KR20210014694A

KR20210014694A - 파라미터 간의 계산된 트레이드-오프를 고려하여 내비게이션 경로 생성 및 카풀 옵션 식별

Info

Publication number: KR20210014694A
Application number: KR1020207037858A
Authority: KR
Inventors: 사렐 코헨; 머라브 그린버그; 루슬란 무킨; 이갈 페트레누; 모리아 로이즈; 레오라 와이즈맨
Original assignee: 구글 엘엘씨
Priority date: 2019-06-28
Filing date: 2019-12-18
Publication date: 2021-02-09
Also published as: KR20240011264A; WO2020263327A1; US20220187083A1; EP4242591A3; EP3794315B1; JP2021533334A; KR102628004B1; EP3794315A1; CN112449676A; EP4242591A2

Abstract

내비게이션 경로를 생성하기 위한 기법은 사용자가 이전에 통과한 각각의 출발지와 목적지 사이의 다수의 경로를 나타내는 경로 데이터를 획득하는 단계를 포함한다(702). 상기 기법은 지도 데이터를 사용하여, 경로 구간 데이터를 생성하기 위해 제1 유형의 경로 구간 및 상기 다수의 경로 내에서 적어도 하나의 다른 유형의 경로 구간을 식별하는 단계(704), 및 상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여, 상기 사용자에 의핸 내비게이션 경로의 선택에서 상기 제1 유형의 경로 구간의 속성과 상기 적어도 하나의 다른 유형의 경로 구간의 속성 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭을 결정하는 단계(706)를 더 포함한다. 출발지 및 목적지의 표시가 수신된 후(708), 기법은 경로 구간의 선택을 제한하기 위해 상기 정량적 메트릭을 적용하는 것을 포함하여, 상기 사용자에 대해 상기 출발지와 상기 목적지 사이의 내비게이션 경로를 생성하는 단계를 포함한다(710).

Description

파라미터 간의 계산된 트레이드-오프를 고려하여 내비게이션 경로 생성 및 카풀 옵션 식별

본 개시는 내비게이션 시스템에 관한 것으로, 특히, 사용자의 내비게이션 결정에서 파라미터들 간의 트레이드-오프를 나타내는 정량적 메트릭을 계산하고 적용하는 것에 관한 것이다.

본 명세서에 제공된 배경기술은 본 발명의 컨텍스트를 일반적으로 제시하기 위한 목적이다. 본 배경기술 섹션에서 기술되는 범위까지 현재 명명된 발명자들의 성과 뿐만 아니라 출원 시점에 선행기술로서 인정되지 않는 기술의 양태들은 본 발명에 대한 선행기술로서 명시적으로 또는 묵시적으로도 인정되지 않는다.

오늘날, 퍼스널 컴퓨터, 태블릿, 모바일폰, 특수 목적 내비게이터 등과 같은 수많은 전자 디바이스는 지리적 지역에 대한 디지털 지도와 지리적 위치 간 내비게이션을 위한 단계별 길안내를 제공한다. 내비게이션 서비스는 내비게이션 길안내를 제공할 수 있으며, 일부 경우에, 지도 및 내비게이션 애플리케이션과 같은 특수 목적 소프트웨어 애플리케이션은 물론 웹 브라우저와 같은 범용 소프트웨어 애플리케이션을 통해 관련 디지털 지도를 제공할 수 있다. 운전 길안내 외에도, 내비게이션 서비스는 도보 길안내, 대중 교통 길안내, 자전거 길안내 등을 제공할 수 있다.

내비게이션 서비스는 일반적으로 사용자로부터 내비게이션 길안내에 대한 요청을 수신하고, 시간 또는 거리와 같은 일정한 사전 결정된 팩터의 순서에 따라 내비게이션 경로를 생성한다. 보다 구체적으로, 내비게이션 서비스는 여러 후보 내비게이션 경로를 생성하고 이러한 후보를 총 거리 또는 총 이동 시간 오름차순으로 제시할 수 있다. 내비게이션 서버는 시간에 대한 내비게이션 경로를 최적화하려고 시도한다. 즉, 최소 시간의 양이 필요한 경로를 생성하거나, 거리에 대해 내비게이션 경로를 최적화한다. 즉, 이용 가능한 최단 경로를 식별한다. 일부 경우에, 내비게이션 서비스는 후보 내비게이션 경로를 생성하고, 일정 기준, 예를 들어 요금 징수와 일치하는 구간으로 내비게이션 경로를 식별하기 위한 추가 제어를 제공한다. 이러한 표시는 바이너리이므로, 내비게이션 경로 또는 해당 경로의 일부가 기준을 충족하는지 여부를 나타낸다.

그러나 내비게이션 서비스는 사용자의 과거 내비게이션 경로 선택 또는 기타 내비게이션 결정에서 내비게이션 경로의 파라미터 간의 관계를 정량적 방식으로 반영하는 내비게이션 경로를 생성하지 않는다.

일반적으로 말해서, 본 개시의 시스템은 사용자를 위해 한 유형의 경로 구간("타겟 유형")와 다른 유형의 경로 구간 간의 트레이드-오프를 측정하기 위한 정량적 메트릭을 생성하고, 이 정량적 메트릭을 내비게이션 길 찾기 생성시(특히 출발지에서 목적지까지의 내비게이션 경로) 적용하도록 구성된다. 정량적 메트릭을 생성하기 위해, 시스템은 사용자가 통과한 과거 내비게이션 경로의 표시를 프로세싱할 수 있다. 예를 들어, 일정 출발지와 일정 목적지에 대해, 시스템은 사용자가 타겟 유형의 경로 구간이 Nkm인 내비게이션 경로를 따랐으며, 이 유형의 경로 구간이 없는 대안적 내비게이션 경로는 추가 M분이 요구되었을 것이라고 결정할 수 있다. 시스템은 이 인스턴스를 사용자가 M분 동안 타겟 유형의 경로 구간 Nkm의 트레이드-오프를 선택하는 예로서 사용할 수 있다. 유사한 계산의 다수의 인스턴스를 사용하여, 시스템은 사용자가 향후 선택할 가능성이 있는 트레이드-오프를 예측하는 정량적 메트릭을 생성할 수 있다. 그 다음 시스템은 이 메트릭을 사용자 또는 자율 주행 차량에 대한 내비게이션 경로를 생성할 때 제약으로 사용하여, 요구 사항의 세트에 대해 이러한 경로를 더 잘 최적화할 수 있다.

시스템은 사용자에게 디스플레이하기 위해 하나 이상의 내비게이션 경로를 디바이스에 출력할 수 있다. 다른 구현예에서, 시스템은 자율 차량의 컨트롤러에 내비게이션 경로를 제공할 수 있다.

일부 구현예에서, 시스템은 다른 컨텍스트 신호를 고려하여 정량적 메트릭을 동적으로 조정할 수 있다. 예를 들어, 시스템은 시간 제약(예를 들어, 일정 알려진 시간에 목적지에서의 약속)이 정량적 메트릭에 기초하여 제약을 능가하거나 무시할 수 있다고 결정할 수 있다.

일부 구현예에서, 시스템은 사용자가 통과한 다수의 탐색 경로의 표시, 사용자가 잠재적으로 트레이드-오프를 적용하는 유형에 대응하는 경로 구간의 표시, 및 잠재적으로 다른 신호를 사용하여 기계 학습 모델을 트레이닝할 수 있다. 보다 구체적 예로, 기계 학습 모델을 트레이닝할 때, 타겟 함수의 경로 구간을 선택하는 것은 이동 시간을 감소시키는 함수인 구성을 적용할 수 있다.

시스템이 본 개시의 기법을 적용할 수 있는 타겟 유형의 하나의 특정 예는 경로 구간의 난이도 수준이다. 시스템은 운전자의 피드백, 일정 기간 동안 보고된 사고 수, 도로 형상 분석(예: 급회전, 두 개 이상의 도로 교차로, 좁은 차선), 도로 유형(예: 비포장 도로) 등의 표시와 같은 신호를 사용하여 난이도를 추정할 수 있다. 타겟 유형의 또 다른 예는 경로 구간을 이동하는 차량에 의해 생성된 추정 연료 배출이며, 이는 예를 들면 경로 구간에 대한 노면 유형 또는 도로 속도와 관련될 수 있다. 타겟 유형의 또 다른 예는 경로 구간을 통과하기 위해 통행료를 지불해야 한다는 요구사항이다. 이 경우 시스템은 대체 경로가 사용 가능한 경우 경로 구간에 대한 추가 시간 단위(예: 1 분)의 대략적인 재정 비용을 결정할 수 있으며, 사용자에 대한 정량적 메트릭이 이 비용보다 높거나 낮은지 여부를 결정할 수 있다.

또한, 본 개시의 시스템은 타겟 유형의 경로 구간에 기초하여 내비게이션 경로의 누적 평가를 제공하는 것과 같은 추가 기능을 구현할 수 있다. 예를 들어, 시스템은 내비게이션 경로와 연관된 하나 이상의 통행료, 내비게이션 경로의 전체 난이도 또는 전체 연료 비용을 추정하여 내비게이션 경로의 전체 재정적 비용을 제공할 수 있다. 시스템은 예를 들어 후보 내비게이션 경로의 순위를 매길 때 이러한 누적 평가를 사용할 수 있다. 이러한 구성의 또 다른 예로서, 시스템은 카풀이 내비게이션 경로의 전반적 재정적 비용을 충분히 감소시키는 상황을 자동적으로 식별할 수 있고, 그렇지 않으면 사용자에 대해 계산된 정량적 메트릭의 관점에서 시스템이 사용자에게 권장하지 않는다. 예를 들어, 높은 점유 차량(HOV) 차선을 사용하면 시간 및/또는 비용을 줄일 수 있다.

본 개시의 기법의 하나의 예시적 실시예는 네비게이션 서버의 하나 이상의 프로세서와 같은 프로세싱 하드웨어에 의해 실행될 수 있는 네비게이션 경로를 생성하는 방법이다. 상기 방법은 사용자가 이전에 통과한 각각의 출발지와 목적지 사이의 다수의 경로를 나타내는 경로 데이터를 획득하는 단계; 지도 데이터를 사용하여, 경로 구간 데이터를 생성하기 위해 제1 유형의 경로 구간 및 상기 다수의 경로 내에서 적어도 하나의 다른 유형의 경로 구간을 식별하는 단계; 및 상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여, 상기 사용자에 의핸 내비게이션 경로의 선택에서 상기 제1 유형의 경로 구간의 속성과 상기 적어도 하나의 다른 유형의 경로 구간의 속성 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭 결정하는 단계를 포함한다. 출발지 및 목적지의 표시가 수신되면, 방법은 경로 구간의 선택을 제한하기 위해 상기 정량적 메트릭을 적용하는 것을 포함하여, 상기 사용자에 대해 상기 출발지와 상기 목적지 사이의 내비게이션 경로를 생성하는 단계를 포함한다.

다른 예시적 실시예는 하나 이상의 프로세서 및 컴퓨터 판독가능 메모리를 포함하는 시스템이다. 메모리는 명령어를 저장하며, 상기 명령어는 하나 이상의 프로세서에 의해 실행될 때 시스템으로 하여금 사용자가 이전에 통과한 각각의 출발지와 목적지 사이의 다수의 경로를 나타내는 경로 데이터를 획득하게 한다. 또한 명령어는 상기 시스템으로 하여금 지도 데이터를 사용하여, 경로 구간 데이터를 생성하기 위해 제1 유형의 경로 구간 및 상기 다수의 경로 내에서 적어도 하나의 다른 유형의 경로 구간을 식별하게 하고, 그리고 상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여, 상기 사용자에 의핸 내비게이션 경로의 선택에서 상기 제1 유형의 경로 구간과 상기 적어도 하나의 다른 유형의 경로 구간 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭 결정하게 한다. 출발지와 목적지의 표시가 수신되면, 명령어는 시스템으로 하여금 경로 구간의 선택을 제한하기 위해 상기 정량적 메트릭을 적용하는 것을 포함하여, 상기 사용자에 대해 상기 출발지와 상기 목적지 사이의 내비게이션 경로를 생성하게 하는 것을 포함한다.

도 1은 파라미터 간의 트레이드-오프를 고려하여 내비게이션 경로를 생성하는 기법이 구현될 수 있는 시스템의 블록도이다.
도 2a는 트레이드-오프 제어기가 도 1의 시스템의 컴포넌트로서 동작할 수 있는 후보 내비게이션 경로의 순위를 정하도록 구성된 서브시스템의 블록도이다.
도 2b는 트레이드-오프 제어기를 포함하는 경로 생성기가 도 1의 시스템의 컴포넌트로서 동작할 수 있는 순위화된 후보 내비게이션 경로를 생성하는 서브시스템의 블록도이다.
도 3은 도 1의 시스템에서 구현될 수 있는 파라미터들 간의 트레이드-오프를 표시하는 하나 이상의 정량적 메트릭을 고려하여 순위화된 후보 내비게이션 경로를 생성하는 예시적 방법의 흐름도이다.
도 4는 도 1의 시스템이 구현할 수 있는 전체 통행료를 계산하기 위한 내비게이션 경로의 분할을 개략적으로 도시한다.
도 5는 도 1의 시스템이 파라미터들 간의 트레이드-오프를 나타내는 정량적 메트릭을 생성하기 위해 사용할 수 있는 예시적 기계 학습 모델의 블록도이다.
도 6a는 도 1에 도시된 지리 애플리케이션이 특정 내비게이션 경로에 대한 통행료 추정치를 제공하기 위해 생성할 수 있는 예시적 사용자 인터페이스 화면이다.
도 6b는 도 1에 도시된 지리 애플리케이션이 다수의 대체 내비게이션 경로에 대한 각각의 통행료 추정치를 제공하기 위해 생성할 수 있는 예시적 사용자 인터페이스 화면이다.
도 6c는 도 1에 도시된 지리 애플리케이션이 특정 내비게이션 경로에 대한 통행료 추정치를 제공하기 위해 생성할 수 있는 또 다른 예시적 사용자 인터페이스 화면이다.
도 6d는 도 1에 도시된 지리 애플리케이션이 다수의 대체 내비게이션 경로에 대한 각각의 통행료 추정치를 제공하기 위해 생성할 수 있는 예시적 사용자 인터페이스 화면이다.
도 6e는 통행료 및 높은 점유 차량(HOV) 결제 정보를 제공하기 위해 도 1에 도시된 지리 애플리케이션이 생성할 수 있는 예시적 사용자 인터페이스 화면이다.
도 6f는 도 1에 도시된 지리 애플리케이션이 트레이드-오프 설정을 조정하기 위해 사용자에게 제공할 수 있는 예시적 사용자 인터페이스 화면이다.
도 7은 도 1의 시스템에서 구현될 수 있는 파라미터 간의 트레이드-오프를 나타내는 정량적 메트릭을 사용하여 출발지와 목적지 사이의 내비게이션 경로를 생성하는 예시적 방법의 흐름도이다.
도 8a는 도 1의 시스템에서 구현될 수 있는 단일 드라이버 및 HOV 시나리오 간의 비용 차이에 기초하여 잠재적 카풀 매칭을 위한 신호를 생성하기 위한 예시적 방법의 흐름도이다.
도 8b는 카풀을 포함하는 우회를 포함하는 경로 옵션을 개략적으로 도시한다.
도 8c는 도 1의 시스템이 구현할 수 있는 도 8b에 도시된 옵션에 따라 우회 비용을 추정하기 위한 예시적 방법의 흐름도이다.
도 9는 도 1의 시스템에서 구현될 수 있는 유료 도로와 관련된 리마인더를 생성하기 위한 예시적 방법의 흐름도이다.

본 개시는 사용자의 내비게이션 결정에서 파라미터들 사이의 트레이드-오프를 나타내는 정량적 메트릭을 계산하고 적용하기 위한 기법 뿐만 아니라 내비게이션 길안내를 생성하기 위한 다른 기법을 설명한다. 아래에서 논의되는 바와 같이, 정량적 메트릭은 다른 파라미터에 대한 파라미터의 중요성을 고려하여 지리적 서비스가 시간, 거리, 난이도, 비용 등으로 파라미터화된 내비게이션 경로를 생성하는 방법을 나타낼 수 있다. 지리적 서비스는 이 메트릭을 자동으로 또는 명시적인 사용자 입력에 따라 결정할 수 있다.

이러한 기법을 구현할 수 있는 예시적 통신 시스템(100)이 먼저 도 1을 참조하여 논의되고, 그 다음에는 트레이드-오프 제어기가 후보 내비게이션 경로를 생성하고 순위를 매기는 예시적 서브시스템에 대한 논의가 도 2a 및 2b를 참조하여 설명된다.

통신 시스템(100)은 예를 들어 퍼스널 컴퓨터, 태블릿 컴퓨터 또는 스마트폰과 같은 휴대용 디바이스, 웨어러블 컴퓨팅 디바이스, 특수 목적의 자동차 내비게이터, 차량의 헤드 유닛에 내장된 디바이스일 수 있는 클라이언트 컴퓨팅 디바이스(102)를 포함한다. 통신 시스템(100)은 일반적으로 임의의 적절한 수의 클라이언트 컴퓨팅 디바이스를 포함할 수 있다.

통신 시스템(100)은 지도 및 내비게이션 서비스 제공자에 의해 동작되는 하나 이상의 지리 데이터 서버(104)를 더 포함한다. 서버(104)는 클라이언트 컴퓨팅 디바이스(102) 및 다른 클라이언트 디바이스에 지도 데이터 및 내비게이션 데이터를 제공할 수 있다. 일반적으로, 통신 시스템(100)은 기차, 버스, 페리 등에 대한 스케줄링 및 라우팅 정보 제공자와 같은, 교통과 관련된 콘텐츠 및/또는 데이터베이스 제공자의 임의의 적절한 수를 포함할 수 있다.

또한, 통신 시스템(100)은 서버에 특정 위치에 대한 통행료 정보(예를 들어, 다양한 차량 유형에 대한 요금, 하루 중 시간, 요일, 점유 수준)를 제공할 수 있는 서드 파티 도로 정보 제공자(106) 뿐만 아니라, 서버(104)가 통행료 결제를 지원하고, 결제 상태를 확인하고, 가입을 관리하기 위해 통신할 수 있는 결제 시스템(108)을 포함한다.

서버(104)는 다양한 지리적 영역에 대한 지도 데이터를 저장하는 지도 데이터베이스(140)에 통신 가능하게 결합될 수 있다. 지도 데이터는 도로, 건물, 호수, 강, 공원 등과 같은 지리적 피처의 형상 및 다양한 속성을 특정할 수 있다. 지도 데이터는 벡터 그래픽, 래스터화된 이미지, 레이블 텍스트 등과 같은 적절한 형식을 따를 수 있고, 임의의 적절한 원칙에 따라 구성된다(예: 특정 확대/축소 수준에서 동일한 영역을 포함하는 정사각형 지도 타일). 지도 데이터는 거리 수준 이미지와 다양한 유리한 지점에서 찍은 사진도 포함될 수 있다. 또한, 지리적 영역에 대한 지도 데이터는 지리적 영역 내의 각 위치에 있는 오프라인 비즈니스에 대한 정보(영업 시간, 제품 및 서비스 설명, 사용자 리뷰 등)를 포함할 수 있다.

서버(104)는 또한 다양한 도로 구간 S1, S2 등에 대해, 예를 들어 개별 경험에 기초하여 다양한 운전자에 의해 보고되거나 또는 사고 보고의 수에 기초하여 결정된 난이도와 같은 특정 속성의 표시를 저장하는 도로 구간 속성 데이터베이스(142)에 연결된다. 일부 구현예에서, 도로 구간 속성 데이터베이스(142)는 특정 구간에 대한 통행료 정보를 저장한다. 예를 들어 데이터베이스(142)의 기록은 도로 구간 Si를 통과하는데 결제가 필요함을 나타낼 수 있다. 시나리오에 따라 기록은 차량 유형, 시간, 요일 등에 따라 다른 금액을 표시할 수 있다. 또한 기록은 통행료를 징수하는 기관, 결제 유형(예: 수동, 전자식, 카메라 기반), HOV 할인 가부 등을 식별할 수 있다. 또한, 기록은 아래에서 자세히 설명하는 것처럼 계산에 적용되는 규칙을 나타낼 수 있다. 데이터베이스(142)는 통행료 부스 및/또는 자동 통행료 징수기, 인근 도로 입구 또는 출구, GPS(Global Positioning System)의 좌표 등과 같은 임의의 적절한 방식으로 도로 구간을 구분할 수 있다.

또한, 서버(104)는 다수의 사용자에 대한 익명화된 궤적을 저장하는 과거 경로 데이터베이스(144)에 연결되며, 이들 각각은 위치/시간 튜플로 구성된 시계열일 수 있다. 일부 구현예에서, 사용자가 경로 구간의 파라미터 간 트레이드-오프를 평가하는 방법을 나타내는 정량적 메트릭을 포함하여, 내비게이션에 관한 사용자의 선호도를 결정하기 위해 서버(104)가 사용자의 과거 경로 데이터를 사용할 수 있음을 나타내기 위해 사용자는 특정 제어를 동작 및/또는 특정 애플리케이션을 설치한다.

보다 구체적인 예로서, 데이터베이스(144)의 데이터는 사용자가 여러 통행료 구간 Stoll1, Stoll2,… StollN을 포함하는 내비게이션 경로를 따라 위치 L1과 L2 사이를 이동했고, 사용자가 내비게이션 경로를 통과하는데 평균 시간 T가 소요되었다고 표시할 수 있다. 지도 데이터베이스(140) 및 관련 데이터(예를 들어, 교통 데이터)의 가능한 다른 소스와 함께 이 데이터를 사용하여, 지리 데이터 서버(104)는 L1과 L2 사이의 대체 내비게이션 경로가 유료 구간을 포함하지 않지만 평균적으로 통과하는데 상이한 시간 T'가 소요된다고 결정할 수 있다. 따라서, 지리 데이터 서버(104)는 전체 통행료를 시간 T와 T'사이의 차이와 비교할 수 있다.

또한, 데이터베이스(144)는 일부 경우에 사용자에 의한 내비게이션 경로의 과거 선택을 나타내는 보다 명확한 신호를 저장한다. 예를 들어, 사용자는 목적지까지의 내비게이션 길안내를 요청하고, 지리 데이터 서버(104)로부터 여러 후보 내비게이션 경로를 수신하여, 하나의 후보 내비게이션 경로는 통행료지만 더 적은 시간을 필요로하는 반면 다른 후보 내비게이션 경로는 통행료를 포함하지 않지만 더 많은 시간이 필요로 하고, 이러한 후보 중에서 내비게이션 경로를 명시적으로 선택할 수 있다. 일반적으로, 사용자는 명시적으로 요청하고 선택하거나, 요청된 내비게이션 경로와 관련이 없는 내비게이션 경로와 관련하여(예를 들어, 사용자가 자신의 위치 데이터를 공유하기로 선택한 경우), 임의의 적절한 형식으로 과거 내비게이션 경로의 표시를 데이터베이스(144)에 제공하도록 선택할 수 있다.

사용자 선호도 데이터베이스(146)는 사용자에 의해 보고된 추가 선호도를 저장할 수 있다. 예를 들어, 사용자는 자신이 통행료를 피하는 것을 선호함을 나타내도록 개인 프로필을 구성할 수 있다. 더욱이, 시스템(100)의 일부 구현예에서, 그녀는 서버(104)가 도로 파라미터 사이의 트레이드-오프에 대한 정량적 메트릭을 생성하는데 기초한 규칙을 추가로 특정한다. 예를 들어, 사용자는 클라이언트 컴퓨팅 디바이스(102)를 동작하여 그녀가 절약된 시간 각 N분을 통행료 결제시 X달러 이상으로 평가하지 않는다고 명시적으로 특정할 수 있다.

더 구체적으로, 클라이언트 컴퓨팅 디바이스(102)는 하나 이상의 프로세서(152), 비일시적 메모리(150)(예를 들어, 하드 디스크, 영구 및/또는 비영구 스토리지 컴포넌트를 구현하기 위한 플래시 드라이브)와 같은 프로세싱 하드웨어, 터치 스크린, 키보드, 마이크로폰 등과 같은 입력 디바이스와 화면, 스피커 등과 같은 출력 디바이스의 임의의 적절한 조합을 포함할 수 있는 사용자 인터페이스(154)를 포함할 수 있다. 메모리(150)는 서버(104)로부터 네비게이션 경로 및 기타 네비게이션 데이터를 수신하고 사용자 인터페이스(154)를 통해 네비게이션 경로를 포함하는 네비게이션 길안내를 제공하도록 구성된 지리 애플리케이션(160)을 구현하는 명령어를 저장한다. 다양한 구현예에서, 지리 애플리케이션(160)은 또한 인터렉티브 디지털 지도, 포지셔닝 정보 등을 제공할 수 있다. 클라이언트 컴퓨팅 디바이스(102)는 또한 클라이언트 컴퓨팅 디바이스(102)의 포지션을 검출하기 위한 GPS(Global Positioning System) 모듈, 클라이언트 컴퓨팅 디바이스(102)의 방향을 결정하기 위한 나침반, 회전 및 기울기, 가속도를 결정하기 위한 자이로스코프 등과 같은 다양한 센서(혼잡함을 피하기 위해 도시되지 않음)를 포함할 수 있다.

일부 시나리오에서, 클라이언트 디바이스(102)는 소위 투영 모드에서 동작하기 위해 차량의 헤드 유닛에 결합된다. 보다 구체적으로, 클라이언트 디바이스(102)는 헤드 유닛에 내장된 터치 스크린, 차량의 스피커 등을 통해 출력을 제공할 수 있으며, 이에 따라 터치 스크린, 헤드 유닛에 내장된 마이크 등을 통해 입력을 수신할 수 있다. 클라이언트 디바이스(102) 헤드 유닛은 범용 직렬 버스(USB) 링크, Bluetooth® 또는 다른 적절한 무선 개인 영역 네트워크(WPAN) 링크, WiFi® 또는 다른 적절한 무선 근거리 통신망(WLAN) 링크 등과 같은 단거리 유선 또는 무선 통신 링크를 통해 통신할 수 있다.

도 1을 계속 참조하면, 서버(104)는 크라우드 소싱 기법을 구현하고 운전자로부터 도로 구간 속성의 표시를 수신한다. 예를 들어, 차량(120A, 120B, 120C) 등의 운전자는 휴대용 디바이스를 사용하거나(예를 들어, 지리 애플리케이션(160)과 유사한 지리 애플리케이션(124A, 124B)을 통해) 또는 대응하는 차량에 내장된 컴포넌트(124C)를 사용하여 다가오는 통행료를 보고할 수 있다. 보다 일반적으로, 서버(104)는 서드파티 피드, 도로에 설치된 센서, 도로 표지판 또는 전자 통행료 징수(ETC) 설치 등을 식별하기 위해 클라이언트 디바이스 또는 대시보드 카메라에 의해 캡처된 이미지를 프로세싱하는 이미징 소프트웨어와 같은 임의의 적절한 소스로부터 도로 구간 속성에 관한 정보를 수신할 수 있다.

서버(104), 서드파티 도로 정보 제공자(106) 및 결제 시스템(108)은 예를 들어 인터넷과 같은 광역 네트워크 일 수 있고 유선 및/또는 무선 통신 링크를 포함하는 네트워크(110)를 통해 상호 연결될 수 있다. 클라이언트 컴퓨팅 디바이스(102)는 또한 네트워크(110)를 통해 서버(104)에 액세스할 수 있고, 이들 차량에서 동작하는 차량(120A, 120B, 120C) 및/또는 휴대용 디바이스는 네트워크(110)를 통해 서버(104)에 액세스할 수 있다.

도 1에 도시된 바와 같이, 서버(104)는 파라미터 추정 모듈(172) 및 트레이드-오프 제어기(174)를 포함하는 라우팅 엔진(170)을 포함할 수 있다. 동작시, 모듈(172)은 다양한 도로 구간 또는 도로 구간을 포함하는 경로에 대한 추정치를 생성한다. 예를 들어, 모듈(172)은 통행료 징수와 연관된 여러 도로 구간을 통과하는 재정적 비용을 추정할 수 있거나, 운전자가 과거에 어려움을 보고한 여러 구간을 포함하는 경로의 전체 난이도를 추정할 수 있다. 라우팅 엔진(170)은 트레이드-오프 제어기(174)를 사용하여 특정된 출발지 및 목적지에 대한 내비게이션 경로를 생성하여, 도로 파라미터(예를 들어, 시간 및 난이도, 시간 및 비용) 간의 관계를 고려하여 내비게이션 경로의 선택을 제한한다.

더 명확하게하기 위해, 도 2a 및 2b는 트레이드-오프 제어기를 포함하는 서브시스템의 여러 예시적 구현예를 도시한다. 이러한 서브시스템의 컴포넌트는 하드웨어, 소프트웨어, 펌웨어 또는 하드웨어, 소프트웨어 및 펌웨어의 적절한 조합을 사용하여 구현될 수 있다.

먼저 도 2a를 참조하면, 서브시스템(200)은 트레이드-오프 제어기(204A) 및 경로 생성기(202A)에 연결된 통행료 추정 모듈(206A)을 포함한다. 경로 생성기(202A) 및 통행료 추정 모듈(206A)은 각각 트레이드-오프 제어기(174) 및 파라미터 추정 모듈(172)로서 동작할 수 있고, 도 2a에 예시된 다른 모듈들도 도 1의 라우팅 엔진(170)의 컴포넌트로서 동작할 수 있다. 아래에서 더 상세히 논의되는 바와 같이, 트레이드-오프 제어기(204A)는 경로 생성기(202A)가 출력하는 후보 내비게이션 경로의 순위를 정하도록 구성된다.

특히, 경로 생성기(202A)는 예를 들어 출발지 및 목적지 신호(210), 요청 시간(212), 카풀 정보(214) 등을 포함하는 내비게이션 길안내에 대한 사용자 요청을 기술하는 신호를 수신한다. 경로 생성기(202A)는 또한 예를 들어 지도 데이터(220), 교통 데이터(222), 날씨 데이터(225), 연료 가격 데이터(226)(경로가 하나 이상의 연료 탱크 리필을 요구하기에 충분하게 긴 경우) 등과 같은 사용자에게 특정적이지 않은 신호를 수신한다. 경로 생성기(202A)는 더 적은 신호 또는 반대로 사용자 차량의 연료 상태, 주유소의 위치, 연료 소비 등과 같은 임의의 수의 추가 신호를 사용할 수 있다. 트레이드-오프 제어기(204A)는 내비게이션 길안내에 대한 요청(예를 들어, "오후 3시 이전에 목적지에 도착해야 함")과 연관된 타이밍 요구사항(216), 경로 생성기(202A)가 출력하는 후보 경로(240), 그리고 통행료 추정 모듈(206A)이 후보 경로(240)에 기초하여 생성하는 추정치(242)를 입력으로서 수신한다. 또한, 서브시스템(200A)은 도로 난이도와 시간 또는 통행료(들)와 시간 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭과 같은 사용자에 대한 하나 이상의 정량적 메트릭을 추정하기 위해 사용자 선호도 기계 학습 모델(230)을 활용할 수 있다. 사용자 선호도 기계 학습 모델(230)은 이 예시적 구현예에서 추가 입력(232)으로서 트레이드-오프 제어기(204A)에 하나 이상의 메트릭을 제공한다. 트레이드-오프 제어기(204A)는 후보 경로(240)에 기초하고 사용자 메트릭(232)을 고려하여 순위가 매겨진 후보 경로(250A)를 생성한다.

동작 중에, 경로 생성기(202A)는 신호(210)에 의해 특정된 출발지와 목적지 사이에 다수의 후보 내비게이션 경로 R1, R2,… RN을 생성할 수 있다. 이를 위해, 경로 생성기(202A)는 (지도 데이터(220)에 제공된) 현실 세계 지리의 설명을 사용하여 위치 간의 경로를 식별하기 위한 임의의 적절한 기법을 적용할 수 있으며, 예를 들어, 시간 또는 거리를 고려하여 후보 내비게이션 경로 R1, R2,… RN를 최적화하기를 시도한다. 경로 생성기(202A)는 트래픽(신호(222) 사용)과 같은 실시간 팩터를 고려하여 요청 시간(신호(212))에 대해 특히 경로를 최적화할 수 있다. 일부 구현예에서, 경로 생성기(202A)는 또한 후보 경로를 식별하기 위해 추가 가중치로서 연료 가격 데이터(226) 및 카풀 정보(214)를 적용한다.

사용자 선호도 기계 학습 모델(230)에 의해 출력된 사용자 메트릭(232)은 다른 파라미터(예를 들어, 시간)에 대해 구체적으로 측정된 특정 파라미터(예를 들어, 경로 난이도, 비용)의 가능한 가중치를 나타낼 수 있다. 따라서, 예를 들어, 기계 학습 모델(230)은 사용자가 N분의 절약된 시간을 X달러로 평가함을 나타내기 위해 사용자 메트릭(232)을 생성할 수 있다. 기계 학습 모델(230)은 도 5를 참조하여 아래에서 더 상세히 논의되는 바와 같이, 사용자가 이전에 통과한 내비게이션 경로와 관련된 다양한 신호 세트에 기초하여 이 신호를 생성할 수 있다. 대안적으로, 다른 컴포넌트는 알고리즘적으로 입력(232)을 생성한다(예를 들어, 특정 통행료 수와 대응하는 절약된 시간(분) 사이의 비율을 계산함으로써). 또 다른 대안으로서, 지리 애플리케이션(160)과 같은 소프트웨어 애플리케이션은 사용자 입력에 기초하여 사용자 메트릭(232)을 생성할 수 있다.

일부 구현예에서, 모델(230)은 사용자 메트릭(232)의 일부로서 컨텍스트 특정 메트릭 세트를 생성한다. 예를 들어, 모델(230)은 사용자가 비교적 긴 경로(예를 들어, 50 마일 이상)를 통과할 때 시간과 비용 간의 트레이드-오프를 위한 하나의 메트릭을 생성하고, 사용자가 비교적 짧은 거리를 통과할 때 시간과 비용 간의 트레이드-오프를 위한 다른 메트릭을 생성할 수 있다. 이러한 여러 메트릭은 특정 예시적 사용자의 경우 여행이 길 때 비용을 절감하려는 선호도와 다른 한편으로는 여행이 짧을 때 시간을 줄이는 선호도를 더 잘 반영할 수 있다. 다른 예로서, 모델(230)은 사용자가 주간에 운전할 때 시간과 경로 난이도 사이의 트레이드-오프를 위한 하나의 메트릭과 사용자가 야간에 운전할 때 어려운 시간과 경로 사이의 트레이드-오프를 위한 다른 메트릭을 생성할 수 있다. 예를 들어 특정 사용자는 어두울 때 사고가 발생하기 쉬운 경로 구간에서 운전하는 것을 피하는 것을 선호할 수 있지만, 같은 사용자는 주간(또는 하늘이 흐리지 않을 때)에 유사한 경로 구간에서 운전하는 것을 꺼리지 않는다.

도 2b는 일반적으로 서브시스템(200A)과 유사한 서브시스템(200B)을 도시하지만, 이 구현예에서 경로 생성기(202B)는 요금 추정 모듈(206B) 및 트레이드-오프 제어기(204B)를 포함한다. 경로 생성기(202B) 및 통행료 추정 모듈(206AB)은 각각 트레이드-오프 제어기(174) 및 파라미터 추정 모듈(172)로서 동작할 수 있고, 도 2b에 도시된 다른 모듈들도 도 1의 라우팅 엔진(170)의 컴포넌트로서 동작할 수 있다. 도 2a의 구현예와는 달리, 트레이드-오프 제어기(204B) 및 요금 추정 모듈(206B)은 순위화된 후보 경로(250B)를 생성하기 위해 경로 생성기(202B)의 컴포넌트로서 동작한다. 즉, 이 구현예에서 경로 생성기(202B)는 트레이드-오프 제어기(204B)의 출력을 사용하여 후보 경로(250B)를 선택하고 순위를 매긴다.

일부 시나리오에서, 모델(230)은 사용자에 대한 데이터의 부족으로 인해 사용자 특정 메트릭(232)을 생성할 수 없다. 이러한 경우에, 트레이드-오프 제어기(134A 또는 134B)는 사용자 메트릭의 초기 값을 결정하기 위해 다른 사용자의 선호도를 사용할 수 있다. 예를 들어, 트레이드-오프 제어기(134A 또는 134B)는 특정 출발지 및 특정 목적지에 대해 사용자의 76%가 더 저렴한 경로보다 빠른 경로를 선호한다고 결정할 수 있으며, 초기에 메트릭(232)을 이 값으로 설정할 수 있다.

이제 도 3을 참조하면, 파라미터들 간의 트레이드-오프를 나타내는 하나 이상의 정량적 메트릭을 고려하여 순위화된 후보 내비게이션 경로를 생성하기 위한 예시적 방법(300)이 지리 데이터 서버(104) 또는 다른 적절한 디바이스 또는 디바이스 그룹에서 구현될 수 있다(편의상, 이 방법은 지리 데이터 서버(104)를 참조하여 아래에서 설명된다). 방법(300)은 하나 이상의 프로세서와 같은 하드웨어를 프로세싱함으로써 실행 가능한 명령어 세트로서 구현될 수 있다.

블록 302에서, 지리 데이터 서버(104)는 내비게이션 길안내에 대한 요청을 수신한다. 요청은 임의의 적절한 형식(예: 관심 지점, 주소, GPS 좌표)으로 출발지와 목적지를 나타낼 수 있다. 일부 시나리오에서, 클라이언트 디바이스(102)는 사용자가 명시적으로 또는 묵시적으로(예를 들어, 인터렉티브 지도에서 관심 지점을 선택함으로써) 내비게이션 길안내에 대한 초기 요청을 제출할 때 내비게이션 길안내에 대한 요청을 생성한다. 다른 시나리오에서, 클라이언트 디바이스(102)는 주기적으로, 또는 사고로 인한 급격한 속도 감소와 같은 이벤트에 대한 응답으로, 클라이언트 컴퓨팅 디바이스(102)가 이전에 수신된 내비게이션 길안내를 따르는 동안 내비게이션 길안내에 대한 업데이트된 요청을 생성한다. 또한, 일부 경우에 클라이언트 디바이스(102)의 사용자는 경로에 다른 경유지를 추가하거나 그렇지 않으면 경로를 수정하도록 선택할 수 있고, 이에 따라 클라이언트 디바이스(102)는 새로운 파라미터를 포함하는 업데이트된 요청을 지리 데이터 서버(104)에 전송할 수 있다. 더욱이, 사용자는 도 6f를 참조하여 더 논의된 바와 같이 하나 이상의 트레이드-오프를 수정하도록 선택할 수 있다(예를 들어, 어두워짐에 따라 안전 경로의 중요성을 증가시킨다).

다음으로, 블록 304에서, 지리 데이터 서버(104)는 필요한 도착 시간과 같은 타이밍 요구사항 및/또는 예를 들어 카풀 파트너의 잠재적 존재와 같은 다른 컨텍스트 신호를 수신한다.

다음으로, 블록 306에서, 지리 데이터 서버(104)는 경로 파라미터들 간의 트레이드-오프에 대한 하나 이상의 사용자 특정 정량적 메트릭을 획득한다. 위에서 논의한 바와 같이 이 정량적 메트릭은 시간과 같은 하나의 파라미터가 비용과 같은 다른 파라미터와 어떻게 관련되는지를 측정할 수 있다. 다시 말해서, 지리 데이터 서버(104)는 다른 파라미터의 관점에서 하나의 파라미터를 표현하는 함수에 의해 내비게이션 경로의 선택을 제한할 수 있다. 지리 데이터 서버(104)는 블록 308에서 하나 이상의 메트릭을 고려하여 후보 경로를 생성하고 순위를 매긴다. 지리 데이터 서버(104)는 예를 들어 지리 애플리케이션(160)에 의해 사용자에게 디스플레이하기 위해 클라이언트 컴퓨팅 디바이스(102)와 같은 디바이스에 순위화된 후보 경로를 전송할 수 있다.

도 4는 도 1의 파라미터 추정 모듈(172) 또는 다른 적절한 모듈이 구현할 수 있는 전체 통행료를 계산할 목적으로 출발지(402)와 목적지(404) 사이의 내비게이션 경로(406A)의 분할을 개략적으로 도시한다. 내비게이션 경로(406A)는 통과하는데 일정한 시간(T1)이 필요하며, 통행료와 연관된 여러 섹션, 특히 섹션(410, 412 및 414)을 포함한다. 도 4는 또한 동일한 출발지(402)와 동일한 목적지(404) 사이의 대체 경로(406B)를 도시한다. 대체 경로(406B)는 통행료 징수와 연관된 섹션을 포함하지 않지만, 통과하는데 평균적으로 더 많은 시간(T2)이 필요한다.

일부 시나리오에서, 서버(104)는 지도 데이터베이스(140) 및 도로 구간 속성 데이터베이스(142)의 정보를 사용하여 내비게이션 경로(406A 및 406)의 기술을 생성한다. 과거 경로 데이터(144)가 내비게이션 경로(406A) 및/또는 내비게이션 경로(406B)를 통과하는 사용자의 표시를 포함하는 경우, 서버(104)는 시간 T1 및 T2뿐만 아니라 내비게이션 경로(406A 및 406B)에 대한 각각의 통행료 지불(있는 경우)을 비교할 수 있다. 서버(104)는 사용자에 대한 비용과 시간 사이의 트레이드-오프를 측정하는 정량적 메트릭을 계산할 때 데이터 포인트 중 하나로서 이러한 차이를 사용할 수 있다.

구간(410, 412 및 414)의 전체 비용을 결정하기 위해, 추정 모듈(172)은 적용 가능한 가격 모델을 선택할 수 있다. 일례로서, 추정 모듈(172)은 각각의 구간(410, 412 및 414)과 연관된 각각의 고정 비용이 있는 고정 통행료 모델을 적용할 수 있다. 추정 모듈(172)이 증분 통행료 모델을 적용하는 경우, 사용자가 지불할 것으로 예상해야 하는 전체 금액은 사용자가 도로에서 소비하는 시간 및/또는 운전자가 통과하는 연속 구간의 수에 따라 변경된다. 따라서, 예를 들어, 구간(410, 412 및 414)의 시퀀스를 포함하여 구간 전체 경로(406A)를 통과하는 비용은 구간(410, 412 및 414) 각각을 개별적으로 통과하는 비용의 합보다 높을 수 있다.

또한, 일부 경우에 추정 모듈(172)은 비용이 특정 시간에 교통 상황에 따라 달라지는 동적 통행료 모델을 적용할 수 있다. 보다 특정한 예로서, 예를 들어 구간(410)에 대한 통행료는 트래픽이 증가함에 따라 증가할 수 있고, 따라서 트래픽이 감소함에 따라 감소할 수 있다. 또한, 사용자의 차량에 여러 명의 승객이 있는지 여부에 따라 통행료가 변경될 수 있다(예: 사용자가 카풀에 참여하는 경우 감소).

또한, 추정 모듈(172)은 차량의 유형(예를 들어, 상이한 차 크기에 대한 상이한 금액, 하이브리드 또는 전기 자동차에 대한 통행료가 낮거나 심지어 없음, 오토바이에 대한 통행료가 낮거나 없음, 트럭에 대한 더 높은 통행료); 일부 사용자가 가질 수 있는 결제 서비스에 대한 특별 허가 및/또는 가입; 요일(예: 주말에 낮은 통행료), 시간대, 공휴일과 같은 특별한 날짜 등과 같은 추가 신호를 고려하여 통행료를 추정할 수 있다.

어느 경우이든, 도 4의 예의 추정 모듈(172)은 내비게이션 경로(406A)에 대한 통행료 결제의 추정치를 생성할 수 있고, 지리 애플리케이션은 사용자 인터페이스(154)를 통해 내비게이션 경로(406A)가 내비게이션 길안내에 대한 사용자 요청에 대응하는 경우 통행료의 추정된 총계를 디스플레이할 수 있다(도 6a 참조). 한편, 추정 모듈(172)은 유사하게 내비게이션 경로(406A)가 대응하는 경우 사용자가 이전에 통과한 경로인 경우, 총 통행료를 추정할 수 있다(아래 도 5 참조).

도 4의 시나리오는 도로에서 수집된 통행료만을 포함하지만, 일반적으로 추정 모듈(172)은 멀티 모드 내비게이션 경로뿐만 아니라 다른 이동 모드에 대한 추정치를 생성할 수 있다. 이러한 멀티 모드 내비게이션 길안내의 한 예는 자동차가 통과하는 구간과 차량이 페리로 운송되는 또 다른 구간을 포함한다. 다른 예는 클라이언트 디바이스(102)의 사용자가 대중 교통을 사용하여 경로의 일부를 통과하고 다른 부분을 도보로 통과하고, 경로의 일부를 운전하고 대중 교통을 사용하여 다른 일부를 통과하고, 그 일부를 자전거로 다른 부분은 도보로 커버하는 내비게이션 길안내를 포함할 수 있다. 이러한 경우에, 추정 모듈(172)은 위에서 논의된 모델의 임의의 적절한 조합을 적용할 수 있다.

이제 도 5를 참조하면, 일부 구현예에서 라우팅 엔진(170)은 다양한 입력 신호, 대응하는 라벨, 사용자 피드백 데이터 등을 사용하여 사용자 선호도 기계 학습 모델(230)을 트레이닝한다(이는 사용자 메트릭을 도 2a 및 2b에 도시된 바와 같이 트레이드-오프 제어기에 제공할 수 있다). 라우팅 엔진(170)은 트레이닝 데이터로서 과거 경로 데이터베이스(144)로부터 다양한 입력을 수신하고 이 데이터를 피처 추출 함수(502)를 통해 모델(230)에 적용할 수 있다.

예를 들어, 특징 추출 함수(502)는 위치 간의 경로(신호 510), 사용자가 경로를 통과한 시간 표시(신호 512), 경로의 전체 비용 추정(신호 514), 사용자가 경로를 통과할 때 HOV 차선, HOV 요금 등을 사용했는지 여부를 나타내는 카풀 정보(신호 520), 사용자가 경로를 통과한 시간(신호 522), 사용자가 경로를 통과한 때의 날씨(신호 524)를 수신할 수 있다. 피처 추출 함수(502)는 사용자가 통과한 과거 경로를 기술하는 데이터의 일부로서 신호(510, 512, 520, 522, 524 등)를 수신할 수 있다. 추정된 비용 신호(514)를 생성하기 위해, 파라미터 추정 모듈(172)은 도 4를 참조하여 위에서 논의된 것과 같은 적절한 통행료 계산 기법을 적용할 수 있다. 다른 시나리오에서, 비용 신호(514)는 사용자에 의해 보고된 양에 대응한다. 보다 일반적으로, 피처 추출 함수(502)는 이동이 발생한 경로 또는 컨텍스트에 직접 관련된 임의의 수의 파라미터를 수신할 수 있다.

모델(230)을 더 효율적으로 트레이닝하기 위해(즉, 신뢰할 수 있는 예측 값에 더 빠르게 수렴하기 위해), 예시적 구현예에서, 피처 추출 함수(502)는 시간 파라미터 시간과 비용 파라미터 사이의 관계를 설명하는 피처 벡터(504)를 생성한다(또는 추가로 시간 파라미터와 비용 파라미터를 별도로 고려). 따라서 피처 추출 함수(502)는 함수 F(비용, 시간)를 사용하여 모델(230)을 트레이닝하는 것으로 간주될 수 있다. 이 특정 예에서 피처 벡터(504)는 출발지와 목적지(L1, L2) 튜플, 통행료를 포함하는 내비게이션 경로를 사용하여 위치 L1과 L2 사이를 이동하는 것과 연관된 시간, 통행료를 포함하는 내비게이션 경로를 사용하여 위치 L1과 L2 간 이동과 연관된 비용, 통행료를 포함하지 않는 내비게이션 경로를 사용하여 위치 L1과 L2 사이를 이동하는 것과 연관된 시간, 통행료를 포함하지 않는 내비게이션 경로를 사용하여 위치 L1과 L2 사이를 이동하는 것과 연관된 비용, 예를 들어 여행 시간과 같은 컨텍스트 신호를 요소로서 포함하는 벡터이다. 피처 벡터(504)는 사용자가 내비게이션 경로를 유료 또는 무료 경로를 선택했는지 여부의 표시와 같은 라벨을 포함할 수 있다.

라우팅 엔진(170)은 피처 벡터(504)의 다수의 인스턴스뿐만 아니라 지도 데이터(220) 및/또는 모든 사용자에게 공통적인 다른 데이터를 사용하여 모델(230)을 트레이닝할 수 있다. 라우팅 엔진(170)은 시간과 비용 사이의 트레이드-오프를 측정하기 위해 정량적 메트릭(232)을 생성할 수 있다. 모델(230)은 또한 사용자가 여러 후보 경로 중에서 미래에 선택할 내비게이션 경로에 대한 예측(530)을 생성할 수 있다. 피드백 프로세싱(540)은 예측(530)의 품질을 평가할 수 있고(예를 들어, 사용자가 예측에 후속하여 어떤 옵션을 선택했는지에 대한 표시를 프로세싱함으로써), 모델(230)을 계속 트레이닝하기 위해 피처 추출 함수(502)에 피드백 데이터를 제공할 수 있다.

일부 구현예에서, 모델(230)은 또한 사용자에 대한 과거 경로 데이터에 기초하여, 사용자가 특정 기간 동안 미래에 통행료에 대해 지불할 가능성이 있는 금액을 추정한다. 지리 데이터 서버(104)는 이 추정치를 결제 시스템(108)으로부터 수신된 패스 또는 가입의 가격과 자동으로 비교할 수 있고, 일부 경우에 사용자가 유료 결제 계획에 가입하도록 제안을 생성할 수 있다. 보다 일반적으로, 모델(230)은 서버(104)가 사용자를 위해 유료 도로에 대한 최적의 구성을 결정할 수 있는 것에 기초하여 예측을 생성할 수 있다.

도 6a는 지리 애플리케이션(160)이 내비게이션 경로에 대한 통행료 추정치를 제공하기 위해 생성할 수 있는 예시적 사용자 인터페이스 화면(602)이다. 도 6a에 도시된 바와 같이, 사용자 인터페이스 화면(602)은 운전자가 목적지까지 가는 도중에 지불할 것으로 예상해야 하는 전체 예상 통행료의 표시를 포함한다. 단지 내비게이션 경로가 통행료를 포함한다는 표시를 제공하는 것보다, 지리 데이터 서버(104)는 (예를 들어, 도 4를 참조하여 논의된 기법을 사용하여) 경로의 전체 비용을 추정하고, 이 추정치를 사용자 인터페이스(154)를 통해 디스플레이하기 위해 지리 데이터 서버(104)에 제공한다.

도 6b의 예시적 사용자 인터페이스 스크린(604)은 다수의 대체 내비게이션 경로에 대한 각각의 요금 추정치를 포함한다. 도 6b에 도시된 바와 같이, 셋 이상의 후보 내비게이션 경로는 차량에 있는 세 명 이상의 사람들을 위한 HOV 옵션을 포함한다. 도 6c는 지리 애플리케이션(160)이 특정 내비게이션 경로에 대한 통행료 추정치를 제공하기 위해 생성할 수 있는 또 다른 예시적 사용자 인터페이스 화면(606)을 도시하고, 도 6d는 지리 애플리케이션(160)이 다수의 대체 내비게이션 경로에 대한 각각의 통행료를 제공하기 위해 생성할 수 있는 예시적 사용자 인터페이스 화면(608)이다. 도 6e는 통행료 및 높은 점유 차량(HOV) 결제 정보를 제공하기 위해 지리 애플리케이션이 생성할 수 있는 예시적 사용자 인터페이스 화면(610)이다.

도 6f를 참조하면, 지리 애플리케이션(160)은 사용자가 트레이드-오프에 대해 자신의 선호도를 지정할 수 있는 인터렉티브 제어(620-626)를 포함하는 사용자 인터페이스 화면(612)을 생성할 수 있다. 이 예시적 구현예에서 사용자는 시간과 통행료, 시간과 거리, 시간과 탄소 발자국, 시간과 어려운 기상 조건에서의 운전 사이의 트레이드-오프를 수치적으로 표현할 수 있다. 더 일반적으로, 지리 애플리케이션(160)은 경로 구간의 임의의 쌍의 파라미터(또는 3 개 이상의 파라미터의 그룹)에 대한 트레이드-오프 제어를 제공할 수 있다. 이 예시적 구현예에서, 사용자는 가상 노브를 회전하여 다른 파라미터에 대한 한 파라미터의 중요성을 지정할 수 있다. 도 6에 도시된 시나리오의 사용자는 시간이 통행료보다 훨씬 더 중요하다는 것을 지정하기 위해 가상 노브(620)를 조작했다. 사용자는 가상 노브(620)를 시계 반대 방향으로 회전하여 통행료보다 훨씬 더 중요한 시간을 만들거나, 반대로 가상 노브(620)를 시계 방향으로 회전하여 시간이 통행료와 동일하거나 통행료가 시간보다 더 중요하다는 것을 지정할 수 있다. 일반적으로 가상 노브(620-626)는 사용자가 임의의 원하는 입도 수준으로 임의의 수의 중간 값을 지정할 수 있도록 할 수 있다.

지리 애플리케이션(160)이 사용자에게 사용자 인터페이스 화면(612)을 제공할 때, 지리 애플리케이션(160)은 사용자가 통과한 과거 내비게이션 경로의 표시를 사용하여 지리적 데이터 서버(104)가 생성하는 정량적 메트릭에 기초하여 가상 노브(620-626) 각각에 대한 초기 설정을 얻을 수 있다. 예를 들어, 트레이드-오프 제어기(204A )는 하나 이상의 메트릭(232)을 생성하고 이러한 메트릭을 클라이언트 디바이스(102)에서 실행되는 지리 애플리케이션(160)에 제공한다. 그 후 지리 애플리케이션(160)은 이들 메트릭에 대응하는 초기 설정으로 노브(620-626)를 디스플레이할 수 있다. 사용자는 이러한 설정을 수락하거나 하나 이상의 설정을 수동으로 수정하여 해당 트레이드-오프의 정량적 메트릭을 조정할 수 있다. 그 후 지리 애플리케이션(160)은 새로운 정량적 메트릭을 지리 데이터 서버(104)로 전송할 수 있다.

지리 애플리케이션(160)은 사용자가 내비게이션 길안내에 대한 요청을 제출하기 전에 또는 특정 내비게이션 경로와 관련하여 사용자 인터페이스 화면(612)을 제공할 수 있다. 후자의 경우, 지리 애플리케이션(160)은 디스플레이할 노브(620-626) 및 요청의 컨텍스트를 고려하여 초기 설정을 결정할 수 있다. 전술한 바와 같이, 트레이드-오프 제어기(134)는 경로의 길이, 시간, 요일, 차량 탑승객 수, 사용자의 캘린더가 목적지의 이벤트를 포함하는지 여부 등을 고려하여 동일한 파라미터 쌍 사이의 트레이드-오프에 대한 서로 다른 메트릭을 적용할 수 있다.

다음으로, 지리 데이터 서버(104) 및/또는 지리 애플리케이션(160)이 구현할 수 있는 몇 가지 예시적 방법이 도 7-9를 참조하여 다음에 논의된다.

먼저 도 7을 참조하면, 라우팅 엔진(130)은 파라미터 간의 트레이드-오프를 나타내는 정량적 메트릭을 사용하여 출발지와 목적지 사이의 내비게이션 경로를 생성하기 위한 예시적 방법(700)을 구현할 수 있다.

블록 702에서, 라우팅 엔진(130)은 사용자가 이전에 통과한 경로를 나타내는 경로 데이터를 획득한다. 이를 위해 라우팅 엔진은 과거 경로 데이터베이스(144)를 사용할 수 있다. 특정 경로의 경우 경로 데이터는 출발지, 목적지, 출발지와 목적지 사이의 경로 구간 시퀀스 등을 지정할 수 있다. 일부 경우에, 경로 데이터는 경로가 연관된 컨텍스트의 표시를 포함한다(예: 사용자가 경로를 따라 이동한 시간, 요일, 승객의 유무 등).

다음으로, 블록 704에서, 라우팅 엔진(130)은 적어도 하나의 다른 유형의 구간뿐만 아니라 특정 유형의 경로 구간을 식별한다. 예를 들어, 라우팅 엔진(130)은 기하학적 구조로 인해 어려운 경로 구간(예를 들어, 특정 비율만큼 평균보다 좁은 차선, 특정 임계값 이상의 도로 곡률, 거리가 특정 임계값보다 작은 교차로에서 수렴하는 각도) 뿐만 아니라 어렵지 않은 차선을 식별하여, 각각 제1 유형과 다른 유형을 정의한다. 다른 예로서, 라우팅 엔진(130)은 무료인 경로 구간뿐만 아니라 통행료와 연관된 경로 구간을 식별할 수 있다.

블록 706에서, 라우팅 엔진(130)은 경로 데이터 및 경로 구간 데이터를 사용하여 이러한 상이한 유형의 경로 구간을 선택하는 것 사이의 트레이드-오프의 정량적 메트릭을 생성할 수 있다. 트레이드-오프는 전체 시간, 비용, 난이도 등과 같은 결과 내비게이션 경로의 속성에 해당할 수 있다. 보다 구체적인 예로서 트레이드-오프의 정량적 메트릭은 사용자가 시간을 절약하기 위해 수락하는 경향이 있는 경로 난이도의 함수 F1(난이도, 시간)일 수 있다. 다른 예로서, 트레이드-오프의 정량적 메트릭은 사용자가 이동 시간을 유사하게 줄이기 위해 지불하고자 하는 비용의 함수 F2(난이도, 시간)일 수 있다. 라우팅 엔진(130)은 도 5를 참조하여 논의된 것과 같은 기계 학습 기법, 적절한 알고리즘 또는 정량적 메트릭을 생성하기 위한 명시적 사용자 입력을 구현할 수 있다. 보다 일반적으로 정량적 메트릭은 내비게이션 경로의 속성 쌍 간의 관계를 설명할 수 있다.

다음으로, 블록 708에서, 라우팅 엔진(130)은 특정 출발지로부터 목적지까지의 내비게이션 지시에 대한 요청을 수신한다. 다양한 시나리오에서 요청은 예를 들어 타이밍 제한과 같은 추가 신호를 포함할 수 있다. 루틴 엔진(130)은 블록(710)에서 내비게이션 경로를 생성한다. 라우팅 엔진(130)은 내비게이션 경로의 선택을 제한하기 위해 정량적 메트릭을 적용한다. 예를 들어, 도 2a 및 2b를 참조하여 위에서 논의된 바와 같이, 라우팅 엔진은 후보 탐색 경로를 생성하고 트레이드-오프 제어기를 사용하여 정량적 메트릭을 고려하여 후보 탐색 경로의 순위를 생성하거나, 트레이드-오프 제어기를 사용하여 다른 신호와 함께 정량적 메트릭을 적용하여 후보 내비게이션 경로를 생성한다.

이제 도 8a를 참조하면, 지리 데이터 서버(104)는 단일 운전자 시나리오와 HOV 시나리오 간의 비용 차이에 기초하여 잠재적 카풀 매칭을 위한 신호를 생성하는 방법(800)을 구현할 수 있다. 방법(800)은 서버(104)가 출발지로부터 목적지까지의 내비게이션 경로를 생성하는 블록 802에서 시작한다. 서버(104)는 사용자가 혼자 운전하고 있다는 가정에 따라 블록 804에서 내비게이션 경로의 전체 비용을 계산한다. 블록 806에서, 서버(104)는 내비게이션 경로가 HOV 차선을 포함하는지 여부를 결정하고, 그렇다면, 흐름은 블록 808로 진행한다. 그렇지 않으면, 흐름은 블록 816으로 직접 진행한다.

블록 808에서, 서버(104)는 사용자의 차량이 HOV가 된다는 가정에 따라 이번에는 내비게이션 경로의 전체 비용을 계산한다. 블록 810에서, 서버(104)는 블록 804 및 808에서 계산된 비용 추정치 간의 차이를 계산한다. 블록 812에서, 서버(104)가 차이가 특정 임계값을 초과한다고 결정하면, 흐름은 블록 814로 진행하고; 그렇지 않으면, 흐름은 블록 816으로 진행한다. 블록 814에서, 서버(104)는 잠재적인 카풀 매칭을 위한 신호를 생성한다. 예를 들어, 서버(104)는 사용자가 카풀에 참여하는 경우 경로의 비용이 감소할 수 있는 양을 나타내는 사용자를 위한 제안을 생성할 수 있다. 일부 구현예에서, 블록 812에서, 서버(104)는 단순히 비용 차이에 의존하지 않고 여러 파라미터 간의 관계를 나타내는 정량적 메트릭을 적용할 수 있다.

서버(104)는 다양한 후보 내비게이션 경로 및/또는 다양한 후보 카풀 동료에 대해 방법(800)을 여러 번 수행할 수 있다. 따라서, 예를 들어, 서버(104)는 카풀을 수반하고 시간 또는 비용 측면에서 단일 운전자 경로에 비해 유리한 둘 이상의 후보 경로를 식별할 수 있다. 그러면 서버(104)는 이러한 후보들 중에서 제안된 내비게이션 경로를 선택할 수 있다.

다음으로, 시간 또는 거리 측면에서 우회 비용을 추정하기 위한 예시적 방법이 도 8c 및 도 8b의 여러 경로 옵션의 개략적 표현을 참조하여 논의된다. 도 8b의 예시적 방식(830)에 따르면, 사용자는 출발지(832)와 목적지(834) 사이를 직접(경로 RD를 따라) 또는 하나 이상의 픽업 및 드롭 위치를 통해(경로 RI를 따라) 간접적으로 이동할 수 있다. 이 예에서, 사용자는 출발지(832)에서 픽업 위치(842)로 이동하여 승객을 픽업하고, 드롭 위치(844)에서 승객을 내리고, 목적지(834)로 계속 이동할 수 있다. 보다 일반적으로, 간접 경로 RI는 임의의 적절한 수의 픽업 위치 및 드롭 위치를 포함할 수 있다.

직간접 경로 RD 및 RI 각각에 대해, 라우팅 엔진(170)은 출발지(832)와 목적지(834) 사이의 거리, 출발지(832)와 목적지(834) 사이의 이동 시간, 출발지(832) 및 목적지(834) 사이의 이동 비용 중 하나 이상을 결정할 수 있다. 라우팅 엔진(170)은 이러한 추정치를 사용하여 카풀을 포함하는 직접 경로와 간접 경로 사이의 트레이드-오프를 평가할 수 있다.

도 8c를 참조하면, 라우팅 엔진(170)은 하나 이상의 프로세서와 같은 하드웨어를 처리함으로써 실행 가능한 명령어 세트로서 예시적 방법(850)을 구현할 수 있다. 편의상, 이 방법은 지리 데이터 서버(104), 특히 라우팅 엔진(170)을 참조하여 아래에서 설명된다.

방법(850)은 라우팅 엔진(170)이 출발지(또는 기원), 목적지, 적어도 하나의 픽업 위치 및 적어도 하나의 드롭 위치의 표시를 수신하는 블록 852에서 시작한다. 예를 들어, 라우팅 엔진(170)은 주소, 좌표 또는 위치(832, 834, 842 및 844)의 임의의 다른 적절한 표시를 수신할 수 있다. 일반적으로 라우팅 엔진(170)은 사용자가 승차를 요청할 수 있는 승차 공유 서비스와 같은 임의의 적절한 소스로부터 위치(842 및 844)의 표시를 수신할 수 있다. 하나의 그러한 예로서, 라우팅 엔진(170)과 독립적으로 동작하는 승차공유 서비스는 적절한 API를 통해, 특정 기간 내에 픽업 위치(842)와 드롭 위치(844) 사이의 이동에 대한 승차공유 매치를 찾기 위한 요청을 라우팅 엔진(170)에 제공할 수 있다. 라우팅 엔진(170)은 위치(832 및 834) 사이를 이동하는 사용자가 승차 공유에 참여하고자 하는 자신의 의사를 표시했는지 여부를 결정한 다음, 위에서 논의된 바와 같이 위치(842 및 844)를 통한 우회와 연관된 트레이드-오프를 결정할 수 있다. 일부 구현예에서, 라우팅 엔진(170)은 운전자와 잠재적인 승차공유 동반자가 소셜 그래프에서 서로 특정 거리 내에 있는 경우에만 이 분석을 수행한다.

다른 예로서, 라우팅 엔진(170)은 소셜 그래프에서 특정 근접성을 가진 2명의 사용자가 서로의 특정 기간 내에 근접한 출발지로부터 근접한 목적지로 이동하려고 한다고 결정할 수 있다. 이를 위해 라우팅 엔진(170)은 두 사용자가 카풀에 참여할 의사가 있는지 여부를 확인한다.

보다 구체적인 예로서, 출발지(832)에서 목적지(834)로 이동하려고 계획하는 사용자는 잠재적인 카풀 매칭에 대한 선호도를 나타내도록 자신의 프로필을 구성할 수 있다. 다시 도 6f를 참조하면, 지리 애플리케이션(160)은 비용과 카풀 사이의 트레이드-오프를 특정하기 위해 가상 노브(620, 622) 등과 일반적으로 유사한 인터페이스를 사용자에게 제공할 수 있다. 따라서, 예를 들어, 사용자는 혼자 타는 것에 대한 일반적인 선호도를 표시할 수 있으며, 여기서 카풀은 혼자 타는 것에 비해 절감액이 30% 이상일 때 허용 가능한 옵션이 된다. 다른 구현예에서, 사용자는 단순히 카풀을 고려할 것인지 여부를 표시한다. 또한 사용자는 소셜 그래프에서 승차 공유 동반자의 근접성을 제한할 수 있다.

하나의 예시적 구현에서 라우팅 엔진(170)은 블록 854에서 출발지와 목적지 사이의 직접 이동 시간 TD를 추정한다. 다음으로, 블록 856에서, 라우팅 엔진(170)은 픽업 위치(들) 및 드롭 위치(들)을 통해 출발지와 목적지 사이의 간접 이동 시간(TI)을 추정한다. 다른 구현예에서, 라우팅 엔진(170)은 이동 시간 대신에 또는 이에 추가하여 직접 이동 거리 DD 및 간접 이동 거리 DI를 추정한다. 보다 일반적으로, 라우팅 엔진(170)은 직접 및 간접 경로 RD 및 RI를 비교하기 위한 임의의 적절한 정량적 메트릭을 생성할 수 있다.

블록 858에서, 라우팅 엔진(170)은 블록 854 및 856에서 결정된 추정치를 사용하여 픽업 위치 및 드롭 위치를 통해 우회 CDETOUR의 비용을 결정한다. 하나의 예시적 구현예에서, 라우팅 엔진(170)은 예를 들어 TD와 TI 사이 또는 DD와 DI 사이의 차이 및/또는 비율을 계산한다. 다른 예시적 구현예에서, 라우팅 엔진(170)은 TD와 TI 사이, DD와 DI 사이의 비율 등을 계산한다. 사용자가 카풀할 때 통행료 비용을 계산하기 위해, 라우팅 엔진(170)은 개인 운전자에 적합한 모델과 다른 모델을 적용할 수 있다.

어느 경우든, 라우팅 엔진(170)은 지리 데이터 서버(104)가 잠재적 카풀 매칭을 위한 신호를 생성해야 하는지 여부를 결정하기 위해 CDETOUR의 결정된 비용을 사용할 수 있다. 라우팅 엔진(170)이 이 신호를 생성하는 시나리오에서, 지리 데이터 서버(104)는 잠재적인 카풀 동료의 표시를 사용자에게 제공할 수 있다. 일부 구현예에서, 라우팅 엔진(170)은 또한 잠재적 카풀 동반자에 대한 알림을 자동으로 생성하고, 사용자는 예를 들어 지리 애플리케이션(160)을 통해 라우팅 엔진(170)이 식별된 잠재적 카풀 동반자에게 이러한 알림을 전송하도록 요청할 수 있다.

도 9는 유료 도로와 관련된 리마인더를 생성하기 위해 지리 애플리케이션(160)이 구현할 수 있는 예시적 방법(900)의 흐름도이다. 블록 902에서, 지리 애플리케이션(160)은 사용자가 유료 시스템과 연관된 경로 구간을 이동했음을 결정할 수 있다. 예를 들어, 클라이언트 컴퓨팅 디바이스(102)의 사용자는 지리 애플리케이션(160)이 사용자의 현재 위치를 결정할 수 있도록 특정 제어를 동작할 수 있다. 보다 구체적인 예로서, 지리 애플리케이션(160)은 서버(104)로부터 내비게이션 지시를 수신하고, 사용자가 인터랙티브 디지털 지도를 통해 내비게이션 경로를 디스플레이하는 동안 통행료와 연관된 구간에 도달했다고 결정할 수 있다.

블록 904에서, 지리 애플리케이션(160)은 통행료 구간의 통과에 대한 타임스탬프 기록을 생성할 수 있다. 지리 애플리케이션(160)은 메모리(150)에 기록을 저장할 수 있다. 블록 906에서, 지리 애플리케이션(160)은 또한 통행료를 지불하라는 리마인더를 생성하기 위해 타이머(예를 들어, 1시간, 3시간, 10시간)를 준비할 수 있다. 지리 애플리케이션(160)은 예를 들어 심야 또는 이른 아침 알림을 방지하기 위해 시간에 기초하여 타이머 기간을 조정할 수 있다. 블록 908에서, 지리 애플리케이션(160)은 타이머 만료를 검출하고, 블록 910에서 통행료를 지불하라는 리마인더를 제공한다.

대안적으로, 지리 애플리케이션(160)은 네트워크(110)를 통해 결제 시스템(108)에 자동으로 접촉하고 결제를 전자적으로 제출할 수 있다. 지리 애플리케이션(160)은 실시간으로(즉, 사용자의 차량이 유료로 또는 고정된 일정에 따라 경로 구간을 통화할 때) 결제 시스템(108)에 접촉할 수 있다.

추가 고려 사항

전술한 논의에는 다음의 추가 고려 사항이 적용된다. 본 명세서 전체에 걸쳐, 복수의 인스턴스는 단일 인스턴스로서 기술된 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. 예시적 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 주제의 범위 내에 속한다.

추가적으로, 특정 실시예는 본 명세서에서 로직 또는 다수의 컴포넌트, 모듈 또는 메커니즘을 포함하는 것으로 설명된다. 모듈은 소프트웨어 모듈(예를 들어, 기계 판독가능 매체 상에 저장된 코드) 또는 하드웨어 모듈 중 하나를 구성할 수 있다. 하드웨어 모듈은 특정 동작을 수행할 수 있는 유형의 유닛이고, 특정 방식으로 구성 또는 배열될 수 있다. 예시적 실시예에서, 하나 이상의 컴퓨터 시스템(예를 들어, 독립형, 클라이언트 또는 서버 컴퓨터 시스템) 또는 컴퓨터 시스템의 하나 이상의 하드웨어 모듈(예를 들어, 프로세서 또는 프로세서 그룹)은 소프트웨어(예를 들어, 애플리케이션 또는 애플리케이션 부분)에 의해 본 명세서에 기술된 바와 같은 특정 동작을 수행하도록 동작하는 하드웨어 모듈로서 구성될 수 있다.

다양한 실시예들에서, 하드웨어 모듈은 기계적으로 또는 전자적으로 구현될 수 있다. 예를 들어, 하드웨어 모듈은 특정 동작을 수행하기 위해 영구적으로 구성되는 전용 회로 또는 로직을 포함할 수 있다(예를 들어, FPGA(Field Programmable Gate Array) 또는 ASIC(application-specific integrated circuit)와 같은 특수 목적 프로세서). 하드웨어 모듈은 또한 특정 동작을 수행하기 위해 소프트웨어에 의해 일시적으로 구성되는 프로그램 가능 로직 또는 회로(예를 들어, 범용 프로세서 또는 다른 프로그램 가능 프로세서 내에 포함되는)를 포함할 수 있다. 기계적으로, 전용으로 그리고 영구적으로 구성된 회로 또는 일시적으로 구성된 회로(예를 들어, 소프트웨어에 의해 구성된)에서 하드웨어 모듈을 구현하기로 한 결정은 비용 및 시간 고려 사항에 의해 유도될 수 있다는 것이 이해될 것이다.

따라서, 하드웨어라는 용어는 유형적 개체, 물리적으로 구성, 영구적으로 구성(예를 들어, 유선) 또는 일시적으로 구성(예를 들어, 프로그래밍)되어 특정 방식으로 동작하거나 본 명세서에 기술된 특정 동작을 수행하는 개체를 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용되는 "하드웨어 구현 모듈"은 하드웨어 모듈을 지칭한다. 하드웨어 모듈이 일시적으로 구성(예를 들어, 프로그래밍)되는 실시예를 고려하면, 각각의 하드웨어 모듈은 임의의 하나의 인스턴스에서 구성되거나 인스턴스화될 필요가 없다. 예를 들어, 하드웨어 모듈이 소프트웨어를 사용하여 구성된 범용 프로세서를 포함하는 경우, 범용 프로세서는 상이한 시간에 각각 상이한 하드웨어 모듈로서 구성될 수 있다. 따라서, 소프트웨어는 예를 들어 한 시점에서 특정 하드웨어 모듈을 구성하고 다른 시점에서 다른 하드웨어 모듈을 구성하도록 프로세서를 구성할 수 있다.

하드웨어 모듈은 다른 하드웨어에 정보를 제공하고 정보를 수신할 수 있다. 따라서, 설명된 하드웨어 모듈은 통신적으로 연결된 것으로 간주될 수 있다. 그러한 하드웨어 모듈의 다수가 동시에 존재하는 경우, 통신은 하드웨어 모듈을 연결하는 신호 전송(예를 들어, 적절한 회로 및 버스를 통해)을 통해 달성될 수 있다. 다수의 하드웨어 모듈이 상이한 시간에 구성되거나 인스턴스화되는 실시예에서, 이러한 하드웨어 모듈 간의 통신은 예를 들어 다수의 하드웨어 모듈이 액세스하는 메모리 구조에서의 정보의 저장 및 검색을 통해 달성될 수 있다. 예를 들어, 하나의 하드웨어 모듈은 동작을 수행하고, 그 동작의 출력을 통신적으로 연결된 메모리 디바이스에 저장할 수 있다. 그 다음, 추가 하드웨어 모듈은 나중에 메모리 디바이스에 액세스하여 저장된 출력을 검색하고 프로세싱할 수 있다. 하드웨어 모듈은 또한 입력 또는 출력 디바이스와의 통신을 개시할 수 있고, 리소스(예를 들어, 정보 수집)에서 동작할 수 있다.

방법(800 및 900)은 비일시적 컴퓨터 판독가능 저장 매체에 저장되고 컴퓨팅 디바이스(예를 들어, 서버 디바이스, 개인용 컴퓨터, 스마트폰, 태블릿 컴퓨터, 스마트 워치, 모바일 컴퓨팅 디바이스 또는 본 명세서에 기술된 다른 클라이언트 컴퓨팅 디바이스)의 프로세서를 사용하여 실행되는 유형의 컴퓨터 실행 가능 명령어 형태의 하나 이상의 기능 블록, 모듈, 개별 기능 또는 루틴을 포함할 수 있다. 방법(800 및 900)은 임의의 백엔드 서버(예를 들어, 증강 현실 서버, 승차공유 서버, 지도 데이터 서버, 내비게이션 서버 또는 본 명세서에 기술된 임의의 다른 유형의 서버 컴퓨팅 디바이스), 예시적 환경의 클라이언트 컴퓨팅 디바이스 모듈의 일부로서, 예를 들어, 또는 그러한 환경 외부에 있는 모듈의 일부로서 포함될 수 있다. 설명의 편의를 위해 도면이 다른 도면을 참조하여 설명될 수 있지만, 방법(800 및 900)은 다른 객체 및 사용자 인터페이스와 함께 이용될 수 있다. 또한, 위의 설명은 특정 디바이스(예: 증강 현실 서버(110) 또는 운전자 클라이언트 디바이스(10) 또는 라이더 클라이언트 디바이스(28))에 의해 수행되는 방법(800 및 900)의 단계를 설명하지만, 이는 예시 목적으로만 수행된다. 방법(800 및 900)의 블록은 하나 이상의 디바이스 또는 환경의 다른 부분에 의해 수행될 수 있다.

본 명세서에 기술된 예시적 방법의 다양한 동작은 적어도 부분적으로, 관련 동작을 수행하도록 일시적으로 구성되거나(예를 들어, 소프트웨어에 의해) 영구적으로 구성된 하나 이상의 프로세서에 의해 수행될 수 있다. 일시적으로 또는 영구적으로 구성되든, 이러한 프로세서는 하나 이상의 동작 또는 기능을 수행하도록 동작하는 프로세서 구현 모듈을 구성할 수 있다. 본 명세서에서 언급된 모듈은 일부 예시적 실시예에서 프로세서 구현 모듈을 포함할 수 있다.

유사하게, 본 명세서에 기술된 방법 또는 루틴은 적어도 부분적으로 프로세서로 구현될 수 있다. 예를 들어, 방법의 동작 중 적어도 일부는 하나 이상의 프로세서 또는 프로세서로 구현된 하드웨어 모듈에 의해 수행될 수 있다. 특정 동작의 수행은 단일 기계 내에 상주하는 하나 이상의 프로세서에 분산될 수 있을 뿐만 아니라 다수의 컴퓨터에 걸쳐 배포될 수 있다. 일부 예시적 실시예에서, 프로세서(들)는 단일 위치(예를 들어, 가정 환경, 사무실 환경 내에 또는 서버 팜으로서)에 위치될 수 있고, 다른 실시예에서 프로세서는 다수의 위치 또는 디바이스에 걸쳐 분산될 수 있다.

하나 이상의 프로세서는 또한 "클라우드 컴퓨팅" 환경에서 또는 SaaS로서 관련 동작의 수행을 지원하도록 동작할 수 있다. 예를 들어, 전술한 바와 같이, 적어도 일부 동작은 (프로세서를 포함하는 기계의 예로서) 컴퓨터 그룹에 의해 수행될 수 있으며, 이들 동작은 네트워크(예: 인터넷) 및 하나 이상의 적절한 인터페이스를 통해 액세스 가능하다(예: API).

Claims

내비게이션 경로를 생성하는 방법에 있어서,
프로세싱 하드웨어에 의해, 사용자가 이전에 통과한 각각의 출발지와 목적지 사이의 복수의 경로를 나타내는 경로 데이터를 획득하는 단계;
상기 프로세싱 하드웨어에 의해, 지도 데이터를 사용하여, 경로 구간 데이터를 생성하기 위해 제1 유형의 경로 구간 및 상기 복수의 경로 내에서 적어도 하나의 다른 유형의 경로 구간을 식별하는 단계;
상기 프로세싱 하드웨어에 의해, 상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여, 상기 사용자에 의핸 내비게이션 경로의 선택에서 상기 제1 유형의 경로 구간의 제1 속성과 상기 적어도 하나의 다른 유형의 경로 구간의 제2 속성 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭 결정하는 단계;
상기 프로세싱 하드웨어에 의해, 출발지 및 목적지의 표시를 수신하는 단계; 및
상기 프로세싱 하드웨어에 의해, 경로 구간의 선택을 제한하기 위해 상기 정량적 메트릭을 적용하는 것을 포함하여, 상기 사용자에 대해 상기 출발지와 상기 목적지 사이의 내비게이션 경로를 생성하는 단계를 포함하는, 방법.
청구항 1에 있어서, 상기 정량적 메트릭을 결정하는 단계는 상기 사용자가 한 쌍의 위치 사이를 이동한 제1 경로가 상기 사용자가 한 쌍의 위치 사이를 이동한 제2 경로와 다른 시간의 양을 결정하는 것을 포함하고, 상기 제1 경로는 상기 제1 유형의 경로 구간을 포함하며, 상기 제2 경로는 상기 제2 유형의 경로 구간을 포함하지 않는, 방법.
청구항 1 또는 2에 있어서,
상기 프로세싱 하드웨어에 의해, 상기 사용자가 상기 목적지에 도착해야 하는 시간을 나타내는 시간 제약 파라미터를 수신하는 단계;
상기 내비게이션 경로를 생성하는 단계는 경로 구간의 선택을 더 제한하기 위해 상기 시간 제한 파라미터를 적용하는 것을 포함하는, 방법.
임의의 선행하는 청구항에 있어서,
상기 프로세싱 하드웨어에 의해, 상기 출발지와 상기 목적지 사이에서 상기 사용자가 카풀을 이용할 수 있는지 여부를 나타내는 카풀 파라미터를 수신하는 단계;
상기 내비게이션 경로를 생성하는 단계는 경로 구간의 선택을 더 제한하기 위해 상기 카풀 파라미터를 적용하는 것을 포함하는, 방법.
임의의 선행하는 청구항에 있어서,
상기 프로세싱 하드웨어에 의해, 상기 사용자가 상기 출발지와 상기 목적지 사이를 이동해야 하는 시간을 나타내는 이동 시간 파라미터를 수신하는 단계;
내비게이션 경로를 생성하는 단계는 경로 구간의 선택을 추가로 제한하기 위해 이동 시간 파라미터를 적용하는 것을 포함하는, 방법.
임의의 선행하는 청구항 중 어느 한 항에 있어서,
상기 프로세싱 하드웨어에 의해, 상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여 기계 학습 모델을 트레이닝하는 단계를 더 포함하며, 상기 기계 학습 모델은 특정된 위치들 사이의 후보 경로들을 생성하도록 구성되는, 방법.
임의의 선행하는 청구항 중 어느 한 항에 있어서, 상기 정량적 메트릭을 결정하는 단계는:
컴퓨팅 디바이스의 사용자 인터페이스를 통해, 상기 제1 유형의 경로 구간과 상기 적어도 하나의 다른 유형의 경로 구간 사이의 상기 트레이드-오프를 특정하는 인터렉티브 제어를 제공하는 것; 및
상기 사용자 인터페이스에 제공된 상기 인터렉티브 제어를 통해 상기 정량적 메트릭을 수신하는 것을 포함하는, 방법.
임의의 선행하는 청구항 중 어느 한 항에 있어서,
상기 경로 데이터가 추가 데이터 없이 상기 정량적 메트릭을 결정하기에 불충분하다는 결정에 응답하여, 상기 출발지와 상기 목적지 사이의 경로에 대한 상기 제1 속성 및 상기 제2 속성에 대한 다른 사용자의 선호도의 표시를 더 사용하여 상기 정량적 메트릭을 결정하는 단계를 더 포함하는, 방법.
컴퓨팅 시스템으로서,
하나 이상의 프로세서; 및
명령어를 저장하는 컴퓨터 판독가능 매모리를 포함하며, 상기 명령어는 상기 하나 이상의 프로세서에 의해 실행될 때, 상기 컴퓨팅 시스템으로 하여금:
사용자가 이전에 통과한 각각의 출발지와 목적지 사이의 복수의 경로를 나타내는 경로 데이터를 획득하게 하고,
지도 데이터를 사용하여, 경로 구간 데이터를 생성하기 위해 제1 유형의 경로 구간 및 상기 복수의 경로 내에서 적어도 하나의 다른 유형의 경로 구간을 식별하게 하고,
상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여, 상기 사용자에 의핸 내비게이션 경로의 선택에서 상기 제1 유형의 경로 구간의 제1 속성과 상기 적어도 하나의 다른 유형의 경로 구간의 제2 속성 사이의 트레이드-오프를 측정하기 위한 정량적 메트릭을 결정하게 하고,
출발지 및 목적지의 표시를 수신하게 하고, 그리고
경로 구간의 선택을 제한하기 위해 상기 정량적 메트릭을 적용하는 것을 포함하여, 상기 사용자에 대해 상기 출발지와 상기 목적지 사이의 내비게이션 경로를 생성하게 하는, 컴퓨팅 시스템.
청구항 9에 있어서, 상기 정량적 메트릭을 결정하게 하는 것은 상기 사용자가 한 쌍의 위치 사이를 이동한 제1 경로가 상기 사용자가 한 쌍의 위치 사이를 이동한 제2 경로와 다른 시간의 양을 결정하게 하는 것을 포함하고, 상기 제1 경로는 상기 제1 유형의 경로 구간을 포함하며, 상기 제2 경로는 상기 제2 유형의 경로 구간을 포함하지 않는, 컴퓨팅 시스템.
청구항 8 또는 9에 있어서, 상기 명령어는 상기 컴퓨팅 시스템으로 하여금 추가로:
상기 사용자가 상기 목적지에 도착해야 하는 시간을 나타내는 시간 제약 파라미터를 수신하게 하고; 그리고
상기 내비게이션 경로를 생성하게 하는 것은 경로 구간의 선택을 더 제한하기 위해 상기 시간 제한 파라미터를 적용하게 하는 것을 포함하는, 컴퓨팅 시스템.
청구항 9 내지 11 중 어느 한 항에 있어서, 상기 명령어는 상기 컴퓨팅 시스템으로 하여금 추가로:
상기 출발지와 상기 목적지 사이에서 상기 사용자가 카풀을 이용할 수 있는지 여부를 나타내는 카풀 파라미터를 수신하게 하고; 그리고
상기 내비게이션 경로를 생성하게 하는 것은 경로 구간의 선택을 더 제한하기 위해 상기 카풀 파라미터를 적용하게 하는 것을 포함하는, 컴퓨팅 시스템.
청구항 9 내지 12 중 어느 한 항에 있어서, 상기 명령어는 상기 컴퓨팅 시스템으로 하여금 추가로:
상기 사용자가 상기 출발지와 상기 목적지 사이를 이동해야 하는 시간을 나타내는 이동 시간 파라미터를 수신하게 하고, 그리고
내비게이션 경로를 생성하게 하는 것은 경로 구간의 선택을 추가로 제한하기 위해 이동 시간 파라미터를 적용하게 하는 것을 포함하는, 컴퓨팅 시스템.
청구항 9 내지 13 중 어느 한 항에 있어서, 상기 명령어는 상기 컴퓨팅 시스템으로 하여금 추가로:
상기 경로 데이터 및 상기 경로 구간 데이터를 사용하여 기계 학습 모델을 트레이닝하게 하며, 상기 기계 학습 모델은 특정된 위치들 사이의 후보 경로들을 생성하도록 구성되는, 컴퓨팅 시스템.
청구항 9 내지 14 중 어느 한 항에 있어서, 상기 정량적 메트릭을 결정하게 하는 것은:
컴퓨팅 디바이스의 사용자 인터페이스를 통해, 상기 제1 유형의 경로 구간과 상기 적어도 하나의 다른 유형의 경로 구간 사이의 상기 트레이드-오프를 특정하는 인터렉티브 제어를 제공하게 하는 것; 및
상기 사용자 인터페이스에 제공된 상기 인터렉티브 제어를 통해 상기 정량적 메트릭을 수신하게 하는 것을 포함하는, 컴퓨팅 시스템.