車両乗降履歴関連付け装置および車両乗降履歴関連付け装置用のプログラム
【課題】車両の過去の履歴データを用いる技術において、降車と乗車の因果関係を特定して利用できるようにする。
【解決手段】乗車時刻および乗車場所のデータを含む乗車レコードと、降車時刻および降車場所のデータを含む降車レコードとの組を有する乗降レコードを、車両の走行の順に、走行履歴データに逐次記録し、同じ場所で同じ時間帯に乗車行動（または降車行動）があったレコードをグループ化して細分化乗車グループまたは細分化降車グループを作成し（ステップ１００、２００）、強い乗降の因果関係にある細分化乗車グループと細分化降車グループとを関連付けて乗降関連付けデータに記録する（ステップ３００）。
【解決手段】乗車時刻および乗車場所のデータを含む乗車レコードと、降車時刻および降車場所のデータを含む降車レコードとの組を有する乗降レコードを、車両の走行の順に、走行履歴データに逐次記録し、同じ場所で同じ時間帯に乗車行動（または降車行動）があったレコードをグループ化して細分化乗車グループまたは細分化降車グループを作成し（ステップ１００、２００）、強い乗降の因果関係にある細分化乗車グループと細分化降車グループとを関連付けて乗降関連付けデータに記録する（ステップ３００）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、車両乗降履歴関連付け装置および車両乗降履歴関連付け装置用のプログラムに関するものである。
【背景技術】
【０００２】
従来、車両の走行時の各種情報を記録し、記録した情報を利用して各種制御を行う技術が知られている。例えば、特許文献１には、エンジンオンからオフまでの走行ルート毎にそのルート内の各区間の平均車速等の情報を記録し、その記録した情報を後の運転支援に用いる技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−２１３５９４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、上記のような技術では、ドライバが車両から降車した後、次の乗車がいつになるのかが不明である。つまり、降車と乗車の因果関係を特定することはできない。
【０００５】
本発明は上記点に鑑み、車両の過去の履歴データを用いる技術において、降車と乗車の因果関係を特定して利用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】
【０００６】
上記目的を達成するための請求項１に記載の発明は、ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）と、前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）と、前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降の因果関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降の因果関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）と、ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）と、を備えた車両乗降履歴関連付け装置である。
【０００７】
このように、走行履歴データにおいて、細分化降車グループに属する降車レコードの次に記録された乗車レコードを見つけ、その乗車レコードが属する細分化乗車グループを特定していき、その特定された回数が多いものを、当該細分化降車グループの関連付け先とすることで、細分化降車グループと乗降の因果関係が強い細分化乗車グループを特定することができる。このようになっていることで、降車行動のあった時刻と位置さえわかれば、乗降関連付けデータに基づいて次の乗車時刻をある程度高い正確性で予測できる。
【０００８】
また、請求項２に記載の発明は、請求項１に記載の車両乗降履歴関連付け装置において、前記関連付け手段（３００）は、前記１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の際は、当該細分化乗車グループに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードが属する細分化降車グループを特定し、その結果、特定された回数が基準回数以上となった細分化降車グループを、当該細分化乗車グループと強い乗降関係にある細分化降車グループとして選び出し、選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録し、前記予測手段（４２５、６２０、７３０）は更に、ドライバの前記車両への乗車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループが関連付けられた先の細分化降車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて次にドライバが前記車両から降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて次にドライバが前記車両から降車する場所を予測することを特徴とする。
【０００９】
このように、走行履歴データにおいて、細分化乗車グループに属する乗車レコードと組になって乗降レコードとして記録された降車レコードを見つけ、その降車レコードが属する細分化降車グループを特定していき、その特定された回数が多い細分化降車グループを、当該細分化乗車グループの関連付け先とすることで、細分化乗車グループｐと乗降の因果関係が強い細分化降車グループを特定することができる。
【００１０】
このようになっているので、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻または降車場所をある程度高い正確性で予測できる。
【００１１】
また、請求項３に記載の発明は、請求項２に記載の車両乗降履歴関連付け装置において、前記予測手段（４２５、５１２、６２０、７３０）は更に、ドライバの前記車両からの降車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループが関連付けられた先の細分化降車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて、次にドライバが前記車両に乗車した後に降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて、次にドライバが前記車両に乗車した後に降車する場所を予測することを特徴とする。
【００１２】
このようになっていることで、目的地が設定されていなくても、最後の降車時刻と降車地点さえわかれば、乗降関連付けデータに基づいて次の降車場所をある程度高い正確性で予測でき、その降車場所を用いて各種処理を行うことができる。
【００１３】
また、請求項４に記載の発明は、請求項１ないし３のいずれか１つに記載の車両乗降履歴関連付け装置において、前記グループ化手段（１００、２００）は、前記走行履歴データ中のレコードのうち、同じ場所で乗車行動があった乗車レコードをグループ化することで１つ以上の乗車グループを作成し、同じ場所で降車行動があった降車レコードをグループ化することで１つ以上の降車グループを作成する第１グループ化手段（１００）と、前記１つ以上の乗車グループのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードをグループ化して１つ以上の細分化乗車グループとし、また、前記１つ以上の降車グループのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードをグループ化して１つ以上の細分化降車グループとする第２グループ化手段（２００）と、を備え、前記第１グループ化手段（１００）は、前記走行履歴データから乗車レコードおよび降車レコードを読み出し、読み出した乗車レコードのうち同じ場所で乗車行動があった乗車レコードの集合のそれぞれについて、当該乗車レコードの集合の要素数が、読み出した乗車レコードの総数に対して所定の割合以上の数となることに基づいて、当該集合中の乗車レコードをグループ化して乗車グループとし、また、読み出した降車レコードのうち同じ場所で降車行動があった降車レコードの集合のそれぞれについて、当該集合の要素数が、読み出した降車レコードの総数に対して所定の割合以上の数となる場合、当該集合中の降車レコードをグループ化して降車グループとすることを特徴とする。
【００１４】
このように、まず同じ乗車場所または降車場所のレコードをグループ化し、次に、グループ化した乗車グループまたは降車グループ内で、同じ時間帯でグループ化して細分化乗車グループまたは細分化降車グループを作成するようになっており、同じ乗車場所（または降車場所）のグループ化は、同じ乗車場所（または同じ降車場所）となるレコードの数が多いものを選んで行うようになっている。
【００１５】
このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００１６】
また、請求項５に記載の発明は、請求項４に記載の車両乗降履歴関連付け装置において、前記第２グループ化手段（２００）は、前記１つ以上の乗車グループのそれぞれに対し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に乗車行動があった乗車レコードを当該乗車グループから抽出し、抽出した乗車レコードをグループ化して細分化乗車グループを作成し、また、前記１つ以上の降車グループのそれぞれに対し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に降車行動があった降車レコードを当該降車グループから抽出し、抽出した降車レコードをグループ化して細分化降車グループを作成し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する際には、前記第１グループ化手段（１００）が読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定し、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における乗車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する際には、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における降車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出することを特徴とする。
【００１７】
このように、同じ乗車時間帯（または降車時間帯）のグループ化は、同じ乗車時間帯（または同じ降車時間帯）となるレコードの数が多いものを選んで行うようになっている。このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から更に除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００１８】
また、請求項６に記載の発明は、車両乗降履歴関連付け装置に用いられるプログラムであって、前記車両乗降履歴関連付け装置を、ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）、前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）、前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）、およびドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）として機能させるプログラムである。このように、本発明の特徴は、プログラムとしても捉えることができる。
【００１９】
なお、上記および特許請求の範囲における括弧内の符号は、特許請求の範囲に記載された用語と後述の実施形態に記載される当該用語を例示する具体物等との対応関係を示すものである。
【図面の簡単な説明】
【００２０】
【図１】本発明の実施形態に係る車両用ナビゲーション装置１の構成図である。
【図２】制御回路１７の機能性を示す図である。
【図３】走行履歴データの一例を示す図表である。
【図４】乗降行動推定処理部１７ｆが実行する処理のフローチャートである。
【図５】図５のステップ１００の処理の詳細を示すフローチャートである。
【図６】同一場所乗車データの構成を示す図である。
【図７】同一場所乗車データの構成を示す図である。
【図８】図５のステップ２００の処理の詳細を示すフローチャートである。
【図９】抽出期間３０および抽出期間３０内における乗車時刻３１の分布を示す模式図である。
【図１０】同一場所時間帯乗車データの構成を示す図である。
【図１１】同一場所時間帯降車データの構成を示す図である。
【図１２】図５のステップ３００の処理の詳細を示すフローチャートである。
【図１３】乗降関連付けデータの構成を示す模式図である。
【図１４】エネルギ予測モニタ部１７ｇの処理内容を示すフローチャートである。
【図１５】自動充電制御部１７ｈの処理内容を示すフローチャートである。
【図１６】自動プレ空調部１７ｉの処理内容を示すフローチャートである。
【図１７】蓄冷エアコン制御部１７ｊの処理内容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】
【００２１】
以下、本発明の一実施形態について説明する。図１に、本実施形態に係る車両用ナビゲーション装置１（車両乗降履歴関連付け装置の一例に相当する）の構成を湿す。この車両用ナビゲーション装置１が搭載される車両は、走行用の動力源である走行用電気モータを備えている。この電気モータに電力を供給するバッテリは、二次電池であり、車両の外部の電源（例えば、家庭用電源、充電器）を用いて充電可能となっている。このような車両の例としては、電動車両、プラグインハイブリッド車両等がある。また、この車両には、車室内空調装置が搭載されている。
【００２２】
図１に示すように、この車両用ナビゲーション装置１は、位置検出器１１、画像表示装置１２、操作部１３、スピーカ１４、地図データ取得部１６、制御回路１７を備えている。
【００２３】
位置検出器１１は、ＧＰＳ受信機、車速センサ、加速度センサ、ジャイロセンサ等、車両の現在位置を特定するための信号を制御回路１７に出力するセンサである。画像表示装置１２は、制御回路１７の制御に従って文字や画像をユーザに表示する液晶ディスプレイ等の装置である。操作部１３は、ユーザの操作を受け付け、受け付けた操作に応じた信号を制御回路１７に出力する装置である。
【００２４】
地図データ取得部１６は、制御回路１７の制御に従って地図データを取得して制御回路１７に出力する装置である。地図データの取得方法は、地図データ取得部１６に備えられた書き込み可能な記憶媒体（磁気記憶媒体、フラッシュメモリ）から地図データを読み出す方法を採用する。でもよいし、無線通信によって車両１の外部の地図提供サーバから地図データをダウンロードする方法でもよい。
【００２５】
地図データ取得部１６が取得する地図データは、道路を表すリンクの位置、形状、接続関係を示す道路データ、施設（ホテル、レストラン、コンビニエンスストア、駐車場等）の位置範囲を示す施設データ等から成る。なお、施設データには、走行用バッテリに充電可能な充電スポットの位置および当該充電スポットの単位電力量当たりの充電価格の情報も含まれている。
【００２６】
制御回路１７は、ＣＰＵ、ＲＡＭ、ＲＯＭ、フラッシュメモリ等を備えた装置（例えばマイクロコントローラ）であって、ＲＯＭまたはフラッシュメモリに記録されたプログラムをＣＰＵが実行することで、各種機能を実現するようになっている。制御回路１７が実現する機能の構成は、図２に示すようになっている。すなわち、制御回路１７は、充放電制御部１７ａ、マップマッチング部１７ｂ、経路算出処理部１７ｃ、ナビゲーション処理部、走行情報記憶処理部１７ｅ、乗降行動推定処理部１７ｆを有している。
【００２７】
充放電制御部１７ａは、走行用電気モータを用いた走行用バッテリの充電、放電を制御し、走行用バッテリの充電量を示すＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）を検出する処理を行う。ここで充電とは、制動力、エンジンの駆動力を用いて走行用電気モータを回転させることで発電し、その結果得た電力を走行用バッテリに充電すること、および、外部の電源（家庭用電源、充電スポットに設置された充電器等）からの電力で走行用バッテリに充電することをいう。また、放電とは、走行用バッテリに蓄積された電力を用いて走行用電気モータを回転させ、その回転力により車両を走行させることをいう。
【００２８】
マップマッチング部１７ｂは、位置検出器１１からの検出信号に基づいて車両の現在位置を特定し、特定した現在位置をリンク上の位置に補正する。経路算出処理部１７ｃは、出発地点（例えば現在位置）から到着地点（例えば、操作部１３を用いてユーザが設定した目的地）までの最適な誘導経路を算出する。ナビゲーション処理部１７ｄは、誘導経路に沿った車両の走行を支援するため、誘導経路に沿った右左折ポイントの手前で画像表示装置１２およびスピーカ１４を用いた案内報知を行う。
【００２９】
走行情報記憶処理部１７ｅは、車両が走行する度に、１つの乗降レコードを、地図データ取得部１６の記憶媒体中の走行履歴データに、追加記録する。図３に、走行履歴データの一例を示す。なお、この図においては、記録日の記載は省略している。
【００３０】
具体的には、走行情報記憶処理部１７ｅは、ドライバの車両への乗車行動（乗車のための行動、または、乗車に付随した行動）があったか否かを、乗車行動があったと判定するまで繰り返し判定し、乗車行動があったと判定すると、そのとき（すなわち、乗車行動の検出時）の時刻および自車両の現在位置を含む場所（すなわち、自車両の所在場所）を、乗車時刻および乗車場所としてＲＡＭに記録する。
【００３１】
なお、現在位置がどの場所に属するかは、地図データに基づいて決定する。具体的には、現在位置が地図データ中のどの施設の位置範囲（エリア）に含まれるかを特定し、特定した施設を、現在位置を含む場所とする。
【００３２】
また、現在位置が地図データ中のどの施設の位置範囲にも含まれない場合は、あらかじめ定めた地理区画（例えば、緯度で１秒毎に区切り、経度で１秒毎に区切った地理区画）に基づいて、現在位置がどの地理区画（エリア）に属するかを特定し、特定した区画を、現在位置を含む場所とする。
【００３３】
ドライバの車両への乗車行動があったか否かの判定は、車両の主電源がオフからオンになったか否かで判定する。ここで、主電源のオン、オフは、エンジンと走行用電気モータを併用して走行する車両（またはエンジンの動力のみで走行する車両）の場合はエンジンキーのオン、オフに相当し、走行用電気モータのみで走行する車両の場合は、電力スイッチのオン、オフに相当する。
【００３４】
また、走行情報記憶処理部１７ｅは、ドライバの車両からの降車行動（降車のための行動、または、降車に付随した行動）があったか否かを、降車行動があったと判定するまで繰り返し判定し、降車行動があったと判定すると、そのとき（すなわち、降車行動の検出時）の時刻および自車両の現在位置を含む場所を、降車時刻および降車場所としてＲＡＭに記録する。ドライバの車両への降車行動があったか否かの判定は、車両の主電源がオンからオフになったか否かで判定する。
【００３５】
そして、その時点においてＲＡＭに記録されている乗車時刻、乗車場所、降車時刻、降および車場所の情報を用いて、乗降レコードを作成する。具体的には、乗車のイベントであることを示す乗車ヘッダ、乗車時刻、および乗車場所から成る乗車レコードを作成し、降車のイベントであることを示す降車ヘッダ、降車時刻、および降車場所から成る降車レコードを作成し、これら乗車レコードと降車レコードとを１組にまとめ、更に乗車レコードと降車レコードの組に、走行履歴データ中の乗降レコードを個々に識別するための識別番号である走行履歴番号と、現在の日付を示す記録日とを付加したものを、１つの乗降レコードとする。
【００３６】
そして、このようにして作成した乗降レコードを、地図データ取得部１６の記憶媒体中の走行履歴データの最後尾（または先頭でもよい）に追加記録する。そして、ＲＡＭ中の乗車時刻、乗車場所、降車時刻、降車場所を消去する。
【００３７】
このように、走行情報記憶処理部１７ｅは、乗車行動を検出し、その後に降車行動を検出する度に、ドライバの車両への乗車行動を検出したときの時刻および車両の所在場所をそれぞれ乗車時刻および乗車場所とし、ドライバの車両からの降車行動を検出したときの時刻および車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、走行の順に、走行履歴データに逐次記録する。
【００３８】
このような処理が車両の走行の度に実行されることで、走行履歴データには、乗降レコードが時系列順に複数個（例えば、１００回走行したら１０個）蓄積されることになる。
【００３９】
次に、乗降行動推定処理部１７ｆについて説明する。乗降行動推定処理部１７ｆは、走行履歴データに基づいて、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成し、それら細分化乗車グループと細分化降車グループの間で、強い乗降関係（乗降の因果関係をいう。以下同じ。）にあるグループ同士を関連付ける。
【００４０】
図４に、乗降行動推定処理部１７ｆが実行する処理のフローチャートを示す。乗降行動推定処理部１７ｆは、例えば車両の主電源がオンになったタイミングで、この図４に示す処理を１回実行するようになっていてもよいし、車両のドライバが操作部１３に対して所定の開始操作を行ったことに基づいて、この図４に示す処理を１回実行するようになっていてもよい。
【００４１】
図４の処理において乗降行動推定処理部１７ｆは、まずステップ１００で、走行履歴データ中に記録された乗車レコードのうち、同じ場所で乗車行動があった乗車レコードのリストを作成することで、同じ場所で乗車行動があった乗車レコードをグループ化する。
【００４２】
具体的には、ステップ１００では、図５に示すような処理を行う。まずステップ１１０では、走行履歴データから、乗降レコードを読み出す。ただし、読み出す乗降レコードは、最新のものから遡って所定数（例えば１００個）の乗降レコードとする。このようにすることで、古すぎて現状に合わない走行記録を反映した処理を行ってしまう可能性が低減される。
【００４３】
続いてステップ１２０では、読み出した乗降レコードに対して、乗車割合の高い乗車場所に限定して、同一乗車場所のグルーピングを行う。具体的には、読み出した乗降レコードに含まれるすべての乗車レコードを、同じ場所で乗車行動があった乗車レコードの集合に振り分ける。
【００４４】
例えば、読み出した乗降レコードが図３のようなものであった場合、走行履歴番号１、３、５、７に対応する乗車レコードは、自宅で乗車行動があった乗車レコードの集合に振り分けられる。また、走行履歴番号４に対応する乗車レコードは、Ｂスーパーで乗車行動があった乗車レコードに振り分けられる。
【００４５】
そして、そのようにして振り分けた乗車レコードの集合のそれぞれに対して、当該集合の要素数が、ステップ１１０で読み出した乗車レコードの総数に対して所定の割合（例えば、１０％）以上の数となる場合、当該集合中の乗車レコードをグループ化して１つの乗車グループＰとする。具体的には、当該集合中の乗車レコードに含まれる場所と、当該集合に属する乗車レコードの走行履歴番号のリストと、を含む同一場所乗車データを１個作成し、地図データ取得部１６の記憶媒体に記録する。図６に、１個の同一場所乗車データの構成を示す。したがって、乗車グループＰ毎に、１つの同一場所乗車データが作成される。
【００４６】
続いてステップ１３０では、ステップ１２０と同様のことを降車レコードに対しても行う。つまり、ステップ１１０で読み出した乗降レコードに対して、乗車割合の高い降車場所に限定して、同一降車場所のグルーピングを行う。具体的には、読み出した乗降レコードに含まれるすべての降車レコードを、同じ場所で降車行動があった降車レコードの集合に振り分ける。
【００４７】
そして、そのようにして振り分けた降車レコードの集合のそれぞれに対して、当該集合の要素数が、ステップ１１０で読み出した降車レコードの総数に対して所定の割合（例えば、１０％）以上の数となる場合、当該集合中の降車レコードをグループ化して１つの降車グループＱとする。具体的には、当該集合中の降車レコードに含まれる場所と、当該集合に属する降車レコードの走行履歴番号のリストと、を含む同一場所降車データを１個作成し、地図データ取得部１６の記憶媒体に記録する。図７に、１個の同一場所降車データの構成を示す。したがって、降車グループＱ毎に、１つの同一場所降車データが作成される。ステップ１３０の後、ステップ１００の処理は終了する。
【００４８】
このように、ステップ１００では、ある程度以上頻繁に同じ場所で乗車行動があった乗車レコードをグループ化して乗車グループＰとし、ある程度以上頻繁に同じ場所で降車行動があった乗車レコードをグループ化して降車グループＱとする。ステップ１００に続いては、ステップ２００に進む。
【００４９】
ステップ２００では、ステップ１１０で作成された乗車グループＰのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードのリストを作成することで、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化して細分化乗車グループｐとし、また、降車グループＱのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードのリストを作成することで、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化して細分化降車グループｑとする。
【００５０】
図８に、このステップ２００の処理の詳細を示す。乗降行動推定処理部１７ｆは、まずステップ２１０で、１つの乗車グループＰまたは１つの降車グループＱを新たに抽出し、抽出した乗車グループＰに対してステップ２２０、２３０を実行し、その後、ステップ２４０ですべての乗車グループＰおよびすべての降車グループＱに対してステップ２２０、２３０の処理を行ったか否かを判定し、行ったと判定した場合はステップ２００の処理を終了し、行っていない場合、再度ステップ２１０に戻り、まだ抽出されていない１つの乗車グループＰまたは１つの降車グループＱを新たに抽出する。したがって、ステップ２２０、２３０の処理は、乗車グループＰのそれぞれに対して１回ずつ実行され、また、降車グループＱのそれぞれに対して１回ずつ実行される。
【００５１】
まず、１つの乗車グループＰに対してステップ２２０、２３０の処理を実行する場合について説明する。まずステップ２２０では、当該乗車グループＰに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する。
【００５２】
なお、ある乗車グループＰに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する方法は、以下の通りである。まず、走行履歴データから読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定する。具体的には、図５のステップ１１０で読み出した乗降レコードのうち、最も過去に記録された乗降レコードの記録日を特定し、その記録日から現在の日付までの総日数を上記記録期間として特定する。
【００５３】
続いて、図９に示すように、抽出期間３０を設定する。抽出期間３０の長さは２時間とし、駐車期間の開始時刻は０時から２２時までの期間内で１時間ずつ順次ずらして設定していく。具体的には、まず抽出期間を０時から２時までの期間に設定し、次に抽出期間を１時から３時までの期間に設定し、次に抽出期間３０を３時から５時までの期間に設定するという風に、抽出期間３０をずらして設定していく。そして、抽出期間３０を１つの期間に設定する度に、その期間内で乗車時刻が集中している時間帯を探索する。
【００５４】
各抽出期間３０内（例えば図９の例では６時から８時）における集中時間帯の探索は、以下のように行う。まず、当該乗車グループＰのうち抽出期間３０内に乗車行動があった乗車レコード中の乗車時刻３１をサンプルとする正規分布３２（縦軸はサンプルにおける乗車時刻の頻度）を、周知の方法により推定する。そして、推定した正規分布の平均値μおよび分散σ２を算出する。
【００５５】
そして、当該サンプルの総数を上述の記録期間で除算した値が所定の第１閾値（例えば０．０５）以上であり、かつ、分散σ２が所定の第２閾値（例えば、２０分の自乗）未満である場合に限り、平均値μを中心とする標準偏差σのｎ倍の範囲を、乗車時刻の分布が集中している時間帯とする。このｎの値は、２でもよいし３でもよい。
【００５６】
なお、２４時間よりも短い抽出範囲３０を設定するのは、２４時間全体に対して正規分布を推定して平均値μおよび分散σ２を算出しても、複数の時間帯の乗車時刻の集中（例えば、朝の通勤時の集中、夕方の帰宅時の集中）を見つけることができないからである。
【００５７】
しかし、通勤、買い物等のドライバの習慣的行動には、ある程度の時間のばらつきがあるので、抽出範囲３０をあまり短くし過ぎても、ドライバの習慣的行動に対応した集中時間帯を見つけることが困難になってしまう。そこで、抽出範囲３０を２時間とすることで、ドライバの習慣的行動としてある程度意味のある集中を見つけることが可能となる。ただし、必ず２時間でなければならないというわけではなく、１時間としてもよい場合もあれば、３時間、４時間としてもよい場合もある。
【００５８】
だだし、通勤、買い物等のドライバの習慣的行動には、ある程度の乗車時刻、降車時刻のばらつきがあるので、抽出範囲３０をあまり短くし過ぎても、ドライバの習慣的行動に対応した集中時間帯を見つけることが困難になってしまう。そこで、抽出範囲３０を、そのようなばらつきよりも広いと考えられる２時間とすることで、ドライバの習慣的行動としてある程度意味のある集中を見つけることが可能となる。ただし、必ず２時間でなければならないというわけではなく、１時間としてもよい場合もあれば、３時間、４時間としてもよい場合もある。
【００５９】
また、抽出範囲３０を絞ると、抽出範囲３０の境界付近（例えば、図９の例における９８時付近）を中心とした乗車時刻の集中を、うまく見つけることができない可能性がある。そこで、抽出範囲３０をずらす場合は、抽出範囲３０の長さよりも短いステップ（本例では半分の１時間）でずらすことで、どのような時間帯における集中も見るけることができる可能性が高まる。
【００６０】
また、抽出範囲３０で、分散σ２の閾値を設け、その閾値よりも分散σ２が小さい場合に限って、乗車時刻が集中していると判定するのは、抽出範囲３０が、上記のように、ドライバの習慣的行動の時刻のばらつきよりも広めに設定されているからである。
【００６１】
続いてステップ２３０では、抽出した時間帯に乗車行動があった乗車レコード（すなわち、抽出した時間帯内の乗車時刻を含む乗車レコード）を当該乗車グループＰから抽出し、抽出した乗車レコードをグループ化して１つの細分化乗車グループｐを作成する。
【００６２】
具体的には、抽出した当該時間帯と、抽出した乗車レコード中の場所と、抽出した乗車レコードの走行歴番号のリストと、を含む同一場所時間帯乗車データを作成することで、抽出した乗車レコードをグループ化して細分化乗車グループｐを作成する。図１０に、同一場所時間帯乗車データの構成を示す。
【００６３】
次に、１つの降車グループＱに対してステップ２２０、２３０の処理を実行する場合について説明する。まずステップ２２０では、当該降車グループＱに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する。抽出方法は、乗車グループＰに対して用いた方法において、乗車グループＰを降車グループＱに置き換え、乗車を降車に置き換えたものを採用すればよい。
【００６４】
続いてステップ２３０では、抽出した時間帯に降車行動があった降車レコード（すなわち、抽出した時間帯内の降車時刻を含む降車レコード）を当該降車グループＱから抽出し、抽出した降車レコードをグループ化して１つの細分化降車グループｑを作成する。
【００６５】
具体的には、抽出した当該時間帯と、抽出した降車レコード中の場所と、抽出した降車レコードの走行歴番号のリストと、を含む同一場所時間帯降車データを作成することで、抽出した降車レコードをグループ化して細分化降車グループｑを作成する。図１１に、同一場所時間帯降車データの構成を示す。
【００６６】
このようなステップ２００を実行することで、乗降行動推定処理部１７ｆは、乗車グループＰ、降車グループＱのそれぞれを降車時間帯で細分化して細分化乗車グループｐ、細分化降車グループｑを作成することができる。
【００６７】
ステップ２００に続いて乗降行動推定処理部１７ｆは、ステップ３００に進み、細分化乗車グループｐと細分化降車グループｑの間の関連付けを行う。図１２に、ステップ３００の処理の詳細を示す。
【００６８】
乗降行動推定処理部１７ｆは、まずステップ３１０で、１つの細分化乗車グループｐまたは１つの細分化降車グループｑを新たに抽出し、抽出した細分化乗車グループｐに対してステップ３２０、３３０を実行し、その後、ステップ３４０ですべての細分化乗車グループｐおよびすべての細分化降車グループｑに対してステップ２２０、２３０の処理を行ったか否かを判定し、行ったと判定した場合はステップ３００の処理を終了し、行っていない場合、再度ステップ３１０に戻り、まだ抽出されていない１つの細分化乗車グループｐまたは１つの細分化降車グループｑを新たに抽出する。したがって、ステップ３２０、３３０の処理は、細分化乗車グループｐのそれぞれに対して１回ずつ実行され、また、細分化降車グループｑのそれぞれに対して１回ずつ実行される。
【００６９】
まず、１つの細分化乗車グループｐに対してステップ３２０、３３０の処理を実行する場合について説明する。まずステップ３２０では、当該細分化乗車グループｐと乗降関係の強い細分化降車グループｑを検索する。
【００７０】
検索の際は、当該細分化乗車グループｐに属する乗車レコードの総数である乗車レコード総数を算出し、また、この乗車レコード総数に所定の割合Ｋｐ（０より大きく１より小さい）を乗算した結果の値を基準回数とする。
【００７１】
また、当該細分化乗車グループｐに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードを特定し、それら降車レコードのそれぞれが属する細分化降車グループｑを特定する。つまり、最大で、当該細分化乗車グループｐに属する乗車レコードの数だけ、細分化降車グループｑが特定される。この特定は、同じ細分化降車グループｑを複数回特定する重複もあり得る。
【００７２】
その結果、特定された回数（重複回数）が基準回数以上となった細分化降車グループｑを、当該細分化乗車グループｐと強い乗降関係にある細分化降車グループｑとして選び出す。
【００７３】
このようにして選び出された細分化降車グループｑは、当該細分化乗車グループｐの示す時間帯および場所で乗車行動があった場合に、その後降車する可能性が高い時間帯および場所を示すグループである。
【００７４】
続いてステップ３３０では、検索の結果選び出された細分化降車グループｑに、当該細分化乗車グループｐを関連付け、その関連付け情報を、地図データ取得部１６の記憶媒体中の乗降関連付けデータに記録する。図１３に、乗降関連付けデータの模式図を示す。
図１３の例では、細分化乗車グループｐ１が細分化降車グループｑ１に関連付けられている。
【００７５】
次に、１つの細分化降車グループｑに対してステップ３２０、３３０の処理を実行する場合について説明する。まずステップ３２０では、当該細分化降車グループｑと乗降関係の強い細分化乗車グループｐを検索する。
【００７６】
検索の際は、当該細分化降車グループｑに属する降車レコードの総数である降車レコード総数を算出し、また、この降車レコード総数に所定の割合Ｋｑ（０より大きく１より小さい）を乗算した結果の値を基準回数とする。なお、この割合Ｋｑは、上述の割合Ｋｐと同じであってもよいし、異なっていてもよい。
【００７７】
また、当該細分化降車グループｑに属する降車レコードのそれぞれについて、当該降車レコードの次に走行履歴データに記録された乗車レコードを特定する。この乗車レコードは、当該降車レコードのように降車した後にドライバが乗車したときの乗車時刻および乗車場所が記録されている。
【００７８】
また、それら特定した乗車レコードのそれぞれが属する細分化乗車グループｐを特定する。つまり、最大で、当該細分化降車グループｑに属する降車レコードの数だけ、細分化乗車グループｐが特定される。その結果、特定された回数（重複回数）が基準回数以上となった細分化乗車グループｐを、当該細分化降車グループｑと強い乗降関係にある細分化乗車グループｐとして選び出す。
【００７９】
このようにして選び出された細分化乗車グループｐは、当該細分化降車グループｑの示す時間帯および場所で降車した場合に、その後乗車する可能性が高い時間帯および場所を示すグループである。
【００８０】
続いてステップ３３０では、検索の結果選び出された細分化乗車グループｐに、当該細分化降車グループｑを関連付け、その関連付け情報を、地図データ取得部１６の記憶媒体中の乗降関連付けデータに記録する。図１３の例では、細分化降車グループｑ２が細分化乗車グループｐ１に関連付けられ、細分化降車グループｑ３が細分化乗車グループｐ２に関連付けられている。
【００８１】
以上のように、乗降行動推定処理部１７ｆは、走行履歴データ中のレコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上（多くの場合複数）の細分化乗車グループを作成し、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上（多くの場合複数）の細分化降車グループを作成し（ステップ１００、２００）、当該１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する（ステップ３００）。
【００８２】
このように、走行履歴データにおいて、細分化降車グループに属する降車レコードの次に記録された乗車レコードを見つけ、その乗車レコードが属する細分化乗車グループを特定していき、その特定された回数が多いものを、当該細分化降車グループの関連付け先とすることで、細分化降車グループと乗降の因果関係が強い細分化乗車グループを特定することができる。
【００８３】
また、乗降行動推定処理部１７ｆは、当該１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の結果選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録する（ステップ３００）。
【００８４】
このように、走行履歴データにおいて、細分化乗車グループに属する乗車レコードと組になって乗降レコードとして記録された降車レコードを見つけ、その降車レコードが属する細分化降車グループを特定していき、その特定された回数が多い細分化降車グループを、当該細分化乗車グループの関連付け先とすることで、細分化乗車グループｐと乗降の因果関係が強い細分化降車グループｑを特定することができる。
【００８５】
つまり、乗車時刻と乗車場所と、降車時刻、降車場所との関連性に着目して、乗車の場所と時間帯を降車の場所と時間帯に関連付け、同様に降車の場所と時間帯を乗車の場所と時間帯に関連付ける。
【００８６】
例えば、あるドライバが毎朝同じ時間帯Ｔａに自宅を出発し、同じく決まった時間帯Ｔｂに会社へ到着している場合、その乗降レコードを走行履歴データに蓄積することによって、乗降行動推定処理部１７ｆによって作成される乗降関連付けデータにおいて、時間帯Ｔａに自宅で乗車することが、時間帯Ｔｂに会社で降車することに関連付けられる。
【００８７】
また、いもずる方式で３つ以上の細分化乗車グループｐ、細分化降車グループｑが関連付けられることもある。例えば、時間帯Ｔｃにスーパーマーケットに到着し、その後時間帯Ｔｄにスーパーマーケットを出発して時間帯Ｔｅに自宅へ帰る行動パターンを繰り返していれば、乗降行動推定処理部１７ｆによって作成される乗降関連付けデータにおいて、時間帯Ｔｃにスーパーマーケットで降車することが、時間帯Ｔｄにスーパーマーケットで乗車することに関連付けられ、更に、時間帯Ｔｄにスーパーマーケットで乗車することが、時間帯Ｔｄに自宅で降車することに関連付けられる。このようなドライバの習慣的な行動パターンの関連付けを乗降関連付けデータに記録して活用する事で、後述するような各種処理を実現することができる。
【００８８】
また、乗降行動推定処理部１７ｆは、まず同じ乗車場所または降車場所のレコードをグループ化し（ステップ１００）、次に、グループ化した乗車グループまたは降車グループ内で、同じ時間帯でグループ化して細分化乗車グループまたは細分化降車グループを作成するようになっており（ステップ２００）、また、同じ乗車場所（または降車場所）のグループ化は、同じ乗車場所（または同じ降車場所）となるレコードの数が多いものを選んで行うようになっている（ステップ１２０、１３０）。
【００８９】
更に、乗降行動推定処理部１７ｆは、同じ乗車時間帯（または降車時間帯）のグループ化は、同じ乗車時間帯（または同じ降車時間帯）となるレコードの数が多いものを選んで行うようになっている（ステップ２２０、２３０）。
【００９０】
このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００９１】
次に、このようにして記録された乗降関連付けデータを利用する作動について説明する。制御回路１７は、乗降関連付けデータを利用する拡張機能構成として、図２に示すように、エネルギ予測モニタ部１７ｇ、自動充電制御部１７ｈ、自動プレ空調部１７ｉ、蓄冷エアコン制御部１７ｊを備えている。
【００９２】
まずエネルギ予測モニタ部１７ｇについて説明する。エネルギ予測モニタ部１７ｇは、車両の走行時、充放電制御部１７ａが検出する走行バッテリのＳＯＣに基づいて、そのリンクの走行時における走行バッテリの蓄積エネルギの変化量を、地図データ取得部１６の記憶媒体のエネルギ推移データに記録する。
【００９３】
また、エネルギ予測モニタ部１７ｇは、そのエネルギ推移データを利用して走行用バッテリの蓄積するエネルギの推移を予測するため、図１４に示すような処理を実行する。具体的には、エネルギ予測モニタ部１７ｇは、例えば車両の走行開始時に図１４に示す処理の実行を開始する。
【００９４】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、エネルギ予測モニタ部１７ｇは、まずステップ４１０で目的地が設定されていると判定し、続いてステップ４３０に進み、エネルギ推移データに基づいて、誘導経路上のリンク毎の走行用バッテリの蓄積エネルギの変化量を特定し、特定した変化量に基づいて、誘導経路に沿った現在位置から目的地までの走行用バッテリの蓄積エネルギの推移を予測する。
【００９５】
そしてステップ４３０では、画像表示装置１２またはスピーカ１４を用いて、走行用バッテリの蓄積エネルギの推移を表示してもよいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ４５０で当該推移のグラフを画像表示装置１２に表示させる。しかし、ドライバが操作部１３を用いて禁止の操作を行えば表示せずに図１４の処理を終了する。
【００９６】
図１４の以上のような処理は、従来通りであるが、図１４の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ４１０で目的地が設定されていないと判定し、続いてステップ４２０に進む。
【００９７】
そしてステップ４２０では、今回の乗車時刻（最後に車両の主電源がオンになった時刻）および乗車位置（当該乗車時刻における車両の位置）を特定し、「今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが存在し、かつ、乗降関連付けデータにおいて、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【００９８】
なお、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐを特定する方法は、以下の通りである。各同一場所時間帯乗車データに基づいて、各細分化乗車グループｐが有する乗車時間帯および乗車場所が、今回の乗車時刻および乗車位置を含むか否かを判定し、含むと判定された細分化乗車グループｐを、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐであるとする。
【００９９】
上記条件が満たされていない場合は、図１４の処理を終了するが、満たされている場合は、続いてステップ４２５に進み、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得する。そして、取得した降車時間帯を次に降車する降車時刻の範囲として予測し、取得した降車場所を、次に降車する降車場所として予測する。
【０１００】
更にステップ４２５では、現在位置を出発地点とし、予測した降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、ステップ４３０に進む。ただし、算出結果の誘導経路に基づいて、到着地点への到着時間を算出し、その到着時間が予測した降車降車時刻の範囲を外れている場合は、ステップ４３０に進まずに図１４の処理を終了してもよい。ステップ４３０以降は、既に説明した通りである。
【０１０１】
このように、ドライバの車両への乗車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループと乗降関係の強い細分化降車グループを、乗降関連付けデータに基づいて特定し、特定した細分化降車グループに対応した降車時間帯および降車場所に基づいて、次にドライバが車両から降車するときの時刻の範囲および場所を予測する（ステップ４２５）。
【０１０２】
このように、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、目的地が設定されていなくても、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻および降車場所をある程度高い正確性で予測でき、その降車時刻および降車場所を用いて、バッテリの蓄積エネルギの推移の予測等、各種処理を行うことができる。
【０１０３】
次に自動充電制御部１７ｈについて説明する。自動充電制御部１７ｈは、充放電制御部１７ａを制御して、電源（家庭用電源、充電スポットに設置された充電器等）から走行用バッテリへの充電の実行、非実行を自動的に切り替える。
【０１０４】
このために、自動充電制御部１７ｈは、図１５に示す処理を、例えば電源と走行用バッテリが電力ケーブルを介して繋がり、充電開始可能となったときに、実行し始める。
【０１０５】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、エネルギ予測モニタ部１７ｇは、まずステップ５０５で目的地が設定されていると判定し、続いてステップ５１５に進み、次回走行時の降車場所（この場合は目的地）に充電スポットがあるか否かを、地図データに基づいて判定し、ないと判定すればステップ５５０で充放電制御部１７ａを制御して充電を開始し、ステップ５６０で、ドライバの乗車行動があるか、操作部１３に対するキャンセル操作があるか、走行用バッテリが満充電状態になるまで、充電を継続する。
【０１０６】
ステップ５１５で、充電スポットがあると判定した場合、続いてステップ５２０に進み、現在位置の充電スポットの単位電力量当たりの充電価格と、降車場所の充電スポットの単位電力量当たりの充電価格とを比較し、現在位置の充電スポットの方が高いか否かを判定し、高くない場合はステップ５５０に進み、高い場合はステップ５２５に進む。
【０１０７】
ステップ５２５では、画像表示装置１２またはスピーカ１４を用いて、降車場所に即した計画的な充電を開始してもよいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ５３０に進み、禁止の操作を行えばステップ５５０に進む。
【０１０８】
ステップ５３０では、現在位置を出発地点とし、降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、誘導経路に沿った降車場所までの距離等に基づいて、次回の運転に必要な充電量、すなわち、現在位置から降車場所までの走行において消費する走行用バッテリの必要電力量を、算出する。
【０１０９】
続いてステップ５３５では、ステップ５５０と同様に充電を開始し、続いてステップ５４０で、ドライバの乗車行動があるか、操作部１３に対するキャンセル操作があるか、走行用バッテリの充電量が必要電力量に到達するまで、充電を継続し、要電力量に到達すると、充放電制御部１７ａを制御して充電を終了する。
【０１１０】
図１５の以上のような処理は、従来通りであるが、図１５の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ５０５で目的地が設定されていないと判定し、続いてステップ５１０に進む。
【０１１１】
そしてステップ５１０では、今回の降車時刻（最後に車両の主電源がオフになった時刻）および降車位置（当該降車時刻における車両の位置）を特定する。なお、図１５の処理の開始前に、車両の主電源はオフになっているものとする。また、「今回の降車時刻および降車位置に該当する細分化降車グループｑが存在し、かつ、乗降関連付けデータにおいて、当該細分化降車グループｑがいずれかの細分化乗車グループｐに関連付けられ、かつ、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【０１１２】
なお、今回の降車時刻および降車位置に該当する細分化降車グループｑを特定する方法は、以下の通りである。各同一場所時間帯降車データに基づいて、各細分化降車グループｑが有する降車時間帯および降車場所が、今回の降車時刻および降車位置を含むか否かを判定し、含むと判定された細分化降車グループｑを、今回の降車時刻および降車位置に該当する細分化降車グループｑであるとする。
【０１１３】
上記条件が満たされていない場合は、ステップ５５０に進み、満たされている場合は、続いてステップ５１２に進み、今回の降車時刻および降車位置に該当する細分化降車グループｑが関連付けられている細分化乗車グループｐ（例えば、図１３におけるｑ２に対するｐ１）を、乗降関連付けデータに基づいて特定し、また、その細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得し、取得した降車時間帯中のいずれかの時刻（例えば降車時間帯の終了時刻）を、次にドライバが前記車両に乗車した後に降車する時刻として予測し、取得した降車場所を、次にドライバが前記車両に乗車した後に降車する場所として予測する。
【０１１４】
続いてステップ５１５に進む。ステップ５１５以降は、既に説明した通りである。ただし、ステップ５３０では、現在位置を出発地点とし、ステップ５１２で予測した降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、誘導経路に沿った降車場所までの距離等に基づいて、次回の運転に必要な充電量、すなわち、現在位置から降車場所までの走行において消費する走行用バッテリの必要電力量を、算出する。
【０１１５】
この際、ステップ５１２で予測した降車時刻に基づいて、必要電力量を補正してもよい。例えば、誘導経路上の距離および平均走行速度から周知の方法により算出した当該降車場所への到着時刻よりも、ステップ５１２で予測した降車時刻の方が遅い場合、必要電力量を増大させるよう補正し、ステップ５１２で予測した降車時刻の方が早い場合、必要電力量を減少させるよう補正してもよい。
【０１１６】
このように、自動充電制御部１７ｈは、ドライバの車両からの降車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループｑを特定し、特定した細分化降車グループｑと乗降関係の強い細分化乗車グループｐを、乗降関連付けデータに基づいて特定し、特定した細分化乗車グループｐと乗降関係の強い細分化降車グループｑを乗降関連付けデータに基づいて特定し、特定した細分化降車グループｑに対応した降車場所を、次にドライバが車両に乗車した後に降車する場所として予測する（ステップ５１２）。
【０１１７】
このようになっていることで、目的地が設定されていなくても、最後の降車地点と降車時刻さえわかれば、乗降関連付けデータに基づいて次の降車場所をある程度高い正確性で予測でき、その降車場所を用いて、次の乗車時までの期間において、適切な充電量を実現するための充電制御等の各種処理を行うことができる。
【０１１８】
例えば、車両で頻繁に訪問する施設があり、その施設の近くに充電スタンドがあり、ドライバの自宅でも充電可能となっているとする。そして、ドライバは、特定の時間帯Ｂにこの充電スタンドで主電源をオフにして充電し、その後、特定の時間帯Ｂに主電源をオンにして、特定の時間帯Ｃに自宅に戻るという行動を頻繁に行っていたとする。更に、充電スタンドの単位電力量当たりの充電価格の方が、自宅における単位電力量当たりの充電価格よりも高かったとする。
【０１１９】
このような場合、時間帯Ａを降車時間帯とし、この充電スタンドを降車場所とする細分化降車グループｑ１が作成されており、また、時間帯Ｂを乗車時間帯とし、この充電スタンドを乗車場所とする細分化乗車グループｐ１が作成されており、また、時間帯Ｃを降車時間帯とし、自宅を乗車場所とする細分化降車グループｑ２が作成されていることになる。
【０１２０】
そして、乗降関連付けデータでは、細分化降車グループｑ１が細分化乗車グループｐ１に関連付けられ、細分化乗車グループｐ１が細分化降車グループｑ２に関連付けられることになる。したがって、目的地が設定されていない場合、自動充電制御部１７ｈは、ステップ５１２で細分化降車グループｑ２が有する降車場所（すなわち自宅）を次の降車場所として予測し、ステップ５３０では、この充電スタンドの位置から当該次の降車場所までの必要充電量を算出し、ステップ５３５、５４０では、必要充電量を満たすまで充電した後、充電を終了する。
【０１２１】
次に、自動プレ空調部１７ｉについて説明する。自動プレ空調部１７ｉは、車両の車室内空調装置を制御して、ドライバが車両に乗車する前に車室内の空調を行うためのプレ空調処理を実行する。このために、自動プレ空調部１７ｉは、図１６に示す処理を、例えば車両の主電源がオフになったときに実行開始する。あるいは、車両が所定のプレ空調予約操作を操作部１３に対して行ったときに、図１６に示す処理の実行を開始する。なお、プレ空調予約操作は、降車時に行うはずなので、降車行動の１つである。
【０１２２】
図１６の処理においては、まずステップ６１０で、画像表示装置１２またはスピーカ１４を用いて、プレ空調を行ってもいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ６２０に進み、禁止の操作を行えば図１６の処理を終了する。
【０１２３】
ステップ６２０では、次にドライバが車両に乗車する時刻を予測する。具体的には、まず、今回の降車時刻（最後に車両の主電源がオフになった時刻）および降車位置（当該降車時刻における車両の位置）を特定する。続いて、今回の降車時刻および降車位置に該当する細分化降車グループｑを特定し、特定した細分化降車グループｑが関連付けられている細分化乗車グループｐ（例えば、図１３におけるｑ２に対するｐ１）を、乗降関連付けデータに基づいて特定し、その細分化乗車グループｐの同一場所時間帯乗車データに基づいて、その細分化乗車グループｐの乗車時間帯を取得し、その乗車時間帯の開始時刻（または、開始時刻と終了時刻の平均時刻）を、乗車予測時刻とする。
【０１２４】
続いてステップ６３０では、乗車予測時刻よりも所定時間ΔＴ（例えば１５分）前の制御開始時刻になるまで待機し、当該制御開始時刻が訪れると、車室内空調装置を制御して、車室内の空調を開始させる。
【０１２５】
続いてステップ６４０では、所定の条件が満たされるまで待ち、満たされた場合、車室内空調装置の制御を終了する。所定の条件としては、（１）車両への乗車行動があったと判定したという条件、（２）操作部１３を用いたキャンセル操作があったという条件、（３）乗車予測時刻から所定時間（例えば１時間）経過したという条件、という３つの条件のいずれか１を採用してもよいし、これら３つの複合条件を採用してもよい。
【０１２６】
このように、蓄冷エアコン制御部１７ｊは、降車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループｑを特定し、特定した細分化降車グループｑと乗降関係の強い細分化乗車グループｐを、乗降関連付けデータに基づいて特定し、特定した細分化乗車グループｐの乗車時間帯に基づいて、次にドライバが車両に乗車する時刻を予測する。
【０１２７】
このようになっていることで、最後に降車行動のあった時刻と位置さえわかれば、乗降関連付けデータに基づいて次の乗車時刻をある程度高い正確性で予測でき、その乗車時刻を用いて、次の乗車時までの期間において、プレ空調制御等の各種処理を行うことができる。
【０１２８】
次に、蓄冷エアコン制御部１７ｊについて説明する。蓄冷エアコン制御部１７ｊは、車両の走行中、ドライバが車両から降車するタイミングを事前に予測し、そのタイミングよりも所定時間前に、車室内空調装置の作動をより電力消費の少ない作動に切り替えることで、無駄な電力消費を抑える。
【０１２９】
このような作動を実現するため、蓄冷エアコン制御部１７ｊは、図１７に示す処理を、例えば車両が走行を開始したときに実行し始める。
【０１３０】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、蓄冷エアコン制御部１７ｊは、まずステップ７１０で目的地が設定されていると判定し、続いてステップ７３０に進み、現在時刻、現在位置、および誘導経路に基づいて、降車予測時刻（この場合、目的地への到着時刻）を算出する。
【０１３１】
続いてステップ７４０では、算出した降車予測時刻より所定時間ΔＴ（例えば１５分）だけ前の節約開始時刻になるまで待ち、当該節約開始時刻が訪れると、画像表示装置１２またはスピーカ１４を用いて、空調装置の節約制御を行ってもいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ７５０に進み、禁止の操作を行えば図１７の処理を終了する。
【０１３２】
ステップ７５０では、空調装置の節約制御を開始する。具体的には、車室内空調装置の作動を停止させる、冷房時の車室内温度の設定値を上昇させて別途蓄積しておいた冷気を車室内に供給する等、車室内空調装置の作動をより電力消費の少ない作動に切り替える。
【０１３３】
続いてステップ７６０では、所定の条件が満たされるまで待ち、満たされた場合、ステップ７５０で始めた空調装置の節約制御を終了する。所定の条件としては、（１）ドライバが自ら操作して車室内空調装置の設定を変更したという条件、（２）目的地が変更されたという条件、（３）降車予測時刻から所定時間（例えば１時間）経過したという条件、という３つの条件のいずれか１を採用してもよいし、これら３つの複合条件を採用してもよい。
【０１３４】
図１７の以上のような処理は、従来通りであるが、図１７の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ７１０で目的地が設定されていないと判定し、続いてステップ７２０に進む。
【０１３５】
そしてステップ７２０では、今回の乗車時刻（最後に車両の主電源がオンになった時刻）および乗車位置（当該乗車時刻における車両の位置）を特定し、「今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが存在し、かつ、乗降関連付けデータにおいて、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【０１３６】
上記条件が満たされていない場合は、図１７の処理を終了するが、満たされている場合は、続いてステップ７３０に進む。ステップ７３０では、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得する。そして、その降車時間帯の開始時刻（または、開始時刻と終了時刻の平均時刻）を、降車予測時刻とする。ステップ７４０以降は、既に説明した通りである。
【０１３７】
このように、ドライバの車両への乗車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループと乗降関係の強い細分化降車グループを、乗降関連付けデータに基づいて特定し、特定した細分化降車グループに対応した降車時間帯に基づいて、次にドライバが車両から降車するときの時刻を予測する（ステップ７３０）。
【０１３８】
なお、ステップ７４０では、算出した降車予測時刻より所定時間ΔＴ（例えば１５分）だけ前の節約開始時刻になるまで待つのではなく、ステップ７３０で取得した降車場所から所定距離（例えば、１ｋｍ）以内の位置に車両が入っるまで待つようになっていてもよい。
【０１３９】
このように、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、目的地が設定されていなくても、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻および降車場所をある程度高い正確性で予測でき、その降車時刻および降車場所を用いて、車室内空調装置の節約制御等、各種処理を行うことができる。
【０１４０】
（他の実施形態）
以上、本発明の実施形態について説明したが、本発明の範囲は、上記実施形態のみに限定されるものではなく、本発明の各発明特定事項の機能を実現し得る種々の形態を包含するものである。例えば、以下のような形態も許容される。
【０１４１】
（１）上記実施形態では、ドライバの車両への乗車行動の有無を判定する方法としては、主電源がオフからオンとなったか否かを判定する方法を採用しているが、必ずこの方法を採用しなければならないわけではない。例えば、運転席側ドアが開いて閉じられたことを車両のドア開閉センサ（図示せず）が検出し、さらに、運転席の着座センサ（図示せず）がドライバの着座を検出したか否かで、ドライバの車両への乗車行動の有無を判定してもよい。
【０１４２】
（２）また、上記実施形態では、ドライバの車両からの降車行動の有無を判定する方法としては、主電源がオンからオフとなったか否かを判定する方法を採用しているが、必ずこの方法を採用しなければならないわけではない。例えば、運転席の着座センサがドライバの着座を検出しなくなり、その後、運転席側ドアが開いて閉じられたことをドア開閉センサが検出したか否かで、ドライバの車両への乗車行動の有無を判定してもよい。
【０１４３】
（３）図８のステップ２２０において、抽出範囲３０で、分散σ２の閾値である第２の閾値を設け、その閾値よりも分散σ２が小さい場合に限って、乗車時刻が集中していると判定するようになっているが、この分散σ２の制限は必須ではない。つまり、分散σ２の値に関わらず、サンプルの総数を上述の記録期間で除算した値が所定の第１の閾値以上であれば、乗車時刻（または降車時刻）の分布が集中していると判定するようになっていてもよい。
【０１４４】
（４）上記第２の閾値は、抽出期間３０が設定されている時間帯によって変化するようになっていてもよい。例えば、朝の乗車時刻は、夜の乗車時刻よりも、ばらつきが小さい傾向にあるので、第２の閾値は、抽出期間３０が午後に設定されている場合よりも、抽出期間３０が午前に設定されている場合の方が、小さくなるようにしてもよい。
【０１４５】
（５）また、上記第２の閾値は、乗車グループＰを細分化する場合と降車グループＱを細分化する場合とで異なっていてもよい。例えば、乗車時刻は降車時刻よりもばらつきが小さい傾向にあるので、第２の閾値は、降車グループＱを細分化する場合よりも乗車グループＰを細分化する場合の方が、小さくなるようにしてもよい。
【０１４６】
（６）また、図８のステップ２２０では、抽出期間３０内の乗車時刻（または降車時刻）のサンプルの正規分布を推定し、その正規分布の平均値μおよび分散σ２を算出しているが、サンプルの正規分布を推定することは必須ではなく、例えば、サンプルそのものの平均値μおよび分散σ２を直接算出するようになっていても、そのように算出した平均値μおよび分散σ２を、正規分布の平均値μおよび分散σ２と同じように用いればよい。
【０１４７】
（７）また、車両は、内燃機関であるエンジンのみを走行用の動力源として走行する車両であってもよいし、エンジンと走行用電気モータを走行用の動力源として走行するハイブリッド車両であってもよいし、走行用電気モータのみを走行用の動力源として走行する電動車両であってもよい。
【０１４８】
（８）また、図５のステップ１１０で読み出す乗降レコードは、過去所定日数（例えば１００日）以内に記録された乗降レコードとしてもよい。この際、乗降レコードがいつ記録されたかを特定するためには、各乗降レコードに含まれる記録日を参照すればよい。
【０１４９】
（９）また、ステップ１１０で読み出す乗車レコードの上限数と乗車レコードの上限数とは、異なっていてもよい。
【０１５０】
（１０）また、上記実施形態では、走行履歴データに記録する乗車データ、降車データ中の時刻は、日付の区別を行っていない。しかし、乗車データ、降車データ中の時刻に、平日か休日（土曜、日曜、祝日）かを区別する情報を付加してもよい。そして、図８のステップ２２０では、平日の２４時間に対して抽出期間３０を順次設定し、それとは別に、休日の２４時間に対して抽出期間３０を順次設定するようになっていてもよい。このようにすることで、平日と休日を区分けした細分化降車グループｑ、細分化乗車グループｐを作成することができる。このようにすることで、平日用の細分化降車グループｑ、細分化乗車グループｐ、乗降関連付けデータを用いれば、平日に特有のドライバの習慣的行動をより正確に検出することができ、休日用の細分化降車グループｑ、細分化乗車グループｐ、乗降関連付けデータを用いれば、休日に特有のドライバの習慣的行動をより正確に検出することができる。
【０１５１】
（１１）また、上記実施形態では、乗降行動推定処理部１７ｆは、ステップ３００で、細分化乗車グループｐのいずれかを細分化降車グループｑのいずれかに関連付け、かつ、細分化降車グループｑのいずれかを細分化乗車グループｐのいずれかに関連付けている。しかし、必ずこれらの両方を行わなければならないわけではない。
【０１５２】
例えば、細分化乗車グループｐのいずれかを細分化降車グループｑのいずれかに関連付けるだけでもよいし、細分化降車グループｑのいずれかを細分化乗車グループｐのいずれかに関連付けるだけでもよい。前者の場合でも、上述のようなエネルギ予測モニタ部１７ｇ、蓄冷エアコン制御部１７ｊの作動のために必要な情報は記録されるし、後者の場合でも、自動プレ空調部１７ｉの作動のために必要な情報は記録される。
【０１５３】
（１２）また、本発明の車両乗降履歴関連付け装置は、車両用ナビゲーション装置１でなければならないわけではない。
【０１５４】
（１３）また、上記の実施形態において、制御回路１７がプログラムを実行することで実現している各機能は、それらの機能を有するハードウェア（例えば回路構成をプログラムすることが可能なＦＰＧＡ）を用いて実現するようになっていてもよい。
【符号の説明】
【０１５５】
１ 車両用ナビゲーション装置
１７ａ 充放電制御部
１７ｅ 走行情報記憶処理部
１７ｆ 乗降行動推定処理部
１７ｇ エネルギ予測モニタ部
１７ｈ 自動充電制御部
１７ｉ 自動プレ空調部
１７ｊ 蓄冷エアコン制御部
３０ 抽出期間
３１ 乗車時刻
【技術分野】
【０００１】
本発明は、車両乗降履歴関連付け装置および車両乗降履歴関連付け装置用のプログラムに関するものである。
【背景技術】
【０００２】
従来、車両の走行時の各種情報を記録し、記録した情報を利用して各種制御を行う技術が知られている。例えば、特許文献１には、エンジンオンからオフまでの走行ルート毎にそのルート内の各区間の平均車速等の情報を記録し、その記録した情報を後の運転支援に用いる技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−２１３５９４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、上記のような技術では、ドライバが車両から降車した後、次の乗車がいつになるのかが不明である。つまり、降車と乗車の因果関係を特定することはできない。
【０００５】
本発明は上記点に鑑み、車両の過去の履歴データを用いる技術において、降車と乗車の因果関係を特定して利用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】
【０００６】
上記目的を達成するための請求項１に記載の発明は、ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）と、前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）と、前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降の因果関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降の因果関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）と、ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）と、を備えた車両乗降履歴関連付け装置である。
【０００７】
このように、走行履歴データにおいて、細分化降車グループに属する降車レコードの次に記録された乗車レコードを見つけ、その乗車レコードが属する細分化乗車グループを特定していき、その特定された回数が多いものを、当該細分化降車グループの関連付け先とすることで、細分化降車グループと乗降の因果関係が強い細分化乗車グループを特定することができる。このようになっていることで、降車行動のあった時刻と位置さえわかれば、乗降関連付けデータに基づいて次の乗車時刻をある程度高い正確性で予測できる。
【０００８】
また、請求項２に記載の発明は、請求項１に記載の車両乗降履歴関連付け装置において、前記関連付け手段（３００）は、前記１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の際は、当該細分化乗車グループに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードが属する細分化降車グループを特定し、その結果、特定された回数が基準回数以上となった細分化降車グループを、当該細分化乗車グループと強い乗降関係にある細分化降車グループとして選び出し、選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録し、前記予測手段（４２５、６２０、７３０）は更に、ドライバの前記車両への乗車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループが関連付けられた先の細分化降車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて次にドライバが前記車両から降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて次にドライバが前記車両から降車する場所を予測することを特徴とする。
【０００９】
このように、走行履歴データにおいて、細分化乗車グループに属する乗車レコードと組になって乗降レコードとして記録された降車レコードを見つけ、その降車レコードが属する細分化降車グループを特定していき、その特定された回数が多い細分化降車グループを、当該細分化乗車グループの関連付け先とすることで、細分化乗車グループｐと乗降の因果関係が強い細分化降車グループを特定することができる。
【００１０】
このようになっているので、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻または降車場所をある程度高い正確性で予測できる。
【００１１】
また、請求項３に記載の発明は、請求項２に記載の車両乗降履歴関連付け装置において、前記予測手段（４２５、５１２、６２０、７３０）は更に、ドライバの前記車両からの降車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループが関連付けられた先の細分化降車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて、次にドライバが前記車両に乗車した後に降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて、次にドライバが前記車両に乗車した後に降車する場所を予測することを特徴とする。
【００１２】
このようになっていることで、目的地が設定されていなくても、最後の降車時刻と降車地点さえわかれば、乗降関連付けデータに基づいて次の降車場所をある程度高い正確性で予測でき、その降車場所を用いて各種処理を行うことができる。
【００１３】
また、請求項４に記載の発明は、請求項１ないし３のいずれか１つに記載の車両乗降履歴関連付け装置において、前記グループ化手段（１００、２００）は、前記走行履歴データ中のレコードのうち、同じ場所で乗車行動があった乗車レコードをグループ化することで１つ以上の乗車グループを作成し、同じ場所で降車行動があった降車レコードをグループ化することで１つ以上の降車グループを作成する第１グループ化手段（１００）と、前記１つ以上の乗車グループのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードをグループ化して１つ以上の細分化乗車グループとし、また、前記１つ以上の降車グループのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードをグループ化して１つ以上の細分化降車グループとする第２グループ化手段（２００）と、を備え、前記第１グループ化手段（１００）は、前記走行履歴データから乗車レコードおよび降車レコードを読み出し、読み出した乗車レコードのうち同じ場所で乗車行動があった乗車レコードの集合のそれぞれについて、当該乗車レコードの集合の要素数が、読み出した乗車レコードの総数に対して所定の割合以上の数となることに基づいて、当該集合中の乗車レコードをグループ化して乗車グループとし、また、読み出した降車レコードのうち同じ場所で降車行動があった降車レコードの集合のそれぞれについて、当該集合の要素数が、読み出した降車レコードの総数に対して所定の割合以上の数となる場合、当該集合中の降車レコードをグループ化して降車グループとすることを特徴とする。
【００１４】
このように、まず同じ乗車場所または降車場所のレコードをグループ化し、次に、グループ化した乗車グループまたは降車グループ内で、同じ時間帯でグループ化して細分化乗車グループまたは細分化降車グループを作成するようになっており、同じ乗車場所（または降車場所）のグループ化は、同じ乗車場所（または同じ降車場所）となるレコードの数が多いものを選んで行うようになっている。
【００１５】
このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００１６】
また、請求項５に記載の発明は、請求項４に記載の車両乗降履歴関連付け装置において、前記第２グループ化手段（２００）は、前記１つ以上の乗車グループのそれぞれに対し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に乗車行動があった乗車レコードを当該乗車グループから抽出し、抽出した乗車レコードをグループ化して細分化乗車グループを作成し、また、前記１つ以上の降車グループのそれぞれに対し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に降車行動があった降車レコードを当該降車グループから抽出し、抽出した降車レコードをグループ化して細分化降車グループを作成し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する際には、前記第１グループ化手段（１００）が読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定し、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における乗車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する際には、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における降車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出することを特徴とする。
【００１７】
このように、同じ乗車時間帯（または降車時間帯）のグループ化は、同じ乗車時間帯（または同じ降車時間帯）となるレコードの数が多いものを選んで行うようになっている。このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から更に除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００１８】
また、請求項６に記載の発明は、車両乗降履歴関連付け装置に用いられるプログラムであって、前記車両乗降履歴関連付け装置を、ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）、前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）、前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）、およびドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）として機能させるプログラムである。このように、本発明の特徴は、プログラムとしても捉えることができる。
【００１９】
なお、上記および特許請求の範囲における括弧内の符号は、特許請求の範囲に記載された用語と後述の実施形態に記載される当該用語を例示する具体物等との対応関係を示すものである。
【図面の簡単な説明】
【００２０】
【図１】本発明の実施形態に係る車両用ナビゲーション装置１の構成図である。
【図２】制御回路１７の機能性を示す図である。
【図３】走行履歴データの一例を示す図表である。
【図４】乗降行動推定処理部１７ｆが実行する処理のフローチャートである。
【図５】図５のステップ１００の処理の詳細を示すフローチャートである。
【図６】同一場所乗車データの構成を示す図である。
【図７】同一場所乗車データの構成を示す図である。
【図８】図５のステップ２００の処理の詳細を示すフローチャートである。
【図９】抽出期間３０および抽出期間３０内における乗車時刻３１の分布を示す模式図である。
【図１０】同一場所時間帯乗車データの構成を示す図である。
【図１１】同一場所時間帯降車データの構成を示す図である。
【図１２】図５のステップ３００の処理の詳細を示すフローチャートである。
【図１３】乗降関連付けデータの構成を示す模式図である。
【図１４】エネルギ予測モニタ部１７ｇの処理内容を示すフローチャートである。
【図１５】自動充電制御部１７ｈの処理内容を示すフローチャートである。
【図１６】自動プレ空調部１７ｉの処理内容を示すフローチャートである。
【図１７】蓄冷エアコン制御部１７ｊの処理内容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】
【００２１】
以下、本発明の一実施形態について説明する。図１に、本実施形態に係る車両用ナビゲーション装置１（車両乗降履歴関連付け装置の一例に相当する）の構成を湿す。この車両用ナビゲーション装置１が搭載される車両は、走行用の動力源である走行用電気モータを備えている。この電気モータに電力を供給するバッテリは、二次電池であり、車両の外部の電源（例えば、家庭用電源、充電器）を用いて充電可能となっている。このような車両の例としては、電動車両、プラグインハイブリッド車両等がある。また、この車両には、車室内空調装置が搭載されている。
【００２２】
図１に示すように、この車両用ナビゲーション装置１は、位置検出器１１、画像表示装置１２、操作部１３、スピーカ１４、地図データ取得部１６、制御回路１７を備えている。
【００２３】
位置検出器１１は、ＧＰＳ受信機、車速センサ、加速度センサ、ジャイロセンサ等、車両の現在位置を特定するための信号を制御回路１７に出力するセンサである。画像表示装置１２は、制御回路１７の制御に従って文字や画像をユーザに表示する液晶ディスプレイ等の装置である。操作部１３は、ユーザの操作を受け付け、受け付けた操作に応じた信号を制御回路１７に出力する装置である。
【００２４】
地図データ取得部１６は、制御回路１７の制御に従って地図データを取得して制御回路１７に出力する装置である。地図データの取得方法は、地図データ取得部１６に備えられた書き込み可能な記憶媒体（磁気記憶媒体、フラッシュメモリ）から地図データを読み出す方法を採用する。でもよいし、無線通信によって車両１の外部の地図提供サーバから地図データをダウンロードする方法でもよい。
【００２５】
地図データ取得部１６が取得する地図データは、道路を表すリンクの位置、形状、接続関係を示す道路データ、施設（ホテル、レストラン、コンビニエンスストア、駐車場等）の位置範囲を示す施設データ等から成る。なお、施設データには、走行用バッテリに充電可能な充電スポットの位置および当該充電スポットの単位電力量当たりの充電価格の情報も含まれている。
【００２６】
制御回路１７は、ＣＰＵ、ＲＡＭ、ＲＯＭ、フラッシュメモリ等を備えた装置（例えばマイクロコントローラ）であって、ＲＯＭまたはフラッシュメモリに記録されたプログラムをＣＰＵが実行することで、各種機能を実現するようになっている。制御回路１７が実現する機能の構成は、図２に示すようになっている。すなわち、制御回路１７は、充放電制御部１７ａ、マップマッチング部１７ｂ、経路算出処理部１７ｃ、ナビゲーション処理部、走行情報記憶処理部１７ｅ、乗降行動推定処理部１７ｆを有している。
【００２７】
充放電制御部１７ａは、走行用電気モータを用いた走行用バッテリの充電、放電を制御し、走行用バッテリの充電量を示すＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）を検出する処理を行う。ここで充電とは、制動力、エンジンの駆動力を用いて走行用電気モータを回転させることで発電し、その結果得た電力を走行用バッテリに充電すること、および、外部の電源（家庭用電源、充電スポットに設置された充電器等）からの電力で走行用バッテリに充電することをいう。また、放電とは、走行用バッテリに蓄積された電力を用いて走行用電気モータを回転させ、その回転力により車両を走行させることをいう。
【００２８】
マップマッチング部１７ｂは、位置検出器１１からの検出信号に基づいて車両の現在位置を特定し、特定した現在位置をリンク上の位置に補正する。経路算出処理部１７ｃは、出発地点（例えば現在位置）から到着地点（例えば、操作部１３を用いてユーザが設定した目的地）までの最適な誘導経路を算出する。ナビゲーション処理部１７ｄは、誘導経路に沿った車両の走行を支援するため、誘導経路に沿った右左折ポイントの手前で画像表示装置１２およびスピーカ１４を用いた案内報知を行う。
【００２９】
走行情報記憶処理部１７ｅは、車両が走行する度に、１つの乗降レコードを、地図データ取得部１６の記憶媒体中の走行履歴データに、追加記録する。図３に、走行履歴データの一例を示す。なお、この図においては、記録日の記載は省略している。
【００３０】
具体的には、走行情報記憶処理部１７ｅは、ドライバの車両への乗車行動（乗車のための行動、または、乗車に付随した行動）があったか否かを、乗車行動があったと判定するまで繰り返し判定し、乗車行動があったと判定すると、そのとき（すなわち、乗車行動の検出時）の時刻および自車両の現在位置を含む場所（すなわち、自車両の所在場所）を、乗車時刻および乗車場所としてＲＡＭに記録する。
【００３１】
なお、現在位置がどの場所に属するかは、地図データに基づいて決定する。具体的には、現在位置が地図データ中のどの施設の位置範囲（エリア）に含まれるかを特定し、特定した施設を、現在位置を含む場所とする。
【００３２】
また、現在位置が地図データ中のどの施設の位置範囲にも含まれない場合は、あらかじめ定めた地理区画（例えば、緯度で１秒毎に区切り、経度で１秒毎に区切った地理区画）に基づいて、現在位置がどの地理区画（エリア）に属するかを特定し、特定した区画を、現在位置を含む場所とする。
【００３３】
ドライバの車両への乗車行動があったか否かの判定は、車両の主電源がオフからオンになったか否かで判定する。ここで、主電源のオン、オフは、エンジンと走行用電気モータを併用して走行する車両（またはエンジンの動力のみで走行する車両）の場合はエンジンキーのオン、オフに相当し、走行用電気モータのみで走行する車両の場合は、電力スイッチのオン、オフに相当する。
【００３４】
また、走行情報記憶処理部１７ｅは、ドライバの車両からの降車行動（降車のための行動、または、降車に付随した行動）があったか否かを、降車行動があったと判定するまで繰り返し判定し、降車行動があったと判定すると、そのとき（すなわち、降車行動の検出時）の時刻および自車両の現在位置を含む場所を、降車時刻および降車場所としてＲＡＭに記録する。ドライバの車両への降車行動があったか否かの判定は、車両の主電源がオンからオフになったか否かで判定する。
【００３５】
そして、その時点においてＲＡＭに記録されている乗車時刻、乗車場所、降車時刻、降および車場所の情報を用いて、乗降レコードを作成する。具体的には、乗車のイベントであることを示す乗車ヘッダ、乗車時刻、および乗車場所から成る乗車レコードを作成し、降車のイベントであることを示す降車ヘッダ、降車時刻、および降車場所から成る降車レコードを作成し、これら乗車レコードと降車レコードとを１組にまとめ、更に乗車レコードと降車レコードの組に、走行履歴データ中の乗降レコードを個々に識別するための識別番号である走行履歴番号と、現在の日付を示す記録日とを付加したものを、１つの乗降レコードとする。
【００３６】
そして、このようにして作成した乗降レコードを、地図データ取得部１６の記憶媒体中の走行履歴データの最後尾（または先頭でもよい）に追加記録する。そして、ＲＡＭ中の乗車時刻、乗車場所、降車時刻、降車場所を消去する。
【００３７】
このように、走行情報記憶処理部１７ｅは、乗車行動を検出し、その後に降車行動を検出する度に、ドライバの車両への乗車行動を検出したときの時刻および車両の所在場所をそれぞれ乗車時刻および乗車場所とし、ドライバの車両からの降車行動を検出したときの時刻および車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、走行の順に、走行履歴データに逐次記録する。
【００３８】
このような処理が車両の走行の度に実行されることで、走行履歴データには、乗降レコードが時系列順に複数個（例えば、１００回走行したら１０個）蓄積されることになる。
【００３９】
次に、乗降行動推定処理部１７ｆについて説明する。乗降行動推定処理部１７ｆは、走行履歴データに基づいて、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成し、それら細分化乗車グループと細分化降車グループの間で、強い乗降関係（乗降の因果関係をいう。以下同じ。）にあるグループ同士を関連付ける。
【００４０】
図４に、乗降行動推定処理部１７ｆが実行する処理のフローチャートを示す。乗降行動推定処理部１７ｆは、例えば車両の主電源がオンになったタイミングで、この図４に示す処理を１回実行するようになっていてもよいし、車両のドライバが操作部１３に対して所定の開始操作を行ったことに基づいて、この図４に示す処理を１回実行するようになっていてもよい。
【００４１】
図４の処理において乗降行動推定処理部１７ｆは、まずステップ１００で、走行履歴データ中に記録された乗車レコードのうち、同じ場所で乗車行動があった乗車レコードのリストを作成することで、同じ場所で乗車行動があった乗車レコードをグループ化する。
【００４２】
具体的には、ステップ１００では、図５に示すような処理を行う。まずステップ１１０では、走行履歴データから、乗降レコードを読み出す。ただし、読み出す乗降レコードは、最新のものから遡って所定数（例えば１００個）の乗降レコードとする。このようにすることで、古すぎて現状に合わない走行記録を反映した処理を行ってしまう可能性が低減される。
【００４３】
続いてステップ１２０では、読み出した乗降レコードに対して、乗車割合の高い乗車場所に限定して、同一乗車場所のグルーピングを行う。具体的には、読み出した乗降レコードに含まれるすべての乗車レコードを、同じ場所で乗車行動があった乗車レコードの集合に振り分ける。
【００４４】
例えば、読み出した乗降レコードが図３のようなものであった場合、走行履歴番号１、３、５、７に対応する乗車レコードは、自宅で乗車行動があった乗車レコードの集合に振り分けられる。また、走行履歴番号４に対応する乗車レコードは、Ｂスーパーで乗車行動があった乗車レコードに振り分けられる。
【００４５】
そして、そのようにして振り分けた乗車レコードの集合のそれぞれに対して、当該集合の要素数が、ステップ１１０で読み出した乗車レコードの総数に対して所定の割合（例えば、１０％）以上の数となる場合、当該集合中の乗車レコードをグループ化して１つの乗車グループＰとする。具体的には、当該集合中の乗車レコードに含まれる場所と、当該集合に属する乗車レコードの走行履歴番号のリストと、を含む同一場所乗車データを１個作成し、地図データ取得部１６の記憶媒体に記録する。図６に、１個の同一場所乗車データの構成を示す。したがって、乗車グループＰ毎に、１つの同一場所乗車データが作成される。
【００４６】
続いてステップ１３０では、ステップ１２０と同様のことを降車レコードに対しても行う。つまり、ステップ１１０で読み出した乗降レコードに対して、乗車割合の高い降車場所に限定して、同一降車場所のグルーピングを行う。具体的には、読み出した乗降レコードに含まれるすべての降車レコードを、同じ場所で降車行動があった降車レコードの集合に振り分ける。
【００４７】
そして、そのようにして振り分けた降車レコードの集合のそれぞれに対して、当該集合の要素数が、ステップ１１０で読み出した降車レコードの総数に対して所定の割合（例えば、１０％）以上の数となる場合、当該集合中の降車レコードをグループ化して１つの降車グループＱとする。具体的には、当該集合中の降車レコードに含まれる場所と、当該集合に属する降車レコードの走行履歴番号のリストと、を含む同一場所降車データを１個作成し、地図データ取得部１６の記憶媒体に記録する。図７に、１個の同一場所降車データの構成を示す。したがって、降車グループＱ毎に、１つの同一場所降車データが作成される。ステップ１３０の後、ステップ１００の処理は終了する。
【００４８】
このように、ステップ１００では、ある程度以上頻繁に同じ場所で乗車行動があった乗車レコードをグループ化して乗車グループＰとし、ある程度以上頻繁に同じ場所で降車行動があった乗車レコードをグループ化して降車グループＱとする。ステップ１００に続いては、ステップ２００に進む。
【００４９】
ステップ２００では、ステップ１１０で作成された乗車グループＰのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードのリストを作成することで、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化して細分化乗車グループｐとし、また、降車グループＱのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードのリストを作成することで、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化して細分化降車グループｑとする。
【００５０】
図８に、このステップ２００の処理の詳細を示す。乗降行動推定処理部１７ｆは、まずステップ２１０で、１つの乗車グループＰまたは１つの降車グループＱを新たに抽出し、抽出した乗車グループＰに対してステップ２２０、２３０を実行し、その後、ステップ２４０ですべての乗車グループＰおよびすべての降車グループＱに対してステップ２２０、２３０の処理を行ったか否かを判定し、行ったと判定した場合はステップ２００の処理を終了し、行っていない場合、再度ステップ２１０に戻り、まだ抽出されていない１つの乗車グループＰまたは１つの降車グループＱを新たに抽出する。したがって、ステップ２２０、２３０の処理は、乗車グループＰのそれぞれに対して１回ずつ実行され、また、降車グループＱのそれぞれに対して１回ずつ実行される。
【００５１】
まず、１つの乗車グループＰに対してステップ２２０、２３０の処理を実行する場合について説明する。まずステップ２２０では、当該乗車グループＰに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する。
【００５２】
なお、ある乗車グループＰに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する方法は、以下の通りである。まず、走行履歴データから読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定する。具体的には、図５のステップ１１０で読み出した乗降レコードのうち、最も過去に記録された乗降レコードの記録日を特定し、その記録日から現在の日付までの総日数を上記記録期間として特定する。
【００５３】
続いて、図９に示すように、抽出期間３０を設定する。抽出期間３０の長さは２時間とし、駐車期間の開始時刻は０時から２２時までの期間内で１時間ずつ順次ずらして設定していく。具体的には、まず抽出期間を０時から２時までの期間に設定し、次に抽出期間を１時から３時までの期間に設定し、次に抽出期間３０を３時から５時までの期間に設定するという風に、抽出期間３０をずらして設定していく。そして、抽出期間３０を１つの期間に設定する度に、その期間内で乗車時刻が集中している時間帯を探索する。
【００５４】
各抽出期間３０内（例えば図９の例では６時から８時）における集中時間帯の探索は、以下のように行う。まず、当該乗車グループＰのうち抽出期間３０内に乗車行動があった乗車レコード中の乗車時刻３１をサンプルとする正規分布３２（縦軸はサンプルにおける乗車時刻の頻度）を、周知の方法により推定する。そして、推定した正規分布の平均値μおよび分散σ２を算出する。
【００５５】
そして、当該サンプルの総数を上述の記録期間で除算した値が所定の第１閾値（例えば０．０５）以上であり、かつ、分散σ２が所定の第２閾値（例えば、２０分の自乗）未満である場合に限り、平均値μを中心とする標準偏差σのｎ倍の範囲を、乗車時刻の分布が集中している時間帯とする。このｎの値は、２でもよいし３でもよい。
【００５６】
なお、２４時間よりも短い抽出範囲３０を設定するのは、２４時間全体に対して正規分布を推定して平均値μおよび分散σ２を算出しても、複数の時間帯の乗車時刻の集中（例えば、朝の通勤時の集中、夕方の帰宅時の集中）を見つけることができないからである。
【００５７】
しかし、通勤、買い物等のドライバの習慣的行動には、ある程度の時間のばらつきがあるので、抽出範囲３０をあまり短くし過ぎても、ドライバの習慣的行動に対応した集中時間帯を見つけることが困難になってしまう。そこで、抽出範囲３０を２時間とすることで、ドライバの習慣的行動としてある程度意味のある集中を見つけることが可能となる。ただし、必ず２時間でなければならないというわけではなく、１時間としてもよい場合もあれば、３時間、４時間としてもよい場合もある。
【００５８】
だだし、通勤、買い物等のドライバの習慣的行動には、ある程度の乗車時刻、降車時刻のばらつきがあるので、抽出範囲３０をあまり短くし過ぎても、ドライバの習慣的行動に対応した集中時間帯を見つけることが困難になってしまう。そこで、抽出範囲３０を、そのようなばらつきよりも広いと考えられる２時間とすることで、ドライバの習慣的行動としてある程度意味のある集中を見つけることが可能となる。ただし、必ず２時間でなければならないというわけではなく、１時間としてもよい場合もあれば、３時間、４時間としてもよい場合もある。
【００５９】
また、抽出範囲３０を絞ると、抽出範囲３０の境界付近（例えば、図９の例における９８時付近）を中心とした乗車時刻の集中を、うまく見つけることができない可能性がある。そこで、抽出範囲３０をずらす場合は、抽出範囲３０の長さよりも短いステップ（本例では半分の１時間）でずらすことで、どのような時間帯における集中も見るけることができる可能性が高まる。
【００６０】
また、抽出範囲３０で、分散σ２の閾値を設け、その閾値よりも分散σ２が小さい場合に限って、乗車時刻が集中していると判定するのは、抽出範囲３０が、上記のように、ドライバの習慣的行動の時刻のばらつきよりも広めに設定されているからである。
【００６１】
続いてステップ２３０では、抽出した時間帯に乗車行動があった乗車レコード（すなわち、抽出した時間帯内の乗車時刻を含む乗車レコード）を当該乗車グループＰから抽出し、抽出した乗車レコードをグループ化して１つの細分化乗車グループｐを作成する。
【００６２】
具体的には、抽出した当該時間帯と、抽出した乗車レコード中の場所と、抽出した乗車レコードの走行歴番号のリストと、を含む同一場所時間帯乗車データを作成することで、抽出した乗車レコードをグループ化して細分化乗車グループｐを作成する。図１０に、同一場所時間帯乗車データの構成を示す。
【００６３】
次に、１つの降車グループＱに対してステップ２２０、２３０の処理を実行する場合について説明する。まずステップ２２０では、当該降車グループＱに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する。抽出方法は、乗車グループＰに対して用いた方法において、乗車グループＰを降車グループＱに置き換え、乗車を降車に置き換えたものを採用すればよい。
【００６４】
続いてステップ２３０では、抽出した時間帯に降車行動があった降車レコード（すなわち、抽出した時間帯内の降車時刻を含む降車レコード）を当該降車グループＱから抽出し、抽出した降車レコードをグループ化して１つの細分化降車グループｑを作成する。
【００６５】
具体的には、抽出した当該時間帯と、抽出した降車レコード中の場所と、抽出した降車レコードの走行歴番号のリストと、を含む同一場所時間帯降車データを作成することで、抽出した降車レコードをグループ化して細分化降車グループｑを作成する。図１１に、同一場所時間帯降車データの構成を示す。
【００６６】
このようなステップ２００を実行することで、乗降行動推定処理部１７ｆは、乗車グループＰ、降車グループＱのそれぞれを降車時間帯で細分化して細分化乗車グループｐ、細分化降車グループｑを作成することができる。
【００６７】
ステップ２００に続いて乗降行動推定処理部１７ｆは、ステップ３００に進み、細分化乗車グループｐと細分化降車グループｑの間の関連付けを行う。図１２に、ステップ３００の処理の詳細を示す。
【００６８】
乗降行動推定処理部１７ｆは、まずステップ３１０で、１つの細分化乗車グループｐまたは１つの細分化降車グループｑを新たに抽出し、抽出した細分化乗車グループｐに対してステップ３２０、３３０を実行し、その後、ステップ３４０ですべての細分化乗車グループｐおよびすべての細分化降車グループｑに対してステップ２２０、２３０の処理を行ったか否かを判定し、行ったと判定した場合はステップ３００の処理を終了し、行っていない場合、再度ステップ３１０に戻り、まだ抽出されていない１つの細分化乗車グループｐまたは１つの細分化降車グループｑを新たに抽出する。したがって、ステップ３２０、３３０の処理は、細分化乗車グループｐのそれぞれに対して１回ずつ実行され、また、細分化降車グループｑのそれぞれに対して１回ずつ実行される。
【００６９】
まず、１つの細分化乗車グループｐに対してステップ３２０、３３０の処理を実行する場合について説明する。まずステップ３２０では、当該細分化乗車グループｐと乗降関係の強い細分化降車グループｑを検索する。
【００７０】
検索の際は、当該細分化乗車グループｐに属する乗車レコードの総数である乗車レコード総数を算出し、また、この乗車レコード総数に所定の割合Ｋｐ（０より大きく１より小さい）を乗算した結果の値を基準回数とする。
【００７１】
また、当該細分化乗車グループｐに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードを特定し、それら降車レコードのそれぞれが属する細分化降車グループｑを特定する。つまり、最大で、当該細分化乗車グループｐに属する乗車レコードの数だけ、細分化降車グループｑが特定される。この特定は、同じ細分化降車グループｑを複数回特定する重複もあり得る。
【００７２】
その結果、特定された回数（重複回数）が基準回数以上となった細分化降車グループｑを、当該細分化乗車グループｐと強い乗降関係にある細分化降車グループｑとして選び出す。
【００７３】
このようにして選び出された細分化降車グループｑは、当該細分化乗車グループｐの示す時間帯および場所で乗車行動があった場合に、その後降車する可能性が高い時間帯および場所を示すグループである。
【００７４】
続いてステップ３３０では、検索の結果選び出された細分化降車グループｑに、当該細分化乗車グループｐを関連付け、その関連付け情報を、地図データ取得部１６の記憶媒体中の乗降関連付けデータに記録する。図１３に、乗降関連付けデータの模式図を示す。
図１３の例では、細分化乗車グループｐ１が細分化降車グループｑ１に関連付けられている。
【００７５】
次に、１つの細分化降車グループｑに対してステップ３２０、３３０の処理を実行する場合について説明する。まずステップ３２０では、当該細分化降車グループｑと乗降関係の強い細分化乗車グループｐを検索する。
【００７６】
検索の際は、当該細分化降車グループｑに属する降車レコードの総数である降車レコード総数を算出し、また、この降車レコード総数に所定の割合Ｋｑ（０より大きく１より小さい）を乗算した結果の値を基準回数とする。なお、この割合Ｋｑは、上述の割合Ｋｐと同じであってもよいし、異なっていてもよい。
【００７７】
また、当該細分化降車グループｑに属する降車レコードのそれぞれについて、当該降車レコードの次に走行履歴データに記録された乗車レコードを特定する。この乗車レコードは、当該降車レコードのように降車した後にドライバが乗車したときの乗車時刻および乗車場所が記録されている。
【００７８】
また、それら特定した乗車レコードのそれぞれが属する細分化乗車グループｐを特定する。つまり、最大で、当該細分化降車グループｑに属する降車レコードの数だけ、細分化乗車グループｐが特定される。その結果、特定された回数（重複回数）が基準回数以上となった細分化乗車グループｐを、当該細分化降車グループｑと強い乗降関係にある細分化乗車グループｐとして選び出す。
【００７９】
このようにして選び出された細分化乗車グループｐは、当該細分化降車グループｑの示す時間帯および場所で降車した場合に、その後乗車する可能性が高い時間帯および場所を示すグループである。
【００８０】
続いてステップ３３０では、検索の結果選び出された細分化乗車グループｐに、当該細分化降車グループｑを関連付け、その関連付け情報を、地図データ取得部１６の記憶媒体中の乗降関連付けデータに記録する。図１３の例では、細分化降車グループｑ２が細分化乗車グループｐ１に関連付けられ、細分化降車グループｑ３が細分化乗車グループｐ２に関連付けられている。
【００８１】
以上のように、乗降行動推定処理部１７ｆは、走行履歴データ中のレコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上（多くの場合複数）の細分化乗車グループを作成し、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上（多くの場合複数）の細分化降車グループを作成し（ステップ１００、２００）、当該１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する（ステップ３００）。
【００８２】
このように、走行履歴データにおいて、細分化降車グループに属する降車レコードの次に記録された乗車レコードを見つけ、その乗車レコードが属する細分化乗車グループを特定していき、その特定された回数が多いものを、当該細分化降車グループの関連付け先とすることで、細分化降車グループと乗降の因果関係が強い細分化乗車グループを特定することができる。
【００８３】
また、乗降行動推定処理部１７ｆは、当該１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の結果選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録する（ステップ３００）。
【００８４】
このように、走行履歴データにおいて、細分化乗車グループに属する乗車レコードと組になって乗降レコードとして記録された降車レコードを見つけ、その降車レコードが属する細分化降車グループを特定していき、その特定された回数が多い細分化降車グループを、当該細分化乗車グループの関連付け先とすることで、細分化乗車グループｐと乗降の因果関係が強い細分化降車グループｑを特定することができる。
【００８５】
つまり、乗車時刻と乗車場所と、降車時刻、降車場所との関連性に着目して、乗車の場所と時間帯を降車の場所と時間帯に関連付け、同様に降車の場所と時間帯を乗車の場所と時間帯に関連付ける。
【００８６】
例えば、あるドライバが毎朝同じ時間帯Ｔａに自宅を出発し、同じく決まった時間帯Ｔｂに会社へ到着している場合、その乗降レコードを走行履歴データに蓄積することによって、乗降行動推定処理部１７ｆによって作成される乗降関連付けデータにおいて、時間帯Ｔａに自宅で乗車することが、時間帯Ｔｂに会社で降車することに関連付けられる。
【００８７】
また、いもずる方式で３つ以上の細分化乗車グループｐ、細分化降車グループｑが関連付けられることもある。例えば、時間帯Ｔｃにスーパーマーケットに到着し、その後時間帯Ｔｄにスーパーマーケットを出発して時間帯Ｔｅに自宅へ帰る行動パターンを繰り返していれば、乗降行動推定処理部１７ｆによって作成される乗降関連付けデータにおいて、時間帯Ｔｃにスーパーマーケットで降車することが、時間帯Ｔｄにスーパーマーケットで乗車することに関連付けられ、更に、時間帯Ｔｄにスーパーマーケットで乗車することが、時間帯Ｔｄに自宅で降車することに関連付けられる。このようなドライバの習慣的な行動パターンの関連付けを乗降関連付けデータに記録して活用する事で、後述するような各種処理を実現することができる。
【００８８】
また、乗降行動推定処理部１７ｆは、まず同じ乗車場所または降車場所のレコードをグループ化し（ステップ１００）、次に、グループ化した乗車グループまたは降車グループ内で、同じ時間帯でグループ化して細分化乗車グループまたは細分化降車グループを作成するようになっており（ステップ２００）、また、同じ乗車場所（または降車場所）のグループ化は、同じ乗車場所（または同じ降車場所）となるレコードの数が多いものを選んで行うようになっている（ステップ１２０、１３０）。
【００８９】
更に、乗降行動推定処理部１７ｆは、同じ乗車時間帯（または降車時間帯）のグループ化は、同じ乗車時間帯（または同じ降車時間帯）となるレコードの数が多いものを選んで行うようになっている（ステップ２２０、２３０）。
【００９０】
このようになっていることで、ドライバの習慣的な行動でない偶発的な行動をグループ化から除外することができ、その結果、ドライバの習慣的な行動をより忠実に反映した関連付けを行うことができる。
【００９１】
次に、このようにして記録された乗降関連付けデータを利用する作動について説明する。制御回路１７は、乗降関連付けデータを利用する拡張機能構成として、図２に示すように、エネルギ予測モニタ部１７ｇ、自動充電制御部１７ｈ、自動プレ空調部１７ｉ、蓄冷エアコン制御部１７ｊを備えている。
【００９２】
まずエネルギ予測モニタ部１７ｇについて説明する。エネルギ予測モニタ部１７ｇは、車両の走行時、充放電制御部１７ａが検出する走行バッテリのＳＯＣに基づいて、そのリンクの走行時における走行バッテリの蓄積エネルギの変化量を、地図データ取得部１６の記憶媒体のエネルギ推移データに記録する。
【００９３】
また、エネルギ予測モニタ部１７ｇは、そのエネルギ推移データを利用して走行用バッテリの蓄積するエネルギの推移を予測するため、図１４に示すような処理を実行する。具体的には、エネルギ予測モニタ部１７ｇは、例えば車両の走行開始時に図１４に示す処理の実行を開始する。
【００９４】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、エネルギ予測モニタ部１７ｇは、まずステップ４１０で目的地が設定されていると判定し、続いてステップ４３０に進み、エネルギ推移データに基づいて、誘導経路上のリンク毎の走行用バッテリの蓄積エネルギの変化量を特定し、特定した変化量に基づいて、誘導経路に沿った現在位置から目的地までの走行用バッテリの蓄積エネルギの推移を予測する。
【００９５】
そしてステップ４３０では、画像表示装置１２またはスピーカ１４を用いて、走行用バッテリの蓄積エネルギの推移を表示してもよいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ４５０で当該推移のグラフを画像表示装置１２に表示させる。しかし、ドライバが操作部１３を用いて禁止の操作を行えば表示せずに図１４の処理を終了する。
【００９６】
図１４の以上のような処理は、従来通りであるが、図１４の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ４１０で目的地が設定されていないと判定し、続いてステップ４２０に進む。
【００９７】
そしてステップ４２０では、今回の乗車時刻（最後に車両の主電源がオンになった時刻）および乗車位置（当該乗車時刻における車両の位置）を特定し、「今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが存在し、かつ、乗降関連付けデータにおいて、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【００９８】
なお、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐを特定する方法は、以下の通りである。各同一場所時間帯乗車データに基づいて、各細分化乗車グループｐが有する乗車時間帯および乗車場所が、今回の乗車時刻および乗車位置を含むか否かを判定し、含むと判定された細分化乗車グループｐを、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐであるとする。
【００９９】
上記条件が満たされていない場合は、図１４の処理を終了するが、満たされている場合は、続いてステップ４２５に進み、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得する。そして、取得した降車時間帯を次に降車する降車時刻の範囲として予測し、取得した降車場所を、次に降車する降車場所として予測する。
【０１００】
更にステップ４２５では、現在位置を出発地点とし、予測した降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、ステップ４３０に進む。ただし、算出結果の誘導経路に基づいて、到着地点への到着時間を算出し、その到着時間が予測した降車降車時刻の範囲を外れている場合は、ステップ４３０に進まずに図１４の処理を終了してもよい。ステップ４３０以降は、既に説明した通りである。
【０１０１】
このように、ドライバの車両への乗車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループと乗降関係の強い細分化降車グループを、乗降関連付けデータに基づいて特定し、特定した細分化降車グループに対応した降車時間帯および降車場所に基づいて、次にドライバが車両から降車するときの時刻の範囲および場所を予測する（ステップ４２５）。
【０１０２】
このように、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、目的地が設定されていなくても、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻および降車場所をある程度高い正確性で予測でき、その降車時刻および降車場所を用いて、バッテリの蓄積エネルギの推移の予測等、各種処理を行うことができる。
【０１０３】
次に自動充電制御部１７ｈについて説明する。自動充電制御部１７ｈは、充放電制御部１７ａを制御して、電源（家庭用電源、充電スポットに設置された充電器等）から走行用バッテリへの充電の実行、非実行を自動的に切り替える。
【０１０４】
このために、自動充電制御部１７ｈは、図１５に示す処理を、例えば電源と走行用バッテリが電力ケーブルを介して繋がり、充電開始可能となったときに、実行し始める。
【０１０５】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、エネルギ予測モニタ部１７ｇは、まずステップ５０５で目的地が設定されていると判定し、続いてステップ５１５に進み、次回走行時の降車場所（この場合は目的地）に充電スポットがあるか否かを、地図データに基づいて判定し、ないと判定すればステップ５５０で充放電制御部１７ａを制御して充電を開始し、ステップ５６０で、ドライバの乗車行動があるか、操作部１３に対するキャンセル操作があるか、走行用バッテリが満充電状態になるまで、充電を継続する。
【０１０６】
ステップ５１５で、充電スポットがあると判定した場合、続いてステップ５２０に進み、現在位置の充電スポットの単位電力量当たりの充電価格と、降車場所の充電スポットの単位電力量当たりの充電価格とを比較し、現在位置の充電スポットの方が高いか否かを判定し、高くない場合はステップ５５０に進み、高い場合はステップ５２５に進む。
【０１０７】
ステップ５２５では、画像表示装置１２またはスピーカ１４を用いて、降車場所に即した計画的な充電を開始してもよいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ５３０に進み、禁止の操作を行えばステップ５５０に進む。
【０１０８】
ステップ５３０では、現在位置を出発地点とし、降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、誘導経路に沿った降車場所までの距離等に基づいて、次回の運転に必要な充電量、すなわち、現在位置から降車場所までの走行において消費する走行用バッテリの必要電力量を、算出する。
【０１０９】
続いてステップ５３５では、ステップ５５０と同様に充電を開始し、続いてステップ５４０で、ドライバの乗車行動があるか、操作部１３に対するキャンセル操作があるか、走行用バッテリの充電量が必要電力量に到達するまで、充電を継続し、要電力量に到達すると、充放電制御部１７ａを制御して充電を終了する。
【０１１０】
図１５の以上のような処理は、従来通りであるが、図１５の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ５０５で目的地が設定されていないと判定し、続いてステップ５１０に進む。
【０１１１】
そしてステップ５１０では、今回の降車時刻（最後に車両の主電源がオフになった時刻）および降車位置（当該降車時刻における車両の位置）を特定する。なお、図１５の処理の開始前に、車両の主電源はオフになっているものとする。また、「今回の降車時刻および降車位置に該当する細分化降車グループｑが存在し、かつ、乗降関連付けデータにおいて、当該細分化降車グループｑがいずれかの細分化乗車グループｐに関連付けられ、かつ、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【０１１２】
なお、今回の降車時刻および降車位置に該当する細分化降車グループｑを特定する方法は、以下の通りである。各同一場所時間帯降車データに基づいて、各細分化降車グループｑが有する降車時間帯および降車場所が、今回の降車時刻および降車位置を含むか否かを判定し、含むと判定された細分化降車グループｑを、今回の降車時刻および降車位置に該当する細分化降車グループｑであるとする。
【０１１３】
上記条件が満たされていない場合は、ステップ５５０に進み、満たされている場合は、続いてステップ５１２に進み、今回の降車時刻および降車位置に該当する細分化降車グループｑが関連付けられている細分化乗車グループｐ（例えば、図１３におけるｑ２に対するｐ１）を、乗降関連付けデータに基づいて特定し、また、その細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得し、取得した降車時間帯中のいずれかの時刻（例えば降車時間帯の終了時刻）を、次にドライバが前記車両に乗車した後に降車する時刻として予測し、取得した降車場所を、次にドライバが前記車両に乗車した後に降車する場所として予測する。
【０１１４】
続いてステップ５１５に進む。ステップ５１５以降は、既に説明した通りである。ただし、ステップ５３０では、現在位置を出発地点とし、ステップ５１２で予測した降車場所を到着地点として、経路算出処理部１７ｃに誘導経路を算出させ、誘導経路に沿った降車場所までの距離等に基づいて、次回の運転に必要な充電量、すなわち、現在位置から降車場所までの走行において消費する走行用バッテリの必要電力量を、算出する。
【０１１５】
この際、ステップ５１２で予測した降車時刻に基づいて、必要電力量を補正してもよい。例えば、誘導経路上の距離および平均走行速度から周知の方法により算出した当該降車場所への到着時刻よりも、ステップ５１２で予測した降車時刻の方が遅い場合、必要電力量を増大させるよう補正し、ステップ５１２で予測した降車時刻の方が早い場合、必要電力量を減少させるよう補正してもよい。
【０１１６】
このように、自動充電制御部１７ｈは、ドライバの車両からの降車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループｑを特定し、特定した細分化降車グループｑと乗降関係の強い細分化乗車グループｐを、乗降関連付けデータに基づいて特定し、特定した細分化乗車グループｐと乗降関係の強い細分化降車グループｑを乗降関連付けデータに基づいて特定し、特定した細分化降車グループｑに対応した降車場所を、次にドライバが車両に乗車した後に降車する場所として予測する（ステップ５１２）。
【０１１７】
このようになっていることで、目的地が設定されていなくても、最後の降車地点と降車時刻さえわかれば、乗降関連付けデータに基づいて次の降車場所をある程度高い正確性で予測でき、その降車場所を用いて、次の乗車時までの期間において、適切な充電量を実現するための充電制御等の各種処理を行うことができる。
【０１１８】
例えば、車両で頻繁に訪問する施設があり、その施設の近くに充電スタンドがあり、ドライバの自宅でも充電可能となっているとする。そして、ドライバは、特定の時間帯Ｂにこの充電スタンドで主電源をオフにして充電し、その後、特定の時間帯Ｂに主電源をオンにして、特定の時間帯Ｃに自宅に戻るという行動を頻繁に行っていたとする。更に、充電スタンドの単位電力量当たりの充電価格の方が、自宅における単位電力量当たりの充電価格よりも高かったとする。
【０１１９】
このような場合、時間帯Ａを降車時間帯とし、この充電スタンドを降車場所とする細分化降車グループｑ１が作成されており、また、時間帯Ｂを乗車時間帯とし、この充電スタンドを乗車場所とする細分化乗車グループｐ１が作成されており、また、時間帯Ｃを降車時間帯とし、自宅を乗車場所とする細分化降車グループｑ２が作成されていることになる。
【０１２０】
そして、乗降関連付けデータでは、細分化降車グループｑ１が細分化乗車グループｐ１に関連付けられ、細分化乗車グループｐ１が細分化降車グループｑ２に関連付けられることになる。したがって、目的地が設定されていない場合、自動充電制御部１７ｈは、ステップ５１２で細分化降車グループｑ２が有する降車場所（すなわち自宅）を次の降車場所として予測し、ステップ５３０では、この充電スタンドの位置から当該次の降車場所までの必要充電量を算出し、ステップ５３５、５４０では、必要充電量を満たすまで充電した後、充電を終了する。
【０１２１】
次に、自動プレ空調部１７ｉについて説明する。自動プレ空調部１７ｉは、車両の車室内空調装置を制御して、ドライバが車両に乗車する前に車室内の空調を行うためのプレ空調処理を実行する。このために、自動プレ空調部１７ｉは、図１６に示す処理を、例えば車両の主電源がオフになったときに実行開始する。あるいは、車両が所定のプレ空調予約操作を操作部１３に対して行ったときに、図１６に示す処理の実行を開始する。なお、プレ空調予約操作は、降車時に行うはずなので、降車行動の１つである。
【０１２２】
図１６の処理においては、まずステップ６１０で、画像表示装置１２またはスピーカ１４を用いて、プレ空調を行ってもいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ６２０に進み、禁止の操作を行えば図１６の処理を終了する。
【０１２３】
ステップ６２０では、次にドライバが車両に乗車する時刻を予測する。具体的には、まず、今回の降車時刻（最後に車両の主電源がオフになった時刻）および降車位置（当該降車時刻における車両の位置）を特定する。続いて、今回の降車時刻および降車位置に該当する細分化降車グループｑを特定し、特定した細分化降車グループｑが関連付けられている細分化乗車グループｐ（例えば、図１３におけるｑ２に対するｐ１）を、乗降関連付けデータに基づいて特定し、その細分化乗車グループｐの同一場所時間帯乗車データに基づいて、その細分化乗車グループｐの乗車時間帯を取得し、その乗車時間帯の開始時刻（または、開始時刻と終了時刻の平均時刻）を、乗車予測時刻とする。
【０１２４】
続いてステップ６３０では、乗車予測時刻よりも所定時間ΔＴ（例えば１５分）前の制御開始時刻になるまで待機し、当該制御開始時刻が訪れると、車室内空調装置を制御して、車室内の空調を開始させる。
【０１２５】
続いてステップ６４０では、所定の条件が満たされるまで待ち、満たされた場合、車室内空調装置の制御を終了する。所定の条件としては、（１）車両への乗車行動があったと判定したという条件、（２）操作部１３を用いたキャンセル操作があったという条件、（３）乗車予測時刻から所定時間（例えば１時間）経過したという条件、という３つの条件のいずれか１を採用してもよいし、これら３つの複合条件を採用してもよい。
【０１２６】
このように、蓄冷エアコン制御部１７ｊは、降車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループｑを特定し、特定した細分化降車グループｑと乗降関係の強い細分化乗車グループｐを、乗降関連付けデータに基づいて特定し、特定した細分化乗車グループｐの乗車時間帯に基づいて、次にドライバが車両に乗車する時刻を予測する。
【０１２７】
このようになっていることで、最後に降車行動のあった時刻と位置さえわかれば、乗降関連付けデータに基づいて次の乗車時刻をある程度高い正確性で予測でき、その乗車時刻を用いて、次の乗車時までの期間において、プレ空調制御等の各種処理を行うことができる。
【０１２８】
次に、蓄冷エアコン制御部１７ｊについて説明する。蓄冷エアコン制御部１７ｊは、車両の走行中、ドライバが車両から降車するタイミングを事前に予測し、そのタイミングよりも所定時間前に、車室内空調装置の作動をより電力消費の少ない作動に切り替えることで、無駄な電力消費を抑える。
【０１２９】
このような作動を実現するため、蓄冷エアコン制御部１７ｊは、図１７に示す処理を、例えば車両が走行を開始したときに実行し始める。
【０１３０】
この処理の開始の時点で経路算出処理部１７ｃによって目的地および目的地までの誘導経路が設定されていれば、蓄冷エアコン制御部１７ｊは、まずステップ７１０で目的地が設定されていると判定し、続いてステップ７３０に進み、現在時刻、現在位置、および誘導経路に基づいて、降車予測時刻（この場合、目的地への到着時刻）を算出する。
【０１３１】
続いてステップ７４０では、算出した降車予測時刻より所定時間ΔＴ（例えば１５分）だけ前の節約開始時刻になるまで待ち、当該節約開始時刻が訪れると、画像表示装置１２またはスピーカ１４を用いて、空調装置の節約制御を行ってもいか否かをドライバに問い合わせ、ドライバが操作部１３を用いて許可の操作を行えばステップ７５０に進み、禁止の操作を行えば図１７の処理を終了する。
【０１３２】
ステップ７５０では、空調装置の節約制御を開始する。具体的には、車室内空調装置の作動を停止させる、冷房時の車室内温度の設定値を上昇させて別途蓄積しておいた冷気を車室内に供給する等、車室内空調装置の作動をより電力消費の少ない作動に切り替える。
【０１３３】
続いてステップ７６０では、所定の条件が満たされるまで待ち、満たされた場合、ステップ７５０で始めた空調装置の節約制御を終了する。所定の条件としては、（１）ドライバが自ら操作して車室内空調装置の設定を変更したという条件、（２）目的地が変更されたという条件、（３）降車予測時刻から所定時間（例えば１時間）経過したという条件、という３つの条件のいずれか１を採用してもよいし、これら３つの複合条件を採用してもよい。
【０１３４】
図１７の以上のような処理は、従来通りであるが、図１７の処理の開始の時点で目的地が設定されていない場合の処理内容は、新規なものである。具体的には、ステップ７１０で目的地が設定されていないと判定し、続いてステップ７２０に進む。
【０１３５】
そしてステップ７２０では、今回の乗車時刻（最後に車両の主電源がオンになった時刻）および乗車位置（当該乗車時刻における車両の位置）を特定し、「今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが存在し、かつ、乗降関連付けデータにおいて、当該細分化乗車グループｐがいずれかの細分化降車グループｑに関連付けられている」、という条件が満たされているか否かを判定する。
【０１３６】
上記条件が満たされていない場合は、図１７の処理を終了するが、満たされている場合は、続いてステップ７３０に進む。ステップ７３０では、今回の乗車時刻および乗車位置に該当する細分化乗車グループｐが関連付けられている細分化降車グループｑ（例えば、図１３におけるｐ１に対するｑ１）を、乗降関連付けデータに基づいて特定し、その細分化降車グループｑの同一場所時間帯降車データに基づいて、その細分化降車グループｑの降車時間帯および降車場所を取得する。そして、その降車時間帯の開始時刻（または、開始時刻と終了時刻の平均時刻）を、降車予測時刻とする。ステップ７４０以降は、既に説明した通りである。
【０１３７】
このように、ドライバの車両への乗車行動があったと最後に判定された時刻および当該時刻における車両の位置を特定し、当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループと乗降関係の強い細分化降車グループを、乗降関連付けデータに基づいて特定し、特定した細分化降車グループに対応した降車時間帯に基づいて、次にドライバが車両から降車するときの時刻を予測する（ステップ７３０）。
【０１３８】
なお、ステップ７４０では、算出した降車予測時刻より所定時間ΔＴ（例えば１５分）だけ前の節約開始時刻になるまで待つのではなく、ステップ７３０で取得した降車場所から所定距離（例えば、１ｋｍ）以内の位置に車両が入っるまで待つようになっていてもよい。
【０１３９】
このように、乗降関連付けデータにおいて細分化乗車グループが細分化降車グループに関連付けられていることで、目的地が設定されていなくても、最後に乗車行動を検出した時刻または位置さえわかれば、乗降関連付けデータに基づいて降車時刻および降車場所をある程度高い正確性で予測でき、その降車時刻および降車場所を用いて、車室内空調装置の節約制御等、各種処理を行うことができる。
【０１４０】
（他の実施形態）
以上、本発明の実施形態について説明したが、本発明の範囲は、上記実施形態のみに限定されるものではなく、本発明の各発明特定事項の機能を実現し得る種々の形態を包含するものである。例えば、以下のような形態も許容される。
【０１４１】
（１）上記実施形態では、ドライバの車両への乗車行動の有無を判定する方法としては、主電源がオフからオンとなったか否かを判定する方法を採用しているが、必ずこの方法を採用しなければならないわけではない。例えば、運転席側ドアが開いて閉じられたことを車両のドア開閉センサ（図示せず）が検出し、さらに、運転席の着座センサ（図示せず）がドライバの着座を検出したか否かで、ドライバの車両への乗車行動の有無を判定してもよい。
【０１４２】
（２）また、上記実施形態では、ドライバの車両からの降車行動の有無を判定する方法としては、主電源がオンからオフとなったか否かを判定する方法を採用しているが、必ずこの方法を採用しなければならないわけではない。例えば、運転席の着座センサがドライバの着座を検出しなくなり、その後、運転席側ドアが開いて閉じられたことをドア開閉センサが検出したか否かで、ドライバの車両への乗車行動の有無を判定してもよい。
【０１４３】
（３）図８のステップ２２０において、抽出範囲３０で、分散σ２の閾値である第２の閾値を設け、その閾値よりも分散σ２が小さい場合に限って、乗車時刻が集中していると判定するようになっているが、この分散σ２の制限は必須ではない。つまり、分散σ２の値に関わらず、サンプルの総数を上述の記録期間で除算した値が所定の第１の閾値以上であれば、乗車時刻（または降車時刻）の分布が集中していると判定するようになっていてもよい。
【０１４４】
（４）上記第２の閾値は、抽出期間３０が設定されている時間帯によって変化するようになっていてもよい。例えば、朝の乗車時刻は、夜の乗車時刻よりも、ばらつきが小さい傾向にあるので、第２の閾値は、抽出期間３０が午後に設定されている場合よりも、抽出期間３０が午前に設定されている場合の方が、小さくなるようにしてもよい。
【０１４５】
（５）また、上記第２の閾値は、乗車グループＰを細分化する場合と降車グループＱを細分化する場合とで異なっていてもよい。例えば、乗車時刻は降車時刻よりもばらつきが小さい傾向にあるので、第２の閾値は、降車グループＱを細分化する場合よりも乗車グループＰを細分化する場合の方が、小さくなるようにしてもよい。
【０１４６】
（６）また、図８のステップ２２０では、抽出期間３０内の乗車時刻（または降車時刻）のサンプルの正規分布を推定し、その正規分布の平均値μおよび分散σ２を算出しているが、サンプルの正規分布を推定することは必須ではなく、例えば、サンプルそのものの平均値μおよび分散σ２を直接算出するようになっていても、そのように算出した平均値μおよび分散σ２を、正規分布の平均値μおよび分散σ２と同じように用いればよい。
【０１４７】
（７）また、車両は、内燃機関であるエンジンのみを走行用の動力源として走行する車両であってもよいし、エンジンと走行用電気モータを走行用の動力源として走行するハイブリッド車両であってもよいし、走行用電気モータのみを走行用の動力源として走行する電動車両であってもよい。
【０１４８】
（８）また、図５のステップ１１０で読み出す乗降レコードは、過去所定日数（例えば１００日）以内に記録された乗降レコードとしてもよい。この際、乗降レコードがいつ記録されたかを特定するためには、各乗降レコードに含まれる記録日を参照すればよい。
【０１４９】
（９）また、ステップ１１０で読み出す乗車レコードの上限数と乗車レコードの上限数とは、異なっていてもよい。
【０１５０】
（１０）また、上記実施形態では、走行履歴データに記録する乗車データ、降車データ中の時刻は、日付の区別を行っていない。しかし、乗車データ、降車データ中の時刻に、平日か休日（土曜、日曜、祝日）かを区別する情報を付加してもよい。そして、図８のステップ２２０では、平日の２４時間に対して抽出期間３０を順次設定し、それとは別に、休日の２４時間に対して抽出期間３０を順次設定するようになっていてもよい。このようにすることで、平日と休日を区分けした細分化降車グループｑ、細分化乗車グループｐを作成することができる。このようにすることで、平日用の細分化降車グループｑ、細分化乗車グループｐ、乗降関連付けデータを用いれば、平日に特有のドライバの習慣的行動をより正確に検出することができ、休日用の細分化降車グループｑ、細分化乗車グループｐ、乗降関連付けデータを用いれば、休日に特有のドライバの習慣的行動をより正確に検出することができる。
【０１５１】
（１１）また、上記実施形態では、乗降行動推定処理部１７ｆは、ステップ３００で、細分化乗車グループｐのいずれかを細分化降車グループｑのいずれかに関連付け、かつ、細分化降車グループｑのいずれかを細分化乗車グループｐのいずれかに関連付けている。しかし、必ずこれらの両方を行わなければならないわけではない。
【０１５２】
例えば、細分化乗車グループｐのいずれかを細分化降車グループｑのいずれかに関連付けるだけでもよいし、細分化降車グループｑのいずれかを細分化乗車グループｐのいずれかに関連付けるだけでもよい。前者の場合でも、上述のようなエネルギ予測モニタ部１７ｇ、蓄冷エアコン制御部１７ｊの作動のために必要な情報は記録されるし、後者の場合でも、自動プレ空調部１７ｉの作動のために必要な情報は記録される。
【０１５３】
（１２）また、本発明の車両乗降履歴関連付け装置は、車両用ナビゲーション装置１でなければならないわけではない。
【０１５４】
（１３）また、上記の実施形態において、制御回路１７がプログラムを実行することで実現している各機能は、それらの機能を有するハードウェア（例えば回路構成をプログラムすることが可能なＦＰＧＡ）を用いて実現するようになっていてもよい。
【符号の説明】
【０１５５】
１ 車両用ナビゲーション装置
１７ａ 充放電制御部
１７ｅ 走行情報記憶処理部
１７ｆ 乗降行動推定処理部
１７ｇ エネルギ予測モニタ部
１７ｈ 自動充電制御部
１７ｉ 自動プレ空調部
１７ｊ 蓄冷エアコン制御部
３０ 抽出期間
３１ 乗車時刻
【特許請求の範囲】
【請求項１】
ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）と、
前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）と、
前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降の因果関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降の因果関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）と、
ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）と、を備えた車両乗降履歴関連付け装置。
【請求項２】
前記関連付け手段（３００）は、前記１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の際は、当該細分化乗車グループに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードが属する細分化降車グループを特定し、その結果、特定された回数が基準回数以上となった細分化降車グループを、当該細分化乗車グループと強い乗降関係にある細分化降車グループとして選び出し、選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録し、
前記予測手段（４２５、６２０、７３０）は更に、ドライバの前記車両への乗車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループが関連付けられた先の細分化降車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて次にドライバが前記車両から降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて次にドライバが前記車両から降車する場所を予測することを特徴とする請求項１に記載の車両乗降履歴関連付け装置。
【請求項３】
前記予測手段（４２５、５１２、６２０、７３０）は更に、ドライバの前記車両からの降車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループが関連付けられた先の細分化降車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて、次にドライバが前記車両に乗車した後に降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて、次にドライバが前記車両に乗車した後に降車する場所を予測することを特徴とする請求項２に記載の車両乗降履歴関連付け装置。
【請求項４】
前記グループ化手段（１００、２００）は、前記走行履歴データ中のレコードのうち、同じ場所で乗車行動があった乗車レコードをグループ化することで１つ以上の乗車グループを作成し、同じ場所で降車行動があった降車レコードをグループ化することで１つ以上の降車グループを作成する第１グループ化手段（１００）と、
前記１つ以上の乗車グループのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードをグループ化して１つ以上の細分化乗車グループとし、また、前記１つ以上の降車グループのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードをグループ化して１つ以上の細分化降車グループとする第２グループ化手段（２００）と、を備え、
前記第１グループ化手段（１００）は、前記走行履歴データから乗車レコードおよび降車レコードを読み出し、読み出した乗車レコードのうち同じ場所で乗車行動があった乗車レコードの集合のそれぞれについて、当該乗車レコードの集合の要素数が、読み出した乗車レコードの総数に対して所定の割合以上の数となることに基づいて、当該集合中の乗車レコードをグループ化して乗車グループとし、また、読み出した降車レコードのうち同じ場所で降車行動があった降車レコードの集合のそれぞれについて、当該集合の要素数が、読み出した降車レコードの総数に対して所定の割合以上の数となる場合、当該集合中の降車レコードをグループ化して降車グループとすることを特徴とする請求項１ないし３のいずれか１つに記載の車両乗降履歴関連付け装置。
【請求項５】
前記第２グループ化手段（２００）は、前記１つ以上の乗車グループのそれぞれに対し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に乗車行動があった乗車レコードを当該乗車グループから抽出し、抽出した乗車レコードをグループ化して細分化乗車グループを作成し、また、前記１つ以上の降車グループのそれぞれに対し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に降車行動があった降車レコードを当該降車グループから抽出し、抽出した降車レコードをグループ化して細分化降車グループを作成し、
当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する際には、前記第１グループ化手段（１００）が読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定し、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における乗車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出し、
当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する際には、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における降車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出することを特徴とする請求項４に記載の車両乗降履歴関連付け装置。
【請求項６】
車両乗降履歴関連付け装置に用いられるプログラムであって、前記車両乗降履歴関連付け装置を、
ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）、
前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）、
前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）、および
ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）として機能させるプログラム。
【請求項１】
ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）と、
前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）と、
前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降の因果関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降の因果関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）と、
ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）と、を備えた車両乗降履歴関連付け装置。
【請求項２】
前記関連付け手段（３００）は、前記１つ以上の細分化乗車グループのそれぞれに対し、当該細分化乗車グループと乗降関係の強い細分化降車グループを検索し、検索の際は、当該細分化乗車グループに属する乗車レコードのそれぞれについて、当該乗車レコードと組になって乗降レコードとして記録された降車レコードが属する細分化降車グループを特定し、その結果、特定された回数が基準回数以上となった細分化降車グループを、当該細分化乗車グループと強い乗降関係にある細分化降車グループとして選び出し、選び出された細分化降車グループに当該細分化乗車グループを関連付ける情報を、乗降関連付けデータに記録し、
前記予測手段（４２５、６２０、７３０）は更に、ドライバの前記車両への乗車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む乗車時間帯および乗車場所を有する細分化乗車グループを特定し、特定した細分化乗車グループが関連付けられた先の細分化降車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて次にドライバが前記車両から降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて次にドライバが前記車両から降車する場所を予測することを特徴とする請求項１に記載の車両乗降履歴関連付け装置。
【請求項３】
前記予測手段（４２５、５１２、６２０、７３０）は更に、ドライバの前記車両からの降車行動を最後に検出した時刻および当該時刻における前記車両の位置を特定し、特定した当該時刻と当該位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループが関連付けられた先の細分化降車グループを前記乗降関連付けデータに基づいて特定し、特定した前記細分化降車グループの降車時間帯に基づいて、次にドライバが前記車両に乗車した後に降車する時刻を予測するか、または、特定した前記細分化降車グループの降車場所に基づいて、次にドライバが前記車両に乗車した後に降車する場所を予測することを特徴とする請求項２に記載の車両乗降履歴関連付け装置。
【請求項４】
前記グループ化手段（１００、２００）は、前記走行履歴データ中のレコードのうち、同じ場所で乗車行動があった乗車レコードをグループ化することで１つ以上の乗車グループを作成し、同じ場所で降車行動があった降車レコードをグループ化することで１つ以上の降車グループを作成する第１グループ化手段（１００）と、
前記１つ以上の乗車グループのそれぞれにおいて、同じ時間帯に乗車行動があった乗車レコードをグループ化して１つ以上の細分化乗車グループとし、また、前記１つ以上の降車グループのそれぞれにおいて、同じ時間帯に降車行動があった降車レコードをグループ化して１つ以上の細分化降車グループとする第２グループ化手段（２００）と、を備え、
前記第１グループ化手段（１００）は、前記走行履歴データから乗車レコードおよび降車レコードを読み出し、読み出した乗車レコードのうち同じ場所で乗車行動があった乗車レコードの集合のそれぞれについて、当該乗車レコードの集合の要素数が、読み出した乗車レコードの総数に対して所定の割合以上の数となることに基づいて、当該集合中の乗車レコードをグループ化して乗車グループとし、また、読み出した降車レコードのうち同じ場所で降車行動があった降車レコードの集合のそれぞれについて、当該集合の要素数が、読み出した降車レコードの総数に対して所定の割合以上の数となる場合、当該集合中の降車レコードをグループ化して降車グループとすることを特徴とする請求項１ないし３のいずれか１つに記載の車両乗降履歴関連付け装置。
【請求項５】
前記第２グループ化手段（２００）は、前記１つ以上の乗車グループのそれぞれに対し、当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に乗車行動があった乗車レコードを当該乗車グループから抽出し、抽出した乗車レコードをグループ化して細分化乗車グループを作成し、また、前記１つ以上の降車グループのそれぞれに対し、当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出し、抽出した時間帯に降車行動があった降車レコードを当該降車グループから抽出し、抽出した降車レコードをグループ化して細分化降車グループを作成し、
当該乗車グループに属する乗車レコード中の乗車時刻の分布が集中している時間帯を抽出する際には、前記第１グループ化手段（１００）が読み出した乗車レコードおよび降車レコードの記録に要した記録期間を特定し、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における乗車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出し、
当該降車グループに属する降車レコード中の降車時刻の分布が集中している時間帯を抽出する際には、所定の抽出期間を設定し、前記記録期間に対する当該抽出期間内における降車時刻の分布数の比が閾値以上であることに基づいて、前記抽出期間に含まれる時間帯を、集中している時間帯として抽出することを特徴とする請求項４に記載の車両乗降履歴関連付け装置。
【請求項６】
車両乗降履歴関連付け装置に用いられるプログラムであって、前記車両乗降履歴関連付け装置を、
ドライバの車両への乗車行動を検出したときの時刻および前記車両の所在場所をそれぞれ乗車時刻および乗車場所とし、前記乗車行動の検出後にドライバの前記車両からの降車行動を検出したときの時刻および前記車両の所在場所をそれぞれ降車時刻および降車場所とし、当該乗車時刻および当該乗車場所のデータを含む乗車レコードと、当該降車時刻および当該降車場所のデータを含む降車レコードと、の組を有する乗降レコードを、前記車両の走行の順に、走行履歴データに逐次記録する走行情報記憶処理手段（１７ｅ）、
前記走行履歴データ中の乗車レコードのうち、同じ場所で同じ時間帯に乗車行動があった乗車レコードをグループ化することで１つ以上の細分化乗車グループを作成し、また、前記走行履歴データ中の降車レコードのうち、同じ場所で同じ時間帯に降車行動があった降車レコードをグループ化することで１つ以上の細分化降車グループを作成するグループ化手段（１００、２００）、
前記１つ以上の細分化降車グループのそれぞれに対し、当該細分化降車グループと乗降関係の強い細分化乗車グループを検索し、検索の際は、当該細分化降車グループに属する降車レコードのそれぞれについて、当該降車レコードの次に前記走行履歴データに記録された乗車レコードが属する細分化乗車グループを特定し、その結果、特定された回数が基準回数以上となった細分化乗車グループを、当該細分化降車グループと強い乗降関係にある細分化乗車グループとして選び出し、検索の結果選び出された細分化乗車グループに当該細分化降車グループを関連付ける情報を、乗降関連付けデータに記録する関連付け手段（３００）、および
ドライバの前記車両からの降車行動を検出したときの時刻および前記車両の位置を特定し、特定した時刻および位置を含む降車時間帯および降車場所を有する細分化降車グループを特定し、特定した細分化降車グループが関連付けられた先の細分化乗車グループを、前記乗降関連付けデータに基づいて特定し、特定した前記細分化乗車グループに対応した乗車時間帯に基づいて、現在ドライバが前記車両から降車したときに次に前記車両に乗車するときの時刻を予測する予測手段（６２０）として機能させるプログラム。
【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】
【公開番号】特開２０１２−１８５０６（Ｐ２０１２−１８５０６Ａ）
【公開日】平成２４年１月２６日（２０１２．１．２６）
【国際特許分類】
【出願番号】特願２０１０−１５４６８２（Ｐ２０１０−１５４６８２）
【出願日】平成２２年７月７日（２０１０．７．７）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
【公開日】平成２４年１月２６日（２０１２．１．２６）
【国際特許分類】
【出願日】平成２２年７月７日（２０１０．７．７）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
[ Back to top ]