情報処理装置、コンピュータプログラム及び情報処理方法
【課題】汎用性のある情報処理装置を提供する。
【解決手段】所定のアルゴリズムが用いられて学習処理が行われる。この学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である処理管理データベース２５と、前記選択情報を参照して学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部２２と、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって学習処理を実行する処理システム１０とを有している。
【解決手段】所定のアルゴリズムが用いられて学習処理が行われる。この学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である処理管理データベース２５と、前記選択情報を参照して学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部２２と、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって学習処理を実行する処理システム１０とを有している。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、情報処理装置、情報処理のためのコンピュータプログラム及び情報処理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及び２に示すように、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するもので、現時点の車両位置や時刻等のプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平５−１５１４９６号公報
【特許文献２】特開２００５−４４６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路等の一部の道路に関してしか得られない。
一方、プローブシステムでは、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するため、路側センサが設置されていない道路に関しても、交通情報を取得することが可能となる。
【０００６】
しかし、現状では、プローブカーの台数は、非常に少なく、ＶＩＣＳ及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【０００７】
そこで、（ＶＩＣＳ及び）プローブシステムからデータが得られていない道路リンクについては、別の道路リンクの交通情報に基づいて、交通情報を推定することが考えられる。例えば、ある道路リンクの交通情報は、当該道路リンクに接続している道路リンク等のような関連のある他の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、他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。
また、このような補完を行おうとすると、他の各道路リンクの交通情報を、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用パラメータを適切に設定することが必要となる。
【０００８】
このために、コンピュータによる学習機能を用いることが考えられる。この場合、学習機能を有するシステムには、所定のアルゴリズムが設定されており、入力データに基づいて処理が行われ、推定用パラメータを最適化することが可能となる。
しかし、従来の学習機能では、適用対象に特化したアルゴリズムが設定されていることから、当該アルゴリズムにおける学習誤差の判定のためのパラメータ等の変更はできたとしても、新たなアルゴリズムが見いだされた際に、これらを反映させることはできない。つまり、従来の学習機能は汎用性が乏しいという問題点がある。したがって、新たなアルゴリズムを採用するためには、システム全体を新たに作成し直す必要がある。
そこで、本発明は、汎用性のある情報処理装置、情報処理装置として機能させるためのコンピュータプログラム、及び、情報処理方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
（１）本発明は、学習処理を所定のアルゴリズムを用いて実行する情報処理装置であって、前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である記憶部と、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部と、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行する処理部とを有していることを特徴とする。
【００１０】
本発明によれば、記憶部には、学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、複数記憶されており、選択反映部によって、前記選択情報が参照されて学習処理で用いられるアルゴリズムが、複数のアルゴリズムから、前記条件に応じて選択され、処理部が、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって学習処理を実行するので、アルゴリズムの選択が可能となり、汎用性の高い情報処理装置とすることができる。
【００１１】
（２）また、前記記憶部に選択情報を新たに記憶させるための選択情報追加部を、更に備えているのが好ましく、この場合、新しい選択情報が得られると、情報処理装置に追加することができ、汎用性をさらに高めることが可能となる。そして、選択反映部は、追加した選択情報を含む複数の選択情報の中から、選択情報を参照することができるようになる。
【００１２】
（３）また、前記アルゴリズムによる処理に必要なアルゴリズム処理情報を複数記憶可能である第２の記憶部と、当該第２の記憶部にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部とを更に備えているのが好ましく、この場合、新しいアルゴリズムが得られると、当該新しいアルゴリズムによる処理に必要なアルゴリズム処理情報を情報処理装置に追加することができ、汎用性をさらに高めることが可能となる。そして、処理部は、追加したアルゴリズムを含む複数のアルゴリズムの中から選択されたアルゴリズムによって情報処理を実行することができるようになる。
【００１３】
（４）また、前記記憶部に記憶されている複数の選択情報のうち、前記選択反映部によって行われる前記選択の処理で用いられる選択情報を設定する設定部を、更に備えているのが好ましい。この場合、記憶部は複数の選択情報を記憶可能であるが、これら複数の選択情報から、選択反映部によって行われる選択の処理で、有効とする選択情報と、無効とする選択情報との区別を行うことが可能となる。
【００１４】
（５）また、前記選択反映部は、前記学習処理のために入力される入力データから、前記選択反映部によって選択されたアルゴリズムに適応する学習用データを生成することができる。
（６）例えば、前記選択反映部は、前記学習処理のために入力される入力データの数を増減させて前記学習用データを生成することができる。
この場合、選択反映部によって選択されたアルゴリズムで学習処理を行う際に、当該アルゴリズムによると、入力データを追加した方が良い場合、選択反映部は、その数を増加させることができ、また、入力データを少なくしても良い場合、その数を減少させることができる。
【００１５】
（７）また、前記学習処理を、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理とすることができる。
（８）また、本発明は、コンピュータを、前記（１）〜（７）のいずれか１項に記載の情報処理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】
（９）また、本発明は、学習処理を所定のアルゴリズムを用いて実行するコンピュータによる情報処理方法であって、前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、コンピュータに複数記憶されており、コンピュータが、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択し、コンピュータが、選択されたアルゴリズムの識別情報を取得し、そのアルゴリズムによって前記学習処理を実行することを特徴とする。
【００１７】
本発明によれば、学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、複数記憶されており、前記選択情報を参照して学習処理で用いられるアルゴリズムが、複数のアルゴリズムから、前記条件に応じて選択され、選択されたアルゴリズムによって学習処理が実行されるので、アルゴリズムの選択が可能となり、汎用性の高い情報処理方法を実現することができる。
【発明の効果】
【００１８】
本発明によれば、アルゴリズムの選択が可能となり、汎用性の高い情報処理装置とすることができ、また、及び、汎用性の高い情報処理方法となる。
【図面の簡単な説明】
【００１９】
【図１】本発明の情報処理装置を備えたシステムの一例を示す構成図である。
【図２】交通情報システムの構成図である。
【図３】知見・ノウハウを反映させるための構成を示した構成図である。
【図４】処理管理データベースが記憶されている記憶装置の説明図である。
【図５】アルゴリズム管理データベースの説明図である。
【図６】知見・ノウハウを反映させる処理の説明図である。
【図７】知見・ノウハウを反映させる処理の説明図である。
【図８】交通情報推定方法を示しているフローチャートである。
【図９】推定データベースを示す図である。
【図１０】ニューラルネットワークの構成図である。
【図１１】学習データベースを示す図である。
【図１２】学習処理を示すフローチャートである。
【発明を実施するための形態】
【００２０】
以下、本発明の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、本実施形態の情報処理装置を備えたシステムの一例を示す構成図である。本実施形態では、情報処理装置を交通情報推定装置（中央装置）１として具体化しており、図１は、交通情報推定装置１を備えた交通情報システムの全体構成図である。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等を含む。
【００２１】
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、交通情報推定装置１は、ＶＩＣＳ情報及びプローブ情報等の交通情報（観測情報）を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、交通情報推定装置１は、交通情報に基づいて、信号機制御や交通管制等の各種の交通用処理を行ってもよい。
【００２２】
この交通情報推定装置（情報処理装置）１は、処理装置（ＣＰＵ）及び記憶装置を有するコンピュータによって構成されており、記憶装置には、コンピュータを、交通情報推定装置１として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記ＣＰＵによって実行され、前記ＣＰＵ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（情報処理装置）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。
【００２３】
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、当該位置の通過時刻及びプローブ車両の車両ＩＤ等を含む交通情報である。また、プローブ情報には、プローブ車両の通過速度等その他の情報を含めても良い。プローブ情報の位置及び時刻の情報に基づいて、道路リンク毎のリンク旅行時間が得られる。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。
【００２４】
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１に転送する。また、路側通信機４は、交通情報推定装置から、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との間は、通信回線によって接続されている。
又は、車載装置２は、当該車載装置２と接続した携帯電話機５０を介して、プローブ情報を送信してもよい。この場合、車載装置２によってプローブ情報が生成されると、当該プローブ情報は、携帯電話機５０へ送られ、携帯電話機５０が基地局４９へプローブ情報を送信する。そして、基地局４９は、プローブ情報を交通情報推定装置１に転送する。また、携帯電話機５０は、交通情報推定装置１から基地局４９を介して、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に送ることができる。
【００２５】
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を計測する画像感知器よりなり、交差点等に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路等に設置されている。
【００２６】
路側センサ５によって検出された観測情報は、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。
【００２７】
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、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。
【００２８】
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毎にみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。
【００２９】
［２．交通情報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取得する。つまり、本実施形態に係る交通情報推定装置１は、所定エリア内の全道路リンクを母集団とし、全道路リンクのうちの一部の道路リンクについて交通情報を取得すると、残りの道路リンクについての交通情報を推定する。
【００３０】
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。
【００３１】
図２に示すように、交通情報推定装置１は、情報処理を行う処理システム（処理部）１０として、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（学習部）１２とを備えている。
そして、後にも説明するが、処理システム１０（推定システム１１及び学習システム１２）は、ある知見やノウハウを反映させることによりアルゴリズムを切り替えて情報処理（推定処理及び学習処理）を実行することができる。すなわち、処理システム１０は、ある知見やノウハウから得られたノウハウ処理に関する選択情報が参照されることにより、推定処理及び学習処理を行うために好ましいアルゴリズムが選択され、選択されたアルゴリズムによって推定処理及び学習処理が実行される。
【００３２】
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データベース１４、推定用パラメータ（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。
【００３３】
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を備えていて、入力情報から、リンクの「速度情報」を生成する処理を行う。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。
「速度情報」は、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］として算出することができる。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。
【００３４】
［３．知見・ノウハウの反映について］
［３．１ 知見・ノウハウの反映を行うための構成］
図３は、前記交通情報推定装置１の処理システム１０による情報処理（推定処理及び学習処理）に、知見・ノウハウを反映させるための構成を示した構成図である。交通情報推定装置１は、コンピュータプログラムによって実現される機能部として、システム依存部２１、選択反映部２２、設定部３１及び追加部２９，３０を有している。
また、本実施形態の処理システム１０（学習システム１２）は、処理コア部２３、アルゴリズム部２４を備えている。
【００３５】
さらに、交通情報推定装置１は、処理管理データベース２５を記憶装置上に備えている。このデータベース２５には、複数の選択情報が記憶されており、この選択情報は、処理システム１０における情報処理（推定処理及び学習処理）で用いられるアルゴリズムが選択される条件に関する情報である。なお、本実施形態では、前記条件は「道路リンクの特性」に関する条件である。
図４は処理管理データベース２５を記憶している記憶装置３３の説明図である。また、この選択情報は、処理システム１０における情報処理に反映させると好ましいノウハウ処理に関する情報であり、処理管理データベース２５には、このようなノウハウ処理の種類が記憶されており、ここでは更に、そのノウハウ処理のプログラム本体が同じ記憶装置３３上に記憶されている。
【００３６】
すなわち、図４において、処理管理データベース２５は、「インデックス」２５ａ、「知見・ノウハウ処理」２５ｂ、「有効／無効」２５ｃのデータ項目を有しており、「インデックス」の番号毎にそれぞれのデータ項目を保存可能なものである。そして、「知見・ノウハウ処理」２５ｂの項目に、前記ノウハウ処理の種類が記録されている。
【００３７】
図３において、システム依存部２１は、処理システム１０に依存する処理を行う機能を有しており、処理システム１０によって行われる情報処理の前処理を行う。なお、システム依存部２１による前処理は、後述する選択反映部２２による知見・ノウハウに関連する処理以外の処理である。システム依存部２１は、入力された入力データを前処理し、選択反映部２２へ処理用データを与える。
【００３８】
選択反映部２２は、処理システム１０による推定処理及び学習処理に、知見・ノウハウを反映させるための処理を行う機能を有している。
選択反映部２２は、前記処理管理データベース２５（図４参照）に基づいて、有効であるインデックスの「知見・ノウハウ処理」を抽出する。そして、選択反映部２２は、複数の「知見・ノウハウ処理」の中から抽出された、所定の「知見・ノウハウ処理」を参照し、当該「知見・ノウハウ処理」のプログラムを実行する。
これにより、処理システム１０による推定処理及び学習処理で用いられるアルゴリズムが、「道路リンクの特性」に応じて、複数のアルゴリズムから選択される処理が行われる。また、選択反映部２２は、参照した「知見・ノウハウ処理」及び処理システム１０による情報処理に適応する入力及び出力の様式を設定することができる。
【００３９】
すなわち、図４の場合、選択反映部２２は、図４のインデックスの項目において「０」及び「２」が有効であるので、「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を抽出し、これらを参照及び実行し、推定処理及び学習処理を行うために好ましいアルゴリズムを、複数のアルゴリズムから選択する。また、選択反映部２２は、処理システム１０へ出力する処理用データの数を変更することができる。なお、「知見・ノウハウ処理」の具体例は、後に説明する。
【００４０】
また、図４の処理管理データベース２５では、選択情報（知見・ノウハウ処理）の追加、削除、更新が可能である。すなわち、新規に選択情報（知見・ノウハウ処理）を追加する場合は、空いている（又は既存の番号と重複しない）インデックスの番号に対応させて、新たな知見・ノウハウ処理を蓄積させればよい。
このために、処理管理データベース２５が記憶されている記憶装置３３に、知見・ノウハウ処理（選択情報）を新たに記憶させるための選択情報追加部２９（図３参照）を、備えている。管理者によって、新たな知見・ノウハウ処理が得られると、この知見・ノウハウ処理を選択情報追加部２９によって記憶装置３３（図４参照）に追加することができる。
【００４１】
また、既に蓄積されている知見・ノウハウ処理が不要となった場合、該当するインデックスに対応する「有効／無効」のデータ項目を「無効」とすればよい。つまり、推定処理及び学習処理に必要とする知見・ノウハウ処理は、「有効／無効」の項目が「有効」となっている。
また、この「有効／無効」の項目の設定（切り替え）は、管理者によって、前記設定部３１（図３参照）が用いられて行われる。つまり、設定部３１によれば、記憶装置３３（処理管理データベース２５）に記憶されている複数の知見・ノウハウ処理のうち、選択反映部２２によって行われる選択の処理で用いられる知見・ノウハウ処理の設定を行うことができる。なお、処理管理データベース２５のデータ項目「有効／無効」２５ｃにおける有効から無効への切り替え、無効から有効への切り替えは、管理者によって、設定部３１を通じて任意に行うことができる。
そして、知見・ノウハウ処理を更新する場合は、更新する知見・ノウハウ処理のプログラム本体を更新すればよい。
【００４２】
選択反映部２２は、さらに、学習処理のために入力される（処理用データ）入力データから、当該選択反映部２２によって選択されたアルゴリズムに適応する学習用データを生成する機能を有している。例えば、選択反映部２２は、学習用データ（システム依存部２１からの入力データ）の数を増減させる機能を有している。
すなわち、選択反映部２２は、フィルタリング機能を有し、取得した複数の処理用データを減少させることができる。選択反映部２２は、抽出された「知見・ノウハウ処理」に応じて、処理用データの数を追加するのがよいと判断した場合には、処理用データの数を増加させる。つまりこの場合、処理用データの数が足りないと、選択反映部２２は、必要な数となるまで処理用データを蓄積しておき、必要な数に達すると、次のステップに進む処理を行う。
【００４３】
このように、選択反映部２２による処理の前後で、処理用データの数は増減することとなる。なお、処理の前後で、処理用データの形式は同じであってもよいが、必要に応じて処理用データの形式を変化させてもよい。
そして、選択反映部２２は、抽出された「知見・ノウハウ処理」に応じて適切な出力として、処理用データを処理システム１０（処理コア部２３）へ与える。
処理コア部２３は、選択反映部２２から処理用データを得ると、情報処理のためのアルゴリズムを実行するための前処理及び後処理を行う機能を有している。なお、どのアルゴリズムが選択されるかについては、選択反映部２２による「知見・ノウハウ処理」の実行処理に依存する。
【００４４】
前記アルゴリズム部２４は、複数のアルゴリズムを備えており、アルゴリズムそれぞれに依存した実質的な処理を実行する機能を有している。これらアルゴリズムは、アルゴリズム管理データベース２６（図５参照）に記憶されている。アルゴリズム管理データベース２６は、交通情報推定装置１が有している記憶装置３４上に備えたものであり、「インデックス」２６ａ、「アルゴリズム」２６ｂのデータ項目を有しており、インデックスの番号毎にアルゴリズムの種類を保存可能なものである。なお、アルゴリズムのプログラム本体は、データベースと同じ記憶装置３４に記憶されている。
【００４５】
このアルゴリズムは、追加、削除、更新が可能である。例えば、交通情報推定装置１が有しているフレームワークに基づいて、新たなアルゴリズムを作成することができ、作成したアルゴリズムを追加的に記憶装置３４に記憶させることができる。
このために、アルゴリズム管理データベース２６が記憶されている記憶装置３４にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部３０（図３参照）を、備えている。新たなアルゴリズムが得られると、このアルゴリズムによる処理に必要なアルゴリズム処理情報をアルゴリズム追加部３０によって、アルゴリズム管理データベース２６が記憶されている記憶装置３４に追加することができる。アルゴリズム処理情報は、例えば、対象アルゴリズムのプログラム本体のほか、それに対応する識別情報（インデックス）及び記憶場所を示すテーブルを含んでよい。なお、アルゴリズム（学習アルゴリズム）としては、図５に示しているように、単純パーセプトロン、バックプロパゲーション、サポートベクタマシン及びベイジアンネット等がある。
【００４６】
［３．２ 知見・ノウハウの反映の具体例］
テレマティクス分野において、図１で説明したように、他の道路リンク（以下、関連道路リンクともいう）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を備えた交通情報システムがある。交通情報推定装置１は、処理システム１０として、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システム１１と、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。
【００４７】
学習システム１２によって実行される学習処理は、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理である。すなわち、学習システム１２は、蓄積され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構成である。学習用データは、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他の道路リンクの交通情報との組み合わせによるデータである。
【００４８】
この交通情報推定装置１に、知見・ノウハウの反映を行うための構成を適用した場合を説明する。
図６において、システム依存部２１に、ある道路リンクに関して、推定システム１１が求めた交通情報（推定値）、又は、ＶＩＣＳ情報及びプローブ情報に基づく交通情報（実測値）等の入力データが入力される。システム依存部２１は、この入力データを前処理して処理用データを生成し、選択反映部２２に与える。
【００４９】
選択反映部２２は、前記処理用データが得られた道路リンクの特性（以下では、「道路特性」という）を把握する必要がある。なお、道路特性としては、例えば、道路が高速道路であるか、一般道路であるかについての道路種別がある。
道路特性を把握するために、選択反映部２２は、例えば、取得した処理用データの値のばらつき（標準偏差）と、予め設定されている閾値とを比較する。そして、選択反映部２２は、ばらつきが閾値よりも大きいと判定した場合、処理用データの種別は、一般道路についてのものであると判定する。
これに対して、選択反映部２２は、前記ばらつきが閾値以下であると判定した場合、処理用データの種別は、高速道路についてのものであると判定する。
【００５０】
または、選択反映部２２は、交通情報推定装置１の記憶装置に蓄積されている、各道路リンクの道路特性についての情報（特性情報）を取得することで、道路特性を把握してもよい。すなわち、全道路リンクそれぞれの道路特性については、道路リンク設定時に、その特性についての情報が、道路リンクのリンク番号と対応付けられて、交通情報推定装置１の記憶装置に蓄積されている。このため、選択反映部２２は処理用データと当該処理用データに含まれる道路リンクのリンク番号の情報とを取得することで、道路リンクそれぞれの特性情報を把握することができる。
【００５１】
そして、選択反映部２２は、処理管理データベース２５（図４参照）に基づいて、有効であるインデックス「０」「２」の「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を抽出する。選択反映部２２は、これら「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を参照し、アルゴリズムの選択を実行する。なお、処理管理データベース２５における「有効／無効」２５ｃのデータ項目は、前記設定部３１が用いられて管理者によって予め設定されたものである。
【００５２】
「知見・ノウハウ処理Ａ」は、道路リンクが高速道路である場合、線形対応のアルゴリズムである単純パーセプトロンを使い、道路リンクが一般道路である場合、非線形対応のアルゴリズムであるバックプロパゲーションを使うという処理である。
【００５３】
ここで、推定システム１１によって道路情報を推定する対象である道路リンク（推定対象道路リンク）が、高速道路である場合と、一般道路である場合とで挙動が異なる。具体的には、高速道路では、推定対象道路リンクとそれに関連がある関連道路リンクとの間には、線形の相関関係が強く、一般道路では、推定対象道路リンクと関連道路リンクとの間に、非線形の相関関係が強いという知見がある。
そこで、この知見を、処理システム１０における情報処理（推定処理及び学習処理）に反映させるためのものが、前記「知見・ノウハウ処理Ａ」である。なお、「知見・ノウハウ処理」は、システム管理者によって創出される。
非線形に対応するアルゴリズムは線形なものを包含するので、全てについて、非線形対応のアルゴリズムで処理してもよいが、処理時間が多くかかってしまう。そこで「知見・ノウハウ処理Ａ」によれば、線形のアルゴリズムでも十分処理精度が得られるものは、線形のアルゴリズムで処理し、処理時間の短縮を図ることができる。
【００５４】
選択反映部２２は、前記のとおり、処理用データが得られた道路リンクの道路特性を把握していることから、この道路特性に基づいて「知見・ノウハウ処理Ａ」を実行する。
すなわち、処理用データが得られた道路リンクが高速道路であった場合、「知見・ノウハウ処理Ａ」によれば、選択反映部２２は、線形対応のアルゴリズムである単純パーセプトロンを選択する。
この場合、選択反映部２２は、この「知見・ノウハウ処理Ａ」の実行結果により、線形対応のアルゴリズムを選択すべきであるため、アルゴリズム管理データベース２６（図５参照）における「インデックス」を「０」（選択したアルゴリズムの識別情報）とすることを示す制御信号を生成する。
【００５５】
そして、選択反映部２２は、処理コア部２３へ処理用データと共に、前記制御信号を送る。
処理コア部２３は、選択したアルゴリズムの識別情報が含まれる前記制御信号を取得すると、アルゴリズム管理データベース２６（図５）によれば、処理アルゴリズムとして、単純パーセプトロンが選択されているので、その実行の開始処理を行う。つまり、図６に示しているように、アルゴリズムとして単純パーセプトロンが選択される。処理コア部２３は、上述のアルゴリズム処理情報に含まれるテーブルを参照し、選択された単純パーセプトロンの識別情報からその記憶場所を取得する。アルゴリズム部２４は、その記憶場所から単純パーセプトロン（例えば、重回帰分析）のプログラムを読み出し、これを利用して学習処理を行う。また、この場合、推定システム１１は、この単純パーセプトロンを用いて推定処理を行うことになる。
【００５６】
また、「知見ノウハウ処理Ｃ」は、道路リンクが高速道路である場合において、処理用データの数を減らすという処理である。
そこで、道路リンクが高速道路であるので、選択反映部２２は「知見ノウハウ処理Ｃ」を実行する。すなわち、複数が入力された学習用データのうち、類似しているデータについては削除する。
【００５７】
ここで、線形のアルゴリズムを採用する場合では、類似している処理用データを削除しても、処理精度はさほど低下しないという知見がある。そこで、この知見を学習システム１２による処理に反映させるためのものが、前記「知見・ノウハウ処理Ｃ」であり、システム管理者によって創出される。
この「知見・ノウハウ処理Ｃ」によれば、道路リンクが高速道路である場合、線形のアルゴリズムを採用することから、複数が入力された処理用データ（学習用データ）のうち、類似しているデータについては、削除し、さらなる処理速度の向上を図ることが可能となる。
【００５８】
これに対して、システム依存部２１から取得された処理用データが、一般道路である道路リンクによるものであった場合、「知見・ノウハウ処理Ａ」によれば、選択反映部２２は、非線形対応のアルゴリズムであるバックプロパゲーションを選択する。
この場合、選択反映部２２は、この「知見・ノウハウ処理Ａ」の実行結果により、非線形対応のアルゴリズムを選択するため、アルゴリズム管理データベース２６（図５参照）における「インデックス」を「１」とすることを示す制御信号を生成する。
【００５９】
そして、選択反映部２２は、処理コア部２３へ処理用データと共に、前記制御信号を送る。
処理コア部２３は、制御信号を取得すると、アルゴリズム管理データベース２６（図５）によれば、処理アルゴリズムとして、バックプロパゲーションが選択されているので、その実行の開始処理を行う。つまり、図７に示しているように、アルゴリズムとしてバックプロパゲーションが選択され、アルゴリズム部２４は、バックプロパゲーションを利用して学習処理を行う。また、この場合、推定システム１１は、多層パーセプトロンを用いて推定処理を行うことになる。
【００６０】
また、「知見・ノウハウ処理」の他の例として、以下のようなものがあり、これらについても、処理管理データベース２５（図４）に記憶されている。
すなわち、選択反映部２２に入力された処理用データが、高速道路の道路リンクについてのものであり、かつ、当該道路リンクが、東京都、大阪府及び名古屋市のいずれかに含まれている場合は、非線形対応のアルゴリズムであるバックプロパゲーションを利用し、それ以外であれば、線形対応のアルゴリズムである単層パーセプトロンを利用するという「知見・ノウハウ処理」がある。これは、高速道路では、周囲の道路リンクと比較的、線形的な相関があるが、首都圏では、分岐やランプも多く、非線形的な相関が強くなるという知見によるものである。
【００６１】
また、選択反映部２２に入力された処理用データ内に、性質が異なるデータが混在する場合、例えば、同じ道路リンクであるにも関わらず、当該道路リンクについて取得された交通情報の性質（速度情報の値）が大きく異なる場合、当該交通情報（速度情報）を分類して、分類した交通情報（速度情報）毎で、推定処理を行い、かつ、学習処理を行うようにするという「知見・ノウハウ処理」がある。
この「知見・ノウハウ処理」は、例えば、高速道路のランプの手前にあって複数車線を有する道路の道路リンクで有効である。すなわち、前記複数の車線のうち、先で分岐して一般道路へと繋がる（高速道路の出口へと繋がる）車線では、車両が渋滞することがあり、取得される速度情報が低速を示すのに対し、高速道路を継続して走行する車線では、取得される速度情報が高速を示すことがあるという知見に基づく。この場合、車両の行き先毎に、速度情報を分類して、分類した速度情報毎で、推定処理を行い、かつ、学習処理を行うようにすればよい。
さらに、別の「知見・ノウハウ処理」としては、特定の道路リンクでは、学習用データの数が所定値（例えば１００個）以上集まるまでは、空のアルゴリズム（なし）とするというノウハウ処理がある。
【００６２】
［４．推定システムについて］
［４．１ 推定処理］
図１で説明した交通情報推定装置１の推定システム１１による推定処理についてさらに説明する。図８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。
なお、ここで説明する推定処理、及び、後に説明する学習処理では、選択反映部２２へ与えられた処理用データは、高速道路である道路リンクから得られたものであり、前記選択反映部２２によって「知見・ノウハウ処理Ａ」が実行されている場合について説明する。つまり、処理アルゴリズムとして、線形対応である単純パーセプトロンが選択された場合として説明する。
【００６３】
図２において、交通情報推定装置１が、処理用データとして、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道路リンクの速度情報を生成する（ステップＳ１）。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。
【００６４】
続いて、ステップＳ１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１３を更新する（ステップＳ２）。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Ｓ３）。このステップＳ３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。更新された推定データベース１３の例を、図９に示す。
【００６５】
ステップＳ３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Ｓ４）。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Ｓ３で更新された推定データベース１３の内容の一部は、学習データベース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Ｓ５）。
【００６６】
以上のステップＳ１〜ステップＳ５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Ｓ１〜ステップＳ５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。
【００６７】
［４．２ 速度情報推定のためのモデル］
図１０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の一例を示している。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（本実施形態では、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。
【００６８】
また、重みｘi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。
【００６９】
ただし、図１０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。
【００７０】
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。前記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に蓄積されており、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。
【００７１】
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示す推定用パラメータ（重み）を用いて推定可能に構成されていることになる。
【００７２】
図８のステップＳ５における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し、学習用データとして蓄積される。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、推定データベースの全道路リンクの更新（ステップＳ２，Ｓ３）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。
【００７３】
［４．３ 学習処理について］
図１１は、ある道路リンク（リンク番号２０）について、複数のスナップショットが蓄積された学習データベース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学習用データとして蓄積された学習データベース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。
【００７４】
図１２は、学習システム１２による学習処理の手順を示している。この学習処理の手順を説明する。なお、学習システム１２は、前記のとおり、学習アルゴリズムとして単純パーセプトロン（図１０）が使用される。
学習システム１２は、誤差判定のための許容誤差等の学習用のパラメータ設定を行う（ステップＳ１１）。
【００７５】
つまり、学習システム１２は、学習データベース１４（図１１）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用データから、重みの最適値を算出する。重みの最適値の算出は、例えば、重回帰分析に基づいたアルゴリズムによって行える。
【００７６】
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Ｓ１２，ステップＳ１３）。なお、重みの最適値の算出（学習処理）は、ニューロエンジンに限らず、他の手段によって行われてもよい。
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。
【００７７】
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。
【００７８】
［５． 情報処理装置の別の実施形態］
前記実施形態では、本発明の情報処理装置を、交通情報推定装置として説明した。本発明の情報処理装置は、他の用途にも適用することができ、その一例としてスパムメール学習システムを備えた情報処理装置である。このスパムメール学習システムは、到来した電子メールが、正常なメールであるか、スパムメール（迷惑メール）であるか、を判定する処理を行う。つまり、学習システムによって蓄積されたデータに基づいて、新たに到来した電子メールを分析し、正常なメールであるか、スパムメールであるかの分類を行う。
【００７９】
そして、本実施形態のスパムメール学習システムは、ある知見やノウハウから得られたノウハウ処理が参照され、実行されたことにより、複数のアルゴリズムの中から選択されたアルゴリズムによって学習処理を行うことができる。
このために、前記実施形態と同様に、処理管理データベース（図４参照）が設けられており、この処理管理データベースには、スパムメール学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が記憶されている。なお、本実施形態では、前記条件は「学習用データの特性」に関する条件である。
この選択情報は、処理システムにおけるスパムメール学習処理に反映させると好ましいノウハウ処理に関する情報であり、処理管理データベース２５には、このようなノウハウ処理の種類、及び、そのノウハウ処理のプログラム本体が記憶されている。なお、本実施形態でも、追加部２９（図３参照）によって、選択情報（「知見・ノウハウ処理」）を新たに追加可能である。
【００８０】
なお、本実施形態における学習用データは、電子メールのデータを元に形成されたデータである。例えば、学習用データは、メールのデータに含まれている、宛先のデータ、送信元のデータ、ヘッダー部分のデータ、及び、メール本文の部分のデータ等である。
図３を参考に説明すると、システム依存部２１は、電子メールのデータが入力されると、当該電子メールのデータに含まれている、宛先のデータ、送信元のデータ、ヘッダー部分のデータ、及び、メール本文の部分のデータ等を取得し、これらを、処理用データとして選択反映部２２へ出力する。
【００８１】
そして、前記実施形態と同様に、選択反映部２２は、有効である「知見・ノウハウ処理」を参照し、その処理を実行することにより、スパムメール学習処理を行うために好ましいアルゴリズムを、学習用データの特性に応じて、複数のアルゴリズムから選択する。
すると、スパムメール学習システム（処理システム）は、複数のアルゴリズムのうち、選択反映部２２によって選択されたアルゴリズムによって、学習処理を実行する。
【００８２】
本実施形態における選択情報（「知見・ノウハウ処理」）としては、以下のものがあり、これらについて、処理管理データベース２５（図４参照）に記憶されている。また、新たに選択情報（知見・ノウハウ処理）が作成されると、追加して記憶させることができる。
選択反映部２２に入力された学習用データが、日本のものである場合（つまり、日本から到来したものである場合）ベイジアンフィルタにより学習し、それ以外のものはサポートベクタマシンとベイジアンフィルタとの双方により学習するという「知見・ノウハウ処理」がある。
これによれば、海外からの電子メールに対しては二重のアルゴリズムで学習することにより、万全を備えることができる。
【００８３】
また、他の「知見・ノウハウ処理」としては、選択反映部２２に入力されたデータが、ＡＡＡ会社のものである場合、メール本文を学習対象として学習し、それ以外はメールの宛先のデータ及びメールの送信元のデータのみを学習対象として学習するというノウハウ処理がある。この場合、第一フィルタリングにより抽出されたデータに対して、重点的に学習させることができる。
【００８４】
このように設定されている「知見・ノウハウ処理」を実行することで、学習用データの特性に応じたアルゴリズムが選択され、学習処理に好ましい結果をもたらすことが可能となる。例えば、「知見・ノウハウ処理」を実行することで、ベイジアンフィルタを採用すれば、このベイジアンフィルタのアルゴリズムであるベイズ理論は回帰モデルではないので、処理を速くすることができる。また、サポートベクタマシンを採用すれば、ベイジアンフィルタの場合よりもテキスト分類の精度を高くすることができる。
【００８５】
以上のような前記各実施形態によれば、情報処理に反映させると好ましい知見・ノウハウ処理が参照されることにより、情報処理の対象とする処理用データの特性に基づいて、好ましいアルゴリズムが複数のアルゴリズムから選択される。そして、このアルゴリズムによって情報処理が実行される。すなわち、情報処理の対象とする処理用データの特性に基づいて、好ましいアルゴリズムの切り替えが可能となり、汎用性の高い情報処理装置となる。また、アルゴリズムの選択は、情報処理に反映させると好ましいノウハウに関するノウハウ処理を実行することにより達成されることから、選択されるアルゴリズムは、実行される情報処理に当然相応しいものである。
【００８６】
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。
【符号の説明】
【００８７】
１：交通情報推定装置（情報処理装置）、 １０：処理システム（処理部）、 １１：推定システム（推定部）、 １２：学習システム（学習部）、 ２２：選択反映部（反映部）、 ２５：処理管理データベース、 ２６：アルゴリズム管理データベース（第２の記憶部）、 ２９：選択情報追加部、 ３０：アルゴリズム追加部、 ３１：設定部、 ３３：記憶装置（第１の記憶部） ３４：記憶装置（第２の記憶部）
【技術分野】
【０００１】
本発明は、情報処理装置、情報処理のためのコンピュータプログラム及び情報処理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及び２に示すように、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するもので、現時点の車両位置や時刻等のプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平５−１５１４９６号公報
【特許文献２】特開２００５−４４６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記ＶＩＣＳ情報は、路側センサが設置された主要幹線道路等の一部の道路に関してしか得られない。
一方、プローブシステムでは、実際に道路を走行する車両（プローブ車両）を移動体センサとして利用するため、路側センサが設置されていない道路に関しても、交通情報を取得することが可能となる。
【０００６】
しかし、現状では、プローブカーの台数は、非常に少なく、ＶＩＣＳ及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【０００７】
そこで、（ＶＩＣＳ及び）プローブシステムからデータが得られていない道路リンクについては、別の道路リンクの交通情報に基づいて、交通情報を推定することが考えられる。例えば、ある道路リンクの交通情報は、当該道路リンクに接続している道路リンク等のような関連のある他の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、他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。
また、このような補完を行おうとすると、他の各道路リンクの交通情報を、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用パラメータを適切に設定することが必要となる。
【０００８】
このために、コンピュータによる学習機能を用いることが考えられる。この場合、学習機能を有するシステムには、所定のアルゴリズムが設定されており、入力データに基づいて処理が行われ、推定用パラメータを最適化することが可能となる。
しかし、従来の学習機能では、適用対象に特化したアルゴリズムが設定されていることから、当該アルゴリズムにおける学習誤差の判定のためのパラメータ等の変更はできたとしても、新たなアルゴリズムが見いだされた際に、これらを反映させることはできない。つまり、従来の学習機能は汎用性が乏しいという問題点がある。したがって、新たなアルゴリズムを採用するためには、システム全体を新たに作成し直す必要がある。
そこで、本発明は、汎用性のある情報処理装置、情報処理装置として機能させるためのコンピュータプログラム、及び、情報処理方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
（１）本発明は、学習処理を所定のアルゴリズムを用いて実行する情報処理装置であって、前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である記憶部と、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部と、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行する処理部とを有していることを特徴とする。
【００１０】
本発明によれば、記憶部には、学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、複数記憶されており、選択反映部によって、前記選択情報が参照されて学習処理で用いられるアルゴリズムが、複数のアルゴリズムから、前記条件に応じて選択され、処理部が、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって学習処理を実行するので、アルゴリズムの選択が可能となり、汎用性の高い情報処理装置とすることができる。
【００１１】
（２）また、前記記憶部に選択情報を新たに記憶させるための選択情報追加部を、更に備えているのが好ましく、この場合、新しい選択情報が得られると、情報処理装置に追加することができ、汎用性をさらに高めることが可能となる。そして、選択反映部は、追加した選択情報を含む複数の選択情報の中から、選択情報を参照することができるようになる。
【００１２】
（３）また、前記アルゴリズムによる処理に必要なアルゴリズム処理情報を複数記憶可能である第２の記憶部と、当該第２の記憶部にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部とを更に備えているのが好ましく、この場合、新しいアルゴリズムが得られると、当該新しいアルゴリズムによる処理に必要なアルゴリズム処理情報を情報処理装置に追加することができ、汎用性をさらに高めることが可能となる。そして、処理部は、追加したアルゴリズムを含む複数のアルゴリズムの中から選択されたアルゴリズムによって情報処理を実行することができるようになる。
【００１３】
（４）また、前記記憶部に記憶されている複数の選択情報のうち、前記選択反映部によって行われる前記選択の処理で用いられる選択情報を設定する設定部を、更に備えているのが好ましい。この場合、記憶部は複数の選択情報を記憶可能であるが、これら複数の選択情報から、選択反映部によって行われる選択の処理で、有効とする選択情報と、無効とする選択情報との区別を行うことが可能となる。
【００１４】
（５）また、前記選択反映部は、前記学習処理のために入力される入力データから、前記選択反映部によって選択されたアルゴリズムに適応する学習用データを生成することができる。
（６）例えば、前記選択反映部は、前記学習処理のために入力される入力データの数を増減させて前記学習用データを生成することができる。
この場合、選択反映部によって選択されたアルゴリズムで学習処理を行う際に、当該アルゴリズムによると、入力データを追加した方が良い場合、選択反映部は、その数を増加させることができ、また、入力データを少なくしても良い場合、その数を減少させることができる。
【００１５】
（７）また、前記学習処理を、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理とすることができる。
（８）また、本発明は、コンピュータを、前記（１）〜（７）のいずれか１項に記載の情報処理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】
（９）また、本発明は、学習処理を所定のアルゴリズムを用いて実行するコンピュータによる情報処理方法であって、前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、コンピュータに複数記憶されており、コンピュータが、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択し、コンピュータが、選択されたアルゴリズムの識別情報を取得し、そのアルゴリズムによって前記学習処理を実行することを特徴とする。
【００１７】
本発明によれば、学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、複数記憶されており、前記選択情報を参照して学習処理で用いられるアルゴリズムが、複数のアルゴリズムから、前記条件に応じて選択され、選択されたアルゴリズムによって学習処理が実行されるので、アルゴリズムの選択が可能となり、汎用性の高い情報処理方法を実現することができる。
【発明の効果】
【００１８】
本発明によれば、アルゴリズムの選択が可能となり、汎用性の高い情報処理装置とすることができ、また、及び、汎用性の高い情報処理方法となる。
【図面の簡単な説明】
【００１９】
【図１】本発明の情報処理装置を備えたシステムの一例を示す構成図である。
【図２】交通情報システムの構成図である。
【図３】知見・ノウハウを反映させるための構成を示した構成図である。
【図４】処理管理データベースが記憶されている記憶装置の説明図である。
【図５】アルゴリズム管理データベースの説明図である。
【図６】知見・ノウハウを反映させる処理の説明図である。
【図７】知見・ノウハウを反映させる処理の説明図である。
【図８】交通情報推定方法を示しているフローチャートである。
【図９】推定データベースを示す図である。
【図１０】ニューラルネットワークの構成図である。
【図１１】学習データベースを示す図である。
【図１２】学習処理を示すフローチャートである。
【発明を実施するための形態】
【００２０】
以下、本発明の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、本実施形態の情報処理装置を備えたシステムの一例を示す構成図である。本実施形態では、情報処理装置を交通情報推定装置（中央装置）１として具体化しており、図１は、交通情報推定装置１を備えた交通情報システムの全体構成図である。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等を含む。
【００２１】
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、交通情報推定装置１は、ＶＩＣＳ情報及びプローブ情報等の交通情報（観測情報）を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、交通情報推定装置１は、交通情報に基づいて、信号機制御や交通管制等の各種の交通用処理を行ってもよい。
【００２２】
この交通情報推定装置（情報処理装置）１は、処理装置（ＣＰＵ）及び記憶装置を有するコンピュータによって構成されており、記憶装置には、コンピュータを、交通情報推定装置１として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記ＣＰＵによって実行され、前記ＣＰＵ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（情報処理装置）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。
【００２３】
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、当該位置の通過時刻及びプローブ車両の車両ＩＤ等を含む交通情報である。また、プローブ情報には、プローブ車両の通過速度等その他の情報を含めても良い。プローブ情報の位置及び時刻の情報に基づいて、道路リンク毎のリンク旅行時間が得られる。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。
【００２４】
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１に転送する。また、路側通信機４は、交通情報推定装置から、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との間は、通信回線によって接続されている。
又は、車載装置２は、当該車載装置２と接続した携帯電話機５０を介して、プローブ情報を送信してもよい。この場合、車載装置２によってプローブ情報が生成されると、当該プローブ情報は、携帯電話機５０へ送られ、携帯電話機５０が基地局４９へプローブ情報を送信する。そして、基地局４９は、プローブ情報を交通情報推定装置１に転送する。また、携帯電話機５０は、交通情報推定装置１から基地局４９を介して、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に送ることができる。
【００２５】
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を計測する画像感知器よりなり、交差点等に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路等に設置されている。
【００２６】
路側センサ５によって検出された観測情報は、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。
【００２７】
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、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。
【００２８】
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毎にみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。
【００２９】
［２．交通情報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取得する。つまり、本実施形態に係る交通情報推定装置１は、所定エリア内の全道路リンクを母集団とし、全道路リンクのうちの一部の道路リンクについて交通情報を取得すると、残りの道路リンクについての交通情報を推定する。
【００３０】
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。
【００３１】
図２に示すように、交通情報推定装置１は、情報処理を行う処理システム（処理部）１０として、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（学習部）１２とを備えている。
そして、後にも説明するが、処理システム１０（推定システム１１及び学習システム１２）は、ある知見やノウハウを反映させることによりアルゴリズムを切り替えて情報処理（推定処理及び学習処理）を実行することができる。すなわち、処理システム１０は、ある知見やノウハウから得られたノウハウ処理に関する選択情報が参照されることにより、推定処理及び学習処理を行うために好ましいアルゴリズムが選択され、選択されたアルゴリズムによって推定処理及び学習処理が実行される。
【００３２】
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データベース１４、推定用パラメータ（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。
【００３３】
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を備えていて、入力情報から、リンクの「速度情報」を生成する処理を行う。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。
「速度情報」は、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］として算出することができる。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。
【００３４】
［３．知見・ノウハウの反映について］
［３．１ 知見・ノウハウの反映を行うための構成］
図３は、前記交通情報推定装置１の処理システム１０による情報処理（推定処理及び学習処理）に、知見・ノウハウを反映させるための構成を示した構成図である。交通情報推定装置１は、コンピュータプログラムによって実現される機能部として、システム依存部２１、選択反映部２２、設定部３１及び追加部２９，３０を有している。
また、本実施形態の処理システム１０（学習システム１２）は、処理コア部２３、アルゴリズム部２４を備えている。
【００３５】
さらに、交通情報推定装置１は、処理管理データベース２５を記憶装置上に備えている。このデータベース２５には、複数の選択情報が記憶されており、この選択情報は、処理システム１０における情報処理（推定処理及び学習処理）で用いられるアルゴリズムが選択される条件に関する情報である。なお、本実施形態では、前記条件は「道路リンクの特性」に関する条件である。
図４は処理管理データベース２５を記憶している記憶装置３３の説明図である。また、この選択情報は、処理システム１０における情報処理に反映させると好ましいノウハウ処理に関する情報であり、処理管理データベース２５には、このようなノウハウ処理の種類が記憶されており、ここでは更に、そのノウハウ処理のプログラム本体が同じ記憶装置３３上に記憶されている。
【００３６】
すなわち、図４において、処理管理データベース２５は、「インデックス」２５ａ、「知見・ノウハウ処理」２５ｂ、「有効／無効」２５ｃのデータ項目を有しており、「インデックス」の番号毎にそれぞれのデータ項目を保存可能なものである。そして、「知見・ノウハウ処理」２５ｂの項目に、前記ノウハウ処理の種類が記録されている。
【００３７】
図３において、システム依存部２１は、処理システム１０に依存する処理を行う機能を有しており、処理システム１０によって行われる情報処理の前処理を行う。なお、システム依存部２１による前処理は、後述する選択反映部２２による知見・ノウハウに関連する処理以外の処理である。システム依存部２１は、入力された入力データを前処理し、選択反映部２２へ処理用データを与える。
【００３８】
選択反映部２２は、処理システム１０による推定処理及び学習処理に、知見・ノウハウを反映させるための処理を行う機能を有している。
選択反映部２２は、前記処理管理データベース２５（図４参照）に基づいて、有効であるインデックスの「知見・ノウハウ処理」を抽出する。そして、選択反映部２２は、複数の「知見・ノウハウ処理」の中から抽出された、所定の「知見・ノウハウ処理」を参照し、当該「知見・ノウハウ処理」のプログラムを実行する。
これにより、処理システム１０による推定処理及び学習処理で用いられるアルゴリズムが、「道路リンクの特性」に応じて、複数のアルゴリズムから選択される処理が行われる。また、選択反映部２２は、参照した「知見・ノウハウ処理」及び処理システム１０による情報処理に適応する入力及び出力の様式を設定することができる。
【００３９】
すなわち、図４の場合、選択反映部２２は、図４のインデックスの項目において「０」及び「２」が有効であるので、「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を抽出し、これらを参照及び実行し、推定処理及び学習処理を行うために好ましいアルゴリズムを、複数のアルゴリズムから選択する。また、選択反映部２２は、処理システム１０へ出力する処理用データの数を変更することができる。なお、「知見・ノウハウ処理」の具体例は、後に説明する。
【００４０】
また、図４の処理管理データベース２５では、選択情報（知見・ノウハウ処理）の追加、削除、更新が可能である。すなわち、新規に選択情報（知見・ノウハウ処理）を追加する場合は、空いている（又は既存の番号と重複しない）インデックスの番号に対応させて、新たな知見・ノウハウ処理を蓄積させればよい。
このために、処理管理データベース２５が記憶されている記憶装置３３に、知見・ノウハウ処理（選択情報）を新たに記憶させるための選択情報追加部２９（図３参照）を、備えている。管理者によって、新たな知見・ノウハウ処理が得られると、この知見・ノウハウ処理を選択情報追加部２９によって記憶装置３３（図４参照）に追加することができる。
【００４１】
また、既に蓄積されている知見・ノウハウ処理が不要となった場合、該当するインデックスに対応する「有効／無効」のデータ項目を「無効」とすればよい。つまり、推定処理及び学習処理に必要とする知見・ノウハウ処理は、「有効／無効」の項目が「有効」となっている。
また、この「有効／無効」の項目の設定（切り替え）は、管理者によって、前記設定部３１（図３参照）が用いられて行われる。つまり、設定部３１によれば、記憶装置３３（処理管理データベース２５）に記憶されている複数の知見・ノウハウ処理のうち、選択反映部２２によって行われる選択の処理で用いられる知見・ノウハウ処理の設定を行うことができる。なお、処理管理データベース２５のデータ項目「有効／無効」２５ｃにおける有効から無効への切り替え、無効から有効への切り替えは、管理者によって、設定部３１を通じて任意に行うことができる。
そして、知見・ノウハウ処理を更新する場合は、更新する知見・ノウハウ処理のプログラム本体を更新すればよい。
【００４２】
選択反映部２２は、さらに、学習処理のために入力される（処理用データ）入力データから、当該選択反映部２２によって選択されたアルゴリズムに適応する学習用データを生成する機能を有している。例えば、選択反映部２２は、学習用データ（システム依存部２１からの入力データ）の数を増減させる機能を有している。
すなわち、選択反映部２２は、フィルタリング機能を有し、取得した複数の処理用データを減少させることができる。選択反映部２２は、抽出された「知見・ノウハウ処理」に応じて、処理用データの数を追加するのがよいと判断した場合には、処理用データの数を増加させる。つまりこの場合、処理用データの数が足りないと、選択反映部２２は、必要な数となるまで処理用データを蓄積しておき、必要な数に達すると、次のステップに進む処理を行う。
【００４３】
このように、選択反映部２２による処理の前後で、処理用データの数は増減することとなる。なお、処理の前後で、処理用データの形式は同じであってもよいが、必要に応じて処理用データの形式を変化させてもよい。
そして、選択反映部２２は、抽出された「知見・ノウハウ処理」に応じて適切な出力として、処理用データを処理システム１０（処理コア部２３）へ与える。
処理コア部２３は、選択反映部２２から処理用データを得ると、情報処理のためのアルゴリズムを実行するための前処理及び後処理を行う機能を有している。なお、どのアルゴリズムが選択されるかについては、選択反映部２２による「知見・ノウハウ処理」の実行処理に依存する。
【００４４】
前記アルゴリズム部２４は、複数のアルゴリズムを備えており、アルゴリズムそれぞれに依存した実質的な処理を実行する機能を有している。これらアルゴリズムは、アルゴリズム管理データベース２６（図５参照）に記憶されている。アルゴリズム管理データベース２６は、交通情報推定装置１が有している記憶装置３４上に備えたものであり、「インデックス」２６ａ、「アルゴリズム」２６ｂのデータ項目を有しており、インデックスの番号毎にアルゴリズムの種類を保存可能なものである。なお、アルゴリズムのプログラム本体は、データベースと同じ記憶装置３４に記憶されている。
【００４５】
このアルゴリズムは、追加、削除、更新が可能である。例えば、交通情報推定装置１が有しているフレームワークに基づいて、新たなアルゴリズムを作成することができ、作成したアルゴリズムを追加的に記憶装置３４に記憶させることができる。
このために、アルゴリズム管理データベース２６が記憶されている記憶装置３４にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部３０（図３参照）を、備えている。新たなアルゴリズムが得られると、このアルゴリズムによる処理に必要なアルゴリズム処理情報をアルゴリズム追加部３０によって、アルゴリズム管理データベース２６が記憶されている記憶装置３４に追加することができる。アルゴリズム処理情報は、例えば、対象アルゴリズムのプログラム本体のほか、それに対応する識別情報（インデックス）及び記憶場所を示すテーブルを含んでよい。なお、アルゴリズム（学習アルゴリズム）としては、図５に示しているように、単純パーセプトロン、バックプロパゲーション、サポートベクタマシン及びベイジアンネット等がある。
【００４６】
［３．２ 知見・ノウハウの反映の具体例］
テレマティクス分野において、図１で説明したように、他の道路リンク（以下、関連道路リンクともいう）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を備えた交通情報システムがある。交通情報推定装置１は、処理システム１０として、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システム１１と、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。
【００４７】
学習システム１２によって実行される学習処理は、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理である。すなわち、学習システム１２は、蓄積され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構成である。学習用データは、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他の道路リンクの交通情報との組み合わせによるデータである。
【００４８】
この交通情報推定装置１に、知見・ノウハウの反映を行うための構成を適用した場合を説明する。
図６において、システム依存部２１に、ある道路リンクに関して、推定システム１１が求めた交通情報（推定値）、又は、ＶＩＣＳ情報及びプローブ情報に基づく交通情報（実測値）等の入力データが入力される。システム依存部２１は、この入力データを前処理して処理用データを生成し、選択反映部２２に与える。
【００４９】
選択反映部２２は、前記処理用データが得られた道路リンクの特性（以下では、「道路特性」という）を把握する必要がある。なお、道路特性としては、例えば、道路が高速道路であるか、一般道路であるかについての道路種別がある。
道路特性を把握するために、選択反映部２２は、例えば、取得した処理用データの値のばらつき（標準偏差）と、予め設定されている閾値とを比較する。そして、選択反映部２２は、ばらつきが閾値よりも大きいと判定した場合、処理用データの種別は、一般道路についてのものであると判定する。
これに対して、選択反映部２２は、前記ばらつきが閾値以下であると判定した場合、処理用データの種別は、高速道路についてのものであると判定する。
【００５０】
または、選択反映部２２は、交通情報推定装置１の記憶装置に蓄積されている、各道路リンクの道路特性についての情報（特性情報）を取得することで、道路特性を把握してもよい。すなわち、全道路リンクそれぞれの道路特性については、道路リンク設定時に、その特性についての情報が、道路リンクのリンク番号と対応付けられて、交通情報推定装置１の記憶装置に蓄積されている。このため、選択反映部２２は処理用データと当該処理用データに含まれる道路リンクのリンク番号の情報とを取得することで、道路リンクそれぞれの特性情報を把握することができる。
【００５１】
そして、選択反映部２２は、処理管理データベース２５（図４参照）に基づいて、有効であるインデックス「０」「２」の「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を抽出する。選択反映部２２は、これら「知見・ノウハウ処理Ａ」及び「知見・ノウハウ処理Ｃ」を参照し、アルゴリズムの選択を実行する。なお、処理管理データベース２５における「有効／無効」２５ｃのデータ項目は、前記設定部３１が用いられて管理者によって予め設定されたものである。
【００５２】
「知見・ノウハウ処理Ａ」は、道路リンクが高速道路である場合、線形対応のアルゴリズムである単純パーセプトロンを使い、道路リンクが一般道路である場合、非線形対応のアルゴリズムであるバックプロパゲーションを使うという処理である。
【００５３】
ここで、推定システム１１によって道路情報を推定する対象である道路リンク（推定対象道路リンク）が、高速道路である場合と、一般道路である場合とで挙動が異なる。具体的には、高速道路では、推定対象道路リンクとそれに関連がある関連道路リンクとの間には、線形の相関関係が強く、一般道路では、推定対象道路リンクと関連道路リンクとの間に、非線形の相関関係が強いという知見がある。
そこで、この知見を、処理システム１０における情報処理（推定処理及び学習処理）に反映させるためのものが、前記「知見・ノウハウ処理Ａ」である。なお、「知見・ノウハウ処理」は、システム管理者によって創出される。
非線形に対応するアルゴリズムは線形なものを包含するので、全てについて、非線形対応のアルゴリズムで処理してもよいが、処理時間が多くかかってしまう。そこで「知見・ノウハウ処理Ａ」によれば、線形のアルゴリズムでも十分処理精度が得られるものは、線形のアルゴリズムで処理し、処理時間の短縮を図ることができる。
【００５４】
選択反映部２２は、前記のとおり、処理用データが得られた道路リンクの道路特性を把握していることから、この道路特性に基づいて「知見・ノウハウ処理Ａ」を実行する。
すなわち、処理用データが得られた道路リンクが高速道路であった場合、「知見・ノウハウ処理Ａ」によれば、選択反映部２２は、線形対応のアルゴリズムである単純パーセプトロンを選択する。
この場合、選択反映部２２は、この「知見・ノウハウ処理Ａ」の実行結果により、線形対応のアルゴリズムを選択すべきであるため、アルゴリズム管理データベース２６（図５参照）における「インデックス」を「０」（選択したアルゴリズムの識別情報）とすることを示す制御信号を生成する。
【００５５】
そして、選択反映部２２は、処理コア部２３へ処理用データと共に、前記制御信号を送る。
処理コア部２３は、選択したアルゴリズムの識別情報が含まれる前記制御信号を取得すると、アルゴリズム管理データベース２６（図５）によれば、処理アルゴリズムとして、単純パーセプトロンが選択されているので、その実行の開始処理を行う。つまり、図６に示しているように、アルゴリズムとして単純パーセプトロンが選択される。処理コア部２３は、上述のアルゴリズム処理情報に含まれるテーブルを参照し、選択された単純パーセプトロンの識別情報からその記憶場所を取得する。アルゴリズム部２４は、その記憶場所から単純パーセプトロン（例えば、重回帰分析）のプログラムを読み出し、これを利用して学習処理を行う。また、この場合、推定システム１１は、この単純パーセプトロンを用いて推定処理を行うことになる。
【００５６】
また、「知見ノウハウ処理Ｃ」は、道路リンクが高速道路である場合において、処理用データの数を減らすという処理である。
そこで、道路リンクが高速道路であるので、選択反映部２２は「知見ノウハウ処理Ｃ」を実行する。すなわち、複数が入力された学習用データのうち、類似しているデータについては削除する。
【００５７】
ここで、線形のアルゴリズムを採用する場合では、類似している処理用データを削除しても、処理精度はさほど低下しないという知見がある。そこで、この知見を学習システム１２による処理に反映させるためのものが、前記「知見・ノウハウ処理Ｃ」であり、システム管理者によって創出される。
この「知見・ノウハウ処理Ｃ」によれば、道路リンクが高速道路である場合、線形のアルゴリズムを採用することから、複数が入力された処理用データ（学習用データ）のうち、類似しているデータについては、削除し、さらなる処理速度の向上を図ることが可能となる。
【００５８】
これに対して、システム依存部２１から取得された処理用データが、一般道路である道路リンクによるものであった場合、「知見・ノウハウ処理Ａ」によれば、選択反映部２２は、非線形対応のアルゴリズムであるバックプロパゲーションを選択する。
この場合、選択反映部２２は、この「知見・ノウハウ処理Ａ」の実行結果により、非線形対応のアルゴリズムを選択するため、アルゴリズム管理データベース２６（図５参照）における「インデックス」を「１」とすることを示す制御信号を生成する。
【００５９】
そして、選択反映部２２は、処理コア部２３へ処理用データと共に、前記制御信号を送る。
処理コア部２３は、制御信号を取得すると、アルゴリズム管理データベース２６（図５）によれば、処理アルゴリズムとして、バックプロパゲーションが選択されているので、その実行の開始処理を行う。つまり、図７に示しているように、アルゴリズムとしてバックプロパゲーションが選択され、アルゴリズム部２４は、バックプロパゲーションを利用して学習処理を行う。また、この場合、推定システム１１は、多層パーセプトロンを用いて推定処理を行うことになる。
【００６０】
また、「知見・ノウハウ処理」の他の例として、以下のようなものがあり、これらについても、処理管理データベース２５（図４）に記憶されている。
すなわち、選択反映部２２に入力された処理用データが、高速道路の道路リンクについてのものであり、かつ、当該道路リンクが、東京都、大阪府及び名古屋市のいずれかに含まれている場合は、非線形対応のアルゴリズムであるバックプロパゲーションを利用し、それ以外であれば、線形対応のアルゴリズムである単層パーセプトロンを利用するという「知見・ノウハウ処理」がある。これは、高速道路では、周囲の道路リンクと比較的、線形的な相関があるが、首都圏では、分岐やランプも多く、非線形的な相関が強くなるという知見によるものである。
【００６１】
また、選択反映部２２に入力された処理用データ内に、性質が異なるデータが混在する場合、例えば、同じ道路リンクであるにも関わらず、当該道路リンクについて取得された交通情報の性質（速度情報の値）が大きく異なる場合、当該交通情報（速度情報）を分類して、分類した交通情報（速度情報）毎で、推定処理を行い、かつ、学習処理を行うようにするという「知見・ノウハウ処理」がある。
この「知見・ノウハウ処理」は、例えば、高速道路のランプの手前にあって複数車線を有する道路の道路リンクで有効である。すなわち、前記複数の車線のうち、先で分岐して一般道路へと繋がる（高速道路の出口へと繋がる）車線では、車両が渋滞することがあり、取得される速度情報が低速を示すのに対し、高速道路を継続して走行する車線では、取得される速度情報が高速を示すことがあるという知見に基づく。この場合、車両の行き先毎に、速度情報を分類して、分類した速度情報毎で、推定処理を行い、かつ、学習処理を行うようにすればよい。
さらに、別の「知見・ノウハウ処理」としては、特定の道路リンクでは、学習用データの数が所定値（例えば１００個）以上集まるまでは、空のアルゴリズム（なし）とするというノウハウ処理がある。
【００６２】
［４．推定システムについて］
［４．１ 推定処理］
図１で説明した交通情報推定装置１の推定システム１１による推定処理についてさらに説明する。図８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。
なお、ここで説明する推定処理、及び、後に説明する学習処理では、選択反映部２２へ与えられた処理用データは、高速道路である道路リンクから得られたものであり、前記選択反映部２２によって「知見・ノウハウ処理Ａ」が実行されている場合について説明する。つまり、処理アルゴリズムとして、線形対応である単純パーセプトロンが選択された場合として説明する。
【００６３】
図２において、交通情報推定装置１が、処理用データとして、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道路リンクの速度情報を生成する（ステップＳ１）。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。
【００６４】
続いて、ステップＳ１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１３を更新する（ステップＳ２）。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Ｓ３）。このステップＳ３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。更新された推定データベース１３の例を、図９に示す。
【００６５】
ステップＳ３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Ｓ４）。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Ｓ３で更新された推定データベース１３の内容の一部は、学習データベース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Ｓ５）。
【００６６】
以上のステップＳ１〜ステップＳ５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Ｓ１〜ステップＳ５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。
【００６７】
［４．２ 速度情報推定のためのモデル］
図１０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の一例を示している。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（本実施形態では、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。
【００６８】
また、重みｘi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。
【００６９】
ただし、図１０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。
【００７０】
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。前記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に蓄積されており、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。
【００７１】
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示す推定用パラメータ（重み）を用いて推定可能に構成されていることになる。
【００７２】
図８のステップＳ５における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し、学習用データとして蓄積される。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、推定データベースの全道路リンクの更新（ステップＳ２，Ｓ３）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。
【００７３】
［４．３ 学習処理について］
図１１は、ある道路リンク（リンク番号２０）について、複数のスナップショットが蓄積された学習データベース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学習用データとして蓄積された学習データベース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。
【００７４】
図１２は、学習システム１２による学習処理の手順を示している。この学習処理の手順を説明する。なお、学習システム１２は、前記のとおり、学習アルゴリズムとして単純パーセプトロン（図１０）が使用される。
学習システム１２は、誤差判定のための許容誤差等の学習用のパラメータ設定を行う（ステップＳ１１）。
【００７５】
つまり、学習システム１２は、学習データベース１４（図１１）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用データから、重みの最適値を算出する。重みの最適値の算出は、例えば、重回帰分析に基づいたアルゴリズムによって行える。
【００７６】
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Ｓ１２，ステップＳ１３）。なお、重みの最適値の算出（学習処理）は、ニューロエンジンに限らず、他の手段によって行われてもよい。
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。
【００７７】
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。
【００７８】
［５． 情報処理装置の別の実施形態］
前記実施形態では、本発明の情報処理装置を、交通情報推定装置として説明した。本発明の情報処理装置は、他の用途にも適用することができ、その一例としてスパムメール学習システムを備えた情報処理装置である。このスパムメール学習システムは、到来した電子メールが、正常なメールであるか、スパムメール（迷惑メール）であるか、を判定する処理を行う。つまり、学習システムによって蓄積されたデータに基づいて、新たに到来した電子メールを分析し、正常なメールであるか、スパムメールであるかの分類を行う。
【００７９】
そして、本実施形態のスパムメール学習システムは、ある知見やノウハウから得られたノウハウ処理が参照され、実行されたことにより、複数のアルゴリズムの中から選択されたアルゴリズムによって学習処理を行うことができる。
このために、前記実施形態と同様に、処理管理データベース（図４参照）が設けられており、この処理管理データベースには、スパムメール学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が記憶されている。なお、本実施形態では、前記条件は「学習用データの特性」に関する条件である。
この選択情報は、処理システムにおけるスパムメール学習処理に反映させると好ましいノウハウ処理に関する情報であり、処理管理データベース２５には、このようなノウハウ処理の種類、及び、そのノウハウ処理のプログラム本体が記憶されている。なお、本実施形態でも、追加部２９（図３参照）によって、選択情報（「知見・ノウハウ処理」）を新たに追加可能である。
【００８０】
なお、本実施形態における学習用データは、電子メールのデータを元に形成されたデータである。例えば、学習用データは、メールのデータに含まれている、宛先のデータ、送信元のデータ、ヘッダー部分のデータ、及び、メール本文の部分のデータ等である。
図３を参考に説明すると、システム依存部２１は、電子メールのデータが入力されると、当該電子メールのデータに含まれている、宛先のデータ、送信元のデータ、ヘッダー部分のデータ、及び、メール本文の部分のデータ等を取得し、これらを、処理用データとして選択反映部２２へ出力する。
【００８１】
そして、前記実施形態と同様に、選択反映部２２は、有効である「知見・ノウハウ処理」を参照し、その処理を実行することにより、スパムメール学習処理を行うために好ましいアルゴリズムを、学習用データの特性に応じて、複数のアルゴリズムから選択する。
すると、スパムメール学習システム（処理システム）は、複数のアルゴリズムのうち、選択反映部２２によって選択されたアルゴリズムによって、学習処理を実行する。
【００８２】
本実施形態における選択情報（「知見・ノウハウ処理」）としては、以下のものがあり、これらについて、処理管理データベース２５（図４参照）に記憶されている。また、新たに選択情報（知見・ノウハウ処理）が作成されると、追加して記憶させることができる。
選択反映部２２に入力された学習用データが、日本のものである場合（つまり、日本から到来したものである場合）ベイジアンフィルタにより学習し、それ以外のものはサポートベクタマシンとベイジアンフィルタとの双方により学習するという「知見・ノウハウ処理」がある。
これによれば、海外からの電子メールに対しては二重のアルゴリズムで学習することにより、万全を備えることができる。
【００８３】
また、他の「知見・ノウハウ処理」としては、選択反映部２２に入力されたデータが、ＡＡＡ会社のものである場合、メール本文を学習対象として学習し、それ以外はメールの宛先のデータ及びメールの送信元のデータのみを学習対象として学習するというノウハウ処理がある。この場合、第一フィルタリングにより抽出されたデータに対して、重点的に学習させることができる。
【００８４】
このように設定されている「知見・ノウハウ処理」を実行することで、学習用データの特性に応じたアルゴリズムが選択され、学習処理に好ましい結果をもたらすことが可能となる。例えば、「知見・ノウハウ処理」を実行することで、ベイジアンフィルタを採用すれば、このベイジアンフィルタのアルゴリズムであるベイズ理論は回帰モデルではないので、処理を速くすることができる。また、サポートベクタマシンを採用すれば、ベイジアンフィルタの場合よりもテキスト分類の精度を高くすることができる。
【００８５】
以上のような前記各実施形態によれば、情報処理に反映させると好ましい知見・ノウハウ処理が参照されることにより、情報処理の対象とする処理用データの特性に基づいて、好ましいアルゴリズムが複数のアルゴリズムから選択される。そして、このアルゴリズムによって情報処理が実行される。すなわち、情報処理の対象とする処理用データの特性に基づいて、好ましいアルゴリズムの切り替えが可能となり、汎用性の高い情報処理装置となる。また、アルゴリズムの選択は、情報処理に反映させると好ましいノウハウに関するノウハウ処理を実行することにより達成されることから、選択されるアルゴリズムは、実行される情報処理に当然相応しいものである。
【００８６】
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。
【符号の説明】
【００８７】
１：交通情報推定装置（情報処理装置）、 １０：処理システム（処理部）、 １１：推定システム（推定部）、 １２：学習システム（学習部）、 ２２：選択反映部（反映部）、 ２５：処理管理データベース、 ２６：アルゴリズム管理データベース（第２の記憶部）、 ２９：選択情報追加部、 ３０：アルゴリズム追加部、 ３１：設定部、 ３３：記憶装置（第１の記憶部） ３４：記憶装置（第２の記憶部）
【特許請求の範囲】
【請求項１】
学習処理を所定のアルゴリズムを用いて実行する情報処理装置であって、
前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である記憶部と、
前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部と、
選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行する処理部と、
を有していることを特徴とする情報処理装置。
【請求項２】
前記記憶部に選択情報を新たに記憶させるための選択情報追加部を、更に備えている請求項１に記載の情報処理装置。
【請求項３】
前記アルゴリズムによる処理に必要なアルゴリズム処理情報を複数記憶可能である第２の記憶部と、当該第２の記憶部にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部と、を更に備えている請求項１又は２に記載の情報処理装置。
【請求項４】
前記記憶部に記憶されている複数の選択情報のうち、前記選択反映部によって行われる前記選択の処理で用いられる選択情報を設定する設定部を、更に備えている請求項１〜３のいずれか一項に記載の情報処理装置。
【請求項５】
前記選択反映部は、前記学習処理のために入力される入力データから、前記選択反映部によって選択されたアルゴリズムに適応する学習用データを生成する請求項１〜４のいずれか一項に記載の情報処理装置。
【請求項６】
前記選択反映部は、前記学習処理のために入力される入力データの数を増減させて前記学習用データを生成する請求項５に記載の情報処理装置。
【請求項７】
前記学習処理は、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理である請求項１〜６のいずれか一項に記載の情報処理装置。
【請求項８】
コンピュータを、請求項１〜７のいずれか１項に記載の情報処理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９】
学習処理を所定のアルゴリズムを用いて実行するコンピュータによる情報処理方法であって、
前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、コンピュータに複数記憶されており、
コンピュータが、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択し、
コンピュータが、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行することを特徴とする情報処理方法。
【請求項１】
学習処理を所定のアルゴリズムを用いて実行する情報処理装置であって、
前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である記憶部と、
前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部と、
選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行する処理部と、
を有していることを特徴とする情報処理装置。
【請求項２】
前記記憶部に選択情報を新たに記憶させるための選択情報追加部を、更に備えている請求項１に記載の情報処理装置。
【請求項３】
前記アルゴリズムによる処理に必要なアルゴリズム処理情報を複数記憶可能である第２の記憶部と、当該第２の記憶部にアルゴリズムによる処理に必要なアルゴリズム処理情報を新たに記憶させるためのアルゴリズム追加部と、を更に備えている請求項１又は２に記載の情報処理装置。
【請求項４】
前記記憶部に記憶されている複数の選択情報のうち、前記選択反映部によって行われる前記選択の処理で用いられる選択情報を設定する設定部を、更に備えている請求項１〜３のいずれか一項に記載の情報処理装置。
【請求項５】
前記選択反映部は、前記学習処理のために入力される入力データから、前記選択反映部によって選択されたアルゴリズムに適応する学習用データを生成する請求項１〜４のいずれか一項に記載の情報処理装置。
【請求項６】
前記選択反映部は、前記学習処理のために入力される入力データの数を増減させて前記学習用データを生成する請求項５に記載の情報処理装置。
【請求項７】
前記学習処理は、道路リンクの交通情報を他の道路リンクの交通情報から推定する推定処理を、所定のアルゴリズムにより最適化する処理である請求項１〜６のいずれか一項に記載の情報処理装置。
【請求項８】
コンピュータを、請求項１〜７のいずれか１項に記載の情報処理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９】
学習処理を所定のアルゴリズムを用いて実行するコンピュータによる情報処理方法であって、
前記学習処理で用いられるアルゴリズムが選択される条件に関する選択情報が、コンピュータに複数記憶されており、
コンピュータが、前記選択情報を参照して前記学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択し、
コンピュータが、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって前記学習処理を実行することを特徴とする情報処理方法。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１１−１４１６７８（Ｐ２０１１−１４１６７８Ａ）
【公開日】平成２３年７月２１日（２０１１．７．２１）
【国際特許分類】
【出願番号】特願２０１０−１４４２（Ｐ２０１０−１４４２）
【出願日】平成２２年１月６日（２０１０．１．６）
【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７月２１日（２０１１．７．２１）
【国際特許分類】
【出願日】平成２２年１月６日（２０１０．１．６）
【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 ]