JP3485774B2

JP3485774B2 - 交通流シミュレーションシステム

Info

Publication number: JP3485774B2
Application number: JP30607097A
Authority: JP
Inventors: 博子森; 英二寺本; 博史森田
Original assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Current assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Priority date: 1997-11-07
Filing date: 1997-11-07
Publication date: 2004-01-13
Anticipated expiration: 2017-11-07
Also published as: JPH11144182A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、交通流シミュレー
ションシステムに係り、特に、ミクロ交通流シミュレー
ションとマクロ交通流シミュレーションとを組み合わせ
て広域道路ネットワーク上の交通流をシミュレートする
交通流シミュレーションシステムに関する。

【０００２】

【従来の技術及び発明が解決しようとする課題】都市全
体等の広域の道路構造を表す広域道路ネットワークにお
ける渋滞発生状況や、出発地から目的地までの旅行時間
を予測する交通流シミュレーションシステムでは、単位
道路当たりの計算量を低減して高速に予測を行う必要が
ある。このため、「都市内高速道路を対象とした経路選
択機能をもつネットワークシミュレーションモデルの開
発」（交通工学，Ｖｏｌ．２８，Ｎｏ．４，１９９３）
に述べられているブロック密度法やインプット・アウト
プット法等のマクロ交通シミュレーションが従来から用
いられている。

【０００３】このマクロ交通流シミュレーションでは、
多数の車両の流れを１台１台表現するのではなく、流体
あるいは車群として取り扱う。そして、多数の車両の流
れを決定するパラメータ（マクロパラメータ）として、
交通容量（単位時間当たりに交差点及び道路を通過可能
な交通量）を含む交通量−車両密度特性（Ｑ−Ｋ特性）
を用いている。

【０００４】マクロ交通流シミュレーションの代表的な
手法であるブロック密度法を図３を用いて説明する。広
域道路ネットワークは、交差点（ノード）及び各交差点
を接続する道路（リンク）１０で表現され、各リンク１
０はさらに細かな複数のブロック１２に分割されて表現
される。

【０００５】各ブロック長ｄＬは、１スキャン時間ｄｔ
内に車両がブロック１２を飛び越えて流出しないように
するため、自由流速度をＶｆとすると、ｄＬ＝Ｖｆ・ｄ
ｔで決定される。各ブロックｉ（ｉは、ブロック番号を
示し、０，１，２，・・・の値をとる）には、図４に示
すように交通流の流れを決定するマクロパラメータであ
る交通量（Ｑ）−車両密度（Ｋ）特性が設定されてい
る。交通量Ｑは単位時間内に流れる車両の台数（台数／
ｄｔ）で表され、車両密度Ｋは単位ブロック長内の車両
の台数（台数／ｄＬ）で表される。また、図４におい
て、Ｋｃは交通量Ｑが最大になる車両密度の臨界値を示
す臨界密度であり、Ｑｃは臨界密度に対応する交通量で
ある交通容量、Ｋｊは交通量が０のときの飽和密度であ
る。

【０００６】このブロック密度法では、時刻ｔにおける
上流側ブロックｉ＋１から下流側のブロックｉへ移動す
る交通量Ｑｉ＋１と、移動後のブロックｉの車両密度Ｋ
ｉ（ｔ＋１）とが、図４のＱ−Ｋ特性を満たすようにブ
ロック間の移動交通量を求める。そして、この計算を下
流側ブロックから順に上流側へ繰り返すことにより、リ
ンク１０上の全てのブロック１２の移動交通量を計算す
る。

【０００７】広域道路ネットワーク上の各リンクへ流入
する交通量は、出発地（Ｏ）と目的地（Ｄ）との間の交
通量を示すＯＤ交通量データに基づいて、等時間原則等
の交通流配分原則を満たすように決定される。このよう
にして広域道路ネットワーク全体の交通流を計算し、各
リンクの渋滞発生状況や出発地−目的地間の旅行時間を
予測する。

【０００８】上記の説明から明らかなように、ブロック
密度法では各ブロック間の複数の車両移動をまとめて計
算するため、計算量が少なく広域道路ネットワークの交
通流計算に適している。そして、交通流の計算精度は各
ブロックに設定されているマクロパラメータであるＱ−
Ｋ特性に依存する。このＱ−Ｋ特性は、街路において交
通量を実測することにより求めることができるが、Ｑ−
Ｋ特性を得るためには交通量が非常に少ない状態から渋
滞が発生するほど交通量が非常に多い状態まで、様々な
状態において実測する必要がある。

【０００９】しかしながら、都市部において様々な交通
状態を任意に作り出すことは不可能であることから、Ｑ
−Ｋ特性を実測により求めるのは困難である。このた
め、経験的に得られているＱ−Ｋ特性を暫定的に用いる
方法や、車両感知器が設置されている道路部分で得られ
た交通量−オキュパンシ（感知器直下に車両が存在する
時間率）の測定値からＱ−Ｋ特性を求め、感知器設置地
点以外の道路部分についても同様なＱ−Ｋ特性を設定し
て交通流計算を行う方法が従来から用いられている。

【００１０】一方、数交差点程度の狭い道路範囲を対象
として、信号制御等による交通流改善効果の評価を目的
としたシミュレーションでは、「道路交通シミュレーシ
ョンシルテムＭＥＬＲＯＳＥ」（三菱電機技報，Ｖｏ
ｌ．７０，Ｎｏ．１２，１９９６）に述べられているよ
うに、車両１台１台の挙動を詳細に表現するミクロ交通
流シミュレーションが従来から用いられている。ミクロ
交通流シミュレーションの代表的な手法である追従モデ
ルを図５に示す。この追従モデルは、車両間隔と車両速
度とから車両１４_iに追従して走行している追従車両１
４_i+1の加速度を計算するモデルであり、一般的には次
の式（１）で表現される。ａ_i+1(t ＋T) ＝ｃ［ｖ_i+1(t＋T)］ⁿ［ｖ_i(t) −ｖ_i+1(t)］／［x _i(t) −x _i+1(t)］^m ・・・（１）ここで、ａ_i(t) は時刻ｔにおけるｉ番目の車両１４_i
の加速度（ｍ／ｓ²）、ｖ_i(t) は時刻ｔにおけるｉ番
目の車両の速度（ｍ／ｓ）、x _i(t) は時刻ｔにおける
ｉ番目の車両の基準点（x ＝０）を基準とした位置
（ｍ）、Ｔは反応送れ時間（ｓ）、ｃ，ｍ，ｎはパラメ
ータである。

【００１１】ミクロ交通流シミュレーションでは、追従
走行状態以外の車両の挙動を表現するために、上記の加
速度に加え自由走行速度及び車頭時間間隔等の車両走行
特性、さらに道路幅員、車線数、道路勾配及び合流／分
岐地点等の道路形状に基づいて個々の車両の挙動を決定
する。従って、追従モデルは交通流の計算精度が高いと
いう特徴をもっている。しかしながら、車両１台１台の
状態を短いスキャン時間間隔で計算する必要があり、計
算量が多いため広域道路ネットワーク全体を対象とした
シミュレーションには適していない。

【００１２】１本の道路の中であっても、道路の各部分
に関するＱ−Ｋ特性等のマクロパラメータは、その部分
毎の道路形状（道路幅員、車線数、道路勾配及び他の道
路との接続形状、すなわち単路部、交差点、合流／分岐
地点等で表される）によって影響されるため、個々に異
なる値を持っている。

【００１３】しかしながら、従来のマクロ交通流シミュ
レーションでは、測定の困難さから、個々の道路部分に
対して経験的に得られた値あるいは車両感知器設置地点
で得られたパラメータ値をマクロパラメータとして一様
に設定していた。このため、従来のマクロ交通流シミュ
レーションは、計算速度は速いものの、交通流計算精度
が低いという問題があった。

【００１４】さらに、これらのマクロパラメータは道路
工事や事故、路上駐車等動的な状況変化要因によっても
影響を受ける。しかしながら、従来のマクロ交通流シミ
ュレーションでは、これらの動的な状況変化要因がマク
ロパラメータに与える影響を考慮する手段を備えておら
ず、動的な状況変化要因を考慮した交通流の予測が行え
ない、という問題があった。

【００１５】本発明は上記問題点を解消するためになさ
れたもので、計算速度が速く、かつ交通流計算精度が高
い交通流シミュレーションシステムを提供することを第
１の目的とする。

【００１６】また、本発明は、動的な状況変化要因を考
慮した交通流の予測が行える交通流シミュレーションシ
ステムを提供することを第２の目的とする。

【００１７】

【課題を解決するための手段】上記第１の目的を達成す
るために、請求項１の発明は、広域道路ネットワークの
交通流を算出する交通流シミュレーションシステムで使
用する交通量−車両密度特性をミクロシミュレーション
により決定することを特徴とする。

【００１８】請求項１の発明によれば、ミクロシミュレ
ーションにより広域道路ネットワークの交通流を算出す
る交通流シミュレーションシステムで使用する交通量−
車両密度特性を決定しているため、計算量が少なく短時
間で広域道路ネットワーク全体の交通流の予測が可能に
なる。

【００１９】また、上記第１の目的を達成するために請
求項２の発明は、交差点及び各交差点を接続する道路に
より表された広域道路ネットワークを分割した複数の狭
域道路範囲の道路構造を各々表す複数の狭域道路構造デ
ータ、及び車両が走行するときの走行特性に関する車両
走行特性データに基づいて、ミクロ交通流シミュレーシ
ョンにより各狭域道路範囲における交通流を決定するマ
クロパラメータを推定するミクロ交通流シミュレーショ
ン手段と；前記広域道路ネットワークの道路構造を表す
広域道路ネットワークデータ、広域道路ネットワーク上
の出発点と目的地との間の交通量を表す交通量データ、
及び推定された前記マクロパラメータに基づいて、マク
ロ交通流シミュレーションにより広域道路ネットワーク
上の交通流を推定するマクロ交通流シミュレーション手
段と；を含んで構成したものである。

【００２０】本発明の複数の狭域道路範囲は、交差点及
び各交差点を接続する道路により表された広域道路ネッ
トワークを分割して得られる。ミクロ交通流シミュレー
ション手段は、複数の狭域道路範囲の道路構造を各々表
す複数の狭域道路構造データ、及び車両が走行するとき
の走行特性に関する車両走行特性データに基づいて、ミ
クロ交通流シミュレーションにより各狭域道路範囲にお
ける交通流を決定するマクロパラメータを推定する。

【００２１】狭域道路範囲の道路構造は、狭域道路範囲
内に含まれる交差点の形状、道路の形状、交通施設の内
容、及び交通規制内容によって表すことができ、車両走
行特性データは、車両の自由走行速度、車頭時間間隔、
加減速の反応遅れ時間等個々の車両が走行する際の走行
特性によって表すことができる。また、マクロパラメー
タとしては、各狭域道路範囲における交通流の流れを決
定するパラメータである交通量−車両密度特性を使用す
ることができる。なお、この交通量−車両密度特性に
は、交通容量（単位時間当たりに通過可能な交通量）が
交通量の最大値として含まれている。

【００２２】そして、マクロ交通流シミュレーション手
段は、広域道路ネットワークの道路構造を表す広域道路
ネットワークデータ、広域道路ネットワーク上の出発点
と目的地との間の交通量を表す交通量データ、及び推定
された各狭域道路範囲におけるマクロパラメータに基づ
いて、マクロ交通流シミュレーションにより広域道路ネ
ットワーク上の交通流を推定する。この交通流から各道
路の渋滞発生状況、及び出発地−目的地間の旅行時間を
予測することが可能になる。

【００２３】請求項２の発明によれば、マクロパラメー
タとしてミクロ交通流シミュレーションを用いて求めた
狭域道路範囲毎のマクロパラメータを用いているため、
精度の高いマクロパラメータを用いることが可能であ
り、またマクロ交通流シミュレーションにより交通流を
予測しているため、計算量が少なく短時間で広域道路ネ
ットワーク全体の交通流の予測が可能になる。

【００２４】また、第２の目的を達成するために、請求
項３の発明は、請求項２の発明に道路構造の変化情報を
リアルタイムで入手する交通情報入手手段を更に設け、
前記ミクロ交通流シミュレーション手段は、道路構造に
変化が生じた狭域道路範囲の狭域道路構造データ、及び
前記車両走行特性データに基づいて、ミクロ交通流シミ
ュレーションにより道路構造に変化が生じた狭域道路範
囲における交通流を決定するマクロパラメータを再度推
定するようにしたものである。

【００２５】道路上において事故が発生したり工事等で
交通状況が変化すると、通行止めや車線閉鎖等によって
道路構造が変化するので、上記の道路構造の変化情報
は、道路上における事故発生及び工事等の交通状況の変
化をリアルタイムで入手することにより入手することが
できる。

【００２６】請求項３の発明によれば、道路構造に変化
が生じた狭域道路範囲におけるマクロパラメータを再度
推定するようにしているため、狭域道路範囲の動的な状
況変化を考慮した交通流の予測が行える。

【００２７】

【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を詳細に説明する。図１は、第１の実施の形態
を示すものであり、本実施の形態は、シミュレーション
対象地域全体を表すと共に、交差点（ノード）及び各交
差点を接続する道路（リンク）により表された広域道路
ネットワーク２０の道路構造を表す広域道路ネットワー
クデータを記憶した記憶媒体２２と、広域道路ネットワ
ーク２０を複数個に細分化した複数の狭域道路範囲２４
の道路構造、すなわち狭域道路範囲内に含まれる交差点
の形状、道路の形状、交通施設の内容、及び交通規制内
容等に関する狭域道路構造データを記憶した記憶媒体２
６を備えている。

【００２８】広域道路ネットワークの細分化は、道路構
造（交差点形状、道路形状（道路幅員、車線数、道路勾
配及び他の道路との接続形状、すなわち単路部、交差
点、合流／分岐地点等で表される）、信号機等の交通施
設及び交通規制内容等）、速度規制、信号・料金所近傍
等、車両の走行状態が変化すると思われる場所で区切ら
れている。また、狭域道路構造データは、広域道路ネッ
トワークデータを広域道路ネットワークの細分化と同様
に細分化することによって得られる。狭域道路範囲２４
としては、１〜数個の交差点が含まれる領域が好まし
い。

【００２９】次に、自由走行速度、車頭時間間隔、加減
速の反応遅れ時間等の個々の車両が走行する際の特性を
表現する車両走行特性データを、路側からの観察または
複数ドライバを対象とした運転挙動測定に基づいて求
め、記憶媒体２８に記憶する。これらの特性は、道路状
況ではなくドライバの運転特性に依存するものであるこ
とから、上記の複数の狭域道路範囲の各々に対して共通
に適用可能である。

【００３０】記憶媒体２６、２８は、ミクロ交通流シミ
ュレーション機能を備えたブロック３０に接続されてい
る。このブロック３０は、個々の狭域道路構造データと
車両走行特性データとに基づき、ミクロ交通流シミュレ
ーションを用いてＱ−Ｋ特性をマクロパラメータとして
推定する。

【００３１】推定されたマクロパラメータデータは、マ
クロ交通流シミュレーション機能を備えたブロック３２
に入力される。ブロック３２には、記憶媒体２２が接続
されると共に、出発地（Ｏ）と目的地（Ｄ）との間の交
通量を示すＯＤ交通量データが入力される。そして、ブ
ロック３２は、予測結果を表示するＣＲＴ等の表示装置
３４に接続されている。

【００３２】ブロック３０、３２は、１つのコンピュー
タで構成してブロック３０からブロック３２にマクロパ
ラメータデータを転送するようにしてもよく、ブロック
３０、３２を別々のコンピュータで構成し、オンライン
またはＣＤ−ＲＯＭ等を用いたオフラインによりブロッ
ク３０からブロック３２にマクロパラメータデータを入
力するようにしてもよい。

【００３３】ブロック３０によるミクロ交通流シミュレ
ーションを用いたＱ−Ｋ特性の導出方法を図６を参照し
て説明する。図６は、信号交差点３６手前の道路部分３
７のＱ−Ｋ特性を求める場合を示している。まず、ミク
ロ交通流シミュレーション機能を用いて、信号交差点３
６の通過車両台数（＝交通量Ｑ）と交差点手前の道路部
分３７の平均車両存在台数（車両密度Ｋ）とを求める。
そして、上流３８から対象部分である道路部分３７に流
入する発生交通量及び信号の表示パターンを任意に変化
させることにより、通過車両台数と道路上の単位長さ当
たりの車両存在台数との関係、すなわちＱ−Ｋ特性を算
出する。

【００３４】先に述べたように、ミクロ交通流シミュレ
ーションでは、車両走行特性及び道路構造等を考慮した
交通流算出が可能であるため、個々の狭域道路範囲に対
して精度の高いマクロパラメータの算出を行うことが可
能である。

【００３５】上記のマクロパラメータの算出を全ての狭
域道路範囲に対して実施することにより、マクロパラメ
ータの集合であるマクロパラメータデータを作成する。
このマクロパラメータデータは、交通流に影響を与える
道路構造の変化がない限り不変であるため、広域道路ネ
ットワーク全体のシミュレーション実施に先立って予め
算出しておく。

【００３６】そして、マクロ交通流シミュレーションで
は、広域道路ネットワークデータ、出発地（Ｏ）と目的
地（Ｄ）との間の交通量を示すＯＤ交通量データ、及び
上記のように作成したマクロパラメータデータに基づい
て、前記ブロック密度法により広域道路ネットワーク全
体の交通流を計算し、各道路の渋滞発生状況や出発地と
目的地との間の旅行時間を予測する。

【００３７】このマクロ交通流シミュレーションは、従
来技術と同様に多数の車両を流体あるいは車群として扱
うため、計算量が少なく短時間で広域道路ネットワーク
全体の交通状況の予測が可能である。さらに、狭域道路
範囲の道路構造及び車両走行特性に基づくミクロ交通流
シミュレーションを用いて求めた狭域道路範囲毎のマク
ロパラメータを用いていることから、従来技術と比較し
てより精度の高い交通状況の予測が可能である。

【００３８】次に本発明の第２の実施の形態を図２を参
照して説明する。本実施の形態は、上記で説明した第１
の実施の形態に加え、道路構造の変化をリアルタイムで
入手するために、道路上における事故発生、工事等の交
通状況変化の情報をリアルタイムに入手する交通情報入
手手段４０を設けたものである。なお、図２において図
１と同一部分には同一符号を附して説明を省略する。

【００３９】本実施の形態では、事故や工事による通行
止めや車線閉鎖等、交通容量やＱ−Ｋ特性に大きな影響
を与える道路構造の変化が生じたことを交通情報入手手
段４０から得た場合に、ミクロ交通流シミュレーション
機能を用いて、道路構造の変化が生じた狭域道路範囲の
マクロパラメータを再計算し、マクロパラメータデータ
を更新する。そして、更新されたマクロパラメータを含
むマクロパラメータデータに基づいて広域道路ネットワ
ーク全体のマクロ交通流シミュレーションを実行するこ
とにより、事故や工事等の動的な道路状況変化を考慮し
ながら、渋滞発生状況及び旅行時間を短時間にかつ精度
よく予測する。

【００４０】本実施の形態においては、マクロパラメー
タの再計算は、事故や工事等の交通状況の変化が発生し
て道路構造に変化が生じた狭域道路範囲部分についての
み実施すればよく、その他の狭域道路範囲の部分につい
てはそれ以前のマクロパラメータの値をそのまま用いれ
ば良い。従って、道路構造の変化に伴うミクロ交通流シ
ミュレーションは極めて短時間に行うことが可能であ
り、そのためリアルタイムでの道路構造の状況変化に即
した広域道路ネットワークの交通状況予測を実行するこ
とができる。また、事故処理等が終了し道路構造が元の
状態に戻った場合は、単にマクロパラメータを当初の値
に戻せば良い。従って、事故発生だけでなく、復旧タイ
ミングをも考慮した交通状況の予測を容易に実行するこ
とが可能である。

【００４１】次に、本発明の交通流シミュレーションシ
ステムを車載ナビゲーションシステムの経路案内機能に
適用した第３の実施の形態及び第４の実施の形態につい
て図７及び図８を参照して説明する。

【００４２】これらの２つの実施の形態では、交通流シ
ミュレーションシステムは、ミクロ交通流シミュレーシ
ョンを実行する部分とマクロ交通流シミュレーションを
実行する部分との２つに分割されている。すなわち、ミ
クロ交通流シミュレーションを実行する部分は、工場や
交通情報センタに配置されている。一方、マクロ交通流
シミュレーションを実行する部分は、車載ナビゲーショ
ンシステムに搭載されている。そして、車載ナビゲーシ
ョンシステムにおいてマクロ交通流シミュレーションを
行うために必要な広域道路ネットワークデータ、ＯＤ交
通量データ、及び予め計算されたマクロパラメータデー
タは、ＣＤ−ＲＯＭ等の記憶媒体を用いて車載ナビゲー
ションシステムに供給される。このように機能を分割す
ることにより、個々の車載ナビゲーションシステムにお
いて計算量の多いミクロ交通流シミュレーションを行う
必要がなくなり、高性能なコンピュータを用いなくても
精度の高いシミュレーションを実施することができる。

【００４３】図７は、第３の実施の形態を示すものであ
る。本実施の形態は、広域道路ネットワークデータ、Ｏ
Ｄ交通量データ、及びマクロパラメータデータが工場等
で予め記憶されたＣＤ−ＲＯＭ等の記憶媒体４２と、ミ
クロ交通流シミュレーション機能を有するブロック４
４、ブロック４４での予測結果をリンクコストとして用
いて経路探索を行う経路探索機能ブロック４５、及び案
内経路を表示する表示装置４６を備えた車載ナビゲーシ
ョンシステムとから構成されている。

【００４４】本実施の形態では、車載ナビゲーションシ
ステムにおいて出発地（Ｏ）−目的地（Ｄ）間の経路案
内を行う際、現時点から将来この車両が到達する時点ま
での各道路のリンク旅行時間、及び渋滞長をマクロ交通
流シミュレーション機能を用いて予測し、その予測結果
を経路探索の際のリンクコストとして用いることにより
案内する経路を決定する。

【００４５】マクロ交通流シミュレーションを行う際の
対象道路は、出発地（その車両の現在地）、目的地、出
発地−目的地間の候補経路を含む範囲、例えば出発地と
目的地とを焦点とする楕円形の範囲に含まれる道路のみ
で良く、必ずしも広域道路全体を対象としたシミュレー
ションを行う必要はない。また、同様に、シミュレーシ
ョン対象の時間帯についても、出発時刻（現在時刻）か
ら到着時刻相当までのシミュレーションを行えば良く、
全時間帯のシミュレーションを行う必要はない。従っ
て、マクロ交通流シミュレーションでは、広域道路ネッ
トワークデータ、ＯＤ交通量データから必要な部分のデ
ータのみを抽出し、各道路のリンク旅行時間、及び渋滞
長のシミュレーション予測を高速に実行する。なお、道
路上の交通量や渋滞状況は、季節、曜日（平日か休日
か）、時間帯等種々の要因によって変動するが、特に事
故や工事等突発的な事象が無い場合、高い再現性及び周
期性があることが知られている。従って、ＯＤ交通量デ
ータを季節別、曜日別、及び時間帯別に作成しておき、
走行日時（曜日及び時間帯）に合わせて該当するＯＤ交
通量データを抽出して用いることによって、シミュレー
ション予測の精度を高めることができる。

【００４６】経路探索機能は、従来から用いられている
ダイキストラ法等をそのまま用いることができる。シミ
ュレーション予測されるリンクコスト（リンク旅行時間
や渋滞長）は時間と共に変化するが、時間帯毎のリンク
コストを予め計算しておき、経路探索時に加算するコス
トをそのリンク通過時点の値を用いることにより、従来
のアルゴリズムにより最小コストの経路の探索が可能で
ある。

【００４７】リンクコストとしてリンク旅行時間を用い
れば最短時間経路を検索し、リンクコストとして渋滞長
を用いれば渋滞を避けた経路を探索することができる。
また、リンクコスト中に、上記のリンク旅行時間及び渋
滞長の他、リンク長、道路幅、車線数、及び右折及び左
折の回数等の静的な要因を盛り込み、各要因に対する係
数を適切に与えることにより、予測交通状況を考慮した
様々な案内経路を探索することが可能である。これらの
経路案内情報は、液晶表示装置等の表示装置４６に表示
される。

【００４８】図８は、第４の実施の形態を示すものであ
る。本実施の形態では、ミクロ交通流シミュレーション
を実行する部分は、交通情報の収集及び各車両への伝達
を行う交通情報センタに配置されている。交通情報セン
タでは、ミクロ交通流シミュレーション機能により、事
故や工事等の突発的な事象のない、通常状態のマクロパ
ラメータデータを予め算出し、ＣＤ−ＲＯＭ等の記録媒
体４２に記録し、車載ナビゲーションシステムに伝達す
る。

【００４９】交通情報センタは、道路上の事故発生、工
事等の動的な交通情報を道路上に設置された各種セン
サ、監視カメラ等の交通情報入手手段４７を用いて入手
する。車線閉鎖や規制（一方通行や対面通行等）が発生
し、その道路部分の交通容量やＱ−Ｋ特性が通常状態か
ら変化する場合、ミクロ交通流シミュレーション機能を
備えたブロック３０は該当走路部分のマクロパラメータ
を再計算した後、変更されたマクロパラメータを通信手
段（電波、光等）を用いて車載ナビゲーションシステム
に伝達する。車載ナビゲーションシステムでは、その変
更が現在走行中あるいは今後走行予定の経路に影響を与
えると判断した場合、マクロ交通流シミュレーション機
能を備えたブロック４４により変更されたパラメータを
用いた再予測を行う。この予測結果を用いて経路探索機
能ブロック４５で経路探索を再度行うことにより、動的
交通情報を考慮した案内経路をドライバに提示する。

【００５０】本実施の形態によれば、例えば「事故発生
により通行止めが発生した」という情報をドライバに与
えるだけでなく、事故による渋滞の発生や延伸、また事
故処理終了による渋滞の解消といった渋滞状況の時変化
を予測した上で、最適な経路をドライバに提示すること
が可能である。従って、単に渋滞を避けた迂回経路に案
内するだけでなく、不必要な迂回経路への案内を抑制す
ることができる。

【００５１】また、事故発生や工事中でないためマクロ
パラメータは変化していないが、イベント等の開催によ
り大きなＯＤ交通量が発生し通常状態とは大きく異なる
渋滞が発生する場合は、交通情報センタからＯＤ交通量
データの変更部分を通信手段により伝達し、車載ナビゲ
ーションシステムでＯＤ交通量データを変更し予測シミ
ュレーションを行う。これによって、事故発生時の場合
と同様、最適経路への案内が可能になる。

【００５２】

【発明の効果】以上説明したように、請求項１の発明に
よれば、ミクロシミュレーションにより広域道路ネット
ワークの交通流を算出する交通流シミュレーションシス
テムで使用する交通量−車両密度特性を決定しているた
め、計算量が少なく短時間で広域道路ネットワーク全体
の交通流の予測が可能になる、という効果が得られる。

【００５３】また、請求項２の発明によれば、マクロパ
ラメータとしてミクロ交通流シミュレーションを用いて
求めた狭域道路範囲毎のマクロパラメータを用いている
ため、精度の高いマクロパラメータを用いることが可能
であり、またマクロ交通流シミュレーションにより交通
流を予測しているため、計算量が少なく短時間で広域道
路ネットワーク全体の交通流の予測が可能になる、とい
う効果が得られる。

【００５４】また、請求項３の発明によれば、道路構造
に変化が生じた狭域道路範囲におけるマクロパラメータ
を再度推定するようにしているため、狭域道路範囲の動
的な状況変化を考慮した交通流の予測が行える、という
効果が得られる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態のブロック図であ
る。

【図２】本発明の第２の実施の形態のブロック図であ
る。

【図３】マクロ交通流シミュレーションの代表的な手法
であるブロック密度法を説明するための線図である。

【図４】図３のブロック密度法に使用されるＱ−Ｋ特性
を示す線図である。

【図５】ミクロ交通流シミュレーションの代表的な手法
である追従モデルを説明するための線図である。

【図６】第１の実施の形態においてミクロ交通流シミュ
レーション機能を用いて信号交差点手前の部分のＱ−Ｋ
特性の導出方法説明するための説明図である。

【図７】本発明の交通流シミュレーションシステムを車
載ナビゲーションシステムの経路案内機能に適用した第
３の実施の形態を示すブロック図である。

【図８】本発明の交通流シミュレーションシステムを車
載ナビゲーションシステムの経路案内機能に適用した第
４の実施の形態を示すブロック図である。

【符号の説明】

３０ミクロ交通流シミュレーション機能を備えたブロ
ック３２マクロ交通流シミュレーション機能を備えたブロ
ック

───────────────────────────────────────────────────── フロントページの続き (72)発明者森田博史愛知県豊田市トヨタ町１番地トヨタ自動車株式会社内 (56)参考文献特開平９−147285（ＪＰ，Ａ) 特開平８−249586（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G08G 1/00 - 9/02

Claims

(57)【特許請求の範囲】

【請求項１】広域道路ネットワークの交通流を算出する
交通流シミュレーションシステムで使用する交通量−車
両密度特性をミクロシミュレーションにより決定するこ
とを特徴とする交通流シミュレーションシステム。
【請求項２】交差点及び各交差点を接続する道路により
表された広域道路ネットワークを分割した複数の狭域道
路範囲の道路構造を各々表す複数の狭域道路構造デー
タ、及び車両が走行するときの走行特性に関する車両走
行特性データに基づいて、ミクロ交通流シミュレーショ
ンにより各狭域道路範囲における交通流を決定するマク
ロパラメータを推定するミクロ交通流シミュレーション
手段と、前記広域道路ネットワークの道路構造を表す広域道路ネ
ットワークデータ、広域道路ネットワーク上の出発点と
目的地との間の交通量を表す交通量データ、及び推定さ
れた前記マクロパラメータに基づいて、マクロ交通流シ
ミュレーションにより広域道路ネットワーク上の交通流
を推定するマクロ交通流シミュレーション手段と、を含む交通流シミュレーションシステム。
【請求項３】道路構造の変化情報をリアルタイムで入手
する交通情報入手手段を更に備え、前記ミクロ交通流シ
ミュレーション手段は、道路構造に変化が生じた狭域道
路範囲の狭域道路構造データ、及び前記車両走行特性デ
ータに基づいて、ミクロ交通流シミュレーションにより
道路構造に変化が生じた狭域道路範囲における交通流を
決定するマクロパラメータを再度推定する請求項２の交
通流シミュレーションシステム。