「プローブコミュニケーション交通情報」は、G-BOOKユーザーの車両からリアルタイムで収集された走行データを基に、独自の交通情報を生成します。
このシステムの特徴は、携帯電話接続によるプローブ車に比べ約60倍※と推定される車載通信機DCMを活用した圧倒的な情報収集力にあります。道路区間毎に送信された走行情報（プローブ情報）は、G-BOOKセンターに蓄積され、VICS情報ではカバーできなかった道路の渋滞情報を加えた高精度な渋滞回避案内を可能にします。
※当社比

ある地点までに要する所要時間を高精度に予測する上で、直近の道路状況から今後の変化を予測する方法と過去の蓄積された統計データを元に今後を予測する方法があります。SUBARU G-BOOK ALPHAでは以下の3つの予測方法を複合的に組み合わせた手法※1を取り入れました。
※1：豊田中央研究所より特許申請中

現在の交通渋滞の伝播現象（渋滞が発生した地点から車の進行方向と逆の後方へ渋滞が伸びる、又は伝わっていく。）から交通流の変化を予測します。

現在の交通状況と似た渋滞状況を過去の事象から検索し、それを元に現況の状況も考慮しながら将来の渋滞変化を予測します。

現時点の交通状況は考慮せずに、過去の渋滞状況から将来変化を推定します。

現時点に近いほど、即ち直近の予測はショートレンジ予測が有効であり、時間が離れるほど、ミドルレンジ、ロングレンジ予測が有効になることに着目しました。それを有機的に複合させたのが「3レンジ複合予測方式」です。 この予測方式を元に、路線毎に渋滞パターンが異なる路線特性や道路の分岐状況など多数の要素を考慮した予測を行います。また、ルート上の分岐点手前などで自動的に予測情報の更新を行います。これにより、長距離においても、高い予測精度を維持すると同時に、周囲の突然の事象現象（事故規制など）も即時に反映することが可能となりました。

ショートレンジ予測では、現在の交通渋滞の周囲への伝播を予測しています。この場合、伝播する速度は、渋滞が起きた要因や、地域、周囲の状況によって異なります。 SUBARU G-BOOK ALPHA ではそれらの経験値や変化要因も含めた複雑な伝播予測を行うことにより、より実態に即した予測情報をタイムリーに提供することが可能です。