JP2013171491A - 単一の画像を活用した交通量推計システム - Google Patents
単一の画像を活用した交通量推計システム Download PDFInfo
- Publication number
- JP2013171491A JP2013171491A JP2012035956A JP2012035956A JP2013171491A JP 2013171491 A JP2013171491 A JP 2013171491A JP 2012035956 A JP2012035956 A JP 2012035956A JP 2012035956 A JP2012035956 A JP 2012035956A JP 2013171491 A JP2013171491 A JP 2013171491A
- Authority
- JP
- Japan
- Prior art keywords
- traffic volume
- traffic
- peak
- image
- hour
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
【課題】衛星等の画像を用いた交通状況観測システムでは、車速測定のため時間差をもって撮像した少なくとも2枚の画像が必要で、画像取得の作業上の困難さと、コストの上昇が避けられない。
【解決手段】本発明にかかる交通量推計システムは、調査対象の現道(1)を含むある1時点での単一の画像(2)を、衛星画像、航空写真又はGoogleマップとして入手する。該画像の該現道上の車両(3)の瞬間存在台数(n)を計測する。該瞬間存在台数と該現道の延長(l)から交通密度(K)を算出する。該交通密度と走行速度(V)から画像処理結果交通量(Qk)を算出する。該画像処理結果交通量と該現道の現地状況結果から得られるパターンコード(41,42,…4n)に対応するピーク補正係数(pf)から変換ピーク時間交通量(Qh)を算出する。該変換ピーク時間交通量と該現道の該パターンコードに対応する時間変動係数(tf)から日交通量(Qa)を算出する。
【選択図】 図9
【解決手段】本発明にかかる交通量推計システムは、調査対象の現道(1)を含むある1時点での単一の画像(2)を、衛星画像、航空写真又はGoogleマップとして入手する。該画像の該現道上の車両(3)の瞬間存在台数(n)を計測する。該瞬間存在台数と該現道の延長(l)から交通密度(K)を算出する。該交通密度と走行速度(V)から画像処理結果交通量(Qk)を算出する。該画像処理結果交通量と該現道の現地状況結果から得られるパターンコード(41,42,…4n)に対応するピーク補正係数(pf)から変換ピーク時間交通量(Qh)を算出する。該変換ピーク時間交通量と該現道の該パターンコードに対応する時間変動係数(tf)から日交通量(Qa)を算出する。
【選択図】 図9
Description
本発明は単一の画像を活用した交通量推計システム、殊に衛星画像、航空写真又はGoogleマップとして入手した単一の画像を用いて行うものに関する。
新たな道路整備を計画する場合、現道、即ち、既存道路(高速道路や一般道路)の状況(周辺ネットワークの交通量や速度、道路構造等)を把握することは基本的事項であり、交通量自動計測装置や道路交通センサス等のこれまでストックされた交通量データを用いることが一般的である。
また、ストックされたデータが無い場合や、ネットワークの改変、社会経済の変化等を考慮する場合、必要に応じて、新たに現地交通量調査を行うことになり、調査の月・曜日・時間帯等を考慮の上、調査員や計測機器により、車種別の交通量や走行速度等を計測するが、人的計測ミスの可能性や調査コストの増大、調査員の安全の確保等、課題も存在する。
現在、本件出願人において、海外における事業展開の検討がなされているが、発展途上の国々ではストックされた交通量データが存在しない場合が多い。そのため、現地における交通量調査が不可欠となり、海外でのノウハウを有する企業(コンサルタント)により、現地人を活用した調査が行われているようである。しかし、現地の治安に問題があれば、計測ポイントや計測方法の制約も考えられ、事業採算性のベースとなる計測データの信頼性に検証の必要があれば、大きな課題となる。
そこで、今回、現地交通量調査にかわる技術として、単一の画像を活用した交通量推計システムを提案し、海外のみならず、国内においても、大がかりな現地調査が不要で、細街路も含めた広域の交通量の把握、現地交通量調査等の計測データの信頼性検証も可能としたものである。
従来、衛星画像を用いて交通量測定を行うものにあっては、対象道路に関し複数枚の画像を時間差で取得し、これらの画像に現れた車両の数と道路延長から交通密度を算出し、画像間の車両の移動距離から求めた速度をこれに乗じて、交通量を計測するようにしている。
特開2005−56186号公報(特許文献1)には、段落「0014」で所定の時間間隔(Δt)で複数の画像を撮像すること、「0036」から「0039」に車両数計測のやり方が、それぞれ述べられている。
また、特開2001−188986号公報(特許文献2)には、「課題を解決するための手段」の項中で、衛星写真を数秒から数十秒程度の短い時間をおいて数回撮影すること、そして、前後の画像を比較して特定した複数の車両の平均走行距離をこの時間で除して平均走行速度を求め、それらの平均走行距離を平均車頭間隔で除した結果を交通量とする旨の記載がある。
特許文献1の交通状況観測システムでは、第1の時刻に撮像された第1の画像と、第2の時刻に撮像された第2の画像を必要としており、両画像を取得する作業上の困難さと、コストの上昇が避けられない。
特許文献2の航空写真による道路の車両走行速度及び交通量の計測方法も、特許文献1の場合と同様に、時刻をずらして複数枚の衛星写真を撮影し、このずれ時間とこのずれ時間内での同一車両の位置の変位量を利用して交通量を算定しようとするものである。この場合も、複数枚の衛星写真を撮影して画像を取得する作業上の困難さと、コストの上昇が避けられない。
そこで、本発明の目的は、単一の画像で足り、かつ手間及びコストをかけずに行える交通量推計システムを提供することにある。なお、以下の説明中で、「乗じる」、「相乗する」等の意味を表す場合を記号「×」に置き換え、「除する」場合を記号「÷」で表すこともある。
(請求項1)本発明にかかる単一の画像を活用した交通量推計システムは、調査対象の現道を含むある1時点での単一の画像を、衛星画像、航空写真又はGoogleマップとして入手する。該画像の該現道上の車両の瞬間存在台数を計測する。該瞬間存在台数と該画像又は地図から計測した該現道の道路延長から交通密度を算出する。該交通密度と走行速度から画像処理結果交通量を算出する。該画像処理結果交通量と該現道の現地状況結果から得られるパターンコードに対応するピーク補正係数から変換ピーク時間交通量を算出する。そして、該変換ピーク時間交通量と該現道の該パターンコードに対応する時間変動係数から日交通量を算出する。
画像は、例えば計画道路に競合する現道の全域か代表区間を選定して撮像された、単一のものとする。この画像に写った現道上の車両の瞬間存在台数を計測する。この計測は解析ソフトウェアを使用した通常の画像処理等や、人による目視でなされる。
車両が存在する現道延長を該画像又は地図データから計測する。この車両台数と現道延長から交通密度を算出する。現道上の車両の走行速度は、現地視察等で収集した調査値か、想定値が採用される。
該交通密度と該走行速度から画像処理結果交通量を算出する。該画像処理結果交通量と該現道の現地状況から得られるパターンコードに対応するピーク補正係数から変換ピーク時間交通量を算出する。そして、該変換ピーク時間交通量と該現道の該パターンコードに対応する時間変動係数から日交通量を算出する。このピーク補正は、画像撮影時間帯がピーク時間帯と相違している場合に行う。
交通量Q(台)、交通密度K(台/km)、走行速度V(km/h)間には、図1に示すように、交通量は、交通容量まで、交通密度と速度の相乗積に比例して増加する関係のあることが知られている。
(請求項2)該パターンコードは、道路交通センサスが保有する各道路種別の調査区間毎の調査項目データを抽出・集計したものから得られる「沿道状況、道路種別、車線数、指定最高速度」から新たに道路種別を216分類し、該分類毎に該ピーク補正係数及び該時間変動係数の値を有するものとなっていてもよい。
こうすると、多種類のパターンコードを用意することにより、該現道と類似する道路のパターンコードをパソコンの画面上で容易に抽出して照合でき、該パターンコードに基づいて該ピーク補正係数や該時間変動係数を容易に求められ、該ピーク補正係数や該時間変動係数の適用により正確な交通量の推計を行える。
こうすると、多種類のパターンコードを用意することにより、該現道と類似する道路のパターンコードをパソコンの画面上で容易に抽出して照合でき、該パターンコードに基づいて該ピーク補正係数や該時間変動係数を容易に求められ、該ピーク補正係数や該時間変動係数の適用により正確な交通量の推計を行える。
(請求項3)該ピーク補正係数はピーク時間交通量比÷画像撮影時間帯交通量比により算出するもので、該ピーク時間交通量比は、該パターンコードごとに24時間交通量が上位10位までのデータを抽出し、各時間交通量を該24時間交通量で除して時間帯別に平均化した交通量比の中から、ピーク時間交通量の時間帯の交通量比を抽出したもの、また、該画像撮影時間帯交通量比は、該画像の撮影時間帯の交通量比を抽出したものであってもよい。
こうすると、以下に述べるように、交通量推計の信頼性や実用性を高められる。
こうすると、以下に述べるように、交通量推計の信頼性や実用性を高められる。
ピーク時間交通量比、画像撮影時間帯交通量比と「交通量比」を用いるのは、例えば下記の[表1]に示したように、交通量で計算したI/IIと交通量比で計算しIII/IVを比較すると、I/IIは平均値に台数の大小差に影響を受けていることが分かるからである。
ピーク補正係数は日交通量算出のために必要な係数であり、この係数を乗じなければ信頼性の高い日交通量の推計ができないことを別な視点で説明すれば、次の通りである。
画像処理結果交通量×ピーク補正係数=変換ピーク時間交通量
変換ピーク時間交通量×時間変動係数=日交通量
時間変動係数=昼夜率/昼間ピーク12時間比率(%表示せず)のため置き換えると、
日交通量=変換ピーク時間交通量×昼夜率/昼間ピーク12時間比率
昼夜率/昼間ピーク12時間比率=24時間交通量/ピーク時間交通量のため置き換えると、
日交通量=変換ピーク時間交通量×24時間交通量/ピーク時間交通量
=24時間交通量
=日交通量
つまり、画像処理結果交通量にピーク補正係数を乗じなければ、変換ピーク時間交通量が導き出せず、結果的に日交通量の推計ができない。
画像処理結果交通量×ピーク補正係数=変換ピーク時間交通量
変換ピーク時間交通量×時間変動係数=日交通量
時間変動係数=昼夜率/昼間ピーク12時間比率(%表示せず)のため置き換えると、
日交通量=変換ピーク時間交通量×昼夜率/昼間ピーク12時間比率
昼夜率/昼間ピーク12時間比率=24時間交通量/ピーク時間交通量のため置き換えると、
日交通量=変換ピーク時間交通量×24時間交通量/ピーク時間交通量
=24時間交通量
=日交通量
つまり、画像処理結果交通量にピーク補正係数を乗じなければ、変換ピーク時間交通量が導き出せず、結果的に日交通量の推計ができない。
(請求項4)該時間変動係数は、昼夜率÷昼間ピーク12時間比率×100により算出するもので、
該昼夜率は、7時〜翌7時までの各時間交通量の合計である24時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの、
該昼間ピーク12時間比率は、各時間交通量のうち最大の時間交通量であるピーク時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの
であってもよい。
こうすると、前段落「0022」で述べたように、時間変動係数を求めることができ、信頼性の高い日交通量の推計ができることになる。
該昼夜率は、7時〜翌7時までの各時間交通量の合計である24時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの、
該昼間ピーク12時間比率は、各時間交通量のうち最大の時間交通量であるピーク時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの
であってもよい。
こうすると、前段落「0022」で述べたように、時間変動係数を求めることができ、信頼性の高い日交通量の推計ができることになる。
(請求項5)該時間変動係数は、7時から翌7時までの各時間交通量の合計である24時間交通量を、各時間交通量のうち最大の時間交通量であるピーク時間交通量で除した値に100を乗じたものであってもよい。
こうすると、前段落「0023」で述べたと同様の作用効果を奏する。
こうすると、前段落「0023」で述べたと同様の作用効果を奏する。
(請求項6)該日交通量(Qa)算出の入力条件は以下の項目:
(a)該現道(1)の該画像(2)の画像処理結果の入力項目
(a-1)画像撮影時間帯(0-23時の1時間単位)
(a-2)瞬間存在台数(n)(台)
(a-3)道路延長(l)(km)
(b)現地状況結果の入力項目
(b-1)走行速度(V)(km/h)
(b-2)沿道状況(選択)
(b-3)道路種別(選択)
(b-4)車線数(選択)
(b-5)指定最高速度(選択)
とし、算出結果を入力画面上に表示するものであってもよい。
こうすると、現地交通量調査をせずとも、机上にて算出した数値で入力項目を満たすだけで、該現道の推計交通量が入力画面上で知ることができる。
(a)該現道(1)の該画像(2)の画像処理結果の入力項目
(a-1)画像撮影時間帯(0-23時の1時間単位)
(a-2)瞬間存在台数(n)(台)
(a-3)道路延長(l)(km)
(b)現地状況結果の入力項目
(b-1)走行速度(V)(km/h)
(b-2)沿道状況(選択)
(b-3)道路種別(選択)
(b-4)車線数(選択)
(b-5)指定最高速度(選択)
とし、算出結果を入力画面上に表示するものであってもよい。
こうすると、現地交通量調査をせずとも、机上にて算出した数値で入力項目を満たすだけで、該現道の推計交通量が入力画面上で知ることができる。
(請求項1)本発明にかかる画像を活用した交通量推計システムによれば、調査対象の現道を含むある1時点での単一の画像を、衛星画像、航空写真又はGoogleマップとして入手して活用するので、人の立ち入りが困難な山岳、森林、湿地地帯での道路計画に対してもコストをかけることなく適用でき、正確性の高い交通量の推計をすることができる。
請求項2によれば、該現道と類似する道路のパターンコードをパソコンの画面上で容易に抽出して照合でき、該パターンコードに基づいて該ピーク補正係数や該時間変動係数を容易に求められ、該ピーク補正係数や該時間変動係数の適用により正確な交通量の推計を行える。
請求項3によれば、日交通量の算出が可能となり、交通量推計の実用性や信頼性が高められる。
請求項4や5によれば、日交通量の算出が可能となり、交通量推計の実用性や信頼性が高められる。
請求項6によれば、該現道の推計交通量が入力画面上で知ることができる。
(請求項1)本発明にかかる単一の画像を活用した交通量推計システムは、計画道路Nに競合する現道1を含むある1時点での単一の画像2を衛星画像、航空写真又はGoogleマップとして入手する。この画像2の現道1上の車両3の瞬間存在台数nを計測する。この瞬間存在台数nとこの現道1の延長lから交通密度Kを算出する。本システムを利用すれば、交通密度の算出以降の計算や、パターンコード41,42,…4nの選択を、自動でなせる。この現道1上の車両3の走行速度Vを測定する。この交通密度Kに走行速度Vを乗じ、画像処理結果交通量Qk=K×Vを算出する。更に、画像撮影時間帯がピーク時間帯と相違している場合は、該画像処理結果交通量Qkと該現道1の現地状況結果から得られるパターンコード41,42,…4nに対応するピーク補正係数pfを乗じて、変換ピーク時間交通量Qh=Qk×pfを算出する。そして、この変換ピーク時間交通量Qhと現道1のパターンコード41,42,…4nに対応する時間変動係数tfから日交通量Qaを算出する。
図1に示すように、交通量Q(台/h)、交通密度K(台/km)、走行速度V(km/h)間には、交通量Qが、交通容量Qfまで、交通密度Kと走行速度Vの相乗積に比例して増加する関係がある。
画像の撮影は、図2に示すように、計画道路Nに競合する現道1の全域を選定し、又は、図3に示すように、代表区間を選定して行う。この画像2に写った現道1上の車両3の瞬間存在台数nを、解析ソフトウェアを使用した通常の画像処理等や、人による目視で計測する。
図4で、車両3が存在する現道1の延長lを計測する。これには現地実測値があればそれを採用し、無ければ画像2又は地図データから計測する。この車両3の瞬間存在台数nと現道1の延長lから交通密度Kを算出する。現道1上の車両3の走行速度Vは、現地視察等で収集した調査値か、地形等を考慮した想定値が採用される。
図5で、これらの交通密度K、走行速度V及びピーク補正係数pfを相乗して、変換ピーク時間交通量Qhを算出する。そして、この交通量Qhに時間変動係数tfを乗じて、日交通量Qaを算出する。
(請求項2)パターンコード41,42,…4nは、道路交通センサスが保有する各道路種別の調査区間毎の調査項目データを抽出・集計したものから得られる「沿道状況、道路種別、車線数、指定最高速度」から新たに道路種別を216分類し、これらの分類毎にピーク補正係数pf及び時間変動係数tfの値を有している。
この場合、多種類のパターンコードを用意することにより、現道1と類似する道路のパターンコード4nーx(ただし0<x<nの整数)をパソコンの画面上で容易に抽出して照合でき、このパターンコード4nーxに基づいてピーク補正係数pfや時間変動係数tfを容易に求められ、このピーク補正係数や時間変動係数tfの適用により正確な交通量の推計を行える。
この場合、多種類のパターンコードを用意することにより、現道1と類似する道路のパターンコード4nーx(ただし0<x<nの整数)をパソコンの画面上で容易に抽出して照合でき、このパターンコード4nーxに基づいてピーク補正係数pfや時間変動係数tfを容易に求められ、このピーク補正係数や時間変動係数tfの適用により正確な交通量の推計を行える。
図6は、現在216種類存在しているパターンコードの内の3例が示されている。この216という数は、図5の「現地状況結果から入力」の欄中の「沿道状況」の4種類、「道路種別」の2種類、「車線数」の3種類及び「指定最高速度」の9種類を乗じたものである。実際上は、図5の「パターンコード」の欄に示すように、1つのパターンコードが8桁の数字で表される。最上位の2桁は、「沿道状況」を4種類に分けて付した1から4の数字を10の位に含めたもの、次位の2桁は2種類の道路に付した1と2の数字を10の位に含めたもの、3位の1桁は2、4、6の各車線数の数字を表示するもの、最下位の3桁は「指定最高速度」を20〜100km/hの範囲で10km/h単位で該当する数値を示すものである。
この図5は解析ソフトウェアが表示する入力画面の一例で、左端欄の「画像処理結果から入力」にデータを入力すると、右隣の欄の「交通密度(台/km)」Kが算出される。次に、その右隣の欄の「現地状況結果から入力」欄に入力し、道路交通センサスから波形の類似したものを選択して、右隣りの「パターンコード」に入力する。これにより、更に右側に3欄目の「ピーク補正」の下左欄に必要性が判断され、必要と判断されると右隣の「補正係数」pfが計算されて、その右欄の「変換ピーク時間交通量(台/h)」Qhが算出される。更に、これに基づき、「時間変動係数」tfが表出され、これに基づいて、最右欄の「日交通量(台/日)」Qaが算出される。
1例として、図9に示したパターンコード10206060は、最上位の10で沿道状況が人口集中地区、次位の20で道路種別が一般道路、3位の6で車線数が6車線、最下位の060で指定最高速度が60km/hであることを示している。
ここでいうxは、0<x<nの条件にかなう任意の整数となる。既記の通りパターンコードは現在216種類存在しているので、xは1から215までの任意の整数を採用できる。この抽出されたパターンコード4n―xに示されたピーク時間交通量比Q’pを画像撮影時間帯交通量比Q’tで除して、ピーク補正係数pfが求められる。
この場合、現道1と類似する道路のパターンコード4n―xの抽出はパソコンの画面上で容易に照合でき、このパターンコード4n―xに基づいてピーク補正係数pfや時間変動係数tfを容易に求められ、このピーク補正係数pfや時間変動係数tfの適用により正確な交通量の推計を行える。
図7は(a)、(b)、(c)に分けられているが、(a)と(b)は単一の表、(c)はこの単一の表の下に付記されたもので、センサスサンプルデータから各指標を説明する資料となっている。(a)の最左欄の「パターンコード数」の、例えば1と2、3〜6で、昼間12時間交通量、24時間交通量が同じとなっているのは、パターンコード10206080の根拠データを列挙したものであるが、項目「基本区間番号交通量調査」上は同一番号でないため、個別データとして扱ったものである。例えば、100mの道路区間を他道路との接続点等で複数の区間に分割する場合、即ち、100m⇒1番:10m、2番:50m、3番:40m等である。
「時間変動係数」以下「昼間ピーク12時間比率」までの5項目の求め方については、パターンコード数の1を例にとってこの資料の下位に記してある。
先ず、「時間変動係数」はパターンコード1〜19の時間変動係数の合計値250.4をパターンコード数の19で割った平均値で、13.2となる。小数点以下の算入で表の数値と多少の違いが生じている。
「24時間交通量」は「パターンコード数」1を例に示した通り、午前7時台〜翌日午前6時台の各時間別の台数の総計で74,196台となっている。
「昼間12時間交通量」は午前7時台〜午后6時台の各時間の台数の総計で50,298台となっている。
「昼夜率」は24時間交通量74,196台を昼間12時間交通量50,298台で割ったもので、1.48となっている。
「昼間ピーク12時間比率」は交通量が最多と見られる午前7時台の台数5,672を昼間12時間交通量の50,298台で割って100を乗じたもので、11.3となっている。
先ず、「時間変動係数」はパターンコード1〜19の時間変動係数の合計値250.4をパターンコード数の19で割った平均値で、13.2となる。小数点以下の算入で表の数値と多少の違いが生じている。
「24時間交通量」は「パターンコード数」1を例に示した通り、午前7時台〜翌日午前6時台の各時間別の台数の総計で74,196台となっている。
「昼間12時間交通量」は午前7時台〜午后6時台の各時間の台数の総計で50,298台となっている。
「昼夜率」は24時間交通量74,196台を昼間12時間交通量50,298台で割ったもので、1.48となっている。
「昼間ピーク12時間比率」は交通量が最多と見られる午前7時台の台数5,672を昼間12時間交通量の50,298台で割って100を乗じたもので、11.3となっている。
図8は(a)、(b)、(c)に分けられているが、本来は単一の表で、パターンコードの実用性を確認するための12路線でのサンプル実証の図である。比較対象となったこのパターンコードで採用されている元データは、最右欄の「本システムで採用されている時間帯別交通量の元データ」と題する欄に示されている通りである。各道路での「日交通量(台/日)(Qa)」と「H22センサス(台/日)(Qs)」との間には、−20から+25間の「乖離率(%)」があるが、平均は-4.7%となっており、推計の実用上は支障のないことが分かる。
なお、この乖離率(%)は次式で求められる。
乖離率(%)={日交通量(台/日)Qa−H22センサス(台/日)Qs}/H22センサス(台/日)Qs
例えば、サンプル番号1(パターンコード10206080)の場合、
(乖離率)−6.0(%)≒(69,722−74,196)/74,196
となる。
乖離率(%)={日交通量(台/日)Qa−H22センサス(台/日)Qs}/H22センサス(台/日)Qs
例えば、サンプル番号1(パターンコード10206080)の場合、
(乖離率)−6.0(%)≒(69,722−74,196)/74,196
となる。
(請求項3)ピーク補正係数pfはピーク時間交通量比Q’p÷画像撮影時間帯交通量比Q’tにより算出するもので、このピーク時間交通量比Q’pは、パターンコード41,42,…4nごとに24時間交通量が上位10位までのデータを抽出し、各時間交通量をこの24時間交通量で除して時間帯別に平均化した交通量比の中から、ピーク時間交通量Qpの時間帯の交通量比を抽出したもの、画像撮影時間帯交通量比Q’tは、画像2の撮影時間帯の交通量比を抽出したものであってもよい。
この場合、日交通量Qaの算出が可能となり、交通量推計の実用性や信頼性が高められる。
この場合、日交通量Qaの算出が可能となり、交通量推計の実用性や信頼性が高められる。
(請求項4)時間変動係数tfは、昼夜率rd÷昼間ピーク12時間比率rh×100により算出するもので、この昼夜率rdは、7時〜翌7時までの各時間交通量の合計である24時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの、また昼間ピーク12時間比率rhは、各時間交通量のうち最大の時間交通量であるピーク時間交通量Qpを、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したものであってもよい。
「時間変動係数」は、例示に挙げた図7を参照して分かるように、パターンコード1〜19の時間変動係数の合計値250.4をパターンコード数の19で割った平均値で、13.2となる。小数点以下の算入で表の数値と多少の違いが生じている。
この場合、日交通量Qaの算出が可能となり、交通量推計の実用性や信頼性が高められる。
「時間変動係数」は、例示に挙げた図7を参照して分かるように、パターンコード1〜19の時間変動係数の合計値250.4をパターンコード数の19で割った平均値で、13.2となる。小数点以下の算入で表の数値と多少の違いが生じている。
この場合、日交通量Qaの算出が可能となり、交通量推計の実用性や信頼性が高められる。
(請求項5)時間変動係数tfは、7時から翌7時までの各時間交通量の合計である24時間交通量を、各時間交通量のうち最大の時間交通量であるピーク時間交通量Qpで除した値に100を乗じたものであってもよい。
この場合、結果的には前段落0045の場合と同様になるが、係数の算出が容易となる。
この場合、結果的には前段落0045の場合と同様になるが、係数の算出が容易となる。
(請求項6)日交通量Qa算出の入力条件は以下の項目:
(a)現道1の画像2の画像処理結果の入力項目
(a-1)画像撮影時間帯(0-23時の1時間単位)
(a-2)瞬間存在台数(n)(台)
(a-3)道路延長(l)(km)
(b)現地状況結果の入力項目
(b-1)走行速度(V)(km/h)
(b-2)沿道状況(選択)
(b-3)道路種別(選択)
(b-4)車線数(選択)
(b-5)指定最高速度(選択)
とし、算出結果を入力画面上に表示するようにしてもよい。
この場合、現地交通量調査をせずとも、机上にて算出した数値で入力項目を満たすだけで、該現道の推計交通量が入力画面上で知ることができる。
(a)現道1の画像2の画像処理結果の入力項目
(a-1)画像撮影時間帯(0-23時の1時間単位)
(a-2)瞬間存在台数(n)(台)
(a-3)道路延長(l)(km)
(b)現地状況結果の入力項目
(b-1)走行速度(V)(km/h)
(b-2)沿道状況(選択)
(b-3)道路種別(選択)
(b-4)車線数(選択)
(b-5)指定最高速度(選択)
とし、算出結果を入力画面上に表示するようにしてもよい。
この場合、現地交通量調査をせずとも、机上にて算出した数値で入力項目を満たすだけで、該現道の推計交通量が入力画面上で知ることができる。
1 現道
2 画像
3 車両
41,42,…4n パターンコード
n 瞬間存在台数
l 道路延長
K 交通密度
V 走行速度
Q 交通量
Qk 画像処理結果交通量
pf ピーク補正係数
Qh 変換ピーク時間交通量
tf 時間変動係数
Qa 日交通量
Qd 昼間交通量
Q’p ピーク時間交通量比
Qp ピーク時間交通量
Q’t 画像撮影時間帯交通量比
Qs 時間帯別交通量
rd 昼夜率
rh 昼間ピーク12時間比率
2 画像
3 車両
41,42,…4n パターンコード
n 瞬間存在台数
l 道路延長
K 交通密度
V 走行速度
Q 交通量
Qk 画像処理結果交通量
pf ピーク補正係数
Qh 変換ピーク時間交通量
tf 時間変動係数
Qa 日交通量
Qd 昼間交通量
Q’p ピーク時間交通量比
Qp ピーク時間交通量
Q’t 画像撮影時間帯交通量比
Qs 時間帯別交通量
rd 昼夜率
rh 昼間ピーク12時間比率
Claims (6)
- 調査対象の現道(1)を含むある1時点での単一の画像(2)を、衛星画像、航空写真又はGoogleマップとして入手し、
該画像(2)の該現道(1)上の車両(3)の瞬間存在台数(n)を計測し、
該瞬間存在台数(n)と該画像(2)又は地図から計測した該現道(1)の道路延長(l)から交通密度(K=n/l)を算出し、
該交通密度(K)と走行速度(V)から画像処理結果交通量(Qk=K×V)を算出し、
該画像処理結果交通量(Qk)と該現道(1)の現地状況結果から得られるパターンコード(41,42,…4n)に対応するピーク補正係数(pf)から変換ピーク時間交通量(Qh=Qk×pf)を算出し、
該変換ピーク時間交通量(Qh)と該現道(1)の該パターンコード(41,42,…4n)に対応する時間変動係数(tf)から日交通量(Qa=Qh×tf)を算出する
ことを特徴とする単一の画像を活用した交通量推計システム。 - 該パターンコード(41,42,…4n)は、道路交通センサスが保有する各道路種別の調査区間毎の調査項目データを抽出・集計したものから得られる「沿道状況、道路種別、車線数、指定最高速度」から新たに道路種別を216分類し、該分類毎に該ピーク補正係数及び該時間変動係数の値を有する請求項1に記載の単一の画像を活用した交通量推計システム。
- 該ピーク補正係数(pf)はピーク時間交通量比(Q’p)÷画像撮影時間帯交通量比(Q’t)により算出するもので、
該ピーク時間交通量比(Q’p)は、該パターンコード(41,42,…4n)ごとに24時間交通量が上位10位までのデータを抽出し、各時間交通量を該24時間交通量で除して時間帯別に平均化した交通量比の中から、ピーク時間交通量の時間帯の交通量比を抽出したもの、
該画像撮影時間帯交通量比(Q’t)は、該画像(2)の撮影時間帯の交通量比を抽出したものである請求項1又は2に記載の単一の画像を活用した交通量推計システム。 - 該時間変動係数(tf)は、昼夜率(rd)÷昼間ピーク12時間比率(rh)×100により算出するもので、
該昼夜率(rd)は、7時〜翌7時までの各時間交通量の合計である24時間交通量を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの、
該昼間ピーク12時間比率(rh)は、各時間交通量のうち最大の時間交通量であるピーク時間交通量(Qp)を、7時〜19時までの各時間交通量の合計である昼間12時間交通量で除したもの
である請求項1、2又は3に記載の単一の画像を活用した交通量推計システム。 - 該時間変動係数(tf)は、7時から翌7時までの各時間交通量の合計である24時間交通量を、各時間交通量のうち最大の時間交通量であるピーク時間交通量(Qp)で除した値に100を乗じたものである請求項1、2又は3に記載の単一の画像を活用した交通量推計システム。
- 該日交通量(Qa)算出の入力条件は以下の項目:
(a)該現道(1)の該画像(2)の画像処理結果の入力項目
(a-1)画像撮影時間帯(0-23時の1時間単位)
(a-2)瞬間存在台数(n)(台)
(a-3)道路延長(l)(km)
(b)現地状況結果の入力項目
(b-1)走行速度(V)(km/h)
(b-2)沿道状況(選択)
(b-3)道路種別(選択)
(b-4)車線数(選択)
(b-5)指定最高速度(選択)
とし、算出結果を入力画面上に表示する請求項1、2、3、4又は5に記載の単一の画像を活用した交通量推計システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012035956A JP2013171491A (ja) | 2012-02-22 | 2012-02-22 | 単一の画像を活用した交通量推計システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012035956A JP2013171491A (ja) | 2012-02-22 | 2012-02-22 | 単一の画像を活用した交通量推計システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013171491A true JP2013171491A (ja) | 2013-09-02 |
Family
ID=49265370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012035956A Pending JP2013171491A (ja) | 2012-02-22 | 2012-02-22 | 単一の画像を活用した交通量推計システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2013171491A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015134453A1 (en) * | 2014-03-03 | 2015-09-11 | Inrix Inc. | Estimating traveler volume by evaluating aerial images |
CN106097726A (zh) * | 2016-08-23 | 2016-11-09 | 苏州科达科技股份有限公司 | 检测区域的确定、交通信息检测方法及装置 |
CN109377752A (zh) * | 2018-10-19 | 2019-02-22 | 桂林电子科技大学 | 短时交通流变化预测方法、装置、计算机设备及存储介质 |
KR20200055492A (ko) * | 2018-11-13 | 2020-05-21 | 한국도로공사 | 무인비행장치 영상을 이용한 차량 주행행태 분석시스템 |
CN112492889A (zh) * | 2019-11-21 | 2021-03-12 | 北京嘀嘀无限科技发展有限公司 | 基于车辆轨迹数据的交通控制系统和方法 |
CN113919662A (zh) * | 2021-09-22 | 2022-01-11 | 北京交通发展研究院 | 一种绿色出行比例指标测算方法及装置 |
-
2012
- 2012-02-22 JP JP2012035956A patent/JP2013171491A/ja active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015134453A1 (en) * | 2014-03-03 | 2015-09-11 | Inrix Inc. | Estimating traveler volume by evaluating aerial images |
EP3114662A4 (en) * | 2014-03-03 | 2017-12-13 | Inrix, Inc. | Traffic flow rates |
US10319232B2 (en) | 2014-03-03 | 2019-06-11 | Inrix Inc. | Traffic flow rates |
CN106097726A (zh) * | 2016-08-23 | 2016-11-09 | 苏州科达科技股份有限公司 | 检测区域的确定、交通信息检测方法及装置 |
CN109377752A (zh) * | 2018-10-19 | 2019-02-22 | 桂林电子科技大学 | 短时交通流变化预测方法、装置、计算机设备及存储介质 |
KR20200055492A (ko) * | 2018-11-13 | 2020-05-21 | 한국도로공사 | 무인비행장치 영상을 이용한 차량 주행행태 분석시스템 |
KR102169910B1 (ko) | 2018-11-13 | 2020-10-26 | 한국도로공사 | 무인비행장치 영상을 이용한 차량 주행행태 분석시스템 |
CN112492889A (zh) * | 2019-11-21 | 2021-03-12 | 北京嘀嘀无限科技发展有限公司 | 基于车辆轨迹数据的交通控制系统和方法 |
CN113919662A (zh) * | 2021-09-22 | 2022-01-11 | 北京交通发展研究院 | 一种绿色出行比例指标测算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Skilodimou et al. | Physical and anthropogenic factors related to landslide activity in the Northern Peloponnese, Greece | |
CN106652483B (zh) | 利用检测设备在区域公路网布设交通信息检测点的方法 | |
JP2013171491A (ja) | 単一の画像を活用した交通量推計システム | |
Abdullahi et al. | GIS-based sustainable city compactness assessment using integration of MCDM, Bayes theorem and RADAR technology | |
Ozturk | Urban growth simulation of Atakum (Samsun, Turkey) using cellular automata-Markov chain and multi-layer perceptron-Markov chain models | |
CN103646187B (zh) | 一种统计周期内车辆出行路线及od矩阵获取方法 | |
Muthusamy et al. | A remote sensing based integrated approach to quantify the impact of fluvial and pluvial flooding in an urban catchment | |
Montini et al. | Searching for parking in GPS data | |
JP2004145874A (ja) | 固定資産画地計測・計算・情報管理システム | |
Szombara et al. | Analyses of the Prądnik riverbed shape based on archival and contemporary data sets—old maps, LiDAR, DTMs, orthophotomaps and cross-sectional profile measurements | |
Bianchini et al. | Integration of satellite interferometric data in civil protection strategies for landslide studies at a regional scale | |
Xu et al. | Network-level turning movement counts estimation using traffic controller event-based data | |
Nozdrovická et al. | Land-Use Dynamics in Transport-Impacted Urban Fabric: A Case Study of Martin–Vrútky, Slovakia | |
Pei et al. | Identification method of main road traffic congestion situation in cold-climate cities based on potential energy theory and GPS data | |
CN109214687B (zh) | 滑雪场选址方法和装置 | |
Zakaria et al. | Distribution model of motorcycle speed on divided roadway in Makassar | |
Roy et al. | A grid-based approach for refining population data in rural areas | |
Anjomshoaa et al. | Accessibility measurement techniques in urban studies: a comprehensive review | |
Ahmed et al. | How accurate are locations in Malaysian accident data? Development of a rectification procedure based on nested filtered search technique | |
Zheng et al. | Spatial Accessibility of Urban Green Space Based on Multiple Research Scales: A Case Study of Futian District, Shenzhen. | |
Rahman et al. | Determining Trip Generation of Commercial Land Use of Kaptai Road, Chittagong, Bangladesh | |
Ribeiro et al. | Comparing standard and low-cost tools for gradient evaluation along potential cycling paths | |
Li | Daniel B. Fambro student paper award: modeling dynamic dilemma zones using observed yellow-onset trajectories | |
Mondal et al. | Land information system using cadastral techniques, mining area of Raniganj, Barddhaman district, India | |
Dalaff et al. | Benchmarking SUMO generated traffic simulation results based on GEH Statistic |