JP4950596B2 - 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末 - Google Patents

予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末 Download PDF

Info

Publication number
JP4950596B2
JP4950596B2 JP2006223101A JP2006223101A JP4950596B2 JP 4950596 B2 JP4950596 B2 JP 4950596B2 JP 2006223101 A JP2006223101 A JP 2006223101A JP 2006223101 A JP2006223101 A JP 2006223101A JP 4950596 B2 JP4950596 B2 JP 4950596B2
Authority
JP
Japan
Prior art keywords
link
traffic
traffic information
information
predicted
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.)
Expired - Fee Related
Application number
JP2006223101A
Other languages
English (en)
Other versions
JP2008046955A (ja
Inventor
憲一郎 山根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Faurecia Clarion Electronics Co Ltd
Original Assignee
Clarion Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Clarion Co Ltd filed Critical Clarion Co Ltd
Priority to JP2006223101A priority Critical patent/JP4950596B2/ja
Priority to US11/836,546 priority patent/US20080319639A1/en
Priority to CN2007101407693A priority patent/CN101127158B/zh
Priority to EP07015819.1A priority patent/EP1890274B1/en
Publication of JP2008046955A publication Critical patent/JP2008046955A/ja
Application granted granted Critical
Publication of JP4950596B2 publication Critical patent/JP4950596B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Instructional Devices (AREA)
  • Navigation (AREA)

Description

本発明は、道路交通の突発事象を考慮した予測交通情報を生成する予測交通情報生成方法および予測交通情報生成装置、ならびに、その予測交通情報生成装置によって生成され、配信される予測交通情報を表示装置に表示する交通情報表示端末に関する。
カーナビゲーション装置においては、通常、車両の経路誘導を行うための誘導経路として、例えば、目的地までのリンク旅行時間の総和が最小になるような経路が地図上に表示される。その誘導経路を算出するときに使用されるリンク旅行時間のデータは、例えば、財団法人日本道路交通情報センター、財団法人道路交通情報通信システムセンター、各都道府県警察の交通管制センターなどの交通情報提供機関（以下、交通情報センタという）から提供されるリンク旅行時間の実測データを統計処理した統計交通情報が使用される。
なお、本明細書では、ある交差点とその交差点の隣接交差点とを結ぶ道路をリンクといい、車両がそのリンクを走行する所要時間をリンク旅行時間という。そして、その交差点をノードという。また、ある地点を単位時間あたり通過する車両台数を交通量という。
統計交通情報は、毎日、毎時刻ごとに、さらには、それを平日、休日などに分けて各リンク旅行時間などについてその実測値の平均をとった交通情報であり、それぞれの日の交通状況を再現しようとする情報である。しかしながら、交通事故などの突発事象が発生したときには、その統計交通情報だけでは突発事象発生地点を回避した誘導経路を算出することはできない。そこで、従来は、交通情報センタから提供される情報には、リンク旅行時間の他に渋滞、事故、通行規制情報などの情報が付されているので、カーナビゲーション装置は、その渋滞、事故、通行規制などがあるリンクのリンク旅行時間を大きな値にすることによって、そのリンクを避けるような誘導経路を算出していた。
一般に、事故などによる道路の渋滞は、事故が生じたリンクから周辺のリンクへと波及する。従って、誘導経路を算出するにあたっては、事故が発生したリンクだけでなく、その周辺のリンクのリンク旅行時間を、適宜、大きくする必要がある。しかしながら、その波及範囲は、事故などの規模や関係するリンクの交通量などに依存する。そのため、事故などの突発事象が発生したとき、どの程度の周辺範囲のリンクのリンク旅行時間をどの程度大きくすればよいかは、「経験的に」であっても、人が決定するのは困難であり、より現実に近いリンク旅行時間を求めるためには、何らかのシミュレーション手段が必要となる。
特許文献１には、ミクロ交通流シミュレーション機能とマクロ交通流シミュレーション機能とを併せ持つ交通流シミュレータの例が開示されている。その交通流シミュレータによれば、広域道路ネットワークを構成するそれぞれの道路（リンク）に対し、道路の形状や車両の走行特性などを用いてミクロ交通流シミュレーションを行い、そのそれぞれの道路の交通容量や車両密度特性など道路のマクロ特性情報を算出する。そして、そのそれぞれ算出されたマクロ特性情報を備えたリンクによって構成された広域道路ネットワークについて、その中で発生するＯＤ（Origin - Destination）交通量に基づきマクロ交通流シミュレーションを実施する。すなわち、マクロ交通流シミュレーションを行うことによって、前記広域道路ネットワークの中で発生するＯＤ交通量を、等時間原則などの交通流配分原則が満たされるようにそれぞれのリンクに配分し、それぞれのリンクの交通量やリンク旅行時間を算出する。
この交通流シミュレータにおいては、事故などを交通容量や道路形状の変更として捉えることができるので、事故などの突発事象が発生してもそれに対応した交通量やリンク旅行時間を算出することができる。しかしながら、突発事象が発生した場合には、少なくともその突発事象が発生したリンクについては、ミクロ交通流シミュレーションを再度行う必要がある。従って、その分コンピュータの処理負担が大きくなり、計算時間が長くなるのは避けられない。また、マクロ交通流シミュレーションを行うときには、その入力情報として、現状の交通情報管理システムのインフラでは取得されることのないＯＤ交通量を必要とするので、そのＯＤ交通量をどのようにして取得するかが問題となる。
また、特許文献２には、ミクロ交通流シミュレーション機能とマクロ交通流シミュレーション機能とを併せ持ち、ＯＤ交通量を必要としない交通流シミュレータの例が開示されている。この交通流シミュレータによれば、事故などの突発事象が発生したときには、その発生箇所を回避するような経路誘導を行ったときの車両の挙動を、車両に与えられる経路誘導情報と関連付けてミクロ的にシミュレーションする。そして、その経路誘導の結果得られる道路の交通量に基づき、さらに、経路誘導を行い、その結果得られる道路の交通量などを求める収束計算を行っている。
この特許文献２に開示されている交通流シミュレータの場合には、特許文献１の交通流シミュレータと同様に、ミクロ的なシミュレーションが必要であり、加えて、経路誘導計算においては、収束計算を必要とする。そのため、それらの計算処理のコンピュータの負荷は、どうしても大きくならざるを得ず、計算時間が長くなる。
特開平１１−１４４１８２号公報 特開２００６−１８５６０号公報
以上のように、従来開示されている技術においては、事故などの突発事象が生じたときには、何らかの形でミクロ交通流シミュレーションを行う必要があるので、コンピュータの処理負荷が大きくなり、計算時間が長くなる。そのため、広域道路ネットワークのような大規模な道路ネットワークに対しては、事故などの突発事象が生じたときのリンクの交通量やリンク旅行時間などの予測情報を実用的な計算時間で計算するのは、困難になるか、または、大規模で高性能のコンピュータが必要となる。
そこで、本発明の目的は、大規模な道路ネットワークにおいて事故などの突発事象が生じ、その道路ネットワークを構成するリンクの交通量やリンク旅行時間を予測計算するとき、その予測計算のためのコンピュータの処理負荷を軽減することが可能な予測交通情報生成方法および予測交通情報生成装置を提供するとともに、その計算された結果を表示することが可能な交通情報表示端末を提供することにある。
前記目的を達成するために、本発明においては、予測交通情報生成装置は、（ａ）所定の道路ネットワークに係るリアルタイム交通情報を所定の時間ごとに配信する交通情報センタに、通信ネットワークを介して接続され、（ｂ）情報処理部と、前記道路ネットワークに含まれるリンクについての統計交通情報を少なくとも記憶した情報記憶部とを備え、（ｃ）前記道路ネットワークにおける突発事象発生時の予測交通情報を生成する。そして、その予測交通情報生成装置においては、前記情報処理部が、（１）前記交通情報センタから配信されるリアルタイム交通情報を受信して、その受信したリアルタイム交通情報に基づき、前記道路ネットワークにおける突発事象を検出し、（２）前記検出した突発事象に応じた交通規制に係るパラメータを含む予測環境パラメータとして、前記突発事象が発生した領域に含まれる規制対象リンクの交通量を規制する規制率を設定し、（３）前記道路ネットワークにおけるリンクの接続情報を含んだ道路地図情報を参照して、前記規制対象リンクの上流に接続されたリンクである境界リンクを抽出する。（４）前記統計交通情報から得られる通常時の予測交通量と前記規制対象リンクの規制率とに基づき、前記境界リンクから前記規制対象リンクへ流入できずにその境界リンクに滞留する滞留交通量を算出する。（５）前記境界リンクにおける通常時の予測交通量と前記算出した滞留交通量に基づき、その境界リンクの予測交通情報を生成する。（６）前記境界リンクに前記滞留交通量が発生したために、さらに、その境界リンクの上流に接続されたリンクである上流リンクに滞留交通量が発生したときには、その上流リンクにおける通常時の予測交通量とその滞留交通量とに基づき、その上流リンクの予測交通情報を生成することにより、前記突発事象発生時以降の時刻について、前記道路ネットワークのリンクの予測交通情報を生成することを特徴とする。
すなわち、本発明では、予測交通情報生成装置は、突発事象が発生したとき、その突発事象発生領域の規制対象リンクに設定される規制率や規制継続時間などの予測環境パラメータと、前記統計交通情報から予測される通常時（突発事象が発生しないとき）の予測交通情報とに基づき、突発事象発生時の予測交通情報を生成する。従って、少なくとも、突発事象が発生した後に、ミクロ交通流シミュレーションを実施する必要はなく、また、ＯＤ交通量も必要としない。
本発明によれば、道路ネットワークにおいて事故などの突発事象が生じ、その道路ネットワークを構成するリンクの予測交通情報を生成するときのコンピュータの処理負荷が軽減される。
以下、図面を参照して本発明の実施形態について詳しく説明する。
図１は、本発明の実施形態に係る予測交通情報生成装置およびカーナビゲーション装置についてその機能ブロックの構成の例を示した図である。図１に示すように予測交通情報生成装置１は、突発事象検出部１１、予測環境設定部１２、通常時交通状況予測部１３、突発事象発生時交通状況予測部１４、情報送受信部１５などからなる情報処理部１０と、リアルタイム交通情報２１、統計交通情報２２、予測交通情報２３などの情報を記憶する情報記憶部２０とを含んで構成される。
ここで、情報処理部１０は、図示しないＣＰＵ（Central Processing Unit）、半導体メモリ、ハードディスク装置などを含んで構成される。その半導体メモリまたはハードディスク装置には所定のプログラムが格納され、ＣＰＵがそのプログラムを実行することによって、情報処理部１０を構成する機能ブロック１１〜１５の機能が実現される。また、情報記憶部２０は、通常、図示しないハードディスク装置によって構成されるが、そのハードディスク装置は、情報処理部１０を構成するハードディスク装置と一体的に構成されていてもよい。
予測交通情報生成装置１は、インターネットなどの通信ネットワーク５を介して交通情報センタ２に接続されており、所定時間（例えば、５分）ごとに交通情報センタ２からリアルタイム交通情報の配信を受ける。交通情報センタ２から配信されたリアルタイム交通情報は、情報記憶部２０にリアルタイム交通情報２１として記憶される。また、予測交通情報生成装置１は、通信ネットワーク５、携帯電話網の基地局４などを介して車両に搭載されたカーナビゲーション装置３（以下、カーナビ装置３という）に接続されている。
予測交通情報生成装置１は、前記配信されたリアルタイム交通情報２１を蓄積し、統計処理をすることによって、統計交通情報２２を生成する。また、予測交通情報生成装置１は、配信されたリアルタイム交通情報２１により、交通事故などの突発事象を検出して、その突発事象の状況と統計交通情報２２から予測される通常時の交通状況とに基づき、予測交通情報２３を生成し、情報記憶部２０に記憶する。そして、カーナビ装置３からの求めに応じて、予測交通情報２３をそのカーナビ装置３へ配信する。
一方、カーナビ装置３は、情報処理部３１、通信部３２、表示部３３、現在位置検出部３４などを含んで構成される。ここで、情報処理部３１は、ＣＰＵ、半導体メモリ、ハードディスク装置などによって構成され、図示しない誘導経路探索部、誘導経路表示制御部などの機能ブロックを備える。また、表示部３３は、ＬＣＤ(Liquid Crystal Display）などによって、通信部３２は、携帯電話装置などによって、現在位置検出部３４は、ＧＰＳ（Global Positioning System）受信機などによって構成される。
カーナビ装置３は、車両のドライバによって目的地情報が設定されると、予測交通情報生成装置１に対して予測交通情報２３の配信を求め、その求めに応じて予測交通情報生成装置１から配信された予測交通情報を受信し、その予測交通情報を半導体メモリ、ハードディスク装置などに記憶する。また、カーナビ装置３は、現在位置検出部３４によって取得される現在位置から前記入力された目的地までの誘導経路を、前記記憶した予測交通情報に基づき探索し、その探索した誘導経路を事故などによる渋滞情報と併せて表示部３３に表示する。
図２は、本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の予測交通情報生成処理の流れの例を示した図である。また、図３は、リアルタイム交通情報のデータ構成の例を示した図、図４は、統計交通情報のデータ構成の例を示した図である。また、図５は、予測交通情報生成処理における予測環境パラメータ実績情報の例を示した図である。
図２に示すように、予測交通情報生成装置１の情報処理部１０は、情報送受信部１５の処理として、所定時間ごとに交通情報センタ２から配信されるリアルタイム交通情報を受信し（ステップＳ１０）、リアルタイム交通情報２１として情報記憶部２０に記憶する。ここで、リアルタイム交通情報２１は、道路に設置された交通センサなどからリアルタイムで取得される情報に基づき生成される交通情報であり、図３に示すように、ヘッダデータ、渋滞・旅行時間データ、事故・規制データを含んで構成されている。
リアルタイム交通情報２１のヘッダデータは、データサイズ、メッシュＩＤ、タイムスタンプなどの情報を含んで構成され、メッシュＩＤは、そのリアルタイム交通情報を取得した地域（メッシュ状に区分された地域）の識別情報、タイムスタンプは、リアルタイム交通情報が取得された時刻情報である。渋滞・旅行時間データは、前記メッシュＩＤによって指定される地域に含まれるリンクそれぞれについてのデータによって構成され、リンクそれぞれのデータは、リンクＩＤ、リンク長、リンク旅行時間、リンク交通量、渋滞情報などを含んで構成される。また、事故・規制データは、前記メッシュＩＤによって指定される地域で実施されている交通規制情報によって構成され、そのおのおのの交通規制情報は、規制内容、原因事象、始点情報、終点情報、経由点情報などを含んでいる。
なお、リアルタイム交通情報２１は、通常、それぞれ異なるメッシュＩＤによって指定される複数の地域について、以上のようにヘッダデータ、渋滞・旅行時間データおよび事故・規制データからなる情報を含んでいる。
次に、図２に戻って、情報処理部１０は、突発事象検出部１１の処理として、交通情報センタ２から配信されたリアルタイム交通情報２１を参照し、交通事故などの突発事象が発生したか否かを判定する（ステップＳ１１）。その突発事象発生の判定は、リアルタイム交通情報２１に新たな規制情報が追加されたか否かを判定することによって行うことができる。あるいは、リアルタイム交通情報２１におけるリンク旅行時間などの変化を監視することなど、例えば、特開平８−１０６５９３号公報に開示されているような方法によって、突発事象の発生を判定してもよい。
情報処理部１０は、突発事象の発生を判定し、突発事象が発生していなかったときには（ステップＳ１１でＮｏ）、図２の予測交通情報を生成する処理を終了する。また、突発事象が発生していたときには（ステップＳ１１でＹｅｓ）、予測環境設定部１２の処理として、予測交通情報生成のための予測環境パラメータを設定する（ステップＳ１２）。
ここで、予測環境パラメータとしては、例えば、規制率と規制継続時間とがある。規制率は、０〜１の値をとり、突発事象が生じたために通行が規制されたリンクの交通容量を減ずる割合を表した値である。ちなみに、規制率が０.８の場合には、交通容量が０.２になることを意味する。また、規制継続時間は、その規制率が適用される継続時間を意味する。
これらの規制率や規制継続時間は、突発事象の種類やその状況（例えば、事故の規模、発生したエリア、道路の種類、路線）などによって大きく異なる。そこで、本実施形態においては、図５に示すように、突発事象をあらかじめその種類や状況（図５では、事故の規模を規制車線数で表している）などの状況によって分類し、その分類された突発事象ごとにそれぞれ過去の事例に基づき経験的に求められた規制率や規制継続時間の値を、予測環境パラメータ実績情報（図１では図示せず）として情報記憶部２０に記憶しておく。
すなわち、情報処理部１０は、予測環境設定部１２の処理（ステップＳ１２）において、ステップＳ１１で検出した突発事象が前記予測環境パラメータ実績情報で分類されているどの種類および状況の突発事象に適合するかを判定し、その適合した種類および状況に対応付けられている規制率や規制継続時間の値を、以降の処理における予測環境パラメータ（規制率、規制継続時間など）の値として用いる。
次に、情報処理部１０は、通常時交通状況予測部１３の処理として、情報記憶部２０から統計交通情報２２を読み出し（ステップＳ１３）、その統計交通情報２２に基づき突発事象が発生しなかったとき、つまり、通常時の交通状況を予測する（ステップＳ１４）。ここで、統計交通情報２２は、交通情報センタ２から配信されたリアルタイム交通情報を蓄積し、統計処理した交通情報であり、図４に示すように、ヘッダデータと、統計リンク交通データとを含んで構成される。
統計交通情報２２のヘッダデータは、データサイズ、メッシュＩＤ、日種情報、時刻情報などの情報を含んで構成される。なお、メッシュＩＤは、対象地域の識別情報である。また、日種情報は、例えば、平日または休日など、統計処理する対象日を分類する情報であり、ヘッダデータに後続する統計リンク交通データが、平日について統計されたものか、または、休日について統計されたものかを示す情報である。また、時刻情報は、その統計リンク交通データが、１日のうちのどの時刻のデータとして総計されたものかを示す情報である。
統計リンク交通データは、前記メッシュＩＤによって指定される地域に含まれるリンクそれぞれについてのデータによって構成され、そのリンクそれぞれのデータは、リンクＩＤ、リンク旅行時間、リンク交通量、渋滞情報などを含んで構成される。このとき、リンク旅行時間、リンク交通量、渋滞情報などは、前記の日種および時刻情報ごとに分類されて統計された値（通常は、平均値）である。
従って、通常時における交通状況の予測とは、統計交通情報２２から予測対象日の日種と時刻に対応する統計リンク交通データを抽出することに他ならない。なお、このとき、抽出した統計リンク交通データをリアルタイム交通情報２１により、適宜、補正しても構わない。そして、このようにして求めた交通情報は、予測交通情報２３として、情報記憶部２０に記憶される。
次に、情報処理部１０は、突発事象発生時交通状況予測部１４の処理として、ステップＳ１１で検出された突発事象について、ステップＳ１２で設定された予測環境パラメータに基づき突発事象発生時の交通状況を予測し（ステップＳ１５）、その予測によって求めた交通情報を予測交通情報２３として、ステップＳ１４で予測した予測交通情報２３のうち突発事象に関連した部分を更新する。なお、突発事象発生時の交通状況を予測する処理の詳細については、別途、図を用いて説明する。
次に、情報処理部１０は、情報送受信部１５の処理として、カーナビ装置３から送信される予測交通情報の配信要求に応じて、カーナビ装置３へ予測交通情報を配信する（ステップＳ１６）。
なお、以上に説明した処理の流れにおいて、交通情報センタ２からのリアルタイム交通情報の配信は、例えば、５分間隔で行われるので、ステップＳ１１の突発事象の発生の判定は、そのつど行われる。一方、ステップＳ１２以下の突発事象発生時の交通状況の予測処理は、突発事象が発生したときにだけ行われる。
図６は、本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の交通状況予測の処理の流れの要点を示した図である。また、図７は、その交通状況予測の処理の流れを説明するために突発事象発生リンク周辺の道路ネットワークの構成の例を示した図である。以下、図６および図７を用いて突発事象発生時のリンク交通量およびリンク旅行時間の計算方法について説明する。
情報処理部１０は、ステップＳ１１（図２参照）で検出された突発事象の発生リンクに基づき、図１に図示しない道路地図情報を参照して、規制領域の境界リンクを抽出する（ステップＳ２０）。ここで、規制領域とは、突発事象発生リンクつまり規制対象リンクによって形成される領域をいい、境界リンクとは、その規制領域に含まれるリンクへ流入する規制領域外のリンクをいう。この場合、規制領域は、複数の突発事象発生リンクを含んでも構わない。そうすることによって、ある地域全体やある特定区間の道路の通行が規制されるような事態にも対応可能となる。
なお、図７の例では、規制領域６１には、突発事象発生リンクである規制対象リンク６２が含まれており、その規制対象リンク６２にはノード７１を介して境界リンク６３ａ，６３ｂが接続されている。従って、ステップＳ１１では、境界リンク６３ａ，６３ｂが抽出される。なお、図７の例では、上下線の道路は、異なるノードとして定義されているので、規制対象リンク６２の対向リンク６５ａや、そのリンクへノード７２を介して流入するリンク６５ｂは、対象外リンク６５として取り扱われる。
次に、情報処理部１０は、規制対象リンクｋ（例えば、６２）に設定された規制率ｃに基づき、境界リンクｊ（例えば、６３ａ）に滞留する滞留交通量Ｘｊを算出する（ステップＳ２１）。その算出は、次の考えに基づく。
（１）各リンクｊには、通常時交通状況予測部１３によって予測された予測交通情報２３から得られる交通量Ｑｊの交通需要がある。
（２）複数の境界リンクｊ（ｊ＝１，…，ｎ）から規制対象リンクｋへ流入する交通量の総和は、規制対象リンクｋにおける規制率ｃによって規制されるとともに、そのおのおのの境界リンクｊ（ｊ＝１，…，ｎ）から規制対象リンクｋへ流入する交通量は、それぞれの境界リンクｊの交通量Ｑｊによって比例配分される。
従って、境界リンクｊに滞留する交通量（つまり、規制対象リンクｋへ流入することができない交通量）である滞留交通量Ｘｊは、次の（式１）によって算出される。
Ｘｊ＝ΣＱｊ・ｃ・（Ｑｊ／ΣＱｊ）＝ｃ・Ｑｊ （式１）
すなわち、ステップＳ２１では、（式１）の値を算出する。
なお、（式１）の意味を、次のように表現することもできる。すなわち、複数の境界リンクｊ（ｊ＝１，…，ｎ）から規制対象リンクｋへ流入できずに、境界リンクｊに滞留する滞留交通量Ｘｊは、全境界リンクに滞留する滞留交通量を境界リンクｊの通常時の予測交通量Ｑｊによって比例配分したものである。
次に、情報処理部１０は、境界リンクｊの車両の存在台数Ｅｊが、その境界リンクｊの車両の最大存在可能台数Ｅｍａｘｊを超えたか否かを判定する（ステップＳ２２）。このとき、境界リンクｊの車両の存在台数Ｅｊに対しては、（式１）で計算した滞留交通量Ｘｊを加算し、車両が最低速度Ｖ０で走行したときに捌かれる交通量Ｚｊを減算する。すなわち、ステップＳ２２では、次の（式２）が成立するか否かを判定する。
Ｅｊ＋Ｘｊ−Ｚｊ＞Ｅｍａｘｊ （式２）
ここに、車両の最大存在可能台数Ｅｍａｘｊは、境界リンクｊの飽和交通密度をｋ０ｊ、リンク長をＬｊ、車線数をｍｊとして、次の（式３）によって算出される。
Ｅｍａｘｊ＝ｋ０ｊ・Ｌｊ・ｍｊ （式３）
また、車両が最低速度Ｖ０ｊで走行したときに捌かれる交通量Ｚｊは、境界リンクｊの飽和交通密度をｋ０ｊとして、次の（式４）によって算出される。
Ｚｊ＝ｋ０ｊ・Ｖ０ｊ （式４）
なお、一般には、飽和交通密度ｋ０ｊ、最低速度Ｖ０ｊなどの値は、道路つまりリンクそれぞれによって異なる値である。そこで、これらの値については、公知のミクロ交通流シミュレータなどを用いてあらかじめ算出し、道路地図情報のリンクデータの一部として情報記憶部２０に記憶しておくとよい。あるいは、リンクごとに異なる値とするのではなく、国道、県道、高速道路など道路の種別によって、適宜、分類され、その分類されたときの値が情報記憶部２０に記憶されているとしてもよい。
また、一般には、リンクｉの車両の存在台数Ｅｉは、リンクｉの交通量をＱｉ、車両速度をＶｉ、リンク長をＬｉ、リンク旅行時間をＴｉ、車線数をｍｉとしたとき、次の（式５）または（式６）によって算出される。
交通密度Ｋｉ（＝Ｑｊ／Ｖｉ）が飽和交通密度ｋ０ｉ以下のとき、
Ｅｉ＝Ｑｉ・Ｌｉ／Ｖｉ＝Ｑｉ・Ｔｉ （式５）
交通密度Ｋｉ（＝Ｑｊ／Ｖｉ）が飽和交通密度ｋ０ｉより大きいとき、
Ｅｉ＝ｋ０ｉ・Ｌｉ・ｍｉ （式６）
従って、（式２）における境界リンクｊの車両の存在台数Ｅｊは、統計交通情報２２、つまり、通常時交通状況予測部１３によって予測された予測交通情報２３から読み出した交通量Ｑｊおよびリンク旅行時間Ｔｊの値、並びに、道路地図情報から読み出した境界リンクｊのリンク長Ｌｊおよび車線数ｍｊの値を、（式５）または（式６）に代入することにより算出される。
次に、情報処理部１０は、以上に示したステップＳ２１およびステップＳ２２の処理をステップＳ２０で抽出されたすべての境界リンクｊについて実行する。そして、すべての境界リンクｊについて、そのリンクの車両の存在台数が最大存在可能台数以下になったときには（ステップＳ２２でＮｏ）、処理を終了する。一方、境界リンクｊの少なくとも１つについて、そのリンクの車両の存在台数が最大存在可能台数を超えるときには（ステップＳ２２でＹｅｓ）、情報処理部１０は、その境界リンクｊについての余剰交通量Ｙｊを算出し、その算出した余剰交通量Ｙｊを境界リンクｊの上流リンクへの滞留交通量とする（ステップＳ２３）。ここで、余剰交通量Ｙｊは、次の（式７）によって算出される。
Ｙｊ＝Ｅｊ＋Ｘｊ−Ｚｊ−Ｅｍａｘｊ （式７）
次に、情報処理部１０は、余剰交通量Ｙｊが生じた境界リンクｊについて、道路地図情報を参照し、その境界リンクｊの上流に接続された上流リンクｕを抽出する（ステップＳ２４）。例えば、図７において、境界リンク６３ａの上流リンクは、６４ａ，６４ｂであり、境界リンク６３ｂの上流リンクは、６４ｃ，６４ｄである。
次に、情報処理部１０は、１つの境界リンクｊに対して複数の上流リンクｕがあるときには、ステップＳ２３で算出した上流リンクｕへの滞留交通量（つまり、余剰交通量Ｙｊ）を配分する（ステップＳ２５）。その配分は、ステップＳ２１の場合と同様に、複数の上流リンクｕそれぞれの交通量Ｑｕに応じた比例配分であるとする。すなわち、上流リンクｕに滞留する滞留交通量Ｘｕは、次の（式８）によって算出される。
Ｘｕ＝Ｙｊ・（Ｑｕ／ΣＱｕ） （式８）
情報処理部１０は、上流リンクｕに対する滞留交通量Ｘｕを算出すると、上流リンクを境界リンク、ｕをｊと置き換えて、ステップＳ２２以下の処理を繰り返して実行する。繰り返して実行することにより、上流リンクｕにさらに余剰交通量Ｙｕが生じた場合には、その余剰交通量Ｙｕを滞留交通量として、さらに、上流の上流リンクへ拡散させていくことができる。
情報処理部１０は、以上のようにして滞留交通量を平面的に上流のリンクへ拡散させることができるが、併せて、滞留交通量を時間的に拡散させることができる。ここでは、時間的に拡散される滞留交通量を捌き残り交通量と呼び、以下、その捌き残り交通量が生じたときの処理について補足する。
情報処理部１０は、境界リンクｊの時刻（ｔ）における捌き残り車両台数ΔＥｊ（ｔ）を、次の（式９）によって算出する。
ΔＥｊ（ｔ）＝Ｘｊ（ｔ）−Ｚｊ （式９）
そして、この捌き残り車両台数ΔＥｊ（ｔ）のうち、単位時間（Δｔ）後の時刻（ｔ＋Δｔ）まで残る捌き残り車両台数ΔＥｊ（ｔ＋Δｔ）を、規制率ｃを用いて、次の（式１０）によって算出する。
ΔＥｊ（ｔ＋Δｔ）＝ｃ・ΔＥｊ（ｔ） （式１０）
次に、情報処理部１０は、（式５）または（式６）によって算出される境界リンクｊの時刻（ｔ＋Δｔ）における車両の存在台数Ｅｊ（ｔ＋Δｔ）に、（式１０）で算出した捌き残り車両台数ΔＥｊ（ｔ＋Δｔ）を加え、車両の修正存在台数Ｅ’ｊ（ｔ＋Δｔ）を、次の式（１１）によって算出する。
Ｅ’ｊ（ｔ＋Δｔ）＝Ｅｊ（ｔ＋Δｔ）＋ΔＥｊ（ｔ＋Δｔ） （式１１）
次に、この車両の修正存在台数Ｅ’ｊ（ｔ＋Δｔ）が境界リンクｊの車両の最大存在可能台数Ｅｍａｘｊを超えた場合には、境界リンクｊの時刻（ｔ＋Δｔ）における車両の超過存在台数Ｙｅｊ（ｔ＋Δｔ）を、次の（式１２）によって算出する。
Ｙｅｊ（ｔ＋Δｔ）＝Ｅ’ｊ（ｔ＋Δｔ）−Ｅｍａｘｊ （式１２）
この車両の超過存在台数Ｙｅｊ（ｔ＋Δｔ）は、（式７）の余剰交通量Ｙｊに相当するものであり、以下、前記した余剰交通量Ｙｊを滞留交通量として上流リンクｕへ拡散させていく処理と同様にして、車両の超過存在台数Ｙｅｊ（ｔ＋Δｔ）を上流リンクｕへ拡散させる。そして、その拡散する処理は、Ｙｅｊ（ｔ＋Δｔ）が０（０以下）になるまで行う。
図８は、本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の交通状況予測処理のうち、境界リンクの予測交通情報を算出する処理の流れの例を示した図、図９は、その突発事象発生時の交通状況予測処理のうち、上流リンクの予測交通情報を算出する処理の流れの例を示した図である。
図８に示すように、情報処理部１０は、まず、道路地図情報を参照して、規制領域の境界リンクｊ（ｊ＝ｊ１，…，ｊｎ）を抽出する（ステップＳ４０）。ここで、ｎは、境界リンク数である。次に、情報処理部１０は、時刻を規制領域のリンクに対して規制が開始されたものとして、規制開始時刻ｔ＝ｔ０を設定し（ステップＳ４１）、さらに、境界リンクｊを指示するカウンタｉと上流リンクｕの数を表すカウンタｓを初期化、すなわち、ｉ＝１，ｓ＝０とする（ステップＳ４２）。
続いて、情報処理部１０は、処理対象の境界リンクをリンクｊ＝ｊｉと設定し（ステップＳ４３）、突発事象発生時の時刻ｔにおける滞留交通量Ｘｊを（式１）に従って算出する（ステップＳ４４）。次に、この滞留交通量Ｘｊを考慮したリンクｊの交通量Ｒｊおよびリンク旅行時間Ｔｊを算出する（ステップＳ４５）。このとき、交通量Ｒｊおよびリンク旅行時間Ｔｊは、次のようにして算出する。
まず、リンクｊの車両の修正存在台数Ｅ’ｊ（＝Ｅｊ＋Ｘｊ−Ｚｊ）を算出し、その車両の修正存在台数Ｅ’ｊに基づき、リンクｊの交通密度Ｋｊ（＝Ｅ’ｊ／Ｌｊ，ただし、Ｋｊ＞ｋ０ｊのときは、ｋ０ｊ）を算出する。そして、いわゆる、グリーンシールズの関係式に基づき、車両速度（リンク旅行速度）Ｖｊを算出する。
ここで、グリーンシールズの関係式とは、リンクの交通密度Ｋと旅行速度Ｖとの関係を示した経験式であり、次の（式１３）によって与えられる。
Ｖ＝｛（Ｖ０−Ｖｆ）／ｋ０｝・Ｋ＋Ｖｆ
ただし、Ｋ＞ｋ０の場合には、Ｖ＝Ｖ０ （式１３）
ここで、ｋ０は、飽和交通密度、Ｖｆは、あらかじめ定められた最高速度（例えば、そのリンクの規制最高速度）、Ｖ０は、あらかじめ定められた最低速度である。
次に、以上のようにして算出された交通密度Ｋｊおよび車両速度Ｖｊに基づき、交通量Ｒｊ（＝Ｋｊ・Ｖｊ）およびリンク旅行時間Ｔｊ（＝Ｌｊ／Ｖｊ）を算出する。なお、こうして算出された交通量Ｒｊおよびリンク旅行時間Ｔｊは、時刻ｔにおけるリンクｊの予測交通情報に相当する。
続いて、情報処理部１０は、（式７）に従って余剰交通量Ｙｊを算出し（ステップＳ４６）、（式９）に従って捌き残り車両台数ΔＥｊを算出する（ステップＳ４７）。そして、余剰交通量Ｙｊがあるか否か、つまり、Ｙｊ＞０であるか否かを判定し、Ｙｊ＞０であったときには（ステップＳ４８でＹｅｓ）、カウンタｓを＋１インクリメントし（ステップＳ４９）、道路地図情報を参照して、リンクｊの上流リンクｕ（ｕ＝ｕｓ１，…，ｕｓｐ）を抽出する（ステップＳ５０）。また、Ｙｊ＞０でなかったときには（ステップＳ４８でＮｏ）、余剰交通量が発生しないので、上流リンクを抽出する必要がなく、ステップＳ４９およびＳ５０をスキップする。
情報処理部１０は、ここまでの処理を実行することによって、１つの境界リンクｊについての処理を終えたことになるので、続いて、次の境界リンクｊの処理を行うために、その境界リンクｊを指示するためのカウンタｉを＋１インクリメントする（ステップＳ５１）。そして、カウンタｉが境界リンク数ｎを超えたか（ｉ＞ｎ）否かを判定し、境界リンクの数ｎを超えていない（ｉ＞ｎでない）ときには（ステップＳ５２でＮｏ）、ステップＳ４３へ戻り、ステップＳ４３以降の処理を繰り返して実行する。また、カウンタｉが境界リンク数ｎを超えた（ｉ＞ｎである）ときには（ステップＳ５２でＹｅｓ）、すべての境界リンクｊについての処理を終えたことになるので、引き続き、図９に示す上流リンクについての処理を実行する。
次に、図９に示すように、情報処理部１０は、まず、カウンタｓが０であるか否かを判定し、カウンタｓが０でなかったときは（ステップＳ５３でＮｏ）、ステップＳ５０で抽出された上流リンクｕを指示するカウンタ（ｕの下付き添え字）を統合する（ステップＳ５４）。つまり、境界リンクｊが複数存在したときには、ステップＳ５０において、境界リンク別にそれぞれ上流リンクｕの指示カウンタが設定されるので、そのカウンタを通番にする。そして、ここでは上流リンクｕを、以下、リンクｊと言い換える。こうすることにより、上流リンクｕにおける予測交通情報の算出を境界リンクにおける予測交通情報の算出とほとんど同じようにして行うことができる。
すなわち、ステップＳ６２〜ステップＳ７１までの処理は、図８におけるステップＳ４２〜ステップＳ５２までの処理とほとんど同じである。従って、その説明も省略する。ただし、ステップＳ６４における滞留交通量Ｘｊの算出に当たっては、（式１）ではなく、（式８）を用いる。また、この場合には、捌き残り車両台数ΔＥｊの算出は行わない。そして、これらの処理は、余剰交通量Ｙｊが生じず、上流リンクｕが１つも抽出されなくなる（ｓ＝０）まで、繰り返し実行される。
一方、ステップＳ５３の判定でカウンタｓが０であったときには（ステップＳ５３でＹｅｓ）、処理残りの上流リンクが存在しないことを意味するので、情報処理部１０は、時刻ｔにおける予測交通情報の算出処理を終了する。そして、時刻ｔを単位時間Δｔ進め、つまり、ｔ＝ｔ＋Δｔとし（ステップＳ７２）、ステップＳ４２へ戻り、それ以降の処理を再度実行する。
情報処理部１０は、時刻（ｔ＋Δｔ）における予測交通情報を算出するときには、ステップＳ４７（図８参照）で算出した捌き残り車両台数ΔＥｊを利用して、予測交通情報を算出する。その算出手順については（式９）〜（式１２）を用いて説明した通りであり、また、その処理の流れは、図８および図９に示した処理の流れと大差はないので、その説明を省略するが、その相違点は、以下の通りである。
ステップＳ４５およびステップＳ６５において、リンクｊの交通量Ｒｊおよびリンク旅行時間Ｔｊを算出する基礎となる交通量（通常時の予測交通量）としては、統計交通情報２２から読み出した交通量Ｑｊと（式９）により得られる捌き残り車両台数ΔＥｊ（ｔ）とを加算した値を用いる。また、ステップＳ４６およびステップＳ６６においては、余剰交通量Ｙｊを算出する代わりに、（式１２）により車両の超過存在台数Ｙｅｊ（ｔ＋Δｔ）を算出する。また、ステップＳ４８およびステップＳ６７においては、余剰交通量Ｙｊがあること（０より大きい）でなく、車両の超過存在台数Ｙｅｊ（ｔ＋Δｔ）があること（０より大きい）によって判定する。
なお、情報処理部１０は、以上の単位時間が経過後の処理を、単位時間が経過するごとに、つまり、時刻（ｔ＋Δｔ），（ｔ＋２・Δｔ），（ｔ＋３・Δｔ），…，と繰り返して実行し、あらかじめ設定された突発事象の規制継続時間が終了した後、すべてのリンクにおいて車両の超過存在台数Ｙｅｊ（ｔ＋ｎ・Δｔ）がなくなるまで継続して実行する。
以上のように、本実施形態においては、情報処理部１０は、突発事象が発生したとき、規制領域６１内の規制対象リンク６２に流入できなくなった境界リンクｊにおける滞留交通量Ｘｊを上流リンクへ拡散するとともに、単位時間内に捌くことができなかった交通量を単位時間後の交通量に加算する。そして、その結果得られるリンクの交通密度とグリーンシールズの関係式（数式モデル）とに基づき、予測交通情報（交通量、リンク旅行時間など）を算出する。
これらの処理過程において、ミクロなシミュレーションは行われず、また、境界リンクｊおよびその境界リンクｊから滞留交通量Ｘｊが拡散された上流リンクｕに対してのみ、予測交通情報が算出される。すなわち、突発事象の影響が及ばないリンクについては、処理が行われない。従って、本実施形態によれば、コンピュータの処理負荷は小さくてすみ、また、計算時間も短くなる。よって、大型の高性能のコンピュータを使用しなくても、大規模な道路ネットワークを対象にした突発事象発生時の予測交通情報の算出を短時間に行うことが可能となる。
なお、本願の発明者らが、以上に説明した予測交通情報の算出処理に基づき、現実の交通事故などをモデルとして、コンピュータにより予測交通情報を算出したところ、一部に現実と合わない部分があることが分かった。それは、事故処理などが終了し、道路の規制が解除されると、現実に比べはるかに急速に渋滞が解消するということであった。ここでは、それを現実に合うよう補正する方法について補足する。
以上に説明した予測交通情報の算出処理においては、道路の規制が解除されると、その道路つまり規制対象リンクの規制率ｃを、すぐにゼロとするように処理される（つまり、ｃ＝０）。従って、（式１）によって与えられる境界リンクｊにおける滞留交通量Ｘｊが、すぐさまゼロになってしまう。そのため、わずかな時間経過後に（式９）で与えられる捌き残り車両台数ΔＥｊがゼロになり、渋滞が急速に解消し、通常の交通状況に戻る。
一方、現実は、道路の規制が解除されても、渋滞はすぐには解消しない。その理由は、道路の規制が解除されても、道路の実質の交通容量が、すぐには、もとの交通容量に戻らないからだと考えられる。例えば、規制解除後であっても事故現場を通過する車両の多くが徐行する。これは、交通容量が低下している現象に相当する。
そこで、ここでは、前記の予測交通情報の算出処理において、規制解除後に規制対象リンクの規制率ｃを直ちにゼロにすることをせず、規制解除後、規制率ｃは、負の傾きの直線に従って次第に減少するように補正する。すなわち、ここでは、交通容量の回復の遅れを、規制率ｃを徐々に減少させることによって表現する。
図１０は、本実施形態に係る規制対象リンクにおける規制率の時間推移の補正モデルを示した図である。図１０に示すように、規制率ｃは、補正したモデルにおいては、規制開始時（時刻ｔ０）以前では、ｃ＝０とし、規制開始時（時刻ｔ０）から規制解除時（時刻ｔ１）までの間（規制継続時間）では、ｃ＝ｃ０とする。そして、規制解除時（時刻ｔ１）以降、規制率ｃは、直線ｃ＝ｃ０−ａ（ｔ−ｔ１）（ただし、ａ＞０）に従って、ｃ＝０になるまで減少する。そして、規制率ｃが、ｃ＝０となった時点（時刻ｔ２）以降、ｃ＝０とする。
ここで、規制解除時（時刻ｔ１）からｃ＝０となる時点（時刻ｔ２）までの間を、規制影響時間と呼ぶ。規制影響時間は、規制の原因となった事故などの突発事象の種類や状況などによって異なり、また、規制継続時間が長くなると、規制影響時間も長くなるなどの傾向も見られる。そこで、規制影響時間についても、規制継続時間と同様に、突発事象の種類および状況に応じて過去の事例に基づき求められた経験値を予測環境パラメータ実績情報（図５参照：ただし、規制影響時間の欄は図示せず）として、情報記憶部２０に記憶しておく。
すなわち、情報処理部１０は、前記規制率や規制継続時間の設定と同様に、予測環境設定部１２の処理（ステップＳ１２：図２参照）において、ステップＳ１１で検出した突発事象がその予測環境パラメータ実績情報に分類されているどの種類のどの状況の突発事象に適合するかを判定することにより、規制影響時間を設定する。
以上のように、本実施形態においては、規制解除されると直ちに規制率ｃをｃ＝０とするのではなく、ｃ＝ｃ０から次第に減少する直線で表現することによって、予測交通情報算出処理により算出される予測交通情報の精度が向上する。
なお、以上に説明した予測交通情報の算出処理においては、規制対象リンクに複数の境界リンクが接続されているとき、境界リンクから規制対象リンクに流入できずに境界リンクに滞留する滞留交通量は、その境界リンクの通常時の予測交通量に応じて比例配分されるとした（（式１）参照）。また、同様に、上流リンクから下流のリンクへ流入できずにその上流リンクに滞留する滞留交通量も、その上流リンクの通常時の予測交通量に応じて比例配分されるとした（（式８）参照）。
しかしながら、境界リンクまたは上流リンクにおける滞留交通量の配分は、その仮定に限定される必要はない。境界リンクまたは上流リンクにおける滞留交通量を、例えば、その境界リンクまたは上流リンクの道路の種別（高速道路、国道、都道府県道、その他道路など）によってあらかじめ定められた配分比によって配分してもよい。
図１１は、境界リンクにおける滞留交通量を道路の種別により配分する場合の配分比の例を示した図である。例えば、図１１においては、あるリンクへ流入する上流リンクが国道と一般都道府県道とであった場合には、そのリンクへ流入するはずの交通量の０.７が国道に滞留し、０.３が一般都道府県道に滞留するとしている。ただし、その配分比は、過去の事例に基づき経験的に設定された値であり、図１１に示した値に限定されるものではない。
図１２は、本発明の実施形態に係るカーナビ装置において突発事象発生時の予測交通情報を用いた誘導経路探索の手順を示した図である。図１２に示すように、カーナビ装置３は、車両のドライバが操作ボタンなどから設定する目的地情報を取得し（ステップＳ８０）、また、現在位置検出部３４によって検出される車両の現在位置を取得する（ステップＳ８１）。そして、カーナビ装置３は、情報処理部１０に対して、予測交通情報の配信要求を送信する（ステップＳ８２）。
予測交通情報生成装置１は、その予測交通情報の配信要求を受信すると（ステップＳ９０）、その予測交通情報の配信要求を送信したカーナビ装置３に対して、そのとき情報記憶部２０に記憶していた予測交通情報２３（図１参照）を配信する（ステップＳ９１）。なお、その予測交通情報２３は、突発事象が発生した後、所定の規制継続時間が経過し、さらに、規制影響時間が経過するまでの間であった場合には、突発事象発生時交通状況予測部１４によって予測された予測交通情報であり、また、それ以外の場合には、通常時交通状況予測部１３によって予測された予測交通情報である。
カーナビ装置３は、予測交通情報生成装置１から配信される予測交通情報を受信すると（ステップＳ８３）、その予測交通情報に基づき、現在位置から目的地までの誘導経路を探索し（ステップＳ８４）、その探索した誘導経路および予測される渋滞情報を、車両の現在位置および誘導経路を含んだ道路地図と併せて、表示部３３に表示する（ステップＳ８５）。
図１３は、本発明の実施形態に係るカーナビ装置において誘導経路を表示する表示画面の例を示した図である。図１３に示すように、カーナビ装置３の表示部３３の表示画面１０１には、車両の現在位置１０２と誘導経路１０３とを含んだ道路地図が表示される。そして、そのとき、事故などの突発事象が発生していた場合には、その道路地図上に事故発生地点１０４が表示され、さらに、事故発生地点１０４周辺のリンクの渋滞状況が、例えば、線の太さ、線の色、線の種類などによって表示される。図１３の例では、渋滞状況は、線の太さで表示され、太線１０５で示すリンクは渋滞が激しいこと、中太線１０６のリンクは渋滞していることを示している。
なお、予測交通情報生成装置１から配信される予測交通情報は、図４に示した統計交通情報とほぼ同じ構成をしており、各リンクの情報として渋滞情報を有している。そこで、予測交通情報生成装置１は、例えば、そのリンクの旅行速度（車両の速度）に応じて設定された渋滞のレベルを、その渋滞情報として付すことができる。そうした場合には、カーナビ装置３は、渋滞レベルを容易に表示することができる。
なお、このとき表示される渋滞情報は、カーナビ装置３が誘導経路を表示するときの時刻（現在時刻）における渋滞情報である。事故発生地点１０４が、現在位置１０２から離れているような場合には、車両のドライバは、現在の渋滞状況だけでなく、将来の渋滞状況も知りたくなる場合がある。
そこで、ここで表示する渋滞情報として、さらに、例えば、将来時刻における渋滞情報を表示するようにしてもよい。予測交通情報生成装置１から配信された予測交通情報には、将来時刻における交通情報も含まれるので、例えば、車両のドライバが、現在時刻から１０分後を指定した場合には、将来時刻における予測交通情報に基づき、その１０分後の時刻における渋滞情報を表示する。
また、ここで表示する渋滞情報として、さらに、例えば、突発事象発生時交通状況予測部１４の処理において算出される境界リンクｊにおける滞留交通量Ｘｊなどに基づく量を渋滞情報として表示してもよい。すなわち、滞留交通量Ｘｊは、そのリンクｊから流出することができず、滞留していく交通量なので、その滞留量が大きいリンクは、今後渋滞が激しくなる可能性が大きいことを示すことになる。
また、カーナビ装置３において、以上のような渋滞表示を行う場合、突発事象が発生したときの予測交通情報に基づく渋滞情報と、突発事象が発生しなかったときの予測交通情報に基づく渋滞情報との差異が識別可能なように表示してもよい。例えば、図１３において、リンクの渋滞状況を示す線１０５，１０６の太さを、その渋滞長そのもので決めるのではなく、突発事象が発生したときの予測渋滞長と突発事象が発生しなかったときの予測渋滞長とを比較して、その差が大きいものを大きく表示する。
以上のように、予測交通情報生成装置１から配信された予測交通情報をカーナビ装置３の表示部３３に様々な態様で表示することにより、カーナビ装置３の利便性を高めることができる。なお、カーナビ装置３が突発事象発生後短時間のうちに予測交通情報の配信を受けることができるようになったのは、予測交通情報生成装置１において予測交通情報の算出処理を短時間で行うことが可能になったことによる。
なお、以上に説明した実施形態においては、予測交通情報生成装置１から配信される予測交通情報を受信して表示する装置はカーナビ装置３であるとして説明を行ったが、それをカーナビ装置３に限定する必要はない。予測交通情報を受信して表示する装置は、通信ネットワーク５を介して予測交通情報生成装置１に接続可能でさえあれば、事務所や居宅に設置されたパソコン、携帯用の情報端末、携帯電話装置などであってもよい。
本発明の実施形態に係る予測交通情報生成装置およびカーナビゲーション装置についてその機能ブロックの構成の例を示した図である。 本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の予測交通情報生成処理の流れの例を示した図である。 本発明の実施形態に係る予測交通情報生成装置におけるリアルタイム交通情報のデータ構成の例を示した図である。 本発明の実施形態に係る予測交通情報生成装置における統計交通情報のデータ構成の例を示した図である。 本発明の実施形態に係る予測交通情報生成処理における予測環境パラメータ実績情報の例を示した図である。 本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の交通状況予測の処理の流れの要点を示した図である。 本発明の実施形態に係る予測交通情報生成装置における交通状況予測処理の流れを説明するために突発事象発生リンク周辺の道路ネットワークの構成の例を示した図である。 本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の交通状況予測処理のうち、境界リンクの予測交通情報を算出する処理の流れの例を示した図である。 本発明の実施形態に係る予測交通情報生成装置における突発事象発生時の交通状況予測処理のうち、上流リンクの予測交通情報を算出する処理の流れの例を示した図である。 本実施形態に係る規制対象リンクにおける規制率の時間推移の補正モデルを示した図である。 本発明の実施形態に係る予測交通情報生成装置において、境界リンクにおける滞留交通量を道路の種別により配分する場合の配分比の例を示した図である。 本発明の実施形態に係るカーナビ装置において突発事象発生時の予測交通情報を用いた誘導経路探索の手順を示した図である。 本発明の実施形態に係るカーナビ装置において誘導経路を表示する表示画面の例を示した図である。
符号の説明
１ 予測交通情報生成装置
２ 交通情報センタ
３ カーナビゲーション装置（カーナビ装置）
４ 基地局
５ 通信ネットワーク
１０ 情報処理部
１１ 突発事象検出部
１２ 予測環境設定部
１３ 通常時交通状況予測部
１４ 突発事象発生時交通状況予測部
１５ 情報送受信部
２０ 情報記憶部
２１ リアルタイム交通情報
２２ 統計交通情報
２３ 予測交通情報
３１ 情報処理部
３２ 通信部
３３ 表示部
３４ 現在位置検出部

Claims (15)

  1. 所定の道路ネットワークに係るリアルタイム交通情報を所定の時間ごとに配信する交通情報センタに、通信ネットワークを介して接続され、
    情報処理部と、前記道路ネットワークに含まれるリンクについての統計交通情報を少なくとも記憶した情報記憶部と、を備え、
    前記道路ネットワークにおける突発事象発生時にそれ以降の予測交通情報を生成する予測交通情報生成装置における予測交通情報生成方法であって、
    前記情報処理部が、
    前記交通情報センタから配信されるリアルタイム交通情報を受信して、その受信したリアルタイム交通情報に基づき、前記道路ネットワークにおける突発事象を検出し、
    前記突発事象が発生した領域に含まれる規制対象リンクの交通量を規制する規制率を含む予測環境パラメータを設定し、
    前記道路ネットワークにおけるリンクの接続情報を含んだ道路地図情報を参照して、前記規制対象リンクの上流側に接続されたリンクである境界リンクを抽出し、
    前記統計交通情報から得られる通常時の予測交通量と前記規制対象リンクの規制率とに基づき、前記境界リンクから前記規制対象リンクへ流入できずにその境界リンクに滞留する滞留交通量を算出し、
    前記境界リンクにおける通常時の予測交通量と前記算出した滞留交通量に基づき、その境界リンクの予測交通情報を生成し、
    前記境界リンクに前記滞留交通量が発生したために、さらに、その境界リンクの上流に接続されたリンクである上流リンクに滞留交通量が発生したときには、その上流リンクにおける通常時の予測交通量とその滞留交通量とに基づき、その上流リンクの予測交通情報を生成することにより、前記突発事象発生時以降の時刻について、前記道路ネットワークのリンクの予測交通情報を生成すること
    を特徴とする予測交通情報生成方法。
  2. 前記情報処理部は、
    前記境界リンクに前記滞留交通量が発生したために、さらに、その境界リンクの上流に接続されたリンクである上流リンクに滞留交通量が発生したときには、その上流リンクにおける通常時の予測交通量とその滞留交通量とに基づき、その上流リンクの予測交通情報を生成したのち、
    さらに、前記境界リンクにおける滞留交通量のうち、所定の単位時間内にその境界リンクから流出できなかった捌き残り交通量が発生したときには、その捌き残り交通量を次の単位時間後のその境界リンクの交通量に加算することにより、前記突発事象発生時以降の時刻について、前記道路ネットワークのリンクの予測交通情報を生成すること
    を特徴とする請求項１に記載の予測交通情報生成方法。
  3. 前記情報処理部は、
    前記規制対象リンクに複数の境界リンクが接続されているときには、それぞれの境界リンクの滞留交通量を、それぞれの境界リンクの通常時の予測交通量に応じて比例配分した交通量とすること
    を特徴とする請求項１または請求項２に記載の予測交通情報生成方法。
  4. 前記情報処理部は、
    前記規制対象リンクに複数の境界リンクが接続されているときには、それぞれの境界リンクの滞留交通量を、それぞれの境界リンクの道路の種類によってあらかじめ定められた配分比に応じて比例配分した交通量とすること
    を特徴とする請求項１または請求項２に記載の予測交通情報生成方法。
  5. 前記情報記憶部には、突発事象の種類および当該突発事象の規模状況ごとに、その種類および規模状況に応じてあらかじめ定められた予測環境パラメータが記憶されており、
    前記情報処理部は、
    前記リアルタイム交通情報に基づき検出した突発事象の種類および当該突発事象の規模状況に基づき、前記情報記憶部を参照し、その突発事象の種類および当該突発事象の規模状況に応じた予測環境パラメータを設定すること
    を特徴とする請求項１または請求項２に記載の予測交通情報生成方法。
  6. 前記突発事象の種類には、追突事故、車両接触事故、施設接触事故、横転転覆事故、落下物事故のいずれかが含まれていること、
    を特徴とする請求項５に記載の予測交通情報生成方法。
  7. 前記突発事象の規模状況とは、前記突発事象による規制車線数であること、
    を特徴とする請求項５に記載の予測交通情報生成方法。
  8. 所定の道路ネットワークに係るリアルタイム交通情報を所定の時間ごとに配信する交通情報センタに、通信ネットワークを介して接続され、
    情報処理部と、前記道路ネットワークに含まれるリンクについての統計交通情報を少なくとも記憶した情報記憶部と、を備え、
    前記道路ネットワークにおける突発事象発生時にそれ以降予測交通情報を生成する予測交通情報生成装置であって、
    前記情報処理部が、
    前記交通情報センタから配信されるリアルタイム交通情報を受信して、その受信したリアルタイム交通情報に基づき、前記道路ネットワークにおける突発事象を検出し、
    前記検出した突発事象に応じた交通規制に係るパラメータを含む予測環境パラメータとして、前記突発事象が発生した領域に含まれる規制対象リンクの交通量を規制する規制率を設定し、
    前記道路ネットワークにおけるリンクの接続情報を含んだ道路地図情報を参照して、前記規制対象リンクの上流に接続されたリンクである境界リンクを抽出し、
    前記統計交通情報から得られる通常時の予測交通量と前記規制対象リンクの規制率とに基づき、前記境界リンクから前記規制対象リンクへ流入できずにその境界リンクに滞留する滞留交通量を算出し、
    前記境界リンクにおける通常時の予測交通量と前記算出した滞留交通量に基づき、その境界リンクの予測交通情報を生成し、
    前記境界リンクに前記滞留交通量が発生したために、さらに、その境界リンクの上流に接続されたリンクである上流リンクに滞留交通量が発生したときには、その上流リンクにおける通常時の予測交通量とその滞留交通量とに基づき、その上流リンクの予測交通情報を生成することにより、前記突発事象発生時以降の時刻について、前記道路ネットワークのリンクの予測交通情報を生成すること
    を特徴とする予測交通情報生成装置。
  9. 前記情報処理部は、
    前記境界リンクに前記滞留交通量が発生したために、さらに、その境界リンクの上流に接続されたリンクである上流リンクに滞留交通量が発生したときには、その上流リンクにおける通常時の予測交通量とその滞留交通量とに基づき、その上流リンクの予測交通情報を生成したのち、
    さらに、前記境界リンクにおける滞留交通量のうち、所定の単位時間内にその境界リンクから流出できなかった捌き残り交通量が発生したときには、その捌き残り交通量を次の単位時間後のその境界リンクの交通量に加算すること
    を特徴とする請求項８に記載の予測交通情報生成装置。
  10. 前記情報処理部は、
    前記規制対象リンクに複数の境界リンクが接続されているときには、それぞれの境界リンクの滞留交通量を、それぞれの境界リンクの通常時の予測交通量に応じて比例配分した交通量とすること
    を特徴とする請求項８または請求項９に記載の予測交通情報生成装置。
  11. 前記情報処理部は、
    前記規制対象リンクに複数の境界リンクが接続されているときには、それぞれの境界リンクの滞留交通量を、それぞれの境界リンクの道路の種類によってあらかじめ定められた配分比に応じて比例配分した交通量とすること
    を特徴とする請求項８または請求項９に記載の予測交通情報生成装置。
  12. 前記情報記憶部には、突発事象の種類および当該突発事象の規模状況ごとに、その種類および当該突発事象の規模状況に応じてあらかじめ定められた予測環境パラメータが記憶されており、
    前記情報処理部は、
    前記リアルタイム交通情報に基づき検出した突発事象の種類および当該突発事象の規模状況に基づき、前記情報記憶部を参照し、その突発事象の種類および当該突発事象の規模状況に応じた予測環境パラメータを設定すること
    を特徴とする請求項８または請求項９に記載の予測交通情報生成装置。
  13. 前記突発事象の種類には、追突事故、車両接触事故、施設接触事故、横転転覆事故、落下物事故のいずれかが含まれていること、
    を特徴とする請求項１２に記載の予測交通情報生成装置。
  14. 前記突発事象の規模状況とは、前記突発事象による規制車線数であること、
    を特徴とする請求項１２に記載の予測交通情報生成装置。
  15. さらに、前記予測交通情報を含む交通情報を表示する交通情報表示端末に、通信ネットワークを介して接続され、
    前記情報処理部は、
    前記交通情報表示端末から送信される予測交通情報の配信要求を受信したときには、前記生成した予測交通情報をその交通情報表示端末へ配信すること
    を特徴とする請求項８ないし請求項１４のいずれか1項に記載の予測交通情報生成装置。
JP2006223101A 2006-08-18 2006-08-18 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末 Expired - Fee Related JP4950596B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2006223101A JP4950596B2 (ja) 2006-08-18 2006-08-18 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末
US11/836,546 US20080319639A1 (en) 2006-08-18 2007-08-09 Predictive Traffic Information Creating Method, Predictive Traffic Information Creating Apparatus, and Traffic Information Display Terminal
CN2007101407693A CN101127158B (zh) 2006-08-18 2007-08-09 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
EP07015819.1A EP1890274B1 (en) 2006-08-18 2007-08-10 Predictive traffic information creating method, predictive traffic information creating apparatus, and traffic information display terminal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006223101A JP4950596B2 (ja) 2006-08-18 2006-08-18 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末

Publications (2)

Publication Number Publication Date
JP2008046955A JP2008046955A (ja) 2008-02-28
JP4950596B2 true JP4950596B2 (ja) 2012-06-13

Family

ID=38626915

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006223101A Expired - Fee Related JP4950596B2 (ja) 2006-08-18 2006-08-18 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末

Country Status (4)

Country Link
US (1) US20080319639A1 (ja)
EP (1) EP1890274B1 (ja)
JP (1) JP4950596B2 (ja)
CN (1) CN101127158B (ja)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5070574B2 (ja) * 2008-06-30 2012-11-14 学校法人早稲田大学 局所交通量予測プログラム生成装置、局所交通量予測装置、局所交通量予測プログラム生成方法、局所交通量予測方法及びプログラム
JP4783414B2 (ja) * 2008-09-12 2011-09-28 株式会社東芝 交通状況予測システム
JP2011113547A (ja) * 2009-11-30 2011-06-09 Sumitomo Electric Ind Ltd 交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法
JP5455777B2 (ja) 2010-05-12 2014-03-26 三菱重工業株式会社 交通シミュレーション装置、及び交通シミュレーションプログラム
WO2012002098A1 (ja) * 2010-06-29 2012-01-05 本田技研工業株式会社 渋滞予測表示方法
JP5083388B2 (ja) * 2010-07-29 2012-11-28 トヨタ自動車株式会社 交通制御システムおよび交通管制システム
US8412445B2 (en) 2011-02-18 2013-04-02 Honda Motor Co., Ltd Predictive routing system and method
US9111442B2 (en) 2012-03-23 2015-08-18 International Business Machines Corporation Estimating incident duration
JP2013214232A (ja) * 2012-04-03 2013-10-17 Sumitomo Electric Ind Ltd 交通情報予測装置、交通情報予測方法及びコンピュータプログラム
US8892343B2 (en) * 2012-07-31 2014-11-18 Hewlett-Packard Development Company, L.P. Determining a spatiotemporal impact of a planned event on traffic
CN102819954B (zh) * 2012-08-28 2014-11-12 南京大学 交通区域动态地图监控预测系统
CN102945607B (zh) * 2012-11-19 2015-02-04 西安费斯达自动化工程有限公司 基于FPGA及改进Aw-Rascle模型的在线交通瓶颈预测控制方法
CN103903464B (zh) * 2012-12-28 2016-01-20 观致汽车有限公司 交通阻塞信息预告方法及系统
US9437107B2 (en) * 2013-03-15 2016-09-06 Inrix, Inc. Event-based traffic routing
JP2015076014A (ja) * 2013-10-10 2015-04-20 株式会社東芝 情報処理装置、情報処理方法および通信システム
CN103730005B (zh) * 2014-01-22 2017-01-18 广东欧珀移动通信有限公司 一种路程行驶时间的预测方法和系统
US9613529B2 (en) 2014-02-03 2017-04-04 Here Global B.V. Predictive incident aggregation
US10613549B2 (en) * 2014-02-07 2020-04-07 Crown Equipment Corporation Systems and methods for supervising industrial vehicles via encoded vehicular objects shown on a mobile client device
JP6387636B2 (ja) * 2014-03-18 2018-09-12 富士通株式会社 抽出方法、推奨方法、情報処理装置及び道路補修工法決定支援プログラム
CN104408907B (zh) * 2014-10-31 2016-07-13 重庆大学 具有在线优化能力的高速公路交通事件持续时间预测方法
EP3227877A4 (en) 2014-12-02 2018-09-12 HERE Global B.V. Method and apparatus for determining location-based vehicle behavior
US9286797B1 (en) 2015-01-09 2016-03-15 International Business Machines Corporation Traffic incident location identification
JP2016173303A (ja) * 2015-03-17 2016-09-29 アルパイン株式会社 情報処理装置
JP6701663B2 (ja) * 2015-10-08 2020-05-27 日本電気株式会社 運用支援システム、運用支援方法、及び、プログラム
CN107144286B (zh) 2016-03-01 2021-08-24 阿里巴巴集团控股有限公司 导航方法及装置
EP3440434A1 (en) * 2016-04-05 2019-02-13 TomTom Traffic B.V. Method and apparatus for identifying congestion bottlenecks
JP6926644B2 (ja) * 2016-07-25 2021-08-25 株式会社デンソー 異常推定装置および表示装置
CN106484966B (zh) * 2016-09-22 2019-05-21 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN108091132B (zh) * 2016-11-22 2021-08-06 中国移动通信有限公司研究院 一种交通流量预测方法及装置
CN108230698B (zh) * 2016-12-21 2020-06-26 杭州海康威视数字技术股份有限公司 交通流量预测方法及装置
JP6885063B2 (ja) * 2017-01-10 2021-06-09 沖電気工業株式会社 情報処理装置、情報処理システム、及びプログラム
CN107038478B (zh) 2017-04-20 2023-10-27 百度在线网络技术（北京）有限公司 路况预测方法及装置、计算机设备与可读介质
CN108256679B (zh) * 2018-01-11 2022-04-19 福建榕基软件股份有限公司 一种自定义事件发生预测方法和存储介质
CN108615360B (zh) * 2018-05-08 2022-02-11 东南大学 基于神经网络的交通需求逐日演变预测方法
CN108877219B (zh) * 2018-07-04 2020-12-22 长沙理工大学 一种城市交叉口禁左后交通流转移预测方法
WO2020031236A1 (ja) * 2018-08-06 2020-02-13 住友電気工業株式会社 交通流シミュレータ、交通流のシミュレート方法及びコンピュータプログラム
CN109300309A (zh) * 2018-10-29 2019-02-01 讯飞智元信息科技有限公司 路况预测方法及装置
CN111199642B (zh) * 2018-11-16 2021-08-03 北京嘀嘀无限科技发展有限公司 预测通行时长的方法和系统
CN109410581A (zh) * 2018-11-16 2019-03-01 浙江海洋大学 基于小波神经网络的交通流预测方法
CN114884885B (zh) * 2019-02-15 2024-03-22 贵州白山云科技股份有限公司 一种智能热点打散的方法、装置、存储介质及计算机设备
JP7372058B2 (ja) * 2019-06-24 2023-10-31 株式会社日立製作所 交通流予測支援装置、交通流予測支援方法、及び交通流予測支援プログラム
US11423775B2 (en) * 2019-07-18 2022-08-23 International Business Machines Corporation Predictive route congestion management
US10986477B1 (en) * 2019-09-27 2021-04-20 Continental Automotive Systems, Inc. Vehicle-to-X communication and procedures device
CN110708664B (zh) * 2019-10-11 2020-11-06 同帅科技（天津）有限公司 一种交通流感知方法、装置及计算机存储介质、电子设备
CN111932899B (zh) * 2020-10-15 2020-12-29 江苏广宇协同科技发展研究院有限公司 一种基于交通仿真的交通突发事件控制方法及装置
CN112802335B (zh) * 2020-12-31 2023-04-07 维特瑞交通科技有限公司 一种基于北斗导航系统的智能交通管理方法
CN112967495B (zh) * 2021-01-29 2023-05-09 贵州民族大学 一种基于移动轨迹大数据的短时交通流量预测方法及系统
DE102021110770A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Regeln wenigstens eines Mobilitätsparameters
CN113518073B (zh) * 2021-05-05 2022-07-19 东南大学 一种比特币挖矿僵尸网络流量的快速识别方法
CN114937366B (zh) * 2022-07-22 2022-11-25 深圳市城市交通规划设计研究中心股份有限公司 一种基于多尺度交通需求与供给转化的交通流推算方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638280A (en) * 1994-03-30 1997-06-10 Sumitomo Electric Industries, Ltd. Vehicle navigation apparatus and method
US6542808B2 (en) * 1999-03-08 2003-04-01 Josef Mintz Method and system for mapping traffic congestion
IL131700A0 (en) * 1999-03-08 2001-03-19 Mintz Yosef Method and system for mapping traffic congestion
CA2266208C (en) * 1999-03-19 2008-07-08 Wenking Corp. Remote road traffic data exchange and intelligent vehicle highway system
US6256577B1 (en) * 1999-09-17 2001-07-03 Intel Corporation Using predictive traffic modeling
US6490519B1 (en) * 1999-09-27 2002-12-03 Decell, Inc. Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith
DE60107938T2 (de) * 2000-03-15 2006-03-30 Raytheon Company, Waltham Automatische unfallfeststellung
US6587781B2 (en) * 2000-08-28 2003-07-01 Estimotion, Inc. Method and system for modeling and processing vehicular traffic data and information and applying thereof
JP4535623B2 (ja) * 2001-01-09 2010-09-01 パナソニック株式会社 経路計算方法及びそれを実施する装置
US20050075782A1 (en) * 2002-02-21 2005-04-07 Torgunrud John Arnold Vehicle and traffic information processing system
US7421334B2 (en) * 2003-04-07 2008-09-02 Zoom Information Systems Centralized facility and intelligent on-board vehicle platform for collecting, analyzing and distributing information relating to transportation infrastructure and conditions
JP4063731B2 (ja) * 2003-07-30 2008-03-19 パイオニア株式会社 情報処理装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
US7355528B2 (en) * 2003-10-16 2008-04-08 Hitachi, Ltd. Traffic information providing system and car navigation system
JP2005134427A (ja) * 2003-10-28 2005-05-26 Pioneer Electronic Corp 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
JP2005134429A (ja) * 2003-10-28 2005-05-26 Pioneer Electronic Corp 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
JP4295130B2 (ja) * 2004-02-24 2009-07-15 株式会社日立製作所 交通情報システム
JP4346472B2 (ja) * 2004-02-27 2009-10-21 株式会社ザナヴィ・インフォマティクス 交通情報予測装置
US7680596B2 (en) * 2004-04-06 2010-03-16 Honda Motor Co., Ltd. Route calculation method for a vehicle navigation system
JP2006079483A (ja) * 2004-09-13 2006-03-23 Hitachi Ltd 交通情報提供装置，交通情報提供方法
JP2006131055A (ja) * 2004-11-04 2006-05-25 Denso Corp 車両走行制御装置
US7698055B2 (en) * 2004-11-16 2010-04-13 Microsoft Corporation Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data
JP4329711B2 (ja) * 2005-03-09 2009-09-09 株式会社日立製作所 交通情報システム
US8000887B2 (en) * 2006-02-17 2011-08-16 Lear Corporation Method and system of directing vehicles traveling over roadway during emergency

Also Published As

Publication number Publication date
JP2008046955A (ja) 2008-02-28
CN101127158B (zh) 2010-06-02
CN101127158A (zh) 2008-02-20
EP1890274A1 (en) 2008-02-20
US20080319639A1 (en) 2008-12-25
EP1890274B1 (en) 2013-09-11

Similar Documents

Publication Publication Date Title
JP4950596B2 (ja) 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末
Amirgholy et al. Traffic automation and lane management for communicant, autonomous, and human-driven vehicles
Genders et al. Impact of connected vehicle on work zone network safety through dynamic route guidance
Kesting et al. Connectivity statistics of store-and-forward intervehicle communication
Ma et al. Integrated traffic and communication performance evaluation of an intelligent vehicle infrastructure integration (VII) system for online travel-time prediction
US20170004707A1 (en) Method and apparatus for identifying a split lane traffic location
US20140172521A1 (en) Traffic Control System, Congestion Control Method, Information Processing Apparatus, and Control Method and Storage Medium Therefor
JP2005259116A (ja) 交通情報算出装置、交通情報算出方法、交通情報表示方法および交通情報表示装置
US11263900B2 (en) Traffic index computation device, computation method, traffic signal control system, and computer program
CN107016872A (zh) 快速生成交通广播路况信息发布稿的方法、介质和系统
Owais et al. Distributing portable excess speed detectors in AL Riyadh city
WO2010026630A1 (ja) 交通流制御システム及びその方法
KR102545188B1 (ko) 통행 시간 예측 모델을 이용한 통행 시간 예측 방법 및 통행 시간 예측 장치
JP4755491B2 (ja) 施設混雑情報予測装置、施設混雑情報予測方法およびカーナビゲーションシステム
JP2015078922A (ja) 情報提供システム、情報提供方法、及び情報提供プログラム
US20220316900A1 (en) Distributed traffic management system with dynamic end-to-end routing
CN110827561B (zh) 一种基于车辆的道路路况信息预报系统及方法
CN117496726A (zh) 一种基于智能交通系统的交通控制协同方法及系统
JP2004077360A (ja) 交通情報提供方法、交通情報提供センターおよび交通情報取得装置
JP2000242884A (ja) 交通流シミュレーションシステム
Luk et al. Comparing driver information systems in a dynamic modeling framework
JP7204525B2 (ja) 交通管制装置、および、交通管制方法
KR20120049998A (ko) 교통정보 예측 시스템, 그 교통정보 예측 장치 및 교통정보 예측 방법
Seredynski et al. Coping with non-recurring congestion with distributed hybrid routing strategy
Xie et al. Impact of connected and autonomous vehicle technology on market penetration and route choices

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20081225

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20100212

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110317

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110329

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110801

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120306

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120309

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150316

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 4950596

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees