JP6332287B2 - 経路予測装置および経路予測方法 - Google Patents

Description

本発明は、車両の走行経路を予測する装置に関する。

様々な情報を用いて、車両の走行経路を予測する技術が知られている。車両の走行経路を事前に予測することで、当該走行経路に関する様々な情報を収集し、ドライバーに提供できるようになる。

これに関連する技術として、例えば、特許文献１には、車両の現在位置と、過去に当該車両から送信した位置情報に基づいて、道路ごとの通過確率を判定し、車両の走行経路を予測する技術が開示されている。
また、特許文献２には、ドライバーの過去の走行履歴とアンケート調査結果に基づいて、対象ドライバーと傾向が似ているドライバーの走行履歴を抽出し、抽出した走行履歴を用いて車両の走行経路を予測する技術が開示されている。

特開２０１０−２６７０００号公報 特開２０１０−００８２８４号公報 特開２００９−２７０８７７号公報

J.Froehlich et al., "Route Prediction from Trip Observation", SAE2008

特許文献１に記載の装置は、自己の走行履歴に基づいて経路の予測を行うため、精度よく経路を予測することができる。しかし、自己の走行履歴に基づいて予測を行う場合、一度も訪問したことがないエリアにおいて経路予測を行うことができない。
一方、特許文献２に記載の装置では、他のドライバーの走行履歴を用いて経路予測を行うことができる。しかし、自宅の近隣エリアなど、自己の走行履歴が十分にある場合であっても、当該履歴を利用することができないため、経路予測の精度が落ちてしまう。

これらの問題を解決するためには、自己の走行履歴が十分に蓄積されているエリアでは自己の走行履歴を用い、自己の走行履歴が十分に蓄積されていないエリアでは他人の走行履歴を用いるといった使い分けを行う必要がある。

本発明は上記の課題を考慮してなされたものであり、経路予測における精度を向上させることを目的とする。

本発明に係る経路予測装置は、
第一の車両の現在位置に基づいて、前記第一の車両の走行経路を予測する経路予測装置であって、前記第一の車両を含む複数の車両から収集した情報に基づいて、それぞれの車両が走行した経路に関連付いた情報である走行経路情報を生成し記憶する記憶手段と、前記第一の車両の現在位置である第一の位置を取得する位置情報取得手段と、前記記憶手段
に記憶された走行経路情報のうち、前記第一の車両の経路を表す第一の経路情報と、前記第一の車両以外の車両である第二の車両の経路を表す第二の経路情報と、の少なくともいずれかを用いて、前記第一の車両の走行経路を予測する経路予測手段と、を有し、前記経路予測手段は、走行経路を予測する際に用いる、前記第一の経路情報の利用割合を、前記第一の位置における、前記第一の車両の過去の走行実績に基づいて決定することを特徴とする。

第一の車両とは、走行経路を予測する対象の車両であり、第二の車両とは、第一の車両以外の車両である。また、記憶手段は、第一および第二の車両から収集した情報に基づいて、過去に車両が走行した経路に関する情報（走行経路情報）を記憶する手段である。走行経路情報は、典型的には、道路ネットワークに対応するノードやリンクの列によって表されるが、車両が走行した経路に関するものであれば、これに限られない。

経路予測手段は、走行経路情報のうち、第一の車両の経路を表す情報（第一の経路情報）と、第二の車両の経路を表す情報（第二の経路情報）の少なくともいずれかを用いて、第一の車両の走行経路を予測する。
走行経路を精度よく予測するためには、過去に自車両が走行した経路に関する情報（すなわち第一の経路情報）を用いることが好ましい。しかし、第一の車両が、自車両が過去に走行したことがないエリア（または、走行回数が少なく、十分な情報が蓄積されていないエリア）にいる場合、他車両の情報（すなわち第二の経路情報）を利用したほうが精度のよい予測結果が得られる場合がある。そこで、本発明に係る経路予測装置は、第一の車両の現在位置における、当該車両の過去の走行実績に基づいて、第一の経路情報と、第二の経路情報の利用割合を決定する。
これにより、例えば、走行実績が乏しいエリアに自車両がいる場合は、他車両の経路情報のみを用いて予測を行い、走行実績が十分にあるエリアに自車両がいる場合は、自車両の経路情報のみを用いて予測を行うといったことが可能になる。もちろん、走行実績に基づいて、双方の混合比率を決定してもよい。

また、前記記憶手段は、複数の局所領域における前記第一の車両の走行回数を記憶しており、前記経路予測手段は、前記第一の位置に対応する局所領域における、前記第一の車両の走行回数に基づいて、前記第一の経路情報の利用割合を決定することを特徴としてもよい。

例えば、記憶手段が、グリッドで分割されたエリア単位で第一の車両の走行回数を記憶してもよいし、道路に対応するリンクや区間単位で第一の車両の走行回数を記憶してもよい。このように、局所領域は、第一の位置と、車両の走行回数を対応付けることができれば、どのような単位であってもよい。

また、前記経路予測手段は、前記複数の局所領域における、前記第一の車両の過去の走行回数の多さに基づいて、前記複数の局所領域にスコアを与える第一の手段と、前記スコアを用いて走行経路を予測する第二の手段とからなることを特徴としてもよい。

経路の予測をする際は、局所領域に対して、第一の車両の過去の走行回数に応じたスコアを与え、当該スコアを用いて走行経路を予測してもよい。例えば、第一の車両が、スコアが高い領域にいるほど、第一の経路情報をより多く利用するようにしてもよい。

また、前記第一の手段は、前記複数の局所領域を、所定の閾値未満のスコアを持つ第一のエリアと、所定の閾値以上のスコアを持つ第二のエリアに分割し、前記第二の手段は、前記第一の位置が第二のエリアに含まれる場合に、前記第二の経路情報を用いずに走行経路を予測することを特徴としてもよい。

このように、走行実績に応じてエリアを二つに分割してもよい。すなわち、第一のエリアが、十分な走行実績が無いエリアであり、第二のエリアが、十分な走行実績があるエリアである。局所領域をこのように分割した場合、第二のエリアについては、第一の経路情報のみを用いて予測を行うようにすることで、より精度の良い予測結果を得ることができる。

また、前記第一の手段は、前記複数の局所領域を分割した後で、前記第二のエリアの面積を拡張することを特徴としてもよい。

局所領域単位でエリアを分割した場合、走行実績があるエリアに囲まれる形で、走行実績が無いエリアが点在してしまう場合がある。例えば、あるエリアにおいて走行実績が無い場合であっても、近傍のエリアにおいて走行実績がある場合、走行実績があるものとみなして処理を行うことが好ましい場合がある。
拡張は、例えば、局所領域がグリッドである場合、四方（または八方）に隣接するマスまで拡張してもよいし、局所領域が道路リンク（区間）である場合、隣接するリンク（区間）について、所定の数だけ拡張してもよい。また、拡張する範囲は、一マス（一リンクまたは一区間）以上であってもよい。

また、前記第二の手段は、前記第一の位置に対応する局所領域のスコアが高いほど、前記第一の経路情報の利用率を高くすることを特徴としてもよい。

また、前記走行経路情報は、リンクによって構成された道路ネットワークにおいて、車両が流出したリンクである流出元リンクと、車両が流入したリンクである流入先リンクと、前記流出元リンクから流入先リンクに遷移した車両の台数とを、リンクが分岐している箇所ごとに記録した情報であり、前記第二の手段は、リンク間の車両の遷移台数に基づいて、一つ以上の走行経路を予測することを特徴としてもよい。

例えば、交差点にて四本のリンクが接合している場合、あるリンクから流出してきて、残りの三つのリンクに流入した車両の台数をそれぞれ記録する。このような情報を用いると、分岐において遷移する確率が最も高いリンクを決定することができ、経路の予測に利用することができる。なお、予測する走行経路は必ずしも一つである必要はない。

また、前記第二の手段は、リンクが分岐している箇所において、前記リンク間の車両の遷移台数に基づいて、車両が遷移する確率を流入先リンクごとに算出し、確率が最も高いリンクを前記第一の位置から順に辿ることで走行経路を予測することを特徴としてもよい。

このように、分岐が生じるごとに、次に走行する確率の高いリンクを決定しながらリンクを辿ることで、予測経路を生成することができる。

また、前記第二の手段は、算出した複数の確率のばらつきに基づいて、該当するリンクから先における予測経路を分岐させるか否かを決定することを特徴としてもよい。

リンクごとの遷移確率のばらつきが低い場合、似たような値の確率が複数のリンクに関連づいており、高い確度を持ってその先の経路が予測できないことを意味する。よって、このような場合、予測経路を分岐させる（すなわち、予測経路を複数個に増やす）ようにしてもよい。

なお、本発明は、上記手段の少なくとも一部を含む経路予測装置として特定することが
できる。また、前記経路予測装置が行う経路予測方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、経路予測における精度を向上させることができる。

第一の実施形態に係る経路予測システムのシステム構成図である。 道路同士の接続関係をリンクとノードによって表した例である。 走行履歴テーブルの例である。 走行経路情報の例である。 複数の車両が走行した経路を例示した図である。 第一のフェーズで実行する処理を示したフローチャート図である。 第二のフェーズで実行する処理を示したフローチャート図である。 生活圏の判定方法を説明する図である。 生活圏の判定方法を説明する図である。 第一の実施形態における進行方向の予測を説明する図である。 第二の実施形態における進行方向の予測を説明する図である。

（第一の実施形態）
<システム構成>
以下、本発明の好ましい実施形態について図面を参照しながら説明する。
第一の実施形態に係る経路予測システムは、複数の車両が過去に走行した経路に関する情報を記憶し、ある車両（以下、予測対象車両）からリクエストを受けた場合に、当該車両の現在位置に基づいて、当該車両がこれから走行する経路を予測するシステムである。

図１は、本実施形態に係る経路予測システムのシステム構成図である。
本実施形態に係る経路予測システムは、経路予測装置１０と車載端末２０から構成される。
また、本実施形態に係る経路予測システムは、（１）経路予測装置１０が複数の車載端末２０から周期的に現在位置を収集し、収集した現在位置に基づいて、車両の走行経路に関する情報（以下、走行経路情報）を生成して蓄積する第一のフェーズと、（２）経路予測装置１０が予測対象車両（車載端末２０）から現在位置を取得し、走行経路を予測して予測結果を返信する第二のフェーズを実行する。

まず、経路予測装置１０について説明する。経路予測装置１０は、通信部１１、記憶部１２、経路情報収集部１３，経路予測部１４から構成される。
通信部１１は、通信回線（例えば携帯電話網）を介してネットワークにアクセスすることで、車載端末２０との通信を行う手段である。

記憶部１２は、装置の動作に必要な情報を記憶する手段である。本実施形態では、記憶部１２は、（１）地図情報、（２）走行履歴情報、（３）走行経路情報の三つを記憶する。
各データについて説明する。
地図情報とは、車両が走行できる道路の情報が定義された道路地図データであり、本実施形態では、道路同士の接続関係をリンクとノードによって表現したデータである。図２は、道路同士の接続関係をリンクとノードによって表した例である。なお、本実施形態では、同じ道路であっても、進行方向によってリンクに異なる識別子を付与するものとする
（図２では片方向のみを例示）。

走行履歴情報とは、車両から収集した位置情報の履歴である。本実施形態では、図３に示したようなテーブル形式で、車両ＩＤ、取得日時、位置情報を管理する。なお、位置情報は、車両の走行位置を特定することができれば、どのような形式であってもよい。例えば、ＧＰＳ座標（緯度および経度）やハッシュ値、道路に対応するリンクのＩＤなどであってもよい。図３の例では、位置情報としてリンクのＩＤを用いている。

走行経路情報とは、複数の車両の過去の走行における経路に関する情報であり、本実施形態では、図４に示したように、分岐が発生するノードにて、車両がどのリンクに進行したかを台数別に記録したデータである。
例えば、図２に示したネットワークにおいて、三台の車両が図５のような経路でそれぞれ走行したとする（点線は同一ノードの範囲を示す）。ここで、リンクＬ２（テーブル２）に着目すると、全ての車両がリンクＬ３へ流入していることがわかる。また、リンクＬ６（テーブル６）に着目すると、一台がリンクＬ３へ、一台がリンクＬ７へ流入していることがわかる。走行経路情報は、走行履歴情報に基づいて生成される。

経路情報収集部１３は、複数の車載端末２０から収集した走行履歴情報に基づいて、当該複数の車両に対応する走行経路情報を生成ないし更新する手段である。具体的には、対象の車両から位置情報を周期的に収集し、記憶部１２に記憶された地図情報と照らしあわせて、車両が存在するリンクを特定し、リンク間の移動を時系列で取得したのちに、前述した走行履歴情報にレコードを追加する処理を行う。
なお、走行履歴情報への反映は、トリップ単位で行われる。トリップとは、車両が走行を開始してから終了するまでの単位である。トリップは、例えば、エンジンをかけてからエンジンが停止するまでであってもよいし、移動を開始してから停車後所定の時間が経過するまでであってもよい。

経路予測部１４は、予測対象車両から取得した現在位置と、記憶部１２に記憶された情報に基づいて、予測対象車両がこれから走行する経路を予測する手段である。具体的な処理内容については後述する。

次に、車載端末２０について説明する。
車載端末２０は、車両に搭載され、経路予測装置１０と通信を行う端末である。

通信部２１は、通信回線を介してネットワークにアクセスすることで、経路予測装置１０との通信を行う手段である。使用するプロトコルおよび通信方式は、通信部１１と同じものを用いればよい。
位置情報取得部２２は、装置に備えられたＧＰＳモジュール（不図示）から、車載端末２０の現在位置（緯度および経度）を取得する手段である。
入出力部２３は、利用者が行った入力操作を受け付け、利用者に対して情報を提示する手段である。本実施形態では一つのタッチパネルディスプレイからなる。すなわち、液晶ディスプレイとその制御手段、タッチパネルとその制御手段から構成される。

経路予測装置１０および車載端末２０は、いずれもＣＰＵ、主記憶装置、補助記憶装置を有する情報処理装置として構成することができる。補助記憶装置に記憶されたプログラムが主記憶装置にロードされ、ＣＰＵによって実行されることで、図１に図示した各手段が機能する。なお、図示した機能の全部または一部は、専用に設計された回路を用いて実行されてもよい。

次に、各フェーズにおける具体的な処理内容について説明する。
第一のフェーズは、経路予測装置１０が複数の車載端末２０から周期的に現在位置を収集し、走行経路情報を生成（更新）するフェーズである。図６は、経路予測装置１０が第一のフェーズで実行する処理を示したフローチャートである。
まず、ステップＳ１１で、複数の車両に搭載された車載端末２０から周期的に位置情報を収集する。これにより、車載端末２０（位置情報取得部２２）によって取得された位置情報が、通信回線経由で経路予測装置１０に送信される。

ステップＳ１２では、まず、収集した位置情報をトリップ単位でまとめる。トリップは、例えば、車載端末２０の電源が入ってから切れるまでとしてもよいし、エンジンがかかってから切れるまでとしてもよい。また、車両が移動を始めてから停車後所定の時間が経過するまでとしてもよい。次いで、記憶部１２に記憶された地図情報を参照しながら、トリップごとに含まれている複数の位置情報をリンクに対応付ける。この結果、車両が走行した道路に対応するリンク列がトリップ単位で得られる。得られた情報は、記憶部１２が有する走行履歴情報に追加される。

ステップＳ１３では、ステップＳ１２で取得した情報を用いて、記憶部１２に記憶された走行経路情報を更新する。すなわち、走行したリンクに対応するテーブルを順に抽出し、進行先に応じて台数を加算する。例えば、ステップＳ１２で、リンクＬ２→リンクＬ３→リンクＬ４というリンク列が得られた場合、テーブル２の「進行先Ｌ３」に１が、テーブル３の「進行先Ｌ４」に１が加算される。

次に、第二のフェーズについて説明する。
第二のフェーズは、予測対象車両から受信したリクエストに基づいて、当該車両の走行経路を予測するフェーズである。図７は、経路予測装置１０が第二のフェーズで実行する処理を示したフローチャートである。図７に示した処理は、予測対象車両から経路予測のリクエストを受信すると開始される。経路予測のリクエストは、例えば、予測対象車両から周期的に送信されてもよい。

まず、ステップＳ２１で、予測対象車両から位置情報を取得する。なお、取得する位置情報は典型的にはＧＰＳ座標であるが、例えば、位置情報を表すハッシュ値や、道路に対応するリンクＩＤなど、他の形式であってもよい。

ステップＳ２２（Ｓ２２１およびＳ２２２）は、取得した位置情報が、予測対象車両の生活圏内にあるか否かを判定する処理である。なお、本実施形態では、ある車両に対して経路予測を行う場合、当該車両の過去の走行履歴のみを用いて、単独で経路予測が可能であるほど多くの走行履歴が蓄積されているエリアを、当該車両の「生活圏」と定義する。

予測対象車両について、生活圏を判定する方法について説明する。
まず、ステップＳ２２１で、走行履歴情報から、予測対象車両に対応する走行履歴を抽出し、グリッドにマッピングする。なお、ここでは、走行履歴情報を、道路に対応するリンクの集合であるものとする。この結果、図８に示したように、過去に走行したことのあるエリアと、走行したことがないエリアに分割される（ハッチングで示したエリアが、過去に走行したことのあるエリア、すなわち生活圏を表す）。なお、グリッドについての情報は、地図情報と一緒に記憶部１２に記憶されていてもよいし、規則に従って生成されてもよい。本実施形態では、ＧＰＳ座標をハッシュ値に変換したものを利用する。
なお、本例では、一度でも走行したことがあれば生活圏であると判定したが、走行回数に閾値を設定し、閾値を超えて走行していた場合に当該エリアを生活圏として扱ってもよい。

なお、前述した方法によって生活圏の分類を行った場合、グリッドの大きさによっては
、近傍を走行しているにもかかわらず、生活圏外であると判定されてしまう場合がある（例えば、図８の符号８０１で示したエリアなど）。これを防ぐため、ステップＳ２２１で設定した生活圏を拡張する処理を行ってもよい。
本実施形態では、ステップＳ２２１で生活圏と判定されたエリアに隣接する８エリアについても、生活圏であるものとみなす処理を行う（ステップＳ２２２）。この結果、図９のハッチングで示したエリアが生活圏として設定される。

生活圏の設定が完了すると、ステップＳ２３で、予測対象車両から取得した位置情報が当該車両の生活圏内にあるか否かを判定する。例えば、取得した位置情報に対応するハッシュ値を取得し、ステップＳ２２１で取得したハッシュ値の一覧と比較して、対応するハッシュ値が含まれている場合に、生活圏であると判定してもよい。
ステップＳ２３において、予測対象車両が生活圏内にいると判定された場合、予測対象車両の走行履歴のみを用いて経路を予測する（ステップＳ２４）。ステップＳ２４における予測方法は、既知の技術を用いればよいため詳細な説明は省略する。

予測対象車両が生活圏内に存在しないと判定された場合、記憶部１２に記憶された走行経路情報を用いて経路の予測を実施する（ステップＳ２５）。前述したように、走行経路情報は、予測対象車両を含む全ての車両がどのように進行したかが記録されている情報である。

ステップＳ２５で行う具体的な予測方法について、図１０に示した道路ネットワークを例に挙げて説明する。
まず、記憶部１２に記憶されている地図情報を参照し、予測対象車両から取得した位置情報に対応するリンクＩＤを取得する。本例では、予測対象車両の現在位置としてリンクＬ１が抽出されたものとする。
次に、走行経路情報を参照し、リンクＬ１から他のリンクへの走行台数を取得する。ここでは、図１０に示したように、リンクＬ１からリンクＬ２への過去の走行台数が５８台であり、リンクＬ１からリンクＬ５への過去の走行台数が２台であったものとする。

本実施形態では、分岐における進行方向を、走行経路情報から算出した偏り具合によって決定する。偏り具合を表す尺度として典型的なものに、ここでは平均情報量（平均エントロピー）を例示する。ここで、リンクＸとリンクＹがあり、それぞれへのリンクへ車両が進行する場合における平均エントロピーＨ（Ｘ，Ｙ）は、式（１）によって表すことができる。

平均エントロピーは、値が小さいほど情報の偏りが大きいことを意味する。すなわち、ここで得られた値が小さいほど、リンクＸへ進行する車両の数とリンクＹへ進行する車両の数が偏っていることを意味する。よって、平均エントロピーに閾値を設け、分岐ごとに算出したＨが閾値よりも小さい場合は、予測対象車両が、より台数の多いリンクへ進行するものと仮定する。ここで、閾値を０．３とすると、図１０の例では、リンクＬ１から流出する際の平均エントロピーは０．００１６３となる。よって、台数が多いリンク、すなわちリンクＬ２へ進行するものと仮定して予測経路（リンクＬ１→リンクＬ２）を生成していく。

一方で、リンクＬ２から流出する際の平均エントロピーは０．５である。すなわち、閾値を上回るため、車両がどちらへ進行するか特定することができない。よって、リンクＬ７へ進行する予測経路と、リンクＬ３へ進行する予測経路の二つを生成する。すなわち、
以下の二つの経路が生成される。
予測経路１：リンクＬ１→リンクＬ２→リンクＬ３
予測経路２：リンクＬ１→リンクＬ２→リンクＬ７
同様の計算をリンクＬ３から先に対して行うと、最終的に以下のような二つの予測経路が得られる。
予測経路１：リンクＬ１→リンクＬ２→リンクＬ３→リンクＬ４
予測経路２：リンクＬ１→リンクＬ２→リンクＬ７
本例では、予測経路１および２の二つを予測結果として車載端末２０に送信する。また、車載端末２０は、当該予測結果を用いてナビゲーション情報を生成し、入出力部２３を通して運転者に提供してもよい。

なお、予測経路は、必ずしも車両の最終目的地を含んでいる必要はない。また、距離が長くなると予測の精度が低下するため、経路の長さが予め決められた長さを超過した場合や、予測経路の総数が予め決められた数より増えた場合、予測を打ち切ってもよい。また、予測した経路全体に対応する走行確率を算出し、当該確率が所定の値を下回った場合に予測を打ち切ってもよい。

また、本例では偏り具合を表す尺度として平均エントロピーを例示したが、分散値を用いてもよい。例えば、図１０の例の場合、リンクＬ１から流出する際の分散は７８４、リンクＬ２から流出する際の分散は０、リンクＬ３から流出する際の分散は１２．２５である。この場合も、分岐ごとに台数の分散を算出し、得られた値が閾値以下である場合に、偏りがないと判定し、予測経路を増やすようにしてもよい。

同様に、確率の二乗和などを用いてもよい。例えば、図１０の例の場合、リンクＬ１からＬ２に進行する確率は５８／６０であり、リンクＬ１からＬ５に進行する確率は２／６０である。これらをそれぞれ二乗して加算し、閾値と比較するようにしてもよい。この場合も、分散と同様に、得られた値が閾値以下である場合に、偏りがないと判定し、予測経路を増やすようにしてもよい。

なお、本実施形態では閾値を固定としたが、例えば、予測結果と正解とを用いて、最も正解が多くなるような閾値を学習によって取得するようにしてもよい。

以上に説明したように、第一の実施形態に係る経路予測装置は、予測対象車両が生活圏内にある場合に、当該予測対象車両から収集した情報のみを用いて経路の予測を行い、予測対象車両が生活圏内に無い場合は、全ての車両から収集した情報を用いて経路の予測を行う。すなわち、十分な量の走行履歴が蓄積されているエリアでは、自車両の履歴のみを用いて経路予測を行うため、予測精度をより高めることができる。また、それ以外の場合であっても、他車両の履歴を用いて経路予測を行うことで、確実に予測結果を得ることができる。

（第二の実施形態）
第一の実施形態では、予測対象車両が生活圏内にいるか否かによって、自車両の走行履歴のみを用いて予測を行うか、他車両の走行履歴も用いて予測を行うかを決定した。これに対し、第二の実施形態は、それぞれの履歴の利用割合を変更可能な実施形態である。

第二の実施形態では、（１）ステップＳ１３の処理を事前に行わないという点と、（２）予測対象車両からリクエストを受けた後に走行経路情報を都度生成するという点、および、（３）走行経路情報を生成する際に、自車両に対応する情報のみを用いて生成した走行経路情報と、他車両に対応する情報のみを用いて生成した走行経路情報の二種類を生成するという点において、第一の実施形態と相違する。

また、第二の実施形態では、生活圏であるか否かという二段階ではなく、過去の走行頻度に基づいてエリアごとにスコアを付与し、当該スコアに基づいて、二種類の情報の利用割合を決定する。スコアは例えば、０〜１００に正規化された値とすることができる。
ここで、他車両に対応する走行経路情報の利用率を「他車利用率」とすると、例えば、スコアが０である場合に他車利用率を１００％（すなわち、自車両の走行履歴は用いない）とし、スコアが１００である場合に他車利用率を０％（すなわち、他車両の走行履歴は用いない）としてもよい。

第二の実施形態では、ステップＳ２５にて、他車利用率に基づいて予測経路を生成する。図１１は、リンク間における進行先を、自車両および他車両ごとに表したものである。例えば、他車利用率に応じて、自車両および他車両の台数に対して重み付けを行ったうえで、第一の実施形態と同様の処理を行うことで、他車利用率を反映させた予測結果を得ることができる。

（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、実施形態の説明では、リンクからリンクへの車両の移動を表す情報を走行経路情報としたが、リンクからノード、あるいはノードからリンクへの車両の移動に関する情報を用いてもよい。

また、リンクやノード以外のランドマークを定義し、当該ランドマークとリンク（ないしノード）間の車両の移動を表す情報を用いてもよい。例えば、あるリンクに車両がいる場合に、車両が当該リンクの近傍にあるランドマーク（店舗、公共施設、自宅など）へ向かう確率を算出し、例示した方法と併用することで経路の予測を行ってもよい。例えば、リンクＬ１からリンクＬ２へ向かう確率よりも、リンクＬ１の途中にある商業施設へ向かう確率のほうが大きい場合、当該商業施設を目的地とする予測経路を生成してもよい。このようにすることで、予測経路を収束させることができる。

また、当該ランドマークは、抽象化された情報であってもよい。例えば、ランドマークを「自宅」「職場」などと定義し、自宅から出発した車両がある目的地（リンク、ノード、ランドマーク等）へ向かう確率などを定義したデータを生成し、当該データを併用して経路の推定を行ってもよい。ただし、同じルールで抽象化を行う範囲が広すぎると、経路の予測精度が低下するおそれがあるため、抽象化は一定の大きさの地域ごとに行うことが好ましい（例えば、「東京都○○区の自宅」など）。

また、実施形態の説明では、車載端末と経路予測装置によって経路予測システムを構成したが、必ずしも分散処理を行う必要はない。例えば、例示した機能を車載端末に持たせ、必要なデータをネットワーク経由で取得したうえで、単独で処理を行うようにしてもよい。

また、実施形態の説明では、予測した経路を車載端末２０に直接送信したが、他の装置に送信し、当該予測した経路に対応する情報をさらに取得したうえで車載端末２０に送信するようにしてもよい。

１０・・・経路予測装置
１１，２１・・・通信部
１２・・・記憶部
１３・・・経路情報収集部
１４・・・経路予測部
２０・・・車載端末
２２・・・位置情報取得部
２３・・・入出力部

Claims (9)

1. 第一の車両の現在位置に基づいて、前記第一の車両の走行経路を予測する経路予測装置であって、
   前記第一の車両を含む複数の車両から収集した情報に基づいて、それぞれの車両が走行した経路に関連付いた情報である走行経路情報を生成し記憶する記憶手段と、
   前記第一の車両の現在位置である第一の位置を取得する位置情報取得手段と、
   前記記憶手段に記憶された走行経路情報のうち、前記第一の車両の経路を表す第一の経路情報と、前記第一の車両以外の車両である第二の車両の経路を表す第二の経路情報と、を用いて、前記第一の車両の走行経路を予測する経路予測手段と、
   を有し、
   前記記憶手段は、複数の局所領域における前記第一の車両の走行回数を記憶しており、
   前記経路予測手段は、前記第一の位置に対応する局所領域における、前記第一の車両の走行回数が多いほど、前記走行経路を予測する際に用いる、前記第一の経路情報の利用割合を高く設定する、
   経路予測装置。
2. 前記経路予測手段は、
   前記複数の局所領域における、前記第一の車両の過去の走行回数の多さに基づいて、前記複数の局所領域にスコアを与える第一の手段と、
   前記スコアに基づいて前記第一の経路情報の利用割合を決定し、走行経路を予測する第二の手段と、
   からなる、請求項１に記載の経路予測装置。
3. 前記第一の手段は、前記複数の局所領域を、所定の閾値未満のスコアを持つ第一のエリアと、所定の閾値以上のスコアを持つ第二のエリアに分割し、
   前記第二の手段は、前記第一の位置が第二のエリアに含まれる場合に、前記第二の経路情報を用いずに走行経路を予測する、
   請求項２に記載の経路予測装置。
4. 前記第一の手段は、前記複数の局所領域を分割した後で、前記第二のエリアの面積を拡張する、
   請求項３に記載の経路予測装置。
5. 前記第二の手段は、前記第一の位置に対応する局所領域のスコアが高いほど、前記第一の経路情報の利用割合を高くする、
   請求項２に記載の経路予測装置。
6. 前記走行経路情報は、リンクによって構成された道路ネットワークにおいて、車両が流出したリンクである流出元リンクと、車両が流入したリンクである流入先リンクと、前記流出元リンクから流入先リンクに遷移した車両の台数とを、リンクが分岐している箇所ごとに記録した情報であり、
   前記第二の手段は、リンク間の車両の遷移台数に基づいて、一つ以上の走行経路を予測する、
   請求項２から５のいずれかに記載の経路予測装置。
7. 前記第二の手段は、リンクが分岐している箇所において、前記リンク間の車両の遷移台数に基づいて、車両が遷移する確率を流入先リンクごとに算出し、確率が最も高いリンクを前記第一の位置から順に辿ることで走行経路を予測する、
   請求項６に記載の経路予測装置。
8. 前記第二の手段は、算出した複数の確率のばらつきに基づいて、該当するリンクから先における予測経路を分岐させるか否かを決定する、
   請求項７に記載の経路予測装置。
9. 第一の車両の現在位置に基づいて、前記第一の車両の走行経路を予測する経路予測装置が行う経路予測方法であって、
   前記第一の車両を含む複数の車両から収集した情報に基づいて、それぞれの車両が走行した経路に関連付いた情報である走行経路情報を生成し記憶する生成ステップと、
   前記第一の車両の現在位置である第一の位置を取得する位置情報取得ステップと、
   前記記憶された走行経路情報のうち、前記第一の車両の経路を表す第一の経路情報と、前記第一の車両以外の車両である第二の車両の経路を表す第二の経路情報と、を用いて、前記第一の車両の走行経路を予測する経路予測ステップと、を含み、
   前記生成ステップでは、複数の局所領域における前記第一の車両の走行回数を記憶し、
   前記経路予測ステップでは、前記第一の位置に対応する局所領域における、前記第一の車両の走行回数が多いほど、前記走行経路を予測する際に用いる、前記第一の経路情報の利用割合を高く設定する、
   経路予測方法。

Images