KR20110033141A

KR20110033141A - 동적으로 조정되는 도로망 계층구조 및 라우팅을 위한 방법 및 시스템

Info

Publication number: KR20110033141A
Application number: KR1020107028826A
Authority: KR
Inventors: 치아 쿠즈넷소브; 일리아 샌들러; 에드워드 수라니이
Original assignee: 텔레 아틀라스 노스 아메리카, 인크.
Priority date: 2008-06-24
Filing date: 2009-04-09
Publication date: 2011-03-30
Also published as: RU2011102443A; JP2011526678A; US9448081B2; BRPI0912779A2; CN101971181B; US20110113155A1; JP2014089202A; CA2726103A1; CN101971181A; AU2009262900A1; JP6257313B2; EP2310971A4; EP2310971A1; WO2009158058A1

Abstract

도로망에서의 라우팅 계산 시스템 및 방법이 개시된다. 일 실시예는 계층구조 안에 집약된 한 개 이상의 환경 프로파일들에 대해 라우팅 데이터를 전처리하는 단계, 교통 상황에 대한 실시간 데이터에 대응해 링크들을 계층구조 안에 동적으로 추가하는 단계, 실시간 교통 데이터에 기반해 라우팅 이동 비용들을 근사화하도록 클러스터-라우팅을 수행하는 단계를 포함한다. 또 다른 실시예는, a) 실시간 데이터에 기반하여 도로망의 한 개 이상의 부분들을 보통의 경우보다 더 바람직한 것으로 식별하는 단계, b) 도로망의 한 개 이상의 부분들을 고유하게 식별가능한 경로를 포함하는 위치들의 시퀀스로서 표현하는 단계, c) 고유하게 식별가능한 경로를 포함하는 위치들의 시퀀스를 이용해, 한 개 이상의 링크들을 이미 구축된 계층적 도로망에 추가하는 단계, 및 d) 경로 찾기 알고리즘이 실시간 데이터에 맞게 조정될 수 있게 하는 단계를 포함한다.

Description

동적으로 조정되는 도로망 계층구조 및 라우팅을 위한 방법 및 시스템 {Methods and systems for dynamically adaptive road network hierarchy and routing}

본 발명은 디지털 맵 데이터베이스 및 그러한 디지털 맵 데이터베이스를 사용하고, 지리 정보 시스템 (GIS, Geographic Information Systems), 네비게이션 시스템 (내장형, PDA, 무선), 인터넷 애플리케이션들 등을 포함하는 시스템에 관한 것으로, 더 상세히 말하면 도로망에서의 최선의 경로들에 대한 서치를 최적화하기 위한 기법에 관한 것이다.

본 발명의 실시예들은 도로망에서의 라우팅을 산출하는 시스템들과 방법들을 포함한다. 실시예들은 한 계층구조 안에 집약되는 한 개 이상의 환경 프로파일들 (environmental profiles)에 대해 라우팅 데이터를 전처리하는 단계; 교통 상황에 대한 실시간 데이터에 대응해 상기 계층구조 안에 동적으로 링크들을 추가하는 단계; 및 실시간 교통 데이터에 기반하여 라우팅 이동 경비들을 근사화하기 위해 클러스터-라우팅 (cluster-routing)을 수행하는 단계를 포함한다.

본 발명의 실시예들은 이하의 도면들에 기초해 상세히 설명될 것이다.
도 1은 출발지로부터 목적지까지의 경로 찾기 예를 보인 도면이다.
도 2는 양방향 경로 찾기의 예를 보인 도면이다.
도 3은 경로 찾기에 대한 양방향 휴리스틱 방식의 예를 도시한 도면이다.
도 4는 노드들 간 도로 우선순위들에 대한 계층구조를 보인 도면이다.
도 5는 일 실시예의 하이 레벨 아키텍처이다.
도 6은 일 실시예의 방법을 도시한 흐름도이다.
도 7은 일 실시예의 방법을 도시한 흐름도이다.
도 8은 일 실시예의 방법을 도시한 흐름도이다.
도 9는 일 실시예의 방법을 도시한 흐름도이다.
도 10은 일 실시예의 방법을 도시한 흐름도이다.
도 11은 일 실시예에 따라 한 개 이상의 구성요소들을 구현하는데 사용될 수 있는 전형적 컴퓨터 시스템의 하드웨어 블록도이다.

전자 맵들은 보통 단계별로 준비된다. 한 지역에서 다른 지역까지의 경로들은 사전에 계산될 수 있다. 여행자가 빠른 응답을 요망할 때, 지역들 사이의 경로에 대한 사전 계산 (pre-calculation)이 응답 시간을 개선 시킨다. 이와 관련해, 개선된 응답 시간이란, 시스템의 응답성이 개선되고, 그에 따라 응답하는 시간이 줄어듦을 의미한다. 사전 계산은 한 경로에 대해 요구되는 계산이 복잡하게 뒤얽혀 있을 때 특히 도움이 된다.

그러나, 런 타임 (run-time)에서의 요청에 응하는 어느 정도의 계산들은 여전히 수행된다. 이것이, 경로 찾기 프로세스의 일부가 수행 시간에 앞서 계산된 후 맵 애플리케이션 안에 합쳐지는 프로세스를 파생한다. 나중에, 여행자가 출발지와 목적지를 포함하는 정보를 입력하고, 경로 찾기 애플리케이션은 관련 상황에서 사전 계산된 경로들을 활용해 경로를 결정한다.

경로 알고리즘들의 이력 (history)은 데이크스트라 (Dijkstra)의 최단 경로를 포함할 것이다. 전자 맵은, 노드들 및 각각에 대해 비용이 할당되어 있는 링크들의 모음인 방향성 그래프일 수 있다. 출발지와 목적지 사이의 최소 비용 경로가 그 경로 내 링크들의 총 비용을 최소화할 것이다. 그러한 방향성 그래프에서 매 결정 지점이 하나의 노드가 될 수 있을 것이다. 한 노드에서 다른 노드로의 이행 (transition)이 링크다. 계산상의 복잡도를 낮추고 응답 시간을 개선하도록 하는, 경로 찾기 프로세스의 여러 최적화 방식들이 있을 수 있다.

데이크스트라의 오리지널 방법은, 출발지부터 서치가 웨이브 (wave) 모양으로 진행되어 그 웨이브 프런트 (wave front)에 의해 목적지가 커버 될 때까지 진행하는 일방 경로 (one-directional path) 서치이다. 데이크스트라의 알고리즘은 최단 경로 트리를 산출하면서 단일-소스 최단 경로 문제를 해결한다. 도 1이 도시 거리들의 맵 위에 펼쳐져 있고, 출발지(100)에서 목적지(102)까지 가는 한 경로가 모색된다고 가정하자. 데이크스트라의 알고리즘을 최단 경로 문제에 적용하면, 서치는 전방향으로 퍼져 수행될 것이다. 경로 찾기 프로세스가 한 반경(104)에 도달할 때, 경로 찾기 프로세스는 전방향을 탐색했지만 아직 목적지(102)를 찾지 못한 상태다. 경로 찾기 프로세스가 반경(106)에 도달할 때 목적지가 발견되었다.

양방향 서치는 출발지와 목적지 모두로부터 서치를 진행하여 그 웨이브들이 포개질 때까지 진행하도록 하는 것이다. 양방향 서치는 서치 면적 및 계산 시간을 1/2로 줄인다. 두 서치들 각각이 복잡도 O(b^d ^/2)를 가지는데, O(b^d ^/2+ b^d ^/2)는 출발지에서 목적지까지 O(b^d)가 될 한 서치의 실행 시간보다 적다. 도 2에 도시된 것은, 출발지(200)에서 목적지(202)까지 가기 위해 양방향 서치를 적용한 예이다. 출발지(200)로부터의 서치(204)가 목적지(202)로부터의 서치(206)와 교차할 때, 최단 경로가 발견된 것이다. 200과 202 사이의 거리는 100과 102 사이의 거리에 필적하지만, 서치 면적은 양방향 서치 알고리즘을 수행할 때의 1/2 사이즈가 된다.

A* 알고리즘은 목적지를 향하는 탐색에 편중하는 서치에 중점을 둠으로써, 서치 면적과 계산 시간을 한층 더 줄일 수 있다. A*는 출발 노드에서 목적지 노드까지 최소 비용의 경로를 찾는 그래프 서치 (graph search) 알고리즘이다. A*는 휴리스틱 (Heuristic) 함수를 이용하여, 노드 비용들 및 그에 따라 서치가 트리 안의 노드들을 방문하는 순서를 결정한다. 도 3에 도시된 것은 출발지(300)에서 목적지(302)까지 가는 데 양방향 A* 알고리즘을 적용한 예이다. 출발지(300)로부터의 서치가 목적지(302)로부터의 서치와 교차할 때, 최단 경로가 발견되었다. 300 및 302 사이의 거리는 100 및 102 사이의 거리에 필적하지만, 역시 양방향 A* 알고리즘을 이용하여 서치 면적이 크게 줄어 들었다.

계층적 (hierarchical) 모델이 추가 최적화를 지원할 수 있다. 노드 우선순위 (priority)는 한 노드의 라우팅 중요성과 네트워크 계층구조 내에서의 그 위치를 말해준다. 경로 찾기 알고리즘의 목적은 비용을 최소화하기 위한 것이다. 한 링크의 비용은 시간, 거리이거나, 다른 팩터들과 관련된 것일 수 있다. 링크들에는 최적화 기준에 기반해 비용들이 할당되어 있다. 비용 분류 시스템은 여러 레벨들을 포함하여, 그로 하여금 도로, 고속도로, 골목길, 차도, 램프, 비램프, 유료 도로, 페리 (ferries), 국경 등등을 구별할 수 있게 한다. 비용은, 거리당 비용을 거리와 곱함으로써 결정될 수 있다. 한 링크는 동시에 여러 비용 클래스들을 가질 수 있는데, 예를 들면, 링크가 한 계층구조 모델 안에서 높은 우선순위로서 분류되면서 또한 접근이 제한될 수도 있다. 어떤 비용 클래스들 (유료 도로, 페리 등등)은 추가 통제수단 (controls)을 가질 수 있다. 그러면 서치는 탐색된 노드들의 최소 비용에 의해 운용되면서, 노드에서 노드로 진행한다.

RDS TMC (Radio Data System -Traffic Message Channel)는 FM 라디오상에서 RDS 서브 캐리어를 통해 교통 데이터를 방송하기 위해 널리 승인된 표준이다. 데이터는 TMC 표준에 따라 코딩되고, 매핑 시스템에 의해 디코딩되어 여행자의 위치 및/또는 경로와 관련된 정보를 제공한다.

일본은 차량 정보 및 제어 시스템 (VICS, vehicle information and control system)을 개발하고 있다. VICS는 도로/자동차 통신 시스템 (RACS, road/automobile communication system) 및 진일보한 모바일 교통 정보 및 통신 시스템 (AMTICS, advanced mobile traffic informatin and communication system) 사이에서의 경쟁을 해소하고, 그 둘의 가장 좋은 사양들을 이용하는 공통 시스템을 규정한다는 목적을 가진 프로그램이다. 한 제안사항이, 본질적으로 각각 개별적 시스템에 의해 사용되는 툴들을 결합하여, 투웨이 (two-way) 도로-차량 통신 및 위치 정보를 제공하도록 하는 디지털 마이크로 셀룰라 라디오 시스템이다. RACS 타입 1 표시신호들 (beacons) 및 운전자들의 RM 차량 라디오들 (RDA-TMC 같은 것)을 통한 운전자들로의 정보 브로드캐스트를 이용하는 RACS-AMTICS 시스템이 또 다른 옵션이다.

국제 표준화 기구 (ISO, International Organization for Standardization)는 AGORA-C로도 불리는, 지리적 데이터베이스-파트 3, 동적 위치 참조사항들 (Dynamic Location Refernces)에 대한 ISO 인텔리전트 교통 시스템-위치 참조방식 (ISO 17572-3 Intelligent Transport System-Location Referencing)을 만들어 냈다. 이 표준은 사이즈 효율성 및 강력한 자율적 디코딩을 위해 최적화된 장치-대-장치 (machine-to-machine) 위치 서술 (descriptions)을 지원하기 위해 고안된 것이다. 동적 방법으로서, AGORA-C는 디코딩 시점에 맵 버전들 간 차이를 예상한다. AGORA-C 표준은 TMC의 교체를 포함한 강화된 네비게이션 서비스 개발을 허용하도록 계획된 것이다. AGORA-C는 미리 규정된 위치 코드들이나 룩업 테이블들을 필요로 하지 않고, 위치 참조사항들의 동적 인코딩 및, 제조자나 버전에 관계없이 이들을 임의의 맵 안에 디코딩하는 방법을 명시한다. 위치 참조사항들은 도로 교차점, 진출 램프, 및 주소 같은, 지리적 대상물들의 고유한 식별자이다.

교통 흐름을 설명하기 위해 대부분의 상용 시스템들은, 맵 데이터 및 애플리케이션 제공자들 사이에 공유하는 정부나 산업 표준인 위치 식별자들을 통해 도로 엔티티들을 참조하는 소정의 위치 코드들의 집합에 의존한다. 데이터 흐름에 영향을 미치는 교통 이벤트들은 일반적으로 TMC 포맷 (미국 및 유럽)이나 VICS (일본)를 통해 서술된다. 사전 할당된 위치 코드들에 대한 필요성이, 그러한 시스템들을 가장 중요한 교차로들에서의 위치들로 된 상대적으로 작은 부분집합으로 제한한다. 대부분의 라우팅 엔진들은 적은 량의 동적으로 수정된 데이터에 대처할 수 있다. 일부 라우팅 엔진들은 경로를 먼저 산출하고, 그런 다음 교통 이벤트가 통지나 재산출을 담보하는지를 판단하도록 체크를 행한다.

제한된 위치 테이블들을 동기 시키고 유지하는 비용은, 교통 제공자들이 그냥 TMC 세그먼트들을 선택하지 않고, 네트워크에 대해 전반적으로 주중 어느 요일, 날짜 및 시간 인터벌에서 소정 링크에 대한 속도 패턴들을 예측할 수 있는 이력 검침 데이터 (historical probe data)를 축적함에 따라, 점점 덜 매력적인 것이 되고 있다. ISO가 AGORA-C 기반 위치 참조방식 표준에 대한 일차 초안을 승인함으로써 동적 위치 참조방식에서의 진보도 이뤄졌다.

AGORA-C, VICS, 및 RDS/TMC는 동적 위치 참조방식 표준의 예들이다. 다른 표준들도 고려될 수 있다. 본 발명의 실시예들은 위치 참조방식들에 의해 제시된 동적 데이터를 활용한다. 본 발명의 실시예들은 여기 개시된 위치 참조방식 표준들에만 국한되는 것이 아니다.

실시간 교통 데이터는, 현재의 알고리즘들이 적절한 시간 안에 데이터를 효과적으로 처리할 수 없게 될 정도로, 그 사이즈 및 스케일이 커질 가능성이 있다. 가까운 장래에는 센서들이 이전 어느 때보다 많은 수의 도로들 상에서 교통 상황들에 관한 데이터를 전송하게 될 것이다. 네비게이션 시스템을 위한 GPS (Generic Positions Systems) 및 강화된 위치 결정 시스템들은 차량들로 하여금 자신들의 위치를 판단할 수 있게 할 뿐 아니라, 투웨이 (two-way) 통신의 도움으로 교통 데이터 제공자들로 하여금 그러한 설비가 된 차량들의 위치를 판단할 수 있게 하고 그 차량들에 영향을 미치는 현재의 교통 상황들을 판단할 수 있게 한다. 한 네비게이션 시스템에는 GPS 수신기 이상의 것들이 있을 수 있다 (INS, Dead Reckoning (추측 항법)등등을 포함할 수 있음). 또한 GPS 외에, 다른 GNSS (Global Navigation Satellite Systems)가 현재 존재하거나 곧 이용할 수 있게 될 것이다.

본 발명의 어떤 실시예들은 경로 찾기 (path-finding)가, 라우팅에도 영향을 줄 수 있는 교통관련 사건들 및 항의집회들 같은 이벤트들을 포함하는 실시간 데이터를 고려할 수 있게 한다. 크고 작은 내장형 플랫폼들 상에서 라우팅 알고리즘들은 이러한 대용량의 동적 비용 데이터를 효율적으로 사용할 수 있을 것이다. 여기 개시된 라우팅 알고리즘 기법의 일부 실시예들은, 방대한 양의 완전히 동적인 링크 횡단 (fully dynamic link traversal) 비용들로 인해 발생한 문제들을, 고속 라우팅을 가능하게 했던 것들, 즉 맵 데이터 계층구조 및 양방향 포커스식 서치를 가지고 해결한다.

링크 비용이 라우팅 알고리즘들에 있어 기본적인 것이다. 일반적인 목적은 최단 이동 시간을 산출하는 데 있다. 서치가 한 도로망에서의 최단 이동에 대해 최적화될 때, 링크 비용은 그 링크 상의 이동 시간에 그 링크를 지나는데 필요한 횡단 속도나 시간으로 표현될 수 있다. 링크는 두 판단 지점들 사이에 있는 도로의 한 구간이라고 정의된다. 노드는 특정 링크로부터 도달되는 도로망의 한 판단 지점이다.

도로망은 자연스러운 계층구조를 이루는데, 이는 도로들이 저마다 중요도, 처리용량 및 공시된 속도가 다르기 때문이다. 많은 라우팅 알고리즘들이 이러한 내재적 계층구조에 의존해, 도로망의 세부사항들 및 이동 거리와 관련해 알맞은 상세 정도 (level of detail)를 유지한다. 자연적인 도로 계층구조는 보통 라우팅하기에 불완전한데, 이는 때때로 어떤 거리를 지나는 경로들을 산출함에 있어, 덜 중요한 도로들이 더 중요한 도로들 사이의 지름길로서 유용하기 때문이다. 진일보한 라우팅 데이터베이스 애플리케이션은, 경로를 계산하는데 그래프의 일부만 처리되면 되도록 런 타임 성능을 위해 계층구조를 사전에 산출할 수 있다.

사전 계산된 라우팅 계층구조를 위한 병렬 프로파일들

이동 속도에 대해 비용이 최적화될 때, 라우팅 알고리즘들은 출발지 및 목적지로부터 멀리 진행하면서, 라우팅 알고리즘들의 관점에서 남은 도로들이 고속도로 (freeway)들만 있을 때까지, 진행상 더 중요한 도로들을 선호해 덜 중요한 도로들을 포기하는 경향이 있다. 목적지가 멀수록, 고속도로의 길이 백분율은 높아진다. 사전 계산된 계층 구조는 합당한 도로들의 부분집합에 대한 검색 (retrieval)을 편리하게 행할 수 있게 한다. 사전 계산된 계층 구조는 이동 속도가 도로 중요도와 함께 증가한다고 전제한다.

예를 들어, 어떤 오전 통근은 도로상의 교통 흐름을 멈추게 하는 반면, 오후 통근은 최대 속도의 교통 흐름을 허락한다. 마찬가지로, 혼잡한 도로로 들어가거나 그로부터 나오는 도로들은 한 방향으로 영향을 받고 다른 방향으로는 영향을 받지 않을 수 있다. 계층 구조가 도로의 최대 속도 제한에 기초해 생성되더라도, 그 결과가 항상 만족스럽지는 않을 것이다.

사전 계산된 데이터가 관련 데이터베이스 관리 시스템 (RDBMS, relational database management system) 안에 저장될 때, 도로망의 소수 비율을 나타내는 고속도로들은, 기능상의 큰 영향 없이 업데이트 될 수 있다. 그러나, 런 타임에 낮은 우선순위의 도로들을 장려하는 것은, 하위 레벨에 있는 수많은 도로들로 인해, 대규모 장비들에 까지도 쉽지 않은 것으로 판명날 수도 있다; 기능상의 영향은 시스템에 대해, 간단히 말해 너무 클 것이다.

심각한 교통 상황하에서, 어떤 시스템들은 초당 계산된 경로들의 수와 응답 시간에 부정적으로 영향을 미치는 트리의 상위 레벨들을 사용하지 않기로 결정하는 반면, 상용 차량 오퍼레이터들은 "정기적" "오전", 및 "오후" 통근에 대해 서로 상이한 라우팅 데이터베이스들을 보유할 수 있다.

교통 이벤트들이, 한 맵 애플리케이션에 있어 통상적으로 사전 계산된 계층 구조는 효율적으로 처리할 수 없을지 모르는 방대한 양의 동적 링크 비용들을 유발할 수 있다. 본 발명의 일 실시예는 동적 적응 계층구조에 대한 방법을 사용해 이 문제를 해소한다.

미국 특허 6,885,937은 계층적 라우팅 알고리즘이 좀 더 효율적으로 될 수 있도록 상위 레벨들에서의 추가 링크들을 가지고 디지털 맵을 증대하는 단축 경로 (shortcut) 생성기를 개시하고 있다. 통상의 계층적 라우팅 알고리즘 예가 도 4에 도시되어 있다. 도로(400)는 가장 높은 우선순위를 가지며, 가장 높은 속도를 허용하는 고속도로이다. 도로들(402, 404 및 406)은 중간 우선순위를 가지며, 중간 속도를 허용한다. 지방 도로들(408, 410, 42, 41, 416 및 418)은 정지 신호등, 정지 사인, 및 기타 바람직성을 떨어뜨리는 방해물들을 포함하는 도로들이다. 이 계층구조의 상위 레벨들에서는, 하위 우선순위의 도로들이 빠지기 때문에, 상위 우선순위 노드들 사이의 링크들이 점점 더 긴 거리를 커버한다. 한 경로가 꽤 긴 거리를 커버하게 되어 있는 경우, 경로 찾기 알고리즘은 도로(400) 및 도로들(402, 404 및 406)은 고려하지만 지방 도로들(408, 410, 412, 414, 416 및 418)은 고려하지 않는 것으로, 최적화될 수 있다. 미국 특허 6,885,937에 개시된 단축 경로 생성기는, 상위 우선순위의 두 도로들 사이에서 지방 도로가 바람직한 지름 길이 된다면, 경로 찾기 고려시의 우선 순위에서 지방 도로들이 장려될 수 있게 허용한다. 예를 들어, 한 지방 도로가 두 고속 도로들을 연결하는 경우, 단축 경로 생성기는 경로 찾기 알고리즘에 의해 그 지방 도로가 고려될 수 있도록 장려할 수 있다.

다른 맵 계층구조들에서처럼, 맵 제공자가 전제한 속도 제한치들과, 의도된 사용 시점에서 소정 링크에 대한 실질적이거나 예측된 속도 사이에 예측할 수 없는 비용 차가 존재할 때, 정적 (static) 도로 분류에 따른 단축 경로 생성기 방법은 잘 작동하지 않는다. 이러한 예측 불가한 차이들에 대해 두 가지 주요한 원인이 존재한다:

한 경로가 계산되는 시점에서, 링크 비용들은, 현재의 실제 교통상황, 교통 패턴들의 이력, 또는 예측된 교통 정보로 인해, 데이터가 생성되었을 때 추정되었던 링크 비용들과 다를 수 있다.

높은 우선순위가 주어져 있던 도로가 위험물질을 실은 트럭들에 대해 사실상 금지 될 수 있고, 그에 따라, 금지된 도로를 포함하는 경로는 특정 차량에 대해 유효하지 않을 것이다. 시간이나 차량 제한의 또 다른 예가, 소정 차량들에 대해 하루 중 소정 시간대에만 사용가능한 HOV 차선들일 수 있다.

본 발명의 실시예들은 그러한 문제들에 대한 해결방법을 제안한다. 상술한 특허에서 개시된 바와 같이 단축 경로 생성기를 단 한 번 실행하는 대신, 본 발명의 실시예들은 매시간 서로 다른 "프로파일"을 가지고 수차례 단축 경로 생성기를 실행시킨다. 제1프로파일은 비용 수정을 하지 않은 표준 프로파일이다. 일 실시예에서, 환경 프로파일들은 동적인 사용자 및/또는 환경 파라미터들에 기반한다.

교통 이력에 있어, 무의미한 변화율을 가진 시간 인터벌들은 소수의 프로파일들로 압축되며, 그러면 얼마나 많은 프로파일들이 요망되는지에 따라 좌우되는 각각의 합당한 시간 구간 동안 단축 경로 생성기가 구동된다. 일례에서, 10 개의 프로파일들이 오전 러시아워 교통상황, 저녁 러시아워 교통상황, 비수 시간 주중 교통상황, 주말 교통상황, 및 다른 통상적 프로파일들을 커버 하기 위해 생성된다. 일 실시예는 요일들 중에 매 30분마다 한 프로파일을 생성한다. 그런 다음 그 프로파일들이 유사성에 따라 비교되고, 보다 작은 프로파일들의 집합 안에 통합 정리된다. 환경 프로파일의 타임 슬롯들은 임의적이거나, 주기적 (한 시간 주기, 30분 주기, 15분 주기 등등)이거나 주기적이지 않을 수 있다 (자정-6, 6-10, 10-3, 3-7 등등).

다른 대안적 실시예에서, 한 물류 상품이 생산된다. 이 실시예에서, 제1프로파일은 표준 비용들을 포함하며 아무 제한사항들도 포함하지 않는다. 제2프로파일은 트럭들이 금지 또는 불허되는 모든 도로들이다. 제3프로파일은 위험 물질이 금지 또는 불허되는 모든 도로들이다. 비즈니스 로직이 요구하는 만큼의 많은 추가 프로파일들이 생성될 것이다.

일반적으로, 프로파일들이 많을수록, 알고리즘에 의해 도출되는 해법이 보다 정확하다. 대다수의 경우들을 커버 하는 데 10 개를 넘는 프로파일들이 필요로 되지는 않을 것이다. 특정 상황이 어떤 프로파일과 정확히 매치 되지 않더라도, 계층구조의 풍부성 (richness)이 충분한 대안들을 제공할 가능성이 있다. 일 실시예는 동적 사용자 및 환경 파라미터들을 하나의 계층구조에 통합할 수 있다.

단축 경로 생성기가 각각의 프로파일들을 일단 생성하면, 다음 단계는 그 프로파일들 전부를 하나의 최종 결과 안에 병합하는 것이다. 이것이 행해지는 방식은, 모든 노드가 모든 프로파일들 사이에서 자신이 가진 값의 최고 우선순위를 가지는 것이고, 복합 링크 (단순 링크들의 집합)가 프로파일들 중 어느 하나에 존재하면, 그 복합 링크 역시 최종 결과에 존재하는 것이다. 복합 링크는 새 우선순위들을 갖는 한 개 이상의 링크들을 나타낼 수 있다. 이러한 복합 링크들은 단축 경로 생성기에 의해 생성된 단축 경로들을 나타낸다. 사실상 많은 프로파일들이 같은 링크들을 장려하기 때문에, 의도된 결론은 단축 경로 생성기를 통해 실행되지 않았던 프로파일들조차 결과 안에서 잘 표현될 충분한 기회를 가진다는 것이다.

최종 결과는, 단순히 10 개의 서로 다른 상황들로서 여전히 사용될 총 10 개의 상황들을 효과적으로 저장하는 방식이 아니라, 오히려 효율적 라우팅이 하루 중 어느 때든 행해질 수 있도록 충분한 종합도 (complexity)를 가진 하나의 데이터베이스에 해당하는데, 이는 교통 상황들의 성격과 무관하게 도로망이 앞서 만들어진 모든 단축 경로들을 가지고 있기 때문이다. 이때 시스템은, 여전히 (상위 레벨들에서) 정당하게 산재 되어 있으나 "열악한 교통" 옵션들에 필요로 되는 단축 경로들을 포함하기에 충분히 조밀한 도로망을 포함한다. 그러면, 계층구조를 재구성할 필요 없이, 동적 교통상황이 실시간 링크 가중치들 (weights)로서 (효율적으로) 사용될 수 있다.

어떤 다른 업계의 해법들은, 정적 데이터 파생형 계층구조의 최상위 레벨들로의 승급 (장려)을 할 수 없게 함으로써, 교통 이벤트들에 의해 그러한 최상위 레벨들이 비효율적인 것이 될 때 라우팅 실패를 가져올 수 있다. 이러한 다른 접근방식들은 반드시 고려되어야 할 링크들의 수를 본 발명의 실시예들에 따른 접근 방식 하에서 필요한 것 이상으로 확장한다. 본 발명의 실시예들은 다음과 같은 이중의 개선을 제공한다: 실시예들이 상위 레벨의 라우팅 고려시 이용할 수 있는 하위 레벨 링크들의 개수를 실행가능한 수로 제한하는 한편, 하위 레벨 링크들을 계층구조의 한 소정 레벨에 대해 적합한 정도로 길어진 스트레치들 (복합 링크들) 안에 집합시킨다.

일 실시예에서, 유료/페리/국경 횡단 피하기, 이동 제한과 관련한 여러 차량 프로파일들, 및/또는 그러한 동적 사용자 또는 환경 파라미터들의 조합으로 인한 여러 링크 비용들에 대해 라우팅 계층구조를 개선하는데, 같은 알고리즘이 적용된다.

동적으로 적응하는 계층구조들

때때로 도로 관리 당국이나 동적 상황들이 계층구조의 적절한 레벨들에서 존재하지 않는 우회로를 제안할 수 있다. 예를 들어, 공사현장 또는 비상 사이트를 우회하는 방법으로서 교통이 한 지방 도로로 임시 전환될 수 있을 것이다. 라우팅 시스템의 일 실시예는 다음과 같은 방식으로 계층구조를 동적으로 조정한다.

일 실시예에서, 계층적 도로망을 나타내는 정보가 데이터베이스 안에 저장된다. 데이터 제공자는 특정 시간에 보통의 경우보다 더 선호될 수 있는 계층적 도로망의 부분들을 식별할 수 있고, 그것을 고유하게 식별될 수 있는 경로를 포함하는 위치들의 시퀀스로서 표현할 수 있다. 이제 이러한 계층적 도로망의 부분들은 런 타임에 하나의 링크나 여러 링크들로서 계층적 도로망에 추가된다. 일 실시예에서, 교통 상황들에 대한 실시간 데이터는 (RDS TMC, AGORA-C, VICS 또는 유사 교통 정보 시스템을 통해) 외부 소스에 의해 제공된다.

일 실시예에서, 동적인 적응적 계층구조들은 런 타임의 새 링크들을 사전에 산출된 계층구조에 추가하는 일과 관련되어 있다. 구축 시점에, 네트워크 구축자는 교통 데이터 제공자에 의해 사용되는 최종 네트워크 ID들을 라우팅 소프트웨어에 의해 사용되는 (링크들 및 노드들 모두에 대한) 도로망 ID들로 매핑하는 참조 테이블들을 생성한다. 일 실시예에서, 그러한 교차 참조 데이터는 고속 랜덤 액세스가 이뤄지는 데이터베이스 안에 저장된다. 런 타임에서, 실시간 교통 정보가 우회로들을 필요로 할 때, 이 정보는 기존 도로망 안에서 어느 노드들이 수정되어야 하는지를 식별하는데 사용된다. 하나의 우회로가, 계층구조의 여러 레벨들에서 추가되고, 적절한 우선순위를 갖추며, 각 레벨에 있어 적합하다면 합성되는 여러 링크들을 파생할 수 있다. 그러한 새 링크들은 이미 존재하는 링크들과 정확히 같은 방식으로 라우팅 알고리즘에 제공되며, 그에 따라 라우팅 알고리즘이 수정될 필요가 없게 된다.

AGORA-C는 네트워크 ID들을 갖지 않는 대신, 다소 자유로운 형식의 도로 요소 내용/참조방식에 의존한다. AGORA-C 및 그와 유사한 참조 시스템들에 있어서, 교차 참조 테이블은 생성될 수 없다. 대신 영향을 받는 지형이 런 타임 디코딩 프로세스를 통해 식별되어야 한다.

동적 데이터에 기반하는 이러한 새 링크들이, 경로 찾기 알고리즘들로 하여금 우회로들을 요하는 실시간 교통 이벤트들에 맞게 조정될 수 있게 한다. 이 같은 방법은, 하나 이상의 프로파일들이, 이미 존재하는 계층구조의 브랜치 안에 점진적으로 컴파일될 수 있게 하며, 이러한 것은 자연 재해나 그러한 어떤 이벤트로 인해 도로망의 많은 부분들이 횡단 시간대를 수정했을 때 필요로 될 수 있다.

양방향 포커스 라우팅 ( Bi - directional Focused Routing )

양방향 라우팅은, 전파 영역 (및 그에 따른 노드들의 수와 계산 시간)을 대략 반 정도 줄이는데 사용된다. 포커스 된 라우팅 (Focused Routing)이 출발지를 항하거나 목적지를 향하는 전파를 선호함으로써, 서치 영역을 추가로 줄이게 된다. 데이크스트라 (Dijkstra)의 최단 경로 알고리즘에서, 웨이브 프런트 (wave front) 상의 최소 비용 노드는 그 최적 경로가 미리 발견된다는 특성, 및 그에 따라 이동 시간을 최적화할 때 웨이브의 출발지로부터의 도달 시간을 가진다. 포커스 된 A*에서, 웨이브 프런트 상의 한 노드의 비용은 웨이브의 센터로부터 그 노드까지의 이동 비용, 및 보통 어떤 휴리스틱스를 이용해 계산되는 반대편 웨이브 프런트의 중심까지의 추정 비용의 합이다. 매 단계마다 최소 비용 노드로부터의 전파가, 최소 비용 경로를 찾는데 있어 기본이 된다.

이동 시간에 종속된 링크 비용들은 전파에 대한 문제를 제기한다: 출발지로부터 목적지 웨이브 프런트 상의 해당 노드까지의 최선의 경로가 아직 찾아 지지 않았기 때문에, 그 비용 및 그에 따른 해당 노드로의 도달 시간이 알려지지 않고, 그에 따라 적절한 링크 비용이 식별될 수 없다. 예를 들어, 3:30 pm에 출발지를 떠나기 위해 경로가 탐색중일 때, 그 출발지를 떠나는 웨이브 프런트를 산출하기 위해 이력 데이터 (historical data)에 기반해 출발지 근처의 교통 상황들이 예측될 수 있다. 그러나, 경로 찾기 프로세스가 아직 완료되지 않았기 때문에, 목적지까지 확장하여 웨이브의 비용을 산출할 때 목적지 근처의 교통 상황들에 대해 어떤 시간을 이용할지가 알려지지 않는다.

비용 값들이 일정한 정적 (static) 그래프에 대해 전통적 알고리즘들이 수행된다. 전통적 알고리즘들은 그러한 비용들의 동적인 성격을 무시했기 때문에 보다 효율적이었다. 시간 종속적 비용 값들을 고려하는 보다 큰 정적 그래프를 생성함으로써, 시간 종속적 링크 비용들과 작동하도록 A* 알고리즘을 수정하는 것이 가능하다. 그러나, 그렇게 수정된 그래프의 크기는 오리지널 정적 그래프의 한두 배 더 클 것이다. 결론적으로, 경로를 산출하기 위한 계산 시간이 그에 따라 허용할 수 없을 정도로 증가할 것이다.

이 문제를 해결하기 위한 또 다른 방법은, 노드에 도달하는 최소-최대 시간 인터벌들, 및 이 인터벌들에 대한 평균 링크 비용들을 식별하는 것일 수 있으며, 이러한 것은 짧은 경로에 대해 유효할 것이다. 열악한 교통 상황들 하에서의 긴 경로들은 부적절하게 긴 인터벌들을 가질 수 있기 때문에 좀 더 안정적인 접근방식을 요할 것이다.

클러스터 비용 근사화 방법 ( Cluster Cost Approximation Method )

정적 접근 방법과는 다르게, 일 실시예는 동적 라우팅을 근사화 작업으로서 인식하는 한편, 일정하게 변화하는 교통 상황들 하에서 적절한 경로를 알맞고 빠르게 구하고자 시도한다.

일 실시예는 라우팅 망을 로지컬 (logical) 클러스터들로 구획함으로써 시작된다. 이를 위해 어떤 방법이 사용되는가는 이 논의에 있어 중요하지 않다. 일 실시예에서는, 쿼드 (quad) 트리가 사용된다. 단순화를 위해, 평방 마일당 도로 밀도, 교통 정체, 이동 빈도의 함수인 세부 분할 (subdivision) 기준, 또는 그 유사 기준을 가진 로지컬 클러스터 트리를 가정한다. 대안적 실시예들도 공간 인덱스들에서 일반적인 유사 기준들을 이용한다. 각각의 클러스터는 어떤 공간적 범위를 가지며, 이웃하는 클러스터들까지의 이동 시간을 저장한다; 이동 시간들은 이력 (hystorical) 또는 예측 데이터로부터 미리 산출되고/거나 실시간 데이터 검침들 (data probes)로부터 동적으로 보유된다. 이것은 이동 시간에 좌우되는 비용들을 가진 클러스터에서 클러스터로의 라우팅을 위한 단순화된 그래프를 파생한다.

일 실시에에서, 네비게이션 시스템들은 네비게이션 시스템을 가진 한 차량이 도로들을 가로질러 이동하는데 얼마나 오래 걸리는지를 계산할 수 있다. 네트워크는 런 타임 검침 (probe) 데이터 덕분에 한 차량이 맵을 지나는데 얼마나 오래 걸렸는가를 안다. 그 맵이 클러스터들로 분할될 때, 클러스터에서 클러스터까지 이동하는 복수의 차량들로부터의 런 타임 검침 데이터에 기반해, 한 클러스터에서 다른 한 클러스터로 가는데 얼마나 걸릴 것인가가 추정될 수 있다.

경로 출발지 노드는 출발지 클러스터 (origin cluster)라 불리는 클러스터 안에 존재하고, 경로 목적지 노드는 목적지 클러스터 (destination cluster) 안에 존재한다. 어떤 실시예들에서는 이 그래프의 아주 작은 사이즈로 인해, 이 클러스터 그래프 상에서의 한 경로를 산출하는데 한 방향 데이크스트라 알고리즘이 사용될 수 있다. 도로망 그래프 안의 각 노드는 어떤 클러스터 안에 들어가기 때문에, 그러한 산출로부터 나온 결과는 한 노드의 클러스터와 반대편 웨이브 프런트의 중심이 속한 클러스터 사이의 이동 방향에 따른 근사 (approximate) 시간을 제공할 것이다.

목적지 웨이브 프런트에서, 이 값은 한 노드에 도달하기 위한 시간 추정치 대신 사용되고, 그것은 다시 알맞은 링크 비용 값의 선택을 가능하게 할 것이다. 그런 다음, 한 노드에서 반대편 웨이브 프런트의 중심까지의 비용을 추정하기 위한 휴리스틱스를 한 노드의 클러스터로부터 반대편 웨이브 프런트의 센터가 속한 클러스터까지의 라우팅 방향 이동에 대한 근사 비용으로 대체한다. 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들은 새로 계산된, 출발지로부터의 실제 경로에 대한 비용으로 대체된다.

양방향 A* 알고리즘의 나머지는 보통 때와 같이 진행될 것이다.

여러 상이한 경로 요청들이 같은 출발지 및 목적지 클러스터들을 포함할 수도 있는 서버 편에서, 클러스터 라우팅의 결과, 즉 클러스터에서 클러스터까지의 비용들은, 그 지역 내 클러스터들의 일부들 간 비용들이 바뀌었을 때까지 재사용될 수 있을 것이다.

도 5는 일 실시예의 하이 레벨 아키텍처를 보인 것이다. 오리지널 전자 맵 데이터(500)가 환경 프로파일들(502)을 가지고 계층구조 안에서 전 처리된다. 일 실시예에서, 라우팅 계층구조는 단축 경로 생성기에 의해 여러 번 처리된다. 일 실시예에서, 오전 러시아워 교통, 저녁 러시아워 교통, 비수 시간대 요일 교통, 주말 교통, 및 기타 프로파일들을 커버하도록 10 개의 프로파일들이 생성된다. 그런 다음 그 프로파일들은 최종 결과 안에 취합되어, 증대된 맵 데이터(504)를 생성한다. 이제 그 증대된 맵 데이터는 경로 찾기 시스템(510)으로 전달된다. 실시간 교통 데이터(506)가 사용되어, 실시간 교통 상태에 기초해 도로망 내 어떤 링크들과 노드들이 수정되어야 하는지를 판단하기 위해 바람직한 위치들의 시퀀스(508)를 생성한다. 경로 찾기 시스템(510)은 이제 병행하는 프로파일들을 가진 그 증대된 맵 데이터와, 클러스터 비용 근사화 방법을 통해 동적으로 업데이트 된 링크들을 사용하여 경로(512)를 계산한다.

도 6은 도로망에서의 라우팅을 계산하는 방법의 일 실시예의 흐름도를 보인 것이다. 이 방법은 한 계층구조 안에 병합된 한 개 이상의 환경 프로파일들에 대해 라우팅 데이터를 전처리하는 단계(600)를 포함한다. 이 방법은, 교통 상황들에 대한 실시간 데이터에 대응해 계층구조에 링크들을 동적으로 추가하는 단계(602)를 포함한다. 이 방법은 실시간 교통 데이터에 기반해 라우팅 이동 비용들을 근사화하도록 클러스터 라우팅을 행하는 단계(604)를 포함한다.

도 7은 도로망에서의 라우팅 계산을 향상시키는 방법의 일 실시예의 흐름도를 보인 것이다. 이 방법은 계층 구조 안에 병합된 한 개 이상의 환경 프로파일들에 대해 라우팅 데이터를 전처리하는 단계(700)를 포함한다. 이 방법은 한 개 이상의 환경 프로파일들에 대해 단축 경로들을 계산하는 단계(702)를 포함한다. 이 방법은 한 개 이상의 환경 프로파일들에 대한 단축 경로들을 데이터베이스 안에 병합하는 단계(704)를 포함하며, 여기서 노드는 데이터베이스 안에 병합된 한 개 이상의 환경 프로파일들 사이에서 그 노드에 대해 최대 우선순위 값을 가진다. 이 방법은 한 개 이상의 환경 프로파일들 안에 복합 링크가 존재할 때, 그 복합 링크 역시 데이터베이스 안에 존재할 것을 규정한다.

도 8은 이미 구축된 계층적 도로망에 새 링크들을 동적으로 추가하는 방법의 일 실시예에 대한 흐름도를 도시한 것이다. 이 방법은 실시간 데이터에 기반하여, 보통 때보다 선호하는 것으로서 도로망의 한 개 이상의 부분들을 식별하는 단계(800)를 포함한다. 이 방법은 도로망의 그 한 개 이상의 부분들을 고유 식별 가능 경로를 포함하는 위치들의 시퀀스로서 표현하는 단계(802)를 포함한다. 이 방법은 고유 식별가능 경로를 포함하는 위치들의 상기 시퀀스를 이용해, 한 개 이상의 링크들을 이미 구축된 계층적 도로망에 추가하는 단계(804)를 포함한다. 이 방법은 경로 찾기 알고리즘을 실시간 데이터에 맞게 조정되도록 하는 단계(806)를 포함한다.

도 9는 도로망에서의 차량 네비게이션 계산을 개선하는 방법의 실시예에 대한 흐름도를 도시한 것이다. 이 방법은 도로망을 로지컬 (logical) 클러스터 트리로 구획하는 단계(900)를 포함한다. 이 방법은 각 클러스터에서 이웃하는 클러스터까지의 이동 시간을 저장하는 단계(902)를 포함한다. 이 방법은 한 노드에서 반대편 웨이브 프런트까지의 비용을 추정할 휴리스틱스를, 한 노드의 클러스터와 반대편 웨이브의 센터의 클러스터 사이의 라우팅 방향 이동에 대한 근사 비용으로 대체하는 단계(904)를 포함한다. 이 방법은 목적지 웨이브 프런트 노드에서의 클러스터 근사화된 도달 시간에 기초하는 시간 인터벌로부터, 그 노드에서 전파되고 있는 각 링크의 비용을 계산하는 단계(906)를 포함한다. 이 방법은, 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들이 출발지로부터의 실제 경로에 대해 새로 계산된 비용으로 대체되는 단계(908)를 포함한다.

도 10은 도로망에서의 차량 네비게이션의 계산을 개선하는 방법의 실시예에 대한 흐름도를 도시한 것이다. 이 방법은 도로망을 쿼드 트리로 구획하는 단계(1000)를 포함한다. 이 방법은 각 쿼드로부터 이웃하는 쿼드로의 이동 시간을 저장하는 단계(1002)를 포함한다. 이 방법은 한 노드로부터 반대편 웨이브 프런트의 중심까지의 비용을 추정하기 위한 휴리스틱스를, 한 노드의 쿼드와 반대편 웨이브의 센터의 쿼드 사이의 경로 방향 이동에 대한 근사 비용으로 대체하는 단계(1004)를 포함한다. 이 방법은 목적지 웨이브 프런트 노드로의 쿼드 근사화된 도달 시간에 기초하는 시간 인터벌로부터, 그 노드에서 전파되고 있는 각 링크에 대한 비용을 산출하는 단계(1006)를 포함한다. 이 방법은 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들이, 출발지로부터의 실제 경로에 대해 새로 계산된 비용으로 대체되는 단계(1008)를 포함한다.

도 11은 도 5의 구성요소들 중 한 개 이상을 포함할 수 있는 전형적인 프로세싱 시스템(1100)을 예시한 것이다. 다른 대안들도 활용될 수 있겠지만, 다른 지시가 없다면 도 5의 시스템의 구성요소들은, 하드웨어, 소프트웨어 또는 그와 양립되는 한 개 이상의 컴퓨팅 시스템들에 의한 어떤 조합을 통해 구현된다.

컴퓨팅 시스템(1100)은 Pentium®, Centrino®, Power PC®, 디지털 시그널 프로세서 ("DSP") 등등과 같은 한 개 이상의 범용 또는 특수 용도의 프로세서들(1102)을 포함하고 한 개 이상의 통신 채널들 (가령, 버스(1101))을 통해 연결되는 구성요소들을 포함한다. 시스템(1100)은 특정 애플리케이션에 따라, 한 개 이상의 입력 기기들(1103) (마우스, 키보드, 마이크로폰, 펜 등등) 및, 적절한 디스플레이, 스피커, 액추에이터 등등과 같은 한 개 이상의 출력 기기들(1104)을 또한 포함한다. (입력 기기나 출력 기기 역시 마찬가지로 정신적으로나 물리적으로 곤란함이 따르는 용도에 적합한, 보다 특수화된 기기들이나 하드웨어/소프트웨어 기기 개선사항들을 포함할 수 있다).

시스템(1100)은 또, 저장/메모리 장치 또는 하드나 탈부착형 저장/메모리 매체 같은 컴퓨터 판독가능 저장 매체(1106)와 연결되는 컴퓨터 판독가능 저장 매체 판독기(1105)를 포함한다; 그러한 장치들이나 매체는 각자, 특정 애플리케이션의 요건에 따라 하드 디스크 변종들, 플로피/컴팩트 디스크 변종들, DVD (digital versatile disk) 변종들, 스마트 카드, 리드 온리 메모리 (read only memory), 랜덤 액세스 메모리 (random access memory), 캐시 메모리 등등을 포함할 수 있는 스토리지(1108) 및 메모리(1109)로 다시 표시된다. 모뎀, DSL, 적외선, RF 또는 다른 적절한 트랜시버 등등과 같이 기기들 간의 직접적인 통신이나 한 개 이상의 사설 또는 공용 네트워크들을 통한 통신을 제공하기 위한 한 개 이상의 적절한 통신 인터페이스들(1107) 또는 이미 논의된 것들을 포함하나 그에 국한되는 것은 아닐 수 있는 다른 구성요소들 역시 포함될 수 있다.

워킹 (working) 메모리(1110)는, 그 안에 저장되거나 사용 중에 로드될 수 있는 시스템(1100) 구성요소들을 구현하기 위한, 운영 시스템 ("OS")(1111) 엘리먼트들 및, 애플리케이션 프로그램들, 모바일 코드, 데이터 등등 가운데 한 개 이상과 같은 기타 프로그램들(1112)을 포함한다. 특정 OS 또는 OS들은 특정 기기, 구성들 또는 특정 애플리케이션에 따른 다른 양태들에 따라 달라질 수 있다 (가령, Windows®, WindowsCE^TM, MAC^TM, Linux, Unix 또는 Palm^TM OS 변형 버전들, 셀 폰 OS, 독점적 소유의 OS, Symbian^TM 등등). C 변종들 (가령, C++, C#), JAVA^TM 2 Platform, Enterprise Edition ("J2EE") 또는 특정 애플리케이션에 따른 다른 프로그래밍 언어들과 호환되는 것들 같은 다양한 프로그래밍 언어들이나 기타 툴들 역시 활용될 수 있다. 다른 프로그램들(1112)은, 이를테면 활동 (activity) 시스템, 에듀케이션 관리자, 에듀케이션 통합자, 또는 인터페이스, 보안, 기타 동기, 기타 브라우저나 그룹웨어 코드 등등과 같이 이 명세서의 다른 부분에 논의된 것을 포함하나 그에 국한되는 것은 아닌 것들 가운데 한 개 이상을 포함할 수 있다.

실시예들은 본 명세서의 가르침에 따라 프로그래밍 된 일반적인 범용 컴퓨터(들)이나 특별한 디지털 컴퓨터(들) 또는 마이크로프로세서(들)을 이용해 구현될 수 있는 컴퓨터 기반 방법들 및 시스템들을 포함할 수 있다. 본 명세서의 가르침에 따른 적절한 소프트웨어 코딩이 프로그래머들에 의해 용이하게 준비될 수 있다.

실시예들은 컴퓨터 판독가능 저장 매체 같은 컴퓨터 판독가능 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 여기 개시된 특징들 중 어느 하나를 수행하도록 컴퓨터를 프로그래밍하는데 사용될 수 있는 명령들을 저장할 수 있다. 저장 매체는 플로피 디스크, 광학 디스크, DVD, CD-ROM, 마이크로 드라이브, 마그네토-광학 디스크, ROM, RAM, EPROM, EEPROM, DRAM, 플래시 메모리 또는 명령들 및/또는 데이터를 저장하기 적합한 임의의 매체나 장치를 포함할 수 있으나, 이러한 것들에 국한되는 것은 아니다. 본 발명은, 범용/특수용 컴퓨터(들)이나 마이크로프로세서(들) 같은 컴퓨터의 하드웨어를 제어하고 그러한 것들로 하여금 본 발명의 결과들을 활용하는 인간 사용자나 다른 메커니즘과 상호 동작할 수 있게 하기 위한 소프트웨어를 포함할 수 있다. 그러한 소프트웨어는 장치 드라이버들, 운영 시스템들, 실행 환경들/컨테이너들, 및 사용자 애플리케이션들을 포함할 수 있으나 이러한 것들에 국한하는 것은 아니다.

실시예들은 프로세스를 구현하기 위한 코드의 공급을 포함할 수 있다. 그러한 공급은, 임의의 방식으로 사용자에게 코드를 공급하는 것을 포함할 수 있다. 예를 들어, 그러한 공급은 물리적 매체 상의 코드를 사용자에게 공급하는 것이나, 코드가 이용될 수 있는 임의의 다른 방법을 포함할 수 있다.

실시예들은 컴퓨터에서 실행되어 실시예들의 프로세스들 중 어느 하나를 수행할 수 있도록 하는 코드를 전송하기 위해 컴퓨터 구현 방법을 제공할 수 있다. 상기 전송은, 인터넷; 유선; 또는 다른 유형의 전송 같이, 네트워크의 어느 부분을 통한 전송을 포함할 수 있다. 전송은 코드 전송을 개시하거나; 코드가 다른 지역이나 국가로부터 임의의 지역이나 국가로 넘어가게 하는 단계를 포함할 수 있다. 사용자에게로의 전송문은, 그 전송문이 전송된 위치와 무관하게 어떤 지역이나 국가에 있는 사용자에 의해 수신된 임의의 전송문을 포함할 수 있다.

바람직한 실시예들에 대한 상술한 내용은 예시 및 설명의 목적으로 제안되었다. 본 발명이 개시된 바로 그 형식에만 국한되는 것은 아니다. 관련 분야의 기술자들에게는 여러 변형 및 치환이 있을 수 있음이 자명할 것이다. 예를 들어, 개시된 본 발명의 실시예들에서 수행되는 단계들은 다른 순서로 수행될 수 있으며, 소정 단계들은 생략될 수 있고, 추가 단계들이 더해질 수 있다. 본 발명의 원리 및 그 실용적 애플리케이션을 가장 잘 설명하기 위해 실시예들이 선택되어 기술되었으므로, 이 분야 안에서 숙련된 타인들이 다양한 실시예들 및 특정 용도에 적합하도록 숙고된 다양한 변형들을 가진 본 발명을 이해할 수 있을 것이다. 본 발명의 범위는 청구항들 및 그에 상응하는 것에 의해 한정된다.

Claims

도로망에서의 라우팅 (routing) 계산 방법에 있어서,
데이터베이스 내 도로들의 한 계층구조 안에 집약된 한 개 이상의 환경 프로파일들 (environmental profiles)에 대해 라우팅 데이터를 전처리하는 단계;
상기 한 개 이상의 환경 프로파일들에 대한 단축 경로들을 산출하는 단계;
상기 한 개 이상의 환경 프로파일들에 대한 상기 단축 경로들을 상기 데이터베이스 안에 병합하는 단계;
실시간 데이터에 기반하여 도로망의 한 개 이상의 부분들을 보통의 경우 (normal) 보다 더 바람직한 것으로서 식별하는 단계;
상기 도로망의 상기 한 개 이상의 부분들을 고유하게 식별가능한 경로를 포함하는 위치들의 시퀀스로서 표현하는 단계;
상기 위치들의 시퀀스를 나타내는 링크들을 상기 데이터베이스 내 도로들의 상기 계층구조에 동적으로 추가하는 단계; 및
실시간 교통 데이터에 기반해 라우팅 이동 비용들을 근사화하도록 클러스터-라우팅 (cluster-routing)을 수행하는 단계를 포함함을 특징으로 하는 방법.
제1항에 있어서, 상기 실시간 교통 데이터에 기반해 라우팅 이동 비용들을 근사화하도록 클러스터-라우팅 (cluster-routing)을 수행하는 단계는,
상기 도로망을 로지컬 (logical) 클러스터 트리로 구획하는 단계;
이웃하는 클러스터까지의 각 클러스터의 이동 시간을 저장하는 단계;
한 노드로부터 반대편 웨이브 프런트 (wave front)의 센터까지의 비용을 추정하기 위한 휴리스틱스 (heuristics)를, 한 노드의 클러스터 및 반대편 웨이브의 센터의 클러스터 사이의 라우팅 방향 이동에 대한 근사 비용으로 대체하는 단계;
목적지 웨이브 프런트 노드에서의 클러스터 근사화된 도달시간에 기초하는 시간 인터벌로부터, 상기 목적지 웨이브 프런트 노드로부터 전파되고 있는 각 링크의 비용을 계산하는 단계; 및
마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들이, 출발지로부터의 실제 경로에 대해 새로 산출된 비용으로 대체되는 단계를 포함함을 특징으로 하는 방법.
제1항에 있어서, 상기 한 개 이상의 프로파일들에 대한 단축 경로들은 상기 데이터베이스 안에 병합됨을 특징으로 하는 방법.
제3항에 있어서, 한 노드는 상기 데이터베이스 안에 병합된 한 개 이상의 프로파일들 사이에서 상기 노드의 최대 우선순위 값을 가짐을 특징으로 하는 방법.
제1항에 있어서, 무의미한 변화율을 가진 시간 인터벌들은 소수의 환경 프로파일들 안에 압축됨을 특징으로 하는 방법.
제5항에 있어서, 교차 참조 (cross-reference) 테이블이, 교통 데이터 제공자에 의해 사용되는 도로 네트워크 ID들을 라우팅 소프트웨어에 의해 사용되는 도로망 ID들로 매핑함을 특징으로 하는 방법.
제6항에 있어서, 상기 교차 참조 테이블은, 실시간 데이터에 대응해 기존 도로망에서 어떤 노드들과 링크들이 수정되어야 하는지를 식별하는데 사용됨을 특징으로 하는 방법.
제7항에 있어서, 실시간 데이터에 기초해 상기 수정된 링크들은, 외부적으로 제공된 우회로들을 통합함으로써 경로 찾기 알고리즘으로 하여금 실시간 교통 상황들에 맞게 조정될 수 있도록 함을 특징으로 하는 방법.
제2항에 있어서, 상기 도로망은 세부분할 기준을 가지고 클러스터 트리로 구획됨을 특징으로 하는 방법.
제9항에 있어서, 상기 세부분할 기준은, 평방 마일당 도로 밀도, 교통 혼잡 요인, 이동 빈도의 함수이거나, 그와 유사한 기준임을 특징으로 하는 방법.
제9항에 있어서, 한 클러스터에서 한 개 이상의 이웃 클러스터들로의 이동 시간이 저장됨을 특징으로 하는 방법.
제11항에 있어서, 상기 클러스터에서 클러스터로의 이동 시간은 미리 계산되거나 실시간 데이터 검침들 (data probes)로부터 동적으로 유지됨을 특징으로 하는 방법.
제9항에 있어서, 한 노드로부터 반대편 웨이브 프런트 (wave front)의 센터까지의 비용을 추정하기 위한 휴리스틱스 (heuristics)가, 한 노드의 클러스터 및 반대편 웨이브의 센터가 속한 클러스터 사이의 라우팅 방향 이동에 대한 근사 비용으로 대체됨을 특징으로 하는 방법.
제13항에 있어서, 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들은, 출발지로부터의 실제 경로에 대해 새로 산출된 비용으로 대체됨을 특징으로 하는 방법.
제1항 내지 제14항의 방법들 중 어느 한 방법에 따라 도로망에서의 라우팅을 계산하는 명령들을 저장하는 컴퓨터 판독가능 저장 매체.
시스템에 있어서,
한 계층구조 안에 집약되는 한 개 이상의 환경 프로파일들에 대한 라우팅 데이터를 전처리하기 위한 모듈;
교통 상황들에 대한 실시간 데이터에 대응하여 상기 계층구조 안에 링크들을 동적으로 추가하기 위한 모듈; 및
실시간 교통 데이터에 기반해 라우팅 이동 비용을 근사화하기 위해 클러스터-라우팅을 수행하기 위한 모듈을 포함함을 특징으로 하는 시스템.
도로망에서의 라우팅 (routing) 계산 방법에 있어서,
a) 실시간 데이터에 기반하여 도로망의 한 개 이상의 부분들을 보통의 경우 (normal) 보다 더 바람직한 것으로서 식별하는 단계;
b) 상기 도로망의 상기 한 개 이상의 부분들을 고유하게 식별가능한 경로를 포함하는 위치들의 시퀀스로서 표현하는 단계;
c) 고유하게 식별가능한 경로를 포함하는 상기 위치들의 시퀀스를 이용해, 한 개 이상의 링크들을 이미 구축된 계층적 도로망에 추가하는 단계; 및
d) 경로 찾기 알고리즘이 상기 실시간 데이터에 맞게 조정될 수 있게 하는 단계를 포함함을 징으로 하는 방법.
제17항에 있어서, 상기 실시간 데이터는 교통 상황들을 포함함을 특징으로 하는 방법.
제17항에 있어서, 교차 참조 (cross-reference) 테이블이 교통 데이터 제공자에 의해 사용되는 도로망 ID들을 라우팅 소프트웨어에 의해 사용되는 도로망 ID들로 매핑함을 특징으로 하는 방법.
제19항에 있어서, 상기 교차 참조 (cross-reference) 테이블이 사용되어, 실시간 데이터에 대응해 기존 도로망의 어떤 노드들과 링크들이 수정되어야 하는지를 식별하도록 함을 특징으로 하는 방법.
제17항에 있어서, 교통 상황에 대한 실시간 데이터는 외부 소스에 의해 제공됨을 특징으로 하는 방법.
제17항에 있어서, 한 줄기의 도로가 계층구조의 여러 레벨들에서 추가되는 여러 링크들을 파생할 수 있음을 특징으로 하는 방법.
제17항에 있어서, 새 링크들이, 기존 링크들과 같은 방식으로 상기 경로 찾기 알고리즘에 제공됨을 특징으로 하는 방법.
제17항에 있어서, 상기 실시간 데이터는 외부적으로 제공된 우회로들을 병합한 것을 포함함을 특징으로 하는 방법.
제17항에 있어서, 하나의 우회로가, 계층구조의 여러 레벨들에서 추가되고, 알맞은 우선순위를 갖추며, 각 레벨에 대해 적절할 때 합성되는 여러 링크들을 파생할 수 있음을 특징으로 하는 방법.
제17항에 있어서,
망의 많은 부분들이 수정된 횡단 시간들을 가질 때, 한 개 이상의 프로파일들을 이미 존재하는 계층구조의 브랜치 안에 점진적으로 편집 (compile)하는 단계를 더 포함함을 특징으로 하는 방법.
제17항 내지 제26항에 개시된 방법들 중 어느 한 방법에 따라 도로망에서의 라우팅을 계산하는 명령들을 저장하는 컴퓨터 판독가능 저장 매체.
도로망에서의 이동시간 최적화된 라우팅의 계산을 개선하는 방법에 있어서,
a) 상기 도로망을 로지컬 (logical) 클러스터 트리로 구획하는 단계;
b) 이웃하는 클러스터까지의 각 클러스터의 이동 시간을 저장하는 단계;
c) 한 노드로부터 반대편 웨이브 프런트 (wave front)의 센터까지의 비용을 추정하기 위한 휴리스틱스 (heuristics)를, 한 노드의 클러스터 및 반대편 웨이브의 센터의 클러스터 사이의 라우팅 방향 이동에 대한 근사 비용으로 대체하는 단계;
d) 목적지 웨이브 프런트 노드에서의 클러스터 근사화된 도달 시간에 기반하는 시간 인터벌로부터, 상기 목적지 웨이브 프런트 노드로부터 전파되고 있는 각 링크의 비용을 계산하는 단계; 및
e) 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들이, 출발지로부터의 실제 경로에 대해 새로 산출된 비용으로 대체되는 단계를 포함함을 특징으로 하는 방법.
제28항에 있어서,
A* 알고리즘을 이용하는 단계를 더 포함함을 특징으로 하는 방법.
제28항에 있어서, 이력 교통 정보, 실시간 교통 정보 및 예측 교통 정보가, 최소 시간을 요하고 이동 시간 정확도를 높이는 경로 선택에 의해 운전자로 하여금 시간을 절약할 수 있게 함을 특징으로 하는 방법.
제28항에 있어서, 교통 상황에 대한 실시간 데이터는, RDS TMC, AGORA-C, VICS, 또는 다른 위치 참조 방법으로서 포맷 된 데이터를 포함함을 특징으로 하는 방법.
제28항에 있어서,
세부분할 기준을 가지고 상기 도로망을 로지컬 클러스터 트리로 구획하는 단계를 더 포함함을 특징으로 하는 방법.
제28항에 있어서, 상기 세부분할 기준은, 평방 마일당 도로 밀도, 교통 혼잡 요인, 이동 빈도의 함수이거나, 그와 유사한 기준임을 특징으로 하는 방법.
제28항에 있어서, 클러스터에서 클러스터로의 이동 시간은 이력 데이터나 예측 데이터로부터 미리 계산되거나, 실시간 데이터 검침들로부터 동적으로 보유됨을 특징으로 하는 방법.
제28항에 있어서, 실시간 검침 데이터는, 차량이 한 클러스터에서 이웃 클러스터까지, 혹은 한 노드의 클러스터에서 타깃 웨이브 클러스터까지 건너는데 얼마나 걸리는 지를 계산하는데 사용됨을 특징으로 하는 방법.
제28항 내지 제35항에 개시된 방법들 중 어느 한 방법에 따라 도로망에서의 시간 최적화된 라우팅의 계산을 최적화하기 위한 명령들을 저장하는 컴퓨터 판독가능 저장 매체.
도로망에서의 이동시간 최적화된 라우팅의 계산을 개선하는 방법에 있어서,
a) 상기 도로망을 쿼드 (quad) 트리로 구획하는 단계;
b) 이웃하는 쿼드까지의 각 쿼드의 이동 시간을 저장하는 단계;
c) 한 노드로부터 반대편 웨이브 프런트 (wave front)의 센터까지의 비용을 추정하기 위한 휴리스틱스 (heuristics)를, 한 노드의 쿼드 및 반대편 웨이브의 센터의 쿼드 사이의 라우팅 방향 이동에 대한 근사 비용으로 대체하는 단계;
d) 목적지 웨이브 프런트 노드에서의 쿼드 근사화된 도달 시간에 기반하는 시간 인터벌로부터, 상기 목적지 웨이브 프런트 노드로부터 전파되고 있는 각 링크의 비용을 계산하는 단계; 및
e) 마주보는 웨이브 프런트들로부터의 노드들이 연결될 때, 타깃 웨이브 상의 근사 비용들이, 출발지로부터의 실제 경로에 대해 새로 산출된 비용으로 대체되는 단계를 포함함을 특징으로 하는 방법.
제37항에 있어서,
A* 알고리즘을 이용하는 단계를 더 포함함을 특징으로 하는 방법.
제37항에 있어서, 교통 상황에 대한 실시간 데이터는, RDS TMC, AGORA-C, VICS, 또는 다른 위치 참조 방법으로서 포맷 된 데이터를 포함함을 특징으로 하는 방법.
제37항에 있어서, 쿼드에서 쿼드까지의 이동 시간은 이력 데이터나 예측 데이터로부터 미리 계산되거나, 실시간 데이터 검침들로부터 동적으로 보유됨을 특징으로 하는 방법.
제37항에 있어서,
평방 마일당 도로 밀도, 교통 혼잡, 이동 빈도의 함수, 또는 그와 유사한 기준인 세부분할 기준을 가지고 상기 도로망을 로지컬 클러스터 트리로 구획하는 단계를 더 포함함을 특징으로 하는 방법.