JP6055916B2 - 交通行動推定システム、交通システム - Google Patents

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。

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。 モデルパラメータ１９０の構成とデータ例を示す図である。 人口データ１７０の構成と具体例を示す図である。 交通容量データ１８０の構成とデータ例を示す図である。 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。 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。 混雑度データ１６０の構成とデータ例を示す図である。 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。 ステップＳ４０１の詳細を説明するフローチャートである。 実施形態２に係る交通システムの構成図である。 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。 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。 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。 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。 実施形態３に係る交通システムの構成図である。 実施形態４に係る交通システムの構成図である。 実施形態５に係る交通システムの構成図である。 実施形態６に係る交通システムの構成図である。 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。 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。 実施形態７に係る交通システムの構成図である。

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。

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。

（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。

（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。

（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。

（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。

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。

（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。

（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。

＜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。

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。

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。

（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。

（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。

（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。

（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。

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。

＜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。

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。

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。

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。

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。

＜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。

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。

＜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。

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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。

Images