CN104520912A - 堵塞预测装置、堵塞预测系统、堵塞预测方法和程序 - Google Patents

Abstract

装配在探测车P上的终端设备(100)通过网络NW发送探测信息到堵塞预测设备(200)。基于接收到的探测信息和地图数据，堵塞预测设备(200)识别探测车P所行驶的标识线车道。堵塞预测设备(200)基于识别出探测车P所行驶的标识线车道、以及为每个标识线车道规定的速度函数，预测探测车P的行驶。堵塞预测设备(200)基于该预测结果，推定每个标识线车道的堵塞度。

Description

堵塞预测装置、堵塞预测系统、堵塞预测方法和程序

技术领域

本发明涉及堵塞预测装置、堵塞预测系统、堵塞预测方法和程序。

背景技术

交通堵塞预测信息作为驾驶员一侧用于回避堵塞等的信息，活用作为道路管理者一侧的城市规划立案、交通系统控制等信息。

作为交通堵塞的预测技术，公知有使用从在道路上设置的探测器取得通行量的道路交通信息通信系统(VICS，注册商标)的预测技术(例如专利文献1和2)。

专利文献1提出的技术为基于以往的堵塞量等统计信息，生成堵塞预测模型，基于该模型预测堵塞的技术。另外，专利文献2提出的技术为获得车辆从出发点到终点的交通量(以下称为OD交通量)，通过基于获得的OD交通量的堵塞预测模拟来预测堵塞的技术。

现有技术文献

专利文献

专利文献1：特开2008-282161号公报

专利文献2：特开2009-259158号公报。

发明内容

发明要解决的课题

专利文献1和2中记载的方法为了预测道路的交通堵塞均需要来自设置在道路上的传感器的信息。由此，对于未设置传感器的道路无法预测交通堵塞。即，设置传感器的道路只占日本全部道路延长距离的百分之个位数，无法预测大部分道路的交通堵塞。

本发明鉴于以上问题，目的在于提供仅使用探测信息可预测道路的交通堵塞的堵塞预测装置、堵塞预测系统、堵塞预测方法和程序。

用于解决课题的方案

为了实现上述目的，本发明的第一观点涉及的堵塞预测装置，其特征在于，包括：

接收单元，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

地图数据存储单元，其存储表示道路网络的地图数据，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应标识线，

速度函数存储单元，其存储表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系的速度函数，

标识线特定单元，其基于所述接收单元接收的探测信息和所述地图数据存储单元存储的地图数据，特定探测车行驶的标识线，

行驶预测单元，其基于所述标识线特定单元特定的探测车所行驶的标识线、和所述速度函数，预测所述探测车在经过预定时间后行驶的标识线，和

堵塞度推定单元，其基于所述速度函数，求取每个标识线中经过所述预定时间后探测车的平均速度，基于求取的每个标识线中的探测车的平均速度和该标识线的法定速度，推定每个标识线中的表示经过预定时间后道路的堵塞程度的堵塞度。

堵塞预测装置可进一步具备代理车台数计算单元，其基于扩展速度函数求取所述代理车的导入台数，该扩展速度函数为使用用于决定作为假想车的代理车的导入台数而预先设定的扩展系数的所述速度函数，和

代理车导入单元，其将由所述代理车台数计算单元求取的台数数目的代理车导入至任意标识线，

所述行驶预测单元基于所述代理车导入单元导入的代理车行驶的标识线和所述扩展速度函数，预测所述代理车在经过预定时间后行驶的标识线，

所述堵塞度推定单元基于所述扩展速度函数求取每个标识线中经过预定时间后代理车的平均速度，基于求取的每个标识线的代理车的平均速度和该标识线的法定速度，推定每个标识线的经过预定时间后的所述堵塞度。

堵塞预测装置可进一步具备交通量变动存储单元，其对每个标识线存储表示在所述标识线中时序交通量的变动的交通量变动信息，

所述代理车导入单元再现所述交通量变动那样的随着时间经过而增减导入至所述标识线的代理车台数。

另外，所述十字路口对应的节点与表示进入该节点的车辆行进至与该节点连接的多个标识线中哪一个标识线的分叉率相关联，

所述行驶预测单元基于所述分叉率，特定作为进入节点的车辆的行进方向的标识线，进行所述预测。

为了实现上述目的，本发明的第二观点涉及的堵塞预测系统，其特征在于，包括

本发明第1观点的堵塞预测装置，和

搭载于探测车的终端装置，

该终端装置包括：

位置检测单元，其检测所述探测车的当前位置，

探测车信息检测单元，其检测所述探测车的当前位置的行进方向和行进速度，

探测信息生成单元，其生成探测信息，该探测信息包括特定所述检测的探测车的当前位置的位置信息、所述检测的所述当前位置中探测车的行进方向和行进速度、和检测所述当前位置的检测日期时间，

通信单元，其将所述探测信息生成单元生成的探测信息发送至所述堵塞预测装置。

为了实现上述目的，本发明的第三观点涉及的堵塞预测方法，其特征在于，包括

接收步骤，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

标识线特定步骤，其基于表示道路网络的地图数据和所述接收的探测信息，特定探测车行驶的标识线，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应标识线，

行驶预测步骤，其基于所述标识线特定步骤特定的探测车所行驶的标识线、和速度函数，预测所述探测车在经过预定时间后行驶的标识线，该速度函数表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系，和

堵塞度推定步骤，其基于所述速度函数，求取每个标识线中经过所述预定时间后探测车的平均速度，基于求取的每个标识线中的探测车的平均速度和该标识线的法定速度，推定每个标识线中的表示经过预定时间后道路的堵塞程度的堵塞度。

为了实现上述目的，本发明的第四观点涉及的用于使得计算机作为下述单元发挥功能的程序，该单元包括

接收单元，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

地图数据存储单元，其存储表示道路网络的地图数据，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应标识线，

速度函数存储单元，其存储表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系的速度函数，

标识线特定单元，其基于所述接收单元接收的探测信息和所述地图数据存储单元存储的地图数据，特定探测车行驶的标识线，

行驶预测单元，其基于所述标识线特定单元特定的探测车所行驶的标识线、和所述速度函数，预测所述探测车在经过预定时间后行驶的标识线，和

堵塞度推定单元，其基于所述速度函数，求取每个标识线中经过所述预定时间后探测车的平均速度，基于求取的每个标识线中的探测车的平均速度和该标识线的法定速度，推定每个标识线中的表示经过预定时间后道路的堵塞程度的堵塞度。

发明效果

根据本发明，可以仅使用探测信息预测道路交通堵塞。

附图说明

图1为显示关于实施方式1的堵塞预测系统的构成的方框图。

图2为显示实施方式1中终端装置的构成的功能模块图。

图3为显示实施方式1中堵塞预测装置的构成的功能模块图。

图4为显示实施方式1中堵塞预测装置的存储部的构成的功能模块图。

图5A为显示实施方式1中堵塞预测装置的控制部的构成的功能模块图。

图5B为显示实施方式1中堵塞预测处理部的构成的功能模块图。

图6为显示实施方式1中的行驶记录的示例的示图。

图7为显示实施方式1中的预测行驶记录的示图。

图8为说明实施方式1中的地图数据的示图。

图9为显示实施方式1中的标识线属性信息表的示例的示图。

图10为显示实施方式1中的第1节点属性信息表的示例的示图。

图11A为显示实施方式1中的第2节点属性信息表的示例的示图。

图11B为显示实施方式1中的第2节点属性信息表的示例的示图。

图12为在坐标上表示实施方式1中的速度函数的示图。

图13为显示实施方式1中的参数表的示例的示图。

图14为显示实施方式1中的平均速度信息表的示例的示图。

图15为显示实施方式1中的堵塞度表的示例的示图。

图16A为说明实施方式1中的参数α与β的推定方法的示图。

图16B为说明实施方式1中的参数α与β的推定方法的示图。

图17为显示实施方式1中的工作日/休息日的交通量变动的示例的示图。

图18为说明实施方式1中的代理车导出入部的处理的示图。

图19为说明实施方式1中的模拟执行部的处理的示图。

图20为显示实施方式1中的终端装置的探测信息传送处理的流程图。

图21为显示实施方式1中的堵塞预测装置的堵塞预测处理的流程图。

图22为显示法定时速和探测取样数的对应关系的示图。

(符号说明)

1  堵塞预测系统

NW  网络

P  探测车

100  终端装置

101  存储部

102  位置检测部

103  车辆信息检测部

104  探测信息生成部

105  通信部

106  控制部

106a  判断部

200  堵塞预测装置

201  通信部

202  存储部

202a  行驶履历存储部

202b  预测行驶履历存储部

202c  地图数据存储部

202d  速度函数存储部

202e  平均速度存储部

202f  堵塞度存储部

203  控制部

203a  行驶履历生成部

203b  参数推定部

203c  分叉率推定部

203d  平均速度推定部

203e  判断部

203f  堵塞预测处理部

203f1  代理车台数计算部

203f2  差分计算部

203f3  代理车导出入部

203f4  模拟执行部

203f5  堵塞度推定部

Tb1  行驶履历

Tb2  预测行驶履历

Tb3  标识线属性信息表

Tb4  第1节点属性信息表

Tb5  第2节点属性信息表

Tb6  参数表

Tb7  平均速度信息表

Tb8  堵塞度表

具体实施方式

(实施方式1)

参照附图详细说明本发明的实施方式。

参照图1说明本实施方式的堵塞预测系统1的构成。堵塞预测系统1包括分别搭载在多个探测(probe)车P上的终端装置100以及堵塞预测装置200。各终端装置100和堵塞预测装置200之间通过英特网等网络NW可相互通信的进行链接。

图2为显示终端装置100的构成的功能模块图。

如图2所示，终端装置100包括存储部101、位置检测部102、车辆信息检测部103、探测信息生成部104、通信部105和控制部106。终端装置100进行检测探测车P的当前位置，将包含位置信息的探测信息D1发送给堵塞预测装置200的处理，该位置信息表示检测出的当前位置。

终端装置100可为具有GPS(全球定位系统)等位置检测功能的车载导航系统等的车载终端。另外，终端装置100可为具备位置检测功能等的通用型终端装置，例如智能手机、手机、PC(个人计算机)等。另外，例如可由车载装置和通用终端装置的组合来构成终端装置100。

存储部101由ROM(只读存储器)、RAM(随机存取存储器)、非挥发性存储器等构成。存储部101作用为控制部106具备的CPU(中央处理器)的工作区域、存储CPU执行的操作程序等各种程序的程序区域和存储各种数据的数据区域等。

位置检测部102由例如GPS模块等构成，检测探测车P的当前位置。具体来说，位置检测部102基于GPS模块的GPS天线接收的GPS信号，检测探测车P的绝对当前位置(例如，经度和纬度)。

车辆信息检测部103由陀螺仪传感器、车速传感器等各种传感器等构成。陀螺仪传感器在控制部106的控制下检测探测车P的角速度。然后，陀螺仪传感器计算探测车P的行进方向的方位，即行进方位的变化量。另外，车速传感器在控制部106的控制下，检测相应于车轮的旋转输出的脉冲信息(车速信号)，计算探测车P的速度。

探测信息生成部104生成探测信息D1，其包括日期时间、探测车P的当前位置、速度、行进方位和探测车的车辆ID。探测信息生成部104将生成的探测信息D1通过通信部105发送给堵塞预测装置200。车辆ID用于堵塞预测装置200特定探测车。

通信部105与堵塞预测装置200之间进行探测信息D1等各种数据的收发。

控制部106例如由CPU等构成。控制部106通过将存储部101的RAM作为工作存储器，执行存储在程序区域的操作程序，作用为图2所示的判断部106a。另外，控制部106控制终端装置100的各个功能部，执行探测信息传送处理等处理。

判断部106a判断检测探测车P的当前位置、行进方向和速度的检测定时是否到来。这里，作为检测定时考虑有固定周期、堵塞预测装置的指示、堵塞时等等。在本实施方式中，探测车P的终端装置100构成为分别在相同的定时定期获取探测车P的当前位置等。

下面参照图3至图5，说明本实施方式的堵塞预测装置200的构成。

如图3所示，堵塞预测装置200包括通信部201、存储部202和控制部203。堵塞预测装置200基于从搭载在各个探测车P的终端装置100发送的探测信息D1，预测堵塞。

通信部201在与通过网络NW链接的各终端装置100之间，进行包括探测信息D1的各种数据的收发。

存储部202由ROM、RAM、非挥发性存储器等构成。该存储部202作用为图4所示的各存储部202a至202f。

行驶履历存储部202a存储基于从终端装置100定期发送的各探测车P的探测信息D1生成的行驶履历Tb1。如图6所示，行驶履历Tb1与日期时间、是否为工作日、该日期时间中探测车P的速度、行驶标识线(edge)以及行驶车道(上行/下行)相关联。

回到图4，预测行驶履历存储部202b存储后述堵塞预测处理中预测的探测车P(或后述的代理车A)的行驶履历，即预测行驶履历Tb2。

图7为显示探测车PC00001的预测行驶履历Tb2的示例。该预测行驶履历Tb2显示预测探测车P(或后述的代理车A)将来行驶的履历。

回到图4，地图数据存储部202c存储地图数据。该地图数据显示模型化的道路网络。如图8所示，该道路网络由与地图信息的交叉点关联的节点、以及与相邻的2个交叉点(节点)所夹的道路区间关联的标识线构成。图8的示例中E00001等表示标识线，N00001等表示节点。

另外，各标识线和各节点附加有属性信息。

图9为显示作为标识线的属性信息的标识线属性信息表Tb3的示例的示图。标识线属性信息表Tb3是对每个标识线关联标识线的识别号、该标识线两端的节点的识别号、该标识线的标识线长度、以及该标识线的上行/下行车道(以下称为标识线车道)分别的法定速度Vmax的表格。

基于上行/下行车道的实际的法定速度Vmax设定该标识线的法定速度Vmax。

另外，图10显示了作为节点的属性信息的第1节点属性表Tb4，图11显示了作为节点的属性信息的第2节点属性表Tb5。

第1节点属性表Tb4为节点的识别号与用于特定该节点位置的坐标(例如，经度和纬度)相关联的表格。

另外，如图11A所示，第2节点属性表Tb5为节点的识别号与该节点中的标识线连接信息、该节点中的分叉率、有无信号灯、有信号灯的情况下周期长度和有效绿灯时间的组相关联的表格。图11B是图11A中显示的第2节点属性表Tb5中抽出虚线框W1包围部分的示图。

标识线连接信息为显示节点中标识线的连接关系(相对节点的上游标识线与作为下游标识线的连接目的标识线的组合)的信息。例如参照图11A，标识线E00001作为上流标识线与节点N00001相关联。作为上流标识线的标识线E00001关联有作为连接目的标识线的标识线E00002、标识线E00010和标识线E00011。

节点中的分叉率为在上流标识线行驶的探测车P从成为分叉点的节点开始进入特定的标识线的概率。相对工作日和休息日的各时间段设定该分叉率。

该分叉率使用于控制后述堵塞预测处理中探测车P等的行驶。

例如，参照图11A和11B，假定在标识线E00001行驶的探测车P进入节点N00001。这种情况下，堵塞预测模拟中预测日期时间为工作日的上午9-10点时，使得该探测车P进入标识线E00002的概率(分叉率)为0.6。

设置信号灯的情况下，在有无信号灯的一栏中存储“1”，未设置信号灯的情况下，在有无信号灯的一栏中存储“0”。

周期长度和有效绿灯时间(以下总称为信号属性信息)中，周期长度为信号灯的信号显示一个周期的时间(一般是指信号灯变为红色开始到信号灯下一次变为红色为止的时间)。有效绿灯时间是指车辆可以进入十字路口的时间。基于信号灯的设定信息(实际的周期长度和有效绿灯时间)设定信号属性信息。

该信号属性信息使用于在后述堵塞预测处理中控制探测车P等的行驶。

返回图4，速度函数存储部202d存储下述公式1表示的速度函数。本实施方式的速度函数存储部202d存储针对标识线车道的速度函数。在堵塞预测处理中使用该速度函数。

公式1

Va＝Vmax[1/(1+exp{(on-β)/d})]    (1)

这里，Va表示行驶在标识线车道的探测车P的平均速度。Vmax为在该标识线车道的法定速度。n为行驶在标识线车道的探测车P的台数。d表示该标识线的标识线长度。

该速度函数表示行驶在标识线车道的探测车P的平均速度Va与行驶在标识线车道的探测车P的台数n的关系。一般公知的是伴随着探测车的增加道路变得拥挤，探测车的台数增加则平均速度下降。更具体的，行驶在道路的车辆的台数为少的情况下，即使台数增加，平均速度也不怎么下降，但在一定台数以上时伴随着台数的增加，平均速度急剧下降。变为低速行驶的状态时，即使车辆台数增加，速度也不怎么下降。图12所示的曲线为在坐标上表示公式(1)表示的台数与平均速度的关系。从该曲线可知行驶在标识线车道的探测车P的台数超过预定的容许量(交通容量)的话，平均速度Va急剧下降。这样，只要是具有按照公知的台数与速度的关系特征的函数，就可以用作为速度函数。

另外，速度函数存储部202d在速度函数之外还存储图13的参数表Tb6。参数表Tb6为分别对于标识线的上行/下行车道关联速度函数的参数α和β的组的表格。

返回图4，平均速度存储部202e存储图14的平均速度信息表Tb7。平均速度信息表Tb7为分别对于标识线的上行/下行车道关联工作日/休息日各个时间带的平均速度的表格。

堵塞度存储部202f存储图15的堵塞度表Tb8。堵塞度表Tb8为关联各标识线中模拟的预测日期时间和堵塞度的表格。

返回图3，如图5A所示，控制部203作用为包括行驶履历生成部203a、参数推定部203b、分叉率推定部203c、平均速度推定部203d、判断部203e和堵塞预测处理部203f。

行驶履历生成部203a生成各个终端装置100发送的探测信息D1中含有的车辆ID所特定的探测车P的行驶履历Tb1。

具体的，行驶履历生成部203a对于车辆ID特定的探测车P，在行驶履历Tb1的“日期时间”栏和“速度”栏中分别存储探测信息D1中含有的日期时间和速度。

另外，行驶履历生成部203a基于探测信息D1中含有的日期时间判断是否为工作日，在判断为工作日的情况下，在“工作日/休息日”栏中存储“0”，在判断为休息日的情况下，在“工作日/休息日”栏中存储“1”。

另外，行驶履历生成部203a基于探测信息D1中含有的当前位置和行进方向，执行图匹配(从位置数据特定道路网络上移动的路线(道路))。通过该图匹配，特定该探测车P行驶的标识线以及该标识线的车道(上行/下行)。然后，行驶履历生成部203a在“行驶标识线”中存储特定的标识线的识别号。另外，行驶履历生成部203a在特定的行驶车道为上行的情况下，在“行驶车道(上行/下行)”中存储“0”，在特定的行驶车道为下行的情况下，在“行驶车道(上行/下行)”中存储“1”。

行驶履历生成部203a通过上述的手段，基于探测信息D生成各个探测车的行驶履历Tb1(参照图6)。

通过该行驶履历Tb1，可以特定各个探测车P的行驶路线。

然后，参数推定部203b基于在行驶履历存储部202a中存储的行驶履历Tb1，分别针对各个标识线的上行/下行车道推定参数α和β。参数α表示曲线的倾斜(表示车辆台数增加的话平均速度急剧下降时的速度下降率的数值)，参数β表示相位(表示伴随车辆增加平均速度开始急剧下降时的台数的数值)。然后，参数推定部203b以推定的参数更新在速度函数存储部202d中存储的参数表Tb6的参数。

具体的，参数推定部203b基于行驶履历Tb1，分别针对各个标识线的上行/下行车道特定多个行驶在该标识线车道的探测车P。然后，参数推定部203b抽取出特定的多个探测车P的行驶速度。然后，参数推定部203b求取多个探测车P的台数n和抽取出的行驶速度的平均速度Va。

然后，参数推定部203b分别针对各个标识线的上行/下行车道，将台数n、平均速度Va、该标识线的标识线长度d和该标识线车道的法定速度Vmax代入公式(1)表示的速度函数。然后，参数推定部203b通过最小二乘法分别针对各个标识线的上行/下行车道推定参数α和β。

图16A和16B是以标识线E00015的上行车道为例说明参数α和β的推定方法。图16A为显示从多个行驶履历Tb1按每个检测日期时间抽取出行驶在E00015的上行车道的探测车P的行驶速度的示例的示图。图16B为显示按每个检测日期时间求取的行驶在E00015的上行车道的探测车P的平均速度Va和行驶台数n的示例的示图。

例如，参照图16A和图16B，在检测日期时间T1行驶在E00015的上行车道的探测车P的平均速度Va15T1是速度V1-1、V3-1和V9-1的平均值。在该检测日期时间T1行驶在E00015的上行车道的探测车P的台数为3。这里，假定的是推定对象的标识线车道为标识线E00015的上行车道。参数推定部203b从存储在地图数据存储部202c中的标识线属性信息表Tb3(图9示例)中取得对应于标识线E00015的上行车道的标识线长度L15和法定速度Vmax15-0。

参数推定部203b将取得的标识线长度L15、法定速度Vmax15-0、和按每个检测日期时间求取的行驶在E00015的上行车道的探测车P的平均速度Va和行驶台数n分别代入速度函数Va。参数推定部203b通过最小二乘法求取标识线E00015的上行车道的参数α15-0和β15-0。

返回到图5A，分叉率推定部203c推定分叉率。然后分叉率推定部203c以推定的数值更新第2节点属性信息表Tb5的分叉率。

例如，参照图11A，假定从节点N00001的上流标识线E00001推定向标识线E00002的分叉率。该情况下，分叉率推定部203c首先从行驶履历Tb1抽取出探测车P在节点N00001的上流标识线E00001行驶的全部履历。分叉率推定部203c将抽取出的履历按照工作日/休息日各个时间带进行分类，计算其中探测车P通过节点N00001行进到标识线E00002的比例。

例如，抽取出的履历中，检测日期时间为工作日的上午9-10点的履历为1000件。该1000件履历当中，通过节点N00001行进到标识线E00002的履历为600件的情况中，工作日的上午9-10点中从连接于节点N00001的上流标识线E00001行进到标识线E00002的比例(分叉率)为0.6(参照图11B)。

返回到图5A，平均速度推定部203d基于行驶履历Tb1，推定各标识线的上行/下行车道各自在工作日/休息日的各时间段的平均速度。然后，平均速度推定部203d更新如图14所示的平均速度信息表Tb7。

例如，假定推定在标识线E00001的上行车道中工作日的0-1点的平均速度。平均速度推定部203d从多个探测车P的行驶履历Tb1抽取出在工作日的0-1点在标识线E00001的上行车道行驶的全部履历。平均速度推定部203d通过计算在抽取出的所有履历中多个探测车P的行驶速度的平均值，推定平均速度。

返回到图5A，判断部203e进行各种判断。

具体来说，判断部203e判断是否接受到来自各个终端中的100的探测信息D1，进行推定参数α和β、分叉率和平均速度的定时判断，或者用于堵塞预测的堵塞预测模拟执行的指示判断。

参数α和β、分叉率和平均速度的推定定时为例如，固定周期、来自用户的指示、预定量的履历追加到行驶履历Tb1中的定时等等。该推定定时可不同，也可相同。

这样通过控制部203的各个部分，基于从各个终端装置100发送的探测信息D1，生成堵塞预测所必须的各种表(行驶履历Tb1、包括分叉率和信息属性信息的第2节点属性信息表Tb5、平均速度表Tb7等)。然后因为按照预定的推定定时更新生成的各种表，堵塞预测装置200存储最新的履历信息等。

以上述为前提，堵塞预测装置200的堵塞预测处理部203f进行以下说明的用于堵塞预测的各种处理。

堵塞预测处理部203f如图5B所示，由代理(agent)车台数计算部203f1、差分计算部203f2、代理车导出入部203f3、模拟执行部203f4和堵塞度推定部203f5构成。堵塞预测处理部203f通过这些部执行堵塞预测处理，预测各个标识线的上行/下行车道分别的堵塞度。

另外，堵塞预测处理部203f基于来自用户的堵塞预测模拟的执行指示，开始堵塞预测处理。该执行指示中包括用户指定的模拟开始时刻、结束时刻、工作日或休息日、进行堵塞预测的预测区域。堵塞预测处理部203f基于开始时刻和结束时刻计算模拟期间。另外，堵塞预测处理部203f在模拟期间内按预定的预测间隔预测探测车P和后述代理车A的行驶位置。

这里，预测间隔为模拟期间内预测探测车P和后述代理车A的行驶位置的间隔。例如，每5秒预测行驶位置的情况下，预测间隔为5秒。

本实施方式中，使得预测间隔的值使用堵塞预测装置200具有的缺省值。另外，用户向堵塞预测装置200直接指示执行，或者从探测车P内的终端装置100远程指示。

代理车台数计算部203f1基于下面公式(2)所示的速度函数(以下称为扩展速度函数)，对各标识线的上行/下行车道分别计算在堵塞预测模拟的开始时刻导入的代理车A的台数。这里，代理车A为用于补充在实际道路上行驶的探测车以外的车辆(以下称为非探测车)而导入的假想车辆。代理车A用于在实际道路上行驶的探测车P的台数少的情况下，再现实际的交通量。

另外，公式(2)的扩展速度函数是考虑代理车A扩展上述公式(1)的速度函数，其表示行驶在预测区域内的标识线车道的探测车P和代理车A的总台数、和行驶在该标识线车道的探测车P和代理车A的平均速度Va的关系。

以下将探测车P和代理车A总称为车辆。

[公式2]

Va＝Vmax[1/(1+exp{(α(n′/m)-β)/d})]    (2)

这里，m为扩展系数。n′为行驶在标识线车道的探测车P和代理车A的总台数(以下称为总台数n′)。总台数n′为扩展系数m与n(探测车的台数)的乘积，即n′＝mm。扩展系数m为预先设定的值。该扩展速度函数按照标识线车道存储在速度函数存储部202d。

更具体的，代理车台数计算部203f1分别从标识线属性信息表Tb3取得标识线车道的法定速度Vmax和标识线长度，从参数表Tb6取得该标识线车道的参数α和β。

然后，代理车台数计算部203f1基于多个探测车P的行驶履历Tb1，特定在模拟的开始时刻行驶在预测区域内的标识线车道的多个探测车P的速度。然后，代理车台数计算部203f1从该特定的速度求取该标识线车道的平均速度Va。

然后代理车台数计算部203f1通过将这些数值代入公式(2)，求取标识线车道中的总台数n′。

代理车台数计算部203f1从求得的总台数n′计算代理车A的台数。具体的，代理车A的台数＝总台数n′-探测车P的台数n，且如上述那样n′＝mn。由此，代理车A的台数＝mn-n＝(m-1)n。代理车台数计算部203f1代入预先设定值m和行驶在标识线车道的多个探测车P的台数n，求取标识线车道的代理车A的台数。

这样，代理车台数计算部203f1首先分别对预测区域所包含的各标识线的上行/下行车道计算模拟开始时刻的代理车A的台数。之后，取得总和，求取预测区域的代理车的台数na。

差分计算部203f2基于平均速度信息表Tb7，求取各标识线的上行/下行车道分别的工作日/休息日的交通量变动(图17)。该交通量变动基于探测信息D再现了交通量的时序变动。

这里，参照图17，以标识线E00001的上行车道为例，说明差分计算部203f2的差分计算处理。图17的纵轴表示在标识线上行驶的车辆的台数(交通量)，横轴表示时间带。

差分计算部203f2从标识线属性信息表Tb3、参数表Tb6和平均速度信息表Tb7分别取得标识线E00001的上行车道的法定速度Vmax1-0和标识线长度L1、参数α1-0和β1-0、标识线E0001的上行车道的平均速度Va10xx(工作日/休息日分别的各时间带的平均速度)。

然后，差分计算部203f2将取得的数值分别代入上述公式(2)的扩展速度函数。然后，差分计算部203f2按照工作日/休息日分别各时间带，推定行驶在标识线E00001的上行车道的探测车P和代理车A的总台数n′。以此求取工作日/休息日分别的各时间带的交通量变动。

然后，差分计算部203f2基于求取的交通量变动，进行按照预定的调整间隔在模拟的开始时刻导入的代理车台数na的重新修改。

具体的，差分计算部203f2在预定的调整时刻比较模拟的开始时刻的总台数n′和该调整时刻的总台数，计算交通量的差分Δn′。

例如，假定模拟的开始时刻为工作日的9点，预定的调整间隔为在堵塞预测装置200设定的缺省值1小时的情况。该情况下，差分计算部203f2在最初的调整时刻工作日的10点时，比较工作日9点的总台数n′和工作日的10点时总台数(即，比较工作日9点和10点的交通量)，计算差分Δn′。

然后，差分计算部203f2加上按照预测区域内的每个标识线车道计算出的差分Δn′(交通变动量)，计算预测区域的区域差分。

返回到图5B，代理车导出入部203f3进行(1)在模拟的开始时刻向预测区域导入代理车A，和(2)在模拟期间中的每个调整间隔，调整导入的代理车A的台数。

上述(1)具体来说，代理车导出入部203f3将通过代理车台数计算部203f1求取的预测区域的代理车A的台数na，在模拟的开始时刻任意导入预测区域内的多个标识线中。

上述(2)具体来说，代理车导出入部203f3相应于在调整时刻时差分计算部203f2求取的区域差分，使得调整时刻的车的台数变为图17的对应的调整时刻中的交通量那样，增减代理车的台数na进行调整。

这里，参照图18通过具体实例说明上述(1)和(2)。图18显示预测区域内的示例。预测区域包含多个标识线和多个节点。另外，图中白色长方形为探测车P，全涂黑的长方形为代理车A。

图18的例子为预测区域内的代理车A的台数总计60台的情况的示例。即，代理车导出入部203f3在模拟的开始时刻导入60台作为预测区域内的代理车A的台数na之后的示例的示图。

这里，假定在调整时刻预测区域的区域差分为“-5”的情况，即，由于交通量变动交通量下降，开始时刻和调整时刻的区域差分为“-5”台的情况。这种情况下，代理车导出入部203f3例如随机选择代理车A，并消去。例如，图18中显示以圆圈包围所选择的代理车A。

这样，通过在每个调整间隔配合交通量变动增减代理车A的台数，由代理车A再现基于探测信息D1的时序的交通量变动。

返回到图5B，模拟执行部203f4按照终端装置100或者堵塞预测装置200的用户的执行指示，执行用于堵塞预测的堵塞预测模拟。

模拟执行部203f4进行由代理车导出入部203f3在模拟开始时刻导入的代理车以及同时刻的探测车的行驶预测。

具体的，模拟执行部203f4基于扩展速度函数、分叉率和信号属性信息，在变为结束时刻为止在每个预定的预测间隔(例如缺省值每5秒)反复进行模拟开始时刻的探测车P和代理车A的行驶预测(例如，速度、标识线、上行/下行车道等)。

基于平均速度信息表Tb7，设定模拟开始时刻各代理车A的速度。例如，参照图14，模拟开始时刻为工作日的上午2点的情况下，导入标识线E00001的上行车道的代理车A的行驶速度为速度Va1002。

扩展速度函数利用于求取模拟期间中探测车P和代理车A的行驶速度。模拟执行部203f4按照扩展速度函数求取的行驶速度，控制探测车P和代理车A的行驶。

具体的，模拟执行部203f4在每次进行探测车P和代理车A的行驶预测时，求取行驶在各标识线的各上行/下行车道的车辆台数。通过将求得的车辆台数代入扩展速度函数，推定各标识线的各上行/下行车道的平均速度。然后，模拟执行部203f4按照推定的平均速度，控制探测车P和代理车A的行驶。

分叉率用于探测车P或代理车A逼近节点时概率决定接下来行进的标识线。模拟执行部203f4按照分叉率，控制探测车P和代理车A的行进方向。

信号属性信息用于控制模拟期间中探测车P和代理车A的行驶。模拟执行部203f4根据信号属性信息，控制各个信号灯。例如，假定探测车P或代理车A逼近节点的情况。该情况下，对应的信号灯为红色时，模拟执行部203f4在该信号灯变为绿色为止使得探测车P或代理车A停止在节点正前方。

另外，模拟执行部203f4在每次进行探测车P和代理车A的行驶预测时，将预测的行驶履历(预测日期时间、各工作日/休息日、速度、行驶标识线、行驶车道)追加到存储在预测行驶履历存储部202b中的预测行驶履历Tb2中。

例如，模拟开始时刻为工作日的9点，预测间隔为5秒。假定工作日9点探测车P(PC00001)的行驶位置为图18所示的位置，每个预测间隔进行行驶预测之后几分钟之后的行驶位置为图19所示的位置。这种情况下，假定每个预测间隔生成的预测行驶履历Tb2为图7所示的预测行驶履历Tb2。这种情况下，可知预测探测车P(PC00001)的行驶路线为节点N00001->标识线E00011上行车道->节点N00003->标识线E00005的上行车道->节点N0004->标识线E00016的下行车道->节点N00006->标识线E00009的上行车道。

返回到图5B，堵塞度推定部203f5基于模拟执行部203f4生成的预测行驶履历Tb2，对于各标识线的各上行/下行车道计算由下面公式(3)定义的堵塞度。由此推定将来的堵塞度。

[公式3]

CJ＝1-(Va/Vmax)    (3)

具体的，堵塞度推定部203f5从预测行驶履历Tb2抽取出关于标识线车道的履历。按照预测日期时间对抽取的履历进行分类，求取每个预测日期时间的平均速度。然后，堵塞度推定部203f5将求取的平均速度Va、和从标识线属性信息表Tb3取得的法定速度Vmax代入公式(3)。由此，计算每个预测日期时间的对象标识线车道的堵塞度CJ。

然后，堵塞度推定部203f5生成与计算出的堵塞度CJ和预测日期时间关联的堵塞度表Tb8(图15)。堵塞度推定部203f5将生成的堵塞度表Tb8存储在堵塞度存储部202f。图中预测日期时间Ts0为模拟开始时刻的日期时间，Ts1至Ts7为以各个预测间隔更新的日期时间。

另外，向用户显示基于堵塞度表Tb8加工的各种表示形式的堵塞度。例如，考虑在图19所示的堵塞中的标识线上重叠显示相应于堵塞度程度的颜色(红色为堵塞中等等)。另外，可以图15的表形式向用户显示。

接下来，参照图20和图21，说明终端装置100和堵塞预测装置200各自的处理。图20为显示终端装置100的探测信息发送处理的流程图。图21为堵塞预测装置200的堵塞预测处理的流程图。

首先说明图20的探测信息发送处理。以打开终端装置100的电源为触发，开始该处理。

首先，终端装置100的判断部106a判断检测搭载有本装置的探测车P的当前位置、行进方向和速度的检测定时是否到来(步骤S101)。由判断部106a判断检测定时还未到来的情况下(步骤S101：NO)，重复步骤S101的处理，等待检测定时的到来。

另一方面由判断部106a判断检测定时到来的情况下(步骤S101：YES)，位置检测部102检测探测车P的当前位置(步骤S102)。接下来，车辆信息检测部103检测探测车P的行进方向和速度(步骤S103)。

然后，探测信息生成部104生成包含探测车P的当前位置、速度、行进方向、检测日期时间和车辆ID的探测信息D1(步骤S104)。探测信息生成部104将生成的探测信息D1通过通信部105发送到堵塞预测装置200(步骤S105)。然后，处理返回到步骤S101，重复上述处理。

另一方面，堵塞预测装置200的行驶履历生成部203a基于接收的探测信息D1生成行驶履历Tb1。

接下来，参照图21说明堵塞预测处理。以来自终端装置100或堵塞预测装置200的用户的执行指示为触发，开始该堵塞预测处理。具体的，以来自用户的执行指示中包含的模拟开始时刻、结束时刻、工作日或休息日的指定、预测区域等进行堵塞预测处理所必需的信息的接收为触发，开始该堵塞预测处理。

另外，堵塞预测装置200的预测间隔和调整间隔的值使用缺省设定的间隔。预测间隔和调整间隔的值可为用户指定，且包含在执行指示中。

堵塞预测装置200接收到执行指示，顺次进行以下的堵塞预测处理。

首先，代理车台数计算部203f1计算预测区域内的模拟开始时刻的代理车A的台数na(步骤S303)。具体的，代理车台数计算部203f1基于扩展速度函数，对于预测区域内的各标识线的各上行/下行车道计算代理车A的台数之后，获得其总和，计算上述na。

然后，代理车导出入部203f3进行代理车的导出入(步骤S302)。具体的，代理车导出入部203f3将模拟开始时刻的预测区域内的代理车A的台数na任意的导入预测预测的多个标识线。

然后，模拟执行部203f4进行行驶预测(步骤S303)。具体的，模拟执行部203f4基于扩展速度函数、分叉率和信号属性信息，进行模拟开始时刻导入的代理车和同时刻的探测车的行驶预测。

然后，模拟执行部203f4将预测的行驶履历(预测日期时间、各工作日/休息日、速度、标识线、行驶车道)追加到存储在预测行驶履历存储部202b中的预测行驶履历Tb2(步骤S304)。

然后，堵塞度推定部203f5计算堵塞度(步骤S305)。具体的，堵塞度推定部203f5基于模拟执行部203f4生成的预测行驶履历Tb2，对各标识线的各上行/下行车道计算由公式(3)定义的堵塞度CJ。

然后，堵塞度推定部203f5生成将计算出的堵塞度CJ与其预测日期时间关联的堵塞度表Tb8，在堵塞度存储部202f中存储生成的堵塞度表Tb8(步骤S306)。

然后，控制部203判断是否为结束时刻(步骤S307)。即，控制部203判断是否为模拟期间内。

这里，如果不是结束时刻(步骤S307：NO)，差分计算部203f2判断是否为调整定时(步骤S308)。具体的，差分计算部203f2基于开始时刻和调整间隔计算调整时刻，判断是否为调整定时。

这里，不是调整定时的情况下(步骤S308：NO)，更新预测间隔部分的时间(步骤S309)，进行行驶预测(步骤S303)。

这样，在开始时刻和结束时刻之间的模拟期间内的话，在变为调整定时为止在每个预测间隔重复进行探测车P和代理车A的行驶预测，存储每个预测间隔的履历和堵塞度(步骤S303至S309的循环)。

然后，变为调整定时时(步骤S308：YES)，顺次进行处理(步骤S310至S313)，用于重新修改在模拟开始时刻导入的代理车台数na。

具体的，差分计算部203f2基于平均速度信息表Tb7求取各标识线的各上行/下行车道的各工作日/休息日的交通量变动(参照图17)(步骤S310)。

然后，差分计算部203f2根据交通量变动求取差分(步骤S311)。具体的，差分计算部203f2比较模拟开始时刻的探测车P和代理车A的总台数n'，与求取的交通量变动中调整时刻的总台数，并计算交通量的差分△n'。

然后，差分计算部203f2加上按预测区域内的各标识线车道计算的差分△n'，求取预测区域的区域差分(步骤S312)。

然后，差分计算部203f2判断计算出的区域差分是否为0(步骤S313)。即，判断是否有区域差分。这里，区域差分为0(步骤S313：YES)的情况下，在开始时刻和调整时刻没有预测区域的交通量变动，不调整代理车A的台数，进行行驶预测(步骤S303)。

另一方面，区域差分不为0的情况下(步骤S313：NO)，代理车导出入部203f3相应于区域差分进行预测区域内的代理车A的台数的导出导入(步骤S302)。这时，在调整时刻交通量下降的情况下(区域差分为负数值的情况)，从预测区域内删除区域差分的绝对值的台数的代理车A。另一方面，在调整时刻交通量上升的情况下(区域差分为正数值的情况)，向预测区域导入区域差分的绝对值的台数的代理车。这样，每个调整间隔增减代理车A的台数，再现基于探测信息D求取的交通量变动。

然后，堵塞预测装置200在每个预测间隔进行预测区域内的探测车和代理车的行驶预测的同时(步骤S303至S309的循环)，在每个调整间隔进行代理车的台数的调整(步骤S308、S310-S313)，在结束时刻时(步骤S307：NO)，结束堵塞预测处理。

以下，通过具体例说明堵塞预测处理。

作为一个示例，假定乘坐探测车P的用户通过终端装置100向堵塞预测装置200发送模拟的执行指示的情况。然后，用户指定预测区域，并指定工作日的开始时刻为9点，结束时刻为12点。另外，缺省的预测间隔为5秒，调整间隔为1小时。

堵塞预测装置200以执行指示为触发开始堵塞预测处理后，将9点时刻的代理车导入预测区域(步骤S301和302)。然后，在变为最初的调整时刻10点为止，堵塞预测装置200以5秒的间隔基于由扩展速度函数求取的平均速度、分叉率和信号属性信息，控制预测区域内的探测车P和代理车A，进行行驶预测。然后，以5秒的间隔存储预测行驶履历和堵塞度(步骤S303至S309的循环)。

然后，在变为最初的调整时刻10点时，基于工作日的交通量变动求取预测区域内工作日9点和工作日10点的交通量的差分，作为区域差分，该区域差分不为0的情况下，相应于该区域差分的正负数值增减代理车的台数(步骤S308、S310-S313)。

同样的，到下一个调整时刻11点为止重复上述循环，在变为11点时，求取预测区域内工作日10点和工作日11点的交通量的差分，作为区域差分，相应于该区域差分的正负，增减代理车的台数从而使工作日10点时的代理车的台数变为工作日11点的交通量(步骤S308、S310-S313)。

然后，在结束时刻的工作日12点之前5秒的时刻，即11点55分55秒，其既不是结束时刻(步骤S307：NO)，也不是调整定时(步骤S308：NO)，更新时间变为结束时刻的工作日12点(步骤S309)。然后，在工作日12点，进行行驶预测等之后(步骤S303至S306)，因为是结束时刻(步骤S307：YES)，结束堵塞预测处理。这样，在工作日的9点到12点之间以10点和11点为调整时刻，以5秒间隔进行堵塞预测。

如上所说明的，在本实施方式的堵塞预测处理中，基于终端装置100发送的探测信息D1求取作为用于进行该处理的前提的信息。即，不使用设置在道路上的传感器的信息。由此，在未设置传感器的道路，只要得到探测信息D1，可以行驶探测车P和代理车A进行堵塞预测。因而，可以削减设置传感器的工作时间和成本，在未设置传感器的区域中也可以进行堵塞预测，所以可以提高模拟的覆盖率。

另外，本实施方式的堵塞预测处理在堵塞预测模拟开始时刻导入代理车A。这样，可以通过假想车辆补充不能得到探测信息D1的车辆，即在实际的道路上行驶的探测车以外的车辆(非探测车)。因而在未行驶有探测车P的道路，或者探测车P的台数少的道路，也可以预测交通堵塞。

另外，本实施方式的堵塞预测处理在每个模拟的调整间隔使得与交通量变动的差分变为零那样导入代理车A至预测区域。该交通量变动是基于探测车P的终端装置100发送的探测信息D1推定的。因此，通过代理车的增减可以补正随着时间经过而产生的交通量的偏差。因而，通过调整代理车A的台数，可以再现交通量变动，可以提高堵塞预测的精度。

另外，通过本实施方式，生成探测车P和代理车A的预测行驶履历Tb2，进行存储。这样，可以再现模拟的结果，可以活用于信号控制系统和城市规划等。

另外，通过本实施方式，通过具有行驶在标识线的车辆(探测车P和代理车A)的台数超过容许量(交通容量)时行驶速度急剧下降特征的函数，定义模拟所使用的扩展速度函数。这样，在模拟中，可以进行遵循时间道路特性的速度控制。

另外，通过本实施方式，对工作日/休息日分别的各时间段设定分叉率。基于探测信息D1求取该分叉率。这样，可以进行遵循实际车辆流动的速度控制。

在上述图21的堵塞预测处理中，以导入代理车的情况为例进行了说明，但不限定于此，也可以仅以探测车进行堵塞预测。这种情况下，可以省去步骤S301、302、308、310至313的处理，所以可以减轻堵塞预测装置200的负担。在行驶预测中不使用扩展速度函数而使用速度函数。

以上为本实施方式的说明，但是堵塞预测系统1的具体构成和堵塞预测处理的内容不限定于上述实施方式说明的内容。例如，本实施方式可为以下方式。

(变形例1)

上述实施方式的堵塞预测处理中，每次进行行驶预测时生成堵塞度CJ和堵塞度表(步骤S305和S306)。

作为代替，变形例1中，在结束时刻之后生成堵塞度CJ和堵塞度表。这样，相比每次进行行驶预测时生成堵塞度CJ和堵塞度表，可以减轻处理负担。

(变形例2)

参照图22说明变形例2。

在上述实施方式中，各标识线的上行/下行车道分别的关联参数α和β的组。变形例2中，具有相同属性(例如法定速度Vmax和探测样本数SP)的标识线车道的集合归为一组，相对该组关联参数α和β的组。这样是考虑例如法定速度Vmax和探测样本数SP类似的标识线车道具有相同的交通容量。这里，探测样本数SP是指作为行驶履历Tb1的基础的探测信息D1的数目。例如，关于某标识线车道的探测信息D1为100件的情况下，该标识线车道的探测样本数SP为100。

具体的如图22所示，准备有对于每个法定速度和探测样本数的多个组(G1至G12)。另外，这些组分别与参数α和β的组关联。例如，图中所有属于G2的标识线使用与G2关联的相同的参数。

这样，与各标识线的上行/下行车道分别关联参数α和β的组的实施方式相比，可以减少存储容量。

(变形例3)

另外，交通量由各种其他原因(例如，天气、活动、大型连休等)而变动。这里，可以相应于代理交通量变动的其他原因，补正图17所示的交通量变动。例如，相应于多种天气预先准备加权系数，恶劣天气的情况下对各时间带的交通量乘以0.8的加权，整体降低交通量。

然后，用户在开始指示中也包括其他原因，在堵塞预测处理中代理车导出入部203f3在每个调整间隔增减代理车的台数，从而再现相应于其他原因补正的交通量变动。由此，因为更现实的预测堵塞，可以提高堵塞预测的精度。

在上述实施方式中，堵塞预测装置200进行图匹配，但不限于此。例如，可在各终端装置侧进行图匹配。这种情况下，可将通过图匹配特定的探测车P行驶的标识线车道的信息发送给堵塞预测装置200。这样，可以将集中在堵塞预测装置200的负担分散到各终端装置100。

另外，在上述实施方式中，基于实际的法定速度Vmax设定各标识线的上行/下行车道分别的法定速度Vmax，但不限于此。例如可基于行驶履历Tb1推定。具体的，从多台探测车P的行驶履历抽取出1个标识线的上行车道中的多个速度。然后，从抽取出的多个速度中，将出现频率最高的速度作为该标识线的上行车道设定的法定速度。

另外，可不分别对上行/下行车道设定法定速度Vmax，将相同标识线的上行车道和下行车道的法定速度Vmax的平均值设定为该标识线的法定速度Vmax。

另外，在上述实施方式中，以传感器检测探测车P的行进方向和行驶速度进行了说明，但不限于此。例如，可基于探测车P的位置信息和其检测日期时间进行推定。

另外，在上述实施方式中，也可以将执行的程序存储分布在软盘、CD-ROM(光盘只读存储器)、DVD(数字化视频光盘)、MO(磁光盘)等计算机可读取的存储介质中，通过安装该软件，执行上述处理。

另外，可以将软件预先存储在英特网等通信网络上预定的服务器装置具有的硬盘装置，例如通过叠加在载波上进行获取。

以上，说明了本发明的优选实施方式，但本发明的特定实施方式并不限于此。权利要求中记载的发明以及与其等他的范围均包含在本发明中。

本发明基于2012年12月11日申请的日本国专利申请第2012-270341号。通过参考在本说明书中引入日本国专利申请第2012-270341号的说明书、权利要求范围和附图整体。

Claims (7)

1.一种堵塞预测装置，其特征在于，包括：

接收单元，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

地图数据存储单元，其存储表示道路网络的地图数据，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应的标识线，

速度函数存储单元，其存储表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系的速度函数，

标识线特定单元，其基于所述接收单元接收的探测信息和所述地图数据存储单元存储的地图数据，特定探测车行驶的标识线，

行驶预测单元，其基于所述标识线特定单元特定的探测车所行驶的标识线、和所述速度函数，预测所述探测车在经过预定时间后行驶的标识线，和

堵塞度推定单元，其基于所述速度函数，对每个标识线求取经过所述预定时间后探测车的平均速度，基于求取的每个标识线的探测车的平均速度和该标识线的法定速度，对每个标识线推定表示经过所述预定时间后道路的堵塞程度的堵塞度。

2.如权利要求1所述的堵塞预测装置，其特征在于，进一步包括

代理车台数计算单元，其基于扩展速度函数求取所述代理车的导入台数，该扩展速度函数为使用用于决定作为假想车的代理车的导入台数而预先设定的扩展系数的所述速度函数，和

代理车导入单元，其将由所述代理车台数计算单元求取的台数数目的代理车导入至任意标识线，

所述行驶预测单元基于所述代理车导入单元导入的代理车行驶的标识线和所述扩展速度函数，预测所述代理车在经过预定时间后行驶的标识线，

所述堵塞度推定单元基于所述扩展速度函数对每个标识线求取经过预定时间后代理车的平均速度，基于求取的每个标识线的代理车的平均速度和该标识线的法定速度，对每个标识线推定经过所述预定时间后的所述堵塞度。

3.如权利要求2所述的堵塞预测装置，其特征在于，进一步包括

交通量变动存储单元，其对每个标识线存储表示在所述标识线中时序交通量的变动的交通量变动信息，

所述代理车导入单元再现所述交通量变动那样的随着时间经过而增减导入至所述标识线的代理车台数。

4.如权利要求1至3中任一项所述的堵塞预测装置，其特征在于，

与所述十字路口对应的节点与表示进入该节点的车辆行进至与该节点连接的多个标识线中哪一个标识线的分叉率相关联，

所述行驶预测单元基于所述分叉率，特定作为进入节点的车辆的行进目的的标识线，进行所述预测。

5.一种堵塞预测系统，其特征在于，包括：

如权利要求1至4中任一项所述的堵塞预测装置，和

搭载于探测车的终端装置，

该终端装置包括：

位置检测单元，其检测所述探测车的当前位置，

探测车信息检测单元，其检测所述探测车的当前位置的行进方向和行进速度，

探测信息生成单元，其生成探测信息，该探测信息包括特定所述检测的探测车的当前位置的位置信息、所述检测的所述当前位置中探测车的行进方向和行进速度、和检测所述当前位置的检测日期时间，

通信单元，其将所述探测信息生成单元生成的探测信息发送至所述堵塞预测装置。

6.一种堵塞预测方法，其特征在于，包括

接收步骤，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

标识线特定步骤，其基于表示道路网络的地图数据和所述接收的探测信息，特定探测车行驶的标识线，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应标识线，

行驶预测步骤，其基于所述标识线特定步骤特定的探测车所行驶的标识线、和速度函数，预测所述探测车在经过预定时间后行驶的标识线，该速度函数表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系，和

堵塞度推定步骤，其基于所述速度函数，对每个标识线求取经过所述预定时间后探测车的平均速度，基于对每个标识线求取的探测车的平均速度和该标识线的法定速度，对每个标识线推定表示经过所述预定时间后道路的堵塞程度的堵塞度。

7.一种用于使得计算机作为下述单元发挥功能的程序，该单元包括

接收单元，其接收包括日期时间、以及该日期时间时探测车的位置信息和行进方向的探测信息，

地图数据存储单元，其存储表示道路网络的地图数据，该道路网络包括与地图上的十字路口对应的节点、以及相邻接的两节点所夹的道路区间所对应标识线，

速度函数存储单元，其存储表示行驶在所述标识线的探测车的台数与相应于该台数的平均速度之间的关系的速度函数，

标识线特定单元，其基于所述接收单元接收的探测信息和所述地图数据存储单元存储的地图数据，特定探测车行驶的标识线，

行驶预测单元，其基于所述标识线特定单元特定的探测车所行驶的标识线、和所述速度函数，预测所述探测车在经过预定时间后行驶的标识线，和

堵塞度推定单元，其基于所述速度函数，对每个标识线求取经过所述预定时间后探测车的平均速度，基于对每个标识线求取的探测车的平均速度和该标识线的法定速度，对每个标识线推定表示经过预定时间后道路的堵塞程度的堵塞度。