KR20080064117A

KR20080064117A - 개방 및 폐쇄 세계 모델링 방법을 사용하여 부분적인궤적으로부터 목적지를 예상하는 방법

Info

Publication number: KR20080064117A
Application number: KR1020087007693A
Authority: KR
Inventors: 존 씨. 크럼; 에릭 제이. 호비츠
Original assignee: 마이크로소프트 코포레이션
Priority date: 2005-09-29
Filing date: 2006-09-05
Publication date: 2008-07-08
Also published as: JP4896981B2; MY149572A; NZ566701A; US8024112B2; WO2007040891A1; JP2009521665A; CN101297337B; CN101297337A; US10746561B2; US20110282571A1; EP1929456A1; RU2406158C2; RU2008112196A; AU2006297550A1; CA2620587A1; NO20081104L; US20070073477A1; EP1929456A4; BRPI0616736A2

Abstract

본 발명은 여행의 부분적인 궤적 및 정황에 대한 관측으로부터 사용자의 경로 및/또는 목적지들에 걸친 확률 분포를 추론하는 것을 용이하게 하는 방법 및/또는 시스템을 제공한다. 여행의 목적지는 수신된 입력 데이터에 적어도 부분적으로 기초하는 가능성 및 우선도 중 적어도 하나에 기초한다. 목적지 추정기 컴포넌트는 하나 이상의 개인 목적지 우선도, 하루 중 시간대 및 요일, 토지 표면 우선도, 후보 위치와 연관된 운전 효율성 및 여행 시간 가능성을 사용하여 목적지를 예상할 수 있다. 게다가, 모집단으로부터 수집된, 이전에 방문하지 않은 위치를 방문할 가능성 및 그런 위치의 공간적 구성에 대한 데이터는 목적지 및 경로의 예상을 향상시키는데 사용될 수 있다.

개방 세계 모델링, 폐쇄 세계 모델링, 개인 목적지 우선도, 토지 표면 우선도, 효율적 운전 가능성, 여행 시간 가능성, 목적지 추정기

Description

개방 및 폐쇄 세계 모델링 방법을 사용하여 부분적인 궤적으로부터 목적지를 예상하는 방법{METHODS FOR PREDICTING DESTINATIONS FROM PARTIAL TRAJECTORIES EMPLOYING OPEN- AND CLOSED- WORLD MODELING METHODS}

위치는 개인 사정의 중요한 부분일 수 있다. 많은 양의 정보가 개인의 지리적 위치 및, 만일 개인이 이동중이라면, 개인의 목적지의 지리적 위치와 연관될 수 있다. 통상적으로, 한 위치에서 다른 위치로 이동하는 개인은 길잡이로써 지도를 사용한다. 그러나, 지도를 사용하려면 개인이 현재의 위치로부터 목적지까지 횡단하는데 따라갈 경로를 파악할 것이 요구된다. 게다가, 그런 여행자는 통상적으로 오직 구두, 개인적 친밀도 등을 기초로 하는 현재 위치 또는 목적지에 관련된 정보만을 통지받는다. 예시로서, 만일 여행자가 이전에 방문한 적이 없는 위치에 있다면, 그 여행자는 주유소, 식당 등의 위치에 대하여 모를 것이고 따라서 도움을 요청하거나 길을 따라 표지판을 보는 것에 의지하여야 할 수도 있다. 또 다른 예시로서, 지도를 사용하는 운전자는 교통 정체에 대하여 오직 그런 교통 정보를 제공하는 라디오 방송을 청취하는 것에 의해서만 정보를 얻을 수 있을 수도 있다.

현재 시작 지점부터 목적지까지의 지도를 생성하는 것을 지원하는 다수의 애플리케이션이 이용 가능하다. 예를 들어, 그런 애플리케이션들은 사용자에게 시작 지점으로부터 목적지까지의 경로를 묘사하는 지도뿐만 아니라 운전 방향(driving direction)도 제공한다. 예시로서, 사용자는 시작 지점과 종료 지점을 입력할 수 있고, 애플리케이션은 관련된 운전 방향 및/또는 지도(들)를 (예를 들어, 경로를 하이라이트하여) 산출한다. 이런 애플리케이션은 퍼스널 컴퓨터, 랩톱 컴퓨터, 핸드헬드 장치, 핸드폰 등과 같은 장치와 접속하여 이용될 수 있다.

최근에는, 자신과 연관된 위치를 결정할 수 있는 전 지구 위치 확인 시스템(전 지구 위치 확인 시스템; GPS) 장치가 더 일반적으로 이용되고 있다. 예를 들어, 차량 운전자에게 운전 방향을 제공하는데 차량의 네비게이션 시스템과 함께 GPS가 사용될 수 있다. 이 예에 따르면, 네비게이션 시스템은 차량의 위치 변화에 따라 업데이트 되는 지도를 디스플레이할 수 있다. 나아가, 네비게이션 시스템은 차량이 이동하는 동안 운전자에게 (예를 들어, 화면이나 스피커를 통해.. ) 단계별 방향을 제공할 수 있다. 그러나, (다른 전통적인 기법 뿐만 아니라) GPS를 사용하는 통상적인 시스템은 일반적으로 사용자가 목적지를 직접 입력할 것을 요구한다. 예를 들어, 운전자가 목적지의 위치를 표시하지 않는 한 GPS 장치는 통상적으로 차량 운전자에게 운전 방향을 제공하지 않을 것이다. 게다가, 사용자는 이동할 때마다 매번 목적지를 입력하지 않을 수 있고, 따라서 목적지 및/또는 관련 경로와 연관된 경보(alert)가 사용자에게 제공되지 않을 수 있다. 예를 들어, 사용자는 직장, 집, 학교와 같이 자주 다니는 위치로 이동할 때 목적지를 입력하지 않을 수 있고, 따라서 관련 경보가 사용자에게 제공되지 않을 수 있다.

후속 내용은 본 명세서에 기술된 소정의 태양에 대한 기본적인 이해를 제공하기 위해 간략화된 설명을 제공한다. 본 설명은 본 발명에 대한 광범위한 개관이 아니다. 본 설명은 본 발명에 대한 기초적이고 결정적인 요소를 파악하고자 하거나 본 발명의 범주를 상술하고자 하는 것도 아니다. 본 설명의 단 하나의 목적은 추후에 제공될 더 상세한 설명에 대한 서두로서 소정의 개념들을 간략화한 형태로 제공하는 것이다.

본 발명은 목적지(들)를 확률적으로 예상하는 것을 용이하게 하는 방법 및/또는 시스템과 관련되어 있다. 사용자, 사용자의 이력(예: 이력 데이터(historical data)), 다른 사용자의 이력, 지리적 영역의 지형(예: 토지 표면 데이터(ground cover data)), 효율적인 경로, 여행 시간 분포, 현재 여행(예: 위치, 위치 변화, 시간...) 등과 연관될 수 있는 입력 데이터를 획득할 수 있다. 임의의 소스(예: 위치 컴포넌트, 타이머 컴포넌트, 데이터 저장 장치, 인터넷...)로부터 입력 데이터를 획득할 수 있음을 예상할 수 있을 것이다. 하나 이상의 우선도 및/또는 하나 이상의 가능성을 이용하여 예상이 이루어질 수 있다. 예를 들어, 우선도는 개인 목적지 우선도(personal destination prior) 및/또는 토지 표면 우선도(ground cover prior)일 수 있다. 게다가, 가능성은 효율적 운전 가능성(efficient driving likelihood) 및/또는 여행 시간 가능성(trip time likelihood)일 수 있다. 예상 목적지(들)를 생성하는데 하나 이상의 우선도, 하나 이상의 가능성 또는 우선도와 가능성의 조합이 이용될 수 있음을 이해하여야 할 것이다.

본 발명의 다양한 태양에 따라서, 목적지 추정기 컴포넌트(destination estimator component)는 우선도 및/또는 가능성에 기반하여 목적지를 확률적으로 예상할 수 있다. 목적지 추정기 컴포넌트는 우선도(들) 및/또는 가능성(들)을 조합하거나 더 나아가 선택하여 예상 목적지를 산출하는데 사용될 수 있다. 일 예에 따르면, 목적지 추정기 컴포넌트는 베이즈 법칙(Bayes rule)을 활용함으로써 우선도(들) 및/또는 가능성(들)의 임의의 조합을 사용할 수 있다.

본 발명의 하나 이상의 태양에 따르면, 목적지 추정기 컴포넌트는 개인 목적지 우선도, 토지 표면 우선도, 효율적 운전 가능성 및/또는 여행 시간 가능성을 사용할 수 있다. 개인 목적지 우선도는 사용자의 이전 목적지의 집합을 기초로 할 수 있고, 따라서 이력 데이터를 평가하여 개인 목적지 우선도를 산출할 수 있다. 예를 들어, 개인 목적지 우선도를 획득하는 것과 관련하여 개방 세계 모델링(open world modeling) 및/또는 폐쇄 세계 모델링(close world modeling)이 사용될 수 있다. 개방 세계 및/또는 폐쇄 세계 분석은 위치 예측으로 통합될 수 있고, 따라서 이 분석은 운전자가 이전에 (관측 영역 기능으로) 관측되지 않은 위치를 방문할 가능성에 대한 예측 및 사전 위치가 주어졌을 때 새로운 위치의 공간적 관계 대한 예측 양쪽 모두를 포함한다. 시간에 걸친 복수의 사람에 대한 관측로부터 개방 세계 추론에 대한 파라미터를 얻을 수 있고, 그 후 개인에게로 매핑할 수 있다. 또한, 개방 세계 모델링에서 인구 통계 정보가 참작될 수 있다. 게다가, 토지 표면 우선도는 특정 셀 이내의 토지 표면에 기초하는 특정 셀이 목적지일 확률을 제공하는 토지 표면 데이터를 기초로 할 수 있다. 나아가, 효율적 운전 가능성은 후보 목적지에 도착할 때까지 걸리는 시간의 변화를 기초로 할 수 있는데, 여기서 여행자는 여행이 진행됨에 따라 도착할 때까지 걸리는 시간을 계속하여 단축하는 것으로 가정한다. 예를 들어, 각각의 후보 목적지와 연관되어 계산된 운전 효율성은 최종 위치에 대한 단서로써 활용될 수 있다. 여행 시간 가능성은 여행 시간 분포 및/또는 경과된 여행 시간에 기초할 수 있다. 다른 예시에 따라, 하루 중 시간대, 요일(예를 들어, 주말 대 주중), 휴일 상황, 계절, 월 등의 정황적 특징이 분석의 일부로써 이용될 수 있다.

본 발명의 다양한 태양에 따라, 목적지, 사람들이 목적지로 갈 때 채택할 것 같은 경로를 파악하는데 추론이 적용될 수 있다. 나아가, 애플리케이션은 파악된 목적지 및/또는 경로를 사용하여 사용자에게 관련 정보를 제공할 수 있다. 일 예에 따르면, 애플리케이션은 교통 경고, 공사, 전방 안전 문제, 표시될 광고 안내, 방향 제공, 경로 설정 조언, 업데이트 등을 제공할 수 있다. 예를 들어, 사용자에게 제공되는 정보는 예상 목적지(들)와 관련될 수 있다. 부가적으로 또는 선택적으로, 정보가 경로와 연관된 위치(예를 들어, 경로를 따라 지나가게 되는 위치)에 관련될 수 있도록 예상 목적지(들)까지의 경로가 추정될 수 있다. 관련 정보는, 예를 들어, 교통과 관련된 경보, 운행 보조(navigational assistance), 사건, 표적 광고, 시설, 랜드마크 등을 포함할 수 있다. 관련 정보는 임의의 방식으로 (예를 들어, 음성 신호로써, 시각적 정보로써,....) 전달될 수 있음을 이해하여야 할 것이다. 나아가, 제공된 정보는 사용자의 기호에 따라 커스터마이즈될 수 있다.

이하의 기술 및 첨부된 도면은 본 발명의 일정한 예시적인 태양을 상세히 설명한다. 그러나 이 태양들은 본 발명의 원리가 사용되는 다양한 방법 중 소수의 일부를 나타낼 뿐이고, 본 발명은 그러한 모든 태양들 및 그 등가물을 포함한다. 다른 장점 및 참신한 특징은 도면과 함께 이하의 상세한 설명을 참고할 때 명확해질 것이다.

도 1은 사용자의 목적지(들)를 결정하는 것을 용이하게 하는 예시적인 시스템의 블록도.

도 2는 목적지(들)를 확률적으로 예상하는 것과 관련하여 이용될 수 있는 위치들 간의 경로 및/또는 확률적 그리드(probabilistic grid)를 생성하는 예시적인 시스템의 블록도.

도 3은 이력 데이터에 기초하여 목적지(들)를 예상하는 예시적인 시스템의 블록도.

도 4는 개방 세계 모델링을 이용하여 목적지(들)을 예상하는 예시적인 시스템의 블록도.

도 5는 토지 표면 데이터에 적어도 부분적으로 기초하여 예상된 목적지(들)를 제공하는 예시적인 시스템의 블록도.

도 6은 이전 방문 지역으로부터 4개의 임계 반경에 걸쳐 이산화(discretization)함으로써 나타난 4 단 확률 분포를 도시하는 도면.

도 7은 효율적 경로 데이터에 적어도 부분적으로 기초하여 목적지(들)에 대한 예상을 산출하는 예시적인 시스템의 블록도.

도 8은 목적지(들)를 예상하는 것과 관련하여 여행 시간을 계산하는 예시적 인 시스템의 블록도.

도 9는 우선도(들) 및/또는 가능성(들)을 조합하여 목적지(들)를 예상하는 것을 용이하게 하는 것을 가능하게 하는 예시적인 시스템의 블록도

도 10은 예상된 목적지(들)와 관련될 수 있는 정보를 제공하는 예시적인 시스템의 블록도.

도 11은 여행 중에 확률적으로 목적지(들)를 예상하는 예시적인 시스템의 블록도.

도 12는 예상 목적지(들)를 생성하는 것을 용이하게 하는 예시적인 시스템의 블록도.

도 13은 목적지(들)를 확률적으로 예상하는 것을 용이하게 하는 예시적인 방법론을 도시하는 도면.

도 14는 조합될 수 있는 우선도(들) 및/또는 가능성(들)에 기초하여 예상될 수 있는 목적지와 관련된 정보를 제공하는 예시적인 방법론을 도시하는 도면.

도 15 내지 18은 사용자 습성 및 목적지 예상을 모델링하는 것과 연관된 다양한 특징을 묘사하는 예시적인 그리드 및 상응하는 지도를 도시하는 도면.

도 19는 본 발명의 새로운 특징들이 이용될 수 있는 예시적인 네트워킹 환경을 도시하는 도면.

도 20은 본 발명에 따라 사용될 수 있는 예시적인 운영 환경을 도시하는 도면.

본 발명은 도면을 참고하여 기술되는데, 여기서 전체적으로 동일한 번호가 동일한 구성 요소를 지칭한다. 이하의 기술에서, 본 발명의 주요 혁신에 대한 완전한 이해를 제공하기 위해 다양한 특정 세부 사항들이, 설명을 목적으로, 서술된다. 그러나, 본 발명이 이런 특정 세부 사항들 없이도 실시될 수 있음은 자명할 것이다. 다른 경우, 본 발명의 주요 혁신을 기술하는 것을 용이하게 하기 위해 잘 알려진 구조 및 장치가 블록도 내에 도시된다.

여기서 사용된 바에 따르면, 용어 "컴포넌트", "시스템" 등은 하드웨어, 소프트웨어(예를 들어, 실행 중인) 및/또는 펌웨어와 같은 컴퓨터 관련 개체 중 하나를 지칭하고자 하는 것이다. 예를 들어, 컴포넌트는 프로세서상에서 실행 중인 프로세스, 프로세서, 객체, 실행 파일, 프로그램 및/또는 컴퓨터일 수 있다. 예시로서, 서버상에서 실행중인 애플리케이션 및 서버는 양쪽 다 컴포넌트가 될 수 있다. 하나 이상의 컴포넌트는 프로세서 내에 상주할 수 있고 컴포넌트는 하나의 컴퓨터상에 로컬로 배치되거나 더 나아가 두 개 이상의 컴퓨터에 간에 분산될 수 있다.

나아가, 본 발명은 소프트웨어, 펌웨어, 하드웨어 또는 컴퓨터를 제어하여 본 발명을 구현하기 위한 이들의 임의의 조합을 생산하는 표준 프로그래밍 및/또는 엔지니어링 기법을 사용하여 제조물, 방법 또는 장치로서 구현될 수 있다. 여기서 사용된 용어 "제조물"은 임의의 컴퓨터 판독 가능 장치, 캐리어, 매체로부터 액세스 가능한 컴퓨터 프로그램을 포함하고자 하는 것이다. 예를 들어, 컴퓨터 판독 가능 매체는 자기 저장 장치(예: 하드 디스크, 플로피 디스크, 자기 스트립,...), 광 디스크(예: 콤팩트 디스크(CD), DVD(digital versatile disk),...), 스마트 카드, 및 플래시 메모리 장치(예: 카드, 스틱, 키 드라이브,...)를 포함할 수 있다. 게다가 전자 메일을 송신하고 수신하는데 사용되거나 인터넷 또는 LAN(local area network)과 같은 네트워크를 액세스하는데 사용되는 것들과 같이 컴퓨터 판독 가능 전자 데이터를 운반하는데 반송파가 사용될 수 있음을 이해하어야 할 것이다. 물론, 본 발명의 사상과 범주를 벗어나지 않고 이 구성에 다양한 수정이 가해질 수 있음을 당업자라면 인식할 것이다. 더욱이, 단어 "예시적인"은 여기서 예, 보기 또는 예시로서의 역할을 함을 뜻한다. 여기에서 "예시적인"으로서 기술된 임의의 태양 또는 설계는 다른 태양 또는 설계에 비해 선호되거나 장점이 있는 것으로 해석될 필요는 없다.

이제 도면을 살펴보면, 도 1은 사용자의 목적지(들)를 결정하는 것을 용이하게 해주는 시스템(100)을 도시한다. 시스템(100)은 사용자, 사용자의 이력, 지리적 영역의 지형, 여행, 효율적 경로 등과 관련된 입력 데이터를 수신하는 인터페이스 컴포넌트(102)를 포함한다. 인터페이스 컴포넌트(102)는 임의의 소스로부터 입력 데이터를 수신할 수 있다. 예를 들어, 인터페이스 컴포넌트(102)는 사용자의 위치 변화 및/또는 위치를 결정하는 것을 가능하게 해주는, 예를 들어 전 지구 위치 확인 시스템(GPS), 위성 네비게이션 시스템, GLONASS, 갈릴레오 시스템(Galileo), 유럽 정지 위성 항법 장치 위치(European Geostationary Navigation Overlay System; EGNOS), 바이두(Beidou), 데카 항행 시스템(Decca Navigator System), 통신 탑 간의 삼각 측량 등과 같은 임의의 컴포넌트(미도시)로부터 입력 데이터를 획득할 수 있다. 다른 예시로서, 인터페이스 컴포넌트(102)는 사용자가 이전에 갔던 목적지와 연관된 입력 데이터를 (예를 들어, 데이터 저장장치로부터, 사용자 입력에 의하여,...) 수신할 수 있다. 부가적으로 또는 선택적으로, 인터페이스 컴포넌트(102)는 사용자가 현재 (예를 들어, 현재 여행 중에) 이동한 시간의 길이를 결정하는 타이머 컴포넌트(미도시)로부터 입력 데이터를 획득할 수 있다. 나아가, 인터페이스 컴포넌트(102)는 토지 표면 데이터를 수신할 수 있는데, 예를 들어, 이러한 데이터는 데이터 저장 장치(미도시)로부터 획득될 수 있다. 인터페이스 컴포넌트(102)는 임의의 시간에 입력 데이터를 수신할 수 있는데, 예를 들어 인터페이스 컴포넌트(102)는 사용자의 여행이 진행되는 동안 (예를 들어, 실시간으로), 사용자가 여행을 시작하기에 앞서, 기타 시점에 입력 데이터를 획득할 수 있음을 이해할 것이다.

인터페이스 컴포넌트(102)는 입력 데이터를 평가하고 목적지를 확률적으로 예상할 수 있는 목적지 추정기 컴포넌트(104)로 입력 데이터를 제공할 수 있다. 목적지 추정기 컴포넌트(104)는 적어도 입력 데이터의 일부분에 근거하는 우선도(들) 및/또는 가능성(들)을 이용하여 예상 목적지(들)를 생성할 수 있다. 예를 들어, 목적지 추정기 컴포넌트(104)는 개인 목적지 우선도, 토지 표면 우선도, 효율적 운전 가능성 및/또는 여행 시간 가능성을 사용할 수 있다. 임의의 수의 우선도 및/또는 임의의 수의 가능성이 조합되어서 사용되어 예상 목적지(들)를 산출할 수 있음을 이해하여야할 것이다. 예시로서, 목적지 추정기 컴포넌트(104)는 오직 토지 표면 우선도만을 사용하여 여행과 연관된 목적지를 확률적으로 예상할 수 있다. 또 다른 예시에 따르면, 목적지 추정기 컴포넌트(104)는 개인 목적지 우선도, 토지 표면 우선도, 효율적 운전 가능성 및 여행 시간 가능성을 사용하여 목적지(들)를 확률적으로 예상하는 것이 가능하다. 본 발명이 이 예시들에 한정되지 않음을 이해하여야 할 것이다.

목적지 추정기 컴포넌트(104)는 다양한 소스로부터의 데이터를 평가하여 개인이 이동할 위치를 예상할 수 있다. 일 예에 따르면, 목적지 추정기 컴포넌트(104)는 여행이 시작되기에 앞서 (예를 들어, 사용자가 차 안으로 진입했을 때) 또는 여행 중 임의의 시점에 목적지를 확률적으로 예상할 수 있다. 따라서, 입력 데이터는 현재 여행과 관련된 데이터(예: 현재 위치, 위치 변화, 현재 여행과 연관된 임의의 수의 위치, 현재 여행과 연관된 시간의 길이,..)를 포함할 수 있다. 나아가, 일 예에 따르면, 이런 여행이 진행됨에 따라, 목적지 추정기 컴포넌트(104)는 여행으로부터 얻은 입력 데이터를 이용하여 목적지(들)의 예상(들)을 동적으로 업데이트할 수 있다. 다른 방법으로, 목적지 추정기 컴포넌트(104)는 사용자의 현재 여행과 연관된 정보가 부족한 입력 데이터를 분석할 수도 있고 그에 따라 전혀 다른 정보(예: 토지 표면 데이터, 이력 데이터,...)에 기초하여 예상을 산출할 수 있다.

목적지 추정기 컴포넌트(104)는 설명된 바와 같이 예상 목적지(들)를 출력할 수 있다. 게다가, 예상 목적지(들)는 목적지 추정기 컴포넌트(104)에 의해 인터페이스 컴포넌트(102)로 제공될 수 있고, 인터페이스 컴포넌트(102)는 목적지(들)의 예상(들)을 출력할 수 있음을 예상할 수 있다. 사용자에게 예상 목적지(들)가 제 공될 수 있음을 이해할 수 있을 것이다. 일 예에 따르면, 사용자에게 예상 목적지(들)가 표시된 지도가 제공될 수 있다. 게다가, 지도는 현재 여행 동안 여태까지 횡단한 경로 및/또는 예상된 목적지(들)에 도달하기까지 남은 여행과 연관된 방향과 같은 정보를 포함할 수 있다. 또한, 이런 지도는 표적 광고에 대한 정보를 제공할 수 있는데, 그런 광고 내용은 (예를 들어, 사용자가 휘발유 B보다 휘발유 A를 선호하고, 패스트푸드 음식점 D보다 패스트푸드 음식점 C을 더 좋아하는,...) 사용자의 기호에 기초하여 선택적으로 출력될 수 있다. 예상 목적지(들)가 임의의 유형의 음성적 및/또는 시각적 신호를 이용하여 사용자에게 제공될 수 있음을 예상할 수 있을 것이다. 나아가, 사용자는 (예를 들어, 예상 목적지의 집합으로부터 한 목적지를 선택하거나, 예상 목적지가 틀렸다고 표시하여,...) 예상 목적지(들)와 연관된 피드백을 제공할 수 있다. 또 다른 예시에 따르면, 목적지(들)의 예상(들)은 그 예상을 사용하여 그 후에 (예를 들어, 경보로서,..) 사용자에게 제공될 수 있는 관련 정보(예: 근처 중요 지점, 위치 기반 서비스, 목적지(들)와 연관된 날씨 관련 정보, 목적지(들)와 연관된 교통 관련 정보, 표적 광고, 사건과 연관된 정보,....)를 산출하는 전혀 다른 컴포넌트(미도시)로 송신될 수 있다.

목적지 추정기 컴포넌트(104)는 토지 표면 데이터, 여행자(예: 운전자)가 일반적으로 효율적인 경로를 이용한다는 사실 및/또는 측정된 여행 시간 분포에 적어도 부분적으로 기초하여 가능성 있는 목적지를 추정할 수 있다. 게다가, 목적지 추정기 컴포넌트(104)는 이런 큐(예: 입력 데이터)를 베이즈 법칙과 결합하여 목적지(들)를 확률적으로 예상할 수 있다. 나아가, 목적지 추정기 컴포넌트(104)는 사 용자 및/또는 전혀 다른 사용자들의 이전 목적지(들)(예: 이력 데이터)를 고려할 수 있지만, 본 발명은 전술한 예들에 한정되지 않는다. 목적지 추정기 컴포넌트(104)는 또한 사용자와 관련된 연습 데이터가 획득됨에 따라 시간이 지나면서 정확도가 향상된다. 다른 예에 따르면, 목적지 추정기 컴포넌트(104)는 가능한 목적지가 임의의 장소에 위치하는 것을 허용한다. 또 다른 예시에 따르면, 목적지 추정기 컴포넌트(104)는 가능한 목적지가 도로망 상에 존재하도록 제한할 수 있는데, 다수의 실제 목적지가 도로상에 혹은 도로 근처에 존재하기 때문에 이에 따라 정확도가 향상될 수 있다. 그러나, 본 발명은 이에 한정되지 않는다. 또한, 목적지 추정기 컴포넌트(104)는, 예를 들어 하루 중 시간대, 요일(예를 들어, 주말 대 주중), 휴일 상황, 계절, 월 등과 같은 정황적 정보를 고려할 수 있다.

비록 인터페이스 컴포넌트(102)가 목적지 추정기 컴포넌트(104)로부터 분리되어 있는 것으로 서술되고 있지만, 목적지 추정기 컴포넌트(104)는 인터페이스 컴포넌트(104) 또는 그 일부를 포함할 수 있음을 예상할 수 있을 것이다. 또한, 인터페이스 컴포넌트(102)는 목적지 추정기 컴포넌트(104)와의 상호 작용을 가능하게 하는 다양한 어댑터, 커넥터, 채널, 통신 경로 등을 제공할 수 있다.

개인의 (예를 들어, 운전자의) 목적지에 대한 지식은 개인이 이동하는 동안 (예를 들어, 여행 중에) 유용한 정보를 전달하는데 중요한 파라미터가 될 수 있다. 예를 들어, 차 내 네비게이션 시스템은 교통 정체, 주유소, 식당 및 운전자가 이동 중에 나타나길 기대하는 기타 중요 지점을 자동으로 표시할 수 있다. 게다가, 만일 네비게이션 시스템이 운전자가 향하고 있는 개괄적인 지역에 대한 정확한 추측 을 할 수 있다면, 네비게이션 시스템은 지능적으로 그것이 표시하는 정보를 걸러낼 수 있고, 그로써 인지적 부하(cognitive load)를 감소시킬 수 있다. 나아가, 운전자에게 목적지에 대하여 명시적으로 물어보는 것이 가능하다고 할지라도, 모든 여행의 시작 시점마다 운전자에게 이 정보를 요청하는 것을 개선할 수 있다는 면에 장점이 있다. 시스템(100)은, 예를 들어, 목적지로 가는 경로를 적당히 효율적으로 채택할 것이라는 직관에 근거하여 운전 목적지를 예상하는 알고리즘을 사용함으로써 목적지의 자동 예상을 가능하게 한다. 일 태양에 따르면, (예를 들어, 직장, 집, 학교 등과 같은 운전자의 평상시의 목적지에 대한 사전 정보가 없다고 가정하여) 개인의 이동 습성을 모델링하지 않은 채 예상이 생성될 수 있지만, 본 발명은 여기에 한정되지 않는다. 이 예에 따르면, 시스템(100)은 신규 차량, 렌털 차량 또는 운전자가 이전에 방문하지 않은 도시에 이용될 수 있다.

도 2로 넘어가면, 목적지(들)를 확률적으로 예상하는 것과 관련하여 이용될 수 있는 위치들 간의 확률적 그리드 및/또는 경로(들)를 생성하는 시스템(200)이 도시되어 있다. 시스템(200)은 입력 데이터를 획득하고 목적지 추정기 컴포넌트(104)에 입력 데이터를 제공하는 인터페이스 컴포넌트(102)를 포함할 수 있다. 목적지 추정기 컴포넌트(104)는 목적지(들)를 입력 데이터와 연관하여 확률적으로 예상할 수 있다. 목적지 추정기 컴포넌트(104)는 그리드 컴포넌트(grid component; 202)에 의해 생성된 확률적 그리드 및/또는 경로 계획 컴포넌트(route planning component; 204)에 의해 산출된 위치 (및 그것들과 관련된 임의의 데이터) 간의 임의의 수의 경로를 이용하여 가능성 있는 목적지(들)를 파악할 수 있다.

일 예를 따르면, 그리드 컴포넌트(202)는 지도와 연관된 확률적 그리드를 생성할 수 있다. 예를 들어, 정방형의 이차원 그리드(예: 셀)는 그 정방형(예 셀)이 임의의 실제 물리적 지리적 영역과 (예를 들어, 그리드의 정방형의 각각의 변과 1 킬로미터가 연관되는 것처럼) 관련될 수 있도록 지도와 연관될 수 있다. 게다가, 그리드 컴포넌트(202)에 의해 산출된 그리드는 임의의 형태의 셀(예를 들어, M각형 - 여기서 M은 2보다 큰 양의 정수이다 -, 원,....) 또는 정방형 셀과 다르거나 정방형 셀에 부가된 모양의 셀을 포함할 수 있음을 예상할 수 있을 것이다. 셀은 이산적 위치(discrete location)를 나타낼 수 있고 타일링(tiling), 크기, 숫자와 연관될 수 있다. 셀에는 각각 고유한 인덱스(예를 들어, i=1,2,3,...,N, 여기서 N은 임의의 양수)가 할당될 수 있고 목적지 추정기 컴포넌트(104)는 셀을 파악하거나 사용자가 여행을 마칠 것으로 보이는 곳(예: 목적지)이 위치하는 셀을 파악할 수 있다.

목적지 추정기 컴포넌트(104)는 각각의 셀이 목적지가 될 확률을 계산할 수 있다. 예를 들어, 확률은

를 계산함으로써 결정될 수 있는데, 여기서 D는 목적지를 나타내는 확률변수이고, X는 여태까지의 여행으로부터 관측된 특징에 대한 벡터를 나타내는 확률변수이다. 게다가, 가능성 및/또는 우선도가 활용될 수 있고 베이즈 법칙이 적용되어 다음이 도출될 수가 있다.

따라서, N은 그리드 내의 셀의 갯수가 될 수 있고

는 목적지가 셀 i가 될 사전 확률(prior probability)일 수 있다. 사전 확률은 예를 들어, 개인 목적지 우선도 및/또는 토지 표면 우선도를 사용하여 계산될 수 있다. 나아가,

는 관측된 측정값 X에 기초하는 목적지가 셀 i일 가능성일 수 있는데, 측정값 X는 다양한 소스로부터 연산된 지도 정보일 수 있다. 예를 들어, 가능성은 효율적 운전 가능성 및/또는 여행 시간 가능성일 수 있다. 분모는 모든 셀의 확률을 합한 값이 1이 되는 것을 가능하게 하도록 계산될 수 있는 표준화 인자일 수 있다.

경로 계획 컴포넌트(204)는 여러 쌍의 셀들 간의 경로를 제공하거나 더 나아가 그리드 컴포넌트(202)에 의해 생성된 그리드 내의 각각의 셀 쌍 간의 운전 시간을 계산할 수 있다. 경로 계획 컴포넌트(204)는 각각의 셀 쌍 간에 유클리드 거리 및 속도 근사를 사용하여 운전 시간을 근사할 수 있다. 부가적으로 또는 선택적으로 경로 계획 컴포넌트(204)는 여러 쌍의 셀들의 중심점(위도,경도) 간의 운전 경로를 계획하여 더 정확한 운전 시간 추정을 산출할 수 있다. 따라서, 경로 계획 컴포넌트(204)는 셀 간의 속도 제한 및 도로망에 적어도 부분적으로 근거하여 출력을 제공할 수 있다.

도 3으로 넘어가면, 토지 표면 데이터에 적어도 부분적으로 기초하여 예상 목적지(들)를 제공하는 시스템(300)이 도시되어 있다. 시스템(300)은 토지 표면 데이터를 포함할 수 있는 입력 데이터를 수신하는 인터페이스 컴포넌트(102)를 포 함한다. 시스템(300)은 또한 토지 표면 컴포넌트(302)에 의해 생성된 토지 표면 우선도에 적어도 부분적으로 근거하여 예상 목적지(들)를 생성할 수 있는 목적지 추정기 컴포넌트(104)를 포함할 수 있다.

토지 표면 컴포넌트(302)는 특정 셀과 연관된 토지 표면 데이터를 기초로하여 셀이 목적지일 확률을 계산하는 것을 용이하게 해준다. 토지 표면 우선도는 위치와 관련된 지형과 연관될 수 있다. 예를 들어, 호수 및 바다 한가운데는 운전자의 목적지로서 보기 드물고, 상업 영역은 영구적으로 빙설로 덮여 있는 장소보다 더 선호되는 목적지이다. 인터페이스 컴포넌트(102)는, 예를 들어, 토지 표면 컴포넌트(302)가 USUG(United States Geological Survey) 토지 표면 지도에 기초하여 셀을 그리드로써 특징지을 수 있게 하는 토지 표면 지도를 얻게 할 수 있지만, 본 발명은 여기에 한정되지 않고 따라서 셀은 임의의 토지 표면 데이터를 이용하여 특징지어질 수도 있음을 예상할 수 있을 것이다. 예를 들어, USGS 토지 표면 지도는 미국에 대한 각각의 30m×30m 정방형을 토지 표면의 21가지의 서로 다른 유형(예: 노출성 초본 습지대(emergent herbaceous wetlands), 목본 습지대(woody wetlands), 과수원, 영구 결빙지, 미립토, 노출 암반, 미개척지, 도시, 고밀도 주거 지역, 과도기 지역(transitional), 채석장, 목초지, 수역, 초원, 혼합림, 관목 지대, 낙엽활엽수림, 상록수림, 저밀도 주거 지역, 상업지,....) 중 하나로 매핑할 수 있다. 토지 표면 컴포넌트(302)는 데이터 세트 내의 각각의 여행 목적지의 위도 및/또는 경도를 계산하여, 예를 들어 토지 표면 유형(예를 들어, 21가지의 토지 표면 유형)에 걸친 표준화된 막대 그래프를 생성할 수 있다. 수역(water)은 비록 몇몇 다른 범주(예: 노출성 초본 습지대, 목본 습지대, ...)보다는 대중적이지만, 대중적이지 않을 수 있고 상업 영역은 빙설로 덮인 영역보다 선호될 수 있다. 최소 두 개의 대중적인 목적지는 "상업지" 및 "저밀도 주거 지역" 일 수 있는데, USCG는 이를 다음과 같이 기술한다:

상업지/공업지/수송기관 - "기반 시설(예:도로, 철도,...)을 포함하며 모든 고도로 발달된 영역이 고밀도 주거 지역으로 분류되지는 않는다."

저밀도 주거 지역 - "축물 및 초목이 혼합된 영역을 포함한다. 축물은 표면의 30% - 80%를 차지한다. 초목은 표면의 20% 내지 70%를 차지한다. 이 영역은 가장 일반적으로 단일 가족 주택을 포함한다.

30m×30m USGS 정방형에 육지가 최대 25%까지 포함된 경우에도, 수역으로 분류될 수 있고, 정방형이 어떻게 위치하느냐에 따라서 해변 및 해안가 주택을 포함할 수 있기 때문에 0이 아닌 가능성이 "수역" 범주와 연관될 수 있다. 서로 다른 지역은 토지 표면의 서로 다른 혼합과 연관있을 수 있고, 전혀 다른 지역의 거주자들은 토지 표면의 유형과 관련하여 아마도 서로 다른 습성을 가질 수 있음을 예상할 수 있을 것이다.

일 예에 따르면, 토지 표면 컴포넌트(302)가 목적지 셀이 j = 1,2,3,....,21 인 토지 표면 유형 j로 완전하게 덮여있다면

를 계산함으로써 목적지 셀의 확률을 결정할 수 있다. 예시에 따르면, 토지 표면 컴포넌트(302)는 1㎞ × 1㎞ 셀 단위의 확률적 그리드를 이용할 수 있고, 각각의 셀은 약 1,111 개의 30m× 30m 토지 표면 라벨을 포함한다 (보통 셀은 전체가 동일한 하나의 유형으로 덮여 있지 않을 수 있다). 각각의 셀에 대하여, 토지 표면 컴포넌트(302)는 토지 표면 유형의 분포를 계산할 수 있는데, 이는

로 지칭될 수 있다. 예시로서, 토지 표면 컴포넌트(302)는 셀 내의 토지 표면 유형을 주변화함(marginalize)으로써 각각의 셀의 사전 확률을 계산할 수 있다:

는 토지 표면를 기초로 하는 목적지 셀의 사전 확률과 연관될 수 있다. 따라서, 토지 표면 컴포넌트(302)는 수역 및 농촌 영역은 가능성 낮은 목적지로 결정할 수 있다. 예를 들어, 토지 표면 컴포넌트(302)에 의해 생성된 토지 표면 우선도는 (그리고 이하에 기술된 바와 같은 사용자 이력 컴포넌트를 사용하여 획득되는 개인 목적지 우선도는) 통상적으로 사용자의 현재 운전의 측정된 특징에 기초하지 않기 때문에 사전 확률 분포를 제공할 수 있다.

도 4를 참조하면, 이력 데이터에 기초하여 목적지(들)를 예상하는 시스템(400)이 도시되어 있다. 시스템(400)은 입력 데이터를 수신하는 인터페이스 컴포넌트(102)를 포함한다. 입력 데이터는, 예를 들어 이력 데이터를 포함할 수 있다. 이력 데이터는 특정 사용자, 전혀 다른 사용자 및/또는 사용자의 집합과 관련될 수 있다. 예를 들어, 이력 데이터는 한 사용자 집합의 이전 목적지와 관련될 수 있다. 예시로서, 인터페이스 컴포넌트(102)는 데이터 저장 장치(미도시)로부터 이력 데이터를 획득할 수 있다. 부가적으로, 인터페이스 컴포넌트(102)는 이력 데이터에 기초하여 확률적으로 목적지(들)를 예상하는 목적지 추정기 컴포넌트(104)에 이런 이력 데이터를 포함하는 입력 데이터를 제공할 수 있다.

목적지 추정기 컴포넌트(104)는 이력 데이터를 평가하여 개인 목적지 우선도를 생성하는 사용자 이력 컴포넌트(402)를 더 포함할 수 있다. 따라서, 개인 목적지 우선도는 목적지 추정기 컴포넌트(104)에 의해 사용되어 목적지(들)를 예상하는 것을 용이하게 할 수 있다. 목적지 추정기 컴포넌트(104)는 사용자 이력 컴포넌트(402)를 단독으로 사용하거나 더 나아가 또 다른 우선도 및/또는 하나 이상의 가능성과 조합하여 사용함으로써 획득되는 개인 목적지 우선도를 이용할 수 있다는 것을 이해할 것이다.

사용자 이력 컴포넌트(402)는, 운전자가 종종 예전에 가봤던 장소에 가고, 그런 장소에 더 높은 목적지 확률이 주어져야 한다는 직관에 기초할 수 있다. 예를 들어, 사용자 이력 컴포넌트(402)는 GPS 신호의 소실을 사용자가 건물로 들어갔다는 것을 가리키는 것으로 활용할 수 있다. 만일 사용자가 동일한 빌딩에 수차례 들어간다면, 그 장소는 추후 예측시 후보 목적지로서 표시될 수 있다. 게다가, 사용자가 임계치 이상의 시간(예: 10분)을 보낸 GPS 측정 위치를 모아서 가능성 있는 목적지를 추출할 수 있다. 나아가, 장시간 체류한 위치를 모음으로써 목적지가 추출될 수 있다. 또한, 체류 지속 기간 및 목적지 크기에 있어서의 변화를 명시적으로 설명하면서 잠재적 목적지를 추측할 수도 있다.

또 다른 예시에 따르면, 사용자 이력 컴포넌트(402)는 구획으로 분할된 여행 의 종료지점을 포함하는 그리드 셀로서 개인 목적지를 모델링 할 수 있다. 이를테면, 후보 목적지의 공간적 비율은 셀의 크기와 동등할 수 있고, 목적지로 간주할 체류 시간은 여행 분할 파라미터에 의해 (예를 들어, 5분으로) 결정될 수 있다.

사용자 이력 컴포넌트(402)는 개인 목적지 데이터에 기초하여 상이한 가설(폐쇄 세계 가설 및 개방 세계 가설)을 이용할 수 있다. 사용자 이력 컴포넌트(402)는 개방 세계 및/또는 폐쇄 세계 분석을 이용할 수 있고, 양자를 위치 예상으로 통합할 수 있어서, 사용자 이력 컴포넌트(402)에 의해 수행되는 분석은 운전자가 이전에 (관측 범위 기능으로) 관측되지 않은 위치를 방문할 확률 및 사전 위치가 주어졌을 때 새로운 위치들의 공간적 관계 양쪽 모두에 대한 예상을 포함할 수 있다. 나아가 개방 세계 추론에 대한 파라미터는 시간에 걸친 복수의 사람에 대한 관측로부터 얻을 수 있고, 그 후 개인에게로 매핑될 수 있다. 또한, 개방 세계 모델링에서 인구 통계 정보(예: 나이, 성별, 직업 유형, 종교, 정치적 제휴)가 고려될 수 있다. 예시로서, 폐쇄 세계 가설은 운전자는 과거에 방문한 것으로 관측된 목적지만을 방문한다는 가정과 연관될 수 있다. 이는 폐쇄 세계 가설로 지칭될 수 있고, 해당 분석은 폐쇄 세계 분석으로 지칭될 수 있다. 폐쇄 세계 가설을 세움으로써, 사용자 이력 컴포넌트(402)는 운전자의 여행이 종결될 위치를 심사하고, N 개의 셀에 걸쳐 막대 그래프를 작성할 수 있다. 표준화는 확률 질량 함수

를 제공하는데, 여기서 아래 첨자 closed 는 이 확률이 개인 목적지에 기초하였음을 표시한다. 만일 사용자가 셀을 방문한 것으로 관측되지 않 았다면, 그 셀에 대한 개인 목적지 확률은 0이 될 수 있다. 이는 이 확률이 각각의 셀에 대하여 사후 목적지 확률을 계산하도록 베이즈 법칙의 계산에서 N개의 셀에 걸쳐서 다른 확률과 곱해질 수 있기 때문이다. 만일 셀이 0 우선도를 갖는다면, 그 셀은 가능한 목적지로서 남아 있지 못할 수 있다.

폐쇄 세계 가설은 사람들이 실제로는 그들이 방문한 것으로 관측된 적이 없는 위치를 방문할 수 있다는 점에서 원시적이다. 이는 일반적인 경우지만, 그러한 새로운 목적지의 관측은 운전자에 대한 관측의 초기 국면에서 특히 두드러진다. 새로운 목적지의 관측에서, "새로운" 위치는 운전자가 방문한 적은 있지만, 조사 과정(예: 관측 / 사용자 추적) 중에 방문한 것으로 관측된 적이 없는 곳뿐만 아니라, 그 운전자에게 진정으로 새로운 목적지인 곳을 포함한다. 따라서, 운전자의 목적지일 가능성을 추론하는 것에 대한 잠재적으로 더 정교한 접근은 예전에 본적이 없는 목적지를 볼 가능성을 고려하는 것이고, 그러므로 이는 "개방 세계" 모델에 영향을 준다. 이런 효과를 모델링함으로써, 조사(예: 운전자에 대한 관측)의 초기 시점에서 취한 폐쇄 세계 확률 질량 함수는 조사의 종료 시점 및 그 후의 시점에서 관측될 수 있는 정상 상태 확률의 근사로 변환될 수 있다. 그리고 나서 이 개방 세계 모델은

를 대체하고, 대상이 방문하기 쉬운 장소의 더 정교한 모델을 산출할 수 있다.

도 5를 참조하면, 개방 세계 모델링을 이용하여 목적지(들)를 예상하는 시스템(500)이 도시되어 있다. 시스템(500)은 인터페이스 컴포넌트(102) 및 목적지 추 정기 컴포넌트(104)를 포함한다. 나아가, 목적지 추정기 컴포넌트(104)는 획득한 입력 데이터에 포함되는 이력 데이터를 평가하는 사용자 이력 컴포넌트(402)를 포함한다. 사용자 이력 컴포넌트(402)는 아직 관측되지 않은 새로운 목적지(예를 들어, 이력 데이터의 일부분으로서 포함되지 않는 목적지)의 위치 및 가능성을 명시적으로 고려하는 개방 세계 모델링 컴포넌트(502)를 더 포함할 수 있다.

개방 세계 모델링 컴포넌트(502)는 다양한 방식으로 방문하지 않은 위치를 모델링할 수 있다. 예를 들어, 목적지가 밀집되는 경향이 있다는 관측에 기초하여 개방 세계 모델링 컴포넌트(502)를 사용하여 방문하지 않은 위치를 모델링할 수 있다. 예시로서, 운전자는 시간을 절약하기 위해 서로 가까운 장소들로 가거나, 대체로 친숙한 곳으로 가는 경향이 있을 수 있는데, 예를 들어, 운전자는 직장 근처에 있는 주유소와 음식점을 선택할 수 있다. 개방 세계 모델링 컴포넌트(502)는 이러한 효과를 이전에 방문한 지점으로부터의 거리에 따른 이산화된 확률 분포로서 모델링할 수 있다. 이 분포는 도 6에 도시된 바와 같이 (도 6은 이전에 방문한 위치로부터의 네 개의 임계 반경에 걸친 이산화를 사용하는 4 단 확률 분포(600)의 일 예를 도시한다) 전체적으로 층진 웨딩 케이크의 모양을 나타낼 수 있다. 각각의 단은 이전에 방문한 목적지 주변이 새로운 목적지일 확률을 제공한다. 웨딩 케이크의 각각의 단은 중심으로부터의 일정 반경의 상수 확률 동심 고리일 수 있고, 정상 상태에서 최종적으로 목적지가 군집하는 것을 모델링하고자 하는 것이다.

다시 도 5를 참조하면, 또 다른 예에 따라, 개방 세계 모델링 컴포넌트(502)는 전혀 다른 대상의 GPS 조사 날짜 각각에 걸쳐서 그리드 상의 표준화된 목적지 막대 그래프를 관측함으로써, 군집 경향을 측정할 수 있다. 주어진 날짜의 각각의 목적지에 대하여, 아직 방문하지 않은 목적지가 그 목적지 주변의 10단 웨딩 케이크의 각각의 고리에 대하여 최종 정상 상태로 나타날 확률이 계산될 수 있다. 각각의 단은 1 킬로미터의 넓이를 가지고 중심 반경 r = {1,2,....,10} 킬로미터인 고리일 수 있고, 정상 상태는 전체 조사에 걸쳐서 방문한 목적지 전체로부터 취해질 수 있다. 조사의 첫째 날에, 이미 방문한 목적지 근처에서 방문하지 않은 정상 상태 목적지를 발견할 확률은 상대적으로 높다. 날짜가 진행됨에 따라, 각각의 대상은 차차 그들의 평상시 목적지의 대부분을 방문하게 되고, 따라서 상기 확률은 줄어든다. 각각의 날짜에 대하여, 중심 근처의 단은 외곽 가장자리에 비해 높다. 동작적으로, 주어진 날짜에 대한 주어진 폐쇄 세계 확률

에 대하여, 이 적절한 날에 대해 확률 값이 있는 웨딩 케이크로 대체된 각각의 0이 아닌

의 아직 방문하지 않은 이웃에 대한 또 다른 확률이 계산될 수 있다. 이는 정상 상태에서의 기대 확산을 시뮬레이션할 수 있다. 1로 표준화된 후에, 웨딩 케이크는

로서 지칭될 수 있다. 이는 각각의 대상에 대하여 개별적으로 이뤄질 수 있다.

정상 상태 목적지가 군집되는 경향이 있다고 하더라도, 외따로이 떨어진 목적지 또한 발생할 수 있다. 이 효과는 정상 상태 목적지가 정상 상태 이전에 방문한 목적지 주변에서 10단 웨딩 케이크에 의해 감싸지지 않을 가능성을 계산함으로써 그 특성이 기술될 수 있다. 이 확률은 β로서 지칭될 수 있다. 새로운, 격리 된 목적지의 확률은 시간이 지나면 떨어질 수 있다. 이 배경 확률을 모델링하는 한 방법은 모든 그리드 셀에 걸쳐 균일한 분포를 사용하는 것이다. 그러나, 이 방법은 호수 한가운데 같은 아무도 가지 않는 장소에 대한 확률에 기여할 수 있다. 균일 분포 대신에, 개방 세계 모델링 컴포넌트(502)는 배경을

로 받아들일 수 있고, 이는 이전에 기술한 바와 같이 토지 표면 우선도이다.

이 효과를 결합하여 정상 상태 확률을 더 정교하게 모델링하는 목적지의 확률 분포를 계산할 수 있다. 세 개의 구성 요소는 폐쇄 세계 우선도

, 상기에 기술한 바와 같이 웨딩 케이크 모양의 분포

에 의해 표현되는 파라미터화된 확산 및 격리된 목적지를 모델링하는 배경 확률

일 수 있다.

에 대한 전체 확률의 α 단편(fraction)이 배분될 수 있는데, 여기서 α는 적절한 날짜에 대한 단(tier) 수의 합이다. 확률의 습득된 β 단편은, 사용자가 층층의 분포를 넘어선 장소로 이동할 확률을 포착하여, 배경에 할당된다. 사전 확률일 수 있는, 운전자의 목적지 확률에 대한 개방 세계 버전은

로서 계산될 수 있다. 이는 개방 세계 우선도 확률 분포로서 지칭될 수 있다. 나아가, 개방 세계 모델링 컴포넌트(502)는 이를 베이즈 공식에서 사용할 수 있다.

시간이 지남에 따라 α 및 β는 감소하는 경향이 있는데, 이는 각각의 대상 의 실제 습득된 목적지가 중시되어 군집 및 배경 확률을 조정하는 것이 점점 덜 강조되기 때문이다. 이는 특히 관측 기간 초기에, 뿐만 아니라 장기적으로도, 사람이 새로운 위치를 방문할 수 있다는 사실을 적절히 고려하는 개방 세계 모델의 탁월함을 나타낸다.

개방 세계 우선도 확률 분포,

는 대상의 목적지의 정상 상태 분포를 원시적인 폐쇄 세계 우선도,

보다 잘 근사할 수 있다. 나아가, 개방 세계 우선도는 폐쇄 세계 모델보다 훨씬 실제 정상 상태에 가까운 우선도를 사용함으로써 효과적일 수 있다.

도 7은 효율적 경로 데이터에 적어도 부분적으로 근거하는 목적지(들)의 예상을 산출하는 시스템(700)을 도시한다. 시스템(700)은 입력 데이터를 획득할 수 있는 인터페이스 컴포넌트(102)를 포함할 수 있다. 입력 데이터는 데이터 기억 장치(미도시) 내에 저장될 수 있고, 경로 계획 컴포넌트(예: 도 2의 경로 계획 컴포넌트(204))등에 의해 생성될 수 있는 효율적 경로를 포함할 수 있다. 부가적으로 또는 선택적으로, 인터페이스 컴포넌트(102)는 사용자의 현재 여행과 연관된 데이터(예: 위치 관련 데이터, 위치 변화, 여행 시간의 길이,...)를 획득할 수 있다. 입력 데이터는 효율성 컴포넌트(efficiency component; 702)를 더 포함할 수 있는 목적지 추정기 컴포넌트(104)에 의해 평가될 수 있다. 따라서 목적지 추정기 컴포넌트(104)는 효율성 컴포넌트(702)에 의해 제공되는 효율적 운전 가능성에 기초하여 예상 목적지(들)를 생성할 수 있다. 효율성 컴포넌트(702)는 최종 위치/ 목적 지에 대한 단서로서 후보 목적지의 집합(예: 각각의 후보 목적지)과 연관된 운전 효율성을 계산할 수 있고, 이는 목적지 추정기 컴포넌트(104)에 의해 이용될 수 있다.

효율성 컴포넌트(702)에 의해 생성된 효율적 운전 가능성은 후보 목적지에 도착할 때까지의 시간 변화에 기초할 수 있다. 예를 들어, 효율적 운전 가능성은 사용자의 현재의 여행을 기초로 할 수 있다. 효율적 운전 가능성은 (그리고 임의의 다른 가능성은)

의 형태일 수 있는데, 여기서 x는 현재 여행의 어떤 측정된 특징이다. 효율적 운전 가능성과 연관된 측정된 특징은 운전자가 이미 거쳐간 셀의 목록일 수 있고, 이 가능성의 이면에는 운전자는 일반적으로 목적지에 효율적인 방식으로 도착할 수 있는 기회를 놓치지 않는다는 직관이 있을 수 있다.

효율성 컴포넌트(702)는 운전자의 경로 상의 지점 및 후보 목적지 간의 운전 시간을 사용하여 효율성을 정량한다. 따라서, 확률적 그리드 내의 각각의 셀 쌍(i,j)에 대하여, 효율성 컴포넌트(702)는 셀 쌍 간의 운전 시간 T_i,j를 계산할 수 있고/있거나 계산치를 효율적 경로 데이터의 일부분으로서 수신할 수 있다. 예시에 따르면, 각각의 셀 쌍간의 단순 유클리드 거리 및 속도 근사를 사용하여 운전 시간에 대한 첫 번째 근사가 효율성 컴포넌트(702)에 의해 생성될 수 있다. 대안적으로 또는 선택적으로, 효율성 컴포넌트(702)는 데스크톱 매핑 소프트웨어를 사용하여 셀 쌍간의 중심점(위도,경도) 간의 운전 경로를 계획할 수 있다. 매핑 소프트웨어는 계획된 경로의 예상 운전 시간을 제공할 수 있는 프로그램 인터페이스 를 제공할 수 있다. 운전 경로 플래너를 사용하는 것은 셀 간의 속도 제한 및 도로망을 설명할 수 있으며, 더 정교한 운전 시간을 제공한다. N 개의 셀에 대하여, 동일한 셀의 쌍을 제외하고, N(N-1) 개의 서로 다른 순서 쌍이 있을 수 있다. 게다가, 셀 i 부터 셀 j 까지의 여행 시간이 셀 j 부터 i 까지의 경우와 동일하다는, 즉, T_i _{,j =}T_j _,i라는, 가정에 의해 경로가 계획될 수 있다. 주목할 점은 이 계산은 특정 그리드에 대하여 오직 한 번만 수행되면 충분할 수 있다는 것이다.

효율성 컴포넌트(702)는 운전자가 목적지에 신속하게 도착할 기회를 놓치지 않는다고 가정한다. 예를 들어, 운전자가 여행 중에 한 시점에서 목적지에 근접한 곳에 도달하였다면, 운전자가 그 이후에 목적지로부터 더 멀어지도록 운전할 가능성은 낮다. 다시 말하면, 여행이 진행됨에 따라, 목적지에 도달하는 것과 연관된 시간이 단조 감소할 것이 예상될 수 있다. 일 예에 따르면, 효율성 컴포넌트(702)는 여행 데이터를 사용하여 이 가설을 시험해보는 것을 가능하게 할 수 있다. 이 예에 따라, 각각의 여행은 (인접하여 반복된 셀이 없이) 지나쳐간 셀들의 시퀀스로 변환될 수 있고, 각각의 시퀀스는 한 번에 한 셀씩 심사될 수 있다. 각각의 시퀀스를 심사하는 동안, 여태까지 지나쳐간 셀들에 걸쳐서 목적지 셀까지의 최단 시간이 추적될 수 있다. 시퀀스가 진행됨에 따라 효율적 경로는 이 최소 시간을 단축할 수 있다. 시퀀스 내의 각각의 셀 전이에 대하여, 여태까지 마주친 목적지까지의 최단 시간에 걸쳐 새로운 셀로 전이함으로써 이루어지는 예상 운전 시간의 변화일 수 있는, Δt가 계산될 수 있다. 시간은 음수일 수 있고 따라서 셀 천이는 목적지까지의 시간을 단축할 수 있다.

Δt의 표준화된 막대 그래프는, 운전자가 여태까지 목적지에 가장 가까이 있었던 지점을 참조하여, 운전자가 다음 셀로 전이할 때 일어나는 여행 시간의 변화의 확률을 제공하는

에 대한 평가일 수 있다. 운전자가 목적지까지 가는데 걸리는 최소 시간을 단축할 확률은, 예를 들어,

일 수 있다. 이 예에 따르면, 1-p = 0.375, 즉 37.5%의 확률로, 운전자가 새로운 셀로 이동함으로써 실제로 목적지까지 걸리는 시간이 증가 된다. 그러나, 이 숫자는 지름길, 도로망의 변화 및 교통 상황과 같은 경로 플래너가 가지지 못한 운전자의 특수 지식 때문에 인위적으로 높게 나타나는 숫자일 수 있다. 또한, 공간을 이산화하는 것은, 셀의 중심이 어디에 있느냐에 따라서, 때때로 셀 대 셀 경로는 운전자가 단지 통과하기만 한다면 따져볼 필요가 없을 고속도로 입구 및 출구를 나타내어야함을 의미할 수 있다.

의 평균 및 중앙값은 각각 -22.2초 및 -39.0초가 될 수 있는데, 따라서 데이터는 운전자가 그리드 내의 새로운 셀로 각각 이동해감으로써 대체로 목적지를 향해 진행함을 대략 설명할 수 있다.

효율성 컴포넌트(702)는, 목적지가 주어졌을 때, 여태까지의 여행 S의 확률일 수 있는

를 계산할 수 있다. 여행 S는, 연속해서 반복되는 경우가 없는, 여태까지 거쳐간 일련의 셀로서 표현될 수 있다:

. 운전 자는 각각의 셀 S_j에서 다음에 이동할 셀을 독립적으로 결정한다고 가정할 수 있고, 이는 이 가능성이 다음의 식

으로서 계산될 수 있음을 의미한다.

여기서 n은 여태까지의 여행에서 거쳐간 그리드 셀의 수일 수 있다. 이 방정식은 새로운 셀이 임의의 이전 셀보다 목적지 i에 가까우면 p를 곱하여 운전자가 셀로의 예상 시간을 감소시키는 이동을 하였음을 나타내고, 그렇지 않으면 1-p를 곱한다. p > 0.5이기만 하면, 이 가능성은 운전자가 앞으로 나아가고 있다는 사실을 뒷받침한다.

이 가능성 및 균일한 우선도를 이용하여, 효율성 컴포넌트(702)를 사용하여 사후 분포를 획득할 수 있다. 예시로서, 여행이 특정 위치로부터 특정 방향(예: 남쪽)으로 시작됨에 따라, 어떤 셀은 목적지에서 제외될 수 있고 (예를 들어, 북쪽의 셀은 목적지에서 제외될 수 있고), 목적지 확률은, 예를 들어 지도상에 서술될 수 있다. 남쪽으로 더 이동한 후에는 남쪽 부분을 제외한 모든 부분이 제외될 수 있다.

일 예에 따르면, 실제 목적지와 가까울 때에 (예를 들어, 여행의 종료시에) 비하여 여행을 시작할 때 운전자는 더 규칙성 없고 구불구불한 길을 사용할 수 있다. 따라서, 운전자가 각각의 단계의 시점에서 최후의 목적지에 더 근접하도록 이 동할 확률 p는 여행 내의 시간에 대한 함수로서 변화할 수 있다. 따라서, p는 여행의 종료시에 비해 여행의 시작시에 더 낮을 수 있다.

또 다른 예에 따르면, 효율성 컴포넌트(702)는 여행의 시작 셀 s 및 후보 목적지 셀 i에 기초하여 효율성을 측정할 수 있다. 만일 운전자의 경로가 효율적이면, 이 두 셀간에 이동하는데 요구되는 총시간은 대략 T_s _,i가 되어야 한다. 만일 운전자가 현재 셀 j에 있으면, 후보 목적지 i에 도달하는데 걸리는 시간은 대략 T_j _,i가 되어야 한다. 만일 i가 실제 목적지이고, 운전자가 효율적인 경로를 따른다면, 운전자는 현재 셀 j에 도달하는데 T_s _,i- T_j _,i의 시간을 소모하였어야 한다. 이 지점까지 오는데 걸린 운전자의 실제 여행 시간은 Δt 인데, 만일 운전자가 비효율적인 경로를 취하였다면 이는 T_s _,i- T_j _,i보다 길 것이다. 따라서, 효율성 컴포넌트(702)는 운전자가 후보 목적지를 향해 이동하는데 얼마나 많은 시간을 소모했는지를 얼마나 많은 시간이 허비되었는지로 나눈 비율에 따라 효율성을 측정할 수 있다:

이런 비율은 s 와 i 간의 효율적인 여행에 대하여 대략 1이 될 것으로 예상될 수 있다. GPS 조사 데이터를 이용하여, 효율성 값 분포는 알려진 여행 및 해당 목적지에 근거하여 계산될 수 있다. 효율성 가능성

은 목적지로 가는 도중에 운전자가 실제로 산출한 효율성을 나타낸다. 만일 후보 목적지에 대해 낮은 가능성 효율성(low-likelihood efficiency)의 결과가 나온다면,

가 베이즈 법칙에 대입될 때, 그것의 사후 확률은 상응하는 낮은 값을 나타낼 수 있다. 효율성 가능성은 여행 단편에 대한 함수로서 변화할 수 있는데, 따라서 여행의 시작에 가까운 분포는, 짧은 여행에 대하여 정교한 이동 시간을 제공하는 것이 불가능하기 때문에, 사실적이지 않다. 모든 여행 단편에 있어서, 속도 위반 때문이든지 이상적 여행 시간 계산에 있어서의 실수 때문이든지, 어떤 운전자들은 효율성을 1.0을 넘는 값으로 끌어올릴 수 있다. 목적지 예상에 이 가능성을 사용한 결과, 운전자가 후보 목적지로부터 멀어지는 방향으로 운행하는 것으로 나타날 때 목적지 확률이 낮아질 수 있다.

도 8을 보면, 목적지(들)의 예상과 관련하여 여행 시간을 예상하는 시스템(800)이 도시되어 있다. 시스템(800)은 입력 데이터를 획득하는 인터페이스 컴포넌트(102) 및 입력 데이터를 평가하여 예상 목적지(들)를 산출하는 목적지 추정기 컴포넌트(104)를 포함한다. 목적지 추정기 컴포넌트(104)는 후보 목적지까지 가는데 걸리는 예상 시간 및/또는 현재 여행과 관련된 경과 시간과 연관된 가능성을 추정하는 여행 시간 컴포넌트(802)를 더 포함할 수 있다.

여행 시간 컴포넌트(802)는 입력 데이터의 일부분으로 포함될 수 있는 여행 시간 분포 데이터를 적어도 부분적으로 이용하여 여행 시간 가능성을 생성할 수 있다. 예를 들어, 여행 시간 분포 데이터는 NHTS(National Household Transportation Survey)로부터 얻을 수 있지만, 본 발명은 여기에 한정되지는 않는다. 예로서, 2001년도 NHTS는 대략 66,000 세대의 미국 가구의 일일 이동 및/또는 장거리 이동과 관련된 데이터를 포함할 수 있다. 게다가, 조사 결과는 웹 인터페이스를 통하여 입수 가능할 수 있고, 여행 시간의 막대 그래프가 생성될 수 있다.

여행 시간을 좌우하는 가능성은

일 수 있는데, 여기서 T_s는 여태까지의 여행 시간을 나타내는 확률 변수이다. 이 가능성을 사용하기 위해, 여행 시간 컴포넌트(802)는 막대 그래프와 연관된 상자(bin)에 따라 여행 시간을 정량한다. 막대 그래프는 여행이 시작되기에 앞서 목적지 시간의 분포를 나타낼 수 있는데, 예를 들어

, 여기서 T_D는 총 여행 시간을 나타낸다. 여행 중에 어떤 시간이 한 번 지나가면, 지나간 시간에 대한 확률은 0으로 떨어지고, 표준화가 실시되어 다음을 산출할 수 있다:

후보 목적지에 대한 가능성을 계산하는데 있어서, t_s는 여태까지의 여행의 길이가 될 수 있고 t_D는, T_i _,j 예상 여행 시간을 기초로 하는, 현재 셀로부터 후보 목적지까지 걸리는 예상 시간일 수 있다. 이 가능성 및/또는 균일한 우선도를 이용하여, 사후 분포를 구할 수 있다.

도 9를 참조하면, 우선도(들) 및/또는 가능성(들)을 조합하는 것을 가능하게 하여 목적지(들)를 예상하는 것을 용이하게 하는 시스템(900)이 도시되어 있다. 시스템(900)은 입력 데이터를 획득할 수 있는 인터페이스 컴포넌트(102)를 포함한다. 게다가, 시스템(900)은 우선도(들) 및/또는 가능성(들)을 사용함으로써 확률적으로 목적지(들)를 예상하는 목적지 추정기 컴포넌트(104)를 포함한다. 목적지 추정기 컴포넌트(104)는 개인 목적지 우선도를 산출하는 사용자 이력 컴포넌트(402), 토지 표면 우선도를 생성하는 토지 표면 컴포넌트(302), 효율적 운전 가능성을 제공하는 효율성 컴포넌트(702) 및/또는 여행 시간 가능성을 제공하는 여행 시간 컴포넌트(802)를 더 포함할 수 있다.

목적지 추정기 컴포넌트(104)는 우선도(들) 및/또는 가능성(들)을 선택하는 것을 가능하게 하여 목적지(들)를 확률적으로 예상하는 것에 연관하여 이용하도록 할 수 있는 융합 컴포넌트(fusing component; 902)에 부가적으로 연결될 수 있다. 융합 컴포넌트(902)는 선택된 우선도(들) 및/또는 가능성(들)을 조합할 수 있다. 예를 들어, 융합 컴포넌트(902)는 선택된 우선도(들) 및/또는 가능성(들)과 연관된 하나의 확률 분포를 산출할 수 있다. 예로서, 개인 목적지 우선도가 선택될 수 있는데, 이에 따라, 융합 컴포넌트(902)는 개인 목적지 우선도에 기초하여 확률 분포를 생성할 수 있다. 또 다른 예에 따르면, 토지 표면 우선도, 효율적 운전 가능성 및 여행 시간 가능성이 선택될 수 있고, 따라서, 융합 컴포넌트(902)는 선택된 우선도 및 가능성을 조합할 수 있다. 본 발명은 이 예시들에 한정되지 않음을 이해할 것이다.

융합 컴포넌트(902)는 목적지가 주어졌을 때 여행 지속 기간 및 운전 효율성의 독립성을 가정할 수 있고, 이 두 요소들 및 우선도를 베이즈 법칙을 이용하여 각각의 목적지에 대한 단일 사후 확률로 결합할 수 있다. 따라서, 목적지 가능성은 다음과 같을 수 있다:

이러한 독립성을 고려하는 것은 베이시안 업데이팅의 순수 베이즈 공식(naive Bayes formulation of Bayesian updating)으로 지칭될 수 있다. 사실적인 의존성을 도입하는 것이 확률적 영향을 과도하게 계산하는 것을 최소화하기 때문에 독립 가정을 완화하여 더 풍부한 확률적 의존성을 허용하는 것은 예상의 정확도를 향상시킬 수 있다. 이 경우, 운전 효율성 및 지속 기간 간의 관계는 고려되지 않을 수 있다. 나아가, 각각의 확률적 컴포넌트에 대한 한 그리드의 스칼라를 계산하고, 해당 셀에서 스칼라를 곱하고 그리고 표준화하여 곱의 합을 1로 만드는 것에 의해 상기 목적지 확률 방정식이 계산될 수 있다.

목적지 예상의 확률적 공식화는 운전자의 진정한 목적지에 대한 불확실성이 일관적인 방식으로 표현될 수 있음을 뜻한다. 따라서, 목적지 추정기(104)와 같은 시스템상에 구축된 애플리케이션은 운전자의 목적지에 대한 부득이한 불확실성을 설명할 수 있다. 예를 들어, 운전자의 목적지 근처의 식당 또는 주유소를 제시하는 애플리케이션은 목적지가 더 확실해짐에 따라 점진적으로 더 상세하고 좁은 영 역을 제시할 수 있다. 교통 문제에 대한 경고는 그 문제를 맞닥뜨릴 확실성이 일정한 임계치를 넘어설 때까지 보류된다. 의도한 목적지로부터 벗어난 인지적으로 손상된 사람은 거의 확실히 벗어나게 되었을 때에만 경고받는다.

도 10은 예상 목적지(들)와 관련될 수 있는 정보를 제공하는 시스템(1000)을 도시한다. 시스템(1000)은 입력 데이터를 수신하는 인터페이스 컴포넌트(102) 및 입력 데이터에 기초하여 목적지(들)를 확률적으로 예상하는 목적지 추정기 컴포넌트(104)를 포함한다. 예를 들어, 목적지 추정기 컴포넌트(104)는 하나 이상의 우선도 및/또는 하나 이상의 가능성을 사용하여 예상을 생성할 수 있다. 예상 목적지(들)는 예상 목적지(들)와 연관된 관련 정보를 제공하는 내용 컴포넌트(content component; 1002)에 제공될 수 있다. 예를 들어, 내용 컴포넌트(1002)는 교통 경고, 공사, 전방 안전 문제, 표시될 광고 안내, 방향 제공, 경로 설정 조언, 업데이트 등을 제공할 수 있다.

내용 컴포넌트(1002)는 예상 목적지(들)와 관련된 임의의 정보를 제공할 수 있다. 예를 들어, 내용 컴포넌트(1002)는 식당, 교통, 운행 보조, 주유소, 랜드마크, 소비 시설 등과 관련된 정보를 산출할 수 있다. 일 예에 따르면, 내용 컴포넌트(1002)에 특정 목적지가 제공될 수 있다. 이 예에 따르면, 내용 컴포넌트(1002)는 현재 위치와 목적지 간의 경로의 근처에 있는 임의의 위치와 연관된 정보 및/또는 특정 위치와 연관된 정보를 포함하는 경보를 제공한다. 따라서, 내용 컴포넌트(1002)는 일정 위치에서 어떤 사건이 발생한다거나, 교통량이 많다는 것 등을 표시할 수 있다. 또 다른 예에 따르면, 내용 컴포넌트(1002)는 목적지 및/또는 경로 근처에 위치한 시설과 연관된 광고 정보를 제공할 수 있다. 또 다른 예에 따르면, 사용자가 길을 잃은 것처럼 보일 때, 내용 컴포넌트(1002)는 경보를 제공하여 사용자가 예상 목적지를 향한 적절한 경로를 따라 속행하는 것이 가능하도록 할 수 있다.

내용 컴포넌트(1002)는 내용 컴포넌트(1002)에 의해 제공된 관련 정보를 사용자 관련 기호(user related preference)에 기초하여 특정 사용자에게 맞추는 커스터마이즈화 컴포넌트(customization component; 1004)를 포함할 수 있다. 예를 들어, 사용자 관련 기호는 사용자가 어떤 광고도 수신하고 싶지 않음을 나타낼 수 있는데, 이에 따라, 커스터마이즈화 컴포넌트(1004)는 그런 관련 정보의 전송을 억제할 수 있다. 또 다른 예시에 따르면, 사용자는 목적지까지의 경로를 따라서 임의의 교통 사고에 대해 통지받는 것을 원할 수도 있는데, 따라서 커스터마이즈화 컴포넌트(1004)는 내용 컴포넌트(1002)가 그런 정보를 제공하는 것을 가능하게 하거나 나아가 내용 컴포넌트(1002)에 의해 제공된 전혀 다른 정보에 비해 교통 관련 정보를 우선시하는 것이 가능하다. 본 발명은 전에 언급한 예들에 한정되지 않음을 이해하여야 할 것이다.

도 11로 넘어가면 여행 도중에 목적지(들)를 확률적으로 예상하는 시스템(1100)이 도시되어 있다. 시스템(1100)은 인터페이스 컴포넌트(102) 및 목적지 추정기 컴포넌트(104)를 포함한다. 게다가, 시스템(1100)은 현재 위치 및/또는 사용자의 위치 변화 및/또는 장치를 파악하는 위치 컴포넌트(1102)를 포함한다. 예를 들어, 위치 컴포넌트(1102)는 전 지구 위치 확인 시스템(GPS), 위성 네비게이션 시스템, GLONASS, 갈릴레오 시스템(Galileo), 유럽 정지 위성 항법 장치 위치(European Geostationary Navigation Overlay System; EGNOS), 바이두(Beidou), 데카 항행 시스템(Decca Navigator System), 통신 탑 간의 삼각 측량 등과 연관될 수 있다. 위치 컴포넌트(1102)는 인터페이스 컴포넌트(102)에 위치 관련 데이터를 제공하여 심화된 추정을 가능하게 할 수 있다.

시스템(1100)은 인터페이스 컴포넌트(102)에 시간 관련 데이터를 제공하는 타이머 컴포넌트(1104)를 부가적으로 포함할 수 있다. 타이머 컴포넌트(1104)는, 예를 들어, 현재 여행과 연관된 시간의 길이를 포함하는 시간 관련 데이터, 거의 움직임이 없거나 정지한 것과 연관된 시간의 길이 등을 제공할 수 있다. 게다가, 비록 개별 컴포넌트로서 묘사되어 있지만, 위치 컴포넌트(1102) 및 타이머 컴포넌트(1104)는 단일 컴포넌트일 수 있다는 것을 예상할 수 있을 것이다.

인터페이스 컴포넌트(102)는 또한 데이터 저장 장치(1106)에 연결될 수 있다. 데이터 저장 장치(1106)는, 예를 들어, 사용자 관련 데이터, 사용자 이력, 지리적 영역의 지형, 여행, 효율적 경로 등을 포함할 수 있다. 부가적으로, 위치 컴포넌트(1102)에 의해 제공된 위치 관련 데이터 및/또는 타이머 컴포넌트(1104)에 의해 획득된 시간 관련 데이터는 데이터 저장장치(1106)에 저장될 수 있다. 데이터 저장 장치(1106)는, 예를 들어, 휘발성 메모리 또는 비휘발성 메모리 중 하나, 또는 휘발성 및 비휘발성 메모리 양쪽 모두를 포함할 수 있다. 예시로서, 비휘발성 메모리는 판독 전용 메모리(ROM), 프로그램가능한 ROM(PROM), 전자적으로 프로그램가능한 ROM(EPROM), 전자적으로 지울 수 있는 프로그램가능한 ROM(EEPROM) 또 는 플래시 메모리를 포함하지만 이에 한정되지는 않는다. 휘발성 메모리는 랜덤 액세스 메모리(RAM)를 포함할 수 있는데, 이는 외부 캐시 메모리로서 동작한다. 예시로서, RAM은 정적 램(SRAM), 동적 램(DRAM), 동기식 동적 램(SDRAM), 2배속 동기식 동적 램(DDR SDRAM), ESDRAM(enhanced SDRAM), SLDRAM(Synchlink DRAM), 램버스 다이렉트 램(RDRAM), 다이렉트 램버스 동적 램(DRDRAM) 및 램버스 동적 램(RDRAM)과 같은 다양한 형태로 사용 가능 하지만, 이에 한정되지는 않는다. 대상 시스템 및 방법의 데이터 저장 장치(1106)는 이런 유형들 및 임의의 다른 적합한 유형의 메모리를 포함하고자 하나, 이에 한정되는 것은 아니다. 게다가, 데이터 저장 장치(1106)는 서버, 데이터 베이스, 하드 드라이브 등이 될 수 있음을 이해할 것이다.

나아가, 목적지 추정기 컴포넌트(104)는 현재 여행과 연관된 데이터를 이용하여 목적지를 확률적으로 예상할 수 있는 실시간 여행 컴포넌트(1108)를 포함할 수 있는데, 예상 목적지(들)를 생성하는데 그런 데이터를 반드시 이용할 필요는 없음을 예상할 수 있을 것이다. 예로서, 실시간 여행 컴포넌트(1108)는 위치 컴포넌트(1102)에 의해 제공될 수 있는 특정 여행과 연관된 위치 데이터를 수집할 수 있다. 그리고 나서 수집된 위치 데이터는 예상을 만드는데 사용될 수 있다.

도 12를 참조하면, 예상 목적지(들)를 생성하는 것을 용이하게 하는 시스템(1200)이 도시되어 있다. 시스템(1200)은 인터페이스 컴포넌트(102) 및 목적지 추정기 컴포넌트(104)를 포함할 수 있는데, 이는 상기에 기술된 각각의 컴포넌트와 실질적으로 유사할 수 있다. 시스템(1200)은 인텔리전트 컴포넌트(1202)를 더 포 함할 수 있다. 인텔리전트 컴포넌트(1202)는 목적지 추정기 컴포넌트(104)에 의해 사용되어 입력 데이터와 관련하여 목적지(들)를 예상하는 것을 용이하게 할 수 있다. 예를 들어, 인텔리전트 컴포넌트(1202)는 사용자가 예상 목적지까지 이동하는데에 지름길을 사용하였던 것을 파악할 수 있다. 따라서, 파악된 지름길은 저장되거나 나아가 추후의 목적지(들)와 연관하여 사용될 수 있다. 또 다른 예에 따르면, 인텔리전트 컴포넌트(1202)는 (예를 들어, 현재 조합에 비교할 때) 더욱 정교한 목적지 예상을 산출할 수 있는 우선도(들) 및/또는 가능성(들)의 조합(또는 하나의 우선도 또는 하나의 가능성)을 결정할 수 있다. 그 후에, 목적지 추정기 컴포넌트(104)는 인텔리전트 컴포넌트(1202)에 의해 파악된 조합을 사용할 수 있다.

인텔리전트 컴포넌트(1202)는 사건 및/또는 데이터로서 포착된 관측의 집합으로부터 시스템, 환경 및/또는 사용자의 상태를 추론하거나 그 상태에 대한 추리를 제공할 수 있음을 이해할 것이다. 추론은 특정 정황 또는 동작을 파악하는데 사용될 수 있고, 예를 들어, 상태에 걸친 확률 분포를 생성할 수 있다. 추론은 확률적일 수 있다, 즉, 데이터 및 사건에 대한 고려에 기초하여 관심 상태에 대한 확률 분포의 계산일 수 있다. 추론은 또한 사건 및/또는 데이터의 집합으로부터 더 높은 레벨의 사건을 구성하는데 사용되는 기법을 참조할 수 있다. 그런 추론은, 사건들이 밀접한 시간적 인접성으로 상관되었든지 아니든지 그리고 사건 및 데이터가 하나 또는 수 개의 사건 및 데이터 소스로부터 유래했든지 아니든지 간에, 관측된 사건 및/또는 저장된 사건 데이터로부터 새로운 사건 또는 행위를 구성하는 결과를 낳는다. 다양한 (명시적 및/또는 암시적으로 양성된) 분류 기법 및/또는 시 스템(예: 지원 벡터 머신(support vector machine), 뉴럴 네트워크, 전문가 시스템, 베이지안 빌리프 네트워크, 퍼지 이론, 데이터 퓨전 엔진.... )이 본 발명과 관련하여 추론 행위 및/또는 자동 연산을 수행하는 것과 관련하여 사용될 수 있다.

분류기(classifier)는 입력 속성 벡터, x = (xl, x2, x3, x4, xn) 를 그 입력이 한 분류에 속한다는 신뢰 확률(confidence) 즉, f(x) = confidence(class)로 매핑하는 함수 이다. 이런 분류는 사용자가 자동으로 수행되기를 바라는 행위를 추론하거나 예측하도록 확률적 및/또는 통계 기반 분석을 사용할 수 있다. 지원 벡터 머신(SVM)은 사용될 수 있는 분류기의 일 예이다. SVM은 가능한 입력 공간 내에서 초곡면(hypersurface)을 찾는 방식으로 동작하는데, 이 초곡면은 유발 기준(triggering criteria)을 비유발 사건(non-triggering event)으로부터 분리하려고 시도한다. 직관적으로, 이는 트레이닝 데이터와 동일하지는 않지만 근접한 데이터를 시험하는 것에 대하여 분류를 정확하게 만든다. 기타 방향성(directed) 및 비방향성(undirected) 모델 분류 접근은, 예를 들어, 순수 베이즈, 베이시안 네트워크, 의사 결정 분지도(decision tree), 뉴럴 네트워크, 퍼지 이론 모델 및 서로 다른 독립적인 패턴을 제공하는 확률적 분류 모델들을 포함한다. 여기에 사용된 분류는 또한 우선도 모델을 개발하는데 사용되는 통계적인 회귀를 포함한다.

표시 컴포넌트(presentation component; 1204)는 목적지 추정기 컴포넌트(104)에 연결된 임의의 컴포넌트와 사용자 간의 상호 작용을 용이하게 하는 다양한 유형의 사용자 인터페이스를 제공할 수 있다. 상술된 바와 같이, 표시 컴포넌트(1204)는 목적지 추정기 컴포넌트(104)와 함께 사용될 수 있는 개별 개체이다. 그러나, 표시 컴포넌트(1204) 및/또는 유사한 뷰 컴포넌트(view component)는 목적지 추정기 컴포넌트(104) (및/또는 인터페이스 컴포넌트(102)) 및/또는 독립 구동 장치와 결합될 수 있다는 것을 이해할 것이다. 표시 컴포넌트(1204)는 하나 이상의 그래픽 유저 인터페이스 (GUI), 명령줄 인터페이스(command line interface) 등을 제공할 수 있다. 예를 들어, 데이터를 불러오고, 가져오고, 판독하고, 기타 동작을 할 수단 또는 영역을 제공하고, 그런 결과를 나타내는 영역을 포함할 수 있는 GUI가 렌더링될 수 있다. 이 영역은 알려진 텍스트 및/또는 다이얼로그 박스, 스태틱 컨트롤, 드롭다운 메뉴, 리스트 박스, 팝업 메뉴, 에디트 컨트롤, 콤보 박스, 라디오 버튼, 체크 박스, 푸시 버튼 및 그래픽 박스를 포함하는 그래픽 영역을 포함한다. 게다가, 네비게이션을 위한 수직 및/또는 수평 스크롤 바 및 영역을 볼 수 있는지를 결정하는 툴바 버튼 같이 표시를 용이하게 하는 유틸리티가 사용될 수 있다. 예를 들어, 사용자는 목적지 추정기 컴포넌트(104)에 연결된 하나 이상의 컴포넌트와 상호 작용할 수 있다.

사용자는 또한, 예를 들어, 마우스, 롤러 볼, 키패드, 키보드, 펜 및/또는 음성 활성 같은 다양한 장치로써 그 영역들과 상호 작용하여 정보를 제공하고 선택할 수 있다. 통상적으로, 검색을 초기화하기 위해 후속적으로 정보를 입력하도록 푸시 버튼 또는 키보드 상의 엔터키와 같은 메커니즘이 사용될 수 있다. 그러나, 본 발명은 여기에 한정되지 않음을 이해할 것이다. 예를 들어, 단지 체크 박스를 하이라이트하는 것으로써 정보 전달을 초기화할 수 있다. 또 다른 예에서, 명령줄 인터페이스가 사용될 수 있다. 예를 들어, 명령줄 인터페이스는 사용자에게 텍스 트 메시지를 제공함으로써 정보에 대하여 (예를 들어, 디스플레이 상의 텍스트 메시지 또는 음성 재생을 통하여) 유도(prompt)할 수 있다. 사용자는 그 인터페이스 프롬프트 내에서 제공된 옵션 및 프롬프트에 내포된 질문에 대한 대답에 해당하는 알파벳 문자와 숫자로 이루어진 입력과 같은 적절한 정보를 제공할 수 있다. 명령 줄 인터페이스는 GUI 및/또는 API 와 관련되어 사용될 수 있음을 이해할 것이다. 게다가, 명령 줄 인터페이스는 하드웨어(예: 비디오 카드) 및/또는 제한된 그래픽 성능을 지원하는 디스플레이(예: 흑백 및 EGA) 및/또는 저대역 통신 채널과 관련하여 사용될 수 있다.

도 13 내지 14는 본 발명에 따른 방법론을 도시한다. 설명의 간결성을 위하여, 방법론은 일련의 동작으로 상술되고 기술된다. 본 발명의 주요 혁신은 도시된 행위 및/또는 행위의 순서로 한정되지 않음을, 예를 들어 행위는 다양한 순서 및/또는 동시다발적으로 그리고 여기에 기술되지 않은 다른 행위와 함께 일어날 수 있음을 이해할 것이다. 더 나아가, 본 발명에 따른 방법론을 구현하는데 제시된 행위가 모두 요구되는 것은 아니다. 게다가, 방법론은 선택적으로 상태도(state diagram) 또는 이벤트를 통하여 일련의 상호 관련된 상태들로 표현될 수 있음을 당업자라면 이해할 것이다.

도 13으로 넘어가면, 확률적으로 목적지(들)를 예상하는 방법론(1300)이 도시되어 있다. 단계(1302)에서, 지리적 위치와 연관된 확률적 그리드가 생성될 수 있다. 지리적 위치는 임의의 크기일 수 있음을 예상할 수 있을 것이다. 예를 들어, 지리적 위치는 도시, 시골, 임의의 수의 도시 블록, 주, 국가 등과 연관될 수 있다. 게다가, 그리드는 임의의 수의 셀을 포함할 수 있고, 셀은 임의의 크기, 모양 등이 될 수 있다.

단계(1304)에서, 여행과 연관된 데이터가 평가되어 우선도(들) 및/또는 가능성(들)을 결정할 수 있다. 예를 들어, 평가된 데이터는 토지 표면 데이터, 이력 데이터, 효율적 경로 데이터, 여행 시간 분포, 현재 여행과 관련된 실시간 위치 데이터 등일 수 있다. 예를 들어, 데이터는 임의의 소스로부터 획득될 수 있다. 나아가, 예시로서, 우선도 또는 가능성을 결정할 때 현재 여행과 관련된 실시간 위치 데이터를 참작할 수 있다. 다른 방법으로, 우선도 또는 가능성은 실시간 위치 데이터를 사용하지 않고 파악될 수 있다. 단계(1306)에서, 여행에 관련된 목적지는 그리드를 이용하여 확률적으로 우선도(들) 및/또는 가능성(들)을 조합함으로써 예상될 수 있다. 하나 이상의 우선도 및/또는 하나 이상의 가능성이 선택되어 조합될 수 있다. 따라서, 일 예에 따르면, 토지 표면 우선도 및 여행 시간 가능성이 선택되어 목적지를 예상하는데 사용될 수 있지만, 본 발명은 그런 예에 한정되지 않는다. 그리고 나서 우선도(들) 및/또는 가능성(들) 조합은 예상 목적지를 생성하는데 사용될 수 있다.

도 14를 참조하면, 조합될 수 있는 우선도(들) 및/또는 가능성(들)에 기초하여 예상된 목적지와 관련된 정보를 제공하는 방법론(1400)이 도시되어 있다. 단계(1402)에서, 하나 이상의 개인 목적지 우선도, 토지 표면 우선도, 효율적 운전 가능성 및 여행 시간 가능성이 선택될 수 있다. 예를 들어, 개인 목적지 우선도는 사용자의 이전 목적지 집합(예: 이력 데이터)에 기초할 수 있다. 나아가, 토지 표 면 우선도는 지리적 위치와 관련된 확률적 그리드 내의 셀이 그 셀 내의 토지 표면에 기초한 목적지일 확률과 연관될 수 있다. 추가적으로, 효율적 운전 가능성은 후보 목적지에 도착할 때까지의 시간 변화에 기초할 수 있다. 따라서, 셀 쌍 간의 경로는 효율적 운전 가능성과 연관되어 추정될 수 있다. 여행 시간 가능성은, 예를 들어, 경과된 여행 시간 및/또는 여행 시간 분포 데이터와 관련될 수 있다.

단계(1404)에서, 선택된 우선도(들) 및/또는 가능성(들)이 조합될 수 있다. 선택된 우선도(들) 및/또는 가능성(들)을 조합하는 것과 관련하여 베이즈 법칙이 이용될 수 있다. 단계(1406)에서, 그 조합을 이용하여 목적지가 확률적으로 예상될 수 있다. 따라서, 예를 들어, 확률적 그리드에서 나온 특정 셀은 목적지로 파악될 수 있다. 단계(1408)에서, 예상된 목적지와 관련된 정보가 제공될 수 있다. 예를 들어, 정보는 목적지 및/또는 목적지로 가는 경로 도중의 위치와 관련될 수 있다. 더 상세한 예시로서, 관련 정보는 교통 관련 정보이거나, 날씨 관련 정보이거나, 표적 광고와 연관되거나, 운행 보조의 제공과 관련되거나, 잠재적으로 중요한 사건 등에 연관될 수 있다.

도 15 내지 18은 운전자 습성 및 목적지 예상과 연관된 다양한 태양을 묘사하는 예시적인 그리드 및 상응하는 지도를 도시한다. 이 그리드 및 지도는 예시로서 제공되고 본 발명은 이에 한정되지 않는다. 도 15를 참조하면, 특정 사용자와 관련된 개인 목적지 우선도와 연관된 목적지 셀을 묘사하는 그리드(1500)가 도시되어 있다. 도 16을 살펴보면, 토지 표면 우선도를 설명하는 그리드(1600)가 도시되어 있는데, 여기서 더 어두운 외곽선은 더 높은 목적지 셀 가능성을 나타낸다. 도 17은 효율적 운전 가능성과 관련된 그리드(1700)를 도시하는데, 특히, 그리드(1700)는 남쪽 방향의 네 개의 셀을 지나간 뒤에, 동북쪽 영역의 대다수가 제거될 수 있음을 보여준다. 나아가, 도 18은 사용자가 더 남쪽으로 계속하여 이동할 때 그리드(1700)에 비해 그리드(1800)로부터 셀들이 추가적으로 제거될 수 있음을 도시한다.

본 발명의 다양한 태양을 구현하는 것에 대한 부가적인 맥락을 제공하기 위하여, 도 19 내지 20 및 이하의 설명에서 본 발명의 주요 혁신의 다양한 태양이 구현될 적합한 컴퓨팅 환경에 대한 간략하고 포괄적인 기술을 제공하고자 한다. 본 발명이 일반적인 로컬 컴퓨터 및/또는 원격 컴퓨터상에서 실행되는 컴퓨터 프로그램의 컴퓨터 실행 가능 명령어들의 환경에서 기술되지만, 본 발명의 주요 혁신은 또한 기타 프로그램 모듈과 결합하여 구현될 수도 있음을 당업자라면 이해할 것이다. 일반적으로, 프로그램 모듈은 루틴, 프로그램, 컴포넌트, 특정 태스크를 수행하거나 나아가 특정 추상 데이터 타입을 구현하는 데이터 구조 등을 포함한다.

더욱이, 본 방법 발명은, 각각이 하나 이상의 연관된 장치와 영향을 미치며 통신하도록 동작하는, 싱글 프로세서 또는 멀티 프로세서 컴퓨터 시스템, 미니 컴퓨터, 퍼스널 컴퓨터뿐만 아니라 메인프레임 컴퓨터, 핸드-헬드 컴퓨팅 장치, 마이크로프로세서 기반 및/또는 프로그램가능한 가전 제품 등을 포함하는 기타 컴퓨터 시스템 구성을 사용하여 실시될 수 있음을 당업자라면 이해할 것이다. 본 발명의 설명된 태양은 또한 일정 태스크가 통신 네트워크를 통해 연결된 원격 처리 장치에 의해 수행되는 분산 컴퓨팅 환경에서도 실시될 수 있다. 그러나, 본 발명의 주요 혁신의 전부는 아니더라도 몇몇, 태양은 독립 구동 컴퓨터상에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및/또는 원격 메모리 저장 장치에 위치할 수 있다.

도 19는 본 발명과 상호 작용하는 샘플 컴퓨팅 환경(1900)의 개략적인 블록도이다. 시스템(1900)은 하나 이상의 클라이언트(1910)를 포함한다. 클라이언트(들)(1910)는 하드웨어 및/또는 소프트웨어(예: 스레드, 프로세스, 컴퓨팅 장치)일 수 있다. 시스템(1900)은 또한 하나 이상의 서버(들)(1920)을 포함한다. 서버(들)(1920)는 하드웨어 및/또는 소프트웨어(예: 스레드, 프로세스, 컴퓨팅 장치)일 수 있다. 서버(1920)는 본 발명의 주요 혁신을 사용함으로써 변환을 수행하는 스레드를 수용할 수 있다.

클라이언트(1910) 및 서버(1920) 간에 가능한 통신 형태중 하나는 두 개 이상의 컴퓨터 프로세스 간에 전송되는데 적합한 데이터 패킷의 형태일 수 있다. 시스템(1900)은 클라이언트(들)(1910) 및 서버(들)(1920) 간의 통신을 용이하게 하는데 사용될 수 있는 통신 프레임워크(1940)를 포함한다. 클라이언트(들)는 정보를 클라이언트(들)(1910)에 로컬로 저장하는데 사용될 수 있는 하나 이상의 클라이언트 데이터 저장 장치(들)(1950)와 연결되어 동작할 수 있다. 유사하게, 서버(들)(1920)는 정보를 서버(1920)에 로컬로 저장하는데 사용될 수 있는 하나 이상의 서버 데이터 저장 장치(들)(1930)와 연결되어 동작할 수 있다.

도 20을 참조하면, 본 발명의 다양한 태양을 구현하기 위한 예시적인 환경(2000)은 컴퓨터(2012)를 포함한다. 컴퓨터(2012)는 처리 장치(2014), 시스템 메모리(2016) 및 시스템 버스(2018)를 포함한다. 시스템 버스(2018)는 시스템 메모리(2016)를 포함하지만 이에 한정되지 않는 시스템 컴포넌트를 처리 장치(2014)에 연결한다. 처리 장치(2014)는 임의의 이용 가능한 프로세서일 수 있다. 처리 장치(2014)로서 듀얼 마이크로프로세서 및 기타 멀티프로세서 아키텍처 또한 사용될 수 있다.

시스템 버스(2018)는 ISA(industry standard architecture) 버스, MCA(micro channel architecture) 버스, EISA(Enhanced ISA) 버스, IDE(Intelligent Drive Electronics), VESA(video electronics standard association) 로컬 버스, PCI(peripheral component interconnect) 버스, 카드 버스, USB 버스(Universal Serial Bus), AGP 버스(Advanced Graphics Port), PCMCIA 버스(Personal Computer Memory Card International Association), 파이어 와이어 버스(IEEE 1394) 및 SCSI 버스(Small Computer Systems Interface) 등을 포함하지만 이에 한정되지는 않는 각종 이용 가능한 버스 아키텍처 중 임의의 것을 이용하는 메모리 버스 또는 메모리 컨트롤러, 주변장치 버스 또는 외부 버스 및/또는 로컬 버스를 비롯한 몇몇 유형의 버스 구조 중 어느 것이라도 될 수 있다.

시스템 메모리(2016)는 휘발성 메모리(2020) 및 비휘발성 메모리(2022)를 포함한다. 컴퓨터(2012) 내의 구성 요소 간에 정보를 전송하는 기본 루틴을 포함하는 기본 입/출력 시스템(basic input/output system; BIOS)은, 시동 중과 같은 때에, 비휘발성 메모리(2022) 내에 저장되어 있다. 예시로서, 비휘발성 메모리(2022)는 판독 전용 메모리(ROM), 프로그램가능한 ROM(PROM), 전자적으로 프로그 램가능한 ROM(EPROM), 전자적으로 지울 수 있는 프로그램가능한 ROM(EEPROM) 또는 플래시 메모리를 포함하지만 이에 한정되지는 않는다. 휘발성 메모리(2020)는 랜덤 액세스 메모리(RAM)를 포함할 수 있는데, 이는 외부 캐시 메모리로서 동작한다. 예시로서, RAM은 정적 램(SRAM), 동적 램(DRAM), 동기식 동적 램(SDRAM), 2배속 동기식 동적 램(DDR SDRAM), ESDRAM(enhanced SDRAM), SLDRAM(Synchlink DRAM), 램버스 다이렉트 램(RDRAM), 다이렉트 램버스 동적 램(DRDRAM) 및 램버스 동적 램(RDRAM)과 같은 다양한 형태로 사용 가능 하지만, 이에 한정되지는 않는다.

컴퓨터(2012)는 또한 착탈 가능/착탈 불가능, 휘발성/비휘발성 컴퓨터 저장 매체를 포함한다. 도 20은, 예를 들어, 디스크 저장 장치(2024)를 도시한다. 디스크 저장 장치(2024)는 자기 디스크 드라이브, 플로피 디스크 드라이브, 테이프 드라이브, Jaz 드라이브, Zip 드라이브, LS-100 드라이브, 플래시 메모리 카드 또는 메모리 스틱를 포함한다. 게다가, 디스크 저장 장치(2024)는 CD-ROM(compact disk ROM) 장치, CD-R 드라이브(CD recordable drive), CD-RW 드라이브(CD-RW Drive), DVD-ROM(digital versatile disk ROM) 드라이브 같은 광 디스크 드라이브를 포함하지만, 이에 한정되지 않는 저장 장치를 개별적으로 또는 기타 저장 매체와 결합하여 포함할 수 있다. 디스크 저장 장치(2024)를 시스템 버스(2018)에 연결하는 것을 용이하게 하기 위하여, 통상적으로 인터페이스(2026)와 같은 착탈 가능 또는 착탈 불가능 인터페이스가 사용된다.

도 20이 사용자와 적합한 운영 환경(2000) 내에 기술된 기본 컴퓨터 자원 간의 매개체로 동작하는 소프트웨어를 도시함을 이해할 것이다. 이런 소프트웨어는 운영 체제(2028)를 포함한다. 디스크 저장 장치(2024) 상에 저장될 수 있는 운영 체제(2028)는 컴퓨터 시스템(2012)의 자원을 할당하고 제어하도록 동작한다. 시스템 애플리케이션(2030)은 시스템 메모리(2016) 또는 디스크 저장 장치(2024) 중 한 곳에 저장되어 있는 프로그램 모듈(2032) 및 프로그램 데이터(2034)를 통하여 운영 체제(2028)에 의한 자원 관리를 활용한다. 본 발명이 다양한 운영 체제 또는 운영 체제의 조합으로써 구현될 수 있음을 이해할 것이다.

사용자는 입력 장치(들)(2036)를 통하여 컴퓨터(2012)에 명령 또는 정보를 입력한다. 입력 장치(2036)는 마우스, 트랙볼(trackball), 스타일러스(stylus), 터치 패드, 키보드, 마이크, 조이스틱, 게임 패드, 위성 안테나, 스캐너, TV 수신 카드(TV tuner card), 디지털 카메라, 디지털 비디오 카메라, 웹 카메라 등을 포함하지만 이에 제한되지 않는다. 이들 및 기타 입력 장치들은 인터페이스 포트(들)(2038)를 거쳐 시스템 버스(2018)를 통하여 처리 장치(2014)에 연결된다. 인터페이스 포트(들)(2038)는,예를 들어, 직렬 포트(serial port), 병렬 포트(parallel port), 게임 포트 및 USB를 포함한다. 출력 장치(들)(2040)는 입력 장치(들)(2036)와 동일한 유형의 포트 중 몇몇을 사용한다. 따라서, 예를 들어, 컴퓨터(2012)에 입력을 제공하고 컴퓨터(2012)로부터 출력 장치(2040)로 정보를 출력하는데 USB 포트가 사용될 수 있다. 출력 어댑터(2042)는 기타 출력 장치(2040) 중에 모니터, 스피커 및 프린터와 같은 몇 가지 출력 장치(2040)가 있고, 이것들은 특별한 어댑터를 필요로 한다는 것을 설명하도록 제공된다. 출력 어댑터(2042)는 예시로서 출력 장치(2040)와 시스템 버스(2018) 간의 연결 수단을 제공하는 비디오 및 사운드 카드를 포함하지만 이에 한정되지는 않는다. 기타 장치 및/또는 장치 시스템은 원격 컴퓨터(들)(2044)와 같이 입력 및 출력 성능 모두를 제공함을 주목해야 한다.

컴퓨터(2012)는 원격 컴퓨터(들)(2044)와 같은 하나 이상의 원격 컴퓨터에 대한 논리 접속을 사용하여 네트워크화된 환경 내에서 동작할 수 있다. 원격 컴퓨터(들)(2044)는 퍼스널 컴퓨터, 서버, 라우터, 네트워크 PC, 워크스테이션, 마이크로프로세서 기반 제품, 피어 장치 또는 기타 일반 네트워크 노드 등일 수 있고 통상적으로 컴퓨터(2012)와 관련되어 기술된 구성 요소 중 다수 또는 전부를 포함할 수 있다. 간결성을 위하여, 오직 메모리 저장 장치(2046)만이 원격 컴퓨터(들)(2044)과 함께 도시되어 있다. 원격 컴퓨터(들)(2044)는 네트워크 인터페이스(2048)를 통하여 컴퓨터(2012)에 논리적으로 연결되고나서 통신 연결(2050)을 통하여 물리적으로 연결된다. 네트워크 인터페이스(2048)는 LAN(local-area networks) 및 WAN(wide-area networks)과 같은 유선 및/또는 무선 통신 네트워크를 포함한다. LAN 기술은 광섬유 분산 데이터 인터페이스(Fiber Distributed Data Interface; FDDI), 동선 분산 데이터 인터페이스(Copper Distributed Data Interface; CDDI), 이더넷, 토큰 링 등을 포함한다. WAN 기술은 점 대 점 연결, ISDN(Integrated Services Digital Networks)같은 회선 교환망(circuit switching network) 및 그것들의 다양한 변형, 패킷 교환망(packet switching network) 및 DSL(Digital Subscriber Lines)을 포함하지만 이에 한정되지는 않는다.

통신 연결(들)(2500)은 네트워크 인터페이스(2048)를 버스(2018)에 접속시키 는데 사용되는 하드웨어/소프트웨어를 지칭한다. 통신 연결(2050)이 예시적인 명확성을 위해 컴퓨터(2012) 내에 도시되어있지만, 컴퓨터(2012)의 외부에 또한 위치할 수도 있다. 네트워크 인터페이스(2048)로 접속하는데 필요한 하드웨어/소프트웨어는, 단지 예시로서, 정규 전화 등급 모뎀(regular telephone grade modem), 케이블 모뎀 및 DSL 모뎀을 포함하는 모뎀, ISDN 어댑터 및 이더넷 카드와 같은 외부 및 내부 기술을 포함한다.

상기에 기술된 것은 본 발명의 주요 혁신의 예시이다. 물론, 본 발명를 기술할 목적으로 컴포넌트 또는 방법론의 생각할 수 있는 모든 조합을 기술하는 것은 불가능 하지만, 본 발명의 주요 혁신에 대한 다수의 심화된 조합 및 치환이 가능함을 당업자라면 인식할 수 있을 것이다. 따라서, 본 발명은 첨부된 청구 범위의 사상과 범주를 벗어나지 않는 모든 그런 치환, 수정 및 변경을 포괄하고자 한다.

특히, 상기에 기술된 컴포넌트, 장치, 회로, 시스템 등에 의해 수행되는 다양한 기능에 관해서 ("수단"에 대한 참조를 포함하는) 용어는 그런 컴포넌트가, 그렇지 않다고 지적되지 않는 한, 기술된 컴포넌트의 특화된 기능을 수행하는 (개시된 구조와 구조적으로 동등하지는 않을지라도, 여기에 설명된 본 발명의 예시적인 태양의 기능을 수행하는) 임의의 컴포넌트(예: 기능적 등가물)에 상응하도록 의도된 것이다. 이런 측면에서, 본 발명의 주요 혁신은 본 발명의 다양한 방법의 이벤트 및/또는 행위를 수행하기 위한 컴퓨터 실행 가능 명령어를 구비한 컴퓨터 판독 가능 매체 뿐만 아니라 시스템을 포함함을 또한 인식할 수 있을 것이다.

게다가, 본 발명의 주요 혁신의 특별한 특징은 수 개의 구현 중 오직 하나에 관하여 개시되었을 수도 있지만, 임의의 일정한 또는 특정한 애플리케이션에 대하여 유리하고 바람직할 수 있음에 따라 그런 특징은 다른 구현의 하나 이상의 다른 특징과 조합될 수도 있다. 나아가, 용어 "포함한다(include)" 및 "포함하는(including)" 및 그것들의 변형이 상세한 설명 또는 청구 범위에서 사용되는 것에 있어서, 이 용어들은 용어 "포함하는(comprising)"과 유사하게 나열되지 않은 구성요소가 포함될 수 있다는 의미로 의도되었다.

Claims

사용자의 하나 이상의 목적지들을 결정하는 것을 용이하게 하는 시스템으로서,

입력 데이터를 수신하는 인터페이스 컴포넌트(102); 및

상기 수신된 입력 데이터에 적어도 부분적으로 기초하는 우선도 및 가능성 중 적어도 하나에 기초하여 확률적으로 하나 이상의 여행에 대한 목적지들을 예상하는 목적지 추정기 컴포넌트(104)

를 포함하는 시스템.
제1항에 있어서,

상기 우선도는 사용자의 이전 목적지들의 집합과 관련된 개인 목적지들 우선도인 시스템.
제1항에 있어서,

상기 우선도는 셀이 상기 목적지일 확률과 연관된 토지 표면 우선도이고, 상기 확률은 상기 셀 내의 토지 표면에 기초한 시스템.
제1항에 있어서,

상기 가능성은 후보 목적지에 도착할 때까지의 시간 변화에 기초하는 효율적 운전 가능성이고, 상기 효율적 운전 가능성은 최종 위치에 관한 단서를 제공하는 후보 목적지들의 집합과 연관되어 계산된 운전 효율성과 관련되는 시스템.
제1항에 있어서,

상기 가능성은 후보 목적지까지의 예상 시간 및 경과 시간에 적어도 부분적으로 기초하는 여행 시간 가능성인 시스템.
제1항에 있어서,

상기 목적지 추정기 컴포넌트는 베이즈 법칙을 사용하여 상기 하나 이상의 목적지들을 확률적으로 예상하는 시스템.
제1항에 있어서,

개인 목적지들 우선도, 토지 표면 우선도, 효율적 운전 가능성 및 여행 시간 가능성 중 적어도 하나를 선택하고 조합하여 상기 하나 이상의 목적지들을 확률적으로 예상하는 것을 가능하게 하는 융합 컴포넌트를 더 포함하는 시스템.
제1항에 있어서,

상기 하나 이상의 예상 목적지들과 연관된 관련 정보를 제공하는 내용 컴포넌트를 더 포함하고, 상기 내용 컴포넌트는 교통 경고, 건설, 전방 안전 문제, 디스플레이될 광고, 방향, 경로 설정 조언 및 업데이트 중 적어도 하나를 제공하는 시스템.
제8항에 있어서, 사용자 관련 기호들에 기초하여 상기 내용 컴포넌트에 의해 제공된 상기 관련 정보를 맞추는 커스터마이즈화 컴포넌트를 더 포함하는 시스템.
제1항에 있어서,

상기 목적지 추정기 컴포넌트는 실시간 위치 데이터를 이용하여 여행 도중에 상기 하나 이상의 목적지들을 예상하는 시스템.
제1항에 있어서,

상기 목적지 추정기 컴포넌트에 의해 상기 하나 이상의 목적지들을 예상하는데 사용되는 지리적 위치의 지도와 연관된 확률적 그리드를 생성하는 그리드 컴포넌트를 더 포함하는 시스템.
제1항에 있어서,

후보 목적지들로 이동하는데 이용될 가능성이 있는 경로들을 생성하고 상기 경로들과 연관된 시간 예상들을 결정하는 경로 계획 컴포넌트를 더 포함하는 시스템.
제1항에 있어서,

상기 목적지 추정기 컴포넌트는 계방 세계 및 폐쇄 세계 분석을 위치 예측에 통합하고, 상기 목적지 추정기 컴포넌트는 위치들에 대한 사전 관측들이 주어졌을 때, 운전자가 이전에 관측되지 않은 위치를 방문할 가능성 및 새로운 위치들의 공간적 관계들에 대한 예측을 수행하는 시스템.
사용자의 목적지를 결정하는 것을 용이하게 하는 방법으로서,

지리적 위치와 연관된 확률적 그리드를 생성하는 단계;

여행과 연관된 데이터를 평가하여 하나 이상의 우선도 및 가능성을 결정하는 단계; 및

상기 하나 이상의 상기 우선도 및 상기 가능성을 확률적으로 조합하는 것에 의해 상기 그리드를 사용하여 상기 여행과 관련된 하나 이상의 목적지들을 예상하는 단계

를 포함하는 방법.
제14항에 있어서,

상기 하나 이상의 상기 우선도 및 상기 가능성을 선택하여 확률적으로 조합하는 단계를 더 포함하는 방법.
제14항에 있어서,

상기 여행이 진행됨에 따라, 상기 하나 이상의 목적지들을 예상하는 단계를 더 포함하는 방법.
제14항에 있어서,

상기 하나 이상의 예상 목적지들과 연관된 관련 정보를 제공하는 단계를 더 포함하는 방법.
제14항에 있어서,

하나 이상의 사용자의 이전 목적지들의 집합에 기초하여 상기 우선도 및 셀 내의 토지 표면에 기초하여 셀이 상기 목적지일 확률을 생성하는 단계를 더 포함하는 방법.
제14항에 있어서,

후보 목적지에 도착할 때까지의 하나 이상의 시간 변화 및 경과된 여행 시간에 기초하여 상기 가능성을 생성하는 단계를 더 포함하는 방법.
사용자의 하나 이상의 목적지들을 결정하는 것을 용이하게 하는 시스템으로서,

하나 이상의 우선도 및 하나 이상의 가능성 중 적어도 하나와 연관된 입력 데이터를 수신하기 위한 수단(102); 및

상기 하나 이상의 우선도 및 하나 이상의 가능성 중 적어도 하나의 조합에 기초하여 하나 이상의 목적지를 확률적으로 예상하기 위한 수단(104)

을 포함하는 시스템.