JP2018136781A - 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム - Google Patents
渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム Download PDFInfo
- Publication number
- JP2018136781A JP2018136781A JP2017031210A JP2017031210A JP2018136781A JP 2018136781 A JP2018136781 A JP 2018136781A JP 2017031210 A JP2017031210 A JP 2017031210A JP 2017031210 A JP2017031210 A JP 2017031210A JP 2018136781 A JP2018136781 A JP 2018136781A
- Authority
- JP
- Japan
- Prior art keywords
- traffic jam
- congestion
- traffic
- size
- unit
- 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
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】渋滞が発生する可能性に加えて、渋滞の状態に応じて適切な渋滞緩和支援を行う。【解決手段】渋滞緩和支援装置10は、3次元加速度センサ14、速度算出部20、渋滞規模予測部24、情報提示制御部26、および走行制御部27を備える。渋滞規模予測部24は、3次元加速度センサ14によって取得された加速度の変化に基づく渋滞予兆情報を取得する。渋滞規模予測部24は、渋滞予兆情報が渋滞予兆の状態を示す場合に、渋滞予兆情報と速度算出部20によって取得された速度とに基づいて、渋滞規模を予測する。情報提示制御部26および走行制御部27は、渋滞規模に応じて、渋滞緩和支援の実行を指示する。【選択図】図1
Description
本発明は、渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラムに関する。
従来、車両の加速度のパワースペクトルに単回帰分析を行って単回帰直線の傾き極大値を算出し、傾き極大値と先行車両に対する車間距離とに基づいて、渋滞が発生する可能性(渋滞予兆度)を予測し、渋滞解消のための走行制御を実行する走行支援方法が知られている(例えば、特許文献1参照)。
ところで、上記従来技術に係る走行支援方法によれば、渋滞予兆度に応じて走行制御を行うだけでは、渋滞の状態によっては過剰対応の制御または対応不足の制御となる虞がある。これに伴い、渋滞が発生する可能性に加えて、渋滞の状態に応じて適切な渋滞緩和支援を行うことが望まれている。
本発明は上記事情に鑑みてなされたもので、渋滞の状態に応じて適切な渋滞緩和支援を行うことが可能な渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラムを提供することを目的とする。
上記課題を解決して係る目的を達成するために、本発明は以下の態様を採用した。
(1)本発明の一態様に係る渋滞緩和支援装置は、車両(例えば、実施形態での車両1)の加速度を取得する加速度取得部(例えば、実施形態での3次元加速度センサ14)と、前記車両の速度を取得する速度取得部(例えば、実施形態での速度算出部20)と、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得部(例えば、実施形態での渋滞規模予測部24)と、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度取得部によって取得された前記速度とに基づいて、渋滞規模を予測する渋滞規模予測部(例えば、実施形態での渋滞規模予測部24が兼ねる)と、前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示部(例えば、実施形態での情報提示制御部26および走行制御部27)と、を備える。
(1)本発明の一態様に係る渋滞緩和支援装置は、車両(例えば、実施形態での車両1)の加速度を取得する加速度取得部(例えば、実施形態での3次元加速度センサ14)と、前記車両の速度を取得する速度取得部(例えば、実施形態での速度算出部20)と、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得部(例えば、実施形態での渋滞規模予測部24)と、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度取得部によって取得された前記速度とに基づいて、渋滞規模を予測する渋滞規模予測部(例えば、実施形態での渋滞規模予測部24が兼ねる)と、前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示部(例えば、実施形態での情報提示制御部26および走行制御部27)と、を備える。
(2)上記(1)に記載の渋滞緩和支援装置では、前記渋滞規模予測部は、前記渋滞規模が所定規模よりも大きいか否かを判定し、前記指示部は、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示してもよい。
(3)上記(2)に記載の渋滞緩和支援装置は、前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定部(例えば、実施形態での判定部25)を備え、前記指示部は、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示してもよい。
(4)上記(1)から(3)の何れかひとつに記載の渋滞緩和支援装置では、前記渋滞規模予測部は、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測してもよい。
(5)上記(4)に記載の渋滞緩和支援装置では、前記渋滞規模予測部は、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測してもよい。
(6)本発明の一態様に係るサーバ装置は、上記(1)から(5)の何れかひとつに記載の渋滞緩和支援装置から送信される前記渋滞予兆情報および前記速度の情報を受信するサーバ通信部(例えば、実施形態でのサーバ通信装置32)と、複数の前記渋滞緩和支援装置から取得した複数の前記渋滞予兆情報および前記速度の情報に基づいて、渋滞規模を予測するサーバ渋滞規模予測部(例えば、実施形態での渋滞規模予測部35)と、前記サーバ渋滞規模予測部によって予測される前記渋滞規模に応じて、渋滞緩和支援の実行を指示するサーバ指示部(例えば、実施形態での情報提示制御部37)と、を備え、前記サーバ通信部は、前記サーバ指示部の指示の情報を前記複数の前記渋滞緩和支援装置に送信する。
(7)本発明の一態様に係る渋滞緩和支援システムは、上記(1)から(5)の何れかひとつに記載の渋滞緩和支援装置と、上記(6)に記載のサーバ装置と備える。
(8)本発明の一態様に係る渋滞緩和支援方法は、車両(例えば、実施形態での車両1)の加速度を取得する加速度取得部(例えば、実施形態での3次元加速度センサ14)を備える電子機器(例えば、実施形態での渋滞緩和支援装置10)が実行する渋滞緩和支援方法であって、
前記電子機器が、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップ(例えば、実施形態でのステップS06)と、前記電子機器が、前記車両の速度を取得する速度取得ステップ(例えば、実施形態でのステップS05)と、前記電子機器が、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップ(例えば、実施形態でのステップS07からステップS08)と、前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示ステップ(例えば、実施形態でのステップS09からステップS13)と、を含む。
前記電子機器が、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップ(例えば、実施形態でのステップS06)と、前記電子機器が、前記車両の速度を取得する速度取得ステップ(例えば、実施形態でのステップS05)と、前記電子機器が、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップ(例えば、実施形態でのステップS07からステップS08)と、前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示ステップ(例えば、実施形態でのステップS09からステップS13)と、を含む。
(9)上記(8)に記載の渋滞緩和支援方法は、前記電子機器が、前記渋滞規模が所定規模よりも大きいか否かを判定する渋滞規模判定ステップ(例えば、実施形態でのステップS09)を含み、前記電子機器は、前記指示ステップにおいて、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示してもよい。
(10)上記(9)に記載の渋滞緩和支援方法は、前記電子機器が、前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定ステップ(例えば、実施形態でのステップS11)を含み、前記電子機器は、前記指示ステップにおいて、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示してもよい。
(11)上記(8)から(10)の何れかひとつに記載の渋滞緩和支援方法では、前記電子機器は、前記渋滞規模予測ステップにおいて、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測してもよい。
(12)上記(11)に記載の渋滞緩和支援方法では、前記電子機器は、前記渋滞規模予測ステップにおいて、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測してもよい。
(13)本発明の一態様に係るプログラムは、車両(例えば、実施形態での車両1)の加速度を取得する加速度取得部(例えば、実施形態での3次元加速度センサ14)を備える電子機器(例えば、実施形態での渋滞緩和支援装置10)のコンピュータに、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップ(例えば、実施形態でのステップS06)と、前記車両の速度を取得する速度取得ステップ(例えば、実施形態でのステップS05)と、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップ(例えば、実施形態でのステップS07からステップS08)と、前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示ステップ(例えば、実施形態でのステップS09からステップS13)と、を実行させる。
(14)上記(13)に記載のプログラムは、前記コンピュータに、前記渋滞規模が所定規模よりも大きいか否かを判定する渋滞規模判定ステップ(例えば、実施形態でのステップS09)を実行させ、前記指示ステップにおいて、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示させてもよい。
(15)上記(14)に記載のプログラムは、前記コンピュータに、前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定ステップ(例えば、実施形態でのステップS11)を実行させ、前記指示ステップにおいて、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示させてもよい。
(16)上記(13)から(15)の何れかひとつに記載のプログラムは、前記コンピュータに、前記渋滞規模予測ステップにおいて、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測させてもよい。
(17)上記(16)に記載のプログラムは、前記コンピュータに、前記渋滞規模予測ステップにおいて、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測させてもよい。
上記(1)、(8)、または(13)によれば、渋滞規模に応じて渋滞緩和支援の実行を指示するので、少数の車両によって渋滞緩和が可能な小規模の渋滞と、少数の車両では渋滞緩和が難しい大規模の渋滞とを区別して、適切な渋滞緩和支援を行うことができる。
さらに、上記(2)、(9)、または(14)の場合、渋滞規模が所定規模よりも大きいことに起因して、少数の車両における運転者の運転操作では渋滞解消が難しい場合には、走行ルート変更または移動先変更などによる渋滞回避を指示することによって、適切な渋滞緩和支援を行うことができる。
さらに、上記(3)、(10)、または(15)の場合、運転者の運転操作にかかわらずに道路属性情報に起因する渋滞または代替走行ルートの選択不可などによって、渋滞回避の実行が難しい場合には、渋滞長を低減するための走行制御を実行させることにより、適切な渋滞緩和支援を行うことができる。
さらに、上記(4)、(11)、または(16)の場合、渋滞予測モデルの構築を自動化して、迅速かつ精度よく渋滞規模を予測することができる。
さらに、上記(5)、(12)、または(17)の場合、渋滞ピーク確率の経時的な増減に応じて渋滞規模を予測することにより、予測精度を向上させることができる。
さらに、上記(6)の場合、複数の車両の渋滞予兆情報および速度の情報を用いることによって、渋滞規模の予測精度を向上させることができる。
さらに、上記(7)の場合、渋滞緩和支援装置が単独で動作する場合と、渋滞緩和支援装置およびサーバ装置が協調して動作する場合とを選択することができ、システムの汎用性を向上させることができる。
以下、本発明の渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラムの一実施形態について添付図面を参照しながら説明する。
本実施形態による渋滞緩和支援装置10は、例えば、車両1などの移動体の乗員が携帯する携帯端末、または車両1などの移動体に着脱可能に搭載された情報機器、または予め車両1などの移動体に搭載されたナビゲーション装置などの電子機器、などである。
車両1は、図1に示すように、駆動力出力装置2と、ブレーキ装置3と、ステアリング装置4と、を備えている。
車両1は、図1に示すように、駆動力出力装置2と、ブレーキ装置3と、ステアリング装置4と、を備えている。
駆動力出力装置2は、車両1が走行するための走行駆動力(トルク)を駆動輪に出力する。駆動力出力装置2は、例えば、モータジェネレータ、内燃機関、および変速機などの組み合わせと、これらを制御するECU(Electronic Control Unit)とを備える。ECUは、後述する走行制御部27から入力される情報、または運転操作子から入力される情報に従って、走行駆動力を制御する。
ブレーキ装置3は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキECUとを備える。ブレーキECUは、後述する走行制御部27から入力される情報、または運転操作子から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクを各車輪に出力する。ブレーキ装置3は、例えば、電動モータが発生させる油圧に加えて、運転操作子のブレーキペダルの操作によって発生する油圧を、マスターシリンダを介してシリンダに伝達する機構を備えている。なお、ブレーキ装置3は、上記説明した構成に限らず、走行制御部29から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達してもよい。
ステアリング装置4は、例えば、ステアリングECUと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングECUは、後述する走行制御部27から入力される情報、または運転操作子から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更する。
渋滞緩和支援装置10は、アドフォックモードまたはインフラストラクチャモードなどの通信ネットワークを介した無線通信によって、外部装置に対して双方向通信可能である。渋滞緩和支援装置10は、例えば、アドフォックモードの端末間通信または車車間通信などによって他車両の渋滞緩和支援装置10と双方向通信を行う。渋滞緩和支援装置10は、例えば、インフラストラクチャモードの無線通信によって、基地局を介して外部装置と双方向通信を行う。
渋滞緩和支援装置10は、機器通信装置11と、測位信号受信器12と、現在位置取得部13と、3次元加速度センサ14と、入力デバイス15と、表示装置16と、地図データ記憶部17と、機器制御部18と、を備えている。
機器通信装置11は、各種の無線通信ネットワークシステムを介して外部装置と通信可能であって、各種信号を送受信する。なお、渋滞緩和支援装置10と外部装置との間の通信は、上記の通信形態に限定されず、例えば通信衛星を経由する通信などの他の通信が採用されてもよい。
測位信号受信器12は、例えば人工衛星を利用して渋滞緩和支援装置10の位置を測定するための測位システム(例えば、Global Positioning System:GPSまたはGlobal Navigation Satellite System:GNSSなど)で用いられている測位信号を受信する。
現在位置取得部13は、測位信号受信器12によって受信された測位信号を用いて渋滞緩和支援装置10の現在位置を検出する。
現在位置取得部13は、測位信号受信器12によって受信された測位信号を用いて渋滞緩和支援装置10の現在位置を検出する。
3次元加速度センサ14は、いわゆる検出軸数が3軸の3軸加速度センサなどであって、所定のサンプリング周期において、渋滞緩和支援装置10に発生する加速度を3次元空間の直交座標系を成すX軸、Y軸、およびZ軸の各軸方向の加速度として検出する。
入力デバイス15は、例えば、スイッチ、タッチパネル、キーボード、および音声入力装置などを備え、操作者による各種の入力操作に応じた信号を出力する。
表示装置16は、例えば、液晶表示装置などの各種のディスプレイであり、機器制御部18から出力される各種の情報を表示する。
表示装置16は、例えば、液晶表示装置などの各種のディスプレイであり、機器制御部18から出力される各種の情報を表示する。
地図データ記憶部17は、地図データを記憶する。
地図データは、例えば、渋滞緩和支援装置10の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、周辺建造物などのランドマーク、工事規制個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。
地図データは、例えば、渋滞緩和支援装置10の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、周辺建造物などのランドマーク、工事規制個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。
機器制御部18は、渋滞緩和支援装置10の各種動作を制御する。機器制御部18は、例えばCPU(Central Processing Unit)などのプロセッサによって所定のプログラムが実行されることにより機能するソフトウェア機能部である。ソフトウェア機能部は、CPUなどのプロセッサ、プログラムを格納するROM(Read Only Memory)、データを一時的に記憶するRAM(Random Access Memory)、およびタイマーなどの電子回路を備えるECUである。なお、機器制御部18の少なくとも一部は、LSI(Large Scale Integration)などの集積回路であってもよい。
機器制御部18は、速度算出部20と、入力データ算出部21と、周波数分析部22と、単回帰直線算出部23と、渋滞規模予測部24と、判定部25と、情報提示制御部26と、走行制御部27と、を備えている。
機器制御部18は、速度算出部20と、入力データ算出部21と、周波数分析部22と、単回帰直線算出部23と、渋滞規模予測部24と、判定部25と、情報提示制御部26と、走行制御部27と、を備えている。
速度算出部20は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて、渋滞緩和支援装置10の速度Vを算出する。
入力データ算出部21は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて3次元空間における加速度のベクター(加速度ベクター)Aを算出する。そして、サンプリング周期ΔTなどの時間間隔をおいた2つの異なるタイミングの加速度ベクターAの差分(加速度ベクター差分)ΔAのノルムuを、周波数分析部22に入力する入力データとして算出する。
図2に示すように、入力データ算出部21は、例えば、適宜の時刻tの加速度ベクターA(t)=(axt,ayt,azt)と、この時刻tよりもサンプリング周期ΔTだけ以前の時刻t−ΔTの加速度ベクターA(t−ΔT)=(axt−ΔT,ayt−ΔT,azt−ΔT)とによって、加速度ベクター差分ΔA=A(t)−A(t−ΔT)を算出する。そして、下記数式(1)に示すように、加速度ベクター差分ΔAのノルムutを算出する。
なお、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度の情報を格納可能なバッファ(図示略)のバッファサイズ、つまり加速度の情報のサンプル数は、例えば表示装置16に表示される適宜の設定画面などにおいて操作者によって適宜に設定可能とされている。
図2に示すように、入力データ算出部21は、例えば、適宜の時刻tの加速度ベクターA(t)=(axt,ayt,azt)と、この時刻tよりもサンプリング周期ΔTだけ以前の時刻t−ΔTの加速度ベクターA(t−ΔT)=(axt−ΔT,ayt−ΔT,azt−ΔT)とによって、加速度ベクター差分ΔA=A(t)−A(t−ΔT)を算出する。そして、下記数式(1)に示すように、加速度ベクター差分ΔAのノルムutを算出する。
なお、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度の情報を格納可能なバッファ(図示略)のバッファサイズ、つまり加速度の情報のサンプル数は、例えば表示装置16に表示される適宜の設定画面などにおいて操作者によって適宜に設定可能とされている。
周波数分析部22は、入力データ算出部21によって算出された入力データに対して周波数分析を行ない、周波数に対応するパワースペクトル(加速度スペクトル)を算出する。
例えば、周波数分析部22は、周波数分析に対する入力データの入出力点数および自己相関の遅れ数を用いて、入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによって加速度スペクトルを算出する。なお、周波数分析に対する入力データの入出力点数および自己相関の遅れ数と、自己相関の入力値から平均値を引くか否かの選択とは、例えば表示装置16に表示される適宜の設定画面などにおいて操作者によって設定可能とされている。
例えば、周波数分析部22は、サンプリング周期ΔTにて入力データ算出部21によって算出される入力データの入出力点数において自己相関の算出および高速フーリエ変換を行なうことによって、所定期間の加速度スペクトルを算出する。
例えば、周波数分析部22は、周波数分析に対する入力データの入出力点数および自己相関の遅れ数を用いて、入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによって加速度スペクトルを算出する。なお、周波数分析に対する入力データの入出力点数および自己相関の遅れ数と、自己相関の入力値から平均値を引くか否かの選択とは、例えば表示装置16に表示される適宜の設定画面などにおいて操作者によって設定可能とされている。
例えば、周波数分析部22は、サンプリング周期ΔTにて入力データ算出部21によって算出される入力データの入出力点数において自己相関の算出および高速フーリエ変換を行なうことによって、所定期間の加速度スペクトルを算出する。
単回帰直線算出部23は、周波数分析部22によって算出された加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度(スペクトル角度)θの情報に変換する。
例えば、カオス理論では渋滞の予測に対して高周波数よりも低周波数のパワースペクトルの影響が大きい。このため、図3に示すように、単回帰直線算出部23は、所定周波数fb以下の低周波領域(例えば、下限周波数fa以上かつ所定周波数fb以下の周波数領域)の加速度スペクトルに対して最小二乗法などによって単回帰直線Lを算出する。そして、算出した単回帰直線Lの傾き(つまり、周波数の軸方向を傾きがゼロであるとして、この軸方向に対する傾き)を角度(スペクトル角度)θの情報に変換する。
例えば、カオス理論では渋滞の予測に対して高周波数よりも低周波数のパワースペクトルの影響が大きい。このため、図3に示すように、単回帰直線算出部23は、所定周波数fb以下の低周波領域(例えば、下限周波数fa以上かつ所定周波数fb以下の周波数領域)の加速度スペクトルに対して最小二乗法などによって単回帰直線Lを算出する。そして、算出した単回帰直線Lの傾き(つまり、周波数の軸方向を傾きがゼロであるとして、この軸方向に対する傾き)を角度(スペクトル角度)θの情報に変換する。
例えば、このスペクトル角度θがマイナス方向(加速度スペクトルの減少方向)に増大するほど(つまり、マイナスの符号で絶対値が増大するほど)、加速および減速の動的時間応答の遅れが増大傾向に変化し、速度のばらつきが増大する。これによって、車両1のエネルギー効率(燃費または電費など)を優先させる運転領域を限定することが困難となり、渋滞が発生し易くなるとともにエネルギー効率が低下する。
例えば、スペクトル角度θの絶対値が小さい場合は、渋滞緩和支援装置10とともに移動する車両1が先行車両から受ける衝撃波(振動、ゆらぎ)が小さい場合に相当し、先行車両に対する反応遅れが小さく、交通流に影響が弱い同調走行がし易い、すなわち渋滞に至る可能性が小さい場合に相当する。
逆に、スペクトル角度θの絶対値が大きい場合は、渋滞緩和支援装置10とともに移動する車両1が先行車両から受ける衝撃波(振動、ゆらぎ)が大きい場合に相当し、先行車両に対する反応遅れが大きく、同調走行が難しくなって交通流に影響を与え易い、すなわち渋滞に至る可能性が大きい場合に相当する。なお、ここで言う衝撃波(振動、ゆらぎ)とは、車両が加速および減速の動作を繰り返すことにより、この動作(前後の動き)を後方の車両に一種の振動として伝播させることを意味する。
例えば、スペクトル角度θの絶対値が小さい場合は、渋滞緩和支援装置10とともに移動する車両1が先行車両から受ける衝撃波(振動、ゆらぎ)が小さい場合に相当し、先行車両に対する反応遅れが小さく、交通流に影響が弱い同調走行がし易い、すなわち渋滞に至る可能性が小さい場合に相当する。
逆に、スペクトル角度θの絶対値が大きい場合は、渋滞緩和支援装置10とともに移動する車両1が先行車両から受ける衝撃波(振動、ゆらぎ)が大きい場合に相当し、先行車両に対する反応遅れが大きく、同調走行が難しくなって交通流に影響を与え易い、すなわち渋滞に至る可能性が大きい場合に相当する。なお、ここで言う衝撃波(振動、ゆらぎ)とは、車両が加速および減速の動作を繰り返すことにより、この動作(前後の動き)を後方の車両に一種の振動として伝播させることを意味する。
また、所定期間での加速および減速の総パワーが増大する場合には、渋滞が発生し易くなるとともに車両1のエネルギー効率(燃費または電費など)が低下する。
例えば図4に示す時刻taから時刻tbの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の停止状態から適度な加速によって定速走行に移行する場合などにおいては、加速度の変動が小さい。そして、一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
また、例えば図4に示す時刻taから時刻tbの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の定速走行もしくはエンジンブレーキなどによって緩やかに減速する場合などにおいては、加速度の変動が小さい。そして、スペクトル角度θの絶対値は小さな値を維持するので、加速および減速の総パワーは小さな値となる。この場合、たとえ振動などによって一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。また、例えば3次元加速度センサ14の検出誤差などに起因して一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
一方、例えば図4に示す時刻tbから時刻tcの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の急減速、または加速後に直ぐに減速する場合などにおいては、加速度の変動が大きい。そして、スペクトル角度θの絶対値は大きな値となり、ゼロに向かい収束するのに要する時間が長くなるので、加速および減速の総パワーは大きな値となる。
例えば図4に示す時刻taから時刻tbの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の停止状態から適度な加速によって定速走行に移行する場合などにおいては、加速度の変動が小さい。そして、一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
また、例えば図4に示す時刻taから時刻tbの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の定速走行もしくはエンジンブレーキなどによって緩やかに減速する場合などにおいては、加速度の変動が小さい。そして、スペクトル角度θの絶対値は小さな値を維持するので、加速および減速の総パワーは小さな値となる。この場合、たとえ振動などによって一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。また、例えば3次元加速度センサ14の検出誤差などに起因して一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
一方、例えば図4に示す時刻tbから時刻tcの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両1の急減速、または加速後に直ぐに減速する場合などにおいては、加速度の変動が大きい。そして、スペクトル角度θの絶対値は大きな値となり、ゼロに向かい収束するのに要する時間が長くなるので、加速および減速の総パワーは大きな値となる。
渋滞規模予測部24は、例えば、単回帰直線算出部23によって算出されるスペクトル角度θを渋滞予兆情報として、この渋滞予兆情報に基づいて、将来的に渋滞(交通渋滞)が発生する可能性または既に渋滞が発生している可能性を示す渋滞予兆を検知する。この渋滞予兆の大小を示す渋滞予兆度は、渋滞緩和支援装置10とともに移動する車両1の進行方向前方において渋滞となる可能性が高い場合に大きくなり、可能性が低い場合に小さくなる。
渋滞規模予測部24は、例えば、単回帰直線算出部23によって算出されたスペクトル角度θの極大値(傾き極大値)に応じた渋滞予兆度を取得する。渋滞規模予測部24は、例えば、傾き極大値(x)と渋滞予兆度(y)との関係を示す関数(例えば、y=ax+bなど)を予め記憶しており、この関数を参照して傾き極大値(x)に対する渋滞予兆度(y)を算出する。なお、渋滞規模予測部24は、傾き極大値と対応する渋滞予兆度の値との関係を予め作成してテーブルとして記憶しておき、算出された傾き極大値に対する渋滞予兆度をそのテーブルを参照して求めることもできる。
渋滞規模予測部24は、渋滞予兆度が所定の閾値よりも大きいか否かを判定することによって、渋滞予兆があるか否かを判定する。
渋滞規模予測部24は、渋滞予兆度が所定の閾値よりも大きいか否かを判定することによって、渋滞予兆があるか否かを判定する。
渋滞規模予測部24は、渋滞予兆度に基づいて渋滞予兆があると判定した場合には、渋滞予兆情報と、速度算出部20によって算出された速度Vとに基づいて、渋滞規模を予測する。渋滞規模予測部24は、例えば、スペクトル角度θおよび速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞規模を予測する。渋滞規模予測部24は、例えば図5に示すように、スペクトル角度θおよび速度Vの分布を用いて、渋滞予兆度の確率密度関数を複数の正規分布p1,…,pnの重ね合わせによる混合正規分布によって記述する。渋滞規模予測部24は、例えば、EMアルゴリズムまたは変分ベイズなどの反復演算によって、確率密度関数から得られる尤度関数が最大となるような混合正規分布のモデルパラメータを求める。渋滞規模予測部24は、例えば、渋滞予兆度の確率密度関数において確率密度が最も高い位置の確率を渋滞ピーク確率とする。例えば図5に示す渋滞予測モデルにおいては、スペクトル角度θおよび速度Vが増大することに伴い、先行車両から受ける衝撃波が大きくなり、渋滞ピーク確率が増大傾向に変化する。
なお、渋滞規模予測部24は、例えば、試験走行時などの実際の走行時に得られる車両1のナビゲーション装置などのプローブデータおよび乗員が携帯する端末装置のセンサデータなどを、機械学習の訓練データとして用いてもよい。さらに、渋滞規模予測部24は、機械学習の過学習を防ぎ、汎化性能を向上させるために、渋滞予測モデルを生成する際に訓練データを追加的に用いてもよい。
なお、渋滞規模予測部24は、例えば、試験走行時などの実際の走行時に得られる車両1のナビゲーション装置などのプローブデータおよび乗員が携帯する端末装置のセンサデータなどを、機械学習の訓練データとして用いてもよい。さらに、渋滞規模予測部24は、機械学習の過学習を防ぎ、汎化性能を向上させるために、渋滞予測モデルを生成する際に訓練データを追加的に用いてもよい。
渋滞規模予測部24は、例えば、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。渋滞規模予測部24は、例えば図6に示すように、現時点の過去30分に亘る5分毎の渋滞ピーク確率の経時変化に基づいて、現時点から30分後の渋滞ピーク確率を予測する。渋滞規模予測部24は、例えば、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、渋滞規模が所定規模よりも大きいか否かを判定する。
判定部25は、渋滞規模予測部24によって予測される渋滞規模が所定規模よりも大きい場合に、渋滞回避の実行難度が所定難度よりも大きいか否かを判定する。判定部25は、例えば、道路属性情報に起因する渋滞が存在する場合、統計的な渋滞情報に合致する渋滞が存在する場合、代替走行ルートの選択不可な場合、およびサービスエリアなどの休憩地の選択不可な場合などにおいて、渋滞回避の実行難度が所定難度よりも大きいと判定する。道路属性情報は、例えば、道路構造、道路状態、および周辺建造物との位置関係などに関する情報である。渋滞発生の原因となる道路属性情報は、例えば、減速運転が見込まれるカーブまたは勾配路の存在、イベント会場または大型商業施設などの敷地に入る際に継続的に減速が生じる道路の存在、および工事個所、交通信号機、または踏切の存在などの情報である。統計的な渋滞情報は、例えば、朝方または夕方などの時間帯に応じた渋滞の情報などである。
情報提示制御部26は、渋滞規模予測部24および判定部25による判定結果に応じて、表示装置16における情報提示の内容を変化させる。
情報提示制御部26は、例えば、渋滞規模が所定規模以下である場合には、渋滞の存在を事前に運転者に把握させる情報提示、または運転者の運転操作が渋滞を助長することを認識させる情報提示を行う。さらに、運転者の運転操作による渋滞抑制が可能な場合には、情報提示制御部26は、運転者の運転操作による渋滞抑制を促す情報提示を行う。情報提示制御部26は、例えば、運転者の運転操作による渋滞抑制のために車間距離、車間時間、および速度などを適切に操作することを促すように情報提示を行う。
情報提示制御部26は、例えば、渋滞規模が所定規模よりも大きく、渋滞回避の実行難度が所定難度以下である場合には、渋滞回避を促すように情報提示する。情報提示制御部26は、例えば、代替走行ルートの選択、移動先の変更、およびサービスエリアなどの休憩地における休憩などを促す情報提示を行う。
情報提示制御部26は、例えば、渋滞規模が所定規模以下である場合には、渋滞の存在を事前に運転者に把握させる情報提示、または運転者の運転操作が渋滞を助長することを認識させる情報提示を行う。さらに、運転者の運転操作による渋滞抑制が可能な場合には、情報提示制御部26は、運転者の運転操作による渋滞抑制を促す情報提示を行う。情報提示制御部26は、例えば、運転者の運転操作による渋滞抑制のために車間距離、車間時間、および速度などを適切に操作することを促すように情報提示を行う。
情報提示制御部26は、例えば、渋滞規模が所定規模よりも大きく、渋滞回避の実行難度が所定難度以下である場合には、渋滞回避を促すように情報提示する。情報提示制御部26は、例えば、代替走行ルートの選択、移動先の変更、およびサービスエリアなどの休憩地における休憩などを促す情報提示を行う。
走行制御部27は、判定部25による判定結果に応じて、車両1の走行を制御する。走行制御部27は、渋滞回避の実行難度が所定難度よりも大きい場合には、渋滞緩和のための走行制御の実行を指示する。走行制御部27は、例えば、自動的な速度制御および車間距離制御によるクルーズコントロール、もしくは運転者の運転操作を機械的または電気的に補助するアシスト制御などによって、渋滞規模低減のための車間距離、車間時間、および速度などを制御する。
本実施形態による渋滞緩和支援装置10は上記構成を備えており、次に、渋滞緩和支援装置10の動作、つまり渋滞緩和支援方法について説明する。
先ず、図7に示すステップS01において、機器制御部18は、3次元加速度センサ14によってX軸、Y軸、およびZ軸の各軸方向の加速度が検出されたか否かを判定する。
この判定結果が「NO」の場合、機器制御部18は、ステップS01の判定処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS02に進める。
次に、ステップS02において、入力データ算出部21は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて3次元空間における加速度ベクターAを算出する。そして、サンプリング周期ΔTの時間間隔をおいた2つの異なるタイミングの加速度ベクターAの差分(加速度ベクター差分)ΔAのノルムuを入力データとして算出する。
この判定結果が「NO」の場合、機器制御部18は、ステップS01の判定処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS02に進める。
次に、ステップS02において、入力データ算出部21は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて3次元空間における加速度ベクターAを算出する。そして、サンプリング周期ΔTの時間間隔をおいた2つの異なるタイミングの加速度ベクターAの差分(加速度ベクター差分)ΔAのノルムuを入力データとして算出する。
次に、ステップS03において、周波数分析部22は、操作者によって適宜に設定可能な入出力点数において、操作者によって適宜に設定可能な遅れ数を用いて入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによってパワースペクトル(加速度スペクトル)を算出する。
次に、ステップS04において、単回帰直線算出部23は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度(スペクトル角度)θの情報に変換する。
次に、ステップS05において、速度算出部20は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて、渋滞緩和支援装置10の速度Vを算出する。
次に、ステップS04において、単回帰直線算出部23は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度(スペクトル角度)θの情報に変換する。
次に、ステップS05において、速度算出部20は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて、渋滞緩和支援装置10の速度Vを算出する。
次に、ステップS06において、渋滞規模予測部24は、単回帰直線算出部23によって算出されるスペクトル角度θの傾き極大値を用いて、傾き極大値と対応する渋滞予兆度を取得する。渋滞規模予測部24は、渋滞予兆度が所定の閾値よりも大きいか否かを判定することによって、渋滞予兆があるか否かを判定する。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をステップS01に戻す。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS07に進める。
次に、ステップS07において、渋滞規模予測部24は、スペクトル角度θおよび速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞ピーク確率を算出する。
次に、ステップS08において、渋滞規模予測部24は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をステップS01に戻す。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS07に進める。
次に、ステップS07において、渋滞規模予測部24は、スペクトル角度θおよび速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞ピーク確率を算出する。
次に、ステップS08において、渋滞規模予測部24は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。
次に、ステップS09において、渋滞規模予測部24は、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、渋滞規模が所定規模よりも大きいか否かを判定する。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をステップS10に進める。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS11に進める。
次に、ステップS10において、情報提示制御部26は、渋滞の存在を事前に運転者に把握させる情報提示、または運転者の運転操作が渋滞を助長することを認識させる情報提示を行う。さらに、情報提示制御部26は、運転者の運転操作による渋滞抑制が可能な場合には、運転者の運転操作による渋滞抑制を促す情報提示を行う。そして、情報提示制御部26は、処理をエンドに進める。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をステップS10に進める。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS11に進める。
次に、ステップS10において、情報提示制御部26は、渋滞の存在を事前に運転者に把握させる情報提示、または運転者の運転操作が渋滞を助長することを認識させる情報提示を行う。さらに、情報提示制御部26は、運転者の運転操作による渋滞抑制が可能な場合には、運転者の運転操作による渋滞抑制を促す情報提示を行う。そして、情報提示制御部26は、処理をエンドに進める。
次に、ステップS11において、判定部25は、渋滞規模予測部24によって予測される渋滞規模が所定規模よりも大きい場合に、渋滞回避の実行難度が所定難度よりも大きいか否かを判定する。
この判定結果が「NO」の場合、判定部25は、処理をステップS12に進める。
一方、この判定結果が「YES」の場合、判定部25は、処理をステップS13に進める。
次に、ステップS12において、情報提示制御部26は、渋滞回避を促すように情報提示する。情報提示制御部26は、例えば、代替走行ルートの選択、移動先の変更、およびサービスエリアなどの休憩地における休憩などを促す情報提示を行う。そして、情報提示制御部26は、処理をエンドに進める。
次に、ステップS13において、走行制御部27は、渋滞緩和のための走行制御の実行を指示する。走行制御部27は、例えば、自動的な速度制御および車間距離制御によるクルーズコントロール、もしくは運転者の運転操作を機械的または電気的に補助するアシスト制御などによって、渋滞規模低減のための車間距離、車間時間、および速度などを制御する。そして、走行制御部27は、処理をエンドに進める。
この判定結果が「NO」の場合、判定部25は、処理をステップS12に進める。
一方、この判定結果が「YES」の場合、判定部25は、処理をステップS13に進める。
次に、ステップS12において、情報提示制御部26は、渋滞回避を促すように情報提示する。情報提示制御部26は、例えば、代替走行ルートの選択、移動先の変更、およびサービスエリアなどの休憩地における休憩などを促す情報提示を行う。そして、情報提示制御部26は、処理をエンドに進める。
次に、ステップS13において、走行制御部27は、渋滞緩和のための走行制御の実行を指示する。走行制御部27は、例えば、自動的な速度制御および車間距離制御によるクルーズコントロール、もしくは運転者の運転操作を機械的または電気的に補助するアシスト制御などによって、渋滞規模低減のための車間距離、車間時間、および速度などを制御する。そして、走行制御部27は、処理をエンドに進める。
上述したように、本実施形態の渋滞緩和支援装置10および渋滞緩和支援方法によれば、渋滞規模に応じて渋滞緩和支援の実行を指示するので、少数の車両によって渋滞緩和が可能な小規模の渋滞と、少数の車両では渋滞緩和が難しい大規模の渋滞とを区別して、適切な渋滞緩和支援を行うことができる。
さらに、渋滞規模が所定規模よりも大きいことに起因して、少数の車両における運転者の運転操作では渋滞解消が難しい場合には、走行ルート変更または移動先変更などによる渋滞回避を指示することによって、適切な渋滞緩和支援を行うことができる。
さらに、運転者の運転操作にかかわらずに道路属性情報に起因する渋滞または代替走行ルートの選択不可などによって、渋滞回避の実行が難しい場合には、渋滞長を低減するための走行制御を実行させることにより、適切な渋滞緩和支援を行うことができる。
さらに、渋滞規模が所定規模よりも大きいことに起因して、少数の車両における運転者の運転操作では渋滞解消が難しい場合には、走行ルート変更または移動先変更などによる渋滞回避を指示することによって、適切な渋滞緩和支援を行うことができる。
さらに、運転者の運転操作にかかわらずに道路属性情報に起因する渋滞または代替走行ルートの選択不可などによって、渋滞回避の実行が難しい場合には、渋滞長を低減するための走行制御を実行させることにより、適切な渋滞緩和支援を行うことができる。
さらに、機械学習によって生成される渋滞予測モデルを用いて渋滞規模を予測するので、渋滞予測モデルの構築を自動化して、迅速かつ精度よく渋滞規模を予測することができる。
さらに、渋滞ピーク確率の経時的な増減に応じて渋滞規模を予測することにより、予測精度を向上させることができる。
さらに、渋滞ピーク確率の経時的な増減に応じて渋滞規模を予測することにより、予測精度を向上させることができる。
以下、上述した実施形態の変形例について添付図面を参照しながら説明する。
上述した実施形態において、渋滞緩和支援装置10は、渋滞規模を予測する際に外部の装置から受信する情報を用いずに、自身の3次元加速度センサ14によって検出される加速度の情報のみを用いるとしたが、これに限定されない。
実施形態の変形例による渋滞緩和支援システム30は、図8に示すように、少なくとも1つ以上の渋滞緩和支援装置10と、渋滞緩和支援装置10と通信可能なサーバ装置31と、を備えている。
サーバ装置31は、サーバ通信装置32と、サーバ制御部33と、地図データ記憶部34と、渋滞規模予測部35と、サーバ判定部36と、情報提示制御部37と、を備えている。
上述した実施形態において、渋滞緩和支援装置10は、渋滞規模を予測する際に外部の装置から受信する情報を用いずに、自身の3次元加速度センサ14によって検出される加速度の情報のみを用いるとしたが、これに限定されない。
実施形態の変形例による渋滞緩和支援システム30は、図8に示すように、少なくとも1つ以上の渋滞緩和支援装置10と、渋滞緩和支援装置10と通信可能なサーバ装置31と、を備えている。
サーバ装置31は、サーバ通信装置32と、サーバ制御部33と、地図データ記憶部34と、渋滞規模予測部35と、サーバ判定部36と、情報提示制御部37と、を備えている。
サーバ通信装置32は、例えば、インフラストラクチャモードの無線通信、または路側通信機を介した路車間通信などによって、渋滞緩和支援装置10の機器通信装置11と双方向に通信可能であって、各種の情報を送受信する。
サーバ制御部33は、サーバ通信装置32によって渋滞緩和支援装置10から受信した各種の情報を渋滞規模予測部35に出力する。サーバ制御部33は、サーバ判定部36から出力される各種の判定結果の情報を、サーバ通信装置32によって少なくとも1つ以上の渋滞緩和支援装置10に送信する。
この変形例において渋滞緩和支援装置10は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度に基づいた情報を、サーバ装置31に送信可能である。この情報は、例えば、速度算出部20によって算出された速度V、単回帰直線算出部23によって算出されたスペクトル角度θ、および渋滞規模予測部24によって算出された渋滞予兆度などの情報を含む。さらに、この情報は、現在位置取得部13によって取得された現在位置の履歴および速度算出部20によって算出された速度Vの履歴の情報などを含んでいる。
この変形例において渋滞緩和支援装置10は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度に基づいた情報を、サーバ装置31に送信可能である。この情報は、例えば、速度算出部20によって算出された速度V、単回帰直線算出部23によって算出されたスペクトル角度θ、および渋滞規模予測部24によって算出された渋滞予兆度などの情報を含む。さらに、この情報は、現在位置取得部13によって取得された現在位置の履歴および速度算出部20によって算出された速度Vの履歴の情報などを含んでいる。
地図データ記憶部34は、地図データを記憶する。
地図データは、例えば、渋滞緩和支援装置10の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、施設などのランドマーク、工事個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。
地図データは、例えば、渋滞緩和支援装置10の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、施設などのランドマーク、工事個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。
渋滞規模予測部35は、少なくとも1つ以上の渋滞緩和支援装置10から受信する現在位置の情報に基づく適宜の位置範囲内に対して、渋滞予兆があるか否かを判定する。渋滞規模予測部35は、例えば、渋滞緩和支援装置10から受信したスペクトル角度θまたは渋滞予兆度などに基づいて、スペクトル角度θまたは渋滞予兆度などが所定条件を満たす渋滞緩和支援装置10の数および割合を取得する。渋滞規模予測部35は、スペクトル角度θまたは渋滞予兆度などが、所定の閾値以上である渋滞緩和支援装置10の数および割合に基づいて、適宜の位置範囲内の渋滞緩和支援装置10に渋滞予兆があるか否かを判定する。
渋滞規模予測部35は、適宜の位置範囲内の渋滞緩和支援装置10に渋滞予兆があると判定した場合には、適宜の位置範囲内の渋滞予兆情報および速度Vに基づいて、渋滞規模を予測する。渋滞規模予測部35は、例えば、適宜の位置範囲内のスペクトル角度θおよび速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて、渋滞ピーク確率を算出する。渋滞規模予測部35は、例えば、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。渋滞規模予測部35は、例えば、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、適宜の位置範囲内の情報から予測される渋滞規模が所定規模よりも大きいか否かを判定する。
渋滞規模予測部35は、適宜の位置範囲内の渋滞緩和支援装置10に渋滞予兆があると判定した場合には、適宜の位置範囲内の渋滞予兆情報および速度Vに基づいて、渋滞規模を予測する。渋滞規模予測部35は、例えば、適宜の位置範囲内のスペクトル角度θおよび速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて、渋滞ピーク確率を算出する。渋滞規模予測部35は、例えば、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。渋滞規模予測部35は、例えば、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、適宜の位置範囲内の情報から予測される渋滞規模が所定規模よりも大きいか否かを判定する。
サーバ判定部36は、上述した実施形態の少なくとも1つ以上の渋滞緩和支援装置10の判定部25が実行する処理の少なくとも一部と同様の処理を実行する。サーバ判定部36は、少なくとも1つ以上の渋滞緩和支援装置10から受信する現在位置の情報に基づく適宜の位置範囲内に対して、渋滞規模予測部35によって予測される渋滞規模が所定規模よりも大きい場合に、渋滞回避の実行難度が所定難度よりも大きいか否かを判定する。サーバ判定部36は、例えば、道路属性情報に起因する渋滞が存在する場合、統計的な渋滞情報に合致する渋滞が存在する場合、代替走行ルートの選択不可な場合、およびサービスエリアなどの休憩地の選択不可な場合などにおいて、渋滞回避の実行難度が所定難度よりも大きいと判定する。サーバ判定部36は、この判定結果の情報を、適宜の位置範囲内の全ての渋滞緩和支援装置10に送信するためにサーバ制御部33に出力する。
情報提示制御部37は、上述した実施形態の少なくとも1つ以上の渋滞緩和支援装置10の情報提示制御部26が実行する処理の少なくとも一部を実行する。情報提示制御部38は、渋滞規模予測部35およびサーバ判定部36による判定結果に応じて、渋滞緩和支援装置10の表示装置16における情報提示の内容を変化させる。情報提示制御部38は、情報提示に関する情報を、適宜の位置範囲内の全ての渋滞緩和支援装置10に送信するためにサーバ制御部33に出力する。
変形例による渋滞緩和支援システム30は上記構成を備えており、次に、渋滞緩和支援システム30の動作について説明する。
先ず、図9に示すステップS21において、機器制御部18は、渋滞緩和支援装置10が、無線通信ネットワークシステムなどの通信ネットワークに接続され、この通信ネットワークを介して、通信不良など無しに、サーバ装置31に適正に接続可能であるか否かを判定する。
この判定結果が「NO」の場合、機器制御部18は、ステップS21の処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS22に進める。
この判定結果が「NO」の場合、機器制御部18は、ステップS21の処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS22に進める。
そして、ステップS22において、機器制御部18は、渋滞緩和支援装置10の操作者による指示などによってサーバ装置31などの外部の装置とは独立したスタンドアローン動作の実行指示が発生していないか否かを判定する。
この判定結果が「YES」の場合、つまりスタンドアローン動作の実行指示が無い場合、機器制御部18は、処理をステップS23に進める。このステップS23において、機器制御部18は、後述するネットワーク動作を実行し、処理を終了させる。
一方、この判定結果が「NO」の場合、機器制御部18は、処理をステップS24に進める。このステップS24において、機器制御部18は、スタンドアローン動作として、上述した実施形態でのステップS01からステップS13の処理を実行する。
この判定結果が「YES」の場合、つまりスタンドアローン動作の実行指示が無い場合、機器制御部18は、処理をステップS23に進める。このステップS23において、機器制御部18は、後述するネットワーク動作を実行し、処理を終了させる。
一方、この判定結果が「NO」の場合、機器制御部18は、処理をステップS24に進める。このステップS24において、機器制御部18は、スタンドアローン動作として、上述した実施形態でのステップS01からステップS13の処理を実行する。
以下に、上述したステップS23でのネットワーク動作について説明する。
先ず、図10に示すステップS31において、機器制御部18は、所定の通信インジケータ表示を、表示装置16に表示する。機器制御部18は、通信インジケータ表示を、渋滞緩和支援装置10が、無線通信ネットワークシステムなどの通信ネットワークに接続され、この通信ネットワークを介して、通信不良など無しに、サーバ装置31に適正に接続可能であることを示す表示とする。
先ず、図10に示すステップS31において、機器制御部18は、所定の通信インジケータ表示を、表示装置16に表示する。機器制御部18は、通信インジケータ表示を、渋滞緩和支援装置10が、無線通信ネットワークシステムなどの通信ネットワークに接続され、この通信ネットワークを介して、通信不良など無しに、サーバ装置31に適正に接続可能であることを示す表示とする。
次に、ステップS32において、機器制御部18は、3次元加速度センサ14によってX軸、Y軸、およびZ軸の各軸方向の加速度が検出され、かつ現在位置取得部13によって現在位置の情報が取得されたか否かを判定する。
この判定結果が「NO」の場合、機器制御部18は、ステップS32の判定処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS33に進める。
次に、ステップS33において、入力データ算出部21は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて3次元空間における加速度ベクターAを算出する。そして、サンプリング周期ΔTの時間間隔をおいた2つの異なるタイミングの加速度ベクターAの差分(加速度ベクター差分)ΔAのノルムuを入力データとして算出する。
この判定結果が「NO」の場合、機器制御部18は、ステップS32の判定処理を繰り返し実行する。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS33に進める。
次に、ステップS33において、入力データ算出部21は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて3次元空間における加速度ベクターAを算出する。そして、サンプリング周期ΔTの時間間隔をおいた2つの異なるタイミングの加速度ベクターAの差分(加速度ベクター差分)ΔAのノルムuを入力データとして算出する。
次に、ステップS34において、周波数分析部22は、操作者によって適宜に設定可能な入出力点数において、操作者によって適宜に設定可能な遅れ数を用いて入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによってパワースペクトル(加速度スペクトル)を算出する。
次に、ステップS35において、単回帰直線算出部23は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度(スペクトル角度)θの情報に変換する。
次に、ステップS36において、速度算出部20は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて、渋滞緩和支援装置10の速度Vを算出する。
次に、ステップS35において、単回帰直線算出部23は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度(スペクトル角度)θの情報に変換する。
次に、ステップS36において、速度算出部20は、3次元加速度センサ14によって検出されたX軸、Y軸、およびZ軸の各軸方向の加速度を用いて、渋滞緩和支援装置10の速度Vを算出する。
次に、ステップS37において、渋滞規模予測部24は、単回帰直線算出部23によって算出されるスペクトル角度θの傾き極大値を用いて、傾き極大値と対応する渋滞予兆度を取得する。渋滞規模予測部24は、渋滞予兆度が所定の閾値よりも大きいか否かを判定することによって、渋滞予兆があるか否かを判定する。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をリターンに進める。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS38に進める。
この判定結果が「NO」の場合、渋滞規模予測部24は、処理をリターンに進める。
一方、この判定結果が「YES」の場合、渋滞規模予測部24は、処理をステップS38に進める。
次に、ステップS38において、機器制御部18は、速度V、スペクトル角度θ、渋滞規模予測部24によって算出された渋滞予兆度の情報、および現在位置の情報などを、機器通信装置11を介してサーバ装置31に送信する。これによりサーバ装置31は、少なくとも1つ以上の渋滞緩和支援装置10から受信する現在位置の情報に基づく適宜の位置範囲内に対して、渋滞予兆があるか否かを判定する。サーバ装置31は、適宜の位置範囲内の渋滞緩和支援装置10に渋滞予兆があると判定した場合には、適宜の位置範囲内の渋滞予兆情報および速度Vに基づいて、機械学習によって生成される渋滞予測モデルを用いて、渋滞ピーク確率を算出する。サーバ装置31は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。サーバ装置31は、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、適宜の位置範囲内の情報から予測される渋滞規模が所定規模よりも大きいか否かを判定する。サーバ装置31は、この判定結果の情報を、適宜の位置範囲内の全ての渋滞緩和支援装置10に送信する。サーバ装置31は、サーバ判定部36による各種の判定結果に応じて、適宜の位置範囲内の渋滞緩和支援装置10の表示装置16における情報提示に関する情報を、適宜の位置範囲内の全ての渋滞緩和支援装置10に送信する。
次に、ステップS39において、機器制御部18は、サーバ装置31によって検知された適宜の位置範囲内の渋滞予兆に関する情報などを、サーバ装置31から受信したか否かを判定する。
この判定結果が「NO」の場合、機器制御部18は、処理をリターンに進める。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS40に進める。
次に、ステップS40において、機器制御部18は、サーバ装置31から受信した情報に基づいて、表示装置16による情報提示および走行制御を実行し、処理をリターンに進める。
この判定結果が「NO」の場合、機器制御部18は、処理をリターンに進める。
一方、この判定結果が「YES」の場合、機器制御部18は、処理をステップS40に進める。
次に、ステップS40において、機器制御部18は、サーバ装置31から受信した情報に基づいて、表示装置16による情報提示および走行制御を実行し、処理をリターンに進める。
変形例に係る渋滞緩和支援システム30および渋滞緩和支援方法によれば、複数の渋滞緩和支援装置10から加速度に基づいた情報を取得し、リアルタイムかつ統括的に渋滞規模を判定して、適切な渋滞緩和支援を行なうことができる。これにより、例えば渋滞緩和支援装置10が単独で渋滞規模を判定して、渋滞緩和支援を行う場合に比べて、演算効率を向上させることができると共に、複数の渋滞緩和支援装置10の連動によって渋滞緩和支援を効率的に制御することができる。
なお、上述した実施形態において、渋滞規模予測部24は、渋滞予兆情報をスペクトル角度θとしたが、これに限定されない。渋滞規模予測部24は、スペクトル角度θに関連する状態量、例えばスペクトル角度θの極大値(傾き極大値)などに基づいて、渋滞予兆情報を設定してもよい。
なお、上述した実施形態において、渋滞規模予測部24は、スペクトル角度θの極大値(傾き極大値)を用いて渋滞予兆度を取得するとしたが、これに限定されない。渋滞規模予測部24は、傾き極大値以外の他の状態量を組み合わせて渋滞予兆度を取得してもよい。傾き極大値以外の他の状態量は、例えば、速度Vおよびスペクトル角度θなどでもよい。
なお、上述した実施形態において、渋滞規模予測部24は、スペクトル角度θの極大値(傾き極大値)を用いて渋滞予兆度を取得するとしたが、これに限定されない。渋滞規模予測部24は、傾き極大値以外の他の状態量を組み合わせて渋滞予兆度を取得してもよい。傾き極大値以外の他の状態量は、例えば、速度Vおよびスペクトル角度θなどでもよい。
なお、上述した実施形態の変形例において、サーバ装置31は、情報提示によって渋滞緩和支援を行う情報提示制御部37を備えるとしたが、これに限定されない。サーバ装置31は、例えば、自動的な速度制御によって渋滞緩和支援を行う速度制御部、および運転者の運転操作を機械的または電気的に補助することによって渋滞緩和支援を行うアシスト制御部などを備えてもよい。
上述の実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。上述の新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上述の実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
例えば、上記の実施形態では、サーバ装置31を1つの装置として構成した例を示したが複数の装置を通信回線などで接続して構成してもよい。
例えば、上記の実施形態では、サーバ装置31を1つの装置として構成した例を示したが複数の装置を通信回線などで接続して構成してもよい。
10…渋滞緩和支援装置(電子機器)、12…測位信号受信器、13…現在位置取得部、14…3次元加速度センサ(加速度取得部)、15…入力デバイス、16…表示装置、17…地図データ記憶部、18…機器制御部、20…速度算出部(速度取得部)、21…入力データ算出部、22…周波数分析部、23…単回帰直線算出部、24…渋滞規模予測部(渋滞予兆情報取得部)、25…判定部、26…情報提示制御部(指示部)、27…走行制御部(指示部)、30…渋滞緩和支援システム、31…サーバ装置、32…サーバ通信装置(サーバ通信部)、33…サーバ制御部、35…渋滞規模予測部(サーバ渋滞規模予測部)、36…サーバ判定部、37…情報提示制御部(サーバ指示部)
Claims (17)
- 車両の加速度を取得する加速度取得部と、
前記車両の速度を取得する速度取得部と、
前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得部と、
前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度取得部によって取得された前記速度とに基づいて、渋滞規模を予測する渋滞規模予測部と、
前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示部と、
を備える、
ことを特徴とする渋滞緩和支援装置。 - 前記渋滞規模予測部は、前記渋滞規模が所定規模よりも大きいか否かを判定し、
前記指示部は、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示する、
ことを特徴とする請求項1に記載の渋滞緩和支援装置。 - 前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定部を備え、
前記指示部は、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示する、
ことを特徴とする請求項2に記載の渋滞緩和支援装置。 - 前記渋滞規模予測部は、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測する、
ことを特徴とする請求項1から請求項3の何れか1項に記載の渋滞緩和支援装置。 - 前記渋滞規模予測部は、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測する、
ことを特徴とする請求項4に記載の渋滞緩和支援装置。 - 請求項1から請求項5の何れか1項に記載の渋滞緩和支援装置から送信される前記渋滞予兆情報および前記速度の情報を受信するサーバ通信部と、
複数の前記渋滞緩和支援装置から取得した複数の前記渋滞予兆情報および前記速度の情報に基づいて、渋滞規模を予測するサーバ渋滞規模予測部と、
前記サーバ渋滞規模予測部によって予測される前記渋滞規模に応じて、渋滞緩和支援の実行を指示するサーバ指示部と、
を備え、
前記サーバ通信部は、前記サーバ指示部の指示の情報を前記複数の前記渋滞緩和支援装置に送信する、
ことを特徴とするサーバ装置。 - 請求項1から請求項5の何れか1項に記載の渋滞緩和支援装置と、
請求項6に記載のサーバ装置と、
を備える渋滞緩和支援システム。 - 車両の加速度を取得する加速度取得部を備える電子機器が実行する渋滞緩和支援方法であって、
前記電子機器が、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップと、
前記電子機器が、前記車両の速度を取得する速度取得ステップと、
前記電子機器が、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップと、
前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示ステップと、
を含む、
ことを特徴とする渋滞緩和支援方法。 - 前記電子機器が、前記渋滞規模が所定規模よりも大きいか否かを判定する渋滞規模判定ステップを含み、
前記電子機器は、前記指示ステップにおいて、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示する、
ことを特徴とする請求項8に記載の渋滞緩和支援方法。 - 前記電子機器が、前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定ステップを含み、
前記電子機器は、前記指示ステップにおいて、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示する、
ことを特徴とする請求項9に記載の渋滞緩和支援方法。 - 前記電子機器は、前記渋滞規模予測ステップにおいて、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測する、
ことを特徴とする請求項8から請求項10の何れか1項に記載の渋滞緩和支援方法。 - 前記電子機器は、前記渋滞規模予測ステップにおいて、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測する、
ことを特徴とする請求項11に記載の渋滞緩和支援方法。 - 車両の加速度を取得する加速度取得部を備える電子機器のコンピュータに、
前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップと、
前記車両の速度を取得する速度取得ステップと、
前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップと、
前記渋滞規模に応じて、渋滞緩和支援の実行を指示する指示ステップと、
を実行させる、
ことを特徴とするプログラム。 - 前記コンピュータに、
前記渋滞規模が所定規模よりも大きいか否かを判定する渋滞規模判定ステップを実行させ、
前記指示ステップにおいて、前記渋滞規模が前記所定規模よりも大きい場合に渋滞回避を指示させる、
ことを特徴とする請求項13に記載のプログラム。 - 前記コンピュータに、
前記渋滞回避の実行難度が所定難度よりも大きいか否か判定する判定ステップを実行させ、
前記指示ステップにおいて、前記渋滞回避の実行難度が前記所定難度よりも大きい場合に渋滞緩和のための走行制御の実行を指示させる、
ことを特徴とする請求項14に記載のプログラム。 - 前記コンピュータに、
前記渋滞規模予測ステップにおいて、機械学習によって生成される渋滞予測モデルを用いて前記渋滞規模を予測させる、
ことを特徴とする請求項13から請求項15の何れか1項に記載のプログラム。 - 前記コンピュータに、
前記渋滞規模予測ステップにおいて、前記渋滞予測モデルから得られる渋滞ピーク確率の経時変化に基づいて前記渋滞規模を予測させる、
ことを特徴とする請求項16に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017031210A JP2018136781A (ja) | 2017-02-22 | 2017-02-22 | 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017031210A JP2018136781A (ja) | 2017-02-22 | 2017-02-22 | 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018136781A true JP2018136781A (ja) | 2018-08-30 |
Family
ID=63365591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017031210A Pending JP2018136781A (ja) | 2017-02-22 | 2017-02-22 | 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018136781A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866081A (zh) * | 2019-11-15 | 2020-03-06 | 合肥安慧软件有限公司 | 一种基于互联网地图的路况拥堵分析方法 |
WO2023139651A1 (ja) * | 2022-01-18 | 2023-07-27 | 三菱電機株式会社 | 渋滞解消箇所決定装置および渋滞解消箇所決定方法 |
-
2017
- 2017-02-22 JP JP2017031210A patent/JP2018136781A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866081A (zh) * | 2019-11-15 | 2020-03-06 | 合肥安慧软件有限公司 | 一种基于互联网地图的路况拥堵分析方法 |
WO2023139651A1 (ja) * | 2022-01-18 | 2023-07-27 | 三菱電機株式会社 | 渋滞解消箇所決定装置および渋滞解消箇所決定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102277338B1 (ko) | 차량 주행 제어 방법 및 장치 | |
JP6202538B2 (ja) | 運転支援方法、プログラム、および運転支援装置 | |
JP6202537B2 (ja) | 走行支援方法、プログラム、および走行支援装置 | |
JP5555778B2 (ja) | 渋滞予測方法 | |
JPWO2012002097A1 (ja) | 渋滞予測方法 | |
KR20190141081A (ko) | 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템 | |
WO2014142057A1 (ja) | サーバ装置、渋滞予兆情報表示システム、渋滞予兆情報配信方法、渋滞予兆情報表示方法およびプログラム | |
JP7111022B2 (ja) | 管制装置 | |
JP5927336B2 (ja) | 渋滞予兆検知方法、プログラムおよび渋滞予兆検知装置 | |
JP2021111329A (ja) | 地図生成システム | |
JP6210654B2 (ja) | 運転特性評価方法、プログラムおよび運転特性評価装置 | |
JP2018106490A (ja) | 自動運転装置 | |
CN105824311A (zh) | 一种车辆的自动驾驶方法和装置 | |
CN111006681A (zh) | 一种辅助导航方法、装置、设备和介质 | |
JP6350149B2 (ja) | 合流支援システム | |
JP2018136781A (ja) | 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム | |
JP6361052B2 (ja) | 走行支援方法、プログラム、および走行支援装置 | |
JP2018156249A (ja) | ストレス緩和支援装置、サーバ装置、ストレス緩和支援システム、ストレス緩和支援方法、およびプログラム | |
JP2017194830A (ja) | 移動体の自動運転制御システム | |
JP2017010482A (ja) | 車載装置、及び、情報処理システム | |
JP2018077771A (ja) | 自動運転車両の制御システム | |
JP2009270877A (ja) | 走行経路予測案内装置、走行経路予測案内方法、コンピュータプログラム | |
JP6323052B2 (ja) | 注意案内システム、方法およびプログラム | |
JP2018137917A (ja) | 電動車両走行支援装置、サーバ装置、電動車両走行支援システム、電動車両走行支援方法、およびプログラム | |
JP6166226B2 (ja) | 渋滞予兆検知方法、プログラムおよび渋滞予兆検知装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181005 |