JP2000076582A - Traffic condition prediction method and device and record medium recording traffic condition prediction program - Google Patents
Traffic condition prediction method and device and record medium recording traffic condition prediction programInfo
- Publication number
- JP2000076582A JP2000076582A JP10243748A JP24374898A JP2000076582A JP 2000076582 A JP2000076582 A JP 2000076582A JP 10243748 A JP10243748 A JP 10243748A JP 24374898 A JP24374898 A JP 24374898A JP 2000076582 A JP2000076582 A JP 2000076582A
- Authority
- JP
- Japan
- Prior art keywords
- predicted value
- prediction
- traffic condition
- predicted
- value
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、現在までの交通状
況などをもとに将来の交通状況を予測する交通状況予測
方法および装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a traffic condition prediction method and apparatus for predicting a future traffic condition based on traffic conditions up to the present.
【０００２】[0002]
【従来の技術】交通状況予測の手法としては、（１）過
去のデータを蓄積していく方法、（２）時系列データを
外挿していく方法、（３）地点間の相関を利用した方法
などがある。2. Description of the Related Art Traffic condition prediction methods include (1) a method of accumulating past data, (2) a method of extrapolating time-series data, and (3) a method using correlation between points. and so on.
【０００３】（１）の過去のデータを蓄積していく方法
は、特定の地点の過去何年かにわたるデータを蓄積し、
このデータより、月、曜日、時間などの影響を分析して
いく手法である。この手法は、交通状況を決定する要因
の中で、時間的に変化しない要因、あるいは長期的に変
動する要因に対して有効であるが、突発的な事故、規制
など、時間的に変動の激しい要因を反映することはでき
ない。[0003] The method of (1) accumulating past data is to accumulate data for a specific point over the past several years,
This method analyzes the effects of the month, day of the week, time, and the like based on this data. This method is effective for factors that do not change over time or factors that change over time among the factors that determine traffic conditions, but are highly variable over time, such as sudden accidents and regulations. Factors cannot be reflected.
【０００４】（２）の時系列データを外挿していく手法
は、現在から過去数ステップ前の時系列データに対し、
自己回帰モデルやニューラルネットワークなどの手法で
この時系列データを外挿する曲線を定め、この曲線で未
来の交通量を予測する方法である。この手法は時間的に
変動の激しい要因を反映し得るが、逆に時間的に変化し
ない、あるいは長期的に変動する要因を反映できない。[0004] The method of (2) extrapolating the time series data is based on the time series data several steps before the present time from the present time.
This is a method in which a curve for extrapolating this time-series data is determined by a method such as an autoregressive model or a neural network, and the future traffic volume is predicted using this curve. This method can reflect factors that fluctuate over time, but cannot reflect factors that do not change over time or that fluctuate over time.
【０００５】（３）の地点間の相関を利用する方法は、
予測対象道路の現在の交通状況とその周辺の道路の１ス
テップ前の交通状況との相関を利用して予測する方法で
ある。この手法では（１）、（２）と異なり、周辺道路
の影響といった空間的な要因を反映することができる
が、長期的に変動する時間要因を反映することは難し
い。The method using the correlation between the points (3) is as follows.
This is a method of making prediction using a correlation between the current traffic condition of the road to be predicted and the traffic condition of the surrounding road one step before. Unlike this method (1) and (2), this method can reflect spatial factors such as the influence of surrounding roads, but it is difficult to reflect long-term varying time factors.
【０００６】[0006]
【発明が解決しようとする課題】一般に交通状況は、通
勤ラッシュなどによる２４時間変動、曜日による変動な
どの、時間的に一定周期でかわる要因や、高速と一般
道、都市と地方道路などの地域的（空間的）な要因、事
故、規制などの突発的な要因、周辺の道路の影響、交通
情報サービスを提供することによって交通状況が変動す
る要因などがある。In general, traffic conditions are determined by factors such as 24-hour fluctuations due to commuting rushes, fluctuations depending on the day of the week, and other factors such as high-speed and general roads, cities and local roads. There are various factors (spatial), sudden factors such as accidents and regulations, the influence of surrounding roads, and factors that change the traffic situation by providing traffic information services.
【０００７】しかし、上述のように、従来の手法では全
ての要因を考慮した予測手法は存在せず、事前に要因を
限定していた。（１）の過去のデータを蓄積した手法で
は、時間的に一定周期で変わる変動要因のみに着目して
いる。また、（２）の時系列データを外挿していく手法
は、突発的な要因、時間的に短い周期で変動する要因に
のみ着目している。（３）の地点間の相関を利用する方
法では、空間的な要因のみに絞っている。However, as described above, in the conventional method, there is no prediction method that considers all the factors, and the factors are limited in advance. In the method of (1) in which past data is accumulated, attention is paid only to a variation factor that changes with a constant period in time. The method of (2) extrapolating the time-series data focuses only on sudden factors and factors that fluctuate in a short period of time. In the method using the correlation between points (3), only spatial factors are narrowed down.
【０００８】しかし、どの要因が重要であるかは、時
間、場所などの、予測時の状況によって異なり、事前に
決定することは困難である。例えば何も突発的な事象が
起こらず、極めて一般的な道路であったならば、過去の
データの蓄積により、一定周期の変動を捕らえることが
重要となる。一度事故などの事象が起こると、周辺の道
路も含めて事故の影響を考えなければならない。すなわ
ち、事前に要因を限定することは、ある特殊な状況では
良く予測できるが、それ以外の状況では予測精度が悪く
なるという問題があった。However, which factor is important depends on the situation at the time of prediction, such as time and place, and it is difficult to determine in advance. For example, if there is no sudden event and the road is very general, it is important to capture changes in a certain cycle by accumulating past data. Once an accident or other event occurs, the impact of the accident, including the surrounding roads, must be considered. In other words, limiting the factors in advance can be predicted well in certain special situations, but has a problem in that the prediction accuracy deteriorates in other situations.
【０００９】本発明の目的は、任意の状況で交通状況の
正確な予測を実現する交通状況予測方法および装置を提
供することにある。SUMMARY OF THE INVENTION It is an object of the present invention to provide a traffic situation prediction method and apparatus for realizing accurate traffic situation prediction in an arbitrary situation.
【００１０】[0010]
【課題を解決するための手段】本発明の交通状況予測方
法は、定常成分予測手法、非定常成分予測手法の２つの
予測手法による交通状況の予測値を算出し保持するステ
ップと、保存しておいた予測値を現在の実測値と比較
し、前記２つの手法の予測値のどちらが正確かを判定す
るステップと、より正確な方の手法の予測値を出力する
ステップを有する。According to the present invention, there is provided a traffic condition predicting method for calculating and holding a predicted value of a traffic condition by two predicting methods, a steady component predicting method and a non-stationary component predicting method. The method includes a step of comparing the set predicted value with a current actually measured value to determine which of the predicted values of the two methods is more accurate, and a step of outputting a predicted value of the more accurate method.
【００１１】また、本発明の交通状況予測装置は、定常
成分予測手法により交通状況の予測値を算出する第１の
予測値算出手段と、非定常成分予測手法により交通状況
の予測値を算出する第２の予測値算出手段と、各予測値
を保持する予測値保持手段と、保持されている前記２つ
の予測値を現在の実測値と比較し、どちらの予測値がよ
り正確かを判定する予測値判定手段と、より正確と判定
された予測値を出力する予測値切替手段を有する。Further, the traffic condition predicting device of the present invention calculates first predicted value calculating means for calculating a predicted value of a traffic condition by a steady component predicting method, and calculates a predicted value of a traffic condition by a non-stationary component predicting method. A second predicted value calculating unit, a predicted value holding unit that holds each predicted value, and comparing the stored two predicted values with a current actually measured value to determine which predicted value is more accurate The apparatus includes a predicted value determining unit and a predicted value switching unit that outputs a predicted value determined to be more accurate.
【００１２】本発明は、定常成分予測手法と非定常成分
予測手法の２つの予測手法を用いて２つの予測値を算出
し、算出された複数の予測値を現在の実測値と比較し、
より正確な方の予測値を決定することで、任意の状況で
の正確な予測を実現するものである。According to the present invention, two prediction values are calculated using two prediction methods, a steady component prediction method and a non-stationary component prediction method, and the calculated plurality of prediction values are compared with a current actually measured value.
By determining a more accurate prediction value, an accurate prediction in an arbitrary situation is realized.
【００１３】[0013]
【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して説明する。Next, embodiments of the present invention will be described with reference to the drawings.
【００１４】図１は本発明の一実施形態の交通状況予測
方法を示すフローチャートである。FIG. 1 is a flowchart showing a traffic condition prediction method according to one embodiment of the present invention.
【００１５】本実施形態では、定常成分予測手法の１つ
である、過去のデータの同月同日のデータの平均値を用
いる手法と、非定常予測手法の１つである、地点相関手
法により隣接リンクとの相関を用いて対象リンクを予測
する手法の二つを用いて交通状況を予測する。また、現
在からＳ分先の予測対象道路の交通状況を予測すること
とする。In this embodiment, an adjacent link is calculated by using a mean value of past data on the same day of the same month, which is one of the steady component prediction methods, and a point correlation method, which is one of the non-stationary prediction methods. The traffic situation is predicted using two methods for predicting the target link using the correlation with In addition, it is assumed that the traffic condition of the prediction target road S minutes ahead from the present is predicted.
【００１６】まず、統計的手法により予測値を算出する
（ステップ１０１）。具体的な方法を図２に示す。ま
ず、予測対象リンクの交通状況の現在のデータを収集す
る（ステップ２０１）。次に、収集した交通状況データ
をデータベースに保存する（ステップ２０２）。次に、
保存しておいたデータより、例えば、過去の同月同日同
時刻のデータを平均化する、等して平均値を算出する
（ステップ２０３）。これが、統計的手法による予測値
となる。First, a predicted value is calculated by a statistical method (step 101). FIG. 2 shows a specific method. First, the current data of the traffic condition of the link to be predicted is collected (step 201). Next, the collected traffic condition data is stored in a database (step 202). next,
From the stored data, an average value is calculated by, for example, averaging past data at the same time and same day in the same month (step 203). This is a predicted value by a statistical method.
【００１７】次に、地点相関法により予測値を算出する
（ステップ１０２）。具体的な方法を図３に示す。ま
ず、Ｓ分前の隣接道路のデータと、現在の隣接道路およ
び予測対象道路のデータを収集する（ステップ３０
１）。次に、Ｓ分前の隣接道路のデータと現在の予測対
象道路との相関値を決定する（ステップ３０２）。次
に、計算した相関値と、隣接道路の現在のデータから、
予測対象道路のＳ分先を算出する（ステップ３０３）。Next, a predicted value is calculated by the point correlation method (step 102). FIG. 3 shows a specific method. First, data on the adjacent road S minutes ago and data on the current adjacent road and the prediction target road are collected (step 30).
1). Next, a correlation value between the data of the adjacent road S minutes before and the current prediction target road is determined (step 302). Next, from the calculated correlation value and the current data of the adjacent road,
An S-minute destination of the road to be predicted is calculated (step 303).
【００１８】次に、統計的手法による予測値および地点
相関法による予測値の二つの予測値を保存する（ステッ
プ１０３）。Next, two predicted values, a predicted value by the statistical method and a predicted value by the point correlation method, are stored (step 103).
【００１９】次に、保存しておいたＳ分前の二つの予測
値を取り出す。これは現在の状況を予測した値である。
このＳ分前の二つの予測値と現在の実測値を比較し、二
つの手法のどちらが現状況で正確かを判定する（ステッ
プ１０４）。具体的には、例えば、Ｓ分前の予測値が現
在の実測値により近かった方が、現状況で正確な予測を
すると判定する。Next, the two predicted values S minutes before are stored. This is a value that predicts the current situation.
The two predicted values S minutes before are compared with the current actually measured values to determine which of the two methods is accurate in the current situation (step 104). Specifically, for example, it is determined that a prediction value that is closer to the current actual measurement value by S minutes ago is more accurate in the current situation.
【００２０】もし統計的手法の方がより正確と判定され
たならば、統計的手法による、現在算出した予測値を真
の予測値として採用する（ステップ１０５）。もし地点
相関法の方がより正確と判定されたならば、地点相関法
による、現在算出した予測値を真の予測値として採用す
る（ステップ１０６）。If the statistical method is determined to be more accurate, the currently calculated predicted value by the statistical method is adopted as the true predicted value (step 105). If the point correlation method is determined to be more accurate, the currently calculated predicted value by the point correlation method is adopted as a true predicted value (step 106).
【００２１】時間的定常成分を担当する統計的手法と、
時間的非定常成分および空間的成分を担当する地点相関
法を場面に応じて切りかえることで、任意の場面で正確
な予測が期待できる。A statistical method for the temporal stationary component,
By switching the point correlation method in charge of the temporal non-stationary component and the spatial component according to the scene, accurate prediction can be expected in any scene.
【００２２】ところで、本実施形態では、統計的手法と
して、同月同日同時刻の平均値を取る方法を取ったが、
この他に日時などを変数として回帰分析により係数を決
定していく方法などが考えられ、統計的予測手法は本実
施形態に限定されない。By the way, in the present embodiment, a method of taking an average value at the same time on the same day on the same month is adopted as a statistical method.
In addition, a method of determining a coefficient by regression analysis using date and time as a variable is conceivable, and the statistical prediction method is not limited to this embodiment.
【００２３】また、本実施形態では地点相関法として、
予測対象道路とＳ分前の隣接道路との相関をとる方法を
示したが、予測対象道路を中心とするある領域の道路全
てとの相関を考える方法などもあり、地点相関による予
測方法の具体的手法は本実施形態に限定されない。In this embodiment, the point correlation method is
Although the method of correlating the road to be predicted with the adjacent road S minutes before has been described, there is also a method of considering the correlation with all roads in a certain area centered on the road to be predicted. The technical method is not limited to this embodiment.
【００２４】図４を参照すると、本発明の一実施形態の
交通状況予測装置は予測値算出部４０１，４０２と予測
値保持部４０３と予測値判定部４０４と予測値選択部４
０５で構成されている。Referring to FIG. 4, a traffic condition predicting apparatus according to one embodiment of the present invention includes predicted value calculating units 401 and 402, a predicted value holding unit 403, a predicted value determining unit 404, and a predicted value selecting unit 4.
05.
【００２５】統計的手法に必要な過去のデータなどが入
力データ１として統計的手法による予測値算出部４０１
に入り、地点相関法に必要な過去のデータなどが入力デ
ータ２として地点相関法による予測値算出部４０２に入
り、それぞれ予測値が算出され、予測値保持部４０３に
保持される。予測値保持部４０３に保持されていたＳ分
前に算出した二つの予測値（統計的手法によるものと地
点相関法によるもの）は、現在の実測値を予測したもの
である。この二つの現在状況予測値と、現在の実測値が
予測値判定部４０４に送られる。予測値判定部４０４で
は、送られてきた二つの現在状況予測値を現在の実測値
と比較し、どちらの予測手法がより正確に予測できたか
を判定し、この結果を予測値選択部４０５に送る。予測
値選択部４０５では、送られてきた判定結果をもとに、
正確に予測できていた方の予測値を選択し、真の予測値
として出力する。Past data necessary for the statistical method is used as input data 1 as a predicted value calculating unit 401 using the statistical method.
Then, past data and the like necessary for the point correlation method enter the prediction value calculation unit 402 based on the point correlation method as input data 2, and the prediction values are calculated and held in the prediction value holding unit 403. The two predicted values calculated by S minutes before (the statistical value and the point correlation method) stored in the predicted value storage unit 403 are obtained by predicting the current actually measured values. The two current situation prediction values and the current actual measurement value are sent to the prediction value determination unit 404. The predicted value determination unit 404 compares the two received current situation predicted values with the currently measured values, determines which prediction method has been more accurately predicted, and sends the result to the predicted value selection unit 405. send. In the predicted value selection unit 405, based on the received determination result,
The prediction value that has been correctly predicted is selected and output as a true prediction value.
【００２６】上述のような構成をとることによって、現
在の状況に応じて自動的に予測手法を切り替えて予測す
ることが可能となる。By adopting the above-described configuration, it is possible to perform prediction by automatically switching the prediction method according to the current situation.
【００２７】図５を参照すると、本発明の他の実施形態
の交通状況予測装置は入力装置５０１と記憶装置５０２
と出力装置５０３と記録媒体５０４とデータ処理装置５
０５で構成されている。Referring to FIG. 5, a traffic condition predicting apparatus according to another embodiment of the present invention includes an input device 501 and a storage device 502.
, Output device 503, recording medium 504, and data processing device 5
05.
【００２８】入力装置５０１は統計的手法に必要な過去
のデータ、地点相関法に必要な過去のデータ、および現
在の実測値を入力するためのものである。記憶装置５０
２は図４中の予測値保持部４０３に相当する。出力装置
５０３は予測値が出力される、ディスプレイ、プリンタ
等である。記録媒体５０４は図１のステップ１０１〜１
０６からなる交通状況予測プログラムが記録されてい
る、フロッピィ・ディスク、ＣＤ−ＲＯＭ、光磁気ディ
スク、半導体メモリ等の記録媒体である。データ処理装
置５０５は記録媒体５０４から交通状況予測プログラム
を読み込んで、これを実行するＣＰＵである。The input device 501 is for inputting past data necessary for the statistical method, past data necessary for the point correlation method, and the present measured value. Storage device 50
Reference numeral 2 corresponds to the predicted value holding unit 403 in FIG. The output device 503 is a display, a printer, or the like to which a predicted value is output. The recording medium 504 is stored in steps 101 to 1 in FIG.
And a recording medium such as a floppy disk, a CD-ROM, a magneto-optical disk, or a semiconductor memory in which a traffic condition prediction program 06 is recorded. The data processing device 505 is a CPU that reads a traffic condition prediction program from the recording medium 504 and executes the program.
【００２９】[0029]
【発明の効果】以上説明したように、本発明によれば、
現在の状況に応じて定常成分予測手法と非定常成分予測
手法の２つの予測手法を切り替えて予測することによ
り、任意の状況下での交通状況の正確な予測が実現でき
る。As described above, according to the present invention,
By switching between the two prediction methods, the steady component prediction method and the non-stationary component prediction method, according to the current situation, it is possible to accurately predict the traffic situation under an arbitrary situation.
【図１】本発明の一実施形態の交通状況予測方法を示す
フローチャートである。FIG. 1 is a flowchart illustrating a traffic condition prediction method according to an embodiment of the present invention.
【図２】統計的手法による予測方法を示すフローチャー
トである。FIG. 2 is a flowchart illustrating a prediction method using a statistical method.
【図３】地点相関法による予測方法を示すフローチャー
トである。FIG. 3 is a flowchart illustrating a prediction method based on a point correlation method.
【図４】本発明の一実施形態の交通状況予測装置のブロ
ック図である。FIG. 4 is a block diagram of a traffic condition prediction device according to an embodiment of the present invention.
【図５】本発明の他の実施形態の交通状況予測装置のブ
ロック図である。FIG. 5 is a block diagram of a traffic situation prediction device according to another embodiment of the present invention.
１０１〜１０６，２０１〜２０３，３０１〜３０３
ステップ ４０１，４０２ 予測値算出部 ４０３ 予測値保持部 ４０４ 予測値判定部 ４０５ 予測値選択部 ５０１ 入力装置 ５０２ 記憶装置 ５０３ 出力装置 ５０４ 記録媒体 ５０５ データ処理装置101-106, 201-203, 301-303
Steps 401 and 402 Predicted value calculating unit 403 Predicted value holding unit 404 Predicted value determining unit 405 Predicted value selecting unit 501 Input device 502 Storage device 503 Output device 504 Recording medium 505 Data processing device
───────────────────────────────────────────────────── フロントページの続き (72)発明者 小川 智章 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 (72)発明者 安達 文夫 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 (72)発明者 鈴木 智 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 Ｆターム(参考） 5H180 DD01 EE02 ──────────────────────────────────────────────────続 き Continuing on the front page (72) Inventor Tomoaki Ogawa 3-19-2 Nishi-Shinjuku, Shinjuku-ku, Tokyo Japan Telegraph and Telephone Corporation (72) Inventor Fumio Adachi 3- 192-1 Nishi-Shinjuku, Shinjuku-ku, Tokyo No. Nippon Telegraph and Telephone Corporation (72) Inventor Satoshi Suzuki 3-19-2 Nishi-Shinjuku, Shinjuku-ku, Tokyo F-Term within Nippon Telegraph and Telephone Corporation 5H180 DD01 EE02
Claims (3)
の２つの予測手法による交通状況の予測値を算出し保持
するステップと、保存しておいた予測値を現在の実測値
と比較し、前記２つの手法の予測値のどちらが正確かを
判定するステップと、より正確な方の手法の予測値を出
力するステップを有する交通状況予測方法。1. A step of calculating and holding a predicted value of a traffic condition by two prediction methods of a steady component prediction method and a non-stationary component prediction method, and comparing the saved prediction value with a current actually measured value. A traffic condition prediction method comprising: determining which of the predicted values of the two methods is more accurate; and outputting the predicted value of the more accurate method.
値を算出する第１の予測値算出手段と、 非定常成分予測手法により交通状況の予測値を算出する
第２の予測値算出手段と、 各予測値を保持する予測値保持手段と、 保持されている前記２つの予測値を現在の実測値と比較
し、どちらの予測値がより正確かを判定する予測値判定
手段と、 より正確と判定された予測値を出力する予測値切替手段
を有する交通状況予測装置。2. A first predicted value calculating means for calculating a predicted value of a traffic condition by a steady component predicting method, a second predicted value calculating means for calculating a predicted value of a traffic condition by a non-steady component predicting method, Predicted value holding means for holding each predicted value; predicted value determining means for comparing the stored two predicted values with a current actually measured value to determine which predicted value is more accurate; A traffic condition prediction device having a predicted value switching unit that outputs a determined predicted value.
の２つの手法により交通状況の予測値を算出し保持する
手順と、 保持されている前記２つの予測値を現在の実測値と比較
し、どちらの予測値がより正確かを判定する手順と、 より正確と判定された予測値を出力する手順をコンピュ
ータに実行させるための交通状況予測プログラムを記録
した記録媒体。3. A procedure for calculating and holding a predicted value of a traffic condition by using two methods, a steady component predicting method and a non-stationary component predicting method, and comparing the stored two predicted values with a current actually measured value. A recording medium for recording a traffic condition prediction program for causing a computer to execute a procedure for determining which prediction value is more accurate and a procedure for outputting the prediction value determined to be more accurate.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10243748A JP2000076582A (en) | 1998-08-28 | 1998-08-28 | Traffic condition prediction method and device and record medium recording traffic condition prediction program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10243748A JP2000076582A (en) | 1998-08-28 | 1998-08-28 | Traffic condition prediction method and device and record medium recording traffic condition prediction program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000076582A true JP2000076582A (en) | 2000-03-14 |
Family
ID=17108405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10243748A Pending JP2000076582A (en) | 1998-08-28 | 1998-08-28 | Traffic condition prediction method and device and record medium recording traffic condition prediction program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000076582A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002260145A (en) * | 2000-12-27 | 2002-09-13 | Aisin Aw Co Ltd | Traffic information management system, traffic information management method and program thereof |
| JP2004318621A (en) * | 2003-04-17 | 2004-11-11 | Sumitomo Electric Ind Ltd | Traffic information estimation device and method |
| JP2007192727A (en) * | 2006-01-20 | 2007-08-02 | Nissan Motor Co Ltd | Route searching device, route searching system, and route searching method |
| JP2008059602A (en) * | 2000-12-27 | 2008-03-13 | Aisin Aw Co Ltd | Traffic information management system and traffic information management method |
| JP2009129159A (en) * | 2007-11-22 | 2009-06-11 | Hitachi Ltd | Time series prediction system |
| JP2019053555A (en) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | Traffic volume determination system, traffic volume determination method, and traffic volume determination program |
| JP2019053578A (en) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | Traffic volume determination system, traffic volume determination method, and traffic volume determination program |
-
1998
- 1998-08-28 JP JP10243748A patent/JP2000076582A/en active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002260145A (en) * | 2000-12-27 | 2002-09-13 | Aisin Aw Co Ltd | Traffic information management system, traffic information management method and program thereof |
| JP2008059602A (en) * | 2000-12-27 | 2008-03-13 | Aisin Aw Co Ltd | Traffic information management system and traffic information management method |
| JP2004318621A (en) * | 2003-04-17 | 2004-11-11 | Sumitomo Electric Ind Ltd | Traffic information estimation device and method |
| JP2007192727A (en) * | 2006-01-20 | 2007-08-02 | Nissan Motor Co Ltd | Route searching device, route searching system, and route searching method |
| JP2009129159A (en) * | 2007-11-22 | 2009-06-11 | Hitachi Ltd | Time series prediction system |
| JP2019053555A (en) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | Traffic volume determination system, traffic volume determination method, and traffic volume determination program |
| JP2019053578A (en) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | Traffic volume determination system, traffic volume determination method, and traffic volume determination program |
| JP7032085B2 (en) | 2017-09-15 | 2022-03-08 | トヨタ自動車株式会社 | Traffic volume judgment system, traffic volume judgment method, and traffic volume judgment program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101982159B1 (en) | A method of measuring floating population using information on floating population divided by category | |
| US9996798B2 (en) | Traffic prediction using real-world transportation data | |
| Ban et al. | Real time queue length estimation for signalized intersections using travel times from mobile sensors | |
| Comert et al. | Analytical evaluation of the error in queue length estimation at traffic signals from probe vehicle data | |
| JP5705110B2 (en) | How to create a speed estimate | |
| WO2017193928A1 (en) | Method and device for acquiring traffic light duration data | |
| Mazaré et al. | Trade-offs between inductive loops and GPS probe vehicles for travel time estimation: A Mobile Century case study | |
| EP2201553A1 (en) | Combining road and vehicle sensor traffic information | |
| JP7028167B2 (en) | Traffic control support system, traffic control support method and program | |
| JP2001084479A (en) | Method and device for forecasting traffic flow data | |
| JP7111151B2 (en) | Information processing device, road analysis method, and program | |
| Waddell et al. | Utilizing low-ping frequency vehicle trajectory data to characterize delay at traffic signals | |
| Moghaddam et al. | Evaluating the performance of algorithms for the detection of travel time outliers | |
| JP2000076582A (en) | Traffic condition prediction method and device and record medium recording traffic condition prediction program | |
| CN111723835A (en) | Vehicle movement track distinguishing method and device and electronic equipment | |
| JP3792172B2 (en) | Travel time prediction method, apparatus and program | |
| Zahabi et al. | Transit trip itinerary inference with GTFS and smartphone data | |
| So et al. | Estimating performance of traffic signals based on link travel times | |
| KR20220055335A (en) | Traffic information prediction apparatus and prediction method using the same | |
| Hung et al. | Model-driven traffic data acquisition in vehicular sensor networks | |
| Ahmed et al. | Significance of sensor location in real-time traffic state estimation | |
| JP2008152495A (en) | Device and method for estimating the number of vehicles in device on link | |
| Fu et al. | An adaptive model for real-time estimation of overflow queues on congested arterials | |
| CN112601177B (en) | Method, system, server and storage medium for guiding people flow in public area | |
| JP3541708B2 (en) | Travel time prediction device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040629 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040804 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20041208 |