JP2020013311A - 交通信号制御装置、交通信号制御システムおよび交通信号制御方法 - Google Patents

Abstract

【課題】熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができるようにする。【解決手段】交通管理装置３の制御部１２が、信号制御パラメータ（信号制御情報）の汎用設定情報と、対象エリアの各交差点の現示構成および交差点間距離とに基づいて、対象エリアの各交差点の信号制御パラメータの候補を設定し、信号制御パラメータの候補と、車両感知器１で収集した対象エリアの最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として交通情報を取得し、交通情報を評価指標として信号制御パラメータの候補を評価して、信号制御パラメータの候補の中から適切な信号制御パラメータを選定し、その信号制御パラメータを通信部１１から信号制御機２に送信する。【選択図】図３

Description

本発明は、対象エリアに設置された信号機を制御する交通信号制御装置、交通信号制御システムおよび交通信号制御方法に関するものである。

交通管理システムでは、円滑な交通流の確保、交通安全の確保、交通公害の抑制などを目的として、対象とする道路網の交通状況に基づいて、交差点に設置された信号機を制御する交通信号制御が行われている。この交通信号制御では、道路に設置された車両感知器で収集した情報などに基づいて、サブエリア構成を決定し、また、信号制御パラメータ（サイクル長、オフセット、スプリット）を生成するようにしている。

このような交通信号制御では、信号制御方式としてパターン制御やＭＯＤＥＲＡＴＯ（Management by Origin-Destination Related Adaptation for Traffic Optimization）制御が採用されているが、車両感知器整備の制約からパターン制御を適用している交差点も多数存在する。

パターン制御を適用するためには、熟練技術者による交通状況の類型化および類型化した交通状況毎の最適制御パラメータ値設計を実施する必要がある。しかし、近年の熟練技術者減少のため、交通状況の経年変化に応じた制御設計見直し（交通状況類型化、最適制御パラメータ設計）が遅滞している。

そこで、機械学習を用いた交通状況推計と汎用制御パラメータを用いて、熟練技術者がいなくても制御設計の見直しを可能とする手法が考えられる。

このような機械学習を交通管理に応用した技術として、従来、機械学習モデル（ニューラルネットワーク）を用いて、入力情報としての交通量から、出力情報として将来の交通量や信号現示の設計情報を取得する技術が知られている（特許文献１，２参照）。

特開平７−６２９２号公報 特開平８−１２４０８５号公報

社団法人 交通工学研究会 編,「交通信号の手引き」,社団法人 交通工学研究会，１９９４年７月，ｐ．７８，８２−８３

しかしながら、前記従来の技術では、交通需要の変化を予測したり、専門家がその経験と技術に基づいて行っていた現示設計を装置に行わせたりすることができるが、機械学習モデルを用いて信号制御パラメータを最適化するものではなく、現在の交通状況に対応する最適な信号制御パラメータを求めることができないという問題があった。

そこで、本発明は、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる交通信号制御装置、交通信号制御システムおよび交通信号制御方法を提供することを主な目的とする。

本発明の交通信号制御装置は、信号制御機に信号制御情報を送信して対象エリアに設置された信号機を制御する交通信号制御装置であって、前記対象エリアの最新の交通状況情報を収集し、前記対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備える構成とする。

また、本発明の交通信号制御システムは、対象エリアに設置された信号機を制御する交通信号制御システムであって、情報収集装置で収集した対象エリアの最新の交通状況情報に基づいて信号制御情報を生成する交通信号制御装置を備え、この交通信号制御装置は、対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備える構成とする。

また、本発明の交通信号制御方法は、対象エリアに設置された信号機を制御する交通信号制御方法であって、情報処理装置において、対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、情報収集装置で収集した対象エリアの最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する構成とする。

本発明によれば、機械学習モデルを用いて、信号制御情報の候補に応じた交通情報を取得して、その交通情報を評価指標として、適切な信号制御情報を選定する。これにより、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる。

本実施形態に係る交通信号制御システムの全体構成図 交通管理装置３の概略構成を示すブロック図 信号制御パラメータ候補設定部２４、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７で行われる処理の概要を示す説明図 学習情報収集部２１、学習処理部２２、および機械学習モデル構築部２３で行われる処理の手順を示すフロー図 パターン制御の制御方式で用いるパラメータ候補構成パターンおよびパターン選択概要を示す説明図 パターン制御の制御方式で用いるパラメータ候補構成パターンおよびパターン選択概要を示す説明図 対象エリアの道路網の一例を示す説明図 信号制御パラメータ候補設定部２４、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７で行われる処理の手順を示すフロー図

前記課題を解決するためになされた第１の発明は、信号制御機に信号制御情報を送信して対象エリアに設置された信号機を制御する交通信号制御装置であって、前記対象エリアの最新の交通状況情報を収集し、前記対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備える構成とする。

これによると、機械学習モデルを用いて、信号制御情報の候補に応じた交通情報を取得して、その交通情報を評価指標として、適切な信号制御情報を選定する。これにより、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる。

また、第２の発明は、前記制御部は、信号制御情報の汎用的な設定値が予め登録された汎用設定情報と、前記対象エリアの各交差点の現示構成および交差点間距離とに基づいて、前記信号制御情報の候補を設定する構成とする。

これによると、対象エリアの各交差点の信号制御情報の候補を適切にかつ簡易に設定することができる。

また、第３の発明は、前記制御部は、前記交通情報としての渋滞長および旅行時間の少なくともいずれかに基づいて、適切な信号制御情報を選定する構成とする。

これによると、適切な信号制御情報を選定することができる。

また、第４の発明は、対象エリアに設置された信号機を制御する交通信号制御システムであって、情報収集装置で収集した対象エリアの最新の交通状況情報に基づいて信号制御情報を生成する交通信号制御装置を備え、この交通信号制御装置は、対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備える構成とする。

これによると、第１の発明と同様に、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる。

また、第５の発明は、対象エリアに設置された信号機を制御する交通信号制御方法であって、情報処理装置において、対象エリアの各交差点の信号制御情報の候補を設定し、前記信号制御情報の候補と、情報収集装置で収集した対象エリアの最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する構成とする。

これによると、第１の発明と同様に、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる。

以下、本発明の実施の形態を、図面を参照しながら説明する。

図１は、本実施形態に係る交通信号制御システムの全体構成図である。

この交通信号制御システム（交通管制システム）は、対象エリアに設置された信号機を制御するものであり、車両感知器１（情報収集装置）と、信号制御機２と、交通管理装置（交通信号制御装置、情報処理装置）３と、を備えている。

車両感知器１は、例えば超音波式車両感知器および光学式車両感知器（光ビーコン）などであり、道路上の車両を感知して、道路における車両の通行状況を表す車両感知器情報（交通状況情報）を生成する。この車両感知器情報は、車両感知器１から交通管理装置３に送信される。

信号制御機２は、交通管理装置３から送信される信号制御パラメータ（信号制御情報）に基づいて、信号機（信号灯器）の動作を制御する。

交通管理装置３は、交通管制センターの中央装置であり、車両感知器１から送信される車両感知器情報に基づいて、信号制御パラメータ（信号制御情報）を生成して、その信号制御パラメータを信号制御機２に送信する。

なお、本実施形態では、交通管理装置３において、車両感知器情報を用いて信号制御を行うようにしたが、道路上に設置された光ビーコンやＩＴＳスポットや電波ビーコン（情報収集装置）により、走行中の車両に搭載された車載機から収集されるプローブ情報（交通状況情報）を用いて、信号制御を行うようにしてもよい。

次に、交通管理装置３の概略構成について説明する。図２は、交通管理装置３の概略構成を示すブロック図である。図３は、信号制御パラメータ候補設定部２４、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７で行われる処理の概要を示す説明図である。

図２に示すように、交通管理装置３は、通信部１１と、制御部１２と、記憶部１３と、を備えている。

通信部１１は、車両感知器１および信号制御機２と通信を行い、車両感知器１から送信される車両感知器情報を受信し、また、信号制御パラメータ（信号制御情報）を信号制御機２に送信する。

記憶部１３は、信号制御用設定情報、道路網構成情報、車両感知器情報、事象規制情報、気象情報、信号制御パラメータ（信号制御情報）、交通情報、および信号制御パラメータの汎用設定情報などを記憶する。また、記憶部１３は、制御部１２を構成するプロセッサで実行されるプログラムを記憶する。

ここで、信号制御用設定情報は、対象エリアの各交差点の現示構成など、信号制御に関する設定情報である。

道路網構成情報は、道路網を構成するノード（交差点）およびリンク（道路）の接続形態や、各リンクのリンク長（交差点間距離）などに関する情報である。

車両感知器情報は、車両感知器１で収集された交通状況を表す情報であり、具体的には、交通量、すなわち、単位時間（例えば５分）ごとに車両感知器１の位置を通過した車両の台数や、占有率（時間占有率）、すなわち、単位時間内に車両感知器１の位置に車両が存在していた時間の割合などである。

事象規制情報は、対象エリアの道路網における車線規制や通行止めなどに関する情報である。気象情報は、対象エリアの気象（降雨など）に関する情報である。この気象情報は、気象情報提供サーバから取得すればよいが、管理者が当日の気象を入力するようにしてもよい。

信号制御パラメータ（信号制御情報）は、信号機における交通信号の表示タイミングを決定する要素となる情報であり、具体的には、サイクル長、スプリット、およびオフセットである。

交通情報は、対象エリアの道路網の各リンクにおける旅行時間および渋滞長などに関する情報である。

信号制御パラメータの汎用設定情報は、信号制御パラメータの汎用的な設定値が登録されたものである。

なお、車両感知器情報、事象規制情報、気象情報、および信号制御パラメータには、過去の情報と最新の情報とがあり、過去の情報は、機械学習モデルを構築するための学習情報となり、最新の情報は、現在の信号制御に関するものである。

制御部１２は、学習情報収集部２１と、学習処理部２２と、機械学習モデル構築部２３と、信号制御パラメータ候補設定部２４と、シミュレーション部２５と、信号制御パラメータ選定部２６と、信号制御部２７と、を備えている。この制御部１２は、プロセッサで構成され、制御部１２の各部は、記憶部１３に記憶されたプログラムをプロセッサで実行することで実現される。

学習情報収集部２１は、対象エリアの道路網に関する所定期間の情報を学習情報として記憶部１３から収集する。この学習情報は、入力情報とこれに対応した出力情報とを組合せたものであり、入力情報は、信号制御パラメータ（信号制御情報）、車両感知器情報、事象規制情報（車線規制など）、および気象情報（降雨など）となり、出力情報は、交通情報（旅行時間、渋滞長など）となる。なお、学習情報となる各種の情報は、過去の信号制御で取得して記憶部１３に蓄積されたものである。

学習処理部２２は、学習情報収集部２１で取得した学習情報を用いて、機械学習モデルに対する学習処理を実行して、学習結果として、機械学習モデルに関するモデルパラメータを取得する。

機械学習モデル構築部２３は、学習処理部２２で取得したモデルパラメータを機械学習モデルに適用して、学習結果が反映された機械学習モデルを構築する。この機械学習モデルは、対象エリアの道路網の特性が反映されたものであり、この機械学習モデルにより、対象エリアの道路網の挙動を再現することができる。

なお、機械学習モデルは、特に限定されないが、例えばニューラルネットワーク、ＲＢＦ（Radial Basis Function）ネットワーク、サポートベクターマシンなどを採用することができる。

図３に示すように、信号制御パラメータ候補設定部２４は、信号制御パラメータの汎用設定情報と、対象エリアの各交差点の現示構成および交差点間距離とに基づいて、対象エリアの各交差点に関する信号制御パラメータの候補を設定する。なお、各交差点の現示構成は、記憶部１３の信号制御用設定情報から取得すればよく、交差点間距離は道路網構成情報から取得すればよい。

シミュレーション部２５は、最新の車両感知器情報、事象規制情報、および気象情報と、信号制御パラメータ候補設定部２４で設定された信号制御パラメータの候補の組合せ（制御パターン）とを入力情報として、学習済みの機械学習モデルを実行して、出力情報として、設定された信号制御パラメータの候補で信号機を制御した場合に予測される交通情報（渋滞長、旅行時間）を生成する。この機械学習モデルによる交通情報の生成は、入力情報としての信号制御パラメータの候補の組合せ（制御パターン）を変えて繰り返し行われる。

なお、車両感知器情報に基づいてシミュレーションの対象となる交通状況（閑散時、通常時および混雑時）を絞り込まずに、全ての交通状況をシミュレーションの対象とするとよい。

信号制御パラメータ選定部２６は、シミュレーション部２５で取得した交通情報に基づいて、最適な信号制御パラメータの組合せ（制御パターン）を選定する。機械学習モデルの出力情報としての交通情報は、入力情報としての信号制御パラメータの制御パターンの評価指標となり、交通情報に基づいて制御パターンを評価して、最適な制御パターンを選定する。

具体的には、渋滞長が最も短くなる制御パターンを選定する。また、旅行時間が最も短くなる制御パターンを選定する。また、渋滞長および旅行時間の両方を考慮して、最適な制御パターンを選定する。なお、渋滞長や旅行時間は、リンク単位で求められるため、所要の統計処理を行って、対象エリア全体を対象にした評価を行う。

なお、信号制御パラメータの制御パターンの全てに関して、機械学習モデルにより交通情報を生成して、制御パターンを評価するようにしてもよいが、メタヒューリスティックスにより制御パターンの探索を行い、十分なレベルの制御パターンが見つかるまで、機械学習モデルによる交通情報の生成と、制御パターンの探索とを繰り返すようにしてもよい。

信号制御部２７は、信号制御パラメータ選定部２６で選定された信号制御パラメータの組合せ（制御パターン）を、対象エリアの各交差点における最新の信号制御パラメータとして通信部１１から信号制御機２に送信する。

なお、本実施形態では、交通管理装置３が、学習情報収集部２１と、学習処理部２２と、機械学習モデル構築部２３と、信号制御パラメータ候補設定部２４と、シミュレーション部２５と、信号制御パラメータ選定部２６と、信号制御部２７と、を備えたものとしたが、信号制御の運用時には、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７のみを稼働させる。また、学習情報収集部２１、学習処理部２２、および機械学習モデル構築部２３、を別の情報処理装置で構成し、交通管理装置３に信号制御パラメータ候補設定部２４、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７を設けて、別の情報処理装置で生成した機械学習モデルを、交通管理装置３に導入するようにしてもよい。

次に、学習情報収集部２１、学習処理部２２、および機械学習モデル構築部２３で行われる処理について説明する。図４は、各部で行われる処理の手順を示すフロー図である。

図４（Ａ）に示すように、まず、学習情報収集部２１において、対象エリアの道路網に関する所定期間の学習情報を記憶部１３から収集する（ＳＴ１０１）。この学習情報は、入力情報とこれに対応した出力情報とを組合せたものであり、入力情報は、信号制御パラメータ（信号制御情報）、車両感知器情報、事象規制情報（車線規制など）、および気象情報（降雨など）であり、出力情報は、交通情報（旅行時間、渋滞長など）である。

次に、学習処理部２２において、学習情報収集部２１で収集した学習情報を用いて、所定の学習アルゴリズムにしたがって機械学習モデルに関する学習処理を行う（ＳＴ１０２）。そして、学習処理で取得したモデルパラメータを記憶部１３に格納する（ＳＴ１０３）。

図４（Ｂ）に示すように、機械学習モデル構築部２３では、まず、学習処理部２２で取得したモデルパラメータを記憶部１３から取得する（ＳＴ２０１）。そして、モデルパラメータを未学習の深層学習モデルに適用して、学習結果が反映された深層学習モデルを構築する（ＳＴ２０２）。

次に、信号制御パラメータ候補設定部２４で行われる処理について説明する。図５，図６は、パターン制御という制御方式で用いるパラメータ候補構成パターンおよびパターン選択概要を説明したものである。本発明では、この図のうちパラメータ候補構成パターンの類型化の考え方を用いて、パラメータ候補を作成すればよい。図７は、対象エリアの道路網の一例を示す説明図である。

信号制御パラメータ候補設定部２４では、信号制御パラメータの汎用設定情報（テンプレート）と、対象エリアの各交差点の現示構成および交差点間距離とに基づいて、対象エリアの各交差点に関する信号制御パラメータの候補を設定する。

図５（Ａ）は、パターン制御でのサイクル長選択を説明するための図である。サイクル長に関するパターン選択では、交差点負荷率ρに応じたサイクル長パターンＣ１〜Ｃ５が定義されており、交差点負荷率ρからサイクル長パターンを選択して、そのサイクル長パターンで規定されたサイクル長を取得する。なお、交差点負荷率ρは、飽和交通量に対する交通量の割合である。本発明では、この図のうち、パラメータ類型化の考え方を参考にしてパラメータ候補を作成すればよい。

図５（Ｂ）はパターン制御でのスプリット選択を説明するための図である。スプリットに関するパターン選択では、主道路交通状態量および従道路交通状態量に応じたスプリットパターンＳ１〜Ｓ６が定義されており、主道路交通状態量および従道路交通状態量からスプリットパターンを選択して、そのスプリットパターンで規定されたスプリットを取得する。なお、交通状態量は、車両感知器１で収集される交通量と占有率との加重和である。本発明では、この図のうち、パラメータ類型化の考え方を参考にしてパラメータ候補を作成すればよい。

図６はパターン制御でのオフセット選択を説明するための図である。オフセットに関するパターン選択では、上り交通量および下り交通量に応じたオフセットパターンＯ１〜Ｏ１０が定義されており、上り交通量および下り交通量からオフセットパターンを選択して、そのオフセットパターンで規定されたオフセットを取得する。また、オフセットパターンはサイクル長パターンと連動しており、オフセットパターンを選択することで、対応するサイクル長パターンが決定される。本発明では、この図のうち、パラメータ類型化の考え方を参考にしてパラメータ候補を作成すればよい。

このように、信号制御パラメータ（サイクル長、オフセット、スプリット）に関するパターン選択に基づいて、信号制御パラメータの汎用設定情報（テンプレート）を生成するが、この信号制御パラメータの汎用設定情報では、交差点の現示構成および交差点間距離に応じて、信号制御パラメータの汎用的な設定値を登録する。

具体的には、スプリットの汎用的な設定値を、現示構成（例えば、２現示、３現示（独立）、３現示（右折）、４現示（相互右折）など）で分類して登録する。また、オフセットの汎用的な設定値を、交差点間距離が所定距離（例えば２００ｍ）以上か否か、すなわち、短リンクと長リンクとのいずれであるかに応じて分類して登録する。

図７に対象エリアの道路網の一例を示す。ここで、図７（Ａ）に示すように、サブエリアＳ１は、交差点Ｉ１，Ｉ２を有する。現示構成は、交差点Ｉ１で４現示（相互右折）、交差点Ｉ２で２現示となる。交差点Ｉ１，Ｉ２間の距離は所定距離未満となる（短リンク）。また、図７（Ｂ）に示すように、サブエリアＳ２は、交差点Ｉ３，Ｉ４，Ｉ５を有する。現示構成は、交差点Ｉ３，Ｉ４で３現示（右折）、交差点Ｉ５で３現示（独立）となる。また、交差点Ｉ３，Ｉ４間の距離は所定距離未満となり（短リンク）、交差点Ｉ４，Ｉ５間の距離は所定距離以上となる（長リンク）。

なお、２現示は、各道路に交互に通行権を与えるものである。３現示（独立）は、直進、右折および左折の３方向を独立したものである。３現示（右折）は、主道路の右折を分離したものである。４現示（相互右折）は、主道路および従道路の双方の右折を分離したものである。

また、信号制御パラメータの汎用設定情報では、交通需要の程度に応じた交通状況（例えば、閑散時、通常時、混雑時など）ごとに、信号制御パラメータ（サイクル長、オフセット、スプリット）の汎用的な設定値を登録するようにしてもよい。

このように、信号制御パラメータの汎用設定情報には、交差点の現示構成および交差点間距離に応じて、信号制御パラメータの汎用的な設定値が登録されている。したがって、制御パラメータの汎用設定情報を、対象エリアの各交差点の現示構成および交差点間距離に基づいて、対象エリアに適用すると、各交差点の信号制御パラメータの候補が設定される。

具体的には、汎用設定情報に登録されたサイクル長の汎用的な設定値に基づいて、サイクル長の候補が設定される。また、汎用設定情報に登録された現示構成ごとのスプリットの汎用的な設定値に基づいて、対象エリアの各交差点の現示構成に対応するスプリットの候補が設定される。また、汎用設定情報に登録された交差点間距離ごとのオフセットの汎用的な設定値に基づいて、対象エリアの各交差点間の距離に対応するオフセットの候補が設定される。

次に、信号制御パラメータ候補設定部２４、シミュレーション部２５、信号制御パラメータ選定部２６、および信号制御部２７で行われる処理について説明する。図８は、各部で行われる処理の手順を示すフロー図である。

まず、信号制御パラメータ候補設定部２４において、信号制御パラメータの汎用設定情報と、対象エリアの各交差点の現示構成および交差点間距離とに基づいて、対象エリアの各交差点の信号制御パラメータの候補を設定する（ＳＴ３０１）。

次に、シミュレーション部２５において、最新の車両感知器情報、事象規制情報、および気象情報を記憶部１３から取得する（ＳＴ３０２）。そして、最新の車両感知器情報、事象規制情報、および気象情報と、信号制御パラメータの候補の組合せ（制御パターン）とを入力情報として、学習済みの機械学習モデルを実行して、出力情報として、設定された信号制御パラメータの候補で信号機を制御した場合に予測される交通情報（渋滞長、旅行時間）を取得する（ＳＴ３０３）。

次に、信号制御パラメータ選定部２６において、機械学習モデルから出力された交通情報を評価指標として、信号制御パラメータの候補の組合せ（制御パターン）を評価して、最適な信号制御パラメータの候補の組合せ（制御パターン）を選定する（ＳＴ３０４）。つまり、機械学習モデルから出力された交通情報（渋滞長、旅行時間）の中から、渋滞長が最も短くなる制御パターンや旅行時間が最も短くなる制御パターンを選定する。

次に、信号制御部２７において、選定した信号制御パラメータの組合せ（制御パターン）を、各交差点の最新の信号制御パラメータとして通信部１１から信号制御機２に送信する（ＳＴ３０５）。

以上のように、本出願において開示する技術の例示として、実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、変更、置き換え、付加、省略などを行った実施形態にも適用できる。また、上記の実施形態で説明した各構成要素を組合せて、新たな実施形態とすることも可能である。

本発明に係る交通信号制御装置、交通信号制御システムおよび交通信号制御方法は、熟練技術者がいなくとも、交通状況の変化に対応した信号制御パラメータの最適化をリアルタイムに行うことができる効果を有し、対象エリアに設置された信号機を制御する交通信号制御装置、交通信号制御システムおよび交通信号制御方法などとして有用である。

１ 車両感知器（情報収集装置）
２ 信号制御機
３ 交通管理装置（交通信号制御装置、情報処理装置）
１１ 通信部
１２ 制御部
１３ 記憶部
２１ 学習情報収集部
２２ 学習処理部
２３ 機械学習モデル構築部
２４ 信号制御パラメータ候補設定部
２５ シミュレーション部
２６ 信号制御パラメータ選定部
２７ 信号制御部

Claims (5)

1. 信号制御機に信号制御情報を送信して対象エリアに設置された信号機を制御する交通信号制御装置であって、
   前記対象エリアの最新の交通状況情報を収集し、
   前記対象エリアの各交差点の信号制御情報の候補を設定し、
   前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、
   前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備えることを特徴とする交通信号制御装置。
2. 前記制御部は、
   信号制御情報の汎用的な設定値が予め登録された汎用設定情報と、前記対象エリアの各交差点の現示構成および交差点間距離とに基づいて、前記信号制御情報の候補を設定することを特徴とする請求項１に記載の交通信号制御装置。
3. 前記制御部は、
   前記交通情報としての渋滞長および旅行時間の少なくともいずれかに基づいて、適切な信号制御情報を選定することを特徴とする請求項１に記載の交通信号制御装置。
4. 対象エリアに設置された信号機を制御する交通信号制御システムであって、
   情報収集装置で収集した対象エリアの最新の交通状況情報に基づいて信号制御情報を生成する交通信号制御装置を備え、
   この交通信号制御装置は、
   対象エリアの各交差点の信号制御情報の候補を設定し、
   前記信号制御情報の候補と、前記最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、
   前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定する制御部を備えることを特徴とする交通信号制御システム。
5. 対象エリアに設置された信号機を制御する交通信号制御方法であって、
   情報処理装置において、
   対象エリアの各交差点の信号制御情報の候補を設定し、
   前記信号制御情報の候補と、情報収集装置で収集した対象エリアの最新の交通状況情報とを入力情報として、機械学習モデルを実行して、出力情報として、前記信号制御情報の候補で前記信号機を制御した場合に予測される交通情報を取得し、
   前記交通情報を評価指標として前記信号制御情報の候補を評価して、前記信号制御情報の候補の中から適切な信号制御情報を選定することを特徴とする交通信号制御方法。

Images