JP2005071346A - 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置 - Google Patents

混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置 Download PDF

Info

Publication number
JP2005071346A
JP2005071346A JP2004232692A JP2004232692A JP2005071346A JP 2005071346 A JP2005071346 A JP 2005071346A JP 2004232692 A JP2004232692 A JP 2004232692A JP 2004232692 A JP2004232692 A JP 2004232692A JP 2005071346 A JP2005071346 A JP 2005071346A
Authority
JP
Japan
Prior art keywords
congestion
information
prediction
movement
moving
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.)
Granted
Application number
JP2004232692A
Other languages
English (en)
Other versions
JP4706031B2 (ja
Inventor
Koichi Kurumaya
浩一 車谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Institute of Advanced Industrial Science and Technology AIST
Original Assignee
National Institute of Advanced Industrial Science and Technology AIST
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Institute of Advanced Industrial Science and Technology AIST filed Critical National Institute of Advanced Industrial Science and Technology AIST
Priority to JP2004232692A priority Critical patent/JP4706031B2/ja
Publication of JP2005071346A publication Critical patent/JP2005071346A/ja
Application granted granted Critical
Publication of JP4706031B2 publication Critical patent/JP4706031B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)

Abstract

【課題】 刻々と変化する混雑状況の一歩先を常に正確に予測することができ、その混雑予測情報に基づく的確なナビゲーションを実現することのできる、新しい混雑状況予測プログラムやそれを用いたナビゲーションプログラムを提供する。
【解決手段】 混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段として機能させる。
【選択図】 図１

Description

この出願の発明は、車や人の経路誘導を行う各種ナビゲーションに有用な、一歩先の混雑情報を予測して的確なナビゲーションを実現することのできる、新しい混雑状況予測プログラム、当該プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびに新しいナビゲーションプログラム、当該プログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置に関するものである。
昨今の車載用のナビゲーション装置は、道路交通情報通信システム（ＶＩＣＳ：Vehicle Information and Communication System）を利用して混雑などに関する交通情報をリアルタイムで入手し、それを基に経路誘導を行う機能をしばしば有している（たとえば特許文献１参照）。
特開平６−１４７９０７
しかしながら、現状のナビゲーション装置では、単に各実時間での混雑情報を得ているだけであるため、つまりリアルタイム情報だけで経路誘導しているため、それに基づいて移動している最中に当初とは異なる状況が生じると、当初選択した経路ではかえって好ましくない事態となることが生じ得る。たとえば、現時刻での混雑情報に基づき、混雑している道を避け、混雑していない道を選択して経路誘導していたが、移動中にその道が混雑し始めてしまい、結局は元の道の方が早かった、あるいは別の道の方が早かったという事態である。すなわち、リアルタイムでの交通情報支援を受けていても、道路状況の変化に的確に対応したナビゲーションは実現されていないのである。
そこで、以上のとおりの事情に鑑み、この出願の発明は、刻々と変化する混雑状況の一歩先を常に正確に予測することができ、その混雑予測情報に基づく的確なナビゲーションを実現することのできる、新しい混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびに新しいナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置を提供することを課題としている。
この出願の発明は、上記の課題を解決するものとして、第１には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第２には、混雑状況を予測するためにコンピュータを、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐す
る確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第３には、混雑状況を予測するためにコンピュータを、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した移動計画情報および混雑現在情報に基づいて各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第４には、混雑状況を予測するためにコンピュータを、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第５には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第６には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報および前記混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記混雑予測情報と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第７には、混雑状況を予測するためにコンピュータを、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力
した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した移動計画情報および混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第８には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報および前記混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記混雑予測情報と前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段、として機能させることを特徴とする混雑状況予測プログラムを提供する。
第９には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報および前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第１０には、混雑状況を予測するためにコンピュータを、任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動
体数入力手段、および入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、入力した移動計画情報および前記混雑現在情報と前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および 同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段として機能させることを特徴とする混雑状況予測プログラムを提供する。
第１１には、混雑状況を予測するために前記コンピュータを、前記最終混雑予測情報算出手段または前記合成混雑予測情報算出手段による合成処理に用いられる合成パラメータを学習更新する合成パラメータ学習手段としてさらに機能させることを特徴とする混雑状況予測プログラムを提供する。
第１２には、前記混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。
第１３には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段を有することを特徴とする混雑状況予測装置を提供する。
第１４には、混雑状況を予測する装置であって、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段を有することを特徴とする混雑状況予測装置を提供する。
第１５には、混雑状況を予測する装置であって、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第１６には、混雑状況を予測する装置であって、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予
測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第１７には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第１８には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段により記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記混雑予測情報と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第１９には、混雑状況を予測する装置であって、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該移動予定分岐点に当該移動予定路から流入した当該各移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第２０には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、前記混雑予測情報と前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第２１には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報および前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第２２には、混雑状況を予測する装置であって、任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、任意分
岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、移動計画情報受信手段により受信した移動計画情報および前記混雑現在情報と前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段を有することを特徴とする混雑状況予測装置を提供する。
第２３には、前記最終混雑予測情報算出手段または前記合成混雑予測情報算出手段による合成処理に用いられる合成パラメータを学習更新する合成パラメータ学習手段をさらに有することを特徴とする混雑状況予測装置を提供する。
第２４には、前記混雑状況予測プログラムにより予測された混雑状況に基づいてナビゲーションを行う手段として、コンピュータを機能させることを特徴とするナビゲーションプログラムを提供する。
第２５には、前記混雑状況予測プログラムにより予測された混雑状況に基づいてナビゲーションを行う手段として、コンピュータを機能させることを特徴とするナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。
第２６には、前記混雑状況予測装置により予測された混雑状況に基づいてナビゲーションを行うことを特徴とするナビゲーション装置を提供する。
上記第１の混雑状況予測プログラムによれば、単に現時点での混雑情報を提供するだけではなく、現在のリアルタイム混雑状況と過去の蓄積混雑状況との類似度解析を実行することにより、現時刻からある程度時間が経過した時点での混雑状況、つまり将来生じ得る混雑状況を正確に予測することができ、その予測情報を利用者に適宜提供できるようになる。利用者からすると、一歩先の混雑状況を的確に把握できることとなり、移動プランや移動経路の変更等を予測状況を踏まえてより柔軟且つ適切に行えるのである。
上記第２〜第４の混雑状況予測プログラムによれば、リアルタイムでの移動体流入量つまりある移動路からある分岐点へ流入する移動体の数と、過去の蓄積データを基に得られる同移動路から他の移動路へ分岐する確率とに基づく予測解析を行うことにより、また、各移動体の移動計画情報と、その計画情報に含まれる各移動予定地点つまり移動経路上にある地点や移動目的地となっている地点等についてのリアルタイムの混雑情報とに基づく予測解析を行うことにより、さらにまた、各移動体の移動計画情報と各移動体の移動速度・移動距離とを併用した予測解析を行うことにより、上記第１の予測プログラムと同様に、現時点での混雑情報を提供するだけでなく、一歩先の混雑状況を正確に予測して、利用者に適宜提供できるようになる。
上記第５〜第８の混雑状況予測プログラムによれば、類似度、流入量、および移動計画に関するデータを様々に組み合わせて併用することで、つまりそれぞれに基づいて上記第１〜第４の予測プログラムと同様にして得られる予測データを種々合成することで、混雑状況の予測精度を向上させて、より一層精度の高い混雑状況をユーザへ提供できる。
上記第９の混雑状況予測プログラムによれば、上記第３の予測プログラムと同様に移動計画情報を用いた混雑状況予測処理を行うのであるが、現時刻での混雑情報（混雑現在情報）の代わりに、類似度および流入量を併用して得られた合成混雑予測情報、つまり別途予測した一歩先の混雑情報に基づいて、混雑状況予測処理を行うようにしており、これによって、移動計画情報を用いた混雑予測をより精度高く実現することができる。
上記第１０の混雑状況予測プログラムによれば、上記第９の予測プログラムと同様に、類似度および流入量を併用して別途予測した合成混雑予測情報に基づいて混雑状況予測処理をおこなっているが、現時刻での混雑情報をも併用しているので、さらに一層正確な移動計画情報を用いた混雑予測を実現できる。
上記第１１の混雑状況予測プログラムによれば、上記第４〜第１０の予測プログラムと同様な効果が得られ、さらには類似度、流入量、移動計画それぞれに基づいて得られた予測データを様々に組み合わせて合成する際に用いられる合成パラメータを随時学習更新することにより、より一層正確な混雑状況予測が実行可能となる。
上記第１２の混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体によれば、上記のとおりに優れた混雑状況予測が可能な上記第１〜第１１の予測プログラムを記録したフレキシブルディスクやＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどの記録媒体が実現される。
上記第１３〜第２３の混雑状況予測装置によれば、上記第１〜第１１の予測プログラムと同様に、現時刻から一歩先の時点で生じ得る混雑状況を、正確に予測して、利用者に適宜提供することのできる予測装置が実現される。
上記第２４のナビゲーションプログラムによれば、上記第１〜第１１の混雑状況予測プログラムと同様な効果が得られるとともに、得られた混雑予測情報に基づいて車や人等の移動体に対する的確なナビゲーションを実現できるようになる。
上記第２５のナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体によれば、上記第１〜第１１の混雑状況予測プログラムと同様に優れた混雑状況予測が可能で、且つその得られた混雑予測情報に基づいて車や人等の移動体に対する的確なナビゲーションが可能なナビゲーションプログラムを記録したフレキシブルディスクやＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどの記録媒体が実現される。
上記第２６のナビゲーション装置によれば、上記第１３〜第２３のナビゲーション装置と同様な効果が得られるとともに、得られた混雑予測情報に基づいて車や人等の移動体に対する的確なナビゲーションを実現できるようになる。
以下、図１〜図１１を適宜参酌しながら、この出願の発明の一実施形態について詳細に説明する。
＜類似度を用いた混雑状況予測処理＞
まず、類似度を用いた混雑状況予測処理について説明すると、図１の実施形態では、任意地点に関する現時刻での混雑現在情報を外部から受信する混雑情報受信回路（１００）（前記混雑現在情報入力手段および混雑現在情報受信手段に該当）が具備されており、この混雑情報受信回路（１００）により、道路交通情報センターからのＶＩＣＳ情報を代表とする混雑情報をリアルタイムで受信し、内部メモリ等に入力する。
一方、任意地点に関する過去の混雑情報を記憶した混雑状況データベース（２００）（前記混雑過去情報記憶手段に該当）が予め構築されて具備されており、この混雑状況データベース（２００）により、過去に受信したＶＩＣＳ情報等の混雑情報を地点別に予め蓄積しておく。
そして、上記混雑情報受信回路（１００）により受信した現在の混雑情報と、上記混雑状況データベース（２００）により蓄積されている過去の混雑情報とを照合することにより、対象地点での所定時間先の混雑状況を予測する。
より具体的には、図１の実施形態では、任意地点の現時刻での混雑現在情報と当該任意地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出部（２０１）（前記類似度算出手段に該当）、および、算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該任意地点に関する混雑予測情報とみなす最類似状況検索部（２０２）（前記混雑予測手段に該当）が具備されており、たとえば図２に例示したように、類似度算出部（２０１）により、予測対象の地点Ａにおける現時刻ｔ＝ｉでの現在のデータと、混雑状況データベース（２００）に蓄積されている地点Ａにおける時系列データセットａ，ｂ，ｃ・・・それぞれの現時刻ｔ＝ｉと同時刻での過去データとの類似度を計算し、最類似状況検索部（２０２）により、類似度が最も高いセットを検索し、そのセット中の時刻ｔ＝ｉの過去データに続くｎ単位時間先の過去データ（ｔ＝ｉ＋１，ｔ＝ｉ＋２，・・・，ｔ＝ｉ＋ｎ）を選択し、これを地点Ａにおいて時刻ｔ＝ｉ＋ｎまでに生じ得る混雑予測情報とみなして、ユーザへディスプレイ（６００）に表示したり予測情報送信回路（６０１）からデータ送信したりすることによって提供する。
ここで、混雑情報としては、属性情報と単位時間における混雑情報とからなるデータを考慮でき、属性情報は日付、曜日、時間、特定状況（連続休暇や要人滞在等）などに関するデータ、混雑情報は対象地点（移動路や分岐点等）毎の混雑状況に関するデータとすることができる。この場合、類似度はこれら各要素項目について計算して比較する。たとえば、項目ｘを表現する数値の関連度、つまり地点Ａにおける項目ｘについての現在の数値データｐxと過去の数値データｎxとの関連度ｒx＝｜ｐx−ｎx｜／ｐxを計算し、各項目の関連度ｒ1，ｒ2，・・・，ｒx，…の総和Ｒを計算する。この計算を各データセットａ，
ｂ，ｃ・・・毎に行い、最小のＲ値を得たものが類似度が一番大きいと判定して、上述のとおりにそのデータセット中のｔ＝ｉ＋ｎまでの過去データを混雑予測情報としてユーザに提供する。
以上の処理によれば、リアルタイムで入手される現在の状況と予め蓄積しておいた過去の状況とを併用した解析によって、現時刻からどのように混雑状況が変化するかを正確に予測してユーザに提供することができ、その予測情報に基づいたより的確なナビゲーションを実現することができるようになる。
なお、混雑状況予測処理の精度をさらに向上させるべく、混雑状況データベース（２００）は、混雑情報受信回路（１００）により受信された現在の混雑情報を逐次格納してアップデート可能なものとすることが好ましい。
＜流入量を用いた混雑状況予測処理＞
次に、流入量を用いた混雑状況予測処理について説明すると、図３の実施形態では、任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する流量情報受信回路（３００）（前記移動体数入力手段および移動体数受信手段に該当）が具備されており、この流量情報受信回路（３００）により、外部計測装置や計測集計センター等の外部から
、各分岐点毎に且つ各分岐点に繋がる各移動路毎に移動体数データをリアルタイムで受信し、内部メモリ等に入力する。
一方、任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を蓄積した分岐情報データベース（３０１）（前記分岐確率記憶手段に該当）が予め構築されて具備されており、この分岐情報データベース（３０１）により、各分岐点別に且つ各移動路別に、過去に算出した分岐確率データを予め蓄積しておく。
そして、上記流量情報受信回路（３００）により受信した現在の移動体数と、上記分岐情報データベース（３０１）に蓄積されている過去の分岐確率とを掛け合わせることにより、流入予測量を算出する。
より具体的には、図３の実施形態では、任意分岐点に任意移動路から流入してくる現時刻での移動体数と、当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する分岐流量算出部（３０２）（前記流入予測量算出手段に該当）が具備されており、たとえば図４に例示したように、分岐流量算出部（３０２）により、予測対象の分岐点Ｘに移動路１から流入してくる現時刻ｔ＝ｉでの移動体数データＱ１inと、分岐点Ｘに移動路１から流入した移動体が他の移動路２，３，４・・・（図４では４差路の場合を例示している）へ分岐する確率Ｐ12，Ｐ13，Ｐ14・・・、言い換えると移動体が分岐点Ｘにて移動路１から移動路２に流入する確率Ｐ12、移動路３に流入する確率Ｐ13、移動路４に流入する確率Ｐ14それぞれとを掛け合わせることで、各移動路２，３，４・・・への流入予測量Ｑ１in・Ｐ12，Ｑ１in・Ｐ13，Ｑ１in・Ｐ14…を算出し、これをユーザへディスプレイ（６００）に表示したり予測情報送信回路（６０１）からデータ送信したりすることによって提供する。
ここで、分岐確率については、たとえば、分岐点を通過した移動体のうち何台または何人がどの移動路へ分岐したかという分岐数を実際に計測し、この分岐数の平均値として計算することができ、これら分岐数および分岐確率を分岐点別且つ移動路別に分岐情報データベース（３０１）に予め格納しておく。そして、上述のとおりに対応する分岐点でのリアルタイム移動体数と蓄積分岐確率との掛け合わせにより、各移動路への流量予測値を算出する。
以上の処理によれば、たとえば、ある目的地への経路として、分岐点Ｘにて移動路１から移動路２へ向かう経路と、移動路１から移動路３へ向かう経路が選択可能であり、このとき上記のとおりに算出された流量予測値を参酌することで移動路３へ流れる量の方が少ないと予測判定できる場合には、推薦経路として移動路３への分岐を選択してナビゲートできるようになる。したがって、リアルタイムで入手される現在の状況である移動体流入量と予め蓄積しておいた過去の状況である分岐確率とを併用した解析によって、現時刻からどのように分岐点での流量が変化するかを正確に予測し、それに基づく的確なナビゲーションを実現できるのである。
＜移動計画情報を用いた混雑状況予測処理＞
続いて、各移動体の移動計画情報を用いた混雑状況予測処理について説明すると、図５の実施形態では、まず、移動体の現時刻での移動計画情報を受信する移動計画情報受信回路（４００）（前記移動計画情報入力手段および移動計画情報受信手段に該当）が具備されており、この移動計画情報受信回路（４００）により、各移動体から無線送信等によりアップロードされた移動計画情報データを受信し、内部メモリ等に入力する。
一方、この移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を受信する混雑情報受信回路（１００）（前記混雑現在情報入力手段および前記混雑現在情報
受信手段に該当）も具備されており、この混雑情報受信回路（１００）により、移動計画情報に応じて現時刻での混雑現在情報データを受信し、内部メモリ等に入力する。混雑現在情報については、移動予定地点に関するＶＩＣＳ情報などを考慮できる。
そして、移動体毎の移動計画情報および混雑現在情報に基づいて混雑状況を予測する。
より具体的には、図５の実施形態では、移動所要時間算出部（４０１）（前記移動所要時間算出手段に該当）および移動予測情報算出部（４０２）（前記移動予測情報算出手段に該当）が具備されており、まず、移動所要時間算出部（４０１）により、上記受信入力した各移動体の移動計画情報および混雑現在情報に基づいて、移動体毎に移動予定地点までの移動所要時間を算出する。この算出処理は、たとえば、ＶＩＣＳ情報を組み入れて目的地等の移動地点までの所要時間を算出可能な既存の算出手法を用いることで実行できる。
この算出した移動所要時間は、移動予定地点および移動体に関する情報などとともに、一旦内部メモリやデータベース等の記憶手段（図示なし）に記憶する。移動体に関する情報としては、移動計画情報とともに受信入力される各移動体の識別情報を考慮できる。
そして、移動予測情報算出部（４０２）により、記憶したデータの中から、同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する。すなわち、ある同じ将来の時刻（同じ移動所要時間ｋを現時刻ｔ＝ｉに足した将来の時刻ｔ＝ｉ＋ｋ）にてある同じ移動予定地点Ａに存在すると予測される移動体総数を算出し、これを移動予測情報としてユーザへ提供するのである。
たとえば、午後１時ごろに首都高お台場出口を出る移動計画となっている車が１００台あるということを集計解析することで、午後１２時現在の首都高お台場出口の車台数１０台が午後１時頃には１００台に膨れ上がるという将来状況を予測でき、この予測に基づいて、首都高ではなく下の一般道を通るようにナビゲートできることになる。
以上の処理によれば、各地点にいつ、どのくらいの数の移動体が流れてくる予定となっているのかをリアルタイムで集計解析して、各地点の混雑状況がどのように変化するのかを正確に予測することができ、それに基づくより的確なナビゲーションを実現できるようになる。
＜上記３つの処理を併用した混雑状況予測処理＞
さて、この出願の発明では、上述した「類似度を用いた混雑状況予測処理」と「流入量を用いた混雑状況予測処理」と「移動計画を用いた混雑状況予測処理」とを様々に組み合わせて併用した混雑状況予測をも実行することができる。
図６の実施形態はこれら３種の併用処理を想定したものとなっており、各処理は上述したとおりであるが（混雑情報受信回路（１００）は３種の処理に併用している）、ユーザへの予測情報の提供前に、各々の混雑予測結果を合成するようにしている。
より具体的には、図６の実施形態では、予測情報合成部（５００）（前記最終混雑予測情報算出手段に該当）が具備されており、「類似度を用いた混雑状況予測処理」による混雑予測情報ｘ1と、「流入量を用いた混雑状況予測処理」による流入予測量ｘ2と、「移動計画を用いた混雑状況予測処理」による移動予測情報ｘ3とを、たとえば加重平均ａ1ｘ1
＋ａ2ｘ2＋ａ3ｘ3により合成することで、最終混雑予測情報を算出し、これをユーザへディスプレイ（６００）に表示したり予測情報送信回路（６０１）からデータ送信したりすることによって提供する。
ここで、合成パラメータａ1，ａ2，ａ3は、より適切な予測情報を提供できるように、
学習によって更新することが好ましい。図６の実施形態では、このための合成方式学習部（５０１）（前記合成パラメータ学習手段に該当）が具備されている。より具体的には、合成方式学習部（５０１）により、予測した結果と実際の混雑状況とを比較し、実際の混雑状況により近い合成結果が得られるように、合成パラメータａ1，ａ2，ａ3の値を更新
する。この更新には、たとえば線形計画法、ニューラルネット、遺伝的アルゴリズムなどの既知の学習手法を用いることができる。
具体例で説明すると、たとえば、初期合成パラメータａ1，ａ2，ａ3によりある交差点
が午後１時に非常に混雑するという合成予測が得られたが、実際に午後１時になったときのその交差点の混雑レベルは予測よりも少なかったという場合には、線形計画法、ニューラルネット、遺伝的アルゴリズム等の学習手法を用いて、それら混雑データ値の差分を無くすあるいは極力少なくするように、初期合成パラメータａ1，ａ2，ａ3を調整して更新
合成パラメータａ'1，ａ'2，ａ'3とし、次の合成予測処理ではこの更新合成パラメータａ'1，ａ'2，ａ'3を用いる。この学習更新によって、さらに一層適切な予測情報を提供できるようになる。
以上の併用処理によれば、より正確な混雑予測、およびそれに基づくより的確なナビゲーションを実現することができるのである。
なお、本実施形態は上記３種類の予測情報全てを合成する併用処理のものとなっているが、類似度および流入量、類似度および移動計画、流入量および移動計画といった２種類を組み合わせた併用処理も可能であり、いずれの場合にも同様に優れた混雑予測およびナビゲーションを実現できることは言うまでもない。たとえば、類似度および流入量の併用処理では加重平均合成はａ1ｘ1＋ａ2ｘ2となり、類似度および移動計画の併用処理ではａ1ｘ1＋ａ3ｘ3となり、流入量及び移動計画の併用処理ではａ2ｘ2＋ａ3ｘ3となる。
＜移動計画情報を用いた混雑状況予測処理２＞
ところで、移動計画情報を用いた予測処理については、前述した図５の実施形態では、移動計画情報受信回路（４００）により受信入力される移動計画情報の他に、混雑情報受信回路（１００）により受信入力される混雑現在情報をも用いて混雑状況を予測しているが、たとえば図７に示したように、混雑現在情報の代わりに、移動体の移動速度および移動距離、より好ましくは平均移動速度および平均移動距離を用いることができる。
より具体的には、図７の実施形態では、移動体の移動速度および移動距離を受信入力する移動体情報受信回路（７００）が具備されており、この移動体情報受信回路（７００）により、各移動体からの無線送信等によって移動速度・移動距離データを受信し、内部メモリ等に入力する。平均移動速度・平均移動距離の場合も同様である。
後は、前述した図５の実施形態と同様に、まず、移動所要時間算出部（４０１）により、受信入力した各移動体の移動計画情報および移動速度・移動距離情報に基づいて、移動体毎に移動予定地点までの移動所要時間を移動速度・移動距離から算出し、移動予測情報算出部（４０２）により、同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する。
以上の処理によれば、各地点にいつ、どのくらいの数の移動体が流れてくるのかを、各移動体の実際の移動速度及び移動距離からリアルタイムで集計解析でき、よって各地点の混雑状況の変化を正確に予測できるようになる。
そしてもちろん、本実施形態の予測処理も、図８に例示したように、前述した類似度や流入量を用いた他の予測処理と併用することが可能である。各予測結果の合成処理は図６の実施形態と同様に実行される。
＜移動計画情報を用いた混雑状況予測処理３＞
またさらに、移動計画情報を用いた予測処理については、たとえば図９に示したように、前述の類似度を用いた予測処理と流入量を用いた予測処理との合成予測結果に基づいた処理とすることも可能である。すなわち、図５の実施形態では、混雑情報受信回路（１００）により受信入力される混雑現在情報、つまり現時刻での混雑情報に基づいた予測を行っているが、図９の実施形態では、予測情報合成部（５００）（前記合成混雑予測情報算出手段に相当）により得られる合成混雑予測情報、つまり未来での混雑情報に基づいた予測を行うものとなっている。
より具体的には、混雑情報受信回路（１００）、混雑状況データベース（２００）、類似度算出部（２０１）および最類似状況検索部（２０２）による混雑予測情報ｘ1の算出
、ならびに、流量情報受信回路（３００）、分岐情報データベース（３０１）および分岐流量算出部（３０２）による流入予測量ｘ2の算出、さらにはそれら算出結果の予測情報
合成部（５００）による合成は、図１、図３、図６の実施形態における処理と同じであるが、移動所要時間算出部（４０１）による移動予測地点までの移動所要時間の算出において、予測情報合成部（５００）による合成結果を用いている。
この算出は、たとえば、加重平均による合成予測情報ａ1ｘ1＋ａ2ｘ2を加味した所要時間計算により実行できる。
まず、現在の時刻をｔ0とし、現在の移動中経路（道路）ｒ0の通過に必要な時間を合成予測情報ａ1ｘ1＋ａ2ｘ2を用いて算出し、これをｔ0に加えたものをｔ1とする。この算出には、受信入力した移動体の実際の移動速度や移動距離、より好ましくは平均移動速度や平均移動距離を用いても良い。
ｔ1は未来の１時点であるので、次にｔ1における移動予定の経路（道路）を移動計画情報から抽出し、これをｒ1とし、ｒ1の通過に必要な時間を合成予測情報ａ1ｘ1＋ａ2ｘ2を用いて算出する。得られた所要時間をｔ1に加えてｔ2とする。この算出にも移動速度や移動距離を用いることができる。
以上の計算を繰り返すことで、各移動予測地点までの移動所要時間が算出される。
後は、前述と同様に、移動予測情報算出部（４０２）により、同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出し、ディスプレイ（６００）や予測情報送信回路（６０１）を介してユーザへ提供する。
これによれば、類似度および流入量を用いて予め予測合成してある未来の混雑情報に基づいて、各地点での移動体流量を予測するため、現時刻での混雑情報を用いる場合よりも、より正確な混雑状況予測を実現できるようになる。
そしてもちろん、混雑情報受信回路（１００）による現時刻での混雑情報と予測情報合成部（５００）による未来の混雑情報を併用して、移動予測情報算出部（４０２）により所要時間を算出するようにしてもよいことは言うまでもなく、さらなる予測精度の向上を図ることができる。
この併用の場合の算出は、たとえば、次のように行う。
まず、現在の移動中経路（道路）ｒ0の通過に必要な時間を、ｒ0に関するＶＩＣＳ情報等の混雑現在情報を用いて、好ましくは移動速度や移動距離をも用いて算出し、これを現在時刻ｔ0に加えて通過予定時刻ｔ1とする。
続いて、ｔ1における移動予定の経路（道路）ｒ1の通過に必要な時間を、混雑未来情報としての合成予測情報ａ1ｘ1＋ａ2ｘ2を用いて、好ましくは移動速度や移動距離をも用いて算出し、これをｔ1に加えてｔ2とする。
後は、同様な計算を繰り返せばよい。
＜中央管理ナビゲーション形態＞
以上のとおりのこの出願の発明は、たとえば図１０および図１１に例示したように、中央情報サーバと移動体との無線通信によって中央管理ナビゲーションを行うシステム形態とすることも可能である。
この中央管理システムを例示した図１１では、中央情報サーバＳに、上記混雑情報受信回路（１００）、流量情報受信回路（３００）、移動計画情報受信回路（４００）および予測情報送信回路（６０１）、ならびに説明の便宜上図示していないが上記混雑状況データベース（２００）、類似度算出部（２０１）、最類似状況検索部（２０２）、分岐情報データベース（３０１）、分岐流量算出部（３０２）、移動所要時間算出部（４０１）、移動予測情報算出部（４０２）、予測情報合成部（５００）、合成方式学習部（５０１）および移動体情報受信回路（７００）を具備させ、移動体Ｃ1，Ｃ2，Ｃ3，・・・（移動
体が搭載もしくは携帯するナビゲーションデバイスなど）には、移動計画情報送信回路（８０１）および混雑予測情報受信回路（８０２）、ならびに移動計画作成部（８００）、移動計画修正部（８０３）およびディスプレイ（８０４）を具備させる。
中央情報サーバＳでは、混雑情報、流量情報、移動計画情報の全てを一元管理して、各移動体Ｃ1，Ｃ2，Ｃ3，・・・それぞれに適した混雑予測情報を算出し、それを各移動体
に提供するようになっており、各移動体Ｃ1，Ｃ2，Ｃ3，・・・では、移動計画作成部（
８００）により内部処理にて初期移動計画を作成し、それを移動計画情報送信回路（８０１）により中央情報サーバＳに送信し、中央情報サーバＳからの混雑予測情報データを混雑予測情報受信回路（８０２）により受信して、それを基に移動計画修正部（８０３）により初期移動計画を修正した推奨移動計画をディスプレイ（８０４）に表示させるとともに、それに従った表示案内や音声案内等によるナビゲーションを行う。
以上により、より高効率な中央管理ナビゲーションを実現することができるのである。もちろんこの図１１に示した中央管理システムの構成は一例に過ぎず、各機能の振り分けについては様々な態様が可能である。
＜個別ナビゲーション形態＞
またもちろん、この出願の発明は、個々の移動体への搭載型あるいは携帯型ナビゲーションデバイス形態とすることも可能である。この場合では、図１〜図９に示した処理機能や回路、データベースの全てを、移動計画作成・修正等の機能を含むナビゲーション機能とともに集約するように構築すればよい。但し、混雑情報および流量情報はリアルタイムで移動体外部から受信する必要があるので、たとえば交通情報通信センターとのＶＩＣＳ情報等の通信機能を具備させる。また、混雑状況データベース（２００）や分岐情報データベース（３０１）は外部に構築して、随時必要データを送受できる形態としてもよいことは言うまでもない。
もちろん、この出願の発明は以上の実施形態に限定されるものではなく、細部については様々な態様が可能である。
以上詳しく説明した通り、この出願の発明によって、刻々と変化する混雑状況の一歩先を常に正確に予測することのできる、新しい混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置が提供され、そしてさらに、その混雑予測情報に基づくより的確な自動ナビゲーションを実現することのできる、新しいナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置が提供される。
これによれば、車の効率的なナビゲーションはもちろんのこと、イベント会場やオフィス等の屋内、あるいは街角において、各パビリオンや各ランドマークなどの混雑状況を正確に予測し、的確な人ナビゲーションをも実現でき、人の流れの効率向上を図れるようになる。
また、工場・倉庫・船舶・航空機・宇宙船などにおける、物品の移動・運搬に係わる移動運搬装置の流れの効率向上を図れるようになる。
類似度を用いた混雑状況予測処理を実行するこの出願の発明の一実施形態について説明するための機能ブロック図である。 類似度を用いた混雑状況予測処理について説明するための図である。 流入量を用いた混雑状況予測処理を実行するこの出願の発明の一実施形態について説明するための機能ブロック図である。 流入量を用いた混雑状況予測処理について説明するための図である。 移動計画を用いた混雑状況予測処理を実行するこの出願の発明の一実施形態について説明するための機能ブロック図である。 類似度、流入量、移動計画を併用した混雑状況予測処理を実行するこの出願の発明の一実施形態について説明するための機能ブロック図である。 移動計画を用いた混雑状況予測処理を実行するこの出願の発明の別の一実施形態について説明するための機能ブロック図である。 類似度、流入量、移動計画を併用した混雑状況予測処理を実行するこの出願の発明の別の一実施形態について説明するための機能ブロック図である。 移動計画を用いた混雑状況予測処理を実行するこの出願の発明のさらに別の一実施形態について説明するための機能ブロック図である。 この出願の発明の一実施形態である中央管理ナビゲーションについて説明するための図である。 この出願の発明の一実施形態である中央管理ナビゲーションについて説明するための機能ブロック図である。
符号の説明
１００ 混雑情報受信回路
２００ 混雑状況データベース
２０１ 類似度算出部
２０２ 最類似状況検索部
３００ 流量情報受信回路
３０１ 分岐情報データベース
３０２ 分岐流量算出部
４００ 移動計画情報受信回路
４０１ 移動所要時間算出部
４０２ 移動予測情報算出部
５００ 予測情報合成部
５０１ 合成方式学習部
６００ ディスプレイ
６０１ 混雑予測情報送信回路
７００ 移動体情報受信回路
８００ 移動計画作成部
８０１ 移動計画情報送信回路
８０２ 混雑予測情報受信回路
８０３ 移動計画修正部
８０４ ディスプレイ

Claims (26)

  1. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段
    として機能させることを特徴とする混雑状況予測プログラム。
  2. 混雑状況を予測するためにコンピュータを、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  3. 混雑状況を予測するためにコンピュータを、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した移動計画情報および混雑現在情報に基づいて各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  4. 混雑状況を予測するためにコンピュータを、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  5. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  6. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報および前記混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記混雑予測情報と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  7. 混雑状況を予測するためにコンピュータを、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した移動計画情報および混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  8. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報および前記混雑現在情報に基づいて、または入力した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる
    移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記混雑予測情報と前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  9. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報および前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  10. 混雑状況を予測するためにコンピュータを、
    任意地点に関する現時刻での混雑現在情報を入力する混雑現在情報入力手段、
    入力した混雑現在情報と、予め蓄積されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出した類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を入力する移動体数入力手段、および
    入力した移動体数と、予め蓄積されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、
    各移動体の現時刻での移動計画情報を入力する移動計画情報入力手段、
    入力した移動計画情報および前記混雑現在情報と前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    として機能させることを特徴とする混雑状況予測プログラム。
  11. 混雑状況を予測するために前記コンピュータを、
    前記最終混雑予測情報算出手段または前記合成混雑予測情報算出手段による合成処理に
    用いられる合成パラメータを学習更新する合成パラメータ学習手段
    としてさらに機能させることを特徴とする請求項５ないし１０のいずれかに記載の混雑状況予測プログラム。
  12. 請求項１ないし１１のいずれかに記載の混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体。
  13. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段
    を有することを特徴とする混雑状況予測装置。
  14. 混雑状況を予測する装置であって、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段
    を有することを特徴とする混雑状況予測装置。
  15. 混雑状況を予測する装置であって、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  16. 混雑状況を予測する装置であって、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  17. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  18. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記混雑予測情報と前記移動混雑予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  19. 混雑状況を予測する装置であって、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該移動予定分岐点に当該移動予定路から流入した当該各移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報に含まれる移動予定地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の当該移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  20. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する第一混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および混雑現在情報受信手段により受信した混雑現在情報に基づいて、または受信した移動計画情報および各移動体の移動速度と移動距離に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段、ならびに、
    前記混雑予測情報と前記流入予想量と前記移動予測情報とを合成して、最終混雑予測情報を算出する最終混雑予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  21. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  22. 混雑状況を予測する装置であって、
    任意地点に関する現時刻での混雑現在情報を受信する混雑現在情報受信手段、
    任意地点に関する混雑過去情報を予め記憶しておく混雑過去情報記憶手段、
    混雑現在情報受信手段により受信した混雑現在情報と、混雑過去情報記憶手段に記憶されている当該地点に関する当該現時刻と同時刻での複数の混雑過去情報それぞれとの類似度を算出する類似度算出手段、および
    算出された類似度が最も大きい混雑過去情報に続く所定時間先の時刻の混雑過去情報を、混雑過去情報記憶手段から読み出し、当該地点に関する混雑予測情報とみなす混雑予測手段、ならびに、
    任意分岐点に任意移動路から流入してくる現時刻での移動体数を受信する移動体数受信手段、
    任意分岐点に任意移動路から流入した移動体が他の移動路へ分岐する確率を予め記憶しておく分岐確率記憶手段、および
    移動体数受信手段により受信した移動体数と、分岐確率記憶手段に記憶されている当該分岐点に当該移動路から流入した移動体が他の移動路へ分岐する確率とを掛け合わせて、当該他の移動路への流入予測量を算出する流入予測量算出手段、ならびに、
    前記混雑予測情報と前記流入予測量とを合成して、合成混雑予測情報を算出する合成混雑予測情報算出手段、ならびに、
    各移動体の現時刻での移動計画情報を受信する移動計画情報受信手段、
    移動計画情報受信手段により受信した移動計画情報および前記混雑現在情報と前記合成混雑予測情報に基づいて、各移動体の移動計画情報に含まれる移動予定地点までの移動所要時間を算出する移動所要時間算出手段、および
    同じ移動予定地点までの同じ移動所要時間を有する移動体の数を足し合わせて、当該移動予定地点に関する移動予測情報を算出する移動予測情報算出手段
    を有することを特徴とする混雑状況予測装置。
  23. 前記最終混雑予測情報算出手段または前記合成混雑予測情報算出手段による合成処理に用いられる合成パラメータを学習更新する合成パラメータ学習手段
    をさらに有することを特徴とする請求項１７ないし２２のいずれかに記載の混雑状況予測装置。
  24. 請求項１ないし１１のいずれかに記載の混雑状況予測プログラムにより予測された混雑状況に基づいてナビゲーションを行う手段として、コンピュータを機能させることを特徴とするナビゲーションプログラム。
  25. 請求項１ないし１１のいずれかに記載の混雑状況予測プログラムにより予測された混雑状況に基づいてナビゲーションを行う手段として、コンピュータを機能させることを特徴
    とするナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体。
  26. 請求項１３ないし２３のいずれかに記載の混雑状況予測装置により予測された混雑状況に基づいてナビゲーションを行うことを特徴とするナビゲーション装置。

JP2004232692A 2003-08-07 2004-08-09 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置 Active JP4706031B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2004232692A JP4706031B2 (ja) 2003-08-07 2004-08-09 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2003289288 2003-08-07
JP2003289288 2003-08-07
JP2004232692A JP4706031B2 (ja) 2003-08-07 2004-08-09 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2010184323A Division JP5376465B2 (ja) 2003-08-07 2010-08-19 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置

Publications (2)

Publication Number Publication Date
JP2005071346A true JP2005071346A (ja) 2005-03-17
JP4706031B2 JP4706031B2 (ja) 2011-06-22

Family

ID=34425280

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004232692A Active JP4706031B2 (ja) 2003-08-07 2004-08-09 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置

Country Status (1)

Country Link
JP (1) JP4706031B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311846A (zh) * 2022-06-24 2022-11-08 华东师范大学 一种结合货车任务状态的厂区道路拥堵预测方法及预测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270091A (ja) * 1996-04-01 1997-10-14 Matsushita Electric Ind Co Ltd 旅行時間予測装置及び旅行時間予測方法
JPH10124791A (ja) * 1996-10-23 1998-05-15 Sumitomo Electric Ind Ltd 旅行時間予測方法および装置
JP2000231690A (ja) * 1999-02-12 2000-08-22 Toyota Central Res & Dev Lab Inc 旅行時間予測装置
JP2000235692A (ja) * 1999-02-16 2000-08-29 Hitachi Ltd 旅行時間予測装置
JP2002277268A (ja) * 2001-03-16 2002-09-25 Fujitsu Ten Ltd 渋滞回避システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270091A (ja) * 1996-04-01 1997-10-14 Matsushita Electric Ind Co Ltd 旅行時間予測装置及び旅行時間予測方法
JPH10124791A (ja) * 1996-10-23 1998-05-15 Sumitomo Electric Ind Ltd 旅行時間予測方法および装置
JP2000231690A (ja) * 1999-02-12 2000-08-22 Toyota Central Res & Dev Lab Inc 旅行時間予測装置
JP2000235692A (ja) * 1999-02-16 2000-08-29 Hitachi Ltd 旅行時間予測装置
JP2002277268A (ja) * 2001-03-16 2002-09-25 Fujitsu Ten Ltd 渋滞回避システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311846A (zh) * 2022-06-24 2022-11-08 华东师范大学 一种结合货车任务状态的厂区道路拥堵预测方法及预测系统
CN115311846B (zh) * 2022-06-24 2023-08-11 华东师范大学 一种结合货车任务状态的厂区道路拥堵预测方法及预测系统

Also Published As

Publication number Publication date
JP4706031B2 (ja) 2011-06-22

Similar Documents

Publication Publication Date Title
JP5376465B2 (ja) 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置
Goh et al. Online map-matching based on hidden markov model for real-time traffic sensing applications
Besse et al. Destination prediction by trajectory distribution-based model
Dreyfus An appraisal of some shortest-path algorithms
Choi et al. Attention-based recurrent neural network for urban vehicle trajectory prediction
Powell et al. The convergence of equilibrium algorithms with predetermined step sizes
Sadeghi-Niaraki et al. Real world representation of a road network for route planning in GIS
Ma et al. Personalized real-time traffic information provision: Agent-based optimization model and solution framework
US9449505B2 (en) Traffic congestion prediction method and traffic congestion prediction device
US20090125229A1 (en) Corridor mapping with alternative routes
US20030135304A1 (en) System and method for managing transportation assets
EP2947608A1 (en) Systems and methods for personalized multi-destination trip planning
CN105702073B (zh) 一种基于路网决策点行程时间索引值的动态转向导航方法
Ni et al. Agent‐based modelling and simulation to assess the impact of parking reservation system
CN110363984A (zh) 交通流量预测方法和设备
JP2007240281A (ja) エリア分割巡回経路探索システム、経路探索サーバ、エリア分割巡回経路探索方法
Schmaranzer et al. Multi-objective simulation optimization for complex urban mass rapid transit systems
Panahi et al. A GIS-based dynamic shortest path determination in emergency vehicles
Zhao et al. Truck travel time reliability and prediction in a port drayage network
WO2004061737A1 (en) System and method for managing transportation
JP4706031B2 (ja) 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置
JP5447347B2 (ja) 経路探索装置および経路探索方法
Kammoun et al. Improvement of the road traffic management by an ant-hierarchical fuzzy system
Jin et al. Optimal routing of vehicles with communication capabilities in disasters
Richly et al. Predicting location probabilities of drivers to improved dispatch decisions of transportation network companies based on trajectory data

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061013

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20091027

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20091029

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20091225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100624

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100819

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20110214

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20110218

R150 Certificate of patent or registration of utility model

Ref document number: 4706031

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140325

Year of fee payment: 3

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250