JP2014115877A - 渋滞予測装置、渋滞予測システム、渋滞予測方法、及び、プログラム - Google Patents

Abstract

【課題】プローブ情報のみを用いて道路の交通渋滞を予測することが可能な渋滞予測装置、渋滞予測システム、渋滞予測方法、及び、プログラムを提供する。
【解決手段】プローブ車両Ｐに搭載されている端末装置１００は、ネットワークＮＷを介して、プローブ情報を渋滞予測装置２００に送信する。そして、渋滞予測装置２００は、受信したプローブ情報と地図データとに基づいて、プローブ車両Ｐが走行するエッジ車線を特定し、特定したプローブ車両Ｐが走行するエッジ車線とエッジ車線ごとに定められている速度関数とに基づいて、プローブ車両Ｐの走行を予測し、その予測結果に基づいて、エッジ車線ごとに渋滞度を推定する。
【選択図】図１

Description

本発明は、渋滞予測装置、渋滞予測システム、渋滞予測方法、及び、プログラムに関し、特に、プローブ情報のみを用いて道路の交通渋滞を予測することが可能な渋滞予測装置、渋滞予測システム、渋滞予測方法、及び、プログラムに関する。

交通渋滞予測情報は、ドライバー側においては渋滞回避などのための情報として、道路管理者側においては都市計画の立案、交通システムの制御などのための情報として活用されている。

交通渋滞の予測技術として、道路に設置したセンサから通行量を取得するＶＩＣＳ（登録商標）（Vehicle Information and Communication System）を用いた予測技術が知られている（例えば、特許文献１と２）。

特許文献１で提案されている技術は、過去の渋滞量などの統計情報などに基づいて、渋滞予測モデルを生成し、そのモデルに基づいて、渋滞を予測する技術である。また、特許文献２で提案されている技術は、車両の出発点から到着点までの交通量（以下、ＯＤ交通量という）を求め、求めたＯＤ交通量に基づく走行シミュレーションにより渋滞を予測する技術である。

特開２００８−２８２１６１号公報 特開２００９−２５９１５８号公報

特許文献１と特許文献２で提案されている方法では、いずれも、道路の交通渋滞を予測するために、道路に設置したセンサからの情報を必要とする。そのため、センサが設置されていない道路については、交通渋滞を予測することができない。すなわち、センサが設置されている道路は、日本の全道路延長距離の数％程度に過ぎないことから、大部分の道路においては交通渋滞を予測することができない。

本発明は、上記の課題を解決するためになされたものであり、プローブ情報のみを用いて道路の交通渋滞を予測することが可能な渋滞予測装置、渋滞予測システム、渋滞予測方法、及び、プログラムを提供することを目的とする。

上記目的を達成するために、本発明の第１の観点に係る渋滞予測装置は、
日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信手段と、
地図上の交差点に対応するノードと、隣接する２つのノードに挟まれた道路区間に対応するエッジと、から構成される道路ネットワークに対応した、地図データを格納する地図データ記憶手段と、
前記道路区間の上り車線又は下り車線であるエッジ車線ごとに、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数を格納する速度関数記憶手段と、
前記受信したプローブ情報と前記地図データとに基づいて、プローブ車両が走行するエッジ車線を特定するエッジ車線特定手段と、
前記エッジ車線特定手段により特定された、プローブ車両が走行するエッジ車線と、前記速度関数とに基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測手段と、
前記走行予測手段による予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定手段と、
備えることを特徴とする。

なお、前記プローブ情報は、プローブ車両の前記日時における走行速度を含み、
前記エッジ車線特定手段による特定結果と前記プローブ情報に含まれる走行速度とに基づいて、エッジ車線ごとに、そのエッジ車線を走行するプローブ車両の平均速度を求める平均速度算出手段と、
仮想車両であるエージェント車両の導入台数を決定するために予め設定された拡大係数と、前記平均速度算出手段により算出された平均速度と、前記速度関数と、に基づいて、前記エージェント車両の導入台数を算出するエージェント車両数算出手段と、
前記エージェント車両数算出手段により算出された導入台数分のエージェント車両を導入するエッジ車線を任意に選択し、選択したエッジ車線にエージェント車両を導入するエージェント車両導入手段と、
をさらに備え、
前記走行予測手段は、前記エッジ車線特定手段により特定された、プローブ車両が走行するエッジ車線と、前記エージェント車両導入手段により選択された、エージェント車両を導入するエッジ車線と、前記速度関数と、前記拡大係数と、に基づいて、プローブ車両とエージェント車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測し、
前記渋滞度推定手段は、前記走行予測手段による予測結果と前記速度関数と前記拡大係数とに基づいて、前記所定時間経過した時点における、プローブ車両とエージェント車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両とエージェント車両の平均速度と、そのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する、
ようにしてもよい。

また、前記ノードには、そのノードに接続するエッジ車線ごとに、そのエッジ車線を走行する車両がそのノードに接続する他のエッジ車線に進行する確率である分岐率が対応付けられており、
前記走行予測手段は、前記分岐率に基づいて、ノードに進入した車両の進行先となるエッジ車線を特定して、前記予測を行う、
ようにしてもよい。

また、前記ノードには、そのノードに設置されている信号機のサイクル長と有効青時間とを含む信号属性情報が対応付けられており、
前記走行予測手段は、前記信号属性情報に基づいて、各ノードでの車両の動静を制御して、前記予測を行う、
ようにしてもよい。

上記目的を達成するために、本発明の第２の観点に係る渋滞予測システムは、
本発明の第１の観点に係る渋滞予測装置と、
プローブ車両に搭載される端末装置と、
から構成される渋滞予測システムであって、
前記端末装置は、
プローブ車両の現在位置を検出する位置検出手段と、
前記プローブ車両の前記現在位置における進行方向と走行速度を検出するプローブ車両情報検出手段と、
前記検出されたプローブ車両の現在位置を特定する位置情報と、前記検出された前記現在位置におけるプローブ車両の進行方向と走行速度と、前記現在位置を検出した日時と、を含むプローブ情報を生成するプローブ情報生成手段と、
前記プローブ情報生成手段により生成されたプローブ情報を前記渋滞予測装置に送信する通信手段と、
を備える、
ことを特徴とする。

上記目的を達成するために、本発明の第３の観点に係る渋滞予測方法は、
日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信ステップと、
地図上の交差点に対応するノードと隣接する２つのノードに挟まれた道路区間に対応するエッジとから構成される道路ネットワークに対応した、地図データと、前記受信したプローブ情報と、に基づいて、プローブ車両が走行する、前記道路区間の上り車線又は下り車線であるエッジ車線を特定するエッジ車線特定ステップと、
前記エッジ車線特定ステップで特定された、プローブ車両が走行するエッジ車線と、エッジ車線ごとに定められている、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数と、に基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測ステップと、
前記走行予測ステップで予測した予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定ステップと、
を含む、
ことを特徴とする。

上記目的を達成するために、本発明の第４の観点に係るプログラムは、
コンピュータに、
日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信処理と、
地図上の交差点に対応するノードと隣接する２つのノードに挟まれた道路区間に対応するエッジとから構成される道路ネットワークに対応した、地図データと、前記受信したプローブ情報と、に基づいて、プローブ車両が走行する、前記道路区間の上り車線又は下り車線であるエッジ車線を特定するエッジ車線特定処理と、
前記エッジ車線特定処理で特定された、プローブ車両が走行するエッジ車線と、エッジ車線ごとに定められている、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数と、に基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測処理と、
前記走行予測処理で予測した予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定処理と、
を実行させる、
ことを特徴とする。

本発明によれば、プローブ情報のみを用いて道路の交通渋滞を予測することが可能となる。

実施形態１における、渋滞予測システムの構成を示すブロック図である。 実施形態１における、端末装置の構成を示す機能ブロック図である。 実施形態１における、渋滞予測装置の構成を示す機能ブロック図である。 実施形態１における、渋滞予測装置の記憶部の構成を示す機能ブロック図である。 ＡとＢは、それぞれ、実施形態１における、渋滞予測装置の制御部の構成を示す機能ブロック図、渋滞予測処理部の構成を示す機能ブロック図、である。 実施形態１における、走行履歴の例を示す図である。 実施形態１における、予測走行履歴の例を示す図である。 実施形態１における、地図データを説明するための図である。 実施形態１における、エッジ属性情報テーブルの例を示す図である。 実施形態１における、走行履歴に基づいて法定速度を推定する方法を説明するための図である。 ＡとＢは、いずれも、実施形態１における、走行履歴に基づいて法定速度を推定する方法を説明するための図である。 実施形態１における、第１ノード属性情報テーブルの例を示す図である。 ＡとＢは、いずれも、実施形態１における、第２ノード属性情報テーブルの例を示す図である。 実施形態１における速度関数を、座標上に表した図である。 実施形態１における、パラメータテーブルの例を示す図である。 ＡとＢは、いずれも、実施形態１における、パラメータαとβの推定方法を説明するための図である。 実施形態１における、平均速度情報テーブルの例を示す図である。 実施形態１における、平日／休日別の交通量変動の例を示す図である。 実施形態１における、エージェント車両導出入部の処理を説明するための図である。 実施形態１における、シミュレーション実行部の処理を説明するための図である。 実施形態１における、渋滞度テーブルの例を示す図である。 実施形態１における、端末装置でのプローブ情報送信処理のフローチャートを示す図である。 実施形態１における、渋滞予測装置での走行履歴生成処理のフローチャートを示す図である。 実施形態１における、渋滞予測装置での渋滞予測処理のフローチャートの一部を示す図である。 実施形態１における、渋滞予測装置での渋滞予測処理のフローチャートの他の一部を示す図である。 変形例１における、渋滞予測装置での渋滞予測処理のフローチャートの一部を示す図である。 実施形態２における、渋滞予測装置の記憶部の構成を示す機能ブロック図である。 実施形態２における、エッジ属性情報テーブルの例を示す図である。 実施形態２における、パラメータテーブルの例を示す図である。 実施形態２における、車線区分情報テーブルの例を示す図である。 実施形態２における、車線区分について説明するための図である。 実施形態２における、パラメータ更新処理のフローチャートを示す図である。

（実施形態１）
添付図面を参照しながら本実施形態について説明する。

図１を参照して、本実施形態における渋滞予測システム１の構成を説明する。図１は、渋滞予測システム１の構成を示すブロック図である。渋滞予測システム１は、図１に示すように、複数のプローブ車両Ｐにそれぞれ搭載された端末装置１００と、渋滞予測装置２００とから構成され、各端末装置１００と渋滞予測装置２００との間は、インターネットなどのネットワークＮＷを介して相互に通信可能に接続されている。

図２は、端末装置１００の構成の例を示す機能ブロック図である。

端末装置１００は、図２に示すように、記憶部１０１と、位置検出部１０２と、車両情報検出部１０３と、プローブ情報生成部１０４と、通信部１０５と、制御部１０６と、を備え、例えば、端末装置１００を搭載するプローブ車両Ｐの現在位置を検出し、検出した現在位置を特定する位置情報を含むプローブ情報Ｄ１を渋滞予測装置２００へ送信するなどの処理を行う。

端末装置１００は、ＧＰＳ（Global Positioning System）などの位置検出機能を備えたカーナビゲーションシステムなどの車載端末であってもよいし、位置検出機能などを備えた汎用的な端末装置、例えば、スマートフォン、携帯電話、ＰＣ（Personal Computer）などであってもよい。また、例えば、車載装置と汎用的な端末装置との組み合わせにより、端末装置１００を構成してもよい。

記憶部１０１は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリなどから構成され、制御部１０６が備えるＣＰＵ（Central Processing Unit）のワーキングエリア、ＣＰＵが実行する動作プログラムなど各種プログラムを格納するプログラムエリア、各種データを格納するデータエリアなどとして機能する。

位置検出部１０２は、例えば、ＧＰＳモジュールなどで構成されており、プローブ車両Ｐの現在位置を検出する。より具体的には、後述する判定部１０６ａにより検出タイミングが到来したと判定された場合に、位置検出部１０２は、ＧＰＳモジュールのＧＰＳアンテナにより、地球低軌道に打ち上げられた複数のＧＰＳ衛星から送信されるＧＰＳ信号を受信し、受信したＧＰＳ信号に基づいてプローブ車両Ｐの絶対的な現在位置（例えば、緯度と経度）を検出する。

車両情報検出部１０３は、ジャイロセンサ、車速センサなどの各種センサなどで構成されている。ジャイロセンサは、判定部１０６ａにより検出タイミングが到来したと判定された場合に、制御部１０６の制御の下、プローブ車両Ｐの角速度を検出して、プローブ車両Ｐの進行方向の方位である進行方位の変化量を算出する。また、車速センサは、判定部１０６ａにより検出タイミングが到来したと判定された場合に、制御部１０６の制御の下、車輪の回転に応じて出力されるパルス信号（車速信号）を検出して、プローブ車両Ｐの速度を算出する。

プローブ情報生成部１０４は、位置検出部１０２と車両情報検出部１０３とが、プローブ車両Ｐの現在位置と速度と進行方位を検出すると、検出日時とプローブ車両Ｐの現在位置を特定する位置情報と速度と進行方位を含むプローブ情報Ｄ１を生成し、生成したプローブ情報Ｄ１を通信部１０５を介して渋滞予測装置２００へ送信する。

通信部１０５は、アンテナと無線通信モジュールなどから構成され、制御部１０６の制御の下、ネットワークＮＷを介して接続されている渋滞予測装置２００との間で、プローブ情報Ｄ１など各種データの送受信を行う。

制御部１０６は、例えば、ＣＰＵなどから構成され、記憶部１０１のＲＡＭをワークメモリとして、プログラムエリアに格納されている動作プログラムを実行することで、図２に示すように、判定部１０６ａとして機能すると共に、端末装置１００の各機能部を制御し、プローブ情報送信処理などの処理を実行する。

判定部１０６ａは、プローブ車両Ｐの現在位置、進行方向、速度を検出する検出タイミングが到来したか否かを判定する。ここで、検出タイミングとして、定周期、渋滞予測装置からの指示、渋滞時などが考えられるが、本実施形態においては、エンジン稼働中のプローブ車両Ｐに搭載されている端末装置１００は、それぞれ、同じタイミングでプローブ車両Ｐの現在位置などを定期的に取得するように構成されているものとする。

次に、図３乃至図５を参照して、本実施形態における渋滞予測装置２００の構成について説明する。図３、図４は、それぞれ、渋滞予測装置２００の構成を示す機能ブロック図、渋滞予測装置２００の記憶部２０２の構成を示す機能ブロック図である。また、図５Ａ、図５Ｂは、それぞれ、渋滞予測装置２００の制御部２０３の構成を示す機能ブロック図、渋滞予測処理部２０３ｆの構成を示す機能ブロック図である。

渋滞予測装置２００は、図３に示すように、通信部２０１と、記憶部２０２と、制御部２０３と、を備え、各プローブ車両Ｐに搭載された端末装置１００から送信されてくるプローブ情報Ｄ１などに基づいて、渋滞を予測する。

通信部２０１は、アンテナと無線通信モジュールなどから構成され、制御部２０３の制御の下、ネットワークＮＷを介して接続されている各端末装置１００との間で、各種データの送受信を行う。

記憶部２０２は、ＲＯＭ、ＲＡＭ、不揮発性メモリなどから構成され、制御部２０３が備えるＣＰＵのワーキングエリア、ＣＰＵが実行する動作プログラムなど各種プログラムを格納するプログラムエリア、地図データなど各種データを格納するデータエリアなどとして機能する。また、記憶部２０２は、図４に示すように、走行履歴記憶部２０２ａ、予測走行履歴記憶部２０２ｂ、地図データ記憶部２０２ｃ、速度関数記憶部２０２ｄ、平均速度記憶部２０２ｅ、渋滞度記憶部２０２ｆ、として機能する。

走行履歴記憶部２０２ａは、過去から現在までに取得された各プローブ車両Ｐのプローブ情報Ｄ１に基づいて、後述する走行履歴生成部２０３ａにより生成される走行履歴Ｔｂ１を蓄積する。図６は、走行履歴記憶部２０２ａが記憶する各プローブ車両Ｐの走行履歴Ｔｂ１の例を示す図である。走行履歴Ｔｂ１は、図６に示すように、日時と、平日か否かと、その日時におけるプローブ車両Ｐの速度と走行エッジと走行車線（上り／下り）とが対応付けられたものである。

図４に戻り、予測走行履歴記憶部２０２ｂは、渋滞予測処理において、プローブ車両Ｐ（又は、後述するエージェント車両Ａ）の動きを予測した際の、プローブ車両Ｐ（又は、エージェント車両Ａ）の走行履歴である予測走行履歴Ｔｂ２を蓄積する。

図７は、予測走行履歴Ｔｂ２の例を示す図である。予測走行履歴Ｔｂ２の構成は、図６に例示した走行履歴Ｔｂ１と基本的に同じであるが、走行履歴Ｔｂ１は、プローブ車両Ｐが実際走行した履歴を示し、予測走行履歴Ｔｂ２は、プローブ車両Ｐ（エージェント車両Ａを含む）の予測される将来の走行の履歴を示す点で異なっている。

図４に戻り、地図データ記憶部２０２ｃは、地図データを格納している。この地図データは、モデル化した道路ネットワークを示すものであり、図８に示すように、地図情報の交差点と隣接する２つの交差点に挟まれた道路区間とにそれぞれ対応付けられたノードとエッジとで構成されている。図８は、地図データを説明するための図であり、図８の例では、Ｅ００００１などはエッジを示し、Ｎ００００１などはノードを示している。

また、各エッジと各ノードには、属性情報が付加されており、この属性情報は、例えば、プローブ車両が走行するエッジを特定する際などに用いられる。図９は、地図データ記憶部２０２ｃが記憶するエッジ属性情報テーブルＴｂ３の例を示す図であり、図９の例では、各エッジには、そのエッジを一意に識別可能な識別番号と、そのエッジの両端のノードを一意に識別可能な識別番号と、そのエッジのエッジ長と、そのエッジの上り／下り車線（以下、エッジ車線ともいう）別の法定速度Ｖｍａｘが属性情報として付加されている。

エッジの法定速度Ｖｍａｘは、実際の法定速度Ｖｍａｘの情報が入手可能な場合は、その情報に基づいて設定してもよいが、走行履歴記憶部２０２ａが蓄積する走行履歴Ｔｂ１に基づいて推定したものを設定してもよい。また、走行履歴Ｔｂ１に基づいて、法定速度Ｖｍａｘを推定する場合は、所定のタイミングで更新するように構成してもよい。

ここで、図１０乃至図１１Ｂを参照して、走行履歴Ｔｂ１に基づく法定速度Ｖｍａｘの推定方法について説明する。図１０乃至図１１Ｂは、いずれも、走行履歴Ｔｂ１に基づく法定速度Ｖｍａｘの推定方法を説明するための図であり、図１０は、より具体的には、各プローブ車両Ｐの走行履歴Ｔｂ１から、各エッジの上り／下り車線別に、走行速度を抽出し、抽出した走行速度を各速度帯に分類し、速度帯ごとにその出現頻度を求め、それらを対応付けた図である。図１１Ａと図１１Ｂは、上述した方法により、各エッジの上り／下り車線別に求めた、速度帯ごとの出現頻度をグラフ化した図である。

例えば、エッジＥ００００１の上り車線における、速度帯ごとの出現頻度をグラフ化した図が、図１１Ａだったとすると、５０ｋｍ／ｈ台の速度の出現頻度が最も高いことから、法定速度Ｖｍａｘを、５０ｋｍ／ｈ台に設定する。例えば、法定速度Ｖｍａｘを５５ｋｍ／ｈと設定してもよいし、走行履歴Ｔｂ１から抽出した、エッジＮ００００１の上り車線における５０ｋｍ／ｈ台の走行速度の平均値を法定速度Ｖｍａｘとして設定してもよい。

また、例えば、エッジＥ００００１の上り車線における、速度帯ごとの出現頻度をグラフ化した図が、図１１Ｂであったとする。図１１Ｂの例では、３０ｋｍ／ｈ未満と３０ｋｍ／ｈ以上それぞれにピークを有している。これは、渋滞がよく起きる道路区間（エッジ）で見られる特徴である。このような場合、３０ｋｍ／ｈ以上におけるピークを法定速度Ｖｍａｘとして設定する。すなわち、図１１Ｂの例では、法定速度Ｖｍａｘを、１０ｋｍ／ｈ台ではなく、５０ｋｍ／ｈ台に設定する。

図１２、図１３Ａと図１３Ｂは、それぞれ、地図データ記憶部２０２ｃが記憶する第１ノード属性情報テーブルＴｂ４、第２ノード属性情報テーブルＴｂ５の例を示す図である。第１ノード属性情報テーブルＴｂ４は、図１２に示すように、ノードを一意に識別可能な識別番号にそのノードの位置を特定するための座標（例えば、緯度と経度）が対応付けられたテーブルである。また、第２ノード属性情報テーブルＴｂ５は、図１３Ａと図１３Ｂに示すように、ノードの識別番号に、そのノードにおけるエッジ接続情報と、そのノードにおける分岐率と、信号機の有無と、信号機が有る場合にはそのサイクル長と有効青時間との組と、が対応付けられたテーブルである。ここで、図１３Ｂは、図１３Ａに示す第２ノード属性情報テーブルＴｂ５において、点線枠Ｗ１で囲まれた部分を抜き出した図である。

エッジ接続情報は、ノードにおけるエッジの接続関係を示す情報である。例えば、図１３Ａを参照すると、エッジＥ００００１が上流エッジとしてノードＮ００００１に対応付けられており、そのエッジＥ００００１には、接続先エッジとしてエッジＥ００００２とエッジＥ０００１０とエッジＥ０００１１とが対応付けられている。この場合、エッジＥ００００１を走行するプローブ車両Ｐは、ノードＮ００００１を介してエッジＥ００００２とエッジＥ０００１０とエッジＥ０００１１のうちのいずれかへ進行可能である。

ノードにおける分岐率は、上流エッジを走行するプローブ車両Ｐがノードを介してそのノードに接続する特定のエッジに進行する確率であり、平日と休日の各時間帯ごとに設定されている。この分岐率は、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１に基づいて推定されるものであり、所定のタイミングで後述する分岐率推定部２０３ｃにより更新され、後述する渋滞予測処理において用いられる。

例えば、図１３Ａと図１３Ｂを参照して、エッジＥ００００１を走行するプローブ車両ＰがノードＮ００００１に進入した場合、走行シミュレーションにおける予測日時が平日の午前９時台であれば、そのプローブ車両ＰをエッジＥ００００２へ進行させる確率（分岐率）は０．６０となる。

信号機の有無の欄には、信号機が設置されている場合には、”１”が格納され、信号機が設置されていない場合には、”０”が格納される。

サイクル長と有効青時間（以下、信号属性情報ともいう）は、それぞれ、信号機の信号現示が一巡する時間（一般的には、信号機が赤に切り替わってからまた次に信号機が赤に切り替わる迄の時間）と、車両が交差点に進入可能な時間を意味する。信号属性情報は、信号機の設定情報（実際のサイクル長と有効青時間）に基づいて設定されてもよいし、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１に基づいて、例えば最適化手法で求めたものでもよい。この信号属性情報は、後述する渋滞予測処理においてプローブ車両Ｐなどの走行を制御するために使用される。

図４に戻り、速度関数記憶部２０２ｄは、下記の式（１）で表現される速度関数Ｖａと、図１５に例示するパラメータテーブルＴｂ６を格納する。すなわち、本実施形態における速度関数記憶部２０２ｄは、エッジ車線別に速度関数Ｖａを記憶している。この速度関数Ｖａは、渋滞予測処理などで用いられる。

ここで、Ｖａは、推定対象のエッジの上り／下り車線を走行するプローブ車両Ｐの平均速度を、Ｖｍａｘは、そのエッジ車線における法定速度を、ｎは、そのエッジ車線を走行するプローブ車両Ｐの台数を、ｄは、そのエッジのエッジ長を、それぞれ、示している。

この速度関数Ｖａは、対象エッジ車線を走行するプローブ車両Ｐの平均速度Ｖａと、そのエッジ車線を走行するプローブ車両Ｐの台数ｎとの関係を示すものであり、図１４に示す曲線は、その関係を座標上に表したものである。この曲線からわかるように、速度関数Ｖａは、エッジ車線を走行するプローブ車両Ｐの台数が所定の許容量（交通容量）を超えると、それらプローブ車両Ｐの平均速度Ｖａが急激に低下するように定義されたものである。したがって、このような特徴を有する関数であれば、速度関数として用いることが可能である。

図１５は、パラメータテーブルＴｂ６の例を示す図であり、パラメータテーブルＴｂ６は、図１５に示すように、エッジの上り／下り車線別に速度関数Ｖａのパラメータαとβとの組が対応付けられたテーブルである。例えば、エッジＥ００００１の上り車線に対応するパラメータαとβとの組は、（α１−０，β１−０）であり、これらのパラメータは、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１に基づいて、詳しくは後述するパラメータ推定部２０３ｂにより推定される。

図４に戻り、平均速度記憶部２０２ｅは、詳しくは後述する平均速度情報テーブルＴｂ７（図１７に例示）を格納する。

渋滞度記憶部２０２ｆは、詳しくは後述する渋滞度テーブルＴｂ８（図２１に例示）を格納する。

図３に戻り、制御部２０３は、例えば、ＣＰＵなどから構成され、記憶部２０２のＲＡＭをワークメモリとして、プログラムエリアに格納されている動作プログラムを実行することで、図５Ａに示すように、走行履歴生成部２０３ａ、パラメータ推定部２０３ｂ、分岐率推定部２０３ｃ、平均速度推定部２０３ｄ、判定部２０３ｅ、渋滞予測処理部２０３ｆとして機能すると共に、渋滞予測装置２００の各機能部を制御し、渋滞予測処理などの処理を実行する。

走行履歴生成部２０３ａは、各端末装置１００から送信されてくるプローブ情報Ｄ１に基づいて、図６に例示する走行履歴Ｔｂ１を生成する。具体的には、走行履歴生成部２０３ａは、対応する「日時」欄と「速度」欄に、プローブ情報Ｄ１に含まれる検出日時と速度をそれぞれ格納すると共に、プローブ情報Ｄ１に含まれる検出日時に基づいて平日か否かを判定し、平日であると判定した場合は、対応する「平日／休日」欄に”０”を、休日であると判定した場合には、対応する「平日／休日」欄に”１”を格納する。

また、走行履歴生成部２０３ａは、プローブ情報Ｄ１に含まれる現在位置と進行方位とに基づいて、マップマッチングを実行し、そのプローブ車両Ｐが走行するエッジと、プローブ車両Ｐが走行する車線（上り／下り）とを特定する。そして、走行履歴生成部２０３ａは、特定したエッジの識別番号を、対応する「走行エッジ」欄に格納すると共に、特定した走行車線が上りである場合は、対応する「走行車線（上り／下り）」欄に、”０”を格納し、特定した走行車線が下りである場合は、対応する「走行車線（上り／下り）」欄に、”１”を格納する。

例えば、図６に例示する走行履歴Ｔｂ１では、プローブ車両Ｐ（ＰＣ００００１）は、検出日時Ｔ１と検出日時Ｔ２に、それぞれ、エッジＥ０００１５の上り車線を速度Ｖ１−１と速度Ｖ１−２で走行しており、検出日時Ｔ３には、エッジＥ００００５の下り車線を速度Ｖ１−３で走行したことが分かる。つまり、地図データの説明図である図８を参照すると、プローブ車両Ｐは、エッジＥ０００１５からノードＮ００００４を介してエッジＥ００００５へと走行したことが分かる。このように、図６に例示する走行履歴Ｔｂ１を記憶することで、各プローブ車両Ｐの走行経路を特定することが可能となる。

図５Ａに戻り、パラメータ推定部２０３ｂは、判定部２０３ｅにより所定のタイミングが到来したと判定された場合に、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１に基づいて、各エッジの上り／下り車線別に、パラメータαとβを推定する。そして、パラメータ推定部２０３ｂは、速度関数記憶部２０２ｄに格納されているパラメータテーブルＴｂ６のパラメータを、今回推定したこれらのパラメータで更新する。

具体的には、パラメータ推定部２０３ｂは、走行履歴記憶部２０２ａに格納されている走行履歴Ｔｂ１に基づいて、各エッジの上り／下り車線別に、それぞれの検出日時において、そのエッジ車線を走行したプローブ車両Ｐを特定し、特定したプローブ車両Ｐの走行速度を抽出する。そして、パラメータ推定部２０３ｂは、特定したプローブ車両Ｐの台数ｎと、抽出した走行速度の平均Ｖａを求める。

そして、パラメータ推定部２０３ｂは、各エッジの上り／下り車線別に、検出日時ごとに求めた台数ｎと平均速度Ｖａと、そのエッジのエッジ長ｄと、そのエッジ車線に対応する法定速度Ｖｍａｘを、式（１）で表現される速度関数Ｖａに入力し、最小二乗法により、各エッジの上り／下り車線別にパラメータαとβを推定する。

図１６Ａと図１６Ｂは、エッジＥ０００１５の上り車線を例に、パラメータαとβの推定方法を説明するための図であり、それぞれ、走行履歴Ｔｂ１から、エッジＥ０００１５の上り車線を走行したプローブ車両Ｐの走行速度を検出日時ごとに抽出した例を示す図、検出日時ごとに求めた、エッジＥ０００１５の上り車線を走行したプローブ車両Ｐの平均速度Ｖａと走行台数ｎの例を示す図である。

例えば、図１６Ａと図１６Ｂを参照して、検出日時Ｔ１にエッジＥ０００１５の上り車線を走行したプローブ車両Ｐの平均速度Ｖａ１５Ｔ１は、速度Ｖ１−１とＶ３−１とＶ９−１の平均値であり、その検出日時Ｔ１にエッジＥ０００１５の上り車線を走行したプローブ車両Ｐの台数は３台である。推定対象のエッジ車線がエッジＥ０００１５の上り車線である場合、パラメータ推定部２０３ｂは、地図データ記憶部２０２ｃに格納されているエッジ属性情報テーブルＴｂ３（図９に例示）からエッジＥ０００１５の上り車線に対応するエッジ長Ｌ１５と法定速度Ｖｍａｘ１５−０を取得する。

そして、パラメータ推定部２０３ｂは、取得したエッジ長Ｌ１５と法定速度Ｖｍａｘ１５−０と、検出日時ごとに求めたエッジＥ０００１５の上り車線を走行したプローブ車両Ｐの平均速度Ｖａと走行台数ｎとを、速度関数Ｖａにそれぞれ入力し、最小二乗法により、エッジＥ０００１５の上り車線のパラメータα１５−０とβ１５−０を求める。

図５Ａに戻り、分岐率推定部２０３ｃは、判定部２０３ｅにより所定のタイミングが到来したと判定された場合に、分岐率を推定し、今回推定した値で、第２ノード属性情報テーブルＴｂ５の対応する分岐率をそれぞれ更新する。

例えば、図１３Ａを参照して、ノードＮ００００１の上流エッジＥ００００１からエッジＥ００００２への分岐率を推定する場合、分岐率推定部２０３ｃは、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１から、プローブ車両ＰがノードＮ００００１の上流エッジＥ００００１を走行した履歴を全て抽出し、抽出した履歴を平日／休日別の各時間帯ごとに分類し、そのうちでプローブ車両ＰがノードＮ００００１を介してエッジＥ００００２へ進行した割合を平日／休日別の各時間帯ごとに算出する。

例えば、抽出された履歴のうち、検出日時が平日の午前９時台に該当する履歴が１０００件で、その１０００件の履歴のうち、ノードＮ００００１を介してエッジＥ００００２へ進行した履歴が６００件である場合には、平日の午前９時台における、ノードＮ００００１に接続する上流エッジＥ００００１からエッジＥ００００２へ進行する割合（分岐率）は、０．６０となる。

図５Ａに戻り、平均速度推定部２０３ｄは、判定部２０３ｅにより、平均速度を推定する所定のタイミングが到来したと判定された場合に、走行履歴Ｔｂ１に基づいて、各エッジの上り／下り車線別に平日／休日別の各時間帯ごとの平均速度を推定し、平均速度情報テーブルＴｂ７を更新する。

図１７は、平均速度記憶部２０２ｅに格納されている平均速度情報テーブルＴｂ７の例を示す図であり、平均速度情報テーブルＴｂ７は、図１７に示すように、エッジの上り／下り車線別に、平日／休日別の各時間帯ごとの平均速度が対応付けられたテーブルである。

例えば、エッジＥ００００１の上り車線における平日０時台の平均速度を推定する場合、平均速度推定部２０３ｄは、走行履歴Ｔｂ１から、平日の０時台にエッジＥ００００１の上り車線をプローブ車両Ｐが走行した履歴を抽出し、抽出した履歴の走行速度の平均を算出することで、平均速度を推定する。

図５Ａに戻り、判定部２０３ｅは、各端末装置１００からのプローブ情報Ｄ１を受信したか否かを判定する。また、判定部２０３ｅは、パラメータαとβを推定する所定のタイミングが到来したか否かと、分岐率を推定する所定のタイミングが到来したか否かと、平均速度を推定する所定のタイミングが到来したか否かと、を判定する。これらの所定のタイミングとしては、例えば、定周期、外部又は内部からの指示、所定量の履歴が走行履歴Ｔｂ１に追加されたタイミングなど考えられる。また、パラメータαとβ、分岐率、平均速度を推定するタイミングは、それぞれ、異なっていてもよいし、同じであってもよい。

また、判定部２０３ｅは、渋滞予測のための走行シミュレーションの実行指示があったか否かを判定すると共に、詳しくは後述するエリア差分の値が変化したか否かを判定する。さらに、判定部２０３ｅは、カウンタ２０３ｆ６のカウンタ値ｋ＝１か否かと、カウンタ２０３ｆ６のカウンタ値ｋ＜走行予測回数Ｎか否かと、を判定する。

渋滞予測処理部２０３ｆは、図５Ｂに示すように、エージェント車両数算出部２０３ｆ１、差分算出部２０３ｆ２、エージェント車両導出入部２０３ｆ３、シミュレーション実行部２０３ｆ４、渋滞度推定部２０３ｆ５、カウンタ２０３ｆ６で構成され、渋滞予測処理を実行し、各エッジの上り／下り車線別の渋滞度などを予測する。

また、渋滞予測処理部２０３ｆは、走行シミュレーションの実行指示に含まれる予測期間（例えば、３時間）に基づいて、走行予測回数Ｎを算出する。具体的には、渋滞予測処理部２０３ｆは、予測期間を、予測時間間隔で除して求めた値を整数に切り上げて、走行予測回数Ｎを算出する。ここで、予測時間間隔は、走行シミュレーションにおいてプローブ車両Ｐ（含むエージェント車両Ａ）の走行位置を予測する時間間隔を意味し、例えば、５秒ごとにそれらの走行位置を予測する場合は、５秒となる。

エージェント車両数算出部２０３ｆ１は、下記の式（２）で表現される速度関数Ｖａ（以下、拡張速度関数Ｖａという）に基づいて、各エッジの上り／下り車線別に、走行シミュレーション開始時に導入するエージェント車両Ａの台数を算出する。ここで、エージェント車両Ａは、実際の道路上を走行するプローブ車両以外の車両（以下、非プローブ車両という）を補完するために導入される仮想車両である。拡張速度関数Ｖａは、エージェント車両Ａを導入した場合に、対象エッジ車線を走行するプローブ車両Ｐ（含むエージェント車両Ａ）の台数と、その対象エッジ車線を走行するプローブ車両Ｐ（含むエージェント車両Ａ）の平均速度Ｖａとの関係を示すように式（１）を拡張したものである。

ここで、ｍは、拡大係数を、ｎ’は、対象エッジ車線を走行するプローブ車両Ｐとエージェント車両Ａの総数（以下、単に総数ｎ’ともいう）を、それぞれ、示しており、総数ｎ’は拡大係数ｍとｎの積、つまり、ｎ’＝ｍｎである。拡大係数ｍは、予め設定された値である。

より具体的には、エージェント車両数算出部２０３ｆ１は、エッジ属性情報テーブルＴｂ３と、パラメータテーブルＴｂ６とから、対象エッジ車線の法定速度Ｖｍａｘとエッジ長と、パラメータαとβをそれぞれ取得すると共に、走行履歴Ｔｂ１に基づいて、走行シミュレーション開始時に対象エッジ車線を走行するプローブ車両Ｐの平均速度Ｖａを求める。そして、エージェント車両数算出部２０３ｆ１は、式（２）にそれらの値を入力することで対象エッジ車線における総数ｎ’を求め、（エージェント車両Ａの台数）＝（ｎ’−ｎ）＝（ｍ−１）ｎ’／ｍ＝（ｍ−１）ｎを各エッジの上り／下り車線別に算出する。

差分算出部２０３ｆ２は、平均速度情報テーブルＴｂ７に基づいて、各エッジの上り／下り車線別に平日／休日別の交通量変動を求める。そして、差分算出部２０３ｆ２は、シミュレーション実行部２０３ｆ４による走行予測が実行されるたびに、求めた交通量変動に基づいて、走行シミュレーション開始時における総数ｎ’（エージェント車両数算出部２０３ｆ１により算出された総数ｎ’）との差分△ｎ’をエッジ車線ごとに算出する。そして、差分算出部２０３ｆ２は、差分△ｎ’を単位エリアごとに積算した合計値であるエリア差分を求める。

ここで、図１８を参照して、エッジＥ００００１の上り車線を例に、差分算出部２０３ｆ２による差分算出処理について説明する。図１８は、エッジＥ００００１の上り車線における平日／休日別の交通量変動を表したグラフである。この交通量変動は、図１８に示すように、時間帯ごとに求めた交通量の経時的な変動であり、走行履歴Ｔｂ１などに基づいて、差分算出部２０３ｆ２により求められる。

具体的には、差分算出部２０３ｆ２は、エッジ属性情報テーブルＴｂ３と、パラメータテーブルＴｂ６と、平均速度情報テーブルＴｂ７とから、対象エッジ車線（エッジＥ００００１の上り車線）の法定速度Ｖｍａｘ１−０とエッジ長Ｌ１と、パラメータα１−０とβ１−０と、エッジＥ００００１の上り車線に対応する平均速度Ｖａ１０ｘｘ（平日／休日別の各時間帯ごとの平均速度）をそれぞれ取得する。そして、差分算出部２０３ｆ２は、式（２）の拡張速度関数Ｖａに取得した値をそれぞれ入力して、エッジＥ００００１の上り車線を走行するプローブ車両Ｐとエージェント車両Ａの総数ｎ’を平日／休日別に各時間帯ごとに推定することで、平日／休日別の交通量変動を求める。

そして、差分算出部２０３ｆ２は、このようにして求めた交通量変動に基づいて、走行シミュレーション開始時における総数ｎ’（エージェント車両数算出部２０３ｆ１により算出された総数ｎ’）との差分△ｎ’を算出する。例えば、走行シミュレーションにおける予測日時が平日９時台である場合には、差分算出部２０３ｆ２は、平日９時台の交通量と走行シミュレーション開始時における総数ｎ’との差分を求める。この場合、図１８を参照して、平日９時台における交通量がｎ’９だとすると、差分△ｎ’＝（ｎ’９−ｎ’）となる。また、例えば、走行シミュレーションにおける予測日時が平日１０時台である場合には、差分算出部２０３ｆ２は、平日１０時台の交通量と走行シミュレーション開始時における総数ｎ’との差分を求める。この場合、図１８を参照して、平日１０時台における交通量がｎ’１０だとすると、差分△ｎ’＝（ｎ’１０−ｎ’）となる。そして、差分算出部２０３ｆ２は、エッジ車線ごとに算出した差分△ｎ’に基づいて、単位エリアごとにエリア差分を求める。

図５Ｂに戻り、エージェント車両導出入部２０３ｆ３は、エージェント車両数算出部２０３ｆ１により各エッジの上り／下り車線別に算出された台数に、差分算出部２０３ｆ２により算出された差分△ｎ’を加算した台数分のエージェント車両Ａを導入する。

具体的には、エージェント車両導出入部２０３ｆ３は、走行シミュレーション開始時に、単位エリア内に含まれるエッジ車線におけるエージェント車両Ａの台数（差分△ｎ’加算後の台数）を積算し、その合計台数分のエージェント車両Ａを単位エリア内の任意のエッジに導入する。

また、エージェント車両導出入部２０３ｆ３は、判定部２０３ｅにより、エリア差分の値が変化したと判定された場合には、そのエリア差分の値が変化した単位エリア内のエージェント車両Ａを導出入する。

具体的には、エリア差分の変化前後の差が負の値である場合には、エージェント車両導出入部２０３ｆ３は、対象単位エリア内を走行するエージェント車両Ａの中から、その差の絶対値に相当する台数分のエージェント車両Ａを任意に選択し、選択したエージェント車両Ａを消去する。一方、エリア差分の変化前後の差が正の値である場合には、エージェント車両導出入部２０３ｆ３は、その差に相当する台数分のエージェント車両Ａを、対象単位エリア内の任意のエッジに導入する。

図１９は、エージェント車両導出入部２０３ｆ３による処理を説明するための図であり、単位エリア内の道路の例を示している。図中の白抜き長方形はプローブ車両Ｐを、黒塗りつぶし長方形はエージェント車両Ａを、それぞれ示している。図１９の例は、単位エリア内に含まれるエッジ車線におけるエージェント車両Ａの台数（差分△ｎ’加算後の台数）を積算した合計台数が６０台である場合の例である。この場合、エージェント車両導出入部２０３ｆ３は、６０台分のエージェント車両Ａを単位エリア内の任意のエッジに導入する。また、図１９を参照して、例えば、差分算出部２０３ｆ２により算出されたエリア差分の値が変化し、その変化前後の差が”−５”の場合には、エージェント車両導出入部２０３ｆ３は、例えば、丸で囲まれたエージェント車両Ａを選択し、それらを消去する。

図５Ｂに戻り、シミュレーション実行部２０３ｆ４は、外部（例えば、端末装置１００）又は内部からの実行指示に従って、渋滞予測のための走行シミュレーションを実行する。

具体的には、判定部２０３ｅにより実行指示があったと判定された場合に、シミュレーション実行部２０３ｆ４は、エージェント車両数算出部２０３ｆ１と差分算出部２０３ｆ２を制御して、走行シミュレーション開始時に導入するエージェント車両Ａの台数を決定する。

そして、シミュレーション実行部２０３ｆ４は、エージェント車両導出入部２０３ｆ３を制御して、決定した台数分のエージェント車両Ａを、対象単位エリア内に導入し、拡張速度関数Ｖａと分岐率と信号属性情報とに基づいて、所定の予測時間間隔でプローブ車両Ｐとエージェント車両Ａの走行予測（例えば、速度、走行エッジ、走行車線などを予測）を走行予測回数Ｎに達するまで繰り返し実行する。

なお、走行シミュレーション開始時における各エージェント車両Ａの速度は、例えば、平均速度情報テーブルＴｂ７に基づいて設定される。例えば、図１７を参照して、走行シミュレーション開始時が平日午前２時である場合、エッジＥ００００１の上り車線に導入されたエージェント車両Ａの走行速度として、シミュレーション実行部２０３ｆ４は、速度Ｖａ１００２を設定する。

拡張速度関数Ｖａは、走行シミュレーション中の、プローブ車両Ｐとエージェント車両Ａの走行速度を求めるために利用され、シミュレーション実行部２０３ｆ４は、拡張速度関数Ｖａにより求めた走行速度に従って、プローブ車両Ｐとエージェント車両Ａの走行を制御する。

具体的には、シミュレーション実行部２０３ｆ４は、プローブ車両Ｐとエージェント車両Ａの走行予測を行う度に、各エッジの上り／下り車線別に走行する車両台数を求め、求めた車両台数を拡張速度関数Ｖａに入力することで、各エッジの上り／下り車線別の平均速度を推定する。そして、シミュレーション実行部２０３ｆ４は、推定した平均速度に従って、プローブ車両Ｐとエージェント車両Ａの走行を制御する。

分岐率は、プローブ車両Ｐ（又はエージェント車両Ａ）がノードに差し掛かった時に、次に進行するエッジを確率的に決定するために利用され、シミュレーション実行部２０３ｆ４は、分岐率に従って、プローブ車両Ｐとエージェント車両Ａの走行（進行先）を制御する。

信号属性情報は、走行シミュレーション中の、プローブ車両Ｐとエージェント車両Ａの走行を制御するために利用され、シミュレーション実行部２０３ｆ４は、信号属性情報に従って、各信号機を制御する。例えば、プローブ車両Ｐ（又は、エージェント車両Ａ）がノードに差し掛かった時に、対応する信号機が赤の場合には、シミュレーション実行部２０３ｆ４は、その信号機が青に変わる迄、そのプローブ車両Ｐ（又は、エージェント車両Ａ）をノードの直前で停止させる。

また、シミュレーション実行部２０３ｆ４は、プローブ車両Ｐとエージェント車両Ａの走行予測を行うたびに、その予測した走行の履歴（予測日時、平日／休日の別、速度、走行エッジ、走行車線）を、予測走行履歴記憶部２０２ｂに格納されている予測走行履歴Ｔｂ２に追加する。

例えば、図１９と図２０を参照して、走行シミュレーション開始時におけるプローブ車両Ｐ（ＰＣ００００１）の走行位置が図１９に示す位置であり、走行シミュレーションで予測される数分後の走行位置が図２０に示す位置であると仮定する。また、この場合にシミュレーション実行部２０３ｆ４により生成された予測走行履歴Ｔｂ２が、図７に例示する予測走行履歴Ｔｂ２であると仮定する。この場合、プローブ車両Ｐ（ＰＣ００００１）の予測される走行ルートは、ノードＮ００００１＞エッジＥ０００１１上り車線＞ノードＮ００００３＞エッジＥ００００５上り車線＞ノードＮ００００４＞エッジＥ０００１６下り車線＞ノードＮ００００６＞エッジＥ００００９上り車線であることが分かる。

図５Ｂに戻り、渋滞度推定部２０３ｆ５は、シミュレーション実行部２０３ｆ４により生成された予測走行履歴Ｔｂ２に基づいて、下記の式（３）により定義される渋滞度ＣＪを、各エッジの上り／下り車線別に算出することで、将来の渋滞度を推定する。

具体的には、渋滞度推定部２０３ｆ５は、予測走行履歴Ｔｂ２から対象エッジ車線に関する履歴を抽出し、抽出した履歴を予測日時ごとに分類し、予測日時ごとの平均速度Ｖａを求める。そして、渋滞度推定部２０３ｆ５は、求めた平均速度Ｖａと、エッジ属性情報テーブルＴｂ３から取得した法定速度Ｖｍａｘを、式（３）に入力することで、対象エッジ車線の渋滞度ＣＪを予測日時ごとに算出する。ここで、予測日時は、これから到来する日時を意味し、走行シミュレーション開始時を基準に、例えば、５分後、１０分後の日時を意味する。

そして、渋滞度推定部２０３ｆ５は、算出した渋滞度ＣＪをその予測日時と対応付けた渋滞度テーブルＴｂ８を生成し、生成した渋滞度テーブルＴｂ８を渋滞度記憶部２０２ｆに格納する。図２１は、渋滞度記憶部２０２ｆに格納されている渋滞度テーブルＴｂ８の例を示す図であり、図中の予測日時Ｔｓ０は、走行シミュレーション開始時の日時である。

図５Ｂに戻り、カウンタ２０３ｆ６は、走行予測が行われた回数を管理するためのカウンタであり、渋滞予測処理部２０３ｆにより制御される。

次に、図２２乃至図２５を参照して、本実施形態における渋滞予測システム１での処理のフローについて説明する。図２２は、端末装置１００でのプローブ情報送信処理のフローチャートを示す図である。図２３は、渋滞予測装置２００での走行履歴生成処理のフローチャートを示す図である。図２４と図２５は、渋滞予測装置２００での渋滞予測処理のフローチャートを示す図である。

まず、図２２を参照して、端末装置１００でのプローブ情報送信処理のフローについて説明する。このプローブ情報送信処理は、各端末装置１００で実行され、例えば、端末装置１００の電源がＯＮされたことをトリガとして開始される。

端末装置１００の判定部１０６ａは、自装置を搭載するプローブ車両Ｐの現在位置、進行方向、速度を検出する検出タイミングが到来したか否かを判定する（ステップＳ１０１）。判定部１０６ａにより、検出タイミングがまだ到来してないと判定された場合には（ステップＳ１０１；ＮＯ）、ステップＳ１０１の処理を繰り返し、検出タイミングの到来を待つ。

一方、判定部１０６ａにより、検出タイミングが到来したと判定された場合には（ステップＳ１０１；ＹＥＳ）、位置検出部１０２は、プローブ車両Ｐの現在位置を検出すると共に（ステップＳ１０２）、車両情報検出部１０３は、プローブ車両Ｐの進行方向と速度を検出する（ステップＳ１０３）。

そして、プローブ情報生成部１０４は、位置検出部１０２と車両情報検出部１０３により検出されたプローブ車両Ｐの現在位置と速度と進行方位と、その検出日時を含むプローブ情報Ｄ１を生成し（ステップＳ１０４）、生成したプローブ情報Ｄ１を通信部１０５を介して渋滞予測装置２００へ送信する（ステップＳ１０５）。そして、処理はステップＳ１０１の処理に戻り、前述の処理を繰り返す。

次に、図２３を参照して、渋滞予測装置２００での走行履歴生成処理のフローについて説明する。

渋滞予測装置２００の判定部２０３ｅは、端末装置１００からのプローブ情報Ｄ１を受信したか否かを判定する（ステップＳ２０１）。判定部２０３ｅにより、まだプローブ情報Ｄ１を受信していないと判定された場合には（ステップＳ２０１；ＮＯ）、ステップＳ２０１の処理を繰り返し、プローブ情報Ｄ１が送信されてくるのを待つ。

一方、判定部２０３ｅにより、プローブ情報Ｄ１を受信したと判定された場合には（ステップＳ２０１；ＹＥＳ）、走行履歴生成部２０３ａは、受信したプローブ情報Ｄ１に基づいて、走行履歴Ｔｂ１を生成する（ステップＳ２０２）。そして、処理はステップＳ２０１の処理に戻り、前述の処理を繰り返す。

次に、図２４と図２５を参照して、渋滞予測装置２００での渋滞予測処理のフローについて説明する。この渋滞予測処理は、外部又は内部からの実行指示をトリガとして開始される。

判定部２０３ｅは、渋滞予測のための走行シミュレーションの実行指示があったか否かを判定する（ステップＳ３０１）。判定部２０３ｅにより、実行指示はまだないと判定された場合には（ステップＳ３０１；ＮＯ）、ステップＳ３０１の処理を繰り返し、実行指示がなされるのを待つ。

一方、判定部２０３ｅにより、実行指示はあったと判定された場合には（ステップＳ３０１；ＹＥＳ）、渋滞予測処理部２０３ｆは、カウンタ２０３ｆ６を初期化（ｋ＝１）する（ステップＳ３０２）。

そして、エージェント車両数算出部２０３ｆ１は、拡張速度関数Ｖａに基づいて、各エッジの上り／下り車線別に、走行シミュレーション開始時に導入するエージェント車両Ａの台数を算出する（ステップＳ３０３）。

そして、差分算出部２０３ｆ２は、平均速度情報テーブルＴｂ７に基づいて、各エッジの上り／下り車線別に平日／休日別の交通量変動を求め（ステップＳ３０４）、求めた交通量変動に基づいて、シミュレーション開始時における総数ｎ’（エージェント車両数算出部２０３ｆ１により算出された総数ｎ’）との差分△ｎ’を算出する（ステップＳ３０５）。そして、差分算出部２０３ｆ２は、差分△ｎ’を単位エリアごとに積算した合計値であるエリア差分を求める（ステップＳ３０６）。

そして、判定部２０３ｅは、カウンタ２０３ｆ６のカウンタ値ｋ＝１か否かを判定する（ステップＳ３０７）。判定部２０３ｅは、カウンタ値ｋ＝１ではないと判定すると（ステップＳ３０７；ＮＯ）、さらに、差分算出部２０３ｆ２により算出されたエリア差分の値が変化したか否かを判定する（ステップＳ４０１）。

判定部２０３ｅにより、エリア差分の値が変化したと判定された場合には（ステップＳ４０１；ＹＥＳ）、エージェント車両導出入部２０３ｆ３は、そのエリア差分の値が変化した単位エリア内のエージェント車両Ａを導出入する（ステップＳ４０２）。具体的には、エリア差分の変化前後の差が負の値である場合には、エージェント車両導出入部２０３ｆ３は、対象単位エリア内を走行するエージェント車両Ａの中から、その差の絶対値に相当する台数分のエージェント車両Ａを任意に選択し、選択したエージェント車両Ａを消去する。一方、エリア差分の変化前後の差が正の値である場合には、エージェント車両導出入部２０３ｆ３は、その差に相当する台数分のエージェント車両Ａを、対象単位エリア内の任意のエッジに導入する。そして、処理は、ステップＳ３０９の処理へ進む。

一方、判定部２０３ｅにより、エリア差分の値が変化していないと判定された場合には（ステップＳ４０１；ＮＯ）、ステップＳ４０２の処理を実行することなく、処理は、ステップＳ３０９の処理へ進む。

一方、判定部２０３ｅにより、カウンタ値ｋ＝１であると判定された場合には（ステップＳ３０７；ＹＥＳ）、エージェント車両導出入部２０３ｆ３は、エージェント車両数算出部２０３ｆ１により各エッジの上り／下り車線別に算出された台数に、差分算出部２０３ｆ２により算出された差分△ｎ’を加算した台数分のエージェント車両Ａを導入する（ステップＳ３０８）。

そして、シミュレーション実行部２０３ｆ４は、拡張速度関数Ｖａと分岐率と信号属性情報とに基づいて、プローブ車両Ｐとエージェント車両Ａの走行予測を行い（ステップＳ３０９）、その予測した走行の履歴（予測日時、平日／休日の別、速度、走行エッジ、走行車線）を、予測走行履歴記憶部２０２ｂに格納されている予測走行履歴Ｔｂ２に追加する（ステップＳ３１０）。

そして、渋滞度推定部２０３ｆ５は、シミュレーション実行部２０３ｆ４により生成された予測走行履歴Ｔｂ２に基づいて、式（３）により定義される渋滞度ＣＪを、各エッジの上り／下り車線別に算出し（ステップＳ３１１）、算出した渋滞度ＣＪをその予測日時と対応付けた渋滞度テーブルＴｂ８を生成し、生成した渋滞度テーブルＴｂ８を渋滞度記憶部２０２ｆに格納する（ステップＳ３１２）。

そして、判定部２０３ｅは、カウンタ２０３ｆ６のカウンタ値ｋ＜走行予測回数Ｎか否かを判定する（ステップＳ３１３）。判定部２０３ｅにより、カウンタ値ｋ＜走行予測回数Ｎではない、すなわち、カウンタ値ｋが走行予測回数Ｎに達したと判定された場合には（ステップＳ３１３；ＮＯ）、渋滞予測処理を終了し、次の実行指示を待つ。

一方、判定部２０３ｅにより、カウンタ値ｋ＜走行予測回数Ｎであると判定された場合には（ステップＳ３１３；ＹＥＳ）、渋滞予測処理部２０３ｆは、カウンタ２０３ｆ６をインクリメントし（ステップＳ３１４）、処理は、ステップＳ３０５の処理に戻り、前述の処理を繰り返す。

（変形例１）
次に、実施形態１の変形例について説明する。

実施形態１における渋滞予測処理では、シミュレーション実行部２０３ｆ４が走行予測を行う度に、渋滞度推定部２０３ｆ５は、その予測された走行の履歴に基づいて、その予測日時における渋滞度ＣＪを算出した。

本変形例では、その都度、渋滞度ＣＪを算出するのではなく、走行予測の回数が走行予測回数Ｎに達した時点で、渋滞度推定部２０３ｆ５は、シミュレーション実行部２０３ｆ４により生成された予測走行履歴Ｔｂ２に基づいて、予測日時ごとの渋滞度ＣＪを算出し、渋滞度テーブルＴｂ８を生成する。

図２６は、本変形例における、渋滞予測処理のフローチャートの一部を示す図であり、ステップＳ３１３の処理より前の処理は、図２４に示す、ステップＳ３１０までの処理と同じである。よって、図２４と図２６を参照して、ステップＳ３０９の処理から、本変形例の渋滞予測処理のフローについて説明する。

シミュレーション実行部２０３ｆ４は、拡張速度関数Ｖａと分岐率と信号属性情報とに基づいて、プローブ車両Ｐとエージェント車両Ａの走行予測を行い（ステップＳ３０９）、その予測した走行の履歴（予測日時、平日／休日の別、速度、走行エッジ、走行車線）を、予測走行履歴記憶部２０２ｂに格納されている予測走行履歴Ｔｂ２に追加する（ステップＳ３１０）。

そして、判定部２０３ｅは、カウンタ２０３ｆ６のカウンタ値ｋ＜走行予測回数Ｎか否かを判定する（ステップＳ３１３）。判定部２０３ｅにより、カウンタ値ｋ＜走行予測回数Ｎであると判定された場合には（ステップＳ３１３；ＹＥＳ）、渋滞予測処理部２０３ｆは、カウンタ２０３ｆ６をインクリメントし（ステップＳ３１４）、処理は、ステップＳ３０５の処理に戻り、前述の処理を繰り返す。

一方、判定部２０３ｅにより、カウンタ値ｋ＜走行予測回数Ｎではない、すなわち、カウンタ値ｋが走行予測回数Ｎに達したと判定された場合には（ステップＳ３１３；ＮＯ）、渋滞度推定部２０３ｆ５は、シミュレーション実行部２０３ｆ４により生成された予測走行履歴Ｔｂ２に基づいて、式（３）により定義される渋滞度ＣＪを、各エッジの上り／下り車線別に算出する（ステップＳ５０１）。

そして、渋滞度推定部２０３ｆ５は、算出した渋滞度ＣＪを予測日時と対応付けた渋滞度テーブルＴｂ８を生成し、生成した渋滞度テーブルＴｂ８を渋滞度記憶部２０２ｆに格納する（ステップＳ５０２）。そして、渋滞予測処理を終了し、次の実行指示を待つ。

（実施形態２）
次に、図２７乃至図３２を参照して、実施形態２について説明する。

実施形態１では、各エッジの上り／下り車線別にパラメータαとβとの組が対応付けられていた。本実施形態では、同じような属性（例えば、法定速度Ｖｍａｘとプローブサンプル数ＳＰ）のエッジ車線に対しては、同じパラメータαとβとの組を対応付ける。これは、例えば、法定速度Ｖｍａｘとプローブサンプル数ＳＰが類似するエッジ車線は、同じような交通容量を有すると考えられるからである。ここで、プローブサンプル数ＳＰは、走行履歴Ｔｂ１の元となったプローブ情報Ｄ１の数を意味し、例えば、あるエッジ車線に関するプローブ情報Ｄ１が１００件ある場合は、そのエッジ車線のプローブサンプル数ＳＰは１００となる。

本実施形態における渋滞予測システム１の基本的な構成は実施形態１と同じである。但し、地図データ記憶部２０２ｃが格納するエッジ属性情報テーブルＴｂ３の構成と、速度関数記憶部２０２ｄが格納するパラメータテーブルＴｂ６の構成が、実施形態１と異なっている。また、記憶部２０２が、車線区分情報記憶部２０２ｇを備える点で実施形態１と異なっている。また、パラメータ推定部２０３ｂがはたす機能が実施形態１と異なっている。

記憶部２０２は、ＲＯＭ、ＲＡＭ、不揮発性メモリなどから構成され、制御部２０３が備えるＣＰＵのワーキングエリア、ＣＰＵが実行する動作プログラムなど各種プログラムを格納するプログラムエリア、地図データなど各種データを格納するデータエリアなどとして機能する。また、記憶部２０２は、図２７に示すように、走行履歴記憶部２０２ａ、予測走行履歴記憶部２０２ｂ、地図データ記憶部２０２ｃ、速度関数記憶部２０２ｄ、平均速度記憶部２０２ｅ、渋滞度記憶部２０２ｆ、車線区分情報記憶部２０２ｇとして機能する。

地図データ記憶部２０２ｃは、地図データを格納している。この地図データは、実施形態１と同様に、モデル化した道路ネットワークを示すものであり、ノードとエッジとで構成され、各エッジと各ノードには、属性情報が付加されている。

図２８は、地図データ記憶部２０２ｃが記憶するエッジ属性情報テーブルＴｂ３の例を示す図である。本実施形態におけるエッジ属性情報テーブルＴｂ３は、図２８に示すように、エッジごとに、そのエッジの両端のノードを一意に識別可能な識別番号と、そのエッジのエッジ長と、そのエッジの上り／下り車線別の法定速度Ｖｍａｘと、さらに、そのエッジの上り／下り車線別の車線区分と、が対応付けられたテーブルである。

図２７に戻り、速度関数記憶部２０２ｄは、式（１）で表現される速度関数Ｖａと、パラメータテーブルＴｂ６を格納する。

図２９は、速度関数記憶部２０２ｄが格納するパラメータテーブルＴｂ６の例を示す図であり、本実施形態のパラメータテーブルＴｂ６は、実施形態１の場合と異なり、図２９に示すように、エッジ車線ごとではなく、車線区分ごとにパラメータαとβとの組が対応付けられたテーブルである。

但し、図２９に示すように、車線区分Ｇ０にはパラメータが対応付けられていない。これは、走行シミュレーションの際に、プローブ車両Ｐ（又は、エージェント車両Ａ）を車線区分Ｇ０に属するエッジ車線上に走行させる場合、走行履歴Ｔｂ１に基づいて求めた、そのエッジ車線を走行したプローブ車両Ｐの平均速度Ｖａが、プローブ車両Ｐ（又は、エージェント車両Ａ）の速度として設定されるからである。この平均速度Ｖａは、平均速度情報テーブルＴｂ７から取得される。

パラメータ推定部２０３ｂは、判定部２０３ｅにより所定のタイミングが到来したと判定された場合に、車線区分ごとにパラメータαとβを推定する。そして、パラメータ推定部２０３ｂは、速度関数記憶部２０２ｄに格納されているパラメータテーブルＴｂ６のパラメータを、今回推定したこれらのパラメータで更新する。

具体的には、パラメータ推定部２０３ｂは、走行履歴記憶部２０２ａに蓄積されている走行履歴Ｔｂ１の「走行エッジ」欄と「走行車線（上り／下り）」欄を検索して、エッジ車線ごとに、そのエッジ車線に関する履歴を抽出し、抽出した履歴の数をエッジ車線ごとに求める。すなわち、エッジ車線ごとにプローブサンプル数ＳＰを求める。

また、パラメータ推定部２０３ｂは、エッジ車線ごとに抽出した履歴に基づいて、エッジ車線ごとに法定速度Ｖｍａｘを推定し、今回推定した法定速度Ｖｍａｘでエッジ属性情報テーブルＴｂ３の対応する法定速度Ｖｍａｘを更新する。なお、エッジ車線ごとに設定されている法定速度Ｖｍａｘが、推定された速度ではなく、そのエッジ車線に設定されている実際の法定速度である場合は、パラメータ推定部２０３ｂは、エッジ車線ごとに抽出した履歴に基づくエッジ車線ごとの法定速度Ｖｍａｘの推定を実行しない。

そして、パラメータ推定部２０３ｂは、後述する車線区分情報テーブルＴｂ９を参照して、今回求めたプローブサンプル数ＳＰと法定速度Ｖｍａｘとに基づいて、エッジ車線が属する車線区分を特定し、特定した車線区分で、エッジ属性情報テーブルＴｂ３の車線区分を更新する。そして、パラメータ推定部２０３ｂは、更新後のエッジ属性情報テーブルＴｂ３に基づいて、車線区分ごとに、その車線区分に属するエッジ車線を抽出する。

そして、パラメータ推定部２０３ｂは、実施形態１で説明した方法に従って、最小二乗法により、パラメータαとβを車線区分ごとに推定する。

ここで、図３０と図３１の例に従って、車線区分の特定方法について説明する。図３０は、車線区分情報記憶部２０２ｇに格納されている車線区分情報テーブルＴｂ９の例を示す図であり、車線区分情報テーブルＴｂ９は、車線区分ごとにその車線区分を定義する条件を対応付けたテーブルである。図３１は、図３０に例示した車線区分情報テーブルＴｂ９で定義されている車線区分を座標上に表した図である。

車線区分情報テーブルＴｂ９の「和／積」欄は、車線区分が、「法定速度Ｖｍａｘ」欄の条件を満たすエッジ車線の集合と、「プローブサンプル数ＳＰ」欄の条件を満たすエッジ車線の集合との和集合として定義されるのか、それとも積集合として定義されるのかを指定するためのフラグ欄である。車線区分が、和集合として定義される場合は、「和／積」欄には”０”が、積集合として定義される場合は、「和／積」欄には”１”が格納されている。

例えば、図３０を参照して、車線区分Ｇ０は、「和／積」欄が”０”であることから、０≦Ｖｍａｘ＜３０と０≦ＳＰ＜Ｃ１のいずれかを満たすエッジ車線の集合として定義される。また、例えば、車線区分Ｇ１は、「和／積」欄が”１”であることから、３０≦Ｖｍａｘ＜４０とＣ１≦ＳＰ＜Ｃ２のいずれも満たすエッジ車線の集合として定義されている。

例えば、パラメータ推定部２０３ｂが今回求めた、エッジ車線（エッジＥ００００１の下り車線）のプローブサンプル数ＳＰと法定速度Ｖｍａｘが、Ｃ１≦ＳＰ＜Ｃ２と４０≦Ｖｍａｘ＜５０を満たすとすると、パラメータ推定部２０３ｂは、車線区分情報テーブルＴｂ９を参照して、エッジ車線（エッジＥ００００１の下り車線）の車線区分として、Ｇ２を特定する。

また、例えば、エッジ車線（エッジＥ００００４の上り車線）のプローブサンプル数ＳＰと法定速度Ｖｍａｘが、Ｃ２≦ＳＰ＜Ｃ３と５０≦Ｖｍａｘ＜６０を満たすとすると、パラメータ推定部２０３ｂは、車線区分情報テーブルＴｂ９を参照して、エッジ車線（エッジＥ００００４の上り車線）の車線区分として、Ｇ７を特定する。そして、パラメータ推定部２０３ｂは、このようにしてエッジ車線ごとに特定した車線区分で、エッジ属性情報テーブルＴｂ３の車線区分を更新する。

以上に説明したように、本実施形態のパラメータテーブルＴｂ６は、パラメータαとβとの組を車線区分に対応付けたテーブルである。そのため、渋滞予測処理などで、対象エッジ車線に対応する速度関数Ｖａを特定する際は、エッジ属性情報テーブルＴｂ３に基づいて、対象エッジ車線に対応する車線区分を特定し、パラメータテーブルＴｂ６に基づいて、特定した車線区分に対応するパラメータαとβとの組を特定することで、対象エッジ車線に対応する速度関数Ｖaを特定する。

次に、図３２を参照して、本実施形態における渋滞予測装置２００でのパラメータ更新処理のフローについて説明する。ここで、図３２は、本実施形態における渋滞予測装置２００でのパラメータ更新処理のフローチャートを示した図である。

判定部２０３ｅは、所定の更新タイミングが到来したか否かを判定する（ステップＳ６０１）。判定部２０３ｅにより、所定の更新タイミングはまだ到来していないと判定された場合には（ステップＳ６０１；ＮＯ）、ステップＳ６０１の処理を繰り返し、所定の更新タイミングの到来を待つ。

一方、判定部２０３ｅにより、所定の更新タイミングが到来したと判定された場合には（ステップＳ６０１；ＹＥＳ）、パラメータ推定部２０３ｂは、走行履歴Ｔｂ１に基づいて、エッジ車線ごとにプローブサンプル数ＳＰを求めると共に（ステップＳ６０２）、エッジ車線ごとに法定速度Ｖｍａｘを推定する（ステップＳ６０３）。

そして、パラメータ推定部２０３ｂは、今回推定した法定速度Ｖｍａｘでエッジ属性情報テーブルＴｂ３の対応する法定速度Ｖｍａｘを更新すると共に（ステップＳ６０４）、車線区分情報テーブルＴｂ９を参照して、今回求めたプローブサンプル数ＳＰと法定速度Ｖｍａｘとに基づいて、エッジ車線が属する車線区分を特定する（ステップＳ６０５）。

そして、パラメータ推定部２０３ｂは、特定した車線区分で、エッジ属性情報テーブルＴｂ３の車線区分を更新し（ステップＳ６０６）、更新後のエッジ属性情報テーブルＴｂ３に基づいて、車線区分ごとに、その車線区分に属するエッジ車線を抽出する（ステップＳ６０７）。

そして、パラメータ推定部２０３ｂは、最小二乗法により、パラメータαとβを車線区分ごとに推定し（ステップＳ６０８）、パラメータテーブルＴｂ６のパラメータを、推定したこれらのパラメータで更新する（ステップＳ６０９）。そして、処理は、ステップＳ６０１の処理に戻り、次に更新タイミングの到来を待つ。

以上に説明したように、本実施形態によれば、速度関数Ｖａと分岐率と信号属性情報に基づいて、プローブ車両Ｐ（又は、エージェント車両Ａ）の走行を予測した。そして、速度関数Ｖａと分岐率と信号属性情報は、プローブ車両Ｐに搭載されている端末装置１００から送信されてくるプローブ情報Ｄ１に基づいて求めたものである。こうすることで、プローブ情報Ｄ１のみを用いて、道路の交通状況を予測することが可能となる。

また、本実施形態によれば、走行シミュレーション開始時にエージェント車両Ａを導入した。こうすることで、プローブ情報Ｄ１を得られない車両、つまり、実際の道路上を走行するプローブ車両以外の車両（非プローブ車両）を補完し、実際にはプローブ車両Ｐが走行していない道路の交通状況を予測することが可能となる。

また、本実施形態によれば、交通量変動に基づいて、エージェント車両Ａの台数を調整した。この交通量変動は、プローブ車両Ｐに搭載されている端末装置１００から送信されてくるプローブ情報Ｄ１に基づいて推定したものである。こうすることで、エージェント車両Ａを用いて、実際の交通量変動に則した交通量を再現することが可能となり、これにより、渋滞予測の精度を高めることが可能となる。

また、本実施形態によれば、プローブ車両Ｐとエージェント車両Ａの予測走行履歴Ｔｂ２を生成し、それを記憶した。こうすることで、走行シミュレーションの結果を再現することが可能となり、信号制御システムなどに活用することが可能となる。

また、本実施形態によれば、走行シミュレーションなどで用いる速度関数Ｖａを、エッジ車線を走行する車両（プローブ車両Ｐとエージェント車両Ａ）の台数が許容量（交通容量）を超えると、車両（プローブ車両Ｐとエージェント車両Ａ）の走行速度が急激に低下する特徴を有する関数で定義した。こうすることで、走行シミュレーションにおいて、実際の道路の特性に則した走行速度の制御が可能となる。

また、本実施形態によれば、分岐率を、平日／休日別の各時間帯ごとに設定した。この分岐率は、プローブ情報Ｄ１に基づいて求めたものである。こうすることで、実際の車両の流れに則した走行シミュレーションが可能となる。

なお、上記実施形態において、各端末装置１００からのプローブ情報Ｄ１に含まれる現在位置と進行方位と基づいて、渋滞予測装置２００側でマップマッチングを実行し、プローブ車両Ｐが走行するエッジ車線を特定する構成としたが、これに限定されるものではなく、例えば、各端末装置１００側でマップマッチングを実行するように構成してもよい。この場合、マップマッチングにより特定した、プローブ車両Ｐが走行するエッジ車線の情報を、渋滞予測装置２００へ送信するようにすればよい。こうすることで、渋滞予測装置２００に集中した負荷を、各端末装置１００に分散させることが可能となる。

また、上記実施形態において、各エッジの上り／下り車線別に法定速度Ｖｍａｘを対応させたが、エッジごとに法定速度Ｖｍａｘを対応させる構成でもよい。一般的に、エッジの上り車線の法定速度Ｖｍａｘとそのエッジの下り車線の法定速度Ｖｍａｘは同じ速度が設定されているからである。走行履歴Ｔｂ１に基づいて、エッジ車線の法定速度Ｖｍａｘを推定している場合には、例えば、同じエッジの上り車線と下り車線の法定速度Ｖｍａｘの平均を、そのエッジの法定速度Ｖｍａｘとすればよい。また、例えば、プローブサンプル数ＳＰの多い方の法定速度Ｖｍａｘを、そのエッジの法定速度Ｖｍａｘとすればよい。

また、上記実施形態において、プローブ車両Ｐの進行方向と走行速度を、センサなどで検出すると説明したが、これに限定されるものではなく、例えば、プローブ車両Ｐの位置情報とその検出日時とに基づいて、それらを推定するように構成してもよい。

また、上記実施形態において、実行されるプログラムは、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disc Read-Only Memory）、ＤＶＤ（Digital Versatile Disc）、ＭＯ（Magneto-Optical Disc）等のコンピュータで読み取り可能な記録媒体に格納して配布し、そのプログラムをインストールすることにより、上述の処理を実行することとしてもよい。
また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、取得等するようにしてもよい。

以上、本発明の好ましい実施形態について説明したが、本発明は係る特定の実施形態に限定されるものではなく、本発明には、特許請求の範囲に記載された発明とその均等の範囲が含まれる。

１ 渋滞予測システム
ＮＷ ネットワーク
Ｐ プローブ車両
１００ 端末装置
１０１ 記憶部
１０２ 位置検出部
１０３ 車両情報検出部
１０４ プローブ情報生成部
１０５ 通信部
１０６ 制御部
１０６ａ 判定部
２００ 渋滞予測装置
２０１ 通信部
２０２ 記憶部
２０２ａ 走行履歴記憶部
２０２ｂ 予測走行履歴記憶部
２０２ｃ 地図データ記憶部
２０２ｄ 速度関数記憶部
２０２ｅ 平均速度記憶部
２０２ｆ 渋滞度記憶部
２０２ｇ 車線区分情報記憶部
２０３ 制御部
２０３ａ 走行履歴生成部
２０３ｂ パラメータ推定部
２０３ｃ 分岐率推定部
２０３ｄ 平均速度推定部
２０３ｅ 判定部
２０３ｆ 渋滞予測処理部
２０３ｆ１ エージェント車両数算出部
２０３ｆ２ 差分算出部
２０３ｆ３ エージェント車両導出入部
２０３ｆ４ シミュレーション実行部
２０３ｆ５ 渋滞度推定部
２０３ｆ６ カウンタ
Ｔｂ１ 走行履歴
Ｔｂ２ 予測走行履歴
Ｔｂ３ エッジ属性情報テーブル
Ｔｂ４ 第１ノード属性情報テーブル
Ｔｂ５ 第２ノード属性情報テーブル
Ｔｂ６ パラメータテーブル
Ｔｂ７ 平均速度情報テーブル
Ｔｂ８ 渋滞度テーブル
Ｔｂ９ 車線区分情報テーブル

Claims (7)

1. 日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信手段と、
   地図上の交差点に対応するノードと、隣接する２つのノードに挟まれた道路区間に対応するエッジと、から構成される道路ネットワークに対応した、地図データを格納する地図データ記憶手段と、
   前記道路区間の上り車線又は下り車線であるエッジ車線ごとに、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数を格納する速度関数記憶手段と、
   前記受信したプローブ情報と前記地図データとに基づいて、プローブ車両が走行するエッジ車線を特定するエッジ車線特定手段と、
   前記エッジ車線特定手段により特定された、プローブ車両が走行するエッジ車線と、前記速度関数とに基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測手段と、
   前記走行予測手段による予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定手段と、
   備えることを特徴とする渋滞予測装置。
2. 前記プローブ情報は、プローブ車両の前記日時における走行速度を含み、
   前記エッジ車線特定手段による特定結果と前記プローブ情報に含まれる走行速度とに基づいて、エッジ車線ごとに、そのエッジ車線を走行するプローブ車両の平均速度を求める平均速度算出手段と、
   仮想車両であるエージェント車両の導入台数を決定するために予め設定された拡大係数と、前記平均速度算出手段により算出された平均速度と、前記速度関数と、に基づいて、前記エージェント車両の導入台数を算出するエージェント車両数算出手段と、
   前記エージェント車両数算出手段により算出された導入台数分のエージェント車両を導入するエッジ車線を任意に選択し、選択したエッジ車線にエージェント車両を導入するエージェント車両導入手段と、
   をさらに備え、
   前記走行予測手段は、前記エッジ車線特定手段により特定された、プローブ車両が走行するエッジ車線と、前記エージェント車両導入手段により選択された、エージェント車両を導入するエッジ車線と、前記速度関数と、前記拡大係数と、に基づいて、プローブ車両とエージェント車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測し、
   前記渋滞度推定手段は、前記走行予測手段による予測結果と前記速度関数と前記拡大係数とに基づいて、前記所定時間経過した時点における、プローブ車両とエージェント車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両とエージェント車両の平均速度と、そのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する、
   ことを特徴とする請求項１に記載の渋滞予測装置。
3. 前記ノードには、そのノードに接続するエッジ車線ごとに、そのエッジ車線を走行する車両がそのノードに接続する他のエッジ車線に進行する確率である分岐率が対応付けられており、
   前記走行予測手段は、前記分岐率に基づいて、ノードに進入した車両の進行先となるエッジ車線を特定して、前記予測を行う、
   ことを特徴とする請求項１又は２に記載の渋滞予測装置。
4. 前記ノードには、そのノードに設置されている信号機のサイクル長と有効青時間とを含む信号属性情報が対応付けられており、
   前記走行予測手段は、前記信号属性情報に基づいて、各ノードでの車両の動静を制御して、前記予測を行う、
   ことを特徴とする請求項１乃至３のいずれか一項に記載の渋滞予測装置。
5. 請求項１乃至４のいずれか一項に記載の渋滞予測装置と、
   プローブ車両に搭載される端末装置と、
   から構成される渋滞予測システムであって、
   前記端末装置は、
   プローブ車両の現在位置を検出する位置検出手段と、
   前記プローブ車両の前記現在位置における進行方向と走行速度を検出するプローブ車両情報検出手段と、
   前記検出されたプローブ車両の現在位置を特定する位置情報と、前記検出された前記現在位置におけるプローブ車両の進行方向と走行速度と、前記現在位置を検出した日時と、を含むプローブ情報を生成するプローブ情報生成手段と、
   前記プローブ情報生成手段により生成されたプローブ情報を前記渋滞予測装置に送信する通信手段と、
   を備える、
   ことを特徴とする渋滞予測システム。
6. 日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信ステップと、
   地図上の交差点に対応するノードと隣接する２つのノードに挟まれた道路区間に対応するエッジとから構成される道路ネットワークに対応した、地図データと、前記受信したプローブ情報と、に基づいて、プローブ車両が走行する、前記道路区間の上り車線又は下り車線であるエッジ車線を特定するエッジ車線特定ステップと、
   前記エッジ車線特定ステップで特定された、プローブ車両が走行するエッジ車線と、エッジ車線ごとに定められている、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数と、に基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測ステップと、
   前記走行予測ステップで予測した予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定ステップと、
   を含む、
   ことを特徴とする渋滞予測方法。
7. コンピュータに、
   日時と、その日時におけるプローブ車両の位置を特定する位置情報と進行方向と、を含むプローブ情報を受信する通信処理と、
   地図上の交差点に対応するノードと隣接する２つのノードに挟まれた道路区間に対応するエッジとから構成される道路ネットワークに対応した、地図データと、前記受信したプローブ情報と、に基づいて、プローブ車両が走行する、前記道路区間の上り車線又は下り車線であるエッジ車線を特定するエッジ車線特定処理と、
   前記エッジ車線特定処理で特定された、プローブ車両が走行するエッジ車線と、エッジ車線ごとに定められている、そのエッジ車線を走行するプローブ車両の台数とそれらプローブ車両の平均速度との関係を表す速度関数と、に基づいて、プローブ車両が、それぞれ、所定時間経過した時点で走行するエッジ車線を予測する走行予測処理と、
   前記走行予測処理で予測した予測結果と前記速度関数とに基づいて、前記所定時間経過した時点における、プローブ車両の平均速度をエッジ車線ごとに求め、求めたエッジ車線ごとのプローブ車両の平均速度とそのエッジ車線に設定されている法定速度とに基づいて、前記所定時間経過した時点での、道路の渋滞度合を表す渋滞度をエッジ車線ごとに推定する渋滞度推定処理と、
   を実行させる、
   ことを特徴とするプログラム。

Images