JP6294542B1 - 推定装置、推定方法及び推定プログラム - Google Patents

Abstract

【課題】測位信号が受信できなくなったときでも、精度の高い速度情報を取得可能にする推定装置、推定方法及び推定プログラムを提供する。【解決手段】推定装置（端末装置１０）は、加速度を検出する検出部２１と、加速度に基づいた特徴量を取得する取得部２４と、特徴量の限界値に基づいて速度を推定する推定部２６と、を備える。端末装置は、取得した特徴量における速度を限界速度として推定する。これにより、推定装置は、精度の高い速度情報を取得できる。【選択図】図２

Description

本発明は、推定装置、推定方法及び推定プログラムに関する。

従来、スマートフォン等の持ち運び可能な端末装置を用いて、利用者が乗車している車両を目的地まで案内するカーナビゲーション（以下、「案内」ともいう）の技術が知られている。このような案内を行う端末装置は、ＧＰＳ（Global Positioning System）等の衛星測位システムを用いて、車両の現在地を特定し、地図や誘導経路を示す画面と特定した現在地とを重ね合わせて表示する。

一方、端末装置は、トンネル内等、衛星からの測位信号が受信しづらい場所では、現在地を表示できなくなる。同じ課題は、ＧＰＳに限らず、他の測位信号（例えば、携帯電話（セルラー）基地局からの電波や無線ＬＡＮ電波、ほか）を用いた測位全般に共通する。そこで、加速度計が測定した加速度を用いて、車両の現在地を推定する自律測位の技術が考えられる。例えば、加速度計を有する装置を所定の姿勢で車両内に固定し、装置が検出した加速度から車両の走行状態を判定する手法が提案されている。

特許第４７３６８６６号公報

しかしながら、上述した従来技術では、車両の移動速度を精度良く推定することができない場合がある。例えば、従来技術では、トンネル内で渋滞に遭遇する等の原因で、測位信号が受信できなくなった後で車両速度が大きく変化した場合に、推定速度が実際の速度からかけ離れてしまう場合がある。

本願は、上記に鑑みてなされたものであって、精度の高い速度情報を取得可能にすること目的とする。

本願に係る推定装置は、加速度を検出する検出部と、加速度に基づいた特徴量を取得する取得部と、特徴量の限界値に基づいて速度を推定する推定部と、を備える。

実施形態の一態様によれば、精度の高い速度情報を取得可能にすることができる。

図１は、実施形態に係る端末装置が発揮する作用効果の一例を説明するための図である。 図２は、実施形態に係る端末装置が有する機能構成の一例を説明する図である。 図３は、実施形態に係る特徴量データベースに登録される情報の一例を示す図である。 図４は、実施形態に係る速度帯データベースに登録される情報の一例を示す図である。 図５は、実施形態に係る限界値データベースに登録される情報の一例を示す図である。 図６は、実施形態に係る端末装置が実行する案内処理の流れの一例を説明するフローチャートである。 図７は、実施形態に係る端末装置が実行する限界値更新処理の流れの一例を説明するフローチャートである。 図８は、基準方向に対して垂直な方向の加速度に基づく特徴量（Average_hor）をプロットした散布図である。 図９は、図８に示す散布図の拡大図である。 図１０は、特徴量をプロットした散布図を速度帯で分割した様子を示す図である。 図１１は、速度帯毎に限界値をプロットした様子を示す図である。 図１２は、実施形態に係る端末装置が実行する限界値抽出処理の流れの一例を説明するフローチャートである。 図１３は、実施形態に係る端末装置が実行する推定処理の流れの一例を説明するフローチャートである。 図１４は、グラフにプロットされた限界値が線で結ばれた様子を示す図である。 図１５は、図１４とは別の例のグラフである。 図１６は、基準方向に対して垂直な方向の加速度に基づく特徴量（Stdev_hor）をプロットした散布図である。 図１７は、基準方向に対して垂直な方向の加速度に基づく特徴量（Max_hor）をプロットした散布図である。 図１８は、基準方向の加速度に基づく特徴量（Stdev_ver）をプロットした散布図である。 図１９は、基準方向の加速度に基づく特徴量（Max_ver）をプロットした散布図である。 図２０は、基準方向の加速度に基づく特徴量（Min_ver）をプロットした散布図である。 図２１は、基準方向に対して垂直な方向の加速度に基づく特徴量（Min_hor）をプロットした散布図である。 図２２は、基準方向の加速度に基づく特徴量（Average_ver）をプロットした散布図である。 図２３は、端末装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る推定装置、推定方法及び推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位及び処理には同一の符号を付し、重複する説明は省略される。

また、以下の説明では、推定装置が実行する処理として、利用者が乗車した車両を目的地まで案内するカーナビゲーションの一例について説明するが、実施形態は、これに限定されるものではない。例えば、推定装置は、利用者が歩行している場合や列車等、車両以外の交通手段を利用している場合にも、以下に説明する処理を実行し、利用者を目的地まで案内する処理を実行してもよい。

〔１．移動状態の概要〕
まず、図１を用いて、推定装置の一例である端末装置１０が判定する移動態様の概念について説明する。図１は、実施形態に係る端末装置が発揮する作用効果の一例を説明するための図である。例えば、端末装置１０は、スマートフォン、タブレット端末やＰＤＡ（Personal Digital Assistant）等の移動端末、ノート型ＰＣ（Personal Computer）等の端末装置であり、移動通信網や無線ＬＡＮ（Local Area Network）等のネットワークＮを介して、任意のサーバと通信可能な端末装置である。

また、端末装置１０は、利用者が乗車した車両Ｃ１０を目的地まで案内するカーナビゲーションの機能を有する。例えば、端末装置１０は、利用者から目的地の入力を受付けると、利用者を目的地まで誘導するための経路情報を、図示を省略したサーバ等から取得する。例えば、経路情報には、車両Ｃ１０が利用可能な目的地までの経路、経路に含まれる高速道路の情報、経路上の渋滞情報、案内の目印となる施設、画面上に表示する地図の情報、案内時に出力する音声や地図等の画像等のデータが含まれる。

また、端末装置１０は、ＧＰＳ（Global Positioning System）等の衛星測位システムからの測位信号を用いて、端末装置１０の位置（以下、「現在地」と記載する。）を所定の時間間隔で特定する測位機能を有する。そして、端末装置１０は、経路情報に含まれる地図等の画像を液晶画面やエレクトロルミネッセンス、ＬＥＤ（Light Emitting Diode）画面等（以下、単に「画面」と記載する。）に表示すると共に、特定した現在地をその都度地図上に表示する。また、端末装置１０は、特定した現在地に応じて、左折や右折、使用する車線の変更、目的地への到着予定時間等を表示、若しくは、端末装置１０や車両Ｃ１０のスピーカー等から音声により出力する。

ここで、衛星測位システムでは、複数の衛星から発信された信号を受信し、受信した信号を用いて、端末装置１０の現在地を特定する。このため、端末装置１０は、トンネルの中やビル群に挟まれた場所等、衛星から発信された信号を適切に受信できない場合には、現在地を特定することができない。また、端末装置１０に案内を実現させるアプリケーション等は、車両Ｃ１０から速度や移動方向等の情報を取得する機能を有していない。このため、加速度を測定する加速度センサを端末装置１０に設置し、加速度センサが測定した加速度に基づいて、端末装置１０の現在位置を推定する手法が考えられる。例えば、加速度センサが測定した加速度に基づいて、端末装置１０の移動速度や移動方向等を推定する推定処理や、端末装置１０が移動しているか停止しているかを判定する停止判定を行う手法が考えられる。

より具体的な例を説明する。例えば、端末装置１０は、衛星から発信された信号を適切に受信できない場合には、車両Ｃ１０がトンネル等に入ったと判定し、最後に特定した車速および移動方向でそのまま推定位置を進める。また、端末装置１０は、測定した加速度に基づいて、車両Ｃ１０が停止しているか否かを判定し、車両Ｃ１０が停止していると判定した場合には、推定位置の移動を停止させる。一方、端末装置１０は、車両Ｃ１０が停止していないと判定した場合には、測定した加速度を用いて、移動体である車両Ｃ１０の移動速度を推定し、推定した移動速度で移動しているものとして、案内を継続する。

〔１−１．速度推定技術の一例〕
ここで、車両Ｃ１０の移動速度を推定する速度推定技術の一例について説明する。なお、ここで示す技術は、本発明の前段階となる技術の一例であるが、本来の従来技術に属するものではない。すなわち、ここで示す技術は、本出願人が開発、試験、研究等のために秘密裡に実施している技術であり、いわゆる公知、公用または文献公知など秘密を脱した技術ではない。

例えば、図１のステップＳ１の「端末座標系」に示すように、端末装置１０は、画面の短尺方向をｘ軸とし、画面の長尺方向をｙ軸とし、画面に対して垂直な方向をｚ軸として、各ｘｙｚ軸方向の加速度を測定する。例えば、端末装置１０は、画面を正面とした際に、正面側を＋ｚ軸方向、背面側を−ｚ軸方向とし、端末装置１０の利用時において画面上側を＋ｘ軸方向、画面下側を−ｘ軸方向、画面左側を＋ｙ軸方向、画面右側を−ｙ軸方向とする端末座標系における加速度を測定する。

一方、図１のステップＳ１の「車両座標系」に示すように、利用者が使用する車両Ｃ１０の移動方向や速度は、車両Ｃ１０が進行する方向をＺ軸とし、Ｚ軸に対して垂直な平面上において、車両Ｃ１０が進行する際に左折若しくは右折する方向をＹ軸方向とし、車両Ｃ１０の上下方向をＸ軸方向とする車両座標系で表される。例えば、車両Ｃ１０の移動方向や速度は、車両Ｃ１０の上方向を＋Ｘ軸方向、下方向（すなわち、地面側）を−Ｘ軸方向、左折する方向を＋Ｙ軸方向、右折する方向を−Ｙ軸方向、車両Ｃ１０の後ろ方向を＋Ｚ軸方向、前方向を−Ｚ軸方向とする車両座標系で表される。

ここで、車両座標系と端末座標系とは、端末装置１０の設置姿勢等に応じたずれを有することとなる。そこで、端末装置１０は、例えば、端末座標系で測定した加速度を用いて、重力方向（図１に示すＧ）、すなわち、車両座標系の−Ｘ軸方向を推定し、車両Ｃ１０が加減速する際や移動方向を変化させる際に生じた加速度の分散を用いて車両Ｃ１０の移動方向を特定し、推定した基準方向と移動方向とに基づいて、端末座標系で測定した加速度を車両座標系に変換する回転行列を求める。そして、端末装置１０は、回転行列を用いて、端末座標系の加速度を車両座標系の加速度に変換し、変換後の加速度を用いて、車両Ｃ１０が停止しているか否かの停止判定や、車両Ｃ１０の移動速度の推定を実行する。

例えば、端末装置１０は、変換後の加速度の各軸方向における振幅、振動数、平均値、標準偏差、最大値、最小値等の情報を特徴量として収集する。また、端末装置１０は、車両Ｃ１０の速度が所定の閾値以上である際に取得された特徴量については、走行中の特徴量として蓄積し、車両Ｃ１０の速度が所定の閾値以下である際に取得された特徴量については、停止中の特徴量として蓄積する。

そして、端末装置１０は、蓄積した特徴量を用いて、車両Ｃ１０が停止しているか否かを判定する停止判定モデル（例えばサポートベクトルマシン（ＳＶＭ：Support Vector Machine）等による）を学習し、学習した停止判定モデルを用いて、トンネル等の衛星測位システムが使用できない場合に、車両Ｃ１０が停止しているか否か判定する。そして、端末装置１０は、車両Ｃ１０が停止していないと判定した場合には、車両座標系で取得された加速度のうち、移動方向を含む面上の加速度の値の積分値に基づいて、車両Ｃ１０の移動速度を推定する。

しかしながら、このような技術では、道路の傾斜や曲がり角等の要因により、車両座標系と端末座標系とを正確に揃えるのが困難であるため、測定された加速度から車両の移動速度を精度良く推定することが難しいという問題がある。

また、利用者は、サービスエリア等で端末装置１０を所持して下車する場合がある。この結果、端末装置１０の姿勢が変化した場合は、回転行列が変化するため、改めて進行方向を特定し、特定した進行方向と基準方向とに基づいて回転行列を求め直す必要がある。しかしながら、このような処理を実行した場合にも、進行方向が特定されるまでは、車両の停止判定や、車両の移動速度を推定することができない。また、道路が傾斜している場合や、曲がり角等で進行方向が変化した場合等には、端末座標系と車両座標系とにずれが生じうるため、判定結果や車両の移動速度に誤差が生じやすい。

なお、ＧＰＳ信号の受信可能時（例えば、トンネル突入時）の速度で車両Ｃ１０が定速走行しているものと仮定して、端末装置１０が案内を継続することも考えられる。しかしながら、この場合、トンネル内で渋滞に遭遇した場合等、車両速度が大きく変化した場合に、推定速度が実際の速度からかけ離れ、案内が困難になってしまう場合がある。

〔２．実施形態に係る端末装置１０が実行する処理について〕
そこで、端末装置１０は、以下の処理を実行する。例えば、端末装置１０は、車両Ｃ１０等、端末装置１０が設置された移動体における加速度を検出する。また、端末装置１０は、加速度に基づいた特徴量を取得し、速度帯と特徴量とを紐付ける。このとき、端末装置１０は、測位信号に基づく位置情報により判別される速度に基づき、特徴量に紐付ける速度帯を判別してもよい。そして、端末装置１０は、特徴量の限界値に基づいて速度を推定する。例えば、端末装置１０は、トンネル内等、測位信号に基づく位置情報が取得できないときには、特徴量の限界値（上限値或いは下限値）に基づいて所定の特徴量における速度を推定する。限界値は速度帯毎の値であってもよい。ここで、所定の特徴量は、例えば、測位信号に基づく位置情報が取得できないときに取得された加速度に基づき算出された特徴量である。

端末装置１０は、推定した速度（「所定の特徴量における速度」）を、移動体或いは端末装置１０の移動速度そのものとして使用してもよいし、別途推定する推定速度の速度リミッター（上限速度或いは制限速度）として使用してもよい。なお、別途推定する推定速度は、一定速度（例えば、トンネル突入時の速度）であってもよいし、ＳＶＭ等による学習モデルを使用して加速度から推定した速度であってもよい。

以下、図を用いて、上述した処理を実現する端末装置１０の機能構成及び作用効果の一例を説明する。

〔２−１．機能構成の一例〕
図２は、実施形態に係る端末装置が有する機能構成の一例を説明する図である。図２に示すように、端末装置１０は、通信部１１、記憶部１２、複数の加速度センサ１３ａ〜１３ｃ（以下、総称して「加速度センサ１３」と記載する場合がある。）、アンテナ１４、出力部１５、制御部１６を有する。通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、ネットワークＮと有線または無線で接続され、端末装置１０と、端末装置１０から目的地を受信すると、目的地までの経路を示す経路情報を配信する配信サーバとの間で情報の送受信を行う。

記憶部１２は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２には、案内を実行するために用いる各種データが格納される。例えば、記憶部１２は、案内情報データベース１２ａ、特徴量データベース１２ｂ、速度帯データベース１２ｃ、および限界値データベース１２ｄ、モデル１２ｅ等のデータを記憶する。

案内情報データベース１２ａは、端末装置１０が案内を行う際に用いる各種のデータが登録される。例えば、案内情報データベース１２ａには、不図示のサーバ等から受信した目的地までの経路情報が格納される。また、案内情報データベース１２ａには、案内において出力される各種の画像や音声データ等が格納される。

特徴量データベース１２ｂには、端末装置１０が取得した特徴量が登録される。具体的には、特徴量データベース１２ｂには、加速度センサ１３で検出した加速度に基づき算出された特徴量と、その特徴量を収集した際における移動速度と、を紐付けたデータが登録される。

図３は、実施形態に係る特徴量データベース１２ｂに登録される情報の一例を示す図である。図３に示すように、特徴量データベース１２ｂには、「日時」、「速度」、「特徴量」といった項目を有する情報が登録される。「日時」は該当の特徴量を収集した際における日時であり、例えば、「2017/6/1/10：00：15」といった情報である。「速度」は該当の特徴量を収集した際における速度であり、例えば、「30km/h」といった情報である。「特徴量」は、加速度センサ１３で検出した加速度に基づき算出される値であり、例えば、加速度の重力方向の成分の所定期間（例えば、１秒間）の平均である。図３の例であれば、「0.021」といったデータが特徴量となる。特徴量については後述する。特徴量データベース１２ｂは、後述の限界値更新処理で使用される。

速度帯データベース１２ｃには、速度帯毎の特徴量が格納される。速度帯データベース１２ｃは、後述の限界値抽出処理で限界値算出のためのワークスペースとして使用される。速度帯データベース１２ｃには、速度帯毎に、複数個の特徴量を格納するための領域が用意されている。

図４は、実施形態に係る速度帯データベース１２ｃに登録される情報の一例を示す図である。図４に示すように、速度帯データベース１２ｃには、「ＩＤ」、「速度帯」、「データ１」〜「データ１０」といった項目を有する情報が登録される。「ＩＤ」は、各速度帯に付された識別番号である。「速度帯」は、特徴量が取得された際における端末装置１０の移動速度が属する速度帯を示す情報である。図４の例の場合、「速度帯」の幅は、３〜８ｋｍ、８〜１３ｋｍ/ｈといった５ｋｍ／ｈ幅となっている。なお、速度帯の幅は５ｋｍ/ｈに限定されない。速度帯の幅は５ｋｍ／ｈより大きくてもよいし小さくてもよい。速度帯は速度を含む概念である。つまり、速度帯の幅を小さくしたものが速度である。また、「データ１」〜「データ１０」は、後述の限界値抽出処理で限界値算出のためのワークスペースである。１つのデータ領域に１つの特徴量が格納される。図４の例では、１つの速度帯で１０個の特徴量が格納可能である。

限界値データベース１２ｄには、速度帯毎の限界値が格納される。限界値は、端末装置１０が取得する複数の特徴量のうち、各速度帯で出現する特徴量の上限又は下限の値である。限界値は、後述の限界値抽出処理で取得され、限界値データベース１２ｄに登録される。

図５は、実施形態に係る限界値データベース１２ｄに登録される情報の一例を示す図である。図５に示すように、限界値データベース１２ｄには、「ＩＤ」、「速度帯」、「限界値」といった項目を有する情報が登録される。「ＩＤ」は、各速度帯に付された識別番号である。「速度帯」は、限界値の基となった特徴量が取得された際における端末装置１０の移動速度が属する速度帯を示す情報である。「限界値」は、後述の限界値抽出処理で取得された限界値である。

モデル１２ｅには、端末装置１０が測位信号に基づく位置情報が取得できないときに、端末装置１０が移動体或いは端末装置１０の速度（上限速度）を算出するためのデータ（学習モデル）が格納される。例えば、モデル１２ｅは、限界値と速度帯（速度を含む）とを関連付けたデータである。また、モデル１２ｅは、加速度センサ１３で取得された加速度或いは加速度に基づく特徴量が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された加速度或いは加速度に基づく特徴量に応じて、移動体或いは端末装置１０の速度（上限速度）を出力層から出力するよう、端末装置１０を機能させてもよい。このとき、第１要素は、加速度或いは加速度に基づく特徴量であり、第２要素は、移動体或いは端末装置１０の速度（上限速度）である。重みは、例えば、限界値に基づくデータであってもよい。

ここで、モデル１２ｅが「y=a1*x1+a2*x2+・・・+ai*xi」で示す回帰モデルで実現されるとする。この場合、モデル１２ｅが含む第１要素は、x1やx2等といった入力データ（xi）に対応する。また、第１要素の重みは、xiに対応する係数aiに対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。

また、モデル１２ｅがＤＮＮ（Deep Neural Network）等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、モデル１２ｅが含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。

端末装置１０は、上述した回帰モデルやニューラルネットワーク等、任意の構造を有するモデルを用いて、端末装置１０の速度（上限速度）の算出を行う。具体的には、モデル１２ｅは、加速度センサ１３で取得された加速度或いは加速度に基づく特徴量が入力された場合に、移動体或いは端末装置１０の速度（上限速度）を出力するように係数が設定される。端末装置１０は、このようなモデル１２ｅを用いて、移動体或いは端末装置１０の速度（上限速度）を算出する。

なお、上記例では、モデル１２ｅが加速度センサ１３で取得された加速度或いは加速度に基づく特徴量が入力された場合に、移動体或いは端末装置１０の速度（上限速度）を出力するモデル（以下、モデルＸという。）である例を示した。しかし、実施形態に係るモデル１２ｅは、モデルＸにデータの入出力を繰り返すことで得られる結果に基づいて生成されるモデルであってもよい。例えば、モデル１２ｅは、加速度センサ１３で取得された加速度或いは加速度に基づく特徴量を入力とし、モデルＸが出力する移動体或いは端末装置１０の速度（上限速度）を出力とするよう学習されたモデル（以下、モデルＹという。）であってもよい。または、モデル１２ｅは、加速度センサ１３で取得された加速度或いは加速度に基づく特徴量を入力とし、モデルＹの出力値を出力とするよう学習されたモデルであってもよい。

また、端末装置１０がＧＡＮ（Generative Adversarial Networks）を用いた推定処理を行う場合、モデル１２ｅは、ＧＡＮの一部を構成するモデルであってもよい。なお、モデル１２ｅは、限界値データベース１２ｄと同様の構造のデータであってもよい。

図２に戻り、説明を続ける。加速度センサ１３は、所定の時間間隔で、端末装置１０に係る加速度の大きさと方向とを測定する。例えば、加速度センサ１３ａは、端末座標系におけるｘ軸方向の加速度を測定する。加速度センサ１３ｂは、端末座標系におけるｙ軸方向の加速度を測定する。加速度センサ１３ｃは、端末座標系におけるｚ軸方向の加速度を測定する。すなわち、端末装置１０は、各加速度センサ１３ａ〜１３ｃが測定した加速度を端末座標系の各軸方向の加速度とすることで、端末装置１０に対する加速度の向きと大きさとを示すベクトルを取得することができる。

アンテナ１４は、ＧＰＳ等の衛星測位システムに用いられる測位信号を衛星から受信するためのアンテナである。また、出力部１５は、案内を行う際に地図や現在地を表示するための画面や、音声を出力するためのスピーカーである。なお、加速度センサ１３やアンテナ１４は、所定のハードウェアにより実現される。

制御部１６は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、端末装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部１６は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。図２に示す例では、制御部１６は、案内実行部１７、音声出力部１８、画像出力部１９、移動状態推定部２０（以下、総称して各処理部と記載する場合がある。）を有する。また、移動状態推定部２０は、検出部２１、設定部２２、変換部２３、取得部２４、判別部２５、推定部２６を有する。

また、移動状態推定部２０は、生成部２７、予測部２８を有する。生成部２７は、モデル１２ｅを生成し、生成したモデル１２ｅを記憶部１２に格納する。例えば、生成部２７は、加速度或いは加速度に基づく特徴量と、その加速度取得時の移動体或いは端末装置１０の速度とに基づいて速度帯と限界値とを関連付けたデータを生成する。なお、生成部２７は、いかなる学習アルゴリズムを用いてモデル１２ｅを生成してもよい。例えば、生成部２７は、ニューラルネットワーク（neural network）、サポートベクターマシン（support vector machine）、クラスタリング、強化学習等の学習アルゴリズムを用いてモデル１２ｅを生成する。一例として、生成部２７がニューラルネットワークを用いてモデル１２ｅを生成する場合、モデル１２ｅは、一以上のニューロンを含む入力層と、一以上のニューロンを含む中間層と、一以上のニューロンを含む出力層とを有する。

予測部２８は、測位信号に基づく位置情報が取得できないときの移動体或いは端末装置１０の速度（上限速度）を予測する。例えば、予測部２８は、モデル１２ｅに従った情報処理により、加速度或いは加速度に基づく特徴量を入力層に入力する。そして、予測部２８は、入力データを中間層と出力層に伝播させることで出力層から移動体或いは端末装置１０の速度（上限速度）を出力させる。

なお、制御部１６が有する各処理部（案内実行部１７〜移動状態推定部２０）は、以下に説明するような案内処理の機能・作用（例えば図１）を実現・実行するものであるが、これらは説明のために整理した機能単位であり、実際のハードウェア要素やソフトウェアモジュールとの一致は問わない。すなわち、以下の案内処理の機能・作用を実現・実行することができるのであれば、端末装置１０は、任意の機能単位で案内処理を実現・実行して良い。

〔２−２．案内処理における作用効果の一例〕
以下、図６に示すフローチャートを用いて、各処理部（案内実行部１７〜移動状態推定部２０）が実行・実現する案内処理の内容について説明する。図６は、実施形態に係る端末装置が実行する案内処理の流れの一例を説明するフローチャートである。

まず、案内実行部１７は、利用者から目的地が入力されたか否かを判定する（ステップＳ１１）。そして、案内実行部１７は、目的地が入力された場合は（ステップＳ１１：Ｙｅｓ）、図示を省略した外部のサーバから経路情報を取得する（ステップＳ１２）。ここで、案内実行部１７は、ＧＰＳが使えるか否かを判定する（ステップＳ１３）。

例えば、案内実行部１７は、アンテナ１４が衛星からの測位信号を受信できない場合や、測位信号を受信できた衛星の数が所定の閾値よりも少ない場合等には、ＧＰＳが使用できないと判定し（ステップＳ１３：Ｙｅｓ）、移動状態推定部２０により推定された車両の移動方向や速度から現在位置（位置情報）を取得する（ステップＳ１４）。例えば、案内実行部１７は、移動状態推定部２０により推定された現在地を取得する。なお、移動状態推定部２０が車両Ｃ１０の現在地を推定する処理の具体的な内容については、後述する。

一方、案内実行部１７は、ＧＰＳが使えると判定した場合は（ステップＳ１３：Ｎｏ）、ＧＰＳを用いて現在地を特定する（ステップＳ１０５）。そして、案内実行部１７は、音声出力部１８や画像出力部１９を制御し、ＧＰＳを用いた現在地若しくは推定した現在地を用いて、案内を出力する（ステップＳ１５）。例えば、音声出力部１８は、案内実行部１７からの制御に従って、現在地や車両Ｃ１０が進むべき方向等を示す音声を出力部１５から出力する。また、画像出力部１９は、案内実行部１７からの制御に従って、現在地と周辺の地図とを重ねた画像や、車両Ｃ１０が進むべき方向等を示す画像を出力部１５から出力する。

続いて、案内実行部１７は、現在地が目的地の周辺であるか否かを判定する（ステップＳ１６）。そして、案内実行部１７は、現在地が目的地の周辺であると判定した場合は（ステップＳ１６：Ｙｅｓ）、音声出力部１８や画像出力部１９を制御して案内の終了を示す終了案内を出力し（ステップＳ１５）、処理を終了する。一方、案内実行部１７は、現在地が目的地の周辺ではないと判定した場合は（ステップＳ１６：Ｎｏ）、ステップＳ１３を実行する。なお、案内実行部１７は、目的地が入力されていない場合は（ステップＳ１１：Ｎｏ）、入力されるまで待機する。

〔２−３．限界値更新処理における作用効果の一例〕
次に、図７に示すフローチャートを用いて、検出部２１、設定部２２、変換部２３、取得部２４、および判別部２５が実行・実現する限界値更新処理の内容について説明する。図７は、実施形態に係る端末装置が実行する限界値更新処理の流れの一例を説明するフローチャートである。なお、検出部２１、設定部２２、変換部２３、取得部２４、および判別部２５は、図７に示す限界値更新処理を所定の期間（例えば、１秒）ごとに実行する。限界値更新処理は、例えば、測位信号に基づく位置情報が取得可能なときに実行される。図７に示す各処理は、例えば、図１のステップＳ１〜ステップＳ４に示す処理に対応する。

まず、検出部２１は、加速度センサ１３から加速度を取得する（ステップＳ２１）。具体的には、加速度センサ１３が所定の時間間隔で、端末座標系の（ｘ、ｙ、ｚ）軸方向ごとに測定した加速度の大きさを取得する。また、検出部２１は、所定の期間の間に加速度センサ１３が測定した加速度の大きさの平均値を、端末座標系の各軸方向ごとに算出する（ステップＳ２２）。例えば、検出部２１は、加速度センサ１３が２０ミリ秒ごと（すなわち、１秒間に５０回の割合）に検出した端末座標系の加速度を１秒分収集する。そして、検出部２１は、収集した各加速度のｘ軸方向の値の平均値ｘ_ｍ、ｙ軸方向の値の平均値ｙ_ｍ、ｚ軸方向の値の平均値ｚ_ｍ、をそれぞれ算出し、算出した各軸方向の平均値からなるベクトル（ｘ_ｍ、ｙ_ｍ、ｚ_ｍ）を平均ベクトルＧとする。検出部２１は、平均ベクトルＧの方向と重力方向を精度よく一致させるため、端末座標系の加速度を１秒より長い間（例えば、１秒〜１分間）収集してもよい。

なお、平均ベクトルＧの方向は、車両が停止している場合や車両が等速度で移動している場合には、重力加速度の方向と略一致する。平均ベクトルＧの方向と重力方向を精度よく一致させるため、検出部２１は、車両が停止しているか否か、或いは、車両が等速移動しているか否かを測位信号等に基づき判別し、車両が停止しているとき、或いは、車両が等速移動しているときの各軸方向の平均値からなるベクトル（ｘｍ、ｙｍ、ｚｍ）を平均ベクトルＧとしてもよい。なお、車両が停止しているか否か、或いは、車両が等速移動しているか否かは、学習モデルを使用しても判別可能である。例えば、端末装置１０は、加速度に基づく特徴量及びＧＰＳ速度に基づいて、車両が停止しているか否かを判定する停止判定モデルや、車両が移動する速度帯を推定する速度推定モデルを学習する。そして、端末装置１０は、停止判定モデルや速度推定モデルを用いて、車両が停止しているか否か、或いは、車両が等速移動しているか否かを判別する。

続いて設定部２２は、検出部２１によって算出された加速度に基づいて、基準方向を特定する。例えば、設定部２２は、加速度の平均ベクトルから基準方向を特定する（ステップＳ２３）。より具体的には、設定部２２は、検出部２１によって算出された加速度の平均値からなる平均ベクトルＧの方向を、基準方向とする。そして、変換部２３は、端末座標系の所定の軸方向を設定部２２が設定した基準方向に一致させる回転行列を算出する（ステップＳ２４）。そして、変換部２３は、算出した回転行列を用いて、検出部２１により端末座標系で取得された加速度の各成分を変換する（ステップＳ２５）。すなわち、変換部２３は、検出部２１によって取得された加速度を、車両座標系ではなく、基準方向を基準とする座標系の加速度に変換する。

例えば、設定部２２は、加速度の平均ベクトルＧの方向を基準方向として設定する。そして、変換部２３は、図１のステップＳ２に示すように、端末座標系の−ｘ軸方向と平均ベクトルＧの方向とが一致するような回転行列を算出する。上述したように、車両Ｃ１０が停止している場合等では、平均ベクトルＧの方向が重力加速度の方向と一致すると予測される。そこで、変換部２３は、端末座標系の−ｘ軸方向と平均ベクトルＧの方向とを一致させることで、端末座標系の−ｘ軸方向と車両座標系のＸ軸方向とを一致させる。

なお、変換部２３は、ＳＶＭやＧＰＳ速度等を用いて、車両Ｃ１０が停止しているか否かを判定し、車両Ｃ１０が停止していると判定された際に加速度センサ１３が取得した加速度の平均ベクトルＧの方向を基準方向としてもよい。また、変換部２３は、端末座標系の−ｘ軸方向と平均ベクトルＧの方向とが一致するような回転行列であれば、任意の回転行列を採用してよい。すなわち、変換部２３は、ｙ軸方向やｚ軸方向を任意の方向へと回転させる回転行列を採用してよい。

そして、変換部２３は、算出した回転行列を用いて、端末座標系で測定された加速度を、加速度の平均値を基準とする座標系（以下、推定座標系と記載する。）へと変換する。なお、以下の説明では、推定座標系における平均ベクトルＧの方向を−ｘ軸方向とする。また、以下の説明では、推定座標系における−ｘ軸方向を基準方向と記載する場合がある。

続いて、取得部２４は、検出部２１が取得した加速度に基づいて加速度ベクトルの大きさを算出する（ステップＳ２６）。このとき、取得部２４が算出する加速度ベクトルの大きさは、検出部２１が取得した加速度の、平均ベクトルＧの方向の成分（平均ベクトルＧの方向の加速度ベクトル）の大きさと、平均ベクトルＧの方向に対して垂直な方向の成分
（平均ベクトルＧの方向に対して垂直な方向の加速度ベクトル）の大きさである。平均ベクトルＧの方向は、推定座標系におけるｘ軸方向であり、平均ベクトルＧの方向に対して垂直な方向は、平均ベクトルＧの方向に対して垂直な面（以下、水平面と記載する。）に沿った方向である。取得部２４は、所定の期間（例えば、１秒間）の間に加速度センサ１３が測定した所定回数分（例えば、５０回分）の加速度それぞれについて加速度ベクトルを算出してもよい。

そして、取得部２４は、ステップＳ２６で算出した加速度ベクトルの大きさに基づいて特徴量を算出する（ステップＳ２７）。取得部２４は、基準方向の加速度に基づく値を特徴量として算出してもよいし、基準方向に対して垂直な方向の加速度に基づく値を特徴量として算出してもよい。取得部２４は、例えば、以下の通り特徴量を算出する。

まず、取得部２４は、変換部２３によって座標変換がなされた加速度の各軸成分のうち、平均ベクトルＧの方向の加速度の大きさと、水平面上の加速度の大きさと、を求める。すなわち、取得部２４は、図１のステップＳ３に示すように、推定座標系における基準方向の加速度の大きさ「ａ＿ｖｅｒ」と、基準方向に垂直な方向の加速度の大きさ「ａ＿ｈｏｒ」と、を求める。より具体的には、推定座標系における加速度の成分を「ａ＿ｘ、ａ＿ｙ、ａ＿ｚ」と記載すると、取得部２４は、成分「ａ＿ｘ」に−１を乗じた値を「ａ＿ｖｅｒ」として算出し、成分「ａ＿ｙ」の二乗と成分「ａ＿ｚ」の二乗との和の平方根の値を「ａ＿ｈｏｒ」として算出する。

そして、取得部２４は、算出した「ａ＿ｈｏｒ」と「ａ＿ｖｅｒ」それぞれについて、所定期間（例えば、１秒間）或いは所定回数（例えば、５０回）の平均値、標準偏差、最大値および最小値を算出する。取得部２４は、８つの値（ａ＿ｈｏｒの平均値、標準偏差、最大値および最小値、ａ＿ｖｅｒの平均値、標準偏差、最大値および最小値）の少なくとも１つを特徴量として取得する。なお、後述するように、特徴量としては、ａ＿ｈｏｒの平均値、標準偏差および最大値、ａ＿ｖｅｒの標準偏差、最大値および最小値の６つが望ましい。以下の説明では、一例として、取得部２４は、ａ＿ｈｏｒの平均値（以下、Average_horともいう。）を特徴量として取得するものとする。

続いて、取得部２４は、ステップＳ２７で算出した特徴量と速度とを紐付ける（ステップＳ２８）。特徴量と紐付けされる速度は、測位信号により判別される位置情報に基づく速度であってもよい。例えば、特徴量と紐付けされる速度は、ＧＰＳ速度であってもよい。取得部２４は、特徴量と速度とを紐付けて特徴量データベース１２ｂに登録する。特徴量と速度には、図５に示すように、特徴量を取得した日時の情報が紐付けられていてもよい。

続いて、判別部２５は、限界値抽出処理を実行する（ステップＳ２９）。限界値抽出処理は、速度帯毎に特徴量の限界値を抽出する処理である。判別部２５は、速度帯と紐付けられた特徴量の情報に基づいて所定の速度帯（測定した速度帯）における限界値を判別する。

〔２−４．限界値について〕
限界値抽出処理の説明の前に限界値について説明する。図８は、基準方向に対して垂直な方向の加速度に基づく特徴量（Average_hor）をプロットした散布図である。より具体的には、図８は、基準方向に垂直な方向の加速度の大きさ「ａ＿ｈｏｒ」の１秒間の平均値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。また、図９は、図８に示す散布図の拡大図である。

図９を見ればわかるように、ラインＬ１より下には特徴量が略存在していない。図９に示す特徴量（Average_hor）の場合、ラインＬ１付近に特徴量の下限（下側の限界）が存在していることが分かる。特に、図９の例の場合、時速４０ｋｍ付近から線形性は崩れているものの、特徴量の下限は、少なくとも時速３０ｋｍを超えるあたりまでは線形性を示していることがわかる。つまり、特徴量の限界値（図９の例の場合、下限値）と速度には相関があることが分かる。この特徴を使用すれば、端末装置１０は、少なくとも低速域（例えば、時速０ｋｍ〜４０ｋｍの範囲）では、特徴量から速度を推定できる。

図１０は、特徴量をプロットした散布図を複数の速度帯に分割した様子を示す図である。図１０にプロットされている特徴量は、基準方向に対して垂直な方向の加速度に基づく特徴量（Average_hor）である。図１０の例では、横軸を１９個の速度帯に分割している。速度帯１つの幅は、５ｋｍ／ｈ幅である。１番目の速度帯は３ｋｍ／ｈ以上８ｋｍ／ｈ未満であり、２番目の速度帯は８ｋｍ/ｈ以上１３ｋｍ/ｈ未満であり、３番目の速度帯は１３ｋｍ/ｈ以上１８ｋｍ/ｈ未満であり、４番目の速度帯は１８ｋｍ/ｈ以上２３ｋｍ/ｈ未満であり、５番目の速度帯は２３ｋｍ/ｈ以上２８ｋｍ/ｈ未満であり、６番目の速度帯は２８ｋｍ/ｈ以上３３ｋｍ/ｈ未満であり、７番目の速度帯は３３以上３８ｋｍ/ｈであり、８番目の速度帯は３８ｋｍ/ｈ以上４３ｋｍ/ｈである。最後の１９番目の速度帯は９３ｋｍ/ｈ以上９８ｋｍ／ｈ未満である。

また、図１１は、速度帯毎に限界値をプロットした様子を示す図である。Ｐ１は１番目の速度帯の下限値をプロットしたものであり、Ｐ２は２番目の速度帯の下限値をプロットしたものであり、Ｐ３は３番目の速度帯の下限値をプロットしたものであり、Ｐ４は４番目の速度帯の下限値をプロットしたものであり、Ｐ５は５番目の速度帯の下限値をプロットしたものであり、Ｐ６は６番目の速度帯の下限値をプロットしたものであり、Ｐ７は７番目の速度帯の下限値をプロットしたものであり、Ｐ８は８番目の速度帯の下限値をプロットしたものである。Ｐ１９は１９番目の速度帯の下限値をプロットしたものである。図１１の例では、Ｐ１〜Ｐ１９はそれぞれ各速度帯の中央にプロットされている。１〜１９番目の速度帯はそれぞれ図１０の１〜１９番目の速度帯に対応している。

上述したように、特徴量の限界値と速度には相関がある。端末装置１０は、ＧＰＳ速度等の速度情報が取得可能な時に、図１１に示すように、速度帯毎に特徴量の限界値を求めておく。つまり、端末装置１０は、速度情報が取得可能なときに、速度と限界値との関係を予め求めておく。特徴量は、加速度から算出されるので、トンネルに突入した等の理由で速度情報が取得できなくなったとしても、取得可能である。事前に速度帯毎の限界値を求めておくことにより、端末装置１０は、トンネル内等の速度情報が取得できないときも、特徴量を使って速度を推定可能である。

〔２−５．限界値抽出処理における作用効果の一例〕
そこで、判別部２５は、速度帯毎に特徴量の限界値を抽出する限界値抽出処理を実行する。以下、図１２に示すフローチャートを用いて、判別部２５が実行・実現する限界値抽出処理の内容について説明する。図１２は、実施形態に係る端末装置１０が実行する限界値抽出処理の流れの一例を説明するフローチャートである。なお、以下の説明では、限界値は下限値であるものとして説明するが、限界値は上限値であってもよい。限界値を上限値とする場合、以下の説明の「下限値」は「上限値」と、「最小」は「最大」と、「小さな」は「大きな」と、「小さい」は「大きい」と、適宜読み替える。

まず、判別部２５は、速度に紐付けられた特徴量を取得する（ステップＳ２９１）。例えば、判別部２５は、特徴量データベース１２ｂから速度に紐付けられた特徴量を取得してもよい。

そして、判別部２５は、取得した特徴量を速度帯データベース１２ｃに登録する。このとき、判別部２５は、該当の速度帯に特徴量のデータを追加する（ステップＳ２９２）。例えば、特徴量データベース１２ｂが図４に示す状態にあるとする。特徴量が０．０２１でありその特徴量に紐付けられた速度が３０ｋｍ／ｈであるとすれば、判別部２５は、速度帯が２８〜３３ｋｍ／ｈのＩＤ“６”のデータ１０に“０．０２１”を追加する。特徴量が０．１１３でありその特徴量に紐付けられた速度が５０ｋｍ／ｈであるとすれば、判別部２５は、速度帯が４８〜５３ｋｍ／ｈのＩＤ“１０”のデータ２に“０．１１３”を追加する。

そして、判別部２５は、特徴量のデータを追加した速度帯のデータ領域に空き領域があるか否か判別する（ステップＳ２９３）。例えば、図４の例であれば、特徴量の格納領域はデータ１からデータ１０までの１０個あるので、１０個全ての格納領域が特徴量のデータで埋まった場合は、判別部２５はデータ領域に空き領域がないと判別し、１０個の格納領域がデータで埋まっていない場合、判別部２５はデータ領域に空き領域があると判別する。空き領域がある場合は（ステップＳ２９３：Ｙｅｓ）、判別部２５は、限界値抽出処理を終了する。

空き領域がない場合は（ステップＳ２９３：Ｎｏ）、判別部２５は、該当の速度帯のデータ領域に格納されている所定個数（図４の例の場合、１０個）のデータに基づいて限界値を抽出する（ステップＳ２９４）。例えば、特徴量が基準方向に対して垂直な方向の加速度に基づく特徴量（Average_hor）なのであれば、判別部２５は、所定個数の特徴量のうち最小のものを限界値（下限値）として取得してもよい。なお、判別部２５は、異常値の影響を排除するため、最小値を限界値（下限値）とせず、所定個数の特徴量のうち２番目に小さな特徴量を限界値（下限値）としてもよい。このとき、判別部２５は、所定個数の特徴量に紐付けられている速度の平均を算出した限界値の代表速度として取得してもよい。

そして、判別部２５は、ステップＳ２９３で取得した限界値を新たな限界値として更新する（ステップＳ２９５）。例えば、判別部２５は、ステップＳ２９４で取得した限界値を限界値データベース１２ｄの該当の速度帯の箇所に登録する。限界値データベース１２ｄに代表速度が格納可能なのであれば、代表速度も登録する。なお、すでに登録されている限界値がステップＳ２９４で新たに取得した限界値より小さい場合、判別部２５は、限界値を更新せずに、限界値データベース１２ｄに登録されているそのままとする。この場合、判別部２５は、代表速度も更新せずにそのままとする。

そして、判別部２５は、該当の速度帯について、所定個数のデータ領域を特徴量をリセットする（ステップＳ２９６）。例えば、図４の例で、のＩＤ“６”のデータ１０に“０．０２１”を追加したのであれば、ＩＤ“６”の１０個のデータ領域をすべてリセットする。これにより、該当の速度帯には新たに特徴量が格納可能になる。データ領域のリセットが完了したら、制御部１６は、限界値抽出処理および限界値更新処理を終了する。

〔２−６．推定処理における作用効果の一例〕
次に、図１３に示すフローチャートを用いて、推定部２６が実行・実現する推定処理の内容について説明する。図１３は、実施形態に係る端末装置１０が実行する推定処理の流れの一例を説明するフローチャートである。推定処理は、例えば、測位信号に基づく位置情報が取得できないときに実行される。例えば、推定部２６は、図６のステップＳ１３にて、ＧＰＳが使えないと判定された場合に、図１３に示す推定処理を実行する。図１３に示す処理は、例えば、図１のステップＳ５に示す処理に対応する。

なお、端末装置１０は、図１３に示す推定処理とは別に移動体或いは端末装置１０の移動速度を推定する速度推定処理を実行してよい。速度推定処理は、ＳＶＭによる学習モデル（例えば、上述の速度推定モデル）を使用した処理であってもよいし、単に、ＧＰＳが使用できなくなった位置の速度（例えば、トンネル突入時の速度）をそのまま推定速度とする処理であってもよい。この場合、図１３に示す推定処理の結果は、速度推定処理が推定した速度（以下、推定速度という。）の制限リミッター（「上限速度」或いは「制限速度」ともいう。）として使用されてもよい。つまり、推定速度が図１３に示す推定処理で推定された上限速度より大きい場合には、端末装置１０は、推定速度を上限速度に置き換える。

以下、図１３を参照しながら推定処理を説明する。以下の説明では、推定部２６は、上限速度を推定するものとするが、推定部２６が推定する速度は上限速度に限られない。推定部２６が推定する速度は、移動体或いは端末装置１０の移動速度であってもよい。この場合、以下の説明の「上限速度」は適宜「移動速度」に置き換える。

まず、推定部２６は、加速度センサ１３から加速度を取得する（ステップＳ３１）。そして、推定部２６は、所定の期間の間に加速度センサ１３が測定した加速度の大きさの平均値を、端末座標系の軸方向ごとに算出する（ステップＳ３２）。その後、推定部２６は、ステップＳ３１で取得した加速度に基づいて、基準方向を特定する。例えば、推定部２６は、加速度の平均ベクトルから基準方向を特定する（ステップＳ３３）。そして、推定部２６は、端末座標系の所定の軸方向を基準方向に一致させる回転行列を算出する（ステップＳ３４）。そして、推定部２６は、算出した回転行列を用いて、端末座標系で取得された加速度の各成分を変換する（ステップＳ３５）。その後、推定部２６は、加速度ベクトルを算出する（ステップＳ３６）。例えば、推定部２６は、ステップＳ３１で取得した加速度に基づいて加速度ベクトルの大きさを算出する。そして、推定部２６は、ステップＳ３６で算出した加速度ベクトルの大きさに基づいて特徴量を算出する（ステップＳ３７）。ステップ３１〜ステップ３７の処理は限界値更新処理のステップＳ２１〜ステップＳ２７と同じである。

続いて、推定部２６は、ステップＳ３７で算出した特徴量と、限界値更新処理で取得した速度帯毎の限界値とに基づいて、速度を推定する（ステップＳ３８）。例えば、推定部２６は、速度帯毎の限界値の情報に基づき判別される速度であってステップＳ３７で算出した特徴量の値を限界値とする速度を上限速度として推定する。上述したように、速度帯毎の限界値は図５に示す限界値データベース１２ｄに格納されている。以下、図５を参照しながら、ステップＳ３８の処理の一例を説明する。

まず、推定部２６は、限界値が登録されている速度帯のうち最も大きなＩＤを変数id_Rに格納する。その後、推定部２６は、限界値が登録されている速度帯のうち次に大きなＩＤを変数id_Ｌに格納する。id_Ｌが見つからない場合は、推定部２６は、速度が推定できないとして推定処理を終了する。id_Ｌが見つかった場合、推定部２６は、変数id_Rが示す速度帯の限界値と変数id_Ｌが示す速度帯の限界値とをグラフにプロットする。グラフは、例えば図１１に示すような、縦軸を特徴量の大きさ、横軸を速度としたグラフである。限界値の横軸の位置は、限界値に紐付けられている速度帯の中央であってもよいし、限界値に紐付けられている代表速度の位置であってもよい。

そして、推定部２６は、プロットした２つの点を線で結ぶ。図１４は、グラフにプロットされた限界値が線で結ばれた様子を示す図である。より具体的には、図１４は、図１１に示したＰ１〜Ｐ１９を線で結んだものである。推定部２６は、プロットされた２つの点がなす線分と、ステップＳ３７で取得した特徴量の値を縦軸の値とした横一直線のラインと、が交わるか否かを判別する。例えば、プロットされた２つの点が図１４に示すＰ５とＰ４であり、ステップＳ３７で取得した特徴量が０．０３であるとする。図１４の例の場合、Ｐ５とＰ４を結んだ線分と０．０３を縦軸の値とした横一直線のラインＬ２とは交わっているので、推定部２６は、２つの線は交わると判別する。２つの線が交わる場合、推定部２６は、交点が示す速度（図１４の例であればＶ１）を上限速度として推定し、推定処理を終了する。

２つの線が交わらない場合、推定部２６は、変数id_Ｒに変数id_Ｌを代入する。そして、推定部２６は、限界値が登録されている速度帯のうち、変数id_Ｒが示すＩＤの次に大きなＩＤを変数id_Ｌに格納する。そして、推定部２６は、変数id_Rが示す速度帯の限界値と変数id_Ｌが示す速度帯の限界値とを再びグラフにプロットする。そして、推定部２６は、プロットされた２つの点がなす線分とステップＳ３７で取得した特徴量の値を縦軸の値とした横一直線のラインとが交わるか否か判別する。推定部２６は、上述の処理を交点が見つかるまで上述の処理を繰り返す。交点が見つかった場合、推定部２６は、交点が示す速度を上限速度として推定し、推定処理を終了する。交点が見つからない場合、推定部２６は、速度が推定できないとして推定処理を終了する。

なお、ステップＳ３７で算出した特徴量の値を限界値とする速度が複数存在する場合がある。図１５は、図１４とは別の例のグラフである。図１５の例では、図１４と同様に、グラフにプロットされた限界値が線で結ばれている。図１５の例では、０．０３を縦軸の値とした横一直線のラインＬ２と、限界値を結ぶ線分とが複数の点で交わっている。つまり、図１５の例では、ステップＳ３７で算出した特徴量の値が０．０３であるとすると、０．０３を限界値とする速度がＶ２、Ｖ３、Ｖ４、Ｖ５の４つ存在することになる。この場合、推定部２６は、上限速度が速度リミッターとして機能することを考慮し、複数の速度の中で最も高い速度を上限速度として選択してもよい。図１５の例であれば、推定部２６は、Ｖ２、Ｖ３、Ｖ４、Ｖ５の４つの速度のうち、最も高いＶ５を上限速度として推定してもよい。なお、推定部２６は、複数の速度のうち、最も低い速度を上限速度として推定してもよいし、複数の速度の中央値を上限速度としてもよい。また、推定部２６は、複数の速度の平均値を上限速度としてもよい。

〔３．数式の一例〕
次に、数式を用いて、変換部２３が端末座標系を推定座標系へと変換する回転行列を算出する処理の一例を説明する。なお、変換部２３が実行する処理は、以下の数式が示す処理に限定されるものではない。例えば、変換部２３は、一次変換を表現した数式を用いて、端末座標系から推定座標系への座標変換を行ってもよい。

例えば、端末座標系の各軸をｘｙｚ軸とし、推定座標系の各軸をＸＹＺ軸とする。係る場合、推定座標系を端末座標系へと変換する処理は、以下の式（１）で表される。なお、式（１）では、ｘ軸を中心とした回転角度をα、ｙ軸を中心とした回転角度をβ、ｚ軸を中心した回転角度をγとし、ｘ軸を中心とした回転による座標変換を行う回転行列をＲ_ｘ（α）、ｙ軸を中心とした回転による座標変換を行う回転行列をＲ_ｙ（β）、ｚ軸を中心とした回転による座標変換を行う回転行列をＲ_ｚ（γ）とした。

また、回転行列Ｒ_ｘ（α）、回転行列Ｒ_ｙ（β）、および回転行列Ｒ_ｚ（γ）（以下、総括して「各回転行列」と記載する場合がある。）は、以下の式（２）〜（４）で表すことができる。なお、推定座標系は、−ｘ軸方向が平均ベクトルＧの方向と一致すればよいため、αの値は、任意の値が設定可能となる。

ここで、平均ベクトルＧの方向は、−Ｘ軸方向の加速度であるから、推定座標系では、以下の式（５）で表すことができる。

一方、端末座標系で検出された各軸方向の平均ベクトルＧを（ａ_ｘ、ａ_ｙ、ａ_ｚ）と記載する。このような場合、ａ_ｘ、ａ_ｙ、ａ_ｚは、式（５）で示す平均ベクトルＧを各回転行列で変換した値となるので、以下の式（６）が成り立つ。

この結果、式（６）におけるｚ軸方向の値より、式（７）を得る。

また、平均ベクトルＧの大きさを考慮すると、式（８）が成り立つため、式（６）におけるｘ軸およびｙ軸方向の値から、式（９）を得る。この結果、端末装置１０は、式（７）および式（９）から、ｙ軸回りの回転角βを特定することができる。

ここで、式（９）に示す値のうち、正の値を解として選択する。すると、式（６）におけるｘ軸およびｙ軸方向の値から、式（１０）および式（１１）を得る。この結果、端末装置１０は、式（１０）および式（１１）からｚ軸まわりの回転角γを特定することができる。

一方、端末座標系を推定座標系へと変換する処理は、式（１）に示す座標変換の逆変換であるため、以下の式（１２）で表される。

また、βとγの値は式（７）、（９）、（１０）、（１１）から算出できるので、端末座標系の加速度のサンプルａ_ｘ、ａ_ｙ、ａ_ｚのうちｙ軸およびｚ軸のみを回転させ、推定座標系へと変換すると、式（１３）となる。すなわち、端末装置１０は、回転行列Ｒ_ｙ（β）、および回転行列Ｒ_ｚ（γ）を用いて、端末座標系を推定座標系へと変換する。

〔４．変形例〕
上述した実施形態に係る端末装置１０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の端末装置１０の他の実施形態について説明する。

〔４−１．特徴量について〕
上述の実施形態では、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の平均値（Average_hor）を特徴量として取得した。しかしながら、特徴量は必ずしもAverage_horでなくてもよい。例えば、端末装置１０は、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の標準偏差（以下、Stdev_horともいう。）を特徴量としてもよい。図１６は、基準方向に対して垂直な方向の加速度に基づく特徴量（Stdev_hor）をプロットした散布図である。より具体的には、図１６は、基準方向に垂直な方向の加速度の大きさ「ａ＿ｈｏｒ」の１秒間の標準偏差を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図１６を見ればわかるように、ある一定のラインより下には特徴量が略存在していない。すなわち、特徴量（Stdev_hor）も、Average_horと同様に、特徴量の限界値（下限値）が存在していることが分かる。特徴量をStdev_horとしても、端末装置１０は、上述のAverage_horに基づく処理（限界値更新処理、限界値抽出処理、及び推定処理）と同様の手法で速度を推定可能である。

また、端末装置１０は、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の最大値（以下、Max_horともいう。）を特徴量としてもよい。図１７は、基準方向に対して垂直な方向の加速度に基づく特徴量（Max_hor）をプロットした散布図である。より具体的には、図１７は、基準方向に垂直な方向の加速度の大きさ「ａ＿ｈｏｒ」の１秒間の最大値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図１７を見ればわかるように、ある一定のラインより下には特徴量が略存在していない。すなわち、特徴量（Max_hor）も、Average_horと同様に、特徴量の限界値（下限値）が存在していることが分かる。特徴量をMax_horとしても、端末装置１０は、上述のAverage_horに基づく処理（限界値更新処理、限界値抽出処理、及び推定処理）と同様の手法で速度を推定可能である。

また、端末装置１０は、基準方向の加速度の大きさに基づく値を特徴量としてもよい。例えば、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の標準偏差（以下、Stdev_verともいう。）を特徴量として算出してもよい。図１８は、基準方向の加速度に基づく特徴量（Stdev_ver）をプロットした散布図である。より具体的には、図１８は、基準方向の加速度の大きさ「ａ＿ｖｅｒ」の１秒間の標準偏差を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図１８を見ればわかるように、ある一定のラインより下には特徴量が略存在していない。すなわち、特徴量（Stdev_ver）も、Average_horと同様に、特徴量の限界値（下限値）が存在していることが分かる。特徴量をStdev_verとしても、端末装置１０は、上述のAverage_horに基づく処理（限界値更新処理、限界値抽出処理、及び推定処理）と同様の手法で速度を推定可能である。

また、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の最大値（以下、Max_verともいう。）を特徴量として算出してもよい。図１９は、基準方向の加速度に基づく特徴量（Max_ver）をプロットした散布図である。より具体的には、図１９は、基準方向の加速度の大きさ「ａ＿ｖｅｒ」の１秒間の最大値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図１９を見ればわかるように、ある一定のラインより下には特徴量が略存在していない。すなわち、特徴量（Max_ver）も、Average_horと同様に、特徴量に限界値（下限値）が存在していることが分かる。特徴量をMax_verとしても、端末装置１０は、上述のAverage_horに基づく処理（限界値更新処理、限界値抽出処理、及び推定処理）と同様の手法で速度を推定可能である。

また、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の最小値（以下、Min_verともいう。）を特徴量として算出してもよい。図２０は、基準方向の加速度に基づく特徴量（Min_ver）をプロットした散布図である。より具体的には、図２０は、基準方向の加速度の大きさ「ａ＿ｖｅｒ」の１秒間の最小値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図２０を見ればわかるように、ある一定のラインより上には特徴量が略存在していない。特徴量（Min_ver）の場合、特徴量に限界値（上限値）が存在していることが分かる。特徴量をMin_verとしても、端末装置１０は、上述のAverage_horに基づく処理（限界値更新処理、限界値抽出処理、及び推定処理）と同様の手法で速度を推定可能である。なお、特徴量をMin_verとする場合、限界値は下限値ではなく上限値となる。そのため、上述の処理の説明の「下限値」は「上限値」と、「最小」を「最大」と、「小さな」は「大きな」と、「小さい」は「大きい」と、適宜読み替える必要がある。

なお、比較のため、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の最小値（以下、Min_horともいう。）を特徴量とした例も示す。図２１は、基準方向に対して垂直な方向の加速度に基づく特徴量（Min_hor）をプロットした散布図である。より具体的には、図２１は、基準方向に垂直な方向の加速度の大きさ「ａ＿ｈｏｒ」の１秒間の最小値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図２１の例の場合、特徴量にライン状の限界値は見て取れない。

なお、比較のため、基準方向の加速度の大きさの所定期間或いは所定回数の平均値（以下、Average_verともいう。）を特徴量とした例も示す。図２２は、基準方向の加速度に基づく特徴量（Average_ver）をプロットした散布図である。より具体的には、図２２は、基準方向の加速度の大きさ「ａ＿ｖｅｒ」の１秒間の平均値を特徴量としてプロットした散布図である。１秒間の加速度の取得回数は５０回程度である。横軸が速度であり、縦軸が特徴量の大きさである。図２２の例の場合も、特徴量にライン状の限界値は見て取れない。

〔４−２．推定結果を使用する速度範囲について〕
上述の実施形態では、推定部２６が推定する速度の範囲は限定がなかったが、推定部２６が推定する速度の範囲は一部の範囲であってもよい。図９を参照して説明したように、特徴量（Average_hor）の限界値（下限地）は低速域（例えば、時速０ｋｍ〜４０ｋｍの範囲）で線形性を示している。この特徴は、図１６〜図２０を見ればわかるように、他の特徴量（Stdev_hor、Max_hor、Stdev_ver、Max_ver、及びMin_ver）についても同様である。そこで、推定部２６は、推定部２６が推定する速度の範囲を所定の閾値速度以下に限定してもよい。

例えば、端末装置１０が、図１３に示す推定処理とは別に速度推定処理を実行したとする。推定部２６は、推定処理で推定した上限速度が所定の閾値速度より低い場合は、速度推定処理で推定された推定速度を上限速度で制限し、上限速度が所定の閾値速度より高い場合は、推定速度を前記上限速度で制限しない。

上述の実施形態では、推定部２６は、所定の特徴量の値を限界値とする速度が複数存在する場合には、複数の速度のうち、最も高い速度を前記所定の特徴量における速度として推定した。しかし、推定部２６は、複数の速度のうち、所定の閾値速度より低い速度の中で最も高い速度を前記所定の特徴量における速度として推定してもよい。なお、推定部２６は、所定の閾値速度より低い速度の中で最も低い速度を上限速度として推定してもよいし、所定の閾値速度より低い複数の速度の中央値を上限速度としてもよい。また、推定部２６は、所定の閾値速度より低い複数の速度の平均値を上限速度としてもよい。

なお、所定の閾値速度は時速４０ｋｍ以下の速度から選択される速度であってもよい。より、精度の高い推定を可能とするため、所定の閾値速度は時速３０ｋｍ以下の速度から選択される速度であってもよい。勿論、所定の閾値速度は、時速２０ｋｍ以下の速度から選択される速度であってもよいし、時速１０ｋｍ以下の速度から選択される速度であってもよい。

〔４−３．処理間隔について〕
また、上述の実施形態では、端末装置１０は、１秒間隔で、限界値更新処理や推定処理やを実行した。しかしながら、処理の実行間隔は、これに限定されるものではなく、任意のタイミングで限界値更新処理や推定処理を実行してもよい。

〔４−４．姿勢変化について〕
また、端末装置１０は、端末装置１０の姿勢を特定してもよい。例えば、一定期間内の加速度を平均した場合には、その平均ベクトルＧの方向は、重力加速度の方向と一致する。そこで、端末装置１０は、例えば、アプリケーションを起動してからそれまでに測定された全ての加速度の平均ベクトル方向と、直近１秒間の間に検出された加速度の平均ベクトルの方向とを比較し、角度で３７度以上の開きがあった場合（すなわち、各平均ベクトルの間の角度のコサイン値が０．８より小さくなった場合）には、端末装置１０の姿勢に変化があったと判定してもよい。

このような姿勢変化があったと判定した場合、端末装置１０は、速度帯データベース１２ｃや限界値データベース１２ｄに登録されたデータや、モデル１２ｅに登録されたデータを消去し、新たなデータの収集や限界値、モデルの学習を行ってもよい。この結果、端末装置１０は、姿勢変化が生じた場合における推定精度の悪化を軽減することができる。

〔４−５．他の実施形態〕
なお、上記実施形態は例示に過ぎず、本発明は、以下に例示するものやそれ以外の他の実施態様も含むものである。例えば、本出願における機能構成、データ構造、フローチャートに示す処理の順序や内容などは例示に過ぎず、各要素の有無、その配置や処理実行などの順序、具体的内容などは適宜変更可能である。例えば、上述した案内処理や推定処理は、上記実施形態で例示したように端末装置１０が実現する以外にも、スマートフォンのアプリなどが実現する端末における装置、方法やプログラムとして実現することもできる。

また、図示した装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、端末装置１０を構成する各処理部（案内実行部１７〜移動状態推定部２０）を、さらにそれぞれ独立した装置で実現してもよい。また、移動状態推定部２０を構成する各部（検出部２１〜予測部２８）をそれぞれ独立した装置で実現してもよい。同様に、外部のプラットフォーム等をＡＰＩ（アプリケーション・プログラム・インタフェース）やネットワークコンピューティング（いわゆるクラウドなど）で呼び出すことで、上記実施形態で示した各手段を実現するなど、本発明の構成は柔軟に変更できる。さらに、本発明に関する手段などの各要素は、コンピュータの演算制御部に限らず物理的な電子回路など他の情報処理機構で実現してもよい。

例えば、端末装置１０は、端末装置１０と通信可能な配信サーバとが協調して上述した案内処理を実行してもよい。例えば、配信サーバは、検出部２１、設定部２２、変換部２３、取得部２４、判別部２５、生成部２７を有し、端末装置１０が検出した加速度から、特徴量を収集し、収集した特徴量を用いたモデルの学習を行い、学習したモデルを端末装置１０へと配信してもよい。また、このような配信サーバは、学習データを収集した端末装置ごとに各モデルの学習を行ってもよく、学習データを収集した際に端末装置１０が設置されていた車両の車種、タイヤの種別、路面や天気の状況などの状態ごとに、各モデルの学習を行ってもよい。このような学習を行った場合、配信サーバは、学習したモデルのうち、端末装置１０が推定処理を実行する際の状況に応じたモデルを、端末装置１０へと配信してもよい。

また、配信サーバは、検出部２１、設定部２２、変換部２３、取得部２４、推定部２６を有し、端末装置１０が検出した加速度の値に基づいて、推定した移動速度を端末装置１０に配信し、利用者の案内を実行させてもよい。また、配信サーバは、端末装置１０に代わって上述した推定処理を実行し、実行結果を端末装置１０に送信することで、端末装置１０に案内処理を実行させてもよい。

なお、配信サーバと協調して案内処理や推定処理を実行する端末装置が複数存在する場合、配信サーバは、端末装置ごとに異なるＳＶＭを用いて、各端末装置が移動中であるか否かを判定してもよい。また、配信サーバは、各端末装置がＧＰＳで取得した位置情報を収集し、収集した位置情報から各端末装置が移動中であるか否かを判定し、判定結果と、各端末装置から収集した加速度の値とを用いて、ＳＶＭの学習を実現してもよい。

また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

上記してきた各実施形態は、処理内容を矛盾させない領域で適宜組み合わせることが可能である。

その他、本実施形態の端末装置１０を制御する制御装置は、専用のコンピュータシステムによって実現してもよいし、通常のコンピュータシステムにより実現してもよい。例えば、上述の動作を実行するためのプログラムまたはデータ（例えば、モデル１２ｅ）を、光ディスク、半導体メモリ、磁気テープ、フレキシブルディスク等のコンピュータ読み取り可能な記録媒体に格納して配布し、該プログラムまたはデータをコンピュータにインストールし、上述の処理を実行することによって制御装置を構成してもよい。制御装置は、端末装置１０の外部の装置（例えば、パーソナルコンピュータ）であってもよいし、内部の装置（例えば、制御部１６）であってもよい。また、上記プログラムまたはデータをインターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、ＯＳ（Operating System）とアプリケーションソフトとの協働により実現してもよい。この場合には、ＯＳ以外の部分を媒体に格納して配布してもよいし、ＯＳ以外の部分をサーバ装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。

〔５．ハードウェア構成〕
実施形態及び変形例に係る端末装置１０は、例えば図２３に示すような構成のコンピュータ１０００によっても実現可能である。図２３は、端末装置１０の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ（Central Processing Unit）１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インタフェース（Ｉ／Ｆ）１５００、入出力インタフェース（Ｉ／Ｆ）１６００、及びメディアインタフェース（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インタフェース１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インタフェース１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インタフェース１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インタフェース１６００を介して出力装置へ出力する。

メディアインタフェース１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインタフェース１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る端末装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムまたはデータ（例えば、モデル１２ｅ）を実行することにより、制御部１６の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムまたはデータ（例えば、モデル１２ｅ）を記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

〔６．効果〕
上述したように、端末装置１０は、加速度を検出し、加速度に基づいた特徴量を取得する。そして、端末装置１０は、特徴量の限界値に基づいて速度を推定する。限界値によって速度を推定しているので、ＧＰＳ等による位置情報を取得できないときも、端末装置１０は、精度の高い速度情報を取得できる。

また、端末装置１０は、速度帯と紐付けられた特徴量の情報に基づいて測定した速度帯における限界値を判別する。そして、端末装置１０は、速度帯毎の限界値の情報に基づいて、取得した特徴量における速度を推定する。例えば、端末装置１０は、速度帯毎の限界値の情報に基づき判別される速度であって取得した特徴量の値を限界値とする速度を、取得した特徴量における速度として推定する。速度帯毎の限界値によって速度を推定しているので、ＧＰＳ等による位置情報を取得できないときも、端末装置１０は、精度の高い速度情報を取得できる。

また、端末装置１０は、取得した特徴量の値を限界値とする速度が複数存在する場合には、複数の速度のうち最も高い速度を取得した特徴量における速度として推定する。また、端末装置１０は、取得した特徴量の値を限界値とする速度が複数存在する場合には、複数の速度のうち、所定の閾値速度より低い速度の中で最も高い速度を取得した特徴量における速度として推定する。推定された速度を上限速度として使用する場合には、端末装置１０は、より緩やかに推定速度を制限できる。

また、端末装置１０は、取得した特徴量における速度を上限速度として推定する。このとき、端末装置１０は、上限速度が所定の閾値速度より低い場合は、推定速度を上限速度で制限し、上限速度が所定の閾値速度より高い場合は、推定速度を上限速度で制限しなくてもよい。なお、所定の閾値速度は、時速２０ｋｍから時速４０ｋｍの範囲の速度であってもよい。端末装置１０は、推定速度を上限速度で制限することにより、推定速度の精度を高めることができる。

また、端末装置１０は、測位信号により判別される位置情報に基づく速度帯と特徴量とを紐付ける。そして、端末装置１０は、測位信号に基づく位置情報が取得できないときに取得部２４で取得された特徴量を取得した特徴量として速度を推定する。端末装置１０は、測位信号による位置情報を取得できないときも、精度の高い速度情報を取得できる。

また、端末装置１０は、加速度の基準方向を設定する。そして、端末装置１０は、基準方向の加速度に基づく値、若しくは基準方向に対して垂直な方向の加速度に基づく値を特徴量として取得する。例えば、端末装置１０は、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の平均値、標準偏差、及び最大値の少なくとも１つを特徴量として取得する。或いは、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の標準偏差、最大値、及び最小値の少なくとも１つを特徴量として取得する。これらの値を特徴量とした場合、限界値が判別しやすいので、端末装置１０は、精度の高い速度推定ができる。

また、端末装置１０は、検出部２１により検出された加速度に基づいて基準方向を設定する。例えば、端末装置１０は、検出部２１により検出された加速度の平均ベクトルの方向を基準方向として設定する。基準方向を設定することにより、端末装置１０は、移動体に対して姿勢変化が可能であっても、精度の高い速度推定ができる。

また、端末装置１０は、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の平均値、標準偏差、若しくは最大値を特徴量として取得する。そして、端末装置１０は、速度帯と紐付けられた特徴量に基づいて所定の速度帯における特徴量の下限値を判別する。そして、端末装置１０は、速度帯毎の下限値の情報に基づき判別される速度であって取得した特徴量の値を下限値とする速度を、取得した特徴量における速度として推定する。これにより、端末装置１０は、精度の高い速度推定ができる。

また、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の標準偏差、若しくは最大値を特徴量として取得する。そして、端末装置１０は、速度帯と紐付けられた特徴量に基づいて所定の速度帯における特徴量の下限値を判別する。そして、端末装置１０は、速度帯毎の下限値の情報に基づき判別される速度であって取得した特徴量の値を下限値とする速度を、取得した特徴量における速度として推定する。これにより、端末装置１０は、精度の高い速度推定ができる。

また、端末装置１０は、基準方向の加速度の大きさの所定期間或いは所定回数の最小値を特徴量として取得する。そして、端末装置１０は、速度帯と紐付けられた特徴量に基づいて所定の速度帯における特徴量の上限値を判別する。そして、端末装置１０は、速度帯毎の上限値の情報に基づき判別される速度であって取得した特徴量の値を上限値とする速度を、取得した特徴量における速度として推定する。これにより、端末装置１０は、精度の高い速度推定ができる。

なお、基準方向は、重力方向、或いは、端末装置１０により検出された加速度の平均ベクトルの方向であってもよい。これにより、端末装置１０は、精度の高い速度推定ができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、移動状態推定部は、移動状態判定手段や移動状態判定回路に読み替えることができる。

１０ 端末装置
１１ 通信部
１２ 記憶部
１２ａ 案内情報データベース
１２ｂ 特徴量データベース
１２ｃ 速度帯データベース
１２ｄ 限界値データベース
１２ｅ モデル
１３、１３ａ、１３ｂ、１３ｃ 加速度センサ
１４ アンテナ
１５ 出力部
１６ 制御部
１７ 案内実行部
１８ 音声出力部
１９ 画像出力部
２０ 移動状態推定部
２１ 検出部
２２ 設定部
２３ 変換部
２４ 取得部
２５ 判別部
２６ 推定部
２７ 生成部
２８ 予測部

Claims (19)

1. 加速度を検出する検出部と、
   前記加速度に基づいた特徴量を取得する取得部と、
   速度帯と紐付けられた特徴量の情報に基づいて測定した速度帯における前記特徴量の限界値を判別する判別部と、
   速度帯毎の前記限界値の情報に基づいて、取得した特徴量における速度を推定する推定部と、を備える、
   ことを特徴とする推定装置。
2. 前記推定部は、速度帯毎の前記限界値の情報に基づき判別される速度であって前記取得した特徴量の値を限界値とする速度を、前記取得した特徴量における速度として推定する、
   ことを特徴とする請求項１に記載の推定装置。
3. 前記推定部は、前記取得した特徴量の値を限界値とする速度が複数存在する場合には、複数の速度のうち最も高い速度を前記取得した特徴量における速度として推定する、
   ことを特徴とする請求項２に記載の推定装置。
4. 前記推定部は、前記取得した特徴量の値を限界値とする速度が複数存在する場合には、複数の速度のうち、所定の閾値速度より低い速度の中で最も高い速度を前記取得した特徴量における速度として推定する、
   ことを特徴とする請求項２に記載の推定装置。
5. 前記推定部は、前記取得した特徴量における速度を上限速度として推定する、
   ことを特徴とする請求項１〜４のいずれか１項に記載の推定装置。
6. 前記推定部は、前記上限速度が所定の閾値速度より低い場合は、推定速度を前記上限速度で制限し、前記上限速度が所定の閾値速度より高い場合は、推定速度を前記上限速度で制限しない、
   ことを特徴とする請求項５に記載の推定装置。
7. 前記所定の閾値速度は、時速４０ｋｍ以下の速度から選択される速度である、
   ことを特徴とする請求項４又は６に記載の推定装置。
8. 測位信号により判別される位置情報に基づく速度帯と前記特徴量とを紐付ける紐付部、を備え、
   前記推定部は、前記測位信号に基づく位置情報が取得できないときに前記取得部で取得された特徴量を前記取得した特徴量として速度を推定する、
   ことを特徴とする請求項１〜７のいずれか１項に記載の推定装置。
9. 加速度の基準方向を設定する設定部、を備え、
   前記取得部は、前記基準方向の加速度に基づく値、若しくは前記基準方向に対して垂直な方向の加速度に基づく値を前記特徴量として取得する、
   ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
10. 前記取得部は、前記基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の平均値、標準偏差、及び最大値の少なくとも１つを前記特徴量として取得する、
    ことを特徴とする請求項９に記載の推定装置。
11. 前記取得部は、前記基準方向の加速度の大きさの所定期間或いは所定回数の標準偏差、最大値、及び最小値の少なくとも１つを前記特徴量として取得する、
    ことを特徴とする請求項９に記載の推定装置。
12. 前記設定部は、前記検出部により検出された加速度に基づいて基準方向を設定する、
    ことを特徴とする請求項９〜１１のいずれか１項に記載の推定装置。
13. 前記設定部は、前記検出部により検出された加速度の平均ベクトルの方向を前記基準方向として設定する、
    ことを特徴とする請求項１２に記載の推定装置。
14. 前記取得部は、基準方向に対して垂直な方向の加速度の大きさの所定期間或いは所定回数の平均値、標準偏差、若しくは最大値を前記特徴量として取得し、
    前記判別部は、速度帯と紐付けられた前記特徴量に基づいて所定の速度帯における特徴量の下限値を判別し、
    前記推定部は、速度帯毎の前記下限値の情報に基づき判別される速度であって前記取得した特徴量の値を下限値とする速度を、前記取得した特徴量における速度として推定する、
    ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
15. 前記取得部は、基準方向の加速度の大きさの所定期間或いは所定回数の標準偏差、若しくは最大値を前記特徴量として取得し、
    前記判別部は、速度帯と紐付けられた前記特徴量に基づいて所定の速度帯における特徴量の下限値を判別し、
    前記推定部は、速度帯毎の前記下限値の情報に基づき判別される速度であって前記取得した特徴量の値を下限値とする速度を、前記取得した特徴量における速度として推定する、
    ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
16. 前記取得部は、基準方向の加速度の大きさの所定期間或いは所定回数の最小値を前記特徴量として取得し、
    前記判別部は、速度帯と紐付けられた前記特徴量に基づいて所定の速度帯における特徴量の上限値を判別し、
    前記推定部は、速度帯毎の前記上限値の情報に基づき判別される速度であって前記取得した特徴量の値を上限値とする速度を、前記取得した特徴量における速度として推定する、
    ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
17. 前記基準方向は、重力方向、或いは、前記検出部により検出された加速度の平均ベクトルの方向である、
    ことを特徴とする請求項１４〜１６のいずれか１項に記載の推定装置。
18. 推定装置が実行する推定方法であって、
    加速度を検出する検出工程と、
    前記加速度に基づいた特徴量を取得する取得工程と、
    速度帯と紐付けられた特徴量の情報に基づいて測定した速度帯における前記特徴量の限界値を判別する判別工程と、
    速度帯毎の前記限界値の情報に基づいて、取得した特徴量における速度を推定する推定工程と、を含む、
    ことを特徴とする推定方法。
19. 加速度を検出する検出手順と、
    加速度を検出する検出手順と、
    前記加速度に基づいた特徴量を取得する取得手順と、
    速度帯と紐付けられた特徴量の情報に基づいて測定した速度帯における前記特徴量の限界値を判別する判別手順と、
    速度帯毎の前記限界値の情報に基づいて、取得した特徴量における速度を推定する推定手順と、
    をコンピュータに実行させるための推定プログラム。
    

Images