CN103366564A - 交通数据预测装置以及交通数据预测方法 - Google Patents

Abstract

本发明提供一种能在降低计算量的同时高精度地预测路段旅行时间等交通数据的交通数据预测装置以及交通数据预测方法。交通数据预测装置（10）具有：原路段交通数据存储部（103），其存储作为预定的道路路段的各原路段的交通数据；扩展路段生成部（104），其从原路段生成扩展路段；以及扩展路段交通数据预测部（108），其使用各原路段的交通数据预测由扩展路段生成部（104）生成的各扩展路段的交通数据。扩展路段生成部（104）基于对连结所选择的原路段而得到的连结路段的交通数据的预测精度进行表示的数据，决定用于生成扩展路段的原路段，生成以所决定的原路段为要素的扩展路段。

Description

交通数据预测装置以及交通数据预测方法

技术领域

本发明涉及对道路区间的交通数据进行预测的交通数据预测装置、交通数据预测方法以及计算机程序。

背景技术

以往，在ITS（Intelligent Transport System，智能交通系统）领域，已知有如下服务：为了对车辆进行路段引导等而预测各路段的所需走行时间（路段旅行时间）等路段交通数据，并将该路段交通数据提供给车辆导航装置。作为用于实现这样的服务的技术，提出了如下的技术以及与其有关的技术（参照专利文献1、2）：根据从VICS（Vehicle Information＆Communication System（注册商标），车辆信息通信系统）发送的交通数据和/或基于构成浮动车系统的浮动车的传感（sensing）数据算出的交通数据进行路段交通数据的预测，并将预测数据发送给车辆导航装置。在此，“路段（link）”是指将作为交叉点等道路上的地点的节点彼此连结的道路区间，依次连接多条路段而构成1条道路。

专利文献1：日本特开2005－208032号公报

专利文献2：日本特开2008－210249号公报

发明内容

在通过这样的现有技术预测旅行时间等路段交通数据时，由于分别算出了各路段的预测值，因此，每次更新预测时（例如每隔5分钟等获取VICS交通数据和/或浮动车的传感数据时），需要进行与所有路段数相应的庞大量的计算。另外，在使用浮动车的传感数据来预测路段交通数据的情况下，特别是对系统对应车辆的通过数少的路段，无法蓄积（积累）用于算出预测值的足够的数据，所提供的预测交通数据也缺乏可靠性。

本发明是鉴于上述问题而完成的发明，目的在于提供一种能降低计算量且能高精度地预测路段旅行时间等交通数据的交通数据预测装置、交通数据预测方法及计算机程序。

本发明的交通数据预测装置具有：原路段交通数据存储部，其存储作为预定的道路路段的各原路段的交通数据；扩展路段生成部，其从所述原路段生成扩展路段；以及扩展路段交通数据预测部，其使用各所述原路段的交通数据预测由所述扩展路段生成部生成的各扩展路段的交通数据，所述扩展路段生成部基于对连结所选择的所述原路段而得到的连结路段的交通数据的预测精度进行表示的数据，决定用于生成所述扩展路段的所述原路段，生成以所决定的所述原路段为要素的所述扩展路段。

根据该结构，生成反映了预测精度的扩展路段，并以所生成的扩展路段为单位进行交通数据的预测，因此，能够不降低预测精度地增大交通数据的预测单位。

另外，在本发明的交通数据预测装置中，所述扩展路段交通数据预测部可以基于使用与作为所生成的所述扩展路段的要素的所述原路段对应的所述原路段交通数据来算出的各所述扩展路段的交通数据，预测各所述扩展路段的交通数据。

根据该结构，能够利用蓄积（积累）的原来的交通数据算出各扩展路段的交通数据，根据所算出的各扩展路段的交通数据进行预测，因此，能够高效率且高精度地进行扩展路段的交通数据的预测。

另外，本发明的交通数据预测装置可以还具有扩展路段分割部，该扩展路段分割部将由所述扩展路段交通数据预测部预测出的各所述扩展路段的交通数据分配给作为所述扩展路段的要素的各个所述原路段。

根据该结构，即使按各扩展路段进行交通数据的预测，也能够与按生成扩展路段之前的各原路段来预测了交通数据的情况同样地提供预测交通数据。

另外，在本发明的交通数据预测装置中，所述扩展路段分割部可以通过对由所述扩展路段交通数据预测部预测出的各所述扩展路段的交通数据按照作为所述扩展路段的要素的各个所述原路段的属性值来进行按比例分配，由此进行向各个所述原路段的分配。

根据该结构，对各扩展路段的预测交通数据按照构成该扩展路段的各原路段的路段长度、路段平均旅行时间等属性值来进行按比例分配，因此，能够在与以原路段为单位预测了交通数据的情况接近的状态下将各扩展路段的预测交通数据还原为原路段单位的交通数据。

另外，在本发明的交通数据预测装置中，所述扩展路段生成部可以通过预测所述连结路段的交通数据，算出对所述连结路段的交通数据的预测精度进行表示的数据。

根据该结构，能够在模拟作为扩展路段的候补的连结路段的预测精度之后生成扩展路段，因此，能够高精度地进行扩展路段的交通数据的预测。

另外，在本发明的交通数据预测装置中，所述扩展路段生成部可以使用如下的数据来预测所述连结路段的交通数据，该数据是使用构成所述连结路段的所述原路段的交通数据算出的各所述连结路段的交通数据。

根据该结构，能够利用蓄积的原来的交通数据算出各连结路段的交通数据，使用所算出的各连结路段的交通数据进行预测精度的模拟，因此，能够高效率地生成扩展路段。

另外，在本发明的交通数据预测装置中，所述扩展路段生成部可以基于对各所述原路段的交通数据的预测精度进行表示的数据，选择构成所述连结路段的所述原路段。

根据该结构，例如能够选择预测精度高的原路段作为扩展路段的候补，能够防止所生成的扩展路段的交通数据的预测精度的降低。

另外，在本发明的交通数据预测装置中，所述连结路段可以是依次选择相邻的所述原路段而进行连结得到的路段。

根据该结构，所生成的扩展路段为连续的道路路段，因此，例如也能够不分割扩展路段而直接提供各扩展路段的交通数据的预测。

在本发明的交通数据预测装置中，所述扩展路段生成部可以在每次新连结所选择的所述原路段时，算出对所述连结路段的交通数据的预测精度进行表示的数据，在所述连结路段的交通数据的预测精度不降低的情况下，将所述新连结的所述原路段确定为用于生成所述扩展路段的所述原路段。

根据该结构，每次连结原路段时进行预测精度的模拟，在预测精度不降低的情况下确定追加原路段，因此，能够生成用于高精度地进行预测的扩展路段。

本发明的交通数据预测装置可以还具有预测周期决定部，该预测周期决定部决定要进行各所述扩展路段的交通数据的预测的周期，所述扩展路段交通数据预测部按照由所述预测周期决定部决定的周期预测各所述扩展路段的交通数据。

根据该结构，例如通过增大进行预测的周期、即时间间隔，能够降低进行预测的频率，进而能够降低计算量。

在本发明的交通数据预测装置中，所述预测周期决定部可以基于对按照不同的周期进行了各所述扩展路段的交通数据的预测的情况下的预测精度进行表示的数据，决定要进行各所述扩展路段的交通数据的预测的周期。

根据该结构，在按照不同的周期进行了模拟之后决定预测周期，因此，能够不降低预测精度地减少预测的频率。

本发明的交通数据预测方法包括：扩展路段生成步骤，从作为预定的道路路段的原路段生成扩展路段；和扩展路段交通数据预测步骤，使用从存储各所述原路段的交通数据的原路段交通数据存储部获取的各原路段的交通数据，预测通过所述扩展路段生成步骤生成的各扩展路段的交通数据，在所述扩展路段生成步骤中，基于对连结所选择的所述原路段而得到的连结路段的交通数据的预测精度进行表示的数据，决定用于生成所述扩展路段的所述原路段，生成以所决定的所述原路段为要素的所述扩展路段。

根据该结构，生成反映了预测精度的扩展路段，并以所生成的扩展路段为单位进行交通数据的预测，因此，能够不使预测精度降低地增大交通数据的预测单位。

本发明的另一技术方案是用于使计算机执行上述的交通数据预测方法的计算机程序。

根据本发明，具有能够在降低用于预测交通数据的计算量的同时进行高精度的预测的效果。

附图说明

图1是表示本发明实施方式的交通数据预测装置的结构的框图。

图2是表示本发明实施方式的原路段地图数据存储部所存储的原路段地图数据的一例的图。

图3是表示本发明实施方式的原路段交通数据存储部所存储的原路段交通数据的一例的图。

图4是表示本发明实施方式的交通数据预测装置的动作的流程图。

图5是表示本发明实施方式的扩展路段地图数据存储部所存储的扩展路段地图数据的一例的图。

图6是表示本发明实施方式的扩展路段交通数据存储部所存储的扩展路段交通数据的一例的图。

图7是说明本发明实施方式的扩展路段交通数据的预测的图。

图8是说明本发明实施方式的扩展路段生成部的动作的流程图。

图9的（a）～（f）是说明本发明实施方式的扩展路段的生成的一例的图。

图10是说明本发明实施方式中由预测周期决定部决定预测周期的作用的图。

标号说明

10  交通数据预测装置

101 通信部

102 原路段地图数据存储部

103 原路段交通数据存储部

104 扩展路段生成部

105 扩展路段地图数据存储部

106 扩展路段交通数据存储部

107 预测周期决定部

108 扩展路段交通数据预测部

109 扩展路段预测交通数据存储部

110 扩展路段分割部

111 原路段预测交通数据存储部

20  交通数据发布中心

30  终端装置

具体实施方式

以下，参照附图说明用于实施本发明的实施方式。图1是表示本实施方式的交通数据预测装置的结构的框图。交通数据预测装置10具有通信部101、原路段地图数据存储部102、原路段交通数据存储部103、扩展（扩张）路段生成部104、扩展路段地图数据存储部105、扩展路段交通数据存储部106、预测周期决定部107、扩展路段交通数据预测部108、扩展路段预测交通数据存储部109、扩展路段分割部110、原路段预测交通数据存储部111。

交通数据预测装置10通过通信部101与交通数据发布中心20连接，例如每隔5分钟等预定的时间获取各路段的交通数据。另外，交通数据预测装置10通过通信部101与终端装置30连接，根据终端装置30的请求，发送存储于原路段预测交通数据存储部111的原路段预测交通数据。交通数据发布中心20发送例如根据VICS数据和/或浮动车的传感数据生成的交通数据。

图2是表示存储于原路段地图数据存储部102的原路段地图数据的一例的图。如图2所示，原路段地图数据包含原路段ID、起点节点ID、终点节点ID、起点节点位置坐标、终点节点位置坐标、原路段长度等地图数据所包含的关于道路路段的信息。此外，原路段地图数据也可以包含关于各原路段的其他信息。

原路段ID是用于识别各路段的数据，例如通过分配给各路段的一连串号码来表现。起点节点ID是用于对成为该路段起点的节点进行识别的数据，终点节点ID是用于对成为该路段终点的节点进行识别的数据。这样，在各路段中，通过区别起点节点和终点节点，能够确定路段的方向（上行或下行）。另外，起点节点位置坐标、终点节点位置坐标是通过例如纬度经度来表示该路段的起点节点、终点节点各自的位置的数据。原路段长度是该路段的起点节点和终点节点之间的道路的长度。

原路段交通数据存储部103存储有通过通信部101获取的各原路段的交通数据。图3是表示所存储的原路段交通数据的一例的图。如图3所示，原路段交通数据包含原路段ID、日期时间数据、原路段旅行时间数据。如上所述，交通数据预测装置10以预定时间间隔从交通数据发布中心20获取交通数据，因此，也可以对原路段交通数据存储部103进行以该预定时间间隔追加新的数据、删除旧的数据等的更新。

原路段ID与存储于路段地图数据存储部102的原路段ID对应。日期时间数据表示该原路段交通数据是何时的交通数据。原路段旅行时间数据表示该原路段ID的所需走行时间。此外，原路段交通数据也可以包含原路段的车辆的平均速度等数据，在该情况下，也可以对存储于原路段地图数据存储部102的路段长度除以路段旅行速度来求出原路段旅行时间。

扩展路段生成部104对原路段地图数据存储部102及原路段交通数据存储部103进行读取，使用原路段地图数据及原路段交通数据，由原路段地图数据存储部102中分配了不同ID的原路段生成扩展路段，将与所生成的扩展路段有关的数据存储于扩展路段地图数据存储部105。另外，扩展路段生成部104基于原路段交通数据按所生成的各扩展路段生成扩展路段交通数据，将所生成的扩展路段交通数据存储于扩展路段交通数据存储部106。

预测周期决定部107使用存储于扩展路段交通数据存储部106的扩展路段交通数据，决定扩展路段交通数据预测部108的预测周期、即进行预测的时间间隔。此外，关于预测周期，也可以与扩展路段交通数据的生成相应地对所有的扩展路段设定相同的周期，在该情况下，也可以不设置预测周期决定部107。

扩展路段交通数据预测部108根据蓄积于扩展路段交通数据存储部106的扩展路段交通数据，按各扩展路段预测路段旅行时间等交通数据，将预测数据存储于扩展路段预测交通数据存储部109。扩展路段交通数据预测部108按照由预测周期决定部107决定的预测周期或预定的预测周期反复算出预测数据。

扩展路段分割部110以构成各扩展路段的原路段为单位对扩展路段进行分割，对存储于扩展路段预测交通数据存储部109的预测交通数据进行分割并使之与分割后的路段关联而将其存储于原路段预测交通数据存储部111。

在原路段预测交通数据存储部111中，原路段ID与该路段的旅行时间等路段交通数据的预测值及表示该预测值是对何时的交通数据进行预测而得到的值的日期时间信息被相关联地加以存储。优选对于同一道路路段使路段预测交通数据存储部111中的路段ID和原路段地图数据存储部102中的路段ID一致，但也可以使用相互不同的ID而通过位置数据等来相关联。

交通数据预测装置10存储有从存储介质读出的用于实现这些各功能的程序。

下面，以预测路段旅行时间的情况为例，使用图4的流程图对具有这样的结构的交通数据预测装置10的动作进行说明。

首先，通过扩展路段生成部104，使用从原路段地图数据存储部102读出的原路段地图数据和从原路段交通数据存储部103读出的原路段交通数据生成扩展路段（步骤S11）。在本实施方式中，参照原路段地图数据所包含的起点节点ID及终点节点ID，将相邻的原路段依次连结（结合），由此生成扩展路段。也即是，扩展路段的生成是决定将原路段连结到多远的过程。该决定基于在每次连结原路段时使用原路段交通数据进行的、所连结的原路段总体的交通数据预测的模拟结果来完成。所生成的扩展路段被存储于扩展路段地图数据存储部105。此外，关于扩展路段的生成处理的流程，将在后面进行详细描述。

图5是表示存储于扩展路段地图数据存储部105的扩展路段地图数据的一例的图。如图5所示，扩展路段地图数据包含扩展路段ID、原路段ID、各原路段的路段长度、扩展路段的路段长度等数据。扩展路段ID是用于识别通过步骤S11生成的各扩展路段的数据。原路段ID是用于识别扩展路段ID所包含的原路段的数据，与存储于原路段地图数据存储部102的原路段ID对应。扩展路段长度是将扩展路段所包含的原路段的路段长度相加而算出的长度。

在扩展路段生成部104，还读取原路段交通数据存储部103而生成作为通过步骤S11生成的各扩展路段的交通数据的扩展路段交通数据（步骤S12）。在本实施方式中，扩展路段交通数据所包含的扩展路段旅行时间是通过将各扩展路段所包含的各原路段的旅行时间相加来算出的。关于1条扩展路段，按原路段交通数据的各日期时间数据进行该旅行时间的合计（相加）处理。即，若各原路段交通数据以5分钟为间隔合计为n个，则扩展路段交通数据也生成n个以5分钟为间隔的数据。另外，如上所述，原路段交通数据存储部103被以预定时间间隔进行更新，因此，相应地也追加扩展路段交通数据。因此，该步骤S12的处理也可以与原路段交通数据存储部103的更新相应地按预定时间间隔反复进行。所生成的扩展路段交通数据被存储于扩展路段交通数据存储部106。

图6是表示扩展路段交通数据存储部106所存储的数据的一例的图。如图6所示，扩展路段交通数据包含扩展路段ID、日期时间数据、扩展路段旅行时间数据。此外，在步骤S11中，也可以生成不与其他的原路段连结的仅由1条原路段构成的扩展路段。在该情况下，扩展路段交通数据的扩展路段旅行时间数据与原路段的路段旅行时间数据相等。

并且，在扩展路段交通数据预测部108，基于通过步骤S12生成的扩展路段交通数据进行各扩展路段的交通数据的预测（步骤S13）。如上所述，在步骤S12中，与原路段交通数据的各日期时间数据相对应地生成与该日期时间数据的数量相应的数量的各扩展路段交通数据。在步骤S13中，这样使用经时（历时）蓄积的数据作为各扩展路段的交通数据，进行与预测周期对应的预定时间后的各扩展路段的交通数据的预测。

对于交通数据的预测，可以使用各种方法进行。在本实施方式中，进行使用作为时序分析方法之一的AR（Auto Regression）模型（自回归模型）的预测。AR模型是将某时刻的输出表现为过去的输出的线性结合的模型，日期时间t的某扩展路段的旅行时间T_t可以记述为如下式1。

式1

$T_t=\underset{k=1}{\overset{t-1}{\mathrm{\Σ}}}{A}_k{T}_{t-k}+{\mathrm{\ϵ}}_t$

在此，A_k是AR参数（常数），为了确定各A_k，需要预先实施学习。另外，ε_t是误差项。

在这样的使用AR模型预测交通数据的情况下，需要输入预测时刻之前的日期时间下的多个交通数据。如上所述，关于相同的扩展路段，在扩展路段交通数据存储部106存储有日期时间不同的多个交通数据。在扩展路段交通数据的预测中，可以将任何数据用于输入。在本实施方式中，从扩展路段交通数据存储部106读出预测时刻前1小时期间的扩展路段交通数据，将该扩展路段交通数据用于预测。

例如，在步骤S12中，与原路段交通数据存储部103的更新相应地，在每时0分、5分这样以5分钟为间隔新生成扩展路段交通数据。在该情况下，如图7所示，在20xx年4月1日上午9点05分的某扩展路段e_n的旅行时间的预测中，使用相当于预测时刻前1小时期间的数据的、同一天上午8点到上午9点的以5分钟为间隔的共计13个扩展路段旅行时间数据。

扩展路段交通数据预测部108对于所有的扩展路段进行这样的扩展路段旅行时间的预测。所算出的各预测值被与扩展路段ID相关联地存储于扩展路段预测交通数据存储部109。

接着，在步骤S14中，分割扩展路段。由此，扩展路段恢复为原路段单位，并且存储于扩展路段预测交通数据存储部109的扩展路段预测交通数据被转换为各原路段的预测交通数据而被存储于原路段预测交通数据存储部111。

具体而言，通过扩展路段分割部110对扩展路段预测交通数据存储部109和扩展路段地图数据存储部105进行读取，将存储于扩展路段预测交通数据存储部109的各扩展路段的旅行时间的预测值按照存储于扩展路段地图数据存储部105的作为该扩展路段的要素的各原路段的路段长度之比来进行分配（分割）。按比例分配后的路段旅行时间预测值被再次与原路段ID相关联地存储于原路段预测交通数据存储部111。此外，对于预测值的按比例分配，也可以使用存储于原路段交通数据存储部103的数据按照各原路段的平均旅行时间之比来进行分配。

如上所述，可以与原路段交通数据存储部103的更新相应地反复进行步骤S12以后的处理。此外，在本实施方式中，通过切断电源、插入处理结束（处理结束中断）来结束处理。

这样，在本实施方式中，连结作为从交通数据发布中心20发布的路段旅行时间等路段交通数据的单位的原路段而生成扩展路段，该扩展路段为旅行时间等交通数据的预测的单位。因此，与将原路段作为单位进行交通数据的预测的现有技术相比，在进行预测的各时刻，要算出的预测值的数量变少，结果，能够减少用于交通数据预测的计算量。

下面，使用图8的流程图及图9所示的具体例来说明扩展路段生成部104的扩展路段生成处理的流程。在此，也对交通数据为路段旅行时间的情况进行说明。

首先，读取原路段交通数据存储部103，针对所有的原路段算出预测误差率（步骤S21）。在此，预测误差是指预测值和真值即实际的路段旅行时间之间的误差，预测误差率通过|（预测值－真值）|／（真值）来求出。在本实施方式中是求出预测误差率，但也可以采用能获得能够评价各原路段的预测精度的指标的其他方法，例如也可以使用真值和预测值的绝对差、RMSE（Root Mean-Square Error，均方根误差）。

对于步骤S21中的预测值，可以与图4的流程图的步骤S13同样地利用AR模型而使用实际的过去的交通数据来算出。不过，通过该步骤算出的预测值是用于生成扩展路段的值，不是提供给终端装置30的值。因此，在本实施方式中，对于已经从交通数据发布中心20发布交通数据、并存储在了原路段交通数据存储部103的过去的时刻p的某原路段的旅行时间数据，使用更过去的时刻p－1、p－2、……的该路段的旅行时间数据来进行预测，将预测结果作为用于算出误差的预测值。基于该预测值和存储于原路段交通数据存储部103的日期时间数据为p的相同原路段的实际的旅行时间数据，算出预测误差率。

每次针对各原路段算出预测误差率时，扩展路段生成部104将原路段的路段ID和误差率相关联地进行保持。图9的（a）是示意表示该状态的图。在图9的（a）中，各箭头符号表示各原路段，箭头符号的箭头部分与原路段的终点节点对应，箭头符号的另一端与原路段的起点节点对应，箭头朝向的方向为道路的下游方向，相反的方向为上游方向。

当针对所有的原路段算出了预测误差率时，则设定一个通过以下的处理生成的扩展路段ID、e_i（步骤S22）。i的初始值为1，每次返回步骤S22时，i递增1。

接着，针对所有的扩展路段判断是否存在不为任何扩展路段e_i的要素的原路段（步骤S23）。在判断为不存在不为任何扩展路段的要素的原路段的情况下，即在判断为全部原路段为至少1条扩展路段的要素的情况下（步骤S23为“否”），全部原路段被转换为用于预测的扩展路段，结束扩展路段生成处理。

另一方面，在判断为存在不为任何扩展路段的要素的原路段的情况下（步骤S23为“是”），选择扩展路段e_i的种路段（步骤S24）。在此，“种路段”是指成为扩展路段e_i的最初的要素的原路段，该原路段的起点节点成为扩展路段e_i的起点节点。在存在多条不为任何扩展路段的要素的原路段的情况下，预测误差率最小的原路段被选择为种路段。此外，种路段的选择也可以基于交通量、探测数大小、拥挤度等其他的参数来进行。

图9的（b）表示误差率为5％的原路段（原路段ID＝o₁₅）被选择为扩展路段e₁的种路段。

接着，判断是否存在与扩展路段e_i末尾的要素相邻的未调查原路段（步骤S25）。在此，扩展路段e_i末尾的要素是指最后追加于由1条以上的原路段构成的扩展路段e_i的原路段，与末尾的要素相邻的原路段是指其起点节点与作为末尾的要素的原路段的终点节点一致的路段。另外，未调查原路段是指用于生成该扩展路段e_i的、在后述的步骤S26中一次也没有被选择的原路段。此外，作为相邻的路段，也可以与本实施方式相反地，判断有无在上游方向上相邻的路段、即终点节点为与作为扩展路段e_i末尾的要素的原路段的起点节点一致的节点的未调查原路段。

并且，在判断为不存在与扩展路段e_i末尾的要素相邻的未调查原路段的情况下（步骤S25为“否”），该扩展路段的生成结束，返回步骤S22，设定新的扩展路段ID、e_i＋1。在判断为存在与扩展路段e_i末尾的要素相邻的未调查原路段的情况下（步骤S25为“是”），与扩展路段e_i末尾的要素相邻的未调查原路段被追加于扩展路段e_i的最后（步骤S26）。在存在多条与扩展路段e_i末尾的要素相邻的未调查原路段的情况下，选择1条预测误差率最小的路段。对于存在多条相邻路段的情况下的选择，既可以随机选择，也可以按照其他规则来选择。

图9的（c）表示如下状态：选择与作为扩展路段e₁末尾的要素的o₁₅相邻的原路段中的误差率最小的原路段o₁₆，将其追加为了扩展路段e₁末尾的要素。

在步骤S26中，若原路段被新追加于扩展路段e_i的末尾，则接着针对追加原路段后的扩展路段求出预测误差率Δe_i（步骤S27）。具体而言，首先，根据扩展路段e_i的真值（构成扩展路段e_i的各原路段的实际的旅行时间的合计值）算出扩展路段e_i的旅行时间的预测值。可以与步骤S21的原路段的预测值的算出同样地根据扩展路段e_i的真值算出扩展路段e_i的预测值。然后，分别算出按照各原路段的路段长度或平均路段旅行时间对该扩展路段e_i的预测值进行按比例分配而得到的值和各原路段的真值的误差率后，将该预测误差率的平均值作为扩展路段e_i的误差率。一般而言，这样对扩展路段的预测值进行按比例分配后求出与原路段的真值之间的误差率的方法能算出接近实际的值的预测误差率，但也可以不对扩展路段e_i的预测值进行按比例分配而采用与扩展路段e_i的真值之间的预测误差率。

然后，判断通过步骤S27求出的扩展路段e_i的预测误差率与该扩展路段的种路段的预测误差率或针对该扩展路段至此算出的预测误差率相比是否增大了（步骤S28）。预测误差率的增大意味着对扩展路段e_i的预测精度变差，因此，不希望将通过步骤S26新追加的原路段采用为扩展路段e_i的要素。因此，在预测误差率增大了的情况下（步骤S28为“是”），将成为误差率增加的主要原因的原路段从扩展路段e_i撤消（步骤S29），返回步骤S25。与此相对，在预测误差率不增加的情况下（步骤S28为“否”），返回步骤S25。

在图9的例子中，在图9的（c）中暂时在扩展路段e₁末尾追加了原路段o₁₆，该状态下的扩展路段e₁的预测误差率为7％，与种路段o₁₅的误差率5％相比增大了。因此，如图9的（d）所示，原路段o₁₆被从扩展路段e₁的末尾撤消，未调查的其他的相邻路段o₂₁被新追加于扩展路段e₁。当追加了原路段o₂₁的扩展路段e₁的预测误差率为4％时，与扩展路段e₁仅由作为种路段的原路段o₁构成的情况相比，误差率降低，因此，如图9的（e）所示，原路段o₂₁不被撤消而被确定为扩展路段e₁的要素，下次通过同样的程序决定是否应追加与o₂₁相邻的未调查路段。通过反复进行这样的处理，如图9的（f）所示，一个接一个地生成扩展路段，全部的原路段被置换为扩展路段的要素。

在本实施方式中，为了生成扩展路段，根据各原路段的过去的旅行时间的真值算出预测值和预测误差。因此，随着原路段交通数据存储部103的更新，也可以适当地重新生成扩展路段。

以上，在本实施方式中，连结原路段而生成扩展路段以使得预测误差率降低，因此，即使降低用于预测的计算量，也能够实现可靠性高的预测。

能够将与这样的扩展路段生成方法同样的方法应用于决定预测周期决定部107的预测周期、即应用于决定用于算出路段旅行时间的预测值的时间间隔。在本实施方式中，也可以通过预测周期决定部107按各扩展路段决定预测周期以使得预测误差率降低。由此，例如通过使进行预测的时间间隔为10分钟等而使该时间间隔更大，能够在确保预测的可靠性的同时减少预测次数、进而降低计算量。此外，也可以与原路段交通数据存储部103的更新相应地每隔5分钟而进行扩展路段的旅行时间预测。

例如在获取来自浮动车的交通数据等来进行预测的情况下，增大预测时间间隔在高精度地进行交通数据的预测方面也是有效的。如图10所示，在从交通数据发布中心20获取的原路段旅行时间的时间变动大的情况下，据此得到的预测值的变动也较大，相应地，常常导致在真值与预测值之间产生较大的误差。在这样的情况下，当增大输出预测值的时间间隔时，则能够吸收交通数据的急剧的变动，能够减小误差。

这样，通过仅增大预测的时间间隔，也能够期待减少预测误差，但在本实施方式中，通过使预测周期变化来进行预测精度的模拟，能够更高精度地进行交通数据的预测。

预测周期决定部107的预测精度的模拟中，通过算出使预测周期进行各种改变而进行了扩展路段交通数据的预测的情况下的预测误差率，采用预测误差率最小的预测周期，由此决定预测周期。更具体而言，进行以下的处理。即，读出存储于扩展路段交通数据存储部106的各扩展路段的旅行时间，如例如5分钟后的旅行时间预测值、10分钟后的旅行时间预测值、15分钟后的旅行时间预测值……等这样，改变与用于算出预测值的最后的真值对应的时刻起的经过时间，依次算出预测值及预测误差率。对于该预测误差率的计算，可以与上述的扩展路段生成中的预测误差率的计算同样地进行。只要预测误差率下降就继续进行以上处理，决定周期以使得与所算出的最小预测误差对应的经过时间成为预测的时间间隔。

以上，根据本实施方式的交通数据预测装置10，扩展路段生成部104使用各原路段的预测误差率来连结与从交通数据发布中心20获取的各原路段的旅行时间数据相关联的原路段，由此生成扩展路段，扩展路段交通数据预测部108按各扩展路段算出旅行时间的预测值，因此，能够在降低用于预测旅行时间的计算量的同时算出可靠性高的预测数据。

以上，通过例示说明了本发明的实施方式，但本发明的范围不限于此，可以在权利要求所记载的范围内根据目的来进行变更、变形。

例如，在以上的说明中，对根据车辆导航装置等终端装置的请求来预测所提供的交通数据的情况进行了说明，但也可以在具有与交通数据预测装置10同样的结构的终端装置中进行交通数据的预测。

另外，在以上的说明中，对从交通数据发布中心20获取并存储于原路段交通数据存储部的交通数据及作为预测对象的交通数据为各扩展路段的路段旅行时间的情况进行了说明，但既可以获取路段旅行速度等其他的交通数据来预测各扩展路段的路段旅行时间，也可以预测其他的交通数据。或者，也可以根据原路段旅行时间数据预测其他的交通数据。

另外，在以上的说明中，对通过依次连结相邻的原路段来生成扩展路段的情况进行了说明，但既可以连结（结合）不相邻的原路段而生成扩展路段，也可以预先算出连结原路段而得到的多条候补扩展路段的预测误差率、并基于该预测误差率而从候补扩展路段中确定作为扩展路段的路段。

产业上的可利用性

本发明具有能够降低用于预测路段旅行时间等交通数据的计算量的效果，作为预测道路区间的交通数据的交通数据预测装置等是有用的。

Claims (12)

1.一种交通数据预测装置，其特征在于，具有：

原路段交通数据存储部，其存储作为预定的道路路段的各原路段的交通数据；

扩展路段生成部，其从所述原路段生成扩展路段；以及

扩展路段交通数据预测部，其使用各所述原路段的交通数据预测由所述扩展路段生成部生成的各扩展路段的交通数据，

所述扩展路段生成部基于对连结所选择的所述原路段而得到的连结路段的交通数据的预测精度进行表示的数据，决定用于生成所述扩展路段的所述原路段，生成以所决定的所述原路段为要素的所述扩展路段。

2.根据权利要求1所述的交通数据预测装置，其特征在于，

所述扩展路段交通数据预测部基于使用与作为所生成的所述扩展路段的要素的所述原路段对应的所述原路段交通数据来算出的各所述扩展路段的交通数据，预测各所述扩展路段的交通数据。

3.根据权利要求1或2所述的交通数据预测装置，其特征在于，

还具有扩展路段分割部，该扩展路段分割部将由所述扩展路段交通数据预测部预测出的各所述扩展路段的交通数据分配给作为所述扩展路段的要素的各个所述原路段。

4.根据权利要求3所述的交通数据预测装置，其特征在于，

所述扩展路段分割部通过对由所述扩展路段交通数据预测部预测出的各所述扩展路段的交通数据按照作为所述扩展路段的要素的各个所述原路段的属性值来进行按比例分配，由此进行向各个所述原路段的分配。

5.根据权利要求1～4中的任一项所述的交通数据预测装置，其特征在于，

所述扩展路段生成部通过预测所述连结路段的交通数据，算出对所述连结路段的交通数据的预测精度进行表示的数据。

6.根据权利要求5所述的交通数据预测装置，其特征在于，

所述扩展路段生成部使用如下的数据来预测所述连结路段的交通数据，该数据是使用构成所述连结路段的所述原路段的交通数据算出的各所述连结路段的交通数据。

7.根据权利要求1～6中的任一项所述的交通数据预测装置，其特征在于，

所述扩展路段生成部基于对各所述原路段的交通数据的预测精度进行表示的数据，选择构成所述连结路段的所述原路段。

8.根据权利要求1～7中的任一项所述的交通数据预测装置，其特征在于，

所述连结路段是依次选择相邻的所述原路段而进行连结得到的路段。

9.根据权利要求8所述的交通数据预测装置，其特征在于，

所述扩展路段生成部在每次新连结所选择的所述原路段时，算出对所述连结路段的交通数据的预测精度进行表示的数据，在所述连结路段的交通数据的预测精度不降低的情况下，将所述新连结的所述原路段确定为用于生成所述扩展路段的所述原路段。

10.根据权利要求1～9中的任一项所述的交通数据预测装置，其特征在于，

还具有预测周期决定部，该预测周期决定部决定要进行各所述扩展路段的交通数据的预测的周期，

所述扩展路段交通数据预测部按照由所述预测周期决定部决定的周期预测各所述扩展路段的交通数据。

11.根据权利要求10所述的交通数据预测装置，其特征在于，

所述预测周期决定部基于对按照不同的周期进行了各所述扩展路段的交通数据的预测的情况下的预测精度进行表示的数据，决定要进行各所述扩展路段的交通数据的预测的周期。

12.一种交通数据预测方法，其特征在于，包括：

扩展路段生成步骤，从作为预定的道路路段的原路段生成扩展路段；和

扩展路段交通数据预测步骤，使用从存储各所述原路段的交通数据的原路段交通数据存储部获取的各原路段的交通数据，预测通过所述扩展路段生成步骤生成的各扩展路段的交通数据，

在所述扩展路段生成步骤中，基于对连结所选择的所述原路段而得到的连结路段的交通数据的预测精度进行表示的数据，决定用于生成所述扩展路段的所述原路段，生成以所决定的所述原路段为要素的所述扩展路段。

Images