JP6056523B2 - 旅行時間予測装置及び経路探索システム - Google Patents

Description

本発明は、道路区間を車両が走行するために要する旅行時間を求める旅行時間予測装置、及び、前記旅行時間を用いて経路探索を行う経路探索システムに関する。

道路の渋滞状況を把握したり、目的地までの最適経路を探索したり、目的地までの所要時間を算出するために、各道路区間（道路リンク）を車両が走行するために要する旅行時間の情報が必要となる。
そこで、各車両が実際に道路を走行しながら送信したプローブ情報を、道路に設置された無線通信機を通じてサーバ装置が収集し、これらプローブ情報に基づいて各道路区間の旅行時間を算出し蓄積するようにしている。すなわち、プローブ情報には、車両の位置の情報と、その位置での時刻の情報とが含まれることから、サーバ装置は、各道路区間を走行する車両からプローブ情報を収集することにより、各道路区間を走行するために車両が要した時間（旅行時間）を求めることが可能となる。そして、旅行時間は道路区間毎に求められ、道路区間毎の旅行時間の情報としてサーバ装置に蓄積されている。

このように、サーバ装置には、道路区間毎に旅行時間の情報が蓄積されるが、この旅行時間は、主として通常時に走行した車両から送信されたプローブ情報に基づいて生成された平均的な旅行時間（通常の旅行時間）である。なお、前記「通常時」とは、後述するようなイベントが開催されていない時を言う。
これに対して、ある道路区間の途中やその周囲に、例えばコンサート会場が存在しており、この会場でイベントが特定日に開催されると、そのイベントの開催時間帯及びその前後の時間帯では、周辺道路が渋滞する。

このため、コンサート会場に近い道路区間を車両が実際に走行するために要する旅行時間は、サーバ装置に蓄積されている「通常の旅行時間」よりも多くなるため、イベントの開催時間帯及びその前後の時間帯にこの道路区間を通過して目的地まで到達するための所要時間を算出する際に、サーバ装置に蓄積されている「通常の旅行時間」のみを用いると、算出結果に大きな誤差が生じることがある。
そこで、例えば、特許文献１には、イベントの開催内容に関するイベント情報を取得し、イベントに起因する渋滞を予測する方法が提案されている。

特開２０１０−２６８０３号公報（図２参照）

特許文献１の場合、イベントの開催内容に関するイベント情報を取得し、イベントに起因する渋滞を予測しているが、同じ会場で同じイベントが開催された実績のある場合にのみ、渋滞を考慮した旅行時間の算出が可能となる。
つまり、特許文献１の旅行時間の予測は、過去に同じ場所で同じイベントが開催された実績があることが前提にあり、未知のイベントが開催される場合には対応不可能である。

そこで、本発明は、イベントが所定の会場で初めて開催される場合にも、そのイベントにより影響を受ける旅行時間の予測を可能とすることを目的とする。

（１）本発明は、所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測装置であって、前記所定会場での前記所定イベントの開催実績を取得可能である取得部と、前記取得部による取得結果に応じて前記対象道路区間の旅行時間を求める予測部とを備え、前記取得部は、更に、前記所定会場とは別の会場での前記所定イベントの開催実績、及び、前記所定イベントと異なるが当該所定イベントと種類が同じ類似イベントの前記所定会場での開催実績の内の一方又は双方の開催実績を取得可能であり、前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間、及び、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の内の一方又は双方を用いて、前記対象道路区間の旅行時間を求めることを特徴とする。

本発明によれば、別の会場での所定イベントの開催実績が取得されると、この開催により影響を受けた道路区間の旅行時間を用いて、対象道路区間の旅行時間を求めることで、仮に、所定イベントが所定会場で開催された実績がなくても、対象道路区間の旅行時間を予測することができる。
また、所定イベントと異なるが種類が同じである類似イベントの所定会場での開催実績が取得されると、この開催により影響を受けた道路区間の旅行時間を用いて、対象道路区間の旅行時間を求めることで、仮に、所定イベントが所定会場で開催された実績がなくても、対象道路区間の旅行時間を予測することができる。
つまり、所定イベントが所定会場で初めて開催される場合にも、その所定イベントにより影響を受ける旅行時間の予測が可能となる。

（２）また、前記取得部は、これから開催される前記所定イベントの評価を示す評価情報及び過去に開催されたイベントの評価を示す評価情報を取得可能であるのが好ましい。
この場合、対象道路区間の旅行時間を求めるために評価情報を活用することができる。
（３）例えば、評価情報の活用の例として、旅行時間予測装置は、これから開催される又は過去に開催されたイベントの情報を蓄積するイベント情報データベースを、更に備え、前記予測部は、前記イベント情報データベース中の情報から、前記評価情報に基づいて前記所定イベントに最も類似する類似イベントを決定する。
この場合、これから所定イベントと異なるが所定イベントと種類が同じであってこの所定イベントと最も類似する類似イベントを、評価情報（イベントの評価）に基づいて決定することで、類似性の高い類似イベントを見つけることが可能となる。
（４）また、前記予測部は、前記イベント情報データベースに蓄積されている過去に開催された複数のイベントのうち、これから開催される前記所定イベントと前記評価情報が類似しているイベントを、当該所定イベントに最も類似する類似イベントとして決定するのが好ましい。
この場合、取得部によって、これから開催される前記所定イベントの評価を示す評価情報及び過去に開催されたイベントの評価を示す評価情報が取得されると、予測部は、イベント情報データベースに蓄積されている過去に開催された複数のイベントのうち、これから開催される所定イベントと評価情報が類似しているイベントを、この所定イベントに最も類似する類似イベントとして決定することができる。

（５）また、前記旅行時間予測装置は、イベントの識別情報と、そのイベントが開催された場合の道路区間の旅行時間と、を対応付けて蓄積するイベント時旅行時間データベースを、更に備え、前記取得部により、前記所定会場での前記所定イベントの開催実績が取得されると、前記予測部は、当該所定イベントが過去に開催されたことで影響を受けた道路区間の旅行時間を、前記イベント時旅行時間データベースから抽出し、この抽出した旅行時間に基づいて、前記対象道路区間の旅行時間を求めるのが好ましい。
この場合、過去の実績に基づいて、所定イベントがこれから開催されることで影響を受ける道路区間の旅行時間を求めることが可能となる。

（６）また、前記（５）の場合において、前記予測部は、前記イベント時旅行時間データベースから抽出した前記旅行時間を、これから開催される前記所定イベントの評価を示す評価情報及び過去に開催された前記所定イベントの評価を示す評価情報に基づいて補正し、前記対象道路区間の旅行時間を求めることができる。
この場合、所定イベントの開催実績があっても、所定イベントの注目度がその開催当時（過去）と現在とで異なることもあるため、旅行時間に及ぼす影響の度合いが現在と過去とで異なることもあり得る。そこで、イベント時旅行時間データベースから抽出した旅行時間を、これから開催される所定イベントの評価情報及び過去に開催された所定イベントの評価情報に基づいて補正し、対象道路区間の旅行時間を求めることで、旅行時間の予測精度を高めることが可能となる。

（７）また、前記取得部により、前記所定会場での前記所定イベントの開催実績は取得されないが、前記別の会場での前記所定イベントの開催実績、及び、前記所定会場での前記類似イベントの開催実績が取得されると、前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間の変化率を示す係数を取得すると共に、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間と、前記係数とを用いて、前記対象道路区間の旅行時間を求めるのが好ましい。
この場合、別の会場で所定イベントが開催されたことにより、その別の会場周囲の道路区間では旅行時間について影響を受けるが、その影響を受けた道路区間の旅行時間の変化率を取得することで、所定イベントがこれから開催されることによる旅行時間への影響の度合いを取得することができる。そして、所定会場で類似イベントが開催されると旅行時間について影響を受ける道路区間は、所定会場で所定イベントがこれから開催される場合にも旅行時間について影響を受ける道路区間であるとみなし、所定会場で類似イベントが開催された際に影響を受けた道路区間の旅行時間を、前記変化率を用いて補正し、補正した旅行時間を、所定会場で所定イベントがこれから開催される場合の対象道路リンクの旅行時間として推定する。

（８）また、前記取得部により、前記所定会場での前記所定イベントの開催実績、及び、前記別の会場での前記所定イベントの開催実績は取得されないが、前記所定会場での前記類似イベントの開催実績が取得されると、予測部は、前記類似イベントの中から前記所定イベントに最も類似するイベントを決定し、この決定した類似イベントが開催されたことで影響を受けた道路区間の旅行時間を、前記対象道路区間の旅行時間として求めるのが好ましい。
この場合、所定会場で類似イベントが開催されたことで旅行時間について影響を受けた道路区間は、所定会場で所定イベントがこれから開催される場合にも旅行時間について影響を受ける道路区間であるとみなし、所定会場で類似イベントが開催されたことで影響を受けた道路区間の旅行時間を、所定会場で所定イベントがこれから開催される場合の対象道路リンクの旅行時間として推定する。

（９）また、前記取得部により、前記所定会場での前記所定イベントの開催実績、前記別の会場での前記所定イベントの開催実績、及び、前記所定会場での前記類似イベントの開催実績のいずれもが取得されない場合、前記取得部は、前記所定会場とは別の会場での類似イベントの開催実績を取得し、前記予測部は、前記別の会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の変化率を示す係数を取得すると共に、前記所定会場でイベントが開催されると旅行時間の変化が起きやすい道路区間を決定し、この決定した道路区間の旅行時間と、前記係数とを用いて、前記対象道路区間の旅行時間を求めるのが好ましい。
この場合、別の会場で類似イベントが開催されたことにより、その別の会場周囲の道路区間では旅行時間について影響を受けるが、その影響を受けた旅行時間の変化率を取得することで、類似イベントが開催されたことによる旅行時間への影響の度合いを取得することができる。そして、所定会場でイベントが開催されると旅行時間の変化が起きやすい道路区間が決定され、この決定された道路区間の旅行時間を、前記変化率を用いて補正し、補正した旅行時間を、所定会場で所定イベントがこれから開催される場合の対象道路リンクの旅行時間として推定する。

（１０）また、本発明は、各道路区間の旅行時間を用いて経路探索を行う経路探索システムであって、各道路区間の旅行時間が蓄積されている旅行時間データベースと、所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測部と、前記旅行時間データベースに蓄積されている旅行時間、及び、前記旅行時間予測部により求められた旅行時間を用いて経路探索を行う経路探索部とを備え、前記旅行時間予測部は、前記（１）〜（９）のいずれかに記載の旅行時間予測装置であることを特徴とする。
本発明によれば、旅行時間予測部が前記（１）〜（９）のいずれかに記載の旅行時間予測装置であることから、所定イベントが所定会場で初めて開催される場合にも、その所定イベントにより影響を受ける旅行時間の予測が可能となる。
このため、経路探索が行われる対象領域中に、所定会場で所定イベントが初めて開催され、交通量が増えて交通渋滞が発生することが予想されるような場合であっても、この交通渋滞を考慮した経路探索を行うことができる。

本発明の旅行時間予測装置によれば、所定イベントが所定会場で初めて開催される場合にも、その所定イベントにより影響を受ける旅行時間の予測が可能となる。
本発明の経路探索システムによれば、経路探索が行われる対象領域中に、所定会場で所定イベントが初めて開催され、交通量が増えて交通渋滞が発生することが予想されるような場合であっても、この交通渋滞を考慮した経路探索を行うことができる。

本発明の経路探索システムの全体構成図である。 中央装置の概略構成を示すブロック図である。 イベント情報データベースの説明図である。 通常時旅行時間データベースの説明図である。 イベント時旅行時間データベースの説明図である。 ユーザ数データベースの説明図である。 ポジティブユーザ数データベースの説明図である。 ネガティブユーザ数データベースの説明図である。 経路探索の処理を説明する説明図である。 予測装置が行う予測処理の一部を示すフロー図である。 予測装置の機能（その１）を説明するためのイベント情報データベース及びイベント時旅行時間データベースの説明図である。 予測装置の機能（その２）を説明するためのイベント情報データベース及びイベント時旅行時間データベースの説明図である。 予測装置の機能（その２）を説明するための通常時旅行時間データベース及びイベント時旅行時間データベースの説明図である。 予測装置の機能（その３）を説明するためのイベント情報データベースの説明図である。 予測装置の機能（その３）を説明するためのユーザ数データベースの説明図である。 予測装置の機能（その３）を説明するためのイベント時旅行時間データベースの説明図である。 予測装置の機能（その４）を説明するためのイベント情報データベースの説明図である。 予測装置の機能（その４）を説明するためのユーザ数データベースの説明図である。 予測装置の機能（その４）を説明するための通常時旅行時間データベース及びイベント時旅行時間データベースの説明図である。 経路探索方法を説明するフロー図である。

以下、図面を参照しつつ、本発明の実施形態を説明する。
〔１． 全体構成〕
図１は、本発明の経路探索システムの全体構成図である。この経路探索システムには、中央装置１、車載装置３、車載装置３を搭載した車両４、及び、車載装置３と無線通信する路側通信機５等が含まれる。
この経路探索システムは、各道路区間の旅行時間を用いて経路探索を行うことができ、この経路探索を実質的に行う経路探索装置７と、この経路探索のために用いる旅行時間を求める旅行時間予測装置２（以下、予測装置２という）とを備えている。本実施形態では、中央装置１が経路探索装置７及び予測装置２を備えている。

本実施形態では、前記道路区間を、交差点単位で区切った道路リンクとして説明するが、道路区間の定義はこれ以外であってもよく、例えば、交差点単位で区切った道路リンクを複数まとめた区間であってもよい。

車載装置３から経路探索の要求信号が無線送信されると、経路探索装置７は、路側通信機５を介してこの要求信号を取得し、この要求信号に基づいて経路探索の処理を行って経路（推奨経路）を決定する。そして、経路探索装置７は、この経路を示す情報を、路側通信機５を通じて無線送信し、この情報を、要求信号を送信した車載装置３が取得する。これにより、車載装置３は、決定された経路に従って経路案内をユーザ（ドライバ）に対して行うことができる。

予測装置２は、各道路リンクを走行する車両４の車載装置３から送信されるプローブ情報を取得する機能、取得したプローブ情報に基づいて各道路リンクを車両が走行するために要する旅行時間を求める機能、及び、所定イベント（後に説明する実施形態ではイベントＧ１）がこれから開催されることで交通渋滞が発生する場合にその影響を考慮した旅行時間を求める（予測する）機能を有している。

ここで、以下に登場する各種イベントに関して説明する。
「所定イベント」には、これから開催されるイベントと、過去に開催されたイベントとがある。
「類似イベント」は、所定イベントと異なるがこの所定イベントと種類が同じイベントである。
なお、「過去に開催されたイベント」には、過去に開催された所定イベントの他に、過去に開催され類似イベント等、いろいろな過去に開催されイベントが含まれる。
単に「イベント」と記載している場合、所定イベント、類似イベント等、いろいろなイベントが含まれる。

車載装置３は、プローブ情報を生成する機能及び通信機能を備えた車載コンピュータからなる。プローブ情報は、車両４の走行位置（現在位置）、この走行位置の通過時刻及び車両４の識別情報（車両ＩＤ）等を含む。なお、車両４の識別情報に代えて、この車両４に搭載されている車載装置３の識別情報（車載装置ＩＤ）であってもよい。
車載装置３はＧＰＳ機能を有しており、車両４の位置をＧＰＳ信号に基づいて算出する。また、車載装置３は時計機能を有しており、各位置の通過時刻を示す情報を取得可能である。なお、プローブ情報は、プローブカーデータ、又は、フローティングカーデータともいう。
車載装置３は、車両４に固定された装置以外に、例えばドライバが携帯しているスマートフォン等の携帯端末であってもよい。

路側通信機５は、道路等の各所に設置された無線通信装置からなり、車載装置３との間で無線通信によって情報の送受信を行う機能を有しており、また、中央装置１と通信回線を通じて接続されている。路側通信機５は、車載装置３が送信したプローブ情報を受信し、中央装置１へ転送する。また、路側通信機５は、中央装置１から車両４への提供用の情報を取得し、その情報を車載装置３に送信する。提供する情報として、前記の経路の情報の他に、各道路リンクの旅行時間情報等がある。前記のとおり、車載装置３が、スマートフォン等の携帯端末である場合、路側通信機５は、この携帯端末と無線通信を行う基地局装置となる。

〔２． 予測装置２について〕
図２は、中央装置１の概略構成を示すブロック図である。中央装置１は、ワークステーションやパーソナルコンピュータ等のサーバコンピュータを備えている。このサーバコンピュータは、ＣＰＵを有する中央処理ユニット１０と、通信インタフェースからなる通信部１１と、ハードディスク等からなる記憶部１２とを備えている。前記経路探索装置７及び前記予測装置２として機能させるためのコンピュータプログラムが、このサーバコンピュータにインストールされており、このコンピュータプログラムが中央処理ユニット１０により実行されることで、このサーバコンピュータが経路探索装置７及び予測装置２として機能する。

記憶部１２は、各種のデータベースを備えている。本実施形態では、イベント情報データベース３１、通常時旅行時間データベース３２、イベント時旅行時間データベース３３、及び、イベントに対するユーザリアクション用データベース３４が、記憶部１２に設定されている。ユーザリアクション用データベース３４には、ユーザ数データベース３５、ポジティブユーザ数データベース３６及びネガティブユーザ数データベース３７が含まれる。これらデータベースそれぞれは、テーブル形式で表現可能であり、各データベースを図３〜図８に示す。

〔２．１ データベースについて〕
イベント情報データベース３１（図３参照）は、イベントに関する基本的な情報を格納しており、過去に開催されたイベント及びこれから開催される将来のイベントの情報が蓄積されている。このデータベース３１には、イベント毎に、識別情報（イベントＩＤ）、開催日、開催時間（開始時刻と終了時刻）、場所、イベント種類及びイベント名等が、相互に対応付けられて蓄積されている。このデータベース３１に格納する情報は、予測装置２（後述の取得部２１）が有するＷｅｂクローリングの機能によって、ワールドワイドウエブ（Ｗｅｂ）から、定期的に収集される。

通常時旅行時間データベース３２（図４参照）は、道路リンクに関する基本的な情報を格納しており、このデータベース３２には、通し番号（シーケンシャルＩＤ）、２次メッシュ番号、道路リンクの識別情報（リンクＩＤ）及び旅行時間（通常時旅行時間）等が相互に対応付けられて蓄積されている。なお、旅行時間は、平日用と休日用とが存在しており、また、所定時間帯毎に区分されている。所定時間は、例えば１５分や３０分であり、本実施形態では３０分である。また、旅行時間は、平日用及び休日用共に、過去（例えば過去３ヶ月分）のプローブ情報から取得した旅行時間の平均値である。

なお、プローブ情報には、前記のとおり、車両４の走行位置の情報、その位置での時刻の情報及び車両ＩＤ等を含むことから、予測装置２（後述の取得部２１）が、この車両４（車載装置３）から複数のプローブ情報を収集することで、車両４の走行軌跡を求めることができ、また、各道路リンクを走行するためにその車両４が要した時間（旅行時間）を演算により求めることができる。このようにして、旅行時間が道路リンク毎に求められると、その旅行時間（平均値）がデータベース３２に蓄積される。

イベント時旅行時間データベース３３（図５参照）は、通常時旅行時間データベース３２と同様に、道路リンクに関する基本的な情報を格納しているが、イベントが開催された際に渋滞が発生し旅行時間について影響を受けた道路リンクの旅行時間の情報を蓄積する。蓄積する情報の項目は、通し番号（シーケンシャルＩＤ）、イベントＩＤ、２次メッシュ番号、リンクＩＤ及びイベント時の旅行時間等であり、相互に対応付けられている。このデータベース３３には、イベントが開催された当日（１日分）の旅行時間が、所定時間帯毎に区分されて蓄積されている。なお、このイベント時の旅行時間も、イベント開催日の所定時間帯毎（３０分毎）の平均値であり、この旅行時間の算出は、予測装置２（後述の取得部２１）によって行われる。

ユーザリアクション用のデータベース３４は、イベントに対するＷｅｂのユーザのリアクションに関する情報（評価情報）を格納する。例えば、Twitter（登録商標）、Facebook（登録商標）、Foursquare（登録商標）のようなソーシャルネットワーキングサービス等のように、ユーザからリアルタイムに情報が提供されるサービス（サイト）を対象として、予測装置２（後述の取得部２１）が、イベント（イベント名）等から検索を行い、ヒットした情報に基づいてユーザ数を蓄積する。

ユーザ数データベース３５（図６参照）は、各イベントについて情報提供を行ったユニークなユーザ数を、イベントＩＤと対応付けて格納する。このユーザ数は、所定時間帯毎（３０分毎）に集計されている。なお、各イベントについて提供された全ての情報を集計対象とした場合、単一ユーザの連続投稿等により、ユーザ数の把握が困難になることがあるため、集計対象はユニークなユーザ（単一ユーザ）の数としている。

ポジティブユーザ数データベース３６（図７参照）は、各イベントについて情報提供した単一ユーザ数のうち、ポジティブな発言が半分を超えているユーザ数を、イベントＩＤと対応付けて格納する。
これに対して、ネガティブユーザ数データベース３７（図８参照）は、各イベントについて情報提供した単一ユーザ数のうち、ポジティブな発言が半分を超えているユーザ数を、イベントＩＤと対応付けて格納する。

また、これらデータベース３６，３７に格納するユーザ数は、所定時間帯毎（３０分毎）に集計された値である。
ネガティブとポジティブの判別は、予測装置２（後述の取得部２１）が有する言語処理機能により行われ、例えば、否定表現、肯定表現、願望表現等を識別することにより行われる。また、肯定表現が含まれていなくても、イベントの情報のみを発言したユーザは、宣伝効果が見込めるため、ポジティブなユーザとして計上する。
データベース３４（３５，３６，３７）に格納されている情報（ユーザのリアクションに関する情報）は、各イベントの評価を示す評価情報であると言える。

〔２．２ 中央装置１の各機能について〕
図９に示すように、車両４の車載装置３から、経路探索の要求信号が送信されると、経路探索装置７は、その車両４の出発地（現在地）から目的地までの所要時間（総旅行時間）を求める処理、及び、目的地までの経路探索の処理を行うことができる。
しかし、出発地から目的地までの間の道路リンク（Ｌ１）の近くに、コンサート会場Ａが存在しており、この会場ＡでコンサートイベントＧ１がこれから開催される場合、このイベントＧ１の開催時間帯及びその前後の時間帯では、周辺道路が渋滞する。なお、イベントＧ１は、前記経路探索の処理等が行われる当日に、しかも、出発地の時刻から目的地に到着する時刻までの間に、開催される予定である。

このため、コンサート会場Ａに近い道路リンクＬ１を車両４が実際に走行するために要する旅行時間は、図４に示す通常旅行時間データベース３２に蓄積されている「通常の旅行時間」よりも多くなることが予想され、経路探索装置７が、イベントの開催時間帯及びその前後の時間帯に、この道路リンクＬ１を通過して目的地まで到達するための所要時間を算出する際に、通常旅行時間データベース３２に蓄積されている「通常の旅行時間」のみを用いると、算出結果に大きな誤差が生じることがある。

そこで、本実施形態では、予測装置２が、会場（所定会場）Ａでイベント（所定イベント）Ｇ１がこれから開催されることにより旅行時間について影響を受ける道路リンク（以下、これを対象道路リンクという）の旅行時間を求める（予測する）。
そして、経路探索装置７は、対象道路リンクについては、通常旅行時間データベース３２に蓄積されている「通常の旅行時間」の代わりに、予測装置２が求めた旅行時間（予測旅行時間）を用いる。つまり、経路探索装置７は、イベントＧ１の影響を考慮して目的地までの所要時間を算出したり、経路探索を行ったりする。

予測装置２は、コンピュータプログラムが中央処理ユニット１０により実行されることで機能する機能部として、取得部２１と予測部２２とを有している。
取得部２１は、イベント情報データベース３１（図３）を参照し、会場（Ａ）でのイベント（Ｇ１）の開催実績を取得可能である。さらに、取得部２１は、イベント情報データベース３１を参照し、会場（Ａ）とは別の会場でのイベント（Ｇ１）の開催実績、及び、イベント（Ｇ１）と異なるがこのイベント（Ｇ１）と種類（分類）が同じ類似イベント（Ｇ２）の会場（Ａ）での開催実績を取得可能である。
そして、予測部２２は、この取得部２１による取得結果に応じて、対象道路リンクの旅行時間を求める（予測する）処理を行う。

また、取得部２１は、これから開催されるイベントの評価を示す評価情報、及び、過去に（既に）開催された実績のあるイベントの評価を示す評価情報を取得可能である。つまり、取得部２１は、図６〜図８に示すユーザリアクション用データベース３４（３５，３６，３７）を参照し、各イベントの評価を示す評価情報を取得することができる。例えば、図６において、イベントＩＤが「１」であるイベントに関して、時刻００：００〜時刻００：３０までの間のユニークなユーザ数が「１２０人」であるという評価情報を取得する。また、同様に、図７及び図８において、イベントＩＤが「１」であるイベントの場合、時刻００：００〜時刻００：３０までの間のユニークなユーザ数のうち、ポジティブユーザが「８０人」であるという評価情報を取得し、ネガティブユーザが「４０人」であるという評価情報を取得する。

〔３． 予測装置２の機能の具体例〕
車載装置３から出発地から目的地までの経路探索を要求する要求信号が送信され、この要求信号を経路探索装置７が受信すると、その目的地までの途中又はその近傍に本日開催のイベントが存在するか否かの判定を行う。なお、この判定は、イベント情報データベース３１を参照することにより行われる。
以下に説明する各例（その１〜その４）では、図９に示すように、会場Ａ（所定会場）でコンサートイベントＧ１（所定イベント）が開催される。そこで、中央装置１は、予測装置２を機能させる。図１０は、予測装置２が行う予測処理の一部を示すフロー図である。
なお、このイベントＧ１のイベント名を、以下の説明では「Ｇ１」とする。また、このイベントＧ１により、少なくとも道路リンクＬ１で旅行時間について影響を受ける。また、要求信号が送信され経路探索の処理が行われる時刻は１５：１５であり、これから開催されるイベントＧ１が、この経路探索の処理と同日であって、休日の時刻２３：４５に開始される場合について説明する。

〔３．１ その１〕
取得部２１は、イベント情報データベース３１（図３）を参照し、これから開催される会場ＡでのイベントＧ１と同じである、会場ＡでのイベントＧ１の開催実績を検索する。ここでは、この開催実績があると仮定する（図１０のステップＳ１でＹｅｓ）。つまり、会場Ａで、過去に全く同じイベントＧ１が開催されたことがある。図１１（Ａ）に示すように、イベント情報データベース３１には、過去に開催された会場ＡでのイベントＧ１の情報が蓄積されている。
また、過去にイベントＧ１が会場Ａで開催されたことで、この開催により会場Ａの周辺道路リンク（影響道路リンク）Ｌ１では、渋滞が発生しており、図１１（Ｂ）に示すように、その際の旅行時間が、イベント時旅行時間データベース３３に、このイベントＧ１のイベントＩＤ「１０１」と、影響道路リンクＬ１のリンクＩＤ「Ｌ１」と対応付けられて蓄積されている。
さらに、過去にイベントＧ１が実施されていることで、ポジティブユーザ数データベース３６、ネガティブユーザ数データベース３７には、この過去のイベントＧ１が開催された時期のユーザ数が蓄積されている。そして、現在においても、同じイベントＧ１がこれから開催されることから、データベース３６，３７には、これから開催されるイベントＧ１のユーザ数も蓄積されている。

以上を前提として、予測装置２の機能（その１）を説明する。
図１０のステップＳ２において、取得部２１により判定処理が行われるが、ここでは、その判定結果を「Ｎｏ」として次のステップＳ３を説明する。
このステップＳ３では、取得部２１が、イベント情報データベース３１（図１１（Ａ）参照）の中から、これから開催されるイベント名「Ｇ１」と一致するイベントを検索し、このデータベース３１から、会場Ａでの開催実績のあるイベントＧ１のイベントＩＤ「１０１」を取得する。

そして、予測部２２は、イベント時旅行時間データベース３３（図１１（Ｂ）参照）の中から、このイベントＩＤ「１０１」と一致するイベントＩＤを探す。そして、データベース３３に蓄積されている旅行時間の情報の中から、イベントＩＤが「１０１」に対応するリンクＩＤ「Ｌ１」の旅行時間を、これら開催予定にあるイベントＧ１が会場Ａで開催されることにより旅行時間について影響を受ける対象道路リンクの旅行時間として適用する。

図１０のステップＳ２において「Ｙｅｓ」と判定される場合について説明する。
前記のとおり、会場ＡでのイベントＧ１の開催実績があっても、このイベントＧ１の注目度が、その開催当時（過去）と現在とで異なることもあるため、対象道路リンクの旅行時間に及ぼす影響の度合いが、現在と過去とで異なることもあり得る。
そこで、予測部２２は、ポジティブユーザ数データベース３６とネガティブユーザ数データベース３７との内の少なくとも一方を参照する。そして、予測部２２は、データベース３６（３７）に蓄積されている過去に開催されたイベントＧ１に関するユーザ数と、データベース３６（３７）に蓄積されているこれから開催されるイベントＧ１に関する現在のユーザ数との差（変化）を求める。この差が、予め設定されている閾値よりも大きい場合（ステップＳ２のＹｅｓ）、予測部２２は、ステップＳ３で用いたイベント時旅行時間データベース３３中の道路リンク「Ｌ１」の旅行時間を、補正する処理を行う（ステップＳ４）。

例えば、ポジティブユーザ数が、過去に比べて現在では多くなっている場合、データベース３３中の道路リンク「Ｌ１」の旅行時間の割り増しを行う。これに対して、ネガティブユーザ数が、過去に比べて現在では多くなっている場合、データベース３３中の道路リンク「Ｌ１」の旅行時間の割り引きを行う。

以上のように、図１１（Ｂ）に示すように、イベント時旅行時間データベース３３には、イベントＩＤ（イベントの識別情報）と、そのイベントが開催された場合の道路リンクＬ１の旅行時間とが対応付けられて蓄積されている。そこで、取得部２１により、会場ＡでのイベントＧ１の開催実績が取得されると（図１０のステップＳ１のＹｅｓ）、予測部２２は、過去にイベントＧ１が開催されたことで影響を受けた道路リンクＬ１の旅行時間をデータベース３３から抽出し、この抽出した旅行時間に基づいて、対象道路リンクの旅行時間を求める。つまり、抽出した旅行時間を対象道路リンクの旅行時間として適用する。

しかし、イベントＧ１についての世間の評価を示す評価情報が、会場ＡでイベントＧ１が開催された過去と、現在とで大きく異なる場合（ステップＳ２のＹｅｓ）、イベント時旅行時間データベース３３から抽出した旅行時間の補正が行われる。
つまり、予測部２２は、データベース３３から抽出した旅行時間を、これから開催されるイベントＧ１の評価を示す評価情報と、既に開催された過去のイベントＧ１の評価を示す評価情報とに基づいて補正し、対象道路リンクの旅行時間を求める。このように、過去の実績の情報のみを用いるのではなく、現在の評価情報を用いて補正することにより、旅行時間の予測精度を高めることが可能となり、また、旅行時間についてリアルタイム性を持たせることが可能となる。

〔３．２ その２〕
取得部２１は、イベント情報データベース３１（図３）を参照し、これから開催される会場ＡでのイベントＧ１と同じである、会場ＡでのイベントＧ１の開催実績を検索する。ここでは、この開催実績が無いと仮定する（図１０のステップＳ１でＮｏ）。しかし、過去に、同じイベントＧ１が、会場Ａとは異なる別の会場Ｂで開催された実績があり（図１０のステップＳ２０でＹｅｓ）、かつ、過去に、会場Ａでは、イベントＧ１と異なるが種類が同じイベントＧ２が開催された実績がある（図１０のステップＳ２１でＹｅｓ）と仮定する。

つまり、会場Ａとは別の会場Ｂで全く同じイベントＧ１が過去に開催されたことがあり、かつ、会場Ａで種類が同じイベントＧ２が過去に開催されたことがある。そこで、図１２（Ａ）に示すように、イベント情報データベース３１には、過去に開催されたイベントＧ１，Ｇ２の情報が蓄積されている。
なお、「種類が同じイベント」とは、イベントをその内容に基づいて分類した場合に同類となるイベントのことである。例えば、女性歌手Ｐのコンサートと、男性歌手Ｑのコンサートとでは、具体的なイベントは異なるが、コンサートという分類が同じであるため、これらコンサートは種類が同じコンサートであると言える。

また、過去に会場Ａで種類が同じイベントＧ２が開催されたことで、このイベントＧ２の開催により会場Ａの周辺道路リンク（影響道路リンク）Ｌ１（図９参照）では、渋滞が発生しており、図１２（Ｂ）に示すように、その際の旅行時間が、このイベントＧ２のイベントＩＤ「２０２」と、影響道路リンクＬ１のリンクＩＤ「Ｌ１」それぞれと対応付けられて、イベント時旅行時間データベース３３に蓄積されている。

さらに、過去に別の会場ＢでイベントＧ１が実施されたことで、このイベントＧ１の開催により会場Ｂの周辺道路リンク（影響道路リンク）Ｌ７，Ｌ８，Ｌ９（図９参照）では、渋滞が発生しており、図１３（Ｂ）に示すように、その際の旅行時間が、このイベントＧ１のイベントＩＤ「２０１」と、影響道路リンクＬ７，Ｌ８，Ｌ９のリンクＩＤ「Ｌ７，Ｌ８，Ｌ９」と対応付けられて、イベント時旅行時間データベース３３に蓄積されている。
また、図１３（Ａ）は、通常時旅行時間データベース３２であり、このデータベース３２には、前記影響道路リンクＬ７，Ｌ８，Ｌ９の、イベントが開催されていない通常時における平日、休日の平均旅行時間が蓄積されている。

以上を前提として、予測装置２の機能（その２）を説明する。
取得部２１は、イベント情報データベース３１から、会場ＡでのイベントＧ１の開催実績を検索するが、実績がないので、このデータベース３１の中から、会場Ａで開催実績のある種類が同じイベントを検索する。図１２（Ａ）において、このデータベース３１から、会場Ａでの開催実績のあるイベントＧ２を見つけることができ、そのイベントＩＤ「２０２」を取得する。
予測部２２は、イベント時旅行時間データベース３３（図１２（Ｂ））の中から、取得部２１が取得したイベントＩＤ「２０２」及びこれに対応する道路リンクＬ１を見つけることができる。つまり、会場ＡでイベントＩＤ「２０２」のイベントが開催されたことで、旅行時間が変化した（増加した）道路リンクＬ１を見つけることができる。

また、取得部２１は、データベース３１の中から、イベントＧ１の別の会場での開催実績を検索する。図１２（Ａ）において、このデータベース３１から、会場Ｂでの開催実績を見つけることができ、そのイベントＩＤ「２０１」を取得する。
予測部２２は、取得部２１が取得したイベントＩＤ「２０１」に基づいて、別の会場ＢでイベントＧ１が開催されたことにより影響を受けた会場Ｂ周囲の道路リンクＬ７，Ｌ８，Ｌ９（図９参照）の旅行時間を、イベント時旅行時間データベース３３（図１３（Ｂ））から抽出することができ、また、この道路リンクＬ７，Ｌ８，Ｌ９の通常時の旅行時間を通常時旅行時間データベース３２（図１３（Ａ））から抽出することができる。
そして、予測部２２は、別の会場ＢでイベントＧ１が開催されたことにより影響を受けた会場Ｂ周囲の道路リンクＬ７，Ｌ８，Ｌ９（図９参照）の旅行時間の変化（渋滞量の変化）の度合い（α）を求める。

すなわち、図１３（Ｂ）のデータベース３３の情報に基づいて、イベントＩＤ「２０１」に対応する情報を抽出し、予測部２２は、道路リンクＬ７，Ｌ８，Ｌ９について、イベントＡが会場Ａでこれから開始される時刻（２３：４５）を含む時間帯でのイベント時の旅行時間の累積値（累積旅行時間）を求める。図１３（Ｂ）の場合、４８＋３２＋１００＝１８０（秒）である。
また、予測部２２は、図１３（Ａ）のデータベース３２の情報に基づいて、影響を受けた前記道路リンクＬ７，Ｌ８，Ｌ９について、イベントＡが会場Ａでこれから開始される時刻（２３：４５）を含む時間帯での通常時の旅行時間の累積値（累積旅行時間）を求める。図１３（Ａ）の場合、２５＋１５＋７０＝１１０（秒）である。

そして、予測部２２は、旅行時間の変化（渋滞量の変化）の度合い（α）として、旅行時間変動率を求める。変動率は（イベント時の累積旅行時間）÷（平日又は休日における通常時の累積旅行時間）により求められる。つまり、１８０（秒）÷１１０（秒）＝１．６４の演算を行う。この１．６４が、旅行時間変動率αとなる。

そして、予測部２２は、前記のとおり、会場ＡでのイベントＧ２の開催により、道路リンクＬ１の旅行時間が変化することを見つけていることから、この道路リンクＬ１の旅行時間（通常時旅行時間データベース３２に蓄積されている旅行時間）に対して、前記変動率αを乗算する。なお、この変動率が乗算される対象となる旅行時間は、イベントＡが会場Ａでこれから開催される時間帯での旅行時間であり、このイベントＧ１の開催が休日であるため、データベース３２中の休日の旅行時間である。
そして、この変動率αを乗算した旅行時間を、イベントＧ１が会場Ａでこれから開催されることにより旅行時間について影響を受ける対象道路リンク（Ｌ１）の旅行時間として適用する。

以上のように、取得部２１により、会場ＡでのイベントＧ１の開催実績は取得されないが（図１０のステップＳ１のＮｏ）、別の会場ＢでのイベントＧ１の開催実績、及び、会場Ａでの類似イベントＧ２の開催実績が取得されると（ステップＳ２０のＹｅｓ、ステップＳ２１のＹｅｓ）、予測部２２は、別の会場ＢでイベントＧ１が開催されることにより影響を受けた道路リンクＬ７，Ｌ８，Ｌ９の旅行時間の変化率を示す係数（α）を、前記演算（１８０（秒）÷１１０（秒）＝１．６４）により取得する。さらに、予測部２２は、会場Ａで類似イベントＧ２が開催されたことにより影響を受けた道路リンクＬ１の旅行時間と、前記係数（α）とを用いて、対象道路区間の旅行時間を求める。つまり、係数（α）を乗算した旅行時間を対象道路リンクの旅行時間として適用する。

以上のような予測装置２の機能（その２）によれば、別の会場ＢでイベントＧ１が過去に開催されたことにより、その会場Ｂ周囲の道路リンクＬ７，Ｌ８，Ｌ９では旅行時間について影響を受けているが、その影響を受けた道路リンクＬ７，Ｌ８，Ｌ９の旅行時間の変化率αを求めることで、イベントＧ１がこれから開催されることによる旅行時間への影響の度合いを取得することができる。
そして、会場Ａで類似イベントＧ２が開催されると旅行時間について影響を受ける道路リンクは、会場ＡでイベントＧ１が開催される場合にも旅行時間について影響を受ける道路リンクであるとみなし、会場Ａで類似イベントＧ２が開催された際に影響を受けた道路リンクＬ１の旅行時間を、前記変化率αを用いて補正し、補正した旅行時間を、会場ＡでイベントＧ１がこれから開催される場合の対象道路リンクの旅行時間として推定することが可能となる。

〔３．３ その３〕
取得部２１は、イベント情報データベース３１（図３）を参照し、これから開催される会場ＡでのイベントＧ１と同じである、会場ＡでのイベントＧ１の開催実績を検索する。ここでは、この開催実績が無いと仮定する（図１０のステップＳ１でＮｏ）。さらに、過去に、同じイベントＧ１について、別の会場でも開催された実績がない（ステップＳ２０でＮｏ）と仮定する。しかし、過去に、会場Ａでは、イベントＧ１と異なるが種類が同じイベントＧ２が開催された実績がある（ステップＳ３０でＹｅｓ）と仮定する。

つまり、イベントＧ１は、会場Ａでこれから新規に開催されるイベントであり、会場Ａのみならず、別の会場でも開催された実績はないが、会場Ａでは、過去に、種類が同じイベントＧ２，Ｇ３，Ｇ４が開催されたことがある。そこで、図１４に示すように、イベント情報データベース３１には、過去に開催されたイベントＧ２，Ｇ３，Ｇ４・・・の情報が蓄積されている。これらイベントＧ２，Ｇ３，Ｇ４のイベントＩＤは３０２，３０９，３１０である。
また、会場Ａでこれから開催されるイベントＧ１のコンサート名は「○○コンサート」であるのに対して、過去に開催されたイベントＧ２，Ｇ３，Ｇ４それぞれは、図１４に示すように「××コンサート」「△△コンサート」「□□コンサート」である。なお「種類が同じイベント」とは、イベントをその内容に基づいて分類した場合に同類となるイベントのことである。

過去に会場Ａで種類が同じイベントＧ２，Ｇ３，Ｇ４が開催されていることで、図１５（Ａ）に示すように、これらイベントＧ２，Ｇ３，Ｇ４それぞれについて、所定時間帯毎のユーザ数が、イベントＩＤ（３０２，３０９，３１０）と対応付けられてユーザ数データベース３５に蓄積されている。さらに、図示しないが、ポジティブユーザ数データベース３６にも、所定時間帯毎のポジティブユーザ数が、イベントＩＤ（３０２，３０９，３１０）と対応付けられて蓄積されており、ネガティブユーザ数データベース３７にも、所定時間帯毎のネガティブユーザ数が、イベントＩＤ（３０２，３０９，３１０）と対応付けられて蓄積されている。

また、会場ＡでイベントＧ１がこれから開催されることから、このイベントＧ１について、図１５（Ｂ）に示すように、このイベントＧ１について、所定時間帯毎のユーザ数が、ユーザ数データベース３５に蓄積されている。さらに、図示しないが、このイベントＧ１について、ポジティブユーザ数データベース３６にも、所定時間帯毎のポジティブユーザ数が蓄積されており、ネガティブユーザ数データベース３７にも、所定時間帯毎のネガティブユーザ数が蓄積されている。

以上を前提として、予測装置２の機能（その３）を説明する。
図１４において、イベント情報データベース３１から、会場ＡでのイベントＧ１「○○コンサート」の開催実績を検索するが、実績がないので、取得部２１は、このデータベース３１の中から、会場Ａで開催実績のある種類が同じイベントを検索する。図１４において、データベース３１から、会場Ａでの開催実績のあるイベントＧ２，Ｇ３，Ｇ４を見つけることができ、そのイベントＩＤ「３０２，３０９，３１０」を取得する。

予測部２２は、これらイベントＧ２，Ｇ３，Ｇ４の中で、これから開催されるイベントＧ１と最も類似している類似イベントを決定する。つまり、イベントＧ２，Ｇ３，Ｇ４の中から、ユーザリアクションがイベントＧ１と最も類似しているイベントを探す。その方法は、次のとおりである。

図１５（Ａ）に示すユーザ数データベース３５から、取得部２１が取得したイベントＩＤ「３０２，３０９，３１０」に対応する情報を抽出し、その中から、これらイベントＩＤ「３０２，３０９，３１０」に対応するそれぞれの“ユーザ数”を抽出する。
また、図１５（Ｂ）に示すユーザ数データベース３５から、会場Ａでこれから開催されるイベントＧ１の“ユーザ数“を抽出する。
そして、これら“ユーザ数”同士の差（絶対値）を求める。なお、この差は、時間帯毎のユーザ数の差である。
さらに、これら差について、経路探索の処理を行う時刻（１５：１５）を含む時間帯までの合計σを求める。このようにして算出された合計の値σ_３０２、σ_３０９、σ_３１０を「ユーザ数スコア」と呼ぶ。

すなわち、イベントＩＤが「３０２」のイベント（Ｇ２）に関して次の計算を行う。
σ_３０２＝｜40-30｜＋｜50-45｜＋｜70-60｜＋｜80-70｜＋・・・＋｜170-150｜＝55
イベントＩＤが「３０９」のイベント（Ｇ３）に関して次の計算を行う。
σ_３０９＝｜20-30｜＋｜30-45｜＋｜40-60｜＋｜50-70｜＋・・・＋｜65-150｜＝150
イベントＩＤが「３１０」のイベント（Ｇ４）に関して次の計算を行う。
σ_３１０＝｜30-30｜＋｜60-45｜＋｜70-60｜＋｜100-70｜＋・・・＋｜150-150｜＝55

また、ポジティブユーザ数データベース３６に蓄積されているポジティブユーザ数についても、前記の合計σ_３０２、σ_３０９、σ_３１０を求める処理と同様の処理が行われ、算出された合計の値σ_ｐ３０２、σ_ｐ３０９、σ_ｐ３１０を「ポジティブスコア」と呼ぶ。
さらに、ネガティブユーザ数データベース３７に蓄積されているネガティブユーザ数についても、前記の合計σ_３０２、σ_３０９、σ_３１０を求める処理と同様の処理が行われ、算出された合計の値σ_ｎ３０２、σ_ｎ３０９、σ_ｎ３１０を「ネガティブスコア」と呼ぶ。

そして、予測部２２は、イベント毎にこれらスコアを加算し、その合計が最も小さいイベントを、会場Ａでこれから開催されるイベントＧ１に近似しているみなし、類似イベントとして決定する。つまり、取得部２１によって、これから開催されるイベントＧ１の評価を示す評価情報、及び、過去に開催されたイベント（Ｇ２，Ｇ３，Ｇ４）の評価を示す評価情報が取得されると、予測部２２は、イベント情報データベース３１に蓄積されている過去に開催された複数のイベントＧ２，Ｇ３，Ｇ４のうち、これから開催されるイベントＧ１と評価情報が最も類似しているイベントを、このイベントＧ１に最も類似する類似イベントとして決定する。
本実施形態では、イベントＧ２に関してスコアを加算すると、55＋35＋20＝110となる。イベントＧ９に関してスコアを加算すると、150＋200＋110＝460となる。イベントＧ１０に関してスコアを加算すると、55＋80＋20＝155となる。

したがって、予測部２２は、イベントＧ２を、イベントＧ１の類似イベントとして決定する。そして、この類似イベントの旅行時間（イベント時旅行時間データベース３３に蓄積されている旅行時間）を、イベントＧ１が会場Ａでこれから開催されることにより旅行時間について影響を受ける対象道路リンクの旅行時間として適用する。
つまり、本実施形態では、図１６に示すように、イベント時旅行時間データベース３３に蓄積されている旅行時間の情報のうち、イベントＧ２のイベントＩＤ「３０２」に対応する旅行時間を、対象道路リンクの旅行時間として適用する。

以上のように、取得部２１により、会場Ａでの所定イベントＧ１の開催実績、及び、別の会場でのイベントＧ１の開催実績は取得されないが（図１０のステップＳ１のＮｏ、ステップＳ２０のＮｏ）、会場Ａでの類似イベントＧ２，Ｇ３，Ｇ４の開催実績が取得されると（ステップＳ３０のＹｅｓ）、予測部２２は、類似イベントＧ２，Ｇ３，Ｇ４の中からイベントＧ１に最も類似するイベントＧ２を決定し、この決定したイベントＧ２が開催されることで影響を受けた道路リンクＬ１，Ｌ２の旅行時間を、対象道路区間の旅行時間として求める

以上のような予測装置２の機能（その３）によれば、会場Ａで類似イベントが開催されると旅行時間について影響を受けた道路リンクは、会場ＡでイベントＧ１が開催される場合にも旅行時間について影響を受ける道路リンクであるとみなし、会場Ａで類似イベントが開催されたことで影響を受けた道路リンクの旅行時間を、会場ＡでイベントＧ１がこれから開催される場合の対象道路リンクの旅行時間として推定することが可能となる。

〔３．４ その４〕
取得部２１は、イベント情報データベース３１（図３）を参照し、これから開催される会場ＡでのイベントＧ１と同じである、会場ＡでのイベントＧ１の開催実績を検索する。ここでは、この開催実績が無いと仮定する（図１０のステップＳ１でＮｏ）。さらに、過去に、同じイベントＧ１について、別の会場でも開催された実績がなく（ステップＳ２０でＮｏ）、過去に、会場Ａでは、イベントＧ１と異なるが種類が同じイベントＧ２も開催された実績がない（ステップＳ３０でＮｏ）と仮定する。
つまり、イベントＧ１は、会場Ａでこれから新規に開催されるイベントであり、会場Ａのみならず、別の会場でも過去に開催された実績はなく、さらに、会場Ａでは、過去に、種類が同じイベントすら開催されたこともない。

ただし、会場Ａの周辺の会場Ｂで、イベントＧ１と種類が同じイベントＧ１１，Ｇ１２，Ｇ１３が開催された実績があるとする。これらイベントＧ１１，Ｇ１２，Ｇ１３のイベントＩＤは４１１，４１２，４１３である。
このように、過去に会場Ｂで種類が同じイベントＧ１１，Ｇ１２，Ｇ１３が開催されていることで、図１８（Ａ）に示すように、これらイベントＧ１１，Ｇ１２，Ｇ１３それぞれについて、所定時間帯毎のユーザ数が、イベントＩＤ（４１１，４１２，４１３）と対応付けられてユーザ数データベース３５に蓄積されている。さらに、図示しないが、ポジティブユーザ数データベース３６にも、所定時間帯毎のポジティブユーザ数が、イベントＩＤ（４１１，４１２，４１３）と対応付けられて蓄積されており、ネガティブユーザ数データベース３７にも、所定時間帯毎のネガティブユーザ数が、イベントＩＤ（４１１，４１２，４１３）と対応付けられて蓄積されている。

以上を前提として、予測装置２の機能（その４）を説明する。
取得部２１は、会場Ａの周辺の会場で、イベントＧ１と種類が同じイベントの開催実績を、イベント情報テーブル３１から検索する。図１７において、データベース３１の中から、会場Ｂで、種類が同じイベントＧ１１，Ｇ１２，Ｇ１３の開催実績を見つけることができ、これらイベントＧ１１，Ｇ１２，Ｇ１３のイベントＩＤ「４１１，４１２，４１３」を取得する。

予測部２２は、これらイベントＧ１１，Ｇ１２，Ｇ１３の中で、これから開催されるイベントＧ１と最も類似している類似イベントを決定する。つまり、イベントＧ１１，Ｇ１２，Ｇ１３の中から、ユーザリアクションがイベントＧ１と最も類似しているイベントを探す。その方法は、前記の〔３．３ その３〕において説明した方法と同じである。

すなわち、図１８（Ａ）に示すユーザ数データベース３５から、イベントＩＤ「４１１，４１２，４１３」に対応する情報を抽出し、さらに、その中から、これらイベントＩＤ「３０２，３０９，３１０」に対応するそれぞれの“ユーザ数”を抽出する。
また、図１８（Ｂ）に示すユーザ数データベース３５から会場Ａでこれから開催されるイベントＧ１の“ユーザ数“を抽出する。
そして、これら“ユーザ数”同士の差（絶対値）を求める。なお、この差は、時間帯毎のユーザ数の差である。
さらに、これら差について、経路探索の処理を行う時刻（１５：１５）を含む時間帯までの合計σを求める。このようにして算出された合計の値σ_４１１、σ_４１２、σ_４１３を「ユーザ数スコア」と呼ぶ。

すなわち、イベントＩＤが「４１１」のイベント（Ｇ１１）に関して次の計算を行う。
σ_４１１＝｜40-30｜＋｜50-45｜＋｜70-60｜＋｜80-70｜＋・・・＋｜170-150｜＝55
イベントＩＤが「４１２」のイベント（Ｇ１２）に関して次の計算を行う。
σ_４１２＝｜20-30｜＋｜30-45｜＋｜40-60｜＋｜50-70｜＋・・・＋｜65-150｜＝150
イベントＩＤが「４１３」のイベント（Ｇ１３）に関して、次の計算を行う。
σ_４１３＝｜30-30｜＋｜60-45｜＋｜70-60｜＋｜100-70｜＋・・・＋｜150-150｜＝55

また、ポジティブユーザ数データベース３６に蓄積されているポジティブユーザ数についても、前記の合計σ_４１１、σ_４１２、σ_４１３を求める処理と同様の処理が行われ、算出された合計の値σ_ｐ４１１、σ_ｐ４１２、σ_ｐ４１３を「ポジティブスコア」と呼ぶ。
さらに、ネガティブユーザ数データベース３７に蓄積されているネガティブユーザ数についても、前記の合計σ_４１１、σ_４１２、σ_４１３を求める処理と同様の処理が行われ、算出された合計の値σ_ｎ４１１、σ_ｎ４１２、σ_ｎ４１３を「ネガティブスコア」と呼ぶ。

そして、予測部２２は、イベント毎にこれらスコアを加算し、その合計が最も小さいイベントを、会場Ａでこれから開催されるイベントＧ１に近似しているとみなし、類似イベントとして決定する。つまり、取得部２１によって、これから開催されるイベントＧ１の評価を示す評価情報、及び、過去に開催されたイベント（Ｇ１１，Ｇ１２，Ｇ１３）の評価を示す評価情報が取得されると、予測部２２は、イベント情報データベース３１に蓄積されている過去に開催された複数のイベントＧ１１，Ｇ１２，Ｇ１３のうち、これから開催されるイベントＧ１と評価情報が最も類似しているイベントを、このイベントＧ１に最も類似する類似イベントとして決定する。
本実施形態では、イベントＧ１１に関してスコアを加算すると、55＋35＋20＝110となる。イベントＧ１２に関してスコアを加算すると、150＋200＋110＝460となる。イベントＧ１３に関してスコアを加算すると、55＋80＋20＝155となる。
したがって、予測部２２は、イベントＧ１１を、イベントＧ１の類似イベントとして決定する。

なお、ここで決定した類似イベントＧ１１は、実際にイベントＧ１がこれから開催される会場Ａのイベントではなく、別の会場Ｂで開催された類似イベントであるために、前記の〔３．３ その３〕の処理のように、そのまま旅行時間を対象道路リンクの旅行時間として適用することは相応しくない。
そこで、前記の〔３．２ その２〕の場合のように、予測部２２は、別の会場ＢでイベントＧ１１が開催されたことにより影響を受けた会場Ｂ周囲の道路リンクＬ７，Ｌ８，Ｌ９の旅行時間の変化（渋滞量の変化）の度合い（β）を求める。

ここで、過去に別の会場ＢでイベントＧ１１が実施されたことで、このイベントＧ１１の開催により会場Ｂの周辺道路リンク（影響道路リンク）Ｌ７，Ｌ８，Ｌ９では、渋滞が発生しており、図１９（Ｂ）に示すように、その際の旅行時間が、このイベントＧ１１のイベントＩＤ「４１１」と、影響道路リンクＬ７，Ｌ８，Ｌ９のリンクＩＤ「Ｌ７，Ｌ８，Ｌ９」と対応付けられて、イベント時旅行時間データベース３３に蓄積されている。
また、図１９（Ａ）は、通常時旅行時間データベース３２であり、このデータベース３２には、前記影響道路リンクＬ７，Ｌ８，Ｌ９の、イベントが開催されていない通常時における平日、休日の平均旅行時間が蓄積されている。

そこで、図１９（Ｂ）のデータベース３２の情報に基づいて、イベントＩＤ「４１１」に対応する情報を抽出し、予測部２２は、道路リンクＬ７，Ｌ８，Ｌ９について、経路探索の処理を開始する時刻（１５：１５）を含む時間帯でのイベント時の旅行時間の累積値（累積旅行時間）を求める。図１９（Ｂ）の場合、４８＋３２＋１００＝１８０（秒）である。
また、予測部２２は、図１９（Ａ）のデータベース３２の情報に基づいて、影響を受けた前記道路リンクＬ７，Ｌ８，Ｌ９について、経路探索の処理を開始する時刻（１５：１５）を含む時間帯での通常時の旅行時間の累積値（累積旅行時間）を求める。図１３（Ａ）の場合、２５＋１５＋７０＝１１０（秒）である。

そして、予測部２２は、旅行時間の変化（渋滞量の変化）の度合い（β）として、旅行時間変動率を求める。変動率は（イベント時の累積旅行時間）÷（平日又は休日における通常時の累積旅行時間）により求められる。つまり、１８０（秒）÷１１０（秒）＝１．６４の演算を行う。この１．６４が、旅行時間変動率βとなる。

予測部２２は、このようにして算出した変動率βを用いて、会場ＡでイベントＧ１がこれから開催されることで影響を受ける会場Ａ周辺の道路リンクの旅行時間の補正を行う。補正の対象とする道路リンクは、過去の渋滞情報から判断する。例えば、会場Ａでイベントが開催された際に、渋滞発生する可能性の高い道路リンクであり、イベント時旅行時間データベース３３に蓄積されている道路リンクから決定される。例えば、補正の対象は、データベース３３に蓄積されている道路リンクのうち、渋滞発生数が上位となる道路リンク（例えば、上位８０％の道路リンク）である。

そして、予測部２２は、この補正の対象とする道路リンクの旅行時間に対して、前記変動率βを乗算し、その乗算した旅行時間を、イベントＧ１が会場Ａでこれから開催されることにより旅行時間について影響を受ける対象道路リンクの旅行時間として適用する。

以上のように、取得部２１により、会場ＡでのイベントＧ１の開催実績、別の会場でのイベントＧ１の開催実績、及び、会場Ａでの類似イベントの開催実績のいずれもが取得されない場合（図１０のステップＳ１のＮｏ、ステップＳ２０のＮｏ、ステップＳ２１のＮｏ）、取得部２１は、会場Ａとは別の会場Ｂでの類似イベントの開催実績を取得する。
そして、最も類似する類似イベントＧ１１が見つけられると、予測部２２は、この類似イベントＧ１１が開催されることにより影響を受けた道路リンクＬ７，Ｌ８，Ｌ９の旅行時間の変化率を示す係数（β）を、前記演算（１８０（秒）÷１１０（秒）＝１．６４）により取得する。さらに、予測部２２は、会場ＡでイベントＧ１が開催されると旅行時間の変化が起きやすい道路リンク（例えば、上位８０％の道路リンク）を決定し、この決定した道路リンクの旅行時間と、前記係数（β）とを用いて、対象道路区間の旅行時間を求める。つまり、係数（β）を乗算した旅行時間を対象道路リンクの旅行時間として適用する。

以上のような予測装置２の機能（その４）によれば、別の会場Ｂで類似イベントＧ１１が過去に開催されたことにより、その別の会場Ｂ周囲の道路リンクでは旅行時間について影響を受けているが、その影響を受けた旅行時間の変化率βを求めることで、類似イベントＧ１１が開催されることによる旅行時間への影響の度合いを取得することができる。そして、会場Ａでイベントが開催されると旅行時間の変化が起きやすい道路リンクを決定し、この決定した道路リンクの旅行時間を、前記変化率βを用いて補正し、補正した旅行時間を、会場ＡでイベントＧ１がこれから開催される場合の対象道路リンクの旅行時間として推定することが可能となる。

〔３．５ 予測装置２について〕
以上のように、前記その１〜その４の機能を備えている予測装置２によれば、予測部２２は、別の会場でイベントＧ１が過去に開催されたことにより影響を受けた道路リンクの旅行時間、及び、会場Ａで類似イベントが過去に開催されたことにより影響を受けた道路リンクの旅行時間の内の一方又は双方を用いて、対象道路区間の旅行時間を求めることができる。
このため、仮に、イベントＧ１が会場Ａで過去に開催された実績がなくても、対象道路区間の旅行時間を予測することができる。つまり、イベントＧ１が会場Ａで初めてこれから開催される場合にも、そのイベントＧ１により影響を受ける旅行時間の予測が可能となる。

また、本実施形態では、取得部２１は、ユーザリアクション用データベース３４（３５，３６，３７）から、各イベントの評価を示す評価情報を取得可能であるため、対象道路リンクの旅行時間の予測のために、評価情報を活用することができる。
例えば、前記の〔３．１ その１〕で説明したように、会場ＡでイベントＧ１の開催実績が過去にあっても、そのイベントＧ１の注目度が、その開催当時（過去）と現在とで異なることもあるため、旅行時間に及ぼす影響の度合いが現在と過去とで異なることもあり得るが、イベント時旅行時間データベース３３から抽出した旅行時間を、イベントＧ１の評価情報に基づいて補正し、対象道路リンクの旅行時間を求めることで、旅行時間の予測精度を高めることが可能となる。
また、他の活用例として、 前記の〔３．３ その３〕及び〔３．４ その４〕で説明したように、予測部２２は、イベント情報データベース３１中の情報から、評価情報に基づいてイベントＧ１に最も類似する類似イベントを決定することにより、類似性の高い類似イベントの決定が可能となる。

〔４． 経路探索システム及び経路探索装置７について〕
本実施形態の経路探索システムは、前記のとおり、各道路リンクの旅行時間が蓄積されている旅行時間データベースとして、通常時旅行時間データベース３２と、イベント時旅行時間データベース３３とを備えている。
このシステムは、更に、所定イベント（Ｇ１）が所定会場（会場Ａ）でこれから開催されることにより旅行時間について影響を受ける対象道路リンクの旅行時間を求める旅行時間予測部と、前記旅行時間データベース（３２，３３）に蓄積されている旅行時間、及び、前記旅行時間予測部により求められた旅行時間を用いて経路探索を行う経路探索部とを備えている。そして、本実施形態では、前記旅行時間予測部は、前記予測装置２からなり、前記経路探索部は、前記経路探索装置７からなる。

経路探索装置７は、第１の地点（例えば出発地又は現在地）から第２の地点（例えば目的地）まで車両４が走行すべき経路を、道路リンクのリンクコストを用いて所定の探索アルゴリズムに従って探索する機能を有している。探索アルゴリズムは、様々なアルゴリズムを採用可能であるが、本実施形態はダイクストラ法である。経路探索装置７は、道路リンクのリンクコストの総和が小さくなる（最小となる）経路を探すシミュレーションを行う。そして、本実施形態では、前記リンクコストを旅行時間としている。このため、第１の地点から第２の地点まで、できるだけ旅行時間が短くなる経路が探索される。そして、各道路リンクのリンクコスト（旅行時間）は、前記データベース３２，３３に蓄積されている値、及び、前記予測装置２が求めた値である。

前記のとおり、本実施形態の予測装置２によれば、所定イベント（Ｇ１）が所定の会場（会場Ａ）で初めてこれから開催される場合にも、そのイベントにより影響を受ける旅行時間の予測が可能となる。このため、経路探索装置７により経路探索が行われる対象領域中に、所定会場（会場Ａ）で所定イベント（Ｇ１）が初めてこれから開催され、交通量が増えて交通渋滞が発生することが予想されるような場合であっても、この交通渋滞を考慮した経路探索が可能となる。

図２０は、本実施形態の経路探索システムによる経路探索方法を説明するフロー図である。イベント情報データベース３１等の各データベースに、所定の情報を記録させておく（ステップＳ５１）。車両４に搭載の車載装置３に対して、ユーザ（ドライバ）は、目的地を設定し経路探索を指示する（ステップＳ５２）。すると、車載装置３は要求信号を中央装置１へ送信し、中央装置１はこの要求信号に基づいて経路探索処理を開始する。なお、要求信号には車両４の現在地（出発地）の位置情報が含まれている。
経路探索処理としては、まず、現在地から目的地までの間に、本日開催のイベントが存在するか否かを判定する（ステップＳ５３）。この判定は、予測装置２（取得部２１）がイベント情報データベース３１を参照することで行われる。

予測装置２は、図１０に示すように、イベント開催実績のパターン（場合分け）に応じて、イベント会場でイベントが本日開催されることにより影響を受ける道路リンクの旅行時間を求める（ステップＳ５４）。
そして、経路探索装置７は、通常時旅行時間データベース３２に蓄積されている旅行時間、及び、予測装置２が求めた旅行時間を用いて、所定の探索アルゴリズムにより目的地までの経路を探索する（ステップＳ５５）。探索した経路の情報は、中央装置１から、前記要求信号を送信した車載装置３へ送信され、車載装置３は探索された経路を、ユーザ（ドライバ）へ報知する（ステップＳ５６）。

今回開示した実施形態はすべての点で例示であって制限的なものではない。本発明の権利範囲は、上述の実施形態に限定されるものではなく、特許請求の範囲に記載された構成と均等の範囲内でのすべての変更が含まれる。
例えば、上述の実施形態では、取得部２１は、会場Ａとは別の会場でのイベントＧ１の開催実績、及び、イベントＧ１と異なるがこのイベントＧ１と種類（分類）が同じ類似イベントの会場Ａでの開催実績の双方を取得可能としたが、いずれか一方の開催実績であってもよい。

２：旅行時間予測装置（旅行時間予測部） ３：車載装置 ４：車両
７：経路探索装置（経路探索部） ２１：取得部 ２２：予測部
３１：イベント情報データベース ３２：通常時旅行時間データベース
３３：イベント時旅行時間データベース ３４：ユーザリアクション用データベース
３５：ユーザ数データベース ３６：ポジティブユーザ数データベース
３７：ネガティブユーザ数データベース Ｇ１：イベント（所定イベント）
Ａ：会場（所定会場） Ｂ：別の会場

Claims (9)

1. 所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測装置であって、
   前記所定会場での前記所定イベントの開催実績を取得可能である取得部と、
   前記取得部による取得結果に応じて前記対象道路区間の旅行時間を求める予測部と、を備え、
   前記取得部は、更に、前記所定会場とは別の会場での前記所定イベントの開催実績、及び、前記所定イベントと異なるが当該所定イベントと種類が同じ類似イベントの前記所定会場での開催実績の内の一方又は双方の開催実績を取得可能であると共に、これから開催される前記所定イベントの評価を示す評価情報及び過去に開催されたイベントの評価を示す評価情報を取得可能であり、
   前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間、及び、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の内の一方又は双方を用いて、前記対象道路区間の旅行時間を求めることを特徴とする旅行時間予測装置。
2. これから開催される又は過去に開催されたイベントの情報を蓄積するイベント情報データベースを、更に備え、
   前記予測部は、前記イベント情報データベース中の情報から、前記評価情報に基づいて前記所定イベントに最も類似する類似イベントを決定する請求項１に記載の旅行時間予測装置。
3. これから開催される又は過去に開催されたイベントの情報を蓄積するイベント情報データベースを、更に備え、
   前記予測部は、前記イベント情報データベースに蓄積されている過去に開催された複数のイベントのうち、これから開催される前記所定イベントと前記評価情報が類似しているイベントを、当該所定イベントに最も類似する類似イベントとして決定する請求項１に記載の旅行時間予測装置。
4. 所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測装置であって、
   前記所定会場での前記所定イベントの開催実績を取得可能である取得部と、
   前記取得部による取得結果に応じて前記対象道路区間の旅行時間を求める予測部と、
   イベントの識別情報と、そのイベントが開催された場合の道路区間の旅行時間と、を対応付けて蓄積するイベント時旅行時間データベースと、を備え、
   前記取得部は、更に、前記所定会場とは別の会場での前記所定イベントの開催実績、及び、前記所定イベントと異なるが当該所定イベントと種類が同じ類似イベントの前記所定会場での開催実績の内の一方又は双方の開催実績を取得可能であり、
   前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間、及び、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の内の一方又は双方を用いて、前記対象道路区間の旅行時間を求めることができ、
   前記取得部により、前記所定会場での前記所定イベントの開催実績が取得されると、
   前記予測部は、当該所定イベントが過去に開催されたことで影響を受けた道路区間の旅行時間を、前記イベント時旅行時間データベースから抽出し、この抽出した前記旅行時間を、これから開催される前記所定イベントの評価を示す評価情報及び過去に開催された前記所定イベントの評価を示す評価情報に基づいて補正し、前記対象道路区間の旅行時間を求めることを特徴とする旅行時間予測装置。
5. 所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測装置であって、
   前記所定会場での前記所定イベントの開催実績を取得可能である取得部と、
   前記取得部による取得結果に応じて前記対象道路区間の旅行時間を求める予測部と、を備え、
   前記取得部は、更に、前記所定会場とは別の会場での前記所定イベントの開催実績、及び、前記所定イベントと異なるが当該所定イベントと種類が同じ類似イベントの前記所定会場での開催実績の内の一方又は双方の開催実績を取得可能であり、
   前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間、及び、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の内の一方又は双方を用いて、前記対象道路区間の旅行時間を求めることができ、
   前記取得部により、前記所定会場での前記所定イベントの開催実績は取得されないが、前記別の会場での前記所定イベントの開催実績、及び、前記所定会場での前記類似イベントの開催実績が取得されると、
   前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間の変化率を示す係数を取得すると共に、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間と、前記係数とを用いて、前記対象道路区間の旅行時間を求めることを特徴とする旅行時間予測装置。
6. 所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測装置であって、
   前記所定会場での前記所定イベントの開催実績を取得可能である取得部と、
   前記取得部による取得結果に応じて前記対象道路区間の旅行時間を求める予測部と、を備え、
   前記取得部は、更に、前記所定会場とは別の会場での前記所定イベントの開催実績、及び、前記所定イベントと異なるが当該所定イベントと種類が同じ類似イベントの前記所定会場での開催実績の内の一方又は双方の開催実績を取得可能であり、
   前記予測部は、前記別の会場で前記所定イベントが開催されたことにより影響を受けた道路区間の旅行時間、及び、前記所定会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の内の一方又は双方を用いて、前記対象道路区間の旅行時間を求めることができ、
   前記取得部により、前記所定会場での前記所定イベントの開催実績、前記別の会場での前記所定イベントの開催実績、及び、前記所定会場での前記類似イベントの開催実績のいずれもが取得されない場合、
   前記取得部は、前記所定会場とは別の会場での類似イベントの開催実績を取得し、
   前記予測部は、前記別の会場で前記類似イベントが開催されたことにより影響を受けた道路区間の旅行時間の変化率を示す係数を取得すると共に、前記所定会場でイベントが開催されると旅行時間の変化が起きやすい道路区間を決定し、この決定した道路区間の旅行時間と、前記係数とを用いて、前記対象道路区間の旅行時間を求めることを特徴とする旅行時間予測装置。
7. イベントの識別情報と、そのイベントが開催された場合の道路区間の旅行時間と、を対応付けて蓄積するイベント時旅行時間データベースを、更に備え、
   前記取得部により、前記所定会場での前記所定イベントの開催実績が取得されると、
   前記予測部は、当該所定イベントが過去に開催されたことで影響を受けた道路区間の旅行時間を、前記イベント時旅行時間データベースから抽出し、この抽出した旅行時間に基づいて、前記対象道路区間の旅行時間を求める請求項１〜３のいずれか一項に記載の旅行時間予測装置。
8. 前記取得部により、前記所定会場での前記所定イベントの開催実績、及び、前記別の会場での前記所定イベントの開催実績は取得されないが、前記所定会場での前記類似イベントの開催実績が取得されると、
   予測部は、前記類似イベントの中から前記所定イベントに最も類似するイベントを決定し、この決定した類似イベントが開催されたことで影響を受けた道路区間の旅行時間を、前記対象道路区間の旅行時間として求める請求項１〜３のいずれか一項に記載の旅行時間予測装置。
9. 各道路区間の旅行時間を用いて経路探索を行う経路探索システムであって、
   各道路区間の旅行時間が蓄積されている旅行時間データベースと、
   所定イベントが所定会場でこれから開催されることにより旅行時間について影響を受ける対象道路区間の旅行時間を求める旅行時間予測部と、
   前記旅行時間データベースに蓄積されている旅行時間、及び、前記旅行時間予測部により求められた旅行時間を用いて経路探索を行う経路探索部と、を備え、
   前記旅行時間予測部は、請求項１〜８のいずれか一項に記載の旅行時間予測装置であることを特徴とする経路探索システム。

Images