行驶模式信息获取装置、行驶模式信息获取方法以及行驶模式信息获取程序

摘要

对于多台车辆获得用于识别道路上车辆的车速的车速识别信息。基于车速识别信息的分布，车速识别信息分入对应于车辆的运动的各组。基于该分类获得车辆的运动的发生概率。

说明书

技术领域

本发明涉及一种用于获取规定车辆行驶模式的信息的行驶模式信息获取装置、方法和程序。

背景技术

目前，用于执行对应于多个交通信号的协调点亮的指导的技术是已知的。比如，日本专利申请公开No.JP-A-2001-165684公开了一种其中前面多至两个的节点用作参考范围的技术。当参考范围内的交通信号联合工作时，这种交通信号不用于计算交通信号成本，但是当交通信号不联合工作时，则算出交通信号成本。

专利引证1：日本专利申请公开No.JP-A-2001-165684

发明内容

技术问题

车辆行驶在受到外部因素影响的道路——比如在车辆的行驶受协调点亮的交通信号控制的道路——上，在一定程度上可估计采取相似运动的多台车辆的概率。但是，以前没有用于准备信息以便进行这种估计的技术。

即，尽管相关技术记载了能够协调点亮的多个交通信号，但这种相关技术没有提供指引用于产生表示交通信号是否联动的信息，并且假定以协调的交通信号作为前提。但是，事实上，通常不公开用于协调交通信号的控制的内容，因此准备用于估算这种协调控制等的内容的精确信息已具有难度。

本发明根据上述问题设计，本发明的目的是产生用于估算行驶在道路上的车辆的运动的信息。

技术方案

为了实现上述目的，根据本发明，获得用于多台车辆的识别道路上车辆的车速的车速识别信息。基于车速识别信息的分布，车速识别信息分入对应于车辆的运动的各组。基于该分类获得车辆的运动的发生概率。即，当车辆在道路上进行各种运动时，产生的车速是对应于该运动的车速。因此，在特定道路上具有相似车速识别信息的车辆的对比使得能够估算车辆正执行相似运动。

因此，在本发明中，通过基于车速识别信息的分布将车速识别信息分入一个或多个组内，可以认为包含在一个组内的车速识别信息对应于车辆的特定运动。因此，基于该车速识别信息，可估算由车辆执行的可能的运动的分布。因此，基于分类的组的发生概率，可获得车辆的运动的发生概率。车辆的运动的发生概率对应于行驶在道路上的车辆将要执行这种运动的概率，由此进行行驶在道路上的车辆的运动的估算。

在此，只要车速识别信息获取单元能够获取可确定车辆的车速的车速识别信息，则不限制车速识别信息获取单元。由此，各种信息可用于车速识别信息，包括表示车速自身的信息，或者表示在特定区间内行驶时的所需时间。即，只要基于车速和对应于车速的信息通过形成一个组能够估算车辆的运动，则各种信息均可用作车速识别信息。

注意，车速识别信息优选为实际测量的用于每台车辆的信息，并可采用在每台车辆内执行实际测量或由设置在道路周围的设备执行实际测量的各种结构。由其获取车速识别信息的目标道路可预先确定，任意区间内的道路可标示为获取车速识别信息的目标。必然地，在一般道路上，在标示为由其获得车速识别信息的道路上行驶前后或正行驶在道路上时，根据左转或右转等情况，车辆的行驶方向可以改变。车辆的这种运动可表示受交通拥挤及类似因素影响的运动。因此，在车速识别信息获取单元中，可获得行驶在道路上的所有车辆的车速识别信息，或可基于各种条件——比如左转弯和右转弯、直线行驶、以及是否有交通拥挤——选择用于分类的车速识别信息。

只要车速识别信息分类单元基于车速识别信息的分布将车速识别信息分为一个或多个组，则不限制车速识别信息分类单元。可采用组对应于车辆的运动的各种结构，比如，预先确定运动以便把车速识别信息分为一个或多个组。可选择地，相似的车速识别信息可分为一个或多个组，当分类组以使组与车辆的运动相关时，最终确定车速识别信息的分类。

注意，只要分布有助于把车速识别信息分为相似信息的组，则不限制该分布。比如，可采用直方图或概率分布作为分布。此外，基于车速识别信息的分布的用于将车速识别信息分为一个或多个组的方式可由各种聚类法实现。比如，非等级法，例如k均值法或者分级法，比如瓦德氏法(Ward′s method)可用于分类车速识别信息。无疑也可通过确定判别函数的判别分析来执行分类。

只要运动发生概率获取单元能够基于分类获取车辆的运动的发生概率，则不限制运动发生概率获取单元。即，包括车速识别信息的总样本数的组的样本数的比率等于该组的发生概率。因此，可基于作为对应于该组的车辆的运动的发生概率的比率获得发生概率。

另外，由其获得车速识别信息的目标可以是包括在两个预置点之间连续的多段道路区间道路，以及在每段道路区间内获得的车速识别信息。即，基于用于连续的多段道路区间的车速识别信息，如果每段道路区间内的车速识别信息分为一个或多个组以获得对应于一组的车辆的运动的发生概率，则能够估算包括在连续的多段道路区间内的道路的每段道路区间中车辆的运动。因此，可估算车辆行驶在道路上时的一系列运动。比如，对于包括在由交通信号分开的多段道路区间内的道路，获得每段道路区间内车辆的运动的发生概率使得能够估算受交通信号影响的车辆的运动。

由连续的多段道路区间组成的道路无疑可具有各种形状，为直线道路或具有弯曲。比如，如果道路区间为连续的直线区段，则由多段道路区间组成的道路为直线道路，而如果采用交叉道路区间作为连续的道路区间，则由多段道路区间组成的道路是曲线道路。

道路区间内的运动可以是取决于其中的在前道路区间中的运动的运动。即，由于车辆连续地行驶通过连续的多段道路区间，因此车辆在某段道路区间中执行的运动取决于在其中的在前道路区间内的车辆的运动。因此，如果设定某段道路区间内的特定运动以使其取决于其中的在前道路区间，则能够估算车辆连续地行驶通过在两个预置点之间连续的多段道路区间的运动。

注意，可采用各种结构作为用于限定一组以使某段道路区间内的运动取决于其中的在前道路区间内的运动的结构。比如，可以采用限定用于在某段道路区间内限定一组的车速识别信息以使其取决于其中的在前道路区间中车速识别信息的结构。也就是说，当行驶通过连续的多段道路区间时的车速识别信息构造成以使由此可识别来自相同车辆的信息(构造成由此可确定在连续的道路区间内的一系列车速识别信息)。

当第n段道路区间内的车速识别信息分入特定组时，识别车速识别信息分入一组时由相同车辆获取的第(n+1)段道路区间内的车速识别信息，第(n+1)段道路区间内的车速识别信息分入一个或多个组。基于该分类，然后获得第(n+1)段道路区间内运动的发生概率。根据该结构，可以将连续的道路区间内的车辆的运动限定为取决于其中的在前道路区间内车辆的运动的运动。

可基于各种原理确定由连续的多段道路区间组成的道路的两端。作为一个例子，可采用本发明中应用的用于导航装置或类似装置的地图信息中的定义的结构，比如可采用参照分成多层的地图信息以使更高级别的层具有更低密度的节点(每单位面积的节点数)的结构。即，参考地图信息中特定层内的节点，以利用在特定层内标示的节点识别连续的多段道路区间的两端。另外，还可采用参考位于比特定层更高级别的层内的节点以选择对应于由连续的多段道路区间组成的道路的两端的两个点的结构。

在如上所述的具有层级的地图信息中，节点是包括用于设定在道路上的每个点的协调信息及类似数据的信息。除某些例外以外，具有高节点密度的层与具有低节点密度的更高级别层相比一般具有设置在道路上更小间隔的节点。因此，由节点分开的道路区间在更高级别的层内更长，更多节点一般设定在比标示有更低级别的层内的节点的道路更重要的(根据宽的宽度、大的交通量及类似因素)主要道路之间的交叉口处。由此，当道路区间的两端以标示在特定层内的节点构造时，选择标示在比特定层更高级别的层内的两个节点以便容易标示由连续的多段道路区间组成的道路。

另外，运动的发生概率可转变为其它信息，然后被利用。比如，由于道路区间中的运动是基于车速识别信息识别的运动，因此该运动是对应于每台车辆的车速的运动。因此，分入一组的运动可认为是对应于从连续的道路区间的一段行驶至下一段时的行驶难度的运动。因此，获得运动的发生概率使得能够基于该发生概率获得确定行驶难度的信息。

确定行驶难度的信息可采用各种形式。比如，可采用确定行驶的难度的信息是路径搜索中的成本信息(当行驶变得更加困难时数值增加的数)的结构，表示车辆缓慢的运动的更大发生概率伴随着成本的增加。此外，在从连续的道路区间的一段上行驶至下一段时的行驶难度是在连续的道路区间上行驶时的行驶难度。可选择地，行驶的难度可对应于在连续的道路区间的一段上行驶时的行驶难度，或者对应于在连续的道路区间的一段与另一段之间的边界处行驶的难度，或者对应于两者。

如在本发明中通过分类车速识别信息获取车辆的运动的发生概率的方式还可用作程序或方法。上述行驶模式信息获取装置、程序和方法包括各种形式，并可实现为独立行驶模式信息获取装置，或者通过使用设置在车辆中的相应部件和通用零件实现。比如，能够提供一种配备有上述行驶模式信息获取装置的导航系统、方法和程序。此外，可进行适当的改进，比如为某一部分使用软件或为某一部分使用硬件。本发明还实现为控制行驶模式信息获取装置的程序的记录介质。这种软件的记录介质无疑可以是磁记录介质或磁光记录介质以及容纳未来开发的任意记录介质的等同物。

附图说明

[图1]图1是示出包括行驶模式信息获取装置和导航装置的系统的结构的框图；

[图2]图2是示出成本信息产生处理的流程图；

[图3]图3是示出设定为预定区间的道路的例子的示图；

[图4]图4A和4B是示出所需时间内概率分布的示图；

[图5]图5是示出道路区间中各组的示图；

[图6]图6是示出系统性成本的例子的示图；

[图7]图7是路径指导处理的流程图；以及

[图8]图8是示出道路区间中各组和成本的例子的示图。

具体实施方式

在下文中，按以下顺序说明本发明的实施例。

(1)道路信息产生系统的结构

(1-1)道路信息产生装置的结构

(1-2)导航装置的结构

(2)成本信息产生处理

(3)导航装置的操作

(4)其它实施例

(1)道路信息产生系统的结构

(1-1)道路信息产生装置的结构

图1是示出包括设置在道路信息控制中心的行驶模式信息获取装置10和设置在车辆C中的导航装置100的系统的结构的框图。该行驶模式信息获取装置10包括装备有CPU、RAM、ROM以及类似部件的控制单元20，还包括存储介质30。存储在存储介质30和ROM中的程序可通过控制单元20执行。在本实施例中，行驶模式信息获取程序21可以一个这样的程序执行，其中用于估算车辆C在道路上的行驶模式的信息通过行驶模式信息获取程序21获得。

根据本实施例，用于估算行驶模式的信息是确定车辆C在每段道路区间上的运动的发生概率的信息。该发生概率基于由多台车辆C输出的探测器信息在行驶模式信息获取装置10中获得。行驶模式信息获取装置10基于发生概率产生成本信息，并向车辆C发送成本信息。为此，行驶模式信息获取装置10装备有包括用于与导航装置100通信的电路的通信装置22。控制单元20能够经由通信装置22接收探测器信息并发送成本信息。

为了获得每段道路区间上车辆C的运动的发生概率并产生和发送成本信息，行驶模式信息获取程序21设置有发送/接收控制单元21a、车速识别信息获取单元21b、车速识别信息分类单元21c以及运动发生概率获取单元21d。通过通信装置22、存储介质30、控制单元20的RAM及类似部件的协作工作实现产生并向车辆C提供成本信息的功能。

发送/接收控制单元21a是用于控制与车辆C通信的模块。控制单元20通过发送/接收控制单元21a的处理来控制通信装置22，并与分别安装在多台车辆C中的通信装置220通信。即，获取发自车辆C的探测器信息并以这样一种状态将发自车辆C的探测器信息记录在存储介质30内，即，使探测器信息可识别为由相同车辆C获取的信息(图1示出探测器信息30a)。还获得并向车辆C发送通过下述处理产生的成本信息30c。

注意，本实施例中的探测器信息30a至少包括用于识别车辆C的车速的车速识别信息，根据本实施例还包括确定设定在道路上的节点之间的道路区间(连接段)的连接号码、车辆C驶过对应于该连接号码的道路区间的所需时间、以及确定探测器信息30a由相同车辆C获取的识别符(能够识别出探测器信息30a是连续的道路区间之间的一系列车速识别信息的识别符)。

根据本实施例，通过参照存储在存储介质30内的地图信息30b并识别对应于连接号码的道路区间之间的距离，能够识别车辆C行驶通过各道路区间时的车速。换句话说，地图信息30b预先存储在存储介质30中，地图信息30b包括确定设定在道路上的节点位置的信息以及确定用于识别表示连接节点的连接段(道路区间)的连接号码的信息。因此，由连接号码标识的道路区间的距离可根据对应于道路区间两端的节点位置识别。上述所需时间除道路区间的距离能够识别车辆C行驶通过道路区间时的车速。因此，在本实施例中，确定连接号码、连接段所需时间和连接段距离的信息以及表示这些信息来自相同车辆的识别符对应于车速识别信息。必然，还可采用限定对应于地图信息30b中每段道路区间的距离的信息和根据这些信息识别道路区间的距离的结构。

注意，在地图信息30b中，确定层级的信息与道路上的节点相关。即，多个虚拟层设定在地图信息30b中，在每层内限定节点的位置以便根据每层中节点之间的连接信息为每层复制道路。此外，限定每层的级别以使高级别层具有低密度的节点(每单位面积的节点数目)。也就是说，除某些例外以外，具有高节点密度的低级别层与更高级别层相比一般具有在道路上设定更小间隔的节点。因此，高级别层中的由节点分开的道路区间更长。此外，在本实施例中，高级别层在重要(就很宽的宽度、大交通量等而言)点(比如主要道路之间的交叉口)设定有更多节点。

该车速识别信息获取单元21b是根据上述获取的探测器信息30a和地图信息30b而用于获取预定区间的道路的车速识别信息的模块。在本实施例中，主要道路的交叉口之间的道路设定为预定区间的道路。因此，控制单元20通过处理车速识别信息获取单元21b来参照地图信息30b并从限定对应于主要道路的交叉口的位置的节点的层提取两个节点。其末端为该两个节点的区间的道路设定为预定区间的道路。

控制单元20还参照在地图信息30b中比由其提取上述两个节点的层级别更低的层内的数据，并从更低级别的层提取设定在与预定区间的道路相同的道路上的节点。这些节点中的相邻节点对应于道路区间的端点。一旦限定了利用节点作为端点的连续的道路区间，则能够限定包括上述预定区间的道路的连续道路区间。在限定包括预定区间的道路的连续道路区间后，控制单元20依次获取关于相应道路区间的车速识别信息。也就是说，控制单元20设定预定区间的道路的一个端点作为起点，设置另一个端点作为终点。然后，控制单元20设定从起点到终点确定道路区间次顺的号码n(在此n是自然数)，并参照探测器信息30a以便从具有最小号码n的道路区间开始有序获取车速识别信息。

车速识别信息分类单元21c是用于将车速识别信息分成对应于车辆运动的一组或多组的模块。控制单元20通过聚类法获取用于道路区间n的多个车速识别信息。这种聚类法是将车速识别信息的概率分布(或直方图)分类成彼此相似的车速识别信息的多个组的处理。一旦分类完成，组对应于车辆的运动。

注意，在本实施例中，易于聚类法的车速识别信息取决于在前道路区间的分类。换句话说，为了获得道路区间(n+1)内的多个车速识别信息，参照分入道路区间n中特定组内的多个车速识别信息以便确定其中的识别符。道路区间(n+1)中的车速信息被提取并分成一组或多组，道路区间(n+1)的识别符与相同识别符(表示来自相同车辆C的获取物的识别符)连接。因此，从具有最小号码n的道路区间依次限定各系统性组，以使包括用于号码n的一组的多个车速识别信息进一步分成用于号码(n+1)的一组或多组。

运动发生概率获取单元21d是用于根据以上分类获取车辆C运动的发生概率并根据该发生概率生成成本信息30c的模块。即，控制单元20将上述组的发生概率视为对应于该组的车辆C的运动的发生概率。然后，控制单元20通过利用对于道路区间获取的总样本数除包括该组的车速识别信息的样本数来获得车辆C运动的发生概率。根据运动的发生概率，当从连续的道路区间中的一段行驶至下一段时，控制单元20产生确定行驶难度的成本信息30c，所述成本信息30c存储在存储介质30内。

注意，如上所述，从具有最小号码n的道路区间开始依次系统地限定各组，因此上述发生概率也从具有最小号码n的道路区间开始依次系统地限定。换句话说，将在某段道路区间(n+1)中执行一定运动的概率取决于是否在在前道路区间n内执行特定运动。因此，在本实施例中，成本信息30c也根据对运动发生概率的相关性系统地限定。比如，当基于上述发生概率设定成本信息30c以便具有用于与更易通过的道路区间的端点相对应的交叉口的更小值时，车辆在道路区间1上的运动(随后所述的初始运动)调整为多个类型。执行初始运动之后，与车辆所执行的一系列运动相对应的成本信息然后与初始运动相联并被系统地限定。

根据上述处理，能够产生对应于车辆C的运动发生概率的成本信息30c。该发生概率相当于估算行驶在道路上的车辆C的运动。通过基于这种估算产生成本信息30c，能够执行对应于该估算的车辆C的路径指导。

(1-2)导航装置的结构

导航装置100安装在行驶在道路上的车辆C内。导航装置100包括配备有CPU、RAM、ROM等的控制单元200，还包括存储介质300。存储在存储介质300和ROM中的程序可由控制单元200执行。在本实施例中，导航程序210可以作为一种这样的程序执行，其中利用上述成本信息30c的路径搜索可由导航程序210执行。根据本实施例的车辆C还可基于道路行驶历史产生并发送探测器信息30a。

为此，车辆C配备有由用于与行驶模式信息获取装置100通信的电路组成的通信单元220。通过发送/接收控制单元210a的处理，控制单元200能够经由通信单元220发送探测器信息30a和接收成本信息30c。注意，通过发送/接收控制单元210a的处理获取的成本信息30c与地图信息300a一起存储在存储介质300内。即，地图信息300a限定与以上地图信息30b相似的层和节点，其中成本信息30c记录为与节点之间的连接段有关，并结合在地图信息300a内。

车辆C还设置有GPS接收器410、车速传感器420和指导单元430。GPS接收器410接收来自GPS卫星的无线电波并经由接口(未示出)输出用于计算车辆的当前位置的信息。控制单元200由GPS接收器410接收信号以获得车辆的当前位置。车速传感器420输出对应于设置在车辆C上的车轮的转速的信号。控制单元20经由接口(未示出)获得该信号以获得有关车辆C的速度的信息。利用车速传感器420校正由GPS接收器410等的输出信号标识的宿主车辆的正确位置。另外，宿主车辆的当前位置基于宿主车辆的行驶路径在适当时校正。注意，可采用各种其它结构作为用于获取确定车辆运动的信息的结构。这种可想到的结构包括基于回转传感器的输出信号校正宿主车辆的当前位置的结构，利用传感器或摄像机识别宿主车辆的当前位置的结构，以及利用来自GPS的信号、地图上的车辆路径、车辆与车辆之间的通信、道路与车辆之间的通信等获取宿主车辆运动信息的结构。

为了利用成本信息30c执行路径搜索，导航程序210设置有初始运动获取单元210b、估算运动获取单元210c和指导控制单元210d。导航程序210还设置有用于产生探测器信息30a的探测器信息产生单元210e，并与通信装置220、存储介质300、控制单元200内的RAM等协同工作。

初始运动获取单元210b是当车辆在预定区间的道路上开始行驶时用于获取确定车辆的初始运动的信息的模块。即，控制单元200通过初始运动获取单元210b的处理获取来自GPS接收器410和车速传感器420的输出信号，并识别车辆C的运动(位置(经度和纬度)、车速和行驶方向)。

此外，控制单元200判断车辆C的位置是否位于包括预定区间的道路在内的多段道路区间中的第一道路区间(道路区间1)内。如果车辆C的位置在第一道路区间内，则控制单元200识别车辆C的运动为初始运动。注意，只要可以以能够判定初始运动是否与和以上成本信息30c相关的初始运动匹配的方式限定初始运动，则不特别限制初始运动。比如，停止运动或不停止地经过道路区间的运动可以与成本信息30c相关。在这种情况下，基于GPS接收器410和车速传感器420的输出信号，初始运动可被识别为停止运动或不停止地经过道路区间的运动。

估算运动获取单元210c是用于获取与初始运动有关的指定成本信息的模块。控制单元200参照地图信息300a，并获取与如上所述识别的车辆C的初始运动有关的成本信息30c。由于成本信息30c根据初始运动随后的车辆的运动系统地设定，所以用于获取成本信息30c的处理对应于间接获取确定预定区间的道路上的初始运动随后的车辆的估算运动的信息的处理。

指导控制单元210d是用于接收从输入部分(未示出)输入目的地、搜索从行驶出发点到目的地的路径、并向指导单元430(显示器等)输出在道路上行驶的指导的模块。在本实施例中，指导控制单元210d还能够实现在行驶期间执行路径搜索并为搜索的路径提供指导的功能。

即，当车辆C在预定区间的道路的第一道路区间上行驶时，获得对应于第一道路区间内的初始运动随后的一系列估算运动的成本信息30c。因此，控制单元200基于成本信息30c执行用于第一道路区间之后的路径搜索。控制单元200通过指导单元430为搜索的路径提供指导。因此，当包括预定区间的道路在内的多段道路区间包括在到达目的地的候选路径内时，可执行精确反映在道路区间之间的交叉口处的行驶难度的路径搜索，并提供指导。

探测器信息产生单元210e是用于产生对应于车辆C的运动的探测器信息30a的模块。控制单元200通过探测器信息产生单元210e的处理获取GPS接收器410的输出信号，并识别车辆C的位置(经度和纬度)。接着基于车辆C的运动，产生探测器信息30a。即，控制单元200参照地图信息300a并识别车辆C所在位置的道路区间的连接号码。还获得该道路区间的所需时间。注意，根据本实施例，在指导控制单元210d通过在路径指导期间执行的地图匹配处理提供匹配的条件下，所需时间由车辆C进入道路区间的时间和车辆C离开道路区间的时间之间的差值限定。但是，必然地，所需时间可替代地基于车速和道路区间的路程识别。

因此，确定连接号码和所需时间的信息与以上识别符有关，并由控制单元200设定为探测器信息30a。一旦产生探测器信息30a，通过发送/接收控制单元210a的处理，控制单元200经由通信单元220将探测器信息30a发送至行驶模式信息获取装置10。

(2)成本信息产生处理

在此将详细说明上述结构中的成本信息产生处理。图2是示出成本信息产生处理的流程图。在本实施例中，该处理以预定间隔执行。对于这种处理，控制单元20通过发送/接收控制单元21a的处理顺序获取探测器信息30a，并将探测器信息30a顺序记录在存储介质30内(步骤S100)。

在已积累来自多台车辆C的探测器信息30a后，控制单元20通过车速识别信息获取单元21b的处理参照探测器信息30a并获取车速识别信息(步骤S105至S120)。在本实施例中，控制单元20首先参照探测器信息30a并删除对应于交通拥挤的车速识别信息(步骤S105)。即，在本实施例中执行的分析的目的是识别在消除交通拥挤的影响下车辆行驶在预定区间的道路上时车辆的运动。因此，排除了交通拥挤期间发自车辆C的车速识别信息。注意，可根据各种标准判断车速识别信息是否对应于交通拥挤。例如，可采用各种结构，比如为当车辆以小于10公里每小时的速度行驶通过至少连续300米的道路区间时判定车速识别信息对应于交通拥挤的一种结构。

接着，控制单元20识别预定区间的道路(步骤S110)。即，控制单元20基于地图信息30b识别主要道路的交叉口，并将主要道路的交叉口之间的道路标识为预定区间的道路。图3示出设定为预定区间的道路的例子。作为预定区间的道路的例子，图3的上部示出由被设置有交通信号的交叉口I₁至I_m(m是自然数)分开的多段道路区间组成的直线道路。

图3还示意性地示出在道路下面的地图信息30b、300a的层次结构。具体地，地图信息30b、300a设定有对应于每层中交叉口的位置的节点。相对于图3所示的道路，确定主要道路的交叉口I₁、I_m的位置的节点N₁₁、N_1m定义在层L₁内。在作为层L₁的更低级别层的层L₀中，定义确定包含在预定区间的道路内的所有交叉口I₁至I_m的位置的节点N₀₁至N_0m。因此，控制单元20基于地图信息30b获取存在于层L₁内的节点N₁₁、N_1m以识别预定区间的道路。在层L₀内，控制单元20获取对应于节点N₁₁、N_1m的节点N₀₁、N_0m，并识别节点N₀₁、N_0m之间的节点N₀₂至N_0m-1。对应于节点N₀₁至N_0m中相邻节点之间每段道路的道路区间随后被标识为连续的多段道路区间。

此外，对于在预定区间的道路上行驶的车辆C，控制单元20仅获取由行驶在预定路径(用于分析的路径)上的车辆C发送的车速识别信息，并排除由行驶在除了目的用于分析的路径之外的路径上的车辆C发送的车速识别信息(步骤S115)。也就是说，在本实施例中，目的用于分析的路径是通过预定区间的所有道路的路径。控制单元20参照包含在探测器信息30a中的识别符，如果没有表示遍及预定区间的所有道路的相同车辆的识别符，则控制单元20排除与这种识别符相关的车速识别信息。比如，由于图3所示预定区间的道路为线性结构的道路，行驶直线通过所有预定部分的路径设定为目的用于分析的路径，所以排除了从行驶在其它路径上(比如图3中交叉口I₂、I₃处由虚线箭头表示的路径)的车辆发送的车速识别信息。

另外，控制单元20从关于如上所述获取的目的用于分析的路径的车速识别信息排除异常数据(步骤S120)。在此，异常数据指的是多个车速识别信息中认为是无统计学意义的车速识别信息。比如，可利用各种抑制试验(比如Masuyama、Thompson或Smirnov抑制试验)和判定异常数据，并排除认为是异常数据的车速识别信息。

注意，在图3中节点的下面，示意性地示出由行驶在相应的道路区间内的多台车辆C(车辆C₀至C₂)获取的车速识别信息。具体地，图3例示道路区间1至3，并在道路区间1下面示出表示当车辆C₀至C₂行驶通过道路区间1时所需时间T₀₁、T₁₁、T₂₁的箭头。箭头的厚度示意性地表示所需时间的数值。注意，道路区间2的所需时间示为T₀₂、T₁₂、T₂₂，道路区间3的所需时间示为T₀₃、T₁₃、T₂₃。

如图3下部所示具有取决于车辆的用于车辆C的各种所需时间。但是，如果收集所需时间样本的有统计学意义的号码，根据其中的分布，则能估算道路区间内车辆的运动。因此，本实施例中的控制单元20通过车速识别信息分类单元21c的处理在排除异常数据之后利用聚类法将车速识别信息分成一组或多组。图4A是基于某段道路区间内的车速识别信息例示所需时间的概率分布的图形，在此横轴表示所需时间，纵轴表示概率分布。

道路区间内所需时间的这种概率分布是对应于道路区间内车辆C的运动的分布。也就是说，如果车辆C执行特定运动的可能性较大，则对应于该运动的所需时间的分布较大。比如，如图4A所示顶点在分布图中在一定所需时间处出现。在很多情况下，道路区间的所需时间为分成两个或三个顶点的分布。因此，在此将说明分别对应于道路区间内车辆C的停止运动或车辆C不停止地通过道路区间的行驶运动的两种分布的例子。

图4A示出概率分布大致形成两组的例子。在该例子中，当执行聚类法时，该分布可分成两组，具有短的所需时间的组G₁(由图4A中的实线表示)和具有长的所需时间的组G₂(由图4A中的虚线表示)。注意，对于聚类法算法，可采用比如为k-均值法的非等级法或比如为瓦德氏法(Ward’s method)的分级法。比如，k-均值聚类法可根据以下程序执行。

1)识别随机中心的M号码(在此M为自然数)并将这种中心限定为组1至M的中心。

2)比较所需时间与组1至M的中心，并将所需时间临时分成最近中心周围的多个组。

3)如果全部所需时间的临时分类等于在先临时分类，则基于临时分类的组最终确定聚类法。如果所需时间的任意临时分类都不同于在先临时分类，则各组的重心定义为新的中心，并重复以上步骤2的处理。

注意，在图4A所示的两个组的情况下，一旦基于临时分类组1、2最终确定聚类法，则组1、2设定为以上组G₁、G₂中的任意一个。此外，如果由于上述步骤1中限定的不适当中心而存在不能获得适当分类的危险，则可在作出关于适当分类的假定的同时确定初始中心。比如，可根据Otsu′s法或类似方法以及预标识的初始组确定最大化各组之间离差的阈值(阈值Th由图4A中的点划线表示)，此后确定阈值的中心。在此，必然可采用各种其它结构。还可采用判别分析法以及各种结构——比如一种将分布顶点设定为中心的结构。

执行以上聚类法用于相应的道路区间内的车速识别信息，并排除初始道路区间，道路区间(n+1)中目的用于分析的车速识别信息的群组取决于道路区间n内的组。图5是示出道路区间内各组的示意图，并示出使预定区间的道路结构化的道路区间中的初始三段道路区间(道路区间1至3)。在道路区间1至3下面，通过聚类法分类的组以开环示出。

如图5所示，当由行驶在道路区间1内的车辆C发送的车速识别信息分为组G₁、G₂时，则在道路区间2内基于分别对应于组G₁、G₂的车速识别信息两次执行聚类法。在图5中，从道路区间2内的车速识别信息提取与识别符(表示这种信息由相同车辆C获取的识别符)有关的车速识别信息，所述识别符是与分入道路区间1中组G₁内的车速识别信息有关的相同识别符。然后利用这些信息作为群组执行聚类法，图5示出由此分成组G₃、G₄的结果。必然地，以类似方式执行用于与识别符有关的车速识别信息的聚类法，该识别符为与分入道路区间1中的组G₂内的车速识别信息有关的识别符中相同的一个，结果被分入一组或多组。如上所述，系统组限定为使得包括道路区间1中一组的多个车速识别信息进一步分成向前道路区间2中的一组或多组，道路区间(n+1)中的组取决于道路区间n中的组。注意，图5利用右箭头另外示出系统组织中的相关性。

如上所述，在本实施例中，一旦限定用于连续的多段道路区间的系统组，控制单元20通过车速识别信息分类单元21c的处理验证以上聚类法(步骤S130)。比如，可基于Akaike信息准则(AIC)由模型评估执行聚类法的检验。即，作为聚类法结果而获得的组G的号码和所需时间的平均值等用作计算AIC的参数，当分布最近似时确定分入适当的组。注意，当尚未实现分入适当的组时，可采用比如认为用于道路区间的车速识别信息属于一个组的结构，或在改变初始中心等之后再次执行聚类法的结构。

下一步，控制单元20通过运动发生概率获取单元21d的处理获取对应于各组的车辆C的运动的发生概率(步骤S135)。即，所述各组为具有近似的车速识别信息的多个组。因此，认为属于相同组的车速识别信息对应于相同的运动。在本实施例中，如上所述道路区间内的两个组分别对应于车辆C停止的运动或车辆C不停止地通过的运动。

因此，在步骤S135，对于车速识别信息被分为两个组的道路区间，控制单元20获取每一组的发生概率，其中获取对应于较短所需时间的组的发生概率作为车辆C不停止地通过道路区间的概率。此外，获取对应于较长所需时间的组的发生概率作为车辆C停止的概率。比如，如果图5所示的组G₁、G₂分别对应于图4A所示的组G₁、G₂，则对应于较短所需时间的组G₁的发生概率(图5的例子为60％)是车辆C不停止地经过道路区间的概率。同时，对应于较长所需时间的组G₂的发生概率(图5的例子中为40％)是车辆C停止的概率。

一旦识别每个运动的发生概率，控制单元20基于该发生概率通过运动发生概率获取单元21d的处理产生成本信息(步骤S140)。即，根据运动的发生概率，当从连续的道路区间中的一段行驶至下一段时，控制单元20产生确定行驶难度的成本信息30c，并将成本信息30c存储在存储介质30内。在本实施例中，道路区间n中的运动表示当由道路区间n行驶至道路区间(n+1)时行驶的难度，并确定道路区间n和道路区间(n+1)之间交叉口处的成本。

比如，如果交叉口处的默认成本定义为100，则当停止在道路区间n处的概率小于通过的概率时，道路区间n、(n+1)之间交叉口处的成本为0。此外，如果停止在道路区间n处的概率大于不停止地通过的概率，则道路区间n、(n+1)之间交叉口的成本为100。注意，车辆C在道路区间(n+1)内的运动取决于车辆C在道路区间n内的运动。因此，某个交叉口处的成本在此限定为设计成取决于在前交叉口的成本的系统性成本。此外，在本实施例中，道路区间1是预定区间的道路的第一道路区间。因此，在将后续成本与道路区间1内的初始运动相联系的同时限定系统性成本信息。

图6是示出系统性成本的例子的示图。图6示出基于图5所示各组的发生概率确定的成本值和其中的系统。在该例子中，道路区间1对应于预定区间的道路的第一道路区间。因此，道路区间1内的运动分成不停止地通过的运动和停止运动，成本分别地与这些运动有关。

比如，在图6的例子中，组G₁对应于不停止地通过的运动。因此，交叉口I₂处的成本设定为0(图6所示成本Ct₂₁)并与初始运动——即不停止地通过的运动——有关。在道路区间1内执行不停止地通过的运动之后，对应于不停止地通过道路区间2的运动的组G₃的发生概率大于对应于停止运动的组G₄的发生概率。因此，交叉口I₃处的成本是0(图6所示的成本Ct₃₁)并与成本Ct₂₁有关。

在道路区间2内执行不停止地通过的运动(对应于组G₃)之后，对应于不停止地通过道路区间3的运动的组G₅的发生概率小于对应于停止运动的组G₆的发生概率。因此，交叉口I₄处的成本是100(图6所示的成本Ct₄₁)并与成本Ct₃₁有关。注意，图6利用右箭头另外示出系统组织。

同时，由于组G₂对应于停止运动，交叉口I₂处的成本是100并与初始运动——即停止运动——有关。与初始运动为停止运动时的系统相似，识别交叉口I₃处向前的成本，通过与直接在前交叉口的成本结合来产生系统性成本信息。一旦在控制单元20内如上所述产生成本信息，这种成本信息记录在存储介质30内作为成本信息30c。

(3)导航装置的操作

这里将说明利用导航装置100中的上述成本信息30c的路径指导操作。导航程序210搜索从行驶出发点到目的地的路径并向指导单元430输出在路径上行驶的指导。图7是示出在处理执行过程中，以预定时间间隔反复执行处理的流程图。在执行该处理之前的阶段，控制单元200已通过发送/接收控制单元210a的处理获得成本信息30c并将成本信息30c加入地图信息300a中。

在图7所示的处理中，当车辆开始行驶在预定区间的道路上时，控制单元200通过初始运动获取单元210b的处理获取确定车辆的初始运动的信息。即，从GPS接收器410获取输出信号以识别车辆C的位置，参考地图信息300a判断当前位置是否是使上述预定区间的道路结构化的道路区间中的第一道路区间(步骤S200)。如果判定当前位置不是第一道路区间，则程序跳过步骤S205的处理继续向前。

如果在步骤S200判定当前位置是第一道路区间，则控制单元200基于来自GPS接收器410和车速传感器420的输出信息，通过初始运动获取单元210b的处理获取车辆C的运动，并将该运动识别为初始运动(步骤S205)。注意，对应于上述附图4A和5所示例子的车辆的运动是车辆C停止的运动或者车辆C不停止地通过的运动。因此，该例子中的控制单元200可采用判断车速传感器420的输出信息是否是表示车辆C停止在道路区间1内的值的结构，或判定以所需时间除道路区间1的路程之后获得的车速是否为表示车辆C停止的车速的结构。

一旦获得车辆C的初始运动，控制单元200通过估算运动获取单元210c的处理获得对应于车辆C的初始运动的系统成本信息(步骤S210)。比如，如果初始运动为对应于车辆C停止的运动，则获得图6下部所示的系统成本信息(成本Ct₂₂、Ct₃₂、Ct₄₂、等等)；但是，如果初始运动为对应于车辆C通过的运动，则获得图6上部所示的系统成本信息(成本Ct₂₁、Ct₃₁、Ct₄₁等等)。

通过指导控制单元210d的处理，控制单元200然后基于获取的系统成本信息执行路径搜索(步骤S215)，并向指导单元430输出用于在所获得路径上行驶的指导(步骤S220)。因此，当使预定区间的道路结构化的多段道路区间包括在到达目的地的候选路径内时，可执行精确反映在道路区间之间的交叉口处的行驶难度的路径搜索，并提供指导。

(4)其它实施例

上述实施例是用于实施本发明的例子。只要通过分类车速识别信息获取车辆的运动的发生概率，就还可采用各种其它实施例。关于车速识别信息的分类，比如车速识别信息在特定道路上相似的车辆可分入相同组。因此，可以估算输出分入相应组的车速识别信息的车辆执行相似的运动。

另外，只要基于车速和对应于车速的信息通过形成多个组能够估算车辆的运动，则车速识别信息可采用各种信息。车速识别信息不局限于包括如上所述所需时间的信息，还可是表示车速自身的信息。此外，车速识别信息优选为每台车辆实际测量的信息，其中可通过每台车辆内的结构以及通过道路周围设置的设备执行实际测量。而且，可预先确定预定区间的道路。除基于限定在级别高于如上所述特定层的层内的节点识别预定部分的结构之外，任意部分内的道路可标示为预定区间的道路。

必然，预定区间的道路不局限于如上所述具有线性结构的道路，获取车速识别信息的目标不仅仅局限于车辆直线行驶。比如，如果采用交叉道路区间作为连续的道路区间，则由多段道路区间组成的预定区间的道路可限定为曲线道路。此外，在车速识别信息获取单元中，可获取用于行驶在道路上的所有车辆的车速识别信息，或可基于各种条件，比如左转弯和右转弯、直线行驶、以及是否有交通拥挤，选择用于分类的车速识别信息。根据上述实施例，通过聚类法将车速识别信息分成一组或多组，并识别对应于各组的运动。但是，可预先识别运动，分类车速识别信息以便产生用于每个识别运动的组。

在本实施例中，基于GPS接收器410等的输出信号在车辆C中产生探测器信息30a。但是，可采用行驶模式信息获取装置10获取GPS接收器410等的输出信号以产生探测器信息30a的结构。

不考虑上述识别符，可采用对应于每段道路区间的全部车速识别信息通过聚类法以识别每段道路区间内的运动的另外的结构。图8示出用于与图3所示道路一致的道路的聚类法的例子，此时，每段道路区间(排除异常数据和对应于交通拥挤的数据)的全部车速识别信息易于聚类法而没有根据识别符分割这种信息。图8示出用于道路区间1的车速识别信息分入组G₁₁、G₂₁，用于道路区间2的车速识别信息分入组G₃₁、G₄₁，用于道路区间3的车速识别信息分入组G₅₁、G₆₁的状态。还注意到在该例子中，组G₁₁、G₃₁、G₅₁是对应于不停止地通过道路区间的运动的组，而组G₂₁、G₄₁、G₆₁是对应于在道路区间中停止的运动的组。

根据图8所示的例子，组G₁₁(60％)比组G₂₁(40％)具有更大的样本数比例。因此，车辆C在道路区间1中不停止地到达道路区间2的可能性比车辆C在道路区间1中停止的可能性更大。因此，交叉口I₂处的成本Ct₂₁₁为0。类似地，组G₃₁(70％)比组G₄₁(30％)具有更大的样本数比例，因此交叉口I₃处的成本Ct₃₁₁为0；但是，组G₅₁(30％)比组G₆₁(70％)具有更小的样本数比例，因此交叉口I₄的成本Ct₄₁₁为100。根据上述结构，行驶在道路上的车辆的运动可估算为成本，可基于这样的估算执行路径搜索和路径指导。

在上述实施例中，采用将在使预定区间的道路结构化的多段道路区间中的第一道路区间内的运动标示为初始运动的结构，车辆的后续运动(或成本信息)与该初始运动有关。但是，可采用将车辆进入预定区间的道路的任意道路区间时的运动标示为初始运动的结构。比如，如果各组的发生概率如附图5和6中系统地限定，可能估算从任意道路区间在特定方向上行驶时的运动(即，在附图5和6所示的例子中，道路的号码n增加的方向)。

作为一个例子，道路区间2中各组可分为对应于在道路区间1中停止的运动的两个组和对应于不停止地通过道路区间1的运动的两个组。然后，该四个组与道路区间2内停止和不停止的运动有关。因此，这四个组可分为对应于车辆停止的运动和车辆不停止的运动的组。此外，道路区间3向前的组与道路区间2内的组系统地相关。因此，一旦识别出当车辆C在道路区间2内开始行驶时的运动，就能够估算后续的运动。

只要初始运动为车辆在预定区间的道路中开始行驶或车辆进入预定区间的预置道路并执行特定运动时的运动，则不限制初始运动，可获取该运动作为初始运动。因此，可确定刚刚进入预定区间的道路之前或之后车辆的运动。另外，初始运动和对应于一组的车辆的运动不局限于停止的运动和不停止地通过交叉口的运动，比如可为在道路区间中平均所需时间等。

由于所获得的车辆的运动可随着时间而不同，还可采用将车速识别信息与几个时间段相联系、执行用于每个时间段的聚类法并将车辆的运动和成本信息与一个时间段相联系的结构。所执行的聚类法不局限于上述算法，可通过确定判别函数的判别分析执行分类。在上述实施例中，执行分为两个组；但是，无疑可采用执行分为三个或更多组的结构。

图4B示出车速识别信息形成三个组的概率分布。为形成这种分布，优选分为三个组。此外，X号的组可与可获得X种运动、或者可获得(X-1)或更少类型的运动的独特运动有关。比如，如果车速识别信息形成图4B所示的三个组，三个组可进一步分为一个组和两个组，其中，任一组与停止运动有关，其它组与不停止地通过的运动有关。注意，步骤S130所示的聚类法的检验对于分成三个或更多组特别有用。

成本信息的形式不局限于设定对应于如上所述的停止的运动或不停止地通过的运动的值的结构，可以采用数值根据运动的发生概率波动的结构。比如，可采用如下结构，如果交叉口处100的默认成本与50％的停止概率相联系，而且停止概率在0％、25％、75％和100％之间变化，则成本相应地在0、50、150和200之间波动。