本發(fā)明涉及預測車輛的行駛路徑的裝置。

背景技術：

已知使用各種信息來預測車輛的行駛路徑的技術。通過事先預測車輛的行駛路徑，能夠收集與該行駛路徑有關的各種信息并提供給駕駛員。

作為與其關聯的技術，例如，在專利文獻1中公開了如下技術：根據車輛的當前位置和過去從該車輛發(fā)送的位置信息，判定每條道路的通過概率，預測車輛的行駛路徑。

另外，在專利文獻2中公開了如下技術：根據駕駛員過去的行駛歷史和問卷調查結果，抽出與對象駕駛員傾向性相似的駕駛員的行駛歷史，使用抽出的行駛歷史來預測車輛的行駛路徑。

現有技術文獻

專利文獻1：日本特開2010-267000號公報

專利文獻2：日本特開2010-008284號公報

專利文獻3：日本特開2009-270877號公報

非專利文獻1：j.froehlichetal.,"routepredictionfromtripobservation",sae2008

技術實現要素：

專利文獻1記載的裝置根據自己的行駛歷史進行路徑的預測，所以能夠高精度地預測路徑。但是，在根據自己的行駛歷史進行預測的情況下，無法在一次也未訪問過的區(qū)域中進行路徑預測。

另一方面，在專利文獻2記載的裝置中，能夠使用其他駕駛員的行駛歷史來進行路徑預測。但是，即使在自家的鄰近區(qū)域等自己的行駛歷史足夠的情況下，也無法利用自己的行駛歷史，所以導致路徑預測的精度降低。

為了解決這些問題，需要進行如下的使用區(qū)分：在足夠地積蓄有自己的行駛歷史的區(qū)域使用自己的行駛歷史；在未足夠地積蓄自己的行駛歷史的區(qū)域使用他人的行駛歷史。

本發(fā)明是考慮上述課題而完成的，其目的在于提高路徑預測的精度。

本發(fā)明的路徑預測裝置根據第一車輛的當前位置預測所述第一車輛的行駛路徑，其特征在于，具有：存儲單元，根據從包括所述第一車輛在內的多個車輛收集到的信息生成行駛路徑信息并存儲，所述行駛路徑信息是與各個車輛行駛過的路徑關聯起來的信息；位置信息取得單元，取得作為所述第一車輛的當前位置的第一位置；以及路徑預測單元，使用在所述存儲單元中存儲的行駛路徑信息中的、表示所述第一車輛的路徑的第一路徑信息和表示第二車輛的路徑的第二路徑信息中的至少任意一個路徑信息，來預測所述第一車輛的行駛路徑，所述第二車輛是除所述第一車輛以外的車輛，所述路徑預測單元根據所述第一位置處的所述第一車輛的過去的行駛記錄，決定在預測行駛路徑時所使用的所述第一路徑信息的利用比例。

第一車輛是指要預測行駛路徑的對象的車輛，第二車輛是指除第一車輛以外的車輛。另外，存儲單元是根據從第一車輛以及第二車輛收集到的信息，存儲與車輛過去行駛過的路徑有關的信息(行駛路徑信息)的單元。典型地，行駛路徑信息通過與道路網絡對應的節(jié)點、鏈路的列來表示，但只要與車輛行駛過的路徑有關，則不限于此。

路徑預測單元使用行駛路徑信息中的、表示第一車輛的路徑的信息(第一路徑信息)和表示第二車輛的路徑的信息(第二路徑信息)中的至少任意一個路徑信息，預測第一車輛的行駛路徑。

為了高精度地預測行駛路徑，優(yōu)選使用與本車輛過去行駛過的路徑有關的信息(即第一路徑信息)。但是，在第一車輛處于本車輛過去未行駛過的區(qū)域(或者行駛次數少而未積蓄有足夠的信息的區(qū)域)的情況下，有時利用其它車輛的信息(即第二路徑信息)的一方能夠得到高精度的預測結果。因此，本發(fā)明的路徑預測裝置根據第一車輛的當前位置的、該車輛的過去的行駛記錄，決定第一路徑信息和第二路徑信息的利用比例。

由此，例如，能夠在本車輛處于行駛記錄不足的區(qū)域的情況下，僅使用其它車輛的路徑信息來進行預測，在本車輛處于行駛記錄足夠的區(qū)域的情況下，僅使用本車輛的路徑信息來進行預測。當然，也可以根據行駛記錄來決定雙方的混合比率。

另外，特征還可以在于，所述存儲單元存儲有多個局部領域中的所述第一車輛的行駛次數，所述路徑預測單元根據與所述第一位置對應的局部領域中的所述第一車輛的行駛次數，決定所述第一路徑信息的利用比例。

例如，存儲單元既可以以用網格分割出的區(qū)域為單位來存儲第一車輛的行駛次數，也可以以與道路對應的鏈路、區(qū)間為單位來存儲第一車輛的行駛次數。這樣，只要能夠將車輛的行駛次數與第一位置對應起來，則局部領域也可以是任意的單位。

另外，特征還可以在于，所述路徑預測單元包括：第一單元，根據所述多個局部領域中的所述第一車輛的過去的行駛次數的多少，對所述多個局部領域賦予得分；以及第二單元，使用所述得分來預測行駛路徑。

在進行路徑的預測時，也可以對局部領域賦予與第一車輛的過去的行駛次數對應的得分，使用該得分來預測行駛路徑。例如，也可以設為第一車輛處于得分越高的區(qū)域則越多地利用第一路徑信息。

另外，特征還可以在于，所述第一單元將所述多個局部領域分割為具有小于預定的閾值的得分的第一區(qū)域和具有預定的閾值以上的得分的第二區(qū)域，在所述第一位置包含于第二區(qū)域的情況下，所述第二單元不使用所述第二路徑信息而預測行駛路徑。

這樣，也可以根據行駛記錄將區(qū)域分割為二個。即，第一區(qū)域是無足夠的行駛記錄的區(qū)域，第二區(qū)域是有足夠的行駛記錄的區(qū)域。在這樣分割了局部領域的情況下，關于第二區(qū)域，通過僅使用第一路徑信息來進行預測，能夠得到精度更高的預測結果。

另外，特征還可以在于，所述第一單元在分割了所述多個局部領域后，擴展所述第二區(qū)域的面積。

在以局部領域為單位分割區(qū)域的情況下，有時導致在由有行駛記錄的區(qū)域包圍的形狀中散布有無行駛記錄的區(qū)域。例如，在雖然在某區(qū)域中無行駛記錄但在附近的區(qū)域中有行駛記錄的情況下，有時優(yōu)選視為有行駛記錄的區(qū)域來處理。

關于擴展，例如，在局部領域是網格的情況下，也可以擴展至在四個方向(或者八個方向)鄰接的方格，在局部領域是道路鏈路(區(qū)間)的情況下，也可以擴展預定的數量的鄰接的鏈路(區(qū)間)。另外，擴展的范圍也可以是一個方格(一個鏈路或者一個區(qū)間)以上。

另外，特征也可以在于，與所述第一位置對應的局部領域的得分越高，所述第二單元越提高所述第一路徑信息的利用率。

另外，特征還可以在于，所述行駛路徑信息是在由鏈路構成的道路網絡中，針對每個鏈路分叉的部位記錄有車輛流出的鏈路即流出源鏈路、車輛流入的鏈路即流入目的地鏈路和從所述流出源鏈路遷移到流入目的地鏈路的車輛的臺數的信息，所述第二單元根據鏈路之間的車輛的遷移臺數，預測一條以上的行駛路徑。

例如，當四條鏈路在交叉點接合的情況下，分別記錄從某鏈路流出而流入到剩余的三條鏈路的車輛的臺數。在使用這樣的信息時，能夠決定在分叉處遷移的概率最高的鏈路，能夠利用于路徑的預測。此外，預測的行駛路徑未必是一個。

另外，特征還可以在于，所述第二單元根據在鏈路分叉的部位所述鏈路之間的車輛的遷移臺數，針對每個流入目的地鏈路計算車輛遷移的概率，從所述第一位置開始依次追蹤概率最高的鏈路，從而預測行駛路徑。

這樣，每當產生分叉時，能夠一邊決定接下來要行駛的概率高的鏈路一邊追蹤鏈路，從而生成預測路徑。

另外，特征還可以在于，所述第二單元也可以根據計算出的多個概率的偏差，決定是否從相應的鏈路起使前方的預測路徑分叉。

在每條鏈路的遷移概率的偏差低的情況下，對多條鏈路關聯起相似的值的概率，意味著無法以高的準確度預測其前方的路徑。因此，在這樣的情況下，也可以使預測路徑分叉(也就是使預測路徑增加到多個)。

此外，本發(fā)明能夠特定為包括上述單元的至少一部分單元的路徑預測裝置。另外，還能夠特定為所述路徑預測裝置進行的路徑預測方法。上述處理、單元只要不產生技術上的矛盾，就能夠自由地組合來實施。

根據本發(fā)明，能夠提高路徑預測的精度。

附圖說明

圖1是第一實施方式的路徑預測系統的系統結構圖。

圖2是通過鏈路和節(jié)點表示道路彼此的連接關系的例子。

圖3是行駛歷史表格的例子。

圖4是行駛路徑信息的例子。

圖5是例示多個車輛行駛過的路徑的圖。

圖6是示出在第一階段中執(zhí)行的處理的流程圖。

圖7是示出在第二階段中執(zhí)行的處理的流程圖。

圖8是說明生活圈的判定方法的圖。

圖9是說明生活圈的判定方法的圖。

圖10是說明第一實施方式中的行進方向的預測的圖。

圖11是說明第二實施方式中的行進方向的預測的圖。

附圖標記說明

10：路徑預測裝置；11、21：通信部；12：存儲部；13：路徑信息收集部；14：路徑預測部；20：車載終端；22：位置信息取得部；23：輸入輸出部。

具體實施方式

(第一實施方式)

<系統結構>

以下，參照附圖說明本發(fā)明的優(yōu)選的實施方式。

第一實施方式的路徑預測系統是如下系統：存儲與多個車輛過去行駛過的路徑有關的信息，在從某車輛(以下稱為預測對象車輛)接受到請求的情況下，根據該車輛的當前位置，預測該車輛從該位置要行駛的路徑。

圖1是第一實施方式的路徑預測系統的系統結構圖。

本實施方式的路徑預測系統包括路徑預測裝置10和車載終端20。

另外，本實施方式的路徑預測系統執(zhí)行：(1)第一階段，路徑預測裝置10從多個車載終端20周期性地收集當前位置，根據收集到的當前位置，生成并積蓄與車輛的行駛路徑有關的信息(以下稱為行駛路徑信息)；以及(2)第二階段，路徑預測裝置10從預測對象車輛(車載終端20)取得當前位置，預測行駛路徑并回送預測結果。

首先，說明路徑預測裝置10。路徑預測裝置10包括通信部11、存儲部12、路徑信息收集部13以及路徑預測部14。

通信部11是通過經由通信線路(例如移動電話網)訪問網絡而進行與車載終端20的通信的單元。

存儲部12是存儲有裝置的動作所需的信息的單元。在本實施方式中，存儲部12存儲(1)地圖信息、(2)行駛歷史信息以及(3)行駛路徑信息這三種信息。

對各數據進行說明。

地圖信息是指定義了車輛可行駛的道路的信息的道路地圖數據，在本實施方式中，是指通過鏈路(link)和節(jié)點(node)表現道路彼此的連接關系的數據。圖2是通過鏈路和節(jié)點表示道路彼此的連接關系的例子。此外，在本實施方式中，即使是相同的道路，根據行進方向，對鏈路也賦予不同的標識符(在圖2中僅例示單方向)。

行駛歷史信息是指從車輛收集到的位置信息的歷史。在本實施方式中，通過圖3所示的表格形式來管理車輛id、取得日期時間以及位置信息。此外，關于位置信息，只要能夠確定車輛的行駛位置，則可以是任意的形式。例如，可以是gps坐標(緯度以及經度)、哈希值、與道路對應的鏈路的id等。在圖3的例子中，作為位置信息使用鏈路的id。

行駛路徑信息是指與多個車輛的過去的行駛中的路徑有關的信息，在本實施方式中，如圖4所示，是指按臺數而記錄有在發(fā)生分叉的節(jié)點車輛向哪個鏈路行進了的數據。

例如，在圖2所示的網絡中，設為三臺車輛在圖5那樣的路徑中各自行駛(虛線表示同一節(jié)點的范圍)。在此，在著眼于鏈路l2(表格2)時，可知所有車輛流入到鏈路l3。另外，在著眼于鏈路l6(表格6)時，可知一臺流入到鏈路l3，一臺流入到鏈路l7。行駛路徑信息根據行駛歷史信息而生成。

路徑信息收集部13是根據從多個車載終端20收集到的行駛歷史信息，生成或者更新與該多個車輛對應的行駛路徑信息的單元。具體而言，進行如下處理：從對象的車輛周期性地收集位置信息，與在存儲部12中存儲的地圖信息對照，確定車輛所存在的鏈路，在按時間序列取得鏈路之間的移動后，將記錄追加到上述的行駛歷史信息。

此外，以行程為單位來進行向行駛歷史信息的反映。行程是車輛從開始行駛至結束行駛的單位。行程例如既可以從起動引擎至引擎停止為止，也可以從開始移動至停車后經過預定的時間為止。

路徑預測部14是根據從預測對象車輛取得的當前位置和存儲在存儲部12中的信息，來預測預測對象車輛從該位置要行駛的路徑的單元。關于具體的處理內容，后述。

接下來，說明車載終端20。

車載終端20是搭載于車輛、與路徑預測裝置10進行通信的終端。

通信部21是通過經由通信線路訪問網絡而進行與路徑預測裝置10的通信的單元。關于使用的協議以及通信方式，只要使用與通信部11相同的協議以及通信方式即可。

位置信息取得部22是從裝置所具備的gps模塊(未圖示)取得車載終端20的當前位置(緯度以及經度)的單元。

輸入輸出部23是受理用戶進行的輸入操作并對用戶提示信息的單元。在本實施方式中，由一個觸摸面板顯示器構成。也就是說，由液晶顯示器及其控制單元、觸摸面板及其控制單元構成。

路徑預測裝置10以及車載終端20都能夠構成為具有cpu、主存儲裝置、輔助存儲裝置的信息處理裝置。通過將輔助存儲裝置中存儲的程序載入到主存儲裝置并由cpu執(zhí)行，從而圖1所圖示的各單元發(fā)揮功能。此外，圖示的全部功能或者一部分功能也可以使用專門設計的電路來執(zhí)行。

接下來，說明各階段的具體的處理內容。

第一階段是路徑預測裝置10從多個車載終端20周期性地收集當前位置、并生成(更新)行駛路徑信息的階段。圖6是示出路徑預測裝置10在第一階段中執(zhí)行的處理的流程圖。

首先，在步驟s11中，從搭載于多個車輛的車載終端20周期性地收集位置信息。由此，由車載終端20(位置信息取得部22)取得的位置信息經由通信線路被發(fā)送到路徑預測裝置10。

在步驟s12中，首先，以行程為單位整理所收集到的位置信息。行程例如既可以設為從車載終端20的電源接通到斷開為止，也可以設為從引擎起動到停止為止。另外，也可以設為從車輛開始移動至停車后經過預定的時間為止。接下來，一邊參照存儲在存儲部12中的地圖信息，一邊將每個行程所包含的多個位置信息與鏈路對應起來。其結果，以行程為單位得到與車輛行駛過的道路對應的鏈路列。所得到的信息被追加到存儲部12具有的行駛歷史信息。

在步驟s13中，使用在步驟s12中取得的信息，更新存儲部12中存儲的行駛路徑信息。即，依次抽出與行駛過的鏈路對應的表格，根據行進目的地而加上臺數。例如，在步驟s12中，在得到鏈路l2→鏈路l3→鏈路l4這樣的鏈路列的情況下，對表格2的“行進目的地l3”加上1，對表格3的“行進目的地l4”加上1。

接下來，說明第二階段。

第二階段是根據從預測對象車輛接收到的請求，預測該車輛的行駛路徑的階段。圖7是示出路徑預測裝置10在第二階段中執(zhí)行的處理的流程圖。圖7所示的處理在從預測對象車輛接收到路徑預測的請求時開始。路徑預測的請求例如也可以從預測對象車輛周期性地發(fā)送。

首先，在步驟s21中，從預測對象車輛取得位置信息。此外，所取得的位置信息典型的是gps坐標，但是，例如也可以是表示位置信息的哈希值、與道路對應的鏈路id等其它形式。

步驟s22(s221以及s222)是判定所取得的位置信息是否處于預測對象車輛的生活圈內的處理。此外，在本實施方式中，將積蓄有多到在對某車輛進行路徑預測的情況下僅使用該車輛的過去的行駛歷史就能夠單獨地預測路徑的程度的行駛歷史的區(qū)域定義為該車輛的“生活圈”。

說明對預測對象車輛判定生活圈的方法。

首先，在步驟s221中，從行駛歷史信息中抽出與預測對象車輛對應的行駛歷史，映射到網格(grid)。另外，在此將行駛歷史信息設為是與道路對應的鏈路的集合。其結果，如圖8所示，被分割為過去行駛過的區(qū)域和未行駛過的區(qū)域(用陰影線表示的區(qū)域表示過去行駛過的區(qū)域即生活圈)。此外，關于網格的信息既可以與地圖信息一起存儲于存儲部12，也可以依照規(guī)則來生成。在本實施方式中，利用將gps坐標變換為哈希值而得到的信息。

此外，在本例子中，只要行駛過一次就判定為是生活圈，但也可以對行駛次數設定閾值，在行駛超過閾值的情況下，將該區(qū)域作為生活圈來處理。

此外，在通過上述方法對生活圈分類了的情況下，根據網格的大小，有時盡管在附近行駛，卻被判定為是生活圈外(例如用圖8的符號801表示的區(qū)域等)。為了防止這種情況，也可以進行對在步驟s221中設定的生活圈進行擴展的處理。

在本實施方式中，進行將與在步驟s221中判定為生活圈的區(qū)域鄰接的8個區(qū)域也視為是生活圈的處理(步驟s222)。其結果是將圖9的用陰影線表示的區(qū)域設定為生活圈。

在生活圈的設定完成后，在步驟s23中，判定從預測對象車輛取得的位置信息是否處于該車輛的生活圈內。例如，也可以取得與所取得的位置信息對應的哈希值，與在步驟s221中取得的哈希值的一覽進行比較，在包括對應的哈希值的情況下，判定為是生活圈。

在步驟s23中，在判定為預測對象車輛處于生活圈內的情況下，僅使用預測對象車輛的行駛歷史來預測路徑(步驟s24)。關于步驟s24中的預測方法，只要使用現有技術即可，所以詳細的說明省略。

在判定為預測對象車輛不存在于生活圈內的情況下，使用在存儲部12中存儲的行駛路徑信息來實施路徑的預測(步驟s25)。如上所述，行駛路徑信息是記錄有包括預測對象車輛在內的所有車輛如何行進了的信息。

關于在步驟s25中進行的具體的預測方法，以圖10所示的道路網絡為例進行說明。

首先，參照存儲在存儲部12中的地圖信息，取得與從預測對象車輛取得的位置信息對應的鏈路id。在本例子中，設為抽出鏈路l1來作為預測對象車輛的當前位置。

接下來，參照行駛路徑信息，取得從鏈路l1向其它鏈路的行駛臺數。在此，如圖10所示，設為從鏈路l1向鏈路l2的過去的行駛臺數是58臺，從鏈路l1向鏈路l5的過去的行駛臺數是2臺。

在本實施方式中，基于根據行駛路徑信息計算出的偏頗程度，決定分叉處的行進方向。作為表示偏頗程度的尺度，典型地，在此例示平均信息量(平均熵)。在此，能夠通過式(1)表示在存在鏈路x和鏈路y并且車輛向各個鏈路行進的情況下的平均熵h(x、y)。

【式1】

關于平均熵，值越小意味著信息的偏頗越大。也就是說，在此得到的值越小意味著向鏈路x行進的車輛的數量和向鏈路y行進的車輛的數量越偏頗。因此，對平均熵設置閾值，假定為在針對每個分叉計算出的h比閾值小的情況下，預測對象車輛向臺數更多的鏈路行進。在此，在將閾值設為0.3時，在圖10的例子中，從鏈路l1流出時的平均熵為0.00163。因此，假定為向臺數多的鏈路即鏈路l2行進而生成預測路徑(鏈路l1→鏈路l2)。

另一方面，從鏈路l2流出時的平均熵是0.5。也就是說，由于超過閾值，所以無法確定車輛向哪方行進。因此，生成向鏈路l7行進的預測路徑和向鏈路l3行進的預測路徑這兩個預測路徑。即，生成以下的兩條路徑。

預測路徑1：鏈路l1→鏈路l2→鏈路l3

預測路徑2：鏈路l1→鏈路l2→鏈路l7

在從鏈路l3對目的地進行同樣的計算時，最終得到如下的兩條預測路徑。

預測路徑1：鏈路l1→鏈路l2→鏈路l3→鏈路l4

預測路徑2：鏈路l1→鏈路l2→鏈路l7

在本例子中，將預測路徑1以及預測路徑2這兩條預測路徑作為預測結果發(fā)送到車載終端20。另外，車載終端20也可以使用該預測結果來生成導航信息，經由輸入輸出部23提供給駕駛員。

此外，預測路徑未必一定包括車輛的最終目的地。另外，因為距離變長時預測的精度降低，所以也可以在路徑的長度超過預先決定的長度的情況下、預測路徑的總數比預先決定的數量多的情況下，停止預測。另外，也可以計算與預測出的路徑整體對應的行駛概率，在該概率低于預定的值的情況下停止預測。

另外，在本例子中，作為表示偏頗程度的尺度例示了平均熵，但也可以使用方差值。例如，在圖10的例子的情況下，從鏈路l1流出時的方差是784，從鏈路l2流出時的方差是0，從鏈路l3流出時的方差是12.25。在該情況下，也可以針對每個分叉計算臺數的方差，在得到的值為閾值以下的情況下，判定為無偏頗，增加預測路徑。

同樣地，也可以使用概率的平方和等。例如，在圖10的例子的情況下，從鏈路l1向l2行進的概率是58/60，從鏈路l1向l5行進的概率是2/60。也可以將它們分別平方而相加，并與閾值進行比較。在該情況下也可以與方差同樣地，在得到的值為閾值以下的情況下，判定為無偏頗，增加預測路徑。

此外，在本實施方式中固定了閾值，但也可以例如使用預測結果和正確答案，通過學習取得如正確答案最多的那樣的閾值。

如以上說明那樣，第一實施方式的路徑預測裝置在預測對象車輛處于生活圈內的情況下，僅使用從該預測對象車輛收集到的信息來進行路徑的預測，在預測對象車輛不處于生活圈內的情況下，使用從全部車輛收集到的信息來進行路徑的預測。也就是說，在積蓄有足夠的量的行駛歷史的區(qū)域中，僅使用本車輛的歷史來進行路徑預測，所以能夠進一步提高預測精度。另外，即使在除此以外的情況下，通過使用其它車輛的歷史來進行路徑預測，從而也能夠可靠地得到預測結果。

(第二實施方式)

在第一實施方式中，根據預測對象車輛是否處于生活圈內，決定是僅使用本車輛的行駛歷史來進行預測，還是也使用其它車輛的行駛歷史來進行預測。相對于此，第二實施方式是能夠變更各個歷史的利用比例的實施方式。

在第二實施方式中，在以下幾點與第一實施方式不同：(1)不事先進行步驟s13的處理；(2)在從預測對象車輛接受到請求后每次生成行駛路徑信息；以及(3)在生成行駛路徑信息時，生成兩種行駛路徑信息，即僅使用與本車輛對應的信息而生成的行駛路徑信息和僅使用與其它車輛對應的信息而生成的行駛路徑信息。

另外，在第二實施方式中，并非判定是否為生活圈這樣的兩階段，而是根據過去的行駛頻度，對每個區(qū)域賦予得分，根據該得分決定兩種信息的利用比例。得分可設為例如標準化為0～100的值。

在此，在將與其它車輛對應的行駛路徑信息的利用率設為“其它車利用率”時，也可以例如在得分為0的情況下將其它車利用率設為100％(即不使用本車輛的行駛歷史)，在得分是100的情況下將其它車利用率設為0％(即不使用其它車輛的行駛歷史)。

在第二實施方式中，在步驟s25中，根據其它車利用率生成預測路徑。圖11是針對本車輛以及其它車輛的每一個而表示鏈路之間的行進目的地的圖。例如，在根據其它車利用率而對本車輛以及其它車輛的臺數進行加權的基礎上，進行與第一實施方式同樣的處理，從而能夠得到反映出其它車利用率的預測結果。

(變形例)

上述的實施方式僅為一個例子，本發(fā)明能夠在不脫離其主旨的范圍內適當地變更來實施。

例如，在實施方式的說明中，將表示從鏈路向鏈路的車輛的移動的信息作為了行駛路徑信息，但也可以使用與從鏈路向節(jié)點、或者從節(jié)點向鏈路的車輛的移動有關的信息。

另外，也可以定義除鏈路、節(jié)點以外的地標，使用表示該地標與鏈路(或者節(jié)點)之間的車輛的移動的信息。例如，在車輛處于某個鏈路的情況下，也可以計算車輛向位于該鏈路的附近的地標(店鋪、公共設施、自家等)移動的概率，通過與例示的方法并用來進行路徑的預測。例如，也可以在向位于鏈路l1的途中的商業(yè)設施移動的概率的一方比從鏈路l1向鏈路l2移動的概率大的情況下，生成將該商業(yè)設施作為目的地的預測路徑。由此，能夠使預測路徑收斂。

另外，該地標也可以是抽象化的信息。例如，也可以將地標定義為“自家”“工作單位”等，生成定義有從自家出發(fā)的車輛向某個目的地(鏈路、節(jié)點、地標等)移動的概率等的數據，合并使用該數據來進行路徑的推測。其中，在按相同的規(guī)則進行抽象化的范圍過寬時，存在路徑的預測精度降低的擔心，所以抽象化優(yōu)選為針對每個一定大小的地域來進行(例如“東京都○○區(qū)的自家”等)。

另外，在實施方式的說明中，通過車載終端和路徑預測裝置構成路徑預測系統，但無需一定進行分布處理。例如，也可以使車載終端具有例示的功能，在經由網絡取得了必要的數據后單獨進行處理。

另外，在實施方式的說明中，將預測出的路徑直接發(fā)送給了車載終端20，但也可以發(fā)送給其它裝置，并在進一步取得了與該預測出的路徑對應的信息后發(fā)送給車載終端20。