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

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）。

特開２０１３−１０５３７９号公報

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。

（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。

（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。

本発明の実施形態に係る渋滞緩和支援装置の構成を示すブロック図である。 本発明の実施形態に係る加速度のベクターの差分の一例を示す図である。 本発明の実施形態に係る加速度スペクトルの一例を示す図である。 本発明の実施形態に係る加速度およびスペクトル角度の時間に応じた変動および平均的挙動の例を示す図である。 本発明の実施形態に係る渋滞予測モデルの例であって、スペクトル角度および速度に応じた渋滞ピーク確率の分布の例を示す図である。 本発明の実施形態に係る渋滞ピーク確率の経時変化の例を示す図である。 本発明の実施形態に係る渋滞緩和支援方法を示すフローチャートである。 本発明の実施形態の変形例に係る渋滞緩和支援システムの構成を示すブロック図である。 本発明の実施形態の変形例に係る渋滞緩和支援方法を示すフローチャートである。 図９に示すネットワーク動作を示すフローチャートである。

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。

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。

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。

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。

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。

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）＝（ａｘ_ｔ，ａｙ_ｔ，ａｚ_ｔ）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）＝（ａｘ_ｔ−ΔＴ，ａｙ_ｔ−ΔＴ，ａｚ_ｔ−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ｕ_ｔ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。

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、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。

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。

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。

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。

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。

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。

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。

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。

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、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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。

Images