JP2017084268A - 事故発生予報システム、および事故発生予報方法 - Google Patents
事故発生予報システム、および事故発生予報方法 Download PDFInfo
- Publication number
- JP2017084268A JP2017084268A JP2015214599A JP2015214599A JP2017084268A JP 2017084268 A JP2017084268 A JP 2017084268A JP 2015214599 A JP2015214599 A JP 2015214599A JP 2015214599 A JP2015214599 A JP 2015214599A JP 2017084268 A JP2017084268 A JP 2017084268A
- Authority
- JP
- Japan
- Prior art keywords
- traffic data
- past
- point
- current
- accident
- 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
図1は、第1実施形態による事故発生予報システム100の構成を示した例示ブロック図である。なお、図1の白抜き矢印Dは、路線R上における車両の流れ方向を示す。
次に、図11を参照して、第2実施形態による事故発生予報システム100aについて説明する。この第2実施形態では、学習および予報が1つの装置(事故発生予報システム100、図1参照)により行われる第1実施形態と異なり、学習および予報が2つの装置に分けて行われる。
上記の第1および第2実施形態では、学習および予報を行うための方法として、自己組織化マップを用いた方法を例示した。しかしながら、学習および予報の方法としては、自己組織化マップを用いた方法以外にも、種々の方法が考えられる。たとえば、比較的簡単な方法として、事故発生時の過去交通データを保持(蓄積)して現在交通データと単純に比較する方法や、事故発生時の過去交通データの組合せを統計処理でクラスタリングし、事故発生時に類似したケースの交通データを生成する方法などが考えられる。また、他の方法として、たとえばペイジアンネットワークなどの他の多変量解析を利用した方法も考えられる。
12 テーブル作成処理部
13 交通データ取得処理部
15 予報処理部
Claims (6)
- 路線上の各地点において過去に計測された第1の過去交通データと、前記第1の過去交通データの計測地点の上流側および下流側に隣接する2地点のうち少なくとも一方の地点において前記第1の過去交通データと同時に計測された第2の過去交通データとを対応付けて学習を行い、学習結果に基づいて、前記各地点における事故の発生しやすさを表す事故発生予測テーブルを作成するテーブル作成処理部と、
前記各地点において現在計測された第1の現在交通データと、前記少なくとも一方の地点において前記第1の現在交通データと同時に計測された第2の現在交通データとを取得する交通データ取得処理部と、
前記事故発生予測テーブルと、前記第1の現在交通データおよび前記第2の現在交通データとを用いて、前記各地点における事故の発生しやすさを予報する予報処理部とを備える、事故発生予報システム。 - 前記テーブル作成処理部は、前記学習として、前記第1の過去交通データおよび前記第2の過去交通データを、前記第1の過去交通データの計測地点において前記第1の過去交通データの計測時より所定時間前に計測された第3の過去交通データとさらに対応付けて学習を行い、
前記交通データ取得処理部は、前記第1の現在交通データおよび前記第2の現在交通データを前記所定時間間隔で定期的に取得し、
前記予報処理部は、前記事故発生予測テーブルと、今回取得された前記第1の現在交通データおよび前記第2の現在交通データと、前回取得された前記第1の現在交通データである第3の現在交通データとを用いて、前記各地点における事故の発生しやすさを予報する、請求項1に記載の事故発生予報システム。 - 前記テーブル作成処理部は、前記第1の過去交通データおよび前記第2の過去交通データとして、交通量、車両密度、占有率、車両の速度、および天候情報のうち1以上を用いて前記学習を行い、
前記交通データ取得処理部は、前記第1の現在交通データおよび前記第2の現在交通データとして、交通量、車両密度、占有率、車両の速度、および天候情報のうち1以上を取得する、請求項1に記載の事故発生予報システム。 - 路線上の各地点において過去に計測された第1の過去交通データと、前記第1の過去交通データの計測地点の上流側および下流側に隣接する2地点のうち少なくとも一方の地点において前記第1の過去交通データと同時に計測された第2の過去交通データとを対応付けて学習を行い、学習結果に基づいて、前記各地点における事故の発生しやすさを表す事故発生予測テーブルを作成する作成ステップと、
前記各地点において現在計測された第1の現在交通データと、前記少なくとも一方の地点において前記第1の現在交通データと同時に計測された第2の現在交通データとを取得する取得ステップと、
前記事故発生予測テーブルと、前記第1の現在交通データおよび前記第2の現在交通データとを用いて、前記各地点における事故の発生しやすさを予報する予報ステップとを備える、事故発生予報方法。 - 前記作成ステップは、前記学習として、前記第1の過去交通データおよび前記第2の過去交通データを、前記第1の過去交通データの計測地点において前記第1の過去交通データの計測時より所定時間前に計測された第3の過去交通データとさらに対応付けて学習を行うことを含み、
前記取得ステップは、前記第1の現在交通データおよび前記第2の現在交通データを前記所定時間間隔で定期的に取得することを含み、
前記予報ステップは、前記事故発生予測テーブルと、今回取得された前記第1の現在交通データおよび前記第2の現在交通データと、前回取得された前記第1の現在交通データである第3の現在交通データとを用いて、前記各地点における事故の発生しやすさを予報することを含む、請求項4に記載の事故発生予報方法。 - 前記作成ステップは、前記第1の過去交通データおよび前記第2の過去交通データとして、交通量、車両密度、占有率、車両の速度、および天候情報のうち1以上を用いて前記学習を行うことを含み、
前記取得ステップは、前記第1の現在交通データおよび前記第2の現在交通データとして、交通量、車両密度、占有率、車両の速度、および天候情報のうち1以上を取得することを含む、請求項4に記載の事故発生予報方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015214599A JP2017084268A (ja) | 2015-10-30 | 2015-10-30 | 事故発生予報システム、および事故発生予報方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015214599A JP2017084268A (ja) | 2015-10-30 | 2015-10-30 | 事故発生予報システム、および事故発生予報方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017084268A true JP2017084268A (ja) | 2017-05-18 |
Family
ID=58710982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015214599A Pending JP2017084268A (ja) | 2015-10-30 | 2015-10-30 | 事故発生予報システム、および事故発生予報方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017084268A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018198026A (ja) * | 2017-05-25 | 2018-12-13 | 株式会社東芝 | 事故予報システム、および、事故予報方法 |
JP2019114094A (ja) * | 2017-12-25 | 2019-07-11 | 株式会社東芝 | 道路交通管制装置、および、自動運転車両制御方法 |
CN110009151A (zh) * | 2019-04-02 | 2019-07-12 | 上海麦图信息科技有限公司 | 一种石油钻井事故时间的标注方法 |
CN112530163A (zh) * | 2020-11-23 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
JP2021060632A (ja) * | 2019-10-02 | 2021-04-15 | 株式会社東芝 | 交通管制システムおよび情報提供方法 |
JP7534869B2 (ja) | 2020-05-18 | 2024-08-15 | 株式会社オリエンタルコンサルタンツ | 事故予測方法、コンピュータプログラム及び事故予測装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07254099A (ja) * | 1994-03-16 | 1995-10-03 | Toshiba Corp | 道路交通における突発事象検出装置 |
JP2002190090A (ja) * | 2000-10-13 | 2002-07-05 | Sumitomo Electric Ind Ltd | 交通流の異常検知装置及び方法(スペクトル) |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
JP2014035639A (ja) * | 2012-08-08 | 2014-02-24 | Toshiba Corp | 交通事故発生予報装置、方法およびプログラム |
US20140114556A1 (en) * | 2012-10-23 | 2014-04-24 | University Of Southern California | Traffic prediction using real-world transportation data |
-
2015
- 2015-10-30 JP JP2015214599A patent/JP2017084268A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07254099A (ja) * | 1994-03-16 | 1995-10-03 | Toshiba Corp | 道路交通における突発事象検出装置 |
JP2002190090A (ja) * | 2000-10-13 | 2002-07-05 | Sumitomo Electric Ind Ltd | 交通流の異常検知装置及び方法(スペクトル) |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
JP2014035639A (ja) * | 2012-08-08 | 2014-02-24 | Toshiba Corp | 交通事故発生予報装置、方法およびプログラム |
US20140114556A1 (en) * | 2012-10-23 | 2014-04-24 | University Of Southern California | Traffic prediction using real-world transportation data |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018198026A (ja) * | 2017-05-25 | 2018-12-13 | 株式会社東芝 | 事故予報システム、および、事故予報方法 |
JP2021119532A (ja) * | 2017-05-25 | 2021-08-12 | 株式会社東芝 | 事故予報システム、および、事故予報方法 |
JP7225303B2 (ja) | 2017-05-25 | 2023-02-20 | 株式会社東芝 | 事故予報システム、および、事故予報方法 |
JP2019114094A (ja) * | 2017-12-25 | 2019-07-11 | 株式会社東芝 | 道路交通管制装置、および、自動運転車両制御方法 |
CN110009151A (zh) * | 2019-04-02 | 2019-07-12 | 上海麦图信息科技有限公司 | 一种石油钻井事故时间的标注方法 |
JP2021060632A (ja) * | 2019-10-02 | 2021-04-15 | 株式会社東芝 | 交通管制システムおよび情報提供方法 |
JP7534869B2 (ja) | 2020-05-18 | 2024-08-15 | 株式会社オリエンタルコンサルタンツ | 事故予測方法、コンピュータプログラム及び事故予測装置 |
CN112530163A (zh) * | 2020-11-23 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017084268A (ja) | 事故発生予報システム、および事故発生予報方法 | |
Yao et al. | Short‐term traffic speed prediction for an urban corridor | |
Gu et al. | An improved Bayesian combination model for short-term traffic prediction with deep learning | |
Ata et al. | Modelling smart road traffic congestion control system using machine learning techniques | |
EP3035314B1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
Yin et al. | A prediction model of bus arrival time at stops with multi-routes | |
JP5070574B2 (ja) | 局所交通量予測プログラム生成装置、局所交通量予測装置、局所交通量予測プログラム生成方法、局所交通量予測方法及びプログラム | |
JP2019211814A (ja) | 渋滞予測装置、および、渋滞予測方法 | |
Haijema et al. | Traffic responsive control of intersections with predicted arrival times: a Markovian approach | |
Cebecauer et al. | Integrated framework for real‐time urban network travel time prediction on sparse probe data | |
WO2017033443A1 (ja) | 渋滞予測システム、渋滞予測方法、及び、記録媒体 | |
JP2017215759A (ja) | 事故予報システム、および、事故予報方法 | |
Kamel et al. | Transportation big data simulation platform for the greater toronto area (GTA) | |
JP7313820B2 (ja) | 交通状況予測装置、および交通状況予測方法 | |
Heshami et al. | A queue length estimation and prediction model for long freeway off-ramps | |
Gomes et al. | A survey on traffic flow prediction and classification | |
JP6685763B2 (ja) | 事故予報システム、および事故予報方法 | |
JP2014191765A (ja) | 渋滞予測装置 | |
KR102082341B1 (ko) | 베이지안 네트워크 기반의 교통상태 예측 시스템 및 그것의 동작 방법 | |
Du et al. | Online stochastic routing incorporating real-time traffic information | |
Goparaju et al. | Optimization and Performance Evaluation of Hybrid Deep Learning Models for Traffic Flow Prediction | |
JP3975004B2 (ja) | 交通流データ予測装置および交通流データ予測方法 | |
Hoogendoorn et al. | A novel calibration approach of microscopic pedestrian models | |
JP6856349B2 (ja) | 事故予報システム、および、事故予報方法 | |
Leal | Traffic Analysis and Prediction in Urban Areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170911 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170912 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180808 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190806 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200218 |