KR101297909B1

KR101297909B1 - 경로 탐색 방법, 경로 안내 시스템, 네비게이션 장치 및통계 처리 서버

Info

Publication number: KR101297909B1
Application number: KR1020070015923A
Authority: KR
Inventors: 히로끼 이시까와
Original assignee: 아이신에이더블류 가부시키가이샤
Priority date: 2006-02-17
Filing date: 2007-02-15
Publication date: 2013-08-22
Also published as: KR20070082876A; CN101025366B; US8086403B2; US20070198179A1; CN101025366A; JP2007218777A; EP1821069B1; JP4682865B2; EP1821069A1

Abstract

추천 경로를 정확하게 탐색할 수 있는 경로 탐색 방법, 경로 안내 시스템, 네비게이션 장치 및 통계 처리 서버를 제공하는 것이다.

네비게이션 장치(1)는 차량이 소정 시간 내에 도달하는 거리 범위를, 각 메쉬 및 각 시간대에 따라 각각 예측한 슬라이스 폭 데이터를 기억하는 슬라이스 폭 DB(30)를 이용하여, 현재의 자차 위치를 중심으로 한 환상의 각 원형 영역을, 현재 시각을 기준으로 하여 시계열적으로 각각 설정한다. 또한, 각 메쉬마다 또한 각 시간대마다의 교통 상황을 기초로 하여 각 링크에 대해 생성된 교통 데이터를 기억하는 교통 DB(35)를 이용하여 각 원형 영역 내의 링크에 대해, 각 원형 영역에 대응하는 시간대의 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색한다.

네비게이션 장치, 교통 DB, 슬라이스 폭 DB, 자차 위치, 추천 경로

Description

경로 탐색 방법, 경로 안내 시스템, 네비게이션 장치 및 통계 처리 서버{PATH SEARCHING METHOD, PATH GUIDING SYSTEM, NAVIGATION DEVICE AND STATISTICS PROCESSING SERVER}

도1은 제1 실시 형태의 네비게이션 장치의 구성을 설명하는 블록도.

도2의 (a)는 경로 데이터, (b)는 지도 묘화 데이터의 데이터 구성의 설명도.

도3은 슬라이스 폭 데이터의 데이터 구성의 설명도.

도4는 교통 데이터의 데이터 구성의 설명도.

도5는 제1 실시 형태의 처리 순서의 설명도.

도6은 제1 내지 제4 원형 영역의 설명도.

도7은 경로 탐색 처리의 설명도.

도8은 경로 탐색 처리의 설명도.

도9의 (a)는 안내 화면, (b)는 정체 예상 도로를 표시한 안내 화면의 설명도.

도10은 제2 실시 형태의 데이터 통계 시스템의 설명도.

도11은 통계 서버의 블록도.

도12는 제2 실시 형태의 처리 순서의 설명도.

도13은 A지역의 슬라이스 폭의 통계 결과의 설명도.

도14는 B지역의 슬라이스 폭의 통계 결과의 설명도.

<도면의 주요 부분에 대한 부호의 설명>

1 : 네비게이션 장치

10 : 예측 거리 범위 설정 수단, 탐색 수단, 주행 학습 수단으로서의 CPU

11 : 주행 이력 기억 수단으로서의 RAM

16 : 수신 수단으로서의 통신 I/F

30, 80 : 예측 거리 범위 데이터 기억 수단으로서의 슬라이스 폭 DB

31, 82 : 예측 거리 범위 데이터로서의 슬라이스 폭 데이터

31b : 계절

31c : 요일

31d : 거리 범위로서의 슬라이스 폭

35, 81 : 교통 DB

36, 83 : 교통 데이터

36b : 시간대

50 : 자차 위치

51 내지 54 : 예측 거리 범위로서의 제1 내지 제4 원형 영역

64 : 추천 경로

70 : 경로 안내 시스템으로서의 데이터 통계 시스템

71 : 통계 처리 서버로서의 통계 서버

75 : 제1 통계 처리 수단, 제2 통계 처리 수단으로서의 CPU

Pr : 프로브 정보로서의 프로브 데이터

Vc : 도로 교통 정보로서의 VICS 데이터

[문헌 1] 일본 특허 공개 제2004-301677호

본 발명은 경로 탐색 방법, 경로 안내 시스템, 네비게이션 장치 및 통계 처리 서버에 관한 것이다.

최근, 자동차의 원활한 주행을 도모하기 위해, 지능형 교통 시스템(Intelligent Transport Systems)의 개발이 진행되고 있다. 이 개발 분야 중 하나로, 네비게이션 시스템의 고도화가 있다. 이 일례로서, VICS(Vehicle Information and Communication System) 기능을 탑재한 네비게이션 장치가 있다. 이 네비게이션 장치에서는, 비콘 및 FM 다중 방송에 의해 발신된 정체 정보를 수신하고, 현재 발생하고 있는 정체를 회피하기 위한 경로 안내를 행한다.

또한, 문헌 1에서는 전국 지도를 분할하는 메쉬 영역마다 기억된 통계 정보를 기억하고, 그 통계 정보를 이용하여 추천 경로를 탐색하는 네비게이션 장치가 기재되어 있다. 통계 정보는, 각 메쉬 영역마다 시간대, 평일ㆍ휴일 등의 요인마다 통계된 교통 정보이며, 각 링크의 여행 시간, 또는 이동 속도 등으로 구성된다. 그리고, 네비게이션 장치는 출발지로부터, 각 메쉬 영역으로의 기준 도달 시각을 예측하고, 미리 저장된 통계 정보 중, 도착 시각이 포함되는 시간대에 대응하는 통계 정보를 이용하여, 여행 시간이 단축되는 경로를 탐색한다. 이로 인해, 현시점의 도로 교통 정보를 이용하는 것보다도, 정확한 추천 경로를 탐색할 수 있다.

그런데, 상기한 네비게이션 장치로는 사각 형상의 메쉬 영역의 대표 좌표를 결정하고, 그 대표 좌표와 현재지의 직선 거리를, 미리 설정한 속도로 제산함으로써, 그 메쉬 영역으로의 도달 시각을 예측한다. 따라서, 다수의 메쉬 영역으로의 도달 시각을 산출하기 위해 처리량이 많아질 뿐만 아니라, 특히 메쉬 영역의 모서리부, 주변부에서는 예측 도달 시각의 정밀도가 저하될 가능성이 있다. 그 결과, 실제의 도착 시각과는 대폭 다른 시간대의 통계 정보를 이용하여 추천 경로를 탐색할 가능성이 있다.

또한，상기한 네비게이션 장치로는 대표 좌표로의 직선 거리를 일정한 속도로 제산함으로써, 도달 시각을 예상하고 있다. 이로 인해, 도달 시각을 예측하는 공정에 있어서，지역성, 시간대, 평일ㆍ휴일 등의 요인을 고려하지 않고 있다. 따라서, 예측 도착 시각의 정밀도가 낮아질 우려가 있다.

본 발명은, 상기 문제점에 비추어 이루어진 것으로, 그 목적은 추천 경로를 정확하게 탐색할 수 있는 경로 탐색 방법, 경로 안내 시스템, 네비게이션 장치 및 통계 처리 서버를 제공하는 데 있다.

상기 문제점을 해결하기 위해, 청구항 １에 기재된 발명은 현재의 자차 위치 로부터 목적지까지의 경로를 탐색하는 경로 탐색 방법에 있어서, 차량이 소정 시간 내에 도달하는 거리 범위를 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 기초로 하여, 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 설정하는 동시에, 각 링크에 대해 각 시간대마다의 교통 상황을 기초로 하여 생성된 각 교통 데이터 중, 상기 각 예측 거리 범위에 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 것을 요지로 한다.

청구항 2에 기재된 발명은, 현재의 자차 위치로부터 목적지까지의 경로를 안내하는 경로 안내 시스템에 있어서, 도로 교통 정보 또는 각 차량으로부터 수집한 프로브 정보를 통계 처리하여 차량이 소정 시간 내에 도달하는 거리 범위를, 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 생성하는 제1 통계 처리 수단과, 상기 도로 교통 정보 또는 상기 프로브 정보를 기초로 하여 각 링크마다 각 시간대의 교통 상황을 기초로 하는 교통 데이터를 생성하는 제2 통계 처리 수단과, 상기 예측 거리 범위 데이터를 기초로 하여 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 각각 설정하는 예측 거리 범위 설정 수단과, 설정된 상기 각 예측 거리 범위 내의 링크에 대해, 그 예측 거리 범위에 각각 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 탐색 수단을 구비한 것을 요지로 한다.

제3항에 기재된 발명은, 차량에 탑재된 네비게이션 장치에 있어서, 차량이 소정 시간 내에 도달하는 거리 범위를 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 기억하는 예측 거리 범위 데이터 기억 수단과, 상기 예측 거리 범위 데이터를 기초로 하여 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 설정하는 예측 거리 범위 설정 수단과, 각 링크에 대해 각 시간대마다의 교통 상황을 기초로 하여 생성된 교통 데이터를 기억하는 교통 데이터 기억 수단과, 설정된 상기 각 예측 거리 범위 내의 링크에 대해, 그 예측 거리 범위에 각각 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 탐색 수단을 구비한 것을 요지로 한다.

청구항 4에 기재된 발명은, 제3항에 기재된 네비게이션 장치에 있어서, 상기 예측 거리 범위 데이터 기억 수단은 상기 예측 거리 범위 데이터를 지도 메쉬마다 기억하고 있고, 상기 예측 거리 범위 설정 수단은, 자차 위치가 포함되는 지도 메쉬를 검출하고, 검출된 지도 메쉬에 대응하는 상기 예측 거리 범위 데이터를 판독하여 예측 거리 범위를 설정하는 것을 요지로 한다.

청구항 5에 기재된 발명은, 청구항 ３ 또는 4에 기재된 네비게이션 장치에 있어서, 상기 예측 거리 범위 설정 수단은 현재의 자차 위치를 중심으로 하여, 동심원형의 상기 각 예측 거리 범위를 설정하는 것을 요지로 한다.

청구항 ６에 기재된 발명은, 청구항 ３ 내지 5 중 어느 한 항에 기재된 네비게이션 장치에 있어서, 상기 예측 거리 범위 설정 수단은 가장 현재의 상기 자차 위치에 가까운 상기 예측 거리 범위에 대해, 상기 현재 시각 및 상기 예측 거리 범 위에 대응하는 시간대의 동기를 취해, 상기 예측 거리 범위 데이터를 보정하는 것을 요지로 한다.

청구항 7에 기재된 발명은, 청구항 ３ 내지 6 중 어느 한 항에 기재된 네비게이션 장치에 있어서, 상기 예측 거리 범위 데이터는 구역, 계절, 요일, 축일(祝日) 또는 연휴 기간마다 생성되어 있는 것을 요지로 한다.

청구항 8에 기재된 발명은, 청구항 ３내지 7 중 어느 한 항에 기재된 네비게이션 장치에 있어서, 상기 예측 거리 범위 데이터, 또는 각 시간대마다의 교통 상황을 기초로 한 상기 교통 데이터를 외부로부터 수신하는 수신 수단을 더 구비한 것을 요지로 한다.

청구항 9에 기재된 발명은, 청구항 ３ 내지 8 중 어느 한 항에 기재된 네비게이션 장치에 있어서, 상기 차량이 주행한 도로의 소요 시간, 시간대, 차속을 포함하는 주행 이력을 기억하는 주행 이력 기억 수단과, 상기 주행 이력을 기초로 하여 상기 예측 거리 범위 데이터 또는 상기 교통 데이터를 생성 또는 갱신하는 주행 학습 수단을 구비한 것을 요지로 한다.

청구항 10에 기재된 발명은, 경로 탐색을 위한 데이터를 통계 처리하는 통계 처리 서버에 있어서, 도로 교통 정보 또는 각 차량으로부터 수집한 프로브 정보를 통계 처리하고, 차량이 소정 시간 내에 도달하는 거리 범위를, 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 생성하는 제1 통계 처리 수단과, 상기 도로 교통 정보 또는 상기 프로브 정보를 기초로 하여, 각 링크마다 각 시간대의 교통 상황을 기초로 하는 교통 데이터를 생성하는 제2 통계 처리 수단을 구비 한 것을 요지로 한다.

이하, 본 발명을 구체화한 일 실시 형태를 도1 내지 도9를 따라서 설명한다. 도1은 본 실시 형태에 있어서의 자동차에 탑재된 네비게이션 장치(1)의 설명도이다.

도1에 도시한 바와 같이 네비게이션 장치(1)의 네비게이션 유닛(2)은 예측 거리 범위 설정 수단, 탐색 수단으로서의 CPU(10), RAM(11), 경로 안내 프로그램을 저장한 ROM(12), GPS 수신부(14)를 구비하고 있다. CPU(10)는 GPS(Global Positioning System) 위성으로부터 GPS 수신부(14)가 수신한, 위도ㆍ경도 등의 좌표를 나타내는 위치 검출 신호를 입력하여 전파 항법에 의해 자차량의 절대 위치를 산출한다. 또한, CPU(10)는 네비게이션 유닛(2)이 구비되는 차량측 I/F(15)를 거쳐서, 자차에 마련된 차속 센서(40) 및 자이로 센서(41)로부터 차속 펄스 및 각속도를 각각 입력한다. 그리고, CPU(10)는 차속 펄스 및 각속도를 이용하는 자율 항법에 의해, 기준 위치로부터의 상대 위치를 산출하고, 전파 항법으로 산출한 절대 위치와 조합하여 자차 위치를 특정한다.

또한, 네비게이션 유닛(2)의 통신 인터페이스[이하, 통신 I/F(16)로 함]는 노상측 등에 설치된 전파 비콘 및 광 비콘이나 FM 다중 방송의 기지국으로부터 VICS 신호를 수신한다. VICS 신호에는 현재지로부터 진행 방향에 있어서 몇십 ㎞ 내지 몇백 ㎞의 범위의 도로 상황을 나타내는 도로 교통 정보나 시군구도(市郡區都) 단위의 도로 교통 정보가 포함되어 있다.

또한, 네비게이션 유닛(2)은 지리 데이터 기억부(17)를 구비하고 있다. 지 리 데이터 기억부(17)는 내장 하드 디스크, 또는 광 디스크 등의 외부 기억 매체이다. 이 지리 데이터 기억부(17)에는 목적지까지의 경로를 탐색하기 위한 각 경로 네트워크 데이터[이하, 경로 데이터(18)라 함]와, 출력 수단으로서의 디스플레이(25)에 지도 화면(25a)을 출력하기 위한 각 지도 묘화 데이터(19)가 저장되어 있다.

도2의 (a)에 도시한 바와 같이, 경로 데이터(18)는 전국을 각 구역으로 구획한 리전(region)마다의 데이터이며, 헤더(18a), 교차점이나 도로의 끝점을 나타내는 노드의 번호 등을 포함하는 노드 데이터(18b), 노드간의 링크의 ID 등을 포함하는 링크 데이터(18c), 링크 코스트(18d), 노드나 링크의 좌표를 나타내는 좌표 데이터(18e), 버전(18f) 등을 갖고 있다. 헤더(18a)는 전국을 구획한 구역으로서의 메쉬의 번호 등이 저장되어 있다. 링크 데이터(18c)에는 링크 ID, 접속 노드, 통행 규제 등의 데이터가 포함되어 있다. 링크 코스트(18d)는, 각 링크의 링크 길이 및 도로 폭을 기초로 하는 데이터이며, 고정치이다. CPU(10)는 이 경로 데이터(18)를 이용하여, 다익스트라법 등 공지의 방법에 의해 여행 시간이 단축되는 경로나 주행하기 쉬운 경로 등 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색한다.

또한, 지도 묘화 데이터(19)는 전국의 지도를 분할한 메쉬(필지)마다 저장되고, 광역의 지도로부터 좁은 영역의 지도까지 각 계층마다 나뉘어져 있다. 도2의 (b)에 도시한 바와 같이 지도 묘화 데이터(19)는 헤더(19a), 도로 데이터(19b), 배경 데이터(19c) 등을 갖고 있다. 헤더(19a)는 메쉬의 번호 및 데이터의 계층 등을 갖고 있다. 도로 데이터(19b)는 지도 상에 표시되는 형상 보간 데이터 및 도로 폭 등 도로의 형상을 나타내는 데이터이다. 배경 데이터(19c)는 도로, 시가지, 하천 등을 묘화하는 묘화 데이터이다.

네비게이션 유닛(2)이 구비되는 화상 프로세서(20)(도1 참조)는 CPU(10)를 기초로 하여, 자차 위치 주변의 지도를 묘화하기 위한 지도 묘화 데이터(19)를 지리 데이터 기억부(17)로부터 판독한다. 그리고, 출력용의 데이터를 생성하고, 화상 메모리(21)에 일시 기억한다. 또한, 출력용 데이터를 기초로 하는 영상 신호를 디스플레이(25)에 출력하고, 도1에 도시한 바와 같은 지도 화면(25a)을 표시한다. 또한, 화상 프로세서(20)는 이 지도 화면(25a)에 자차 위치를 나타내는 지표(25b)를 중첩한다.

또한, 디스플레이(25)에는 조작 스위치(23)가 인접 설치되어 있다. 조작 스위치(23)가 조작되면, 네비게이션 유닛(2)이 구비되는 외부 입력 I/F(22)는 조작 스위치(23)의 입력 조작에 따른 신호를 CPU(10)에 출력한다.

또한, 네비게이션 유닛(2)의 음성 프로세서(24)는 CPU(10)의 제어를 따라, 도시하지 않은 음성 파일 데이터 베이스로부터 음성 파일을 판독한다. 그리고, 경로를 안내하는 음성 신호 등을 스피커(26)에 출력한다.

또한, 네비게이션 유닛(2)은 예측 거리 범위 데이터로서의 슬라이스 폭 데이터(31)를 기억한 예측 거리 범위 데이터 기억 수단으로서의 슬라이스 폭 데이터 베이스(DB)(30)와, 교통 데이터(36)를 기억한 교통 데이터 기억 수단으로서의 교통 데이터 베이스(DB)(35)를 구비하고 있다. 도3은 슬라이스 폭 데이터(31)의 데이터 구조를 설명하는 설명도이다. 슬라이스 폭 데이터(31)는 지도 메쉬(이하, 메쉬라 함) ID(31a), 계절(31b), 요일(31c), 거리 범위로서의 슬라이스 폭(31d)으로부터 구성되어 있다. 메쉬 ID(31a)는 전국을 10 ㎞ 사방으로 구획한 메쉬에 할당할 수 있는 ID이다. 이 메쉬 ID(31a)의 하위의 데이터는 계절(31b)로 되어 있다. 계절(31b)은 슬라이스 폭 데이터(31)를 봄ㆍ여름ㆍ가을ㆍ겨울ㆍ장기간 연휴로 나누어 있다. 또한, 하위에 있는 요일(31c)은 각 요일 및 축일로 이루어진다.

슬라이스 폭(31d)은 메쉬마다 기억되어 있고, 그 메쉬에 있어서 소정 시간으로서의 15분에 자동차가 주행 가능한 거리 범위를 예측한 데이터이며, 15분간의 시간대마다 24시간분의 데이터가 기억되어 있다. 즉, 각 슬라이스 폭(31d)은 메쉬 ID(31a)(지역성), 계절(31b), 요일(31c), 시간대의 요인이 가미된 예측 데이터이며, 본 실시 형태에서는 관리 센터에 의해 VICS 신호나 각 자동차로부터 수집한 프로브 정보를 기초로 하여 통계 처리된 데이터이다. 예를 들어, 메쉬에 포함되는 각 링크에 대응하는 VICS 신호 및 프로브 정보로부터, 메쉬 내의 링크 모두의 평균 차속을 산출하고, 평균 차속에 소정 시간(15분)을 곱한 거리를 그 메쉬의 슬라이스 폭(31d)으로 한다.

다음에, 교통 데이터(36)에 대해 도4를 따라 설명한다. 도4는 교통 데이터(36)의 데이터 구성을 설명하는 설명도이다. 교통 데이터(36)는, 예를 들어 메쉬 ID(31a)마다 생성되는 동시에, 시간대(36b)마다 각 링크의 링크 ID(36a)에 대한 링크 코스트(36c)를 갖고 있다. 시간대(36b)는 15분마다 설정되고, 슬라이스 폭 데이터(31)로 설정한 시간대(예를 들어, 「0:00」내지「0:14」등)와 같은 단락으로 되어 있다. 이 링크 코스트(36c)는 그 시간대(36b)에 있어서, 그 링크를 통과할 때에 관한 평균 여행 시간을 나타내는 데이터이며, 예를 들어 「3(분)」등으로 되어 있다. 즉, 경로 데이터(18)의 링크 코스트(18d)는 링크의 길이 및 도로 폭 등을 기초로 하는 시간대(36b)를 가미하고 있지 않은 코스트이다. 교통 데이터(36)의 링크 코스트(36c)는, 각 시간대(36b)의 교통 상황을 반영한 코스트이며, 경로 데이터(18)의 링크 코스트(18d)에 가산되는 등으로 하여, 새로운 링크 코스트(LC)를 생성하기 위한 데이터이다.

다음에, 본 실시 형태의 경로 탐색의 처리 순서에 대해, 도5를 따라 설명한다. 우선，CPU(10)는 ROM(12)에 기억된 경로 안내 프로그램을 따라, 터치 패널 및 조작 스위치(23)의 입력 조작 등에 의한 목적지의 설정을 대기한다(스텝 S1-1). 목적지가 입력된 것으로 판단하면(스텝 S1-1에 있어서 예), CPU(10)는 그 목적지의 좌표 등을 RAM(11)에 일시 저장한다.

또한, CPU(10)는 전파 항법 및 자율 항법에 의해, 차량의 현재 위치를 산출한다. 그리고, 지도 묘화 데이터(19) 등을 기초로 하여 자차 위치가 포함되는 메쉬를 검출하고, 그 메쉬의 메쉬 ID(31a)를 취득한다(스텝 S1-2). 그리고, 네비게이션 유닛(2)의 도시하지 않은 내장 시계에 의해 현재 일시 및 현재 시각을 취득하고, 현시점의 계절(31b), 요일(31c), 시간대의 요인을 특정한다(스텝 S1-3). 그리고, 메쉬 ID(31a), 계절(31b), 요일(31c), 시간대의 요인을 특정하면, 메쉬 ID(31a)가 조건으로 붙어있는 슬라이스 폭 데이터(31)를 판독하고, 그 슬라이스 폭 데이터(31)를 기초로 하여 4개의 슬라이스 폭(31d)을 시계열적으로 결정한다(스텝 S1-4).

예를 들어, 계절(31b)이 「봄」, 요일(31c)이 「월요일」, 현재 시각이 10시 15분 내지 10시 29분에 포함하는 시각이었을 경우, 도3에 도시한 슬라이스 폭 데이터(31) 중, 「10시 15분 내지 10시 29분」의 슬라이스 폭(31d)을 판독한다. 예를 들어, 이 슬라이스 폭(31d)은 「6.0 ㎞」이면, 이 메쉬에서는 차량의 주행 가능한 거리 범위가 15분간으로 약 6 ㎞인 것을 나타내고 있다.

다음에, 2번째의 슬라이스 폭(31d)으로서 같은 메쉬 ID(31a), 계절(31b), 요일(31c)의 「10시 30분 내지 10시 44분」의 슬라이스 폭(31d)을 판독한다. 이때 판독되는 슬라이스 폭(31d)은 「10시 15분 내지 10시 29분」 사이에 차량이 진행한 위치로부터, 「10시 30분 내지 10시 44분」에 차량이 도달하는 거리 범위를 나타낸 데이터이며, 예를 들어 「5.6 ㎞」이다.

또한, CPU(10)는 3번째, 4번째의 슬라이스 폭(31d)으로서 같은 메쉬 ID(31a), 계절(31b), 요일(31c)의 「10시 45분 내지 10시 59분」, 「11시 0분 내지 11시 14분」의 슬라이스 폭(31d)인 「6.3 ㎞」, 「5.8 ㎞」를 각각 판독한다. 이에 의해, 「10시 15분 내지 10시 29분」, 「10시 30분 내지 10시 44분」, 「10시 45분 내지 10시 59분」, 「11시 0분 내지 11시 14분」의 연속하는 4개의 각 시간대 내에서 차량이 진행하는 거리를 예측한 슬라이스 폭(31d)을 취득한다.

다음에, 도5에 도시한 바와 같이 CPU(10)는 1번째의 슬라이스 폭(31d)을 보정한다(스텝 S1-5). 상기한 바와 같이, 1번째의 슬라이스 폭(31d)은 「10시 15분 내지 10시 29분」의 15분간에 차량이 진행하는 거리를 예측하고 있다. 따라서, 현재 시각이, 예를 들어 「10시 20분」이었을 경우, 상기의 시간대의 종단부 시각 「10시 29분」까지의 시간(「10시 20분」내지「10시 29분」까지의 10분간)에 따라, 슬라이스 폭(31d)을 재계산한다. 즉, 「10시 15분 내지 10시 29분」의 15분간의 주행 예측 거리가 「6.0 ㎞」라고 하면，10분간에서는 「4.0 ㎞」가 되므로, 1번째의 슬라이스 폭(31d)을 「4.0 ㎞」로 보정하고, 보정한 슬라이스 폭(31d)을 RAM(11)에 기억한다.

다음에, CPU(10)는 4개의 슬라이스 폭(31d)을 사용하여 예측 거리 범위로서의 각 원형 영역을 설정한다(스텝 S1-6). 우선，CPU(10)는 도6에 도시한 바와 같이 현재의 자차 위치(50)를 중심으로, RAM(11)에 기억한 1번째의 슬라이스 폭(31d)을 이용하여 제1 원형 영역(51)을 설정한다. 보정한 1번째의 슬라이스 폭(31d)은 「4.0 ㎞」이므로, 제1 원형 영역(51)은 자차 위치(50)로부터 반경 「4.0 ㎞」의 원형을 이루고 있다. 이 제1 원형 영역(51) 내는 차량이 「10시 20분 내지 10시 29분」내에 도달하는 예측 거리 범위이다.

계속해서, CPU(10)는 제1 원형 영역(51)의 원주로부터, 2번째의 슬라이스 폭(31d)(「5.6 ㎞」)만큼 떨어진 제2 원형 영역(52)을 설정한다. 이 제2 원형 영역(52)은 차량이 「10시 30분 내지 10시 44분」내에 도달하는 예측 거리 범위이다.

또한，CPU(10)는 3번째 및 4번째의 각 슬라이스 폭(31d)을 기초로 하여, 제2 원형 영역(52)의 원주로부터 3번째의 슬라이스 폭(31d)(「6.3 ㎞」)만큼 떨어진 제3 원형 영역(53), 제3 원형 영역(53)의 원주로부터 4번째의 슬라이스 폭(31d)(「5.8 ㎞」)만큼 떨어진 제4 원형 영역(54)을 설정한다. 제3 원형 영역(53)은 차량 이 「10시 45분 내지 10시 59분」에 도달하는 위치를 예측한 예측 거리 범위, 제4 원형 영역(54)은 「11시 0분 내지 11시 14분」의 예측 거리 범위이다. 그 결과, 현재의 자차 위치(50)를 중심으로, 동심원형으로 각 원형 영역(51 내지 54)이 설정된다.

다음에, 도5에 도시한 바와 같이 CPU(10)는 각 원형 영역(51 내지 54)에 대응하는 시간대를 기초로 하여, 교통 DB(35) 내의 교통 데이터(36)를 검색한다(스텝 S1-7). 우선，CPU(10)는 현재의 자차 위치(50)가 포함되는 메쉬의 메쉬 ID를 대응할 수 있던 교통 데이터(36)를 검색한다. 해당하는 교통 데이터(36)를 검출하면, 우선 제1 원형 영역(51) 내의 링크에 대응하는 링크 코스트(36c)를 판독한다. 제1 원형 영역(51)은, 여기서는 「10시 20분 내지 10시 29분」까지 차량이 도달하는 예측 거리 범위에서 있기 때문에, 「10시 20분 내지 10시 29분」의 상기 시간대(36b)에 대응하는 링크 코스트(36c)를 검출한다.

또한, CPU(10)는 제2 원형 영역(52) 내의 링크에 대응하는 교통 데이터(36)를 검출하고, 그 교통 데이터(36) 내의 링크 코스트(36c)를 판독한다. 도6에 도시한 바와 같이 제2 원형 영역(52)에 포함되는 메쉬는, 각각 다르지만, 각 메쉬마다 교통 데이터(36)를 검색한다. 그리고, 각 교통 데이터(36) 중, 「10시 30분 내지 10시 44분」의 시간대의 링크 코스트(36c)이며, 그 중 제2 원형 영역(52)에 포함되는 링크의 링크 코스트(36c)를 판독한다.

마찬가지로, 제3 내지 제4 원형 영역(53 내지 54)에 포함되는 링크에 대해서도, 각 메쉬마다 「10시 45분 내지 10시 59분」, 「11시 0분 내지 11시 14분」의 각 교통 데이터(36)의 링크 코스트(36c)를 판독한다.

또한，CPU(10)는 판독한 링크 코스트(36c)와, 그러한 각 링크 코스트(36c)와 같은 링크에 대응하고 있는 경로 데이터(18)의 링크 코스트(18d)를 이용하여, 새로운 링크 코스트(LC)를 산출한다(스텝 S1-8). 예를 들어, 각 링크 코스트(18d, 36c)를 가산하는 등으로 하여 링크 코스트(LC)를 생성하고, 그 링크 코스트(LC)를 RAM(11)에 일시 기억한다.

각 원형 영역(51 내지 54)에 포함되는 링크에 대한 링크 코스트(LC)를 생성하면，CPU(10)는 링크 코스트(LC)를 이용하여 현재의 자차 위치로부터, RAM(11)에 기억된 목적지의 좌표까지의 경로를 탐색한다(스텝 S1-9). 이때, CPU(10)는 도7에 도시한 바와 같이, 제1 내지 제4 원형 영역(51 내지 54) 내 및 목적지 주변 영역(58)(예를 들어, 30 ㎞ 사방의 영역)에 있어서, 가는 도로까지 포함하는 레벨의 경로 데이터(18)를 이용한다. 그리고, 제1 내지 제4 원형 영역(51 내지 54)으로부터 목적지 주변 영역(58)까지의 사이는 그 레벨보다도 상위이며, 국도 등의 주요 도로를 포함하는 레벨의 경로 데이터(18)를 이용한다. 또한, 링크 코스트(36c)는 제1 내지 제4 원형 영역(51 내지 54) 내에 대해 판독한 것이므로, 목적지 주변 영역(58) 내 및 제1 내지 제4 원형 영역(51 내지 54)으로부터 목적지 주변 영역(58)까지의 사이는 경로 데이터(18) 내의 링크 코스트(18d)만을 이용하여 목적지까지의 추천 경로를 탐색하게 된다.

제1 내지 제4 원형 영역(51 내지 54) 내에서는 현시점에서 예측된, 약 60분 선까지의 교통 데이터(36)가 가미되어 있기 때문에, 현시점에서는 발생하고 있지 않지만, 이제부터 발생하는 정체를 예측할 수 있다. 예를 들어, 도7에 도시한 바와 같이 현재 시각(「10시 20분」)에서는 정체가 발생되지 않아도, 차량 통과 시(예를 들어 「11시 0분 내지 11시 14분」)에 붐비는 시기 등의 자연 정체의 발생이 예측되는 정체 예측 도로(56)를 검출할 수 있다. 이에 의해, CPU(10)는 그 정체 예측 도로(56)를 회피한 경로를 탐색할 수 있다. 따라서, 예를 들어 자차 위치(50)와 목적지(55)를 접속하는 제1 경로(R1)와, 정체 예측 도로(56)를 포함하는 제2 경로(R2)가 탐색되었을 경우, 정체 예측 도로(56)의 링크 코스트(LC)의 크기에 따라서, 정체 예측 도로(56)를 회피한 제1 경로(R1)를 추천 경로로서 산출할 수 있다.

반대로, 도8에 도시한 바와 같이 자차 위치(50)로부터 목적지(55)를 향하는 제1 경로(R1)에, 현시점(「10시 20분」)에서 붐비는 시기 등에 의한 정체가 발생되어 있는 정체 발생 도로(57)가 만나도 차량 통과 시(예를 들어, 「11시 0분 내지 11시 14분」)에 그 정체의 해소가 예측되는 경우가 있다. 이 경우, 정체 발생 도로(57)를 포함하는 제1 경로(R1)에 대응하는 링크 코스트(LC)가 작아지고, 경로로서 적합할 때에는 현시점에서 정체가 발생되어 있지 않지만 시간이 걸리는 제2 경로(R2)를 선택하지 않고, 현시점에서 정체가 발생되어 있지만 통과 시에 해소가 예측되는 제1 경로(R1)를 선택할 수 있다.

추천 경로가 탐색되면，CPU(10)는 목적지까지의 소요 시간을 연산하고, RAM(11)에 일시 기억한다. 그리고, 도5에 도시한 바와 같이 탐색 경로를 디스플레이(25)에 표시하여 경로 안내를 행한다(스텝 S1-10). CPU(10)는 추천 경로를 나타 내는 링크 등의 데이터를 화상 프로세서(20)에 출력하고, 화상 프로세서(20)는 입력한 데이터를 기초로 하여 지도 묘화 데이터(19)를 판독한다. 그리고, 현재의 자차 위치(50)로부터 목적지까지의 추천 경로를 포함하는 출력 데이터를 생성한다. 그리고，이 출력 데이터를 화상 메모리(21)에 일시 기억하고, 영상 신호로서 디스플레이(25)에 출력한다.

그 결과, 도9의 (a)에 도시한 바와 같은 안내 화면(60)이 디스플레이(25)에 표시된다. 안내 화면(60)에는 자차 위치(50)로부터 목적지까지의 지도인 지도 화상(61)에 자차 위치 지표(62) 및 목적지 지표(63)와, 각 지표(62, 63)를 접속하는 추천 경로(64)가 중첩되어 있다. 또한, 이때 음성 프로세서(24)에 의해, 스피커로부터 경로를 안내하는 안내 음성을 출력해도 좋다. 또는 각종 모드의 설정에 따라서, 도9의 (b)에 도시한 바와 같이 차량 통과 시의 정체 예측 도로를, 지도 화상(61) 상에 정체 예측 지표(65)로서 표시한다.

추천 경로의 안내를 행하면서, CPU(10)는 제4 원형 영역(54)을 초과하는지 여부를 판단한다(스텝 S1-11). 제4 원형 영역(54)을 초과하지 않는다고 판단하면(스텝 S1-11에 있어서 예), CPU(10)는 안내를 종료하는지 여부를 판단한다(스텝 S1-12). 본 실시 형태에서는 차량이 목적지에 도착하였는지 여부, 또는 조작 스위치(23)나 터치 패널 조작에 의해 경로 안내 중지의 조작이 행해졌는지 여부를 판단한다. 안내 종료가 아니라고 판단하였을 경우에는(스텝 S1-12에 있어서 아니오), 스텝 S1-10으로 복귀하고, 경로 안내를 속행한다.

한편, 스텝 S1-11에 있어서, 제4 원형 영역(54)을 초과한 것이라고 판단하면 (스텝 S1-11에 있어서 아니오), 스텝 S1-2로 복귀하고, 현재의 자차 위치가 포함되는 메쉬를 검출하고, 상기한 처리를 반복한다. 그리고, 차량 통과 시의 교통 상황을 예측하면서 경로를 탐색하고, 탐색된 경로를 안내한다.

목적지에 도착 또는 안내 중지의 입력 조작이 터치 패널 또는 조작 스위치(23)에 의해 행해지면, CPU(10)는 안내 종료라고 판단(스텝 S1-12에 있어서 예) 안내를 종료한다.

제1 실시 형태에 따르면, 이하와 같은 효과를 얻을 수 있다.

(1) 제1 실시 형태에서는, 네비게이션 장치(1)는 차량이 현재 위치로부터 15분간에 도달하는 거리 범위를, 각 시간대에 따라 각각 예측한 슬라이스 폭 데이터(31)를 슬라이스 폭 DB(30)에 기억하도록 하였다. 또한, 각 메쉬마다 또한 각 시간대마다의 교통 상황을 기초로 하여 각 링크에 대해 생성된 링크 코스트(36c)를 기억하는 교통 DB(35)를 구비하도록 하였다. 그리고, CPU(10)는 슬라이스 폭 데이터(31)를 기초로 하여 현재의 자차 위치를 중심으로 한 동심원형의 제1 내지 제4 원형 영역(51 내지 54)을, 현재 시각을 기준으로 하여 시계열적으로 각각 설정하도록 하였다. 또한, 제1 내지 제4 원형 영역(51 내지 54) 내의 링크에 대해, 제1 내지 제4 원형 영역(51 내지 54)에 대응하는 시간대의 링크 코스트(36c)를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하도록 하였다. 따라서, 차량이 그 링크에 도달하는 시간대를, 슬라이스 폭 데이터(31)를 이용하여 예측할 수 있으므로, 정확한 시간대의 교통 데이터(36)를 이용할 수 있다. 이로 인해, 많은 도로에서는 시간대에 따라서 혼잡도ㆍ정체도가 변동되는 것이 대부분이지만, 이 러한 경우라도 시간적 변화를 가미하여 자연 정체가 발생되는 도로를 미리 예측할 수 있다. 이에 의해, 차량 통과 시에 발생하는 정체를 회피하기 위한 경로를 탐색할 수 있다. 또는, 현재 정체되어 있어도 차량이 통과하는 시점에서 정체가 해소되는 경로를 추천 경로로 할 수 있다.

(2) 제1 실시 형태에서는, 네비게이션 장치(1)의 CPU(10)는 현재 시각과 제1 원형 영역(51)에 대응하는 시간대의 동기를 취해, 슬라이스 폭(31d)을 짧게 보정하도록 하였다. 이로 인해, 더 정확하게 제1 원형 영역(51)을 설정할 수 있으므로, 제2 내지 제4 원형 영역(52 내지 54)의 정밀도를 향상시킬 수 있다.

(3) 제1 실시 형태에서는, 슬라이스 폭 데이터(31)는 메쉬(31a), 계절(31b), 요일(31c), 시간대의 요인마다 슬라이스 폭(31d)을 갖도록 하였다. 이로 인해, 지역성, 시기적 요인, 시간적 요인을 슬라이스 폭(31d)에 가미할 수 있으므로, 슬라이스 폭(31d)의 정밀도를 향상시킬 수 있다.

(제2 실시 형태)

이하, 본 발명을 구체화한 제2 실시 형태를 도10 내지 도14를 따라서 설명한다. 또한, 제2 실시 형태는 제1 실시 형태에 대해, 슬라이스 폭 데이터(31)의 생성 방법 및 데이터 배달 방법을 추가한 것만의 구성이므로, 그 차이에 대해서만 설명하고, 그 밖의 설명은 생략한다.

도10에 도시한 바와 같이, 경로 안내 시스템으로서의 데이터 통계 시스템(70)은 VICS 신호, 프로브 정보를 통계 처리하는 통계 처리 서버로서의 통계 서버(71)를 갖고 있다. 통계 서버(71)는 비콘(72) 또는 기지국(73)으로부터 각종 데 이터를 수신 가능하게 접속되는 동시에, 자동차(C)에 탑재된 네비게이션 장치(1)에 데이터를 양 방향 송수신 가능하게 접속되어 있다. 통계 서버(71)는 각 네비게이션 장치(1)로부터, 비콘(72) 또는 도시하지 않은 교통 관리 서버로부터 네트워크(N)를 거쳐서, 프로브 정보로서의 프로브 데이터(Pr) 및 도로 교통 정보로서의 VICS 데이터(Vc)를 수신한다. 프로브 데이터(Pr)에는 자동차(C)의 위치, 속도, 시각 등 운전 특성 데이터가 포함되어 있다.

도11에 도시한 바와 같이, 통계 서버(71)는 제1 통계 처리 수단 및 제2 통계 처리 수단으로서의 CPU(75), RAM(76), ROM(77), 통신 I/F(78)와, 예측 거리 범위 데이터 기억 수단으로서의 슬라이스 폭 DB(80), 교통 데이터 기억 수단으로서의 교통 DB(81)를 갖고 있다. CPU(75)는 통신 I/F(78)를 거쳐서, 네비게이션 장치(1)로부터 프로브 데이터(Pr)를 입력하고, ROM(77)에 저장된 통계 처리 프로그램을 따라, 프로브 데이터(Pr)를 통계 처리한다. 또한, 도시하지 않은 교통 관리 서버 또는 비콘(72)으로부터 VICS 데이터(Vc)를 수신하고, VICS 데이터(Vc)를 통계 처리한다. 또한, 슬라이스 폭 DB(80)에는 예측 거리 범위 데이터로서의 전국의 슬라이스 폭 데이터(82)가 기억되고, 교통 DB(81)에는 교통 데이터(83)가 기억되어 있다.

다음에, 통계 서버(71)의 처리에 대해, 도12를 따라서 설명한다. 우선, 통계 서버(71)의 CPU(75)는 ROM(77)에 저장된 통계 처리 프로그램을 따라, 슬라이스 폭을 결정하는 메쉬를 설정하고(스텝 S2-1), 슬라이스 폭의 요인을 설정한다(스텝 S2-2). 본 실시 형태에서는 요인은 계절 및 요일이며, 예를 들어 「봄」, 「월요일」 등과 같이 슬라이스 폭 산출 대상의 요인을 결정한다. 다음에, CPU(75)는 슬 라이스 폭을 결정하는 시간대를 설정한다(스텝 S2-3). 시간대는 상기한 슬라이스 폭(31d)의 시간대와 같이 구획되어 15분 간격으로 되어 있다.

이러한 각 요인이 설정되면，CPU(75)는 슬라이스 폭을 설정한다(스텝 S2-4). 예를 들어, CPU(75)는 프로브 데이터(Pr) 및 VICS 데이터(Vc)를 기초로 하여, 「10시 15분 내지 10시 29분」 사이에 차량이 주행하는 거리 범위를 통계 처리한다. 그 결과, 통계 처리한 슬라이스 폭을 기초로 하여, 도13 및 도14와 같은 슬라이스 폭의 각 그래프(85a, 85b)를 얻을 수 있다. 도13에 나타낸 그래프(85a)는 계절이 「봄」, 요일이 「월요일」의 슬라이스 폭을 나타내는 그래프이며, 낮을 제외하고 오전부터 오후를 향함에 따라서 슬라이스 폭이 작아져 밤에 걸쳐 슬라이스 폭이 점차로 커지는 것을 나타내고 있다.

도14에 나타낸 그래프(85b)는, 도14의 그래프(85a)의 지역(메쉬)과는 다른 지역의 그래프이다. 이 그래프(85b)는, 도13의 그래프(85a)에 대해 지역성 이외는 같은 요인이지만, 아침 저녁의 붐비는 시기만 슬라이스 폭이 작아지고, 그 밖은 변동이 작다. 이와 같이, 지역(메쉬), 시간대 등의 요인이 다르면, 차량이 소정 시간 내에 진행하는 거리도 크게 다른 것을 알 수 있다. 이로 인해, 통계 서버(71)는, 각 요인마다 슬라이스 폭을 설정하고, 그 슬라이스 폭을 포함하는 슬라이스 폭 데이터(82)를 생성한다.

슬라이스 폭을 결정하면，CPU(75)는 전체 시간대에 대해 슬라이스 폭을 결정하였는지 여부를 판단한다(스텝 S2-5). 전체 시간대에 대해 슬라이스 폭을 결정하고 있지 않을 경우에는(스텝 S2-5에 있어서 아니오), 스텝 S2-3으로 복귀하고, 다 음 시간대의 슬라이스 폭에 대해 통계 처리한다. 하나의 메쉬, 계절, 요일에 대해 슬라이스 폭을 결정하였을 경우에는(스텝 S2-5에 있어서 예), 스텝 S2-6으로 진행한다.

다음에, CPU(75)는 계절, 요일 등의 전체 요인에 대해 슬라이스 폭을 결정하였는지 여부를 판단한다(스텝 S2-6). 모든 요인에 대해 슬라이스 폭을 결정하고 있지 않을 경우에는(스텝 S2-6에 있어서 아니오), 스텝 S2-2로 복귀하고, 다음 계절, 또는 요일의 슬라이스 폭에 대해 통계 처리한다. 하나의 메쉬에 대해 모든 슬라이스 폭을 결정하였을 경우에는(스텝 S2-6에 있어서 예), 스텝 S2-7로 진행한다.

스텝 2-7에서는, CPU(75)는 전체 메쉬에 대해 슬라이스 폭을 결정하였는지 여부를 판단한다. 모든 메쉬에 대해 슬라이스 폭을 결정하고 있지 않을 경우에는 (스텝 S2-7에 있어서 아니오), 스텝 S2-1로 복귀하고, 다음 메쉬의 슬라이스 폭에 대해 통계 처리한다. 모든 메쉬에 대해 슬라이스 폭을 결정하면(스텝 S2-7에 있어서 예), 처리를 종료한다.

마찬가지로, CPU(75)는 프로브 데이터(Pr) 및 VICS 데이터(Vc)를 통계 처리하고, 각 시간대마다 링크 코스트를 산출하고, 교통 DB(81)를 생성한다. 이때 생성되는 링크 코스트는 네비게이션 장치(1)의 경로 데이터(18)의 링크 코스트(18d)와 합해 재계산되는 것을 전제로 생성되어 있다. 슬라이스 폭 DB(80), 교통 DB(81)를 생성하면, 통계 서버(71)는 네트워크(N)를 거쳐서, 슬라이스 폭 데이터(82), 교통 데이터(83)를 각 네비게이션 장치(1)에 배달한다. 네비게이션 장치(1)는 배달된 슬라이스 폭 데이터(82), 교통 데이터(83)를 수신 수단으로서의 통 신 I/F(16)에 의해 수신하고, 네비게이션 장치(1)의 슬라이스 폭 DB(30) 및 교통 DB(35)에 기억한다. 그 결과, 네비게이션 장치(1)의 슬라이스 폭 데이터(31), 교통 데이터(36)를 축차 갱신할 수 있다.

제2 실시 형태에 따르면, 제1 실시 형태에 기재된 효과 외에 추가로, 이하와 같은 효과를 얻을 수 있다.

(4) 제2 실시 형태에서는 통계 서버(71)가 자동차(C)로부터 수집한 프로브 데이터(Pr) 등을 기초로 하여, 각 요인마다 슬라이스 폭을 산출하는 동시에, 교통 데이터(83)를 생성하도록 하였다. 그리고, 생성한 슬라이스 폭 데이터(82) 및 교통 데이터(83)를 네비게이션 장치(1)에 배달하도록 하였다. 이로 인해, 네비게이션 장치(1)는 슬라이스 폭 데이터(82) 및 교통 데이터(83)를 축차 갱신할 수 있으므로, 새로운 슬라이스 폭 데이터(82) 및 교통 데이터(83)를 이용하여 경로 탐색을 할 수 있다.

또한, 상기 각 실시 형태는 이하와 같이 변경해도 좋다.

ㆍ상기 각 실시 형태에서는 제1 내지 제4 원형 영역(51 내지 54)을 설정하였지만, 1개라도 좋고, 4개 이외의 복수로도 좋다.

ㆍ제1 실시 형태에서는 경로 탐색 시에 자차 위치(출발지)를 중심으로 한 제1 내지 제4 원형 영역(51 내지 54) 내의 추천 경로를 슬라이스 폭 데이터(31)를 이용하여 탐색하고, 그 이외의 경로를 경로 데이터(18)를 이용하여 탐색하였지만, 목적지까지의 전체 추천 경로를, 슬라이스 폭 데이터(31)를 이용하여 탐색하도록 해도 좋다. 그리고, 예측한 목적지까지의 소요 시간과, 실제의 주행 시간을 도중에 비해 오차가 커졌을 경우에는, 그때마다 슬라이스 폭 데이터(31) 및 교통 데이터(36)를 이용하여, 상기한 바와 같이 추천 경로를 재탐색해도 좋다.

ㆍ제1 실시 형태에서는 목적지 주변 영역(58)은, 예를 들어 30 ㎞ 사방의 영역으로 하였지만, 원형상으로도 좋고, 타원, 변형원, 그 밖의 다각형으로도 좋다.

ㆍ제1 실시 형태에서는 슬라이스 폭 데이터(31)로부터 취득한 슬라이스 폭(31d)이 「Null」등, 불분명한 값일 경우에는 슬라이스 폭 데이터(31)를 이용하지 않고 경로 데이터(18)만을 이용하여 경로 탐색을 해도 좋다.

ㆍ제1 실시 형태에서는 차량이 고속 도로를 주행하고 있을 경우에, 슬라이스 폭 데이터(31)를 이용해도 좋다. 그리고, VICS 신호와, 슬라이스 폭 데이터(31)를 기초로 하여, 고속 도로를 내려간 후의 경로를 탐색하도록 해도 좋다.

ㆍ제2 실시 형태에서는 슬라이스 폭은 통계 서버(71)가 프로브 데이터(Pr) 등을 통계 처리하여 생성한다고 하였다. 이 이외의 방법으로서, 네비게이션 장치(1)를 탑재 차량이 주행한 도로에 대해, 소요 시간, 시각, 속도 등을 포함하는 주행 이력을 주행 이력 기억 수단으로서의 RAM(11)에 기억해도 좋다. 그리고，이 주행 이력을 기초로 하여 네비게이션 장치(1)의 주행 학습 수단, 제1 통계 처리 수단, 제2 통계 처리 수단으로서의 CPU(10)가 슬라이스 폭 데이터(31) 및 교통 데이터(36)를 생성 또는 갱신하도록 해도 좋다.

ㆍ제2 실시 형태에서는 네비게이션 장치(1)가 프로브 데이터(Pr)를 통계 서버(71)에 발신하도록 하였지만, 통계 서버(71)는 네비게이션 장치(1) 이외의 차량 탑재 장치로부터 발신된 프로브 데이터(Pr)를 통계 처리하도록 해도 좋다.

ㆍ상기 실시 형태에서는 프로브 데이터(Pr) 등을 통계 처리하는 서버와, 슬라이스 폭 데이터(82) 및 교통 데이터(83)를 배달하는 서버를 별도로 설치해도 좋다.

ㆍ상기 각 실시 형태에서는 원형상의 제1 내지 제4 원형 영역(51 내지 54)을 설정하였지만, 진원일 필요는 없고, 타원, 일부가 돌출된 변형원으로도 좋다. 예를 들어, 차선수 등이 주위의 도로에 비해 극단적으로 큰 도로가 있을 경우, 그 도로에 대응하는 부위를 돌출시킨 변형원을 설정하거나, 그 도로를 타원의 장축 부분에 상당시킨 타원형의 영역을 설정해도 좋다.

ㆍ상기 각 실시 형태에서는 자차 위치가 포함되는 메쉬의 슬라이스 폭(31d)을 사용하여, 원 형상의 제1 내지 제4 원형 영역(51 내지 54)을 설정하였지만, 설정한 영역의 외주가 위치하는 메쉬의 슬라이스 폭(31d)을 사용하여 예측 거리 범위로서의 영역을 설정해도 좋다. 상세하게 설명하면, 우선 자차 위치가 포함되는 메쉬의 슬라이스 폭(31d)을 사용하여 자차 위치로부터 가장 근방의 영역(제1 영역)을 설정한다. 설정한 후, 제1 영역의 외주가, 자차 위치가 포함되는 메쉬는 다른 메쉬에 위치할 경우, 다음 영역(제2 영역)을 설정할 때에는 제1 영역의 외주가 위치하는 메쉬의 슬라이스 폭(31d)을 사용한다.

청구항 １에 기재된 발명에 따르면, 차량의 예측 거리 범위가 시간대마다 시계열적으로 예측된다. 그리고, 각 시간대에 도달하는 범위를 나타내는 예측 거리 범위 내에서, 그 시간대에 따른 교통 데이터가 이용된다. 따라서, 시간대에 따른 교통 데이터를 탐색에 이용할 때, 차량이 그 링크에 도달하는 시간대를 정밀도 좋게 예측할 수 있으므로, 정확한 시간대의 교통 데이터를 이용할 수 있다. 이로 인해, 시간적 변화를 가미하여 차량 통과 시에 정체가 발생되는 도로 및 정체가 해소되는 도로를 예측할 수 있다.

청구항 2에 기재된 발명에 따르면, 제1 및 제2 통계 처리 수단은 차량의 예측 거리 범위를 시간대마다 시계열적으로 예측한 예측 거리 범위 데이터 및 각 시간대의 교통 상황을 나타내는 교통 데이터를 생성한다. 따라서, 탐색 수단은 시간대에 따른 교통 데이터를 탐색에 이용할 때, 차량이 그 링크에 도달하는 시간대를 정밀도 좋게 예측할 수 있으므로, 정확한 시간대의 교통 데이터를 이용할 수 있다. 이로 인해, 시간적 변화를 가미하여 차량 통과 시에 정체가 발생되는 도로, 정체가 해소되는 도로를 예측할 수 있다.

청구항 3에 기재된 발명에 따르면, 차량의 예측 거리 범위가 시간대마다 시계열적으로 예측된다. 그리고, 각 시간대에 도달하는 범위를 나타내는 예측 거리 범위 내에서, 그 시간대에 따른 교통 데이터가 이용된다. 따라서, 시간대에 따른 교통 데이터를 탐색에 이용할 때, 차량이 그 링크에 도달하는 시간대를 정밀도 좋게 예측할 수 있으므로, 정확한 시간대의 교통 데이터를 이용할 수 있다. 이로 인해, 시간적 변화를 가미하여 차량 통과 시에 정체가 발생되는 도로 및 정체가 해소되는 도로를 예측할 수 있다.

청구항 4에 기재된 발명에 따르면, 예측 거리 범위 데이터를 지도 메쉬마다 기억한다. 이로 인해, 예측 거리 범위 설정 수단은, 자차 위치가 포함되는 지도 메쉬의 예측 거리 범위 데이터를 판독하면 좋으므로, 예를 들어 자차 위치로부터 소정 거리 내의 링크를 검출하고, 그 링크에 대응하는 예측 거리 범위 데이터를 축차 검색하는 것보다도 처리를 경감할 수 있다.

청구항 5에 기재된 발명에 따르면, 현재의 자차 위치를 중심으로 하여 동심원형의 각 예측 거리 범위가 설정되므로, 시간적 변화에 수반한 예측 거리 범위를 산출할 수 있다.

청구항 ６에 기재된 발명에 따르면, 가장 현재 위치에 가까운 예측 거리 범위를 현재 시각 및 예측 거리 범위의 시간대의 동기를 취해, 예측 거리 범위 데이터를 보정한다. 이로 인해, 더 정확하게 예측 거리 범위를 설정할 수 있으므로, 정확한 시간대의 교통 데이터를 이용할 수 있다.

청구항 7에 기재된 발명에 따르면, 예측 거리 범위 데이터는 구역, 계절, 요일 축일 연휴 기간 등의 요인마다 생성되어 있다. 이로 인해, 차량의 현재 위치로부터 소정 시간 내에 도달하는 거리 범위를 의해 정확하게 산출할 수 있다.

청구항 8에 기재된 발명에 따르면, 네비게이션 장치는 예측 거리 범위 데이터 및 교통 데이터를 수신한다. 이로 인해, 축차 수신한 새로운 데이터를 이용하여 경로 탐색을 행할 수 있으므로, 경로 탐색의 정밀도가 향상된다.

청구항 9에 기재된 발명에 따르면, 네비게이션 장치는 주행 이력을 기초로 하여, 예측 거리 범위 데이터 또는 교통 데이터를 갱신하는 학습 기능을 구비한다. 이로 인해, 축차 갱신한 새로운 데이터를 이용하여 경로 탐색을 행할 수 있으므로, 경로 탐색의 정밀도가 향상된다.

청구항 10에 기재된 발명에 따르면, 통계 처리 서버는 도로 교통 정보 또는 프로브 정보를 기초로 하여, 차량이 소정 시간 내에 도달하는 거리 범위를 예측한 예측 거리 범위 데이터 및 시간대마다의 교통 데이터를 생성한다. 이로 인해, 이러한 데이터를 이용하여, 시간적 변화를 가미하여 정체 상황ㆍ혼잡 상황을 예측할 수 있다.

Claims

현재의 자차 위치로부터 목적지까지의 경로를 탐색하는 경로 탐색 방법에 있어서,

차량이 소정 시간 내에 도달하는 거리 범위를 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 기초로 하여, 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 설정하는 동시에,

각 링크에 대해, 각 시간대마다의 교통 상황을 기초로 하여 생성된 각 교통 데이터 중, 상기 각 예측 거리 범위에 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 것을 특징으로 하는 경로 탐색 방법.
현재의 자차 위치로부터 목적지까지의 경로를 안내하는 경로 안내 시스템에 있어서，

도로 교통 정보 또는 각 차량으로부터 수집한 프로브 정보를 통계 처리하여 차량이 소정 시간 내에 도달하는 거리 범위를, 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 생성하는 제1 통계 처리 수단과,

상기 도로 교통 정보 또는 상기 프로브 정보를 기초로 하여, 각 링크마다 각 시간대의 교통 상황을 기초로 하는 교통 데이터를 생성하는 제2 통계 처리 수단과,

상기 예측 거리 범위 데이터를 기초로 하여 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 각각 설정하는 예측 거리 범위 설정 수단과,

설정된 상기 각 예측 거리 범위 내의 링크에 대해, 그 예측 거리 범위에 각각 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 탐색 수단을 구비한 것을 특징으로 하는 경로 안내 시스템.
차량에 탑재된 네비게이션 장치에 있어서，

차량이 소정 시간 내에 도달하는 거리 범위를 각 구역 및 각 시간대에 따라 각각 예측한 예측 거리 범위 데이터를 기억하는 예측 거리 범위 데이터 기억 수단과,

상기 예측 거리 범위 데이터를 기초로 하여 현재의 자차 위치를 중심으로 한 예측 거리 범위를, 현재 시각을 기준으로 하여 시계열적으로 설정하는 예측 거리 범위 설정 수단과,

각 링크에 대해, 각 시간대마다의 교통 상황을 기초로 하여 생성된 교통 데이터를 기억하는 교통 데이터 기억 수단과,

설정된 상기 각 예측 거리 범위 내의 링크에 대해, 그 예측 거리 범위에 각각 대응하는 시간대의 상기 교통 데이터를 이용하여, 현재의 자차 위치로부터 목적지까지의 추천 경로를 탐색하는 탐색 수단을 구비한 것을 특징으로 하는 네비게이션 장치.
제3항에 있어서，상기 예측 거리 범위 데이터 기억 수단은 상기 예측 거리 범위 데이터를 지도 메쉬마다 기억하고 있고,

상기 예측 거리 범위 설정 수단은, 자차 위치가 포함되는 지도 메쉬를 검출하고, 검출된 지도 메쉬에 대응하는 상기 예측 거리 범위 데이터를 판독하여 예측 거리 범위를 설정하는 것을 특징으로 하는 네비게이션 장치.
제3항 또는 제4항에 있어서，상기 예측 거리 범위 설정 수단은 현재의 자차 위치를 중심으로 하여, 동심원형의 상기 각 예측 거리 범위를 설정하는 것을 특징으로 하는 네비게이션 장치.
제3항 또는 제4항에 있어서，상기 예측 거리 범위 설정 수단은 가장 현재의 상기 자차 위치에 가까운 상기 예측 거리 범위에 대해, 상기 현재 시각 및 상기 예측 거리 범위에 대응하는 시간대를 동기하여, 상기 예측 거리 범위 데이터를 보정하는 것을 특징으로 하는 네비게이션 장치.
제3항 또는 제4항에 있어서，상기 예측 거리 범위 데이터는 구역, 계절, 요일, 축일 또는 연휴 기간마다 생성되어 있는 것을 특징으로 하는 네비게이션 장치.
제3항 또는 제4항에 있어서，상기 예측 거리 범위 데이터, 또는 각 시간대마다의 교통 상황을 기초로 한 상기 교통 데이터를 외부로부터 수신하는 수신 수단을 더 구비한 것을 특징으로 하는 네비게이션 장치.
제3항 또는 제4항에 있어서，상기 차량이 주행한 도로의 소요 시간, 시간대, 차속을 포함하는 주행 이력을 기억하는 주행 이력 기억 수단과,

상기 주행 이력을 기초로 하여, 상기 예측 거리 범위 데이터 또는 상기 교통 데이터를 생성 또는 갱신하는 주행 학습 수단을 구비한 것을 특징으로 하는 네비게이션 장치.
삭제