JP4052262B2 - 旅行時間予測方法、装置及びプログラム - Google Patents

Description

本発明は、旅行時間を予測しようとする道路区間の、過去の旅行時間統計データを用いて、道路区間の当日の旅行時間を予測する方法、装置及びプログラムに関するものである。

最近の交通需要の増大と、インターネット、携帯電話などの情報伝達媒体の普及に伴い、交通情報提供に対するニーズが高まっている。交通情報のうち、走行車両が道路区間を走行するのに要する時間（旅行時間という）の情報は、交通渋滞の把握、目的地に到達する最短経路や迂回経路の算出、などに有用である。
特に、ある道路区間に注目して、当日の将来時刻の旅行時間を予測することが重要である。将来時刻の旅行時間を予測できれば、渋滞などが予測できるので、当該道路区間を避けた目的地までの経路を探索して車両に通知したり、車両に迂回指示を出したりすることができ、未然に交通渋滞の回避ができる。

そこで、交通計測を行って収集した過去の旅行時間統計データを使って、将来の旅行時間を予測する方法が提案されている。この方法は、当日の現時刻までの旅行時間実測データを取り込み、旅行時間データベースに蓄積された旅行時間統計データの中から、現時刻までの旅行時間実測データの旅行時間の傾向に最も類似するパターンを検索し、類似パターンが現時刻までの旅行時間実測データの変化傾向と似ているときは、類似パターンをそのまま旅行時間予測値として用い、変化傾向は似ているが全体に旅行時間に時間差の生じているときは、その両データの比率を類似パターンに乗算することにより、旅行時間予測データを作成する。
特開2001-126180号公報

当日の現時刻までの旅行時間実測データと、旅行時間データベースに蓄積された旅行時間統計データとを比較するにあたって、当日と同じ日付、曜日、天候、催事の有無などを満たす日を選定し、その日の旅行時間統計データを抽出する。ここに、日、曜日、天候、催事の有無など、旅行時間とその分布に影響を与える条件を「交通条件」という。交通条件の同じ日の旅行時間統計データを抽出するのは、交通条件が同じ日であれば、その日に突発的な事象（事故、道路工事、異常気象など）が起こらなかった限り、旅行時間とその分布が似ていると考えられるので、比較的精度のよい旅行時間の予測ができるからである。

例えば、当日が「１３日」であることに注目するならば、前月の１３日、前々月の１３日などの旅行時間統計データを抽出する。
ところで、２日以上休日又は土曜が連続している場合（祝日、土曜、日曜が続く場合、祝日が日曜にあたりその翌日を休日とする場合など、いわゆる連休）や、休日ではないけれども、前又は後に休日又は土曜があって慣習上連休とされる場合（正月連休、ゴールデンウィーク、旧盆休みなど）がある。

このような連休（慣習上連休とされる場合を含む）の中に含まれる日の旅行時間予測を行う場合、考慮すべき交通条件は単純ではない。
例えば、交通条件として、当日と同じ日付の日であることにのみ注目するだけでは、精度のよい予測ができないことがある。正月連休が終わりＵターンラッシュのある１月４日を例にとれば、１月４日が土曜日であれば次の日が日曜であるので、そうでない場合よりも混雑度は高くなると予想される。逆に１月１日は、何曜であっても、混雑度は低い。また、１月４日は、正月連休の後半であり、同じ後半に属する１月３日と似た振る舞いをするとも考えられる。

このように、何月何日か、何曜か、といったいずれか単数の要素だけを考慮していては、精度のよい予測はできない。
そこで本発明は、複数の要素を考慮して、精度のよい予測を行うことができる旅行時間予測方法を提供することを目的とする。
また、本発明は、旅行時間を予測しようとする道路区間の、当日の現在時刻までの旅行時間実測データと、過去の複数の要素を考慮した旅行時間統計データとを用いて、精度のよい予測を行うことができる旅行時間予測方法、装置及びプログラムを提供することを目的とする。

本発明の旅行時間予測方法は、当該連休と同じ連休の中に含まれる日のうち当日と同じ日付の日、当該連休と同じ連休の中に含まれる日のうち当日と同じ曜日の日、及び当日が当該連休の前半に属する場合、当該連休と同じ連休の前半に属する日、又は当日が当該連休の後半に属する場合、当該連休と同じ連休の後半に属する日において過去に収集された旅行時間統計データをそれぞれ取得し、前記取得された複数の旅行時間統計データの重み付き平均をとって、その平均データに基づき、当日の当該道路区間の旅行時間を予測する方法である（請求項１）。
この方法では、当日と同じ日付の日、同じ曜日の日、及び連休の中の前半・後半に属する日の旅行時間統計データの重み付き平均をとって当日の当該道路区間の旅行時間を予測するので、日、曜日、連休の前半・後半を単独で考慮するよりも、予測の精度が向上する。
特に、連休の中の前半・後半の位置づけを考慮することは、前半は地方へ帰省、後半都会に戻るといったように、連休の前半同士、後半同士で旅行時間の変動傾向に関連があるからである。

前記重み付き平均をとる場合の、当日と同じ日付の日に対する重み係数α、同じ曜日の日に対する重み係数β、及び連休の前半・後半に対する重み係数γは、当日がどのような日であるかに応じてあらかじめ決定されていることが好ましい（請求項２）。例えば、当日が１月３日であれば、曜日よりも、１月３日であることと、連休の後半であることを重視して、βよりもα又はγの比率を大きくする。したがって、曜日にかかわらず過去の１月３日や１月４日の旅行時間統計データが重視される。当日が１月４日であれば、日付と、連休の後半であることと、曜日（例えば５日が日曜と平日とでは４日の混み具合が違う）を重視して、α，β，γの比率を評価する。したがって、過去の１月３日や１月４日の旅行時間統計データ、特に過去の１月３日や１月４日が同じ曜日である年の旅行時間統計データが重視される。

前記曜日は平日、土曜、日曜の３種類に区分されるものであってもよい（請求項３）。これによれば月曜日から金曜日までは同等に扱われる。
前記取得される旅行時間統計データは、過去Ｎ年分（Ｎは１以上の整数）のデータからとる（請求項４）。
この場合、Ｎの値が大きくなるほど小さくなる係数を、前記重み係数α、β又はγにかけて、重み付き平均をとることが望ましい（請求項５）。これは古いデータほど年数が経って、当日のデータ予測との関連性が低くなるためである。

旅行時間予測データを予測するに際して、旅行時間を予測しようとする道路区間の、当日の現在時刻までの旅行時間実測データを収集し、前記取得された平均データを用いて、当日の現在時刻以後の旅行時間予測データを予測することができる（請求項６）。
さらに本発明の旅行時間予測装置は、前記請求項１から請求項８までのいずれかに記載の旅行時間予測方法を実施するものである（請求項７）。

本発明の旅行時間予測プログラムは、前記請求項１から請求項８までのいずれかに記載の旅行時間予測方法をコンピュータに実行させるものである（請求項８）。

以上のように本発明によれば、旅行時間を予測しようとする道路区間の、当日と同じ日付の日、同じ曜日の日、及び連休の中の前半・後半に属する日の旅行時間統計データの重み付き平均をとって予測するので、精度のよい予測を行うことができる。したがって、予測した旅行時間を、渋滞予測や、最短経路や迂回経路などの算出に活用することができる。

以下、本発明の実施の形態を、添付図面を参照しながら詳細に説明する。
図１は道路地図であり、交差点から交差点までの間の一方向の道路区間Ｌを示している。車両感知器や路側ビーコンは、この道路区間Ｌのいずれかの位置、例えば片端に設けられている。車両感知器は、道路の上から超音波や光のパルスを発射して、戻ってくる時間を測定することによって車両の存在を感知するセンサである。路側ビーコンは、車載通信装置と双方向通信を行うことによって、車両の識別を行うとともに、その車両が前回通過した路上ビーコンの情報やその通過時刻の情報を取得する通信装置である。

図２は、本発明の旅行時間予測方法を実施するための旅行時間予測装置の概略図である。旅行時間予測装置は、コンピュータなどを含む処理装置１と、旅行時間実績データなどを記憶する記憶装置２と、管轄道路の各地点に設置された車両感知器や路上ビーコンからの信号を取り入れるためのインターフェイス３と、表示装置、キーボードなどの入出力装置４とを備えている。

処理装置１のコンピュータは、内部のハードディスクなどの記憶媒体に記憶されたプログラムに基づいて、以下の旅行時間予測方法を実行する。
処理装置１が、旅行時間のデータを収集する方法をいくつか説明する。処理装置１は、車両感知器の感知信号に基づいて交通量ｑ（単位時間（例えば５分間）あたりの車両の通過台数）を算出する。車両感知器は道路区間ごとに設置されているので、交通量ｑも道路区間ごとに求められる。さらに処理装置１は、占有時間Ｏ（単位時間（例えば５分間）内に、各車両ｋが車両感知器を横切った時間ｔkの総和Σｔk）を検知する。処理装置１は、交通量ｑ、占有時間Ｏ、及び平均車長（一定値とする）Ｉを用いて、式Ｖ＝Ｉ・ｑ／Ｏにより車両の平均速度Ｖを計算し、これと道路区間の長さＬを用いて、式Ｔ＝Ｌ／Ｖにより旅行時間Ｔを計算する。

道路区間に路上ビーコンが設置されていて、車載装置との双方向通信により車両が識別できるときは、同一車両が道路区間の端を通過した時刻と道路区間の他の端を通過した時刻とから、道路区間を走行するのに要した旅行時間を求めることもできる。単位時間（例えば５分間）内に複数の車両を同定できたならば、各車両の旅行時間の平均をとる。
以上の他に、カメラの計測画像から車両のプレートナンバーをマッチングして車両を同定し、同一車両が道路区間の端を通過した時刻と道路区間の他の端を通過した時刻とから、道路区間を走行するのに要した時間Ｔを求めるようにしてもよい。この場合も、単位時間（例えば５分間）内に複数の車両を同定できたときは、各車両の旅行時間の平均をとる。

以上のようにして求めた複数種類の旅行時間について、重み付き平均値をとって、これを旅行時間としてもよい。重みとしては、経験上定めた値を採用すればよい。
処理装置１は、旅行時間のデータを、道路区間ごと時間帯ごとに記憶装置２に蓄積する。この蓄積されたデータを「旅行時間統計データ」という。この蓄積をするときに、時系列データのばらつきを排除するため、データの平滑化を行うことが望ましい。平滑化は、後述するように、移動平均、指数平滑等の平滑化手法を用いて行う。しかし、これ以外に、時系列データに対して離散コサイン変換をして複数の周波数成分に分解し、分解された周波数成分のうち、周波数の高い部分は除去し、残った周波数の低い成分だけを用いて離散コサイン逆変換をして、ばらつきの影響が排除された時系列データを作成してもよい。前記離散コサイン変換に代えて、フーリエ変換やウェーブレット変換を採用してもよい。

次に処理装置１は、当日の予測したい道路区間について、以下の処理により旅行時間の予測を行う。
以下、当日が連休（慣習上連休とされる場合を含む）の中に含まれる場合の旅行時間予測を行う方法を説明する。
図３は、旅行時間の予測処理を説明するためのフローチャートである。

まず、処理装置１は、管轄道路の中から予測したい道路区間を指定する。そして、当日と同じ連休に属する日を選定し、それらの日の時間帯（例えば５分間）ごとの旅行時間統計データを抽出する（ステップＳ１）。
次に処理装置１は、記憶装置２から当日収集された旅行時間データ（「旅行時間実績データ」という）を読み出す。これにより、特定された各道路区間について、現在時刻に至るまでの時間帯（例えば５分間）ごとの時系列データが得られる。次に処理装置１は、前記連休の中に含まれる日の旅行時間統計データの中から、この当日の旅行時間実績データと時間変動の傾向（パターン、トレンド）の似ている旅行時間統計データを選定する（ステップＳ２）。これにより、当日の旅行時間実績データと時間変動の傾向の似ていない日の旅行時間統計データを除外することができる。

次に以上のステップＳ２の手順を、具体例をあげて詳しく説明する。
まず記号を導入する。当日の旅行時間実測データをＴ₀(j)と書く。添え字"０"は当日であることを表す。また、連休の中の過去の旅行時間統計データをＴ_k(j)と書く。添え字ｋは、各旅行時間統計データをあらわす。括弧内の"ｊ"は時間帯を表す。現在の時間帯ならばｊ＝０、１つ前の時間帯ならばｊ＝−１、２つ前の時間帯ならばｊ＝−２、１つ先の時間帯ならばｊ＝１、２つ先の時間帯ならばｊ＝２、などである。

図５は、当日の旅行時間実測データＴ₀(j)と、ステップＳ１で抽出された同じ連休に属する日の旅行時間統計データＴ₁(j) ，Ｔ₂(j) ，...，Ｔ_N(j)を描いたグラフである。Ｎは抽出された旅行時間統計データの総数である。現在時刻とそれ以前の時刻ｊ＝０，−１，−２，・・・のデータのみを描いている。
ここで、旅行時間実測データＴ₀(j)と旅行時間統計データＴ₁(j) ，Ｔ₂(j) ，...，Ｔ_N(j)とは、平滑化されたデータを用いる。平滑化されていないデータを用いれば、変動が多すぎて、実用になりにくいからである。

平滑化方法として、当該時刻を含む過去の範囲の時刻にわたって平均をとられたデータを用いることが好ましい。過去の範囲の時刻にわたって平均をとるのは、旅行時間実測データＴ₀(j)は過去のデータしか収集できないので、将来の時刻にわたって平均をとることができない。例えば、指数平滑を採用する。指数平滑とは、今回のデータと前回のデータとを重みをつけて足すことにより平滑化する方法である。前回のデータも、前々回のデータの重みがかかっているので、過去の履歴を引きずったデータとなる。

処理装置１は、旅行時間実測データＴ₀(j)と、時間変動の傾向（パターン、トレンド）の似ている旅行時間統計データをＴ₁(j) ，Ｔ₂(j)，...を選択する。この似ているかどうかの判定には、各旅行時間統計データＴ_k(j)にごとに、次のような距離評価関数F(k)を作成する。k=1からNまでのいずれかである。
F(k)＝｛Σ[Ｔ₀(j)−Ｔ_k(j)]²｝^1/2
ここで総和Σは、現在時刻からj=0から、過去に遡った所定の時刻（例えば当日の始まり、早朝の時刻）までとる。１つ１つの旅行時間統計データＴ_k(j)に対応するF(k)が小さいほど、Ｔ₀(j)とＴ_k(j)との距離が短く、時間変動の傾向（パターン、トレンド）が似ている。

また、他の評価関数として、傾きの関数G(k)を採用してもよい。
G(k)＝｛Σ[（Ｔ₀(j)−Ｔ₀(j-1)）−（Ｔ_k(j)−Ｔ_k(j-1)）]²｝^1/2
総和Σは、現在時刻からj=0から、過去に遡った所定の時刻までとる。G(k)が小さいほどＴ₀(j)の傾きとＴ_k(j)の傾きが近いので、時間変動の傾向（パターン、トレンド）が似ている。

前記評価関数F(k)とG(k)との線形和
H(k)＝αF(k)＋βG(k)
を評価関数としてもよい。
この評価関数の値（評価値という）がしきい値よりも小さな旅行時間統計データＴ_k(j)を、１又は複数選択する。しきい値よりも大きな旅行時間統計データは捨てる。これらの平均的傾向からかけ離れたデータは、突発的な事象（事故、道路工事、異常気象など）に基づくものと考えられるので、旅行時間の予測精度の低下要因になると考えられるからである。

このようにして、当日の旅行時間実測データとパターン、トレンドの似ている１又は複数の旅行時間統計データが選定される。選択された旅行時間統計データＴ_k(j)の個数をＭとする。
Ｍ個の選定された旅行時間統計デをータＴ₁(j) ，Ｔ₂(j) ，・・，・・Ｔ_M(j)と書くことにする。それらを代表するときは、Ｔ_k(j) と表記する。

次に、選定された旅行時間統計データの、重み付き平均をとる。
ここで重み係数のとり方を説明する。
例えば、２００２年、２００３年の正月連休の旅行時間統計データを用いて２００４年の正月連休の旅行時間を予測するものとする。
あるリンクにおける２００２年１月１日から１月６日の午前１１時の旅行時間を図４（ａ）に示し、同じリンクにおける２００３年１月１日から１月６日の午前１１時の旅行時間を図４（ｂ）に示す。縦軸の旅行時間の単位は秒である。

処理装置１は、正月連休の旅行時間を予測しようとする当日と同じ日付の日の旅行統計データの重みをαとし、当日と同じ曜日の日の旅行統計データの重みをβとし、当日が含まれる当該連休の前半又は後半に属する他の日の旅行統計データの重みをγとする。「前半」「後半」の定義は、一般に都会から見て帰省客がＵターン客よりも多い日を前半に属する日とし、Ｕターン客が帰省客よりも多い日を後半に属する日とする。正月連休の場合、１月２日及びそれ以後は、Ｕターン客が帰省客よりも多いので後半に属する。１月１日は、その逆であり、前半に属するとする。

図４（ａ），（ｂ）を参照して、２００４年の正月連休の各日の旅行時間を予測すると、次のようになる。
２００４年１月１日は祝日であるため、同じ日との対応付を重視してα＝１，β＝０，γ＝０とする。
２００４年１月２日は同じ日との対応付及び連休の後半に属する他の日との対応付を重視して、α＝０．５，β＝０，γ＝０．５とする。

２００４年１月３日は同じ日との対応付及び連休の後半に属する他の日との対応付を重視して、α＝０．５，β＝０，γ＝０．５とする。
２００４年１月４日（日曜日）は同じ日との対応付、連休の後半に属する他の日との対応付よりも曜日を重視する。この理由は次のようになる。図４（ａ）の２００２年１月４日は旅行時間が比較的少なく、図４（ｂ）の２００３年１月４日は旅行時間が比較的多い。これは２００２年１月４日は金曜日で平日であるため、Ｕターンは少なく、交通量が少ない。２００３年１月４日は土曜日であるため、５日まで休みの日とのＵターンが多い。このように、１月４日を予測する場合、曜日が重要な要素となる。そこで、２００４年１月４日の旅行時間を予測するのに、曜日も重視して、α＝１／３，β＝１／３，γ＝１／３とする。

２００４年１月５日（月曜日）は、正月休みもほとんど終りと考えて良いので、同じ日との対応付けや連休の後半に属する他の日との対応付けよりも、曜日との関係を重視する。したがって、α＝０，β＝１，γ＝０とする。
このように重みが決まれば、過去の旅行時間統計データに重みを付けて平均データを算出する（ステップＳ３）。

旅行時間統計データＴ_k(j)のうち、 当日と同じ日の旅行時間統計データＴ_k(j)をＴ_ka(j)と書き、 当日と同じ曜日の旅行時間統計データＴ_k(j)をＴ_kb(j)と書き、 当日と同じ連休の前半又は後半に属する日の旅行時間統計データＴ_k(j)をＴ_kc(j)と書くことにする。重み係数α、重み係数β、重み係数γを使って、平均旅行時間統計データをＴ_m(j)を求めると次の式のようになる。

Ｔ_m(j)＝α［ΣＴ_ka(j)／ｍ_a］＋β［ΣＴ_kb(j)／ｍ_b］
＋γ［ΣＴ_kc(j)／ｍ_c］
総和Σはデータの数にわたってとる。ｍ_aは、当日と同じ日の旅行時間統計データの数、ｍ_bは、当日と同じ曜日の旅行時間統計データの数、ｍ_cは、当日と同じ連休の前半又は後半に属する日の旅行時間統計データの数である。ただし、
ｍ_a＋ｍ_b＋ｍ_c≧ｍ
の関係がある。“＞”がなりたつのは、当日と同じ日付の日、同じ曜日の日、同じ連休の前半又は後半に属する日が重複することがあるからである。

前記取得される旅行時間統計データは、過去Ｎ年分（Ｎは１以上の整数）のデータである場合は、Ｎの値が大きくなるほど小さくなる係数を、前記重み係数α、β又はγにかけて、重み付き平均をとることが望ましい。過去の履歴データでも、新しいものほど現在と旅行時間の変動が似ていると考えられるため、データの新しさに応じて、前記重み係数α、β又はγを、さらに重み付けする。この重み係数をδ_Nと書けば、たとえは゛
δ_N＝ｍａｘ｛１０−Ｎ，０｝
のように表される。Ｎは旅行時間統計データＴ_k(j)が何年前のデータであるかをあらわす。この式は、過去１０年分の旅行時間統計データを考慮し、その中で新しいものほど大きな重みをとることを意味している。また、
δ_N＝１００／Ｎ
などとしてもよい。平均旅行時間統計データは、
Ｔ_m(j)＝α［Σδ_N,kaＴ_ka(j)］＋β［Σδ_N,kbＴ_kb(j)］
＋γ［Σδ_N,kcＴ_kc(j)］
で算出される。

さらにこの平均データの現在時刻の旅行時間に対して、当日の旅行時間実績データの現在時刻の旅行時間との差又は比をとる（ステップＳ４）。この差又は比に基づいて、当日の将来時刻の旅行時間予測データを算出する（ステップＳ５）。
図６は、この旅行時間予測データの算出方法を説明するグラフを示す。この平均旅行時間統計データＴm(j)を用いて、当日の旅行時間実測データＴ₀(j)を、将来時刻に向かって延長する。この延長されたデータを「旅行時間予測データ」という。

図６に示すように、旅行時間予測データ（破線）は、当日の旅行時間実測データの現在値Ｔ₀(0)と、平均旅行時間統計データの現在値Ｔ_m(0)との差ΔＴを、平均旅行時間統計データＴm(j)に加えることにより求まる。
また、当日の旅行時間実測データの現在値Ｔ₀(0)と、平均旅行時間統計データの現在値Ｔ_m(0)との比ΔＲを、平均旅行時間統計データＴm(j)にかけて求めてもよい。

以上のようにして、当日と同じ連休に属する複数の日の旅行時間統計データの中から、旅行時間実測データとパターン、トレンドの類似する旅行時間統計データを採用し、さらに当日がどのような日かに応じて、重み係数を決定し、旅行時間統計データの重み付け平均をとり、この重み付け平均をとった旅行時間統計データに基づいて、旅行時間実測データを延長することにより、当日の旅行時間予測データを算出する。この処理により、当日の将来時刻の旅行時間を精度よく算出することができる。

以上で、本発明の実施の形態を説明したが、本発明の実施は、前記の形態に限定されるものではなく、本発明の範囲内で種々の変更を施すことができる。

交差点から交差点までの間の一方向の道路区間Ｌを示す道路地図である。 本発明の旅行時間予測方法を実施するための旅行時間予測装置の概略図である。 本発明の旅行時間予測方法の流れを説明するためのフローチャートである。 ２００２年１月１日から１月６日までの午前１１時の旅行時間を示すグラフ（ａ）及び２００３年１月１日から１月６日までの午前１１時の旅行時間を示すグラフ（ｂ）である。縦軸は旅行時間（秒）を表す。 当日の旅行時間実測データＴ₀(j)、及び同じ連休に属する日の旅行時間統計データＴ₁(j) ，Ｔ₂(j)を描いたグラフである。 当日の将来時刻の旅行時間予測データを求める方法を説明するためのグラフである。

符号の説明

１ 処理装置
２ 記憶装置
３ インターフェイス
４ 入出力装置
Ｌ 道路

Claims (8)

1. 連休の中に含まれる日のうち、旅行時間を予測したい日（以下「当日」という）における道路区間の旅行時間を予測する方法であって、
   前記道路区間について、
   （ａ）当該連休と同じ連休の中に含まれる日のうち当日と同じ日付の日、
   （ｂ）当該連休と同じ連休の中に含まれる日のうち当日と同じ曜日の日、及び
   （ｃ）当日が当該連休の前半に属する場合、当該連休と同じ連休の前半に属する日、又は当日が当該連休の後半に属する場合、当該連休と同じ連休の後半に属する日、
   において、過去に収集された旅行時間統計データをそれぞれ取得し、
   前記取得された複数の旅行時間統計データの重み付き平均をとって、その平均データに基づき、当日の当該道路区間の旅行時間を予測することを特徴とする旅行時間予測方法。
2. 前記重み付き平均をとる場合の、当日と同じ日付の日に対する重み係数α、当該連休の中に含まれる日のうち当日と同じ曜日の日に対する重み係数β、及び当日が含まれる連休の前半又は後半に属する日に対する重み係数γは、当日がどのような日であるかに応じてあらかじめ決定されている請求項１記載の旅行時間予測方法。
3. 前記「曜日」は平日、土曜、日曜の３種類に区分される前記請求項１または請求項２記載の旅行時間予測方法。
4. 前記取得される旅行時間統計データは、過去Ｎ年分（Ｎは１以上の整数）のデータである請求項１から請求項３までのいずれか１項に記載の旅行時間予測方法。
5. Ｎの値が大きくなるほど小さくなる係数を、前記重み係数α、β又はγにかけて、重み付き平均をとる請求項４記載の旅行時間予測方法。
6. 当日の現在時刻以後の旅行時間予測データを予測することを特徴とする請求項１記載旅行時間予測方法。
7. 道路ネットワーク上で収集された各道路区間の旅行時間データベースを用いて、道路区間の旅行時間を予測する装置であって、
   前記請求項１から請求項６までのいずれか１項に記載の旅行時間予測方法を実施することを特徴とする旅行時間予測装置。
8. 道路ネットワーク上で収集された各道路区間の旅行時間データベースを用いて、道路区間の将来の旅行時間を予測するためのプログラムであって、
   前記請求項１から請求項６までのいずれか１項に記載の旅行時間予測方法をコンピュータに実行させることを特徴とする旅行時間予測プログラム。

Images