对比文件名称：发明授权_KR100923723B1 도로 네트워크 공간에서 이동객체의 유사 궤적 클러스터링방법
特征比对表格：
| 技术特征描述 | 对比文件原文引用 | 公开性论述 | ||
| **A 接收对应于第一行程的第一组对象数据；《直接公开》** | [48] “도로 네트워크 공간 상에서 이동 객체의 새로운 궤적을 세그먼트 식별자와 세그먼트의 길이를 포함하는 궤적 데이터로서 데이터베이스에 저장하게 된다(S21).” | 对比文件明确记载了将移动对象的新轨迹（包含段标识符和段长度）作为轨迹数据存储在数据库中。这对应于接收一组对象数据（轨迹数据），并且由于后续涉及多个轨迹的比较和聚类，可以认为这组数据对应于一个“行程”。因此，该特征被直接公开。 | ||
| **B 接收对应于第二行程的第二组对象数据；《直接公开》** | [31] “(a) 도로 네트워크 공간 상에서 이동 객체의 궤적 데이터를 데이터베이스에 저장하는 단계;” <br> [78] “먼저 도로 네트워크 공간 상에서 이동 객체의 새로운 궤적 데이터를 데이터베이스에 저장한다(S31).” | 对比文件的方法涉及对数据库中存储的多个轨迹数据进行处理（例如，计算相似度、聚类）。说明书和权利要求中多次提及“데이터베이스에 저장된 궤적”（数据库中存储的轨迹），这表明系统接收并存储了来自多个移动对象或同一对象多次移动的轨迹数据，即对应于多个行程的多组对象数据。因此，接收对应于第二行程的第二组对象数据这一特征被直接公开。 | ||
| **C 确定所述第一组对象数据与所述第二组对象数据之间的相似性度量《直接公开》** | [31] “(c) 상기 (b) 단계에서 유사도 측정 함수값과 매칭되지 않는 경우 유사도 측정 함수에 의하여 유사도를 측정하여 저장하는 단계;” <br> [55] “본 발명에서는 궤적 T i 와 T j 간의 식(1)의 유사도 측정 함수 DSN(disimilarity with number)을 제안한다.” <br> [68] “본 발명에서는 이러한 문제점을 해결하기 위하여 세그먼트의 길이를 이용한 식 (2) 의 유사도 측정 함수 DSL(dissimilarity with length)를 제안한다.” | 对比文件的核心内容之一就是提出并计算两个轨迹之间的相似性（或不相似性）度量，例如DSN函数和DSL函数。这直接对应于确定两组对象数据（轨迹数据）之间的相似性度量。因此，该特征被直接公开。 | ||
| **D 其中所述相似性度量指示至少一个对象的所述第一组对象数据的点与所述第二组对象数据的点之间的距离；《隐含公开》** | [68] “본 발명에서는 이러한 문제점을 해결하기 위하여 세그먼트의 길이를 이용한 식 (2) 의 유사도 측정 함수 DSL(dissimilarity with length)를 제안한다.” <br> (2) DSL(T_i, T_j) = 1 - (∑_(S_k∈T_i∩T_j) | L_i(S_k) - L_j(S_k) | / (∑_(S_m∈T_i) L_i(S_m) + ∑_(S_n∈T_j) L_j(S_n))) | 对比文件的相似性度量函数DSL，其计算基于两个轨迹共有的段（segment）的长度差。虽然“点”在对比文件中没有明确为对象上的点，但轨迹数据由“段”构成，每个段有标识符和长度。DSL函数通过计算共有段长度的绝对差，实质上反映了两个轨迹在相同路径部分（可视为“对象”的局部）的几何位置差异。这种长度差异可以隐含地理解为轨迹上对应“点”（或局部）之间距离的一种聚合或度量。在对比文件中，该度量用于评估轨迹整体的相似性；在目标专利中，用于评估对象（如标志）位置的相似性。两者作用虽应用领域不同，但核心都是基于几何位置差异来量化相似性。因此，该特征被隐含公开。 |
| **E 基于所述相似性度量来聚类所述至少一个对象的所述第一组对象数据和所述第二组对象数据，以产生至少一个对象簇《直接公开》** | [31] “(f) 상기 (e) 단계에서 맵핑된 결과를 대상으로 클러스터링을 수행하는 단계;” <br> [96] “FastMap을 이용하여 궤적을 k차원의 한 점으로 변환한 후, 본 발명에서는 k-medoids 방식을 이용하여 변환된 k차원 점들을 대상으로 클러스터링을 수행한다.” <br> [84] “다음으로, 상기 S35 단계에서 맵핑된 결과를 대상으로 클러스터링을 수행하게 된다(S36). 또한, 상기 S36 단계에서 구성된 클러스터를 데이터베이스에 저장한다(S37).” | 对比文件明确记载了使用基于相似性度量（DSL函数）计算出的距离，将轨迹映射到k维空间后，进行聚类（如k-medoids），并将形成的簇存储起来。这直接对应于基于相似性度量对数据进行聚类以产生簇。因此，该特征被直接公开。 | ||
| **F 所述聚类用于将所述第一组对象数据的对象与所述第二组对象数据中的对象进行关联《隐含公开》** | [100] “클러스터링 된 결과를 보면, 유사도가 가장 높은 T1과 T3가 같은 클러스터로 그룹화되어 있는 것을 확인할 수 있다.” <br> [31] “(g) 상기 (f) 단계에서 구성된 클러스터를 데이터베이스에 저장하는 단계를 포함한다.” | 对比文件通过聚类将相似的轨迹分组到同一个簇中，例如T1和T3被分到同一簇。这个过程隐含地将来自不同行程（可视为第一组数据和第二组数据）的轨迹（即“对象”在对比文件语境下的体现）关联了起来，认为它们属于同一类别或模式。在对比文件中，关联的目的是为了轨迹分组和后续查询；在目标专利中，是为了关联同一物理对象的不同观测数据。虽然具体关联的“对象”类型和目的不同，但“聚类以实现不同数据集中项的关联”这一核心手段是相同的。因此，该特征被隐含公开。 | ||
| **G 所述聚类包括使用所述相似性度量来执行分层聚类《未公开》** | 无 | 对比文件明确使用的聚类方法是k-medoids方法（[96]），并借助FastMap进行降维。全文未提及“分层聚类”（hierarchical clustering）或任何分层次、多步骤合并或分裂簇的方法。因此，该特征未被公开。 | ||
| **H 使用物理距离作为针对两个或更多个聚类水平和/或步骤而不同的参数《未公开》** | 无 | 由于对比文件未公开分层聚类（特征G），因此自然也不存在在不同聚类水平或步骤中使用不同物理距离参数的技术内容。对比文件在相似性计算中使用长度差，在聚类时可能使用欧氏距离（k-medoids），但未涉及多步骤或不同参数。因此，该特征未被公开。 | ||
| **I 和基于所述至少一个对象簇来产生地图数据《未公开》** | 无 | 对比文件的聚类结果用于轨迹搜索、推荐（如[124]向用户推荐路径）等，但并未提及基于产生的簇来“产生地图数据”。对比文件处理的是轨迹数据本身的分组和查询，不涉及构建或更新描述环境静态特征（如标志、车道线位置）的地图。因此，该特征未被公开。 | ||
| **J 其中所述相似性度量基于对象类型《未公开》** | 无 | 对比文件的相似性度量（DSL、DSN）仅针对“轨迹”这一种数据类型进行计算，其函数设计基于轨迹的段标识和长度，没有根据不同的“对象类型”（例如标志、车道标记）采用不同度量方法的记载或启示。因此，该特征未被公开。 | ||
| **K ，其中针对标志对象类型确定所述相似性度量，《未公开》** | 无 | 对比文件未涉及“标志对象”这一具体对象类型。因此，该特征未被公开。 | ||
| **L 其中所述第一组对象数据和所述第二组对象数据包括标志数据，《未公开》** | 无 | 对比文件中的对象数据是移动物体的轨迹数据，由道路段序列表示，不包含“标志数据”。因此，该特征未被公开。 | ||
| **M 并且其中所述相似性度量指示来自不同行程的标志的点之间的距离《未公开》** | 无 | 基于特征K和L未公开，且对比文件相似性度量不涉及“标志的点”，该特征也未被公开。 | ||
| **N 其中所述第一组对象数据和所述第二组对象数据包括车道标记数据，《未公开》** | 无 | 对比文件中的对象数据是移动物体的轨迹数据，不包含“车道标记数据”。因此，该特征未被公开。 | ||
| **O 其中执行分层聚类包括执行多个不同的聚类步骤《未公开》** | 无 | 同特征G，对比文件未公开分层聚类，因此也不存在多个不同聚类步骤。该特征未被公开。 | ||
| **P 其中第一聚类步骤包括基于第一距离参数来聚类，并且第二聚类步骤包括基于第二距离参数来聚类，其中所述第二距离参数小于所述第一距离参数《未公开》** | 无 | 同特征H，对比文件未公开分层聚类及相应的多距离参数设置。该特征未被公开。 | ||
| **Q 其中聚类所述第一组对象数据和所述第二组对象数据包括执行谱聚类《未公开》** | 无 | 对比文件明确使用k-medoids进行聚类（[96]），未提及“谱聚类”（spectral clustering）。因此，该特征未被公开。 | ||
| **R 其进一步包括基于所述至少一个对象簇来执行捆绑调整《未公开》** | 无 | 对比文件未提及“捆绑调整”（bundle adjustment）或任何通过优化相机位姿和对象位置来最小化重投影误差的过程。因此，该特征未被公开。 | ||
| **S 其中在一或多个关联块中的每一个内执行聚类《未公开》** | 无 | 对比文件的聚类是在所有轨迹映射到k维空间后整体进行的，没有提及将数据划分为“关联块”（association tiles）并在每个块内独立或优先执行聚类的概念。因此，该特征未被公开。 | ||
| **T 其中产生所述地图数据包含基于所述至少一个对象簇来细化地图数据《未公开》** | 无 | 基于特征I未公开，且对比文件没有“细化地图数据”的相关描述，该特征未被公开。 | ||
| **U其进一步包括将所产生的地图数据传输到至少一个车辆《未公开》** | 无 | 对比文件未涉及产生地图数据，也没有将其传输到车辆的内容。其输出主要用于用户查询和推荐。因此，该特征未被公开。 | ||
| **V 其中所述对象数据包括对象位姿信息《未公开》** | [44] “본 발명에서는 이동 객체의 궤적을 Ti = {(S1,L1), ... , (Sn,Ln)}으로 표현한다. 여기서, Ti 은 궤적의 식별자이고, Sj 는 세그먼트의 식별자, Lj 는 세그먼트의 길이를 나타낸다.” | 对比文件中的对象数据（轨迹数据）包含段标识符和段长度，用于描述物体移动的路径。它不包含目标的“位姿信息”（pose information），例如物体在三维空间中的位置（x, y, z）和方向（如旋转角）。位姿信息通常用于描述静态对象在空间中的完整方位，而对比文件的轨迹数据描述的是动态物体的路径。因此，该特征未被公开。 |
<<<A>>><<<B>>><<<C>>><<<E>>><<<d>>><<<f>>>