交通信息收集/配送方法及系统、中心装置及车载终端装置转让专利
申请号 : CN200710141137.9
文献号 : CN101154318B
文献日 : 2010-09-22
发明人 : 熊谷正俊 , 蛭田智昭 , 奥出真理子 , 谷越浩一郎
申请人 : 株式会社查纳位资讯情报
摘要 :
中心装置(10)，针对存储在现状探测数据存储部(21)中的道路区间的探测数据，通过特征空间映射处理部(14)进行特征空间映射处理，抽出其特征数据，通过变化点检测部(15)、事件区间分割部(16)以及事件分配部(17)，确定与该特征数据对应的道路区间并分配事件信息，通过事件信息配送部(18)进行配送。车载终端装置(30)通过探测数据分割部(34)和正交成分分解部(35)采用从中心装置(10)取得的主成分得分矢量来进行探测数据的分割和正交成分分解，实现上传的探测数据的削减。从而本发明的交通信息收集/配送系统从多个探测数据抽出类似的特征数据，在该特征数据对应的道路区间实时地附加交通信息并进行配送。
权利要求 :
1.一种交通信息收集/配送系统，具有车载装置和中心装置，该车载装置被安装在车辆中且发送该车辆所具备的传感器所输出的数据，该中心装置接收上述车载装置所发送的数据并进行加工，上述车载装置具备：事件检测部，其根据上述传感器数据检测出路上的障碍事件；和探测数据发送部，其发送将表示该障碍事件的种类的事件标签和检测出了该障碍事件的位置信息附加到了上述传感器数据中的探测数据，上述中心装置具备：
变化点检测部，其根据从多个车辆收集的上述探测数据，通过主成分分析而抽出具有相关的数据作为单一事件，由此检测出事件变化点；
事件区间分割部，其以上述事件变化点分割道路区间；
事件分配部，其对该道路区间分配附加给了上述探测数据的事件标签；
事件数据存储部，其记录有将上述道路区间和与该道路区间对应的事件标签设为一对的事件数据；和事件数据配送部，其将上述事件数据配送给上述车载装置。
2.根据权利要求1所述的交通信息收集/配送系统，其特征在于，上述中心装置，具备通过主成分分析而将从多个车辆所收集的上述探测数据映射到特征空间的特征空间映射处理部，上述变化点检测部，基于映射到了上述特征空间的探测数据的特征空间矢量的变化，检测出上述事件变化点。
3.根据权利要求1所述的交通信息收集/配送系统，其特征在于，上述事件分配部，在上述道路区间的范围中所包括的上述事件标签有多种的情况下，分配由在该道路区间中最多的车辆所检测出的事件所对应的标签。
4.根据权利要求1所述的交通信息收集/配送系统，其特征在于，在上述中心装置，反复执行上述变化点检测部的处理、上述事件区间分割部的处理以及上述事件分配部的处理的情况下，上述事件数据配送部，给上述事件数据存储部中新记录的事件数据赋予新记录标志并进行配送。
5.根据权利要求1所述的交通信息收集/配送系统，其特征在于，上述车载装置，具备显示与上述事件标签对应的图标或文字信息的事件数据显示部，将从上述中心装置所配送的上述事件数据和在上述事件检测部中由车辆单独检测出的障碍事件区分显示。
6.根据权利要求1所述的交通信息收集/配送系统，其特征在于，上述车载装置，具备显示与上述事件标签对应的图标或文字信息的事件数据显示部，在上述中心装置，反复执行上述变化点检测部的处理、上述事件区间分割部的处理以及上述事件分配部的处理的情况下，上述事件数据配送部，给上述事件数据存储部中新记录的事件数据赋予新记录标志并进行配送，上述事件数据显示部，将带新记录标志的事件数据和不带有新记录标志的事件数据区分显示。
7.一种交通信息收集/配送方法，由中心装置对通过安装在车辆上的车载装置发送的、该车辆具备的传感器所输出的数据进行接收并加工，通过上述车载装置，根据上述传感器数据检测出路上的障碍事件，将表示所检测出的障碍事件的种类的事件标签和检测出了该障碍事件的位置信息附加到上述传感器的数据中，至少将附加有上述事件标签和上述位置信息的该数据作为探测数据发送，通过上述中心装置，根据从多个车辆收集的上述探测数据，通过主成分分析而抽出具有相关的数据作为单一事件，由此检测出事件变化点，以所检测出的事件变化点分割道路区间，
对每个被分割的道路区间分配附加给了上述探测数据的事件标签，将使得上述所分割的道路区间和与该道路区间对应的事件标签被设为一对的事件数据配送给上述车载装置。
8.根据权利要求7所述的交通信息收集/配送方法，其特征在于，在检测上述事件变化点时，基于通过主成分分析而将从多个车辆所收集的上述探测数据映射到了特征空间中的特征空间矢量的变化，检测出上述事件变化点。
说明书 :
技术领域
本发明涉及基于通过安装在车辆中的传感器所取得的探测数据(probedata)，收集/配送道路交通信息的交通信息收集/配送方法、交通信息收集/配送系统、中心装置以及车载终端装置。
背景技术
以往，为了取得道路的交通信息，经常使用探测车(probe car)，所谓探测车，是安装有包括各种传感器和通信装置等的车载装置，通过该各种传感器收集车辆位置、行驶速度、行驶距离等的数据(以下称作探测数据)，将该收集的探测数据向规定的交通信息中心发送的车辆。例如基于出租车公司等的协助，而多利用出租车等作为探测车。
另一方面，交通信息中心对从探测车发送来的探测数据进行处理，收集交叉点之间的旅行时间、拥堵位置、拥堵长度等的交通信息。但是，现实的情况为由于探测车的数量不足，因此所收集的交通信息的精度成为问题。在此，为了增加探测车的数量，有例如使具备具有通信功能的导航装置的车辆发挥作为探测车的作用的构想。现状的大部分车辆，全部安装有为了收集交通信息而必需的传感器，此外，预测具有通信功能的导航装置今后也会增加。
由此，多数车辆成为探测车，从该多个探测车向交通信息中心发送探测数据时，产生与以往不同的问题。首先，第一个问题在于，由于探测数据从多个探测车被发送，因此交通信息中心的通信线路的通信负荷和计算机的处理负荷增大。此外，第二个问题在于，用哪种方法来同样看待针对道路中的同一个事件(例如某地点的拥堵)从多个探测车所发送的不同的探测数据，并且进行分类的问题。
在专利文献1中，公开了通过探测车的车载装置进行称作SS/ST的事件的检查，减少向交通信息中心发送的数据的探测车的例子。所谓SS(Short Stop，速止)是指车辆未达到规定速度的停止状态，所谓ST(ShortTrip)是指规定速度以上的行驶状态，车载装置在SS以及ST的各个事件结束时，车辆位置、车辆速度等的探测数据与事件的状态一起上传(up link)(从车载装置向交通信息中心传送数据)。即SS/ST为事件驱动型的上传方法，可认为该方法具有压缩上传的数据的效果。
专利文献1：日本特开2003—296891号公报
此外，针对上述第二问题，作为解决同样的问题的一般的方法，例如能够适用适应共鸣理论(ART：Adaptive Resonance Theory)。即对探测数据进行处理的计算机，采用预先设定的教学数据进行学习，通过该类似数据构成群集(cluster)。之后，对实时输入的探测数据，进行与该簇的匹配，进行事件的检测以及分类。
但是，专利文献1的SS/ST的事件检测，在事件检测的条件(车辆的行驶状况或周围的状况等)、车辆的种类或个体差、传感器的种类或个体差等存在差别时，会有其探测数据产生较大差，导致难以对交通信息中心侧的事件进行综合的情况。此外，即使通过SS/ST对信息进行压缩，也在所有的事件发生时对探测数据进行上传，因此只要探测车的增加、传感器种类的增加、时间分辨率的提高正在进行，就不能削减上传的信息量。
此外，在适应共鸣理论的适用中，通过车辆得到的探测数据时，成为其对象的数据的特性以及次数对应于车辆的辆数、车辆的个体差、道路的行驶特性等而多样且短时间地变化。因此，与限定判定对象的传感器的用途不同，不能简单地进行教学数据的设定和簇的形成。至少针对实时输入的探测数据，难以实时地检测出其事件，并进行分类。
另一方面，交通信息中心对从探测车发送来的探测数据进行处理，收集交叉点之间的旅行时间、拥堵位置、拥堵长度等的交通信息。但是，现实的情况为由于探测车的数量不足，因此所收集的交通信息的精度成为问题。在此，为了增加探测车的数量，有例如使具备具有通信功能的导航装置的车辆发挥作为探测车的作用的构想。现状的大部分车辆，全部安装有为了收集交通信息而必需的传感器，此外，预测具有通信功能的导航装置今后也会增加。
由此，多数车辆成为探测车，从该多个探测车向交通信息中心发送探测数据时，产生与以往不同的问题。首先，第一个问题在于，由于探测数据从多个探测车被发送，因此交通信息中心的通信线路的通信负荷和计算机的处理负荷增大。此外，第二个问题在于，用哪种方法来同样看待针对道路中的同一个事件(例如某地点的拥堵)从多个探测车所发送的不同的探测数据，并且进行分类的问题。
在专利文献1中，公开了通过探测车的车载装置进行称作SS/ST的事件的检查，减少向交通信息中心发送的数据的探测车的例子。所谓SS(Short Stop，速止)是指车辆未达到规定速度的停止状态，所谓ST(ShortTrip)是指规定速度以上的行驶状态，车载装置在SS以及ST的各个事件结束时，车辆位置、车辆速度等的探测数据与事件的状态一起上传(up link)(从车载装置向交通信息中心传送数据)。即SS/ST为事件驱动型的上传方法，可认为该方法具有压缩上传的数据的效果。
专利文献1：日本特开2003—296891号公报
此外，针对上述第二问题，作为解决同样的问题的一般的方法，例如能够适用适应共鸣理论(ART：Adaptive Resonance Theory)。即对探测数据进行处理的计算机，采用预先设定的教学数据进行学习，通过该类似数据构成群集(cluster)。之后，对实时输入的探测数据，进行与该簇的匹配，进行事件的检测以及分类。
但是，专利文献1的SS/ST的事件检测，在事件检测的条件(车辆的行驶状况或周围的状况等)、车辆的种类或个体差、传感器的种类或个体差等存在差别时，会有其探测数据产生较大差，导致难以对交通信息中心侧的事件进行综合的情况。此外，即使通过SS/ST对信息进行压缩，也在所有的事件发生时对探测数据进行上传，因此只要探测车的增加、传感器种类的增加、时间分辨率的提高正在进行，就不能削减上传的信息量。
此外，在适应共鸣理论的适用中，通过车辆得到的探测数据时，成为其对象的数据的特性以及次数对应于车辆的辆数、车辆的个体差、道路的行驶特性等而多样且短时间地变化。因此，与限定判定对象的传感器的用途不同，不能简单地进行教学数据的设定和簇的形成。至少针对实时输入的探测数据，难以实时地检测出其事件，并进行分类。
发明内容
在此，本发明的目的在于，提供一种能够削减从探测车上传的探测数据，并且从对于某道路区间的多个探测数据中抽出类似的特征数据，对该抽出的特征数据所对应的道路区间，附加与交通状况相关的事件信息并配送的处理，能够实时地进行的交通信息收集/配送方法、交通信息收集/配送系统、中心装置以及车载终端装置。
本发明为，构成为具有车载装置和暂时存储机构，该车载装置被安装在车辆中且从该车辆所具备的传感器取得探测数据，该暂时存储机构接收从上述车载终端装置所发送的信息并进行暂时存储，与能够基于该暂时存储的信息，取得道路的交通状况相关的事件信息的中心装置可通信地连接的交通信息收集/配送系统，还有该交通信息收集/配送系统中采用的交通信息收集/配送方法、中心装置以及车载终端装置。并且，在本发明中，以上述车载终端装置以及上述中心装置按下述那样工作为特征。
(1)上述车载终端装置，在根据上述探测数据检测出到了规定的事件时，向中心装置发送检测到了该事件的道路区间的相关上述探测数据和识别该事件的事件识别信息。
(2)上述中心装置，(2—1)接收从上述车载终端装置发送的上述探测数据和上述事件识别信息，将该所接收到的上述探测数据和上述事件识别信息暂时存储到上述暂时存储机构，(2—2)对于上述暂时存储机构中存储的探测数据中，互相共有该对应的道路区间的一部分的多个探测数据，进行基于主成分分析的特征空间映射处理，(2—3)通过上述特征空间映射处理得到的特征空间矢量，检测出该特征空间矢量的方向的变化点，(2—4)通过上述所检测出的变化点，对上述多个探测数据相关的道路区间进行分割，(2—5)对上述分割的各个道路区间，分配与包括该道路区间的上述多个探测数据分别对应的事件识别信息之一，(2—6)将上述分配的事件识别信息和表示该道路区间的所在位置的区间信息配送到上述车载终端装置。
(3)上述车载终端装置，接收上述事件识别信息和上述区间信息，在该车辆的当前位置包括在由上述区间信息所表示的道路区间中时，将通过上述事件识别信息表示的事件信息显示在显示装置中。
通过本发明，削减了从探测车上传的探测数据的量，同时能够从针对某道路区间的多个探测数据抽出类似的特征数据，对该抽出的特征数据所对应的道路区间实时地附加交通状况相关的事件的信息并进行配送。
本发明为，构成为具有车载装置和暂时存储机构，该车载装置被安装在车辆中且从该车辆所具备的传感器取得探测数据，该暂时存储机构接收从上述车载终端装置所发送的信息并进行暂时存储，与能够基于该暂时存储的信息，取得道路的交通状况相关的事件信息的中心装置可通信地连接的交通信息收集/配送系统，还有该交通信息收集/配送系统中采用的交通信息收集/配送方法、中心装置以及车载终端装置。并且，在本发明中，以上述车载终端装置以及上述中心装置按下述那样工作为特征。
(1)上述车载终端装置，在根据上述探测数据检测出到了规定的事件时，向中心装置发送检测到了该事件的道路区间的相关上述探测数据和识别该事件的事件识别信息。
(2)上述中心装置，(2—1)接收从上述车载终端装置发送的上述探测数据和上述事件识别信息，将该所接收到的上述探测数据和上述事件识别信息暂时存储到上述暂时存储机构，(2—2)对于上述暂时存储机构中存储的探测数据中，互相共有该对应的道路区间的一部分的多个探测数据，进行基于主成分分析的特征空间映射处理，(2—3)通过上述特征空间映射处理得到的特征空间矢量，检测出该特征空间矢量的方向的变化点，(2—4)通过上述所检测出的变化点，对上述多个探测数据相关的道路区间进行分割，(2—5)对上述分割的各个道路区间，分配与包括该道路区间的上述多个探测数据分别对应的事件识别信息之一，(2—6)将上述分配的事件识别信息和表示该道路区间的所在位置的区间信息配送到上述车载终端装置。
(3)上述车载终端装置，接收上述事件识别信息和上述区间信息，在该车辆的当前位置包括在由上述区间信息所表示的道路区间中时，将通过上述事件识别信息表示的事件信息显示在显示装置中。
通过本发明，削减了从探测车上传的探测数据的量，同时能够从针对某道路区间的多个探测数据抽出类似的特征数据，对该抽出的特征数据所对应的道路区间实时地附加交通状况相关的事件的信息并进行配送。
附图说明
图1为表示本发明的实施方式相关的交通信息收集/配送系统的功能模块的结构的例子的图。
图2为表示在本发明的实施方式中，从车载终端装置向中心装置发送的探测数据以及从中心装置向车载终端装置配送的事件数据的结构的图。
图3为表示本发明的实施方式相关的交通信息收集/配送系统中的处理的流程的概要的图。
图4为示意地表示本发明的实施方式相关的主成分分析中的特征空间映射处理的例子的图。
图5为表示本发明的实施方式的相关中心装置中的事件合并区间的决定的方法的图。
图6为表示本发明的实施方式的相关中心装置中的事件标签分配的例子的图。
图7为表示本发明的实施方式的相关车载终端装置中的探测数据的分割以及正交成分分解的例子的图。
图8为表示本发明的实施方式的相关车载终端装置中的探测数据的正交成分分解的基本方法的图。
图9为表示本发明的实施方式的相关车载终端装置中的事件数据的显示方法的例子的图。
图10为表示本发明的实施方式的相关中心装置的动作流程的图。
图11为表示本发明的实施方式的相关车载终端装置的动作流程的图。
图12为表示本发明的实施方式之变形的相关进行基于携带导航终端的探测数据的事件判定的系统的功能模块的结构的例子的图。
图13为表示本发明的实施方式之变形的相关正常残差检测部的方法的图。
图14为表示本发明的实施方式之变形的相关异常残差检测部的方法的图。
图15为说明本发明的实施方式之变形的相关残差的分布和阈值的图。
图16为表示本发明的实施方式之变形的相关形态导航残差检测部的方法的图。
图中：1—交通信息收集/配送系统；10—中心装置；11—探测数据接收部；12—探测数据更新部；13—主成分得分矢量发送部；14—特征空间映射处理部；15—变化点检测部；16—事件区间分割部；17—事件分配部；18—事件数据配送部；21—现状探测数据存储部；22—主成分得分矢量存储部；23—事件数据存储部；30—车载终端装置；31—探测数据取得部；32—事件检测部；33—探测数据发送部；34—探测数据分割部；35—正交成分分解部；36—上传判定部；37—主成分得分矢量接收部；38—事件数据接收部；39—事件数据显示部；41—探测数据存储部；50—传感器；60—显示装置。
图2为表示在本发明的实施方式中，从车载终端装置向中心装置发送的探测数据以及从中心装置向车载终端装置配送的事件数据的结构的图。
图3为表示本发明的实施方式相关的交通信息收集/配送系统中的处理的流程的概要的图。
图4为示意地表示本发明的实施方式相关的主成分分析中的特征空间映射处理的例子的图。
图5为表示本发明的实施方式的相关中心装置中的事件合并区间的决定的方法的图。
图6为表示本发明的实施方式的相关中心装置中的事件标签分配的例子的图。
图7为表示本发明的实施方式的相关车载终端装置中的探测数据的分割以及正交成分分解的例子的图。
图8为表示本发明的实施方式的相关车载终端装置中的探测数据的正交成分分解的基本方法的图。
图9为表示本发明的实施方式的相关车载终端装置中的事件数据的显示方法的例子的图。
图10为表示本发明的实施方式的相关中心装置的动作流程的图。
图11为表示本发明的实施方式的相关车载终端装置的动作流程的图。
图12为表示本发明的实施方式之变形的相关进行基于携带导航终端的探测数据的事件判定的系统的功能模块的结构的例子的图。
图13为表示本发明的实施方式之变形的相关正常残差检测部的方法的图。
图14为表示本发明的实施方式之变形的相关异常残差检测部的方法的图。
图15为说明本发明的实施方式之变形的相关残差的分布和阈值的图。
图16为表示本发明的实施方式之变形的相关形态导航残差检测部的方法的图。
图中：1—交通信息收集/配送系统；10—中心装置；11—探测数据接收部；12—探测数据更新部；13—主成分得分矢量发送部；14—特征空间映射处理部；15—变化点检测部；16—事件区间分割部；17—事件分配部；18—事件数据配送部；21—现状探测数据存储部；22—主成分得分矢量存储部；23—事件数据存储部；30—车载终端装置；31—探测数据取得部；32—事件检测部；33—探测数据发送部；34—探测数据分割部；35—正交成分分解部；36—上传判定部；37—主成分得分矢量接收部；38—事件数据接收部；39—事件数据显示部；41—探测数据存储部；50—传感器；60—显示装置。
具体实施方式
以下，参照附图，对本发明的实施方式进行详细的说明。
图1为表示本发明的实施方式相关的交通信息收集/配送系统的功能模块的结构的例子的图。如图1所示，交通信息收集/配送系统1，通过中心装置10和安装在车辆上的车载终端装置30而构成。在此，中心装置10和车载终端装置30介由携带电话线路或互联网等未图示的通信网络可互相通信地连接。此外，车载终端装置30与安装在车辆中的各种传感器50、显示装置60等连接。
在此，中心装置10包括探测数据接收部11、探测数据更新部12、主成分得分矢量发送部13、特征空间映射处理部14、变化点检测部15、事件区间分割部16、事件分配部17、事件数据配送部18、现状探测数据存储部21、主成分得分矢量存储部22、事件数据存储部23等的功能模块而构成。
此外，车载终端装置30包括探测数据取得部31、事件检测部32、探测数据发送部33、探测数据分割部34、正交成分分解部35、上传判定部36、主成分得分矢量接收部37、事件数据接收部38、事件数据显示部39、探测数据存储部41等的功能模块而构成。
可利用一般安装在车辆上的各种传感器作为传感器50。例如也可是车速传感器、距离传感器、加速度传感器、制动传感器、加速传感器、转向角传感器、GPS(Global Positioning System)接收机等的位置传感器、ABS(Antilock Braking System)等中的滑动传感器、雷达等的障碍物传感器等的任一个。
在车载终端装置30中，探测数据取得部31取得从各种传感器50输入的探测数据，将所取得的探测数据保存到探测数据存储部41。此外，事件检测部32根据由探测数据取得部31所取得的探测数据检测出事件，将表示所检测出的事件的种类的事件标签、例如“拥堵”等的信息附加到探测数据。之后，探测数据发送部33，基于来自探测数据分割部34或上传判定部36的指示信息，向中心装置10发送(上传)该附加有事件标签的探测数据。
另外，在本实施方式中，事件检测部32所进行的事件的检测，可通过对来自单一或多个传感器50的探测数据进行监视而进行检测。例如，将车速在规定速度以下时检测为“拥堵”的事件，对此时得到的探测数据附加“拥堵”的事件标签(label)。此时，也可对探测数据附加多个事件标签。之后，将附加有该事件标签的探测数据部分称作事件区间。
此外，在车载终端装置30中，主成分得分矢量接收部37接收从中心装置10发送的主成分得分矢量(详细后述)，探测数据分割部34将存储在探测数据存储部41中的探测数据分割为该所接收到的主成分得分矢量的区间内所包括的部分和该区间外所包括的部分。之后，指示探测数据发送部33上传该区间外所包括的部分的探测数据。此外，正交成分分解部35，通过对主成分得分矢量的区间内所包括的部分的探测数据进行正交成分分解，从而抽出与主成分得分矢量不同的成分(正交成分)的数据。之后，上传判定部36对是否存在该正交成分的数据进行判定，在存在不同成分的数据时，指示探测数据发送部33向中心装置10上传探测数据中该正交成分的数据。
此外，在车载终端装置20中，事件数据接收部38接收从中心装置10配送的事件数据。该事件数据中，附加有表示该事件数据与哪个道路区间对应的区间信息，因此事件数据显示部39在该所接收的事件数据中有该车辆在行驶中的道路区间的信息时，将该事件数据显示在显示装置60中。另外，显示装置60由例如LCD(Liquid Crystal Display)等构成，也可共用导航装置的显示装置。
接下来，在中心装置10中，探测数据接收部11接收从车载终端装置30所发送的探测数据，将该接收的探测数据保存在现状探测数据存储部21中。此外，探测数据更新部12，对现状探测数据存储部21中所保存的探测数据，除去该探测数据中所添加的时日信息(时间戳，time stamp)偏离现状时间窗(time window)的信息。在此，所谓现状时间窗是指从当前时刻的规定时间前(例如5分前)到当前时刻的期间。即探测数据更新部12除去保存在现状探测数据存储部21中的探测数据中的旧数据。
特征空间映射处理部14，对保存在现状探测数据存储部21中的探测数据进行主成分分析处理，算出特征空间矢量以及主成分得分矢量，进而将该算出的主成分得分矢量保存在主成分得分矢量存储部22中。之后，变化点检测部15对上述算出的特征空间矢量检测该矢量的方向的变化点。此外，事件区间分割部16，基于该变化点对道路区间进行分割，事件分配部17对该所分割的道路区间，分配探测数据中所添加的事件标签，将道路区间信息和事件标签作为事件数据保存在事件数据存储部23中。事件数据配送部18将保存在事件数据存储部23中的事件数据向车载终端装置30配送。
另外，关于中心装置10中的特征空间映射处理部14以下的各功能模块，在后面更详细地进行说明。
在图1中，中心装置10，通过包括未图示的CPU(Central ProcessingUnit)和存储装置而构成的计算机来构成，中心装置10的上述各功能模块的功能，通过上述CPU执行上述存储装置中所存储的规定的程序来实现。另外，存储装置由RAM(Random Access Memory)、闪烁存储器、硬盘装置等构成。
同样，车载终端装置30通过包括未图示的CPU和存储装置而构成的计算机来构成，车载终端装置30的上述各功能模块的功能通过上述CPU执行上述存储装置中所存储的规定的程序来实现。另外，存储装置由RAM、闪烁存储器、硬盘装置等构成。
图2为表示在本实施方式中，从车载终端装置向中心装置发送的探测数据以及从中心装置向车载终端装置配送的事件数据的结构的图。
在图2中，探测数据的时日信息为表示取得该探测数据时的的时日的信息。此外，区间信息为取得该探测数据的道路路段(将连接交叉点之间的道路称作道路路段)中的道路区间相关的信息，包括道路路段的识别信息、该道路路段中的事件发送位置信息、该事件相关的探测数据存在的区间的距离信息等的信息。此外，事件标签为对由事件检测部32所附加的该事件的种类进行识别的信息。
另外，在车载终端装置30没有包括道路路段的识别信息和位置信息等的道路地图信息的情况下，在车载终端装置30中，不能附加道路路段的识别信息。此时，采用从GPS接收机等得到的纬度/经度信息作为事件发生位置信息，关于道路路段的识别信息，也可由中心装置10附加。
此外，探测数据的主体由从传感器#i(i＝1，…，s：其中，s为传感器的数目)取得的数据dij(j＝1，…，n：n为数据的数目)构成。另外，从传感器#i取得的dij一般作为时间序列的数据取得，但在本实施方式中，时间序列的数据为例如通过与行驶距离传感器的数据组合而变为以行驶距离作为主轴的数据，例如为通过车辆行驶1m而得到的数据。
此外，在通过上传判定部36指示上传的情况下，上传的探测数据不是从传感器#i(i＝1，…，s)取得的数据dij本身，而是成为针对通过正交成分分解部35抽出的主成分得分矢量的正交成分的数据。
此外，从传感器10向车载终端装置30配送的事件数据，包括时日信息、区间信息和事件标签而构成。此时的区间信息包括道路路段的识别信息和该道路路段中的至少两个地点的位置信息。此外，事件标签为通过事件分配部17分配给该区间的事件标签，也可分配多个事件标签。
另外，事件数据存储部23存储有多个如上那样构成的事件数据。而且，事件数据配送部18也可对每个车载终端装置30分别配送上述事件数据，但通常对在规定的区域内存在的多个车载装置30，通过多播同时配送具有在该区域所包括的道路区间的区间信息的事件数据。
图3为表示本实施方式相关的交通信息收集/配送系统中的处理的流程的概要的图。即该处理的流程表示，车载终端装置30从传感器50取得探测数据，根据该探测数据检测事件，只将必要最小限的探测数据上传到中心装置10，中心装置10将该被上传的探测数据与到目前保有的事件数据合并或分离，生成新的事件数据，并配送所保有生成的事件数据的处理为止的处理。另外，在该处理中，假设车载终端装置30存在有多个(多数)。
如图3所示，车载终端装置30通过从传感器50取得的探测数据检测出称作拥堵的事件(步骤S10)，对传感器装置10发送“上传通知”(步骤S11)。“上传通知”为车载终端装置30向中心装置10通知进行探测数据的上传的通知。此外，在本实施方式的情况下，“上传通知”也可为对中心装置10请求主成分得分矢量的发送的信息。另外，“上传通知”中被添附有安装车载终端装置30的车辆的当前位置信息。
中心装置10接收到“上传通知”时，基于所添附的车辆的当前位置信息参照主成分得分矢量存储部22，来判断在该车辆行驶中的道路路段中是否有事件合并完成区间(步骤S12)。所谓事件合并完成区间在此意味着对应主成分得分矢量的道路区间，其详细内容后述。
之后，在该判定结果为事件合并完成区间存在时(步骤S12是)，中心装置10将包括该合并完成区间信息的主成分得分矢量向车载终端装置30发送(步骤S13)。此外，在没有事件合并完成区间时(步骤S12否)中心装置10向车载终端装置30发送“无条件上传请求”(步骤S14)。
另一方面，车载终端装置30，在此时所接收到的数据为“无条件上传请求”时(步骤S15是)，将包括事件标签并与该事件相关的所有探测数据向中心装置10上传(步骤S16)。此外，在该所接收到的数据不是“无条件上传请求”时(步骤S15否)，也即所接收的数据为包括合并完成区间信息的主成分得分矢量时，车载终端装置30基于该合并完成区间信息对探测数据进行区间分割(步骤S17)。
之后，通过该区间分割而产生了不包括在上述合并完成区间中的新区间时，抽出该新区间的探测数据。此外，针对上述合并完成区间内所包括的探测数据，进行基于主成分得分矢量的正交成分分解(步骤S18)，将该正交成分作为事件的新成分抽出。由此，在抽出了探测数据的新区间或新成分(正交成分)时(步骤S19是)，车载终端装置30将包括事件标签的上述抽出部分的探测数据向中心装置10上传(步骤S20)。此外，在既没有抽出新区间又没有抽出新成分时(步骤S19否)，不进行探测数据的上传。
接下来，中心装置10接收从车载终端装置30上传的探测数据(所有探测数据、新区间或新成分的探测数据)时，在将该探测数据暂时保存在现状探测数据存储部21中之后，对于属于包括事件合并完成区间和新区间的新的事件合并区间的探测数据进行特征空间映射处理，通过检测出其结果所得到的特征空间矢量的变化点，从而对事件区间进行分割(步骤S21)。之后，中心装置10，向该分割的事件区间分配事件标签，将事件区间的区间信息和事件标签建立对应并保存在事件数据存储部23中(步骤S22)。
此外，中心装置10将事件数据存储部23中保存的事件数据例如按每5分等规定时间向车载终端装置30配送(步骤S23)。此外，车载终端装置30接收该所配送的事件数据，将该所接收到的事件数据中所包括的区间信息和该车辆的当前位置进行对照，在存在具有区间信息的事件数据，且该区间信息包括该当前位置时，将该事件数据显示在显示装置中(步骤S24)。
以上，通过图3所示的处理，中心装置10能够从在道路中行驶的多个车辆中分别安装的车载装置30收集事件数据、即交通信息，此外，能够将该收集的交通信息向车载装置30配送。因此，车载装置30即使在自己进行检测之前，也能取得由其他车载装置30检测出的事件数据，也即交通信息，并进行显示。
接下来，对于在以上的处理中本实施方式所具有特征的处理，采用例子等，进一步进行详细说明。
图4为示意地表示本实施方式相关的主成分分析中的特征空间映射处理的例子的图。主成分分析为从多个数据抽出互相具有相关性的数据，通过将上述数据进行合并，削减其数据量，使得该数据所具有的特征容易掌握的技术。因此，由于认为针对相同事件从多个车辆的车载终端装置30所取得的探测数据之间，当然具有高的相关性，因此通过适用主成分分析，能够将上述探测数据合并化。
例如，如图4所示，通过多个车载终端装置30取得数据A、数据B、数据C的探测数据。此时，数据A、B、C的相关性非常高。因此，上述数据也可称为通过相同事件形成的数据。其中，数据C为例如因车辆的个体差异等而数据的变化率较大的数据，对于数据A、数据B而言相关性只减小一点。
对于上述的数据A、B、C实施主成分分析时，能变换为数据的种类的数目减少、所谓的特征空间的数据。这种数据变换经常被称为特征空间映射。在图4中，数据A、B、C被变换为数据A、B、C具有相关而变化的成分的数据X、数据C与数据A、B没有相关地变化的成分的数据Y。也即特征空间的坐标轴，被选择为能够代表相关性高的数据者。
在本实施方式的中心装置10中，以上的特征空间映射由特征空间映射处理部14进行。另外，探测数据空间中的数据A、B、C被映射到特征空间而得到的数据X、数据Y非别称作主成分得分矢量。换句话说，主成分得分矢量为特征空间中的数据的每个坐标轴的坐标值的历史记录信息。由该特征空间映射所得到的主成分得分矢量被存储在主成分得分矢量存储部22中。
特征空间中的数据所表示的坐标值称作特征空间矢量，但在本实施方式中，掌握该特征空间矢量的方向的变化，将其判断为事件的变化点。例如，在图4的例子中，数据X为其范数(矢量的大小的绝对值)大且该事件的贡献大的数据。此外，数据Y为其范数小且该事件的贡献小的数据。在多个矢量的合成中，所合成的矢量的方向受到范数大的矢量的方向的影响，因此此时的特征空间矢量的方向受到数据X的值的影响较大。因此，在图4的例子中，在虚线所示的位置附近数据X的值变化较大，因此特征空间矢量也在该虚线的位置附近变化较大。在此，判断在该虚线附近矢量变化。
因此，在本实施方式中，检测特征空间矢量的变化点，通过该变化点分割事件区间。顺便提一下，在图4的例子中，设虚线之前的区间为事件α，设虚线后的区间为事件β。另外，在中心装置10中，由变化点检测部15以及事件区间分割部16进行上述处理。
在此，预先补充并注意主成分得分矢量和特征空间矢量分别是不同的矢量。例如，设dij(i＝1，…，s，j＝1，…，n)为探测数据，设ckj(k＝1，…，u，j＝1，…，n，u图5为表示本实施方式相关的中心装置中的矢量合并区间决定的方法的图。从车载终端装置30将新的探测数据上传到中心装置10时，往往在中心装置10的现状的探测数据存储部21中，从先行的车辆的车载终端装置30所上传的探测数据已经存在。在图5中，将该探测数据表记为现有探测数据#1、#2、…、#m。
此外，如图5所示，上述已存探测数据#1、#2、…、#m的事件区间由于道路的混杂状况和车辆的行驶状况等而产生位置偏差。但是，中心装置10，只要该事件区间中有重叠，便将该探测数据作为由来于相同事件的数据，合并到完全包括该事件区间那样的区间中而进行特征空间映射处理。
因此，在新的探测数据被上传时，通过先行并被上传的已存的探测数据#1、#2、…、#m，上述事件区间被暂时合并。在此本实施方式中，新的探测速据被上传时，将对已存在的探测数据的事件区间进行合并后的事件区间称作事件合并完成区间。
中心装置10，在新的探测数据被上传时，通过该事件合并完成区间和新的探测数据的事件区间之间的或运算而形成新的事件合并区间，对于已有的探测数据#1、#2、…、#m和新的探测数据进行特征空间映射处理。此时，在事件合并完成区间存在经过了规定时间以上的时间的旧的探测数据时，将该旧的探测数据从特征空间映射处理的对象中除去。
另外，如图5所示，对事件区间的范围不同的探测数据，进行特征空间映射处理时，各探测数据对特征空间映射处理对象的事件合并区间具有欠缺值。与此相对，在本实施方式中，虽然计算量变大，但可利用推定欠缺区间的值而进行插补的带欠缺值的主成分分析法。
图6为表示本实施方式相关的中心装置中的事件标签分配的例子的图。
中心装置10接受探测数据的上传时，如以上说明那样，对新的事件合并区间进行特征空间映射处理，检测出特征空间矢量的变化点，对事件区间进行分割。之后，中心装置10分别对该分割后的事件区间分配事件标签。
在该事件标签的分配时，判定是否对成为合并对象的所有探测数据附加有相同的事件标签。并且，在对所有探测数据附加了相同的事件标签时，将该事件标签分配给上述分割后的事件区间。此外，在没有都附加有相同的事件标签时，也即在不同的事件标签混合存在时，通过多数决定而选择最多的事件标签，将该最多的事件标签分配给该事件区间。
顺带提一下，在图6中，事件#1的事件区间的探测数据中所添加的事件标签，全部为相同的“拥堵”，因此事件#1的事件区间中分配有“拥堵”的事件标签。此外，事件#3以及事件#4的事件区间中，通过多数决定而分别分配有“障碍物”以及“滑动”的事件标签。
图7为表示本实施方式相关的车载终端装置中的探测数据的分割以及正交成分分解的例子的图。图8为表示该正交成分分解的基本方法的图。
车载终端装置30，如上所述，在对探测数据进行上传时，向中心装置10发送“上传通知”。与此相对，中心装置10，判定安装有该车载终端装置30的车辆行驶中的道路路段中是否存在已有的事件合并完成区间，在存在已有的事件合并完成区间时，将通过针对该事件合并完成区间中所包括的已有的探测数据的特征空间映射处理而已得到的主成分得分矢量发送给车载终端装置30。
车载终端装置30接收主成分得分矢量，将所接收到的主成分得分矢量的事件区间和想要上传的探测数据的事件区间(以下称作新上行区间)进行比较。之后，如图7所示，将新的上传区间分割为主成分得分矢量的事件区间内所包括的区间(1)和主成分得分矢量的事件区间中没有包括的区间(2)(探测数据分割部34)。另一方面，针对区间(1)的部分的探测数据，将该探测数据映射到所接收到的主成分得分矢量的基底矢量，并分解为映射成分(a)和与主成分得分矢量的基底矢量正交的正交成分(b)(正交成分分解部35)。之后，针对区间(2)的部分的探测数据，由于有可能具有到此为止的事件合并完成区间中所没有包括的事件信息，因此成为上传的对象。
在图8中，(例1)Y那样的探测数据，设主成分得分矢量为A时，分解为对该基底矢量的映射成分YA和与其正交的成分YB。即由于正交成分YB意味着具有主成分得分矢量A中所没有包括的任何矢量信息，因此将正交成分YB设为上传对象。但是，如图8(例2)Y那样，在即使具有正交成分YB，其范数也小时，判断不存在与其对应的事件，不作为上传的对象。车载终端装置30适当地设置阈值，通过将被抽出地正交成分YB的范数与该阈值进行比较，来判定有无正交成分。
如上所述，在正交成分的范数没有达到规定的阈值时，车载诊断装置30判断为在该部分的探测数据中，除中心装置10已具有的事件信息以外没有新的信息，从上传的对象除去该探测数据。因此，能够削减从车载终端装置30向中心装置10上传的探测数据的量。
图9为表示本实施方式相关的车载装置中的事件数据的表示方法的例子的图。
车载终端装置30接收从中心装置10配送的事件数据，将该所接收到的事件数据显示在车载终端装置30的显示装置中。此时，如图9所示，中心装置10给通过已有的事件合并完成区间所分配的事件#1、#2、#3添加“已有记录标志”并配送，对通过新探测数据所分配的事件#4、#5添加“新记录标志”并配送。而且，车载终端装置30将添加有“已有记录标志”的事件数据和添加有“新记录标志”的事件数据，按照通过其颜色和形状等而可互相识别的方式，显示在显示装置上。
此外，对于车载终端装置30自身所检测到的事件，在存在被配送的事件数据中不包括的事件时，车载终端装置30将其自身所检测出的事件按照通过其颜色和形状等与被配送的事件可识别的方式，显示在显示装置上。
图10为表示本实施方式相关的中心装置的动作流程的图。如图10所示，中心装置10接收到从车载终端装置30所发送的上传通知时(步骤S31)，基于该上传通知中所添附的该车辆的当前位置信息，参照主成分得分矢量存储部22，来判定该车辆行驶中的道路路段中是否有事件合并完成区间(步骤S32)。并且，在该道路路段中有事件合并完成区间时(步骤S32是)，中心装置10将该事件合并完成区间相关的主成分得分矢量向车载终端装置30发送(步骤S33)。另一方面，在没有事件合并完成区间时(步骤S32否)，将无条件上传请求向车载终端装置30发送(图示省略，但相当于图3步骤S14)。
接下来，中心装置10，接收到从车载终端装置30发送的探测数据时(步骤S34)，将该所接收的探测数据保存在现状探测数据存储部21中(步骤S35)。之后，中心装置10确认现状探测数据存储部21内保存的数据(探测数据)的时间戳(步骤S36)，判定是否有从现状时间窗宽度偏离的数据(步骤S37)。在该判定结果为有从现状时间窗宽度偏离的数据时(步骤S37是)，将该从现状时间窗宽度偏离的数据从现状探测数据存储部中21除去(步骤S38)。
接下来，中心装置10对于通过上述所接收到的探测数据的事件区间和上述事件合并完成区间所形成的事件合并区间中所包括的探测数据进行主成分分析的特征空间映射处理(步骤S39)。之后，中心装置10进行通过特征空间映射处理所得到的特征空间矢量的变化点检测(步骤S40)，进而基于该变化点分割事件区间(步骤S41)。
接下来，中心装置10通过对步骤S42～步骤S46进行循环处理，而给上述被分割的各个事件区间分配事件标签(参照图6)。该循环处理中，中心装置10，将事件区间和探测数据中所添加的事件检测位置进行对照(步骤S43)，对该事件区间内中存在的探测数据所添加的事件标签进行总计(步骤S44)。之后，将该事件区间中存在的事件标签中数目最多的事件标签作为该事件区间的代表事件标签分配(步骤S45)。
最后，中心装置10将通过以上的事件标签的分配而被加标签的事件数据配送到车载终端装置30(步骤S47)。另外，配送时的一个事件数据的结构如图2所示，但在如图9所示，将事件数据区分为基于已有探测数据的数据和基于新探测数据的数据时，添加该识别记录标志(“已有”记录标志以及“新”记录标志)。
图11为表示本实施方式相关的车载终端装置的动作流程的图。如图11所示，车载终端装置30从由传感器50所取得的探测数据检测到事件时(步骤S51)，向中心装置10发送“上传通知”(步骤S52)。由此，由于从中心装置10发送主成分得分矢量或无条件上传请求，因此车载终端装置30判定其是否为主成分得分矢量(步骤S53)。
之后，在该判定的结果为不是主成分得分矢量时(步骤S53“否”)，也即是无条件上传请求时，车载终端装置30将探测数据和事件标签上传到中心装置10(步骤S54)。另一方面，在是主成分得分矢量时(步骤S53是)，如图5所示，基于该主成分得分矢量中所包括的矢量合并完成区间的信息对该探测数据进行分割(步骤S55)。
接下来，车载终端装置30，通过上述所接收到的主成分得分矢量对上述已分割的探测数据中现有区间(事件合并完成区间)中所包括的部分探测数据进行正交成分分解(步骤S56：参照图8)，判定该正交成分的范数是否为规定阈值以上(步骤S57)。在该判定结果为该正交成分的范数为规定阈值以上时(步骤S57是)，车载终端装置30将新区间的探测数据和已有区间的正交成分以及事件标签向中心装置10上传(步骤S58)。另一方面，在该正交成分的范数没有达到规定阈值时(步骤S57否)，车载终端装置30将新区间的探测数据和事件标签向中心装置10上传(步骤S59)。
接下来，车载终端装置30接收从中心装置10配送的事件数据(步骤S60)，将所接收的事件数据显示在显示装置中(步骤S61)。关于其显示方法，如图9所示。
以上，通过本实施方式，车载终端装置30检测出事件时，不将探测数据全部发送给中心装置10，而是在(1)从中心装置10没有发送主成分得分矢量时，(2)存在与从中心装置10发送的主成分得分矢量正交的成分时，(3)位于从中心装置10发送的主成分得分矢量的区间外时，将该探测数据或者与主成分得分矢量正交的成分向中心装置10发送。即在为具有与中心装置10所具有的探测数据的特征相同特征的探测数据时，车载终端装置30不将该探测数据发送给中心装置10。因此，即使通过多个车辆的车载终端装置30检测出相同的事件，但在为与该探测数据类似的数据时，上述探测数据重复，不向中心装置10发送。因此，能够削减从车载终端装置30向中心装置10发送的探测数据的量，其结果也能减轻中心装置10的处理负荷。
此外，通过本实施方式，通过主成分分析法的特征空间映射处理而从多个探测数据抽出类似的特征数据，给该抽出的特征数据所存在的道路区间分配事件。该主成分分析法仅为从多个数据中抽出互相相关的特征数据，因此如适应共鸣理论所示，不需要教学数据，此外得到不依赖于探测数据的种类，也即不依赖于传感器50的种类和其个体差的结果。因此，在本实施方式中，即使在中心装置10中相继输入探测数据，中心装置10也实时且持续地从探测数据抽出特征数据，能够将事件分配给该特征数据，进而能够将该分配的事件配送给车载终端装置。
另外，以上所说明的实施方式有各种变形。例如，也可从中心装置10定期地配送主成分得分矢量，车载终端装置30检测到事件时，省略向中心装置10的“上传通知”的发送。此时也可得到与本实施方式相同的效果。
此外，以上所说明的实施方式中的车载终端装置30，能够作为具有通信功能的导航装置的一部分来实现。此时，车载终端装置30，能够将从中心装置10配送的事件数据容易地显示在地图上。因此，车载终端装置30不需要将接受到配送的事件数据，限定为在自车临近产生了该事件的道路路段时才进行显示，随时能够在地图上显示该时刻的事件、即交通信息。
以上所说明的实施方式中，以与车内网络连接的车载终端(以下称作组入探测终端)利用车载传感器数据为前提进行了说明。另一方面，如带GPS的移动电话和PND(Personal Navigation Device)那样，驾驶者从车外拿入并设置在车辆中而利用的携带导航装置(以下称为携带导航终端)，能够将内置GPS的位置数据或加速度传感器和陀螺仪所产生的加速度数据作为探测数据上传到交通信息中心。但是，车载雷达、红外线照相机、滑动传感器等的车载传感器数据，从车辆直接取得而不能上传到交通信息中心。但是，如果能够将来自具有增加倾向的携带导航终端的探测数据用于障碍物检测、冻结检测等的事件检测中，则能够提高事件信息的区域覆盖率。
为了将携带导航装置的探测数据利用于事件检测，需要将上述位置数据、加速度数据与事件发送相关联。在本实施方式的变形中，采用组入探测终端的探测数据作为该关联的指标。以下叙述其具体的方法。
图12为表示本实施例的系统结构的框图。外界探测存储部1201为记录有从组入探测终端所上传的车载雷达、红外线传感器、滑动传感器的数据以及事件检测结果等与外部环境相关的探测数据的存储装置(以下称作外界探测数据)。运动探测存储部1202为记录有GPS、加速度传感器、陀螺仪的数据等、与车辆的运动有关的探测数据(以下称作运动探测数据)的存储装置。外界探测存储部1201和运动探测存储部1202的探测数据通过唯一地表示各行程(trip)的ID(以下称作行程ID)而对应起来。所谓行程是指一台车辆所进行的一次行驶，即使相同时日，如果车辆不同，则为不同行程，即使车辆相同，如果时日不同，也为不同行程。
运动探测分割部1203基于记录在外界探测存储部1201中的外界探测数据，通过与上述的特征空间映射处理部14、变化点检测部15、事件区间分割部16相同的处理，将运动探测存储部1202中所记录的运动探测数据分为正常时(没有检测到障碍物或冻结等的事件时)的运动探测数据和异常时(检测到障碍物或冻结等的事件时)的运动探测数据，分别记录到正常探测存储部1204和异常探测存储部1205。
特征空间生成部1206对记录在正常探测存储部1204中的运动探测数据进行主成分分析，求出基底矢量，生成表示正常时的车辆的运动的特征空间。正常残差检测部1207，将记录在相同的正常探测存储部1204中的运动探测数据映射到所生成的特征空间，求出其残差。另一方面，异常残差检测部1208将记录在异常探测存储部1205中的运动探测数据映射到相同特征空间中，求出其残差。阈值决定部1209，通过对由正常残差检测部1207和异常残差检测部1208所检测出的残差进行比较，而决定用于根据运动探测数据进行正常/异常的判定的阈值。
图13和图14为，以运动探测数据中横向(垂直于道路行进方向的方向)的加速度数据为对象，例示了从基于特征空间生成部1206的基底矢量的计算，到基于正常残差检测部1207和异常残差检测部1208的残差计算和基于阈值决定部1209的阈值计算的一系列处理的示意图。
正常加速度历史记录1301为，根据正常探测存储部1204中记录的运动探测数据，按每个行程描述有与作为处理对象的道路区间上的位置的变化相对的加速度的矩阵数据。正常加速度历史记录1301中，各行表示单一的行程，各列表示作为处理对象的道路区间上的相同位置。在此，作为处理对象的道路区间，例如为将主要交叉点或瓶颈地点之间作为一个单位而区分的道路区间。在特征空间生成部1206中，通过以正常加速度历史记录1301为对象进行主成分分析，从而得到生成可近似正常加速度历史记录1301的特征空间的基底(基底矢量)。扩展该特征空间的基底矢量，在作为处理对象的道路区间上，相当于在各行程中公共的加速度成分。
正常残差检测部1207中，如果按每个行程向基于由特征空间生成部1206所求出的基底矢量所产生的特征空间映射正常加速度历史记录1301，则在每个行程中产生残差。在图13中，对通过基底矢量1303扩展的特征空间1302按每个行程映射正常加速度历史记录时，对各行程的正常加速度历史记录的映射点1304产生残差1305。该残差是指不能由用于生成该特征空间的基底矢量来表示，为行程中固有的加速度成分。
例如，在弯曲的道路中，有按照该曲率的横向的加速度变化，因行驶速度而有大小之差，但在作为处理对象的道路区间中行驶的车辆大多相同，示出了在某位置加速度增加时，在与该位置对应的其他位置加速度减小的这种相关。这是基底矢量的加速度成分。基底矢量不限于一个，对应于对在作为处理对象的道路区间中行驶的车辆中相同的加速度变化的模式的数目，存在多个。在图13的例子中，由与横向的加速度变化的模式对应的基底1，和在某位置加速度增加时，在与其对应的其他位置加速度减小的这种加速度变化的模式对应的基底2这两个基底矢量，生成特征空间。之后，由圆圈表示的各行程的加速度历史记录为由基底矢量表示的公共的加速度成分和在各行程中固有的加速度成分的合成值，通过向由基底矢量1303扩展的特征空间1302的映射，而被分别分解为映射点1304和残差1305。即各行程中固有的加速度成分越多，残差1305越大。
接下来，在图14中，在异常残差检测部1208中，通过对每个行程将根据记录在异常探测存储部1205中的异常时的运动探测数据得到的异常加速度历史记录1306映射到特征空间1302，从而与对正常加速度历史记录1301进行映射的情况相同，求出对映射点1307的残差1308。异常加速度历史记录1306与正常加速度历史记录1301相同，为对每个行程记述加速度相对作为处理对象的道路区间上的位置的变化的矩阵数据，包括伴随着事件检测的回避运动、例如伴随着障碍物回避的急方向盘操作的加速度成分。这种加速度成分，不在各行程中相同地出现，为在由正常加速度历史记录1301的主成分分析得到的基底矢量1303中无法表示的各行程固有的加速度成分。此外，由于为伴随着异常时的操作的加速度成分，因此加速度的值也变大。因此，异常加速度历史记录的各行程中的残差1308具有比正常加速度历史记录的残差1305大的倾向。在此，通过基于两者的残差的分布设定阈值，从而可进行基于特征空间上的残差大小的正常/异常的判定，即事件产生的判定。
图15为将正常加速度历史记录的残差1305的分布1401和异常加速度历史记录的残差1308的分布1402模式化的直方图。横轴为每个行程的残差的大小，纵轴为行程数目。在此，如果设定阈值1403，则能够根据大于阈值的正常加速度历史记录的残差1404的行程数Tn′和正常时的所有行程数Tn的比率，如下式那样算出误报率E。
E＝Tn′/Tn…式1
该误报率E，是虽然没有产生事件，但由于行程的残差大于阈值，因此为判定已产生事件的概率。
同样，根据小于阈值1403的异常加速度历史记录的残差1405的行程数Th′和异常加速度历史记录的所有行程数Th的比率，能够如下式那样算出漏报率M。
M＝Tn′/Tn…式2
该漏报率M，是虽然产生了事件，但由于行程的残差小于阈值，因此为判定没有产生事件的概率。
在事件发生的判定中，可以说误报率E和漏报率M均越低，判定精度越高。但是，由图15可知，如果减小阈值1403，则误报率E变大。如果增大阈值1403，则漏报率变大。阈值决定部1209，决定误报率E和漏报率M的比率，或者对误报率E和漏报率M的任一个决定上限，按照上述误报率E和漏报率M的比例或误报率E和漏报率M的任一个满足规定的上限的方式，根据正常加速度历史记录的残差分布1401和异常加速度历史记录的残差分布1402决定阈值1403。
采用图13、图14、图15进行解说的从特征空间生成部1206到由正常残差检测部1207和异常残差检测部1208所进行的残差的计算和阈值决定部1209所进行的阈值的计算位置的一系列处理，为用于采用从组入探测终端所上传的探测数据，将外界探测数据和运动探测数据相关联，通过运动探测数据的特征空间映射进行事件发生的判定的准备处理。该准备处理，例如采用在过去一个月期间从组入探测终端所上传并包括正常时/异常时双方的行程的探测数据，作为在线处理进行实施。此外，该在线处理以特定的周期反复进行。
接下来，采用由特征空间生成部1206生成的基底矢量所产生的特征空间1302和由阈值决定部1209所决定的阈值1403，对根据携带导航终端的探测数据进行事件发生的判定的在线处理进行说明。
携带导航探测存储部1210为暂时记录从携带导航终端所上传的探测数据的存储装置。由于携带导航终端的制约，不收集外界探测数据，因此从携带导航终端所上传的探测数据被限定为运动探测数据。记录在携带导航探测存储部1210中的探测数据的存储期间例如与在线处理的处理周期相同。携带导航残差检测部1211中，如图16所示，将以记录在携带导航探测存储部1210中的探测数据为基础的加速度历史记录1501，映射到基于由特征空间生成部1206所生成的基底矢量的特征空间1302，而求出映射点1502和残差1503。在事件检测部1212中，将该残差1503和由阈值决定部1209决定的阈值1403进行比较，在残差1503大于阈值1403时，判定产生了事件，相反，判定没有产生事件。
在在线处理的处理周期内，相同道路区间上从携带导航终端上传的探测数据存在多个时，对于各行程，合计事件检测部1212的判定结果，在判定事件产生的行程数比判定没有产生事件的行程数多的情况下，判定在该道路区间上产生事件。
如图13～图16所述的处理，也可采用通过纵向(道路行进方向)的加速度历史记录或位置历史记录的微分所生成的速度历史记录。例如，在障碍物检测中，由于产生基于回避操作的横方向的加速度，因此横向加速度历史记录的使用较晚合适，但在冻结检测中，冻结道中进行抑制了加减速的驾驶，因此纵向加速度历史记录的使用适于解析。
通过以上说明，将组入探测终端的探测数据作为指示数据，可将利用台数丰富的携带导航终端的探测数据用于事件判定。
图1为表示本发明的实施方式相关的交通信息收集/配送系统的功能模块的结构的例子的图。如图1所示，交通信息收集/配送系统1，通过中心装置10和安装在车辆上的车载终端装置30而构成。在此，中心装置10和车载终端装置30介由携带电话线路或互联网等未图示的通信网络可互相通信地连接。此外，车载终端装置30与安装在车辆中的各种传感器50、显示装置60等连接。
在此，中心装置10包括探测数据接收部11、探测数据更新部12、主成分得分矢量发送部13、特征空间映射处理部14、变化点检测部15、事件区间分割部16、事件分配部17、事件数据配送部18、现状探测数据存储部21、主成分得分矢量存储部22、事件数据存储部23等的功能模块而构成。
此外，车载终端装置30包括探测数据取得部31、事件检测部32、探测数据发送部33、探测数据分割部34、正交成分分解部35、上传判定部36、主成分得分矢量接收部37、事件数据接收部38、事件数据显示部39、探测数据存储部41等的功能模块而构成。
可利用一般安装在车辆上的各种传感器作为传感器50。例如也可是车速传感器、距离传感器、加速度传感器、制动传感器、加速传感器、转向角传感器、GPS(Global Positioning System)接收机等的位置传感器、ABS(Antilock Braking System)等中的滑动传感器、雷达等的障碍物传感器等的任一个。
在车载终端装置30中，探测数据取得部31取得从各种传感器50输入的探测数据，将所取得的探测数据保存到探测数据存储部41。此外，事件检测部32根据由探测数据取得部31所取得的探测数据检测出事件，将表示所检测出的事件的种类的事件标签、例如“拥堵”等的信息附加到探测数据。之后，探测数据发送部33，基于来自探测数据分割部34或上传判定部36的指示信息，向中心装置10发送(上传)该附加有事件标签的探测数据。
另外，在本实施方式中，事件检测部32所进行的事件的检测，可通过对来自单一或多个传感器50的探测数据进行监视而进行检测。例如，将车速在规定速度以下时检测为“拥堵”的事件，对此时得到的探测数据附加“拥堵”的事件标签(label)。此时，也可对探测数据附加多个事件标签。之后，将附加有该事件标签的探测数据部分称作事件区间。
此外，在车载终端装置30中，主成分得分矢量接收部37接收从中心装置10发送的主成分得分矢量(详细后述)，探测数据分割部34将存储在探测数据存储部41中的探测数据分割为该所接收到的主成分得分矢量的区间内所包括的部分和该区间外所包括的部分。之后，指示探测数据发送部33上传该区间外所包括的部分的探测数据。此外，正交成分分解部35，通过对主成分得分矢量的区间内所包括的部分的探测数据进行正交成分分解，从而抽出与主成分得分矢量不同的成分(正交成分)的数据。之后，上传判定部36对是否存在该正交成分的数据进行判定，在存在不同成分的数据时，指示探测数据发送部33向中心装置10上传探测数据中该正交成分的数据。
此外，在车载终端装置20中，事件数据接收部38接收从中心装置10配送的事件数据。该事件数据中，附加有表示该事件数据与哪个道路区间对应的区间信息，因此事件数据显示部39在该所接收的事件数据中有该车辆在行驶中的道路区间的信息时，将该事件数据显示在显示装置60中。另外，显示装置60由例如LCD(Liquid Crystal Display)等构成，也可共用导航装置的显示装置。
接下来，在中心装置10中，探测数据接收部11接收从车载终端装置30所发送的探测数据，将该接收的探测数据保存在现状探测数据存储部21中。此外，探测数据更新部12，对现状探测数据存储部21中所保存的探测数据，除去该探测数据中所添加的时日信息(时间戳，time stamp)偏离现状时间窗(time window)的信息。在此，所谓现状时间窗是指从当前时刻的规定时间前(例如5分前)到当前时刻的期间。即探测数据更新部12除去保存在现状探测数据存储部21中的探测数据中的旧数据。
特征空间映射处理部14，对保存在现状探测数据存储部21中的探测数据进行主成分分析处理，算出特征空间矢量以及主成分得分矢量，进而将该算出的主成分得分矢量保存在主成分得分矢量存储部22中。之后，变化点检测部15对上述算出的特征空间矢量检测该矢量的方向的变化点。此外，事件区间分割部16，基于该变化点对道路区间进行分割，事件分配部17对该所分割的道路区间，分配探测数据中所添加的事件标签，将道路区间信息和事件标签作为事件数据保存在事件数据存储部23中。事件数据配送部18将保存在事件数据存储部23中的事件数据向车载终端装置30配送。
另外，关于中心装置10中的特征空间映射处理部14以下的各功能模块，在后面更详细地进行说明。
在图1中，中心装置10，通过包括未图示的CPU(Central ProcessingUnit)和存储装置而构成的计算机来构成，中心装置10的上述各功能模块的功能，通过上述CPU执行上述存储装置中所存储的规定的程序来实现。另外，存储装置由RAM(Random Access Memory)、闪烁存储器、硬盘装置等构成。
同样，车载终端装置30通过包括未图示的CPU和存储装置而构成的计算机来构成，车载终端装置30的上述各功能模块的功能通过上述CPU执行上述存储装置中所存储的规定的程序来实现。另外，存储装置由RAM、闪烁存储器、硬盘装置等构成。
图2为表示在本实施方式中，从车载终端装置向中心装置发送的探测数据以及从中心装置向车载终端装置配送的事件数据的结构的图。
在图2中，探测数据的时日信息为表示取得该探测数据时的的时日的信息。此外，区间信息为取得该探测数据的道路路段(将连接交叉点之间的道路称作道路路段)中的道路区间相关的信息，包括道路路段的识别信息、该道路路段中的事件发送位置信息、该事件相关的探测数据存在的区间的距离信息等的信息。此外，事件标签为对由事件检测部32所附加的该事件的种类进行识别的信息。
另外，在车载终端装置30没有包括道路路段的识别信息和位置信息等的道路地图信息的情况下，在车载终端装置30中，不能附加道路路段的识别信息。此时，采用从GPS接收机等得到的纬度/经度信息作为事件发生位置信息，关于道路路段的识别信息，也可由中心装置10附加。
此外，探测数据的主体由从传感器#i(i＝1，…，s：其中，s为传感器的数目)取得的数据dij(j＝1，…，n：n为数据的数目)构成。另外，从传感器#i取得的dij一般作为时间序列的数据取得，但在本实施方式中，时间序列的数据为例如通过与行驶距离传感器的数据组合而变为以行驶距离作为主轴的数据，例如为通过车辆行驶1m而得到的数据。
此外，在通过上传判定部36指示上传的情况下，上传的探测数据不是从传感器#i(i＝1，…，s)取得的数据dij本身，而是成为针对通过正交成分分解部35抽出的主成分得分矢量的正交成分的数据。
此外，从传感器10向车载终端装置30配送的事件数据，包括时日信息、区间信息和事件标签而构成。此时的区间信息包括道路路段的识别信息和该道路路段中的至少两个地点的位置信息。此外，事件标签为通过事件分配部17分配给该区间的事件标签，也可分配多个事件标签。
另外，事件数据存储部23存储有多个如上那样构成的事件数据。而且，事件数据配送部18也可对每个车载终端装置30分别配送上述事件数据，但通常对在规定的区域内存在的多个车载装置30，通过多播同时配送具有在该区域所包括的道路区间的区间信息的事件数据。
图3为表示本实施方式相关的交通信息收集/配送系统中的处理的流程的概要的图。即该处理的流程表示，车载终端装置30从传感器50取得探测数据，根据该探测数据检测事件，只将必要最小限的探测数据上传到中心装置10，中心装置10将该被上传的探测数据与到目前保有的事件数据合并或分离，生成新的事件数据，并配送所保有生成的事件数据的处理为止的处理。另外，在该处理中，假设车载终端装置30存在有多个(多数)。
如图3所示，车载终端装置30通过从传感器50取得的探测数据检测出称作拥堵的事件(步骤S10)，对传感器装置10发送“上传通知”(步骤S11)。“上传通知”为车载终端装置30向中心装置10通知进行探测数据的上传的通知。此外，在本实施方式的情况下，“上传通知”也可为对中心装置10请求主成分得分矢量的发送的信息。另外，“上传通知”中被添附有安装车载终端装置30的车辆的当前位置信息。
中心装置10接收到“上传通知”时，基于所添附的车辆的当前位置信息参照主成分得分矢量存储部22，来判断在该车辆行驶中的道路路段中是否有事件合并完成区间(步骤S12)。所谓事件合并完成区间在此意味着对应主成分得分矢量的道路区间，其详细内容后述。
之后，在该判定结果为事件合并完成区间存在时(步骤S12是)，中心装置10将包括该合并完成区间信息的主成分得分矢量向车载终端装置30发送(步骤S13)。此外，在没有事件合并完成区间时(步骤S12否)中心装置10向车载终端装置30发送“无条件上传请求”(步骤S14)。
另一方面，车载终端装置30，在此时所接收到的数据为“无条件上传请求”时(步骤S15是)，将包括事件标签并与该事件相关的所有探测数据向中心装置10上传(步骤S16)。此外，在该所接收到的数据不是“无条件上传请求”时(步骤S15否)，也即所接收的数据为包括合并完成区间信息的主成分得分矢量时，车载终端装置30基于该合并完成区间信息对探测数据进行区间分割(步骤S17)。
之后，通过该区间分割而产生了不包括在上述合并完成区间中的新区间时，抽出该新区间的探测数据。此外，针对上述合并完成区间内所包括的探测数据，进行基于主成分得分矢量的正交成分分解(步骤S18)，将该正交成分作为事件的新成分抽出。由此，在抽出了探测数据的新区间或新成分(正交成分)时(步骤S19是)，车载终端装置30将包括事件标签的上述抽出部分的探测数据向中心装置10上传(步骤S20)。此外，在既没有抽出新区间又没有抽出新成分时(步骤S19否)，不进行探测数据的上传。
接下来，中心装置10接收从车载终端装置30上传的探测数据(所有探测数据、新区间或新成分的探测数据)时，在将该探测数据暂时保存在现状探测数据存储部21中之后，对于属于包括事件合并完成区间和新区间的新的事件合并区间的探测数据进行特征空间映射处理，通过检测出其结果所得到的特征空间矢量的变化点，从而对事件区间进行分割(步骤S21)。之后，中心装置10，向该分割的事件区间分配事件标签，将事件区间的区间信息和事件标签建立对应并保存在事件数据存储部23中(步骤S22)。
此外，中心装置10将事件数据存储部23中保存的事件数据例如按每5分等规定时间向车载终端装置30配送(步骤S23)。此外，车载终端装置30接收该所配送的事件数据，将该所接收到的事件数据中所包括的区间信息和该车辆的当前位置进行对照，在存在具有区间信息的事件数据，且该区间信息包括该当前位置时，将该事件数据显示在显示装置中(步骤S24)。
以上，通过图3所示的处理，中心装置10能够从在道路中行驶的多个车辆中分别安装的车载装置30收集事件数据、即交通信息，此外，能够将该收集的交通信息向车载装置30配送。因此，车载装置30即使在自己进行检测之前，也能取得由其他车载装置30检测出的事件数据，也即交通信息，并进行显示。
接下来，对于在以上的处理中本实施方式所具有特征的处理，采用例子等，进一步进行详细说明。
图4为示意地表示本实施方式相关的主成分分析中的特征空间映射处理的例子的图。主成分分析为从多个数据抽出互相具有相关性的数据，通过将上述数据进行合并，削减其数据量，使得该数据所具有的特征容易掌握的技术。因此，由于认为针对相同事件从多个车辆的车载终端装置30所取得的探测数据之间，当然具有高的相关性，因此通过适用主成分分析，能够将上述探测数据合并化。
例如，如图4所示，通过多个车载终端装置30取得数据A、数据B、数据C的探测数据。此时，数据A、B、C的相关性非常高。因此，上述数据也可称为通过相同事件形成的数据。其中，数据C为例如因车辆的个体差异等而数据的变化率较大的数据，对于数据A、数据B而言相关性只减小一点。
对于上述的数据A、B、C实施主成分分析时，能变换为数据的种类的数目减少、所谓的特征空间的数据。这种数据变换经常被称为特征空间映射。在图4中，数据A、B、C被变换为数据A、B、C具有相关而变化的成分的数据X、数据C与数据A、B没有相关地变化的成分的数据Y。也即特征空间的坐标轴，被选择为能够代表相关性高的数据者。
在本实施方式的中心装置10中，以上的特征空间映射由特征空间映射处理部14进行。另外，探测数据空间中的数据A、B、C被映射到特征空间而得到的数据X、数据Y非别称作主成分得分矢量。换句话说，主成分得分矢量为特征空间中的数据的每个坐标轴的坐标值的历史记录信息。由该特征空间映射所得到的主成分得分矢量被存储在主成分得分矢量存储部22中。
特征空间中的数据所表示的坐标值称作特征空间矢量，但在本实施方式中，掌握该特征空间矢量的方向的变化，将其判断为事件的变化点。例如，在图4的例子中，数据X为其范数(矢量的大小的绝对值)大且该事件的贡献大的数据。此外，数据Y为其范数小且该事件的贡献小的数据。在多个矢量的合成中，所合成的矢量的方向受到范数大的矢量的方向的影响，因此此时的特征空间矢量的方向受到数据X的值的影响较大。因此，在图4的例子中，在虚线所示的位置附近数据X的值变化较大，因此特征空间矢量也在该虚线的位置附近变化较大。在此，判断在该虚线附近矢量变化。
因此，在本实施方式中，检测特征空间矢量的变化点，通过该变化点分割事件区间。顺便提一下，在图4的例子中，设虚线之前的区间为事件α，设虚线后的区间为事件β。另外，在中心装置10中，由变化点检测部15以及事件区间分割部16进行上述处理。
在此，预先补充并注意主成分得分矢量和特征空间矢量分别是不同的矢量。例如，设dij(i＝1，…，s，j＝1，…，n)为探测数据，设ckj(k＝1，…，u，j＝1，…，n，u
此外，如图5所示，上述已存探测数据#1、#2、…、#m的事件区间由于道路的混杂状况和车辆的行驶状况等而产生位置偏差。但是，中心装置10，只要该事件区间中有重叠，便将该探测数据作为由来于相同事件的数据，合并到完全包括该事件区间那样的区间中而进行特征空间映射处理。
因此，在新的探测数据被上传时，通过先行并被上传的已存的探测数据#1、#2、…、#m，上述事件区间被暂时合并。在此本实施方式中，新的探测速据被上传时，将对已存在的探测数据的事件区间进行合并后的事件区间称作事件合并完成区间。
中心装置10，在新的探测数据被上传时，通过该事件合并完成区间和新的探测数据的事件区间之间的或运算而形成新的事件合并区间，对于已有的探测数据#1、#2、…、#m和新的探测数据进行特征空间映射处理。此时，在事件合并完成区间存在经过了规定时间以上的时间的旧的探测数据时，将该旧的探测数据从特征空间映射处理的对象中除去。
另外，如图5所示，对事件区间的范围不同的探测数据，进行特征空间映射处理时，各探测数据对特征空间映射处理对象的事件合并区间具有欠缺值。与此相对，在本实施方式中，虽然计算量变大，但可利用推定欠缺区间的值而进行插补的带欠缺值的主成分分析法。
图6为表示本实施方式相关的中心装置中的事件标签分配的例子的图。
中心装置10接受探测数据的上传时，如以上说明那样，对新的事件合并区间进行特征空间映射处理，检测出特征空间矢量的变化点，对事件区间进行分割。之后，中心装置10分别对该分割后的事件区间分配事件标签。
在该事件标签的分配时，判定是否对成为合并对象的所有探测数据附加有相同的事件标签。并且，在对所有探测数据附加了相同的事件标签时，将该事件标签分配给上述分割后的事件区间。此外，在没有都附加有相同的事件标签时，也即在不同的事件标签混合存在时，通过多数决定而选择最多的事件标签，将该最多的事件标签分配给该事件区间。
顺带提一下，在图6中，事件#1的事件区间的探测数据中所添加的事件标签，全部为相同的“拥堵”，因此事件#1的事件区间中分配有“拥堵”的事件标签。此外，事件#3以及事件#4的事件区间中，通过多数决定而分别分配有“障碍物”以及“滑动”的事件标签。
图7为表示本实施方式相关的车载终端装置中的探测数据的分割以及正交成分分解的例子的图。图8为表示该正交成分分解的基本方法的图。
车载终端装置30，如上所述，在对探测数据进行上传时，向中心装置10发送“上传通知”。与此相对，中心装置10，判定安装有该车载终端装置30的车辆行驶中的道路路段中是否存在已有的事件合并完成区间，在存在已有的事件合并完成区间时，将通过针对该事件合并完成区间中所包括的已有的探测数据的特征空间映射处理而已得到的主成分得分矢量发送给车载终端装置30。
车载终端装置30接收主成分得分矢量，将所接收到的主成分得分矢量的事件区间和想要上传的探测数据的事件区间(以下称作新上行区间)进行比较。之后，如图7所示，将新的上传区间分割为主成分得分矢量的事件区间内所包括的区间(1)和主成分得分矢量的事件区间中没有包括的区间(2)(探测数据分割部34)。另一方面，针对区间(1)的部分的探测数据，将该探测数据映射到所接收到的主成分得分矢量的基底矢量，并分解为映射成分(a)和与主成分得分矢量的基底矢量正交的正交成分(b)(正交成分分解部35)。之后，针对区间(2)的部分的探测数据，由于有可能具有到此为止的事件合并完成区间中所没有包括的事件信息，因此成为上传的对象。
在图8中，(例1)Y那样的探测数据，设主成分得分矢量为A时，分解为对该基底矢量的映射成分YA和与其正交的成分YB。即由于正交成分YB意味着具有主成分得分矢量A中所没有包括的任何矢量信息，因此将正交成分YB设为上传对象。但是，如图8(例2)Y那样，在即使具有正交成分YB，其范数也小时，判断不存在与其对应的事件，不作为上传的对象。车载终端装置30适当地设置阈值，通过将被抽出地正交成分YB的范数与该阈值进行比较，来判定有无正交成分。
如上所述，在正交成分的范数没有达到规定的阈值时，车载诊断装置30判断为在该部分的探测数据中，除中心装置10已具有的事件信息以外没有新的信息，从上传的对象除去该探测数据。因此，能够削减从车载终端装置30向中心装置10上传的探测数据的量。
图9为表示本实施方式相关的车载装置中的事件数据的表示方法的例子的图。
车载终端装置30接收从中心装置10配送的事件数据，将该所接收到的事件数据显示在车载终端装置30的显示装置中。此时，如图9所示，中心装置10给通过已有的事件合并完成区间所分配的事件#1、#2、#3添加“已有记录标志”并配送，对通过新探测数据所分配的事件#4、#5添加“新记录标志”并配送。而且，车载终端装置30将添加有“已有记录标志”的事件数据和添加有“新记录标志”的事件数据，按照通过其颜色和形状等而可互相识别的方式，显示在显示装置上。
此外，对于车载终端装置30自身所检测到的事件，在存在被配送的事件数据中不包括的事件时，车载终端装置30将其自身所检测出的事件按照通过其颜色和形状等与被配送的事件可识别的方式，显示在显示装置上。
图10为表示本实施方式相关的中心装置的动作流程的图。如图10所示，中心装置10接收到从车载终端装置30所发送的上传通知时(步骤S31)，基于该上传通知中所添附的该车辆的当前位置信息，参照主成分得分矢量存储部22，来判定该车辆行驶中的道路路段中是否有事件合并完成区间(步骤S32)。并且，在该道路路段中有事件合并完成区间时(步骤S32是)，中心装置10将该事件合并完成区间相关的主成分得分矢量向车载终端装置30发送(步骤S33)。另一方面，在没有事件合并完成区间时(步骤S32否)，将无条件上传请求向车载终端装置30发送(图示省略，但相当于图3步骤S14)。
接下来，中心装置10，接收到从车载终端装置30发送的探测数据时(步骤S34)，将该所接收的探测数据保存在现状探测数据存储部21中(步骤S35)。之后，中心装置10确认现状探测数据存储部21内保存的数据(探测数据)的时间戳(步骤S36)，判定是否有从现状时间窗宽度偏离的数据(步骤S37)。在该判定结果为有从现状时间窗宽度偏离的数据时(步骤S37是)，将该从现状时间窗宽度偏离的数据从现状探测数据存储部中21除去(步骤S38)。
接下来，中心装置10对于通过上述所接收到的探测数据的事件区间和上述事件合并完成区间所形成的事件合并区间中所包括的探测数据进行主成分分析的特征空间映射处理(步骤S39)。之后，中心装置10进行通过特征空间映射处理所得到的特征空间矢量的变化点检测(步骤S40)，进而基于该变化点分割事件区间(步骤S41)。
接下来，中心装置10通过对步骤S42～步骤S46进行循环处理，而给上述被分割的各个事件区间分配事件标签(参照图6)。该循环处理中，中心装置10，将事件区间和探测数据中所添加的事件检测位置进行对照(步骤S43)，对该事件区间内中存在的探测数据所添加的事件标签进行总计(步骤S44)。之后，将该事件区间中存在的事件标签中数目最多的事件标签作为该事件区间的代表事件标签分配(步骤S45)。
最后，中心装置10将通过以上的事件标签的分配而被加标签的事件数据配送到车载终端装置30(步骤S47)。另外，配送时的一个事件数据的结构如图2所示，但在如图9所示，将事件数据区分为基于已有探测数据的数据和基于新探测数据的数据时，添加该识别记录标志(“已有”记录标志以及“新”记录标志)。
图11为表示本实施方式相关的车载终端装置的动作流程的图。如图11所示，车载终端装置30从由传感器50所取得的探测数据检测到事件时(步骤S51)，向中心装置10发送“上传通知”(步骤S52)。由此，由于从中心装置10发送主成分得分矢量或无条件上传请求，因此车载终端装置30判定其是否为主成分得分矢量(步骤S53)。
之后，在该判定的结果为不是主成分得分矢量时(步骤S53“否”)，也即是无条件上传请求时，车载终端装置30将探测数据和事件标签上传到中心装置10(步骤S54)。另一方面，在是主成分得分矢量时(步骤S53是)，如图5所示，基于该主成分得分矢量中所包括的矢量合并完成区间的信息对该探测数据进行分割(步骤S55)。
接下来，车载终端装置30，通过上述所接收到的主成分得分矢量对上述已分割的探测数据中现有区间(事件合并完成区间)中所包括的部分探测数据进行正交成分分解(步骤S56：参照图8)，判定该正交成分的范数是否为规定阈值以上(步骤S57)。在该判定结果为该正交成分的范数为规定阈值以上时(步骤S57是)，车载终端装置30将新区间的探测数据和已有区间的正交成分以及事件标签向中心装置10上传(步骤S58)。另一方面，在该正交成分的范数没有达到规定阈值时(步骤S57否)，车载终端装置30将新区间的探测数据和事件标签向中心装置10上传(步骤S59)。
接下来，车载终端装置30接收从中心装置10配送的事件数据(步骤S60)，将所接收的事件数据显示在显示装置中(步骤S61)。关于其显示方法，如图9所示。
以上，通过本实施方式，车载终端装置30检测出事件时，不将探测数据全部发送给中心装置10，而是在(1)从中心装置10没有发送主成分得分矢量时，(2)存在与从中心装置10发送的主成分得分矢量正交的成分时，(3)位于从中心装置10发送的主成分得分矢量的区间外时，将该探测数据或者与主成分得分矢量正交的成分向中心装置10发送。即在为具有与中心装置10所具有的探测数据的特征相同特征的探测数据时，车载终端装置30不将该探测数据发送给中心装置10。因此，即使通过多个车辆的车载终端装置30检测出相同的事件，但在为与该探测数据类似的数据时，上述探测数据重复，不向中心装置10发送。因此，能够削减从车载终端装置30向中心装置10发送的探测数据的量，其结果也能减轻中心装置10的处理负荷。
此外，通过本实施方式，通过主成分分析法的特征空间映射处理而从多个探测数据抽出类似的特征数据，给该抽出的特征数据所存在的道路区间分配事件。该主成分分析法仅为从多个数据中抽出互相相关的特征数据，因此如适应共鸣理论所示，不需要教学数据，此外得到不依赖于探测数据的种类，也即不依赖于传感器50的种类和其个体差的结果。因此，在本实施方式中，即使在中心装置10中相继输入探测数据，中心装置10也实时且持续地从探测数据抽出特征数据，能够将事件分配给该特征数据，进而能够将该分配的事件配送给车载终端装置。
另外，以上所说明的实施方式有各种变形。例如，也可从中心装置10定期地配送主成分得分矢量，车载终端装置30检测到事件时，省略向中心装置10的“上传通知”的发送。此时也可得到与本实施方式相同的效果。
此外，以上所说明的实施方式中的车载终端装置30，能够作为具有通信功能的导航装置的一部分来实现。此时，车载终端装置30，能够将从中心装置10配送的事件数据容易地显示在地图上。因此，车载终端装置30不需要将接受到配送的事件数据，限定为在自车临近产生了该事件的道路路段时才进行显示，随时能够在地图上显示该时刻的事件、即交通信息。
以上所说明的实施方式中，以与车内网络连接的车载终端(以下称作组入探测终端)利用车载传感器数据为前提进行了说明。另一方面，如带GPS的移动电话和PND(Personal Navigation Device)那样，驾驶者从车外拿入并设置在车辆中而利用的携带导航装置(以下称为携带导航终端)，能够将内置GPS的位置数据或加速度传感器和陀螺仪所产生的加速度数据作为探测数据上传到交通信息中心。但是，车载雷达、红外线照相机、滑动传感器等的车载传感器数据，从车辆直接取得而不能上传到交通信息中心。但是，如果能够将来自具有增加倾向的携带导航终端的探测数据用于障碍物检测、冻结检测等的事件检测中，则能够提高事件信息的区域覆盖率。
为了将携带导航装置的探测数据利用于事件检测，需要将上述位置数据、加速度数据与事件发送相关联。在本实施方式的变形中，采用组入探测终端的探测数据作为该关联的指标。以下叙述其具体的方法。
图12为表示本实施例的系统结构的框图。外界探测存储部1201为记录有从组入探测终端所上传的车载雷达、红外线传感器、滑动传感器的数据以及事件检测结果等与外部环境相关的探测数据的存储装置(以下称作外界探测数据)。运动探测存储部1202为记录有GPS、加速度传感器、陀螺仪的数据等、与车辆的运动有关的探测数据(以下称作运动探测数据)的存储装置。外界探测存储部1201和运动探测存储部1202的探测数据通过唯一地表示各行程(trip)的ID(以下称作行程ID)而对应起来。所谓行程是指一台车辆所进行的一次行驶，即使相同时日，如果车辆不同，则为不同行程，即使车辆相同，如果时日不同，也为不同行程。
运动探测分割部1203基于记录在外界探测存储部1201中的外界探测数据，通过与上述的特征空间映射处理部14、变化点检测部15、事件区间分割部16相同的处理，将运动探测存储部1202中所记录的运动探测数据分为正常时(没有检测到障碍物或冻结等的事件时)的运动探测数据和异常时(检测到障碍物或冻结等的事件时)的运动探测数据，分别记录到正常探测存储部1204和异常探测存储部1205。
特征空间生成部1206对记录在正常探测存储部1204中的运动探测数据进行主成分分析，求出基底矢量，生成表示正常时的车辆的运动的特征空间。正常残差检测部1207，将记录在相同的正常探测存储部1204中的运动探测数据映射到所生成的特征空间，求出其残差。另一方面，异常残差检测部1208将记录在异常探测存储部1205中的运动探测数据映射到相同特征空间中，求出其残差。阈值决定部1209，通过对由正常残差检测部1207和异常残差检测部1208所检测出的残差进行比较，而决定用于根据运动探测数据进行正常/异常的判定的阈值。
图13和图14为，以运动探测数据中横向(垂直于道路行进方向的方向)的加速度数据为对象，例示了从基于特征空间生成部1206的基底矢量的计算，到基于正常残差检测部1207和异常残差检测部1208的残差计算和基于阈值决定部1209的阈值计算的一系列处理的示意图。
正常加速度历史记录1301为，根据正常探测存储部1204中记录的运动探测数据，按每个行程描述有与作为处理对象的道路区间上的位置的变化相对的加速度的矩阵数据。正常加速度历史记录1301中，各行表示单一的行程，各列表示作为处理对象的道路区间上的相同位置。在此，作为处理对象的道路区间，例如为将主要交叉点或瓶颈地点之间作为一个单位而区分的道路区间。在特征空间生成部1206中，通过以正常加速度历史记录1301为对象进行主成分分析，从而得到生成可近似正常加速度历史记录1301的特征空间的基底(基底矢量)。扩展该特征空间的基底矢量，在作为处理对象的道路区间上，相当于在各行程中公共的加速度成分。
正常残差检测部1207中，如果按每个行程向基于由特征空间生成部1206所求出的基底矢量所产生的特征空间映射正常加速度历史记录1301，则在每个行程中产生残差。在图13中，对通过基底矢量1303扩展的特征空间1302按每个行程映射正常加速度历史记录时，对各行程的正常加速度历史记录的映射点1304产生残差1305。该残差是指不能由用于生成该特征空间的基底矢量来表示，为行程中固有的加速度成分。
例如，在弯曲的道路中，有按照该曲率的横向的加速度变化，因行驶速度而有大小之差，但在作为处理对象的道路区间中行驶的车辆大多相同，示出了在某位置加速度增加时，在与该位置对应的其他位置加速度减小的这种相关。这是基底矢量的加速度成分。基底矢量不限于一个，对应于对在作为处理对象的道路区间中行驶的车辆中相同的加速度变化的模式的数目，存在多个。在图13的例子中，由与横向的加速度变化的模式对应的基底1，和在某位置加速度增加时，在与其对应的其他位置加速度减小的这种加速度变化的模式对应的基底2这两个基底矢量，生成特征空间。之后，由圆圈表示的各行程的加速度历史记录为由基底矢量表示的公共的加速度成分和在各行程中固有的加速度成分的合成值，通过向由基底矢量1303扩展的特征空间1302的映射，而被分别分解为映射点1304和残差1305。即各行程中固有的加速度成分越多，残差1305越大。
接下来，在图14中，在异常残差检测部1208中，通过对每个行程将根据记录在异常探测存储部1205中的异常时的运动探测数据得到的异常加速度历史记录1306映射到特征空间1302，从而与对正常加速度历史记录1301进行映射的情况相同，求出对映射点1307的残差1308。异常加速度历史记录1306与正常加速度历史记录1301相同，为对每个行程记述加速度相对作为处理对象的道路区间上的位置的变化的矩阵数据，包括伴随着事件检测的回避运动、例如伴随着障碍物回避的急方向盘操作的加速度成分。这种加速度成分，不在各行程中相同地出现，为在由正常加速度历史记录1301的主成分分析得到的基底矢量1303中无法表示的各行程固有的加速度成分。此外，由于为伴随着异常时的操作的加速度成分，因此加速度的值也变大。因此，异常加速度历史记录的各行程中的残差1308具有比正常加速度历史记录的残差1305大的倾向。在此，通过基于两者的残差的分布设定阈值，从而可进行基于特征空间上的残差大小的正常/异常的判定，即事件产生的判定。
图15为将正常加速度历史记录的残差1305的分布1401和异常加速度历史记录的残差1308的分布1402模式化的直方图。横轴为每个行程的残差的大小，纵轴为行程数目。在此，如果设定阈值1403，则能够根据大于阈值的正常加速度历史记录的残差1404的行程数Tn′和正常时的所有行程数Tn的比率，如下式那样算出误报率E。
E＝Tn′/Tn…式1
该误报率E，是虽然没有产生事件，但由于行程的残差大于阈值，因此为判定已产生事件的概率。
同样，根据小于阈值1403的异常加速度历史记录的残差1405的行程数Th′和异常加速度历史记录的所有行程数Th的比率，能够如下式那样算出漏报率M。
M＝Tn′/Tn…式2
该漏报率M，是虽然产生了事件，但由于行程的残差小于阈值，因此为判定没有产生事件的概率。
在事件发生的判定中，可以说误报率E和漏报率M均越低，判定精度越高。但是，由图15可知，如果减小阈值1403，则误报率E变大。如果增大阈值1403，则漏报率变大。阈值决定部1209，决定误报率E和漏报率M的比率，或者对误报率E和漏报率M的任一个决定上限，按照上述误报率E和漏报率M的比例或误报率E和漏报率M的任一个满足规定的上限的方式，根据正常加速度历史记录的残差分布1401和异常加速度历史记录的残差分布1402决定阈值1403。
采用图13、图14、图15进行解说的从特征空间生成部1206到由正常残差检测部1207和异常残差检测部1208所进行的残差的计算和阈值决定部1209所进行的阈值的计算位置的一系列处理，为用于采用从组入探测终端所上传的探测数据，将外界探测数据和运动探测数据相关联，通过运动探测数据的特征空间映射进行事件发生的判定的准备处理。该准备处理，例如采用在过去一个月期间从组入探测终端所上传并包括正常时/异常时双方的行程的探测数据，作为在线处理进行实施。此外，该在线处理以特定的周期反复进行。
接下来，采用由特征空间生成部1206生成的基底矢量所产生的特征空间1302和由阈值决定部1209所决定的阈值1403，对根据携带导航终端的探测数据进行事件发生的判定的在线处理进行说明。
携带导航探测存储部1210为暂时记录从携带导航终端所上传的探测数据的存储装置。由于携带导航终端的制约，不收集外界探测数据，因此从携带导航终端所上传的探测数据被限定为运动探测数据。记录在携带导航探测存储部1210中的探测数据的存储期间例如与在线处理的处理周期相同。携带导航残差检测部1211中，如图16所示，将以记录在携带导航探测存储部1210中的探测数据为基础的加速度历史记录1501，映射到基于由特征空间生成部1206所生成的基底矢量的特征空间1302，而求出映射点1502和残差1503。在事件检测部1212中，将该残差1503和由阈值决定部1209决定的阈值1403进行比较，在残差1503大于阈值1403时，判定产生了事件，相反，判定没有产生事件。
在在线处理的处理周期内，相同道路区间上从携带导航终端上传的探测数据存在多个时，对于各行程，合计事件检测部1212的判定结果，在判定事件产生的行程数比判定没有产生事件的行程数多的情况下，判定在该道路区间上产生事件。
如图13～图16所述的处理，也可采用通过纵向(道路行进方向)的加速度历史记录或位置历史记录的微分所生成的速度历史记录。例如，在障碍物检测中，由于产生基于回避操作的横方向的加速度，因此横向加速度历史记录的使用较晚合适，但在冻结检测中，冻结道中进行抑制了加减速的驾驶，因此纵向加速度历史记录的使用适于解析。
通过以上说明，将组入探测终端的探测数据作为指示数据，可将利用台数丰富的携带导航终端的探测数据用于事件判定。