JP2000283780A - 経路探索方法及びその装置 - Google Patents

Abstract

(57)【要約】 【課題】従来の経路探索方法及び、経路探索装置では、
運転者にとっての好適な経路を探索するため、運転者が
認識している運転特性を設定する事により好適な経路を
探索しようとしていた。しかし、運転者の認識と、探索
された経路の間には認識のずれがあり必ずしも好適な経
路が探索されなかった。 【解決手段】最小コスト経路を探索する経路探索装置に
おいて、経路選択の特性が反映された経路コストを演算
するための要因に掛かる係数を実走行経路の選択確率か
ら求めることにより、運転者の経路選択特性を抽出でき
るようにし、求められた係数により経路探索ができるよ
うにした。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、目的地までの走行経路
を運転者に提供する車両用経路探索装置、特に、運転者
の運転履歴より、運転者の経路選択特性を抽出し、抽出
した経路選択特性を用い運転者に最も適合する走行経路
の探索に関する。

【０００２】

【従来の技術】従来より、各種の車両用経路探索方法お
よび、経路探索装置（ナビゲーション装置）が知られて
おり、通常の乗用車においても、これが搭載されるよう
になってきている。通常のナビゲーション装置において
は、まず目的地点の設定を行うことにより、現在位置よ
り、目的地点までの経路を探索し案内するものである。

【０００３】この車両用経路探索装置においては、各種
の経路探索方法がとられており、より運転者が希望する
のに近い経路探索を迅速に行ない、走行に適する経路の
提供をしようとしている。例えば、運転者の好みを反映
させるべく、景観、幅員、走行距離、走行時間、走行料
金等の要因を付加し探索を行おうとしているものもあ
る。この種の運転者の好みを反映させて経路を探索し案
内する方法には、経路の探索をするときに、何を重視し
て経路の探索をしたいか、運転者が入力して、経路探索
を行わせることにより上記要因について重みを付けた最
小コスト経路の探索を行い運転者の希望する経路を提供
しようとしていた。さらに、運転者の走行履歴を記憶す
る事により、以前通ったことのある経路であれば、運転
者の走行した経路を提供する様にしているものも有る。

【０００４】

【発明が解決しようとする課題】しかしながら、運転者
が認識している好みが必ずしも、運転者の運転特性と一
致しているわけではない。例えば、運転者が自分は、時
間重視で、運転技術が必要な道でも良いと考え、そのよ
うな経路探索を行う様指示している場合でも、提供され
た経路は、その運転者にとっては、高度な運転技術が必
要であり、真に求めている経路とは一致していない場合
がある。従って、その運転者にとっては、もう少し時間
が掛かっても、広い道が良いといったような提供された
経路と好みの不一致も当然ありうる。つまり、真に運転
者の運転特性と一致している運転者の希望する経路の提
供を行うことができなかった。

【０００５】さらに、一度通ったことのある経路であれ
ば運転者の走行履歴を反映させることもできるが、新し
い未知の経路については、走行履歴を反映させることが
できなかった。

【０００６】

【課題を解決する手段】上記課題を解決するために本発
明では、地図データと、経路コストを演算するための道
路情報とを用いて、指定された出発位置から目的位置ま
での最小コスト経路を探索する経路探索方法において、
運転者の経路選択特性の反映された複数の実走行経路を
記憶し、任意の１つの実走行経路の出発地と目的地とを
共通とする他の経路の経路コストに対して実走行経路の
経路コストが小さく評価される程、出発地と目的地とを
共通とする他の経路に対する実走行経路が選択される確
率が大きくなる関数をもちいて選択確率を演算し、実走
行経路全体において、それぞれの経路の選択確率が大き
くなる程大きくなる、実走行経路全体における評価値を
演算し、その評価値が最大となるように経路コストを決
定する各要因の係数を最適化し、この最適化された係数
を用いて最小コスト経路を探索することを特徴とする。

【０００７】さらに請求項２の発明では、車両の現在位
置を検出する現在位置検出手段と、現在位置から車両の
実走行経路を検出する実走行経路検出手段と、地図デー
タと経路コストを演算するための道路情報が付加された
道路情報記憶手段を備え、地図データと、道路情報を用
いて指定された出発位置から目的位置までの最小コスト
経路を探索する経路探索装置において、実走行経路検出
手段により検出された実走行経路を複数記憶する実走行
経路記憶手段と、任意の１つの実走行経路の出発地と目
的地とを共通とする他の経路の経路コストに対して実走
行経路の経路コストが小さく評価される程、出発地と目
的地とを共通とする他の経路に対する実走行経路が選択
される確率が大きくなる関数をもちいて選択確率を演算
する選択確率演算手段と、実走行経路全体において、そ
れぞれの経路の前記選択確率が大きくなる程大きくな
る、実走行経路全体における経路選択評価値を演算する
経路選択評価値演算手段と、経路選択評価値が最大とな
るように経路コストを決定する各要因の係数を最適化す
る係数最適化手段と、最適化された係数を用いて最小コ
スト経路を探索する経路探索手段とを有することを特徴
とする。

【０００８】さらに請求項３の発明によれば、経路コス
トは、経路ｉのコストをＳ_iとし、Ｚ_miを要因特性値、
β_mをそれぞれの要因にかかる係数としたとき、（１）
式により表現されることを特徴とする。

【数１】 Ｓ_i＝Σ_mβ_mＺ_mi １≦ｍ≦ｋ ｋ：要因数 … （１）

【０００９】請求項 4の発明によれば、選択確率は、任
意の１つの実走行経路ｒの出発地と目的地とを共通とす
る経路の集合をＪr とし、経路の集合Ｊr に含まれる経
路をｊr とした時、（２）式により表わされることを特
徴とする。

【数２】 Ｐ_r＝exp(−Ｓ_r)／(Σ_jrexp( −Ｓ_jr)) ; ｊr ∈Ｊr … （２）

【００１０】請求項５の発明によれば、経路選択評価値
は、経路選択評価値をＬ、実走行経路ｒの集合をＮ、選
択実績δ_r,jrを、（３）式により定義した時、（４）式
により表わされることを特徴とする。

【数３】 δ_r,jr＝１ ：jr＝ｒ δ_r,jr＝０ ：jr≠ｒ …（３）

【数４】 Ｌ＝Π_rΠ_jrＰ_jr**δ_r,jr ;ｒ∈Ｎ，**：べき乗演算 …（４）

【００１１】請求項６の発明によれば、経路選択評価値
は、（５）式により表わされることを特徴とする。

【数５】 Ｌ＝（Σ_rΠ_jrＰ_jr**δ_r,jr)／ｎ ;ｎは集合Ｎの中の実走行経路の本数、ｒ∈Ｎ、**：べき乗演算、…（５）

【００１２】請求項７の発明によれば、経路選択評価値
は、ｎ本の各実走行経路ｒの特性により決定される係数
をμ_rとした時、（６）式により表わされることを特徴
とする。

【数６】 Ｌ＝(Σ_rμ_rΠ_jrＰ_jr**δ_r,jr)／Σ_rμ_r ; ｒ∈Ｎ，**：べき乗演算 …（６）

【００１３】

【発明の作用及び効果】上記構成により、本発明による
経路探索方法によれば、地図データと、経路コストを演
算するための道路情報とを用いて、指定された出発位置
から目的位置までの最小コスト経路を探索する経路探索
方法において、運転者の経路選択特性の反映された複数
の実走行経路を記憶し、任意の１つの実走行経路の出発
地と目的地とを共通とする他の経路の経路コストに対し
て実走行経路の経路コストが小さく評価される程、他の
経路に対する実走行経路が選択される確率が大きくなる
関数を用いて選択確率を演算し、実走行経路全体におい
て、それぞれの経路の選択確率が大きくなる程大きくな
る、実走行経路全体における評価値を演算し、その評価
値が最大となるように経路コストを決定する各要因の係
数を最適化し、この最適化された係数を用いて最小コス
ト経路を探索することができるようになる。つまり、運
転者の経路選択特性の反映された複数の実走行経路か
ら、運転者の経路選択特性の反映された、経路コストを
決定する各要因の最適化された係数を求めることができ
るようになる。この結果、未知の経路であっても求めら
れた係数を用いて、経路探索を行うことにより、運転者
にとって好適な経路を探索できるようになる。さらに、
本発明では、運転者の実走行経路から係数を求めるの
で、運転者が意識していない運転特性も抽出することが
できる。そのため、運転者が意識していない特性も反映
させているので、より運転者に適合した経路探索を行う
ことができる経路探索方法である。

【００１４】さらに、請求項２の発明による経路探索装
置によれば、実走行経路検出手段により検出された実走
行経路を複数記憶することができるようになり、記憶さ
れた任意の１つの実走行経路の出発地と目的地とを共通
とする他の経路の経路コストに対して実走行経路の経路
コストが小さく評価される程、他の経路に対する実走行
経路が選択される確率が大きくなる関数をもちいて選択
確率を演算することができるようになり、さらに、実走
行経路全体において、それぞれの経路の選択確率が大き
くなる程大きくなる、実走行経路全体における経路選択
評価値を演算するすることができるようになる。それに
より、経路選択評価値が最大となるように経路コストを
決定する各要因の係数を最適化することができるように
なる。さらに、最適化された係数を用いて最小コスト経
路を探索することができるようになる。これにより、請
求項１の発明による経路探索方法を実現することができ
るようになり運転者に適合した経路探索を行うことがで
きるようになる。

【００１５】さらに、請求項３の発明による経路探索装
置によれば、経路コストは、（１）式により表現される
ので、経路の特性、例えば、距離、走行時間、車幅、道
路等級などが、経路を選択する時の要因として経路コス
トに反映させることができるようになる。さらに、それ
ぞれの要因に対して、係数を持つことができるようにな
るので、それぞれの要因に重みを付けることができるよ
うになる。

【００１６】さらに、請求項４の発明による経路探索装
置によれば、任意の１つの実走行経路ｒの出発地と目的
地とを共通とする経路の集合からの選択確率は、（２）
式により表現されるので、それぞれの経路コストのみに
より装置の選択確率を求めることができるようになる。

【００１７】さらに、請求項５の発明による経路探索装
置によれば、経路選択評価値は、経路の選択実績を
（３）式により定義すると、（４）式により表現される
ので、実走行経路の選択確率の積で表現できる様にな
る。これにより、選択される確率が大きくなれば、大き
くなる経路選択評価値を定義することができるようにな
る。さらに、（２）式により表現される選択確率の積で
あるので、経路選択評価値も既知の値のみにより定義さ
れることとなる。

【００１８】さらに、請求項６の発明による経路探索装
置によれば、経路選択評価値は、（５）式により表現さ
れるので、実走行経路の選択確率の和で表現できる様に
なる。これにより、請求項５の発明と同様に選択される
確率が大きくなれば、大きくなる経路選択評価値を定義
することができるようになる。さらに、（２）式により
表現される選択確率の和であるので、経路選択評価値も
既知の値のみにより定義されることとなる。

【００１９】さらに、請求項７の発明による経路探索装
置によれば、経路選択評価値は、実走行経路ｒの特性に
より決定される係数をμ_rとした時、（６）式により表
現されるので、実走行経路の選択確率の重み付けされた
和で表現できる様になる。これにより、請求項５およ
び、請求項６の発明と同様に選択される確率が大きくな
れば、大きくなる経路選択評価値を定義することができ
るようになる。さらに、（２）式により表現される選択
確率の重み付けされた和であるので、（６）式による経
路選択評価値も既知の値のみにより定義され、さらに、
経路の特性、例えば、距離、走行時間、その経路の使用
頻度などにより重み付けすることができ、経路の係数へ
の重みを付けることができる様になる。

【００２０】

【実施例】本発明の経路探索装置の１実施例を図により
説明する。尚、以下で引用する（１）式〜（６）式は、
課題を解決する手段で記載した式である。図１は本発明
の実施例である車載のナビゲーション装置の構成を示す
ブロック図である。制御装置２０は、実走行経路検出手
段２１、選択確率演算手段２２、経路選択評価値演算手
段２３、係数最適化手段２４、係数検定手段２５、経路
探索手段３０、探索経路記憶手段３３、探索データ記憶
手段３４、経路探索制御手段３５により構成される。経
路探索手段３０は、操作入力手段５０から目的地の入力
がなされた場合は、地図データ１１に記憶された道路情
報を読み出し、経路探索部３１において経路探索を行
い、走行コスト演算部３２において、探索経路のコスト
を演算し、最小コストとなる経路の探索を行う。さら
に、地図データ１１から必要に応じて経路探索手段３４
により読み出された道路情報は、探索中のデータも合わ
せて探索データ記憶手段３５へ記憶される。探索し確定
された経路情報は、探索経路記憶手段３４へ記憶され
る。記憶された探索経路は、車の移動に伴い表示手段４
２へ、車両記号と共に、現在位置を含む範囲の地図に重
ね書きされ、表示される。

【００２１】ここで、最小コスト経路について少し説明
する。コストとは、最短経路を評価する経路長、所要時
間、費用等を総合評価した評価値であり小さいほど走行
に適すると判断されるもので有る。

【００２２】経路コストは、経路を構成するリンクに付
加された道路情報の要因と要因の重みである係数の積の
和により求められ、（１）式により定義される。具体的
には、例えば、次の式により求められる。

【数７】 コスト＝距離×β1 ＋時間×β2 ＋車線数×β3 ＋右左折割合×β4 ＋リンク階層値×β５ …（７） ここで、βi により示される係数は、それぞれの要因か
ら決まる係数であり、要因の重みにより決定される。本
発明はこの点に注目したものである。

【００２３】実走行経路記憶手段１０に記憶された実走
行経路と出発地、目的地を共通にする複数の経路から、
実走行経路を選択する確率と、その選択確率が実走行経
路全体で大きくなるほど大きくなる経路選択の評価値を
用いて、評価値を最大にする係数を求めることで、実走
行経路全体から係数を抽出することになる。これによ
り、実走行経路から抽出された係数は、運転者の運転特
性が反映されており、この係数を用いて経路探索を行う
ことにより、運転者が意識していない運転特性をも反映
した経路探索が可能となる。

【００２４】なお、後で詳しく述べるが、実走行経路を
選択する確率は選択確率演算手段２２により演算され、
経路選択の評価値は経路選択評価値演算手段２３により
演算され、これらの結果を用いて、係数最適化手段２４
により、最適な係数が演算される。また、必要に応じ
て、実走行経路と出発地、目的地を共通にする複数の経
路が経路探索手段３０により探索され、一時的に、探索
経路記憶手段３３に記憶され、各演算に使用される。

【００２５】経路探索制御手段３５は、操作入力手段５
０からの入力を受け付け、出力装置４０への探索経路、
地図データ１１から読み出した道路情報の表示および制
御、車両位置検出手段１３の制御、係数の最適化、最適
化した係数を用いた経路探索等の全般の制御を行う。地
図データ１１および、道路情報記憶手段１２に記憶され
た道路情報は、例えば、ＣＤ−ＲＯＭ、ＭＯ、ハードデ
ィスクおよび、その装置により構成される外部記憶装置
により構成される。実走行経路記憶手段１０は、例え
ば、ＭＯ、ハードディスクおよび、その装置により構成
される読み書きのできる外部記憶装置で構成されていて
も、ＲＡＭメモリのような読み書きのできる内部記憶装
置で構成されていても良い。

【００２６】車載のナビゲーション装置においては、車
両の現在位置を知るために、車両位置検出手段１３を備
えている。車両位置検出手段１３は、例えば、受信機器
を含めたＧＰＳ( Global Positioning System)装置であ
り、衛星から測位データを受信して車両の現在位置を検
出し、実走行経路検出手段２１、および、経路探索制御
手段３５に伝える。車両位置検出手段１３は、上記方法
および装置以外にも、公知の車載センサにより方位と移
動距離を計測して推測する方法及びその装置、車外に設
置された送信手段から現在位置を表す地点コードデータ
を車載アンテナおよび受信機により受信し現在位置を知
る方法及びその装置であってもよい。

【００２７】情報の出力装置４０は、いくつかの街路、
車両の記号、現在位置と、目的位置を結ぶ最短経路等の
地図を表示する。例えば、液晶パネル等を用いた表示装
置４２であり、画面上には、タッチスイッチを備えてお
り、画面上に表示された地図において、目的位置に対応
する地点を触れることにより目的地の設定を行うことが
でき、表示された各種のコマンドに触れることにより、
ナビゲーション装置の操作を行うことができる。音声出
力手段４１としては、スピーカおよび、その周辺機器に
より構成される。スピーカを通しては、経路の案内、操
作のガイド等が行われる。

【００２８】操作入力手段５０は、本実施例の車載のナ
ビゲーション装置においては、操作パネル、前述のタッ
チパネルスイッチ、マイク、および、それらの周辺装置
で構成される。マイクを通しては、ナビゲーション装置
に対して、音声による、操作指示ができる。それぞれの
装置については、公知であるので詳しい説明は省略す
る。

【００２９】次に、地図データ１１および、道路情報の
基本的な構成について述べる。地図データ１１は、交差
点であるノードおよび、道路であるリンクにより構成さ
れており、ノードを中心に構成しても、リンクを中心に
構成しても良い。地図データ１１が、主に道路および、
経路の位置関係であるのに対して、道路情報は、道路、
経路の状況、属性である。地図データ１１は、本実施例
においては、ノードを中心に構成され、同時に、道路情
報が付加されており、次の情報により構成されている。 （１）リンクを規定するノードのコード番号 （２）直進、右左折などの通行規制を規定する通行フラ
グ （３）車種規制、時間帯規制などリンクの通行規制を規
定するリンク通行フラグ （４）リンク距離、旅行時間または、速度等のリンク属
性値 （５）道路種別、道路等級等のリンク属性値 （６）ノードのｘ、ｙ座標（緯度、経度） （７）使用頻度、道路種別等によるリンク階層値等のリ
ンク属性値 （８）ノードに対する流入方向または流出方向としての
使用頻度による方向情報の階層値等のノード属性値 更に、行政区界、港湾、川、施設、鉄道及び、それらの
名前、座標などの情報が含まれる。制御装置２０は、地
図データ１１に記憶された地図情報から、入力された探
索開始点、探索終了点により、必要な地図情報を必要に
応じて読み出し、経路案内のための表示、経路探索のた
めのデータとして使用する。

【００３０】地図情報は、図２に示すように、座標値で
ある経緯度情報と、ノード番号により構成されるノード
リスト（ａ）からノードデータ（ｂ）に関連付けられ、
接続リンクデータポインタを介して、リンクデータ
（ｃ）に関連付けられている。

【００３１】ノードデータ（ｂ）は、ノード番号、経緯
度、ノード属性値、接続リンク数、接続リンクのデータ
ポインタ、接続されているリンク間の使用頻度による方
向情報の階層値により構成されている。ノード番号は、
それぞれのノードにつけられた識別番号であり、ノード
が異なれば、ノード番号も異なる。ノード属性値は、交
差点幅、信号機の有無等の、交差点の属性に関する複数
の情報である。

【００３２】リンクデータ（ｃ）は、リンク番号、始点
ノード番号、終点ノード番号、リンクの車線数、リンク
距離、リンク通行時間、国道、県道などの道路種別およ
び道路等級、使用頻度によるリンク階層値、リンク通行
フラグ、その他のリンク属性値、および、リンクの接続
方向により構成される。ここでは、地図データ１１と道
路情報記憶手段１０に記憶された道路情報は、単一の構
成としたが、もちろん、対応付けすることで、情報を別
々に持っても良い。

【００３３】次に、係数の最適化に用いられる実走行経
路データ、出発地と目的地を同一にする経路の集合につ
いて図３を用いて説明する。実走行経路データ図３
（ａ）は、記憶された順につけられた実走行経路番号ｒ
（ｉ）、始点ノード番号、終点ノード番号、経路を構成
するノード数、経路距離、経路通行時間、経路を出発し
た出発時刻、出発地点、到着地点、経路通行フラグ、経
路属性値、経路を構成するノード番号からなり、決めら
れた本数、例えば、１００本記憶されている。１００本
の経路は、１００本目までは、順に記憶していき、１０
１本目の経路を記憶するときは、１本目の経路を消去す
る。本実施例では、どの様な走行でも良いことにし、簡
単のために経路の数を１００本として説明をするが、短
距離の走行を日々繰り返す場合は、直ぐに１００本とな
ってしまうので、走行距離が、有る一定の距離以上の時
記憶するようにしても良い。また、経路の本数も、１０
０本に限らない。さらに、本数の制限ではなく、経路を
記憶する物理的なメモリが一杯になったときとしても良
い。さらに、経路の選択特性は、同一の運転者において
も、短距離、中距離、長距離等、距離により、特性が異
なることが考えられる。例えば、短距離であれば、費用
重視であるのに対して、長距離になれば、時間重視とな
るなどが考えられる。このように、経路の記憶をする際
に、距離により群別して記憶し、係数の抽出も、群によ
り行うようにしても良い。それ以外にも、時間帯、曜日
等により群別し、係数の抽出を行っても良い。

【００３４】つぎに、出発地と、目的地を共通にする経
路の集合図３（ｂ）は、予め設定された係数の初期値、
または、前回の抽出により得られた選択特性の反映され
た係数を用いて、係数の最適化を行う際に、記憶された
各実走行経路に対し、出発値と目的地を共通にする経路
の内、最小から、k 番目までのコストの経路を経路探索
手段３０により、探索したものである。探索された経路
は、一時的に、探索経路記憶手段３３に記憶される。記
憶された実走行経路が多い場合は、ｋは小さく、記憶さ
れた実走行経路が少ない場合は、ある程度数多く探索し
係数の予測にもちいる。k は、実験により求められた、
好適な値を予め設定する事ができる。

【００３５】以下、本発明において、使用している選択
確率、および、経路選択評価値を演算する関数について
説明する。本発明は、非集計分析により構築される非集
計モデルが、個人が「利用可能な選択肢の中から、合理
的な選択により最も望ましい選択肢を選択する」といっ
た合理的な選択ルールに基づいて行動していることを仮
定してモデル化しようとしていることを利用したもので
ある。本非集計モデルは、従来の行動理論の対象が連続
量であったのに対して、その行動をとるか取らないかと
いった、０，１の選択問題を対象としている。さらに、
行動パターンの決定は、先ず「利用可能な選択肢群」を
選び、次にその中から「最も望ましい選択肢」を選ぶと
している。つまり、有る出発地点から目的地点へ向かう
時、選択肢として、いくつかの経路が考えられる。この
とき、どの経路を選択するかは、経路を利用する個人が
最も望ましいと考える経路となるはずである。この、最
も望ましい経路を選択するという基準を非集計分析によ
り構築される非集計モデルを用いて、モデリングする事
により、未知の経路を探索するときでも、推定されたモ
デルにより、最も望ましいと推定される経路を探索し、
提供しようとしているものである。

【００３６】まず、本発明で用いられている非集計モデ
ルの基本式を基礎理論であるランダム効用理論の考え方
に沿って説明する。尚、以下のランダム効用理論の説明
は、やさしい非集積分析（社団法人 交通工学研究会
編集発行）を参考にしている。

【００３７】有る選択肢ｉの持つ「望ましさ」、あるい
は、「効用(Utility: Ｕ_i）」は、その選択肢の持つ特
性（Ｘ_i）と個人a の社会経済属性（Ta）によって異な
ると考えられるが、その要因全てを観測することは不可
能である。そのため、効用は確率的に変動すると考える
のがランダム効用理論のアプローチである。

【００３８】具体的な式は、まず、簡単のために、選択
肢１と、選択肢２の２肢選択を考える。個人a が選択肢
２に対して、選択肢１を選ぶのは、選択肢１の効用が選
択肢２の効用より大きい場合であり、

【数８】Ｕ₁＞Ｕ₂ …（８） と表わすことができる。効用Ｕ_r が確率的に変動すると
考えると、個人ａが選択肢２に対して、選択肢１を選ぶ
確率Ｐ_1aは、

【数９】 Ｐ_1a＝Pr[Ｕ₁＞Ｕ₂] ； Pr[＊] ：＊の成立する確率 …（９） と表わされる。以後簡単のために、個人ａを表わすイン
デックスａは省略する。

【００３９】効用Ｕ_i のうち、観測可能な要因による確
定項をＶ_i 、観測不可能な要因により確率的に変動する
確率項をε_i とし、その線形性を仮定すると、

【数１０】Ｕ_i＝Ｖ_i＋ε_i …（１０） と表わすことができる。（１０）式を（９）式に代入し
て整理すると、

【数１１】 Ｐ₁＝Pr[Ｕ₁＞Ｕ₂] ＝Pr[Ｖ₁＋ε₁＞Ｖ₂＋ε₂] ＝Pr[ε₁＋Ｖ₁―Ｖ₂＞ε₂] ここで、ε₁＝ηとおくと、 ＝Pr[ε₁＝η、ε₂＜η＋Ｖ₁―Ｖ₂]、−∞＜η＜∞ …（１１） である。したがって、確率項の分布が異なれば、（１
１）式から導かれるＰ₁ の式の形は異なるものになる。

【００４０】確率項の分布形は、いくつもの観測不可能
な要因の同時分布で有ることから、最も一般的には、正
規分布と考えるのが適切である。しかし、確率項を正規
分布と仮定して導出されるプロビットモデルは、パラメ
ータ推定が複雑である。このため、プロビットモデルの
近似解としてパラメータ推定の容易なロジットモデルが
導出されている。具体的には、確率項の分布を正規分布
と類似した２重指数分布（ガンベル分布）と仮定し、本
件で使用しているロジットモデルの導出に用いる確率項
の分布関数は、次の通りである。

【数１２】 であり、選択肢について独立で同一とする。この時、
（１０) 式により、 Ｐ₁＝Pr[ε₁＝η, ε₂＜η＋Ｖ₁―Ｖ₂] であるので、Ｐ₁ は、ηについての積分で表わすことが
できる。

【数１３】 Ｐ₁＝Pr[ε₁＝η]Pr[ε₂＜η＋Ｖ₁―Ｖ₂] ＝∫ψ´(η)ψ(η＋Ｖ₁―Ｖ₂)ｄη ； - ∞＜η＜∞…（１３） ここで、 Pr[ε₁＝η]＝ψ´(η) ＝∂ψ(η)／∂η ＝exp(-η)ψ(η) 従って、

【数１４】 Ｐ₁＝Pr[ε₁＝η]Pr[ε₂ ＜η＋Ｖ₁ ―Ｖ₂] ＝∫exp(-η)ψ(η)ψ(η＋Ｖ₁―Ｖ₂)ｄη ；- ∞＜η＜∞…（１４） ここで、ψ(η)ψ(η＋Ｖ₁―Ｖ₂)をｙとおくと、

【数１５】 ｙ＝exp[-exp(-η)(１＋exp(η＋Ｖ₁―Ｖ₂))] …（１５）

【数１６】 d ｙ/dη＝ｙ・exp(-η)(１＋exp(η＋Ｖ₁―Ｖ₂)) …（１６）

【数１７】 η＝∞ の時、 ｙ＝exp[０] ＝１ η＝-∞ の時、 ｙ＝exp[-∞] ＝０ …（１７） である。従って、

【数１８】 Ｐ₁ ＝∫ｙ・exp(-η) ｄη ； - ∞＜η＜∞ ＝∫((ｙ・exp(-η))/(ｙ・exp(-η)(１＋exp(η＋Ｖ₁―Ｖ₂)))) ｄy; 0≦y ≦１ ＝exp(Ｖ₁)／(exp(Ｖ₁)＋exp(Ｖ₂)) ＝１／(1＋exp(Ｖ₂−Ｖ₁)) …（１８） このようにして、二肢択一のロジットモデルの式を導く
ことができる。ここで、選択肢１の選択確率Ｐ₁ は、効
用差(Ｖ₁―Ｖ₂)の関数として求められ、ロジットモデル
で表現され、０から１の範囲で図４に示す連続的なＳ字
型となる。さらに、グラフからも明らかな様に、効用差
の取る値は、−∞から∞までの範囲であり、効用差から
得られる選択確率Ｐ₁ は単調増加関数であり、（１８）
式で得られる。この（１８）式の表わすところは、選択
肢１の効用が大きく、選択肢２の効用が小さければ小さ
いほど exp(Ｖ₂−Ｖ₁)の取る値は、小さくなる。従っ
て、効用差の関数であるＰ₁ の取る値は、大きくなる。
ということを表わしており、効用Ｖ₁、効用Ｖ₂の取る値
の範囲は、−∞から∞までの範囲であればよいことも意
味している。さらに、ここで、非確率的なモデルの場合
は、効用の大小により選択するかしないかが一挙に変化
する。

【００４１】より一般的な、選択肢集合Jnの中から選択
肢ｉを選ぶ多肢選択の場合のロジットモデル式は、

【数１９】 Ｐ_i＝exp(Ｖ_i)／(Σ_jexp(Ｖ_j)) ; ｊ∈Ｊｎ …（１９） である。（１９）式においても、（１８）式と同様のこ
とが言えるため、それぞれの選択肢を選んだ際の効用の
取る値は、−∞から、∞までの範囲でよいことになる。

【００４２】次に、効用の確定項Ｖ_i は、一般に、選択
肢ｉの特性（Ｘ_i）および、社会経済性などの要因

【数２０】 Ｚ_i＝(Ｚ_1i,Ｚ_2i, … ,Ｚ_ki) …（２０） の線形関数で表現される。

【数２１】 Ｖ_i＝γ₁Ｚ_1i＋γ₂Ｚ_2i＋…＋γ_kＺ_ki ；γ_m ：要因に掛かる係数 1≦ｍ≦ｋ… （２１） 係数γ_m は要因Ｚ_miが効用に与える重要性を表わしてい
る。

【００４３】例えば、本件においては、要因としては、
経路距離、経路通行時間、右左折割合、費用等が有る。
係数γ_k は、その要因が、効用としての重要度をどれぐ
らい占めるかにより、決定される。但し、効用の確定項
は、「効用」を表わしているため、大きい値を取るほう
が好ましい。例えば、距離、所要時間、右左折割合、費
用など増加するほど好ましくないと考えられる要因に付
いては、通常係数γ_kは、負の値となる。具体的には、
早く目的地まで行きたい場合は、高速道路などの有料道
路を使うのが早いが、費用が掛かる。費用重視の場合
は、費用の係数を負の領域において小さく設定する事に
より、有料道路を使う経路の効用が小さく算出されるた
め、結果的に有料道路を使う経路の効用が小さく評価さ
れる。つまり、大きな値を取れば取るほど相応しくない
要因に付いては、負の値の係数があたえられる。さら
に、係数の重みにより、選択される経路の特徴が決定さ
れ、運転者にとって、良好な経路つまり効用の大きな経
路か、否かが決まる。つまり、要因の効用に占める重要
度により、その係数の重みが決定される。

【００４４】反対に、経路探索に用いられる経路コスト
は小さく評価されたほうがよく、本件は、この点に注目
したものであり、運転者が実際に走行した経路群から、
係数を演算し求め、求めた係数で、未知の経路の探索を
行うことにより、未知の経路を探索する時も、運転者の
運転特性に適合した経路の探索を行おうとするものであ
る。すなわち、この効用を決定する要因に掛かる係数γ
_m の符号を反転して経路コストを演算する際の係数β_m
とすることにより、めざす経路探索を行うものである。

【００４５】さて、本件において、運転者が実際に走行
した経路から、係数を演算し求めるために、（２１）式
により表現される確定項Ｖ_i は、経路ｉの経路コストＳ
_iの符号を反転したものであり、次のように表現され
る。つまり、経路ｉの経路コストをＳ_iとし、Ｚ_miを要
因特性値、β_m をそれぞれの要因にかかる係数としたと
き、

【数２２】係数 γ_m ＝−β_m …（２２） であり、効用Ｖi は、

【数２３】 で表現される。ここで、Ｚ_miは、上述したとおり、経路
距離、経路通行時間、右左折割合、費用等である。

【００４６】従って、経路ｉが選択される確率は、（２
３）、（１９）式より、（２）式と表現されることとな
る。さて、（２）式で表現される選択確率の式の表わす
ところは、経路ｉと出発地、目的地を同一にする経路群
Jrから経路ｉが選択される確率であり、注目している経
路ｉおよび、その経路と出発地、目的地を共通とする他
の経路のコストにより表現されている。さらに、注目し
ている経路ｉの他の経路に対するコスト差が大きい程、
経路ｉの選択確率は大きくなる。このコスト差は、他の
経路のコストが一様に大きいとすれば、一般的には、経
路ｉのコストが小さい程、大きいと考えられるので、経
路ｉのコストが小さければ小さいほど選択確率が大きく
なることも意味している。

【００４７】さて、このように表現された経路の選択確
率をそれぞれに実走行経路について求め、実走行経路全
体で、最も、実走行経路が選択されやすいように係数を
最適化するということは、実走行経路全体で、コストが
小さくなるような係数に最適化されるということであ
る。つまり、実走行経路から運転特性の反映された係数
を抽出することである。

【００４８】では、つぎに、実走行経路全体での経路選
択の評価について述べる。実走行経路全体での経路選択
の評価を、各実走行経路の選択確率の積で表わすことに
より、それぞれの実走行経路を選択する確率が高くなれ
ば、全体としても選択確率が高くなる評価値となる。す
なわち、（４）式の表現するところである。経路選択評
価値Ｌ、実走行経路ｒの集合をＮ経路の選択実績、ここ
で、選択実績を表現する（３）式のδ_r,jrについて説明
する。δ_r,jrは、実走行経路ｒと出発地と目的地を共通
とする経路の集合Jrの中で、任意の経路jrが選択された
時、jrが実走行経路ｒと同一であれば、１をとり、同一
でなければ、０を取るデルタ関数である。このような関
数で、確率P _jrにべき乗演算をする事により、実走行経
路が選択された時のみの確率が、評価値に反映される事
になる。さらに、選択確率は、選択されなかった経路の
経路コストも用いて、表現されているので、経路選択の
評価値には、実走行経路の選択実績だけでなく選択され
なった情報も反映されることとなる。

【００４９】つぎに、（４）式により表現された評価値
Ｌから、係数βを抽出する方法について述べる。つま
り、（４）式を最大にする係数βを求めれば良いことと
なる。ここでは、簡単のために、二肢択一の場合につい
て説明する。（４）式のＬを最大にするということは、
その対数log Ｌを最大にすることである。

【数２４】Ｌ＝log(Ｌ) …（２４）

【数２５】 Ｓ_i＝β₁Ｚ_1i＋β₂Ｚ_2i＋…＋β_kＺ_ki＝β´Ｚ_i …（２５） とおいて、以下の式を導く。

【数２６】 log(Ｌ) ＝Σ_n((δ＊(log(P₁))＋(δ＊(log(P₂))) ＝Σ_n((δ＊(log((exp(Ｓ₁))/(exp(Ｓ₁)+exp(Ｓ₂)))) ＋(δ＊(log((exp(Ｓ₂))/(exp(Ｓ₁)+exp(Ｓ₂))))) ＝Σ_n ((δ＊(log((e**(β´Ｚ₁))/(e**(β´Ｚ₁)+ e**(β´Ｚ₂)))) ＋(δ＊(log((e**(β´Ｚ₂)/(e**(β´Ｚ₁)+ e**(β´Ｚ₂))))) ＝Σ_n ((δ＊(log(１／(１＋e**(β´(Ｚ₁―Ｚ₂)))))) ＋(δ＊(log(e**(β´(Ｚ₂―Ｚ₁))/(１+ e**(β´(Ｚ₂―Ｚ₁)))))))… （２６）

【００５０】ここで、Ｌを最大にするβは、求められた
（２６）式をβの各成分β_i により偏微分した関数をゼ
ロとおいた連立方程式の解として求めることができる。
（２６）式をβの各成分β_i により偏微分し１回微分方
程式であるグラディエントベクトル∇Ｌ(β) を得る。

【数２７】 ∇Ｌ(β) ＝(∂L／∂β1,∂L ／∂β2, …, ∂L／∂βk ） …（２７） さらにもう１回βの各成分β_i により偏微分し２回微分
方程式∇² Ｌ（β）を得る。

【数２８】 ∇²Ｌ(β)(k,l)＝(∂²L／∂β_k∂β_l) …（２８） となる。（２４）式をすべて０と置いた、連立非線形方
程式は数値計算により求められることが公知である。そ
の解法としては、ニュートンラプソン法や、DFP(Davido
n-Fletcher-Powell-Mesthod)等が知られている。ニュー
トンラプソン法は、テーラー展開近似を用いて線形化
し、βを求めることを繰り返して求めるβに収束させる
方法である。

【００５１】つまり、ｔ回目の近似解は、

【数２９】 ∇Ｌ(β(ｔ)＋Δβ)＝∇Ｌ(β(ｔ))＋∇²Ｌ(β(ｔ))Δβ＝０ …（２９） であらわされる。（２９）式より導かれるΔβは次の式
である。

【数３０】 Δβ＝―｛∇²Ｌ(β(ｔ))｝^-1∇Ｌ(β) …（３０） 後で、フローチャートに従い詳しく説明するが、（２
９）式により、まずΔβを求め、求めたΔβにより、β
(ｔ＋１) ＝β(ｔ)＋Δβとして、再度（２９）式によ
りΔβを求める。この時、β(０）は、初期値として設
定されている係数の値を使う。さらに、２回目以降の係
数の最適化には前回最適化した係数を用いて行う。この
ように前回の係数を使うことにより、最適化を行うに従
い、係数の学習が行われ、より運転者にとって、適合し
た係数を求めていくことができるようになる。ここで、
｛∇²Ｌ(β(ｔ))｝^-1は、∇²Ｌ(β(ｔ))の逆行列である
ため、逆行列計算を繰り返し行うことが必要であるが、
マトリックス計算用の既存ソフトを用いることができ
る。また、本発明で用いているロジットモデルに付いて
は、多くの既成ソフトが利用できる事が知られている。
さらに、簡単のために二肢選択において説明したが、も
ちろん多肢選択でも良く、（２６) 式が、（４）式によ
り表現されることとなり、βを演算する方法ももちろん
同一である。

【００５２】次に、経路選択の評価値Ｌを、選択確率の
和である（５）式により定義することで実走行経路全体
で、経路コストが小さく評価されるほど選択される確率
が大きくなり、評価値Ｌも大きく評価されるようにな
る。（５）式により表現された評価値も上述した方法に
より、βを演算することができる。この時、（５）式
は、確率の和であるので、対数を取る必要がなくなる。

【００５３】さらに、経路選択の評価値Ｌを、選択確率
に重み付けをした和である（６）式により定義すること
で実走行経路全体で、経路コストが小さく評価されるほ
ど選択される確率が大きくなり、評価値L も大きく評価
されるようになる。（６）式により表現された評価値も
上述した方法により、βを演算することができる。この
時、（６）式は、（５）式と同様に確率の和であるの
で、対数を取る必要がなくなる。

【００５４】次に、図５に示すフローチャートに従い、
本実施例の経路探索装置の処理手順について詳細に説明
する。本経路探索装置は、車両のエンジンキーと連動し
ており、車両を走行させるためにエンジンをスタートさ
せると自動的にスイッチが入るようになっている。ステ
ップ２０２において、前回の走行情報が蓄積されている
かチェックする。前回までの蓄積された走行情報が有る
と判断されると、ステップ２０４により、実走行経路記
憶手段１０に記憶された経路データから係数最適化手段
２４により係数の最適化を行う。つぎに、ステップ２０
６において、スイッチがオフされたと判定されるまで以
下の処理を繰り返して行う。つぎに、ステップ２０８に
より、車両位置検出手段１３により検出された車両位置
より、後で詳しく説明する走行情報の収集を行う。ステ
ップ２１０において、経路探索のリクエストが有ったか
チェックする。経路探索のリクエストとは、目的地の入
力がなされて、経路探索開始が指令された場合、一端探
索された後でも、必要に応じて経路探索の開始が指令さ
れた場合を言う。運転者により指示される場合と、内部
的に再探索される場合とがある。経路探索のリクエスト
があれば、経路探索手段３０によりステップ２０４にお
いて求めた係数を用いて経路探索を行い経路を提供する
（ステップ２１２）。さらに、ステップ２１４におい
て、新しい経路として記憶すると判定された時は、新し
い経路として記憶する（ステップ２１６）。つまり、案
内した経路と違う経路を走行していると判定された時ま
たは、目的地の入力がない場合などをさす。ここで、新
しい経路として記憶することにより、（６）式による評
価値Ｌを演算する際の経路の重みとして加味することが
できるようになる。探索した経路通り、走行した場合
も、もちろん実走行経路情報として記憶する事により、
さらに、その係数に最適化されやすくなる。

【００５５】次に、図６に示すフローチャートに従い、
ステップ２０４に示す前回の実走行経路を加えた係数の
演算について制御装置２０における処理の手順を詳しく
説明する。上記のように構成された地図情報と、車両が
走行する毎に記憶される実走行経路を基に図３（ａ）に
示す実走行経路データが作成される。走行情報は、車両
位置検出手段１３により検出された現在位置の集合と、
地図データ１１から、実走行経路検出手段２１により、
後述の走行情報の収集方法により経路として検出され
る。

【００５６】ステップ３０２において、実走行経路デー
タテーブルにある実走行経路情報をあたらしい経路ｒ
(n) として記憶する。ここでは、ｎ番目の経路という意
味であるが、ｎ本は、無限ではなく、有る一定の本数で
ある。従って、最も古い経路は消去される。さらに、こ
こでは、説明を解りやすくするため新しい経路が１本蓄
積される毎に、実走行経路データを作りなおしている
が、所定の本数蓄積されたらでも良いし、所定の走行情
報記憶メモリが一杯になった時点で、実走行経路データ
を作り直してもよい。また、それ以外の入力設定によ
り、実走行経路データを作り直してもよく、複数の条件
で作りなおしても良い。このようにして、得られた新し
い実走行経路情報を用いて、係数βを最適化する。まず
ステップ３０４において、始めて係数を最適化するかど
うかチェックする。始めての場合は、予め設定されてい
る係数を用いることとする（ステップ３０６）。２回目
以降の場合は、前回最適化した係数を用いることにより
学習機能が働き、より良い係数の最適化が行える様にな
る。ここで、予め設定されている係数は、所要時間志
向、距離志向、経費志向等、パターン化された係数を用
意し、運転者が選択することにより、係数の最適化をよ
り行いやすくする様にしても良い。しかし、あくまでも
初期値であるので、これ以降は、運転者が意識していな
い経路選択特性が抽出されていくこととなる。次に、ス
テップ３０８により、設定された係数を用いて記憶され
た実走行経路それぞれについて、図３（ｂ）に示すｋ番
目までの最小コストの経路を探索し、探索経路記憶手段
３３に記憶する。ステップ３１０において、選択確率演
算手段２２により、実走行経路ｒ(i) に付いて選択確率
を（２）式により表現する。ステップ３１２において、
経路選択評価値演算手段２３により、経路選択評価値Ｌ
を（４）式により表現する。ステップ３１４において、
係数最適化手段２４により、逐次演算法を用いて、係数
βの最適化を行う。ステップ３１６において、求めた係
数を走行コスト演算部３２によりコスト演算をする際の
係数の初期値として設定する。これにより、最適化され
た係数を用いて経路の探索を行うことができるので、運
転者が意識していない運転特性をも反映した経路の探索
が可能となる。

【００５７】次に、図７に示すフローチャートに従い、
係数の逐次演算の方法について詳細に説明する。まず、
ステップ４０２において、評価値Ｌの式をβの各成分β
_i により偏微分し、（２７）式を得る。ステップ４０４
においてさらにもう１度βの各成分β_i により偏微分し
（２８）式を得る。ステップ４０６においてβの初期値
を与える。ステップ４１０により、（２９）式により、
Δβを求める。ステップ４１２により、β(i+1) を求め
る。求めたβ(i+1) を用いて、評価値Ｌが所定の値Ｃよ
り小さくなったか判定し、評価値が収束しているか判定
する。収束していない場合は、i を１増やして、次の逐
次演算を行う。この逐次演算を繰り返すことにより、評
価値Ｌが次第に収束していく。収束した時のβが求める
βである。

【００５８】このβの演算方法は、最尤推定法にほかな
らないので、実走行経路のサンプル数が十分に多くなれ
ば、βは統計的に正規分布に従うことが知られている。
求められたβが有効かどうかβの分散共分散行列の対角
要素を用いることにより統計の手法を使って係数検定手
段２５により検定することができる。つまり、共分散行
列は、

【数３１】Σ＝-[∇²Ｌ(β)]^-1 …（３１） 対角要素を、σ² _mmとすると、

【数３２】t_m=β_m/(σ² _mm)^-2 …（３２） である。ｔが検定値となりm番目の係数毎にt_mを求め、
有意水準を決めることにより、その係数が有意かどうか
判断できる。検定の結果、有意と判断されない場合は、
経路の要因の選択が正しくないなどの原因が考えられる
ので、走行のコスト要因を、係数の最適化の対象から除
外することも考えられる。

【００５９】次に、図８に示すフローチャートに従い、
経路の探索について説明する。しかし、個々のノードの
探索については、道路情報の構成により異なり、本実施
例のデータ構成によれば、容易に得られるので、詳細な
説明は省略する。また本実施例以外の構成においても個
々のノードに接続されるリンク、及びノードが得られれ
ばよく、その方法によらない。ここでは、本発明におい
て、特徴的な部分のみを詳細に説明する。

【００６０】以下、経路探索手段３０において、最小コ
スト経路の経路探索が行われる。操作入力手段５０によ
り予め入力された出発地、目的地より、内部探索開始点
および、探索終了点が、経路探索制御手段３５により設
定される。まず、ステップ５０２において、探索開始点
が探索カレントノードｂにセットされる。

【００６１】予め探索データ記憶手段３４に地図データ
１１及び、道路情報記憶手段１２から読みだされた地図
情報および、道路使用情報を用いて、ステップ５０４に
おいて、カレントノードｂに接続するbm本のリンクｏi
（ 1≦i≦bm）及び、接続リンクのもう一端のノードｗi
を探索する。ステップ５０６において、走行コスト演算
部３２において、カレントノードｂに接続するリンクｏ
i のコストを先に求めた係数を用いて（７）式に従いそ
れぞれ求める。ステップ５０８において、探索開始点か
らｏｉの終点ノードｗi までのコストをそれぞれ求め
る。

【００６２】ステップ５１０において、候補ノードの集
合Ｗからカレントノードｂをのぞき（カレントノード
は、経路の途中のノードとなるため）、カレントノード
に接続し、探索が進んだリンクｏi の終点ノードの集合
｛ｗi ｝を加える。これにより、候補ノードの集合Ｗ
は、探索開始位置から現時点での探索が進んだ終点ノー
ドの集合となる。ステップ５１２において、候補ノード
の集合Ｗの中で最小コストノードをカレントノードｂと
する。さらに、候補ノードの集合のなかで、異なる経路
で同一のノードが存在する場合は、コストの小さい経路
のほうのみ候補ノードの集合に残し、同一ノードにおい
てはそのノードまでの最小コスト経路は１本となる様に
減縮を行う。ステップ５１４において、候補ノードの集
合Ｗおよび、探索開始点から候補ノードに至る経路を探
索データ記憶手段３４に記憶し、カレントノードｂまで
の最短経路は、探索経路記憶手段３３に記憶される。

【００６３】ステップ５１６において、カレントノード
ｂと、探索終了点が一致したか、及び、探索終了条件が
満たされているか判定される。探索が終わっていない場
合は、ステップ５０４にもどり、探索が続けられる。以
下、ステップ５０４から、ステップ５１６が繰り返され
ることにより、目的地までの経路が探索される。以上の
手順により、最小コストとなるノードを順に探索し、探
索枝を延ばす経路探索によって得られたカレントノード
ｂまでの最短経路は、経路を構成するノード番号の並び
として、探索経路記憶手段３３に記憶される。

【００６４】以上の手順により、最小コストとなるノー
ドを順に探索し、探索枝を延ばす経路探索によって得ら
れた最短経路は、経路を構成するノード番号の並びとし
て、探索経路記憶手段３５に記憶される。

【００６５】次に、走行情報の収集を図９のフローチャ
ートに従い詳細に説明する。走行情報の収集は、現在位
置検出手段１３により得た情報を基に（ステップ６０
２）、実走行経路検出手段２１において、走行経路をノ
ードの並び、リンクデータとして検出する（ステップ６
０４）。ステップ６０６において、出発地点かチェック
し出発地点であれば、ステップ６０８において、出発地
点での情報を図３に示す実走行経路データテーブルへセ
ットする。ステップ６１０において、ノード番号他のカ
レント情報をセットし、実走行経路データを順に作成し
ていく。

【００６６】さらに、上記実施例では、簡単のために運
転者は１人と仮定して、説明をしたが、実際には、家族
で１台の車を使うことは良くあることである。従って、
設定により、複数の運転者を区別して、実走行経路の蓄
積を行い、運転者毎に異なる係数の最適化を行っても良
い。

【００６７】さらに上記実施例で説明した以外の経路選
択評価値であっても、選択確率が大きくなれば大きく評
価される経路選択評価値であれば良い。上記実施例で
は、評価値を同時選択確率を表す（４）式としている
が、その他、実走行経路の選択確率の平均値、即ち、
（５）式、又は、実走行経路の選択確率の重み付け平均
値、即ち、（６）式を評価値としても良い。さらに、実
走行経路は自動的に記憶させるようにしたが、運転者の
指示時のみ実走行経路を記憶しても、又、画面上で指示
することで実走行経路を指定しても良い。

【図面の簡単な説明】

【図１】本発明の実施例の構成を示すブロック図。

【図２】道路情報のデータの構成例の説明図。

【図３】実走行経路データの構成例の説明図。

【図４】非集計モデルの取る確率の概形の説明図。

【図５】本発明の１実施例による経路探索装置の処理手
順を示したフローチャート。

【図６】係数を求める概略の処理手順を示したフローチ
ャート。

【図７】係数を求める詳細の処理手順を示したフローチ
ャート。

【図８】経路探索の処理手順を示したフローチャート。

【図９】走行情報を収集する処理手順を示したフローチ
ャート。

【符号の説明】

１０…実走行経路記憶手段 １１…地図データ １２…道路情報記憶手段 １３…車両位置検出手段 ２０…制御装置 ２１…走行経路検出手段 ２２…選択確率演算手段 ２３…経路選択評価値演算手段 ２４…係数最適化手段 ２５…係数検定手段 ３０…経路探索手段 ３１…経路探索部 ３２…走行コスト演算部 ３３…探索経路記憶手段 ３４…探索データ記憶手段 ３５…経路探索制御手段 ４０…出力装置 ４１…音声出力手段 ４２…表示手段 ５０…操作入力手段

Claims (7)

【特許請求の範囲】
1. 【請求項１】地図データと、経路コストを演算するため
   の道路情報とを用いて、指定された出発位置から目的位
   置までの最小コスト経路を探索する経路探索方法におい
   て、 運転者の経路選択特性の反映された複数の実走行経路を
   記憶し、任意の１つの実走行経路の出発地と目的地とを
   共通とする他の経路の経路コストに対して実走行経路の
   経路コストが小さく評価される程、前記他の経路に対す
   る前記実走行経路が選択される確率が大きくなる関数を
   もちいて選択確率を演算し、 前記実走行経路全体において、それぞれの経路の前記選
   択確率が大きくなる程大きくなる、前記実走行経路全体
   における評価値を演算し、その評価値が最大となるよう
   に前記経路コストを決定する各要因の係数を最適化し、
   この最適化された係数を用いて最小コスト経路を探索す
   ることを特徴とする経路探索方法。
2. 【請求項２】車両の現在位置を検出する現在位置検出手
   段と、 前記現在位置から前記車両の実走行経路を検出する実走
   行経路検出手段と、 前記地図データと前記経路コストを演算するための道路
   情報が付加された道路情報記憶手段を備え、 前記地図データと、前記道路情報を用いて指定された出
   発位置から目的位置までの最小コスト経路を探索する経
   路探索装置において、 前記実走行経路検出手段により検出された前記実走行経
   路を複数記憶する実走行経路記憶手段と、 前記任意の１つの実走行経路の出発地と目的地とを共通
   とする他の経路の経路コストに対して実走行経路の経路
   コストが小さく評価される程、前記他の経路に対する前
   記実走行経路が選択される確率が大きくなる関数をもち
   いて選択確率を演算する選択確率演算手段と、 前記実走行経路全体において、それぞれの経路の前記選
   択確率が大きくなる程大きくなる、実走行経路全体にお
   ける経路選択評価値を演算する経路選択評価値演算手段
   と、 前記経路選択評価値が最大となるように前記経路コスト
   を決定する各要因の係数を最適化する係数最適化手段
   と、 前記最適化された係数を用いて最小コスト経路を探索す
   る経路探索手段と、を有することを特徴とする経路探索
   装置。
3. 【請求項３】前記経路コストは、 経路ｉのコストをＳ_iとし、Ｚ_miを要因特性値、β_m を
   それぞれの要因にかかる係数としたとき、 Ｓ_i＝Σ_mβ_mＺ_mi １≦ｍ≦ｋ ｋ：要因数 … （１） で表わされることを特徴とする請求項２に記載の経路探
   索装置。
4. 【請求項 4】前記選択確率は、 任意の１つの実走行経路ｒの出発地と目的地とを共通と
   する経路の集合をＪrとし、経路の集合Ｊr に含まれる
   経路をｊr とした時、 Ｐ_r＝exp(−Ｓ_r)／(Σ_jrexp( −Ｓ_jr)) ; ｊr ∈Ｊr … （２） で表わされることを特徴とする請求項３に記載の経路探
   索装置。
5. 【請求項５】前記経路選択評価値は、経路選択評価値を
   Ｌ、実走行経路ｒの集合をＮ、選択実績δ_r,jrを、 δ_r,jr＝１ ：jr＝ｒ δ_r,jr＝０ ：jr≠ｒ …（３） とした時、 Ｌ＝Π_rΠ_jrＰ_jr**δ_r,jr ;ｒ∈Ｎ，**：べき乗演算 …（４） により表わされることを特徴とする請求項４に記載の経
   路探索装置。
6. 【請求項６】前記経路選択評価値は、 Ｌ＝（Σ_rΠ_jrＰ_jr**δ_r,jr)／ｎ ;ｎは集合Ｎの中の実走行経路の本数、ｒ∈Ｎ、**：べき乗演算、…（５） により表わされることを特徴とする請求項４に記載の経
   路探索装置。
7. 【請求項７】前記経路選択評価値は、 ｎ本の各実走行経路ｒの特性により決定される係数をμ
   _rとした時、 Ｌ＝(Σ_rμ_rΠ_jrＰ_jr**δ_r,jr)／Σ_rμ_r ; ｒ∈Ｎ，**：べき乗演算 …（６） により表わされることを特徴とする請求項４に記載の経
   路探索装置。