JP5169556B2 - 目的地予測装置及び目的地予測方法 - Google Patents

Description

本発明は、車両の目的地を予測する目的地予測装置及び目的地予測方法に関する。

従来、車両の目的地を予測する技術として、エンジンのイグニッションスイッチがオン状態とされるのにともない、現在の自車両位置や曜日等の情報を検出し、所定の走行履歴記憶手段に蓄積されている過去の出発地、到着地、自車両位置、曜日等の履歴に基づいて、現在の自車両位置や曜日が同じ場合における到着地を抽出し、抽出された到着地の中から最も到着回数が多いものを目的地として予測するナビゲーション装置が知られている（特許文献１参照）。
特開２００５−２９２０２９号公報

従来の技術においては、走行履歴の中から最も到着回数が多いものを目的地として予測するようにしているので、例えば月に１回美容院に行く等のように、曜日や時間帯等に依存せずに、頻度が少なくても定期的に発生する確率が高い目的地については予測することが困難であり、利用者に提供することが可能な目的地の予測精度が不十分である場合が生じていた。

本発明は上述した実情に鑑みて提案されたものであり、その目的は定期的に発生する確率が高い目的地についても精度よく予測することができる目的地予測装置及び目的地予測方法を提供することにある。

本発明は、自車両の過去の走行における出発地から到着地までの発着履歴を所定の走行履歴記憶手段に記憶しておき、記憶されている発着履歴に含まれる到着地毎の訪問間隔を算出し、算出された到着地毎の訪問間隔に基づいて、各到着地の定期性の有無を判別し、定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間と、算出された訪問間隔とが一致している到着地があった場合には、その到着地を目的地として予測して利用者に提示する。

本発明によれば、頻度が少なくても定期的に発生する確率が高い行動についても検出することができるようになるため、かかる行動の目的地についても精度よく予測して利用者に提示することができる。

以下、本発明の好適な実施形態としての目的地予測装置について具体的に説明する。

［目的地予測装置の構成］
本発明の実施形態として示す目的地予測装置は、図１に示すように、ＧＰＳ（Global Positioning System）信号を受信するＧＰＳ信号受信部１と、自車両の運転の開始及び終了を検出する運転開始・終了検出部２と、自車両の過去の走行履歴を記憶する走行履歴記憶部３と、地図データを格納する地図データベース４と、施設情報を格納する施設情報データベース５と、当該目的地予測装置を統括的に制御する制御部６と、地図データ及び施設情報をはじめとする各種情報を表示する情報表示部７と、各種情報を入力する情報入力部８とを備える。

ＧＰＳ信号受信部１は、自車両の現在位置の他、日時、月日、曜日を特定するために、ＧＰＳ衛星からＧＰＳ信号を受信する。ＧＰＳ信号受信部１は、受信したＧＰＳ信号に基づく自車両の現在位置、日時、月日、曜日等の情報を制御部６に供給する。運転開始・終了検出部２は、イグニッションキーの状態を検出することにより、自車両の運転の開始及び終了を検出する。運転開始・終了検出部２は、運転の開始及び終了を検出すると、その旨を示す検出情報を制御部６に供給する。

走行履歴記憶部３は、例えばＲＡＭ（Random Access Memory）等を用いて構成され、図２に示すように、運転開始日時・曜日、運転開始地点、及び、運転終了地点等、自車両の過去の走行における発着履歴とともに、図３に示すように、出発地及び到着地の名称と緯度経度を登録地点データベースとして記憶する。この走行履歴記憶部３に記憶された情報は、制御部６によって読み出される。

地図データベース４及び施設情報データベース５は、それぞれ、例えば、キャッシュメモリ、メインメモリ、ハードディスク、ＣＤ、ＭＤ、ＤＶＤ、光ディスク、又は、ＦＤＤ等、一般的な記憶媒体を用いて構成され、自車両の経路案内を行う際に用いる道路情報（リンク情報）を含む地図データ及び施設情報（ノード情報）を格納する。これら地図データベース４及び施設情報データベース５に格納された地図データ及び施設情報は、それぞれ、制御部６によって読み出される。

制御部６は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、又は、ＦＰＧＡ（Field Programmable Gate Array）等、一般的な動作回路を組み合わせて構成され、ＧＰＳ信号受信部１及び運転開始・終了検出部２から供給された情報や、走行履歴記憶部３、地図データベース４及び施設情報データベース５から読み出した情報に基づいて、当該目的地予測装置を統括的に制御する。なお、この制御部６の構成については、後述するものとする。

情報表示部７は、例えばＣＲＴ（Cathode Ray Tube）や液晶ディスプレイ等を用いて構成され、自車両の経路案内を行う際に、制御部６の制御のもとに、地図データベース４や施設情報データベース５に格納されている地図データ及び施設情報をはじめとする各種情報を表示し、運転者に目的地までの経路を提示する。

情報入力部８は、例えば、タッチパネル、リモートコントローラ、機械式スイッチ、又は音声入力装置等の入力デバイスを用いて構成され、制御部６の制御のもとに、出力されたメッセージや提示されたリストに対して利用者が返答入力を行うために設けられる。この情報入力部８を介して入力された情報は、制御部６に供給される。

［制御部の構成］
制御部６は、各到着地毎に訪問間隔を算出する訪問間隔算出部６１と、各到着地の定期性の有無を判別する定期性有無判別部６２と、走行履歴記憶部３に記憶された発着履歴を検索する発着履歴検索部６３と、この発着履歴検索部６３によって検索された発着履歴に含まれる到着地の中から目的地を予測する目的地予測部６４と、運転開始・終了検出部２によって運転の開始及び終了を検出した際の地点の名称を検索する地点名称検索部６５と、目的地までの経路を算出する経路算出部６６とを有する。

訪問間隔算出部６１は、走行履歴記憶部３に記憶されている発着履歴に基づいて、各到着地毎に訪問間隔を算出する。訪問間隔算出部６１は、算出した訪問間隔を示す情報を定期性有無判別部６２及び目的地予測部６４に供給する。定期性有無判別部６２は、訪問間隔算出部６１によって算出された各到着地毎の訪問間隔に基づいて、各到着地の定期性の有無を判別する。定期性有無判別部６２は、定期性があるものと判別した到着地を示す情報を目的地予測部６４に供給する。

発着履歴検索部６３は、ＧＰＳ信号受信部１から供給された自車両の現在位置、日時、月日、曜日等の情報と、運転開始・終了検出部２によって運転開始が検出された際の出発位置とを検索条件として、その検索条件に合致する発着履歴を走行履歴記憶部３から検索する。発着履歴検索部６３は、検索結果を示す情報を目的地予測部６４に供給する。

目的地予測部６４は、発着履歴検索部６３によって検索された発着履歴に含まれる到着地のうち、定期性有無判別部６２によって定期性があるものと判別された到着地について、最終訪問時から現在までの経過時間と、訪問間隔算出部６１によって算出された訪問間隔とを比較し、これら経過時間と訪問間隔とが略一致している到着地があった場合には、その到着地を目的地として予測する。目的地予測部６４は、予測した目的地を示す情報を経路算出部６６に供給する。

地点名称検索部６５は、運転開始・終了検出部２によって運転の開始及び終了が検出された際の地点が走行履歴記憶部３における登録地点データベース内に記憶されていない場合に、その地点の名称を運転の開始及び終了が検出された地点から検索する。地点名称検索部６５は、検索した地点の名称のうち、情報入力部８を介して選択された名称を当該地点の名称として登録地点データベースに登録する。

経路算出部６６は、目的地予測部６４によって目的地が予測されると、その目的地までの経路を算出する。経路算出部６６は、算出した経路を示す情報を、情報表示部７を介して運転者に提示する。

［目的地予測装置の動作］
このような目的地予測装置は、曜日や時間帯等のみならず、到着地の定期性も考慮して目的地を予測する。

例えば図４に示すような発着履歴に基づいて、「１２月２２日（日）に自宅を出発」するときの目的地を予想する場合を考える。従来の目的地予測装置においては、かかる発着履歴に基づいて目的地を予想しようとした場合には、「出発地＝自宅」且つ「曜日＝日曜日」である到着地を検索すると、スーパーが１０回、ペットショップが５回、会社が５回、美容院が４回となることから、最も訪問回数が多いスーパーを最も訪問する確率の高い目的地であると予測することになる。しかしながら、美容院を訪問する間隔を算出すると全て６週間となっており、また、最後に美容院を訪問してから１２月２２日までの経過時間もちょうど６週間であることを考慮すると、利用者は美容院を定期的に訪問していることがわかり、現在、最終訪問時からちょうど６週間経過していることから、美容院へ行く可能性が高いことがわかる。

本発明の実施形態として示す目的地予測装置においては、従来の目的地予測装置では対応することができなかった、かかる曜日や時間帯とは異なる各到着地毎に固有の定期性を考慮した目的地予測を行う。

[発着履歴記憶処理]
まず、走行履歴記憶部３に対する発着履歴記憶処理について説明する。

目的地予測装置においては、先に図２に示したように、自車両の運転がある度に、運転開始日時・曜日、運転開始地点、及び、運転終了地点を発着履歴として走行履歴記憶部３に累積記憶させるとともに、図３に示したように、過去に走行を開始して終了した地点の緯度経度とそれに付与された地点名称とを登録地点データベースとして走行履歴記憶部３に累積記憶させる。

また、目的地予測装置においては、登録地点データベースに記憶されていない地点での出発及び到着がなされた場合には、地点名称検索部６５により、その地点の緯度経度に近い地点名称を施設情報データベース５から検索し、候補名称として情報表示部７を介して利用者に提示する。これに応じて、利用者は、リスト提示された候補名称の中から、情報入力部８を介して所望の地点の名称を選択する。これにより、目的地予測装置においては、情報入力部８を介して選択された名称を、新規地点の名称として地点名称検索部６５によって登録地点データベースに登録することができる。

目的地予測装置は、このようにして走行履歴記憶部３に対して発着履歴と登録地点データベースとを記憶させることにより、目的地予測を行うことが可能となる。具体的には、目的地予測装置においては、以下に示す定期性有無判別処理を行うことにより、発着履歴に含まれる各到着地の定期性の有無を判別し、その結果に基づいて、目的地予測処理を行う。

[定期性有無判別処理]
具体的には、目的地予測装置は、図５に示すような一連の手順にしたがって、走行履歴記憶部３に記憶された発着履歴に含まれる各到着地の定期性の有無を判別する。

まず、目的地予測装置において、訪問間隔算出部６１は、図５に示すように、ステップＳ１において、登録地点データベースに地点が登録されているか否かを判別する。ここで、目的地予測装置は、登録されている地点がない場合には、そのまま一連の定期性有無判別処理を終了する。一方、目的地予測装置は、登録されている地点があった場合には、ステップＳ２において、訪問間隔算出部６１により、登録地点データベースに登録されている地点のうち、まだ定期性有無の判別を行っていない１つの地点を選択する。

続いて、訪問間隔算出部６１は、ステップＳ３において、走行履歴記憶部３に記憶された発着履歴を参照し、ステップＳ２にて選択された地点に対して３回以上訪問しているか否かを判別する。なお、３回以上の訪問としているのは、訪問回数が２回以下である場合には、訪問間隔が１つしか算出されず、２つ以上の訪問間隔を比較することができないために定期性の判別を行うことができないためである。そこで、訪問間隔算出部６１は、訪問回数の閾値として３回という下限を設けている。ただし、より高精度で定期性を判別する場合には、３回ではなく、４回以上の訪問回数を条件としてもよい。目的地予測装置は、３回以上訪問していない場合には、ステップＳ８へと処理を移行する一方で、３回以上訪問していた場合には、ステップＳ４へと処理を移行する。

目的地予測装置は、ステップＳ４へと処理を移行すると、訪問間隔算出部６１により、ステップＳ２にて選択された地点の訪問間隔を全て算出する。このとき、訪問間隔算出部６１は、日数単位で算出するようにしてもよく、また、時間単位、分単位、秒単位で算出するようにしてもよい。

続いて、目的地予測装置は、ステップＳ５において、訪問間隔算出部６１により、ステップＳ４にて算出された訪問間隔を用いて、訪問間隔の平均値及び標準偏差を算出する。目的地予測装置は、ここで算出した標準偏差、すなわち、訪問間隔のばらつきの程度の大きさに基づいて、定期性の有無を判別する。

すなわち、目的地予測装置は、ステップＳ６において、定期性有無判別部６２により、ステップＳ５にて算出された標準偏差の大きさが２日以下であるか否かを判別し、２日よりも大きい場合には、ステップＳ８へと処理を移行する一方で、２日以下である場合には、ステップＳ７において、定期性があるものと判別する。なお、ここでは、標準偏差の上限を２日としているが、目的地予測装置においては、ばらつきが全くなく全ての訪問間隔が一致している場合にのみ、定期性があるものと判別するようにしてもよく、また、標準偏差の上限を訪問間隔の平均値の大きさに応じて変化させるようにしてもよい。例えば、目的地予測装置においては、訪問間隔の平均値が７日未満である場合には、定期性があるものと判別するための標準偏差を０日とし、訪問間隔の平均値が８日以上１４日未満である場合には、定期性があるものと判別するための標準偏差を１日とし、訪問間隔の平均値が１４日以上２１日未満である場合には、定期性があるものと判別するための標準偏差を２日とし、訪問間隔の平均値が２１日以上である場合には、定期性があるものと判別するための標準偏差を７日とする、といったように、標準偏差が平均値と比べて十分に小さい場合に、定期性があるものと判別するようにしてもよい。

以上により、目的地予測装置は、ステップＳ２にて選択された地点についての定期性の有無を判別することができる。そして、目的地予測装置は、ステップＳ８において、まだ定期性の有無の判別を行っていない地点が登録地点データベースに地点が登録されているか否かを判別する。目的地予測装置は、定期性の有無の判別を行っていない地点がある場合には、ステップＳ２からの処理を繰り返す一方で、かかる地点がない場合には、一連の定期性有無判別処理を終了し、図６に示すような一連の手順にしたがって、定期性を利用した目的地予測処理を行う。

[目的地予測処理]
まず、目的地予測装置は、図６に示すように、ステップＳ１１において、運転開始・終了検出部２によってイグニッションキーが差し込まれたか否かを判別することにより、運転開始の有無を判別する。目的地予測装置は、イグニッションキーが差し込まれたのを検出するまで処理を繰り返し、イグニッションキーが差し込まれたのを検出すると、ステップＳ１２において、ＧＰＳ信号受信部１により、イグニッションキーが差し込まれた時点、すなわち、運転開始時点での自車両の現在位置（出発地）日時、月日、曜日等の情報を取得する。

続いて、目的地予測装置は、ステップＳ１３において、発着履歴検索部６３により、ステップＳ１２にて取得した出発地に近い登録地点名称を走行履歴記憶部３における登録地点データベースから検索し、「出発地がその登録地点名称」であることを検索条件として、走行履歴記憶部３に記憶されている発着履歴を検索する。

そして、目的地予測装置は、ステップＳ１４において、目的地予測部６４により、ステップＳ１３にて検索された発着履歴に含まれる各到着地の中に、先に図５を用いて説明した定期性有無判別処理にて定期性があるものと判別された地点があるか否かを判別する。

ここで、目的地予測装置は、定期性があるものと判別された地点がなかった場合には、ステップＳ１７へと処理を移行し、目的地予測部６４により、最も訪問回数が多い地点を目的地であるものと判別し、ステップＳ１８へと処理を移行する。

一方、目的地予測装置は、定期性があるものと判別された地点がある場合には、ステップＳ１５において、目的地予測部６４により、ステップＳ１４にて判別された定期性のある地点のそれぞれについて、各到着地への訪問がどの程度の確率で生じるのかを表す指標としての定期性評価値Ｐを算出する。具体的には、目的地予測部６４は、以下のようにして定期性評価値Ｐを算出する。図７に、ある地点への最終訪問時を原点とした時間（日数）を横軸とし、当該地点への訪問が生じる確率を縦軸としたグラフを示す。また、図７中の関数ｆ（ｔ）は、以下の数式２で表される確率密度関数である。なお、数式２において、μは、ある地点Ａの訪問間隔の平均値であり、σは、地点Ａの訪問間隔の標準偏差である。また、ｔは、地点Ａへの最終訪問時から現在までの経過時間である。

目的地予測部６４は、かかる経過時間ｔと、地点Ａへの訪問間隔の平均値μ及び標準偏差σによって表される確率密度関数ｆ（ｔ）とに基づいて、地点Ａへの訪問が生じる確率、すなわち、定期性評価値Ｐを算出する。目的地予測部６４は、このような方法により、定期性があるものと判別された全ての地点の定期性評価値Ｐを算出する。続いて、目的地予測装置は、ステップＳ１６において、目的地予測部６４により、ステップＳ１５にて算出された定期性がある各到着地の定期性評価値Ｐのうち最も値が高いものを判別し、その定期性評価値Ｐに対応する地点を目的地であるものと判別する。

なお、目的地予測部６４は、定期性評価値Ｐが最も高い到着地を目的地として判別するのではなく、定期性評価値Ｐが高いものから順にリストとして情報表示部７を介して利用者に提示し、そのリストから当該利用者が選択した到着地を目的地として判別するようにしてもよい。また、目的地予測部６４は、最終訪問時から現在までの経過時間ｔが訪問間隔の平均値μと一致している定期性がある地点を目的地であるものと判別するようにしてもよい。さらに、目的地予測部６４は、最終訪問時から現在までの経過時間ｔと訪問間隔の平均値μとの差分が当該訪問間隔の標準偏差σ以内である場合に、当該到着地を目的地として判別するようにしてもよい。

さらにまた、目的地予測部６４は、定期性評価値Ｐを求めるために確率密度関数ｆ（ｔ）を用いているが、その全体を対象とするのではなく、いわゆる３シグマ処理を行うことによって確率が低いものを予め対象外とするようにしてもよい。すなわち、目的地予測部６４は、地点Ａへの最終訪問時から現在までの経過時間ｔと訪問間隔の平均値μの差が標準偏差σの３倍を超えた場合には、その確率が非常に低いことから、定期性評価値Ｐを０と算出するようにしてもよい。また、目的地予測部６４は、同じ定期性評価値Ｐが算出された場合には、訪問回数が多い到着地を目的地として判別すればよい。

目的地予測装置は、このようにして目的地を予測して設定すると、ステップＳ１８において、経路算出部６６により、地図データベース４を用いて現在位置から設定された目的地までの経路を算出し、ステップＳ１９において、算出した経路情報を、情報表示部７を介して利用者に提示し、一連の目的地予測処理を終了する。

目的地予測装置は、このような一連の手順にしたがって、走行履歴記憶部３に記憶された発着履歴に含まれる各到着地の定期性の有無を判別し、その定期性を指標とすることにより、到着地の優先度を上げて目的地を予測することができる。

以上詳細に説明したように、本発明の実施形態として示した目的地予測装置においては、自車両の過去の走行における出発地から到着地までの発着履歴を所定の走行履歴記憶部３に記憶しておき、記憶されている発着履歴に含まれる到着地毎の訪問間隔を訪問間隔算出部６１によって算出し、算出された到着地毎の訪問間隔に基づいて、各到着地の定期性の有無を定期性有無判別部６２によって判別し、定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間と、訪問間隔算出部６１によって算出された訪問間隔とが略一致している到着地があった場合には、目的地予測部６４により、その到着地を目的地として予測して利用者に提示する。これにより、この目的地予測装置においては、頻度が少なくても定期的に発生する確率が高い行動についても検出することができるようになるため、かかる行動の目的地についても精度よく予測して利用者に提示することができる。具体的には、この目的地予測装置においては、定期性有無判別部６２により、訪問間隔算出部６１によって算出された任意の到着地についての訪問間隔が全て一致している場合に定期性があるものと判別することにより、頻度が少なくても定期的に発生する確率が高い目的地を精度よく予測することができる。

また、この目的地予測装置においては、定期性有無判別部６２により、訪問間隔算出部６１によって算出された任意の到着地についての訪問間隔の標準偏差σを算出し、算出した標準偏差σが当該訪問間隔の平均値μと比べて十分に小さい場合に定期性があるものと判別することにより、訪問間隔にばらつきがあった場合であっても、そのばらつきの程度が十分に小さいか否かの判別を行うことができ、定期的に発生する確率が高い目的地をより高精度に予測することができる。

さらに、この目的地予測装置においては、目的地予測部６４により、定期性有無判別部６２によって定期性があるものと判別された任意の到着地への最終訪問時から現在までの経過時間ｔと、訪問間隔算出部６１によって算出された訪問間隔の平均値μとを比較し、その差分が当該訪問間隔の標準偏差σ以内である場合に、当該到着地を目的地として予測することにより、訪問間隔にばらつきがあった場合であっても、そのばらつきの程度が十分に小さいか否かの判別を行うことができ、定期的に発生する確率が高い目的地をより高精度に予測することができる。

さらにまた、この目的地予測装置においては、目的地予測部６４により、定期性有無判別部６２によって定期性があるものと判別された到着地毎に、訪問間隔算出部６１によって算出された訪問間隔の平均値μと標準偏差σとを用いて上式（１）によって表される当該到着地への最終訪問時を原点とした確率密度関数ｆ（ｔ）と、当該到着地への最終訪問時から現在までの経過時間ｔとに基づいて、当該到着地への訪問が生じる確率である定期性評価値Ｐを算出し、算出した定期性評価値Ｐに基づいて目的地を予測することにより、訪問間隔にばらつきがあった場合であっても、そのばらつきの程度が十分に小さいか否かの判別を行うことができ、また、そのような到着地が複数あった場合であっても、より訪問する確率が高い目的地を高精度に予測することができる。

また、この目的地予測装置においては、目的地予測部６４により、定期性有無判別部６２によって定期性があるものと判別された到着地のうち、定期性評価値Ｐが最も高い到着地を目的地として予測することにより、訪問間隔にばらつきがある到着地が複数あった場合であっても、より訪問する確率が最も高い目的地を高精度に予測することができる。さらに、この目的地予測装置においては、目的地予測部６４により、定期性有無判別部６２によって定期性があるものと判別された到着地のうち、定期性評価値Ｐが高い到着地から順にリストとして利用者に提示し、そのリストから当該利用者が選択した到着地を目的地とすることにより、訪問間隔にばらつきがある到着地が複数あった場合であっても、利用者の意図を反映した目的地を高精度に予測することができる。

さらにまた、この目的地予測装置においては、目的地予測部６４により、定期性有無判別部６２によって定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間ｔが訪問間隔の平均値μと一致している到着地を目的地として予測することにより、訪問間隔にばらつきがあった場合であっても、そのばらつきの程度が十分に小さいか否かの判別を行うことができ、定期的に発生する確率が高い目的地をより高精度に予測することができる。

なお、上述の実施の形態は本発明の一例である。このため、本発明は、上述の実施の形態に限定されることはなく、この実施の形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計などに応じて種々の変更が可能であることは勿論である。

本発明の実施形態として示す目的地予測装置の構成について示すブロック図である。 本発明の実施形態として示す目的地予測装置における走行履歴記憶部に記憶される発着履歴の具体例について示す図である。 本発明の実施形態として示す目的地予測装置における走行履歴記憶部に記憶される登録地点データベースの具体例について示す図である。 本発明の実施形態として示す目的地予測装置における走行履歴記憶部に記憶される発着履歴の具体例について示す図であり、従来の目的地予測装置との差異について説明するための図である。 本発明の実施形態として示す目的地予測装置において、定期性有無判別処理を行う際の一連の手順について示すフローチャートである。 本発明の実施形態として示す目的地予測装置において、目的地予測処理を行う際の一連の手順について示すフローチャートである。 定期性評価値の算出方法を説明するための図である。

符号の説明

１ ＧＰＳ信号受信部
２ 運転開始・終了検出部
３ 走行履歴記憶部
４ 地図データベース
５ 施設情報データベース
６ 制御部
７ 情報表示部
８ 情報入力部
６１ 訪問間隔算出部
６２ 定期性有無判別部
６３ 発着履歴検索部
６４ 目的地予測部
６５ 地点名称検索部
６６ 経路算出部

Claims (9)

1. 自車両の過去の走行における出発地から到着地までの発着履歴を記憶する走行履歴記憶手段と、
   前記走行履歴記憶手段に記憶されている発着履歴に含まれる到着地毎の訪問間隔を算出する訪問間隔算出手段と、
   前記訪問間隔算出手段によって算出された到着地毎の訪問間隔に基づいて、各到着地の定期性の有無を判別する定期性有無判別手段と、
   前記定期性有無判別手段によって定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間と、前記訪問間隔算出手段によって算出された訪問間隔とが一致している到着地があった場合、その到着地を目的地として予測して利用者に提示する目的地予測手段と
   を備えることを特徴とする目的地予測装置。
2. 請求項１に記載の目的地予測装置において、
   前記定期性有無判別手段は、前記訪問間隔算出手段によって算出された任意の到着地についての訪問間隔が全て一致している場合に定期性があるものと判別することを特徴とする目的地予測装置。
3. 請求項１に記載の目的地予測装置において、
   前記定期性有無判別手段は、前記訪問間隔算出手段によって算出された任意の到着地についての訪問間隔の標準偏差を算出し、算出した標準偏差が当該訪問間隔の平均値と比べて十分に小さい場合に定期性があるものと判別することを特徴とする目的地予測装置。
4. 請求項３に記載の目的地予測装置において、
   前記目的地予測手段は、前記定期性有無判別手段によって定期性があるものと判別された任意の到着地への最終訪問時から現在までの経過時間と、前記訪問間隔算出手段によって算出された訪問間隔の平均値とを比較し、その差分が当該訪問間隔の標準偏差以内である場合に、当該到着地を目的地として予測することを特徴とする目的地予測装置。
5. 請求項２又は請求項３に記載の目的地予測装置において、
   前記目的地予測手段は、前記定期性有無判別手段によって定期性があるものと判別された到着地毎に、前記訪問間隔算出手段によって算出された訪問間隔の平均値μと標準偏差σとを用いて下記数式によって表される当該到着地への最終訪問時を原点とした確率密度関数ｆ（ｔ）と、当該到着地への最終訪問時から現在までの経過時間ｔとに基づいて、当該到着地への訪問が生じる確率である定期性評価値を算出し、算出した定期性評価値に基づいて目的地を予測することを特徴とする目的地予測装置。
   

   
6. 請求項５に記載の目的地予測装置において、
   前記目的地予測手段は、前記定期性有無判別手段によって定期性があるものと判別された到着地のうち、前記定期性評価値が最も高い到着地を目的地として予測することを特徴とする目的地予測装置。
7. 請求項５に記載の目的地予測装置において、
   前記目的地予測手段は、前記定期性有無判別手段によって定期性があるものと判別された到着地のうち、前記定期性評価値が高い到着地から順にリストとして利用者に提示し、前記リストから当該利用者が選択した到着地を目的地とすることを特徴とする目的地予測装置。
8. 請求項５に記載の目的地予測装置において、
   前記目的地予測手段は、前記定期性有無判別手段によって定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間ｔが訪問間隔の平均値μと一致している到着地を目的地として予測することを特徴とする目的地予測装置。
9. 自車両の過去の走行における出発地から到着地までの発着履歴を所定の走行履歴記憶手段に記憶する走行履歴記憶工程と、
   前記走行履歴記憶手段に記憶されている発着履歴に含まれる到着地毎の訪問間隔を算出する訪問間隔算出工程と、
   前記訪問間隔算出工程にて算出された到着地毎の訪問間隔に基づいて、各到着地の定期性の有無を判別する定期性有無判別工程と、
   前記定期性有無判別工程にて定期性があるものと判別された到着地のうち、最終訪問時から現在までの経過時間と、前記訪問間隔算出工程にて算出された訪問間隔とが一致している到着地があった場合、その到着地を目的地として予測して利用者に提示する目的地予測工程と
   を有することを特徴とする目的地予測方法。

Images