JP5941987B2 - 交通量予測装置および方法 - Google Patents

Description

本発明は、交通量予測装置に関し、特に収集した車両の走行履歴を用いて２地点間の交通量を予測する交通量予測装置に関する。

交通需要を予測するためには、経路選択モデルが必要である。経路選択モデルとは、ドライバが出発地から目的地までの利用可能な経路集合の中から、最も望ましい経路を選択するという合理的な選択ルールに基づいて行動することを仮定し、経路の所要時間や距離などの要因を使って、各経路の選択確率を求めるモデルである。この各経路の選択確率を使って経路上の交通量を予測する。この経路選択モデルを作るためには、経路集合を予め用意しなければならない。

特許文献１には、経路選択モデルの経路集合を作成するために、プローブデータを使う技術が記載されている。プローブデータは車両の走行経路を特定できるため、経路集合を容易に作成することができる。さらに経路集合は、出発地から目的地までプローブカーが走行した全ての経路としている。

「プローブカーデータを利用した経路選択行動に関するモデル分析」、土木計画学研究論文集、Ｎｏ２1(２)、２００４年９月。

ドライバは、出発地から目的地までの経路を選択する際に、ドライバの頭の中にある経路集合の中から最も望ましいと考えた経路を選択している。プローブデータの走行経路は、選択した結果を表しているにすぎず、経路集合は不十分である。つまり非特許文献１に記載の技術では、プローブデータの出発地から目的地までの経路以外の経路を経路集合に含めることはできない。このため走行実績のない経路の交通量を求めることができない。

本発明の交通量予測装置は、上記のような課題を解決するため、収集したプローブデータの走行軌跡から抽出した走行頻度の高い主要交差点を結ぶ簡易ネットワークを作る簡易ネットワーク作成装置と、走行軌跡のデータから主要交差点間の効用を決定し、この効用から各主要交差点における選択確率を求めるモデル作成装置と、主要交差点間の経路に対してこの選択確率に応じて交通量を配分して交通需要予測対象とする各経路候補の交通量とする交通量配分装置を備える。

本発明によれば、簡易ネットワーク上の主要交差点間のネットワークを選択確率に応じて組み合わせることができるため、走行実績のない経路の交通量でも予測できる。

本発明に係る交通需要予測システムの全体構成を示すブロック図である。 プローブデータのデータフォーマットを示す図である。 記憶装置１２０のデータフォーマットを示す図である。 簡易ネットワーク作成装置１３０で作成される簡易ネットワークの例である。 簡易ネットワーク作成装置１３０の処理フローを示す図である。 モデル作成装置１４０の処理フローを示す図である。 ＯＤ交通量情報のデータフォーマットを示す図である。 イベント情報のデータフォーマットを示す図である。 交通量予測装置１６０の処理フローを示す図である。 仮想リンク単位の交通量のデータフォーマットを示す図である。 道路リンク単位の交通量のデータフォーマットを示す図である。

本発明を用いた交通需要予測システムの実施の形態について、図面を参照して説明する。

本発明の実施の形態に係る交通需要予測システムの全体構成を図１に示す。図１の交通需要予測システム１００は、受信装置１１０、記憶装置１２０、簡易ネットワーク作成装置１３０、モデル作成装置１４０、入力装置１５０、交通量予測装置１６０、出力装置１７０で構成される。これら受信装置１１０、簡易ネットワーク作成装置１３０、モデル作成装置１４０、入力装置１５０、交通量予測装置１６０は、交通需要予測システム１００に搭載されている不図示のマイクロプロセッサや、ＲＡＭ、ＲＯＭなどによって実行されるソフトウェアである。

受信装置１１０は、車両から走行情報を収集し管理するプローブセンタが送信するプローブデータを受信し、記憶装置１２０へ格納する。プローブデータは、車両の識別ＩＤ（以下、車両ＩＤ）、車両が走行した道路をリンク（セグメント）単位で識別する始点・終点ノードＩＤで構成された位置情報、車両がリンクを走行していた時刻情報、リンクの通過に要した所要時間である旅行時間情報、そしてリンクを走行した距離となる走行距離情報などで構成される。車両は、携帯電話や無線装置などの通信機器を介して、車両ＩＤ，車両の走行位置の位置情報とその位置を走行していた時刻である時刻情報、走行を開始してからの旅行時間情報と走行距離情報をプローブセンタにアップリンクする。このような走行情報を提供する車両はプローブカーと呼ばれている。プローブセンタでは、プローブカーから収集した走行情報から位置情報と時刻情報と、プローブセンタに搭載している地図情報を使って、車両が走行した道路を特定する。受信装置１１０で受信するプローブデータは、プローブセンタで処理されたデータである。

記憶装置１２０は、ハードディスク、フラッシュメモリ等の記憶装置で構成され、プローブデータ、簡易ネットワークデータ、選択モデルデータを記憶している。プローブデータは受信装置１１０から入力されるデータである。簡易ネットワークデータは、簡易ネットワーク作成装置１３０から入力されるデータである。選択モデルデータは、モデル作成装置１４０から入力されるデータである。

受信装置１１０で受信するプローブデータのフォーマットを図２に示す。プローブデータは、プローブデータを収集した車両を識別するための車両ＩＤ（２１）、プローブデータが収集された道路を識別するための道路の始点ノードＩＤ（２２）と終点ノードＩＤ（２３）、車両がその道路へ進入した時刻である流入時刻（２４）、車両が道路を通過した時の旅行時間（２５）と走行距離（２６）で構成される。

簡易ネットワーク作成装置１３０は、記憶装置１２０のプローブデータを使って、主要交差点を抽出し、主要交差点を結んだ簡易ネットワークを作成する。作成した簡易ネットワークデータは、記憶装置１２０へ格納する。簡易ネットワーク作成装置１３０の詳細は後述する。

モデル作成装置１４０は、記憶装置１２０のプローブデータと簡易ネットワークデータを使って、各主要交差点の効用関数を計算する。効用関数とは、一般に、任意の２つの選択対象について、一方の選択対象よりも他方を好む選好関係が、これらの選択対象の効用（または価値）を表す関数の値による大小関係と同値となるような関数であり、ここでは主要交差点間の時間、距離などの要因と主要交差点間の効用の関係を表す関数である。作成した効用関数のデータは、選択モデルデータとして、記憶装置１２０へ格納する。モデル作成装置１４０の詳細は後述する。

入力装置１５０は、ユーザーや外部センタから、交通量推定対象の出発地と目的地、出発地から目的地までの交通量（以下、ＯＤ交通量）、出発地から目的地間で想定するイベント情報を入力する。交通需要予測システム１００は、あるイベント発生時の交通量の変化を予測するために利用される。その予測の条件として、出発地と目的地の対象エリア、ＯＤ交通量、想定するイベント情報を入力装置１５０で入力する。入力された情報は、交通量予測装置１６０に提供する。入力装置１５０の詳細は後述する。

交通量予測装置１６０は、入力装置１５０から入力された条件と、記憶装置１２０の簡易ネットワークデータと選択モデルデータを使って、イベント発生時の交通量を予測する。予測した交通量は出力装置１７０に提供する。交通量予測装置１６０の詳細は後述する。

出力装置１７０は、ユーザーや外部のセンタに対して、交通量予測装置１６０の予測交通量を出力する。出力装置１７０の詳細は後述する。

次に、記憶装置１２０の詳細を説明する。記憶装置１２０に格納される各種データのデータフォーマットを図３に示す。記憶装置１２０には、プローブデータ（ａ）、簡易ネットワークデータ（ｂ）、選択モデルデータ（ｃ）、ＯＤデータ（ｄ）が格納される。プローブデータ（ａ）のデータフォーマットは、受信装置１１０で受信したプローブデータのフォーマット（図２）と同じである。

簡易ネットワークデータ（ｂ）は、出発地（ｂ１）と目的地（ｂ２）の組合せ毎に、始点となる主要交差点のノードＩＤ（ｂ３）、終点となる主要交差点のノードＩＤ（ｂ４）、主要交差点間を通過したプローブカーの台数（ｂ５）、主要交差点間を通過して目的地に到着するまでの平均旅行時間（ｂ６）と平均走行距離（ｂ７）、主要交差点間に含まれるノードＩＤのリスト（ｂ８）で構成される。簡易ネットワークデータ（ｂ）は、簡易ネットワーク作成装置１３０で作成される。

選択モデルデータ（ｃ）は、経路選択モデルにおけるパラメータとその信頼度を現すデータであり、モデル作成装置１４０で作成される。選択モデルデータ（ｃ）は、出発地と目的地に依存しない共通のデータと、出発地と目的地毎のデータで構成される。出発地と目的地に依存しない共通のデータは、様々な出発地と目的地の組合せについて経路の選択行動を表す経路選択モデルを表現する共通パラメータ（ｃ１）とそのパラメータの信頼度である共通信頼度（ｃ２）で構成される。出発地と目的地毎のデータは、出発地と目的地の組合せ毎に、その出発地のエリアＩＤである出発エリアＩＤ（ｃ３）と目的地のエリアＩＤである目的エリアＩＤ（ｃ４）、経路選択モデルにおける個別のパラメータである個別パラメータ（ｃ５）とその個別パラメータの信頼度である個別信頼度（ｃ６）で構成される。出発地と目的地の組合せ毎に、モデル作成装置１４０で作成されるモデルのパラメータは複数個ある場合は、それぞれに共通する共通パラメータ（ｃ１）と個別パラメータ（ｃ５）として、一般に複数の値を持つ。このため経路選択モデルのパラメータも共通パラメータ（ｃ２）と個別パラメータ（ｃ５）が複数存在する。またパラメータの信頼度は、パラメータがどの程度信頼できるかを表す指標であり、パラメータと１対１で対応する。

経路選択モデルのパラメータ（ｃ１、ｃ５）が時間と距離である場合、例えば、個別パラメータ（ｃ５）としては、時間パラメータ（ｃ７）、距離パラメータ（ｃ８）で構成され、個別信頼度（ｃ６）は、時間パラメータの信頼度（ｃ９）と距離パラメータの信頼度（ｃ１０）で構成される。

ＯＤデータ（ｄ）は、交通需要予測の出発地と目的地に関する情報を格納している。ＯＤデータ（ｄ）は、出発地又は目的地が定義されたエリアを識別するエリアＩＤ（ｄ１）と、そのエリアに含まれるノードＩＤリスト（ｄ２）で構成される。例えば、市町村レベルのような行政単位のエリア間での交通需要を予測したい場合、出発地及び目的地のエリアは、「日立市」、「水戸市」などの市町村単位のような行政単位で定義される。この時出発地又は目的地となる行政単位、例えば日立市のノードＩＤリスト（ｄ２）は、その行政単位である日立市の範囲中に存在するノードＩＤからなるリストである。これらのデータは、モデル作成装置１４０で作成される。ＯＤデータ（ｄ）は、サーバー出荷時に予め作成されるか又は定期的な時間間隔で作成されるものとする。

次に、簡易ネットワーク作成装置１３０の詳細を説明する。図４に簡易ネットワークの例を示す。出発地（４１）、目的地（４２）の大きさは交通需要予測の目的によって異なる。例えば、市町村レベルの交通需要を予測したい場合、出発地及び目的地は、日立市、水戸市などといった市町村単位になる。以下では、出発地及び目的地は地図のメッシュで定義する。記憶装置１２０から出発地（４１）から目的地（４２）まで走行するプローブデータを抽出し、抽出したプローブデータの走行履歴（４３）を元に交通量の多い交差点の中から主要交差点（４４）を抽出する。

次に、プローブカーが実際走った区間に存在する主要交差点（４４）同士を結び、走行区間の（主要交差点を始点・終点とする）リンクに対応した仮想リンク（４５）を作成することで、出発地（４１）から目的地（４２）までのプローブカーが実際走った区間を表す簡易ネットワークを作成できる。なお、この仮想リンクは実際に存在する道路であるとは限らず、実際に走った道路（４３）の両端に存在する主要交差点を結んだ線分となる。

次に、簡易ネットワーク作成装置１３０の処理フローを図５に従って説明する。簡易ネットワーク作成装置１３０では、記憶装置１２０に蓄積したプローブデータ（ａ）を１ヶ月、１年などの定期的な周期で処理する。以下それぞれのステップについて詳細に説明する。

ステップＳ５１０では、記憶装置１２０のＯＤデータ（ｄ）に記憶されているエリアＩＤの全組合せについて、ステップＳ５２０からＳ５４０までの処理を繰り返す処理が開始される。ここでは、記憶情報１２０にＯＤデータ（ｄ）として記憶されているエリアＩＤの中の１つを出発地とし、ＯＤデータ（ｄ）として記憶されているエリアＩＤの内、この出発地のエリアＩＤ以外のエリアＩＤの１つを目的地とする。これにより、記憶装置１２０のＯＤデータ（ｄ）で、エリアがｎ個定義されている場合、出発地と目的地のエリアＩＤの全組合せ数はｎ×（ｎ−１）になる。こうして求められる出発地と目的地のエリアＩＤの全組合せについて、以下のループ処理が行われる。

ステップＳ５２０では、ステップＳ５１０で決定した出発地から目的地までを走行するプローブデータを記憶装置１１０のプローブデータ（ａ）から抽出する。仮に、対象となる出発地から目的地までを走行したプローブデータが存在しない場合、続く主要交差点抽出ステップＳ５３０とネットワーク作成ステップＳ５４０の処理は実質的にスキップされることになるが、図５の処理フローでは、この処理の流れを簡略化して表している。

ステップＳ５３０では、ステップＳ５２０で抽出したプローブデータを使って、主要交差点を抽出する。主要交差点とは、プローブカーの走行頻度が高く、交差点に流入する交通量が多く、かつ、流入した交通量がその交差点に接続している複数の道路へ広く分散していて、特定の道路に集中して流出していないような交差点を意味する。このような主要交差点を求める処理では、ステップＳ５２０で抽出したプローブデータを使って、各交差点に流入した交通量の分岐の度合いを計算する。この分岐の度合いを表す定量的な指標を分岐度と定義する。分岐度の大きな交差点は、交差点に流入したプローブカーがその交差点で様々な道路へと分岐しやすいことを表している。

この分岐度は、交差点に流入するノード毎に作成される。分岐度は、最大の流出台数で流入台数を割った値と定義する。例えば交差点がノードＩＤ「００１」から流入し、ノードＩＤ「００２」、「００３」、「００４」に流出するケースを考える。ノードＩＤ「００１」から交差点に流入する車両台数が１００台とし、ノード「００２」へ流出する車両台数を５０台、ノード「００３」へ流出する車両台数を３０台、ノード「００４」へ流出する車両台数を２０台とする。ここで最大の流出台数はノード「００２」で５０台であるから、分岐度は２．０（１００／５０）となる。逆に、交差点で車両が分岐していないケースでは、ノードＩＤ「００２」への流出台数を１００台、他のノードＩＤへの流出台数を０台と仮定すると、分岐度は１．０（１００／１００）となる。

以上のように、交差点の分岐の度合いを分岐度で評価することができる。この分岐度は、各交差点ノードの流入ノード単位で作成する。予め設定した分岐度の閾値を使って、閾値以上である交差点ノードと流入ノードの組合せを主要交差点と定義する。

ステップＳ５４０では、ステップＳ５２０で抽出したプローブデータから、ステップＳ５３０で抽出した主要交差点間を走行するプローブデータを抽出する。主要交差点間を走行するプローブデータを抽出し、主要交差点間に仮想リンクを作成する。仮想リンク作成後、各仮想リンク毎にプローブデータから求めた、主要交差点間を走行するプローブカーの台数（ｂ５）、目的地までの平均旅行時間（ｂ６）の値と平均走行距離（ｂ７）の値を記憶装置１２０の簡易ネットワークデータ（ｂ）に書き込む。また、ステップＳ５１０で決定した出発地のエリアＩＤと目的地のエリアＩＤをそれぞれ出発エリアＩＤ（ｂ１）と目的エリアＩＤ（ｂ２）として書き込み、仮想リンクの始点となる主要交差点（始点主要交差点）のノードＩＤを始点ノードＩＤ（ｂ３）、仮想リンクの終点となる主要交差点（終点主要交差点）のノードＩＤを終点ノードＩＤ（ｂ４）、プローブデータから求めた主要交差点間のノードＩＤのリストをノードリスト（ｂ８）として、記憶装置１２０の簡易ネットワークデータ（ｂ）に書き込む。このノードリスト（ｂ８）には、仮想リンクの始点主要交差点から終点主要交差点の間を通過したプローブデータにおける、その主要交差点間で通過した全てのノードのノードＩＤが含まれる。

ステップＳ５５０では、全ての出発地と目的地の組合せについて処理を完了したか否かを判定し、処理を完了した場合は処理フローが終了する。全ての出発地と目的地の組合せについて処理を完了していない場合は、ステップＳ５１０へ戻るループ処理を続ける。

次に、モデル作成装置１４０の処理フローを図６に従って説明する。モデル作成装置１４０は、簡易ネットワーク作成装置１３０の処理終了後に、記憶装置１２０のプローブデータ（ａ）と簡易ネットワークデータ（ｂ）を使って、経路選択モデルを記述するパラメータを生成する処理を行う。

車両は、始点となる主要交差点に接続している仮想リンクが複数ある場合、仮想リンクの持つ特性からそれぞれの仮想リンクの効用を求め、この効用に基づいて仮想リンクを選択して走行していると仮定する。仮想リンクの持つ特性と効用を関連付けた式が効用関数である。この効用関数は、仮想リンクの選択確率を求めるための評価関数であり、ドライバ（車両）が仮想リンク間の経路に対して感じる魅力度を評価していることになり、感じる魅力度が高いと仮想リンクの選択確率が高いことなる。

仮想リンクの特性は記憶装置１２０の簡易ネットワークデータ（ｂ）の平均旅行時間（ｂ６）と平均走行距離（ｂ７）とする。このとき、始点主要交差点の始点ノードＩＤを「ｉ」、始点主要交差点ノードＩＤ「ｉ」に接続している仮想リンクの終点主要交差点の終点ノードＩＤを「ｊ」とする。始点ノードＩＤ「ｉ」と終点ノードＩＤ「ｊ」で定義された仮想リンク「ｉｊ」の効用を「Ｖｉｊ」とする。また、仮想リンク「ｉｊ」の平均旅行時間（ｂ６）を「Ｔｉｊ」、仮想リンク「ｉｊ」の平均走行距離（ｂ７）を「Ｌｉｊ」とする。さらに、効用関数における旅行時間のパラメータを「θｔｉｊ」、効用関数における走行距離のパラメータを「θｌｉｊ」とすると、効用関数は（式１）で定義される。

Ｖｉｊ ＝ θｔｉｊ×Ｔｉｊ＋θｌｉｊ×Ｌｉｊ …（式１）
この効用関数はシステム製作者又はユーザーが予め設定する。このため、（式１）以外にも、通行料金などによる費用や道幅などの特性を考慮しても構わない。

モデル作成装置１４０では、効用関数のパラメータを推定し、推定した結果を経路選択モデルのパラメータとして記憶装置１２０の選択モデルデータ（ｃ）に格納する。また選択モデルのパラメータは出発エリアと目的エリアの組合せ毎に作成する。つまり、出発エリアと目的エリアが決まれば、パラメータは１種類である。この出発エリアと目的エリアの組合せ毎にパラメータを推定するのがステップＳ６１０からＳ６８０である。しかし、出発エリアと目的エリアの組合せによっては、プローブデータのサンプル数が少ないため、パラメータの信頼性が低い可能性もある。このため、出発エリアと目的エリアの組合せに依存せずに、全てのプローブデータを使って、共通のパラメータを推定する。この共通パラメータは、出発エリアと目的エリアのパラメータの信頼度が低い時に、代わりに利用する。この処理がステップＳ６９０である。

以下、モデル作成装置１４０の処理フローのステップについて詳細に説明する。

ステップＳ６１０では、記憶装置１２０のＯＤデータ（ｄ）に記憶されているエリアＩＤの全組合せについて、ステップＳ６２０からＳ６７０までの処理を繰り返す処理が開始される。ここではステップＳ５１０と同様に、記憶情報１２０のＯＤデータ（ｄ）のエリアＩＤの中から１つを出発地、出発地のエリアＩＤ以外の複数のエリアＩＤの中から１つを目的地として、出発エリアＩＤと目的エリアＩＤの組合せを決定する。記憶装置１２０のＯＤデータ（ｄ）で、エリアＩＤがｎ個定義されているとすると、全組合せ数はｎ×（ｎ−１）になる。

ステップＳ６２０では、記憶装置１２０の簡易ネットワークデータ（ｂ）から、ステップＳ６１０で決定した出発エリアＩＤと目的エリアＩＤに対応する簡易ネットワークデータを抽出する。

ステップＳ６３０では、ステップＳ６２０で抽出した簡易ネットワークデータ（ｂ）の全ての始点ノードＩＤ（ｄ３）について、ステップＳ６４０の処理を繰り返す。

ステップＳ６４０では、ステップＳ６３０のループ処理で処理対象としている始点ノードＩＤ（ｄ３）を含む簡易ネットワークデータ（ｂ）を抽出し、（式１）で定義した効用関数の式に抽出したデータを設定することで効用関数を作成する。

ステップＳ６５０では、全ての始点ノードＩＤについて処理を完了したか否かを判定し、処理を完了した場合はステップＳ６６０へ進む。全ての始点ノードＩＤについて処理を完了していない場合は、ステップＳ６３０へ戻る。

ステップＳ６６０では、ステップＳ６４０で作成した効用関数を使って、尤度関数を作成する。尤度関数は、ステップＳ６１０のエリアＩＤの全組合せ毎に１つ作成される。仮想リンク「ｉｊ」のプローブカーの走行台数（ｂ５）を「ｎｉｊ」すると、始点ノードＩＤ「ｉ」の尤度関数Ｌｉは、（式２）のように主要交差点ノード「ｉ」に接続している全ての主要交差点ノード「ｊ」に関する和として表される。

Ｌｉ＝Σ（ｎｉｊ×ｌｏｇ（Ｐｉｊ）） …（式２）
この「Ｐｉｊ」は、仮想リンク「ｉｊ」を選択する確率であり、（式１）における効用「Ｖｉｊ」を用いて（式３）のように求められる。

Ｐｉｊ＝ｅｘｐ（Ｖｉｊ）／Σｅｘｐ（Ｖｉｊ） …（式３）
ここでｅｘｐ（）は指数関数を表している。

さらにエリアＩＤの組合せ毎の尤度関数「Ｌｏｄ」は、出発地と目的地間の主要交差点ノード「ｉ」の尤度の全ての和を求めた（式４）のように表される。

Ｌｏｄ＝ΣＬｉ …（式４）
ステップＳ６７０では、ステップＳ６６０で作成した尤度関数Ｌｏｄが最大になるように（式１）のパラメータ「θｔｉｊ」と「θｌｉｊ」を推定する。この時の推定方法は、既存の最尤推定法を利用する。次に、最尤推定によって求められたパラメータは、記憶装置１２０の選択モデルデータ（ｃ）のステップＳ６１０のエリアＩＤの組合せに該当する箇所に格納される。具体的には、旅行時間のパラメータ「θｔｉｊ」を記憶装置１２０の選択モデルデータ（ｃ）の時間パラメータ（ｃ７）、距離のパラメータを「θｌｉｊ」を記憶装置１２０の選択モデルデータ（ｃ）の距離パラメータ（ｃ８）に格納する。

また推定したパラメータの信頼度を求める。この信頼度は、最尤推定法により算出される統計的な信頼を表すｔ値でもよいし、パラメータを推定する際に使用したプローブカーの台数（Ｎｉ＝Σｎｉｊ）でもよい。計算した信頼度は、記憶装置１２０の選択モデルデータ（ｃ）の個別信頼度（ｃ６）へ格納する。

ステップＳ６８０では、記憶装置１２０のＯＤデータ（ｄ）に記憶されているエリアＩＤの全組合せについて処理を完了したか否かを判定し、処理を完了した場合はステップＳ６９０へ進む。エリアＩＤの全組合せについて処理を完了していない場合は、ステップＳ６１０へ戻る。

ステップＳ６９０では、エリアＩＤの組合せに依存しないパラメータを推定する。具体的には、エリアＩＤの組合せ毎の尤度関数「Ｌｏｄ」の総和が最大になるように、既存の最尤推定法を使ってパラメータを推定することで、エリアＩＤの組合せ毎に求めたパラメータではない共通の尤度に基づくパラメータを求める。推定したパラメータは、共通パラメータ（ｃ１）に格納する。また同様にこのパラメータの信頼度を個別信頼度の場合と同様にして求め、共有信頼度（ｃ２）に格納する。

これにより、出発地と目的地の組合せ毎にパラメータを求めることで、地域差を反映したパラメータを求めることができるため、経路選択モデルの精度が上がる。その一方で、このようなパラメータの推定には多くのプローブデータが必要になることから、プローブデータのサンプル数が少ない場合は、エリアＩＤの組合せ毎の尤度関数「Ｌｏｄ」の総和が最大になるように全てのプローブデータを使ってエリアＩＤの組合せに依存しないパラメータを求め、精度の低下を防いでいる。

次に、入力装置１５０の詳細を説明する。入力装置１５０には、交通量推定対象のＯＤ交通量情報、イベント情報が入力される。入力は、ユーザー又は外部サーバーから行われる。入力装置１５０に入力されるＯＤ交通量情報のデータフォーマットを図７に示す。ＯＤ交通量情報は、出発地と目的地の情報として、出発地を特定するエリアＩＤである出発エリアＩＤ（７１）、目的地を特定するエリアＩＤである目的エリアＩＤ（７２）、また出発地から目的地まで移動する交通量（７３）で構成される。

入力装置１５０から入力されるイベント情報のデータフォーマットを図８に示す。イベント情報は、イベントを識別するイベント名称（８１）、イベントの発生位置（８２）、イベント発生後の影響（８３）で構成される。イベント名称（８１）としては、例えば「工事」がある。イベントの発生位置（８２）とは、イベントが発生するノードＩＤや道路を特定する始点ノードＩＤと終点ノードＩＤが記載されている。イベントが複数のノードにまたがる場合は、複数のノードＩＤが記載されている。イベントの発生後の影響（８３）とは、イベントが発生した時の、そのイベント発生位置の交通状況の変化を表している。例えば、工事をした時、その工事対象道路では、通過時間は２倍になるとする。このとき、イベント情報のイベント名称（８１）には「工事」が、イベントの発生位置（８２）には始点ノードＩＤと終点ノードＩＤが、工事区間のイベント発生後の影響（８３）には、「通過時間２倍」が記載される。また、道路通過時に課金するロードプライシングを実行する場合は、イベントの名称（８１）として「ロードプライシング」、イベントの発生位置（８２）には、ロードプライシング対象道路の始点ノードＩＤと終点ノードＩＤ、イベント発生後の影響（８３）は「課金１０００円」といったデータがイベント情報として入力される。

次に、交通量予測装置１６０の詳細を説明する。交通量予測装置１６０は、記憶装置１２０の簡易ネットワークデータ（ｂ）と選択モデルデータ（ｃ）、入力装置１５０を介して入力されるＯＤ交通量情報、イベント情報を使って、イベント発生後の道路の交通量を予測する。交通量予測装置１６０の処理フローを図９に従って説明する。交通量予測装置１６０は、入力装置１５０から入力されたＯＤ交通量情報とイベント情報に基づき処理を行う。

まずステップＳ９１０では、入力装置１５０からのＯＤ交通量情報における出発エリアＩＤ（７１）、目的エリアＩＤ（７２）の組合せに対応する簡易ネットワークデータ（ｂ）を記憶装置１２０から取得する。ステップＳ９２０では、入力装置１５０からのＯＤ交通量情報における出発エリアＩＤ（７１）、目的エリアＩＤ（７２）の組合せに対応する選択モデルデータ（ｃ）のパラメータを記憶装置１２０から取得する。この時出発エリアＩＤ（ｃ３）と目的エリアＩＤ（ｃ４）毎の個別パラメータ（ｃ５）を取得する。しかし、個別パラメータ（ｃ５）の個別信頼度（ｃ６）が予め設定した閾値よりも低い場合は、共通パラメータ（ｃ１）を取得する。

ステップＳ９３０では、入力装置１５０からのイベント情報を使って、ステップＳ９１０で取得した簡易ネットワークデータ（ｂ）で表現される簡易ネットワークに含まれる主要交差点ノード毎に、主要交差点ノードに接続している仮想リンクの選択確率を計算する。前述の例のようにイベント情報が「工事」であり、イベントの発生位置が始点ノードＩＤ「００１」から終点ノードＩＤ「００２」までの道路で、このイベントが発生した結果、始点ノードＩＤ「００１」から終点ノードＩＤ「００２」までの所要時間が２倍になるとする。ここで抽出した簡易ネットワークデータ（ｂ）のノードリスト（ｂ８）に始点ノードＩＤ「００１」と終点ノードＩＤ「００２」の両方を含む仮想リンクを検索する。イベントの位置を含む仮想リンクがない場合は、イベント情報の影響である所要時間２倍の影響を反映せずに、各仮想リンクの選択確率を計算する。

またノードリスト（ｂ８）にイベントの発生位置を含むような仮想リンクがある場合は、イベント情報の影響である所要時間２倍の影響を反映して、各選択確率を計算する。具体的には、まず（式１）で各仮想リンクの効用を計算する。このとき、仮想リンクがノードリスト（ｂ８）にイベントの発生位置を含む場合は、旅行時間「Ｔｉｊ」を２倍にすることで、イベントによる影響を反映する。その後、各仮想リンクについて求めた効用から（式３）を使って、出発地と目的地間の簡易ネットワークデータの全ての仮想リンクについて、各仮想リンクの選択確率を計算する。

ステップＳ９４０では、入力装置１５０からのＯＤ交通量情報で設定された交通量（７３）について、ステップＳ９５０からステップＳ９６０までの処理を繰り返すループ処理が開始される。例えば、交通量が１００台の場合、ステップＳ９５０からステップＳ９６０までの処理を１００回繰り返す。この処理は、交通量分の車両を簡易ネットワーク上に走らせるシミュレーションを行って、仮想リンク毎に交通量を求める。この車両の走行シミュレーションは、ステップＳ９３０で求めた選択確率に従って仮想リンクを選択しながら走行するものとする。

ステップＳ９５０では、ステップＳ９４０で走行をシミュレーションする車両が目的地エリアに到着したか否かを判定する。目的地エリアに到着した場合（Ｓ９５０：Ｙｅｓ）、処理対象の車両は出発地エリアから目的地エリアに到着したとみなし、ステップＳ９７０へ進む。

目的地エリアに到着していない場合（Ｓ９５０：Ｎｏ）、ステップＳ９６０へ進む。

ステップＳ９６０では、車両が現在到達している簡易ネットワークの主要交差点ノードに接続している仮想リンクを抽出し、ステップＳ９３０で求めた選択確率を使って、車両が進行する仮想リンクを選択する。仮想リンクは、選択確率に従ってランダムに選択するものとする。そしてシミュレーションしている車両の位置を選択した仮想リンクの終点の主要交差点ノードに進ませる。この時仮想リンク毎に走行した車両台数を一時記憶装置に記憶しておく。

ステップＳ９７０では、設定されたＯＤ間の交通量分の処理を完了したか否かを判定し、処理を完了した場合はステップＳ９７０へ進む。ＯＤ交通量分の処理を完了していない場合は、ステップＳ９４０へ戻る。

ステップＳ９８０では、ステップＳ９６０で一時記憶装置に記憶しておいた簡易ネットワークの各仮想リンクの交通量の情報を取得し、出力装置１７０へ提供する。また仮想リンクの交通量を仮想リンクに対応する実際の道路リンクの交通量に変換する。具体的には、記憶装置１２０の簡易ネットワークデータ（ｂ）のノードリスト（ｂ８）を使って、仮想リンクの交通量をそのまま対応する道路リンクに変換する。ただし、仮想リンクとその間の道路リンク列が１対１に対応しない場合には、仮想リンクに対応する複数の道路リンク列の走行頻度を記憶しておき、その走行頻度の重み付け平均で各道路リンク列に交通量を割り当てる。変換後、道路リンク単位の交通量の情報を出力装置１７０へ出力する。

次に、出力装置１７０の詳細を説明する。入力装置１７０には、交通量予測装置１６０から入力される仮想リンク単位の交通量と道路リンク単位の交通量を外部サーバーや車載端末に送信する。仮想リンク単位の交通量のデータフォーマットを図１０に示す。仮想リンク交通量は、出発地を識別するエリアＩＤである出発エリアＩＤ（１０１）と目的地を識別するエリアＩＤの目的エリアＩＤ（１０２）と仮想リンク毎の交通量で構成される。仮想リンク毎の交通量は、仮想リンクの始点主要交差点ノードＩＤ（１０３）と終点主要交差点ノードＩＤ（１０４）とその仮想リンクの交通量（１０５）で構成される。

道路リンク単位の交通量のデータフォーマットを図１１に示す。道路リンク交通量は、出発エリアＩＤ（１１１）と目的エリアＩＤ（１１２）と道路リンク毎の交通量で構成される。道路リンク毎の交通量は、始点ノードＩＤ（１１３）と終点ノードＩＤ（１１４）と道路リンクの交通量（１１５）で構成される。

以上で説明した各実施の形態によれば、次の作用効果を奏する。

本発明の交通需要予測システムは、プローブカーの走行履歴上で主要交差点を求め、この主要交差点を結ぶ簡易ネットワークを作り、各主要交差点における選択確率を効用から求め、この簡易ネットワークの上の主要交差点間のネットワークを選択確率に応じて組合せ、選択確率に応じて、簡易ネットワークのリンクに交通量を分配することができるため、プローブデータ上では実際に連続した走行実績のない経路の交通量でも予測できる。

１００ 交通需要予測システム
１１０ 受信装置
１２０ 記憶装置
１３０ 簡易ネットワーク作成装置
１４０ モデル作成装置
１５０ 入力装置
１６０ 交通量予測装置
１７０ 出力装置

Claims (7)

1. 予め収集した車両の走行軌跡データを使って地点間の交通量を予測する交通量予測装置であって、
   走行軌跡データにおける走行経路上の交差点の内、交差点への走行軌跡の流入台数と当該交差点で最も流出台数が多い経路への流出台数との割合に基づいて、主要交差点を抽出して各主要交差点を結んだ簡易ネットワークを作るネットワーク作成装置と、
   前記主要交差点間の旅行時間と走行距離とから各主要交差点における経路の選択確率を求めるモデル作成装置と、
   この選択確率に応じて交通需要を予測する際の交通量を経路に配分する交通量配分装置と、を、備えることを特徴とする交通量予測装置。
2. 前記交通量配分装置は、出発地から目的地までの想定される交通量分の車両を、前記簡易ネットワーク上に主要交差点の選択確率に従ってランダムに走行させるシミュレーションを行い、主要交差点間を走行した車両台数を当該主要交差点間又は道路間の予測交通量とすることを特徴とする請求項１に記載の交通量予測装置。
3. 前記交通量予測装置は、イベントの発生場所と前記発生場所の交通への影響を含む情報を取得し、
   前記交通量配分装置は、複数の主要交差点間の内、前記イベントの発生場所を通過する経路に対応する主要交差点間について、前記交通への影響を前記モデル作成装置に入力して複数の主要交差点間の選択確率を更新し、当該更新された選択確率を用いて交通量を配分することを特徴とする請求項２に記載の交通量予測装置。
4. 入力装置を介して予め収集した車両の走行軌跡データを記憶装置に格納し、演算装置にソフトウェアを実行させて、前記記憶装置から読み出した前記走行軌跡データを使って地点間の交通量を予測し、出力装置に出力する交通量予測方法であって、
   前記走行軌跡データから、走行軌跡データにおける走行経路上の交差点の内、交差点への走行軌跡の流入台数と当該交差点で最も流出台数が多い経路への流出台数との割合に基づいて主要交差点を抽出し、各主要交差点を結んだ簡易ネットワークを作るネットワーク作成処理と、
   前記走行軌跡データに基づく前記主要交差点間の旅行時間と走行距離とから各主要交差点における経路の選択確率を求めるモデル作成処理と、
   モデル作成処理により推定された経路選択モデルのパラメータを用いて、主要交差点間の経路を選択する選択確率を求め、この選択確率に応じて交通需要を予測する際の交通量を経路に配分する交通量配分処理を、行うことを特徴とする交通量予測方法。
5. 前記モデル作成処理は、前記簡易ネットワーク上の主要交差点とこれに接続する複数の主要交差点間の経路の特性値として、走行軌跡データから求めた前記主要交差点間の走行時間または走行距離の少なくとも１つを用いることを特徴とする請求項４に記載の交通量予測方法。
6. 前記交通量配分処理は、出発地から目的地までの想定される交通量分の車両を、前記簡易ネットワーク上に主要交差点の選択確率に従ってランダムに走行させるシミュレーションを行い、主要交差点間を走行した車両台数を当該主要交差点間又は道路間の予測交通量とすることを特徴とする請求項５に記載の交通量予測方法。
7. 前記交通量予測方法において、イベントの発生場所と前記発生場所の交通への影響を含む情報を取得し、
   前記交通量配分処理は、複数の主要交差点間の内、前記イベントの発生場所を通過する経路に対応する主要交差点間について、前記交通への影響を前記モデル作成処理を行って複数の主要交差点間の選択確率を更新し、当該更新された選択確率を用いて交通量を配分することを特徴とする請求項６に記載の交通量予測方法。

Images