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】推定対象道路リンクの交通情報を適切に推定できるようにする。
【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１であって、他の道路リンクの交通情報及び推定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前記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学習用データベース１４を蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部２０と、を備えている。前記学習部２０は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う。
【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１であって、他の道路リンクの交通情報及び推定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前記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学習用データベース１４を蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部２０と、を備えている。前記学習部２０は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、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】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路など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補完することができる。
【０００８】
しかし、上記のような推定を行おうとすると、別の各道路リンクの交通情報それぞれを、どの程度、推定対象となる道路リンクの交通情報として反映させるか等を決める推定パラメータを適切に設定することが必要となる。
推定パラメータを適切に設定するには、道路リンクの交通情報同士の相関を、実際に測定・調査して同定することが考えられるが、膨大な数の道路リンク同士の組み合わせについて、そのような相関を適切に求めることは現実的には不可能である。
【０００９】
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適切に推定できるようにすることを目的とする。
【課題を解決するための手段】
【００１０】
（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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部と、を備え、前記学習部は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行うことを特徴とする交通情報推定装置である。
【００１１】
上記本発明によれば、推定対象道路リンクの交通情報（例えば、車両の速度）を、他の道路リンクの交通情報を用いて推定することができる。
ここで、推定に用いられる推定パラメータは、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前記他の道路リンクの交通情報との組み合わせで構成される学習用データから学習することができる。
蓄積される学習用データは、所定のデータ廃棄基準に従って廃棄され、廃棄されずに残っている学習用データを用いて学習が行われるため、比較的不適切な学習用データを除いた上で、学習を行うことができる。
したがって、推定パラメータの学習が適切に行われ、この結果、推定対象道路リンクの交通情報の推定を適切に行うことができる。
【００１２】
（２）前記データ廃棄基準は、学習用データの蓄積数が所定の上限数を超えた場合に、古い学習用データから廃棄するよう設定されているものとすることができる。この場合、古い学習用データを、不適切な学習用データとみなして、廃棄することができる。
【００１３】
（３）前記学習部は、学習用データを、所定のカテゴリーごとに分類して記憶するよう構成され、前記データ廃棄基準は、前記カテゴリーのうち、記憶されている学習用データの数が多いカテゴリーの学習用データから廃棄するよう設定されているものとすることができる。この場合、カテゴリー毎の学習用データ数を揃えることが容易となる。
【００１４】
（４）前記学習部は、蓄積された学習用データに含まれる前記他の道路リンクの交通情報を、新たな交通情報に置き換えたものを、新たな学習用データとして蓄積するよう構成され、前記新たな学習用データは、元の前記学習用データが蓄積された後に、前記他の道路リンクの交通情報を推定するための前記推定パラメータの学習が行われることで更新された前記他の道路リンクの交通情報とすることができる。
蓄積された学習用データの数が少なくても、新たな学習用データを生成でき、学習用データの数を増加させることができる。
【００１５】
（５）他の観点からみた本発明は、コンピュータを、前記（１）〜（４）のいずれか１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である。
【００１６】
（６）他の観点から見た本発明は、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装置であって、他の道路リンクの交通情報及び推定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ステップと、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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習ステップと、を含み、前記学習ステップでは、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行うことを特徴とする交通情報推定方法である。
【発明の効果】
【００１７】
上記本発明によれば、推定対象道路リンクの交通情報を適切に推定することができる。
【図面の簡単な説明】
【００１８】
【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】交通情報推定処理手順を示すフローチャートである。
【図６】ニューラルネットワークの構成図である。
【図７】道路リンクの例を示す図である。
【図８】推定データベースの初期状態を示す図である。
【図９】重みデータベースの初期状態を示す図である。
【図１０】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１１】１回目の更新後の推定データベースを示す図である。
【図１２】２回目の更新後の推定データベースを示す図である。
【図１３】３回目の更新後の推定データベースを示す図である。
【図１４】スナップショットとして抽出される部分を示す図である。
【図１５】学習用データベースを示す図である。
【図１６】学習処理を示すフローチャートである。
【図１７】簡略化した道路リンクモデルとその速度推定を示す図である。
【図１８】学習したａ1に対する学習用データの残差を示すグラフである。
【図１９】元の学習用データＰｉ及び当該元の学習用データＰｉから生成された新たな学習用データＮＰｉを示すグラフである。
【図２０】新たな学習用データＮＰｉの生成手順の説明図である。
【図２１】新たな学習用データＮＰｉの生成手順の説明図である。
【図２２】新たな学習用データＮＰｉの生成手順の説明図である。
【図２３】新たな学習用データＮＰｉの生成手順の説明図である。
【図２４】学習データベースの構造を示す図である。
【図２５】カテゴリー情報付き学習用データのデータ構造図である。
【図２６】カテゴリー分けした場合の学習用データの学習データベースへの蓄積処理を示す図である。
【発明を実施するための形態】
【００１９】
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、交通情報推定装置（中央装置）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。
【００２０】
前記交通情報推定装置１は、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。
【００２１】
この交通情報推定装置（中央装置）１は、処理装置（ＣＰＵ）及び記憶装置を有する一つ又は複数の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。
【００２２】
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など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。
【００２３】
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。
【００２４】
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などに設置されている。
【００２５】
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、交通情報推定装置１に送信される。
【００２６】
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。
【００２７】
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。
【００２８】
［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。
【００２９】
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。
【００３０】
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システム（推定部）１１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システム１２と、を備えている。
【００３１】
また、交通情報推定装置１は、推定システム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、学習システム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、を記憶装置上に備えている。
【００３２】
［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。
【００３３】
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。
【００３４】
図３に示すように、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。
【００３５】
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の記憶装置に格納されている。
【００３６】
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」（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、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、例えば、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。
【００３７】
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。
【００３８】
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。
【００３９】
［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る。本実施形態では、図４に示すように、速度情報は、０から１までの値をとり、リンク旅行速度が１００［ｋｍ／ｈ］付近でほぼ「０」に近くなり、リンク旅行速度が０［ｋｍ／ｈ］のときに１の値をとる。図４に示す変換情報１９は、自然対数を利用しており、具体的には、リンク旅行速度（図４の横軸）をｘとし、速度情報（図４の縦軸）をｙとすると、ｙ＝ｅｘｐ（−（ｘ／２０））の関数となっている。なお、この式中の「２０」という値は、好ましい例であり、「２０」に限定されるものではなく、任意の正数ａを採用することができる。
【００４０】
このｙ＝ｅｘｐ（−（ｘ／２０））の関数において、ｘからみた傾きは、この式をｘで微分したものとなり、下記の通りである。
【数１】
【００４１】
このように、図４の変換情報は、リンク旅行速度ｘが大きくなるほど、リンク旅行速度ｘの変化に対する速度情報（規格化速度）ｙの変化の割合（ｘからみた傾き）が小さくなるように設定されている。
【００４２】
ここで、図４の関数を、ｙについての関数として表すと、ｘ＝−２０×ｌｎ（ｙ）となり、この場合、ｙからみた傾きは、この式をｙで微分したものとなり、下記の通りである。
【数２】
この場合、ｙからみた傾きは、ｙの逆数に比例することになる。
【００４３】
図４のように、変換情報を設定することで、速度情報（規格化速度）が同じ値ほど変化しても、実際のリンク旅行速度への影響は、速度情報（規格化速度）の大小によって異なる。
例えば、速度情報が、０．１の場合と、０．５の場合を考える。この場合、ｙからみた傾きは、ｙの逆数に比例するため、ｄｘ／ｄｙ＝−２０／０．１＝−２００、ならびに、ｄｘ／ｄｙ＝−２０／０．５＝−４０となる。
【００４４】
したがって、速度情報が０．０１ほど変化した場合、より高速である速度情報＝０．１の場合には、リンク旅行速度の変化は、−０．０１（ｄｘ／ｄｙ）＝２［ｋｍ／ｈ］となって比較的大きく、比較的低速である速度情報＝０．５である場合には、リンク旅行速度の変化は、−０．０１（ｄｘ／ｄｙ）＝０．４［ｋｍ／ｈ］となって比較的小さくなる。
【００４５】
つまり、速度情報（規格化速度）が同じ値変化しても、実際のリンク旅行速度への影響は、速度情報（規格化速度）の逆数によって決まる。傾きである速度情報の逆数は、単位距離（例えば、１ｋｍ）を移動するリンク旅行時間に比例するので、旅行時間を評価する際には、図４のような変換情報を用いると有効である。
【００４６】
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。なお、変換情報は、図４に示すものに限定されるものではない。
【００４７】
［２．４ 交通情報推定装置１による処理内容］
［２．４．１ 推定処理の概要］
図５は、交通情報推定装置１（の処理装置）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）。
【００４８】
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。
【００４９】
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、推定システム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（実測値に基づく速度情報と推定値である速度情報とが混在したもの）が得られる。
【００５０】
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、学習システム１２による学習用データとして用いられる（ステップＳ６）。
【００５１】
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。
【００５２】
［２．４．２ 速度情報推定のためのモデル］
図６は、推定システム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。
【００５３】
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。
【００５４】
ただし、図６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。
【００５５】
以上のように、推定システム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する。
【００５６】
上記のようなニューラルネットは、各道路リンクについて設けられることになるため、推定システム１１は、複数の道路リンク（要素）それぞれに関する速度情報を、他の道路リンクに関する速度情報及びその寄与度を表す推定パラメータ（重み）を用いて推定可能に構成されていることになる。
【００５７】
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６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。
【００５８】
［２．４．３ 推定処理の詳細］
ここでは、図７のように接続された道路リンクを想定する。図７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７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。
【００５９】
図７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、標本情報である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り、速度情報の推定処理が実行される。
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。
【００６０】
以下、図７の道路リンクを前提とし、図５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）。
【００６１】
図８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。
【００６２】
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（更新順位；推定順位）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。
【００６３】
「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。
【００６４】
「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。
【００６５】
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（学習システム１２）による学習のためのデータ（学習用データ）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用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用データとなることを示している。
【００６６】
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。
【００６７】
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（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。
【００６８】
図９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９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。
【００６９】
推定用パラメータである重みｗｉは、学習システム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。
【００７０】
さて、上記の初期化を行ったのち、図７に示す道路リンクに関し、ある時点において、図１０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１０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１０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。
【００７１】
また、図１０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。
【００７２】
図１０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。
【００７３】
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１１に示す。
【００７４】
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１０）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１２参照）。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。
【００７５】
そして、推定システム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。
【００７６】
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
【００７７】
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１０）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１３参照）。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。
【００７８】
そして、推定システム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。
【００７９】
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。
【００８０】
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１０）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１４参照）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」、当該道路リンクの関連道路リンクの「速度情報」と、の組み合わせ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に基づく速度情報（交通情報）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。
【００８１】
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、入力情報が繰り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。
【００８２】
［２．４．４ 学習処理］
図１５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、学習システム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。
【００８３】
図１６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６）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）。
学習システム１２は、図６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、学習システム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、例えば、最小自乗法などによって行える。
【００８４】
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）。
【００８５】
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。
【００８６】
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、推定システム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。
【００８７】
［２．４．５ 新たな学習用データの生成］
本実施形態の学習部２０は、スナップショットとして学習用データベース１４に蓄積された学習用データから、新たな学習用データを生成する生成部２１を備えている。学習用データベース１４に蓄積されている学習用データは、前述のように、学習対象の道路リンクの「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、の組み合わせである。ここで生成される「新たな学習用データ」は、学習用データベース１４に蓄積されている学習データのうち、関連道路リンクの「速度情報」を、当該学習データの蓄積後に更新された「速度情報」に置き換えることで生成される。
【００８８】
以下、新たな学習用データの生成の詳細について説明する。
図１７（ａ）は、新たな学習用データの生成の説明のために、簡略化した道路リンクモデルを示している。図１７（ａ）に示す道路リンク構造は、３つの道路リンク「ｙ」，「ｘ1」，「ｘ2」により構成されている。
３つの道路リンクの速度情報もそれぞれ、「ｙ」，「ｘ1」，「ｘ2」で表すものとし、推定対象道路リンクｙの速度情報ｙは、道路リンクｘ1の速度情報ｘ1のみから推定されるものとした場合、ｙとｘ1の関係は、例えば、ｙ＝ａ1ｘ1として表される。
【００８９】
図１７（ａ）の簡略化した道路リンクモデルにおいて、道路リンクｙを学習対象とする学習処理は、道路リンクｙについての図１７（ｂ）に示すようなプローブ情報（速度情報）と、当該プローブ情報が取得できた時における道路リンクｘ１の速度情報（図１７（ｂ）参照）と、を学習用データとして、ｘ1からｙを求めるための適切な推定パラメータ（重み）ａ1を求めることに相当する。
つまり、ここでの学習処理は、図１７（ｃ）に示すグラフの傾きａ1を求めることに相当する。
【００９０】
図１７（ｂ）に示す学習用データの場合、ａ1＝０．９として、誤差無く求めることができるが、実際には、学習されたａ1の値を用いて道路リンクｘ1から推定される道路リンクｙの速度情報の推定値（ａ1ｘ1）と、プローブ情報（実測値）に基づく道路リンクｙの速度情報（ｙ）と、の間には、残差が生じる。
【００９１】
ここで、学習用データの数を５個とし、学習されたａ1の値における道路リンクｙと道路リンクｘ1との速度情報の関係をＥｉ（ｉ：１〜学習用データの数＝５）で示し、学習用データにおける道路リンクｙと道路リンクｘ1との速度情報の関係をＰｉ（ｉ：１〜学習用データの数＝５）で示すと、Ｅiに対する各学習用データのＰiの残差は、図１８のように表される。本実施形態の学習処理において、ａ1は、次の式で表される残差自乗平均Ｑ／５が、最小になるように求められる。
【数３】
【００９２】
以上の学習処理の説明は、図１７（ａ）の簡略化した道路リンクモデルに基づくものであるが、道路リンクモデルが、例えば図７のように、複雑になっても、基本的な考え方は同様である。
【００９３】
さて、新たな学習用データの生成処理では、図１８に示す学習用データＰ1〜Ｐ5が学習用データベース１４に蓄積されている場合に、これらの学習用データＰ1〜Ｐ5から、新たな学習用データＮＰ1〜ＮＰ5を生成して、それらの学習用データＮＰ1〜ＮＰ5を、学習用データベース１４に追加する。この結果、学習用データの数を、Ｐ1〜Ｐ5の計５個から、ＮＰ1〜ＮＰ5の５個を加えた、計１０個となり、学習用データの数を増やすことができる。
【００９４】
図２０〜図２３は、図１７（ａ）に示す簡略化した道路リンクモデルにおいて、学習用データＰｉが存在したときに、新たな学習用データＮＰｉを生成する処理を示している。
図２０では、道路リンクｘ1についてのプローブ情報（プローブ情報に基づく速度情報ｘ1＝９０ｋｍ／ｈ）が得られ、道路リンクｘ1を学習対象道路リンクとする学習用データが生成されたものとする。なお、道路リンクｘ1の速度情報を推定するための式は、ｘ1＝ａ2ｘ2で表されるものとし、道路リンクｘ1についてのプローブ情報が得られたときの道路リンクｘ2の速度情報（ここでは、ＶＩＣＳ情報に基づく速度情報とする）ｘ2＝１００ｋｍ／ｈとする。
【００９５】
図２０に示す学習用データに基づくと、道路リンクｘ1のための推定用パラメータａ2は、ａ2＝０．９として学習される。
【００９６】
その後、図２１に示すように、道路リンクｙについてはプローブ情報が得られたが、道路リンクｘ1についてはプローブ情報が得られず、道路リンクｘ2についてはＶＩＣＳ情報が得られたものとする。この場合、プローブ情報が得られない道路リンクｘ1は推定対象道路リンクとなり、道路リンクｘ2の速度情報に基づいて、推定処理により、道路リンクｘ1の速度情報が推定される。ここでは、ａ2＝０．９、ｘ2＝９０ｋｍ／ｈであるから、道路リンクｘ1の速度情報ｘ1の推定値は８１ｋｍ／ｈとなる。
【００９７】
そして、道路リンクｙについては、プローブ情報が得られているため、学習対象道路リンクとなり、実測値であるプローブ情報に基づく速度情報ｙ＝９５ｋｍ／ｈと、ｘ1＝８１ｋｍとの組み合わせからなる学習用データが、学習用データベース１４に追加される。図２１に示す、道路リンクｙについての学習データに基づくと、道路リンクｙのための推定用パラメータａ1は、ａ1＝１．１７となる。
【００９８】
図２１に示すように道路リンクｙのための推定用パラメータａ1が学習された後、しばらく時間が経過すると、今度は、図２２に示すように、道路リンクｘ1についてのプローブ情報が得られる。すると、道路リンクｘ1を学習対象道路リンクとする学習用データが学習用データベース１４に追加される。ここでは、道路リンクｘ1を学習対象道路リンクとする学習用データとして、プローブ情報に基づく速度情報ｘ1＝８９ｋｍ／ｈと、ＶＩＣＳ情報に基づく速度情報ｘ2＝９５ｋｍ／ｈと、の組み合わせが生成される。
この結果、図２２に示すように、道路リンクｘ1を学習対象道路リンクとする学習用データは、２個となる。
【００９９】
そして、学習システム１２は、２個の学習用データに基づいて、推定パラメータａ2の再学習を行い、その結果、ａ2＝０．９２に更新される。このａ2の値は、１個の学習データに基づいて求められた先のａ2の値（＝０．９）よりも多くの学習用データに基づいて求められているため、より適切であると考えられる。つまり、道路リンクｘ1の速度情報の推定値は、より適切に求められていると考えられる。これを利用し、本実施形態では、学習用データベース１４に蓄積済みである学習対象道路リンクｙについての学習用データから、新たな学習用データを生成する。
【０１００】
図２３は、図２１に示した状態において、最新の推定パラメータ（ａ2）を適用して、道路リンクｘ１の速度情報を補完したときのリンクの速度情報を示している。つまり、道路リンクｙについては図２１と同様にプローブ情報（ｙ＝９５ｋｍ／ｈ）が得られ、道路リンクｘ2についても図２１と同様にＶＩＣＳ情報（ｘ2＝９０ｋｍ／ｈ）が得られている。ただし、道路リンクｘ1については、最新のより適切な推定パラメータ（ａ2）が適用されて速度情報が推定されるため、より適切と考えられる速度情報ｘ1＝８２．８ｋｍ／ｈとなっている。
【０１０１】
新たな学習用データの生成は、図２３に示すように道路リンクｘ1の速度情報がより適切になっている状態で、図２１における道路リンクｙについてのプローブ情報が発生したものとみなして、道路リンクｙを学習対象道路リンクとする新たな学習用データ（ＮＰｉ）として、プローブ情報に基づく速度情報ｙ＝９５ｋｍ／ｈと、推定値に基づく速度情報ｘ1＝８２．８ｋｍ／ｈと、の組み合わせを生成する。
つまり、学習データベース１４に元々蓄積されている学習用データにおいて、道路リンクｙを学習対象道路リンクとする学習用データ（Ｐｉ）に関し、当該道路リンクｙの速度情報を推定するための他の道路リンクである道路リンクｘ1の速度情報（＝８１ｋｍ／ｈ）を、最新の推定パラメータに基づいて推定された値（＝８２．８ｋｍ／ｈ）に置き換えたものを、新たな学習用データ（ＮＰｉ）として生成する。
【０１０２】
図２０〜図２３では、１個の蓄積済み学習用データＰｉから、１個の新たな学習用データＮＰｉを生成する場合を説明したが、学習用データベース１４に複数の蓄積済み学習用データＰｉが存在する場合も、蓄積済み学習用データＰｉの数に対応した数の新たな学習用データＮＰｉを生成することができる。すなわち、例えば、図１９に示すように、５個の蓄積済み学習用データＰｉから、５個の新たな学習用データＮＰｉを生成して、学習用データベースに蓄積することができる。
【０１０３】
図１９にも示すように、新たな学習用データＮＰｉは、プローブ情報に基づく道路リンクｙの速度情報については、元の学習用データＰｉと同じ値となるが、道路リンクｘ1の速度情報については、より適切な値となる。したがって、新たな学習用データＮＰｉは、元の学習用データＰｉに比べて、ａ１に対する残差が小さくなる。
【０１０４】
このように、本実施形態では、プローブ情報が新たに得られなくても、新たな学習用データ生成部２１が、学習データベース１４に蓄積されている学習用データの数を増やすことができる。この結果、比較的少ない数のプローブ情報しかない道路リンクについても、学習精度を向上させることができる。
しかも、本実施形態のシステムでは、推定対象道路リンクについての速度情報の推定（補完）処理と、学習対象道路リンクについての学習処理とが、並行して行われるため、学習対象道路リンクの周辺道路リンク（他の道路リンク）についての学習が進んだ状態で、新たな学習用データを生成し直すことで、新たな学習用データＮＰｉは、元の学習用データＰｉよりも適切な値であることが期待されるため、この観点からも、学習精度が向上する。
【０１０５】
なお、新たな学習用データＮＰｉを生成する時期については、特に限定されるものではなく、元の学習用データが学習データベース１４に蓄積された後、学習対象道路リンクの周辺道路リンク（他の道路リンク）についての学習が行われる程度の十分な時間経過後（例えば、数日〜数月後）であればよい。
【０１０６】
［２．４．６ 学習用データの廃棄と学習データベース構造］
上記のように、新たな学習用データＮＰｉを生成して学習データベース１４に新たに追加しても、元の古くから蓄積されている学習用データＰｉも、学習データベース１４に残存している。したがって、学習データベース１４に蓄積されている学習用データすべてを使って、学習対象道路リンクの学習処理を行うと、元の古い学習用データＰｉの影響を受けて、学習精度向上が妨げられるおそれがある。
したがって、学習データベース１４に蓄積された時期が古い学習用データＰｉは、廃棄し、新たに蓄積された学習用データＮＰｉを用いて学習を行うのが有効である。
【０１０７】
このような学習用データの廃棄の管理を行うため、学習部２０は、学習用データベース管理部２２を備えている。この管理部２２は、予め設定された所定の学習用データ廃棄基準に従って、学習データベース１４に蓄積されている学習用データを廃棄することで、学習処理の基礎となる学習用データの絞り込みを行う。
【０１０８】
学習データベース１４に既に蓄積されている学習用データＰｉから、新たな学習用データＮＰｉを生成した場合、管理部２２による学習用データ廃棄基準としては、新たな学習用データＮＰｉに対応する元の学習データＰｉの全部又は一部を廃棄するものとして設定することができる。この廃棄基準によれば、学習データベース１４には、より適切な学習用データＮＰｉがより多く残り、これらを使って学習を行うことで、学習精度を向上させることができる。
【０１０９】
また、上記のように新たな学習用データを生成するか否かにかかわらず、古い学習用データ（学習データベース１４への蓄積時期が古いもの）を多数蓄積すると、道路状況の変化などの現状に柔軟に対応できなくなる。一方、古い学習用データを無くし、直近の学習用データだけを学習データベース１４に残すと、現状に過敏に対応しすぎるという問題が発生する。
【０１１０】
したがって、古い学習用データを、適切に廃棄することが、適切な学習に寄与する。例えば、図２４に示すように、学習対象道路リンク毎に、学習用データの蓄積数の基準値（上限値）を、例えば「１０００」として、設定しておき、学習用データの蓄積数が基準値（１０００）を超えたら、古い学習用データから順に廃棄するという廃棄基準を採用することができる。
この場合、図２４に示すように、学習データベース１４は、各道路リンクについて、基準値に対応する個数（１０００個）の学習用データを記憶するための領域（配列）が確保されることになる。配列の最後尾に新たな学習用データを追記する場合、その追記により蓄積数が１０００を超えると、配列の先頭から学習用データを廃棄する。学習用データを記録する場合に順次増加する識別番号が付与されるときには、蓄積数が１０００を超えると、その識別番号の小さいものから学習用データを廃棄することができる。その他、例えば、学習用データを記録する場合に、その記録時刻も記録するときには、その記録時刻に従って古い学習用データを削除することもできる。
【０１１１】
学習を精度よく行うには、ある程度の数の学習用データが必要であるため、学習用データ蓄積数が基準値未満である場合には、廃棄せずにすべて蓄積していき、蓄積数が基準値を超えた場合には、古い学習用データから廃棄していくことで、学習用データ蓄積数をある程度確保しつつも、あまりに古い学習用データの悪影響を回避し易くなる。
なお、学習用データの蓄積数の基準値は、全学習対象道路リンクについて同一であってもよいし、学習対象道路リンク毎に異なっていても良い。
【０１１２】
また、学習データの廃棄は、学習用データの蓄積数ではなく、学習用データの学習データベース１４への蓄積期間を基準として行っても良い。基準蓄積期間を例えば６ヶ月とし、学習データベース１４に蓄積されている期間が、基準蓄積期間である６ヶ月を超えた古い学習データを廃棄するようにしてもよい。
【０１１３】
さて、廃棄基準として、基準蓄積期間（例えば６ヶ月）を超えた学習用データを廃棄するという基準を採用した場合、学習データベース１４には、過去６ヶ月の学習データが残され、蓄積期間が６ヶ月を経過した学習用データは、逐次廃棄されていく。
ここで、過去６ヶ月に、ある道路リンクで渋滞が発生しなかったとすると、学習データベース１４には、当該道路リンクで渋滞が発生したときの学習データは残らないことになる。この場合、１年のうちの特定の日に毎年渋滞が起こるものとしたときに、昨年の当該特定の日の学習データが、学習データベース１４に残らない。このため、当該特定日の渋滞を考慮した学習がなされず、今年の当該特定の日の速度情報の推定（補完）が適切に行えないおそれがある。
【０１１４】
したがって、古い学習用データを廃棄するとしても、単純に最古の学習用データから廃棄するのではなく、廃棄対象となる学習用データの選別を行うのが好ましい。
具体的には、図２５に示すように、各学習用データを、学習用データ本体Ｂと、各学習用データが属するカテゴリーを示すカテゴリー情報Ｃとで構成しておき、各学習用データのカテゴリーを分類可能にしておく。なお、学習用データ本体Ｂは、学習対象道路リンクの速度情報（プローブ情報に基づく速度情報）と当該学習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の組み合わせからなる。
【０１１５】
図２５では、カテゴリー情報Ｃとして、学習用データ本体Ｂにおける学習対象道路リンクの速度情報に基づいてカテゴリー分けした速度カテゴリー情報が付加されている。速度カテゴリーとしては、例えば、学習対象道路リンクの速度情報を、その大きさに応じて、「大」「中」「小」の３つに分類したものとすることができる。学習用データ本体Ｂに付加された速度カテゴリー情報Ｃは、当該学習用データ本体Ｂにおける学習対象道路リンクの速度情報が、「大」「中」「小」のいずれに属するかを示す情報となる。
【０１１６】
図２６は、スナップショットや新たな学習用データ生成処理によって、学習データベース１４にカテゴリー情報Ｃ付きの学習用データが追加される場合の蓄積処理を示している。なお、この蓄積処理は、管理部２２によって実行される。
【０１１７】
学習用データを学習データベース１４に蓄積しようとする場合、まず、学習データベース１４に既に蓄積されている学習用データの廃棄が必要であるか否かを、先に説明したような廃棄基準に従って、判断する（ステップＳ２１）。廃棄の必要がなければ、その学習用データを学習データベース１４に蓄積する。
廃棄の必要がある場合、３つのカテゴリーのうち、学習データベース１４に既に蓄積されている学習用データの数が最大であるカテゴリーを決定する（ステップＳ２２）。
【０１１８】
そして、学習用データの数が最大であるとして決定されたカテゴリーの中の、最も古い学習用データを学習データベース１４から削除する（ステップＳ２３）。そして、蓄積対象の学習用データを、学習データベース１４に蓄積する（ステップＳ２４）。
【０１１９】
例えば、６ヶ月間で学習用データが３００個蓄積でき、蓄積後６ヶ月経過した学習用データを廃棄するという廃棄基準を採用した場合に、図２６の蓄積処理を行うものとする。そして、学習データベース１４に蓄積済の学習用データ各カテゴリーに属する学習用データ個数が、大：１０個、中：５０個、小：２４０個であるとする。
この場合、３０１個目の学習用データが得られると、学習データベース１４から学習用データを１個削除する必要があるが、図２６の蓄積処理に従うと、学習用データ数が最大の「小」のカテゴリーが、削除対象カテゴリーとして選択され、［小］のカテゴリーの中で最も古い学習用データが削除される。
【０１２０】
図２６の蓄積処理を繰り返すと、蓄積数の少ないカテゴリーの学習用データは、古いものであっても削除される機会が少なくなるため、削除されずに残りやすくなる。この結果、各カテゴリーの学習データ数がほぼ等しくなる。
【０１２１】
なお、カテゴリー分けは、速度情報に限られるものではなく、任意のカテゴリー分けを採用できる。例えば、道路リンクの渋滞度でカテゴリー分けしてもよい。また、学習用データが得られた日（曜日、特殊日など）・時刻、その日の天気などで、学習データをカテゴリー分けしてもよい。また、カテゴリー別に異なる廃棄基準を設けるようにしてもよい。
【０１２２】
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。
【０１２３】
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他の道路リンク（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。
【０１２４】
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）を他の道路リンク（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。
【０１２５】
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。
【０１２６】
さらにまた、本実施形態の交通情報推定装置１の推定システム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。
【０１２７】
さらにまた、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。
【０１２８】
さらにまた、学習用データの廃棄基準としては、特に限定されるものではなく、比較的不適切な学習用データを学習用データベースから排除するための基準であれば足りる。
【符号の説明】
【０１２９】
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：推定システム（推定部），１２：学習システム，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，２１：新たな学習用データ生成部，２２：学習用データベース管理部
【技術分野】
【０００１】
本発明は、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】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路など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補完することができる。
【０００８】
しかし、上記のような推定を行おうとすると、別の各道路リンクの交通情報それぞれを、どの程度、推定対象となる道路リンクの交通情報として反映させるか等を決める推定パラメータを適切に設定することが必要となる。
推定パラメータを適切に設定するには、道路リンクの交通情報同士の相関を、実際に測定・調査して同定することが考えられるが、膨大な数の道路リンク同士の組み合わせについて、そのような相関を適切に求めることは現実的には不可能である。
【０００９】
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適切に推定できるようにすることを目的とする。
【課題を解決するための手段】
【００１０】
（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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部と、を備え、前記学習部は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行うことを特徴とする交通情報推定装置である。
【００１１】
上記本発明によれば、推定対象道路リンクの交通情報（例えば、車両の速度）を、他の道路リンクの交通情報を用いて推定することができる。
ここで、推定に用いられる推定パラメータは、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前記他の道路リンクの交通情報との組み合わせで構成される学習用データから学習することができる。
蓄積される学習用データは、所定のデータ廃棄基準に従って廃棄され、廃棄されずに残っている学習用データを用いて学習が行われるため、比較的不適切な学習用データを除いた上で、学習を行うことができる。
したがって、推定パラメータの学習が適切に行われ、この結果、推定対象道路リンクの交通情報の推定を適切に行うことができる。
【００１２】
（２）前記データ廃棄基準は、学習用データの蓄積数が所定の上限数を超えた場合に、古い学習用データから廃棄するよう設定されているものとすることができる。この場合、古い学習用データを、不適切な学習用データとみなして、廃棄することができる。
【００１３】
（３）前記学習部は、学習用データを、所定のカテゴリーごとに分類して記憶するよう構成され、前記データ廃棄基準は、前記カテゴリーのうち、記憶されている学習用データの数が多いカテゴリーの学習用データから廃棄するよう設定されているものとすることができる。この場合、カテゴリー毎の学習用データ数を揃えることが容易となる。
【００１４】
（４）前記学習部は、蓄積された学習用データに含まれる前記他の道路リンクの交通情報を、新たな交通情報に置き換えたものを、新たな学習用データとして蓄積するよう構成され、前記新たな学習用データは、元の前記学習用データが蓄積された後に、前記他の道路リンクの交通情報を推定するための前記推定パラメータの学習が行われることで更新された前記他の道路リンクの交通情報とすることができる。
蓄積された学習用データの数が少なくても、新たな学習用データを生成でき、学習用データの数を増加させることができる。
【００１５】
（５）他の観点からみた本発明は、コンピュータを、前記（１）〜（４）のいずれか１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である。
【００１６】
（６）他の観点から見た本発明は、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装置であって、他の道路リンクの交通情報及び推定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ステップと、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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習ステップと、を含み、前記学習ステップでは、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行うことを特徴とする交通情報推定方法である。
【発明の効果】
【００１７】
上記本発明によれば、推定対象道路リンクの交通情報を適切に推定することができる。
【図面の簡単な説明】
【００１８】
【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】交通情報推定処理手順を示すフローチャートである。
【図６】ニューラルネットワークの構成図である。
【図７】道路リンクの例を示す図である。
【図８】推定データベースの初期状態を示す図である。
【図９】重みデータベースの初期状態を示す図である。
【図１０】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１１】１回目の更新後の推定データベースを示す図である。
【図１２】２回目の更新後の推定データベースを示す図である。
【図１３】３回目の更新後の推定データベースを示す図である。
【図１４】スナップショットとして抽出される部分を示す図である。
【図１５】学習用データベースを示す図である。
【図１６】学習処理を示すフローチャートである。
【図１７】簡略化した道路リンクモデルとその速度推定を示す図である。
【図１８】学習したａ1に対する学習用データの残差を示すグラフである。
【図１９】元の学習用データＰｉ及び当該元の学習用データＰｉから生成された新たな学習用データＮＰｉを示すグラフである。
【図２０】新たな学習用データＮＰｉの生成手順の説明図である。
【図２１】新たな学習用データＮＰｉの生成手順の説明図である。
【図２２】新たな学習用データＮＰｉの生成手順の説明図である。
【図２３】新たな学習用データＮＰｉの生成手順の説明図である。
【図２４】学習データベースの構造を示す図である。
【図２５】カテゴリー情報付き学習用データのデータ構造図である。
【図２６】カテゴリー分けした場合の学習用データの学習データベースへの蓄積処理を示す図である。
【発明を実施するための形態】
【００１９】
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、交通情報推定装置（中央装置）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。
【００２０】
前記交通情報推定装置１は、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。
【００２１】
この交通情報推定装置（中央装置）１は、処理装置（ＣＰＵ）及び記憶装置を有する一つ又は複数の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。
【００２２】
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など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。
【００２３】
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。
【００２４】
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などに設置されている。
【００２５】
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、交通情報推定装置１に送信される。
【００２６】
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。
【００２７】
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。
【００２８】
［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。
【００２９】
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。
【００３０】
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システム（推定部）１１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システム１２と、を備えている。
【００３１】
また、交通情報推定装置１は、推定システム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、学習システム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、を記憶装置上に備えている。
【００３２】
［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。
【００３３】
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。
【００３４】
図３に示すように、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。
【００３５】
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の記憶装置に格納されている。
【００３６】
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」（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、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、例えば、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。
【００３７】
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。
【００３８】
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。
【００３９】
［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る。本実施形態では、図４に示すように、速度情報は、０から１までの値をとり、リンク旅行速度が１００［ｋｍ／ｈ］付近でほぼ「０」に近くなり、リンク旅行速度が０［ｋｍ／ｈ］のときに１の値をとる。図４に示す変換情報１９は、自然対数を利用しており、具体的には、リンク旅行速度（図４の横軸）をｘとし、速度情報（図４の縦軸）をｙとすると、ｙ＝ｅｘｐ（−（ｘ／２０））の関数となっている。なお、この式中の「２０」という値は、好ましい例であり、「２０」に限定されるものではなく、任意の正数ａを採用することができる。
【００４０】
このｙ＝ｅｘｐ（−（ｘ／２０））の関数において、ｘからみた傾きは、この式をｘで微分したものとなり、下記の通りである。
【数１】
【００４１】
このように、図４の変換情報は、リンク旅行速度ｘが大きくなるほど、リンク旅行速度ｘの変化に対する速度情報（規格化速度）ｙの変化の割合（ｘからみた傾き）が小さくなるように設定されている。
【００４２】
ここで、図４の関数を、ｙについての関数として表すと、ｘ＝−２０×ｌｎ（ｙ）となり、この場合、ｙからみた傾きは、この式をｙで微分したものとなり、下記の通りである。
【数２】
この場合、ｙからみた傾きは、ｙの逆数に比例することになる。
【００４３】
図４のように、変換情報を設定することで、速度情報（規格化速度）が同じ値ほど変化しても、実際のリンク旅行速度への影響は、速度情報（規格化速度）の大小によって異なる。
例えば、速度情報が、０．１の場合と、０．５の場合を考える。この場合、ｙからみた傾きは、ｙの逆数に比例するため、ｄｘ／ｄｙ＝−２０／０．１＝−２００、ならびに、ｄｘ／ｄｙ＝−２０／０．５＝−４０となる。
【００４４】
したがって、速度情報が０．０１ほど変化した場合、より高速である速度情報＝０．１の場合には、リンク旅行速度の変化は、−０．０１（ｄｘ／ｄｙ）＝２［ｋｍ／ｈ］となって比較的大きく、比較的低速である速度情報＝０．５である場合には、リンク旅行速度の変化は、−０．０１（ｄｘ／ｄｙ）＝０．４［ｋｍ／ｈ］となって比較的小さくなる。
【００４５】
つまり、速度情報（規格化速度）が同じ値変化しても、実際のリンク旅行速度への影響は、速度情報（規格化速度）の逆数によって決まる。傾きである速度情報の逆数は、単位距離（例えば、１ｋｍ）を移動するリンク旅行時間に比例するので、旅行時間を評価する際には、図４のような変換情報を用いると有効である。
【００４６】
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。なお、変換情報は、図４に示すものに限定されるものではない。
【００４７】
［２．４ 交通情報推定装置１による処理内容］
［２．４．１ 推定処理の概要］
図５は、交通情報推定装置１（の処理装置）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）。
【００４８】
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。
【００４９】
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、推定システム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（実測値に基づく速度情報と推定値である速度情報とが混在したもの）が得られる。
【００５０】
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、学習システム１２による学習用データとして用いられる（ステップＳ６）。
【００５１】
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。
【００５２】
［２．４．２ 速度情報推定のためのモデル］
図６は、推定システム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。
【００５３】
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。
【００５４】
ただし、図６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。
【００５５】
以上のように、推定システム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する。
【００５６】
上記のようなニューラルネットは、各道路リンクについて設けられることになるため、推定システム１１は、複数の道路リンク（要素）それぞれに関する速度情報を、他の道路リンクに関する速度情報及びその寄与度を表す推定パラメータ（重み）を用いて推定可能に構成されていることになる。
【００５７】
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６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。
【００５８】
［２．４．３ 推定処理の詳細］
ここでは、図７のように接続された道路リンクを想定する。図７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７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。
【００５９】
図７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、標本情報である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り、速度情報の推定処理が実行される。
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。
【００６０】
以下、図７の道路リンクを前提とし、図５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）。
【００６１】
図８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。
【００６２】
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（更新順位；推定順位）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。
【００６３】
「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。
【００６４】
「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。
【００６５】
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（学習システム１２）による学習のためのデータ（学習用データ）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用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用データとなることを示している。
【００６６】
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。
【００６７】
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（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。
【００６８】
図９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９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。
【００６９】
推定用パラメータである重みｗｉは、学習システム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。
【００７０】
さて、上記の初期化を行ったのち、図７に示す道路リンクに関し、ある時点において、図１０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１０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１０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。
【００７１】
また、図１０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。
【００７２】
図１０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。
【００７３】
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１１に示す。
【００７４】
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１０）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１２参照）。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。
【００７５】
そして、推定システム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。
【００７６】
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
【００７７】
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１０）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１３参照）。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。
【００７８】
そして、推定システム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。
【００７９】
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。
【００８０】
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１０）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１４参照）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」、当該道路リンクの関連道路リンクの「速度情報」と、の組み合わせ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に基づく速度情報（交通情報）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。
【００８１】
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、入力情報が繰り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。
【００８２】
［２．４．４ 学習処理］
図１５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、学習システム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。
【００８３】
図１６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６）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）。
学習システム１２は、図６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、学習システム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、例えば、最小自乗法などによって行える。
【００８４】
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）。
【００８５】
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。
【００８６】
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、推定システム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。
【００８７】
［２．４．５ 新たな学習用データの生成］
本実施形態の学習部２０は、スナップショットとして学習用データベース１４に蓄積された学習用データから、新たな学習用データを生成する生成部２１を備えている。学習用データベース１４に蓄積されている学習用データは、前述のように、学習対象の道路リンクの「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、の組み合わせである。ここで生成される「新たな学習用データ」は、学習用データベース１４に蓄積されている学習データのうち、関連道路リンクの「速度情報」を、当該学習データの蓄積後に更新された「速度情報」に置き換えることで生成される。
【００８８】
以下、新たな学習用データの生成の詳細について説明する。
図１７（ａ）は、新たな学習用データの生成の説明のために、簡略化した道路リンクモデルを示している。図１７（ａ）に示す道路リンク構造は、３つの道路リンク「ｙ」，「ｘ1」，「ｘ2」により構成されている。
３つの道路リンクの速度情報もそれぞれ、「ｙ」，「ｘ1」，「ｘ2」で表すものとし、推定対象道路リンクｙの速度情報ｙは、道路リンクｘ1の速度情報ｘ1のみから推定されるものとした場合、ｙとｘ1の関係は、例えば、ｙ＝ａ1ｘ1として表される。
【００８９】
図１７（ａ）の簡略化した道路リンクモデルにおいて、道路リンクｙを学習対象とする学習処理は、道路リンクｙについての図１７（ｂ）に示すようなプローブ情報（速度情報）と、当該プローブ情報が取得できた時における道路リンクｘ１の速度情報（図１７（ｂ）参照）と、を学習用データとして、ｘ1からｙを求めるための適切な推定パラメータ（重み）ａ1を求めることに相当する。
つまり、ここでの学習処理は、図１７（ｃ）に示すグラフの傾きａ1を求めることに相当する。
【００９０】
図１７（ｂ）に示す学習用データの場合、ａ1＝０．９として、誤差無く求めることができるが、実際には、学習されたａ1の値を用いて道路リンクｘ1から推定される道路リンクｙの速度情報の推定値（ａ1ｘ1）と、プローブ情報（実測値）に基づく道路リンクｙの速度情報（ｙ）と、の間には、残差が生じる。
【００９１】
ここで、学習用データの数を５個とし、学習されたａ1の値における道路リンクｙと道路リンクｘ1との速度情報の関係をＥｉ（ｉ：１〜学習用データの数＝５）で示し、学習用データにおける道路リンクｙと道路リンクｘ1との速度情報の関係をＰｉ（ｉ：１〜学習用データの数＝５）で示すと、Ｅiに対する各学習用データのＰiの残差は、図１８のように表される。本実施形態の学習処理において、ａ1は、次の式で表される残差自乗平均Ｑ／５が、最小になるように求められる。
【数３】
【００９２】
以上の学習処理の説明は、図１７（ａ）の簡略化した道路リンクモデルに基づくものであるが、道路リンクモデルが、例えば図７のように、複雑になっても、基本的な考え方は同様である。
【００９３】
さて、新たな学習用データの生成処理では、図１８に示す学習用データＰ1〜Ｐ5が学習用データベース１４に蓄積されている場合に、これらの学習用データＰ1〜Ｐ5から、新たな学習用データＮＰ1〜ＮＰ5を生成して、それらの学習用データＮＰ1〜ＮＰ5を、学習用データベース１４に追加する。この結果、学習用データの数を、Ｐ1〜Ｐ5の計５個から、ＮＰ1〜ＮＰ5の５個を加えた、計１０個となり、学習用データの数を増やすことができる。
【００９４】
図２０〜図２３は、図１７（ａ）に示す簡略化した道路リンクモデルにおいて、学習用データＰｉが存在したときに、新たな学習用データＮＰｉを生成する処理を示している。
図２０では、道路リンクｘ1についてのプローブ情報（プローブ情報に基づく速度情報ｘ1＝９０ｋｍ／ｈ）が得られ、道路リンクｘ1を学習対象道路リンクとする学習用データが生成されたものとする。なお、道路リンクｘ1の速度情報を推定するための式は、ｘ1＝ａ2ｘ2で表されるものとし、道路リンクｘ1についてのプローブ情報が得られたときの道路リンクｘ2の速度情報（ここでは、ＶＩＣＳ情報に基づく速度情報とする）ｘ2＝１００ｋｍ／ｈとする。
【００９５】
図２０に示す学習用データに基づくと、道路リンクｘ1のための推定用パラメータａ2は、ａ2＝０．９として学習される。
【００９６】
その後、図２１に示すように、道路リンクｙについてはプローブ情報が得られたが、道路リンクｘ1についてはプローブ情報が得られず、道路リンクｘ2についてはＶＩＣＳ情報が得られたものとする。この場合、プローブ情報が得られない道路リンクｘ1は推定対象道路リンクとなり、道路リンクｘ2の速度情報に基づいて、推定処理により、道路リンクｘ1の速度情報が推定される。ここでは、ａ2＝０．９、ｘ2＝９０ｋｍ／ｈであるから、道路リンクｘ1の速度情報ｘ1の推定値は８１ｋｍ／ｈとなる。
【００９７】
そして、道路リンクｙについては、プローブ情報が得られているため、学習対象道路リンクとなり、実測値であるプローブ情報に基づく速度情報ｙ＝９５ｋｍ／ｈと、ｘ1＝８１ｋｍとの組み合わせからなる学習用データが、学習用データベース１４に追加される。図２１に示す、道路リンクｙについての学習データに基づくと、道路リンクｙのための推定用パラメータａ1は、ａ1＝１．１７となる。
【００９８】
図２１に示すように道路リンクｙのための推定用パラメータａ1が学習された後、しばらく時間が経過すると、今度は、図２２に示すように、道路リンクｘ1についてのプローブ情報が得られる。すると、道路リンクｘ1を学習対象道路リンクとする学習用データが学習用データベース１４に追加される。ここでは、道路リンクｘ1を学習対象道路リンクとする学習用データとして、プローブ情報に基づく速度情報ｘ1＝８９ｋｍ／ｈと、ＶＩＣＳ情報に基づく速度情報ｘ2＝９５ｋｍ／ｈと、の組み合わせが生成される。
この結果、図２２に示すように、道路リンクｘ1を学習対象道路リンクとする学習用データは、２個となる。
【００９９】
そして、学習システム１２は、２個の学習用データに基づいて、推定パラメータａ2の再学習を行い、その結果、ａ2＝０．９２に更新される。このａ2の値は、１個の学習データに基づいて求められた先のａ2の値（＝０．９）よりも多くの学習用データに基づいて求められているため、より適切であると考えられる。つまり、道路リンクｘ1の速度情報の推定値は、より適切に求められていると考えられる。これを利用し、本実施形態では、学習用データベース１４に蓄積済みである学習対象道路リンクｙについての学習用データから、新たな学習用データを生成する。
【０１００】
図２３は、図２１に示した状態において、最新の推定パラメータ（ａ2）を適用して、道路リンクｘ１の速度情報を補完したときのリンクの速度情報を示している。つまり、道路リンクｙについては図２１と同様にプローブ情報（ｙ＝９５ｋｍ／ｈ）が得られ、道路リンクｘ2についても図２１と同様にＶＩＣＳ情報（ｘ2＝９０ｋｍ／ｈ）が得られている。ただし、道路リンクｘ1については、最新のより適切な推定パラメータ（ａ2）が適用されて速度情報が推定されるため、より適切と考えられる速度情報ｘ1＝８２．８ｋｍ／ｈとなっている。
【０１０１】
新たな学習用データの生成は、図２３に示すように道路リンクｘ1の速度情報がより適切になっている状態で、図２１における道路リンクｙについてのプローブ情報が発生したものとみなして、道路リンクｙを学習対象道路リンクとする新たな学習用データ（ＮＰｉ）として、プローブ情報に基づく速度情報ｙ＝９５ｋｍ／ｈと、推定値に基づく速度情報ｘ1＝８２．８ｋｍ／ｈと、の組み合わせを生成する。
つまり、学習データベース１４に元々蓄積されている学習用データにおいて、道路リンクｙを学習対象道路リンクとする学習用データ（Ｐｉ）に関し、当該道路リンクｙの速度情報を推定するための他の道路リンクである道路リンクｘ1の速度情報（＝８１ｋｍ／ｈ）を、最新の推定パラメータに基づいて推定された値（＝８２．８ｋｍ／ｈ）に置き換えたものを、新たな学習用データ（ＮＰｉ）として生成する。
【０１０２】
図２０〜図２３では、１個の蓄積済み学習用データＰｉから、１個の新たな学習用データＮＰｉを生成する場合を説明したが、学習用データベース１４に複数の蓄積済み学習用データＰｉが存在する場合も、蓄積済み学習用データＰｉの数に対応した数の新たな学習用データＮＰｉを生成することができる。すなわち、例えば、図１９に示すように、５個の蓄積済み学習用データＰｉから、５個の新たな学習用データＮＰｉを生成して、学習用データベースに蓄積することができる。
【０１０３】
図１９にも示すように、新たな学習用データＮＰｉは、プローブ情報に基づく道路リンクｙの速度情報については、元の学習用データＰｉと同じ値となるが、道路リンクｘ1の速度情報については、より適切な値となる。したがって、新たな学習用データＮＰｉは、元の学習用データＰｉに比べて、ａ１に対する残差が小さくなる。
【０１０４】
このように、本実施形態では、プローブ情報が新たに得られなくても、新たな学習用データ生成部２１が、学習データベース１４に蓄積されている学習用データの数を増やすことができる。この結果、比較的少ない数のプローブ情報しかない道路リンクについても、学習精度を向上させることができる。
しかも、本実施形態のシステムでは、推定対象道路リンクについての速度情報の推定（補完）処理と、学習対象道路リンクについての学習処理とが、並行して行われるため、学習対象道路リンクの周辺道路リンク（他の道路リンク）についての学習が進んだ状態で、新たな学習用データを生成し直すことで、新たな学習用データＮＰｉは、元の学習用データＰｉよりも適切な値であることが期待されるため、この観点からも、学習精度が向上する。
【０１０５】
なお、新たな学習用データＮＰｉを生成する時期については、特に限定されるものではなく、元の学習用データが学習データベース１４に蓄積された後、学習対象道路リンクの周辺道路リンク（他の道路リンク）についての学習が行われる程度の十分な時間経過後（例えば、数日〜数月後）であればよい。
【０１０６】
［２．４．６ 学習用データの廃棄と学習データベース構造］
上記のように、新たな学習用データＮＰｉを生成して学習データベース１４に新たに追加しても、元の古くから蓄積されている学習用データＰｉも、学習データベース１４に残存している。したがって、学習データベース１４に蓄積されている学習用データすべてを使って、学習対象道路リンクの学習処理を行うと、元の古い学習用データＰｉの影響を受けて、学習精度向上が妨げられるおそれがある。
したがって、学習データベース１４に蓄積された時期が古い学習用データＰｉは、廃棄し、新たに蓄積された学習用データＮＰｉを用いて学習を行うのが有効である。
【０１０７】
このような学習用データの廃棄の管理を行うため、学習部２０は、学習用データベース管理部２２を備えている。この管理部２２は、予め設定された所定の学習用データ廃棄基準に従って、学習データベース１４に蓄積されている学習用データを廃棄することで、学習処理の基礎となる学習用データの絞り込みを行う。
【０１０８】
学習データベース１４に既に蓄積されている学習用データＰｉから、新たな学習用データＮＰｉを生成した場合、管理部２２による学習用データ廃棄基準としては、新たな学習用データＮＰｉに対応する元の学習データＰｉの全部又は一部を廃棄するものとして設定することができる。この廃棄基準によれば、学習データベース１４には、より適切な学習用データＮＰｉがより多く残り、これらを使って学習を行うことで、学習精度を向上させることができる。
【０１０９】
また、上記のように新たな学習用データを生成するか否かにかかわらず、古い学習用データ（学習データベース１４への蓄積時期が古いもの）を多数蓄積すると、道路状況の変化などの現状に柔軟に対応できなくなる。一方、古い学習用データを無くし、直近の学習用データだけを学習データベース１４に残すと、現状に過敏に対応しすぎるという問題が発生する。
【０１１０】
したがって、古い学習用データを、適切に廃棄することが、適切な学習に寄与する。例えば、図２４に示すように、学習対象道路リンク毎に、学習用データの蓄積数の基準値（上限値）を、例えば「１０００」として、設定しておき、学習用データの蓄積数が基準値（１０００）を超えたら、古い学習用データから順に廃棄するという廃棄基準を採用することができる。
この場合、図２４に示すように、学習データベース１４は、各道路リンクについて、基準値に対応する個数（１０００個）の学習用データを記憶するための領域（配列）が確保されることになる。配列の最後尾に新たな学習用データを追記する場合、その追記により蓄積数が１０００を超えると、配列の先頭から学習用データを廃棄する。学習用データを記録する場合に順次増加する識別番号が付与されるときには、蓄積数が１０００を超えると、その識別番号の小さいものから学習用データを廃棄することができる。その他、例えば、学習用データを記録する場合に、その記録時刻も記録するときには、その記録時刻に従って古い学習用データを削除することもできる。
【０１１１】
学習を精度よく行うには、ある程度の数の学習用データが必要であるため、学習用データ蓄積数が基準値未満である場合には、廃棄せずにすべて蓄積していき、蓄積数が基準値を超えた場合には、古い学習用データから廃棄していくことで、学習用データ蓄積数をある程度確保しつつも、あまりに古い学習用データの悪影響を回避し易くなる。
なお、学習用データの蓄積数の基準値は、全学習対象道路リンクについて同一であってもよいし、学習対象道路リンク毎に異なっていても良い。
【０１１２】
また、学習データの廃棄は、学習用データの蓄積数ではなく、学習用データの学習データベース１４への蓄積期間を基準として行っても良い。基準蓄積期間を例えば６ヶ月とし、学習データベース１４に蓄積されている期間が、基準蓄積期間である６ヶ月を超えた古い学習データを廃棄するようにしてもよい。
【０１１３】
さて、廃棄基準として、基準蓄積期間（例えば６ヶ月）を超えた学習用データを廃棄するという基準を採用した場合、学習データベース１４には、過去６ヶ月の学習データが残され、蓄積期間が６ヶ月を経過した学習用データは、逐次廃棄されていく。
ここで、過去６ヶ月に、ある道路リンクで渋滞が発生しなかったとすると、学習データベース１４には、当該道路リンクで渋滞が発生したときの学習データは残らないことになる。この場合、１年のうちの特定の日に毎年渋滞が起こるものとしたときに、昨年の当該特定の日の学習データが、学習データベース１４に残らない。このため、当該特定日の渋滞を考慮した学習がなされず、今年の当該特定の日の速度情報の推定（補完）が適切に行えないおそれがある。
【０１１４】
したがって、古い学習用データを廃棄するとしても、単純に最古の学習用データから廃棄するのではなく、廃棄対象となる学習用データの選別を行うのが好ましい。
具体的には、図２５に示すように、各学習用データを、学習用データ本体Ｂと、各学習用データが属するカテゴリーを示すカテゴリー情報Ｃとで構成しておき、各学習用データのカテゴリーを分類可能にしておく。なお、学習用データ本体Ｂは、学習対象道路リンクの速度情報（プローブ情報に基づく速度情報）と当該学習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の組み合わせからなる。
【０１１５】
図２５では、カテゴリー情報Ｃとして、学習用データ本体Ｂにおける学習対象道路リンクの速度情報に基づいてカテゴリー分けした速度カテゴリー情報が付加されている。速度カテゴリーとしては、例えば、学習対象道路リンクの速度情報を、その大きさに応じて、「大」「中」「小」の３つに分類したものとすることができる。学習用データ本体Ｂに付加された速度カテゴリー情報Ｃは、当該学習用データ本体Ｂにおける学習対象道路リンクの速度情報が、「大」「中」「小」のいずれに属するかを示す情報となる。
【０１１６】
図２６は、スナップショットや新たな学習用データ生成処理によって、学習データベース１４にカテゴリー情報Ｃ付きの学習用データが追加される場合の蓄積処理を示している。なお、この蓄積処理は、管理部２２によって実行される。
【０１１７】
学習用データを学習データベース１４に蓄積しようとする場合、まず、学習データベース１４に既に蓄積されている学習用データの廃棄が必要であるか否かを、先に説明したような廃棄基準に従って、判断する（ステップＳ２１）。廃棄の必要がなければ、その学習用データを学習データベース１４に蓄積する。
廃棄の必要がある場合、３つのカテゴリーのうち、学習データベース１４に既に蓄積されている学習用データの数が最大であるカテゴリーを決定する（ステップＳ２２）。
【０１１８】
そして、学習用データの数が最大であるとして決定されたカテゴリーの中の、最も古い学習用データを学習データベース１４から削除する（ステップＳ２３）。そして、蓄積対象の学習用データを、学習データベース１４に蓄積する（ステップＳ２４）。
【０１１９】
例えば、６ヶ月間で学習用データが３００個蓄積でき、蓄積後６ヶ月経過した学習用データを廃棄するという廃棄基準を採用した場合に、図２６の蓄積処理を行うものとする。そして、学習データベース１４に蓄積済の学習用データ各カテゴリーに属する学習用データ個数が、大：１０個、中：５０個、小：２４０個であるとする。
この場合、３０１個目の学習用データが得られると、学習データベース１４から学習用データを１個削除する必要があるが、図２６の蓄積処理に従うと、学習用データ数が最大の「小」のカテゴリーが、削除対象カテゴリーとして選択され、［小］のカテゴリーの中で最も古い学習用データが削除される。
【０１２０】
図２６の蓄積処理を繰り返すと、蓄積数の少ないカテゴリーの学習用データは、古いものであっても削除される機会が少なくなるため、削除されずに残りやすくなる。この結果、各カテゴリーの学習データ数がほぼ等しくなる。
【０１２１】
なお、カテゴリー分けは、速度情報に限られるものではなく、任意のカテゴリー分けを採用できる。例えば、道路リンクの渋滞度でカテゴリー分けしてもよい。また、学習用データが得られた日（曜日、特殊日など）・時刻、その日の天気などで、学習データをカテゴリー分けしてもよい。また、カテゴリー別に異なる廃棄基準を設けるようにしてもよい。
【０１２２】
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。
【０１２３】
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他の道路リンク（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。
【０１２４】
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）を他の道路リンク（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。
【０１２５】
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。
【０１２６】
さらにまた、本実施形態の交通情報推定装置１の推定システム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。
【０１２７】
さらにまた、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。
【０１２８】
さらにまた、学習用データの廃棄基準としては、特に限定されるものではなく、比較的不適切な学習用データを学習用データベースから排除するための基準であれば足りる。
【符号の説明】
【０１２９】
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：推定システム（推定部），１２：学習システム，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，２１：新たな学習用データ生成部，２２：学習用データベース管理部
【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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部と、
を備え、
前記学習部は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う
ことを特徴とする交通情報推定装置。
【請求項２】
前記データ廃棄基準は、学習用データの蓄積数が所定の上限数を超えた場合に、古い学習用データから廃棄するよう設定されている
請求項１記載の交通情報推定装置。
【請求項３】
前記学習部は、学習用データを、所定のカテゴリーごとに分類して記憶するよう構成され、
前記データ廃棄基準は、前記カテゴリーのうち、記憶されている学習用データの数が多いカテゴリーの学習用データから廃棄するよう設定されている
請求項１又は２記載の交通情報推定装置。
【請求項４】
前記学習部は、蓄積された学習用データに含まれる前記他の道路リンクの交通情報を、新たな交通情報に置き換えたものを、新たな学習用データとして蓄積するよう構成され、
前記新たな学習用データは、元の前記学習用データが蓄積された後に、前記他の道路リンクの交通情報を推定するための前記推定パラメータの学習が行われることで更新された前記他の道路リンクの交通情報である
請求項１〜３のいずれか１項に記載の交通情報推定装置。
【請求項５】
コンピュータを、請求項１〜４のいずれか１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６】
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ステップと、
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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習ステップと、
を含み、
前記学習ステップでは、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う
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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習部と、
を備え、
前記学習部は、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って、学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う
ことを特徴とする交通情報推定装置。
【請求項２】
前記データ廃棄基準は、学習用データの蓄積数が所定の上限数を超えた場合に、古い学習用データから廃棄するよう設定されている
請求項１記載の交通情報推定装置。
【請求項３】
前記学習部は、学習用データを、所定のカテゴリーごとに分類して記憶するよう構成され、
前記データ廃棄基準は、前記カテゴリーのうち、記憶されている学習用データの数が多いカテゴリーの学習用データから廃棄するよう設定されている
請求項１又は２記載の交通情報推定装置。
【請求項４】
前記学習部は、蓄積された学習用データに含まれる前記他の道路リンクの交通情報を、新たな交通情報に置き換えたものを、新たな学習用データとして蓄積するよう構成され、
前記新たな学習用データは、元の前記学習用データが蓄積された後に、前記他の道路リンクの交通情報を推定するための前記推定パラメータの学習が行われることで更新された前記他の道路リンクの交通情報である
請求項１〜３のいずれか１項に記載の交通情報推定装置。
【請求項５】
コンピュータを、請求項１〜４のいずれか１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６】
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ステップと、
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前記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蓄積し、蓄積された学習用データを用いて前記推定パラメータを最適化する学習ステップと、
を含み、
前記学習ステップでは、蓄積されている学習用データのうち、所定のデータ廃棄基準に従って学習用データを廃棄し、廃棄されずに残っている学習用データを用いて、前記推定パラメータを最適化する学習を行う
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】
【公開番号】特開２０１１−１１３１１７（Ｐ２０１１−１１３１１７Ａ）
【公開日】平成２３年６月９日（２０１１．６．９）
【国際特許分類】
【出願番号】特願２００９−２６６１８１（Ｐ２００９−２６６１８１）
【出願日】平成２１年１１月２４日（２００９．１１．２４）
【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６月９日（２０１１．６．９）
【国際特許分類】
【出願日】平成２１年１１月２４日（２００９．１１．２４）
【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 ]