交通情報予測システム、コンピュータプログラム、及び、交通情報予測方法
【課題】広範な領域で交通情報を適切に求める。
【解決手段】本発明の交通情報予測システムは、複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測システム１１と、予測システム１１による予測のための予測用パラメータを学習する学習システム１２とを備えている。予測システム１１は、更に、予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いる。
【解決手段】本発明の交通情報予測システムは、複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測システム１１と、予測システム１１による予測のための予測用パラメータを学習する学習システム１２とを備えている。予測システム１１は、更に、予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、交通情報を予測する交通情報予測システム、交通情報を予測するためのコンピュータプログラム、及び、交通情報予測方法に関する。
【背景技術】
【０００２】
道路の交通情報をドライバーに提供する技術として、財団法人道路交通情報通信システムセンターによるＶＩＣＳ（Vehicle Information and Communication System：なお、「ＶＩＣＳ」は上記財団法人の登録商標）が広く知られている。
このＶＩＣＳは、各種の路側センサ（車両感知器やループコイル等）から収集した車両台数や車両速度等よりなる定点観測情報に基づいて、各路線での渋滞やリンク旅行時間を含む交通情報を集計し、その交通情報を、ビーコンによる狭域通信やＦＭ放送等の広域通信によってドライバーに提供するものである。
【０００３】
また、道路の交通情報をドライバーに提供する他の技術として、プローブカーを利用した交通情報推定システム（以下、プローブシステムという。）も知られている。
このプローブシステムは、例えば特許文献１および２に示すように、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するもので、現時点の車両位置や時刻等のプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平５−１５１４９６号公報
【特許文献２】特開２００５−４４６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路等の一部の道路に関してしか得られない。一方、プローブシステムでは、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するため、路側センサが設置されていない道路に関しても、交通情報を取得することが可能となる。
【０００６】
しかし、現状では、プローブカーの台数は非常に少なく、ＶＩＣＳ及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【０００７】
そこで、ＶＩＣＳ及びプローブシステムからデータが得られていない道路リンクについては、別の道路リンクの交通情報に基づいて、交通情報を推定することが考えられる。例えば、ある道路リンクの交通情報は、当該道路リンクに接続している道路リンク又はその他関連のある道路リンクにおける交通情報との相関が認められる。このような相関関係を利用すれば、別の道路リンクの交通情報を用いて、推定対象となる道路リンクの交通情報を推定して補完することができる。
しかし、このような処理を、非常に広範な領域で行おうとすると、道路リンクの数が非常に多くなり、推定等の処理の演算負荷が増大する。
【０００８】
そこで、本発明は、広範な領域で交通情報を適切に求めるための新たな技術を提供することを目的とする。
【課題を解決するための手段】
【０００９】
（１）本発明は、予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測システムであって、複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測部と、前記分割領域用の予測部が予測対象の道路リンクの交通情報を予測するために用いる予測用パラメータを学習する学習部と、
を備え、前記分割領域用の予測部は、更に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする。
【００１０】
本発明によれば、複数ある分割領域毎に、予測対象の道路リンクの交通情報を予測することができ、複数の分割領域を含む全領域が広範であっても、交通情報の予測を、分散化して行わせることが可能となる。また、交通情報を予測するために用いられる予測用パラメータは学習されることから、適切な交通情報の予測が可能となる。
さらに、交通情報の予測を分割領域毎に行うと、特に分割領域の境界付近における道路リンクは、隣接する他の分割領域の道路リンクとの相関が高い場合があるにもかかわらず、当該他の分割領域の道路リンクの交通情報を考慮できない、という問題点が生じるが、本発明によれば、分割領域用の予測部は、予測対象の道路リンクが含まれる領域以外の他の分割領域に含まれる道路リンクの交通情報を、更に用いることで、前記問題点を解消することができる。
【００１１】
（２）また、前記交通情報予測システムは、複数の前記分割領域に跨って繋がる複数の道路リンクがグループ化された道路リンク群に含まれる、予測対象の道路リンクの交通情報の予測を、当該道路リンク群に含まれる他の道路リンクの交通情報を用いて行う道路リンク群用の予測部を備えているのが好ましい。
この場合、交通情報の変化に関して関連性の高い複数の道路リンクが、複数の分割領域に跨って繋がっていても、これら道路リンクをグループ化して道路リンク群を構成させれば、前記道路リンク群用の予測部は、分割領域に影響されずに、道路リンク群に含まれる予測対象の道路リンクの交通情報を予測することができる。
なお、交通情報予測システムが、この道路リンク群用の予測部を備えている場合、道路リンク群に含まれる道路リンクは、前記（１）の分割領域用の予測部によって交通情報が予測される道路リンク（予測対象の道路リンク）から除かれてもよいが、道路リンク群用の予測部及び分割領域用の予測部の双方によって交通情報が予測されてもよく、この場合、双方によって予測された交通情報は共に蓄積され、交通情報予測システムは、これら交通情報を、場合に応じて適宜選択して用いることができる。
【００１２】
（３）ところで、このような交通情報予測システムでは、実測値に基づく交通情報が得られていない道路リンクの交通情報を求める（予測する）場合に、その求めた（予測した）交通情報の精度をできるだけ高めることが、第２の課題として存在する。
そこで、本発明の交通情報予測システムにおいて、前記所定の分割領域において、予測対象の道路リンクになり得る道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部を、更に備え、前記学習部は、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習し、前記分割領域用の予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測するのが好ましい。
【００１３】
この場合、実測値に基づく交通情報が取得された道路リンク以外の、他の道路リンクの交通情報が、推定部によって推定されるので、実測値が取得されなかった道路リンクの交通情報は、当該推定により補完される。そして、この補完された交通情報を用いて、予測部が、後に到来する所定時刻における予測対象の道路リンクの交通情報を予測するので、予測して得られる交通情報の精度を高めることが可能となる。
【００１４】
なお、この交通情報予測システムは、前記第２の課題を解決するものであり、「分割領域」の設定の有無に関わらず、前記（３）に記載の構成を備えた交通情報予測システムとすることができる。
すなわち、前記第２の課題を解決するための本発明の技術的特徴は、予測対象の道路リンクの交通情報を、他の道路リンクの交通情報及び予測用パラメータを用いて予測する予測部を備えた交通情報予測システムであって、予測対象の道路リンクになり得る道路リンクに関して道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部と、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習する学習部と、を備え、前記予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測することを特徴とする。
【００１５】
（４）また、前記各交通情報予測システムにおいて、前記予測部が、前記予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報は、当該予測対象となる道路リンクの交通情報を含まないで、当該予測対象となる道路リンク以外の他の道路リンクの交通情報のみであるのが好ましい。
仮に、予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報に、当該予測対象となる道路リンクの、例えば現在や過去の交通情報が含まれていると、相互では強い相関を持つために多重共線性による問題が発生するおそれがあるが、前記構成によれば、この問題の発生を防ぐことが可能となる。
【００１６】
（５）また、前記各交通情報予測システムにおいて、前記学習部によって学習されることにより更新される前記予測用パラメータの初期値を、乱数によって求める乱数発生部を備えているのが好ましく、この場合、予測用パラメータの初期値に乱数を用いることにより、予測用パラメータの値それぞれは強い相関を持たず、多重共線性による問題の発生を防ぐことができる。
【００１７】
（６）また、本発明は、コンピュータを、前記（１）から（５）のいずれか一項に記載の交通情報予測システムとして機能させるためのコンピュータプログラムである。
【００１８】
（７）また、本発明は、複数の道路リンクが含まれる領域における前記道路リンクの交通情報を、前記領域に含まれる他の道路リンクの交通情報に基づいて予測する交通情報予測方法であって、前記領域が複数に分割された各分割領域に含まれる予測対象の道路リンクの交通情報を予測する際に、前記予測対象の道路リンクが含まれる分割領域と同一の分割領域に含まれる他の道路リンクの交通情報の他に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする。
【００１９】
本発明によれば、領域が複数に分割された分割領域毎に、予測対象の道路リンクの交通情報を予測することができるため、領域が広範であっても、交通情報の予測を、分散化して行わせることが可能となる。
そして、交通情報の予測を分割領域毎に行うと、特に分割領域の境界付近における道路リンクは、隣接する他の分割領域の道路リンクとの相関が高い場合があるにもかかわらず、当該他の分割領域の道路リンクの交通情報を考慮できない、という問題点が生じるが、本発明によれば、予測対象の道路リンクが含まれる領域以外の他の分割領域に含まれる道路リンクの交通情報を、更に用いることで、前記問題点を解消することができる。
【発明の効果】
【００２０】
本発明によれば、複数の道路リンクが含まれる領域が広範であっても、当該領域が複数に分割された分割領域毎に処理が行われるので、交通情報の予測を、分散化して行うことが可能となり、この予測のための処理の演算負荷が増大するのを防ぐことができる。
【図面の簡単な説明】
【００２１】
【図１】交通情報予測システムを有する交通情報システムを示している説明図である。
【図２】分割領域及び交通情報予測システムの説明図である。
【図３】交通情報予測装置の説明図である。
【図４】「リンク旅行速度−速度情報」変換情報の一例を示している図である。
【図５】予測装置で用いられるニューラルネットワークを示している図である。
【図６】交通情報予測方法を示しているフロー図である。
【図７】（ａ）は第１の分割領域用の交通情報データベース、（ｂ）はその重みデータベースの一例を示しており、ステップＳ１０２を説明する説明図である。
【図８】ステップＳ１０３を説明する説明図である。
【図９】ステップＳ１０３を説明する説明図である。
【図１０】（ａ）は第２の分割領域用の交通情報データベース、（ｂ）はその重みデータベースの一例を示しており、ステップＳ２０２を説明する説明図である。
【図１１】ステップＳ２０３を説明する説明図である。
【図１２】ステップＳ１０４を説明する説明図である。
【図１３】ステップ（推定ステップ）Ｓ１０５を説明する説明図である。
【図１４】ステップ（学習ステップ）Ｓ１０６を説明する説明図である。
【図１５】ステップＳ２０４を説明する説明図である。
【図１６】ステップ（推定ステップ）Ｓ２０５を説明する説明図である。
【図１７】ステップ（学習ステップ）Ｓ２０６を説明する説明図である。
【図１８】ステップＳ１０７及びステップＳ１０８を説明する説明図である。
【図１９】ステップＳ１０９を説明する説明図である。
【図２０】ステップ（予測ステップ）Ｓ１１０を説明する説明図である。
【図２１】ステップＳ２０７及びステップＳ２０８を説明する説明図である。
【図２２】ステップＳ２０９を説明する説明図である。
【図２３】ステップ（予測ステップ）Ｓ２１０を説明する説明図である。
【図２４】次のタイムスロットでの処理の開始状態を説明する説明図である。
【図２５】次のタイムスロットでの処理の開始状態を説明する説明図である。
【図２６】学習システムによる学習処理の手順を示しているフロー図である。
【図２７】分割領域及び交通情報予測システムの説明図である。
【発明を実施するための形態】
【００２２】
以下、本発明の実施の形態を図面に基づいて説明する。
［１．全体構成］
図１は、交通情報予測システム１を有する交通情報システムを示している。この交通情報システムは、交通情報予測システム１のほか、車載装置２を搭載したプローブ車両３、車載装置２と無線通信する路側通信機４及び路側センサ５等を含む。
【００２３】
前記交通情報予測システム１は、ＶＩＣＳ情報及びプローブ情報等の交通情報（観測情報）を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、交通情報予測システム１は、交通情報に基づいて、信号機制御や交通管制等の各種の交通用処理を行う交通管制システムの一部として構成することもできる。
【００２４】
この交通情報予測システム１は、処理装置（ＣＰＵ）及び記憶装置を有するコンピュータによって構成されている。このシステム１は、複数台のコンピュータによって構成することができるが、１台のコンピュータによって構成されていてもよい。各コンピュータの記憶装置には、当該コンピュータを、交通情報予測システム１として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記処理装置によって実行され、前記処理装置が前記記憶装置等に対し入出力を行うことで、交通情報予測システム１としての機能を実現する。なお、以下に説明する交通情報予測システム１の機能は、特に断らない限り、前記コンピュータプログラムによって実現されるものである。
【００２５】
前記車載装置２は、プローブ車両３の観測情報としてプローブ情報を生成し、路側通信機４に無線送信する。プローブ情報は、プローブ車両の位置、当該位置の通過速度、当該位置の通過時刻及びプローブ車両の車両ＩＤ等を含む交通情報である。また、プローブ情報には、その他の情報を含めてもよい。なお、プローブ車両の位置は、車載装置２が有するＧＰＳ受信機によって受信したＧＰＳ信号に基づいて算出される。
【００２６】
前記路側通信機４は、車載装置２との間で無線通信によって情報の送受信を行うものである。具体的には、路側通信機４は、車載装置２が送信した観測情報としてのプローブ情報を受信し、交通情報予測システム（中央装置）１に転送する。また、路側通信機４は、交通情報予測システム（中央装置）１から、車両への提供用の交通情報を取得し、その交通情報を、車載装置２に送信することができる。なお、路側通信機４と交通情報予測システム１との間は、通信回線によって接続されている。
【００２７】
前記路側センサ５は、観測情報（実測値）としての交通情報を検出するためのものであり、例えば、直下を通行する車両を超音波感知する車両感知器や、インダクタンス変化で車両を感知するループコイル、或いは、カメラの映像を画像処理して交通量や車両速度する計測する画像感知器よりなり、交差点に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路等に設置されている。
【００２８】
路側センサ５によって検出した観測情報は、通信回線を介して、ＶＩＣＳセンタサーバ６に送信され、このＶＩＣＳセンタサーバ６では、路側センサ５の観測情報に基づいて、ＶＩＣＳ情報を生成する。このＶＩＣＳ情報は、通信回線を介して、交通情報予測システム１に送信される。
【００２９】
前記ＶＩＣＳ情報は、各道路リンクでの渋滞やリンク旅行時間を含む交通情報である。ＶＩＣＳ情報は、路側センサ５から所定のタイムスロット毎に（例えば１５分ごとに）観測情報を取得して、情報更新されるため、時間的に高密度な情報が得られる。しかし、路側センサ５はすべての道路に設置されているわけではなく（主要道路でも２０％以下）、エリアカバー率が低い。
一方、前記プローブ情報は、道路を走行するプローブ車両３から取得するため、エリアカバー率を高くすることが可能である。ただし、プローブ車両３となるための車載装置２の普及率がまだ低いため、時間的に低密度のデータしか得られない。
【００３０】
つまり、所定の領域内の道路に、複数の道路リンクを設定した場合、ＶＩＣＳ情報が得られる道路リンクについては、ＶＩＣＳ情報の更新単位時間毎に（所定のタイムスロット毎に）常に交通情報（ＶＩＣＳ情報）が得られる。一方、ＶＩＣＳ情報が得られない道路リンクについては、ＶＩＣＳ情報の更新単位時間毎にみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。本実施形態では、前記更新単位時間が１タイムスロットであり、この１タイムスロット内は同じ時刻であるとみなす。つまり、現在時刻が属するタイムスロット内で、実際には異なる時刻にＶＩＣＳ情報やプローブ情報が複数取得されても、これら情報は同じタイムスロット内で取得されているので、これら情報は同じ時刻（現在時刻）で取得されているといえる。
【００３１】
また、本実施形態では、複数の道路リンクを含んでおり交通情報の生成が必要とされる領域（対象領域）の全体は、複数に分割されている。つまり、前記対象領域は、分割された複数の分割領域の集合によって構成されている。なお、前記対象領域とは、例えば、ある国又は地域の全部又は一部の領域が相当する。したがって、分割領域の数は、現実には、数百から数万程度となる場合もあるが、本実施形態では、図２に示すように、対象領域全体を、２個の分割領域（第１分割領域と第２分割領域）に分割した場合として説明する。なお、分割領域は「メッシュ」とよばれることもある。
【００３２】
［２ 交通情報予測システムについて］
［２．１ 交通情報予測システムの全体構成］
交通情報予測システム１は、前記対象領域における道路リンクの交通情報を、当該対象領域に含まれる他の道路リンクの交通情報に基づいて予測する機能を有しており、図２に示すように、第１分割領域を管理する第１の交通情報予測装置７と、第２分割領域を管理する第２の交通情報予測装置７とを備えている。以下において、各交通情報予測装置７を簡単に予測装置７ともよぶ。各予測装置７は、自己が管理する分割領域に含まれる道路リンクの交通情報を取得及び予測する等、自己が管理する分割領域における交通情報に関する処理を実行する。
【００３３】
図２では、各予測装置７は１台のコンピュータによって構成されている場合を示しているが、各予測装置７は、予測等の処理機能を発揮するためのコンピュータプログラム（分割領域用交通情報予測コンピュータプログラム）に対応していると考えることができ、ハードウェアとしてのコンピュータに対応する必要はない。このため、二つの予測装置７，７を１台のコンピュータによって構成してもよく、１台のコンピュータに、複数の予測装置７，７の機能を担わせてもよい。交通情報予測システム１を構成するために、何台のコンピュータを使用するかは、コンピュータの処理速度や記憶容量によって適宜決定すればよく、図示した装置数に限定されるものではない。
【００３４】
［２．２ 予測装置７について］
予測装置７，７はそれぞれ同じ構成及び同じ機能を有している。各予測装置７は、図３に示しているように、自己が管理する分割領域において、ＶＩＣＳ情報及び／又はプローブ情報に基づいて交通情報を取得する入力情報取得部１６、ＶＩＣＳ情報もプローブ情報も得られない現在のタイムスロットにおける道路リンクの交通情報を推定するために、推定用パラメータを用いて当該道路リンクの交通情報を推定する推定システム（分割領域用の推定部）１０、後に到来するタイムスロットにおける道路リンクの交通情報を、予測用パラメータを用いて予測する予測システム（分割領域用の予測部）１１、前記推定用パラメータ及び前記予測用パラメータを学習する学習システム（学習部）１２を備えている。なお、推定システム１０と予測システム１１とは同様の処理を行うことから、同じ機能部として構成することができる。
なお、推定とは、現在時刻が含まれているタイムスロットの速度情報を求める処理であり、予測とは、現在時刻が含まれているタイムスロットよりも先の（未来の）タイムスロットの速度情報を求める処理である。
【００３５】
また、本実施形態では、交通情報予測システム１は、分割領域毎の道路リンクの交通情報を予測する前記予測システム（分割領域用の予測部）１１以外に、複数の分割領域に跨って繋がっている複数の道路リンクがグループ化された道路リンク群に含まれる、道路リンクの交通情報を予測する道路リンク群用の予測システム（道路リンク群用の予測部）２１を備えている（図２７参照）。この予測システム２１については、後に説明する。
【００３６】
このような各予測装置７を備えた交通情報予測システム１によれば、各予測装置７は、自己が管理する分割領域において、後に到来するタイムスロットにおける道路リンクの交通情報を予測することで、ＶＩＣＳ情報やプローブ情報が得られなくても、システム１は、精度が高い交通情報を車両（ナビゲーションシステム）に提供したり、精度良く交通管制を行ったりすることが可能となり、また、これら提供及び交通管制を事前に行うことが可能となる。
なお、以下では、ＶＩＣＳ情報もプローブ情報も得られず交通情報を推定して補完する必要がある道路リンクを「推定対象道路リンク」という。また、後に到来するタイムスロットにおける交通情報を予測する道路リンクを「予測対象道路リンク」という。
【００３７】
図３において、各予測装置７は、交通情報等を蓄積する交通情報データベース１３、この交通情報データベース１３におけるデータのうち、学習システム１２による学習に用いられるデータを蓄積する学習データベース１４、及び、推定用パラメータ及び予測用パラメータ（以下の実施形態では「重み」）を蓄積するパラメータデータベース（重みデータベース）１５を記憶装置上に備えている。
【００３８】
［２．２．１ 入力情報処理部］
前記入力情報処理部１６は、各予測装置７が取得したＶＩＣＳ情報及びプローブ情報（以下、両情報を総称する場合、「入力情報」という）に対する処理を行う。入力情報処理部１６は、入力情報から、各リンクの「速度情報」を生成する処理を行い、生成した「速度情報」は、交通情報データベース１３に与えられ、交通情報データベース１３の更新に用いられる。
【００３９】
入力情報処理部１６は、取得したＶＩＣＳ情報から「速度情報」を生成するＶＩＣＳ情報処理機能と、取得したプローブ情報から「速度情報」を生成するプローブ情報処理機能とを備えている。ＶＩＣＳ情報処理機能は、ＶＩＣＳ情報に基づいて得られるリンク旅行時間から、当該道路リンクのリンク旅行速度を算出し、このリンク旅行速度を当該道路リンクの「速度情報」に変換する機能である。
【００４０】
ＶＩＣＳ情報処理機能は、リンク旅行速度を算出しようとする道路リンクのリンク長を、当該道路リンクのリンク旅行時間で除することで、リンク旅行速度［ｋｍ／ｈ］を算出する。なお、分割領域内の全道路リンクのリンク長は、予め記憶装置に格納されている。
さらに、ＶＩＣＳ情報処理機能は、求めたリンク旅行速度を「速度情報」（規格化速度）という指標値（速度指標情報）に変換する。この変換は、予測装置７に予め設定された「リンク旅行速度−速度情報」変換情報を参照することで行われる。「リンク旅行速度−速度情報」変換情報は、例えば図４に示すように設定することができる。
【００４１】
プローブ情報処理機能は、プローブ情報に含まれる位置及び時刻に基づいて、道路リンクのリンク旅行速度を算出し、前記「リンク旅行速度−速度情報」変換情報を参照することにより、算出したリンク旅行速度を「速度情報」（規格化速度）という指標値（速度指標情報）に変換する。その処理内容は、ＶＩＣＳ情報処理機能と同様である。
【００４２】
［２．２．２ 学習処理、速度情報の推定及び予測のためのモデル］
図５は、各予測装置７で用いられるニューラルネットワークを示しており、このニューラルネットワークは、推定システム１０が推定対象道路リンクの速度情報を推定する際、及び、予測システム１１が予測対象道路リンクの速度情報を予測する際に用いられる。そして、学習システム１２が、このニューラルネットワークを最適化（学習）する処理を実行する。
このニューラルネットワークは、０〜１の値をとるＮ個の入力信号ｘｉ（ｉ：１〜Ｎ）それぞれに、重みｗｉを乗じて、出力値ｙを生成する単純パーセプトロンとして構成されている。
【００４３】
推定システム１０による推定処理では、入力信号ｘｉは、推定対象道路リンク以外の他の道路リンクの速度情報（規格化速度）であってもよいが、推定対象道路リンクの速度情報（規格化速度）及びそれ以外の他の道路リンクの速度情報（規格化速度）の双方であってもよい。そして、出力値ｙは、推定対象道路リンクの速度情報（規格化速度）である。
予測システム１１による予測処理では、入力信号ｘｉは、予測対象道路リンク以外の他の道路リンクの速度情報（規格化速度）であるが、予測対象道路リンクの速度情報（規格化速度）及びそれ以外の他の道路リンクの速度情報（規格化速度）の双方であってもよい。そして、出力値ｙは、予測対象道路リンクの速度情報（規格化速度）である。
【００４４】
前記推定処理及び前記予測処理それぞれにおいて、重みｘｉは、複数の道路リンクそれぞれの速度情報を、どの程度の割合で反映させるかという値である。例えば、予測対象道路リンクとの相関の高い道路リンクほど大きな値に設定されるべきであり、相関が低い道路リンクほど小さな値に設定されるべきものである。
また、図５では、一般的な単純パーセプトロンとは異なり、入力信号ｘｉに乗じられることなく加算される独立パラメータｗ０が設けられている。
【００４５】
以上のように、推定システム１０及び予測システム１１それぞれが、ある道路リンク（推定対象道路リンク、予測対象道路リンク）の速度情報を求めるためには、当該道路リンクとの相関が多少なりとも認められる道路リンク（本実施形態では、予測対象道路リンクに隣接する道路リンク）の速度情報と、当該道路リンクの速度情報をどの程度ほど対象道路リンクの速度情報に反映させるかを示す重みと、が得られればよい。
そして、各道路リンクの速度情報は、交通情報データベース１３に蓄積されており、各重みは重みデータベース１５に蓄積されており、推定システム１０及び予測システム１１は、両データベース１３，１５から必要な情報を取得し演算処理を実行する。
【００４６】
また、前記ニューラルネットは道路リンク毎について設けられており、推定システム１０及び予測システム１１それぞれは、複数の道路リンクそれぞれの速度情報を、関連する道路リンク（関連道路リンク）における速度情報及びその寄与度を示すパラメータ（重み）を用いて求めることができる。そして、学習システム１２は、各道路リンクについて設けられている前記ニューラルネットワークの推定用パラメータ及び予測用パラメータを最適化する処理を実行する。
【００４７】
［２．２．３ 推定システム、予測システム及び学習システムによる処理の概要］
図６は、第１の予測装置７及び第２の予測装置７それぞれによって実行される交通情報予測方法を示している。図６の左側は第１の予測装置７による処理、右側は第２の予測装置７による処理を示している。
両予測装置７，７それぞれにおいて、交通情報データベース１３、学習データベース１４及び重みデータベース１５に所定の値（例えば、初期値）が設定されている（ステップＳ１０１，Ｓ２０１）。なお、重みデータベース１５に設定される各重みの初期値は、乱数によって設定されるのが好ましい。
【００４８】
予測装置７，７それぞれは、ＶＩＣＳ情報やプローブ情報（入力情報）を取得すると、入力情報処理部１６が入力情報から速度情報を生成し、速度情報を交通情報データベース１３に記憶させ、交通情報データベース１３を更新する（ステップＳ１０２，２０２）。なお、速度情報が取得できる道路リンクは、分割領域それぞれに含まれている全道路リンクのうちの一部であり、速度情報が得られない道路リンクがある。
【００４９】
ステップＳ１０２，２０２で、入力情報（実測値）が取得されている場合、この実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されている他の道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０３，２０３）。
【００５０】
ここで、予測装置７，７それぞれは、自己の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部（または全部）を他の予測装置７に対して送信することができる。
そこで、予測装置７，７それぞれは、他の分割領域に含まれている道路リンクに関して生成されている実測値に基づく速度情報を取得し、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０４，２０４）。
【００５１】
実測値に基づく速度情報を生成できる道路リンクは、各分割領域内の道路リンクの内の一部であるため、予測装置７，７それぞれの推定システム１０は、自己の分割領域に含まれている道路リンクであって実測値に基づく速度情報を生成できていない道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５に蓄積されている推定用パラメータを用いて、推定して補完し、推定結果を交通情報データベース１３に蓄積させる（ステップＳ１０５，２０５）。
【００５２】
この推定処理の際、推定システム１０は、自己が管理する分割領域に含まれる推定対象道路リンクの速度情報の推定を、当該推定対象道路リンクが含まれる自己の分割領域と同一の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測装置７，７それぞれは、前記ステップＳ１０４，２０４で、他の分割領域における実測値に基づく速度情報を取得しているため、それぞれの推定システム１０は、推定対象の道路リンクが含まれる自己の分割領域以外の、他の分割領域に含まれる道路リンクの速度情報も用いることができる。
【００５３】
そして、予測装置７，７それぞれの学習システム１２は、実測値に基づく速度情報と、この実測値に基づく速度情報が取得された道路リンクの速度情報を推定するために用いられる道路リンクの速度情報であって前記ステップＳ１０５，２０５で交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する。そして、学習して得た推定用パラメータは、重みデータベース１５に蓄積され、重みデータベース１５のうちの推定用パラメータの項目について更新される（ステップＳ１０６，２０６）。
【００５４】
さらに、予測装置７，７それぞれにおいて、ステップＳ１０２，２０２で自己の分割領域に含まれている道路リンクに関して取得された実測値に基づく速度情報と、この実測値に基づく速度情報が取得された道路リンクの速度情報を予測するために用いられる道路リンクの速度情報であって交通情報データベース１３に蓄積されている過去のタイムスロットにおける道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０７，２０７）。
すると、予測装置７，７それぞれの学習システム１２は、前記スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た予測用パラメータは、重みデータベース１５に蓄積され、重みデータベース１５の内の予測用パラメータの項目について更新される（ステップＳ１０８，２０８）。
【００５５】
ここで、予測装置７，７それぞれは、自己の分割領域における道路リンクの速度情報を生成及び推定すると、その一部（または全部）を他の予測装置７に対して送信することができる。
そこで、予測装置７，７それぞれは、他の分割領域に含まれている道路リンクの速度情報を取得し、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０９，２０９）。
【００５６】
そして、予測装置７，７それぞれの予測システム１１は、後に到来するタイムスロットにおける予測対象道路リンクの速度情報を、ステップＳ１０８，２０８で学習して得た予測用パラメータ、及び、ステップＳ１０９，２０９において交通情報データベース１３に蓄積された他の道路リンクの速度情報を用いて、予測し、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ１１０，２１０）。
【００５７】
この予測処理の際、予測装置７，７それぞれの予測システム１１は、自己が管理する分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる自己の分割領域と同一の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測装置７，７それぞれは、前記ステップＳ１０９，２０９で、他の分割領域における速度情報を取得しているため、それぞれの予測システム１１は、予測対象道路リンクが含まれる自己の分割領域以外の、他の分割領域に含まれる道路リンクの速度情報も用いる。
【００５８】
ステップＳ１１０，２１０で更新された交通情報データベース１３に蓄積されている各道路リンクの速度情報は、交通情報予測システム１において集約され、また、装置外部に出力される。出力の具体例としては、予測装置７のディスプレイに表示されるか、車載装置２への提供情報として出力される。
【００５９】
また、以上のステップＳ１０２（２０２）からステップＳ１１０（２１０）の処理は、速度情報が取得・生成される度に繰り返し実行される。つまり、本実施形態の交通情報予測システム１では、ＶＩＣＳ情報の更新周期（例えば１５分）に合わせて、ＶＩＣＳ情報及びプローブ情報を取得して、速度情報を生成するため、ステップＳ１０２からステップＳ１１０の処理は、ＶＩＣＳ情報の更新周期（例えば１５分）に合わせて繰り返し実行されることになる。
【００６０】
以上の処理により、分割領域それぞれの道路リンクの速度情報の予測値が得られ、対象領域全体の道路リンクの速度情報の予測値が得られる。
そして、本実施形態によれば、対象領域が広範であり、対象領域に含まれる道路リンクの数が非常に多くても、対象領域が複数に分割された分割領域毎に速度情報が推定され、予測され及び学習されるので、分割領域単位で処理を分散化することができ、コンピュータによる処理の演算負荷が増大するのを防ぐことができる。そして、速度情報を推定、予測するために用いられるパラメータは学習されることから、このシステム１の運用が継続される毎に、適切な速度情報を求めることが可能となる。
【００６１】
［２．３ 推定システム、予測システム及び学習システムによる処理の具体例］
［２．３．１ 道路リンクについて］
図２のように接続された道路リンクを想定する。図２中のＶｍ−ｘは、道路リンクの速度情報（規格化速度：０〜１の値）を示している。また、Ｖｍ−ｘにおける添え字ｍは、分割領域の領域番号を示しており、本実施形態では、第１の分割領域に含まれる道路リンクではｍが「１」となり、第２の分割領域に含まれる道路リンクではｍが「２」となる。添え字ｘは、道路リンクのリンク番号を示しており、「１」から「５」の値をとる。図２では、合計１０個の道路リンクが存在しており、各道路リンクの矢印方向は、車両の進行方向を示している。
【００６２】
［２．３．２ 交通情報データベースについて］
図７（ａ）は第１の分割領域用の交通情報データベース１３の一例を示している。交通情報データベース１３は、タイムスロット毎の「速度情報」、「関連道路リンク情報」のデータ項目を、道路リンク毎に有しており、各道路リンクについてそれぞれのデータ項目の値を保存可能なものである。なお、図示していないが、各道路リンクのリンク長を示す「リンク長」のデータ項目も、道路リンク毎に有している。図７（ａ）では、説明を容易とするために速度情報に０が記憶されている。
【００６３】
前記データ項目のうち、「速度情報」は、各道路リンクの速度情報がセットされる項目であり、現在のタイムスロットの速度情報の他、現在のタイムスロットにおける推定速度情報、将来（図例では現在よりも１つ先、２つ先及び３つ先）のタイムスロットにおける速度情報、過去（図例では現在よりも１つ前、２つ前３つ前及び４つ前）のタイムスロットにおける速度情報、及び、現在のタイムスロットにおいて入力情報として取得されたプローブ情報やＶＩＣＳ情報（実測値）に基づく速度情報を記憶させることができる。
図７（ａ）は、第１の予測装置７が第１の分割領域の情報を管理するために用いられる交通情報データベース１３ではあるが、速度情報を対応させて記憶させる道路リンクは、自己の管理下にある第１の分割領域に存在する道路リンク（１−１）〜（１−５）の他、他の第２の分割領域に存在する道路リンク（２−１）〜（２−３）も含まれる。
【００６４】
「関連道路リンク情報」の項目は、各道路リンクに相関のある道路リンク（関連道路リンク）を示しており、関連道路リンクには、基本参照道路リンクと拡張参照道路リンクとがある。基本参照道路リンクは、各道路リンクに接続されており速度情報の変化に関連のある道路リンクである。拡張参照道路リンクは、各道路リンクに接続されていないが速度情報の変化に関連のある道路リンクである。
例えば、第１の分割領域に含まれているリンク番号が１である道路リンク（１−１）の、関連道路リンクは（１−２）（１−４）（１−３）（２−１）の道路リンクであり、このうち道路リンク（１−１）についての基本参照道路リンクは（１−２）（１−４）の道路リンクであり、拡張参照道路リンクは（１−３）（２−１）の道路リンクである。
【００６５】
「関連道路リンク情報」は、対象領域の道路構成に従って設定されるものであり、更新されることはない。一方、「速度情報」の値は、ＶＩＣＳ情報及びプローブ情報からなる速度情報を取得する度に、及び、推定システム１０及び予測システム１１が速度情報を推定及び予測等して取得する度に、更新される。
なお、第２の分割領域のための交通情報データベース１３も、同様の構成である（図１０（ａ）参照）。
【００６６】
［２．３．３ 処理の具体例］
第１の分割領域において、図７（ａ）に示しているように、道路リンク（１−１）（１−２）に関し、現在のタイムスロット「ｔ」において、プローブ情報（ＶＩＣＳ情報であってもよい）が得られ、前記入力情報処理部１６によって速度情報に変換され、その実測値に基づく速度情報「Ｐ」が、交通情報データベース１３の「プローブＶＩＣＳ速度情報」の項目に記憶される（図６のステップＳ１０２）。
【００６７】
この実測値に基づく速度情報は、図８（ａ）に示しているように「現在の速度情報」の項目にコピーされる。このコピーされた実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に既に蓄積されていた道路リンクの速度情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０３）。なお、スナップショットに含まれる、前記既に蓄積されていた道路リンクの速度情報には、実測値が取得された道路リンクの速度情報と、当該実測値が取得された道路リンクの速度情報を推定するために用いられる他の関連道路リンクの速度情報とが含まれている。
【００６８】
つまり、道路リンク（１−１）に関して実測値に基づく速度情報が取得されているので、道路リンク（１−１）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（１−１）の速度情報及び関連道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報との組み合わせ（図８（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
また、道路リンク（１−２）に関して実測値に基づく速度情報が取得されているので、図９（ａ）に示しているように、道路リンク（１−２）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（１−２）の速度情報及び関連道路リンク（１−１）（１−３）（１−４）（１−５）（２−１）（２−２）の速度情報との組み合わせ（図９（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００６９】
図１０（ａ）は、第２の予測装置７が第２の分割領域の情報を管理するために用いられる交通情報データベース１３である。第２の分割領域において、図１０（ａ）に示しているように、道路リンク（２−１）に関し、現在のタイムスロット「ｔ」において、プローブ情報（ＶＩＣＳ情報であってもよい）が得られ、前記入力情報処理部１６によって速度情報に変換され、その実測値に基づく速度情報「Ｐ」が、交通情報データベース１３の「プローブＶＩＣＳ速度情報」の項目に記憶される（図６のステップＳ２０２）。
【００７０】
この実測値に基づく速度情報は、図１１（ａ）に示しているように「現在の速度情報」の項目にコピーされる。このコピーされた実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に既に蓄積されていた道路リンクの速度情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ２０３）。なお、スナップショットに含まれる、前記既に蓄積されていた道路リンクの速度情報には、実測値が取得された道路リンクの速度情報と、当該実測値が取得された道路リンクの速度情報を推定するために用いられる他の関連道路リンクの速度情報とが含まれる。
【００７１】
つまり、道路リンク（２−１）に関して実測値に基づく速度情報が取得されているので、道路リンク（２−１）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（２−１）の速度情報及び関連道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報との組み合わせ（図１１（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００７２】
第２の予測装置７は、自己が管理する第２の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部を第１の予測装置７に対して送信することができるので、図１２（ａ）に示しているように、第１の予測装置７は、第２の分割領域の道路リンク（２−１）で生成された実測値に基づく速度情報「Ｐ」を取得し、その速度情報「Ｐ」を自己の交通情報データベース１３に蓄積させる（ステップＳ１０４）。
【００７３】
第１の分割領域では、実測値に基づく速度情報を生成できた道路リンクは（１−１）（１−２）であるので、第１の予測装置７の推定システム１０は、第１の分割領域に含まれている残りの道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５（図１３（ｂ）参照）に蓄積されている推定用パラメータを用いて、推定して補完し、図１３（ａ）に示しているように、推定結果を交通情報データベース１３に蓄積させる（ステップＳ１０５）。なお、前記プローブ情報が取得されてから図１３（ｂ）の状態までは、重みデータベース１５は更新されていない。
【００７４】
このステップＳ１０５では、現在の速度情報として、実測値に基づく速度情報が生成されている道路リンク（１−１）（１−２）に関しては、推定に基づく速度情報の項目に、当該実測値に基づく速度情報が記憶されるが、その他の道路リンク（１−３）（１−４）（１−５）に関しては、図５に示したニューラルネットワークが用いられて推定処理が実行される。また、その他の道路リンク（１−３）（１−４）（１−５）それぞれの速度情報を推定するために用いられる関連道路リンクが、実測値に基づく速度情報が生成されている道路リンクである場合は、当該実測値に基づく速度情報が用いられる。そして、前記その他の道路リンク（１−３）（１−４）（１−５）それぞれの速度情報を推定するために用いられる関連道路リンクが、実測値に基づく速度情報が生成されていない道路リンクである場合は、一つ前のタイムスロットにおける速度情報が用いられる。
【００７５】
具体的に説明すると、例えば、道路リンク（１−３）の速度情報（現在時刻が属するタイムスロットの速度情報）Ｖ１−３（ｔ）は、以下の式によって推定される。
Ｖ１−３（ｔ）＝ｗ０＋ｗ１Ｖ１−２（ｔ）＋ｗ２Ｖ１−５（ｔ−１）
＋ｗ３Ｖ２−１（ｔ）＋ｗ４Ｖ２−２（ｔ−１）＋ｗ５Ｖ２−３（ｔ−１）＋ｗ６Ｖ１−３（ｔ−１）
重みｗは、図１３（ｂ）の重みデータベース１５の「推定用パラメータ（重み）」の項目の値が用いられる。なお、図１３（ｂ）では、重みｗの値は、実際には数字であるが、アルファベットと添え字ａ１，ａ２・・・，ｂ１，ｂ２・・・，ｃ１，ｃ２・・・で示している。また、前記演算式の（ｔ−１）は、一つ前のタイムスロットにおける速度情報を意味している。
【００７６】
この演算式では、推定対象である自己の道路リンク（１−３）に関して、一つ前のタイムスロットにおける速度情報Ｖ１−３（ｔ−１）も、推定処理に用いているが、この速度情報Ｖ１−３（ｔ−１）を用いなくてもよい。
そして、本実施形態では推定処理のために、基本参照道路リンク（１−２）（１−５）及び拡張参照道路リンク（２−１）（２−２）（２−３）を用いているが、拡張参照道路リンクを用いないで基本参照道路リンクのみを用いてもよい。
【００７７】
第１の分割領域に含まれる道路リンクの、現在のタイムスロットにおける速度情報がすべて取得されると、第１の予測装置７の学習システム１２は、実測値に基づく速度情報が取得された道路リンク（１−１）（１−２）それぞれの重みについて、当該実測値に基づく速度情報と、交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する（ステップＳ１０６）。
【００７８】
図２６は、学習システム１２による学習処理の手順を示している。まず、学習システム１２は、誤差判定のための許容誤差、ニューラルネットワーク（図５）を構成する中間層の数、学習計数等の学習用のパラメータ設定を行う（ステップＳ１１）。
学習システム１２は、図５に示すニューラルネットワークを最適化（学習）するニューロエンジンとして構成されている。つまり、学習システム１２は、前記学習用データのうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワークを再構築する。
すなわち、学習システム１２は、実測値である速度情報と、当該速度情報を持つ道路リンクの関連道路リンクについての速度情報とからなる学習用データから、重み（推定用パラメータ）の最適値を算出する。重み（予測用パラメータ）の最適値の算出は、ニューラルネットワークを使う方法以外に、残差平方和を最小にする演算、つまり、最小自乗法等によって行うことができる。
【００７９】
重み（予測用パラメータ）の最適値の算出は、関連道路リンクについての速度情報から算出される速度情報が、教師信号に近づいて、教師信号との誤差が、設定された許容誤差未満になるまで行われる（ステップＳ１３）。
重みが収束して学習処理が終了すると、得られた道路リンク（１−１）（１−２）それぞれのための重みは、図１４（ｂ）に示しているように、重みデータベース１５の推定用パラメータの項目に反映され、重みデータベース１５が更新される（図６のステップＳ１０６）。
【００８０】
第１の予測装置７は、自己が管理する第１の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部を第２の予測装置７に対して送信することができる。しかし、第１の分割領域の道路リンク（１−３）では、実測値に基づく速度情報が取得されていないため、図１５（ａ）に示しているように、第２の予測装置７は当該速度情報を得ることができず、第２の分割領域のための交通情報データベース１３では、道路リンク（１−３）の現在の速度情報は、更新されない（ステップＳ２０４）。
【００８１】
第２の分割領域では、実測値に基づく速度情報を生成できた道路リンクは（２−１）であるので、第２の予測装置７の推定システム１０は、第２の分割領域に含まれている残りの道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５（図１６（ｂ）参照）に蓄積されている推定用パラメータを用いて、推定して補完し、図１６（ａ）に示しているように、推定結果を交通情報データベース１３に蓄積させる（ステップＳ２０５）。なお、前記プローブ情報が取得されてから図１６（ｂ）の状態までは、重みデータベース１５は更新されていない。
【００８２】
このステップＳ２０５で実行される推定処理は、前記ステップＳ１０５で実行された推定処理と同じであるため、説明を省略する。
そして、第２の分割領域に含まれる道路リンクの、現在のタイムスロットにおける速度情報がすべて取得されると（図１６（ｂ）参照）、第２の予測装置７の学習システム１２は、実測値に基づく速度情報が取得された道路リンク（２−１）の重みについて、当該実測値に基づく速度情報と、交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する（ステップＳ２０６）。
【００８３】
このステップＳ２０６で実行される推定処理は、前記ステップＳ１０６で実行された学習処理と同じであるため、説明を省略する。
この学習によって得られた道路リンク（２−１）のための重みは、図１７（ｂ）に示しているように、重みデータベース１５の推定用パラメータの項目に反映され、重みデータベース１５が更新される（ステップＳ２０６）。
【００８４】
次に、第１の予測装置７において、ステップＳ１０２で第１の分割領域に含まれている道路リンク（１−１）に関して取得された実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されていた道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０７）。
つまり、道路リンク（１−１）において実測値に基づく速度情報が取得されているので、道路リンク（１−１）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（１−１）の速度情報及び関連道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報との組み合わせ（図１８（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
また、同様に、道路リンク（１−２）において実測値に基づく速度情報が取得されているので、道路リンク（１−２）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（１−２）の速度情報及び関連道路リンク（１−１）（１−３）（１−４）（１−５）（２−１）（２−２）の速度情報との組み合わせが、スナップショットとして学習データベース１４に蓄積される。
【００８５】
そして、第１の予測装置７の学習システム１２は、ステップＳ１０７の前記各スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た道路リンク（１−１）（１−２）それぞれのための予測用パラメータは、図１８（ｂ）に示しているように、重みデータベース１５に蓄積され、重みデータベース１５の内の予測用パラメータの項目について更新される（ステップＳ１０８）。
なお、予測用パラメータの学習処理は、前記推定用パラメータの学習処理（図２６）と同じであり、学習システム１２は、前記スナップショット（学習用データ）のうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンク及び自己の道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワーク（図５）を再構築する。
【００８６】
また、第２の予測装置７は、自己の第２の分割領域における道路リンクの速度情報を推定すると、その一部を第１の予測装置７に対して送信することができる。そこで、第１の予測装置７は、当該第２の分割領域に含まれている道路リンク（２−２）（２−３）の推定に基づく速度情報を取得し、図１９（ａ）に示しているように、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０９）。
この第１の予測装置７が取得する道路リンクの速度情報は、第１の分割領域に含まれている道路リンクの速度情報を予測するために用いられる関連道路リンク（拡張参照道路リンク）の速度情報であり、第２の予測装置７がステップＳ２０５で推定して得た速度情報である（図１６（ａ））。
【００８７】
そして、第１の予測装置の予測システム１１は、第１の分割領域に含まれる予測対象道路リンクの速度情報であって後に到来する３つ先のタイムスロットにおける速度情報を、ステップＳ１０８で学習して得た予測用パラメータ（図１８（ｂ）参照）、及び、ステップＳ１０９までにおいて交通情報データベース１３に蓄積された道路リンクの速度情報（図１９（ａ））を用いて、予測する演算を実行し、図２０（ａ）に示しているように、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ１１０）。
【００８８】
この予測の処理のために用いられる、交通情報データベース１３に蓄積された道路リンクの速度情報は、後に到来する３つ先のタイムスロットよりも前に取得されている情報であり、本実施形態では、現在のタイムスロットの速度情報と、一つ前のタイムスロットの速度情報である。つまり、現在のタイムスロットの速度情報として、実測値に基づく速度情報が生成されている道路リンク（１−１）（１−２）（２−１）に関しては、当該実測値に基づく速度情報が用いられ、その他の道路リンク（１−３）（１−４）（１−５）（２−２）（２−３）に関しては、ステップＳ１０５で推定された速度情報又はステップＳ１０９で取得した速度情報が用いられる。そして、一つ前のタイムスロットの速度情報としては、交通情報データベース１３に蓄積されているものである。
【００８９】
また、この予測処理の際、予測システム１１は、自己が管理する第１の分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる分割領域と同一の第１の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測対象道路リンクが含まれる第１の分割領域以外の、第２の分割領域に含まれる道路リンクの速度情報も用いる。
【００９０】
具体的に説明すると、例えば、道路リンク（１−１）に関する３つ先のタイムスロットの速度情報Ｖ１−１（ｔ＋３）は、以下の式によって予測される。
Ｖ１−１（ｔ＋３）＝ｗ０＋ｗ１Ｖ１−２（ｔ）＋ｗ２Ｖ１−４（ｔ）＋ｗ３Ｖ１−３（ｔ）＋ｗ４Ｖ２−１（ｔ）
＋ｗ８Ｖ１−２（ｔ―１）＋ｗ９Ｖ１−４（ｔ―１）＋ｗ１０Ｖ１−３（ｔ―１）＋ｗ１１Ｖ２−１（ｔ―１）
重みｗは、図１８（ｂ）の重みデータベース１５の「（ｇ＝１）に対応する重み」のうちｗ０からｗ４及び「（ｇ＝２）に対応する重み」のうちｗ８からｗ１１が用いられる。
【００９１】
なお、道路リンク（１−１）の速度情報Ｖ１−１（ｔ＋３）を予測するために、当該道路リンク（１−１）の現在のタイムスロット（ｔ）及び一つ前のタイムスロット（ｔ−１）における速度情報Ｖ１−１（ｔ），Ｖ１−１（ｔ−１）も用いることができるが、本実施形態（前記演算式）では、予測システム１１が、予測対象の道路リンク（１−１）の速度情報Ｖ１−１（ｔ＋３）を予測するために用いる関連道路リンクの速度情報は、当該予測対象となる道路リンク（１−１）の現在のタイムスロット及び過去のタイムスロットの速度情報Ｖ１−１（ｔ），Ｖ１−１（ｔ−１）を含まないで、当該予測対象となる道路リンク（１−１）以外の、他の道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報のみである。この場合、重回帰分析における多重共線性の問題を抑制することができる。
そして、第１の分割領域に含まれる残りの道路リンク（１−２）（１−３）（１−４）（１−５）についても、同様に、３つ先のタイムスロットの速度情報が予測され、交通情報データベース１３に蓄積される（図２０（ａ）参照）
【００９２】
また、前記のような第１の予測装置７におけるステップＳ１０７〜Ｓ１１０の処理と同様の処理が、第２の予測装置７においても実行される。
すなわち、ステップＳ２０２で第２の分割領域に含まれている道路リンク（２−１）に関して取得された実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されていた道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ２０７）。
つまり、道路リンク（２−１）において実測値に基づく速度情報が取得されているので、道路リンク（２−１）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（２−１）の速度情報及び関連道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報との組み合わせ（図２１（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００９３】
そして、第２の予測装置７の学習システム１２は、ステップＳ２０７の前記スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た道路リンク（２−１）のための予測用パラメータは、図２１（ｂ）に示しているように、重みデータベース１５に蓄積され、重みデータベース１５のうちの予測用パラメータの項目について更新される（ステップＳ１０８）。
この予測用パラメータの学習処理は、第１の予測装置７の場合（図２６）と同じであり、説明を省略する。
【００９４】
また、第１の予測装置７は、自己の第１の分割領域における道路リンクの速度情報を推定すると、その一部を第２の予測装置７に対して送信することができる。そこで、第２の予測装置７は、当該第１の分割領域に含まれている道路リンク（１−３）の速度情報を取得し、図２２（ａ）に示しているように、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ２０９）。
この第２の予測装置７が取得する道路リンクの速度情報は、第２の分割領域に含まれている道路リンクの速度情報を予測するために用いられる関連道路リンク（拡張参照道路リンク）の速度情報であり、第１の予測装置７がステップＳ１０５で推定して得た速度情報である（図１３（ａ））。
【００９５】
そして、第２の予測装置の予測システム１１は、第２の分割領域に含まれる予測対象道路リンクの速度情報であって後に到来する３つ先のタイムスロットにおける速度情報を、ステップＳ２０８で学習して得た予測用パラメータ（図２１（ｂ）参照）、及び、ステップＳ２０９までにおいて交通情報データベース１３に蓄積された道路リンクの速度情報（図２２（ａ））を用いて、予測する演算を実行し、図２３（ａ）に示しているように、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ２１０）。
【００９６】
この予測の処理のために用いられる、交通情報データベース１３に蓄積された道路リンクの速度情報は、後に到来する３つ先のタイムスロットよりも前に取得されている情報であり、本実施形態では、現在のタイムスロットの速度情報と、一つ前のタイムスロットの速度情報である。つまり、現在のタイムスロットの速度情報として、実測値に基づく速度情報が生成されている道路リンク（２−１）に関しては、当該実測値に基づく速度情報が用いられ、その他の道路リンク（２−２）（２−３）（２−４）（２−５）（１−３）に関しては、ステップＳ２０５で推定された速度情報又はステップＳ２０９で取得した速度情報が用いられる。そして、一つ前のタイムスロットの速度情報としては、交通情報データベース１３に蓄積されているものである。
【００９７】
また、この予測処理の際、予測システム１１は、自己が管理する第２の分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる分割領域と同一の第２の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測対象道路リンクが含まれる第２の分割領域以外の、第１の分割領域に含まれる道路リンクの速度情報も用いる。
【００９８】
具体的に説明すると、例えば、道路リンク（２−１）に関する３つ先のタイムスロットの速度情報Ｖ２−１（ｔ＋３）は、以下の式によって予測される。
Ｖ２−１（ｔ＋３）＝ｗ０＋ｗ１Ｖ２−２（ｔ）＋ｗ２Ｖ２−４（ｔ）＋ｗ３Ｖ１−３（ｔ）＋ｗ４Ｖ２−３（ｔ）
＋ｗ８Ｖ２−２（ｔ―１）＋ｗ９Ｖ２−４（ｔ―１）＋ｗ１０Ｖ１−３（ｔ―１）＋ｗ１１Ｖ２−３（ｔ―１）
重みｗは、図２２（ｂ）の重みデータベース１５の「（ｇ＝１）に対応する重み」のうちｗ０からｗ４及び「（ｇ＝２）に対応する重み」のうちｗ８からｗ１１が用いられる。
【００９９】
なお、道路リンク（２−１）の速度情報Ｖ２−１（ｔ＋３）を予測するために、当該道路リンク（２−１）の現在のタイムスロット（ｔ）及び一つ前のタイムスロット（ｔ−１）における速度情報Ｖ２−１（ｔ），Ｖ２−１（ｔ−１）も用いることができるが、本実施形態（前記演算式）では、予測システム１１が、予測対象の道路リンク（２−１）の速度情報を予測する際に用いる関連道路リンクの速度情報は、当該予測対象となる道路リンク（２−１）の現在のタイムスロット及び過去のタイムスロットの速度情報Ｖ２−１（ｔ），Ｖ２−１（ｔ−１）を含まないで、当該予測対象となる道路リンク（２−１）以外の、他の道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報のみである。この場合、重回帰分析における多重共線性の問題を抑制することができる。
そして、第２の分割領域に含まれる残りの道路リンク（２−２）（２−３）（２−４）（２−５）についても、同様に、３つ先のタイムスロットの速度情報が予測され、交通情報データベース１３に蓄積される（図２３（ａ）参照）。
【０１００】
以上のように、各分割領域において、３つ先のタイムスロットでの予測に基づく速度情報が取得された後、時間が経過し、次のタイムスロットに現在時刻が属すると、予測装置７，７それぞれにおいて、交通情報データベース１３における時間（タイムスロット）を一つ前にずらす処理が実行される（図２４と図２５）。つまり、現在時刻が属するタイムスロットの値は、１つ前のタイムスロットの値となるように、各値がコピーされる。なお、実測値に基づく速度情報が存在するものは、推定値ではなく実測値に基づく速度情報が採用される。
そして、プローブ情報ＶＩＣＳ情報の項目、及び、現在の速度情報（推定の速度情報）の項目が初期化され、次の入力を待つ待機状態となり、現在時刻が属するタイムスロットにおいて、プローブ情報及びＶＩＣＳ情報が取得されると、前記ステップ１０１及び前記ステップ２０１以降の処理が繰り返し実行される。
【０１０１】
以上の交通情報予測システム１によれば、複数の道路リンクが含まれる対象領域が複数（２つ）の分割領域に分割されており、各分割領域に含まれる予測対象道路リンクの速度情報を、第１及び第２の予測装置７それぞれの予測システム１１が、分割領域毎で予測することができる。
そして、この予測の処理のために、学習システム１２は、各分割領域に含まれかつ予測対象の道路リンクになり得る道路リンクにおける実測値に基づく速度情報と、当該予測対象の道路リンクの速度情報を予測するために用いられる関連道路リンクの速度情報との組み合わせを学習用データとして用いて、予測用パラメータを最適化する。
【０１０２】
そして、推定システム１０は、各分割領域に含まれる道路リンクに関して実測値に基づく速度情報が取得されると、当該道路リンク以外の他の道路リンクの速度情報を推定することができる。つまり、実測値に基づく速度情報が取得された道路リンク以外の、他の道路リンクの速度情報は、当該推定システム１０によって推定され、これにより、実測値が取得されなかった道路リンクの速度情報は、当該推定により補完される。
そして、この補完された速度情報、及び、学習システム１２によって得られた予測用パラメータ（重み）を用いて、予測システム１１は、後に到来するタイムスロットにおける予測対象道路リンクの速度情報を予測するので、予測して得られる速度情報の精度を高めることが可能となる。
【０１０３】
また、従来では、図２のように分割された分割領域毎に速度情報の予測を行うと、例えば分割領域の境界付近における道路リンク（１−３）は、隣接する他方の分割領域の道路リンク（２−１）との相関が高い場合があるにもかかわらず、道路リンク（１−３）の速度情報を予測するために、当該他方の分割領域の道路リンク（２−１）の速度情報を考慮できない、という問題点が生じている。しかし、本実施形態によれば、予測対象である道路リンク（１−３）が含まれる第１の分割領域以外の、第２の分割領域に含まれる道路リンク（２−１）の速度情報も用いることで、前記問題点を解消することができる。
【０１０４】
また、本実施形態では、重みデータベース１５において、各道路リンクの重み（予測用パラメータ及び推定用パラメータ）は、道路リンク毎における重みの値の総和が１となるように設定（第一条件）するのが好ましい。例えば、第１の分割領域に含まれるリンク番号（１−１）の道路リンクの重みについて説明すると、ｗ１＋ｗ２＋ｗ３＋ｗ４＋ｗ５＋ｗ８＋ｗ９＋ｗ１０＋ｗ１１＋ｗ１２＝１と設定するのが好ましい。
また、前記第一条件を満たすと共に、又は、前記第一条件とは関係なく、各重み（予測用パラメータ及び推定用パラメータ）の初期値は、乱数を用いるのが好ましく、予測装置７がコンピュータプログラムによる機能部として備えている乱数発生部１７（図３参照）によって、各重みの初期値が乱数によって設定（第二条件）されるのが好ましい。このように乱数を用いることにより、重みの値それぞれは強い相関を持たず、多重共線性による問題の発生を防止することができる。
【０１０５】
また、本実施形態の推定システム１０、予測システム１１及び学習システム１２は、前記基本参照道路リンクの速度情報のみならず、前記拡張参照道路リンクの速度情報も用いるため、離れた道路リンクの速度情報の影響を反映させることが可能となる。
【０１０６】
［３ 道路リンク群用予測システム２１（道路リンク群用予測部）について］
前記のとおり、交通情報予測システム１は、図２７に示しているように、道路リンク群用の予測システム２１を備えており、また、複数（２つ）の分割領域に跨って繋がっている複数の道路リンクがグループ化されて、これら道路リンクによって道路リンク群Ｇが構成されている。
そして、前記予測システム２１は、この道路リンク群Ｇに含まれる予測対象の道路リンクの速度情報の予測を実行する機能を有している。
なお、この予測システム２１は、前記第１の予測装置７と前記第２の予測装置７との内の一方又は双方が備えていてもよいが、これら予測装置７とは別の予測装置が備えていてもよい。そこで、本実施形態（図２７）では、別の予測装置（第３の交通情報予測装置２７）が備えているものとして説明する。
【０１０７】
第３の予測装置２７は、前記第１及び第２の予測装置７，７と同じ構成であり、同じ機能を有しているが、この第３の予測装置２７によって速度情報に関する処理が実行される道路リンクは、分割領域を超えてグループ化された前記道路リンク群Ｇに含まれる道路リンクである。この道路リンク群Ｇは、速度情報の変化に関して互いに関連性の高い複数の道路リンクによってグループ化されたものである。
具体的に説明すると、道路リンク群Ｇは、例えば高速道路に割り当てられている複数の道路リンクから成るように構成されており、図２７では、道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）が、一つの高速道路（その一部）に割り当てられた道路リンクであり、その他の道路リンクは一般道路であるとすると、道路リンク群Ｇは、（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）から成る。
【０１０８】
また、この図２７では、図２と同様に対象領域が第１の分割領域と第２の分割領域とに区画されており、第１の分割領域に関しては、前記第１の予測装置７によって、速度情報の予測等の処理が実行され、第２の分割領域に関しては、前記第２の予測装置７によって、速度情報の予測等の処理が実行される。そして、第３の予測装置２７によって、道路リンク群Ｇに含まれる道路リンクの速度情報の予測等の処理が実行される。
【０１０９】
前記のとおり、第３の予測装置２７の道路リンク群用の予測システム２１は、前記第１及び第２の予測装置７，７の予測システム１１と同じ構成及び機能を有しており、また、第３の予測装置２７は、さらに、推定システム１０、学習システム１２、交通情報データベース１３、学習データベース１３及び重みデータベース１５と同じ構成及び機能を有している。したがって、第３の予測装置２７は、図６で説明した処理と同じ処理を実行することができ、後に到来するタイムスロットにおける予測対象道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）の速度情報を、学習して得た予測用パラメータ、及び、交通情報データベースに蓄積された他の道路リンクの速度情報を用いて、予測し、予測して得た速度情報を交通情報データベースに蓄積させることができる。
【０１１０】
なお、この道路リンク群用の予測システム２１では、グループ化された道路リンク群Ｇに含まれる、予測対象の道路リンクの速度情報の予測は、当該道路リンク群Ｇに含まれる他の道路リンクの速度情報を用いて行われる。すなわち、例えば、道路リンク（１−３）の速度情報を予測するためには、他の道路リンク（１−１）（１−２）（２−１）（２−２）（２−３）の速度情報が用いられ、また、これに対応した重みが用いられる。
【０１１１】
このように道路リンク群用の予測システム２１を更に備えた交通情報予測システムの場合、高速道路は一般的に複数の分割領域に跨って繋がっており、速度情報の変化に関して関連性の高い複数の道路リンクが、複数の分割領域に跨って繋がっている。そこで、本実施形態では、これら道路リンクをグループ化して道路リンク群Ｇを構成しており、道路リンク群用予測システム２１は、分割領域に影響されずに、この道路リンク群Ｇに含まれる予測対象の道路リンクの速度情報を予測することができる。
【０１１２】
そして、この実施形態であっても、分割領域に含まれている道路リンクでは、第１及び第２の予測装置７，７の予測システム１１によって速度情報が予測されている。つまり、予測対象道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）に関しては、予測システム１１と、道路リンク群用の予測システム２１との双方によって速度情報が予測される。そして、双方それぞれによって予測された速度情報は、それぞれの交通情報データベースに蓄積される。そして、これら速度情報を、交通情報予測システム１は管理することができ、交通情報予測システム１は、場合に応じて、これら速度情報を適宜選択して、車両（ナビゲーションシステム）に提供したり、交通管制を行ったりすることが可能となる。
【０１１３】
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。
【０１１４】
例えば、予測対象道路リンクの速度情報を予測するために用いられる他の道路リンク（関連道路リンク）は、予測対象道路リンクに接続されているものに限らず、予測対象道路リンクとは離れているが、速度情報の時間的変化の仕方が似ている道路リンク（例えば、推定対象道路リンクと並行する道路リンク）であってもよい。
また、本実施形態の交通情報予測システム１（予測装置７）によって処理される交通情報は、速度情報に限らず、これに加えて／代えて、渋滞情報等他の交通情報とすることもできる。
また、速度情報としては、規格化されたものに限らず、リンク旅行速度そのものを利用してもよい。
【０１１５】
また、前記実施形態では、３つ先（ｆ＝３）のタイムスロットの速度情報を予測する場合を説明したが、先のタイムスロットの数（ｆ）は、これ以外であってもよい。また、速度情報を予測したり、推定したりするために、現在のタイムスロットの他、過去のタイムスロットを用いればよく、そのタイムスロットの数（ｇ）は、複数であってもよい。つまり、例えば、前記実施形態では、図１８において３つ前と４つ前の２つ（ｇ＝２）のタイムスロットの速度情報を用いて重みを学習したが、このタイムスロットの数（ｇ）は、これ以外の数であってもよい。
【符号の説明】
【０１１６】
１：交通情報予測システム、 １０：推定システム（推定部）、 １１：予測システム（分割領域用の予測部）、 １２：学習システム（学習部）、 １３：交通情報データベース、 １４：学習データベース、 １５：重みデータベース（パラメータデータベース）、 １７：乱数発生部、 ２１：予測システム（道路リンク群用の予測部）、 Ｇ：道路リンク群
【技術分野】
【０００１】
本発明は、交通情報を予測する交通情報予測システム、交通情報を予測するためのコンピュータプログラム、及び、交通情報予測方法に関する。
【背景技術】
【０００２】
道路の交通情報をドライバーに提供する技術として、財団法人道路交通情報通信システムセンターによるＶＩＣＳ（Vehicle Information and Communication System：なお、「ＶＩＣＳ」は上記財団法人の登録商標）が広く知られている。
このＶＩＣＳは、各種の路側センサ（車両感知器やループコイル等）から収集した車両台数や車両速度等よりなる定点観測情報に基づいて、各路線での渋滞やリンク旅行時間を含む交通情報を集計し、その交通情報を、ビーコンによる狭域通信やＦＭ放送等の広域通信によってドライバーに提供するものである。
【０００３】
また、道路の交通情報をドライバーに提供する他の技術として、プローブカーを利用した交通情報推定システム（以下、プローブシステムという。）も知られている。
このプローブシステムは、例えば特許文献１および２に示すように、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するもので、現時点の車両位置や時刻等のプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平５−１５１４９６号公報
【特許文献２】特開２００５−４４６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路等の一部の道路に関してしか得られない。一方、プローブシステムでは、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するため、路側センサが設置されていない道路に関しても、交通情報を取得することが可能となる。
【０００６】
しかし、現状では、プローブカーの台数は非常に少なく、ＶＩＣＳ及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【０００７】
そこで、ＶＩＣＳ及びプローブシステムからデータが得られていない道路リンクについては、別の道路リンクの交通情報に基づいて、交通情報を推定することが考えられる。例えば、ある道路リンクの交通情報は、当該道路リンクに接続している道路リンク又はその他関連のある道路リンクにおける交通情報との相関が認められる。このような相関関係を利用すれば、別の道路リンクの交通情報を用いて、推定対象となる道路リンクの交通情報を推定して補完することができる。
しかし、このような処理を、非常に広範な領域で行おうとすると、道路リンクの数が非常に多くなり、推定等の処理の演算負荷が増大する。
【０００８】
そこで、本発明は、広範な領域で交通情報を適切に求めるための新たな技術を提供することを目的とする。
【課題を解決するための手段】
【０００９】
（１）本発明は、予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測システムであって、複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測部と、前記分割領域用の予測部が予測対象の道路リンクの交通情報を予測するために用いる予測用パラメータを学習する学習部と、
を備え、前記分割領域用の予測部は、更に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする。
【００１０】
本発明によれば、複数ある分割領域毎に、予測対象の道路リンクの交通情報を予測することができ、複数の分割領域を含む全領域が広範であっても、交通情報の予測を、分散化して行わせることが可能となる。また、交通情報を予測するために用いられる予測用パラメータは学習されることから、適切な交通情報の予測が可能となる。
さらに、交通情報の予測を分割領域毎に行うと、特に分割領域の境界付近における道路リンクは、隣接する他の分割領域の道路リンクとの相関が高い場合があるにもかかわらず、当該他の分割領域の道路リンクの交通情報を考慮できない、という問題点が生じるが、本発明によれば、分割領域用の予測部は、予測対象の道路リンクが含まれる領域以外の他の分割領域に含まれる道路リンクの交通情報を、更に用いることで、前記問題点を解消することができる。
【００１１】
（２）また、前記交通情報予測システムは、複数の前記分割領域に跨って繋がる複数の道路リンクがグループ化された道路リンク群に含まれる、予測対象の道路リンクの交通情報の予測を、当該道路リンク群に含まれる他の道路リンクの交通情報を用いて行う道路リンク群用の予測部を備えているのが好ましい。
この場合、交通情報の変化に関して関連性の高い複数の道路リンクが、複数の分割領域に跨って繋がっていても、これら道路リンクをグループ化して道路リンク群を構成させれば、前記道路リンク群用の予測部は、分割領域に影響されずに、道路リンク群に含まれる予測対象の道路リンクの交通情報を予測することができる。
なお、交通情報予測システムが、この道路リンク群用の予測部を備えている場合、道路リンク群に含まれる道路リンクは、前記（１）の分割領域用の予測部によって交通情報が予測される道路リンク（予測対象の道路リンク）から除かれてもよいが、道路リンク群用の予測部及び分割領域用の予測部の双方によって交通情報が予測されてもよく、この場合、双方によって予測された交通情報は共に蓄積され、交通情報予測システムは、これら交通情報を、場合に応じて適宜選択して用いることができる。
【００１２】
（３）ところで、このような交通情報予測システムでは、実測値に基づく交通情報が得られていない道路リンクの交通情報を求める（予測する）場合に、その求めた（予測した）交通情報の精度をできるだけ高めることが、第２の課題として存在する。
そこで、本発明の交通情報予測システムにおいて、前記所定の分割領域において、予測対象の道路リンクになり得る道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部を、更に備え、前記学習部は、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習し、前記分割領域用の予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測するのが好ましい。
【００１３】
この場合、実測値に基づく交通情報が取得された道路リンク以外の、他の道路リンクの交通情報が、推定部によって推定されるので、実測値が取得されなかった道路リンクの交通情報は、当該推定により補完される。そして、この補完された交通情報を用いて、予測部が、後に到来する所定時刻における予測対象の道路リンクの交通情報を予測するので、予測して得られる交通情報の精度を高めることが可能となる。
【００１４】
なお、この交通情報予測システムは、前記第２の課題を解決するものであり、「分割領域」の設定の有無に関わらず、前記（３）に記載の構成を備えた交通情報予測システムとすることができる。
すなわち、前記第２の課題を解決するための本発明の技術的特徴は、予測対象の道路リンクの交通情報を、他の道路リンクの交通情報及び予測用パラメータを用いて予測する予測部を備えた交通情報予測システムであって、予測対象の道路リンクになり得る道路リンクに関して道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部と、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習する学習部と、を備え、前記予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測することを特徴とする。
【００１５】
（４）また、前記各交通情報予測システムにおいて、前記予測部が、前記予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報は、当該予測対象となる道路リンクの交通情報を含まないで、当該予測対象となる道路リンク以外の他の道路リンクの交通情報のみであるのが好ましい。
仮に、予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報に、当該予測対象となる道路リンクの、例えば現在や過去の交通情報が含まれていると、相互では強い相関を持つために多重共線性による問題が発生するおそれがあるが、前記構成によれば、この問題の発生を防ぐことが可能となる。
【００１６】
（５）また、前記各交通情報予測システムにおいて、前記学習部によって学習されることにより更新される前記予測用パラメータの初期値を、乱数によって求める乱数発生部を備えているのが好ましく、この場合、予測用パラメータの初期値に乱数を用いることにより、予測用パラメータの値それぞれは強い相関を持たず、多重共線性による問題の発生を防ぐことができる。
【００１７】
（６）また、本発明は、コンピュータを、前記（１）から（５）のいずれか一項に記載の交通情報予測システムとして機能させるためのコンピュータプログラムである。
【００１８】
（７）また、本発明は、複数の道路リンクが含まれる領域における前記道路リンクの交通情報を、前記領域に含まれる他の道路リンクの交通情報に基づいて予測する交通情報予測方法であって、前記領域が複数に分割された各分割領域に含まれる予測対象の道路リンクの交通情報を予測する際に、前記予測対象の道路リンクが含まれる分割領域と同一の分割領域に含まれる他の道路リンクの交通情報の他に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする。
【００１９】
本発明によれば、領域が複数に分割された分割領域毎に、予測対象の道路リンクの交通情報を予測することができるため、領域が広範であっても、交通情報の予測を、分散化して行わせることが可能となる。
そして、交通情報の予測を分割領域毎に行うと、特に分割領域の境界付近における道路リンクは、隣接する他の分割領域の道路リンクとの相関が高い場合があるにもかかわらず、当該他の分割領域の道路リンクの交通情報を考慮できない、という問題点が生じるが、本発明によれば、予測対象の道路リンクが含まれる領域以外の他の分割領域に含まれる道路リンクの交通情報を、更に用いることで、前記問題点を解消することができる。
【発明の効果】
【００２０】
本発明によれば、複数の道路リンクが含まれる領域が広範であっても、当該領域が複数に分割された分割領域毎に処理が行われるので、交通情報の予測を、分散化して行うことが可能となり、この予測のための処理の演算負荷が増大するのを防ぐことができる。
【図面の簡単な説明】
【００２１】
【図１】交通情報予測システムを有する交通情報システムを示している説明図である。
【図２】分割領域及び交通情報予測システムの説明図である。
【図３】交通情報予測装置の説明図である。
【図４】「リンク旅行速度−速度情報」変換情報の一例を示している図である。
【図５】予測装置で用いられるニューラルネットワークを示している図である。
【図６】交通情報予測方法を示しているフロー図である。
【図７】（ａ）は第１の分割領域用の交通情報データベース、（ｂ）はその重みデータベースの一例を示しており、ステップＳ１０２を説明する説明図である。
【図８】ステップＳ１０３を説明する説明図である。
【図９】ステップＳ１０３を説明する説明図である。
【図１０】（ａ）は第２の分割領域用の交通情報データベース、（ｂ）はその重みデータベースの一例を示しており、ステップＳ２０２を説明する説明図である。
【図１１】ステップＳ２０３を説明する説明図である。
【図１２】ステップＳ１０４を説明する説明図である。
【図１３】ステップ（推定ステップ）Ｓ１０５を説明する説明図である。
【図１４】ステップ（学習ステップ）Ｓ１０６を説明する説明図である。
【図１５】ステップＳ２０４を説明する説明図である。
【図１６】ステップ（推定ステップ）Ｓ２０５を説明する説明図である。
【図１７】ステップ（学習ステップ）Ｓ２０６を説明する説明図である。
【図１８】ステップＳ１０７及びステップＳ１０８を説明する説明図である。
【図１９】ステップＳ１０９を説明する説明図である。
【図２０】ステップ（予測ステップ）Ｓ１１０を説明する説明図である。
【図２１】ステップＳ２０７及びステップＳ２０８を説明する説明図である。
【図２２】ステップＳ２０９を説明する説明図である。
【図２３】ステップ（予測ステップ）Ｓ２１０を説明する説明図である。
【図２４】次のタイムスロットでの処理の開始状態を説明する説明図である。
【図２５】次のタイムスロットでの処理の開始状態を説明する説明図である。
【図２６】学習システムによる学習処理の手順を示しているフロー図である。
【図２７】分割領域及び交通情報予測システムの説明図である。
【発明を実施するための形態】
【００２２】
以下、本発明の実施の形態を図面に基づいて説明する。
［１．全体構成］
図１は、交通情報予測システム１を有する交通情報システムを示している。この交通情報システムは、交通情報予測システム１のほか、車載装置２を搭載したプローブ車両３、車載装置２と無線通信する路側通信機４及び路側センサ５等を含む。
【００２３】
前記交通情報予測システム１は、ＶＩＣＳ情報及びプローブ情報等の交通情報（観測情報）を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、交通情報予測システム１は、交通情報に基づいて、信号機制御や交通管制等の各種の交通用処理を行う交通管制システムの一部として構成することもできる。
【００２４】
この交通情報予測システム１は、処理装置（ＣＰＵ）及び記憶装置を有するコンピュータによって構成されている。このシステム１は、複数台のコンピュータによって構成することができるが、１台のコンピュータによって構成されていてもよい。各コンピュータの記憶装置には、当該コンピュータを、交通情報予測システム１として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記処理装置によって実行され、前記処理装置が前記記憶装置等に対し入出力を行うことで、交通情報予測システム１としての機能を実現する。なお、以下に説明する交通情報予測システム１の機能は、特に断らない限り、前記コンピュータプログラムによって実現されるものである。
【００２５】
前記車載装置２は、プローブ車両３の観測情報としてプローブ情報を生成し、路側通信機４に無線送信する。プローブ情報は、プローブ車両の位置、当該位置の通過速度、当該位置の通過時刻及びプローブ車両の車両ＩＤ等を含む交通情報である。また、プローブ情報には、その他の情報を含めてもよい。なお、プローブ車両の位置は、車載装置２が有するＧＰＳ受信機によって受信したＧＰＳ信号に基づいて算出される。
【００２６】
前記路側通信機４は、車載装置２との間で無線通信によって情報の送受信を行うものである。具体的には、路側通信機４は、車載装置２が送信した観測情報としてのプローブ情報を受信し、交通情報予測システム（中央装置）１に転送する。また、路側通信機４は、交通情報予測システム（中央装置）１から、車両への提供用の交通情報を取得し、その交通情報を、車載装置２に送信することができる。なお、路側通信機４と交通情報予測システム１との間は、通信回線によって接続されている。
【００２７】
前記路側センサ５は、観測情報（実測値）としての交通情報を検出するためのものであり、例えば、直下を通行する車両を超音波感知する車両感知器や、インダクタンス変化で車両を感知するループコイル、或いは、カメラの映像を画像処理して交通量や車両速度する計測する画像感知器よりなり、交差点に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路等に設置されている。
【００２８】
路側センサ５によって検出した観測情報は、通信回線を介して、ＶＩＣＳセンタサーバ６に送信され、このＶＩＣＳセンタサーバ６では、路側センサ５の観測情報に基づいて、ＶＩＣＳ情報を生成する。このＶＩＣＳ情報は、通信回線を介して、交通情報予測システム１に送信される。
【００２９】
前記ＶＩＣＳ情報は、各道路リンクでの渋滞やリンク旅行時間を含む交通情報である。ＶＩＣＳ情報は、路側センサ５から所定のタイムスロット毎に（例えば１５分ごとに）観測情報を取得して、情報更新されるため、時間的に高密度な情報が得られる。しかし、路側センサ５はすべての道路に設置されているわけではなく（主要道路でも２０％以下）、エリアカバー率が低い。
一方、前記プローブ情報は、道路を走行するプローブ車両３から取得するため、エリアカバー率を高くすることが可能である。ただし、プローブ車両３となるための車載装置２の普及率がまだ低いため、時間的に低密度のデータしか得られない。
【００３０】
つまり、所定の領域内の道路に、複数の道路リンクを設定した場合、ＶＩＣＳ情報が得られる道路リンクについては、ＶＩＣＳ情報の更新単位時間毎に（所定のタイムスロット毎に）常に交通情報（ＶＩＣＳ情報）が得られる。一方、ＶＩＣＳ情報が得られない道路リンクについては、ＶＩＣＳ情報の更新単位時間毎にみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。本実施形態では、前記更新単位時間が１タイムスロットであり、この１タイムスロット内は同じ時刻であるとみなす。つまり、現在時刻が属するタイムスロット内で、実際には異なる時刻にＶＩＣＳ情報やプローブ情報が複数取得されても、これら情報は同じタイムスロット内で取得されているので、これら情報は同じ時刻（現在時刻）で取得されているといえる。
【００３１】
また、本実施形態では、複数の道路リンクを含んでおり交通情報の生成が必要とされる領域（対象領域）の全体は、複数に分割されている。つまり、前記対象領域は、分割された複数の分割領域の集合によって構成されている。なお、前記対象領域とは、例えば、ある国又は地域の全部又は一部の領域が相当する。したがって、分割領域の数は、現実には、数百から数万程度となる場合もあるが、本実施形態では、図２に示すように、対象領域全体を、２個の分割領域（第１分割領域と第２分割領域）に分割した場合として説明する。なお、分割領域は「メッシュ」とよばれることもある。
【００３２】
［２ 交通情報予測システムについて］
［２．１ 交通情報予測システムの全体構成］
交通情報予測システム１は、前記対象領域における道路リンクの交通情報を、当該対象領域に含まれる他の道路リンクの交通情報に基づいて予測する機能を有しており、図２に示すように、第１分割領域を管理する第１の交通情報予測装置７と、第２分割領域を管理する第２の交通情報予測装置７とを備えている。以下において、各交通情報予測装置７を簡単に予測装置７ともよぶ。各予測装置７は、自己が管理する分割領域に含まれる道路リンクの交通情報を取得及び予測する等、自己が管理する分割領域における交通情報に関する処理を実行する。
【００３３】
図２では、各予測装置７は１台のコンピュータによって構成されている場合を示しているが、各予測装置７は、予測等の処理機能を発揮するためのコンピュータプログラム（分割領域用交通情報予測コンピュータプログラム）に対応していると考えることができ、ハードウェアとしてのコンピュータに対応する必要はない。このため、二つの予測装置７，７を１台のコンピュータによって構成してもよく、１台のコンピュータに、複数の予測装置７，７の機能を担わせてもよい。交通情報予測システム１を構成するために、何台のコンピュータを使用するかは、コンピュータの処理速度や記憶容量によって適宜決定すればよく、図示した装置数に限定されるものではない。
【００３４】
［２．２ 予測装置７について］
予測装置７，７はそれぞれ同じ構成及び同じ機能を有している。各予測装置７は、図３に示しているように、自己が管理する分割領域において、ＶＩＣＳ情報及び／又はプローブ情報に基づいて交通情報を取得する入力情報取得部１６、ＶＩＣＳ情報もプローブ情報も得られない現在のタイムスロットにおける道路リンクの交通情報を推定するために、推定用パラメータを用いて当該道路リンクの交通情報を推定する推定システム（分割領域用の推定部）１０、後に到来するタイムスロットにおける道路リンクの交通情報を、予測用パラメータを用いて予測する予測システム（分割領域用の予測部）１１、前記推定用パラメータ及び前記予測用パラメータを学習する学習システム（学習部）１２を備えている。なお、推定システム１０と予測システム１１とは同様の処理を行うことから、同じ機能部として構成することができる。
なお、推定とは、現在時刻が含まれているタイムスロットの速度情報を求める処理であり、予測とは、現在時刻が含まれているタイムスロットよりも先の（未来の）タイムスロットの速度情報を求める処理である。
【００３５】
また、本実施形態では、交通情報予測システム１は、分割領域毎の道路リンクの交通情報を予測する前記予測システム（分割領域用の予測部）１１以外に、複数の分割領域に跨って繋がっている複数の道路リンクがグループ化された道路リンク群に含まれる、道路リンクの交通情報を予測する道路リンク群用の予測システム（道路リンク群用の予測部）２１を備えている（図２７参照）。この予測システム２１については、後に説明する。
【００３６】
このような各予測装置７を備えた交通情報予測システム１によれば、各予測装置７は、自己が管理する分割領域において、後に到来するタイムスロットにおける道路リンクの交通情報を予測することで、ＶＩＣＳ情報やプローブ情報が得られなくても、システム１は、精度が高い交通情報を車両（ナビゲーションシステム）に提供したり、精度良く交通管制を行ったりすることが可能となり、また、これら提供及び交通管制を事前に行うことが可能となる。
なお、以下では、ＶＩＣＳ情報もプローブ情報も得られず交通情報を推定して補完する必要がある道路リンクを「推定対象道路リンク」という。また、後に到来するタイムスロットにおける交通情報を予測する道路リンクを「予測対象道路リンク」という。
【００３７】
図３において、各予測装置７は、交通情報等を蓄積する交通情報データベース１３、この交通情報データベース１３におけるデータのうち、学習システム１２による学習に用いられるデータを蓄積する学習データベース１４、及び、推定用パラメータ及び予測用パラメータ（以下の実施形態では「重み」）を蓄積するパラメータデータベース（重みデータベース）１５を記憶装置上に備えている。
【００３８】
［２．２．１ 入力情報処理部］
前記入力情報処理部１６は、各予測装置７が取得したＶＩＣＳ情報及びプローブ情報（以下、両情報を総称する場合、「入力情報」という）に対する処理を行う。入力情報処理部１６は、入力情報から、各リンクの「速度情報」を生成する処理を行い、生成した「速度情報」は、交通情報データベース１３に与えられ、交通情報データベース１３の更新に用いられる。
【００３９】
入力情報処理部１６は、取得したＶＩＣＳ情報から「速度情報」を生成するＶＩＣＳ情報処理機能と、取得したプローブ情報から「速度情報」を生成するプローブ情報処理機能とを備えている。ＶＩＣＳ情報処理機能は、ＶＩＣＳ情報に基づいて得られるリンク旅行時間から、当該道路リンクのリンク旅行速度を算出し、このリンク旅行速度を当該道路リンクの「速度情報」に変換する機能である。
【００４０】
ＶＩＣＳ情報処理機能は、リンク旅行速度を算出しようとする道路リンクのリンク長を、当該道路リンクのリンク旅行時間で除することで、リンク旅行速度［ｋｍ／ｈ］を算出する。なお、分割領域内の全道路リンクのリンク長は、予め記憶装置に格納されている。
さらに、ＶＩＣＳ情報処理機能は、求めたリンク旅行速度を「速度情報」（規格化速度）という指標値（速度指標情報）に変換する。この変換は、予測装置７に予め設定された「リンク旅行速度−速度情報」変換情報を参照することで行われる。「リンク旅行速度−速度情報」変換情報は、例えば図４に示すように設定することができる。
【００４１】
プローブ情報処理機能は、プローブ情報に含まれる位置及び時刻に基づいて、道路リンクのリンク旅行速度を算出し、前記「リンク旅行速度−速度情報」変換情報を参照することにより、算出したリンク旅行速度を「速度情報」（規格化速度）という指標値（速度指標情報）に変換する。その処理内容は、ＶＩＣＳ情報処理機能と同様である。
【００４２】
［２．２．２ 学習処理、速度情報の推定及び予測のためのモデル］
図５は、各予測装置７で用いられるニューラルネットワークを示しており、このニューラルネットワークは、推定システム１０が推定対象道路リンクの速度情報を推定する際、及び、予測システム１１が予測対象道路リンクの速度情報を予測する際に用いられる。そして、学習システム１２が、このニューラルネットワークを最適化（学習）する処理を実行する。
このニューラルネットワークは、０〜１の値をとるＮ個の入力信号ｘｉ（ｉ：１〜Ｎ）それぞれに、重みｗｉを乗じて、出力値ｙを生成する単純パーセプトロンとして構成されている。
【００４３】
推定システム１０による推定処理では、入力信号ｘｉは、推定対象道路リンク以外の他の道路リンクの速度情報（規格化速度）であってもよいが、推定対象道路リンクの速度情報（規格化速度）及びそれ以外の他の道路リンクの速度情報（規格化速度）の双方であってもよい。そして、出力値ｙは、推定対象道路リンクの速度情報（規格化速度）である。
予測システム１１による予測処理では、入力信号ｘｉは、予測対象道路リンク以外の他の道路リンクの速度情報（規格化速度）であるが、予測対象道路リンクの速度情報（規格化速度）及びそれ以外の他の道路リンクの速度情報（規格化速度）の双方であってもよい。そして、出力値ｙは、予測対象道路リンクの速度情報（規格化速度）である。
【００４４】
前記推定処理及び前記予測処理それぞれにおいて、重みｘｉは、複数の道路リンクそれぞれの速度情報を、どの程度の割合で反映させるかという値である。例えば、予測対象道路リンクとの相関の高い道路リンクほど大きな値に設定されるべきであり、相関が低い道路リンクほど小さな値に設定されるべきものである。
また、図５では、一般的な単純パーセプトロンとは異なり、入力信号ｘｉに乗じられることなく加算される独立パラメータｗ０が設けられている。
【００４５】
以上のように、推定システム１０及び予測システム１１それぞれが、ある道路リンク（推定対象道路リンク、予測対象道路リンク）の速度情報を求めるためには、当該道路リンクとの相関が多少なりとも認められる道路リンク（本実施形態では、予測対象道路リンクに隣接する道路リンク）の速度情報と、当該道路リンクの速度情報をどの程度ほど対象道路リンクの速度情報に反映させるかを示す重みと、が得られればよい。
そして、各道路リンクの速度情報は、交通情報データベース１３に蓄積されており、各重みは重みデータベース１５に蓄積されており、推定システム１０及び予測システム１１は、両データベース１３，１５から必要な情報を取得し演算処理を実行する。
【００４６】
また、前記ニューラルネットは道路リンク毎について設けられており、推定システム１０及び予測システム１１それぞれは、複数の道路リンクそれぞれの速度情報を、関連する道路リンク（関連道路リンク）における速度情報及びその寄与度を示すパラメータ（重み）を用いて求めることができる。そして、学習システム１２は、各道路リンクについて設けられている前記ニューラルネットワークの推定用パラメータ及び予測用パラメータを最適化する処理を実行する。
【００４７】
［２．２．３ 推定システム、予測システム及び学習システムによる処理の概要］
図６は、第１の予測装置７及び第２の予測装置７それぞれによって実行される交通情報予測方法を示している。図６の左側は第１の予測装置７による処理、右側は第２の予測装置７による処理を示している。
両予測装置７，７それぞれにおいて、交通情報データベース１３、学習データベース１４及び重みデータベース１５に所定の値（例えば、初期値）が設定されている（ステップＳ１０１，Ｓ２０１）。なお、重みデータベース１５に設定される各重みの初期値は、乱数によって設定されるのが好ましい。
【００４８】
予測装置７，７それぞれは、ＶＩＣＳ情報やプローブ情報（入力情報）を取得すると、入力情報処理部１６が入力情報から速度情報を生成し、速度情報を交通情報データベース１３に記憶させ、交通情報データベース１３を更新する（ステップＳ１０２，２０２）。なお、速度情報が取得できる道路リンクは、分割領域それぞれに含まれている全道路リンクのうちの一部であり、速度情報が得られない道路リンクがある。
【００４９】
ステップＳ１０２，２０２で、入力情報（実測値）が取得されている場合、この実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されている他の道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０３，２０３）。
【００５０】
ここで、予測装置７，７それぞれは、自己の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部（または全部）を他の予測装置７に対して送信することができる。
そこで、予測装置７，７それぞれは、他の分割領域に含まれている道路リンクに関して生成されている実測値に基づく速度情報を取得し、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０４，２０４）。
【００５１】
実測値に基づく速度情報を生成できる道路リンクは、各分割領域内の道路リンクの内の一部であるため、予測装置７，７それぞれの推定システム１０は、自己の分割領域に含まれている道路リンクであって実測値に基づく速度情報を生成できていない道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５に蓄積されている推定用パラメータを用いて、推定して補完し、推定結果を交通情報データベース１３に蓄積させる（ステップＳ１０５，２０５）。
【００５２】
この推定処理の際、推定システム１０は、自己が管理する分割領域に含まれる推定対象道路リンクの速度情報の推定を、当該推定対象道路リンクが含まれる自己の分割領域と同一の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測装置７，７それぞれは、前記ステップＳ１０４，２０４で、他の分割領域における実測値に基づく速度情報を取得しているため、それぞれの推定システム１０は、推定対象の道路リンクが含まれる自己の分割領域以外の、他の分割領域に含まれる道路リンクの速度情報も用いることができる。
【００５３】
そして、予測装置７，７それぞれの学習システム１２は、実測値に基づく速度情報と、この実測値に基づく速度情報が取得された道路リンクの速度情報を推定するために用いられる道路リンクの速度情報であって前記ステップＳ１０５，２０５で交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する。そして、学習して得た推定用パラメータは、重みデータベース１５に蓄積され、重みデータベース１５のうちの推定用パラメータの項目について更新される（ステップＳ１０６，２０６）。
【００５４】
さらに、予測装置７，７それぞれにおいて、ステップＳ１０２，２０２で自己の分割領域に含まれている道路リンクに関して取得された実測値に基づく速度情報と、この実測値に基づく速度情報が取得された道路リンクの速度情報を予測するために用いられる道路リンクの速度情報であって交通情報データベース１３に蓄積されている過去のタイムスロットにおける道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０７，２０７）。
すると、予測装置７，７それぞれの学習システム１２は、前記スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た予測用パラメータは、重みデータベース１５に蓄積され、重みデータベース１５の内の予測用パラメータの項目について更新される（ステップＳ１０８，２０８）。
【００５５】
ここで、予測装置７，７それぞれは、自己の分割領域における道路リンクの速度情報を生成及び推定すると、その一部（または全部）を他の予測装置７に対して送信することができる。
そこで、予測装置７，７それぞれは、他の分割領域に含まれている道路リンクの速度情報を取得し、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０９，２０９）。
【００５６】
そして、予測装置７，７それぞれの予測システム１１は、後に到来するタイムスロットにおける予測対象道路リンクの速度情報を、ステップＳ１０８，２０８で学習して得た予測用パラメータ、及び、ステップＳ１０９，２０９において交通情報データベース１３に蓄積された他の道路リンクの速度情報を用いて、予測し、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ１１０，２１０）。
【００５７】
この予測処理の際、予測装置７，７それぞれの予測システム１１は、自己が管理する分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる自己の分割領域と同一の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測装置７，７それぞれは、前記ステップＳ１０９，２０９で、他の分割領域における速度情報を取得しているため、それぞれの予測システム１１は、予測対象道路リンクが含まれる自己の分割領域以外の、他の分割領域に含まれる道路リンクの速度情報も用いる。
【００５８】
ステップＳ１１０，２１０で更新された交通情報データベース１３に蓄積されている各道路リンクの速度情報は、交通情報予測システム１において集約され、また、装置外部に出力される。出力の具体例としては、予測装置７のディスプレイに表示されるか、車載装置２への提供情報として出力される。
【００５９】
また、以上のステップＳ１０２（２０２）からステップＳ１１０（２１０）の処理は、速度情報が取得・生成される度に繰り返し実行される。つまり、本実施形態の交通情報予測システム１では、ＶＩＣＳ情報の更新周期（例えば１５分）に合わせて、ＶＩＣＳ情報及びプローブ情報を取得して、速度情報を生成するため、ステップＳ１０２からステップＳ１１０の処理は、ＶＩＣＳ情報の更新周期（例えば１５分）に合わせて繰り返し実行されることになる。
【００６０】
以上の処理により、分割領域それぞれの道路リンクの速度情報の予測値が得られ、対象領域全体の道路リンクの速度情報の予測値が得られる。
そして、本実施形態によれば、対象領域が広範であり、対象領域に含まれる道路リンクの数が非常に多くても、対象領域が複数に分割された分割領域毎に速度情報が推定され、予測され及び学習されるので、分割領域単位で処理を分散化することができ、コンピュータによる処理の演算負荷が増大するのを防ぐことができる。そして、速度情報を推定、予測するために用いられるパラメータは学習されることから、このシステム１の運用が継続される毎に、適切な速度情報を求めることが可能となる。
【００６１】
［２．３ 推定システム、予測システム及び学習システムによる処理の具体例］
［２．３．１ 道路リンクについて］
図２のように接続された道路リンクを想定する。図２中のＶｍ−ｘは、道路リンクの速度情報（規格化速度：０〜１の値）を示している。また、Ｖｍ−ｘにおける添え字ｍは、分割領域の領域番号を示しており、本実施形態では、第１の分割領域に含まれる道路リンクではｍが「１」となり、第２の分割領域に含まれる道路リンクではｍが「２」となる。添え字ｘは、道路リンクのリンク番号を示しており、「１」から「５」の値をとる。図２では、合計１０個の道路リンクが存在しており、各道路リンクの矢印方向は、車両の進行方向を示している。
【００６２】
［２．３．２ 交通情報データベースについて］
図７（ａ）は第１の分割領域用の交通情報データベース１３の一例を示している。交通情報データベース１３は、タイムスロット毎の「速度情報」、「関連道路リンク情報」のデータ項目を、道路リンク毎に有しており、各道路リンクについてそれぞれのデータ項目の値を保存可能なものである。なお、図示していないが、各道路リンクのリンク長を示す「リンク長」のデータ項目も、道路リンク毎に有している。図７（ａ）では、説明を容易とするために速度情報に０が記憶されている。
【００６３】
前記データ項目のうち、「速度情報」は、各道路リンクの速度情報がセットされる項目であり、現在のタイムスロットの速度情報の他、現在のタイムスロットにおける推定速度情報、将来（図例では現在よりも１つ先、２つ先及び３つ先）のタイムスロットにおける速度情報、過去（図例では現在よりも１つ前、２つ前３つ前及び４つ前）のタイムスロットにおける速度情報、及び、現在のタイムスロットにおいて入力情報として取得されたプローブ情報やＶＩＣＳ情報（実測値）に基づく速度情報を記憶させることができる。
図７（ａ）は、第１の予測装置７が第１の分割領域の情報を管理するために用いられる交通情報データベース１３ではあるが、速度情報を対応させて記憶させる道路リンクは、自己の管理下にある第１の分割領域に存在する道路リンク（１−１）〜（１−５）の他、他の第２の分割領域に存在する道路リンク（２−１）〜（２−３）も含まれる。
【００６４】
「関連道路リンク情報」の項目は、各道路リンクに相関のある道路リンク（関連道路リンク）を示しており、関連道路リンクには、基本参照道路リンクと拡張参照道路リンクとがある。基本参照道路リンクは、各道路リンクに接続されており速度情報の変化に関連のある道路リンクである。拡張参照道路リンクは、各道路リンクに接続されていないが速度情報の変化に関連のある道路リンクである。
例えば、第１の分割領域に含まれているリンク番号が１である道路リンク（１−１）の、関連道路リンクは（１−２）（１−４）（１−３）（２−１）の道路リンクであり、このうち道路リンク（１−１）についての基本参照道路リンクは（１−２）（１−４）の道路リンクであり、拡張参照道路リンクは（１−３）（２−１）の道路リンクである。
【００６５】
「関連道路リンク情報」は、対象領域の道路構成に従って設定されるものであり、更新されることはない。一方、「速度情報」の値は、ＶＩＣＳ情報及びプローブ情報からなる速度情報を取得する度に、及び、推定システム１０及び予測システム１１が速度情報を推定及び予測等して取得する度に、更新される。
なお、第２の分割領域のための交通情報データベース１３も、同様の構成である（図１０（ａ）参照）。
【００６６】
［２．３．３ 処理の具体例］
第１の分割領域において、図７（ａ）に示しているように、道路リンク（１−１）（１−２）に関し、現在のタイムスロット「ｔ」において、プローブ情報（ＶＩＣＳ情報であってもよい）が得られ、前記入力情報処理部１６によって速度情報に変換され、その実測値に基づく速度情報「Ｐ」が、交通情報データベース１３の「プローブＶＩＣＳ速度情報」の項目に記憶される（図６のステップＳ１０２）。
【００６７】
この実測値に基づく速度情報は、図８（ａ）に示しているように「現在の速度情報」の項目にコピーされる。このコピーされた実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に既に蓄積されていた道路リンクの速度情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０３）。なお、スナップショットに含まれる、前記既に蓄積されていた道路リンクの速度情報には、実測値が取得された道路リンクの速度情報と、当該実測値が取得された道路リンクの速度情報を推定するために用いられる他の関連道路リンクの速度情報とが含まれている。
【００６８】
つまり、道路リンク（１−１）に関して実測値に基づく速度情報が取得されているので、道路リンク（１−１）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（１−１）の速度情報及び関連道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報との組み合わせ（図８（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
また、道路リンク（１−２）に関して実測値に基づく速度情報が取得されているので、図９（ａ）に示しているように、道路リンク（１−２）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（１−２）の速度情報及び関連道路リンク（１−１）（１−３）（１−４）（１−５）（２−１）（２−２）の速度情報との組み合わせ（図９（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００６９】
図１０（ａ）は、第２の予測装置７が第２の分割領域の情報を管理するために用いられる交通情報データベース１３である。第２の分割領域において、図１０（ａ）に示しているように、道路リンク（２−１）に関し、現在のタイムスロット「ｔ」において、プローブ情報（ＶＩＣＳ情報であってもよい）が得られ、前記入力情報処理部１６によって速度情報に変換され、その実測値に基づく速度情報「Ｐ」が、交通情報データベース１３の「プローブＶＩＣＳ速度情報」の項目に記憶される（図６のステップＳ２０２）。
【００７０】
この実測値に基づく速度情報は、図１１（ａ）に示しているように「現在の速度情報」の項目にコピーされる。このコピーされた実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に既に蓄積されていた道路リンクの速度情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ２０３）。なお、スナップショットに含まれる、前記既に蓄積されていた道路リンクの速度情報には、実測値が取得された道路リンクの速度情報と、当該実測値が取得された道路リンクの速度情報を推定するために用いられる他の関連道路リンクの速度情報とが含まれる。
【００７１】
つまり、道路リンク（２−１）に関して実測値に基づく速度情報が取得されているので、道路リンク（２−１）の現在の速度情報「Ｐ」と、１つ前のタイムスロットの、道路リンク（２−１）の速度情報及び関連道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報との組み合わせ（図１１（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００７２】
第２の予測装置７は、自己が管理する第２の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部を第１の予測装置７に対して送信することができるので、図１２（ａ）に示しているように、第１の予測装置７は、第２の分割領域の道路リンク（２−１）で生成された実測値に基づく速度情報「Ｐ」を取得し、その速度情報「Ｐ」を自己の交通情報データベース１３に蓄積させる（ステップＳ１０４）。
【００７３】
第１の分割領域では、実測値に基づく速度情報を生成できた道路リンクは（１−１）（１−２）であるので、第１の予測装置７の推定システム１０は、第１の分割領域に含まれている残りの道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５（図１３（ｂ）参照）に蓄積されている推定用パラメータを用いて、推定して補完し、図１３（ａ）に示しているように、推定結果を交通情報データベース１３に蓄積させる（ステップＳ１０５）。なお、前記プローブ情報が取得されてから図１３（ｂ）の状態までは、重みデータベース１５は更新されていない。
【００７４】
このステップＳ１０５では、現在の速度情報として、実測値に基づく速度情報が生成されている道路リンク（１−１）（１−２）に関しては、推定に基づく速度情報の項目に、当該実測値に基づく速度情報が記憶されるが、その他の道路リンク（１−３）（１−４）（１−５）に関しては、図５に示したニューラルネットワークが用いられて推定処理が実行される。また、その他の道路リンク（１−３）（１−４）（１−５）それぞれの速度情報を推定するために用いられる関連道路リンクが、実測値に基づく速度情報が生成されている道路リンクである場合は、当該実測値に基づく速度情報が用いられる。そして、前記その他の道路リンク（１−３）（１−４）（１−５）それぞれの速度情報を推定するために用いられる関連道路リンクが、実測値に基づく速度情報が生成されていない道路リンクである場合は、一つ前のタイムスロットにおける速度情報が用いられる。
【００７５】
具体的に説明すると、例えば、道路リンク（１−３）の速度情報（現在時刻が属するタイムスロットの速度情報）Ｖ１−３（ｔ）は、以下の式によって推定される。
Ｖ１−３（ｔ）＝ｗ０＋ｗ１Ｖ１−２（ｔ）＋ｗ２Ｖ１−５（ｔ−１）
＋ｗ３Ｖ２−１（ｔ）＋ｗ４Ｖ２−２（ｔ−１）＋ｗ５Ｖ２−３（ｔ−１）＋ｗ６Ｖ１−３（ｔ−１）
重みｗは、図１３（ｂ）の重みデータベース１５の「推定用パラメータ（重み）」の項目の値が用いられる。なお、図１３（ｂ）では、重みｗの値は、実際には数字であるが、アルファベットと添え字ａ１，ａ２・・・，ｂ１，ｂ２・・・，ｃ１，ｃ２・・・で示している。また、前記演算式の（ｔ−１）は、一つ前のタイムスロットにおける速度情報を意味している。
【００７６】
この演算式では、推定対象である自己の道路リンク（１−３）に関して、一つ前のタイムスロットにおける速度情報Ｖ１−３（ｔ−１）も、推定処理に用いているが、この速度情報Ｖ１−３（ｔ−１）を用いなくてもよい。
そして、本実施形態では推定処理のために、基本参照道路リンク（１−２）（１−５）及び拡張参照道路リンク（２−１）（２−２）（２−３）を用いているが、拡張参照道路リンクを用いないで基本参照道路リンクのみを用いてもよい。
【００７７】
第１の分割領域に含まれる道路リンクの、現在のタイムスロットにおける速度情報がすべて取得されると、第１の予測装置７の学習システム１２は、実測値に基づく速度情報が取得された道路リンク（１−１）（１−２）それぞれの重みについて、当該実測値に基づく速度情報と、交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する（ステップＳ１０６）。
【００７８】
図２６は、学習システム１２による学習処理の手順を示している。まず、学習システム１２は、誤差判定のための許容誤差、ニューラルネットワーク（図５）を構成する中間層の数、学習計数等の学習用のパラメータ設定を行う（ステップＳ１１）。
学習システム１２は、図５に示すニューラルネットワークを最適化（学習）するニューロエンジンとして構成されている。つまり、学習システム１２は、前記学習用データのうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワークを再構築する。
すなわち、学習システム１２は、実測値である速度情報と、当該速度情報を持つ道路リンクの関連道路リンクについての速度情報とからなる学習用データから、重み（推定用パラメータ）の最適値を算出する。重み（予測用パラメータ）の最適値の算出は、ニューラルネットワークを使う方法以外に、残差平方和を最小にする演算、つまり、最小自乗法等によって行うことができる。
【００７９】
重み（予測用パラメータ）の最適値の算出は、関連道路リンクについての速度情報から算出される速度情報が、教師信号に近づいて、教師信号との誤差が、設定された許容誤差未満になるまで行われる（ステップＳ１３）。
重みが収束して学習処理が終了すると、得られた道路リンク（１−１）（１−２）それぞれのための重みは、図１４（ｂ）に示しているように、重みデータベース１５の推定用パラメータの項目に反映され、重みデータベース１５が更新される（図６のステップＳ１０６）。
【００８０】
第１の予測装置７は、自己が管理する第１の分割領域における道路リンクの入力情報（実測値）を取得し、この実測値に基づく速度情報を生成すると、その一部を第２の予測装置７に対して送信することができる。しかし、第１の分割領域の道路リンク（１−３）では、実測値に基づく速度情報が取得されていないため、図１５（ａ）に示しているように、第２の予測装置７は当該速度情報を得ることができず、第２の分割領域のための交通情報データベース１３では、道路リンク（１−３）の現在の速度情報は、更新されない（ステップＳ２０４）。
【００８１】
第２の分割領域では、実測値に基づく速度情報を生成できた道路リンクは（２−１）であるので、第２の予測装置７の推定システム１０は、第２の分割領域に含まれている残りの道路リンク（推定対象道路リンク）の速度情報を、重みデータベース１５（図１６（ｂ）参照）に蓄積されている推定用パラメータを用いて、推定して補完し、図１６（ａ）に示しているように、推定結果を交通情報データベース１３に蓄積させる（ステップＳ２０５）。なお、前記プローブ情報が取得されてから図１６（ｂ）の状態までは、重みデータベース１５は更新されていない。
【００８２】
このステップＳ２０５で実行される推定処理は、前記ステップＳ１０５で実行された推定処理と同じであるため、説明を省略する。
そして、第２の分割領域に含まれる道路リンクの、現在のタイムスロットにおける速度情報がすべて取得されると（図１６（ｂ）参照）、第２の予測装置７の学習システム１２は、実測値に基づく速度情報が取得された道路リンク（２−１）の重みについて、当該実測値に基づく速度情報と、交通情報データベース１３に蓄積されている道路リンクの交通情報との組み合わせを、学習用データとして、前記推定用パラメータを学習する（ステップＳ２０６）。
【００８３】
このステップＳ２０６で実行される推定処理は、前記ステップＳ１０６で実行された学習処理と同じであるため、説明を省略する。
この学習によって得られた道路リンク（２−１）のための重みは、図１７（ｂ）に示しているように、重みデータベース１５の推定用パラメータの項目に反映され、重みデータベース１５が更新される（ステップＳ２０６）。
【００８４】
次に、第１の予測装置７において、ステップＳ１０２で第１の分割領域に含まれている道路リンク（１−１）に関して取得された実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されていた道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ１０７）。
つまり、道路リンク（１−１）において実測値に基づく速度情報が取得されているので、道路リンク（１−１）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（１−１）の速度情報及び関連道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報との組み合わせ（図１８（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
また、同様に、道路リンク（１−２）において実測値に基づく速度情報が取得されているので、道路リンク（１−２）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（１−２）の速度情報及び関連道路リンク（１−１）（１−３）（１−４）（１−５）（２−１）（２−２）の速度情報との組み合わせが、スナップショットとして学習データベース１４に蓄積される。
【００８５】
そして、第１の予測装置７の学習システム１２は、ステップＳ１０７の前記各スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た道路リンク（１−１）（１−２）それぞれのための予測用パラメータは、図１８（ｂ）に示しているように、重みデータベース１５に蓄積され、重みデータベース１５の内の予測用パラメータの項目について更新される（ステップＳ１０８）。
なお、予測用パラメータの学習処理は、前記推定用パラメータの学習処理（図２６）と同じであり、学習システム１２は、前記スナップショット（学習用データ）のうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンク及び自己の道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワーク（図５）を再構築する。
【００８６】
また、第２の予測装置７は、自己の第２の分割領域における道路リンクの速度情報を推定すると、その一部を第１の予測装置７に対して送信することができる。そこで、第１の予測装置７は、当該第２の分割領域に含まれている道路リンク（２−２）（２−３）の推定に基づく速度情報を取得し、図１９（ａ）に示しているように、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ１０９）。
この第１の予測装置７が取得する道路リンクの速度情報は、第１の分割領域に含まれている道路リンクの速度情報を予測するために用いられる関連道路リンク（拡張参照道路リンク）の速度情報であり、第２の予測装置７がステップＳ２０５で推定して得た速度情報である（図１６（ａ））。
【００８７】
そして、第１の予測装置の予測システム１１は、第１の分割領域に含まれる予測対象道路リンクの速度情報であって後に到来する３つ先のタイムスロットにおける速度情報を、ステップＳ１０８で学習して得た予測用パラメータ（図１８（ｂ）参照）、及び、ステップＳ１０９までにおいて交通情報データベース１３に蓄積された道路リンクの速度情報（図１９（ａ））を用いて、予測する演算を実行し、図２０（ａ）に示しているように、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ１１０）。
【００８８】
この予測の処理のために用いられる、交通情報データベース１３に蓄積された道路リンクの速度情報は、後に到来する３つ先のタイムスロットよりも前に取得されている情報であり、本実施形態では、現在のタイムスロットの速度情報と、一つ前のタイムスロットの速度情報である。つまり、現在のタイムスロットの速度情報として、実測値に基づく速度情報が生成されている道路リンク（１−１）（１−２）（２−１）に関しては、当該実測値に基づく速度情報が用いられ、その他の道路リンク（１−３）（１−４）（１−５）（２−２）（２−３）に関しては、ステップＳ１０５で推定された速度情報又はステップＳ１０９で取得した速度情報が用いられる。そして、一つ前のタイムスロットの速度情報としては、交通情報データベース１３に蓄積されているものである。
【００８９】
また、この予測処理の際、予測システム１１は、自己が管理する第１の分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる分割領域と同一の第１の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測対象道路リンクが含まれる第１の分割領域以外の、第２の分割領域に含まれる道路リンクの速度情報も用いる。
【００９０】
具体的に説明すると、例えば、道路リンク（１−１）に関する３つ先のタイムスロットの速度情報Ｖ１−１（ｔ＋３）は、以下の式によって予測される。
Ｖ１−１（ｔ＋３）＝ｗ０＋ｗ１Ｖ１−２（ｔ）＋ｗ２Ｖ１−４（ｔ）＋ｗ３Ｖ１−３（ｔ）＋ｗ４Ｖ２−１（ｔ）
＋ｗ８Ｖ１−２（ｔ―１）＋ｗ９Ｖ１−４（ｔ―１）＋ｗ１０Ｖ１−３（ｔ―１）＋ｗ１１Ｖ２−１（ｔ―１）
重みｗは、図１８（ｂ）の重みデータベース１５の「（ｇ＝１）に対応する重み」のうちｗ０からｗ４及び「（ｇ＝２）に対応する重み」のうちｗ８からｗ１１が用いられる。
【００９１】
なお、道路リンク（１−１）の速度情報Ｖ１−１（ｔ＋３）を予測するために、当該道路リンク（１−１）の現在のタイムスロット（ｔ）及び一つ前のタイムスロット（ｔ−１）における速度情報Ｖ１−１（ｔ），Ｖ１−１（ｔ−１）も用いることができるが、本実施形態（前記演算式）では、予測システム１１が、予測対象の道路リンク（１−１）の速度情報Ｖ１−１（ｔ＋３）を予測するために用いる関連道路リンクの速度情報は、当該予測対象となる道路リンク（１−１）の現在のタイムスロット及び過去のタイムスロットの速度情報Ｖ１−１（ｔ），Ｖ１−１（ｔ−１）を含まないで、当該予測対象となる道路リンク（１−１）以外の、他の道路リンク（１−２）（１−４）（１−３）（２−１）の速度情報のみである。この場合、重回帰分析における多重共線性の問題を抑制することができる。
そして、第１の分割領域に含まれる残りの道路リンク（１−２）（１−３）（１−４）（１−５）についても、同様に、３つ先のタイムスロットの速度情報が予測され、交通情報データベース１３に蓄積される（図２０（ａ）参照）
【００９２】
また、前記のような第１の予測装置７におけるステップＳ１０７〜Ｓ１１０の処理と同様の処理が、第２の予測装置７においても実行される。
すなわち、ステップＳ２０２で第２の分割領域に含まれている道路リンク（２−１）に関して取得された実測値に基づく速度情報と、当該実測値の取得の際に交通情報データベース１３に蓄積されていた道路リンクの交通情報との組み合わせが、スナップショット（学習用データ）として学習データベース１４に蓄積される（ステップＳ２０７）。
つまり、道路リンク（２−１）において実測値に基づく速度情報が取得されているので、道路リンク（２−１）の現在の速度情報Ｐと、３つ前のタイムスロット及び４つ前のタイムスロットの、道路リンク（２−１）の速度情報及び関連道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報との組み合わせ（図２１（ａ）では線で囲まれている速度情報）が、スナップショットとして学習データベース１４に蓄積される。
【００９３】
そして、第２の予測装置７の学習システム１２は、ステップＳ２０７の前記スナップショットを用いて、予測対象道路リンクの交通情報を予測するための予測用パラメータを学習し、学習して得た道路リンク（２−１）のための予測用パラメータは、図２１（ｂ）に示しているように、重みデータベース１５に蓄積され、重みデータベース１５のうちの予測用パラメータの項目について更新される（ステップＳ１０８）。
この予測用パラメータの学習処理は、第１の予測装置７の場合（図２６）と同じであり、説明を省略する。
【００９４】
また、第１の予測装置７は、自己の第１の分割領域における道路リンクの速度情報を推定すると、その一部を第２の予測装置７に対して送信することができる。そこで、第２の予測装置７は、当該第１の分割領域に含まれている道路リンク（１−３）の速度情報を取得し、図２２（ａ）に示しているように、その速度情報を自己の交通情報データベース１３に蓄積させる（ステップＳ２０９）。
この第２の予測装置７が取得する道路リンクの速度情報は、第２の分割領域に含まれている道路リンクの速度情報を予測するために用いられる関連道路リンク（拡張参照道路リンク）の速度情報であり、第１の予測装置７がステップＳ１０５で推定して得た速度情報である（図１３（ａ））。
【００９５】
そして、第２の予測装置の予測システム１１は、第２の分割領域に含まれる予測対象道路リンクの速度情報であって後に到来する３つ先のタイムスロットにおける速度情報を、ステップＳ２０８で学習して得た予測用パラメータ（図２１（ｂ）参照）、及び、ステップＳ２０９までにおいて交通情報データベース１３に蓄積された道路リンクの速度情報（図２２（ａ））を用いて、予測する演算を実行し、図２３（ａ）に示しているように、予測して得た速度情報を交通情報データベース１３に蓄積させる（ステップＳ２１０）。
【００９６】
この予測の処理のために用いられる、交通情報データベース１３に蓄積された道路リンクの速度情報は、後に到来する３つ先のタイムスロットよりも前に取得されている情報であり、本実施形態では、現在のタイムスロットの速度情報と、一つ前のタイムスロットの速度情報である。つまり、現在のタイムスロットの速度情報として、実測値に基づく速度情報が生成されている道路リンク（２−１）に関しては、当該実測値に基づく速度情報が用いられ、その他の道路リンク（２−２）（２−３）（２−４）（２−５）（１−３）に関しては、ステップＳ２０５で推定された速度情報又はステップＳ２０９で取得した速度情報が用いられる。そして、一つ前のタイムスロットの速度情報としては、交通情報データベース１３に蓄積されているものである。
【００９７】
また、この予測処理の際、予測システム１１は、自己が管理する第２の分割領域に含まれる予測対象道路リンクの速度情報の予測を、当該予測対象道路リンクが含まれる分割領域と同一の第２の分割領域に含まれる他の道路リンクの速度情報を用いて行うが、さらに、予測対象道路リンクが含まれる第２の分割領域以外の、第１の分割領域に含まれる道路リンクの速度情報も用いる。
【００９８】
具体的に説明すると、例えば、道路リンク（２−１）に関する３つ先のタイムスロットの速度情報Ｖ２−１（ｔ＋３）は、以下の式によって予測される。
Ｖ２−１（ｔ＋３）＝ｗ０＋ｗ１Ｖ２−２（ｔ）＋ｗ２Ｖ２−４（ｔ）＋ｗ３Ｖ１−３（ｔ）＋ｗ４Ｖ２−３（ｔ）
＋ｗ８Ｖ２−２（ｔ―１）＋ｗ９Ｖ２−４（ｔ―１）＋ｗ１０Ｖ１−３（ｔ―１）＋ｗ１１Ｖ２−３（ｔ―１）
重みｗは、図２２（ｂ）の重みデータベース１５の「（ｇ＝１）に対応する重み」のうちｗ０からｗ４及び「（ｇ＝２）に対応する重み」のうちｗ８からｗ１１が用いられる。
【００９９】
なお、道路リンク（２−１）の速度情報Ｖ２−１（ｔ＋３）を予測するために、当該道路リンク（２−１）の現在のタイムスロット（ｔ）及び一つ前のタイムスロット（ｔ−１）における速度情報Ｖ２−１（ｔ），Ｖ２−１（ｔ−１）も用いることができるが、本実施形態（前記演算式）では、予測システム１１が、予測対象の道路リンク（２−１）の速度情報を予測する際に用いる関連道路リンクの速度情報は、当該予測対象となる道路リンク（２−１）の現在のタイムスロット及び過去のタイムスロットの速度情報Ｖ２−１（ｔ），Ｖ２−１（ｔ−１）を含まないで、当該予測対象となる道路リンク（２−１）以外の、他の道路リンク（２−２）（２−４）（１−３）（２−３）の速度情報のみである。この場合、重回帰分析における多重共線性の問題を抑制することができる。
そして、第２の分割領域に含まれる残りの道路リンク（２−２）（２−３）（２−４）（２−５）についても、同様に、３つ先のタイムスロットの速度情報が予測され、交通情報データベース１３に蓄積される（図２３（ａ）参照）。
【０１００】
以上のように、各分割領域において、３つ先のタイムスロットでの予測に基づく速度情報が取得された後、時間が経過し、次のタイムスロットに現在時刻が属すると、予測装置７，７それぞれにおいて、交通情報データベース１３における時間（タイムスロット）を一つ前にずらす処理が実行される（図２４と図２５）。つまり、現在時刻が属するタイムスロットの値は、１つ前のタイムスロットの値となるように、各値がコピーされる。なお、実測値に基づく速度情報が存在するものは、推定値ではなく実測値に基づく速度情報が採用される。
そして、プローブ情報ＶＩＣＳ情報の項目、及び、現在の速度情報（推定の速度情報）の項目が初期化され、次の入力を待つ待機状態となり、現在時刻が属するタイムスロットにおいて、プローブ情報及びＶＩＣＳ情報が取得されると、前記ステップ１０１及び前記ステップ２０１以降の処理が繰り返し実行される。
【０１０１】
以上の交通情報予測システム１によれば、複数の道路リンクが含まれる対象領域が複数（２つ）の分割領域に分割されており、各分割領域に含まれる予測対象道路リンクの速度情報を、第１及び第２の予測装置７それぞれの予測システム１１が、分割領域毎で予測することができる。
そして、この予測の処理のために、学習システム１２は、各分割領域に含まれかつ予測対象の道路リンクになり得る道路リンクにおける実測値に基づく速度情報と、当該予測対象の道路リンクの速度情報を予測するために用いられる関連道路リンクの速度情報との組み合わせを学習用データとして用いて、予測用パラメータを最適化する。
【０１０２】
そして、推定システム１０は、各分割領域に含まれる道路リンクに関して実測値に基づく速度情報が取得されると、当該道路リンク以外の他の道路リンクの速度情報を推定することができる。つまり、実測値に基づく速度情報が取得された道路リンク以外の、他の道路リンクの速度情報は、当該推定システム１０によって推定され、これにより、実測値が取得されなかった道路リンクの速度情報は、当該推定により補完される。
そして、この補完された速度情報、及び、学習システム１２によって得られた予測用パラメータ（重み）を用いて、予測システム１１は、後に到来するタイムスロットにおける予測対象道路リンクの速度情報を予測するので、予測して得られる速度情報の精度を高めることが可能となる。
【０１０３】
また、従来では、図２のように分割された分割領域毎に速度情報の予測を行うと、例えば分割領域の境界付近における道路リンク（１−３）は、隣接する他方の分割領域の道路リンク（２−１）との相関が高い場合があるにもかかわらず、道路リンク（１−３）の速度情報を予測するために、当該他方の分割領域の道路リンク（２−１）の速度情報を考慮できない、という問題点が生じている。しかし、本実施形態によれば、予測対象である道路リンク（１−３）が含まれる第１の分割領域以外の、第２の分割領域に含まれる道路リンク（２−１）の速度情報も用いることで、前記問題点を解消することができる。
【０１０４】
また、本実施形態では、重みデータベース１５において、各道路リンクの重み（予測用パラメータ及び推定用パラメータ）は、道路リンク毎における重みの値の総和が１となるように設定（第一条件）するのが好ましい。例えば、第１の分割領域に含まれるリンク番号（１−１）の道路リンクの重みについて説明すると、ｗ１＋ｗ２＋ｗ３＋ｗ４＋ｗ５＋ｗ８＋ｗ９＋ｗ１０＋ｗ１１＋ｗ１２＝１と設定するのが好ましい。
また、前記第一条件を満たすと共に、又は、前記第一条件とは関係なく、各重み（予測用パラメータ及び推定用パラメータ）の初期値は、乱数を用いるのが好ましく、予測装置７がコンピュータプログラムによる機能部として備えている乱数発生部１７（図３参照）によって、各重みの初期値が乱数によって設定（第二条件）されるのが好ましい。このように乱数を用いることにより、重みの値それぞれは強い相関を持たず、多重共線性による問題の発生を防止することができる。
【０１０５】
また、本実施形態の推定システム１０、予測システム１１及び学習システム１２は、前記基本参照道路リンクの速度情報のみならず、前記拡張参照道路リンクの速度情報も用いるため、離れた道路リンクの速度情報の影響を反映させることが可能となる。
【０１０６】
［３ 道路リンク群用予測システム２１（道路リンク群用予測部）について］
前記のとおり、交通情報予測システム１は、図２７に示しているように、道路リンク群用の予測システム２１を備えており、また、複数（２つ）の分割領域に跨って繋がっている複数の道路リンクがグループ化されて、これら道路リンクによって道路リンク群Ｇが構成されている。
そして、前記予測システム２１は、この道路リンク群Ｇに含まれる予測対象の道路リンクの速度情報の予測を実行する機能を有している。
なお、この予測システム２１は、前記第１の予測装置７と前記第２の予測装置７との内の一方又は双方が備えていてもよいが、これら予測装置７とは別の予測装置が備えていてもよい。そこで、本実施形態（図２７）では、別の予測装置（第３の交通情報予測装置２７）が備えているものとして説明する。
【０１０７】
第３の予測装置２７は、前記第１及び第２の予測装置７，７と同じ構成であり、同じ機能を有しているが、この第３の予測装置２７によって速度情報に関する処理が実行される道路リンクは、分割領域を超えてグループ化された前記道路リンク群Ｇに含まれる道路リンクである。この道路リンク群Ｇは、速度情報の変化に関して互いに関連性の高い複数の道路リンクによってグループ化されたものである。
具体的に説明すると、道路リンク群Ｇは、例えば高速道路に割り当てられている複数の道路リンクから成るように構成されており、図２７では、道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）が、一つの高速道路（その一部）に割り当てられた道路リンクであり、その他の道路リンクは一般道路であるとすると、道路リンク群Ｇは、（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）から成る。
【０１０８】
また、この図２７では、図２と同様に対象領域が第１の分割領域と第２の分割領域とに区画されており、第１の分割領域に関しては、前記第１の予測装置７によって、速度情報の予測等の処理が実行され、第２の分割領域に関しては、前記第２の予測装置７によって、速度情報の予測等の処理が実行される。そして、第３の予測装置２７によって、道路リンク群Ｇに含まれる道路リンクの速度情報の予測等の処理が実行される。
【０１０９】
前記のとおり、第３の予測装置２７の道路リンク群用の予測システム２１は、前記第１及び第２の予測装置７，７の予測システム１１と同じ構成及び機能を有しており、また、第３の予測装置２７は、さらに、推定システム１０、学習システム１２、交通情報データベース１３、学習データベース１３及び重みデータベース１５と同じ構成及び機能を有している。したがって、第３の予測装置２７は、図６で説明した処理と同じ処理を実行することができ、後に到来するタイムスロットにおける予測対象道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）の速度情報を、学習して得た予測用パラメータ、及び、交通情報データベースに蓄積された他の道路リンクの速度情報を用いて、予測し、予測して得た速度情報を交通情報データベースに蓄積させることができる。
【０１１０】
なお、この道路リンク群用の予測システム２１では、グループ化された道路リンク群Ｇに含まれる、予測対象の道路リンクの速度情報の予測は、当該道路リンク群Ｇに含まれる他の道路リンクの速度情報を用いて行われる。すなわち、例えば、道路リンク（１−３）の速度情報を予測するためには、他の道路リンク（１−１）（１−２）（２−１）（２−２）（２−３）の速度情報が用いられ、また、これに対応した重みが用いられる。
【０１１１】
このように道路リンク群用の予測システム２１を更に備えた交通情報予測システムの場合、高速道路は一般的に複数の分割領域に跨って繋がっており、速度情報の変化に関して関連性の高い複数の道路リンクが、複数の分割領域に跨って繋がっている。そこで、本実施形態では、これら道路リンクをグループ化して道路リンク群Ｇを構成しており、道路リンク群用予測システム２１は、分割領域に影響されずに、この道路リンク群Ｇに含まれる予測対象の道路リンクの速度情報を予測することができる。
【０１１２】
そして、この実施形態であっても、分割領域に含まれている道路リンクでは、第１及び第２の予測装置７，７の予測システム１１によって速度情報が予測されている。つまり、予測対象道路リンク（１−１）（１−２）（１−３）（２−１）（２−２）（２−３）に関しては、予測システム１１と、道路リンク群用の予測システム２１との双方によって速度情報が予測される。そして、双方それぞれによって予測された速度情報は、それぞれの交通情報データベースに蓄積される。そして、これら速度情報を、交通情報予測システム１は管理することができ、交通情報予測システム１は、場合に応じて、これら速度情報を適宜選択して、車両（ナビゲーションシステム）に提供したり、交通管制を行ったりすることが可能となる。
【０１１３】
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。
【０１１４】
例えば、予測対象道路リンクの速度情報を予測するために用いられる他の道路リンク（関連道路リンク）は、予測対象道路リンクに接続されているものに限らず、予測対象道路リンクとは離れているが、速度情報の時間的変化の仕方が似ている道路リンク（例えば、推定対象道路リンクと並行する道路リンク）であってもよい。
また、本実施形態の交通情報予測システム１（予測装置７）によって処理される交通情報は、速度情報に限らず、これに加えて／代えて、渋滞情報等他の交通情報とすることもできる。
また、速度情報としては、規格化されたものに限らず、リンク旅行速度そのものを利用してもよい。
【０１１５】
また、前記実施形態では、３つ先（ｆ＝３）のタイムスロットの速度情報を予測する場合を説明したが、先のタイムスロットの数（ｆ）は、これ以外であってもよい。また、速度情報を予測したり、推定したりするために、現在のタイムスロットの他、過去のタイムスロットを用いればよく、そのタイムスロットの数（ｇ）は、複数であってもよい。つまり、例えば、前記実施形態では、図１８において３つ前と４つ前の２つ（ｇ＝２）のタイムスロットの速度情報を用いて重みを学習したが、このタイムスロットの数（ｇ）は、これ以外の数であってもよい。
【符号の説明】
【０１１６】
１：交通情報予測システム、 １０：推定システム（推定部）、 １１：予測システム（分割領域用の予測部）、 １２：学習システム（学習部）、 １３：交通情報データベース、 １４：学習データベース、 １５：重みデータベース（パラメータデータベース）、 １７：乱数発生部、 ２１：予測システム（道路リンク群用の予測部）、 Ｇ：道路リンク群
【特許請求の範囲】
【請求項１】
予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測システムであって、
複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測部と、
前記分割領域用の予測部が予測対象の道路リンクの交通情報を予測するために用いる予測用パラメータを学習する学習部と、
を備え、
前記分割領域用の予測部は、更に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする交通情報予測システム。
【請求項２】
複数の前記分割領域に跨って繋がる複数の道路リンクがグループ化された道路リンク群に含まれる、予測対象の道路リンクの交通情報の予測を、当該道路リンク群に含まれる他の道路リンクの交通情報を用いて行う道路リンク群用の予測部を、備えている請求項１に記載の交通情報予測システム。
【請求項３】
前記所定の分割領域において、予測対象の道路リンクになり得る道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部を、更に備え、
前記学習部は、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習し、
前記分割領域用の予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測する請求項１又は２に記載の交通情報予測システム。
【請求項４】
前記予測部が、前記予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報は、当該予測対象となる道路リンクの交通情報を含まないで、当該予測対象となる道路リンク以外の他の道路リンクの交通情報のみである請求項１から３のいずれか一項に記載の交通情報予測システム。
【請求項５】
前記学習部によって学習されることにより更新される前記予測用パラメータの初期値を、乱数によって求める乱数発生部を備えている請求項１から４のいずれか一項に記載の交通情報予測システム。
【請求項６】
コンピュータを、請求項１から５のいずれか一項に記載の交通情報予測システムとして機能させるためのコンピュータプログラム。
【請求項７】
予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測方法であって、
複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を予測する際に、
前記予測対象の道路リンクが含まれる分割領域と同一の分割領域に含まれる他の道路リンクの交通情報の他に、
前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする交通情報予測方法。
【請求項１】
予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測システムであって、
複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を、当該分割領域に含まれる他の道路リンクの交通情報を用いて予測する分割領域用の予測部と、
前記分割領域用の予測部が予測対象の道路リンクの交通情報を予測するために用いる予測用パラメータを学習する学習部と、
を備え、
前記分割領域用の予測部は、更に、前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする交通情報予測システム。
【請求項２】
複数の前記分割領域に跨って繋がる複数の道路リンクがグループ化された道路リンク群に含まれる、予測対象の道路リンクの交通情報の予測を、当該道路リンク群に含まれる他の道路リンクの交通情報を用いて行う道路リンク群用の予測部を、備えている請求項１に記載の交通情報予測システム。
【請求項３】
前記所定の分割領域において、予測対象の道路リンクになり得る道路リンクに関して実測値に基づく交通情報が取得されると、当該道路リンク以外の他の道路リンクの交通情報を推定する推定部を、更に備え、
前記学習部は、予測対象の道路リンクになり得る前記道路リンクにおける実測値に基づく交通情報と、当該予測対象の道路リンクの交通情報を予測するために用いられる道路リンクの交通情報との組み合わせを学習用データとして用いて、前記予測用パラメータを学習し、
前記分割領域用の予測部は、後に到来する所定時刻における予測対象の道路リンクの交通情報を、前記学習部によって得られた予測用パラメータ、及び、前記推定部が推定した交通情報を用いて予測する請求項１又は２に記載の交通情報予測システム。
【請求項４】
前記予測部が、前記予測対象の道路リンクの交通情報を予測する際に用いる道路リンクの交通情報は、当該予測対象となる道路リンクの交通情報を含まないで、当該予測対象となる道路リンク以外の他の道路リンクの交通情報のみである請求項１から３のいずれか一項に記載の交通情報予測システム。
【請求項５】
前記学習部によって学習されることにより更新される前記予測用パラメータの初期値を、乱数によって求める乱数発生部を備えている請求項１から４のいずれか一項に記載の交通情報予測システム。
【請求項６】
コンピュータを、請求項１から５のいずれか一項に記載の交通情報予測システムとして機能させるためのコンピュータプログラム。
【請求項７】
予測対象の道路リンクの交通情報を、他の道路リンクの交通情報に基づいて予測する交通情報予測方法であって、
複数ある分割領域の内の所定の分割領域に含まれる予測対象の道路リンクの交通情報を予測する際に、
前記予測対象の道路リンクが含まれる分割領域と同一の分割領域に含まれる他の道路リンクの交通情報の他に、
前記予測対象の道路リンクが含まれる分割領域以外の他の分割領域に含まれる道路リンクの交通情報を用いることを特徴とする交通情報予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【公開番号】特開２０１１−２２７８２６（Ｐ２０１１−２２７８２６Ａ）
【公開日】平成２３年１１月１０日（２０１１．１１．１０）
【国際特許分類】
【出願番号】特願２０１０−９９０３４（Ｐ２０１０−９９０３４）
【出願日】平成２２年４月２２日（２０１０．４．２２）
【出願人】（０００００２１３０）住友電気工業株式会社 (12,747)
【Ｆターム（参考）】
【公開日】平成２３年１１月１０日（２０１１．１１．１０）
【国際特許分類】
【出願日】平成２２年４月２２日（２０１０．４．２２）
【出願人】（０００００２１３０）住友電気工業株式会社 (12,747)
【Ｆターム（参考）】
[ Back to top ]