JP3933624B2 - 道路リンク旅行時間の予測方法とその装置及びプログラム並びにその記録媒体 - Google Patents

Description

本発明は、予測システム、特に旅行時間情報を予測する方法とその装置及びプログラム並びにその記録媒体に関するものである。

道路の例えばある交差点から他の交差点までの間（いわゆる道路リンク）を移動する時間である旅行時間情報のような時系列情報を予測する手法としては、大きく２つのタイプに分類できる。

１つは、予測時刻の時系列情報の値、及びその近傍過去の時系列情報の値に基き予測するタイプであり、もう１つは、時系列情報の値を、予測先時刻と同じ時間属性に分類し、分類した時系列情報の統計値にもとづき予測するタイプである。

前者の予測方法の例としては、例えばＡＲモデル、ＡＲＭＡモデル、カルマンフィルターなどが挙げられる。これら手法の基本となるＡＲモデルとは、予測時刻ｔ＝ｔ₁までのＭ個の時系列データ値（Ｘ（ｔ）；ｔ＝ｔ_i−（Ｍ−１），…，ｔ_i−２，ｔ_i−１，ｔ_i）に基づき、次の時刻ｔ_i＋１での値を予測する手法である。具体的には、Ｍ個の係数の列（ａ（ｍ）；ｍ＝０，１，…，Ｍ−１）を構成し以下の数１式による演算によって予測値Ｘ（ｔ_exe＋１）が算出される。

ここで、Ｘ（ｔ）は時刻ｔの予測値を意味し、ｔｅｘｅは予測を実行した時刻を意味する。つまり、ｔ_exeの時刻から１つ先の時刻を予測した値がＸ（ｔ_exe＋１）となる。係数の列ａ（ｍ）は、学習用データを用い、予測値と実際の値との差を最小とするよう決定することができる。ＡＲモデルの最も単純な例として、Ｍ＝１、ａ（０）＝１とすることにより、Ｘ（ｔ＝ｔ_exe＋１）＝Ｘ（ｔ＝ｔ_exe）と、予測実行時刻の値をそのまま予測値として出力する方法がある。この方法は、予測実行時刻での値が将来も継続するとの仮定に基づいており、予測実行時刻と予測対象時刻との時間差が小さい予測（短期予測）や、時間による変動が小さい時系列データの予測に用いられる。尚、ＡＲモデル、ＡＲＭＡモデル、カルマンフィルター等の以上説明してきた予測方法に関する参考文献として、非特許文献１（時系列解析の方法（朝倉書店））が挙げられる。

また、後者の予測手法としては、予測先時刻と同一季節あるいは同一曜日など、予測先時刻と同一の時間属性に時系列情報を分類し、この分類された時系列情報の平均値や最頻値などの統計値を予測値として出力する方法がある。この方法は、時系列データの変動は周期的であり、過去のふるまいが再現されるであろうという仮定にもとづく予測方法であり、例えば月別電力消費量の予測や気温変動予測などに用いられる。尚、分類された系列情報の平均値や最頻値などの統計値から、予測値を作成するものとして、非特許文献２の交通工学「高速道路の渋滞予測」に開示された予測方法がある。
尾崎 統，北川 源四郎，時系列解析の方法，朝倉書店，ｐｐ．６１−１０６（２００２） 杉山 勝広，交通工学「高速道路の渋滞予測」，Ｖｏｌ．３２（増刊号），ｐｐ．２１−２６

しかしながら、上記いずれの方法には以下の問題がある。

前者の予測手法である予測時刻の時系列情報の値、及びその近傍過去の時系列情報の値に基き予測するタイプ（以後、持続予測タイプと呼称する）は、予測実行時刻またはその近傍過去に発生した事象を再現することはできるが、予測実行時刻と予測先時刻との時間差が大きい予測（長期予測）や、時間による変動が大きな時系列データの予測に不向きである。

また、後者の予測手法である時系列情報の値を予測先時刻と同じ時間属性に分類し、この分類した時系列情報の統計値に基き予測するタイプ（以後、統計予測タイプと呼称する）は、周期的にあらわれる事象を効果的に予測に反映することができるが、その直前に起きた非定常的な事象を予測に反映することは困難である。

本発明は、かかる事情に鑑みなされたもので、その目的は、予測先時刻と予測実行時刻との時間差が長い長期予測の場合でも精度が下がらないと共に予測直前に起きた非定常的な事象を予測に反映することができる道路リンク旅行時間の予測方法とその装置及びプログラム並びにその記録媒体の提供にある。

前記課題を解決するために、本発明の道路リンク旅行時間情報の予測方法及びその装置は、一定時間蓄積された旅行時間情報の値が記録されているファイルから、曜日、時間帯、旅行時間等の時系列情報の所属する階級毎に、予測先時刻との差分である変動値を分類し、これら複数の変動値の平均値を曜日、時間帯、旅行時間の所属する階級から定まる代表変動値情報としてファイルに保存した後に、現在の旅行時間に、保存されたファイルから該当する曜日、時間帯旅行時間の所属する階級に対応する代表変動値を加えることで、将来の旅行時間情報を予測している。

本発明の道路リンク旅行時間情報を予測する方法としては、現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する方法であって、過去の旅行時間情報に基く代表変動値を算出する代表変動値算出手段と、前記代表変動値を保存する代表変動値保存手段と、現在時刻の旅行時間と前記代表変動値とに基き将来の道路リンク旅行時間の予測値を算出する制御手段とを有し、
前記代表変動値算出手段が、蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手順と、
前記代表変動値保存手段が、前記分類された時間属性に該当する時刻における旅行時間情報の値と、予測先時刻におけるその旅行時間情報の値との差分を、該当する時間属性における代表変動値として保存する手順と、
前記制御手段が、前記保存した代表変動値を利用して現在の値に基き将来の旅行時間情報の予測値を算出する手順とを有するのがある。

また、他の道路リンク旅行時間情報を予測する方法としては、現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する方法であって、
過去の旅行時間情報に基く代表変動値を算出する代表変動値算出手段と、前記代表変動値を保存する代表変動値保存手段と、現在時刻の旅行時間と前記代表変動値とに基き将来の道路リンク旅行時間情報の予測値を算出する制御手段とを有し、
前記代表変動値算出手段が、蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手順と、
前記代表変動値保存手段が、前記分類された時間属性に該当する時刻における旅行時間情報の値と予測先時刻におけるその旅行時間情報の値との差分を逐次に変動値として複数保存する手順と、保存された複数の変動値に基づき平均値と最頻値を算出し、この算出値を該当する時間属性における代表変動値として保存する手順とを実行する手順と、
前記制御手段が、保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手順とを有するものがある。

この道路リンク旅行時間情報の予測方法においては、前記代表変動値算出手段がリアルタイムに得られる旅行時間情報の値を予め定めた時間属性に分類する手順と、前記代表変動値保存手段が前記分類された旅行時間情報の値と予測先時刻における旅行時間情報の値との差分を変動値としてとしてリアルタイムに保存する手順と、前記代表変動値算出手段が前記保存された複数の変動値に基づき平均値または最頻値をリアルタイムに算出する手順と、前記代表変動値保存手段がこの算出値を代表変動値として保存する手順とを有するものがある。

さらに、他の道路リンク旅行時間情報を予測する方法としては、現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する方法であって、
過去の旅行時間情報に基く代表変動値を算出する代表変動値算出手段と、前記代表変動値を保存する代表変動値保存手段と、現在時刻の旅行時間と前記代表変動値とに基き将来の道路リンク旅行時間情報の予測値を算出する制御手段とを有し、
前記代表変動値算出手段が、蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手順と、前記分類された時間属性に該当する時刻における旅行時間情報の値と、予測先時刻におけるその旅行時間情報の値との差分を、旅行時間情報の値別に分類する手順とを実行する手順と、
前記代表変動値保存手段が、旅行時間情報の値毎の変動値として逐次保存する手順と、前記保存された複数の変動値に基づき平均値と最頻値とを算出し、この算出値を該当する時間属性及び旅行時間情報の値の代表変動値として保存する手順とを実行する手順と、
前記制御手段が、前記保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手順とを有するものがある。

この道路リンク旅行時間情報の予測方法においては、前記代表変動値算出手段が、リアルタイムに得られる旅行時間情報の値を予め定めた曜日及び時間帯等の時間属性に分類する手順と、前記分類された旅行時間情報の値と予測先時刻における旅行時間情報の値との差分をさらに旅行時間情報の値別に分類する手順とを実行する手順と、前記代表変動値保存手段が前記旅行時間情報の値毎の変動値としてリアルタイムに保存する手順と、前記代表変動値算出手段が前記保存された複数の変動値から平均値や最頻値などをリアルタイムに算出する手順と、前記代表変動値保存手段がこの算出値を代表変動値として保存する手順とを有するものがある。このとき、前記時間属性毎、旅行時間情報の値毎に変動値を記憶する手順において、旅行時間情報の値を予め定めた値の幅毎に分類し、分類された階級ごとに変動値を記憶するものがある。

また、本発明の道路リンク旅行時間情報予測装置としては、現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する装置であって、
蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手段と、前記分類された時間属性に該当する時刻における旅行時間情報の値と予測先時刻におけるその旅行時間情報の値との差分を、逐次、変動値として複数保存する手段と、前記保存された複数の変動値から平均値や最頻値を算出し、この算出値を該当する時間属性における代表変動値として保存する手段と、前記保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手段とを備えたものがある。

この道路リンク旅行時間情報予測装置においては、前記リアルタイムに算出される旅行時間情報の値を予め定めた時間属性に分類する手段と、前記分類された旅行時間惰報の値と予測先時刻における旅行時間情報の値との差分を変動値としてとしてリアルタイムに保存する手段と、前記保存された複数の変動値に基づき平均値または最頻値をリアルタイムに算出し、この算出値を代表変動値として保存する手段とを備えたものがある。

さらに、他の本発明の道路リンク旅行時間情報予測装置としては、現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する装置であって、
蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手段と、前記分類された時間属性に該当する時刻における旅行時間情報の値と予測先時刻におけるその旅行時間情報の値との差分を旅行時間情報の値別に分類し旅行時間情報の値毎の変動値として逐次保存する手段と、前記保存された複数の変動値に基づき平均値または最頻値を算出し、この算出値を該当する時間属性および旅行時間情報の値の代表変動値として保存する手段と、前記保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手段とを備えたものがある。

この道路リンク旅行時間情報予測装置においては、前記リアルタイムに算出される旅行時間情報の値を予め定めた時間属性に分類する手段と、前記分類された旅行時間情報の値と予測先時刻における旅行時間情報の値との差分をさらに旅行時間情報の値別に分類し旅行時間情報の値毎の変動値としてリアルタイムに保存する手段と、前記保存された複数の変動値から平均値や最頻値などをリアルタイムに算出し、この算出値を代表変動値として保存する手段とを備えたものがある。また、時間属性毎、旅行時間情報の値毎に変動値を保存する手段において、旅行時間情報の値を予め定めた値の幅毎に分類し、この分類された階段毎に変動値を保存するものがある。

尚、本発明の道路リンク旅行時間情報の予測方法及びその装置はコンピュータとプログラムによっても実現でき、プログラムをコンピュータ読み取り可能な記録媒体に記録すること、ネットワークを通して提供することも可能である。前記記録媒体としては、例えばフレキシブルディスクや、ＭＯ、ＲＯＭ、メモリカード、ＣＤ、ＤＶＤ、リムーバルディスク等が挙げられる。

以上のように、本発明の道路リンク旅行時間の予測方法とその装置及びプログラム並びにその記録媒体によれば、予測先時刻と予測実行時刻との時間差が長い長期予測の場合でも精度が下がらないと共に予測直前に起きた非定常的な事象を予測に反映することができる。

また、該当する曜日、時間帯、旅行時間情報の所属する階級毎に代表変動値がファイルに保存されているので、予測処理を行なう場合には、ファイルを参照することにより現在の値から予測先時刻への変動値が得られる。そのため処理に要する時間はテーブルを参照するだけなので、計算処理が短い時間で読むという効果を奏する。

本発明の実施の形態について図面を参照しながら説明する。

図１は本発明の実施形態例を示した概略構成図である。

本実施形態例は、過去データを保存する手段としての過去データ記憶装置１０と、この保存手段から供給された旅行時間情報に基き後述の代表変動値を算出する手段としての代表変動算出装置１１と、前記代表変動値を保存する手段としての代表変動値記憶装置１２と、現在時刻の旅行時間と代表変動値記憶装置１２から供給された代表変動値とに基き旅行時間情報の予測値を算出する手段としての制御装置１４とを備える。尚、本実施形態では、リアルタイム旅行時間情報収集装置１３から現在時刻の旅行時間情報を導入している。

過去データ記憶装置１０は、蓄積された旅行時間情報Ｘ（ｔ）等の過去データを保存する記憶手段である。本実施形態例では、旅行時間情報Ｘ（ｔ）にはＸ（ｔ）が一定時間の間隔で記録される。例えば５分間隔で記録されているが、勿論これに限定されるものではない。

代表変動値算出装置１１は、時刻ｔの時間に関する属性や、旅行時間情報Ｘ（ｔ）が所属する階級によって、期待される代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）を算出するものである。

ここで、時刻ｔにおける時間属性とは、時刻ｔの時点での曜日や時間帯などの時間に関する属性のことであり、本実施形態では曜日ｙと時間帯ｈに相当する。例えば、ｙ＝１は月曜日、ｙ＝２は火曜日、そしてｙ＝７は日曜日を意味する。また、ｈは５分単位の時間帯を意味し、ｈ＝１は０：００：００〜０：０４：５９，ｈ＝２は０：０５：００〜０：０９：５９、ｈ＝２８８は２３：５５：００〜２３：５９：５９の時間帯を意味する。

本実施形態例における説明においては、ｔにおける曜日ｙと時間帯ｈの時間属性をベクトルＡｔｔ（ｔ）＝ベクトル（ｙ，ｈ）として説明する。また、Ｘ（ｔ）自身は位置付けされることを指す。また、本実施形態例では、Ｘ（ｔ）は所定の作業をするのに所要される時間のことを示す。さらに、本実施例では、階級ｋは１００［ｓ］幅で構成され、Ｘ（ｔ）が０〜９９の時にｋ＝１，Ｘ（ｔ）が１００〜１９９のときにｋ＝２となる。

代表変動値算出装置１１は、過去データ記憶装置１０から旅行時間情報Ｘ（ｔ）を読み込み、時刻ｔの曜日、時間帯とＸ（ｔ）の値が所属する階級により、Ｘ（ｔ）を分類する。

ここで、同一の時間属性及び階級に属するＸ（ｔ）の集合をωＡ（ｙ，ｈ，ｋ）とすると、例えば、
ωＡ１（ｙ＝１，ｈ＝１，ｋ＝１）＝｛Ｘ（ｔ１），Ｘ（ｔ５），Ｘ（ｔ１０），Ｘ（ｔ２０），…｝、
ωＡ２（ｙ＝１，ｈ＝１，ｋ＝２）＝｛Ｘ（ｔ６），Ｘ（ｔ８）｝、
ωＡ３（ｙ＝２，ｈ＝１，ｋ＝１）＝｛｝、
ωＡ１（ｙ＝１，ｈ＝２，ｋ＝２）＝｛Ｘ（ｔ９），Ｘ（ｔ１１），Ｘ（ｔ１８），Ｘ（ｔ１９），…｝等となり、
Ｘ（ｔ）の時刻ｔにおける時間属性ベクトルＡｔｔ（ｔ）＝ベクトル（ｙ，ｈ）及び所属する階級ｋの値毎の集合にＸ（ｔ）が分類される。

代表変動値算出装置１１は、この分類した集合ωＡ（ｙ，ｈ，ｋ）に対して、対応するそれぞれのＸ（ｔ）がΔｔ分後（ｎステップ先：）に測定された値である旅行時間情報Ｘ（ｔ＋Δｔ）の集合ωＢ（ｙ，ｈ，ｋ）を作成する。このときのΔｔ分は本実施形態例では、３０分（６ステップ先）とするが、任意の時間でもかまわない。

前記集合ωＢ（ｙ，ｈ，ｋ）は、例えば、
ωＢ１（ｙ＝１，ｈ＝１，ｋ＝１）＝｛Ｘ（ｔ１＋Δｔ），Ｘ（ｔ５＋Δｔ），Ｘ（ｔ１０＋Δｔ），Ｘ（ｔ２０＋Δｔ），…｝、
ωＢ２（ｙ＝１，ｈ＝１，ｋ＝２）＝｛Ｘ（ｔ６＋Δｔ），Ｘ（ｔ８＋Δｔ）｝、
ωＢ３（ｙ＝２，ｈ＝１，ｋ＝１）＝｛｝、
ωＢ４（ｙ＝１，ｈ＝２，ｋ＝２）＝｛Ｘ（ｔ９＋Δｔ），Ｘ（ｔ１１＋Δｔ），Ｘ（ｔ１８＋Δｔ），Ｘ（ｔ１９＋Δｔ），…｝等となる。

また、代表変動値算出装置１1は、これら作成した集合ωＡ（ｙ，ｈ，ｋ）と集合ωＢ（ｙ，ｈ，ｋ）の各Ｘ（ｔ）における差分を集合ωＣ（ｙ，ｈ，ｋ）として作成する。

前記集合ωＣ（ｙ，ｈ，ｋ）は、例えば、
ωＣ１（ｙ＝１，ｈ＝１，ｋ＝１）＝｛Ｘ（ｔ１＋Δｔ）−Ｘ（ｔ１），Ｘ（ｔ５＋Δｔ）−Ｘ（ｔ５），Ｘ（ｔ１０＋Δｔ）−Ｘ（ｔ１０），Ｘ（ｔ２０＋Δｔ）−Ｘ（ｔ２０），…｝、
ωＣ２（ｙ＝１，ｈ＝１，ｋ＝２）＝｛Ｘ（ｔ６＋Δｔ）−Ｘ（ｔ６），Ｘ（ｔ８＋Δｔ）−Ｘ（ｔ８）｝、
ωＣ３（ｙ＝２，ｈ＝１，ｋ＝１）＝｛｝、
ωＣ４（ｙ＝１，ｈ＝２，ｋ＝２）＝｛Ｘ（ｔ９＋Δｔ）−Ｘ（ｔ９），Ｘ（ｔ１１＋Δｔ）−Ｘ（ｔ１１），Ｘ（ｔ１８＋Δｔ）−Ｘ（ｔ１８），Ｘ（ｔ１９＋Δｔ）−Ｘ（ｔ１９），…｝等となる。

代表変動値算出装置１１は、この集合ωＣ（ｙ，ｈ，ｋ）から、対応する代表変動値をωＣ（ｙ、ｈ，ｋ）の平均値より算出する。

ΔＸ１_expected（ｙ＝１，ｈ＝１，ｋ＝１）＝ａｖｅｒａｇｅ（ωＣ１）
ここでａｖｅｒａｇｅ（ωＣ１）とは、ωＣ１に属する集合における平均値のことを示す。例えば、以下の数式で表せる。但し、Ｎ（ωＣ１）は集合ωＣ１に属する要素の個数である。

ａｖｅｒａｇｅ（ωＣ１）＝｛Ｘ（ｔ１＋Δｔ）−Ｘ（ｔ１）＋Ｘ（ｔ５＋Δｔ）−Ｘ（ｔ５）＋Ｘ（ｔ１０＋Δｔ）−Ｘ（ｔ１０）＋Ｘ（ｔ２０＋Δｔ）−Ｘ（ｔ２０）＋…｝／Ｎ（ωＣ１）
また、ΔＸ２_expected（ｙ＝１，ｈ＝１，ｋ＝２）、ΔＸ３_expected（ｙ＝２，ｈ＝１，ｋ＝１）及びΔＸ４_expected（ｙ＝１，ｈ＝２，ｋ＝１）等についても同様に、例えば、
ΔＸ２_expected（ｙ＝１，ｈ＝１，ｋ＝２）＝ａｖｅｒａｇｅ（ωＣ２）
ΔＸ３_expected（ｙ＝２，ｈ＝１，ｋ＝１）＝ａｖｅｒａｇｅ（ωＣ３）
ΔＸ４_expected（ｙ＝１，ｈ＝２，ｋ＝１）＝ａｖｅｒａｇｅ（ωＣ４）等
となり、時間属性ｙ，ｈ及び階級ｋから１つの値の代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）が定まる。

このとき、本実施形態例では、代表変動値を集合ωＣ（ｙ，ｈ，ｋ）の平均値から求めたが、平均値でなくても、最頻値、上位複数個の最頻値による平均など、代表値を示すものであれば、特に限定はしない。必要であれば外れ値の除外等この時点でスクリーン処理を行ってもかまわない。また、本実施形態例では、特に、スクリーン処理を行なわず平均値に基づき代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）が算出される。

ここで、集合ωＣ（ｙ，ｈ，ｋ）が空集合の場合には、前後の空集合でない集合ωＣ（ｙ，ｈ，ｋ）から一次の線形補間を行うことで△Ｘ_expectedを算出する。この場合、前後の集合ωＣ（ｙ，ｈ，ｋ）とは、時間属性ｙ，ｈが同一で、階級ｋの値が異なるωＣをさす。また、本実施形態例では、曜日・時間帯を時間属性、として取り扱いｙ＝１〜７，ｈ＝１〜２８８で実施形態例を説明したが、本手法における時間属性はこれに限らない。その時刻の日付の末尾が５か０である五十日であるといった属性を考慮し、属性ｆ｛ｆ＝０，１｜０＝五十日である，１：五十日でない｝を追加して、ベクトルＡｔｔ（ｔ＝ｔ_i）＝ベクトル（ｙ，ｈ，ｆ）としてもかまわない。さらには、休日・平日・午前・午後等の時間属性を作成してもよい。目的に応じて予測者が時間属憧を作成することが可能である。

また、同様に３０分先だけでなく、６０分先、１２０分先と必要分の予測先時間に応じてΔＸ_expected（ｙ，ｈ，ｋ）を作成する。

図２は、代表変動値算出装置１１における処理工程を説明したフローチャート図で、これまで説明してきた代表変換値を求める手順を示したものである。

Ｓ２１） 蓄積された旅行時間の時系列情報ファイルを開く。

Ｓ２２） ｉ＝１に基くｔの入力を受ける。

Ｓ２３） ｔが最後か否か判断する。ｔが最後でない場合はＳ２４）に移行する。ｔが最後である場合はＳ２８）に移行する。

Ｓ２４） ｉ＝ｉ＋１に基くｔの入力を受ける。

Ｓ２５） 時刻Ｘ（ｔ_i）から、時刻ｔ_iにおける時間属性ｙ，ｈを算出する。

Ｓ２６） Ｘ（ｔ_i）の値から所属する階級ｋを算出する。

Ｓ２７） Ｘ（ｔ_i）をｙ，ｈ，ｋの値から集合ωＡ（ｙ，ｈ，ｋ）に分類する。その後、Ｓ２３）に移行する。

Ｓ２８） 集合ωＡ（ｙ，ｈ，ｋ）からΔｔ分先の集合ωＢ（ｙ，ｈ，ｋ）を作成する。

Ｓ２９） 集合ωＡ（ｙ，ｈ，ｋ）及び集合ωＢ（ｙ，ｈ，ｋ）から変動値の集合ωＤ（ｙ，ｈ，ｋ）を作成する。

Ｓ３０） ΔＸが存在する集合ωＣ（ｙ，ｈ，ｋ）から平均値を求めて代表値ΔＸ_expectedとする。

Ｓ３１） ΔＸが存在しない集合ωＣについては、前後のωＣに対する代表変動値から一次の線形補間を行い、代表変動値ΔＸ_expectedとする。

また、代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）をリアルタイムに逐次、変更処理を行なう場合は、代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）のΣ値、標本数を記憶しておき、ステップ毎に平均値を計算し、更新するようにしてもかまわない。また、新しい変動値が得られる都度、最も古い変動値を削除して、変動値△Ｘを常に一定期問分保持しておき、そこから平均値を算出することで代表変動値ΔＸ_expected（ｙ，ｈ，ｋ）を更新してもかまわない。

図３は、代表変動値記憶装置に格納されるファイルのデータ形式の一例を示した概略図である。図示されたように、代表変動値記憶装置１２は、曜日・時刻の時間属性及び階級ｋ毎に、期待される変動値ΔＸ_expected（ｙ，ｈ，ｋ）を記憶する記憶手段である。代表変動値記憶装置１２に格納されるファイルは予測する時素列情報の１つ毎に、必要な各予測先時間幅（例えば、１０分先、２０分先、３０分先、６０分先、１２０分先）の数だけ作成される。図の例では、３０分先を予測するファイル２００，６０分先を予測するファイル２１０，９０分先を予測するファイル２２０が用意されている。尚、図記載のファイルにおいて時刻ｈの列に開示された０００、００５、８００、８０５、８１０、２３５５は時刻０：００、０：０５、８：００、８：０５、８：１０、２３：５５を意味する。

リアルタイム旅行時間情報収集装置１３は、現在時刻におけるＸ（ｔ＝ｔ_now）を制御装置１４に供給する。制御装置１４は、リアルタイム旅行時間情報収集装置１３から送られてきた現在時刻におけるＸ（ｔ＝ｔ_now）の値を受け取る。その後、現在の時刻から、受け取ったＸ（ｔ＝ｔ_now）の該当する時刻属性をベクトルＡｔｔ（ｔ＝ｔ_now）＝ベクトル（ｙ_now，ｈ_now）と算出する。同様に、Ｘ（ｔ＝ｔ_now）の該当する階級ｋ_nowを算出する。その後、制御装置１４は、代表変動値記憶装置１２からｙ_now，ｈ_now，ｋ_nowに該当する代表変動値ΔＸ_expected（ｙ_now，ｈ_now，ｋ_now）を読み取る。

その後、Ｘ（ｔ＝ｔ_now）に代表変動値ΔＸ_expected（ｙ_now，ｈ_now，ｋ_now）を加えて、将来の予測情報をｎステップ先の予測値として出力する。

図４は制御装置１４における処理工程を説明したフローチャート図で、前記説明した予測値を算出する手順を示したものである。

Ｓ４１） リアルタイム旅行時間情報収集装置１３から現在の旅行時間Ｘ（ｔ＝ｔ_now）が供給される。

Ｓ４２） 現在の時刻及びＸ（ｔ＝ｔ_now）から該当する時刻属性、階級ｙ_now，ｈ_now，ｋ_nowを算出する。

Ｓ４３） ｎステップ先を予測するための代表変動値が保存されたファイルを開き、ｙ_now，ｈ_now，ｋ_nowからΔＸ_expected（ｙ_now，ｈ_now，ｋ_now）を算出する。

Ｓ４４） 現在の旅行時間Ｘ（ｔ＝ｔ_now）にΔＸ_expected（ｙ_now，ｈ_now，ｋ_now）を足した値を予測旅行時間Ｘ（ｔ＝ｔ_i＋ｎ）として出力する。

以上の実施形態例に基き本発明の予測方法について説明したが、本発明はこれに限定されるものではない、例えば、実施形態例に示した数値はあくまでも説明の便宜上に過ぎないものであって、本発明はこれに限定されるものではない。

また、実施形態例で述べた予測方法は、図１〜図４を参照しながら説明した処理工程をコンピュータのプログラムで構成し、このプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラム、あるいは、コンピュータにその処理の工程の実行させるためのプログラムを、そのコンピュータが読み取りできる記録媒体、例えば、フレキシブルディスクや、ＭＯ、ＲＯＭ、メモリカード、ＣＤ、ＤＶＤ、リムーバルディスク等に記録して、保存したり、配布したりすることが可能である。また、このプログラムをインターネットや電子メールなど、ネットワークを介して提供することも可能である。

そして、これら記録媒体からコンピュータに前記のプログラムをインストールすることにより、あるいはネットワークからダウンロードしてコンピュータに前記のプログラムをインストールすることにより、本発明を実施することが可能となる。但し、コンピュータへのインストールはコンピュータ単位であり、装置やシステムが複数あることなどでインストールの対象となるコンピュータが複数ある場合には、当該プログラムは必要な処理部分毎にインストールされることは当然である。この場合、当該プログラムはコンピュータ対応に記録媒体に記録するか、またはネットワークを介してダウンロードしてもよい。

本発明の実施形態例を示した概略構成図。 代表変動値算出装置における処理工程を説明したフローチャート図で、代表変換値を求める手順を示したもの。 代表変動値記憶装置に格納されるファイルのデータ形式を示した概略図。 制御装置における処理工程を説明したフローチャート図で、予測値を算出する手順を示したもの。

符号の説明

１０…過去データ記憶装置
１１…代表変動値算出装置
１２…代表変動値記憶装置
１３…リアルタイム旅行時間情報収集装置
１４…制御装置

Claims (8)

1. 現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する方法であって、
   過去の旅行時間情報に基く代表変動値を算出する代表変動値算出手段と、前記代表変動値を保存する代表変動値保存手段と、現在時刻の旅行時間と前記代表変動値とに基き将来の道路リンク旅行時間情報の予測値を算出する制御手段とを有し、
   前記代表変動値算出手段が、蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手順と、前記分類された時間属性に該当する時刻における旅行時間情報の値と、予測先時刻におけるその旅行時間情報の値との差分を、旅行時間情報の値別に分類する手順とを実行する手順と、
   前記代表変動値保存手段が、旅行時間情報の値毎の変動値として逐次保存する手順と、前記保存された複数の変動値に基づき平均値と最頻値とを算出し、この算出値を該当する時間属性及び旅行時間情報の値の代表変動値として保存する手順とを実行する手順と、
   前記制御手段が、前記保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手順と
   を有することを特徴とする道路リンク旅行時間情報の予測方法。
2. 前記代表変動値算出手段が、リアルタイムに得られる旅行時間情報の値を予め定めた曜日及び時間帯等の時間属性に分類する手順と、前記分類された旅行時間情報の値と予測先時刻における旅行時間情報の値との差分をさらに旅行時間情報の値別に分類する手順とを実行する手順と、
   前記代表変動値保存手段が、前記旅行時間情報の値毎の変動値としてリアルタイムに保存する手順と、
   前記代表変動値算出手段が、前記保存された複数の変動値から平均値や最頻値などをリアルタイムに算出する手順と、
   前記代表変動値保存手段が、この算出値を代表変動値として保存する手順と
   を有することを特徴とする請求項１記載の道路リンク旅行時間情報の予測方法。
3. 前記時間属性毎、旅行時間情報の値毎に変動値を記憶する手順において、
   旅行時間情報の値を予め定めた値の幅毎に分類し、分類された階級ごとに変動値を記憶すること
   を特徴とする請求項１記載の道路リンク旅行時間情報の予測方法。
4. 現在及び過去の旅行時間情報に基づき将来の道路リンク旅行時間を予測する装置であって、
   蓄積された過去の旅行時間情報を予め定めた時間属性に基づいて分類する手段と、
   前記分類された時間属性に該当する時刻における旅行時間情報の値と予測先時刻におけるその旅行時間情報の値との差分を、旅行時間情報の値別に分類し、旅行時間情報の値毎の変動値として逐次保存する手段と、
   前記保存された複数の変動値に基づき平均値または最頻値を算出し、この算出値を該当する時間属性および旅行時間情報の値の代表変動値として保存する手段と、
   前記保存された代表変動値を現在の旅行時間情報の値に加えることで将来の道路リンク旅行時間情報の予測値を算出する手段と
   を備えたことを特徴とする道路リンク旅行時間情報予測装置。
5. 前記リアルタイムに算出される旅行時間情報の値を予め定めた時間属性に分類する手段と、
   前記分類された旅行時間情報の値と予測先時刻における旅行時間情報の値との差分をさらに旅行時間情報の値別に分類し旅行時間情報の値毎の変動値としてリアルタイムに保存する手段と、
   前記保存された複数の変動値から平均値や最頻値などをリアルタイムに算出し、この算出値を代表変動値として保存する手段と
   を備えたことを特徴とする請求項４記載の道路リンク旅行時間情報予測装置。
6. 時間属性毎、旅行時間情報の値毎に変動値を保存する手段において、旅行時間情報の値を予め定めた値の幅毎に分類し、この分類された階段毎に変動値を保存することを特徴とする請求項４記載の道路リンク旅行時間情報予測装置。
7. 請求項１〜３のいずれか１項に記載の道路リンク旅行時間情報の予想方法をコンピュータで実行させるための道路リンク旅行時間予想プログラム。
8. 請求項１〜３のいずれか１項に記載の道路リンク旅行時間情報の予想方法をコンピュータで実行させるための道路リンク旅行時間予想プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

Images