JP2018073322A - 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 - Google Patents
旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 Download PDFInfo
- Publication number
- JP2018073322A JP2018073322A JP2016215968A JP2016215968A JP2018073322A JP 2018073322 A JP2018073322 A JP 2018073322A JP 2016215968 A JP2016215968 A JP 2016215968A JP 2016215968 A JP2016215968 A JP 2016215968A JP 2018073322 A JP2018073322 A JP 2018073322A
- Authority
- JP
- Japan
- Prior art keywords
- travel
- data
- travel time
- past
- time
- 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
Abstract
【課題】交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制する。【解決手段】旅行時間予測装置において用いられる旅行時間予測プログラムであって、コンピュータを、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部、として機能させるためのプログラムである。【選択図】図1
Description
本発明は、旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法に関する。
最近の交通需要の増大、ならびにインターネットおよび携帯電話などの情報伝達媒体の普及に伴い、交通情報の提供に対するニーズが高まっている。交通情報のうち、走行車両が道路区間を走行するのに要する時間である旅行時間の情報は、交通渋滞の把握、ならびに目的地に到達する最短経路および迂回経路の算出等に有用である。
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るため、未然に交通渋滞を回避することができる。
そこで、交通計測により収集した過去の旅行時間のデータを用いて、将来の旅行時間を予測する方法が提案されている。このような方法の一例として、たとえば、特開2001−126180号公報(特許文献1)には、以下のような構成が開示されている。すなわち、走行所要時間情報演算システムは、各料金所から収集する料金所データから走行所要時間を演算し保存する走行時間演算手段と、この走行時間演算手段で保存された走行所要時間を用いて走行所要時間パターンを作成し蓄積するパターン作成手段と、前記走行時間演算手段で保存された走行所要時間をもとに、パターン作成手段で蓄積された走行所要時間パターンの中から類似パターンを検索して走行所要時間を予測する時間予測手段と、この時間予測手段で予測された走行所要時間予測値から走行所要時間情報を作成する走行時間情報作成手段とを備える。
また、特開2005−196238号公報(特許文献2)には、以下のような方法が開示されている。すなわち、旅行時間予測方法は、次の(a)から(e)までの手順を含む。(a)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する。(b)前記道路区間について、当日と同じ交通条件の日の、過去に収集された複数の旅行時間統計データを取得する。(c)前記(b)で取得された旅行時間統計データの中から、前記旅行時間実測データと時間変動傾向の類似した旅行時間統計データを複数選択する。(d)前記(c)で選択された複数の旅行時間統計データの、現在時刻以後のデータに対して、分布からかけ離れたデータを除外する。(e)前記除外されなかった残りの現在時刻以後の旅行時間統計データに基づき、それらのデータを代表するデータ列を作成し、当日の現在時刻の旅行時間実測データとの差または比に基づいて、現在時刻以後の旅行時間予測データを求める。
このような旅行時間の予測を行う場合、たとえば渋滞のボトルネックとなる道路区間または渋滞の末尾を含む道路区間において、渋滞発生または渋滞解消の予測が遅延することがある。
しかしながら、特許文献1および2には、このような問題を解決するための構成は開示されていない。
図12は、従来技術の課題を説明するための図である。図12において、横軸は時刻を示し、縦軸は旅行時間を示す。また、グラフG1は過去の旅行時間を示し、グラフG2は当日の旅行時間を示す。
図12を参照して、グラフG1の示す当日の旅行時間のデータは、過去の広い時間帯SCにおける旅行時間のデータと類似している。このため、渋滞が発生する直前であっても、過去のデータのうち、渋滞発生時刻から離れた時刻のデータを選択してしまう可能性がある。
この発明は、上述の課題を解決するためになされたもので、その目的は、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することが可能な旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法を提供することである。
(1)上記課題を解決するために、この発明のある局面に係わる旅行時間予測プログラムは、旅行時間予測装置において用いられる旅行時間予測プログラムであって、コンピュータを、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部、として機能させるためのプログラムである。
(5)上記課題を解決するために、この発明のある局面に係わる旅行時間予測装置は、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部とを備える。
(6)上記課題を解決するために、この発明のある局面に係わる旅行時間予測方法は、旅行時間予測装置における旅行時間予測方法であって、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得するステップと、取得した前記複数の過去走行データの中から、取得した前記対象日走行データに類似する1または複数の前記過去走行データを選択するステップと、選択した前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測するステップとを含む。
本発明は、旅行時間予測装置の一部または全部を実現する半導体集積回路として実現したり、旅行時間予測装置を含むシステムとして実現したりすることができる。
本発明によれば、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することができる。
最初に、本発明の実施形態の内容を列記して説明する。
(1)本発明の実施の形態に係る旅行時間予測プログラムは、旅行時間予測装置において用いられる旅行時間予測プログラムであって、コンピュータを、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部、として機能させるためのプログラムである。
このように、走行データとして、道路区間における旅行時間に加えて停止位置を収集し、この情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、旅行時間が変化し始めるよりも前に交通量の増減を把握することができるため、交通量の増減の影響による旅行時間の増減をより早期かつ正確に予測可能となる。したがって、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することができる。
(2)好ましくは、前記取得部は、前記道路区間の前記対象日の車両の停止回数をさらに示す前記対象日走行データ、および前記道路区間の過去の車両の停止回数をさらに示す前記過去走行データを取得する。
このように、走行データとして、道路区間における旅行時間および停止位置に加えて停止回数を収集し、これらの情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、交通量の増減をより早期かつ正確に把握することができる。
(3)好ましくは、前記取得部によって取得される前記過去走行データの1日における始期は、現在時刻に基づく時刻である。
このような構成により、対象日走行データに類似する過去走行データとして有意なデータを効率的に取得することができる。
(4)好ましくは、前記取得部は、対象位置から前記道路区間の下流側における車両の停止位置を示す前記対象日走行データおよび前記過去走行データを取得し、前記対象位置は、1回の青時間で各車両が信号を通過可能な前記各車両の待機位置であって一部または全部が前記道路区間に含まれる待機位置よりも上流側である。
このような構成により、交通量の増減を把握可能なデータ収集範囲を確保しながら、交通量の増減が旅行時間の増減に表れやすいデータ収集範囲を除外し、効率的なデータ取得が可能となる。
(5)本発明の実施の形態に係る旅行時間予測装置は、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部とを備える。
このように、走行データとして、道路区間における旅行時間に加えて停止位置を収集し、この情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、旅行時間が変化し始めるよりも前に交通量の増減を把握することができるため、交通量の増減の影響による旅行時間の増減をより早期かつ正確に予測可能となる。したがって、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することができる。
(6)本発明の実施の形態に係る旅行時間予測方法は、旅行時間予測装置における旅行時間予測方法であって、道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得するステップと、取得した前記複数の過去走行データの中から、取得した前記対象日走行データに類似する1または複数の前記過去走行データを選択するステップと、選択した前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測するステップとを含む。
このように、走行データとして、道路区間における旅行時間に加えて停止位置を収集し、この情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、旅行時間が変化し始めるよりも前に交通量の増減を把握することができるため、交通量の増減の影響による旅行時間の増減をより早期かつ正確に予測可能となる。したがって、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することができる。
以下、本発明の実施の形態について図面を用いて説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。また、以下に記載する実施の形態の少なくとも一部を任意に組み合わせてもよい。
図1は、本発明の実施の形態に係る旅行時間予測装置の構成を示す図である。
図1を参照して、旅行時間予測装置101は、取得部11と、記憶部12と、選択部13と、予測部14と、処理部15とを備える。
取得部11は、対象の道路区間Lにおける車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに道路区間Lにおける車両の過去の日の旅行時間および停止位置を示す複数の過去走行データを取得する。
たとえば、取得部11は、道路区間Lの対象日の車両の停止回数をさらに示す対象日走行データ、および道路区間Lの過去の車両の停止回数をさらに示す複数の過去走行データを取得する。
より詳細には、取得部11は、たとえば、図示しない車載装置からプローブ情報を受信する。
車載装置は、プローブ情報を生成するコンピュータとしての機能および通信機能を備えている。車載装置は、自己を搭載したプローブ車両の走行により取得した情報を含むプローブ情報を作成し、作成したプローブ情報を、携帯電話回線等の無線通信回線を介して図示しない中央装置へ送信する。
プローブ情報の収集周期は、たとえば数秒である。車載装置は、収集したプローブ情報を送信周期に従って中央装置へ送信する。この送信周期は、収集周期と同じであってもよいし、1分など収集周期よりも長く設定して複数の時刻のプローブ情報をまとめて車載装置から送信してもよい。プローブ情報が中央装置によって収集される場合、取得部11は、中央装置からたとえばネットワーク経由でプローブ情報を受信する。
プローブ情報は、プローブ車両の走行位置すなわち現在位置、当該走行位置の通過時刻、およびプローブ車両の識別情報すなわち車両ID等を含む情報である。
車載装置はGPS(Global Positioning System)機能を有しており、プローブ車両の位置は、車載装置が備えるGPS受信機によって受信したGPS信号に基づいて算出される。また、車載装置は、時計機能を有しており、各位置の通過時刻に関する時刻情報を取得可能である。
取得部11は、道路区間Lを走行したプローブ車両のプローブ情報から、プローブ車両が道路区間Lの一端を通過した時刻、および道路区間Lの他端を通過した時刻を求める。そして、取得部11は、求めた各時刻から、道路区間Lを走行するのに要した時間である旅行時間を求める。
図2は、本発明の実施の形態に係る旅行時間予測装置による車両の停止位置および停止回数の取得方法を説明するための図である。
図2を参照して、取得部11は、対象位置Pから道路区間Lの下流側における車両の停止位置および停止回数を示す対象日走行データおよび過去走行データを取得する。取得部11は、道路区間Lを走行したプローブ車両のプローブ情報に基づいて、以下のように車両の停止位置および停止回数を取得する。
より詳細には、取得部11は、道路区間Lの下流端DEから所定の距離上流の対象位置Pから下流端DEまでの間の走行位置のうち、車両の走行速度が停止判定閾値未満であり、かつ直前の収集周期の走行位置における速度が停止判定閾値以上である走行位置を停止位置として取得する。ここで、停止判定閾値は、たとえば10km/hである。
また、取得部11は、対象位置Pから道路区間Lの下流端DEまでの間の停止位置の数を停止回数として取得する。
また、取得部11は、対象位置Pから道路区間Lの下流端DEまでの間において最も上流にある停止位置から下流端DEまでの距離を停止位置距離として取得する。すなわち、取得部11は、信号等によって最初に停止した位置を、停止位置距離の基準位置とする。
具体的には、図2において、信号2によって最初に位置SP1に停止し、信号2を通過できずに位置SP2に停止した車両の場合、停止位置距離の基準位置はSP1であり、停止位置距離はDである。なお、取得部11は、車両の停止回数が0回の場合、たとえば、停止位置距離を−1等の無効値とする。
対象位置Pは、1回の青時間で各車両が信号を通過可能な当該各車両の待機位置であって一部または全部が道路区間Lに含まれる待機位置よりも上流側である。
具体的には、対象位置Pは、図2に示すように、道路区間Lの下流端DEの信号2の信号待ちのために車両の待ち行列が発生した場合に、次の青信号で下流端DEを通過可能である最上流の位置、たとえば下流端DEから車両25台分の距離Rにある位置よりもさらに上流であることが好ましい。この場合、距離Rは、たとえば150mであり、対象位置Pは、下流端DEから200mの位置である。なお、対象位置Pは、道路区間Lの上流端UEよりも上流の位置に設定してもよい。
取得部11は、旅行時間、停止回数および停止位置距離の走行データを、道路区間ごとかつ時間帯ごとに記憶部12に保存する。
なお、取得部11は、プローブ情報を用いて旅行時間、停止回数および停止位置距離を取得する構成に限らず、たとえば特許文献2の段落[0017]〜[0019]に記載されている計測手段を用いて、旅行時間、停止回数および停止位置距離を取得してもよい。
また、取得部11は、たとえば特許文献2の段落[0017]〜[0019]に記載されている方法を用いて、複数の車両の旅行時間、停止位置および停止回数のうちの少なくともいずれか1つについて平均化等の数値処理を行ってもよい。
[動作の流れ]
旅行時間予測装置101は、コンピュータを備え、当該コンピュータにおけるCPU等の演算処理部は、以下のフローチャートの各ステップの一部または全部を含むプログラムを図示しないメモリから読み出して実行する。このプログラムは、外部からインストールすることができる。このプログラムは、記録媒体に格納された状態で流通する。
旅行時間予測装置101は、コンピュータを備え、当該コンピュータにおけるCPU等の演算処理部は、以下のフローチャートの各ステップの一部または全部を含むプログラムを図示しないメモリから読み出して実行する。このプログラムは、外部からインストールすることができる。このプログラムは、記録媒体に格納された状態で流通する。
図3は、本発明の実施の形態に係る旅行時間予測装置が旅行時間を予測する際の動作手順を定めたフローチャートである。
選択部13は、取得部11によって取得された複数の過去走行データの中から、取得部11によって取得された対象日走行データに類似する1または複数の過去走行データを選択する。
予測部14は、選択部13によって選択された過去走行データの示す旅行時間に基づいて、対象日走行データ以降の対象日の旅行時間を予測する。
具体的には、図3を参照して、まず、選択部13は、管轄道路の中から予測すべき道路区間Lの指定を受け付ける。この指定は、旅行時間予測装置101の外部から行われてもよいし、旅行時間予測装置101が自律的に行ってもよい。そして、選択部13は、対象日と同じ月日、曜日、天候、および催事の有無などを満たす日(以下、比較日とも称する。)を検索し、比較日の時間帯、たとえば5分間ごとの過去走行データを記憶部12から抽出する(ステップS1)。
ここで、月日、曜日、天候、および催事の有無など、旅行時間およびその分布に影響を与える条件を「交通条件」と称する。
交通条件が同じ日であれば、当該日に事故、道路工事および異常気象などの突発的な事象が起こらなかった限り、旅行時間およびその分布が類似すると考えられる。このため、交通条件の同じ日の走行データを抽出する構成により、旅行時間を精度良く予測することができる。
たとえば、「1月1日」という特異な日の旅行時間を予想したい場合、経験上、「月日」が交通条件の最大の要素となるので、去年の1月1日、一昨年の1月1日といった過去走行データを抽出する。また、対象日が「雨の金曜日」であることに注目するならば、前回雨であった金曜日、前々回雨であった金曜日などの過去走行データを抽出する(ステップS2)。
次に、選択部13は、対象日に収集された走行データである対象日走行データを記憶部12から読み出す。これにより、指定された道路区間Lについて、現在時刻に至るまでの時間帯、たとえば5分間ごとの時系列データが得られる(ステップS3)。
次に、選択部13は、抽出した過去走行データの中から、対象日走行データと時間変動の傾向すなわちパターンまたはトレンドの類似する過去走行データを1または複数選択する。
ここで、たとえば、取得部11によって取得される過去走行データの1日における始期は、現在時刻の前後1時間等、現在時刻に基づく時刻である(ステップS4)。この選択方法については後述する。
次に、選択部13は、選択した過去走行データの現在時刻以降の時刻(以下、将来時刻とも称する。)に注目し、将来時刻において、平均的傾向からかけ離れたデータ部分を除外する。これは、比較日に事故、道路工事および異常気象などの突発的な事象が起こって旅行時間に異常値が現れた場合に、当該比較日の過去走行データを除外するためである。この除外処理も後述する。選択部13は、除外後の過去走行データを予測部14へ出力する(ステップS5)。
次に、予測部14は、選択部13から受けた各過去走行データに基づいて、各過去走行データの旅行時間を代表するデータ(以下、代表データとも称する。)を算出する。予測部14は、たとえば、各過去走行データの旅行時間の、単純平均値を代表データとするか、重み付け平均値を代表データとするか、または中央値を代表データとする(ステップS6)。
次に、予測部14は、たとえば、代表データの現在時刻の旅行時間に対する、対象日走行データの現在時刻の旅行時間との差または比を算出し、算出した差または比に基づいて、対象日の将来時刻の旅行時間を算出する(ステップS7)。
なお、図3において、ステップS2およびステップS3の順番を入れ替えてもよい。
次に、図3に示すフローチャートに示す処理の内容を、具体例をあげて詳しく説明する。
対象日の旅行時間をT0(j)とする。添え字“0”は対象日であることを表す。また、比較日の旅行時間をTk(j)とする。
たとえば、添え字kが“1”であれば交通条件が同じである前日を表し、添え字kが“2”であれば交通条件が同じである前々日を表す。k=1,...,Nである。ここで、Nは2以上の整数であり、選択部13によって抽出された過去走行データの総数である。
また、括弧内の“j”は時間帯を表す。たとえば、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である。
同様に、対象日の停止回数をS0(j)とし、比較日の停止回数をSk(j)とする。また、対象日の停止位置距離をR0(j)とし、比較日の停止位置距離をRk(j)とする。
そして、旅行時間、停止回数および停止位置距離を1つのベクトルにまとめ、対象日走行データU0(j)=(T0(j),S0(j),R0(j))および過去走行データUk(j)=(Tk(j),Sk(j),Rk(j))を作成する。
図4は、対象日走行データの旅行時間および過去走行データの旅行時間の時間推移の一例を示す図である。
図4は、対象日走行データの旅行時間T0(j)と、選択部13によって抽出された過去走行データの旅行時間T1(j),T2(j),...,TN(j)とを描いたグラフである。図4では、現在時刻および現在時刻以前の時間帯j=0,−1,−2,・・・のデータのみを描いている。
ここで、たとえば、対象日走行データの旅行時間T0(j)および過去走行データの旅行時間T1(j),T2(j),...,TN(j)は、平滑化されたデータを用いる。平滑化されたデータを用いることにより、変動を抑えることができる。
平滑化方法として、当該時間帯を含む過去の範囲の時刻にわたって平均がとられたデータを用いることが好ましい。過去の範囲の時刻にわたって平均をとるのは、対象日走行データの旅行時間T0(j)は過去のデータしか収集できないので、将来の時刻にわたって平均をとることができないからである。
平滑化として、たとえば、指数平滑を採用する。指数平滑とは、今回のデータと前回のデータとを重み付けして加算することにより平滑化する方法である。前回のデータも、前々回のデータの重みがかかっているので、過去の履歴を引きずったデータとなる。
停止回数および停止位置距離についても、上記のような旅行時間と同様の平滑化が可能である。
次に、対象日走行データU0(j)と、時間変動の傾向すなわちパターンまたはトレンドの類似する過去走行データU1(j),U2(j),...を選択する。この類似するかどうかの判定には、過去走行データUk(j)ごとに、以下のような距離についての評価関数F(k)を作成する。kは、1からNまでのいずれかの整数である。
F(k)={Σ[U0(j)−Uk(j)]2}1/2
F(k)={Σ[U0(j)−Uk(j)]2}1/2
ここで、総和Σは、現在時刻j=0から、過去に遡った所定の時刻、たとえば対象日の始まりまたは早朝の時刻までの総和である。過去走行データUk(j)ごとのF(k)がそれぞれ小さいほど、U0(j)とUk(j)との距離が短く、時間変動の傾向すなわちパターンまたはトレンドが類似する。
また、他の評価関数として、傾きについての評価関数G(k)を採用してもよい。
G(k)={Σ[(U0(j)−U0(j−1))−(Uk(j)−Uk(j−1))]2}1/2
G(k)={Σ[(U0(j)−U0(j−1))−(Uk(j)−Uk(j−1))]2}1/2
ここで、総和Σは、現在時刻j=0から、過去に遡った所定の時刻までの総和である。G(k)が小さいほどU0(j)の傾きとUk(j)の傾きとが近いので、時間変動の傾向すなわちパターンまたはトレンドが類似する。
また、評価関数F(k)とG(k)との線形和H(k)を評価関数としてもよい。
H(k)=αF(k)+βG(k)
H(k)=αF(k)+βG(k)
以上のような評価関数の値(以下、評価値とも称する。)がしきい値よりも小さい過去走行データUk(j)を、1または複数選択する。しきい値よりも大きい過去走行データは除外する。
図5は、しきい値を固定した場合の過去走行データUk(j)の個数分布を示す図である。
図5に示すグラフにおいて、横軸は評価値を示し、縦軸は個数を示す。選択部13は、しきい値よりも小さい過去走行データUk(j)を選択する。
図6は、しきい値を変数とした場合の過去走行データUk(j)の個数分布を示す図である。図6の見方は図5と同様である。
図6に示す例では、最も評価値の小さい過去走行データUk(j)の評価値aに定数rを乗算した値raをしきい値としている。
このようにして、対象日走行データとパターンまたはトレンドの類似する1または複数の過去走行データが選択される。選択された過去走行データUk(j)の個数をMとする。Mは、1以上の整数である。
図7は、対象日走行データの旅行時間および選択された過去走行データの旅行時間の一例を示す図である。図8は、対象日走行データの停止位置および選択された過去走行データの停止位置の一例を示す図である。図9は、対象日走行データの停止回数および選択された過去走行データの停止回数の一例を示す図である。図7〜図9に示すグラフにおいて、横軸は時刻を示し、縦軸は旅行時間、停止位置および停止回数をそれぞれ示す。
図7〜図9は、それぞれ、対象日走行データの旅行時間T0(j)、停止位置R0(j)および停止回数S0(j)と、対象日走行データU0(j)とパターンまたはトレンドが類似するとして選択された過去走行データの旅行時間T1(j),T2(j),・・,TM(j)、停止位置R1(j),R2(j),・・,RM(j)および停止回数S1(j),S2(j),・・,SM(j)を描いたグラフである。
図10は、対象日走行データの旅行時間および選択された過去走行データの旅行時間の他の例を示す図である。図10に示すグラフにおいて、横軸は時刻を示し、縦軸は旅行時間を示す。
図10は、対象日走行データの旅行時間T0(j)と、対象日走行データU0(j)とパターンまたはトレンドが類似するとして選択された過去走行データの旅行時間T1(j),T2(j),・・,TM(j)を描いたグラフである。図10では、現在時刻および現在時刻以降の時間帯j=0,1,2,・・・のデータを主に描いている。
ここで、たとえば、過去走行データの旅行時間T1(j),T2(j)等は、平滑化されたデータを用いる。平滑化されたデータを用いることにより、変動を抑えることができる。
平滑化方法として、当該時間帯を含む前後の範囲の時刻にわたって平均をとることが望ましく、たとえば移動平均を算出する。移動平均とは、今回のデータと当該データの前後一定数のデータとを重み付けして加算することにより平滑化する方法である。過去走行データは、すでに全時刻にわたって取得され蓄積されているデータであるので、平均を算出するにあたって、将来時刻のデータも含めることができる。
次に、選択された過去走行データに対して、一例として、現在時刻以降の値に基づいた処理を行う。
まず、将来時刻において、選択された過去走行データの旅行時間T1(j),T2(j),・・,TM(j)の平均を算出する。図10では、この平均をとった旅行時間を平均過去旅行時間Tm(j)として太線で描いている。図7に示す例でも、平均過去旅行時間Tm(j)が太線で描かれている。
この平均過去旅行時間Tm(j)から大きく離れた過去走行データの旅行時間を予測に用いると予測精度の低下につながるので、平均過去旅行時間Tm(j)から大きく離れた部分を除外する。そこで、以下のような、時間帯jにおける偏差値Y(k,j)を導入する。
Y(k,j)={[Tk(j)−Tm(j)]2/N}1/2
Y(k,j)={[Tk(j)−Tm(j)]2/N}1/2
この偏差値Y(k,j)がしきい値以上の場合、平均過去旅行時間Tm(j)から距離が離れているとして、当該時間帯jの旅行時間Tk(j)を除外する。
なお、平均過去旅行時間Tm(j)を求める際に得られる標準偏差を含む、次のような偏差値Z(k,j)を用いてもよい。
Z(k,j)=50+10[Tk(j)−Tm(j)]/(標準偏差)
Z(k,j)=50+10[Tk(j)−Tm(j)]/(標準偏差)
この偏差値Z(k,j)がたとえば30未満または70以上の場合、当該時間帯jの旅行時間Tk(j)を除外する。
平均的傾向からかけ離れたデータは、事故、道路工事および異常気象などの突発的な事象に基づくものと考えられる。このため、上記のような旅行時間を除外することにより、旅行時間の予測精度を向上させることができる。
具体的には、図10に示す例では、旅行時間T4(2)およびT4(3)などの平均過去旅行時間Tm(j)から離れたデータが除外される。
除外処理が完了すると、除外されなかった各過去走行データの旅行時間の平均を算出する。この除外されなかった各旅行時間についての平均過去旅行時間をTmd(j)とする。この平均過去旅行時間Tmd(j)は、平均的傾向からかけ離れたデータが除外されていることから、平均過去旅行時間Tm(j)よりもさらに精度がよくなっている。
次に、この精度のよい平均過去旅行時間Tmd(j)を用いて、対象日走行データの旅行時間T0(j)を、将来時刻に向かって延長する。この延長された旅行時間のデータを「旅行時間予測データ」と称する。
図11は、旅行時間予測データを求める方法の一例を説明するための図である。図11において、横軸は時刻を示し、縦軸は旅行時間を示し、破線のグラフは旅行時間予測データを示す。
図11を参照して、旅行時間予測データは、対象日走行データの旅行時間の現在値T0(0)と、平均過去旅行時間の現在値Tmd(0)との差ΔTを、平均過去旅行時間Tmd(j)に加えることにより求まる。
なお、旅行時間予測データは、差ΔTを用いる方法に限らず、たとえば、対象日走行データの旅行時間の現在値T0と、平均過去旅行時間の現在値Tmd(0)との比ΔRを、平均過去旅行時間Tmd(j)に乗算することにより求めてもよい。
以上のように、旅行時間予測装置101では、走行データとして、道路区間における旅行時間に加えて停止位置および停止回数を収集し、これらの情報に基づいて対象日走行データと過去走行データとの類否判断を行う。
ここで、交通量が増加すると、信号待ちのためにより上流で車両が停止する確率が高くなり、また、信号待ちのための車両の停止回数が増加する。旅行時間予測装置101では、このような事象を把握することが可能となり、旅行時間が変化し始めるよりも前に交通量の増減を把握することができるため、交通量の増減の影響による旅行時間の増減をより早期かつ正確に予測可能となる。
なお、本発明の実施の形態に係る旅行時間予測装置では、予測部14は、対象日の現在時刻以降の旅行時間を予測する構成であるとしたが、これに限定するものではない。予測部14は、対象日走行データに対応する時刻より後の旅行時間を予測する構成であればよく、予測範囲の始期は、たとえば、対象日の現在時刻から所定時間経過後であってもよい。また、予測範囲は、現在時刻より後の対象日の時間帯の一部であってもよい。
また、本発明の実施の形態に係る旅行時間予測装置は、データ処理の範囲が1日である構成に限らず、データ処理の範囲が日を超えてまたがる構成であってもよい。すなわち、「対象日」の範囲は1日に限らず、また、「過去」の範囲は1日に限らない。具体的には、たとえば、旅行時間予測装置101は、現在時刻が日の変わる直前である場合、データの取得範囲および予測範囲を翌日とするか、または当日および翌日にまたがる範囲とする。また、たとえば、旅行時間予測装置101は、現在時刻が日の変わった直後である場合、データの取得範囲を前日とするか、または当日および前日にまたがる範囲とする。
また、本発明の実施の形態に係る旅行時間予測装置は、データ処理の範囲が1日である構成に限らず、データ処理の範囲が日を超えてまたがる構成であってもよい。すなわち、「対象日」の範囲は1日に限らず、また、「過去」の範囲は1日に限らない。具体的には、たとえば、旅行時間予測装置101は、現在時刻が日の変わる直前である場合、データの取得範囲および予測範囲を翌日とするか、または当日および翌日にまたがる範囲とする。また、たとえば、旅行時間予測装置101は、現在時刻が日の変わった直後である場合、データの取得範囲を前日とするか、または当日および前日にまたがる範囲とする。
また、本発明の実施の形態に係る旅行時間予測装置は、道路区間における旅行時間、停止位置および停止回数を収集し、これらの情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成であるとしたが、これに限定するものではなく、道路区間における旅行時間および停止位置を収集し、これらの情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成であってもよい。
また、本発明の実施の形態に係る旅行時間予測装置では、選択部13は、対象日と交通条件が同じ日の走行データを過去走行データとして記憶部12から抽出し、抽出した過去走行データの中から、旅行時間、停止位置および停止回数に基づいて対象日走行データと類似する過去走行データを選択する構成であるとしたが、これに限定するものではない。選択部13は、交通条件を用いることなく、記憶部12における複数の走行データの中から、旅行時間、停止位置および停止回数に基づいて対象日走行データと類似する走行データを過去走行データとして抽出し、代表データの算出等を行う構成であってもよい。
また、本発明の実施の形態に係る旅行時間予測装置では、選択部13は、対象日走行データとの類否判断に用いる過去走行データの使用範囲を、現在時刻に基づく時刻を始期とする構成であるとしたが、これに限定するものではない。過去走行データの使用範囲は、現在時刻と大きく離れた時刻を始期としてもよく、時刻に関わらず、データの時間変動の傾向が類似する部分を用いることが可能である。
また、本発明の実施の形態に係る旅行時間予測装置では、取得部11は、道路区間Lの下流端DEから対象位置Pを、車両の停止に関する観測範囲とする構成であるとしたが、これに限定するものではない。取得部11は、下流端DEよりも所定距離上流側から対象位置Pまでを観測範囲とする構成であってもよい。
ところで、旅行時間の予測を行う場合、たとえば渋滞のボトルネックとなる道路区間または渋滞の末尾を含む道路区間において、渋滞発生または渋滞解消の予測が遅延することがある。これらの道路区間における交通量は、周囲の状況から予測することが困難であり、当該道路区間における状況を直接的に観測する必要があり、また、このような状況を判断可能な計測情報を早期に得ることが困難な場合がある。
これに対して、本発明の実施の形態に係る旅行時間予測装置では、取得部11は、道路区間Lにおける車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに道路区間Lにおける車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する。選択部13は、取得部11によって取得された複数の過去走行データの中から、取得部11によって取得された対象日走行データに類似する1または複数の過去走行データを選択する。そして、予測部14は、選択部13によって選択された過去走行データの示す旅行時間に基づいて、対象日走行データより後の対象日の旅行時間を予測する。
このように、走行データとして、道路区間における旅行時間に加えて停止位置を収集し、この情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、旅行時間が変化し始めるよりも前に交通量の増減を把握することができるため、交通量の増減の影響による旅行時間の増減をより早期かつ正確に予測可能となる。
したがって、本発明の実施の形態に係る旅行時間予測装置では、交通量の変化を早期に把握し、旅行時間の予測の遅延を抑制することができる。
また、本発明の実施の形態に係る旅行時間予測装置では、取得部11は、道路区間Lの対象日の車両の停止回数をさらに示す対象日走行データ、および道路区間Lの過去の車両の停止回数をさらに示す過去走行データを取得する。
このように、走行データとして、道路区間における旅行時間および停止位置に加えて停止回数を収集し、これらの情報に基づいて対象日走行データと過去走行データとの類否判断を行う構成により、交通量の増減をより早期かつ正確に把握することができる。
また、本発明の実施の形態に係る旅行時間予測装置では、取得部11によって取得される過去走行データの1日における始期は、現在時刻に基づく時刻である。
このような構成により、対象日走行データに類似する過去走行データとして有意なデータを効率的に取得することができる。
また、本発明の実施の形態に係る旅行時間予測装置では、取得部11は、対象位置Pから道路区間Lの下流側における車両の停止位置を示す対象日走行データおよび過去走行データを取得する。対象位置Pは、1回の青時間で各車両が信号を通過可能な当該各車両の待機位置であって一部または全部が道路区間Lに含まれる待機位置よりも上流側である。
このような構成により、交通量の増減を把握可能なデータ収集範囲を確保しながら、交通量の増減が旅行時間の増減に表れやすいデータ収集範囲を除外し、効率的なデータ取得が可能となる。
上記実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記説明ではなく特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
以上の説明は、以下に付記する特徴を含む。
[付記1]
道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、
前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、
前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部とを備え、
前記取得部は、前記対象日と同じ交通条件の日の前記過去走行データを取得し、
前記選択部は、前記対象日走行データと時間変動の傾向が類似する1または複数の前記過去走行データを選択する、旅行時間予測装置。
道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、
前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、
前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部とを備え、
前記取得部は、前記対象日と同じ交通条件の日の前記過去走行データを取得し、
前記選択部は、前記対象日走行データと時間変動の傾向が類似する1または複数の前記過去走行データを選択する、旅行時間予測装置。
2 信号
11 取得部
12 記憶部
13 選択部
14 予測部
15 処理部
101 旅行時間予測装置
D 停止位置距離
DE 下流端
L 道路区間
P 対象位置
R 距離
SP1,SP2 位置
UE 上流端
11 取得部
12 記憶部
13 選択部
14 予測部
15 処理部
101 旅行時間予測装置
D 停止位置距離
DE 下流端
L 道路区間
P 対象位置
R 距離
SP1,SP2 位置
UE 上流端
Claims (6)
- 旅行時間予測装置において用いられる旅行時間予測プログラムであって、
コンピュータを、
道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、
前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、
前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部、
として機能させるための、旅行時間予測プログラム。 - 前記取得部は、前記道路区間の前記対象日の車両の停止回数をさらに示す前記対象日走行データ、および前記道路区間の過去の車両の停止回数をさらに示す前記過去走行データを取得する、請求項1に記載の旅行時間予測プログラム。
- 前記取得部によって取得される前記過去走行データの1日における始期は、現在時刻に基づく時刻である、請求項1または請求項2に記載の旅行時間予測プログラム。
- 前記取得部は、対象位置から前記道路区間の下流側における車両の停止位置を示す前記対象日走行データおよび前記過去走行データを取得し、
前記対象位置は、1回の青時間で各車両が信号を通過可能な前記各車両の待機位置であって一部または全部が前記道路区間に含まれる待機位置よりも上流側である、請求項1から請求項3のいずれか1項に記載の旅行時間予測プログラム。 - 道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得する取得部と、
前記取得部によって取得された前記複数の過去走行データの中から、前記取得部によって取得された前記対象日走行データに類似する1または複数の前記過去走行データを選択する選択部と、
前記選択部によって選択された前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測する予測部とを備える、旅行時間予測装置。 - 旅行時間予測装置における旅行時間予測方法であって、
道路区間における車両の対象日の旅行時間および停止位置を示す対象日走行データ、ならびに前記道路区間における車両の過去の旅行時間および停止位置を示す複数の過去走行データを取得するステップと、
取得した前記複数の過去走行データの中から、取得した前記対象日走行データに類似する1または複数の前記過去走行データを選択するステップと、
選択した前記過去走行データの示す旅行時間に基づいて、前記対象日走行データより後の前記対象日の旅行時間を予測するステップとを含む、旅行時間予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016215968A JP2018073322A (ja) | 2016-11-04 | 2016-11-04 | 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016215968A JP2018073322A (ja) | 2016-11-04 | 2016-11-04 | 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018073322A true JP2018073322A (ja) | 2018-05-10 |
Family
ID=62112704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016215968A Pending JP2018073322A (ja) | 2016-11-04 | 2016-11-04 | 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018073322A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294770A (zh) * | 2022-08-03 | 2022-11-04 | 航天宏图信息技术股份有限公司 | 一种雨天交通拥堵指数的预测方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005063034A (ja) * | 2003-08-08 | 2005-03-10 | Toyota Central Res & Dev Lab Inc | 交通情報予測装置、交通情報予測方法及びプログラム |
JP2005184867A (ja) * | 2003-12-16 | 2005-07-07 | Equos Research Co Ltd | 走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置 |
JP2005241519A (ja) * | 2004-02-27 | 2005-09-08 | Xanavi Informatics Corp | 交通情報予測装置 |
JP2009140292A (ja) * | 2007-12-07 | 2009-06-25 | Sumitomo Electric Ind Ltd | 交通情報算出装置、交通情報算出プログラム及び交通情報算出方法 |
JP2011039704A (ja) * | 2009-08-07 | 2011-02-24 | Sumitomo Electric Ind Ltd | プローブ情報の処理装置、コンピュータプログラム及び路車間通信システム |
JP2013506184A (ja) * | 2009-09-24 | 2013-02-21 | アルカテル−ルーセント | 移動時間を予測するための方法およびシステム |
-
2016
- 2016-11-04 JP JP2016215968A patent/JP2018073322A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005063034A (ja) * | 2003-08-08 | 2005-03-10 | Toyota Central Res & Dev Lab Inc | 交通情報予測装置、交通情報予測方法及びプログラム |
JP2005184867A (ja) * | 2003-12-16 | 2005-07-07 | Equos Research Co Ltd | 走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置 |
JP2005241519A (ja) * | 2004-02-27 | 2005-09-08 | Xanavi Informatics Corp | 交通情報予測装置 |
JP2009140292A (ja) * | 2007-12-07 | 2009-06-25 | Sumitomo Electric Ind Ltd | 交通情報算出装置、交通情報算出プログラム及び交通情報算出方法 |
JP2011039704A (ja) * | 2009-08-07 | 2011-02-24 | Sumitomo Electric Ind Ltd | プローブ情報の処理装置、コンピュータプログラム及び路車間通信システム |
JP2013506184A (ja) * | 2009-09-24 | 2013-02-21 | アルカテル−ルーセント | 移動時間を予測するための方法およびシステム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294770A (zh) * | 2022-08-03 | 2022-11-04 | 航天宏图信息技术股份有限公司 | 一种雨天交通拥堵指数的预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6063237B2 (ja) | 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 | |
JP6099682B2 (ja) | 交通監視システムおよび方法、コンピュータプログラム | |
JP4982143B2 (ja) | 交通状況予測装置 | |
CN108604407B (zh) | 用于生成预期行进速度的方法及系统 | |
JP4547408B2 (ja) | 交通状況予測装置,交通状況予測方法 | |
JP5350703B2 (ja) | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 | |
JP5901838B2 (ja) | リンクにおける未来の移動時間を予測する方法 | |
US20100036601A1 (en) | Destination prediction apparatus and method thereof | |
JP6061383B2 (ja) | 交通情報推定装置、コンピュータプログラム及び交通情報推定方法 | |
CN108734955A (zh) | 预测路况状态的方法及装置 | |
EP3440434A1 (en) | Method and apparatus for identifying congestion bottlenecks | |
JPWO2018012414A1 (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 | |
CN109272169A (zh) | 交通流量预测方法、装置、计算机设备及存储介质 | |
US20190325743A1 (en) | Traffic control system, traffic information output device, traffic control method, and recording medium | |
WO2018101074A1 (ja) | 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 | |
JP4240309B2 (ja) | 旅行時間提供方法、装置及びプログラム | |
KR101728447B1 (ko) | 차량의 예측 교통량을 이용한 차량경로 탐색 장치 및 그 방법 | |
JP2012048444A (ja) | 交通情報処理装置、交通情報処理システム、プログラム、及び交通情報処理方法 | |
JP3933127B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
JP2018073322A (ja) | 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 | |
EP2953109A1 (en) | Travel time prediction method, travel time prediction device, and program | |
JP4134842B2 (ja) | 交通情報予測装置、交通情報予測方法及びプログラム | |
JP4235913B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
Rempe et al. | Fusing probe speed and flow data for robust short-term congestion front forecasts | |
WO2018083833A1 (ja) | 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200521 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200708 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210105 |