JP2018067116A - 事故予報システム、および、事故予報方法 - Google Patents
事故予報システム、および、事故予報方法 Download PDFInfo
- Publication number
- JP2018067116A JP2018067116A JP2016204790A JP2016204790A JP2018067116A JP 2018067116 A JP2018067116 A JP 2018067116A JP 2016204790 A JP2016204790 A JP 2016204790A JP 2016204790 A JP2016204790 A JP 2016204790A JP 2018067116 A JP2018067116 A JP 2018067116A
- Authority
- JP
- Japan
- Prior art keywords
- accident
- unit
- degree
- traffic data
- occurrence
- 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
Images
Abstract
Description
Na≠0、かつ、|ΔV|≠0のとき、
γ=MIN(1,k×(√(Na/N))/(|ΔV|/|Vs|))
つまり、γは、「1」と「k×(√(Na/N))/(|ΔV|/|Vs|)」のうち、小さいほうの値である。
2 道路交通管制装置
3 事故予報用テーブル作成装置
21 処理部
22 記憶部
23 表示部
24 入力部
211 データ取得処理部
212 事故予報処理部
213 受信処理部
214 表示制御部
221 現在データベース
222 事故予報用テーブルデータベース
31 処理部
32 記憶部
33 表示部
34 入力部
311 事故予報用テーブル作成処理部
312 送信処理部
321 過去データベース
322 事故予報用テーブルデータベース
RS 道路センサ部
Claims (6)
- 道路の所定の区間について、交通データが入力ベクトルとして入力される入力層と、前記入力ベクトルの各ユニットに対応した複数のユニットからなる競合層と、前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を有する学習アルゴリズムである自己組織化マップに基づいて、事故データを含む過去交通データを用いて事故発生パターンを学習して、前記競合層のユニットごとに対応した、事故の発生しやすさを示す事故発生度と、事故予報時の入力ベクトルと前記競合層の勝者ユニットの重みベクトルとの乖離度に応じて前記事故発生度を調整するための調整係数と、を含む事故予報用テーブルを作成する事故予報用テーブル作成処理部と、
前記区間について、交通状況を計測するセンサから現在交通データを取得するデータ取得処理部と、
前記事故予報用テーブルを用いて、前記現在交通データからなる入力ベクトルに対する前記競合層の勝者ユニットに対応する事故発生度を、当該入力ベクトルと前記勝者ユニットの重みベクトルの乖離度と、前記勝者ユニットに対応した前記調整係数と、を用いて調整し、当該調整した事故発生度を出力する事故予報処理部と、
を備える事故予報システム。 - 前記事故予報用テーブル作成処理部は、前記競合層のユニットごとに対応した前記調整係数を設定する際、前記事故予報時に、前記乖離度が大きいほど前記事故発生度を大きく減少させるとともに、対応する前記競合層のユニットについて前記学習に用いた前記過去交通データにおける前記事故データの割合が小さいほど前記事故発生度を大きく減少させるように、前記調整係数を設定する、請求項1に記載の事故予報システム。
- 前記調整係数は、前記事故予報時に前記事故発生度に乗算されるもので、前記乖離度に応じて変化する値であり、
前記事故予報用テーブル作成処理部は、前記競合層のユニットごとに対応した前記調整係数を設定する際、対応する前記競合層のユニットについて前記学習に用いた前記過去交通データのうち当該ユニットの重みベクトルからの乖離度が最も大きい過去交通データの乖離度を境に不連続に値が変わるように設定する、請求項2に記載の事故予報システム。 - 道路の所定の区間について、交通データが入力ベクトルとして入力される入力層と、前記入力ベクトルの各ユニットに対応した複数のユニットからなる競合層と、前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を有する学習アルゴリズムである自己組織化マップに基づいて、事故データを含む過去交通データを用いて事故発生パターンを学習して、前記競合層のユニットごとに対応した、事故の発生しやすさを示す事故発生度と、事故予報時の入力ベクトルと前記競合層の勝者ユニットの重みベクトルとの乖離度に応じて前記事故発生度を調整するための調整係数と、を含む事故予報用テーブルを作成する事故予報用テーブル作成処理ステップと、
前記区間について、交通状況を計測するセンサから現在交通データを取得するデータ取得処理ステップと、
前記事故予報用テーブルを用いて、前記現在交通データからなる入力ベクトルに対する前記競合層の勝者ユニットに対応する事故発生度を、当該入力ベクトルと前記勝者ユニットの重みベクトルの乖離度と、前記勝者ユニットに対応した前記調整係数と、を用いて調整し、当該調整した事故発生度を出力する事故予報処理ステップと、
を含む事故予報方法。 - 前記事故予報用テーブル作成処理ステップは、前記競合層のユニットごとに対応した前記調整係数を設定する際、前記事故予報時に、前記乖離度が大きいほど前記事故発生度を大きく減少させるとともに、対応する前記競合層のユニットについて前記学習に用いた前記過去交通データにおける前記事故データの割合が小さいほど前記事故発生度を大きく減少させるように、前記調整係数を設定する、請求項4に記載の事故予報方法。
- 前記調整係数は、前記事故予報時に前記事故発生度に乗算されるもので、前記乖離度に応じて変化する値であり、
前記事故予報用テーブル作成処理ステップは、前記競合層のユニットごとに対応した前記調整係数を設定する際、対応する前記競合層のユニットについて前記学習に用いた前記過去交通データのうち当該ユニットの重みベクトルからの乖離度が最も大きい過去交通データの乖離度を境に不連続に値が変わるように設定する、請求項5に記載の事故予報方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016204790A JP6856349B2 (ja) | 2016-10-19 | 2016-10-19 | 事故予報システム、および、事故予報方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016204790A JP6856349B2 (ja) | 2016-10-19 | 2016-10-19 | 事故予報システム、および、事故予報方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018067116A true JP2018067116A (ja) | 2018-04-26 |
JP6856349B2 JP6856349B2 (ja) | 2021-04-07 |
Family
ID=62087173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016204790A Active JP6856349B2 (ja) | 2016-10-19 | 2016-10-19 | 事故予報システム、および、事故予報方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6856349B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264711A (zh) * | 2019-05-29 | 2019-09-20 | 北京世纪高通科技有限公司 | 一种交通事故概率的确定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010039992A (ja) * | 2008-08-08 | 2010-02-18 | Toyota Central R&D Labs Inc | 運転支援装置及びプログラム |
US20130253808A1 (en) * | 2012-03-23 | 2013-09-26 | International Business Machines Corporation | Estimating Incident Duration |
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 |
JP2014164524A (ja) * | 2013-02-25 | 2014-09-08 | East Nippon Expressway Co Ltd | 車両事故予測(危険走行車両検出)装置 |
JP2016130966A (ja) * | 2015-01-14 | 2016-07-21 | 株式会社デンソーアイティーラボラトリ | 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム |
-
2016
- 2016-10-19 JP JP2016204790A patent/JP6856349B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010039992A (ja) * | 2008-08-08 | 2010-02-18 | Toyota Central R&D Labs Inc | 運転支援装置及びプログラム |
US20130253808A1 (en) * | 2012-03-23 | 2013-09-26 | International Business Machines Corporation | Estimating Incident Duration |
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 |
JP2014164524A (ja) * | 2013-02-25 | 2014-09-08 | East Nippon Expressway Co Ltd | 車両事故予測(危険走行車両検出)装置 |
JP2016130966A (ja) * | 2015-01-14 | 2016-07-21 | 株式会社デンソーアイティーラボラトリ | 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264711A (zh) * | 2019-05-29 | 2019-09-20 | 北京世纪高通科技有限公司 | 一种交通事故概率的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6856349B2 (ja) | 2021-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11715369B2 (en) | Latent space model for road networks to predict time-varying traffic | |
US10671086B2 (en) | Generation of trip estimates using real-time data and historical data | |
US20230036879A1 (en) | Object movement behavior learning | |
CN110637213B (zh) | 用于数字路径规划的系统和方法 | |
Zhang et al. | A gradient boosting method to improve travel time prediction | |
US9365287B2 (en) | Methods and systems for aircraft guidance | |
EP3035314A1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
US9640071B2 (en) | Method and apparatus for identifying a bi-modality condition upstream of diverging road segments | |
US20160021512A1 (en) | Systems and methods for indoor location services | |
JP4506663B2 (ja) | 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム | |
CN112561191A (zh) | 预测模型的训练、预测方法、装置、设备、程序和介质 | |
CN109032145A (zh) | 对多机器人路径的调度方法及装置 | |
WO2022142574A1 (zh) | 流量预测模型的训练方法、装置和电子设备 | |
NL2029848B9 (en) | Dynamic selection of autonomous vehicle stopping points | |
JP2017215759A (ja) | 事故予報システム、および、事故予報方法 | |
JP2017084268A (ja) | 事故発生予報システム、および事故発生予報方法 | |
JP2021119532A (ja) | 事故予報システム、および、事故予報方法 | |
JP6856349B2 (ja) | 事故予報システム、および、事故予報方法 | |
US10557713B1 (en) | Generation of trip estimates using real-time data and historical data | |
JP6685763B2 (ja) | 事故予報システム、および事故予報方法 | |
CN113706857B (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
CN116451862A (zh) | 模型训练方法和装置、交通事件发生概率评估方法和装置 | |
Guo | Short-term traffic prediction under normal and abnormal conditions | |
Faqir et al. | Combined extreme learning machine and max pressure algorithms for traffic signal control | |
JP2022012418A (ja) | 事故予報システム、および事故予報方法 |
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: 20190909 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201106 |
|
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: 20210216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6856349 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |