CN106233094A - 路线生成装置和路线生成方法 - Google Patents

Abstract

一种路线生成装置，其构造成产生行进通过由节点和链路构成的网络的行进体的行进路线，所述路线生成装置包括：路线模型存储单元，其构造成存储路线模型，所述路线模型是数据，在所述数据中，按照行程的终点对所述行进体在所述行进体的过去的行程中行进通过每个链路的行进频率进行分类；行程获取单元，其构造成获取路线起点和行进体的终点；和路线生成单元，其构造成从所述路线模型提取与所获取的终点相对应的一组链路，并且基于与所提取的链路相关的行进频率产生所述行进体的从所述路线起点至所述终点的路线的至少一部分。

Description

路线生成装置和路线生成方法

技术领域

本发明涉及一种构造成生成行进体的行进路线的装置。

背景技术

在移动计算领域中，基于起始点和终点搜索最优行进路线的技术已经得以广泛应用。最优行进路线通常是行进成本变得最小的路线，例如，所需时间最短的路线。

与此同时，需要根据用户的偏好搜索路线。例如，专利文献1描述了一种导航装置，其构造成使用成本评估功能来搜索从起始点至终点的最优路线，其中，该导航装置根据驾驶情况(例如，星期或时间段)改变成本参数的权重。通过使用该导航装置，能够根据每个用户的特征确定路线，使得例如在工作日选择所需时间最短的路线而在节假日选择易于驾驶的路线。

引用列表

专利文献

【专利文献1】日本专利申请特开No.2007-10571

发明内容

在上述发明中，保持多张成本表格，根据诸如星期或者日期和时间以及用户偏好的情况来确定将使用的成本表格，并且分数最高的路线被确定为最优路线。因此，可以实施诸如“对于工作日驾驶的用户A，搜索包括道路宽度最大的道路的路线作为低成本路线”的操作。

与此同时，在用户驾驶车辆时，即使成本略微较高，也需要赋予熟悉的道路较高的优先级。即，驾驶员具有不管总成本如何都选择不同的道路的喜好。

然而，对于上述发明，仅关于整条路线实施权重，而不针对路线的一部分(链路)实施权重。因此，路线附近的熟悉道路不会被选择为路线，除非整体成本变得最低。即，存在不一定能够根据用户的喜好确定路线的情况。

在考虑了上述任务的情况下做出了本发明，并且目的是提供一种在路线生成装置中根据用户的喜好产生行进路线的技术，所述路线生成装置构造成产生行进体的行进路线。

根据本发明的路线生成装置是构造成产生行进通过由节点和链路构成的网络的行进体的行进路线的装置。

具体地，本发明在其一个方面中提供了一种路线生成装置，其构造成产生行进通过由节点和链路构造成的网络的行进体的行进路线，所述路线生成装置包括路线模型存储单元，所述路线模型存储单元构造成存储路线模型，所述路线模型是数据，在所述数据中，行进体在行进体的过去的行程中行进通过每个链路的行进频率按照行程的终点进行分类；行程获取单元，所述行程获取单元构造成获取路线起点和行进体的终点；和路线生成单元，所述路线生成单元构造成从路线模型提取与所获取的终点相对应的一组链路，并且基于与所提取的链路相关的行进频率生成行进体的从路线起点至终点的路线的至少一部分。

行进体是行进通过由节点和链路构成的网络(例如，道路网络)的物体，并且是诸如汽车或自行车的车辆。然而，任何形式都是可接受的，只要行进是基于人的意愿。例如，人自身也是可以接受的。

路线模型是这样的数据，在所述数据中，通过终点以每个链路的行进频率的格式保持行进体的过去的行进的记录。例如，在过去已经发生了三次从节点A至节点B的行进的情况下，保持一对出发节点和到达节点(节点A至节点B)和行进次数(三次)之间的关系。即，路线模型是用于到达特定终点节点的一组链路，并且路线模型是行进频率与每个链路相关的数据。

只要值代表行进体行进通过链路的频率或者值是基于频率计算出的，行进频率可以是次数或者可以是例如行进体在相邻的分岔点处选择的线路的几率(概率)。

路线起点是用于产生路线的起点。行程获取单元是构造成获取路线起点和行进体的终点的单元。能够由任何方法获取路线起点和终点。例如，可以获取行进体的当前位置并且将该当前位置限定为路线起点，或者可以基于行进体的过去的行进的记录来推定终点。替代地，可以基于由人(例如，装置的用户或者驾驶员)实施的输入操作来指定路线起点和终点。

路线生成单元是构造成基于路线模型生成路线的单元。具体地，从路线模型中提取与所获得的终点相对应的一组链路，参照与链路相关的行进频率，并确定以路线起点作为起点的行进路线。

利用这种构造，能够获得与驾驶员的偏好更加一致的路线，原因在于，基于行进体在过去行进通过链路的频率产生路线。

路线生成单元可以通过从路线起点开始追踪与位于一个分段之前的行进目标节点相对应的链路中的行进频率最大的链路来生成行进体的路线。

而且，路线生成单元可以通过针对由N(N≥2)个链路形成的每个分段获取所述分段中的链路序列的总行进频率变得最大的链路序列。

由路线生成单元提取的数据是用于到达指定的终点的一组链路。利用路线生成单元，从一组链路中提取行进频率更高的链路序列，并且将所提取的行进频率更好的链路序列限定为预测路线。

在此，存在实施提取链路序列的方法的多种手段。一种是单纯地以路线起点作为起点追踪行进频率最高的链路的每个分段。当使用这种方法时，能够利用少量计算确定路线。

在仅考虑与一个分段之前的节点相对应的链路的行进频率的同时从路线起点开始追踪链路的情况下，存在所获得的路线不一定是最优路线的情况。因此，可以每隔N个分段(即，N个链路，其中，N为2或者更大)分割路线，并且可以搜索相应的总行进频率变得最大的链路序列，并且将该链路序列限定为路线的一部分。N的值可以针对每个分段而有所不同。

路线生成装置还可以包括合并路线获取单元，所述合并路线获取单元构造成在包括路线起点的链路不在所提取的一组链路的情况下，获取连接路线起点和包括在所提取的一组链路中的任意一点的合并路线，其中，路线生成单元可以生成起点位于合并路线的末端处的路线。

在用于确定路线的路线起点没有包括在所提取的一组链路中的情况下，不能直接实施路线生成。在这种情况下，能够采用这样的方法，在所述方法中，生成连接所述路线起点和包括在所提取的一组链路中的任意一点的路线(合并路线)，然后确定起点位于合并路线的末端(即，合并点)处的路线。

合并路线可以是任何路线，只要该路线连接路线起点和包括在所提取的一组链路中的任意一点即可。例如，路线起点和合并点之间的距离最小的路线是可以接受的。明显地，可以利用其它方法获得合并路线。

合并路线获取单元可以获得连接由行程获取单元获取的路线起点和终点的第二路线，并且在第二路线与包括在所提取的一组链路中的任意一点合并或相交的情况下，合并路线获取单元可以将连接路线起点和合并点或相交点的路线限定为合并路线。

以这种方式，在存在连接路线起点和终点的单独路线(第二路线)并且第二路线与包括在所提取的一组链路中的任意一点相交的情况下，可以将连接路线起点和相交点的路线限定为合并路线。例如，第二路线可以是行进距离变得最小的路线，或者可以是其它行进成本最小的路线。可以由外部装置(例如，导航装置)获取这种路线。

合并路线获取单元可以获取连接由行程获取单元获取的路线起点和终点的第二路线，可以提取第二路线上的与包括在所提取的一组链路中的任意一点相距的距离小于或者等于预定距离的分岔点，并且可以将从路线起点经由分岔点延伸至包括在所提取的链路中的所述点的路线限定为合并路线。

在第二路线不与包括在所提取的一组链路中的任意一点相交的情况下，需要在某个点处进行合并。因此，在第二路线与包括在所提取的一组链路中的任意一点相距预定距离或者更小的距离时，可以致使路线在该点处分岔并且合并。因此，能够以正常的形式合并路线。

行程获取单元可以获取行进体的当前位置，并且将所获得的当前位置限定为路线起点。

可以由用户输入路线起点，或者可以由装置自动获取路线起点。例如，在能够获得行进体的位置信息的情况下，当前位置可以限定为路线起点。

路线生成装置还可以包括：过去路线获取单元，所述过去路线获取单元构造成获取过去的路线数据，所述过去的路线数据是这样的数据，在所述数据中，行进体的过去的行程中的路线通过该行程中包括的链路序列来表示；和路线模型生成单元，其构造成基于过去的路线数据生成路线模型，并且将路线模型存储在路线模型存储单元中。

以这种方式，可以收集行进体的过去的行程的数据，以产生路线模型。利用这种构造，能够实施更加准确的路线预测，原因在于，能够能基于过去的行进记录来预测路线。

路线模型生成单元可以提取包括在过去的路线数据中的多条路线相互交叉的点，可以将所提取的点限定为虚拟节点，并且可以使用起始点、终点和所述虚拟节点来产生路线模型。

通常，节点指的是路线分岔的点。然而，在所讨论的网络是道路的情况下，当在道路分岔的点数量增加时，路线模型的体积显著增大。为了防止出现这种情况，在生成路线模型时，可以增加省略不必要的节点的处理。

具体地，提取过去的行程数据相交的点，将所提取的点限定为虚拟节点，并且除了起始点和终点之外，还使用虚拟节点来产生路线模型。即，不认为在过去的行程中没有用作分岔点的点是用于构造路线模型的节点，即使该点包括在过去的路线数据中。

利用这种构造，能够减小路线模型的体积，原因在于能够省略对于预测路线不是必需的节点。

路线生成装置还可以包括终点推定单元，所述终点推定单元构造成基于包括在过去的路线数据中的链路序列来推定行进体的终点。

在可参照过去的路线数据的情况下，基于所述数据可以将最可能行进到的点推定为终点。

终点推定单元可以包括识别器，可以通过将与链路序列相对应的终点和关于所述链路序列的多个位置信息输入到识别器中来实施学习，并且可以通过将行进体的位置信息输入到识别器中来推定终点。

例如，通过致使识别器学习作为学习数据的与包括在过去的路线数据中的链路序列相对应的终点和关于所述链路序列的多个位置信息，能够获得这样的识别器，所述识别器在输入位置信息时输出终点。通过利用这种方法推定终点，能够增强终点的推定精确性。

本发明能够指定为路线生成装置，其包括上述单元的至少一部分。本发明也能够指定为由路线生成装置执行的路线生成方法。本发明也能够指定为构造成生成路线模型的路线模型生成装置。上述处理或者单元能够自由地组合实施，只要不发生技术冲突即可。

利用本发明，能够在路线生成装置中生成与用户喜好一致的行进路线，所述路线生成装置构造成产生行进体的行进路线。

附图说明

[图1]图1是根据第一实施例的路线引导装置的***构造简图；

[图2]图2是由节点和链路表示的道路网络的一个示例；

[图3]图3是第一实施例中的行程数据表格的一个示例；

[图4]图4A至图4C是第一实施例中的频率表格的示例；

[图5]图5是第一实施例中的行程数据收集处理的流程图；

[图6]图6是第一实施例中的路线模型构造处理的流程图；

[图7]图7是第一实施例中的路线预测处理的流程图；

[图8]图8A至图8C是示出了第二实施例中生成合并路线的一个示例的视图；

[图9]图9A和图9B是示出了第三实施例中生成合并路线的一个示例的视图；

[图10]图10A和图10B是第四实施例中的行程数据表格和频率表格的示例；

[图11]图11是第四实施例中的节点和链路的一个示例；

[图12]图12是第五实施例中的路线引导装置的***构造简图；

[图13]图13A和13B是图解了第五实施例中的识别器的学习的视图。

具体实施方式

(第一实施例)

<***构造>

将参照附图在下文描述本发明的优选实施例。

根据第一实施例的路线引导装置是车辆导航装置，所述车辆导航装置具有生成连接起始点和终点的路线并且向驾驶员提供所述路线的功能。在生成路线的过程中，存在以下两种模式：基于行进成本来搜索路线的传统引导模式；和本实施例特有的引导模式，其基于对应车辆的过去的行驶来确定最优路线。本实施例所特有的模式是这样的模式：预测将来驾驶员可能选择的路线来实施路线引导。因此，替代术语“路线搜索”，使用术语“路线预测”来进行描述。图1是根据本实施例的路线引导装置10的***构造简图。

首先，将描述路线引导装置10。路线引导装置10由位置信息获取单元11、地图信息存储单元12、低成本路线搜索单元13、行程数据收集单元14、路线模型生成单元15、路线预测单元16、路线引导单元17和输入-输出单元18构成。

位置信息存储单元11是构造成从为路线引导装置设置的GPS装置(未示出)获取当前位置信息(纬度和经度)的单元。

地图信息存储单元12是构造成存储地图信息的单元。地图信息通常是道路图数据，在所述道路图信息中限定了车辆能够行驶的道路的信息。在本实施例中，使用这样的数据，在所述数据中，用链路和节点表示道路的连接关系。图2是利用节点和链路来表示道路的连接关系的一个示例。除了图2所示的道路的连接关系之外，地图信息还包括关于与车辆行进成本相关的信息(例如，距离或行进时间)。

在这个实施例中，如图2所示，使用节点ID(例如，节点A)和链路ID(例如，链路AB)来指定节点和链路。即使对于相同的链路，也使用取决于行进方向的不同链路ID。例如，链路AB代表由节点A朝向节点B的链路，而链路BA代表从节点B朝向节点A的链路。尽管在图2中示出了单个链路ID，但是每条线路均分配有两个链路ID。

低成本路线搜索单元13是构造成基于存储在地图信息存储单元12中的地图信息来搜索行进成本变得最低的线路的单元。具体地，获取来自位置信息获取单元11的当前位置(即，起始点)信息以及用户通过后述的输入-输出单元18输入的终点的信息，以便搜索连接所述起点和终点的路线。低成本路线搜索单元13是构造成使用已知的算法来实施路线搜索的单元。

行程数据收集单元14是构造成收集并累积安装有路线引导装置10的车辆所行驶的路线的单元。即，行程数据收集单元14构造成存储车辆在过去所行驶过的路线的历史。在下文中，连接起始点和终点的路线称作行程。通过使用根据本实施例的路线引导装置10实施驾驶，除了起始点和终点之外，能够以一组链路的形式获取实际行驶的路线。行程数据收集单元14存储车辆实际行驶的一组链路以及起始点和终点。

路线模型生成单元15是构造成用于构造模型(在下文中，路线模型)的单元，所述模型用于基于行程数据收集单元14所收集的行程数据来确定路线。

路线预测单元16是构造成使用所构造的路线模型来生成连接起始点和终点的路线的单元。路线预测单元16与低成本路线搜索单元13的不同之处在于，使用路线模型而不是与链路相关的成本来确定路线。路径引导装置的用户能够选择在确定路线的过程中使用哪一个。

下面将描述具体数据结构和路线模型构造方法以及由路线预测单元16实施的处理的具体内容。

路线引导单元17是构造成为用户提供由低成本路线搜索单元13搜索的路线或者由路线预测单元16预测的路线。具体地，将作为一组链路获得的路线替换成能够提供给用户的格式(例如地图信息)，并通过后述输入-输出单元18来提供。

输入-输出单元18是构造成接收由用户实施的输入操作并且将信息呈现给用户的单元。具体地，构造包括触摸屏、触摸屏控制单元、液晶显示器和液晶显示器控制单元。在本实施例中，触摸屏和液晶显示器由一块触摸屏显示器构成。

通过控制程序实现对上述每个单元的控制，所述控制程序由诸如CPU的处理装置(未示出)执行。可以通过现场可编程门阵列(FPGA)、专用集成电路(ASIC)等来实现这个功能，或者可以通过现场可编程门阵列(FPGA)、专用集成电路(ASIC)等的组合来实现这个功能。这个功能可以由专用硬件来实现。

<行程数据的收集>

由根据本实施例的路线引导装置10实施的处理可以主要分成以下三个部分：收集行程数据的处理；生成路线模型的处理；和基于路线模型生成路线的处理。下面将描述每个处理的概要。

首先，将描述收集行程数据的处理。

在检测到已经开始驾驶车辆时，行程数据收集单元14周期性地从位置信息获取单元11获取位置信息，参照存储在地图信息存储单元12中的地图信息，然后指定车辆所行驶的路线。例如，在已经离开节点A的车辆经由节点B和节点C而到达节点D的情况下，生成了三个链路(即，链路AB、链路BC和链路CD)的链路序列。

能够例如通过监测发动机的状态来判定车辆是否在行程中。例如，在发动机已经启动的情况下，能够判定驾驶开始，而在发动机已经停止的情况下，能够判定到达终点。即使在发动机已经停止的情况下，当发动机在预定时间内重新启动时，也可以判定行程继续。可以由任何已知的方法来判定车辆是否在行程中。

当车辆行程结束时，行程数据收集单元14存储与该行程相对应的链路序列。图3是由行程数据收集单元14收集的数据(行程数据)的一个示例。每当发生行程时，增加行程数据的每个记录。例如，行程2的记录代表车辆已经行驶了从起始点A沿着链路AB、链路BF和链路FD至终点D的路线。

<路线模型的生成>

接下来，将描述基于累积的行程数据来生成路线模型的处理，所述路线模型是代表车辆行驶通过链路的频率的信息。这个处理由行程模型生成单元15执行。将参照图4A描述本实施例中的路线模型的一个示例。本实施例中的路线模型是代表车辆在某些节点之间行驶的频率的表格，并且是针对每个终点产生的表格。该表格称作频率表格。一组频率表格是路线模型。

图4A中示出的表格是对应于“终点：节点D”的频率表格。在图4中，用黑色背景示出了终点节点。

在频率表格中限定的“出发节点”不是车辆的起始点，而是在车辆在节点之间行驶时的行驶初始节点。以类似的方式，“到达节点”不是车辆的到达点，而是在车辆在节点之间行驶时的行驶目标节点。在相应的节点的交叉处示出的数值是车辆在过去行驶过对应的链路的次数(行进频率)。

例如，假设车辆行驶了从节点A沿着节点B和节点C到达节点D的路线。这里，发生了“节点A至B”、“节点B至C”和“节点C至D”的共三次行驶。在第一次行驶中，出发节点是A，到达节点是B。以类似的方式，在第二次行驶中，出发节点是B，到达节点是C。在第三次行驶中，出发节点是C，到达节点是D。当在频率表格中反映这些行驶时，在出发节点和到达节点的交叉处示出的数值相应地增加，从而得到图4A中示出的状态。

图4A是反映单个行程的示例。然而，即使在反映多个行程的情况下，以类似的方式，每当行进通过链路时，行驶通过对应的链路的次数增加。例如，在反映了图3中示出的行程数据中的行程1至行程7的七个行程的情况下，频率表格如图4B所示。

利用路线模型生成单元15，读取由行程数据收集单元14收集的行程数据，并通过上述处理针对每个终点在频率表中反映所读取的行程数据。

在终点是新的终点的情况下，产生新的频率表。在图3的示例中，存在终点是节点F的行程(行程8和9)。因此，在已经读取了对应的记录的情况下，产生对应的频率表，并且通过类似的处理来记录行驶次数。例如，在图4C中示出了反映行程8和行程9的频率表(终点是节点F的频率表)。

以这种方式，路线模型生成单元15周期性读取行程数据并构造路线模型。

在读取行程数据时，可以抛弃现有的路线模型以便进行再次生成，或者可以仅读取并添加未处理的行程数据。可以增加删除存在达到或超过特定时间的行程数据的处理。

<基于路线模型的路线生成>

接下来，将描述通过路线预测单元16利用由路线模型生成单元15生成的路线模型来产生路线的处理。

为了使用路线模型来生成路线，首先需要确定起始点(路线起点)和终点。在这个实施例中，由用户通过输入-输出单元18输入起始点和终点。由位置信息获取单元11获取的当前位置可以用作起始点。替代地，可以使用任何已知的方法来获取或推定起始点和终点。

在确定起始点和终点后，路线预测单元16从由路线模型生成单元15生成的路线模型提取与终点对应的频率表格。这里，假设终点是节点D，并且已经提取了图4B中示出的频率表格。

在获取频率表格后，路线预测单元16首先指定与车辆的起始点(路线起点)相对应的节点或链路。这里，假设车辆的起始点位于链路AB上。

接下来，通过依次追踪频率表格中所包括的路线(即，连接链路AB和节点D的多个路线)中的行驶次数最大的链路，来获取至终点的链路序列。即，能够获取链路AB(3)、链路BE(2)、链路EF(3)和线路FD(5)的线路序列。(在圆括号中示出了频率表格中记录的行驶次数。)以这种方式确定的路线是驾驶车辆的驾驶员所熟悉的优选路线。

<处理流程图>

接下来，将描述实现上述功能的处理流程图。

图5是收集行程数据的处理的流程图。由行程数据收集单元14周期性执行所述处理。

首先，在步骤S11中，判定车辆是否已经开始行驶。可以通过获取例如如上所述的发动机的状态或者可以通过使用其它数据(例如，车速)来判定车辆是否已经开始行驶。在车辆还没有开始行驶的情况下，等待，直到开始行驶为止。在已经开始驾驶的情况下，处理进行到步骤S12，以开始记录路线。

在步骤S12中，从位置信息获取单元11获取车辆的位置信息，参照存储在地图信息存储单元12中的地图信息，然后指定车辆所行驶的链路。在车辆处于已经指定的链路的情况下，致使处理进行到步骤S13。在进入新链路的情况下，将与该新链路对应的链路ID添加到路线，然后致使处理进行到步骤S13。

在步骤S13中，判定车辆是否已经结束行驶。在车辆行驶还没有结束的情况下，等待预定时间，然后致使处理进行到步骤S12。

在判定车辆行驶已经结束的情况下，产生了由多个获取的链路ID形成的链路序列，并且在步骤S14中将记录添加到行程数据表格中。

图6是基于存储的行程数据利用路线模型生成单元15构造路线模型的处理的流程图。能够在任何时刻(例如以预定的周期或者预定的时间表)实施所述处理。例如，可以从行程数据收集单元14获取新的行程，以便每天在固定的时间实施所述处理，或者可以停止发动机，以在已经产生行程时使用所述行程来实施所述处理。

首先，在步骤S21中，获取记录在行程数据收集单元14中的行程数据。在步骤S22中，利用上述方法构成路线模型。

图7是基于存储的路线模型为驾驶员确定最优路线的处理的流程图。基于用户的操作开始所述处理，并且由路线预测单元16来执行所述处理。

首先，在步骤S31中，获取起始点和终点。如上所述，可以由用户指定起始点和终点，或者在能够推定起始点和终点中的一者或两者的情况下，可以使用推定出的起始点和终点中的一者或两者。例如，可以通过输入-输出单元18接收起始点和终点的输入，或者，在能够从另一个装置获取信息的情况下，可以使用该信息。可以从位置信息获取单元11获取用作起始点的车辆位置信息。

接下来，在步骤S32中，获取与步骤S31中获得的终点相对应的频率表格。

接下来，在步骤S33中，使用所获取的频率表格利用上述方法搜索路线。路线的搜索结果以链路序列的格式输出到路线引导单元17，并且路线引导单元17将所述信息通过输入-输出单元18呈现给用户。例如，可以产生道路地图的图像数据以重叠显示所获取的路线，或者可以以字符信息输出所述路线。

如上所述，利用根据第一实施例的路线引导装置，基于过去的行程产生连接起始点和终点的路线。因此，能够获得包括在过去被多次采用的多条链路的路线，并且能够为驾驶员输出更加优选的路线。

(第二实施例)

在第一实施例中，获得与终点相对应的频率表格，然后预测连接起始点和终点的路线。然而，在车辆的起始点不在对应的频率表格的情况下，不能预测路线。第二实施例是处理这个问题的实施例。第二实施例使得在起始点节点不在频率表格的情况下，产生到达频率表格中存在的点的路线并且使所述路线与频率表格中存在的点合并。

图8A是图解了路线合并的视图。虚线是频率表格中存在的链路(这里省略，图中仅示出了四个节点)。附图标记801表示的位置是车辆的当前位置。在车辆处于这样的位置关系的情况下，车辆必须被引导到频率表格中存在的节点或链路中的任意一个，以便产生路线。

因此，在第二实施例中，在执行步骤S32之后，执行下述处理。

首先，判定车辆的当前位置是否为与频率表格中所包括的节点或者线路相对应的位置。在车辆的当前位置不是与此时的节点或链路相对应的位置的情况下，参照存储在地图信息存储单元12中的地图信息，判定是否存在到达节点或链路的路线，并且确定用于合并的路线(本发明中的合并路线)。

例如，合并路线可以是到达频率表格中所包括的节点中的最接近的一个节点的路线，或者可以是到达最近链路的路线。在前一种情况下，图8B中示出了合并路线。在后一种情况下，图8C中示出了合并路线。

优选的是，合并路线是到达频率表格中所包括的节点或链路中的最接近的节点或链路的路线，但不必是朝向最接近的节点或链路的路线。例如，在通过合并路线的路线整体上非常迂回的情况下，朝向另一个节点或链路的路线是可以接受的。例如，在车辆位于附图标记802表示的位置的情况下，路线可以朝向第二最接近的节点C，而不是朝向节点B。

(第三实施例)

在第二实施例中，已经产生了用于与频率表格中存在的链路合并的合并路线。

在已经获得连接起始点和终点的路线(例如，基于行进成本计算出的路线或者下文的第二路线)的情况下，存在在使用所述路线的同时与频率表格中存在的链路合并更可取的情况。第三实施例是解决此问题的实施例。

图9A和9B是图解了第三实施例中的路线合并的视图。图9A中的附图标记901表示第二路线。第二路线例如是由低成本路线搜索单元13搜索到的路线，并且例如是所需时间或者驾驶距离最短的路线。

在第三实施例中，关于在使用第二路线的同时合并路线的方法给出了两种方法。

一种方法是这样的方法：在存在与频率表格中所包括的节点或链路相距的距离小于或等于一阈值的点(本发明中的分叉点)的情况下，连接所述分叉点和所述节点或链路。在图9A的示例中，产生连接点902和节点C的路线并将该路线限定为合并路线的一部分。

另一种方法是这样的方法：在第二路线与频率表格中存在的节点或链路相交的情况下，在对应的交叉点处进行合并。在这种情况下，连接附图标记801和节点C的路线是合并路线。

以这种方式，利用第三实施例，在使用由另一个单元(例如，构造成基于成本计算路线的单元)计算出的路线的同时，能够合并基于频率计算的路线。

(第四实施例)

在第一至第三实施例中，已经基于行程数据产生了路线模型。由于使用存储在地图信息存储单元12中的节点和链路的信息来产生行程数据，所以所产生的路线模型也是基于存储在地图信息存储单元12中的节点和链路的信息的。

在道路分岔的所有部分均被处理为道路网络中的节点的情况下，存在数据量变得巨大的问题。例如，在网络中存在100个节点的情况下，频率表格的大小是100×100。此外，由于频率表格依据终点而存在，所以当节点数量增加时，数据量爆发地增加。

为了解决这个问题，第四实施例是这样的实施例：替代地图信息中限定的节点和链路，使用虚拟节点和链路来产生频率表格。由于在这个实施例中存在两种实现方法，所以将描述每一种方法。

第一种方法是这样的方法：在构造路线模型时省略不必要的节点，因此提供虚拟线路。

例如，当在步骤S22中构造路线模型时，检测到存在没有发生分岔的节点，并在省略该节点的情况下产生频率表格。

这里，假定图10A中示出了图2中的网络中的行程数据的内容。在这种情况下，在频率表格中保留节点B没有任何意义，原因在于在节点B处没有发生分岔。因此，省略节点B，并且产生图10B所示的频率表格。即，由虚拟线路(线路AC)代表行驶通过链路AB和链路BC。

由路线预测单元16预测的路线是省略了不必要的节点的路线。因此，在通过路线引导单元7引导路线时，可以用该节点补充路线并且将用节点补充的路线呈现给用户。

当省略的节点处新发生分岔的情况下，重新构造路线模型就足够了。

第二种方法是这样的方法：在构造路线模型时，将能够认为基本相同的多条路线集成到一条路线中。图11是图解了路线集成的视图。

在第一至第三实施例中，例如，将车辆已经行驶通过从节点A沿着节点B和C到达节点D的路线的情况以及车辆已经行驶通过从节点A沿着节点E和节点C到达节点D的路线的情况作为不同的路线处理。然而，即使路线节点实际上不同，也存在在差别较小的情况下可以认为路线相同的情况。

为了解决这个问题，当在步骤S22中构造路线模型时，使用第二种方法中的一个虚拟节点(链路)来替代可以认为差别较小的节点(链路)。例如，在图11的示例中，节点B和节点E被限定为一个虚拟节点B’，而节点C和节点F被限定为一个虚拟节点C’。结果，连接节点A和节点D四条路线全部作为通过链路AB’、链路B’C’和链路C’D的单条路线处理。还使用虚拟节点(链路)来产生频率表格。

以这种方式，在第四实施例中，通过使用虚拟节点和链路来产生频率表格，能够减小频率表格的数据量。

上述第一种和第二种方法可以组合使用。

(第五实施例)

在第一至第四实施例中，已经基于用户输入确定了终点。不同的是，第五实施例是基于累积的行程数据自动推定终点的实施例。

图12是根据第五实施例的路线引导装置20的***构造简图。根据第五实施例的路线引导装置20与根据第一实施例的路线引导装置10的不同之处在于包括终点推定单元19，所述终点推定单元19是构造成基于行程数据来推定终点的单元。

将详细描述终点推定单元19。终点推定单元19包括识别器，并且是构造成基于过去的行程数据推定车辆的终点的单元。具体地，执行学习阶段和评估阶段这两个阶段，在学习阶段中，使用过去的行程数据实施学习，在推定阶段中，在车辆开始行驶时，利用关于行驶的信息作为输入来获取推定的终点。对于终点推定单元19中所包括的识别器而言，能够使用朴素贝叶斯分类器。其它识别器也是可以接受的。

首先，将描述终点推定单元19实施的学习阶段。

能够在任何时刻实施学习阶段，例如以预定的周期或者预定的时间表。例如，可以从行程数据收集单元14获取新的行程，以便每天在固定时间实施学习，或者可以停止发动机，以在已经产生了行程时使用所产生的行程实施学习。

在实施学习的情况下，终点推定单元19从行程数据收集单元14提取每个行程记录，以获得起始点、终点、星期、时间段和链路序列。星期和时间段是行程已经开始的星期和时间段。这里，假定已经从行程数据表格中获得了图13A中示出的数据。从“出发的日期和时间”的域(field)获得时间段和星期。

接下来，针对每个链路将所获得的数据分解成图13B中示出的格式，并且将该数据输入到识别器中，并且作为与“终点”相对应的学习数据进行学习。

接下来，将描述由终点推定单元19实施的评估阶段。

在需要推定终点的时刻，执行评估阶段。例如，发动机已经启动的时刻是可以接受的。在推定终点的情况下，除了起始点、时间段和星期之外，还将主车辆的当前位置输入到识别器。例如，在主车辆处于链路AB上的情况下，链路AB被限定为当前位置。以这种方式输出的终点是车辆的推定出的终点。

例如，可以将推定出的终点传送到低成本路线搜索单元13或者路线预测单元16。因此，能够在用户没有指定终点的情况下开始产生路线。

在使用识别器的传统的终点推定方法中，仅使用诸如起始点或者时间段(星期)的信息来实施学习和评估。因此，不能高精度地实施推定。相比之下，在第五实施例中，通过使用由已经从某一起始点出发的车辆所采用的链路作为学习数据的一部分、输入当前位置来推定终点。由于当前位置和终点之间存在较高的关联性，所以能够更加精确地推定出终点。

即使在已经推定了一次终点的情况下，也可以在车辆行进期间再一次推定终点。在推定出的终点发生了变化的情况下，可以再一次产生路线。因此，随着接近终点，推定出的终点的精确性增大。结果，能够获得增大预测出的路线的精确性的效果。

(修改示例)

上述实施例仅仅是一个示例。在不背离本发明的精神的前提下，能够适当地改变本发明。

例如，在相应的实施例中，路线引导装置10是安装在车辆上的装置。然而，能够利用移动终端、在移动终端上运行的软件等来实施。路线引导装置可以是服务器装置，所述服务器装置经由网络与行进体通信。可以使路线引导装置10的部件的一部分布置在服务器侧，而其它部件布置在行进体侧。例如，在行进体侧上可以仅布置有位置信息获取单元11和输入-输出单元18。

在相应的实施例中，通过终点使用频率表格来构造路线模型。然而，可以以其它格式构造路线模型，只要能够限定与特定终点相对应的链路的行进频率即可。例如，这样的方法是可以接受的，在所述方法中，通过终点保持用于当前位置的表格，还保持对应于表格内的下一个行进节点的表格，并且最终保持行进频率。

限定为行进频率的值可以不必是表示过去行进的次数的值。例如，归一化的数值是可以接受的，或者该值与修正值相加以获得总体光滑的分布是可以接受的。作为修正方法，例如，存在拉普拉斯平滑或者古德-图灵平滑(Good-Turing smoothing)。

在相应的实施例中，已经通过追踪从起始点至终点的具有最大行进频率的链路产生了路线。然而，足够的是，所产生的路线是使用频率表格的连接起始点和终点的路线的至少一部分。

在相应的实施例中，已经通过追踪从起始点至终点的具有最大行进频率的路线的每个分段来产生预测路线。然而，可以使用其它方法产生预测路线，只要基础是与链路相关的行进频率即可。例如，可以通过针对由两个或更多个链路序列构成的每个分段搜索在所述两个或更多个链路序列行进次数的总和最大的路线来获得预测路线。

在相应的实施例中，产生了与车辆相对应的频率表格。然而，可以针对每个驾驶员产生频率表格。因此，能够为每个驾驶员产生最优路线。

本申请要求在2014年4月22日提交的日本专利申请No.2014-0088309的权益，日本专利申请No.2014-0088309的全部内容在此以引用的方式并入本发明。

附图标记列表

10：路线引导装置

11：位置信息获取单元

12：地图信息存储单元

13：低成本路线搜索单元

14：行程数据收集单元

15：路线模型生成单元

16：路线预测单元

17：路线引导单元

18：输入-输出单元

Claims (13)

1.一种路线生成装置，所述路线生成装置构造成产生行进体的行进路线，所述行进体行进通过由节点和链路构成的网络，所述路线生成装置包括：

路线模型存储单元，所述路线模型存储单元构造成存储路线模型，所述路线模型是数据，在所述数据中，在所述行进体的过去的行程中所述行进体行进通过每个链路的行进频率按照行程的终点进行分类；

行程获取单元，所述行程获取单元构造成获取路线起点和行进体的终点；和

路线生成单元，所述路线生成单元构造成从所述路线模型提取与所获取的终点相对应的一组链路，并基于与所提取的链路相关的行进频率生成所述行进体的从所述路线起点至所述终点的路线的至少一部分。

2.根据权利要求1所述的路线生成装置，其中，所述路线生成单元通过从所述路线起点开始追踪与一个分段之前的行进目标节点相对应的链路中的行进频率最大的链路，产生所述行进体的路线。

3.根据权利要求1所述的路线生成装置，其中，所述路线生成单元通过针对由N(N≥2)个链路形成的每个分段获取所述分段中的链路序列的总行进频率变得最大的链路序列来生成所述行进体的路线。

4.根据权利要求1至3中的任意一项所述的路线生成装置，所述路线生成装置还包括：

合并路线获取单元，所述合并路线获取单元构造成在包括所述路线起点的链路不在所提取的一组链路中的情况下，获取连接所述路线起点和包括在所提取的一组链路中的任意一点的合并路线，

其中，所述路线生成单元产生起点位于所述合并路线的末端处的路线。

5.根据权利要求4所述的路线生成装置，其中，所述合并路线获取单元获取连接由所述行程获取单元获取的所述路线起点和终点的第二路线，并且在所述第二路线与包括在所提取的一组链路中的任意一点合并或相交的情况下，所述合并路线获取单元将连接所述路线起点和合并点或相交点的路线限定为合并路线。

6.根据权利要求4所述的路线生成装置，其中，所述合并路线获取单元获取连接由所述行程获取单元获取的所述路线起点和终点的第二路线，提取所述第二路线上的与所提取的一组链路中所包括的任意一点相距的距离小于或者等于预定距离的分岔点，并且将从所述路线起点经由所述分岔点延伸至包括在所提取的链路中的所述点的路线限定为合并路线。

7.根据权利要求1至6中的任意一项所述的路线生成装置，其中，所述行程获取单元获取所述行进体的当前位置，并且将所获取的当前位置限定为路线起点。

8.根据权利要求1至7中的任意一项所述的路线生成装置，所述路线生成装置还包括：

过去路线获取单元，所述过去路线获取单元构造成获取过去的路线数据，所述过去的路线数据是所述行进体的过去的行程中的路线由包括在所述行程中的链路序列表示的数据；和

路线模型生成单元，所述路线模型生成单元构造成基于所述过去的路线数据生成路线模型，并且将所述路线模型存储在所述路线模型存储单元中。

9.根据权利要求8所述的路线生成装置，其中，所述路线模型生成单元提取包括在所述过去的路线数据中的多条路线相互交叉的点，将所提取的点限定为虚拟节点，并且使用起始点、终点和所述虚拟节点来产生所述路线模型。

10.根据权利要求8或9所述的路线生成装置，所述路线生成装置还包括终点推定单元，所述终点推定单元构造成基于包括在所述过去的路线数据中的链路序列来推定所述行进体的终点。

11.根据权利要求10所述的路线生成装置，其中，所述终点推定单元包括识别器，通过将与所述链路序列相对应的终点和与所述链路序列相关的多个位置信息输入到所述识别器中来实施学习，并且通过将所述行进体的位置信息输入到所述识别器中来推定所述终点。

12.一种通过路线生成装置实施的路线生成方法，所述路线生成装置构造成生成行进体的行进路线，所述行进体行进通过由节点和链路构成的网络，所述路线生成方法包括：

获取路线起点和行进体的终点的行程获取步骤；

获取路线模型的路线模型获取步骤，所述路线模型是数据，在所述数据中，所述行进体在所述行进体的过去的行程中行进通过每个链路的行进频率按照行程的终点进行分类；

路线生成步骤，在所述路线生成步骤中，从所述路线模型提取与所获取的终点相对应的一组链路，并且基于与所提取的链路相关的行进频率生成所述行进体的从所述路线起点至所述终点的路线的至少一部分。

13.一种路线模型生成装置，所述路线模型生成装置构造成生成路线模型，所述路线模型用于生成行进通过由节点和链路构成的网络的行进体的行进路线，所述路线模型生成装置包括：

过去路线获取单元，所述过去路线获取单元构造成获取过去的路线数据，所述过去的路线数据是所述行进体的过去的行程中的路线由包括在所述行程中的链路序列表示的数据；和

路线模型生成单元，所述路线模型生成单元构造成基于所述过去的路线数据生成路线模型，所述路线模型是按照行程的终点对所述行进体行进通过每个链路的行进频率进行分类的数据。