交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法
【課題】交通情報の推定を適切に行えるようにする。
【解決手段】他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置である。他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定システム１１と、推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる他の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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習システム１２とを備えている。
【解決手段】他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置である。他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定システム１１と、推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる他の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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習システム１２とを備えている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、交通情報を推定するための交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法に関するものである。
【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など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】
しかし、ＶＩＣＳ及びプローブシステムを利用したとしても、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。
【０００６】
そこで、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定す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】
【０００７】
（１）本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部とを備えたことを特徴とする。
本発明によれば、学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【０００８】
（２）また、前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定するのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、推定部は、既に取得されている推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定すれば、交通情報の推定をより適切に行えるようになる。
【０００９】
（３）また、前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれているのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、学習用データの組み合わせに、推定対象道路リンクになり得る道路リンクに関して既に取得されている交通情報も含ませ、この学習用データを用いて、当該推定対象道路リンクの交通情報を推定するための推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【００１０】
（４）そして、前記交通情報推定装置において、前記推定部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の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、推定部が推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、学習部が推定用パラメータを最適化することになる。
【００１１】
（５）これとは反対に、前記交通情報推定装置において、前記学習部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の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、学習部が当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定部が推定対象道路リンクの交通情報を推定することになる。
【００１２】
（６）また、前記（５）の場合において、前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の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推定用パラメータを最適化することができる。
この場合、推定対象道路リンクになり得る所定の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、実測値に基づく所定の道路リンクの交通情報と、仮推定した当該所定の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推定用パラメータを学習する。
【００１３】
（７）本発明は、コンピュータを、上記（１）から（６）のいずれか一項に記載の装置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。
【００１４】
（８）また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の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、推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、推定用パラメータを最適化することになり、交通情報の推定を適切に行えるようになる。
【００１５】
（９）また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することになる。この結果、交通情報の推定を適切に行えるようになる。
【発明の効果】
【００１６】
学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【図面の簡単な説明】
【００１７】
【図１】交通情報システムの全体構成図である。
【図２】交通情報推定装置の構成図である。
【図３】入力情報処理部の構成図である。
【図４】変換情報を示す図である。
【図５】プローブ情報から、リンク旅行速度を求めるための説明図である。
【図６】交通情報推定処理手順を示すフローチャートである。
【図７】ニューラルネットワークの構成図である。
【図８】道路リンクの例を示す図である。
【図９】推定データベースの初期状態を示す図である。
【図１０】重みデータベースの初期状態を示す図である。
【図１１】入力情報として取得したＶＩＣＳ情報及びプローブ情報を示す図である。
【図１２】１回目の更新後の推定データベースを示す図である。
【図１３】２回目の更新後の推定データベースを示す図である。
【図１４】３回目の更新後の推定データベースを示す図である。
【図１５】スナップショットして抽出される部分を示す図である。
【図１６】学習用データベースを示す図である。
【図１７】学習処理を示すフローチャートである。
【図１８】速度のままで推定する場合の問題を説明するための図である。
【図１９】推定エンジン及び学習エンジンによる処理（第一実施形態）を説明する説明図であり、（ａ）が推定、（ｂ）が学習である。
【図２０】道路リンクの他の例を示す図である。
【図２１】推定エンジン及び学習エンジンによる処理（第二実施形態）を説明する説明図であり、（ａ）が学習、（ｂ）が推定である。
【図２２】交通情報推定処理手順（第二実施形態）を示すフローチャートである。
【図２３】推定データベースと重みデータベースとの説明図である。
【図２４】推定データベースと更新された重みデータベースとの説明図である。
【図２５】更新された推定データベースと重みデータベースとの説明図である。
【図２６】交通情報推定処理手順（第三実施形態）を示すフローチャートである。
【図２７】推定データベースと重みデータベースとの説明図である。
【図２８】仮推定データベースの説明図である。
【図２９】推定データベースと更新された重みデータベースとの説明図である。
【図３０】更新された推定データベースと重みデータベースとの説明図である。
【発明を実施するための形態】
【００１８】
以下、本発明の好ましい実施形態について添付図面を参照しながら説明する。
［１．全体構成］
図１は、本発明の実施形態における交通情報推定装置（中央装置）１を含む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、交通情報推定装置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などを含む。
【００１９】
前記交通情報推定装置１は、例えば中央装置における様々な機能のうちの一機能を指しており、中央装置１は、ＶＩＣＳ情報及びプローブ情報などの交通情報（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、中央装置１は、交通情報に基づいて、信号機制御や交通管制などの各種の交通用処理を行ってもよい。
【００２０】
この交通情報推定装置（中央装置）１は、処理装置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おり、記憶装置には、コンピュータを、交通情報推定装置（中央装置）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、交通情報推定装置（中央装置）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推定装置（中央装置）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。
【００２１】
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及びプローブ車両の車両ＩＤなどを含む交通情報である。また、プローブ情報には、プローブ車両の速度などその他の情報を含めても良い。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。
【００２２】
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、交通情報推定装置（中央装置）１に転送する。また、路側通信機４は、交通情報推定装置（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と交通情報推定装置１との間は、通信回線によって接続されている。
【００２３】
前記路側センサ５は、観測情報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などに設置されている。
【００２４】
路側センサ５は、検出した観測情報は、通信回線を介して、ＶＩＣＳセンタサーバに６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、交通情報推定装置１に送信される。
【００２５】
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５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。
【００２６】
つまり、所定エリア内の道路に、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ごとに常に交通情報（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ごとにみると、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。
【００２７】
［２．交通情報推定装置の詳細］
［２．１ 推定装置の全体構成］
本実施形態に係る交通情報推定装置１は、ＶＩＣＳ情報もプローブ情報も得られない道路リンクの交通情報を推定して、当該道路リンクの交通情報を補完することで、所定エリア内の全道路リンクの交通情報を生成する。このように、ＶＩＣＳ情報もプローブ情報も得られない道路リンクの交通情報を補完することで、より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。
【００２８】
図２に示すように、交通情報推定装置１は、推定対象道路リンクの交通情報を推定するための推定エンジン１１（推定部）と、推定に用いられるパラメータ（推定用パラメータ）を学習するための学習エンジン１２と、を備えている。推定エンジン１１及び学習エンジン１２は、交通情報推定装置１が有する機能であり、交通情報推定装置１に記憶させたコンピュータプログラムによって実現される推定システム及び学習システムである。
【００２９】
また、交通情報推定装置１は、推定エンジン１１によって推定した交通情報等を蓄積するための推定データベース（交通情報データベース）１３、推定データベース１３におけるデータのうち、学習エンジン１２における学習に用いるデータを蓄積する学習用データベース１４、推定パラメータ（本実施形態では、「重み」）を蓄積するための重みデータベース（推定パラメータデータベース）１５と、を備えている。
【００３０】
［２．２ 入力情報処理部］
さらに、本実施形態に係る交通情報推定装置１は、当該交通情報推定装置１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を備えている。
【００３１】
前記入力情報処理部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うものであり、生成した「速度情報」は、推定データベース１３に与えられ、推定データベース１３の更新に用いられる。
【００３２】
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情報処理部１７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部１８と、を備えている。
ＶＩＣＳ情報処理部１７は、ＶＩＣＳ情報に含ま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するリンク旅行速度算出部１７ａと、リンク旅行速度を当該リンクの「速度情報」に変換する速度情報変換部１７ｂとを備えている。
【００３３】
ＶＩＣＳ情報処理部１７のリンク旅行速度算出部１７ａ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、対象エリア内の全道路リンクのリンク長は、予め、装置１に設定されている。
【００３４】
ＶＩＣＳ情報処理部１７の速度情報変換部１７ｂは、リンク旅行速度算出部１７ａで求めたリンク旅行速度を、「速度情報」という指標値（速度指標情報）に変換する。この変換は、速度情報変換部１７ｂが、装置１に予め設定された「速度−速度情報」変換情報１９を参照することで行われる。「速度−速度情報」変換情報１９は、図４に示すように設定されたものであるが、詳細については後述する。
【００３５】
プローブ情報処理部１８のリンク旅行速度算出部１８ｂは、プローブ情報に含まれる位置及び時刻に基づいて、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旅行速度を算出する。なお、プローブ情報からリンク旅行速度［ｋｍ／ｈ］を算出する方法については後述する。
【００３６】
プローブ情報処理部１８の速度情報変換部１８ｂは、ＶＩＣＳ情報処理部１７の速度情報変換部１７ｂと同様に、リンク旅行速度を「速度情報」に変換する。その処理内容は、速度情報変換部１７ｂと同様である。
【００３７】
［２．３ 速度情報について］
「速度情報」は、リンク旅行速度の大小に応じた値をとる指標値であり、本実施形態では、０から１までの値をとり、「速度情報」＝０はリンク旅行速度＝１００［ｋｍ／ｈ］及びそれ以上の速度に対応し、「速度情報」＝１はリンク旅行速度＝０［ｋｍ／ｈ］に対応する。
【００３８】
ただし、本実施形態の「速度情報」は、リンク旅行速度に単純に反比例するものではない。つまり、図４に示すように、リンク旅行速度−速度情報の関係式は、リンク旅行速度の複数の速度領域によって異なるものが用いられている。
前記複数の速度領域とは、具体的には、リンク旅行速度が０［ｋｍ／ｈ］〜約１０（より厳密には１０．５３）［ｋｍ／ｈ］の第１速度領域（ゼロ近傍速度領域）、リンク旅行速度が約１０（より厳密には１０．５）［ｋｍ／ｈ］〜約６０（より厳密には５７．９）［ｋｍ／ｈ］の第２速度領域、リンク旅行速度が約６０（より厳密には５７．９）［ｋｍ／ｈ］の第３速度領域（自由走行速度領域）の３つの速度領域である。
【００３９】
第１速度領域は、車両の速度が、０又はそれに近い値を示すゼロ近傍速度領域として設定されたものであり、道路が混雑しているときにこのような速度領域の値が検出される。第３速度領域は、一般道路の制限速度（６０ｋｍ／ｈ）以上の速度領域として設定されたものであり、道路が比較的すいており、車両が自由走行状態となり得るときにこのような速度領域の値が検出される。なお、第２速度領域は、第１及び第３速度領域の中間領域として設定されたものである。
【００４０】
図４の横軸（リンク旅行速度）の値をｘ、縦軸（速度情報）の値をｙとすると、第１速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝１−（ｘ／１０００）に設定され、第２速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝１．２−（ｘ／５０）に設定され、第３速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝０．１−（ｘ／１０００）に設定されている。
【００４１】
このように、リンク旅行速度−速度情報の関係直線は、第３速度領域及び第２速度領域に着目すると、第３速度領域（傾き＝１／１０００）では、第２速度領域（傾き＝１／５０）よりも、負の傾きが小さくなっている。
つまり、車両が自由走行状態となり得る自由速度領域である第３領域においては、より低速の第２速度領域に比べて、リンク旅行速度（ｘ）の変化に対する速度情報（ｙ）の変化の割合（負の傾き）が小さくなっている。
【００４２】
また、リンク旅行速度−速度情報の関係直線は、第１速度領域及び第２速度領域に着目すると、第１速度領域（傾き＝１／１０００）では、第２速度領域（傾き＝１／５０）よりも、傾きが小さくなっている。
つまり、車両の速度がゼロ近傍である第１領域においては、より高速の第２速度領域に比べて、リンク旅行速度（ｘ）の変化に対する速度情報（ｙ）の変化の割合（負の傾き）が小さくなっている。
【００４３】
以上のように設定された変換情報１９によれば、速度情報という指標に、単なる「速度」という要素以外に、道路が混雑していて渋滞気味であるか、それとも道路が空いており車両が順調に流れているのかという渋滞度（交通流の度合）の要素も、持たせることができる。
【００４４】
例えば、制限速度が１００ｋｍ／の道路リンクにおいてはリンク旅行速度が１００ｋｍ／であり、制限速度の６０ｋｍ／の道路リンクにおいてはリンク旅行速度が６０ｋｍ／ｈである場合、速度差は、４０ｋｍ／ｈであるが、いずれの道路リンクも車両が順調に流れており、いずれも自由走行状態であると考えられる。
一方、２つの道路リンクにおいて、一方の道路リンクのリンク旅行速度が６０ｋｍ／ｈであり、他方の道路リンクのリンク旅行速度が２０ｋｍ／ｈである場合、速度差は、上記と同様に４０ｋｍ／ｈであるが、前者の道路リンクは車両が順調に流れているが、後者の道路リンクは混雑していると考えられる。
【００４５】
このように、リンク旅行速度が自由走行速度領域に達すると、道路における車両の多さ（渋滞度）とリンク旅行速度の関連性が相対的に低くなり、道路の制限速度などの別の要因によってリンク速度が変化しやすくなる。
このため、例えば、関連する他の道路リンクの交通情報（リンク旅行速度）から、推定対象道路リンクの交通情報（リンク旅行速度）を推定しようとした場合を想定すると、他の道路リンクの第３速度領域（自由走行速度領域）におけるリンク旅行速度の違いが推定対象道路リンクのリンク旅行速度の推定値に与える影響は、より低速の第２速度領域におけるリンク流行速度の違いよりも、小さくなる。
【００４６】
また、第１速度領域についても、第３速度領域と同様に、速度が０〜１０［ｋｍ／ｈ］であるときには、いずれの速度においても道路はかなり混雑していると考えられ、第１速度領域におけるリンク旅行速度の違いは、高速の第２速度領域においけるリンク流行速度の違いよりも、意味が少ないものとなる。
本実施形態の速度情報は、上記を考慮したものであり、第１及び第３速度領域の傾きを小さくすることで、推定対象道路リンクの交通情報を精度良く推定することができる。
【００４７】
また、第１及び第３速度領域の傾きを小さくした結果、第２速度領域の傾きが大きくなり、第２速度領域におけるリンク旅行速度の違いを、速度情報という指標においてはより強調することができる。
例えば、０〜１００ｋｍ／ｈの範囲のリンク旅行速度（ｘ）に対し、ｙ＝１−（ｘ／１００）という１つの関係式で速度情報を対応付けた場合、１０〜６０ｋｍ／ｈの範囲においても、当然に、傾きは（１／１００）であるが、図４の場合、傾きは（１／５０）である。したがって、図４によって求まる速度情報においては、１０〜６０ｋｍ／ｈにおけるリンク旅行速度をより緻密に指標化できる。この結果、推定対象道路リンクの交通情報の推定精度を向上させることができる。
【００４８】
なお従来では、交通情報として、道路リンクにおける車両の速度を扱う場合、速度［ｋｍ／ｈ］のままで交通情報の推定を行っている。この場合、次のような問題が生じる。
例えば、図１８に示すように道路リンクが構成されており、リンクＡ，Ｂが制限速度１００ｋｍ／ｈの高速道路であり、リンクＣが制限速度６０ｋｍ／ｈの一般道路であるとする。また、リンクＡ，Ｂ，Ｃのいずれにおいても道路は空いており、車両は自由走行状態であるものとする。
そして、リンクＡ，Ｂについては、速度（リンク旅行速度）が１００ｋｍ／ｈであることが検出され、リンクＣについては、速度（リンク旅行速度）が６０ｋｍ／ｈであることが検出されたとする。この場合、リンクＡ，ＢとリンクＣとの間には、速度に差が存在するが、これは、道路の制限速度の違いによるものにすぎず、道路の混雑度（交通量）としては、リンクＡ，Ｂ，Ｃのいずれにおいてもほぼ同様と考えられる。
【００４９】
しかし、リンクＡ，Ｂ，Ｃの各速度そのものに基づいて、リンクＡ，Ｂ，Ｃに関連する道路リンク（推定対象道路リンク）の速度を推定しようとすると、リンクＡ，ＢとリンクＣとで速度が異なるため、適切な推定値を得るのが困難となったり、適切な推定値を得るための処理時間が長くなったりするという問題が生じる。
しかし、前記のとおり、車両が自由走行状態となり得る自由速度領域においては、より低速の速度領域に比べて、リンク旅行速度の変化に対する速度情報の変化の割合が小さくなっていることで、前記のような問題を解消することができる。
【００５０】
［２．４ プローブ情報からのリンク旅行時間の算出］
図５は、リンク旅行速度算出部１８ａにおいて、プローブ情報からリンク旅行速度［ｋｍ／ｈ］を算出する方法を示している。
図５に示すように、Ｌ１〜Ｌ６までの６個の道路リンクが存在する場合において、道路リンクＬ４の図右方（矢印Ａ方向）へのリンク旅行速度を算出するには、プローブ車両３が、進行方向一つ手前の道路リンクＬ３（第１位置）に位置している間に送信した第１プローブ情報ｐｒ１と、当該プローブ車両３が移動して進行方向一つ先の道路リンクＬ５（第２位置）に位置している間に送信した第２プローブ情報ｐｒ２とを用いる。
【００５１】
第１プローブ情報ｐｒ１が示す位置及び第２プローブ情報ｐｒ２が示す位置によって、第１プローブ情報ｐｒ１を発信した第１位置と第２プローブ情報ｐｒ２を発信した第２位置との間の距離Ｄが求まる。また、第１プローブ情報ｐｒ１が示す時刻及び第２プローブ情報ｐｒ２が示す時刻によって、第１位置から第２位置まで移動するのに要した時間Ｔが求まる。前記距離Ｄを前記時間Ｔで除することにより、第１位置から第２位置までの間の区間（通常の速度算出区間）の旅行速度が求まる。通常は、この旅行速度を、第１位置と第２位置との間にある道路リンクＬ４におけるリンク旅行速度とみなす。
【００５２】
ただし、第１位置と第２位置との間の距離（通常の速度算出区間の距離）が設定された最小距離（例えば、１ｋｍ）以下である場合には、速度算出区間が長くなるように、道路リンクＬ４のリンク旅行速度の算出に用いるプローブ情報として別のものを選択する。
具体的には、通常の速度算出区間の距離が最小距離以下である場合、リンク旅行速度算出部１８ａは、車両が、車両進行方向にみて一つ手前の道路リンクＬ２（手前位置）に位置するときに送信されたプローブ情報ｐｒ０と、道路リンクＬＬ５に位置するときに送信されたプローブ情報ｐｒ２とを用いる。これにより、手前位置から第２位置までの間の拡張された速度算出区間についての旅行速度が求まり、この旅行速度を、手前位置から第２位置までの間にある道路リンクＬ４のリンク旅行速度とみなす。
【００５３】
通常の速度算出区間の距離が短い場合に、拡張された速度算出区間を用いる理由は次の通りである。すなわち、速度算出区間が短いと、速度算出区間を移動するのに要する時間は、交通信号による停止時間による影響を大きく受ける。つまり、速度算出区間を通過するのに要する時間が、例えば、２分であるとしても、車両が実際に走行していた時間は、１分で残りの１分は信号による待ち時間ということが生じ得る。一方、同じ速度算出区間を通過する別の車両は、信号による停止がなく、速度算出区間を通過するのに要する時間が１分ということがありえる。このように、速度算出区間が短いと、信号待ちの影響による誤差が大きくなり、正確な速度算出が困難となる。
【００５４】
逆に、十分に距離が長く、多くの交通信号（交差点）を通過する必要があるような速度算出区間である場合には、確率上、いずれかの交通信号による待ち時間が、ほぼ全ての車両に均等に生じるため。信号待ちの影響による誤差は小さい。
【００５５】
そこで、本実施形態のように、通常の速度算出区間の距離が短い場合には、拡張された速度算出区間で速度を算出することで、速度をより精度良く算出することができる。
なお、通常の速度算出区間の距離が短い場合であっても、車両台数が多い（例えば、１０台以上）の場合には、速度算出区間を通過するのに要する時間を複数の車両からのプローブ情報で平均化することにより、誤差を小さくできる。したがって、通常の速度算出区間が、設定された最小距離以下であり、かつ、単位時間あたりのプローブ車両の数（プローブ情報の数）が設定された最小数以下である場合に限って、拡張された速度算出区間での速度算出をおこなってもよい。
【００５６】
なお、上記の例では、拡張された速度区間として、手前位置（道路リンクＬ２）から第２位置（道路リンクＬ５）までとしたが、この第２位置に代えて、第２位置よりも進行方向にみて先の位置（道路リンクＬ６）としてもよい。また、拡張された速度区間として、第１位置（道路リンクＬ３）と先の位置（道路リンクＬ６）との間としてもよい。
【００５７】
［第一実施形態］
［２．５ 交通情報推定装置１による処理内容］
［２．５．１ 推定処理の概要］
図６は、交通情報推定装置１による交通情報推定方法を示している。まず、推定データベース（交通情報データベース）１３及び重みデータベース１５に初期値を設定しておく（ステップＳ１）。
【００５８】
そして、交通情報推定装置１が、ＶＩＣＳ情報やプローブ情報を取得すると、入力情報処理部１６がＶＩＣＳ情報やプローブ情報から各道路リンクの速度情報を生成する（ステップＳ２）。ただし、ステップＳ２において速度情報が取得できる道路リンクは、対象エリア内の全道路リンクのうちの一部であり、ステップＳ２では速度情報が得られない道路リンクがある。
【００５９】
続いて、ステップＳ２で得られた速度情報を、推定データベース１３にセットし、推定データベースＤＢ４を更新する（ステップＳ３）。そして、推定エンジン１１は、ステップＳ３で更新された推定データベース１３の内容に基づいて、速度情報が得られていない道路リンクについての速度情報を推定し、推定した速度情報を、推定データベース１３にセットし、推定データベース１３を更新する（ステップＳ４）。このステップＳ４により、対象エリア内の全道路リンクについての速度情報（実測値と推測値とが混在したもの）が得られる。
【００６０】
ステップＳ４にて得られた全道路リンクについての速度情報は、装置外部に出力される（ステップＳ５）。具体的には、装置１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。
また、ステップＳ４で更新された推定データベース１３の内容の一部は、学習用データベース１４にスナップショットとして蓄積され、学習エンジン１２による学習用データとして用いられる（ステップＳ６）。
【００６１】
以上のステップＳ２〜ステップＳ６の処理は、速度情報が生成される度に繰り返し実行される。入力情報処理部１６は、ＶＩＣＳ情報の更新周期（例えば５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Ｓ２〜ステップＳ６の処理は、ＶＩＣＳ情報の更新周期（例えば５分）に合わせて繰り返し実行されることになる。
【００６２】
［２．５．２ 速度情報推定のためのモデル］
図７は、推定エンジン１１が、推定対象道路リンクの速度情報を推定するためのニューラルネットワークを示している。図示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（ｗi：０〜１）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。
ここで、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（推定対象道路リンクに接続された道路リンク）の速度情報であり、出力値ｙは推定対象道路リンクの速度情報である。
【００６３】
また、重みｗiは、推定対象道路リンク以外の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り、推定対象道路リンクとの相関の高い道路リンク（例えば、推定対象道路リンクと同じ道路を構成し、推定対象道路リンクに隣接する道路リンク）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。
【００６４】
ただし、図７のものでは、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ノードに加算される独立パラメータｗ0が設けられている。この独立パラメータｗ0は、推定対象道路リンク以外の道路リンクにおける速度情報以外の要因が、推定対象道路リンクの速度情報に与える要因（例えば、道路リンク間での制限速度の差）を表現することができ、速度情報を精度良く推定することができる。また、推定用パラメータ（重み）の学習の際に、推定用パラメータを最適値に収束させやすくなって、学習処理を容易又は高速に行える。
【００６５】
以上のように、推定エンジン１１が、ある推定対象道路リンクの速度情報を求めるには、当該推定対象道路リンクとの相関が多少なりとも認められる他の道路リンクの速度情報と、当該他の道路リンクの速度情報をどの程度ほど推定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。そのような他の道路リンクの速度情報は、推定データベース（交通情報データベース）１３に蓄積され、重みは重みデータベース１５に蓄積されており、推定エンジン１１は、両データベース１３，１５から必要な情報を取得する。
【００６６】
なお、速度情報を推定するためのニューラルネットワークとしては、図８のような単層のパーセプトロンに限られるものではなく、入力層、中間層、出力層を有する多層パーセプトロンであってもよい。多層パーセプトロンとして構成すると、推定対象道路リンクと他の道路との間で、速度情報が非線形関係を持つ場合であっても、推定対象道路リンクの速度情報を適切に求めることができる。
【００６７】
［２．５．３ 推定処理の詳細］
ここでは、図８のように接続された道路リンクを想定する。図８において、Ｖｘは、道路リンクの速度情報（０〜１の値）を示している。また、Ｖｘにおける添え字ｘは、道路リンクのリンク番号を示しており、１〜２４の値をとる。つまり、図８では、リンク番号１〜２４までの２４個の道路リンクが存在する。また、各リンクの矢印方向は、車両の進行方向を示す。
【００６８】
図８において、実線の矢印で示す道路リンク（リンク番号ｘ＝１〜１０）は、ＶＩＣＳ情報が取得可能なリンクであり、例えば、高速道路や主要幹線道路に対応する道路リンクである。また、点線の矢印で示す道路リンク（リンク番号ｘ＝１１〜２４）は、ＶＩＣＳ情報が取得できないリンクであり、例えば、高速道路や主要幹線道路以外の一般道路である。点線の矢印で示す道路リンクは、速度情報の推定対象道路リンクとなる可能性がある。つまり、点線の矢印で示す道路リンクについては、プローブ情報が得られた場合には、推定対象道路リンクとはならず、プローブ情報が得られなかった場合には、推定対象道路リンクとなる。
なお、ＶＩＣＳ情報が取得可能な道路リンクであっても、何らかの事情でＶＩＣＳ情報が取得できない場合には、推定対象道路リンクとして扱われる。
【００６９】
以下、図８の道路リンクを前提とし、図６も再度参照しつつ、速度情報の推定手順について詳細に説明する。
まず、推定データベース（交通情報データベース）１３及び重みデータベース１５には、装置管理者によって、初期値が入力される（ステップＳ１）。
【００７０】
図９に示すように、推定データベース１３は、「チェック」３１、「速度情報」３２、「関連道路リンク情報」３３、「リンク長」３４、「学習？」のデータ項目を有しており、各道路リンク（リンク番号）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。
【００７１】
前記データ項目のうち、「チェック」３１は、各道路リンクの速度情報の更新の有無及び更新された順番を示す項目である。「速度情報」３２は、各道路リンクの速度情報がセットされる項目である。
「関連道路リンク情報」３３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、ここでは、それぞれの道路リンクに接続されている道路リンク（リンク番号）を示している。
【００７２】
「関連道路リンク情報」３３は、「逆」、「Ａ順」、「Ａ逆」、「Ｂ順」、「Ｂ逆」の５種類に分けられている。
「逆」は、任意の道路リンクと逆方向の道路リンクのリンク番号を示し、例えばリンク番号１の道路リンクについては、リンク番号８の道路リンクが「逆」の道路リンクとなる。
「Ａ順」は、ある道路リンクの後方で順方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号１２，７，１５の道路リンクが「Ａ順」の道路リンクとなる。
「Ａ逆」は、ある道路リンクの後方で逆方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号１１，１５，１３の道路リンクが「Ａ逆」の道路リンクとなる。
【００７３】
「Ｂ順」は、ある道路リンクの前方で順方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号４，９の道路リンクが「Ｂ順」の道路リンクとなる。
「Ｂ逆」は、ある道路リンクの前方で逆方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号３，６の道路リンクが「Ｂ逆」の道路リンクとなる。
【００７４】
また、前記データ項目のうち「リンク長」３４は、各道路リンクのリンク長を示すものである。「学習？」３５は、各道路リンクの速度情報等が学習部２０（学習エンジン１２）による学習のためのデータ（学習データ）となるものであるか否かを示しており、ここでは０又は１の値をとる。「０」はその道路リンクの速度情報等が学習データとはならないことを示しており、「１」はその道路リンクの速度情報等が学習データとなることを示している。
【００７５】
ステップＳ１の初期値入力は、装置１の運用開始時やリセット時に行われ、推定データベース１１については、上記データ項目のうち、「速度情報」３２、「関連道路リンク情報」３３、「リンク長」３４について初期値が設定される。「速度情報」３２の初期値としては、例えば、全道路リンクについて０を設定すればよい。「関連道路リンク情報」３３及び「リンク長」３４の初期値については、対象エリアの道路構成に従って設定される。「関連道路リンク情報」３３及び「リンク長」３４の初期値は、ＶＩＣＳ情報及びプローブ情報からなる交通情報（速度情報）を取得しても更新されることはない。
【００７６】
一方、「速度情報」３４の値は、ＶＩＣＳ情報及びプローブ情報からなる交通情報（速度情報）を取得する度に、全道路リンクについて更新される（ステップＳ３，Ｓ４）。
また、「チェック」３１については、交通情報（速度情報）を取得する度に（ステップＳ２）、０に初期化される。「学習？」３５についても、交通情報（速度情報）を取得する度に（ステップＳ２）度に、各道路リンクの速度情報等を学習データとすべきか否かに応じて０又は１に設定される。
【００７７】
図１０に示すように、重みデータベース１５には、各道路リンクにおける速度情報の推定値を他の道路リンクの速度情報から求める際に用いる重みｗｉが、初期値として設定される。重みｗｉは、各道路リンクについて、「関連道路リンクの数＋１」ほど設定される。図１０において、ｗ0は独立パラメータであり、ｗ1以降は関連道路リンクの速度情報それぞれに乗じられる重みである。
【００７８】
推定用パラメータである重みｗｉは、学習エンジン１２による学習によって、より適切な値へと自動的に更新されるため、初期値としては、適当な値を設定してもよい。したがって、初期設定が容易である。
【００７９】
さて、上記の初期化を行ったのち、図８に示す道路リンクに関し、ある時点において、図１１のようなＶＩＣＳ情報及びプローブ情報（交通情報）が得られたものとする。図１１では、リンク番号１〜１０の道路リンクについてのＶＩＣＳ情報（リンク旅行時間）が得られ、リンク番号２０の道路リンクについてのプローブ情報が得られている。他の道路リンクについてはＶＩＣＳ情報もプローブ情報も得られていない。なお、図１１では、表記の容易化のため、リンク番号２０の道路リンクについてのプローブ情報を、ＶＩＣＳ情報と同様に「リンク旅行時間」で示した。
【００８０】
また、図１１の情報では、プローブ情報が存在する道路リンク（リンク番号２０）については、学習対象となることを示す値「１」が設定されており、ＶＩＣＳ情報が存在する道路リンク（リンク番号１〜１０）については、学習対象ではないことを示す値「０」が設定されている。
【００８１】
図１１のような入力情報が取得された場合、この情報における「旅行時間」は、入力情報処理部１６によって「速度情報」に変換され（ステップＳ２）、その速度情報によって、推定データベース１３の対応する道路リンクの「速度情報」３２が更新される（第１回目の更新；ステップＳ３）。更新された道路リンクについては、「チェック」３１に、第１回目の更新で速度情報が更新されたことを示す「１」が設定される。また、図１１の入力情報の「学習対象」が「１」である道路リンク（ここでは、リンク番号２０の道路リンク）については、「学習？」３５が「１」に設定される。
【００８２】
以上のようにして第１回目の更新（入力情報のセット）が行われた後の推定データベース１３の内容を、図１２に示す。
【００８３】
続いて、速度情報が未更新の道路リンク（リンク番号１１〜１９，２１〜２４）についての速度情報の推定を行って、当該推定値により推定データベース１３の更新を行う（ステップＳ４）。
具体的には、まず、「チェック」３１項目に、前回の更新を示す「１」が設定されている道路リンク（リンク番号１〜１０，２０）の関連道路リンク（隣接道路リンク）のうち、今回の入力情報（図１１）に基づく速度情報の更新が未だなされていない道路リンク（チェック＝０）を抽出する。ここでは、リンク番号１２，１５，１１，１３，１９，１８，１７，２１，２４，１４，１６の１１個の道路リンクが抽出される（図１３参照）。これら１１個の道路リンクが、ここでの推定対象道路リンクとなる。
【００８４】
そして、推定エンジン１１は、１１個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース１３から読み出すとともに、１１個の推定対象道路リンクそれぞれについて設定された重み（推定用パラメータ）を、重みデータベース１５から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース１３の「速度情報」にセットされ、速度情報についての第２回目の更新が行われる。なお、更新された道路リンクについては、「チェック」３１に、第２回目の更新で速度情報が更新されたことを示す「２」が設定される。
【００８５】
上記推定対象道路リンクのうち、例えば、リンク番号１２，１５，１１，１３の道路リンクの速度情報の推定値（Ｖ12，Ｖ15，Ｖ11，Ｖ13）を求めるための演算式は、下記のとおりである。
Ｖ12＝ｗ0＋ｗ1Ｖ11＋ｗ2Ｖ1＋ｗ3Ｖ5＋ｗ4Ｖ13＋ｗ5Ｖ8＋ｗ6Ｖ7＋ｗ7Ｖ15
Ｖ15＝ｗ0＋ｗ1Ｖ13＋ｗ2Ｖ20＋ｗ3Ｖ16＋ｗ4Ｖ17＋ｗ5Ｖ14＋ｗ6Ｖ1＋ｗ7Ｖ11
＋ｗ8Ｖ5＋ｗ9Ｖ8＋ｗ10Ｖ12＋ｗ11Ｖ5
Ｖ11＝ｗ0＋ｗ1Ｖ12＋ｗ2Ｖ8＋ｗ3Ｖ15＋ｗ4Ｖ7＋ｗ5Ｖ1＋ｗ6Ｖ11＋ｗ7Ｖ5
Ｖ13＝ｗ0＋ｗ1Ｖ15＋ｗ2Ｖ8＋ｗ3Ｖ12＋ｗ4Ｖ7＋ｗ5Ｖ1＋ｗ6Ｖ11＋ｗ7Ｖ5
＋ｗ8Ｖ14＋ｗ9Ｖ17＋ｗ10Ｖ16＋ｗ11Ｖ20
【００８６】
なお、前記演算式で求められる推定値（左辺側の値）は、図１１のようなＶＩＣＳ情報及びプローブ情報が得られた時刻ｔ（時刻ｔを含むタイムスロット）における速度情報である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み（右辺側の値）は、前記時刻ｔ（時刻ｔを含むタイムスロット）よりも前の時刻ｔ−１（前のタイムスロット）における値である。つまり、速度情報の推定値を求めるための前記演算式を、時刻も含めて表記すると、代表としてリンク番号１２の道路リンクの速度情報Ｖ12の推定値は、下記の演算式となる。
Ｖ12(t)＝ｗ0(t-1,12)＋ｗ1(t-1,12)Ｖ11(t-1)＋ｗ2(t-1,12)Ｖ1(t-1)
＋ｗ3(t-1,12)Ｖ5(t-1)＋ｗ4(t-1,12)Ｖ13(t-1)＋ｗ5(t-1,12)Ｖ8(t-1) ＋ｗ6（ｔ−１，１２）Ｖ7(t-1)＋ｗ7(t-1,12)Ｖ15(t-1)
なお、この演算式中の重みに付されている添え字(t-1,12)の「１２」は、リンク番号を意味している。また、前記タイムスロットは、ＶＩＣＳ情報の前記更新単位時間とすることができる。
【００８７】
そして、「チェック」３１項目に、前回の更新を示す「２」が設定されている道路リンク（リンク番号１１〜１９，２１，２４）の関連道路リンク（隣接道路リンク）のうち、今回の入力情報（図１１）に基づく速度情報の更新が未だなされていない道路リンク（チェック＝０）を抽出する。ここでは、リンク番号２２，２３の２個の道路リンクが抽出される（図１４参照）。これら２個の道路リンクが、次の推定対象道路リンクとなる。
【００８８】
そして、推定エンジン１１は、２個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース１３から読み出すとともに、２個の推定対象道路リンクそれぞれについて設定された重み（推定用パラメータ）を、重みデータベース１５から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース１３の「速度情報」にセットされ、速度情報についての第３回目の更新が行われる。なお、更新された道路リンクについては、「チェック」３１に、第３回目の更新で速度情報が更新されたことを示す「３」が設定される。
【００８９】
上記のような処理は、全ての道路リンクについての速度情報が推定されるまで繰り返される（ステップＳ４）。ここでは、３回の更新により全ての速度情報が補完されたため、推定処理を終了する。
【００９０】
すると、推定データベースの内容の出力が行われる（ステップＳ５）。
さらに、今回の入力情報（図１１）に基づく、推定処理が終了した推定データベース１３の各道路リンクのデータのうち、「学習？」３５に「１」が設定されたリンク番号２０の道路リンクのスナップショット（図１５参照）を、学習用データベース１４に追加する。ここで、スナップショットとは、「学習？」３５に「１」が設定されたリンク番号の道路リンクの「速度情報」と、当該道路リンクの関連道路リンクの「速度情報」とを記憶したものである。ここで、「学習？」３５に「１」が設定されたリンク番号の道路リンクの速度情報は、プローブ情報から得られた値であるから実測値である。また、当該道路リンクの関連道路リンクの「速度情報」には、ＶＩＣＳ情報から得た実測値と推測値とが混在している。
【００９１】
スナップショットは、入力情報が取得されて、推定データベースの全道路リンクの更新（ステップＳ３，Ｓ４）が行われる度に発生する。このスナップショットは、プローブ情報を取得できた道路リンクについて発生する。
したがって、上記の例では、リンク番号２０の道路リンクのみスナップショットが発生したが、推定データベースの全道路リンクの更新（ステップＳ３，Ｓ４）が何度も行われると、他の道路リンクについてもスナップショットが蓄積される。また、入力情報が区営返し発生するほどの十分な時間が経過すると、一つの道路リンクについて複数のスナップショットが蓄積される。
【００９２】
図１６は、複数の道路リンクについて、それぞれ複数のスナップショットが蓄積された学習用データベース１４の内容を示している。
このようにして多数のスナップショットが蓄積された学習用データベース１４に基づいて、学習エンジン１２が、重みデータベース１５に記憶されている重み（推定用パラメータ）の学習（最適化）を行って、重みデータベース１５の内容を更新する。
【００９３】
図１７は、学習エンジン１２による学習処理の手順を示している。まず、学習エンジン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７）を構成する中間層の数、学習計数などの学習用のパラメータ設定を行う（ステップＳ１１）。
学習エンジン１２は、図７に示すような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、学習エンジン１２は、学習用データベース１４に蓄積されているスナップショットのうち、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、学習エンジン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データから、重みの最適値を算出する。重みの最適値の算出は、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。
【００９４】
重みの最適値の算出は、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）。
【００９５】
重みが収束して学習処理が終了すると、得られた重みは、重みデータベース１５に反映され、重みデータベース１５が更新される。
【００９６】
重みデータベース１５が更新された後に、ＶＩＣＳ情報及びプローブ情報からなる入力情報が発生すると、推定エンジン１１による速度情報の推定は、新たな重みを用いて、より精度良く行われる。このように、本実施形態の交通情報推定装置１では、運用を続けることで、交通情報（速度情報）の推定精度が自然に向上する。
【００９７】
以上のように、前記実施形態の交通情報推定装置１によって実行される速度情報の推定方法は、交通情報推定装置１が、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報を取得すると（図６のステップＳ２及びＳ３）、推定エンジン１１は、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定し（ステップＳ４）、その後、この推定した速度情報及び実測値に基づく速度情報を用いて、学習エンジン１２が推定用パラメータを最適化している（図６のステップＳ６、図１７）。図１９は、この推定エンジン１１及び学習エンジン１２による処理をまとめて説明した説明図である。
【００９８】
つまり、図１９（ａ）の時刻ｔにおいて、推定対象道路リンクになり得る所定の道路リンク（リンク番号２０）に関して、図１１で説明したように、実測値に基づく速度情報Ｖ20が取得されると、推定エンジン１１は、図１２から図１４で説明したように、時刻ｔにおける、推定対象道路リンク（リンク番号１１〜１９及びリンク番号２１〜２４）の交通情報（Ｖ11〜Ｖ19、Ｖ21〜Ｖ24）を、前記実測値に基づく速度情報Ｖ20を含む道路リンク（リンク番号１〜２４）の速度情報（Ｖ1〜Ｖ24）及び推定用パラメータ（重みｗｉ）を用いて、次々と推定する。
なお、この推定処理で用いられる前記道路リンクの速度情報（Ｖ1〜Ｖ24）のうち、リンク番号１〜１９，リンク番号２１〜２４の道路リンクの速度情報は、図１９（ａ）の時刻ｔ−１における情報である。つまり、時刻ｔで実測値に基づく速度情報が取得されているが、推定処理は、この時刻ｔの速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【００９９】
そして、この推定の後に、学習エンジン１２は、前記所定の道路リンク（リンク番号２０）における前記実測値に基づく速度情報Ｖ20と、当該道路リンク（リンク番号２０）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の速度情報であって前記実測値Ｖ20を用いて推定した前記速度情報（Ｖ17，Ｖ21，Ｖ24，Ｖ14，Ｖ15，Ｖ16，Ｖ13）との組み合わせ（図１６参照）を、学習用データとして蓄積し、この学習用データを用いて、図１７で説明したように、推定用パラメータ（Ｖ0〜Ｖ7）を最適化する処理を実行する。図１９（ｂ）に示しているように、この最適化の処理（学習処理）は、同一の時刻ｔにおける速度情報に基づいて行われている。
【０１００】
この第一実施形態によれば、推定対象道路リンクになり得る所定の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、推定対象道路リンクの速度情報を推定してから、その推定した速度情報を用いて、推定用パラメータ（重み）を最適化することになり、その後、これ以降の時刻ｔ＋１における速度情報については、新たな推定用パラメータ（重み）を用いて、推定エンジン１１により、精度良く推定処理が行われる。
【０１０１】
［第二実施形態］
また、図２で示した構成を備えた交通情報推定装置１によれば、推定対象道路リンクになり得る所定の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、前記実施形態とは反対に、学習エンジン１２が、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定エンジン１１が、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定することができる。この場合を第二実施形態として説明する。
【０１０２】
［２．６ 交通情報推定装置１による処理内容］
図２０は、第二実施形態を説明するために、簡略化した道路リンクのモデルを示している。この道路リンク構造は、６つの道路リンク「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」により構成されていて、Ｖｘの添え字ｘはリンク番号を示している。また、６つの道路リンクの速度情報もそれぞれ「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」で表すものとする。
【０１０３】
本実施形態の交通情報推定装置１が有する推定エンジン１１によって、推定対象道路リンクの速度情報を推定するために用いられるニューラルネットワークは、図７に示したものと同様であり、また、本実施形態の学習エンジン１２は、このニューラルネットワークを、学習用データを用いて最適化（学習）する処理を行う。
図２０のリンク番号１〜６の推定対象道路リンクそれぞれの速度情報の推定値「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」を求めるための演算式は、下記のとおりである。
【０１０４】
Ｖ1(t)＝ｗ0(t-1,1)＋ｗ1(t-1,1)Ｖ1(t-1)＋ｗ2(t-1,1)Ｖ2(t-1)
Ｖ2(t)＝ｗ0(t-1,2)＋ｗ1(t-1,2)Ｖ1(t-1)＋ｗ2(t-1,2)Ｖ2(t-1)
＋ｗ3(t-1,2)Ｖ3(t-1)
Ｖ3(t)＝ｗ0(t-1,3)＋ｗ1(t-1,3)Ｖ2(t-1)＋ｗ2(t-1,3)Ｖ3(t-1)
＋ｗ3(t-1,3)Ｖ4(t-1)
Ｖ4(t)＝ｗ0(t-1,4)＋ｗ1(t-1,4)Ｖ3(t-1)＋ｗ2(t-1,4)Ｖ4(t-1)
＋ｗ3(t-1,4)Ｖ5(t-1)
Ｖ5(t)＝ｗ0(t-1,5)＋ｗ1(t-1,5)Ｖ4(t-1)＋ｗ2(t-1,5)Ｖ5(t-1)
＋ｗ3(t-1,5)Ｖ6(t-1)
Ｖ6(t)＝ｗ0(t-1,6)＋ｗ1(t-1,6)Ｖ5(t-1)＋ｗ2(t-1,6)Ｖ6(t-1)
【０１０５】
なお、前記演算式で求められる推定値（左辺側の値）は、実測値に基づく速度情報が得られた時刻ｔ（時刻ｔを含むタイムスロット）における値である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み（右辺側の値）は、前記時刻ｔ（時刻ｔを含むタイムスロット）よりも前の時刻ｔ−１（前のタイムスロット）における値である。
なお、演算式中の重みに付されている添え字(t-1,x)の「ｘ」は、リンク番号を意味している。
【０１０６】
例えば、推定対象道路リンクが、リンク番号２の道路リンクである場合、前記演算式によれば、時刻ｔにおける当該道路リンクの速度情報Ｖ2を推定するために用いられる道路リンク（つまり、関連道路リンク）の速度情報は、時刻ｔ−１におけるリンク番号１の道路リンクの速度情報Ｖ1及び時刻ｔ−１におけるリンク番号３の道路リンクの速度情報Ｖ3以外に、時刻ｔ−１におけるリンク番号２の道路リンクの速度情報Ｖ2が含まれている。
つまり、推定対象道路リンクが、リンク番号２の道路リンクであり、かつ、関連道路リンクにも、このリンク番号２の道路リンクが含まれている。このために、関連道路リンクに含まれている道路リンクの速度情報Ｖ2は、既に取得されている時刻ｔ−１における速度情報であり、推定データベースに蓄積されているものである。
【０１０７】
このように、推定エンジン１１は、既に取得されている時刻ｔ−１における推定対象道路リンク（リンク番号２の道路リンク）の速度情報（Ｖ2(t-1)）も用いて、時刻ｔにおける推定対象道路リンク（リンク番号２の道路リンク）の速度情報を推定することとなる。
同じ道路リンク（例えば、リンク番号２の道路リンク）では、時間が多少異なっていても速度情報に相関が認められると考えられるため、推定エンジン１１が、既に取得されている時刻ｔ−１における推定対象道路リンク（リンク番号２の道路リンク）の速度情報（Ｖ2(t-1)）も用いて、時刻ｔにおける推定対象道路リンク（リンク番号２の道路リンク）の速度情報を推定すれば、速度情報の推定をより適切に行えるようになる。
【０１０８】
このように、関連道路リンクには、推定対象道路リンクとなる自己の道路リンクが含まれていてもよい。なお、前記実施形態（図８及び図９の場合）でも、関連道路リンクには、自己の道路リンクが含まれていてもよい。
【０１０９】
そして、この第二実施形態では、推定対象道路リンクになり得る所定の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、前記第一実施形態とは反対に、先に学習エンジン１２が、推定用パラメータを最適化するが、この場合、学習エンジン１２は、当該所定の道路リンクの当該実測値に基づく速度情報と、当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報と、当該所定の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道路リンクの速度情報（前記実測値の取得時よりも前の時刻における速度情報）と、を組み合わせた学習用データを用いて、推定用パラメータを最適化する。なお、この具体例については後に図２１で説明する。
【０１１０】
同じ道路リンクでは、時間が多少異なっていても速度情報に相関が認められると考えられるため、学習用データの組み合わせに、前記のとおり「所定の道路リンクの実測値に基づく速度情報」の他に「当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報」も含ませ、この学習用データを用いて、推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【０１１１】
図２１は、この第二実施形態における推定エンジン１１及び学習エンジン１２による処理を説明している説明図である。この第二実施形態の交通情報推定装置１によって実行される速度情報の推定方法も、前記第一実施形態と同様に、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することによって、実行されるが、本実施形態では、図２１（ａ）の時刻ｔにおいて、推定対象道路リンクになり得る所定の道路リンク（リンク番号４）に関して実測値（プローブ情報）に基づく速度情報Ｖ4が取得されると、学習処理が先に実行されてから、推定処理が実行される。
【０１１２】
つまり、図２１（ａ）の時刻ｔにおいて、所定の道路リンク（リンク番号４）に関して実測値に基づく速度情報Ｖ4が取得されると、学習エンジン１２は、この実測値に基づく速度情報Ｖ4と、当該所定の道路リンク（リンク番号４）の速度情報を推定するために用いられる、時刻ｔ−１における関連道路リンク（リンク番号３，５）の速度情報（Ｖ3，Ｖ5）との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
さらに、本実施形態では、前記組み合わせに、時刻ｔ−１における自己の道路リンク（リンク番号４）の速度情報Ｖ4も、含まれている。この時刻ｔ−１における速度情報Ｖ4は、既に推定データベース１３（図２参照）に蓄積されている速度情報である。
この第二実施形態では、図２１（ａ）に示しているように、時刻ｔで実測値に基づく速度情報が取得されており、学習処理は、この時刻ｔの実測値に基づく速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【０１１３】
その後、図２１（ｂ）に示しているように、前記実測値に基づく速度情報Ｖ4を含む道路リンクの速度情報（Ｖ1〜Ｖ6）、及び、最適化した推定用パラメータを用いて、時刻ｔにおける推定対象道路リンクの速度情報（Ｖ1〜Ｖ3，Ｖ5，Ｖ6）を推定する。この「最適化した推定用パラメータ」は、図２１（ａ）において、前記実測値に基づく速度情報Ｖ4が組み合わされた前記学習用データを用いて最適化したものである。
また、前記道路リンクの速度情報（Ｖ1〜Ｖ6）のうち、リンク番号１〜３，リンク番号５，６の道路リンクの速度情報は、時刻ｔ−１における情報である。そして、本実施形態では、前記演算式で説明したように、推定対象道路リンクの速度情報を、時刻ｔ−１における自己の道路リンクの速度情報Ｖ4も含めて、推定している。
この推定処理は、時刻ｔの実測値に基づく速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【０１１４】
以下、具体例を説明する。
図２２は第二実施形態を説明するフローチャートである。
図２０に示す道路リンクに関し、ある時点（時刻ｔ）において、リンク番号１とリンク番号５の道路リンクにプローブ情報が得られたとする（ステップＳ２１）。これら情報は、前記入力情報処理部１６（図２参照）によって「速度情報」に変換され（ステップＳ２２）、この速度情報によって、図２３に示しているように、推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される（ステップＳ２３）。この推定データベースには「更新速度」のデータ項目が設定されており、前記プローブ情報に基づく速度情報（Ｖ1，Ｖ5）をこのデータ項目に記憶させる。また、「速度情報」のデータ項目には、各値（例えば初期値等）が蓄積されている。
また、図２３では、説明を容易とするために、推定データベースと重みデータベースとを並べて記載している。重みデータベースには、各値（例えば初期値等）が蓄積されている。
【０１１５】
推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク（リンク番号１及びリンク番号５）については、学習対象となることを示す値「１」が設定されている。そして、前記実測値に基づく速度情報（Ｖ1，Ｖ5）が取得されると、この推定データベースの内容の一部として、リンク番号１の道路リンクに関するスナップショット、及び、リンク番号５の道路リンクに関するスナップショットが、学習用データベース１４に蓄積される（ステップＳ２４）。このスナップショットが学習用データとなり、学習エンジン１２によって、重み（推定用パラメータ）が学習される（ステップＳ２５）。
【０１１６】
学習エンジン１２による学習処理は、前記第一実施形態で説明したアルゴリズムと同じであり、前記学習用データを用いてリンク番号１及びリンク番号５の道路リンクのための重みを最適化し、その学習結果が得られると、図２４に示しているように、重みデータベースが更新される（ステップＳ２６）。
【０１１７】
そして、推定エンジン１１は、ステップＳ２６で更新された重みデータベースの内容を用いて、実測値に基づく速度情報が得られなかった道路リンク（推定対象道路リンク）の交通情報（Ｖ2，Ｖ3，Ｖ4，Ｖ6）を推定する（ステップＳ２７）。
この推定の処理によって得られた速度情報（Ｖ2，Ｖ3，Ｖ4，Ｖ6）、及び、実測値に基づく速度情報（Ｖ1，Ｖ5）により、図２５に示しているように、推定データベースが更新される（ステップＳ２８）。
【０１１８】
このように、推定対象道路リンクになり得る所定の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、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。そして、これ以降、推定エンジン１１による速度情報の推定は、学習エンジン１２によって求められた新たな重みを用いて、より精度良く行われる。したがって、本実施形態の交通情報推定装置１では、運用を続けることで速度情報の推定精度が自然に向上する。
【０１１９】
［第三実施形態］
［２．７ 交通情報推定装置１による処理内容］
交通情報推定装置１による重みの学習及び速度情報の推定について、さらに別の実施形態（第三実施形態）を説明する。
第三実施形態でも、前記第二実施形態と同様に、推定対象道路リンクになり得る所定の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、推定処理よりも学習処理が先に行われる。
【０１２０】
つまり、学習エンジン１２は、前記所定の道路リンクの実測値に基づく速度情報と、当該所定の道路リンク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推定用パラメータを最適化する。
そして、この処理の後に、推定エンジン１１は、前記実測値に基づく速度情報を含む道路リンクの速度情報、及び、前記実測値に基づく速度情報が組み合わされた学習用データを用いて学習エンジン１２が最適化した推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。
【０１２１】
この第三実施形態では、学習処理を行ってから、推定処理を行うが、この学習処理には、前記第二実施形態でも用いたニューラルネットワーク等に基づいて実行される「仮推定」の処理が含まれる。以下において、この仮推定を含む学習処理、及び推定処理について具体的に説明する。
【０１２２】
図２６は第二実施形態を説明するフローチャートである。
図２０に示す道路リンクに関し、ある時点（時刻ｔ）において、リンク番号２の道路リンクに入力情報としてプローブ情報が得られたとする（ステップＳ３１）。さらに、リンク番号５の道路リンクに、入力情報としてＶＩＣＳ情報が得られたとする。
これら情報は、前記入力情報処理部１６（図２参照）によって「速度情報」に変換され（ステップＳ３２）、この速度情報によって、図２７に示している推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される（ステップＳ３３）。なお、「速度情報」のデータ項目には、各値（例えば初期値等）が蓄積されている。
また、図２７では、説明を容易とするために、推定データベース（本推定データベース）と重みデータベースとを並べて記載している。重みデータベースには、各値（例えば初期値等）が蓄積されている。
【０１２３】
推定データベースには、前記本推定データベースとは別の領域に、仮推定データベース（図２８参照）が設定されている。両者は同様の形式であり、図２８（ａ）に示しているように、本推定データベースの一部のコピーが仮推定データベースに蓄積される（ステップＳ３４）。
仮推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク（リンク番号２）については、学習対象となることを示す値「１」が設定されている。また、仮推定データベースでは、推定処理（仮推定）の順番を示す「チェック」のデータ項目が一旦リセットされ（「０」とされ）、ＶＩＣＳ情報が得られているリンク番号５の道路リンクについて、「１」が設定される。
【０１２４】
そして、「チェック」のデータ項目に「１」が設定されている道路リンク（本実施形態では、リンク番号５）についての関連道路リンクであって、まだ速度情報が仮推定されていない道路リンクを抽出し（本実施形態では、リンク番号４と６）、「チェック」のデータ項目に「２」が付される。そして、この「チェック」のデータ項目に「２」が付され道路リンク（リンク番号４と６）の速度情報を仮推定する（ステップＳ３５）。
【０１２５】
このようにして、仮推定処理の順番が設定されながら、速度情報を次々と仮推定し、図２８（ｂ）に示すように、リンク番号５の道路リンクについては、実測値に基づく速度情報が蓄積され、他の道路リンクについては、仮推定して得られた速度情報が、仮推定データベースに蓄積される（ステップＳ３６）。
【０１２６】
入力情報としてプローブ情報が取得された道路リンク（リンク番号２）について、仮推定に基づく速度情報（Ｖ2）が取得されているので、ステップＳ３６で蓄積された仮推定データベースの内容の一部として、当該道路リンク（リンク番号２）に関するスナップショットが、学習用データベース１４に蓄積される（ステップＳ３７）。このスナップショットが学習用データとなり、学習エンジン１２によって、重み（推定用パラメータ）が学習される（ステップＳ３８）。
【０１２７】
つまり、本実施形態のスナップショットは、プローブ情報が取得された道路リンク（リンク番号２）の実測値に基づく速度情報（Ｖ2）と、仮推定による当該道路リンク（リンク番号２）の速度情報（Ｖ2）との組み合わせからなる。なお、前記仮推定による道路リンク（リンク番号２）の速度情報（Ｖ2）は、ステップＳ３５において、当該道路リンク（リンク番号２）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（リンク番号１，３）の速度情報（Ｖ1，Ｖ3）に基づいて、仮推定された値である。
そして、学習エンジン１２は、この組み合わせによる学習用データを用いて、推定用パラメータを最適化する。
【０１２８】
学習エンジン１２による学習処理は、プローブ情報が取得された道路リンク（リンク番号２）の実測値に基づく速度情報（Ｖ2）と、仮推定による当該道路リンク（リンク番号２）の速度情報（Ｖ2）との自乗誤差が、最小となるようにして実行される。この学習処理により、リンク番号２の道路リンクのための重みを最適化し、その結果が得られると、図２９に示しているように重みデータベースが更新される（ステップＳ３９）。
なお、図２９の推定データベース（本推定データベース）の「速度情報」のデータ項目には、前記仮推定した値（図２８（ｂ））ではなく、図２７に示した推定データベース（本推定データベース）に蓄積されている値が記憶されている。
【０１２９】
そして、推定エンジン１１は、ステップＳ３９で更新された、図２９の、重みデータベースの内容及び推定データベースの「速度情報」の値を用いて、実測値に基づく速度情報が得られなかった道路リンク（推定対象道路リンク）の速度情報（Ｖ1，Ｖ3，Ｖ4，Ｖ6）を推定する（ステップＳ４０）。この推定処理によって得られた速度情報（Ｖ1，Ｖ3，Ｖ4，Ｖ6）、及び、実測値に基づく速度情報（Ｖ2，Ｖ5）により、図３０に示しているように、推定データベースが更新される（ステップＳ４１）。
【０１３０】
このように、推定対象道路リンクになり得る所定の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、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。つまり、推定エンジン１１による速度情報の推定は、学習エンジン１２によって求められた新たな重みを用いて、より精度良く行われる。
【０１３１】
以上の前記各実施形態に係る交通情報推定装置１は、学習エンジン１２及び推定エンジン１１を有しており、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することができる。前記推定エンジン１１は、他の道路リンクの速度情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成である。そして、前記学習エンジン１２は、推定対象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、当該推定対象道路リンク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の速度情報に基づく値との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する構成である。
このような交通情報推定装置１によれば、学習エンジン１２によって推定用パラメータが最適化され、推定エンジン１１によって、速度情報の推定を適切に行えるようになる。そして、このような学習エンジン１２及び推定エンジン１１による処理が繰り返し実行されることで、速度情報の推定精度が自然に向上する。
【０１３２】
なお、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。
【０１３３】
例えば、推定対象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（関連道路リンク）は、推定対象道路リンクに接続されているものに限らず、推定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。
【０１３４】
また、時刻の要素を速度情報の推定に反映させたい場合には、時間的に特徴的な変化をする道路リンク（例えば、朝だけ混雑する道路リンク、夜だけ混在する道路リンクなど）を関連道路リンクに含めることもできる。この場合、時間的に特徴的な変化をする道路リンクの速度情報は、全ての推定対象道路リンクに共通して用いられる。
【０１３５】
さらに、本実施形態では、推定対象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道路リンクの速度情報として、時間的に同一の時間帯にある速度情報だけを用いたが、異なる時間帯の速度情報を用いても良い。例えば、推定対象道路リンクから遠く離れた道路リンクの場合、その道路リンクにおける交通状況が、推定対象道路リンクに反映されまでには時間遅れがある。そこで、遠く離れた道路リンクの場合、例えば、１時間前の速度情報を推定に用いることで、より適切な推定が行える。
【０１３６】
さらにまた、本実施形態の交通情報推定装置１の推定エンジン１１が推定の対象とする交通情報は、速度情報に限らず、これに加えて／代えて、渋滞情報など他の交通情報とすることもできる。この場合、渋滞度は、上記速度情報の１を混雑、０を順調の２値に割り当てることで算出できる。また、渋滞度を推定対象の交通情報として扱う場合、ニューラルネットワークでは、２値のいずれかを決定するための閾値も推定用パラメータとして必要となる。この場合、閾値も学習部による学習対象となる。
【０１３７】
さらに、本明細書には、複数の発明が開示されており、それら各発明は、特許請求の範囲の記載方法に拘泥されず、各発明の技術的意義に従って、最も広義に解釈されるべきものである。
【符号の説明】
【０１３８】
１：交通情報推定装置，２：車載装置，３：プローブ車両，４：路側通信機，５：路側センサ，６：ＶＩＣＳセンタコンピュータ，１１：推定エンジン（推定部），１２：学習エンジン，１３：推定データベース，１４：学習用データベース，１５：重みデータベース，１６：入力情報処理部，１７：ＶＩＣＳ情報処理部，１７ａ：リンク旅行速度算出部，１７ｂ：速度情報変換部，１８：プローブ情報処理部，１８ａ：リンク旅行速度算出部，１８ｂ：速度情報変換部，１９：変換情報，２０：学習部
【技術分野】
【０００１】
本発明は、交通情報を推定するための交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法に関するものである。
【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など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】
しかし、ＶＩＣＳ及びプローブシステムを利用したとしても、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。
【０００６】
そこで、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定す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】
【０００７】
（１）本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部とを備えたことを特徴とする。
本発明によれば、学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【０００８】
（２）また、前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定するのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、推定部は、既に取得されている推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定すれば、交通情報の推定をより適切に行えるようになる。
【０００９】
（３）また、前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれているのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、学習用データの組み合わせに、推定対象道路リンクになり得る道路リンクに関して既に取得されている交通情報も含ませ、この学習用データを用いて、当該推定対象道路リンクの交通情報を推定するための推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【００１０】
（４）そして、前記交通情報推定装置において、前記推定部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の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、推定部が推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、学習部が推定用パラメータを最適化することになる。
【００１１】
（５）これとは反対に、前記交通情報推定装置において、前記学習部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の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、学習部が当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定部が推定対象道路リンクの交通情報を推定することになる。
【００１２】
（６）また、前記（５）の場合において、前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の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推定用パラメータを最適化することができる。
この場合、推定対象道路リンクになり得る所定の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、実測値に基づく所定の道路リンクの交通情報と、仮推定した当該所定の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推定用パラメータを学習する。
【００１３】
（７）本発明は、コンピュータを、上記（１）から（６）のいずれか一項に記載の装置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。
【００１４】
（８）また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の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、推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、推定用パラメータを最適化することになり、交通情報の推定を適切に行えるようになる。
【００１５】
（９）また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することになる。この結果、交通情報の推定を適切に行えるようになる。
【発明の効果】
【００１６】
学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【図面の簡単な説明】
【００１７】
【図１】交通情報システムの全体構成図である。
【図２】交通情報推定装置の構成図である。
【図３】入力情報処理部の構成図である。
【図４】変換情報を示す図である。
【図５】プローブ情報から、リンク旅行速度を求めるための説明図である。
【図６】交通情報推定処理手順を示すフローチャートである。
【図７】ニューラルネットワークの構成図である。
【図８】道路リンクの例を示す図である。
【図９】推定データベースの初期状態を示す図である。
【図１０】重みデータベースの初期状態を示す図である。
【図１１】入力情報として取得したＶＩＣＳ情報及びプローブ情報を示す図である。
【図１２】１回目の更新後の推定データベースを示す図である。
【図１３】２回目の更新後の推定データベースを示す図である。
【図１４】３回目の更新後の推定データベースを示す図である。
【図１５】スナップショットして抽出される部分を示す図である。
【図１６】学習用データベースを示す図である。
【図１７】学習処理を示すフローチャートである。
【図１８】速度のままで推定する場合の問題を説明するための図である。
【図１９】推定エンジン及び学習エンジンによる処理（第一実施形態）を説明する説明図であり、（ａ）が推定、（ｂ）が学習である。
【図２０】道路リンクの他の例を示す図である。
【図２１】推定エンジン及び学習エンジンによる処理（第二実施形態）を説明する説明図であり、（ａ）が学習、（ｂ）が推定である。
【図２２】交通情報推定処理手順（第二実施形態）を示すフローチャートである。
【図２３】推定データベースと重みデータベースとの説明図である。
【図２４】推定データベースと更新された重みデータベースとの説明図である。
【図２５】更新された推定データベースと重みデータベースとの説明図である。
【図２６】交通情報推定処理手順（第三実施形態）を示すフローチャートである。
【図２７】推定データベースと重みデータベースとの説明図である。
【図２８】仮推定データベースの説明図である。
【図２９】推定データベースと更新された重みデータベースとの説明図である。
【図３０】更新された推定データベースと重みデータベースとの説明図である。
【発明を実施するための形態】
【００１８】
以下、本発明の好ましい実施形態について添付図面を参照しながら説明する。
［１．全体構成］
図１は、本発明の実施形態における交通情報推定装置（中央装置）１を含む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、交通情報推定装置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などを含む。
【００１９】
前記交通情報推定装置１は、例えば中央装置における様々な機能のうちの一機能を指しており、中央装置１は、ＶＩＣＳ情報及びプローブ情報などの交通情報（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、中央装置１は、交通情報に基づいて、信号機制御や交通管制などの各種の交通用処理を行ってもよい。
【００２０】
この交通情報推定装置（中央装置）１は、処理装置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おり、記憶装置には、コンピュータを、交通情報推定装置（中央装置）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、交通情報推定装置（中央装置）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推定装置（中央装置）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。
【００２１】
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及びプローブ車両の車両ＩＤなどを含む交通情報である。また、プローブ情報には、プローブ車両の速度などその他の情報を含めても良い。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。
【００２２】
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、交通情報推定装置（中央装置）１に転送する。また、路側通信機４は、交通情報推定装置（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と交通情報推定装置１との間は、通信回線によって接続されている。
【００２３】
前記路側センサ５は、観測情報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などに設置されている。
【００２４】
路側センサ５は、検出した観測情報は、通信回線を介して、ＶＩＣＳセンタサーバに６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、交通情報推定装置１に送信される。
【００２５】
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５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。
【００２６】
つまり、所定エリア内の道路に、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ごとに常に交通情報（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ごとにみると、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。
【００２７】
［２．交通情報推定装置の詳細］
［２．１ 推定装置の全体構成］
本実施形態に係る交通情報推定装置１は、ＶＩＣＳ情報もプローブ情報も得られない道路リンクの交通情報を推定して、当該道路リンクの交通情報を補完することで、所定エリア内の全道路リンクの交通情報を生成する。このように、ＶＩＣＳ情報もプローブ情報も得られない道路リンクの交通情報を補完することで、より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。
【００２８】
図２に示すように、交通情報推定装置１は、推定対象道路リンクの交通情報を推定するための推定エンジン１１（推定部）と、推定に用いられるパラメータ（推定用パラメータ）を学習するための学習エンジン１２と、を備えている。推定エンジン１１及び学習エンジン１２は、交通情報推定装置１が有する機能であり、交通情報推定装置１に記憶させたコンピュータプログラムによって実現される推定システム及び学習システムである。
【００２９】
また、交通情報推定装置１は、推定エンジン１１によって推定した交通情報等を蓄積するための推定データベース（交通情報データベース）１３、推定データベース１３におけるデータのうち、学習エンジン１２における学習に用いるデータを蓄積する学習用データベース１４、推定パラメータ（本実施形態では、「重み」）を蓄積するための重みデータベース（推定パラメータデータベース）１５と、を備えている。
【００３０】
［２．２ 入力情報処理部］
さらに、本実施形態に係る交通情報推定装置１は、当該交通情報推定装置１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を備えている。
【００３１】
前記入力情報処理部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うものであり、生成した「速度情報」は、推定データベース１３に与えられ、推定データベース１３の更新に用いられる。
【００３２】
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情報処理部１７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部１８と、を備えている。
ＶＩＣＳ情報処理部１７は、ＶＩＣＳ情報に含ま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するリンク旅行速度算出部１７ａと、リンク旅行速度を当該リンクの「速度情報」に変換する速度情報変換部１７ｂとを備えている。
【００３３】
ＶＩＣＳ情報処理部１７のリンク旅行速度算出部１７ａ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、対象エリア内の全道路リンクのリンク長は、予め、装置１に設定されている。
【００３４】
ＶＩＣＳ情報処理部１７の速度情報変換部１７ｂは、リンク旅行速度算出部１７ａで求めたリンク旅行速度を、「速度情報」という指標値（速度指標情報）に変換する。この変換は、速度情報変換部１７ｂが、装置１に予め設定された「速度−速度情報」変換情報１９を参照することで行われる。「速度−速度情報」変換情報１９は、図４に示すように設定されたものであるが、詳細については後述する。
【００３５】
プローブ情報処理部１８のリンク旅行速度算出部１８ｂは、プローブ情報に含まれる位置及び時刻に基づいて、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旅行速度を算出する。なお、プローブ情報からリンク旅行速度［ｋｍ／ｈ］を算出する方法については後述する。
【００３６】
プローブ情報処理部１８の速度情報変換部１８ｂは、ＶＩＣＳ情報処理部１７の速度情報変換部１７ｂと同様に、リンク旅行速度を「速度情報」に変換する。その処理内容は、速度情報変換部１７ｂと同様である。
【００３７】
［２．３ 速度情報について］
「速度情報」は、リンク旅行速度の大小に応じた値をとる指標値であり、本実施形態では、０から１までの値をとり、「速度情報」＝０はリンク旅行速度＝１００［ｋｍ／ｈ］及びそれ以上の速度に対応し、「速度情報」＝１はリンク旅行速度＝０［ｋｍ／ｈ］に対応する。
【００３８】
ただし、本実施形態の「速度情報」は、リンク旅行速度に単純に反比例するものではない。つまり、図４に示すように、リンク旅行速度−速度情報の関係式は、リンク旅行速度の複数の速度領域によって異なるものが用いられている。
前記複数の速度領域とは、具体的には、リンク旅行速度が０［ｋｍ／ｈ］〜約１０（より厳密には１０．５３）［ｋｍ／ｈ］の第１速度領域（ゼロ近傍速度領域）、リンク旅行速度が約１０（より厳密には１０．５）［ｋｍ／ｈ］〜約６０（より厳密には５７．９）［ｋｍ／ｈ］の第２速度領域、リンク旅行速度が約６０（より厳密には５７．９）［ｋｍ／ｈ］の第３速度領域（自由走行速度領域）の３つの速度領域である。
【００３９】
第１速度領域は、車両の速度が、０又はそれに近い値を示すゼロ近傍速度領域として設定されたものであり、道路が混雑しているときにこのような速度領域の値が検出される。第３速度領域は、一般道路の制限速度（６０ｋｍ／ｈ）以上の速度領域として設定されたものであり、道路が比較的すいており、車両が自由走行状態となり得るときにこのような速度領域の値が検出される。なお、第２速度領域は、第１及び第３速度領域の中間領域として設定されたものである。
【００４０】
図４の横軸（リンク旅行速度）の値をｘ、縦軸（速度情報）の値をｙとすると、第１速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝１−（ｘ／１０００）に設定され、第２速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝１．２−（ｘ／５０）に設定され、第３速度領域におけるリンク旅行速度−速度情報の関係式は、ｙ＝０．１−（ｘ／１０００）に設定されている。
【００４１】
このように、リンク旅行速度−速度情報の関係直線は、第３速度領域及び第２速度領域に着目すると、第３速度領域（傾き＝１／１０００）では、第２速度領域（傾き＝１／５０）よりも、負の傾きが小さくなっている。
つまり、車両が自由走行状態となり得る自由速度領域である第３領域においては、より低速の第２速度領域に比べて、リンク旅行速度（ｘ）の変化に対する速度情報（ｙ）の変化の割合（負の傾き）が小さくなっている。
【００４２】
また、リンク旅行速度−速度情報の関係直線は、第１速度領域及び第２速度領域に着目すると、第１速度領域（傾き＝１／１０００）では、第２速度領域（傾き＝１／５０）よりも、傾きが小さくなっている。
つまり、車両の速度がゼロ近傍である第１領域においては、より高速の第２速度領域に比べて、リンク旅行速度（ｘ）の変化に対する速度情報（ｙ）の変化の割合（負の傾き）が小さくなっている。
【００４３】
以上のように設定された変換情報１９によれば、速度情報という指標に、単なる「速度」という要素以外に、道路が混雑していて渋滞気味であるか、それとも道路が空いており車両が順調に流れているのかという渋滞度（交通流の度合）の要素も、持たせることができる。
【００４４】
例えば、制限速度が１００ｋｍ／の道路リンクにおいてはリンク旅行速度が１００ｋｍ／であり、制限速度の６０ｋｍ／の道路リンクにおいてはリンク旅行速度が６０ｋｍ／ｈである場合、速度差は、４０ｋｍ／ｈであるが、いずれの道路リンクも車両が順調に流れており、いずれも自由走行状態であると考えられる。
一方、２つの道路リンクにおいて、一方の道路リンクのリンク旅行速度が６０ｋｍ／ｈであり、他方の道路リンクのリンク旅行速度が２０ｋｍ／ｈである場合、速度差は、上記と同様に４０ｋｍ／ｈであるが、前者の道路リンクは車両が順調に流れているが、後者の道路リンクは混雑していると考えられる。
【００４５】
このように、リンク旅行速度が自由走行速度領域に達すると、道路における車両の多さ（渋滞度）とリンク旅行速度の関連性が相対的に低くなり、道路の制限速度などの別の要因によってリンク速度が変化しやすくなる。
このため、例えば、関連する他の道路リンクの交通情報（リンク旅行速度）から、推定対象道路リンクの交通情報（リンク旅行速度）を推定しようとした場合を想定すると、他の道路リンクの第３速度領域（自由走行速度領域）におけるリンク旅行速度の違いが推定対象道路リンクのリンク旅行速度の推定値に与える影響は、より低速の第２速度領域におけるリンク流行速度の違いよりも、小さくなる。
【００４６】
また、第１速度領域についても、第３速度領域と同様に、速度が０〜１０［ｋｍ／ｈ］であるときには、いずれの速度においても道路はかなり混雑していると考えられ、第１速度領域におけるリンク旅行速度の違いは、高速の第２速度領域においけるリンク流行速度の違いよりも、意味が少ないものとなる。
本実施形態の速度情報は、上記を考慮したものであり、第１及び第３速度領域の傾きを小さくすることで、推定対象道路リンクの交通情報を精度良く推定することができる。
【００４７】
また、第１及び第３速度領域の傾きを小さくした結果、第２速度領域の傾きが大きくなり、第２速度領域におけるリンク旅行速度の違いを、速度情報という指標においてはより強調することができる。
例えば、０〜１００ｋｍ／ｈの範囲のリンク旅行速度（ｘ）に対し、ｙ＝１−（ｘ／１００）という１つの関係式で速度情報を対応付けた場合、１０〜６０ｋｍ／ｈの範囲においても、当然に、傾きは（１／１００）であるが、図４の場合、傾きは（１／５０）である。したがって、図４によって求まる速度情報においては、１０〜６０ｋｍ／ｈにおけるリンク旅行速度をより緻密に指標化できる。この結果、推定対象道路リンクの交通情報の推定精度を向上させることができる。
【００４８】
なお従来では、交通情報として、道路リンクにおける車両の速度を扱う場合、速度［ｋｍ／ｈ］のままで交通情報の推定を行っている。この場合、次のような問題が生じる。
例えば、図１８に示すように道路リンクが構成されており、リンクＡ，Ｂが制限速度１００ｋｍ／ｈの高速道路であり、リンクＣが制限速度６０ｋｍ／ｈの一般道路であるとする。また、リンクＡ，Ｂ，Ｃのいずれにおいても道路は空いており、車両は自由走行状態であるものとする。
そして、リンクＡ，Ｂについては、速度（リンク旅行速度）が１００ｋｍ／ｈであることが検出され、リンクＣについては、速度（リンク旅行速度）が６０ｋｍ／ｈであることが検出されたとする。この場合、リンクＡ，ＢとリンクＣとの間には、速度に差が存在するが、これは、道路の制限速度の違いによるものにすぎず、道路の混雑度（交通量）としては、リンクＡ，Ｂ，Ｃのいずれにおいてもほぼ同様と考えられる。
【００４９】
しかし、リンクＡ，Ｂ，Ｃの各速度そのものに基づいて、リンクＡ，Ｂ，Ｃに関連する道路リンク（推定対象道路リンク）の速度を推定しようとすると、リンクＡ，ＢとリンクＣとで速度が異なるため、適切な推定値を得るのが困難となったり、適切な推定値を得るための処理時間が長くなったりするという問題が生じる。
しかし、前記のとおり、車両が自由走行状態となり得る自由速度領域においては、より低速の速度領域に比べて、リンク旅行速度の変化に対する速度情報の変化の割合が小さくなっていることで、前記のような問題を解消することができる。
【００５０】
［２．４ プローブ情報からのリンク旅行時間の算出］
図５は、リンク旅行速度算出部１８ａにおいて、プローブ情報からリンク旅行速度［ｋｍ／ｈ］を算出する方法を示している。
図５に示すように、Ｌ１〜Ｌ６までの６個の道路リンクが存在する場合において、道路リンクＬ４の図右方（矢印Ａ方向）へのリンク旅行速度を算出するには、プローブ車両３が、進行方向一つ手前の道路リンクＬ３（第１位置）に位置している間に送信した第１プローブ情報ｐｒ１と、当該プローブ車両３が移動して進行方向一つ先の道路リンクＬ５（第２位置）に位置している間に送信した第２プローブ情報ｐｒ２とを用いる。
【００５１】
第１プローブ情報ｐｒ１が示す位置及び第２プローブ情報ｐｒ２が示す位置によって、第１プローブ情報ｐｒ１を発信した第１位置と第２プローブ情報ｐｒ２を発信した第２位置との間の距離Ｄが求まる。また、第１プローブ情報ｐｒ１が示す時刻及び第２プローブ情報ｐｒ２が示す時刻によって、第１位置から第２位置まで移動するのに要した時間Ｔが求まる。前記距離Ｄを前記時間Ｔで除することにより、第１位置から第２位置までの間の区間（通常の速度算出区間）の旅行速度が求まる。通常は、この旅行速度を、第１位置と第２位置との間にある道路リンクＬ４におけるリンク旅行速度とみなす。
【００５２】
ただし、第１位置と第２位置との間の距離（通常の速度算出区間の距離）が設定された最小距離（例えば、１ｋｍ）以下である場合には、速度算出区間が長くなるように、道路リンクＬ４のリンク旅行速度の算出に用いるプローブ情報として別のものを選択する。
具体的には、通常の速度算出区間の距離が最小距離以下である場合、リンク旅行速度算出部１８ａは、車両が、車両進行方向にみて一つ手前の道路リンクＬ２（手前位置）に位置するときに送信されたプローブ情報ｐｒ０と、道路リンクＬＬ５に位置するときに送信されたプローブ情報ｐｒ２とを用いる。これにより、手前位置から第２位置までの間の拡張された速度算出区間についての旅行速度が求まり、この旅行速度を、手前位置から第２位置までの間にある道路リンクＬ４のリンク旅行速度とみなす。
【００５３】
通常の速度算出区間の距離が短い場合に、拡張された速度算出区間を用いる理由は次の通りである。すなわち、速度算出区間が短いと、速度算出区間を移動するのに要する時間は、交通信号による停止時間による影響を大きく受ける。つまり、速度算出区間を通過するのに要する時間が、例えば、２分であるとしても、車両が実際に走行していた時間は、１分で残りの１分は信号による待ち時間ということが生じ得る。一方、同じ速度算出区間を通過する別の車両は、信号による停止がなく、速度算出区間を通過するのに要する時間が１分ということがありえる。このように、速度算出区間が短いと、信号待ちの影響による誤差が大きくなり、正確な速度算出が困難となる。
【００５４】
逆に、十分に距離が長く、多くの交通信号（交差点）を通過する必要があるような速度算出区間である場合には、確率上、いずれかの交通信号による待ち時間が、ほぼ全ての車両に均等に生じるため。信号待ちの影響による誤差は小さい。
【００５５】
そこで、本実施形態のように、通常の速度算出区間の距離が短い場合には、拡張された速度算出区間で速度を算出することで、速度をより精度良く算出することができる。
なお、通常の速度算出区間の距離が短い場合であっても、車両台数が多い（例えば、１０台以上）の場合には、速度算出区間を通過するのに要する時間を複数の車両からのプローブ情報で平均化することにより、誤差を小さくできる。したがって、通常の速度算出区間が、設定された最小距離以下であり、かつ、単位時間あたりのプローブ車両の数（プローブ情報の数）が設定された最小数以下である場合に限って、拡張された速度算出区間での速度算出をおこなってもよい。
【００５６】
なお、上記の例では、拡張された速度区間として、手前位置（道路リンクＬ２）から第２位置（道路リンクＬ５）までとしたが、この第２位置に代えて、第２位置よりも進行方向にみて先の位置（道路リンクＬ６）としてもよい。また、拡張された速度区間として、第１位置（道路リンクＬ３）と先の位置（道路リンクＬ６）との間としてもよい。
【００５７】
［第一実施形態］
［２．５ 交通情報推定装置１による処理内容］
［２．５．１ 推定処理の概要］
図６は、交通情報推定装置１による交通情報推定方法を示している。まず、推定データベース（交通情報データベース）１３及び重みデータベース１５に初期値を設定しておく（ステップＳ１）。
【００５８】
そして、交通情報推定装置１が、ＶＩＣＳ情報やプローブ情報を取得すると、入力情報処理部１６がＶＩＣＳ情報やプローブ情報から各道路リンクの速度情報を生成する（ステップＳ２）。ただし、ステップＳ２において速度情報が取得できる道路リンクは、対象エリア内の全道路リンクのうちの一部であり、ステップＳ２では速度情報が得られない道路リンクがある。
【００５９】
続いて、ステップＳ２で得られた速度情報を、推定データベース１３にセットし、推定データベースＤＢ４を更新する（ステップＳ３）。そして、推定エンジン１１は、ステップＳ３で更新された推定データベース１３の内容に基づいて、速度情報が得られていない道路リンクについての速度情報を推定し、推定した速度情報を、推定データベース１３にセットし、推定データベース１３を更新する（ステップＳ４）。このステップＳ４により、対象エリア内の全道路リンクについての速度情報（実測値と推測値とが混在したもの）が得られる。
【００６０】
ステップＳ４にて得られた全道路リンクについての速度情報は、装置外部に出力される（ステップＳ５）。具体的には、装置１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。
また、ステップＳ４で更新された推定データベース１３の内容の一部は、学習用データベース１４にスナップショットとして蓄積され、学習エンジン１２による学習用データとして用いられる（ステップＳ６）。
【００６１】
以上のステップＳ２〜ステップＳ６の処理は、速度情報が生成される度に繰り返し実行される。入力情報処理部１６は、ＶＩＣＳ情報の更新周期（例えば５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Ｓ２〜ステップＳ６の処理は、ＶＩＣＳ情報の更新周期（例えば５分）に合わせて繰り返し実行されることになる。
【００６２】
［２．５．２ 速度情報推定のためのモデル］
図７は、推定エンジン１１が、推定対象道路リンクの速度情報を推定するためのニューラルネットワークを示している。図示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（ｗi：０〜１）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。
ここで、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（推定対象道路リンクに接続された道路リンク）の速度情報であり、出力値ｙは推定対象道路リンクの速度情報である。
【００６３】
また、重みｗiは、推定対象道路リンク以外の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り、推定対象道路リンクとの相関の高い道路リンク（例えば、推定対象道路リンクと同じ道路を構成し、推定対象道路リンクに隣接する道路リンク）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。
【００６４】
ただし、図７のものでは、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ノードに加算される独立パラメータｗ0が設けられている。この独立パラメータｗ0は、推定対象道路リンク以外の道路リンクにおける速度情報以外の要因が、推定対象道路リンクの速度情報に与える要因（例えば、道路リンク間での制限速度の差）を表現することができ、速度情報を精度良く推定することができる。また、推定用パラメータ（重み）の学習の際に、推定用パラメータを最適値に収束させやすくなって、学習処理を容易又は高速に行える。
【００６５】
以上のように、推定エンジン１１が、ある推定対象道路リンクの速度情報を求めるには、当該推定対象道路リンクとの相関が多少なりとも認められる他の道路リンクの速度情報と、当該他の道路リンクの速度情報をどの程度ほど推定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。そのような他の道路リンクの速度情報は、推定データベース（交通情報データベース）１３に蓄積され、重みは重みデータベース１５に蓄積されており、推定エンジン１１は、両データベース１３，１５から必要な情報を取得する。
【００６６】
なお、速度情報を推定するためのニューラルネットワークとしては、図８のような単層のパーセプトロンに限られるものではなく、入力層、中間層、出力層を有する多層パーセプトロンであってもよい。多層パーセプトロンとして構成すると、推定対象道路リンクと他の道路との間で、速度情報が非線形関係を持つ場合であっても、推定対象道路リンクの速度情報を適切に求めることができる。
【００６７】
［２．５．３ 推定処理の詳細］
ここでは、図８のように接続された道路リンクを想定する。図８において、Ｖｘは、道路リンクの速度情報（０〜１の値）を示している。また、Ｖｘにおける添え字ｘは、道路リンクのリンク番号を示しており、１〜２４の値をとる。つまり、図８では、リンク番号１〜２４までの２４個の道路リンクが存在する。また、各リンクの矢印方向は、車両の進行方向を示す。
【００６８】
図８において、実線の矢印で示す道路リンク（リンク番号ｘ＝１〜１０）は、ＶＩＣＳ情報が取得可能なリンクであり、例えば、高速道路や主要幹線道路に対応する道路リンクである。また、点線の矢印で示す道路リンク（リンク番号ｘ＝１１〜２４）は、ＶＩＣＳ情報が取得できないリンクであり、例えば、高速道路や主要幹線道路以外の一般道路である。点線の矢印で示す道路リンクは、速度情報の推定対象道路リンクとなる可能性がある。つまり、点線の矢印で示す道路リンクについては、プローブ情報が得られた場合には、推定対象道路リンクとはならず、プローブ情報が得られなかった場合には、推定対象道路リンクとなる。
なお、ＶＩＣＳ情報が取得可能な道路リンクであっても、何らかの事情でＶＩＣＳ情報が取得できない場合には、推定対象道路リンクとして扱われる。
【００６９】
以下、図８の道路リンクを前提とし、図６も再度参照しつつ、速度情報の推定手順について詳細に説明する。
まず、推定データベース（交通情報データベース）１３及び重みデータベース１５には、装置管理者によって、初期値が入力される（ステップＳ１）。
【００７０】
図９に示すように、推定データベース１３は、「チェック」３１、「速度情報」３２、「関連道路リンク情報」３３、「リンク長」３４、「学習？」のデータ項目を有しており、各道路リンク（リンク番号）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。
【００７１】
前記データ項目のうち、「チェック」３１は、各道路リンクの速度情報の更新の有無及び更新された順番を示す項目である。「速度情報」３２は、各道路リンクの速度情報がセットされる項目である。
「関連道路リンク情報」３３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、ここでは、それぞれの道路リンクに接続されている道路リンク（リンク番号）を示している。
【００７２】
「関連道路リンク情報」３３は、「逆」、「Ａ順」、「Ａ逆」、「Ｂ順」、「Ｂ逆」の５種類に分けられている。
「逆」は、任意の道路リンクと逆方向の道路リンクのリンク番号を示し、例えばリンク番号１の道路リンクについては、リンク番号８の道路リンクが「逆」の道路リンクとなる。
「Ａ順」は、ある道路リンクの後方で順方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号１２，７，１５の道路リンクが「Ａ順」の道路リンクとなる。
「Ａ逆」は、ある道路リンクの後方で逆方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号１１，１５，１３の道路リンクが「Ａ逆」の道路リンクとなる。
【００７３】
「Ｂ順」は、ある道路リンクの前方で順方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号４，９の道路リンクが「Ｂ順」の道路リンクとなる。
「Ｂ逆」は、ある道路リンクの前方で逆方向に接続している道路リンクであり、例えば、リンク番号１の道路リンクについては、リンク番号３，６の道路リンクが「Ｂ逆」の道路リンクとなる。
【００７４】
また、前記データ項目のうち「リンク長」３４は、各道路リンクのリンク長を示すものである。「学習？」３５は、各道路リンクの速度情報等が学習部２０（学習エンジン１２）による学習のためのデータ（学習データ）となるものであるか否かを示しており、ここでは０又は１の値をとる。「０」はその道路リンクの速度情報等が学習データとはならないことを示しており、「１」はその道路リンクの速度情報等が学習データとなることを示している。
【００７５】
ステップＳ１の初期値入力は、装置１の運用開始時やリセット時に行われ、推定データベース１１については、上記データ項目のうち、「速度情報」３２、「関連道路リンク情報」３３、「リンク長」３４について初期値が設定される。「速度情報」３２の初期値としては、例えば、全道路リンクについて０を設定すればよい。「関連道路リンク情報」３３及び「リンク長」３４の初期値については、対象エリアの道路構成に従って設定される。「関連道路リンク情報」３３及び「リンク長」３４の初期値は、ＶＩＣＳ情報及びプローブ情報からなる交通情報（速度情報）を取得しても更新されることはない。
【００７６】
一方、「速度情報」３４の値は、ＶＩＣＳ情報及びプローブ情報からなる交通情報（速度情報）を取得する度に、全道路リンクについて更新される（ステップＳ３，Ｓ４）。
また、「チェック」３１については、交通情報（速度情報）を取得する度に（ステップＳ２）、０に初期化される。「学習？」３５についても、交通情報（速度情報）を取得する度に（ステップＳ２）度に、各道路リンクの速度情報等を学習データとすべきか否かに応じて０又は１に設定される。
【００７７】
図１０に示すように、重みデータベース１５には、各道路リンクにおける速度情報の推定値を他の道路リンクの速度情報から求める際に用いる重みｗｉが、初期値として設定される。重みｗｉは、各道路リンクについて、「関連道路リンクの数＋１」ほど設定される。図１０において、ｗ0は独立パラメータであり、ｗ1以降は関連道路リンクの速度情報それぞれに乗じられる重みである。
【００７８】
推定用パラメータである重みｗｉは、学習エンジン１２による学習によって、より適切な値へと自動的に更新されるため、初期値としては、適当な値を設定してもよい。したがって、初期設定が容易である。
【００７９】
さて、上記の初期化を行ったのち、図８に示す道路リンクに関し、ある時点において、図１１のようなＶＩＣＳ情報及びプローブ情報（交通情報）が得られたものとする。図１１では、リンク番号１〜１０の道路リンクについてのＶＩＣＳ情報（リンク旅行時間）が得られ、リンク番号２０の道路リンクについてのプローブ情報が得られている。他の道路リンクについてはＶＩＣＳ情報もプローブ情報も得られていない。なお、図１１では、表記の容易化のため、リンク番号２０の道路リンクについてのプローブ情報を、ＶＩＣＳ情報と同様に「リンク旅行時間」で示した。
【００８０】
また、図１１の情報では、プローブ情報が存在する道路リンク（リンク番号２０）については、学習対象となることを示す値「１」が設定されており、ＶＩＣＳ情報が存在する道路リンク（リンク番号１〜１０）については、学習対象ではないことを示す値「０」が設定されている。
【００８１】
図１１のような入力情報が取得された場合、この情報における「旅行時間」は、入力情報処理部１６によって「速度情報」に変換され（ステップＳ２）、その速度情報によって、推定データベース１３の対応する道路リンクの「速度情報」３２が更新される（第１回目の更新；ステップＳ３）。更新された道路リンクについては、「チェック」３１に、第１回目の更新で速度情報が更新されたことを示す「１」が設定される。また、図１１の入力情報の「学習対象」が「１」である道路リンク（ここでは、リンク番号２０の道路リンク）については、「学習？」３５が「１」に設定される。
【００８２】
以上のようにして第１回目の更新（入力情報のセット）が行われた後の推定データベース１３の内容を、図１２に示す。
【００８３】
続いて、速度情報が未更新の道路リンク（リンク番号１１〜１９，２１〜２４）についての速度情報の推定を行って、当該推定値により推定データベース１３の更新を行う（ステップＳ４）。
具体的には、まず、「チェック」３１項目に、前回の更新を示す「１」が設定されている道路リンク（リンク番号１〜１０，２０）の関連道路リンク（隣接道路リンク）のうち、今回の入力情報（図１１）に基づく速度情報の更新が未だなされていない道路リンク（チェック＝０）を抽出する。ここでは、リンク番号１２，１５，１１，１３，１９，１８，１７，２１，２４，１４，１６の１１個の道路リンクが抽出される（図１３参照）。これら１１個の道路リンクが、ここでの推定対象道路リンクとなる。
【００８４】
そして、推定エンジン１１は、１１個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース１３から読み出すとともに、１１個の推定対象道路リンクそれぞれについて設定された重み（推定用パラメータ）を、重みデータベース１５から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース１３の「速度情報」にセットされ、速度情報についての第２回目の更新が行われる。なお、更新された道路リンクについては、「チェック」３１に、第２回目の更新で速度情報が更新されたことを示す「２」が設定される。
【００８５】
上記推定対象道路リンクのうち、例えば、リンク番号１２，１５，１１，１３の道路リンクの速度情報の推定値（Ｖ12，Ｖ15，Ｖ11，Ｖ13）を求めるための演算式は、下記のとおりである。
Ｖ12＝ｗ0＋ｗ1Ｖ11＋ｗ2Ｖ1＋ｗ3Ｖ5＋ｗ4Ｖ13＋ｗ5Ｖ8＋ｗ6Ｖ7＋ｗ7Ｖ15
Ｖ15＝ｗ0＋ｗ1Ｖ13＋ｗ2Ｖ20＋ｗ3Ｖ16＋ｗ4Ｖ17＋ｗ5Ｖ14＋ｗ6Ｖ1＋ｗ7Ｖ11
＋ｗ8Ｖ5＋ｗ9Ｖ8＋ｗ10Ｖ12＋ｗ11Ｖ5
Ｖ11＝ｗ0＋ｗ1Ｖ12＋ｗ2Ｖ8＋ｗ3Ｖ15＋ｗ4Ｖ7＋ｗ5Ｖ1＋ｗ6Ｖ11＋ｗ7Ｖ5
Ｖ13＝ｗ0＋ｗ1Ｖ15＋ｗ2Ｖ8＋ｗ3Ｖ12＋ｗ4Ｖ7＋ｗ5Ｖ1＋ｗ6Ｖ11＋ｗ7Ｖ5
＋ｗ8Ｖ14＋ｗ9Ｖ17＋ｗ10Ｖ16＋ｗ11Ｖ20
【００８６】
なお、前記演算式で求められる推定値（左辺側の値）は、図１１のようなＶＩＣＳ情報及びプローブ情報が得られた時刻ｔ（時刻ｔを含むタイムスロット）における速度情報である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み（右辺側の値）は、前記時刻ｔ（時刻ｔを含むタイムスロット）よりも前の時刻ｔ−１（前のタイムスロット）における値である。つまり、速度情報の推定値を求めるための前記演算式を、時刻も含めて表記すると、代表としてリンク番号１２の道路リンクの速度情報Ｖ12の推定値は、下記の演算式となる。
Ｖ12(t)＝ｗ0(t-1,12)＋ｗ1(t-1,12)Ｖ11(t-1)＋ｗ2(t-1,12)Ｖ1(t-1)
＋ｗ3(t-1,12)Ｖ5(t-1)＋ｗ4(t-1,12)Ｖ13(t-1)＋ｗ5(t-1,12)Ｖ8(t-1) ＋ｗ6（ｔ−１，１２）Ｖ7(t-1)＋ｗ7(t-1,12)Ｖ15(t-1)
なお、この演算式中の重みに付されている添え字(t-1,12)の「１２」は、リンク番号を意味している。また、前記タイムスロットは、ＶＩＣＳ情報の前記更新単位時間とすることができる。
【００８７】
そして、「チェック」３１項目に、前回の更新を示す「２」が設定されている道路リンク（リンク番号１１〜１９，２１，２４）の関連道路リンク（隣接道路リンク）のうち、今回の入力情報（図１１）に基づく速度情報の更新が未だなされていない道路リンク（チェック＝０）を抽出する。ここでは、リンク番号２２，２３の２個の道路リンクが抽出される（図１４参照）。これら２個の道路リンクが、次の推定対象道路リンクとなる。
【００８８】
そして、推定エンジン１１は、２個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース１３から読み出すとともに、２個の推定対象道路リンクそれぞれについて設定された重み（推定用パラメータ）を、重みデータベース１５から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース１３の「速度情報」にセットされ、速度情報についての第３回目の更新が行われる。なお、更新された道路リンクについては、「チェック」３１に、第３回目の更新で速度情報が更新されたことを示す「３」が設定される。
【００８９】
上記のような処理は、全ての道路リンクについての速度情報が推定されるまで繰り返される（ステップＳ４）。ここでは、３回の更新により全ての速度情報が補完されたため、推定処理を終了する。
【００９０】
すると、推定データベースの内容の出力が行われる（ステップＳ５）。
さらに、今回の入力情報（図１１）に基づく、推定処理が終了した推定データベース１３の各道路リンクのデータのうち、「学習？」３５に「１」が設定されたリンク番号２０の道路リンクのスナップショット（図１５参照）を、学習用データベース１４に追加する。ここで、スナップショットとは、「学習？」３５に「１」が設定されたリンク番号の道路リンクの「速度情報」と、当該道路リンクの関連道路リンクの「速度情報」とを記憶したものである。ここで、「学習？」３５に「１」が設定されたリンク番号の道路リンクの速度情報は、プローブ情報から得られた値であるから実測値である。また、当該道路リンクの関連道路リンクの「速度情報」には、ＶＩＣＳ情報から得た実測値と推測値とが混在している。
【００９１】
スナップショットは、入力情報が取得されて、推定データベースの全道路リンクの更新（ステップＳ３，Ｓ４）が行われる度に発生する。このスナップショットは、プローブ情報を取得できた道路リンクについて発生する。
したがって、上記の例では、リンク番号２０の道路リンクのみスナップショットが発生したが、推定データベースの全道路リンクの更新（ステップＳ３，Ｓ４）が何度も行われると、他の道路リンクについてもスナップショットが蓄積される。また、入力情報が区営返し発生するほどの十分な時間が経過すると、一つの道路リンクについて複数のスナップショットが蓄積される。
【００９２】
図１６は、複数の道路リンクについて、それぞれ複数のスナップショットが蓄積された学習用データベース１４の内容を示している。
このようにして多数のスナップショットが蓄積された学習用データベース１４に基づいて、学習エンジン１２が、重みデータベース１５に記憶されている重み（推定用パラメータ）の学習（最適化）を行って、重みデータベース１５の内容を更新する。
【００９３】
図１７は、学習エンジン１２による学習処理の手順を示している。まず、学習エンジン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７）を構成する中間層の数、学習計数などの学習用のパラメータ設定を行う（ステップＳ１１）。
学習エンジン１２は、図７に示すような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、学習エンジン１２は、学習用データベース１４に蓄積されているスナップショットのうち、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、学習エンジン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データから、重みの最適値を算出する。重みの最適値の算出は、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。
【００９４】
重みの最適値の算出は、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）。
【００９５】
重みが収束して学習処理が終了すると、得られた重みは、重みデータベース１５に反映され、重みデータベース１５が更新される。
【００９６】
重みデータベース１５が更新された後に、ＶＩＣＳ情報及びプローブ情報からなる入力情報が発生すると、推定エンジン１１による速度情報の推定は、新たな重みを用いて、より精度良く行われる。このように、本実施形態の交通情報推定装置１では、運用を続けることで、交通情報（速度情報）の推定精度が自然に向上する。
【００９７】
以上のように、前記実施形態の交通情報推定装置１によって実行される速度情報の推定方法は、交通情報推定装置１が、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報を取得すると（図６のステップＳ２及びＳ３）、推定エンジン１１は、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定し（ステップＳ４）、その後、この推定した速度情報及び実測値に基づく速度情報を用いて、学習エンジン１２が推定用パラメータを最適化している（図６のステップＳ６、図１７）。図１９は、この推定エンジン１１及び学習エンジン１２による処理をまとめて説明した説明図である。
【００９８】
つまり、図１９（ａ）の時刻ｔにおいて、推定対象道路リンクになり得る所定の道路リンク（リンク番号２０）に関して、図１１で説明したように、実測値に基づく速度情報Ｖ20が取得されると、推定エンジン１１は、図１２から図１４で説明したように、時刻ｔにおける、推定対象道路リンク（リンク番号１１〜１９及びリンク番号２１〜２４）の交通情報（Ｖ11〜Ｖ19、Ｖ21〜Ｖ24）を、前記実測値に基づく速度情報Ｖ20を含む道路リンク（リンク番号１〜２４）の速度情報（Ｖ1〜Ｖ24）及び推定用パラメータ（重みｗｉ）を用いて、次々と推定する。
なお、この推定処理で用いられる前記道路リンクの速度情報（Ｖ1〜Ｖ24）のうち、リンク番号１〜１９，リンク番号２１〜２４の道路リンクの速度情報は、図１９（ａ）の時刻ｔ−１における情報である。つまり、時刻ｔで実測値に基づく速度情報が取得されているが、推定処理は、この時刻ｔの速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【００９９】
そして、この推定の後に、学習エンジン１２は、前記所定の道路リンク（リンク番号２０）における前記実測値に基づく速度情報Ｖ20と、当該道路リンク（リンク番号２０）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の速度情報であって前記実測値Ｖ20を用いて推定した前記速度情報（Ｖ17，Ｖ21，Ｖ24，Ｖ14，Ｖ15，Ｖ16，Ｖ13）との組み合わせ（図１６参照）を、学習用データとして蓄積し、この学習用データを用いて、図１７で説明したように、推定用パラメータ（Ｖ0〜Ｖ7）を最適化する処理を実行する。図１９（ｂ）に示しているように、この最適化の処理（学習処理）は、同一の時刻ｔにおける速度情報に基づいて行われている。
【０１００】
この第一実施形態によれば、推定対象道路リンクになり得る所定の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、推定対象道路リンクの速度情報を推定してから、その推定した速度情報を用いて、推定用パラメータ（重み）を最適化することになり、その後、これ以降の時刻ｔ＋１における速度情報については、新たな推定用パラメータ（重み）を用いて、推定エンジン１１により、精度良く推定処理が行われる。
【０１０１】
［第二実施形態］
また、図２で示した構成を備えた交通情報推定装置１によれば、推定対象道路リンクになり得る所定の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、前記実施形態とは反対に、学習エンジン１２が、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定エンジン１１が、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定することができる。この場合を第二実施形態として説明する。
【０１０２】
［２．６ 交通情報推定装置１による処理内容］
図２０は、第二実施形態を説明するために、簡略化した道路リンクのモデルを示している。この道路リンク構造は、６つの道路リンク「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」により構成されていて、Ｖｘの添え字ｘはリンク番号を示している。また、６つの道路リンクの速度情報もそれぞれ「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」で表すものとする。
【０１０３】
本実施形態の交通情報推定装置１が有する推定エンジン１１によって、推定対象道路リンクの速度情報を推定するために用いられるニューラルネットワークは、図７に示したものと同様であり、また、本実施形態の学習エンジン１２は、このニューラルネットワークを、学習用データを用いて最適化（学習）する処理を行う。
図２０のリンク番号１〜６の推定対象道路リンクそれぞれの速度情報の推定値「Ｖ1」「Ｖ2」「Ｖ3」「Ｖ4」「Ｖ5」「Ｖ6」を求めるための演算式は、下記のとおりである。
【０１０４】
Ｖ1(t)＝ｗ0(t-1,1)＋ｗ1(t-1,1)Ｖ1(t-1)＋ｗ2(t-1,1)Ｖ2(t-1)
Ｖ2(t)＝ｗ0(t-1,2)＋ｗ1(t-1,2)Ｖ1(t-1)＋ｗ2(t-1,2)Ｖ2(t-1)
＋ｗ3(t-1,2)Ｖ3(t-1)
Ｖ3(t)＝ｗ0(t-1,3)＋ｗ1(t-1,3)Ｖ2(t-1)＋ｗ2(t-1,3)Ｖ3(t-1)
＋ｗ3(t-1,3)Ｖ4(t-1)
Ｖ4(t)＝ｗ0(t-1,4)＋ｗ1(t-1,4)Ｖ3(t-1)＋ｗ2(t-1,4)Ｖ4(t-1)
＋ｗ3(t-1,4)Ｖ5(t-1)
Ｖ5(t)＝ｗ0(t-1,5)＋ｗ1(t-1,5)Ｖ4(t-1)＋ｗ2(t-1,5)Ｖ5(t-1)
＋ｗ3(t-1,5)Ｖ6(t-1)
Ｖ6(t)＝ｗ0(t-1,6)＋ｗ1(t-1,6)Ｖ5(t-1)＋ｗ2(t-1,6)Ｖ6(t-1)
【０１０５】
なお、前記演算式で求められる推定値（左辺側の値）は、実測値に基づく速度情報が得られた時刻ｔ（時刻ｔを含むタイムスロット）における値である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み（右辺側の値）は、前記時刻ｔ（時刻ｔを含むタイムスロット）よりも前の時刻ｔ−１（前のタイムスロット）における値である。
なお、演算式中の重みに付されている添え字(t-1,x)の「ｘ」は、リンク番号を意味している。
【０１０６】
例えば、推定対象道路リンクが、リンク番号２の道路リンクである場合、前記演算式によれば、時刻ｔにおける当該道路リンクの速度情報Ｖ2を推定するために用いられる道路リンク（つまり、関連道路リンク）の速度情報は、時刻ｔ−１におけるリンク番号１の道路リンクの速度情報Ｖ1及び時刻ｔ−１におけるリンク番号３の道路リンクの速度情報Ｖ3以外に、時刻ｔ−１におけるリンク番号２の道路リンクの速度情報Ｖ2が含まれている。
つまり、推定対象道路リンクが、リンク番号２の道路リンクであり、かつ、関連道路リンクにも、このリンク番号２の道路リンクが含まれている。このために、関連道路リンクに含まれている道路リンクの速度情報Ｖ2は、既に取得されている時刻ｔ−１における速度情報であり、推定データベースに蓄積されているものである。
【０１０７】
このように、推定エンジン１１は、既に取得されている時刻ｔ−１における推定対象道路リンク（リンク番号２の道路リンク）の速度情報（Ｖ2(t-1)）も用いて、時刻ｔにおける推定対象道路リンク（リンク番号２の道路リンク）の速度情報を推定することとなる。
同じ道路リンク（例えば、リンク番号２の道路リンク）では、時間が多少異なっていても速度情報に相関が認められると考えられるため、推定エンジン１１が、既に取得されている時刻ｔ−１における推定対象道路リンク（リンク番号２の道路リンク）の速度情報（Ｖ2(t-1)）も用いて、時刻ｔにおける推定対象道路リンク（リンク番号２の道路リンク）の速度情報を推定すれば、速度情報の推定をより適切に行えるようになる。
【０１０８】
このように、関連道路リンクには、推定対象道路リンクとなる自己の道路リンクが含まれていてもよい。なお、前記実施形態（図８及び図９の場合）でも、関連道路リンクには、自己の道路リンクが含まれていてもよい。
【０１０９】
そして、この第二実施形態では、推定対象道路リンクになり得る所定の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、前記第一実施形態とは反対に、先に学習エンジン１２が、推定用パラメータを最適化するが、この場合、学習エンジン１２は、当該所定の道路リンクの当該実測値に基づく速度情報と、当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報と、当該所定の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道路リンクの速度情報（前記実測値の取得時よりも前の時刻における速度情報）と、を組み合わせた学習用データを用いて、推定用パラメータを最適化する。なお、この具体例については後に図２１で説明する。
【０１１０】
同じ道路リンクでは、時間が多少異なっていても速度情報に相関が認められると考えられるため、学習用データの組み合わせに、前記のとおり「所定の道路リンクの実測値に基づく速度情報」の他に「当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報」も含ませ、この学習用データを用いて、推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【０１１１】
図２１は、この第二実施形態における推定エンジン１１及び学習エンジン１２による処理を説明している説明図である。この第二実施形態の交通情報推定装置１によって実行される速度情報の推定方法も、前記第一実施形態と同様に、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することによって、実行されるが、本実施形態では、図２１（ａ）の時刻ｔにおいて、推定対象道路リンクになり得る所定の道路リンク（リンク番号４）に関して実測値（プローブ情報）に基づく速度情報Ｖ4が取得されると、学習処理が先に実行されてから、推定処理が実行される。
【０１１２】
つまり、図２１（ａ）の時刻ｔにおいて、所定の道路リンク（リンク番号４）に関して実測値に基づく速度情報Ｖ4が取得されると、学習エンジン１２は、この実測値に基づく速度情報Ｖ4と、当該所定の道路リンク（リンク番号４）の速度情報を推定するために用いられる、時刻ｔ−１における関連道路リンク（リンク番号３，５）の速度情報（Ｖ3，Ｖ5）との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
さらに、本実施形態では、前記組み合わせに、時刻ｔ−１における自己の道路リンク（リンク番号４）の速度情報Ｖ4も、含まれている。この時刻ｔ−１における速度情報Ｖ4は、既に推定データベース１３（図２参照）に蓄積されている速度情報である。
この第二実施形態では、図２１（ａ）に示しているように、時刻ｔで実測値に基づく速度情報が取得されており、学習処理は、この時刻ｔの実測値に基づく速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【０１１３】
その後、図２１（ｂ）に示しているように、前記実測値に基づく速度情報Ｖ4を含む道路リンクの速度情報（Ｖ1〜Ｖ6）、及び、最適化した推定用パラメータを用いて、時刻ｔにおける推定対象道路リンクの速度情報（Ｖ1〜Ｖ3，Ｖ5，Ｖ6）を推定する。この「最適化した推定用パラメータ」は、図２１（ａ）において、前記実測値に基づく速度情報Ｖ4が組み合わされた前記学習用データを用いて最適化したものである。
また、前記道路リンクの速度情報（Ｖ1〜Ｖ6）のうち、リンク番号１〜３，リンク番号５，６の道路リンクの速度情報は、時刻ｔ−１における情報である。そして、本実施形態では、前記演算式で説明したように、推定対象道路リンクの速度情報を、時刻ｔ−１における自己の道路リンクの速度情報Ｖ4も含めて、推定している。
この推定処理は、時刻ｔの実測値に基づく速度情報と、それよりも前の時刻ｔ−１の速度情報とに基づいて実行されている。
【０１１４】
以下、具体例を説明する。
図２２は第二実施形態を説明するフローチャートである。
図２０に示す道路リンクに関し、ある時点（時刻ｔ）において、リンク番号１とリンク番号５の道路リンクにプローブ情報が得られたとする（ステップＳ２１）。これら情報は、前記入力情報処理部１６（図２参照）によって「速度情報」に変換され（ステップＳ２２）、この速度情報によって、図２３に示しているように、推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される（ステップＳ２３）。この推定データベースには「更新速度」のデータ項目が設定されており、前記プローブ情報に基づく速度情報（Ｖ1，Ｖ5）をこのデータ項目に記憶させる。また、「速度情報」のデータ項目には、各値（例えば初期値等）が蓄積されている。
また、図２３では、説明を容易とするために、推定データベースと重みデータベースとを並べて記載している。重みデータベースには、各値（例えば初期値等）が蓄積されている。
【０１１５】
推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク（リンク番号１及びリンク番号５）については、学習対象となることを示す値「１」が設定されている。そして、前記実測値に基づく速度情報（Ｖ1，Ｖ5）が取得されると、この推定データベースの内容の一部として、リンク番号１の道路リンクに関するスナップショット、及び、リンク番号５の道路リンクに関するスナップショットが、学習用データベース１４に蓄積される（ステップＳ２４）。このスナップショットが学習用データとなり、学習エンジン１２によって、重み（推定用パラメータ）が学習される（ステップＳ２５）。
【０１１６】
学習エンジン１２による学習処理は、前記第一実施形態で説明したアルゴリズムと同じであり、前記学習用データを用いてリンク番号１及びリンク番号５の道路リンクのための重みを最適化し、その学習結果が得られると、図２４に示しているように、重みデータベースが更新される（ステップＳ２６）。
【０１１７】
そして、推定エンジン１１は、ステップＳ２６で更新された重みデータベースの内容を用いて、実測値に基づく速度情報が得られなかった道路リンク（推定対象道路リンク）の交通情報（Ｖ2，Ｖ3，Ｖ4，Ｖ6）を推定する（ステップＳ２７）。
この推定の処理によって得られた速度情報（Ｖ2，Ｖ3，Ｖ4，Ｖ6）、及び、実測値に基づく速度情報（Ｖ1，Ｖ5）により、図２５に示しているように、推定データベースが更新される（ステップＳ２８）。
【０１１８】
このように、推定対象道路リンクになり得る所定の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、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。そして、これ以降、推定エンジン１１による速度情報の推定は、学習エンジン１２によって求められた新たな重みを用いて、より精度良く行われる。したがって、本実施形態の交通情報推定装置１では、運用を続けることで速度情報の推定精度が自然に向上する。
【０１１９】
［第三実施形態］
［２．７ 交通情報推定装置１による処理内容］
交通情報推定装置１による重みの学習及び速度情報の推定について、さらに別の実施形態（第三実施形態）を説明する。
第三実施形態でも、前記第二実施形態と同様に、推定対象道路リンクになり得る所定の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、推定処理よりも学習処理が先に行われる。
【０１２０】
つまり、学習エンジン１２は、前記所定の道路リンクの実測値に基づく速度情報と、当該所定の道路リンク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推定用パラメータを最適化する。
そして、この処理の後に、推定エンジン１１は、前記実測値に基づく速度情報を含む道路リンクの速度情報、及び、前記実測値に基づく速度情報が組み合わされた学習用データを用いて学習エンジン１２が最適化した推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。
【０１２１】
この第三実施形態では、学習処理を行ってから、推定処理を行うが、この学習処理には、前記第二実施形態でも用いたニューラルネットワーク等に基づいて実行される「仮推定」の処理が含まれる。以下において、この仮推定を含む学習処理、及び推定処理について具体的に説明する。
【０１２２】
図２６は第二実施形態を説明するフローチャートである。
図２０に示す道路リンクに関し、ある時点（時刻ｔ）において、リンク番号２の道路リンクに入力情報としてプローブ情報が得られたとする（ステップＳ３１）。さらに、リンク番号５の道路リンクに、入力情報としてＶＩＣＳ情報が得られたとする。
これら情報は、前記入力情報処理部１６（図２参照）によって「速度情報」に変換され（ステップＳ３２）、この速度情報によって、図２７に示している推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される（ステップＳ３３）。なお、「速度情報」のデータ項目には、各値（例えば初期値等）が蓄積されている。
また、図２７では、説明を容易とするために、推定データベース（本推定データベース）と重みデータベースとを並べて記載している。重みデータベースには、各値（例えば初期値等）が蓄積されている。
【０１２３】
推定データベースには、前記本推定データベースとは別の領域に、仮推定データベース（図２８参照）が設定されている。両者は同様の形式であり、図２８（ａ）に示しているように、本推定データベースの一部のコピーが仮推定データベースに蓄積される（ステップＳ３４）。
仮推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク（リンク番号２）については、学習対象となることを示す値「１」が設定されている。また、仮推定データベースでは、推定処理（仮推定）の順番を示す「チェック」のデータ項目が一旦リセットされ（「０」とされ）、ＶＩＣＳ情報が得られているリンク番号５の道路リンクについて、「１」が設定される。
【０１２４】
そして、「チェック」のデータ項目に「１」が設定されている道路リンク（本実施形態では、リンク番号５）についての関連道路リンクであって、まだ速度情報が仮推定されていない道路リンクを抽出し（本実施形態では、リンク番号４と６）、「チェック」のデータ項目に「２」が付される。そして、この「チェック」のデータ項目に「２」が付され道路リンク（リンク番号４と６）の速度情報を仮推定する（ステップＳ３５）。
【０１２５】
このようにして、仮推定処理の順番が設定されながら、速度情報を次々と仮推定し、図２８（ｂ）に示すように、リンク番号５の道路リンクについては、実測値に基づく速度情報が蓄積され、他の道路リンクについては、仮推定して得られた速度情報が、仮推定データベースに蓄積される（ステップＳ３６）。
【０１２６】
入力情報としてプローブ情報が取得された道路リンク（リンク番号２）について、仮推定に基づく速度情報（Ｖ2）が取得されているので、ステップＳ３６で蓄積された仮推定データベースの内容の一部として、当該道路リンク（リンク番号２）に関するスナップショットが、学習用データベース１４に蓄積される（ステップＳ３７）。このスナップショットが学習用データとなり、学習エンジン１２によって、重み（推定用パラメータ）が学習される（ステップＳ３８）。
【０１２７】
つまり、本実施形態のスナップショットは、プローブ情報が取得された道路リンク（リンク番号２）の実測値に基づく速度情報（Ｖ2）と、仮推定による当該道路リンク（リンク番号２）の速度情報（Ｖ2）との組み合わせからなる。なお、前記仮推定による道路リンク（リンク番号２）の速度情報（Ｖ2）は、ステップＳ３５において、当該道路リンク（リンク番号２）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（リンク番号１，３）の速度情報（Ｖ1，Ｖ3）に基づいて、仮推定された値である。
そして、学習エンジン１２は、この組み合わせによる学習用データを用いて、推定用パラメータを最適化する。
【０１２８】
学習エンジン１２による学習処理は、プローブ情報が取得された道路リンク（リンク番号２）の実測値に基づく速度情報（Ｖ2）と、仮推定による当該道路リンク（リンク番号２）の速度情報（Ｖ2）との自乗誤差が、最小となるようにして実行される。この学習処理により、リンク番号２の道路リンクのための重みを最適化し、その結果が得られると、図２９に示しているように重みデータベースが更新される（ステップＳ３９）。
なお、図２９の推定データベース（本推定データベース）の「速度情報」のデータ項目には、前記仮推定した値（図２８（ｂ））ではなく、図２７に示した推定データベース（本推定データベース）に蓄積されている値が記憶されている。
【０１２９】
そして、推定エンジン１１は、ステップＳ３９で更新された、図２９の、重みデータベースの内容及び推定データベースの「速度情報」の値を用いて、実測値に基づく速度情報が得られなかった道路リンク（推定対象道路リンク）の速度情報（Ｖ1，Ｖ3，Ｖ4，Ｖ6）を推定する（ステップＳ４０）。この推定処理によって得られた速度情報（Ｖ1，Ｖ3，Ｖ4，Ｖ6）、及び、実測値に基づく速度情報（Ｖ2，Ｖ5）により、図３０に示しているように、推定データベースが更新される（ステップＳ４１）。
【０１３０】
このように、推定対象道路リンクになり得る所定の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、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。つまり、推定エンジン１１による速度情報の推定は、学習エンジン１２によって求められた新たな重みを用いて、より精度良く行われる。
【０１３１】
以上の前記各実施形態に係る交通情報推定装置１は、学習エンジン１２及び推定エンジン１１を有しており、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することができる。前記推定エンジン１１は、他の道路リンクの速度情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成である。そして、前記学習エンジン１２は、推定対象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、当該推定対象道路リンク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の速度情報に基づく値との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する構成である。
このような交通情報推定装置１によれば、学習エンジン１２によって推定用パラメータが最適化され、推定エンジン１１によって、速度情報の推定を適切に行えるようになる。そして、このような学習エンジン１２及び推定エンジン１１による処理が繰り返し実行されることで、速度情報の推定精度が自然に向上する。
【０１３２】
なお、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。
【０１３３】
例えば、推定対象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（関連道路リンク）は、推定対象道路リンクに接続されているものに限らず、推定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。
【０１３４】
また、時刻の要素を速度情報の推定に反映させたい場合には、時間的に特徴的な変化をする道路リンク（例えば、朝だけ混雑する道路リンク、夜だけ混在する道路リンクなど）を関連道路リンクに含めることもできる。この場合、時間的に特徴的な変化をする道路リンクの速度情報は、全ての推定対象道路リンクに共通して用いられる。
【０１３５】
さらに、本実施形態では、推定対象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道路リンクの速度情報として、時間的に同一の時間帯にある速度情報だけを用いたが、異なる時間帯の速度情報を用いても良い。例えば、推定対象道路リンクから遠く離れた道路リンクの場合、その道路リンクにおける交通状況が、推定対象道路リンクに反映されまでには時間遅れがある。そこで、遠く離れた道路リンクの場合、例えば、１時間前の速度情報を推定に用いることで、より適切な推定が行える。
【０１３６】
さらにまた、本実施形態の交通情報推定装置１の推定エンジン１１が推定の対象とする交通情報は、速度情報に限らず、これに加えて／代えて、渋滞情報など他の交通情報とすることもできる。この場合、渋滞度は、上記速度情報の１を混雑、０を順調の２値に割り当てることで算出できる。また、渋滞度を推定対象の交通情報として扱う場合、ニューラルネットワークでは、２値のいずれかを決定するための閾値も推定用パラメータとして必要となる。この場合、閾値も学習部による学習対象となる。
【０１３７】
さらに、本明細書には、複数の発明が開示されており、それら各発明は、特許請求の範囲の記載方法に拘泥されず、各発明の技術的意義に従って、最も広義に解釈されるべきものである。
【符号の説明】
【０１３８】
１：交通情報推定装置，２：車載装置，３：プローブ車両，４：路側通信機，５：路側センサ，６：ＶＩＣＳセンタコンピュータ，１１：推定エンジン（推定部），１２：学習エンジン，１３：推定データベース，１４：学習用データベース，１５：重みデータベース，１６：入力情報処理部，１７：ＶＩＣＳ情報処理部，１７ａ：リンク旅行速度算出部，１７ｂ：速度情報変換部，１８：プローブ情報処理部，１８ａ：リンク旅行速度算出部，１８ｂ：速度情報変換部，１９：変換情報，２０：学習部
【特許請求の範囲】
【請求項１】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、
他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、
推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部と、
を備えたことを特徴とする交通情報推定装置。
【請求項２】
前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定する請求項１に記載の交通情報推定装置。
【請求項３】
前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれている請求項１又は２に記載の交通情報推定装置。
【請求項４】
前記推定部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する請求項１から３のいずれか一項に記載の交通情報推定装置。
【請求項５】
前記学習部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する請求項１から３のいずれか一項に記載の交通情報推定装置。
【請求項６】
前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の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推定用パラメータを最適化する請求項５に記載の交通情報推定装置。
【請求項７】
コンピュータを、請求項１から６のいずれか一項に記載の交通情報推定装置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８】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の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、
当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする交通情報推定方法。
【請求項９】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の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、
当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする交通情報推定方法。
【請求項１】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、
他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、
推定対象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交通情報と、当該推定対象道路リンクの交通情報を推定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記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部と、
を備えたことを特徴とする交通情報推定装置。
【請求項２】
前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定する請求項１に記載の交通情報推定装置。
【請求項３】
前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれている請求項１又は２に記載の交通情報推定装置。
【請求項４】
前記推定部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する請求項１から３のいずれか一項に記載の交通情報推定装置。
【請求項５】
前記学習部は、推定対象道路リンクになり得る所定の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、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する請求項１から３のいずれか一項に記載の交通情報推定装置。
【請求項６】
前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の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推定用パラメータを最適化する請求項５に記載の交通情報推定装置。
【請求項７】
コンピュータを、請求項１から６のいずれか一項に記載の交通情報推定装置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８】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の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、
当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする交通情報推定方法。
【請求項９】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の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、
当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定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、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする交通情報推定方法。
【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２８】
【図２９】
【図３０】
【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２８】
【図２９】
【図３０】
【公開番号】特開２０１０−２８７２１４（Ｐ２０１０−２８７２１４Ａ）
【公開日】平成２２年１２月２４日（２０１０．１２．２４）
【国際特許分類】
【出願番号】特願２０１０−４６８９６（Ｐ２０１０−４６８９６）
【出願日】平成２２年３月３日（２０１０．３．３）
【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２２年１２月２４日（２０１０．１２．２４）
【国際特許分類】
【出願日】平成２２年３月３日（２０１０．３．３）
【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 ]