CN101127158A - 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 - Google Patents

预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 Download PDF

Info

Publication number
CN101127158A
CN101127158A CNA2007101407693A CN200710140769A CN101127158A CN 101127158 A CN101127158 A CN 101127158A CN A2007101407693 A CNA2007101407693 A CN A2007101407693A CN 200710140769 A CN200710140769 A CN 200710140769A CN 101127158 A CN101127158 A CN 101127158A
Authority
CN
China
Prior art keywords
highway section
traffic
traffic information
information
border
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2007101407693A
Other languages
English (en)
Other versions
CN101127158B (zh
Inventor
山根宪一郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Faurecia Clarion Electronics Co Ltd
Original Assignee
CHANAWEI INFORMATION Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHANAWEI INFORMATION Co Ltd filed Critical CHANAWEI INFORMATION Co Ltd
Publication of CN101127158A publication Critical patent/CN101127158A/zh
Application granted granted Critical
Publication of CN101127158B publication Critical patent/CN101127158B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

提供一种预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端，该装置通过通信网与交通信息中心连接，交通信息中心每隔规定时间发送与规定道路网相关的实时交通信息，该装置具备信息处理部和信息存储部，信息存储部至少存储有关于道路网所包含的路段的统计交通信息，预测交通信息生成装置在道路网中发生突发事件时，生成其以后的预测交通信息，信息处理部接收从交通信息中心发送的实时交通信息，根据该实时交通信息，检测出道路网中的突发事件，设定预测环境参数，预测环境参数包括与检测出的突发事件对应的交通限制的相关参数，基于设定的预测环境参数和统计交通信息，对突发事件发生时以后的时刻生成道路网的路段的预测交通信息。

Description

预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
技术领域
本发明涉及生成考虑了道路交通突发事件的预测交通信息的预测交通信息生成方法以及预测交通信息生成装置，以及在显示装置显示由该预测交通信息生成装置生成、发送的预测交通信息的交通信息显示终端。
背景技术
在车辆导航装置中，通常作为用于进行车辆的路径引导的引导路径，例如，在地图上显示出到达目的地的路段行驶时间总和最小的路径。计算该引导路径时使用的路段行驶时间的数据，例如，使用对由财团法人日本道路交通信息中心、财团法人道路交通信息通信系统中心、各都道府县警察的交通管制中心等交通信息提供机关(以下，称为交通信息中心)提供的路段行驶时间的实测数据进行统计处理后的统计交通信息。
并且，在本说明书中，将连接某十字路口及与该十字路口相邻的十字路口的道路称为路段(link)，将车辆经过该路段行驶所需要的时间称为路段行驶时间。并且，将该十字路口称为节点(node)。另外，将每单位时间内通过某地点的车辆台数称为交通量。
统计交通信息，是每天、每个时刻，甚至将其分为平日、假日等，对于各路段行驶时间等取得其实测值的平均的交通信息，是想要再现每天的交通状况的信息。但是，当发生交通事故等突发事件时，只根据该统计交通信息不能计算出避开突发事件发生地点的引导路径。因此，以往，在从交通信息中心提供的信息中，由于除了路段行驶时间以外还包含有交通阻塞、事故、通行限制信息等信息，所以在车辆导航装置中，通过将存在交通阻塞、事故、通行限制等的路段的路段行驶时间设为一较大值，来计算出避开该路段的引导路径。
一般情况下，由事故等引起的交通阻塞，会从发生事故的路段向周边的路段波及。因此，在计算引导路径时，不仅是发生事故的路段、也需要将其周边路段的路段行驶时间适当加大。但是，该波及范围取决于事故等的规模以及相关路段的交通量等。因此，在发生了事故等突发事件时，应该将多大程度的周边范围路段的路段行驶时间加大何种程度，这即使是“按照经验”，人为决定也存在困难，为了求出更接近于现实的路段行驶时间，需要某种的模拟手段。
在专利文献1中公开了同时具有微观交通流模拟功能和宏观交通流模拟功能的交通流模拟装置的例子。根据该交通流模拟装置，相对于构成广域道路网的各个道路(路段)，利用道路的形状或车辆的行驶特性等进行微观交通流模拟，计算出该各个道路的交通容量或车辆密度特性等道路的宏观特性信息。然后，对于由具备该分别计算出的宏观特性信息的路段构成的广域道路网，基于其中发生的OD(Origin-Destination)交通量，实施宏观交通流模拟。即，通过进行宏观交通流模拟，将在所述广域道路网中发生的OD交通量分配给各个路段，使其满足等时间原则等交通流分配原则，计算出各个路段的交通量及路段行驶时间。
在该交通流模拟装置中，由于可以将事故等作为交通容量或道路形状的变更来掌握，所以即使发生事故等突发事件，也能计算出与其对应的交通量及路段行驶时间。但是，在发生突发事件时，至少对于发生了该突发事件的路段，有必要再次进行微观交通流模拟。因此，计算机的处理负担相应增大了该部分量，无法避免计算时间变长。另外，在进行宏观交通流模拟时，作为其输入信息，由于需要在现状的交通信息管理系统的基础设施中没有取得的OD交通量，所以怎样取得该OD交通量成为问题。
另外，在专利文献2中公开了同时具有微观交通流模拟功能和宏观交通流模拟功能，不需要OD交通量的交通流模拟装置的例子。根据该交通流模拟装置，在发生事故等突发事件时，将进行回避其发生位置的路径引导时的车辆的行动，与车辆获得的路径引导信息建立关系，进行微观模拟。然后，根据由该路径引导的结果得到的道路交通量，进一步进行路径引导，进行求出由该结果得到的道路交通量等的收敛计算。
该专利文献2公开的交通流模拟装置，与专利文献1的交通流模拟装置相同，需要微观模拟，此外，在路径引导计算中需要收敛计算。因此，进行这些计算处理的计算机的负担不得不变大，计算时间变长。
专利文献1：日本特开平11-144182号公报
专利文献2：日本特开2006-18560号公报
如上所述，在以往公开的技术中，在发生事故等突发事件时，由于需要进行某种形式的微观交通流模拟，所以计算机的处理负荷增大，计算时间变长。因此，对于如广域道路网之类的大规模的道路网，在发生事故等突发事件时，在实用的计算时间之内计算路段的交通量或路段行驶时间等预测信息很困难，或者，需要大规模且高性能的计算机。
发明内容
因此，本发明的目的在于，提供一种预测交通信息生成方法以及预测交通信息生成装置，并提供可以显示其计算结果的交通信息显示终端，所述预测交通信息生成方法以及预测交通信息生成装置，在大规模的道路网中发生事故等突发事件、并对构成该道路网的路段的交通量和路段行驶时间进行预测计算时，能够减轻进行该预测计算用的计算机的处理负荷。
为了达到所述目的，在本发明中，对于预测交通信息生成装置，(a)通过通信网与交通信息中心连接，由该交通信息中心每隔规定的时间发送关于规定的道路网的实时交通信息，(b)具备信息处理部和信息存储部，该信息存储部至少存储有关于在所述道路网中包含的路段的统计交通信息，(c)生成所述道路网中的突发事件发生时的预测交通信息。并且，在该预测交通信息生成装置中，所述信息处理部的特征在于，(1)接收从所述交通信息中心发送的实时交通信息，基于该接收了的实时交通信息检测出所述道路网中的突发事件；(2)设定预测环境参数，所述预测环境参数包括与所述检测出的突发事件对应的交通限制的相关参数；(3)基于所述设定的预测环境参数和所述统计交通信息，对于所述突发事件发生时以后的时刻，生成所述道路网的路段的预测交通信息。
即，在本发明中，预测交通信息生成装置在发生突发事件时，基于设定于该突发事件发生领域的限制对象路段的限制率及限制持续时间等预测环境参数，以及从所述统计交通信息预测的通常时(不发生突发事件时)的预测交通信息，生成突发事件发生时的预测交通信息。因此，至少在突发事件发生后，没有必要实施微观交通流模拟，另外也不需要OD交通量。
并提供一种预测交通信息生成装置，其通过通信网与交通信息中心连接，所述交通信息中心每隔规定的时间发送与规定的道路网相关的实时交通信息，所述预测交通信息生成装置具备信息处理部和信息存储部，所述信息存储部至少存储有关于所述道路网所包含的路段的统计交通信息，所述预测交通信息生成装置在所述道路网中发生突发事件时，生成其以后的预测交通信息，所述预测交通信息生成装置的特征在于，所述信息处理部，接收从所述交通信息中心发送的实时交通信息，根据该接收了的实时交通信息，检测出所述道路网中的突发事件，设定预测环境参数，所述预测环境参数包括与所述检测出的突发事件对应的交通限制的相关参数，基于所述设定的预测环境参数和所述统计交通信息，对于所述突发事件发生时以后的时刻，生成所述道路网的路段的预测交通信息。
并提供一种交通信息显示终端，其具备操作部和显示部，从所述操作部获得识别地点或地域的信息，在所述显示部表示与包含该地点或地域的道路网相关的交通信息，其特征在于，所述交通信息显示终端通过通信网与预测交通信息生成装置连接，所述预测交通信息生成装置具备存储有关于规定的道路网的统计交通信息的信息存储部，根据每隔规定时间从交通信息中心发出的实时交通信息，检测出所述道路网中的突发事件，对应于该检测出的突发事件设定用于生成预测交通信息的预测环境参数，基于该设定了的预测环境参数和所述统计交通信息，生成所述道路网的路段的预测交通信息，在从所述操作部输入识别地点或地域的信息时，获得该输入的识别地点或地域的信息，在预测交通信息的发信要求上附上该获得的识别地点或地域的信息，对预测交通信息生成装置发送附上有该信息的发信要求，对应于该预测交通信息的发信要求，接收从所述预测交通信息生成装置发送的包含所述地点或地域的道路网的路段的预测交通信息，将该接收了的预测交通信息在所述显示部显示。
发明效果
根据本发明，可减轻在道路网中发生事故等突发事件时，生成构成该道路网的路段的预测交通信息时的电脑的处理负荷。
附图说明
图1是对于本发明的实施方式的预测交通信息生成装置以及车辆导航装置来显示其功能块的构成例的图；
图2是表示本发明的实施方式的预测交通信息生成装置中的发生突发事件时的预测交通信息生成处理的流程例的图；
图3是表示本发明的实施方式的预测交通信息生成装置中的实时交通信息的数据构成例的图；
图4是表示本发明的实施方式的预测交通信息生成装置中的统计交通信息的数据构成例的图；
图5是表示本发明的实施方式的预测交通信息生成处理中的预测环境参数实际信息的例子的图；
图6是表示本发明的实施方式的预测交通信息生成装置中的发生突发事件时的交通状况预测的处理的流程要点的图；
图7是本发明的实施方式的预测交通信息生成装置中为了说明交通状况预测处理的流程而表示发生突发事件路段周边的道路网的构成例的图；
图8是表示在本发明的实施方式的预测交通信息生成装置中的突发事件发生时的交通状况预测处理中，计算边界路段的预测交通信息的处理流程的例子的图；
图9是表示在本发明的实施方式的预测交通信息生成装置中的突发事件发生时的交通状况预测处理中，计算上游路段的预测交通信息的处理流程的例子的图；
图10是表示本实施方式的限制对象路段中的限制率的时间推移的修正模型的图；
图11是表示在本发明的实施方式的预测交通信息生成装置中，根据道路的种类分配边界路段的滞留交通量时的分配比的例子的图；
图12是表示在本发明的实施方式的车辆定位装置中，使用了发生突发事件时的预测交通信息的引导路径探索的顺序的图；
图13是表示在本发明的实施方式的车辆导航装置中，显示引导路径的显示画面的例子的图。
图中，
1-预测交通信息生成装置；2-交通信息中心；3-车辆导航装置；4-基地局；5-通信网；10-信息处理部；11-突发事件检测部；12-预测环境设定部；13-通常时交通状况预测部；14-突发事件发生时交通状况预测部；15-信息收发部；20-信息存储部；21-实时交通信息；22-统计交通信息；23-预测交通信息；31-信息处理部；32-通信部；33-显示部；34-现在位置检测部。
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说明。
图1是对于本发明的实施方式的预测交通信息生成装置以及车辆导航装置来显示其功能块的构成例的图。如图1所示，预测交通信息生成装置1包括信息处理部10和信息存储部20构成，其中，信息处理部10由突发事件检测部11、预测环境设定部12、通常时交通状况预测部13、突发事件发生时交通状况预测部14及信息收发部15构成；信息存储部20存储实时交通信息21、统计交通信息22及预测交通信息23等信息。
此处，信息处理部10包括图中没有表示的CPU(Central ProcessingUnit)、半导体存储器以及硬盘装置等而构成。该半导体存储器或硬盘装置中储存有规定的程序，通过CPU执行该程序，实现构成信息处理部10的功能块11～15的功能。另外，信息存储部20通常由图中没有表示的硬盘装置构成，但该硬盘装置也可以与构成信息处理部10的硬盘装置构成为一体。
预测交通信息生成装置1通过互联网等通信网5与交通信息中心2连接，每隔规定的时间(例如，5分钟)从交通信息中心2接收实时交通信息的送信。从交通信息中心2发送的实时交通信息，作为实时交通信息21被存储于信息存储部20。另外，预测交通信息生成装置1通过通信网5、手机网络的基地局4等，与搭载于车辆上的车辆导航装置3(也称为“交通信息显示终端”)连接。
预测交通信息生成装置1通过对所述发送的实时交通信息21进行积累并进行统计处理，从而生成统计交通信息22。另外，预测交通信息生成装置1通过发送的实时交通信息21，检测出交通事故等突发事件，根据该突发事件的状况以及从统计交通信息22预测的通常时的交通状况，生成预测交通信息23，并存储于信息存储部20。然后，对应于来自车辆导航装置3的要求，将预测交通信息23发送给该车辆导航装置3。
另一方面，车辆导航装置3包括信息处理部31、通讯部32、显示部33、现在位置检测部34等而构成。此处，信息处理部31由CPU、半导体存储器及硬盘装置等构成，具备图中没有表示的引导路径探索部、引导路径显示控制部等功能块。另外，显示部33由LCD(Liquid Crystal Display)等构成，通信部32由移动电话装置等构成，现在位置检测部34由GPS(Global Position System)接收机等构成。操作部35由操作钮(没有图示)等构成。
如果车辆驾驶者设定目的地信息，车辆导航装置3对预测交通信息生成装置1要求预测交通信息23的发送，对应于该要求，接收从预测交通信息生成装置1发送了的预测交通信息，将该预测交通信息存储在半导体存储器、硬盘装置等中。另外，车辆导航装置3对由现在位置检测部34获得的现在位置到所述输入目的地之间的引导路径，基于所述存储了的预测交通信息进行检索，将检索到的引导路径与由事故等引起的交通阻塞信息一起在显示部33显示。
图2是表示本发明的实施方式的预测交通信息生成装置中的发生突发事件时的预测交通信息生成处理的流程例的图；另外，图3是表示实时交通信息的数据构成例的图；图4是表示统计交通信息的数据构成例的图。另外，图5是表示预测交通信息生成处理中的预测环境参数实际信息的例子的图。
如图2所示，预测交通信息生成装置1的信息处理部10作为信息输出输入部15的处理，每隔规定的时间从交通信息中心2接收被发送的实时交通信息(步骤S10)，作为实时交通信息21存储于信息存储部20。此处，实时交通信息21是基于从设置于道路的交通传感器等实时获得的信息而生成的交通信息，如图3所示，包括起始数据(head data)、交通阻塞·行驶时间数据、事故·限制数据。
图3的实时交通信息21的起始数据包括数据大小、栅格ID、时间标记(time stamp)等信息而构成。栅格ID是取得了该实时交通信息的地域(被区分为栅网状的地域)的识别信息，时间标记是取得了实时交通信息的时刻信息。交通阻塞·行驶时间数据由对于在所述栅格ID指定的地域中包含的路段的各个数据构成。路段的各项数据包括路段ID、路段长度、路段行驶时间、路段交通量、交通阻塞信息等而构成。另外，事故·限制数据由在所述栅格ID指定的地域中实施的交通限制信息构成，每一个交通限制信息包含限制内容、原因事件、始点信息、终点信息以及经过点信息等。
并且，实时交通信息21(参考图3)，通常对于由各不相同的栅格ID指定的多个地域，如上所述包含由起始数据、交通阻塞·行驶时间数据以及事故·限制数据构成的信息。
下面，回到图2，信息处理部10作为突发事件检测部11的处理，参照从交通信息中心2发送的实时交通信息21，判定是否发生了交通事故等突发事件(步骤S11)。该突发事件发生的判定，可以通过判定实时交通信息21中是否追加了新的限制信息来进行。或者，也可以通过监视实时交通信息21中的路段行驶时间等的变化等，例如，通过日本特开平8-106593号公报公开的方法，判定突发事件的发生。
信息处理部10判定突发事件的发生，在没有发生突发事件时(在步骤S11中为No)，结束图2的生成预测交通信息的处理。另外，在发生了突发事件时(在步骤S11中为Yes)，作为预测环境设定部12的处理，设定预测交通信息生成用的预测环境参数(步骤S12)。
此处，作为预测环境参数，例如，有限制率和限制持续时间。限制率取0～1的数值，是表示因发生突发事件而通行被限制的路段的交通容量减少比率的数值。例如，在限制率为0.8时，意味着交通容量为0.2。另外，限制持续时间，意思是适用该限制率的持续时间。
该限制率和限制持续时间，根据突发事件的种类及其状况(例如，事故的规模、发生区域、道路的种类、路线)等的不同而有很大差别。因此，在本实施方式中，如图5所示，预先根据突发事件的种类及状况(图5中，用限制车道数表示事故的规模)对突发事件进行分类，对于该被分类的每个突发事件，将根据过去的事例的经验而分别求出的限制率或限制持续时间的值，作为预测环境参数实际信息(图1中没有图示)存储在信息存储部20中。
即，信息处理部10在预测环境设定部12的处理(步骤S12)中，判断在步骤S11检测出的突发事件属于按照所述预测环境参数实际信息分类的哪个种类及状况的突发事件，将与该适合的种类及状况对应的限制率或限制持续时间的值，作为以后处理的预测环境参数(限制率、限制持续时间等)的值应用。
接着，信息处理部10作为通常时交通状况预测部13的处理，从信息存储部20读出统计交通信息22(步骤S13)，基于该统计交通信息22预测没有发生突发事件时、即通常时的交通状况(步骤S14)。此处，统计交通信息22是对从交通信息中心2发送的实时交通信息进行存储并进行了统计处理的交通信息。如图4所示，包含起始数据及统计路段交通数据而构成。
图4的统计交通信息22的起始数据，包括数据大小、栅格ID、日期种类信息、及时刻信息等信息而构成。并且，栅格ID为对象地域的识别信息。另外，日期种类信息，例如，是平日还是假日等对统计处理的对象日进行分类的信息，后继于起始数据的统计路段交通数据，是表示是关于平日的统计数据，还是关于假日的统计数据的信息。另外，时刻信息是表示该统计路段交通数据是作为一天之中哪个时刻的数据进行统计的信息。
统计路段交通数据，由在所述栅格ID指定的地域中包含的路段的各项数据构成，该路段的各项数据包括路段ID、路段行驶时间、路段交通量、交通阻塞信息等而构成。此时，路段行驶时间、路段交通量、交通阻塞信息等是按照所述日期种类及时刻信息进行分类、统计的值(通常为平均值)。
因此，所谓通常时的交通状况的预测，仅仅是从统计交通信息22中抽取与预测对象日的日期种类和时刻对应的统计路段交通数据。并且，此时，也可以由实时交通信息21对抽取的统计路段交通数据进行适当修正。然后，以此方式求出的交通信息作为预测交通信息23被存储在信息存储部20中。
接着，信息处理部10作为突发事件发生时交通状况预测部14的处理，关于在步骤S11检测出的突发事件，基于在步骤S12设定的预测环境参数，预测突发事件发生时的交通状况(步骤S15)。将根据该预测求出的交通信息作为预测交通信息23，对在步骤S14中预测的预测交通信息23中与突发事件相关联的部分进行更新。并且，关于预测突发事件发生时的交通状况的处理，另外通过附图来进行详细说明。
接着，信息处理部10作为信息输出输入部15的处理，对应于从车辆导航装置3发送的预测交通信息的发信要求，向车辆导航装置3发出预测交通信息(步骤S16)。
并且，在以上说明的处理流程中，来自交通信息中心2的实时交通信息的发送，例如以5分钟为间隔进行，在步骤S11的突发事件发生的判定每次进行。另一方面，步骤S12以下的突发事件发生时的交通状况的预测处理，只在突发事件发生时进行。
图6是表示在本发明的实施方式的预测交通信息生成装置中的突发事件发生时的交通状况预测的处理的流程要点的图。另外，图7是为了说明该交通状况预测的处理的流程，表示发生突发事件路段周边的道路网的构成例的图。以下，利用图6以及图7，说明突发事件发生时的路段交通量以及路段行驶时间的计算方法。
信息处理部10根据在步骤S11(参照图2)检测出的突发事件的发生路段，参照图1中没有图示的道路地图信息，抽取限制领域的边界路段(步骤S20)。此处，限制领域是指由突发事件发生路段即限制对象路段形成的领域，边界路段是指直接流入该限制领域包含的路段的限制领域外的路段。此时，限制领域还可以包含多个突发事件发生路段。由此，也可以应对某区域整体或某特定区间的道路的通行被限制的事态。
并且，在图7的例子中，限制领域61包含突发事件发生路段即限制对象路段62，该限制对象路段62通过节点71连接于边界路段63a、63b。因此，在步骤S11中，边界路段63a、63b被抽取。并且，在图7的例中，上下线的道路，由于被定义为不同的节点，所以限制对象路段62的相对路段65a、通过节点72流入该路段的路段65b作为对象外路段65进行处理。
接着，信息处理部10根据在限制对象路段k(例如，62)设定的限制率c，计算出滞留于边界路段j(例如，63a)的滞留交通量Xj(步骤S21)。该计算基于以下想法。
(1)各路段j有从通常时交通状况预测部13预测的预测交通信息23得到的交通量Qj的交通需要。
(2)从多个边界路段j(j＝1，…，n)流入限制对象路段k的交通量的总和由限制对象路段k中的限制率c限制，并且从该各个边界路段j(j＝1，…，n)流入限制对象路段k的交通量，由各个边界路段j的交通量Qj按比例分配。
因此，滞留于边界路段j的交通量(也就是说，不能流入限制对象路段k的交通量)即滞留交通量Xj，由下面的(式1)计算出。
Xj＝∑Q j·c·(Qj/∑Qj)＝c·Qj    (式1)
即，在步骤S21，计算出(式1)的值。
并且，还可以如下这样表现(式1)的意思。即，不能从多个边界路段j(j＝1，…，n)流入限制对象路段k而滞留于边界路段j的滞留交通量Xj，是通过边界路段j的通常时的预测交通量Qj对滞留在整个边界路段的滞留交通量按比例分配得到的。
接着，信息处理部10判定边界路段j的车辆存在台数Ej是否超过了该边界路段j的车辆的最大可能存在台数Emaxj(步骤S22)。此时，对于边界路段j的车辆的存在台数Ej，加上在(式1)中计算的滞留交通量Xj，减去车辆以最低速度V0行驶时分离出的交通量Zj。即，在步骤S22中，判定下面的(式2)是否成立。
Ej+Xj-Zj＞Emaxj(式2)
在此，设边界路段j的饱和交通密度为k0j，路段长为Lj，车道数为mj，车辆的最大可能存在台数Emaxj由下面的(式3)计算出。
Emaxj＝k0j·Lj·mj    (式3)
另外，设边界路段j的饱和交通密度为k0j，车辆以最低速度V0行驶时分离出的交通量Zj由下面的(式4)计算出。
Zj＝k0j·V0j    (式4)
并且，一般情况下，饱和交通密度k0j、最低速度V0j等值，是因道路即路段的不同而不同的值。因此，关于这些值，可以预先利用公知的微观交通流模拟装置等计算出来，作为道路地图信息的路段数据的一部分存储于信息存储部20。或者，不是每一路段都为不同的值，也可以根据国道、县道、高速公路等道路的种类来适当分类，将该分类时的值存储于信息存储部20。
另外，一般情况下，路段i的车辆存在台数Ei，在设路段i的交通量为Qi，车辆速度为Vi，路段长度为Li，路段行驶时间为Ti，车道数为mi时，由下面的(式5)或(式6)计算出。
在交通密度Ki(＝Qj/Vi)在饱和交通密度k0i以下时，
Ei＝Qi·Li/Vi＝Qi·Ti    (式5)
在交通密度Ki(＝Qj/Vi)比饱和交通密度k0i大时，
Ei＝k0i·Li·mi    (式6)
因此，(式2)中的边界路段j的车辆存在台数Ej通过如下这样计算出，即，将从通过统计交通信息22即通常时交通状况预测部13预测的预测交通信息23读出的交通量Qj、路段行驶时间Tj的值，以及将从道路地图信息读出的边界路段j的路段长度Lj、车道数mj的值代入(式5)或(式6)计算出。
接着，信息处理部10对于在步骤S20抽取的所有的边界路段j，执行如上所示的步骤S21以及步骤S22的处理。并且，对于所有的边界路段j，在该路段的车辆的存在台数为最大可能存在台数以下时(在步骤S22为No)，终止处理。另一方面，对于至少一个边界路段j，在该路段的车辆的存在台数超过最大可能存在台数时(在步骤S22为Yes)，信息处理部10计算出关于该边界路段j的剩余交通量Yj，将该计算出的剩余交通量Yj作为向边界路段j的上游路段的滞留交通量(步骤S23)。此处，剩余交通量Yj，由下面的(式7)计算出。
Yj＝Ej+Xj-Zj-Emaxj(式7)
接着，信息处理部10对于产生剩余交通量Yj的边界路段j，参照道路地图信息，抽取与该边界路段j的上游连接的上游路段u(步骤S24)。例如，在图7中，边界路段63a的上游路段为64a、64b，边界路段63b的上游路段为64c、64d。
接着，信息处理部10在相对于一个边界路段j有多个上游路段u时，分配在步骤S23计算出的向上游路段u的滞留交通量(即，剩余交通量Yj)(步骤S25)。该分配与步骤S21的情况一样，是与多个上游路段u各自的交通量Qu对应的比例分配。即，滞留于上游路段u的滞留交通量Xu，由下面的(式8)计算出。
Xu＝Yj·(Qu/∑Qu)(式8)
信息处理部10，如果计算出相对于上游路段u的滞留交通量Xu，将上游路段u置换为边界路段j，反复执行步骤S22以下的处理。通过反复执行，在上游路段u内进一步产生剩余交通量Yu时，可以将该剩余交通量Yu作为滞留交通量Xu，进而使其向上游的上游路段分配。
信息处理部10可以如上述那样使滞留交通量向上游路段进行地理性扩散，但同时也可以使滞留交通量进行时间性扩散。此处，将被时间性扩散的滞留交通量称为分离剩余交通量，以下，对产生该分离剩余交通量时的处理进行补充。
信息处理部10由下面的(式9)计算出边界路段j在时刻(t)的分离剩余车辆台数ΔEj(t)。
ΔEj(t)＝Xj(t)-Zj(式9)
然后，对于该分离剩余车辆台数ΔEj(t)中，直到单位时间(Δt)后的时刻(t+Δt)为止剩余的分离剩余车辆台数ΔEj(t+Δt)，利用限制率c，由下面的(式10)计算出。
ΔEj(t+Δt)＝c·ΔEj(t)(式10)
接着，信息处理部10，在由(式5)或(式6)计算出的边界路段j在时刻(t+Δt)的车辆的存在台数Ej(t+Δt)上，加上由(式10)计算出的分离剩余车辆台数ΔEj(t+Δt)，由下面的(式11)计算出车辆的修正存在台数E’j(t+Δt)。
E’j(t+Δt)＝Ej(t+Δt)+ΔEj(t+Δt)(式11)
接着，在该车辆的修正存在台数E’j(t+Δt)超过了边界路段j的车辆的最大可能存在台数Emaxj时，由下面的(式12)计算出边界路段j在时刻(t+Δt)的车辆的超过存在台数Yej(t+Δt)。
Yej(t+Δt)＝E’j(t+Δt)-Emaxj    (式12)
该车辆的超过存在台数Yej(t+Δt)相当于(式7)的剩余交通量Yj，以下，与将所述剩余交通量Yj作为滞留交通量使其向上游路段u扩散的处理一样，使车辆的超过存在台数Yej(t+Δt)向上游路段u扩散。而且，进行该扩散的处理直到Yej(t+Δt)变为0(0以下)。
图8是表示在本发明的实施方式的预测交通信息生成装置中的突发事件发生时的交通状况预测处理中，计算边界路段的预测交通信息的处理流程的例子的图，图9是表示在该突发事件发生时的交通状况预测处理中，计算上游路段的预测交通信息的处理流程的例子的图。
如图8所示，信息处理部10先参照道路地图信息，抽取限制领域的边界路段j(j＝j1，…，jn)(步骤S40)。此处，n为边界路段数。接着，信息处理部10将时刻作为对于限制领域的路段开始限制的时刻，设定限制开始时刻t＝t0(步骤S41)。进一步，对表示边界路段j的计数器i和表示上游路段u的数量的计数器s进行初始化，即，令i＝1，s＝0(步骤S42)。
接着，信息处理部10将处理对象的边界路段设定为路段j＝j1(步骤S43)，根据(式1)计算出突发事件发生时的时刻t的滞留交通量Xj(步骤S44)。接着，计算出考虑了该滞留交通量Xj的路段j的交通量Rj以及路段行驶时间Tj(步骤S45)。此时，交通量Rj以及路段行驶时间Tj，由以下方式计算出。
首先，计算出路段j的车辆的修正存在台数E’j(＝Ej+Xj-Zj)，基于该车辆的修正存在台数E’j计算出路段j的交通密度Kj(＝E’j/Lj，这里，在Kj＞k0j时，为k0j)。然后，根据所谓的格林希尔兹(green shields)关系式，计算出车辆速度(路段行驶速度)Vj。
此处，所谓格林希尔兹关系式，为表示路段的交通密度K与行驶速度V的关系的经验式，由下面的(式13)给出。
V＝{(V0-Vf)/k0}·K+Vf
这里，在K＞k0时，V＝V0(式13)
此处，k0为饱和交通密度，Vf为预先规定的最高速度(例如，该路段的限制最高速度)，V0为预先规定的最低速度。
下面，根据由以上方式计算出的交通密度Kj以及行驶速度Vj，计算出交通量Rj(＝Kj·Vj)以及路段行驶时间Tj(＝Lj/Vj)。并且，以此方式计算出的交通量Rj以及路段行驶时间Tj，相当于在时刻t的路段j的预测交通信息。
接着，信息处理部10按照(式7)计算出剩余交通量Yj(步骤S46)，按照(式9)计算出分离剩余车辆台数ΔEj(步骤S47)。然后，判定是否有剩余交通量Yj，即Yj＞0是否成立，在Yj＞0时(步骤S48为Yes)，使计数器s的计数+1(步骤S49)，参照道路地图信息，抽取路段j的上游路段u(u＝us1，…，usp)(步骤S50)。另外，在Yj＞0不成立时(步骤S48为No)，由于不发生剩余交通量，所以没有必要抽取上游路段，跳过步骤S49及S50。
信息处理部10通过执行到此为止的处理，结束对于一个边界路段j的处理，接着，为了进行下一个边界路段j的处理，使用于指示该边界路段j的计数器i的计数+1(步骤S51)。然后判定计数器i是否超过了边界路段数n(i＞n)，在没有超过边界路段数n(i＞n不成立)(步骤S52为No)时，返回步骤S43，重复进行步骤S43以后的处理。另外，在计数器i超过了边界路段数n(i＞n)时(步骤S52为Yes)，因为所有关于边界路段j的处理结束，所以接着执行图9所示的关于上游路段的处理。
接着，如图9所示，信息处理部10先判定计数器s是否为0，当计数器s不为0时(步骤S53为No)，统一在步骤S50抽取的指示上游路段u的计数器(下标为u)(步骤S54)。即，在存在有多个边界路段j时，在步骤S50中，由于根据不同边界路段分别设定上游路段u的指示计数器，所以将该计数器设为连续编号。并且，在此将上游路段u以下换言为路段j。通过如此，可以通过与算出边界路段的预测交通信息几乎相同的方式来进行上游路段u的预测交通信息的计算。
即，步骤S62～步骤S71的处理，与图8中步骤S42～步骤S52的处理大致相同。所以省略其说明。但是，在计算步骤S64的滞留交通量Xj时，不用(式1)，而用(式8)。并且，在此情况下，不计算分离剩余车辆台数ΔEj。然后，重复进行这些处理，直至不产生剩余交通量Yj，一个上游路段u也不被抽取(s＝0)。
另一方面，在步骤S53的判定中在计数器s为0时(步骤S53为Yes)，由于意味着不存在处理剩余的上游路段，所以信息处理部10结束时刻t的预测交通信息的计算处理。然后，使时刻t增加单位时间Δt，即令t＝t+Δt(步骤S72)，返回步骤S42，再次进行其后面的处理。
信息处理部10在计算出时刻(t+Δt)的预测交通信息时，利用在步骤S47(参照图8)计算出来的分离剩余车辆台数ΔEj，计算出预测交通信息。关于该计算顺序如利用(式9)～(式12)说明的那样，另外，其处理流程由于与图8以及图9表示的处理流程没有大的差别，所以省略其说明，但是其不同点如下。
在步骤S45以及步骤S65中，作为计算路段j的交通量Rj以及路段行驶时间Tj的基础的交通量(通常时的预测交通量)，使用从统计交通信息22读出的交通量Qj和由(式9)得到的分离剩余车辆台数ΔEj(t)相加的值。另外，在步骤S46以及步骤S66中，不计算剩余交通量Yj，而是由(式12)计算出车辆的超过存在台数Yej(t+Δt)。另外，在步骤S48以及步骤S67中，不是通过具有剩余交通量Yj(大于0)，而是通过具有车辆的超过存在台数Yej(t+Δt)(大于0)来判定。
并且，信息处理部10每经过单位时间，即，时刻(t+Δt)，(t+2·Δt)，(t+3·Δt)，…，重复执行以上的经过单位时间后的处理。在预先设定的突发事件的限制持续时间结束后继续执行，直到所有路段中车辆的超过存在台数Yej(t+n·Δt)消失。
如上所述，在本实施方式中，信息处理部10在发生突发事件时，将不能流入限制领域61内的限制对象路段62的边界路段j中的滞留交通量Xj向上游路段扩散，并且将单位时间内不能分离的交通量加到单位时间后的交通量上。然后，基于该结果得到的路段的交通密度与格林希尔兹关系式(数字模型)，计算出预测交通信息(交通量，路段行驶时间等)。
在这些处理过程中，不进行微观模拟，或者只对边界路段j以及从该边界路段j使滞留交通量Xj扩散的上游路段u，计算出预测交通信息。即，对于不受突发事件影响的路段，不进行处理。进而，根据本实施方式，可以减轻计算机的处理负荷，而且计算时间也变短。由此，就算不使用大型的高性能计算机，也可以短时间进行以大规模道路网为对象的突发事件发生时的预测交通信息的计算。
另外，本申请的发明者根据如上说明的预测交通信息的计算处理，以现实的交通事故等为模型，用计算机计算出了预测交通信息，结果发现，有一部分与现实不符。这是因为如果事故处理等结束后道路的限制被解除，则交通阻塞以比现实快得多的速度迅速解除。此处，为了使其与现实相符，对于修正方法进行补充说明。
在如上说明的预测交通信息的计算处理中，如果道路的限制解除，则对该道路即限制对象路段的限制率c进行处理使其马上变为0(即，c＝0)。因此，由(式1)给出的边界路段j的滞留交通量Xj马上变为0。因此，在经过了极短的时间后，由(式9)给出的分离剩余车辆台数ΔEj变为0，交通阻塞迅速被解除，恢复正常交通状态。
另一方面，现实中即使道路的限制被解除，交通阻塞也不能马上解除。其理由可以认为是，即使道路的限制被解除，道路的实际交通容量也不能马上回复到原来的交通容量。例如，即使是限制解除后，通过事故现场的车辆也多为慢行。这相当于交通容量低下的现象。
因此，此处，在所述预测交通信息的计算处理中，在限制解除后，不使限制对象路段的限制率c马上变为0，而是在限制解除后，修正限制率c使其遵从负的倾斜直线而逐渐减小。即，此处，通过使限制率c逐渐减小来表现交通量恢复的缓慢程度。
图10是表示本实施方式的限制对象路段中的限制率的时间推移的修正模型的图。如图10所示，限制率c在修正后的模型中，在限制开始时(时刻t0)以前，设c＝0，在从限制开始时(时刻t0)到限制解除时(时刻t1)之间(限制持续时间)，设c＝c0。并且，在限制解除时(时刻t1)以后，限制率c遵从直线c＝c0-a(t-t1)(这里a＞0)，减少至c＝0。并且，限制率c在变为c＝0的时点(时刻t2)以后，c＝0。
此处，将从限制解除时(时刻t1)到变为c＝0的时点(时刻t2)之间的时间称为限制影响时间。限制影响时间根据成为限制原因的事故等突发事件的种类以及状况等的不同而不同，并且，还存在限制持续时间越长，限制影响时间也越长的倾向。因此，对于限制影响时间，也与限制持续时间一样，将对应于突发事件的种类以及状况并基于过去的事例求出的经验值作为预测环境参数实际信息(参照图5：这里，图中没有表示限制影响时间的栏)，存储在信息存储部20中。
即，信息处理部10，与所述限制率以及限制持续时间的设定同样，在预测环境设定部12的处理(步骤S12：参照图2)中，通过判定在步骤S11检测出的突发事件属于该预测环境参数实际信息中分类的哪种、什么状况的突发事件，从而设定限制影响时间。
如上所述，在本实施方式中，通过在限制解除后不是马上令限制率c变为c＝0，而是用从c＝c0逐渐减少的直线来表现，从而由预测交通信息计算处理计算出的预测交通信息的精度得到提高。
并且，在如上说明的预测交通信息的计算处理中，在限制对象路段连接于多个边界路段时，不能从边界路段流入限制对象路段而滞留于边界路段的滞留交通量，对应于该边界路段的通常时的预测交通量而被按比例分配(参照(式1))。另外，同样不能从上游路段流入下游路段而滞留于该上游路段的滞留交通量，也对应于该上游路段的通常时的预测交通量而被按比例分配(参照(式8))。
但是，边界路段或上游路段中的滞留交通量的分配，没有必要限定于该假设。也可以将边界路段或上游路段中的滞留交通量，例如，按该边界路段或上游路段的道路种类(高速公路、国道、都道府县道、其他道路等)，而由预先规定的比率分配。
图11是表示根据道路的种类分配边界路段中的滞留交通量时的分配比的例子的图。例如，在图11中，在流入某路段的上游路段为国道和一般都道府县道的情况下，设应该流入该路段的交通量的0.7滞留于国道，0.3滞留于一般都道府县道。但是，该分配比率为基于过去事例按经验设定的值，不限定于图11所示的值。
图12是在本发明的实施方式的车辆导航装置中，表示采用发生突发事件时的预测交通信息的引导路径探索的顺序的图。如图12所示，车辆导航装置3，取得由车辆的驾驶者通过操作部35的操作钮(没有图示)等设定的目的地信息(步骤S80)，并且，取得由现在位置检测部34检测到的车辆的现在位置(步骤S81)。然后，车辆导航装置3附上取得的目的地信息以及车辆的现在位置信息，对信息处理部10发送预测交通信息的发信要求(步骤S82)。
预测交通信息生成装置1，若接收到该预测交通信息的发信要求(步骤S90)，则对发出该预测交通信息的发信要求的车辆导航装置3，发出此时在信息存储部20存储的预测交通信息23(参照图1)(步骤S91)。并且，该预测交通信息23，在突发事件发生后，经过规定的限制持续时间，还经过限制影响时间为止的期间，在该情况下为由突发事件发生时交通状况预测部14预测的预测交通信息，在除此以外的情况下，为由通常时交通状况预测部13预测的预测交通信息。
车辆导航装置3，若接收到从预测交通信息生成装置1发送的预测交通信息(步骤S83)，则基于该预测交通信息，搜索从现在位置到目的地的引导路径(步骤S84)，将该搜索到的引导路径以及预测的交通阻塞信息，与包含车辆现在位置以及引导路径的道路地图一起，在显示部33显示(步骤S85)。
图13是表示在本发明的实施方式的车辆定位装置中显示引导路径的显示画面的例子的图。如图13所示，车辆导航装置3的显示部33的表示画面101中，显示有包含车辆现在位置102以及引导路径103的道路地图。并且，此时，在发生了事故等突发事件的情况下，在该道路地图上显示有事故发生地点104，并且，事故发生地点104周边的路段的交通阻塞情况，例如，通过线的粗细、线的颜色、线的种类等表示。在图13的例子中，交通阻塞状况由线的粗细表示，粗线105表示的路段的交通阻塞严重，中度粗线106的路段表示处于交通阻塞状态中。
并且，从预测交通信息生成装置1发出的预测交通信息，与图4所示的统计交通信息具有大致相同的构成，作为各路段的信息具有交通阻塞信息。因此，预测交通信息生成装置1，例如，可以将对应于该路段行驶速度(车辆速度)设定的交通阻塞水平作为该交通阻塞信息附加。在这种情况下，车辆导航装置3可以容易地显示交通阻塞水平。
并且，此时显示的交通阻塞信息，为车辆导航装置3显示引导路径时的时刻(现在时刻)的交通阻塞信息。在事故发生地点104与现在位置102有一定距离时，车辆的驾驶者，有时候不仅想知道现在的交通阻塞情况，而且想知道将来的交通阻塞情况。
因此，作为在此显示的交通阻塞信息，例如，还可以显示将来时刻的交通阻塞信息。由于从预测交通信息生成装置1发出的预测交通信息还包含将来时刻的交通信息，所以例如在车辆的驾驶者指定从现在时刻起10分钟后的情况下，根据将来时刻的预测交通信息，显示该10分钟后的时刻的交通阻塞信息。
还有，作为此处显示的交通阻塞信息，例如，还可以将基于在突发事件发生时交通状况预测部14的处理中计算出的边界路段j的滞留交通量Xj等的量作为交通阻塞信息来显示。即，滞留交通量Xj由于不能从该路段j流出，为滞留的交通量，因此显示该滞留量大的路段之后交通阻塞状况变得严重的可能性大。
还有，在车辆导航装置3中，在进行如上所述的交通阻塞显示时，也可以显示为：能够识别基于发生突发事件时的预测交通信息的交通阻塞信息、和基于未发生突发事件时的预测交通信息的交通阻塞信息之间的差异。例如，在图13中，表示路段交通阻塞状况的线105、106的粗细，不是由该交通阻塞长度自身决定，而是比较发生突发事件时的预测交通阻塞长度和未发生突发事件时的预测交通阻塞长度，加粗表示该差大的情况。
如上所述，通过将从预测交通信息生成装置1发出的预测交通信息，在车辆导航装置3的显示部33中以各种形式表示，可以提高车辆导航装置3的便利性。并且，车辆导航装置3在突发事件发生后的短时间内能够接收到预测交通信息的发送，是由于在预测交通信息生成装置1中对预测交通信息的计算处理可以在短时间内完成。
并且，在以上说明的实施方式中，作为接收、显示从预测交通信息生成装置1发出的预测交通信息的装置，以车辆导航装置3进行了说明，但是没有必要限定于车辆导航装置3。接收并显示预测交通信息的装置，只要可以通过通信网5连接于预测交通信息生成装置1，也可以是设置于事务所或住宅的电脑、便携式的信息终端、手提电话装置等。

Claims (14)

1.一种预测交通信息生成方法，其是预测交通信息生成装置中的预测交通信息生成方法，
所述预测交通信息生成装置通过通信网与交通信息中心连接，所述交通信息中心每隔规定的时间发送与规定的道路网相关的实时交通信息，
所述预测交通信息生成装置具备信息处理部和信息存储部，所述信息存储部至少存储有关于所述道路网所包含的路段的统计交通信息，
所述预测交通信息生成装置在所述道路网中发生突发事件时，生成其以后的预测交通信息，
所述预测交通信息生成方法的特征在于，
所述信息处理部，
接收从所述交通信息中心发送的实时交通信息，根据该接收了的实时交通信息，检测出所述道路网中的突发事件，
设定预测环境参数，所述预测环境参数包括与所述检测出的突发事件对应的交通限制的相关参数，
基于所述设定的预测环境参数和所述统计交通信息，对于所述突发事件发生时以后的时刻，生成所述道路网的路段的预测交通信息。
2.如权利要求1所述的预测交通信息生成方法，其特征在于，
所述信息处理部，
作为所述预测环境参数，设定限制包含于发生所述突发事件的领域的限制对象路段的交通量的限制率，
参照包含所述道路网中的路段的连接信息的道路地图信息，抽取与所述限制对象路段的上游侧连接的至少一个边界路段，
基于从所述统计交通信息得到的通常时的预测交通量以及所述限制对象路段的限制率，计算出不能从所述边界路段流入所述限制对象路段而滞留于该边界路段的滞留交通量，
基于所述边界路段中的通常时的预测交通量以及所述计算出的滞留交通量，生成该边界路段的预测交通信息，
因在所述边界路段发生了所述滞留交通量，并且在与该边界路段的上游连接的至少一个路段即上游路段发生了滞留交通量时，基于该上游路段中的通常时的预测交通量以及该滞留交通量，生成该上游路段的预测交通信息，
并且，在所述边界路段中的滞留交通量中，发生了在规定单位时间内不能从该边界路段流出的分离剩余交通量时，将该分离剩余交通量加到下一个单位时间后的该边界路段的交通量上。
3.如权利要求2所述的预测交通信息生成方法，其特征在于，
所述信息处理部，在多个边界路段连接于所述限制路段时，将各边界路段的滞留交通量作为对应于各边界路段的通常时的预测交通量进行比例分配的交通量。
4.如权利要求2所述的预测交通信息生成方法，其特征在于，
所述信息处理部，在多个边界路段连接于所述限制路段时，将各边界路段的滞留交通量作为对应于根据各边界路段的道路种类预先设定的分配比率进行比例分配的交通量。
5.如权利要求1所述的预测交通信息生成方法，其特征在于，
在所述信息存储部，存储有按照突发事件的种类以及状况、对应于该种类以及状况而预先确定的预测环境参数，
所述信息处理部，根据基于所述实时交通信息检测出的所述突发事件的种类以及状况，参照所述信息存储部，设定与该突发事件的种类以及状况对应的预测环境参数。
6.一种预测交通信息生成装置，
其通过通信网与交通信息中心连接，所述交通信息中心每隔规定的时间发送与规定的道路网相关的实时交通信息，
所述预测交通信息生成装置具备信息处理部和信息存储部，所述信息存储部至少存储有关于所述道路网所包含的路段的统计交通信息，
所述预测交通信息生成装置在所述道路网中发生突发事件时，生成其以后的预测交通信息，
所述预测交通信息生成装置的特征在于，
所述信息处理部，
接收从所述交通信息中心发送的实时交通信息，根据该接收了的实时交通信息，检测出所述道路网中的突发事件，
设定预测环境参数，所述预测环境参数包括与所述检测出的突发事件对应的交通限制的相关参数，
基于所述设定的预测环境参数和所述统计交通信息，对于所述突发事件发生时以后的时刻，生成所述道路网的路段的预测交通信息。
7.如权利要求6所述的预测交通信息生成装置，其特征在于，
所述信息处理部，
作为所述预测环境参数，设定限制包含于发生所述突发事件的领域的限制对象路段的交通量的限制率，
参照包含所述道路网中的路段的连接信息的道路地图信息，抽取与所述限制对象路段的上游连接的至少一个边界路段，
基于从所述统计交通信息得到的通常时的预测交通量以及所述限制对象路段的限制率，计算出不能从所述边界路段流入所述限制对象路段而滞留于该边界路段的滞留交通量，
基于所述边界路段中的通常时的预测交通量以及所述计算出的滞留交通量，生成该边界路段的预测交通信息，
因在所述边界路段发生了所述滞留交通量，并且在与该边界路段的上游连接的至少一个路段即上游路段发生了滞留交通量时，基于该上游路段中的通常时的预测交通量以及该滞留交通量，生成该上游路段的预测交通信息，
并且，在所述边界路段中的滞留交通量中，发生了在规定单位时间内不能从该边界路段流出的分离剩余交通量时，将该分离剩余交通量加到下一个单位时间后的该边界路段的交通量上。
8.如权利要求7所述的预测交通信息生成装置，其特征在于，
所述信息处理部，在多个边界路段连接于所述限制路段时，将各边界路段的滞留交通量作为对应于各边界路段的通常时的预测交通量进行比例分配的交通量。
9.如权利要求7所述的预测交通信息生成装置，其特征在于，
所述信息处理部，在多个边界路段连接于所述限制路段时，将各边界路段的滞留交通量作为对应于根据各边界路段的道路种类预先设定的分配比率进行比例分配的交通量。
10.如权利要求6所述的预测交通信息生成装置，其特征在于，
在所述信息存储部，存储有按照突发事件的种类以及状况、对应于该种类以及状况而预先确定的预测环境参数，
所述信息处理部，根据基于所述实时交通信息检测出的突发事件的种类以及状况，参照所述信息存储部，设定与该突发事件的种类以及状况对应的预测环境参数。
11.如权利要求6～10的任一项所述的预测交通信息生成装置，其特征在于，
所述预测交通信息生成装置通过通信网与显示包含所述预测交通信息的交通信息的交通信息显示终端连接，
所述信息处理部，在接收到从所述交通信息显示终端发出的预测交通信息的发信要求时，将所述生成了的预测交通信息发送给该交通信息显示终端。
12.一种交通信息显示终端，其具备操作部和显示部，从所述操作部获得识别地点或地域的信息，在所述显示部表示与包含该地点或地域的道路网相关的交通信息，
其特征在于，
所述交通信息显示终端通过通信网与预测交通信息生成装置连接，所述预测交通信息生成装置具备存储有关于规定的道路网的统计交通信息的信息存储部，根据每隔规定时间从交通信息中心发出的实时交通信息，检测出所述道路网中的突发事件，对应于该检测出的突发事件设定用于生成预测交通信息的预测环境参数，基于该设定了的预测环境参数和所述统计交通信息，生成所述道路网的路段的预测交通信息，
在从所述操作部输入识别地点或地域的信息时，获得该输入的识别地点或地域的信息，在预测交通信息的发信要求上附上该获得的识别地点或地域的信息，对预测交通信息生成装置发送附上有该信息的发信要求，
对应于该预测交通信息的发信要求，接收从所述预测交通信息生成装置发送的包含所述地点或地域的道路网的路段的预测交通信息，
将该接收了的预测交通信息在所述显示部显示。
13.如权利要求12所述的交通信息显示终端，其特征在于，
在所述显示部显示的预测交通信息，是与包含于发生所述突发事件的领域的限制对象路段的上游连接的至少一个路段即边界路段的交通阻塞信息，以及是与该边界路段的更上游连接的至少一个路段的交通阻塞信息。
14.如权利要求13所述的交通信息显示终端，其特征在于，
在所述显示部显示的所述边界路段的交通阻塞信息，是基于不能从所述边界路段流入所述限制路段而滞留于该所述边界路段的滞留交通量的信息。
CN2007101407693A 2006-08-18 2007-08-09 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 Expired - Fee Related CN101127158B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2006-223101 2006-08-18
JP2006223101 2006-08-18
JP2006223101A JP4950596B2 (ja) 2006-08-18 2006-08-18 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末

Publications (2)

Publication Number Publication Date
CN101127158A true CN101127158A (zh) 2008-02-20
CN101127158B CN101127158B (zh) 2010-06-02

Family

ID=38626915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007101407693A Expired - Fee Related CN101127158B (zh) 2006-08-18 2007-08-09 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端

Country Status (4)

Country Link
US (1) US20080319639A1 (zh)
EP (1) EP1890274B1 (zh)
JP (1) JP4950596B2 (zh)
CN (1) CN101127158B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819954A (zh) * 2012-08-28 2012-12-12 南京大学 交通区域动态地图监控预测系统
CN103903464A (zh) * 2012-12-28 2014-07-02 观致汽车有限公司 交通阻塞信息预告方法及系统
CN104408907A (zh) * 2014-10-31 2015-03-11 重庆大学 具有在线优化能力的高速公路交通事件持续时间预测方法
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN108091132A (zh) * 2016-11-22 2018-05-29 中国移动通信有限公司研究院 一种交通流量预测方法及装置
CN108230698A (zh) * 2016-12-21 2018-06-29 杭州海康威视数字技术股份有限公司 交通流量预测方法及装置
CN108256679A (zh) * 2018-01-11 2018-07-06 福建榕基软件股份有限公司 一种自定义事件发生预测方法和存储介质
CN108877219A (zh) * 2018-07-04 2018-11-23 长沙理工大学 一种城市交叉口禁左后交通流转移预测方法
CN109300309A (zh) * 2018-10-29 2019-02-01 讯飞智元信息科技有限公司 路况预测方法及装置
CN109410581A (zh) * 2018-11-16 2019-03-01 浙江海洋大学 基于小波神经网络的交通流预测方法
CN111932899A (zh) * 2020-10-15 2020-11-13 江苏广宇协同科技发展研究院有限公司 一种基于交通仿真的交通突发事件控制方法及装置
CN112133105A (zh) * 2019-06-24 2020-12-25 株式会社日立制作所 交通流预测辅助装置以及交通流预测辅助方法

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5070574B2 (ja) * 2008-06-30 2012-11-14 学校法人早稲田大学 局所交通量予測プログラム生成装置、局所交通量予測装置、局所交通量予測プログラム生成方法、局所交通量予測方法及びプログラム
JP4783414B2 (ja) * 2008-09-12 2011-09-28 株式会社東芝 交通状況予測システム
JP2011113547A (ja) * 2009-11-30 2011-06-09 Sumitomo Electric Ind Ltd 交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法
JP5455777B2 (ja) 2010-05-12 2014-03-26 三菱重工業株式会社 交通シミュレーション装置、及び交通シミュレーションプログラム
JP5462945B2 (ja) * 2010-06-29 2014-04-02 本田技研工業株式会社 渋滞予測表示方法
JP5083388B2 (ja) * 2010-07-29 2012-11-28 トヨタ自動車株式会社 交通制御システムおよび交通管制システム
US8412445B2 (en) 2011-02-18 2013-04-02 Honda Motor Co., Ltd Predictive routing system and method
US9111442B2 (en) 2012-03-23 2015-08-18 International Business Machines Corporation Estimating incident duration
JP2013214232A (ja) * 2012-04-03 2013-10-17 Sumitomo Electric Ind Ltd 交通情報予測装置、交通情報予測方法及びコンピュータプログラム
US8892343B2 (en) * 2012-07-31 2014-11-18 Hewlett-Packard Development Company, L.P. Determining a spatiotemporal impact of a planned event on traffic
CN102945607B (zh) * 2012-11-19 2015-02-04 西安费斯达自动化工程有限公司 基于FPGA及改进Aw-Rascle模型的在线交通瓶颈预测控制方法
US9437107B2 (en) * 2013-03-15 2016-09-06 Inrix, Inc. Event-based traffic routing
JP2015076014A (ja) * 2013-10-10 2015-04-20 株式会社東芝 情報処理装置、情報処理方法および通信システム
CN103730005B (zh) * 2014-01-22 2017-01-18 广东欧珀移动通信有限公司 一种路程行驶时间的预测方法和系统
US9613529B2 (en) 2014-02-03 2017-04-04 Here Global B.V. Predictive incident aggregation
US10613549B2 (en) * 2014-02-07 2020-04-07 Crown Equipment Corporation Systems and methods for supervising industrial vehicles via encoded vehicular objects shown on a mobile client device
JP6387636B2 (ja) * 2014-03-18 2018-09-12 富士通株式会社 抽出方法、推奨方法、情報処理装置及び道路補修工法決定支援プログラム
US10755566B2 (en) 2014-12-02 2020-08-25 Here Global B.V. Method and apparatus for determining location-based vehicle behavior
US9286797B1 (en) 2015-01-09 2016-03-15 International Business Machines Corporation Traffic incident location identification
JP2016173303A (ja) * 2015-03-17 2016-09-29 アルパイン株式会社 情報処理装置
JP6701663B2 (ja) * 2015-10-08 2020-05-27 日本電気株式会社 運用支援システム、運用支援方法、及び、プログラム
CN107144286B (zh) * 2016-03-01 2021-08-24 阿里巴巴集团控股有限公司 导航方法及装置
EP3440434A1 (en) * 2016-04-05 2019-02-13 TomTom Traffic B.V. Method and apparatus for identifying congestion bottlenecks
JP6926644B2 (ja) * 2016-07-25 2021-08-25 株式会社デンソー 異常推定装置および表示装置
JP6885063B2 (ja) * 2017-01-10 2021-06-09 沖電気工業株式会社 情報処理装置、情報処理システム、及びプログラム
CN107038478B (zh) * 2017-04-20 2023-10-27 百度在线网络技术（北京）有限公司 路况预测方法及装置、计算机设备与可读介质
CN108615360B (zh) * 2018-05-08 2022-02-11 东南大学 基于神经网络的交通需求逐日演变预测方法
CN112534481B (zh) * 2018-08-06 2023-05-05 住友电气工业株式会社 交通流量仿真器、交通流量的仿真方法和存储介质
CN111199642B (zh) * 2018-11-16 2021-08-03 北京嘀嘀无限科技发展有限公司 预测通行时长的方法和系统
CN114884885B (zh) * 2019-02-15 2024-03-22 贵州白山云科技股份有限公司 一种智能热点打散的方法、装置、存储介质及计算机设备
US11423775B2 (en) * 2019-07-18 2022-08-23 International Business Machines Corporation Predictive route congestion management
US10986477B1 (en) * 2019-09-27 2021-04-20 Continental Automotive Systems, Inc. Vehicle-to-X communication and procedures device
CN110708664B (zh) * 2019-10-11 2020-11-06 同帅科技（天津）有限公司 一种交通流感知方法、装置及计算机存储介质、电子设备
CN112802335B (zh) * 2020-12-31 2023-04-07 维特瑞交通科技有限公司 一种基于北斗导航系统的智能交通管理方法
CN112967495B (zh) * 2021-01-29 2023-05-09 贵州民族大学 一种基于移动轨迹大数据的短时交通流量预测方法及系统
DE102021110770A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Regeln wenigstens eines Mobilitätsparameters
CN113518073B (zh) * 2021-05-05 2022-07-19 东南大学 一种比特币挖矿僵尸网络流量的快速识别方法
CN114937366B (zh) * 2022-07-22 2022-11-25 深圳市城市交通规划设计研究中心股份有限公司 一种基于多尺度交通需求与供给转化的交通流推算方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638280A (en) * 1994-03-30 1997-06-10 Sumitomo Electric Industries, Ltd. Vehicle navigation apparatus and method
IL131700A0 (en) * 1999-03-08 2001-03-19 Mintz Yosef Method and system for mapping traffic congestion
US6542808B2 (en) * 1999-03-08 2003-04-01 Josef Mintz Method and system for mapping traffic congestion
CA2266208C (en) * 1999-03-19 2008-07-08 Wenking Corp. Remote road traffic data exchange and intelligent vehicle highway system
US6256577B1 (en) * 1999-09-17 2001-07-03 Intel Corporation Using predictive traffic modeling
US6490519B1 (en) * 1999-09-27 2002-12-03 Decell, Inc. Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith
AU2001253856B2 (en) * 2000-03-15 2005-01-27 Raytheon Company Automatic incident detection
US6587781B2 (en) * 2000-08-28 2003-07-01 Estimotion, Inc. Method and system for modeling and processing vehicular traffic data and information and applying thereof
JP4535623B2 (ja) * 2001-01-09 2010-09-01 パナソニック株式会社 経路計算方法及びそれを実施する装置
US20050075782A1 (en) * 2002-02-21 2005-04-07 Torgunrud John Arnold Vehicle and traffic information processing system
US7421334B2 (en) * 2003-04-07 2008-09-02 Zoom Information Systems Centralized facility and intelligent on-board vehicle platform for collecting, analyzing and distributing information relating to transportation infrastructure and conditions
JP4063731B2 (ja) * 2003-07-30 2008-03-19 パイオニア株式会社 情報処理装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
US7355528B2 (en) * 2003-10-16 2008-04-08 Hitachi, Ltd. Traffic information providing system and car navigation system
JP2005134429A (ja) * 2003-10-28 2005-05-26 Pioneer Electronic Corp 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
JP2005134427A (ja) * 2003-10-28 2005-05-26 Pioneer Electronic Corp 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
JP4295130B2 (ja) * 2004-02-24 2009-07-15 株式会社日立製作所 交通情報システム
JP4346472B2 (ja) * 2004-02-27 2009-10-21 株式会社ザナヴィ・インフォマティクス 交通情報予測装置
US7680596B2 (en) * 2004-04-06 2010-03-16 Honda Motor Co., Ltd. Route calculation method for a vehicle navigation system
JP2006079483A (ja) * 2004-09-13 2006-03-23 Hitachi Ltd 交通情報提供装置，交通情報提供方法
JP2006131055A (ja) * 2004-11-04 2006-05-25 Denso Corp 車両走行制御装置
US7698055B2 (en) * 2004-11-16 2010-04-13 Microsoft Corporation Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data
JP4329711B2 (ja) * 2005-03-09 2009-09-09 株式会社日立製作所 交通情報システム
US8000887B2 (en) * 2006-02-17 2011-08-16 Lear Corporation Method and system of directing vehicles traveling over roadway during emergency

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819954B (zh) * 2012-08-28 2014-11-12 南京大学 交通区域动态地图监控预测系统
CN102819954A (zh) * 2012-08-28 2012-12-12 南京大学 交通区域动态地图监控预测系统
CN103903464A (zh) * 2012-12-28 2014-07-02 观致汽车有限公司 交通阻塞信息预告方法及系统
CN104952270A (zh) * 2012-12-28 2015-09-30 观致汽车有限公司 交通阻塞信息预告方法及系统
CN103903464B (zh) * 2012-12-28 2016-01-20 观致汽车有限公司 交通阻塞信息预告方法及系统
CN104408907A (zh) * 2014-10-31 2015-03-11 重庆大学 具有在线优化能力的高速公路交通事件持续时间预测方法
CN104408907B (zh) * 2014-10-31 2016-07-13 重庆大学 具有在线优化能力的高速公路交通事件持续时间预测方法
CN106484966B (zh) * 2016-09-22 2019-05-21 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN108091132A (zh) * 2016-11-22 2018-05-29 中国移动通信有限公司研究院 一种交通流量预测方法及装置
CN108091132B (zh) * 2016-11-22 2021-08-06 中国移动通信有限公司研究院 一种交通流量预测方法及装置
CN108230698A (zh) * 2016-12-21 2018-06-29 杭州海康威视数字技术股份有限公司 交通流量预测方法及装置
CN108256679A (zh) * 2018-01-11 2018-07-06 福建榕基软件股份有限公司 一种自定义事件发生预测方法和存储介质
CN108256679B (zh) * 2018-01-11 2022-04-19 福建榕基软件股份有限公司 一种自定义事件发生预测方法和存储介质
CN108877219B (zh) * 2018-07-04 2020-12-22 长沙理工大学 一种城市交叉口禁左后交通流转移预测方法
CN108877219A (zh) * 2018-07-04 2018-11-23 长沙理工大学 一种城市交叉口禁左后交通流转移预测方法
CN109300309A (zh) * 2018-10-29 2019-02-01 讯飞智元信息科技有限公司 路况预测方法及装置
CN109410581A (zh) * 2018-11-16 2019-03-01 浙江海洋大学 基于小波神经网络的交通流预测方法
CN112133105A (zh) * 2019-06-24 2020-12-25 株式会社日立制作所 交通流预测辅助装置以及交通流预测辅助方法
CN112133105B (zh) * 2019-06-24 2023-05-02 株式会社日立制作所 交通流预测辅助装置以及交通流预测辅助方法
CN111932899A (zh) * 2020-10-15 2020-11-13 江苏广宇协同科技发展研究院有限公司 一种基于交通仿真的交通突发事件控制方法及装置

Also Published As

Publication number Publication date
US20080319639A1 (en) 2008-12-25
JP4950596B2 (ja) 2012-06-13
EP1890274B1 (en) 2013-09-11
JP2008046955A (ja) 2008-02-28
EP1890274A1 (en) 2008-02-20
CN101127158B (zh) 2010-06-02

Similar Documents

Publication Publication Date Title
CN101127158B (zh) 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
CN111462484B (zh) 拥堵状态的确定方法、装置、设备及计算机可读存储介质
US6539300B2 (en) Method for regional system wide optimal signal timing for traffic control based on wireless phone networks
JP4951188B2 (ja) トラフィック又は関連情報提供方法およびシステム
CN101354837B (zh) 交通信息系统
CN101604478B (zh) 一种动态交通信息的处理方法及系统
CN103632212B (zh) 一种时变用户均衡动态网络演化客流预测系统和方法
CN107038168A (zh) 一种用户通勤轨迹管理方法、装置及系统
CN101488284A (zh) 道路交通状况即时预测的智能管理系统
CN110570656B (zh) 定制公共交通线路方法及装置
JP2004220574A (ja) 道路関係情報の表現方法と、それを実施する装置及びシステム
WO2020035383A1 (en) Method and system of recommending a place to park
CN102682616B (zh) 无线数据广播系统交通信息发布方法和设备
CN109754606B (zh) 一种基于出租车定位预测道路拥堵情况的方法
CN104596534A (zh) 一种计算最优行车路径的方法
CN202650258U (zh) 一种交通拥堵信息发布系统
CN117371596A (zh) 一种基于多源数据的智慧城市用公共交通综合调控系统
CN115994726B (zh) 派送路径调整方法、装置、电子设备和计算机可读介质
CN110879862B (zh) 基于物联网的车辆信息查询系统
CN110837919A (zh) 公交供给情况判定方法及装置
CN113887834A (zh) 一种公车的智能管控方法及系统
CN110428612A (zh) 车辆管控方法、装置、计算机设备和存储介质
CN115409288B (zh) 基于区域数字经济的物联网服务管理系统
CN111693060B (zh) 基于拥塞等级预测分析的路径规划方法
KR20090090870A (ko) 하이패스 단말을 이용한 교통 정보 시스템, 교통 정보 제공방법 및 도로 관리 서버

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: CLARION CO., LTD.

Free format text: FORMER OWNER: CHANAWEI INFORMATION CO., LTD.

Effective date: 20140402

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20140402

Address after: Japan's Saitama Prefecture

Patentee after: Clarion Co., Ltd.

Address before: Kanagawa County, Japan

Patentee before: Chanawei Information Co., Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100602

Termination date: 20190809