交通信息提供裝置的製作方法
2023-04-23 15:51:21 2
專利名稱：交通信息提供裝置的製作方法
技術領域：
本發明涉及交通信息的提供，特別是涉及一種考慮到星期(即、當天是星期幾，以下稱為星期)、逢五逢十日(即、當天日期的尾數是五或者零，如5日、10日、15日等，以下稱為逢五逢十日)等日期種類，包含有到達時間延遲風險的交通信息的提供裝置。
背景技術：
以前的交通信息預測方法的主流之一是使用數量化I類的方法，能夠反映日期種類而對旅行時間、擁堵度、交通量等數值性的交通信息進行預測。該交通信息預測方法的適用對象，例如是每一天的地點交通量、某個特定時間段的擁堵度等以日為單位的交通信息的預測。但是，以日期種類為數量化I類的說明變量時，說明變量為以日為單位的信息，因此，並不適用於間隔幾分鐘的旅行時間等不是以日為單位的交通信息的預測。
這一點，作為能夠進行間隔幾分鐘的旅行時間等任意周期的交通信息的預測的技術，例如有使用首都高速公路公團的所需時間指南這樣的以日期種類來分類交通信息並保存起來的方法。
專利文獻1特開2001-118188號公報非專利文獻1http//mex.survey.ne.jp/mexntime/在使用以日期種類進行分類的交通信息進行預測時，在預測對象的日期為星期一且為逢五逢十日的情況下，有時候要將日期種類組合起來。
但是，上述的技術中，檢索預測對象日的狀況，也即日期種類的組合下的過去的交通信息，並進行預測計算，因此，在預測對象日的狀況不在保存有交通信息的期間內的情況下，無法進行準確的預測。
發明內容
本發明是為了解決上述以前的問題而提出的，其目的在於提供一種交通信息提供方法，讓用戶一側也能夠選擇所期望的日期的組合。
另外，以上所說明的以前的交通信息提供方法，以區間的所需時間值的預測為對象，因此，沒有將對於對象區間中的通常行駛時的延遲的風險作為預測對象。
針對以上問題，本發明提供一種通過交通信息的預測，來提供道路的到達延遲風險的裝置。
本發明中，顯示出包含有兩個地點間的預測對象路線的地域的地圖，接受預測對象日的日期種類或預測對象日的日期的輸入，根據預測對象路線的過去的交通信息時間序列數據，求出對應於所輸入的多個日期種類的交通信息時間序列數據，將所求出的交通信息時間序列數據作為圖表顯示出來。
另外，還提供通過過去的交通信息時間序列數據，求出基底成分、以及通過基底成分近似交通信息時間序列數據時用作各個基底成分的係數的特徵量，通過計算對象期間中的每1日的日期種類的組合信息與特徵量，求出近似特徵量的特徵量推定模型的係數，作為多個日期種類的函數，通過特徵量推定模型，對未來的某一天的日期種類的組合信息求出特徵量推定值，將特徵量推定值作為係數，合成基底成分而得到的交通信息。
另外，交通信息提供裝置，具有指定兩地點間的預測對象路線的路線輸入裝置或指定地域的地域輸入裝置，以及設定上述預測對象路線中的日期種類分類的日期種類分類設定機構，另外，本發明中，交通信息提供裝置具有時間延遲風險提供機構，該時間延遲風險提供機構提供通過延遲時間等級值與延遲發生概率的組合、或延遲風險等級所表現出來的到達時間延遲風險。
根據本發明，能夠預測所期望的狀況下的交通信息。
圖1為交通信息預測系統的操作畫面的例子。
圖2為交通信息預測系統的操作畫面中的日期種類輸入區域(inputfield)的例子。
圖3為交通信息預測系統的操作畫面中的自由路線輸入區域的例子。
圖4為交通信息預測系統的操作畫面中的區間輸入區域的例子。
圖5為交通信息預測系統中所需要的預測方法的示意圖。
圖6為說明交通信息預測系統的方框圖。
圖7為說明交通信息預測系統的方框圖。
圖8為輸入日期以及日期種類的機構的方框圖。
圖9為說明使用於通信型導航裝置與交通信息中心的實施例的方框圖。
圖10為說明使用於通信型導航裝置與交通信息中心的實施例中的通信格式的例子。
圖11為說明使用於通信型導航裝置與交通信息中心的實施例中的通信格式的例子。
圖12為用於預測交通信息的處理流程的例子。
圖13為交通信息預測系統的設定畫面中的日期種類分類指定畫面的例子。
圖14為交通信息預測系統的設定畫面中的地域指定畫面的例子。
圖15為通過交通信息預測系統的設定畫面中的網格編碼所進行的地域指定畫面的例子。
圖16為通過交通信息預測系統的設定畫面中的行政區劃所進行的地域指定畫面的例子。
圖17為具有日期種類分類設定機構的交通信息預測系統的方框圖。
圖18為具有每個用戶的交通信息管理機構與日期種類分類設定機構的交通信息預測系統的方框圖。
圖19為具有日期種類分類合成機構與日期種類分類設定機構的交通信息預測系統的方框圖。
圖20為時間延遲風險顯示畫面的例子。
圖21為時間延遲風險顯示畫面的例子。
圖22為具有時間延遲風險提供機構的交通信息預測系統的方框圖。
圖23為每個日期種類的旅行時間概率密度分布的例子。
圖中601-特徵量提取裝置，602-交通信息資料庫，603-預測係數決定裝置，604-交通信息合成裝置，605-特徵量預測裝置，606-日期種類資料庫，607-交通信息顯示裝置，1701-路線輸入裝置，1702-地域輸入裝置，1703-日期種類分類指定機構，1801-交通信息管理機構，1803-各個用戶的日期種類資料庫，1901-日期種類分類合成機構，2201-時間延遲風險提供機構。
具體實施例方式
下面對照附圖對本發明的交通信息的提供進行說明。
實施例1圖1為作為本發明的實施方式之一的交通信息預測系統的操作畫面。日期輸入區域101為輸入預測對象日的日期的界面。推薦路線輸入區域102為指定成為預測對象的路線的界面，在地圖顯示區域103中設定出發地104與目的地105，通過選擇路線搜索按鈕106，在地圖顯示區域103中顯示交通信息的預測對象路線107。在日期輸入區域101中指定日期，在推薦路線輸入區域102中決定預測對象路線之後，如果選擇預測執行按鈕108，便在推薦路線107上的旅行時間顯示區域109中顯示旅行時間預測曲線110。誤差範圍111，是在某個時刻行駛於預測對象路線的情況下，將在例如80％的概率下所得到的實際旅行時間的誤差的範圍，表示在時間序列上。
地圖顯示區域103中所顯示的地圖，能夠通過選擇設置在其周圍的捲動按鈕112，或拖動地圖自身，來進行捲動，通過選擇尺度顯示區域113上的適當位置，能夠變更尺度。推薦路線輸入區域102內的路線信息顯示區域114中，顯示出推薦路線上的行駛距離，以及特定時刻的旅行時間以及消耗燃料等預測信息。在路線信息顯示區域114中將旅行時間或消耗燃料作為顯示對象的時刻，能夠通過選擇旅行時間顯示區域109的時間軸115上的適當位置，由時刻光標來指定。另外，在決定了預測對象路線107之後，使用反映出交通信息的動態路線搜索算法的情況下，由於預測對象路線隨著時刻變化，因此，該時刻也能夠通過時刻光標116來指定。路線搜索算法中，能夠在搜索條件指定區域117中指定在決定對象路線時的時間優先、距離優先之類的搜索條件。
圖1中從日期輸入區域101中輸入了預測對象日的日期，但也可以代替上述方法，從圖2的日期種類輸入區域201輸入星期、逢五逢十日、平日/休息日、大型連休、學校放假期間、天氣等日期的組合，實施交通信息的預測。圖1的操作畫面中，通過標籤式的界面來排他性地切換日期輸入區域與日期種類輸入區域。本實施例中，日期種類輸入區域201中具有「平日/休息日」輸入區域202、「季節」輸入區域203、「天氣」輸入區域204，各個區域內的項目分別都是排他性選擇的。例如，在「平日/休息日」輸入區域這個種類中，「平日」、「休息日·節日」、「連休」是排他的，能夠僅將其中的一個選擇為預測對象日的日期種類。圖2的例子中，該排他性選擇通過單選框式的界面實現。圖中，○表示能夠選擇，◎表示實際上選擇的選項。
另外，各個區域之間並不是排他的，能夠組合各個區域內所選擇的選項來表現日期種類。圖2的例子中，在「平日/休息日」輸入區域中選擇「平日」，在「季節」輸入區域中選擇「春」，在「天氣」輸入區域中選擇「雨」，從而對它們的組合的「平日^春^雨」這一日期種類進行交通信息的預測。
另外，「其他」輸入區域205中的日期種類「逢五逢十日」、「學校放假期間」為互相不排他的日期種類，在圖2的例子中構成複選框式的界面。「其他」輸入區域205中的日期種類，能夠與其他任一個區域的日期種類同時選擇，例如在圖2的例子中同時選擇「逢五逢十日」、「學校放假期間」的情況下，與201～203的區域中所選擇的日期種類組合，在「平日^春^雨^逢五逢十日^學校放假期間」這一日期種類的組合下進行交通信息的預測。另外，像天氣這樣的獨立於日期的日期種類，還可以如日期輸入區域101所示，與日期同時輸入。
圖1的例子中，在推薦路線輸入區域102中指定出發地與目的地，通過路線搜索算法自動設定預測對象路線，但也可以代替該方法，使用圖3的自由路線輸入區域301，讓用戶自由指定預測對象路線。此時，用戶選擇地圖顯示區域103上的路段(link)，進行路線的輸入，通過選擇路線確定按鈕302來確定預測對象路線。在重新輸入預測對象路線的情況下，選擇路線清除按鈕303。
另外，如果使用圖4的區間輸入區域401，就能夠使用預先在交通信息預測系統側所準備的區間，進行交通信息的預測。區間列表402是通過區間名所表示的列表，通過從區間列表402中選擇區間，並選擇區間選擇按鈕403，來確定作為預測對象的區間，在地圖顯示區域103中顯示預測對象路線。圖1的操作畫面中，使用標籤式的界面來排他性切換使用推薦路線輸入區域與自由路線輸入區域以及區間輸入區域。
圖5為說明交通信息預測系統中所必須的預測方法的示意圖。在圖1、圖2中所示的任意日期種類的組合下，為了進行1小時單位、10分鐘單位、1分鐘單位等非日單位(24小時單位)的交通信息的預測，無法與以前的將日期種類作為說明變量的數量化I類，或稱作日期種類分類的方法對應。這裡，圖5的S501中，根據通過VICS信息的接收或探測車的信息收集所得到並存儲的過去的交通信息時間序列數據，計算出通過將這些交通信息時間序列數據線性相加所能夠近似合成為1日的多個基底成分，與通過基底成分合成交通信息時作為各基底成分的係數的日單位的特徵量，在S502中，決定將特徵量作為多個日期種類的函數進行表示的預測模型的預測係數。
本系統中通過基底成分與特徵量表示交通信息時間序列數據的構思，是以將任意時間序列數據近似表現為多個正交函數的合成值這一概念為基礎的。作為信號處理方法的傅立葉變換，將任意的信號，表示為周期不同的多個三角函數的合成波形。本申請中所說的基底成分與特徵量，相當於傅立葉變換中的三角函數與線性合成多個三角函數時的各個三角函數的係數。
另外，本系統中將特徵量與日期種類關聯起來進行預測的構思，是以相同的原因得到相同的結果這一經驗法則為基礎的。如果要列舉出概念上的對應，則有天氣預報或股價的技術分析等。如果說明天的天氣預報的降水概率為10％，則是將今天的天氣圖與過去的相似的天氣圖進行比較，根據過去的相似的天氣圖，推斷出次日下雨的相對頻數為0.10左右而得到的。因此，天氣預報系統與本系統的構思相同。另外，如果根據過去的股價的推移，推斷出次日以後的給定期間股價上升的相對頻數為0.90，則發出購買符號這樣的系統，也和本系統的構思相同。將本申請中所說的特徵量與特徵量的預測值，看作PER或RSI、Bollinger Bands(ボリンジヤ一バンド)，則較容易理解。
圖1中在選擇預測執行按鈕108時，為了使用相關預測模型進行交通信息的預測，在S503中在預測模型中輸入日期種類信息，在S504中使用預測模型計算特徵量的預測值，將該特徵量預測值作為係數，將S501中所計算的基底成分在S505中作為交通信息進行合成，通過這樣，能夠得到交通信息預測值的時間序列數據。像這樣將日單位的特徵量作為日期種類的函數進行預測計算，通過將所計算的特徵量預測值變換成交通信息，能夠在任意日期種類的組合下預測計算任意周期的交通信息。因此，能夠使用圖2中所示的日期種類輸入區域201這樣的界面，通過圖1的旅行時間預測曲線110這樣的形式來提供旅行時間或擁堵度等時間序列數據的預測值。
圖6為具有圖5中所示的預測方法的交通信息預測系統的一個實施方式的方框圖。特徵量提取裝置601，如下計算出基底成分與日單位的特徵量。也即，從作為通過VICS信息的接收或探測車的信息收集所得到的數據的、保存在交通信息資料庫(以下稱作DB)602中的旅行時間、擁堵度、交通量等過去的交通信息時間序列數據，通過主成分分析等方法，計算出基底成分與特徵量。基底成分是將特徵量作為係數，合成原來的交通信息所必須的，具有多個。多個基底成分，能夠通過將這些交通信息線性相加而近似合成為每一日。另外，特徵量也得到了多個，在通過基底成分合成交通信息時，作為各個基底成分的係數。此時，特徵量提取裝置601，將特徵量輸出給預測係數決定裝置603，將基底成分輸出給交通信息合成裝置604。通過交通信息計算出基底成分與特徵量，分別輸出給交通信息合成裝置與預測係數決定裝置的處理相當於圖5中的S501的處理。
在特徵量的計算中使用主成分分析的情況下，基底成分能夠與特徵量同時唯一計算出來。另外，還能夠預先指定互相垂直的多個函數作為基底成分，計算出特徵量。傅立葉變換為其一例，在特徵量的計算中使用傅立葉變換的情況下，基底成分使用具有不同的周期的多個三角函數。
預測係數決定裝置603，根據特徵量提取裝置601所輸入的特徵量，與成為特徵量提取裝置601中的特徵量計算的對象的期間的日期種類信息，通過數量化I類等的方法，計算預測係數。該預測係數，用來在特徵量預測裝置605中通過以日期種類為參數的預測模型計算出上述日單位的特徵量的預測值。所計算的預測係數，記錄在特徵量預測裝置605中。另外，上述日期種類信息為星期、逢五逢十日、平日/休息日、大型連休、學校放假期間、天氣等，記錄在日期種類DB606中。以上在預測係數決定裝置中計算預測係數的處理，相當於圖5中的S502的處理。
在特徵量的預測計算中使用數量化I類的情況下，預測模型的函數形式為日期種類的線性和，通過分別用1與0表示是否與N種日期種類相對應的兩值說明變量d1、d2、...、dN，與預測係數a1、a2、...、aN，將作為預測對象的特徵量T表示為T＝a1×d1+a2×d2+...+aN×dN另外，在例如將氣溫或降水量等數值數據反映在預測模型中的情況下，使用在上式中加上多值說明變量x1、x2、...、xN的項，表示為T＝a1×d1+a2×d2+...+aN×dN+b1×x1+b2×x2+...+bM×xM的預測模型。上式中將多值說明變量的項作為1次項，但也可以考慮為具有2次、3次等項的預測模型。
進行交通信息的預測時，對應於預測對象日的狀況，將預測模型中所必須的日期種類參數輸入到特徵量預測裝置605中。特徵量預測裝置605，使用由人所輸入的日期種類參數，與通過預測係數決定裝置603所輸入並記錄的預測係數，計算出特徵量預測值，將該特徵量預測值輸出到交通信息合成裝置604中。這相當於圖5中的S504的處理。
交通信息合成裝置604，將上述特徵量預測值作為係數，進行合成由特徵量提取裝置601所輸入並記錄的基底成分的計算。該合成值，為對應於特徵量預測裝置605所輸入的日期種類參數的交通信息的預測值，輸出給交通信息顯示裝置607。另外，圖6中將交通信息的預測值輸出給交通信息顯示裝置607，但所預測的交通信息也可以用作汽車導航裝置中的路線搜索機構，以及配車管理系統的配車計劃機構的輸入等。
圖12為用來預測交通信息的處理流程。下面對照圖6的實施例，對圖12的處理流程進行說明。
S1201特徵量提取裝置601中，根據交通信息DB602中所保存的過去的交通信息，計算出能夠近似合成該交通信息的上述基底成分，與作為通過基底成分合成原交通信息時的係數的上述特徵量。
S1202將S1201中所計算出的基底成分記錄在交通信息合成裝置604中。
S1203在預測係數決定裝置603中，根據S1201中所計算出的特徵量，與從日期種類DB606中所讀出的日期種類信息，計算出用來通過將日期種類作為參數的預測模型計算上述特徵量的預測值的預測係數。
S1204將S1203中所計算出的預測係數，記錄在特徵量預測裝置605中。
S1205預測特定日期的交通信息時，進入S1206的處理，在指定狀況而預測交通信息時，進入S1207的處理。
S1206在日期輸入裝置801中接受預測對象日的日期的輸入，如果需要日期種類預定DB802以及天氣的信息，則從天氣預報DB804中讀出該日的日期種類信息，輸入到特徵量預測裝置605中。
S1207在日期種類輸入裝置805中接受表示作為預測對象的狀況的日期種類信息的輸入，將日期種類信息輸入到特徵量預測裝置605中。
S1208在特徵量預測裝置605中，根據S1206或S1207中所輸入的日期種類信息，使用在S1204中所記錄的預測係數，計算出作為預測對象的那一日的狀況所對應的特徵量的預測值。
S1209根據S1208中所計算的特徵量預測值，使用S1202中所記錄的基底成分，在交通信息合成裝置604中計算交通信息的預測值。
基於圖6的實施例的交通信息預測系統中，將從特徵量的提取到交通信息的預測的過程作為一系列的處理來執行，但也可以如圖7所示，將事先生成預測所需要的DB的處理，與進行預測的各次運算的處理分開，不同步實施。圖6中所示的特徵量提取裝置601、預測係數決定裝置603，在圖7的實施例中構成交通信息預測DB生成裝置701。特徵量提取裝置702，將預測係數決定裝置703中所分別計算的基底成分以及預測係數，記錄在交通信息預測DB704中。交通信息預測DB生成裝置701中，根據交通信息時間序列數據，計算出基底成分與預測係數並記錄在交通信息預測DB704中的處理，能夠與預測的各次中所需要的運算處理區分開，在事前進行，由於該處理而需要更新記錄在交通信息預測DB704中的基底成分以及預測係數的情況，是更新預測中所使用的交通信息DB705內的交通信息、或者變更預測模型。
圖6中，在預測交通信息的過程中所使用的特徵量預測裝置605、交通信息合成裝置604，在圖7的實施例中構成交通信息預測裝置706。交通信息預測裝置706被輸入了日期種類參數之後，將其傳輸給特徵量預測裝置707，特徵量預測裝置707以及交通信息合成裝置708，從交通信息預測DB704中分別讀出預測係數以及基底成分，輸出對應於日期種類參數的交通信息的預測值。在交通信息預測裝置706中根據日期種類參數計算出交通信息的預測值的以上處理，在每次對不同的日期參數進行交通信息的預測時，都是必須的。
使用圖12，對用來預測交通信息的處理流程進行補充。與按照上述圖6的實施例的處理流程相對，圖7的實施例中，分別在S1202、S1204中的基底成分與預測係數的記錄都在交通信息預測DB704中進行，S1208、S1209中基底成分與預測係數的讀出也從交通信息預測DB704中進行。
圖8為日期參數的輸入例，是說明在圖6以及圖7的實施例中向交通信息預測系統輸入日期種類參數的機構的方框圖。日期輸入裝置801中，對應於用戶通過圖1中所例示的操作畫面所輸入的日期，從保存有未來日期種類信息的日期種類預定DB802中讀出該日期的日期種類信息，輸出給圖6或圖7所示的特徵量預測裝置803。此時，特徵量預測裝置803進行還使用天氣信息作為日期種類參數的預測計算，並且，如果作為天氣信息並不是用戶所指定的天氣，而是使用天氣預報信息，則從天氣預報DB804向日期種類DB802讀出該日期的天氣預報信息，與其他日期種類信息組合起來，輸出給特徵量預測裝置803。
日期種類輸入裝置805中，通過圖2中所示的操作畫面，用戶能夠自由組合星期、逢五逢十日、平日/休息日、大型連休、學校放假期間、天氣等日期種類，輸入給特徵量預測裝置803，進行交通信息預測計算。另外，日期種類選擇的操作畫面中所表示的日期種類，是對應於交通信息的提供中的預測模型中所必須的日期種類參數而構成的，並不僅限於圖2的實施例。
圖8中由用戶輸入日期或日期種類，但也可以由構成汽車導航裝置或配車管理系統等的程序，自動將日期或日期種類輸入給日期輸入裝置801或日期種類輸入裝置805。
圖9為說明對於交通信息的提供，使用於通信型導航裝置以及交通信息中心的實施例的方框圖。根據本發明的交通信息預測系統，交通信息的提供，能夠根據圖6、圖7中所示的日期種類參數、特徵量的預測係數以及交通信息的基底成分，進行交通信息的預測計算，特徵量的預測係數以及交通信息的基底成分的信息量，比根據這些信息所計算的交通信息預測值的信息量小。也即，能夠將通信量控制得較小，可以說是使用通信路線提供交通信息時的理想實施方式。圖9的實施例中，將圖7的交通信息預測資料庫704置於交通信息中心901中，將交通信息預測裝置706安裝在通信型導航裝置902中，通過這樣，提供預測交通信息時所發送的必要信息，並不是交通信息預測值，而只是上述日期種類參數、預測係數、基底成分。
圖7的交通信息預測DB生成裝置701以及交通信息預測DB704，設置在交通信息中心901中，將交通信息預測DB生成裝置903所進行的預測係數與基底成分的計算，以及它們在交通信息預測DB904中的記錄，作為與從交通信息中心901向通信型導航裝置902提供預測交通信息相獨立的處理，不同步實施。在通信型導航裝置902中進行交通信息的預測計算時，將預測對象日的日期發送給交通信息中心901，從交通信息中心901接收預測係數、基底成分、對應於上述所發送的日期的日期種類參數，在交通信息預測裝置905中計算交通信息的預測值。
從交通信息中心901向通信型導航裝置902提供預測交通信息時的通信數據，按照圖10的格式，由作為交通信息的預測計算單位的各個路段以及區間中的日期種類參數、預測係數以及基底成分構成。圖10中，以各個路段/區間來匯總日期種類參數、預測係數以及基底成分，但也可以如圖11所示，是以日期種類參數、預測係數以及基底成分這些信息種類來匯總各個預測路段/區間的信息的格式，如果是能夠將交通信息預測裝置905的預測計算中所必須的日期種類參數、預測係數以及基底成分，向預測對象的各個預測區間發送的通信格式，其實施方式不局限於圖10、圖11的格式。另外，在進行多個路段/區間的預測的情況下，有時候日期種類參數對各個預測路段/參數是相同的，這種情況下，不需要重複發送日期種類參數。
圖9的實施例中，從通信型導航裝置向交通信息中心901發送預測對象日的日期，交通信息中心901中，將通過圖8中所示的日期輸入裝置801所生成的日期種類參數，回發給通信型導航裝置902。與此相對，還可以將置於交通信息中心901中的日期輸入裝置906與日期種類預定DB907安裝在通信型導航裝置902中，在通信型導航裝置902一側離線實施根據日期生成日期種類參數的處理，或者在通信型導航裝置902中安裝日期種類輸入裝置805，直接離線輸入日期種類參數。
此時，從圖10、圖11的通信格式去掉日期種類參數。還可以將構成交通信息預測裝置905的特徵量預測裝置707，與交通信息合成裝置708分開，前者置於交通信息中心901中，後者安裝在通信型導航裝置902中，這種情況下，特徵量的預測在交通信息中心901中實施，從圖10、圖11的通信格式去掉日期種類參數與預測係數，並添加上特徵量預測值。另外，在將日期輸入裝置906與日期種類預定DB907安裝在通信型導航裝置902中的實施例中，在交通信息預測裝置905還需要將天氣作為日期種類參數的情況下，將預先下載了天氣預報信息的天氣預報DB安裝在通信型導航裝置902中，或者，在進行交通信息的預測計算時，訪問聯網的天氣預報DB，取得預測對象日的天氣預報信息。
這裡，對於信息的提供，使用通信型導航裝置，但也可以使用行動電話、聯網的PDA、個人計算機等來代替它。另外，在不是通過通信而進行的信息提供，而是在例如DVD-ROM等記錄媒體提供信息的情況下，也可以讓利用相關記錄媒體的導航裝置或個人計算機等中，具有圖7的交通信息預測裝置706的功能。當然，此時也可以讓記錄媒體中所應當記錄的信息，只為各個路段/區間的預測係數、基底成分以及日期種類參數，也即，只是記錄在交通信息預測DB904與日期種類預定DB907中的信息。這樣一來，與上述相同，能夠讓信息量較小，因此能夠將其對存儲裝置的負荷降低到比交通信息預測值本身低。
本交通信息預測系統中，在數分鐘間隔的旅行時間這種不是以日為單位的數值性的交通信息的預測中，反映出日期種類，即使在存儲交通信息的期間中，不存在與預測對向日相同狀況的日子，也能夠通過合成過去的交通信息，來可靠地預測所期望的狀況下的交通信息。
實施例2以下，對照圖13至圖19，對作為本發明的實施方式之一的具有日期種類分類設定機構的交通信息預測系統進行說明。本0實施例中，在上述實施例的交通信息預測系統中，進一步具有日期種類分類指定機構，通過這樣，進行交通信息的提供的服務業者或者用戶，能夠考慮到地域的特徵等，獨自定製預測交通信息。
圖13為交通信息預測系統的日期種類分類設定機構的設定畫面中的日期種類分類指定畫面。路線指定區域1301中，在地圖顯示區域1302中以在路線指定區域1301的區域下部所顯示的地圖的比例尺中所指定的比例(圖13的情況下為2萬5千分之一)顯示地圖。用戶通過在地圖顯示區域1302中選擇道路1302，能夠選擇像箭頭1303那樣的成為日期種類分類的對象的路線。
日期種類分類設定區域1304中，通過日期種類分類1305與日曆1306，顯示在系統側預先確定的日期種類分類，或用戶已經登錄的日期種類分類。例如，以日期種類分類為「平日/休息日」的項目為例進行說明，在日曆1306中，在日期種類分類為「平日/休息日」的行中，將「休息日」的日期種類分類，登錄為通過較濃的顏色或與底色不同的顏色所表示的日期，除此之外的日期表示為「平日」的分類。
下面對在日期種類分類設定系統1304中，新登錄日期種類分類的方法進行說明。首先，決定希望在日期種類分類1305的空欄處設定的日期種類。接下來，設定在日曆1306中作為日期種類分類所要登錄的期間。例如，在日期種類分類中登錄「節日」的例子中，選擇日期種類分類1305的空欄，輸入「節日」，在日曆1306上選擇從4月30日至5月2日並登錄。另外，還能夠在同一個日期種類分類中設定多個項目。例如，我們來看日期種類分類的「季節」，除了在日曆1306中所顯示的「春」以外，還存在「夏」、「秋」、「冬」的項目，這些都能夠在用戶一側進行設定。
圖14為交通信息預測系統的日期種類分類設定機構的設定畫面中的地域指定畫面。地域指定區域1401，為代替在圖13中所示的路線指定區域1301中指定路線，通過指定地域來指定成為日期種類指定分類的對象的道路路段的畫面。地域指定區域1401中，顯示出地圖顯示區域1302。用戶通過在長方形1402中指定該地圖顯示區域1302上的區域，來一併選擇希望作為日期種類分類的對象的道路路段。除了如圖14所示的在地圖上指定直接區域的方法之外，還能夠使用如圖15所示的選擇網格編碼的地域指定方法，以及如圖16所示的通過選擇行政區域所進行的地域指定的方法。
圖15所示的例子中，從網格編碼的列表1501中所指定的網格編碼1502，表示作為日期種類分類對象的區域。這種情況下，將所指定的網格編碼1502所對應的區域內所包括的道路列表作為日期種類分類對象進行選擇。另外，網格編碼使用例如JIS X 04101976中所示的地域網格編碼等。
圖16中，從都道府縣選擇框1601、市町村選擇框1602、町名選擇框1603中，如選擇區域1604、1605、1606所示，順次指定行政區劃，選擇日期種類分類對象區域。圖16的例子中，表示將「茨城縣日立市大みか町」選擇為日期種類分類對象的區域。該選擇框1601、1602、1603進行了分層化，例如將在都道府縣選擇框1601中所選擇的行政區劃內的市町村，分層顯示在市町村選擇框1602中。
圖17為具有圖13至圖16所示的畫面例所構成的日期種類分類設定機構的交通信息預測系統的方框圖。路線輸入裝置1701的輸入畫面例，與圖13的路線指定區域1301相對應，地域輸入裝置1702的輸入畫面例，與圖14、圖15、圖16的地域選擇畫面例相對應，日期種類分類指定機構1703的輸入畫面例，與圖13的日期種類分類設定區域1304相對應。路線輸入裝置1701中，根據圖中未顯示的地圖資料庫的地圖數據，將所指定比例的地圖顯示在輸入畫面的地圖顯示區域中。通過從地圖數據中求出在該地圖顯示區域中所指定的路線的坐標，將相應的道路中所包括的路段作為日期種類分類對象路段取出，同時，顯示出表示在地圖顯示區域上所選擇的道路的箭頭1303。
地域輸入裝置1702中，也根據圖中未顯示的地圖資料庫的地圖數據，將所指定比例的地圖顯示在輸入畫面的地圖顯示區域中。由於將該地圖顯示區域上所指定的地域中所包括的路段作為日期種類分類對象路段取出，因此，根據地圖數據求出畫面上所指定的長方形1402的坐標位置，並進一步求出位於長方形1402所指定的坐標的區域內的道路的路段。另外，在通過圖15中所示的網格編碼的選擇來指定區域的情況下，也根據將圖中未顯示的網格編碼和與其相對應的坐標信息對應起來的網格編碼·數據的表格，求出對應於所選擇的碼的區域坐標，並據此求出位於該坐標區域內的道路的路段。另外，在通過如圖16所示的地域選擇，來指定區域的情況下，為了顯示都道府縣選擇框1601、市町村選擇框1602、町名選擇框1603，預先另行準備管理行政區劃的分層信息與各個行政區劃所對應的地圖上的區域的坐標信息的資料庫，根據分層顯示並選擇的行政區劃的信息，求出區域的坐標信息，並進一步求出位於區域內的道路的列路段。
日期種類分類指定機構1703中所決定的日期種類分類，分別與使用上述兩個輸入裝置中的至少一個所取出的路段或路段群相對應，形成按照各個路段定義的日期種類資料庫606。
日期種類分類指定機構1703中，從日期種類資料庫606讀出所登錄的日期種類分類，以及各個日期種類分類的登錄期間或登錄項目，顯示在日期種類分類設定區域1304中。這樣，在日期種類分類設定區域1304的日期種類分類1305與日曆1306的區域中進行輸入之後，便作為新的日期種類分類的增加，對日期種類分類數據進行更新。另外，同樣，在指示刪除所選擇的日期種類分類的情況下，或變更了所選擇的日期種類分類的期間或項目的情況下，也更新日期種類分類數據。
日期種類分類設定機構中，將通過日期種類分類指定機構1703所更新的日期種類分類中的、與通過路線輸入裝置1701或地域輸入裝置1702所選擇的道路路段或路段群相對應的各個路段的輸入數據，發送給日期種類資料庫606，更新日期種類資料庫606。
之後，根據所更新的日期種類資料庫606的數據，在實施例1中所示的預測係數決定裝置603中進行圖12的S1203的預測係數的決定處理，通過這樣，能夠決定各個路段的預測係數，進行交通信息預測。
通過具備圖17中所示的日期種類分類設定機構，進行交通信息的提供的服務業者，能夠考慮到地域的特徵等，獨自定製預測交通信息。本發明的交通信息預測方式中，分別保持通過特徵量提取所計算的基底成分，與根據基底成分與日期種類資料庫的關聯所計算出的預測係數，進行預測。因此，由於不需要預先根據日期種類進行分類，因此，對事先所生成的基底成分，能夠在事後由詳細了解地域事情的管理者，將事件的發生日期、學校休息日、工廠休息日等對地域依賴性很高的信息，作為日期種類資料庫進行事後添加，決定預測係數。通過如上所述將生成全國共同的基底成分的處理，與生成地域個別的預測係數的處理分開，能夠實現日期種類分類的定製的自由度，從而能夠實現精度的提高。
圖18為除了日期種類分類設定機構之外，還具有用來讓各個用戶管理日期種類資料庫的交通信息管理機構的交通信息預測系統的方框圖。圖18的例子中，假設是在伺服器側的系統中，構成交通信息資料庫以及日期種類資料庫等資料庫，或進行用於交通信息預測的處理，在用戶側的客戶端系統中，將各個用戶的各路段的日期種類輸入數據發送給伺服器，在伺服器側輸出所求出的交通信息的預測結果的這種伺服器·客戶端式的系統構成。用戶側的客戶端系統中，對應於用戶的請求，從伺服器取得該用戶的日期種類分類信息，與上述例子一樣，表示在日期種類分類指定畫面中，根據來自用戶的日期種類分類數據的輸入，生成各個路段的日期種類輸入數據，並發送給伺服器。另外，在客戶端系統中也管理用戶的日期種類分類信息的情況下，可以不從伺服器取得該用戶的日期種類分類信息，而使用客戶端系統的日期種類分類信息。伺服器的交通信息管理機構1801，接收到各個用戶所發送的各個路段的日期種類輸入數據之後，在對各個用戶所分別設定並管理的各個用戶日期種類資料庫1802、1803中，更新該用戶的日期種類資料庫。之後，伺服器中，與圖6中所示的例子不同，利用按照各個用戶分類的各個用戶的日期種類資料庫，對於預測係數決定、特徵量預測、交通信息合成的各個處理，也對各個用戶分類進行。通過這樣，在客戶端的交通信息顯示裝置607中，也能夠取得用戶所分別定製的預測交通信息。如上所述，通過具有管理各個用戶的日期種類資料庫的交通信息管理機構1801，本發明的交通信息預測裝置，能夠將用戶個別的定製，作為伺服器·客戶端式服務來實現。
圖19為具有日期種類分類合成機構與日期種類分類設定機構的交通信息預測系統的方框圖。日期種類分類合成機構1901，為將各個用戶所分別輸入的日期種類分類合成起來的機構。例如對某個路段輸入年度間的事件的狀況(例如焰火晚會、節日、運動會等)的情況進行考察。例如，日期種類分類合成機構1901，根據從用戶A與用戶B所分別接收的各路段的日期種類的輸入，將用戶A對事件所定義的分類名作為「用戶A事件」，將用戶B對事件所定義的分類名作為「用戶B事件」，登錄在日期種類資料庫中。預測係數決定裝置中，將上述兩個分類作為分別獨立的分類進行處理，計算出對於不同分類的預測係數。在計算出交通信息預測值時，以考慮到了對雙方的日期種類分類的影響的形式，來計算預測交通信息。
如上所述，通過具有日期種類分類合成機構，能夠利用多個用戶所定義的日期種類分類，提高預測精度。本發明中，將基底成分與日期種類分類關聯起來，作為預測係數進行處理，例如在日期種類分類不適於當作類別(category)，且與交通狀況之間的關聯很小的情況下，預測係數變小，能夠幾乎不受日期種類分類的影響而進行預測。對於日期種類分類適於當作類別，且與交通狀況之間的關聯很大的情況，預測係數變大，能夠受到日期種類分類很大的影響而進行預測。因此，能夠進行只受到適當的日期種類分類的影響的預測，能夠通過考慮到多個日期種類分類信息來提高預測精度。
實施例3以下，對照圖20至圖23，對作為本發明的實施方式之一的具有提供旅行時間的延遲風險的時間延遲風險提供機構的交通信息預測系統進行說明。本實施例中，通過具有時間延遲風險提供機構，不但能夠提供旅行時間的預測值，還能夠提供發生延遲的概率，通過這樣，能夠有助於制定與行李的時間指定配送等相對應的配送計劃時的業務。
圖20為時間延遲風險的顯示畫面的一個例子。圖表2001中，橫軸表示旅行時間(分鐘單位)，縱軸表示該旅行時間的發生概率。圖表2001中，顯示了「○×町→□△交叉點」區間的2003年9月20日17時05分的，在該區間中所預測的旅行時間的分布。例如，柱狀圖2002，表示旅行時間為120分鐘～180分鐘的所需時間等級值的概率為25％左右。另外，如線段2003所示，能夠在圖表上顯示期待值、80百分點、95百分點的旅行時間。這裡，百分點表示在累積分布上成為某給定值以下的比率，能夠作為旅行時間概率密度分布的積分進行計算。圖20的例子中，「80％320分」表示該區間的旅行時間為80％的概率且限定在320分鐘以內。
通過圖20的表示，用戶能夠通過觀看圖表形式與百分點顯示的線段的重合顯示，來在視覺上把握該區間的旅行時間預測值，以及預測值具有在哪個程度偏差的可能性。另外，與單單顯示所預測的旅行時間的期待值的可靠性的情況相比，能夠根據圖表與百分點顯示，判斷出比期待值晚的傾向較強，還是比期待值早通過的傾向強。通過這樣，能夠估算出在旅行計劃或配送計劃時可以保持哪個程度的富餘並出發。圖20的例子中，在時間內到達的可靠性為80％，是足夠的，也即如果在允許5次中存在1次延遲的狀態下，可以估算出所需要的時間320分鐘並出發。要求在時間內到達的可靠性更高的95％，也即，在每20次中才允許1次延遲的情況下，需要估算出所需時間410分鐘。在圖20的旅行時間概率分布的生成時，如果事故的發生所引起的旅行時間的延遲包括在數據內，則還能夠計算出估計了事故發生風險的時間延遲風險。
圖21為時間延遲風險的顯示畫面的另一個例子。在延遲風險顯示2101中，2102與實施例1相同的，為關於以根據過去的統計交通信息資料庫所計算的交通信息預測值為基礎的指定區間的旅行時間的期待所需時間，以及根據該數據的偏差所推定的延遲風險等級。圖21的例子中，通過凡例2104，表示延遲風險A變為延遲時間10分鐘的概率為90％，延遲風險B變為延遲時間30分鐘的概率為90％，延遲風險C變為延遲時間60分鐘的概率為90％。也即，表示在期待所需時間200分鐘中合計上延遲時間30分鐘的230分鐘內到達的可能性為90％。如該例所示，由於駕駛員所強烈關心的事情在於所需時間多少這一點、以及對於預測的所需時間容易延遲多長時間這一點，因此，通過評價了對應於所需時間的期待值的延遲時間的延遲風險等級，來表現時間延遲風險，用戶能夠直觀地得知道路的時間延遲風險的發生程度。
另外，能夠如在表2103中所示，表現出對應於時間段而不同的所需時間，以及延遲風險等級。表2103的例子中，在16:00出發的情況下，所需時間為120分鐘，延遲風險等級為A，因此，表示能夠高可靠性地在時間內到達目的地。與此相對，在18:00出發的情況下，所需時間為300分鐘，延遲風險等級為C，因此，與16:00出發的情況相比，所需時間增多，且延遲風險增加，因此，表示在期待所需時間之前到達的可靠性較低，所需時間很容易拖長。用戶通過觀看該表，能夠確認出選擇在16:00出發，能夠可靠的到達目的地。另外，圖21的凡例2104中，在概率一定(例如90％)的情況下，通過延遲時間來表示延遲風險等級，但也可以通過讓延遲時間或延遲時間率(延遲時間除以期待所需時間)一定，而通過在該時間內到達的概率的不同來區分等級。
圖22為具有時間延遲風險提供機構的交通信息預測系統的方框圖。除了實施例1中所說明的圖6的構成之外，還具有時間延遲風險提供機構2201，該時間延遲風險提供機構2201，根據日期種類資料庫、交通信息資料庫以及交通信息預測值計算出時間延遲風險。例如，如圖20所示計算出特定1日的某個時間段的時間延遲風險，能夠使用實施例1的方法計算出旅行時間預測值。根據日期種類資料庫，能夠通過從交通信息資料庫中取出與該預測值的日期種類分類相同的日期種類數據的該時間段中的旅行時間數據，來形成旅行時間的概率密度分布。或者，也可以不從交通信息資料庫，而從同一日期種類分類的旅行時間預測值的集合中形成旅行時間的概率密度分布。求出了概率密度分布之後，接下來求出所需要時間的期待值或百分點的值，接下來，求出來自該期待值的給定時間的延遲風險。在計算出像圖21的2102那樣的區間的代表性時間延遲風險的情況下，不區別日期種類分類，提取所有旅行時間數據，或將預測對象日限定在該特定的日期種類分類中，提取旅行時間數據，計算出時間延遲風險。時間延遲風險，基本上能夠通過旅行時間統計數據的積累來進行計算，但受到抽樣數據較少的影響，分布的廣度也變小。考慮到這一點，例如對於數據數N的數據，將分布的幅度與自由度(N-1)的t分布的值(例如95％利用可靠區間)相乘，能夠消除抽樣數據不足的影響。
圖23為分類成各個日期種類的旅行時間概率密度分布的例子。圖23中，顯示了橫軸為旅行時間，縱軸為發生概率密度的旅行時間的分布。圖23的例子中，顯示了某個區間的17:00～19:00中的旅行時間的分布，分布2301為經過了1年的旅行時間的分布，分布2302為春天的休息日的分布，分布2303為春天的平日的分布。如圖23的例子所示，在日期種類分類很大程度上反映出交通狀況的特徵的情況下，分布的底部變窄的可能性就越大。因此，通過使用按照日期種類進行分類的時間延遲風險，即使在同一個時間延遲風險中，也能夠建立對應於日期種類的計劃。
本發明的交通信息預測裝置及方法，能夠應用於面向一般用戶的交通信息提供服務。另外，能夠全面應用於需要進行時間管理的物流、運輸系統中。
權利要求
1.一種交通信息提供裝置，其具有記錄有過去的交通信息時間序列數據的交通信息資料庫；以及輸入預測對象日的日期種類或預測對象日的日期的輸入裝置；以及根據上述過去的交通信息時間序列數據，求出對應於上述日期種類輸入裝置所輸入的多個日期種類的交通信息時間序列數據的交通信息計算裝置，其特徵在於，還具有指定兩地點間的預測對象路線的路線輸入裝置；以及設定日期種類分類的日期種類分類指定機構，該日期種類分類指定機構，對通過上述路線輸入裝置所指定的各個預測對象路線，設定日期種類分類。
2.一種交通信息提供裝置，其具有記錄有過去的交通信息時間序列數據的交通信息資料庫；以及輸入預測對象日的日期種類或預測對象日的日期的輸入裝置；以及根據上述過去的交通信息時間序列數據，求出對應於上述日期種類輸入裝置所輸入的多個日期種類的交通信息時間序列數據的交通信息計算裝置，其特徵在於，還具有指定設定日期種類分類的地域的地域輸入裝置；以及設定日期種類分類的日期種類分類指定機構，該日期種類分類指定機構，對通過上述地域輸入裝置所指定的地域中的各個路線，設定日期種類分類。
3.如權利要求1或2所述的交通信息提供裝置，其特徵在於具有對指定了日期種類分類的各個用戶各自的交通信息時間序列數據進行管理的交通信息管理機構。
4.如權利要求1或2所述的交通信息提供裝置，其特徵在於具有交通信息計算裝置，該交通信息計算裝置設置有將指定了日期種類分類的各個用戶各自的日期種類分類數據合成起來的日期種類分類合成機構，求出對應於上述所合成的日期種類分類的交通信息時間序列數據。
5.一種交通信息提供裝置，其具有記錄有過去的交通信息時間序列數據的交通信息資料庫；以及輸入預測對象日的日期種類或預測對象日的日期的輸入裝置；以及根據上述過去的交通信息時間序列數據，求出對應於上述日期種類輸入裝置所輸入的多個日期種類的交通信息時間序列數據的交通信息計算裝置，其特徵在於，還具有指定兩地點間的預測對象路線的路線輸入裝置；以及求出相對於通過該路線輸入裝置所指定的指定路線的所需時間的延遲風險的時間延遲風險提供機構。
6.如權利要求5所述的交通信息提供裝置，其特徵在於時間延遲風險提供機構所提供的到達時間延遲風險，根據日期種類、時間段而變化。
7.如權利要求5所述的交通信息提供裝置，其特徵在於時間延遲風險提供機構所提供的到達時間延遲風險，通過延遲時間等級值與延遲發生概率的組合、或延遲風險等級表現出來。
全文摘要
一種交通信息提供裝置，其具有在以數分鐘間隔的旅行時間這種不以日為單位的數值性的交通信息的預測中，反映出日期種類等，即使在存儲有交通信息的期間中，不存在與預測對象日相同的日期種類的組合的日子(相同狀況日)，也能夠適當合成所存儲的過去的交通信息，對作為目的的日期種類的組合的交通信息進行預測的預測計算機構。預測計算機構，將若干個交通信息的日單位的特徵量組合起來，近似還原狀況並進行預測。另外，還具有能夠定製事後的日期種類的日期種類分類設定機構，和提供通過延遲時間等級值與延遲發生概率的組合、或延遲風險等級所表現出來的到達時間延遲風險的時間延遲風險提供機構。由此，能夠可靠地預測所期望的狀況下的交通信息。
文檔編號G09B29/00GK1727846SQ2005100849
公開日2006年2月1日 申請日期2005年7月25日 優先權日2004年7月28日
發明者伏木匠, 熊谷正俊, 橫田孝義, 君田和也 申請人:株式會社日立製作所