KR20080021427A - 이동 경로 데이터에 기반한 이동 객체의 시공간 위치 예측방법 - Google Patents

Abstract

사용자 적응형 서비스를 지원하기 위하여 환경으로부터 얻어지는 다양한 형태의 데이터를 이용한 다양한 방법이 연구되고 있다. 그 중 사용자의 과거 이동 경로 자료는 사용자의 현재 이동 위치를 예측하고 이와 관련된 서비스를 제공하는데 유용하게 사용될 수 있다. 본 특허에서는 사용자의 과거 이동 경로의 분석을 통하여 이동중인 사용자의 시공간 위치예측 기술을 제안한다. 환경으로부터 발생한 사용자의 이동 경로를 수집하고, 수집된 데이터에서 이동 경로 선택(Path Selection) 방법을 이용하여 유사성이 가장 높은 경로를 선택할 수 있다. 선택된 경로는 시간에 따른 공간 정보 및 위치에 따른 시간 예측 서비스를 위하여 사용 가능하다.

상기와 같은 이동 경로 선택 방법을 이용하는 것에 의해, 과거 수집된 사용자의 이동 경로 데이터를 기반으로 사용자의 이동할 경로를 예측할 수 있다.

위치 기반 서비스, 이동 경로 선택, 이동 객체

Description

이동 경로 데이터에 기반한 이동 객체의 시공간 위치 예측 방법 {Spatio-Temporal Reasoning Method of Moving Object Based Path Data}

도 1은 이동 경로 선택 방법을 위한 전체 시스템 흐름도이다.

도 2는 이동 경로 수집과 예측을 위한 예시 도면이다.

도 3은 이동 경로 선택과정을 도시하는 도면이다.

도 4는 사용자로부터 수집되는 이동 경로의 표현 예이다.

도 5는 이동 경로 분석과정에서 요구되는 사잇각 추출 방법을 위한 도면이다.

도 6은 격자 공간에서 경로 유사도 측정의 예시를 보여준 도면이다.

도 7은 이동 경로 매칭의 3가지 방법을 보여준 도면이다.

도 8은 이동 중인 경로의 이동이 완료된 경로를 도시하는 도면이다.

도 9는 두 경로의 평균을 표현한 도면이다.

도 10은 수집된 경로와 이동중인 경로를 이용한 구간별 유사도 측정 방법을 표현한 도면이다.

본 발명은 사용자의 위치예측 방법에 관한 것으로, 보다 상세하게는 사용자의 과거 이동 경로의 분석을 통하여 이동 중인 사용자의 시공간 위치를 예측하는 방법에 관한 것이다.

사용자에게 적응된 서비스를 제공하기 위하여 현재 많은 연구가 진행 중이다. 일반적으로 적응된 서비스의 제공을 위해서는 사용자 관련 데이터(시간, 온도, 습도, 위치 등 수집 가능한 사용자와 관련된 모든 데이터)를 수집하고 그 수집된 데이터를 분석하게 되는데, 분석된 결과는 단순한 수집 데이터에서 유용한 정보로서의 가치를 가지게 된다. 수집하여 분석한 정보는 다양한 예측 기술에 이용하여 사용자에게 적응된 서비스를 하기 위하여 사용되는 것이 일반적인 접근 방법이다.

예를 들면 날씨에 따라 테니스를 할 것 인지 대한 여부를 예측하는 것이나, 게임에서 플레이어의 게임 운영 성향에 따라 적절히 대응하는 NPC(Non-Player Characters)를 만들어 주는 것, 또는 사용자의 감정 상태에 따라 적절한 환경을 연출해 주는 것들이 모두 사용자로부터 수집된 데이터를 분석하고 예측한 결과값을 이용한 것이다. 이와 마찬가지로 사용자의 이동 경로를 수집하여 분석하고 예측하는 기술 또한 사용자에게 적응된 서비스를 제공하기 위해 유용하게 사용 될 수 있다.

예를 들면 "오전 9시에 집을 출발한 A씨는 지금 어디를 향해 가고 있는가? 가는 도중 어느 지점을 경유할 것인가? 지금으로부터 30분 후에 어디에 있을 것인가?" 등의 질문에 대하여 대답할 수 있다면, 이와 관련된 여러 유용한 서비스를 제공할 수 있을 것이다. 다음은 좀더 구체적인 예이다. A씨는 일요일에 운동을 위해 서 주로 산책을 한다. 최근 A씨가 산책한 경로와 시간에 대한 데이터는 도 2와 같았다고 하자. 여기서, H는 A씨의 집을 의미하며, Pi는 산책하며 지나간 지점을 의미한다. 각 지점과 함께 적힌 숫자는 출발지점(H)으로부터 그 지점까지 걸린 시간이다. "A씨가 산책을 위해서 집을 출발한 후 A씨는 몇 분 후에 다시 집으로 돌아올 것인가?", "현재 P3지점이고 여기까지 13분 걸렸다면 P7지점을 통과 할 때의 시간은 어떻게 되는가?" 등에 대한 질문에 대답할 수 있다면, A씨에게 좀더 다양한 서비스를 제공할 수 있을 것이다. 예를 들면 A씨가 집에 도착할 시간에 맞춰 목욕물을 준비하거나, A씨가 P7지점을 거쳐 간다고 예상되면 P3지점에서 P7지점까지 가는 경로의 정보나 P7지점에서 A씨가 하는 일을 준비할 수 있을 것이다. 이러한 기술은 사용자 서비스뿐만 아니라 게임에서 플레이어의 움직임을 예측하는 지능적 NPC(Non-Player Characters) 개발에 유용하게 사용될 수 있으며, 물류, 생활편의 서비스, 원하는 상품에 대한 위치 예측 기능, 위치기반 마케팅/광고 등의 서비스에서도 사용될 수 있다.

위치 기반 서비스를 위해 사용되는 기술은 위치 인식 기술과 위치 예측 기술로 크게 두 가지로 나누어 질 수 있다. 위치 인식 기술은 CDMA와 GSM/GPRS과 같은 이동 통신 사업망을 이용한 방법과 GPS와 같은 인공위성을 이용한 방법, 그리고 적외선, 초음파, RF 신호, 영상인식 등의 센서 장비를 이용한 방법에 이르기 까지 다양한 방법이 연구되고 있다. 하지만 기존의 연구는 이동 경로 데이터를 분석하기 보다는 주로 인식하는 기술과 공간 데이터베이스 측면에 대한 기술로서, 이러한 기술로는 데이터를 분석하여 예측하기 곤란하다. 따라서 다양한 예측 기술에 이용하 여 사용자에게 적응된 서비스를 제공하는 데는 한계가 있었다.

따라서, 본 발명의 목적은 다양한 예측 기술에 이용하여 사용자에게 적응된 서비스를 제공하기 위하여 사용자의 이동 경로 데이터에 기반한 이동 공간 위치 예측 방법을 제공하는 것이다.

상기와 같은 목적을 달성하기 위해, 본 발명에서는 동적 정합법을 이용하여 경로간의 유사도를 측정하였으며, 경로간의 유사도를 이용하여 저장된 이동 경로 데이터 중에서 현재 이동중인 경로와 유사한 경로를 선택한 후, 그 경로를 기반으로 이동 중인 사용자의 이동 공간 위치를 예측하게 된다.

도 1은 본 발명에 따른 이동 공간 위치 예측 방법을 설명하기 위한 전체 흐름도이다. 도 1에 도시된 바와 같이, 사용자의 과거 이동 경로를 수집하고, 이들 과거 이동 경로 데이터들간의 정합도(Matching Degree)를 측정한다. 다음에, 정합도를 이용하여 전체 과거 이동 경로 데이터중 정합되는 이동 경로는 선택하고 정합되지 않는 이동 경로에 대한 데이터는 제외시킨다. 다음에 현재 이동중인 사용자의 이동 특성을 분석하기 위하여 사용자의 현재까지의 이동 경로를 상기 정합되어 선택된 과거 이동 경로 데이터와 유사도(Similarity) 측정을 실시한다. 상기 유사도 측정후 그 결과치가 유사도 임계치 이내에 있는 적합한 경로를 선택한다. 상기 선택된 경로들 중에서 그 경로를 대표할 수 있는 대표 경로를 선택한다. 이와 같이 선택된 대표 경로를 이용하여 시공간 예측서비스를 실시하게 된다.

상기 정합도(Matching Degree)와 유사도(Similarity)를 측정하는 방법은 동일하다. 다만 정합도는 과거 이동 경로만을 대상을 측정하지만, 유사도는 정합도에 의해 선택된 과거 이동 경로와 현재 사용자의 이동 경로를 기초로 측정한다는 것이 다르다. 정합도와 유사도 측정 방법에 대해서는 이하에서 유사도 측정 방법을 기초로 설명할 것이다.

본 특허는 도2와 같이 사용자의 과거 이동 경로에 대한 데이터가 주어졌다고 가정한다. 이를 분석하여 현재 이동 중인 사용자의 목적지 예측, 사용자가 선택할 경로 예측, 현재 이동중 특정시간에 어느 위치에 있을 것인지, 특정 위치에는 어느 시간에 도달할지 등을 분석하는 기법을 제시한다.

이를 위해서 각 경로 사이의 유사성을 측정할 수 있도록 이동 경로의 각 지점에 위치와 그곳에 사용자가 도달한 시간과 이동 방향을 고려하는 유사도 함수를 정의하고 동적 정합법을 이용하여 경로간의 유사도를 측정하였다. 현재 이동중인 사용자의 이동 특성을 분석하기 위하여 현재까지의 이동 경로를 기존에 수집된 이동 경로 데이터와 유사도 측정을 하여 각각의 유사도를 얻고 이를 바탕으로 이동 경로의 특성을 분석하게 된다(도3).

본 특허에서 제안하는 방식은 기본적으로 두 경로의 유사도(Similarity)를 바탕으로 한다. 한 경로는 경로 안에 있는 지점과 그 지점을 통과한 시각의 쌍의 집합으로 정의한다. 예를 들면 사용자가 p₀지점을 시간 0에 출발하여 p₁은 시간 30에 지났고 p₂는 40에, p₃는 65에 통과하여 p₄에는 80에 도달했다면 이 경로 P는,

P={(p ₀ ,0)(p ₁ ,30)(p ₂ ,40)(p ₃ ,65)(p ₄ ,80)}

으로 나타낼 수 있으며, 마찬가지로 임의의 다른 경로 Q는

Q={(q ₀ ,0)(q ₁ ,20)(q ₂ ,50)(q ₃ ,70)(q ₄ ,75)(q ₅ ,90)}

과 같이 나타낼 수 있다. 또한 도4와 같이 P와Q에 대한 각 지점의 위치를 점으로 표시하여 그림으로 나타낼 수 있다.

이때 두 경로 P와Q는 상호 얼마나 유사하다고 해야 할 것인가? 이를 위해서 우리는 P의 임의의 지점과 Q의 임의의 지점간의 유사도를 정의했는데, 그 이유는 경로의 유사도란 두 경로에 얼마나 유사한 지점들이 포함되어 있는가를 이용하여 정의 할 수 있기 때문이다. 예를 들어 P의 한 지점인(p_i, t_i )와 Q의 한 지점인(q_j, t_j)의 유사도는 아래와 같이 정의 된다.

C ₁ , C ₂ , C ₃ : 상수 T:| t _i - t _j |

D : 두 지점 p _i ,q _j 간의 거리 θ:p _i 와 q _j 의 사잇각

본 특허에서는 경로간의 유사도 측정을 위해 두 경로간에 거리, 방향성 그리고 시간의 요소를 반영하여 계산하는데, 여기서 상수 C₁은 거리에 대한 상수이고, 상수 C₃는 시간에 대한 상수로 0과1사이의 값을 가지게 된다. D는 두 지점의 물리적인 거리이고, T는 두 지점의 시각차이 즉 |t_i-t_j|이고, C₂는 방향 수식을 위한 상수이며 θ는 두 지점으로의 이동 사잇각으로 아래와 같이 정의 된다. 여기서 상수 C₁, C₂, C₃는 거리, 방향, 시간에 대한 가중치를 부여 할 수 있으며 사용자에 의해서 결정되는 것이다. 예를 들어 경로의 유사도를 측정하는데 있어 시간에 대한 의미를 높게 부여하고 싶다면 C₃의 수치를 C₁, C₂ 에 비해 높게 부여한다. 또한 각 상수값은 적용하는 분야와 상황에 따라 사용자가 적절하게 조절한다.

유사도

는 0에서 1사이의 결과값을 가질 수 있는데, 비교되는 두 요소가 유사할수록 1의 값에 근접한 결과를 얻을 수 있다. 적합한 경로 선택시, 상황 및 조건에 따라 유사도 임계치값을 설정함으로써 적절한 경로를 선택할 수 있다. 도 5는 두 이동 경로에 대한 사잇각을 구하기 위하여 p_i와p_{i- 1}를 평행 이동한 모습이다.

θ는 두 벡터 (p_i-p_i-1)과 (q_j-q_{j -1})의 사잇각으로 i나 j중 어느 하나가 0이면 θ=0이다. 도 5는 θ에 대한 정의를 보여준다. 예를 들어 p_i,q_j가 도 6과 같이 주어졌다. P경로는 p_i-1에서 p_i까지 시간은 1에서 3으로 2가 소요되었으며, 두번째 경로 Q는 q_{j -1}에서 q_j으로 이동했고 시간은 3에서 4로 1이 소요되었다. 제안하는 방법의 계산을 위해 상수값 C₁=0.7, C₂=2, C₃=0.7이라고 가정 할 경우

이므로

값을 가지게 되며, 두 지점의 유사도는 위치와 시간, 이전 지점에서 온 방향이 모두 일치해야만 1의 값을 가지게 된다.

이를 바탕으로 경로 P와Q의 유사도는 다음과 같이 정의하였다.

즉, P의 모든 지점과 Q의 모든 지점을 서로 중복 허락하여 시간순으로 쌍을 만든 후, 모든 쌍의 유사도가 최대가 되는 그러한 쌍들의 유사도 합을 두 경로 P와 Q의 유사도로 정의 하였는데, 그것은 경로에 속한 각 지점간에 적절한 매칭이 이루 어지는 것을 확인하기 위해서 이다. 예를 들어 P={(p₀,0)(p₁,1)(p₂,2)(p₃,3)}과 Q={(q₀,0)(q₁,3)} 두 경로가 있을 때 위의 조건에 맞도록 이것들의 각 지점에 쌍을 만드는 방법은 도 7과 같이 3가지 방법이 있다.

이때 각각의 경우의 경로 유사도를 구해보면 (a)의 경우 Sim(p₀,q₀)+Sim(p₁,q₀)+Sim(p₂,q₀)+Sim(p₃,q₃)=2.013, (b)의 경우 Sim(p₀,q₀)+Sim(p₁,q₀)+Sim(p₂,q₃)+Sim(p₃,q₃)=2.262, (c)의 경우 Sim(p₀,q₀)+Sim(p₁,q₃)+Sim(p₂,q₃)+Sim(p₃,q₃)=1.394 이므로 이 두 경로 P, Q는 max(2.013, 2.262, 1.394 )=2.262가 된다. 따라서 (a), (b), (c)의 경로간 노드 매칭 중에서 (b)선택된다. 그리고 P={(P₀,₀)(P₁,₁)…(P_i,t_i)}, Q={(q₀,₀)(q₁,₁)…(q_j,t_j)} 일 때

이다. g(i,j)는 아래와 같이 정의 되는 재귀적 수식으로 표현 가능하다.

이것은 동적 정합법(Dynamic Time Warping)과 유사한 방법으로, 위의 수식은 동적 프로그래밍 (Dynamic Programming)기법으로 해결 될 수 있다. 동적 정합법을 이용함으로써 경로간에 속한 각 지점에 대해, 이동 순서가 고려되어 매칭이 실시된다.

앞에서 설명한 경로 유사도를 바탕으로 현재 이동 경로와 관련된 정보의 예측에 관해서 기술한다. 과거의 이동 경로 데이터가 주어져 있고 현재 사용자가 이동하며 Q라는 경로를 생성하고 있을 때, 이 사용자의 목표지점은 어디인가, 어느 경로로 이동할 것인가, 특정 지점에는 언제 도달할 것인가, 특정시간에는 어느 위치에 있을 것인가? 등을 예측을 위해 사용될 대표 경로 선택방법과 이를 이용한 예측에 대해서 기술한다.

경로선택은 과거의 경로 P₁, P₂,…,P_i이 주어지고 현재 사용자가 이동하며 Q라는 경로를 생성하고 있을 때, 과거 경로에 비추어 보았을 때 사용자의 최종 목적지가 어디인지, 그 목적지까지는 어떤 지점을 거쳐 갈 것인지를 예측하는 것이다.

즉, 도 8과 같이 과거의 데이터 P₁, P₂, P₃가 수집되었고, 현재 사용자는 이동하며 Q와 같은 경로를 생성하고 있을 때, 과거 데이터에 비추어 최종목적지가 어디일지 또 어떤 경로를 따라서 그 곳까지 이동하게 될 것인가는 예측해야 한다.

제안하는 방법은 과거 경로 데이터 중에서 현재 이동 중인 사용자의 경로와 유사한 것을 찾아 그 유사한 경로들로부터 필요한 정보를 수집한다. 그러나 일반적으로 경로의 특성상 서로 다른 여러 경로를 함께 고려하여 여러 경로를 대표할 수 있는 평균적인 경로를 생성하더라도 그것의 현실적 의미를 부여하기 어렵다. 예를 들어 도 9와 같이 a가 목적지인 경로 P₁과 b가 목적지인 경로 P₂가 있을 때 이 두 경로를 대표할 수 있는 대표 경로와 대표 목적지를 구하기 위해 이 두개를 단순 평균하여 Q와 같은 경로를 사용하기는 곤란할 것이다.

그 이유는 경로Q가 지나는 지점이 현실적으로 의미 있는 지점이 아닐 수도 있으며 경로의 평균이라는 것 역시 정의하기가 매우 곤란한 특성을 가지고 있기 때문이다. 이러한 이유로 본 특허에서는 현 사용자의 이동 경로와 유사한 경로들을 선택 후 그 중에서 그 경로들을 대표할 수 있는 대표 경로를 선택하는 방식을 취하였다.

이동 경로의 분석은 정적인 개체 보다는 이동 중인 동적인 개체에 대해 더 많이 사용될 수 있다. 이동중인 개체의 경로 예측을 위하여 수집된 과거의 경로 P와 현재 이동중인 경로 Q의 유사도를 측정하고, P경로들 중에서 유사도를 만족하는 경로를 선택하여 서비스에 사용하게 된다.

수집된 이동 경로와 현재 이동중인 경로의 비교 분석에서, 현재 이동 중인 경로의 길이가 얼마 되지 않을 경우, 그 얼마 되지 않은 경로의 길이 만을 기준으로 하여 수집된 다른 경로와 유사성을 평가 한다면 선택된 경로의 신뢰성에 문제가 있다고 할 수 있다. 예를 들어 수집된 경로 P가 100m를 이동했고, 현재 이동 경로 Q는 10m를 이동중이라고 할 때 10m 이동중인 Q를 이용하여 100m이동한 P와 비교 분석하고 경로를 결정한다면 선택된 경로의 신뢰성을 보장하기 힘들 것이다. 본 특허에서는 이동 경로의 선택을 위해 현재 이동중인 경로의 길이만큼 그 비율에 따라 가중치로 사용한다.

도 10은 수집된 경로 P 그리고 현재 이동 중인 경로 Q를 표현한 그림이다. P의 전체 이동 경로는 100m이며 Q가 10m 이동 했을 때의 위치를 L₁, 20m는 L₂, 30m는 L₃, 50m는 L₄로 가정한다. 만약 Q의 현재 위치가 L₁이라고 가정하고 유사도를 구한다면, 현재까지 이동한 Q의 거리를 이용하여 수집된 P경로와 유사도를 평가하게 되는데 10m만큼 이동 하였으므로 전체 이동 경로 길이 100m에 대한 비율 0.1만큼 유사도 수치를 반영한다. 마찬가지로 Q가 L₄에 위치해 있다고 가정할 경우 산출된 유사도 수치의 0.4만큼 반영되어 유사경로를 선택하게 된다.

이상에서 설명한 것은 본 발명에 따른 하나의 실시예를 설명한 것이며, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자가 변경실시 가능한 범위까지 본 발명의 범위에 있다고 할 것이다.

위와 같은 방법으로 선택된 이동 경로는 목적지 또는 특정 위치에 대한 시간 정보를 얻어 낼 수 있으며, 이동 중인 사용자의 목적지 예측, 사용자가 선택할 경로, 현재 이동중 특정시간에 어느 위치에 있을 것인지, 특정 위치에는 어느 시간에 도달할지 등에 대한 예측이 가능하다.

Claims (19)

1. 이동 경로 데이터에 기반한 이동 객체의 시공간 위치 예측 방법에 있어서, 수집된 경로와 이동중인 경로 사이의 유사성을 측정할 수 있도록 이동 경로의 각 지점의 위치와 그곳에 사용자가 도달한 시간과 이동 방향을 고려하는 유사도 함수를 정의하고 동적 정합법을 이용하여 경로간의 유사도를 측정하고, 측정된 바탕으로 사용자의 이동 경로를 예측하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
2. 제 1항에 있어서, 임의의 지점P(p_i, t_i )과 임의의 지점Q(q_j, t_j)간의 유사도는 다음 식과 같이 정의 되며,

   

   여기서, C₁, C₂, C₃ 는 각각 거리, 방향 및 시간에 대한 상수이며, T=|t_i-t_j|이며, D는 두 지점 p_i,q_j 간의 거리이며, θ는 p_i와 q_j의 사잇각인 것 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
3. 제 2항에 있어서, 상기 상수 C₁, C₂, C₃는 사용자에 의하여 결정되는 것 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
4. 제 2항에 있어서, 상기 유사도

   

   는 0에서 1사이의 결과값을 가질 수 있으며, 상황 및 조건에 따라 유사도 임계치값을 설정함으로써 적절한 경로를 선택할 수 있는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
5. 제 2항에 있어서, 상기 사잇각은 다음 식에 의하여 계산되는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.

   
6. 제 2항에 있어서, 경로 P와Q의 유사도는 다음 식에 의하여 계산되는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.

   
7. 제 2항에 있어서, 상기 유사도 측정에 의하여 현 사용자의 이동 경로와 유사한 경로들을 선택 후, 선택된 경로들 중에서 그 경로들을 대표할 수 있는 대표 경로를 선택하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
8. 제 2항에 있어서, 수집된 이동 경로와 현재 이동 중인 경로의 유사도를 측정할 경우, 현재 이동중인 경로의 길이만큼 그 비율에 따라 가중치를 부여하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
9. 이동 경로 데이터에 기반한 이동 객체의 시공간 위치 예측 방법에 있어서,

   사용자의 과거 이동 경로들을 수집하는 단계;

   상기 과거 이동 경로 데이터들간의 정합도(Matching Degree)를 측정하는 단계;

   상기 정합도 측정을 이용하여 전체 과거 이동 경로 데이터중 정합되는 이동 경로는 선택하고 정합되지 않는 이동 경로에 대한 데이터는 제외시키는 단계;

   현재 이동중인 사용자의 이동 특성을 분석하기 위하여 사용자의 현재까지의 이동 경로를 상기 정합되어 선택된 과거 이동 경로 데이터와 유사도(Similarity) 측정을 실시하는 단계; 및

   상기 유사도 측정을 기초로 이동 중인 사용자의 이동 공간 위치를 예측하는 단계를 포함하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
10. 제 9항에 있어서, 상기 유사도 측정후 그 결과치가 유사도 임계치 이내에 있는 적합한 경로를 선택하는 단계를 더 포함하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
11. 제 9항에 있어서, 상기 선택된 경로들 중에서 그 경로를 대표할 수 있는 대표 경로를 선택하는 단계를 더 포함하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
12. 제 9항에 있어서, 상기 정합도와 유사도를 측정하는 방법은 동일한 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
13. 제 9항에 있어서, 선택된 경로를 기초로 시공간 예측 서비스를 제공하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
14. 제 12항에 있어서, 임의의 지점P(p_i, t_i )과 임의의 지점Q(q_j, t_j)간의 유사도는 다음 식과 같이 정의 되며,

    

    여기서, C₁, C₂, C₃ 는 각각 거리, 방향 및 시간에 대한 상수이며, T=|t_i??t_j|이며, D는 두 지점 p_i,q_j 간의 거리이며, θ는 p_i와 q_j의 사잇각인 것 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
15. 제 14항에 있어서, 상기 상수 C₁, C₂, C₃는 사용자에 의하여 결정되는 것 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
16. 제 14항에 있어서, 상기 유사도

    

    는 0에서 1사이의 결과값을 가질 수 있으며, 상황 및 조건에 따라 유사도 임계치값을 설정함으로써 적절한 경로를 선택할 수 있는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.
17. 제 14항에 있어서, 상기 사잇각은 다음 식에 의하여 계산되는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.

    
18. 제 14항에 있어서, 경로 P와Q의 유사도는 다음 식에 의하여 계산되는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.

    
19. 제 14항에 있어서, 수집된 이동 경로와 현재 이동 중인 경로의 유사도를 측정할 경우, 현재 이동중인 경로의 길이만큼 그 비율에 따라 가중치를 부여하는 것을 특징으로 하는 이동 객체의 시공간 위치 예측 방법.

Images