JP2013148390A - 運転者の経路選択の個性を推定する方法、装置及びコンピュータプログラム - Google Patents

Abstract

【課題】運転者ごとに個性を推定することができ、個々の運転者の経路選択モデルを構築して、現実に近い交通シミュレーションを実行することができる運転者の経路選択の個性を推定する方法、装置及びコンピュータプログラムを提供する。
【解決手段】出発点及び到着点に関する情報、出発点から到着点に至るまでの経路に関する情報を取得し、複数の基本経路を生成する。実際に選択された経路に関する情報を取得し、実際に選択された経路が最適経路となる評価関数のパラメータを算出する。算出したパラメータを用いて新たな経路を生成し、生成した新たな経路が実際に選択された経路と一致するか否かを判断する。両者が一致しない場合、生成した新たな経路を基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する。両者が一致する場合、一致した時点のパラメータを評価関数のパラメータとして記憶する。
【選択図】図２

Description

本発明は、運転者の経路選択の傾向等を把握し、運転者の経路選択の個性を推定する方法、装置及びコンピュータプログラムに関する。

昨今のカーナビゲーションシステムは、経路選択アルゴリズムに様々な工夫が施され、運転者にとって最適な経路を選択して表示することができるようになっている。例えば複数の候補経路を生成しておき、候補経路の中から確率的に高い経路を選択する経路選択モデルが多く用いられている。

一方、自動車の交通システムでは、プローブデータに基づいて経路選択をする技術も開発されている。例えば特許文献１及び２では、プローブデータを取得し、出発地から目的地までの経路全体のうち、評価値の最も高い経路あるいはより有効な経路を推奨経路として出力する経路探索システムが開示されている。また、特許文献３では、右折と左折とのコスト差を考慮して運転者の技量に応じて交差点で経路を選択することができる経路案内装置が開示されている。

特開２００９−００２８１７号公報 特開２０１０−１４０１３５号公報 特開２００７−２５５９１９号公報

しかし、運転者の個性は運転者ごとに多種多様であり、特許文献１乃至３のように経路選択方法に基づいて交通シミュレーションを実行した場合、現実の交通状況と大きく乖離するという問題点があった。すなわち、交通シミュレーションを実行する場合、事前に交通シミュレーション・モデルを現実の交通状況に近づけるために、交通シミュレーション・モデルのパラメータをキャリブレーションする必要がある。交通シミュレーション・モデルのパラメータには、経路選択モデルのパラメータ、旅行発生モデルのパラメータ等多数のパラメータがあり、キャリブレーションすることは一般に困難である。

しかし、効率的にキャリブレーションするためには、運転者ごとに個性を推定し、多数の運転者の個性の推定結果に基づく経路選択モデルを構築する必要がある。しかし、従来の経路選択方法では、運転者の個性を適切にモデル化することができないという問題点があった。

本発明は斯かる事情に鑑みてなされたものであり、運転者ごとに個性を推定することができ、個々の運転者の経路選択モデルを構築して、現実に近い交通シミュレーションを実行することができる運転者の経路選択の個性を推定する方法、装置及びコンピュータプログラムを提供することを目的とする。

上記目的を達成するために第１発明に係る方法は、出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置で実行することが可能な方法であって、出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得するステップと、取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成するステップと、実際に選択された経路に関する情報を取得するステップと、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するステップと、算出したパラメータを用いて新たな経路を生成するステップと、生成した新たな経路が実際に選択された経路と一致するか否かを判断するステップと、両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較するステップと、両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するステップとを含む。

また、第２発明に係る方法は、第１発明において、前記出発点から到着点に至るまでの経路に関する情報は、経路を選択した場合のコストとして取得し、前記パラメータは、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出される。

また、第３発明に係る方法は、第１又は第２発明において、前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む。

次に、上記目的を達成するために第４発明に係る装置は、出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置であって、出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する情報取得手段と、取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する基本経路生成手段と、実際に選択された経路に関する情報を取得する経路選択情報取得手段と、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するパラメータ算出手段と、算出したパラメータを用いて新たな経路を生成する経路生成手段と、生成した新たな経路が実際に選択された経路と一致するか否かを判断する判断手段と、該判断手段で両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する繰り返し手段と、前記判断手段で両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するパラメータ記憶手段とを備える。

また、第５発明に係る装置は、第４発明において、前記情報取得手段は、前記出発点から到着点に至るまでの経路に関する情報を、経路を選択した場合のコストとして取得し、前記パラメータ算出手段は、前記パラメータを、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出する。

また、第６発明に係る装置は、第４又は第５発明において、前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む。

次に、上記目的を達成するために第７発明に係るコンピュータプログラムは、出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置で実行することが可能なコンピュータプログラムであって、前記装置を、出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する情報取得手段、取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する基本経路生成手段、実際に選択された経路に関する情報を取得する経路選択情報取得手段、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するパラメータ算出手段、算出したパラメータを用いて新たな経路を生成する経路生成手段、生成した新たな経路が実際に選択された経路と一致するか否かを判断する判断手段、該判断手段で両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する繰り返し手段、及び前記判断手段で両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するパラメータ記憶手段として機能させる。

また、第８発明に係るコンピュータプログラムは、第７発明において、前記情報取得手段を、前記出発点から到着点に至るまでの経路に関する情報を、経路を選択した場合のコストとして取得する手段として機能させ、前記パラメータ算出手段を、前記パラメータを、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出する手段として機能させる。

また、第９発明に係るコンピュータプログラムは、第７又は第８発明において、前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む。

次に、上記目的を達成するために第１０発明に係る方法は、一又は複数の要素の組み合わせの選択に用いた評価関数のパラメータを推定する方法であって、各要素に関する情報を取得するステップと、取得した各要素に関する情報に基づいて、選択可能な一又は複数の要素の組み合わせからなる基本集合を生成するステップと、実際に選択された一又は複数の要素の組み合わせに関する情報を取得するステップと、前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが、最適となる評価関数のパラメータを算出するステップとを含む。

また、第１１発明に係る方法は、第１０発明において、前記要素は２つの交差点を結ぶ道路であり、一又は複数の要素の組み合わせは前記道路を組み合わせた経路である。

また、第１２発明に係る方法は、第１０又は第１１発明において、算出した評価関数のパラメータを用いて、新たに一又は複数の要素の組み合わせを生成するステップと、生成した新たな一又は複数の要素の組み合わせを前記基本集合に加えるステップと、生成した新たな一又は複数の要素の組み合わせを含む前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが最適となる評価関数のパラメータを算出するステップとを含む。

また、第１３発明に係る方法は、第１２明において、算出した評価関数のパラメータを用いて、新たに一又は複数の要素の組み合わせを生成するステップと、生成した新たな一又は複数の要素の組み合わせを前記基本集合に加えるステップと、生成した新たな一又は複数の要素の組み合わせを含む前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが最適となる評価関数のパラメータを算出するステップとを再帰的に繰り返す。

また、第１４発明に係る方法は、第１３発明において、生成した新たな一又は複数の要素の組み合わせが実際に選択された一又は複数の要素の組み合わせと一致するか否かを判断するステップと、両者が一致すると判断した場合に、一致した時点のパラメータを評価関数のパラメータとして記憶するステップとを含む。

本発明によれば、交通シミュレーションにおいて、運転者の個性を容易に推定することができるので、運転者の個性に応じた経路選択を行うことができる。また、運転者ごとの実際の経路選択に合致するパラメータを算出し、算出したパラメータを用いた経路選択モデルが正しいか否かを容易に判断することができるので、交通シミュレーションの実行時であっても比較的容易にキャリブレーションをすることが可能となる。

本発明の実施の形態１に係る個性推定装置の構成を示すブロック図である。 本発明の実施の形態１に係る個性推定装置の機能ブロック図である。 本発明の実施の形態１に係る個性推定装置で取得するコストの例示図である。 本発明の実施の形態１に係る個性推定装置における生成した基本経路の例示図である。 本発明の実施の形態１に係る個性推定装置で取得したコストを重み付けしたコストに置換した例示図である。 本発明の実施の形態１に係る個性推定装置における算出したパラメータ分布の例示図である。 本発明の実施の形態１に係る個性推定装置のＣＰＵの処理手順を示すフローチャートである。 本発明の実施の形態２に係る個性推定装置で取得するコストの例示図である。 本発明の実施の形態２に係る個性推定装置における生成した基本経路の例示図である。 本発明の実施の形態２に係る個性推定装置で取得したコストを重み付けしたコストに置換した例示図である。

以下、本発明の実施の形態に係る、運転者の経路選択の個性を推定する装置について、図面に基づいて具体的に説明する。以下の実施の形態は、特許請求の範囲に記載された発明を限定するものではなく、実施の形態の中で説明されている特徴的事項の組み合わせの全てが解決手段の必須事項であるとは限らないことは言うまでもない。

また、本発明は多くの異なる態様にて実施することが可能であり、実施の形態の記載内容に限定して解釈されるべきものではない。実施の形態を通じて同じ要素には同一の符号を付している。

以下の実施の形態では、コンピュータシステムにコンピュータプログラムを導入した装置について説明するが、当業者であれば明らかな通り、本発明はその一部をコンピュータで実行することが可能なコンピュータプログラムとして実施することができる。したがって、本発明は、運転者の経路選択の個性を推定する装置というハードウェアとしての実施の形態、ソフトウェアとしての実施の形態、又はソフトウェアとハードウェアとの組み合わせの実施の形態をとることができる。コンピュータプログラムは、ハードディスク、ＤＶＤ、ＣＤ、光記憶装置、磁気記憶装置等の任意のコンピュータで読み取ることが可能な記録媒体に記録することができる。

本発明の実施の形態によれば、運転者の個性を容易に推定することができるので、交通シミュレーションにおいて、運転者の個性に応じた経路選択を行うことができる。また、運転者ごとの実際の経路選択に合致するパラメータを算出し、算出したパラメータを用いた経路選択モデルが正しいか否かを容易に判断することができる。

交通シミュレーションを実行する場合、事前に交通シミュレーション・モデルを現実の交通状況に近づけるために、交通シミュレーション・モデルのパラメータをキャリブレーションする必要がある。交通シミュレーション・モデルのパラメータには、経路選択モデルのパラメータ、旅行発生モデルのパラメータ等多数のパラメータがあり、キャリブレーションすることは一般に困難である。

本発明を実施することにより、運転者の個性をプローブデータから推定し、多数の運転者の個性の推定結果から経路選択モデルを構築し、構築された経路選択モデルを統計的手法により検証することができる。構築され、検証された経路選択モデルを交通シミュレーション・モデルとして用いることにより、経路選択モデル以外のパラメータだけをキャリブレーションすれば足りるので、より効率的にキャリブレーションすることが可能になる。

（実施の形態１）
図１は、本発明の実施の形態１に係る個性推定装置の構成を示すブロック図である。本発明の実施の形態１に係る個性推定装置１は、少なくともＣＰＵ（中央演算装置）１１、メモリ１２、記憶装置１３、Ｉ／Ｏインタフェース１４、ビデオインタフェース１５、可搬型ディスクドライブ１６、通信インタフェース１７及び上述したハードウェアを接続する内部バス１８で構成されている。

ＣＰＵ１１は、内部バス１８を介して個性推定装置１の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶装置１３に記憶されたコンピュータプログラム１００に従って、種々のソフトウェア的機能を実行する。メモリ１２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラム１００の実行時にロードモジュールが展開され、コンピュータプログラム１００の実行時に発生する一時的なデータ等を記憶する。

記憶装置１３は、内蔵される固定型記憶装置（ハードディスク）、ＲＯＭ等で構成されている。記憶装置１３に記憶されたコンピュータプログラム１００は、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体９０から、可搬型ディスクドライブ１６によりダウンロードされ、実行時には記憶装置１３からメモリ１２へ展開して実行される。もちろん、通信インタフェース１７を介して接続されている外部コンピュータからダウンロードされたコンピュータプログラムであっても良い。

通信インタフェース１７は内部バス１８に接続されており、インターネット、ＬＡＮ、ＷＡＮ等の外部のネットワークに接続されることにより、外部コンピュータ等とデータ送受信を行うことが可能となっている。

Ｉ／Ｏインタフェース１４及びビデオインタフェース１５は、液晶ディスプレイ等で構成されたタッチパネル２１と接続され、所定の画像を表示しつつ、情報の入力を受け付ける。もちろん、別個にキーボード、マウス等の入力装置を接続して入力を受け付けても良い。

図２は、本発明の実施の形態１に係る個性推定装置１の機能ブロック図である。図２において、個性推定装置１の情報取得部２０１は、出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する。取得する情報としては、例えば自動車の運転者の個性を推定する場合には、出発点に関する位置情報、到着点に関する位置情報、及び通過する可能性のある経路に関する情報、例えば交差点に関する情報、距離に関する情報、渋滞の確率等を考慮した所要時間の期待値等を取得する。

本実施の形態１では、通過する可能性のある経路に関する情報として、隣接する交差点間のコストを取得する。ここで、コストとは、右左折の回数、次の交差点へ到着するまでの所要時間、次の交差点へ到着するまでの距離からなるベクトル値である。図３は、本発明の実施の形態１に係る個性推定装置１で取得するコストの例示図である。

図３に示すように、交差点Ｑ０からそのまま直進して交差点Ｑ２に到着する場合のコストを（０、１０、６０）と取得する。最初の数字は、右左折をしたか否かを示す値である。本実施の形態１では、右左折した場合を‘１’、右左折しない場合を‘０’としている。二番目の数字は、次の交差点へ到着するまでの所要時間を示す値である。本実施の形態１では、例えば単位時間を１分として１０分という意味である。最後の数字は、次の交差点へ到着するまでの距離を示す値である。本実施の形態１では、例えば単位距離を１００ｍとして６ｋｍという意味である。同様に右折して交差点Ｑ１に到着する場合のコストも（１、３０、１００）と取得する。

図２に戻って、基本経路生成部２０２は、取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する。例えば自動車の運転者の個性を推定する場合には、基本経路として、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含むことが好ましい。

図４は、本発明の実施の形態１に係る個性推定装置１における生成した基本経路の例示図である。図４に示すように、運転者によって実際に選択された経路３０とは別に、右左折の回数が最も少ない右左折回数最少経路３１、到着時間の最も短い到着時間最短経路３２、到着するまでの距離の最も短い距離最短経路３３を基本経路として生成する。通常は、実際に選択された経路３０は、右左折回数最少経路３１、到着時間最短経路３２、及び距離最短経路３３の特性を組み合わせて選択された経路となっているので、そこに運転者の個性が表れる。すなわち、右左折の回数を少なくすることを優先するのか、到着時間を短くすることを優先するのか、距離（走行距離）を短くすることを優先するのか、３つの要素のバランス感覚を推定することができる。

ただし、右左折回数最少経路３１、到着時間最短経路３２、及び距離最短経路３３が互いに相違しない場合には、運転者の個性を特定することはできない。この場合、実際に選択された経路３０を運転者の個性を推定する対象となる経路から除外しても良い。

図２に戻って、経路選択情報取得部２０３は、実際に選択された経路に関する情報を取得する。具体的には、出発点から到着点までにどの経路が選択されたかに関する情報を取得する。

パラメータ算出部２０４は、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出する。ここで、評価関数のパラメータとは、評価関数における経路ごとのコストに乗算する係数であり、本実施の形態１では、線形計画問題の最適解を単体法で求めることで評価関数を最適化して算出される値である。

具体的には、（式１）に示す評価関数ｆ（α₀ 、α₁ 、α₂ ）について、実際に選択された経路が最適な評価値となるパラメータ（α₀ 、α₁ 、α₂ ）を算出する。パラメータα₀ 、α₁ 、及びα₂ の総和は‘１’であり、パラメータα₀ は右左折の回数に対するパラメータを、パラメータα₁ は到着時間に対するパラメータを、パラメータα₂ は距離に対するパラメータを、それぞれ示している。すなわち、パラメータα₀ 、α₁ 、及びα₂ の大小関係によって、その運転者が右左折の回数を少なくすることを優先する傾向にあるのか、到着時間を短くすることを優先する傾向にあるのか、走行距離を短くすることを優先する傾向にあるのか、判断することができる。

なお、（式１）において、ｉは自然数であり、複数の経路を１、２、・・・と区別している。Ｃ₀ ⁽ⁱ⁾は、経路ｉについての右左折の回数を、Ｃ₁ ⁽ⁱ⁾は、経路ｉについての到着までの所要時間を、Ｃ₂ ⁽ⁱ⁾は、経路ｉについての走行距離を、それぞれ示しており、それぞれ最少右左折回数Ｓ₀ 、最短到着時間Ｓ₁ 、最短距離Ｓ₂ で除算することにより正規化している。また、パラメータ（α₀ 、α₁ 、α₂ ）はそれぞれ１以下の正の実数であり、総和が‘１’となる。

（式１）に示す評価関数ｆ（α₀ 、α₁ 、α₂ ）において、実際に選択された経路が最適となるパラメータ（α₀ 、α₁ 、α₂ ）は、（式２）に示す線形計画問題を解くことで算出することができる。すなわち基本経路について算出した評価値と実際に選択された経路について算出した評価値との差分εが最小となるパラメータを算出すれば良い。

（式２）の第四式の左辺第一項は、基本経路について算出したコストの総和を、右辺は、実際に選択された経路について算出したコストの総和を、それぞれ示しており、εはその差分を示している。差分εが最小になるようパラメータ（α₀ 、α₁ 、α₂ ）を算出すれば良い。

なお、線形計画問題の最適解は二次計画問題として求める方がより運転者の個性を反映させることができる。二次計画問題とする場合には、（式３）のように求めることができる。（式３）は、（式２）の第一式に第２項を加えたものである。

第２項を加えていない場合、例えばパラメータ（１／３、１／３、１／３）とパラメータ（１、０、０）の双方が最適解として求まったときには、（１、０、０）を最適解とする。しかし、第２項を加えた二次計画問題では、（１／３、１／３、１／３）だけが最適解となる。

つまり、第２項を加えない場合、すなわち線形計画問題を単体法で求める場合には、最適解とされる（１、０、０）からわかるように、右左折回数が最少となる。しかし、到着までの所要時間、走行距離を最短にしているか否かは保証の限りではない。一方、二次計画問題として例えば（１、０、０）が最適解となった場合、右左折回数を最少にしていることがわかる点では同一であるが、到着までの所要時間、走行距離を最短にしていないことも明らかになる。したがって、第２項を加えることにより、パラメータ（α₀ 、α₁ 、α₂ ）の３つの要素のうち、どの要素について考慮しているのかを評価に算入することができ、より高い精度で個性を推定することができる。

図２に戻って、経路生成部２０５は、算出したパラメータを用いて新たな経路を生成する。生成された経路は、運転者の個性に応じた経路となっている。具体的には、まず算出したパラメータ（α₀ 、α₁ 、α₂ ）に対する重みｗを（式４）のように算出し、交差点間のコストベクトルを、ｗで重み付けしたコストに置換する。

（式４）に示すように、重み（ｗ₀ 、ｗ₁ 、ｗ₂ ）は、パラメータ（α₀ 、α₁ 、α₂ ）を、それぞれ最少右左折回数Ｓ₀ 、最短到着時間Ｓ₁ 、最短距離Ｓ₂ で除算することにより算出する。図５は、本発明の実施の形態１に係る個性推定装置１で取得したコストを重み付けしたコストに置換した例示図である。

図５（ａ）は、図３で取得したコストを示している。そして、図５（ｂ）は、交差点Ｑ０からそのまま直進して交差点Ｑ２に到着する場合のコスト、同様に右折して交差点Ｑ１に到着する場合のコストそれぞれに対して、重み（ｗ₀ 、ｗ₁ 、ｗ₂ ）を乗算した重み付けコストを示している。

例えば交差点Ｑ０からそのまま直進する場合のコスト（０、１０、６０）は、重み付けコスト（０ｗ₀ 、＋１０ｗ₁ 、＋６０ｗ₂ ）へ置換され、右折する場合のコスト（１、３０、１００）は、重み付けコスト（１ｗ₀ 、＋３０ｗ₁ 、＋１００ｗ₂ ）へ置換される。最短経路を探索する場合、図５（ｂ）に示す重み付けコストを用い、周知の方法、例えばダイクストラ法を用いて最短経路を探索して、新たな経路として生成する。

図２に戻って、判断部２０６は、生成した新たな経路が実際に選択された経路と一致するか否かを判断する。判断部２０６で両者が一致しないと判断した場合、生成した新たな経路を基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する処理を繰り返す。

判断部２０６で両者が一致すると判断した場合、実際に選択された経路が最適な経路であると判断し、パラメータ記憶部２０７は、一致した時点のパラメータを評価関数のパラメータとして記憶装置１３に記憶する。

生成した新たな経路が実際に選択された経路と一致するか否かは、新たな経路として生成した最短経路のコストが、実際に選択された経路のコストと同一であるか否かにより判断する。実際に選択された経路のコストが、重み付けされたコストで最適であれば、実際に選択された経路に係るパラメータが、その運転者の個性であると考えることができるからである。

実際に選択されたすべての経路について、上述した処理を繰り返し、運転者を識別する運転者ＩＤごとのパラメータ（α₀ 、α₁ 、α₂ ）を算出する。図６は、本発明の実施の形態１に係る個性推定装置１における算出したパラメータ分布の例示図である。

図６に示すように、パラメータα₀ 、α₁ 、及びα₂ の総和が‘１’であるので、各運転者が右左折の回数を少なくすることを優先する傾向にある領域６０、到着時間を短くすることを優先する傾向にある領域６１、走行距離を短くすることを優先する傾向にある領域６２に区分することができる。

図６の例では、サンプリングされた運転者の運転者ＩＤ６５に対して、パラメータ（α₀ 、α₁ 、α₂ ）をパラメータ（０．１、０．０、０．９）と取得することができる。取得したパラメータ（０．１、０．０、０．９）が運転者ＩＤ６５の運転者の個性となる。
このように、運転者の個性を容易に推定することができるので、交通シミュレーションにおいて、運転者の個性に応じた経路選択を行うことができる。また、運転者ごとの実際の経路選択に合致するパラメータを算出し、算出したパラメータを用いた経路選択モデルが正しいか否かを容易に判断することができる。

図７は、本発明の実施の形態１に係る個性推定装置１のＣＰＵ１１の処理手順を示すフローチャートである。図７において、個性推定装置１のＣＰＵ１１は、出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する（ステップＳ７０１）。取得する情報としては、例えば自動車の運転者の個性を推定する場合には、出発点に関する位置情報、到着点に関する位置情報、及び通過する可能性のある経路に関する情報、例えば交差点に関する情報、距離に関する情報、渋滞の確率等を考慮した所要時間の期待値、あるいは、隣接する交差点間のコストを取得する。

ＣＰＵ１１は、取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する（ステップＳ７０２）。例えば自動車の運転者の個性を推定する場合には、基本経路として、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び走行距離の最も短い経路を含むことが好ましい。

ＣＰＵ１１は、実際に選択された経路に関する情報を取得する（ステップＳ７０３）。具体的には、出発点から到着点までにどの経路が選択されたかに関する情報を取得する。

ＣＰＵ１１は、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出する（ステップＳ７０４）。ＣＰＵ１１は、算出したパラメータを用いて新たな経路を生成する（ステップＳ７０５）。

ＣＰＵ１１は、生成した新たな経路のコストが実際に選択された経路のコストと一致するか否かを判断する（ステップＳ７０６）。ただし、経路のコストとは、コスト算出の対象となる経路の全ての連続する交差点間のコストの和を意味する。ＣＰＵ１１が、両者が一致しないと判断した場合（ステップＳ７０６：ＮＯ）、ＣＰＵ１１は、算出した新たな経路を基本経路に追加し（ステップＳ７０７）、処理をステップＳ７０４へ戻して上述した処理を繰り返す。

ＣＰＵ１１が、両者が一致すると判断した場合（ステップＳ７０６：ＹＥＳ）、ＣＰＵ１１は、実際に選択された経路が最適な経路であると判断し、一致した時点のパラメータを評価関数のパラメータとして記憶装置１３に記憶する（ステップＳ７０８）。

以上のように本実施の形態１によれば、運転者の個性を容易に推定することができるので、交通シミュレーションにおいて、運転者の個性に応じた経路選択を行うことができる。また、運転者ごとの実際の経路選択に合致するパラメータを算出し、算出したパラメータを用いた経路選択モデルが正しいか否かを容易に判断することができるので、交通シミュレーション実行時であっても比較的容易にキャリブレーションすることが可能となる。

（実施の形態２）
本発明の実施の形態２に係る個性推定装置１の構成及び機能ブロック図は実施の形態１と同様であることから、同一の符号を付することにより詳細な説明は省略する。本実施の形態２では、コストの一要素である次の交差点への到着時間を、定数ではなく混合ガンマ分布で付与している点で実施の形態１とは相違する。

本実施の形態２では、コストとは、右左折の回数、混合ガンマ分布で付与された次の交差点への到着時間、次の交差点へ到着するまでの距離からなるベクトル値である。図８は、本発明の実施の形態２に係る個性推定装置１で取得するコストの例示図である。

図８に示すように、交差点Ｑ０からそのまま直進して交差点Ｑ２に到着する場合のコストを（０、Ｘ、６０）と取得する。最初の数字は、右左折をしたか否かを示す値である。二番目の数字‘Ｘ’は、次の交差点へ到着するまでの所要時間を示す確率変数である。最後の数字は、次の交差点へ到着するまでの距離を示す値である。同様に右折して交差点Ｑ１に到着する場合のコストも（１、Ｙ、１００）と取得する。

図９は、本発明の実施の形態２に係る個性推定装置１における生成した基本経路の例示図である。図９に示すように、運転者によって実際に選択された経路３０とは別に、右左折の回数が最も少ない右左折回数最少経路３１、到着時間のエントロピックリスク指標値の最も小さい到着時間最短経路３２１、３２２、３２３、到着するまでの距離の最も短い距離最短経路３３の５つの経路を基本経路として生成する。ただし、複数の到着時間最短経路は、エントロピックリスク指標値のパラメータの異なる値に対応し、到着時間最短経路の１つは、到着時間のあるパラメータのエントロピックリスク指標値が最小となる経路である。

ただし、右左折回数最少経路３１、到着時間最短経路３２１、３２２、３２３及び距離最短経路３３が互いに相違しない場合には、運転者の個性を特定することはできない。この場合、実際に選択された経路３０を運転者の個性を推定する対象となる経路から除外しても良い。

個性推定装置１は、経路選択情報取得部２０３で、実際に選択された経路に関する情報を取得し、パラメータ算出部２０４で、複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出する。

具体的には、（式５）に示す評価関数ｆ（α₀ 、α₁ 、α₂ 、α₃、α₄）について、実際に選択された経路が最適な評価値となるパラメータ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）を算出する。パラメータα₀ 、α₁ 、α₂ 、α₃ 、及びα₄ の総和は‘１’であり、パラメータα₀ は右左折の回数に対するパラメータを、パラメータα₁ 、α₂ 、α₃ は到着時間に対するパラメータを、パラメータα₄ は距離に対するパラメータを、それぞれ示している。すなわち、パラメータ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）の大小関係によって、その運転者が右左折の回数を少なくすることを優先する傾向にあるのか、到着時間を短くすることを優先する傾向にあるのか、走行距離を短くすることを優先する傾向にあるのか、判断することができる。

なお、（式５）において、ｉは自然数であり、複数の経路を１、２、・・・と区別している。Ｃ₀ ⁽ⁱ⁾は、経路ｉについての右左折の回数を、Ｃ₁ ⁽ⁱ⁾、Ｃ₂ ⁽ⁱ⁾、Ｃ₃ ⁽ⁱ⁾は経路ｉについての到着までの所要時間を、Ｃ₄ ⁽ⁱ⁾は、経路ｉについての走行距離を、それぞれ示しており、それぞれ最少右左折回数Ｓ₀ 、最短到着時間Ｓ₁ 、Ｓ₂ 、Ｓ₃ 、最短距離Ｓ₄ で除算することにより正規化している。また、パラメータ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）はそれぞれ１以下の正の実数であり、総和が‘１’となる。

（式５）に示す評価関数ｆ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）において、実際に選択された経路が最適となるパラメータ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）は、（式６）に示す線形計画問題を解くことで算出することができる。すなわち基本経路について算出した評価値と実際に選択された経路について算出した評価値との差分εが最小となるパラメータを算出すれば良い。

（式６）の第四式の左辺第一項は、基本経路について算出したコストの総和を、右辺は、実際に選択された経路について算出したコストの総和を、それぞれ示しており、εはその差分を示している。差分εが最小になるようパラメータ（α₀ 、α₁ 、α₂ 、α₃ 、α₄ ）を算出すれば良い。

（式６）によって算出されるパラメータ（α₀ 、α₁ 、α₂ 、α₃、α₄）においては、α₀ 、α₁ 、α₂ 、α₃、α₄のいずれもゼロではない可能性がある。しかし、例えば到着時間に対するパラメータα₁ 、α₂ 、α₃については高々１つのパラメータだけがゼロではないような解だけを求めたい場合が生じうる。そのような場合、まず、到着時間に対するパラメータのうちα₁だけがゼロではないことを許可するように、α₂＝０とα₃＝０の２つの等式を（式６）に追加して、パラメータを算出し、同様に、α₂とα₃のいずれかだけがゼロではないことを許可するようにパラメータを算出する。最後に、そのようにして算出された複数のパラメータのうち、目的関数が最小となるパラメータを求めれば良い。

なお、線形計画問題の最適解は二次計画問題として求める方がより運転者の個性を反映させることができる。二次計画問題とする場合には、（式７）のように求めることができる。（式７）は、（式６）の第一式に第２項を加えたものである。

そして、算出したパラメータを用いて新たな経路を生成する。生成された経路は、運転者の個性に応じた経路となっている。具体的には、まず算出したパラメータ（α₀ 、α₁ 、α₂ 、α₃、α₄）に対する重み（ｗ₀ 、ｗ_p 、ｗ₄）を乗算した重み付けコストを算出して置換する。ただし、ｗ₀ 、ｗ₁ 、ｗ₂ 、ｗ₃ 、ｗ₄は（式４）と同様に算出し、ｗ_p はｗ₁ 、ｗ₂ 、ｗ₃ の最大値を示している。

図１０は、本発明の実施の形態２に係る個性推定装置１で取得したコストを重み付けしたコストに置換した例示図である。図１０（ａ）は、図８で取得したコストを示している。そして、図１０（ｂ）は、交差点Ｑ０からそのまま直進して交差点Ｑ２に到着する場合のコスト、右折して交差点Ｑ１に到着する場合のコスト、それぞれに対して重み（ｗ₀ 、ｗ_p 、ｗ₄）を乗算した重み付けコストを示している。例えば、交差点Ｑ０からそのまま直進する場合のコスト（０、Ｘ、６０）は、重み付けコスト（０ｗ₀ 、＋ＥＲＭ_γ［Ｘ］ｗ_p 、＋６０ｗ₂ ）へ置換され、右折する場合のコスト（１、Ｙ、１００）は、重み付けコスト（１ｗ₀ 、＋ＥＲＭ_γ［Ｙ］ｗ_p 、＋１００ｗ₂ ）へ置換される。最短経路を探索する場合、図１０（ｂ）に示す重み付けコストを用い、周知の方法、例えばダイクストラ法を用いて最短経路を探索して、新たな経路として生成する。

なお、ＥＲＭ_γ［Ｘ］、ＥＲＭ_γ［Ｙ］は、それぞれ次の交差点へ到着するまでの所要時間の確率分布より求まるコストＸ、Ｙについてのパラメータγにおけるエントロピックリスク指標（Ｅｎｔｒｏｐｉｃ Ｒｉｓｋ Ｍｅａｓｕｒｅ）の値であり、（式８）で求めることができる。なお、パラメータγは重みの最大値ｗ_p に対応するエントロピックリスク指標のパラメータの値である。例えば、到着時間最短経路が、パラメータγが‘−１’であるエントロピックリスク指標値を最小にする経路、パラメータγが‘１’であるエントロピックリスク指標値を最小にする経路、パラメータγが‘２’であるエントロピックリスク指標値を最小にする経路の３つの経路である場合、ｗ₁ 、ｗ₂ 、ｗ₃ のうちｗ₁ が最大値となるときにはパラメータγを‘−１’とし、ｗ₂ が最大値となるときにはパラメータγを‘１’とし、ｗ₃ が最大値となるときにはパラメータγを‘２’とする。なお、ｐ、ｋ、θは、それぞれ混合ガンマ分布のパラメータであり、η＝１、２、・・・について、確率ｐηでパラメータｋη、θηであるガンマ分布となるパラメータを意味する。

以下、実施の形態１と同様に、判断部２０６は、生成した新たな経路が実際に選択された経路と一致するか否かを判断する。判断部２０６で両者が一致しないと判断した場合、生成した新たな経路を基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する処理を繰り返す。

判断部２０６で両者が一致すると判断した場合、実際に選択された経路が最適な経路であると判断し、パラメータ記憶部２０７は、一致した時点のパラメータを評価関数のパラメータとして記憶装置１３に記憶する。

以上のように本実施の形態２によれば、運転者の個性を容易に推定することができるので、交通シミュレーションにおいて、運転者の個性に応じた経路選択を行うことができる。また、運転者ごとの実際の経路選択に合致するパラメータを算出し、算出したパラメータを用いた経路選択モデルが正しいか否かを容易に判断することができるので、交通シミュレーションの実行時であっても比較的容易にキャリブレーションすることが可能となる。

本発明を、都心を走行するタクシーに適用した結果を以下に示す。すなわち、タクシーの１日分のプローブカーデータを取得し、１８５８本の経路を抽出して、運転者ごとの個性を推定した。

運転者の個性は、以下の４つの指標の重み付けの和として表現した。４つの指標とは、右左折の回数、法定速度で走行した場合の到着時間、走行距離、所要時間のエントロピックリスク指標である。さらに、エントロピックリスク指標は１１個のパラメータを考慮できるようにした。

その結果、１２４７本（６７．１％）の経路については、実際に選択された経路が、４つの指標の重み付けの和を最小にする経路となった。換言すれば、実際に選択された経路が、その運転者にとって最適な経路となる４つの指標を算出することができたことになる。

なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨の範囲内であれば多種の変更、改良等が可能である。例えば上述した実施の形態１及び２では、自動車の運転による交通シミュレーションの実行に適用した例について説明しているが、本発明は、出発点と到着点とが存在する人間の行動モデルに限らず、あらゆる行動モデルに適用することができる可能性がある。

１ 個性推定装置
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ Ｉ／Ｏインタフェース
１５ ビデオインタフェース
１６ 可搬型ディスクドライブ
１７ 通信インタフェース
１８ 内部バス
９０ 可搬型記録媒体
１００ コンピュータプログラム

Claims (14)

1. 出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置で実行することが可能な方法であって、
   出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得するステップと、
   取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成するステップと、
   実際に選択された経路に関する情報を取得するステップと、
   複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するステップと、
   算出したパラメータを用いて新たな経路を生成するステップと、
   生成した新たな経路が実際に選択された経路と一致するか否かを判断するステップと、
   両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較するステップと、
   両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するステップと
   を含む方法。
2. 前記出発点から到着点に至るまでの経路に関する情報は、経路を選択した場合のコストとして取得し、
   前記パラメータは、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出される請求項１に記載の方法。
3. 前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む請求項１又は２に記載の方法。
4. 出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置であって、
   出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する情報取得手段と、
   取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する基本経路生成手段と、
   実際に選択された経路に関する情報を取得する経路選択情報取得手段と、
   複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するパラメータ算出手段と、
   算出したパラメータを用いて新たな経路を生成する経路生成手段と、
   生成した新たな経路が実際に選択された経路と一致するか否かを判断する判断手段と、
   該判断手段で両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する繰り返し手段と、
   前記判断手段で両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するパラメータ記憶手段と
   を備える装置。
5. 前記情報取得手段は、前記出発点から到着点に至るまでの経路に関する情報を、経路を選択した場合のコストとして取得し、
   前記パラメータ算出手段は、前記パラメータを、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出する請求項４に記載の装置。
6. 前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む請求項４又は５に記載の装置。
7. 出発点から到着点に至る経路選択に用いた評価関数のパラメータを推定する装置で実行することが可能なコンピュータプログラムであって、
   前記装置を、
   出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報を取得する情報取得手段、
   取得した出発点及び到着点に関する情報及び出発点から到着点に至るまでの経路に関する情報に基づいて、複数の基本経路を生成する基本経路生成手段、
   実際に選択された経路に関する情報を取得する経路選択情報取得手段、
   複数の基本経路及び実際に選択された経路の中で、実際に選択された経路が最適経路となる評価関数のパラメータを算出するパラメータ算出手段、
   算出したパラメータを用いて新たな経路を生成する経路生成手段、
   生成した新たな経路が実際に選択された経路と一致するか否かを判断する判断手段、
   該判断手段で両者が一致しないと判断した場合、生成した新たな経路を前記基本経路に追加し、再度評価関数のパラメータを算出し、繰り返し新たな経路を生成して実際に選択された経路と比較する繰り返し手段、及び
   前記判断手段で両者が一致すると判断した場合、一致した時点のパラメータを評価関数のパラメータとして記憶するパラメータ記憶手段
   として機能させるコンピュータプログラム。
8. 前記情報取得手段を、前記出発点から到着点に至るまでの経路に関する情報を、経路を選択した場合のコストとして取得する手段として機能させ、
   前記パラメータ算出手段を、前記パラメータを、評価関数における経路ごとの前記コストに乗算する係数として、線形計画法を用いて評価関数を最適化することにより算出する手段として機能させる請求項７に記載のコンピュータプログラム。
9. 前記基本経路は、少なくとも右左折の回数が最も少ない経路、到着時間の最も短い経路、及び距離の最も短い経路を含む請求項７又は８に記載のコンピュータプログラム。
10. 一又は複数の要素の組み合わせの選択に用いた評価関数のパラメータを推定する方法であって、
    各要素に関する情報を取得するステップと、
    取得した各要素に関する情報に基づいて、選択可能な一又は複数の要素の組み合わせからなる基本集合を生成するステップと、
    実際に選択された一又は複数の要素の組み合わせに関する情報を取得するステップと、
    前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが、最適となる評価関数のパラメータを算出するステップと
    を含む方法。
11. 前記要素は２つの交差点を結ぶ道路であり、一又は複数の要素の組み合わせは前記道路を組み合わせた経路である請求項１０に記載の方法。
12. 算出した評価関数のパラメータを用いて、新たに一又は複数の要素の組み合わせを生成するステップと、
    生成した新たな一又は複数の要素の組み合わせを前記基本集合に加えるステップと、
    生成した新たな一又は複数の要素の組み合わせを含む前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが最適となる評価関数のパラメータを算出するステップと
    を含む請求項１０又は１１に記載の方法。
13. 算出した評価関数のパラメータを用いて、新たに一又は複数の要素の組み合わせを生成するステップと、
    生成した新たな一又は複数の要素の組み合わせを前記基本集合に加えるステップと、
    生成した新たな一又は複数の要素の組み合わせを含む前記基本集合の中で、実際に選択された一又は複数の要素の組み合わせが最適となる評価関数のパラメータを算出するステップと
    を再帰的に繰り返す請求項１２に記載の方法。
14. 生成した新たな一又は複数の要素の組み合わせが実際に選択された一又は複数の要素の組み合わせと一致するか否かを判断するステップと、
    両者が一致すると判断した場合に、一致した時点のパラメータを評価関数のパラメータとして記憶するステップと
    を含む請求項１３に記載の方法。