| 1 |
1
대상물이 이동한 경로를 나타내는 이동 경로 데이터를 입력받는 과정;상기 대상물이 이동한 경로의 적어도 일부를 포함하는 대상 지역을 복수의 그리드 구간으로 분할하는 과정; 및상기 복수의 그리드 구간 간의 연결성을 예측하여, 상기 복수의 그리드 구간 간의 상관 관계를 나타내는 학습용 데이터를 생성하는 과정;을 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 2 |
2
청구항 1에 있어서,상기 이동 경로 데이터는,상기 대상물의 위치를 시간에 따른 위도 값 및 경도 값으로 나타낸 데이터를 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 3 |
3
청구항 1에 있어서,상기 이동 경로 데이터를 입력받는 과정은,상기 대상 지역의 지도 데이터를 입력받는 과정;을 포함하고,상기 복수의 그리드 구간으로 분할하는 과정은,상기 지도 데이터에 포함되는 대상 지역의 이미지를 복수의 그리드 구간으로 분할하는 과정;을 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 4 |
4
청구항 3에 있어서,상기 복수의 그리드 구간으로 분할하는 과정은,상기 대상 지역의 이미지를 각각 정육각형의 형상을 가지는 복수의 그리드 구간으로 분할하는 과정;을 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 5 |
5
청구항 1에 있어서,상기 학습용 데이터는,임의의 제1 그리드 구간과 상관 관계를 가지는 적어도 하나의 제2 그리드 구간을 집합으로 나타내는 데이터를 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 6 |
6
청구항 5에 있어서,상기 학습용 데이터를 생성하는 과정은,상기 이동 경로 데이터에서 상기 대상물이 상기 제1 그리드 구간으로부터 상기 제2 그리드 구간으로 이동하기 위한 최소 그리드 구간의 개수를 산출하는 과정;산출된 최소 그리드 구간의 개수를 임계치와 비교하는 과정; 및산출된 최소 그리드 구간의 개수가 임계치 이하인 경우, 상기 제2 그리드 구간을 제1 집합에 포함시키는 과정;을 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 7 |
7
청구항 6에 있어서,상기 학습용 데이터를 생성하는 과정은,상기 제1 그리드 구간과의 거리에 따라 상기 제1 집합에 포함된 제2 그리드 구간의 샘플링 분포 값을 계산하는 과정; 및계산된 샘플링 분포 값에 따라 상기 제1 집합에 포함된 제2 그리드 구간 중 적어도 일부를 추출하여 제2 집합을 생성하는 과정;을 더 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 8 |
8
청구항 7에 있어서,상기 샘플링 분포를 계산하는 과정은 하기의 수학식 1에 의하여 이루어지는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 9 |
9
청구항 7에 있어서,상기 제2 집합을 생성하는 과정은,상기 제1 집합에 포함된 제2 그리드 구간 중 설정된 개수의 제2 그리드 구간을 상기 제2 집합에 포함시키는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 10 |
10
청구항 7에 있어서,상기 제2 집합을 생성하는 과정은,상기 제2 집합에 포함되는 제2 그리드 구간의 개수를 설정하는 과정; 및계산된 샘플링 분포 값에 따라 상기 제1 집합에 포함된 제2 그리드 구간을 상기 제2 집합에 포함시키는 과정;을 포함하는 딥 러닝을 위한 이동 경로 임베딩 방법
|
| 11 |
11
청구항 1 내지 청구항 10 중 어느 한 청구항에 기재된 딥 러닝을 위한 이동 경로 임베딩 방법을 수행하기 위한 컴퓨터 프로그램을 저장한 기록 매체
|
| 12 |
12
청구항 1에 기재된 이동 경로 임베딩 방법을 사용하여 학습용 데이터를 생성하는 과정;상기 학습용 데이터를 이용하여 딥 러닝을 수행하는 과정;상기 대상 지역 내에서 표적이 이동한 경로를 입력받는 과정; 및상기 표적의 다음 위치를 예측하는 과정;을 포함하는 이동 경로 예측 방법
|
| 13 |
13
청구항 12에 있어서,상기 학습용 데이터는,임의의 제1 그리드 구간과 상관 관계를 가지는 적어도 하나의 제2 그리드 구간을 집합으로 나타내는 데이터를 포함하고,상기 딥 러닝을 수행하는 과정은,상기 제1 그리드 구간으로부터 상기 제2 그리드 구간이 등장할 확률을 목적 함수로 하여 딥 러닝을 수행하는 이동 경로 예측 방법
|
| 14 |
14
청구항 13에 있어서,상기 학습용 데이터를 생성하는 과정은,상기 이동 경로 데이터에서 상기 대상물이 상기 제1 그리드 구간으로부터 상기 제2 그리드 구간으로 이동하기 위한 최소 그리드 구간의 개수를 산출하는 과정;산출된 최소 그리드 구간의 개수를 임계치와 비교하는 과정;산출된 최소 그리드 구간의 개수가 임계치 이하인 경우, 상기 제2 그리드 구간을 제1 집합에 포함시키는 과정;상기 제1 그리드 구간과의 거리에 따라 상기 제1 집합에 포함된 제2 그리드 구간의 샘플링 분포 값을 계산하는 과정; 및계산된 샘플링 분포 값에 따라 상기 제1 집합에 포함된 제2 그리드 구간 중 적어도 일부를 추출하여 제2 집합을 생성하는 과정;을 포함하는 이동 경로 예측 방법
|
| 15 |
15
청구항 14에 있어서,상기 샘플링 분포를 계산하는 과정은 하기의 수학식 2에 의하여 이루어지며,[수학식 2]상기 딥 러닝을 수행하는 과정에서 상기 목적 함수는 하기의 수학식 3과 같이 산출되는 이동 경로 예측 방법
|
| 16 |
16
청구항 13에 있어서,상기 딥 러닝을 수행하는 과정은,상기 목적 함수의 값이 최대가 되는 방향으로 딥 러닝을 수행하는 이동 경로 예측 방법
|
| 17 |
17
청구항 12 내지 청구항 16 중 어느 한 청구항에 기재된 이동 경로 예측 방법을 수행하기 위한 컴퓨터 프로그램을 저장한 기록 매체
|
