KR20140052953A - 운행의 예상된 평균 속도들을 생성하는 방법 - Google Patents

Abstract

전자 지도에 의해서 커버되는 영역 내 하나 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하는 방법으로서, 각 세그먼트는 상기 지도에 의해서 커버되는 영역 내 운행할 수 있는 세그먼트를 나타내며 그리고: 그 세그먼트를 가로지르는 운행의 평균 속도; 적어도 하나의 혼잡 확률을 포함하는 세그먼트 데이터로서, 상기 혼잡 확률은 그 세그먼트 상에서의 혼잡의 가능성을 표시하는, 세그먼트 데이터; 그리고 혼잡하다고 간주될 때의 세그먼트 상에서의 운행의 속도를 표시하는 혼잡 속도와 연관된다. 상기 방법은, 상기 세그먼트들 중 적어도 하나 또는 각각에서 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 상기 세그먼트 데이터를 사용하는 단계; 및 이 세그먼트들을 가로지르는 운행의 예상된 평균 속도를, 혼잡 상태가 존재하는 것으로 예측될 때에는 제1 속도로서 또는 혼잡 상태가 예측되지 않을 때에는 제2 속도로서 출력하는 단계를 포함하며, a) 상기 제1 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이며, b) 상기 제2 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이다.

Description

운행의 예상된 평균 속도들을 생성하는 방법{Method of generating expected average speeds of travel}

본 발명은 전자 지도에 의해서 커버되는 영역에서 하나 또는 그 이상의 세그먼트들을 가로지르는 운행 (travel)의 예상되는 평균 속도를 생성하는 방법 그리고 그 방법의 일부 또는 모두가 수행될 수 있을 시스템, 서버 그리고 내비게이션 기기에 관한 것이다. 본 발명은 전자 지도에 의해서 커버되는 영역 내 세그먼트들의 집합 상에서 예상되는 혼잡 (jam) 상태들로부터 편차 경향 (deviation trend)을 나타내는 지도 데이터를 생성하는 방법 그리고 그 방법의 일부 또는 모두가 수행될 수 있을 시스템, 서버 그리고 내비게이션 기기에 또한 관련된다. 특히, 그 뿐만은 아니지만, 본 발명은 내비게이션 기기들 그리고 특히 휴대용 내비게이션 기기 (Portable Navigation Device (PND))에서 사용하기 위한 용도로 영역을 가로질러 경로를 결정하는 것에 관련된다.

TomTom International BV로부터의 GO™와 같이 GPS 기반의 개인용 내비게이션 기기들과 같은 전자 내비게이션 기기를 위한 지도 데이터는 전문적인 지도 벤더들로부터 온다. 그런 기기들은 휴대용 내비게이션 기기들 (Portable Navigation Devices (PND's))로 언급되기도 한다. 이 지도 데이터는 보통은 GPS 시스템으로부터의 로케이션 데이터를 이용하여 경로 안내 알고리즘들에 의해서 사용되도록 특별하게 설계된다. 예를 들면, 도로들은 라인들, 즉, 벡터들로서 설명될 수 있다 (예를 들면, 시작 포인트, 종료 포인트, 도로 방향, 전체 도로는 수백 개의 그런 세그먼트들로 만들어지며, 각각은 시작 포인트/종료 포인트, 방향 파라미터들에 의해서 유일하게 정의된다). 지도는 그러면 그런 도로 벡터들, 각 벡터에 연관된 데이터 (속도 한계; 운행 방향 등)에 관심 대상 포인트들 (points of interest (POIs))을 더하고, 도로 이름들을 더하고, 공원 경계들 같은 다른 지리적인 특징들을 더하고, 강 경계들 등으로, 이것들 모두는 벡터들의 관점에서 정의되는 것들의, 집합이다. 모든 지도 특징들 (예를 들면, 도로 벡터들, POI들 등)은 보통은 GPS 좌표 시스템에 대응하는 또는 관련된 좌표 시스템에서 정의되어서, GPS 시스템을 통해서 결정된 기기의 위치가 지도에서 보이는 관련 도로 상에 그리고 목적지까지의 계획된 최적의 경로를 위해서 위치하도록 하는 것을 가능하게 한다.

보통은, 그런 각 도로 세그먼트는 그 세그먼트를 따라서 차량이 운행할 수 있는 속도에 대한 표시를 주며 그리고 그 지도 데이터를 생성하는 측에 의해서 생성된 평균 속도인, 도로 세그먼트용의 연관된 속도 데이터를 구비한다. 그 도로 속도는 상기 지도가 프로세싱되는 PND들 상에서의 경로 계획 알고리즘들에 의해서 사용된다. 그런 경로 계획의 정확함은 그러면 그 속도 데이터의 정확함에 종속된다. 예를 들면, 사용자는 자신의 PND의 현재 위치와 목적지 사이의 가장 빠른 경로를 상기 PND가 생성하도록 하는 옵션을 자신의 PND 상에서 종종 제시받는다. 상기 PND에 의해서 계산된 경로는 그 속도 데이터가 부정확하면 가장 빠른 경로가 아닐 수 있을 것이다.

트래픽의 밀도와 같은 파라미터들이 도로 세그먼트의 속도 프로파일에 크게 영향을 미칠 수 있다는 것이 알려져 있으며 그리고 그런 속도 프로파일들의 변형들은 두 포인트들 사이의 가장 빠른 경로가 동일하게 남아있지 않을 수 있을 것이라는 것을 의미한다. 도로 세그먼트의 속도 파라미터의 부정확함은 차선의 가장 빠른 경로의 선택은 물론이며 부정확한 도착 추정 시각들 (Estimated Times of Arrival (ETA))의 결과로 이끌 수 있다. 두 포인트들 사이의 가장 빠른 경로에 크게 영향을 줄 수 있는 혼잡들 (jams)이 특히 문제이다.

정확함을 향상시키기 위한 노력에서, 혼잡한 트래픽에 관련한 라이브 (live) 데이터를 수집하고 그리고 경로 계획에 있어서 알려진 혼잡들을 고려하기 위해서 이 데이터를 이용하는 것이 알려져 있다. 상기 라이브 데이터가 도로 상태들에 관한 진정한 표시를 준다면 큰 양이 필요하다는 것이 인정될 것이다: 트래픽 흐름은 낮은 레벨의 또는 좀처럼 없는 라이브 데이터를 기반으로 하는 사고 탐지는 부정확할 것 같다는 것을 의미하는 강한 통계적인 성분을 가진다. 그러나, 거의 없는 또는 전혀 존재하지 않는 라이브 데이터는 세그먼트를 위해서 이용 가능하며 그리고 그것의 진정한 상태는 예측할 수 없게 남아있을 것이라는 경우가 종종 있을 수 있다.

WO 2009/053411

본 발명은 상기에서의 문제점들의 적어도 일부를 해소하기 위해서, 운행의 예상된 평균 속도들을 생성하는 방안을 제공하려고 한다.

본 발명의 첫 번째 모습에 따라, 전자 지도에 의해서 커버되는 영역 내 하나 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하는 방법이 제공되며, 각 세그먼트는:

그 세그먼트를 가로지르는 운행의 평균 속도;

적어도 하나의 혼잡 확률을 포함하는 세그먼트 데이터로서, 상기 혼잡 확률은 그 세그먼트 상에서의 혼잡의 가능성을 표시하는, 세그먼트 데이터; 그리고

혼잡하다고 간주될 때의 세그먼트 상에서의 운행의 속도를 표시하는 혼잡 속도와 연관되며,

상기 방법은:

상기 세그먼트들 중 적어도 하나 또는 각각에서 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 상기 세그먼트 데이터를 사용하는 단계; 및

이 세그먼트들을 가로지르는 운행의 예상된 평균 속도를, 혼잡 상태가 존재하는 것으로 예측될 때에는 제1 속도로서 또는 혼잡 상태가 예측되지 않을 때에는 제2 속도로서 출력하는 단계를 포함하며,

a) 상기 제1 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이며,

b) 상기 제2 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이다.

이 방법은 세그먼트를 가로지르는 운행의 예상된 평균 속도의 예측을 허용하며, 심지어는 이용 가능한 라이브 데이터가 거의 없거나 또는 전혀 없는 경우에도, 혼잡으로 인한 감소된 속도의 예측을 포함한다.

본 발명의 추가적인 모습에 따라 전자 지도에 의해서 커버되는 영역 내 하나 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하도록 구성된 시스템이 제공되며, 각 세그먼트는:

그 세그먼트를 가로지르는 운행의 평균 속도;

적어도 하나의 혼잡 확률을 포함하는 세그먼트 데이터로서, 상기 혼잡 확률은 그 세그먼트 상에서의 혼잡의 가능성을 표시하는, 세그먼트 데이터; 그리고

혼잡하다고 간주될 때의 세그먼트 상에서의 운행의 속도를 표시하는 혼잡 속도와 연관되며,

상기 시스템은 프로세서를 포함하며, 상기 프로세서는:

상기 세그먼트들 중 적어도 하나의 세그먼트 상에서 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 상기 세그먼트 데이터를 사용하며; 그리고

이 세그먼트들을 가로지르는 운행의 예상된 평균 속도를, 혼잡 상태가 존재하는 것으로 예측될 때에는 제1 속도로서 또는 혼잡 상태가 예측되지 않을 때에는 제2 속도로서 출력하도록 배치되며,

a) 상기 제1 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이며,

b) 상기 제2 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이다.

알 수 있을 것처럼 상기 시스템 그리고/또는 프로세서는 서버 또는 내비게이션 기기의 적어도 일부일 수 있다.

따라서, 본 발명은 전자 지도에 의해서 커버된 영역에서 하나 또는 그 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하도록 구성된 서버를 포함할 수 있다. 유사하게, 본 발명은 전자 지도에 의해서 커버된 영역에서 하나 또는 그 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하도록 구성된 내비게이션 기기를 포함할 수 있다.

세그먼트를 가로지르는 운형의 평균 속도는 이력적인 (historic) 데이터를 기반으로 할 수 있다. 예를 들면, 이력적인 평균 속도는 직접적으로 기록될 수 있을 것이며, 또는 세그먼트를 가로지르는 기록된 이력적인 운행 시간으로부터 계산될 수 있을 것이다.

세그먼트는 연관된, 예를 들면, 특정 시간 구간 동안에 상기 세그먼트를 따르는 평균 속도를 나타내는 각 평균 속도와 연관된 운행의 복수의 평균 속도들을 가질 수 있을 것이다. 그런 실시예들에서, 제2 속도는 바람직하게는 적절한 시간에서 관련 세그먼트에 대한 평균 속도 또는 그것을 기반으로 하는 속도이다.

상기 세그먼트를 가로지르는 이력적인 운행 시간들이, 예를 들면, 세그먼트에 진입하고 그리고 그 세그먼트에서 나가는 위성 내비게이션 자취들 사이의 시간 간격으로, 또는 두 개의 차량 번호판 인식 또는 블루투스 신호 이벤트들 사이의 시간 간격으로, 또는 출발의 시각과 도착의 시각의 기록으로, 또는 심지어는 트래픽 흐름 데이터에 따른 시뮬레이션으로, 수집되는 또는 생성되는 것에는 여러 방식들이 존재한다.

바람직한 실시예에서, 세그먼트와 연관된 평균 속도는 WO 2009/053411에서 설명된 방법에 따라서 결정될 수 있다; 상기 출원의 전체 내용들은 본원에 참조로서 편입된다. 이 방법에서 복수의 타임-스탬프 위치 데이터는 휴대용 내비게이션 기기들 (portable navigations devices (PNDs))과 같은 복수의 내비게이션 기기들로부터 바람직하게 캡쳐/업로드된다. 이 데이터는 복수의 자취들로 바람직하게 분할되며, 그 자취들 각각은 미리 정해진 시간 구간에 걸쳐 내비게이션 기기로부터 수신된 데이터를 나타낸다. 그러면 평균은 각 운행 가능한 세그먼트에 대해 각 미리 정해진 시간 구간 내에서 기록된 속도들로 취해질 수 있을 것이다.

위의 그리고 아래의 단락들에서 '평균 속도'라는 어구가 사용되었다는 것을 알게될 것이다. 그러나 실제에서는 평균 속도를 완전히 정확하게 아는 것은 결코 가능하지 않을 것이라는 것을 알게될 것이다. 몇몇의 경우들에서, 예를 들면, 계산된 평균 속도들은 시간 및 위치를 측정하기 위해서 사용된 장비만큼만 정밀할 수 있다. 그러므로, '평균 속도'의 어구가 어떻게 사용되더라도, 그것은 연관된 오류들을 스스로 가질 수 있을 측정들을 기반으로 하여 계산된 평균 속도로서 해석되어야만 한다는 것을 알게될 것이다.

이 환경에서, 이력적 (historic)의 단어는 라이브 (live)가 아닌 데이터, 현재의 시각에서 또는 최근의 과거에서 (아마도 대략적으로 과거 5분, 10분, 15분 또는 30분 이내) 상기 세그먼트 상에서의 상태들을 직접적으로 반영하지는 않는 데이터를 표시하는 것으로 간주되어야만 한다. 이력적인 평균 속도들 그리고 이력적인 운행 시간들은 예를 들면 과거의 날들 (days), 주들 (weeks) 또는 심지어는 년들 (years)에 발생하는 이벤트들에 관련될 수 있을 것이다. 그러므로 그런 데이터는 현재의 도로 상태들을 모티링한 결과가 아닐 수 있지만, 그 세그먼트에 대해 혼잡 확률을 계산하기에는 여전히 적절할 수 있을 것이다. 라이브 데이터 단독이 아니라 이력적인 데이터를 이용하는 것은 이용 가능한 관련 데이터의 양을 증가시킬 수 있을 것이며 그리고 그러므로 계산될 세그먼트에 대한 더욱 정확한 혼잡 확률을 허용할 수 있을 것이다. 이는 이용 가능한 라이브 운행 데이터가 거의 없거나 전혀 없는 경우에는 특히 그럴 수 있을 것이다.

하나 또는 그 이상의 세그먼트들과 관련하여 '...과 연관된'의 어구는 그 데이터 저장 위치들 상에 어떤 특별한 제한을 필요로 하는 것을 해석되어서는 안 된다는 것에 유의해야만 한다. 그 어구는 특징들이 세그먼트에 관련하여 동일시할 수 있다는 것만을 필요로 할 뿐이다. 그러므로, 연관은 원격 서버에 잠재적으로 위치한 사이드 파일 (side file)을 참조하여 달성될 수 있을 것이다.

몇몇의 실시예들에서, 상기 방법은 상기 전자 지도에 의해서 커버되는 영역을 가로질러 경로를 결정하는데 있어서 사용되며, 이 방법은:

i) 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 기반으로 하여 경로들 조사하기; 그리고

ii) 운행 가능한 경로 생성하기;를 포함한다.

이 시스템은 세그먼트에 특정된 혼잡 확률들을 기반으로 하는 경로 설정에 있어서 시기 적절한 개입을 허용할 수 있을 것이다. 혼잡이 존재하는 세그먼트를 가로지르는 운행의 감소된 예상 평균 속도는 경로가 생성될 때에 변수에 넣어질 수 있을 것이다. 상기 방법이 이력적인 데이터를 고려한 혼잡 확률들을 기반으로 하기 때문에, 문제의 세그먼트에 대해 심지어는 라이브 데이터가 거의 없거나 전혀 없을 경우에도 혼잡들이 유용하게 예측될 수 있을 것이다.

몇몇의 실시예들에서, 혼잡 상태가 존재할 것으로 예측되는 경우에, 혼잡 경보가 발행된다. 그런 경보는 예를 들면 서버로부터 통신 네트워크를 경유하여 하나 또는 그 이상의 내비게이션 기기들로 발행될 수 있을 것이며, 예를 들면, 그래서 상기 내비게이션 기기들이 경로들을 계획할 때에, 트래픽 정보를 제공할 때에 또는 유사할 때에 이 정보를 이용할 수 있도록 한다. 상기 내비게이션 기기들은 그러면 그 세금너트를 가로지르는 운행의 예상된 평균 속도를 결국은 출력할 수 있을 것이다.

상기 방법의 단계들은 서버 상에서 독점적으로, 또는 일부는 서버 상에서 그리고 다른 것들은 내비게이션 기기 상에서 임의 조합으로, 또는 내비게이션 기기 상에서 독점적으로 수행될 수 있을 것이다. 상기 서버 상에서 하나 또는 그 이상의 상기 단계들을 수행하는 것은 효율적일 수 있으며 그리고 내비게이션 기기 상에 위치한 계산상의 부담을 줄여줄 수 있을 것이다. 대안으로, 하나 또는 그 이상의 단계들이 상기 내비게이션 기기 상에서 수행되면, 이는 네트워크 통신을 위해서 필요한 대역폭을 줄일 수 있을 것이다.

예를 들면, 몇몇의 실시예들에서, 상기 전자 지도에 의해서 커버되는 영역을 가로지르는 경로를 결정하는 단계는 서버 상에서 수행된다. 다른 실시예들에서는, 세그먼트들을 가로지르는 운행의 예상된 평균 속도들 출력은 (서버로부터) 내비게이션 기기로 송신되며 그리고 상기 결정 단계는 상기 내비게이션 기기 상에서 수행된다.

상기에서 설명된 것처럼, 전자 지도 내의 각 세그먼트는 혼잡 속도 그리고 적어도 하나의 혼잡 확률과 연관된다.

몇몇의 실시예들에서, 그 세그먼트가 혼잡한 것으로 간주될 때에, 상기 혼잡 속도는 그 세그먼트를 가로지르는 운행의 평균 속도들 모두의, 또는 실질적으로 모두의 또는 선택된 것의 평균이다. 다른 실시예에서는, 그러나, 그 세그먼트가 혼잡한 것으로 간주될 때에, 그 세그먼트를 가로지르는 운행의 이력적인 평균 속도들의 모두의 또는 실질적으로 모두의 또는 선택된 것의 백분위수 (percentile) 또는 양식 (mode)이 사용될 수 있을 것이다.

각 세그먼트는 연관된 혼잡 문턱 (threshold) 속도를 또한 가지는 것이 바람직하며, 그 혼잡 문턱 속도는 그 세그먼트를 가로지르는 운행의 평균 속도를 표시하며, 그 아래의 세그먼트는 혼잡한 것으로 간주된다. 다른 말로 하면, 상기 혼잡 문턱 속도 아래의 세그먼트를 가로지르는 운행의 평균 속도를 혼잡한 것으로서 분류될 수 있으며, 반면에 상기 혼잡 문턱 속도 위의 세그먼트를 가로지르는 운행의 평균 속도는 혼잡하지 않은 것으로 간주될 수 있도록, 그 혼잡 문턱 속도는 선택된다.

몇몇의 실시예들에서, 상기 혼잡 문턱값 속도는 상기 세그먼트에 대한 자유-흐름 (free-flow) 속도의 선택된 백분율에 따라서 정의된다. 그러나, 대안의 실시예들에서, 상기 혼잡 문턱 속도는, 예를 들면, 도로 유형에 대응하는 미리 정의된 값 또는 혼잡한 트래픽을 나타내는 것으로 단순하게 간주되는 특정 속도로 대안으로 정의될 수 있을 것이다.

도로 세그먼트 (road segment)에 대한 자유-흐름 속도는 트래픽이 전혀 없거나 또는 실질적으로 거의 없는 시간의 구간 동안에 그 세그먼트를 가로지르는 운행의 평균 속도로서 정의되는 것이 바람직하다. 이 구간은 예를 들면 그 세그먼트에 걸친 속도가 다른 사용자들에 의해서 덜 영향을 받을 수 있을 경우인 한 시간 이상의 야간 시간일 수 있다. 자유-흐름 속도들의 그런 측정들은, 예를 들면, 속도 제한, 도로 레이아웃 및 트래픽 관리 하부구조의 영향을 여전히 반영할 것이다. 이것은 그러므로 포스팅된 속도 제한들, 법적인 속도들 또는 도로 분류를 기반으로 하는 속도 할당들보다 실제의 자유-흐름 속도의 더욱 정확한 반영일 수 있다. 그러나, 다른 실시예들에서, 상기 자유-흐름 속도는 상이하게 계산되거나 또는 선택될 수 있을 것이다 (예를 들면 그 세그먼트에 대한 속도 제한일 것으로 취해질 수 있을 것이다).

몇몇의 실시예들에서 상기 자유-흐름 속도의 선택된 백분율은 30%와 70% 사이이며, 더 바람직하게는 40%와 60% 사이이며, 그리고 가장 바람직하게는 실질적으로 50%이다.

몇몇의 실시예들에서, 미리 정의된 상단 한계가 상기 혼잡 문턱 속도로서 사용될 수 있을 것이며, 그렇지 않는다면 상기 혼잡 문턱 속도를 정의하는 방법이 더 높은 속도를 사용하는 결과로 귀착될 것이다. 예를 들면, 특정 경우에 상기 혼잡 문턱 속도를 정의하는 방법은 그 특정 세그먼트에 대해 혼잡인 것으로 간주되기에는 너무 높은 속도로 귀결될 수 있을 것이다. 그 경우에, 혼잡 문턱 속도는 상단 한계에는 지정되지 않을 수 있다.

특정 세그먼트에 대한 혼잡 확률은 그 세그먼트에 대한 이력적인 운행 데이터 그리고 그 세그먼트에 대한 혼잡 상황에 따라서 생성될 수 있으며, 이 경우에 상기 혼잡 상태는 그 세그먼트가 혼잡인가 아닌가에 관해서 표시한다.

세그먼트에 대한 혼잡 확률이 생성되는 방식은 새롭고 그리고 자신의 권한에서 유리한 것으로 믿어진다.

본 발명의 추가적인 모습에서, 전자 지도에 관련된 데이터를 프로세싱하는 방법이 제공되며, 상기 지도는 그 지도에 의해서 커버되는 영역에서 운행 가능한 세그먼트들을 나타내는 복수의 세그먼트들을 포함하며, 상기 방법은 프로세싱 장치를 사용하여 세그먼트 데이터를 생성하는 단계를 포함하며 그리고:

상기 세그먼트에 대한 이력적인 운행 데이터를 수집하는 단계;

상기 세그먼트에 대한 혼잡 상태를 정의하는 단계로서, 상기 혼잡 상태가 충족되는 경우에 상기 세그먼트는 혼잡으로서 분류되도록 하며 그렇지 않으면 혼잡이 아니라고 분류되도록 하는 단계;

상기 이력적인 운행 데이터 그리고 상기 혼잡 상태 정의에 따라 상기 세그먼트에 대한 혼잡 확률을 생성하는 단계; 그리고

상기 혼잡 확률을 상기 전자 지도 내 세그먼트와 연관시키는 단계를 포함한다.

본 발명의 추가의 모습에서, 전자 지도에 관련된 데이터를 프로세싱하도록 구성된 시스템이 제공되며, 상기 지도는 그 지도에 의해서 커버되는 영역에서 운행 가능한 세그먼트들을 나타내는 복수의 세그먼트들을 포함하며, 그리고 상기 시스템은:

상기 세그먼트에 대한 이력적인 운행 데이터를 수집하고;

상기 세그먼트에 대한 혼잡 상태를 정의하여, 상기 혼잡 상태가 충족되는 경우에 상기 세그먼트는 혼잡으로서 분류되도록 하며 그렇지 않으면 혼잡이 아니라고 분류되도록 하며;

상기 이력적인 운행 데이터 그리고 상기 혼잡 상태 정의에 따라 상기 세그먼트에 대한 혼잡 확률을 생성하고; 그리고

상기 혼잡 확률을 상기 전자 지도 내 세그먼트와 연관시킴으로써, 세그먼트 데이터를 생성하도록 구성된다.

알 수 있을 것처럼, 상기 시스템 그리고/또는 프로세서는 서버 또는 내비게이션 기기의 적어도 일부일 수 있다.

따라서, 본 발명은 전자 지도에 관련된 데이터를 프로세싱하도록 그리고 세그먼트 데이터를 생성하도록 구성된 서버를 포함할 수 있다. 유사하게, 본 발명은 전자 지도에 관련된 데이터를 프로세싱하고 그리고 세그먼트 데이터를 생성하도록 구성된 내비게이션 기기를 포함할 수 있다.

몇몇의 실시예들에서, 상기 혼잡 확률은 경로를 생성하는데 있어서 상기 서버에 의해서 사용된다. 예를 들면 상기 서버는 높은 혼잡 확률을 가지는 세그먼트를 통합하는 경로를 생성하는 것을 회피한다.

몇몇의 실시예들에서 상기 생성된 혼잡 확률은 서버로부터 하나 또는 그 이상의 내비게이션 기기들로 송신된다. 하나 또는 그 이상의 내비게이션 기기들은 경로를 생성하기 위해서 결국은 혼잡 확률을 사용할 수 있을 것이다.

본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들이 알 수 있는 것처럼, 본 발명의 이 모습들 및 실시예들은 여기에서 설명된 본 발명의 바람직한 그리고 옵션의 특징들 중 하나 또는 그 이상 또는 모든 것을 적절하게 포함할 수 있으며 그리고 바람직하게는 포함한다.

그래서, 예를 들면, 상기 혼잡 상태는 바람직하게는 혼잡 문턱 속도이며, 이는 그 세그먼트에 대한 자유-흐름 속도의 선택된 백분율에 따라서 정의될 수 있다.

몇몇의 실시예들에서, 그 세그먼트에 대한 혼잡 확률이 미리 정의된 값을 초과할 때에 혼잡 상태가 예측된다. 예를 들면, 혼잡 확률이 실질적으로 70%를 초과하거나 또는 실질적으로 50%, 60%, 80% 또는 90% 중 어느 하나와 같은 상대적으로 높은 백분율을 초과하면, 혼잡 상태가 예측되며 그리고 옵션으로 혼잡 경보가 발행된다.

몇몇의 실시예들에서, 다중의 혼잡 확률들이 각 세그먼트에 연관된다. 특히, 그 세그먼트들에 대해 다중의 시간 종속적 혼잡 확률들이 존재하여, 선택된 시간 구간들에 대한 시간에 걸쳐서 혼잡 확률에서의 변이들을 반영한다. 이런 방식에서, 혼잡 상태가 존재하는가의 여부에 관한 예측이 수행될 때에, 적절한 시간에 대한 혼잡 확률이 사용될 수 있을 것이다. 예를 들면 혼잡 확률들은 연중의 시간, 한 주의 날 그리고/또는 하루의 시간에 따라서 계산된다. 몇몇의 실시예들에서, 혼잡 확률들은 1분과 2시간 사이, 5분과 1시간 사이, 10분과 30분 사이 시간 간격으로 또는 15분의 시간 간격으로 제공된다.

알 수 있을 것처럼 혼잡 확률은 하루의 시간, 한 주의 날 그리고 심지어는 연중의 시간에 종속하여 변할 수 있다. 결과적으로 다중의 시간 종속적 혼잡 확률들을 제공하는 것은 세그먼트에 대해 단일의 혼잡 확률보다는 더욱 정밀한 혼잡 상태 예측을 줄 것 같다.

몇몇의 실시예들에서, 하나 또는 그 이상의 대안의 혼잡 확률들이 사용을 위해서 대응하는 시간 구간들 내에서 세그먼트에게 제공되어, 주어진 시간에서의 가장 적절한 혼잡 확률을 시간 종속적인 변이가 아닌 하나 또는 그 이상의 요소들을 기반으로 선택하는 것을 허용한다. 사용을 위한 대안의 혼잡 확률을 선택하는 것은 상이한 날씨 상태들에서의, 또는 풋볼 게임과 같은 특별한 이벤트가 열리고 있는 경우의 특별한 상황들에서 특히 적절할 것이다. 그런 상황들은 시간 종속적인 변이가 아닌 요소들로 간주될 수 있을 것이다. 그런 상황들은 전형적이 아닌 것으로 간주될 수 있을 것이다. 알 수 있을 것처럼, 그런 대안의 혼잡 확률들을 제공하는 것은 정확한 혼잡 확률을 생성하기에 충분한 이력 데이터의 가용성에 종속적일 수 있다.

몇몇의 실시예들에서 시간 종속적인 혼잡 확률들의 대안의 집합들이 제공되어, 시간 및 다른 요소들 두 가지 모두를 기반으로 하는 가장 적절한 혼잡 확률을 선택하는 것을 허용한다. 예를 들면, 날씨가 건조하면 시간 종속적인 혼잡 확률들의 한 세트가 사용되고 그리고 비가 오면 시간 종속적인 혼잡 확률들의 다른 세트가 사용된다.

몇몇의 실시예들에서, 세그먼트에 대한 혼잡 확률이 상기 혼잡 문턱 속도 위의 그리고 아래의 상기 세그먼트를 가로지르는 운행의 계산된 평균 속도들의 개수의 비율에 따라서 계산된다. 예로서, 상기 세그먼트를 가로지르는 이력적인 운행 시간들을 제공하는 GPS 프로브들을 수집한 것이 분석될 수 있을 것이다. 이 경우에 상기 혼잡 문턱 속도 위의 그리고 아래의 상기 세그먼트를 가로지르는 평균 속도를 필요로 하는 프로브들의 개수가 비교될 수 있을 것이다. 한 가지 예에서, 혼잡한 프로브들과 혼잡하지 않은 프로브들의 비율이 70:30이면, 혼잡 확률은 30%이다.

몇몇의 실시예들에서, 상기 세그먼트에 대한 혼잡 확률은 그 세그먼트가 혼잡한 그리고 혼잡하지 않은 시간 구간들에 따라서, 예를 들면, 혼잡 상태가 충족된다는 것을 운행의 이력적인 평균 속도들이 표시하는 구간에 따라서 계산된다.

몇몇의 실시예들에서, 세그먼트들이 연결된 (concatenated) 경우에, 상기 연결된 세그먼트들 중 하나, 몇몇 또는 모두에 대한 혼잡 확률을 계산하기 위해서 혼잡한 세그먼트들의 평균 백분율이 사용될 수 있을 것이다.

실시예들에서, 다중의 시간 종속적 혼잡 확률들이 세그먼트와 연관되는 경우, 상기 이력적인 운행 데이터는 기록 시각에 따라서 그룹화된다. 예를 들면, 상기 이력적인 운행 데이터는 그것들이 미리 정해진 시간 구간 내에 수신되었다면 같이 그룹화될 수 있을 것이다. 그 미리 정해진 시간 구간은, 예를 들면, 5분, 10분, 15분, 20분, 30분 또는 1시간일 수 있다. 이 방식에서, 생성된 혼잡 확률은 시간 관련될 수 있을 것이며 그리고 그러므로 대응하는 시간에서의 혼잡들을 예측하는데 있어서 사용될 때에 정확할 수 있을 것이다. 예를 들면, 세그먼트에 대한 이력적인 세그먼트 데이터 그리고 그래서 혼잡 확률은 12월부터 2월까지의 몇 달 동안에 월요일 아침 오전 8:30과 오전 8:45 사이의 구간에 관련될 수 있을 것이다. 그러므로, 이 혼잡 확률이 대응하는 시간에 대응하는 달들에서의 월요일 아침들에서 사용될 때에, 그것은 비-시간 종속적 혼잡 확률보다는 더욱 양호한 혼잡 예측자일 수 있다.

몇몇의 실시예들에서, 혼잡 확률들은 연중의 시간에 따라서 계산되거나 또는 적어도 연중의 시간에 의해서 영향을 받는다. 이것은 혼잡 확률 정확도를 증가시키기 위해서 도움이 될 수 있을 것이며, 이는 혼잡 확률이 일반적인 날씨 그리고 도로 표면 상태와 같은 계절적인 영향들에 종속하여 변할 수 있을 것이기 때문이다.

몇몇의 실시예들에서, 혼잡 확률들은 주 (week)의 날짜에 따라서 계산되거나 또는 적어도 주의 날짜에 의해서 영향을 받는다. 이것은 혼잡 확률 정확도를 증가시키기 위해서 도움이 될 수 있을 것이며, 이는 혼잡 확률이 주말 쇼핑, 주말에 멀리 가기 위한 금요일의 여행, 운임 스케줄 및 월요일의 원-거리 통근과 같은 주의 날짜에 종속저인 요소들에 의존하여 변경될 수 있기 때문이다.

몇몇의 실시예들에서, 혼잡 확률들은 하루의 시간에 따라서 계산되거나 또는 하루의 시간에 의해서 영향을 받는다. 이것은 혼잡 확률 정확도를 증가시키기 위해서 도움이 될 수 있을 것이며, 이는 혼잡 확률이 러시 아워, 학교 등교, 개점 및 폐점 시간들 (예를 들면, 바, 레스토랑, 극장, 콘서트 장소, 영화관, 클럽 등), 시작 및 끝나는 시간들 (예를 들면, 페스티발, 쇼 및 스포츠 이벤트 등), 도착 및 출발 시간들 (예를 들면, 열차, 배 및 비행기) 그리고 평범한 공통적인 행동 (예를 들면, 식사 또는 수면)과 같은 하루의 시간 종속적인 요소들에 의존하여 변할 수 있을 것이기 때문이다. 몇몇의 실시예들에서, 이것들은 예를 들면 밤에 대한 단일의 혼잡 확률일 수 있다. 밤은 세팅 시간들 사이의, 예를 들면, 실질적으로 오후 11시부터 아침 6시 사이의 미리 정의된 구간일 수 있다.

몇몇의 실시예들에서, 혼잡 확률들은 실질적으로 15분의 시간 간격들로 계산된다. 그러나 이것 위의 또는 아래의 시간 간격들, 예들 들면, 5분, 10분, 15분, 20분, 30분, 1시간 또는 밤과 같이 더 긴 구간들이 사용될 수 있을 것이다. 시간에 있어서 근접한 추가의 계산된 혼잡 확률들은 연결될 수 있을 것이다. 이는 상기 혼잡 확률들이 비슷한 경우 (예를 들면, 잠재적으로 야간 시간)에 특히 유용할 수 있을 것이다.

몇몇의 실시예들에서, 혼잡 확률들은 특정 이벤트나 상황의 발생에 따라서 계산되거나 또는 그 발생에 의해서 적어도 영향을 받는다. 그런 이벤트들 또는 상황들은 예를 들면 특별한 유형의 날씨, 풋볼 시합들과 같은 이벤트들 또는 전람회 및 공휴일 등을 포함할 수 있을 것이다.

몇몇의 실시예들에서, 혼잡 확률들은 상기에서 설명된 요소들 중 하나보다 많은 요소들에 의해서 계산되거나 또는 적어도 영향을 받는다.

상기에서 설명된 것처럼, 혼잡 상태가 존재할 것으로 예측될 때에, 세그먼트를 가로지르는 운행의 예상된 평균 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 기 혼잡 속도를 기반으로 하는 속도이다 (상기 "제1 속도"). 예를 들면, 세그먼트에 대한 혼잡 속도는 날씨와 같은 하나 또는 그 이상의 동적인 파라미터들에 따라서 변경될 수 있을 것이다.

유사하게, 그리고 상기에서 다시 설명된 것처럼, 혼잡 상태가 예측되지 않으면, 상기 세그먼트를 가로지르는 운행의 예상된 평균 속도는 관련된 세그먼트에 대한 (그리고 예를 들면 적절한 시간에서의) 평균 속도 또는 그 평균 속도를 기반으로 하는 속도이다 (상기 "제2 속도")

예를 들면, 상기 제2 속도는 그 세그먼트를 가로지르는 이동의 이력적인 평균 속도들의 모두의, 또는 실질적인 모두의 또는 선택한 것의 평균일 수 있다. 다른 실시예들에서는 그러나 그 세그먼트를 가로지르는 운행의 이력적인 평균 속도들 모두의 또는 실질적인 전부의 또는 선택의 백분위수 또는 양식이 사용될 수 있을 것이다. 대안으로 속도는 다른 방식으로 선택될 수 있을 것이다.

몇몇의 실시예들에서, 상기 세그먼트들 중 하나 또는 그 이상에 대한 세그먼트 데이터는 그 세그먼트에 대한 라이브 데이터를 더 포함한다.

라이브 데이터는 상대적으로 현재이며 그리고 그 세그먼트 상에서 무엇이 발생하고 있는가의 표시를 제공하는 데이터로서 생각될 수 있을 것이다. 상기 라이브 데이터는 지난 30분 내에 상기 세그먼트 상에서의 상태들에 관련된 것이 보통이다. 몇몇의 실시예들에서, 상기 라이브 데이터는 지난 15분, 10분 또는 5분 내의 상기 세그먼트 상의 상태들에 관련될 수 있을 것이다.

몇몇의 실시예들에서 세그먼트에 대한 혼잡 확률은 그 세그먼트에 대한 라이브 데이터를 기반으로 하여 생성되거나 또는 수정될 수 있다. 다른 말로 하면, 상기 혼잡 확률은 라이브 데이터를 이용하여 조정될 수 있다.

알 수 있을 것처럼, 세그먼트를 가로지르는 운행의 이력적인 평균 속도들에 추가로 라이브 데이터를 이용하는 것은 그 세그먼트에 대한 혼잡 확률의 정확도를 크게 증가시킬 수 있다. 예를 들면, 세그먼트에 대한 이력적인 데이터는 그 세그먼트가 특별한 시간 포인트에서 혼잡하다는 높은 가능성을 나타낼 수 있을 것이며, 반면에 실제에서는 그 세그먼트는 실제 혼잡하지 않다는 것을 라이브 데이터가 표시한다.

몇몇의 실시예들에서, 라이브 데이터는 관련된 세그먼트 상에 혼잡 상태가 존재하는가의 여부를 올바르게 예측하는 가능성을 증가시키기 위한 체크 (check)로서 대안으로 또는 추가적으로 사용된다. 이 경우에, 그러므로, 적어도 몇몇의 라이브 데이터는 상기 혼잡 확률을 조정하기 위해서 사용되는 것이 아니라 그 혼잡 확률을 기반으로 하여 예측을 체크하기 위해서 사용된다. 이는 혼잡 확률 계산에 있어서 사용된 데이터를 이용하여 그리고/또는 예측을 이용하여, 상기 라이브 데이터를 관련된 혼잡 확률과 비교하는 것을 통해서일 수 있다

몇몇의 실시예들에서, 이용 가능한 데이터를 융합하기 위해서 최적화기가 사용된다. 상기 최적화기는 그러므로, 예를 들면, 세그먼트를 따르는 운행의 평균 속도가 어떤 것으로 생각되어야만 하는가를 결정하기 위해서, 이력 (historic) 데이터를 라이브 데이터와 결합하기 위해 구성된 데이터 융합 수단으로서 생각될 수 있다. 이 방식에서 라이브 데이터는 그 세그먼트를 가로지르는 운행의 이력적인 평균 속도들을 이용하여 계산된 관련된 혼잡 확률을 조정하기 위해서 사용될 수 있을 것이다. 추가적으로 그리고/또는 대안으로 상기 융합은 상기 체크가 수행되도록 허용할 수 있을 것이다.

몇몇의 실시예들에서, 상기 최적화기는 자동화된다. 상기 최적화기는 예를 들면 아메바 알고리즘 또는 수동의 결과 분석을 이용하는 파라미터 최적화 방식일 수 있다.

몇몇의 실시예들에서, 상기 융합은 가중된 또는 확률적 (probabilistic) 평균을 이용하여 수행된다. 특히, 더 많은 양의 라이브 데이터가 이용 가능하면 그리고/또는 더욱 믿을 수 있고 그리고/또는 중요하다고 인식되면 더 큰 가중치가 라이브 데이터에 주어질 수 있을 것이다. 알 수 있을 것처럼, 작은 양의 라이브 데이터는 속성상 확률론적일 수 있으며 그리고 그래서 혼잡 상태 예측을 부당하게 왜곡하는데 소용이 될 수 있을 것이다. 역으로, 더 많은 라이브 데이터가 이용 가능하면, 세그먼트를 가로지르는 이력적인 평균 운행 속도들보다 혼잡 상태가 존재하는가의 여부에 관해서 라이브 데이터가 더욱 정확한 예측자임을 결국은 입증할 것이라는 포인트까지 그 라이브 데이터는 더 유용할 것이다. 더 많은 라이브 데이터가 세그먼트에 대해서 이용 가능한 경우에, 가중된 평균은 그 라이브 데이터에 호의적일 수 있으며 그리고 심지어는 이력적인 운행 시간들이 상대적으로 대수롭지 않게 되도록 그 이력적인 운행 시간들의 가중치를 줄일 수 있을 것이다.

몇몇의 실시예들에서, 더 적은 라이브 데이터가 융합에 있어서 사용된다면, 예측될 혼잡 상태를 위해서 필요한 혼잡 확률은 증가한다. 필요한 혼잡 확률을 조정함으로써, 상기 방법은 라이브 데이터가 거의 없거나 또는 전혀 없는 경우의 증가된 불확실성을 설명할 수 있을 것이다.

몇몇의 실시예들에서, 이용 가능한 라이브 데이터가 융합될 것이라면, 그 이용 가능한 라이브 데이터의 양을 위해서 하단 문턱 컷-오프 (cut-off)가 세팅될 수 있을 것이다. 이전에 언급된 것처럼, 작은 양의 라이브 데이터는 속성상 확률론적 (stochastic)일 수 있으며 그리고 그러므로 상기 세그먼트의 진정한 상태를 왜곡하는데 소용이 될 수 있을 것이다. 그러므로, 그런 예들에서, 상기 하단 문턱은 이 컷-오프 포인트를 정의하면서, 상기 라이브 데이터를 전적으로 사용하는 것을 회피하는 것이 바람직할 수 있을 것이다.

몇몇의 실시예들에서, 상기 라이브 데이터는 세그먼트 중 적어도 하나 또는 각 세그먼트에 걸친 하나 또는 그 이상의 라이브 운행 시간들을 포함한다. 상기 라이브 운행 시간은 보통은 GPS 프로브들로부터 계산된다. 이 데이터가 세그먼트 상의 실제의 상황의 최신의 표시를 제공할 수 있을 것이기 때문에 이 데이터는 관련될 수 있을 것이다. 상기 라이브 운행 시간들은 다음 중 어느 하나로부터 또한 계산될 수 있을 것이다: 셀룰러 전화 네트워크로부터의 데이터; 도로 루프 생성된 데이터; 트래픽 카메라들 (ANPR (Automatic Number Plate Recognition) 포함).

몇몇의 실시예들에서, 상기 최적화기는 혼잡 확률을 계산하기 위해서 사용된 함수에서의 관련 세그먼트에 관계된 라이브 이동 시간들을 사용하며, 상기 혼잡 문턱 속도 위의 평균 속도들을 필요로 하는 라이브 운행 시간들 그리고 상기 혼잡 문턱 속도 아래의 평균 속도들을 필요로 하는 라이브 운행 시간들을 변수에 넣는다. 이 방식에서 상기 세그먼트와 연관된 혼잡 확률이 조정될 수 있을 것이다. 정확한 혼잡 상태 예측을 위한 전망들은 그러므로 향상될 수 있을 것이다. 그럼에도 불구하고 이력적인 운행 시간들은 항상 사용되기 때문에, 상기 방법은 이용 가능한 많은 양의/어떤 라이브 데이터에 의존하지 않는다. 정확한 혼잡 예측을 주기 위해 격리된 충분한 양의 라이브 데이터가 몇몇의 또는 심지어는 대부분의 세그먼트들을 위해서 이용 가능할 수 있지만, 그것은 모든 것을 위해서는 이용 가능하지 않을 수 있다는 것이 인정될 것이다.

몇몇의 실시예들에서, 라이브 데이터는 다음의 소스들 중 하나 또는 그 이상으로부터의 세그먼트들 중 하나의 세그먼트 또는 각각의 세그먼트에 관한 정보를 포함한다:

세그먼트에 대해 일상적이지 않은 트래픽이 예상되는 경우의 확인된 날짜들 그리고/또는 시간들을 표시하는 달력;

혼란들을 표시하는 언론 데이터;

상기 세그먼트 상에서 탐지된 복수의 GPS 프로브들; 그리고

날씨 모니터링 및/또는 예측 서비스.

언론 데이터는 방송하는 사람들로부터의 트래픽 보고들 그리고/또는 트래픽에 영향을 가진 또는 가진 것 같은 요소들에 관한 뉴스 아웃렛 (news outlet)들로부터의 다른 보고들을 포함할 수 있을 것이다.

이 방식에서, 예를 들면 날씨, 로컬 이벤트들, 공휴일 및 재난들에 속한 라이브 데이터는 혼잡 상태가 존재하는가의 여부에 관한 예측으로 변수로 될 수 있을 것이다. 그런 데이터는 혼잡 확률의 계산으로 변수로 되는 것보다는 체크의 수행에 더욱 적합할 수 있다. 몇몇의 환경들에서는 그런 라이브 데이터는 세그먼트에 걸친 라이브 운행 시간들을 포함하는 라이브 데이터만큼 유용하거나 또는 아주 더 유용할 수 있을 것이다. 예를 들면 언론 데이터가 특정 세그먼트에서의 트래픽 혼잡을 표시하는 경우에, 최적화기는 이 정보를 올바른 것으로서 무겁게 가중한다. 특히 최근의 라이브 데이터는 또한 더욱 무겁게 가중될 수 있을 것이다; 즉, 더 최근의 라이브 데이터는 덜 최근의 라이브 데이터보다 더욱 높게 가중될 수 있을 것이다. 다른 예로서, 날씨 예측 서비스에 의해서 예보된 폭우는 느린 트래픽의 가능성을 증가시키며, 그래서 이것은 느리게 움직이는 트래픽의 원인이 혼잡이 아니라 날씨 상태들이라고 올바르게 확인하기 위해서 최적화기에 의해서 활용될 수 있을 것이다.

몇몇의 실시예들에서, 하나의 세그먼트 또는 세그먼트들 각각에 대한 라이브 데이터는, 혼잡 상태가 존재하는가의 여부를 그 혼잡 확률을 기반으로 하여 계산하고 그리고/또는 예측을 위해서 사용될 때에, 혼잡 확률 그리고/또는 이력적인 운행 시간들과의 일관성을 위해서 체크된다. 이것은 로컬 체크로서 여겨질 수 있을 것이며, 이는 그것이 세그먼트들의 집합 또는 전체 네트워크 라기 보다는 관련되지 않을 수 있을 특정 세그먼트들에 관계되기 때문이다.

상기 라이브 데이터가 혼잡 상태가 존재하는가의 여부를 혼잡 확률을 기반으로 하여 계산하고 그리고/또는 예측하기 위해서 사용된 혼잡 확률 그리고/또는 이력적인 운행 시간들과 일관되지 않으면, 다음 단계들 중 하나 또는 그 이상이 착수될 수 있을 것이다:

i) 혼잡 상태가 예측되도록 하기 위해서 필요한 혼잡 확률이 조절된다;

ii) 라이브 데이터 또는 추가적인 라이브 데이터가 혼잡 확률 계산에 사용된다;

iii) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 (probabilistic) 평균이 조절된다;

iv) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성이 이용된다 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고

v) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위해서 스위치 개시.

상기 단계들 중 하나 또는 그 이상을 취함으로써, 혼잡 상태 예측의 정확성이 향상될 수 있을 것이다. 예를 들면, 상기 라이브 데이터는, 예컨대, 혼잡 확률과의 상충을 통해서, 현재 시각에, 상태들은 일상적이지 않으며, 즉, 혼잡 확률은 (이는 그 세그먼트를 가로지르는 운행의 이력적인 평균 속도들을 기반으로 하여 배타적일 수 있다) 혼잡 상태가 존재하는가 또는 존재하지 않는가에 관한 양호한 가이드가 아니라는 것을 나타낸다. 그러므로, 예를 들면, 혼잡 경고의 급박한 발행을 무효로 하여 진정시키는 행동이 취해질 수 있을 것이다.

데이터 양이 허용하는 경우, 혼잡 확률들의 하나 또는 그 이상의 대안의 집합들이 그 세그먼트에 대해서 이용 가능하다. 그런 혼잡 확률들은 (로컬 영역에서의 풋볼 게임, 은행 휴일 또는 혹독한 날씨와 같은) 특별히 잠재적으로 순환하는 상황들에 관련될 수 있을 것이다. 이 경우에, 혼잡 확률들의 그런 대안의 집합이 더욱 관련된다는 것을 상기 라이브 데이터가 표시하는 경우, 옵션 (v)가 취해질 수 있을 것이다.

몇몇의 실시예들에서, 세그먼트들의 집합에 대한 라이브 데이터는, 혼잡 상태들이 존재하는가의 여부를 상기 혼잡 확률들을 기반으로 하여 계산하고 그리고/또는 예측하기 위해서 사용될 때에, 그 세그먼트들 각각의 혼잡 확률들 그리고/또는 이력적인 운행 시간들과의 일관성을 위해서 체크된다. 이는 지역적 체크로 생각될 수 있을 것이며, 이는 그것이 세그먼트들의 집합과 관계되기 때문이다.

혼잡 상태들이 존재하는가의 여부를 혼잡 확률들을 기반으로 하여 계산하고 그리고/또는 예측하기 위해서 사용된 이력적인 운행 시간들 그리고/또는 혼잡 확률들로부터의 편차 경향을 상기 체크가 표시하는 경우, 상기 집합 내 세그먼트들 그리고/또는 다른 관련 세그먼트들에 대해 다음 단계들 중 하나 또는 그 이상이 착수될 수 있을 것이다:

i) 혼잡 상태가 예측되도록 하기 위해서 필요한 혼잡 확률이 조절된다;

ii) 라이브 데이터 또는 추가적인 라이브 데이터가 혼잡 확률 계산에 사용된다;

iii) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 평균이 조절된다;

iv) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성이 이용된다 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고

v) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위해서 스위치 개시.

이 방식에서 세그먼트들의 집합에서 관찰된 (혼잡 확률 편차 패턴들과 같은) 패턴들/경향들에 따라 변화들이 착수될 수 있을 것이다. 세그먼트들의 집합 상에서 수행된 체크들은 그 집합 내 세그먼트들의 혼잡 상태의 가능성에 관련한 결론들을 내리는 것을 허용할 수 있을 것이다. 그런 결론들은 혼잡 확률들과는 사이가 나쁠 수 있을 것이다. 추가의 결론들은 그 집합 내에 있지 않은 세그먼트들, 예를 들면, 그 집합 내 하나 또는 그 이상의 세그먼트들 상에서의 상태들에 의해서 영향을 받을 것 같은 근방의 세그먼트들에 대해서 내려질 수 있을 것이다. 예를 들면 상기 체크는, 혼잡 확률 표시들과는 반대로, 상기 집합 내 대부분의 세그먼트들 또는 심지어는 모든 세그먼트들이 혼잡하다는 것을 표시한다. 이는 높은 혼잡 확률들을 가진 장소들은 보통의 경우보다 훨씬 더 잘 혼잡할 것 같으며 그리고 이는 혼잡 상태들이 존재하는가의 여부를 예측하는데 있어서 설명되어야만 한다는 것을 표시하는 것으로 결국은 해석될 수 있을 것이다.

몇몇의 대안의 실시예들에서, 편차 경향은 어떤 구간에 대해 혼잡 확률들을 사용하는 것을 부분적으로 또는 완전하게 무시하는 것으로 이끌 수 있을 것이다. 예를 들면, 상기 라이브 데이터는 특정 구간에 대해서 혼잡 상태들이 존재하는가의 여부를 예측하는데 있어서 사용하기에 상기 혼잡 확률들은 완전히 부적당하다는 것을 나타낸다.

몇몇의 실시예들에서, 세그먼트들의 집합은 다음의 것 중 하나 또는 그 이상을 포함할 수 있을 것이다: 미리 정해진 지도 영역 내에 들어간 세그먼트들, 미리 정해진 반경 내에 들어간 세그먼트들, 영역 내로 또는 영역 밖에 있을 것 같은 경로들을 포함하는 세그먼트들, 미리 정해진 운행 방향들을 가지는 영역 내의 세그먼트들 및 알려진 병목들로서 선택된 세그먼트들, 그리고 트래픽 핫스폿 (hotspot)을 포함하는 것으로서 선택된 세그먼트들. 예를 들면, 상기 세트는 도시 밖의 주요 경로로 생각될 수 있을 것을 형성하는 세그먼트들을 포함한다. 그런 세트는 예를 들면 은행 공휴일 구간의 시작에서 사용될 수 있을 것이며, 이 경우 도시 밖의 주요 경로들 상의 혼잡들은 더 있을 것 같다.

몇몇의 실시예들에서, 링크된 세그먼트들의 집합에 대한 라이브 데이터는 각 세그먼트에 대한 라이브 데이터 그리고 상기 세그먼트에 대한 혼잡 확률 사이의 일관성의 면에서 세그먼트들 사이의 중요한 변이들에 대해 평가된다. 이것은 혼잡 상태를 예측하는데 있어서 도움을 줄 수 있을 것이다. 예를 들면 업스트림 세그먼트에 대한 라이브 데이터는 그 세그먼트에 대한 그것들 각각의 혼잡 확률과 더 일관되는 경우에, 이는 다운스트림 세그먼트에 대한 혼란 상태 예측을 강화시킬 것이다. 업스트림 세그먼트는 운행의 주어진 방향에 대해서 자신으로부터 문제의 세그먼트까지 트래픽을 공급하는 세그먼트이다. 또한, 링크된 세그먼트들을 통한 일관성에서의 단계적인 변화들의 체인들은 큐의 길이를 표시할 수 있을 것이며, 그러므로 혼잡 상태 예측을 향상시킬 것이다.

몇몇의 실시예들에서, 세그먼트들의 집합을 선택하는 것은 계층적으로 조직된다. 이는 라이브 데이터 커버리지에 의존하는 그리드 강화 절차를 통해서 달성될 수 있을 것이다. 예를 들면, 더 많은 라이브 데이터가 이용 가능한 세그먼트들은 상기 집합 내 병합을 위해서 우선순위가 정해진다.

몇몇의 실시예들에서, 매핑된 네트워크 내 모든 세그먼트들에 대한 라이브 데이터는, 혼잡 상태들이 존재하는가의 여부에 관하여 상기 혼잡 확률들을 기반으로 하여 계산 그리고/또는 예측하기 위해서 사용될 때에, 각 혼란 확률들 그리고/또는 이력적인 운행 시간들과의 일관성을 위해서 체크된다. 이는 글로벌 체크로 생각될 수 있을 것이며, 그것이 전체 매핑된 네트워크와 관련되기 때문이다.

혼잡 상태들이 존재하는가의 여부에 관하여 상기 혼잡 확률들을 기반으로 하여 계산 그리고/또는 예측하기 위해서 사용되는 혼잡 확률들 그리고/또는 이력적인 운행 시간들로부터의 편차 경향을 상기 체크가 표시하는 경우, 다음의 단계들 중 하나 또는 그 이상이 모든 세그먼트들에 대해서 착수될 수 있을 것이다:

i) 혼잡 상태가 예측되도록 하기 위해서 필요한 혼잡 확률이 조절된다;

ii) 라이브 데이터 또는 추가적인 라이브 데이터가 혼잡 확률 계산에 사용된다;

iii) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 평균이 조절된다;

iv) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성이 이용된다 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고

v) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위해서 스위치 개시.

이 방식에서 모든 세그먼트들 상에서 수행된 체크들에 의해서 관찰된 패턴들에 따라 변화들이 착수될 수 있을 것이다. 모든 세그먼트들 상에서 수행된 체크들은 세그먼트들의 혼잡 상태의 가능성에 관련한 결론들을 내리는 것을 허용할 수 있을 것이다. 이런 유형의 체크들은 전체 네트워크에 영향을 줄 것 같은 현상이 발생하는 경우에 유용할 수 있을 것이다.

몇몇의 실시예들에서, 이웃한 세그먼트들에 대한 혼잡 상태 예측들은 하나의 혼잡으로 연결될 수 있을 것이다. 이는 상기 상황의 더욱 실재적인 표시를 제시할 수 있을 것이다.

본 발명의 실시예들은 오프라인 내비게이션 긱에 의해서 수행될 수 있을 것이다. 이 방식에서 통신 네트워크에 연결되지 않은 내비게이션 기기는 본 발명의 실시예들을 여전히 채택할 수 있을 것이다.

상기 방법이 오프라인 내비게이션 기기에 의해서 실행되는 경우에, 상기 내비게이션 기기에 의해서 수집된 정보의 평가에 의해서 라이브 데이터가 제공될 수 있을 것이다. 그런 데이터는 몇몇의 경우들에서는 이전에 설명된 라이브 데이터의 대안의 형상을 위한 대체로서 소용이 될 수 있을 것이다.

상기 내비게이션 기기에 의해서 라이브 데이터가 수집되는 경우에, 혼잡 상태들이 존재하는가의 여부에 관해 상기 혼잡 확률을 기반으로 한 계산 및/또는 예측에서 사용될 때에, 이것은 관련된 혼잡 확률 그리고/또는 이력적인 이동 시간들과의 일관성을 위해서 체크될 수 있을 것이다. 이것은 특별한 혼잡 확률의 관련성의 표시를 제공할 수 있을 것이다.

혼잡 상태들이 존재하는가의 여부에 관하여 상기 혼잡 확률을 기반으로 하여 계산 그리고/또는 예측하는데 있어서 사용되는 혼잡 확률 그리고/또는 이력적인 운행 시간들과 상기 라이브 데이터가 일관되지 않은 경우에, 다음의 단계들 중 하나 또는 그 이상이 하나 또는 그 이상의 세그먼트들에 대해서 착수될 수 있을 것이다:

i) 혼잡 상태가 예측되도록 하기 위해서 필요한 혼잡 확률이 조절된다;

ii) 라이브 데이터 또는 추가적인 라이브 데이터가 혼잡 확률 계산에 사용된다;

iii) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 평균이 조절된다;

iv) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성이 이용된다 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고

v) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위해서 스위치 개시.

예를 들면 상기 내비게이션 기기는 그것이 현재 혼잡에 있다고 탐지하며 그리고 아직 그렇지 않다면 혼잡 상태 예측은 상기 혼잡 확률을 기반으로 해서 만들어지지 않을 것이다. 이것은 문제의 세그먼트에 대하여 그리고 또한 옵션으로 추가적인 세그먼트들에 대하여 혼잡 확률을 조정하거나 체크하는 것을 촉구할 수 있을 것이다. 추가적인 세그먼트들에 대해 혼잡 확률들을 조정하거나 체크하는 것은 그런 세그먼트들이 문제의 세그먼트 상에서의 상태에 의해서 영향을 받을 수 있을 경우에 그리고/또는 문제의 세그먼트과 속성상 유사하다고 생각될 때에 발생할 수 있을 것이다. 추가적으로 또는 대안으로 혼잡 확률들을 활용한 경로 계산을 기반으로 하여 추정된 여행 시간 또는 추정된 도착 시각은 실제의 도착 시각과는 다를 수 있을 것이다. 이 실제의 도착 시각은 상기 추정된 여행 시간/추정된 도착 시각을 생성하는데 있어서 사용된 하나 또는 그 이상의 혼잡 확률들을 조정하고 또는 체크하기 위해서 사용될 수 있을 것이다.

라이브 데이터가 거의 없거나 또는 전혀 없는 세그먼트에 대해 혼잡 확률을 확인하거나 또는 수정하기 위해서 영역 내 하나 또는 그 이상의 세그먼트들에 대해서 획득된 라이브 데이터를 이용하는 개념은 새롭고 그리고 자신의 권한에서 유리한 것으로 믿어진다.

그래서, 본 발명의 추가적인 모습에 따라, 전자 지도에 의해서 커버되는 영역 내 복수의 세그먼트들 중 하나의 세그먼트 상에서 예상된 혼잡 상태들로부터 편차를 나타내는 지도 데이터를 생성하는 방법이 제공되며, 상기 세그먼트는 그 세그먼트 상의 혼잡의 가능성을 나타내는 혼잡 확률과 연관되며, 상기 방법은:

그 세그먼트의 혼잡 확률을 기반으로 하여 그 세그먼트에 대한 예상된 혼잡 상태를 수립하는 단계;

상기 영역 내 복수의 다른 세그먼트들 중 적어도 하나의 세그먼트 상에서의 혼잡 상태를 나타내는 라이브 데이터를 획득하는 단계; 그리고

그 획득된 라이브 데이터를 이용하여 상기 세그먼트에 대한 수정된 혼잡 상태를 수립하는 단계를 포함한다.

알 수 있을 것처럼, 이 방법은 심지어는 세그먼트에 대해서 라이브 데이터가 거의 없거나 또는 전혀 없는 경우에 세그먼트 상 혼잡 상태들에 더욱 정확한 판별을 허용한다. 다른 말로 하면, 예를 들어, 주어진 시간에 혼잡한 구역에서 라이브 데이터가 상당한 개수의 세그먼트들을 나타내면, 그러면 이것은 흔히 있는 경우가 아니라고 이력 데이터가 시사하더라도 그 구역 내 연결된 세그먼트 또한 혼잡할 것이라는 높은 가능성이 존재한다는 결론이 내려진다.

본 발명의 추가의 모습에 따르면, 전자 지도에 의해서 커버되는 영역 내 복수의 세그먼트들 중 하나의 세그먼트 상에서 예상된 혼잡 상태들로부터 편차를 나타내는 지도 데이터를 생성하도록 구성된 시스템이 제공되며, 상기 세그먼트는 그 세그먼트 상의 혼잡의 가능성을 나타내는 혼잡 확률과 연관되며, 상기 방법은:

세그먼트의 혼잡 확률을 기반으로 하여 그 세그먼트에 대한 예상된 혼잡 상태를 수립하는 단계;

상기 영역 내 복수의 다른 세그먼트들 중 적어도 하나의 세그먼트 상에서의 혼잡 상태를 나타내는 라이브 데이터를 획득하는 단계; 그리고

그 획득된 라이브 데이터를 이용하여 상기 세그먼트에 대한 수정된 혼잡 상태를 수립하는 단계를 포함한다.

알 수 있을 것처럼, 상기 시스템 그리고/또는 프로세서는 서버 또는 내비게이션 기기의 적어도 부분일 수 있다.

따라서, 본 발명은 전자 지도에 의해서 커버된 영역 내 세그먼트 상에서의 예상된 혼잡 상태들로부터의 편차를 표시하는 지도 데이터를 생성하도록 구성된 서버를 포함할 수 있다. 유사하게, 본 발명은 전자 지도에 의해서 커버된 영역 내 세그먼트 상에서의 예상된 혼잡 상태들로부터의 편차를 표시하는 지도 데이터를 생성하도록 구성된 내비게이션 기기를 포함할 수 있다.

본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들에 의해서 알 수 있을 것처럼, 본 발명의 이 모습들 및 실시예들은 여기에서 설명된 본 발명의 바람직한 그리고 옵션의 특징들 중 하나 또는 그 이상 또는 모든 것을 적절하게 포함할 수 있으며 그리고 바람직하게는 포함한다.

예를 들면, 세그먼트에 대해서 수정된 혼잡 상태는, 예를 들면, 시작으로부터 목적지까지의 경로를 생성하는데 있어서 사용하기 위해서, 운행의 적합한 평균 속도를 상기 세그먼트에 할당하기 위해서 사용될 수 있다

상기에서 설명된 것처럼, 라이브 데이터는 상대적으로 현재이며 그리고 그 세그먼트 상에서 무엇이 발생하고 있는가의 표시를 제공하는 데이터로서 생각될 수 있을 것이다. 상기 라이브 데이터는 지난 30분 내에 상기 세그먼트 상에서의 상태들에 관련된 것이 보통이다. 몇몇의 실시예들에서, 상기 라이브 데이터는 지난 15분, 10분 또는 5분 내의 상기 세그먼트 상의 상태들에 관련될 수 있을 것이다.

상기 세그먼트에 대해서 수정된 혼잡 상태를 설립하는 상기 단계는 상기 세그먼트에 대한 상기 혼잡 확률을 상기 라이브 데이터를 기반으로 하여 체크하거나 또는 변경하는 것을 포함한다. 예를 들면, 다음의 단계들 중 하나 또는 그 이상이 착수될 수 있을 것이다:

i) 혼잡 상태가 예측되도록 하기 위해서 필요한 혼잡 확률이 조절된다;

ii) 라이브 데이터 또는 추가적인 라이브 데이터가 혼잡 확률 계산에 사용된다;

iii) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 평균이 조절된다;

iv) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성이 이용된다 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고

v) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위해서 스위치 개시.

이 방식에서 세그먼트들의 집합에서 관찰된 (혼잡 확률 편차 패턴들과 같은) 패턴들에 따라 변화들이 착수될 수 있을 것이다. 세그먼트들의 집합 상에서 수행된 체크들은 그 집합 내 세그먼트들의 혼잡 상태의 가능성에 관련한 결론들을 내리는 것을 허용할 수 있을 것이다. 그런 결론들은 혼잡 확률들과는 사이가 나쁠 수 있을 것이다. 추가의 결론들은 그 집합 내에 있지 않은 세그먼트들, 예를 들면, 그 집합 내 하나 또는 그 이상의 세그먼트들 상에서의 상태들에 의해서 영향을 받을 것 같은 근방의 세그먼트들에 대해서 내려질 수 있을 것이다. 예를 들면 상기 체크는, 혼잡 확률 표시들과는 반대로, 상기 집합 내 대부분의 세그먼트들 또는 심지어는 모든 세그먼트들이 혼잡하다는 것을 표시한다. 이는 높은 혼잡 확률들을 가진 장소들은 보통의 경우보다 훨씬 더 잘 혼잡할 것 같으며 그리고 이는 혼잡 상태들이 존재하는가의 여부를 예측하는데 있어서 설명되어야만 한다는 것을 표시하는 것으로 결국은 해석될 수 있을 것이다.

몇몇의 대안의 실시예들에서, 편차 경향은 어떤 구간에 대해 혼잡 확률들을 사용하는 것을 부분적으로 또는 완전하게 무시하는 것으로 이끌 수 있을 것이다. 예를 들면, 상기 라이브 데이터는 특정 구간에 대해서 혼잡 상태들이 존재하는가의 여부를 예측하는데 있어서 사용하기에 상기 혼잡 확률들은 완전히 부적당하다는 것을 나타낸다.

몇몇의 실시예들에서, 세그먼트들의 집합은, 미리 정해진 지도 영역 내에 들어간 세그먼트들, 미리 정해진 반경 내에 들어간 세그먼트들, 미리 정해진 운행 방향들을 가지는 영역 내의 세그먼트들 및 알려진 병목들로서 선택된 세그먼트들, 그리고 트래픽 핫스폿 (hotspot) 또는 유사한 것을 포함하는 것으로서 선택된 세그먼트들을 포함한다. 예를 들면, 상기 세트는 도시 밖과 같은 영역으로부터의 주요 경로들로 생각될 수 있을 것을 형성하는 세그먼트들을 포함한다. 그런 세트는 예를 들면 은행 공휴일 구간의 시작에서 사용될 수 있을 것이며, 이 경우 도시 밖의 주요 경로들 상의 혼잡들은 더 있을 것 같다.

몇몇의 실시예들에서, 세그먼트들의 집합을 선택하는 것은 계층적으로 조직된다. 이는 라이브 데이터 커버리지에 의존하는 그리드 강화 절차를 통해서 달성될 수 있을 것이다. 예를 들면, 더 많은 라이브 데이터가 이용 가능한 세그먼트들은 상기 집합 내 병합을 위해서 우선순위가 정해진다.

본 발명의 다른 모습에 따라, 전자 지도에 의해서 커버되는 영역 내 세그먼트들의 집합 상에서 예측된 혼잡 상태들로부터의 편차 경향을 나타내는 지도 데이터를 생성하는 방법이 제공되며, 각 세그먼트는:

그 세그먼트 상에서의 혼잡의 가능성을 나타내는 혼잡 확률; 그리고

그 세그먼트 상에서 혼잡 상태가 현재 존재하는가의 여부에 관련된 라이브 데이터와 연관되며,

상기 방법은:

적어도 몇몇의 세그먼트, 그리고 일반적으로는 각 세그먼트에 대한 라이브 데이터의, 그 세그먼트에 대한 각 혼잡 확률 또는 이력적인 운행 시간들과의 일관성을 검사하는 단계;

그 일관성에서 편차 경향을 수립하는 단계; 그리고

편차 경향의 표시를 출력하는 단계를 포함한다.

본 발명의 다른 모습에 따라서, 전자 지도에 의해서 커버되는 영역 내 세그먼트들의 집합 상에서 예측된 혼잡 상태들로부터의 편차 경향을 나타내는 지도 데이터를 생성하도록 구성된 시스템이 제공되며,

각 세그먼트는:

그 세그먼트 상에서의 혼잡의 가능성을 나타내는 혼잡 확률; 그리고

그 세그먼트 상에서 혼잡 상태가 현재 존재하는가의 여부에 관련된 라이브 데이터와 연관되며,

상기 시스템은 프로세서를 포함하며, 그 프로세서는:

적어도 몇몇의 세그먼트, 그리고 일반적으로는 각 세그먼트에 대한 라이브 데이터의, 그 세그먼트에 대한 각 혼잡 확률 또는 이력적인 운행 시간들과의 일관성을 검사하고;

그 일관성에서 편차 경향을 수립하며; 그리고

편차 경향의 표시를 출력하도록 구성된다.

알 수 있을 것처럼, 상기 시스템 그리고/또는 프로세서는 서버 또는 내비게이션 기기의 적어도 일부일 수 있다.

본 발명에 따른 상기 방법들 중 어느 것은 소프트웨어, 예를 들면, 컴퓨터 프로그램들을 이용하여 적어도 부분적으로 구현될 수 있을 것이다. 본 발명은 그래서 본 발명의 모습들 또는 실시예들 중 임의의 것에 따른 방법을 수행하기 위해서 실행 가능한 컴퓨터 독출가능 명령어들을 포함하는 컴퓨터 프로그램으로 또한 확장된다.

본 발명은 데이터 프로세싱 수단을 포함한 시스템 또는 장치를 동작시키기 위해서 사용될 때에 상기 데이터 프로세싱 수단과 결합하여 상기 장치나 시스템으로 하여금 본 발명의 방법들의 단계들을 수행하도록 하는 그런 소프트웨어를 포함하는 컴퓨터 소프트웨어 캐리어로 대응하여 확장된다. 그런 컴퓨터 소프트웨어 캐리어는 ROM 칩, CD ROM 또는 디스크와 같은 비 일시적인 물리적 저장 매체일 수 있으며, 또는 와이어들을 통한 전자 신호, 광학적 신호 또는 위성으로의 라디오 신호 등과 같은 신호들일 수 있다.

명시적으로 선언되지 않은 경우에도, 본 발명의 모습의 어떤 모습 내에서의 본 발명은 본 발명의 다른 모습들 또는 실시예들에 관하여 설명된 어떤 또는 모든 특징들을 그것들이 상호 배타적이지 않은 범위까지 포함할 수 있을 것이라는 것이 인정될 것이다. 특히, 동작들의 다양한 실시예들이 설명되어 상기 방법에서 그리고 상기 장치에 의해서 수행될 수 있을 것이지만, 이런 동작들 중의 어떤 하나 또는 그 이상 또는 모두는 상기 방법 내에서 그리고 상기 장치에 의해서, 요망되는 것과 같이 그리고 적합하게 어떤 조합으로라도 수행될 수 있을 것이라는 것이 인정될 것이다.

이 실시예들의 유리함들은 이후에서 제시되며, 그리고 이 실시예들의 추가의 상세한 내용 및 특징들은 동반된 종속의 청구항들 그리고 이어지는 상세한 설명의 어디에선가 정의된다.

본 발명의 효과는 본 명세서의 해당되는 부분들에 개별적으로 명시되어 있다.

본 발명의 실시예는 첨부된 도면들을 참조하여 예시로서만 이제 설명될 것이다.
도 1은 내비게이선 기기에 의해서 사용될 수 있는 GPS (Global Positioning System)의 예시적인 일부의 개략적인 도면이다.
도 2는 내비게이션 기기와 서버 사이의 통신을 위한 통신 시스템의 개략적인 도면이다.
도 3은 도 2의 내비게이션 기기 또는 어떤 다른 적합한 내비게이션 기기의 전자 컴포넌트들의 개략적인 도면이다.
도 4는 내비게이션 기기를 설치하고 그리고/또는 도킹하는 배치의 개략적인 도면이다.
도 5는 도 3의 내비게이션 기기에 의해 채택된 구조적인 스택의 개략적인 표현이다.
도 6은 '아침', '낮' 그리고 '저녁'의 상이한 시간 구간들에 대한 세그먼트 히스토그램을 가로지르는 운행의 평균 속도이다.
도 7a는 가능한 혼잡 속도들을 확인하는 세그먼트 히스토그램을 가로지르는 운행의 평균 속도이다.
도 7b는 가능한 혼잡 속도들을 확인하는 세그먼트 히스토그램을 가로지르는 운행의 평균 속도이다.
도 7c는 가능한 혼잡 속도들을 확인하는 세그먼트 히스토그램을 가로지르는 운행의 평균 속도이다.
도 7d는 가능한 혼잡 속도들을 확인하는 세그먼트 히스토그램을 가로지르는 운행의 평균 속도이다.
도 8은 본 발명의 방법의 실시예를 도시한 흐름도이다.
도 9는 경로 생성을 위한 구조를 도시하는 개략적인 모습이다.
도 10은 혼잡 확률 사용 컷 오프 (cut off) 볼륨들을 구비한 라이브 데이터 대 시간 곡선이다.
도 11은 시간에 대한 혼잡 확률 편차 그리고 속도 편차의 곡선으로, 지역 체크의 하나의 가능한 부분을 도시한다.
도 12는 시간에 대한 혼잡 확률 편차 그리고 속도 편차의 곡선으로, 지역 체크의 하나의 가능한 부분을 도시한다.

이제 본 발명의 바람직한 실시예들이 특히 휴대용 내비게이션 기기 (Portable Navigation Device (PND))를 참조하여 설명될 것이다. 그러나, 본 발명의 교시 내용은 PND들에 제한되는 것은 아니고 대신에 경로 계획 및 내비게이션 기능을 제공하게끔 휴대할 수 있는 방식으로 내비게이션 소프트웨어를 실행하도록 구성된 어떤 유형의 프로세싱 기기에도 일반적으로 적용 가능하다는 것을 기억하여야 할 것이다. 그러므로 본 출원의 환경에서, 내비게이션 기기는 그 기기가 경로 계획 및 내비게이션 소프트웨어를 실행하는 PND, 승용차와 같은 차량, 또는 실제로 휴대용 계산 자원, 예를 들면, 휴대용 개인용 컴퓨터 (PC), 모바일 전화기 또는 PDA (portable digital assistant)로서 구체화되는가의 여부에 관계없이 임의 유형의 경로 계획 및 내비게이션 기기를 (제한하지 않고) 포함하도록 의도된 것이라는 것이 뒤따른다.

또한, 본 발명의 실시예는 도로 세그먼트들을 참조하여 설명된다. 본 발명은 통로, 강, 수로, 사이클 통로, 예인 (tow) 통로, 기차 라인, 또는 유사한 것의 세그먼트들과 같은 다른 운행 가능한 세그먼트들에도 또한 적용 가능할 것이라는 것을 깨달아야만 한다. 참조를 쉽게 하기 위해서 이것들은 도로 세그먼트로서 공통적으로 언급된다.

또한, 본 발명의 교시 내용은, 심지어 사용자가 하나의 지점에서 다른 지점으로 어떻게 내비게이션하는 가에 관한 방법에 관한 지시를 얻으려고 하지 않고 단지 주어진 위치의 뷰 (view)를 제공받기만을 희망하는 상황에서도 유용함을 가짐이 이하에서 또한 명백할 것이다. 이러한 상황에서 사용자에 의해 선택된 "목적지" 위치는 사용자가 내비게이션을 시작하기를 희망하는 대응하는 시작 위치를 가질 필요가 없고, 그 결과 여기에서 "목적지" 위치 또는 사실상 "목적지" 뷰에 대한 참조들이 경로의 생성이 본질적임을, "목적지"로의 운행이 일어나야 함을, 또는 사실상 목적지의 존재가 대응하는 시작 위치의 지정 (designation)을 요구함을 의미하는 것으로 해석되어서는 안 된다.

상기의 조건들을 염두에 두며, 도 1의 글로벌 위치결정 시스템 (GPS) 그리고 유사한 것이 다양한 목적들을 위해서 사용된다. 일반적으로, GPS는 연속적인 위치, 속도, 시간, 그리고 어떤 경우들에서는 무제한수의 사용자들을 위한 방향 정보를 결정할 수 있는 위성-라디오 (satellite-radio) 기반 내비게이션 시스템이다. 전에 NAVSTAR로 알려진, GPS는 극히 정확한 궤도들로 지구 주위를 도는 복수의 위성들을 통합한다. 이 정확한 궤도들을 기반으로 하여, GPS 위성들은 자신의 위치를 GPS 데이터로서 임의 개수의 수신 유닛들에 중계할 수 있다. 그러나, 글로벌 위치결정 시스템들은 GLOSNASS, 유럽의 갈릴레오 (Galileo) 위치결정 시스템, COMPASS 위치결정 시스템 또는 IRNSS (Indian Regional Navigational Satellite System)처럼 사용되리 수 있을 것이다.

GPS 시스템은, GPS 데이터를 수신하도록 특별히 구비된 기기가 GPS 위성 신호들 용의 라디오 주파수들을 스캐닝하기 시작할 때 실행된다. GPS 위성으로부터 무선 신호를 수신하면, 그 기기는 복수의 상이한 종래 방법들 중 하나의 방법을 통해 그 위성의 정확한 위치를 판별한다. 그 기기는, 대부분의 경우들에서, 적어도 세 개의 상이한 위성 신호들을 획득하는 때까지 신호들에 대하여 스캐닝을 계속할 것이다 (다른 삼각측량 기술들을 사용할 때 단지 2개의 신호들만으로는 보통은 위치가 결정될 수 없음을 유념한다). 기하학적 삼각측량 수행 시, 수신기는 이 세 개의 알려진 위치들을 활용하여 그 위성들에 대한 자기 자신의 2차원적 위치를 결정한다. 이는 공지된 방식으로 행해질 수 있다. 추가로, 네 번째 위성 신호를 획득하는 것은 알려진 방식으로 동일한 기하학적 계산에 의해서 수신 기기가 자신의 3차원 위치를 계산할 수 있게 허용한다. 위치 및 속도 데이터는 무제한수의 사용자들에 의해 연속적인 기반으로 실시간으로 업데이트될 수 있다.

도 1에 도시된 바와 같이, GPS 시스템 (100)은 지구 (104) 주위에서 궤도를 선회하는 복수의 위성들 (102)을 포함한다. GPS 수신기 (106)는 GPS 데이터를 복수의 위성들 (102)로부터의 확산 스펙트럼 GPS 위성 데이터 신호들 (108)로 수신한다. 상기 확산 스펙트럼 데이터 신호들 (108)은 각 위성 (102)으로부터 연속하여 전송되며, 전송된 확산 스펙트럼 데이터 신호들 (108) 각각은 데이터 스트림이 시작한 특정 위성을 식별하는 정보를 포함한 데이터 스트림을 구비한다. GPS 수신기 (106)는 2차원적인 위치를 계산하는 것이 가능하기 위해서 적어도 3개의 위성들 (102)로부터의 스프레드 스펙트럼 데이터 신호들을 필요로 하는 것이 보통이다. 네 번째 스프레드 스펙트럼 데이터 신호를 수신하는 것은 상기 GPS 수신기 (106)가 알려진 기술을 이용하여 3차원적인 위치를 계산하는 것을 가능하게 한다.

도 2로 돌아가서, 내비게이션 기기 (200) (즉, PND)는 GPS 수신기 기기 (106)를 포함하거나 또는 연결되며, 필요하다면, 디지털 연결, 예를 들면, 알려진 블루투스 기술을 통한 디지털 연결을 수립하기 위해서 모바일 기기 (도시되지 않음), 예를 들면, 모바일 전화기, PDA 그리고/또는 모바일 전화 기술을 구비한 임의 기기를 경유하여 "모바일" 또는 원거리 통신 네트워크의 네트워크 하드웨어와의 데이터 세션을 수립할 수 있다. 그 후에, 자신의 네트워크 서비스 공급자를 통해서, 상기 모바일 기기는 (예를 들면 인터넷을 통해서) 서버 (150)와 네트워크 연결을 설립할 수 있다. 그처럼, "모바일" 네트워크 연결은 상기 내비게이션 기기 (200) (이것이 단독으로 그리고/또는 차량 내에서 운행할 때에 모바일일 수 있으며, 종종 모바일이다)와 상기 서버 (150) 사이에서 수립될 수 있으며, 정보를 위한 "실-시간" 또는 적어도 매우 "최신의" 게이트웨이를 제공한다.

예를 들면, 인터넷을 이용하여 (서비스 공급자를 경유하여) 모바일 기기와 그리고 상기 서버 (150)와 같은 다른 기기와 네트워크 연결을 설립하는 것은 알려진 방식으로 실행될 수 있다. 이 점에서, 임의 개수의 적절한 데이터 통신 프로토콜들, 예를 들면, TCP/IP 레이어 프로토콜이 채택될 수 있다. 또한, 상기 모바일 기기는 CDMA2000, GSM, IEEE 802.11 a/b/c/g/n 등과 같은 임의 개수의 통신 표준들을 활용할 수 있다.

그래서, 인터넷 연결이 활용될 수 있을 것이라는 것이 예견될 수 있으며, 이는 데이터 연결을 경유하여, 예를 들며 상기 내비게이션 기기 (200) 내 모바일 전화기 또는 모바일 전화기 기술을 경유하여 달성될 수 있다.

비록 도시되지는 않았지만, 상기 내비게이션 기기 (200)는 내비게이션 기기 (200) 그 자체 내에 자신 고유의 모바일 전화 기술을 물론 포함할 수 있을 것이다 (예를 들어 안테나를 포함하거나 또는 옵션으로는 내비게이션 기기 (200)의 내부 안테나를 사용함). 내비게이션 기기 (200) 내의 모바일 전화 기술은 상기에서 상술된 것과 같은 내부 컴포넌트들을 포함할 수 있고, 그리고/또는 예를 들어 필요한 모바일 전화 기술 및/또는 안테나를 완비한 삽입가능 카드 (예: 가입자 식별 모듈 (Subscriber Identity Module; SIM) 또는 SIM 카드)를 포함할 수 있다. 이와 같이, 내비게이션 기기 (200) 내의 모바일 전화 기술은, 임의의 모바일 기기의 방식과 유사한 방식으로, 예를 들어 인터넷을 통해, 내비게이션 기기 (200) 및 서버 (150) 사이의 네트워크 연결을 유사하게 설립할 수 있다.

전화 세팅들에 있어서, 블루투스 가능 내비게이션 기기는 모바일 전화기 모델들, 제조자들 등의 범위가 늘 변화하는 것에 맞추어 정확히 작동하기 위해서 사용될 수 있고, 모델/제조자 특정적 (specific) 세팅들은 예를 들어 내비게이션 기기 (200) 상에 저장될 수도 있다. 이 정보 용으로 저장된 데이터는 업데이트될 수 있다.

도 2에서, 내비게이션 기기 (200)는 다수의 상이한 구성들 중 어느 구성에 의해서도 구현될 수 있는 일반적인 통신 채널 (152)을 통해 서버 (150)와 통신하고 있는 것으로 도시된다. 통신 채널 (152)은 상기 내비게이션 기기 (200)와 상기 서버 (150)를 연결시키는 전파 매체 또는 통로를 일반적으로 나타낸다. 상기 서버 (150) 그리고 상기 내비게이션 기기 (200)는 상기 통신 채널 (152)을 경유한 연결이 서버 (150)와 내비게이션 기기 (200) 사이에 설립될 때에 통신할 수 있다 (이러한 연결은 모바일 기기를 통한 데이터 연결, 인터넷 등을 통한 개인용 컴퓨터를 통한 직접 연결일 수 있음을 유념한다).

상기 통신 채널 (152)은 특정 통신 기술로 제한되지 않는다. 추가적으로, 상기 통신 채널 (152)은 단일의 통신 기술로 제한되지 않는다; 즉, 상기 채널 (152)은 다양한 기술을 사용하는 여러 통신 링크들을 포함할 수 있을 것이다. 예를 들면, 상기 통신 채널 (152)은 전기적인, 광의, 그리고/또는 전자기 통신 등을 위한 통로를 제공하도록 적응될 수 있다. 그처럼, 상기 통신 채널 (152)은 다음의 것들 중의 하나 또는 조합을 포함하지만, 그것들로 한정되는 않는다: 전기 회로들, 와이어들 및 동축 케이블들과 같은 전기적 전도체들, 광섬유 케이블들, 컨버터들, 라디오-주파수 (RF) 파형들, 대기, 자유 공간 등. 또한, 상기 통신 채널 (152)은, 예를 들면, 라우터들, 리피터들, 버퍼들, 전송기들 그리고 수신기들과 같은 중간 기기들을 포함할 수 있다.

하나의 예시적인 구성에서, 상기 통신 채널 (152)은 전화 네트워크 그리고 컴퓨터 네트워크를 포함한다. 또한, 상기 통신 채널 (152)은 무선 통신, 예를 들면, 적외선 통신, 마이크로파 주파수 통신 등과 같은 라디오 주파수 통신을 조절할 수 있을 것이다. 추가적으로, 상기 통신 채널 (152)은 위성 통신을 조절할 수 있다.

상기 통신 채널 (152)을 통해서 전송된 통신 신호들은 주어진 통신 기술을 위해서 필요로 하거나 요망될 수 있을 신호들을 포함하지만, 그것들로 한정되지는 않는다. 예를 들면, 상기 신호들은 시분할 다중 액세스 (Time Division Multiple Access (TDMA)), 주파수 분할 다중 액세스 (Frequency Division Multiple Access (FDMA)), 코드 분할 다중 액세스 (Code Division Multiple Access (CDMA)), GSM (Global System for Mobile Communications), GPRS (General Packet Radio Service) 등과 같은 셀룰러 통신 기술에서 사용되도록 적응될 수 있을 것이다. 디지털 신호 그리고 아날로그 신호 둘 모두가 상기 통신 채널 (152)을 통해서 전송될 수 있다. 이 신호들은 통신 기술을 위해서 요망될 수 있을 방식으로 변조되고, 암호화되고 그리고/또는 압축된 신호들일 수 있다.

상기 서버 (150)는 도시되지 않은 다른 컴포넌트들에 추가로 메모리 (156)에 작동적으로 연결되고 그리고 유선의 또는 무선의 연결 (158)을 경유하여 대용량 데이터 저장 기기 (160)에 또한 작동적으로 연결된 프로세서 (154)를 포함한다. 상기 대용량 저장 기기 (160)는 내비게이션 데이터 그리고 지도 정보의 저장부를 포함하며, 그리고 상기 서버 (150)와는 다시 분리된 기기일 수 있으며 또는 상기 서버 (150) 내로 통합될 수 있다. 상기 프로세서 (154)는 통신 채널 (152)을 경유하여 내비게이션 기기 (200)로 그리고 내비게이션 기기로부터 정보를 전송하고 수신하기 위해서 전송기 (162) 및 수신기 (164)에 또한 작동적으로 연결된다. 송신되고 수신되는 신호들은 데이터, 통신 그리고/또는 다른 전파된 신호들을 포함할 수 있을 것이다. 상기 전송기 (162) 그리고 수신기 (164)는 상기 내비게이션 시스템 (200)을 위한 통신 설계에서 사용된 통신 기술 및 통신 요구 사항에 따라서 선택되거나 설계될 수 있을 것이다. 또한, 상기 전송기 (162)와 수신기 (164)의 기능들은 단일의 트랜시버로 결합될 수 있을 것이라는 것에 유의해야만 한다.

상기에서 언급된 것처럼, 상기 내비게이션 기기 (200)는 통신 채널 (152)을 통해서 상기 서버 (150)와 배치될 수 있으며, 전송기 (166) 및 수신기 (168)를 이용하여 통신 채널 (152)을 통해서 신호들 그리고/또는 데이터를 송신하고 수신하며, 이 기기들은 서버 (150)가 아닌 기기들과 통신하기 위해서 사용될 수 있음에 유의한다. 또한, 상기 전송기 (166) 및 수신기 (168)는 상기 내비게이션 기기 (200)를 위한 통신 설계에서 사용된 통신 기술 및 통신 요구 사항에 따라서 선택되거나 설계되며 그리고 상기 전송기 (166)와 수신기 (168)의 기능들은 도 2에 관련하여 상기 설명된 것처럼 단일의 트랜시버로 결합될 수 있을 것이다. 물론, 상기 내비게이션 기기 (200)는 다른 하드웨어 및/또는 기능적인 부분들을 포함하며, 이는 여기에서 나중에 더욱 상세하게 설명될 것이다.

서버 메모리 (156)에 저장된 소프트웨어는 프로세서 (154)를 위한 명령어들을 제공하며 그리고 상기 서버 (150)가 상기 내비게이션 기기 (200)에게 서비스들을 제공하는 것을 허용한다. 상기 서버 (150)에 의해서 제공된 한 가지 서비스는 내비게이션 기기 (200)로부터의 요청들을 프로세싱하고 그리고 내비게이션 데이터를 상기 대용량 데이터 저장부 (160)로부터 상기 내비게이션 기기 (200)로 전송하는 것을 포함한다. 상기 서버 (150)에 의해서 제공될 수 있는 다른 서비스는 요망된 애플리케이션을 위한 다양한 알고리즘들을 이용하여 상기 내비게이션 데이터를 프로세싱하고 그리고 이 계산들의 결과들을 상기 내이게이션 기기 (200)에게 송신하는 것을 포함한다.

상기 서버 (150)는 무선 채널을 통해 내비게이션 기기 (200)에 의해 액세스 가능한 데이터의 원격 소스를 구성한다. 상기 서버 (150)는 로컬 영역 네트워크 (local area network; LAN), 광역 네트워크 (wide area network; WAN), 가상 사설 네트워크 (virtual private network; VPN) 등에 위치한 네트워크 서버를 포함할 수도 있다.

상기 서버 (150)는 데스크탑 또는 랩탑 컴퓨터와 같은 개인용 컴퓨터를 포함할 수도 있고, 상기 통신 채널 (152)은 개인용 컴퓨터와 내비게이션 기기 (200) 사이에 연결된 케이블일 수 있다. 대안으로, 개인용 컴퓨터가 내비게이션 기기 (200)와 서버 (302) 사이에 연결되어 서버 (150) 및 내비게이션 기기 (200) 사이의 인터넷 연결을 설립하도록 할 수 있을 것이다.

내비게이션 기기 (200)는, 주기적으로 또는 사용자가 서버 (150)에 내비게이션 기기 (200)를 연결할 시에 자동적으로 업데이트될 수도 있고 그리고/또는 예를 들어 더 지속적인 또는 빈번한 연결이 무선 모바일 연결 기기 및 TCP/IP 연결을 통해 서버 (150)와 내비게이션 기기 (200) 사이에서 이루어질 시에 더욱 동적일 수도 있을 정보 다운로드들을 통해 서버 (150)로부터 정보를 제공받을 수 있을 것이다. 다수의 동적 계산들을 위해, 서버 (150) 내의 프로세서 (154)가 처리 요구들의 대부분을 핸들링하도록 사용될 수도 있지만, 그러나, 내비게이션 기기 (200)의 프로세서 (도 2에는 도시되지 않음)도 또한, 종종 서버 (150)로의 접속과 무관하게, 많은 처리와 계산을 핸들링할 수 있다.

도 3을 참조하면, 내비게이션 기기 (200)의 블록 도면은 그 내비게이션 기기의 모든 컴포넌트들을 포함하는 것이 아니라, 단지 다수의 예시적 콤포넌트들을 나타낼 뿐임을 유념하여야 한다. 상기 내비게이션 기기 (200)는 하우징 (housing) (도시되지 않음) 내에 위치한다. 상기 내비게이션 기기 (200)는, 예를 들면, 상기에서 언급된 프로세서 (202)를 포함하는 프로세싱 회로를 포함하며, 상기 프로세서 (202)는 입력 기기 (204) 그리고 디스플레이 기기, 예를 들면, 디스플레이 스크린 (206)에 연결된다. 비록 여기에서는 상기 입력 기기 (204)를 단독으로 참조하지만, 당업자는 상기 입력 기기 (204)가 키보드 기기, 음성 입력 기기, 터치 패널 그리고/또는 정보를 입력하기 위해서 활용된 어떤 다른 알려진 입력 기기를 포함하는 임의 개수의 입력 기기들을 나타내는 것을 알고 있어야만 한다. 마찬가지로, 상기 디스플레이 스크린 (206)은, 예를 들면, 액정 디스플레이 (LCD)와 같은 임의 유형의 디스플레이 스크린을 포함할 수 있다.

하나의 구성에서, 상기 입력 기기 (204)의 한 가지 모습, 상기 터치 패널 그리고 디스플레이 스크린 (206)은 통합되어 통합된 입력 및 디스플레이 기기를 제공하며, 이는 상기 터치 패널 스크린을 통한 정보 입력 (직접 입력, 메뉴 선택 등을 경유한다) 그리고 정보 디스플레이 둘 모두를 가능하게 하기 위한 터치패드 또는 터치 스크린 입력 (250, 도 4)을 포함하며, 그래서 복수의 디스플레이 선택 중 하나를 선택하기 위해서 또는 복수의 가상의 또는 "소프트" 버튼들 중 하나를 구송시키기 위해서 사용자는 디스플레이 스크린 (206)의 일부만을 터치할 필요가 있도록 한다. 이런 점에서, 상기 프로세서 (202)는 터치스크린과 결합하여 동작하는 그래픽 사용자 인터페이스 (GUI)를 지원한다.

상기 내비게이션 기기 (200)에서, 상기 프로세서 (202)는 참조번호 210의 연결을 경유하여 입력 기기 (204)에 동작 가능하게 연결되며 그리고 입력 정보를 수신할 수 있으며, 그리고 디스플레이 스크린 (206) 및 출력 기기 (208) 중 적어도 하나에 각각의 출력 연결들 (212)을 경유하여 동작 가능하게 연결되어 그것으로 정보를 출력한다. 상기 내비게이션 기기 (200)는 출력 기기 (208), 예를 들면, 가청 출력 기기 (예를 들면, 라우드스피커 (loudspeaker))를 포함할 수 있을 것이다. 출력 기기 (208)가 내비게이션 기기 (200)의 사용자를 위해 청각적 정보를 산출할 수 있는 것처럼, 입력 기기 (240)는 마찬가지로 입력 음성 명령들을 수신하기 위한 소프트웨어 및 마이크로폰을 포함할 수 있다는 것을 똑같이 이해하여야만 한다. 또한, 상기 내비게이션 기기 (200)는 어떤 추가적인 입력 기기 (204) 그리고/또는 어떤 추가적인 출력 기기, 예를 들면 오디오 입력/출력 기기들을 또한 포함할 수 있다.

상기 프로세서 (202)는 연결부 (216)를 통해 메모리 (214)에 동작 가능하게 연결되며, 그리고 연결부 (220)를 통해 입력/출력 (I/O) 포트들 (218)로부터/로 정보를 수신/송신하도록 더 적응되는데, 여기에서 I/O 포트 (218)는 내비게이션 기기 (200) 외부의 I/O 기기 (222)에 연결 가능하다. 외부 I/O 기기 (222)는 예를 들어 이어폰과 같은 외부 청취 기기를 포함할 수도 있지만 그것으로 한정되지는 않는다. I/O 기기 (222)로의 연결은 핸즈프리 동작을 위해 그리고/또는 예를 들면 음성 기동 동작을 위해 카 스테레오 유닛과 같은 임의의 다른 외부 기기에 유선 또는 무선으로 연결되는 것일 수 있고, 예를 들어 이어폰이나 헤드폰으로의 연결 및/또는 예를 들어 모바일 전화기로의 연결을 위한 것일 수 있으며, 여기에서 모바일 전화기 연결은 예를 들어 내비게이션 기기 (200) 및 인터넷이나 임의의 다른 네트워크 사이의 데이터 연결을 설립하고 그리고/또는 예를 들어 인터넷이나 어떤 다른 네트워크를 통한 서버로의 접속을 설립하기 위해서 사용될 수 있다.

메모리 (214)는 (예를 들면, 프로그램 코드를 저장하기 위한) 비-휘발성 메모리 부분 그리고 (예를 들면, 프로그램 코드가 실행될 때에 데이터를 저장하기 위한) 휘발성 메모리 부분을 포함한다. 상기 내비게이션 기기는 탈부착 가능한 메모리 카드 (공통적으로 카드로 언급됨)가 상기 기기 (200)에 추가될 것을 허용하기 위해서 포트 (228)를 또한 포함하며, 이 포트는 참조번호 230의 연결부를 통해서 상기 프로세서 (202)와 통신한다. 설명될 실시예에서, 상기 포트는 SD (Secure Digital) 카드가 추가되는 것을 허용하도록 구성된다. 다른 실시예들에서, 상기 포트는 (컴팩트 플래시 (Compact Flash (CF)) 카드들, 메모리 스틱들 (Memory Sticks), xD 메모리 카드들, USB (Universal Serial Bus) 플래시 드라이브들, MMC (MultiMedia) 카드들, 스마트미디어 (SmartMedia) 카드들, 마이크로드라이브들 (Microdrives) 등과 같은) 다른 포맷의 메모리들이 연결되는 것을 허용할 수 있을 것이다.

도 3은 연결부 (226)를 통한 프로세서 (202) 및 안테나/수신기 (224) 간의 작동적 연결을 또한 예시하는데, 여기에서 상기 안테나/수신기 (224)는 예를 들어 GPS 안테나/수신기일 수 있으며 그리고 그처럼 도 1의 GPS 수신기 (106)처럼 동작할 것이다. 참조 번호 224에 의해 표시된 안테나 및 수신기는 예시를 위해 도식적으로 결합되어 있지만, 그 안테나 및 수신기는 따로따로 위치한 컴포넌트들일 수도 있고, 그리고 그 안테나는 예를 들어 GPS 패치 안테나 또는 나선형 안테나일 수 있다는 것이 이해되어야만 한다.

도 3에 도시된 전자 컴포넌트들이 종래의 방식으로 하나 또는 그 이상의 전력 소스들 (도시되지 않음)에 의해 전력 공급된다는 것을 관련 기술 분야에서의 당업자는 이해할 것이다. 그런 전력 소스들은 내부 배터리 그리고/또는 낮은 전압 DC 공급원 또는 어떤 다른 적합한 구성을 포함할 수 있을 것이다. 관련 기술분야의 당업자가 이해할 바와 같이, 도 3에 도시된 컴포넌트들의 상이한 구성들이 생각될 수 있다. 예를 들면, 도 3에 도시된 컴포넌트들은 유선 및/또는 무선 연결 등을 통해 서로와 통신할 수 있다. 따라서, 여기에서 설명된 상기 내비게이션 기기 (200)는 휴대용 또는 핸드헬드 내비게이션 기기 (200)일 수 있다.

추가로, 도 3의 휴대용 또는 핸드헬드 내비게이션 기기 (200)는 알려진 방식으로 예를 들어 자전거, 모터바이크 (motorbike), 자동차 또는 배와 같은 차량에 연결되거나 "도킹 (docking)"될 수 있다. 그러면 이러한 내비게이션 기기 (200)는 휴대용 또는 핸드헬드 내비게이션 용도를 위해 그 도킹된 위치로부터 착탈 가능하다. 실제로, 다른 실시예들에서, 상기 기기 (200)는 사용자의 내비게이션을 허용하기 위해서 핸드헬드이도록 구성될 수 있을 것이다.

도 4를 참조하면, 상기 내비게이션 기기 (200)는 통합된 입력 및 디스플레이 기기 (206) 그리고 도 2의 다른 컴포넌트들 (내부 GPS 수신기 (224), 프로세서 (202), 파워 서플라이 (도시되지 않음), 메모리 시스템들 (214) 등을 포함하지만, 그것들로 제한되지는 않는다)을 포함하는 유닛일 수 있다.

상기 내비게이션 기기 (200)는 암 (arm, 252)에 얹혀 있을 수도 있고, 그 암 자체는 흡착컵 (254)을 사용하여 차량 대시보드, 창유리 등에 고정될 수 있다. 이 암 (252)은 내비게이션 기기 (200)가 도킹될 수 있는 도킹 스테이션 (docking station)의 일례이다. 상기 내비게이션 기기 (200)는 예를 들어 암 (252)에 내비게이션 기기 (200)를 스냅 방식으로 연결함으로써 도킹 스테이션의 암 (252)에 도킹되거나 또는 그와 다르게 연결될 수 있다. 그러면 상기 내비게이션 기기 (200)는 상기 암 (252) 상에서 회전 가능할 수 있을 것이다. 상기 내비게이션 기기 (200) 및 도킹 스테이션 사이의 연결을 해제하기 위하여, 예를 들면, 내비게이션 기기 (200) 상의 버튼을 누를 수 있을 것이다. 도킹 스테이션에 내비게이션 기기 (200)를 연결하거나 연결해제하기 위한 다른 동등하게 적합한 구성들이 관련 기술 분야에서의 당업자에게 잘 알려져 있다.

도 5로 돌아가면, 상기 프로세서 (202) 그리고 메모리 (214)는 상기 내비게이션 기기 (200)의 기능적인 하드웨어 컴포넌트들 (280)과 상기 기기에 의해서 실행되는 소프트웨어 사이에서의 인터페이스로서 기능하는 BIOS (Basic Input/Output System) (282)를 지원하도록 협응한다. 상기 프로세서 (202)는 그러면 상기 메모리 (214)로부터 운영 시스템 (284)를 로딩하며, 이는 (상기 설명된 경로 계획 그리고 내비게이션 기능 중 몇몇 또는 전부를 구현한) 애플리케이션 소프트웨어 (286)가 실행될 수 있는 환경을 제공한다. 상기 애플리케이션 소프트웨어 (286)는 내비게이션 기기의 코어 기능들, 예를 들면, 지도 보기, 경로 계획, 내비게이션 기능들 그리고 그것들과 연관된 어떤 다른 기능들을 지원하는 그래픽 사용자 인터페이스 (Graphical User Interface (GUI))를 포함하는 동작 환경을 제공한다. 이런 면에서, 상기 애플리케이션 소프트웨어 (286)의 일부는 뷰 생성 모듈 (288)을 포함한다.

설명되고 있는 실시예에서, 상기 내비게이션 기기의 프로세서 (202)는 안테나 (224)에 의해 수신된 GPS 데이터를 수신하도록 프로그램되고 그리고 상기 내비게이션 기기의 위치의 기록을 구축하기 위해서 가끔은 그 GPS 데이터를 그 GPS 데이터가 수신되었던 때의 타임 스탬프와 함께 메모리 (214) 내에 저장하도록 프로그램된다. 그렇게 저장된 각 데이터 기록은 GPS 픽스 (fix)로서 생각될 수 있을 것이다: 즉, 그것은 내비게이션 기기 위치의 픽스이며 그리고 위도, 경도, 타임 스탬프 그리고 정확도 보고를 포함한다.

일 실시예에서, 상기 데이터는 예를 들면 매 5초의 주기를 기반으로 실질적으로 저장된다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 다른 주기들도 가능할 수 있으며 그리고 데이터 해상도와 메모리 용량 사이에는 균형이 존재한다는 것을 알 것이다: 즉, 더 많은 샘플들을 취해서 데이터의 해상도가 증가됨에 따라, 그 데이터를 보유하기 위해서 더 많은 메모리가 필요하다. 그러나, 다른 실시예들에서, 그 해상도는 실질적으로 매 1초, 10초, 15초, 20초, 30초, 45초, 1분, 2.5분일 수 있다 (또는 실제로, 이 주기들 사이에 있는 어떤 주기일 수 있다). 그래서, 상기 기기의 메모리 내에서, 포인트들에서 상기 기기 (200)가 어디에 있는가의 기록이 시간에 늦지 않게 구축된다.

몇몇의 실시예들에서, 캡쳐된 데이터의 품질은 상기 주기가 증가할수록 감소되며 그리고 하락의 정도가 상기 내비게이션 기기 (200)가 움직이고 있던 속도에 적어도 부분적으로 종속적일 때에 대략 15초의 주기는 적합한 상단 한계를 제공할 수 있을 것이다.

상기 내비게이션 기기 (200)가 자신이 있는 곳의 기록을 구축하도록 보통은 구성되지만, 몇몇의 실시예들은 여행의 시작 또는 끝 부분에서 미리 정해진 주기 그리고/또는 거리에 대해서는 데이터를 기록하지 않는다. 그런 구성은 상기 내비게이션 기기 (200)의 사용자의 프라이버시를 보호하는 것을 도우며, 이는 그 사용자의 집 그리고 종종 방문하는 다른 목적지들의 위치를 보호할 수 있을 것이기 때문이다. 예를 들면, 상기 내비게이션 기기 (200)는 여행의 대략 처음 5분 동안에는 그리고/또는 여행의 대략 첫 번째 마일에 대해서는 데이터를 저장하지 않도록 구성될 수 있을 것이다.

다른 실시예들에서, GPS 데이터는 주기적인 기반으로는 저장되지 않지만 미리 정해진 이벤트가 발생할 때에는 메모리 내로 저장될 수 있을 것이다. 예를 들면, 상기 프로세서 (202)는 상기 기기가 도로 교차로를 지나갈 때에, 도로 세그먼트 변경, 또는 다른 그런 이벤트 때에 GPS 데이터를 저장하도록 프로그램될 수 있을 것이다.

또한, 상기 프로세서 (202)는 상기 기기 (200)가 있는 곳의 기록 (즉, GPS 데이터 그리고 타임 스탬프)을 때때로 서버 (150)로 업로드하도록 구성된다. 상기 내비게이션 기기 (200)가 자신을 상기 서버 (150)로 연결시키는 영구적인 또는 적어도 일반적으로 존재하는 통신 채널 (152)을 가지는 몇몇의 실시예들에서, 데이터를 업로드하는 것은 주기적인 기반으로 발생하며, 이는 예를 들면 매 24시간마다 한번일 수 있다. 당업자는 다른 주기들이 가능하며 그리고 다음의 주기들 중 실질적으로 임의의 것일 수 있다는 것을 알 것이다: 15분, 30분, 매 시간마다, 2시간마다, 5시간마다, 매 12시간마다, 2일마다, 주마다 (weekly) 또는 이것들 사이에 있는 어떤 시간마다. 비록 전송들 사이에 상대적으로 짧은 주기로 때때로 데이터가 실제로 전송된다는 것을 불가피하게 의미할 수 있을 것이며 그리고 그런 것이 의사 (pseudo) 실시간인 것으로 더욱 올바르게 생각될 수 있을 수 있지만, 실제로, 그런 실시예들에서 상기 프로세서 (202)는 어느 곳에 있는가에 관한 기록을 실시간 기반으로 업로드하도록 구성될 수 있을 것이다. 그런 의사 실시간 실시예들에서, 상기 내비게이션 기기는 상기 GPS 픽스들을 메모리 (214) 내에 그리고/또는 포트 (228)에 삽입된 카드 상에서 버퍼링하고 그리고 미리 정해진 개수가 저장될 때에 그것들을 전송하도록 구성될 수 있을 것이다. 이 미리 정해진 개수는 20, 36, 100, 200의 순서 상의 또는 그 사이의 임의 숫자일 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 상기 미리 정해진 개수는 상기 메모리 (214)/포트 (228) 내 카드의 크기에 의해 부분적으로 결정된다는 것을 알 것이다.

일반적으로 존재하는 통신 채널 (152)을 구비하지 못한 다른 실시예들에서, 상기 프로세서 (202)는 통신 채널 (152)이 생성될 때에 상기 기록을 서버 (152)로 업로드하도록 구성될 수 있을 것이다. 이는, 예를 들면, 상기 내비게이션 기기 (200)가 사용자의 컴퓨터에 연결될 때일 것이다. 또 다시, 그런 실시예들에서, 상기 내비게이션 기기는 상기 메모리 (214) 내 또는 포트 (228)에 삽입된 카드 상의 상기 GPS 픽스들을 버퍼링하도록 구성될 수 있을 것이다. 상기 메모리 (214) 또는 포트 (228)에 삽입된 카드가 GPS 픽스들로 가득 차게 되면, 상기 내비게이션 기기는 가장 오래된 GPS 픽스들을 제거하도록 구성될 수 있을 거이며 그리고 그처럼 그것은 선입선출 (First in First Out (FIFO)) 버퍼로서 생각될 수 있을 것이다.

설명되고 있는 실시예들에서, 어느 곳에 있는가의 상기 기록은 하나 또는 그 이상의 자취들을 포함하며, 각 자취는 24시간 주기 내에서 내비게이션 기기 (200)의 움직임을 나타낸다. 각각의 24시간은 달력 날짜와 일치하도록 구성되지만, 다른 실시예들에서는 그럴 필요가 없다.

일반적으로, 내비게이션 기기 (200)의 사용자는 서버 (150)로 업로드될 기기들이 어디에 있는가에 대한 기록들을 위한 자신들의 동의를 부여한다. 어떤 동의도 주어지지 않으면, 어떤 기록도 서버 (150)로 업로드되지 않는다. 상기 내비게이션 기기 그 자체, 그리고/또는 상기 내비게이션 기기와 연결된 컴퓨터는 어디에 있는가의 기록을 그렇게 사용하는 것에 대한 사용자의 동의를 사용자에게 요청하도록 구성될 수 있을 것이다.

상기 서버 (150)는 상기 기기가 어디에 있는가에 대한 상기 기록을 수신하도록 구성되며 그리고 프로세싱을 위해서 이것을 상기 대용량 데이터 저장부 (160)에 저장하도록 구성된다. 그래서, 시간이 지남에 따라 상기 대용량 데이터 저장부 (160)는 데이터를 업로드한 내비게이션 기기들 (200)의 어디에 있는가에 관한 복수의 기록들을 축적한다.

상기에서 설명된 것처럼, 상기 대용량 데이터 저장부 (160)는 또한 지도 데이터를 포함한다. 그런 지도 데이터는 도로 세그먼트들의 위치에 관한 정보, 관심 대상 포인트들 그리고 일반적으로 지도 상에서 발견되는 그런 다른 정보를 제공한다.

이제 도 6을 참조하면, 이 도면은 참조번호 300에서 아침 (302), 낮 (304) 그리고 저녁 (306)이라는 세 개의 특별한 주기들에 대해서 세그먼트를 가로지르는 운행의 평균 속도들의 히스토그램을 보여준다. 세크먼트를 가로지르는 운행의 평균 속도들은, 상기 세그먼트를 가로지르는 이력적인 운행 시간들과 같은 미가공 (raw) 데이터로부터 계산될 수 있을 것이며, 이력적인 운행 데이터의 예들이다. 상기 히스토그램 (300)은 기록된 데이터가 라이브 데이터가 아니라는 점에서 이력적인 데이터를 나타내는 것으로 간주될 수 있을 것이다. 상기 데이터는 그러므로 실질적으로 현재 시각에서 발생하는 미가공 데이터 수집의 직접적인 결과이며, 예를 들면 지난 15분 내에 도로 세그먼트 상에서의 실제의 이벤트들을 기록한다. 상기 데이터는 그러나 트래픽 레벨들 및 행동에서 발생하는 패턴들의 관점에서 보면 현재의 시각에 그 세그먼트에서 무엇이 발생하고 있을 것인가를 예측하기 위해서 사용될 수는 없을 것이다.

상기 히스토그램 (300)을 완성하기 위한 데이터 (상기 세그먼트를 가로지르는 운행의 이력적인 평균 속도들)는 상기 서버 (150)에 의해서 기록된, 상기에서 설명된 유형의 자취들을 이용하여 계산되었다. 상기 내비게이션 기기 (200)의 위치가 자취에 따라서 알려지면, 그러면 그것이 상기 세그먼트에 진입하고 그리고 떠난 사이에 흐른 시간이 기록될 수 있을 것이다. 알 수 있을 것처럼, 상기 세그먼트를 가로지르는 운행의 평균 속도는 그러면 상기 세그먼트 거리가 알려졌다고 가정하여 계산될 수 있다.

상기 히스토그램 (300)은 아침 구간 (302) 그리고 낮 구간(304)에 상대적으로 조금 느리게 움직이는 트래픽이 있으며, 반면에 저녁 구간 (306)에는 실질적으로 더 상대적으로 느리게 움직이는 트래픽이 있다고 시사한다. 상기 히스토그램 (300)은 세 구간들 (302, 304, 306) 모두에서 상대적으로 빠르게 움직이는 트래픽의 실질적인 양이 있다고 또한 시사한다.

60km/h에 있는 것으로 선택된 혼잡 문턱 (threshold) 속도 (308)가 히스토그램 (300) 상에서 보인다. 상기 혼잡 문턱 속도는 혼잡 상태의 한 예이다. 혼잡 문턱 속도는 상기 세그먼트를 가로지르는 운행의 평균 속도이며, 그 밑에서의 운행은 혼잡한 것으로 간주된다. 이 실시예에서 상기 혼잡 문턱 속도는 어떤 평균 속도가 특정 세그먼트에 걸쳐서 혼잡한 것으로 간주되어야만 하는가에 관한 주관적인 생각을 기초로 하여 간단하게 선택되었다. 다른 실시예에서는 그러나 상기 혼잡 문턱 속도는 대안의 기준 (예를 들면, 다른 차량들의 영향이 무시할 수 있을 때에, 즉, 자유-흐름 (free-flow) 속도일 때에, 이른 아침의 구간 동안에 상기 세그먼트를 가로지르는 운행의 평균 속도의 백분율)에 따라서 선택될 수 있을 것이다. 다른 말로 하면, 상기 혼잡 문턱 속도는 세그먼트에 대한 자유-흐름 (free-flow) 속도의 선택된 백분율일 수 있으며, 그 자유-흐름 속도는 선택된 낮은 트래픽 구간 동안에 기록된 상기 세그먼트를 가로지르는 운행의 평균 속도이다. 알 수 있을 것처럼, 일단 혼잡 문턱 속도가 정의되면, 이 속도 아래의 상기 세그먼트를 가로지르는 운행의 모든 평균 속도들은 혼잡한 것으로 간주된다.

10km/s의 혼잡 속도 (310)가 상기 히스토그램 (300) 상에서 또한 보인다. 알 수 있는 것처럼 상기 혼잡 속도 (310)는 독립적이며, 즉, 동일한 혼잡 속도 (310)가 모든 세 구간들 (302, 304, 306)에 제공된다. 이 실시예에서, 상기 혼잡 속도 (310)는 상기 혼잡 문턱 속도 (308) 아래의 히트 (hit)들의 모드인 것으로 선택된다. 그것은 그러므로 혼잡이 있을 때에 상기 세그먼트를 가로지르는 운행의 가장 적당한 평균 속도의 표시이다. 다른 실시예들에서, 상기 혼잡 속도 (310)는 상이하게 정의될 수 있을 것이며 그리고 이는 나중에 설명된다.

상기 히스토그램 (300)을 참조하면, 시간 종속적인 혼잡 확률들을 계산하는 방법이 설명된다. 알 수 있을 것처럼, 상기 히스토그램 (300)은 각 구간 (302, 304, 306)에 대해 혼잡 문턱값 속도 (308) 위의 그리고 밑의 히트들의 전체 개수를 보여준다. 이 전체들을 고려하면 각 구간에 대해 혼잡 대 비-혼잡 운행의 비율을 알 수 있다. 이는 결국은 각 시간 구간에 대한 혼잡 확률을 계산하는 것을 허용한다. 이것에서 계산된 혼잡 확률은 생성된 세그먼트 데이터의 예일 수 있다. 예로서, 혼잡 히트들 대 비-혼잡 히트들의 비율이 특정 구간에 대해서 30:70이면, 그 구간에 대한 혼잡 확률은 30%이다. 이와 같은 계산은 함수로서 표현될 수 있을 것이다. 이 혼잡 확률은 그러면 관련된 세그먼트에 세그먼트 데이트로서 연관될 수 있을 것이며, 특정 구간 (예를 들면, 아침)에서의 운행에 대한 혼잡 확률을 제시한다. 혼잡 속도는 혼잡의 가능성만이 아니라 혼잡의 이벤트에서 상기 세그먼트를 가로지르는 운행의 적당한 평균 속도를 또한 제시하기 위해서 혼잡 확률과 결합하여 사용될 수 있을 것이다. 이 예에서, 혼잡 확률은 전적으로 이력적인 데이터를 기반으로 한다. 다음에 설명되는 것처럼, 혼잡 확률들은 라이브 데이터를 기반으로 하여 조정될 수 있다.

이제 도 7a 내지 도 7d를 참조하면, 혼잡 속도를 정의하기 위한 대안의 기준이 도시된다. 도 7a는 참조번호 312의 히스토그램을 보여주며, 도 7b는 참조번호 314의 히스토그램을 보여주며, 도 7c는 참조번호 316의 히스토그램을 보여주며 그리고 도 7d는 참조번호 318의 히스토그램을 보여준다. 이 히스토그램들 (312, 314, 316, 318) 각각은 단일 구간에 대해서 세그먼트를 가로지르는 운행의 이력적인 평균 속도를 보여준다. 도 6의 히스토그램 (300)서처럼, 그것들 모두는 이력적인 데이터를 이용한다.

참조번호 312 및 314의 히스토그램들 둘 모두에서 명백한 낮은 속도 모드 (320)가 존재한다. 혼잡 문턱 속도가 상기 낮은 속도 모드 (320) 위에 있는 것으로 선택된다고 가정하면, 상기 낮은 속도 모드 (320)는 혼잡 속도로서 선택되기에 특히 적합할 수 있을 것이다. 비교를 위해서 다섯 번째 백분위수 (322)가 양 히스토그램들 (312, 314)에 또한 도시된다.

양 히스토그램들 (316, 318)에서, 낮은 속도 모드가 존재하지 않거나 또는 그것은 훨씬 덜 명백하다. 이 경우에 특히 상기 다섯 번째 백분위수 (322)와 같은 백분위수 (percentile)가 혼잡 속도로서 사용될 수 있을 것이다.

다른 실시예들에서 혼잡 속도를 선택하기 위한 추가의 옵션들이 여전히 존재한다. 상기 혼잡 속도는 예를 들면 상기 혼잡 문턱 속도 아래에 있는 상기 세그먼트를 가로지르는 운행의 모든 평균 속도들의 평균일 수 있다.

이제 도 8을 도 2와 조합하여 참조하며, 본 발명의 실시예를 예시한 흐름도가 도시된다.

예측 단계 (400)에서, 전자 지도에 의해서 커버된 영역에서의 세그먼트 상에서 혼잡 상태가 존재하는가의 여부에 대한 예측이 이루어진다. 예측의 속성은 문제의 세그먼트에 대해서 이용 가능한 세그먼트 데이터에 달려 있다. 이 실시예에서 상기 세그먼트 데이터는 그 세그먼트에 관련된 시간 종속적인 혼잡 확률 (402) 그리고 라이브 데이터 (404)를 포함한다.

상기 시간 종속적 혼잡 확률 (402)은 여러 다른 시간 종속적 혼잡 확률들로부터 현재 시간 (예를 들면, 월요일 아침 오전 8:30과 오전 8:45 사이)에 대응하는 것으로서 선택되었다. 각 시간 종속적 혼잡 확률은 관련된 시간에 문제의 세그먼트에 대한 이력적인 운행 시간들 (406)을 이용하여 계산되었다.

상기 라이브 데이터 (404)는 현재의 시간에 상기 세그먼트 상에서의 트래픽 상태들에 관련된 정보로, 예를 들면, 예를 들면, GPS 프로브들로부터 상기 세그먼트를 통한 라이브 운행 시간들 또는 그 세그먼트 상에서의 트래픽 상태들에 관해 보고하는 언론 데이터이다.

상기 세그먼트 데이터는 상기 서버 (150)의 프로세서 (154)에 의해서 실행된 최적화기 (407)에 의해서 프로세싱된다. 이 실시예에서 상기 최적화기는 상기 시간 종속적 혼잡 확률이 미리-정의된 값인 70%를 초과하면 혼잡 상태의 예측을 이행하지 않는다. 상기 최적화기 (407)는 그러나 가중된 체제에 따라 상기 라이브 데이터를 또한 고려한다. 많은 양의 일관된 라이브 데이터 (404)가 존재하기 때문에, 이것은 심하게 가중되며, 반면 상기 라이브 데이터가 일관되지 않는 경우, 신뢰할 수 없고 그리고/또는 작은 양인 경우에는 그것은 약간만 가중된다. 상기 최적화기 (407)는 그러므로 상기 라이브 데이터 (404)의 중요성 그리고/또는 신뢰성을 평가하고 (evaluate) 그리고 예측과의 일관성을 검사하며, 그렇지 않다면 이는 상기 시간 종속적 혼란 확률 (402)만을 기반으로 하여 만들어졌을 것이다. 상기 라이브 데이터 (404)를 평가하고, 상기 최적화기 (407)는 혼잡 상태가 존재하는가의 여부에 관한 예측을 뒤엎을 필요가 있는가의 여부를 판별하며, 그렇지 않았다면 그것은 자신의 최종 예측에 따라 상기 세그먼트를 가로지르는 운행의 예상된 평균 속도를 만들고 출력했을 것이다.

상기 최적화기 (407)로부터의 출력은 출력 단계 (408)에서 발생한다. 혼잡 상태가 존재한다는 예측이 있는 경우, 상기 세그먼트를 가로지르는 운행의 예측된 평균 속도 출력은 혼잡 속도 (410)이다. 그 혼잡 속도 (410)는 혼잡한 것으로 간주된, 즉, 혼잡 문턱 속도 밑인 이력적인 운행 시간들 (460)에 따라 계산된다. 혼잡 상태가 존재하지 않는다는 예측이 있는 경우, 상기 세그먼트를 가로지르는 운행의 예측된 평균 속도 출력은 디폴트 속도이며, 이 경우에는 문제의 시간 구간 동안 (예를 들면, 월요일 아침 오전 8:30 및 오전 8:45 사이)에 상기 세그먼트를 가로지르는 운행의 모든 이용 가능한 이력적인 평균 속도들의 평균이다.

이 실시예에서, 상기 출력은 전송기 (162)를 경유하여 통신 채널 (152)을 통해서 내비게이션 기기 (200)로 전달된다. 상기 내비게이션 기기 상에서 가능한 경로들이 (시작 및 목적지와 같은) 요청된 경로 파라미터들을 기반으로 그리고 상기 내비게이션 기기 (200) 상에 저장된 지도 데이터를 이용하여 탐색 단계 (412)에서 조사된다. (비록 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 많은 다른 요소들이 또한 고려될 수 있을 것이라는 것을 알 것이지만) 이 조사의 목적은 가장 빠른 또는 가장 연료 효율적인 경로를 찾는 것일 수 있다. 출력이 생성된 세그먼트들이 그 경로를 위해서 고려되는 경우에, 상기 세그먼트를 가로지르는 운행의 예상된 평균 속도가 사용되며, 그것이 혼잡 속도 또는 디폴트 속도이다. 최종적으로 운행 가능한 경로는 생성 단계 (414)에서 생성된다.

알 수 있을 것처럼, 도 8의 흐름도는 오프라인일 때에 상기 내비게이션 기기 (200)에 의해서 배타적으로 수행될 수 있을 것이다. 예를 들면 상기 내비게이션 기기 (200)가 이동할 때에 그 내비게이션 기기에 의해서 정보 (예를 들면, 라이브 데이터)가 수집되고/캡쳐되며 그리고 다른 세그먼트 데이터가 그 내비게이션 기기 상에 저장된다.

상기에서 설명된 실시예에서, 상기 시간 종속적 혼잡 확률 그 자체는 라이브 데이터 내에서의 인수화에 의해서는 조정되지 않는다. 대신에 라이브 데이터는 최종 체크를 수행하기 위해서 단순하게 사용된다. 대안의 실시예에서, 그러나, 라이브 데이터는 상기 라이브 데이터를 상기 이력적인 운행 시간들과 통합함으로써 상기 시간 종속적 혼잡 확률을 조정하기 위해서 상기 최적화기에 의해서 추가적으로 또는 대안으로 사용될 수 있을 것이다. 또한 혼잡 상태가 예측되는가의 여부에 관하여 영향을 주기 위해서 상기 라이브 데이터가 사용될 수 있을 많은 다른 가능한 방식들이, 예를 들면, 요청된 혼잡 확률 백분율을 변경하거나 또는 더욱 적절하다면 심지어는 전체적으로 상이한 혼잡 확률로 바꾸는 방식들이 존재한다

비록 상기에서 설명된 실시예에서, 세그먼트를 가로지르는 운행의 예상된 평균 속도가 출력되지만, 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 많은 추가적인 또는 대안의 출력들, 예를 들면 혼잡 경고 발행 또는 현상을 유지하거나 또는 조절하기 위한 명령이 가능하다는 것을 쉽게 알 것이다. 이런 것들과 같은 출력들은 상기 내비게이션 기기 (200)가 상기 세그먼트를 가로지르는 운행의 적절한 예상된 평균 속도를 선택할 것을 필요로 하는 모든 것일 수 있다. 실제로, 비록 상기 방법 단계들 중의 몇몇이 상기 서버 (150)에서 그리고 몇몇은 상기 내비게이션 기기 (200)에서 발생하는 것으로서 설명되었지만, 상기 단계들 중 어느 것은 중앙 집중식으로 또는 로컬에서 수행될 수 있을 것이라는 것에 또한 유의해야만 한다.

이제 도 9를 탐조하면, 경로 생성을 위한 구조가 도시되어, 잠재적인 데이터 입력들을 도시하고, 프로세싱하고 그리고 사용하기 위해서 기기들로 출력한다. 상기 구조는 몇몇의 입력들을 포함한다: 라이브 GSM (Global System for Mobile Communication) 프로브 데이터 (500), 라이브 GPS (Global Positioning System) 프로브 데이터 (502), 라이브 트래픽 메시지 채널 (Traffic Message Channel (TMC)) 혼잡 메시지 (504), 라이브 루프 탐지 데이터 (506), 라이브 언론 (journalistic) 데이터 (508) 그리고 이력적인 혼잡 확률 및 혼잡 속도 데이터 (510).

프로세싱 단계에서, 상기 입력들 (500, 502, 504, 506, 508 그리고 510)은 최적화기, 이 경우에는 데이터 융합 엔진 (512)에 의해서 프로세싱된다. 라이브 GSM 프로브 데이터 (500), 라이브 GPS 프로브 데이터 (502), 라이브 TMC 혼잡 메시지 (504), 라이브 루프 탐지 데이터 (506) 그리고 라이브 언론 데이터 (508)는 세그먼트 상에서 현재 발생한 실시간 혼잡들 (514)의 표시를 주기 위해서 그리고 실시간 운행 속도들 (516)의 근사치를 주기 위해서 사용된다. 상기 이력적인 혼잡 확률 및 혼잡 속도 데이터 (510)는 이력 데이터를 기반으로 혼잡 속도 (518) 그리고 혼잡 상태 예측 (520)을 준다. 상기 데이터 융합 엔진 (512)은 세그먼트 상에 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 그리고 그렇다면 혼잡 속도를 제공하기 위해서 라이브 소스 및 이력적인 소스로부터 오는 데이터를 프로세싱한다. 그 후 이 데이터는 출력된다.

상기 구조는 상기 출력이 송신되는 여러 기기들을 포함한다: 매립형 (in-dash) 내비게이션 기기 (522), 개인용 내비게이션 기기 (524), 웹 기반의 경로 계획자 (planner) (526), 라디오 DJ 포탈 (528), 기업-정부간 (business to government (B2G)) 호스트 디지털 단말 (host digital terminal (HDT)) 또는 계층적인 데이터 포맷 (hierarchical data format (HDF)) (530) 또는 OEM (original equipment manufacture) 호스트 디지털 단말 (HDT) 또는 계층적 데이터 포맷 (HDF) (532). 상기 출력을 상기 기기에 수신할 때에, 그 기기는 예를 들면 그 출력을 경로 계획에서 사용될 수 있을 것이며, 또는 네트워크의 전부 또는 일부에 관한 상태 보고를 디스플레이하기 위해서 사용될 수 있을 것이다.

이제 도 10을 참조하면, 구간에 걸쳐서 이용 가능한 라이브 데이터 (600)의 용량 (volume)에서의 변이성 (variability)을 표시하는 곡선 (plot)이 도시된다. 상기 곡선은 라이브 데이터 (600) 사용을 위한 도시의 하단 컷-오프 (cut-off) 문턱 (602)을 그리고 라이브 데이터 사용을 위한 시골의 하단 컷-오프 문턱 (604)을 또한 보여준다.

몇몇의 실시예들에서, 혼잡 확률을 조정하기 위해서 또는 혼잡 상태 예측을 해야만 하는지의 여부를 체크하기 위해서 라이브 데이터를 이용하는 것이 유리하다. 그러나 낮은 용량의 라이브 데이터가 존재하는 경우에, 그 라이브 데이터를 이용하는 것은 비 생산적일 수 있으며, 이는 트래픽 테이터가 확률론적인 (stochastic) 성분을 가지는 경향이 있기 때문이다. 결과저으로 몇몇의 실시예들에서, 라이브 데이터 용량에 대한 하단 컷-오프 문턱은 사용되지 않는 아래로 세팅될 수 있을 것이다. 도 10은 이 하단 문턱은 변할 수 있을 것이라는 것을 예시한다. 이 실시예에서, 상기 하단 문턱은 표면에 의해서 커버된 도로의 속성 (도시 또는 시골 둘 중의 어느 하나)에 의존하여 바뀐다. 예를 들어, 시골 세그먼트들로부터의 라이브 데이터가 도시 세그먼트들로부터의 라이브 데이터보다 더욱 확률론적인 것으로 알려지면 그런 변화는 정당화될 수 있을 것이다.

도 10의 실시예들에서, 라이브 데이터는 그 라이브 데이터가 도시의 하단 컷-오프 문턱 (602) 위에 있으면 도시 세그먼트들 상에서만 사용되며 그리고 시골의 하단 컷-오프 문턱 (604) 위에 있으면 시골 세그먼트들 상에서만 사용된다.

이제 도 11 및 도 12를 참조하면, 세그먼트들의 집합들에 대한 지역적인 체크들 (regional checks) 그리고 편차 경향들 (deviation trends)이 설명된다.

세그먼트들의 집합에 대한 라이브 데이터가, 혼잡 상태들이 존재하는가의 여부를 혼잡 확률들을 기반으로 하여 계산하고 그리고/또는 예측하기 위해서 사용된 상기 세그먼트들 각각의 혼잡 확률들 그리고/또는 이력적인 운행 시간들과의 일관성을 위해서, 체크되는 경우에 지역적인 체크가 수행될 수 있을 것이다. 각 세그먼트에 관한 체크의 결과들은 그러면 편차 경향들에 대해서 연결되고 그리고 평가될 수 있다. 트래픽 용량 그리고/또는 흐름은 지역적인 형상일 수 있기 때문에 (즉, 하나의 특정 세그먼트 상에서의 트래픽 상황은 주변의 세그먼트들 상에서의 트래픽 상황에 의해서 상당히 영향을 받을 수 있다) 이는 특히 유용할 수 있을 것이다. 지역적 적응은 그러므로 미리 정해진 지도 영역들, 미리 정해진 반경들, 영역으로의 또는 영역으로부터 나오는 알맞은 경로들, 미리 정해진 운행 방향들, 알려진 병목들 그리고/또는 트래픽 핫스팟들에 관련하여 특히 유용할 수 있을 것이다.

상기 체크가 편차 경향을 표시하며, 그 편차 경향으로부터 예상될 수 있는 것은 운행의 이력적인 평균 속도들을 기반으로 하여 혼잡 확률들로부터 만들어질 혼잡 예측들이었던 경우에, 혼잡 예측들을 변경하기 위해서 완화시키는 단계들이 취해질 수 있을 것이다. 이 단계들은 상기 집합 내 세그먼트들에 대해서 발생할 수 있을 것이지만, 상기 집합 내 세그먼트들 중 하나 또는 그 이상의 세그먼트들에 의해서 영향을 받을 것 같은 다른 세그먼트들에 대해서도 또한 발생할 수 있을 것이다.

잠재적인 단계들은 다음을 포함한다: 1) 혼잡 상태가 예측되기 위해서 필요한 혼잡 확률을 조절; 2) 혼잡 확률 계산에서 라이브 데이터 또는 추가적인 라이브 데이터 사용; 3) 라이브 데이터에 호의를 보이기 위해 그리고 추가로 호의를 보이기 위해서 가중된 또는 확률적인 (probabilistic) 평균을 조절; 4) 혼잡 상태 예측을 무시하기 위해 또는 혼잡 상태 예측을 하기 위해서 불일관성을 이용 (이 경우는 그렇지 않다면 혼잡 상태 예측이 만들어지지 않을 수 있는 경우임); 그리고 5) 하나 또는 그 이상의 상이한 혼잡 확률들을 상기 라이브 데이터와 더욱 일관되게 사용하기 위한 스위치 개시. 그런 단계들은 관계된 세그먼트들에 대한 지도 데이터로서 표현될 수 있을 것이다.

몇몇의 대안의 실시예들에서, 편차 경향은 구간에 대해 혼잡 확률들을 사용하는 것을 부분적으로 또는 완전하게 무시하는 것으로 이끌 수 있을 것이다. 예를 들면, 상기 라이브 데이터는 상기 혼잡 확률들이 혼잡 상태들이 특정 구간에 대해서 존재하는가의 여부를 예측하는데 있어서 사용되기에 완전히 부적당하다는 것을 표시한다.

알 수 있을 것처럼, 지역적인 체크를 수행하여, 상기 세트에 포함된 다른 세그먼트들로부터 단정을 내려서 라이브 데이터가 거의 없거나 또는 전혀 없는 경우에 세그먼트들을 위해서 혼잡 확률들에 정확한 조절들을 허용할 수 있을 것이다. 또한 상기 지역적 체크는 네트워크의 커다란 부분들에서의 상태들에 대한 향상된 이해를 제공하여, 오해의 가능성을 줄이도록 할 수 있을 것이다.

몇몇의 실시예들에서, 편차 경향은 상기 세트 내 혼잡한 세그먼트들의 백분율을 라이브 데이터에 따라서 계산함으로써 (예를 들면, 상기 세그먼트를 가로지르는 운행의 각 평균 속도를 상기 혼잡 문턱 속도와 비교하고 그리고 상기 혼잡 문턱 속도 위와 아래의 비율을 비교함으로써) 액세스될 수 있을 것이다. 이것은 그러면 상기 세트 내 세그먼트들에 대한 모든 혼잡 확률들에 걸친 평균과 비교되어, 혼잡 확률 편차를 줄 수 있다. 이 혼잡 확률 편차는 그러면 어떤 구간 (예를 들면, 30분) 동안 평탄화될 수 있을 것이다.

알 수 있을 것처럼 혼잡 확률 편차의 계산은 상기 집합 내 세그먼트들 상에서의 트래픽 상태들 그리고 그 세트 외부의 결국은 잠재적인 세그먼트들 상에서의 상태들 사이를 미묘하게 구별하도록 한다.

도 11은 하루 중의 시각에 대한 상대적인 편차의 그래프를 보여준다. 세그먼트들의 세트에 대한 혼잡 확률 편차 (700)가 그리고 동일한 세트에 대한 속도 편차 (702)가 상기 그래프 상에서 곡선으로 그려진다. 상기 속도 편차는 상기 집합 내 모든 세그먼트들에 대해서 자유 흐름 속도로부터의 평균 편차를 보여준다. 세그먼트들의 상기 집합은 특정 도시 내 알려진 여러 트래픽 병목들로 구성된다.

도 11의 예에서 알 수 있은 것처럼, 라이브 데이터가 고려될 때에 혼잡 확률에 있어서 대략 45%까지의 감소가 있기 때문에, 트래픽 상황은 일상적이지 않다; 참조번호 700의 라인에 대한 상대적인 편차가 대략 0.55로 떨어지는 것을 볼 수 있다. 이는 상기 세트 내 트래픽 병목들에 대해서 혼잡이 있는 기회가 축소된다는 것을 표시한다; 즉, 자유롭게 흐르는 트래픽이 존재할 것이라는 것이 더욱 유망하다는 것을 표시한다. 이것은 트래픽 양에 있어서 일상적이지 않은 하락에 의해서 초래될 수 있을 것이다. 예상될 수 있을 것처럼 그러므로 실질적으로 어떤 속도 편차도 존재하지 않는다; 즉, 참조번호 702 라인에 대한 상대적인 편차는 실질적으로 값 1인 채로 남아 있는 것이다. 이 속성의 편차 경향을 주는 지역적 체크는, 심지어는 이 다른 세그먼트들에 대해 라이브 데이터가 거의 없거나 전혀 없는 경우에도, 상기 도시 내 다른 세그먼트들에 대한 혼잡 확률들의 축소를 촉구할 수 있을 것이다. 그것은 이웃하는 영역들에서 세그먼트들을 변경하기 위해서 사용되었던 세그먼트들의 세트로부터의 데이터이다. 이는 비-혼잡 트래픽 병목들이 주변의 네트워크에서 혼잡의 감소된 가능성을 상당히 나타낼 수 있을 것이기 때문이다.

도 12는 도 11과 유사하며, 상이한 트래픽 상황을 주는 다른 지역적 체크를 도시하는 그래프를 구비한다. 여기에서 세그먼트들의 집합에 대한 혼잡 확률 편차 (800)는 낮으며, 혼잡의 가능성이 이력적인 경향들에 따라 예상될 수 있을 것과 실질적으로 같다는 것을 표시한다; 즉, 참조번호 800의 라인은 실질적으로 약 1로 남아있으며, 상기 라이브 데이터가 혼잡 확률을 뒷받침한다는 것을 표시한다. 그럼에도 불구하고, 속도 편차 (802)는 평균 속도에 있어서 상기 세그먼트들을 가로질러 떨어지는 것을 예시한다; 참조번호 802의 라인은 상대적인 편차 1 아래로 축소된다. 그래서, 상기 그래프는 혼잡 확률 그리고 평균 속도는 서로를 따라갈 필요가 없다는 것을 보여준다. 도 12에 의해서 예시된 트래픽 상황은 예를 들면 눈의 온 결과일 수 있으며, 이는 증가된 혼잡의 가능성이 없다면 트래픽 속도가 보통은 감소되도록 한다. 상기 지역적 체크는 그러므로 평균 속도가 줄어들었음에도 불구하고 혼잡 확률들이 상대적으로 보통이라는 것을 올바르게 확인시킨다.

Claims (22)

1. 전자 지도에 의해서 커버되는 영역 내 하나 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하는 방법으로서,
   각 세그먼트는 상기 지도에 의해서 커버되는 영역 내 운행할 수 있는 세그먼트를 나타내며 그리고:
   그 세그먼트를 가로지르는 운행의 평균 속도;
   적어도 하나의 혼잡 확률을 포함하는 세그먼트 데이터로서, 상기 혼잡 확률은 그 세그먼트 상에서의 혼잡의 가능성을 표시하는, 세그먼트 데이터; 그리고
   혼잡하다고 간주될 때의 세그먼트 상에서의 운행의 속도를 표시하는 혼잡 속도,
   와 연관되며,
   상기 방법은:
   상기 세그먼트들 중 적어도 하나 또는 각각에서 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 상기 세그먼트 데이터를 사용하는 단계; 및
   이 세그먼트들을 가로지르는 운행의 예상된 평균 속도를, 혼잡 상태가 존재하는 것으로 예측될 때에는 제1 속도로서 또는 혼잡 상태가 예측되지 않을 때에는 제2 속도로서 출력하는 단계를 포함하며,
   a) 상기 제1 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이며,
   b) 상기 제2 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도인, 방법.
2. 제1항에 있어서,
   상기 방법은 상기 전자 지도에 의해서 커버되는 영역을 가로지르는 경로 (route)를 결정하기 위해서 사용되며,
   상기 방법은:
   세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 기반으로 하여 경로들을 조사하는 (explore) 단계; 그리고
   운행 가능한 경로를 생성하는 단계를 포함하는, 방법.
3. 제1항 또는 제2항에 있어서,
   상기 혼잡 속도는 세그먼트가 혼잡하다고 간주될 때에 그 세그먼트를 가로지르는 운행의 적어도 몇몇의 평균 속도들, 옵션으로는 실질적으로 모든 평균 속도들의 평균인, 방법.
4. 제1항 내지 제3항 중의 어느 항에 있어서,
   각 세그먼트는 그 세그먼트와 연관된 운행의 복수의 시간 종속적인 평균 속도들을 가지는, 방법.
5. 제1항 내지 제4항 중의 어느 한 항에 있어서,
   각 세그먼트는 그 세그먼트와 연관된 혼잡 문턱 (threshold) 속도를 가지며, 상기 혼잡 문턱 속도는 그 세그먼트를 가로지르는 운행의 평균 속도를 지시하며, 그 밑의 세그먼트는 혼잡한 것으로 간주되는, 방법.
6. 제1항 내지 제5항 중의 어느 한 항에 있어서,
   상기 세그먼트 데이터는 그 세그먼트에 대한 다중의 시간 종속적인 혼잡 확률들을 포함하여, 선택된 시간 간격들에 대해 시간에 따른 혼잡 확률에서의 변이들을 반영하는, 방법.
7. 제1항 내지 제6항 중의 어느 한 항에 있어서,
   혼잡 상태는 그 세그먼트에 대한 혼잡 확률이 미리-정의된 값을 초과할 때에 예측되는, 방법.
8. 제1항 내지 제7항 중의 어느 한 항에 있어서,
   상기 세그먼트 데이터는 하나 이상의 세그먼트들에 대한 라이브 데이터 (live data)를 더 포함하며, 그 라이브 데이터는 그 하나 이상의 세그먼트들에 대한 운행 속도를 표시하는, 방법.
9. 제8항에 있어서,
   세그먼트에 대한 혼잡 확률은 그 세그먼트 및/또는 하나 이상의 다른 세그먼트들에 대한 라이브 데이터를 이용하여 결정되거나 수정되어서, 상기 혼잡 확률이 라이브 데이터에 대해서 조정되도록 하는, 방법.
10. 제8항 또는 제9항에 있어서,
    라이브 데이터는 혼잡 상태가, 관련된 세그먼트 상에 존재하는가의 여부를 올바르게 예측할 가능성을 증가시키기 위한 체크 (check)로서 사용되는, 방법.
11. 제8항 내지 제10항 중의 어느 한 항에 있어서,
    상기 라이브 데이터는 적어도 하나의 세그먼트 또는 각 세그먼트를 통한 하나 이상의 라이브 운행 시간들을 포함하는, 방법.
12. 제8항 내지 제11항 중의 어느 한 항에 있어서,
    하나의 세그먼트 또는 세그먼트들 각각에 대한 라이브 데이터는, 혼잡 상태가 상기 혼잡 확률을 기반으로 하여 존재하는가의 여부에 관한 예측 그리고/또는 계산을 위해서 사용될 때에, 혼잡 확률 및/또는 이력적인 (historic) 운행 시간들과의 일관성을 위해서 체크되는, 방법.
13. 제8항 내지 제11항 중의 어느 한 항에 있어서,
    세그먼트들의 집합에 대한 라이브 데이터는, 혼잡 상태들이 상기 혼잡 확률들을 기반으로 하여 존재하는가의 여부에 관한 예측 그리고/또는 계산을 위해서 사용될 때에, 혼잡 확률 및/또는 이력적인 운행 시간들과의 일관성을 위해서 체크되는, 방법.
14. 제13항에 있어서,
    세그먼트들의 집합은:
    미리 정해진 지도 영역 내에 들어간 세그먼트들;
    미리 정해진 반경 내에 들어간 세그먼트들;
    영역 내로 또는 영역 밖에 있을 것 같은 경로들을 포함하는 세그먼트들;
    미리 정해진 운행 방향들을 구비한 영역 내의 세그먼트들;
    알려진 병목들로서 선택된 세그먼트들; 그리고
    트래픽 핫스폿 (hotspot)을 포함하는 것으로서 선택된 세그먼트들
    중 하나 이상을 포함하는, 방법.
15. 제1항 내지 제14항 중의 어느 한 항에 있어서,
    상기 방법은 오프라인 내비게이션 기기에 의해서 수행되는, 방법.
16. 제15항에 있어서,
    라이브 데이터는 상기 내비게이션 기기에 의해서 수집된 정보를 평가 (evaluation)함으로써 제공되는, 방법.
17. 전자 지도에 의해서 커버되는 영역 내 하나 이상의 세그먼트들을 가로지르는 운행의 예상된 평균 속도들을 생성하도록 구성된, 옵션으로는 서버인, 시스템으로서,
    각 세그먼트는:
    그 세그먼트를 가로지르는 운행의 평균 속도;
    적어도 하나의 혼잡 확률을 포함하는 세그먼트 데이터로서, 상기 혼잡 확률은 그 세그먼트 상에서의 혼잡의 가능성을 표시하는, 세그먼트 데이터; 그리고
    혼잡하다고 간주될 때의 세그먼트 상에서의 운행의 속도를 표시하는 혼잡 속도,
    와 연관되며,
    상기 시스템은 프로세서를 포함하며, 상기 프로세서는:
    상기 세그먼트들 중 적어도 하나의 세그먼트 상에서 혼잡 상태가 존재하는가의 여부를 예측하기 위해서 상기 세그먼트 데이터를 사용하며; 그리고
    이 세그먼트들을 가로지르는 운행의 예상된 평균 속도를, 혼잡 상태가 존재하는 것으로 예측될 때에는 제1 속도로서 또는 혼잡 상태가 예측되지 않을 때에는 제2 속도로서 출력하도록 배치되며,
    a) 상기 제1 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도이며,
    b) 상기 제2 속도는 관련된 세그먼트에 대한 혼잡 속도 또는 그것을 기반으로 하는 속도인, 시스템.
18. 전자 지도에 의해서 커버되는 영역 내 복수의 세그먼트들 중 하나의 세그먼트 상에서 예상된 혼잡 상태들로부터 편차를 나타내는 지도 데이터를 생성하는 방법으로서,
    상기 세그먼트는 그 세그먼트 상의 혼잡의 가능성을 나타내는 혼잡 확률과 연관되며,
    상기 방법은:
    그 세그먼트의 혼잡 확률을 기반으로 하여 그 세그먼트에 대한 예상된 혼잡 상태를 수립하는 단계;
    상기 영역 내 복수의 다른 세그먼트들 중 적어도 하나의 세그먼트 상에서의 혼잡 상태를 나타내는 라이브 데이터를 획득하는 단계; 그리고
    그 획득된 라이브 데이터를 이용하여 상기 세그먼트에 대한 수정된 혼잡 상태를 수립하는 단계를 포함하는, 방법.
19. 전자 지도에 의해서 커버되는 영역 내 복수의 세그먼트들 중 하나의 세그먼트 상에서 예상된 혼잡 상태들로부터 편차를 나타내는 지도 데이터를 생성하도록 구성된, 옵션으로는 서버인, 시스템으로서,
    상기 세그먼트는 그 세그먼트 상의 혼잡의 가능성을 나타내는 혼잡 확률과 연관되며,
    상기 방법은:
    세그먼트의 혼잡 확률을 기반으로 하여 그 세그먼트에 대한 예상된 혼잡 상태를 수립하는 단계;
    상기 영역 내 복수의 다른 세그먼트들 중 적어도 하나의 세그먼트 상에서의 혼잡 상태를 나타내는 라이브 데이터를 획득하는 단계; 그리고
    그 획득된 라이브 데이터를 이용하여 상기 세그먼트에 대한 수정된 혼잡 상태를 수립하는 단계를 포함하는, 시스템.
20. 전자 지도에 의해서 커버되는 영역 내 세그먼트들의 집합 상에서 예측된 혼잡 상태들로부터의 편차 경향을 나타내는 지도 데이터를 생성하는 방법으로서,
    각 세그먼트는:
    그 세그먼트 상에서의 혼잡의 가능성을 나타내는 혼잡 확률; 그리고
    그 세그먼트 상에서 혼잡 상태가 현재 존재하는가의 여부에 관련된 라이브 데이터,
    와 연관되며,
    상기 방법은:
    적어도 몇몇의 세그먼트, 그리고 일반적으로는 각 세그먼트에 대한 라이브 데이터의, 그 세그먼트에 대한 각 혼잡 확률 또는 이력적인 운행 시간들과의 일관성을 검사하는 단계;
    그 일관성에서 편차 경향을 수립하는 단계; 그리고
    편차 경향의 표시를 출력하는 단계를 포함하는, 방법.
21. 전자 지도에 의해서 커버되는 영역 내 세그먼트들의 집합 상에서 예측된 혼잡 상태들로부터의 편차 경향을 나타내는 지도 데이터를 생성하도록 구성된, 옵션으로는 서버인, 시스템으로서,
    각 세그먼트는:
    그 세그먼트 상에서의 혼잡의 가능성을 나타내는 혼잡 확률; 그리고
    그 세그먼트 상에서 혼잡 상태가 현재 존재하는가의 여부에 관련된 라이브 데이터,
    와 연관되며,
    상기 시스템은 프로세서를 포함하며, 그 프로세서는:
    적어도 몇몇의 세그먼트, 그리고 일반적으로는 각 세그먼트에 대한 라이브 데이터의, 그 세그먼트에 대한 각 혼잡 확률 또는 이력적인 운행 시간들과의 일관성을 검사하고;
    그 일관성에서 편차 경향을 수립하며; 그리고
    편차 경향의 표시를 출력하도록 구성된, 시스템.
22. 기계로 읽을 수 있는 매체로서,
    기계에 의해서 읽혀지면 그 기계로 하여금 제1항 내지 제16항, 제18항, 제20항 중 어느 한 항의 방법에 따라서 동작하도록 하는 명령어들을 포함하는, 기계로 읽을 수 있는 매체.

Images