JP5956321B2 - 行先提案システム、行先提案方法、及びプログラム - Google Patents

Description

本発明は、行先を提案するシステムに関する。

従来から、目的地の候補を提案するアプリケーションが知られていた（特許文献１）。特許文献１に記載されたアプリケーションでは、車両内での乗員の発言内容を単語単位に分解し、音声認識手段がジャンルを認識する。そして、目的地ジャンル候補について最終決定条件が満足されたときに当該ジャンルに該当する目的地候補を提示する。

特開２００９−１１５５９４号公報

上述したような従来のアプリケーションでは、ユーザが望むジャンルの目的地を提案することができるが、必ずしも、ユーザが出かけやすい場所にある目的地を提案することはできなかった。

そこで、本発明は上記背景に鑑み、ユーザが出かけやすい場所にある行き先を提案できる行先提案システムを提供することを目的とする。

本発明の行先提案システムは、施設のデータを含む地図データを記憶した地図データベースと、車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶した走行履歴データ記憶部と、前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成する生活圏データ生成部と、前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するユーザモデル生成部と、前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を決定する探索条件決定部と、前記地図データベースから、前記探索条件決定部にて決定された探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索する施設探索部と、探索された施設をユーザに提示する出力部とを備える。

このように走行履歴データから求めた過去の外出の所要時間または当該外出の目的地までの距離に基づいて施設の探索範囲を決定するので、ユーザの行動範囲内にある施設を行先の候補として提案することができる。また、所定の基準以上の走行回数を有する道路リンクを含むエリアを生活圏、生活圏以外のエリアを非生活圏として、過去の外出のデータに基づく比率で生活圏と非生活圏から施設を探索することにより、ユーザの行動パターンにあった適切な施設を提案することができる。なお、ユーザの生活圏をハブ地点からの距離に応じて決定するのではなく、道路リンクの走行回数を基準に決定することにより、例えば、ハブ地点（例えば自宅）に近くても行ったことがないエリアが生活圏に含まれることを防止でき、ユーザの生活圏を適切に決定できる。

本発明の行先提案システムにおいて、前記ユーザモデル生成部は、出発した曜日または時間帯ごとに、前記モデルデータを生成し、前記探索条件決定部は、行先提案にかかる出発日時と同じ曜日または時間帯の前記モデルデータに基づいて、施設の探索条件を決定してもよい。

このように同じ曜日または時間帯のモデルデータを用いることにより、ユーザの行動範囲や行動パターンを適切に予測して行先の提案を行うことができる。また、ユーザモデル生成部は、出発した曜日または時間帯のみならず、例えば、出発したときの天気や同乗者の有無、ガソリンの残量などの状況別に、モデルデータを生成することもできる。このように詳細な状況別にモデルデータを生成し、当該モデルデータに基づいて探索条件を決定することで、ユーザに受け入れられやすい行先提案を行うことができる。

本発明の行先提案システムにおいて、前記生活圏データ生成部は、走行回数が所定の回数以上の道路リンク、または所定期間における走行回数が所定の回数以上の道路リンクを求めてもよい。

この構成により、ユーザが良く通る道路リンクを求めることができる。また、所定期間における所定回数を基準とすることにより、所定期間より前の走行履歴データを判断の対象から外し、新しい走行履歴データによって、適切な生活圏データを生成できる。例えば、以前に良く行っていたが最近は行っていないエリアを生活圏から外すことができる。なお、判断の基準となる走行回数は、所定期間の長さによって決定してもよい。例えば、所定期間が１年間であれば所定回数は４０回、所定期間が３か月であれば１０回というように期間に比例させることとしてもよい。また、最近は通っていない道路リンクを除外するために、所定期間通っていない道路リンクを除外することを判断基準に加えてもよい。これにより、例えば、「１か月間通っていない道路リンクを除外する」ことにより、３〜２か月前まではよく通っていたが、ここ１か月は全く通らなくなった道路リンクを、よく通る道路リンクから除外することができる。
なお、所定期間における走行回数が１回以上であることを基準とすれば、所定期間内に走行した道路リンクを良く通る道路リンクとして求めることができる。

本発明の行先提案システムにおいて、前記生活圏データ生成部は、前記道路リンクから所定時間内に到達できるエリア、または、前記道路リンクから所定の距離内にあるエリアを生活圏として決定してもよい。

この構成により、よく通る道路リンクの周辺も含めて生活圏として決定することができる。よく通る道路リンクの周辺は、全く通らない道路リンクの周辺よりも、ユーザが出かけやすいので、生活圏として決定することが好ましい。なお、生活圏を画定する所定時間や所定距離は、ハブ地点からの所要時間や距離に応じて決定してもよい。例えば、ある道路リンクまでの所要時間が３０分である場合には、その１／１０である３分を基準とし、道路リンクから３分以内に到達できるエリアを生活圏とし、所要時間が６０分である場合には、その１／１０である６分を基準として、道路リンクから６分以内に到達できるエリアを生活圏としてもよい。また、よく通る道路リンク自体、すなわち、その道路沿いにある施設を生活圏としてもよい。これは、よく通る道路リンクからの所要時間を０分とした場合に該当する。

本発明の行先提案システムにおいて、前記出力部は、生活圏の施設については広告データを出力し、非生活圏の施設については施設の概要データを出力してもよい。

この構成により、生活圏の施設か否かに応じて、ユーザに適切な情報を提供することができる。すなわち、生活圏の施設は、たとえ行ったことがなくても、よく通る道路リンクから見えたりして施設の概要については知っている場合がある。したがって、生活圏にある施設の場合には、広告データを出力することにより、ユーザに多くの情報を知ってもらうことができる。逆に、非生活圏の施設の場合には、施設自体を知らないと考えられるので、施設の概要データによって概要を知ってもらうことが好ましい。ユーザが当該施設に興味がある場合には、ユーザからの指示にしたがって、さらに詳細の情報を提供する構成としてもよい。

本発明の行先提案システムにおいて、前記施設探索部は、前記走行履歴データを参照して、行ったことがない施設または行った回数が所定回数以下の施設を探索してもよい。

この構成により、ユーザが行ったことがない、またはなじみの薄い施設を行先として提案することができる。なお、ユーザが良く行く施設については、目的地推定によって推定を行う構成としてもよい。

本発明の行先提案システムにおいて、前記施設探索部は、前記走行履歴データを参照して、行ったことがあるが滞在時間が施設によって定まる所定の閾値以下であった施設を探索の対象から除外してもよい。

このように行ったことがあるが、その滞在時間が所定の閾値以下であった施設は、ユーザがその施設を好きではないと考えられるので、探索の対象から除外することにより、ユーザに対して、適切な行先の候補を提案することができる。なお、施設によって定まる所定の閾値を用いているのは、施設を利用するために必要な時間が施設によって異なるからである。例えば、コンビニエンスストアやガソリンスタンドなどでは閾値を３分、百貨店では閾値を６０分、動物園や遊園地等では閾値を１２０分等というように決めることができる。

本発明の行先提案方法は、施設のデータを含む地図データを記憶した地図データベースと、車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶する走行履歴データ記憶部とを備える行先提案システムが行先を提案する方法であって、前記行先提案システムが、前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成するステップと、前記行先提案システムが、前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するステップと、前記行先提案システムが、前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を、探索条件として決定するステップと、前記行先提案システムが、前記地図データベースから、前記探索条件にかかる探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索するステップと、前記行先提案システムが、探索された施設をユーザに提示するステップとを備える。

この構成により、本発明の行先提案システムと同様に、ユーザの行動範囲や行動パターンにあった適切な施設を提案することができる。なお、本発明の行先提案方法に、本発明の行先提案システムの各種の構成を適用することが可能である。

本発明のプログラムは、施設のデータを含む地図データを記憶した地図データベースと、車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶する走行履歴データ記憶部とを備えるコンピュータに、行先提案を行わせるためのプログラムであって、前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成するステップと、前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するステップと、前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を、探索条件として決定するステップと、前記地図データベースから、前記探索条件にかかる探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索するステップと、探索された施設をユーザに提示するステップとを実行させる。

この構成により、本発明の行先提案システムと同様に、ユーザの行動範囲や行動パターンにあった適切な施設を提案することができる。なお、本発明のプログラムに、本発明の行先提案システムの各種の構成を適用することが可能である。

本発明は、走行履歴データに基づいて、施設の探索範囲を決定すると共に生活圏と非生活圏のそれぞれから施設を探索する構成により、ユーザの行動範囲や行動パターンにあった適切な施設を提案することができるという効果を有する。

第１の実施の形態の行先提案システムの構成を示す図である。 走行履歴ＤＢに記憶されたデータの例を示す図である。 走行履歴データを集計したデータの例を示す図である。 （ａ）生活圏データ生成部にて求めた常用道路リンクの例を示す図である。（ｂ）生活圏データの例を示す図である。 ユーザモデルの例を示す図である。 ユーザモデルの別の例を示す図である。 本実施の形態の行先提案システムのハードウェア構成を示す図である。 生活圏データ及びユーザモデルを生成する動作を示すフローチャートである。 提案すべき施設を提案する動作を示すフローチャートである。 施設探索の詳細な動作を示すフローチャートである。 （ａ）所要時間２４０分の探索範囲の例を示す図である。（ｂ）所要時間１２０分の探索範囲の例を示す図である。 第２の実施の形態におけるユーザモデルの例を示す図である。 ネットワークによって接続された行先提案システムの例を示す図である。

以下、本発明の実施の形態の行先提案システムについて図面を参照しながら説明する。本実施の形態の行先提案システムは、ユーザが「どこか新しいところに行きたい」と思ったときに、行先を提案するシステムである。

（第１の実施の形態）
［行先提案システムの構成］
図１は、第１の実施の形態の行先提案システム１０の構成を示す図である。第１の実施の形態の行先提案システム１０は、車両に搭載して用いられる。行先提案システム１０は、地図データを記憶した地図データベース（以下、「地図ＤＢ」という）１２と、車両の走行履歴を記憶する走行履歴データベース（以下、「走行履歴ＤＢ」という）１４と、行先提案のリクエストを入力する入力部１６と、行先の候補を出力する出力部１８と、行先として提案すべき施設を探索する制御部２０とを有している。

行先提案システム１０は、現在位置検出部４０及びイグニッションキー４２と接続されている。現在位置検出部４０は、例えば、車両の絶対方位を検出するための地磁気センサ、車両の相対方位を検出するためのジャイロスコープ、車両の走行距離を検出する距離センサ、および衛星からの電波に基づいて車両の位置を測定するグローバルポジショニングシステム（ＧＰＳ）のためのＧＰＳ受信機を有している。これらのセンサ等はそれぞれが性質の異なる誤差を持っているため、複数のセンサ等により各々を補完しながら使用するように構成されている。なお、精度によっては、上述したうちの一部のセンサで現在位置検出部４０を構成してもよいし、更に、図示しないステアリングの回転センサ、各転動輪の車速センサ等を用いてもよい。

地図ＤＢ１２は、道路地図のデータと、施設の名称や属性等の施設データとを有している。施設データは、施設の概要データ、詳細データ、その施設の平均滞在時間、及び、施設で開催されているイベントやセールなどの広告データ等の施設に関する様々なデータを含んでいる。地図ＤＢ１２は、ネットワーク上に備えられたサーバから、最新の地図データをダウンロードすることとしてもよい。

図２は、走行履歴ＤＢ１４に記憶されたデータの例を示す図である。走行履歴ＤＢ１４には、車両が走行した道路リンクの履歴データが記憶されている。具体的には、図２に示すように、走行履歴ＤＢ１４は、車両が新しい道路リンクに進入した日時のデータを有している。行先提案システム１０は、現在位置検出部４０にて検出された車両の現在位置データに基づいて、走行履歴データを蓄積していく。

また、走行履歴ＤＢ１４は、ある地点に到着した日時、ある地点を出発した日時のデータも記憶している。これらの日時及び地点のデータは、車両のエンジンがスタートしたときの日時及び位置のデータと、車両のエンジンがストップしたときの車両の日時及び位置のデータである。これらのデータは、イグニッションキー４２のオン／オフのデータを取得した時刻、および、そのときに現在位置検出部４０にて検出した現在位置のデータを取得することで、走行履歴ＤＢ１４に蓄積することができる。

出発地点及び到着地点の名称は、出発地点、到着地点の位置データに対応する施設を地図ＤＢ１２から読み出して特定したものである。なお、図２に示すデータは、走行履歴データの一例であり、図２に示す以外の形式で走行履歴データを保有してもよい。

図１に戻って、行先提案システム１０の構成について説明を続ける。入力部１６は、例えば、キーパッドなどにより構成される。入力部１６は、行先提案のリクエストを受け付ける役割を有する。出力部１８は、例えば、ディスプレイなどにより構成される。出力部１８は、行先提案のリクエストに応じて行先を提示する役割を有する。出力部１８をタッチパネルによって構成し、入力部１６の一部の機能を担わせてもよい。

制御部２０は、提案すべき行先の候補を探索するための構成として、生活圏データ生成部２２と、ユーザモデル生成部２４と、探索条件決定部２６と、施設探索部２８とを有している。生活圏データ生成部２２は、走行履歴ＤＢ１４に記憶された走行履歴データを読み出し、読み出した走行履歴データに基づいて、生活圏データを生成する機能を有する。生活圏データ生成部２２は、生成した生活圏データを生活圏データ記憶部３０に記憶する。次に、生活圏データの生成について説明する。

生活圏データ生成部２２は、まず、走行履歴ＤＢ１４から走行履歴データを読み出す。ここで、生活圏データ生成部２２は、走行履歴ＤＢ１４から、例えば「直近の１年間」のように、直近の所定の期間の走行履歴データを読み出すこととしてもよい。これにより、ユーザの最近の行動の傾向に応じて、生活圏を決定することができる。生活圏データ生成部２２は、読み出した走行履歴データを集計して、全体情報、到着地別情報、通過リンク情報を求める。

図３は、走行履歴データを集計したデータの例を示す図である。生活圏データ生成部２２は、全体情報として、走行日数・回数のデータと、最終走行日時のデータを求める。走行日数・回数のデータは、集計の対象となった走行履歴データの容量を示すものである。一般的には、走行履歴データの容量が大きいほど、分析結果の信頼性が高くなる。最終走行日時は、走行履歴データの新しさを示す基準として用いることができる。

生活圏データ生成部２２は、到着地（目的地）情報として、住所（緯度・経度）、到着地隣接リンク、到着回数・頻度・比率、最終到着日時、到着地種別のデータを求める。到着時（目的地）情報は、到着地別に求められる。つまり、住所（緯度・経度）をキーとして、到着地隣接リンク、到着回数・頻度・比率、最終到着日時、到着地種別の各種のデータが紐づけられている。

住所（緯度・経度）は、走行履歴データの地点のデータから求めることができる。到着地隣接リンクは、到着地に隣接している道路リンクのデータであり、地図ＤＢ１２に記憶された地図データから特定することができる。到着地種別は、到着地の施設の種別を示すものであり、地図ＤＢ１２に記憶された施設のデータに基づいて求めることができる。施設の種別としては、例えば、レストラン、宿泊施設、観光施設等がある。

生活圏データ生成部２２は、通過リンク情報として、道路リンクのＩＤに紐づけて当該道路リンクの走行回数と、当該道路リンクの最終通過日時のデータを求める。

生活圏データ生成部２２は、図３に示す集計データのうちの通過リンク情報を用いて生活圏データを生成する。具体的には、生活圏データ生成部２２は、まず、所定の基準以上の走行回数を有する道路リンクを求める。ここでは、所定の基準は、走行回数が所定の閾値（例えば、１０回）以上であることとする。本明細書では、走行回数が所定の基準以上の道路リンクを「常用道路リンク」という。
図４（ａ）は、生活圏データ生成部２２にて求めた常用道路リンクの例を示す図である。

次に、生活圏データ生成部２２は、常用道路リンクから所定時間（例えば１０分）以内で行けるエリアを生活圏データとして決定する。
図４（ｂ）は、常用道路リンクから所定時間（例えば１０分）以内に到達できる範囲を示す図であり、図４（ｂ）に示すエリアを生活圏として決定する。なお、本実施の形態では、所定時間以内に到達できる範囲を生活圏としたが、常用道路リンクから所定の距離内にある範囲を生活圏としてもよい。さらに、生活圏エリアの範囲を画定する所定時間または所定距離は、自宅からの距離に応じて変えることとしてもよい。

次に、ユーザモデル生成部２４について説明する。ユーザモデル生成部２４は、走行履歴ＤＢ１４から走行履歴データを読み出し、読み出した走行履歴データに基づいて、出発日時の曜日や時間帯によってユーザがどのような行動をとるかを表すモデルを生成する機能を有する。ここで、読み出す走行履歴データは、直近の所定期間における走行履歴データであってもよいことは、生活圏データ生成部２２の場合と同じである。

ユーザモデル生成部２４は、読み出した走行履歴データを出発日時の曜日及び時間帯ごとのグループに分類する。そして、ユーザモデル生成部２４は、分類されたそれぞれのグループごとに、ハブ地点を出発してから戻ってくるまでの所要時間ごとに、外出回数のヒストグラムを生成する。本実施の形態では、ユーザの自宅をハブ地点とするが、ハブ地点は自宅以外であってもよい。

ここで、ハブ地点について説明する。ハブ地点とは、ユーザの行動の拠点となる地点であり、走行履歴データから見ると、複数の目的地を有する地点、すなわち、複数の地点に対して出発した履歴を有する地点である。ハブ地点の典型例は自宅であるが、例えば、帰省先などもハブ地点になり得る。また、出発回数の多い地点は、それに応じて目的地の数も多くなるので、走行履歴ＤＢ１４に記憶された走行履歴データに基づいて、出発回数の最も多い地点、あるいは出発回数が所定の回数（例えば、２０回）以上の地点を、ハブ地点として決定してもよい。

このように外出回数を出発の曜日及び時間帯ごとに求めてユーザモデルを生成するので、生成されたユーザモデルに基づいて、それぞれの曜日及び時間帯における外出の傾向を定量的に把握することができる。なお、本実施の形態では、曜日及び時間帯ごとに分類したが、曜日ごとまたは時間帯ごとに分類してもよい。

ユーザモデル生成部２４は、生成するヒストグラムに、外出先が生活圏か非生活圏かの情報を含める。例えば、所要時間が６０〜９０分の外出をした回数をカウントする際に、生活圏への外出は８回、非生活圏への外出は２回というように、生活圏と非生活圏の別に外出回数をカウントする。このように生活圏と非生活圏のそれぞれへの外出回数をカウントすることで、曜日及び時間帯によって、生活圏への外出が多いのか、非生活圏への外出が多いのか、ユーザの外出の傾向を把握することができる。

図５及び図６は、ユーザモデルの例を示す図である。図５は、出発日時が「日曜日の朝」の場合のユーザモデルを示し、図６は、出発日時が「日曜日の午後」の場合のユーザモデルを示す。図５に示すように、出発日時が「日曜日の朝」の場合には、所要時間が６０〜１８０分かかる場所にも多く外出していることが分かる。また、目的地としては、非生活圏に出外出する回数が生活圏に外出する回数よりも多いことが分かる。

一方、図６に示すように、出発日時が「日曜日の午後」の場合には、６０〜９０分の所要時間で行ける場所に外出した回数が１０回と最も多く、遠くても９０〜１２０分の所要時間で行ける場所までしか行っていないことが分かる。また、目的地としては、非生活圏に外出する回数よりも生活圏に外出する回数が多いことが分かる。

本実施の形態では、このヒストグラムのデータが「ユーザモデル」である。ユーザモデル生成部２４は、生成したユーザモデルのデータをユーザモデル記憶部３２に記憶する。

続いて、探索条件決定部２６について説明する。探索条件決定部２６は、ユーザモデルに基づいて、提案すべき行先の候補となる施設の探索条件を決定する機能を有する。探索条件決定部２６は、探索条件として、施設を探索する範囲と、生活圏と非生活圏から探索すべき施設数の比率を決定する。探索条件決定部２６の処理の詳細については、行先提案システム１０の動作説明のところで説明する。

次に、施設探索部２８について説明する。施設探索部２８は、探索条件決定部２６にて決定された探索範囲において、生活圏と非生活圏から所定の比率で施設を検索する機能を有する。施設探索部２８の処理の詳細については、行先提案システム１０の動作説明のところで説明する。

［ハードウェア構成］
図７は、本実施の形態の行先提案システム１０のハードウェア構成を示す図である。行先提案システム１０は、ＣＰＵ５０と、メモリ５２と、ＲＯＭ５４と、外部記憶装置５８と、キーパッド６０と、タッチパネル６２と、通信部６４とがバス６６によって接続されて構成されている。ＲＯＭ５４には、上述した行先提案システム１０の機能を実現するためのプログラム５６が格納されている。このようなプログラム５６も本発明の範囲に含まれる。外部記憶装置５８は、地図ＤＢ１２、走行履歴ＤＢ１４を構成すると共に、生活圏データやユーザモデルデータを記憶する。通信部６４は、車両に搭載された各種の機器（現在位置検出部４０、イグニッションキー４２を含む）と通信を行う機能を有している。

［行先提案システムの動作］
図８及び図９は、行先提案システム１０の動作を示すフローチャートである。図８は、走行履歴データに基づいて、生活圏データ及びユーザモデルを生成する動作を示すフローチャートを示し、図９は、生活圏データ及びユーザモデルを用いて提案すべき施設を提案する動作を示す。図８に示す動作は、走行履歴データに基づいて、ユーザの行動パターンを学習する段階である。この学習の処理は、行先提案を行うたびに毎回行ってもよいし、新しい走行履歴データがある程度蓄積されたところで行うこととしてもよいし、定期的（例えば１か月ごと）に行ってもよい。

まず、図８を参照して、行先提案システム１０によるユーザの行動パターンの学習の動作について説明する。行先提案システム１０の生活圏データ生成部２２は、走行履歴ＤＢ１４から所定期間における走行履歴データを読み出す（Ｓ１０）。続いて、生活圏データ生成部２２は、読み出した走行履歴データに基づいて生活圏データを生成する（Ｓ１２）。具体的には、生活圏データ生成部２２は、読み出した走行履歴データの集計処理を行い、各道路リンクの走行回数を含む図３に示すようなデータを生成する。生活圏データ生成部２２は、走行回数が所定の閾値（例えば１０回）以上の道路リンクを常用道路リンクとして決定する。常用道路リンクの例は、図４（ａ）に示したとおりである。続いて、生活圏データ生成部２２は、常用道路リンクから所定時間（例えば１０分）以内で行けるエリアを生活圏として決定する。生活圏データの例は、図４（ｂ）に示したとおりである。

次に、ユーザモデル生成部２４は、走行履歴データに基づいてユーザモデルを生成する（Ｓ１４）。上述したとおり、ユーザモデル生成部２４は、読み出した走行履歴データを出発日時の曜日及び時間帯ごとのグループに分類し、分類されたそれぞれのグループごとに、自宅を出発してから戻ってくるまでの所要時間ごとに、生活圏と非生活圏への外出回数をカウントしてヒストグラムを生成する。ユーザモデルの例は、図６及び図５に示したとおりである。

次に、図９を参照して、行先の探索及び提案の動作について説明する。行先提案システム１０は、ユーザから行先提案のリクエストの入力を受け付ける（Ｓ２０）。入力部１６は、出発日時の指定と共に行先提案のリクエストを受け付けることとしてもよいし、行先提案のリクエストがあった時刻を出発日時として行先提案のリクエストを受け付けてもよい。

行先提案システム１０は、行先提案のリクエストの入力を受け付けると、探索条件決定部２６によって、行先の探索条件を決定する処理を行う（Ｓ２２）。具体的には、探索条件決定部２６は、行先提案にかかる出発日時の曜日及び時間帯と同じ曜日及び時間帯のユーザモデルをユーザモデル記憶部３２から読み出し、読み出したユーザモデルに基づいて施設を探索すべき範囲を決定する。

例えば、出発日時が「日曜日の朝」である場合には、図５に示すユーザモデルを参照する。このモデルによれば、所要時間が最大で２４０分かかる場所に外出していることが分かる。したがって、探索条件決定部２６は、所要時間が２４０分かかる範囲を探索範囲として決定する。本実施の形態では、所要時間の最大値を探索範囲としたが、所要時間の平均値を探索範囲としてもよい。図５に示す例では、所要時間の平均値は１２３分なので、所要時間が１２３分かかる範囲を探索範囲として決定する。また、外出回数が最頻値を有する所要時間を探索範囲としてもよい。図５に示す例では、９０〜１２０分の外出回数が１０回で最も多いので、１２０分かかる範囲を探索範囲として決定する。

図１１（ａ）は、２４０分の所要時間で行ける探索範囲を点線で示した図である。所要時間は、自宅を出発してから自宅に戻るまでの所要時間であるので、点線で示す範囲は、自宅を中心として１２０分で行ける範囲を示している。なお、図１１（ｂ）は、１２０分の所要時間で行ける探索範囲を点線で示した図である。

次に、探索条件決定部２６は、ユーザモデルを参照して、生活圏と非生活圏のそれぞれから探索する施設数の比率を決定する。例えば、図５に示すユーザモデルを参照すると、目的地が生活圏にある外出の回数と非生活圏にある外出の回数の割合は２：７である。したがって、生活圏と非生活圏のそれぞれから探索する施設数の比率を２：７とする。

探索条件が決定されると、行先提案システム１０は、探索条件にしたがって施設の探索を行う（Ｓ２４）。施設探索の詳細な動作については、図１０を参照して説明する。探索条件にしたがって施設が探索されると、行先提案システム１０は、探索された施設を行先の候補としてディスプレイに表示して出力する（Ｓ２６）。この際、施設の名称と共に、生活圏内の施設に対しては施設の広告データを表示し、非生活圏の施設に対しては施設の概要データを表示する。

図１０は、行先提案システム１０の施設探索の詳細な動作を示すフローチャートである。図１０を参照して施設探索の詳細について説明する。
施設探索部２８は、探索条件として決定された比率にしたがって、生活圏と非生活圏のそれぞれから探索する施設数を決定する（Ｓ３０）。本実施の形態の行先提案システム１０は、１０個の行先候補を提案するものとする。例えば、上述した図５に示す例により、生活圏と非生活圏から探索すべき施設数の比率が２：７と求められたとすると、この比率に最も近くなるように、生活圏から２個、非生活圏から８個の施設を探索すると決定する。なお、提案すべき行先候補の数は、あらかじめ決定しておいてもよいし、行先提案のリクエストを入力する際に、ユーザが設定することとしてもよい。

次に、生活圏エリアからの施設の探索について説明する。施設探索部２８は、生活圏データ記憶部３０から生活圏データを読み出して、生活圏のエリアを求め、探索範囲と生活圏のエリアとが重なる領域から、所定数の施設を探索する（Ｓ３２）。図１１（ａ）に示す例においては、生活圏のエリア全体が探索範囲となり、図１１（ｂ）に示す例においては、生活圏のエリアのうち点線で囲んだ範囲の内側のエリアが探索範囲となる。

施設探索部２８は、走行履歴ＤＢ１４から走行履歴データを読み出し、ユーザが行ったことがある施設は探索の対象から除外し、行ったことのない施設を探索する。これにより、行先提案システム１０は、ユーザが行ったことのない新しい施設を提案することができる。また、施設探索部２８は、施設の探索に際して、探索範囲内からランダムに施設を選んでもよいし、ユーザの嗜好を考慮して過去に行ったことのある施設の種別と同じ種別の施設を選んでもよい。

続いて、施設探索部２８は、探索された施設に行くとした場合の外出の所要時間を計算する（Ｓ３４）。具体的には、探索された施設に往復するのに要する所要時間と当該施設の平均滞在時間とを合算する。そして、この所要時間が探索条件を満たすか否かを判定し（Ｓ３６）、探索条件を満たす場合には（Ｓ３６でＹＥＳ）提案する施設として決定し（Ｓ３８）、探索条件を満たさない場合には（Ｓ３６でＮＯ）、その施設を削除して新たに別の施設を選ぶ（Ｓ３２）。

以上の動作より、施設探索部２８は、生活圏から提案すべき施設を探索する。施設探索部２８は、非生活圏からも、上述した生活圏と同様の処理（Ｓ３２〜Ｓ３８）により、提案する施設の探索を行う。以上、本実施の形態の行先提案システム１０の構成および動作について説明した。

本実施の形態の行先提案システム１０は、走行履歴データから求めた過去の外出の所要時間の傾向に基づいて探索範囲を決定するので、ユーザの行動範囲内にある施設を行先の候補として提案することができる。

また、所定の基準以上の走行回数を有する道路リンクから所定時間内で到達できるエリアを生活圏、生活圏以外のエリアを非生活圏として、過去の外出のデータから求めた比率で生活圏と非生活圏から施設を探索する構成を採用している。これにより、ユーザの行動パターンにあった適切な施設を提案することができる。

また、自宅を出発してから自宅に戻ってくるまでの所要時間が過去の外出における行動パターンと合っている施設を提案するので、目的地における滞在時間も含めてユーザにとって出かけやすい施設を提案することができる。

（第２の実施の形態）
次に、本発明の第２の実施の形態の行先提案システム１０について説明する。第２の実施の形態の行先提案システム１０の基本的な構成は、第１の実施の形態の行先提案システム１０と同じであるが、ユーザモデルの生成の仕方が異なる。

図１２は、第２の実施の形態の行先提案システム１０において生成するユーザモデルの例を示す図である。図１２に示すように、ユーザモデルは、外出回数を目的地までの距離ごとにカウントして生成したヒストグラムを用いる。第２の実施の形態においては、探索条件決定部２６は目的地までの距離に基づいて探索範囲を決定し、施設探索部２８は探索範囲内にある施設を探索する。具体的には、目的地の距離の最大値を探索範囲とし、図１２に示す例では、自宅から半径８０ｋｍの範囲を探索範囲とする。なお、第２の実施の形態においても、第１の実施の形態と同様に、目的地までの距離の平均値や、外出回数の最頻値を有する目的地までの距離を用いて探索範囲を決定してもよい。

本実施の形態の行先提案システムは、走行履歴データから求めた過去の目的地までの距離の傾向に基づいて探索範囲を決定するので、ユーザの行動範囲内にある施設を行先の候補として提案することができる。また、過去の外出のデータから求めた比率で生活圏と非生活圏から施設を探索する構成により、ユーザの行動パターンにあった適切な施設を提案することができる。

なお、第１の実施の形態では探索範囲内から施設を探索した後に、探索された施設が所要時間の探索条件を満たすか否かのチェックを行うことが必要であったが（図１０のステップＳ３４，Ｓ３６）、第２の実施の形態では、探索された施設に対して探索条件を満たすかどうかのチェックは不要である。

以上、本発明の実施の形態にかかる行先提案システムについて、実施の形態を挙げて詳細に説明したが、本発明の行先提案システムは上記した実施の形態に限定されるものではない。

上記した実施の形態では、図４（ｂ）に示すように、常用道路リンクの周辺のエリアを生活圏として決定したが、図４（ａ）に示す常用道路リンク沿いだけを生活圏として決定してもよい。これは、常用道路リンクから０分の所要時間で到達できる範囲に該当する。

上記した実施の形態では、行先提案の処理を１つの装置で処理する例について説明したが、行先提案システムは、ネットワークに接続された複数の装置（サーバと端末）によって処理してもよいことは言うまでもない。

図１３は、入力部１６と出力部１８とを車載装置７０側に備え、それ以外の構成をサー７２側に備えた行先提案システム１０の構成を示す図である。車載装置７０とサーバ７２はそれぞれ通信部７４，７６を備えており、ネットワークを介して通信接続されている。この構成において、車載装置７０は、現在位置検出部４０にて検出した車両の走行履歴データを、サーバ７２に送信する。サーバ７２は、車載装置７０から受信した走行履歴データを走行履歴ＤＢ１４に蓄積する。車載装置７０の入力部１６から行先提案のリクエストが入力されると、車載装置７０はこのリクエストをサーバに送信し、サーバ７２は上記した実施の形態と同様にして行先の候補となる施設を検索し、検索された施設のデータを車載装置７０に送信する。車載装置７０は、出力部１８にて、サーバ７２から受信した施設のデータを出力部１８より出力する。図１３に示すのは一例であり、ネットワーク上における機能の分担の仕方はほかにも考えられる。例えば、施設の探索を行う探索条件の計算までを車載装置側で行うこととし、その範囲にある施設の検索をサーバで行うことも可能である。

上記した実施の形態では、目的地が生活圏の場合の外出回数と、非生活圏の場合の外出回数をカウントしてヒストグラムを生成したが、生活圏と非生活圏の両方を目的地とする外出回数を別個にカウントしてもよい。また、生活圏と非生活圏の両方を目的地とする場合には、非生活圏に含めてカウントしてもよい。非生活圏に出かけたついでに生活圏にある目的地に立ち寄ることもあるからである。

上記した実施の形態では、ユーザモデル生成部は、出発日時の曜日及び時間帯によってユーザモデルを生成する例を説明したが、曜日及び時間帯以外にも、天気や、同乗者の有無、季節等によって異なるユーザモデルを生成することとしてもよい。これにより、ユーザの行動パターンの予測精度を向上することができる。

上記した実施の形態では、行先提案システムは、ユーザが行ったことのない施設を提案する例を説明したが、ユーザが行った回数が所定の閾値（例えば２回）以下の施設、あるいは、所定の期間に行ったことのない（最近６カ月に行っていない）施設を提案することとしてもよい。

本発明の行先提案システムは、走行履歴データに基づいて、ユーザが立ち寄ったことはあるが、滞在時間が施設によって定まる所定の閾値以下の施設は、探索の対象外としてもよい。ここで、施設によって定まる所定の閾値とは、施設を利用するために必要な時間である。施設を利用するために必要な時間だけ滞在しなかったということは、ユーザがその施設を楽しめないで帰ったと考えられるので、このような施設を提案しないことによって、適切な行先の候補を提案することができる。

本発明は、ユーザの行動範囲や行動パターンにあった適切な施設を提案することができるという効果を有し、新しい行先を提案することができるナビゲーション装置等として有用である。

１０ 行先提案システム
１２ 地図データベース
１４ 走行履歴データベース
１６ 入力部
１８ 出力部
２０ 制御部
２２ 生活圏データ生成部
２４ ユーザモデル生成部
２６ 探索条件決定部
２８ 施設探索部
３０ 生活圏データ記憶部
３２ ユーザモデル記憶部
４０ 現在位置検出部
４２ イグニッションキー
５０ ＣＰＵ
５２ メモリ
５４ ＲＯＭ
５６ プログラム
５８ 外部記憶装置
６０ キーパッド
６２ タッチパネル
６４ 通信部
６６ バス
７０ 車載装置
７２ サーバ
７４ 通信部
７６ 通信部

Claims (9)

1. 施設のデータを含む地図データを記憶した地図データベースと、
   車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶した走行履歴データ記憶部と、
   前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成する生活圏データ生成部と、
   前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するユーザモデル生成部と、
   前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を決定する探索条件決定部と、
   前記地図データベースから、前記探索条件決定部にて決定された探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索する施設探索部と、
   探索された施設をユーザに提示する出力部と、
   を備える行先提案システム。
2. 前記ユーザモデル生成部は、出発した曜日または時間帯ごとに、前記モデルデータを生成し、
   前記探索条件決定部は、行先提案にかかる出発日時と同じ曜日または時間帯の前記モデルデータに基づいて、施設の探索条件を決定する請求項１に記載の行先提案システム。
3. 前記生活圏データ生成部は、走行回数が所定の回数以上の道路リンク、または所定期間における走行回数が所定の回数以上の道路リンクを求める請求項１または２に記載の行先提案システム。
4. 前記生活圏データ生成部は、前記道路リンクから所定時間内に到達できるエリア、または、前記道路リンクから所定の距離内にあるエリアを生活圏として決定する請求項１乃至３のいずれかに記載の行先提案システム。
5. 前記出力部は、生活圏の施設については広告データを出力し、非生活圏の施設については施設の概要データを出力する請求項１乃至４のいずれかに記載の行先提案システム。
6. 前記施設探索部は、前記走行履歴データを参照して、行ったことがない施設または行った回数が所定回数以下の施設を探索する請求項１乃至５のいずれかに記載の行先提案システム。
7. 前記施設探索部は、前記走行履歴データを参照して、行ったことがあるが滞在時間が施設によって定まる所定の閾値以下であった施設を探索の対象から除外する請求項１乃至６のいずれかに記載の行先提案システム。
8. 施設のデータを含む地図データを記憶した地図データベースと、車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶する走行履歴データ記憶部とを備える行先提案システムが行先を提案する方法であって、
   前記行先提案システムが、前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成するステップと、
   前記行先提案システムが、前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するステップと、
   前記行先提案システムが、前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を、探索条件として決定するステップと、
   前記行先提案システムが、前記地図データベースから、前記探索条件にかかる探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索するステップと、
   前記行先提案システムが、探索された施設をユーザに提示するステップと、
   を備える行先提案方法。
9. 施設のデータを含む地図データを記憶した地図データベースと、車両が走行した道路リンクのデータおよび到着地点のデータを走行履歴データとして記憶する走行履歴データ記憶部とを備えるコンピュータに、行先提案を行わせるためのプログラムであって、
   前記走行履歴データに基づいて所定の基準以上の走行回数を有する道路リンクを求め、当該道路リンクを含む所定のエリアを生活圏として決定し、生活圏データを生成するステップと、
   前記走行履歴データに基づいて、所定の回数以上の出発回数を有するハブ地点を出発してから前記ハブ地点に戻るまでを１回の外出とし、外出の回数を、当該外出の目的地が生活圏か非生活圏かの別に、当該外出に要した所要時間または当該外出の目的地までの距離ごとに求め、ユーザの外出パターンのモデルデータを生成するステップと、
   前記モデルデータに基づいて、外出の所要時間または目的地までの距離の最大値または平均値、もしくは前記外出回数が最頻値を有する所要時間または目的地までの距離に基づいて、施設の探索範囲を決定すると共に、生活圏と非生活圏へのそれぞれの外出回数に基づいて生活圏と非生活圏から探索すべき施設数の比率を、探索条件として決定するステップと、
   前記地図データベースから、前記探索条件にかかる探索範囲内から、前記比率に応じた生活圏の施設と非生活圏の施設を探索するステップと、
   探索された施設をユーザに提示するステップと、
   を実行させるプログラム。

Images