수로의 변환, (2) 단일 변수로 나타낸 값의 통계적으로 편향를 가지는 값으로의 변환, (3) 변환한 값의 가변 길이 부호화, 의 순으로 행해진다.

(1) 위치 데이터의 단일 변수로의 변환

도 26(a)에는 등거리 리샘플로 설정한 도로 구간상의 샘플링 점을 PJ-1, PJ로 나타내고 있다. 이 샘플링 점(PJ)은 인접하는 샘플링 점(PJ-1)으로부터의 거리(리샘플 거리;L)와 각도(Θ)의 2개의 차원으로 오로지 특정할 수 있고, 거리를 일정(L)하게 하면 샘플링점(PJ)은 인접 샘플링점(PJ-1)으로부터의 각도 성분(Θ)만의 단일 변수로 표현할 수 있다. 도 26(a)에서는 이 각도(Θ)로서 진북(도의 상방)의 방위를 0도로 하고 시계 방향으로 0~360도의 범위에서 크기를 지정하는 '절대 방위'에 의한 각도(Θ)를 나타내고 있다(진북으로부터의 절대 방위). 이 각도(Θ)는 PJ-1, PJ의 xy좌표(위도·경도)를 (xj-1, yj-1), (xj, yj)로 할 때, 다음 식에 의해 산출할 수 있다.

Θj-1=tan^-1{(xj - xj-1)/(yj - yj-1)}

따라서 도로 구간은 샘플링 점간의 일정 거리(L) 및 시단 또는 종단이 되는 샘플링 점(기준점)의 위도·경도를 별도로 나타냄으로써 각 샘플링 점의 각도 성분의 데이터열에 의해 표시할 수 있다.

(2) 단일 변수치의 통계적으로 편향을 가지는 값으로의 변환

각 샘플링 점의 단일 변수치가 가변 길이 부호화에 적합한 통계적으로 편재하는 값이 되도록 도 26(b)에 도시한 바와 같이 각 샘플링 점의 각도 성분을 인접 하는 샘플링 점의 각도 성분과의 변위차, 즉 '편각(θj)'에 의해 표현한다. 이 편각(θj)은,

θj=Θj - Θj-1

로서 산출된다. 도로가 직선적인 경우에 각 샘플링 점의 편각(Θ)은 0부근에 집중하고 통계적으로 편향을 가지는 데이터가 된다.

또한 샘플링 점의 각도 성분은 도 26(c)에 도시한 바와 같이 착목하는 샘플링 점(PJ)의 편각(Θj)을 그 이전의 샘플링 점(PJ-1, PJ-2, ‥)의 편각(θj-1,θj-2,‥)을 이용하여 예측한 상기 샘플링 점(PJ)의 예측치(Sj)와의 차분치(예측 차분치 또는 예측 오차;△θj)로 나타냄으로써 통계적으로 편향을 가지는 데이터로 변환할 수 있다. 예측치(Sj)는 예를 들면,

Sj=θj-1

로 정의하거나,

Sj=(θj-1 + θj-2)/2

로 정의하거나 할 수 있다. 예측 차분치(△θj)는,

△θj=θj-Sj

로서 산출된다. 도로가 일정의 곡률로 만곡되어 있는 경우에는 각 샘플링 점의 예측 차분치(△θ)는 0부근에 집중하고 통계적으로 편향을 가지는 데이터가 된다.

도 26(d)는 직선적인 도로 구간을 편각(θ)으로 표시한 경우, 및 곡선적인 도로 구간을 예측 차분치(△θ)로 표시한 경우의 데이터의 발생 빈도를 그래프화하 여 도시한다. θ 및 △θ의 발생 빈도는 θ(또는 △θ)=0°로 극대가 나타나고, 통계적으로 편향을 가지고 있다.

(3) 가변 길이 부호화

다음으로 통계적으로 편향을 가지는 값으로 변환한 데이터 열의 값을 가변 길이 부호화한다. 가변 길이 부호화 방법에는 고정수치 압축법(0압축 등), 섀넌 파노 부호법, 허프만 부호법, 산술 부호법, 사전법 등이 다종 존재하며, 어떠한 방법을 이용해도 무방하다.

여기서는 가장 일반적인 허프만 부호법을 이용한 경우에 대하여 설명한다.

이 가변 길이 부호화에서는 발생 빈도가 높은 데이터를 적은 비트수로 부호화하고 발생 빈도가 낮은 데이터를 많은 비트수로 부호화하여 토털 데이터량을 삭감한다. 이 데이터와 부호와의 관계는 부호표로 정의한다.

여기서 1°단위로 나타낸 도로 구간의 샘플링 점에서의 △θ의 나열이,

"0_0_-2_0_0_+1_0_0_-1_0_+5_0_0_0_+1_0"

이라고 한다. 이 데이터열을 부호화하기 위하여 가변 길이 부호화와 런 렝스(run-length) 부호화(연장 부호화)를 조합한 도 27에 도시한 부호표를 이용하는 경우에 대하여 설명한다. 이 부호표에서는 최소각도 분해능(δ)을 3°로 설정하고 있고 -1°~+1°의 범위에 있는 △θ의 대표 각도를 0°로 하여 부호'0'으로 표시하고, 0°가 5개 연속할 때에는 부호 '100'으로 표시하고 0°가 10개 연속할 때에는 부호 '1101'으로 표시하는 것을 규정하고 있다. 또한 ±2°~4°의 범위에 있는 △θ의 대표 각도는 ±3°로 하고, 부호 '1110'에, +일 때는 부가 비트 '0'을, -일 때는 부가 비트'1'를 부가하여 표시하고, ±5°~7°의 범위에 있는 △θ의 대표 각도는 ±6°로 하고, 부호 '111100'에 정부를 나타내는 부가 비트를 부가하여 표시하고, 또한 ±8°~10°의 범위에 있는 △θ의 대표 각도는 ±9°로 하고, 부호 '111101'에 정부를 나타내는 부가 비트를 부가하여 표시하는 것을 규정하고 있다.

그 때문에 상기 데이터열은 다음과 같이 부호화된다.

"0_0_11101_100_0_0_1111000_100"

→"0011101100001111000100"

이 데이터를 수신한 수신측은 부호화에서 사용된 것과 동일한 부호표를 이용하여 △θ의 데이터열을 복원하고 송신측와 역의 처리를 행하여 샘플링점의 위치 데이터를 재현한다.

이와 같이 데이터를 부호화함으로써 부호화 데이터의 데이터량의 삭감이 가능하다.

또한 상기 특개 2003-23357호 공보에서는 도28에 도시한 바와 같이, 도로 형상의 곡률이 큰 구간 B에서는 등거리 리샘플의 거리(L2)를 짧게 설정하고, 곡률이 작은 직선적인 도로 구간 A에서는 등거리 리샘플의 거리(L1)를 길게 설정하는 것을 제안하고 있다. 이것은 곡률이 크고 커브가 급격한 도로를 긴 거리로 리샘플하면 특징적인 도로 형상을 나타내는 위치에 샘플링 점을 배치할 수 없게 되어, 수신측에서의 도로 형상의 재현성이 나빠지고, 또한 오(誤) 매칭이 발생할 가능성이 높아지기 때문이다.

그 때문에 각 구간(j)의 리샘플 길이(Lj)가 취득하는 값(양자화 리샘플 길 이)을 예를 들면 40/80/160/320/640/1280/2560/5120 미터와 같이 미리 설정하고, 구간(j)의 곡률 반경( ρj)을 이용하여 다음 식과 같이 Lj를 구하고, 이 값에 가장 가까운 양자화 리샘플 길이를 리샘플 길이(Lj)로서 결정하고 있다.

Lj=ρj·Kr(Kr은 고정 파라미터)

상기 특개 2003-23357호 공보의 방법의 다음의 3개의 예측식을 이용하여 시행(試行)을 행했다.

예측식1 : Sj=0 : 편각을 그대로 이용(실질적으로는 예측을 행하지 않음)

예측식2 : Sj=θj-1: 전(前) 노드의 편각을 이용

예측식3 : Sj=(θj-1 + θj-2)/2: 전 및 전전 노드의 편각 평균치를 이용

결과는 평균적으로는 예측식1의 압축 효율이 높았지만 대상 도로를 개별로 본 경우 예측식 2 또는 예측식 3의 압축 효율이 높은 것도 존재했다.

구체적으로는 고속 도로 등, 길고 완만한 커브를 많이 포함하는 형상의 도로에서는 예측식 2 또는 예측식 3이 적합한 케이스가 많고, 또한 일반도에서는 예측식 1이 적합한 케이스가 많았다.

또한 동종의 예측식인 예측식 2와 예측식 3을 비교한 경우에는 약간 예측식 3 쪽이 압축 효율에서 앞서는 케이스가 많았다.

본 발명은 효율적으로 데이터를 압축하여 디지털 지도의 도로 형상 등의 부호화 데이터를 생성하는 부호화 데이터 생성 방법을 제공하고, 또한 그 부호화 데이터의 생성과 부호화 데이터의 복호화를 행하는 장치를 제공하는 것을 목적으로 한다.

상술한 점을 고려한 결과 이하의 결과가 도출되었다.

·고속 도로 등의 '완만한 커브' 부분은 비교적 작은 곡률이 장거리에 걸쳐 거의 일정해진다. 이 때문에 어떤 미소 구간에 착목하면 상기 장소의 곡률은 상류측의 구간의 곡률로부터 매우 용이하게 예측 가능하다. 이상으로부터, 전 또는 전전 노드의 편각을 이용하여 상기 구간의 편각을 예측하는 예측식 2 또는 예측식 3이 적절하다.

·특히 예측식 3은 상류측의 전 및 전전 구간의 평균 곡률을 이용한 예측으로서 구간마다 곡률 오차가 평활화된다. 따라서 상기와 같은 '장거리에 걸친 완만한 커브'에서는 고정밀도의 예측이 가능해진다.

·그러나 커브 구간이 비교적 짧은 경우, 예측식 3은 예측식 2와 비교하여 상류측의 보다 긴 구간의 영향을 받으므로, 커브의 개시·종료 장소 주변(=곡률이 변경되는 장소 주변)에서의 예측이 벗어나기 쉽다. 이 영향으로, 커브 구간이 비교적 짧은 경우에는 예측식 2 쪽이 예측식 3보다 나은 경우도 있다.

·한편 일반 도로에서는 교차점부 등에서 직각으로 구부러지거나 커브가 존재해도 비교적 큰 곡률이 단거리뿐인 경우가 많다, 이것은 즉, 어떤 미소 구간의 곡률을 상류측의 전(前) 구간의 곡률로부터 예측하기 어렵고, 또한 예측을 했다고 해도 벗어나기 쉽다는 것이다. 이러한 경우에는 실질적으로는 예측을 행하지 않는 예측식 1(편각을 그대로 이용함)이 적합하다.

상기한 시행 결과로부터 도로 전체를 살펴보면, 전반적으로는 예측식 1(예측을 행하지 않고 편각을 그대로 이용함)의 효율이 좋지만 개별 도로 또는 도로 구간에 착목한 경우에는 예측식 2 또는 예측식 3(상류측의 곡률로부터 상기 지점의 곡률을 예측함)이 적합한 장소도 혼재하고 있는 것을 알 수 있었다.

상기한 점을 바탕으로 본 발명에서는 선형 형상을 구비한 선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 나타낸 각 노드의 위치 정보를 배열하여 편각의 데이터열를 생성하고, 상기 편각을 예측치와의 차분을 나타내는 예측 차분치로 변환하여 예측 차분치의 데이터열을 가변 길이 부호화하는 부호화 데이터의 생성 방법에 있어서, 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하도록 하고 있다.

이와 같이 예측치를 산출하는 예측식을 동적으로 선택함으로써 데이터 압축의 효과를 높일 수 있다. 특히 상기 구성에 있어서 편각을 예측 차분치로 변환했을 때의 예측 차분치의 데이터열을 평가하고 이 평가 결과에 기초하여 예측식이 선택된다.

상술한 부호화 데이터 생성 방법은 이하의 (1)~(6)의 단계를 구비한다.

(1) 선형 대상물을 리샘플하여 복수의 노드를 설정하는 단계.

(2) 하나 전의 노드로부터의 편각으로 표시된 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 단계.

(3) 편각의 데이터열에 기초하여 각 노드의 위치 데이터의 예측치를 산출하기 위한 복수의 예측식을 준비하는 단계.

(4) 상기 복수의 예측식 중 소정의 예측식을 이용하여 예측치를 산출하는 단계.

(5) 편각의 데이터열을 산출된 예측치와의 차분을 나타내는 예측 차분치의 데이터열로 변환하는 단계.

(6) 예측 차분치의 데이터열을 가변 길이 부호화하여 상기 부호화 데이터를 얻는 단계.

또한 상술한 (5)의 단계에 의해 복수의 예측식의 각각에 대하여 복수의 예측식의 각각에 대응한 복수의 상기 예측 차분치의 데이터열을 취득하는 단계와, 복수의 예측 차분치의 데이터열을 평가하는 단계와, 상기 평가 단계의 평가 결과에 기초하여 상술한 (4)의 단계에서의 소정의 예측식을 복수의 예측식 중에서 선택하는 단계를 추가로 설정할 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 복수의 예측식 중에 0을 예측치로 하는 예측식을 포함하고 있다.

통상은 이 예측식을 이용하여 효과적인 데이터 압축이 얻어진다.

상술한 복수의 예측식에는 착목하는 편각에 선행하는 적어도 하나의 편각을 파라미터로서 이용한 함수에 의해 구성된 예측식이 적어도 하나 포함될 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 복수의 예측식 중에 선행하는 다수의 편각의 평균 또는 가중평균을 예측치로 하는 예측식을 포함하고 있다.

원만한 커브 주변에서 이 예측식을 이용하는 효과적인 데이터 압축이 얻어진다.

또한 본 발명의 부호화 데이터 생성 방법에서는 복수의 예측식 중에 하나 전의 노드의 편각의 정부(正負)를 역으로 한 각도를 예측치로 하는 예측식을 포함하고 있다.

리샘플 형상이 지그재그로 트레이스(trace) 한 경우에는 이 예측식을 이용함으로써 효과적인 데이터 압축이 얻어진다.

또한 본 발명의 부호화 데이터 생성 방법에서는 편각의 데이터열에 포함되는 모든 편각을 예측 차분치로 변환하여 예측 차분치의 데이터열을 평가하고, 평가 결과에 기초하여 모든 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

선형 대상물의 형상 데이터 단위에서 예측식을 동적으로 바꿔 데이터 압축 효과를 높일 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 선형 대상물의 일부 구간에 대응하는 편각의 데이터열에 포함되는 편각을 예측 차분치로 변환하여 예측 차분치의 데이터 열을 평가하고, 평가 결과에 기초하여 상기 일부의 구간에 대응하는 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

선형 대상물의 형상 데이터의 도중에서 예측식을 동적으로 바꿔 데이터 압축 효과를 더욱 높일 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 편각의 데이터열을 편각의 상태 천이(遷移)의 패턴에 의해 구분하고, 상기 패턴의 단위에서 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

선형 대상물의 형상 데이터의 도중에 예측식을 동적으로 변환하여, 데이터 압축효과를 더 높일 수 있다.

또한, 본 발명의 부호화 데이터 생성방법에서는 편각의 데이터열을 편각의 상태 천이 패턴에 의해 구분하고, 상기 패턴의 단위로 편각을 예측차분치로 변환 하는 예측식을 선택하도록 하고 있다.

이 방식을 취하는 경우에는 각 패턴에 적합한 예측식을 선택할 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 편각의 데이터열을 소정수의 데이터를 포함하는 블록으로 구분하고 상기 블록의 단위에서 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

이 방식을 취하는 경우에는 부호화 데이터 중에 선택한 예측식이 일정 개수 단위로 출현하기 때문에 부호화 데이터로의 마커 코드(marker code)의 삽입이 불필요해 진다.

또한 본 발명의 부호화 데이터 생성 방법에서는 편각의 데이터열을 리샘플의 리샘플 길이의 변경점에 맞춰 블록으로 구분하고, 이 블록의 단위에서 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

리샘플 길이의 변경점에서는 형상 데이터의 특징이 변화하는 케이스가 많다. 그 때문에 이 방식을 취하는 경우에는 형상 데이터의 특징에 맞는 예측식의 선택이 가능하다.

또한 본 발명의 부호화 데이터 생성 방법에서는 편각의 데이터열의 착목하는 편각에 선행하는 소정수의 편각의 예측 차분치의 데이터열에 대한 평가 결과에 따라, 착목하는 편각을 예측 차분치로 변환하는 예측식을 선택하도록 하고 있다.

이 방식은 인코드측·디코드측의 쌍방이 프로그램으로 룰(rule)화함으로써 실현할 수 있다.

여기서 복수의 선택식을 이용하여 소정수의 편각을 복수의 예측 차분치의 데이터열로 변환하고, 소정의 선택식에 기초한 예측 차분치의 데이터열에 대한 평가 결과가 소정의 요건을 충족하는 경우에만 현재 사용되고 있는 예측식을 소정의 예측식으로 변경한 상태에서, 착목하는 편각을 예측 차분치로 변환하도록 해도 무방하다.

또한 착목하는 편각 또는 블록에 있어서 전후의 편각 또는 블록에서의 예측식의 선택 상황을 참고로 하여 예측식을 선택하도록 해도 무방하다.

또한 착목하는 편각 또는 블록에 있어서 전후의 편각 또는 블록에서 채용하는 예측식과는 다른 예측식을 선출하는 경우, 착목하는 편각 또는 블록에서의 예측 차분치열의 평가 기준인 평가치에 대하여 페널티 값을 가산하도록 해도 무방하다. 각 예측식의 발생 빈도에 따라 이 페널티 값을 설정할 수 있다.

또한 본 발명의 부호화 데이터 생성 방법에서는 예측 차분치의 데이터열의 평가를 데이터열에 포함되는 0의 수에 의해 행하고 가장 0의 수가 많아지는 예측식을 선택하도록 하고 있다.

그 때문에 데이터가 0에 집중하고 가변 길이 부호화에 따른 데이터 압축 효과가 향상된다.

또한 본 발명의 부호화 데이터 생성 방법에서는 예측 차분치의 데이터열의 평가를 데이터열에 포함되는 예측 차분치의 통계치(분산, 표준 편차 등)에 의해 행하고, 분산 또는 표준 편차가 가장 작아지는 예측식을 선택하도록 하고 있다.

그 때문에 데이터가 통계적으로 편향되어 가변 길이 부호화에 따른 데이터 압축 효과가 상승된다.

또한 본 발명의 부호화 데이터 생성 방법에서는 예측 차분치마다의 평가치를 예측 차분치의 출현 빈도에 따라 미리 설정하고, 예측 차분치의 데이터열의 평가를 데이터열에 포함된 예측 차분치의 평가치의 합계치에 의해 행하도록 하고 있다.

예측 차분치의 발생 빈도를 평가치로 할 때에는 합계치가 가장 큰 예측식을 선택한다.

또한 예측 차분치의 부호 길이를 평가치로 할 때에는 합계치가 가장 작은 예측식을 선택한다.

또한 본 발명에서는 부호화 데이터 생성 장치에 선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 표시한 각 노드의 위치 정보를 배열하여 편각의 데이터열을 생성하는 형상 데이터 리샘플 처리부와, 이 데이터열의 편각을 예측치와의 차분을 나타내는 예측 차분치로 변환했을 때의 예측 차분치의 데이터열을 평가하고, 평가 결과에 기초하여 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하는 예측식 결정부와, 형상 데이터 리샘플 처리부가 생성한 데이터열에 포함되는 편각을, 예측식 결정부가 결정한 예측식을 이용하여 산출한 예측식과의 예측 차분치로 변환하고, 그 예측 차분치의 데이터열을 가변 길이 부호화하는 가변 길이 부호화 처리부를 설치했다.

이 장치에서는 상술한 부호화 데이터 생성 방법을 실시하여 부호화 데이터의 데이터량을 효율적으로 압축할 수 있다.

또한 본 발명에서는 부호화 데이터 복원 장치에 선형 대상물의 위치 정보를 나타내는 가변 길이 부호화된 부호화 데이터를 복호화하고, 편각과 예측치와의 차분을 나타내는 예측 차분치의 데이터열이 포함된 형상 데이터를 재생하는 부호화 데이터 복호부와, 복호화된 형상 데이터의 정보로부터 예측치의 산출에 이용한 예측식을 결정하는 예측식 판정부와, 예측식 판정부가 결정한 예측식을 이용하여 예측치를 산출하고 부호화 데이터 복호부가 복호화한 예측 차분치의 데이터열로부터 선형 대상물의 노드의 위치 정보를 재현하는 형상 데이터 복원부를 설치했다.

이 장치에서는 선형 대상물의 위치 정보의 부호화 데이터로부터 선형 대상물의 위치 정보를 재현할 수 있다.

또한 본 발명은 선형 대상물을 부호화하여 얻어지는 부호화 데이터의 생성을 컴퓨터에 실행시키기 위한 프로그램을 포함하고, 상기 프로그램은 선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 나타낸 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 수순과, 편각의 데이터열을 각 노드의 위치 데이터의 예측치와의 차분을 나타내는 예측 차분치로 변환했을 때의 예측 차분치의 데이터열을 평가하는 수순과, 평가 결과에 기초하여 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하는 수순과, 형상 데이터 리샘플 처리부가 생성한 편각의 데이터열에 포함되는 편각을, 상기 결정된 예측식을 이용하여 산출한 예측치와의 예측 차분치로 변환하여 예측 차분치의 데이터열을 가변 길이 부호화하는 수순을 상기 컴퓨터에 실행시킨다.

또한 본 발명은 선형 대상물을 나타내는 부호화 데이터의 복호화를 컴퓨터에 실행시키기 위한 프로그램을 포함하고, 상기 프로그램은 선형 대상물의 위치 정보를 나타내는 가변 길이 부호화된 부호화 데이터를 복호화하고, 편각과 예측치와의 차분을 나타내는 예측 차분치의 데이터열이 포함된 형상 데이터를 재생하는 수순과, 복호화된 형상 데이터로부터 예측치의 산출에 이용한 예측식을 결정하는 수순과, 결정된 예측식을 이용하여 예측치를 산출하고 복호화된 예측 차분치의 데이터로부터 선형 대상물의 노드의 위치 정보를 재현하는 수순을 상기 컴퓨터에 실행시킨다. 본 발명의 부호화 데이터 생성 방법은 부호화 데이터의 생성에 있어서 효과적으로 데이터를 압축할 수 있다.

또한 본 발명의 장치는 이 부호화 데이터 생성 방법을 실시하여 선형 대상물의 형상 데이터를 효과적으로 데이터를 압축하여 부호화할 수 있고 또한 이 부호화 데이터로부터 원래의 형상 데이터를 복원할 수 있다.

도 1은 본 발명의 실시예에서의 부호화 데이터 생성 방법을 모식적으로 설명하는 도.

도 2는 도로 형상 데이터의 편각열을 나타낸 도.

도 3은 지그재그 현상을 설명하는 도.

도 4는 본 발명의 실시예에서의 대상 도로 단위 선택 방식에서의 부호화 데이터 생성 방법의 수순을 나타내는 흐름도.

도 5는 본 발명의 실시예에서의 부호화 데이터 생성 방법에서의 리샘플 및 편각열 생성 수순을 나타내는 흐름도.

도 6은 본 발명의 실시예에서의 부호화 데이터 생성 방법에서의 평가치 산출 수순을 나타내는 흐름도.

도 7은 발생 빈도를 기억한 허프만 테이블의 예.

도 8은 본 발명의 실시예에서의 대상 도로 단위 선택 방식으로 생성한 부호화 데이터의 데이터 구성예.

도 9는 본 발명의 실시예에서의 대상 도로 단위 선택 방식으로 생성한 부호화 데이터의 복호 수순을 나타내는 흐름도.

도 10은 본 발명의 실시예에서의 패턴 단위 선택 방식에서의 부호화 데이터 생성 방법의 수순을 나타내는 흐름도.

도 11은 본 발명의 실시예에서의 패턴 단위 선택 방식으로 생성한 부호화 데이터의 데이터 구성예.

도 12는 본 발명의 실시예에서의 패턴 단위 선택 방식으로 생성한 부호화 데이터의 복호 수순을 나타내는 흐름도.

도 13은 본 발명의 실시예에서의 블록 단위 선택 방식에서의 부호화 데이터 생성 방법의 수순을 나타내는 흐름도.

도 14는 본 발명의 실시예에서의 블록 단위 선택 방식으로 생성한 부호화 데이터의 데이터 구성예.

도 15는 본 발명의 실시예에서의 블록 단위 선택 방식으로 생성한 부호화 데이터의 복호 수순을 나타내는 흐름도.

도 16은 본 발명의 실시예에서의 리샘플 길이 연동 방식에서의 부호화 데이터 생성 방법의 수순을 나타내는 흐름도.

도 17은 본 발명의 실시예에서의 리샘플 길이 연동 방식으로 생성한 부호화 데이터의 데이터 구성예.

도 18은 본 발명의 실시예에서의 리샘플 길이 연동 방식으로 생성한 부호화 데이터의 복호 수순을 나타내는 흐름도.

도 19는 본 발명의 실시예에서의 순차 선택 방식에서의 부호화 데이터 생성 방법의 수순을 나타내는 흐름도.

도 20은 본 발명의 실시예에서의 순차 선택 방식으로 생성한 부호화 데이터의 데이터 구성예.

도 21은 본 발명의 실시예에서의 순차 선택 방식으로 생성한 부호화 데이터의 복호 수순을 나타내는 흐름도.

도 22는 예측식에 의해 얻어진 평가치와 예측식의 변경에 따른 변경 패널티의 종합 평가 방법을 나타낸 도.

도 23은 예측식의 변경에 따른 변경 패널티를 동적으로 변동시키는 방법을 나타낸 도.

도 24는 본 발명의 실시예에서의 정보 송신 장치 및 정보 활동 장치의 구성을 나타낸 블록도.

도 25는 본 발명의 실시예에서의 프로브카 차량 탑재기 및 프로브 정보 수집 센터의 구성을 나타낸 블록도.

도 26은 위치 데이터를 통계적으로 편향을 가지는 데이터로 변환하는 방법을 설명하는 도.

도 27은 가변 길이 부호화에 이용하는 부호표를 나타낸 도.

도 28은 도로 형상의 곡률에 의한 리샘플 길이의 변경을 설명하는 도.

본 발명의 실시예에서의 부호화 데이터 생성 방법에서는 선형 대상물의 일례인 디지털 지도의 도로 형상을 부호화하여 부호화 데이터를 생성하기 위하여, 크게 나누어,

(a) 도로의 곡률 반경에 따른 리샘플 길이로 도로 형상의 리샘플

(b) 샘플링 점(노드)에서의 위치 데이터의 편각(θ)으로의 변환

(c) 편각(θ)으로 표시한 위치 데이터의 통계적으로 편향을 가지는 값으로의 변환

(d) 변환한 값의 가변 길이 부호화

의 순서로 부호화 데이터를 생성한다.

(a)의 도로 형상의 리샘플은 특개 2003-23357호 공보에 기재되어 있는 방법으로 행하고 선형 대상물을 리샘플하여 복수의 노드를 설정한다. 또한 (b)의 편각(θ)으로의 변환은 특개 2003-23357호 공보에 기재되어 있는 방법으로 각 노드의 위치 데이터를 다시 성분으로 표현한 후, 이 각도 성분을 편각(θ)으로 변환한다. 도 2(a), (b), (c)는 대상 도로(A,B,C)의 형상 데이터의 각 노드에서의 위치 데이터를 편각(θ)으로 표시한 (편각의) 데이터열(이하 '편각열'이라고 함)로 나타내고 있 다. 각행은 10개의 데이터로 이루어지고 그 데이터 번호를 좌단에 표시하고 있다. 편각열 중의 < >로 둘러싼 숫자는 리샘플 길이의 양자화 코드를 나타낸 리샘플 길이 변경 코드로서 그 오른쪽에 이어지는 수치는 그 코드의 리샘플 길이로 리샘플하여 얻어진 각 노드의 위치 데이터를 편각(θ;deg)으로 표시한 것이다. 각 노드의 위치 데이터가 하나 전의 노드로부터의 편각으로 표시되고, 모여서 편각의 데이터열이 생성된다.

(c)에서의 위치 데이터의 통계적으로 편향을 가지는 값으로의 변환은 위치 데이터의 값을 예측하는 예측치(Sj)의 산출식(예측식)을 적응적으로 이용하여 Sj를 산출하고 편각열의 편각(θ)을 예측치(Sj)와의 차분치(예측 차분치)로 변환하는 처리이다.

(d)의 가변 길이 부호화는 예측 차분치열로 변환한 형상 데이터의 예측 차분치(예측 오차)를 가변 길이 부호화하는 처리로서, 특개 2003-23357호 공보에 기재되어 있는 방법으로 행한다.

따라서 이 부호화 데이터 생성 방법은 (c)의 위치 데이터의 변환 처리에 특징을 가진다.

(c)의 위치 데이터의 변환 처리에서는 예측치(Sj)를 예측하기 위하여 다음 4개의 예측식(Φ=1, Φ=2, Φ=3, Φ=4)의 어느 하나를 사용한다. 이들 식은 미리 준비되어 있고, 소정의 메모리 등에 기록되어 있다.

·Φ=1; 예측식 Sj=0

즉 각 노드(j)의 위치 데이터를 편각(θj)으로 나타내고 예측치는 0이다.

·Φ=2; 예측식 Sj=θj-1

즉 각 노드(j)의 위치 데이터를 (θj - θj-1)로 나타낸다.

·Φ=3; 예측식 Sj=(θj-1 + θj-2)/2

즉 각 노드(j)의 위치 데이터를 {θj - (θj-1 + θj-2)/2}로 나타낸다.

·Φ=4; 예측식 Sj=-θj-1

즉 각 노드(j)의 위치 데이터를 (θj + θj-1)로 나타낸다.

Φ=2 또는 Φ=3은 도 2의 편각열에 있어서 밑줄친 커브 장소의 위치 데이터를 변환할 때에 이용하면 압축 효율이 높다.

Φ=2, Φ=3, Φ=4는 착목하는 편각에 선행하는 적어도 하나의 편각을 파라미터로서 이용한 함수에 의해 구성되는 것이다.

또한 Φ=2는 착목하는 편각의 하나 전의 편각을 예측치로 하고 있다.

또한 Φ=3은 상기 착목하는 편각에 선행하는 2개의 편각의 평균을 예측치로 하고 있다. 그러나 선행하는 편각의 개수는 임의로서, (aθj-1 + bθj-2)/(a+b)와 같이 가중 평균을 예측치로 해도 무방하다(a, b는 0보다 큰 실수).

또한 Φ=4는 착목하는 편각의 하나 전의 노드의 편각의 정부(正負)를 역으로 한 각도를 예측치로 하고 있다.

또한 도 3에 도시한 바와 같이 도로 형상(점선)의 굴곡 장소에서 리샘플 형상(실선)이 지그재그 형상을 이루는 경우가 있고, Φ=4는 이러한 장소의 위치 데이터를 변환할 때 이용하면 압축 효율이 높다. 이 지그재그 현상은 리샘플 시의 각도 분해능(δ)을 설정하여 도로 형상을 트레이스 하면 이용할 수 있는 각도에 한계가 있기 때문에 필연적으로 발생한다(각도의 양자화에 따른 필연성). 도 2(a)의 편각열에 있어서 지그재그 현상이 발생하고 있는 장소의 위치 데이터를 이태리체로 표시하고 있다.

또한 Φ=1은 도로 형상이 직선에 가까운 경우(커브가 있어도 곧 끝나는 경우나, 거의 직선으로 간혹 각도를 수정하는 경우를 포함)에 압축 효율이 높고, 통상의 도로 형상의 위치 데이터를 변환할 때에는 이 Φ=1을 사용한다.

편각(θ)의 변환 처리에 사용하는 예측치(Sj)의 예측식은 도로 형상에 따라 동적으로 선택한다. 예측식의 선택에는

(1) 대상 도로마다 예측식을 동적으로 선택하는 방식('대상 도로 단위 선택 방식'이라고 함)

(2) 대상 도로의 편각열의 패턴을 검출하고 그 패턴 단위로 예측식을 선택하는 방식('패턴 단위 선택 방식'이라고 함)

(3) 대상 도로의 편각열을 일정 데이터수의 블록으로 나누고 블록 단위로 예측식을 선택하는 방식('블록 단위 선택 방식'이라고 함)

(4) 대상 도로의 편각열 중에서 리샘플 길이 변경 코드가 끝날 때마다 예측식을 선택하는 방식('리샘플 길이 연동 방식'이라고 함)

(5) 대상 도로의 편각열 중에서 착목하는 위치 데이터의 상류측 N개의 위치 데이터에서의 상황으로부터 프로그램 규칙에 따라 예측식을 선택하는 방식('순차 선택 방식'이라고 함)

등의 방식을 생각할 수 있다. 어떠한 방식을 이용할지는 미리 송신측과 수신 측이 결정해 둘 필요가 있다.

도 1은 리샘플 길이 연동 방식으로 선택되는 예측식과 도로 형상과의 관계를 모식적으로 나타내고 있다. 도로 형상을 점선으로 나타내고 리샘플 형상을 실선으로 나타내고 리샘플 길이의 변경 장소를 <M1>, <M2>, <M3>로 나타내고 있다. 도로 형상이 직선적인 범위(A)에서는 Φ=1이 선택되고, 지그재그 현상이 발생하는 범위(B)에서는 Φ=4가 선택되고, 커브하고 있는 범위(C)에서는 Φ=2 또는 Φ=3이 선택되고, 또한 어느 것도 특정할 수 없는 도로 형상의 범위(D)에서는 Φ=1이 선택된다.

다음으로 각 방식에서의 처리에 대하여 상세히 설명한다.

(1) 대상 도로 단위 선택 방식

도 4의 흐름도는 대상 도로 단위 선택 방식에서의 처리 수순을 나타내고 있다. 디지털 지도 데이터 베이스로부터 대상 도로의 형상 데이터를 취득하고(단계 1), 리샘플로 생성한 노드의 위치 데이터를 편각(θ)으로 나타내고 편각열을 생성한다(단계 2).

단계 2의 처리는, 상세하게는 도 5에 도시한 수순으로 행한다. 즉 각 리샘플 길이의 각 편각에서의 각도 분해능(δ)을 미리 결정하고(단계 21), 또한 대상 도로의 형상 데이터를 곡률 함수로 변환하고(단계 22), 곡률로부터 각 구간의 리샘플 길이(L)를 결정한다(단계 23). 다음으로 대상 도로를 리샘플 길이(L) 및 편각에 따른 각도 분해능(δ)의 대표 각도에 의해 리샘플 하고(단계 24), 대상 도로의 형상 데이터를 리샘플 구간 길이 변경 코드와 편각 양자화 값을 나열한 편각열로 변환한 다(단계 25).

편각열의 생성이 종료하면, 대상 도로의 편각열 전체에 대하여 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4를 적용하여 편각열의 편각(θ)을 예측치(Sj)와의 차분치(예측 차분치)로 변환하고 어떠한 예측식이 최적인지를 평가한다(단계 3). 단계 3의 처리는 상세하게는 도 6에 도시한 수순으로 행한다. 즉 평가 대상의 편각열(대상 도로 단위 선택 방식의 경우에는 대상 도로의 편각열 전체)을 취득하고(단계 31), 예측식을 Φ=1로부터 순서대로 이용하여(단계 32) 각각의 예측식으로 예측치(Sj)를 산출하고, 편각열의 편각(θ)을 예측 차분치(=△θj =θj - Sj)로 나타낸 예측 차분치열로 변환하고(단계 33), 이 편각열의 평가치를 산출한다(단계 34).

평가치의 산출은 다음의 (i)~(iii)과 같이 행한다.

(i) 예측 차분치열에 포함되는 0의 수를 평가치로 하고 0이 많은 예측 차분치열일수록 높은 평가를 부여한다(가장 0을 많이 포함하는 예측식을 선택함).

(ii) 예측 차분치열에 포함되는 데이터의 통계치(예를 들면 분산, 표준 편차 등)의 통계치를 평가치로 하고 분산 또는 표준 편차가 작은 예측 차분치열일수록 높은 평가를 부여한다.

(iii) 예측 차분치열에 나타나는 데이터에 미리 출현 빈도에 따른 득점을 설정하고, 평가 대상의 예측 차분치열에 나타나는 데이터의 득점을 가산한 누적치를 평가치로 하여 이 누적치에 따른 평가를 부여한다. 도 7의 허프만 테이블에서는 각 각도의 발생 빈도(또는 발생 확률)가 기술되어, 발생 빈도가 높은 각도일수록 짧은 부호가 할당되고 있다. 평가 대상의 예측 차분치열에 나타나는 각도에 따라 이 테 이블의 해당하는 발생 빈도의 값을 가산하는 경우에는, 그 누적치를 평가치로 하고 누적치가 높은 예측 차분치열일수록 높은 평가를 부여한다. 또한 평가 대상의 예측차분치열에 나타나는 각도에 따라 그 각도의 부호 길이를 가산하는 경우에는, 그 누적치를 평가치로 하고 누적치가 작은 예측 차분치열일수록 높은 평가를 부여한다. 또한 이러한 출현 빈도에 대응하는 득점표를 미리 기다림으로써 허프만 부호화 이외의 가변 길이 부호화를 행하는 경우에도 (iii)에 의한 평가가 가능하다.

모든 예측식을 이용하여 단계 33, 단계 34d의 처리를 행하고 그것이 종료하면(단계 35, 36), 가장 평가치가 좋은 예측식을 결정한다(단계 37). 즉 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4의 각각에 대하여 대응하는 예측 차분치의 데이터열이 생성되고 이들 데이터열이 평가된다.

이렇게 가장 평가치가 좋은 예측식을 선출하고 편각열의 편각(θ)을 그 예측식으로 산출한 예측치와의 예측 차분치로 변환하고(단계 4), 예측 차분치열로 변환한 형상 데이터 전체를 가변 길이 부호화 압축한다(단계 5). 얻어진 부호화 데이터에 사용한 예측식을 정의한다(단계 6).

도 8은 대상 도로 단위 선택 방식에 의해 생성한 부호화 데이터의 데이터 구성을 나타내고 있다. 여기서는 대상 도로의 형상 데이터 본체의 앞에, 사용한 예측식을 나타내는 데이터가 삽입되어 있다.

또 도 9의 흐름도는 이 부호화 데이터로부터 대상 도로의 형상 데이터를 재현하는 수순을 나타내고 있다. 부호화 데이터로부터 가변 길이 복호화 처리한 형상 데이터를 취출하고(단계 41), 헤더를 참조하여 예측식을 결정하고(단계 42), 그 예 측식에 따라 형상 데이터로부터 읽어 낸 각도 데이터를 편각으로 변환하고(단계 43), 대상 도로의 형상 데이터를 재현한다(단계 44).

(2) 패턴 단위 선택 방식

도 10의 흐름도는 패턴 단위 선택 방식에서의 처리 수순을 나타내고 있다. 형상 데이터의 취득(단계 51)과, 리샘플 및 편각열 변환 처리(단계 52)의 수순은 대상 도로 단위 선택 방식에서의 처리 수순(도 4, 도 5)과 동일하다.

얻어진 편각열을 스캔하고 동일 정부 부호의 비(0)의 데이터가 P개 이상 연속하는, Φ=2 또는 Φ=3을 적용해야 하는 곡선 패턴(도 2의 밑줄 부분)과, 절대치가 동일치로서, 정부 부호가 교대로 반전하는 데이터가 Q개 이상 연속하는, Φ=4를 적용해야 하는 지그재그 패턴(도 2(a)의 이태리체 부분)을 추출하고, 편각열의 데이터를 각 패턴별 그룹, 어떠한 패턴에도 속하지 않는 Φ=1을 적용해야 하는 그룹으로 나누고(단계 53), 그룹 단위로 가장 평가치가 좋은 예측식을 선출하고 편각열을 예측 차분치열로 변환한다(단계 54). 이때 그룹에 대응하는 가장 좋은 예측식이 특별히 결정되지 않는 경우에는 도 6의 수순에 따라 그 그룹의 편각열에 복수의 예측식을 적용하여 가장 평가치가 좋은 예측식을 결정한다.

다음으로 예측 차분치열로 변환한 형상 데이터 전체를 가변 길이 부호화 압축하고(단계 55), 얻어진 부호화 데이터에, 사용한 예측식을 그룹 단위로 정의한다(단계 56).

본 실시예에서는 편각의 상태 천이의 패턴에 대응한 블록(그룹)으로 편각의 데이터열을 구분하고 있다. 그리고 블록마다 최적의 예측식이 선택된다.

도 11은 패턴 단위 선택 방식에 의해 생성한 부호화 데이터의 데이터 구성을 나타내고 있다. 여기서는 대상 도로의 형상 데이터 본체의 앞에 최초의 그룹에서 사용한 예측식을 나타내는 예측식 초기치가 삽입되고, 이후의 각 그룹의 단위 데이터에 선행하여 예측식의 삽입을 나타내는 예측식 마커와 그 그룹에서 사용한 예측식의 예측식 번호가 삽입되어 있다.

또한 도 12의 흐름도는 이 부호화 데이터로부터 대상 도로의 형상 데이터를 재현하는 수순(부호화 데이터의 복호화 방법)을 나타내고 있다. 이 부호화 데이터로부터 가변 길이 복호화 처리한 형상 데이터를 취출하고(단계 61), 그 형상 데이터로부터 읽어내는 각도 데이터의 번호를 초기치로 설정하고 또한 최초에 사용하는 예측식을 예측식 초기치로 표시된 예측식으로 설정하고(단계 62), 형상 데이터로부터 해당하는 각도 데이터를 읽어 내고(단계 63), 그 각도 데이터의 앞에 예측식 변경 코드가 삽입되어 있는지의 여부를 식별한다(단계 64). 예측식 변경 코드가 삽입되어 있지 않으면 설정한 예측식을 그대로 사용하고(단계 66), 그 예측식에 따라 각도 데이터를 편각으로 변환한다(단계 67). 또한 예측식 변경 코드가 삽입되어 있으면 예측식을 그 코드로 지정된 새로운 예측식으로 변경하고(단계 65), 그 예측식에 따라 각도 데이터를 편각으로 변환한다(단계 67). 이러한 처리를 각도 데이터의 전부에 대하여 행하고(단계 68, 단계 69), 대상 도로의 형상 데이터를 재현한다(단계 70).

본 방식에서는 선형 대상물(도로 형상) 전체가 아니라 그 일부 구간에 대응하는 편각의 데이터열이 예측 차분치의 데이터열로 변환되고, 예측 차분치의 데이 터열에 대한 평가 결과에 기초하여 이 일부 구간에 대응하는 편각을 예측 차분치로 변환하는 최적의 예측식이 선택되는 것이다. 이 사상은 이하의 (3)~(5)의 방식에서도 공통되게 채용되고 있다.

(3) 블록 단위 선택 방식

도 13의 흐름도는 블록 단위 선택 방식에서의 처리 수순을 나타내고 있다. 형상 데이터의 취득(단계 71)이나 리샘플 및 편각열 변환 처리(단계 72)의 수순은 대상 도로 단위 선택 방식에서의 처리 수순(도 4, 도 5)과 동일하다.

예를 들면 도 2에 도시한 편각열의 1행, 10데이터를 1블록으로 하고, 이 블록 단위의 편각열에 대하여 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4를 적용하여 편각열의 편각(θ)을 예측 차분치로 변환하고 어떠한 예측식이 최적인지를 평가한다(단계 73). 평가의 방법은 대상 도로 단위 선택 방식의 경우(도 6)와 동일하다. 블록 단위로 가장 평가치가 좋은 예측식을 선출하고 편각열을 예측 차분치열로 변환하고(단계 74), 예측 차분치열로 변환한 형상 데이터 전체를 가변 길이 부호화 압축하고(단계 75), 얻어진 부호화 데이터에 사용한 예측식을 블록 단위로 정의한다(단계 76).

도 14는 블록 단위 선택 방식에 따라 생성한 부호화 데이터의 데이터 구성을 나타내고 있다. 여기서는 대상 도로의 형상 데이터 본체의 앞에 최초의 블록에서 사용한 예측식을 나타내는 예측식 초기치가 삽입되고 이후의 각 블록의 위치 데이터에 선행하여 예측식 번호가 삽입되어 있다. 또한 예측식 번호의 삽입 위치는 블록에 포함되는 데이터 수에 의해 자동적으로 결정되므로 예측식 마커의 삽입은 불 필요하다.

또한 도 15의 흐름도는 이 부호화 데이터로부터 대상 도로의 형상 데이터를 재현하는 수순을 나타내고 있다. 이 부호화 데이터로부터 가변 길이 복호화 처리한 형상 데이터를 취출하고(단계 81), 그 형상 데이터로부터 읽어내는 블록의 번호를 초기치로 설정하고 또한 최초에 사용하는 예측식을 예측식 초기치로 나타낸 예측식으로 설정하고(단계 82), 형상 데이터로부터 해당하는 블록의 각도 데이터를 읽어내고(단계 83), 그 블록에 정의된 예측식에 따라 각도 데이터를 편각으로 변환한다(단계 84). 이러한 처리를 블록의 전체에 대하여 행하고(단계 85, 단계 86), 대상 도로의 형상 데이터를 재현한다(단계 87).

본 실시예에서는 1 블록에 포함되는 편각의 데이터의 소정수는 10으로 했는데 이 수는 임의로 변경할 수 있다.

(4) 리샘플 길이 연동 방식

도 16의 흐름도는 리샘플 길이 연동 방식에서의 처리 수순을 나타내고 있다. 형상 데이터의 취득(단계 91)이나 리샘플 및 편각열 변환 처리(단계 92)의 수순은 대상 도로 단위 선택 방식에서의 처리 수순(도 4, 도 5)과 동일하다.

도 2에 도시한 편각열에 있어서, 동일 리샘플 길이로 리샘플 된 리샘플 길이 변경 코드와 다음 리샘플 길이 변경 코드와의 사이(2개의 리샘플의 리샘플 길이의 변경점)에 있는 각도 데이터를 블록(< >으로 둘러싸인 숫자마다의 블록)으로 하고 이 블록 단위의 편각열에 대하여 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4를 적용하여 편각열의 편각(θ)을 예측 차분치로 변환하고 어떠한 예측식이 최적인지를 평가한다( 단계 93). 평가의 방법은 대상 도로 단위 선택 방식의 경우(도 6)와 동일하다. 블록 단위로 가장 평가치가 좋은 예측식을 선출하고 편각열을 예측 차분치열로 변환하고(단계 94), 예측 차분치열로 변환한 형상 데이터 전체를 가변 길이 부호화 압축하고(단계 95), 얻어진 부호화 데이터에, 사용한 예측식을 블록 단위로 정의한다(단계 96).

도 17은 리샘플 길이 연동 방식에 의해 생성한 부호화 데이터의 데이터 구성을 나타내고 있다. 여기서는 대상 도로의 형상 데이터 본체의 앞에 최초의 블록에서 사용한 예측식을 나타내는 예측식 초기치가 삽입되고, 이후의 각 블록에서 사용한 예측식의 예측식 번호는 동일 리샘플 길이로 리샘플 된 각도 데이터의 개시 위치에 삽입되는 구간 길이 마커에 연속하는 구간 길이 정보 중에서 규정되어 있다.

또한 도 18의 흐름도는 이 부호화 데이터로부터 대상 도로의 형상 데이터를 재현하는 수순을 나타내고 있다. 이 부호화 데이터로부터 가변 길이 복호화 처리한 형상 데이터를 취출하고(단계 101), 그 형상 데이터로부터 읽어내는 동일 리샘플 길이의 블록의 번호를 초기치로 설정하고(단계 102), 리샘플 길이가 동일한 블록에 포함되는 모든 각도 데이터, 및 리샘플 길이 변경 코드에 부수되어 있는 예측식을 취득하고(단계 103), 예측식에 따라 블록 내의 각도 데이터를 편각으로 변환한다(단계 104). 이러한 처리를 리샘플 길이가 동일한 블록의 전체에 대하여 행하고(단계 105, 단계 106) 대상 도로의 형상 데이터를 재현한다(단계 107).

(5) 순차 선택 방식

도 19의 흐름도는 순차 선택 방식에서의 처리 수순을 나타내고 있다. 형상 데이터의 취득(단계 111)이나 리샘플 및 편각열 변환 처리(단계 112)의 수순은 대상 도로 단위 선택 방식에서의 처리 수순(도 4, 도 5)과 동일하다.

편각열로부터 추출하는 각도 데이터의 번호를 초기치로 설정하고 또한 최초에 사용하는 예측식을 Φ=1로 설정한다(단계 113). 편각열로부터 해당하는 각도 데이터 및 그 상류측의 소정수인 P개의 샘플을 추출하고(단계 114), 추출한 데이터로 구성되는 편각열에 대하여 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4를 적용하여 편각열의 편각(θ)을 예측차분치로 변환하고 가장 평가치가 좋은 예측식(Φnew)을 선출한다(단계 115). 평가의 방법은 대상 도로 단위 선택 방식의 경우(도 6)와 동일하다.

이 평가 결과를 바탕으로 예측식의 변경 조건에 비추어보아 설정이 끝난 예측식을 변경할 필요가 있는지의 여부를 판정한다(단계 116). 즉 본 방식에 있어서는, 부호화의 대상이 되어 있는 위치 데이터의 상류의 형상을 참조하면서 이 위치 데이터에 사용되는 최적의 예측식을 변경해야할 지의 여부가 판단된다.

이 변경 조건으로서 예를 들면 다음의 (i) 또는 (ii)와 같은 조건을 설정한다.

(i) 현재 사용하고 있는 예측식(Φ)과 예측식(Φnew)의 사이에서 평가치차(△)가 소정치보다 큰 경우에는 예측식을 변경한다.

(ii) 현재 사용하고 있는 예측식(Φ)보다도 예측식(Φnew)의 쪽에 높은 평가가 부여되는 상태가 Q회 이상 연속한 경우에는 예측식을 변경한다.

이 변경 조건을 충족하고 있지 않으면 설정이 끝난 예측식을 그대로 사용하고(단계 118), 각도 데이터를 예측 차분치로 변환한다(단계 119). 또한 변경 조건 을 충족하고 있는 경우에는 예측식을 예측식(Φnew)으로 변경하고(단계 117), 각도 데이터를 예측 차분치로 변환한다(단계 119). 이러한 처리를 모든 각도 데이터에 대하여 행하고(단계 120. 단계 121), 예측 차분치열로 변환한 형상 데이터 전체를 가변 길이 부호화 압축한다(단계 122).

이 예측식 변경의 규칙은 이 부호화 처리를 규정하는 프로그램 중에서 룰(rule)화되어 있다.

본 실시예에서는 착목하는 편각에 선행하는 소정수(P)의 편각의 예측 차분치의 데이터열에 대한 평가 결과에 따라, 착목하는 편각을 예측 차분치로 변환하는 예측식이 선택된다. 또한 이 평가 결과가 소정의 요건을 충족하는 경우에만 현재 사용되고 있는 예측식을 소정의 예측식으로 변경하도록 구성하고 있다.

도 20은 순차 선택 방식에 의해 생성한 부호화 데이터의 데이터 구성을 나타내고 있다. 이 부호화 데이터에는 예측식을 지정하는 정보가 포함되어 있지 않으므로 데이터량도 적은 것이 되어 있다. 디코드 시에 사용하는 예측식은 이 부호화 데이터의 디코드를 규정하는 프로그램의 룰에 기초하여 선택된다.

도 21의 흐름도는 이 부호화 데이터로부터 대상 도로의 형상 데이터를 재현하는 수순을 나타내고 있다. 이 부호화 데이터로부터 가변 길이 복호화 처리한 형상 데이터를 취출하고(단계 131), 그 형상 데이터로부터 읽어내는 각도 데이터의 번호를 초기치로 설정하고, 또한 최초에 사용하는 예측식을 Φ=1로 설정한다(단계 132). 형상 데이터로부터 해당하는 각도 데이터 및 그 상류측 P개의 샘플을 읽어 내고(단계 133), 읽어낸 데이터로 이루어지는 편각열에 대하여 예측식 Φ=1, Φ=2, Φ=3, 및 Φ=4를 적용하여 편각열의 편각(θ)을 예측차분치로 변환하고 가장 평가치가 좋은 예측식(Φnew)을 선출한다(단계 134). 다음으로 이 평가 결과를 바탕으로 예측식의 변경 조건에 비추어보아 설정이 끝난 예측식을 변경할 필요가 있는지의 여부를 판정한다(단계 135). 변경 조건을 충족하고 있지 않으면 설정이 끝난 예측식을 그대로 사용하고(단계 137) 그 예측식에 따라 각도 데이터를 편각으로 변환한다(단계 138). 또한 변경 조건을 충족하고 있는 경우에는 예측식을 예측식(Φnew)으로 변경하고(단계136), 그 예측식에 따라 각도 데이터를 편각으로 변환한다(단계 138). 이러한 처리를 모든 각도 데이터에 행하고(단계 139, 단계 140), 대상 도로의 형상 데이터를 재현한다(단계 141).

이와 같이 도로 형상의 부호화 데이터를 생성하는 경우에 위치 데이터를 예측 차분치로 변환하기 위한 예측치의 산출에 사용하는 예측식을 도로마다 또는 도로의 부분마다 적응적으로 선택함으로써 부호화 데이터의 데이터량을 효율적으로 압축할 수 있다.

그런데 상술한 (1)~(4) 각각의 방법에 있어서, 1개의 형상 데이터에 있어서 예측식을 변경하는 경우 '예측식의 변경을 명시하고 예측식 ID를 지정한다'라는 정보를 데이터에 포함시키는 것이 필요해진다. 이것은 데이터량 증가의 1 요인이 될 수 있다. 또한 '그 도로 구간 전반에서는 대개 예측식 1이 좋으나 순간적으로 다른 예측식이 좋은' 경우 등 빈번하게 예측식을 바꾸는 것도 그다지 바람직하지는 않다. 적어도 예측식을 변경하는 경우는 '새로운 예측식에 의해 얻어지는 데이터량 삭감 효과'가 '예측식의 변경에 따른 손실'을 상회할 필요가 있는 것이 바람직하 다.

그래서 '각 예측식에 따라 얻어진 평가치'에 대하여 '변경 패널티'를 가산하고 그 총합 평가에 의해 '예측식을 변경할지의 여부'를 결정하는 것을 생각할 수 있다. 바꿔 말하면 예측식 변경에 대하여 히스테리시스(hysteresis)를 가지게 하는 것을 생각할 수 있다.

도 22는 예측식에 의해 얻어진 평가치와 예측식의 변경에 따른 변경 패널티의 총합 평가 방법을 나타낸 도이다.

도 22(a)에서는 예측식을 변경한 쪽이 데이터량이 삭감되어 데이터 송신의 효율이 향상되므로 예측식을 변경한다. 한편 도 22(b)에서는 변경하지 않는 쪽이 송신 효율이 좋으므로 예측식은 변경하지 않는다.

또한 데이터를 구분하는 블록이나 편각이 증가하면 '어떠한 조합이 가장 효율이 좋은가'라는 조합 최적화 문제가 발생한다. 블록이나 편각이 증가함에 따라 최적능을 간편하고 신속하게 발견하는 것은 어려워진다.

그래서 준최적능을 신속히 발견하기 위한 방법으로서, 이하 2개의 방식을 생각할 수 있다.

(i) 발생 빈도가 높은 예측식에는 변경 패널티를 상대적으로 작게 하고, 발생 빈도가 낮은 예측식에는 변경 패널티를 크게 한다. 발생 빈도가 낮은 예측식을 채용한 경우, 다음 블록에서 타 예측식으로 바뀔 가능성이 크기 때문에 발생 빈도가 낮은 예측식으로의 변경을 억제한다.

(ii) 보통은 일방향으로 순서대로 처리해 가기 때문에 착목하는 블록의 상류 측의 실적으로부터 하류측의 상황을 추정하여 변경 패널티를 동적으로 바꿔간다.

또한 압축률에 의해 최적의 예측식의 발생 빈도가 바뀌는 것이라고 생각된다. 예를 들면 압출률을 높이면 편각의 규칙성이 없어져서 Φ=1가 최적의 식이 되는 경향이 있다. 또한 역으로 압축률을 낮추면 편각의 규칙성이 강해져서 Φ=2나 Φ=3이 최적의 식이 되는 경향이 있다.

따라서 (i)의 경우 '형상 데이터 전체에 대하여 각 예측식의 평가치를 일단 산출하고 그 평가치에 따라 변경 패널티를 결정하는' 방법이 좋다고 생각된다.

도 23은 예측식의 변경에 따른 변경 패널티를 동적으로 변경시키는 방법을 나타낸 도이다.

도 24는 교통 정보의 대상 도로를 전달하기 위하여 이 부호화 데이터 생성 방법을 실행하는 정보 송신 장치(부호화 데이터 생성 장치;20)와, 제공된 교통 정보를 활용하는 차량 탑재용 네비게이션 장치와 퍼스널 컴퓨터 등의 정보 활용 장치(부호화 데이터 복원 장치;40)와의 구성을 나타내고 있다. 정보 송신 장치(20)는 정체 정보나 교통 사고 정보 등이 입력되는 사상 정보 입력부(21)와 디지털 지도 데이터 베이스(A22)로부터 교통 정보의 대상 도로 구간의 도로 형상 데이터를 추출하는 형상 데이터 추출부(23)와, 형상 데이터 추출부(23)로 추출된 도로 형상 데이터를 리샘플하여 노드 위치 데이터의 편각열을 생성하는 형상 데이터 리샘플 처리부(26)와, 편각열을 예측 차분치열로 변환하기 위한 예측식을 결정하는 예측식 결정부(25)와, 예측식 결정부(25)가 결정한 예측식을 이용하여 형상 데이터의 편각을 예측 차분치로 변환하고 압축 부호화하는 가변 길이 부호화 처리부(28)와, 압축 부 호화된 도로 형상 데이터를 축적하여 외부 미디어에 축적 데이터를 제공하는 압축 데이터 축적부(27)와, 압축 부호화된 도로 형상 데이터를 송신하는 형상 데이터 송신부(29)를 구비하고 있다.

한편 정보 활용 장치(40)는 제공된 도로 형상 데이터를 수신하는 형상 데이터 수신부(41)와, 압축 부호화되어 있는 데이터를 복호하는 부호화 데이터 복호부(42)와, 예측 차분치로의 변환시에 사용된 예측식을 식별하는 예측식 판정부(47)와, 예측식 판정부(47)가 식별한 예측식을 이용하여 형상 데이터를 복원하는 형상 데이터 복원부(43)와, 디지털 지도 데이터 베이스(B46)의 데이터를 이용하여 맵 매칭을 행하고 노드 점으로 표시된 도로 구간을 디지털 지도상에서 특정하는 맵 매칭부(45)와, 얻어진 정보를 활용하는 정보 활용부(44)를 구비하고 있다.

정보 송신 장치(20)에서는 형상 데이터 추출부(23)가 대상 도로의 도로 형상 데이터를 추출하고, 형상 데이터 리샘플 처리부(26)가 이 도로 형상 데이터를 리샘플하여 도로 형상 데이터의 편각열을 생성한다. 예측식 결정부(25)는 상술한 '대상 도로 단위 선택 방식''패턴 단위 선택 방식''블록 단위 선택 방식''리샘플 길이 연동 방식' 혹은 '순차 선택 방식'에 의해 편각열을 예측 차분치열로 변환하기 위한 예측식을 결정한다. 가변 길이 부호화 처리부(28)는 예측식 결정부(25)가 결정한 예측식으로 예측치를 산출하고, 편각열의 편각으로부터 예측치를 빼서 예측 차분치열을 생성하고 이것을 가변 길이 부호화한다.

가변 길이 부호화로 데이터 압축된 도로 형상 데이터는 외부 미디어에 기억되어 제공되고, 혹은 형상 데이터 송신부(29)로부터 송신된다.

이 도로 형상 데이터를 수신한 정보 활용 장치(40)에서는 부호화 데이터 복호부(42)가 압축 부호화되어 있는 데이터를 복호화한다. 예측식 판정부(47)는 복호화된 데이터로부터 편각을 디코드하기 위한 예측식을 식별하고 형상 데이터 복원부(43)는 이 예측식을 이용하여 편각열을 재생하고 편각을 위도·경도 데이터로 변환하여 도로 형상 데이터를 재현한다. 재현된 노드를 잇는 리샘플 형상은 정보 활용 장치(40)의 표시 화면상에 디지털 지도와 겹쳐서 표시된다.

또한 이 도로 구간을 정확히 특정하기 위하여 맵 매칭부(45)는 재현된 노드점의 위치 데이터와 디지털 지도 데이터 베이스(B46)의 지도 데이터와의 맵 매칭을 행하고 디지털 지도 데이터상에서 대상 도로를 특정한다. 정보 활용 장치(40)는 카 네비게이션 수신기 또는 지도 표시 단말을 구성할 수 있다.

또한 도 25는 주행 궤적을 전달하기 위하여 이 부호화 데이터 생성 방법을 실행하는 프로브카 차량 탑재기(부호화 데이터 생성 장치;60)와, 프로브 정보를 수집하는 프로브 정보 수집 센터(부호화 데이터 복원 장치;50)와의 구성을 나타내고 있다. 프로브카 차량 탑재기(60)는 GPS 안테나(73)로부터 수신하는 정보와 자이로(74;gyro)의 검지 정보를 기초로 자차 위치를 판정하는 자차 위치 판정부(61)와, 디지털 지도의 데이터 베이스(69)와, 자차의 주행 궤적을 축적하는 주행 궤적 축적부(62)와, 주행 궤적을 리샘플하여 노드 위치 데이터의 편각열을 생성하는 주행 궤적 형상 리샘플 처리부(63)와, 편각열을 예측 차분치열로 변환하기 위한 예측식을 결정하는 예측식 결정부(68)와, 예측식 결정부(68)가 결정한 예측식을 이용하여 주행 궤적 형상 데이터의 편각을 예측 차분치로 변환하고 압축 부호화하는 가변 길이 부호화 처리부(64)와, 압축 부호화된 주행 궤적 형상 데이터를 축적하는 압축 데이터 축적부(65)와, 압축 부호화된 주행 궤적 형상 데이터를 송신하는 주행 궤적 송신부(66)를 구비하고 있다.

한편 프로브 정보 수집 센터(50)는 프로브카 차량 탑재기(60)로부터 제공된 주행 궤적 형상 데이터를 수신하는 주행 궤적 수신부(51)와, 압축 부호화되어 있는 수신 데이터를 복호화하는 부호화 데이터 복호부(52)와, 예측 차분치로의 변환시에 사용된 예측식을 식별하는 예측식 판정부(55)와, 예측식 판정부(55)가 식별한 예측식을 이용하여 주행 궤적 형상을 복원하는 주행 궤적 형상 복원부(53)와, 프로브카 차량 탑재기(60)로부터 수집한 주행 궤적과 계측 정보를 교통 정보의 생성에 활용하는 주행 궤적 계측 정보 활용부(54)를 구비하고 있다.

프로브카 차량 탑재기(60)의 주행 궤적 축적부(62)에는 자차 위치 판정부(61)로 검출된 자차 위치가 주행 궤적으로서 순차 축적된다. 주행 궤적 형상 리샘플 처리부(63)는 주행 궤적 축적부(62)에 축적된 주행 궤적 데이터를 읽어내고 주행 궤적을 리샘플하여 주행 궤적 형상 데이터의 편각열을 생성한다. 예측식 결정부(68)는 상술한 '대상 도로 단위 선택 방식''패턴 단위 선택 방식''블록 단위 선택 방식''리샘플 길이 연동 방식' 혹은 '순차 선택 방식'에 의해 편각열을 예측 차분치열로 변환하기 위한 예측식을 결정한다. 가변 길이 부호화 처리부(64)는 예측식 결정부(68)가 결정한 예측식으로 예측치를 산출하고 편각열의 편각으로부터 예측치를 빼서 예측 차분치열을 생성하고 이것을 가변 길이 부호화한다. 압축 부호화된 데이터는 프로브 정보의 송신 시기에 프로브 정보 수집 센터(50)로 송신된다. 또한 이 데이터는 외부 미디어에 격납하여 프로브 정보 수집 센터(50)에 제공되는 경우도 있다.

프로브 정보 수집 센터(50)에서는 부호화 데이터 복호부(52)가 프로브카 차량 탑재기(60)로부터 수집한 데이터를 복호화한다. 예측식 판정부(55)는 복호화된 데이터로부터 편각을 디코드하기 위한 예측식을 식별하고, 주행 궤적 형상 복원부(53)는 이 예측식을 이용하여 편각열을 재생하고 편각을 위도·경도 데이터로 변환하여 주행 궤적 데이터를 재현한다. 이 주행 궤적의 정보는 프로브카 차량 탑재기(60)로 계측된 속도 등의 계측 정보와 함께 교통 정보의 생성에 활용된다.

이와 같이 정보 송신 장치와 프로브카 차량 탑재기는 본 발명의 부호화 데이터 생성 방법을 이용하여 대상 도로와 주행 궤적의 부호화 데이터를 생성함으로써 데이터량을 효율적으로 압축할 수 있다.

프로브카 차량 탑재기(60)와 프로브 정보 수집 센터(50)의 조합으로부터 프로브카 시스템이 구축되어 양자간에서 프로브카 시스템의 정보 전달 방법이 달성되는데, 이 방법은 본 발명의 부호화 데이터의 생성 방법 및 이 부호화 데이터의 복호화 방법의 조합에 의해 달성된다.

또한 상술에서는 부호화 데이터 생성 장치가, 정보 송신 센터인 정보 송신 장치(20) 또는 프로브카 차량 탑재기(60)인 예를 나타냈는데, 이들은 정보 송신측에서의 실시예로서, 정보를 송신할 수 있는 장치나 단말이라면 어떠한 형태의 것이라도 무방하다. 또한 생성한 부호화 데이터를 매체에 기록하여 다른 장치에 제공하는 것도 가능하다. 또한 부호화 데이터 복원 장치인 정보 활용 장치(40)와 프로브 정보 수집 센터(50)도 어디까지나 예이고, 퍼스널 컴퓨터, 휴대 단말 등의 정보를 활용할 수 있는 장치라면 무엇이라도 무방하다. 물론 부호화 데이터의 복원이 가능한 정보 수집 센터나 센터측의 장치라도 동일한 효과를 얻을 수 있다. 또한 부호화된 데이터가 기록된 매체 등을 이용하여 복원 처리함으로써 동일한 효과를 얻는 것은 말할 것도 없다.

또한 본 발명은 선형 대상물을 부호화하여 얻어지는 부호화 데이터의 생성을 컴퓨터에 실행시키기 위한 프로그램을 포함하고, 이 프로그램은 선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 표시된 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 수순과, 편각의 데이터열을 각 노드의 위치 데이터를 예측하기 위한 예측치와의 차분을 나타내는 예측 차분치로 변환했을 때의 예측 차분치의 데이터열을 평가하는 수순과, 평가 결과에 기초하여 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하는 수순과, 형상 데이터 리샘플 처리부가 생성한 편각의 데이터열에 포함되는 편각을 상기 결정된 예측식을 이용하여 산출한 예측치와의 예측 차분치로 변환하고, 예측 차분치의 데이터열을 가변 길이 부호화하는 수순을 상기 컴퓨터에 실행시킨다. 이러한 프로그램은 정보 송신 장치(20), 프로브카 차량 탑재기(60)에 각종 형식으로 포함된다. 예를 들면 정보 송신 장치(20), 프로브카 차량 탑재기(60) 내 또는 이러한 외부의 장치 내의 소정의 메모리에 프로그램을 기록할 수 있다. 또한 하드 디스크와 같은 정보 기록 장치나 CD-ROM이나 DVD-ROM, 메모리 카드와 같은 정보 기록 매체에 프로그램을 기록해도 무방하다. 또한 네트워크 경유에 의해 이 프로그램을 다운 로드하 도록 해도 무방하다.

또한 본 발명은 선형 대상물을 나타내는 부호화 데이터의 복호화를 컴퓨터에 실행시키기 위한 프로그램을 포함하고, 이 프로그램은 선형 대상물의 위치 정보를 나타내는 가변 길이 부호화된 부호화 데이터를 복호화하고 편각과 예측치와의 차분을 나타내는 예측 차분치의 데이터열이 포함된 형상 데이터를 재생하는 수순과, 복호화된 형상 데이터로부터 예측치의 산출에 이용한 예측식을 결정하는 수순과, 결정된 예측식을 이용하여 예측치를 산출하고 복호화된 예측 차분치의 데이터열로부터 선형 대상물의 노드의 위치 정보를 재현하는 수순을 상기 컴퓨터에 실행시킨다.

이러한 프로그램도 정보 활용 장치(40), 프로브 정보 수집 센터(50)에 각종 형식으로 포함된다. 예를 들면 정보 활용 장치(40), 프로브 정보 수집 센터(50) 내 또는 이들 외부의 장치 내의 소정의 메모리에 프로그램을 기록할 수 있다. 또한 하드 디스크와 같은 정보 기록 장치나 CD-ROM이나 DVD-ROM, 메모리 카드와 같은 정보 기록 매체에 프로그램을 기록해도 무방하다. 또한 네트워크 경유에 의해 이 프로그램을 다운로드 하도록 해도 무방하다.

또한 본 발명의 정보 송신 장치(20)와 정보 활용 장치(40) 또는 프로브카 차량 탑재기(60)와 프로브 정보 수집 센터(50)의 조합에 의해 지도 데이터 배신(配信) 시스템이 구성된다.

또한 본 발명의 부호화 데이터 생성 방법에 따른 알고리즘(프로그램)을 지도 데이터 본체에 각종 지도 정보에 대응한 지도 데이터가 기록된 기록 매체에 기록할 수 있다. 이에 따라 지도 데이터 본체 자체를 압축 부호화할 수 있게 된다.

또한 상술한 실시예에서는 선형 대상물이 위치 참조용의 도로 형상인 예를 설명했는데, 선형 대상물은 도로 형상에 한정되지 않는다. '선형 대상물'이라는 것은 직선, 곡선 등 각종 형태를 포함하는 길고 가는 형상의 것을 모두 포함하고, 지도상의 선형 형상에 의해 표시하는 지리 정보 전체를 포함할 수 있다. 또한 지문 등 지도와는 관계가 없으나 선형 형상에 의해 표시되는 것 모두가 포함된다.

또한 본 발명을 상세히 또는 특정의 실시예를 참조하여 설명했는데, 본 발명의 정신과 범위를 일탈하지 않고 다양한 변경이나 수정을 가할 수 있음은 당업자에게 있어 자명하다.

본 출원은 2003년 10월 17일 출원의 일본 특허 출원(특원 2003-357730)에 기초한 것으로서 그 내용은 여기에 참조로서 포함된다.

본 발명의 부호화 데이터 생성 방법은 디지털 지도의 도로 형상이나 하천, 철도 선로, 행정 경계선, 등고선 등의 위치 정보를 나타내는 부호화 데이터를 생성하여 전송·축적·보존할 때 등에 이용할 수 있고, 또한 디지털 지도 이외에 각종 도형이나 지문 등의 선형 대상물을 나타내는 부호화 데이터를 생성하여 전송·축적·보존할 때 등에도 적용할 수 있다.

Claims (26)

1. 선형 대상물을 부호화하여 얻어지는 부호화 데이터의 생성 방법으로서,

   (1) 상기 선형 대상물을 리샘플하여 복수의 노드를 설정하는 단계와,

   (2) 하나 전의 노드로부터의 편각으로 표시된 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 단계와,

   (3) 상기 편각의 데이터열에 기초하여 상기 각 노드의 위치 데이터의 예측치를 산출하기 위한 복수의 예측식을 준비하는 단계와,

   (4) 상기 복수의 예측식 중 소정의 예측식을 이용하여 상기 예측치를 산출하는 단계와,

   (5) 상기 편각의 데이터열을 상기 산출된 예측치와의 차분을 나타내는 예측 차분치의 데이터열로 변환하는 단계와,

   (6) 상기 예측 차분치의 데이터열을 가변 길이 부호화하여 상기 부호화 데이터를 얻는 단계를 구비하는 부호화 데이터 생성 방법.
2. 제1 항에 있어서,

   상기 (5)의 단계에 의해 상기 복수의 예측식의 각각에 대하여 상기 복수의 예측식의 각각에 대응한 복수의 상기 예측 차분치의 데이터열을 취득하는 단계와,

   상기 복수의 예측 차분치의 데이터열을 평가하는 단계와,

   상기 평가 단계의 평가 결과에 기초하여 상기(4)의 단계에서의 상기 소정의 예측식을 상기 복수의 예측식 중에서 선택하는 단계를 추가로 구비한 부호화 데이터 생성 방법.
3. 제1 항 또는 제2 항에 있어서,

   상기 복수의 예측식은 0을 예측치로 하는 예측식을 적어도 하나 포함하는 부호화 데이터 생성 방법.
4. 제1 항 또는 제2 항에 있어서,

   상기 복수의 예측식은 착목하는 편각에 선행하는 적어도 하나의 편각을 파라미터로 하여 이용한 함수에 의해 구성된 예측식을 적어도 하나 포함하는 부호화 데이터 생성 방법.
5. 제4 항에 있어서,

   상기 함수에 의해 구성된 예측식은 상기 착목하는 편각의 하나 전의 편각을 예측치로 하는 예측식을 적어도 하나 포함하는 부호화 데이터 생성 방법.
6. 제4 항에 있어서,

   상기 함수에 의해 구성된 예측식은 상기 착목하는 편각에 선행하는 복수의 편각의 평균 또는 가중 평균을 예측치로 하는 예측식을 적어도 하나 포함하는 부호화 데이터 생성 방법.
7. 제4 항에 있어서,

   상기 함수에 의해 구성된 예측식은 상기 착목하는 편각의 하나 전의 노드의 편각의 정부(正負)를 역으로 한 각도를 예측치로 하는 예측식을 적어도 하나 포함하는 부호화 데이터 생성 방법.
8. 제2 항에 있어서,

   상기 (5)의 단계에 있어서, 상기 선형 대상물의 일부 구간에 대응하는 편각의 데이터열이 상기 예측 차분치의 데이터열로 변환되고, 상기 예측 차분치의 데이터열에 대한 평가 결과에 기초하여 상기 일부 구간에 대응하는 편각을 예측 차분치로 변환하는 예측식을 선택하는 부호화 데이터 생성 방법.
9. 제8 항에 있어서,

   상기 편각의 데이터열을 편각의 상태 천이의 패턴에 대응한 블록으로 구분하고, 상기 블록마다 편각을 예측 차분치로 변환하는 예측식을 선택하는 부호화 데이터 생성 방법.
10. 제8 항에 있어서,

    상기 편각의 데이터열을 소정수의 편각의 데이터를 포함하는 블록으로 구분하고, 상기 블록마다 편각을 예측 차분치로 변환하는 예측식을 선택하는 부호화 데 이터 생성 방법.
11. 제8 항에 있어서,

    상기 편각의 데이터열을 상기 (1)의 단계에서의 리샘플의 리샘플 길이의 변경점에 맞춰 블록으로 구분하고, 상기 블록마다 편각을 예측 차분치로 변환하는 예측식을 선택하는 부호화 데이터 생성 방법.
12. 제8 항에 있어서,

    착목하는 편각에 선행하는 소정수의 편각의 예측 차분치의 데이터열에 대한 평가 결과에 따라 상기 착목하는 편각을 예측 차분치로 변환하는 예측식을 선택하는 부호화 데이터 생성 방법.
13. 제12 항에 있어서,

    상기 복수의 선택식을 이용하여 상기 소정수의 편각을 복수의 예측 차분치의 데이터열로 변환하고, 소정의 예측식에 기초한 예측 차분치의 데이터열에 대한 평가 결과가 소정의 요건을 충족하는 경우에만 현재 사용되고 있는 예측식을 상기 소정의 예측식으로 변경하고 나서 상기 착목하는 편각을 예측 차분치로 변환하는 부호화 데이터 생성 방법.
14. 제8 항 내지 제11 항에 있어서,

    착목하는 편각 또는 블록에 있어서 전후의 편각 또는 블록에서의 예측식의 선택 상황을 참고로 하여 예측식을 선택하는 부호화 데이터 생성 방법.
15. 제14 항에 있어서,

    착목하는 편각 또는 블록에 있어서 전후의 편각 또는 블록에서 채용하는 예측식과는 다른 예측식을 선출하는 경우, 상기 착목하는 편각 또는 블록에서의 예측 차분치열의 평가 기준인 평가치에 대하여 패널티 값을 가산하는 부호화 데이터 생성 방법.
16. 제15 항에 있어서,

    각 예측식의 발생 빈도에 따라 상기 패널티 값을 설정하는 부호화 데이터 생성 방법.
17. 제2 항 내지 제16 항 중 어느 한 항에 있어서,

    상기 예측 차분치의 데이터열의 평가를 상기 데이터열에 포함되는 0의 수에 의해 행하고, 가장 0의 수가 많아지는 예측식을 선택하는 부호화 데이터 생성 방법.
18. 제2 항 내지 제16 항 중 어느 한 항에 있어서,

    상기 예측 차분치의 데이터열의 평가를 상기 데이터열에 포함되는 예측 차분 치의 통계치에 의해 행하고, 상기 통계치의 결과에 기초하여 예측식을 선택하는 부호화 데이터 생성 방법.
19. 제18 항에 있어서,

    상기 통계치는 상기 예측 차분치의 분산 및 표준 편차 중 적어도 하나인 부호화 데이터 생성 방법.
20. 제2 항 내지 제16 항 중 어느 한 항에 있어서,

    상기 예측 차분치마다 평가치를 미리 설정하고, 상기 예측 차분치의 데이터열의 평가를 상기 데이터열에 포함된 예측 차분치의 평가치의 합계치에 의해 행하는 부호화 데이터 생성 방법.
21. 제20 항에 있어서,

    상기 예측 차분치의 발생 빈도가 상기 평가치이고, 상기 합계치가 가장 큰 예측식을 선택하는 부호화 데이터 생성 방법.
22. 제20 항에 있어서,

    상기 예측 차분치의 부호 길이가 상기 평가치이고, 상기 합계치가 가장 작은 예측식을 선택하는 부호화 데이터 생성 방법.
23. 선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 표시된 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 형상 데이터 리샘플 처리부와,

    상기 편각의 데이터열을 상기 각 노드의 위치 데이터를 예측하기 위한 예측치와의 차분을 나타내는 예측 차분치로 변환했을 때의 상기 예측 차분치의 데이터열을 평가하고, 평가 결과에 기초하여, 상기 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하는 예측식 결정부와,

    상기 형상 데이터 리샘플 처리부가 생성한 상기 편각의 데이터열에 포함되는 편각을 상기 예측식 결정부가 결정한 예측식을 이용하여 산출한 예측치와의 예측 차분치로 변환하고, 상기 예측 차분치의 데이터열을 가변 길이 부호화하는 가변 길이 부호화 처리부를 구비하는 부호화 데이터 생성 장치.
24. 선형 대상물의 위치 정보를 나타내는 가변 길이 부호화된 부호화 데이터를 복호화하고, 편각과 예측치와의 차분을 나타내는 예측 차분치의 데이터열이 포함된 형상 데이터를 재생하는 부호화 데이터 복호부와,

    복호화된 상기 형상 데이터로부터 상기 예측치의 산출에 이용한 예측식을 결정하는 예측식 판정부와,

    상기 예측식 판정부가 결정한 예측식을 이용하여 예측치를 산출하고, 상기 부호화 데이터 복호부가 복호화한 상기 예측 차분치의 데이터열로부터 상기 선형 대상물의 노드의 위치 정보를 재현하는 형상 데이터 복원부를 구비하는 부호화 데 이터 복원 장치.
25. 선형 대상물을 부호화하여 얻어진 부호화 데이터의 생성을 컴퓨터에 실행시키기 위한 프로그램으로서, 상기 프로그램은,

    선형 대상물을 리샘플하여 복수의 노드를 설정하고, 하나 전의 노드로부터의 편각으로 표시된 각 노드의 위치 데이터를 배열하여 편각의 데이터열을 생성하는 수순과,

    상기 편각의 데이터열을 상기 각 노드의 위치 데이터의 예측치와의 차분을 나타내는 예측 차분치로 변환했을 때의 상기 예측 차분치의 데이터열을 평가하는 수순과,

    평가 결과에 기초하여 상기 예측치를 산출하는 예측식을 복수의 예측식 중에서 선택하는 수순과,

    상기 편각의 데이터열에 포함되는 편각을 상기 결정된 예측식을 이용하여 산출한 예측치와의 예측 차분치로 변환하고, 상기 예측 차분치의 데이터열을 가변 길이 부호화하는 수순을 상기 컴퓨터에 실행시키는 프로그램.
26. 선형 대상물을 나타내는 부호화 데이터의 복호화를 컴퓨터에 실행시키기 위한 프로그램으로서, 상기 프로그램은,

    선형 대상물의 위치 정보를 나타내는 가변 길이 부호화된 부호화 데이터를 복호화하고,

    편각과 예측치와의 차분을 나타내는 예측 차분치의 데이터열이 포함된 형상 데이터를 재생하는 수순과,

    복호화된 상기 형상 데이터로부터 상기 예측치의 산출에 이용한 예측식을 결정하는 수순과,

    상기 결정된 예측식을 이용하여 예측치를 산출하고, 상기 복호화된 상기 예측 차분치의 데이터열로부터 상기 선형 대상물의 노드의 위치 정보를 재현하는 수순을 상기 컴퓨터에 실행시키는 프로그램.

Images