JP2023107841A - 渋滞予測システム、端末装置、渋滞予測方法および渋滞予測プログラム - Google Patents

Abstract

【課題】道路上の移動体の画像の収集により任意の場所の渋滞予測を行えること。【解決手段】渋滞予測装置１００は、複数の端末装置１１０により道路上の移動体を撮影した画像と撮影した位置を示す位置情報とを収集する。画像処理部１０１は、収集した画像を画像処理し、画像中に存在する移動体に関する情報である交通情報を抽出する。交通情報処理部１０３は、画像処理部１０１により抽出された交通情報を用いて、撮影された位置に対応する道路上の渋滞予測に関する情報を算出し、渋滞予測情報を生成して端末装置１１０に送信する。【選択図】図１

Description

この発明は、移動体から撮像した画像を用いて渋滞を予測する渋滞予測システム、端末装置、渋滞予測方法および渋滞予測プログラムに関する。ただし、この発明の利用は、渋滞予測システム、端末装置、渋滞予測方法および渋滞予測プログラムに限らない。

従来、道路の渋滞を予測する技術として、車両からの速度と、車両位置の平均速度に基づいて車両位置における渋滞状況を判断するサーバが開示されている（例えば、下記特許文献１参照。）。この技術では、車両で撮像した画像を画像解析して渋滞の判断に用いることも記載されている。

このほか、道路に固定設置されたカメラにより撮像された画像を用いて渋滞を判断するシステムがある。

特開２０１１－１３４１９５号公報

しかしながら、上記従来の技術では、任意の場所における渋滞を予測することができなかった。また、画像を用いた渋滞判断の構成では、設置コストがかかるとともに、カメラが固定設置された場所の渋滞判断しか行えない制限が生じる、という問題がある。

また、車両から受け取った速度などの情報から、当該車両が走行している道路の区間が
渋滞しているかどうかを判別するものであり、将来的に渋滞することを予測することはできない、という問題がある。本発明が解決しようとする課題には、上述した問題が一例と して挙げられる。

上述した課題を解決し、目的を達成するため、請求項１の発明にかかる渋滞予測システムは、道路上の移動体を撮影した画像と撮影した位置を示す位置情報とを取得する取得部と、前記画像中に存在する移動体に関する情報である交通情報を抽出する画像処理部と、前記画像処理部により抽出された前記交通情報を用いて、撮影された位置に対応する前記道路上の渋滞予測に関する情報を算出する交通情報処理部と、を有することを特徴とする。

また、請求項６の発明にかかる端末装置は、道路上の移動体を撮影した画像に基づき、前記道路上の前記移動体の渋滞予測を行う渋滞予測装置に対して、前記画像を送信する端末装置であって、道路上の移動体を撮影した画像を撮影する撮像部と、前記撮像部によって撮影された前記画像に撮影した位置情報を付与し、前記渋滞予測装置に送信する処理部と、を有することを特徴とする。

また、請求項７の発明にかかる端末装置は、道路上の移動体を撮影した画像に基づき、前記道路上の前記移動体の渋滞予測を行う渋滞予測装置に接続される端末装置であって、前記渋滞予測装置に対して、所望する位置および時刻を含む渋滞予測の要求を行い、前記渋滞予測装置から受信した前記渋滞予測に関する情報を出力する処理部を有することを特徴とする。

また、請求項８の発明にかかる渋滞予測方法は、渋滞予測装置が実施する渋滞予測方法において、道路上の移動体を撮影した画像と撮影した位置を示す位置情報とを取得する取得工程と、前記画像中に存在する移動体に関する情報である交通情報を抽出する画像処理工程と、前記画像処理工程により抽出された前記交通情報を用いて、撮影された位置に対応する前記道路上の渋滞予測に関する情報を算出する交通情報処理工程と、を含むことを特徴とする。

また、請求項９の発明にかかる渋滞予測プログラムは、上記記載の渋滞予測方法をコンピュータに実行させることを特徴とする。

図１は、実施の形態にかかる渋滞予測システムの構成例を示すブロック図である。 図２は、実施の形態にかかる渋滞予測システムの処理手順の一例を示すフローチャートである。 図３は、ナビゲーション装置のハードウェア構成の一例を示すブロック図である。 図４は、サーバのハードウェア構成の一例を示すブロック図である。 図５は、ナビゲーション装置による画像送信の処理内容を示すフローチャートである。 図６は、サーバによる交通情報生成の処理内容を示すフローチャートである。 図７は、交通情報の内容の一例を示す図表である。 図８は、交通情報を用いた渋滞予測の処理内容を示すフローチャートである。 図９は、渋滞予測要求から渋滞予測情報の送信までの処理内容を示すフローチャートである。 図１０は、自然渋滞の発生状態を示す説明図である。

（実施の形態）
以下に添付図面を参照して、この発明にかかる渋滞予測システム、端末装置、渋滞予測方法および渋滞予測プログラムの好適な実施の形態を詳細に説明する。

図１は、実施の形態にかかる渋滞予測システムの構成例を示すブロック図である。実施の形態にかかる渋滞予測システムは、互いに通信接続された渋滞予測装置１００と、端末装置１１０とによって構成することができる。

渋滞予測装置１００は、画像処理部１０１と、情報結合部１０２と、交通情報処理部１０３と、格納部１０４と、渋滞予測情報管理部１０５とを含む。端末装置１１０は、撮像部１１１と、測位部１１２と、処理部１１３とを含む。

渋滞予測装置１００は、例えば、単一のサーバを用いて構成できるが、これに限らず、画像処理部１０１と交通情報処理部１０３の機能別に分散された複数のサーバを用いる構成としてもよい。

端末装置１１０は、移動中の前方の画像を撮像部１１１により撮像し、渋滞予測装置１００に送信する。この際、処理部１１３は、撮像部１１１の撮影画像とともに、撮影ＩＤ、および測位部１１２により測位された撮影時の位置情報を送信する。このほか、移動時の速度や時刻情報を送信してもよい。また、処理部１１３は、ユーザ操作等により、渋滞予測装置１００に渋滞予測を要求し、渋滞予測装置１００から送信された渋滞予測の情報を情報処理して図示しない表示部等に出力する。

端末装置１１０は、移動体に設けられるナビゲーション装置やユーザが持つスマートフォンや携帯電話、可搬型のパーソナル・コンピュータ等を用いて構成することにより、渋滞予測装置１００に対して渋滞予測に用いる画像を送信し、また、渋滞予測装置１００に対して渋滞予測を要求することができる。

これらに限らず、端末装置１１０は、自宅や施設（店舗）等に固設されたパーソナル・コンピュータ等を用いて構成してもよい。この場合、端末装置１１０は、渋滞予測装置１００に対して渋滞予測に用いる画像を送信する機能を省き、渋滞予測装置１００に対して渋滞予測を要求する。このような端末装置１１０の場合、撮像部１１１と測位部１１２の機能を省くことができ、端末装置１１０の処理部１１３は、ユーザ操作等により渋滞予測を要求し、渋滞予測装置１００から送信された渋滞予測の情報を表示部等に出力する。

渋滞予測装置１００の画像処理部１０１は、端末装置１１０から送信されてくる撮影画像を画像処理する。この画像処理では、撮影画像が示す道路と車両を抽出（検出）する。そして、端末装置１１０（移動体）が走行している走行車線（自車線）と、車線数、車線別の車両数、車間をそれぞれ検出する。このほか、撮影画像に含まれる各車両の車種を検出することもできる。

情報結合部１０２は、端末装置１１０から送信されてくる撮影画像の撮影ＩＤ、撮影時刻、および撮影位置の各情報を関連付けて格納部１０４に格納する。渋滞予測装置１００の時刻を用いる場合、撮影画像を受信した時刻を用いることができ、端末装置１１０側における時刻情報の送信は不要である。また、渋滞予測装置１００において、端末装置１１０が設けられた移動体の速度を把握している場合には、渋滞予測装置１００は、例えば、端末装置１１０の緯度経度の移動量と移動所要時間に基づく計算により移動体の速度を求めることができる。

そして、情報結合部１０２は、画像処理部１０１により画像処理された結果である、自車線情報を同一の撮影ＩＤにより関連付け（結合）し、交通情報として格納部１０４に格納する。また、情報結合部１０２は、撮影ＩＤ毎の車線別の車両情報（車両数）を車線別車両情報として格納部１０４に格納する。交通情報は、道路、位置、時間帯別に分類した状態で格納部１０４に格納される。

交通情報処理部１０３は、格納部１０４に格納された道路の位置、時間帯毎に分類された交通情報毎に統計関数を用いて位置および時間帯別の渋滞発生の確率を算出し、渋滞予測情報として格納部１０４に格納する。格納部１０４には、同一の道路上の複数の撮影画像の変化に基づく交通情報が格納されており、交通情報処理部１０３は、端末装置１１０からの要求時の交通情報を過去の交通情報（例えば同一時刻、場所）と比較することにより、渋滞の発生を予測する。

交通情報は、同一の道路についての情報に限らず、所定の範囲内（他の道路）の情報とすることができる。

この際、撮影画像に基づいて車線別の交通情報を得ているため、車線別の車両数（車間距離、車両の密度に相当）に基づいて渋滞の度合いを判断し、車線別の渋滞予測を行うことができる。

渋滞予測情報としては、端末装置１１０の現在位置付近での今後の渋滞予測、端末装置１１０の目的地までの走行ルート上における渋滞予測、目的地付近での渋滞予測等がある。この渋滞予測情報の算出処理は、あらかじめ道路（場所）毎に算出しておいてもよいし、端末装置１１０からの要求時に、該当する道路（場所）について算出を行うようにしてもよい。

また、渋滞予測情報は、撮影された位置に対応する道路について渋滞予測するに限らない。例えば、撮影された位置情報に最も近い道路や、撮影されたタイミングでマップマッチングされた地図情報上の道路であってもよい。

渋滞予測情報管理部１０５は、渋滞予測情報を管理する。この渋滞予測情報管理部１０５は、端末装置１１０からの渋滞予測の要求に対応した位置やエリアの渋滞予測情報を端末装置１１０に送信する。

端末装置１１０は、例えば、移動体の移動時の走行ルートや目的地近傍の所定エリア内における渋滞予測情報を渋滞予測装置１００に要求する。このほか、移動体による経路探索時においても同様に走行ルートや目的地近傍の所定エリア内における渋滞予測情報を要求する。これに対応して、渋滞予測装置１００は、端末装置１１０（移動体）走行ルートや目的地近傍の所定エリア内における渋滞予測情報を抽出して端末装置１１０に送信することができる。

図２は、実施の形態にかかる渋滞予測システムの処理手順の一例を示すフローチャートである。渋滞予測装置１００が行う渋滞予測の処理内容を示す。はじめに、渋滞予測装置１００は、端末装置１１０から撮影画像と、撮影時の位置情報、速度、時刻を取得する（ステップＳ２０１）。上述したように、速度、時刻は端末装置１１０から受信しなくても取得できる。

次に、渋滞予測装置１００は、撮影画像を画像処理する（ステップＳ２０２）。この画像処理により、端末装置１１０（移動体）が走行している走行車線（自車線）、車線数、車線別の車両数、各車両の車種、車間を検出する。検出した情報は、ステップＳ２０１により取得した情報（位置情報、速度、時刻）と関連付け（結合）して、交通情報が生成され、格納部１０４に格納される。

同一あるいは異なる複数の端末装置１１０は、異なる場所や時刻毎に複数の撮影画像を渋滞予測装置１００に送信する。これにより、渋滞予測装置１００は、ステップＳ２０１，ステップＳ２０２を繰り返し実行することにより、道路の場所、時刻別に多数の交通情報がデータベース化して格納されることになる。渋滞予測装置１００は、この交通情報を用いて、以下の渋滞予測処理を行う。

次に、渋滞予測装置１００は、端末装置１１０から渋滞予測の要求を受信待ちする（ステップＳ２０３：Ｎｏのループ）。渋滞予測の要求を受信すると（ステップＳ２０３：Ｙｅｓ）、渋滞予測処理を行う（ステップＳ２０４）。この渋滞予測処理では、ステップＳ２０２により生成された交通情報を参照し、要求に含まれる場所（範囲）、時刻と同一の場所、時刻における過去の渋滞の発生に基づき、この場所（範囲）、時刻における渋滞の発生を予測する。

なお、渋滞の発生を予測する場所は、要求に含まれる場所と完全に同一である必要は無く、要求に含まれる場所と同一の道路や所定の範囲内における過去の交通情報と渋滞の発生に基づいて、予測してもよい。また時刻についても同様で、要求に含まれる時刻を含む所定の時間帯でもよい。

この後、渋滞予測情報を端末装置１１０に送信し（ステップＳ２０５）、一連の渋滞予測処理を終了する。

上記実施の形態によれば、端末装置が有するカメラが撮影した道路上の複数の場所および時刻の撮影画像を用いて渋滞予測するため、道路上のカメラやセンサ等のような固定設置されたものを用いた設置場所に限定された渋滞予測だけではなく、道路上の任意の場所の渋滞予測を行うことができる。

また、多数の端末装置から送信される画像により、道路の渋滞状態を判断するための交通情報を多数取得できるため、任意の場所における渋滞予測の精度を向上できるようになる。

端末装置としては、画像を撮影し、位置情報を送信できるカメラを備えた携帯電話やスマートフォン、カーナビゲーションなど汎用装置を利用できるため、渋滞予測装置は、多数の画像を容易に取得でき、システムコストも軽減できる。

また、渋滞予測情報の生成の際、車間と車両数を用いることとしたが、このほかに、天気や曜日、要求された場所の道路に接続している他の道路の交通情報、要求された場所近傍でのイベント有無など、渋滞要因となる得る他のデータを渋滞予測のパラメータとして加えてもよい。これにより、渋滞予測の精度をより向上できるようになる。

そして、渋滞を車両数（車間距離）に基づき判断したが、道路上における任意の場所の渋滞前の画像と、端末装置から送信された現在の画像の類似度を画像処理することにより、画像同士の比較によっても同様に渋滞予測することができる。

さらに、端末装置が撮影する画像は、静止画に限らず、動画でもよい。動画であれば他車線の移動体の速度についても判断できるため、より詳細な交通情報を得ることができる。

また、渋滞予測データの生成には、重回帰分析などの統計学を適用してもよい。この際、道路毎に適切な最適アルゴリズムを組み替えることができる。

以下に、本発明の実施例について説明する。本実施例では、移動体（車両）にナビゲーション装置３００が搭載され、各ユーザのナビゲーション装置３００が上述した渋滞予測装置１００としてのサーバにアクセスする構成について説明する。ここで、ナビゲーション装置３００は、上記の端末装置１１０としての機能を有し、移動体の移動時の道路を撮影して渋滞予測装置１００に送信する。また、このナビゲーション装置３００は、渋滞予測装置１００（サーバ）に対して所望する場所の渋滞予測情報を要求する。

（ナビゲーション装置３００のハードウェア構成）
図３は、ナビゲーション装置のハードウェア構成の一例を示すブロック図である。図３において、ナビゲーション装置３００は、ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３、磁気ディスクドライブ３０４、磁気ディスク３０５、光ディスクドライブ３０６、光ディスク３０７、音声Ｉ／Ｆ（インターフェース）３０８、マイク３０９、スピーカ３１０、入力デバイス３１１、映像Ｉ／Ｆ３１２、ディスプレイ３１３、通信Ｉ／Ｆ３１４、ＧＰＳユニット３１５、各種センサ３１６、カメラ３１７、を備えている。各構成部３０１～３１７は、バス３２０によってそれぞれ接続されている。

ＣＰＵ３０１は、ナビゲーション装置３００の全体の制御を司る。ＲＯＭ３０２は、ブートプログラム、渋滞予測プログラム等を記録している。ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される。すなわち、ＣＰＵ３０１は、ＲＡＭ３０３をワークエリアとして使用しながら、ＲＯＭ３０２に記録された各種プログラムを実行することによって、ナビゲーション装置３００の全体の制御を司る。

磁気ディスクドライブ３０４は、ＣＰＵ３０１の制御にしたがって磁気ディスク３０５に対するデータの読み取り／書き込みを制御する。磁気ディスク３０５は、磁気ディスクドライブ３０４の制御で書き込まれたデータを記録する。磁気ディスク３０５としては、例えば、ＨＤ（ハードディスク）やＦＤ（フレキシブルディスク）を用いることができる。

また、光ディスクドライブ３０６は、ＣＰＵ３０１の制御にしたがって光ディスク３０７に対するデータの読み取り／書き込みを制御する。光ディスク３０７は、光ディスクドライブ３０６の制御にしたがってデータが読み出される着脱自在な記録媒体である。光ディスク３０７は、書き込み可能な記録媒体を利用することもできる。着脱可能な記録媒体として、光ディスク３０７のほか、ＭＯ、メモリカードなどを用いることができる。

磁気ディスク３０５および光ディスク３０７に記録される情報の一例としては、地図データ、車両情報、道路情報、走行履歴などが挙げられる。地図データは、カーナビゲーションシステムにおいて経路探索するときに用いられ、建物、河川、地表面、エネルギー補給施設などの地物（フィーチャ）をあらわす背景データ、道路の形状をリンクやノードなどであらわす道路形状データなどを含むベクタデータである。

音声Ｉ／Ｆ３０８は、音声入力用のマイク３０９および音声出力用のスピーカ３１０に接続される。マイク３０９に受音された音声は、音声Ｉ／Ｆ３０８内でＡ／Ｄ変換される。マイク３０９は、例えば、車両のダッシュボード部などに設置され、その数は単数でも複数でもよい。スピーカ３１０からは、所定の音声信号を音声Ｉ／Ｆ３０８内でＤ／Ａ変換した音声が出力される。

入力デバイス３１１は、文字、数値、各種指示などの入力のための複数のキーを備えたリモコン、キーボード、タッチパネルなどが挙げられる。入力デバイス３１１は、リモコン、キーボード、タッチパネルのうちいずれか一つの形態によって実現されてもよいが、複数の形態によって実現することも可能である。

映像Ｉ／Ｆ３１２は、ディスプレイ３１３に接続される。映像Ｉ／Ｆ３１２は、具体的には、例えば、ディスプレイ３１３全体を制御するグラフィックコントローラと、即時表示可能な画像情報を一時的に記録するＶＲＡＭ（Ｖｉｄｅｏ ＲＡＭ）などのバッファメモリと、グラフィックコントローラから出力される画像データに基づいてディスプレイ３１３を制御する制御ＩＣなどによって構成される。

ディスプレイ３１３には、アイコン、カーソル、メニュー、ウインドウ、あるいは文字や画像などの各種データが表示される。ディスプレイ３１３としては、例えば、ＴＦＴ液晶ディスプレイ、有機ＥＬディスプレイなどを用いることができる。

カメラ３１７は、車両外部の道路の映像を撮影する。映像は静止画あるいは動画のどちらでもよい。カメラ３１７によって車両外部の道路を撮影することにより、道路とともに走行中の他の車両が撮影される。この撮影画像は、ＣＰＵ３０１によって画像処理された後、ＧＰＳユニット３１５の位置情報とともに、渋滞予測装置１００（後述するサーバ４００）に送信処理される。

通信Ｉ／Ｆ３１４は、無線を介してネットワークに接続され、ナビゲーション装置３００およびＣＰＵ３０１のインターフェースとして機能する。ネットワークとして機能する通信網には、ＣＡＮやＬＩＮ（Ｌｏｃａｌ Ｉｎｔｅｒｃｏｎｎｅｃｔ Ｎｅｔｗｏｒｋ）などの車内通信網や、公衆回線網や携帯電話網、ＤＳＲＣ（Ｄｅｄｉｃａｔｅｄ Ｓｈｏｒｔ Ｒａｎｇｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ＬＡＮ、ＷＡＮなどがある。通信Ｉ／Ｆ３１４は、例えば、公衆回線用接続モジュールやＥＴＣ（ノンストップ自動料金支払いシステム）ユニット、ＦＭチューナー、ＶＩＣＳ（Ｖｅｈｉｃｌｅ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ：登録商標）／ビーコンレシーバなどである。

ＧＰＳユニット３１５は、ＧＰＳ衛星からの電波を受信し、車両の現在位置を示す情報を出力する。ＧＰＳユニット３１５の出力情報は、後述する各種センサ３１６の出力値とともに、ＣＰＵ３０１による車両の現在位置の算出に際して利用される。現在位置を示す情報は、例えば、緯度・経度、高度などの、地図データ上の１点を特定する情報である。

各種センサ３１６は、車速センサ、加速度センサ、角速度センサ、傾斜センサなどの、車両の位置や挙動を判断するための情報を出力する。各種センサ３１６の出力値は、ＣＰＵ３０１による車両の現在位置の算出や、速度や方位の変化量の算出に用いられる。

図３に示したＣＰＵ３０１は、ＲＯＭ３０２等に格納されたプログラム実行により、図１に示した端末装置１１０の処理部１１３の機能を実現する。図３のカメラ３１７により図１の撮像部１１１の機能を実現し、図３のＧＰＳユニット３１５により図１の測位部１１２の機能を実現する。

（サーバの構成例）
図４は、サーバのハードウェア構成の一例を示すブロック図である。渋滞予測装置１００を構成するサーバ４００についても、図３に示したナビゲーション装置３００と同様の構成を有する。なお、サーバ４００においては、図３に記載のＧＰＳユニット３１５、各種センサ３１６、カメラ３１７等は不要である。

図１に示した渋滞予測装置１００は、サーバ４００に設けられたＲＯＭ４０２等に記録されたプログラムやデータを用いて、ＣＰＵ４０１が所定のプログラムを実行することによって渋滞予測の機能を実現する。サーバ４００の磁気ディスク４０５等には、上記の交通情報や、渋滞予測情報が格納される。また、通信Ｉ／Ｆ４１４を介してナビゲーション装置３００と通信を行い、ナビゲーション装置３００からの要求に対応した渋滞予測情報をナビゲーション装置３００に出力する。

また、サーバ４００は、各ナビゲーション装置３００から送信された画像の送信時刻やナビゲーション装置３００が搭載された移動体の速度を算出する機能を有してもよい。サーバ４００は、ナビゲーション装置３００の緯度経度の移動量と移動所要時間に基づく計算により移動体の速度を計算することができる。

図４に示したＣＰＵ４０１は、ＲＯＭ４０２等に格納されたプログラム実行により、図１に示した渋滞予測装置１００の画像処理部１０１、情報結合部１０２、交通情報処理部１０３、渋滞予測情報管理部１０５の機能を実現する。図４の磁気ディスク３０５や光ディスク３０７等は、図１に示した格納部１０４の機能を実現する。

（ナビゲーション装置による画像の送信処理）
図５は、ナビゲーション装置による画像送信の処理内容を示すフローチャートである。ナビゲーション装置３００は、移動体の移動時にＧＰＳユニット３１５等により常に位置を測位している（ステップＳ５０１）。そして、例えば、所定のタイミング毎に（例えば１分毎）、カメラ３１７により道路を撮影する（ステップＳ５０２）。例えば、前方の道路を撮影することにより、道路とともに、道路上の移動体がともに撮影される。

また、カメラ３１７により道路を撮影するトリガ（タイミング）は、サーバ４００側からナビゲーション装置３００への要求出力や、ナビゲーション装置３００等のユーザの指示等とすることができる。

そして、ナビゲーション装置３００は、画像の撮影毎に、この撮影画像とともに撮影時の位置情報をサーバ４００に送信する（ステップＳ５０３）。なお、ナビゲーション装置３００は、撮影毎の画像に時刻を付与しておき、所定時間毎にまとめて複数の画像をサーバ４００に送信することとしてもよい。

ナビゲーション装置３００は、上記のように画像の撮影を繰り返し行い、サーバ４００に送信する。これにより、サーバ４００は、複数のナビゲーション装置３００が撮影した複数の道路の画像を収集することができる。

（サーバによる交通情報の生成処理）
図６は、サーバによる交通情報生成の処理内容を示すフローチャートである。はじめに、サーバ４００は、ナビゲーション装置３００から送信された画像、および位置情報（撮影位置）を受信する（ステップＳ６０１）。次に、画像受信時の移動体（ナビゲーション装置３００）の速度と時刻を取得する（ステップＳ６０２）。

サーバ４００は、これら移動体の速度と時刻はナビゲーション装置３００が送信したものを取得してもよいし、サーバ４００内部で生成したものを用いてもよい。サーバ４００側で生成する場合、時刻は、画像受信時のサーバ４００内部の時刻を用いる。移動体の移動は、移動体（ナビゲーション装置３００）の緯度経度の移動量と移動所要時間に基づく計算により移動体の速度を計算したものを用いる。

次に、サーバ４００は、画像処理部１０１の画像処理により、取得した画像から車両、走行車線、車線数を検出する（ステップＳ６０３）。この際、例えば、撮影画像をオルソ画像に変換して、車両の位置、距離を特定でき、車線別車両数を検出できる。また、オルソ画像において、自車線の幅を導き出し、走行道路の車線数、車間を判断する。

次に、サーバ４００は、情報結合部１０２により、取得した画像（ＩＤ）毎に、位置情報、速度、時刻、車線別車両数、自車線、の各情報を関連付け、交通情報として格納部１０４に格納する（ステップＳ６０４）。以上のステップＳ６０１～ステップＳ６０４の処理は、ナビゲーション装置３００から画像を受信する毎に行われる。

（交通情報の一例）
図７は、交通情報の内容の一例を示す図表である。図７の（ａ）は、ある１ユーザから送信された一つの画像を画像処理して得られた撮影画像処理情報７０１である。この撮影画像処理情報７０１は、車線情報（車線数）、自車線情報、車線別車両情報ＩＤ、の各情報からなる。図示の例では、自車が３車線道路（車線情報）の左から１番目（自車線情報）であることを示す。

図７の（ａ）の車線別車両情報ＩＤの詳細を図７の（ｂ）の７０２に示す。車線別車両情報ＩＤ７０２は、１枚の画像毎にＩＤが割り当てられ、画像処理によって得られたＩＤ毎の位置（車線位置であり、画像中に存在する移動体の車線位置）と、車線毎の車間（画像中に存在する移動体と自車との車間）、の各情報とを有する。図示の例では、ＩＤ＝１の場合、自車位置の前方の位置（車線１）に車間４５ｍで移動体が存在し、自車位置の前方の位置（車線３）に車間３０ｍと、車間６０ｍでそれぞれ移動体が存在していることを示す。なお、図示の例では、３車線のうち、左車線の位置が「１」、中央車線の位置が「２」、右車線の位置が「３」で示される。

図７の（ｃ）に示す撮影条件情報７０３は、図７の（ａ）撮影画像処理情報７０１と、撮影時の条件である撮影位置（図示の例では緯度経度）、速度、時刻とを、撮影ＩＤにより関連付けた情報である。

図７の（ｄ）は、交通情報７０４である。図７の（ｃ）に示す撮影条件情報７０３を同一ユーザの異なる場所や時刻別、および異なるユーザについて蓄積した情報である。この交通情報７０４の行数を増やすことにより、所望する撮影位置について、時刻別の自車線情報、車線情報、車線別車両情報ＩＤ（車線位置、車間）をデータベース構築していくことができる。

（交通情報を用いた渋滞予測処理）
図８は、交通情報を用いた渋滞予測の処理内容を示すフローチャートである。はじめに、サーバ４００の交通情報処理部１０３は、交通情報７０４を位置、日付、時間帯毎に分類し（ステップＳ８０１）、分類されたデータ毎に統計関数を作成する（ステップＳ８０２）。この状態で、交通情報処理部１０３は、ナビゲーション装置３００からの渋滞予測要求に含まれる要求条件の入力を待つ（ステップＳ８０３：Ｎｏのループ）。

交通情報処理部１０３は、要求条件の入力があれば（ステップＳ８０３：Ｙｅｓ）、この要求条件に該当する統計関数を利用して渋滞発生値を算出する（ステップＳ８０４）。そして、交通情報処理部１０３は、渋滞発生値が高い（正の値）かを判断し（ステップＳ８０５）、渋滞発生値が所定値より高ければ（ステップＳ８０５：Ｙｅｓ）、この渋滞発生値を渋滞予測情報として生成し、格納部１０４に格納する（ステップＳ８０６）。渋滞発生値が低ければ（ステップＳ８０５：Ｎｏ）、渋滞発生はないと判断し、今回の処理を終了する。

上記処理の具体例について説明する。上記例では、渋滞発生値を信頼度として所定のしきい値と比較し、渋滞の発生を判断している。例えば、ナビゲーション装置３００から送信（入力）される渋滞予測の要求条件が、左車線交通量、右車線交通量、日付（曜日）、時間帯、が指定されている場合で説明する。

なお、ナビゲーション装置３００は撮影した画像を送信し、サーバ４００がその画像を画像分析して左車線交通量、右車線交通量、日付（曜日）、時間帯を割り出す。また、日付時間はサーバのデータ受信時間などで割り出すこととする。交通量の一例としては、単位時間当たりの自動車の数である。

はじめに、交通情報処理部１０３は、格納部１０４から指定された日付（曜日）と時間帯に対応する交通情報７０４を参照対象とする。例えば、要求条件がｘ道路、火曜日、１２時～１３時のデータを集計した交通情報７０４を参照する。

そして、交通情報処理部１０３は、渋滞発生に関する統計関数ｆｎと、要求条件Ｘ，Ｙを入力値とし、下記の演算式を用いて渋滞確率を算出する。
ｆｎ（Ｘ，Ｙ）＝ａｎ（Ｘ）＋ｂｎ（Ｙ）
ｆｎ（ｘｎ，ｙｎ）＝ａｎ（ｘｎ）＋ｂｎ（ｙｎ）
渋滞発生値＝ｍａｘ（１／ｆｎ（｜Ｘ－ｘｎ｜，｜Ｙ－ｙｎ｜））－ｔｎ

ただし、ｆｎ：統計関数（ｎ＝０，１，…）統計関数ｆｎは、過去の渋滞予想データと現在の交通量を比較して、渋滞発生値を出すための関数である。Ｘ：左車線入力交通量，Ｙ：右車線入力交通量，ｘｎ：左車線統計交通量，ｙｎ：右車線統計交通量，ａｎ：左車線予測係数，ｂｎ：右車線予測係数，ｔｎ：しきい値である。交通量は、画像撮影時の移動体の速度と、撮影された移動体の数から得られる。

渋滞予想データは、ある道路で渋滞発生と判断された場合、その道路において渋滞判断が下された時間から所定時間遡り（遡る時間は道路毎に異なる）、渋滞発生までの交通情報（例えば各車線の交通量と速度と時間）を統計する。この統計データが普段の交通情報と著しく違う場合、この道路における渋滞予測データとなる。ただし、日付時間などのパラメータ別に１つの道路に対して多数の予測データを有する。なお、上記の渋滞発生の判断は、システムの渋滞予測装置１００が判断してもよいし、他の外部システムから取得した情報であれば、車間が狭い場合やスピードが低い場合などに、渋滞と判断する。

また、上記の統計関数ｆｎについて、上記例（２車線道路）で、「右車線が極めて混むとその後渋滞が発生する」、もしくは「右左両方ある程度混むとその後渋滞が発生する」といった２つ特徴をもつ道路の場合、渋滞発生パターンが２通りあるため、ｆｎはｎ＝２となる。この特徴は渋滞予想データから算出する。

右車線入力交通量は、ナビゲーション装置３００が撮影した画像から算出された右車線の交通量であり、図７（ｂ）車線別車両情報ＩＤ７０２「１」（車線別撮影ＩＤ「１」の道路は３車線道路）における位置「３」の行数（つまり３車線道路の右車線に存在する車両数）で示される。左車線入力交通量は、図７（ｂ）車線別車両情報ＩＤ７０２「１」における位置「１」の行数（つまり３車線道路の左車線に存在する車両数）で示される。

右（左）車線統計交通量は、渋滞予測データの中の該当パターンにおける位置「３」の交通量の平均や最頻値の統計値である。また、右（左）車線予測係数は、右（左）車線統計交通量と右車線入力交通量の差分に重みを付ける係数である。例えば、道路において「右車線が極めて混むとその後渋滞が発生する」というパターンがあれば、右車線予測係数を大きくする。これにより右車線の差分が最終的な渋滞発生値に大きく反映される。

上記渋滞予測の具体例について説明する。渋滞予測装置１００は、ある道路の時刻ｔ時において、渋滞が発生する前３０分の統計データ（格納部１０４のデータ）に「右車線が極めて混む」、「右左両車線やや混んでいる」という２パターンがあったとする。この道路においては３０分前に渋滞の予兆が現れることがわかる。この２パターンをこの道路のｔ時渋滞予想データとして格納部１０４に格納しておく。

そして、ナビゲーション装置３００のユーザから時刻ｔ時に画像が送信されたとする。渋滞予測装置１００では、この画像の画像解析により、右車線がとても混んでいると判断したとする。渋滞予測装置１００は、画像解析結果について、渋滞予想データとの類似度を統計関数により計算すると、「右車線が極めて混む」パターンにとても類似していたとする。この場合、渋滞予測装置１００の交通情報処理部１０３は、この画像が送られてきてから３０分後に渋滞が発生すると判断し、渋滞予想情報管理部１０５に対して、この道路は３０分後に渋滞すると出力する。

渋滞予測装置１００の統計関数による計算の具体例について説明する。この道路は渋滞予想を下記の２パターン持っているため、
パターン１：「右車線が極めて混むと渋滞が発生する」
パターン２：「右左両車線やや混んでいると渋滞が発生する」
したがって、統計関数ｆｎは２つ用意する。
ｆ１（Ｘ，Ｙ）＝ａ１（ｘ１）＋ｂ１（ｙ１）
ｆ２（Ｘ，Ｙ）＝ａ２（ｘ２）＋ｂ１（ｙ２）

ｘ１：パターン１の予想データの左車線交通量（平均や最頻）→左車線の統計交通量
ｙ１：パターン１の予想データの右車線交通量（平均や最頻）
ｘ２：パターン２の予想データの左車線交通量（平均や最頻）
ｙ２：パターン２の予想データの右車線交通量（平均や最頻）
ａ１：パターン１の左車線の重み，ｂ１：パターン１の右車線の重み（パターン１では右車線のみに注目したいのでａ１の値を大きく、ｂ１の値を小さくする）
ａ２：パターン２の左車線の重み，ｂ２：パターン２の右車線の重み（パターン２では両車線に注目したいのでａ２＝ｂ２でよい）

そして、渋滞予測情報管理部１０５は、各車線交通量Ｘ、Ｙが入力された時、
１／ｆ１（｜ｘ１－Ｘ｜，｜ｙ１－Ｙ｜）と１／ｆ２（｜ｘ２－Ｘ｜，｜ｙ２－Ｙ｜）を計算する。この値が大きい方を採用し、閾値ｔｎと比べる。ｔｎより大きければ渋滞予測情報を生成する。

渋滞予測情報管理部１０５は、渋滞予測情報を格納部１０４に格納して管理し、ナビゲーション装置３００からの渋滞予測要求時に渋滞予測情報をナビゲーション装置３００に送信する。

ナビゲーション装置３００からの渋滞予測要求時の要求条件、例えば、天気等の指定があれば、交通情報処理部１０３は、このパラメータを含めた交通情報７０４を参照対象とする。要求条件が増えれば、要求に対し高精度な渋滞予測を行えるようになる。

また、上記の処理例では、ナビゲーション装置３００からの渋滞予測要求を待って渋滞予測情報を算出する構成としたが、これに限らない。例えば、交通情報処理部１０３は、交通情報７０４に基づいて、あらかじめ位置および時刻別の渋滞予測情報を生成しておく構成としても良い。この場合、ナビゲーション装置３００からの渋滞予測要求があれば、対応する位置と時刻の渋滞予測情報をナビゲーション装置３００に直ちに送信することができる。

（渋滞予測要求と渋滞予測情報の送信について）
図９は、渋滞予測要求から渋滞予測情報の送信までの処理内容を示すフローチャートである。はじめに、ナビゲーション装置３００は、指定位置や指定範囲の渋滞予測要求をサーバ４００に送信する（ステップＳ９０１）。

サーバ４００の渋滞予測情報管理部１０５は、この渋滞予測要求を受信し（ステップＳ９０２）、該当する指定位置や指定範囲の渋滞予測をナビゲーション装置３００に送信（配信）する（ステップＳ９０３）。

ナビゲーション装置３００は、サーバ４００から送信された渋滞予測情報を受信し（ステップＳ９０４）、この渋滞予測情報を表示部に表示する（ステップＳ９０５）。

なお、サーバ４００の渋滞予測情報管理部１０５は、ステップＳ９０３の後、時間経過により渋滞の状態が変わる可能性があること等に基づいて、渋滞予測変更発生の有無を監視する構成にしてもよい（ステップＳ９０６）。渋滞予測変更発生がない場合には（ステップＳ９０６：Ｎｏ）、処理を終了するが、渋滞予測変更発生が生じた場合には（ステップＳ９０６：Ｙｅｓ）、ステップＳ９０３による渋滞予測情報の再度の演算および送信を行う。

（渋滞発生について）
図１０は、自然渋滞の発生状態を示す説明図である。図１０の（ａ）に示すように、走行する移動体の車両数が多くなってくると、移動体同士の車間が狭くなってくる。次に、図１０（ｂ）に示すように、一部の移動体１００１の速度が遅くなると、追突しないように後続の移動体１０１１，１０１２が次々とブレーキを踏み速度を落とす。この結果、図１０（ｃ）に示すように、完全に停止する移動体１０２１があらわれ、後続する移動体１０３１，１０３２，１０３３，１０３４も次々に停車し、自然渋滞が発生する。

（渋滞予測について）
実施の形態の渋滞予測は、走行する移動体の台数が多くなると、移動体同士の車間が狭くなる、という点をナビゲーション装置３００の撮影画像と、過去のデータベース（交通情報７０４）を参照して予測するものである。サーバ４００は、要求条件に対応する過去の交通情報７０４を参照することにより、図１０に示した自然渋滞の例で見れば、（ａ）～（ｃ）のどの状態に対応するかを判断するに相当し、渋滞予測要求に含まれる要求された日時等に対応した渋滞予測情報をナビゲーション装置３００に送信する。

加えて、要求時刻以降における渋滞がどのように変化するか（例えば、要求が図９（ａ）に相当する時刻の場合、例えば１０分後には、図９（ｃ）の自然渋滞発生が生じる、との予測についても渋滞予測情報としてナビゲーション装置３００に送信できる。

（渋滞予測情報のルート探索への適用について）
上述した渋滞予測情報が渋滞発生の可能性が高い（渋滞発生値が高い）ことを示す場合、ナビゲーション装置３００は、該当する渋滞発生の候補ルート上の道路について、渋滞予測情報を付与してルート案内できる。

実施の形態のナビゲーション装置３００は、上述した渋滞予測情報を考慮したルート探索を行う。これにより、渋滞が予想された道路（リンク）の平均旅行時間が多いため、この渋滞地点を避けたルートが探索される。

ただし、このように渋滞予測情報を用いたルート探索では、予測した時間になると該当する場所での実際の渋滞の有無が判明することになる。したがって、この予測時間のときに、予測した渋滞が起きていない（渋滞発生していない）場合も考えられる。このような場合には、この予測時間に達したとき、ナビゲーション装置３００は、ルートを再探索するとともに、前回用いた渋滞予測情報を利用しないことにする。

上記ルート探索は、ナビゲーション装置３００が行うに限らず、サーバ４００が行ってもよい。サーバ４００は、ナビゲーション装置３００の現在位置、目的地等の位置情報を取得し、時刻等の他の探索条件を含めてルート探索すればよい。

上記の実施の形態では、撮影画像から車線数、車両数、車間、等を画像処理して交通量を検出する構成としたが、画像処理によってさらに他のパラメータを取得する構成にもできる。例えば、撮影画像の道路の車線上に、工事中の誘導標識がある場合には、工事による突発的な渋滞の発生の可能性がある。このほか、渋滞発生の要因となり得る車種（バス、パトカー）、歩行者横断、等もパラメータとすることができる。

したがって、撮影画像そのものについても、渋滞発生前後の画像の共通点、および相違点を統計処理することにより、交通情報７０４の精度を向上できるようになる。

また、上記実施の形態では、渋滞予測をサーバ等の渋滞予測装置１００が行う構成としたが、ある１台のカーナビゲーション装置やパーソナル・コンピュータ等の端末装置１１０が渋滞予測する構成とし、渋滞予測を要求した他の端末装置１１０に送信する構成とすることもできる。

なお、本実施の形態で説明した渋滞予測に関する方法は、あらかじめ用意されたプログラムをパーソナル・コンピュータやワークステーションなどのコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、インターネットなどのネットワークを介して配布することが可能な伝送媒体であってもよい。

１００ 渋滞予測装置
１０１ 画像処理部
１０２ 情報結合部
１０３ 交通情報処理部
１０４ 格納部
１０５ 渋滞予測情報管理部
１１０ 端末装置
１１１ 撮像部
１１２ 測位部
１１３ 処理部

Claims (1)

1. 道路上の移動体を撮影した画像と撮影した位置を示す位置情報とを取得する取得部と、
   前記画像中に存在する移動体に関する情報である交通情報を抽出する画像処理部と、
   前記画像処理部により抽出された前記交通情報を用いて、撮影された位置に対応する前記道路上の渋滞予測に関する情報を算出する交通情報処理部と、
   を有することを特徴とする渋滞予測システム。

Images