JP7120239B2 - コンピュータプログラム、走行車線特定装置および走行車線特定システム - Google Patents

Description

本発明は、車両の走行車線を特定するためのコンピュータプログラム、走行車線特定装置および走行車線特定システムに関する。
本出願は、２０１７年８月２５日出願の日本出願第２０１７－１６１７０６号に基づく優先権を主張し、前記日本出願に記載された全ての記載内容を援用するものである。

従来、複数の車両から収集したプローブ情報に基づいて交通情報を作成する交通情報作成装置が知られている（例えば、特許文献１参照）。

特許文献１に記載の交通情報作成装置は、プローブ情報を車速域ごとに分類して統計処理することにより、車速域ごとに、各リンクの旅行時間等の交通情報を作成している。

特開２００９－２２３５５１号公報

矢来 博司、「準天頂衛星による測量向け補正技術の開発及びマルチGNSS測量への取り組み」、第８回北海道測量技術講演会、平成２３年１月２７日

（１）上記目的を達成するために、本発明の一実施態様に係るコンピュータプログラムは、所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記所定区間における走行車線が未知の車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部と、して機能させる。

（１０）本発明の他の実施態様に係る走行車線特定装置は、所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記所定区間における走行車線が未知の車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部と、を備える。

（１１）本発明の他の実施態様に係る走行車線特定システムは、所定区間における走行車線が未知の車両である対象車両の走行車線を特定する走行車線特定装置と、前記走行車線特定装置に対して、前記対象車両の前記所定区間におけるプローブ情報を送信する前記対象車両に設置された車載装置と、を備え、前記走行車線特定装置は、前記所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記車載装置から前記プローブ情報を取得し、取得した前記プローブ情報に基づいて、前記対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部とを有する。

本発明の実施の形態１に係る交通情報提供システムの構成を示す図である。 本発明の実施の形態１に係る対象車両に設置される車載装置の構成を示すブロック図である。 プローブ情報生成部が生成したプローブ情報のデータ構造の一例を示す図である。 本発明の実施の形態１に係る教師車両に設置される車載装置の構成を示すブロック図である。 本発明の実施の形態１に係るサーバの構成を示すブロック図である。 地図データベースに含まれる、道路リンク、車線リンクおよび対象区間の情報の一例を示す図である。 対象車両のプローブ情報から抽出した特徴量を示す図である。 クラスタリング部によるクラスタリング処理について説明するための図である。 クラスタリング部によるクラスタリング処理の結果の一例を示す図である。 交通情報提供システムが実行する処理の流れを示すシーケンス図である。 走行車線特定処理（図１０のＳ４）の詳細を示すフローチャートである。 クラスタリング部によるクラスタリング処理について説明するための図である。 クラスタリング部によるクラスタリング処理および走行車線特定部による走行車線特定処理について説明するための図である。

［本開示が解決しようとする課題］
従来の交通情報作成装置によると、車速域ごとの交通情報を作成することはできるが、車両の走行車線を特定する手段が開示されていないため、車線毎に交通情報を作成することができない。

高速道路の出口渋滞や、落下物、故障車または事故規制等による渋滞では、特定の車線において車両速度が低下して渋滞が発生するものの、その他の車線では渋滞が発生しないなどのように、車線毎に渋滞状況が異なる場合がある。このような場合に、車線毎に交通情報を提供することができると、ドライバー（自動運転機能を含む）は、事前に車線変更を行い、渋滞を回避することができる等の効果がある。ただし、プローブ情報を用いて車線毎の交通情報を作成するには、車両がどの車線を走行しているのかを特定する必要がある。

一方、準天頂衛星によるＧＰＳ（Global Positioning System）補強技術またはＧＰＳ補完技術の発達により、今後、ＧＰＳの位置精度が飛躍的に向上することが期待されている。ＧＰＳ補強技術またはＧＰＳ補完技術を用いることにより、車両の走行位置を高精度に特定することができ、これにより走行車線を特定することが容易になると考えられる。しかし、準天頂衛星の信号を受信して高精度の走行位置を特定することのできる受信機が全ての車両に搭載されるまでには、今後しばらくの時間を要する。

このため、走行車線を特定可能なまでに高精度な位置情報を含むプローブ情報を送信可能な車両と、走行車線を特定することが困難な従来精度の位置情報を含むプローブ情報を送信する車両とがしばらくの間は混在することになる。

このような状況の下、車線毎の交通情報を作成するためには、従来精度の位置情報を含むプローブ情報しか送信することができない車両についても走行車線を特定することが望まれる。

本開示は、このような事情に鑑みてなされたものであり、従来精度の位置情報を含むプローブ情報しか送信することのできない車両について、当該車両が走行する走行車線を特定することのできるコンピュータプログラム、走行車線特定装置および走行車線特定システムを提供することを目的とする。

［本開示の効果］
本開示によると、従来精度の位置情報を含むプローブ情報しか送信することのできない車両について、当該車両が走行する走行車線を特定することができる。

［本願発明の実施形態の概要］
最初に本発明の実施形態の概要を列記して説明する。
（１）本発明の一実施形態に係るコンピュータプログラムは、コンピュータを、所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記所定区間における走行車線が未知の車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部と、して機能させる。

この構成によると、少なくとも対象車両の特徴量をグループに分類し、教師車両の特徴量のグループへの分類結果に基づいて、対象車両の走行車線を特定している。このため、教師車両の速度推移と類似した速度推移を有する対象車両は、当該教師車両と同一のグループに分類されることとなるため、対象車両の走行車線を特定することができる。

（２）好ましくは、前記特徴量抽出部が抽出する各車両の特徴量は、当該車両の平均速度、最高速度、最低速度、減速地点および加速地点の少なくとも１つを含む。

この構成によると、車両の特徴量として、速度の推移を的確に表現できる特徴量を用いることができる。これにより、対象車両の走行車線を正確に特定することができる。

（３）また、さらに好ましくは、前記第１取得部は、さらに、前記教師車両の種別情報を取得し、前記第２取得部は、さらに、前記対象車両の種別情報を取得し、前記分類部は、前記対象車両の種別ごとに、少なくとも前記対象車両の特徴量を、１以上のグループに分類し、前記走行車線特定部は、前記教師車両の種別ごとに、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する。

この構成によると、車両の種別ごとに、対象車両の走行車線を特定することができる。このため、対象車両の走行車線を正確に特定することができる。

（４）また、前記分類部は、前記教師車両の走行車線ごとの代表特徴量と、前記対象車両の特徴量とを、１以上のグループに分類してもよい。

この構成によると、教師車両の代表特徴量を含めて対象車両の特徴量をグループに分類することができる。このため、グループごとに、当該グループに含まれる対象車両は、当該グループに含まれる教師車両と同じ車線を走行したと特定することができる。

（５）また、前記分類部は、同一の車線を走行する前記教師車両の特徴量は同一のグループに分類されるとの制約条件の下で、前記教師車両の特徴量と前記対象車両の特徴量を、１以上のグループに分類してもよい。

この構成によると、同一の車線を走行する教師車両の特徴量が複数のグループに分類されることなく、教師車両の特徴量を含めて対象車両の特徴量をグループに分類することができる。これにより、グループごとに、当該グループに含まれる対象車両は、当該グループに含まれる教師車両と同じ車線を走行したと特定することができる。

（６）また、前記走行車線特定部は、前記教師車両の走行車線ごとの代表特徴量と、各グループに属する前記対象車両の特徴量の重心との比較結果に基づいて、前記教師車両の特徴量を、いずれかのグループに当てはめることにより、各グループに含まれる前記対象車両の走行車線を特定してもよい。

この構成によると、グループごとに、当該グループに属する対象車両の特徴量の重心と最も近い教師車両の代表特徴量を特定することができる。これにより、当該グループに含まれる対象車両は、当該教師車両と同じ車線を走行したと特定することができる。

（７）また、前記分類部は、さらに、グループ間の距離が所定閾値以上であるとの制約条件の下で、少なくとも前記対象車両の特徴量を、１以上のグループに分類してもよい。

この構成によると、類似する特徴量を含むグループ同士を統合することができる。走行車線間で走行速度差が小さい場合には、どの車線を走行しても旅行時間等に大差はない。このため、対象車両の走行車線を無理に特定する必要がないが、グループ統合を行うことにより、これを実現することができる。

（８）また、前記走行車線特定部は、第１グループとの距離が所定閾値以下の第２グループが存在する場合には、前記第１グループに含まれる前記対象車両の走行車線に、前記第２グループに含まれる前記対象車両の走行車線を追加してもよい。

この構成によると、類似する特徴量を含む第１グループおよび第２グループについては、対象車両の走行車線を一意に特定することなく、候補の走行車線を特定することができる。

（９）また、前記走行車線特定部は、グループ間の距離が所定距離以下の複数のグループについて、当該複数のグループに含まれる前記対象車両の走行車線を、前記複数のグループに特徴量が分類された前記教師車両の走行車線のいずれかであると特定してもよい。

この構成によると、類似する特徴量を含む複数のグループについては、対象車両の走行車線を一意に特定することなく、候補の走行車線を特定することができる。

（１０）本発明の他の実施形態に係る走行車線特定装置は、所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記所定区間における走行車線が未知の車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部と、を備える。

この走行車線特定装置は、上述のコンピュータプログラムによってコンピュータが機能する処理部を構成として備える。このため、上述のコンピュータプログラムと同様の作用および効果を奏することができる。

（１１）本発明の他の実施形態に係る走行車線特定システムは、所定区間における走行車線が未知の車両である対象車両の走行車線を特定する走行車線特定装置と、前記走行車線特定装置に対して、前記対象車両の前記所定区間におけるプローブ情報を送信する前記対象車両に設置された車載装置と、を備え、前記走行車線特定装置は、前記所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、前記車載装置から前記プローブ情報を取得し、取得した前記プローブ情報に基づいて、前記対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、前記教師車両の特徴量と前記対象車両の特徴量のうち、少なくとも前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する走行車線特定部とを有する。

この走行車線特定システムは、上述のコンピュータプログラムによってコンピュータが機能する処理部を構成として備える。このため、上述のコンピュータプログラムと同様の作用および効果を奏することができる。

［本願発明の実施形態の詳細］
以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、構成要素、構成要素の配置位置および接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、請求の範囲によって特定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。

また、同一の構成要素には同一の符号を付す。それらの機能および名称も同様であるため、それらの説明は適宜省略する。

（実施の形態１）
＜交通情報提供システムの構成＞
図１は、本発明の実施の形態１に係る交通情報提供システムの構成を示す図である。実施の形態１では、車両から収集したプローブ情報から、車両が走行した道路の走行車線を特定し、走行車線ごとの交通情報を車両に提供するこのできる交通情報提供システムについて説明する。

図１を参照して、交通情報提供システム１は、走行車線特定システムとして機能し、サーバ２と、道路９を走行する対象車両５に設置された車載装置６と、道路９を走行する教師車両７に設置された車載装置８とを備える。

ここで、対象車両５とは、道路９上での走行車線が未知の車両を示す。つまり、車載装置６により検出される車両の位置精度が走行車線を特定できる程度にまで高くない車両が、対象車両５とされる。具体的には、従来のＧＰＳ受信機により走行位置が測位される車両が、対象車両５とされる。

一方、教師車両７とは、道路９上での走行車線が既知の車両を示す。つまり、車載装置８により検出される車両の位置精度が走行車線を特定できる程度にまで高い車両が、教師車両７とされる。具体的には、従来のＧＰＳ受信機により測位された走行位置を、準天頂衛星から受信した補強信号により補正することのできる車両が、教師車両７とされる。

車載装置６は、車載装置６が設置された対象車両５の走行位置および当該走行位置を通過した通過時刻の情報を少なくとも含むプローブ情報を、所定の時間間隔または所定の距離間隔で生成する。車載装置６は、生成したプローブ情報を、基地局４およびネットワーク３を介してサーバ２に送信する。

車載装置８は、車載装置６と同様に、車載装置８が設置された教師車両７の走行位置および当該走行位置を通過した通過時刻の情報を少なくとも含むプローブ情報を、所定の時間間隔または所定の距離間隔で生成する。また、車載装置８は、生成したプローブ情報を、基地局４およびネットワーク３を介してサーバ２に送信する。

なお、車載装置６および８は、対象車両５および７にそれぞれ設置される車載通信機などの専用装置であってもよいし、対象車両５および７の搭乗者が所持するスマートフォンなどの汎用装置であってもよい。

サーバ２は、例えば、交通管制センターなどに設置される。サーバ２は、走行車線特定装置として機能し、車載装置６および８からプローブ情報を受信し、受信したプローブ情報に基づいて、対象車両５が走行した道路９の車線を特定する。

＜対象車両に設置される車載装置の構成＞
図２は、本発明の実施の形態１に係る対象車両５に設置される車載装置６の構成を示すブロック図である。

図２を参照して、車載装置６は、ＧＰＳ受信機６１と、速度センサ６２と、方位センサ６３と、加速度センサ６４と、位置検出部６５と、プローブ情報生成部６６と、プローブ情報提供部６７と、通信Ｉ／Ｆ（Interface）部６８と、交通情報取得部６９とを備える。

ＧＰＳ受信機６１は、ＧＰＳ衛星から受信した電波に基づいて、対象車両５の位置を測位し、位置情報を出力する。対象車両５の位置情報は、対象車両５の緯度情報および経度情報を含む。

速度センサ６２は、例えば、対象車両５の車輪の回転数を測定することにより、対象車両５の走行速度を計測、計測結果を出力する。ただし、走行速度の計測方法はこれに限定されるものではない。

方位センサ６３は、例えば、磁気センサまたはジャイロセンサを含んで構成され、対象車両５の方位を計測し、計測結果を出力する。

加速度センサ６４は、静電容量検出方式またはピエゾ抵抗方式などに従って、対象車両５の走行加速度を計測し、計測結果を出力する。

位置検出部６５は、ＧＰＳ受信機６１、速度センサ６２、方位センサ６３および加速度センサ６４の出力に基づいて、対象車両５の位置を検出する。例えば、位置検出部６５は、ＧＰＳ受信機６１が位置情報を出力する場合には、当該位置情報が示す位置を対象車両５の位置として検出する。ただし、トンネル内などＧＰＳ衛星からの電波が妨害される場所においては、ＧＰＳ受信機６１が対象車両５の位置を測位できない場合がある。このような場合には、速度センサ６２、方位センサ６３および加速度センサ６４の出力に基づいて、対象車両５の位置を補間して検出する。

プローブ情報生成部６６は、位置検出部６５が検出した対象車両５の位置の情報を含むプローブ情報を生成する。

図３は、プローブ情報生成部６６が生成したプローブ情報のデータ構造の一例を示す図である。図３に示すように、プローブ情報１５０は、車載装置識別情報と、位置情報と、速度情報と、時刻情報と、位置精度情報とを含む。

車載装置識別情報は、車載装置６を識別するための情報であり、車載装置６にユニークに割り当てられた情報である。なお、車載装置識別情報の代わりに、対象車両５を識別する車両識別情報が用いられてもよい。
位置情報は、位置検出部６５が検出した対象車両５の位置の情報である。
速度情報は、速度センサ６２が計測した対象車両５の走行速度の情報である。

時刻情報は、位置検出部６５が検出した対象車両５の位置を対象車両５が通過した時刻の情報である。

位置精度情報は、位置検出部６５が検出した対象車両５の位置の精度を示す情報である。つまり、位置情報が走行車線を特定できる程度までに高いか否かを示す情報である。走行車線を特定できる程度までに高い情報を、以下では「高精度情報」と呼び、走行車線を特定できる程度までには高くない情報を、以下では「低精度情報」と呼ぶ。車載装置６は、ＧＰＳ受信機６１のみにより位置を測位している。このため、位置精度情報は、低精度情報を示す。

なお、対象車両５の走行速度は、対象車両５の位置および時刻から算出することができる。このため、速度情報がプローブ情報１５０に含まれていなくてもよい。

また、プローブ情報の送信元の識別が不要な場合には、車載装置識別情報が含まれていなくてもよい。

また、車載装置識別情報等から、位置精度情報を特定することができる場合には、位置精度情報は、必ずしもプローブ情報１５０に含まれていなくてもよい。

また、プローブ情報１５０に位置精度情報が含まれていない場合には、当該プローブ情報１５０が示す位置精度は走行車線を特定できる程度までには高くない低精度であると判定してもよい。

再度図２を参照して、プローブ情報提供部６７は、プローブ情報生成部６６が生成したプローブ情報を、通信Ｉ／Ｆ部６８を介してサーバ２に送信する。

通信Ｉ／Ｆ部６８は、無線でデータを送信するための通信インタフェースであり、例えば、通信Ｉ／Ｆ部６８は、３ＧまたはＬＴＥ（Long Term Evolution）などの通信規格に従い、車載装置６と基地局４との通信のためのコネクションを確立する。通信Ｉ／Ｆ部６８は、基地局４およびネットワーク３を介して、プローブ情報をサーバ２に送信する。

交通情報取得部６９は、通信Ｉ／Ｆ部６８を介して、サーバ２から車線ごとの交通情報を取得する。例えば、交通情報取得部６９は、車線ごとの旅行時間を取得する。交通情報取得部６９は、取得した交通情報を、ディスプレイ装置に表示したり、目的地までの車線ごとの旅行時間を計算するためにナビゲーションシステムに提供したりする。

＜教師車両に設置される車載装置の構成＞
図４は、本発明の実施の形態１に係る教師車両７に設置される車載装置８の構成を示すブロック図である。

図４を参照して、車載装置８は、ＧＰＳ受信機６１と、速度センサ６２と、方位センサ６３と、加速度センサ６４と、補強信号受信機８１と、カメラ８２と、位置検出部８３と、プローブ情報生成部８４と、プローブ情報提供部６７と、通信Ｉ／Ｆ部６８と、交通情報取得部６９とを備える。

図２に示した車載装置６と同一の参照符号を付した処理部６１～６４、６７～６９は、車載装置６のそれらと同様の構成を有する。ただし、処理対象の車両が対象車両５ではなく、教師車両７である点が異なる。

補強信号受信機８１は、準天頂衛星が送信する補強信号を受信する。補強信号とは、ＧＰＳによる測位精度を向上させるための信号であり、例えば、ＬＥＸ信号がそれに該当する。ただし、ＬＥＸ信号の代わりにＬ１－ＳＡＩＦ信号を用いてもよい。なお、補強信号の詳細については、例えば、非特許文献１に開示されている。

カメラ８２は、教師車両７に設置され、教師車両７の周囲の画像を撮影する。例えば、カメラ８２は、教師車両７の前方を撮影する。カメラ８２が撮影する画像は静止画であってもよいし、動画像であってもよい。

なお、補強信号受信機８１およびカメラ８２は、少なくともいずれか一方が車載装置８に含まれていればよい。

位置検出部８３は、ＧＰＳ受信機６１が測位した教師車両７の位置を、補強信号受信機８１が受信した補強信号を用いて補正することにより、数ｃｍ～１ｍ程度の測位精度の位置を検出する。これにより、位置検出部８３は、教師車両７の走行車線を特定することのできる精度を有する位置を検出することができる。ただし、位置検出部８３は、トンネル内などＧＰＳ衛星または準天頂衛星からの電波が妨害される場所においては、速度センサ６２、方位センサ６３および加速度センサ６４の出力に基づいて、教師車両７の位置を補間して検出する。

プローブ情報生成部８４は、位置検出部８３が検出した教師車両７の位置の情報と、カメラ８２が撮影した教師車両７の周囲の画像とを含むプローブ情報を生成する。

プローブ情報生成部８４が生成した教師車両７のプローブ情報のデータ構造は、図３に一例を示したプローブ情報生成部６６が生成した対象車両５のプローブ情報のデータ構造に、画像が加わったものである。ただし、車載装置８に補強信号受信機８１が含まれる場合には、位置精度情報は、高精度情報であることを示す。一方、車載装置８に補強信号受信機８１が含まれない場合には、位置精度情報は、低精度情報であることを示す。

なお、カメラ８２が撮影した画像は、プローブ情報に含めずに、サーバ２に送信するようにしてもよい。

＜サーバの構成＞
図５は、本発明の実施の形態１に係るサーバ２の構成を示すブロック図である。
図５を参照して、サーバ２は、通信Ｉ／Ｆ部２１と、プローブ情報取得部２２と、記憶装置２３と、リンクマッチング部２４と、走行車線推定部２５と、特徴量抽出部２６と、クラスタリング部２７と、走行車線特定部２８と、交通情報算出部２９とを備える。

通信Ｉ／Ｆ部２１は、サーバ２をネットワーク３に接続するための通信インタフェースである。通信Ｉ／Ｆ部２１は、ネットワーク３を介して、車載装置６および８が送信するプローブ情報を受信する。

プローブ情報取得部２２は、第１取得部および第２取得部として機能し、通信Ｉ／Ｆ部２１を介して、車載装置６および８からプローブ情報を取得する。プローブ情報取得部２２は、取得したプローブ情報を記憶装置２３に記憶させる。

つまり、プローブ情報取得部２２は、位置精度情報が低精度情報であり、かつ画像を含まないプローブ情報を、対象車両５のプローブ情報として記憶装置２３に記憶させる。

また、プローブ情報取得部２２は、位置精度情報が高精度情報のプローブ情報を、教師車両７のプローブ情報として記憶装置２３に記憶させる。さらに、プローブ情報取得部２２は、位置精度情報が低精度情報であり、かつ画像を含むプローブ情報を、教師車両７のプローブ情報として記憶装置２３に記憶させる。

記憶装置２３は、各種情報を記憶する。記憶装置２３は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶装置や、フラッシュメモリなどの半導体記憶装置により構成される。

記憶装置２３は、例えば、プローブ情報取得部２２が取得したプローブ情報２３Ａおよび地図データベース２３Ｂを記憶する。

プローブ情報２３Ａは、上述したように、プローブ情報取得部２２が車載装置６および８から取得したプローブ情報である。

地図データベース２３Ｂは、対象車両５および教師車両７が走行可能な道路リンクの情報と、各道路リンクを構成する車線リンクの情報を含む地図情報である。なお、地図データベース２３Ｂには、対象車両５が走行した車線の判定対象となる対象区間（図１参照）の情報も含まれる。

図６は、地図データベース２３Ｂに含まれる、道路リンク、車線リンクおよび対象区間の情報の一例を示す図である。地図データベース２３Ｂには、道路リンク１０１～１０５を特定する情報が含まれる。同図に示すように、上流から、道路リンク１０１、道路リンク１０２、道路リンク１０３の順で接続され、道路リンク１０３は下端で道路リンク１０４および道路リンク１０５に分岐している。対象区間Ｓは、例えば、道路リンク１０１の途中から道路リンク１０２の終端までの区間であり、３つの車線リンク１０６Ａ～１０６Ｃを含む３車線道路である。

再度図５を参照して、リンクマッチング部２４は、プローブ情報２３Ａおよび地図データベース２３Ｂに基づいて、対象車両５が走行した道路リンクを推定する。つまり、リンクマッチング部２４は、対象車両５のプローブ情報が示す位置情報に最も近い位置情報を有する道路リンクを推定することにより、対象車両５が走行した道路リンクを推定する。

走行車線推定部２５は、プローブ情報２３Ａおよび地図データベース２３Ｂに基づいて、教師車両７が走行した道路リンクおよび走行車線（車線リンク）を推定する。各道路リンクは、それぞれが走行車線に対応する複数の車線リンクから構成されている。このため、走行車線推定部２５は、教師車両７のプローブ情報に含まれる位置精度情報が高精度情報を示す場合には、教師車両７のプローブ情報が示す位置情報に最も近い位置情報を有する道路リンクおよび車線リンクを推定することにより、教師車両７が走行した道路リンクおよび車線リンクを推定する。

一方、走行車線推定部２５は、教師車両７のプローブ情報に含まれる位置精度情報が低精度情報を示す場合には、教師車両７のプローブ情報が示す位置情報に最も近い位置情報を有する道路リンクを推定する。また、走行車線推定部２５は、事前に学習された識別器に、プローブ情報に含まれる画像を入力することにより、教師車両７が走行した車線リンクを推定する。例えば、識別機をニューラルネットワークとする場合には、車線リンクと当該車線リンクを走行した車両が撮影した画像との組を教師データとしてニューラルネットワークを事前に学習しておく。走行車線推定部２５は、学習済みのニューラルネットワークに画像を入力することにより、教師車両７が走行した車線リンクを推定する。

特徴量抽出部２６は、リンクマッチング部２４が推定した道路リンクに基づいて、あらかじめ定められた対象区間を走行した対象車両５のプローブ情報を特定し、特定したプローブ情報から特徴量を抽出する。また、特徴量抽出部２６は、走行車線推定部２５が推定した道路リンクに基づいて、上記対象区間を走行した教師車両７のプローブ情報を特定し、特定したプローブ情報から特徴量を抽出する。特徴量は、例えば、対象区間内における平均速度、最高速度、最低速度および減速地点を含む。減速地点とは、対象区間の上端から探索して速度が所定速度Ｖｔｈ以上から所定速度Ｖｔｈ未満に変化する最初の位置を示す。なお、特徴量は、減速地点の代わりに、または減速地点に加えて、加速地点を含んでいてもよい。加速地点とは、対象区間の上端から探索して速度が所定速度Ｖｔｈ未満から所定速度Ｖｔｈ以上に変化する最初の位置を示す。
特徴量として、これらを用いることにより、速度の推移を的確に表現することができる。

図７は、対象車両５のプローブ情報から抽出した特徴量を示す図である。車両Ａ～車両Ｆを対象車両５とした場合に、図７中の（ａ）～（ｆ）は、各対象車両５（車両Ａ～車両Ｆ）の対象区間における速度推移情報を示す。横軸は対象区間の上端からの距離を示し、縦軸は各地点における走行速度を示す。特徴量抽出部２６が、対象車両５の速度推移情報から抽出した特徴量を矩形枠内に示している。例えば、図７中の（ａ）に示すように車両Ａの速度推移情報からは、特徴量として、「平均速度＝６０、最高速度＝８０、最低速度＝３０、減速地点＝１００」が抽出されている。なお、図７中の（ｃ）、（ｄ）および（ｅ）に示すように、所定速度Ｖｔｈを跨ぐ減速が生じていない車両については「減速地点＝９９９」としている。教師車両７についても同様の特徴量が抽出される。

再度図５を参照して、クラスタリング部２７は、分類部として機能し、対象車両５のプローブ情報から抽出した特徴量（以下、「対象車両５の特徴量」という。）と、教師車両７のプローブ情報が示す特徴量（以下、「教師車両７の特徴量」という。）から求めた代表特徴量とを、を複数のクラスタ（グループ）に分類するクラスタリング処理を行う。実施の形態１では、対象区間における車線数（例えば、３車線）が既知であるものとする。
このため、クラスタリング部２７は、例えば、ｋ－ｍｅａｎｓ法を用いて、対象車両５の特徴量と教師車両７の代表特徴量とを３つのクラスタに分類する。クラスタリング部２７は、対象車両５の特徴量をクラスタに分類することにより、対象車両５をクラスタに分類する。

図８は、クラスタリング部２７によるクラスタリング処理について説明するための図である。

図８に示すように、対象車両５の特徴量は、４次元ベクトル空間中の点として示すことができる。つまり、対象車両５の特徴量は、平均速度、最高速度、最低速度および減速地点からなる４次元の特徴量ベクトルである。また、教師車両７の代表特徴量は、走行車線ごとに教師車両７の特徴量ベクトルから生成される。例えば、クラスタリング部２７は、第１車線を走行した教師車両７の特徴量（特徴量ベクトル）から、代表特徴量として代表ベクトル１２１を生成する。特徴量の平均ベクトル（重心ベクトル）を代表ベクトル１２１としてもよい。同様に、クラスタリング部２７は、第２車線を走行した教師車両７の代表ベクトル１２２と、第３車線を走行した教師車両７の代表ベクトル１２３とを生成する。

クラスタリング部２７は、これらの特徴量ベクトルを３つのクラスタにクラスタリングする。これにより、特徴量ベクトル１１１および代表ベクトル１２１を含むクラスタ１と、特徴量ベクトル１１２および代表ベクトル１２２を含むクラスタ２と、特徴量ベクトル１１３および代表ベクトル１２３を含むクラスタ３とが生成される。なお、クラスタリングの前処理として、クラスタリング部２７は、各次元の特徴量の正規化を行っているものとする。

図９は、クラスタリング部２７によるクラスタリング処理の結果の一例を示す図である。

図８および図９を参照して、クラスタ１には、車両Ａ、ＢおよびＦの特徴量が含まれ、クラスタ２には、車両ＣおよびＥの特徴量が含まれ、クラスタ３には車両Ｄの特徴量が含まれる。

走行車線特定部２８は、各クラスタに含まれる代表ベクトルから当該クラスタに含まれる対象車両５の走行車線を特定する。

具体的には、クラスタ１には第１車線を走行した教師車両７の代表ベクトル１２１が含まれる。このため、走行車線特定部２８は、クラスタ１に含まれる特徴量ベクトル１１１に対応する対象車両５の走行車線を第１車線と特定する。これにより、車両Ａ、ＢおよびＦの走行車線は、第１車線であると特定される。同様に、第２車線を走行した教師車両７の代表ベクトル１２２はクラスタ２に属するため、車両ＣおよびＥの走行車線は、第２車線であると特定される。さらに、第３車線を走行した教師車両７の代表ベクトル１２３はクラスタ３に属するため、車両Ｄの走行車線は、第３車線であると特定される。

再度図５を参照して、交通情報算出部２９は、走行車線推定部２５により走行車線が推定された教師車両７のプローブ情報と、走行車線特定部２８により走行車線が特定された対象車両５のプローブ情報とに基づいて、車線ごとの交通情報を算出する。例えば、交通情報算出部２９は、車線ごとに、所定区間の旅行時間や渋滞末尾位置を算出する。交通情報算出部２９は、算出した交通情報を、通信Ｉ／Ｆ部２１を介して車載装置６および８に送信する。

＜交通情報提供システムの処理の流れ＞
図１０は、交通情報提供システム１が実行する処理の流れを示すシーケンス図である。

車載装置６および車載装置８は、それぞれ、対象車両５および教師車両７の位置を検出する（Ｓ１）。

車載装置６および８は、検出した位置に基づいてプローブ情報を生成する（Ｓ２）。

車載装置６および８は、生成したプローブ情報をサーバ２に送信し、サーバ２は、車載装置６および８からプローブ情報を受信する（Ｓ３）。サーバ２は、車載装置６および８から受信したプローブ情報を記憶装置２３に記憶させる。

サーバ２は、車載装置６および８から受信したプローブ情報に基づいて、対象区間における対象車両５の走行車線を特定する（Ｓ４）。

サーバ２は、対象区間における車線ごとの交通情報を生成し、生成した交通情報を車載装置６および８に送信する（Ｓ５）。

図１１は、走行車線特定処理（図１０のＳ４）の詳細を示すフローチャートである。

サーバ２は、所定の交通情報生成タイミングＴに到達するまで待機する（Ｓ１１）。例えば、交通情報生成タイミングＴは３０分間隔で周期的に到来する。

交通情報生成タイミングに到達すると（Ｓ１１でＹＥＳ）、時刻（Ｔ－Ｃ）からタイミングＴまでの間に対象区間Ｓの最下流を通過した教師車両７が存在するかを、教師車両７のプローブ情報から判定する（Ｓ１２）。ここで、Ｃは所定の時間であり、例えば、１５分間である。

教師車両７が存在する場合には（Ｓ１２でＹＥＳ）、走行車線推定部２５は、教師車両７のプローブ情報から、時刻（Ｔ－Ｃ）からタイミングＴまでの間に対象区間Ｓの最下流を通過した教師車両７の走行車線を推定する（Ｓ１３）。

また、リンクマッチング部２４は、時刻（Ｔ－Ｃ）からタイミングＴまでの間に対象区間Ｓの最下流を通過した対象車両５の道路リンクを特定する（Ｓ１４）。

特徴量抽出部２６は、時刻（Ｔ－Ｃ）からタイミングＴまでの間に対象区間Ｓの最下流を通過した対象車両５および教師車両７のプローブ情報から、特徴量を抽出する（Ｓ１５）。

クラスタリング部２７は、対象車両５の特徴量ベクトルと教師車両７の代表ベクトルとをクラスタリングする（Ｓ１６）。

走行車線特定部２８は、クラスタごとに、当該クラスタに含まれる対象車両５の走行車線が、当該クラスタに含まれる代表ベクトルに対応する教師車両７の走行車線であると特定する（Ｓ１７）。

＜実施の形態１の効果＞
以上説明したように、本発明の実施の形態１によると、対象車両５の特徴量ベクトルと教師車両７の代表ベクトルとをクラスタリングすることで、対象車両５の走行車線を特定している。このため、教師車両７の速度推移と類似した速度推移を有する対象車両５は、その教師車両７と同一のクラスタに分類される。よって、あるクラスタに含まれる対象車両５は、そのクラスタに含まれる教師車両７と同じ車線を走行したと特定することができる。よって、対象車両５の走行車線を特定することができる。

（実施の形態１の変形例１）
実施の形態１では、サーバ２の走行車線特定部２８は、教師車両７の特徴量から生成した代表ベクトルを用いて、教師車両７の属するクラスタを決定し、クラスタごとに対象車両５の走行車線を決定した。本変形例では、教師車両７の代表ベクトルではなく、教師車両７の特徴量を用いて、教師車両７の属するクラスタを決定する。

つまり、図５に示すクラスタリング部２７は、同一車線を走行する教師車両７の特徴量は、同一のクラスタに属するとの制約条件の元で、対象車両５の特徴量と、教師車両７の特徴量とを区別することなくクラスタリングを行う。

図１２は、クラスタリング部２７によるクラスタリング処理について説明するための図である。

図１２に示すように、各々が同一車線を走行する教師車両７の特徴量ベクトル１３１、特徴量ベクトル１３２および特徴量ベクトル１３３が、それぞれ、同一のクラスタに分類されるようにクラスタリング処理が行われる。例えば、特徴量ベクトル１３１は、第１車線を走行する教師車両７の特徴量ベクトルであり、特徴量ベクトル１３２は、第２車線を走行する教師車両７の特徴量ベクトルであり、特徴量ベクトル１３３は、第３車線を走行する教師車両７の特徴量ベクトルであるものとする。

クラスタリング処理の結果、対象車両５の特徴量ベクトル１１１と、教師車両７の特徴量ベクトル１３１とがクラスタ１に分類される。また、対象車両５の特徴量ベクトル１１２と、教師車両７の特徴量ベクトル１３２とがクラスタ２に分類される。さらに、対象車両５の特徴量ベクトル１１３と、教師車両７の特徴量ベクトル１３３とがクラスタ３に分類される。

特徴量ベクトル１３１は、第１車線を走行する教師車両７の特徴量ベクトルである。このため、走行車線特定部２８は、特徴量ベクトル１３１と同じクラスタ１に属する特徴量ベクトル１１１に対応する対象車両５の走行車線を、第１車線と特定する。同様にして、走行車線特定部２８は、クラスタ２に属する対象車両５の走行車線を、第２車線と特定し、クラスタ３に属する対象車両５の走行車線を、第３車線と特定する。

本変形例によると、同一の車線を走行する教師車両７の特徴量が複数のクラスタに分類されることなく、教師車両７の特徴量を含めて対象車両５の特徴量をクラスタに分類することができる。これにより、クラスタごとに、当該クラスタに含まれる対象車両５は、当該クラスタに含まれる教師車両７と同じ車線を走行したと特定することができる。

（実施の形態１の変形例２）
実施の形態１および実施の形態１の変形例１では、ｋ－ｍｅａｎｓ法を用いて、特徴量のクラスタリングを行う。このため、特徴量は、車線数と同じ数のクラスタに分類されることになる。しかしながら、車線間で車両の走行速度推移が類似している場合には、車線を特定することが困難な場合がある。例えば、高速道路の進入路付近においては、進入路に最も近い左端の第１車線を走行する車両は比較的低速で走行するものの、それ以外の第２車線および第３車線を走行する車両は高速で走行する場合がある。このような場合に、第１車線を走行する車両と、第２車線および第３車線を走行する車両とでは、速度推移が異なるため、明確に分類することができる。しかし、第２車線および第３車線を走行する車両が類似する速度推移で走行している場合には、これらの車両を分類することが困難である。

そこで、本変形例では、上述の第２車線および第３車線を走行する車両のように、車線間で速度推移が類似する対象車両５については、一意に走行車線を特定することなく、候補の走行車線を特定することとする。

具体的に、サーバ２の走行車線特定部２８は、クラスタ間の距離を算出する。例えば、走行車線特定部２８は、クラスタに含まれる対象車両５の特徴量ベクトルの重心間の距離を、クラスタ間の距離として算出する。ただし、クラスタ間の距離の算出方法は、これに限定されるものではない。

走行車線特定部２８は、クラスタ間の距離が所定閾値以下の複数のクラスタを特定する。例えば、図８に示したクラスタ１～３において、クラスタ２およびクラスタ３間の距離が所定閾値以下であり、クラスタ１およびクラスタ２間の距離、ならびにクラスタ１およびクラスタ３間の距離は、所定閾値よりも大きいとする。

この場合、走行車線特定部２８は、クラスタ２およびクラスタ３に含まれる対象車両５については、走行車線を一意に特定することは行わない。ただし、クラスタ２には第２車線を走行した教師車両７の代表ベクトル１２２が含まれ、クラスタ３には第３車線を走行した教師車両７の代表ベクトル１２３が含まれる。このことより、走行車線特定部２８は、クラスタ２およびクラスタ３に含まれる対象車両５は、第２車線および第３車線のいずれかの車線を走行したと特定する。つまり、走行車線特定部２８は、クラスタ２およびクラスタ３に含まれる対象車両５の候補の走行車線として、第２車線および第３車線を特定する。

言い換えると、走行車線特定部２８は、第１グループとの距離が所定閾値以下の第２グループが存在する場合には、第１グループに含まれる対象車両５の走行車線に、第２グループに含まれる対象車両５の走行車線を追加する。上述の例では、第１グループがクラスタ２に相当し、第２グループがクラスタ３に相当することになる。

（実施の形態２）
実施の形態１およびその変形例では、ｋ－ｍｅａｎｓ法を用いて特徴量のクラスタリングを行った。ただし、クラスタリングの手法は、これに限定されるものではない。実施の形態２では、ｋ－ｍｅａｎｓ法に代えて、ｘ－ｍｅａｎｓ法を用いる例について説明する。
交通情報提供システム１の構成は、実施の形態１と同様である。

図５に示すクラスタリング部２７は、ｘ－ｍｅａｎｓ法を用いて、対象車両５の特徴量をクラスタに分類する。ｘ－ｍｅａｎｓ法ではｋ－ｍｅａｎｓ法とは異なり、分類されるクラスタの数が変化する。

例えば、クラスタリング部２７は、クラスタ間の距離（例えば、クラスタに含まれる特徴量の重心を表す重心ベクトル間の距離）が、所定閾値以上であるとの制約条件の下で、対象車両５の特徴量に分類する。これにより、類似する特徴量を含むクラスタ同士を統合することができる。走行車線間で走行速度差が小さい場合には、どの車線を走行しても旅行時間等に大差はない。このため、対象車両５の走行車線を無理に特定する必要がないが、上述のクラスタ統合を行うことにより、これを実現することができる。

図１３は、クラスタリング部２７によるクラスタリング処理および走行車線特定部２８による走行車線特定処理について説明するための図である。

クラスタリング部２７が、ｘ－ｍｅａｎｓ法を用いて対象車両５の特徴量をクラスタリングすることにより、図１３に示すように、特徴量ベクトル１１１がクラスタ１に分類され、特徴量ベクトル１１２がクラスタ２に分類され、特徴量ベクトル１１３がクラスタ３に分類されたものとする。

走行車線特定部２８は、クラスタ１に属する特徴量ベクトル１１１の重心を算出することにより重心ベクトル１４１を求める。同様に、走行車線特定部２８は、クラスタ２に属する特徴量ベクトル１１２の重心を算出することにより重心ベクトル１４２を求め、クラスタ３に属する特徴量ベクトル１１３の重心を算出することにより重心ベクトル１４３を求める。

また、走行車線特定部２８は、実施の形態１と同様に、第１車線を走行した教師車両７の特徴量ベクトルから、代表ベクトル１２１を算出する。また、走行車線特定部２８は、第２車線を走行した教師車両７の特徴量ベクトルから代表ベクトル１２２を算出し、第３車線を走行した教師車両７の特徴量ベクトルから代表ベクトル１２３を算出する。

走行車線特定部２８は、代表ベクトル１２１～１２３のそれぞれについて、代表ベクトルからのユークリッド距離が最も近い重心ベクトルを、重心ベクトル１４１～１４３の中から決定する。これにより、代表ベクトル１２１～１２３が属するクラスタを決定する。例えば、代表ベクトル１２１に最も近い重心ベクトルは重心ベクトル１４１である。このため、走行車線特定部２８は、代表ベクトル１２１の属するクラスタは、重心ベクトル１４１の算出の元となった特徴量ベクトル１１１の属するクラスタ１であると決定する。これにより、走行車線特定部２８は、クラスタ１に含まれる対象車両５は、代表ベクトル１２１に対応する教師車両７と同じ第１車線を走行したと特定する。同様にして、走行車線特定部２８は、クラスタ２に含まれる対象車両５の走行車線を第２車線と特定し、クラスタ３に含まれる対象車両５の走行車線を第３車線と特定する。

以上説明したように、本発明の実施の形態２によると、クラスタごとに、当該クラスタに属する対象車両５の特徴量の重心と最も近い教師車両７の代表特徴量を特定することができる。これにより、当該クラスタに含まれる対象車両５は、当該教師車両７と同じ車線を走行したと特定することができる。

（変形例）
上述の実施の形態１および２では、車両の種類を区別することなく対象車両５の走行車線を特定した。しかし、同一車線を走行する車両であっても、トラックやバスなどの大型車と、乗用車などの小型車とでは、走行速度に違いが生じる。また、オートバイなどの自動二輪車は側道を走行したりすることより、四輪車とは異なる走り方を行う。このため、本来同一の車線を走行している対象車両５同士が異なるクラスタに分類され、それにより異なる車線を走行していると判定されたり、本来異なる車線を走行している対象車両５同士が同じクラスタに分類され、同じ車線を走行していると判定される場合がある。

本変形例では、車両の種別ごとにクラスタリング処理を行うことにより、対象車両５の走行車線を特定する。

本変形例では、対象車両５および教師車両７がサーバ２に送信するプローブ情報に車両の種別情報が含まれているものとする。種別情報には、例えば、大型車、小型車および自動二輪車の情報が含まれる。なお、種別情報は、さらに、細分化されていてもよい。

クラスタリング部２７は、車両の種別ごとに、プローブ情報のクラスタリング処理を行う。クラスタリング処理は、車両の種別ごとに行う以外は、実施の形態１および２に示したものと同様である。

また、走行車線特定部２８は、車両の種別ごとに、クラスタリングの結果から、対象車両５の走行車線を特定する。車線特定処理は、車両の種別ごとに行う以外は、実施の形態１および２に示したものと同様である。

本変形例によると、車両の種別ごとに、対象車両５の走行車線を特定することができる。このため、対象車両５の走行車線を正確に特定することができる。

［付記］
上述の実施の形態では、サーバ２が、対象車両５が走行した道路リンクの推定と、教師車両７が走行した道路リンクおよび車線リンクの推定を行うこととしたが、これらの処理は、対象車両５の車載装置６または教師車両７の車載装置８が行ってもよい。

例えば、車載装置６が、図５に示した地図データベース２３Ｂと、リンクマッチング部２４とを備えている場合には、車載装置６のリンクマッチング部２４が、プローブ情報と地図データベース２３Ｂとから、リンクマッチング処理を行い、対象車両５が走行した道路リンクを推定する。車載装置６は、推定した道路リンクの情報をサーバ２に送信する。

また、車載装置８が、図５に示した地図データベース２３Ｂと、走行車線推定部２５とを備えている場合には、車載装置８の走行車線推定部２５が、プローブ情報および地図データベース２３Ｂに基づいて、教師車両７が走行した道路リンクおよび車線リンクを推定する。車載装置８は、推定した道路リンクおよび車線リンクの情報をサーバ２に送信する。なお、教師車両７がカメラ８２を有する場合には、教師車両７の走行車線推定部２５は、上述したニューラルネットワークなどの識別器を用いて、車線リンクを推定してもよい。

上記のサーバおよび車載装置は、具体的には、マイクロプロセッサ、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ディスプレイユニットなどから構成されるコンピュータシステムとして構成されてもよい。ＲＡＭまたはＨＤＤには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

また、上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩから構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

すなわち、上記各実施の形態における車載装置６のプローブ情報提供部６７、交通情報取得部６９、プローブ情報生成部６６、及び位置検出部６５は、車載装置６が有するマイクロプロセッサが、ＲＡＭまたはＨＤＤに記憶されたコンピュータプログラムを実行することにより実現される。つまり、車載装置６が有するマイクロプロセッサは、プローブ情報提供部６７、交通情報取得部６９、プローブ情報生成部６６、及び位置検出部６５を機能的に有している。
また、車載装置８のプローブ情報提供部６７、交通情報取得部６９、プローブ情報生成部８４、及び位置検出部８３も、車載装置８が有するマイクロプロセッサが、ＲＡＭまたはＨＤＤに記憶されたコンピュータプログラムを実行することにより実現される。つまり、車載装置８が有するマイクロプロセッサは、プローブ情報提供部６７、交通情報取得部６９、プローブ情報生成部８４、及び位置検出部８３を機能的に有している。
さらに、サーバ２のプローブ情報取得部２２、リンクマッチング部２４、走行車線推定部２５、特徴量抽出部２６、クラスタリング部２７、走行車線特定部２８、及び交通情報算出部２９は、サーバ２が有するマイクロプロセッサが、ＲＡＭまたはＨＤＤに記憶されたコンピュータプログラムを実行することにより実現される。つまり、サーバ２が有するマイクロプロセッサは、プローブ情報取得部２２、リンクマッチング部２４、走行車線推定部２５、特徴量抽出部２６、クラスタリング部２７、走行車線特定部２８、及び交通情報算出部２９を機能的に有している。

また、本発明は、上記に示す方法であるとしてもよい。また、本発明は、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよい。

さらに、本発明は、上記コンピュータプログラムをコンピュータ読取可能な非一時的な記録媒体、例えば、ＨＤＤ、ＣＤ－ＲＯＭ、半導体メモリなどに記録したものとしてもよい。

また、本発明は、上記コンピュータプログラムを、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。
また、上記各装置は、複数のコンピュータにより実現されてもよい。

また、上記各装置の一部または全部の機能がクラウドコンピューティングによって提供されてもよい。つまり、各装置の一部または全部の機能がクラウドサーバにより実現されていてもよい。
さらに、上記実施の形態および上記変形例をそれぞれ組み合わせるとしてもよい。

今回開示された実施の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と考えられるべきである。本発明の範囲は、上記した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ 交通情報提供システム
２ サーバ
３ ネットワーク
４ 基地局
５ 対象車両
６ 車載装置
７ 教師車両
８ 車載装置
２１ 通信Ｉ／Ｆ部
２２ プローブ情報取得部
２３ 記憶装置
２３Ａ プローブ情報
２３Ｂ 地図データベース
２４ リンクマッチング部
２５ 走行車線推定部
２６ 特徴量抽出部
２７ クラスタリング部
２８ 走行車線特定部
２９ 交通情報算出部
６１ ＧＰＳ受信機
６２ 速度センサ
６３ 方位センサ
６４ 加速度センサ
６５ 位置検出部
６６ プローブ情報生成部
６７ プローブ情報提供部
６８ 通信Ｉ／Ｆ部
６９ 交通情報取得部
８１ 補強信号受信機
８２ カメラ
８３ 位置検出部
８４ プローブ情報生成部

Claims (13)

1. コンピュータを、
   車両の位置精度が走行車線を特定できる程度にまで高く、かつ所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、
   車両の位置精度が走行車線を特定できる程度にまで高くない車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、
   前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、
   前記教師車両の特徴量および前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、
   グループごとに、当該グループに特徴量が含まれる前記教師車両の走行車線を、当該グループに含まれる前記対象車両の走行車線として特定する走行車線特定部として機能させるためのコンピュータプログラム。
2. 前記コンピュータを、さらに、
   前記教師車両のプローブ情報および地図データベースに基づいて、前記教師車両が走行した走行車線を推定する走行車線推定部として機能させるための、請求項１に記載のコンピュータプログラム。
3. 前記教師車両の位置は、第１衛星から受信した電波に基づいて測位した前記教師車両の位置を、第２衛星から受信した電波に基づいて補正することにより得られ、
   前記対象車両の位置は、前記第１衛星から受信した電波に基づいて測位される、請求項１または請求項２に記載のコンピュータプログラム。
4. 前記特徴量抽出部が抽出する各車両の特徴量は、当該車両の平均速度、最高速度、最低速度、減速地点および加速地点の少なくとも１つを含む、請求項１から請求項３のいずれか１項に記載のコンピュータプログラム。
5. 前記第１取得部は、さらに、前記教師車両の種別情報を取得し、
   前記第２取得部は、さらに、前記対象車両の種別情報を取得し、
   前記分類部は、前記対象車両の種別ごとに、少なくとも前記対象車両の特徴量を、１以上のグループに分類し、
   前記走行車線特定部は、前記教師車両の種別ごとに、前記教師車両の特徴量に基づいて、各グループに含まれる前記対象車両の走行車線を特定する、請求項１から請求項４のいずれか１項に記載のコンピュータプログラム。
6. 前記分類部は、前記教師車両の走行車線ごとの代表特徴量と、前記対象車両の特徴量とを、１以上のグループに分類する、請求項１から請求項５のいずれか１項に記載のコンピュータプログラム。
7. 前記分類部は、同一の車線を走行する前記教師車両の特徴量は同一のグループに分類されるとの制約条件の下で、前記教師車両の特徴量と前記対象車両の特徴量を、１以上のグループに分類する、請求項１から請求項５のいずれか１項に記載のコンピュータプログラム。
8. 前記走行車線特定部は、前記教師車両の走行車線ごとの代表特徴量と、各グループに属する前記対象車両の特徴量の重心との比較結果に基づいて、前記教師車両の特徴量を、いずれかのグループに当てはめることにより、各グループに含まれる前記対象車両の走行車線を特定する、請求項１から請求項５のいずれか１項に記載のコンピュータプログラム。
9. 前記分類部は、さらに、グループ間の距離が所定閾値以上であるとの制約条件の下で、少なくとも前記対象車両の特徴量を、１以上のグループに分類する、請求項１から請求項５および請求項８のいずれか１項に記載のコンピュータプログラム。
10. 前記走行車線特定部は、第１グループとの距離が所定閾値以下の第２グループが存在する場合には、前記第１グループに含まれる前記対象車両の走行車線に、前記第２グループに含まれる前記対象車両の走行車線を追加する、請求項１から請求項７のいずれか１項に記載のコンピュータプログラム。
11. 前記走行車線特定部は、グループ間の距離が所定距離以下の複数のグループについて、当該複数のグループに含まれる前記対象車両の走行車線を、前記複数のグループに特徴量が分類された前記教師車両の走行車線のいずれかであると特定する、請求項１から請求項７のいずれか１項に記載のコンピュータプログラム。
12. 車両の位置精度が走行車線を特定できる程度にまで高く、かつ所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、
    車両の位置精度が走行車線を特定できる程度にまで高くない車両である対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、
    前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、
    前記教師車両の特徴量および前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、
    グループごとに、当該グループに特徴量が含まれる前記教師車両の走行車線を、当該グループに含まれる前記対象車両の走行車線として特定する走行車線特定部と、を備える走行車線特定装置。
13. 車両の位置精度が走行車線を特定できる程度にまで高くない車両である対象車両の走行車線を特定する走行車線特定装置と、
    前記走行車線特定装置に対して、前記対象車両の所定区間におけるプローブ情報を送信する前記対象車両に設置された車載装置と、を備え、
    前記走行車線特定装置は、
    車両の位置精度が走行車線を特定できる程度にまで高く、かつ前記所定区間における走行車線が既知の車両である教師車両の、前記所定区間における速度推移情報を取得する第１取得部と、
    前記車載装置から前記プローブ情報を取得し、取得した前記プローブ情報に基づいて、前記対象車両の、前記所定区間における速度推移情報を取得する第２取得部と、
    前記教師車両および前記対象車両の各車両の速度推移情報から、各車両の特徴量を抽出する特徴量抽出部と、
    前記教師車両の特徴量および前記対象車両の特徴量を、１以上のグループに分類することにより、前記対象車両を分類する分類部と、
    グループごとに、当該グループに特徴量が含まれる前記教師車両の走行車線を、当該グループに含まれる前記対象車両の走行車線として特定する走行車線特定部とを有する、走行車線特定システム。

Images