JP5376078B1 - プローブデータから得られたデータの集中箇所抽出方法 - Google Patents

Abstract

【課題】多数のプローブデータから、急減速箇所等の特定行為が行われたデータが集中する箇所を、容易かつ確実に抽出することが可能になるプローブデータから得られたデータの集中箇所抽出方法を提供する。
【解決手段】複数のプローブデータから得られた特定行為が行われた緯度および経度のデータを収集するステップと、各々の上記データについて、当該データを中心とする所定エリア内に含まれる他のデータとの距離を算出するとともに、当該距離が当該データに近くなるほど大きくなる重み付けを行って、その総和の値を当該データの集中度スコアとして算出する集中度スコアリングステップと、隣接する上記データ間における上記集中度スコアの増加および減少に基づいて上記集中度スコアのピークとなる上記データを抽出するピーク抽出ステップとを備えてなる。
【選択図】図１

Description

本発明は、車や携帯電話等に装着したＧＰＳを利用して得られた時刻、緯度および経度等のプローブデータから、急減速箇所等の特定行為が行われたデータが集中する箇所を抽出するための集中箇所抽出方法に関するものである。

例えば、タクシーやトラック、自家用車等のＧＰＳが搭載されたカーナビゲーションシステムを備えた自動車等においては、その走行時における時刻と位置（緯度・経度）の情報を含む走向履歴情報（プローブデータ）を得ることができる。

上記プローブデータは、少なくとも時刻と位置のデータを有しているために、当該プローブデータとデジタル道路地図データにおける道路や交差点の位置情報とを組み合わせることにより、当該車両の通行経路を知ることができる。また、走行距離と時間から、ある地点における速度を算出することができ、さらに速度の変化（加速度）から、急減速を行った地点を特定することもできる。

そして、多数の自動車からのプローブデータを集めて解析すれば、特定の行為、例えば急減速が頻繁に行われる道路の危険箇所を把握したり、あるいはタクシーの乗車および降車が頻繁に行われる場所を把握したりすることが可能になる。

そこで、近年においては、多くの自動車から収集したプローブデータから直接あるいは解析して得られた特定の多数のデータを利用して、危険地点を特定してその原因を推定し、事故の防止や交通の円滑化等を図るための道路計画を策定したり、あるいはタクシー会社における配車計画等に役立てたりするなど、様々な活用方法が考えられている。なお、下記特許文献１、２には、上述した背景技術が開示されている。
（特許文献１） 特開２００９−０３７５３７号公報
（特許文献２） 特開２０１３−０２０５２３号公報

ところで、例えば、道路において自動車が急減速する箇所を特定して、当該道路自体の特性に起因する原因を見出そうとする場合に、サンプル数が少ないと、道路等の要因に基づかない気まぐれな急減速等の所謂ノイズデータも抽出されることになり、正しい原因を把握することが難しい。このため、望ましくは、極力多くの自動車からのプローブデータを収集して、多くの自動車が共通して急減速する普遍的な箇所を探し出す必要がある。

しかしながら、多数のプローブデータを解析して、その加速度の変化から急減速箇所を特定し、各々の緯度および経度のデータから地図データ上に点として重ね合わせて表示すると、多数の点が連続的に重ね合わされて表示されてしまい、この結果最も急減速が発生する箇所を特定することが難しくなるという問題点があった。

本発明は、上記事情に鑑みてなされたものであり、多数のプローブデータから得られた急減速箇所等の特定の行為が行われたデータが集中する箇所を、容易かつ確実に抽出することが可能になるプローブデータから得られたデータの集中箇所抽出方法を提供することを課題とするものである。

上記課題を解決するため、請求項１に記載の本発明に係るプローブデータから得られたデータの集中箇所抽出方法は、複数のプローブデータから得られた特定行為が行われた緯度および経度のデータを収集するステップと、一の上記データについて、当該データを中心とする所定エリア内に含まれる他のデータを抽出し、当該一のデータと各々の上記他のデータとの距離を算出するとともに、当該距離が当該一のデータに近くなるほど大きくなる重み付けを行って、その総和の値を当該一のデータの集中度スコアとして算出する工程を上記複数のデータに対して実行する集中度スコアリングステップと、隣接する上記データ間における上記集中度スコアの増加および減少に基づいて上記集中度スコアのピークとなる上記データを抽出するピーク抽出ステップとを備えてなり、かつ上記ピーク抽出ステップは、予め所定間隔ごとに代表緯度および代表経度を設定し、各々の上記データを、最も近接した上記代表緯度上および代表経度上に並び替えた後に、各上記代表緯度上および代表経度上の複数の上記データに対して、上記ピークとなるデータを抽出することを特徴とするものである。

また、請求項２に記載の発明は、請求項１に記載の発明において、上記ピーク抽出ステップによって抽出された複数の上記ピークとなるデータのうち、一定範囲内に隣接する上記データの上記集中度スコアを比較して、最大値となる上記データのみを抽出するクレンジングステップを備えることを特徴とするものである。

ここで、請求項３に記載の発明は、請求項１または２に記載の発明において、上記特定行為が行われた緯度および経度のデータが、一定値以上の急減速が行われた緯度および経度のデータであることを特徴とするものである。

これに対して、請求項４に記載の発明は、請求項１または２に記載の発明において、上記特定行為が行われた緯度および経度のデータが、乗車および降車が行われた緯度および経度のデータであることを特徴とするものである。

請求項１〜４のいずれかに記載の発明によれば、複数のプローブデータから得られた特定行為が行われたデータの各々について、先ず集中度スコアリングステップにおいて近接する同様のデータの数が多いほど大きくなる集中度スコアを付与し、さらにピーク抽出ステップにおいて、隣接する上記データ間における上記集中度スコアの増加および減少に基づいて、集中度スコアのピークとなるデータを抽出しているために、多数の特定の行為が行われたデータが密集して存在する場所においても、容易にその場所における上記データの集中箇所を抽出することができる。

この際に、上記ピーク抽出ステップによって抽出されたピークとなるデータが依然として多数存在し、しかもこれらのピークとなるデータが密集しているか、あるいは短距離に連続して点在することにより、最も集中している箇所が特定し難い場合がある。このような場合には、請求項２に記載の発明のように、さらに上記ピーク抽出ステップにおいて抽出されたピークとなるデータについて、一定範囲内に隣接する上記データの集中度スコアを比較して、最大値となるデータのみを抽出するクレンジングステップを実行することにより、特定のデータの抽出箇所を一層明確化させることが可能になる。

また、集中度スコアリングステップにおいて集中度スコアを付与された各々のデータについて、その緯度をＸ軸、経度をＹ軸、集中度スコアをＺ軸としてプロットすると、これら複数のデータは三次元曲面上に分布することになる。したがって、ピーク抽出ステップにおいて、上記複数のデータから集中度スコアのピークとなるデータを抽出することは、当該三次元曲面において極大値を示すものを抽出することに他ならない。

この際に、上述したように、集中度スコアを付与された各々のデータを、その緯度をＸ軸、経度をＹ軸、集中度スコアをＺ軸として三次元空間にプロットし、これら複数のデータを包含する三次元曲面を演算によって求めて、その極大値を算出する方法も適用することが可能であるが、三次元曲面の次元（ｎ）の決定による近似方法の設定や、当該三次元曲面からの極大値の算出を実施するためのプログラムが複雑化し、特に極めて多数のデータを処理する場合には、多大の処理時間を要して経済性に劣ることになる。

この点、請求項１に記載の発明において、予め所定間隔ごとに代表緯度および代表経度を設定し、各々の上記データを最も近接した上記代表緯度上および代表経度上に並び替えることにより、各代表緯度上および代表経度上の複数のデータに対して、２次元空間においてピークとなるデータを抽出することができるために、極めて簡易に、かつ短時間でピークとなるデータを抽出することができる。

したがって、請求項３に記載の発明のように、上記特定行為が行われたデータとして、多数のプローブデータを解析することによって得られた一定値以上の急減速が行われた箇所の緯度および経度のデータを用いた場合には、道路における普遍的な危険地点を特定して、その原因を推定し、事故の防止や交通の円滑化等を図るための道路計画の策定等に活用することが可能になる。

また、請求項４に記載の発明のように、上記特定行為が行われたデータとして、多数のタクシー等の自動車のプローブデータから得られた乗車および降車が行われた箇所の緯度および経度のデータを用いれば、利用者が頻繁に乗降に利用する箇所を特定することができ、よってタクシー会社における配車計画等に活用することが可能になる。

本発明の一実施形態における集中度スコアリングステップの概念を示す模式図である。 図１の集中度スコアリングステップの具体的データにおける演算例を示す模式図である。 図１の集中度スコアリングステップの具体的な他のデータにおける演算例を示す模式図である。 図１の集中度スコアリングステップで得られたデータに対してピーク抽出ステップを行う場合の概念を示す模式図である。 本実施形態のピーク抽出ステップを緯度方向に実施する模式図である。 本実施形態のピーク抽出ステップを経度方向に実施する模式図である。 図５の緯度をｒ寸法移動させてピーク抽出ステップを緯度方向に実施する模式図である。 図６の経度をｒ寸法移動させてピーク抽出ステップを経度方向に実施する模式図である。 緯度方向および経度方向にｒ寸法移動させてピーク抽出ステップを実施する理由を説明するための模式図である。 図９（ａ）の具体例を示す図である。 図９（ｂ）の具体例を示す図である。 本実施形態におけるクレンジングステップを示す模式図である。 Ｐ₁についてクレンジングステップを実施した模式図である。 Ｐ₂についてクレンジングステップを実施した模式図である。 Ｐ₃についてクレンジングステップを実施した模式図である。 Ｐ₄についてクレンジングステップを実施した模式図である。

以下、図面に基づいて、本発明のプローブデータから得られたデータの集中箇所抽出方法を、多数の車の走行を記録したプローブデータを解析することによって得られた一定値以上の急減速を行った箇所の緯度および経度のデータから、道路における上記急減速が集中する箇所を抽出する場合に適用した一実施形態について説明する。

先ず、多数プローブデータから得られた急減速のデータ（特定の行為が行われたデータ）を、これらデータの緯度および経度に基づいて地図データ上に表示する。次いで、図１に示すように、表示されたデータのうちの１つのデータを選択し、当該データを中心とする所定の半径ｒ（例えば、５０ｍ）の円内（エリア内）に含まれる他のデータを抽出して、これら他のデータとの距離ｘ_1〜nを算出する。

そして、選択されたデータについて、他のデータとの距離ｘ_1〜nが近くなるほど大きくなる重み付けを行って、その総和の値を当該データの集中度スコアＰｍとして算出する（集中度スコアリングステップ）。ここで、他のデータとの距離ｘ_1〜nが近くなるほど大きくなる重み付けを行う演算式としては、例えば、Ｐｍ＝Σ（ｒ−ｘ_k）、（ｋ：１〜ｎ）を用いることができる。

これを具体的に説明すると、図２に示すように、あるデータＰ₁を中心とした半径ｒ内の円内に、他の急減速のデータＰ₂、Ｐ₃、Ｐ₄が抽出され、Ｐ₁とＰ₂との距離が２０ｍ、Ｐ₁とＰ₂との距離が４０ｍ、Ｐ₁とＰ₄との距離が４３ｍである場合に、上式によりＰ₁の集中度スコアを算出すると、（５０−２０）＋（５０−４０）＋（５０−４７）＝４７、になる。

次いで、図３に示すように、データＰ₂を中心とした半径ｒ内の円内に、他の急減速のデータＰ₁、Ｐ₃、Ｐ₄があり、Ｐ₂とＰ₁との距離が２０ｍ、Ｐ₂とＰ₃との距離が１９ｍ、Ｐ₂とＰ₄との距離が２３ｍであると、上式によりＰ₂の集中度スコアは、（５０−２０）＋（５０−１９）＋（５０−２３）＝８８、になる。

このように、各々のデータについて、他のデータとの距離ｘ_1〜nが近くなるほど大きくなる重み付けを行って、その総和の値を当該データの集中度スコアＰｍとして算出することにより、仮に上記データを中心とする円内の外周側に、多くのデータが散在している場合にも、集中度スコアとしては値が小さくなり、逆に上記円内に等しい数のデータが抽出された場合には、中心の上記データに近接したデータが多いほど集中度スコアが大きくなることから、データの集中箇所を上記集中度スコアによって容易に判定することができる。

なお、他のデータとの距離が近くなるほど大きくなる重み付けを行って、その総和の値を集中度スコアとして算出する演算式としては、上述したものに限定されるものではなく、例えば、Ｐｍ＝Σ（ｒ−ｘ_k）^m、等の演算式を用いてもよい。

また、あるデータについての集中度スコアを演算するための他のデータが含まれるエリアについても、上述した上記データを中心とする半径ｒの円内を設定することに限らず、例えば、上記データを中心とする正方形のエリアを設定してもよい。

次いで、上記集中度スコアリングステップにおいて集中度スコアＰｍが付与されたデータＰ_1〜nについて、隣接する上記データＰ_1〜n間における集中度スコアＰｍの増加および減少に基づいて、集中度スコアＰｍのピークとなるデータＰ_1〜nを抽出するピーク抽出ステップを実施する。

上記ピーク抽出ステップの概要について説明すると、上述したように、上記集中度スコアリングステップにおいて集中度スコアＰｍを付与された各々のデータＰ_1〜nについて、図４に示すように、各々の緯度をＸ軸、経度をＹ軸、集中度スコアをＺ軸としてプロットすると、これら複数のデータＰ_1〜nは三次元曲面上に分布することになる。したがって、ピーク抽出ステップは、上記複数のデータＰ_1〜nから集中度スコアＰｍのピークとなるデータ、すなわち上記三次元曲面において極大値となる箇所のデータＰ_1〜nを抽出するステップである。

この際に、上述したように、上記三次元曲面を演算によって求めて、その極大値を算出する方法も適用することは、多大の処理時間を要して経済性に劣ることから、本実施形態においては、以下の手法を用いることとする。

先ず、図５に示すように、多数のデータＰ_1〜nが表示された地図上に、所定間隔（本実施形態においては、２ｒ（＝１００ｍ）の等間隔）ごとに、第１の代表緯度を設定し、データＰ_1〜nを、最も近接した第１の代表緯度上に並び替える。そして、各々の第１の代表緯度上のデータについて、集中度スコアＰｍが増加して減少する際のピークとなるデータを第１の緯度方向ピークとして選択する。

また、図６に示すように、同様にして多数のデータＰ_1〜nが表示された地図上に、所定間隔（本実施形態においては、２ｒ（＝１００ｍ）の等間隔）ごとに、第１の代表経度を設定し、データＰ_1〜nを、最も近接した第１の代表経度上に並び替え、各々の第１の代表経度上のデータについて、集中度スコアＰｍが増加して減少する際のピークとなるデータを第１の経度方向ピークとして選択する。そして、第１の緯度方向ピークおよび第１の経度方向ピークとなった複数のデータを、上記集中度スコアＰｍのピークとなる第１のデータとして仮抽出する。

次いで、図７に示すように、図５において設定した第１の代表緯度を、距離ｒだけ経度方向に移動させた第２の代表緯度を設定し、図５に示した場合と同様にして、各々の第２の代表緯度上のデータについて、ピークとなるデータを第２の緯度方向ピークとして選択する。

また、図８に示すように、図６において設定した第１の代表経度についても、同様に距離ｒだけ経度方向に移動させた第２の代表経度を設定し、図６に示した場合と同様にして、各々の第２の代表経度上のデータについて、ピークとなるデータを第２の経度方向ピークとして選択する。そして、第２の緯度方向ピークおよび第２の経度方向ピークとなった複数のデータを、上記集中度スコアＰｍのピークとなる第２のデータとして仮抽出する。

次いで、以上のステップによって仮抽出されたピークとなる第１のデータおよび第２のデータのうちの重複するものを、最終的に上記集中度スコアＰｍのピークとなるデータとして抽出する。

このようにして、第１の代表緯度および代表経度によって区画されるグリッドと、各々距離ｒだけ移動させた第２の代表緯度および代表経度によって区画されるグリッドとによって、最終的に上記集中度スコアＰｍのピークとなるデータとして抽出するのは、いわゆる誤って抽出されるデータ量を少なくするためである。

すなわち、図９（ａ）に示すように、上記第１の代表緯度および代表経度によって区画されたグリッドのみで抽出した場合には、データＰ₁およびデータＰ₃がそれぞれ第１のデータとして抽出される。しかしながら、図９（ｂ）に示すように、上記グリッドを距離ｒ移動させた第２の代表緯度および代表経度によって区画されたグリッドによって抽出した場合には、Ｐ₃が抽出されることがない。

より具体的には、図１０に示す第１の代表緯度および代表経度によって区画されたグリッドのみによってピークとなるデータを抽出すると、Ｐ₄およびＰ₇が抽出される。しかしながら、図１１に示すように、上記グリッドを距離ｒ移動させた第２の代表緯度および代表経度によって区画されたグリッドによって抽出することにより、Ｐ₇が誤って抽出されることを避けることができる。

以上のピーク抽出ステップによって、多数のデータから集中度スコアＰｍが高いデータが抽出されることにより、道路における急減速が集中する箇所が判断できる場合には、当該作業が完了することになるが、上記ピーク抽出ステップによって抽出されたピークとなるデータが依然として多数存在し、しかも図１２に示すように、これらのピークとなるデータＰ₁〜Ｐ₄が密集しているか、あるいは短距離に連続して点在することにより、最も集中している箇所が特定し難い場合には、以下のようなクレンジングステップを実行する。

このクレンジングステップにおいては、先ず図１３に示すように、データＰ₁を基準として、当該データＰ₁からの距離が２ｒ以内にある他のデータＰ₂、Ｐ₃と互いの集中度スコアを比較して、データＰ₁の集中度スコア（３００）よりも大きなデータ（この場合は、Ｐ₂（５００）およびＰ₃（４００））がある場合には、当該データＰ₁を除外する。

次いで、図１４に示すように、データＰ₂を基準として、当該データＰ₂からの距離が２ｒ以内にある他のデータＰ₃、Ｐ₄と互いの集中度スコアを比較して、データＰ₂の集中度スコア（５００）よりも大きなデータがある場合には、当該データＰ₂を除外するが、この場合は、データＰ₃（４００）およびデータＰ₄（２００）は、いずれも集中度スコアがデータＰ₂よりも小さいために、Ｐ₂はそのままとする。

次に、図１５に示すように、データＰ₃を基準として、これからの距離が２ｒ以内にある他のデータＰ₂と互いの集中度スコアを比較して、データＰ₃の集中度スコア（４００）よりも大きなデータ（この場合は、Ｐ₂（５００））があるために、当該データＰ₃を除外する。

同様にして、図１６に示すように、データＰ₄を基準として、これからの距離が２ｒ以内にある他のデータＰ₂と互いの集中度スコアを比較し、データＰ₄の集中度スコア（２００）は、Ｐ₂（５００）よりも小さいために、当該データＰ₄を除外する。
この結果、ピーク抽出ステップによっても依然として密集していたデータＰ₁〜Ｐ₄のうちから、最も集中度が高いＰ₄のみが抽出される。

以上のように、上記構成からなるプローブデータから得られたデータの集中箇所抽出方法によれば、複数のプローブデータを解析することによって得られた急減速が行われたことを示すデータの各々について、先ず集中度スコアリングステップにおいて近接する同様のデータの数が多いほど大きくなる集中度スコアＰｍを付与し、さらにピーク抽出ステップにおいて、隣接する上記データ間における集中度スコアＰｍの増加および減少に基づいて、集中度スコアのピークとなるデータを抽出し、さらにクレンジングステップにおいて、一定範囲内に隣接する上記データの集中度スコアＰｍを比較して、最大値となるデータ（本実施形態においてはＰ₂）のみを抽出しているために、多数の急減速のデータが密集して存在する場所においても、容易かつ確実にその場所における急減速のデータが集中する箇所を抽出することができる。

なお、本実施形態においては、本発明を、プローブデータを解析して得られた急減速を行った箇所の緯度および経度のデータから、道路における上記急減速の集中箇所の抽出に適用した場合についてのみ説明したが、本発明はこれに限定されるものではなく、例えば、上記特定の行為が行われたデータとして、多数のタクシー等から得られた乗車および降車が行われた箇所の緯度および経度のデータを用いて、利用者が頻繁に乗降に利用する箇所を特定する等、様々な特定の行為が行われたデータにおける集中箇所の抽出に適用することが可能である。

Ｐ₁〜Ｐ_n データ
Ｐｍ 集中度スコア

Claims (4)

1. 複数のプローブデータから得られた特定行為が行われた緯度および経度のデータを収集するステップと、
   一の上記データについて、当該データを中心とする所定エリア内に含まれる他のデータを抽出し、当該一のデータと各々の上記他のデータとの距離を算出するとともに、当該距
   離が当該一のデータに近くなるほど大きくなる重み付けを行って、その総和の値を当該一のデータの集中度スコアとして算出する工程を上記複数のデータに対して実行する集中度スコアリングステップと、
   隣接する上記データ間における上記集中度スコアの増加および減少に基づいて上記集中度スコアのピークとなる上記データを抽出するピーク抽出ステップとを備えてなり、
   かつ上記ピーク抽出ステップは、予め所定間隔ごとに代表緯度および代表経度を設定し、各々の上記データを、最も近接した上記代表緯度上および代表経度上に並び替えた後に、各上記代表緯度上および代表経度上の複数の上記データに対して、上記ピークとなるデータを抽出することを特徴とするプローブデータから得られたデータの集中箇所抽出方法。
2. 上記ピーク抽出ステップによって抽出された複数の上記ピークとなるデータのうち、一定範囲内に隣接する上記データの上記集中度スコアを比較して、最大値となる上記データのみを抽出するクレンジングステップを備えることを特徴とする請求項１に記載のプローブデータから得られたデータの集中箇所抽出方法。
3. 上記特定行為が行われた緯度および経度のデータは、一定値以上の急減速が行われた緯度および経度のデータであることを特徴とする請求項１または２に記載のプローブデータから得られたデータの集中箇所抽出方法。
4. 上記特定行為が行われた緯度および経度のデータは、乗車および降車が行われた緯度および経度のデータであることを特徴とする請求項１または２に記載のプローブデータから得られたデータの集中箇所抽出方法。

Images