JP2000163685A - 交通流監視システム - Google Patents

Abstract

(57)【要約】 【課題】 本発明は管理者が表示画面上から容易に把握
でき、また人間の経験的な判断を加味した渋滞対策をシ
ュミレート可能な交通流監視システムを提供することを
課題とする。 【解決手段】 道路に設置された計測装置からの計測デ
ータに基づいて、画像処理により各車両の大きさ、車速
などを求める。これに基づいて車両計算部１１が対応す
る三次元車両モデルを求め、道路モデル計算部１３が作
成した道路画像を作成した道路モデル上を表示走行させ
る。またこれらの計測データを各地点毎に設けた第１の
ニューラルネットワーク２２に入力し、出力結果を第２
段のニューラルネットワーク２３に入力して交通渋滞の
予測を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、交通の流れを監視
する交通流監視システムに懸り、更に詳しくは道路施設
として設置されている交通流計測装置からの情報に基づ
いて道路の交通状況を把握、管理する交通流監視システ
ムに関する。

【０００２】本発明は、また交通流監視システムに於け
る道路渋滞状況のシュミレーション機能に関する。

【０００３】

【従来の技術】道路状況を把握し、交通の流れの管理・
制御を行うための交通流監視システムは、分岐点や合流
点など道路の各所に設置された計測装置から情報を収集
し、これを基に様々な指示や制御を行い交通流を管理し
ている。

【０００４】現在道路の交通流を計測する計測装置とし
ては超音波や光を発出して車両速度や通過台数を計測す
るタイプやループコイル型のものが主流であり、また数
年前よりＩＴＶカメラの画像データを使用する画像処理
型の計測装置が開発され、用いられている。一般的にこ
れらの計測装置が計測するものとしては、通過する車両
の台数（５．５ｍ程度の大型車とこれ以下の普通車の二
車種に分類して計測。）、車両速度及び占有率がある。
またこれらに加えて車両間隔、交通渋滞（長）の計測
や、車両の逆走行等の異常走行車両の検出などを行って
いる。

【０００５】これらの情報は、中央もしくは複数の管制
室に集められ、交通状況を把握するデータとして用いら
れている。各管制室では、集められたデータは、トレン
ド表示して出力、あるいは５分、１０分、１５分間隔の
集積データとして帳票出力される。

【０００６】道路管理者は、管制室内からこれらのデー
タに基づいて、車線規制、事故工事などによる渋滞状況
に対する対策を経験的に判断し道路管理を行っている。
この管理の仕方は、例えば一般道ではこのデータを基に
信号の切換え間隔を変更したり、道路上に渋滞等の表示
を行ったりする。またこれらのデータは、他の設備で
も、例えば交通量のデータがトンネル換気制御の情報と
しても使用されたりする。

【０００７】また交通流監視システムには交通流のシュ
ミレータ機能が備っており、渋滞予測等に使用されてい
る。この交通流のシュミレータでは、道路地図や道路の
容量、道路の幾何学的構造のデータ、交通量や左右折直
進率などの交通量特性データ、信号サイクル、平均減速
率などの車両特性データ、など種々の情報から渋滞状況
等をシュミレートし、各地点における交通量、地点減速
量、旅行時間、車両密度などを出力している。

【０００８】

【発明が解決しようとする課題】この様な従来の交通流
監視システムには、以下の問題点がある。

【０００９】まず現場の計測装置から集められる測定デ
ータは、画面上にトレンド表示されあるいは帳票出力さ
れるが、これらの出力形式では分りづらく、管理者が充
分に現場の状況を把握することが難しい。よって管理者
が画面上に現場の画像を表示して監視を行う必要がある
場合がでてくるが、この場合、管制室に送られてくる画
像データはデータ量として膨大な大きさとなる。そのた
め画像データを伝達する装置や映像回線などの設備整備
にコストがかかる。

【００１０】また従来の交通流監視システムによる渋滞
に対する対策は、管理者が交通量などのデータを基に車
両規制や工事などの渋滞要因の種類などにより、人間の
経験に基づいた判断による対応を行っていた。そして、
管理者はこのような渋滞状況に対する判断を帳票データ
から行っているため、状況把握に時間がかかり、実際に
対応するのに時間を要してしまう。管理者は突発事故な
どに対して迅速に渋滞状況を予測して対応しなければな
らないが、従来の交通流監視システムでは瞬時に道路状
況を把握し渋滞に対する対策を施すことは難しい。

【００１１】本発明は、上記問題点を鑑み、管理者が表
示画面上から容易に把握でき、また過去の経験に基づく
人間的な判断を加味した対策支援の為の情報を提供可能
なシュミレート可能を持つ交通流監視システムを提供す
ることを目的とする。

【００１２】

【課題を解決するための手段】本発明による交通流監視
システムは、道路に設置された計測装置からの計測デー
タに基づいて車両の流れを管理するもので、車両モデル
計算手段、道路モデル作成手段、交通流計算手段及び表
示手段を備える。

【００１３】車両モデル計算手段は、道路上の車両に対
して上記計測装置から送られてくる上記計測データと各
車両モデルを比較して、例えば画像データから求めた上
記道路上の車両の大きさの比と、例えば各車両モデルの
大きさの比とを比較して対応する車両モデルを求める。

【００１４】道路モデル作成手段は、道路の地図情報
と、道路の部品モデルを用いて道路モデルを作成する。

【００１５】交通流計算手段は、上記計測データに基づ
いて上記車両モデル計算手段が求めた車両モデルの、上
記道路モデル作成手段が作成した道路モデル上での流れ
を求める。このまた交通流計算手段は、複数ヵ所の計測
装置間の交通流を上記複数ヵ所の計測装置からの計測デ
ータに基づいて補間処理をして求める。

【００１６】表示手段は、上記交通流計算手段が求めた
流れに基づいて、上記道路モデル上に上記車両モデルを
動態表示出力する。またこの表示手段は、上記車両モデ
ルの動態出力に、上記計測装置による計測データに基づ
いた情報をオーバレイ表示することも可能である。更に
上記表示手段は、上記道路モデル上に上記車両モデルを
二次元乃至三次元動態表示出力する。また表示手段は、
三次元動態表示を行う際、計測装置のカメラの設定条件
に基づいて、上記車両モデル及び道路の部品モデルを三
次元変換し、上記道路モデル上に上記車両モデルを動態
表示出力する。

【００１７】また本発明による交通流監視システムは、
道路の渋滞予測の機能の為の手段として、交通流データ
ベース、複数の第１段のニューラルネットワーク、第２
段のニューラルネットワーク及び表示手段を備える。

【００１８】交通流データベースは、上記計測装置から
の計測データをデータベース化して記憶する。

【００１９】第１段のニューラルネットワークは、各計
測装置に対してそれぞれ設けられ、上記交通流データベ
ースからのデータの入力に対し予測値を出力する。

【００２０】第２段のニューラルネットワークは、上記
複数の第１段のニューラルネットワークが出力する予測
値から渋滞予測を出力する。

【００２１】表示手段は、上記第２段のニューラルネッ
トワークからの出力値に基づいて道路モデル上に車両モ
デルを動態表示出力する。

【００２２】本発明によれば、道路上の車両をモデル化
して、道路モデル上を交通流に基づいて動態表示するこ
とが出来る。

【００２３】また計測装置のカメラの設定条件に基づい
て、車両モデル及び道路の部品モデルを変換して画面上
に表示するので、視点の変化等様々な条件化での表示を
行うことが出来る。

【００２４】更に渋滞シュミレーション時には、過去の
データから、渋滞原因やその対策に対する交通流の変化
を把握することが出来る。

【００２５】また２段のニューラルネットワークを用い
ることにより、精度の高い渋滞予測が可能となる。

【００２６】

【発明の実施の形態】以下に本発明の一実施形態を図面
を参照しながら説明する。

【００２７】図１は本実施形態に於ける交通流監視シス
テムの機能ブロック図である。図１の交通流監視システ
ムは、説明の簡略化の為、地点Ａ及びＢの２ヵ所の分岐
点に設置されている計測装置からのデータに基づいて交
通流を監視、制御するシステムとする。尚本発明による
交通流監視システムはこの様な２ヵ所のみの計測データ
に基づいて交通流の監視・制御を行うものではなく、実
際には更に多くの箇所に設置された計測位置からのデー
タを処理して交通流の監視・制御を行う場合にも容易に
適用可能なものである。

【００２８】道路の路側等に設置されたループコイル型
や画像処理型等の交通流計測装置Ａ、Ｂから管制室の交
通流監視装置に送られてくる計測データは、各車線ごと
の画像データ、大型・小型車両台数（車両の長さのみか
ら判断）、各車両速度、車間距離、移動座標、渋滞長な
どであり、これらの計測データは管制室に集められ、交
通流監視装置１の三次元変換・表示部１０に入力され
る。

【００２９】三次元変換・表示部１０は、車両モデル計
算部１１、交通流計算部１２、道路モデル作成部１３、
三次元表示部１４及び三次元モデル記憶部１５から構成
されている。

【００３０】車両モデル計算部１１は、交通流監視装置
からの計測データと事前に作成して三次元モデル記憶部
１５に記録してある車両のフレームモデルのデータ値と
比較し、車両の種類を特定する。この点については後述
する。

【００３１】道路モデル作成部１３は、三次元モデル記
憶部１５に記録されている地図情報及び道路の各部品モ
デルを用いて監視範囲の道路モデルを作成する。道路モ
デルとは、地図の情報から作成する画像モデルで、道路
モデル作成部１３は事前に地図から得ている道路長、車
線幅、流れの方向、分岐や合流などの道路についての情
報や道路周辺の建築物の位置や大きさなどの情報に、三
次元モデル記憶部１５に記録されている路肩や信号等の
道路施設及び建物等の道路外の施設に対応する画像の部
品モデルを合わせて作成する。また道路モデル作成部１
３は、例えば車線規制の発生等交通流計測装置からの計
測データに基づいて、道路モデルを変更してゆく機能を
備える構成とすることも出来る。

【００３２】交通流計算部１２は、車両モデル計算部１
１からのデータを受けて、大型車及び小型車それぞれに
対し単位時間当りに流れる車両台数及び車両速度等の車
両の流れを求め、道路モデル作成部１３が作成した道路
モデル上に車種に基づいた車両モデルを動かす。

【００３３】三次元表示部１４は、交通流計算部１２の
出力結果に基づいて画面上に二次元又は三次元モデルを
用いた動態画面を表示する。また視点の高さの変更等設
定の変更に対して、三次元モデルの変換を行う。

【００３４】三次元モデル記憶部１５は、車両、及び信
号機、表示板、カメラ等の道路施設や建築物などを三次
元モデル化したデータを記録しており、必要に応じて読
み出される。この三次元モデルは、カメラとの距離や角
度に基づいて、その見え方を自由に線形変換できるよう
にモデル化された形で三次元モデル記憶部１５に記憶さ
れている。

【００３５】また交通流計測装置からの計測データは、
シュミレータ部２０にも送られ交通流のシュミレート用
のデータとして用いられる。このシュミレータ部２０
は、過去の経験に基づいた予測値により事前に学習して
あるニューラルネットワークを備えている。このニュー
ラルネットワークは、学習という過程においてニューラ
ルネットワーク内部の重みを入出力データを基に自動決
定し、過去の学習内容に基づいた結果を出力する。よっ
てこのニューラルネットワークにより過去の経験に基づ
く人間的な判断を加味した予測値を出力することが出来
る。

【００３６】シュミレータ部２０は交通流データベース
２１、各地点毎の第１段のニューラルネットワーク２２
及び第２段のニューラルネットワーク２３より構成され
ている。

【００３７】各計測地点にある交通流計測装置Ａ、Ｂか
らの計測データは、交通流データベース２１に測定場
所、測定日や測定時間と共にデータベース化されて、順
次記録されてゆく。またこの交通流データベース２１内
には、各信号の切換え時間、道路距離、車線幅等道路に
対するデータも格納されており、シュミレート時に交通
流計測装置からのデータと共に必要に応じて読み出され
る。

【００３８】第１段のニューラルネットワーク２２は、
各計測地点毎に設けられるもので、図１の場合はＡ地点
用の２２ＡとＢ地点用の２２Ｂの２つが設けられてい
る。これらのニューラルネットワーク２２には、事前に
予測値を用いて学習させてあり、過去の各交通量データ
と車線規制時の渋滞の解消時間を用いて学習させること
により、重み係数が渋滞解消時間の特徴に重みづけさ
れ、現在の交通量に対する渋滞の解消予測を行うことが
できるようになっている。シュミレート実行時には、こ
のニューラルネットワーク２２に月や曜日、時間帯など
を考慮して交通流データベース２１から読み出した道路
の距離や信号の切換え時間、車線数等のその道路に対す
るデータとその時間時間帯に通過する車両台数、車長、
速度などの交通流のデータを与え、渋滞距離や渋滞の解
消までに要する時間等の予測値を出力させる。

【００３９】これら各第１段のニューラルネットワーク
２２の出力値は、それぞれ第２段のニューラルネットワ
ーク２３に入力されより精度の高い予測を行う。第１段
のニューラルネットワークはＡ地点及びＢ地点と交通流
計測装置が設置されている特定部分の地域のみを考慮し
て渋滞予測を行っているが、渋滞時間や渋滞長などは実
際にはより広い範囲の影響を受ける。よって、予測値の
精度を向上させるには他の地域での予測結果も考慮して
行う必要がある。このため本実施形態では、ニューラル
ネットワークを２段構成にし、第１段のニューラルネッ
トワーク２２で行った各地点での渋滞距離と渋滞解消ま
での時間の予測値及び事故車両地点、車線規制場所、対
策内容等を入力データとして第２段のニューラルネット
ワーク２３により全体を考慮した渋滞長と渋滞時間の予
測値を出力する。この予測値は、数値データとして、あ
るいは三次元変換・表示部１０を介して動態表示として
画面出力される。

【００４０】図２（ａ）は本実施形態での車両のモデル
化の説明図である。

【００４１】本実施形態では、交通流計測装置のＩＴＶ
カメラによる画像データから車両の幅（ｗ）、高さ
（ｈ）、長さ（ｄ）を求め、これらの比と図２（ｂ）の
様なモデリングして事前に記録してあるフレームモデル
の幅（ｗ）、高さ（ｈ）、長さ（ｄ）の比とを比較して
車種を特定する。そしてこの車種に対応した車両モデル
を二次元若しくは三次元道路モデル上に展開する。尚こ
の画像データからのｗ、ｈ、ｄの計測は交通流計測装置
によって行われ、計測結果が交通流監視装置に送られる
が、画像データを交通流監視装置に送り、車両モデル計
算部１１によって、ｗ、ｈ、ｄを求める構成としてもよ
い。

【００４２】図２では、ｗ、ｈ、ｄの比が画像データ上
の車両３１が小型車両のモデルフレームモデル３６に、
車両３２が大型車両のフレームモデル３７での比に近い
ので、車両３１が小型車両、車両３２が大型車両と特定
される。また画像データ上の３３は、どのフレームモデ
ルのｗ、ｈ、ｄの比とも類似しないので道路上の落下物
として扱われる。この様にして、画像データ上の車両３
１〜３３は、車両モデル３４〜３６に変換される。尚図
２でのフレームモデルは大型車量と小型車両の２種類の
みであるが、２輪車等より多くのフレームモデルを用い
る構成としてもよい。

【００４３】図３は、画像データ上から車両の幅
（ｗ）、高さ（ｈ）、長さ（ｄ）の求め方を説明する図
である。

【００４４】画像データから実際のサイズへの変換は、
カメラの高さ、車両との距離（予め車線の基準値より計
測）カメラ角度などのデータから車両サイズを求める。

【００４５】まず二次平面である画像データ上の車両の
位置を三次元座標に変換する。この変換は、車は必ず道
路上に存在するということを前提として、道路上に基準
点を置き、図３（ａ）に示すように車両の位置座表を変
換する。この場合カメラ座標（ｘ，ｙ）から実座標
（Ｘ，Ｙ，Ｚ）の変換は次式で与えられる。

【００４６】 Ｘ＝ｘ・Ｈ／（ｙ・ｃｏｓθ＋ｆ・ｓｉｎθ） Ｙ＝（ｆ・ｃｏｓθ−ｙ・ｓｉｎθ）・Ｈ／（ｙ・ｃｏ
ｓθ＋ｆ・ｓｉｎθ） Ｚ＝０ 図３（ｂ）に示すように、上式でのｆはカメラレンズの
焦点距離、Ｈはカメラの高さ、θはカメラの俯角であ
る。尚これらの値は、カメラの高さＨを７．５ｍ、俯角
θを２５．８度画標準値として設定されている。また補
助データとして中央線の長さ８ｍ、カメラから中央線ま
での距離を１４ｍとして設定してある。これらの値は車
両の大きさ計る時の比較対象物と中央線を用いた時に使
用する。尚これらの設定値は、実際のカメラの設定状態
によってそれぞれ異なる値が設定される。

【００４７】車両の各点の実座標を求めることができる
と、これから大きさを求めることができる。この様にし
て車両のｗ、ｈ、ｄが求まるが、ここで求まる高さｈは
見かけ上の高さであり、実際の車両の高さとは異なる。

【００４８】図４に見かけ上の高さｈ’と実際の高さｈ
との関係を示す。

【００４９】図４の斜線部を車両とすると、その車両の
見かけ上の高さｈ’と実際の高さｈとの関係を式で表す
と三角形の比から ｈ’＝（ｄ・Ｈ＋Ｌ・ｈ）／（Ｌ＋ｄ） となる。上式中Ｌは原点から車両の後尾までの距離、ｄ
は車両の長さを指す。これにより見かけ上の高さｈ’か
ら実際の車両の高さｈが求まる。

【００５０】また車両がカメラの設置位置から離れてゆ
くにつれ、画像データ上において、車両間の距離は狭ま
ってゆき、やがて前の車両との間が無くなってしまう。
すると画像データから導き出される見かけ上の高さｈ’
は、２台分の高さになってしまう。図５は、この２台が
重複による見かけ上の高さが変化の説明図である。

【００５１】カメラに近い位置にある車両は、前後の車
両と重ならないので正確に見かけ上の高さｈ’を求める
ことができるが、カメラから離れた位置にある車両４１
はその前の車両４２と重なってしまい、見かけ上の高さ
は正確には計れなくなる。この場合、重なった時点で高
さは図中のｈ’’となり、本来はだんだん小さくなるは
ずが急に大きくなる。よって、この前後の車両との重複
による高さの誤認は、車両がカメラ近辺にある時から各
車両をトレースすることにより検出することができる。
これにより車両の重複が検出されたものは、データとし
て除くか、重複前のデータをそのまま用いることにより
車両重複による高さの誤認を防げる。

【００５２】図６は交通流監視システムによる出力結果
である画面表示例である。図６の表示画面は交通流を画
面から把握するための二次元動態表示画面の例で、道路
モデル作成部１３が作成した道路モデル上に、交通流計
算部１２が算出した車両モデルを表示する。

【００５３】図６の表示画面は、Ａ地点及びＢ地点に設
置された計測装置からのＩＴＶカメラ等の計測データを
基に、車両モデルが車両数や車両速度に対応して道路モ
デル上を移動する。また交通流計測装置からのデータに
基づいた情報、例えば時間毎の車両通過台数や分岐点に
於ける各方面への割合等のグラフ等をオーバレイ表示す
る。また必要に応じて交通流計測装置からＩＴＶカメラ
の画像データを送信させ、これをオーバレイ表示させて
もよい。これらのデータを見ながら監視者は多角的に交
通流の監視を行う。

【００５４】交通流計算部１２は、車両モデル計算部１
１で求めた車種に対応した車両モデルが道路モデル作成
部１３が作成した道路モデル上を走行する時の移動距離
や移動速度を算出する。これに基づいて通過台数に対応
した数の車両モデルは、計測された速度と方向に対応し
て画面上を移動してゆく。尚同図上の車両モデルの大き
さは車両の種類を示しており、例えば大きい車両モデル
５１は大型車両を、小さい車両モデル５２は小型車両を
示している。

【００５５】また交通流計算部１２は分岐点での計測デ
ータに基づいて、各方面毎への車両台数を求め、三次元
表示部１４は、この台数に見合った車両モデルを方面毎
に表示する。

【００５６】更に交通流計算部１２は、計測地点間の補
間処理を行う。例えばＡ地点とＢ地点の間には計測装置
は存在しないが、この様な地点での車両の流れは、Ａ地
点とＢ地点での計測値から車両台数、移動時間、移動速
度、カーブでの減速量や加速度、信号付近での右左折平
均減速率、インターチェンジ流出部での高速道路の状況
と一般道の信号時間や道路の距離などを基に渋滞長を渋
滞解消予測する。

【００５７】また渋滞予測のシュミレーション時には、
月、曜日、時間帯などを考慮して交通流データベース２
１から読み出した過去の交通流のデータから、図６と同
様な表示画面で交通流を表す。この状態に於て更に事故
の発生や車線規制等の渋滞の発生要因やその場所、渋滞
対策についての情報を第２のニューラルネットワーク２
３に入力する。その結果第２のニューラルネットワーク
２３からは、渋滞に対する予測結果、例えば渋滞の距
離、渋滞の解消までの時間等が出力される。そしてこの
出力結果は画面表示されると共に、図６上の車両モデル
の流れもこの出力結果に基づいて変化する。

【００５８】次に図７に交通流監視システムによる三次
元モデルによる三次元動態表示画面の例を示す。

【００５９】図７（ｂ）は、同図（ａ）に示すように高
さ１０ｍの交差点にカメラを設置した時の画像を三次元
モデル化して表示したものである。同図のモデル化の際
には、車線幅３．５ｍ、路肩の幅２．５ｍ、俯角１２．
８°、画角１０．９°、視野２５ｍ〜２００ｍを条件値
として設定した。

【００６０】図７（ｂ）の三次元動態表示画面では、車
両の流れは交通流計測装置からのデータに基づいた車両
の種類、位置、速度、車両密度で表され、三次元モデル
を用いた道路モデル上をモデル化された車両がその速度
や密度に対応して移動してゆく。

【００６１】また図７の三次元モデルによる表示画像で
は、条件値を変更することにより、実際のカメラの設置
状態とは異なる画面構成の擬似的な表示を行うことが出
来、適宜な表示状態になるように自由に表示変更でき
る。

【００６２】図８にカメラの高さの条件を変更した表示
画像の例を示す。

【００６３】図８（ａ）は人間の視線の位置（小型車両
の運転席上の位置）である１．２ｍに、また同図（ｂ）
は、実際のカメラの設置位置である６ｍより高い位置に
カメラを動かした場合の三次元モデルによる画面例であ
る。この様にカメラの位置（視線の高さ）や角度、構造
物の高さや大きさなどの設定条件を変更すると、それに
伴って三次元表示部１４は道路モデルを構成する部品
や、車両モデルを三次元変換し、対応する視点による三
次元動態表示を行う。これにより様々な視線や見え方を
検証でき、表示状態を適宜なものに自由に変更すること
が出来る。尚図８の表示例は、カメラの大きさを縦２０
ｃｍ×幅２０ｃｍ×奥行４０ｃｍ、信号機の大きさを縦
４０ｃｍ×横１６０ｃｍ、高さを６ｍとして設定した。

【００６４】図９に、交通流監視システムのシステム構
成例を示す。画像処理型の交通流計測装置には各地点に
設置されたＩＴＶカメラ等からなる数〜数十台の交通流
計測装置７０からのデータは画像処理システム６０の接
続部６４に入力される。この交通流計測装置７０からの
データは、複数の計測ユニット６３により車線毎に大型
車両台数、小型車両台数、各車両速度、各車両サイズを
示すデータに変換される。

【００６５】次に各車両サイズにより、三次元変換処理
ユニット６０で実際の車長や車幅からモデリングし三次
元データに変換する。こられの計測データは、制御通信
ユニット６０により接続部６４を介して画像表示端末８
０に送られ、画像表示端末７０では画面上に二次元／三
次元動態表示する。またこの二次元／三次元動態表示画
面に、必要応じて計測地点の通過台数（車種毎、車線
毎、行先毎など）のグラフや画像処理装置からの異常通
知データ、視程データなどをオーバレイさせて表示す
る。また交通流計測装置７０から直接画像データが送ら
れてくる構成の場合、この生画像データを動態表示画像
にオーバレイさせて表示させてもよい。

【００６６】図１０（ａ）に交通流監視システムの別構
成例を示す。図１０（ａ）の構成は交通管制システムと
の連携させたシステム構成例で、管制室９０内では交通
管制システム９１と交通流監視装置９４がバス９５によ
り接続され、互いにデータの交換をして有機的に道路の
管理を行う。調整用パソコン９３は、設定値入力等交通
流計測装置を調整するためのもので有る。尚この調整用
パソコン９３は独立して設けるのではなく、交通流監視
装置９４と１つの構成としても良い。

【００６７】ＩＴＶカメラ１１１により撮影された画像
データや、事前に撮影されビデオデッキ１１２によって
再生出力された画像データは映像切換器／フレームメモ
リユニット１１０を介して交通流計測装置１００に入力
される。交通流計測装置１００ではこの画像データから
車両の大きさ、位置、速度等を求め、これを管制室９０
に送る。管制室９０では、交通流監視装置９３がこのデ
ータを管理し、またこのデータに基づいて図１０（ｂ）
下段の様な画面表示を自己あるいはネットワーク９５で
接続されている端末装置９２に対して行う。

【００６８】また交通流監視装置はモデム等のネットワ
ーク接続装置により公衆回線１２０と接続されており、
公衆回線１２０と通信接続可能な端末装置１２１によっ
て交通流監視９４と接続することにより、各地点の交通
流の状況は管制室９０の外部から三次元のモデル画像と
して端末装置１２１上に動画表示される。これにより道
路管理者は管制室９０の外部からも交通流状況が確認で
きる。図１０（ｂ）上段にその表示例を示す。図中の表
示画面例は、各地点の方面別の交通流計測表示と各地点
の静止画画像表示した例である。この場合交通流監視装
置９４から端末装置１２１に送られるのは、モデル化さ
れた動態表示の為のデータなので、生の画像データを送
信するのに比して通信量が小さくなり、画面表示のリア
ルタイム化が計れる。

【００６９】

【発明の効果】本発明によれば、モデル化された画像表
示を行うので、画像データそのものをやり取りするより
通信データ量は少なくすむ。よって処理の高速化を計
れ、また設備の低コスト化を実現することが出来る。

【００７０】また管理者はモデル化された車両の動画表
示により交通の流れを確認できる為、容易に状況把握を
行うことが出来、突発事故などに対して迅速に対応する
ことが出来る。更にこのモデル化された車両の動画にグ
ラフ等の静止画像を組合わせて表示出来より容易に状況
把握を行うことが出来る。

【００７１】更にカメラの設置条件の変更に基づいた三
次元画像の擬似的な表示変更を行えるので、より見やす
い視点への変更を確認しながら自由に行うことが出来
る。

【００７２】また車線規制や突発事故など画発生した
時、ニューラルネットワークを用いてそれに伴う渋滞状
況を過去のデータから予測し、過去の経験に基づく人間
的な判断を加味した対策支援情報を提供することが出来
る。またニューラルネットワークを２段構成にしたこと
により、より精度の高い予測値が得られる。

【図面の簡単な説明】

【図１】交通流監視装置のブロック図である。

【図２】車両のモデリングを説明する図である。

【図３】画像データ上からの車両の幅（ｗ）、高さ
（ｈ）、長さ（ｄ）の求め方を説明する図である。

【図４】見かけ上の高さｈ’と実際の高さｈとの関係を
示す図である。

【図５】車両の二重化による見かけ上の高さｈ’の変化
を示す図である。

【図６】交通流監視装置による二次元動態表示画面の例
である。

【図７】カメラの設置位置条件による画像の三次元動態
表示画面の例である。

【図８】視線の高さを変更した場合の三次元動態表示画
面の例である。

【図９】システム構成例を示す図である。

【図１０】交通管制システムと連携させたシステム構成
を示す図である。

【符号の説明】

１ 交通流監視システム １０ 三次元変換表示部 １１ 車両モデル計算部 １２ 交通流計算部 １３ 道路モデル作成部 １４ 三次元表示部 １５ 三次元モデル記憶部 ２０ シュミレータ部 ２１ 交通流データベース ２２ 第１段のニューラルネットワーク ２３ 第２段のニューラルネットワーク

───────────────────────────────────────────────────── フロントページの続き (72)発明者 紺野 章子 神奈川県川崎市川崎区田辺新田１番１号 富士電機株式会社内 (72)発明者 川上 一美 神奈川県川崎市川崎区田辺新田１番１号 富士電機株式会社内 Ｆターム(参考） 5B050 BA09 BA11 BA17 EA07 EA19 EA24 EA28 FA02 FA14 5B057 AA13 AA16 BA02 CE08 CH01 DA11 DA16 DC03 DC09 5H180 AA01 BB05 BB15 CC04 CC18 DD02 DD04 EE02 EE07 HH04 JJ01 JJ03

Claims (8)

【特許請求の範囲】
1. 【請求項１】 道路に設置された計測装置からの計測デ
   ータに基づいて、車両の流れを管理する交通流監視シス
   テムにおいて、 道路上の車両に対して前記計測装置から送られてくる前
   記計測データと各車両モデルを比較して対応する車両モ
   デルを求める車両モデル計算手段と、 道路の地図情報と、道路の部品モデルを用いて道路モデ
   ルを作成する道路モデル作成手段と、 前記計測データに基づいて前記車両モデル計算手段が求
   めた車両モデルの、前記道路モデル作成手段が作成した
   道路モデル上での流れを求める交通流計算手段と、 前記交通流計算手段が求めた流れに基づいて、前記道路
   モデル上に前記車両モデルを動態表示出力する表示手段
   と、 を備えることを特徴とする交通流監視システム。
2. 【請求項２】 前記車両モデル計算手段は、画像データ
   から求めた前記道路上の車両の大きさの比と前記各車両
   モデルの大きさの比とを比較して、対応する車両モデル
   を求めることを特徴とする請求項１記載の交通流監視シ
   ステム。
3. 【請求項３】 前記交通流計算手段は、複数ヵ所の計測
   装置間の交通流を前記複数ヵ所の計測装置からの計測デ
   ータに基づいて補間処理をして求めることを特徴とする
   請求項１又は２記載の交通流監視システム。
4. 【請求項４】 道路に設置された計測装置からの計測デ
   ータに基づいて、車両の流れを管理する交通流監視シス
   テムにおいて、 前記計測装置からの計測データをデータベース化して記
   憶する交通流データベースと、 各計測装置に対して設けられ、前記交通流データベース
   からのデータの入力に対して予測値を出力する複数の第
   １段のニューラルネットワークと、 前記複数の第１段のニューラルネットワークが出力する
   予測値から渋滞予測を出力する第２段のニューラルネッ
   トワークと、 前記第２段のニューラルネットワークからの出力値に基
   づいて道路モデル上に車両モデルを動態表示出力する表
   示手段と、 を備えることを特徴とする交通流監視システム。
5. 【請求項５】 前記表示手段は、前記車両モデルの動態
   出力に、前記計測装置による計測データに基づいた情報
   をオーバレイ表示することを特徴とする請求項１乃至４
   の何れか１項記載の交通流監視システム。
6. 【請求項６】 前記表示手段は、前記道路モデル上に前
   記車両モデルを二次元動態表示出力することを特徴とす
   る請求項１乃至４の何れか１項記載の交通流監視システ
   ム。
7. 【請求項７】 前記表示手段は、前記道路モデル上に前
   記車両モデルを三次元動態表示出力することを特徴とす
   る請求項１乃至４の何れか１項記載の交通流監視システ
   ム。
8. 【請求項８】 前記表示手段は、前記計測装置のカメラ
   の設定条件に基づいて、前記車両モデル及び道路の部品
   モデルを三次元変換し、前記道路モデル上に前記車両モ
   デルを動態表示出力することを特徴とする請求項７記載
   の交通流監視システム。