WO2015125467A1 - 旅行時間演算装置、交通情報データおよび交通情報データ生成装置 - Google Patents

旅行時間演算装置、交通情報データおよび交通情報データ生成装置 Download PDF

Info

Publication number
WO2015125467A1
WO2015125467A1 PCT/JP2015/000730 JP2015000730W WO2015125467A1 WO 2015125467 A1 WO2015125467 A1 WO 2015125467A1 JP 2015000730 W JP2015000730 W JP 2015000730W WO 2015125467 A1 WO2015125467 A1 WO 2015125467A1
Authority
WO
WIPO (PCT)
Prior art keywords
probability distribution
travel time
information data
function
traffic information
Prior art date
Application number
PCT/JP2015/000730
Other languages
English (en)
French (fr)
Inventor
博之 田代
啓 廣尾
元裕 中村
友紀 小段
池野　篤司
芳隆 加藤
定弘 小柴
和輝 前川
Original Assignee
株式会社ゼンリン
トヨタ自動車株式会社
アイシン・エィ・ダブリュ株式会社
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 株式会社ゼンリン, トヨタ自動車株式会社, アイシン・エィ・ダブリュ株式会社 filed Critical 株式会社ゼンリン
Publication of WO2015125467A1 publication Critical patent/WO2015125467A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Definitions

  • the present invention relates to a travel time calculation device, traffic information data used for travel time calculation, and related technology.
  • This document includes a histogram of the relationship between travel time, which is an actual total value obtained by aggregating probe information for each of a plurality of links constituting a network corresponding to a road on which a vehicle travels, and its appearance frequency. Is described.
  • the present invention may be implemented in the following forms.
  • the travel time calculating apparatus which calculates
  • the travel time calculation device uses, for each of a plurality of links constituting the traffic network, a storage unit that stores traffic information data used to calculate travel time, and the stored traffic information data.
  • a calculation unit that calculates a time required to move through each link.
  • the traffic information data includes information related to a probability distribution of travel time required to pass through the passage corresponding to the link, and includes information on the probability distribution function and a specific value used for the function. Good information about distribution.
  • traffic information data for calculating travel time is stored as having information on a probability distribution of travel time required to pass through a passage corresponding to a link, and a function of probability distribution Since the information includes a specific value used for the function, the travel time can be calculated with a small amount of data.
  • the calculation unit may convolve and integrate the probability distribution of each link, and calculate a time required to move through each link based on the integrated result. . According to such a travel time calculation device, the time required to move through each link can be calculated more accurately.
  • a travel time calculation method for obtaining a travel time when moving in a traffic network.
  • This travel time calculation method is traffic information data used to calculate travel time for each of a plurality of links constituting the traffic network, and the probability of travel time required to pass through the passage corresponding to the link.
  • Information related to distribution is stored in the form of information including a probability distribution function and a specific value used for the function, and the time required to travel through each link using the stored traffic information data May be calculated. According to this travel time calculation method, the travel time can be calculated with a small amount of data as in the travel time calculation device.
  • traffic information data used for calculating traffic information and a recording medium on which the traffic information data is recorded.
  • the traffic information data associates information related to a probability distribution of travel time required for the mobile body to pass through a passage corresponding to each of a plurality of links constituting a traffic network, and the probability distribution.
  • the information relating to can be information including a function of a probability distribution and a specific value used for the function. According to such traffic information data, the calculation relating to the movement of the link can be performed with a small amount of data.
  • the information on the probability distribution is a function obtained by weighted addition of a function of one probability distribution, a function of one probability distribution, and a function having a constant value within a predetermined range of values. It may be characterized by including. According to this traffic information data, information can be expressed using a probability distribution, so that the data structure can be simplified.
  • the information on the probability distribution may include a function of one probability distribution and a function obtained by weighted addition of a plurality of probability distribution functions. According to this traffic information data, even when the original information does not follow a single probability distribution, it can be expressed using the probability distribution, and the handling of the data can be facilitated.
  • the information on the probability distribution includes a function of one probability distribution, a function obtained by weighted addition of a plurality of probability distribution functions, a function of the probability distribution, and a predetermined range of travel time. And a function obtained by weighted addition with a function having a constant value.
  • This traffic information data can express traffic information data of a more complicated shape using a probability distribution.
  • a plurality of functions in such traffic information data may be associated with the type of passage structure of the passage corresponding to the link. This is because the probability distribution is affected by the passage structure of the passage (roads, tracks, etc.). Furthermore, in addition to the type of passage structure of the passage corresponding to the link, the plurality of functions may be associated with the passage structure of a peripheral passage connected to the passage. This is because the probability distribution is also affected by the passage structure of the surrounding passage.
  • the passage structure of such a passage may be classified based on a formation factor including at least a stop factor for stopping traffic in the passage and a traffic jam factor for stopping traffic. This is because the two factors are the main factors affecting the travel time among the factors affecting the probability distribution. Of course, other factors may be added.
  • the probability distribution function may be a normal distribution function, and the specific value used for the normal distribution may include an average value and a standard deviation of the normal distribution. good. In this case, since the normal distribution, average value, and standard deviation are used, traffic information data can be handled more easily.
  • a route search device for searching for a route when moving in a traffic network.
  • the route search device may include a storage unit that stores the traffic information data and a processing unit that performs a route search process based on a value calculated from information related to the probability distribution of the traffic information data.
  • This route search apparatus can suitably perform route search using traffic information data with a small amount of data.
  • a method for searching for a route when moving in a traffic network is provided.
  • the traffic information data described above may be prepared, and a route search process may be performed based on a value calculated from information related to the probability distribution of the traffic information data.
  • a route search can be suitably performed using traffic information data with a small amount of data, as in the above route search device.
  • a method for generating traffic information data used for obtaining travel time when traveling in a traffic network is provided.
  • probe data from a probe device moving in the traffic network is accumulated for each of a plurality of links constituting the traffic network, and the link is based on the accumulated probe data.
  • the information related to the probability distribution of travel time required to pass through the passage corresponding to can be generated in the form of information including a function of the probability distribution and the average value and standard deviation of the probability distribution.
  • traffic information data used for obtaining travel time can be preferably generated.
  • the present invention may be implemented in various other modes.
  • a program that implements each of the above-described methods by a computer a program product that records the program code on some recording medium, a recording medium that records traffic information data or a program, a manufacturing method of each of the above-described devices, and the above-described traffic volume
  • the present invention can be implemented in various modes, such as data storage or recording methods and handling methods.
  • Recording media include magnetic recording media such as flexible disks and hard disks, and tangible media such as CDs and DVDs that record data optically or magneto-optically, as well as intangible media such as signals.
  • FIG. 1 is an explanatory diagram showing a schematic configuration of a route search apparatus 1 using map information data which is a kind of traffic information data in the first embodiment.
  • the route search device 1 includes a display unit 2 that displays a map image, a current position acquisition unit 3 that receives a signal such as GPS and calculates a current location, and an operation unit that enables an operator of the route search device to perform a desired operation. 4, a control unit 8 including a CPU 5, a RAM 6, a ROM 7, and a storage device 12 including a map database 9, a route database 10 and travel time information data 11.
  • “database” is abbreviated as “DB”.
  • the operation unit 4 includes a pressure-sensitive touch panel arranged on the surface of the display unit 2, and the operator touches a position such as a map or a button displayed on the display unit 2 with his / her finger, thereby obtaining a desired instruction.
  • An operator's request can be input to the route search apparatus 1.
  • the control unit 7 controls the entire route search apparatus 1 in response to an operator's request via the operation unit 4.
  • the CPU 5 loads the program stored in the ROM 6 into the RAM 5 and executes it.
  • the present location / destination specifying unit 13, the processing unit 14, and the calculating unit 15 function to perform various processes described later.
  • the program recorded in a computer-readable storage medium may be transferred to the RAM 5 or the ROM 6 composed of a flash ROM, or downloaded from a server or the like via a communication network. May be.
  • the recording device 12 and the calculation unit 15 constitute a travel time calculation device.
  • the storage device 12 such as a hard disk is used as the recording medium.
  • an optical or magneto-optical recording medium such as a flexible disk, CD, or DVD may be used.
  • a storage or recording medium on a network such as a cloud may be used.
  • the map database 9 stores information necessary for map display such as passage information and background information for the whole of Japan, and the route database 10 stores information about nodes corresponding to intersections of passages, and the like between nodes. Stores information related to the link corresponding to the connecting passage.
  • the travel time information database 11 stores travel time information required for passing through a passage corresponding to each link.
  • traffic information such as the route from the departure point to the destination and the travel time obtained as a result of the route search processing and / or travel time calculation processing described later by the route search device 1 is obtained.
  • a data structure of map information data used for calculation will be described.
  • the travel time is the time required for the vehicle or the like to move the link.
  • the unit may be seconds, minutes, hours, days, etc., or may be a unit defined as a system.
  • FIG. 2 is a diagram showing a relationship between a plurality of nodes 20 constituting a network corresponding to a passage (road, sidewalk, etc.) in which a moving body such as a vehicle or a person moves, and links 21 connecting the nodes. is there.
  • the link connecting the node A and the node date is shown as a link L1
  • the link connecting the node B and the node C is shown as a link L2.
  • a road on which the vehicle moves is assumed.
  • FIG. 3 is a data structure of map information data used when the route search device 1 performs route search processing and / or travel time calculation processing, which will be described later, and is a diagram showing information related to the links shown in FIG. .
  • the link-related information 30 is part of the route database 10, and the travel time information database 11 is composed of the travel time information table 31 and the function table 32.
  • the link information 30 includes a link ID, a connection node, and travel time information.
  • the connection node defines the nodes at both ends to which the link is connected.
  • the travel time information is information related to a probability distribution of travel time required for the vehicle to pass through the road corresponding to the link.
  • the information includes a normal distribution function, an average value ( ⁇ ) of the function, and a standard. It is represented by information including deviation ( ⁇ ).
  • the travel time information will be specifically described below.
  • the travel time probability distribution will be described.
  • Collect probe information of multiple vehicles that have passed the road corresponding to the link at a certain time zone on a certain day of the week calculate the travel time of the link from the collected probe information, and calculate the frequency for each travel time By doing so, a probability distribution is obtained.
  • Such travel time data is generated by a dedicated server that collects and analyzes data from the probe vehicle.
  • An example of travel time data generated based on data from the probe vehicle is shown in FIG. In this example, the probability that the travel time is short and long is low, and the probability that the travel time is relatively intermediate is high.
  • a method for generating such travel time data will also be described.
  • the travel time information table 31 has models of probability distributions such as model A and model B for each day of the week and time zone.
  • model A is model A
  • the probability distribution model may not be in units of days of the week and time zones, but may be in units of days of the week or only in units of links, or in smaller units.
  • the function corresponding to model 1 is a function of one normal distribution
  • each function corresponding to models 2 to 4 is a function obtained by weighting and adding two normal distribution functions
  • the function corresponding to model 5 is one normal distribution function.
  • a distribution function and a function having a constant value in a predetermined section are weighted and added
  • a function corresponding to the model 6 is a function obtained by weighting and adding three normal distribution functions.
  • the probability distribution of travel time is represented by the above six models.
  • changing the weighting means for example, changing the variable p1 in the models 2 to 4 and the model 5, and changing the variables p1 and p2 in the model 6.
  • the reason for adopting such a model is as follows.
  • FIG. 5 shows the correspondence between the model shape, the formation factor, and the function.
  • the formation factor is further divided into a stop factor and a congestion factor.
  • the stop factor indicates whether a road corresponding to a certain link has a factor that the vehicle always stops or a vehicle that decelerates or stops.
  • Factors that cause the vehicle to stop without fail include traffic lights, level crossings, and manned toll booths. These factors are hereinafter referred to as “signals”.
  • Factors that may cause the vehicle to decelerate or stop include right / left turns, merging at signalless intersections, pedestrian crossings, and ETC toll gates. These factors are hereinafter referred to as “right and left turns”.
  • the stop factor is “None”. If there is a factor for the vehicle to stop due to a signal, etc., it is “severe”. Or, if there is a factor to stop, it is “mild”.
  • the congestion factor indicates the degree of traffic congestion on the road corresponding to a certain link. When there is no traffic jam, it is “None”, when there is a heavy traffic jam, “Severe”, and “When traffic jams” If there is, it is considered “mild”.
  • the model 1 is a case where the stop factor and the congestion factor are “none”, and is represented by one normal distribution shape by a function of a normal distribution.
  • Model 2 is the case of the stop factor “mild” or the congestion factor “mild”, which is expressed in the shape of a substantially normal distribution with a right foot length by adding two normal distribution functions with a predetermined weight. It is.
  • Model 3 and model 4 are cases of a stop factor “severe” or a congestion factor “severe”. Then, it is further divided into the model 3 and the model 4 due to other factors such as the relationship with the peripheral links.
  • the model 3 is represented by adding two normal distribution functions with a predetermined weight, so that the shape of the normal distribution with a high height is on the front side and the shape of the normal distribution with a low height is on the back side. It is a thing.
  • the model 4 is represented by adding two normal distribution functions with a predetermined weight, so that the normal distribution shape with a low height is on the front side and the normal distribution shape with a high height is on the back side. It is a thing.
  • Model 5 is a case where the stop factor is “severe” and the congestion factor is “none”. By adding a function of one normal distribution and a function having a constant value in a predetermined section with a predetermined weight, the front side is normalized.
  • the shape is a distribution shape, and the rear side is a rectangular shape.
  • the model 6 is a case of a stop factor “none”, “mild” or “severe” and a congestion factor “none”, and three normal distributions appear by adding three normal distribution functions with predetermined weights. It is expressed in shape.
  • the server has a normal hardware configuration including a CPU, and includes a large-scale storage device that stores probe data and a numerical processor that performs statistical calculations. Map information data is generated using the result of this association.
  • the server collects probe data from a plurality of probe vehicles via a network, and stores this data as data for each link in a storage device such as a hard disk. For each predetermined period, the server associates each link with a function and a parameter based on the probe data. This process is shown in FIG.
  • the server aggregates probe information from vehicles passing through a road corresponding to a certain link, and obtains a histogram as shown in FIG. 4 (step T10). Then, as a result of collecting the probe information, the stop factor and congestion factor of the road are analyzed, the closest model shape is selected (step T15), and fitting to this model shape is performed (step T20). For example, if there is a stop factor of “None” and a congestion factor of “None”, if this formation factor is present, there is a high possibility that it corresponds to the model shape 1. Therefore, the fit to the model is performed by fitting to one normal distribution. To evaluate. Specifically, the parameters of the normal distribution formula N ( ⁇ , ⁇ 2) are obtained by calculating the average and variance of travel times.
  • step T30 it is determined whether or not the information amount of the cullback / librar becomes a predetermined value, for example, 0.2 or less.
  • a predetermined value for example, 0.2 or less.
  • step T45 it is determined whether or not the fitting to all the model shapes has been completed. If the remaining model shape remains, another model is selected (step T50). The selection is made in the order of the strong relationship between the formation factor and the model shape. This is because the model shape may differ depending on other factors. In the above example, we focus on the link between the stop factor “None” and the congestion factor “None”, so the stop factor “Mild” and the congestion factor “Mild” are relatively similar to this formation factor. First, the model 2 that is a distribution is selected. After that, the process returns to the above step 20 to try to fit the selected model shape.
  • model 2 is a mixed normal distribution consisting of two normal distributions, each parameter is obtained using both the k-means method and the EM algorithm. Next, as in the case of one normal distribution, a determination is made based on the amount of information of the Cullback / Librer to determine whether or not to adopt the model (step 30).
  • the models are applied in the order in which the formation factors are similar, and a model in which the amount of information of the Cullback / librar is equal to or less than a predetermined value is obtained. If the amount of Cullback / librar information does not fall below a predetermined value even after fitting to all model shapes, it is applied to the model with the smallest amount of cullback / librar information (step T60), The process of associating functions and parameters is completed.
  • the server performs the process shown in FIG. 6 for all links where probe data exists.
  • six models are used, but it is not necessary to use six models.
  • it may be expressed by model 1 only, model shape 1 and model shape 5 only, or model 1, model 3, model 4 and model 6 only.
  • the difference between the actual histogram and the model may be larger than when the above six models are used, but it is only necessary to apply the one with the smallest amount of cullback / railer information.
  • a method other than the amount of information of the Cullback / Librer may be used.
  • the process shown in FIG. 7 is started when the user causes the route search device to perform a route search.
  • a node corresponding to the current location is searched and specified from information on the node stored in the route database 10 based on a signal such as GPS input by the position acquisition unit 3. (S10).
  • the node corresponding to the destination is searched and specified from the information regarding the node stored in the route database 10 (S20).
  • the above processing comes to the processing of specifying the current location and the destination by the current location / destination specifying unit 13.
  • a probability distribution is reproduced from the function and parameters of the travel time information corresponding to each link, and the count from the travel time with a small amount in the distribution is 50%. Calculate the travel time. This travel time is hereinafter referred to as “50% travel time”. This travel time is a statistical median. Then, 50% travel time is set as a cost for each link (step S30). In the present embodiment, when the travel time probability distribution has a distorted shape, 50% travel time that can be a reasonable representative value is used rather than the average value of the normal distribution as a representative value.
  • the shortest route from the node corresponding to the departure point specified in step S10 to the node corresponding to the destination specified in step S20 is searched using a known Dijkstra method or the like to become the shortest route.
  • a link is specified (step S40).
  • the shortest path is link A ⁇ link B ⁇ link C.
  • Such processing corresponds to route search processing from the departure point to the destination by the processing unit 14.
  • step S50 the travel time information of each link included in the route specified in step S40, that is, the link A, link B, and link C in FIG. 8, is read into the RAM 6 (step S50). Subsequently, the probability distribution is reproduced based on the function and parameters of each read travel time information. Specifically, the probability distribution of link A, the probability distribution of link B, and the probability distribution of link C in FIG. 8 are used. After that, convolution integration is performed on the probability distribution of link A and the probability distribution of link B, and further, convolution integration of the result of this convolution integration and the probability distribution of link C is performed (step S60). Thereby, the convolution integration result of each travel time information corresponding to each link included in the route is calculated.
  • step S70 50% travel time and travel time in the order of 40% and 60% counted from the less travel time are calculated. Then, the estimated arrival time arriving at the destination is displayed on the display unit as the travel time required to reach the destination from the departure place with the 50% travel time obtained in step S70. Further, the travel times in the order of 40% and 60% obtained in step S70 are displayed as time widths in which the actual arrival time may be earlier or later than the expected arrival time (step S80). These processes correspond to the calculation process of the travel time from the departure point to the destination by the calculation unit 15. Above, the process shown in FIG. 7 is complete
  • the type of travel time probability distribution (FIG. 5), average value, and standard deviation are stored for each link, and the estimated arrival time is calculated using this. Therefore, it is possible to obtain the estimated arrival time with a smaller amount of data compared to the storage of the travel time histogram of each link.
  • the probability distribution of travel time is obtained by convolution integration, it is possible to present more accurate travel time than simply adding the average travel time of each link.
  • the map information data may be stored directly in the form of a function instead of the type of probability distribution, or may be stored in a form in which an average value or standard deviation value is previously substituted into the function.
  • requiring the travel time via each link it may replace with a convolution integral and can use another calculating method.
  • 50% travel time is set as a link cost as a fixed value, but it is arbitrarily variable using the fact that it has a travel time probability distribution corresponding to each link. You may be able to do it.
  • the travel time in the order of 60% or the travel time in the order of 70% can be set as the cost, counting from the small travel time in the distribution. For example, if the operator is not confident in driving or wants to drive slowly with sufficient time, by enabling the selection as described above, it becomes possible to search for a route suitable for the condition, A route search suitable for the situation of the operator can be performed.
  • the information regarding the probability distribution is information including the function of the normal distribution and the average value and the standard deviation of the normal distribution, so that the data size can be significantly suppressed, and the information Based on this, it is possible to apply, for example, calculation of the estimated arrival time and route search according to the situation of the operator.
  • the route search apparatus 1 has all functions. However, in this embodiment, the route database 10 and the travel time information database 11 described in the first embodiment are used as the server 50 side as shown in FIG.
  • the route search device 50 is provided with a route database 40 having simple link information and a simple travel time information database 41 having simple travel time information.
  • the thing of the same number as the number used for description in FIG. 1 shows the same structure.
  • Simple link information means that in the travel time information part of the link information 30 in FIG. 3, the amount of information has been reduced by making the subdivision conditions such as day of the week and time zone in a certain link simpler. Is.
  • the simple travel time information database 41 is obtained by reducing the number of patterns as the subdivision conditions are simplified.
  • the route search device 50 stores the information in the route database 10 and the travel time information database 11 on the server 51 side when the communication state is good.
  • the communication state is interrupted for some reason, it is possible to perform processing based on information in the route database 40 and the simple travel time information database 41. Become.
  • the current location / destination specifying unit 13, the processing unit 14, and the calculating unit 15 are provided on the server side, and step S10 described in the first embodiment is performed in response to a request from the terminal side.
  • the configuration may be such that the processing of S80 is performed on the server side and the processing result is returned to the terminal side.
  • the present invention is not limited to the above embodiment, and can be implemented in various forms and modifications.
  • Modification 1 In the above-described embodiment, the normal distribution is used as the probability distribution representing the traffic information data. However, a Poisson distribution, a Laplace distribution, or the like may be used. Even in this case, as in the above-described embodiment, the probability distribution is a function (model 1 ′) of one probability distribution such as a Poisson distribution or a function (model 2 ′, model 3 ′) obtained by weighted addition of two probability distribution functions.
  • Model 4 ′ a function obtained by weighted addition of a function of one probability distribution and a function having a constant value in a predetermined section
  • model 6 ′ a function obtained by weighted addition of three probability distribution functions
  • the original probability distribution may be represented only by the model 1 ′, may be represented by only the model 1 ′ and the model 5 ′, or may be represented by only the model 1 ′, the model 3 ′, the model 4 ′, and the model 6 ′.
  • Modification 2 In the above-described embodiment, a model having a high degree of conformity is evaluated by sequentially fitting a plurality of probability distribution models prepared in advance based on the road structure classified based on the stop factor and the congestion factor, and evaluating the model suitability. Selected.
  • the road structure of the surrounding links may be taken into consideration, and the model may be selected for fitting. This is because the shape of the histogram is affected not only by the road structure of the target link but also by the road structure of the peripheral links connected to this link.
  • a shape similar to the histogram of the link with the signal may appear even if there is no signal in the link of interest.
  • Known empirically In such a case, even if there is no stop factor (signal) in the link, a model that has a slight stop factor may be selected and fitted.
  • the present invention is not limited to these embodiments and modifications, and can of course be implemented in various modes.
  • the present invention may be applied to calculation of travel time required for moving a moving object such as a motorcycle or a bicycle or a person. It can also be implemented as a method for generating traffic information data. Alternatively, it is possible to give the node information on probability distribution.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

　交通ネットワークを移動する際の旅行時間を求める旅行時間演算装置であって、前記交通ネットワークを構成する複数のリンクの各々について、旅行時間を算出するのに用いる交通情報データを記憶した記憶部と、前記記憶された交通情報データを用いて、前記各リンクを通って移動するのに要する時間を算出する算出部とを備え、前記交通情報データは、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を有し、前記確率分布に関する情報は、確率分布の関数及びこの関数に用いられる特定の値を含む情報である旅行時間演算装置を提供する。

Description

旅行時間演算装置、交通情報データおよび交通情報データ生成装置
　本発明は、旅行時間演算装置、旅行時間の演算等に用いる交通情報データおよびその関連技術に関する。
　本出願は、２０１４年２月２１日に出願された日本特許出願２０１４－３１４５４号に関連すると共に、該日本特許出願に基づき優先権を主張しており、該日本出願の全開示内容は、参照のために、この明細書に組み込まれる。
　地図情報データの作成に際して、車両の通行により得られた統計データを用いる技術が提案されている（例えば、特許文献である特開２００５－２３３８１５号公報参照）。この文献には、車両が移動する道路に相当するネットワークを構成する複数のリンクの各々に、プローブ情報を集計することにより得られる実際の集計値である旅行時間とその出現頻度との関係のヒストグラムを対応付けることが記載されている。
　しかしながら、上記特許文献に記載された技術は、複数のリンクの各々に実際の集計値であるヒストグラムを対応付けているため、そのデータサイズが膨大になる。かと言ってヒストグラムを間引いたりデータ数を少なくしたのでは、旅行時間の算出やその結果を用いた経路探索の精度が不十分ものになってしまう可能性があった。
　また、こうした課題の他、装置の小型化や処理の容易化、使い勝手の向上なども求められていた。
　上記の課題の少なくとも一部を解決するために、本発明は、以下の形態で実施して良い。
（１）本発明の一形態として、交通ネットワークを移動する際の旅行時間を求める旅行時間演算装置が提供される。この旅行時間演算装置は、前記交通ネットワークを構成する複数のリンクの各々について、旅行時間を算出するのに用いる交通情報データを記憶した記憶部と、前記記憶された交通情報データを用いて、前記各リンクを通って移動するのに要する時間を算出する算出部とを備えるものであって良い。かかる構成において、交通情報データは、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を有し、確率分布の関数および前記関数に用いられる特定の値を含む情報前記確率分布に関する情報として良い。
　かかる旅行時間演算装置によれば、旅行時間を演算するための交通情報データを、リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を有するものとして記憶し、確率分布の関数および前記関数に用いられる特定の値を含む情報としているので、少ないデータ量により、旅行時間の演算を行なうことができる。
（２）こうした旅行時間演算装置において、前記算出部は、各リンクの前記確率分布を畳み込み積分し、前記積分した結果に基づき前記各リンクを通って移動するのに要する時間を算出するものとしてよい。かかる旅行時間演算装置によれば、各リンクを通って移動するのに要する時間を、より正確に演算できる。
（３）上記旅行時間演算装置に対応する方法発明の形態として、交通ネットワークを移動する際の旅行時間を求める旅行時間演算方法が提供される。この旅行時間演算方法は　前記交通ネットワークを構成する複数のリンクの各々について、旅行時間を算出するのに用いる交通情報データであって、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を、確率分布の関数および前記関数に用いられる特定の値を含む情報の形態で記憶し、前記記憶された交通情報データを用いて、前記各リンクを通って移動するのに要する時間を算出するものとして良い。かかる旅行時間演算方法によれば、上記旅行時間演算装置と同様に、少ないデータ量で、旅行時間の演算を実現できる。
（４）本発明の他の態様として、交通情報を算出するために用いる交通情報データおよびこの交通情報データを記録した記録媒体が提供される。この交通情報データは、交通ネットワークを構成する複数のリンクの各々に対応した通路を前記移動体が通過するために要する旅行時間の確率分布に関する情報を、前記リンクに対応づけており、　前記確率分布に関する情報は、確率分布の関数および前記関数に用いられる特定の値を含む情報とすることができる。かかる交通情報データによれば、リンクの移動に関する演算を、少ないデータ量で実施できる。
（５）上記の交通情報データにおいて、前記確率分布に関する情報は、一つの確率分布の関数と、一つの確率分布の関数と所定の範囲の値において一定の値を持つ関数との重み付け加算した関数とを含むことを特徴として良い。この交通情報データによれば、確率分布を用いて情報を表現できるので、データの構造を簡略化できる。
（６）こうした交通情報データにおいて、前記確率分布に関する情報は、一つの確率分布の関数と、複数の確率分布の関数を重み付け加算した関数を含むことを特徴として良い。この交通情報データによれば、元の情報が単一の確率分布に従わない場合でも、確率分布を用いて表現することができ、データの取り扱いを容易化できる。
（７）あるいはこうした交通情報データにおいて、前記確率分布に関する情報は、一つの確率分布の関数と、複数の確率分布の関数を重み付け加算した関数と、確率分布の関数と旅行時間の所定の範囲の値において一定の値を持つ関数との重み付け加算した関数とを含むことを特徴としてもよい。この交通情報データは、更に複雑な形状の交通情報データを、確率分布を用いて表現できる。
（８）こうした交通情報データにおける複数の関数は、前記リンクに対応した前記通路の通路構造の種類に対応付けられて良い。確率分布は、通路（道路や線路等）の通路構造による影響を受けるからである。更に、こうした複数の関数は、前記リンクに対応した前記通路の通路構造の種類に加えて、当該通路に接続する周辺の通路の通路構造にも対応付けられて良い。確率分布は、周辺通路の通路構造によっても影響を受けるからである。こうした通路の通路構造は、当該通路において通行を停止させる停止要因および通行を停滞させる渋滞要因を少なくとも含む形成要因より分類して良い。この２つが、確率分布に影響を与える要因のうち、旅行時間に影響を与える主たる要因だからである。もとより他の要因を加えても良い。
（９）こうした交通量データにおいて、前記確率分布の関数は、正規分布の関数であり、前記正規分布に用いられる特定の値は、前記正規分布の平均値及び標準偏差を含むことを特徴としても良い。この場合、正規分布と平均値及び標準偏差を用いるので、交通情報データの取り扱いを、一層容易な物にできる。
（１０）本発明の他の形態として、交通ネットワークを移動する際の経路を探索する経路探索装置が提供される。この経路探索装置は、上記の交通情報データを記憶する記憶部と、前記交通情報データの前記確率分布に関する情報から算出された値に基づき経路探索処理を行なう処理部とを備えるものとして良い。この経路探索装置は、少ないデータ量の交通情報データを用いて、経路探索を好適に行なうことができる。
（１１）かかる経路探索装置に対応した方法発明として、交通ネットワークを移動する際の経路を探索する方法が提供される。この方法は、上記の交通情報データを用意し、前記交通情報データの前記確率分布に関する情報から算出された値に基づき経路探索処理を行なうものとして良い。かかる経路探索方法によれば、上記経路探索装置と同様、少ないデータ量の交通情報データを用いて、経路探索を好適に行なうことができる。
（１２）本発明の他の形態として、交通ネットワークを移動する際の旅行時間を求めるために用いる交通情報データを生成する方法が提供される。この交通情報データの生成方法は、前記交通ネットワークを移動するプローブ装置からのプローブデータを、前記交通ネットワークを構成する複数のリンクの各々について蓄積し、前記蓄積されたプローブデータに基づいて、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を、確率分布の関数並びに前記確率分布の平均値及び標準偏差を含む情報の形態で生成するものとして良い。かかる交通情報データ生成方法によれば、旅行時間を求めるために利用する交通情報データを、好適に生成できる。
　本発明は、この他、種々の態様で実現してよい。例えば、上述した各方法をコンピュータにより実現するプログラムおよびそのプログラムのコードを何らかの記録媒体に記録したプログラム製品、交通情報データやプログラムを記録した記録媒体、上述した各装置の製造方法、上述した交通量データの保存または記録方法や取り扱い方法、など、種々の態様で実施できる。記録媒体には、フレキシブルディスクやハードディスクなどの磁気的な記録媒体や、ＣＤやＤＶＤなどの光学的または光磁気的にデータを記録する有形の媒体はもとより、信号などの無形の媒体も含まれる。
実施形態１における経路探索装置の概略構成図である。 道路ネットワークを示す説明図である。 地図情報データを示す説明図である。 旅行時間の確率分布のヒストグラムを例示する説明図である。 旅行時間の確率分布のモデルを例示する説明図である。 地図情報データの生成方法を示す工程図である。 経路探索処理及び目的地までの到着時間を算出するための処理を示すフローチャートである。 複数のリンクの旅行時間の確率分布の畳み込み積分の一例を示す説明図である。 実施形態２における経路探索装置の概略構成図である。
＜実施形態１＞
　図１は、実施形態１における交通情報データの一種である地図情報データを用いた経路探索装置１の概略構成を示す説明図である。経路探索装置１は、地図画像等を表示する表示部２、ＧＰＳ等の信号を受信して現在地を算出する現在位置取得部３、経路探索装置の操作者が所望の操作を可能とする操作部４、ＣＰＵ５，ＲＡＭ６，ＲＯＭ７を含む制御部８並びに地図データベース９，経路データベース１０及び旅行時間情報データ１１を含む記憶装置１２を含んでいる。なお、図示においては、「データベース」は「ＤＢ」と略記した。
　操作部４は、表示部２の表面に配置された感圧型のタッチパネルを備え、操作者が表示部の２に表示された地図やボタンなどの位置に指を接触することにより所望の指示、ひいては操作者の要求を、経路探索装置１に入力可能である。
　制御部７は、操作部４を介した操作者の要求に応じて、経路探索装置１全体を制御するものであり、ＣＰＵ５は、ＲＯＭ６に記憶されたプログラムをＲＡＭ５にロードして実行することで、現在地・目的地特定部１３、処理部１４及び算出部１５として機能し、後述する種々の処理を実行する。そのプログラムは、コンピュータ読み取り可能な記憶媒体に記録されたものを、ＲＡＭ５や、フラッシュＲＯＭにより構成されたＲＯＭ６に転送しても良いし、通信ネットワークを介してサーバー等に保存されたものをダウンロードしても良い。記録装置１２と算出部１５とで旅行時間演算装置を構成している。本実施形態では、記録媒体として、ハードディスクなどの記憶装置１２を用いたが、フレキシブルディスクやＣＤ、ＤＶＤなどの光学的、あるいは光磁気的記録メディアを用いても良い。クラウドなど、ネットワーク上の記憶または記録媒体を用いても良い。
　地図データベース９は、日本国全体の通路情報、背景情報等の地図表示に必要な情報を保存しており、経路データベース１０は、通路の交差点等に対応するノードに関する情報、ノードとノードの間を接続する通路に相当するリンクに関する情報等を保存している。旅行時間情報データベース１１は、各々のリンクに相当する通路を通過するために要する旅行時間情報を保存している。
　次に、図２及び図３を用いて、経路探索装置１が後述する経路探索処理及び／又は旅行時間の算出処理の結果得られる出発地から目的地までの経路や旅行時間等の交通情報を算出するために用いられる地図情報データのデータ構造について説明する。ここで、旅行時間とは、車両などが、リンクの移動に要する時間のことである。単位は、秒、分、時、日などであっても良いし、システムとして規定した単位であっても良い。
　図２は、車両、人等の移動体が移動する通路（道路、歩道等）に相当するネットワークを構成する複数のノード２０と、ノードとノードの間を接続するリンク２１の関係を示す図である。図２では、ノードＡとノード日をつなぐリンクを、リンクＬ１として、またノードＢとノードＣとをつなぐリンクを、リンクＬ２として示した。本実施形態では、車両が移動する道路を想定している。
　図３は、経路探索装置１が後述する経路探索処理及び／又は旅行時間の算出処理を行うときに用いられる地図情報データのデータ構造であり、図２で示したリンクに関する情報を示す図である。リンクに関する情報３０は経路データベース１０の一部であり、また、旅行時間情報テーブル３１と関数テーブル３２とで旅行時間情報データベース１１を構成している。
　リンクに関する情報３０は、リンクID、接続ノード及び旅行時間情報を持っている。ここで、接続ノードは、そのリンクが接続している両端のノードを規定している。また、旅行時間情報は、そのリンクに対応する道路を車両が通過するために要する旅行時間の確率分布に関する情報であり、その情報は、正規分布の関数並びにその関数の平均値（μ）及び標準偏差（σ）を含む情報によりあらわされている。
　以下、旅行時間情報について、具体的に説明する。まず、旅行時間の確率分布について説明する。ある曜日のある時間帯にそのリンクに対応する道路を通過した複数の車両のプローブ情報を収集し、収集したプローブ情報からそのリンクの旅行時間を算出し、それを同じ旅行時間毎に頻度を算出することにより確率分布が得られる。こうした旅行時間のデータは、プローブ車両からのデータを収集し解析する専用のサーバによって生成される。プローブ車両からのデータに基づいて、生成された旅行時間のデータの一例を図４に示した。この例では、旅行時間が短いものと長いものの発生する確率は低く、比較的その中間の旅行時間となるものの発生確率が高いことを示している。こうした旅行時間データの生成の手法について、併せて説明する。
　本実施形態では、図４のようにヒストグラムの形式で各々のリンクに対応して旅行時間の確率分布を持つのではなく、以下に説明する形態で旅行時間に関する情報を用意している。
　本実施形態では、旅行時間情報テーブル３１は、曜日及び時間帯単位で、モデルA、モデルB等の確率分布のモデルを持っており、具体的なパターンとして、例えばモデルAであれば、関数１とパラメータ(μ＝a，σ＝ｂ)によって関連付けられている。なお、確率分布のモデルは、曜日及び時間帯単位でなくても、曜日単位やリンク単位のみであっても、さらに細かい単位であっても良い。
　関数は、関数テーブル３２で示す通り、本実施形態では、ｘを旅行時間とする６つの関数が用意されている。モデル１に対応する関数は一つの正規分布の関数であり、モデル２～４に対応する各関数は２つの正規分布の関数を重み付け加算した関数であり、モデル５に対応する関数は一つの正規分布の関数と所定の区間に一定値を持つ関数とを重み付け加算した関数であり、また、モデル６に対応する関数は、３つの正規分布の関数を重み付け加算した関数である。本実施形態では、旅行時間の確率分布を上記の６つのモデルであらわしている。各関数において、重み付けを変えるとは、例えばモデル２～４およびモデル５では、変数ｐ１を変えることであり、モデル６では、変数ｐ１およびｐ２を変えることである。こうしたモデルを採用しているのは、以下に説明する理由による。
　図５は、モデル形状、形成要因及び関数の対応を示したものであり、形成要因は、さらに停止要因と混雑要因に分けられる。停止要因とは、あるリンクに対応する道路が、必ず車両が停止する要因があるか、車両が減速又は停止する要因があるかをあらわすものである。車両が必ず停止する要因としては、信号、踏切、有人料金所等が考えられる。これらの要因を、以下「信号等」という。また、車両が減速または停止する可能性がある要因としては、右折・左折、信号無交差点での合流、横断歩道、ETC料金所等が考えられる。これらの要因を、以下「右左折等」という。信号等、右左折等によって車両が止まる要因がない場合は、停止要因は「なし」、信号等によって必ず車両が止まる要因がある場合は「重度」、そして、右左折等により条件によって車両が減速又は停止する要因がある場合は「軽度」としている。混雑要因とは、あるリンクに対応する道路の渋滞の度合いをあらわすものであり、渋滞するときがない場合は「なし」、激しく渋滞するときがある場合は「重度」、そして、「渋滞するときがある場合は「軽度」としている。
　道路条件を調査、解析した結果、各々のリンクに対応する道路の状況は、６つのモデルに当てはめて説明できることが判明した。モデル１は、停止要因及び混雑要因が「なし」の場合であり、正規分布の関数による一つの正規分布の形状であらわされたものである。モデル２は、停止要因「軽度」又は混雑要因「軽度」の場合であり、二つの正規分布の関数を所定の重み付けで加算することにより、右裾長の略正規分布の形状であらわされたものである。モデル３及びモデル４は、停止要因「重度」又は混雑要因「重度」の場合である。そして、周辺リンクとの関係等の他の要因により、モデル３及びモデル４にさらに分割している。モデル３は、二つの正規分布の関数を所定の重み付けで加算することにより、高さの高い正規分布の形状が前側にあり、高さの低い正規分布の形状が後ろ側にある形状であらわされたものである。
　モデル４は、二つの正規分布の関数を所定の重み付けで加算することにより、高さの低い正規分布の形状が前側にあり、高さの高い正規分布の形状が後ろ側にある形状であらわされたものである。モデル５は、停止要因「重度」及び混雑要因「なし」の場合であり、一つの正規分布の関数と所定の区間に一定値を持つ関数とを所定の重み付けで加算することにより、前側が正規分布の形状となり、後ろ側が矩形の形状となる形状であらわされたものである。モデル６は、停止要因「なし」、「軽度」又は「重度」及び混雑要因「なし」の場合であり、三つの正規分布の関数を所定の重み付けで加算することにより、３つの正規分布があらわれる形状であらわされたものである。
　次に、各々のリンクと関数及びパラメータとの対応付けについて説明する。この対応付は、ネットワーク上に存在するサーバ（図示省略）において実行される。サーバは、ＣＰＵを備えた通常のハードウェア構成を有するものであり、プローブデータを保存する大規模な記憶装置や、統計的な演算を行なう数値プロセッサを備える。この対応付けの結果を用いて地図情報データが生成される。
　サーバは、複数のプローブ車両からのプローブデータを、ネットワークを介して収集しており、これをハードディスクなどの記憶装置に、リンクごとのデータとして記憶している。所定の期間毎に、サーバは、このプローブデータに基づいて、各々のリンクと関数及びパラメータとの対応付けを行なう。この処理を、図６に示した。
　サーバは、あるリンクに対応する道路を通過する車両からのプローブ情報を集計し、図４で示すようなヒストグラムを求める（工程Ｔ１０）。そして、プローブ情報を集計した結果、その道路の停止要因と混雑要因とを解析し、もっとも近いモデル形状を選択して（工程Ｔ１５）、このモデル形状へのあてはめを行なう（工程Ｔ２０）。例えば停止要因「なし」及び混雑要因「なし」であった場合、この形成要因を持つ場合はモデル形状１に該当する可能性が高いため、１つの正規分布へあてはめを行い、モデルへの適合度を評価する。具体的には、旅行時間の平均と分散を算出することで正規分布の式N（μ、σ２）のパラメータを求める。さらに、カルバック・ライブラー情報量が所定の値、例えば、０．２以下になるかを判定する（工程Ｔ３０）。カルバック・ライブラー情報量が所定の値以下になる場合は、正規分布への当てはめが適切であると判断できるため、正規分布の関数とそこで求められた平均値及び標準偏差を対応づけるようにする（工程Ｔ４０）。
　一方で、カルバック・ライブラー情報量が所定の値以下にならない場合には（工程Ｔ３０、「ＮＯ」）、全てのモデル形状へのあてはめが終了したかを判断し（工程Ｔ４５）、まだ判断していないモデル形状が残っていれば、別のモデルの選択を行なう（工程Ｔ５０）。選択は、形成要因とモデル形状には関連が強いもののから順に行なう。これは、他の要因によって異なるモデル形状になる場合もあるためである。上記の例で場合は、停止要因「なし」及び混雑要因「なし」のリンクに着目しているため、この形成要因に比較的類似している、停止要因「軽度」及び混雑要因「軽度」の分布であるモデル２を、まず選択する。その上で上記の工程２０に戻って、選択したモデル形状への当てはめを試みる。
　モデル２は、２つの正規分布からなる混合正規分布であるため、k-means法とEMアルゴリズムを併用して各パラメータを求める。次に、１つの正規分布の場合と同様、カルバック・ライブラー情報量による判定を行い、モデルとして採用するか否かを判断する（工程３０）。
　以下、形成要因が類似している順にモデルを当てはめていき、カルバック・ライブラー情報量が所定の値以下になるモデルを求める。
　全てのモデル形状へ当てはめてもカルバック・ライブラー情報量が所定の値以下にならなかった場合は、最もカルバック・ライブラー情報量が小さいモデルへ当てはめ（工程Ｔ６０）、着目した一つのリンクについての関数及びパラメータとの対応付け処理を完了する。
　以上のように、確率分布を６つのモデルでモデル化したことにより、データサイズを大幅に削減できると共に、実際のヒストグラムに近い精度であらわすことも出来る。サーバは、図６に示した処理をプローブデータが存在する全てのリンクについて行なう。
　なお、上記の例では、６つのモデルを利用したが、６つのモデルを用いなくても良い。例えば、例えば、モデル１のみであらわしたり、モデル形状１とモデル形状５のみであらわしたり、モデル１、モデル３、モデル４及びモデル６のみであらわすようにしても良い。この場合、上記の６つのモデルを利用した場合よりも実際のヒストグラムとモデルとの差異が大きくなる場合があるが、最もカルバック・ライブラー情報量が小さいものを当てはめるようにすれば良い。検定の方法として、カルバック・ライブラー情報量以外の方法を用いても良い。なお、こうした検定を行なうことなく、停止要因と混雑要因、あるいはその他の要因を判断することで、あらかじめ用意したいずれかのモデル形状に当てはめるものとしてもよい。
　次に、図７を用いて、上記で説明した地図情報データを経路探索処理及び目的地までの到着時間を算出するための処理に適用した場合について説明する。なお、以下で説明する処理は、CPU４によって実行される。図７に示した処理は、使用者が経路探索装置に経路探索を行なわせることを契機として開始される。
　図７に示した処理が開始されると、まず位置取得部３で入力したGPS等の信号に基づき、経路データベース１０に保存されているノードに関する情報から現在地に対応するノードを検索し、特定する（S１０）。次に、操作者によって入力された目的地に基づき、経路データベース１０に保存されているノードに関する情報から目的地に対応するノードを検索し、特定する（S２０）。以上の処理が、現在地・目的地特定部１３による現在地及び目的地を特定する処理に想到する。
まず、経路データベース１０に保存されている各々のリンクに対して、各々のリンクに対応した旅行時間情報の関数とパラメータより確率分布を再現し、その分布における少ない旅行時間からカウントして５０％となる旅行時間を算出する。この旅行時間を以下「５０％旅行時間」という。この旅行時間は、統計上の中央値である。そして、各々のリンクに対して５０％旅行時間をコストとして設定する（ステップＳ３０）。なお、本実施形態では、旅行時間の確率分布が歪んだ形状になっている場合に、正規分布の平均値を代表値とするよりも妥当な代表値となり得る５０％旅行時間を用いている。
　次に、ステップＳ１０で特定された出発地に対応するノードから、ステップＳ２０で特定された目的地に対応するノードまでの最短経路を公知のダイクストラ法等を用いて経路探索し、最短経路となるリンクを特定する（ステップＳ４０）。図８の例では、最短経路は、リンクＡ→リンクＢ→リンクＣとなる。かかる処理が、処理部１４による出発地から目的地までの経路探索処理に相当する。
　次に、ステップＳ４０で特定された経路に含まれる各々のリンク、つまり図８のリンクＡ、リンクＢ及びリンクＣの旅行時間情報をＲＡＭ６に読み出す（ステップＳ５０）。続いて、読み出された各々の旅行時間情報の関数とパラメータに基づいて確率分布を再現する。具体的には、図８のリンクＡの確率分布、リンクＢの確率分布及びリンクＣの確率分布を用いる。その上で、リンクＡの確率分布とリンクＢの確率分布について畳み込み積分を行ない、更に、この畳み込み積分の結果とリンクＣの確率分布との畳み込み積分を行なう（ステップＳ６０）。これにより、経路に含まれる各々のリンクに対応した各々の旅行時間情報の畳み込み積分結果が算出されることになる。
　次に、ステップＳ６０で得られた畳み込み積分結果より５０％旅行時間、並びに少ない旅行時間からカウントして４０％及び６０％の順番となる旅行時間を算出する（ステップＳ７０）。そして、ステップＳ７０で得られた５０％旅行時間を出発地から目的地まで到達するために要する旅行時間として、目的地に到着する到着予想時間を表示部に表示する。また、ステップＳ７０で得られた４０％及び６０％の順番となる旅行時間を、実際に到着する時間が到着予想時間よりも早かったり遅かったりする恐れのある時間幅として表示する（ステップＳ８０）。これらの処理が、算出部１５による出発地から目的地に到達するまでの旅行時間の算出処理に相当する。以上で図７に示した処理を終了する。
　以上説明した本実施形態では、各々のリンクに対して旅行時間の確率分布のタイプ（図５）と平均値および標準偏差を記憶し、これを用いて到着予想時間を算出している。従って、各リンクの旅行時間のヒストグラムを記憶しているものと比べて、より少ないデータ量で、到着予想時間を求めることができる。しかも、旅行時間の確率分布を畳み込み積分した値により求めてるので、単に各リンクの旅行時間の平均値を足し合わせたものより、正確な旅行時間を提示することが可能となる。もとより、地図情報データは、確率分布のタイプに代えて、直接関数の形態で記憶しても良いし、関数に予め平均値や標準偏差の値を代入した形態で記憶しておいても良い。また、各リンクを経由する旅行時間を求める際、畳み込み積分に代えて、他の演算方法を用いることも差し支えない。
　ここで、上記の動作では、固定値として５０％旅行時間をリンクのコストとして設定したが、各々のリンクに対応した旅行時間の確率分布として持っていることを利用して、それを任意に可変できるようにしても良い。つまり、操作者の選択により、その分布における少ない旅行時間からカウントして６０％の順番となる旅行時間や７０％の順番となる旅行時間をコストとして設定できるようにする。例えば、操作者が運転に自信がなかったり、時間に余裕がありゆっくり運転したい場合には、上記のような選択を可能とすることにより、その条件に適した経路を探索することが可能となり、操作者の状況にあった経路探索をすることが出来る。
　以上説明したように、本実施形態では、確率分布に関する情報を正規分布の関数並びに前記正規分布の平均値及び標準偏差を含む情報とすることにより、データサイズを大幅に抑制できると共に、その情報に基づき、例えば、到着予想時間の算出や操作者の状況に応じた経路探索等の応用が可能となる。
＜実施形態２＞
　実施形態１では、経路探索装置１に全ての機能を持たせていたが、本実施形態では、図９に示すように実施形態１で説明した経路データベース１０及び旅行時間情報データベース１１をサーバー５０側に持たせ、経路探索装置５０側には、簡易的なリンク情報を持つ経路データベース４０及び簡易的な旅行時間情報を持つ簡易旅行時間情報データベース４１を持たせるようにした。なお、図１で説明に用いた番号と同じ番号のものは同じ構成を示す。
　簡易的なリンク情報とは、図３のリンク情報３０の旅行時間情報の部分において、あるリンクにおける曜日及び時間帯等の細分化の条件をより簡易的にすることにより情報量の削減を行ったものである。簡易旅行時間情報データベース４１は、上記の細分化の条件をより簡易的にしたことに伴い、パターンの数を少なくしたものである。
　上記のような構成にすることにより、経路探索装置５０は、実施形態１で説明した効果に加え、通信状態が良好なときは、サーバー５１側の経路データベース１０及び旅行時間情報データベース１１の情報を、ネットワーク５１を介して読み込み、その情報に基づき処理を行い、何らかの原因で通信状態が遮断された場合には、経路データベース４０及び簡易旅行時間情報データベース４１の情報に基づき処理を行うことが可能となる。
　また、上記の実施形態１及び２と異なり、サーバー側に現在地・目的地特定部１３、処理部１４及び算出部１５を設け、端末側からの要求に応じて、実施形態１で説明したステップＳ１０ないしＳ８０の処理をサーバー側で行ない、処理結果を端末側に返すような構成であっても良い。
＜その他の実施形態＞
　本発明は、上記実施形態に限られるものではなく、種々の形態や変形例としてで実施可能である。
変形例１：
　上述した実施形態では、交通情報データを表す確率分布として正規分布を用いるものとして説明したが、ポアソン分布やラプラス分布などを用いても良い。この場合でも、上述した実施形態と同様、確率分布は、ポアソン分布などの一つの確率分布の関数（モデル１’）、２つの確率分布の関数を重み付け加算した関数（モデル２’、モデル３’、モデル４’）、一つの確率分布の関数と所定の区間に一定の値を持つ関数との重み付け加算した関数（モデル５’）、及び３つの確率分布の関数を重み付け加算した関数（モデル６’）の６つのモデルを利用しても良い。あるいはモデル１’のみで元の確率分布を表したり、モデル１’とモデル５’のみで表したり、モデル１’、モデル３’、モデル４’及びモデル６’のみで表すようにしても良い。
変形例２：
　上述した実施形態では、停止要因と混雑要因に基づいて分類される道路構造に基づいて予め用意した複数の確率分布モデルに順次あてはめを行い、モデルの適合度を評価して、適合度の高いモデルを選択した。これに対して、対象となっているリンク自体の道路構造に加えて周辺リンクの道路構造等も考慮して、モデルを選択して、あてはめを行うものとしてもよい。ヒストグラムの形状は、対象となっているリンクの道路構造に加えて、このリンクに接続する周辺リンクの道路構造によっても影響を受けるからである。
　例えば、着目しているリンクが、信号があり且つリンク長が短いリンクに接続している場合、着目したリンク自体に信号がなくても、信号があるリンクのヒストグラムに似た形状が現れることが経験的に知られている。こうした場合には、そのリンクに停止要因（信号）がなくても、軽度の停止要因があるとしたモデルを選択して、あてはめを行えばよい。
　以上本発明のいくつかの実施形態や変形例について説明したが、本発明はこれらの実施形態や変形例に限定されるものではなく、種々なる態様で実施できることは、勿論である。例えば、車両に代えて、オートバイや自転車などの移動体、あるいは人の移動に要する旅行時間の演算に適用しても良い。また、交通情報データの生成方法として実施することも可能である。あるいは確率分布の情報をノードに持たせることも可能である。
　１…経路探索装置
　２…表示部
　３…位置取得部
　４…操作部
　５…CPU
　６…RAM
　７…ROM
　８…制御部
　９…地図データベース
１０…経路データベース
１１…旅行時間情報データベース
１２…記録装置
１３…現在地・目的地特定部
１４…経路探索部
１５…到着時間算出・表示部
４０…地図データベース
４１…簡易旅行時間情報データベース
５０…経路探索装置
５１…サーバー
５２…通信ネットワーク

Claims (16)

  1. 　交通ネットワークを移動する際の旅行時間を求める旅行時間演算装置であって、
    　前記交通ネットワークを構成する複数のリンクの各々について、旅行時間を算出するのに用いる交通情報データを記憶した記憶部と、
    　前記記憶された交通情報データを用いて、前記各リンクを通って移動するのに要する時間を算出する算出部と
    　を備え、
    　前記交通情報データは、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を有し、
    　前記確率分布に関する情報は、確率分布の関数および前記関数に用いられる特定の値を含む情報である
    　旅行時間演算装置。
  2. 　請求項１記載の旅行時間演算装置において、前記算出部は、各リンクの前記確率分布を畳み込み積分し、前記積分した結果に基づき前記各リンクを通って移動するのに要する時間を算出する旅行時間演算装置。
  3. 　交通ネットワークを移動する際の旅行時間を求める旅行時間演算方法であって、
    　前記交通ネットワークを構成する複数のリンクの各々について、旅行時間を算出するのに用いる交通情報データであって、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を、確率分布の関数および前記関数に用いられる特定の値を含む情報の形態で記憶し、
    　前記記憶された交通情報データを用いて、前記各リンクを通って移動するのに要する時間を算出する
    　旅行時間演算方法。
  4. 　請求項３記載の旅行演算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。
  5. 　交通情報を算出するために用いる交通情報データを記録した記録媒体であって、
    　交通ネットワークを構成する複数のリンクの各々に対応した通路を前記移動体が通過するために要する旅行時間の確率分布に関する情報を、前記リンクに対応づけており、
    　前記確率分布に関する情報は、確率分布の関数および前記関数に用いられる特定の値を含む情報である
    　交通情報データを記録した記録媒体。
  6. 　請求項５に記載の交通情報データを記録した記録媒体において、
    　前記確率分布に関する情報は、一つの確率分布の関数と、一つの確率分布の関数と所定の範囲の値において一定の値を持つ関数との重み付け加算した関数とを含むことを特徴とする交通情報データを記録した記録媒体。
  7. 　請求項５に記載の交通情報データを記録した記録媒体において、
    　前記確率分布に関する情報は、一つの確率分布の関数と、複数の確率分布の関数を重み付け加算した関数を含むことを特徴とする交通情報データを記録した記録媒体。
  8. 　請求項５に記載の交通情報データを記録した記録媒体において、
    　前記確率分布に関する情報は、一つの確率分布の関数と、複数の確率分布の関数を重み付け加算した関数と、確率分布の関数と旅行時間の所定の範囲の値において一定の値を持つ関数との重み付け加算した関数とを含むことを特徴とする交通情報データを記録した記録媒体。
  9. 　前記複数の関数は、前記リンクに対応した前記通路の通路構造の種類に対応付けられている請求項６から請求項８のいずれか一項に記載の交通情報データを記録した記録媒体。
  10. 　前記複数の関数は、前記リンクに対応した前記通路の通路構造の種類に加えて、当該通路に接続する周辺の通路の通路構造にも対応付けられている請求項６から請求項８のいずれか一項に記載の交通情報データを記録した記録媒体。
  11. 　前記通路の通路構造は、当該通路において通行を停止させる停止要因および通行を停滞させる渋滞要因を少なくとも含む形成要因より分類される請求項９または請求項１０に記載の交通情報データを記録した記録媒体。
  12. 　請求項５から請求項１１のいずれか一項に記載の交通情報データを記録した記録媒体において、
    　前記確率分布の関数は、正規分布の関数であり、前記正規分布に用いられる特定の値は、前記正規分布の平均値及び標準偏差を含むことを特徴とする交通情報データを記録した記録媒体。
  13. 　交通ネットワークを移動する際の経路を探索する経路探索装置であって、
    　請求項５から請求項１２のいずれか一項に記載の交通情報データを記憶する記憶部と、
    　前記交通情報データの前記確率分布に関する情報から算出された値に基づき経路探索処理を行なう処理部と
    　を備えた経路探索装置。
  14. 　交通ネットワークを移動する際の経路を探索する方法であって、
    　請求項５から請求項１２のいずれか一項に記載の交通情報データを記録した記録媒体を用意し、
    　前記交通情報データの前記確率分布に関する情報から算出された値に基づき経路探索処理を行なう
    　経路探索方法。
  15. 　交通ネットワークを移動する際の旅行時間を求めるために用いる交通情報データを生成する方法であって、
    　前記交通ネットワークを移動するプローブ装置からのプローブデータを、前記交通ネットワークを構成する複数のリンクの各々について蓄積し、
    前記蓄積されたプローブデータに基づいて、前記リンクに対応する通路を通過するために要する旅行時間の確率分布に関する情報を、確率分布の関数および前記関数に用いられる特定の値を含む情報の形態で生成する
    　交通情報データ生成方法。
  16. 　請求項１５記載の交通情報データ生成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。
PCT/JP2015/000730 2014-02-21 2015-02-17 旅行時間演算装置、交通情報データおよび交通情報データ生成装置 WO2015125467A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014031454A JP6366296B2 (ja) 2014-02-21 2014-02-21 経路探索装置および経路探索方法
JP2014-031454 2014-02-21

Publications (1)

Publication Number Publication Date
WO2015125467A1 true WO2015125467A1 (ja) 2015-08-27

Family

ID=53877986

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/000730 WO2015125467A1 (ja) 2014-02-21 2015-02-17 旅行時間演算装置、交通情報データおよび交通情報データ生成装置

Country Status (2)

Country Link
JP (1) JP6366296B2 (ja)
WO (1) WO2015125467A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111065894A (zh) * 2017-12-21 2020-04-24 葛雷乔兹·曼威兹 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统
CN111210616A (zh) * 2018-11-21 2020-05-29 上海博泰悦臻网络技术服务有限公司 基于多源数据的车流量预测方法、系统、终端及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6678476B2 (ja) * 2016-03-02 2020-04-08 株式会社日立製作所 移動経路推定装置、及び移動経路推定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122461A (ja) * 2003-10-16 2005-05-12 Hitachi Ltd 交通情報処理装置及び交通情報表示装置
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
JP2012141145A (ja) * 2010-12-28 2012-07-26 Navitime Japan Co Ltd ナビゲーション装置、ナビゲーションシステム、ナビゲーションサーバ、ナビゲーション方法、および、プログラム
JP2013029421A (ja) * 2011-07-28 2013-02-07 Aisin Aw Co Ltd ナビゲーションシステムおよび代表旅行時間の設定方法並びにプログラム
JP2014126500A (ja) * 2012-12-27 2014-07-07 Toyota Motor Corp 旅行時間情報提供装置、旅行時間情報提供方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122461A (ja) * 2003-10-16 2005-05-12 Hitachi Ltd 交通情報処理装置及び交通情報表示装置
JP2012141145A (ja) * 2010-12-28 2012-07-26 Navitime Japan Co Ltd ナビゲーション装置、ナビゲーションシステム、ナビゲーションサーバ、ナビゲーション方法、および、プログラム
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
JP2013029421A (ja) * 2011-07-28 2013-02-07 Aisin Aw Co Ltd ナビゲーションシステムおよび代表旅行時間の設定方法並びにプログラム
JP2014126500A (ja) * 2012-12-27 2014-07-07 Toyota Motor Corp 旅行時間情報提供装置、旅行時間情報提供方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TOMOTAKA USUI: "Updating Methodology of Spatio- Temporal Database of Probe-Vehicle Travel Time", DAI 70 KAI (HEISEI 20 NEN) ZENKOKU TAIKAI KOEN RONBUNSHU, 13 March 2008 (2008-03-13), pages 309 - 310 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111065894A (zh) * 2017-12-21 2020-04-24 葛雷乔兹·曼威兹 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统
CN114076606A (zh) * 2017-12-21 2022-02-22 葛雷乔兹·曼威兹 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统
CN111210616A (zh) * 2018-11-21 2020-05-29 上海博泰悦臻网络技术服务有限公司 基于多源数据的车流量预测方法、系统、终端及介质

Also Published As

Publication number Publication date
JP6366296B2 (ja) 2018-08-01
JP2015155863A (ja) 2015-08-27

Similar Documents

Publication Publication Date Title
US10532749B2 (en) Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback
US10346888B2 (en) Systems and methods to obtain passenger feedback in response to autonomous vehicle driving events
CN110517492B (zh) 基于平行集成学习的交通路径推荐方法、系统、装置
EP3035314B1 (en) A traffic data fusion system and the related method for providing a traffic state for a network of roads
US10424195B2 (en) Traffic prediction system, vehicle-mounted display apparatus, vehicle, and traffic prediction method
CN111854779B (zh) 一种路线规划方法、装置、电子设备及可读存储介质
CN110378483A (zh) 部署在模拟平台上的用于训练机器学习模型的系统和方法
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
EP2630443B1 (en) Method of determining and validating navigational priority settings utilizing probe data
CN107305131A (zh) 以节点为中心的导航优化
CN108180919A (zh) 一种规划路线的优化方法及装置
JP2016513805A (ja) 車両ルート指定および交通管理のための車線レベル車両ナビゲーション
KR101815511B1 (ko) 교통 시뮬레이션을 위한 프레임워크 및 이를 이용한 시뮬레이션방법
Wan et al. Modeling freeway merging in a weaving section as a sequential decision-making process
CN111915893B (zh) 一种道路瓶颈点识别方法、装置、电子设备及存储介质
CN104875740B (zh) 用于管理跟随空间的方法、主车辆以及跟随空间管理单元
WO2015125467A1 (ja) 旅行時間演算装置、交通情報データおよび交通情報データ生成装置
KR101123967B1 (ko) 교통 정체 예측 시스템, 예측 방법 및 그 기록 매체
US20230205951A1 (en) Simulation obstacle vehicles with driving styles
JP2014137741A (ja) 交通評価装置、コンピュータプログラム及び交通評価方法
Al-Jameel Developing a simulation model to evaluate the capacity of weaving sections
JP6504556B2 (ja) 交通状況情報提供装置、交通状況情報提供方法、交通状況情報提供プログラム、記憶媒体
Jayasinghe et al. Calibration of SUMO microscopic simulator for Sri Lankan traffic conditions
Taga et al. Human reliability analysis of car drivers in urban intersections
WO2010113552A1 (ja) エキスパートルート生成サーバ及びナビゲーション装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15751622

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15751622

Country of ref document: EP

Kind code of ref document: A1