JP2022545322A - 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム - Google Patents
道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム Download PDFInfo
- Publication number
- JP2022545322A JP2022545322A JP2021576340A JP2021576340A JP2022545322A JP 2022545322 A JP2022545322 A JP 2022545322A JP 2021576340 A JP2021576340 A JP 2021576340A JP 2021576340 A JP2021576340 A JP 2021576340A JP 2022545322 A JP2022545322 A JP 2022545322A
- Authority
- JP
- Japan
- Prior art keywords
- road
- vehicles
- monitored
- time
- congestion
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、出願番号が202010963859.8であり、出願日が2020年9月14日である中国特許出願に基づいて提案され、且つこの中国特許出願の優先権を主張し、この中国特許出願の全ての内容が参照として本願に組み込まれる。
監視対象道路の画像を取得するステップであって、前記画像は前記監視対象道路を撮影して得られたものであるステップと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するステップと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するステップと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップと、を含む道路運行状況決定方法を提供する。
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるステップと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するステップと、を含み、
これに対応して、前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画するステップは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップを含む。
前記各方向道路をそれぞれJ個の部分に離散化するステップであって、Jは1より大きい正の整数であるステップと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を含む。
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定するステップと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を含む。
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得するステップを含み、
これに対応して、前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するステップは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するステップと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するステップと、を含む。
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得するステップと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得するステップと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定するステップと、を含む。
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算するステップであって、前記運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算するステップと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定するステップと、を含む。
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得するステップと、
第3所定時間帯での各方向道路の上り道路の第1平均車両数及び下り道路の第2平均車両数を計算するステップと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算するステップと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算するステップと、を含む。
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第1差分値を計算するステップと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算するステップと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算するステップと、を含む。
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得するステップと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップと、を含む。
監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視対象道路に対して収集して得られたものである取得ユニットと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第1決定ユニットと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第2決定ユニットと、を備える道路運行状況決定装置を提供する。
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第1決定モジュールと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第1取得モジュールと、を備え、
これに対応して、前記区画ユニットは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第1区画モジュールを更に備える。
前記各方向道路をそれぞれJ個の部分に離散化するステップであって、Jは1より大きい正の整数であるステップと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画するステップとを実行するように構成される。
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定するステップと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップとを実行するように構成される。
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得するように構成される第2取得モジュールを更に備え、
これに対応して、前記第1決定ユニットは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第2決定モジュールと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第2取得モジュールと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第3決定モジュールと、を備える。
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得するステップと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得するステップと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定するステップとを実行するように構成される。
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算するステップであって、前記運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算するステップと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定するステップとを実行するように構成される。
疑似渋滞時刻での各方向道路の車両数と前記疑似渋滞時刻から前記運行時間を経過した後の時刻での車両数を取得するステップと、
第3所定時間帯での各方向道路の上り方向道路の第1平均車両数と下り方向道路の第2平均車両数を計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算するステップと、
前記各方向道路の下り方向道路の前記疑似渋滞時刻から前記運行時間を経過した後の時刻での車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算するステップとを実行するように構成される。
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第1差分値を計算するステップと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算するステップと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算するステップとを実行するように構成される。
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得するステップと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップとを実行するように構成される。
少なくとも、メモリ、通信バス及びプロセッサを備える道路運行状況決定デバイスであって、
前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、上記の道路運行状況決定方法におけるステップを実現するように構成される前記道路運行状況決定デバイスを提供する。
ここで、一定の時間帯での監視対象道路の上り道路の車両数、及び一定の時間帯での監視対象道路の下り道路の車両数が取得されてもよく、監視対象道路の交通波は疑似渋滞時刻での監視対象道路の交通波であってもよく、対応する車両数が取得された後、先に監視対象道路の車両数により疑似渋滞時刻と疑似渋滞数量を決定し、次に監視対象道路の上り道路の車両数、監視対象道路の下り道路の車両数及び疑似渋滞時刻により、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するようにしてもよい。なお、疑似渋滞数量は、疑似渋滞時刻での監視対象道路の車両の数量である。
監視対象道路の画像を取得するように構成される取得ユニット51であって、画像は監視対象道路に対して収集して得られたものである取得ユニット51と、
監視対象道路の車両数を取得すると共に、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニット52と、
監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第1決定ユニット53と、
監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するように構成される第2決定ユニット54とを備えてもよい。
ニューラルネットワークアルゴリズムを用いて画像を分析して、監視対象道路を異なる方向の道路に分けるように構成される第1決定モジュールと、
監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第1取得モジュールと、を備えてもよく、
これに対応して、区画ユニット52は、さらに、
画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第1区画モジュールを備える。
各方向道路をそれぞれJ個の部分に離散化するステップであって、Jは1より大きい正の整数であるステップと、
画像と各方向道路の車両数とを分析して、第1所定時間帯での各方向道路のJ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第1所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実行するように構成される。
第1所定時間帯での各方向道路の各部分の車両数に基づいて計算して、切断点kを決定するステップと、
車両の走行方向に応じて、各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を実行するように構成される。
第2所定時間帯での各時刻での監視対象道路の各方向道路における車両の第1数量を取得するように構成される第2取得モジュールを更に備え、
これに対応して、第1決定ユニット53は、
第2所定時間帯での各時刻での監視対象道路の各方向道路における車両の第1数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第2決定モジュールと、
第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第2取得モジュールと、
各方向道路に対して、第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するように構成される第3決定モジュールと、を備える。
第2所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第2数量を取得するステップと、
第2所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第3数量を取得するステップと、
各方向道路に対して、第1数量が第2数量より小さく且つ第1数量が第3数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定するステップと、を実行するように構成される。
第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、各方向道路の運行時間を計算するステップであって、運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第2増加率を計算するステップと、
各方向道路に対して、第1増加率と第2増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、判定対象数値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定するステップと、を実行するように構成される。
疑似渋滞時刻での各方向道路の車両数と、疑似渋滞時刻から運行時間を経過した後の時刻での車両数とを取得するステップと、
第3所定時間帯での各方向道路の上り方向道路の第1平均車両数と、下り方向道路の第2平均車両数とを計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と各方向道路の第1平均車両数とに基づいて、第1増加率を計算するステップと、
疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り方向道路の車両数と各方向道路の第2平均車両数とに基づいて、第2増加率を計算するステップと、を実行するように構成される。
各方向道路の第1増加率と第2増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第1差分値を計算するステップと、
疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算するステップと、
各方向道路に対して、第1差分値と第2差分値に基づいて判定対象数値を計算するステップと、を実行するように構成される。
監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得するステップと、
監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実行するように構成される。
メモリ61は、道路運行状況決定プログラムを記憶するように構成され、
通信バス62は、プロセッサ63とメモリ61との間の接続通信を実現するように構成され、
プロセッサ63は、メモリ61に記憶された道路運行状況決定プログラムを実行することで、
監視対象道路の画像を取得するステップであって、画像は監視対象道路に対して収集して得られたものであるステップと、
監視対象道路の車両数を取得すると共に、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画するステップと、
監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定するステップと、
監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実現するように構成される。
ニューラルネットワークアルゴリズムを用いて画像を分析して、各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、
監視対象道路の各方向道路の車両数をそれぞれ取得するステップと、
画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実現するように構成される。
各方向道路をそれぞれJ個の部分に離散化するステップであって、Jは1より大きい正の整数であるステップと、
画像と各方向道路の車両数とを分析して、第1所定時間帯での各方向道路のJ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第1所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実現するように構成される。
第1所定時間帯での各方向道路の各部分の車両数に基づいて計算して、切断点kを決定するステップと、
車両の走行方向に応じて、各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を実現するように構成される。
第2所定時間帯での各時刻での監視対象道路の各方向道路における車両の第1数量を取得するステップと、
第2所定時間帯での各時刻での監視対象道路の各方向道路における車両の第1数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップと、
第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得するステップと、
各方向道路に対して、第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するステップと、を実現するように構成される。
第2所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第2数量を取得するステップと、
第2所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第3数量を取得するステップと、
各方向道路に対して、第1数量が第2数量より小さく且つ第1数量が第3数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定するステップと、を実現するように構成される。
第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、各方向道路の運行時間を計算するステップであって、運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第2増加率を計算するステップと、
各方向道路に対して、第1増加率と第2増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、判定対象数値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定するステップと、を実現するように構成される。
疑似渋滞時刻での各方向道路の車両数と、疑似渋滞時刻から運行時間を経過した後の時刻での車両数とを取得するステップと、
第3所定時間帯での各方向道路の上り方向道路の第1平均車両数と下り方向道路の第2平均車両数とを計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と各方向道路の第1平均車両数とに基づいて、第1増加率を計算するステップと、
疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り方向道路の車両数と各方向道路の第2平均車両数とに基づいて、第2増加率を計算するステップと、を実現するように構成される。
各方向道路の第1増加率と第2増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第1差分値を計算するステップと、
疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算するステップと、
各方向道路に対して、第1差分値と第2差分値に基づいて判定対象数値を計算するステップと、を実現するように構成される。
監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得するステップと、
監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実現するように構成される。
本願明細書は、例えば、以下の項目も提供する。
(項目1)
道路運行状況決定方法であって、
監視対象道路の画像を取得することであって、前記画像は前記監視対象道路に対して収集して得られたものであることと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画することと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含む、
道路運行状況決定方法。
(項目2)
前記監視対象道路の車両数を取得することは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けることと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得することと、を含み、
前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画することは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することを含むことを特徴とする
項目1に記載の方法。
(項目3)
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記各方向道路をそれぞれJ個の部分に離散化することであって、Jは1より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定することと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することと、を含むことを特徴とする
項目2に記載の方法。
(項目4)
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定することと、を含むことを特徴とする
項目3に記載の方法。
(項目5)
前記監視対象道路の車両数を取得することは、
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得することを含み、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得することと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目1に記載の方法。
(項目6)
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することは、
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得することと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得することと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目5に記載の方法。
(項目7)
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することは、
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目5又は6に記載の方法。
(項目8)
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することは、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第3所定時間帯での各方向道路の上り道路の第1平均車両数及び下り道路の第2平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算することと、を含むことを特徴とする
項目7に記載の方法。
(項目9)
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することは、
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の第1増加率と下り道路の第2増加率との間の第1差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算することと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算することと、を含むことを特徴とする
項目7に記載の方法。
(項目10)
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することは、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含むことを特徴とする
項目1に記載の方法。
(項目11)
道路運行状況決定装置であって、
監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視道路に対して収集して得られたものである取得ユニットと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第1決定ユニットと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第2決定ユニットと、を備える、
道路運行状況決定装置。
(項目12)
前記区画ユニットは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第1決定モジュールと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第1取得モジュールと、を備え、
前記区画ユニットは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第1区画モジュールを更に備えることを特徴とする
項目11に記載の装置。
(項目13)
前記第1区画モジュールは、更に、
前記各方向道路をそれぞれJ個の部分に離散化することであって、Jは1より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定することと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することとを実行するように構成されることを特徴とする
項目12に記載の装置。
(項目14)
前記第1区画モジュールは、更に、
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定することとを実行するように構成されることを特徴とする
項目13に記載の装置。
(項目15)
前記区画ユニットは、
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得するように構成される第2取得モジュールを更に備え、
前記第1決定ユニットは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第2決定モジュールと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第2取得モジュールと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第3決定モジュールと、を備えることを特徴とする
項目11に記載の装置。
(項目16)
前記第2決定モジュールは、更に、
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得することと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得することと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
項目15に記載の装置。
(項目17)
前記第3決定モジュールは、更に、
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
項目15又は16に記載の装置。
(項目18)
前記第3決定モジュールは、更に、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第3所定時間帯での各方向道路の上り道路の第1平均車両数及び下り道路の第2平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算することとを実行するように構成されることを特徴とする
項目17に記載の装置。
(項目19)
前記第3決定モジュールは、更に、
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の第1増加率と下り道路の第2増加率との間の第1差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算することと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算することとを実行するように構成されることを特徴とする
項目17に記載の装置。
(項目20)
前記第2決定ユニットは、更に、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することとを実行するように構成されることを特徴とする
項目11に記載の装置。
(項目21)
メモリ、通信バス及びプロセッサを少なくとも備える道路運行状況決定デバイスであって、
前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、項目1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように構成される、
道路運行状況決定デバイス。
(項目22)
記憶媒体であって、
前記記憶媒体にはコンピュータプログラムが記憶されており、
前記コンピュータプログラムがプロセッサによって実行されるとき、項目1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現する、
記憶媒体。
(項目23)
コンピュータプログラムであって、
前記コンピュータプログラムがコンピュータ読み取り可能なコードを含み、
前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは項目1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように実行される、
コンピュータプログラム。
Claims (23)
- 道路運行状況決定方法であって、
監視対象道路の画像を取得することであって、前記画像は前記監視対象道路に対して収集して得られたものであることと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画することと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含む、
道路運行状況決定方法。 - 前記監視対象道路の車両数を取得することは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けることと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得することと、を含み、
前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画することは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することを含むことを特徴とする
請求項1に記載の方法。 - 前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記各方向道路をそれぞれJ個の部分に離散化することであって、Jは1より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定することと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することと、を含むことを特徴とする
請求項2に記載の方法。 - 第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定することと、を含むことを特徴とする
請求項3に記載の方法。 - 前記監視対象道路の車両数を取得することは、
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得することを含み、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得することと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
請求項1に記載の方法。 - 第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することは、
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得することと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得することと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
請求項5に記載の方法。 - 各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することは、
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
請求項5又は6に記載の方法。 - 前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することは、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第3所定時間帯での各方向道路の上り道路の第1平均車両数及び下り道路の第2平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算することと、を含むことを特徴とする
請求項7に記載の方法。 - 各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することは、
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の第1増加率と下り道路の第2増加率との間の第1差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算することと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算することと、を含むことを特徴とする
請求項7に記載の方法。 - 前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することは、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含むことを特徴とする
請求項1に記載の方法。 - 道路運行状況決定装置であって、
監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視道路に対して収集して得られたものである取得ユニットと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第1決定ユニットと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第2決定ユニットと、を備える、
道路運行状況決定装置。 - 前記区画ユニットは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第1決定モジュールと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第1取得モジュールと、を備え、
前記区画ユニットは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第1区画モジュールを更に備えることを特徴とする
請求項11に記載の装置。 - 前記第1区画モジュールは、更に、
前記各方向道路をそれぞれJ個の部分に離散化することであって、Jは1より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第1所定時間帯での各方向道路の前記J個の部分のうちの各部分の車両数をそれぞれ決定することと、
第1所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することとを実行するように構成されることを特徴とする
請求項12に記載の装置。 - 前記第1区画モジュールは、更に、
前記第1所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点kを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のk個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のk個の部分以外の残りの部分に対応する道路が下り道路であると決定することとを実行するように構成されることを特徴とする
請求項13に記載の装置。 - 前記区画ユニットは、
第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量を取得するように構成される第2取得モジュールを更に備え、
前記第1決定ユニットは、
前記第2所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第1数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第2決定モジュールと、
第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第2取得モジュールと、
各方向道路に対して、前記第1所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第3決定モジュールと、を備えることを特徴とする
請求項11に記載の装置。 - 前記第2決定モジュールは、更に、
前記第2所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第2数量を取得することと、
前記第2所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第3数量を取得することと、
各方向道路に対して、前記第1数量が前記第2数量より小さく且つ前記第1数量が前記第3数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
請求項15に記載の装置。 - 前記第3決定モジュールは、更に、
前記第1所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第1増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第2増加率を計算することと、
各方向道路に対して、前記第1増加率と前記第2増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
請求項15又は16に記載の装置。 - 前記第3決定モジュールは、更に、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第3所定時間帯での各方向道路の上り道路の第1平均車両数及び下り道路の第2平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第1平均車両数とに基づいて、前記第1増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第2平均車両数とに基づいて、前記第2増加率を計算することとを実行するように構成されることを特徴とする
請求項17に記載の装置。 - 前記第3決定モジュールは、更に、
各方向道路の前記第1増加率及び前記第2増加率に基づいて、各方向道路の上り道路の第1増加率と下り道路の第2増加率との間の第1差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第2差分値を計算することと、
各方向道路に対して、前記第1差分値と第2差分値に基づいて前記判定対象数値を計算することとを実行するように構成されることを特徴とする
請求項17に記載の装置。 - 前記第2決定ユニットは、更に、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することとを実行するように構成されることを特徴とする
請求項11に記載の装置。 - メモリ、通信バス及びプロセッサを少なくとも備える道路運行状況決定デバイスであって、
前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、請求項1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように構成される、
道路運行状況決定デバイス。 - 記憶媒体であって、
前記記憶媒体にはコンピュータプログラムが記憶されており、
前記コンピュータプログラムがプロセッサによって実行されるとき、請求項1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現する、
記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムがコンピュータ読み取り可能なコードを含み、
前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは請求項1~10のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように実行される、
コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963859.8 | 2020-09-14 | ||
CN202010963859.8A CN112312082B (zh) | 2020-09-14 | 2020-09-14 | 道路运行情况确定方法及装置、设备和存储介质 |
PCT/CN2021/083433 WO2022052446A1 (zh) | 2020-09-14 | 2021-03-26 | 道路运行情况确定方法及装置、设备、存储介质和程序 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022545322A true JP2022545322A (ja) | 2022-10-27 |
Family
ID=74484025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021576340A Pending JP2022545322A (ja) | 2020-09-14 | 2021-03-26 | 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220148316A1 (ja) |
JP (1) | JP2022545322A (ja) |
KR (1) | KR20220036366A (ja) |
CN (1) | CN112312082B (ja) |
TW (1) | TW202211178A (ja) |
WO (1) | WO2022052446A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112312082B (zh) * | 2020-09-14 | 2021-11-30 | 上海商汤智能科技有限公司 | 道路运行情况确定方法及装置、设备和存储介质 |
CN113449135B (zh) * | 2021-08-31 | 2021-11-19 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像生成系统与方法 |
CN115240406B (zh) * | 2022-05-31 | 2023-12-29 | 厦门路桥信息股份有限公司 | 道路拥堵的管理方法、装置、计算机可读介质及电子设备 |
CN115188186B (zh) * | 2022-06-28 | 2024-02-20 | 公安部交通管理科学研究所 | 一种区域内交通流量监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002063568A (ja) * | 2000-08-21 | 2002-02-28 | Toshiba Corp | 道路監視装置および道路監視方法 |
CN110766948A (zh) * | 2019-11-06 | 2020-02-07 | 星云互联(湖南)科技有限公司 | 一种道路变限速引导方法、设备、系统及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5494607B2 (ja) * | 2011-10-05 | 2014-05-21 | 住友電気工業株式会社 | 先詰判定装置、コンピュータプログラム及び先詰判定方法 |
CA3034700A1 (en) * | 2016-09-29 | 2018-04-05 | Cubic Corporation | Systems and methods for using autonomous vehicles in traffic |
CN109410598B (zh) * | 2018-11-09 | 2021-01-15 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口拥堵检测方法 |
US11232705B2 (en) * | 2018-11-28 | 2022-01-25 | Toyota Jidosha Kabushiki Kaisha | Mitigation of traffic oscillation on roadway |
CN110889328B (zh) * | 2019-10-21 | 2023-05-30 | 大唐软件技术股份有限公司 | 检测道路交通状况的方法、装置、电子设备和存储介质 |
CN110782669B (zh) * | 2019-10-31 | 2021-03-02 | 北京星云互联科技有限公司 | 一种交通管理方法及交通管理系统 |
CN111145544B (zh) * | 2019-12-25 | 2021-05-25 | 北京交通大学 | 一种基于拥堵蔓延消散模型的行程时间及路径预测方法 |
CN111523482A (zh) * | 2020-04-24 | 2020-08-11 | 深圳市商汤科技有限公司 | 车道拥挤检测方法及装置、电子设备和存储介质 |
CN112312082B (zh) * | 2020-09-14 | 2021-11-30 | 上海商汤智能科技有限公司 | 道路运行情况确定方法及装置、设备和存储介质 |
-
2020
- 2020-09-14 CN CN202010963859.8A patent/CN112312082B/zh active Active
-
2021
- 2021-03-26 WO PCT/CN2021/083433 patent/WO2022052446A1/zh active Application Filing
- 2021-03-26 JP JP2021576340A patent/JP2022545322A/ja active Pending
- 2021-03-26 KR KR1020227002921A patent/KR20220036366A/ko not_active Application Discontinuation
- 2021-06-28 TW TW110123620A patent/TW202211178A/zh unknown
-
2022
- 2022-01-25 US US17/648,931 patent/US20220148316A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002063568A (ja) * | 2000-08-21 | 2002-02-28 | Toshiba Corp | 道路監視装置および道路監視方法 |
CN110766948A (zh) * | 2019-11-06 | 2020-02-07 | 星云互联(湖南)科技有限公司 | 一种道路变限速引导方法、设备、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202211178A (zh) | 2022-03-16 |
KR20220036366A (ko) | 2022-03-22 |
CN112312082B (zh) | 2021-11-30 |
CN112312082A (zh) | 2021-02-02 |
WO2022052446A1 (zh) | 2022-03-17 |
US20220148316A1 (en) | 2022-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022545322A (ja) | 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム | |
CN110364008B (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
Essa et al. | Traffic conflict models to evaluate the safety of signalized intersections at the cycle level | |
CN108256506B (zh) | 一种视频中物体检测方法及装置、计算机存储介质 | |
US20180253973A1 (en) | Real-time video analytics for traffic conflict detection and quantification | |
US11501638B2 (en) | Traffic flow estimation apparatus, traffic flow estimation method, and storage medium | |
CN108091132B (zh) | 一种交通流量预测方法及装置 | |
WO2022083409A1 (zh) | 道路异常路面的检测方法、仿真方法和相关装置 | |
GB2573738A (en) | Driving monitoring | |
CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
CN115017742B (zh) | 自动驾驶测试场景生成方法、装置、设备及存储介质 | |
CN115618932A (zh) | 基于网联自动驾驶的交通事件预测方法、装置及电子设备 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN112435276A (zh) | 一种车辆跟踪方法、装置、智能终端及存储介质 | |
CN113178074A (zh) | 应用于车辆的交通流机器学习建模系统及其方法 | |
CN110097571B (zh) | 快速高精度的车辆碰撞预测方法 | |
CN117115752A (zh) | 一种高速公路视频监控方法及系统 | |
CN116461546A (zh) | 车辆预警方法、装置、存储介质和处理器 | |
Das et al. | Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling | |
CN115063976B (zh) | 基于多通道卷积神经网络的车辆冲突风险评估与预测方法 | |
CN113643529B (zh) | 基于大数据分析的停车场车道拥堵预测方法及系统 | |
WO2022226434A1 (en) | Self-driving vehicle evaluation using real-world data | |
Autey | Before and after traffic safety evaluations using computer vision techniques | |
Khairdoost et al. | An Analytical Model for Estimating Average Driver Attention Based on the Visual Field |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211221 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211221 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221116 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230608 |