JP4733623B2 - 予測交通情報提供装置、車載端末および予測交通情報提供システム - Google Patents

Description

本発明は、交通情報の予測技術に関する。

近年、ナビゲーションシステムを利用して、交通事故の防止、渋滞の緩和などを目的とした交通情報システムが注目されており、数々の技術が提供されている。
このような交通情報システムの一環として、未来の日時における渋滞などを予測する交通情報予測技術が提供されている。
そして、交通情報予測技術には、例えばＶＩＣＳ（Vehicle Information and Communication System：登録商標）やプローブカーから、旅行時間などの交通情報を取得・蓄積し、蓄積した過去の交通情報に確率処理などの統計処理を施した統計交通情報を利用して、現在または未来の渋滞情報（交通情報）を算出する技術が開示されている（例えば、特許文献１参照）。
また、過去の交通情報から、主成分分析などを用いて、特徴的な交通情報のパターン（特徴パターン）を算出し、算出した特徴パターンに所定の強度を乗算し、交通情報の予測を行う特徴空間予測の技術が開示されている（例えば、特許文献２参照）。

さらに、これまでの過去の交通情報から、未来の交通情報を予測する際に、気温や、降水量などの非日種要因を加味した予測が求められている。
特開２００５−１２２４６１号公報（段落００２９〜段落００３３、図７） 特開２００５−４６６８号公報（段落００２８〜段落００３７、図１２）

しかしながら、統計交通情報において、非日種要因による影響を加味しようとすると、各非日種要因に対応した統計交通情報が必要となるため、予測に必要なデータ量が膨大な量となってしまう。
つまり、統計交通情報で非日種要因をカバーするとなると、日種要因と非日種要因の組み合わせ（平日・雨、平日・晴、平日・雪など）で統計交通情報を作成することになり、データ量が増大する。また、この組み合わせの条件を絞ると、統計交通情報を作成する際の母数が少なくなってしまうため、予測精度が低下してしまう。
また、特徴空間予測では、原則、特徴量として寄与度が低いパターンを切り捨てるため、精度に限界が生じてしまう。また、非日種要因を反映させる場合には、各特徴パターンのそれぞれに日種要因および非日種要因のパターンを、加味させる必要があるが、特徴パターンが多くなるにつれ、計算量が増大し、計算機の負荷が増大してしまう。
すなわち、特徴空間予測では、日種要因や非日種要因のパターンとして、日種・非日種要因が混在した数十種類の特徴パターンが必要となり、データ量や計算量が増大してしまう。

このような背景に鑑みて本発明がなされたのであり、本発明は、天候や季節などの非日種要因を加味した予測交通情報において、予測に必要なデータ量および計算量を低減し、データを低減した場合の予測精度の低下を抑えることを目的とする。

前記課題を解決するため、本発明を完成するに至った。すなわち、本発明の交通情報予測提供装置、車載端末および予測交通情報提供システムは、交通情報から日種ごとの非日種変動量を算出し、この非日種変動量と基底成分としての非日種情報とを基に、非日種情報にかかる係数である予測係数を算出することを特徴とする。

本発明によれば、天候や季節などの非日種要因を加味した予測交通情報において、予測に必要なデータ量および計算量を低減し、かつデータを低減した場合の予測精度の低下を抑えることが可能となる。

次に、本発明を実施するための最良の形態（「実施形態」という）について、適宜図面を参照しながら詳細に説明する。

図１は、本実施形態に係る予測交通情報提供システムの概略図である。
予測交通情報提供システム１は、気象センタなどから気象情報を取得する気象情報センタ４、ＶＩＣＳ（登録商標）などの交通情報提供センタ９またはプローブカー１０から旅行時間などの交通情報を取得し、取得した交通情報や、気象情報センタ４から送られた非日種情報を基に予測交通情報を算出し、算出した予測交通情報を各車両８に搭載されている車載端末７に送る交通情報センタ３、予測交通情報提供装置２から送信された予測交通情報を車載端末７に送信する基地局６、および車両８に搭載され、予測交通情報提供装置２から無線送信された予測交通情報を受信して、表示する車載端末７からなる。交通情報センタ３、気象情報センタ４および基地局６は、通信ネットワーク５を介して接続されている。
交通情報センタ３には、指定したリンクにおける日時の予測交通情報を算出して、算出した予測交通情報を通信ネットワーク５および基地局６を介して車載端末７に提供する予測交通情報提供装置２が設置されている。

車載端末７は、予測交通情報提供装置２から送られる予測交通情報や予測係数などを受信し、入力部７３を介して本体部７１に入力された予測を行いたいリンクや日付や時刻などを予測交通情報提供装置２に送る送受信機７４、送受信機７４が受信した予測交通情報や予測係数などを視覚的に認識可能な情報として、表示部７２に表示させる本体部７１を備えてなる。

次に、図１を参照しつつ、図２を参照して本実施形態に係る予測交通情報提供装置について説明する。
図２は、情報センタに設置される予測交通情報提供装置の概略図である。
予測交通情報提供装置２は、日種ごとの統計交通情報である日種別統計交通情報を作成する統計交通情報作成部２０１、非日種的な変動量に対する非日種要因の影響の度合いを表す予測係数を算出する予測係数算出部２０２を備える。
また、予測交通情報提供装置２は、日種別統計交通情報、予測係数および非日種情報を基に予測交通情報を算出する交通情報予測部２０３を備える。
さらに、予測交通情報提供装置２は、交通情報提供センタ９やプローブカー１０から送られた交通情報が保存される交通情報データベース（ＤＢ）２０４、気象情報センタ４から送られた気温や降水量などの非日種要因の情報（非日種情報）が保存される非日種情報ＤＢ２０５、統計交通情報作成部２０１によって作成された日種別統計交通情報が保存される日種別統計交通情報ＤＢ２０６、および予測係数算出部２０２によって算出された予測係数が保存される予測係数ＤＢ２０７を備える。
非日種要因の種類として、天候の他、季節成分や、周辺店舗のバーゲン期間や、バケーションなどのイベントが考えられる。

また、予測交通情報提供装置２は、日種と日付とを対応させた日種カレンダが保存されているカレンダＤＢ２０８、リンクに対して一意に付されたリンク番号の一覧などが保存されているリンクＤＢ２０９、および日種の種類の一覧などが保存されている日種ＤＢ２１０を備える。
また、予測交通情報提供装置２は、交通情報提供センタ９やプローブカー１０から送られた交通情報を取得し、取得した交通情報を交通情報ＤＢ２０４に保存する交通情報取得部２１２を備える。
さらに、予測交通情報提供装置２は、気象情報センタ４から送られた非日種情報を取得し、取得した非日種情報を非日種情報ＤＢ２０５に保存する非日種情報取得部２１３、車載端末７から、予測を行いたいリンクのリンク番号や日付や時刻が含まれている予測交通情報要求を受信して、交通情報予測部２０３に送る予測交通情報要求受信部２１４を備える。
また、予測交通情報提供装置２は、交通情報予測部２０３が算出した予測交通情報を車載端末７に送る予測交通情報送信部２１５を備える。
さらに、予測交通情報提供装置２は、通信ネットワーク５と接続し、気象情報センタ４などから送られた情報を受信して、交通情報取得部２１２や非日種情報取得部２１３に送り、さらに交通情報予測部２０３が算出した予測交通情報を車載端末７に送る通信インタフェース部２１１を備える。
なお、図１および図２に示す予測交通情報提供装置２および車載端末７における各部（２０１〜２０３，２１１〜２１５，７１，７２，７３）は、コンピュータに搭載されたハードディスクなどの記憶装置に格納されたプログラムが、ＲＡＭ（Random Access Memory）や、フラッシュメモリなどの記憶手段に展開され、この展開されたプログラムを図示しないＣＰＵ（Central Processing Unit）が実行することで、具現化する。

図３は、交通情報ＤＢにおけるデータの構成例を示す図である。
交通情報ＤＢ２０４には、リンクごとに一意に付された番号であるリンク番号、該交通情報が取得された日付、および該リンク番号および日付に対応したリンクにおける交通情報（旅行時間）が時間的推移のデータとして保存されている。なお、図３では、見やすくするため、交通情報の時間推移をグラフの形で示してあるが、実際には、例えば所定時間毎（例えば、５分毎）における旅行時間の値が保存されている。なお、以下に記述する図４の非日種情報および図５の日種別統計交通情報（日種別統計旅行時間）においても、データは、同様の形式で保存されている。

図４は、非日種情報ＤＢにおけるデータの構成例を示す図である。
非日種情報ＤＢ２０５には、日付と、気温や降水量などの非日種要因の要素と、非日種情報とが保存されている。非日種情報は、該当する日付における要素の時間的推移のデータである。例えば、２００６年７月１５日の気温では、該当する日付における１日の気温の推移がデータとして保存されている。

図５は、日種別統計交通情報ＤＢにおけるデータの構成例を示す図である。
日種別統計交通情報ＤＢ２０６には、日種と、該日種に対応する日種別統計交通情報（日種別統計旅行時間）が保存されている。日種別統計交通情報の算出方法は、図３を参照して後記する。

図６は、カレンダＤＢにおける日種カレンダの構成例を示す図である。
図６に示すように日種カレンダには、平日２日目、五十日（ごとおび：月のうち、五、十のつく日）、３連休などの日種がそれぞれの日付に対して対応付けられている。１つの日付に対し、通常複数の日種が対応するが、より特殊な日種が優先されて対応付けられる。
例えば、図６において、７月１５日は、土曜日、休日、３連休、３連休初日、五十日などの日種が対応付けられる可能性があるが、この中で交通関係にとって最も重要であり、かつ特殊である五十日が対応付けられることになる。

次に、交通情報のうちの、非日種要因による変動量である非日種変動量の算出方法の概略を示す。
なお、以下の本実施形態では、より具体的な説明を行うため、これまでの交通情報を旅行時間として説明する。すなわち、交通情報は、旅行時間に、統計交通情報は、統計旅行時間に、日種別統計交通情報は、日種別統計旅行時間といったように変換する。しかしながら、交通情報は、旅行時間に限らないので、例えばリンク毎の平均速度、渋滞レベル（道路種別の速度毎にレベル分けしたもの）などを交通情報としてもよい。

図７および図８を参照して、本実施形態における予測係数の作成方法、ならびに予測旅行時間の作成方法の概略を示す。
図７は、非日種変動量を算出する手順の概略を示す図である。
例として、２００６年7月１５日（以降、７月１５日と記載）のデータを用いた場合で説明する。
図６の日種カレンダを参照すると、７月１５日の日種は、五十日であることがわかる。さらに、この日の天気は、１日中雨だったとする。
図７のＴ１（ｔ）は、７月１５日のあるリンクにおける旅行時間の時間的推移を表す。
さらに、Ｔ２（ｔ）は、日種に関して特徴的な旅行時間である日種別統計交通情報データの時間的推移を表す。日種別統計旅行時間の算出方法については、図９を参照して説明する。
そして、旅行時間Ｔ１（ｔ）から日種別統計旅行時間Ｔ２（ｔ）を減算したＴ３（ｔ）が、７月１５日における非日種変動量となる。
Ｔ３（ｔ）＝Ｔ１（ｔ）−Ｔ２（ｔ） 式（１）

次に、図８を参照して、予測係数の算出処理の概略を説明する。
図８は、非日種情報の一例を示す図である。
図８も、図７にならって７月１５日のデータをあげることとする。
図８に示すように、７月１５日の気温の変動を表す曲線をＸ１（ｔ）、降水量の変動を表す曲線をＸ２（ｔ）とすると、図７の非日種変動量Ｔ３（ｔ）は、Ｘ１（ｔ），Ｘ２（ｔ）・・・を基底成分とすることにより、
Ｔ３（ｔ）＝ａ（ｔ）Ｘ１（ｔ）＋ｂ（ｔ）Ｘ２（ｔ）＋・・・ 式（２）
と表すことができる。
ここで、ａ（ｔ），ｂ（ｔ），・・・を予測係数という。予測係数は、Ｔ３（ｔ）を主成分分析したり、回帰分析したりすることによって得ることができる。

この予測係数を用いると、ある未来の日付における予想気温の推移Ｘ１（ｔ）’、予想降水量の推移Ｘ２（ｔ）’・・・を得ることができれば、これらと先の予測係数を用いて該当する日付において予測される非日種変動量（予測非日種変動量）Ｔ３（ｔ）’を、
Ｔ３（ｔ）’＝ａ（ｔ）Ｘ１（ｔ）’＋ｂ（ｔ）Ｘ２（ｔ）’＋・・・ 式（３）
と表すことができる。
これに、該当する日付の日種がわかれば、該当する日種別統計旅行時間Ｔ２（ｔ）’を、日種別統計交通情報ＤＢ２０６から取得することによって、その未来の日付における予測旅行時間Ｔ１（ｔ）’を、
Ｔ１（ｔ）’＝Ｔ２（ｔ）’＋Ｔ３（ｔ）’ 式（４）
として求めることができる。
以下、ａ（ｔ），ｂ（ｔ），・・・の一組を予測係数の組と記載することとする。

（日種別統計交通旅行時間の作成処理）
まず処理に先立って、図１および図２を参照しつつ交通情報ＤＢ２０４および非日種情報ＤＢ２０５のデータ取得の処理について説明する。
予測交通情報提供装置２の交通情報取得部２１２は、交通情報提供センタ９やプローブカー１０からリンクごとの旅行時間などを通信インタフェース部２１１を介して取得し、旅行時間などを取得した交通情報取得部２１２は、これを交通情報ＤＢ２０４に保存する。
気象情報センタ４は、日付や時刻ごとの温度や降水量などの非日種情報を通信ネットワーク５を介して交通情報センタ３の予測交通情報提供装置２に送る。
予測交通情報提供装置２の非日種情報取得部２１３は、通信インタフェース部２１１を介して、非日種情報を取得し、これを非日種情報ＤＢ２０５に保存する。

図１および図２を参照しつつ、図９に沿って、日種ＤＢ２１０に保存される日種別統計旅行時間の作成処理を説明する。
図９は、日種別統計旅行時間の作成処理の流れを示すフローである。
なお、この処理は、ユーザが日種別統計交通情報ＤＢ２０６の更新を入力したか、あるいは一定の周期（例えば、１年毎）で行われる。
まず、作成したい日種別統計旅行時間の日種が設定される（Ｓ１０１）。設定の方法は、予め日種の名称などが日種ＤＢ２１０に保存されており、統計交通情報作成部２０１が日種ＤＢ２１０の先頭から日種データを読み込んでいってもよいし、入力部７３を介して、日種の名称などが統計交通情報作成部２０１に入力されることで、日種が設定されてもよい。

次に、統計交通情報作成部２０１は、カレンダＤＢ２０８から日種カレンダを取得し、取得した日種カレンダから、設定された日種が対応付けられているすべての日付を取得する（Ｓ１０２）。
次に、対象となるリンクのリンク番号が設定される（Ｓ１０３）。リンク番号の設定方法は、例えばリンクＤＢ２０９の先頭から統計交通情報作成部２０１が、リンク番号を読み込むことで行われる。
そして、統計交通情報作成部２０１が、ステップＳ１０２で取得した日付と、ステップＳ１０３で設定されたリンク番号とを基に、交通情報ＤＢ２０４から該当する旅行時間を取得する（Ｓ１０４）。

次に、統計交通情報作成部２０１は、ステップＳ１０２で取得した日付に関するすべての旅行時間を取得したか否かを判定する（Ｓ１０５）。判定の方法は、例えばステップＳ１０２で取得した日付と、ステップＳ１０３で設定されたリンク番号に該当する交通情報ＤＢ２０４の旅行時間に統計交通情報作成部２０１が、フラグをたてておき、ステップＳ１０５において、統計交通情報作成部２０１が、このフラグを参照することによって判定を行う。
判定の結果、取得した日付に関するすべての旅行時間を取得していないと判定された場合（Ｓ１０５→Ｎｏ）、ステップＳ１０４の処理に戻る。
判定の結果、取得した日付に関するすべての旅行時間を取得したと判定された場合（Ｓ１０５→Ｙｅｓ）、ステップＳ１０６の処理に進む。
次に、統計交通情報作成部２０１は、取得したすべてのリンクに関して、予め設定しておいた所定の時間毎に旅行時間の平均をとるなどの処理を行うことによって、該当する日種の統計旅行時間を算出する（Ｓ１０６）。ここで算出された統計旅行時間が、日種別統計旅行時間となる。

そして、統計交通情報作成部２０１は、すべてのリンクに関して日種別統計旅行時間を算出したか否かを判定する（Ｓ１０７）。判定の方法は、例えば現在読み込んでいるリンクのリンク番号が、リンクＤＢ２０９の最後のデータであるか否かを統計交通情報作成部２０１がリンクＤＢ２０９を参照して、判定することによって行われる。
判定の結果、取得したすべてのリンクに関して日種別統計旅行時間を算出していないと判定された場合（Ｓ１０７→Ｎｏ）、ステップＳ１０３に処理を戻す。
判定の結果、取得したすべてのリンクに関して日種別統計旅行時間を算出したと判定された場合（Ｓ１０７→Ｙｅｓ）、ステップＳ１０８に処理を進める。
次に、統計交通情報作成部２０１は、日種ＤＢ２１０に格納されているすべての日種に関して、日種別統計旅行時間を算出したか否かを判定する（Ｓ１０８）。判定の方法は、例えば現在読み込んでいる日種の名称が、日種ＤＢ２１０の最後のデータであるか否かを統計交通情報作成部２０１が判定することによって行われる。
判定の結果、すべての日種に関して、日種別統計旅行時間を算出していないと判定された場合（Ｓ１０８→Ｎｏ）、ステップＳ１０１の処理に戻る。
判定の結果、すべての日種に関して、日種別統計旅行時間を算出していると判定された場合（Ｓ１０８→Ｙｅｓ）、ステップＳ１０９の処理に進む。
そして、統計交通情報作成部２０１は、作成した日種別統計旅行時間を、該当する日種と対応付けて日種別統計交通情報ＤＢ２０６に保存する（Ｓ１０９）。

（予測係数の算出処理）
図１および図２を参照しつつ、図１０に沿って予測係数の算出処理の説明をする。
図１０は、予測係数の算出処理の流れを示すフローである。
まず、作成したい日種別統計旅行時間の日種が設定される（Ｓ２０１）。設定の方法は、予め日種の名称などが日種ＤＢ２１０に保存されており、統計交通情報作成部２０１が日種ＤＢ２１０の先頭から日種データを読み込んでいってもよいし、入力部７３を介して、日種の名称などが統計交通情報作成部２０１に入力されることで、日種が設定されてもよい。

次に、統計交通情報作成部２０１は、カレンダＤＢ２０８から日種カレンダを取得し、取得した日種カレンダから、設定された日種が対応付けられているすべての日付を取得する（Ｓ２０２）。
次に、対象となるリンクのリンク番号が設定される（Ｓ２０３）。リンク番号の設定方法は、例えばリンクＤＢ２０９の先頭から統計交通情報作成部２０１が、リンク番号を読み込むことで行われる。
そして、統計交通情報作成部２０１が、ステップＳ２０２で設定された日付と、ステップＳ２０３で設定されたリンク番号とを基に、交通情報ＤＢ２０４から該当する旅行時間を取得する（Ｓ２０４）。

次に、予測係数算出部２０２は、対象となるリンクの、ステップＳ２０１で設定した日種と、ステップＳ２０３で設定したリンク番号を基に日種別統計旅行時間を日種別統計交通情報ＤＢ２０６から取得する（Ｓ２０５）。
そして、予測係数算出部２０２は、ステップＳ２０４で取得した旅行時間から、ステップＳ２０５で取得した日種別統計旅行時間を減算することによって、対象となるリンクの非日種変動量を算出する（Ｓ２０６）。
なお、本実施形態では、日種カレンダにおいて、日付と日種とを１対１に対応させることによって、旅行時間から減算する日種別統計旅行時間を１つとしたが、前記したように、１つの日付には通常複数の日種が該当する。したがって、例えば該当するリンクにおける日種毎の旅行時間の時間的推移のパターンを人為的に作成し、該当する日付に対応する日種のパターンの平均をとるなどしたデータを日種別統計旅行時間としてもよい。

次に、予測係数算出部２０２は、該当する日種のすべての日付に対して、対象となるリンクの非日種変動量を算出したか否かを判定する（Ｓ２０７）。判定の方法は、例えば図９のステップＳ１０５で行った判定と同様の方法で行うなどがある。
判定の結果、すべての日付に対して、対象となるリンクの非日種変動量が算出されていないと判定された場合（Ｓ２０７→Ｎｏ）、ステップＳ２０６の処理に戻る。
判定の結果、すべての日付に対して、対象となるリンクの非日種変動量が算出されたと判定された場合（Ｓ２０７→Ｙｅｓ）、ステップＳ２０８の処理に進む。
そして、予測係数算出部２０２は、非日種情報ＤＢ２０５から、対象となる日付に対応する非日種情報を取得する（Ｓ２０８）。

次に、予測係数算出部２０２は、ステップＳ２０８で取得した非日種情報と、ステップＳ２０６で算出した非日種変動量とを基に、主成分分析や回帰分析などを用いて、予測係数の組を算出する（Ｓ２０９）。

そして、予測係数算出部２０２は、算出した予測係数の組を予測係数ＤＢ２０７に保存する（Ｓ２１０）。
そして、予測係数算出部２０２は、対象となるすべてのリンクに関して、予測係数を算出したか否かを判定する（Ｓ２１１）。判定方法は、例えば予測係数の組を算出し終えたリンクＤＢ２０９のリンク番号にフラグをたてておき、予測係数算出部２０２がリンクＤＢ２０９を参照してすべてのリンクにフラグがたっているか否かを検索することによって判定する。
判定の結果、すべてのリンクに関して、予測係数を算出していないと判定された場合（Ｓ２１１→Ｎｏ）、ステップＳ２０３の処理に戻る。
判定の結果、すべてのリンクに関して、予測係数を算出したと判定された場合（Ｓ２１１→Ｙｅｓ）、ステップＳ２１２に処理を進める。
そして、予測係数算出部２０２は、すべての日種に関して、予測係数を算出したか否かを判定する（Ｓ２１２）。判定方法は、ステップＳ２１１の方法と同様の方法で行う。
判定の結果、すべての日種に関して、予測係数を算出していないと判定された場合（Ｓ２１２→Ｎｏ）、ステップＳ２０１の処理に戻る。
判定の結果、すべての日種に関して、予測係数を算出したと判定された場合（Ｓ２１２→Ｙｅｓ）、処理を終了する。

（交通情報予測処理）
図１および図２を参照しつつ、図１１に沿って交通情報予測処理の説明をする。
図１１は、交通情報予測処理の流れを示すフローである。
まず、予測を行いたいリンクのリンク番号や日付や時刻などが入力部７３を介して、車載端末７に入力される（Ｓ３０１）。予測を行いたいリンクのリンク番号は、直接入力されてもよいし、例えば表示部７２に地図を表示し、ユーザが予測を行いたい道路を指定すると、車載端末７が、指定した道路を該当するリンク番号に変換するなどの方法でもよい。
また、入力されるリンク番号は、複数でもよい。また、エリアや、ルートや、地点（座標）などからリンクのリンク番号を特定してもよい。

次に、車載端末７は、予測交通情報要求を基地局６および通信ネットワーク５を介して予測交通情報提供装置２に送信する（Ｓ３０２）。予測交通情報要求には、予測を行いたいリンクのリンク番号や日付や時刻などが含まれている。
次に、通信インタフェース部２１１を介して、予測交通情報要求受信部２１４が、予測交通情報要求を受信する。そして、予測交通情報要求受信部２１４が、受信した予測交通情報要求を交通情報予測部２０３に送り、交通情報予測部２０３は、予測交通情報要求に含まれるリンク番号、日付、時刻などを取得する（Ｓ３０３）。
そして、交通情報予測部２０３は、カレンダＤＢ２０８から日種カレンダを取得し、取得した日種カレンダを参照して、ステップＳ３０３で入力された日付が、どの日種に該当するかを検索し、該当する日種を取得する（Ｓ３０４）。

そして、交通情報予測部２０３は、ステップＳ３０３で取得したリンク番号と、ステップＳ３０４で取得した日種とを基に、日種別統計交通情報ＤＢ２０６を参照して、該当する日種別統計旅行時間を取得する（Ｓ３０５）。
次に、交通情報予測部２０３は、ステップＳ３０３で入力された日付を基に、非日種情報ＤＢ２０５を参照して、当該日付の非日種情報をすべて取得する（Ｓ３０６）。このときの非日種情報は、当該日付における予想気温、予想降水量などのデータである。
そして、交通情報予測部２０３は、予測係数ＤＢ２０７を参照して、該当する日種における予測係数の組を取得する（Ｓ３０７）。予測係数の組は、予測係数の算出を行った日付分だけ存在するが、例えば、以下のようにして予測係数の組を１つに絞り込む。まず、交通情報予測部２０３は、リンクの場所、時間、日種などを基に、予測係数の組を絞り込んでいく。ここで、最終的に１組の予測係数に絞り込むことができれば、その予測係数の組を使用する。１組に絞り切れない場合は、最終的に残った予測係数の組において、予測係数毎に平均をとるなどして、使用する予測係数の組を１組に絞り込む。

次に、交通情報予測部２０３は、取得した予測係数の組と、非日種情報とを基に、該当する日付における予測非日種変動量を算出する（Ｓ３０８）。
そして、交通情報予測部２０３は、ステップＳ３０５で取得した日種別統計旅行時間に、適当な補正係数αを乗算した予測非日種変動量を加算して、該当するリンクにおける予測旅行時間を算出する（Ｓ３０９）。

ここで、補正係数αについて説明する。
以下の計算は、交通情報予測部２０３が行う処理である。
該当するリンクにおける予測される旅行時間である予測旅行時間Ｔ１（ｔ）’は、式（４）に予測非日種変動量の影響を表すパラメータである補正係数αを挿入することによって、以下の式に書き換えることができる。
Ｔ１（ｔ）’＝Ｔ２（ｔ）’＋α・Ｔ３（ｔ）’ 式（５）
ここで、式（５）の両辺をＴ２（ｔ）’で割ると、
Ｔ１（ｔ）’／Ｔ２（ｔ）’＝１＋α・Ｔ３（ｔ）’／Ｔ２（ｔ）’ 式（６）
左辺の分母子を該当するリンクのリンク長Ｌで割ると、式（７）を得る。
（Ｔ１（ｔ）’／Ｌ）／（Ｔ２（ｔ）’／Ｌ）＝Ｖ２（ｔ）’／Ｖ１（ｔ）’＝１＋α・Ｔ３（ｔ）’／Ｔ２（ｔ）’ 式（７）

ここで、Ｖ１（ｔ）’は、算出された予測旅行時間による予測速度、Ｖ２（ｔ）’は、日種別統計旅行時間による予測速度である。
式（７）を以下のようにさらに変形すると、式（８）を得る。
Ｖ１（ｔ）’＝Ｖ２（ｔ）’／（１＋α・Ｔ３（ｔ）’／Ｔ２（ｔ）’）＝β（ｔ）・Ｖ２（ｔ）’ 式（８）
β（ｔ）に関しては、後記する。

そして、交通情報予測部２０３が、まず、補正係数αを１として、Ｖ１（ｔ）’の算出を行い、算出したＶ１（ｔ）’の値を判定する。この値が、異常な値（例えば、時速２００ｋｍなど）であるか否か、すなわち予め定めた速度しきい値以下であるか否かを交通情報予測部２０３が判定し、当該速度しきい値以下であれば、そのままＴ１（ｔ）’を予測旅行時間として用いる。Ｖ１（ｔ）’が、当該速度しきい値より大きな値であれば、補正係数αを０〜１の間で、所定値だけ減算し、再びＶ１（ｔ）’を算出して、算出したＶ１（ｔ）’が異常値であるか否かの判定を行う。
この処理を繰り返し、Ｖ１（ｔ）’が速度しきい値以下となるまで、補正係数αの更新を行う。
なお、ここでは補正係数αを時間依存しない値としたが、前記補正係数αの算出手順を、時間毎に行うことによって補正係数αを時間依存する値α（ｔ）としてもよい。

次に、交通情報予測部２０３は、ステップＳ３０３で取得したすべてのリンク番号に該当するリンク（予測対象リンク）に関して、予測旅行時間を算出したか否かを判定する（Ｓ３１０）。
判定の結果、すべての予測対象リンクに関して、予測旅行時間が算出されていないと判定された場合（Ｓ３１０→Ｎｏ）、ステップＳ３０５の処理に戻る。
判定の結果、すべての予測対象リンクに関して、予測旅行時間が算出されたと判定された場合（Ｓ３１０→Ｙｅｓ）、処理を終了する。

算出された予測旅行時間および用いられた予測係数は、リンク番号、日付、時刻と共に予測交通情報送信部２１５へ送られ、予測交通情報送信部２１５は、通信インタフェース部２１１、通信ネットワーク５および基地局６を介して、車載端末７へ算出した予測旅行時間を送る。

ここで、式（８）におけるβ（ｔ）について説明する。
β（ｔ）は、日種別統計旅行時間による予測速度Ｖ２（ｔ）’（日種別統計交通情報）に対する非日種要因の影響の度合いを意味する強度パラメータである。

交通情報予測部２０３が、日種別統計旅行時間による予測速度Ｖ２（ｔ）’と、強度パラメータβ（ｔ）とを、図示しない強度パラメータ記憶部に記憶させてもよい。
図１２は、あるリンクにおける日種別統計旅行時間による予測速度と、強度パラメータの関係を示すグラフの一例である。
図１２において、横軸は、日種別統計旅行時間による予測速度（式（８）のＶ２（ｔ）’）を示し、縦軸は、強度パラメータβ（ｔ）を示す。
交通情報予測部２０３が、図示しない強度パラメータ記憶部に、図１２に示すように日種別統計旅行時間による予測速度Ｖ２（ｔ）’と、強度パラメータβ（ｔ）とを、予め対応付けて記憶させておくことにより、式（８）の予測旅行時間による予測速度Ｖ１（ｔ）’（予測交通情報）の算出が容易となる。
例えば、交通情報予測部２０３は、図示しない入力部や、通信インタフェース部２１１（図１参照）を介して入力された日種別統計旅行時間による予測速度がＶ２ｃ（ｔ）のときには、交通情報予測部２０３は、図示しない強度パラメータ記憶部から強度パラメータβｃ（ｔ）（図１２参照）を得る。交通情報予測部２０３は、この強度パラメータβｃ（ｔ）を用いて時刻ｔ’における予測旅行時間による予測速度Ｖ１ｗ（ｔ’）を、Ｖ１ｗ（ｔ’）＝βｃ（ｔ’）・Ｖ２ｃ（ｔ’）と算出すればよいので、処理時間の短縮が可能となる。

このように、非日種別統計旅行時間による予測速度Ｖ２（ｔ）’に対する強度パラメータβ（ｔ）を、リンクごとに設けてもよいが、道路種別や日種別統計旅行時間による予測速度Ｖ２（ｔ）’に対する強度パラメータβ（ｔ）が同一傾向を示す道路、すなわち図１２のグラフの形状が類似している道路などに対しては、代表の強度パラメータβ（ｔ）を定めて、使用するようにすれば、図示しない強度パラメータ記憶部に記憶させるデータ量を削減することができる。さらに、図１３および図１４を参照して後記する該予測旅行時間を用いた経路探索の結果や、渋滞箇所を表示出力するまでの応答時間を短縮することができる。

また、交通情報予測部２０３が、非日種要因による予測速度の変化の影響が大きいリンクを、例えば該予測速度の最大値と、最小値との差が所定の閾値以上であるリンクとして選択し、このリンクに対してのみ、非日種別統計旅行時間による予測速度Ｖ２（ｔ）’と、強度パラメータβ（ｔ）とを対応付けて図示しない強度パラメータ記憶部に記憶させてもよい。
このようにしても、図示しない強度パラメータ記憶部に記憶させるデータ量を削減することができ、さらに、図１３および図１４を参照して後記する該予測旅行時間を用いた経路探索の結果や、渋滞箇所を表示出力するまでの応答時間を短縮することができる。

ここでは、日種別統計旅行時間による予測速度Ｖ２（ｔ）’と、強度パラメータβ（ｔ）とを対応させて図示しない強度パラメータ記憶部に記憶させ、図示しない入力部や、通信インタフェース部２１１（図１参照）を介して入力された日種別統計旅行時間による予測速度Ｖ２（ｔ）’を基に、交通情報予測部２０３が、強度パラメータβ（ｔ）を取得したが、式（８）を用いて強度パラメータβ（ｔ）を算出してもよい。

次に、図１を参照しつつ、図１３および図１４に沿って、本実施形態の車載端末における画面例を説明する。
図１３は、本実施形態にかかる車載端末の表示部における画面例を示す図である。
車載端末７の本体部７１は、予測交通情報提供装置２から送られた予測旅行時間、予測係数、リンク番号、日付、時刻を送受信機７４を介して取得する。そして、本体部７１は、取得したリンク番号に該当する地図上のリンクに、所定の値を超えた予測旅行時間を渋滞情報として、表示部７２に表示させる。
例えば、図１１で説明した交通情報予測処理によって、算出された予測旅行時間を表示する際、送られた予測係数の組のうちで、最も大きい予測係数を交通渋滞などの予測旅行時間の要因として、その旨を表示する。
例えば、予測旅行時間を基に、交通渋滞情報を表示するものとすると、Ａの区間の交通渋滞は、図１０の予測係数の算出処理で算出した予測係数のうち、ｂ（ｔ）が最も大きい値であったとする。各予測係数は、図８を参照した説明に従うとすると、ｂ（ｔ）は、降水量にかかる係数である。したがって、Ａの区間において予測される交通渋滞（予測交通渋滞）の要因は、降水量による影響、すなわち雨天によるものと、本体部７１が判定する。したがって、本体部７１は、表示部７２に該当する予測交通渋滞は、雨天による影響である旨の表示を行わせる。
また、Ｂの区間の予測交通渋滞では、ａ（ｔ）およびｂ（ｔ）が最も大きい値であるとする。Ａの区間と同様、各予測係数は、図８を参照した説明に従うとすると、ａ（ｔ）は、気温にかかる係数であり、ｂ（ｔ）は、降水量にかかる係数である。よって、Ｂの区間では、気温、降水量が交通渋滞の原因となっていると考えられる。これにより、例えば、季節が冬であれば、予測交通渋滞の要因は、降雪であると、本体部７１が判定する。したがって、本体部７１は、表示部７２に該当する予測交通渋滞は、降雪による影響である旨の表示を行わせる。
なお、図１３の「Ｓ」は、出発地点、「Ｇ」は、目的地点を表している。

図１４は、本実施形態にかかる車載端末の表示部における画面例を示す図である。
図１４は、車載端末７または交通情報センタ３が経路誘導の機能を有し、表示部７２が経路誘導の結果得られた複数経路とその予測渋滞度を表示する機能とを有する例である。
経路誘導によって、複数経路とその予測渋滞度を算出する技術は、公知であるため、ここでは説明を省略する。
図１４に示すように、複数経路の算出機能により、経路Ｃ，Ｄ，Ｅが算出され、それぞれの渋滞度が、予測交通情報提供装置から送られた予測交通情報を基に算出され、画面右上の小ウィンドウｃ，ｄ，ｅに表示される画面例である。
そして、それぞれの予測渋滞情報の予測係数から、それぞれの経路における渋滞の要因を表示する。
例えば、経路Ｃにおける予測交通渋滞において、予測係数ｂ（ｔ）が最も大きいとすると、図１３と同様に、雨天による交通渋滞が予想される旨を図１４に示すように表示する。そして、図示市内が経路Ｄ，Ｅにおける予測交通渋滞において、予測係数ａ（ｔ），ｂ（ｔ）が大きく、季節が冬であれば、図１３と同様に、経路Ｄ，Ｅにおいては、降雪による交通渋滞が予想される旨を表示する。

また、交通渋滞の要因の表示は、マウスポインタを経路に重ねると、該当する経路における要因を表示するようにしてもよい。
このとき、例えばマウスポインタを経路に重ねることにより、本体部７１が、該当する経路のリンクに対応付けられているリンク番号を取得する。そして、予測交通情報提供装置２から送られた予測旅行時間、予測係数、リンク番号、日付、時刻と、取得したリンク番号とを本体部７１が、照合することにより、本体部７１が、該当するリンクの予測旅行時間および予測係数を特定することによって、該当する要因を特定、表示する。

また、本実施形態では、予測交通情報提供装置２が交通情報センタ３に設置されているが、これに限らず、車載端末７に搭載されてもよい。
この場合、予測交通情報要求受信部２１４と予測交通情報送信部２１５とが削除され、予測係数算出部２０２が算出した予測係数や、交通情報予測部２０３が算出した予測交通情報に関する情報を、表示部７２に表示させる表示処理部が追加される。
この場合、図９の日種別統計旅行時間の作成処理から図１１の交通情報予測処理に示す処理が、車載端末７で行われる点以外は、図９から図１１に示す処理と同様である。

また、図２に示す各構成要素のうち、交通情報予測部２０３と、前記した表示処理部とが車載端末７に搭載され、その他の構成要素が情報センタに設置されてもよい。
この場合、図９の日種別統計旅行時間の作成処理と図１０の予測係数の算出処理とが、交通情報センタ３で行われ、図１１の交通情報予測処理が車載端末７で行われる。
この場合、図１１に示す交通情報予測処理に必要な日種、非日種別統計交通情報、予測係数の組、非日種情報などは、必要に応じて車載端末７が、情報センタに要求し、情報センタから車載端末７に、前記した各データがダウンロードされ、ダウンロードされたデータを基に、車載端末７が交通情報予測処理を行ってもよい。

本実施形態によれば、少なくとも日種ごとの統計交通情報と、日々の非日種情報と、予測係数とを用いることによって、交通情報予測を行うため、統計交通情報を用いて、非日種要因の影響を反映させた交通情報予測のように、日種別の統計交通ごとに非日種要因を反映させた統計交通情報を用意する必要が無く、また特徴空間予測のように、多くの特徴パターンを用意する必要が無いため、予測に必要なデータ量の削減が可能となる。
さらに、本実施形態における交通情報予測時の計算量は、非日種情報の種類の数に基づくため、日種・非日種要因が混在した特徴パターンの数に基づく特徴空間予測と比較して、少ない計算量で交通情報の予測ができる。
また、日種別統計交通情報と、予測係数とで、交通情報を予測する際の計算量を削減することで、装置の応答性を向上させることができる。

本実施形態に係る予測交通情報提供システムの概略図である。 情報センタに設置される予測交通情報提供装置の概略図である。 交通情報ＤＢに保存されているデータの構成例を示す図である。 非日種情報ＤＢにおけるデータの構成例を示す図である。 日種別統計交通情報ＤＢにおけるデータの構成例を示す図である。 カレンダＤＢにおける日種カレンダの構成例を示す図である。 非日種変動量を算出する手順の概略を示す図である。 非日種情報の一例を示す図である。 日種別統計旅行時間の作成処理の流れを示すフローである。 予測係数の算出処理の流れを示すフローである。 交通情報予測処理の流れを示すフローである。 あるリンクにおける日種別統計旅行時間による予測速度と、強度パラメータの関係を示すグラフの一例である。 本実施形態にかかる車載端末の表示部における画面例を示す図である。 本実施形態にかかる車載端末の表示部における画面例を示す図である。

符号の説明

１ 予測交通情報提供システム
２ 予測交通情報提供装置
３ 交通情報センタ
４ 気象情報センタ
５ 通信ネットワーク
６ 基地局
７ 車載端末
８ 車両
９ 交通情報提供センタ
１０ プローブカー
７１ 本体部
７２ 表示部
７３ 入力部
７４ 送受信機
２０１ 統計交通情報作成部
２０２ 予測係数算出部
２０３ 交通情報予測部
２０４ 交通情報ＤＢ
２０５ 非日種情報ＤＢ
２０６ 日種別統計交通情報ＤＢ
２０７ 予測係数ＤＢ
２０８ カレンダＤＢ
２０９ リンクＤＢ
２１０ 日種ＤＢ
２１１ 通信インタフェース部
２１２ 交通情報取得部
２１３ 非日種情報取得部
２１４ 予測交通情報要求受信部
２１５ 予測交通情報送信部

Claims (10)

1. 交通情報の予測を行う予測交通情報提供装置であって、
   交通情報提供センタまたはプローブカーから送られた日種毎に取得可能な交通情報、非日種情報センタから送られた気象データを含んだ日種以外の要因の情報である非日種情報、および任意の日付と日種とを対応させた情報を保持しているとともに、日種毎の統計交通情報である日種別統計交通情報と、該当する日種とを対応付けて保持している記憶部と、
   前記交通情報に対する前記日種別統計交通情報の差分から、日種によらない交通情報の変動量である非日種変動量を算出し、対象となる日付に対応する非日種情報を、前記記憶部から取得し、前記算出した非日種変動量と、前記取得した非日種情報とを基に、前記非日種情報の重みである予測係数を算出する予測係数算出部と、
   を有することを特徴とする予測交通情報提供装置。
2. 前記予測係数算出部は、前記非日種変動量を非日種情報によって、主成分分析または回帰分析する
   ことを特徴とする請求項１に記載の予測交通情報提供装置。
3. 入力部を介して、予測対象リンクと、予測対象日時が指定されると、前記予測対象日時に対応する日種を、前記記憶部から取得し、前記取得した日種に対応する日種別統計交通情報を、前記記憶部から取得し、前記予測対象日時の非日種情報を前記記憶部から取得し、前記算出した予測係数と、前記取得した非日種情報とを基に、前記予測対象日時における予測非日種変動量を算出し、前記予測非日種変動量と、前記取得した日種別統計交通情報とを基に、予測交通情報を算出する交通情報予測部
   を、さらに有することを特徴とする請求項１に記載の予測交通情報提供装置。
4. 前記交通情報予測部は、前記予測非日種変動量に、重みである強度を乗算する
   ことを特徴とする請求項３に記載の予測交通情報提供装置。
5. 前記交通情報予測部は、前記予測交通情報を基に、該当するリンクにおける予測速度を算出し、前記予測速度を基に、前記予測交通情報が異常値であるか否かを判定し、異常値であるならば前記強度の値を小さくする
   ことを特徴とする請求項４に記載の予測交通情報提供装置。
6. 前記日種別統計交通情報に対する前記非日種変動量の強度値である強度パラメータを算出し、
   前記日種別統計交通情報と、前記算出した強度パラメータとを対応付けて記憶部に保存し、
   入力部または通信部を介して、日種別統計交通情報が入力されると、前記記憶部から該入力された日種別統計交通情報に対応する強度パラメータを取得し、
   該入力された日種別統計交通情報と、該取得された強度パラメータとから予測交通情報を算出する交通情報予測部
   を、さらに有することを特徴とする請求項１に記載の予測交通情報提供装置。
7. 請求項１から請求項６のいずれか一項に記載の予測交通情報提供装置から、前記予測交通情報提供装置が算出した予測交通情報を含む情報を受信する車載端末であって、
   情報の処理を行う本体部と、情報の表示を行う表示部とを備え、
   前記車載端末に送られる情報は、前記予測係数の算出に用いた予測係数が含まれ、
   前記車載端末の本体部が、
   前記送られた予測係数のうち、最も大きい予測係数を判定し、
   前記最も大きい予測係数に該当する非日種情報を前記表示部に表示させる
   ことを特徴とする車載端末。
8. 請求項１から請求項６のいずれか一項に記載の予測交通情報提供装置
   を搭載した車載端末。
9. 交通情報の予測に必要なデータを算出する予測交通情報提供装置と、前記予測交通情報が算出したデータを取得して交通情報の予測を行う車載端末と、を備えた予測交通情報提供システムであって、
   前記予測交通情報提供装置は、
   交通情報提供センタまたはプローブカーから送られた日種毎に取得可能な交通情報、非日種情報センタから送られた気象データを含んだ日種以外の要因の情報である非日種情報、および任意の日付と日種とを対応させた情報を保持しているとともに、日種毎の統計交通情報である日種別統計交通情報と、該当する日種とを対応付けて保持している記憶部を有し、
   前記交通情報に対する前記日種別統計交通情報の差分から、日種によらない交通情報の変動量である非日種変動量を算出し、対象となる日付に対応する非日種情報を、前記記憶部から取得し、前記算出した非日種変動量と、前記取得した非日種情報とを基に、前記非日種情報の重みである予測係数を算出する
   ことを特徴とする予測交通情報提供システム。
10. 前記車載端末は、
    入力部を介して、予測対象リンクと、予測対象日時が指定されると、前記予測対象日時に対応する日種を、前記予測交通情報提供装置から取得し、前記取得した日種に対応する日種別統計交通情報を、前記予測交通情報提供装置から取得し、前記予測対象日時の非日種情報を前記予測交通情報提供装置から取得し、前記予測係数を前記予測交通情報提供装置から取得し、前記取得した予測係数と、前記取得した非日種情報とを基に、前記予測対象日時における予測非日種変動量を算出し、前記予測非日種変動量と、前記取得した日種別統計交通情報とを基に、予測交通情報を算出する
    ことを特徴とする請求項９に記載の予測交通情報提供システム。

Images