JP2013206413A - 交通データ予測装置、交通データ予測方法及びコンピュータプログラム - Google Patents

Abstract

【課題】 計算量を低減させつつ、リンク旅行時間等の交通データを精度よく予測することのできる交通データ予測装置を提供する。
【解決手段】 交通データ予測装置１０は、所定の道路リンクである原リンクごとの交通データを記憶する原リンク交通データ記憶部１０３と、原リンクから拡張リンクを生成する拡張リンク生成部１０４と、拡張リンク生成部１０４により生成された拡張リンクごとの交通データを、原リンクごとの交通データを用いて予測する拡張リンク交通データ予測部１０８とを備えている。拡張リンク生成部１０４は、選択された原リンクを結合した結合リンクにおける交通データの予測精度を示すデータに基づいて、拡張リンクを生成するための原リンクを決定し、決定された原リンクを要素とする拡張リンクを生成する。
【選択図】 図１

Description

本発明は、道路区間における交通データを予測する、交通データ予測装置、交通データ予測方法及びコンピュータプログラムに関するものである。

従来、ＩＴＳ（Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔ Ｓｙｓｔｅｍ）の分野においては、車両の経路誘導等のため、各リンクの所要走行時間（リンク旅行時間）等のリンク交通データを予測し、カーナビゲーション装置に提供するサービスが知られている。このようなサービスを実現するための技術として、ＶＩＣＳ（Ｖｅｈｉｃｌｅ Ｉｎｆｏｒｍａｔｉｏｎ＆Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ、登録商標）から送信される交通データや、プローブカーシステムを構成するプローブカーのセンシングデータをもとに算出された交通データから、リンク交通データの予測を行い、予測データをカーナビゲーション装置に送信する技術や、それに関連する技術が提案されている（特許文献１、２参照）。ここで、「リンク」とは、交差点等、道路上の地点であるノード同士を結ぶ道路区間のことをいい、通常、複数のリンクを順次接続して１つの道路が構成される。

特開２００５−２０８０３２号公報 特開２００８−２１０２４９号公報

このような従来技術による旅行時間等のリンク交通データの予測においては、各リンクごとの予測値を個別に算出していたため、予測を更新するたび（例えば、５分おきなど、ＶＩＣＳ交通データやプローブカーのセンシングデータを取得するたび）に、全リンク数分の膨大な量の計算が必要となる。また、プローブカーのセンシングデータを用いたリンク交通データ予測の場合、特にシステム対応車両の通過数が少ないリンクにおいて、予測値を算出するための十分なデータを蓄積することができず、提供される予測交通データも信頼性を欠くものとなっていた。

本発明は、上記の問題に鑑みてなされたものであり、計算量を低減させつつ、リンク旅行時間等の交通データを精度よく予測することのできる、交通データ予測装置、交通データ予測方法及びコンピュータプログラムを提供することを目的とする。

本発明の交通データ予測装置は、所定の道路リンクである原リンクごとの交通データを記憶する原リンク交通データ記憶部と、前記原リンクから拡張リンクを生成する拡張リンク生成部と、前記拡張リンク生成部により生成された拡張リンクごとの交通データを、前記原リンクごとの交通データを用いて予測する拡張リンク交通データ予測部とを備え、前記拡張リンク生成部は、選択された前記原リンクを結合した結合リンクにおける交通データの予測精度を示すデータに基づいて、前記拡張リンクを生成するための前記原リンクを決定し、決定された前記原リンクを要素とする前記拡張リンクを生成する。

この構成によれば、予測精度を反映した拡張リンクを生成し、生成された拡張リンクを単位として交通データの予測を行うため、予測精度を低下させることなく、交通データの予測の単位を大きくすることができる。

また、本発明の交通データ予測装置において、前記拡張リンク交通データ予測部は、生成された前記拡張リンクの要素である前記原リンクに対応する前記原リンク交通データを用いて算出された、前記拡張リンクごとの交通データに基づいて、前記拡張リンクごとの交通データを予測するものであってもよい。

この構成により、蓄積されているもとの交通データを利用して拡張リンクごとの交通データを算出し、算出された拡張リンクごとの交通データから予測を行うことができるので、効率よく、かつ、精度よく、拡張リンクの交通データの予測を行うことができる。

また、本発明の交通データ予測装置は、前記拡張リンク交通データ予測部により予測された前記拡張リンクごとの交通データを、前記拡張リンクの要素である前記原リンクの各々に割り当てる拡張リンク分割部をさらに備えたものであってもよい。

この構成により、拡張リンクごとに交通データの予測を行っても、拡張リンクを生成する前の原リンクごとに交通データを予測した場合と同様に、予測交通データを提供することが可能となる。

また、本発明の交通データ予測装置においては、前記拡張リンク分割部は、前記拡張リンク交通データ予測部により予測された前記拡張リンクごとの交通データを、前記拡張リンクの要素である前記原リンクの各々の属性値に応じて按分することで、前記原リンクの各々への割り当てを行うものであってもよい。

この構成によれば、拡張リンクごとの予測交通データを、当該拡張リンクを構成する各原リンクのリンク長やリンク平均旅行時間などの属性値に応じて按分するので、拡張リンクごとの予測交通データを、原リンク単位で交通データを予測した場合に近い状態で原リンク単位の交通データに還元することができる。

また、本発明の交通データ予測装置においては、前記拡張リンク生成部が、前記結合リンクにおける交通データの予測を行うことにより、前記結合リンクにおける交通データの予測精度を示すデータを算出するものであってもよい。

この構成によれば、拡張リンクの候補となる結合リンクの予測精度をシミュレーションした上で拡張リンクを生成できるので、精度よく拡張リンクの交通データの予測を行うことができる。

また、本発明の交通データ予測装置においては、前記拡張リンク生成部が、前記結合リンクを構成する前記原リンクの交通データを用いて算出された、前記結合リンクごとの交通データを用いて、前記結合リンクにおける交通データの予測を行うものであってもよい。

この構成によれば、蓄積されているもとの交通データを利用して結合リンクごとの交通データを算出し、算出された結合リンクごとの交通データを用いて、予測精度のシミュレーションを行うことができるので、効率よく拡張リンクの生成を行うことができる。

また、本発明の交通データ予測装置においては、前記拡張リンク生成部が、前記原リンクごとの交通データの予測精度を示すデータに基づいて、前記結合リンクを構成する前記原リンクを選択するものであってもよい。

この構成によれば、例えば、予測精度のよい原リンクを選択して拡張リンクの候補とすることができ、生成された拡張リンクの交通データの予測精度の低下を防ぐことができる。

また、本発明の交通データ予測装置においては、前記結合リンクが、隣接する前記原リンクが順次選択されて結合されたものであってもよい。

この構成によれば、生成される拡張リンクは、連続的な道路リンクとなるため、例えば、拡張リンクを分割せずに、拡張リンクごとの交通データの予測を、そのまま提供することもできる。

本発明の交通データ予測装置においては、前記拡張リンク生成部が、選択された前記原リンクを新たに結合するたびに、前記結合リンクにおける交通データの予測精度を示すデータを算出し、前記結合リンクにおける交通データの予測精度が低下しない場合に、前記新たに結合された前記原リンクを前記拡張リンクを生成するための前記原リンクとして決定するものであってもよい。

この構成によれば、原リンクを結合するたびに予測精度のシミュレーションが行われ、予測精度が低下しない場合に原リンクの追加が決定されるので、より精度よく予測を行うための拡張リンクを生成することができる。

本発明の交通データ予測装置は、前記拡張リンクごとの交通データの予測を行うべき周期を決定する予測周期決定部をさらに備え、前記拡張リンク交通データ予測部は、前記予測周期決定部により決定された周期で、前記拡張リンクごとの交通データを予測するものであってもよい。

この構成によれば、例えば、予測を行う周期、すなわち、時間間隔を大きくすることにより、予測を行う頻度を下げ、さらに計算量を低減させることができる。

本発明の交通データ予測装置においては、前記予測周期決定部が、異なる周期で前記拡張リンクごとの交通データの予測を行った場合の予測精度を示すデータに基づいて、前記拡張リンクごとの交通データの予測を行うべき周期を決定するものであってもよい。

この構成により、異なる周期でシミュレーションを行ったうえで予測周期を決定するので、予測精度を低下させることなく、予測の頻度を減少させることができる。

本発明の運転支援方法は、所定の道路リンクである原リンクから拡張リンクを生成するステップと、前記原リンクごとの交通データを記憶する原リンク交通データ記憶部から取得した原リンクごとの交通データを用いて、前記拡張リンク生成部により生成された拡張リンクごとの交通データを予測するステップと、を含み、前記拡張リンクを生成するステップは、選択された前記原リンクを結合した結合リンクにおける交通データの予測精度を示すデータに基づいて、前記拡張リンクを生成するための前記原リンクを決定し、決定された前記原リンクを要素とする前記拡張リンクを生成するものである。

この構成によれば、予測精度を反映した拡張リンクを生成し、生成された拡張リンクを単位として交通データの予測を行うため、予測精度を低下させることなく、交通データの予測の単位を大きくすることができる。

本発明のさらに別の態様は、上記の交通データ予測方法をコンピュータに実行させるためのコンピュータプログラムである。

本発明によれば、交通データの予測のための計算量を低減させつつ、精度のよい予測を行うことができるという効果を有する。

本発明の実施の形態における交通データ予測装置の構成を示すブロック図 本発明の実施の形態における原リンク地図データ記憶部に記憶される原リンク地図データの一例を示す図 本発明の実施の形態における原リンク交通データ記憶部に記憶される原リンク交通データの一例を示す図 本発明の実施の形態における交通データ予測装置の動作を示すフロー図 本発明の実施の形態における拡張リンク地図データ記憶部に記憶される拡張リンク地図データの一例を示す図 本発明の実施の形態における拡張リンク交通データ記憶部に記憶される拡張リンク交通データの一例を示す図 本発明の実施の形態における拡張リンク交通データの予測を説明する図 本発明の実施の形態における拡張リンク生成部の動作を説明するフロー図 （ａ）〜（ｆ） 本発明の実施の形態における拡張リンクの生成の一例を説明する図 本発明の実施の形態における予測周期決定部による予測周期の決定の作用を説明する図

以下、本発明を実施するための形態について、図面を参照しながら説明する。図１は、本実施の形態の交通データ予測装置の構成を示すブロック図である。交通データ予測装置１０は、通信部１０１、原リンク地図データ記憶部１０２、原リンク交通データ記憶部１０３、拡張リンク生成部１０４、拡張リンク地図データ記憶部１０５、拡張リンク交通データ記憶部１０６、予測周期決定部１０７、拡張リンク交通データ予測部１０８、拡張リンク予測交通データ記憶部１０９、拡張リンク分割部１１０、原リンク予測交通データ記憶部１１１を備えている。

交通データ予測装置１０は、通信部１０１を介して交通データ配信センタ２０と接続され、例えば、５分おきなど、所定の時間ごとに各リンクの交通データを取得する。また、交通データ予測装置１０は、通信部１０１を介して端末装置３０と接続され、端末装置３０の要求に応じて、原リンク予測交通データ記憶部１１１に格納される原リンク予測交通データを送信する。交通データ配信センタ２０は、例えば、ＶＩＣＳデータや、プローブカーのセンシングデータをもとに生成された交通データを配信する。

図２は、原リンク地図データ記憶部１０２に格納される原リンク地図データの一例を示す図である。図２に示すように、原リンク地図データは、原リンクＩＤ、起点ノードＩＤ、終点ノードＩＤ、起点ノード位置座標、終点ノード位置座標、原リンク長さなど、地図データに含まれる道路リンクに関する情報を含む。なお、原リンク地図データには、各原リンクに関するその他の情報が含まれていてもよい。

原リンクＩＤは、各リンクを識別するためのデータであり、例えば、各リンクに割り当てられた一連の番号により表現される。起点ノードＩＤは、そのリンクの起点となるノードを識別するためのデータ、終点ノードＩＤは、そのリンクの終点となるノードを識別するためのデータである。このように、各リンクにおいて、起点ノードと終点ノードが区別されることにより、リンクの方向（上りまたは下り）を特定することができる。また、起点ノード位置座標、終点ノード位置座標は、そのリンクの起点ノード、終点ノードそれぞれの位置を、例えば、緯度経度により表したデータである。原リンク長さは、そのリンクの起点ノードと終点ノードとの間の道路の長さである。

原リンク交通データ記憶部１０３には、通信部１０１を介して取得された、各原リンクごとの交通データが格納される。図３は、格納された原リンク交通データの一例を示す図である。図３に示すように、原リンク交通データは、原リンクＩＤ、日時データ、原リンク旅行時間データを含む。上述のように、交通データ予測装置１０は、所定時間間隔で、交通データ配信センタ２０から交通データを取得するため、原リンク交通データ記憶部１０３には、その所定時間間隔で新たなデータが追加されたり、古くなったデータが削除されるなどの更新が行われてもよい。

原リンクＩＤは、原リンク地図データ記憶部１０２に格納される原リンクＩＤと対応している。日時データは、その原リンク交通データがいつの時点の交通データであるかを示す。原リンク旅行時間データは、その原リンクＩＤの所要走行時間を示す。なお、原リンク交通データは、原リンクにおける車両の平均速度などのデータを含んでいてもよく、この場合、原リンク地図データ記憶部１０２に格納されるリンク長さをリンク旅行速度で割って原リンク旅行時間を求めてもよい。

拡張リンク生成部１０４は、原リンク地図データ記憶部１０２及び原リンク交通データ記憶部１０３を読み出し、原リンク地図データ及び原リンク交通データを用いて、原リンク地図データ記憶部１０２において個別のＩＤを割り当てられている原リンクから拡張リンクを生成し、生成した拡張リンクに関するデータを、拡張リンク地図データ記憶部１０５に格納する。拡張リンク生成部１０４はまた、原リンク交通データをもとに、生成された拡張リンクごとに拡張リンク交通データを生成し、生成した拡張リンク交通データを拡張リンク交通データ記憶部１０６に格納する。

予測周期決定部１０７は、拡張リンク交通データ記憶部１０６に格納された拡張リンク交通データを用いて、拡張リンク交通データ予測部１０８の予測の周期、すなわち、予測を行う時間間隔を決定する。なお、予測周期は拡張リンク交通データの生成にあわせて、全ての拡張リンクについて同じ周期が設定されてもよく、その場合には、予測周期決定部１０７は設けられなくてもよい。

拡張リンク交通データ予測部１０８は、拡張リンク交通データ記憶部１０６に蓄積された拡張リンク交通データから、拡張リンクごとにリンク旅行時間などの交通データを予測し、予測データを拡張リンク予測交通データ記憶部１０９に格納する。拡張リンク交通データ予測部１０８は、予測周期決定部１０７にて決定された予測周期または所定の予測周期に従い、繰り返し予測データを算出する。

拡張リンク分割部１１０は、拡張リンクを、各拡張リンクを構成する原リンク単位に分割し、拡張リンク予測交通データ記憶部１０９に格納されている予測交通データを、分割後のリンクに対応するように割り付け、原リンク予測交通データ記憶部１１１に格納する。

原リンク予測交通データ記憶部１１１には、原リンクＩＤと、そのリンクにおける旅行時間等のリンク交通データの予測値、及び、その予測値がいつの時点の交通データを予測したものであるかを示す日時情報が対応付けて格納されている。リンク予測交通データ記憶部１１１におけるリンクＩＤと、原リンク地図データ記憶部１０２におけるリンクＩＤは、同一の道路リンクについて一致させることが好ましいが、相互に異なるＩＤを用いて、位置データ等により対応付けることも可能である。

交通データ予測装置１０は、これらの各機能を実現するためのプログラムを記憶している。

次に、このような構成を備えた交通データ予測装置１０の動作を、リンク旅行時間を予測する場合を例に、図４のフロー図を用いて説明する。

まず、拡張リンク生成部１０４にて、原リンク地図データ記憶部１０２から読み出された原リンク地図データと、原リンク交通データ記憶部１０３から読み出された原リンク交通データとを用いて、拡張リンクが生成される（ステップＳ１１）。本実施の形態においては、拡張リンクの生成は、原リンク地図データに含まれる起点ノードＩＤ及び終点ノードＩＤを参照し、隣接する原リンクを順次結合することにより行われる。つまり、拡張リンクの生成は、原リンクをどこまで結合するかを決定するプロセスである。この決定は、原リンクを結合する都度、原リンク交通データを用いて行われる、結合した原リンク全体での交通データ予測のシミレーション結果に基づいてなされる。生成された拡張リンクは、拡張リンク地図データ記憶部１０５に格納される。なお、拡張リンクの生成処理の流れについては、後に詳述する。

図５は、拡張リンク地図データ記憶部１０５に格納される拡張リンク地図データの一例を示す図である。図５に示すように、拡張リンク地図データには、拡張リンクＩＤ、原リンクＩＤ、各原リンクのリンク長さ、拡張リンクのリンク長さなどのデータが含まれる。拡張リンクＩＤは、ステップＳ１１にて生成された各拡張リンクを識別するためデータである。原リンクＩＤは、拡張リンクＩＤに含まれる原リンクを識別するためのデータであり、原リンク地図データ記憶部１０２に格納される原リンクＩＤと対応している。拡張リンク長は、拡張リンクに含まれる原リンクのリンク長さを足し合わせて算出されたものである。

拡張リンク生成部１０４においては、さらに、原リンク交通データ記憶部１０３が読み出され、ステップＳ１１で生成された各拡張リンクごとの交通データである拡張リンク交通データが生成される（ステップＳ１２）。拡張リンク交通データに含まれる拡張リンク旅行時間は、本実施の形態においては、各拡張リンクに含まれる原リンクごとの旅行時間を足し合わせることで算出される。この旅行時間の足し合わせの処理を、１つの拡張リンクにつき、原リンク交通データの各日時データごとに行う。すなわち、各原リンク交通データが、５分間隔で合計ｎ個あれば、拡張リンク交通データも、５分間隔のものがｎ個生成される。また、上述のように、原リンク交通データ記憶部１０３が所定時間間隔で更新されるため、これにあわせて拡張リンク交通データも追加される。したがって、このステップＳ１２の処理は、原リンク交通データ記憶部１０３の更新にあわせて、所定時間間隔ごとに繰り返されてもよい。生成された拡張リンク交通データは、拡張リンク交通データ記憶部１０６に格納される。

図６は、拡張リンク交通データ記憶部１０６に格納されるデータの一例を示す図である。図６に示すように、拡張リンク交通データは、拡張リンクＩＤ、日時データ、拡張リンク旅行時間データを含む。なお、ステップＳ１１においては、他の原リンクと結合されず、１つの原リンクのみからなる拡張リンクも生成され得る。この場合には、拡張リンク交通データの拡張リンク旅行時間データは、原リンクのリンク旅行時間データと等しくなる。

そして、拡張リンク交通データ予測部１０８において、ステップＳ１２で生成された拡張リンク交通データに基づき、拡張リンクごとの交通データの予測が行われる（ステップＳ１３）。上述のように、ステップＳ１２においては、各拡張リンク交通データが、原リンク交通データの各日時データに対応して、該日時データの数だけ生成される。ステップＳ１３では、このように各拡張リンクの交通データとして経時的に蓄積されたデータを用いて、予測周期に対応する所定時間後の各拡張リンクにおける交通データの予測を行う。

交通データの予測は、種々の手法を用いて行うことが可能である。本実施の形態においては、時系列解析手法の一つである、ＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｏｎ）モデル（自己回帰モデル）を用いた予測を行う。ＡＲモデルは、ある時点の出力を、過去の出力の線形結合として表したものであり、日時ｔの、ある拡張リンクにおける旅行時間Ｔ_tは、
と記述することができる。ここで、Ａ_kはＡＲパラメータ（定数）であり、各Ａ_kを定めるために、予め学習を施しておく必要がある。また、ε_tは誤差項である。

このようなＡＲモデルを用いた交通データの予測を行う場合、予測時点より前の日時における複数の交通データを入力する必要がある。上述のように、拡張リンク交通データ記憶部１０６には、同じ拡張リンクについて、日時の異なる複数の交通データが記憶されている。拡張リンク交通データの予測には、いずれのデータが入力に用いられてもよいが、本実施の形態においては、予測時点直前１時間分の拡張リンク交通データが拡張リンク交通データ記憶部１０６から読み出され、予測に用いられる。

例えば、ステップＳ１２において、拡張リンク交通データが、原リンク交通データ記憶部１０３の更新にあわせて、毎時０分、５分…と、５分間隔で新たに生成されるとする。この場合、２０ｘｘ年４月１日午前９時０５分におけるある拡張リンクｅ_nの旅行時間の予測には、図７に示すように、予測時点以前１時間分のデータに当たる、同日午前８時００分から午前９時００分までの、５分間隔の計１３個の拡張リンク旅行時間データが用いられることになる。

拡張リンク交通データ予測部１０８は、このような拡張リンク旅行時間の予測を、全ての拡張リンクについて行う。算出された各予測値は、拡張リンクＩＤと対応付けられ、拡張リンク予測交通データ記憶部１０９に格納される。

次に、ステップＳ１４において、拡張リンクが分割される。これにより、拡張リンクが原リンク単位に戻るとともに、拡張リンク予測交通データ記憶部１０９に格納された拡張リンク予測交通データが、原リンクごとの予測交通データに変換され、原リンク予測交通データ記憶部１１１に格納される。

具体的には、拡張リンク分割部１１０により、拡張リンク予測交通データ記憶部１０９と、拡張リンク地図データ記憶部１０５とが読み出され、拡張リンク予測交通データ記憶部１０９に格納された、拡張リンクごとの旅行時間の予測値が、拡張リンク地図データ記憶部１０５に格納された、その拡張リンクの要素である各原リンクのリンク長さの比にしたがって按分される。按分後のリンク旅行時間予測値は、再び原リンクＩＤと対応付けられ、原リンク予測交通データ記憶部１１１に格納される。なお、予測値の按分は原リンク交通データ記憶部１０３に格納されるデータを用いて、各原リンクにおける平均旅行時間の比にしたがって行ってもよい。

上述のように、ステップＳ１２以降の処理は、原リンク交通データ記憶部１０３の更新にあわせて、繰り返されてよい。なお、本実施の形態においては、電源オフや処理終了の割り込みにより、処理は終了する。

このように、本実施の形態においては、交通データ配信センタ２０から配信されるリンク旅行時間等のリンク交通データの単位である原リンクを結合して拡張リンクが生成され、この拡張リンクが、旅行時間等の交通データの予測の単位となる。したがって、原リンクを単位として交通データの予測を行っていた従来技術と比較して、予測を行う各時点において、算出すべき予測値の数が少なくなり、その結果として、交通データ予測のための計算量を減少させることができる。

次に、拡張リンク生成部１０４よる拡張リンク生成処理の流れを、図８のフローチャート及び図９に示す具体例を用いて説明する。ここでも、交通データがリンク旅行時間である場合について説明する。

まず、原リンク交通データ記憶部１０３が読み出され、全ての原リンクにつき、予測誤差率が算出される（ステップＳ２１）。ここで、予測誤差とは、予測値と真値、すなわち、実際のリンク旅行時間との誤差のことであり、予測誤差率は、｜（予測値−真値）｜／（真値）により求められる。本実施の形態においては、予測誤差率を求めることとしたが、各原リンクごとの予測精度を評価できる指標が得られる他の手法によってもよく、例えば、真値と予測値との絶対差や、ＲＭＳＥ（Ｒｏｏｔ Ｍｅａｎ−Ｓｑｕａｒｅ Ｅｒｒｏｒ）を用いてもよい。

ステップＳ２１における予測値は、図４のフローチャートのステップＳ１３におけるのと同様に、ＡＲモデルにより、実際の過去の交通データを用いて算出することが可能である。もっとも、このステップで算出される予測値は、拡張リンクの生成に用いられれるものであり、端末装置３０に提供されるものではない。したがって、本実施の形態においては、既に交通データ配信センタ２０から交通データが配信され、原リンク交通データ記憶部１０３に格納されている、過去の時点ｐにおけるある原リンクにおける旅行時間データを、さらにそれより過去の時点である、ｐ−１、ｐ−２、・・・の該リンクの旅行時間データを用いて予測し、誤差算出のための予測値とする。この予測値と、原リンク交通データ記憶部１０３に格納されている、日時データがｐである、同じ原リンクの実際の旅行時間データとに基づき、予測誤差率を算出する。

各原リンクについて予測誤差率を算出するたびに、拡張リンク生成部１０４は、原リンクのリンクＩＤと誤差率とを対応付けて保持する。図９（ａ）は、その状態を模式的に示した図である。図９（ａ）において、各矢印は各原リンクを示しており、矢印の矢じり部分が、原リンクの終点ノードに、矢印の他端が原リンクの起点ノードにそれぞれ対応し、矢じりに向かう方向が道路の下流方向となり、その逆が上流方向となる。

全ての原リンクについて予測誤差率が算出されたら、以下の処理により生成される拡張リンクＩＤ、ｅ_iが１つ設定される（ステップＳ２２）。ｉの初期値は１で、ステップＳ２２に戻るたびにｉが１ずつインクリメントされる。

次に、全ての拡張リンクについて、いずれの拡張リンクｅ_iの要素にもなっていない原リンクがあるか否かが判断される（ステップＳ２３）。いずれの拡張リンクの要素にもなっていない原リンクがないと判断された場合、すなわち、全ての原リンクは、少なくとも１つの拡張リンクの要素となっていると判断された場合（ステップＳ２３ＮＯ）には、全ての原リンクは、予測のための拡張リンクに変換されたものとして、拡張リンク生成処理を終了する。

一方、いずれの拡張リンクの要素にもなっていない原リンクがあると判断された場合（ステップＳ２３ＹＥＳ）、拡張リンクｅ_iのシードリンクが選択される（ステップＳ２４）。ここで、「シードリンク」とは、拡張リンクｅ_iの最初の要素となる原リンクのことであり、この原リンクの起点ノードが、拡張リンクｅ_iの起点ノードとなる。いずれの拡張リンクの要素にもなっていない原リンクが複数ある場合、予測誤差率が最も小さい原リンクがシードリンクとして選択される。なお、シードリンクの選択は、交通量やプローブ数大小、混雑度等、他のパラメータに基づいて行われてもよい。

図９（ｂ）は、誤差率が５％である原リンク（原リンクＩＤ＝ｏ₁₅）が、拡張リンクｅ₁のシードリンクとして選択されたことを示している。

次に、拡張リンクｅ_iの最終、すなわち末尾の要素に隣接する未調査原リンクがあるか否かが判断される（ステップＳ２５）。ここで、拡張リンクｅ_iの末尾の要素とは、１つ以上の原リンクからなる拡張リンクｅ_iに、最も後に追加された原リンクのことを指し、末尾の要素に隣接する原リンクとは、その起点ノードが末尾の要素である原リンクの終点ノードと一致するもののことをいう。また、未調査原リンクとは、当該拡張リンクｅ_iを生成するための、後述のステップＳ２６において、一度も選択されていない原リンクのことである。なお、隣接するリンクとして、本実施の形態とは逆に、上流方向に隣接するリンク、すなわち、拡張リンクｅ_iの末尾の要素である原リンクの起点ノードと一致するノードを終点ノードに持つ、未調査原リンクの有無を判断してもよい。

そして、拡張リンクｅ_iの末尾の要素に隣接する未調査原リンクがないと判断された場合には（ステップＳ２５ＮＯ）、当該拡張リンクの生成は終了し、ステップＳ２２に戻り、新たな拡張リンクＩＤ、ｅ_i+1が設定される。拡張リンクｅ_iの末尾の要素に隣接する未調査原リンクがあると判断された場合（ステップＳ２５ＹＥＳ）、拡張リンクｅ_iの末尾の要素に隣接する未調査原リンクが、拡張リンクｅ_iの最後に追加される（ステップＳ２６）。拡張リンクｅ_iの末尾の要素に隣接する未調査原リンクが複数ある場合には、予測誤差率の最も小さいものを１つ選ぶ。隣接リンクが複数ある場合の選択は、ランダムになされてもよいし、他のルールに従ってなされてもよい。

図９（ｃ）は、拡張リンクｅ₁の末尾の要素であるｏ₁₅に隣接する原リンクのうち、誤差率の最も小さい原リンクｏ₁₆が選択され、拡張リンクｅ₁の末尾の要素として追加された状態を示す。

ステップＳ２６において、原リンクが新たに拡張リンクｅ_iの末尾に追加されたら、次に、原リンク追加後の拡張リンクについて、予測誤差率Δｅ_iを求める（ステップＳ２７）。具体的には、まず、拡張リンクｅ_iの真値（拡張リンクｅ_iを構成する各原リンクの実際の旅行時間の合計値）から拡張リンクｅ_iの旅行時間の予測値を算出する。拡張リンクｅ_iの真値からの拡張リンクｅ_iの予測値の算出は、ステップＳ２１における原リンクの予測値算出の場合と同様に行うことができる。そして、この拡張リンクｅ_iの予測値を各原リンクのリンク長または平均リンク旅行時間で按分した値と、各原リンクの真値との誤差率をそれぞれ算出した上、その予測誤差率の平均値を拡張リンクｅ_iの誤差率とする。一般的には、このように拡張リンクの予測値を按分した上で原リンクの真値との誤差率を求める方が、実際の値に近い予測誤差率を算出することができるが、拡張リンクｅ_iの予測値を按分せずに、拡張リンクｅ_iの真値との予測誤差率を採用してもよい。

そして、ステップＳ２７で求めた拡張リンクｅ_iの予測誤差率が、その拡張リンクのシードリンクの予測誤差率、または、その拡張リンクについてそれまで算出された予測誤差率と比べて増大したか否かが判断される（ステップＳ２８）。予測誤差率の増大は拡張リンクｅ_iについての予測精度の悪化を意味するので、ステップＳ２６で新たに付加された原リンクを、拡張リンクｅ_iの要素として採用するのは好ましくない。そこで、予測誤差率が増大した場合には（ステップＳ２８ＹＥＳ）、誤差率増加の要因となった原リンクを拡張リンクｅ_iから破棄し（ステップＳ２９）、ステップＳ２５に戻る。これに対して、予測誤差率が増加しなかった場合には（ステップＳ２８ＮＯ）、ステップＳ２５に戻る。

図９の例では、図９（ｃ）において拡張リンクｅ₁末尾に原リンクｏ₁₆が一旦追加されたが、この状態における拡張リンクｅ₁の予測誤差率は７％となり、シードリンクｏ₁₅の誤差率５％よりも増大した。したがって、原リンクｏ₁₆は、図９（ｄ）に示すように、拡張リンクｅ₁の末尾から破棄され、未調査である他の隣接リンクｏ₂₁が、新たに拡張リンクｅ₁に追加される。原リンクｏ₂₁が追加された拡張リンクｅ₁の予測誤差率が４％であったとすると、拡張リンクｅ₁がシードリンクである原リンクｏ₁のみから構成される場合よりも、誤差率が低減するため、図９（ｅ）に示すように、原リンクｏ₂₁は破棄されずに拡張リンクｅ₁の要素となることが決定され、今度は、ｏ₂₁に隣接する未調査リンクを追加すべきか否かが、同様のルーチンにより決定される。このような処理を繰り返すことで、図９（ｆ）に示すように、次々と拡張リンクが生成され、全ての原リンクが拡張リンクの要素に置き換えられる。

本実施の形態においては、拡張リンク生成のために、原リンクごとの過去の旅行時間の真値をもとに予測値と予測誤差とを算出している。したがって、原リンク交通データ記憶部１２の更新にともない、拡張リンク生成も適宜見直されてよい。

以上のように、本実施の形態においては、予測誤差率が低減するように原リンクを結合して拡張リンクを生成するので、予測のための計算量を低減させても、信頼性の高い予測を実現することができる。

このような拡張リンク生成手法と同様の手法を、予測周期決定部１０７における予測周期、すなわち、リンク旅行時間の予測値を算出する時間間隔の決定に適用することが可能である。本実施の形態においては、予測周期決定部１０７により、拡張リンクごとに、予測誤差率が低減するように、予測周期を定めてもよい。これにより、例えば、予測を行う時間間隔を１０分とするなど、より大きくすることで、予測の信頼性を確保しつつ、予測回数を減少させ、さらに計算量を低減させることができる。なお、原リンク交通データ記憶部１０３の更新にあわせて、５分おきに拡張リンクの旅行時間予測を行ってもよい。

予測時間間隔を大きくすることは、例えば、プローブカー由来の交通データなどを取得して予測を行う場合には、精度よく交通データの予測を行う上でも有効である。図１０に示すように、交通データ配信センタ２０から取得する原リンク旅行時間の時間的変動が大きい場合、それをもとにした予測値も変動が大きくなり、その分、真値と予測値との間に大きな誤差が生じることがしばしば起きる。このような場合、予測値を出す時間間隔を大きくすれば、交通データの急激な変動を吸収することができ、誤差を小さくすることが可能となる。

このように、予測の時間間隔を大きくすることのみによっても、予測誤差を減少させることを期待することができるが、本実施の形態においては、予測周期を変化させて予測精度のシミュレーションを行うことで、さらに精度よく交通データの予測を行うことができる。

予測周期決定部１０７における予測精度のシュミレーションは、予測周期を様々に変えて拡張リンク交通データの予測を行った場合の予測誤差率を算出し、予測誤差率が最小となる予測周期を採用することで決定される。より具体的には以下の処理が行われる。すなわち、拡張リンク交通データ記憶部１０６に格納されている、拡張リンクごとの旅行時間を読み出し、例えば、５分後の旅行時間予測値、１０分後の旅行時間予測値、１５分後の旅行時間予測値・・・等、予測値算出に用いる最後の真値に対応する時刻からの経過時間を変えて、予測値及び予測誤差率を順次算出する。予測誤差率の算出は、上述の拡張リンク生成における予測誤差率の算出と同様に行うことができる。これを、予測誤差率が下回る限り継続し、算出された最小予測誤差に対応する経過時間が、予測の時間間隔となるように周期が決定される。

以上のように、本実施の形態における交通データ予測装置１０によれば、拡張リンク生成部１０４が、交通データ配信センタ２０から取得した原リンクごとの旅行時間データに対応づけられている原リンクを、原リンクごとの予測誤差率を用いて結合することにより拡張リンクを生成し、拡張リンク交通データ予測部１０８が、拡張リンクごとに旅行時間の予測値を算出するので、旅行時間の予測のための計算量を低減させつつ、信頼性の高い予測データを算出することができる。

以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。

例えば、以上の説明では、カーナビゲーション装置等の端末装置の要求に応じて提供される交通データの予測を行う場合について説明したが、交通データ予測装置１０と同様の構成を備える端末装置において、交通データの予測を行ってもよい。

また、以上の説明では、交通データ配信センタ２０から取得し、原リンク交通データ記憶部に格納される交通データ、及び、予測対象となる交通データが拡張リンクごとのリンク旅行時間である場合について説明したが、リンク旅行速度等、他の交通データを取得して拡張リンクごとのリンク旅行時間を予測してもよいし、他の交通データを予測してもよい。あるいは、原リンク旅行時間データから、他の交通データを予測してもよい。

また、以上の説明では、隣接する原リンクを順次結合することにより拡張リンクを生成する場合について説明したが、隣接しない原リンクを結合して拡張リンクを生成してもよいし、予め原リンクを結合した複数の拡張リンク候補の予測誤差率を算出し、これに基づいて拡張リンク候補の中から拡張リンクとするものを決定してもよい。

本発明は、リンク旅行時間等の交通データを予測するための計算量を低減させることができるという効果を有し、道路区間における交通データを予測する、交通データ予測装置等として有用である。

１０ 交通データ予測装置
１０１ 通信部
１０２ 原リンク地図データ記憶部
１０３ 原リンク交通データ記憶部
１０４ 拡張リンク生成部
１０５ 拡張リンク地図データ記憶部
１０６ 拡張リンク交通データ記憶部
１０７ 予測周期決定部
１０８ 拡張リンク交通データ予測部
１０９ 拡張リンク予測交通データ記憶部
１１０ 拡張リンク分割部
１１１ 原リンク予測交通データ記憶部
２０ 交通データ配信センタ
３０ 端末装置

Claims (13)

1. 所定の道路リンクである原リンクごとの交通データを記憶する原リンク交通データ記憶部と、
   前記原リンクから拡張リンクを生成する拡張リンク生成部と、
   前記拡張リンク生成部により生成された拡張リンクごとの交通データを、前記原リンクごとの交通データを用いて予測する拡張リンク交通データ予測部と、
   を備え、
   前記拡張リンク生成部は、選択された前記原リンクを結合した結合リンクにおける交通データの予測精度を示すデータに基づいて、前記拡張リンクを生成するための前記原リンクを決定し、決定された前記原リンクを要素とする前記拡張リンクを生成することを特徴とする交通データ予測装置。
2. 前記拡張リンク交通データ予測部は、生成された前記拡張リンクの要素である前記原リンクに対応する前記原リンク交通データを用いて算出された、前記拡張リンクごとの交通データに基づいて、前記拡張リンクごとの交通データを予測することを特徴とする請求項１に記載の交通データ予測装置。
3. 前記拡張リンク交通データ予測部により予測された前記拡張リンクごとの交通データを、前記拡張リンクの要素である前記原リンクの各々に割り当てる拡張リンク分割部をさらに備えたことを特徴とする請求項１または２に記載の交通データ予測装置。
4. 前記拡張リンク分割部は、前記拡張リンク交通データ予測部により予測された前記拡張リンクごとの交通データを、前記拡張リンクの要素である前記原リンクの各々の属性値に応じて按分することで、前記原リンクの各々への割り当てを行うことを特徴とする請求項３に記載の交通データ予測装置。
5. 前記拡張リンク生成部は、前記結合リンクにおける交通データの予測を行うことにより、前記結合リンクにおける交通データの予測精度を示すデータを算出することを特徴とする請求項１から４のいずれかに記載の交通データ予測装置。
6. 前記拡張リンク生成部は、前記結合リンクを構成する前記原リンクの交通データを用いて算出された、前記結合リンクごとの交通データを用いて、前記結合リンクにおける交通データの予測を行うことを特徴とする請求項５に記載の交通データ予測装置。
7. 前記拡張リンク生成部は、前記原リンクごとの交通データの予測精度を示すデータに基づいて、前記結合リンクを構成する前記原リンクを選択することを特徴とする請求項１から６のいずれかに記載の交通データ予測装置。
8. 前記結合リンクは、隣接する前記原リンクが順次選択されて結合されたものであることを特徴とする請求項１から７のいずれかに記載の交通データ予測装置。
9. 前記拡張リンク生成部は、選択された前記原リンクを新たに結合するたびに、前記結合リンクにおける交通データの予測精度を示すデータを算出し、前記結合リンクにおける交通データの予測精度が低下しない場合に、前記新たに結合された前記原リンクを前記拡張リンクを生成するための前記原リンクとして決定することを特徴とする請求項８に記載の交通データ予測装置。
10. 前記拡張リンクごとの交通データの予測を行うべき周期を決定する予測周期決定部をさらに備え、
    前記拡張リンク交通データ予測部は、前記予測周期決定部により決定された周期で、前
    記拡張リンクごとの交通データを予測することを特徴とする請求項１から９のいずれかに記載の交通データ予測装置。
11. 前記予測周期決定部は、異なる周期で前記拡張リンクごとの交通データの予測を行った場合の予測精度を示すデータに基づいて、前記拡張リンクごとの交通データの予測を行うべき周期を決定することを特徴とする請求項１０に記載の交通データ予測装置。
12. 所定の道路リンクである原リンクから拡張リンクを生成するステップと、
    前記原リンクごとの交通データを記憶する原リンク交通データ記憶部から取得した原リンクごとの交通データを用いて、前記拡張リンク生成部により生成された拡張リンクごとの交通データを予測するステップと、
    を含み、
    前記拡張リンクを生成するステップは、選択された前記原リンクを結合した結合リンクにおける交通データの予測精度を示すデータに基づいて、前記拡張リンクを生成するための前記原リンクを決定し、決定された前記原リンクを要素とする前記拡張リンクを生成することを特徴とする交通データ予測方法。
13. 請求項１２に記載の交通データ予測方法をコンピュータに実行させるためのコンピュータプログラム。