ナビゲーションシステム、および、そのナビゲーションシステムに用いる係数決定プログラム
【課題】短期的に変化する状況によってユーザの好みが変化しても、ユーザの好みに合った経路が探索されるナビゲーションシステムを提供する。
【解決手段】重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの最良の経路を探索することができるナビゲーションシステムにおいて、コスト評価関数の重み係数を、コストテーブル集合（コスト評価関数に含まれる複数の重み係数を一組とするコストテーブルが複数含まれる集合）から選択する際に用いるベイジアンネットモデル２０に、状況情報である平日か休日かの２状態をとる平日／休日ノード４２、複数の時間帯を有する時間帯ノード４４を含ませる。
【解決手段】重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの最良の経路を探索することができるナビゲーションシステムにおいて、コスト評価関数の重み係数を、コストテーブル集合（コスト評価関数に含まれる複数の重み係数を一組とするコストテーブルが複数含まれる集合）から選択する際に用いるベイジアンネットモデル２０に、状況情報である平日か休日かの２状態をとる平日／休日ノード４２、複数の時間帯を有する時間帯ノード４４を含ませる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ナビゲーションシステム、および、そのナビゲーションシステムに用いる係数決定プログラムに関し、特に、出発地から目的地までの経路を探索する機能を備えたナビゲーションシステムおよびプログラムに関する。
【背景技術】
【０００２】
カーナビゲーションシステムに代表されるナビゲーションシステムは、出発地から目的地までの経路を探索する機能を備えていることが一般的である。経路の探索を行う方法としては、重み係数が乗じられる複数種類のコストパラメータの総コストが最小になるような経路を、ダイクストラ法などによって決定する方法がある（たとえば、特許文献１）。
【０００３】
特許文献１は、カーナビゲーションシステムの例であり、コストパラメータとして、距離、平均走行時間、道幅などを用いている。それら複数種類のコストパラメータに乗じられる重み係数を変化させると、経路探索において重視するコストパラメータを変更できる。
【０００４】
特許文献１の装置は、評価関数の数値が最小となる経路から順に複数の経路を探索し、探索した複数の経路を運転者に提示するようにしている。そして、運転者が選択した経路が、評価関数の数値が最小のものでない場合には、パラメータの重み係数を変更（学習）するようにしている。すなわち、運転者が選択した経路における各パラメータのコスト値を、他の経路における各パラメータのコスト値と比較し、運転者が選択した経路においてコスト値が大きくなっているパラメータの重み係数を小さくするようにしている。このようにすることにより、学習を繰り返すうちに、距離を重視する、時間を重視する、走りやすさを重視するなどの運転者の好みが反映された経路が優先的に探索されるようになる。
【特許文献１】特開平５−２２４６０１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
特許文献１のものは、学習を繰り返すことによって、運転者の好みが反映された経路が探索されるようになるが、運転者の好みは常に同じとは限らず、たとえば、平日は目的地に早く着きたいが、休日は多少遅くなっても良いので、走りやすい道を好むなどということもある。また、時間帯によって好みが変わることも考えられる。たとえば、仕事帰りの夕方は走りやすい道を走りたいが、それ以外の時間帯は、走行時間が短いほうがよいなどということが考えられる。
【０００６】
このように、運転者の好みは、平日か休日か、あるいは、時間帯など、短期的に変化する状況によって変わることもあるのだが、特許文献１の装置の場合には、運転者の好みが変化することは考慮されておらず、その結果、運転者の好みが反映された経路が常に探索されるとは限らないという問題がある。
【０００７】
なお、この問題は、車用のナビゲーションシステム（すなわち、カーナビゲーションシステム）に限らず、携帯型のナビゲーションシステムについても、同様に生じる可能性がある。
【０００８】
本発明は、上記問題点に鑑みて成されたものであり、本発明の目的とするところは、短期的に変化する状況によってユーザの好みが変化しても、ユーザの好みに合った経路が探索されるナビゲーションシステム、および、そのナビゲーションシステムに使用する評価関数の重み係数を決定するプログラムを提供することにある。
【課題を解決するための手段】
【０００９】
その目的を達成するための請求項１記載の発明は、重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの経路を探索する形式のナビゲーションシステムであって、短期的に変化する予め設定された種類の状況情報に基づいて前記コストパラメータの重み係数が定まる係数決定関係を記憶した記憶装置と、その記憶装置に記憶された係数決定関係および実際に検出された前記状況情報に基づいて、前記コストパラメータの重み係数を決定する重み係数決定手段とを、含むことを特徴とする。
【００１０】
この請求項１記載の発明によれば、短期的に変化する状況情報に基づいて、コスト評価関数のコストパラメータに乗じられる重み係数が決定されることから、その状況情報の変化によってユーザの好みが変化するとしても、ユーザの好みに合った経路が探索される。
【００１１】
ここで、請求項２記載のように、前記記憶装置に記憶された係数決定関係は、前記状況情報に加えて、ユーザの不変的な情報であるユーザ情報に基づいて、前記重み係数が定まるようになっており、前記重み係数決定手段は、その係数決定関係、実際に検出された前記状況情報、および、実際のユーザの前記ユーザ情報に基づいて、前記コストパラメータの重み係数を決定するようになっていることが好ましい。
【００１２】
このように、状況情報に加えてユーザ情報をも用いてコストパラメータの重み係数を決定するようにすれば、状況情報のみに基づいて重み係数を決定する場合よりも、コストパラメータの重み付けがよりユーザの好みを反映したものとなることから、よりユーザの好みを反映した経路を探索できるようになる。
【００１３】
また、前記係数決定関係は、請求項３のように、平日と休日との２つの状態をとる観測変数を有していることが好ましい。このようにすれば、平日か休日かが反映されて重み係数が決定されるようになるので、平日か休日かによって変化する好みの違いを反映した経路が探索されるようになる。
【００１４】
また、上記係数決定関係としては、たとえば、請求項４のように、ベイジアンネットワークモデルを用いることができる。ただし、それ以外にも、上記係数決定関係として、ニューラルネットワーク、サポートベクターマシーン、ファジィ推論、協調フィルタなどを用いることもできる。
【００１５】
上記重み係数決定手段は、請求項５記載のように、コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数含まれている重み係数テーブル集合から、一組の重み係数テーブルを選択することによって重み係数を決定することができる。また、請求項６のように、重み係数テーブルを複数選択して、それら複数の重み係数テーブルをそれぞれ用いて複数の経路候補を計算して、その複数の経路候補から最終的に１つの経路を決定するようにしてもよい。
【００１６】
すなわち、請求項６記載のナビゲーションシステムは、請求項１乃至４のいずれかに記載のナビゲーションシステムにおいて、前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、複数組の重み係数テーブルを選択するものであり、前記状況情報および前記ユーザ情報に基づいて予め設定された種類の道路属性についての嗜好が決定される道路属性嗜好決定関係を用いて、実際に検出された前記状況情報および実際の前記ユーザ情報からその道路属性の嗜好を決定する道路属性嗜好決定手段をさらに備え、
前記経路探索手段は、前記重み係数決定手段で選択した複数組の重み係数テーブルをそれぞれ用いて複数の経路候補を探索する経路候補探索手段と、その経路候補探索手段によって探索された複数の経路候補について、前記道路属性嗜好決定手段によって決定される種類の道路属性を決定する道路属性決定手段と、その道路属性決定手段によって前記複数の経路候補についてそれぞれ決定された道路属性と、前記道路属性嗜好決定手段によって決定された道路属性嗜好とに基づいて、各経路候補の嗜好合致度を算出して、その嗜好合致度が最も高い経路候補を最良の候補として確定する経路確定手段とを含んでいることを特徴とする。
【００１７】
また、請求項５または６のようにして重み係数を決定する場合には、請求項７記載のようにして係数決定関係を学習することが好ましい。すなわち、請求項７記載の発明は、請求項５または６記載のナビゲーションシステムにおいて、前記重み係数テーブル集合に含まれる各重み係数テーブルをそれぞれ用いたコスト評価関数に基づいて探索される経路のうち、実際に走行した走行経路に最も近い最近似経路を決定する最近似経路決定手段と、前記重み係数決定手段において、前記走行経路を走行したときの前記状況情報に基づいて、前記最近似経路決定手段によって決定された最近時経路の探索に用いられた重み係数テーブルが選択されるように、前記係数決定関係を修正する関係修正手段とを、さらに含むことを特徴とする。
【００１８】
このように、重み係数決定手段において、走行経路を走行したときの状況情報に基づいて、走行経路に最も近い最近似経路の探索に用いられた重み係数テーブルが選択されるように、係数決定関係が修正されることにより、状況情報の変化によって変化するユーザの好みを反映したより適切な経路が探索されるようになる。
【００１９】
なお、請求項８記載の発明は、請求項１乃至７に記載のナビゲーションシステムにおける前記重み係数決定手段を実行する係数決定プログラムであり、このプログラムは、車載カーナビゲーション装置など、ユーザが操作する端末装置内のＥＰＲＯＭやハードディスクなどの固定型の記憶装置に記憶されていてもよいし、ディスク型記憶媒体などの可搬型の記憶装置（または記憶媒体）に記憶されていてもよい。また、このプログラムがサーバ内の記憶装置に記憶されていてもよい。
【発明を実施するための最良の形態】
【００２０】
以下、本発明の実施の形態を、図面に基づいて説明する。図１は、本発明が適用されたカーナビゲーションシステムの全体構成を示すブロック図である。
【００２１】
図１において、カーナビゲーションシステムは、位置検出器１、地図データ入力器６、操作スイッチ群７、外部メモリ９、表示装置１０、送受信機１１、音声コントローラ１２、スピーカ１３、音声認識装置１４、マイク１５、リモコンセンサ１６、リモートコントロール端末(以下、リモコンと称する)１７と、これら各装置が接続された制御装置８を備えている。
【００２２】
制御装置８は、通常のコンピュータであり、内部には周知のＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏおよびこれらの構成を接続するためのバスラインを備えている。ＲＯＭには、制御装置８が実行するためのプログラムが書き込まれており、このプログラムに従ってＣＰＵ等が所定の演算処理を実行する。
【００２３】
位置検出器１は、車両の絶対方位を検出するための地磁気センサ２、車両の相対方位を検出するためのジャイロスコープ３、車両の走行距離を検出する距離センサ４、および衛星からの電波に基づいて車両の位置を測定するグローバルポジショニングシステム（ＧＰＳ）のためのＧＰＳ受信機５を有している。これらのセンサ等２、３、４、５は、いずれも周知のものである。これらのセンサ等２、３、４、５は各々が性質の異なる誤差を持っているため、複数のセンサ等２、３、４、５により各々を補完しながら使用するように構成されている。なお、精度によっては、上述したうちの一部で位置検出器１を構成してもよく、更に、図示しないステアリングの回転センサ、各転動輪の車速センサ等を用いてもよい。
【００２４】
地図データ入力器６は、たとえばＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭなどの図示しない記憶媒体を備え、その記憶媒体には、道路データ、背景データ、文字データおよび施設データなどを含むデジタル地図データが格納されており、それらのデータを制御装置８に入力する。
【００２５】
操作スイッチ群７は、たとえば表示装置１０と一体になったタッチスイッチもしくは表示装置１０の周辺に設けられるメカニカルなスイッチ等からなり、表示装置１０に表示された地図の縮尺変更、メニュー表示選択、目的地設定、経路探索、経路案内開始、現在位置修正、表示画面変更、音量調整等の各種入力に使用される。また、リモコン１７には、図示しない複数の操作スイッチが設けられ、その操作スイッチの操作により操作スイッチ群７と同様の入力操作が行える。リモコン１７に入力された入力操作を表す信号は、リモコンセンサ１６を介して制御装置８へ供給される。
【００２６】
記憶装置である外部メモリ９は、たとえば、メモリカードやハードディスク等であり、書き込み可能な記憶媒体を備えている。この外部メモリ９には、ユーザによって設定された自宅位置や、テキストデータ、画像データ、音声データ等の各種データが記憶される。また、外部メモリ９は、ユーザモデル記憶部９ａ、走行データ記憶部９ｂ、コスト評価関数記憶部９ｃ、およびユーザ情報記憶部９ｄを備えている（図２参照）。
【００２７】
上記ユーザモデル記憶部９ａは、係数決定関係である図３に示すベイジアンネットモデル２０を記憶する領域である。図３に示すベイジアンネットモデル２０は、ユーザ情報３０、状況情報４０、推薦理由５０、および、コストテーブル集合６０を有している。ユーザ情報３０は、ノードとして、年齢層ノード３２および性別ノード３４を備え、状況情報４０は平日／休日ノード４２および時間帯ノード４４を備え、推薦理由５０は道幅ノード５１、制限速度ノード５２、信号機の数ノード５３を備え、コストテーブル集合６０は、コストテーブルＡノード６２、コストテーブルＢノード６４、コストテーブルＣノード６６などの複数のコストテーブルノードを備えている。
【００２８】
年齢層ノード３２は、１０代、２０代、…等の状態をとり、性別ノード３４は男または女の２状態をとる。平日／休日ノード４２は平日と休日との２状態をとり、時間帯ノード４４は、２４時間が複数の時間帯（たとえば、４時間ずつ、２時間ずつ、１時間ずつなど）に区分されることにより複数の状態をとる。なお、これら年齢層ノード３２、性別ノード３４、平日／休日ノード４２、および時間帯ノード４４は観測変数である。
【００２９】
推薦理由５０は、経路探索において大事とされる（重要とされる）項目であり、換言すれば、ユーザ（運転者）の嗜好を表している。道幅ノード５１は道幅が大事とされている程度を表すノード、制限速度ノード５２は制限速度が大事とされている程度を表すノード、信号機の数ノード５３は信号機の数が大事とされている程度を表すノードであり、それぞれ、重要性１、２、３等の複数の状態をとることで、その大事さ(重要性)を表すようになっている。
【００３０】
コストテーブルＡノード６２、コストテーブルＢノード６４、コストテーブルＣノード６６等のコストテーブル集合６０に含まれる各コストテーブルノードは、コストテーブルＡ、Ｂ、Ｃ…と対応づけられている。ここで、コストテーブルとは、式１に示すコスト評価関数Ｃｉにおける重み係数α、β、γ、δ…を一組とするテーブル（表）であり、特許請求の範囲の重み係数テーブルに相当する。また、コストテーブル集合は、重み係数テーブル集合に相当する。
（式１） Ｃｉ＝αＡ・ａ（ｉ）＋βＡ・ｂ（ｉ）＋γＡ・ｃ（ｉ）＋δＡ・ｄ（ｉ）＋…
式１において、ａ（ｉ）は距離のコスト、ｂ（ｉ）は道幅のコスト、ｃ（ｉ）は制限速度のコスト、ｄ（ｉ）は信号機の数のコストであり、式１に含まれるその他のコストとしては、たとえば、平均走行時間のコストがある。また、係数α、β等における添え字Ａは、コストテーブルに対応するものである。なお、このコスト評価関数Ｃｉは、コスト評価関数記憶部９ｃに記憶されている。
【００３１】
上記コストテーブルＡノード６２、コストテーブルＢノード６４等は、対応するコストテーブルを上記コスト評価関数Ｃｉに用いることが最適である確率（尤度）を表すノードであり、その確率が段階的に変化するテーブルが記憶されている。
【００３２】
コストテーブル集合６０に含まれるノード６２、６４、６６は、推薦理由５０を表すノード５１、５２、５３の子ノードとなっており、推薦理由５０を表すノード５１、５２、５３は、ユーザ情報３０および状況情報４０を表すノード３２、３４、４２、４４の子ノードとなっている。換言すれば、ユーザ情報３０および状況情報４０を表すノード３２、３４、４２、４４は、推薦理由５０を表すノード５１、５２、５３の親ノードとなっており、推薦理由５０を表すノード５１、５２、５３は、コストテーブル集合６０に含まれるノード６２、６４、６６の親ノードになっている。親ノードと子ノードとの間は矢印で連結されており、この矢印は、矢印の根元のノードと矢印の先のノードとの間の条件付依存性を表し、個々の矢印に対応する条件付確率が設定されている。
【００３３】
このように構成されたベイジアンネットモデル２０に、ユーザ情報と、状況情報とが与えられると、コストテーブル集合６０に含まれるコストテーブルのノード６２、６４、６６の尤度が決定される。
【００３４】
走行データ記憶部９ｂは、車両が走行した経路を、そのときの状況情報とそのときのユーザとともに記憶する領域である。また、ユーザ情報記憶部９ｄは、複数のユーザについて、ユーザ情報である性別および年齢層をユーザＩＤと関連付けて記憶している領域である。なお、年齢は一年に一度変化するため、年齢層もある年数経過すると変化するが、年齢は、現在の日付が定まれば、不変情報である生年月日から定まるので、ユーザの不変的情報すなわちユーザ情報として用いることができるのである。
【００３５】
図１へ戻って、表示装置１０は、たとえば液晶ディスプレイ、有機ＥＬディスプレイによって構成され、その表示装置１０の所定の地図表示領域には、車両の現在位置に対応する自車位置マークが地図データによって生成された車両周辺の道路地図上に重畳表示される。また、表示装置１０には、その他に、現在時刻、渋滞情報などの他の情報表示を付加的に表示することもできる。
【００３６】
送受信機１１は、外部との通信接続をするための通信機であり、道路に敷設されたビーコンや各地のＦＭ放送局を介して、ＶＩＣＳ（Vehicle Information and Communication System）（登録商標）センタから提供される道路交通情報、気象情報、日付情報、施設情報、広告情報を受信するＶＩＣＳセンサと接続され、この道路交通情報等を制御装置８へ送信する。また、上記制御装置８で処理した情報を送受信機１１から出力することもできる。
【００３７】
スピーカ１３は、音声コントローラ１２から入力された音声出力信号に基づき所定の音声(案内のための音声や画面操作の説明、音声認識結果等)を外部に出力する。
【００３８】
マイク１５は、操作者が発声した音声を電気信号として音声認識装置１４に入力する。音声認識装置１４は、マイク１５から入力された操作者の入力音声と、内部に記憶する認識辞書(不図示)中の語彙データ（比較対照パターン）とを照合し、最も一致度の高いものを認識結果として音声コントローラ１２に入力する。
【００３９】
音声コントローラ１２は、音声認識装置１４を制御するとともに、音声入力のあった操作者に対し、スピーカ１３を通じてトークバック出力制御（音声出力）する。また、音声認識装置１４の認識結果を制御装置８に入力する処理も行う。
【００４０】
制御装置８は、音声認識装置１４からの情報に基づき、操作者の発声に対する所定の処理および操作スイッチ群７あるいはリモコン１７の入力操作に対する所定の処理（たとえば、メモリ９への地図データの記憶処理、地図縮尺変更処理、メニュー表示選択処理、目的地設定処理、経路探索実行処理、経路案内開始処理、現在位置修正処理、表示画面変更処理、音量調整処理等）を実行する。また、制御装置８で処理された経路案内音声情報等は、音声コントローラ１２を介してスピーカ１３から適宜報知される。
【００４１】
ここで、上記目的地設定処理は、リモコン１７または操作スイッチ群７の操作に基づいて行われ、また、経路探索実行処理は、外部メモリ９のユーザモデル記憶部９ａに記憶されたベイジアンネットモデル２０にユーザ情報である年齢層と性別、および状況情報である平日／休日の区別と時間帯とを入力することによりコストテーブルを選択し、その選択したコストテーブルを用いたコスト評価関数Ｃｉに基づいて行われる。その際、経路は複数探索されるようになっていてもよい。さらに、制御装置８は、実際に走行した経路に基づいて、上記ベイジアンネットモデル２０を学習（修正）するようになっている。
【００４２】
図２は、上記制御装置８の制御機能の要部を示すブロック図である。図２に示すように、制御装置８は、ユーザ情報取り込み手段７０と、重み係数決定手段７２と、経路探索手段７４と、ナビゲーション手段７６と、学習手段７８とを備えている。
【００４３】
ユーザ情報取り込み手段７０は、運転者が誰であるかを判定して、その判定した運転者のユーザ情報（すなわち、本実施形態では、そのユーザの年齢層および性別）を、外部メモリ９のユーザ情報記憶部９ｄから取り込む。運転者が誰であるかを判定する方法としては、ここでは、予め登録された複数のユーザのリストを表示装置１０に表示し、その表示装置１０に表示されたリストから、操作スイッチ群７またはリモコン１７の操作により、運転者がどのユーザを選択したかによって判定する。
【００４４】
重み係数決定手段７２は、まず、上記ユーザ情報取り込み手段７０によって取り込んだユーザ情報と、送受信機１１を介して得られる日付情報から決定される平日か休日かの区別、および、車両内部に設けられた図示しない時計からの信号に基づいて決定される時間帯を、ベイジアンネットモデル２０に入力する。そして、これらを入力することによって、コストテーブル集合６０に含まれる各コストテーブルノードについての尤度が決定できるので、尤度の最も高いコストテーブルを選択する。なお、本実施形態では、送受信機１１を介して得られる日付情報から、状況情報である平日／休日の区別を決定するので、送受信機１１は状況情報取り込み手段として機能している。
【００４５】
経路探索手段７４は、重み係数決定手段７２によって選択されたコストテーブル（すなわち一組の重み係数）を用いたコスト評価関数Ｃｉと、地図データ入力器６からの地図データに基づいて、出発地から目的地までの経路探索を行う。なお、出発地は、現在位置であってもよいが、現在位置とは異なる地点がユーザによって設定されてもよい。
【００４６】
ナビゲーション手段７６は、経路探索手段７４によって探索された経路、位置検出器１によって逐次検出される車両の現在位置、および、地図データ入力器６からの地図データに基づいて、経路案内を実行する。
【００４７】
学習手段７８は、目的地に到達後、実際に走行した走行経路と、そのときの状況情報およびユーザ情報とに基づいて、ベイジアンネットモデル２０の学習を実行する。この学習手段７８については、後述する図５で詳しく示す。なお、学習は、目的地に到達後、すぐに実行する必要はなく、所定の学習周期が経過したときに実行するようになっていてもよい。
【００４８】
図４は、図２に示した制御装置８の制御機能のうち、重み係数決定手段７２および経路探索手段７４に相当する機能をフローチャートにして示す図である。図４においては、ステップＳ１０乃至Ｓ４０が重み係数決定手段に相当し、ステップＳ５０乃至Ｓ６０が経路探索手段に相当する。
【００４９】
まず、ステップＳ１０では、ユーザ情報および状況情報を取り込む。すなわち、予め登録されたユーザの一覧を示すユーザリストを表示装置１０に表示し、そのユーザリストから、操作スイッチ群７またはリモコン１７の操作によって選択されたユーザに関する年齢層および性別を、外部メモリ９のユーザ情報記憶部９ｄから読み出す。また、送受信機１１を介して日付情報を取得して、その日付情報から平日／休日の区別を決定し、さらに、車両内部に設けられた時計から信号を取得して時間帯を決定する。
【００５０】
続くステップＳ２０では、ユーザモデル記憶部９ａからベイジアンネットモデル２０を読み込む。そして、続くステップＳ３０では、ユーザの経路の嗜好を推定する。前述のように、ユーザの経路の嗜好は推薦理由５０に対応するので、ステップＳ３０では、推薦理由５０に含まれる各ノード５１、５２、５３の状態を決定する。すなわち、ステップＳ２０において読み込んだベイジアンネットモデル２０に、ステップＳ１０で取得または決定した、ユーザの年齢層、性別、および平日／休日の区別、時間帯を、ベイジアンネットモデル２０の年齢層ノード３２、性別ノード３４、平日／休日ノード４２および時間帯ノード４４にそれぞれ入力する。そして、それらのノード３２、３４、４２、４４の子ノードである道幅ノード５１、制限速度ノード５２、信号機の数ノード５３の状態（大事さ）をそれぞれ決定する。
【００５１】
さらに、続くステップＳ４０では、ステップＳ３０で決定した道幅ノード５１の状態、制限速度ノード５２の状態、信号機の数ノード５３の状態から、コストテーブル集合６０に含まれる各コストテーブルノード６２、６４、６６等の尤度を、コストテーブルノード毎にそれぞれ決定する。
【００５２】
そして、ステップＳ５０では、ステップＳ４０で決定した尤度が最も高いコストテーブルを選択し、その選択したコストテーブルを重み係数として用いたコスト評価関数Ｃｉに基づいて、ダイクストラ法等の所定の手法によって目的地から出発地までの経路を計算する。
【００５３】
続くステップＳ６０では、上記ステップＳ５０で計算した経路を、その経路の推薦理由とともに表示装置１０に表示する。この推薦理由とは、その経路計算に用いたコストテーブルを選択したときのベイジアンネットモデル２０における推薦理由５０内のノード５１、５２、５３のうちで、最も重要度が大きいノードである。
【００５４】
このようにして経路を計算した後は、計算経路に基づいて経路案内を行い、目的地まで到達後、或いは、所定の学習時期となったときに、図５に示すルーチンを実行する。
【００５５】
まず、ステップＳ１００では、走行データ記憶部９ｂから実際に走行した走行経路を読み込み、さらに、ステップＳ１１０では、その走行経路に関連づけて記憶されているその走行時のユーザ情報（年齢層、性別）および状況情報（平日／休日の区別、時間帯）を読み込む。
【００５６】
そして、ステップＳ１２０では、コストテーブル集合６０の中から、予め設定された数の教師コストテーブル候補を決定する。すなわち、まず、ユーザモデル記憶部９ａからベイジアンネットモデル２０を読み込み、その読み込んだベイジアンネットモデル２０に、ステップＳ１１０で読み込んだ年齢層、性別、平日／休日の区分、時間帯を入力し、その結果算出されるコストテーブル集合６０のノード６２、６４、６６等の尤度を比較して、尤度の高いものから順に所定数のコストテーブルを教師コストテーブル候補とする。
【００５７】
続くステップＳ１３０では、ステップＳ１２０で決定した複数の教師コストテーブル候補をそれぞれ用いて経路計算を実行する。すなわち、各教師コストテーブル候補を一組の重み係数として用いたコスト評価関数Ｃｉに基づいて経路計算を実行する。
【００５８】
続くステップＳ１４０では、ステップＳ１３０で計算した複数の計算経路を、ステップＳ１００で読み込んだ走行経路と比較し、計算経路と走行経路との一致度を、各計算経路について決定する。この一致度は、たとえば、出発地から目的地までのＸ座標について、計算経路と走行経路とのＹ座標差を積算することにより行う。そして、比較の結果、走行経路に最も近い計算経路を最近似経路に決定する。なお、ステップＳ１１０乃至Ｓ１４０によって最近似経路決定手段が構成される。また、以下のステップＳ１５０乃至Ｓ２００によって関係修正手段が構成される。
【００５９】
ステップＳ１５０では、ステップＳ１４０において最近似経路を計算したコストテーブルを、教師コストテーブルに決定する。続くステップＳ１６０では、走行経路の道路属性値を算出する。この道路属性値とは、ベイジアンネットモデル２０の推薦理由５０に含まれる各ノード５１、５２、５３に対応する属性に関する値である。すなわち、本実施形態では、道路属性値として、道幅に関する値（たとえば、車線数の平均）、制限速度に関する値（たとえば、平均の制限速度）、信号機の数に関する値（たとえば、信号機の総数）を算出する。
【００６０】
そして、続くステップＳ１７０では、計算経路のうち最も走行経路に近い経路についても同様に道路属性値を算出し、さらに、その算出した道路属性値と、ステップＳ１６０で算出した走行経路の道路属性値との差（道路属性差）を算出する。この道路属性差は、走行経路側を正とすると、信号機の数であれば、たとえば、−１０機のように算出できる。
【００６１】
続くステップＳ１８０では、上記ステップＳ１７０で算出した道路属性差に基づいて、その道路属性差から推薦理由５０の状態を決定する予め設定された対応関係を用いて、推薦理由５０内の各ノード５１、５２、５３の状態を決定する。
【００６２】
続くステップＳ１９０では、ステップＳ１１０で読み込んだユーザ情報および状況情報を入力とし、上記ステップＳ１８０で決定した推薦理由５０を教師として、ベイジアンネットモデル２０におけるユーザ情報３０および状況情報４０（親ノード）と、推薦理由５０（子ノード）との間の関係を学習する。
【００６３】
さらに、ステップＳ２００では、ステップＳ１１０で読み込んだユーザ情報と状況情報、および、上記ステップＳ１８０で決定した推薦理由５０を入力とし、ステップＳ１５０で決定した教師コストテーブルを教師として、ベイジアンネットモデル２０における推薦理由５０（親ノード）と、コストテーブル集合６０（子ノード）との間の関係を学習する。
【００６４】
このようにベイジアンネットモデル２０を学習することにより、以後、図４に示すフローチャートを実行した場合、今回と同じ状況情報に基づいて、今回の走行経路に最も近い最近似経路を探索できる重み係数テーブルが選択されるようになるので、状況情報の変化によって変化するユーザの好みを反映したより適切な経路が探索されるようになる。
【００６５】
以上、説明した本実施形態によれば、平日／休日の区別および時間帯に基づいて、コスト評価関数のコストパラメータに乗じられる重み係数が決定されることから、平日か休日かの違いや時間帯の違いによってユーザの好みが変化するとしても、ユーザの好みに合った経路が探索される。
【００６６】
また、本実施形態によれば、平日／休日の区別および時間帯に加えて、ユーザの年齢層と性別をも用いてコストパラメータに乗じられる重み係数を決定するようになっているので、コストパラメータの重み付けがよりユーザの好みを反映したものとなり、よりユーザの好みを反映した経路を探索できる。
【００６７】
以上、本発明の実施形態を説明したが、本発明は上述の実施形態に限定されるものではなく、次の実施形態も本発明の技術的範囲に含まれ、さらに、下記以外にも要旨を逸脱しない範囲内で種々変更して実施することができる。
【００６８】
たとえば、前述の実施形態において用いたベイジアンネットモデル２０に代えて、図６ベイジアンネットモデル８０を用いることもできる。
【００６９】
図６に示すベイジアンネットモデル８０は、図２に示すベイジアンネットモデル２０における推薦理由５０がなく、ユーザ情報３０および状況情報４０がコストテーブル集合６０の親ノードとなっている点において図２のベイジアンネットモデル２０と異なるのみである。このように、推薦理由５０を省略してユーザ情報３０および状況情報４０から、直接、コストテーブル集合６０に含まれるノード６２の尤度を推定しても良い。
【００７０】
また、前述の実施形態のベイジアンネットモデル２０では、状況情報として、平日／休日の区別と時間帯とを用いていたが、それ以外にも、状況情報としては、曜日、天気、季節、渋滞、同乗者の有無、所持金の程度などを用いることもできる。
【００７１】
また、ユーザ情報の例として、年齢層、性別を示したが、それ以外に、ユーザの住所やユーザの職業、年齢、出身地を用いることもできる。
【００７２】
また、前述の実施形態では、図４で計算した計算経路が走行経路に最も近いかどうかに関係なくベイジアンネットモデル２０を修正していたが、複数のコストテーブルを用いて計算される経路のうちで、図４で計算した計算経路が走行経路に最も近い場合には、ベイジアンネットモデル２０の学習を行わないようにしてもよい。
【００７３】
また、前述の実施形態では、予め登録されたユーザの一覧を示すユーザリストを表示装置１０に表示し、そのユーザリストから、操作スイッチ群７またはリモコン１７の操作によってどのユーザが選択されるかによって、ユーザを識別していたが、画像認識、音声認識等、公知の他のユーザ識別方法によってユーザを識別してもよい。また、ユーザを識別せず、ユーザ情報を直接入力するようになっていてもよい。
【００７４】
また、前述の実施形態では、尤度の最も高い１つのコストテーブルを選択していたが（ステップＳ５０）、次述する図７に示すように、尤度の高い順に、予め定められた複数のコストテーブルを選択し、選択した各コストテーブルに基づいて複数の経路候補を計算し、その中から１つの経路を最良の経路として決定してもよい。
【００７５】
図７において、ステップＳ４０までは図４のステップＳ１０乃至Ｓ４０と同様の処理を実行する。続くステップＳ５１は、経路候補探索手段に相当し、ステップＳ４０で決定した尤度が高いコストテーブルから順に、予め設定された数のコストテーブルを選択し、選択した各コストテーブルをそれぞれ重み係数として用いた複数のコスト評価関数Ｃｉに基づいて、ダイクストラ法等の所定の手法によって目的地から出発地までの複数の経路候補を計算する。
【００７６】
続くステップＳ５２は道路属性嗜好決定手段に相当し、ステップＳ１０で取り込んだユーザ情報および状況情報をベイジアンネットモデルの形態で予め構築された図８に示す道路属性嗜好決定関係１００の各観測ノード３２、３４、４２、４４に入力することにより、道路属性嗜好ノード１１０である右左折回数ノード１１２、走行時間ノード１１４、渋滞箇所数ノード１１６の各尤度を決定する。この尤度は、右左折回数ノード１１２については、たとえば、右左折回数の１０回未満という状態に対する尤度が７０％、右左折回数１０回以上という状態に対する尤度が３０％というように決定できる。
【００７７】
なお、図８に示したもの以外に、道路属性嗜好としては、たとえば、（１）信号の割合（信号の平均間隔）、（２）橋・トンネルなど、通りにくい場所として予め設定された場所が出発地にどれほど近いか、（３）遠回りをしているか、などがあり、いずれも、ダイクストラ法で用いられる道路のリンク単位の嗜好ではなく、経路全体の特徴（嗜好）を表すものである。
【００７８】
続くステップＳ５３は道路属性決定手段に相当し、ステップＳ５１で計算した各経路候補について、道路属性（ここでは、右左折回数、走行時間、渋滞箇所数）を計算する。なお、渋滞箇所数は、地図データに予め記憶されている渋滞箇所を通過する回数である。
【００７９】
続いて、経路確定手段に相当するステップＳ５４乃至Ｓ５５を実行する。ステップＳ５４では、ステップＳ５１で計算した各経路候補の嗜好合致度を算出する。この嗜好合致度は、各経路候補について道路属性（すなわち、ここでは、右左折回数、走行時間、渋滞箇所数）の尤度を合計した値であり、道路属性の尤度は、たとえば、ある経路候補の右左折回数が１１回であるとすると、尤度が３０％というように決定できる。
【００８０】
そして、ステップＳ５５では、嗜好合致度が最も高い経路候補を最良の経路として確定し、続くステップＳ５６では、その決定した最良の経路を表示装置１０に表示する。
【図面の簡単な説明】
【００８１】
【図１】本発明が適用されたカーナビゲーションシステムの全体構成を示すブロック図である。
【図２】図１の制御装置８の制御機能の要部を示すブロック図である。
【図３】図２のユーザモデル記憶部９ａに記憶されているベイジアンネットモデル２０を示す図である。
【図４】図２に示した制御装置８の制御機能のうち、重み係数決定手段７２および経路探索手段７４に相当する機能をフローチャートにして示す図である。
【図５】図２に示す学習手段７８をフローチャートにして示す図である。
【図６】図３とは別のベイジアンネットモデル８０を示す図である。
【図７】図４に代えて実行する制御装置８の制御機能を示すフローチャートである。
【図８】図７のステップＳ５２で道路属性嗜好の決定に用いる道路属性嗜好決定関係の一例を示す図である。
【符号の説明】
【００８２】
９：外部メモリ（記憶装置）
２０：ベイジアンネットモデル（係数決定関係）
７２：重み係数決定手段
７４：経路探索手段
７６：ナビゲーション手段
７８：学習手段
８０：ベイジアンネットモデル（係数決定関係）
１００：道路属性嗜好決定関係
Ｓ５１：経路候補探索手段
Ｓ５２：道路属性嗜好決定手段
Ｓ５３：道路属性決定手段
Ｓ５４乃至Ｓ５５：経路確定手段
Ｓ１１０乃至Ｓ１４０：最近似経路決定手段
Ｓ１５０乃至Ｓ２００：関係修正手段
【技術分野】
【０００１】
本発明は、ナビゲーションシステム、および、そのナビゲーションシステムに用いる係数決定プログラムに関し、特に、出発地から目的地までの経路を探索する機能を備えたナビゲーションシステムおよびプログラムに関する。
【背景技術】
【０００２】
カーナビゲーションシステムに代表されるナビゲーションシステムは、出発地から目的地までの経路を探索する機能を備えていることが一般的である。経路の探索を行う方法としては、重み係数が乗じられる複数種類のコストパラメータの総コストが最小になるような経路を、ダイクストラ法などによって決定する方法がある（たとえば、特許文献１）。
【０００３】
特許文献１は、カーナビゲーションシステムの例であり、コストパラメータとして、距離、平均走行時間、道幅などを用いている。それら複数種類のコストパラメータに乗じられる重み係数を変化させると、経路探索において重視するコストパラメータを変更できる。
【０００４】
特許文献１の装置は、評価関数の数値が最小となる経路から順に複数の経路を探索し、探索した複数の経路を運転者に提示するようにしている。そして、運転者が選択した経路が、評価関数の数値が最小のものでない場合には、パラメータの重み係数を変更（学習）するようにしている。すなわち、運転者が選択した経路における各パラメータのコスト値を、他の経路における各パラメータのコスト値と比較し、運転者が選択した経路においてコスト値が大きくなっているパラメータの重み係数を小さくするようにしている。このようにすることにより、学習を繰り返すうちに、距離を重視する、時間を重視する、走りやすさを重視するなどの運転者の好みが反映された経路が優先的に探索されるようになる。
【特許文献１】特開平５−２２４６０１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
特許文献１のものは、学習を繰り返すことによって、運転者の好みが反映された経路が探索されるようになるが、運転者の好みは常に同じとは限らず、たとえば、平日は目的地に早く着きたいが、休日は多少遅くなっても良いので、走りやすい道を好むなどということもある。また、時間帯によって好みが変わることも考えられる。たとえば、仕事帰りの夕方は走りやすい道を走りたいが、それ以外の時間帯は、走行時間が短いほうがよいなどということが考えられる。
【０００６】
このように、運転者の好みは、平日か休日か、あるいは、時間帯など、短期的に変化する状況によって変わることもあるのだが、特許文献１の装置の場合には、運転者の好みが変化することは考慮されておらず、その結果、運転者の好みが反映された経路が常に探索されるとは限らないという問題がある。
【０００７】
なお、この問題は、車用のナビゲーションシステム（すなわち、カーナビゲーションシステム）に限らず、携帯型のナビゲーションシステムについても、同様に生じる可能性がある。
【０００８】
本発明は、上記問題点に鑑みて成されたものであり、本発明の目的とするところは、短期的に変化する状況によってユーザの好みが変化しても、ユーザの好みに合った経路が探索されるナビゲーションシステム、および、そのナビゲーションシステムに使用する評価関数の重み係数を決定するプログラムを提供することにある。
【課題を解決するための手段】
【０００９】
その目的を達成するための請求項１記載の発明は、重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの経路を探索する形式のナビゲーションシステムであって、短期的に変化する予め設定された種類の状況情報に基づいて前記コストパラメータの重み係数が定まる係数決定関係を記憶した記憶装置と、その記憶装置に記憶された係数決定関係および実際に検出された前記状況情報に基づいて、前記コストパラメータの重み係数を決定する重み係数決定手段とを、含むことを特徴とする。
【００１０】
この請求項１記載の発明によれば、短期的に変化する状況情報に基づいて、コスト評価関数のコストパラメータに乗じられる重み係数が決定されることから、その状況情報の変化によってユーザの好みが変化するとしても、ユーザの好みに合った経路が探索される。
【００１１】
ここで、請求項２記載のように、前記記憶装置に記憶された係数決定関係は、前記状況情報に加えて、ユーザの不変的な情報であるユーザ情報に基づいて、前記重み係数が定まるようになっており、前記重み係数決定手段は、その係数決定関係、実際に検出された前記状況情報、および、実際のユーザの前記ユーザ情報に基づいて、前記コストパラメータの重み係数を決定するようになっていることが好ましい。
【００１２】
このように、状況情報に加えてユーザ情報をも用いてコストパラメータの重み係数を決定するようにすれば、状況情報のみに基づいて重み係数を決定する場合よりも、コストパラメータの重み付けがよりユーザの好みを反映したものとなることから、よりユーザの好みを反映した経路を探索できるようになる。
【００１３】
また、前記係数決定関係は、請求項３のように、平日と休日との２つの状態をとる観測変数を有していることが好ましい。このようにすれば、平日か休日かが反映されて重み係数が決定されるようになるので、平日か休日かによって変化する好みの違いを反映した経路が探索されるようになる。
【００１４】
また、上記係数決定関係としては、たとえば、請求項４のように、ベイジアンネットワークモデルを用いることができる。ただし、それ以外にも、上記係数決定関係として、ニューラルネットワーク、サポートベクターマシーン、ファジィ推論、協調フィルタなどを用いることもできる。
【００１５】
上記重み係数決定手段は、請求項５記載のように、コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数含まれている重み係数テーブル集合から、一組の重み係数テーブルを選択することによって重み係数を決定することができる。また、請求項６のように、重み係数テーブルを複数選択して、それら複数の重み係数テーブルをそれぞれ用いて複数の経路候補を計算して、その複数の経路候補から最終的に１つの経路を決定するようにしてもよい。
【００１６】
すなわち、請求項６記載のナビゲーションシステムは、請求項１乃至４のいずれかに記載のナビゲーションシステムにおいて、前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、複数組の重み係数テーブルを選択するものであり、前記状況情報および前記ユーザ情報に基づいて予め設定された種類の道路属性についての嗜好が決定される道路属性嗜好決定関係を用いて、実際に検出された前記状況情報および実際の前記ユーザ情報からその道路属性の嗜好を決定する道路属性嗜好決定手段をさらに備え、
前記経路探索手段は、前記重み係数決定手段で選択した複数組の重み係数テーブルをそれぞれ用いて複数の経路候補を探索する経路候補探索手段と、その経路候補探索手段によって探索された複数の経路候補について、前記道路属性嗜好決定手段によって決定される種類の道路属性を決定する道路属性決定手段と、その道路属性決定手段によって前記複数の経路候補についてそれぞれ決定された道路属性と、前記道路属性嗜好決定手段によって決定された道路属性嗜好とに基づいて、各経路候補の嗜好合致度を算出して、その嗜好合致度が最も高い経路候補を最良の候補として確定する経路確定手段とを含んでいることを特徴とする。
【００１７】
また、請求項５または６のようにして重み係数を決定する場合には、請求項７記載のようにして係数決定関係を学習することが好ましい。すなわち、請求項７記載の発明は、請求項５または６記載のナビゲーションシステムにおいて、前記重み係数テーブル集合に含まれる各重み係数テーブルをそれぞれ用いたコスト評価関数に基づいて探索される経路のうち、実際に走行した走行経路に最も近い最近似経路を決定する最近似経路決定手段と、前記重み係数決定手段において、前記走行経路を走行したときの前記状況情報に基づいて、前記最近似経路決定手段によって決定された最近時経路の探索に用いられた重み係数テーブルが選択されるように、前記係数決定関係を修正する関係修正手段とを、さらに含むことを特徴とする。
【００１８】
このように、重み係数決定手段において、走行経路を走行したときの状況情報に基づいて、走行経路に最も近い最近似経路の探索に用いられた重み係数テーブルが選択されるように、係数決定関係が修正されることにより、状況情報の変化によって変化するユーザの好みを反映したより適切な経路が探索されるようになる。
【００１９】
なお、請求項８記載の発明は、請求項１乃至７に記載のナビゲーションシステムにおける前記重み係数決定手段を実行する係数決定プログラムであり、このプログラムは、車載カーナビゲーション装置など、ユーザが操作する端末装置内のＥＰＲＯＭやハードディスクなどの固定型の記憶装置に記憶されていてもよいし、ディスク型記憶媒体などの可搬型の記憶装置（または記憶媒体）に記憶されていてもよい。また、このプログラムがサーバ内の記憶装置に記憶されていてもよい。
【発明を実施するための最良の形態】
【００２０】
以下、本発明の実施の形態を、図面に基づいて説明する。図１は、本発明が適用されたカーナビゲーションシステムの全体構成を示すブロック図である。
【００２１】
図１において、カーナビゲーションシステムは、位置検出器１、地図データ入力器６、操作スイッチ群７、外部メモリ９、表示装置１０、送受信機１１、音声コントローラ１２、スピーカ１３、音声認識装置１４、マイク１５、リモコンセンサ１６、リモートコントロール端末(以下、リモコンと称する)１７と、これら各装置が接続された制御装置８を備えている。
【００２２】
制御装置８は、通常のコンピュータであり、内部には周知のＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏおよびこれらの構成を接続するためのバスラインを備えている。ＲＯＭには、制御装置８が実行するためのプログラムが書き込まれており、このプログラムに従ってＣＰＵ等が所定の演算処理を実行する。
【００２３】
位置検出器１は、車両の絶対方位を検出するための地磁気センサ２、車両の相対方位を検出するためのジャイロスコープ３、車両の走行距離を検出する距離センサ４、および衛星からの電波に基づいて車両の位置を測定するグローバルポジショニングシステム（ＧＰＳ）のためのＧＰＳ受信機５を有している。これらのセンサ等２、３、４、５は、いずれも周知のものである。これらのセンサ等２、３、４、５は各々が性質の異なる誤差を持っているため、複数のセンサ等２、３、４、５により各々を補完しながら使用するように構成されている。なお、精度によっては、上述したうちの一部で位置検出器１を構成してもよく、更に、図示しないステアリングの回転センサ、各転動輪の車速センサ等を用いてもよい。
【００２４】
地図データ入力器６は、たとえばＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭなどの図示しない記憶媒体を備え、その記憶媒体には、道路データ、背景データ、文字データおよび施設データなどを含むデジタル地図データが格納されており、それらのデータを制御装置８に入力する。
【００２５】
操作スイッチ群７は、たとえば表示装置１０と一体になったタッチスイッチもしくは表示装置１０の周辺に設けられるメカニカルなスイッチ等からなり、表示装置１０に表示された地図の縮尺変更、メニュー表示選択、目的地設定、経路探索、経路案内開始、現在位置修正、表示画面変更、音量調整等の各種入力に使用される。また、リモコン１７には、図示しない複数の操作スイッチが設けられ、その操作スイッチの操作により操作スイッチ群７と同様の入力操作が行える。リモコン１７に入力された入力操作を表す信号は、リモコンセンサ１６を介して制御装置８へ供給される。
【００２６】
記憶装置である外部メモリ９は、たとえば、メモリカードやハードディスク等であり、書き込み可能な記憶媒体を備えている。この外部メモリ９には、ユーザによって設定された自宅位置や、テキストデータ、画像データ、音声データ等の各種データが記憶される。また、外部メモリ９は、ユーザモデル記憶部９ａ、走行データ記憶部９ｂ、コスト評価関数記憶部９ｃ、およびユーザ情報記憶部９ｄを備えている（図２参照）。
【００２７】
上記ユーザモデル記憶部９ａは、係数決定関係である図３に示すベイジアンネットモデル２０を記憶する領域である。図３に示すベイジアンネットモデル２０は、ユーザ情報３０、状況情報４０、推薦理由５０、および、コストテーブル集合６０を有している。ユーザ情報３０は、ノードとして、年齢層ノード３２および性別ノード３４を備え、状況情報４０は平日／休日ノード４２および時間帯ノード４４を備え、推薦理由５０は道幅ノード５１、制限速度ノード５２、信号機の数ノード５３を備え、コストテーブル集合６０は、コストテーブルＡノード６２、コストテーブルＢノード６４、コストテーブルＣノード６６などの複数のコストテーブルノードを備えている。
【００２８】
年齢層ノード３２は、１０代、２０代、…等の状態をとり、性別ノード３４は男または女の２状態をとる。平日／休日ノード４２は平日と休日との２状態をとり、時間帯ノード４４は、２４時間が複数の時間帯（たとえば、４時間ずつ、２時間ずつ、１時間ずつなど）に区分されることにより複数の状態をとる。なお、これら年齢層ノード３２、性別ノード３４、平日／休日ノード４２、および時間帯ノード４４は観測変数である。
【００２９】
推薦理由５０は、経路探索において大事とされる（重要とされる）項目であり、換言すれば、ユーザ（運転者）の嗜好を表している。道幅ノード５１は道幅が大事とされている程度を表すノード、制限速度ノード５２は制限速度が大事とされている程度を表すノード、信号機の数ノード５３は信号機の数が大事とされている程度を表すノードであり、それぞれ、重要性１、２、３等の複数の状態をとることで、その大事さ(重要性)を表すようになっている。
【００３０】
コストテーブルＡノード６２、コストテーブルＢノード６４、コストテーブルＣノード６６等のコストテーブル集合６０に含まれる各コストテーブルノードは、コストテーブルＡ、Ｂ、Ｃ…と対応づけられている。ここで、コストテーブルとは、式１に示すコスト評価関数Ｃｉにおける重み係数α、β、γ、δ…を一組とするテーブル（表）であり、特許請求の範囲の重み係数テーブルに相当する。また、コストテーブル集合は、重み係数テーブル集合に相当する。
（式１） Ｃｉ＝αＡ・ａ（ｉ）＋βＡ・ｂ（ｉ）＋γＡ・ｃ（ｉ）＋δＡ・ｄ（ｉ）＋…
式１において、ａ（ｉ）は距離のコスト、ｂ（ｉ）は道幅のコスト、ｃ（ｉ）は制限速度のコスト、ｄ（ｉ）は信号機の数のコストであり、式１に含まれるその他のコストとしては、たとえば、平均走行時間のコストがある。また、係数α、β等における添え字Ａは、コストテーブルに対応するものである。なお、このコスト評価関数Ｃｉは、コスト評価関数記憶部９ｃに記憶されている。
【００３１】
上記コストテーブルＡノード６２、コストテーブルＢノード６４等は、対応するコストテーブルを上記コスト評価関数Ｃｉに用いることが最適である確率（尤度）を表すノードであり、その確率が段階的に変化するテーブルが記憶されている。
【００３２】
コストテーブル集合６０に含まれるノード６２、６４、６６は、推薦理由５０を表すノード５１、５２、５３の子ノードとなっており、推薦理由５０を表すノード５１、５２、５３は、ユーザ情報３０および状況情報４０を表すノード３２、３４、４２、４４の子ノードとなっている。換言すれば、ユーザ情報３０および状況情報４０を表すノード３２、３４、４２、４４は、推薦理由５０を表すノード５１、５２、５３の親ノードとなっており、推薦理由５０を表すノード５１、５２、５３は、コストテーブル集合６０に含まれるノード６２、６４、６６の親ノードになっている。親ノードと子ノードとの間は矢印で連結されており、この矢印は、矢印の根元のノードと矢印の先のノードとの間の条件付依存性を表し、個々の矢印に対応する条件付確率が設定されている。
【００３３】
このように構成されたベイジアンネットモデル２０に、ユーザ情報と、状況情報とが与えられると、コストテーブル集合６０に含まれるコストテーブルのノード６２、６４、６６の尤度が決定される。
【００３４】
走行データ記憶部９ｂは、車両が走行した経路を、そのときの状況情報とそのときのユーザとともに記憶する領域である。また、ユーザ情報記憶部９ｄは、複数のユーザについて、ユーザ情報である性別および年齢層をユーザＩＤと関連付けて記憶している領域である。なお、年齢は一年に一度変化するため、年齢層もある年数経過すると変化するが、年齢は、現在の日付が定まれば、不変情報である生年月日から定まるので、ユーザの不変的情報すなわちユーザ情報として用いることができるのである。
【００３５】
図１へ戻って、表示装置１０は、たとえば液晶ディスプレイ、有機ＥＬディスプレイによって構成され、その表示装置１０の所定の地図表示領域には、車両の現在位置に対応する自車位置マークが地図データによって生成された車両周辺の道路地図上に重畳表示される。また、表示装置１０には、その他に、現在時刻、渋滞情報などの他の情報表示を付加的に表示することもできる。
【００３６】
送受信機１１は、外部との通信接続をするための通信機であり、道路に敷設されたビーコンや各地のＦＭ放送局を介して、ＶＩＣＳ（Vehicle Information and Communication System）（登録商標）センタから提供される道路交通情報、気象情報、日付情報、施設情報、広告情報を受信するＶＩＣＳセンサと接続され、この道路交通情報等を制御装置８へ送信する。また、上記制御装置８で処理した情報を送受信機１１から出力することもできる。
【００３７】
スピーカ１３は、音声コントローラ１２から入力された音声出力信号に基づき所定の音声(案内のための音声や画面操作の説明、音声認識結果等)を外部に出力する。
【００３８】
マイク１５は、操作者が発声した音声を電気信号として音声認識装置１４に入力する。音声認識装置１４は、マイク１５から入力された操作者の入力音声と、内部に記憶する認識辞書(不図示)中の語彙データ（比較対照パターン）とを照合し、最も一致度の高いものを認識結果として音声コントローラ１２に入力する。
【００３９】
音声コントローラ１２は、音声認識装置１４を制御するとともに、音声入力のあった操作者に対し、スピーカ１３を通じてトークバック出力制御（音声出力）する。また、音声認識装置１４の認識結果を制御装置８に入力する処理も行う。
【００４０】
制御装置８は、音声認識装置１４からの情報に基づき、操作者の発声に対する所定の処理および操作スイッチ群７あるいはリモコン１７の入力操作に対する所定の処理（たとえば、メモリ９への地図データの記憶処理、地図縮尺変更処理、メニュー表示選択処理、目的地設定処理、経路探索実行処理、経路案内開始処理、現在位置修正処理、表示画面変更処理、音量調整処理等）を実行する。また、制御装置８で処理された経路案内音声情報等は、音声コントローラ１２を介してスピーカ１３から適宜報知される。
【００４１】
ここで、上記目的地設定処理は、リモコン１７または操作スイッチ群７の操作に基づいて行われ、また、経路探索実行処理は、外部メモリ９のユーザモデル記憶部９ａに記憶されたベイジアンネットモデル２０にユーザ情報である年齢層と性別、および状況情報である平日／休日の区別と時間帯とを入力することによりコストテーブルを選択し、その選択したコストテーブルを用いたコスト評価関数Ｃｉに基づいて行われる。その際、経路は複数探索されるようになっていてもよい。さらに、制御装置８は、実際に走行した経路に基づいて、上記ベイジアンネットモデル２０を学習（修正）するようになっている。
【００４２】
図２は、上記制御装置８の制御機能の要部を示すブロック図である。図２に示すように、制御装置８は、ユーザ情報取り込み手段７０と、重み係数決定手段７２と、経路探索手段７４と、ナビゲーション手段７６と、学習手段７８とを備えている。
【００４３】
ユーザ情報取り込み手段７０は、運転者が誰であるかを判定して、その判定した運転者のユーザ情報（すなわち、本実施形態では、そのユーザの年齢層および性別）を、外部メモリ９のユーザ情報記憶部９ｄから取り込む。運転者が誰であるかを判定する方法としては、ここでは、予め登録された複数のユーザのリストを表示装置１０に表示し、その表示装置１０に表示されたリストから、操作スイッチ群７またはリモコン１７の操作により、運転者がどのユーザを選択したかによって判定する。
【００４４】
重み係数決定手段７２は、まず、上記ユーザ情報取り込み手段７０によって取り込んだユーザ情報と、送受信機１１を介して得られる日付情報から決定される平日か休日かの区別、および、車両内部に設けられた図示しない時計からの信号に基づいて決定される時間帯を、ベイジアンネットモデル２０に入力する。そして、これらを入力することによって、コストテーブル集合６０に含まれる各コストテーブルノードについての尤度が決定できるので、尤度の最も高いコストテーブルを選択する。なお、本実施形態では、送受信機１１を介して得られる日付情報から、状況情報である平日／休日の区別を決定するので、送受信機１１は状況情報取り込み手段として機能している。
【００４５】
経路探索手段７４は、重み係数決定手段７２によって選択されたコストテーブル（すなわち一組の重み係数）を用いたコスト評価関数Ｃｉと、地図データ入力器６からの地図データに基づいて、出発地から目的地までの経路探索を行う。なお、出発地は、現在位置であってもよいが、現在位置とは異なる地点がユーザによって設定されてもよい。
【００４６】
ナビゲーション手段７６は、経路探索手段７４によって探索された経路、位置検出器１によって逐次検出される車両の現在位置、および、地図データ入力器６からの地図データに基づいて、経路案内を実行する。
【００４７】
学習手段７８は、目的地に到達後、実際に走行した走行経路と、そのときの状況情報およびユーザ情報とに基づいて、ベイジアンネットモデル２０の学習を実行する。この学習手段７８については、後述する図５で詳しく示す。なお、学習は、目的地に到達後、すぐに実行する必要はなく、所定の学習周期が経過したときに実行するようになっていてもよい。
【００４８】
図４は、図２に示した制御装置８の制御機能のうち、重み係数決定手段７２および経路探索手段７４に相当する機能をフローチャートにして示す図である。図４においては、ステップＳ１０乃至Ｓ４０が重み係数決定手段に相当し、ステップＳ５０乃至Ｓ６０が経路探索手段に相当する。
【００４９】
まず、ステップＳ１０では、ユーザ情報および状況情報を取り込む。すなわち、予め登録されたユーザの一覧を示すユーザリストを表示装置１０に表示し、そのユーザリストから、操作スイッチ群７またはリモコン１７の操作によって選択されたユーザに関する年齢層および性別を、外部メモリ９のユーザ情報記憶部９ｄから読み出す。また、送受信機１１を介して日付情報を取得して、その日付情報から平日／休日の区別を決定し、さらに、車両内部に設けられた時計から信号を取得して時間帯を決定する。
【００５０】
続くステップＳ２０では、ユーザモデル記憶部９ａからベイジアンネットモデル２０を読み込む。そして、続くステップＳ３０では、ユーザの経路の嗜好を推定する。前述のように、ユーザの経路の嗜好は推薦理由５０に対応するので、ステップＳ３０では、推薦理由５０に含まれる各ノード５１、５２、５３の状態を決定する。すなわち、ステップＳ２０において読み込んだベイジアンネットモデル２０に、ステップＳ１０で取得または決定した、ユーザの年齢層、性別、および平日／休日の区別、時間帯を、ベイジアンネットモデル２０の年齢層ノード３２、性別ノード３４、平日／休日ノード４２および時間帯ノード４４にそれぞれ入力する。そして、それらのノード３２、３４、４２、４４の子ノードである道幅ノード５１、制限速度ノード５２、信号機の数ノード５３の状態（大事さ）をそれぞれ決定する。
【００５１】
さらに、続くステップＳ４０では、ステップＳ３０で決定した道幅ノード５１の状態、制限速度ノード５２の状態、信号機の数ノード５３の状態から、コストテーブル集合６０に含まれる各コストテーブルノード６２、６４、６６等の尤度を、コストテーブルノード毎にそれぞれ決定する。
【００５２】
そして、ステップＳ５０では、ステップＳ４０で決定した尤度が最も高いコストテーブルを選択し、その選択したコストテーブルを重み係数として用いたコスト評価関数Ｃｉに基づいて、ダイクストラ法等の所定の手法によって目的地から出発地までの経路を計算する。
【００５３】
続くステップＳ６０では、上記ステップＳ５０で計算した経路を、その経路の推薦理由とともに表示装置１０に表示する。この推薦理由とは、その経路計算に用いたコストテーブルを選択したときのベイジアンネットモデル２０における推薦理由５０内のノード５１、５２、５３のうちで、最も重要度が大きいノードである。
【００５４】
このようにして経路を計算した後は、計算経路に基づいて経路案内を行い、目的地まで到達後、或いは、所定の学習時期となったときに、図５に示すルーチンを実行する。
【００５５】
まず、ステップＳ１００では、走行データ記憶部９ｂから実際に走行した走行経路を読み込み、さらに、ステップＳ１１０では、その走行経路に関連づけて記憶されているその走行時のユーザ情報（年齢層、性別）および状況情報（平日／休日の区別、時間帯）を読み込む。
【００５６】
そして、ステップＳ１２０では、コストテーブル集合６０の中から、予め設定された数の教師コストテーブル候補を決定する。すなわち、まず、ユーザモデル記憶部９ａからベイジアンネットモデル２０を読み込み、その読み込んだベイジアンネットモデル２０に、ステップＳ１１０で読み込んだ年齢層、性別、平日／休日の区分、時間帯を入力し、その結果算出されるコストテーブル集合６０のノード６２、６４、６６等の尤度を比較して、尤度の高いものから順に所定数のコストテーブルを教師コストテーブル候補とする。
【００５７】
続くステップＳ１３０では、ステップＳ１２０で決定した複数の教師コストテーブル候補をそれぞれ用いて経路計算を実行する。すなわち、各教師コストテーブル候補を一組の重み係数として用いたコスト評価関数Ｃｉに基づいて経路計算を実行する。
【００５８】
続くステップＳ１４０では、ステップＳ１３０で計算した複数の計算経路を、ステップＳ１００で読み込んだ走行経路と比較し、計算経路と走行経路との一致度を、各計算経路について決定する。この一致度は、たとえば、出発地から目的地までのＸ座標について、計算経路と走行経路とのＹ座標差を積算することにより行う。そして、比較の結果、走行経路に最も近い計算経路を最近似経路に決定する。なお、ステップＳ１１０乃至Ｓ１４０によって最近似経路決定手段が構成される。また、以下のステップＳ１５０乃至Ｓ２００によって関係修正手段が構成される。
【００５９】
ステップＳ１５０では、ステップＳ１４０において最近似経路を計算したコストテーブルを、教師コストテーブルに決定する。続くステップＳ１６０では、走行経路の道路属性値を算出する。この道路属性値とは、ベイジアンネットモデル２０の推薦理由５０に含まれる各ノード５１、５２、５３に対応する属性に関する値である。すなわち、本実施形態では、道路属性値として、道幅に関する値（たとえば、車線数の平均）、制限速度に関する値（たとえば、平均の制限速度）、信号機の数に関する値（たとえば、信号機の総数）を算出する。
【００６０】
そして、続くステップＳ１７０では、計算経路のうち最も走行経路に近い経路についても同様に道路属性値を算出し、さらに、その算出した道路属性値と、ステップＳ１６０で算出した走行経路の道路属性値との差（道路属性差）を算出する。この道路属性差は、走行経路側を正とすると、信号機の数であれば、たとえば、−１０機のように算出できる。
【００６１】
続くステップＳ１８０では、上記ステップＳ１７０で算出した道路属性差に基づいて、その道路属性差から推薦理由５０の状態を決定する予め設定された対応関係を用いて、推薦理由５０内の各ノード５１、５２、５３の状態を決定する。
【００６２】
続くステップＳ１９０では、ステップＳ１１０で読み込んだユーザ情報および状況情報を入力とし、上記ステップＳ１８０で決定した推薦理由５０を教師として、ベイジアンネットモデル２０におけるユーザ情報３０および状況情報４０（親ノード）と、推薦理由５０（子ノード）との間の関係を学習する。
【００６３】
さらに、ステップＳ２００では、ステップＳ１１０で読み込んだユーザ情報と状況情報、および、上記ステップＳ１８０で決定した推薦理由５０を入力とし、ステップＳ１５０で決定した教師コストテーブルを教師として、ベイジアンネットモデル２０における推薦理由５０（親ノード）と、コストテーブル集合６０（子ノード）との間の関係を学習する。
【００６４】
このようにベイジアンネットモデル２０を学習することにより、以後、図４に示すフローチャートを実行した場合、今回と同じ状況情報に基づいて、今回の走行経路に最も近い最近似経路を探索できる重み係数テーブルが選択されるようになるので、状況情報の変化によって変化するユーザの好みを反映したより適切な経路が探索されるようになる。
【００６５】
以上、説明した本実施形態によれば、平日／休日の区別および時間帯に基づいて、コスト評価関数のコストパラメータに乗じられる重み係数が決定されることから、平日か休日かの違いや時間帯の違いによってユーザの好みが変化するとしても、ユーザの好みに合った経路が探索される。
【００６６】
また、本実施形態によれば、平日／休日の区別および時間帯に加えて、ユーザの年齢層と性別をも用いてコストパラメータに乗じられる重み係数を決定するようになっているので、コストパラメータの重み付けがよりユーザの好みを反映したものとなり、よりユーザの好みを反映した経路を探索できる。
【００６７】
以上、本発明の実施形態を説明したが、本発明は上述の実施形態に限定されるものではなく、次の実施形態も本発明の技術的範囲に含まれ、さらに、下記以外にも要旨を逸脱しない範囲内で種々変更して実施することができる。
【００６８】
たとえば、前述の実施形態において用いたベイジアンネットモデル２０に代えて、図６ベイジアンネットモデル８０を用いることもできる。
【００６９】
図６に示すベイジアンネットモデル８０は、図２に示すベイジアンネットモデル２０における推薦理由５０がなく、ユーザ情報３０および状況情報４０がコストテーブル集合６０の親ノードとなっている点において図２のベイジアンネットモデル２０と異なるのみである。このように、推薦理由５０を省略してユーザ情報３０および状況情報４０から、直接、コストテーブル集合６０に含まれるノード６２の尤度を推定しても良い。
【００７０】
また、前述の実施形態のベイジアンネットモデル２０では、状況情報として、平日／休日の区別と時間帯とを用いていたが、それ以外にも、状況情報としては、曜日、天気、季節、渋滞、同乗者の有無、所持金の程度などを用いることもできる。
【００７１】
また、ユーザ情報の例として、年齢層、性別を示したが、それ以外に、ユーザの住所やユーザの職業、年齢、出身地を用いることもできる。
【００７２】
また、前述の実施形態では、図４で計算した計算経路が走行経路に最も近いかどうかに関係なくベイジアンネットモデル２０を修正していたが、複数のコストテーブルを用いて計算される経路のうちで、図４で計算した計算経路が走行経路に最も近い場合には、ベイジアンネットモデル２０の学習を行わないようにしてもよい。
【００７３】
また、前述の実施形態では、予め登録されたユーザの一覧を示すユーザリストを表示装置１０に表示し、そのユーザリストから、操作スイッチ群７またはリモコン１７の操作によってどのユーザが選択されるかによって、ユーザを識別していたが、画像認識、音声認識等、公知の他のユーザ識別方法によってユーザを識別してもよい。また、ユーザを識別せず、ユーザ情報を直接入力するようになっていてもよい。
【００７４】
また、前述の実施形態では、尤度の最も高い１つのコストテーブルを選択していたが（ステップＳ５０）、次述する図７に示すように、尤度の高い順に、予め定められた複数のコストテーブルを選択し、選択した各コストテーブルに基づいて複数の経路候補を計算し、その中から１つの経路を最良の経路として決定してもよい。
【００７５】
図７において、ステップＳ４０までは図４のステップＳ１０乃至Ｓ４０と同様の処理を実行する。続くステップＳ５１は、経路候補探索手段に相当し、ステップＳ４０で決定した尤度が高いコストテーブルから順に、予め設定された数のコストテーブルを選択し、選択した各コストテーブルをそれぞれ重み係数として用いた複数のコスト評価関数Ｃｉに基づいて、ダイクストラ法等の所定の手法によって目的地から出発地までの複数の経路候補を計算する。
【００７６】
続くステップＳ５２は道路属性嗜好決定手段に相当し、ステップＳ１０で取り込んだユーザ情報および状況情報をベイジアンネットモデルの形態で予め構築された図８に示す道路属性嗜好決定関係１００の各観測ノード３２、３４、４２、４４に入力することにより、道路属性嗜好ノード１１０である右左折回数ノード１１２、走行時間ノード１１４、渋滞箇所数ノード１１６の各尤度を決定する。この尤度は、右左折回数ノード１１２については、たとえば、右左折回数の１０回未満という状態に対する尤度が７０％、右左折回数１０回以上という状態に対する尤度が３０％というように決定できる。
【００７７】
なお、図８に示したもの以外に、道路属性嗜好としては、たとえば、（１）信号の割合（信号の平均間隔）、（２）橋・トンネルなど、通りにくい場所として予め設定された場所が出発地にどれほど近いか、（３）遠回りをしているか、などがあり、いずれも、ダイクストラ法で用いられる道路のリンク単位の嗜好ではなく、経路全体の特徴（嗜好）を表すものである。
【００７８】
続くステップＳ５３は道路属性決定手段に相当し、ステップＳ５１で計算した各経路候補について、道路属性（ここでは、右左折回数、走行時間、渋滞箇所数）を計算する。なお、渋滞箇所数は、地図データに予め記憶されている渋滞箇所を通過する回数である。
【００７９】
続いて、経路確定手段に相当するステップＳ５４乃至Ｓ５５を実行する。ステップＳ５４では、ステップＳ５１で計算した各経路候補の嗜好合致度を算出する。この嗜好合致度は、各経路候補について道路属性（すなわち、ここでは、右左折回数、走行時間、渋滞箇所数）の尤度を合計した値であり、道路属性の尤度は、たとえば、ある経路候補の右左折回数が１１回であるとすると、尤度が３０％というように決定できる。
【００８０】
そして、ステップＳ５５では、嗜好合致度が最も高い経路候補を最良の経路として確定し、続くステップＳ５６では、その決定した最良の経路を表示装置１０に表示する。
【図面の簡単な説明】
【００８１】
【図１】本発明が適用されたカーナビゲーションシステムの全体構成を示すブロック図である。
【図２】図１の制御装置８の制御機能の要部を示すブロック図である。
【図３】図２のユーザモデル記憶部９ａに記憶されているベイジアンネットモデル２０を示す図である。
【図４】図２に示した制御装置８の制御機能のうち、重み係数決定手段７２および経路探索手段７４に相当する機能をフローチャートにして示す図である。
【図５】図２に示す学習手段７８をフローチャートにして示す図である。
【図６】図３とは別のベイジアンネットモデル８０を示す図である。
【図７】図４に代えて実行する制御装置８の制御機能を示すフローチャートである。
【図８】図７のステップＳ５２で道路属性嗜好の決定に用いる道路属性嗜好決定関係の一例を示す図である。
【符号の説明】
【００８２】
９：外部メモリ（記憶装置）
２０：ベイジアンネットモデル（係数決定関係）
７２：重み係数決定手段
７４：経路探索手段
７６：ナビゲーション手段
７８：学習手段
８０：ベイジアンネットモデル（係数決定関係）
１００：道路属性嗜好決定関係
Ｓ５１：経路候補探索手段
Ｓ５２：道路属性嗜好決定手段
Ｓ５３：道路属性決定手段
Ｓ５４乃至Ｓ５５：経路確定手段
Ｓ１１０乃至Ｓ１４０：最近似経路決定手段
Ｓ１５０乃至Ｓ２００：関係修正手段
【特許請求の範囲】
【請求項１】
重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの最良の経路を探索する経路探索手段を有するナビゲーションシステムであって、
短期的に変化する予め設定された種類の状況情報に基づいて前記コストパラメータの重み係数が定まる係数決定関係を記憶した記憶装置と、
その記憶装置に記憶された係数決定関係および実際に検出された前記状況情報に基づいて、前記コストパラメータの重み係数を決定する重み係数決定手段と
を、含むことを特徴とするナビゲーションシステム。
【請求項２】
前記記憶装置に記憶された係数決定関係は、前記状況情報に加えて、ユーザの不変的な情報であるユーザ情報に基づいて、前記重み係数が定まるようになっており、
前記重み係数決定手段は、その係数決定関係、実際に検出された前記状況情報、および、実際のユーザの前記ユーザ情報に基づいて、前記コストパラメータの重み係数を決定するようになっている
ことを特徴とする請求項１に記載のナビゲーションシステム。
【請求項３】
前記係数決定関係は、平日と休日との２つの状態をとる観測変数を有していることを特徴とする請求項１または２記載のナビゲーションシステム。
【請求項４】
前記係数決定関係は、ベイジアンネットワークモデルであることを特徴とする請求項１乃至３のいずれかに記載のナビゲーションシステム。
【請求項５】
前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、一組の重み係数テーブルを選択するものであることを特徴とする請求項１乃至４のいずれかに記載のナビゲーションシステム。
【請求項６】
請求項１乃至４のいずれかに記載のナビゲーションシステムであって、
前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、複数組の重み係数テーブルを選択するものであり、
前記状況情報および前記ユーザ情報に基づいて予め設定された種類の道路属性についての嗜好が決定される道路属性嗜好決定関係を用いて、実際に検出された前記状況情報および実際の前記ユーザ情報からその道路属性の嗜好を決定する道路属性嗜好決定手段をさらに備え、
前記経路探索手段は、
前記重み係数決定手段で選択した複数組の重み係数テーブルをそれぞれ用いて複数の経路候補を探索する経路候補探索手段と、
その経路候補探索手段によって探索された複数の経路候補について、前記道路属性嗜好決定手段によって決定される種類の道路属性を決定する道路属性決定手段と、
その道路属性決定手段によって前記複数の経路候補についてそれぞれ決定された道路属性と、前記道路属性嗜好決定手段によって決定された道路属性嗜好とに基づいて、各経路候補の嗜好合致度を算出して、その嗜好合致度が最も高い経路候補を最良の候補として確定する経路確定手段とを含んでいる
ことを特徴とするナビゲーションシステム。
【請求項７】
請求項５または６に記載のナビゲーションシステムであって、
前記重み係数テーブル集合に含まれる各重み係数テーブルをそれぞれ用いたコスト評価関数に基づいて探索される経路のうち、実際に走行した走行経路に最も近い最近似経路を決定する最近似経路決定手段と、
前記重み係数決定手段において、前記走行経路を走行したときの前記状況情報に基づいて、前記最近似経路決定手段によって決定された最近時経路の探索に用いられた重み係数テーブルが選択されるように、前記係数決定関係を修正する関係修正手段と
を、さらに含むことを特徴とするナビゲーションシステム。
【請求項８】
請求項１乃至７のいずれかに記載のナビゲーションシステムにおける前記重み係数決定手段を実行する係数決定プログラム。
【請求項１】
重み係数が乗じられる複数種類のコストパラメータの総コストを算出するコスト評価関数を用いて出発地から目的地までの最良の経路を探索する経路探索手段を有するナビゲーションシステムであって、
短期的に変化する予め設定された種類の状況情報に基づいて前記コストパラメータの重み係数が定まる係数決定関係を記憶した記憶装置と、
その記憶装置に記憶された係数決定関係および実際に検出された前記状況情報に基づいて、前記コストパラメータの重み係数を決定する重み係数決定手段と
を、含むことを特徴とするナビゲーションシステム。
【請求項２】
前記記憶装置に記憶された係数決定関係は、前記状況情報に加えて、ユーザの不変的な情報であるユーザ情報に基づいて、前記重み係数が定まるようになっており、
前記重み係数決定手段は、その係数決定関係、実際に検出された前記状況情報、および、実際のユーザの前記ユーザ情報に基づいて、前記コストパラメータの重み係数を決定するようになっている
ことを特徴とする請求項１に記載のナビゲーションシステム。
【請求項３】
前記係数決定関係は、平日と休日との２つの状態をとる観測変数を有していることを特徴とする請求項１または２記載のナビゲーションシステム。
【請求項４】
前記係数決定関係は、ベイジアンネットワークモデルであることを特徴とする請求項１乃至３のいずれかに記載のナビゲーションシステム。
【請求項５】
前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、一組の重み係数テーブルを選択するものであることを特徴とする請求項１乃至４のいずれかに記載のナビゲーションシステム。
【請求項６】
請求項１乃至４のいずれかに記載のナビゲーションシステムであって、
前記重み係数決定手段は、前記コスト評価関数に含まれる複数の重み係数を一組とする重み係数テーブルが複数組含まれる重み係数テーブル集合から、複数組の重み係数テーブルを選択するものであり、
前記状況情報および前記ユーザ情報に基づいて予め設定された種類の道路属性についての嗜好が決定される道路属性嗜好決定関係を用いて、実際に検出された前記状況情報および実際の前記ユーザ情報からその道路属性の嗜好を決定する道路属性嗜好決定手段をさらに備え、
前記経路探索手段は、
前記重み係数決定手段で選択した複数組の重み係数テーブルをそれぞれ用いて複数の経路候補を探索する経路候補探索手段と、
その経路候補探索手段によって探索された複数の経路候補について、前記道路属性嗜好決定手段によって決定される種類の道路属性を決定する道路属性決定手段と、
その道路属性決定手段によって前記複数の経路候補についてそれぞれ決定された道路属性と、前記道路属性嗜好決定手段によって決定された道路属性嗜好とに基づいて、各経路候補の嗜好合致度を算出して、その嗜好合致度が最も高い経路候補を最良の候補として確定する経路確定手段とを含んでいる
ことを特徴とするナビゲーションシステム。
【請求項７】
請求項５または６に記載のナビゲーションシステムであって、
前記重み係数テーブル集合に含まれる各重み係数テーブルをそれぞれ用いたコスト評価関数に基づいて探索される経路のうち、実際に走行した走行経路に最も近い最近似経路を決定する最近似経路決定手段と、
前記重み係数決定手段において、前記走行経路を走行したときの前記状況情報に基づいて、前記最近似経路決定手段によって決定された最近時経路の探索に用いられた重み係数テーブルが選択されるように、前記係数決定関係を修正する関係修正手段と
を、さらに含むことを特徴とするナビゲーションシステム。
【請求項８】
請求項１乃至７のいずれかに記載のナビゲーションシステムにおける前記重み係数決定手段を実行する係数決定プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２００７−１０５７１（Ｐ２００７−１０５７１Ａ）
【公開日】平成１９年１月１８日（２００７．１．１８）
【国際特許分類】
【出願番号】特願２００５−１９４１０３（Ｐ２００５−１９４１０３）
【出願日】平成１７年７月１日（２００５．７．１）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【出願人】（５０２３２４０６６）株式会社デンソーアイティーラボラトリ (332)
【Ｆターム（参考）】
【公開日】平成１９年１月１８日（２００７．１．１８）
【国際特許分類】
【出願日】平成１７年７月１日（２００５．７．１）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【出願人】（５０２３２４０６６）株式会社デンソーアイティーラボラトリ (332)
【Ｆターム（参考）】
[ Back to top ]