JP4313457B2

JP4313457B2 - Travel time prediction system, program recording medium, travel time prediction method, information providing device, and information acquisition device

Info

Publication number: JP4313457B2
Application number: JP05755799A
Authority: JP
Inventors: 一哉鈴木; 健橋本; 哲也木谷; 章岩井; 敏彦団野
Original assignee: Denso Ten Ltd; Fujitsu Ltd
Current assignee: Denso Ten Ltd; Fujitsu Ltd
Priority date: 1999-03-04
Filing date: 1999-03-04
Publication date: 2009-08-12
Anticipated expiration: 2019-03-04
Also published as: JP2000259977A

Description

【０００１】
【発明の属する技術分野】
本発明は、車両の運行情報処理に係り、道路上の任意の地点間の移動時間を予測して、車両の運転者に通知する移動時間予測システムおよびその方法に関する。
【０００２】
【従来の技術とその問題点】
現在、道路上の特定区間の移動時間を予測するために、道路に沿って設置されたビーコン等の設備を利用して車両の流れを監視し、交差点間の通過時間を求める方法が考えられている。この方法では、例えば、通過する車両の速度を検知して、その速度とあらかじめ記録された区間の距離から、移動時間が求められる。
【０００３】
しかしながら、道路上の車両は、区間内を常に一定の速度で走行するとは限らないため、予測された移動時間は実際の移動に要する時間と異なることが多い。また、バス、タクシー、自家用車等の車両の種類によって、運行形態が様々に異なるため、すべての車両の移動時間を正確に予測することはできない。さらに、天候や道路状況等の変化によっても、移動時間は大きく変動する。
【０００４】
本発明の課題は、道路上を走行する車両の移動時間を個別に精度良く予測する移動時間予測システムおよびその方法を提供することである。
【０００５】
【課題を解決するための手段】
図１は、本発明の移動時間予測システムの原理図である。図１の移動時間予測システムは、計測手段１、処理手段２、格納手段３、予測手段４、および出力手段５を備える。
【０００６】
計測手段１は、車両の位置を計測し、処理手段２は、あらかじめ決められた区間内の２つの地点で計測された位置と計測時刻から、区間の移動時間に関する情報を求める。
【０００７】
格納手段３は、１台以上の車両から収集した複数の区間の移動時間に関する情報を格納する。
予測手段４は、指定された経路に含まれる各区間の移動時間に基づいて、その経路の移動時間を予測し、出力手段５は、予測結果を出力する。
【０００８】
あらかじめ決められた区間としては、例えば、道路地図上の２つの交差点間の区間が用いられ、区間内の２つの地点としては、例えば、区間の両端の交差点が用いられる。計測手段１は、車両に搭載され、移動に伴って変化する自車の位置を計測し、処理手段２は、上記２つの地点の各々を通過したときに計測された位置とそのときの時刻から、対応する区間の移動時間に関する情報を求める。
【０００９】
区間の移動時間に関する情報は、例えば、車両が上記２つの地点を通過したときの時刻、これらの通過時刻の差、区間の識別情報等であり、その区間を通過した複数の車両から収集されて、格納手段３に区間毎に蓄積される。
【００１０】
車両から特定の経路の移動時間の予測を要求されたとき、予測手段４は、格納手段３に蓄積された情報を参照して、その経路に含まれる各区間の移動時間を調べる。そして、各区間の移動時間の実績値や平均値等に基づいて、その経路の移動時間を予測し、予測結果を車両に返信する。出力手段５は、車両に搭載され、送信された予測結果をドライバに通知する。
【００１１】
このような移動時間予測システムによれば、複数の車両から収集された区間毎の移動時間の実測値を用いて、いくつかの区間から成る経路の移動時間を高い精度で予測することができる。
【００１２】
また、収集された移動時間の情報を、天候、道路状況、車両の種類等の条件に応じて統計処理すれば、各条件の下での移動時間の特徴が抽出される。したがって、条件毎に異なる統計処理の結果を用いて移動時間を予測することで、個々の車両に応じた詳細な予測を行うことができる。
【００１３】
例えば、図１の計測手段１は、後述する図２の測位部１３に対応し、処理手段２は位置比較部１４に対応し、格納手段３は移動時間データベース４４に対応し、予測手段４は統計処理部２４および計算部２５に対応し、出力手段５は表示部１７および音声出力部１８に対応する。
別の移動時間予測システムは、計測手段、処理手段、予測手段、予測結果格納手段、および出力手段を備える。計測手段は、車両の位置を計測する。処理手段は、あらかじめ決められた区間内の２つの地点で計測された位置と計測時刻から、その区間の移動時間に関する情報と、区間内における車両の走行形態が定期的な停車を伴う第１の走行形態または停車を伴わない第２の走行形態のいずれであるかを示す移動属性情報とを含む移動時間情報を求める。予測手段は、１台以上の車両から収集された移動時間情報を移動属性情報に応じて分類し、移動属性情報毎に移動時間情報を統計処理して車両の走行形態に応じた移動時間の傾向を求め、指定された移動属性情報を有する車両に対して１つ以上の区間を含む経路の移動時間を予測する。予測結果格納手段は、予測結果を格納する。出力手段は、予測結果を出力する。
【００１４】
【発明の実施の形態】
以下、図面を参照しながら、本発明の実施の形態を詳細に説明する。
本実施形態の移動時間予測システムは、個々の車両の移動時間の実績値を用いて、道路地図ネットワーク上の隣接するノード間の移動時間のデータベースを作成する。ここで、道路地図ネットワーク上のノードとしては、例えば、交差点が用いられる。そして、データベースに蓄積された移動時間データと現在の交通状況等から、任意のノード間の移動所要時間を予測する。
【００１５】
このようなシステムによれば、隣接する交差点間の移動時間のデータベースが、個々の車両の移動時間の測定結果により構築され、その情報は時間とともに充実／更新される。したがって、特定の経路上の移動時間を、隣接する交差点間の移動時間と実際の交通状況から、高い精度で予測することができる。
【００１６】
図２は、本実施形態の移動時間予測システムの構成図である。図２において、運行情報装置１１は車両に搭載される情報処理装置であり、測位部１３、位置比較部１４、通信制御部１５、通信部１６、表示部１７、および音声出力部１８を備える。また、基地局２１は、車両と交信するセンタとしての機能を持つ情報処理装置であり、通信部２２、抽出部２３、統計処理部２４、および計算部２５を備える。通信部１６と通信部２２は、移動通信により互いに交信する。
【００１７】
測位部１３は、差動全世界測位システム（differential global positioning system，Ｄ−ＧＰＳ）等を含み、アンテナ１２を介して人工衛星からの電波を受信し、自車位置の緯度／経度等の位置情報を算出する。そして、その位置情報を測定時刻とともに位置比較部１４に通知する。
【００１８】
Ｄ−ＧＰＳの位置情報の誤差は３〜５ｍ程度であり、通常のＧＰＳの誤差（５０〜１００ｍ程度）に比べてはるかに小さい。このため、位置情報と地図情報とのマッチングを行わなくても、自車位置をかなり正確に特定することができる。しかし、測位部１３としては、通常のＧＰＳ等の他の測位装置を用いることも可能である。
【００１９】
位置比較部１４は、測位部１３により検出された現在位置と交差点の位置とを比較する。そして、交差点の通過時に、その交差点を特定するための識別情報と、交差点を通過した時刻または交差点間の移動時間とを、移動時間記録ファイル４２に記録する。交差点の位置は、運行情報装置１１に一時的に格納された交差点位置情報ファイル４１から取得してもよく、また道路地図情報から取得してもよい。
【００２０】
移動時間記録ファイル４２は、通信制御部１５の制御により、以下のいずれかのタイミングで通信部１６から基地局２１に送信される。
（ａ）定期的（例えば１０分毎、１ｋｍ走行毎、等）
（ｂ）イベントが発生する度（交差点を通過する度、停車する度、等）
（ｃ）基地局側からの要求があったとき
基地局２１では、通信部２２が移動時間記録ファイル４２を受信すると、抽出部２３が、移動時間記録ファイル４２から隣接交差点間の移動時間を抽出し、車両属性、車両ＩＤ、移動属性とともに、それを移動時間データベース４４に格納する。また、このとき、月日、曜日、時刻、天候、渋滞、交通規制等の移動時間変動要素情報も合わせて格納される。
【００２１】
ここで、車両属性は、自家用車、バス、タクシー、商用車、小型トラック、大型トラック等の車両の種類を表す情報であり、車両ＩＤは、個々の車両を識別するための情報である。また、移動属性は、走行形態を表す情報であり、路線バスのように乗降のための定期的な停車を伴う走行と通常走行とを区別するために用いられる。また、移動時間変動要素情報は、移動時間を変動させる要素の情報を表す。
【００２２】
統計処理部２４は、移動時間データベース４４に蓄積された移動時間データを、車両属性、移動属性、および移動時間変動要素に応じて分類し、統計処理を行う。得られた統計データは、移動時間データベース４４に格納される。
【００２３】
ドライバが、携帯電話３１等を用いて基地局２１のオペレータに特定の経路の移動時間予測を依頼すると、オペレータは、計算部２５にその経路を指定する情報と、移動時間変動要素を指定する情報を入力する。
【００２４】
そして、計算部２５は、移動時間データベースのデータを参照して、指定された経路の移動時間を、指定された移動時間変動要素の条件下で求める。ここで、現時点での移動時間を求められた場合には、最新のデータと統計データの両方を用いて所要時間を計算する。
【００２５】
計算結果は、移動時間計算結果ファイル４３に記録され、通信部２２から運行情報装置１１に送信される。この移動時間計算結果ファイル４３には、地図上に表示するための画像データ、ドライバに音声で通知するための音声データ、テキスト／図表の表示データ等が含まれる。
【００２６】
運行情報装置１１では、通信部１６が移動時間計算結果ファイル４３を受信すると、表示部１７が、画像データおよびテキスト／図表の表示データを用いて予測結果を画面表示し、音声出力部１８が、音声データを読み上げてドライバに予測結果を通知する。
【００２７】
次に、図３から図７までを参照しながら、処理に用いられるデータの具体例を説明する。図３は、４つの交差点を含む道路地図を示している。この地図において、バスが、交差点１→交差点２→交差点４の順に通過し、自家用車が、交差点２→交差点１→交差点３の順に通過したものとする。
【００２８】
このとき、例えば、図４、５に示すような移動時間記録ファイルが、バス、自家用車のそれぞれにおいて生成され、基地局に送られる。これらの移動時間記録ファイルには、移動区間、通過時刻、移動時間、車両属性、車両ＩＤ、および移動属性の情報フィールドが設けられている。このうち、車両属性、車両ＩＤ、および移動属性の意味については、上述した通りである。
【００２９】
移動区間は、隣接する２つの交差点間の区間を表し、区間の始点となる交差点の番号（ＦＲＯＭ）と、その終点となる交差点の番号（ＴＯ）を用いて記述される。通過時刻は、車両が区間の終点の交差点を通過した時刻を表し、移動時間は、その区間の移動に要した時間を表す。
【００３０】
図４の移動時間記録ファイルからは、バスＡ１が、交差点１から交差点２まで移動するのに１０分５秒かかり、７月７日１５時３０分２０秒に交差点２を通過したことが分かる。また、この区間の移動属性は“１”であり、停留所に一時停車したことを示している。
【００３１】
さらに、バスＡ１は、交差点２から交差点４まで移動するのに５分１０秒かかり、１５時３５分３０秒に交差点４を通過したことが分かる。この区間の移動属性は“０”であり、停車することなく走行したことを示している。
【００３２】
また、図５の移動時間記録ファイルからは、自家用車が、交差点２から交差点１まで移動するのに８分３０秒かかり、７月７日１５時３０分２０秒に交差点１を通過したことが分かる。また、自家用車は、その後、交差点１から交差点３まで移動するのに５分４０秒かかり、１５時３６分に交差点３を通過したことが分かる。これらの区間の移動属性はともに“０”であり、停車することなく走行したことを示している。
【００３３】
これらの移動時間記録ファイルを受け取った基地局は、移動時間データベース内に、図６に示すような移動時間テーブルと図７に示すような移動時間変動要素テーブルを作成する。
【００３４】
図６の移動時間テーブルは、交差点２を始点とし交差点１を終点とする区間の移動時間データを保持する。このテーブルには、区間の終点の通過時刻、移動時間、車両属性、車両ＩＤ、および移動属性が記録されている。同様のテーブルは、基地局が管理するエリア内のすべての移動区間について作成される。
【００３５】
このように、通過時刻、車両属性、および移動属性を記録しておくことで、時間帯毎、車両の種類毎、および走行形態毎に分類した統計データを作成し、より詳細な予測処理を行うことができる。
【００３６】
また、図７の移動時間変動要素テーブルは、図３に示した領域を含む地域Ａ内の移動時間変動要素データを、時間帯毎に保持する。例えば、１０時から１１時までの時間帯の天候は雪であり、１１時から１２時までの時間帯には、交差点１と交差点２の間で事故渋滞があり、１２時から１３時までの時間帯には、交差点３と交差点４の間で一車線規制があったことが、このテーブルに記録されている。
【００３７】
移動時間変動要素データとしては、雨や雪等の天候、渋滞、交通規制の他に、近隣地域の事故、マラソンやパレード等のイベント（行事）の情報も記録しておくことができる。このような移動時間変動要素データを記録しておくことで、様々な状況に応じた統計データを作成し、より詳細な予測処理を行うことができる。
【００３８】
次に、図８から図１７までを参照しながら、図２の移動時間予測システムが行う処理についてより詳細に説明する。
図８は、運行情報装置が行うデータ収集処理のフローチャートである。処理が開始されると、運行情報装置は、自車位置を測位し（ステップＳ１）、次に通過する交差点Ｎの位置と測位位置との距離Ｄが最小かどうかを判定する（ステップＳ２）。交差点Ｎの位置は、交差点位置情報ファイルに格納されている。
【００３９】
図９は、交差点付近における測位位置の軌跡を示している。一般に、交差点を通過する車両の測位位置は、×印で示すように、初めは、徐々に交差点中心に近付いて行き、その後、徐々に交差点中心から遠ざかって行く。したがって、いくつかの測位位置を交差点中心の位置と比較することで、距離Ｄが最小となるような測位位置Ｐ１が求められる。
【００４０】
Ｄが最小となる位置が求められなければ、ステップＳ１以降の処理を繰り返す。Ｄが最小となる位置が得られれば、通過した交差点ＮのＩＤを記憶するとともに、位置Ｐ１を計測したときの時刻を通過時刻Ｔ_Nとして記憶する（ステップＳ３）。
【００４１】
次に、直前に通過した交差点Ｎ−１の通過時刻Ｔ_N-1と交差点Ｎの通過時刻Ｔ_Nの差ΔＴを計算し、それを交差点Ｎ−１から交差点Ｎまでの移動時間とする（ステップＳ４）。そして、交差点Ｎ、Ｎ−１のＩＤ、交差点Ｎの通過時刻Ｔ_N、移動時間ΔＴ、車両属性、車両ＩＤ、および移動属性を、移動時間記録ファイルに記録する（ステップＳ５）。図４、５の例では、移動区間のＴＯとＦＲＯＭが、それぞれ、交差点番号ＮとＮ−１のＩＤに対応している。
【００４２】
次に、基地局から移動時間記録ファイルの送信要求があったかどうかを判定する（ステップＳ６）。その要求があれば、移動時間記録ファイルを基地局に送信し（ステップＳ９）、走行が終了したかどうかを判定する（ステップＳ１０）。ここでは、例えば、車両のエンジンが停止すれば、走行が終了したと判定される。走行が終了していなければ、ステップＳ１以降の処理を繰り返す。
【００４３】
ステップＳ６において、基地局から移動時間記録ファイルの送信要求がなければ、次に、移動時間を定期的に基地局に送信するように設定されているかどうかを判定する（ステップＳ７）。そのように設定されていれば、次に、送信条件が満足されたかどうかを判定する（ステップＳ８）。ここでは、一定時間が経過したか、または、車両が一定距離を走行した場合に、送信条件が満足されたと判定される。
【００４４】
送信条件が満足されれば、ステップＳ９以降の処理を行う。ステップＳ７において移動時間を定期的に送信するように設定されていないとき、および、ステップＳ８において送信条件が満足されないときは、次に、移動時間をイベント毎に基地局に送信するように設定されているかどうかを判定する（ステップＳ１１）。ここでのイベントとは、交差点通過や停車等の走行に伴って発生する車両の状態を指す。
【００４５】
移動時間をイベント毎に送信するように設定されていなければ、ステップＳ１以降の処理を繰り返す。そのように設定されていれば、次に、イベントが発生したかどうかを判定する（ステップＳ１２）。イベントが発生していなければ、ステップＳ１以降の処理を繰り返し、イベントが発生していれば、ステップＳ９以降の処理を行う。そして、ステップＳ１０において、走行が終了すれば、処理を終了する。
【００４６】
このようなデータ収集処理によれば、基地局からの要求に応じて移動時間記録ファイルを基地局に送信することができる。また、基地局からの要求がないときには、定期的またはイベント発生毎にそれを送信することができる。
【００４７】
次に、図１０は、基地局によるデータベース作成処理のフローチャートである。処理が開始されると、基地局は、車両の運行情報装置から移動時間記録ファイルを受信し（ステップＳ２１）、移動時間変動要素データと合わせて、移動時間データを移動時間データベースに蓄積する（ステップＳ２２）。
【００４８】
そして、移動時間データを統計処理するかどうかを判定する（ステップＳ２３）。ここでは、一定時間毎、あるいは、一定数の新たな移動時間データが蓄積される毎に、統計処理が行われるものとする。統計処理を行わない場合は、ステップＳ２１以降の処理を繰り返す。
【００４９】
統計処理を行う場合は、車両属性、移動属性、および移動時間変動要素に応じて、移動時間データを分類する（ステップＳ２４）。次に、移動区間毎に統計処理を行って、移動時間データの分布、平均値、最大値、最小値等を求める。そして、処理結果を移動時間データベースに蓄積し、ステップＳ２１以降の処理を繰り返す。
【００５０】
移動時間データを車両属性毎に統計処理することで、車両の種類に応じた移動時間の傾向を求めることができ、移動属性毎に統計処理することで、走行形態に応じた傾向を求めることができる。また、移動時間変動要素毎に統計処理することで、時間帯、天候、道路状況等に応じた傾向を求めることができる。
【００５１】
例えば、Ａ地点からＢ地点までの移動には、平日の昼間は平均２０分かかるところが、休日の夜間は平均１０分しかかからないというような傾向が記録される。また、雨が降ると、その移動時間が平均３０分になり、渋滞すると、平均６０分になるというような傾向も記録される。
【００５２】
次に、図１１は、基地局による移動時間予測処理のフローチャートである。処理が開始されると、基地局のオペレータは、まず、経路を設定し（ステップＳ３１）、移動時間変動要素のパラメータを設定する（ステップＳ３２）。
【００５３】
ここでは、例えば、図１２に示すように、Ａ地点を出発地とし、Ｂ地点を目的地とし、交差点１および２を経由地とするような経路が設定される。また、移動時間変動要素としては、月日、曜日、出発時刻（現在時刻）、天候等が入力される。移動時間変動要素と合わせて、車両属性、車両ＩＤ、および移動属性も、必要に応じて設定することができる。
【００５４】
図１２の例では、月日、曜日、出発時刻、および天候の情報として、７月７日（七夕）、月曜日、１７時、雨という情報が入力され、車両属性としてタクシーが指定される。これらの情報のうち、日時等は、通常、オペレータにより指定され、天候や車両属性等の情報はドライバにより指定される。
【００５５】
次に、基地局は、移動時間データベースから、移動時間の現在の実績値と過去の統計値を抽出する（ステップＳ３３）。現在の実績値とは、設定された経路上の各区間の最新の移動時間データを指し、例えば、図１３に示すように、車両属性毎に抽出される。
【００５６】
図１３においては、Ａ地点から交差点１までのタクシーの移動時間が、２０±１分となっている。±１分は、実績値２０分に対する誤差を表す。他の区間および他の車種の実績値についても同様である。
【００５７】
また、過去の統計値とは、過去の移動時間データを統計処理した結果を指し、例えば、図１４、１５、１６に示すようなデータを含んでいる。図１４、１５、１６は、それぞれ、Ａ地点から交差点１までの区間、交差点１から交差点２までの区間、交差点２からＢ地点までの区間におけるタクシーによる平均移動時間の時間変化を表している。
【００５８】
次に、過去の統計値から時間変動を予測して、現在の実績値を補正し、移動時間の予測値を確率的に算出する（ステップＳ３４）。例えば、図１４においては、１６時から１８時まで移動時間の平均値に変動はなく、この区間の移動時間は２０分と予測される。したがって、交差点１の通過予定時刻は１７時２０分となる。
【００５９】
また、交差点１から交差点２までの区間においては、１７時以降、移動時間は徐々に増加している。これは、この区間が徐々に混雑することを示しており、１７時２０分には、移動時間が８分になると予測される。したがって、交差点２の通過予定時刻は１７時２８分となる。
【００６０】
また、交差点２からＢ地点までの区間においては、１７時以降、移動時間は急激に減少している。これは、この区間の混雑が１７時以降には解消されることを示している。このため、１７時現在では混雑の解消が遅く、実績値が２０分であっても、１７時２８分頃には移動時間は１０分に減少していると予測される。したがって、Ｂ地点の到着予定時刻は１７時３８分となる。
【００６１】
ところで、収集された移動時間データは、平均値付近の値を頂点として山型に分布すると考えられる。そこで、公知の統計処理の手法により、各点のデータをサンプリングすることで、山の形状を数式化することができる。そして、頂点付近の値をとる確率を求めることができる。上述した各区間の移動時間の予測値には、このような確率データが付加されているものとする。
【００６２】
このとき、Ａ地点からＢ地点までの移動時間の予測結果は、±３分の予測誤差を含めて、例えば、３８±３分（確率７０％）のように表現される。この予測結果は、移動時間計算結果ファイルに格納されて、一旦、Ａ地点の車両に通知される。
【００６３】
次に、実績値の時間変化から各区間の予測値を修正し、経路の移動時間の予測値を修正して（ステップＳ３５）、処理を終了する。
例えば、実際に２０分かかってＡ地点から交差点１まで移動した後、残りの各区間の予測値は、図１７に示すように修正される。交差点１から交差点２までの区間においては、統計データより早目に混雑が激しくなったことが分かったため、８分の予測時間が１０分に変更されている。また、交差点２からＢ地点までの区間においては、混雑の解消が統計データより遅れているため、１０分の予測時間が１５分に変更されている。
【００６４】
こうして予測をやり直した結果、交差点１からＢ地点までの移動時間の予測値は、例えば、２５±２分（確率８０％）となり、Ｂ地点の到着予定時刻は１７時４５分となる。この予測結果も、移動時間計算結果ファイルに格納されて、交差点１を通過した車両に通知される。
【００６５】
以上説明した実施形態においては、移動時間の予測を基地局側で行っているが、これを運行情報装置側で行うことも可能である。この場合、移動時間データベースの必要なデータを基地局側から運行情報装置に送信し、運行情報装置は、受信したデータと自ら収集した最新データとを合わせて、移動時間を予測する。
【００６６】
また、移動時間データベースにおいて、移動属性が“１”の場合は、対応する移動時間から停車時間を差し引いて、移動時間を補正することもできる。例えば、ドアの開閉やエンジンの停止等を検知するセンサを車両に備えておき、その出力信号に基づいて停車時間を計算してもよく、あらかじめ決められた一定時間を停車時間として用いてもよい。
【００６７】
また、プライバシを配慮するために、運行情報装置から基地局に送る位置情報、移動時間情報には、個々の運行情報装置、車両、個人を特定するような情報を極力用いないことが望ましい。ただし、上述の車両ＩＤのように特定の情報フィールドを利用することにより、個々の車両の移動軌跡を追跡することも可能である。
【００６８】
図２の運行情報装置１１および基地局２１は、例えば、図１８に示すような情報処理装置（コンピュータ）を用いて構成することができる。図１８の情報処理装置は、ＣＰＵ（中央処理装置）５１、メモリ５２、入力装置５３、出力装置５４、外部記憶装置５５、媒体駆動装置５６、およびネットワーク接続装置５７を備え、それらはバス５８により互いに接続されている。
【００６９】
メモリ５２には、処理に用いられるプログラムとデータが格納される。メモリ５２としては、例えばＲＯＭ（read only memory）、ＲＡＭ（random access memory）等が用いられる。ＣＰＵ５１は、メモリ５２を利用してプログラムを実行することにより、上述したような移動時間予測システムの各処理を行う。
【００７０】
入力装置５３は、例えば、キーボード、ポインティングデバイス、タッチパネル等であり、必要な指示や情報の入力に用いられる。出力装置５４は、例えば、図２の表示部１７や音声出力部１８に対応し、予測結果等の出力に用いられる。
【００７１】
外部記憶装置５５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク（magneto-optical disk）装置等であり、図２の交差点位置情報ファイル４１等を格納したり、移動時間データベース４４として用いられる。この外部記憶装置５５に、上述のプログラムとデータを保存しておき、必要に応じて、それらをメモリ５２にロードして使用することもできる。
【００７２】
媒体駆動装置５６は、可搬記録媒体５９を駆動し、その記録内容にアクセスする。可搬記録媒体５９としては、メモリカード、フロッピーディスク、ＣＤ−ＲＯＭ（compact disk read only memory ）、光ディスク、光磁気ディスク等、任意のコンピュータ読み取り可能な記録媒体が用いられる。この可搬記録媒体５９に上述のプログラムとデータを格納しておき、必要に応じて、それらをメモリ５２にロードして使用することもできる。
【００７３】
ネットワーク接続装置５７は、図２の通信部１６、２２に対応し、通信に伴うデータ変換を行う。また、任意のネットワーク（回線）を介して外部の装置と通信することもできる。これにより、必要に応じて、上述のプログラムとデータを外部の装置から受け取り、それらをメモリ５２にロードして使用することができる。
【００７４】
図１９は、図１８の情報処理装置にプログラムとデータを供給することのできるコンピュータ読み取り可能な記録媒体を示している。可搬記録媒体５９や外部のデータベース６０に保存されたプログラムとデータは、メモリ５２にロードされる。そして、ＣＰＵ５１は、そのデータを用いてそのプログラムを実行し、必要な処理を行う。
【００７５】
【発明の効果】
本発明によれば、個々の車両の隣接交差点間の移動時間の実測値を、天候や道路状況に基づいて統計処理し、その結果を用いて経路の移動時間を予測する。このため、個々の車両に応じた詳細な予測を行うことができ、精度の高い予測結果が得られる。
【図面の簡単な説明】
【図１】本発明の移動時間予測システムの原理図である。
【図２】移動時間予測システムの構成図である。
【図３】交差点を示す図である。
【図４】第１の移動時間記録ファイルを示す図である。
【図５】第２の移動時間記録ファイルを示す図である。
【図６】移動時間テーブルを示す図である。
【図７】移動時間変動要素テーブルを示す図である。
【図８】データ収集処理のフローチャートである。
【図９】交差点における測位位置を示す図である。
【図１０】データベース作成処理のフローチャートである。
【図１１】予測処理のフローチャートである。
【図１２】経路を示す図である。
【図１３】移動時間の実績値を示すである。
【図１４】第１の統計データを示す図である。
【図１５】第２の統計データを示す図である。
【図１６】第３の統計データを示す図である。
【図１７】修正された予測値を示す図である。
【図１８】情報処理装置の構成図である。
【図１９】記録媒体を示す図である。
【符号の説明】
１計測手段
２処理手段
３格納手段
４予測手段
５出力手段
１１運行情報装置
１２アンテナ
１３測位部
１４位置比較部
１５通信制御部
１６、２２通信部
１７表示部
１８音声出力部
２１基地局
２３抽出部
２４統計処理部
２５計算部
３１携帯電話
４１交差点位置情報ファイル
４２移動時間記録ファイル
４３移動時間計算結果ファイル
４４移動時間データベース
５１ＣＰＵ
５２メモリ
５３入力装置
５４出力装置
５５外部記憶装置
５６媒体駆動装置
５７ネットワーク接続装置
５８バス
５９可搬記録媒体
６０データベース[0001]
BACKGROUND OF THE INVENTION
The present invention relates to vehicle operation information processing, and relates to a travel time prediction system and method for predicting a travel time between arbitrary points on a road and notifying a driver of the vehicle.
[0002]
[Prior art and its problems]
Currently, in order to predict the travel time of a specific section on the road, there is a method of monitoring the flow of vehicles using equipment such as beacons installed along the road and obtaining the transit time between intersections. Yes. In this method, for example, the speed of the passing vehicle is detected, and the travel time is obtained from the speed and the distance of the section recorded in advance.
[0003]
However, since vehicles on the road do not always travel within the section at a constant speed, the predicted travel time is often different from the time required for actual travel. In addition, since the operation mode varies depending on the type of vehicle such as a bus, taxi, or private car, the travel time of all vehicles cannot be accurately predicted. Furthermore, the travel time varies greatly depending on changes in weather, road conditions, and the like.
[0004]
An object of the present invention is to provide a travel time prediction system and method for predicting the travel time of a vehicle traveling on a road individually and accurately.
[0005]
[Means for Solving the Problems]
FIG. 1 is a principle diagram of a travel time prediction system according to the present invention. The travel time prediction system of FIG. 1 includes a measurement unit 1, a processing unit 2, a storage unit 3, a prediction unit 4, and an output unit 5.
[0006]
The measuring means 1 measures the position of the vehicle, and the processing means 2 obtains information on the travel time of the section from the positions measured at two points in the predetermined section and the measurement time.
[0007]
The storage means 3 stores information on travel times of a plurality of sections collected from one or more vehicles.
The predicting unit 4 predicts the travel time of the route based on the travel time of each section included in the designated route, and the output unit 5 outputs the prediction result.
[0008]
As a predetermined section, for example, a section between two intersections on a road map is used, and as two points in the section, for example, intersections at both ends of the section are used. The measuring means 1 is mounted on the vehicle and measures the position of the host vehicle that changes with movement, and the processing means 2 calculates the position measured when passing through each of the two points and the time at that time. Obtain information on the travel time of the corresponding section.
[0009]
The information related to the travel time of the section is, for example, the time when the vehicle passes the two points, the difference between the passage times, the identification information of the section, and the like. The data is stored in the storage means 3 for each section.
[0010]
When the vehicle is requested to predict the travel time of a specific route, the prediction unit 4 refers to the information accumulated in the storage unit 3 and checks the travel time of each section included in the route. Then, the travel time of the route is predicted based on the actual value or average value of the travel time of each section, and the prediction result is returned to the vehicle. The output means 5 is mounted on the vehicle and notifies the driver of the transmitted prediction result.
[0011]
According to such a travel time prediction system, it is possible to predict the travel time of a route composed of several sections with high accuracy by using the measured values of travel time for each section collected from a plurality of vehicles.
[0012]
Further, if the collected travel time information is statistically processed according to conditions such as weather, road conditions, and vehicle types, the characteristics of travel time under each condition are extracted. Therefore, by predicting the travel time using the result of statistical processing that differs for each condition, it is possible to perform detailed prediction according to individual vehicles.
[0013]
For example, the measuring unit 1 in FIG. 1 corresponds to the positioning unit 13 in FIG. 2 described later, the processing unit 2 corresponds to the position comparing unit 14, the storage unit 3 corresponds to the travel time database 44, and the predicting unit 4 Corresponding to the statistical processing unit 24 and the calculation unit 25, the output means 5 corresponds to the display unit 17 and the audio output unit 18.
Another travel time prediction system includes measurement means, processing means, prediction means, prediction result storage means, and output means. The measuring means measures the position of the vehicle. The processing means is configured to obtain information on the travel time of the section from the position measured at two points in the predetermined section and the measurement time, and the first traveling mode of the vehicle in the section with periodic stoppage. The travel time information including the travel attribute information indicating whether the travel mode or the second travel mode without stopping is obtained. The predicting means classifies the travel time information collected from one or more vehicles according to the travel attribute information, and statistically processes the travel time information for each travel attribute information, and the travel time tendency according to the travel mode of the vehicle And a travel time of a route including one or more sections is predicted for a vehicle having the designated travel attribute information. The prediction result storage means stores the prediction result. The output means outputs a prediction result.
[0014]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
The travel time prediction system of the present embodiment creates a travel time database between adjacent nodes on the road map network using the actual travel time values of individual vehicles. Here, as a node on the road map network, for example, an intersection is used. Then, the required travel time between arbitrary nodes is predicted from the travel time data stored in the database and the current traffic situation.
[0015]
According to such a system, a database of travel times between adjacent intersections is constructed from measurement results of travel times of individual vehicles, and the information is enriched / updated with time. Therefore, the travel time on a specific route can be predicted with high accuracy from the travel time between adjacent intersections and the actual traffic situation.
[0016]
FIG. 2 is a configuration diagram of the travel time prediction system of the present embodiment. In FIG. 2, an operation information device 11 is an information processing device mounted on a vehicle, and includes a positioning unit 13, a position comparison unit 14, a communication control unit 15, a communication unit 16, a display unit 17, and an audio output unit 18. The base station 21 is an information processing device having a function as a center for communicating with a vehicle, and includes a communication unit 22, an extraction unit 23, a statistical processing unit 24, and a calculation unit 25. The communication unit 16 and the communication unit 22 communicate with each other by mobile communication.
[0017]
The positioning unit 13 includes a differential global positioning system (D-GPS) and the like, receives radio waves from an artificial satellite via the antenna 12, and receives position information such as the latitude / longitude of the vehicle position. Is calculated. Then, the position information is notified to the position comparison unit 14 together with the measurement time.
[0018]
The error of the D-GPS position information is about 3 to 5 m, which is much smaller than the normal GPS error (about 50 to 100 m). For this reason, it is possible to identify the vehicle position fairly accurately without matching the position information and the map information. However, as the positioning unit 13, other positioning devices such as a normal GPS can be used.
[0019]
The position comparison unit 14 compares the current position detected by the positioning unit 13 with the position of the intersection. Then, at the time of passing the intersection, the identification information for specifying the intersection and the time when the intersection is passed or the movement time between the intersections are recorded in the movement time recording file 42. The position of the intersection may be acquired from the intersection position information file 41 temporarily stored in the operation information device 11 or may be acquired from the road map information.
[0020]
The travel time recording file 42 is transmitted from the communication unit 16 to the base station 21 at any of the following timings under the control of the communication control unit 15.
(A) Regular (for example, every 10 minutes, every 1 km, etc.)
(B) Every time an event occurs (every time you cross an intersection, every time you stop, etc.)
(C) When requested by the base station
In the base station 21, when the communication unit 22 receives the travel time recording file 42, the extraction unit 23 extracts the travel time between adjacent intersections from the travel time recording file 42, along with the vehicle attribute, vehicle ID, and travel attribute. Is stored in the travel time database 44. At this time, travel time variation element information such as date, day of the week, time, weather, traffic jam, traffic regulation and the like is also stored.
[0021]
Here, the vehicle attribute is information indicating the type of vehicle such as a private vehicle, bus, taxi, commercial vehicle, small truck, large truck, etc., and the vehicle ID is information for identifying individual vehicles. Further, the movement attribute is information representing a traveling mode, and is used to distinguish between traveling with regular stop for getting on and off like normal buses and normal traveling. The travel time variation element information represents information on an element that varies the travel time.
[0022]
The statistical processing unit 24 classifies the travel time data accumulated in the travel time database 44 according to the vehicle attribute, the travel attribute, and the travel time variation element, and performs statistical processing. The obtained statistical data is stored in the travel time database 44.
[0023]
When the driver requests the operator of the base station 21 to predict the travel time of a specific route using the mobile phone 31 or the like, the operator specifies information specifying the route to the calculation unit 25 and information specifying the travel time variation factor. Enter.
[0024]
Then, the calculation unit 25 refers to the data of the travel time database and obtains the travel time of the designated route under the condition of the designated travel time variation factor. Here, when the travel time at the present time is obtained, the required time is calculated using both the latest data and the statistical data.
[0025]
The calculation result is recorded in the travel time calculation result file 43 and transmitted from the communication unit 22 to the operation information device 11. The travel time calculation result file 43 includes image data to be displayed on the map, voice data for notifying the driver by voice, text / chart display data, and the like.
[0026]
In the operation information apparatus 11, when the communication unit 16 receives the travel time calculation result file 43, the display unit 17 displays the prediction result on the screen using the image data and the display data of the text / chart, and the voice output unit 18 Read the audio data and notify the driver of the prediction result.
[0027]
Next, a specific example of data used for processing will be described with reference to FIGS. FIG. 3 shows a road map including four intersections. In this map, it is assumed that the bus passes in the order of intersection 1 → intersection 2 → intersection 4 and the private car passes in the order of intersection 2 → intersection 1 → intersection 3.
[0028]
At this time, for example, a travel time recording file as shown in FIGS. 4 and 5 is generated in each of the bus and the private car and sent to the base station. These travel time record files are provided with information fields of travel section, passage time, travel time, vehicle attribute, vehicle ID, and travel attribute. Among these, the meanings of the vehicle attribute, the vehicle ID, and the movement attribute are as described above.
[0029]
The moving section represents a section between two adjacent intersections, and is described by using an intersection number (FROM) as a start point of the section and an intersection number (TO) as an end point thereof. The passing time represents the time when the vehicle has passed the intersection at the end point of the section, and the traveling time represents the time required for the traveling of the section.
[0030]
From the travel time recording file of FIG. 4, it can be seen that the bus A1 took 10 minutes and 5 seconds to travel from the intersection 1 to the intersection 2 and passed the intersection 2 at 15:30:20 on July 7. In addition, the movement attribute of this section is “1”, which indicates that the vehicle has temporarily stopped at the stop.
[0031]
Furthermore, it can be seen that the bus A1 took 5 minutes and 10 seconds to move from the intersection 2 to the intersection 4 and passed the intersection 4 at 15:35:30. The movement attribute of this section is “0”, indicating that the vehicle has traveled without stopping.
[0032]
Further, from the travel time record file of FIG. 5, it took 8 minutes and 30 seconds for the private car to move from intersection 2 to intersection 1 and passed through intersection 1 at 15:30 on 20 July. I understand. Also, it can be seen that it took 5 minutes and 40 seconds for the private car to move from the intersection 1 to the intersection 3 and passed through the intersection 3 at 15:36. The movement attributes of these sections are both “0”, indicating that the vehicle has traveled without stopping.
[0033]
The base station that has received these travel time recording files creates a travel time table as shown in FIG. 6 and a travel time variation element table as shown in FIG. 7 in the travel time database.
[0034]
The travel time table of FIG. 6 holds travel time data of a section having the intersection 2 as a start point and the intersection 1 as an end point. In this table, the passage time, travel time, vehicle attribute, vehicle ID, and travel attribute of the end point of the section are recorded. A similar table is created for all moving sections in the area managed by the base station.
[0035]
In this way, by recording the passage time, vehicle attributes, and movement attributes, statistical data classified for each time zone, each vehicle type, and each travel mode is created, and more detailed prediction processing is performed. be able to.
[0036]
Further, the travel time variation factor table in FIG. 7 holds the travel time variation factor data in the area A including the region shown in FIG. 3 for each time zone. For example, the weather in the time zone from 10:00 to 11:00 is snow, and in the time zone from 11:00 to 12:00, there is an accident traffic jam between intersection 1 and intersection 2, and from 12:00 to 13:00 It is recorded in this table that there was a single lane restriction between intersection 3 and intersection 4 in the time zone.
[0037]
As travel time variation factor data, in addition to weather such as rain and snow, traffic jams, and traffic regulations, it is also possible to record information on events (events) such as accidents in the vicinity, marathons and parades. By recording such travel time variation element data, statistical data corresponding to various situations can be created and more detailed prediction processing can be performed.
[0038]
Next, the process performed by the travel time prediction system of FIG. 2 will be described in more detail with reference to FIGS.
FIG. 8 is a flowchart of data collection processing performed by the operation information device. When the process is started, the operation information device measures the position of the host vehicle (step S1), and determines whether the distance D between the position of the intersection N that passes next and the measured position is the minimum (step S2). The position of the intersection N is stored in the intersection position information file.
[0039]
FIG. 9 shows the locus of the positioning position near the intersection. In general, the positioning position of the vehicle passing through the intersection gradually approaches the intersection center at first, and then gradually moves away from the intersection center, as indicated by a cross. Therefore, a positioning position P1 that minimizes the distance D is obtained by comparing several positioning positions with the position of the intersection center.
[0040]
If the position where D is minimum is not obtained, the processing from step S1 is repeated. If the position where D is minimum is obtained, the ID of the intersection N that has passed is stored, and the time when the position P1 is measured is the passing time T._N(Step S3).
[0041]
Next, the passing time T of the intersection N-1 that passed immediately before_N-1And passing time T at intersection N_NThe difference ΔT is calculated as a travel time from the intersection N-1 to the intersection N (step S4). And the intersection N, ID of N-1, the passing time T of the intersection N_NThe travel time ΔT, the vehicle attribute, the vehicle ID, and the travel attribute are recorded in the travel time recording file (step S5). In the examples of FIGS. 4 and 5, TO and FROM in the movement section correspond to the IDs of intersection numbers N and N−1, respectively.
[0042]
Next, it is determined whether or not a transmission time record file transmission request has been received from the base station (step S6). If there is such a request, the travel time recording file is transmitted to the base station (step S9), and it is determined whether or not the traveling is finished (step S10). Here, for example, when the engine of the vehicle stops, it is determined that the traveling has ended. If the running has not been completed, the processes after step S1 are repeated.
[0043]
In step S6, if there is no request for transmission of the travel time recording file from the base station, it is next determined whether or not the travel time is set to be periodically transmitted to the base station (step S7). If so, it is next determined whether or not the transmission condition is satisfied (step S8). Here, it is determined that the transmission condition is satisfied when a certain time has elapsed or the vehicle has traveled a certain distance.
[0044]
If the transmission condition is satisfied, the processing after step S9 is performed. If the travel time is not set to be transmitted periodically in step S7, and if the transmission condition is not satisfied in step S8, then the travel time is set to be transmitted to the base station for each event. It is determined whether or not (step S11). The event here refers to the state of the vehicle that occurs with traveling such as passing an intersection or stopping.
[0045]
If the travel time is not set to be transmitted for each event, the processes after step S1 are repeated. If so, it is next determined whether an event has occurred (step S12). If an event has not occurred, the processing from step S1 is repeated. If an event has occurred, the processing from step S9 is performed. Then, in step S10, when the traveling is finished, the process is finished.
[0046]
According to such data collection processing, the travel time recording file can be transmitted to the base station in response to a request from the base station. Further, when there is no request from the base station, it can be transmitted periodically or at every event occurrence.
[0047]
Next, FIG. 10 is a flowchart of database creation processing by the base station. When the process is started, the base station receives the travel time recording file from the vehicle operation information device (step S21), and accumulates the travel time data in the travel time database together with the travel time variable element data (step S21). S22).
[0048]
Then, it is determined whether or not the travel time data is statistically processed (step S23). Here, it is assumed that the statistical processing is performed every fixed time or whenever a fixed number of new travel time data is accumulated. When statistical processing is not performed, the processing from step S21 is repeated.
[0049]
When performing the statistical processing, the travel time data is classified according to the vehicle attribute, the travel attribute, and the travel time variation element (step S24). Next, statistical processing is performed for each movement section, and the distribution, average value, maximum value, minimum value, and the like of the movement time data are obtained. Then, the processing results are accumulated in the travel time database, and the processes after step S21 are repeated.
[0050]
By statistically processing the travel time data for each vehicle attribute, it is possible to determine the trend of travel time according to the type of vehicle, and by performing statistical processing for each travel attribute, it is possible to determine the trend according to the driving mode. it can. In addition, by performing statistical processing for each travel time variation element, it is possible to obtain a tendency according to time zone, weather, road conditions, and the like.
[0051]
For example, the movement from point A to point B is recorded as a tendency that it takes an average of 20 minutes during weekday daytime but only an average of 10 minutes at night on holidays. In addition, a tendency is recorded such that when it rains, its travel time becomes 30 minutes on average, and when it gets congested it averages 60 minutes.
[0052]
Next, FIG. 11 is a flowchart of travel time prediction processing by the base station. When the process is started, the operator of the base station first sets a route (step S31), and sets a parameter of the travel time variation factor (step S32).
[0053]
Here, for example, as shown in FIG. 12, a route is set such that point A is the departure point, point B is the destination, and intersections 1 and 2 are route points. In addition, as the travel time variation element, the date, day of the week, departure time (current time), weather, and the like are input. Along with the travel time variation element, the vehicle attribute, the vehicle ID, and the travel attribute can also be set as necessary.
[0054]
In the example of FIG. 12, the information of July 7 (Tanabata), Monday, 17:00, and rain is input as the date, day of the week, departure time, and weather information, and a taxi is designated as the vehicle attribute. Of these pieces of information, the date and time are usually designated by the operator, and information such as weather and vehicle attributes are designated by the driver.
[0055]
Next, the base station extracts the current actual value and past statistical value of the travel time from the travel time database (step S33). The current actual value indicates the latest travel time data of each section on the set route, and is extracted for each vehicle attribute, for example, as shown in FIG.
[0056]
In FIG. 13, the taxi travel time from point A to intersection 1 is 20 ± 1 minutes. ± 1 minute represents an error with respect to the actual value of 20 minutes. The same applies to the actual values of other sections and other vehicle types.
[0057]
The past statistical value refers to the result of statistical processing of past travel time data, and includes, for example, data as shown in FIGS. FIGS. 14, 15, and 16 show changes in the average travel time by taxi in the section from point A to intersection 1, the section from intersection 1 to intersection 2, and the section from intersection 2 to point B, respectively.
[0058]
Next, time fluctuations are predicted from past statistical values, the current actual value is corrected, and the predicted value of travel time is calculated stochastically (step S34). For example, in FIG. 14, there is no change in the average travel time from 16:00 to 18:00, and the travel time in this section is predicted to be 20 minutes. Therefore, the scheduled passage time of intersection 1 is 17:20.
[0059]
In the section from intersection 1 to intersection 2, the travel time gradually increases after 17:00. This indicates that this section is gradually congested, and it is predicted that the travel time will be 8 minutes at 17:20. Therefore, the scheduled passage time of intersection 2 is 17:28.
[0060]
Moreover, in the section from the intersection 2 to the B point, the travel time has decreased rapidly after 17:00. This indicates that the congestion in this section is resolved after 17:00. For this reason, it is predicted that the congestion is late at 17:00 and the travel time is reduced to 10 minutes around 17:28 even if the actual value is 20 minutes. Therefore, the estimated arrival time at point B is 17:38.
[0061]
By the way, it is considered that the collected travel time data is distributed in a mountain shape with a value near the average value as a vertex. Therefore, the shape of the mountain can be mathematically expressed by sampling the data of each point by a known statistical processing technique. Then, the probability of taking a value near the vertex can be obtained. It is assumed that such probability data is added to the predicted value of the travel time of each section described above.
[0062]
At this time, the prediction result of the travel time from the point A to the point B is expressed as, for example, 38 ± 3 minutes (probability 70%) including a prediction error of ± 3 minutes. This prediction result is stored in the travel time calculation result file, and is once notified to the vehicle at the point A.
[0063]
Next, the predicted value of each section is corrected from the time change of the actual value, the predicted value of the travel time of the route is corrected (step S35), and the process ends.
For example, after actually taking 20 minutes and moving from point A to intersection 1, the predicted values of the remaining sections are corrected as shown in FIG. In the section from the intersection 1 to the intersection 2, it was found that the congestion became severe earlier than the statistical data, so the prediction time of 8 minutes was changed to 10 minutes. Moreover, in the section from the intersection 2 to the B point, since the elimination of congestion is delayed from the statistical data, the predicted time of 10 minutes is changed to 15 minutes.
[0064]
As a result of performing the prediction again, the predicted value of the travel time from the intersection 1 to the point B is, for example, 25 ± 2 minutes (probability 80%), and the estimated arrival time at the point B is 17:45. This prediction result is also stored in the travel time calculation result file and notified to the vehicle that has passed the intersection 1.
[0065]
In the embodiment described above, the travel time is predicted on the base station side, but this can also be performed on the operation information apparatus side. In this case, necessary data in the travel time database is transmitted from the base station side to the operation information device, and the operation information device predicts the travel time by combining the received data with the latest data collected by itself.
[0066]
In the travel time database, if the travel attribute is “1”, the travel time can be corrected by subtracting the stop time from the corresponding travel time. For example, the vehicle may be provided with a sensor that detects opening / closing of a door, engine stop, etc., and the stop time may be calculated based on the output signal, or a predetermined time may be used as the stop time. .
[0067]
Further, in order to consider privacy, it is desirable to use as little information as possible for identifying individual operation information devices, vehicles, and individuals as position information and travel time information sent from the operation information device to the base station. However, it is also possible to track the movement trajectory of each vehicle by using a specific information field such as the vehicle ID described above.
[0068]
The operation information device 11 and the base station 21 in FIG. 2 can be configured using an information processing device (computer) as shown in FIG. 18, for example. 18 includes a CPU (central processing unit) 51, a memory 52, an input device 53, an output device 54, an external storage device 55, a medium driving device 56, and a network connection device 57, which are connected via a bus 58. Are connected to each other.
[0069]
The memory 52 stores programs and data used for processing. As the memory 52, for example, a read only memory (ROM), a random access memory (RAM), or the like is used. The CPU 51 performs each process of the travel time prediction system as described above by executing a program using the memory 52.
[0070]
The input device 53 is, for example, a keyboard, a pointing device, a touch panel, etc., and is used for inputting necessary instructions and information. The output device 54 corresponds to, for example, the display unit 17 and the audio output unit 18 in FIG. 2 and is used for outputting prediction results and the like.
[0071]
The external storage device 55 is, for example, a magnetic disk device, an optical disk device, a magneto-optical disk device, etc., and stores the intersection position information file 41 of FIG. . The above-described program and data can be stored in the external storage device 55, and loaded into the memory 52 for use as necessary.
[0072]
The medium driving device 56 drives a portable recording medium 59 and accesses the recorded contents. As the portable recording medium 59, any computer-readable recording medium such as a memory card, a floppy disk, a CD-ROM (compact disk read only memory), an optical disk, a magneto-optical disk, or the like is used. The above-described program and data can be stored in the portable recording medium 59, and loaded into the memory 52 for use as necessary.
[0073]
The network connection device 57 corresponds to the communication units 16 and 22 in FIG. 2 and performs data conversion accompanying communication. It is also possible to communicate with an external device via an arbitrary network (line). As a result, the program and data described above can be received from an external device and loaded into the memory 52 for use as required.
[0074]
FIG. 19 shows a computer-readable recording medium that can supply a program and data to the information processing apparatus of FIG. Programs and data stored in the portable recording medium 59 and the external database 60 are loaded into the memory 52. Then, the CPU 51 executes the program using the data and performs necessary processing.
[0075]
【The invention's effect】
According to the present invention, the measured value of the travel time between adjacent intersections of each vehicle is statistically processed based on the weather and road conditions, and the travel time of the route is predicted using the result. For this reason, detailed prediction according to each vehicle can be performed, and a highly accurate prediction result is obtained.
[Brief description of the drawings]
FIG. 1 is a principle diagram of a travel time prediction system according to the present invention.
FIG. 2 is a configuration diagram of a travel time prediction system.
FIG. 3 is a diagram showing an intersection.
FIG. 4 is a diagram showing a first travel time recording file.
FIG. 5 is a diagram showing a second travel time recording file.
FIG. 6 is a diagram showing a travel time table.
FIG. 7 is a diagram showing a travel time variation factor table.
FIG. 8 is a flowchart of data collection processing.
FIG. 9 is a diagram showing a positioning position at an intersection.
FIG. 10 is a flowchart of database creation processing.
FIG. 11 is a flowchart of a prediction process.
FIG. 12 is a diagram showing a route.
FIG. 13 shows actual values of travel time.
FIG. 14 is a diagram showing first statistical data.
FIG. 15 is a diagram showing second statistical data.
FIG. 16 is a diagram showing third statistical data.
FIG. 17 is a diagram illustrating a corrected predicted value.
FIG. 18 is a configuration diagram of an information processing apparatus.
FIG. 19 is a diagram illustrating a recording medium.
[Explanation of symbols]
1 Measuring means
2 processing means
3 Storage means
4 prediction means
5 Output means
11 Operation information device
12 Antenna
13 Positioning part
14 Position comparison part
15 Communication control unit
16, 22 Communication Department
17 Display
18 Audio output section
21 base station
23 Extractor
24 Statistical processing section
25 calculator
31 Mobile phone
41 Intersection location information file
42 Travel time record file
43 Travel time calculation result file
44 Travel time database
51 CPU
52 memory
53 Input device
54 Output device
55 External storage
56 Medium Drive Device
57 Network connection device
58 Bus
59 Portable recording media
60 database

Claims

Measuring means for measuring the position of the vehicle;
From the position and measurement time measured at two points in a predetermined section, information on the travel time of the section, and the first traveling form in which the traveling form of the vehicle in the section involves regular stopping Or processing means for obtaining travel time information including travel attribute information indicating which one of the second travel modes does not involve stopping ;
The travel time information collected from one or more vehicles is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle. A prediction means for predicting a travel time of a route including one or more sections for a vehicle having the specified movement attribute information ;
Prediction result storage means for storing the prediction result;
A travel time prediction system comprising: output means for outputting the prediction result.

The said prediction means correct | amends the information regarding the travel time of the said section by subtracting stop time from the travel time of the said section, when the said movement attribute shows the said 1st driving | running | working form. Travel time prediction system.

Claim, characterized by further comprising a a communication vehicle which transmits the movement at Majo paper, receives a moving time Majo report of the one or more sections which are collected from the one or more vehicles of the section 3. The travel time prediction system according to 1 or 2 .

Further comprising a position information storage means for storing information of position of the two points, the processing means compares the measured position and the position of the two points, two near the two Tsunochi point 3. The travel time prediction system according to claim 1, wherein a measurement position is obtained, and information relating to the travel time of the section is obtained from measurement times of the two measurement positions.

When moving Majo report of the section, according to claim 1 or 2 travel time prediction system as claimed characterized in that it comprises a vehicle attribute information representing the type of vehicle.

Information on the travel time of the section, and movement attribute information indicating whether the travel mode of the vehicle in the section is the first travel mode with regular stop or the second travel mode without stop a mobile time information including, storage means for storing moving at Majo report of the plurality of sections collected from one or more vehicles,
The travel time information of the plurality of sections is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle and specified. Predicting means for predicting the travel time of a route including one or more sections for a vehicle having the travel attribute information ;
A travel time prediction system comprising: a communication unit that transmits a prediction result.

When moving Majo report of the section includes a vehicle attribute information indicating the type of the vehicle, said predicting means, a moving time Majo report of each section by statistical processing in accordance with the vehicle attribute information of the route The travel time prediction system according to claim 6 , wherein the travel time is predicted.

Said predicting means, based on the time the vehicle has requested the prediction is required to actually move some sections included in the route, according to claim 6, wherein the modifying the predicted result Travel time prediction system.

Measuring means for measuring the position of the vehicle;
From the position and measurement time measured at two points in a predetermined section, information on the travel time of the section, and the first traveling form in which the traveling form of the vehicle in the section involves regular stopping Or processing means for obtaining travel time information including travel attribute information indicating which one of the second travel modes does not involve stopping ;
Storage means for storing moving at Majo report of the plurality of sections collected from one or more vehicles,
The travel time information of the plurality of sections is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle and specified. Predicting means for predicting the travel time of a route including one or more sections for a vehicle having the travel attribute information ;
A travel time prediction system comprising output means for outputting a prediction result.

A recording medium recording a program for a computer,
A function to measure the position of the vehicle;
From the position and measurement time measured at two points in a predetermined section, information on the travel time of the section, and the first traveling form in which the traveling form of the vehicle in the section involves regular stopping Or a function for obtaining travel time information including travel attribute information indicating which of the second travel modes does not involve stopping ,
The travel time information collected from one or more vehicles is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle. determined, a function of predicting the travel time of the route that includes one or more sections with respect to a vehicle having moving attribute information specified, and stores the prediction result,
A computer-readable recording medium on which a program for causing the computer to realize the function of outputting the prediction result is recorded.

A recording medium recording a program for a computer,
Information on the travel time of the section, and movement attribute information indicating whether the travel mode of the vehicle in the section is the first travel mode with regular stop or the second travel mode without stop a mobile time information including a function of storing the moving time Majo report of the plurality of sections collected from one or more vehicles,
The travel time information of the plurality of sections is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle and specified. A function of predicting a travel time of a route including one or more sections for a vehicle having the travel attribute information ;
A computer-readable recording medium recording a program for causing the computer to realize a function of transmitting a prediction result.

A travel time prediction method for predicting a travel time of a vehicle using a computer,
Measure the position of one or more vehicles,
From the position and measurement time measured at two points in a predetermined section, information on the travel time of the section, and the first traveling form in which the traveling form of the vehicle in the section involves regular stopping Or the movement time information including the movement attribute information indicating which of the second driving modes without stopping is obtained,
Collecting information on travel times of multiple sections from the one or more vehicles,
The travel time information of the plurality of sections is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle and specified. A travel time prediction method for predicting the travel time of a route including one or more sections for a vehicle having the travel attribute information .

Information on travel time from the vehicle to the road section, and movement indicating whether the travel mode of the vehicle in the section is the first travel mode with a regular stop or the second travel mode without a stop Collect travel time information including attribute information ,
The collected travel time information is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle, and the designated travel An information providing apparatus comprising: a transmission unit that predicts a travel time of a route including one or more sections with respect to a vehicle having attribute information and provides a prediction result to the vehicle .

Information on travel time traveled on a predetermined road section, and whether the travel mode of the vehicle in the section is the first travel mode with a regular stop or the second travel mode without a stop Transmitting means for transmitting the travel time information including the travel attribute information indicating
The travel time information from the vehicle collected at the base station is classified according to the travel attribute information, and the travel time information is statistically processed for each travel attribute information to determine the travel time trend according to the travel mode of the vehicle. Receiving means for receiving information on a prediction result obtained by predicting a moving time of a route including one or more sections for a vehicle having the specified movement attribute information .
An information acquisition apparatus comprising: display means for performing display according to received information .