JP2004126757A - データ予測装置、データ予測方法およびデータ予測プログラム - Google Patents
データ予測装置、データ予測方法およびデータ予測プログラム Download PDFInfo
- Publication number
- JP2004126757A JP2004126757A JP2002287036A JP2002287036A JP2004126757A JP 2004126757 A JP2004126757 A JP 2004126757A JP 2002287036 A JP2002287036 A JP 2002287036A JP 2002287036 A JP2002287036 A JP 2002287036A JP 2004126757 A JP2004126757 A JP 2004126757A
- Authority
- JP
- Japan
- Prior art keywords
- data
- prediction
- rule
- attribute
- attribute data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000007405 data analysis Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 2
- 239000000284 extract Substances 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 40
- 206010039203 Road traffic accident Diseases 0.000 description 35
- 238000007418 data mining Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Landscapes
- Instructional Devices (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】予測対象データへ適切な属性データおよび度合表示データを付加することで論理規則に基づいて予測対象データの観測結果データを予測できるデータ予測装置等を提供する。
【解決手段】データ予測方法は、第１の地域の事象を観測した観測結果データと観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する記憶部１９０と、第２の地域の地理情報データを記憶する記憶部１６０とを備えた計算機を用いて、第２の地域における予測点の地理的な特徴を示す第２の属性データを、第１の属性データに基づいて抽出し、予測点において第２の属性データに該当する度合を示す度合表示データを地理情報データに基づいて生成し、度合表示データおよび第２の属性データを表形式に変換して予測点の位置データを有する表形式の予測対象データへ付加し、予測対象データを規則に基づいて予測点で事象が生じる傾向を予測する。
【選択図】 図１１
【解決手段】データ予測方法は、第１の地域の事象を観測した観測結果データと観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する記憶部１９０と、第２の地域の地理情報データを記憶する記憶部１６０とを備えた計算機を用いて、第２の地域における予測点の地理的な特徴を示す第２の属性データを、第１の属性データに基づいて抽出し、予測点において第２の属性データに該当する度合を示す度合表示データを地理情報データに基づいて生成し、度合表示データおよび第２の属性データを表形式に変換して予測点の位置データを有する表形式の予測対象データへ付加し、予測対象データを規則に基づいて予測点で事象が生じる傾向を予測する。
【選択図】 図１１
Description
【０００１】
【発明の属する技術分野】
本発明は、データ予測方法、データ予測装置およびデータ予測プログラムに関する。
【０００２】
【従来の技術】
データベース内にある多数の情報の空間的な規則を導出するデータ分析方法として空間データマイニング法や統計分析法がある。空間データマイニング法や統計分析法は、２次元または３次元以上の空間座標で示された分析対象データが空間内のどの箇所に密集しているか等の分析対象データの空間的な規則を発見するために用いられる。
【０００３】
空間的な傾向を発見するために、与えられる地点からみた、目的関数を最適化する距離や方法分析する方法が知られている（特許文献１を参照）。
【０００４】
一般に、広範囲に亘る空間において収集された多くの観測結果データを分析する場合には、観測点の地理的な特徴が影響することが多い。従って、観測点の地理的な特徴を示す属性データを観測結果データに付加することによってデータ分析の精度を向上させることができる。
【０００５】
例えば、交通事故発生傾向をデータ分析によって予測する場合に、その道路が通過する地域の地形、その地域の近傍にある構造物、その地域における降水量またはその道路の交通量等の属性データを交通事故発生の観測結果データに付加して分析する。それによって、例えば、属性データが「カーブから１０ｍ以内」であるときに「交通事故発生の度合が高い」という観測結果データが得られた場合には、「カーブから１０ｍ以内であれば、交通事故発生の度合が高い」という論理規則が得られる。
【０００６】
このような規則は、観測が実施された地域とは異なる地域の観測結果データを予測するために用いることができる。以下、観測結果データを予測する対象となるデータを予測対象データという。予測対象データの観測結果データを予測するためには、予測を実施する地点の地理的な特徴を示す属性データが必要である。
【０００７】
例えば、「カーブから１０ｍ以内であれば、交通事故発生の度合が高い」という規則を応用して、ある地点の交通事故発生の傾向を予測する場合には、該地点が「カーブから１０ｍ以内」であるか否かを示す属性データおよび該属性データに該当する度合を示す度合表示データが必要である。このような属性データおよび度合表示データがない場合には、交通事故発生の傾向を予測することができない。
【０００８】
図２０（Ａ）および図２０（Ｂ）を参照して、従来例をさらに具体的に説明する。図２０（Ａ）は、分析対象データの概念図である。図２０（Ｂ）は予測対象データの概念図である。
【０００９】
図２０（Ａ）に示す分析対象データを決定木、神経回路網、回帰分析等の手法を用いて分析することによって、交通事故発生時間帯を特徴付ける論理規則を得ることができる。図２０（Ａ）に示す分析対象データからは、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。
【００１０】
【特許文献１】
特開２００１−３１８９３８公報
【００１１】
【発明が解決しようとする課題】
これらの論理規則を図２０（Ｂ）に示す予測対象データに適用することによって、予測地点における交通事故発生時間帯を予測したい。しかし、図２０（Ｂ）に示す予測対象データは市町村名に関する属性データおよび度合表示データを有するだけである。即ち、図２０（Ｂ）に示す予測対象データは、分析対象データに対応する「カーブの１０ｍ以内であるか否か」に関する属性データおよび度合表示データを有しない。従って、規則１をこの予測対象データに適用しても、交通事故発生時間帯を特定することができない。
【００１２】
また、予測対象データが分析対象データに対応する属性データおよび度合表示データを有する場合であっても、属性データおよび度合表示データが固有名称である場合には論理規則を予測対象データへ適用できない。固有名称は、それが示すもの自体を指し示し、他のものに汎用できないからである。
【００１３】
例えば、規則２に含まれる度合表示データ「Ａ市」並びに予測対象データに含まれる度合表示データ「Ｘ市」、「Ｙ市」および「Ｚ市」は、それが示す地域自体を表示する固有名称である。よって、図２０（Ａ）から得た規則２を図２０（Ｂ）に示す予測対象データに適用しても、観測結果データを予測することはできない。
【００１４】
ところで、予測対象データには空間内の観測地点を表す位置データが付加されている場合が多い。そこで、予測地点を含む地域の地理情報データに基づいて、該位置データが分析対象データの属性データに該当するか否かを判定することによって、度合表示データを抽出することが考えられる。
【００１５】
しかしながら、空間データマイニングや統計データ分析は、表形式で表されたデータを分析対象としている。一方で、地図データなどの地理情報データは電子化されているものの表形式ではない。従って、データマイニングや統計データ分析を実行するときに、予測対象データに地理情報データを直接に適用することができない。即ち、地理情報データと予測対象データとのフォーマットが異なるので、コンピュータを用いて地理情報データから度合表示データを自動検索および自動抽出することができなかった。従って、属性データおよび予測対象データに基づくデータ分析を自動的に行うことができなかった。
【００１６】
そこで、本発明の目的は、予測対象データへ適切な属性データおよび度合表示データを付加することによって、論理規則に基づいて予測対象データの観測結果データを予測することを可能にするデータ予測方法、データ予測装置およびデータ予測プログラムを提供することである。
【００１７】
また、本発明の目的は、地理情報データに基づいて予測対象データに含まれる位置データに度合表示データを自動抽出し、この属性データおよび度合表示データに基づいてデータ分析を自動的に行うことを可能とするデータ予測方法、データ予測装置およびデータ予測プログラムを提供することである。
【００１８】
【課題を解決するための手段】
本発明に係る実施の形態に従ったデータ予測方法は、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いたデータ予測方法であって、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、前記予測点における前記事象の観測結果データを有さず、該予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを具備する。
【００１９】
好ましくは、前記計算機は、前記規則を生成し該規則を前記第１の記憶部へ送信する規則発生部をさらに備え、前記抽出ステップの前に、前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成するステップと、該規則を前記第１の記憶部へ送信するステップとをさらに具備する。
【００２０】
前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであってもよい。
【００２１】
好ましくは、前記第２の属性データが示す特徴は前記規則の条件節が示す特徴である。
【００２２】
好ましくは、当該方法は、前記予測ステップ前に、前記規則に含まれた前記第１の地域に関する固有名称、若しくは、前記予測対象データに含まれた前記第２の地域に関する固有名称を、該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換する置換ステップをさらに具備する。
【００２３】
前記位置データは仮想的に生成されたデータであってもよい。
【００２４】
本発明に係る実施の形態に従ったデータ予測装置は、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部と、該第２の地域における前記事象の予測点の地理的な特徴を表す第２の属性データを前記第１の属性データに基づいて抽出し、前記地理情報データに基づいて前記予測点において該第２の属性データに該当する度合を示す度合表示データを生成し、該度合表示データと前記第２の属性データとを表形式に変換し、さらに、前記予測点の位置を示す位置データを有しかつ該予測点における前記事象の観測結果データを有しない表形式の予測対象データへ前記第２の属性データおよび前記度合表示データを付加するデータ処理部と、前記第２の属性データおよび前記度合表示データを含む前記予測対象データを前記規則に基づいてデータ分析することによって前記予測点において前記事象が生じる傾向を予測するデータ分析部とを備える。
【００２５】
好ましくは、データ予測装置は、前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成し、該規則を前記第１の記憶部へ送信する規則発生部をさらに備える。
【００２６】
データ予測装置は、前記予測対象データを予め記憶した第３の記憶部をさらに備えていてもよい。
【００２７】
前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであってもよい。
【００２８】
好ましくは、前記第２の属性データが示す特徴は、前記論理規則の条件節が示す特徴である。
【００２９】
データ処理部は、前記第１の地域に関する固有名称が前記規則に含まれている場合、若しくは、前記第２の地域に関する固有名称が前記予測対象データに含まれている場合に、該固有名称を該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換することが好ましい。
【００３０】
前記位置データは仮想的に生成されたデータであってもよい。
【００３１】
本発明に係る実施の形態に従ったデータ予測プログラムは、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いて、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、該予測点における前記事象の観測結果データを有さず、前記予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを実行する。
【００３２】
【発明の実施の形態】
以下、本発明による実施の形態を説明する。尚、本実施の形態は本発明を限定するものではない。
【００３３】
図１は、本発明による実施の形態に従ったデータ予測装置１００のブロック図である。データ予測装置１００は、規則発生部１０１および予測発生部１０２を備えている。規則発生部１０１は、ある地域（以下、第１の地域という）において生じた事象を観測した観測結果データとその観測地点における地理的な特徴を示す属性データとその属性データに該当する度合を示す度合表示データとからその事象の生じる論理規則を発生する。予測発生部１０２は、規則発生部１０１が発生した規則を他の地域（以下、第２の地域という）に適用し、該第２の地域においてその事象が生じる傾向を予測する。ここで、属性データは地理内のある位置における任意の特徴を表すデータである。度合表示データは、各位置データごとに属性データに該当する度合を示すデータである。尚、属性データは属性名と換言してもよい。度合表示データは、属性名に該当する値を示す属性値と換言してもよい。
【００３４】
規則発生部１０１は、データベース１１０、データベース１２０、データ処理部１３０、メモリ１４０およびデータ分析部１５０を有する。データベース１１０は第１の地域に関する地理情報データを記憶する。データベース１２０は、第１の地域において生じた事象を観測した観測結果データおよびその観測地点の位置データを表形式で表した分析対象データを記憶する。
【００３５】
図２は、第１の地域の地理情報データの具体例の概念図である。地理情報データは、１次元以上の空間を示すデータであり、代表的には２次元の平面空間および３次元の立体空間をベクタ形式、図形形式等で表したデータである。例えば、地理情報データは地図データまたはＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データ等である。図２は第１の地域に存在する道路を示す地図データの概念図である。
【００３６】
図３は、分析対象データの具体例の概念図である。観測結果データは、例えば、第１の地域において交通事故という事象が発生する傾向を観測した結果データである。位置データは交通事故が発生した位置座標である。図３に示した具体例では、地点１から地点１０において発生した交通事故の発生時間帯が観測結果データである。また、地点１から地点１０の位置座標（Ｘ，Ｙ）が位置データである。尚、位置データは、地理内の位置座標を示す位置属性と換言してもよい。
【００３７】
図４は、図３に示す位置データを図２に示す地図データへプロットしたときの概念図である。図４には地点１から地点１０が黒点で示されている。
【００３８】
データ処理部１３０は、第１の地域における地理的な特徴をデータベース１１０から検索し、その特徴を示す属性データと地点１から地点１０がその特徴に該当する度合を示す度合表示データとを表形式に変換する。さらにデータ処理部１３０は分析対象データへ属性データおよび度合表示データを付加する。尚、第１の地域における属性データおよび度合表示データをそれぞれ第１の属性データおよび第１の度合表示データという。
【００３９】
図５は、第１の属性データおよび第１の度合表示データを付加した分析対象データの具体例の概念図である。第１の属性データは、「市町村名」、「カーブの１０ｍ以内か？」および「交差点の１０ｍ以内か？」という３つの項目で示されている。「市町村名」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれが存在する市町村名（Ａ市、Ｂ市、Ｃ市またはＤ市のいずれか）で示されている。「カーブの１０ｍ以内か？」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれがカーブの１０ｍ以内に存在するか否か（○または×）で示されている。「交差点の１０ｍ以内か？」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれが交差点の１０ｍ以内に存在するか否か（○または×）で示されている。第１の属性データおよび第１の度合表示データが分析対象データへ付加されている。
【００４０】
メモリ１４０は、分析対象データ等のデータを一時的に格納する。
【００４１】
データ分析部１５０は、第１の属性データおよび第１の度合表示データが付加された分析対象データをデータ分析し、交通事故の生じる論理規則を導出する。データ分析部１５０は、例えば、決定木などのデータマイニング手法で分析することによって、交通事故発生時間帯を特徴付ける論理規則を得ることができる。図５に示す分析対象データからは、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。これらの論理規則は予測発生部１０２のメモリ１９０に格納される。
【００４２】
予測発生部１０２は、データベース１６０、データベース１７０、データ処理部１８０、メモリ１９０およびデータ分析部２００を有する。データベース１６０は、データベース１１０が格納する第１の地域とは異なる第２の地域に関する地理情報データを記憶する。データベース１７０は、第２の地域における位置データを有するが、該位置データにおいて生じた事象を観測した観測結果データを有しない予測対象データを格納する。
【００４３】
図６は、第２の地域の地理情報データの具体例の概念図である。地理情報データは、１次元以上の空間を示すデータであり、代表的には２次元の平面空間および３次元の立体空間をベクタ形式、図形形式等で表したデータである。例えば、地理情報データは地図データまたはＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データ等である。図６は第２の地域に存在する道路を示す地図データの概念図である。
【００４４】
図７は、予測対象データの具体例の概念図である。予測対象データは第２の地域において交通事故が発生した地点１１から１６の位置座標（Ｘ，Ｙ）を有する。しかし、予測対象データは地点１１から１６の観測結果データを有しない。予測発生部１０２は予測対象データの観測結果データを予測する。尚、便宜上、予測された観測結果データは予測結果データという。
【００４５】
図８は、図７に示す位置データを図６に示す地図データへプロットしたときの概念図である。図８には地点１１から地点１６が黒点で示されている。
【００４６】
データ処理部１８０は、分析対象データに用いられた第１の属性データに基づいて、第２の地域における予測点の地理的な特徴を示す第２の属性データを抽出する。データ処理部１８０は、交通事故の発生した地点１１から地点１６が第２の属性データに該当する度合を判定し、この度合を示す第２の度合表示データを生成する。さらに、データ処理部１８０は第２の度合表示データと第２の属性データとを表形式に変換する。位置データが第２の属性データに該当する度合を判定する手法に関しては、図１１のステップＳ６６にて説明する。さらにデータ処理部１８０は予測対象データへ第２の属性データと第２の度合表示データとを付加する。
【００４７】
図９（Ａ）は、第２の属性データと第２の度合表示データとを付加した予測対象データの具体例の概念図である。この具体例では、地点１１から地点１６が存在する「市町村名」、地点１１から地点１６が「カーブの１０ｍ以内か否か」、並びに、地点１１から地点１６が「交差点の１０ｍ以内か否か」の３つの特徴が第２の属性データとして付加されている。図９（Ａ）に示す第２の属性データは、第１の属性データと同じである。
【００４８】
これらの第２の属性データに該当する度合を示す度合表示データが予測対象データに付加されている。具体的には、「市町村名」という属性データに対しては、「Ｘ市」、「Ｙ市」または「Ｚ市」という度合表示データが付加されている。「カーブの１０ｍ以内か否か」および「交差点の１０ｍ以内か否か」という属性データに対しては、それぞれ「○」または「×」という度合表示データが付加されている。
【００４９】
メモリ１９０は、規則発生部１０１からの論理規則および第１の属性データ、並びに、データベース１７０からの予測対象データ等を一時的に格納する。
【００５０】
データ分析部２００は、メモリ１９０に格納された論理規則に基づいて第２の属性データが付加された予測対象データをデータ分析する。それによって、データ分析部２００は、第２の地域における位置データが示す位置において交通事故が生じる傾向を予測する。より詳細には、データ分析部２００は、図９（Ａ）に示す予測対象データへ上述した規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」を適用する。それによって、図９（Ｂ）に示すような予測結果データが得られる。
【００５１】
図９（Ｂ）は、図９（Ａ）に示す予測対象データへ規則１を適用したときの予測結果データを有する予測対象データの具体例を示す概念図である。地点１１から地点１３は、「カーブの１０ｍ以内である」という特徴を有するので、規則１に該当する。よって、地点１１から地点１３における交通事故の発生時間帯は夜であるという予測結果データが得られている。このように、本実施の形態によるデータ予測装置１００は、第１の地域において生じた事象の観測結果データに基づいて論理規則を発生し、第２の地域にその論理規則を適用することによって、その事象が第２の地域において生じる傾向を予測することができる。
【００５２】
図１に示すデータ予測装置１００は、規則発生部１０１および予測発生部１０２をそれぞれ異なる構成部分として示した。しかし、規則発生部１０１および予測発生部１０２は互いに類似する構成を有するので、規則発生部１０１および予測発生部１０２の同じ構成要素を共通に利用できるように構成してもよい。
【００５３】
図１０は、規則発生部１０１および予測発生部１０２の同じ構成要素を共通に用いたデータ予測装置３００のブロック図である。本実施の形態によるデータ予測装置３００は、規則発生部１０１のデータベース１１０および予測発生部１０２のデータベース１６０を単一のデータベース１１０、１６０として共通に有する。同様に、データ予測装置３００は、規則発生部１０１のデータベース１２０および予測発生部１０２のデータベース１７０を単一のデータベース１２０、１７０として共通に有する。データ予測装置３００は、規則発生部１０１のデータ処理部１３０および予測発生部１０２のデータ処理部１８０を単一のデータ処理部１３０、１８０として共通に有する。データ予測装置３００は、規則発生部１０１のメモリ１４０および予測発生部１０２のメモリ１９０を単一のメモリ１４０、１９０として共通に有する。さらに、データ予測装置３００は、規則発生部１０１のデータ分析部１５０および予測発生部１０２のデータ分析部２００を単一のデータ分析部１５０、２００として共通に有する。
【００５４】
単一のデータベースを共通に利用することは、データの格納領域を分割することによって実現される。同様に、単一のメモリを共通に利用することは、データの格納領域を分割することによって実現される。また、データ処理部を共通に利用することは、ＣＰＵ等の演算処理装置を時分割することによって実現される。同様に、データ分析部を共通に利用することは、ＣＰＵ等の演算処理装置を時分割することによって実現される。
【００５５】
さらに、データベース１１０、１６０とデータベース１２０、１７０とを単一のデータベースで実現することも可能である。データ処理部とデータ分析部とを単一の演算処理装置で実現することも可能である。
【００５６】
図１１は、本発明に係るデータ予測方法の第１の実施の形態を示すフロー図である。図１から図１１を参照しつつ本実施の形態を説明する。
【００５７】
分析対象データをデータベース１２０から読み出し、メモリ１４０へ格納する（Ｓ１０）。分析対象データは、図３に示すように位置データおよび観測結果データを有する。
【００５８】
次に、データ処理部１３０がデータベース１１０から第１の属性データを抽出し、分析対象データに含まれた位置データがその特徴に該当する度合を示す第１の度合表示データを生成する（Ｓ２０）。
【００５９】
次に、該第１の属性データおよび第１の度合表示データを分析対象データへ付加する（Ｓ２５）。属性データを有する分析対象データは、図５に示されている。本実施の形態によれば、観測地点１から観測地点１０のそれぞれが属する市町村名、並びに、観測地点１から観測地点１０のそれぞれがカーブの１０ｍ以内であるか否かを属性データとしている。尚、観測地点１から観測地点１０のそれぞれがカーブの１０ｍ以内であるか否かは、図４に示すプロット図を参照することで容易に理解できる。
【００６０】
次に、データ分析器１５０が、メモリ１４０に格納された分析対象データをデータ分析する（Ｓ３０）。その結果、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。
【００６１】
次に、第１の属性データ、規則１および規則２は、予測発生部１０２へ送信され、メモリ１９０に格納される（Ｓ４０）。
【００６２】
次に、予測対象データをデータベース１７０から読み出し、メモリ１９０へ格納する（Ｓ５０）。予測対象データは、図７に示すように位置データを有するが、観測結果データを有しない。
【００６３】
次に、データ処理部１８０が第１の属性データに基づいて第２の属性データを抽出する（Ｓ６０）。本実施の形態によれば、分析対象データに付加された属性データと同じ地理的な特徴を示す属性データを予測対象データへ付加している。具体的には、「市町村名」、「カーブの１０ｍ以内か」および「交差点の１０ｍ以内か」という３つの属性データが抽出されている。
【００６４】
次に、データ処理部１８０は、データベース１６０に格納されている第２の地域の地理情報データに基づいて、予測対象データに含まれる位置データが第２の属性データに該当する度合を判定する（Ｓ６６）。
【００６５】
例えば、このステップで「交差点の１０ｍ以内か」を判定する場合には、まず、データ処理部１８０が位置データの座標と交差点の座標との距離を算出し、さらに、この距離が１０ｍ以下であるか否かを判断する。その結果、この距離が１０ｍ以下であるときには、度合対象データを「○」とし、この距離が１０ｍ以上であるときには度合対象データを「×」とすればよい。
【００６６】
例えば、このステップで「市町村名」を判定する場合には、まず、第２の地域の地理データ内に市町村ごとの範囲を設定し、位置データがいずれの範囲に属するかをデータ処理部１８０が判断する。その結果、位置データが属する市町村名を度合対象データとすればよい。
【００６７】
次に、データ処理部１８０は、第２の度合表示データおよび第２の属性データを表形式に変換する（Ｓ６７）。
【００６８】
次に、データ処理部１８０は、第２の度合表示データおよび第２の属性データを予測対象データへ付加する（Ｓ６８）。図９（Ａ）は、第２の度合表示データおよび第２の属性データを付加した後の表形式の予測対象データである。第２の度合表示データおよび第２の属性データを含め、予測対象データは表形式である。
【００６９】
次に、データ分析部２００が、規則１または規則２に基づいて予測対象データをデータ分析する（Ｓ７０）。その結果、図９（Ｂ）に示す予測結果データが得られる。
【００７０】
本実施の形態によれば、規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」に基づいて「地点１１から地点１３の交通事故発生時間帯が夜である」と予測することができる。地点１１から地点１３は、「カーブの１０ｍ以内であるか」という第２の属性データに該当する（即ち、「○」である）からである。一方で、地点１４から地点１６に関しては規則１に基づいて何らの傾向も予測できない。これは、地点１４から地点１６は、「カーブの１０ｍ以内であるか」という第２の属性データに該当しない（即ち、「×」である）からである。
【００７１】
尚、本実施の形態において、ステップＳ１０からステップＳ４０の規則１および規則２の送信までは規則発生部１０１で実行され、ステップＳ４０の規則１および規則２の格納からステップＳ７０までは予測発生部１０２で実行される。
【００７２】
本実施の形態によれば、規則１に基づいて地点１１から地点１３の予測ができた。即ち、本実施の形態によれば、予測対象データへ属性データを付加し、論理規則に基づいて予測対象データの事象の生じる傾向を予測することができた。
【００７３】
しかし、規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」からは何らの傾向も予測することができない。これは、規則２に含まれる市町村名「Ａ市」および予測対象データに含まれる「Ｘ市、Ｙ市、Ｚ市」が固有名称であるからである。固有名称はそれが示すもの自体にしか適用できない、即ち、他の地域に汎用できないからである。
【００７４】
図１２は、本発明に係る第２の実施の形態を示すフロー図である。第２の実施の形態によれば、論理規則に固有名称が含まれている場合であっても、論理規則を予測対象データへ適用することができる。本実施の形態において、ステップＳ１０からステップＳ６０は第１の実施の形態と同様である。
【００７５】
ステップＳ６０の次に、データ処理部１８０は、規則２および予測対象データに含まれる「Ａ市」および「Ｘ市、Ｙ市、Ｚ市」という市町村名をこれらの市町村が有する他の特徴へ置換する（Ｓ６２）。
【００７６】
図１３は、市町村名という固有名称とこれらの市町村が有する特徴とを表形式で表した概念図である。各市町村が有する特徴として、人口および主産業が示されている。これら２つの特徴の組合せによって各市町村を区別することができる。各市町村が有する特徴の組合せは、各市町村名に関連付けて設定され、予めデータベース１６０に格納されている。
【００７７】
第２の属性データは、市町村が有する「人口」および「主産業」へ置換される。「Ａ市」という第２の度合表示データは「人口５０万人の商業都市である」へ置換される。「Ｘ市」という第２の度合表示データは「人口１０万人の農業都市である」へ置換される。「Ｙ市」という第２の度合表示データは「人口５０万人の商業都市である」へ置換される。「Ｚ市」という第２の度合表示データは「人口１０万人の工業都市である」へ置換される。
【００７８】
このように、規則２の市町村名を図１３に示す市町村名が有する特徴へ置換することによって、規則２は「人口５０万人の商業都市であれば、交通事故の発生時間帯は朝である」という規則２’に置換され得る。また、図９（Ａ）に示す予測対象データの市町村名を図１３に示す市町村名が有する特徴の組合せへ置換することができる。さらに、図１１のステップＳ６７、Ｓ６８が実行される。これによって、図１４（Ａ）に示す予測対象データが得られる。
【００７９】
次に、データ分析部２００は、図１４（Ａ）に示す予測対象データを規則２’に基づいて分析する（Ｓ７２）。図１４（Ｂ）に分析後の予測対象データを示す。地点１４および地点１６は「人口５０万人の商業都市」に該当するので、「交通事故の発生時間帯は朝である」という予測結果データが得られる。
【００８０】
本実施の形態によれば、規則１だけでなく、規則２を用いて予測対象データの傾向を得ることができる。即ち、論理規則または属性データに固有名称が含まれている場合であっても、該固有名称を他の特徴または他の特徴の組合せに置換することによって、該固有名称を汎用化する。それによって、論理規則を予測対象データへ適用することができる。
【００８１】
尚、本実施の形態において、規則１に関しては第１の実施の形態と同様の処理により交通事故発生の時間帯の予測をする。
【００８２】
本実施の形態においては２つの特徴で各市町村を区別しているが、２つの特徴だけでは各市町村を区別することができない場合には、市町村の特徴の数を３つ以上に増加させればよい。それらの特徴の組合せにより、より多くの市町村が区別され得る。
【００８３】
第１および第２の実施の形態において、分析対象データ（図５参照）において採用された第１の属性データと同じ属性データが第２の属性データとして予測対象データ（図９（Ａ）参照）においても採用された。しかし、これらの実施の形態においては、予測対象データにおいて第１の属性データの総てが必ずしも使用されてはいない。例えば、第１および第２の実施の形態においては、「交差点の１０ｍ以内であるか」という属性データに対しては論理規則が発生していない。よって、この属性データは、予測対象データにおいて利用されていない。不要な属性データまでをも予測対象データへ付加することは、メモリ１９０の容量を浪費することになる。
【００８４】
そこで、第３の実施の形態においては、予測対象データのデータサイズを小さくするために、必要最小限の属性データを第２の属性データとして抽出する。
【００８５】
図１５は、本発明に係る第３の実施の形態を示すフロー図である。本実施の形態は、分析対象データに用いられた属性データのうち、不要な属性データを予測対象データへ付加せず、必要な属性データのみを第２の属性データとして予測対象データへ付加する。本実施の形態において、ステップＳ１０からステップＳ５０は図１１に示す第１の実施の形態と同様である。
【００８６】
ステップＳ５０の次に、データ処理部１８０は、規則１および規則２に基づいて第２の属性データを抽出する（Ｓ４４）。例えば、規則１および規則２の条件節を第２の属性データとして抽出する。条件節は規則１または規則２のようなＩＦ−ＴＨＥＮ規則のうち、条件を示す部分（ＩＦ部分）である。例えば、規則１の条件節は、「カーブから１０ｍ以内ならば」である。規則２の条件節は、「Ａ市ならば」である。これらの条件節に基づいて、「カーブから１０ｍ以内であるか」および「市町村名」を属性データとして予測対象データへ付加する。これによって、「交差点の１０ｍ以内であるか」という不要な属性データを予測対象データへ付加しない。
【００８７】
続いて、図１１に示すステップＳ６６からＳ７０を実行することによって、第１の実施の形態と同様の予測結果データを得ることができる。
【００８８】
本実施の形態によれば、不要な属性データを予測対象データへ付加しないので、第１および第２の実施の形態と比較して予測対象データのデータ容量が小さくなり得る。
【００８９】
図１６は、本発明に係る第４の実施の形態を示すフロー図である。本実施の形態によれば、位置データを有する予測対象データが存在しない場合にデータ処理部１８０が仮想的な位置データを発生する。この仮想的な位置データを有する予測対象データが分析される。本実施の形態は、実際には未だ存在せず、新たに建設される道路に適用する場合などに用いられる。本実施の形態によれば、予測対象データが存在しないので、図１または図１０に示されたデータ予測装置１００または３００において、データベース１７０が不要となる。
【００９０】
本実施の形態において、ステップＳ１０からステップＳ４０は第１の実施の形態と同様である。
【００９１】
ステップＳ４０の次に、データ処理部１８０が仮想的な位置データを発生する（Ｓ４６）。図１７は、本実施の形態において用いられる道路の建設計画の地図データを示す概念図である。この地図データはデータベース１６０に格納されている。図１７に示す破線の左側がＡ市であり、その右側がＢ市である。道路は、図１７に示すようにＡ市からＢ市に亘って建設される予定である。よって、実際には未だ道路は建設されていない。
【００９２】
この地図データに基づいてデータ処理部１８０は仮想的な位置データを発生する。図１８は、仮想的な位置データが示す地点２１から地点２５を図１７の地図データ上にプロットした図である。データ処理部１８０は、道路建設予定の地域内において任意に仮想的な位置データを発生させてもよく、一定の間隔を空けて仮想的な位置データを発生させてもよい。
【００９３】
次に、仮想的な位置データへ規則１および規則２に基づいた第２の属性データおよび第２の度合表示データを付加することによって予測対象データを作成する。より詳細には、規則１および規則２の条件節に基づいて「カーブから１０ｍ以内であるか」および「市町村名」を第２の属性データを抽出する（Ｓ５６）。データ処理部１８０が、仮想的な位置データがカーブから１０ｍ以内であるか否かおよび仮想的な位置データが属する市町村名を判定し、第２の度合表示データを生成する（Ｓ５７）。第２の属性データおよび第２の度合表示データを表形式に変換して地点２１から地点２５の仮想的な位置データへ付加する（Ｓ５８）。それによって、予測対象データが作成される。
【００９４】
図１９（Ａ）は本実施の形態による予測対象データの概念図である。図１８に示したように、地点２１、２２はＡ市に属し、カーブの１０ｍ以内に無い。地点２３から２５は、Ｂ市に属し、カーブの１０ｍ以内に在る。従って、属性データは、図１９（Ａ）のように示される。
【００９５】
次に、図１１に示すステップＳ７０を実行することによって、図１９（Ｂ）に示す予測結果データを得ることができる。図１９（Ｂ）は本実施の形態による予測結果データを含む予測対象データの概念図である。図１９（Ｂ）に示す予測対象データを参照して、地点２１、２２において交通事故の発生時間帯は朝であると予測できる。また、地点２３から地点２６において交通事故の発生時間帯は夜であると予測できる。
【００９６】
本実施の形態によれば、建設計画の段階であって実際には無い道路などの仮想的な地理情報データに基づいて、交通事故などの事象が生じる傾向を予測することができる。
【００９７】
尚、上記の実施の形態においては、規則１および規則２の２つの論理規則が用いられていた。しかし、論理規則の数は１つであってもよく、また、３つ以上であってもよい。
【００９８】
上述したデータ予測装置またはデータ予測方法は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、データ予測装置の機能またはデータ予測方法を実現するプログラムをフロッピーディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の携帯可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。
【００９９】
また、上述したデータ予測装置の機能またはデータ予測方法を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。
【０１００】
【発明の効果】
本発明に従ったデータ予測装置、データ予測プログラムおよびデータ予測方法は、予測対象データへ地理的な特徴を示す属性データを自動的に付加することによって、論理規則に基づいて予測対象データの観測結果データを予測することを可能になる。
【０１０１】
本発明に従ったデータ予測装置、データ予測プログラムおよびデータ予測方法は、予測対象データに含まれる位置データに基づいて地理情報データから分析に必要な属性データを自動抽出し、この属性データおよび観測データに基づいてデータ分析を自動的に行うことを可能とする。
【図面の簡単な説明】
【図１】本発明による実施の形態に従ったデータ予測装置１００のブロック図。
【図２】第１の地域の地理情報データの具体例の概念図。
【図３】分析対象データの具体例の概念図。
【図４】図３に示す位置データを図２に示す地図データへプロットしたときの概念図。
【図５】属性データを付加した分析対象データの具体例の概念図。
【図６】第２の地域の地理情報データの具体例の概念図。
【図７】予測対象データの具体例の概念図。
【図８】図７に示す位置データを図６に示す地図データへプロットしたときの概念図。
【図９】属性データを付加した予測対象データの具体例の概念図および予測結果データを有する予測対象データの具体例を示す概念図。
【図１０】規則発生部１０１および予測発生部１０２の同じ構成要素を共通に用いた実施の形態のブロック図。
【図１１】本発明に係るデータ予測方法の第１の実施の形態を示すフロー図。
【図１２】本発明に係る第２の実施の形態を示すフロー図。
【図１３】市町村名という固有名称とこれらの市町村が有する特徴とを表形式で表した概念図。
【図１４】第２の実施の形態による予測対象データの概念図および分析後の予測対象データの概念図。
【図１５】本発明に係る第３の実施の形態を示すフロー図。
【図１６】本発明に係る第４の実施の形態を示すフロー図。
【図１７】本実施の形態において用いられる道路の建設計画の地図データを示す概念図。
【図１８】仮想的な位置データが示す地点２１から地点２５を図１７の地図データ上にプロットした図。
【図１９】第４の実施の形態による予測対象データの概念図および予測結果データの概念図。
【図２０】分析対象データの概念図および予測対象データの概念図。
【符号の説明】
１００、３００ データ予測装置
１０１ 規則発生部
１０２ 予測発生部
１１０、１２０、１６０、１７０ データベース
１３０、１８０ データ処理部
１４０、１９０ メモリ
１５０、２００ データ分析部
【発明の属する技術分野】
本発明は、データ予測方法、データ予測装置およびデータ予測プログラムに関する。
【０００２】
【従来の技術】
データベース内にある多数の情報の空間的な規則を導出するデータ分析方法として空間データマイニング法や統計分析法がある。空間データマイニング法や統計分析法は、２次元または３次元以上の空間座標で示された分析対象データが空間内のどの箇所に密集しているか等の分析対象データの空間的な規則を発見するために用いられる。
【０００３】
空間的な傾向を発見するために、与えられる地点からみた、目的関数を最適化する距離や方法分析する方法が知られている（特許文献１を参照）。
【０００４】
一般に、広範囲に亘る空間において収集された多くの観測結果データを分析する場合には、観測点の地理的な特徴が影響することが多い。従って、観測点の地理的な特徴を示す属性データを観測結果データに付加することによってデータ分析の精度を向上させることができる。
【０００５】
例えば、交通事故発生傾向をデータ分析によって予測する場合に、その道路が通過する地域の地形、その地域の近傍にある構造物、その地域における降水量またはその道路の交通量等の属性データを交通事故発生の観測結果データに付加して分析する。それによって、例えば、属性データが「カーブから１０ｍ以内」であるときに「交通事故発生の度合が高い」という観測結果データが得られた場合には、「カーブから１０ｍ以内であれば、交通事故発生の度合が高い」という論理規則が得られる。
【０００６】
このような規則は、観測が実施された地域とは異なる地域の観測結果データを予測するために用いることができる。以下、観測結果データを予測する対象となるデータを予測対象データという。予測対象データの観測結果データを予測するためには、予測を実施する地点の地理的な特徴を示す属性データが必要である。
【０００７】
例えば、「カーブから１０ｍ以内であれば、交通事故発生の度合が高い」という規則を応用して、ある地点の交通事故発生の傾向を予測する場合には、該地点が「カーブから１０ｍ以内」であるか否かを示す属性データおよび該属性データに該当する度合を示す度合表示データが必要である。このような属性データおよび度合表示データがない場合には、交通事故発生の傾向を予測することができない。
【０００８】
図２０（Ａ）および図２０（Ｂ）を参照して、従来例をさらに具体的に説明する。図２０（Ａ）は、分析対象データの概念図である。図２０（Ｂ）は予測対象データの概念図である。
【０００９】
図２０（Ａ）に示す分析対象データを決定木、神経回路網、回帰分析等の手法を用いて分析することによって、交通事故発生時間帯を特徴付ける論理規則を得ることができる。図２０（Ａ）に示す分析対象データからは、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。
【００１０】
【特許文献１】
特開２００１−３１８９３８公報
【００１１】
【発明が解決しようとする課題】
これらの論理規則を図２０（Ｂ）に示す予測対象データに適用することによって、予測地点における交通事故発生時間帯を予測したい。しかし、図２０（Ｂ）に示す予測対象データは市町村名に関する属性データおよび度合表示データを有するだけである。即ち、図２０（Ｂ）に示す予測対象データは、分析対象データに対応する「カーブの１０ｍ以内であるか否か」に関する属性データおよび度合表示データを有しない。従って、規則１をこの予測対象データに適用しても、交通事故発生時間帯を特定することができない。
【００１２】
また、予測対象データが分析対象データに対応する属性データおよび度合表示データを有する場合であっても、属性データおよび度合表示データが固有名称である場合には論理規則を予測対象データへ適用できない。固有名称は、それが示すもの自体を指し示し、他のものに汎用できないからである。
【００１３】
例えば、規則２に含まれる度合表示データ「Ａ市」並びに予測対象データに含まれる度合表示データ「Ｘ市」、「Ｙ市」および「Ｚ市」は、それが示す地域自体を表示する固有名称である。よって、図２０（Ａ）から得た規則２を図２０（Ｂ）に示す予測対象データに適用しても、観測結果データを予測することはできない。
【００１４】
ところで、予測対象データには空間内の観測地点を表す位置データが付加されている場合が多い。そこで、予測地点を含む地域の地理情報データに基づいて、該位置データが分析対象データの属性データに該当するか否かを判定することによって、度合表示データを抽出することが考えられる。
【００１５】
しかしながら、空間データマイニングや統計データ分析は、表形式で表されたデータを分析対象としている。一方で、地図データなどの地理情報データは電子化されているものの表形式ではない。従って、データマイニングや統計データ分析を実行するときに、予測対象データに地理情報データを直接に適用することができない。即ち、地理情報データと予測対象データとのフォーマットが異なるので、コンピュータを用いて地理情報データから度合表示データを自動検索および自動抽出することができなかった。従って、属性データおよび予測対象データに基づくデータ分析を自動的に行うことができなかった。
【００１６】
そこで、本発明の目的は、予測対象データへ適切な属性データおよび度合表示データを付加することによって、論理規則に基づいて予測対象データの観測結果データを予測することを可能にするデータ予測方法、データ予測装置およびデータ予測プログラムを提供することである。
【００１７】
また、本発明の目的は、地理情報データに基づいて予測対象データに含まれる位置データに度合表示データを自動抽出し、この属性データおよび度合表示データに基づいてデータ分析を自動的に行うことを可能とするデータ予測方法、データ予測装置およびデータ予測プログラムを提供することである。
【００１８】
【課題を解決するための手段】
本発明に係る実施の形態に従ったデータ予測方法は、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いたデータ予測方法であって、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、前記予測点における前記事象の観測結果データを有さず、該予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを具備する。
【００１９】
好ましくは、前記計算機は、前記規則を生成し該規則を前記第１の記憶部へ送信する規則発生部をさらに備え、前記抽出ステップの前に、前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成するステップと、該規則を前記第１の記憶部へ送信するステップとをさらに具備する。
【００２０】
前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであってもよい。
【００２１】
好ましくは、前記第２の属性データが示す特徴は前記規則の条件節が示す特徴である。
【００２２】
好ましくは、当該方法は、前記予測ステップ前に、前記規則に含まれた前記第１の地域に関する固有名称、若しくは、前記予測対象データに含まれた前記第２の地域に関する固有名称を、該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換する置換ステップをさらに具備する。
【００２３】
前記位置データは仮想的に生成されたデータであってもよい。
【００２４】
本発明に係る実施の形態に従ったデータ予測装置は、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部と、該第２の地域における前記事象の予測点の地理的な特徴を表す第２の属性データを前記第１の属性データに基づいて抽出し、前記地理情報データに基づいて前記予測点において該第２の属性データに該当する度合を示す度合表示データを生成し、該度合表示データと前記第２の属性データとを表形式に変換し、さらに、前記予測点の位置を示す位置データを有しかつ該予測点における前記事象の観測結果データを有しない表形式の予測対象データへ前記第２の属性データおよび前記度合表示データを付加するデータ処理部と、前記第２の属性データおよび前記度合表示データを含む前記予測対象データを前記規則に基づいてデータ分析することによって前記予測点において前記事象が生じる傾向を予測するデータ分析部とを備える。
【００２５】
好ましくは、データ予測装置は、前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成し、該規則を前記第１の記憶部へ送信する規則発生部をさらに備える。
【００２６】
データ予測装置は、前記予測対象データを予め記憶した第３の記憶部をさらに備えていてもよい。
【００２７】
前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであってもよい。
【００２８】
好ましくは、前記第２の属性データが示す特徴は、前記論理規則の条件節が示す特徴である。
【００２９】
データ処理部は、前記第１の地域に関する固有名称が前記規則に含まれている場合、若しくは、前記第２の地域に関する固有名称が前記予測対象データに含まれている場合に、該固有名称を該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換することが好ましい。
【００３０】
前記位置データは仮想的に生成されたデータであってもよい。
【００３１】
本発明に係る実施の形態に従ったデータ予測プログラムは、第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いて、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、該予測点における前記事象の観測結果データを有さず、前記予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを実行する。
【００３２】
【発明の実施の形態】
以下、本発明による実施の形態を説明する。尚、本実施の形態は本発明を限定するものではない。
【００３３】
図１は、本発明による実施の形態に従ったデータ予測装置１００のブロック図である。データ予測装置１００は、規則発生部１０１および予測発生部１０２を備えている。規則発生部１０１は、ある地域（以下、第１の地域という）において生じた事象を観測した観測結果データとその観測地点における地理的な特徴を示す属性データとその属性データに該当する度合を示す度合表示データとからその事象の生じる論理規則を発生する。予測発生部１０２は、規則発生部１０１が発生した規則を他の地域（以下、第２の地域という）に適用し、該第２の地域においてその事象が生じる傾向を予測する。ここで、属性データは地理内のある位置における任意の特徴を表すデータである。度合表示データは、各位置データごとに属性データに該当する度合を示すデータである。尚、属性データは属性名と換言してもよい。度合表示データは、属性名に該当する値を示す属性値と換言してもよい。
【００３４】
規則発生部１０１は、データベース１１０、データベース１２０、データ処理部１３０、メモリ１４０およびデータ分析部１５０を有する。データベース１１０は第１の地域に関する地理情報データを記憶する。データベース１２０は、第１の地域において生じた事象を観測した観測結果データおよびその観測地点の位置データを表形式で表した分析対象データを記憶する。
【００３５】
図２は、第１の地域の地理情報データの具体例の概念図である。地理情報データは、１次元以上の空間を示すデータであり、代表的には２次元の平面空間および３次元の立体空間をベクタ形式、図形形式等で表したデータである。例えば、地理情報データは地図データまたはＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データ等である。図２は第１の地域に存在する道路を示す地図データの概念図である。
【００３６】
図３は、分析対象データの具体例の概念図である。観測結果データは、例えば、第１の地域において交通事故という事象が発生する傾向を観測した結果データである。位置データは交通事故が発生した位置座標である。図３に示した具体例では、地点１から地点１０において発生した交通事故の発生時間帯が観測結果データである。また、地点１から地点１０の位置座標（Ｘ，Ｙ）が位置データである。尚、位置データは、地理内の位置座標を示す位置属性と換言してもよい。
【００３７】
図４は、図３に示す位置データを図２に示す地図データへプロットしたときの概念図である。図４には地点１から地点１０が黒点で示されている。
【００３８】
データ処理部１３０は、第１の地域における地理的な特徴をデータベース１１０から検索し、その特徴を示す属性データと地点１から地点１０がその特徴に該当する度合を示す度合表示データとを表形式に変換する。さらにデータ処理部１３０は分析対象データへ属性データおよび度合表示データを付加する。尚、第１の地域における属性データおよび度合表示データをそれぞれ第１の属性データおよび第１の度合表示データという。
【００３９】
図５は、第１の属性データおよび第１の度合表示データを付加した分析対象データの具体例の概念図である。第１の属性データは、「市町村名」、「カーブの１０ｍ以内か？」および「交差点の１０ｍ以内か？」という３つの項目で示されている。「市町村名」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれが存在する市町村名（Ａ市、Ｂ市、Ｃ市またはＤ市のいずれか）で示されている。「カーブの１０ｍ以内か？」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれがカーブの１０ｍ以内に存在するか否か（○または×）で示されている。「交差点の１０ｍ以内か？」という第１の属性データに対応する第１の度合表示データは、地点１から１０のそれぞれが交差点の１０ｍ以内に存在するか否か（○または×）で示されている。第１の属性データおよび第１の度合表示データが分析対象データへ付加されている。
【００４０】
メモリ１４０は、分析対象データ等のデータを一時的に格納する。
【００４１】
データ分析部１５０は、第１の属性データおよび第１の度合表示データが付加された分析対象データをデータ分析し、交通事故の生じる論理規則を導出する。データ分析部１５０は、例えば、決定木などのデータマイニング手法で分析することによって、交通事故発生時間帯を特徴付ける論理規則を得ることができる。図５に示す分析対象データからは、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。これらの論理規則は予測発生部１０２のメモリ１９０に格納される。
【００４２】
予測発生部１０２は、データベース１６０、データベース１７０、データ処理部１８０、メモリ１９０およびデータ分析部２００を有する。データベース１６０は、データベース１１０が格納する第１の地域とは異なる第２の地域に関する地理情報データを記憶する。データベース１７０は、第２の地域における位置データを有するが、該位置データにおいて生じた事象を観測した観測結果データを有しない予測対象データを格納する。
【００４３】
図６は、第２の地域の地理情報データの具体例の概念図である。地理情報データは、１次元以上の空間を示すデータであり、代表的には２次元の平面空間および３次元の立体空間をベクタ形式、図形形式等で表したデータである。例えば、地理情報データは地図データまたはＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データ等である。図６は第２の地域に存在する道路を示す地図データの概念図である。
【００４４】
図７は、予測対象データの具体例の概念図である。予測対象データは第２の地域において交通事故が発生した地点１１から１６の位置座標（Ｘ，Ｙ）を有する。しかし、予測対象データは地点１１から１６の観測結果データを有しない。予測発生部１０２は予測対象データの観測結果データを予測する。尚、便宜上、予測された観測結果データは予測結果データという。
【００４５】
図８は、図７に示す位置データを図６に示す地図データへプロットしたときの概念図である。図８には地点１１から地点１６が黒点で示されている。
【００４６】
データ処理部１８０は、分析対象データに用いられた第１の属性データに基づいて、第２の地域における予測点の地理的な特徴を示す第２の属性データを抽出する。データ処理部１８０は、交通事故の発生した地点１１から地点１６が第２の属性データに該当する度合を判定し、この度合を示す第２の度合表示データを生成する。さらに、データ処理部１８０は第２の度合表示データと第２の属性データとを表形式に変換する。位置データが第２の属性データに該当する度合を判定する手法に関しては、図１１のステップＳ６６にて説明する。さらにデータ処理部１８０は予測対象データへ第２の属性データと第２の度合表示データとを付加する。
【００４７】
図９（Ａ）は、第２の属性データと第２の度合表示データとを付加した予測対象データの具体例の概念図である。この具体例では、地点１１から地点１６が存在する「市町村名」、地点１１から地点１６が「カーブの１０ｍ以内か否か」、並びに、地点１１から地点１６が「交差点の１０ｍ以内か否か」の３つの特徴が第２の属性データとして付加されている。図９（Ａ）に示す第２の属性データは、第１の属性データと同じである。
【００４８】
これらの第２の属性データに該当する度合を示す度合表示データが予測対象データに付加されている。具体的には、「市町村名」という属性データに対しては、「Ｘ市」、「Ｙ市」または「Ｚ市」という度合表示データが付加されている。「カーブの１０ｍ以内か否か」および「交差点の１０ｍ以内か否か」という属性データに対しては、それぞれ「○」または「×」という度合表示データが付加されている。
【００４９】
メモリ１９０は、規則発生部１０１からの論理規則および第１の属性データ、並びに、データベース１７０からの予測対象データ等を一時的に格納する。
【００５０】
データ分析部２００は、メモリ１９０に格納された論理規則に基づいて第２の属性データが付加された予測対象データをデータ分析する。それによって、データ分析部２００は、第２の地域における位置データが示す位置において交通事故が生じる傾向を予測する。より詳細には、データ分析部２００は、図９（Ａ）に示す予測対象データへ上述した規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」を適用する。それによって、図９（Ｂ）に示すような予測結果データが得られる。
【００５１】
図９（Ｂ）は、図９（Ａ）に示す予測対象データへ規則１を適用したときの予測結果データを有する予測対象データの具体例を示す概念図である。地点１１から地点１３は、「カーブの１０ｍ以内である」という特徴を有するので、規則１に該当する。よって、地点１１から地点１３における交通事故の発生時間帯は夜であるという予測結果データが得られている。このように、本実施の形態によるデータ予測装置１００は、第１の地域において生じた事象の観測結果データに基づいて論理規則を発生し、第２の地域にその論理規則を適用することによって、その事象が第２の地域において生じる傾向を予測することができる。
【００５２】
図１に示すデータ予測装置１００は、規則発生部１０１および予測発生部１０２をそれぞれ異なる構成部分として示した。しかし、規則発生部１０１および予測発生部１０２は互いに類似する構成を有するので、規則発生部１０１および予測発生部１０２の同じ構成要素を共通に利用できるように構成してもよい。
【００５３】
図１０は、規則発生部１０１および予測発生部１０２の同じ構成要素を共通に用いたデータ予測装置３００のブロック図である。本実施の形態によるデータ予測装置３００は、規則発生部１０１のデータベース１１０および予測発生部１０２のデータベース１６０を単一のデータベース１１０、１６０として共通に有する。同様に、データ予測装置３００は、規則発生部１０１のデータベース１２０および予測発生部１０２のデータベース１７０を単一のデータベース１２０、１７０として共通に有する。データ予測装置３００は、規則発生部１０１のデータ処理部１３０および予測発生部１０２のデータ処理部１８０を単一のデータ処理部１３０、１８０として共通に有する。データ予測装置３００は、規則発生部１０１のメモリ１４０および予測発生部１０２のメモリ１９０を単一のメモリ１４０、１９０として共通に有する。さらに、データ予測装置３００は、規則発生部１０１のデータ分析部１５０および予測発生部１０２のデータ分析部２００を単一のデータ分析部１５０、２００として共通に有する。
【００５４】
単一のデータベースを共通に利用することは、データの格納領域を分割することによって実現される。同様に、単一のメモリを共通に利用することは、データの格納領域を分割することによって実現される。また、データ処理部を共通に利用することは、ＣＰＵ等の演算処理装置を時分割することによって実現される。同様に、データ分析部を共通に利用することは、ＣＰＵ等の演算処理装置を時分割することによって実現される。
【００５５】
さらに、データベース１１０、１６０とデータベース１２０、１７０とを単一のデータベースで実現することも可能である。データ処理部とデータ分析部とを単一の演算処理装置で実現することも可能である。
【００５６】
図１１は、本発明に係るデータ予測方法の第１の実施の形態を示すフロー図である。図１から図１１を参照しつつ本実施の形態を説明する。
【００５７】
分析対象データをデータベース１２０から読み出し、メモリ１４０へ格納する（Ｓ１０）。分析対象データは、図３に示すように位置データおよび観測結果データを有する。
【００５８】
次に、データ処理部１３０がデータベース１１０から第１の属性データを抽出し、分析対象データに含まれた位置データがその特徴に該当する度合を示す第１の度合表示データを生成する（Ｓ２０）。
【００５９】
次に、該第１の属性データおよび第１の度合表示データを分析対象データへ付加する（Ｓ２５）。属性データを有する分析対象データは、図５に示されている。本実施の形態によれば、観測地点１から観測地点１０のそれぞれが属する市町村名、並びに、観測地点１から観測地点１０のそれぞれがカーブの１０ｍ以内であるか否かを属性データとしている。尚、観測地点１から観測地点１０のそれぞれがカーブの１０ｍ以内であるか否かは、図４に示すプロット図を参照することで容易に理解できる。
【００６０】
次に、データ分析器１５０が、メモリ１４０に格納された分析対象データをデータ分析する（Ｓ３０）。その結果、
規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」
規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」
という２つの論理規則が得られる。
【００６１】
次に、第１の属性データ、規則１および規則２は、予測発生部１０２へ送信され、メモリ１９０に格納される（Ｓ４０）。
【００６２】
次に、予測対象データをデータベース１７０から読み出し、メモリ１９０へ格納する（Ｓ５０）。予測対象データは、図７に示すように位置データを有するが、観測結果データを有しない。
【００６３】
次に、データ処理部１８０が第１の属性データに基づいて第２の属性データを抽出する（Ｓ６０）。本実施の形態によれば、分析対象データに付加された属性データと同じ地理的な特徴を示す属性データを予測対象データへ付加している。具体的には、「市町村名」、「カーブの１０ｍ以内か」および「交差点の１０ｍ以内か」という３つの属性データが抽出されている。
【００６４】
次に、データ処理部１８０は、データベース１６０に格納されている第２の地域の地理情報データに基づいて、予測対象データに含まれる位置データが第２の属性データに該当する度合を判定する（Ｓ６６）。
【００６５】
例えば、このステップで「交差点の１０ｍ以内か」を判定する場合には、まず、データ処理部１８０が位置データの座標と交差点の座標との距離を算出し、さらに、この距離が１０ｍ以下であるか否かを判断する。その結果、この距離が１０ｍ以下であるときには、度合対象データを「○」とし、この距離が１０ｍ以上であるときには度合対象データを「×」とすればよい。
【００６６】
例えば、このステップで「市町村名」を判定する場合には、まず、第２の地域の地理データ内に市町村ごとの範囲を設定し、位置データがいずれの範囲に属するかをデータ処理部１８０が判断する。その結果、位置データが属する市町村名を度合対象データとすればよい。
【００６７】
次に、データ処理部１８０は、第２の度合表示データおよび第２の属性データを表形式に変換する（Ｓ６７）。
【００６８】
次に、データ処理部１８０は、第２の度合表示データおよび第２の属性データを予測対象データへ付加する（Ｓ６８）。図９（Ａ）は、第２の度合表示データおよび第２の属性データを付加した後の表形式の予測対象データである。第２の度合表示データおよび第２の属性データを含め、予測対象データは表形式である。
【００６９】
次に、データ分析部２００が、規則１または規則２に基づいて予測対象データをデータ分析する（Ｓ７０）。その結果、図９（Ｂ）に示す予測結果データが得られる。
【００７０】
本実施の形態によれば、規則１「カーブから１０ｍ以内ならば、交通事故発生時間帯は夜である」に基づいて「地点１１から地点１３の交通事故発生時間帯が夜である」と予測することができる。地点１１から地点１３は、「カーブの１０ｍ以内であるか」という第２の属性データに該当する（即ち、「○」である）からである。一方で、地点１４から地点１６に関しては規則１に基づいて何らの傾向も予測できない。これは、地点１４から地点１６は、「カーブの１０ｍ以内であるか」という第２の属性データに該当しない（即ち、「×」である）からである。
【００７１】
尚、本実施の形態において、ステップＳ１０からステップＳ４０の規則１および規則２の送信までは規則発生部１０１で実行され、ステップＳ４０の規則１および規則２の格納からステップＳ７０までは予測発生部１０２で実行される。
【００７２】
本実施の形態によれば、規則１に基づいて地点１１から地点１３の予測ができた。即ち、本実施の形態によれば、予測対象データへ属性データを付加し、論理規則に基づいて予測対象データの事象の生じる傾向を予測することができた。
【００７３】
しかし、規則２「市町村名がＡ市ならば、交通事故発生時間帯は朝である」からは何らの傾向も予測することができない。これは、規則２に含まれる市町村名「Ａ市」および予測対象データに含まれる「Ｘ市、Ｙ市、Ｚ市」が固有名称であるからである。固有名称はそれが示すもの自体にしか適用できない、即ち、他の地域に汎用できないからである。
【００７４】
図１２は、本発明に係る第２の実施の形態を示すフロー図である。第２の実施の形態によれば、論理規則に固有名称が含まれている場合であっても、論理規則を予測対象データへ適用することができる。本実施の形態において、ステップＳ１０からステップＳ６０は第１の実施の形態と同様である。
【００７５】
ステップＳ６０の次に、データ処理部１８０は、規則２および予測対象データに含まれる「Ａ市」および「Ｘ市、Ｙ市、Ｚ市」という市町村名をこれらの市町村が有する他の特徴へ置換する（Ｓ６２）。
【００７６】
図１３は、市町村名という固有名称とこれらの市町村が有する特徴とを表形式で表した概念図である。各市町村が有する特徴として、人口および主産業が示されている。これら２つの特徴の組合せによって各市町村を区別することができる。各市町村が有する特徴の組合せは、各市町村名に関連付けて設定され、予めデータベース１６０に格納されている。
【００７７】
第２の属性データは、市町村が有する「人口」および「主産業」へ置換される。「Ａ市」という第２の度合表示データは「人口５０万人の商業都市である」へ置換される。「Ｘ市」という第２の度合表示データは「人口１０万人の農業都市である」へ置換される。「Ｙ市」という第２の度合表示データは「人口５０万人の商業都市である」へ置換される。「Ｚ市」という第２の度合表示データは「人口１０万人の工業都市である」へ置換される。
【００７８】
このように、規則２の市町村名を図１３に示す市町村名が有する特徴へ置換することによって、規則２は「人口５０万人の商業都市であれば、交通事故の発生時間帯は朝である」という規則２’に置換され得る。また、図９（Ａ）に示す予測対象データの市町村名を図１３に示す市町村名が有する特徴の組合せへ置換することができる。さらに、図１１のステップＳ６７、Ｓ６８が実行される。これによって、図１４（Ａ）に示す予測対象データが得られる。
【００７９】
次に、データ分析部２００は、図１４（Ａ）に示す予測対象データを規則２’に基づいて分析する（Ｓ７２）。図１４（Ｂ）に分析後の予測対象データを示す。地点１４および地点１６は「人口５０万人の商業都市」に該当するので、「交通事故の発生時間帯は朝である」という予測結果データが得られる。
【００８０】
本実施の形態によれば、規則１だけでなく、規則２を用いて予測対象データの傾向を得ることができる。即ち、論理規則または属性データに固有名称が含まれている場合であっても、該固有名称を他の特徴または他の特徴の組合せに置換することによって、該固有名称を汎用化する。それによって、論理規則を予測対象データへ適用することができる。
【００８１】
尚、本実施の形態において、規則１に関しては第１の実施の形態と同様の処理により交通事故発生の時間帯の予測をする。
【００８２】
本実施の形態においては２つの特徴で各市町村を区別しているが、２つの特徴だけでは各市町村を区別することができない場合には、市町村の特徴の数を３つ以上に増加させればよい。それらの特徴の組合せにより、より多くの市町村が区別され得る。
【００８３】
第１および第２の実施の形態において、分析対象データ（図５参照）において採用された第１の属性データと同じ属性データが第２の属性データとして予測対象データ（図９（Ａ）参照）においても採用された。しかし、これらの実施の形態においては、予測対象データにおいて第１の属性データの総てが必ずしも使用されてはいない。例えば、第１および第２の実施の形態においては、「交差点の１０ｍ以内であるか」という属性データに対しては論理規則が発生していない。よって、この属性データは、予測対象データにおいて利用されていない。不要な属性データまでをも予測対象データへ付加することは、メモリ１９０の容量を浪費することになる。
【００８４】
そこで、第３の実施の形態においては、予測対象データのデータサイズを小さくするために、必要最小限の属性データを第２の属性データとして抽出する。
【００８５】
図１５は、本発明に係る第３の実施の形態を示すフロー図である。本実施の形態は、分析対象データに用いられた属性データのうち、不要な属性データを予測対象データへ付加せず、必要な属性データのみを第２の属性データとして予測対象データへ付加する。本実施の形態において、ステップＳ１０からステップＳ５０は図１１に示す第１の実施の形態と同様である。
【００８６】
ステップＳ５０の次に、データ処理部１８０は、規則１および規則２に基づいて第２の属性データを抽出する（Ｓ４４）。例えば、規則１および規則２の条件節を第２の属性データとして抽出する。条件節は規則１または規則２のようなＩＦ−ＴＨＥＮ規則のうち、条件を示す部分（ＩＦ部分）である。例えば、規則１の条件節は、「カーブから１０ｍ以内ならば」である。規則２の条件節は、「Ａ市ならば」である。これらの条件節に基づいて、「カーブから１０ｍ以内であるか」および「市町村名」を属性データとして予測対象データへ付加する。これによって、「交差点の１０ｍ以内であるか」という不要な属性データを予測対象データへ付加しない。
【００８７】
続いて、図１１に示すステップＳ６６からＳ７０を実行することによって、第１の実施の形態と同様の予測結果データを得ることができる。
【００８８】
本実施の形態によれば、不要な属性データを予測対象データへ付加しないので、第１および第２の実施の形態と比較して予測対象データのデータ容量が小さくなり得る。
【００８９】
図１６は、本発明に係る第４の実施の形態を示すフロー図である。本実施の形態によれば、位置データを有する予測対象データが存在しない場合にデータ処理部１８０が仮想的な位置データを発生する。この仮想的な位置データを有する予測対象データが分析される。本実施の形態は、実際には未だ存在せず、新たに建設される道路に適用する場合などに用いられる。本実施の形態によれば、予測対象データが存在しないので、図１または図１０に示されたデータ予測装置１００または３００において、データベース１７０が不要となる。
【００９０】
本実施の形態において、ステップＳ１０からステップＳ４０は第１の実施の形態と同様である。
【００９１】
ステップＳ４０の次に、データ処理部１８０が仮想的な位置データを発生する（Ｓ４６）。図１７は、本実施の形態において用いられる道路の建設計画の地図データを示す概念図である。この地図データはデータベース１６０に格納されている。図１７に示す破線の左側がＡ市であり、その右側がＢ市である。道路は、図１７に示すようにＡ市からＢ市に亘って建設される予定である。よって、実際には未だ道路は建設されていない。
【００９２】
この地図データに基づいてデータ処理部１８０は仮想的な位置データを発生する。図１８は、仮想的な位置データが示す地点２１から地点２５を図１７の地図データ上にプロットした図である。データ処理部１８０は、道路建設予定の地域内において任意に仮想的な位置データを発生させてもよく、一定の間隔を空けて仮想的な位置データを発生させてもよい。
【００９３】
次に、仮想的な位置データへ規則１および規則２に基づいた第２の属性データおよび第２の度合表示データを付加することによって予測対象データを作成する。より詳細には、規則１および規則２の条件節に基づいて「カーブから１０ｍ以内であるか」および「市町村名」を第２の属性データを抽出する（Ｓ５６）。データ処理部１８０が、仮想的な位置データがカーブから１０ｍ以内であるか否かおよび仮想的な位置データが属する市町村名を判定し、第２の度合表示データを生成する（Ｓ５７）。第２の属性データおよび第２の度合表示データを表形式に変換して地点２１から地点２５の仮想的な位置データへ付加する（Ｓ５８）。それによって、予測対象データが作成される。
【００９４】
図１９（Ａ）は本実施の形態による予測対象データの概念図である。図１８に示したように、地点２１、２２はＡ市に属し、カーブの１０ｍ以内に無い。地点２３から２５は、Ｂ市に属し、カーブの１０ｍ以内に在る。従って、属性データは、図１９（Ａ）のように示される。
【００９５】
次に、図１１に示すステップＳ７０を実行することによって、図１９（Ｂ）に示す予測結果データを得ることができる。図１９（Ｂ）は本実施の形態による予測結果データを含む予測対象データの概念図である。図１９（Ｂ）に示す予測対象データを参照して、地点２１、２２において交通事故の発生時間帯は朝であると予測できる。また、地点２３から地点２６において交通事故の発生時間帯は夜であると予測できる。
【００９６】
本実施の形態によれば、建設計画の段階であって実際には無い道路などの仮想的な地理情報データに基づいて、交通事故などの事象が生じる傾向を予測することができる。
【００９７】
尚、上記の実施の形態においては、規則１および規則２の２つの論理規則が用いられていた。しかし、論理規則の数は１つであってもよく、また、３つ以上であってもよい。
【００９８】
上述したデータ予測装置またはデータ予測方法は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、データ予測装置の機能またはデータ予測方法を実現するプログラムをフロッピーディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の携帯可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。
【００９９】
また、上述したデータ予測装置の機能またはデータ予測方法を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。
【０１００】
【発明の効果】
本発明に従ったデータ予測装置、データ予測プログラムおよびデータ予測方法は、予測対象データへ地理的な特徴を示す属性データを自動的に付加することによって、論理規則に基づいて予測対象データの観測結果データを予測することを可能になる。
【０１０１】
本発明に従ったデータ予測装置、データ予測プログラムおよびデータ予測方法は、予測対象データに含まれる位置データに基づいて地理情報データから分析に必要な属性データを自動抽出し、この属性データおよび観測データに基づいてデータ分析を自動的に行うことを可能とする。
【図面の簡単な説明】
【図１】本発明による実施の形態に従ったデータ予測装置１００のブロック図。
【図２】第１の地域の地理情報データの具体例の概念図。
【図３】分析対象データの具体例の概念図。
【図４】図３に示す位置データを図２に示す地図データへプロットしたときの概念図。
【図５】属性データを付加した分析対象データの具体例の概念図。
【図６】第２の地域の地理情報データの具体例の概念図。
【図７】予測対象データの具体例の概念図。
【図８】図７に示す位置データを図６に示す地図データへプロットしたときの概念図。
【図９】属性データを付加した予測対象データの具体例の概念図および予測結果データを有する予測対象データの具体例を示す概念図。
【図１０】規則発生部１０１および予測発生部１０２の同じ構成要素を共通に用いた実施の形態のブロック図。
【図１１】本発明に係るデータ予測方法の第１の実施の形態を示すフロー図。
【図１２】本発明に係る第２の実施の形態を示すフロー図。
【図１３】市町村名という固有名称とこれらの市町村が有する特徴とを表形式で表した概念図。
【図１４】第２の実施の形態による予測対象データの概念図および分析後の予測対象データの概念図。
【図１５】本発明に係る第３の実施の形態を示すフロー図。
【図１６】本発明に係る第４の実施の形態を示すフロー図。
【図１７】本実施の形態において用いられる道路の建設計画の地図データを示す概念図。
【図１８】仮想的な位置データが示す地点２１から地点２５を図１７の地図データ上にプロットした図。
【図１９】第４の実施の形態による予測対象データの概念図および予測結果データの概念図。
【図２０】分析対象データの概念図および予測対象データの概念図。
【符号の説明】
１００、３００ データ予測装置
１０１ 規則発生部
１０２ 予測発生部
１１０、１２０、１６０、１７０ データベース
１３０、１８０ データ処理部
１４０、１９０ メモリ
１５０、２００ データ分析部
Claims (14)
- 第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いたデータ予測方法であって、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、
前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、
該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、
前記予測点における前記事象の観測結果データを有さず、該予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、
前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを具備するデータ予測方法。 - 前記計算機は、前記規則を生成し該規則を前記第１の記憶部へ送信する規則発生部をさらに備え、
前記抽出ステップの前に、前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成するステップと、
該規則を前記第１の記憶部へ送信するステップとをさらに具備することを特徴とする請求項２に記載のデータ予測方法。 - 前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであることを特徴とする請求項１に記載のデータ予測方法。
- 前記第２の属性データが示す特徴は前記規則の条件節が示す特徴であることを特徴とする請求項１に記載のデータ予測方法。
- 前記予測ステップ前に、前記規則に含まれた前記第１の地域に関する固有名称、若しくは、前記予測対象データに含まれた前記第２の地域に関する固有名称を、該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換する置換ステップをさらに具備することを特徴とする請求項１に記載のデータ予測方法。
- 前記位置データは仮想的に生成されたデータであることを特徴とする請求項１に記載のデータ予測方法。
- 第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、
前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部と、
該第２の地域における前記事象の予測点の地理的な特徴を表す第２の属性データを前記第１の属性データに基づいて抽出し、前記地理情報データに基づいて前記予測点において該第２の属性データに該当する度合を示す度合表示データを生成し、該度合表示データと前記第２の属性データとを表形式に変換し、さらに、前記予測点の位置を示す位置データを有しかつ該予測点における前記事象の観測結果データを有しない表形式の予測対象データへ前記第２の属性データおよび前記度合表示データを付加するデータ処理部と、
前記第２の属性データおよび前記度合表示データを含む前記予測対象データを前記規則に基づいてデータ分析することによって前記予測点において前記事象が生じる傾向を予測するデータ分析部とを備えたデータ予測装置。 - 前記観測結果データおよび前記第１の属性データを含む分析対象データをデータ分析することによって前記規則を生成し、該規則を前記第１の記憶部へ送信する規則発生部をさらに備えたことを特徴とする請求項７に記載のデータ予測装置。
- 前記予測対象データを予め記憶した第３の記憶部をさらに備えたことを特徴とする請求項７に記載のデータ予測装置。
- 前記第２の属性データが示す特徴は前記第１の属性データが示す特徴と同じであることを特徴とする請求項７に記載のデータ予測装置。
- 前記第２の属性データが示す特徴は前記論理規則の条件節が示す特徴であることを特徴とする請求項７に記載のデータ予測装置。
- データ処理部は、前記第１の地域に関する固有名称が前記規則に含まれている場合、若しくは、前記第２の地域に関する固有名称が前記予測対象データに含まれている場合に、該固有名称を該固有名称が有する特徴に置換、若しくは、該固有名称が有する特徴の組合せに置換することを特徴とする請求項７に記載のデータ予測装置。
- 前記位置データは仮想的に生成されたデータであることを特徴とする請求項７に記載のデータ予測装置。
- 第１の地域において事象を観測した観測結果データと前記事象の観測点における地理的な特徴を示す第１の属性データとの関係を示す規則を記憶する第１の記憶部と、前記第１の地域とは異なる第２の地域に関する地理情報データを記憶する第２の記憶部とを備えた計算機を用いて、
前記第２の地域における前記事象の予測点の地理的な特徴を示す第２の属性データを、前記第１の属性データに基づいて抽出する抽出ステップと、
前記予測点において該第２の属性データに該当する度合を前記地理情報データに基づいて判定し、該度合を示す度合表示データを生成する生成ステップと、
該度合表示データおよび前記第２の属性データを表形式に変換する変換ステップと、
該予測点における前記事象の観測結果データを有さず、前記予測点の位置を示す位置データを有する表形式の予測対象データへ前記度合表示データおよび前記第２の属性データを付加する付加ステップと、
前記度合表示データおよび前記第２の属性データを含む前記予測対象データを前記規則に基づいてデータ分析し、前記予測点において前記事象が生じる傾向を予測する予測ステップとを実行するデータ予測プログラム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002287036A JP2004126757A (ja) | 2002-09-30 | 2002-09-30 | データ予測装置、データ予測方法およびデータ予測プログラム |
| US10/653,292 US20040064450A1 (en) | 2002-09-30 | 2003-09-03 | Method for preparing data to be analyzed, data analysis method, data analysis device, data preparation program, data analysis program, data prediction device, data prediction method, data prediction program and computer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002287036A JP2004126757A (ja) | 2002-09-30 | 2002-09-30 | データ予測装置、データ予測方法およびデータ予測プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004126757A true JP2004126757A (ja) | 2004-04-22 |
Family
ID=32279954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002287036A Pending JP2004126757A (ja) | 2002-09-30 | 2002-09-30 | データ予測装置、データ予測方法およびデータ予測プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004126757A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249412A (ja) * | 2006-03-14 | 2007-09-27 | Toshiba Corp | 空間データ分析装置、方法およびプログラム |
| JP2011221693A (ja) * | 2010-04-07 | 2011-11-04 | Nippon Telegr & Teleph Corp <Ntt> | 地理属性変化検出方法、地理属性変化検出装置及び地理属性変化検出プログラム |
| CN103646533A (zh) * | 2013-11-22 | 2014-03-19 | 江苏大学 | 基于稀疏多输出回归的交通事故建模与控制方法 |
| JP2016194845A (ja) * | 2015-04-01 | 2016-11-17 | 株式会社東芝 | 事故発生予報装置および事故発生予報方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1184017A (ja) * | 1997-09-03 | 1999-03-26 | Hitachi Ltd | 地震被害推定装置及びその実施プログラムを記録した媒体 |
| JPH11120478A (ja) * | 1997-10-17 | 1999-04-30 | Hitachi Ltd | 交通事故管理支援システム |
| JP2001318938A (ja) * | 2000-05-09 | 2001-11-16 | Internatl Business Mach Corp <Ibm> | 空間データマイニング方法、空間データマイニング装置、および記憶媒体 |
-
2002
- 2002-09-30 JP JP2002287036A patent/JP2004126757A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1184017A (ja) * | 1997-09-03 | 1999-03-26 | Hitachi Ltd | 地震被害推定装置及びその実施プログラムを記録した媒体 |
| JPH11120478A (ja) * | 1997-10-17 | 1999-04-30 | Hitachi Ltd | 交通事故管理支援システム |
| JP2001318938A (ja) * | 2000-05-09 | 2001-11-16 | Internatl Business Mach Corp <Ibm> | 空間データマイニング方法、空間データマイニング装置、および記憶媒体 |
Non-Patent Citations (1)
| Title |
|---|
| 前田 章著: ""製造業におけるデータマイニングの応用"", 第２９回人工知能セミナー講演テキスト, CSNG200202229001, 4 July 1995 (1995-07-04), pages 45 - 52, ISSN: 0000786127 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249412A (ja) * | 2006-03-14 | 2007-09-27 | Toshiba Corp | 空間データ分析装置、方法およびプログラム |
| JP2011221693A (ja) * | 2010-04-07 | 2011-11-04 | Nippon Telegr & Teleph Corp <Ntt> | 地理属性変化検出方法、地理属性変化検出装置及び地理属性変化検出プログラム |
| CN103646533A (zh) * | 2013-11-22 | 2014-03-19 | 江苏大学 | 基于稀疏多输出回归的交通事故建模与控制方法 |
| CN103646533B (zh) * | 2013-11-22 | 2016-05-25 | 江苏大学 | 基于稀疏多输出回归的交通事故建模与控制方法 |
| JP2016194845A (ja) * | 2015-04-01 | 2016-11-17 | 株式会社東芝 | 事故発生予報装置および事故発生予報方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Boeing | OSMnx: New methods for acquiring, constructing, analyzing, and visualizing complex street networks | |
| Düntgen et al. | BerlinMOD: a benchmark for moving object databases | |
| Liu et al. | Think like a graph: Real-time traffic estimation at city-scale | |
| US20200334246A1 (en) | Information processing device, combination condition generation method, and combination condition generation program | |
| US20040064450A1 (en) | Method for preparing data to be analyzed, data analysis method, data analysis device, data preparation program, data analysis program, data prediction device, data prediction method, data prediction program and computer | |
| CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
| JP2002032773A (ja) | 地図データの処理装置及び方法 | |
| Mobasheri et al. | Highlighting recent trends in open source geospatial science and software | |
| CN116737817B (zh) | 多源异构数据融合方法、设备及计算机可读存储介质 | |
| CN103712628A (zh) | 导航路径描绘方法和终端 | |
| Basaraner et al. | A structure recognition technique in contextual generalisation of buildings and built-up areas | |
| KR20210075680A (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
| JP2004126757A (ja) | データ予測装置、データ予測方法およびデータ予測プログラム | |
| CN108764518B (zh) | 一种基于物联网大数据的交通资源动态优化方法 | |
| JP7239053B2 (ja) | 生成装置、生成方法及び生成プログラム | |
| Wiseman et al. | Testing block subdivision algorithms on block designs | |
| Karsznia et al. | May ai help you? Automatic settlement selection for small-scale maps using selected machine learning models | |
| Zang et al. | Towards predicting vehicular data consumption | |
| JP5020311B2 (ja) | 地域名称抽出装置及び方法 | |
| Aburizaiza et al. | Geospatial footprint library of geoparsed text from geocrowdsourcing | |
| Abdullah et al. | Constructing and Modeling 3D GIS Model in City Engine for Traditional Malay City | |
| Ab Ghani et al. | Generating transition rules of cellular automata for urban growth prediction | |
| CN118484580B (zh) | 基于bim的桥梁状态信息分析方法及系统 | |
| JP2004126780A (ja) | 分析用データ作成方法、データ分析方法、データ分析装置、データ作成プログラムおよびデータ分析プログラム | |
| Pavlis et al. | Retail areas and their catchments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060616 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060802 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060822 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061005 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061027 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061124 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20061215 |