JP2005250695A - 旅行時間予測方法、装置及びプログラム - Google Patents
旅行時間予測方法、装置及びプログラム Download PDFInfo
- Publication number
- JP2005250695A JP2005250695A JP2004058028A JP2004058028A JP2005250695A JP 2005250695 A JP2005250695 A JP 2005250695A JP 2004058028 A JP2004058028 A JP 2004058028A JP 2004058028 A JP2004058028 A JP 2004058028A JP 2005250695 A JP2005250695 A JP 2005250695A
- Authority
- JP
- Japan
- Prior art keywords
- day
- travel time
- data
- road section
- prediction method
- 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
Links
- 238000000034 method Methods 0.000 title claims description 39
- 230000007423 decrease Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 16
- 238000009499 grossing Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
【解決手段】当日と同じ日付の日、当該連休の中に含まれる日のうち当日と同じ曜日の日、及び当日が含まれる当該連休の前半又は後半に属する他の日において過去に収集された旅行時間統計データをそれぞれ取得し、前記取得された複数の旅行時間統計データの重み付き平均をとって、その平均データに基づき、当日の当該道路区間の旅行時間を予測する。
【選択図】 図4
Description
特に、ある道路区間に注目して、当日の将来時刻の旅行時間を予測することが重要である。将来時刻の旅行時間を予測できれば、渋滞などが予測できるので、当該道路区間を避けた目的地までの経路を探索して車両に通知したり、車両に迂回指示を出したりすることができ、未然に交通渋滞の回避ができる。
ところで、2日以上休日又は土曜が連続している場合(祝日、土曜、日曜が続く場合、祝日が日曜にあたりその翌日を休日とする場合など、いわゆる連休)や、休日ではないけれども、前又は後に休日又は土曜があって慣習上連休とされる場合(正月連休、ゴールデンウィーク、旧盆休みなど)がある。
例えば、交通条件として、当日と同じ日付の日であることにのみ注目するだけでは、精度のよい予測ができないことがある。正月連休が終わりUターンラッシュのある1月4日を例にとれば、1月4日が土曜日であれば次の日が日曜であるので、そうでない場合よりも混雑度は高くなると予想される。逆に1月1日は、何曜であっても、混雑度は低い。また、1月4日は、正月連休の後半であり、同じ後半に属する1月3日と似た振る舞いをするとも考えられる。
そこで本発明は、複数の要素を考慮して、精度のよい予測を行うことができる旅行時間予測方法を提供することを目的とする。
また、本発明は、旅行時間を予測しようとする道路区間の、当日の現在時刻までの旅行時間実測データと、過去の複数の要素を考慮した旅行時間統計データとを用いて、精度のよい予測を行うことができる旅行時間予測方法、装置及びプログラムを提供することを目的とする。
この方法では、当日と同じ日付の日及び同じ曜日の日の旅行時間統計データの重み付き平均をとって当日の当該道路区間の旅行時間を予測するので、日、若しくは曜日を単独で考慮するよりも、予測の精度が向上する。
このように、連休の中の前半・後半の位置づけを考慮することにより、さらに予測の精度が向上する。これは、前半は地方へ帰省、後半都会に戻るといったように、連休の前半同士、後半同士で旅行時間の変動傾向に関連があるからである。
前記取得される旅行時間統計データは、過去N年分(Nは1以上の整数)のデータからとる(請求項6)。
この場合、Nの値が大きくなるほど小さくなる係数を、前記重み係数α、β又はγにかけて、重み付き平均をとることが望ましい(請求項7)。これは古いデータほど年数が経って、当日のデータ予測との関連性が低くなるためである。
さらに本発明の旅行時間予測装置は、前記請求項1から請求項8までのいずれかに記載の旅行時間予測方法を実施するものである(請求項9)。
図1は道路地図であり、交差点から交差点までの間の一方向の道路区間Lを示している。車両感知器や路側ビーコンは、この道路区間Lのいずれかの位置、例えば片端に設けられている。車両感知器は、道路の上から超音波や光のパルスを発射して、戻ってくる時間を測定することによって車両の存在を感知するセンサである。路側ビーコンは、車載通信装置と双方向通信を行うことによって、車両の識別を行うとともに、その車両が前回通過した路上ビーコンの情報やその通過時刻の情報を取得する通信装置である。
処理装置1が、旅行時間のデータを収集する方法をいくつか説明する。処理装置1は、車両感知器の感知信号に基づいて交通量q(単位時間(例えば5分間)あたりの車両の通過台数)を算出する。車両感知器は道路区間ごとに設置されているので、交通量qも道路区間ごとに求められる。さらに処理装置1は、占有時間O(単位時間(例えば5分間)内に、各車両kが車両感知器を横切った時間tkの総和Σtk)を検知する。処理装置1は、交通量q、占有時間O、及び平均車長(一定値とする)Iを用いて、式V=I・q/Oにより車両の平均速度Vを計算し、これと道路区間の長さLを用いて、式T=L/Vにより旅行時間Tを計算する。
以上の他に、カメラの計測画像から車両のプレートナンバーをマッチングして車両を同定し、同一車両が道路区間の端を通過した時刻と道路区間の他の端を通過した時刻とから、道路区間を走行するのに要した時間Tを求めるようにしてもよい。この場合も、単位時間(例えば5分間)内に複数の車両を同定できたときは、各車両の旅行時間の平均をとる。
処理装置1は、旅行時間のデータを、道路区間ごと時間帯ごとに記憶装置2に蓄積する。この蓄積されたデータを「旅行時間統計データ」という。この蓄積をするときに、時系列データのばらつきを排除するため、データの平滑化を行うことが望ましい。平滑化は、後述するように、移動平均、指数平滑等の平滑化手法を用いて行う。しかし、これ以外に、時系列データに対して離散コサイン変換をして複数の周波数成分に分解し、分解された周波数成分のうち、周波数の高い部分は除去し、残った周波数の低い成分だけを用いて離散コサイン逆変換をして、ばらつきの影響が排除された時系列データを作成してもよい。前記離散コサイン変換に代えて、フーリエ変換やウェーブレット変換を採用してもよい。
以下、当日が連休(慣習上連休とされる場合を含む)の中に含まれる場合の旅行時間予測を行う方法を説明する。
図3は、旅行時間の予測処理を説明するためのフローチャートである。
次に処理装置1は、記憶装置2から当日収集された旅行時間データ(「旅行時間実績データ」という)を読み出す。これにより、特定された各道路区間について、現在時刻に至るまでの時間帯(例えば5分間)ごとの時系列データが得られる。次に処理装置1は、前記連休の中に含まれる日の旅行時間統計データの中から、この当日の旅行時間実績データと時間変動の傾向(パターン、トレンド)の似ている旅行時間統計データを選定する(ステップS2)。これにより、当日の旅行時間実績データと時間変動の傾向の似ていない日の旅行時間統計データを除外することができる。
まず記号を導入する。当日の旅行時間実測データをT0(j)と書く。添え字"0"は当日であることを表す。また、連休の中の過去の旅行時間統計データをTk(j)と書く。添え字kは、各旅行時間統計データをあらわす。括弧内の"j"は時間帯を表す。現在の時間帯ならばj=0、1つ前の時間帯ならばj=−1、2つ前の時間帯ならばj=−2、1つ先の時間帯ならばj=1、2つ先の時間帯ならばj=2、などである。
ここで、旅行時間実測データT0(j)と旅行時間統計データT1(j) ,T2(j) ,...,TN(j)とは、平滑化されたデータを用いる。平滑化されていないデータを用いれば、変動が多すぎて、実用になりにくいからである。
F(k)={Σ[T0(j)−Tk(j)]2}1/2
ここで総和Σは、現在時刻からj=0から、過去に遡った所定の時刻(例えば当日の始まり、早朝の時刻)までとる。1つ1つの旅行時間統計データTk(j)に対応するF(k)が小さいほど、T0(j)とTk(j)との距離が短く、時間変動の傾向(パターン、トレンド)が似ている。
G(k)={Σ[(T0(j)−T0(j-1))−(Tk(j)−Tk(j-1))]2}1/2
総和Σは、現在時刻からj=0から、過去に遡った所定の時刻までとる。G(k)が小さいほどT0(j)の傾きとTk(j)の傾きが近いので、時間変動の傾向(パターン、トレンド)が似ている。
H(k)=αF(k)+βG(k)
を評価関数としてもよい。
この評価関数の値(評価値という)がしきい値よりも小さな旅行時間統計データTk(j)を、1又は複数選択する。しきい値よりも大きな旅行時間統計データは捨てる。これらの平均的傾向からかけ離れたデータは、突発的な事象(事故、道路工事、異常気象など)に基づくものと考えられるので、旅行時間の予測精度の低下要因になると考えられるからである。
M個の選定された旅行時間統計デをータT1(j) ,T2(j) ,・・,・・TM(j)と書くことにする。それらを代表するときは、Tk(j) と表記する。
ここで重み係数のとり方を説明する。
例えば、2002年、2003年の正月連休の旅行時間統計データを用いて2004年の正月連休の旅行時間を予測するものとする。
あるリンクにおける2002年1月1日から1月6日の午前11時の旅行時間を図4(a)に示し、同じリンクにおける2003年1月1日から1月6日の午前11時の旅行時間を図4(b)に示す。縦軸の旅行時間の単位は秒である。
2004年1月1日は祝日であるため、同じ日との対応付を重視してα=1,β=0,γ=0とする。
2004年1月2日は同じ日との対応付及び連休の後半に属する他の日との対応付を重視して、α=0.5,β=0,γ=0.5とする。
2004年1月4日(日曜日)は同じ日との対応付、連休の後半に属する他の日との対応付よりも曜日を重視する。この理由は次のようになる。図4(a)の2002年1月4日は旅行時間が比較的少なく、図4(b)の2003年1月4日は旅行時間が比較的多い。これは2002年1月4日は金曜日で平日であるため、Uターンは少なく、交通量が少ない。2003年1月4日は土曜日であるため、5日まで休みの日とのUターンが多い。このように、1月4日を予測する場合、曜日が重要な要素となる。そこで、2004年1月4日の旅行時間を予測するのに、曜日も重視して、α=1/3,β=1/3,γ=1/3とする。
このように重みが決まれば、過去の旅行時間統計データに重みを付けて平均データを算出する(ステップS3)。
+γ[ΣTkc(j)/mc]
総和Σはデータの数にわたってとる。maは、当日と同じ日の旅行時間統計データの数、mbは、当日と同じ曜日の旅行時間統計データの数、mcは、当日と同じ連休の前半又は後半に属する日の旅行時間統計データの数である。ただし、
ma+mb+mc≧m
の関係がある。“>”がなりたつのは、当日と同じ日付の日、同じ曜日の日、同じ連休の前半又は後半に属する日が重複することがあるからである。
δN=max{10−N,0}
のように表される。Nは旅行時間統計データTk(j)が何年前のデータであるかをあらわす。この式は、過去10年分の旅行時間統計データを考慮し、その中で新しいものほど大きな重みをとることを意味している。また、
δN=100/N
などとしてもよい。平均旅行時間統計データは、
Tm(j)=α[ΣδN,kaTka(j)]+β[ΣδN,kbTkb(j)]
+γ[ΣδN,kcTkc(j)]
で算出される。
図6は、この旅行時間予測データの算出方法を説明するグラフを示す。この平均旅行時間統計データTm(j)を用いて、当日の旅行時間実測データT0(j)を、将来時刻に向かって延長する。この延長されたデータを「旅行時間予測データ」という。
また、当日の旅行時間実測データの現在値T0(0)と、平均旅行時間統計データの現在値Tm(0)との比ΔRを、平均旅行時間統計データTm(j)にかけて求めてもよい。
2 記憶装置
3 インターフェイス
4 入出力装置
L 道路
Claims (10)
- 連休の中に含まれる日のうち、旅行時間を予測したい日(以下「当日」という)における道路区間の旅行時間を予測する方法であって、
前記道路区間について、
(a)当日と同じ日付の日、及び
(b)当該連休の中に含まれる日のうち当日と同じ曜日の日、
において、過去に収集された旅行時間統計データをそれぞれ取得し、
前記取得された複数の旅行時間統計データの重み付き平均をとって、その平均データに基づき、当日の当該道路区間の旅行時間を予測することを特徴とする旅行時間予測方法。 - 前記重み付き平均をとる場合の、当日と同じ日付の日に対する重み係数α、当該連休の中に含まれる日のうち当日と同じ曜日の日に対する重み係数βは、当日がどのような日であるかに応じてあらかじめ決定されている請求項1記載の旅行時間予測方法。
- 連休の中に含まれる日のうち、旅行時間を予測したい日(以下「当日」という)における道路区間の旅行時間を予測する方法であって、
前記道路区間について、
(a)当日と同じ日付の日、
(b)当該連休の中に含まれる日のうち当日と同じ曜日の日、及び
(c)当日が含まれる当該連休の前半又は後半に属する他の日
において、過去に収集された旅行時間統計データをそれぞれ取得し、
前記取得された複数の旅行時間統計データの重み付き平均をとって、その平均データに基づき、当日の当該道路区間の旅行時間を予測することを特徴とする旅行時間予測方法。 - 前記重み付き平均をとる場合の、当日と同じ日付の日に対する重み係数α、当該連休の中に含まれる日のうち当日と同じ曜日の日に対する重み係数β、及び当日が含まれる連休の前半又は後半に属する他の日に対する重み係数γは、当日がどのような日であるかに応じてあらかじめ決定されている請求項3記載の旅行時間予測方法。
- 前記「曜日」は平日、土曜、日曜の3種類に区分される前記請求項1から請求項4までのいずれかに記載の旅行時間予測方法。
- 前記取得される旅行時間統計データは、過去N年分(Nは1以上の整数)のデータである請求項1から請求項5までのいずれかに記載の旅行時間予測方法。
- Nの値が大きくなるほど小さくなる係数を、前記重み係数α、β又はγにかけて、重み付き平均をとる請求項6記載の旅行時間予測方法。
- 旅行時間を予測しようとする道路区間の、当日の現在時刻までの旅行時間実測データを収集し、
前記請求項1又は請求項3記載の方法により取得された平均データを用いて、
当日の現在時刻以後の旅行時間予測データを予測することを特徴とする旅行時間予測方法。 - 道路ネットワーク上で収集された各道路区間の旅行時間データベースを用いて、道路区間の旅行時間を予測する装置であって、
前記請求項1から請求項8までのいずれかに記載の旅行時間予測方法を実施することを特徴とする旅行時間予測装置。 - 道路ネットワーク上で収集された各道路区間の旅行時間データベースを用いて、道路区間の将来の旅行時間を予測するためのプログラムであって、
前記請求項1から請求項8までのいずれかに記載の旅行時間予測方法をコンピュータに実行させることを特徴とする旅行時間予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004058028A JP4052262B2 (ja) | 2004-03-02 | 2004-03-02 | 旅行時間予測方法、装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004058028A JP4052262B2 (ja) | 2004-03-02 | 2004-03-02 | 旅行時間予測方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005250695A true JP2005250695A (ja) | 2005-09-15 |
JP4052262B2 JP4052262B2 (ja) | 2008-02-27 |
Family
ID=35031132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004058028A Expired - Lifetime JP4052262B2 (ja) | 2004-03-02 | 2004-03-02 | 旅行時間予測方法、装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4052262B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013008135A (ja) * | 2011-06-23 | 2013-01-10 | Denso Corp | 渋滞予測装置および渋滞予測データ |
CN112906984A (zh) * | 2021-03-24 | 2021-06-04 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
-
2004
- 2004-03-02 JP JP2004058028A patent/JP4052262B2/ja not_active Expired - Lifetime
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013008135A (ja) * | 2011-06-23 | 2013-01-10 | Denso Corp | 渋滞予測装置および渋滞予測データ |
CN112906984A (zh) * | 2021-03-24 | 2021-06-04 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
CN112906984B (zh) * | 2021-03-24 | 2023-06-30 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP4052262B2 (ja) | 2008-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yao et al. | Short‐term traffic speed prediction for an urban corridor | |
An et al. | Mining urban recurrent congestion evolution patterns from GPS-equipped vehicle mobility data | |
US8473197B2 (en) | Computation of travel routes, durations, and plans over multiple contexts | |
JP4547408B2 (ja) | 交通状況予測装置,交通状況予測方法 | |
JP7028167B2 (ja) | 交通制御支援システム、交通制御支援方法およびプログラム | |
JPH08503317A (ja) | 交通パラメータの予測方法 | |
Mil et al. | Modified Bayesian data fusion model for travel time estimation considering spurious data and traffic conditions | |
Pan et al. | Forecasting spatiotemporal impact of traffic incidents for next-generation navigation systems | |
JP2011048754A (ja) | 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法 | |
Lu et al. | Estimating freeway travel time and its reliability using radar sensor data | |
JP2015522186A (ja) | リンクにおける未来の移動時間を予測する方法 | |
Matcha et al. | Modelling road traffic congestion at urban merge section under mixed traffic conditions | |
AlKheder et al. | Bayesian combined neural network for traffic volume short-term forecasting at adjacent intersections | |
JP4240309B2 (ja) | 旅行時間提供方法、装置及びプログラム | |
Heshami et al. | A queue length estimation and prediction model for long freeway off-ramps | |
KR20070061015A (ko) | 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치 | |
Fei et al. | Bayesian dynamic linear model with switching for real-time short-term freeway travel time prediction with license plate recognition data | |
JP3933127B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
KR20190140770A (ko) | 통행 시간 예측 모델을 이용한 통행 시간 예측 방법 및 통행 시간 예측 장치 | |
JP4052262B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
Iyer et al. | Urban Traffic Congestion Mapping Using Bus Mobility Data. | |
Wang et al. | An empirical evaluation of the loop detector method for travel time delay estimation | |
JP4235913B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
Gore et al. | A hazard-based model to derive travel time under congested conditions | |
JP3541708B2 (ja) | 旅行時間予測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070507 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070713 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20071113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071126 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101214 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4052262 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101214 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111214 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111214 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121214 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121214 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131214 Year of fee payment: 6 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |