JP6055916B2 - 交通行動推定システム、交通システム - Google Patents
交通行動推定システム、交通システム Download PDFInfo
- Publication number
- JP6055916B2 JP6055916B2 JP2015522452A JP2015522452A JP6055916B2 JP 6055916 B2 JP6055916 B2 JP 6055916B2 JP 2015522452 A JP2015522452 A JP 2015522452A JP 2015522452 A JP2015522452 A JP 2015522452A JP 6055916 B2 JP6055916 B2 JP 6055916B2
- Authority
- JP
- Japan
- Prior art keywords
- traffic
- unit
- data
- transportation
- route
- 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.)
- Active
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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Description
本発明は、個人が交通手段を利用する際の行動特性を推定する技術に関する。
新興国においては、経済発展にともない、都市部への急激な人口集中が起きている。それに対して、道路、鉄道、バスなどの交通インフラの整備が進んでおらず、急激な交通量の増加による交通渋滞が深刻化している。一方で先進国においては、交通整備が実施されてからの経年劣化や、整備された交通網が実際の利用状況に沿わずに事業者が経営難に陥るといった、交通整備後の問題が起きている。
上記のような問題に対処するためには、新規道路や鉄道などの公共交通機関網を整備することが必要である。交通網を整備する際には一般に、(1)新しい都市計画を立案し、(2)立案された計画を評価し、(3)評価に基づき最適な計画を選択し、(4)計画に沿って交通網を構築・運用する、という手順が取られる。
交通計画を評価する際には、新たに整備する交通網が交通量に及ぼす影響を評価するため、交通需要を予測するシミュレーション技術が利用される。下記非特許文献1は、四段階推定法と呼ばれる予測手法について説明している。四段階推定法は、それぞれのステップにおいて、様々なパラメータ設定が必要である。これらパラメータは、人手による交通調査と調査結果に基づき設定される。
人手による交通調査は、多大な手間と時間がかかるため、5〜10年に1度程度しか実施されない。そこで、IT(Information Technology)を活用して、タクシーやバスなどの公共交通機関に搭載されたGPS情報や路側に設置されたセンサによって、道路の混雑状況を推定するプローブシステムが普及している。また、携帯電話やスマートフォンを利用して住民個人の交通行動履歴を収集するパーソンプローブ技術が開発されている。
プローブシステムは、計測端末を測定対象物(タクシーやバスなどの車両)に設置し、測定対象物の時刻、座標(緯度、経度)、速度等の各種計測データを一定周期(例えば1秒間隔)で取得して、測定対象区間における測定対象物の平均速度、測定対象物が特定箇所(バス停、駅など)を通過した時刻、などを計測するものである。
パーソンプローブ技術は、測定に必要な計測機能を搭載した携帯端末を調査担当者に常時携行させてその位置情報等を収集することにより、交通量測定に必要な情報を得るものである。
Robert Cevero, "Adaptive Approaches to Modeling the Travel-Demand Impacts of Smart Growth", American Planning Association. Journal of the American Planning Association; 2006, 72, 3, Research Library pg.285
都市計画を適切に作成するためには、個人が交通手段をどのように利用しているかできる限り具体的に把握することが求められる。個人が利用しない交通手段を拡張しても効果が乏しいからである。そこでパーソンプローブ技術を利用して、個人が交通手段を利用した履歴を詳細に収集し、都市計画を作成する際にこれを利用することが考えられる。しかしパーソンプローブ技術を用いて都市計画作成のために供用できる程度のデータ件数を収集するためには、多数の調査担当者や携帯端末などを準備する必要があるが、これは一般に困難である。そのため、十分な精度で調査を実施することが難しい。
他方、公共交通機関に設置した計測端末を用いる場合、交通機関の混雑状況などを広範囲に把握することができるが、各個人が交通手段を利用した履歴を詳細に把握することは困難である。交通手段から取得した測定データは、当該交通手段自身の移動履歴などについては表しているが、各個人がその交通手段をどのように利用したかについては表していない。各個人がその交通手段を利用開始/利用終了したタイミングについては何ら表していないからである。
本発明は、上記のような課題に鑑みてなされたものであり、各個人から取得した交通行動履歴を、公共交通機関から取得した測定情報によって補間し、個人の交通行動履歴の測定精度を向上させることを目的とする。
本発明に係る交通行動推定システムは、ある地点における全人口が、各個人から取得した交通行動履歴と同じ交通行動を取るものと仮定して交通量を仮予測し、交通路の実際の混雑度指標と仮予測結果を比較してその差分が小さくなるように、各交通行動を取る人口を再調整する。
本発明に係る交通行動推定システムによれば、多数の調査担当者や携帯端末などを準備することなく、個人の交通行動履歴の測定精度を向上させることができる。
以下、添付図面を参照して本発明の実施形態について説明する。添付図面においては、機能的に同じ要素は同じ番号で表示される場合もある。なお、添付図面は本発明の原理に則った具体的な実施形態を示しているが、これらは本発明の理解のためのものであり、本発明を限定的に解釈するために用いられるものではない。
<実施の形態1>
図1は、本発明の実施形態1に係る交通行動推定システムの構成図である。本実施形態1に係る交通行動推定システムは、都市内に在住する個人の交通行動を推定してモデルパラメータ190として出力するシステムであり、交通行動推定装置100、プローブ200、個人データソース300を備える。
図1は、本発明の実施形態1に係る交通行動推定システムの構成図である。本実施形態1に係る交通行動推定システムは、都市内に在住する個人の交通行動を推定してモデルパラメータ190として出力するシステムであり、交通行動推定装置100、プローブ200、個人データソース300を備える。
プローブ200は、交通機関の混雑度などの状態を測定する測定端末であり、タクシーやバスに搭載されたGPS、道路に設置されたVICS(登録商標)、交通機関の状態を撮影するカメラ、などを用いて構成されている。
個人データソース300は、個人が携行する携帯端末に搭載されたGPSや加速度センサ、交通機関において利用することができるICカードの利用履歴、国勢調査時のパーソントリップアンケート結果、などのような個人の交通行動履歴を収集するための情報源である。
交通行動推定装置100は、個人データソース300から収集した各個人の交通行動履歴を、プローブ200から収集した各交通手段の測定データによって補完して、精度のよい各個人の交通行動モデルを生成する装置である。生成された交通行動モデルは、例えば都市計画を作成する際に利用することができる。
交通行動推定装置100は、プロセッサ101、メモリ102、記憶装置103を備える。これらはバスによって互いに接続される。交通行動推定装置100は、例えば大型計算機を用いて構成することができるが、これに限らず例えば複数の計算機を並列動作させることによって構成してもよい。
プロセッサ101は、メモリ102が格納している各プログラムを実行する。メモリ102は、モデル学習部110、混雑度算出部120、個人履歴算出部130、データ収集部140を格納している。
データ収集部140は、プローブ200による測定結果と個人データソース300が提供する各個人の交通行動についての情報を収集する。例えば通信ネットワークを介してプローブ200と個人データソース300から各データを収集することもできるし、記憶媒体に格納された測定データなどを読み出して取得することもできる。
個人履歴算出部130は、データ収集部140が収集した個人の交通行動についての情報から、各個人が利用した交通手段などの詳細情報を推定し、プローブパーソンデータ150として記憶装置103に格納する。個人履歴算出部130はその他、例えばICカードの利用履歴に基づき移動経路を推定してもよいし、個人のアンケート結果から当該個人の交通行動を推定してもよい。プローブパーソンデータ150の具体例については後述の図3で説明する。プローブパーソンデータ150があらかじめ提供されている場合は、個人履歴算出部130を省略することもできる。
混雑度算出部120は、データ収集部140が収集した交通手段の測定データから、各交通手段の混雑度を算出し、混雑度データ160として記憶装置103に格納する。例えば、タクシーやバスに搭載されたGPS情報から、各道路上の移動時間を算出し、これを混雑度として用いることができる。その他、VICSによる交通情報カメラ画像によって交通量を推定し、これを混雑度として用いてもよい。混雑度データ160があらかじめ提供されている場合は、混雑度算出部120を省略することもできる。
記憶装置103は、プローブパーソンデータ150、混雑度データ160、人口データ170、交通容量データ180、モデルパラメータ190を格納する。これらデータの具体例については後述する。
モデル学習部110は、プローブパーソンデータ150、混雑度データ160、人口データ170、交通容量データ180を用いて、モデルパラメータ190を推定する。モデル学習部110は、個人行動分析部111、利用状況算出部112、混雑度算出部113、評価部114を備える。これら各部の詳細については後述する。
モデル学習部110、混雑度算出部120、個人履歴算出部130、データ収集部140は、これらの動作を記述したプログラムをプロセッサ101が実行することによって構成することもできるし、これらの機能を実現する回路デバイスなどのハードウェアを用いて構成することもできる。以下では図1に示すようにプログラムとして構成したことを前提として説明する。これらプログラムを実際に実行するのはプロセッサ101であるが、以下では記載の便宜上、各機能部を動作主体として説明する。
図2Aは、モデルパラメータ190の構成とデータ例を示す図である。モデルパラメータ190は、個人が交通手段を利用する傾向を表現したデータであり、都市191、出発地192、到着地193、交通量194、選択パターン195を含む。
都市191は、データが収集された都市のIDを保持する。出発地192と到着地193は、当該都市内の各地点(ゾーン)のIDを保持する。交通量204は、出発地192と到着地193の間に発生する交通量を保持する。例えば出発地192と到着地193の間を通過する車両などの台数を交通量204として用いることができるが、その他の交通量指標を用いてもよい。選択パターン195は、当該地点間において各交通機関が選択される確率を保持する。その他、例えば時間優先や料金優先といった評価尺度を選択パターン195として用いてもよい。
図2Bは、人口データ170の構成と具体例を示す図である。人口データ170は、本発明に係るシステムが対象とする都市の人口についての情報を記述したデータであり、都市171、人口172、世帯数173を含む。都市171は、都市191に対応する。人口172は、当該都市の人口数を保持する。世帯数173は、当該都市の世帯数を保持する。
図2Cは、交通容量データ180の構成とデータ例を示す図である。交通容量データ180は、地点間を接続する交通路の交通容量を記述したデータであり、リンク181、ノード182、長さ183、料金184、交通手段185、交通容量186を含む。交通容量データ180と人口データ170は、後述の図4で説明するフローチャートを実施する際の制約条件として用いられるので、制約条件データとして1つにまとめてもよい。
リンク181は、道路や交通区間のような交通路のIDを保持する。ノード182は、リンクの両端に当たる地点のIDを保持する。長さ183は、当該リンクの長さを保持する。料金184は、当該リンクを通過するために必要な金額を保持する。交通手段185は、当該リンクを通過することができる交通手段を保持する。交通容量186は、当該リンクを当該交通手段によって通過する際に許容される交通量を保持する。
図2Dは、図2Aと2Cにおけるゾーン、ノード、リンクの関係を説明する図である。個人がノードN1からノードN4に向かうとき、複数のノードを経由する場合がある。各ノードはリンクによって接続されている。各ノードは、より広い地域単位であるゾーンに含まれる。
図3Aは、プローブパーソンデータ150の構成とデータ例を示す図である。プローブパーソンデータ150は、個人データソース300から収集したデータに基づき各個人の交通行動を推定した結果を記述したデータである。本データは、後述するフローチャートによって交通手段155や目的156を推定した結果が含まれているものの、データ件数については未だ補間されていない。プローブパーソンデータ150は、都市151、市民152、日時153、座標154、交通手段155、目的156を含む。
都市151は、都市191に対応する。市民152は、個人データソース300からデータを取得した個人を識別するIDを保持する。日時153は、個人データソース300においてデータが測定された日時を保持する。座標303は、個人データソース300においてデータが測定された時点における測定場所のGPS座標(あるいは住所など)を保持する。目的156は、個人データソース300からデータを取得した個人の測定時点における移動目的を保持する。
図3Bは、混雑度データ160の構成とデータ例を示す図である。混雑度データ160は、プローブ200から収集したデータに基づき各リンクの混雑度を示す指標を算出した結果を格納するデータであり、都市161、リンク162、混雑度163を含む。
都市161は都市191に対応し、リンク162はリンク181に対応する。混雑度163は、当該リンクの混雑度指標を保持する。例えば当該リンクを通過するために要する時間や渋滞度を示す指標を混雑度163として用いることができる。さらに、季節や時間帯に応じて複数の混雑度163を保持するようにしてもよい。
図4は、モデル学習部110の動作を説明するフローチャートである。モデル学習部110の動作は、例えば交通行動推定装置100のユーザが指示にしたがって、あるいは所定の実行周期にしたがって、本フローチャートを開始する。以下、図4の各ステップについて説明する。
(図4:ステップS401)
個人行動分析部111は、プローブパーソンデータ150内に含まれる各個人がいずれの交通手段を選択する傾向があるかについて、その選択パターンを算出する。これは、プローブパーソン150内に含まれる個人毎に、モデルパラメータ190の選択パターン195を仮算出することに相当する。ただし本ステップの時点では、データ件数はプローブパーソンデータ150と同等であり、未だ補間されていない。本ステップの詳細は、後述の図5を用いて改めて説明する。
個人行動分析部111は、プローブパーソンデータ150内に含まれる各個人がいずれの交通手段を選択する傾向があるかについて、その選択パターンを算出する。これは、プローブパーソン150内に含まれる個人毎に、モデルパラメータ190の選択パターン195を仮算出することに相当する。ただし本ステップの時点では、データ件数はプローブパーソンデータ150と同等であり、未だ補間されていない。本ステップの詳細は、後述の図5を用いて改めて説明する。
(図4:ステップS402)
利用状況算出部112は、人口データ170が記述している人口172を、ステップS401において仮算出された各選択パターンに対して均等に割り当てる。例えば都市T1の人口が10000名であり、ステップS401において都市T1内の個人が交通手段を選択するパターンが10通り得られた場合、各選択パターンに対して1000名を割り当てる。割り当てられた1000名は全員、その割り当てられた選択パターンにしたがって交通手段を選択するものと仮定する。これにより利用状況算出部112は、その仮定の下で各交通手段がどのように利用されるかについての状況を算出することができる。
利用状況算出部112は、人口データ170が記述している人口172を、ステップS401において仮算出された各選択パターンに対して均等に割り当てる。例えば都市T1の人口が10000名であり、ステップS401において都市T1内の個人が交通手段を選択するパターンが10通り得られた場合、各選択パターンに対して1000名を割り当てる。割り当てられた1000名は全員、その割り当てられた選択パターンにしたがって交通手段を選択するものと仮定する。これにより利用状況算出部112は、その仮定の下で各交通手段がどのように利用されるかについての状況を算出することができる。
(図4:ステップS403)
混雑度算出部113は、ステップS402において仮に各選択パターンに対して人口を割り当てた結果を前提として、各リンクの混雑度を算出する。各リンクの混雑度は、例えば均衡配分法などの一般的な交通量配分手法を用いて各リンクの交通量を求めることにより、算出することができる。
混雑度算出部113は、ステップS402において仮に各選択パターンに対して人口を割り当てた結果を前提として、各リンクの混雑度を算出する。各リンクの混雑度は、例えば均衡配分法などの一般的な交通量配分手法を用いて各リンクの交通量を求めることにより、算出することができる。
(図4:ステップS404)
評価部114は、ステップS403において算出された混雑度と、混雑度データ160が記述している当該リンクの混雑度との間の差分を求め、この差分が小さくなるように、ステップS401で求めた選択パターンとステップS402で求めた人口割当を変更してステップS402〜S403を繰り返す。上記差分が収束した(例えば差分が所定閾値以下になった)時点で繰り返し処理を終了し、その時点における選択パターンをモデルパラメータ190内に反映する。
評価部114は、ステップS403において算出された混雑度と、混雑度データ160が記述している当該リンクの混雑度との間の差分を求め、この差分が小さくなるように、ステップS401で求めた選択パターンとステップS402で求めた人口割当を変更してステップS402〜S403を繰り返す。上記差分が収束した(例えば差分が所定閾値以下になった)時点で繰り返し処理を終了し、その時点における選択パターンをモデルパラメータ190内に反映する。
(図4:ステップS404:補足)
本ステップにおける差分としては、混雑度データ160から読み出した各リンクの混雑度とステップS403において算出した各リンクの混雑度との間の差分の絶対値の平均値などを用いてもよいし、その他の指標を利用してもよい。差分が小さくなるように選択パターンと人口割当を変更する際の具体的な変化量は、例えば遺伝的アルゴリズムなどのような探索手法を用いて決定してもよいし、その他任意の手法を用いて決定してもよい。
本ステップにおける差分としては、混雑度データ160から読み出した各リンクの混雑度とステップS403において算出した各リンクの混雑度との間の差分の絶対値の平均値などを用いてもよいし、その他の指標を利用してもよい。差分が小さくなるように選択パターンと人口割当を変更する際の具体的な変化量は、例えば遺伝的アルゴリズムなどのような探索手法を用いて決定してもよいし、その他任意の手法を用いて決定してもよい。
図5は、ステップS401の詳細を説明するフローチャートである。以下、図5の各ステップについて説明する。
(図5:ステップS501)
個人行動分析部111は、プローブパーソンデータ150内に含まれる各個人の移動履歴から、出発地(Origin)と到着地(Destination)を推定する。例えば、ある程度の長時間同じ場所に留まっている地点が目的地または到着地であると考え、これら地点間の移動を1つの交通行動として抽出する。本ステップにおける推定手法は、例えば四段階推定法において用いられる手法などを用いることができる。本ステップによる推定にともない、移動経路も併せて推定される。
個人行動分析部111は、プローブパーソンデータ150内に含まれる各個人の移動履歴から、出発地(Origin)と到着地(Destination)を推定する。例えば、ある程度の長時間同じ場所に留まっている地点が目的地または到着地であると考え、これら地点間の移動を1つの交通行動として抽出する。本ステップにおける推定手法は、例えば四段階推定法において用いられる手法などを用いることができる。本ステップによる推定にともない、移動経路も併せて推定される。
(図5:ステップS502)
個人行動分析部111は、交通容量データ180が記述しているノード間のリンクに関する情報を利用して、ステップS501において抽出した各交通行動の出発地・到着地間の経路を探索する。経路探索手法としては、任意の公知技術を用いることができる。本ステップにおいて複数の経路が得られた場合は、すべての経路を一時的に保持する。
個人行動分析部111は、交通容量データ180が記述しているノード間のリンクに関する情報を利用して、ステップS501において抽出した各交通行動の出発地・到着地間の経路を探索する。経路探索手法としては、任意の公知技術を用いることができる。本ステップにおいて複数の経路が得られた場合は、すべての経路を一時的に保持する。
(図5:ステップS503)
個人行動分析部111は、ステップS501において推定された移動経路とステップS502において得られた経路群を比較することにより、各個人が各交通手段を選択する傾向を、統計的確率として算出する。交通手段を選択する傾向のみならず、経路を選択する傾向を併せて算出してもよい。
個人行動分析部111は、ステップS501において推定された移動経路とステップS502において得られた経路群を比較することにより、各個人が各交通手段を選択する傾向を、統計的確率として算出する。交通手段を選択する傾向のみならず、経路を選択する傾向を併せて算出してもよい。
<実施の形態1:まとめ>
以上のように、本実施形態1に係る交通行動推定装置100は、個人データソース300から収集することができる限られたデータに基づき推定されるモデルパラメータ190を、プローブ200から収集される広域な測定データを用いて補間する。これにより、多数の調査担当者や携帯端末を準備しなくとも、各個人の交通行動パターンを表すモデルパラメータ190を、精度よく推定することができる。
以上のように、本実施形態1に係る交通行動推定装置100は、個人データソース300から収集することができる限られたデータに基づき推定されるモデルパラメータ190を、プローブ200から収集される広域な測定データを用いて補間する。これにより、多数の調査担当者や携帯端末を準備しなくとも、各個人の交通行動パターンを表すモデルパラメータ190を、精度よく推定することができる。
本実施形態1において生成されたモデルパラメータ190は、公共施設や商業施設の設置計画、不動産物件の価値算定などにおける基礎データとして活用することができる。例えば交通行動推定装置100に、各用途に向けたデータ出力機能を設けてもよい。
本実施形態1においては、スマートフォンなどの個人が携行する携帯端末からデータを収集する。データ収集部140または個人履歴算出部130は、スマートフォンがGPS情報や加速度センサの測定データを収集するためのアプリケーションを配布する機能を備えてもよい。同アプリケーションは、各個人が同アプリケーションを利用することを促すため、交通量情報や各個人の行動履歴を表示する機能を提供するように構成してもよい。さらに、プローブパーソンデータ150のうち少なくともいずれかの項目を入力するための機能を提供するように同アプリケーションを構成してもよい。
本実施形態1において、パーソンプローブデータ150は、当該都市内のゾーン数と人口に応じて、交通行動を推定するために十分なサンプル人数が異なる。また季節に応じて個人の行動の多様性が異なる場合が想定される。例えば、都市計画者が交通計画を立てる際の基礎データとしてパーソンプローブデータ150を活用する場合に、個人データソース300から収集するサンプル数を最小にすること目標とすることが考えられる。そこで交通行動推定装置100は、モデルパラメータ190を算出するために十分な個人データソース300のサンプル数を算出する機能を提供してもよい。
<実施の形態2>
本発明の実施形態2では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、新しい都市交通計画の効果をシミュレーションによって評価する構成例について説明する。交通行動推定装置100内に機能が追加されたことを除き、交通行動推定システムの構成は実施形態1と同様である。
本発明の実施形態2では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、新しい都市交通計画の効果をシミュレーションによって評価する構成例について説明する。交通行動推定装置100内に機能が追加されたことを除き、交通行動推定システムの構成は実施形態1と同様である。
図6は、本実施形態2に係る交通システムの構成図である。本交通システムは、交通行動推定装置100とサーバ640を有する。交通行動推定装置100は、実施形態1で説明した構成に加えて、利便性評価部620と交通計画部630を備える。これら機能部は後述するサーバ640内に設けることもできる。
交通計画部630は、既存の交通ネットワークに対して、道路、交差点、鉄道網などの新しい交通設備を追加するための計画を作成する機能部である。具体的な手法としては、交通計画を作成するための任意の公知技術を用いることができる。
利便性評価部620は、モデルパラメータ190と交通計画部630によって仮作成された仮想交通ネットワークの混雑度を推定することにより、新たに作成した交通計画による利便性の向上度合いや交通需要による利益を推定する。
サーバ640は、交通行動推定装置100が提供する機能を利用して交通計画を立案するための端末であり、プロセッサ641、メモリ650、記憶装置660、表示部642を備える。これらはバスによって互いに接続される。
プロセッサ641は、メモリ650が格納している各プログラムを実行する。以下では記載の便宜上、各プログラムを動作主体として説明する。メモリ650は、GUI(Graphical User Interface)プログラム651とデータ通信プログラム652を格納している。
データ通信プログラム652は、交通行動推定装置100が保持している交通容量データ180を取得して交通容量データ661として記憶装置660に格納する。また、利便性評価部620および交通計画部630による処理結果を受信する。GUIプログラム651は、交通容量データ661と地図データ662を表示部642上に表示し、画面上で交通ネットワークを編集または新規登録する機能を提供する。
記憶装置660は、交通行動推定装置100から取得した交通容量データ661と地図データ662を格納する。表示部642は、モニターやディスプレイなどによってデータを視覚的に表示する。
図7は、本実施形態2に係る交通システムの動作を説明するフローチャートである。実施形態1で説明したモデルパラメータ190を算出する処理は実施済であるものとする。以下、図7に示す各ステップについて説明する。
(図7:ステップS701)
GUIプログラム651は、交通容量データ661と地図データ662を参照して、都市内の交通ネットワークを地図として表示する。交通行動推定装置100の混雑度データ160をネットワーク経由により参照して、交通ネットワークと併せて表示してもよい。
GUIプログラム651は、交通容量データ661と地図データ662を参照して、都市内の交通ネットワークを地図として表示する。交通行動推定装置100の混雑度データ160をネットワーク経由により参照して、交通ネットワークと併せて表示してもよい。
(図7:ステップS702)
交通計画者などのユーザは、GUIプログラム651を利用して、道路の新設や鉄道の敷設などの交通計画を反映するように、地図を画面上で編集する。GUIプログラム651は、編集された結果を反映した交通ネットワークを一時的に保存する。
交通計画者などのユーザは、GUIプログラム651を利用して、道路の新設や鉄道の敷設などの交通計画を反映するように、地図を画面上で編集する。GUIプログラム651は、編集された結果を反映した交通ネットワークを一時的に保存する。
(図7:ステップS703)
データ通信プログラム652は、編集結果を反映した交通ネットワークを交通行動推定装置100に送信する。利便性評価部620は、編集後の交通ネットワークとモデルパラメータ190を利用して、各リンク上における交通量や交通機関の利便性を算出する。利便性評価の手法としては、一般的に利用されている四段階推計法を用いてもよいし、その他の交通量を推定する手法を用いてもよい。
データ通信プログラム652は、編集結果を反映した交通ネットワークを交通行動推定装置100に送信する。利便性評価部620は、編集後の交通ネットワークとモデルパラメータ190を利用して、各リンク上における交通量や交通機関の利便性を算出する。利便性評価の手法としては、一般的に利用されている四段階推計法を用いてもよいし、その他の交通量を推定する手法を用いてもよい。
(図7:ステップS704)
交通計画部630は、編集前の交通ネットワークから編集後の交通ネットワークに変更するにために要する費用を算出する。例えば、過去の施工実績データなどに基づき費用をシステマティックに計算することもできるし、各施工業者に対して見積もりを自動的に依頼しその結果に基づき計算してもよい。
交通計画部630は、編集前の交通ネットワークから編集後の交通ネットワークに変更するにために要する費用を算出する。例えば、過去の施工実績データなどに基づき費用をシステマティックに計算することもできるし、各施工業者に対して見積もりを自動的に依頼しその結果に基づき計算してもよい。
(図7:ステップS705)
利便性評価部620と交通計画部630の処理結果として、ユーザが入力した交通計画に関わる費用と、計画を実施した場合における都市交通の利便性を得ることができる。利便性評価部620または交通計画部630はさらに、費用と利便性の算出結果から、交通計画を評価する指標を算出してもよい。評価指標の例については後述する。利便性評価部620と交通計画部630は、これらの処理結果をサーバ640に対して出力する。データ通信プログラム652はこれを受け取り、表示部642上に表示する。
利便性評価部620と交通計画部630の処理結果として、ユーザが入力した交通計画に関わる費用と、計画を実施した場合における都市交通の利便性を得ることができる。利便性評価部620または交通計画部630はさらに、費用と利便性の算出結果から、交通計画を評価する指標を算出してもよい。評価指標の例については後述する。利便性評価部620と交通計画部630は、これらの処理結果をサーバ640に対して出力する。データ通信プログラム652はこれを受け取り、表示部642上に表示する。
図8Aは、ユーザがGUIプログラム651を利用して新規道路を設定する際の画面イメージを示す図である。ユーザは、新規交通計画(プロジェクト)を作成すると、交通容量データ661、地図データ662、および混雑度データ160(交通行動推定装置100から取得)を画面上に表示する。画面上の点線は渋滞が生じているリンクである。ユーザはこのような現況を考慮して、新しい道路を仮設定する(太線)。編集を終了すると、ユーザは右下の実行ボタンを押下する。データ通信プログラム652は編集結果を反映した交通ネットワークデータを交通行動推定装置100へ送信する。交通行動推定装置100は、利便性評価部620と交通計画部630それぞれの機能を実施する。
図8Bは、利便性評価部620と交通計画部630によって新たな交通路を評価した結果を示す画面イメージを示す図である。新規道路を追加することにより、渋滞リンクが消失している。画面右側には、当該交通計画を施工するために要する費用と、施工後の交通機関の利便性が表示されている。さらに、これらの費用と利便性に基づき利便性評価部620が算出した評価指標が表示されている。ユーザはこれら指標により、新規交通計画の有用性を評価することができる。
交通計画の評価指標の例として、NPV(Net Present Value: 純現在価値)、CBR(Cost Benefit Ratio: 費用便益比)、IRR(Internal Rate of Return:内部収益率)などが考えられる。NPVは、財源の制約を考えず、できるだけ効果の大きい交通計画を採用することを図る場合に用いる。CBRは、財源の制約を考え、できるだけ効率的な交通計画を採用することを図る場合に用いる。IRRは、事業採算性を重視する場合に用いる。
図9は、複数の新規交通計画の費用、利便性、評価指標を一覧表示する画面イメージを示す図である。利便性評価部620と交通計画部630は、これら指標の算出結果を記憶装置103に格納しておき、GUIプログラム651がこれを呼び出すことができる。このように、交通行動推定装置100が各交通計画の計算結果と編集結果を保持しておくことにより、各交通計画を微調整することができる。
<実施の形態2:まとめ>
以上のように、本実施形態2に係る交通システムは、モデル学習部110が算出したモデルパラメータ190を用いて交通計画の費用利便性を評価することができる。これにより、1週間〜1か月程度の間隔で交通計画を評価することができる。すなわち、従来は5〜10年おきに実施されていた都市交通計画の評価や設計をより高頻度に実施することができる。
以上のように、本実施形態2に係る交通システムは、モデル学習部110が算出したモデルパラメータ190を用いて交通計画の費用利便性を評価することができる。これにより、1週間〜1か月程度の間隔で交通計画を評価することができる。すなわち、従来は5〜10年おきに実施されていた都市交通計画の評価や設計をより高頻度に実施することができる。
<実施の形態3>
本発明の実施形態3では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即した交通規制を実施する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
本発明の実施形態3では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即した交通規制を実施する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
図10は、本実施形態3に係る交通システムの構成図である。本交通システムは、交通行動推定装置100とサーバ1000を有する。サーバ1000は、交通規制部1050に対して交通規制を実施するよう指示する装置であり、プロセッサ1010、メモリ1020、記憶装置1030、表示部1040を備える。これらはバスによって互いに接続される。表示部1040は、モニターやディスプレイなどを利用してデータを視覚的に表示する。
プロセッサ1010は、メモリ1020が格納している各プログラムを実行する。以下では記載の便宜上、各プログラムを動作主体として説明する。メモリ1020は、交通状況表示プログラム1021、規制情報編集プログラム1022、交通量予測プログラム1023、規制情報配信プログラム1024を格納している。交通量予測プログラム1023、規制情報配信プログラム1024は、交通行動推定装置100上に配置することもできる。
交通状況表示プログラム1021は、交通容量データ1032および混雑度データ160を交通行動推定装置100から取得し、これらと地図データ1033を統合して、表示部1040上で画面表示する。これによりユーザは、交通路の混雑状況を把握することができる。カメラによる映像情報や交通事故情報を重畳表示してもよい。
規制情報編集プログラム1022は、表示部1040上で新たな交通規制区間を仮設定して交通ネットワークに反映する。例えば、交通事故などが発生し、渋滞が発生した場合に、より深刻な広域な渋滞に発生しないようにある道路を通行禁止にする、などの新たな交通規制を仮設定する。
交通量予測プログラム1023は、交通行動推定装置100からダウンロードしたモデルパラメータ1031を用いて、規制情報編集プログラム1022が仮設定した交通規制を実施した場合における各交通路の交通量を予測する。ユーザはその予測結果に基づき、仮設定した交通規制の有用性を判断することができる。
規制情報配信プログラム1024は、規制情報編集プログラム1022が仮設定した交通規制情報を交通規制部1050に配信する。交通規制部1050は、受け取った交通規制情報に基づき交通規制を実施し、さらにその交通規制情報を情報掲示板やウェブサイトなどに配信する。交通規制を実際に実施する態様としては、例えば迂回サインを道路上の情報表示板上に表示する、規制情報配信プログラム1024が配信する情報にしたがって人手で規制する、などの態様が考えられる。
<実施の形態3:まとめ>
以上のように、本実施形態3に係る交通システムは、交通行動推定装置100が生成したモデルパラメータ190に基づき、交通規制の有用性をシミュレーションによって評価することができる。これにより、各個人の交通行動の実態に即した交通規制を実施することができる。
以上のように、本実施形態3に係る交通システムは、交通行動推定装置100が生成したモデルパラメータ190に基づき、交通規制の有用性をシミュレーションによって評価することができる。これにより、各個人の交通行動の実態に即した交通規制を実施することができる。
本実施形態3において、規制情報編集プログラム1022が新たな交通規制を設定する際に、過去に実施した交通規制に関する情報を参照する機能を設けてもよい。また、現在の交通状況と最も類似する過去の交通状況を検索し、その時点において実施した交通規制に関する情報を参照する機能を設けてもよい。
<実施の形態4>
図11は、本発明の実施形態4に係る交通システムの構成図である。本実施形態4に係る交通システムは、実施形態3で説明した構成に加えて、新たに事故検出プログラム1025を備える。その他の構成は実施形態3と同様である。事故検出プログラム1025は交通行動推定装置100上に配置することもできる。
図11は、本発明の実施形態4に係る交通システムの構成図である。本実施形態4に係る交通システムは、実施形態3で説明した構成に加えて、新たに事故検出プログラム1025を備える。その他の構成は実施形態3と同様である。事故検出プログラム1025は交通行動推定装置100上に配置することもできる。
事故検出プログラム1025は、交通行動推定装置100からダウンロードした交通容量データ1032を利用して、急激な渋滞の発生を検知する。事故検出プログラム1025は、当該渋滞の発生を交通事故によるものと推定し、当該地点においては交通量の流出が低減するものと仮定する。交通量予測プログラム1023は、その仮定に基づいて今後の交通量を推定する。
ユーザは、表示部1040上で交通量予測プログラム1023が推定した交通量を参照し、規制情報編集プログラム1022を用いて交通規制を設定する。その後の動作は実施形態3と同様である。
本実施形態4に係る交通システムによれば、プローブ200から取得した交通容量データ180に基づき交通事故発生を検知することにより、深刻な渋滞が発生する前に交通規制を迅速に実施することができる。
<実施の形態5>
本発明の実施形態5では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即して信号切替間隔を設定する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
本発明の実施形態5では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即して信号切替間隔を設定する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
図12は、本実施形態5に係る交通システムの構成図である。本交通システムは、交通行動推定装置100とサーバ1000を有する。サーバ1000は、実施形態3〜4で説明した各プログラムに代えてまたはこれらに加えて、信号間隔設定プログラム1221、交通量予測プログラム1222、信号制御プログラム1223、情報配信プログラム1224を備える。これらプログラムは交通行動推定装置100上に配置することもできる。
信号間隔設定プログラム1221は、信号の切替間隔を設定する。切替間隔はユーザが手動で入力してもよいし、事前に設定された複数のパラメータのなかからユーザがいずれか1つを選択するようにしてもよい。
交通量予測プログラム1222は、信号間隔設定プログラム1221によって設定された信号間隔と、交通行動推定装置100から取得したモデルパラメータ1031および交通容量データ1032に基づき、例えば1時間程度先の将来における交通量を予測する。
ユーザは、交通量予測プログラム1222が推定した交通量に基づき、現在の渋滞を解消することができる信号間隔を採用する。信号制御プログラム1223は、信号システム1230に対して、信号間隔設定プログラム1221が設定した信号間隔を反映するための制御信号を送信する。
情報配信プログラム1224は、現在の交通状況に関する情報を情報掲示システム1240に対して配信する。情報掲示システム1240は、情報配信プログラム1224から受け取った交通状況に関する情報を、道路上の情報掲示板やインターネット上の情報掲示板ウェブサイトなどへ配信する。このとき、利用者が分かりやすいようなフォーマットに変換してもよい。
信号システム1230は、信号制御プログラム1223から受信した制御信号を用いて信号機を制御し、制御情報を信号制御プログラム1223に対して送信する。
<実施の形態5:まとめ>
以上のように、本実施形態5に係る交通システムは、交通行動推定装置100が生成したモデルパラメータ190に基づき、信号切替間隔を変更することによる影響をシミュレーションによって評価することができる。これにより、交通行動の実態に基づく信号制御を実施することができる。本実施形態5は、実施形態3〜4と併用することもできる。
以上のように、本実施形態5に係る交通システムは、交通行動推定装置100が生成したモデルパラメータ190に基づき、信号切替間隔を変更することによる影響をシミュレーションによって評価することができる。これにより、交通行動の実態に基づく信号制御を実施することができる。本実施形態5は、実施形態3〜4と併用することもできる。
<実施の形態6>
本発明の実施形態6では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即して課金額を設定する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
本発明の実施形態6では、実施形態1に係る交通行動推定システムによって得られたモデルパラメータ190を利用して、交通行動の実態に即して課金額を設定する構成例について説明する。交通行動推定システムの構成は実施形態1と同様である。
図13は、本実施形態6に係る交通システムの構成図である。本交通システムは、交通行動推定装置100とサーバ640を有する。交通行動推定装置100は、実施形態1〜2で説明した構成に加えて、課金効果予測部1320を備える。課金効果予測部1320はサーバ640上に設けることもできる。
課金効果予測部1320は、交通容量データ180が記述している課金区間と課金額、およびモデルパラメータ190を利用して、当該課金区間における交通量を推定する。課金効果予測部1320は、目的地に到着するまでに必要な料金と時間のどちらが交通機関を選択する際に重視されやすいのかをパラメータとして交通量を推定する。これにより、課金エリア内の交通需要を正しく推定することができる。
図14Aは、ユーザ(例えば交通計画作成者)がGUIプログラム651を利用して課金エリアを設定する画面イメージを示す図である。ユーザが新たな道路課金計画(プロジェクト)を作成すると、GUIプログラム651は交通容量データ661、地図データ662、混雑度データ160を画面上に表示する。点線は渋滞リンクを表している。ユーザはこのような現況を考慮して、新しい道路の課金エリアを設定する(図内の矩形)。ユーザは、当該課金エリアに対して課金する時間帯や料金を設定すると、右下の実行ボタンを押下する。データ通信プログラム652は編集結果を反映した交通ネットワークデータを交通行動推定装置100へ送信する。交通行動推定装置100は、課金効果予測部1320の機能を実行する。
図14Bは、課金効果予測部1320によって新たな交通路を評価した結果を示す画面イメージを示す図である。新規課金エリアを設定することにより、渋滞リンクが消失している。画面右側には、当該交通計画を施工するために要する費用と、施工後の課金による収入を加味した交通機関の利便性が表示されている。さらに、これらの費用と利便性に基づき利便性評価部620が算出した評価指標が表示されている。ユーザはこれら指標により、新規課金エリアの有用性を評価することができる。
<実施の形態6:まとめ>
以上のように、本実施形態6に係る交通システムは、モデル学習部110が算出したモデルパラメータ190を用いて道路課金の効果を予測することができる。これにより、都市内の交通行動の実態に即して道路課金計画を評価することができる。本実施形態6は、実施形態2と併用して、課金エリアと新規交通路を組み合わせた交通計画を評価することもできる。
以上のように、本実施形態6に係る交通システムは、モデル学習部110が算出したモデルパラメータ190を用いて道路課金の効果を予測することができる。これにより、都市内の交通行動の実態に即して道路課金計画を評価することができる。本実施形態6は、実施形態2と併用して、課金エリアと新規交通路を組み合わせた交通計画を評価することもできる。
<実施の形態7>
図15は、本発明の実施形態7に係る交通システムの構成図である。本実施形態7に係る交通システムは、実施形態6で説明した構成に加えて、課金サーバ1500を有する。課金サーバ1500は、課金エリアを通過した車両に対して動的に課金する装置であり、プロセッサ1510、メモリ1520、補助記憶装置1530を備える。これらはバスによって互いに接続される。
図15は、本発明の実施形態7に係る交通システムの構成図である。本実施形態7に係る交通システムは、実施形態6で説明した構成に加えて、課金サーバ1500を有する。課金サーバ1500は、課金エリアを通過した車両に対して動的に課金する装置であり、プロセッサ1510、メモリ1520、補助記憶装置1530を備える。これらはバスによって互いに接続される。
プロセッサ1510は、メモリ1520が格納している各プログラムを実行する。以下では記載の便宜上、各プログラムを動作主体として説明する。メモリ1520は、課金プログラム1521と課金車両検知プログラム1522を格納している。
課金車両検知プログラム1522は、車両が課金エリア内を走行していることを検知する。例えば、カーナビやスマートフォンに搭載されたGPS情報を収集することによって課金エリア内を走行する車両を検知する。その他、例えばカメラ画像を用いて車両を検出してもよいし、近距離無線通信を利用して検出してもよい。
課金プログラム1521は、課金車両検知プログラム1522が検出した車両のユーザを、記憶装置1530が格納している顧客データ1532を参照することにより特定し、当該ユーザが保有している金融機関口座から、課金プログラム1531が指定した料金を徴収する。
記憶装置1530は、サーバ640からダウンロードした課金エリアデータ1531、交通容量データ1533、顧客データ1532を格納している。課金エリアデータ1531は、交通容量データ180が記述しているデータのうち、課金対象となるリンク、課金額、課金時間帯などを抽出したデータを保持する。顧客データ1532は、顧客を一意に識別するIDと、金融機関の口座番号などの料金を徴収するために必要な情報とを関連付けて保持している。
<実施の形態7:まとめ>
以上のように、本実施形態7に係る交通システムにおいて、課金効果予測部1320が評価した課金エリアのなかから最適な課金エリアを課金サーバ1500に送信し、課金サーバ1500は、当該課金エリア内を走行する車両に対して適切な料金を徴収する。これにより、交通利用状況の実態に即して動的に課金エリアを変更することができる。
以上のように、本実施形態7に係る交通システムにおいて、課金効果予測部1320が評価した課金エリアのなかから最適な課金エリアを課金サーバ1500に送信し、課金サーバ1500は、当該課金エリア内を走行する車両に対して適切な料金を徴収する。これにより、交通利用状況の実態に即して動的に課金エリアを変更することができる。
本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。上記実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることもできる。また、ある実施形態の構成に他の実施形態の構成を加えることもできる。また、各実施形態の構成の一部について、他の構成を追加・削除・置換することもできる。
上記各構成、機能、処理部、処理手段等は、それらの一部や全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、SSD(Solid State Drive)等の記録装置、ICカード、SDカード、DVD等の記録媒体に格納することができる。
100:交通行動推定装置、110:モデル学習部、120:混雑度算出部、130:個人履歴算出部、140:データ収集部、150:プローブパーソンデータ、160:混雑度データ、170:人口データ、180:交通容量データ、190:モデルパラメータ、200:プローブ、300:個人データソース。
Claims (11)
- 地点間を連結する交通路の混雑度指標を取得する交通状況取得部、
個人が交通手段を利用した履歴を取得する個人履歴取得部、
前記地点における人口と前記交通路の交通容量を記述した制約条件データを格納する記憶部、
前記個人履歴取得部が取得した履歴を統計処理することにより前記個人が前記地点間を移動するために利用する交通手段の選択パターンを推定する個人行動分析部、
前記地点における人口を前記選択パターン毎に仮配分し、各前記選択パターンに割り当てられた全人口が割り当てられた前記選択パターンにしたがって前記交通手段を利用したと仮定した場合における前記交通手段の利用状況を算出する利用状況算出部、
前記利用状況算出部が算出した前記交通手段の利用状況を各前記交通路に対して配分することにより各前記交通路の混雑度指標を算出する混雑度算出部、
前記混雑度算出部が算出した混雑度指標と前記交通状況取得部が取得した混雑度指標との間の差分が所定基準値以下になるまで、前記選択パターンまたは前記選択パターン毎に仮配分する人口を変更して前記利用状況算出部と前記混雑度算出部の処理を繰り返すことにより、前記個人履歴取得部が取得した前記履歴を前記交通状況取得部が取得した混雑度指標に応じて補間し、その結果を前記記憶部に格納する評価部、
を備えることを特徴とする交通行動推定システム。 - 請求項1において、
前記交通状況取得部は、公共交通機関に搭載されたGPSを用いて前記交通路の混雑度指標を取得し、
前記個人履歴取得部は、前記個人が保有する携帯端末に搭載されたGPSまたは加速度センサを用いて前記履歴を取得する
を備えることを特徴とする交通行動推定システム。 - 請求項2において、
前記個人履歴取得部は、前記GPSまたは前記加速度センサが取得した情報を収集するアプリケーションプログラムを前記個人が保有する携帯端末に対して配信し、
前記アプリケーションプログラムは、前記個人が交通手段を利用した日時、座標、交通手段の種類、または利用目的のうち少なくともいずれかを入力するインターフェースを提供するように構成されている
ことを特徴とする交通行動推定システム。 - 請求項1記載の交通行動推定システム、
前記制約条件データが記述している前記交通路に加えて新たな交通路を追加したと仮定した場合における前記交通路の混雑度指標の変化と、前記新たな交通路を追加した後における前記交通路の利便性とを、前記評価部による前記補間の結果に基づき評価する、利便性評価部、
前記利便性評価部による評価結果に基づき前記新たな交通路を追加するために要する費用と時間を見積もる交通計画部、
前記交通計画部による前記見積もりの結果を出力する出力部、
を備えることを特徴とする交通システム。 - 請求項1記載の交通行動推定システム、
前記交通路における交通を規制したと仮定した場合における前記交通路の交通量を前記評価部による前記補間の結果に基づき算出する交通量予測部、
前記交通量予測部による算出結果を出力する出力部、
前記交通量予測部が仮定した前記規制にしたがって前記交通路における交通を規制する交通規制部、
を備えることを特徴とする交通システム。 - 請求項5において、
前記記憶部は、前記交通規制部が過去に実施した交通規制計画と、そのときの前記交通路の交通量とを記述したデータを格納しており、
前記交通量予測部は、前記交通量予測部が算出した前記交通路の交通量と、前記記憶部が格納している過去の前記交通路の交通量との間の類似度を算出し、
前記出力部は、前記交通量予測部が算出した類似度のうち最も高いものに対応する過去の前記交通規制計画を出力する
ことを特徴とする交通システム。 - 請求項5において、
前記交通システムは、前記交通状況取得部が取得した前記交通路の混雑度指標に基づき前記交通路において交通事故が発生したことを検出する事故検出部を備え、
前記出力部は、前記事故検出部が検出した交通事故についての情報を出力する
ことを特徴とする交通システム。 - 請求項1記載の交通行動推定システム、
前記交通路における信号切替間隔を変更したと仮定した場合における前記交通路の交通量を前記評価部による前記補間の結果に基づき算出する交通量予測部、
前記交通量予測部による算出結果を出力する出力部、
前記交通量予測部が仮定した前記信号切替間隔にしたがって前記交通路における信号切替間を変更する信号制御部、
を備えることを特徴とする交通システム。 - 請求項8において、
前記交通システムは、前記交通路の交通量を示す情報を配信する情報配信部を備える
ことを特徴とする交通システム。 - 請求項1記載の交通行動推定システム、
前記交通路における課金額を変更したと仮定した場合における前記交通路の交通量を前記評価部による前記補間の結果に基づき算出する課金効果予測部、
前記課金効果予測部による算出結果を出力する出力部、
前記課金効果予測部が仮定した前記課金額にしたがって前記交通路における課金額を変更する課金部、
を備えることを特徴とする交通システム。 - 請求項10において、
前記交通システムは、前記課金部が課金を実施する課金エリアを車両が走行したことを検出する課金車両検出部を備え、
前記記憶部は、前記課金部が課金を実施する対象者の口座識別情報を格納しており、
前記課金部は、前記課金エリアを車両が走行したことを前記課金車両検出部が検出すると、その車両の所有者の口座を前記講座識別情報にしたがって特定し、その口座に対して課金する
ことを特徴とする交通システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/067067 WO2014203391A1 (ja) | 2013-06-21 | 2013-06-21 | 交通行動推定システム、交通システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6055916B2 true JP6055916B2 (ja) | 2016-12-27 |
JPWO2014203391A1 JPWO2014203391A1 (ja) | 2017-02-23 |
Family
ID=52104153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015522452A Active JP6055916B2 (ja) | 2013-06-21 | 2013-06-21 | 交通行動推定システム、交通システム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6055916B2 (ja) |
WO (1) | WO2014203391A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102063496B1 (ko) * | 2018-07-31 | 2020-02-11 | 허성식 | 통행량과 통행인원 파악을 통한 예상 혼잡지표 산출시스템 |
CN112016735A (zh) * | 2020-07-17 | 2020-12-01 | 厦门大学 | 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质 |
KR20220003445A (ko) * | 2020-07-01 | 2022-01-10 | 한양대학교 에리카산학협력단 | 교통수단 추정 장치 및 교통수단 추정 방법 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6632071B2 (ja) * | 2016-12-21 | 2020-01-15 | Kddi株式会社 | 移動軌跡に応じて地図上の経路を推定するプログラム、装置及び方法 |
EP3690843A4 (en) | 2017-09-29 | 2020-08-12 | Fujitsu Limited | ESTIMATE PROGRAM, ESTIMATE DEVICE, AND ESTIMATE METHOD |
JP7205197B2 (ja) * | 2018-11-29 | 2023-01-17 | 日本電気株式会社 | 交通量調査装置、交通量調査方法、プログラム |
JPWO2023013449A1 (ja) * | 2021-08-05 | 2023-02-09 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008146549A (ja) * | 2006-12-13 | 2008-06-26 | Toyota Central R&D Labs Inc | 運転支援装置、マップ生成装置、及びプログラム |
JP2009134770A (ja) * | 2002-06-27 | 2009-06-18 | Navigation Technol Corp | 市場調査情報を収集する方法 |
WO2012096063A1 (ja) * | 2011-01-14 | 2012-07-19 | 三菱重工業株式会社 | 交通流シミュレーション装置、交通流シミュレーションプログラム、及び交通流シミュレーション方法 |
JP2012141953A (ja) * | 2010-11-09 | 2012-07-26 | Ntt Docomo Inc | モバイルネットワーク内のモバイル動作データ及び/又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 |
-
2013
- 2013-06-21 JP JP2015522452A patent/JP6055916B2/ja active Active
- 2013-06-21 WO PCT/JP2013/067067 patent/WO2014203391A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009134770A (ja) * | 2002-06-27 | 2009-06-18 | Navigation Technol Corp | 市場調査情報を収集する方法 |
JP2008146549A (ja) * | 2006-12-13 | 2008-06-26 | Toyota Central R&D Labs Inc | 運転支援装置、マップ生成装置、及びプログラム |
JP2012141953A (ja) * | 2010-11-09 | 2012-07-26 | Ntt Docomo Inc | モバイルネットワーク内のモバイル動作データ及び/又は地理的情報を使用する人口追跡、計数、及び移動推定のためのシステム及び方法 |
WO2012096063A1 (ja) * | 2011-01-14 | 2012-07-19 | 三菱重工業株式会社 | 交通流シミュレーション装置、交通流シミュレーションプログラム、及び交通流シミュレーション方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102063496B1 (ko) * | 2018-07-31 | 2020-02-11 | 허성식 | 통행량과 통행인원 파악을 통한 예상 혼잡지표 산출시스템 |
KR20220003445A (ko) * | 2020-07-01 | 2022-01-10 | 한양대학교 에리카산학협력단 | 교통수단 추정 장치 및 교통수단 추정 방법 |
KR102464174B1 (ko) | 2020-07-01 | 2022-12-15 | 한양대학교 에리카산학협력단 | 교통수단 추정 장치 및 교통수단 추정 방법 |
CN112016735A (zh) * | 2020-07-17 | 2020-12-01 | 厦门大学 | 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质 |
CN112016735B (zh) * | 2020-07-17 | 2023-03-28 | 厦门大学 | 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2014203391A1 (ja) | 2017-02-23 |
WO2014203391A1 (ja) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6055916B2 (ja) | 交通行動推定システム、交通システム | |
Sun et al. | Travel time estimation based on piecewise truncated quadratic speed trajectory | |
CN101960500B (zh) | 行驶信息创建装置、行驶信息创建方法和程序 | |
Cui et al. | Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin | |
US20180122228A1 (en) | Traffic Prediction and Real Time Analysis System | |
US10515549B1 (en) | Method, apparatus, and computer program product for evaluating public transportation use | |
Xie et al. | Modelling the effects of road pricing on traffic using ERP traffic data | |
JP6235266B2 (ja) | 交通システム | |
CN107949873A (zh) | 旅行时间数据调整装置、旅行时间数据调整方法以及程序 | |
Allström et al. | Traffic management for smart cities | |
JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
JP2019028526A (ja) | 混雑予測装置 | |
Noulas et al. | Developing and deploying a taxi price comparison mobile app in the wild: Insights and challenges | |
Jonker et al. | Modeling trip-length distribution of shopping center trips from GPS data | |
Su et al. | Understanding the impact of temporal scale on human movement analytics | |
US11825383B2 (en) | Method, apparatus, and computer program product for quantifying human mobility | |
Tian et al. | Identifying residential and workplace locations from transit smart card data | |
Chang et al. | Data challenges in development of a regional assignment: simulation model to evaluate transit signal priority in Chicago | |
JP6678476B2 (ja) | 移動経路推定装置、及び移動経路推定方法 | |
JP6709715B2 (ja) | 移動開始終了情報に基づき通行量を推定する装置、プログラム及び方法 | |
Jihua et al. | A calculation method and its application of bus isochrones | |
WO2016031326A1 (ja) | 交通シミュレーション装置、交通シミュレーションシステム | |
Costanzo et al. | Gps sensing systems and fuzzy rules to improve urban navigation assistance and planning | |
Ka et al. | Leveraging location-based data for assessing network-level traffic impact of lane management: A case study of Alex Fraser Bridge | |
US20220205799A1 (en) | Method, apparatus, and computer program product for determining benefit of restricted travel lane |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20161115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161205 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6055916 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |