JP2018511857A - 交通渋滞終端位置を特定するためのサーバ、システム及び方法 - Google Patents

Abstract

本発明は、交通渋滞終端位置ｘ２を特定するためのサーバ１００に関する。このサーバは、計算ユニット１０と、メモリ２０と、それぞれ一つの車両７１の少なくとも一つの位置データ情報ｘを含む多数の測定データ８０を受信する受信ユニット３０とを備えており、このサーバ１００は、少なくとも一つのシグモイド関数を用いて、受信した測定データ８０を使用して、交通渋滞終端位置ｘ２を計算するように構成されている。

Description

本発明は、交通渋滞終端位置を特定するためのサーバ、システム及び方法に関する。

交通渋滞の場所情報を特定するためのサーバは従来技術により周知である。グーグル・トラフィックは、交通渋滞が発生している地理的領域を特定することができる。その場合、サーバは、例えば、車両内に有るスマートフォンの速度を評価している。しかし、それらの交通渋滞データは、あまりにも不正確にしか交通渋滞の場所を表さない。交通渋滞の様子、これからの展開或いは今しがたダイナミックに起きた展開は、グーグル・トラフィックのアプローチでは特定することができない。

交通渋滞の場所を特定する別の手法は、カメラや磁気誘導ループ（Ｉｎｄｕｋｔｉｏｎｓｓｃｈｌｅｉｆｅ）などの固定式センサーを重要な道路区画に設置することである。それらの固定式センサーは、交通状態、特に、交通流又は交通密度を評価するものである。その場合、個々の車両間の距離と速度を測定して、そこから交通流又は交通密度を算出している。

そのような場所特定方式の欠点は、センサーを設置した道路区画内でしか交通渋滞終端位置の計算ができないことである。カメラや磁気誘導ループなどの固定式センサーの設置は、非常に高額になり、そのため、広域に渡っては採用されていない。

特許文献１は、交通渋滞データを特定する方法を記載している。この場合、第一の車両は、センターに自車の現在位置を送信し、その位置が時間情報と組み合わされる。センターは、その情報をデータベースに保存して、そのデータに基づき第一の車両の走行経路を特定する。センターは、他の車両（第一の車両の近くを保っており、同じくデータベースにも保存されている車両）の他の走行経路を用いることで、第一の車両に対する走行経路予想を生成する。この走行経路予想は、走ろうとしている路線区間上におけるあらゆる可能性によって第一の車両の速度が如何に変化するのかについて教えてくれるものである。交通渋滞の正確な場所と有り様、それに交通渋滞終端位置は、そのようなアプローチでも検出することができない。

特許文献２は、交通渋滞終端位置を特定するためのシステム及び方法を記載している。そのシステムに属する車両は、その車両の速度を分析するための制御部を備えている。一定の速度で走行する車両が交通渋滞終端に近付いて、それにより速度が下がると、その制御部は、車両の速度がほぼゼロになるか、或いは非常に低い速度水準で一定になる位置を交通渋滞終端と確定する。その欠点は、交通渋滞終端位置が非常に不正確にしか特定できないことである。例えば、交通渋滞終端がかなりダラダラ動く（ぼやけた）もの（ｗｅｉｃｈｅｓ Ｓｔａｕｅｎｄｅ）である場合、つまり終端において速度が連続して低下する一方、他方ではゼロの値を取らないか或いは非常に低い一定の水準にしか達しない場合、そのシステム及び方法では、交通渋滞終端の正確な位置特定を行なうことができない。

欧州特許公開第１２３５１９５号明細書 米国特許公開第２００７／０００５２３１号明細書

上記の従来技術を出発点として、上記の欠点の解決に向けたサーバ、システム及び方法を提供することを課題とする。特に、広域に渡り且つ場所に依存することなく、交通渋滞終端の正確な位置と、場合によってはその進行具合とを特定するためのサーバを実現しなければならない。その際、交通渋滞終端がぼやけている場合、つまり車両が次第にゆっくりとした速度でだんだん突入していくような交通渋滞終端でも、交通渋滞の正確な位置特定を行わなければならない。別の課題は、交通渋滞終端の様子を特定することが可能な、交通渋滞終端位置を特定するサーバを提供することである。交通渋滞終端に突入したときに強くブレーキをかけなければならないなら、びくともしない（はっきりとした）（急でシャープな）交通渋滞終端（ｈａｒｔｅｓ Ｓｔａｕｅｎｄｅ）であるし、そうではなく、もっとゆっくりとした速度低下から来るようなら、ダラダラ動く（ぼやけた）交通渋滞終端（ｗｅｉｃｈｅｓ Ｓｔａｕｅｎｄｅ）である。

本課題は、請求項１に基づくサーバ、請求項７に基づくシステム及び請求項１３に基づく方法によって解決される。

特に、本課題は、
計算ユニットと、
メモリと、
一つの車両の少なくとも一つの位置データ情報をそれぞれ含む多数の測定データを受信する受信ユニットと、
を備えた、交通渋滞終端位置を特定するためのサーバによって解決される。

この場合、サーバは、有利には、少なくとも一つのシグモイド関数を用いて、受信した測定データを使用して、交通渋滞終端位置を計算するように構成されている。

交通渋滞終端位置の特定及び特徴付けのために使用される、この少なくとも一つのシグモイド関数ｓｉｇ（ｘ）は、例えば、次の式で表すことができる。

この式は、表示されている通り、四つのパラメータ［ａ_１，ａ_２，ａ_３，ａ_４］に基づき定義することができる。

この場合、シグモイド関数は、例えば、最初の反復サイクルでは、ランダムに選択されたパラメータ値によって決定することができる。測定データは、実際の交通渋滞の流れをモデル化し且つそれに伴ってその交通渋滞の終端をも良好にモデル化する少なくとも一つのシグモイド関数を選択するために使用することができる。この選別された、従って質的に価値の高いシグモイド関数は、それを用いて交通渋滞終端位置を計算するために使用することができる。

代替的又は付加的に、シグモイド関数のパラメータ値は、測定データの中の少なくとも幾つかに基づき決定又は計算することができる。これらの測定データは、例えば無線通信網、有利には移動体通信網を介して車両からサーバに送信され、サーバは、自身のメモリに測定データを保存する。測定データは、車両の位置データ情報を含むことができ、その位置データ情報を用いて、計算ユニットは、位置データ情報の送信時点に基づいて車両の速度を計算する。

本発明によるサーバの利点は、如何なる位置から車両がその測定データをサーバに送信したのかに関係無く、シグモイド関数を用いて交通渋滞終端位置を特定できることである。送信を行う車両は、交通渋滞終端位置の手前にまだいるのでもよいし、そうではなく既に終端位置を少し過ぎたところにいるのでもよい。つまり、シグモイド関数は、任意の位置の測定データ、例えば交通渋滞に入ったところの測定データを用いる場合であっても、交通渋滞終端に関する判断を行えるようにするのに適している。

別の利点は、シグモイド関数のカーブ（推移）（Ｖｅｒｌａｕｆ）に基づき、車両の速度が時間とともにどのように変化するのかを特定できることである。交通渋滞終端を特徴付けるのに、この点を利用することができる。シグモイド関数が、急に大きく下降するようにカーブしている（推移する）場合、それは、びくともしないシャープな（はっきりとした）交通渋滞終端（ｈａｒｔｅｓ Ｓｔａｕｅｎｄｅ）を意味し、この場合には、車両が順調な走行から、例えば停止している複数車両の集団に出くわす。シグモイド関数が、緩くなだらかに下降するようにカーブしている（推移する）場合、それは、周囲の車両と一緒にゆっくり速度を落としつつ交通渋滞終端に突入する、つまりぼやけた交通渋滞終端が発生していることを示す。サーバは、サービスの会員となったメンバー（例えば車両）に相応の分ったことを送信するように構成することができる。サーバは、この分かったことを交通渋滞の危険性に関する判断を行うために利用することもできる。例えば、複数の危険性カテゴリー（例えば、高、低、小）を定義することができ、サーバは、各交通渋滞をこれらのカテゴリーのうちの一つに分類する。

有利には、測定データは、データ組（データタプル）（Ｄａｔｅｎ−Ｔｕｐｅｌ）であり、
交通情報データと、
各車両の少なくとも一つの速度を示す速度データと、
各車両とその各車両の前方を走行する車両との間の少なくとも一つの距離を示す距離データと、
各車両の制動頻度を示す制動頻度データと、
のうちの一つ以上を含む。

これによって、サーバは、測定データを用いて、例えば、交通密度などの車両の周囲状況を特定することができる。例えば、前方走行車両との距離を送信することによって、サーバは、交通密度を計算することができる。この場合、交通密度は、例えば、次の式により計算することができる。

この場合、交通密度ρは、二つの車両の間の距離ｒと、後続車両の車両長さｓとに依存する。同じ計算は、例えば、車両近辺の車両数、或いは車線変更挙動又はその他の交通に関連するデータを示す交通情報データによっても行うことができる。同様にして、車両の制動頻度に基づいて交通密度を計算することも可能である。測定側車両の、検出された周辺全体に基づいて、交通密度を特定することもできる。こうして、交通密度の推移の変化によって、交通渋滞終端位置を計算することも可能である。

本発明の別の利点は、シグモイド関数を用いることで、経路又は区間上で（有利には時間上でも）交通密度を連続的にモデル化できることである。それによって、少ない測定点で−測定点ないし測定データを検出した位置に関係無く−交通渋滞終端位置を特定することが可能である。交通渋滞終端の様子について判断を下すこともできる。交通密度のカーブ（推移）が急に大きく上昇するようなら、それはシャープな（はっきりとした）交通渋滞終端である。シグモイド関数が、緩やかでなだらかに上昇するようにカーブしている（推移する）ようなら、それはボヤけた交通渋滞終端である。サーバは、サービスに加入しているメンバー（例えば車両）に、相応の分ったことを送信するように構成することができる。車両は、これらの情報を処理し、運転者自身又は別の交通参加者に警報信号を出力するためにこれらの情報を利用することができる。更に、これらの情報は、運転者支援システムの動作の仕方を制御するために使用することができる。その場合、運転者支援システムは、必要であれば走行速度を低減することができる。

有利には、測定データは、ハザードランプデータを含むことができる。このハザードランプデータは、車両がハザードランプ装置を使っていること、及び／又は当該（自）車両の近辺における車両であってセンサー及び／又はカメラを用いて検出される車両がハザードランプ装置を使っていることを知らせるものとすることができる。これらのハザードランプデータは、交通渋滞終端の位置及び／又は性状のより正確な特定を行うのに役立てることができる。

本発明の別の実施構成では、サーバは、交通渋滞終端位置を計算するために、多数のパラメータセットを決定するように構成される。各パラメータセットは、第一のシグモイド関数と第二のシグモイド関数を定義する。そのパラメータセットの第一のシグモイド関数は、速度の推移をモデル化し、そのパラメータセットの第二のシグモイド関数は、交通密度の推移をモデル化する。この場合、一つのパラメータセットは、八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］により規定することができ、四つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４］は速度の推移を反映し、四つのパラメータ［ρ_１，ρ_２，ρ_３，ρ_４］は交通密度の推移を反映する。これらの多数のパラメータセットは、有利には、１０よりも多い数、更に有利には１００よりも多い数、或いは１０００よりも多い数としてもよい。一つのパラメータセットが二つのシグモイド関数を定義し、第一のシグモイド関数が、場所に依存する車両の速度の推移を表し、第二のシグモイド関数が、場所に依存する交通密度の推移を表すことによって、速度の推移と交通密度の推移の利点が組み合わされる。

別の利点は、車線単位で位置特定することにより、交通渋滞終端の性状を走行車線単位で特定できることである。速度の推移と交通密度の推移は、交通渋滞終端に関する異なる結果を導き出す可能性が有る。サーバは、モデル化された速度の推移が与える位置を結果として出力することもあるし、或いはモデル化された交通密度の推移が与える位置を結果として出力することもある。交通渋滞終端の決定的な位置として、算出された交通渋滞終端の両方の位置の間の平均値、例えば、特定された両方の位置のまさに間に有る位置を特定することもできる。これらのパラメータセットは、交通渋滞終端の性状に関する精確な判断を下すために使用することができる。この場合、交通渋滞終端の様子を特定する際に、速度の変化も、交通密度の変化も考慮され、その結果、より厳密な判断を下すことができる。有利には、シグモイド関数を用いて、加速度の推移又は減速度の推移もモデル化することができ、さらに場所についての加速度の推移を同様に特定することができ、これにより交通渋滞終端位置が特定される。加速度の推移のモデル化によって、一方で交通渋滞終端位置を正確に計算し、他方で交通渋滞終端の性状を特定することが同じく可能である。

有利な実施構成では、サーバは、評価ユニットを備えることができる。この評価ユニットは、異なるパラメータを持ちサーバにより計算された多数のシグモイド関数の中の少なくとも一つを選択することの質の評価を、少なくとも測定データを使用して行う。これら測定データは、計算されたシグモイド関数と比較される。シグモイド関数のカーブが測定データの値の近くに有る程、シグモイド関数の質が高くなるとともに、より優れたものであると評価される。そのようなシグモイド関数の評価は、例えば、１０等級の等級体系にシグモイド関数を区分することによって行うことができ、等級１０は、シグモイド関数の最も高い質に対応する。有利なシグモイド関数、例えば、等級９と１０といった高い等級のシグモイド関数、或いは最良の５個、特に、最良の５０又は５００個のシグモイド関数を選択することによって、交通渋滞終端位置の特定を容易にして、正しく検知される位置特定の数を向上させることができる。この測定データに基づくシグモイド関数の評価は、例えば、シグモイド関数と測定データとの間の最小二乗近似の残差（Ｒｅｓｉｄｕｕｍ）を求めて、その残差の大きさに基づき、各シグモイド関数を評価することによっても行なうことができる。

一つの実施構成では、この評価ユニットは、シグモイド関数の計算のために、粒子フィルタ、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）及び線形判別分析（ＬＤＡ）のうちの一つ以上を利用することができる。この粒子フィルタを用いて、新しい測定データによってシグモイド関数が逐次更新されたものが生成される。この場合、粒子フィルタは、パラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］の有限集合によって、シグモイド関数の状態確率の事後分布（Ａ−ｐｏｓｔｅｒｉｏｒｉ−Ｖｅｒｔｅｉｌｕｎｇ ｄｅｒ Ｚｕｓｔａｎｄｓｗａｈｒｓｃｈｅｉｎｌｉｃｈｋｅｉｔ）を近似する。ランダムサンプリング集合（Ｓｔｉｃｈｐｒｏｂｅｎｍｅｎｇｅ）（粒子）によって、シグモイド関数に関する確率密度関数を近似する。代替的なアプローチと異なり、粒子フィルタは、そのノンパラメトリックな形式（ｎｉｃｈｔ−ｐａｒａｍｅｔｒｉｓｃｈｅ Ｆｏｒｍ）により任意の分布を近似することができる。同様に、計算した速度の推移及び／又は交通密度の推移は、ｍ次多項式によって補間することができるが、ｍ＝３が有利な選択である。この多項式の係数は、時間に関する速度勾配や時間に関する交通密度勾配といったような、信号の他の特性と共に、ｎ次元超空間内の点として解釈することができる。ここで、訓練データを用いて事前に訓練されたＳＶＭ又はＬＤＡは、計算されたシグモイド関数が車両の測定データに如何なる程度で一致するのかに関する判断を下すことができる。この場合、その利点は、速く確実な評価と評価ルールの小さくまとまった表現である。

本発明の別の実施形態では、サーバは、別のサーバから交通渋滞データを受信することができる。交通渋滞データは、交通渋滞が発生している領域を表す。これらの交通渋滞データを使用して、シグモイド関数を計算する。そのような計算は、シグモイド関数を計算するためにサーバがパラメータを仮選択することで行うことができ、その場合、パラメータの仮選択は、交通渋滞データに基づき行なわれる。それによって、事前にシグモイド関数の計算を目的に合うように制御することができる。交通渋滞データによって、パラメータのランダムな選択により計算したシグモイド関数よりも高い品質を初めから有するようなシグモイド関数カーブ（Ｓｉｇｍｏｉｄｆｕｎｋｔｉｏｎｓｖｅｒｌaｕｆｅ）だけをモデル化するパラメータの仮選択を最初から行なうことができる。この利点は、シグモイド関数の計算が最適化されて、より迅速で改善された交通渋滞終端の位置特定が行われることである。

更に、本課題は、上記の実施形態で述べた通りのサーバと、複数の車両とを備え、これらの車両が測定データをサーバに送信するように構成されたシステムによって解決される。既にサーバと関連して述べたような、類似の又は同じ利点が得られる。

有利な実施形態では、少なくとも一つの車両は、規則的な時間間隔で測定データを送信するように構成することができる。別の有利なシステムでは、少なくとも一つの車両は、サーバから然るべき照会を受信した場合に、測定データを送信することができる。同じように、規則的な測定データの送信と、照会に対する測定データの送信との組み合せでもよい。また、この少なくとも一つの車両自身は、トリガーによって測定データをサーバに送信することができる。この場合、トリガーは、様々なデータベース管理システム、特に、大規模な関係データベース管理システムの一つの機能を有することができ、データにある種の変更を加える場合には、保存されたプログラムを呼び出すことができ、そのプログラムが、その変更を許可し及び／又は阻止し及び／又はその他のタスク（例えば選択された測定データをサーバに送信するといったタスク）を実行する。それによって、このシステム内における最適な目的に合った測定データ送信が保証される。

別の有利な実施形態では、サーバは、特に、交通渋滞データを使用して、車両のリストから少なくとも一つの車両を選択して、その選択された車両に測定データの送信を要求するように構成することができる。この場合、サーバは、リスト内に有る全ての車両に対して、少なくとも位置データをサーバに定期的に送信することを要求することができ、これらの位置データは、更にリスト内の車両に割り当てられる。この位置情報に基づき、サーバは、交通渋滞データを通じて分かった交通渋滞の近辺にいる車両を選択して、その車両に測定データをサーバに送信することを要求する。別の手法は、サーバが、当該サーバに交通渋滞に関する情報があれば、その段階で初めて車両への測定データの照会を開始することにある。この場合、一方において、サーバは、リストに列挙された車両の全ての測定データを要求することができる。他方において、サーバは、第一の工程で、リストアップされた全ての車両の位置照会を開始して、リスト内の車両の位置だけを保存することができる。次に、交通渋滞データに基づき車両の選択が行なわれるが、このとき、交通渋滞の領域内に有る車両を選択することができる。これらの車両から測定データがまだなければ、サーバは、第二の工程で、交通渋滞終端位置を計算するために、測定データを要求することができる。全ての手法は、車両とサーバの間の測定データの送信を容易にし、最適化し、並びに目的に合うように保証する利点を有する。

別の有利な実施形態では、サーバは、
ａ）交通渋滞データに基づき、通行方向に加えて、交通渋滞の終端及び／又は交通渋滞の中心及び／又は交通渋滞の始端の暫定的な位置を特定し、
ｂ）多数の車両に関して、車両位置と車両走行方向を特定し、
ｃ）この車両位置と車両走行方向を使用して、前記の交通渋滞の終端及び／又は交通渋滞の中心の暫定的な位置の手前、有利には、前記の交通渋滞の始端の暫定的な位置の手前に存在して、交通渋滞の終端の方に動く少なくとも一つの車両を選択する、
ように構成することができる。

交通渋滞終端位置の手前の位置に有り、その終端位置の方に走る車両を選択することによって、計算すべき交通渋滞終端位置とも直接関連するような、車両の測定データだけが使用される。そのため、測定データの送信は、より一層最適化されて、低減される。

別の実施構成では、この少なくとも一つの車両は、少なくとも一つの距離測定ユニットを備えることができる。この距離測定ユニットは、車両とその車両の前方を走行する車両との間の距離を測定するように構成することができる。この距離は、交通情報データの検出及び／又は送信のために使用することができる。この種の距離測定ユニットは、例えば、前方走行車両との距離を測定するのに適したＡＣＣ（アダプティブ・クルーズ・コントロール）用前方レーダー、レーザー、カメラ又はそれ他のユニットとすることができる。この種の距離測定ユニットの利点は、距離の値によって、交通密度の推移をモデル化できることである。計算ユニット又は車両自身は、速度と前方走行車両までの距離に基づいて、測定している車両の周辺の交通密度の上昇を特定することができる。

有利な実施構成では、サーバは、計算した交通渋滞終端位置を車両に送信するように構成することができる。これにより、車両において交通渋滞終端位置を表示することができるようになる。こうして、運転者は、例えば、自分のナビゲーション機器を通して、交通渋滞終端の正確な位置及び／又は性状に関する情報が得られる。交通渋滞終端が例えば見通しの悪いカーブの向こう側に有るとか、或いはシャープな（はっきりとした）交通渋滞終端である場合、車両の運転者は、適時に事前の警告を受けることができ、その結果、事故のリスクを低減することができる。

更に、本課題は、交通渋滞終端位置を特定する方法であって、特に、上記の実施形態で述べた通りのサーバを用いて及び／又は上記の実施形態で述べた通りのシステム内において、以下の工程：
多数のパラメータセットを決定する工程であって、各パラメータセットが第一のシグモイド関数と第二のシグモイド関数を定義し、そのパラメータセットの第一のシグモイド関数が速度の推移をモデル化し、そのパラメータセットの第二のシグモイド関数が交通密度の推移をモデル化する工程と、
少なくとも一つの車両の測定データを受信する工程と、
受信した測定データに基づき、これらのパラメータセットにより定義されるシグモイド関数の中の少なくとも幾つかの品質を評価する工程と、
この評価に基づき、少なくとも一つのパラメータセットを選択する工程と、
選択された少なくとも一つのパラメータセットに基づき、交通渋滞終端位置を計算する工程と、
交通渋滞終端位置を前記車両及び／又は或る車両に送信する工程と、
を有する方法よって解決される。

既にサーバ及びシステムに関連して述べたものと類似もしくは同じ利点が得られる。

別の有利な方法は、
特に、予め設定された複数の変更期間（）内において、選択された少なくとも一つのパラメータセットに基づいて別のパラメータセットを生成する、有利にはランダムに生成する工程と、
少なくとも前記車両又は別の車両の別の測定データを受信する工程と、
受信した第二の測定データに基づき、上記別のパラメータセットにより定義されるシグモイド関数の中の少なくとも幾つかの品質を評価する工程と、
この評価に基づき、少なくとも一つの更に別のパラメータセットを選択する工程と、
選択された少なくとも一つの更に別のパラメータセットに基づき、交通渋滞終端位置を計算する工程と、
交通渋滞終端位置を前記車両及び／又は或る車両、或いは前記別の車両及び／又は或る別の車両に送信する工程と、
を有する。

新しいパラメータセットの生成は、パラメータセット毎の八つのパラメータをそれぞれ幾らかの擾乱（Ｒａｕｓｃｈｅｎ）によりランダムに僅かに変更することによって行うことができる。この措置によって、多数の異なるパラメータセットを新たに生成することができる。事前に選択したパラメータセットを用いることで、これらの新しいパラメータセットは、最初のパラメータセットに比べて改善され、適合された形で交通状態を表すこととなる。このパラメータセットを改めて評価しかつ選択することによって、第一の工程で計算された交通渋滞終端位置は、この第二の工程によって、より一層具体化し、より正確に特定することができる。新しいパラメータセットを生成し、この新しいパラメータセットを、そのつど新しい測定データを用いて照合し評価することは、任意の頻度で繰り返すことができる。従って、交通渋滞終端の位置、それに交通渋滞終端の性状も、次第に精度を増して特定できるだけでなく、それと同時に、実際に変化する状況に何度も繰返して適合されることにもなる。

本発明による課題は、更に、コンピュータ読取可能な、実行可能な命令を有するメモリ媒体であって、命令が実行された場合に、その命令が、前に述べた方法をコンピュータに実行させることになるコンピュータ読取可能なメモリ媒体によって解決される。サーバ、システム及び方法に関連して既に述べたものと類似の又は同じ利点が得られる。

以下において、図面に基づき詳しく説明する複数の実施例を用いて、本発明を説明する。

サーバ１００の概略図である。 相互通信する二つのサーバ１００と１０１の概略図である。 システムの概略図である。 相前後して走行する二つの車両７１と７２の概略図である。 速度曲線（速度の推移）５０をモデル化するシグモイド関数のグラフ図である。 交通密度曲線（交通密度の推移）６０をモデル化するシグモイド関数のグラフ図である。 交通渋滞終端位置ｘ_２を特定するための図５のシグモイド関数のグラフを示す図である。 交通渋滞終端位置ｘ_２を特定するための図６のシグモイド関数のグラフを示す図である。 交通渋滞終端性状を特定するための概略図である。 交通渋滞終端位置ｘ_２を特定するための概略的なフロー図である。 交通渋滞終端位置ｘ_２を特定するための図１０の別の概略的なフロー図である。 車両７１、７２、７３及び７４の測定データ８０、８１、８２及び８３に基づきパラメータセット４０と４２を確率論的に評価する実行サイクルを示す図である。

以下の記述では、同じ部分及び同じ様に作用する部分には、同じ符号を使用している。

サーバ１００の目的は、交通渋滞終端位置を計算することである。

以下において、交通渋滞終端とは、例えば交通事故、交通集中、或いは外環境といった外的な影響により、車両が、自車の速度が低下する及び／又は前方走行車両との距離が縮まる状況に直面させられる位置であると解すべきものとする。

図１は、計算ユニット１０、メモリ２０、受信ユニット３０及び評価ユニット９０を備えたサーバ１００の概略図を図示している。

図２に図示されている通り、サーバ１００は、別のサーバ１０１から交通渋滞データ２１を受信する。交通渋滞データ２１は、交通渋滞が発生している、道路上の領域を示す。

受信ユニット３０は、図３に図示されている通り、多数の測定データ８０，８１，８２，８３を受信するように構成されている。これらの測定データ８０，８１，８２，８３は、それぞれ車両７１，７２，７３，７４（これらの車両７１，７２，７３，７４は一つの車両集団７０である。）の少なくとも一つの位置データ情報ｘを含んでいる。この車両集団７０は、車両７１，７２，７３，７４が互いにすぐ近くを保って、全てが同じ方向に走行するものとして定義されている。

サーバ１００は、例えば、四つのパラメータ［ａ_１，ａ_２，ａ_３，ａ_４］により定義されている少なくとも一つのシグモイド関数を用いて、受信した測定データ８０，８１，８２，８３を使用して、交通渋滞終端位置ｘ_２を計算するように構成されている。ここで、これらのシグモイド関数は、例えば最初の反復サイクルにおいて、ランダムに選択されたパラメータ値によって決定される。シグモイド関数のパラメータ［ａ_１，ａ_２，ａ_３，ａ_４］は、交通渋滞データ２１を使用して計算することもできる。

図３には、同様にシステムの概略図が図示されている。このシステムは、サーバ１００と車両７１，７２，７３，７４を備え、これらの車両７１，７２，７３，７４は、測定データ８０，８１，８２，８３をサーバ１００に送信するように構成されている。ここで、測定データ８０，８１，８２，８３は、規則的な時間間隔で車両７１，７２，７３，７４からサーバ１００に自動的に送信できるか、或いは測定データ８０，８１，８２，８３の送信は、サーバ１００側からの照会によって初めて行なわれる。これら両方の送信形態を組み合せることも考えられる。それによって、システム内での最適な目的に合った測定データの送信が保証される。

更に、サーバ１００は、特に交通渋滞データ２１を使用して、車両７１，７２，７３，７４のリストから、少なくとも一つの車両７１を選択する。この選択された車両７１は、サーバ１００への測定データ８０の送信を要求される。この車両７１の選択は、様々な手法で行なうことができる。

第一の手法では、サーバ１００は、リスト内に有る全ての車両７１，７２，７３，７４に対して、少なくとも一つの位置データｘをサーバに定期的に送信することを要求し、これらの位置データが、さらにリスト内の車両７１，７２，７３，７４に割り当てられる。これらの位置情報ｘに基づき、サーバ１００は、交通渋滞データ２１を通して分かった交通渋滞の近辺にいる車両７１，７２，７３，７４を選択して、それらの車両に対して、測定データ８０，８１，８２，８３をサーバに送信することを要求し、サーバ１００は、これらの測定データを用いて交通渋滞終端位置ｘ_２を特定する。

別の手法は、交通渋滞に関する情報２１がサーバ１００にあれば、そのときにはじめてサーバ１００が車両７１，７２，７３，７４への測定データの照会を開始することである。この場合、サーバ１００は、一方において、リストに列挙された車両７１，７２，７３，７４の全ての測定データ８０，８１，８２，８３を要求することができる。他方において、サーバ１００は、第一の工程で、リストアップされた全ての車両７１，７２，７３，７４への位置照会を開始して、これらの車両７１，７２，７３，７４の位置ｘだけをリストに保存することができる。次に、交通渋滞データ２１に基づき、車両７１，７２，７３，７４の選択が行なわれるが、このとき、交通渋滞の領域内に有る車両７１，７２，７３，７４が選択される。これらの車両７１，７２，７３，７４から測定データ８０，８１，８２，８３がまだ出ていない場合、サーバ１００は、第二の工程で、交通渋滞終端位置ｘ_２を計算するために測定データを要求することができる。

また、サーバ１００は、交通渋滞データ２１に基づき、交通渋滞の終端ｘ_２及び／又は交通渋滞の中心及び／又は交通渋滞の始端の暫定位置と、交通渋滞が発生している通行方向とを特定するように構成されている。サーバ１００は、多数の車両７１，７２，７３，７４に対しても同じ特定を行い、それらの車両位置ｘと車両走行方向が特定される。これらの車両位置ｘと車両走行方向を使用して、サーバ１００は、交通渋滞の終端ｘ_２及び／又は交通渋滞の中心の暫定位置の手前、有利には交通渋滞の始端の暫定位置の手前に存在して、交通渋滞の終端ｘ_２の方に動く少なくとも一つの車両７１を選択する。交通渋滞終端位置ｘ_２の手前の位置ｘ_１に存在して、渋滞終端の方に走る車両７１，７２，７３，７４を選択することによって、計算すべき交通渋滞終端位置とも直接関連する、車両７１，７２，７３，７４の測定データ８０，８１，８２，８３だけが使用される。そのため、測定データの送信が、より一層最適化されて、低減される。

サーバ１００は、交通渋滞終端位置ｘ_２を算出したら、同時にその位置ｘ_２を車両７１，７２，７３，７４に送信する。これにより、車両７１，７２，７３，７４において交通渋滞終端位置ｘ_２を表示することが可能になる。それによって、運転者は、例えば、そのナビゲーション機器を介して交通渋滞終端の正確な位置ｘ_２及び／又は性状に関する情報が得られる。例えば、交通渋滞終端ｘ_２が見通しの悪いカーブの向こう側に有るとか、或いはシャープな（はっきりとした）交通渋滞終端であるという場合、車両７１，７２，７３，７４の運転者は、適時に事前に警告を受けることができ、その結果、事故のリスクが低減される。

車両７１，７２，７３，７４から送られて来る測定データ８０，８１，８２，８３はデータ組（Ｄａｔｅｎ−Ｔｕｐｅｌ）である。これらのデータ組は、交通情報データと、各車両７１の速度ｖを示す速度データと、各車両７１とその各車両７１の前方を走行する車両７２との間の距離ｒを示す距離データとを含む。図４に図示されている通り、車両７１は、測定データ８０をサーバ１００に送信するために送信ユニット７６を備えている。更に、車両７１は、前方走行車両との距離ｒを測定するために距離測定ユニット７５を備えている。

これらの測定データ８０，８１，８２，８３を用いて、サーバ１００は、例えば、交通密度ρなどの車両７１の周辺状況を特定する。このとき、交通密度ρは、測定した距離ｒと測定車両７１の車両の長さｓに依存している。

図５は、速度曲線（速度カーブ）５０（速度の推移）をモデル化し、四つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４］により定義されているシグモイド関数を図示している。ここでは、車両７１の速度ｖが場所ｘに関して如何に変化するのかが図示されている。図６は、交通密度曲線（交通密度カーブ）６０（交通密度の推移）をモデル化し、四つのパラメータ［ρ_１，ρ_２，ρ_３，ρ_４］により定義されるシグモイド関数を図示している。ここでは、交通密度ρが車両７１の近辺で場所ｘに関して如何に変化するのかが図示されている。それぞれ、一つの速度曲線５０と一つの交通密度曲線６０とが、一つのパラメータセット４０を表す。サーバ１００は、交通渋滞終端位置ｘ_２を計算するために、多数のパラメータセット４０，４２を決定するように構成されている。この場合、一つのパラメータセット４０，４２は、八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］により規定することができる。車両７１，７２，７３，７４の車線単位の位置特定によれば、結果として交通渋滞終端の位置ｘ_２と交通渋滞終端の性状が車線単位で特定されることになる。

図７は、交通渋滞終端位置ｘ_２を如何にして特定するのかを、速度曲線５０に基づき図示し、図８は、交通密度曲線６０に基づき図示している。この場合、速度曲線５０には、交通渋滞終端ｘ_２手前の位置ｘ_１における一定速度ｖに対する接線５１が表示されている。交通渋滞内の位置ｘ_３における第二の直線は、交通渋滞終端ｘ_２後の速度低下勾配５２を示している。これらの接線５１と勾配５２の交点によって、交通渋滞終端位置ｘ_２が、つまりは交通渋滞への突入開始が特定される。交通渋滞終端位置ｘ_２を同じように特定するために、交通密度曲線６０を用いた同じ方法が図８において適用される。この場合、一定である交通密度ρに対する接線６１は、交通渋滞終端ｘ_２手前の位置ｘ_１に表示されている。交通渋滞内の位置ｘ_３における第二の直線は、交通渋滞終端ｘ_２後の交通密度上昇の勾配６２を示している。これらの接線６１と勾配６２の交点によって、交通渋滞終端位置ｘ_２が、つまりは交通渋滞への突入開始が特定される。

速度曲線５０の勾配５２が急激に下降して、交通密度曲線６０の勾配６２が急激に上昇する場合、それは明りょうな（はっきりとした）交通渋滞終端であり、この終端では、車両７１，７２，７３，７４は、自由な走行から、例えば停滞している車両の集団に出くわす。速度曲線５０の勾配５２がゆるやかに下降して、交通密度曲線６０の勾配６２がゆるやかに上昇する場合、それはぼやけた交通渋滞終端であり、車両７１，７２，７３，７４は、次第にゆっくりとした速度ｖでだんだんとこの終端に突入していく。

交通渋滞終端の性状を特定する別の手法が、図９に図示されている。時間に関する速度低下勾配ｄｖが大きな負の値を有し、時間に関する交通密度上昇勾配ｄρが大きな正の値を有する場合、それはシャープな（はっきりとした）交通渋滞終端である。逆に、時間に関する速度勾配が小さい負の値を有し、時間に関する交通密度勾配が小さい正の値を有する場合、それはぼやけた交通渋滞終端である。

サーバ１００による車両７１，７２，７３，７４への交通渋滞終端位置ｘ_２の送信及び交通渋滞終端性状の送信によって、これらの情報は、処理されて、運転者自身又は別の交通参加者に警報信号を出力するために使用される。

図１０は、交通渋滞終端位置ｘ_２を特定するための一つの方法のフロー図を図示している。ここでは、サーバ１００は、
多数のパラメータセット４０を決定する工程であって、各パラメータセット４０が第一のシグモイド関数と第二のシグモイド関数を定義し、第一のシグモイド関数が速度曲線５０をモデル化し、第二のシグモイド関数が交通密度曲線６０をモデル化する工程と、
少なくとも一つの車両７１の測定データ８０を受信する工程と、
受信した測定データ８０に基づき、評価ユニット９０を用いて、これらのパラメータセット４０により定義されるシグモイド関数の中の少なくとも幾つかの品質を評価する工程と、
この評価に基づき、少なくとも一つのパラメータセット４１を選択する工程と、
選択された少なくとも一つのパラメータセット４１に基づき、交通渋滞終端位置ｘ_２を計算する工程と、
この交通渋滞終端位置ｘ_２を前記車両７１及び／又は或る車両に送信する工程と、
を実行するように構成される。

この評価ユニット９０は、粒子フィルタを使用してパラメータセット４０を評価するように構成されている。粒子フィルタを用いて、新しい測定データ８０，８１，８２，８３によるシグモイド関数５０，６０の逐次的に更新されたものが生成される。この場合、粒子フィルタは、パラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］の最終的な集合によって、シグモイド関数５０，６０の状態確率の事後分布（Ａ−ｐｏｓｔｅｒｉｏｒｉ−Ｖｅｒｔｅｉｌｕｎｇ ｄｅｒ Ｚｕｓｔａｎｄｓｗａｈｒｓｃｈｅｉｎｌｉｃｈｋｅｉｔ）を近似する。ランダムサンプリング集合（粒子）によって、シグモイド関数５０，６０に関する確率密度関数を近似する。代替的なアプローチと異なり、粒子フィルタは、そのノンパラメトリックな形式により任意の分布を近似することができる。

交通渋滞終端位置ｘ_２のより一層正確な特定のために、或いは交通渋滞終端位置ｘ_２の更新のために、図１１は、交通渋滞終端位置ｘ_２を特定するための別のフロー図を図示している。この場合、サーバ１００は、
特に、予め与えられた変更期間内において、選択された少なくとも一つの上記パラメータセット４１に基づき、別のパラメータセット４２を生成する、有利にはランダムに生成する工程と、
少なくとも前記車両７１及び／又は別の車両７２の別の測定データを受信する工程と、
この別の測定データ８１に基づき、評価ユニット９０を用いて、別のパラメータセット４０により定義されるシグモイド関数の中の少なくとも幾つかの品質を評価する工程と、
この評価に基づき、少なくとも一つの更に別のパラメータセット４３を選択する工程と、
この少なくとも選択された更に別のパラメータセット４３に基づき、交通渋滞終端位置ｘ_２を計算する工程と、
この交通渋滞終端位置ｘ_２を前記車両７１及び／又は或る車両、或いは前記別の車両７２及び／又は或る別の車両に送信する工程と、
を実行するように構成されている。

この新しいパラメータセット４２の生成は、パラメータセット４１毎に八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］をそれぞれ或る擾乱（Ｒａｕｓｃｈｅｎ）によりランダムに僅かに変更することによって行うことができる。この措置によって、多数の異なるパラメータセット４２を新たに生成することができる。事前に選択したパラメータセット４１によって、これらの新しいパラメータセット４２は、第一のパラメータセット４０と比べて改善され、適合された形で交通状態を表すこととなる。パラメータセット４２を改めて評価し且つ選択することによって、第一の工程で計算された交通渋滞終端位置ｘ_２は、この第二の工程によって、より一層具体化して、より正確に特定することが可能になる。新しいパラメータセット４２を生成し、新しいパラメータセット４２を、そのつど新しい測定データ８１を用いて照合し且つ評価することは、任意の頻度で繰り返すことができる。そのため、交通渋滞終端の位置ｘ_２及び性状は、次第に精度を増して特定できるだけでなく、それと同時に、実際に変化する状況に何度も繰返して適合されることにもなる。

図１２には、如何にして交通渋滞終端位置ｘ_２を特定できるのかが別の形態でもう一度図示されている。最も確からしいパラメータセット４１の推定は周期的に行なわれる。最初に、ランダムに、或いは交通渋滞データ２１の助けを借りて、より確からしいパラメータ設定のために、それぞれ八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］を有する非常に多くのパラメータセット４０が生成される。次の工程で、それぞれ八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］により一義的に定義される速度曲線５０と交通密度曲線６０のシグモイド関数が、測定１０００の助けを借りて、評価２０００の工程で評価される。この結果、より良好に測定１０００に一致する、或いは、より実際に測定した場合に近いパラメータセット４０が、より高い評価を得る。選択３０００の工程で、引き続き追求すべきパラメータセット４１が決定される。続いて、取り出されたパラメータセット４１毎に八つのパラメータ［ｖ_１，ｖ_２，ｖ_３，ｖ_４，ρ_１，ρ_２，ρ_３，ρ_４］が、それぞれ或る擾乱によりランダムに僅かに変更される。ここで、再び多数の異なるパラメータセット４２が得られる。測定１０００を用いることで、多数のパラメータセット４０は、評価工程２０００の前のものに比べて、交通状態をより良好に表すこととなる。新たな一時点で、さらなる測定データ８１又は複数の同期／非同期の測定１０００が来ると、直近の時間ステップから、それぞれの新たな時点までのパラメータセット４１が推定される（ｐｒａｅｄｉｚｉｅｒｔ）。これは、例えば、偏微分方程式により記述されている巨視的な交通モデルに関して実行することができる。また、予測４０００の前に、或いは後でも適用できるパラメータセット４２の擾乱化（Ｖｅｒｒａｕｓｃｈｅｎ）が、交通渋滞終端位置ｘ_２の動きを捉えるのに十分に大きい場合、予測４０００の工程は完全に省略することもできる。この場合、測定１０００に基づく評価２０００、選択３０００及び予測４０００の一連の工程は、周期的に任意の回数で行なわれる。

１０ 計算ユニット
２０ メモリ
２１ 交通渋滞データ
３０ 受信ユニット
４０ 複数のパラメータセット
４１ 一つのパラメータセット
４２ 複数の別のパラメータセット
４３ 一つの別のパラメータセット
５０ 速度の推移
５１ 交通渋滞終端前の速度に対する接線
５２ 速度低下勾配
６０ 交通密度の推移
６１ 交通渋滞終端前の交通密度に対する接線
６２ 交通密度上昇勾配
７０ 車両集団
７１ 車両
７２ 別の車両
７３ 車両
７４ 車両
７５ 距離測定ユニット
７６ 送信ユニット
８０ 測定データ
８１ 別の測定データ
８２ 測定データ
８３ 測定データ
９０ 評価ユニット
１００ サーバ
１０１ 別のサーバ
１０００ 測定
２０００ 評価
３０００ 選択
４０００ 予測
ｘ 位置データ情報
ｘ_１ 交通渋滞終端の手前の位置
ｘ_２ 交通渋滞終端位置
ｘ_３ 交通渋滞終端の後の位置
ｖ 速度
ｄｖ 時間に関する速度低下勾配
ρ 交通密度
ｄρ 時間に関する交通密度上昇勾配
ｒ 二つの車両の間の差
ｓ 車両の長さ

Claims (15)

1. 計算ユニット（１０）と、
   メモリ（２０）と、
   一つの車両（７１）の少なくとも一つの位置データ情報（ｘ）をそれぞれ含む多数の測定データ（８０）を受信する受信ユニット（３０）と、
   を備えた、交通渋滞終端位置（ｘ_２）を特定するためのサーバ（１００）であって、
   少なくとも一つのシグモイド関数を用いて、受信した測定データ（８０）を使用して、交通渋滞終端位置（ｘ_２）を計算するように構成されているサーバ（１００）。
2. 請求項１に記載のサーバ（１００）において、
   前記の測定データ（８０）が、データ組であり、
   交通情報データと、
   各車両（７１）の少なくとも一つの速度（ｖ）を示す速度データと、
   各車両（７１）とその各車両（７１）の前方を走行する車両との間の少なくとも一つの距離（ｒ）を示す距離データと、
   各車両（７１）の制動頻度を示す制動頻度データと、
   のうちの一つ以上を含むことを特徴とするサーバ。
3. 請求項１又は２に記載のサーバ（１００）において、
   このサーバ（１００）が、多数のパラメータセット（４０）を決定するように構成されており、
   各パラメータセット（４０）が第一のシグモイド関数と第二のシグモイド関数を定義し、第一のシグモイド関数が速度の推移（５０）をモデル化し、第二のシグモイド関数が交通密度の推移（６０）をモデル化することを特徴とするサーバ。
4. 請求項１から３までのいずれか一つに記載のサーバ（１００）において、
   測定データ（８０）の中の少なくとも幾つかを使用して、サーバ（１００）により計算された多数のシグモイド関数の中の少なくとも一つの選択の質を評価するように構成された評価ユニット（９０）を備えることを特徴とするサーバ。
5. 請求項１から４までのいずれか一つに記載の、特に請求項４に記載のサーバ（１００）において、
   評価ユニット（９０）が、粒子フィルタ、サポートベクターマシン及び線形判別分析のうちの一つ以上を使用してシグモイド関数を評価するように構成されていることを特徴とするサーバ。
6. 請求項１から５までのいずれか一つに記載のサーバ（１００）において、
   このサーバ（１００）が、別のサーバ（１０１）から交通渋滞データ（２１）を受信し、当該交通渋滞データ（２１）は、交通渋滞が発生している領域を示し、シグモイド関数は、交通渋滞データ（２１）を使用して計算されることを特徴とするサーバ。
7. 請求項１から６までのいずれか一つに記載のサーバ（１００）と、車両（７１，７２，７３，７４）とを備えたシステムであって、
   これらの車両（７１，７２，７３，７４）が、測定データ（８０）をサーバ（１００）に送信するように構成されているシステム。
8. 請求項７に記載のシステムにおいて、
   少なくとも一つの車両（７１，７２，７３，７４）が、
   規則的な時間間隔で測定データ（８０）を送信すること、
   サーバ（１００）の側からの照会に応じて測定データ（８０）を送信すること、
   のうちの一つ以上を実行するように構成されていることを特徴とするシステム。
9. 請求項７又は８に記載のシステムにおいて、
   サーバ（１００）が、交通渋滞データ（２１）を特に使用して、車両（７１，７２，７３，７４）のリストから少なくとも一つの車両（７１）を選択し、その選択した車両（７１）に測定データ（８０）の送信を要求するように構成されていることを特徴とするシステム。
10. 請求項９に記載のシステムにおいて、
    サーバ（１００）が、
    ａ）交通渋滞データに基づき、通行方向に加えて、交通渋滞の終端（ｘ_２）及び／又は交通渋滞の中心及び／又は交通渋滞の始端の暫定的な位置を特定し、
    ｂ）多数の車両（７１，７２，７３，７４）に関して、車両位置（ｘ）と車両走行方向を特定し、
    ｃ）当該車両位置（ｘ）と車両走行方向を使用して、交通渋滞の終端（ｘ_２）及び／又は交通渋滞の中心の暫定的な位置の手前に、有利には交通渋滞の始端の暫定的な位置の手前に存在して、交通渋滞終端（ｘ_２）の方に動く少なくとも一つの車両（７１）を選択する、
    ように構成されていることを特徴とするシステム。
11. 請求項７から１０までのいずれか一つに記載のシステムにおいて、
    少なくとも一つの車両（７１）が、当該車両（７１）と当該車両（７１）の前方を走行する車両との間の距離（ｒ）を測定するように構成された少なくとも一つの距離測定ユニット（７５）を備え、この距離（ｒ）が、交通渋滞情報データの算出及び／又は送信のために使用されることを特徴とするシステム。
12. 請求項７から１１までのいずれか一つに記載のシステムにおいて、
    サーバ（１００）が、計算された交通渋滞終端位置（ｘ_２）を車両（７１，７２，７３，７４）に送信するように構成されていることを特徴とするシステム。
13. 特に、請求項１から６までのいずれか一つに記載のサーバ（１００）を用いて及び／又は請求項７から１２までのいずれか一つに記載のシステム内において、交通渋滞終端位置（ｘ_２）を特定するための方法であって、
    多数のパラメータセット（４０）を決定する工程であって、各パラメータセット（４０）が第一のシグモイド関数と第二のシグモイド関数を定義し、第一のシグモイド関数が速度の推移（５０）をモデル化し、第二のシグモイド関数が交通密度の推移（６０）をモデル化する工程と、
    少なくとも一つの車両（７１）の測定データ（８０）を受信する工程と、
    受信した測定データ（８０）に基づき、前記パラメータセット（４０）により定義されるシグモイド関数の中の少なくとも幾つかの質を評価する工程と、
    この評価に基づき、少なくとも一つのパラメータセット（４１）を選択する工程と、
    選択された少なくとも一つのパラメータセット（４１）に基づき、交通渋滞終端位置（ｘ_２）を計算する工程と、
    交通渋滞終端位置（ｘ_２）を前記車両及び／又は或る車両（７１）に送信する工程と、
    を有する方法。
14. 請求項１３に記載の方法において、
    前記選択された少なくとも一つのパラメータセット（４１）に基づき、特に所定の変更期間内において別のパラメータセット（４２）を生成する、有利にはランダムに生成する工程と、
    少なくとも前記車両（７１）及び／又は別の車両（７２）の別の測定データ（８１）を受信する工程と、
    受信した当該別の測定データ（８１）に基づき、別のパラメータセット（４０）により定義されるシグモイド関数の中の少なくとも幾つかの質を評価する工程と、
    この評価に基づき、少なくとも一つの更に別のパラメータセット（４３）を選択する工程と、
    選択された少なくとも一つの当該更に別のパラメータセット（４３）に基づき、交通渋滞終端位置（ｘ_２）を計算する工程と、
    交通渋滞終端位置（ｘ_２）を前記車両（７１）及び／又は或る車両に、或いは前記別の車両（７２）及び／又は或る別の車両に送信する工程と、
    を有する方法。
15. 実行可能な命令を有するコンピュータ読取可能なメモリ媒体であって、
    前記命令が実行された場合に、上記命令が、請求項１３又は１４に記載の方法をコンピュータに実行させることとなる、コンピュータ読取可能なメモリ媒体。

Images