JP4134842B2

JP4134842B2 - 交通情報予測装置、交通情報予測方法及びプログラム

Info

Publication number: JP4134842B2
Application number: JP2003290265A
Authority: JP
Inventors: 博子森; 孝広志賀; 広宣北岡; 英二寺本
Original assignee: Toyota Central R&D Labs Inc
Current assignee: Toyota Central R&D Labs Inc
Priority date: 2003-08-08
Filing date: 2003-08-08
Publication date: 2008-08-20
Anticipated expiration: 2023-08-08
Also published as: JP2005063034A

Description

本発明は、交通情報予測装置、交通情報予測方法及びプログラムに係り、例えば過去データを用いて、旅行時間、交通量、占有率、渋滞長、通過時間などの交通情報を予測する交通情報予測装置、交通情報予測方法及びプログラムに関する。

将来の交通状況を予測するために、現在の交通状況に近い状況を過去データから検索することが提案されている（例えば、特許文献１及び特許文献２を参照。）。

特許文献１に記載された技術は、交通状況を予測するための最新データを収集して逐次時系列データとして蓄積し、時系列データの最新値を予測値とし一定時間前の時系列データを当該時系列パターンとしたパターンセットを生成し、前記作成された最新の時系列データと同じパターンを持つパターンセット群中のパターンセットに保持されている予測値から交通状況の予測値を求めるものである。つまり、特許文献１に記載された技術は、予測対象となる１つのリンク（ノード間をリンクした区間）のみの時系列データを用いて、将来の交通状況を予測するものである。

しかし、特許文献１には、走行区間の周辺の道路状況を考慮して、将来の交通状況を予測することは記載されていない。交通状況を予測する場合、予測対象リンクと関連性の高い周辺リンクを考慮することが重要である。例えば、予測対象リンクの交通状況が同じでも、関連リンクが非常に混雑している場合と空いている場合では、将来の交通状況は異なると考えられるからである。

これに対して、特許文献２に記載された技術は、交通量を予測する際に、計算時間を短くするために、予測対象リンクと周辺リンクとを同時に検索するものである。例えば、特許文献２に記載された技術は、時刻ｔ０において交通量を予測する場合、予測時ｔ０から時間Ｔだけ遡った時間帯Ｔの予測当日データパターンと、同時間帯Ｔにおいて最も類似する交通量蓄積パターンを検索する。この検索は、１リンクごとに行うのではなく、分割した範囲内のリンクをまとめて行う。

図５は、交通量蓄積パターンの検索方法を説明するための図であり、（Ａ）は２つの過去データとの検索距離を説明する図、（Ｂ）は検索された過去データを説明する図である。なお、横軸は時刻を示し、縦軸は所定リンク（所定区間）における所定時刻毎の旅行時間を示している。この検索方法は、現在の交通状況と類似する状況を過去データから検索し、この過去データを用いて将来の交通状況を予測する方法である。

例えば、予測日である今日は３月１７日、現在時刻は１３時であり、このリンクにおける１時間先の旅行時間を予測する場合について説明する。図５（Ａ）に示すように、現在から所定幅前の検索時間において、予測日３月１７日のデータと過去データ（例えば、３月２日と３月１０日）との類似度合を示す検索距離Ｅ_d（ｄ∈Ｄ）をそれぞれ演算する。具体的には、式（１）に従って、検索距離Ｅ_dを演算する。

ここで、各変数は次の通りである。

Ｄ：データ検索を行う過去日のデータ集合
Ｔ_Cj（ｉ）：リンクｊの予測日のｉステップ目の旅行時間
Ｔ_Pj（ｉ）：リンクｊの過去日のｉステップ目の旅行時間
Ｓ：検索時間のステップ数
次に、図５（Ｂ）に示すように、２つの過去日の中から検索距離Ｅ_dが最小となる過去日ｄ（ここでは３月１０日）を選択する。そして、３月１０日の１４時の旅行時間を、予測日における１時間先の予測値（予測旅行時間）とする。
特開２０００−６７３６３号公報特開２００２−２９８２８１号公報

しかし、特許文献２に記載された技術は、予測対象リンクと周辺リンクの相関関係の大小を考慮することなく、相関関係はすべて同じ値、つまり検索時の重み＝１になっている。

さらに、特許文献２に記載された技術は、図５に示したように、現在の状況と一番近い日を過去データから選び、その日の予測時間先の値を予測値としている。このため、特許文献２に記載された技術を、例えば混雑の激しいリンクの旅行時間予測に適用した場合、図６に示すように、予測値が激しく変動する問題が生じる。

図６は、所定リンクにおける所定時刻毎の旅行時間の予測値及び実績値を示す図である。このように、予測値は、現実にはあり得ない程大きく変動する問題があった。

図７は、所定リンクにおける所定時刻毎の旅行時間を示す図であり、（Ａ）は１２時までの予測日データ、（Ｂ）は予測日に類似する過去データＡ、（Ｃ）は予測日に類似する過去データＢを示す図である。

過去データＡ及びＢは、１２時までは、予想日データとほぼ同じパターン、すなわち共に類似度が非常に高くなっている。しかし、１２時を過ぎると、過去データＡの場合は旅行時間が長くなっているのに対して、過去データＢの場合は旅行時間が短くなっている。このように、予想日データとほぼ同じパターンの過去データであっても、ある時刻を境にして、旅行時間が長くなったり、短くなったりするものがそれぞれ存在する可能性がある。

そして、検索距離Ｅ_dが最小となる過去日を“１日のみ”を選択する場合、検索時間内の所定ステップでは過去データＡを選択し、次のステップでは過去データＢを選択することがある。この場合、予測値は、過去データＡから過去データＢに変化するため、図６に示すように、大きく変動してしまった。

本発明は、上述した課題を解決するために提案されたものであり、周辺の状況を考慮しつつ、高精度に交通情報を予測することができる交通情報予測装置、交通情報予測方法及びプログラムを提供することを目的とする。

上述した課題を解決するため、請求項１に記載の発明である交通情報予測装置は、着目区間の予測日における交通情報を予測する交通情報予測装置であって、日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを記憶する記憶手段と、着目区間に関連する各関連区間について、着目区間に対して進行方向上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算手段と、前記記憶手段に記憶された交通情報データを用いて、前記重み係数演算手段で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算手段と、前記演算手段で演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択手段と、前記選択手段で選択された過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測手段と、を備えている。

請求項８に記載の発明である交通情報予測方法は、着目区間の予測日における交通情報を予測する交通情報予測方法であって、着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算工程と、日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを用いて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算工程と、前記演算工程において演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択工程と、前記選択工程において選択した過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測工程と、を備えている。

請求項１３に記載の発明である交通情報予測プログラムは、コンピュータに着目区間の予測日における交通情報を予測させる交通情報予測プログラムであって、着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算工程と、日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを用いて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算工程と、前記演算工程において演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択工程と、前記選択工程において選択した過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測工程と、を前記コンピュータに実行させる。

交通情報データは、日にち毎及び区間毎に所定時刻毎の交通情報を表している。ここで、例えば、道路ネットワークデータを道路上のある地点を示すノードと任意の２つのノードを連結するリンクとで構成したとき、上記区間はそのリンクとしてもよい。

重み係数演算手段は、着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する。つまり、着目区間に対して、関連区間がどの程度の相関関係を有するかを示す重み付けを演算する。なお、関連区間は、着目区間と異なる区間に限らず、着目区間自身も含んでいる。なお、路線や地域の交通行動には定常性があるため、頻繁に、関連区間や重み付けを求める必要はない。

次に、演算手段は、関連区間の予想日と過去日の類似度合いを求めるべく、関連区間における予想日と過去日の交通情報の差とを演算する。そして、重み係数演算手段で演算された着目区間に対する各関連区間の重み係数と、関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に検索距離を演算する。ここで、過去日の検索距離の値が小さいほど、当該過去日と予測日の交通情報の差がない、すなわち交通情報のパターンが類似している。これにより、演算手段は、着目区間における予測日と過去日の交通情報の差だけでなく、着目区間を除いた関連区間における予測日と過去日の交通情報の差も求めて、着目区間に対する関連区間の相関関係を考慮しつつ、予測日と過去日との検索距離を総合的に演算する。

選択手段は、演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する。つまり、選択手段は、予測日と交通情報パターンが最も類似した過去日を少なくとも１日選択する。予測手段は、選択した過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する。

したがって、上記発明は、着目区間だけでなく関連区間についても予測日と過去日の交通情報の差を演算し、着目区間と関連区間の相関関係を考慮して、予測日における交通情報を予測する。これにより、上記発明は、着目区間に影響を及ぼす関連区間の交通情報、及び、その影響の度合いを考慮するので、高精度に、予測日の交通情報を予測することができる。

請求項２に記載の発明である交通情報予測装置は、請求項１に記載の発明であって、前記重み係数演算手段は、着目区間に関連する各関連区間について、着目区間に対して進行方向下流側に進むに従って小さくなるような重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って小さくなるような重み係数を演算する。また、請求項３に記載の発明である交通情報予測装置は、請求項１または請求項２に記載の発明であって、前記重み係数演算手段は、着目区間の進行方向下流側にある各関連区間について、基準時間経過後に大きくなりピークに達した後に小さくなる重み係数であって、かつ進行方向下流側になるに従ってピークに達する時間が遅くなるような重み係数を演算する。

請求項４に記載の発明である交通情報予測装置は、請求項１に記載の発明であって、前記選択手段は、検索距離が小さい順に複数の過去日を選択し、前記予測手段は、前記選択手段で選択された各々の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行って、重み付けされた交通情報の平均を演算することにより、着目区間の予測日における交通情報を予測する。また、請求項９に記載の発明である交通情報予測方法は、請求項８に記載の発明であって、前記選択工程では、検索距離が小さい順に複数の過去日を選択し、前記予測工程では、前記選択工程で選択された各々の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行って、重み付けされた交通情報の平均を演算することにより、着目区間の予測日における交通情報を予測する。

選択手段は、検索距離が小さい順に複数の過去日を選択する。つまり、予測日と交通情報パターンが最も類似した過去日だけでなく、類似する度合いの高い順に、さらに他の過去日も選択する。

予測手段は、前記選択手段で選択された各々の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行う。交通情報に対して当該交通情報に対応する検索距離の逆数に応じた重み付けを行うのは次の理由による。予測日と過去日の交通情報の類似度合いは、検索距離が大きくなるに従って小さくなり、検索距離が小さくなるに従って大きくなる。そこで、予測手段は、選択した各々の過去日の交通情報に対して、予測日と過去日の交通情報の類似度合いに応じて、検索距離の逆数に応じた重み付けを行う。そして、予測手段は、重み付けされた交通情報の平均を演算することにより、着目区間の予測日における交通情報を予測する。

したがって、上記発明は、検索距離が小さい順に複数の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行って、重み付けされた交通情報の平均を演算する。これにより、複数の過去日の交通情報がある時刻を境にして各々大きく異なるような場合であっても、類似度合いに応じて各々の過去日の旅行時間データの重み付けを行っているので、各々の過去のパターンを考慮して、高精度に交通情報を予測することができる。

なお、上述した発明において、前記交通情報は、旅行時間、交通量、占有率、渋滞長の少なくとも１つであってもよい。

また、請求項１から請求項５のいずれか１項に記載の交通情報予測装置において、前記演算手段は、着目区間に関連する当該着目区間を含む関連区間について、前記重み係数演算手段で演算された各関連区間の重み係数と、着目区間における予想日と過去日の交通情報の差と、の積をすべての関連区間について合計した値を、過去日毎に、検索距離として演算する

また、請求項８から請求項１０のいずれか１項に記載の交通情報予測方法において、前記演算工程では、着目区間に関連する当該着目区間を含む関連区間について、着目区間に対する関連区間の重み付け係数と、着目区間における予想日と過去日の交通情報の差と、の積をすべての関連区間について合計した値を、過去日毎に、検索距離として演算してもよい。

請求項１から請求項５のいずれか１項に記載の交通情報予測装置において、前記演算手段は、着目区間に関連する当該着目区間を含む関連区間について、更に、予想日の交通状況に応じて過去日の交通情報と予想日の交通情報との間に時間的ずれを与えて、前記重み係数演算手段で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に検索距離を演算してもよい。

請求項８から請求項１０のいずれか１項に記載の交通情報予測方法において、前記演算工程では、着目区間に関連する当該着目区間を含む関連区間について、更に、予想日の交通状況に応じて過去日の交通情報と予想日の交通情報との間に時間的ずれを与えて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に検索距離を演算してもよい。

これらの発明によれば、通常に比べて予測日の交通状況パターンに時間的ずれがある場合は、更に、予想日の交通状況に応じて過去日の交通情報と予想日の交通情報との間に時間的ずれを与えて検索距離を演算することにより、高精度に交通情報を予測することができる。

本発明に係る交通情報予測装置、交通情報予測方法及びプログラムによれば、着目区間に影響を及ぼす関連区間の交通情報、及び、その影響の度合いを考慮するので、高精度に、予測日の交通情報を予測することができる。

以下、本発明を実施するための最良の形態について、図面を参照しながら詳細に説明する。

図１は、本発明の実施の形態に係る旅行時間予測システムを示す図である。旅行時間予測システムは、交通情報センター内に設けられた交通情報提供装置１０と、車両に搭載されたナビゲーション装置２０と、を備えている。

交通情報提供装置１０は、道路ネットワークデータのリンク（区間）毎に旅行時間を予測し、リンク毎の予測時間をナビゲーション装置２０に送信する。

ここで、道路ネットワークデータは、道路上のある地点を示すノードと、任意の２つのノードを連結するリンクと、で構成されている。したがって、例えば、現在位置から目的地までの経路は、その経路上に設けられた複数のノードと、隣り合うノードを連結する複数のリンクと、で表される。

図２は、道路とリンクとの関係を示す図である。現在位置から目的地までの複数のノードを連結することで、道路上にリンク１からリンク８が割り当てられている。ここでは、リンク１はドライバのいる区間である。そして、リンク１から進行方向（下流側）に向かって、リンク２、リンク３、…、リンク８となっている。

交通情報提供装置１０は、具体的には図１に示すように、交通情報収受部１で得られた交通情報（本実施の形態では、リンク毎の旅行時間データ）を受信する交通情報受信部１１と、交通情報受信部１１で受信された旅行時間データを逐次記憶する交通情報データベース１２と、ナビゲーション装置２０とデータ通信を行うデータ通信部１３と、リンク毎に旅行時間を予測するコンピュータ１４とを備えている。

交通情報データベース１２には、道路ネットワークデータのリンク毎の旅行時間データが逐次記憶される。これにより、交通情報データベース１２には、現在及び過去のリンク毎の旅行時間データが記憶されている。

データ通信部１３は、ナビゲーション装置２０から送信されたドライバ情報（例えば、現在位置、目的地など）を受信すると、このドライバ情報をコンピュータ１４に供給する。また、データ通信部１３は、コンピュータ１４でリンク毎の旅行時間が予測された後、そのリンク毎の旅行時間をナビゲーション装置２０に送信する。

コンピュータ１４は、データ通信部１３から供給されたドライバ情報と、交通情報データベース１２に記憶された旅行時間データとに基づいて、予測日（現在日）の旅行時間データに類似した複数の過去日の旅行時間データを選択する。そして、複数の過去日の予行時間データを用いて、予測日の旅行時間を予測する。

一方、ナビゲーション装置２０は、ＧＰＳ電波を受信したり、交通情報提供装置１０との間でデータ通信を行うデータ通信部２１と、入出力ポート２２と、光ディスクに記録された道路ネットワークデータを読み出す光ディスクドライブ２３と、現在位置から目的地までの経路等の様々な情報を表示する表示部２４と、経路探索処理等の全体的な制御を行うコンピュータ２５と、を備えている。なお、光ディスクドライブ２３の代わりに、ハードディスクドライブを用いてもよい。

コンピュータ２５は、入出力ポート２２を介して、データ通信部２１及び光ディスクドライブ２３に接続されている。例えば、コンピュータ２５は、データ通信部２１で受信されたＧＰＳ電波に基づいて現在位置を逐次測位する。コンピュータ２５は、現在位置、ドライバによって入力された目的地などのドライバ情報を、データ通信部２１を介して交通情報提供装置１０に送信する。また、コンピュータ２５は、現在位置、ドライバによって入力された目的地及び光ディスクドライブ２３から読み出した道路ネットワークデータに基づいて、現在位置から目的地までの経路を探索する。

図３は、交通情報提供装置１０のコンピュータ１４による旅行時間予測ルーチンを示すフローチャートである。コンピュータ１４は、ステップＳＴ１以下の処理を順次実行することによって、所定リンクの旅行時間を予測する。ここでは、リンク１の旅行時間を予測する場合を例に挙げて説明するが、その他のリンクについても同様に旅行時間を予測することができる。

ステップＳＴ１では、コンピュータ１４は、ナビゲーション装置２０からドライバ情報（例えば、自車位置、目的地など）を受信する。さらに、コンピュータ１４は、交通情報データベース１２から、ドライバ情報に応じた道路ネットワークデータ、道路ネットワーク全体の予測日の旅行時間データ、道路ネットワーク全体の過去日の旅行時間データを読み出して、ステップＳＴ２に移行する。

ステップＳＴ２では、コンピュータ１４は、ドライバ情報に基づいて、予測対象として着目しているリンク（以下「着目リンク」という。）及びこれとの関連性の高いリンク（以下「関連リンク」という。）を絞り込み、ステップＳＴ３に移行する。ここでは、リンク１が着目リンクになる。また、関連リンクは、着目リンクと異なるリンクだけでなく、着目リンクを含む。

リンク１の関連リンクは、図２に示すように、リンク１を基準にして自車の進行方向側にあるリンク１からリンク８になっている。但し、関連リンクは、着目リンクから進行方向側にあるリンクに限らず、着目リンクの交通状況に影響を与えるリンクであればよい。

ステップＳＴ３では、コンピュータ１４は、着目リンクｋに対する関連リンクｊの相関関係を表す相関係数ｒ_kjを算出する。ここで、着目リンクと関連リンクとの相関関係について説明する。

図４は、着目リンクであるリンク１の現時点（相対時間０）を１とした場合の、着目リンク及びその下流側のリンク（リンク１、リンク２、リンク３、…、リンク８）の時間的な相関関係を示す線図である。

例えば、リンク１の現時点とリンク１の３０分先との相関係数は０．８である。また、リンク１の現時点とリンク２の現時点との相関係数は約０．９である。これは、リンク１の現時点の交通状況（旅行時間）に対して、リンク２の現時点の交通状況が与える影響は、リンク１の３０分先の交通状況が与える影響よりも大きいことを示している。

そこで、コンピュータ１４は、着目リンクと関連リンクの時間的な相関を求めるべく、着目リンクｋに対する関連リンクｊの相関係数ｒ_kjを算出する。具体的には式（２）に従って、相関係数ｒ_kjを算出する。

ここで、各変数は次の通りである。

相関係数ｒ_kj（ｉ）に相対時間ｉを代入すると共に着目リンクｋ及び相関リンクｊを特定すると、相対時間ｉにおける着目リンクｋに対する関連リンクｊの重み係数Ｗ_kjが求められる。例えば、コンピュータ１４は、リンク１の現時点から６０分先の交通状況を予測する場合、現時点から６０分先のリンク１に対するそれぞれの関連リンク（リンク１、リンク２、…、リンク８）の重み係数Ｗ_kj（Ｗ₁₁＝ｒ₁₁（６０），Ｗ₁₂＝ｒ₁₂（６０），…，Ｗ₁₈＝ｒ₁₈（６０））を算出すればよい。

なお、路線や地域の交通行動には定常性があるため、コンピュータ１４は、頻繁に、重み係数Ｗ_kjを求める必要はない。コンピュータ１４は、このようにして重み係数Ｗ_kjを算出すると、ステップＳＴ４に移行する。

ステップＳＴ４では、コンピュータ１４は、着目リンクｋと関連性の高い関連リンクｊについて、着目リンクｋと関連リンクｊの相関関係を考慮しつつ、予測日の時間旅行と過去日ｄの時間旅行との類似度合いを表す検索距離Ｅ_dを算出する。コンピュータ１４は、具体的には式（３）に従って、検索距離Ｅ_dを算出する。

ここで、各変数は次の通りである。

Ｄ：データ検索を行う過去日のデータ集合
Ｔ_Cj（ｉ）：リンクｊの予測日のｉステップ目の旅行時間
Ｔ_Pj（ｉ）：リンクｊの過去日ｄのｉステップ目の旅行時間
Ｓ：検索時間のステップ数
ｎ：リンクｋと関連性の高いリンク群Ｊ（ｊ∈Ｊ）のリンク数
ｗ_kj ：リンクｋに対するリンクｊの重み係数

検索距離Ｅ_dは、着目リンクｋだけでなく関連リンクｊを考慮したときの、ある過去日ｄの旅行時間データと予測日の旅行時間データとの類似度合いを表すものある。したがって、過去日ｄにおける検索距離Ｅ_dの値が小さいほど、過去日ｄの旅行時間データと予測日の旅行時間データとの類似度合いが高くなっている。逆に、過去日ｄにおける検索距離Ｅ_dの値が大きいほど、過去日ｄの旅行時間データと予測日の旅行時間データとの類似度合いが低くなっている。

具体的には式（３）によると、検索距離Ｅ_dは、着目リンクｋと関連性の高い関連リンクｊ（当該着目リンクｋも含む。）について、着目リンクｋに対する関連リンクｊの重み係数Ｗ_kjと、関連リンクｊにおける予測日と過去日の差と、の積を合計した値になっている。したがって、着目リンクｋの予測日と過去日ｄの旅行時間データがほとんど同じような場合であっても、関連リンクｊの予測日と過去日ｄの旅行時間データが大きく異なるような場合は、検索距離Ｅ_dは大きな値になる。

また、関連リンクｊの予測日と過去日ｄの旅行時間データが大きく異なるような場合であっても、その関連リンクｊが着目リンクｋとの相関関係が低ければ、検索距離Ｅ_dに与える影響はあまりない。逆に、その関連リンクｊが着目リンクｋとの相関関係が高ければ、検索距離Ｅ_dに与える影響は大きく、検索距離Ｅ_dの値は大きくなってしまう。

このように、コンピュータ１４は、着目リンクｋの予測日と過去日ｄの旅行時間データだけでなく、関連リンクｊの予測日と過去日ｄの旅行時間データ、さらに、その着目リンクｋに対する関連リンクｊの重みを用いて、検索距離Ｅ_dを算出している。

コンピュータ１４は、過去日のデータ集合Ｄにおいて、それぞれの過去日ｄ（ｄ∈Ｄ）について検索距離Ｅ_dを算出すると、ステップＳＴ５に移行する。

ステップＳＴ５では、コンピュータ１４は、ステップＳＴ４で得られた複数の検索距離Ｅ_dの中から、値が小さい順に、数日分の検索距離Ｅ_d（過去日ｄ）を選択する。そして、コンピュータ１４は、交通情報データベース１２から、選択した検索距離Ｅ_dの各々の過去日ｄにおける過去データＴ_d（ｔ₁）を読み出す。ｔ₁は、予測日の予測時刻と同じ時刻を示している。すなわち、コンピュータ１４は、予測日に類似する数日分の時刻ｔ₁の過去データＴ_d（ｔ₁）を読み出す。

本実施の形態では、コンピュータ１４は、２日分の過去データＴ_d（ｔ₁）として、図７（Ａ）に示すように、過去データＡ（ｔ₁）及び過去データＢ（ｔ₁）を読み出す。

コンピュータ１４は、過去日ｄの時刻ｔ₁における過去データＴ_d（ｔ₁）のそれぞれに対して、検索距離Ｅ_dの逆数に比例する重み付けを行う。そして、重み付けされた各々の過去データＴ_d（ｔ₁）の平均値（重み付け平均値）を予測値として算出する。

これにより、コンピュータ１４は、予想日の旅行時間データとほぼ同じパターンの複数の過去日の旅行時間データがある時刻を境にして各々大きく異なるような場合であっても、類似度合いに応じて各々の過去日の旅行時間データの重み付けを行うことにより、様々な過去のパターンを考慮して、高精度に旅行時間を予測することができる。

そして、交通情報提供装置１０は、様々なリンク毎に、上述したように旅行時間を算出して、旅行時間をナビゲーション装置２０に対して送信する。

一方、ナビゲーション装置２０のデータ通信部２１は、交通情報提供装置１０から様々なリンク毎の旅行時間を受信すると、その旅行時間をコンピュータ２５に供給する。

コンピュータ２５は、光ディスクドライブ２３から地図データ（道路ネットワークデータ）を読み出し、現在地から目的地までの複数の経路を探索する。次に、コンピュータ２５は、経路毎に経路を構成する全部のリンクの旅行時間を合計して、旅行時間が最短となる経路を選択する。そして、コンピュータ２５は、最も旅行時間の短い経路を表示部２４に表示させる。なお、コンピュータ２５は、表示部２４に現在地から目的地までの複数の経路と共に各々の旅行時間を表示させて、ドライバに経路の選択を促してもよい。

以上のように、本実施の形態に係る旅行時間予測システムにおいて、旅行時間提供装置１０は、着目リンクｋの予測日と過去日ｄの旅行時間データだけでなく、関連リンクｊの予測日と過去日ｄの旅行時間データ、さらに、その着目リンクｋに対する関連リンクｊの重みを用いて、検索距離Ｅ_dを算出することにより、着目リンクｋに影響を及ぼす関連リンクｊの交通情報、及び、その影響の度合いを考慮するので、高精度に、予測日の旅行時間を予測することができる。すなわち、交通情報提供装置１０は、着目リンクｋに影響を及ぼす関連リンクｊの旅行時間、及び、その影響の度合いを考慮するので、高精度に、予測日の旅行時間を予測することができる。

そして、ナビゲーション装置２０は、現在地から目的地までの複数の経路の各々について旅行時間を表示したり、現在地から目的地までの複数の経路の中から最も旅行時間の短い経路を選択することができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、特許請求の範囲に記載された事項の範囲内で設計変更されたものであれば適用可能である。たとえば、本実施の形態では、リンク毎に旅行時間を予測する場合を例に挙げて説明したが、その他、リンク毎に、交通量、占有率、渋滞長などを予測してもよい。

さらに、交通情報提供装置１０は、リンク毎の旅行時間をナビゲーション装置２０に送信したが、この旅行時間をリンクの入り口（ノード）に設置された道路情報標示板に表示してもよい。

また、交通情報提供装置１０が旅行時間を予測するのではなく、ナビゲーション装置２０が旅行時間を予測してもよい。このとき、ナビゲーション装置２０は、交通情報提供装置１０から現在及び過去の旅行時間データを受信すればよい。そして、ナビゲーション装置２０は、この旅行時間データに基づいて、図４に示すステップＳＴ１からステップＳＴ５までの処理を行ってリンク毎に旅行時間を予測する。そして、現在地から目的地までの複数の経路の各々について旅行時間を表示したり、現在地から目的地までの複数の経路の中から最も旅行時間の短い経路を選択することができる。

なお、交通情報提供装置１０またはナビゲーション装置２０は、光ディスクや磁気ディスク等の記録媒体から、図３に示すステップＳＴ１からステップＳＴ５までの処理を行う予測プログラムを読み出して、リンク毎に旅行時間の予測処理を行ってもよいのは勿論である。

また、交通情報提供装置１０は、上述した検索距離Ｅ_dだけでなく、更に、予測日の交通流現象を考慮した検索距離Ｅ１_dを算出してもよい。例えば、予測日の夕方のピークが通常より１５分早かった場合、交通情報提供装置１０のコンピュータ１４は、予測日の旅行時間データに対して１５分の時間的遅れを与えて、図３のステップＳＴ３及びステップＳＴ４と同様の演算をして、検索距離Ｅ１_dを求める。そして、コンピュータ１４は、ステップＳＴ５と同様に、検索距離Ｅ_d及び検索距離Ｅ１_dの中から値が小さい順に、数日分の検索距離Ｅ_d又は検索距離Ｅ１_dを選択すればよい。これにより、交通情報提供装置１０は、通常に比べて予測日の交通状況パターンに時間的ずれがある場合でも、高精度に旅行時間を予測することができる。なお、予測日の交通状況パターンが通常よりも所定時間遅い場合は、予測日の旅行時間データに対して所定時間の時間的進みを与えればよい。

例えば、予測日の夕方のピークになる前に夕方のピーク時間帯の旅行時間を予測する場合、上述した時間的遅れや時間的進みが判断できない。そこで、過去日と予測日との時間的ずれを５分刻みで通常の夕方ピークの前後２時間分、図３のステップＳＴ３及びステップＳＴ４を繰り返す。そして、コンピュータ１４は、ステップＳＴ５と同様に、検索距離Ｅ_d及び検索距離Ｅ１_dの中から値が小さい順に、数日分の検索距離Ｅ_d又は検索距離Ｅ１_dを選択すればよい。なお、５分刻みで４時間分の例を挙げて説明したが、旅行時間の特性に合わせて刻みの時間や時間幅を決めればよい。また、夕方のピークではなく、朝のピークでも昼のピークでもよい。これにより、ピークの時間的なずれがあってもピークのフィッティングを行うことができ、より高精度に旅行時間を予測することができる。

なお、ピークのフィッティングについては、旅行時間を例にとったが、交通量、占有率、渋滞長などでもよい。

本発明の実施の形態に係る旅行時間予測システムを示す図である。道路とリンクとの関係を示す図である。交通情報提供装置のコンピュータによる旅行時間予測ルーチンを示すフローチャートである。着目リンクであるリンク１の現時点（相対時間０）を１とした場合の、着目リンク及びその下流側のリンクの時間的な相関関係を示す線図である。交通量蓄積パターンの検索方法を説明するための図であり、（Ａ）は２つの過去データとの検索距離を説明する図、（Ｂ）は検索された過去データを説明する図である。所定リンクにおける所定時刻毎の旅行時間の予測値及び実績値を示す図である。所定リンクにおける所定時刻毎の旅行時間を示す図であり、（Ａ）は１２時までの予測日データ、（Ｂ）は予測日に類似する過去データＡ、（Ｃ）は予測日に類似する過去データＢを示す図である。

符号の説明

１０交通情報提供装置
１１交通情報受信部
１２交通情報データベース
１３，２１データ通信部
１４コンピュータ
２０ナビゲーション装置
２２入出力ポート
２３光ディスクドライブ
２４コンピュータ

Claims

着目区間の予測日における交通情報を予測する交通情報予測装置であって、
日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを記憶する記憶手段と、
着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算手段と、
前記記憶手段に記憶された交通情報データを用いて、前記重み係数演算手段で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算手段と、
前記演算手段で演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択手段と、
前記選択手段で選択された過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測手段と、
を備えた交通情報予測装置。
前記重み係数演算手段は、着目区間に関連する各関連区間について、着目区間に対して進行方向下流側に進むに従って小さくなるような重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って小さくなるような重み係数を演算する
請求項１に記載の交通情報予測装置。
前記重み係数演算手段は、着目区間の進行方向下流側にある各関連区間について、基準時間経過後に大きくなりピークに達した後に小さくなる重み係数であって、かつ進行方向下流側になるに従ってピークに達する時間が遅くなるような重み係数を演算する
請求項１または請求項２に記載の交通情報予測装置。
前記選択手段は、検索距離が小さい順に複数の過去日を選択し、
前記予測手段は、前記選択手段で選択された各々の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行って、重み付けされた交通情報の平均を演算することにより、着目区間の予測日における交通情報を予測する
請求項１から請求項３のいずれか１項に記載の交通情報予測装置。
前記交通情報は、旅行時間、交通量、占有率、渋滞長の少なくとも１つである
請求項１から請求項４のいずれか１項に記載の交通情報予測装置。
前記演算手段は、着目区間に関連する当該着目区間を含む関連区間について、前記重み係数演算手段で演算された各関連区間の重み係数と、着目区間における予想日と過去日の交通情報の差と、の積をすべての関連区間について合計した値を、過去日毎に、検索距離として演算する
請求項１から請求項５のいずれか１項に記載の交通情報予測装置。
前記演算手段は、着目区間に関連する当該着目区間を含む関連区間について、更に、予想日の交通状況に応じて過去日の交通情報と予想日の交通情報との間に時間的ずれを与えて、前記重み係数演算手段で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に検索距離を演算する
請求項１から請求項５のいずれか１項に記載の交通情報予測装置。
着目区間の予測日における交通情報を予測する交通情報予測方法であって、
着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算工程と、
日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを用いて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算工程と、
前記演算工程において演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択工程と、
前記選択工程において選択した過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測工程と、
を備えた交通情報予測方法。
前記選択工程では、検索距離が小さい順に複数の過去日を選択し、
前記予測工程では、前記選択工程で選択された各々の過去日の着目区間の交通情報に対して、各々対応する検索距離の逆数に応じた重み付けを行って、重み付けされた交通情報の平均を演算することにより、着目区間の予測日における交通情報を予測する
請求項８に記載の交通情報予測方法。
前記交通情報は、旅行時間、交通量、占有率、渋滞長の少なくとも１つである
請求項８または請求項９に記載の交通情報予測方法。
前記演算工程では、着目区間に関連する当該着目区間を含む関連区間について、前記重み係数演算工程で演算された各関連区間の重み係数と、着目区間における予想日と過去日の交通情報の差と、の積をすべての関連区間について合計した値を、過去日毎に、検索距離として演算する
請求項８から請求項１０のいずれか１項に記載の交通情報予測方法。
前記演算工程では、着目区間に関連する当該着目区間を含む関連区間について、更に、予想日の交通状況に応じて過去日の交通情報と予想日の交通情報との間に時間的ずれを与えて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に検索距離を演算する
請求項８から請求項１０のいずれか１項に記載の交通情報予測方法。
コンピュータに着目区間の予測日における交通情報を予測させる交通情報予測プログラムであって、
着目区間に関連する各関連区間について、着目区間に対して進行方向の上流側及び下流側の重み係数を演算し、基準時間以外の着目区間を含む各関連区間について、基準時間から時間が進むに従って変化する重み係数を演算する重み係数演算工程と、
日にち毎及び区間毎に所定時刻毎の交通情報を表した交通情報データを用いて、前記重み係数演算工程で演算された各関連区間の重み係数と、前記関連区間における予想日と過去日の交通情報の差とに基づいて、過去日毎に着目区間の検索距離を演算する演算工程と、
前記演算工程において演算された複数の検索距離の中から、検索距離が最小となる過去日を少なくとも１日選択する選択工程と、
前記選択工程において選択した過去日の着目区間の交通情報データを用いて、着目区間の予測日における交通情報を予測する予測工程と、
を前記コンピュータに実行させる交通情報予測プログラム。