JP5481557B2 - 渋滞予測方法 - Google Patents

Description

本発明は、渋滞予測方法に関する。
本願は、２０１０年６月２９日に、日本に出願された特願２０１０−１４７５７０号に基づき優先権を主張し、その内容をここに援用する。

従来、例えばミリ波などのレーダ装置により他車両を検出し、自車両から所定距離以内に存在する他車両と自車両との間の車両密度を演算し、さらに、自車両の速度に応じた臨界密度を用いて、自車両の走行状態が渋滞の発生原因か否かを判定し、この判定結果を運転者に報知する装置が知られている（例えば、特許文献１参照）。

特開２００９−２８６２７４号公報

しかしながら、上記従来技術に係る装置によれば、車両密度を用いた判定処理が簡易であって、渋滞に対する予測精度を向上させることは困難であるという問題がある。

本発明は、渋滞の予測精度を適切に向上させることが可能な渋滞予測方法を提供することを目的とする。

上記課題を解決して係る目的を達成するために、本発明は以下を採用した。
（１）本発明の第１態様に係る渋滞予測方法は、所定時間における自車両の速度を検出して検出結果を出力する速度検出ステップと、前記速度の前記検出結果の周波数分析を行なってパワースペクトルを出力する周波数分析ステップと、前記パワースペクトルの傾きを検出して検出結果を出力する傾き検出ステップと、前記傾きの時間変化を算出して算出結果を出力する時間変化算出ステップと、前記傾きの時間変化の前記算出結果から渋滞の発生を予測して予測結果を出力する渋滞予測ステップと、を含み、前記渋滞予測ステップは、前記傾きの時間変化の極大値が所定値以上の場合に、前記自車両の進行方向前方に相対的に大きな車群が形成されて渋滞が発生し易い状態に特有の前記自車両の速度変動が生じていると判定し、前記傾きの時間変化の極大値が所定値未満の場合に、前記自車両の進行方向前方に相対的に小さな車群が形成されて渋滞の発生が不確定な状態を示す前記自車両の速度変動が生じていると判定する。

（２）上記（１）に記載の渋滞予測方法は、前記傾きの時間変化の前記算出結果から複数の極値を検出して検出結果を出力する極値検出ステップと、レーダ装置により他車両の走行状況として前記他車両の検知台数および前記自車両と前記他車両との間の車間距離を検出して検出結果を出力する他車検出ステップとをさらに含み、前記渋滞予測ステップで、前記傾きの時間変化の極大値および前記車間距離の組み合わせにより、渋滞が発生し易い状態をパターンＡとし、渋滞の発生が不確定な状態をパターンＢとし、前記傾きの時間変化の極大値の個数と前記他車両の検知台数との組み合わせのデータ点Ｘに対する確率密度を、前記パターンＢの発生を条件にして前記データ点Ｘの事象が発生する確率Ｐ（Ｘ｜Ｂ）とし、前記パターンＡの発生を条件にして前記データ点Ｘの事象が発生する確率Ｐ（Ｘ｜Ａ）を（１−Ｐ（Ｘ｜Ｂ））とし、前記データ点Ｘの事象の発生を条件にして次回に前記パターンＢが発生する確率Ｐ（Ｂ｜Ｘ）と、前記データ点Ｘの事象の発生を条件にして次回に前記パターンＡが発生する確率Ｐ（Ａ｜Ｘ）とを、前記確率Ｐ（Ｂ｜Ｘ）の前回値Ｐ（Ｂ）および前記確率Ｐ（Ａ｜Ｘ）の前回値Ｐ（Ａ）とに基づき、ベイズの定理を用いて、Ｐ（Ａ｜Ｘ）＝Ｐ（Ｘ｜Ａ）・Ｐ（Ａ）／ＡＢ、Ｐ（Ｂ｜Ｘ）＝Ｐ（Ｘ｜Ｂ）・Ｐ（Ｂ）／ＡＢ、ＡＢ＝Ｐ（Ｘ｜Ａ）・Ｐ（Ａ）＋Ｐ（Ｘ｜Ｂ）・Ｐ（Ｂ）、により算出する。

（３）上記（１）に記載の渋滞予測方法は、前記渋滞予測ステップで出力された前記予測結果を通信により他車両へ送信する通信ステップをさらに含んでいる。

（４）上記（１）に記載の渋滞予測方法は、前記予測結果により前記渋滞の発生が予測された場合に、前記自車両の先行車両に対して通信を行ない、前記先行車両の走行状態を前記先行車両の後続車両が渋滞を回避できるような走行状態にする、ことを指示する信号を前記先行車両へ送信する通信ステップをさらに含んでいる。

（５）上記（１）に記載の渋滞予測方法は、前記予測結果により前記渋滞の発生が予測された場合に、前記自車両と先行車両との間の車間距離を自動的に調整する車間距離調整動作の実行を解除する解除ステップをさらに含んでいる。

上記（１）に記載の場合、自車両においてリアルタイムに直接に検出可能な速度の検出結果を用いることで、自車両の外部から取得される情報に依存せずに渋滞の発生を予測することができる。
しかも、速度の周波数分析によるパワースペクトルから所定周波数範囲などでの傾きを検出して、この傾きの時間変化から渋滞の発生を予測することにより、予測精度を容易に向上させることができる。

上記（２）に記載の場合、パワースペクトルの傾きの時間変化での複数の極値と、他車両の走行状況（例えば、自車両の外部の所定範囲内に存在する他車両の台数や、自車両と複数の他車両との間の車間距離の分布状況など）とから、ベイズの定理を用いて、交通流の状態が渋滞の状態を含む各種の状態に遷移する確率を精度良く予測することができる。

上記（３）に記載の場合、予測結果を直接あるいは適宜の中継局などを介して間接に他車両に送信することにより、他車両での渋滞回避が容易となる。

上記（４）に記載の場合、予測結果を直接あるいは適宜の中継局などを介して間接に先行車両に送信することにより、自車両での渋滞回避が容易となる。

上記（５）に記載の場合、車間距離の自動的な調整が過剰に行なわれることを防止して、車間距離の自動的な調整に運転者の意思を的確に反映させることができる。

本発明の一実施形態における渋滞予測装置の構成図である。 同実施形態における速度スペクトルの一例を示すグラフ図である。 同実施形態における傾きαの差分Δαの２乗値（Δα）^２の時間変化のスペクトルの例を示すグラフ図である。 同実施形態における交通流の状態を示す図である。 同実施形態における傾きαの差分Δαの２乗値（Δα）^２の時間変化のスペクトルの例を示すグラフ図である。 同実施形態における傾きαの差分Δαの２乗値（Δα）^２の時間変化のスペクトルの例を示すグラフ図である。 同実施形態におけるスペクトル極大値と、車間距離最小値の逆数とによる直交座標平面において各パターンＡ，Ｂが存在する領域の例を示す図である。 同実施形態における検知個数とスペクトル極大個数とによるデータ点ｘの確率密度ｆ_Ｋ（ｘ）の例を示す図である。 同実施形態における渋滞予測方法の処理を示すフローチャートである。

以下、本発明の渋滞予測方法の一実施形態について添付図面を参照しながら説明する。
本実施の形態による渋滞予測方法は、例えば車両に搭載された渋滞予測装置１０により実現される。
本実施の形態に係る渋滞予測装置１０は、例えば図１に示すように、車速センサ１１と、レーダ装置１２と、ナビゲーション装置１３と、処理装置１４と、スイッチ１５と、スロットルアクチュエータ１６と、ブレーキアクチュエータ１７と、ステアリングアクチュエータ１８と、表示器１９と、スピーカー２０と、通信装置２１とを備えている。

車速センサ１１は、自車両の速度（車速）を検出し、この検出結果の信号を出力する。
レーダ装置１２は、自車両の外界に設定された検出対象領域を複数の角度領域に分割し、各角度領域を走査するようにして、赤外光レーザやミリ波などの電磁波の発信信号を発信する。そして、各発信信号が自車両の外部の物体（例えば、他車両や構造物や路面など）によって反射されることで生じた反射信号を受信する。そして、発信信号および反射信号に係る信号を、処理装置１４に出力する。

例えばレーダ装置１２は、自車両からの所定角度範囲の検出対象領域を自車両の垂直方向の複数の垂直角度領域および水平方向の複数の水平角度領域に分割する。そして複数の垂直角度領域を、例えば垂直方向の上方から下方に向かい、順次切り替えつつ複数の垂直角度領域毎に、複数の水平角度領域を、例えば水平方向の左方から右方に向かい、順次切り替えつつ複数の水平角度領域毎に向けて電磁波を発信する。

ナビゲーション装置１３は、例えば人工衛星を利用して自車両の位置を測定するためのＧＰＳ（Global Positioning System）信号などの測位信号を受信し、この測位信号によって自車両の現在位置を算出する。
また、ナビゲーション装置１３は、例えば車速センサ１１およびヨーレートセンサ（Yaw -Rate Sensor：図示略）などから出力される自車両の速度（車速）およびヨーレートの検出信号に基づく自律航法の算出処理によって、自車両の現在位置を算出する。

また、ナビゲーション装置１３は、表示器１９に地図を表示するための地図表示用のデータおよび自車両の現在位置に基づくマップマッチングの処理に必要とされる道路座標データを地図データとして備えている。さらに、ナビゲーション装置１３は、経路探索や経路誘導などの処理に必要とされるデータ、例えば交差点および分岐点などの所定位置の緯度および経度からなる点であるノードと各ノード間を結ぶ線であるリンクとからなる道路データを地図データとして備えている。そして、ノードおよびリンクには各種の情報が付加されている。

そして、ナビゲーション装置１３は、道路データに対して、測位信号および自律航法の算出処理のそれぞれ、又は、何れか一方から得られる自車両の現在位置の情報に基づいてマップマッチングを行い、位置検出の結果を補正する。
また、ナビゲーション装置１３は、例えば操作者による入力操作に応じて自車両の経路探索や経路誘導などの処理を実行し、道路データと共に、例えば目的地までの経路情報や各種の付加情報を表示器１９に出力すると共に、各種の音声メッセージをスピーカー２０から出力する。
なお、ナビゲーション装置１３は、後述する渋滞予測部３８から出力される渋滞の発生に対する予測結果と、後述する通信制御部４１から出力される他車両において予測された渋滞の発生に対する予測結果とに基づき、例えば渋滞を回避するようにして、自車両の経路探索や経路誘導などのナビゲーション処理を実行することができる。

処理装置１４は、例えば、周波数分析部３１と、傾き演算部３２と、時間変化演算部３３と、極値抽出部３４と、反射点検出部３５と、他車両検知部３６と、車間距離検出部３７と、渋滞予測部３８と、走行制御部３９と、報知制御部４０と、通信制御部４１とを備えている。

そして、この処理装置１４には、スイッチ１５から出力される自車両の走行制御に係る各種の信号が入力されている。
スイッチ１５から出力される信号は、例えば、運転者によるブレーキペダル（図示略）の操作状態に係る信号と、運転者によるアクセルペダル（図示略）の操作状態に係る信号と、運転者の入力操作に応じて自動的に自車両の走行状態を制御する自動走行制御の実行開始または実行停止を指示する信号と、自動走行制御での目標車速の増減を指示する信号と、自動走行制御（例えば、自動的に先行車両に追従する追従走行制御など）での自車両と他車両（例えば、先行車両など）との間の車間距離に対する目標車間距離の増減を指示する信号となどである。

周波数分析部３１は、例えば、車速センサ１１から出力される自車両の速度（車速）の検出結果の周波数分析を行なって、例えば図２に示すような速度スペクトルの周波数に応じた変化を示すパワースペクトルを出力する。

傾き演算部３２は、例えば、周波数分析部３１から出力されるパワースペクトルにおいて単回帰直線を演算し、この単回帰直線の傾きと切片（周波数がゼロでのスペクトル値）とを算出する。そして、所定の周波数範囲（例えば、数秒〜数分の時間範囲に対応する周波数範囲であって、０〜０．５Ｈｚの周波数範囲など）Ｙでのスペクトル値の変化Ｘに基づき、例えば下記数式（１）に示すように記述される傾きαを算出して、算出結果を出力する。

時間変化演算部３３は、例えば、傾き演算部３２から出力される傾きαの差分、つまり任意の自然数ｋによる所定時間間隔での傾きαの今回値α_ｋと前回値α_ｋ−１との差分Δαを、例えば下記数式（２）に基づき算出する。

極値抽出部３４は、時間変化演算部３３から出力される傾きαの差分Δαに基づき、この差分Δαの時間変化あるいは差分Δαによる所定のパラメータ（例えば、２乗値（Δα）^２や、絶対値｜Δα｜など）の時間変化から極値（例えば、２乗値（Δα）^２の極大値など）を抽出し、抽出結果を出力する。

例えば、極値抽出部３４は、図３に示す２乗値（Δα）^２の時間変化のスペクトルに対して、各スペクトル値が下記数式（３）に示すように記述される所定の閾値Ｘ_ｔｈよりも大きいか否かを判定することによって、時刻ｔ１における２乗値（Δα）^２の極大値を抽出する。
なお、例えば下記数式（３）において、所定の閾値Ｘ_ｔｈは、スペクトル値の平均値μ（Ｘ）と標準偏差σ（Ｘ）の２倍（２σ）とにより記述されている。

反射点検出部３５は、例えば、レーダ装置１２から出力される信号に基づき反射信号の反射点の位置を検出し、検出結果を出力する。

他車両検知部３６は、例えば、反射点検出部３５から出力される反射点の位置の検出結果に基づき、隣り合う反射点同士間の距離や複数の反射点の分布状態などに応じて、自車両の外部に存在する少なくとも１台以上の他車両を検知し、検知結果を出力する。

車間距離検出部３７は、例えば、他車両検知部３６から出力される少なくとも１台以上の他車両の検知結果に基づき、自車両と他車両との間の車間距離を検出し、検出結果を他車両の検知台数と共に出力する。

渋滞予測部３８は、例えば、極値抽出部３４から出力される極値の抽出結果に応じて、２つのパターンＡ，Ｂの場合分けを行ない、各パターンＡ，Ｂ毎に渋滞の発生を予測して、予測結果を出力する。

渋滞予測部３８は、極値抽出部３４により抽出される極値を、自車両の進行方向前方における車群の形成過程に関連するものとし、交通流の状態がメタ安定流から混合流へと遷移する際に特有の自車両の速度変動によってもたらされるものとしている。

なお、交通流の状態は、例えば図４に示すように、所定地点を所定時間内に通過する車両の台数である交通量と所定距離範囲内に存在する車両の台数である交通密度とによる直交座標平面において、渋滞が発生する可能性が低い自由流と、車両の制動状態と加速状態とが混合する混合流と、渋滞状態である渋滞流と、自由流と混合流との間を移行する間に存在する遷移状態であるメタ安定流とに区分されている。特に、混合流は、渋滞流に移行する前の状態であって、運転者による運転の自由度が低下して、交通量の低下と交通密度の増大によって、渋滞流へと移行する確率が高い状態である。また、メタ安定流は、自由流に比べて交通量および交通密度が高い状態であって、交通量の低下と交通密度の増大によって、混合流へと移行する状態である。

渋滞予測部３８は、例えば図５Ａに示す時刻ｔａにおける２乗値（Δα）^２の１つの極大値のように、所定値Ａよりも大きい極値が１つだけ抽出されている場合には、メタ安定流との相関の確定性が高い状態であるパターンＡとする。このように、大きい極値が１つだけ抽出される状態は、例えば具体的には、自車両の進行方向前方に１つの大きな車群が形成されている状態などに相当しているとみなされる。このパターンＡでは、メタ安定流から混合流、さらに混合流から渋滞流へと遷移する確率が所定確率（例えば、８０％など）以上であって、渋滞が発生し易いと判定する。つまり、パターンＡは、メタ安定流から渋滞流に向かい遷移しはじめた状態で特有の自車両の速度変動が顕著に観測される状態とみなされる。

また、渋滞予測部３８は、例えば図５Ｂに示す時刻ｔｂ，ｔｃ，ｔｄにおける２乗値（Δα）^２の複数の極大値のように、所定値Ａよりも小さい複数の極値が抽出されている場合には、メタ安定流との相関の不確定性が高い状態であるパターンＢとする。このように、複数の小さな極値が抽出される状態は、例えば具体的には、自車両の進行方向前方に複数の小さな車群が形成されている状態などに相当しているとみなされる。このパターンＢでは、メタ安定流から混合流、さらに混合流から渋滞流へと遷移する確率が所定確率（例えば、８０％など）未満であって、極値抽出部３４により抽出される極値だけに基づいては渋滞が発生するか否かは不確定であると判定する。

そして、このパターンＢでは、車群の形成過程に関連するものとして、極値抽出部３４により抽出される極値に加えて、さらに、他車両の走行状況の検出結果（例えば、他車両検知部３２により検知される他車両の検知台数や、車間距離検出部３７から出力される自車両と他車両との間の車間距離の検出結果など）を用いて、ベイズの定理により渋滞の発生を予測する。

例えば図６に示すように、各パターンＡ，Ｂは、スペクトル極大値（例えば、２乗値（Δα）^２の極大値）と、車間距離最小値（車間距離検出部３７から出力される自車両と他車両との間の車間距離の検出結果の最小値）の逆数とによる直交座標平面において、互いの存在領域が区分されて示される。つまり、スペクトル極大値および車間距離最小値の逆数が大きい領域にパターンＡが存在し、スペクトル極大値および車間距離最小値の逆数が小さい領域にパターンＢが存在する。
車間距離最小値の逆数は、車群の形成過程に関連するものであって、例えば具体的には、車間距離最小値の逆数が大きい状態は、自車両の進行方向前方に大きな車群が形成されている状態に相当し、車間距離最小値の逆数が小さい状態は、自車両の進行方向前方に小さな車群が形成されている状態に相当する。

渋滞予測部３８は、例えば下記数式（４）および図７に示すように、任意の自然数ｉ，ｎによるデータＸ_ｉ（ｉ＝１，…，ｎ）を、適宜の時点での検知個数（例えば、他車両の検知台数）とスペクトル極大個数（例えば、２乗値（Δα）^２の複数の極大値の個数）との組み合わせとして、適宜のバンド幅ｈによるカーネル密度推定法により、データ点ｘの確率密度ｆ_Ｋ（ｘ）を推定する。そして、推定した確率密度ｆ_Ｋ（ｘ）を、パターンＢの発生を条件にして事象Ｘ（Ｘ＝Ｘ_ｉ（ｉ＝１，…，ｎ））が発生する確率（事後確率）Ｐ（Ｘ｜Ｂ）とする。つまり、例えば具体的には、検知個数が大きい状態は、自車両の進行方向前方に車群が形成されている状態であって、さらに、複数のスペクトル極大個数が存在する状態は、複数の車群が形成されている状態であって、パターンＢに相当する。
なお、下記数式（４）に示すカーネル関数Ｋは、例えば平均がゼロで分散が１のガウス関数などである。

そして、渋滞予測部３８は、例えば下記数式（５）、（６）に示すように、上記数式（４）により記述される確率Ｐ（Ｘ｜Ｂ）と、パターンＡの発生を条件にして事象Ｘ（Ｘ＝Ｘ_ｉ（ｉ＝１，…，ｎ））が発生する確率（事後確率）Ｐ（Ｘ｜Ａ）と、パターンＡが発生する確率Ｐ（Ａ）と、パターンＢが発生する確率Ｐ（Ｂ）とに基づき、ベイズの定理を用いて、各確率Ｐ（Ａ｜Ｘ），Ｐ（Ｂ｜Ｘ）を算出する。

確率Ｐ（Ａ｜Ｘ）は、事象Ｘ（Ｘ＝Ｘ_ｉ（ｉ＝１，…，ｎ））の発生を条件にしてパターンＡが発生する確率、つまり次回にパターンＡが発生する確率であって、上述したようにパターンＡは、メタ安定流から混合流、さらに混合流から渋滞流へと遷移する確率が所定確率（例えば、８０％など）以上となる状態である。
確率Ｐ（Ｂ｜Ｘ）は、事象Ｘ（Ｘ＝Ｘ_ｉ（ｉ＝１，…，ｎ））の発生を条件にしてパターンＢが発生する確率、つまり次回にパターンＢが発生する確率であって、上述したようにパターンＢは、混合流および渋滞流への遷移が不確定な状態である。
なお、各確率Ｐ（Ａ），Ｐ（Ｂ）は、各確率Ｐ（Ｘ｜Ａ），Ｐ（Ｘ｜Ｂ）の前回値であって、初期値は所定値（例えば、５０％など）である。
また、パターンＡの発生を条件にして事象Ｘ（Ｘ＝Ｘ_ｉ（ｉ＝１，…，ｎ））が発生する確率Ｐ（Ｘ｜Ａ）は、例えば確率Ｐ（Ｘ｜Ｂ）以外の確率（１−Ｐ（Ｘ｜Ｂ））などである。
つまり、渋滞予測部３８は、例えば図６に示すように、パターンＡとパターンＢとの間の相互の遷移、さらには、各パターンＡおよびパターンＢ毎での自己への遷移を含む各確率Ｐ（Ａ｜Ｘ），Ｐ（Ｂ｜Ｘ）を、ベイズの定理を用いて算出する。

そして、渋滞予測部３８は、例えば、次回にパターンＡが発生する確率Ｐ（Ａ｜Ｘ）が所定値以上であるか否か、さらには、次回にパターンＢが発生する確率Ｐ（Ｂ｜Ｘ）が所定値未満であるか否かなどを判定することによって、渋滞が発生する可能性の有無（あるいは、渋滞が発生し易いか、渋滞が発生し難いかなど）を予測する。

渋滞予測部３８は、渋滞の発生に対する予測を行なった場合には、予測結果をナビゲーション装置１３および走行制御部３９および報知制御部４０に出力する。さらに、自車両の現在位置および地図データ上における現在位置周辺の所定領域などの位置情報をナビゲーション装置１３から取得して、予測結果と位置情報とを対応付けて記憶すると共に通信制御部４１に出力する。

なお、渋滞予測部３８は、予測結果を通信制御部４１に出力する場合において、予測結果を通信装置２１により直接にあるいは適宜のサーバ装置（図示略）や中継局（図示略）などを介して自車両の先行車両に送信するときに、先行車両の走行状態を先行車両の後続車両が渋滞を起こし難いような走行状態へ変更することを指示する指令（すなわち、渋滞を回避する走行制御の実行を指示する信号）を付加してもよい。

走行制御部３９は、渋滞予測部３８から出力される渋滞の発生に対する予測結果と、後述する通信制御部４１から出力される他車両において予測された渋滞の発生に対する予測結果と、スイッチ１５から出力される各種の信号と、車速センサ１１から出力される自車両の速度（車速）の検出結果と、車間距離検出部３７から出力される車間距離の検出結果とに基づき、例えばスロットルアクチュエータ１６とブレーキアクチュエータ１７とステアリングアクチュエータ１８とを制御することによって、自車両の走行を制御する。

例えば、走行制御部３９は、スイッチ１５から出力される信号に応じて、自動走行制御の実行を開始または停止したり、自動走行制御での目標車速や目標車間距離の設定や変更を行なう。

また、例えば、走行制御部３９は、渋滞予測部３８から出力される予測結果において自車両の進行方向前方に渋滞が発生する可能性があると判定された場合には、自車両が渋滞を回避するため（例えば、交通流の状態をメタ安定流から自由流に遷移させるためなど）に必要とされる目標車速や目標車間距離を設定する。そして、これらの目標車速や目標車間距離を維持するような自動走行制御を行う。自動走行制御とは、例えば、実際の車速を目標車速に一致させる定速走行制御や、他車両（例えば、先行車両など）に対する実際の車間距離を目標車間距離に一致させる車間距離制御（例えば、追従走行制御など）である。

また、例えば、走行制御部３９は、後述する通信制御部４１から出力される他車両（例えば、先行車両や後続車両など）において予測された渋滞の発生に対する予測結果において自車両の進行方向前方に渋滞が発生する可能性があると判定された場合には、自車両が渋滞を回避するために、さらには自車両の後続車両が渋滞を起こし難いようにして、必要とされる目標車速や目標車間距離を設定したり、自車両の走行状態を変更する。

報知制御部４０は、渋滞予測部３８から出力される渋滞の発生に対する予測結果と、後述する通信制御部４１から出力される他車両（例えば、先行車両や後続車両など）において予測された渋滞の発生に対する予測結果とに基づき、例えば表示器１９とスピーカー２０とを制御することによって、各種の報知動作を制御する。
例えば、報知制御部４０は、自車両の進行方向前方での渋滞が発生する可能性の有無（あるいは、渋滞が発生し易いか、渋滞が発生し難いかなど）や、渋滞の発生が予測される位置の情報や、自車両が渋滞を回避するために、さらには自車両の後続車両が渋滞を起こし難いようにして、必要とされる運転操作の指示などを報知する。

通信制御部４１は、例えば通信装置２１による無線通信によって、他車両あるいは適宜のサーバ装置（図示略）や中継局（図示略）と通信を行ない、渋滞予測部３８から出力される渋滞の発生に対する予測結果と位置情報とを対応付けて送信したり、他車両において予測された渋滞の発生に対する予測結果と位置情報との対応の情報を受信する。そして、外部から取得した渋滞の発生に対する予測結果と位置情報との対応の情報を、ナビゲーション装置１３および走行制御部３９および報知制御部４０に出力する。

本実施の形態による渋滞予測装置１０は上記構成を備えており、次に、この渋滞予測装置１０の動作、特に、渋滞予測方法の処理について説明する。

先ず、例えば図８に示すステップＳ０１においては、車速センサ１１により自車両の速度（車速）を検出する。
次に、ステップＳ０２においては、車速センサ１１から出力される自車両の速度（車速）の検出結果の周波数分析を行なって、速度スペクトルの周波数に応じた変化を示すパワースペクトルを出力する。
次に、ステップＳ０３においては、パワースペクトルにおいて単回帰直線を演算し、この単回帰直線の傾きと切片（周波数がゼロでのスペクトル値）とを算出する。そして、所定の周波数範囲（例えば、０〜０．５Ｈｚの周波数範囲など）Ｙでのスペクトル値の変化Ｘに基づき、例えば上記数式（１）に示すように記述される傾きαを算出する。

次に、ステップＳ０４においては、所定時間間隔での傾きαの今回値α_ｋと前回値α_ｋ−１との差分Δαを算出し、この差分Δαの２乗値（Δα）^２の時間変化のスペクトルを算出する。
次に、ステップＳ０５においては、２乗値（Δα）^２の時間変化のスペクトルにおいて、所定の閾値Ｘ_ｔｈよりも大きい極大値が存在するか否かを判定する。
この判定結果が「ＮＯ」の場合には、エンドに進む。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ０６に進む。

次に、ステップＳ０６においては、極大値が１つだけ存在するか否かを判定する。
この判定結果が「ＮＯ」の場合には、後述するステップＳ０８に進む。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ０７に進み、このステップＳ０７においては、渋滞予測の処理として、メタ安定流から混合流、さらに混合流から渋滞流へと遷移する確率が所定確率（例えば、８０％など）以上であって、渋滞が発生し易いと判定し、後述するステップＳ１１に進む。

また、ステップＳ０８においては、レーダ装置１２から出力される信号に基づき自車両の外部に存在する少なくとも１台以上の他車両を検知し、他車両の検知台数を取得すると共に、自車両と他車両との間の車間距離を検出する。
次に、ステップＳ０９においては、任意の自然数ｉ，ｎによるデータＸ_ｉ（ｉ＝１，…，ｎ）を、適宜の時点での検知個数（例えば、他車両の検知台数）とスペクトル極大個数（例えば、２乗値（Δα）^２の複数の極大値の個数）との組み合わせとして、適宜のバンド幅ｈによるカーネル密度推定法により、下記数式（４）に示すように記述されるデータ点ｘの確率密度ｆ_Ｋ（ｘ）を推定する。
次に、ステップＳ１０においては、ベイズの定理による渋滞予測の処理として、上記数式（５）、（６）に示すように記述される各確率Ｐ（Ａ｜Ｘ），Ｐ（Ｂ｜Ｘ）を算出し、次回にパターンＡが発生する確率Ｐ（Ａ｜Ｘ）が所定値以上であるか否か、さらには、次回にパターンＢが発生する確率Ｐ（Ｂ｜Ｘ）が所定値未満であるか否かなどを判定する。これによって、渋滞が発生する可能性の有無（あるいは、渋滞が発生し易いか、渋滞が発生し難いかなど）を予測する。

そして、ステップＳ１１においては、自車両の現在位置および地図データ上における現在位置周辺の所定領域などの位置情報をナビゲーション装置１３から取得して、渋滞の発生に対する予測結果と位置情報とを対応付けて記憶する。
次に、ステップＳ１２においては、例えば、傾きαの差分Δαに基づき、この差分Δαの時間変化あるいは差分Δαによる所定のパラメータ（例えば、２乗値（Δα）^２や、絶対値｜Δα｜など）の時間変化から極値が抽出されるか否かなどを判定することによって、交通流の状態がメタ安定流であるか否かを判定する。
この判定結果が「ＮＯ」の場合には、後述するステップＳ１６に進む。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ１３に進む。

そして、ステップＳ１３においては、自車両が渋滞を回避するため（例えば、交通流の状態をメタ安定流から自由流に遷移させるためなど）に必要とされる目標車間距離を設定し、この目標車間距離を維持するような自動走行制御、つまり他車両（例えば、先行車両など）に対する実際の車間距離を目標車間距離に一致させる車間距離制御（例えば、追従走行制御など）を実行する。
そして、ステップＳ１４においては、実行中の車間距離制御を停止するか否かを判定する。
この判定結果が「ＮＯ」の場合には、後述するステップＳ１６に進む。
一方、この判定結果が「ＹＥＳ」の場合、例えば運転者による入力操作によってスイッチ１５から車間距離制御の実行停止を指示する信号が出力された場合や、例えば交通流の状態がメタ安定流から混合流に遷移したことを検知した場合などには、実行中の車間距離制御を停止する。
そして、ステップＳ１６においては、渋滞の発生に対する予測結果と位置情報とを対応付けて、先行車両の走行状態を先行車両の後続車両が渋滞を起こし難いような走行状態へ変更することを指示する指令（すなわち、渋滞を回避する走行制御の実行を指示する指令）を付加して、自車両の外部に送信し、エンドに進む。

上述したように、本実施の形態による渋滞予測方法によれば、自車両においてリアルタイムに直接に検出可能な速度（車速）の検出結果を用いることで、自車両の外部から取得される情報に依存せずに渋滞の発生を予測することができる。
しかも、自車両の速度（車速）の検出結果の周波数分析によって得られるパワースペクトルの傾きαの時間変化（例えば、所定時間間隔での傾きαの差分Δαの２乗値（Δα）^２の時間変化）から極値を抽出することによって、自車両の進行方向前方における車群の形成過程と、交通流の状態がメタ安定流から混合流へと遷移する際に特有の自車両の速度変動とを検知することができる。これにより、混合流が発生するよりも前の時点で早期に、かつ、精度良く、渋滞の発生を容易に予測することができる。

さらに、自車両の速度変動に起因するパワースペクトルの傾きαの時間変化の極値のみでは渋滞予測の不確定性が高い場合であっても、さらに、他車両の走行状況の検出結果（例えば、他車両の検知台数や、自車両と他車両との間の車間距離など）を用いて、ベイズの定理により渋滞の発生を予測することで、予測精度を適切に向上させることができる。

さらに、渋滞の発生に対する予測結果を直接あるいは適宜の中継局などを介して間接に他車両に送信することにより、他車両での渋滞回避が容易となる。
また、渋滞の発生に対する予測結果を、後続車両が渋滞を回避する走行制御の実行を指示する信号と共に先行車両に送信することにより、自車両での渋滞回避が容易となる。

さらに、メタ安定流のように混合流に比べて運転自由度が高い状態では、自車両が渋滞を回避するような自動走行制御（例えば、定速走行制御や車間距離制御など）の実行が可能であり、一方、交通流の状態が混合流に遷移した場合などにおいては、自動走行制御の過剰な実行を解除（例えば、車間距離の自動的な調整を解除など）することで、自動走行制御の実行や自車両の走行挙動に運転者の意思を的確に反映させることができる。

なお、上述した実施の形態においては、自車両と他車両との間の車間距離を検出する車間距離検出部３７を備えるとしたが、これに限定されず、車間距離検出部３７および車間距離を検出する処理の実行は省略されてもよい。つまり、渋滞予測部３８は、ベイズの定理により渋滞の発生を予測する場合には、適宜の時点での検知個数（例えば、他車両の検知台数）とスペクトル極大個数との組み合わせによるデータＸ_ｉ（ｉ＝１，…，ｎ）に基づいてデータ点ｘの確率密度ｆ_Ｋ（ｘ）を推定する。このため、渋滞予測装置１０は、車速センサ１１と、自車両の外部の所定範囲内に存在する他車両の台数を検出可能なセンサなどを備えていればよい。

本発明によれば、渋滞の予測精度を適切に向上させることができる。

１０ 渋滞予測装置
１１ 車速センサ
１２ レーダ装置
１９ 表示器
２０ スピーカー
２１ 通信装置
３１ 周波数分析部
３２ 傾き演算部
３３ 時間変化演算部
３４ 極値抽出部
３５ 反射点検出部
３６ 他車両検知部
３７ 車間距離検出部
３８ 渋滞予測部
３９ 走行制御部
４０ 報知制御部
４１ 通信制御部

Claims (5)

1. 所定時間における自車両の速度を検出して検出結果を出力する速度検出ステップと、
   前記速度の前記検出結果の周波数分析を行なってパワースペクトルを出力する周波数分
   析ステップと、
   前記パワースペクトルの傾きを検出して検出結果を出力する傾き検出ステップと、
   前記傾きの時間変化を算出して算出結果を出力する時間変化算出ステップと、
   前記傾きの時間変化の前記算出結果から渋滞の発生を予測して予測結果を出力する渋滞
   予測ステップと、
   を含み、
   前記渋滞予測ステップで、
   前記傾きの時間変化の極大値が所定値以上の場合に、前記自車両の進行方向前方に相対的に大きな車群が形成されて渋滞が発生し易い状態に特有の前記自車両の速度変動が生じていると判定し、
   前記傾きの時間変化の極大値が所定値未満の場合に、前記自車両の進行方向前方に相対的に小さな車群が形成されて渋滞の発生が不確定な状態を示す前記自車両の速度変動が生じていると判定する、
   ことを特徴とする渋滞予測方法。
2. 前記傾きの時間変化の前記算出結果から複数の極値を検出して検出結果を出力する極値検出ステップと、
   レーダ装置により他車両の走行状況として前記他車両の検知台数および前記自車両と前記他車両との間の車間距離を検出して検出結果を出力する他車検出ステップと、
   をさらに含み、
   前記渋滞予測ステップで、
   前記傾きの時間変化の極大値および前記車間距離の組み合わせにより、渋滞が発生し易い状態をパターンＡとし、渋滞の発生が不確定な状態をパターンＢとし、
   前記傾きの時間変化の極大値の個数と前記他車両の検知台数との組み合わせのデータ点Ｘに対する確率密度を、前記パターンＢの発生を条件にして前記データ点Ｘの事象が発生する確率Ｐ（Ｘ｜Ｂ）とし、
   前記パターンＡの発生を条件にして前記データ点Ｘの事象が発生する確率Ｐ（Ｘ｜Ａ）を（１−Ｐ（Ｘ｜Ｂ））とし、
   前記データ点Ｘの事象の発生を条件にして次回に前記パターンＢが発生する確率Ｐ（Ｂ｜Ｘ）と、前記データ点Ｘの事象の発生を条件にして次回に前記パターンＡが発生する確率Ｐ（Ａ｜Ｘ）とを、前記確率Ｐ（Ｂ｜Ｘ）の前回値Ｐ（Ｂ）および前記確率Ｐ（Ａ｜Ｘ）の前回値Ｐ（Ａ）とに基づき、ベイズの定理を用いて、
   Ｐ（Ａ｜Ｘ）＝Ｐ（Ｘ｜Ａ）・Ｐ（Ａ）／ＡＢ、
   Ｐ（Ｂ｜Ｘ）＝Ｐ（Ｘ｜Ｂ）・Ｐ（Ｂ）／ＡＢ、
   ＡＢ＝Ｐ（Ｘ｜Ａ）・Ｐ（Ａ）＋Ｐ（Ｘ｜Ｂ）・Ｐ（Ｂ）、により算出する
   ことを特徴とする請求項１に記載の渋滞予測方法。
3. 前記渋滞予測ステップで出力された前記予測結果を通信により他車両へ送信する通信ステップをさらに含むことを特徴とする請求項１に記載の渋滞予測方法。
4. 前記予測結果により前記渋滞の発生が予測された場合に、前記自車両の先行車両に対して通信を行ない、
   前記先行車両の走行状態を前記先行車両の後続車両が渋滞を回避できるような走行状態にする、ことを指示する信号を前記先行車両へ送信する通信ステップをさらに含む
   ことを特徴とする請求項１に記載の渋滞予測方法。
5. 前記予測結果により前記渋滞の発生が予測された場合に、前記自車両と先行車両との間の車間距離を自動的に調整する車間距離調整動作の実行を解除する解除ステップをさらに含むことを特徴とする請求項１に記載の渋滞予測方法。

Images