KR102655728B1

KR102655728B1 - 랜드마크 지원 내비게이션

Info

Publication number: KR102655728B1
Application number: KR1020227035126A
Authority: KR
Inventors: 제프리 알버슨; 나탈리 오코넬 윌리엄스; 존 파얍필릴 존; 아만다 비숍; 저스틴 조셉 토르센; 제시 루
Original assignee: 구글 엘엘씨
Priority date: 2017-12-05
Filing date: 2017-12-05
Publication date: 2024-04-09
Also published as: US20220155091A1; US11274935B2; US11920945B2; CN110741227A; JP2022028714A; JP7366104B2; KR102454953B1; EP3622251A1; JP6974505B2; WO2019112564A1; KR20200092868A; KR20220141919A; US20210172758A1; CN110741227B; JP2020530099A

Abstract

데이터베이스 정보를 선택적으로 이용함으로써 랜드마크 지원 내비게이션 안내를 제공하는 컴퓨터 구현 방법은 하나 이상의 모바일 컴퓨팅 장치로부터 내비게이션 요청을 수신하는 단계를 포함하며, 각 요청은 각각의 출발 지점, 목적지 및 주행 모드와 관련된다. 각각의 내비게이션 요청에 대해, 대응하는 디지털 맵에 도시될 대응 경로가 결정된다. 제 1 주행 모드와 관련된 각각의 내비게이션 요청에 대해, 데이터베이스에 저장된 복수의 관심 지점들 중에서 대응하는 관심 지점이 결정된다. 대응하는 관심 지점은 적어도 대응하는 맵의 줌 레벨 및 대응하는 관심 지점이 임의의 랜드마크 카테고리와 관련되는지 여부에 기초하여 결정된다. 제 2 주행 모드와 관련된 각각의 내비게이션 요청에 대해, 대응하는 관심 지점들은 적어도 대응하는 맵의 줌 레벨에 기초하여 결정되지만, 대응하는 관심 지점이 임의의 랜드마크 카테고리와 관련되는지 여부에 관계없이 결정된다.

Description

랜드마크 지원 내비게이션{LANDMARK-ASSISTED NAVIGATION}

본 발명은 컴퓨터 지원 내비게이션에 관한 것으로, 특히, 특정 실제 위치에 대응하는 데이터의 선택적 액세스 및 디스플레이에 관한 것이다.

본 명세서에 제공된 배경 기술 설명은 본 발명의 맥락을 일반적으로 제시하기 위한 것이다. 이 배경 기술 섹션에 기술된 범위 정도의 현재 지명된 발명자(들)의 연구뿐만 아니라 출원 당시에 종래 기술로서 자격이 없을 수 있는 설명의 양상들은 본 발명에 대한 종래 기술로서 명시적으로 또는 암시적으로 인정되지 않는다.

컴퓨팅 장치(예를 들어, 스마트 폰)를 위한 현재 이용 가능한 라우팅 및 내비게이션 툴들은 그래픽 사용자 인터페이스를 통해 사용자에게 경로 관련 정보를 제시할 수 있다. 예를 들어, 내비게이션 요청을 입력하는 사용자에게, 경로를 포함하는 지리적 영역을 도시하고 경로 자체를 강조하는 디지털 맵이 제시될 수 있다. 그러한 맵은 상점, 식당 등과 같은 다수의 "관심 지점"(POIs)을 나타낼 수도 있다. POI는 일반적으로 맵 상에서 POI의 실제 위치에 대응하는 영역 또는 그 근처에 표시된다.

POI와 관련된 데이터(예를 들어, POI의 이름)는 일반적으로 데이터베이스에 저장되며, POI(즉, POI의 적절하게 위치된 마커, 이름 등)가 사용자를 위해 맵에 디스플레이될 때 필요에 따라 액세스될 수 있다. 어떤 정보가 검색 및 표시할지에 대해 POI를 제한하기 위해 (예를 들어, 특정 줌 레벨 아래에서는 특정 POI를 표시하지 않거나, 또는 그 POT에 관한 질의를 입력하는 사용자들의 수에 기초하여 특정 POI를 표시하지 않음, 등) 특정 알고리즘들이 사용될 수 있지만, 그럼에도 불구하고 일부 시나리오에서는 사용자들에게 과도한 POI 정보가 제시될 수 있다. 예를 들어, 상이한 주행 모드에 따라 방향들을 요청하는 사용자들은 경로를 따라 상이한 종류의 POI에 관한 정보에 액세스함으로써 이익을 얻을 수 있다. 주행 모드에 관계없이 모든 사용자에게 동일한 POI를 제시하는 것은 일부 사용자에게 혼란이나 산만함을 야기할 수 있다. 또한 모든 사용자에게 동일한 POI에 대한 데이터를 표시하면 컴퓨팅 자원들을 낭비하게 된다. POI 데이터베이스로부터 원격에 있는 사용자의 경우 통신 자원들이 낭비될 수도 있다.

본 명세서에 설명된 일부 구현들에서, 그래픽 사용자 인터페이스(GUI)는 관심 지점(POI)을 기술하는 데이터베이스 내의 데이터에 대한 효율적이고 직관적이며 선택적인 액세스를 제공한다. 구체적으로, GUI를 통해, 상이한 카테고리의 사용자(즉, 상이한 주행 모드와 관련된 사용자)가 데이터베이스로부터 대응하는 적절한 데이터(예를 들어, "랜드마크" 카테고리의 POI들에 대응하는 데이터)에 액세스할 수 있다. 이런한 방식으로, 관심을 가질 가능성이 적은 POI 관련 데이터를 특정 사용자에게 표시하지 않음으로써 컴퓨팅 및/또는 통신 자원이 절약될 수 있다. 또한, POI 관련 데이터에 의해 그러한 사용자들이 혼란하거나 산만해질 위험이 제거될 수 있다.

하나의 예시적인 실시예에서, 데이터베이스 정보를 선택적으로 이용함으로써 랜드마크-지원 내비게이션 안내를 제공하기 위한 컴퓨터 구현 방법은 하나 이상의 모바일 컴퓨팅 장치로부터 복수의 내비게이션 요청들을 수신하는 단계를 포함한다. 상기 내비게이션 요청들 각각은 개별 출발 지점, 목적지 및 주행 모드와 관련되어 있다. 본 방법은 또한 상기 복수의 내비게이션 요청들 각각의 내비게이션 요청에 대해, (상기 내비게이션 요청에 대응하는 출발 지점, 목적지 및 주행 모드에 기초하여) 복수의 디지털 맵들 중 대응하는 하나의 디지털 맵에 도시될 대응하는 경로를 결정하는 단계를 포함한다.

상기 방법은, 제 1 주행 모드와 관련된 상기 내비게이션 요청들 각각에 대해, (1) 데이터베이스에 저장된 복수의 관심 지점으로부터, 상기 디지털 맵에 도시될 대응하는 관심 지점들을 결정하는 단계와, 상기 대응하는 관심 지점 각각은 데이터베이스에서 하나 이상의 카테고리와 관련되고, 상기 대응하는 관심 지점들을 결정하는 단계는 (i) 상기 대응하는 디지털 맵의 줌 레벨 및 (ii) 상기 대응하는 관심 지점들이 사전 결정된 랜드마크 카테고리 리스트에 포함된 하나 이상의 카테고리와 관련되는지 여부에 적어도 부분적으로 기초하고; 그리고 (2) 상기 대응하는 디지털 맵이 상기 모바일 컴퓨팅 장치들 각각의 그래픽 사용자 인터페이스를 통해 제시되게 하는 단계를 더 포함하고, 상기 대응하는 디지털 맵은 대응하는 경로 및 대응하는 관심 지점들을 도시한다. 상기 방법은 또한 상기 제 1 주행 모드와 다른 제 2 주행 모드와 관련된 각각의 내비게이션 요청에 대해, (1) (상기 데이터베이스에 저장된 복수의 관심 지점으로부터) (1) 상기 대응하는 디지털 맵의 줌 레벨에 적어도 부분적으로 기초하여 및 (ii) 상기 대응하는 관심 지점들이 사전 결정된 랜드마크 카테고리 리스트에 포함된 임의의 카테고리들과 관련되는지 여부에 관계없이, 상기 대응하는 디지털 맵에 도시될 대응하는 관심 지점들을 결정하는 단계와; 그리고 (2) 상기 대응하는 디지털 맵이 상기 모바일 컴퓨팅 장치들 각각의 그랙 사용자 인터페이스를 통해 제시되게 하는 단계를 포함하며, 상기 대응하는 디지털 맵은 대응하는 경로 및 대응하는 관심 지점들을 도시한다.

도 1은 (예를 들어, 전동 이륜 차량의) 강화된 주행 모드와 관련되는 내비게이션 및 라우팅 기술들이 구현될 수 있는 예시적인 시스템의 블록도이다.
도 2a는 출발 지점 및 목적지를 지정하는 내비게이션 요청에 응답하여 사용자에게 제시될 수 있는 그래픽 사용자 인터페이스의 예시적인 뷰 포트를 도시한 것으로서, 상기 내비게이션 요청은 제 1 주행 모드와 관련된다.
도 2b는 도 2a에 도시된 것과 동일한 출발 지점 및 목적지를 지정하는 내비게이션 요청에 응답하여 사용자에게 제공될 수 있는 그래픽 사용자 인터페이스의 예시적인 뷰 포트를 도시한 것이지만, 상기 내비게이션 요청은 (전동 이륜 차량의) 강화된 제 2의 주행 모드와 관련된다.
도 3은 도 2a 및 2b의 뷰 포트가 제시될 수 있는 예시적인 그래픽 사용자 인터페이스를 도시한다.
도 4는 도 2a 및 2b의 뷰 포트가 제시될 수 있는 다른 예시적인 그래픽 사용자 인터페이스를 도시한다.
도 5는 강화된 주행 모드에 있는 동안 표시할 관심 지점을 결정하는데 사용될 수 있는 예시적인 스코어링 기술을 도시한다.
도 6은 특정 차량 유형(예를 들어, 전동 이륜 차량)에 대응하는 도로 구간 속도를 예측하도록 훈련되는 예시적인 기계 학습 모델을 도시한다.
도 7은 모바일 컴퓨팅 장치의 사용자에게 랜드마크 지원 내비게이션 안내를 제공하기 위한 예시적인 방법의 흐름도이다.
도 8은 모바일 컴퓨팅 장치의 사용자에게 턴에 특정한 내비게이션 안내를 제공하기 위한 예시적인 방법의 흐름도이다.
도 9는 특정 차량 유형에 대한 속도를 예측하기 위한 예시적인 방법의 흐름도이다.

본 명세서에 설명된 일부 구현들에서, 특별한 내비게이션 및/또는 라우팅 특징들 및/또는 기능들이 특정 주행 관심 모드(예를 들어, 사용자 선택의 주행 모드 또는 디폴트 주행 모드 등)를 탐색하는 사용자들에게 제공된다. 예를 들어, "전동 이륜 차량" 주행 모드(예를 들어, 자동차 모드, 자전거 모드, 환승 모드, 보행 모드 등)와 관련된 내비게이션을 요청하는 모터 장착 자전거, 스쿠터 및/또는 오토바이의 운전자는 그들에게 일반적으로 유익한 특정 특징들 및/또는 기능들을 제공받을 수 있다. 일반적으로, 이러한 특정 특징들 및/또는 기능들을 발생시키는 주행 모드는 본 명세서에서 "강화된" 주행 모드로 지칭될 수 있다.

일부 구현들에서, 강화된 주행 모드를 통해 주행할 때 "더 나은"(예를 들어, 더 빠르고, 및/또는 더 안전하고, 합법적인 등) 경로들이 사용자에게 제시된다. 이러한 경로들은 임의의 도로 구간들이 강화된 주행 모드에 얼마나 적합한지에 기초하여 선택될 수 있다. 예를 들어, 주어진 도로 구간이 강화된 주행 모드를 통한 주행에 특별히 적합한 지(또는 특별히 적합하지 않은지)는 도로 구간의 분류 또는 유형(예를 들어, 골목길, 4 차선 고속도로, 특정 게시된 속도 제한 등)에 기초하여 결정된다. 예를 들어, 전동 이륜 차량 주행 모드의 경우, 임의의 도로 구간은 차량으로의 주행이 거의 불가능하게 좁아질 수 있어, 전체 교통량을 감소시키고 오토바이 또는 스쿠터를 통해 주행하는 사람들의 주행 속도를 증가시킬 수 있다. 반대로, 고속도로 혹은 일부 임계 속도보다 큰 제한 속도를 갖는 도로 구간과 같은 임의의 다른 도로 구간에서 전동 이륜 차량을 운전하는 것은 불법이거나 안전하지 않을 수 있다.

추가적으로 또는 대안적으로, 일부 구현들에서, 특정 차량 유형(예를 들어, 강화된 주행 모드에 대응하는 차량 유형)에 특정된 속도 예측이 기계 학습 모델을 사용하여 생성될 수 있다. 이 기계 학습 모델은 "혼합(mixed)" 차량 유형 추적 데이터(예를 들어, GPS 또는 전동 이륜 차량에 해당하거나 그렇지 않을 수 있는 차량들에 있는 모바일 컴퓨팅 장치로부터의 다른 데이터)에 기초한 특징 세트 및 특정 차량 유형에 특정한 추적 데이터(예를 들어, 비교적 희박한 세트의 GPS 또는 전동 이륜 차량이 되는 것으로 알려진 차량에 있는 모바일 컴퓨팅 장치로부터의 다른 데이터)에 기초한 라벨들을 갖는 감독 학습 기술들을 이용하여 훈련될 수 있다. 만일 특징 세트 데이터 및 라벨 데이터가 모두 동일 도로 구간에 대한 충분한 속도 정보(및 가능하게는 동일한 시간대에 대한 충분한 정보)를 포함하는 경우, 이 모델은, 특정 유형의 도로 구간에 대해, 특정 차량 유형에 해당하는 차량 속도가 그 차량 유형에 맞지 않는 집계 속도와 얼마나 다른지를 학습할 수 있다. 일단 훈련되면, 기계 학습 모델은 특정 도로 구간에 대한 실시간 추정 또는 예상 속도(예를 들어, "혼합된" 차량 유형 속도)를 입력으로서 받아드리고, 특정 도로 유형에 대한 (그 도로 구간에 특정한) 속도 예측을 출력할 수 있다. 이러한 보다 정확한 속도 예측은 예를 들어, 강화된 주행 모드에 대한 더 나은 경로 선택을 제공하고 그리고/또는 강화된 주행 모드에 대해 더 정확한 ETA를 제공하기 위해 사용될 수 있다.

강화된 주행 모드를 탐색하는 사용자들에게 제공되는 다른 특징들 및/또는 성능들은 그래픽 사용자 인터페이스(GUI)(예를 들어, 경로들이 사용자에게 도시되는 방식) 및/또는 로컬 또는 원격 데이터베이스에 있는 정보가 GUI와 관련하여 선택적으로 액세스 및 표시되는 방식과 보다 밀접하게 관련될 수 있다. 예를 들어, 강화된 주행 모드와 관련하여 내비게이션 요청이 행해지면, 최상의(예를 들어, 가장 빠른) 경로를 도시하는 맵이 "랜드마크(landmarks)"로서 유용할 수 있는 (하지만 현재의 줌 레벨에서는 사용자에게 표시되지 않을 수 있는) 임의의 관심 지점들(POIs)과 함께 제시될 수 있다. (가능하게는 장거리 통신 네트워크를 통해) 데이터베이스로부터 그러한 POI에 대응하는 정보를 검색하고 맵 상에서 그러한 정보를 사용자에게 제공하기로 결정하는 것은 POI가 랜드마크로 유용한지 여부를 표시하는 (데이터베이스에 저장된) POI의 특정 필드 또는 속성에 기초하여 이루어질 수 있다. 예를 들어, 정확한 암기 및/또는 방향들의 따름 (예를 들어, 경기장, 박물관, 사원 및/또는 시장 조사 또는 기타 수단을 통해 식별된 기타 특정 카테고리들)을 지원하기 위해 보여지는 카테고리들과 관련된 POI들은 랜드마크로서 취급될 수 있다. 대안적으로, 임의의 POI에는 하나 이상의 다른 카테고리를 랜드마크 상태를 나타내는 것으로 취급하는 대신 (또는 취급하는 것에 추가로) (예를 들어, 시스템 설계자에 의해 또는 일부 자동화된 방식으로)전용 "랜드마크 카테고리"가 할당될 수 있다.

다른 예로서, 강화된 주행 모드와 관련된 내비게이션 요청이 입력될 때, 최상의 경로를 도시하는 맵이 특수 그래픽이 도시된 경로의 각 턴 구간에 또는 그 근처 (또는 각각의 주요 턴, 등)에 특수 그래픽(예를 들어, 오른쪽 또는 왼쪽을 가리키는 화살표를 포함하는 원)과 함께 제시될 수 있다. 사용자는 대응하는 회전구간과 관련된 (그 회전구간 중심에 있는 맵의 줌인 영역, 그 턴의 거리 이름, 그 턴으로부터 내비게이션 요청에 의해 지정된 목적지까지의 이동 시간(예컨대, ETA) 등과 같은) 더 많은 정보를 보기 위해 턴 그래픽들 중 임의의 턴 그래픽을 (예를 들어, 손가락으로 탭핑하여)선택할 수 있다. 일부 구현들에서, 사용자는 턴 정보를 종료하고 다른 턴 그래픽을 선택하거나 혹은 다음 또는 이전 턴으로 이동하기 위해 왼쪽 또는 오른쪽(또는 위 또는 아래로) 스와이프함으로써 경로상의 다른 턴에 대한 상세 정보를 볼 수 있다.

예시적인 시스템

도 1은 강화된 주행 모드와 관련된 내비게이션 및 라우팅 기술이 구현될 수 있는 예시적인 시스템(10)을 도시한다. 도 1 및 다양한 다른 도면들은 강화된 주행 모드가 전동 이륜 차량 모드(예를 들어, 스쿠터, 모페드 등)인 구현을 도시하고 이를 참조하여 하기에 상세히 설명하고 있지만, 강화된 주행 모드는 다른 구현들에서 (예: 세미 트레일러 트럭 모드 등) 상이한 유형의 차량 및/또는 상이한 유형의 주행에 대응할 수 있는 것으로 이해된다.

예시적인 시스템(10)은 모바일 컴퓨팅 장치들(12)(이들 각각은 각각의 사용자에 해당함), 맵 서버(14) 및 네트워크(16)를 포함한다. 맵 서버(14)는 각각의 모바일 컴퓨팅 장치(12)로부터 원격이며, 네트워크(16)를 통해 모바일 컴퓨팅 장치(12)에 통신 가능하게 연결된다. 네트워크(16)는 하나 이상의 근거리 통신망(FAN), 대도시 지역 통신망(MAN) 및/또는 광역 통신망(WAN)과 같은 유선 및/또는 무선 통신 네트워크의 임의의 적절한 조합을 포함할 수 있다. 단지 하나의 특정 예로서, 네트워크(16)는 셀룰러 네트워크, 인터넷 및 서버 측 FAN을 포함할 수 있다. 일부 구현들에서, 맵 서버(14)와 통신하기 위해 모바일 컴퓨팅 장치들(12)중 하나(예를 들어, 장치(12A))에 의해 사용되는 네트워크(16)의 부분(들)은 맵 서버(14)와 통신하기 위해 다른 모바일 컴퓨팅 장치(12)(예를 들어, 장치(12B))에 의해 사용되는 네트워크(16)의 그러한 부분(들)과 완전히 또는 부분적으로 분리될 수 있고 독립적일 수 있다.

도 1에 스마트폰 폼 팩터를 갖는 것으로 도시되어 있지만, 각각의 모바일 컴퓨팅 장치(12)는 유선 및/또는 무선 통신 성능을 갖는 임의의 휴대용 컴퓨팅 장치(예를 들어, 스마트 폰, 태블릿, 스마트 안경과 같은 웨어러블 장치 또는 스마트 워치, 차량 헤드 유닛 컴퓨터 등)일 수 있다. 다른 구현에서, 하나 이상의 모바일 컴퓨팅 장치(12) 각각의 컴포넌트들 및 기능은 단일 드라이버의 스마트 폰 및 스마트 워치와 같은 둘 이상의 장치들 사이에 분배된다.

도 1의 예시적인 구현에서, 모바일 컴퓨팅 장치(12A)는 프로세서(20), 메모리(22), 사용자 인터페이스(24) 및 네트워크 인터페이스(26)를 포함한다. 프로세서(20)는 단일 프로세서(예를 들어, 중앙 처리 장치(CPU))이거나, 프로세서들의 세트(예를 들어, 다수의 CPU, 또는 단일 CPU 및 그래픽 처리 유닛(GPU) 등)를 포함할 수 있다. 메모리(22)는 영구적 메모리 컴포넌트(예를 들어, 하드 디스크 및/또는 솔리드 스테이트) 및/또는 비-영구적 메모리 컴포넌트를 포함할 수 있는 컴퓨터 판독 가능 저장 유닛 또는 장치이거나 또는 유닛들/장치들의 집합체이다. 메모리(22)는 일반적으로 다양한 소프트웨어 애플리케이션의 명령들을 비롯하여 다양한 동작을 수행하기 위해 프로세서(20)에서 실행 가능한 명령들을 저장한다. 메모리(22)는 또한 그러한 애플리케이션에 의해 생성 및/또는 사용되는 데이터를 저장할 수 있다.

사용자 인터페이스(24)는 시각적 출력을 제공하기 위한 적어도 디스플레이(30)를 포함하여, 사용자가 모바일 컴퓨팅 장치(12A)와 상호 작용하도록 (즉, 입력을 제공하고 출력을 인식할 수 있도록) 구성되는 하드웨어, 펌웨어 및/또는 소프트웨어를 포함한다. 디스플레이(30)는 디스플레이 및 수동 입력(터치 센싱) 성능을 모두 갖는 터치스크린일 수 있거나, 사용자 인터페이스(24)는 사용자 입력을 받기 위한 별도의 메커니즘(예를 들어, 관련 프로세싱 컴포넌트와 함께 키보드 및/또는 마이크)을 포함할 수 있다. 디스플레이(30)는 임의의 적합한 유형의 디스플레이 기술(예를 들어, LCD, LED, OLED 등)에 부합하는 하드웨어, 펌웨어 및/또는 소프트웨어를 포함할 수 있다. 네트워크 인터페이스(26)는 모바일 컴퓨팅 장치(12A)가 네트워크(16)를 통해 전자 데이터를 맵 서버(14)와 무선으로 교환할 수 있도록 구성된 하드웨어, 펌웨어 및/또는 소프트웨어를 포함한다. 예를 들어, 네트워크 인터페이스(26)는 셀룰러 통신 송수신기, WiFi 송수신기 및/또는 하나 이상의 다른 무선 통신 기술을 위한 송수신기를 포함할 수 있다.

도 1의 예시적인 구현에서, 메모리(22)는 적어도 매핑/내비게이션 애플리케이션(32)을 저장한다. 일반적으로, 맵핑/내비게이션 애플리케이션(32)은 프로세서(20)에 의해 실행되어 사용자 인터페이스(24)가 사용자에게 디스플레이(30)상에 제시된 GUI를 제공하게 하고, 여기서 GUI는 사용자가 맵 서버(14)에 의해 제공되는 서비스에 액세스할 수 있게 한다. 예를 들어, 맵핑/탐색 애플리케이션(32)은 사용자가 출발 지점, 목적지 및 주행 모드를 지정하는 내비게이션 요청을 입력할 수 있게 하고; 네트워크 인터페이스(26)로 하여금 상기 요청을 네트워크(16)를 통해 맵 서버(14)에 전송하게 하고; 네트워크(16) 및 네트워크 인터페이스(26)를 통해 맵 서버(14)로부터 수신되는 응답 맵/경로 데이터(예를 들어, 맵 타일 데이터, 경로 데이터, 맵 요소 이름/라벨, POI 정보 등)를 처리하고; 그리고 디스플레이(30)로 하여금 수신된 맵/경로 데이터에 기초하여 사용자에게 (주행 모드에 대한 최상의/추천된 경로(들)를 도시하는) 디지털 맵을 제시하게 할 수 있다.

맵핑/내비게이션 애플리케이션(32)은 또한 모바일 컴퓨팅 장치(12A)의 사용자가 다른 관련 서비스를 획득할 수 있게 할 수 있다. 더욱이, 모바일 컴퓨팅 장치(12A)는 또한 모바일 컴퓨팅 장치(12A)의 위치 설정을 보조하기 위한 위성 위치 확인(예를 들어, GPS) 유닛과 같은 도 1에 도시되지 않은 다른 유닛을 포함할 수 있다.

모바일 컴퓨팅 장치(12B 및 12C) 각각은 모바일 컴퓨팅 장치(12A)와 동일하거나 유사할 수 있다. 도 1은 단지 모바일 컴퓨팅 장치(12A 내지 12C)만을 도시하지만, 맵 서버(14)는 주어진 시간에 하나 이상의 모바일 컴퓨팅 장치(12A 내지 12C)와 유사한 임의의 수(예를 들어, 수십, 수백 또는 수천)의 장치와 통신할 수 있는 것으로 이해된다.

맵 서버(14)는 맵핑/내비게이션 서비스 제공자와 관련(예를 들어, 맵핑/내비게이션 서비스 제공자에 의해 소유 및/또는 유지)될 수 있고, 네트워크 인터페이스(40), 프로세서(42) 및 메모리(44)를 포함한다. 본 명세서에서 "서버"로도 지칭되는 맵 서버(14)는 일부 구현들에서 다수의 함께 위치되거나 또는 원격 분산된 컴퓨팅 장치 또는 시스템을 포함할 수 있다.

네트워크 인터페이스(40)는 맵 서버(14)가 네트워크(16)를 통해 모바일 컴퓨팅 장치(12)와 전자 데이터를 교환하게 할 수 있도록 구성된 하드웨어, 펌웨어 및/또는 소프트웨어를 포함한다. 예를 들어, 네트워크 인터페이스(40)는 유선 또는 무선 라우터 및 모뎀을 포함할 수 있다. 프로세서(42)는 단일 프로세서(예를 들어, CPU)일 수 있거나, 프로세서 세트(예를 들어, 다수의 CPU, 또는 CPU 및 GPU 등)를 포함할 수 있다. 메모리(44)는 영구적 메모리 컴포넌트(예를 들어, 하드 디스크 및/또는 솔리드 상태 컴포넌트) 및/또는 비-영구적 메모리 컴포넌트를 포함할 수 있는 컴퓨터 판독 가능 저장 유닛 또는 장치, 또는 유닛들/장치들의 집합체이다. 메모리(44)는 프로세서(42)에 의해 실행될 수 있는 맵핑/내비게이션 엔진(46) 및 라우팅 엔진(48)의 명령을 저장한다. 일부 구현들에서, 맵핑/내비게이션 엔진(46) 및 라우팅 엔진(48)은 하나로 통합되거나, 맵핑/내비게이션 엔진(46) 자체가 2개의 별개의 엔진(매핑 엔진과 내비게이션 엔진) 등으로 배열된다.

매핑/내비게이션 엔진(46) 및 라우팅 엔진(48)은 일반적으로 모바일 컴퓨팅 장치(12)와 같은 클라이언트 장치들에 매핑/내비게이션 애플리케이션(32)과 같은 클라이언트 장치 애플리케이션들을 통해 액세스 가능한 매핑 및 내비게이션 서비스를 제공하기 위해 협력하도록 구성된다. 예를 들어, 맵핑/내비게이션 엔진(46)은 맵핑/내비게이션 애플리케이션(32)을 통해 모바일 컴퓨팅 장치(12A)의 사용자에 의해 입력된 내비게이션 요청을 네트워크(16)를 통해 수신하고, 내비게이션 요청에 의해(또는 내비게이션 요청과 관련하여) 특정된 출발 지점, 목적지 및 주행 모드를 라우팅 엔진(48)에 전달할 수 있다. 라우팅 엔진(48)은 출발 지점로부터 목적지까지의 최상의(예를 들어, 가장 빠른) 경로 또는 경로 세트를 결정할 수 있다. 경로 결정은 아래에 더 논의되는 바와 같이 특정된 주행 모드에 부분적으로 기초할 수 있다. 라우팅 엔진(48)은 결정된 경로(들)를 맵핑/내비게이션 엔진(46)으로 전달할 수 있고, 맵핑/내비게이션 엔진(46)은 결정된 경로(들)를 포함하는 지리적 영역에 대응하는 맵 정보를 검색할 수 있다. 맵 정보(예컨대, 도로, 수 지역 및 토지 지역, 장소 이름, POI 위치/이름 등)를 나타내는 데이터는 맵 데이터베이스(50)로부터 검색될 수 있다. 결정된 경로(들)를 포함하는 지리적 영역에 있는 POI와 관련된 데이터는 아래에서 더 논의되는 바와 같이 특정된 주행 모드에 부분적으로 기초하여 선택적으로 액세스/검색될 수 있다. 그 후, 매핑/내비게이션 엔진(46)은 네트워크 인터페이스(40)로 하여금 맵 데이터베이스(50)로부터 검색된 맵 정보를 매핑/내비게이션 엔진(46)에 의해 생성된 임의의 내비게이션 데이터(예를 들어, 턴별 텍스트 명령)와 함께 네트워크(16)를 통해 모바일 컴퓨팅 장치(12A)에 전송하게 할 수 있다. 맵 데이터베이스(50)는 하나 이상의 별개의 데이터베이스를 포함할 수 있고, 하나 이상의 위치에 있는 하나 이상의 메모리(예를 들어, 메모리(44) 및/또는 다른 메모리)에 저장될 수 있다.

도 1의 예시적인 구현에서, 맵 서버(14)는 강화된 주행 모드에 특정한 다수의 특정 특징 및/또는 성능을 지원한다. 강화된 주행 모드는 예를 들어 전동 이륜 차량(예를 들어, 스쿠터, 모페드 등)과 같은 특정 차량 유형에 특정한 모드일 수 있다. 맵 서버(14)는 복수의 상이한 주행 모드(예를 들어, 자동차, 도보, 자전거 타기, 대중교통)를 지원할 수 있으며, 그 중 강화된 주행 모드는 단지 하나의 사용자 선택 가능 옵션이다. 예를 들어, 모바일 컴퓨팅 장치(12A)의 맵핑/내비게이션 애플리케이션(32)은 (예를 들어, 요청을 입력/보내기 전에 주행 모드를 선택함으로써, 또는 초기 요청을 보낸 후 새 주행 모드로 변경함으로써 등) 내비게이션 요청을할 때, 사용자가 특정 주행 모드를 선택할 수 있게 하는 GUI를 디스플레이(30)가 제시하게 할 수 있다. 일부 구현들에서, 내비게이션 요청들은 사용자에 의해 새로운 주행 모드가 수동으로 선택될 때까지 그리고 사용자에 의해 새로운 주행 모드가 수동으로 선택되지 않는 한 특정 주행 모드(예를 들어, 자동차 또는 강화된 주행 모드 등)와 디폴트로 관련된다.

위에서 언급한 바와 같이, 라우팅 엔진(48) 및 매핑/내비게이션 엔진(46)은 경로를 결정할 때 또는 경로 및/또는 방향을 어떻게 맵 상에 표시할지를 결정할 때 상기 선택된(또는 디폴트 등) 주행 모드를 이용할 수 있다. 이를 위해, 맵핑/내비게이션 엔진(46)은 강화된 주행 모드(ETM)를 포함할 수 있다. 맵핑/내비게이션 유닛(52) 및 라우팅 엔진(48)은 ETM 라우팅 유닛(54)을 포함할 수 있다. 도 1에 별개의 유닛으로 도시되어 있지만, ETM 맵핑/내비게이션 유닛(52) 및 ETM 라우팅 유닛(54)의 기능/동작은 각각의 엔진(46, 48) 내의 다른 소프트웨어 유닛과 통합될 수 있는 것으로 이해된다.

동작에서, 라우팅 엔진(48)이 모바일 컴퓨팅 장치(12A)로부터 수신된 내비게이션 요청이 강화된 주행 모드와 관련된다고 결정하면, ETM 라우팅 유닛(54)은 그 모드(예를 들어, 전동 이륜 차량을 통한 주행)에 따라 주행에 특히 적합한 하나 이상의 경로를 결정/식별할 수 있다. 일 구현에서, ETM 라우팅 유닛(54)은 잠재적 경로를 따라 하나 이상의 구간의 유형 또는 카테고리를 분석함으로써 강화된 주행 모드 요청에 대한 하나 이상의 최상의/추천(예를 들어, 가장 빠르고, 안전하고, 허용가능한 등) 경로를 결정한다. 예를 들어, 맵 데이터베이스(50)는 각 도로 구간 유형의 표시를 저장할 수 있다. 따라서, 예를 들어, ETM 라우팅 유닛(54)은 하나의 도로 구간이 4차선 고속도로인 반면 다른 도로 구간은 골목 등인 것으로 결정할 수 있다. ETM 라우팅 유닛(54)은 이 정보를 사용하여 강화된 주행 모드를 통한 주행에 어떤 도로 유형이 더 적절한지 덜 적합한 지에 기초하여 경로를 결정할 수 있다. 예를 들어, 강화된 주행 모드가 전동 이륜 차량에 대응하는 경우, ETM 라우팅 유닛(54)은 자동차에 의해 주행할 수 없는 도로 구간(예를 들어, 골목)을 우선할 수 있다. 추가적으로 또는 대안적으로, ETM 라우팅 유닛(54)은 강화된 주행 모드에 대한 한계를 벗어나거나 (예를 들어, 해당 주행 모드에 대응하는 차량이 그 도로 구간에서 법적으로 허용되지 않는 경우), 혹은 강화된 주행 모드에 바람직하지 않은 (예를 들어, 도로 구간에서 주행하기가 어렵거나 위험한 경우) 도로 구간을 배제할 수 있다.

일부 구현들에서, ETM 라우팅 유닛(54)은 또한 또는 대신에, 강화된 주행 모드에 대해 구체적으로 예측된 주행 시간에 기초하여 경로를 결정하며, 이는 또한 강화된 주행 모드에 대해 구체적으로 예측된 도로 구간 속도에 기초할 수 있다. 강화된 주행 모드에 대한 주행 시간 및/또는 속도 예측은 간단한 조정(예를 들어, 자동차 운전과 관련된 시간 또는 "혼합" 차량 이동 시간에서 10%를 뺌)을 적용함으로써 얻어지거나, 보다 복잡한 조정(예컨대, 자동차 또는 혼합 교통량의 도로 구간 속도 추정치에 15%를 추가, 하지만 교통량이 많고 특정 도로 유형에서만)을 적용할 수 있다. 일부 구현들에서, 이동 시간 및/또는 속도는 강화된 이동 모드에 대한 속도를 예측하도록 특별히 훈련된 모델을 사용하여 예측될 수 있다. 도 1의 구현에서, 예를 들어, 맵 서버(14)는 이러한 목적을 위해 ETM 속도 예측 모델(60)을 포함한다. ETM 속도 예측 모델(60)은 특징 세트(64) 및 관련 라벨(66)을 포함하는 훈련 데이터베이스(62)로부터의 데이터를 사용하여 훈련될 수 있다. 훈련 데이터베이스(62)는 하나 이상의 별개의 데이터베이스를 포함할 수 있고, 하나 이상의 위치에 있는 하나 이상의 메모리(예를 들어, 메모리(44) 및/또는 다른 메모리)에 저장될 수 있다. 일부 구현들에 따르면, ETM 속도 예측 모델(60)의 훈련 및 운영은 도 6과 관련하여 아래에서 설명된다. 훈련 데이터베이스(62)가 맵 서버(14)와 통신하는 것으로 도시되어 있지만, ETM 속도 예측 모델(60)은 다른 컴퓨팅 장치 또는 시스템을 사용하여 훈련되었을 수 있으며, ETM 속도 예측 모델(60)은 훈련(또는, 반복 훈련의 첫 라운드)이 끝난 이후에만 메모리(44)에 로딩된다.

ETM 라우팅 유닛(54)이 최상의 경로 또는 최상의 대체 경로 세트를 결정하면, 경로(들0은 매핑/내비게이션 엔진(46)에 전달될 수 있다. 이러한 특정 시나리오에서, 라우팅 엔진(48)과 같이, 맵핑/내비게이션 엔진(46)은 내비게이션 요청과 관련된 주행 모드가 강화된 주행 모드(ETM)인 것으로 결정할 수 있다. 그 후, 맵핑/내비게이션 유닛(52)은 강화된 주행 모드에 특유한 특징 및/또는 성능을 갖는 GETI를 지원하기 위해 맵/내비게이션 데이터를 생성한다.

예를 들어, 맵핑/내비게이션 엔진(46)은 내비게이션 방향을 정확하게 기억 및/또는 따르는데 특히 유용한 것으로 알려져 있거나 믿어지는 하나 이상의 랜드마크 POI를 포함하는 맵 데이터를 검색할 수 있다. 이를 달성하기 위해, 맵핑/내비게이션 엔진(46)은 먼저, 결정된 경로 또는 경로들을 적절하게(예를 들어, 완전히) 도시하는데 필요한 맵의 범위를, 예를 들어, 맵의 적절한 중심 위치(예를 들어 위도 및 경도) 및 맵 줌 레벨을 선택함으로써 결정할 수 있다. 그 후, 매핑/내비게이션 엔진(46)은 맵 데이터베이스(50)에 액세스하여 POI들의 어느 서브 세트가 그 중심 위치 및 줌 레벨에서 맵 내에 표현된 지리적 영역에 있는지를 결정할 수 있다. POI들의 서브 세트 내에서, ETM 맵핑/내비게이션 유닛(52)은 맵 데이터베이스(50)에 저장된 POI 카테고리들을 분석하고, 이러한 카테고리들을 랜드마크 카테고리(68)의 사전 결정된(및 사용자가 구성가능한) 리스트와 비교할 수 있다. 서브 세트에 있는 특정 POI가 랜드마크 카테고리(68)의 리스트에 있는 카테고리를 가지고 있는 경우, ETM 맵핑/내비게이션 엔진은 그 POI가 특정 줌 레벨에서 맵에 표시될 가능성을 증가시킨다. 예를 들어, 랜드마크 POI는 모든 줌 레벨로 맵에 표시될 수 있다. 대안적으로, 랜드마크 POI에 대한 점수는 POI가 그렇지 않은 경우 나타날 수 있는 것보다 낮은 줌 레벨로 나타날 수 있도록 부스팅될 수 있다. POI 점수는 또한 POI의 인기도, 현재 시간 등과 같은 하나 이상의 다른 요인(factor)에 기초할 수 있다. 맵에 특정 POI를 표시하기 위한 임계값 점수는 줌 레벨에 따라 달라질 수 있다(예를 들어, 줌 레벨이 감소함에 따라 더 높은 점수가 요구됨). 대안적으로, 임계값은 고정될 수 있고, 줌 레벨은 또한 스코어에 영향을 줄 수 있다(예를 들어, 더 높은 줌 레벨에서 스코어에 더 많은 것을 추가함으로써). 하나의 예시적인 스코어링 방법이 도 5를 참조하여 아래에서 논의된다.

랜드마크 카테고리(68)의 리스트는 랜드마크(예를 들어, 기차역, 박물관, 사원 등)에 대응하는 다양한 카테고리의 리스트 일 수 있다. 랜드마크 카테고리(68)는 예를 들어 시장 조사에 기초하여 결정되었을 수 있다. 대안적으로, 맵 데이터베이스(50)는 POI가 전용 "랜드마크 카테고리"와 관련된 표시자를 저장할 수 있고, ETM 맵핑/내비게이션 유닛(52)은 서브세트 내의 각각의 POI가 그 전용 카테고리와 관련되는지 여부를 간단히 결정할 수 있다.

일부 구현들에서, ETN 맵핑/내비게이션 유닛(52)은 또한 디스플레이된 경로를 따라 개별 턴에 관한 정보에 대한 강화된 액세스를 사용자에게 제공한다. 내비게이션 요청이 강화된 주행 모드와 관련되어 있다고 결정한 후, 예를 들어, ETN 매핑/내비게이션 유닛(52)은 표사된 경로 또는 경로들 내의 모든 턴(예를 들어, 생성된 턴별 내비게이션 명령 세트에 대응하는 모든 턴)을 식별할 수 있다. 그 후, ETM 맵핑/내비게이션 유닛(52)은 모바일 컴퓨팅 장치(12A)의 GUI로 하여금 식별된 각각의 턴에서 특정 그래픽을 보여주게 하는 데이터를 생성할 수 있다. 각각의 그래픽은 예를 들어, 각 화살표가 턴 방향을 나타내는 화살표를 포함하는 원 또는 다른 형상일 수 있다. 대안적으로, 임의의 다른 적합한 유형의 그래픽이 사용될 수 있다. GUI 내에 디스플레이될 때, 각 그래픽은 경로 내의 대응하는 턴 위에 또는 그 턴에 근접한 위치에(ETN 매핑/내비게이션 유닛(52)에 의해) 위치될 수 있다.

일부 구현들에서, 턴 그래픽들은 상호 작용한다. 예를 들어, 사용자는 대응하는 턴에 대한 보다 상세한 정보를 액세스하여 보기 위해 손가락으로 특정 턴 그래픽을 탭핑(tapping)할 수 있다. 턴 그래픽을 탭핑하면, GUI가 해당 턴을 중심으로 하거나 대략적으로 중심에 있는 맵의 줌인("상세")보기를 표시하게 할 수 있다. 상세 뷰에 필요한 맵 데이터는 맵 데이터베이스(50)로부터 맵 데이터를 검색할 수 있는맵 서버(14)에 명령을 중계함으로써 액세스될 수 있다. 대안적으로, 상세 뷰에 필요한 맵 데이터는 미리 페치되어 이전에 모바일 컴퓨팅 장치(12)의 메모리(22)에 로드되었다.

턴과 관련된 다른 정보가 또한 상세 뷰에 또는 상세 뷰와 함께 표시될 수 있다. 예를 들어, 맵핑/내비게이션 엔진(46) 또는 라우팅 엔진(48)은 선택된 턴에서 목적지까지의 주행 시간(예를 들어, ETA)을 결정할 수 있고, 그 시간은 상세 뷰에 또는 상세 뷰와 함께 표시될 수 있다. 다른 예로서, 턴과 관련된 거리들의 이름이 상세 뷰에 표시될 수 있다. 보다 일반적으로, 맵핑/내비게이션 엔진(46)은 턴의 위치 및 턴을 보기 위해 사용된 줌 레벨에 기초하여, 예를 들어, 초기에 맵과 경로를 표시하기 위해 사용되었던 동일한 알고리즘들을 사용하여 표시할 거리 이름, POI 및/또는 다른 맵 정보를 결정할 수 있다. 예를 들어, 강화된 주행 모드에 대해, ETM 맵핑/내비게이션 유닛(52)은 턴의 상세 뷰를 생성할 때 랜드마크 POI들의 점수들을 다시 부스팅할 수 있다.

턴의 상세 뷰는 또한 다른 사용자들의 상호 작용을 지원할 수 있다. 예를 들어, 사용자는(손가락으로) 특정 방향으로 스와이프하여 다음 (또는 진행 중인) 턴의 상세 뷰로 직접 이동할 수 있다. 선택적으로, 사용자는 대신에 상세 뷰를 종료하고 다른 턴에 대응하는 턴 그래픽을 선택할 수 있다.

다른 GUI 관련 특징들 및/또는 성능들이 또한 강화된 주행 모드에 있을 때 제공되거나 포함될 수 있다. 예를 들어, (동일한 룸 레벨의 다른 주행 모드들에 비해) 맵 영역 내에 있지만 선호하는 경로 또는 경로들에 포함되지 않은 적은 수의 도로들이 표시될 수 있다. 다른 예로서, 강화된 주행 모드(예를 들어, 양식화된 전동 이륜 차량 아이콘)에 대응하는 그래픽이 출발 지점 및/또는 사용자의 현재 위치에 위치될 수 있고 그리고/또는 임의의 도로 유형들(예를 들어, 골목)은 다르게 착색될 수 있다. 위에서 논의된 것들 중 일부를 비롯한, 강화된 주행 모드와 관련된 다양한 특징 및 성능들이 도 2b 및 3 내지 5의 예시적인 구현들과 관련하여 아래에서 더 논의된다.

다양한 구현 예들에 따른 시스템(10)의 동작의 서로 다른 양상들이 이하 도 2 내지 6을 참조하여 설명될 것이다. 특히, 도 2 내지 도 4는 도 1의 모바일 컴퓨팅 장치(12A)의 디스플레이(30)에 의해 제시될 수 있는 다양한 GUI(또는 GUI 뷰 포트)를 도시하며, 각 GUI 또는 GUI 뷰 포트의 콘텐츠들은 맵핑/내비게이션 애플리케이션(32)을 실행할 때 프로세서(20)에 의해 생성된다.

예시적인 GUI들

먼저 도 2a 및 도 2b를 참조하면, GUI의 예시적인 뷰 포트(100)가 2가지 시나리오로 도시되어 있다. 특히, 도 2a는 강화된 주행 모드 이외의 주행 모드와 관련된 내비게이션 요청이 입력된 상황에 대응하고, 도 2b는 강화된 주행 모드와 관련된 내비게이션 요청이 입력된 상황에 대응한다. 예를 들어, 강화된 주행 모드가 전동 이륜 차량 모드인 경우, 도 2a는 사용자가 방향을 요청하고 자동차 모드(또는 자동차 모드는 디폴트 주행 모드였다)를 선택했을 때 뷰 포트(100)를 도시하며, 도 2b는 사용자가 후속하여 강화된 주행 모드를 선택한 경우의 뷰 포트(100)를 도시한다.

도 2a에서, 뷰 포트(100)는 출발 지점(104)으로부터 목적지(106)까지의 추천 경로를 나타내는 경로(102)를 도시하는 맵을 포함한다 (둘 다 내비게이션 요청에서 특정되었을 수 있음). 이 예시적인 구현에서, 뷰 포트(100)는 또한 예측된 주행 시간(108)(여기서는 20분) 뿐만 아니라 1 차 추천 경로(102)보다 다르게 (예컨대, 덜 두드러지게) 음영 처리 및/또는 착색될 수 있는 "다음 최고"(예를 들어, 다음으로 가장 빠른) 추천 경로(110)를 포함한다. 경로(102) 및 경로(110)는 예를 들어 맵 서버(14)의 라우팅 엔진(48)에 의해 생성되었을 수 있다.

대조적으로, 도 2b에서, 뷰 포트(100)는 경로(122, 124)가 동일한 내비게이션 요청(예를 들어, 도 2a의 루트(102, 110)와 동일한 출발 지점(104) 및 목적지(106))에 대응한다는 사실에도 불구하고, 다른 기본 경로(122) 및 다른 보조 경로(124)를 나타내는 맵을 포함한다. 이것은 예를 들어, 맵 서버(14)의 ETM 라우팅 유닛(54)이 강화된 주행 모드에 대한 상이한 경로들을 결정하기 위해 맵 데이터베이스(50)에서 도로 유형 정보에 액세스했기 때문이고 그리고/또는 맵 서버(14)의 ETM 라우팅 유닛(54)이 (예를 들어, ETM 속도 예측 모델(60)의 출력에 기초하여) 다양한 잠재적인 경로들에 대한 예측된 서로 다른 속도(및 그러므로 서로 주행 시간)을 가졌기 때문이다. 이에 대해서는 도 1을 참조하여 위에서 논의되었고, 도 6을 참조하여 아래에서 더 논의된다. 1 차 경로(122)에 대해 예측된 이동 시간(126)이 또한 도시되어 있다. 도시된 바와 같이, 이 예시적인 시나리오에서, 강화된 주행 모드는 더 짧은 예측된 주행 시간을 제공한다.

이 구현에서, 뷰 포트(100)는 또한 강화된 주행 모드로 인해 다른 측면에서 상이하다. 예를 들어, 출발 지점(104)(및/또는 현재 사용자 위치)은 강화된 주행 모드에 대응하는 그래픽(여기서는, 전동 이륜 차량의 양식화된 아이콘)으로 표시된다. 다른 예로서, 2 차 경로(124)가 1 차 경로(122)보다 덜한 산만을 제공하기 위해 1 차 경로(122)보다 더 작은 선 폭으로 도시될 수 있다.

다른 예로서, 도 2b의 맵은 사용자에 대한 혼란 및 산만을 감소시키기 위해도 2a의 맵보다 실질적으로 더 적은 도로 구간들을 도시한다. 맵 서버(14)의 매핑/내비게이션 엔진(46)이 특정 줌 구간에서 특정 도로 구간를 표시할지 여부를 결정하기 위해 점수를 계산하는 경우(예를 들어, 도로 구간이 얼마나 자주 주행되는지에 기초한 점수 및/또는 도로 구간에 대한 도로 유형 등), 예를 들어 그 점수는, 강화된 주행 모드에 있을 때, 맵 영역 내에 있지만 제안된 경로(들)의 일부가 아닌 임의의 도로 구간에 대해서 감소될 수 있다. 임의의 도로 구간들을 숨기는 결정은 예를 들어,도 1의 ETM 맵핑/내비게이션 유닛(52)에 의해 (예를 들어, 맵 데이터베이스(50)에서 도로 구간 정보에 액세스함으로써) 이루어졌을 수도 있다.

또 다른 예로서, 도 2b의 맵은 동일한(또는 거의 동일한) 줌 레벨에도 불구하고 도 2a의 맵에 없는 임의의 POI들을 도시한다. 특히, 도시된 구현 및 시나리오에서, 도 2b의 맵은 랜드마크 카테고리들(56)중 적어도 하나에 있는 것으로 (또는 전용 랜드마크 카테고리에 속하는 것으로) 결정된 POI들의 수를 보여준다: 박물관(132A), 병원(132B) 및 경기장(132C). 예를 들어, POI들(132A 내지 132C)을 보이기로 한 결정은 예를 들어 도 1을 참조하여 전술한 바와 같이, 맵핑/내비게이션 유닛(52)에 의해 (예를 들어, 맵 데이터베이스(50)에서 POI 정보에 액세스함으로써) 만들어졌을 수도 있다.

또 다른 예로서, 도 2b의 맵은 각각의 턴(또는 각각의 주요 턴, 예를 들어, 하나의 거리 명에서 다른 거리 명으로의 이동을 필요로 하거나 병합을 요구하는 각 턴)마다 턴 그래픽(134)을 포함한다. 이 예시적인 구현에서, 각각의 턴 그래픽(134)은 턴의 일반적인 방향(좌 또는 우)을 나타내는 화살표가 있는 원이다. 다른 구현들에서, 다른 그래픽들이 사용될 수 있고, 화살표는 생략될 수 있다 (또는 더 정확하게 턴 형상을 나타낼 수 있다). 도 1을 참조하여 전술한 바와 같이, 사용자는 특정 턴 그래픽(134)을 손가락으로 탭핑(또는 선택)할 수 있고, 이에 응답하여 턴 위치에서의 맵의 상세 뷰 및 가능하게는 다른 정보(예를 들어, 그 턴에서 목적지(106)로의 예측된 주행 시간 등)가 (뷰 포트(100)에) 제시될 수 있다. 각각의 턴 그래픽(134) 및 이와의 사용자 상호 작용이 모바일 컴퓨팅 장치(12A)의 맵핑/내비게이션 애플리케이션(32)에 의해 생성될 수 있고, 상세한 턴 정보(예를 들어, 상세 뷰를 위한 맵 데이터)가 맵 데이터베이스(50)로부터 검색되어 (예를 들어, 이동 통신 장치(12A)로부터 업데이트된 요청을 수신한 후맵 데이터베이스(50) 있는 도로 구간 정보에 액세스함으로써) 맵 서버(14)의 ETM 맵핑/내비게이션 유닛(52)에 의해 맵핑/내비게이션 애플리케이션(32)에 제공될 수 있다.

다른 구현들에서, 일부 또는 모든 다른 모드들과 비교하여 강화된 주행 모드에 있을 때 더 많거나 더 적거나 및/또는 다른 변화들(또는 지원되는 사용자 인터액션)이 보여 질 수 있다.

도 3은 특히 강화된 주행 모드가 선택된 도 2b의 시나리오를 위해 도 2a 및도 2b의 뷰 포트(100)가 제시될 수 있는 예시적인 GET(150)을 도시한다. 도 3에 도시된 바와 같이, GUI(150)는 (뷰 포트(100)를 포함할 수 있는) 뷰 포트 영역(152), 내비게이션 요청을 위한 출발 지점 및 목적지를 입력 및 보기 위한 사용자 인터페이스(154), 및 내비게이션 요청에 대한 주행 모드를 선택 및 보기 위한 사용자 인터페이스(156)를 포함한다. 도시된 시나리오에서, 사용자는 강화된 주행 모드(여기서는 전동 이륜 차량 모드)를 선택하고, 이를 사용자 인터페이스(156) 내에서 강조 표시하였다. 대안적으로, 강화된 주행 모드는 디폴트 설정일 수 있다. 도시된 구현에서, 이용 가능한 주행 모드들 각각에 대해 예측된 주행 시간을 나타냈다.

GUI 영역(158)은 1 차 및/또는 선택된 경로(예를 들어,도 2b의 경로(122)) 에 대한 예측된 주행 시간 및 이 구현에서 경로에 관한 텍스트 디스크립터를 보여준다. 이 구현 및 시나리오에서, 디스크립터("지름길을 갖는 가장 빠른 경로")는 1차 및/또는 선택된 경로가 목적지까지 가장 짧은 주행 시간을 갖는 것으로 예측되는 경로이고 이 경로는 (강화된 주행 모드를 선택했기 때문에 사용가능할 수도 있는) 지름길을 포함하는 경로임을 나타낸다. 다른 사용자 인터페이스(160)는 예를 들어, 음성 및/또는 턴별 내비게이션 모드를 시작하기 위한 제어는 물론 다른 경로 정보에 액세스하기 위한 메뉴를 제공할 수 있다.

도 4는 강화된 주행 이동 모드가 선택되었거나 기본 설정인 도 2b의 특정 시나리오에 대해 도 2a 및 2b의 뷰 포트(100)가 다시 제공될 수 있는 다른 예시적인 GUI(170)를 도시한다. 그러나, GUI(170)는 사용자가 이전에 저장된 내비게이션 요청(여기서, 사용자의 통근 집에 대응하는 출발 지점 및 목적지)을 선택할 때 제공될 수 있다. GUI(170)에서, 뷰 포트 영역(172)은 뷰 포트(예를 들어, 뷰 포트(100))를 포함하고, 영역(174)은 선택된 이전에 저장된 내비게이션 요청의 텍스트 디스크립터 및 현재 주행 모드(여기서는, 강화된 주행 모드)를 나타내는 아이콘을 포함한다. 또한, 영역(176)은 가장 빠른 경로(예를 들어, 도 2b의 경로(122))에 관한 정보를 나타낼 수 있고, 영역(178)은 사용자에 의해 전형적으로 취해진 경로에 관한 정보 및 관련 정보(예를 들어, 교통 정보, 건설 정보 및/또는 일반적인 주행 시간의 변경을 나타내는 기타 정보)를 나타낼 수 있다.

랜드마크 PQI들의 중요성을 증가시키기 위한 예시적인 기술

도 5는 강화된 이동 모드에 있는 동안 표면에 어떤 POI가 있는지(즉, 하나 이상의 제안된 경로를 나타내는 맵에 표시)를 결정하는데 사용될 수 있는 예시적인 스코어링 기술(200)을 도시한다. 스코어링 기술(200)은 예를 들어도 1의 맵 서버(14)에서 ETM 맵핑/내비게이션 유닛(52)에 의해 구현될 수 있다. 도 5의 예시적인 시나리오에서, POI들의 세트(202)는 현재 중심 위치 및 줌 레벨에서 맵으로 표시되는 지리적 영역 내에 있는 POI들을 나타낸다. 도 5에 도시된 바와 같이, POI B, E 및 F는 랜드마크 카테고리(예를 들어, 도 1의 랜드마크 카테고리들(68)에 포함된 카테고리들)과 관련되는 반면, POI A, C, D, G 및 H는 랜드마크 카테고리와 관련되지 않는다. POI B, E 및 F는 예를 들어 도 2b의 POI(132A, 132B 및 132C)일 수 있다. 어떤 POI가 랜드마크 카테고리와 관련되는지의 결정이 ETM 맵핑/내비게이션 유닛(52)에 의해, 맵 데이터베이스(50)에 저장된 POI 특정 데이터에 액세스하고, 가능하면 맵 데이터베이스(50)의 랜드마크 카테고리(68)의 리스트에 액세스함으로써 이루어질 수 있다.

점수(204)는 각각의 POI(202)에 대해(예를 들어, ETM 맵핑/내비게이션 유닛(52)에 의해) 결정된다. 각각의 스코어(204)는 임의의 적절한 기술을 사용하여 계산될 수 있다. 예를 들어, 각각의 점수(204)는 POI에 대한 검색 질의의 빈도 및/또는 임의의 다른 적절한 인자에 기초하여 결정될 수 있다. 조정된 점수(206)는 강화된 주행 모드에 대해 구체적으로 계산되고, 랜드마크 카테고리의 존재 또는 이의 결여가 고려된 후의 점수를 반영한다. 도 5에 도시된 구현에서, 점수(204)는 랜드마크 카테고리에 없는 임의의 POI에 대해 10점을 빼고, 랜드마크 카테고리에 있는 임의의 POI에 대해 20점을 추가함으로써 간단히 조정된다. 다른 구현에서, 점수(204)는 랜드마크 카테고리에 있지 않은 임의의 POI에 대해 조정되지 않을 수 있거나, 또는 더 복잡한 알고리즘이 각각의 조정된 점수(206) 등을 결정하기 위해 사용될 수 있다.

각각의 조정된 점수(206)는 임계 값과 비교되어 해당 POI가 경로(들)를 나타내는 맵 상에 표시될지 여부를 결정한다. 임계 값은 줌 레벨에 의존적일 수 있다(예를 들어, 임계값이 높을수록 줌 레벨이 낮다). 예를 들어 현재 줌 레벨의 임계값이 50인 경우 고급 주행 모드(예컨대, 전동 이륜 차량 모드)에 있을 때 맵에 POI B, E 및 F가 표시되지만, 다른 주행 모드(예컨대, 자동차 모드)에 있을 때는 POI B, E 및 H가 표시된다. 대안적으로, 줌 레벨 자체가 각각의 점수(204)를 결정하기 위해 사용될 수 있고, 임계값은 줌 레벨과 독립적(예를 들어, 고정)일 수 있다.

차량 유형별 속도 예측을 위한 예시적인 머신 러닝 모델

도 6은 훈련 단계 동안 예시적인 기계 학습 모델(220)을 도시한다. 기계 학습 모델(220)은 전동 이륜 차량(모터, 스쿠터 등)과 같은 특정 차량 유형에 대한 속도를 예측하는데 사용된다. 보다 구체적으로, 기계 학습 모델(220)은 하나 이상의 다른 차량 유형들(예를 들어, 자동차)과 비교하여, 또는 알려지지 않은 또는 "혼합" 차량 유형과 비교하여 특정 차량 유형의 속도 관련 운전 거동 또는 특성을 학습하고자 할 수 있다. 도 6은 머신 러닝 모델(220)이 전동 이륜 차량 속도를 예측하도록 훈련되는 구현을 도시하지만, 다른 구현들(예를 들어, 세미 트레일러 트럭 속도, SUV와 같은 보다 구체적인 자동차 유형에 대한 속도, 등)이 또한 가능함이 이해될 것이다. 기계 학습 모델(220)은 예를 들어, 특정 차량 유형이 강화된 주행 모드에 대응하는 유형인, 도 1의 ETM 속도 예측 모델(60)로서 사용될 수 있다.

기계 학습 모델(220)은 신경망(예를 들어, 격자 기반 또는 반복 신경망)을 포함할 수 있고, 맵 학습 기술을 사용하여 훈련될 수 있다. 도 6의 구현에서, 예를 들어, 기계 학습 모델(220)은 특징(222) 및 대응하는 라벨(224)을 사용하여 학습된다. 특징(222)은 도 1의 특징 세트(64)에 있는 특징들을 나타낼 수 있고, 라벨(224)은 예를 들어 도 1의 라벨들(66)에 있는 라벨들을 나타낼 수 있다.

특징(222)은 혼합된/알 수 없는 차량 유형에 대한 혼합 추적 데이터(230)를 포함한다. 혼합 추적 데이터(230)는 상이한 드라이버들(예를 들어, 드라이버들 각각은 도 1의 장치(12A)와 유사함)의 모바일 컴퓨팅 장치로부터 수집되었을 수 있고, 대응하는 타임스탬프를 갖는 장치 위치(예를 들어, GPS 위치)를 포함한다. 혼합 추적 데이터(230)는 또한 각각의 위치/시간 스탬프와 관련된 순시(instantaneous) 속도 정보를 포함한다. 각 시간에서의 속도 정보는 예를 들어 GPS 도플러-기반 속도 및/또는 GPS 위치 및 타임스탬프로부터 계산된 속도를 포함할 수 있다. 본 명세서에서 "순시" 속도로 지칭되지만, 어느 정도의 평균화 또는 다른 필터링이 사용될 수 있는 것으로 이해된다.

혼합 추적 데이터(230)는(예를 들어, 상이한 차량에 있는 방대한 수의 모바일 장치로부터의 데이터를 갖는) 매우 큰 데이터 세트일 수 있고, 시간 Ti(아래에서 더 참조됨)또는 다른 시간에서의 차량 속도를 나타내는 데이터를 포함한다. 혼합 추적 데이터(230)는 또한 다양한 시간대(예를 들어, 아침, 정오, 오후, 저녁, 심야 등) 및/또는 요일의 데이터를 포함할 수 있으며, 그에 따라 교통량 패턴이 변할 수 있다. 적어도 일부 시나리오에서, 혼합 추적 데이터(230)는 기계 학습 모델(220)이 특정 도로 구간에서의 "자유 흐름" 속도, 즉 차량이 교통량, 열악한 기상 조건 등에 의해 제한받지 않는 경우 차량이 주행하는 속도를 결정할 수 있도록 충분한 정보를 포함할 수 있다. 자유 흐름 속도는 예를 들어 법적인 속도 제한을 적어도 느슨하게 나타낼 수 있다. 다른 구현에서, (예를 들어, 속도 제한으로부터 결정되거나 기계 학습 모델(220)의 훈련 전에 혼합된 추적 데이터(230)를 처리함으로써 결정되는 바와 같은) 자유 흐름 속도는 특징들(222)내에서 개별 특징으로서 제공된다.

도 6에 도시된 구현에서, 특징들(222)은 또한 도로 유형(232) 및 지역(234)을 포함한다. 도로 유형(232)은 혼합 추적 데이터(230)에서의 특정 위치/속도/시간과 관련된 도로 유형(예를 들어, 2차선 고속도로, 4차선 고속도로, 도로, 골목 등)을 나타낼 수 있다. 다른 구현들에서, 특징들(222)은 도로 유형(232)을 포함하지 않는다. 예를 들어, 기계 학습 모델(220)은 상이한 유형의 도로 사이의 변화를 설명하기 위해 혼합 추적 데이터(230)에 고유한 특성(예를 들어, 자유 흐름 속도, 차선 변경을 나타내는 위치 델타 등)에 의존할 수 있다.

지역(234)은 혼합 추적 데이터(230)에서의 특정 위치/속도/시간이 어느 구가와 관련되어 있는지를 표시할 수 있다. 이러한 정보는 상이한 국가들에서 상이한 운전 행동(및/또는 운전 조건, 법률 등)으로 인해 기계 학습 모델(220)에 유용할 수 있다. 다른 구현들에서, 특징들(232)은 국가(232)를 포함하지 않는다. 예를 들어, 기계 학습 모델(220)은 혼합 추적 데이터(230)에 의해 지정된 위치에 의존하여 주행 속도가 예측될 필요가 있는 국가로부터 발생하는 임의의 구별을 학습할 수 있다. 기계 학습 모델(220)은 또한 도 6에 도시되지 않은 다른 적합한 유형의 특징들(예를 들어, 각각의 위치/속도/시간에 대응하는 날씨 조건 등)을 포함할 수 있다는 것이 이해된다.

라벨(224)은 전동 이륜 차량("MTWV") 추적 데이터(236)를 포함한다. MTWV 추적 데이터(236)는 여전히 다른 운전자들(예를 들어, 각각 도 1의 장치(12A)와 유사)의 모바일 컴퓨팅 장치들로부터 수집되었을 수 있으며, 여기서 이러한 각각의 운전자는(예를 들어, 사용자 입력이 기초하여 또는 다양한 데이터 소스들로부터 많이 추론하여, 등) 전동 이륜 차량을 운전하였음이 알려진다. 혼합 추적 데이터(230)와 유사하게, MTWV 추적 데이터(236)는 장치 위치(예를 들어, GPS 위치), 순시 속도 정보 및 대응하는 타임스탬프와 같은 정보를 포함할 수 있다. 혼합 추적 데이터(230)와 같이, 각각의 시간에서의 속도 정보는 GPS 도플러-기반 속도 및/또는 GPS 위치 및 타임스탬프로부터 계산된 속도를 포함할 수 있다. 다른 구현에서, 추적 데이터(236)의 속도 정보는 추적 데이터(230)의 속도 정보와 다른 유형이다.

MTWV 추적 데이터(236)는(예를 들어, 단지 수백 또는 수천 명의 운전자로부터의) 혼합 추적 데이터(230)보다 훨씬 작은 데이터 세트일 수 있고, 혼합 추적 데이터(230)처럼, 시간 Ti(및 가능하게는 다른 시간, 혼합 추적 데이터(230)에 도시된 다른 시간과 반드시 동일할 필요는 없음)에서 차량 속도를 표시하는 데이터를 포함한다. 시간 Ti는 다양한 시간 및/또는 요일의 시간을 포함할 수 있다. 시간 Ti는 순시 시점 또는 시간 윈도우를 나타낼 수 있는 것으로 이해된다. 더욱이, 혼합 추적 데이터(230)와 MTWV 추적 데이터(236) 사이의 시간 중첩은 반드시 두 세트의 추적 데이터의 타임스탬프가 서로 정확하게 일치한다는 것을 의미하지는 않는다.

기계 학습 모델(220)은 혼합 추적 데이터(230)와 MTWV 추적 데이터(236) 사이의 시간 Ti의 공통성 및 그 시점에서의 위치 공통성을 이용하여, 특정 시간 및/또는 요일의 특정 도로 구간 유형(및/또는 특정 도로 구간)에서 전동 이륜 차량 속도가 혼합 속도 또는 집계 속도와 어떻게 달라지려 하는지를 학습할 수 있다. 예로서, 혼합 추적 데이터(230)는 시간 구간 X 동안 도로 구간 A상의 혼합 트래픽이 일반적으로 약 25 km/h로 이동하였고 도로 구간 A상의 자유 흐름 속도가 약 70 km/h임을 나타낼 수 있다. MTWV 추적 데이터(236)는, 또한 도로 구간(A)에서 및 또한 시간 윈도우(X) 동안(또는 대략 동안), 하나 이상의 전동 이륜 차량이 35 내지 40km/h의 속도로 이동했음을 보여줄 수 있다. 이 특징 및 라벨 정보로부터, 기계 학습 모델(220)은 경로 구간 A와 동일한 자유 흐름 속도를 갖는 도로 구간에서 및 시간 창 X와 비슷한 하루 및/또는 요일의 시간에(예를 들어, 트래픽을 통해 위빙(weaving)함으로써) 전동 이륜 차량이 일반적인 트래픽보다 빠르게 이동할 능력에 관한 것을 배울 수 있다.

일단 훈련되면, 기계 학습 모델(220)은 일반적으로 특징(222)으로 표현된 정보의 유형에 대응하는 실시간 데이터를 입력으로서 수용할 수 있다. 예를 들어, 하루 및 요일의 특정 시간에 특정 도로 구간에서 일반/혼합 트래픽의 실시간 속도가 (예를 들어, 현재 운전 중인 사람들의 모바일 컴퓨팅 장치로부터의 GPS 데이터에 기초하여) 측정 또는 추정되고 (가능하게는 도로 유형 및/또는 국가 정보와 함께) 기계 학습 모델 (220)에 제공될 수 있다. 기계 학습 모델(220)은 이러한 입력을 처리하고 하루 및/또는 요일의 시간에 동일한 도로 구간에서 전동 이륜 차량에 대한 예측 속도를 출력할 수 있다. 도 1을 참조하여 위에서 논의된 바와 같이, 기계 학습 모델(220)에 의해 출력된 예측 속도는 경로 주행 시간 추정(예를 들어, 가장 빠른 경로를 식별 및 추천하기 위해) 및/또는 원하는 목적지로의 예측된 주행 시간을 제시하는 것과 같은 다양한 목적으로 사용될 수 있다.

랜드마크 지원 내비게이션 안내를 제공하는 예시적인 방법

데이터베이스 정보를 선택적으로 이용함으로써 랜드마크 지원 내비게이션 안내를 제공하기 위한 예시적인 방법(300)이 도 7을 참조하여 다음에 논의된다. 방법(300)은 컴퓨터 판독 가능 매체에 저장된 애플리케이션의 명령들 (예컨대, 도 1의 메모리(44)에 저장된 매핑/내비게이션 엔진(46) 및/또는 라우팅 엔진(48)의 명령들)을 실행할 때 서버 또는 다른 컴퓨팅 장치 또는 시스템의 하나 이상의 프로세서(예를 들어, 도 1의 맵 서버(14)의 프로세서(42)에 의해)에 의해 구현될 수 있다.

블록(302)에서, 내비게이션 요청은 하나 이상의 모바일 컴퓨팅 장치로부터 수신된다. 모바일 컴퓨팅 장치는 예를 들어 도 1의 모바일 컴퓨팅 장치(12A)와 유사할 수 있다. 각각의 내비게이션 요청은 각각의 출발 지점, 목적지 및 주행 모드와 관련될 수 있다. 주행 모드는 경로 정보가 요구되는 차량의 유형(및/또는 이동 수단)을 나타낼 수 있다. 예를 들어, 각각의 내비게이션 요청은 자동차 모드, 전동 이륜 차량 모드, 보행 모드, 자전거 모드 및 교통(예를 들어, 대중 교통) 모드를 포함하는 그룹으로부터 선택된 주행 모드와 관련될 수 있다. 내비게이션 요청은 웹 브라우저 또는 전용 모바일 애플리케이션(예를 들어, 도 1의 매핑/내비게이션 애플리케이션(32))을 사용하여 모바일 컴퓨팅 장치의 사용자에 의해 입력되었을 수 있다.

블록(304)에서, 블록(302)에서 수신된 각각의 내비게이션 요청에 대해, (대응하는 디지털 맵에 도시될) 대응하는 경로가 결정된다. 예를 들어, 가장 빠른(및 가능하게는 가장 안전한 등) 경로는 내비게이션 요청에 대응하는 출발 지점, 목적지 및 주행 모드에 기초하여 결정될 수 있다. 경로는 예를 들어 도 1의 라우팅 엔진(48)과 관련하여 위에서 논의된 기술 중 임의의 기술을 사용하여 결정될 수 있다. 예를 들어, 경로의 결정은 (예를 들어, 하나 이상의 도로 구간의 분류를 결정하고, 분류들이 제 1 주행 모드를 통한 주행에 적합한지 여부를 결정하고 및/또는 제 1 주행 모드를 통한 주행이 임의의 분류에 허용되지 않는지 여부를 결정함으로써) 내비게이션 요청이 제 1 주행 모드와 관련되어 있다는 사실을 고려할 수 있다. 다른 예로서, 경로의 결정은 제 1 주행 모드에 특정된 예측(된) 주행 시간 (예를 들어, 도 1의 ETM 속도 예측 모델(60) 또는 도 6의 훈련된 기계 학습 모델(220)에 의해 생성된 속도 예측을 사용하여 계산된 주행 시간)을 고려할 수 있다.

블록(306)에서, 제 1(예를 들어, 강화된) 주행 모드와 관련된 (블록(302)에서 수신된) 각각의 내비게이션 요청에 대해, (1) (대응하는 디지털 맵에 도시될) 대응하는 POI들은 데이터베이스(예를 들어, 도 1의 맵 데이터베이스(50))에 저장된 다수의 POI들로부터 결정되고, (2) 대응하는 디지털 맵은 각각의 모바일 컴퓨팅 장치의 GFTI를 통해 제시되게 된다. 제 1 주행 모드는 전동 이륜 차량과 같은 특정 유형의 차량에 특정적일 수 있다.

대응하는 POI들은 대응하는 디지털 맵의 줌 레벨, 및 POI들이 사전 결정된 랜드마크 카테고리 리스트에서 하나 이상의 카테고리와 관련되는지 여부에 적어도 기초하여 결정된다. 랜드마크 카테고리의 "리스트"는 내비게이션하는 랜드마크들 (예컨대, 박물관, 경기장, 레스토랑 등)로서 유용한 것으로 플래그가 지정된 다수의 카테고리가 있는 리스트일 수도 있고, 대안적으로 특정 POI들에 할당된 하나의 전용 랜드마크 카테고리만을 포함할 수도 있다. POI들은 적어도 줌 레벨 및 랜드마크 카테고리의 존재 또는 부재를 고려하는 임의의 적합한 규칙 또는 알고리즘을 사용하여 블록(306)에서 결정될 수 있다. 예를 들어, 도 5를 참조하여 위에서 논의된 기술과 유사한 스코어링 기술이 사용될 수 있다.

대응하는 디지털 맵은, 예를 들어, 데이터베이스로부터 상기 대응하는 POI들에 관한 정보를 검색하고, 그 검색된 정보를 무선 통신 네트워크(예를 들어, 도 1의 네트워크(16))를 통해 모바일 컴퓨팅 장치들 각각에 전송함으로써 GFTI를 통해 제시되게 할 수 있다. GUI를 통해 제시되는 경우, 디지털 맵은 대응하는 경로 외에, 블록(306)에서 결정된 상기 대응하는 POI들을 도시한다.

블록(308)에서, 제 2의 상이한 주행 모드와 관련되는 (블록(302)에서 수신 되는) 각각의 내비게이션 요청에 대해, (1) (대응하는 디지털 맵에 도시될) 대응하는 POI들은 데이터베이스에 저장된 POI들로부터 결정되고, (2) 대응하는 디지털 맵은 모바일 컴퓨팅 장치들 각각의 GUI를 통해 제시되게 한다. 제 2 주행 모드는 예를 들어 자동차와 같은 특정 유형의 차량에 특정적일 수 있거나, 예를 들어 제 1 주행 모드(예를 들어, 자동차, 도보, 자전거 또는 대중 교통) 이외의 임의의 주행 모드일 수 있다. 블록(308)은 블록(306)과 유사할 수 있지만, 각각의 POI가 랜드마크 카테고리 리스트의 임의의 카테고리와 관련되는지 여부에 관계없이 대응하는 POI가 결정되는 것은 예외이다.

도 7에 도시된 블록의 순서는 방법(300)에서의 다양한 동작의 타이밍을 반드시 나타내는 것은 아니라는 것이 이해된다. 예를 들어, 블록들(302, 304, 306 및 308)의 동작들은 적어도 부분적으로 동시적일 수 있고, 블록(308)은 블록(306) 전에 시작될 수 있고, 블록(306)은 블록(308) 후에 종료될 수 있다.

턴-특정(turn-specific) 내비게이션 안내를 제공하는 예시적인 방법

모바일 컴퓨팅 디바이스의 사용자에게 턴-특정적인 내비게이션 안내를 제공하기 위한 예시적인 방법(320)이 이제 도 8을 참조하여 논의될 것이다. 방법(320)은 컴퓨터 판독 가능 매체에 저장된 애플리케이션의 명령들(예를 들어, 도 1의 메모리(22)에 저장된 매핑/내비게이션 애플리케이션(32)의 명령들)을 실행할 때 모바일 컴퓨팅 장치의 하나 이상의 프로세서(예를 들어, 도 1의 모바일 컴퓨팅 장치(12A)의 프로세서(20))에 의해 구현될 수 있다.

블록(322)에서, 디지털 맵은 모바일 컴퓨팅 장치의 GUI에 의해 제공되는 뷰 포트 내에 제시되며, 맵은 경로, 및 이 경로를 따르는 하나 이상의 턴(회전) 각각에 대해, 턴 그래픽을 도시한다. GUI는 예를 들어 도 1의 모바일 컴퓨팅 장치(12A)의 디스플레이(30)상에 제시될 수 있다. 각각의 턴 그래픽은 각각의 턴에 대응하는 경로의 일부를 도시하는 디지털 맵의 영역에 위치된다. 턴 그래픽은 (예를 들어, 도 2b에 도시된 바와 같이) 턴 바로 위에 또는 턴에 닿거나 턴에서 약간 오프셋된 위치에 중첩될 수 있다. 턴 그래픽은 임의의 적절한 크기, 색상, 형상 등일 수 있다. 예를 들어, 턴 그래픽은 도 2b에 도시된 바와 같이 각각의 턴의 일반적인 방향에 대응하는 화살표를 포함하는 원일 수 있다.

블록(324)에서, (반드시 제 1/초기 턴 순서 우선일 필요는 없지만) 턴들 중 제 1 턴에 대응하는 턴 그래픽의 (예를 들어, GUI를 통해 만들어진) 사용자 선택이 검출된다. 사용자 선택은 예를 들어 터치 스크린 디스플레이 상의 손가락 탭핑일 수 있다.

블록(326)에서, 블록(324)에서 턴 그래픽의 사용자 선택을 검출하는 것에 응답하여, 제 1 (즉, 선택된) 턴의 상세 뷰가 GUI를 통해 제공된다. 상세 뷰는 디지털 맵의 줌인 부분을 포함하고, 이 줌인 부분은 제 1 턴의 그래픽 표현을 포함한다. 일부 구현들에서, 방법(320)은 블록(326) 이전에 원격 데이터베이스(예를 들어, 도 1의 맵 데이터베이스(50))로부터 상세 뷰를 나타내는 데이터를 검색하는 단계를 포함한다. 대안적으로, 데이터는 (예를 들어, 사용자가 이전에 턴 그래픽을 선택한 경우 또는 모든 턴의 상세 뷰를 위한 데이터가 사용자가 임의의 턴 그래픽을 선택하기 전에 다운로드된 경우) 로컬 메모리로부터 검색될 수 있다.

상세 뷰는 또한 거리 이름, POI들(예를 들어, 방법(300)에 따라 제시된 랜드마크 POI들을 포함함) 등과 같은 다른 정보를 포함할 수 있다. 다른 예로서, 방법(320)은 (예를 들어, ETM 속도 예측(60), 기계 학습 모델(220) 및/또는 후술되는 방법(340)을 사용하여) 제 1 턴으로부터 경로의 목적지까지의 예측(된) 주행 시간을 결정하는 단계를 포함할 수 있으며, 상세 뷰는 그 예측된 시간을 포함할 수 있다.

일부 구현들에서, 방법(320)은 블록(326) 이후에 사용자에 의한(예를 들어, GUI상에서) 손가락 스와이프를 검출함에 응답하여 발생하는 추가 블록을 포함할 수 있으며, 여기서 제 1 턴 바로 다음 또는 바로 전의 제 2 턴의 상세 뷰가 GUI를 통해(예를 들어, 원래 상세 뷰 대신) 사용자에게 제시된다. 이 새로운 상세 뷰는 디지털 맵의 다른 줌 인 부분을 포함하며, 이는 제 2 턴(및 가능하게는 제 2 턴에서 목적지까지의 주행 시간 등)의 그래픽 표현을 포함한다.

추가적으로 또는 대안적으로, 방법(320)은 경로 목적지 및 출발 지점을 특정하는 내비게이션 요청이 제 1 주행 모드(예를 들어, 이전 도면들과 관련하여 위에서 설명한 바와 같이 강화된 주행 모드)와 관련된 것으로 결정되는 추가 블록을 포함할 수 있다. 이 구현에서, 내비게이션 요청이 제 1 주행 모드와 관련된다는 결정에 응답하여 턴 그래픽(들)이 디지털 맵에 포함될 수 있다. 주행 모드를 명시적으로 나타내는 그래픽(예컨대, 출발 지점 또는 사용자의 현재 위치 등)이 디지털 맵에 포함될 수도 있다.

추가적으로 또는 대안적으로, 방법(320)은 블록(322) 이전에 발생하며 경로 출발 지점 및 목적지를 지정하는 내비게이션 요청이 모바일 컴퓨팅 장치로부터 원격 서버로 전송되는 제 1 추가 블록 및 상기 내비게이션 요청에 응답하여 상기 디지털 맵 중 적어도 일부를 나타내는 데이터가 원격 서버로부터 수신되는 제 2 추가 블록을 포함한다. 또한, 이 구현에서, 방법(320)은 내비게이션 요청의 전송 전에 발생하는 제 3 추가 블록을 포함할 수 있고, 내비게이션 요청은 경로 출발 지점 및 목적지의 사용자 표시에 기초하여 생성된다.

특정 차량 유형의 속도를 예측하는 예시적인 방법

특정 유형의 차량에 대한 속도를 예측하기 위한 예시적인 방법(340)이 이제도 9를 참조하여 논의될 것이다. 방법(340)은 컴퓨터 판독 가능 매체에 저장된 애플리케이션의 명령(예를 들어, 도 1의 메모리(44)에 저장된 명령)를 실행할 때 컴퓨팅 장치 또는 시스템의 하나 이상의 프로세서(예를 들어, 도 1의 맵 서버(14)의 프로세서(42))에 의해 구현될 수 있다. 일부 구현들에서, 방법(340)을 수행하는 컴퓨팅 시스템은 다수의 별개의(예를 들어, 원격으로 위치된) 서브 시스템들을 포함할 수 있다. 예를 들어, 블록들(342 내지 346)은 제 1 위치의 제 1 컴퓨터 시스템에 의해 수행될 수 있는 반면, 블록들(348 및 350)은 제 2 위치에 있는 제 2 컴퓨터 시스템에 의해 수행될 수 있다(또는, 가능하게는 블록(350)은 제 3 위치에 있는 제 3 컴퓨터 시스템에 의해 수행된다).

블록(342)에서, 복수의 도로 구간을 복수 회 주행하는 동안 제 1 복수의 차량의 개별 속도를 나타내는 추적 데이터("제 1 추적 데이터")가 (예를 들어, 운전하는 사용자들의 모바일 컴퓨팅 장치들로부터 또는 후속 처리후) 수신된다. 제 1 복수의 차량은 혼합/미지 유형(예를 들어, 자동차, 트럭, 모터 장착 자전거 등)일 수 있다. 그러나, 다른 구현들에서, 제 1 복수의 차량은 알려진 유형 또는 유형들의 범위(예를 들어, 오직 자동차 및 트럭)이다.

블록(344)에서, 동일한 복수의 시간에 동일한 복수의 도로 구간을 주행하는 동안 제 2 복수의 차량의 개별 속도를 나타내는 추적 데이터( "제 2 추적 데이터")가 (예를 들어, 운전하는 사용자들의 모바일 컴퓨팅 장치들로부터 또는 후속 처리후) 또한 수신된다. 그러나, 제 2 복수의 차량은 기계 학습모델이 속도를 예측하도록 훈련될 특정 차량 유형(예를 들어, 전동 이륜 차량)에 대응한다.

제 1 및/또는 제 2 추적 데이터는 GPS-도플러 속도, GPS 위치 및 타임스탬프로부터 도출된 속도 및/또는 하나 이상의 다른 방식으로 도출된 속도를 포함할 수 있다. 제 1 추적 데이터는 제 2 추적 데이터보다 훨씬 큰 데이터 세트일 수 있고, 다른 시간에 제 2 추적 데이터에 반영되지 않은 동일한 도로 구간을 주행하는 차량의 개별 속도를 나타낼 수도 있다.

블록(346)에서, 기계 학습 모델이 특정 차량 유형에 대한 속도를 예측하도록 훈련된다. 기계 학습 모델(예를 들어, 격자 신경망 또는 다른 적절한 신경망을 포함)은 제 1 추적 데이터에 의해 표시된 개별 속도 뿐만아니라 제 2 추적 데이터에 의해 표시된 개별 속도에 기초한 특징 세트를 사용하여 훈련될 수 있다. 모델은 제 1 추적 데이터에 포함된 대량의 "이력" 데이터를 사용하여 제 1 및 제 2 추적 데이터 모두에 표현되는 도로 구간에 대해 더 학습할 수 있다. 예를 들어, 모델은 이들 도로 구간의 최대 속도(이상치 제외)를 봄으로써 그 도로 구간들의 자유 흐름(free-flow 속도를 학습할 수 있다. 대안적으로, 방법(340)은 도로 구간의 자유 흐름 속도를 결정하기 위해 제 1 추적 데이터가 사전 처리되는 추가 블록을 포함할 수 있으며, 그 자유 흐름 속도는 특징 세트의 추가 특징으로서 사용된다. 어느 경우이든, 모델은 제 2 추적 데이터에 의해 표현된 차량 유형의 차량들의 속도가 동일한 도로 구간상의 및 동일한 시간에 그리고 도로 구간들의 자유 흐름 속도의 관점에서 제 1 추적 데이터에 의해 표현된 차량 유형(들)의 속도와 어떻게 달라지는지 관찰하고 학습할 수 있다.

블록(348)에서, 훈련된 모델은 적어도 적어도 제 1 도로 구간을 주행하는 하나 이상의 다른 차량에 대응하는 실시간 속도 추정치를 처리함으로써, 특정 도로 구간("제 1 도로 구간")에서 특정 차량 유형("제 1 차량")에 대응하는 특정 차량의 속도를 예측하는데 사용된다. 실시간 속도 추정은 예를 들어 현재 제 1 도로 구간을 주행하는 차량들(예를 들어, 자동차)의 모바일 컴퓨팅 장치에 의해 제공되는 GPS-파생 속도로부터 계산된 평균(또는 기하학적 평균 등) 속도일 수 있다. 대안적으로, 실시간 속도 추정치는 다른 적절한 방식으로(예를 들어, 제 1 도로 구간과 관련된 "스마트" 인프라스트럭처에 의해 제공되는 데이터에 기초하여) 결정될 수 있다.

블록(350)에서, 블록(348)에서 예측된 속도(및 가능하게는 동일한 경로를 따라 다른 도로 구간들에 대응하는 하나 이상의 다른 예측 속도)는 사용자(예를 들어, 제 1 차량의 운전자)에게 예측 주행 시간 및/또는 추천 경로를 제공하기 위해 사용된다. 블록(350)은 예를 들어, 내비게이션(탐색) 요청을 한 사용자의 모바일 컴퓨팅 장치로 상기 예측된 주행 시간 및/또는 추천 경로를 전송하는 단계를 포함할 수 있다.

일 구현에서, 방법(340)은 블록(342 및 344)과 관련하여 위에서 논의된 도로 구간과 관련된 도로 유형을 나타내는 도로 유형 데이터가 수신되는 추가적인 블록을 포함한다. 이 구현에서, 블록(346)에서 사용된 특징 세트는 도로 유형 데이터에 의해 표시된 도로 유형을 더 포함할 수 있고, 블록(348)은 실시간 속도 추정뿐만 아니라 제 1 도로 구간에 대응하는 도로 유형의 표시를 처리하기 위해 모델을 사용하는 것을 포함할 수 있다.

다른 구현에서, 방법(340)은 블록(342 및 344)과 관련하여 위에서 논의된 도로 구간과 관련된 국가를 나타내는 국가 데이터가 수신되는 추가적인 블록을 포함한다. 이 구현에서, 블록(346)에서 사용된 특징 세트는 국가 데이터에 의해 표시된 국가를 더 포함할 수 있고, 블록(348)은 모델을 사용하여 실시간 속도 추정뿐만 아니라 제 1 도로 구간에 대응하는 국가의 표시를 처리하는 것을 포함할 수 있다.

또 다른 구현에서, 방법(340)은 특정 모바일 컴퓨팅 장치로부터 내비게이션 요청을 수신하는 단계를 포함하며, 내비게이션 요청은 특정 주행 모드(예를 들어, 위에서 논의된 바와 같이 강화된 주행 모드)를 지정할 수 있다. 이 구현에서, 블록(348)은 모바일 컴퓨팅 장치로부터 내비게이션 요청을 수신함에 응답하여 발생할 수 있다.

다른 고려 사항들

전술한 논의에는 다음의 추가 고려 사항이 적용된다. 본 명세서 전체에 걸쳐, 복수의 인스턴스는 단일 인스턴스로서 설명된 컴포넌트, 동작 또는 구조를 구현할 수 있다. 하나 이상의 방법의 개별 동작이 별도의 동작으로 도시되고 설명되었지만, 하나 이상의 개별 동작이 동시에 수행될 수 있으며, 동작이 도시된 순서대로 수행될 필요는 없다. 예시적인 구성에서 개별 컴포넌트로서 제시된 구조 및 기능은 결합된 구조 또는 컴포넌트로서 구현될 수 있다. 유사하게, 단일 컴포넌트로서 제시된 구조 및 기능은 별도의 컴포넌트로서 구현될 수 있다. 이들 및 다른 변형, 수정, 추가 및 개선은 본 발명의 요지의 범위 내에 속한다.

달리 구체적으로 언급되지 않는 한, "처리", "컴퓨팅", "계산", "결정", "제시", "표시"등과 같은 단어를 사용하는 본 개시 내용에서의 논의는 하나 이상의 메모리(예를 들어, 휘발성 메모리, 비휘발성 메모리 또는 이들의 조합), 레지스터, 또는 정보를 수신, 저장, 전송 또는 표시하는 기타 머신 컴포넌트 내의 물리적(예를 들어, 전자적, 자기적 또는 광학적) 양으로 표현된 데이터를 조작 또는 변환하는 머신(예를 들어, 컴퓨터)의 동작 또는 프로세스를 지칭할 수 있다.

본 개시에서 사용된 바와 같이, "하나의 구현" 또는 "구현"에 대한 어떤 언급은 구현과 관련하여 설명된 특정 요소, 특징, 구조 또는 특성이 적어도 하나의 구현 또는 실시 예에 포함됨을 의미한다. 본 명세서의 여러 곳에서 "일 구현에서"라는 문구가 모두 동일한 구현을 지칭하는 것은 아니다.

본 개시에서 사용된 용어 "포함한다", "포함하는", "갖는다", "가지고 있는"또는 이들의 다른 변형은 비-배타적인 포함을 포괄하도록 의도된다. 예를 들어, 요소의 리스트를 포함하는 프로세스, 방법, 물품 또는 장치는 반드시 이들 요소에만 한정되는 것은 아니며, 그러한 프로세스, 방법, 물품 또는 장치에 명시적으로 열거되거나 고유하지 않은 다른 요소를 포함할 수 있다. 또한, 달리 명시적으로 언급되지 않는 한, "또는"은 배타적 또는 배타적이지 않은 것을 의미한다. 예를 들어, 조건 A 또는 B는 다음 중 하나에 의해 만족된다: A가 참(또는 존재) 및 B가 거짓(또는 비존재), A가 거짓(또는 비존재) 및 B가 참(또는 존재) A와 B가 모두는 참(또는 존재).

본 개시를 읽을 때, 당업자는 본 개시의 원리를 통해 라우팅 및/또는 내비게이션 관련 특징 및/또는 성능을 제공하기 위한 또 다른 대안적인 구조적 및 기능적 설계를 이해할 것이다. 따라서, 특정 실시 예 및 응용이 도시되고 설명되었지만, 개시된 실시 예는 본 개시에 개시된 정확한 구성 및 컴포넌트로 제한되지 않는다는 것을 이해해야 한다. 당업자에게 명백할 다양한 수정, 변경 및 변형이 첨부된 청구 범위에 정의된 사상 및 범위를 벗어나지 않고 본 개시에 개시된 방법 및 장치의 구성, 동작 및 세부 사항에서 이루어질 수 있다.

Claims

데이터베이스 정보를 선택적으로 이용함으로써 랜드마크 지원 내비게이션 안내를 제공하는 컴퓨터 구현 방법으로서,
하나 이상의 모바일 컴퓨팅 장치로부터 복수의 내비게이션 요청을 수신하는 단계와, 각 내비게이션 요청은 개별 출발 지점, 목적지 및 주행 모드와 관련되고;
복수의 내비게이션 요청의 각 내비게이션 요청에 대해, 내비게이션 요청에 대응하는 출발 지점 및 목적지에 기초하여, 복수의 디지털 맵 중 하나의 대응하는 디지털 맵에 묘사될 대응 경로를 결정하는 단계와;
특정 차량 유형에 특정된 제1 주행 모드와 관련된 각각의 내비게이션 요청에 대해,
데이터베이스에 저장된 복수의 관심 지점으로부터, 상기 대응하는 디지털 맵에 묘사될 대응 관심 지점들을 결정하는 단계와, 상기 대응 관심 지점들 각각은 데이터베이스에서 하나 이상의 카테고리와 관련되고, 그리고 상기 대응 관심 지점들을 결정하는 단계는 대응 관심 지점들이 내비게이션을 위한 랜드마크에 대응하는 사전 결정된 랜드마크 카테고리 리스트에 포함된 하나 이상의 카테고리와 관련되는지 여부에 적어도 부분적으로 기초하고, 그리고
상기 대응하는 디지털 맵이 모바일 컴퓨팅 장치 각각의 그래픽 사용자 인터페이스를 통해 제시되게 하는 단계와, 상기 대응하는 디지털 맵은 대응 경로 및 대응 관심 지점을 묘사하고; 그리고
특정 차량 유형 이외의 차량 유형에 특정된 제2 주행 모드와 관련된 각각의 내비게이션 요청에 대해,
데이터베이스에 저장된 다수의 관심 지점으로부터, 상기 대응 관심 지점들이 사전 결정된 랜드마크 카테고리 리스트에 포함된 임의의 카테고리와 관련되는지 여부와 상관없이 상기 대응하는 디지털 맵에 묘사될 대응 관심 지점들을 결정하는 단계와, 그리고
상기 대응하는 디지털 맵이 모바일 컴퓨팅 장치 각각의 하나의 그래픽 사용자 인터페이스를 통해 제시되게 하는 단계를 포함하며, 상기 대응하는 디지털 맵은 대응 경로 및 대응 관심 지점을 묘사하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 특정 차량 유형은 전동 이륜 차량인 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 제1 주행 모드와 관련된 각각의 내비게이션 요청에 대해, 대응 관심 지점들을 결정하는 단계는,
(i) 복수의 관심 지점에 대한 점수를 결정하는 단계와, 각 점수는 개별 관심 지점이 사전 결정된 랜드마크 카테고리 리스트에 포함된 하나 이상의 카테고리와 관련되는지 여부에 적어도 부분적으로 기초하고, 그리고
(ii) 상기 결정된 점수에 기초하여 대응 관심 지점들을 선택하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제3항에 있어서,
상기 대응 관심 지점들을 선택하는 단계는,
줌 레벨에 기초하여 임계 점수를 결정하는 단계와; 그리고
결정된 점수 각각이 임계 점수를 초과하는지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 복수의 내비게이션 요청 중 적어도 하나의 내비게이션 요청에 대해, 대응 경로를 결정하는 단계는 제1 주행 모드에 특정된 경로를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제5항에 있어서,
상기 제1 주행 모드에 특정된 경로를 결정하는 단계는,
하나 이상의 도로 구간의 분류를 결정하는 단계와; 그리고
제1 주행 모드를 통한 주행이 하나 이상의 분류에 대해 허용되는지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제5항에 있어서,
상기 제1 주행 모드에 특정된 경로를 결정하는 단계는,
하나 이상의 도로 구간의 분류를 결정하는 단계와; 그리고
제1 주행 모드를 통한 주행이 하나 이상의 분류에 대해 허용되지 않는지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 복수의 내비게이션 요청 중 적어도 하나의 내비게이션 요청에 대해, 대응 경로를 결정하는 단계는 제1 주행 모드에 특정된 주행 시간을 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 제1 주행 모드와 관련된 각각의 네비게이션 요청에 대해, 대응 관심 지점들을 결정하는 단계는,
각각의 대응 관심 지점에 대해,
(i) 대응 관심 지점과 관련된 하나 이상의 카테고리를 결정하는 단계와, 그리고
(ii) 대응 관심 지점과 관련된 하나 이상의 카테고리가 사전 결정된 랜드마크 카테고리 리스트에 포함되는지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 제1 주행 모드와 관련된 각각의 네비게이션 요청에 대해, 대응 관심 지점을 결정하는 단계는,
각각의 대응 관심 지점에 대해,
(i) 대응 관심 지점과 관련된 하나 이상의 카테고리를 결정하는 단계와, 그리고
(ii) 대응 관심 지점과 관련된 하나 이상의 카테고리 중 하나가 랜드마크 카테고리인지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,
상기 제1 주행 모드와 관련된 각각의 내비게이션 요청에 대해 그리고 제2 주행 모드와 관련된 각각의 내비게이션 요청에 대해, 대응하는 디지털 맵이 모바일 컴퓨팅 장치 중 하나의 그래픽 사용자 인터페이스를 통해 제시되게 하는 단계는,
(i) 데이터베이스로부터 대응 관심 지점들에 관한 정보를 검색하는 단계와, 그리고
(ii) 대응 관심 지점들에 관한 검색된 정보를 무선 통신 네트워크를 통해 모바일 컴퓨팅 장치 각각으로 전송하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항 내지 제11항 중 어느 한 항의 방법을 실행하도록 적응된 서버.
서버로 하여금 제1항 내지 제11항 중 어느 한 항의 방법을 수행하게 하는 복수의 명령을 실행하기 위한 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램.
제13항의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 매체.