JP6529450B2 - 道路特性理解装置、方法、及びプログラム - Google Patents

道路特性理解装置、方法、及びプログラム Download PDF

Info

Publication number
JP6529450B2
JP6529450B2 JP2016026847A JP2016026847A JP6529450B2 JP 6529450 B2 JP6529450 B2 JP 6529450B2 JP 2016026847 A JP2016026847 A JP 2016026847A JP 2016026847 A JP2016026847 A JP 2016026847A JP 6529450 B2 JP6529450 B2 JP 6529450B2
Authority
JP
Japan
Prior art keywords
road
characteristic
data
true
poi
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016026847A
Other languages
English (en)
Other versions
JP2017146707A (ja
Inventor
拓哉 西村
拓哉 西村
京介 西田
京介 西田
浩之 戸田
浩之 戸田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2016026847A priority Critical patent/JP6529450B2/ja
Publication of JP2017146707A publication Critical patent/JP2017146707A/ja
Application granted granted Critical
Publication of JP6529450B2 publication Critical patent/JP6529450B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Navigation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、道路特性理解装置、方法、及びプログラムに係り、特に、道路の特性を理解する道路特性理解装置、方法、及びプログラムに関する。
経路探索などの各種サービス実現のために道路の特性を理解したいというニーズがある。例えば、どの道がにぎやかか、明るいかといった特性を理解し、それらの道を優先的に探索することで、にぎやかな道を通りたい、明るい道を通りたいといったユーザのニーズに応えた経路探索を実現できる。
実世界において地理的に分布する多様な特性を理解するための、いくつかの既存の取り組みがある。
一つの取り組みは、人手で、各道路にその特性の情報を付与することに取り組むものである（非特許文献１）。これらの取り組みは、クラウドソーシングなどを用いてあらかじめ指定された特徴が各道路にあてはまるかを人手で評価し、その結果を道路ネットワーク上の各道路に付与して経路探索などに用いるものである。ここでいう道路ネットワークとは、交差点をノード、道路をエッジとして道路網をグラフの形式で表現したデータ形式のことであり、経路探索などに一般に用いられるものである。
もう一つの取り組みは統計情報から各道路の特性を推定するものである（非特許文献２）。政府の公開しているオープンデータや車などの移動軌跡情報を基に、各道路の安全度やグリーンガス排出量などを推定する取り組みである。
またもう一つの取り組みは、ソーシャルメディアなどを用いて地域の情報を理解しようとする取り組みである（非特許文献３）。これらの取り組みは、緯度経度の紐付いたテキストデータを元に、ＰＯＩ(Point of Interest)単位ないし円状やセル上のエリア単位でどのように特性が分布しているかを理解しようとするものである。ここでいうＰＯＩとは、店舗や観光地など人が興味を持って訪問するスポットのことである。
Daniele Quercia, Rossano Schifanella and Luca Maria Aiello "The shortest path to happiness: recommending beautiful, quiet, and happy routes in the city", in Proc. of Hypertext，2014. B. Yang et al, "Using incomplete information for complete weight annotation of road networks", in IEEE Transactions on Knowledge and Data Engineering，2011. Zhijun Yin et al, "Geographical topic discovery and comparison", in Proc. of WWW，2011.
しかしながら、上記の非特許文献に係る従来技術においても以下の問題がある。
一つ目の問題は、人手での情報付与や指定した情報を抽出する手法はコストが大きく、広範なエリアや様々な情報の取得に適用することが出来ないという点である。
二つ目の問題は、統計情報から特性を推定する取り組みでは収集可能な情報の種類が限定的であり、人の主観に関する特性などを推定することは出来ないという点である。
三つ目の問題は、ソーシャルメディアなどを用いた地域の情報理解の取り組みではＰＯＩ単位やエリア単位での特性理解に取り組んではいるが、道路単位での情報理解に取り組んでいないという問題がある。ＰＯＩ単位の特性理解を利用して道路の特性を理解する単純な手法としては、ＰＯＩの情報を近隣の道路に付与する手法やエリアの情報をそこに含まれる道路に付与する手法が考えられる。それぞれ、図１５と図１６に模式図を示す。
いずれも道路の特性に深く関係する道路網の構造関係を考慮しない単純な手法に過ぎず、正しく特性を推定することは出来ない。例えば、従来技術では図１５や図１６に示すように特性についてのデータが得られない道路も存在する。一方、エリア単位の特性理解を利用して道路の特性を理解する手法としてはそのエリア内の道路にその特性を付与する手法が考えられる。
しかしこの手法ではそのエリア内の道路の特性は一律になってしまい、例えば、経路探索において、そのエリアにある道路のうちどれがユーザのニーズに合致したものであるか分からないという問題がある。
本発明は、上記の事情に鑑みてなされたもので、精度よく道路の特性を推定することができる道路特性理解装置、方法、及びプログラムを提供することを目的とする。
上記目的を達成するために、第１の発明に係る道路特性理解装置は、位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、前記位置情報の特性を推定する特性推定部と、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記特性推定部により推定された各位置情報の特性とに基づいて、前記道路の各々について仮の道路特性を割り当てる道路特性割当処理部と、前記道路特性割当処理部により割り当てられた前記道路の各々の前記仮の道路特性の各々と前記道路ネットワークデータとに基づいて、前記道路の各々について、前記道路網の構造関係を考慮した前記道路の特性を推定する道路特性推定部と、を含んで構成されている。
第２の発明に係る道路特性理解方法は、特性推定部と、道路特性割当処理部と、道路特性推定部とを含む道路特性理解装置における、道路特性理解方法であって、前記特性推定部は、位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、前記位置情報の特性を推定し、前記道路特性割当処理部は、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記特性推定部により推定された各位置情報の特性とに基づいて、前記道路の各々について仮の道路特性を割り当て、前記道路特性推定部は、前記道路特性割当処理部により割り当てられた前記道路の各々の前記仮の道路特性の各々と前記道路ネットワークデータとに基づいて、前記道路の各々について、前記道路網の構造関係を考慮した前記道路の特性を推定する。
第１及び第２の発明によれば、特性推定部により、位置情報毎に、位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、位置情報の特性を推定し、道路特性割当処理部により、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ道路の情報がグラフに付与されている道路ネットワークデータと、特性推定部により推定された各位置情報の特性とに基づいて、道路の各々について仮の道路特性を割り当て、道路特性推定部により、道路特性割当処理部により割り当てられた道路の各々の仮の道路特性の各々と道路ネットワークデータとに基づいて、道路の各々について、道路網の構造関係を考慮した道路の特性を推定する。
このように、位置情報毎に、位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、位置情報の特性を推定し、道路ネットワークデータと、推定された各位置情報の特性とに基づいて、道路の各々について仮の道路特性を割り当て、割り当てられた道路の各々の仮の道路特性の各々と道路ネットワークデータとに基づいて、道路の各々について、道路網の構造関係を考慮した道路の特性を推定することにより、精度よく道路の特性を推定することができる。
第３の発明に係る道路特性理解装置は、位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から推定された前記データに含まれる各単語の特性を記憶した単語特性記憶部と、前記単語特性記憶部に記憶された各単語の特性に基づいて、入力された単語を特性に変換する単語前処理部と、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記位置情報毎の前記データ集合とに基づいて前記道路の各々について推定された、前記道路網の構造関係を考慮した前記道路の特性を記憶した道路特性記憶部と、前記道路特性記憶部に記憶された各道路の特性と、前記単語前処理部により変換された前記入力された単語の特性とに基づいて、前記入力された単語と前記道路の各々との適合度を算出する適合度算出部と、を含んで構成されている。
第４の発明に係る道路特性理解方法は、単語前処理部と、適合度算出部と、位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から推定された前記データに含まれる各単語の特性を記憶した単語特性記憶部と、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記位置情報毎の前記データ集合とに基づいて前記道路の各々について推定された、前記道路網の構造関係を考慮した前記道路の特性を記憶した道路特性記憶部とを含む道路特性理解装置における、道路特性理解方法であって、前記単語前処理部は、前記単語特性記憶部に記憶された各単語の特性に基づいて、入力された単語を特性に変換し、前記適合度算出部は、前記道路特性記憶部に記憶された各道路の特性と、前記単語前処理部により変換された前記入力された単語の特性とに基づいて、前記入力された単語と前記道路の各々との適合度を算出する。
第３及び第４の発明によれば、単語前処理部により、単語特性記憶部に記憶された各単語の特性に基づいて、入力された単語を特性に変換し、適合度算出部により、道路特性記憶部に記憶された各道路の特性と、単語前処理部により変換された入力された単語の特性とに基づいて、入力された単語と道路の各々との適合度を算出する。
このように、記憶された各単語の特性に基づいて、入力された単語を特性に変換し、記憶された各道路の特性と、変換された入力された単語の特性とに基づいて、入力された単語と道路の各々との適合度を算出することにより、精度よく道路の特性を推定することができる。
また、本発明のプログラムは、上記道路特性理解装置を構成する各部として機能させるためのプログラムである。
以上説明したように、本発明の道路特性理解方法、装置、及びプログラムによれば、位置情報毎に、位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、位置情報の特性を推定し、道路ネットワークデータと、推定された各位置情報の特性とに基づいて、道路の各々について仮の道路特性を割り当て、割り当てられた道路の各々の仮の道路特性の各々と道路ネットワークデータとに基づいて、道路の各々について、道路網の構造関係を考慮した道路の特性を推定することにより、精度よく道路の特性を推定することができる、という効果が得られる。
また、記憶された各単語の特性に基づいて、入力された単語を特性に変換し、記憶された各道路の特性と、変換された入力された単語の特性とに基づいて、入力された単語と道路の各々との適合度を算出することにより、精度よく道路の特性を推定することができる、という効果が得られる。
本実施形態において用いる各道路の特性を推定する一例を示す図である。 本実施形態に係る道路特性理解装置の機能的構成を示すブロック図である。 ＰＯＩデータの一例を示す図である。 ＰＯＩデータの形式を変換した一例を示す図である。 ＰＯＩ特性及び単語特性の一例を示す図である。 ＰＯＩ緯度経度情報の一例を示す図である。 道路ネットワークデータの一例を示す図である。 仮の道路特性の一例を示す図である。 真の道路特性の推定をマルコフ確率場で実現する場合の一例を示す図である。 真の道路特性の一例を示す図である。 単語前処理部の処理の一例を示す図である。 適合度の算出の処理の一例を示す図である。 本実施形態に係る道路特性理解装置における道路特性推定処理ルーチンの処理を表すフローチャートである。 本実施形態に係る道路特性理解装置における適合度算出処理ルーチンの処理を表すフローチャートである。 従来技術の一例を示す図である。 従来技術の一例を示す図である。
以下、図面を参照して、本発明の実施の形態を詳細に説明する。
＜本発明の実施の形態の概要＞
まず、本発明の実施の形態の概要について説明する。本発明の実施の形態においては、最初にデータの集合であるＰＯＩの特性をテキストデータから推定した後、その結果と道路網の構造関係を考慮することで各道路の特性を高精度で推定する。
なお、本実施形態においては、データ集合の単位としてＰＯＩ(Point of Interest)を用い、ＰＯＩは、店舗や観光地など人が興味を持って訪問するスポットのことである。また、データ集合はＰＯＩを単位としたものが適する。なぜなら、地点を単位とすることで、エリアより細かく情報を道路に付与することができ、ＰＯＩは、人の興味が集まりやすい地点なので、道路に人の主観を反映した特性を付けることができるからである。
また、本実施形態において用いる道路ネットワークとは、交差点をノード、道路をエッジとして道路網をグラフの形式で表現したデータ形式のことであり、経路探索などに一般に用いられるものである。
具体的に、本実施形態に係る道路特性理解装置においては、ＰＯＩについてのテキストデータから各ＰＯＩの特性をまず推定する。次に、当該推定結果と道路ネットワークデータを用いて、現実の道路網の構造関係とそこに隣接するＰＯＩの特性を同時に考慮することで各道路の特性を推定する。
エリアではなくＰＯＩの特性を利用する理由は、ＰＯＩは道路よりも細かいレベルで存在していることから、その情報を適切に扱うことで各道路の特性を高精度に推定できると期待される一方、エリアの特性からそれよりも細かい道路単位の特性を推定するのは難しいと考えられるからである。
ＰＯＩ単位でテキストデータから推定するのは、ＰＯＩは特性に関する情報が一定の傾向でまとまっている単位であると期待できることから分析が行いやすく、テキストデータには人の主観など他の情報源からでは得られない情報が含まれているからである。例えば、このお店は賑やかである、この観光地は静かである、などの情報が挙げられる。
また、道路網の構造関係を考慮しながら推定することで情報の不足している道路についてそれが接続されている道路の特性を用いて補完したり、あるいはにぎやかな大通りから一本細い道に入ることで大きく雰囲気が変わることなどが正しく推定できるようになる。
例えば、接続した道路は似た特性を持つ、異なる太さの道路では特性の類似度が下がる、などを考慮することが考えられる。概要を図１に示す。
また、与えられた単語に対して、各道路がその単語にどれほど当てはまっているかを示す数値である適合度が算出可能になり、人の主観に関するものも含めた様々な単語を指定しての経路探索などに応用が可能になる。
＜本発明の実施形態に係る道路特性理解装置の構成＞
次に、本発明の実施形態に係る道路特性理解装置の構成について説明する。図２に示すように、本発明の実施形態に係る道路特性理解装置１００は、ＣＰＵと、ＲＡＭと、後述する道路特性推定処理ルーチン、及び適合度算出処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することができる。この道路特性理解装置１００は、機能的には図２に示すように入力部１０と、演算部２０と、出力部９０と、を含んで構成されている。なお、本実施形態に係る道路特性理解装置は、ＰＯＩについてのデータと道路ネットワークデータとを用いて各道路の特性を推定し、またその出力結果を利用して外部から与えられた単語と各道路の適合度を出力する。
入力部１０は、外部から単語を入力として受け付ける。
演算部２０は、ＰＯＩデータ記憶部２２と、ＰＯＩデータ前処理部２３と、特性推定部２４と、ＰＯＩ特性記憶部２６と、ＰＯＩ緯度経度記憶部２８と、単語特性記憶部３０と、道路ネットワーク記憶部３２と、道路特性割当処理部３４と、道路特性推定部３６よ、道路特性記憶部３８と、単語前処理部４０と、適合度算出部４２と、を含んで構成されている。
ＰＯＩデータ記憶部２２には、ソーシャルメディア等から収集した各ＰＯＩに関する情報（以後、ＰＯＩデータとする）の集合が記憶されている。具体的には、ＰＯＩ毎に投稿されたテキストデータであり、例えば図３に示すように、各ＰＯＩデータ集合が記憶されている。なお、各ＰＯＩ毎に少なくとも１つ以上の文章がＰＯＩデータとして存在するものとする。
ＰＯＩデータ前処理部２３は、ＰＯＩデータ記憶部２２に記憶されているＰＯＩデータ集合の各々について、後述する特性推定部２４の処理に適した形式にデータを処理し、特性推定部２４に出力する。具体的には、例えば、ＰＯＩデータ集合のテキストから、テキスト中に各単語が何回出現したかのカウントをまとめたデータ形式である、Ｂａｇ ｏｆ Ｗｏｒｄｓを生成する。図４にＰＯＩデータ前処理部２３において、ＰＯＩデータの形式を変更した例を示す。なお、図４の例においては、入力されるＰＯＩデータは、図３のＰＯＩデータが入力されたものとする。また、ＰＯＩデータ前処理部２３において、ＰＯＩデータの形式を変更した情報を以後、変更済みＰＯＩデータとする。
特性推定部２４は、ＰＯＩ毎に、ＰＯＩデータ前処理部２３により取得した変更済みＰＯＩデータ集合に基づいて、単語との適合度を算出できるようなデータ形式で当該ＰＯＩの特性を推定すると共に、各単語の特性を推定する。具体的には、例えば、Latent Dirichlet Allocation(LDA)を用いる。ＬＤＡは、各文書のＢａｇ ｏｆ Ｗｏｒｄｓを入力として、各単語と各文書に対してその意味を表現するようなベクトルを出力する。なお、当該ベクトルの次元数はあらかじめ指定しておく。また、本実施形態においては、ＬＤＡを処理方法として用いるため、各ＰＯＩを文書、各ＰＯＩのＢａｇ ｏｆ Ｗｏｒｄｓを文書のＢａｇ ｏｆ Ｗｏｒｄｓとすることで適用できる。この場合、各ＰＯＩと各単語とについてベクトルが各々出力される。ＰＯＩについて出力されたベクトルを当該ＰＯＩの特性（以後、ＰＯＩ特性）とし、単語について出力されたベクトルを当該単語の特性（以後、単語特性）とする。図５にＰＯＩ特性と単語特性との例を示す。
また、特性推定部２４は、ＰＯＩ毎に取得したＰＯＩ特性の各々をＰＯＩ特性記憶部２６に記憶し、取得した単語特性の各々を単語特性記憶部３０に記憶する。
ＰＯＩ特性記憶部２６には、特性推定部２４において取得したＰＯＩ特性の各々が記憶されている。
ＰＯＩ緯度経度記憶部２８は、ＰＯＩの各々についての緯度経度情報（以後、ＰＯＩ緯度経度情報）が記憶されている。図６にＰＯＩ緯度経度情報の例を示す。
単語特性記憶部３０には、特性推定部２４において取得した単語特性の各々が記憶されている。
道路ネットワーク記憶部３２には、道路ネットワークデータが記憶されている。道路ネットワークデータとは、道路をエッジ、交差点をノードとして道路網をグラフの形式で表現し、さらに道路の規模などのメタデータがそれらに付与されている形式のデータのことである。
具体的なデータ形式の一例としては、各道路が複数の緯度経度を持つ座標点データのリストとして表現されているものが考えられるこの場合、各道路の始点と終点の座標点が道路ネットワークにおけるノードとなり、共通のノードを始点もしくは終点として持つ道路同士が接続されていることになる。また、規模などのメタデータが各道路について保存されている。道路ネットワークデータの一例を図７に示す。
道路特性割当処理部３４は、ＰＯＩ特性記憶部２６に記憶されているＰＯＩ特性の各々と、ＰＯＩ緯度経度記憶部２８に記憶されているＰＯＩ緯度経度情報の各々と、道路ネットワーク記憶部３２に記憶されている道路ネットワークデータとに基づいて、各ＰＯＩの各々について、当該ＰＯＩの近傍にある道路に、当該ＰＯＩのＰＯＩ特性から算出した特性を仮の道路特性として割り当てる。
具体的には、まず、各ＰＯＩについて、道路ネットワークデータに含まれる道路の各々の緯度経度情報と、当該ＰＯＩのＰＯＩ緯度経度情報とに基づいて、当該ＰＯＩの最近傍となる道路を特定する。次に、道路ネットワークデータに含まれる道路の各々について、当該道路が最近傍となるＰＯＩの各々のＰＯＩ特性のベクトルの平均を当該道路の仮の道路特性とする。
なお、道路特性割当処理部３４の処理においては、道路ネットワークデータに含まれる全ての道路の近傍にＰＯＩが存在するとは限られず、道路の近傍にＰＯＩが存在しない場合には、当該道路についての道路特性割当処理部３４の処理において、当該道路の仮の道路特性が割り当てられない（例えば、空値とする）。そのため、仮の道路特性が割り当てられない道路も存在する可能性もある。また、図８に、各道路に仮の道路特性を割り当てた例を示す。
道路特性推定部３６は、道路ネットワーク記憶部３２に記憶されている道路ネットワークデータと、道路特性割当処理部３４において取得した各道路の仮の道路特性の各々とに基づいて、道路ネットワークデータに含まれる道路の各々について、道路網の構造関係を考慮した真の道路特性を推定し、道路特性記憶部３８に記憶する。本実施形態において、道路の各々について、真の道路特性を推定する場合に、マルコフ確率場を用いる。
マルコフ確率場は、グラフの各ノードに存在する観測データをもとに、各ノードの持つ真のデータを推定する技術である。この際、隣接ノードの真のデータ間には類似度が存在し、真のデータの推定時に考慮する。本実施形態においては、マルコフ確率場を処理手法として用いるため、各道路に割り当てられた仮の道路特性を観測データ、各道路の持つ真の道路特性を真のデータとして、接続された道路同士がノードとして隣接するとみなし、隣接ノードの真のデータの類似度を道路網の構造関係を考慮して設定することで実現する。例えば、接続されている道路は特性が類似する、異なる太さの道路では特性の類似度が下がる、等を考慮することが考えられる。
ここで、道路ネットワークデータに含まれる道路ｒをノードとするグラフ
、各道路ｒに割り当てられた仮の道路特性
の集合が与えられており、また、隣接した道路間の特性には相関があり、道路ｒと隣接道路ｒ´の相関の強さがｗ（ｒ，ｒ´）として与えられているとする。このとき、マルコフ確率場を用いて各道路ｒの真の道路特性
を求めることになる。また、道路ｒと隣接した道路の集合を
と表す。道路の特性の事前分布を
としたとき、道路ｒについてのコスト関数は下記（１）式のようになる。なお、事前分布は、近くに特性をもつＰＯＩがない場合に利用するデフォルトの特性であり、全て同じ値であり、任意に決定した値である。
ここで、上記（１）式に示すように、コストは、三つの項の和で定義される。以下に、上記（１）式の各項について説明する。
まず、上記（１）式の第１項について説明する。第１項は、事前分布との類似度の項である。道路ｒの真の道路特性
が道路全体について想定される事前分布
と異なるほど、コストがβに比例して大きくなる。βは事前分布の影響の大きさを表し、０以上であり、かつ１以下の値であるものとする。これにより、特性の偏りに関する事前知識を推定に活用したり、割り当てられた仮の道路特性
や隣接した道路がない場合でも特性を推定することができるようになる。
次に、第２項について説明する。第２項は、隣接道路の特性との類似度に関する項である。道路ｒの真の道路特性
が隣接道路ｒ´の特性
と異なるほど、コストがｗ（ｒ，ｒ´）に比例して大きくなる。ｗ（ｒ，ｒ´）は道路間の特性の類似度を表し、これを道路の関係性から決定することで、現実の道路の構造網を考慮して道路の特性を推定することができる。例えば、同じ太さの道路が接続されている場合を１として、規模が異なっていれば０．３をかけ、同じ交差点により規模の大きい道路が存在する場合は０．３をかけ、道路間の角度を考慮して、１８０度のときを１、９０度のときを０．３として連続的に変化させた値をかける、などが決定方法として考えられる。
そして、そのようにしてｗ（ｒ，ｒ´）を決定すると、近隣の道路の中でも、同じ太さでまっすぐ接続されている道路とは出来るだけ特性が近く、一方で太さが異なり、角度も鋭角な道路の特性とはあまり近くなくてもよい、という条件を満たす真の道路特性
を求めることができる。
次に、第３項について説明する。第３項は、各道路に割り当てられた仮の道路特性との類似度の項である。道路ｒの真の道路特性
が割り当てられた仮の道路特性
と異なるほど、コストがαｒに比例して大きくなる。αｒは仮の道路特性
の信頼度を表し、割り当てられた仮の道路特性と真の道路特性とがどれほど類似した値になると期待されるかを表す。当該αｒの値は、当該道路について得られている情報量などから決定してもよい。なお、αｒは、多くの特性から推定された方が、少ない特性から推定されるより良い。
なお、本実施形態においては、上記（１）式のコストが最小になるように、道路に真の道路特性を割り付ける。そのため、マルコフモデルの既存の手法でもとめることができる。
本実施形態における、マルコフ確率場と当該マルコフ確率場の適用例の模式図の例を図９に示す。また、各道路における真の道路特性の例を図１０に示す。図１０の例の場合、用いられる各道路の仮の道路特性は図８に示すものを用いる。
道路特性記憶部３８には、道路特性推定部３６において取得した各道路の真の道路特性の各々が記憶されている。
単語前処理部４０は、入力部１０において受け付けた単語について、単語特性記憶部３０に記憶されている各単語の単語特性のうち、単語が一致する単語の単語特性を、当該受け付けた単語の単語特性として取得する。図１１に、受け付けた単語が「喫茶店」である場合において、取得される単語特性の例を示す。
適合度算出部４２は、道路特性記憶部３８に記憶されている各道路の真の道路特性と、単語前処理部４０において取得した受け付けた単語の単語特性とに基づいて、受け付けた単語と、各道路の各々との適合度を算出し、結果を出力部９０から出力する。なお、本実施形態においては、単語特性、及び各道路の真の道路特性をベクトル表現しているため、単語と道路との適合度は、各々の特性のベクトルの内積で計算する。図１２に、適合度算出部４２における入力と出力とのデータの例を示す。
＜本発明の実施形態に係る道路特性理解装置の作用＞
次に、本発明の実施形態に係る道路特性理解装置１００の作用について説明する。まず、道路特性理解装置１００は、ＰＯＩデータ記憶部２２からＰＯＩデータ集合の各々を読み込むと、図１３に示す道路特性推定処理ルーチンを実行する。
まず、ステップＳ１００では、読み込んだＰＯＩデータ集合の各々について後述するステップＳ１０２の処理に適した形式にデータを処理し、変更済みＰＯＩデータを取得する。
次に、ステップＳ１０２では、ステップＳ１００において取得した変更済みＰＯＩデータ集合の各々に基づいて、ＬＤＡを用いて、各ＰＯＩのＰＯＩ特性、及び各ＰＯＩに含まれる各単語の単語特性を取得する。また、ステップＳ１０２において取得したＰＯＩ特性をＰＯＩ特性記憶部２６に記憶し、単語特性を単語特性記憶部３０に記憶する。
次に、ステップＳ１０４では、ＰＯＩ緯度経度記憶部２８に記憶されている各ＰＯＩのＰＯＩ緯度経度情報の各々と、道路ネットワーク記憶部３２に記憶されている道路ネットワーク情報とを読み込む。
次に、ステップＳ１０６では、ステップＳ１０２において取得したＰＯＩ特性の各々と、ステップＳ１０４において取得したＰＯＩ緯度経度情報の各々、及び道路ネットワークデータとに基づいて、道路ネットワークデータに含まれる各道路に仮の道路特性を割り当てる。
次に、ステップＳ１０８では、ステップＳ１０４において取得した道路ネットワークデータと、ステップＳ１０６において取得した各道路の仮の道路特性の各々とに基づいて、上記（１）式に従って、各道路について、真の道路特性を推定し、道路特性記憶部３８に記憶し、道路特性推定処理ルーチンを終了する。
次に、道路特性理解装置１００は、入力部１０において単語を受け付けると、図１４に示す適合度算出処理ルーチンを実行する。
まず、ステップＳ２００では、単語特性記憶部３０に記憶されている各単語の単語特性の各々と、道路特性記憶部３８に記憶されている各道路の真の道路特性の各々とを読み込む。
次に、ステップＳ２０２では、ステップＳ２００において取得した各単語の単語特性の各々に基づいて、入力部１０において受け付けた単語の単語特性を取得する。
次に、ステップＳ２０４では、ステップＳ２００において取得した各道路の真の道路特性と、ステップＳ２０２において取得した入力部１０において受け付けた単語の単語特性とに基づいて、当該単語と各道路との適合度の各々を算出する。
次に、ステップＳ２０６では、ステップＳ２０４において取得した入力部１０において受け付けた単語と各道路との適合度の各々を出力部９０から出力して、適合度算出処理ルーチンを終了する。
以上説明したように、本発明の実施形態に係る道路特性理解装置によれば、位置情報毎に、位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、位置情報の特性を推定し、道路ネットワークデータと、推定された各位置情報の特性とに基づいて、道路の各々について仮の道路特性を割り当て、割り当てられた道路の各々の仮の道路特性の各々と道路ネットワークデータとに基づいて、道路の各々について、道路網の構造関係を考慮した道路の特性を推定することにより、精度よく道路の特性を推定することができる。
また、記憶された各単語の特性に基づいて、入力された単語を特性に変換し、記憶された各道路の特性と、変換された入力された単語の特性とに基づいて、入力された単語と道路の各々との適合度を算出することにより、精度よく道路の特性を推定することができる。
また、Ｗｅｂ上に存在する情報を用いて、人手での情報付与なしに各道路について様々なキーワードとの適合度を高精度に算出できる。これにより、人の主観に関するものなど様々なキーワードについて、そのキーワードと適合する道路を重視した経路探索などのサービスが実現できる。
また、ソーシャルメディアなどのＷｅｂ上の情報を基に、実世界の情報を理解することができる。
なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
例えば、本実施形態においてはＰＯＩに関するデータをテキストデータとする場合について説明したが、これに限定されるものではなく、ＰＯＩに関するデータとして、画像データにメタデータとして単語集合が付加されているものを用いてもよい。この場合、ＰＯＩ毎の１画像データを１テキストとみなして、当該画像データに含まれる単語の集合を上述の１テキストとみなして本実施形態に係る道路特性理解装置の各処理を行えばよい。
また、本実施形態においては、ＰＯＩ特性、及び単語特性を推定する場合に、ＬＤＡを用いる場合について説明したが、これに限定されるものではない。例えば、ＬＳＩ（Latent Semantic Indexing）、ＬＳＡ（Latent Semantic Analysis）、又はｐＬＳＡ（Probabilistic Latent Semantic Analysis）を用いてもよい。
また、本実施形態においては、ＰＯＩデータと、ＰＯＩ緯度経度情報とが別々に記憶されている場合について説明したが、これに限定されるものではない。例えば、ＰＯＩデータと、ＰＯＩ緯度経度情報とを合わせてＰＯＩデータとして記憶していてもよい。当該場合、本実施形態においては、ＰＯＩ緯度経度情報は、ＰＯＩデータ記憶部２２から取得されることとなる。
また、本実施形態においては、道路に仮の道路特性を割り当てる際に、当該道路の近傍となるＰＯＩのＰＯＩ特性のベクトルの平均を当該道路の仮の道路特性とする場合について説明したが、これに限定されるものではない。例えば、当該道路の近傍となるＰＯＩの中で、最も人気のあるＰＯＩの特性を当該道路の仮の道路特性としてもよい。この場合、ＰＯＩテータ中に、データを投稿したユーザの情報を保持しておき、一番ユーザ数が多いＰＯＩを最も人気があるＰＯＩとしてもよい。また、ユーザ数が同一のＰＯＩが複数ある場合には、任意に１つを選択してもよいし、当該ＰＯＩのＰＯＩ特性のベクトルの平均を当該道路の仮の道路特性としてもよい。
また、データ集合の単位を、ＰＯＩとした場合を例に説明したが、これに限定されるものではない。例えば、ＰＯＩ以外の地点や地域を、データ集合の単位としてもよい。
また、上述の道路特性理解装置１００は、内部にコンピュータシステムを有しているが、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体、例えばＣＤ−ＲＯＭやメモリーカード等に格納して提供することも可能である。
１０ 入力部
２０ 演算部
２２ ＰＯＩデータ記憶部
２３ ＰＯＩデータ前処理部
２４ 特性推定部
２６ ＰＯＩ特性記憶部
２８ ＰＯＩ緯度経度記憶部
３０ 単語特性記憶部
３２ 道路ネットワーク記憶部
３４ 道路特性割当処理部
３６ 道路特性推定部
３８ 道路特性記憶部
４０ 単語前処理部
４２ 適合度算出部
９０ 出力部
１００ 道路特性理解装置

Claims (5)

  1. 位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、前記位置情報の特性を推定する特性推定部と、
    各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記特性推定部により推定された各位置情報の特性とに基づいて、前記道路の各々について仮の道路特性を割り当てる道路特性割当処理部と、
    マルコフ確率場を処理手法として用い、前記道路ネットワークデータに含まれる各道路をノードとするグラフを推定用グラフとし、各道路に割り当てられた仮の道路特性を観測データとし、各道路の持つ真の道路特性を真のデータとして、接続された道路同士がノードとして隣接するとみなし、隣接ノードの真のデータの類似度を道路網の構造関係を考慮して設定することで、前記道路の真の特性を推定する道路特性推定部と、
    を含む、道路特性理解装置。
  2. 前記道路特性推定部は、
    前記道路の真の特性と事前分布との類似度に関する項、
    前記道路の真の特性とその隣接道路の真の特性との類似度に関する項、及び
    前記道路の真の特性とその道路の仮の特性との類似度に関する項
    を含むコスト関数を用いて、前記道路の真の特性を推定する
    ことを特徴とする請求項１に記載の道路特性理解装置。
  3. 特性推定部と、道路特性割当処理部と、道路特性推定部とを含む道路特性理解装置における、道路特性理解方法であって、
    前記特性推定部は、位置情報毎に、前記位置情報が紐付けられている少なくとも１つのデータからなるデータ集合から、前記位置情報の特性を推定し、
    前記道路特性割当処理部は、各道路をエッジとし各交差点をノードとして道路網をグラフの形式で表現し、かつ前記道路の情報が前記グラフに付与されている道路ネットワークデータと、前記特性推定部により推定された各位置情報の特性とに基づいて、前記道路の各々について仮の道路特性を割り当て、
    前記道路特性推定部は、マルコフ確率場を処理手法として用い、前記道路ネットワークデータに含まれる各道路をノードとするグラフを推定用グラフとし、各道路に割り当てられた仮の道路特性を観測データとし、各道路の持つ真の道路特性を真のデータとして、接続された道路同士がノードとして隣接するとみなし、隣接ノードの真のデータの類似度を道路網の構造関係を考慮して設定することで、前記道路の真の特性を推定する
    道路特性理解方法。
  4. 前記道路特性推定部が推定することでは、
    前記道路の真の特性と事前分布との類似度に関する項、
    前記道路の真の特性とその隣接道路の真の特性との類似度に関する項、及び
    前記道路の真の特性とその道路の仮の特性との類似度に関する項
    を含むコスト関数を用いて、前記道路の真の特性を推定する
    ことを特徴とする請求項３記載の道路特性理解方法。
  5. コンピュータを、請求項１又は２記載の道路特性理解装置を構成する各部として機能させるためのプログラム。
JP2016026847A 2016-02-16 2016-02-16 道路特性理解装置、方法、及びプログラム Active JP6529450B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016026847A JP6529450B2 (ja) 2016-02-16 2016-02-16 道路特性理解装置、方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016026847A JP6529450B2 (ja) 2016-02-16 2016-02-16 道路特性理解装置、方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2017146707A JP2017146707A (ja) 2017-08-24
JP6529450B2 true JP6529450B2 (ja) 2019-06-12

Family

ID=59680897

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016026847A Active JP6529450B2 (ja) 2016-02-16 2016-02-16 道路特性理解装置、方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP6529450B2 (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002098547A (ja) * 2000-09-22 2002-04-05 Seiko Epson Corp 経路検索装置
JP2006092407A (ja) * 2004-09-27 2006-04-06 Nissan Motor Co Ltd 渋滞情報提供装置及び方法
JP5097087B2 (ja) * 2008-11-19 2012-12-12 クラリオン株式会社 道路情報提供サービスセンタ装置、道路情報提供方法およびカーナビゲーション装置
JP5615777B2 (ja) * 2011-08-19 2014-10-29 株式会社ゼンリンデータコム 経路案内装置及び経路案内方法
US9448078B2 (en) * 2012-06-21 2016-09-20 Toyota Jidosha Kabushiki Kaisha Route search device and route search method
JP6111932B2 (ja) * 2013-08-26 2017-04-12 ソニー株式会社 行動支援装置、行動支援方法、プログラム、および記憶媒体

Also Published As

Publication number Publication date
JP2017146707A (ja) 2017-08-24

Similar Documents

Publication Publication Date Title
CN109933666B (zh) 一种好友自动分类方法、装置、计算机设备和存储介质
JP6015467B2 (ja) 同乗者検索装置、同乗者検索システムおよび方法
JP5854187B2 (ja) 業務フロー検索装置、業務フロー検索方法、およびプログラム
JP5087377B2 (ja) 地理的情報を含む文書群の検索装置、検索方法、検索プログラムおよびそのプログラムを記録した記録媒体
JP5730741B2 (ja) 話題推薦装置及び方法及びプログラム
JPWO2018159237A1 (ja) 探索方法、探索装置および探索システム
Lee et al. Spatio-temporal provenance: Identifying location information from unstructured text
CN111611992B (zh) 确定兴趣面的方法、装置和计算机设备
WO2016206557A1 (zh) 一种风险识别方法及装置
JP4699337B2 (ja) 推薦情報検出提供装置および推薦情報検出提供方法ならびにそのプログラム
JP6556660B2 (ja) 特性理解装置、方法、及びプログラム
JP6529450B2 (ja) 道路特性理解装置、方法、及びプログラム
JP5358290B2 (ja) 対象物検索装置及びその処理方法とプログラム
JP2007179490A (ja) 情報資源検索装置、情報資源検索方法及び情報資源検索プログラム
Tezuka et al. Extraction of cognitively-significant place names and regions from web-based physical proximity co-occurrences
JP6649229B2 (ja) 待ち時間予測装置、待ち時間予測方法、及び待ち時間予測プログラム
Keler et al. Is there a relationship between complicated crossings and frequently visited locations? A case study with boro taxis and OSM in NYC
CN109614558A (zh) 一种多定位旅游日志自动生成方法及系统
Jossé et al. A framework for computation of popular paths from crowdsourced data
CN113792544A (zh) 顾及地理空间分布的文本情感分类方法及装置
WO2016013175A1 (ja) テキスト処理システム、テキスト処理方法およびテキスト処理プログラム
JP5398884B1 (ja) 名物を代表する地域の推定装置及び方法
JP2013242620A (ja) 近隣情報検索装置及び方法及びプログラム
CN113779197B (zh) 一种数据集搜索方法、装置、存储介质及终端
JP5650607B2 (ja) 文書検索キーワード提示装置及び方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180219

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190205

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190326

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190507

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190514

R150 Certificate of patent or registration of utility model

Ref document number: 6529450

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150