JP6314656B2 - 道路交通需要予測装置及び道路交通需要予測方法 - Google Patents
道路交通需要予測装置及び道路交通需要予測方法 Download PDFInfo
- Publication number
- JP6314656B2 JP6314656B2 JP2014107165A JP2014107165A JP6314656B2 JP 6314656 B2 JP6314656 B2 JP 6314656B2 JP 2014107165 A JP2014107165 A JP 2014107165A JP 2014107165 A JP2014107165 A JP 2014107165A JP 6314656 B2 JP6314656 B2 JP 6314656B2
- Authority
- JP
- Japan
- Prior art keywords
- traffic demand
- road traffic
- road
- zone
- prediction unit
- 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
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、道路交通需要予測装置及び道路交通需要予測方法に関する。
従来から、道路交通需要を予測するためには、道路交通需要データベースと共に、天候、イベント等の環境状況を表すグローバルコンテキストを利用するもの、または、業務・公共車両運行計画を利用するものがあった。このような技術の公知のものとしては、例えば、特許文献１に記載の経路演算装置がある。
しかしながら、上記した特許文献１に記載の発明は、過去の道路交通データ、将来のグローバルコンテキスト（複数の人員に共通した環境、比較的広い特定の地域等に係る情報）及び業務車両や公共車両の運行計画（業務・公共車両運行計画）を考慮して道路交通需要予測を求めている。ただし、特許文献１に記載の発明は、一般車の将来挙動を考慮していない。一般車の将来挙動は、道路交通の状態を決定する重要な因子である。
即ち、一般車両の道路交通需要は、同じグローバルコンテキスト下でも、グローバルコンテキストに係る人員よりも少数の人員に共通した環境、あるいはグローバルコンテキストに係る地域よりも人員が少数の組織に係るパーソナルコンテキストによって変動する。小さな道路交通需要の変動であっても、全体的な道路交通量が飽和状態に達すると渋滞が発生する。公知の道路交通需要予測は、一般車両に関する道路交通量の変動を因子として考慮していないため、渋滞発生の予測について十分な精度を得ることができない。
本発明は、上記した点に鑑みてなされたものであり、道路交通需要予測に道路交通の状態の重要な因子である一般車の将来挙動を取り込み、道路交通需要予測の精度を向上させることを目的とする。
本発明は、上記した点に鑑みてなされたものであり、道路交通需要予測に道路交通の状態の重要な因子である一般車の将来挙動を取り込み、道路交通需要予測の精度を向上させることを目的とする。
上記課題を解決するため、本発明の道路交通需要予測装置は、道路交通需要予測部を備える。道路交通需要予測部は、道路交通需要データベースから道路交通需要に係る道路交通需要データを取得し、複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキストを取得するグローバルコンテキストを取得し、個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストを取得する。そして、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。また、前記道路交通需要データ、前記グローバルコンテキスト及び前記予測行動を示す予測行動データを用い、道路交通需要を予測する。
本発明は、個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。そして、本発明は、道路交通需要データやグローバルコンテキストと共に、パーソナルコンテキストから推測された予測行動データを用いて道路交通需要を予測している。このため、本発明は、道路交通需要予測に道路交通の状態の重要な因子である一般車の将来挙動を取り込み、道路交通需要予測の精度を向上させることができる。
以下、本発明の道路交通需要予測装置、道路交通需要予測方法の実施形態を説明する。
［第１実施形態］
１．１ 道路交通需要予測装置の構成
図１は、第１実施形態の道路交通需要予測装置を含むシステムの構成を示す図である。図１に示したシステムは、道路交通需要予測装置１と、道路交通需要データベース２と、によって構成される。道路交通需要データベース２は、道路交通需要に係る道路交通需要データ１０３を蓄積している。
道路交通需要予測装置１は、パーソナルコンテキスト入力部１１、走行行動予測部１２及び道路交通需要予測部１３を備えている。また、道路交通需要予測部１３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
［第１実施形態］
１．１ 道路交通需要予測装置の構成
図１は、第１実施形態の道路交通需要予測装置を含むシステムの構成を示す図である。図１に示したシステムは、道路交通需要予測装置１と、道路交通需要データベース２と、によって構成される。道路交通需要データベース２は、道路交通需要に係る道路交通需要データ１０３を蓄積している。
道路交通需要予測装置１は、パーソナルコンテキスト入力部１１、走行行動予測部１２及び道路交通需要予測部１３を備えている。また、道路交通需要予測部１３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
グローバルコンテキスト１０１は、複数の人員に共通の環境あるいは特定の地域に係るコンテキスト（ひとまとまりの情報）である。第１実施形態では、グローバルコンテキストとして、例えば、天候に関する情報やイベントに関する情報を用いる。第１実施形態において、イベントに関するグローバルコンテキストは、例えば、イベントの内容、開催日時、曜日といった比較的多数の人員に共通の環境に関する。また、天候に関するグローバルコンテキストは、都道府県、市町村といった比較的広い特定の地域に関する。
業務・公共車両運行計画情報１０２は、業務車両及び公共車両の運行計画に係る情報である。第１実施形態では、業務車両を、所謂業務用自動車において、例えば、物品を輸送することに使用される車両を指す。また、第１実施形態では、所謂業務用自動車において、例えば、路線バスといった乗客の運送に使用される車両を公共車両と記す。道路交通需要データ１０３には、複数の人員の平均的な道路交通需要である平均道路交通需要データと、個人毎の平均的な道路交通需要である個人道路交通需データとが含まれる。
パーソナルコンテキストは、グローバルコンテキストに係る人員よりも少数の人員、あるいはグローバルコンテキストに係る地域よりも狭い地域に係るコンテキストである。第１実施形態では、パーソナルコンテキストとして、例えば、企業、団体及び自治体といった組織体、あるいは組織体に属する人員（構成員）に共通の環境に関する情報を使用する。
パーソナルコンテキストとしては、例えば、情報提供を承諾した個人、あるいは情報提供を承諾した組織体の情報、及び承諾不要で入手可能な公開情報の少なくとも一つを使用することができる。このとき、パーソナルコンテキスト入力部１１は、例えば、組織体のスケジュール及び組織体に属する構成員のスケジュールの少なくとも一方をパーソナルコンテキストとして取得することができる。また、パーソナルコンテキスト入力部１１は、例えば、情報提供サービスの会員のスケジュール及び会員がインターネット上で授受した情報の履歴の少なくとも一方をパーソナルコンテキストとして取得することができる。さらに、パーソナルコンテキスト入力部１１は、例えば、インターネット・クラウド・サービス上に流通している情報をパーソナルコンテキストとして取得することができる。
走行行動予測部１２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。道路交通需要予測部１３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１２によって予測された予測行動を示す予測行動情報１０４を使い、道路交通需要を予測する。
走行行動予測部１２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。道路交通需要予測部１３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１２によって予測された予測行動を示す予測行動情報１０４を使い、道路交通需要を予測する。
図２は、図１に示した道路交通需要予測装置１を、組織体及び組織体に属する構成員のスケジュールをパーソナルコンテキストとして使用する構成に適用した例を示している。図２に示した道路交通需要予測装置３は、移動予定抽出部２１、走行経路・時刻予測部２２、道路交通需要予測部１３を有している。なお、図２に示した道路交通需要予測部１３は、図１に示したように、アンテナ１４によってグローバルコンテキスト１０１、業務・公共車両運行計画情報１０２及び道路交通需要データ１０３を取得している（図２では図示を省く）。
図２に示した道路交通需要予測装置３において、移動予定抽出部２１は、予め情報提供を承諾した組織体のスケジュール及び組織体の構成員のスケジュールから移動予定情報２０２を抽出する。このとき、移動予定抽出部２１は、組織体のイントラネット上のアウトルック２０１を参照し、構成員移動予定情報２０３を生成する。構成員移動予定情報２０３は、走行経路・時刻予測部２２に出力される。
走行経路・時刻予測部２２は、住所データベース（Ｄ・Ｂ）２５から組織体の構成員の住所に関する住所情報２０７を取得する。また、走行経路・時刻予測部２２は、構成員移動履歴Ｄ・Ｂ２６と接続し、構成員の移動履歴情報２０４を取得する。なお、移動履歴情報２０４には、構成員のスケジュールにあるイベントの出発地、目的地、出発地から目的地へ向かう移動手段（交通モード：自動車、電車、飛行機、徒歩等）の情報が含まれている。
さらに、走行経路・時刻予測部２２は、道路ネットワークデータＤ・Ｂ２３から道路ネットワークに関するネットワーク情報２０５を取得し、ＰＯＩ（Point Of Interest）Ｄ・Ｂ２４から場所に関する場所情報２０６を取得している。ＰＯＩＤ・Ｂ２４は、例えば、構成員が任意に選択した場所に関する情報を蓄積するものであってもよい。また、構成員が過去に出発地、目的地、経由地とした場所に関する情報を蓄積するものであってもよい。
走行経路・時刻予測部２２は、各データベースから取得した情報と共に、構成員移動予定情報２０３を用いて走行経路・時刻を予測する。走行経路・時刻予測部２２は、予測の結果を使って走行経路・時刻予測結果に関する情報を生成し、予測行動情報１０４として出力する。
このとき、走行経路・時刻予測部２２は、パーソナルコンテキストの提供を承諾した一つ以上の組織体の情報を集約して道路交通需要予測を行うセンター機能を担う。このため、組織体の情報セキュリティの観点から、第１実施形態は、走行経路・時刻予測部２２として機能するコンピュータを組織体の内部に置いてもよい。そして、走行経路・時刻予測部２２は、走行経路・時刻予測結果を示す予測行動情報１０４を生成する工程を組織体の内部で行い、走行経路・時刻予測結果のみを道路交通需要予測部１３に出力することが考えられる。
上記した道路交通需要予測装置３において、走行経路・時刻予測部２２はパーソナルコンテキスト取得部に対応する。また、走行経路・時刻予測部２２は、走行行動予測部に対応する。道路交通需要予測部１３は、予測行動情報１０４を用いて道路交通需要予測を行う。
このとき、走行経路・時刻予測部２２は、パーソナルコンテキストの提供を承諾した一つ以上の組織体の情報を集約して道路交通需要予測を行うセンター機能を担う。このため、組織体の情報セキュリティの観点から、第１実施形態は、走行経路・時刻予測部２２として機能するコンピュータを組織体の内部に置いてもよい。そして、走行経路・時刻予測部２２は、走行経路・時刻予測結果を示す予測行動情報１０４を生成する工程を組織体の内部で行い、走行経路・時刻予測結果のみを道路交通需要予測部１３に出力することが考えられる。
上記した道路交通需要予測装置３において、走行経路・時刻予測部２２はパーソナルコンテキスト取得部に対応する。また、走行経路・時刻予測部２２は、走行行動予測部に対応する。道路交通需要予測部１３は、予測行動情報１０４を用いて道路交通需要予測を行う。
１．２ 道路交通需要予測方法
図３は、図２に示した道路交通需要予測装置１で行われる予測行動情報１０４を生成するための処理を説明するためのフローチャートを示す図である。図３に示したフローチャートを実行するプログラムは、汎用的なコンピュータ上で動作し、道路交通需要予測の処理を実行する。また、プログラムは、１つのコンピュータ上で動作するものであってもよいし、機能毎に異なる複数のコンピュータにインストールされ、共同して道路交通需要予測を行うものであってもよい。
図３は、図２に示した道路交通需要予測装置１で行われる予測行動情報１０４を生成するための処理を説明するためのフローチャートを示す図である。図３に示したフローチャートを実行するプログラムは、汎用的なコンピュータ上で動作し、道路交通需要予測の処理を実行する。また、プログラムは、１つのコンピュータ上で動作するものであってもよいし、機能毎に異なる複数のコンピュータにインストールされ、共同して道路交通需要予測を行うものであってもよい。
図２に示した移動予定抽出部２１は、アウトルック２０１の構成員スケジューラーの情報をパーソナルコンテキストとして入力する。走行経路・時刻予測部２２は、構成員スケジューラーに記録された各構成員（個人）の将来（例えば明日）のスケジュールの開始時刻、終了時刻、場所、内容を読み取る（ステップＳ３１）。そして、読み取ったスケジュールにおけるイベントの場所を目的地に設定する（ステップＳ３２）。
走行経路・時刻予測部２２は、ステップＳ３１において読み取ったスケジュールがその日の最初のスケジュールであるか否かを判断する（ステップＳ３３）。判断の結果、その日の最初のスケジュールであった場合には（ステップＳ３３:Ｙｅｓ）、出発地を自宅に設定する（ステップＳ３４）。また、ステップＳ３３の判断の結果、読み取ったスケジュールが最初のスケジュールでない場合（ステップＳ３３:Ｎｏ）、読み取ったスケジュールの一つ前のスケジュールの目的地を出発地に設定する（ステップＳ３５）。
次に、走行経路・時刻予測部２２は、構成員移動履歴Ｄ・Ｂ２６を検索する（ステップＳ３６）。そして、構成員移動履歴Ｄ・Ｂ２６にステップＳ３２で設定した目的地（Ｄ）とステップＳ３４またはステップＳ３５で設定した出発地（Ｏ）の組合せ（ペア）である設定ＯＤペアと同じＯＤペア（一致ＯＤペア）があるか否か判断する（ステップＳ３７）。ステップＳ３７の判断の結果、一致ＯＤペアが構成員移動履歴Ｄ・Ｂ２６にない場合（ステップＳ３７:Ｎｏ）、構成員移動履歴Ｄ・Ｂ２６を検索し（ステップＳ３８）、出発地、目的地、移動時間帯等の移動状況が類似した類似ＯＤペアがあるか否か判断する（ステップＳ３９）。構成員移動履歴Ｄ・Ｂ２６に類似ＯＤペアがない場合（ステップＳ３９:Ｎｏ）、走行経路・時刻予測部２２は、ステップＳ３１からステップＳ４２までの処理を、移動予定抽出部２１によって抽出された構成員の全てについて行った否か判断する（ステップＳ４３）。
ステップＳ３７において、一致ＯＤペアがあると判断した場合（ステップＳ３７:Ｙｅｓ）、またはステップＳ３９において類似ＯＤペアがあると判断した場合（ステップＳ３９:Ｙｅｓ）、走行経路・時刻予測部２２は、一致ＯＤペアまたは類似ＯＤペアに対応する道路交通モードが自動車であるか否かを判断する（ステップＳ４０）。ステップＳ４０の判断の結果、道路交通モードが自動車でない場合（ステップＳ４０:Ｎｏ）、走行経路・時刻予測部２２は、ステップＳ３１からステップＳ４２までの処理を、移動予定抽出部２１によって抽出された構成員の全てについて行った否か判断する（ステップＳ４３）。
ステップＳ４０において、一致ＯＤペアまたは類似ＯＤペアに対応する道路交通モードが自動車であると判断した場合（ステップＳ４０:Ｙｅｓ）、走行経路・時刻予測部２２は、スケジュールの開始時間と所定の余裕時間と、出発地と目的地との間を移動するのに必要な平均移動所有時間とから、移動開始時刻と終了時刻を設定する（ステップＳ４１）。そして、走行経路・時刻予測部２２は、設定した出発地、目的地、移動開始時刻、移動終了時刻、一致ＯＤペアまたは類似ＯＤペア間の経路の履歴（図中では「履歴ペアの経路」と記す）を予測行動情報１０４として出力する（ステップＳ４２）。
さらに、走行経路・時刻予測部２２は、ステップＳ３１からステップＳ４２までの処理を、移動予定抽出部２１によって抽出された構成員の全てについて行った否か判断する（ステップＳ４３）。判断の結果、走行経路・時刻予測部２２は、全ての構成員について処理が終了していると判断した場合（ステップＳ４３:Ｙｅｓ）、予測行動情報１０４生成の処理を終了する。また、処理が行われていない構成員が存在すると判断した場合、走行経路・時刻予測部２２は、ステップＳ３１において未処理の構成員のスケジュールを読み取る（ステップＳ３１）。
１．３ 道路交通需要予測部
図４は、図１、図２に示した道路交通需要予測部１３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図４中に示した記号または関数は、以下の因子を示す。
図４は、図１、図２に示した道路交通需要予測部１３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図４中に示した記号または関数は、以下の因子を示す。
道路交通需要予測部１３は、図１に示したグローバルコンテキスト（例えば、曜日、時刻、天候、イベントの内容等）１０１と、道路交通需要Ｄ・Ｂ２に蓄積されている道路交通需要データ１０３とから、グローバルコンテキストが示す環境における（以下、「グローバルコンテキストにおける」と記す）平均道路交通需要を抽出する（ステップＳ５１）。平均道路交通需要は、推計対象である明日のグローバルコンテキストにおける過去の平均道路交通需要を表す。
次に、道路交通需要予測部１３は、個人の将来的な走行経路・時刻予測結果を積算して総和をとり、個人の将来的な道路交通需要を集計する（ステップＳ５２）。個人の将来的な道路交通需要は、例えば、「明日」のグローバルコンテキストである曜日、時間、天候、イベント等に基づく個人の道路交通需要を表す。さらに、道路交通需要予測部１３は、図１に示した道路交通需要Ｄ・Ｂ２から、グローバルコンテキストにおける個人の平均道路交通需要を抽出する（ステップＳ５３）。個人の平均道路交通需要は、グローバルコンテキストにおける、個人の過去の平均道路交通需要を表す。
道路交通需要予測部１３は、グローバルコンテキストにおける個人の平均道路交通需要の変化と、平均道路交通需要の変化との関係性を予め把握しておく。このようにすることにより、道路交通需要予測部１３は、個人の将来的な道路交通需要、個人の平均道路交通需要、平均道路交通需要から、グローバルコンテキストにおける将来道路交通需要を推計する（ステップＳ５４）。将来道路交通需要を求める関数は、以下の式（１）によって与えられる。
［変形例］
本発明の第１実施形態は、以上説明した構成に限定されるものではない。以下、第１実施形態のパーソナルコンテキストを取得する変形例について説明する。なお、変形例の説明にあたり、第１実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。
本発明の第１実施形態は、以上説明した構成に限定されるものではない。以下、第１実施形態のパーソナルコンテキストを取得する変形例について説明する。なお、変形例の説明にあたり、第１実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。
・変形例１
図５は、第１実施形態の変形例１を説明するための図である。図５に示した変形例１の道路交通需要予測装置４は、移動予定抽出部２１、走行経路・時刻予測部２２、道路交通需要予測部１３、移動予定推定部５８を備えている。道路交通需要予測装置４は、予め情報提供を承諾した会員（道路交通情報提供サービス等の会員。以下、単に「会員」とする）のパーソナルスケジューラー５５やメールの履歴、インターネットの検索履歴、ＳＮＳのテキストの履歴から会員の移動予定を抽出し、走行行動を予測する。
移動予定抽出部２１は、会員のサービスアプリケーションがインストールされているスマートフォン等の個人情報機器（以下、「スマートフォン」と記す）上のパーソナルスケジューラー５５を参照する。そして、参照したパーソナルスケジューラー５５に記録されている情報から、会員の移動予定情報５０１を抽出する。
図５は、第１実施形態の変形例１を説明するための図である。図５に示した変形例１の道路交通需要予測装置４は、移動予定抽出部２１、走行経路・時刻予測部２２、道路交通需要予測部１３、移動予定推定部５８を備えている。道路交通需要予測装置４は、予め情報提供を承諾した会員（道路交通情報提供サービス等の会員。以下、単に「会員」とする）のパーソナルスケジューラー５５やメールの履歴、インターネットの検索履歴、ＳＮＳのテキストの履歴から会員の移動予定を抽出し、走行行動を予測する。
移動予定抽出部２１は、会員のサービスアプリケーションがインストールされているスマートフォン等の個人情報機器（以下、「スマートフォン」と記す）上のパーソナルスケジューラー５５を参照する。そして、参照したパーソナルスケジューラー５５に記録されている情報から、会員の移動予定情報５０１を抽出する。
移動予定推定部５８は、情報提供サービスの会員のスケジュール及び会員がインターネット上で授受した情報の履歴の少なくとも一方をパーソナルコンテキストとし、パーソナルコンテキストから会員の移動に関する予定を推定する。即ち、移動予定推定部５８は、会員がスマートフォンを使用して送受信したメール、インターネット、ＳＮＳ等インターネットでの情報５６の授受の履歴情報５０２から、移動行動に関するデータマイニングを行い、推定移動予定情報５０３を生成する。走行経路・時刻予測部２２は、会員移動履歴Ｄ・Ｂ５７と接続し、会員の移動履歴情報５０４を取得する。なお、移動履歴情報５０４には、会員のスケジュールにあるイベントの出発地、目的地、出発地から目的地へ向かう移動手段（交通モード：自動車、電車、飛行機、徒歩等）が含まれている。
さらに、走行経路・時刻予測部２２は、住所情報２０７、ネットワーク情報２０５、場所情報２０６を取得している。そして、走行経路・時刻予測部２２は、会員の走行経路、移動開始時刻と終了時刻を予測し、会員走行経路・時刻予測結果情報を生成し、予測行動情報１０４として道路交通需要予測部１３に出力する。
図６−１、図６−２は、変形例１の予測行動情報１０４を生成するための処理を説明するためのフローチャートを示す図である。図６−１に示すように、図５に示した移動予定抽出部２１は、パーソナルスケジューラー５５の情報をパーソナルコンテキストとして入力する。また、移動予定推定部５８は、履歴情報５０２から会員の移動行動を推定し、推定移動予定情報５０３を生成する（ステップＳ７１）。そして、推定された移動行動におけるイベントの場所を目的地に設定する（ステップＳ７２）。
図６−１、図６−２は、変形例１の予測行動情報１０４を生成するための処理を説明するためのフローチャートを示す図である。図６−１に示すように、図５に示した移動予定抽出部２１は、パーソナルスケジューラー５５の情報をパーソナルコンテキストとして入力する。また、移動予定推定部５８は、履歴情報５０２から会員の移動行動を推定し、推定移動予定情報５０３を生成する（ステップＳ７１）。そして、推定された移動行動におけるイベントの場所を目的地に設定する（ステップＳ７２）。
ここで、ステップＳ７１に示したサブルーチンの処理を、図６−２を使って説明する。図６−２に示したように、移動予定推定部５８は、会員のパーソナルスケジューラー５５から、各会員の将来（たとえば明日）のスケジュールの開始時刻、終了時刻、場所、内容を読み取る（ステップＳ７１１）。次に、メール、検索、ＳＮＳ等で授受された情報の履歴情報５０２から、移動行動に関するデータマイニングを行い（ステップＳ７１２）、移動行動を推定する（ステップＳ７１３）。移動予定推定部５８は、ステップＳ７１１において読み取った会員のパーソナルスケジュールと、ステップＳ７１３で推定した推定移動予定情報５０３が示す行動予定とを時系列にソートする（ステップＳ７１４）。ソートの結果得られたスケジュール等は、変形例１の推定移動予定情報５０３となる。
走行経路・時刻予測部２２は、推定移動予定情報５０３から、処理対象となるスケジュールがその日の最初のスケジュールか否かを判断し（ステップＳ７３）、その日の最初のスケジュールであった場合には（ステップＳ７３:Ｙｅｓ）、出発地を自宅に設定する（ステップＳ７４）。また、ステップＳ７３の判断の結果、読み取ったスケジュールが最初のスケジュールでない場合（ステップＳ７３:Ｎｏ）、走行経路・時刻予測部２２は、読み取ったスケジュールの一つ前のスケジュールの目的地を出発地に設定する（ステップＳ７５）。
次に、走行経路・時刻予測部２２は、会員移動履歴Ｄ・Ｂ２２を検索する（ステップＳ７６）。そして、会員移動履歴Ｄ・Ｂ２２にステップＳ７２で設定した目的地（Ｄ）とステップＳ７４またはステップＳ７５で設定した出発地（Ｏ）の組合せ（ペア）である設定ＯＤペアと同じ一致ＯＤペアがあるか否か判断する（ステップＳ７７）。ステップＳ７７の判断の結果、一致ＯＤペアが会員移動履歴Ｄ・Ｂ２２にない場合（ステップＳ７７:Ｎｏ）、会員移動履歴Ｄ・Ｂ２２を検索し（ステップＳ７８）、出発地、目的地、移動時間帯等の移動状況が類似した類似ＯＤペアがあるか否か判断する（ステップＳ７９）。会員移動履歴Ｄ・Ｂ２２に類似ＯＤペアがない場合（ステップＳ７９:Ｎｏ）、走行経路・時刻予測部２２は、ステップＳ７２からステップＳ８２までの処理を、移動予定抽出部２１によって抽出された会員の全てについて行った否か判断する（ステップＳ８３）。
ステップＳ７７において、一致ＯＤペアがあると判断した場合（ステップＳ７７:Ｙｅｓ）、またはステップＳ７９において類似ＯＤペアがあると判断した場合（ステップＳ７９:Ｙｅｓ）、走行経路・時刻予測部２２は、一致ＯＤペアまたは類似ＯＤペアに対応する道路交通モードが自動車であるか否かを判断する（ステップＳ８０）。ステップＳ８０の判断の結果、道路交通モードが自動車でない場合（ステップＳ８０:Ｎｏ）、走行経路・時刻予測部２２は、ステップＳ７２からステップＳ８２までの処理を、移動予定抽出部２１によって抽出された会員の全てについて行った否か判断する（ステップＳ８３）。
ステップＳ８０において、一致ＯＤペアまたは類似ＯＤペアに対応する道路交通モードが自動車であると判断した場合（ステップＳ８０:Ｙｅｓ）、走行経路・時刻予測部２２は、スケジュールの開始時間と所定の余裕時間と、出発地と目的地との間を移動するのに必要な平均移動所有時間とから、移動開始時刻と終了時刻を設定する（ステップＳ８１）。そして、走行経路・時刻予測部２２は、設定した出発地、目的地、移動開始時刻、移動終了時刻、一致ＯＤペアまたは類似ＯＤペア間の経路の履歴（図中では「履歴ペアの経路」と記す）を予測行動情報１０４として出力する（ステップＳ８２）。
さらに、走行経路・時刻予測部２２は、ステップＳ７２からステップＳ８２までの処理を、移動予定抽出部２１によって抽出された会員の全てについて行った否か判断する（ステップＳ８３）。判断の結果、走行経路・時刻予測部２２は、全ての会員について処理が終了していると判断した場合（ステップＳ８３:Ｙｅｓ）、予測行動情報１０４生成の処理を終了する。また、処理が行われていない会員が存在すると判断した場合（ステップＳ８３：Ｎｏ）、走行経路・時刻予測部２２は、ステップＳ７１において未処理の会員のスケジュールを読み取る（ステップＳ７１）。
・変形例２
図７は、第１実施形態の変形例２を説明するための図である。図７に示した変形例２の道路交通需要予測装置５は、移動予定抽出部２１、走行経路・時刻予測部２２、道路交通需要予測部１３、移動予定推定部７８を備えている。移動予定推定部７８は、インターネット・クラウド・サービス７９上に流通している情報をパーソナルコンテキストとし、パーソナルコンテキストから人員の移動に関する予定を推定する。
図７は、第１実施形態の変形例２を説明するための図である。図７に示した変形例２の道路交通需要予測装置５は、移動予定抽出部２１、走行経路・時刻予測部２２、道路交通需要予測部１３、移動予定推定部７８を備えている。移動予定推定部７８は、インターネット・クラウド・サービス７９上に流通している情報をパーソナルコンテキストとし、パーソナルコンテキストから人員の移動に関する予定を推定する。
変形例２では、インターネット上に流通している情報から人々（組織体や会等の所属に依らない複数の個人）の移動行動を推定する。移動予定推定部７８は、ＳＮＳメッセージ７０１、ブログメッセージ７０２、検索履歴７０３等のインターネット上で入手可能な情報をインターネット・クラウド・サービス７９から取得する。また、移動予定推定部７８は、ＧＰＳ（Global Positioning System）等の測位部７１から移動予定を推定する対象者の位置・移動情報７０６を収集する。なお、位置・移動情報７０６は、道路交通需要予測装置５に対して自身の位置情報を提供した者（情報提供者）の現在地や、現在地の位置を時刻に対応付けて記録した移動情報を含む。
移動予定推定部７８は、ＳＮＳメッセージ７０１、ブログメッセージ７０２、検索履歴７０３からデータマイニングによって人々が移動に関して興味を持っている事象に関する情報を抽出する。そして、抽出した情報から人々の今後の移動に関する行動を推定する。推定した結果から、移動予定推定部７８は、推定移動予定情報７０５を作成して走行経路・時刻予測部２２に出力する。
走行経路・時刻予測部２２は、一般移動履歴Ｄ・Ｂ７７と接続し、情報提供を許諾した個人の移動履歴情報７０４を取得する。なお、移動履歴情報７０４には、個人が過去に行った移動の出発地、目的地、出発地から目的地へ向かう移動手段（交通モード：自動車、電車、飛行機、徒歩等）が含まれている。
走行経路・時刻予測部２２は、一般移動履歴Ｄ・Ｂ７７と接続し、情報提供を許諾した個人の移動履歴情報７０４を取得する。なお、移動履歴情報７０４には、個人が過去に行った移動の出発地、目的地、出発地から目的地へ向かう移動手段（交通モード：自動車、電車、飛行機、徒歩等）が含まれている。
さらに、走行経路・時刻予測部２２は、住所情報２０７、ネットワーク情報２０５、場所情報２０６を取得している。そして、走行経路・時刻予測部２２は、個人の走行経路、移動開始時刻と終了時刻を予測し、個人走行経路・時刻予測結果情報を生成し、予測行動情報１０４として道路交通需要予測部１３に出力する。
道路交通需要予測部１３は、個人の走行経路、移動開始時刻と終了時刻を推測して得られる個人走行経路・時刻予測結果情報を使って道路交通需要を予測する。このため、第１実施形態は、パーソナルコンテキストから一般車の将来挙動を取り込むことができ、道路交通需要の予測精度を高めることができる。
道路交通需要予測部１３は、個人の走行経路、移動開始時刻と終了時刻を推測して得られる個人走行経路・時刻予測結果情報を使って道路交通需要を予測する。このため、第１実施形態は、パーソナルコンテキストから一般車の将来挙動を取り込むことができ、道路交通需要の予測精度を高めることができる。
［第２実施形態］
２．１ 道路交通需要予測装置の構成
以下、本発明の第２実施形態を説明する。第２実施形態の説明において、第１実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第２実施形態の道路交通需要予測装置は、道路交通需要予測を行う対象となる対象地域を対象地域より小さい小領域（以下、「走行ゾーン」と記すに分割し、走行ゾーン毎に予測を行うものである。
２．１ 道路交通需要予測装置の構成
以下、本発明の第２実施形態を説明する。第２実施形態の説明において、第１実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第２実施形態の道路交通需要予測装置は、道路交通需要予測を行う対象となる対象地域を対象地域より小さい小領域（以下、「走行ゾーン」と記すに分割し、走行ゾーン毎に予測を行うものである。
図８は、第２実施形態の道路交通需要予測装置６を含むシステムを示した図である。道路交通需要予測装置６は、パーソナルコンテキスト入力部１１、走行行動予測部８２及び走行ゾーン別道路交通需要予測部８３を備えている。また、走行ゾーン別道路交通需要予測部８３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
走行行動予測部８２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。第２実施形態では、走行行動予測部８２が、構成員が今後走行すると考えられる道路と、道路を走行する時刻とを予測し、予測結果を示す将来走行経路・時刻予測結果情報１１４（予測行動情報１０４に相当）を生成する。
走行行動予測部８２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。第２実施形態では、走行行動予測部８２が、構成員が今後走行すると考えられる道路と、道路を走行する時刻とを予測し、予測結果を示す将来走行経路・時刻予測結果情報１１４（予測行動情報１０４に相当）を生成する。
走行ゾーン別道路交通需要予測部８３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部８２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１１４を使い、走行ゾーン毎に道路交通需要予測を行う。
図９（ａ）、（ｂ）は、走行ゾーン別道路交通需要予測部８３が、対象地域を走行ゾーンに分割することを説明するための図である。走行ゾーン別道路交通需要予測部８３は、図９（ａ）に示すように、対象地域を格子状に走行ゾーンに分割する。または、走行ゾーン別道路交通需要予測部８３は、図９（ｂ）に示すように、対象地域を行政界に準じて走行ゾーンに分割している。
図９（ａ）、（ｂ）は、走行ゾーン別道路交通需要予測部８３が、対象地域を走行ゾーンに分割することを説明するための図である。走行ゾーン別道路交通需要予測部８３は、図９（ａ）に示すように、対象地域を格子状に走行ゾーンに分割する。または、走行ゾーン別道路交通需要予測部８３は、図９（ｂ）に示すように、対象地域を行政界に準じて走行ゾーンに分割している。
２．２ 道路交通需要予測方法
図１０は、図８に示した道路交通需要予測装置６の走行ゾーン別道路交通需要予測部８３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図１０中に示した記号または関数は、以下の因子を示す。
図１０は、図８に示した道路交通需要予測装置６の走行ゾーン別道路交通需要予測部８３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図１０中に示した記号または関数は、以下の因子を示す。
走行ゾーン別道路交通需要予測部８３は、走行行動予測部８２が出力した将来走行経路・時刻予測結果情報１１４を入力する。将来走行経路・時刻予測結果情報１１４は、走行ゾーン毎に生成されている。そして、走行ゾーン別道路交通需要予測部８３は、個人の将来的な走行経路・時刻予測結果を走行ゾーン毎に積算して走行ゾーン毎の総和をとり、個人の将来的な道路交通需要を集計する（ステップＳ９１）。そして、走行ゾーン別道路交通需要予測部８３は、処理対象となる走行ゾーンｉと時間帯Ｔとを抽出する（ステップＳ９２）。
走行ゾーン別道路交通需要予測部８３は、グローバルコンテキスト１０１を入力し、道路交通需要Ｄ・Ｂ２からステップＳ９２で抽出した走行ゾーンｉ及び時間帯Ｔのグローバルコンテキストにおける平均道路交通需要を抽出する（ステップＳ９３）。続いて、走行ゾーン別道路交通需要予測部８３は、道路交通需要Ｄ・Ｂ２からステップＳ９２で抽出した走行ゾーンｉ及び時間帯Ｔのグローバルコンテキストにおける構成員の平均道路交通需要を抽出する（ステップＳ９４）。
走行ゾーン別道路交通需要予測部８３は、後述する方法によって走行ゾーンの構成員の影響の大きさを求め、走行ゾーンの構成員の影響の大きさを、予め定めたランクＡ、ランクＢ、ランクＣのいずれかに振り分ける（ステップＳ９５）。
走行ゾーンｉの構成員の影響の大きさがランクＡに該当する場合、走行ゾーン別道路交通需要予測部８３は、関数ｆＡを使って将来道路交通需要を推計する（ステップＳ９６）。また、走行ゾーン別道路交通需要予測部８３は、走行ゾーンｉの構成員の影響の大きさがランクＢに該当する場合に関数ｆＢを使って将来道路交通需要を推計し（ステップＳ９７）し、走行ゾーンｉの構成員の影響の大きさがランクＣに該当する場合に関数ｆＣを使って将来道路交通需要を推計する（ステップＳ９８）。関数ｆＡ、関数ｆＢ、関数ｆＣは、式（１）において重み付け係数αの値が異なる式で表される。
走行ゾーンｉの構成員の影響の大きさがランクＡに該当する場合、走行ゾーン別道路交通需要予測部８３は、関数ｆＡを使って将来道路交通需要を推計する（ステップＳ９６）。また、走行ゾーン別道路交通需要予測部８３は、走行ゾーンｉの構成員の影響の大きさがランクＢに該当する場合に関数ｆＢを使って将来道路交通需要を推計し（ステップＳ９７）し、走行ゾーンｉの構成員の影響の大きさがランクＣに該当する場合に関数ｆＣを使って将来道路交通需要を推計する（ステップＳ９８）。関数ｆＡ、関数ｆＢ、関数ｆＣは、式（１）において重み付け係数αの値が異なる式で表される。
第２実施形態では、影響ランクが中程度（例えばランクＢ）の場合、相対的に値が小さい重み付け係数を有する関数（例えば関数ｆＢ）を使って将来道路交通需要を推計する。また、影響ランクが相対的に高い（例えばランクＡ）場合、相対的に値が大きい重み付け係数を有する関数（例えば関数ｆＡ）を使って将来道路交通需要を推計する。さらに、第２実施形態では、影響ランクが相対的に低い（例えばランクＣ）場合、相対的に値が小さい重み付け係数（例えば「０」）を有する関数（例えば関数ｆＣ）を使って将来道路交通需要を推計する。
図１１は、図８に示した走行ゾーン別道路交通需要予測部８３が、走行ゾーン毎に対象者の道路交通需要が道路交通需要全体に与える影響の大きさを評価する方法を説明するための表である。図１１に示した表の行は走行ゾーンを示し、列は走行ゾーンに対応する組織体数（工場、事業所、官公庁等の数）、組織体の構成員の合計人数、構成員の自宅数、ＰＯＩ数（第２実施形態では、観光地やイベント会場等非日常的なＰＯＩだけではなく、商業施設、病院、官公庁窓口等の日常的な立ち寄り先を含む）、幹線道路の長さ、一般道の道路長さ、交差点数等（道路属性）を計数し、走行ゾーンの道路交通需要が平均道路交通需要に与える影響をランキング評価する。
なお、第２実施形態では、影響の大きさを３つのレベルに設定し、各レベルを「×」、「○」、「◎」で表している。例えば、図１１中に示した「×」は最も影響が小さいレベルを示し、「◎」は最も影響が大きいレベルを示し、「○」は「×」よりも大きく、「◎」よりも影響が小さいレベルを示す。走行ゾーン別道路交通需要予測部８３は、「×」、「○」、「◎」を走行ゾーン毎に集計し、走行ゾーンの影響ランク（第２実施形態ではＡ、Ｂ、Ｃ）を決定する。
第２実施形態は、図１１に示したパラメータ（走行ゾーン毎の組織体の数、組織体の構成員の数、構成員の移動に係る出発地の数、ＰＯＩの数、道路属性）の全てを使って個人の道路交通需要の影響の程度を評価するものに限定されない。第２実施形態は、このようなパラメータの少なくとも１つを使って個人の道路交通需要の影響の程度を評価するものであればよい。
［第３実施形態］
３．１ 道路交通需要予測装置の構成
以下、本発明の第３実施形態を説明する。第３実施形態の説明において、第１実施形態、第２実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第３実施形態の道路交通需要予測装置は、道路交通需要Ｄ・Ｂ２から抽出される走行ゾーン毎の平均道路交通需要余裕及び個人の平均道路交通需要とパーソナルコンテキストから予測される個人の将来的な道路交通需要とを用いて、将来道路交通渋滞を推計するものである。
３．１ 道路交通需要予測装置の構成
以下、本発明の第３実施形態を説明する。第３実施形態の説明において、第１実施形態、第２実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第３実施形態の道路交通需要予測装置は、道路交通需要Ｄ・Ｂ２から抽出される走行ゾーン毎の平均道路交通需要余裕及び個人の平均道路交通需要とパーソナルコンテキストから予測される個人の将来的な道路交通需要とを用いて、将来道路交通渋滞を推計するものである。
図１２は、第３実施形態の道路交通需要予測装置７を含むシステムを示している。道路交通需要予測装置７は、パーソナルコンテキスト入力部１１、走行行動予測部１２２及び走行ゾーン別道路交通需要・渋滞予測部１２３を備えている。走行ゾーン別道路交通需要・渋滞予測部１２３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
走行行動予測部１２２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。第３実施形態では、走行行動予測部１２２が、構成員が今後走行すると考えられる道路と、道路を走行する時刻とを予測し、予測結果を示す将来走行経路・時刻予測結果情報１１４を生成する。
走行ゾーン別道路交通需要・渋滞予測部１２３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１２２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１１４を使い、走行ゾーン毎に道路交通需要及び渋滞の予測を行っている。
走行ゾーン別道路交通需要・渋滞予測部１２３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１２２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１１４を使い、走行ゾーン毎に道路交通需要及び渋滞の予測を行っている。
２．２ 道路交通需要・渋滞予測方法
図１３は、図１２に示した道路交通需要予測装置７の走行ゾーン別道路交通需要・渋滞予測部１２３が実行する道路交通需要・渋滞予測の処理のフローチャートを示した図である。なお、図１３中に示した記号または関数は、以下の因子を示す。
図１３は、図１２に示した道路交通需要予測装置７の走行ゾーン別道路交通需要・渋滞予測部１２３が実行する道路交通需要・渋滞予測の処理のフローチャートを示した図である。なお、図１３中に示した記号または関数は、以下の因子を示す。
走行ゾーン別道路交通需要・渋滞予測部１２３は、グローバルコンテキスト１０１と道路交通需要データベース２から取得した道路交通需要データ１０３とから、グローバルコンテキスト１０１における構成員の走行ゾーンｉ、時間帯ｋの平均道路交通需要を抽出する（ステップＳ１３１）。次に、走行ゾーン別道路交通需要・渋滞予測部１２３は、道路交通需要データ１０３を使って集計した平均道路交通需要余裕から、グローバルコンテキスト１０１における走行ゾーンｉ、時間帯ｋの平均道路交通需要余裕データを抽出する（ステップＳ１３２）。なお、第３実施形態では、抽出された平均道路交通需要余裕データを蓄積し、平均道路交通需要余裕データＤ・Ｂ１２４を作成する。
平均道路交通需要余裕は、平均的な道路交通需要に対して、どの程度道路交通需要が増加すると渋滞が発生するかという、渋滞発生までに受容可能な道路交通需要の大きさを表す。
平均道路交通需要余裕は、平均的な道路交通需要に対して、どの程度道路交通需要が増加すると渋滞が発生するかという、渋滞発生までに受容可能な道路交通需要の大きさを表す。
次に、走行ゾーン別道路交通需要・渋滞予測部１２３は、構成員の将来走行経路・時刻予測結果情報１１４から、翌日の構成員の走行ゾーンｉ、時間帯ｋの道路交通需要を抽出する（ステップＳ１３３）。続いて、走行ゾーン別道路交通需要・渋滞予測部１２３は、翌日に相当する過去の構成員の走行ゾーンｉ、時間帯ｋの道路交通需要の平均値を道路交通需要Ｄ・Ｂ２から取得する。そして、翌日の構成員の走行ゾーンｉ、時間帯ｋの道路交通需要と翌日の構成員の走行ゾーンｉ、時間帯ｋの道路交通需要の平均値との差分（較差）を算出する（ステップＳ１３４）。さらに、走行ゾーン別道路交通需要・渋滞予測部１２３は、ステップＳ１３４で算出した較差と、平均道路交通需要余裕とを比較する（ステップS１３５）。
ステップS１３５の比較の結果、平均道路交通需要余裕より較差が小さい場合には（ステップＳ１３５：Ｎｏ）、渋滞が発生しないと予測される。このとき、走行ゾーン別道路交通需要・渋滞予測部１２３は、ステップＳ１３７に進んで以上の処理を全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて終了したか否か判断する（ステップＳ１３７）。全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて処理が終了したと判断した場合（ステップＳ１３７：Ｙｅｓ）、走行ゾーン別道路交通需要・渋滞予測部１２３は、全ての処理を終了する。
一方、ステップＳ１３５において平均道路交通需要余裕より較差が大きい場合には（ステップＳ１３５:Ｙｅｓ）、渋滞が発生することが予測される。このため、走行ゾーン別道路交通需要・渋滞予測部１２３は、較差と平均道路交通需要余裕との差を計算し（ステップＳ１３６）、較差と平均道路交通需要余裕との差を走行ゾーンｉ、時間帯ｋの渋滞の程度の予測値として出力する（ステップＳ１３６）。走行ゾーン別道路交通需要・渋滞予測部１２３は、以上の処理を全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて終了したか否か判断する（ステップＳ１３７）。そして、走行ゾーン別道路交通需要・渋滞予測部１２３は、全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて処理が終了した場合には全ての処理を終了し（ステップＳ１３７：Ｙｅｓ）、処理が終了していない場合には（ステップＳ１３７：Ｎｏ）、ステップＳ１３１に戻って次の処理を実行する。
図１４は、走行ゾーン別道路交通需要・渋滞予測部１２３が走行ゾーン毎の平均道路交通需要余裕データベース１２４を作成する手順を説明するためのフローチャートである。
なお、図１４中に示した記号または関数は、以下の因子を示す。
なお、図１４中に示した記号または関数は、以下の因子を示す。
走行ゾーン別道路交通需要・渋滞予測部１２３は、道路交通需要データベース２から、グローバルコンテキストにおける走行ゾーンｉ、時間帯ｋの道路交通需要を抽出する（ステップＳ１４１）。次に、複数の走行ゾーンｉ、複数の時間帯ｋの道路交通需要（以下、「データ群」とも記す）の平均値を算出する（ステップＳ１４２）。次に、走行ゾーン別道路交通需要・渋滞予測部１２３は、データ群の最大値を算出する（ステップＳ１４３）。ステップＳ１４３で算出された最大値は、飽和道路交通流量となり、飽和道路交通流量以上の道路交通需要があると渋滞が発生すると考えられる。
さらに、走行ゾーン別道路交通需要・渋滞予測部１２３は、データ群の平均値と最大値の差を算出する（ステップＳ１４４）。ステップＳ１４４において算出したデータ群の平均値と最大値の差は、グローバルコンテキストにおける走行ゾーンｉ、時間帯ｋの平均道路交通需要余裕となる。走行ゾーン別道路交通需要・渋滞予測部１２３は、平均道路交通需要余裕を平均道路交通需要余裕Ｄ・Ｂ１２４に書き込む（ステップＳ１４５）。
走行ゾーン別道路交通需要・渋滞予測部１２３は、全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて処理が終了したか否か判断する（ステップＳ１４６）。処理が終了している場合には全ての処理を終了し（ステップＳ１４６：Ｙｅｓ）、処理が終了していない場合には（ステップＳ１４６：Ｎｏ）、ステップＳ１４１に戻って次の処理を実行する。
走行ゾーン別道路交通需要・渋滞予測部１２３は、全グローバルコンテキストｇ、全走行ゾーンｉ、全時間帯ｋについて処理が終了したか否か判断する（ステップＳ１４６）。処理が終了している場合には全ての処理を終了し（ステップＳ１４６：Ｙｅｓ）、処理が終了していない場合には（ステップＳ１４６：Ｎｏ）、ステップＳ１４１に戻って次の処理を実行する。
［第４実施形態］
４．１ 道路交通需要予測装置の構成
以下、本発明の第４実施形態を説明する。第４実施形態の説明において、第１実施形態から第３実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第４実施形態の道路交通需要予測装置は、道路交通需要予測を行う対象となる対象地域を道路とし、道路を道路リンクに分割し、道路リンク毎に予測を行うものである。なお、第４実施形態では、道路を分岐点で分割し、分割した道路（道路区間）の各々を「道路リンク」と記す。
４．１ 道路交通需要予測装置の構成
以下、本発明の第４実施形態を説明する。第４実施形態の説明において、第１実施形態から第３実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第４実施形態の道路交通需要予測装置は、道路交通需要予測を行う対象となる対象地域を道路とし、道路を道路リンクに分割し、道路リンク毎に予測を行うものである。なお、第４実施形態では、道路を分岐点で分割し、分割した道路（道路区間）の各々を「道路リンク」と記す。
図１５は、第４実施形態の道路交通需要予測装置８を含むシステムを示している。道路交通需要予測装置８は、パーソナルコンテキスト入力部１１、走行行動予測部１５２及び道路リンク別道路交通需要予測部１５３を備えている。また、道路リンク別道路交通需要予測部１５３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
走行行動予測部１５２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。第４実施形態では、走行行動予測部１５２が、構成員が今後走行すると考えられる道路と、道路を走行する時刻とを予測し、予測結果を示す将来走行経路・時刻予測結果情報１５４を生成する。
道路リンク別道路交通需要予測部１５３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１５２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１５４を使い、道路リンク毎に道路交通需要を予測する。
道路リンク別道路交通需要予測部１５３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１５２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１５４を使い、道路リンク毎に道路交通需要を予測する。
４．２ 道路交通需要予測方法
図１６は、図１５に示した道路交通需要予測装置８の道路リンク別道路交通需要予測部１５３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図１６中に示した記号または関数は、以下の因子を示す。
図１６は、図１５に示した道路交通需要予測装置８の道路リンク別道路交通需要予測部１５３が実行する道路交通需要予測の処理のフローチャートを示した図である。なお、図１６中に示した記号または関数は、以下の因子を示す。
道路リンク別道路交通需要予測部１５３は、走行行動予測部１５２が出力した将来走行経路・時刻予測結果情報１５４を入力する。将来走行経路・時刻予測結果情報１５４は、道路リンク毎に生成されている。そして、道路リンク別道路交通需要予測部１５３は、個人の将来的な走行経路・時刻予測結果を道路リンク毎に積算して道路リンク毎の総和をとり、個人の将来的な道路交通需要を集計する（ステップＳ１６１）。そして、道路リンク別道路交通需要予測部１５３は、処理対象となる道路リンクｉと時間帯Ｔとを抽出する（ステップＳ１６２）。
道路リンク別道路交通需要予測部１５３は、グローバルコンテキストを入力し、道路交通需要Ｄ・Ｂ２からステップＳ１６２で抽出した道路リンクｉ及び時間帯Ｔのグローバルコンテキストにおける平均道路交通需要を抽出する（ステップＳ１６３）。続いて、道路リンク別道路交通需要予測部１５３は、道路交通需要Ｄ・Ｂ２からステップＳ１６２で抽出した道路リンクｉ及び時間帯Ｔのグローバルコンテキストにおける構成員の平均道路交通需要を抽出する（ステップＳ１６４）。
道路リンク別道路交通需要予測部１５３は、後述する方法によって道路リンクの構成員の影響の大きさを求め、道路リンクの構成員の影響の大きさを、予め定めたランクＡ、ランクＢ、ランクＣのいずれかに振り分ける（ステップＳ１６５）。
道路リンク別道路交通需要予測部１５３は、後述する方法によって道路リンクの構成員の影響の大きさを求め、道路リンクの構成員の影響の大きさを、予め定めたランクＡ、ランクＢ、ランクＣのいずれかに振り分ける（ステップＳ１６５）。
道路リンクの構成員の影響の大きさがランクＡに該当する場合、道路リンク別道路交通需要予測部１５３は、関数ｆＡを使って将来道路交通需要を推計する（ステップＳ１６６）。また、道路リンク別道路交通需要予測部１５３は、道路リンクの構成員の影響の大きさがランクＢに該当する場合に関数ｆＢを使って将来道路交通需要を推計し（ステップＳ１６７）、道路リンクの構成員の影響の大きさがランクＣに該当する場合に関数ｆＣを使って将来道路交通需要を推計する（ステップＳ１６８）。関数ｆＡ、関数ｆＢ、関数ｆＣは、式（１）において重み付け係数αの値が異なる式で表される。
第４実施形態では、影響ランクが中程度（例えばランクＢ）の場合、相対的に値が小さい重み付け係数を有する関数（例えば関数ｆＢ）を使って将来道路交通需要を推計する。また、影響ランクが相対的に高い（例えばランクＡ）場合、相対的に値が大きい重み付け係数を有する関数（例えば関数ｆＡ）を使って将来道路交通需要を推計する。さらに、第４実施形態では、影響ランクが相対的に低い（例えばランクＣ）場合、ランクＢの重み付け係数よりも小さい重み付け係数（例えば「０」）を有する関数（例えば関数ｆＣ）を使って将来道路交通需要を推計する。
図１７は、図１５に示した道路リンク別道路交通需要予測部１５３が、道路リンク毎に対象者の道路交通需要が全体需要に与える影響の大きさを評価する方法を説明するための表である。図１７に示した表の行は道路リンクを示し、列は道路リンクに対応する組織体数（工場、事業所、官公庁等の数）、組織体の構成員の合計人数、構成員の自宅数、ＰＯＩ数（第４実施形態では、観光地やイベント会場等非日常的なＰＯＩだけではなく、商業施設、病院、官公庁窓口等の日常的な立ち寄り先を含む）、幹線道路の長さ、一般道の道路長さ、交差点数等を計数し、道路リンクの道路交通需要が平均道路交通需要に与える影響をランキング評価する。
第４実施形態では、影響の大きさを３つのレベルに設定し、各レベルを「×」、「○」、「◎」で表している。例えば、図１７中に示した「×」は最も影響が小さいレベルを示し、「◎」は最も影響が大きいレベルを示し、「○」は「×」よりも大きく、「◎」よりも影響が小さいレベルを示す。道路リンク別道路交通需要予測部１５３は、「×」、「○」、「◎」を道路リンク毎に集計し、道路リンクの影響ランク（第４実施形態ではＡ、Ｂ、Ｃ）を決定する。
なお、第４実施形態は、図１７に示したパラメータ（走行ゾーン毎の組織体の数、組織体の構成員の数、構成員の移動に係る出発地の数、ＰＯＩの数、道路属性）の全てを使って個人の道路交通需要の影響の程度を評価するものに限定されない。第４実施形態は、このようなパラメータの少なくとも１つを使って個人の道路交通需要の影響の程度を評価するものであればよい。
なお、第４実施形態は、図１７に示したパラメータ（走行ゾーン毎の組織体の数、組織体の構成員の数、構成員の移動に係る出発地の数、ＰＯＩの数、道路属性）の全てを使って個人の道路交通需要の影響の程度を評価するものに限定されない。第４実施形態は、このようなパラメータの少なくとも１つを使って個人の道路交通需要の影響の程度を評価するものであればよい。
［第５実施形態］
５．１ 道路交通需要予測装置の構成
以下、本発明の第５実施形態を説明する。第５実施形態の説明において、第１実施形態から第４実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第５実施形態の道路交通需要予測装置は、道路交通需要Ｄ・Ｂ２から抽出される道路リンク毎の平均道路交通需要余裕及び個人の平均道路交通需要とパーソナルコンテキスト１０１から予測される個人の将来的な道路交通需要とを用いて、将来道路交通渋滞を推計するものである。
５．１ 道路交通需要予測装置の構成
以下、本発明の第５実施形態を説明する。第５実施形態の説明において、第１実施形態から第４実施形態で説明した構成と同様の構成については同様の符号を付し、その説明を一部略す。第５実施形態の道路交通需要予測装置は、道路交通需要Ｄ・Ｂ２から抽出される道路リンク毎の平均道路交通需要余裕及び個人の平均道路交通需要とパーソナルコンテキスト１０１から予測される個人の将来的な道路交通需要とを用いて、将来道路交通渋滞を推計するものである。
図１８は、第５実施形態の道路交通需要予測装置９を含むシステムを示している。第５実施形態の道路交通需要予測装置９は、パーソナルコンテキスト入力部１１、走行行動予測部１５２及び道路リンク別道路交通需要・渋滞予測部１８３を備えている。道路リンク別道路交通需要・渋滞予測部１８３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。
走行行動予測部１５２は、パーソナルコンテキストから個人が車両を走行させる際の走行行動を予測する。第５実施形態では、走行行動予測部１５２が、構成員が今後走行すると考えられる道路と、道路を走行する時刻とを予測し、予測結果を示す将来走行経路・時刻予測結果情報１５４（予測行動情報１０４に相当）を生成する。
道路リンク別道路交通需要・渋滞予測部１８３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１５２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１５４を使い、道路リンク毎に道路交通需要及び渋滞の予測を行っている。
道路リンク別道路交通需要・渋滞予測部１８３は、道路交通需要データ、グローバルコンテキスト１０１及び走行行動予測部１５２によって予測された将来走行経路・時刻予測結果を示す将来走行経路・時刻予測結果情報１５４を使い、道路リンク毎に道路交通需要及び渋滞の予測を行っている。
５．２ 道路交通需要・渋滞予測方法
図１９は、図１８に示した道路交通需要予測装置９の道路リンク別道路交通需要・渋滞予測部１８３が実行する道路交通需要・渋滞予測の処理のフローチャートを示した図である。なお、図１９中に示した記号または関数は、以下の因子を示す。
図１９は、図１８に示した道路交通需要予測装置９の道路リンク別道路交通需要・渋滞予測部１８３が実行する道路交通需要・渋滞予測の処理のフローチャートを示した図である。なお、図１９中に示した記号または関数は、以下の因子を示す。
道路リンク別道路交通需要・渋滞予測部１８３は、グローバルコンテキストと道路交通需要データベース２から取得した道路交通需要データ１０３とから、グローバルコンテキストにおける構成員の道路リンクｉ、時間帯ｋの平均道路交通需要を抽出する（ステップＳ１９１）。次に、道路リンク別道路交通需要・渋滞予測部１８３は、道路交通需要データ１０３を使って集計した平均道路交通需要余裕から、グローバルコンテキストにおける道路リンクｉ、時間帯ｋの平均道路交通需要余裕データを抽出する（ステップＳ１９２）。なお、第５実施形態では、抽出された平均道路交通需要余裕データを蓄積し、平均道路交通需要余裕データＤ・Ｂ１８４を作成する。
平均道路交通需要余裕は、平均的な道路交通需要に対して、どの程度道路交通需要が増加すると渋滞が発生するかという、渋滞発生までに受容可能な道路交通需要の大きさを表す。
平均道路交通需要余裕は、平均的な道路交通需要に対して、どの程度道路交通需要が増加すると渋滞が発生するかという、渋滞発生までに受容可能な道路交通需要の大きさを表す。
次に、道路リンク別道路交通需要・渋滞予測部１８３は、構成員の将来走行経路・時刻予測結果情報１５４から、翌日の構成員の道路リンクｉ、時間帯ｋの道路交通需要を抽出する（ステップＳ１９３）。続いて、道路リンク別道路交通需要・渋滞予測部１８３は、過去の翌日に相当する日の構成員の道路リンクｉ、時間帯ｋの道路交通需要の平均値を道路交通需要Ｄ・Ｂ２から取得する。そして、翌日の構成員の道路リンクｉ、時間帯ｋの道路交通需要と翌日の構成員の道路リンクｉ、時間帯ｋの道路交通需要の平均値との差分（較差）を算出する（ステップＳ１９４）。さらに、道路リンク別道路交通需要・渋滞予測部１８３は、ステップＳ１９４で算出した較差と、平均道路交通需要余裕とを比較する（ステップＳ１９５）。
ステップＳ１９５の比較の結果、平均道路交通需要余裕より較差が小さい場合には（ステップＳ１９５：Ｎｏ）、渋滞が発生しないと予測される。このとき、道路リンク別道路交通需要・渋滞予測部１８３は、ステップＳ１９７に進んで以上の処理を全グローバルコンテキストｇ、全道路リンクｉ、全時間帯ｋについて終了したか否か判断する（ステップＳ１９７）。全グローバルコンテキストｇ、全道路リンクｉ、全時間帯ｋについて処理が終了したと判断した場合（ステップＳ１９７：Ｙｅｓ）、道路リンク別道路交通需要・渋滞予測部１８３は、全ての処理を終了する。
一方、ステップＳ１９５において平均道路交通需要余裕より較差が大きい場合には（ステップＳ１９５:Ｙｅｓ）、渋滞が発生することが予測される。このため、道路リンク別道路交通需要・渋滞予測部１８３は、較差と平均道路交通需要余裕との差を計算し（ステップＳ１９６）、較差と平均道路交通需要余裕との差を道路リンクｉ、時間帯ｋの渋滞の程度の予測値として出力する（ステップＳ１９６）。道路リンク別道路交通需要・渋滞予測部１８３は、以上の処理を全道路リンクｉ、全時間帯ｋについて終了したか否か判断する（ステップＳ１９７）。そして、道路リンク別道路交通需要・渋滞予測部１８３は、全道路リンクｉ、全時間帯ｋについて処理が終了した場合には全ての処理を終了し（ステップＳ１９７：Ｙｅｓ）、処理が終了していない場合には（ステップＳ１９７：Ｎｏ）、ステップＳ１９１に戻って次の処理を実行する。
図２０は、道路リンク別道路交通需要・渋滞予測部１８３が道路リンク毎の平均道路交通需要余裕データベース１８４を作成する手順を説明するためのフローチャートである。
なお、図２０中に示した記号または関数は、以下の因子を示す。
図２０は、道路リンク別道路交通需要・渋滞予測部１８３が道路リンク毎の平均道路交通需要余裕データベース１８４を作成する手順を説明するためのフローチャートである。
なお、図２０中に示した記号または関数は、以下の因子を示す。
道路リンク別道路交通需要・渋滞予測部１８３は、道路交通需要データベース２から、あるグローバルコンテキストにおける道路リンクｉ、時間帯ｋの道路交通需要を抽出する（ステップＳ２０１）。次に、複数の道路リンクｉ、複数の時間帯ｋの道路交通需要（以下、「データ群」とも記す）の平均値を算出する（ステップＳ２０２）。次に、道路リンク別道路交通需要・渋滞予測部１８３は、データ群の最大値を算出する（ステップＳ２０３）。ステップＳ２０３で算出された最大値は、飽和道路交通流量となり、飽和道路交通流量以上の道路交通需要があると渋滞が発生すると考えられる。
さらに、道路リンク別道路交通需要・渋滞予測部１８３は、データ群の平均値と最大値の差を算出する（ステップＳ２０４）。ステップＳ２０４において算出したデータ群の平均値と最大値の差は、抽出したグローバルコンテキストにおける道路リンクｉ、時間帯ｋの平均道路交通需要余裕となる。道路リンク別道路交通需要・渋滞予測部１８３は、平均道路交通需要余裕を平均道路交通需要余裕Ｄ・Ｂ１２４に書き込む（ステップＳ２０５）。
道路リンク別道路交通需要・渋滞予測部１８３は、全グローバルコンテキスト、全道路リンクｉ、全時間帯ｋについて処理が終了したか否か判断する（ステップＳ２０６）。処理が終了している場合には全ての処理を終了し（ステップＳ２０６：Ｙｅｓ）、処理が終了していない場合には（ステップＳ２０６：Ｎｏ）、ステップＳ２０１に戻って次の処理を実行する。
以上、説明したように、本発明の第１実施形態から第５実施形態によれば、パーソナルコンテキストから一般車の将来挙動を取り込むことにより、道路交通需要の予測精度を高めることができる。
以上、説明したように、本発明の第１実施形態から第５実施形態によれば、パーソナルコンテキストから一般車の将来挙動を取り込むことにより、道路交通需要の予測精度を高めることができる。
情報源は、組織体の構成員、サービス会員、インターネット・クラウド・サービス上の情報としているため、広範囲なパーソナルコンテキストを取り込むことができる。さらに、対象地域を走行ゾーンに分割し、走行ゾーン毎の道路交通需要における個人の道路交通需要の影響ランクによって道路交通需要推計手法を変えることによって、推計処理を効率的に行うことができる。また、道路交通需要データベースから導出した平均道路交通需要余裕を用いることで、効率よく将来道路交通渋滞を推計することができる。
［第６実施形態］
次に、本発明の第６実施形態について説明する。なお、第６実施形態において、第１実施形態から第５実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。
図２１は、第６実施形態の道路交通需要予測装置１を含むシステムを示した図である。道路交通需要予測装置１は、パーソナルコンテキスト入力部１１、走行行動予測部１２及び道路交通需要予測部１３を備えている。また、道路交通需要予測部１３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。第６実施形態の道路交通需要予測装置１は、道路交通需要予測部１３がアンテナ１４によって構成員の道路交通需要データベース２１１から構成員の平均道路交通需要を取得する点で第１実施形態と相違する。また、第６実施形態では、走行行動予測部１２が、組織体を構成する構成員の走行行動を予測するものとする。
次に、本発明の第６実施形態について説明する。なお、第６実施形態において、第１実施形態から第５実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。
図２１は、第６実施形態の道路交通需要予測装置１を含むシステムを示した図である。道路交通需要予測装置１は、パーソナルコンテキスト入力部１１、走行行動予測部１２及び道路交通需要予測部１３を備えている。また、道路交通需要予測部１３は、グローバルコンテキスト１０１、業務・公共車両運行計画情報１０２、道路交通需要データ１０３を取得するアンテナ１４を備えている。第６実施形態の道路交通需要予測装置１は、道路交通需要予測部１３がアンテナ１４によって構成員の道路交通需要データベース２１１から構成員の平均道路交通需要を取得する点で第１実施形態と相違する。また、第６実施形態では、走行行動予測部１２が、組織体を構成する構成員の走行行動を予測するものとする。
６．１ 道路交通需要予測
図２２は、第６実施形態の道路交通需要予測部１３で実行される処理を説明するためのフローチャートである。なお、図２２中に示した記号または関数は、以下の因子を示す。
図２２は、第６実施形態の道路交通需要予測部１３で実行される処理を説明するためのフローチャートである。なお、図２２中に示した記号または関数は、以下の因子を示す。
道路交通需要予測部１３は、走行行動予測部１２によって予測された構成員の将来走行経路・時刻予測結果（予測行動情報１０４）から、構成員の将来道路交通需要を集計する（ステップＳ２２１）。ここで、構成員は、パーソナルコンテキストを提供している組織体を構成する各個人を指す。
また、道路交通需要予測部１３は、グローバルコンテキスト１０１を読み込む（ステップＳ２２２）。さらに、道路交通需要予測部１３は、グローバルコンテキスト１０１における対象地域のゾーン分割を行い、対象地域を複数の走行ゾーン｛Ｚｉｉ…ｉ｝に分割する（ステップＳ２２３）。対象地域の分割後、道路交通需要予測部１３は、以降の処理を走行ゾーン｛Ｚｉｉ…ｉ｝毎に実行する。
また、道路交通需要予測部１３は、グローバルコンテキスト１０１を読み込む（ステップＳ２２２）。さらに、道路交通需要予測部１３は、グローバルコンテキスト１０１における対象地域のゾーン分割を行い、対象地域を複数の走行ゾーン｛Ｚｉｉ…ｉ｝に分割する（ステップＳ２２３）。対象地域の分割後、道路交通需要予測部１３は、以降の処理を走行ゾーン｛Ｚｉｉ…ｉ｝毎に実行する。
道路交通需要予測部１３は、道路交通需要Ｄ・Ｂ２からグローバルコンテキストにおける平均道路交通需要を抽出する（ステップＳ２２４）。そして、道路交通需要予測部１３は、図２１に示した構成員の道路交通需要Ｄ・Ｂ２１１からグローバルコンテキスト１０１における構成員の平均道路交通需要を抽出する（ステップＳ２２５）。さらに、道路交通需要予測部１３は、ステップＳ２２１において集計された構成員の将来道路交通需要から、グローバルコンテキストｇにおける構成員の平均道路交通需要を抽出する（ステップＳ２２６）。
道路交通需要予測部１３は、以上の処理によって抽出した情報を使い、グローバルコンテキスト１０１における将来道路交通需要の推計を行う（ステップＳ２２７）。
道路交通需要予測部１３は、以上の処理によって抽出した情報を使い、グローバルコンテキスト１０１における将来道路交通需要の推計を行う（ステップＳ２２７）。
６．２ 対象地域の分割（走行ゾーンの生成）
図２３−１は、第６実施形態の対象地域を走行ゾーンに分割する処理手順を説明するためのフローチャートである。図２３−１に示した処理は、図２２に示したステップＳ２２３のサブルーチンの内容を示したものであり、図１に示した道路交通需要予測部１３が実行する。
道路交通需要予測部１３は、先ず、対象地域を予め設定されている初期サイズの走行ゾーンに分割して走行ゾーン群｛Ｚｉ｝を生成する（ステップＳ２３１）。道路交通需要予測部１３は、以降の処理をステップＳ２３１において生成した走行ゾーン群｛Ｚｉ｝に含まれる全ての走行ゾーンについて実行する。
図２３−１は、第６実施形態の対象地域を走行ゾーンに分割する処理手順を説明するためのフローチャートである。図２３−１に示した処理は、図２２に示したステップＳ２２３のサブルーチンの内容を示したものであり、図１に示した道路交通需要予測部１３が実行する。
道路交通需要予測部１３は、先ず、対象地域を予め設定されている初期サイズの走行ゾーンに分割して走行ゾーン群｛Ｚｉ｝を生成する（ステップＳ２３１）。道路交通需要予測部１３は、以降の処理をステップＳ２３１において生成した走行ゾーン群｛Ｚｉ｝に含まれる全ての走行ゾーンについて実行する。
道路交通需要予測部１３は、走行ゾーンのインデックスを取り込み、取り込んだインデックスをＺＩとして扱う（ステップＳ２３２）。次に、道路交通需要予測部１３は、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇを読み込む（ステップＳ２３３）。ここで、組織体とは、パーソナルコンテキストを企業、団体等の単位で提供している場合の提供母体を指す。自宅数は、構成員が居住している居所の数を指す。道路規格は、道路構造令による道路区分等、道路の機能の分類を示す。
次に、道路交通需要予測部１３は、走行ゾーンＺＩのゾーンサイズＳＺｏｎｅを調べ、ゾーンサイズＳＺｏｎｅを予め設定されている走行ゾーンの最小値ＳＺｏｎｅ ｍｉｎと比較する（ステップＳ２３４）。ゾーンサイズＳＺｏｎｅが走行ゾーンの最小値ＳＺｏｎｅ ｍｉｎより大きい場合（ステップＳ２３４:Ｎｏ）、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇを、それぞれパラメータ毎に予め設定されている所定の値と比較する（ステップＳ２３７、ステップＳ２３８、ステップＳ２３９、ステップＳ２４０、ステップＳ２４１、ステップＳ２４２）。
ステップＳ２３７からステップＳ２４２において、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの少なくとも１つが所定の値（走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘ）より大きいと判断した場合（ステップＳ２３７、ステップＳ２３８、ステップＳ２３９、ステップＳ２４０、ステップＳ２４１、ステップＳ２４２：Ｎｏ）、道路交通需要予測部１３は、走行ゾーンＺＩを再分割する（ステップＳ２４３）。そして、走行ゾーンのインデックスの桁数を増加させる（ステップＳ２４４）。
また、道路交通需要予測部１３は、ステップＳ２３７からステップＳ２４２において全てイエスと判断した場合（ステップＳ２３７、ステップＳ２３８、ステップＳ２３９、ステップＳ２４０、ステップＳ２４１、ステップＳ２４２：Ｙｅｓ）、次の走行ゾーンＺｉについて同様の処理を繰り返す。
そして、道路交通需要予測部１３は、全てのｉ（全ての走行ゾーン）について処理が終了したか否か判断する（ステップＳ２３５）。ステップＳ２３５において全ての走行ゾーンＺＩについて処理が終了していない場合（ステップＳ２３４:Ｎｏ）、道路交通需要予測部１３は、ステップＳ２３２に戻って次の走行ゾーンＺＩについて処理を行う。
そして、道路交通需要予測部１３は、全てのｉ（全ての走行ゾーン）について処理が終了したか否か判断する（ステップＳ２３５）。ステップＳ２３５において全ての走行ゾーンＺＩについて処理が終了していない場合（ステップＳ２３４:Ｎｏ）、道路交通需要予測部１３は、ステップＳ２３２に戻って次の走行ゾーンＺＩについて処理を行う。
一方ステップＳ２３５において、全ての走行ゾーンＺＩについて処理が終了したと判断した場合（ステップＳ２３４:Ｙｅｓ）、道路交通需要予測部１３は、全ての走行ゾーンＺＩについて、走行ゾーン群｛Ｚｉ｝（｛Ｚｉｉ…ｉ｝）の地理情報、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇを書きだす（ステップＳ２３６）。
なお、第６実施形態は、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの全てを使って走行ゾーンの細分割を決定するものに限定されるものではない。第６実施形態は、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの少なくとも１つを使って走行ゾーンの細分割を決定するものであればよい。
６．３ 走行ゾーンの細分割（長方形格子状に走行ゾーンの細分割）
図２３−２は、図２３−１に示したステップＳ２３４のサブルーチンの内容を説明するためのフローチャートである。図２３−２に示したフローチャートは、長方形の格子状に走行ゾーンを細分化する処理を説明する処理を示している。
図２４は、図２３−２に示したフローチャートの処理によって細分化される走行ゾーンＺＩを説明するための図である。図２４に示した走行ゾーンＺＩは、図中の縦方向の長さがΔＹＩ、図中の横方向の長さがΔＸＩの矩形形状を有している。図２３−２に示したフローチャートは、図２４に示した走行ゾーンＺＩを走行ゾーンＺＩ１、走行ゾーンＺＩ２、走行ゾーンＺＩ３、走行ゾーンＺＩ４の４つに細分割する例を説明する。
図２３−２は、図２３−１に示したステップＳ２３４のサブルーチンの内容を説明するためのフローチャートである。図２３−２に示したフローチャートは、長方形の格子状に走行ゾーンを細分化する処理を説明する処理を示している。
図２４は、図２３−２に示したフローチャートの処理によって細分化される走行ゾーンＺＩを説明するための図である。図２４に示した走行ゾーンＺＩは、図中の縦方向の長さがΔＹＩ、図中の横方向の長さがΔＸＩの矩形形状を有している。図２３−２に示したフローチャートは、図２４に示した走行ゾーンＺＩを走行ゾーンＺＩ１、走行ゾーンＺＩ２、走行ゾーンＺＩ３、走行ゾーンＺＩ４の４つに細分割する例を説明する。
図２３−２に戻り、道路交通需要予測部１３は、走行ゾーンＺＩの端点座標（ＸＩ，ＹＩ）と、サイズ（ΔＸＩ，ΔＹＩ）とを読み込む（ステップＳ２５１）。第６実施形態においては、走行ゾーンＺＩを、Ｘ方向、Ｙ方向共に二等分する。このため、道路交通需要予測部１３は、走行ゾーンＺＩ１のサイズを（ΔＸＩ／２，ΔＹＩ／２）とする。また、道路交通需要予測部１３は、走行ゾーンＺＩの図中左下点（端点）のＸ座標を走行ゾーンＺＩ１の端点のＸ座標とし、走行ゾーンＺＩ１のＹ座標を走行ゾーンＺＩの端点のＹＩ座標にΔＹＩ／２を加算した座標とする（ステップＳ２５２）。
また、道路交通需要予測部１３は、走行ゾーンＺＩ２のサイズを（ΔＸＩ／２，ΔＹＩ／２）とし、走行ゾーンＺＩの端点のＸ座標にΔＸＩ／２を加算した座標を走行ゾーンＺＩ２のＸ座標とし、走行ゾーンＺＩの端点のＹ座標にΔＹＩ／２を加算した座標を走行ゾーンＺＩ２のＹ座標とする（ステップＳ２５３）。また、道路交通需要予測部１３は、走行ゾーンＺＩ３のサイズを（ΔＸＩ／２，ΔＹＩ／２）とし、走行ゾーンＺＩの端点のＸ座標を走行ゾーンＺＩ３のＸ座標とし、走行ゾーンＺＩの端点のＹ座標を走行ゾーンＺＩ３のＹ座標とする（ステップＳ２５４）。さらに、道路交通需要予測部１３は、走行ゾーンＺＩ４のサイズを（ΔＸＩ／２，ΔＹＩ／２）とし、走行ゾーンＺＩの端点のＸ座標にΔＸＩ／２を加算した座標を走行ゾーンＺＩ４のＸ座標とし、走行ゾーンＺＩの端点のＹ座標を走行ゾーンＺＩ４のＹ座標とする（ステップＳ２５５）。
以上の処理の後、道路交通需要予測部１３は、走行ゾーンＺＩ１、走行ゾーンＺＩ２、走行ゾーンＺＩ３、走行ゾーンＺＩ４のサイズと端点の座標とを出力し、図２３−１に示したメインルーチンに戻る。
以上の処理の後、道路交通需要予測部１３は、走行ゾーンＺＩ１、走行ゾーンＺＩ２、走行ゾーンＺＩ３、走行ゾーンＺＩ４のサイズと端点の座標とを出力し、図２３−１に示したメインルーチンに戻る。
図２５は、第６実施形態の長方形格子状に走行ゾーンを細分割した状態を示す模式図である。図２５は、対象地域を初期サイズとし、対象地域を対象地域内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ（対象地域内の道路の規格毎の長さ）、グローバルコンテキストにおける道路交通需要（道路交通需要Ｄ・Ｂ２から抽出される交通需要）の変動量ΔＱｇに応じた細分割を行った結果、対象地域を四つのレベルのゾーンサイズに分割した状態を示している。図２５によれば、個人の走行行動の出発地、目的地、ＰＯＩ、道路等が密に配置された箇所ではゾーンサイズが小さくなることが分かる。また、図２５によれば、個人の走行行動の出発地、目的地、ＰＯＩ、道路等の配置が疎である地域のゾーンサイズが大きくなることが分かる。
６．４ 走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘの決定
第６実施形態は、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの少なくとも１つが対応する最大値である走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘ（以下、「各変数最大値」あるいは「変数の解像度」とも記す）を超えた場合に走行ゾーンを細分割する。このような最大値は、対象地域によって相違する。また、最大値は、対象地域が同じであってもグローバルコンテキストによって相違する。
第６実施形態は、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの少なくとも１つが対応する最大値である走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘ（以下、「各変数最大値」あるいは「変数の解像度」とも記す）を超えた場合に走行ゾーンを細分割する。このような最大値は、対象地域によって相違する。また、最大値は、対象地域が同じであってもグローバルコンテキストによって相違する。
第６実施形態は、対象地域毎に、代表的なグローバルコンテキストについて事前に各変数最大値を定めておく。
なお、走行ゾーンの細分割は、走行ゾーンを細かく分割するほど走行ゾーンに対応した高い精度で処理を行うことができる。しかし、走行ゾーンを細かく細分割すると、走行ゾーンの数が増加することよって計算リソースの負荷が増大する。このため、各変数最大値の決定は、計算リソースの制限下で、最大の計算精度が得られるように、変数の解像度のバランスをとることが求められる。
第６実施形態は、上記理由により、各変数最大値の決定を、所与の制約条件下での多変数空間における目的関数の極値問題と考える。そして、第６実施形態は、計算リソースの制限によって決まる走行ゾーン数の範囲内で、各変数最大値の微小な変化によって起きる最終的な目的関数である将来道路交通需要の推計値の変化が最小となる状態を求めている。
なお、走行ゾーンの細分割は、走行ゾーンを細かく分割するほど走行ゾーンに対応した高い精度で処理を行うことができる。しかし、走行ゾーンを細かく細分割すると、走行ゾーンの数が増加することよって計算リソースの負荷が増大する。このため、各変数最大値の決定は、計算リソースの制限下で、最大の計算精度が得られるように、変数の解像度のバランスをとることが求められる。
第６実施形態は、上記理由により、各変数最大値の決定を、所与の制約条件下での多変数空間における目的関数の極値問題と考える。そして、第６実施形態は、計算リソースの制限によって決まる走行ゾーン数の範囲内で、各変数最大値の微小な変化によって起きる最終的な目的関数である将来道路交通需要の推計値の変化が最小となる状態を求めている。
図２６は、図２３−１に示したステップＳ２３７からステップＳ２４２に示した走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘを決定するための処理を説明するためのフローチャートである。なお、第６実施形態において、図２６に示した処理は、第６実施形態の道路交通需要予測装置の道路交通需要予測部１３で予め行うものとする。しかし、図２６に示した処理は、他のパーソナルコンピュータで予め行い、結果を道路交通需要予測部１３に保存するものであってもよい。
道路交通需要予測部１３は、変数最大値を算出する処理に利用可能な計算リソースのメモリ容量や演算速度、適用状況等を考慮し、細分割によって生成可能な走行ゾーンの最大数ＮＺＯＮＥ ｍａｘを設定する（ステップＳ２６１）。
道路交通需要予測部１３は、変数最大値を算出する処理に利用可能な計算リソースのメモリ容量や演算速度、適用状況等を考慮し、細分割によって生成可能な走行ゾーンの最大数ＮＺＯＮＥ ｍａｘを設定する（ステップＳ２６１）。
次に、道路交通需要予測部１３は、対象地域内の組織体数ＮＳｉｔｅ、構成員数Ｎｍｅｍｂｅｒ、自宅数ＮＨｏｍｅ、ＰＯＩ数ＮＰｏｉ、道路規格ＦＣ毎の道路長ＬＦＣ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇの各変数に適当な初期値を与え、走行ゾーン別道路交通需要予測処理を行う(ステップＳ２６２)。
道路交通需要予測部１３は、ステップＳ２６４で行った走行ゾーン別道路交通需要予測処理の結果から総ゾーン数ＮＺＯＮＥを算出する（ステップＳ２６３）。そして、走行ゾーン毎の将来道路交通需要の推計値ＴＤｉｉ…ｉ ｇを算出する。このとき、道路交通需要予測部１３は、各変数を予め設定した比較的微小な値ずつ変化させながら推計値ＴＤｉｉ…ｉ ｇを算出する（ステップＳ２６４）。そして、道路交通需要予測部１３は、総ゾーン数が最大ゾーン数以下の範囲において(ステップＳ２６５)、将来道路交通需要の推計値ＴＤｉｉ…ｉ ｇの総和の変化が最小となる条件を探索する（ステップＳ２６６）。ステップＳ２６６において、推定値が条件を満たした場合（ステップＳ２６６：Ｙｅｓ）、道路交通需要予測部１３は、推定値の算出に使用された各変数を出力する。
道路交通需要予測部１３は、ステップＳ２６４で行った走行ゾーン別道路交通需要予測処理の結果から総ゾーン数ＮＺＯＮＥを算出する（ステップＳ２６３）。そして、走行ゾーン毎の将来道路交通需要の推計値ＴＤｉｉ…ｉ ｇを算出する。このとき、道路交通需要予測部１３は、各変数を予め設定した比較的微小な値ずつ変化させながら推計値ＴＤｉｉ…ｉ ｇを算出する（ステップＳ２６４）。そして、道路交通需要予測部１３は、総ゾーン数が最大ゾーン数以下の範囲において(ステップＳ２６５)、将来道路交通需要の推計値ＴＤｉｉ…ｉ ｇの総和の変化が最小となる条件を探索する（ステップＳ２６６）。ステップＳ２６６において、推定値が条件を満たした場合（ステップＳ２６６：Ｙｅｓ）、道路交通需要予測部１３は、推定値の算出に使用された各変数を出力する。
また、道路交通需要予測部１３は、ステップＳ２６５において総ゾーン数ＮＺＯＮＥが最大ゾーン数ＮＺＯＮＥ ｍａｘ以下でなかった場合（ステップＳ２６５：Ｎｏ）、ステップＳ２６６において将来道路交通需要の推計値ＴＤｉｉ…ｉ ｇの総和の変化が最小でなかった場合（ステップＳ２６６：Ｎｏ）、走行ゾーンＺＩ内の組織体数ＮＳｉｔｅ ｍａｘ、構成員数Ｎｍｅｍｂｅｒ ｍａｘ、自宅数ＮＨｏｍｅ ｍａｘ、ＰＯＩ数ＮＰｏｉ ｍａｘ、道路規格ＦＣ毎の道路長ＬＦＣ ｍａｘ、グローバルコンテキストにおける道路交通需要の変動量ΔＱｇｍａｘを調整し（ステップＳ２６８）、新たな変数として設定する（ステップＳ２６９）。
さらに、道路交通需要予測部１３は、設定された新たな変数を使ってステップＳ２６２の処理を実行する。
さらに、道路交通需要予測部１３は、設定された新たな変数を使ってステップＳ２６２の処理を実行する。
［第７実施形態］
次に、本発明の第７実施形態について説明する。なお、第７実施形態において、第１実施形態ないし第６実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。第７実施形態の道路交通需要予測装置は、対象地域を行政で定められた境界で分割して複数の矩形形状の走行ゾーンを生成するものである。
第７実施形態の道路交通需要予測装置は、第６実施形態の道路交通需要予測装置と同様に構成されている。このため、第７実施形態では、道路交通需要予測装置の図示及び説明を省く。
次に、本発明の第７実施形態について説明する。なお、第７実施形態において、第１実施形態ないし第６実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。第７実施形態の道路交通需要予測装置は、対象地域を行政で定められた境界で分割して複数の矩形形状の走行ゾーンを生成するものである。
第７実施形態の道路交通需要予測装置は、第６実施形態の道路交通需要予測装置と同様に構成されている。このため、第７実施形態では、道路交通需要予測装置の図示及び説明を省く。
７．１ 走行ゾーンの細分割（行政境界に基づく細分割）
図２７は、第７実施形態の走行ゾーンの細分割を説明するためのフローチャートである。第７実施形態では、連接する「町」、「丁目」のレベルの地域であるＣゾーンの集合として走行ゾーン（第７実施形態では「町丁目ゾーン」とも記す）を表現する。
道路交通需要予測部１３は、町丁目ゾーン｛ＣＣＭＩ｝のＧＩＳ情報（座標、面積、隣接ゾーン）を読み込む（ステップＳ２７１）。そして、町丁目ゾーンを、座標値、隣接ゾーンの情報を用い、一方向に隣接する順番でソートする。この結果、道路交通需要予測部１３は、｛ＣＣＭＩ｝＝｛ＣＣＭ１ Ｉ，…，ＣＣＭＮ Ｉ｝の順番でＣゾーンが保存される町丁目ゾーンを生成する（ステップＳ２７２）。
図２７は、第７実施形態の走行ゾーンの細分割を説明するためのフローチャートである。第７実施形態では、連接する「町」、「丁目」のレベルの地域であるＣゾーンの集合として走行ゾーン（第７実施形態では「町丁目ゾーン」とも記す）を表現する。
道路交通需要予測部１３は、町丁目ゾーン｛ＣＣＭＩ｝のＧＩＳ情報（座標、面積、隣接ゾーン）を読み込む（ステップＳ２７１）。そして、町丁目ゾーンを、座標値、隣接ゾーンの情報を用い、一方向に隣接する順番でソートする。この結果、道路交通需要予測部１３は、｛ＣＣＭＩ｝＝｛ＣＣＭ１ Ｉ，…，ＣＣＭＮ Ｉ｝の順番でＣゾーンが保存される町丁目ゾーンを生成する（ステップＳ２７２）。
次に、道路交通需要予測部１３は、ＣゾーンＣＣＭ１ Ｉ，…，ＣＣＭＮ Ｉの面積を順番に１つずつ加えて走行ゾーンＺＩ１を生成する（ステップＳ２７３、Ｓ２７４）。そして、道路交通需要予測部１３は、走行ゾーンＺＩ１の面積と走行ゾーンＺＩの面積とを比較し（ステップＳ２７５）、走行ゾーンＺＩ１の面積が走行ゾーンＺＩの面積の概ね１／２に達するまでステップＳ２７３、Ｓ２７４、Ｓ２７５の処理を繰り返す。そして、走行ゾーンＺＩ１の面積が走行ゾーンＺＩの面積の概ね１／２に達すると（ステップＳ２７５：Ｙｅｓ）、走行ゾーンＺＩ１の形成を終了する。
なお、ここでいう「概ね」とは、ＣゾーンＣＣＭ１ Ｉ，…，ＣＣＭＮ Ｉの面積を足し合わせていくうちに、足し合わされた合計の面積と走行ゾーンＺＩの面積の１／２の値との差が予め定めたプラスの所定の値の範囲にあること、あるいはマイナスの所定の値の範囲にあることをいう。
また、道路交通需要予測部１３は、走行ゾーンＺＩ１に加えられなかった残りのＣゾーンからなる走行ゾーン｛ＣＣＭｊ＋１ Ｉ，…，ＣＣＭＮ Ｉ｝を走行ゾーンＺＩ２とする（ステップＳ２７７）。そして、道路交通需要予測部１３は、走行ゾーンＺＩ１｛ＣＣＭＮ Ｉ１｝の情報と、走行ゾーンＺＩ２｛ＣＣＭＮ Ｉ２｝の情報とを書きだす（ステップＳ２７８）。
また、道路交通需要予測部１３は、走行ゾーンＺＩ１に加えられなかった残りのＣゾーンからなる走行ゾーン｛ＣＣＭｊ＋１ Ｉ，…，ＣＣＭＮ Ｉ｝を走行ゾーンＺＩ２とする（ステップＳ２７７）。そして、道路交通需要予測部１３は、走行ゾーンＺＩ１｛ＣＣＭＮ Ｉ１｝の情報と、走行ゾーンＺＩ２｛ＣＣＭＮ Ｉ２｝の情報とを書きだす（ステップＳ２７８）。
図２８は、第７実施形態の走行ゾーンの細分割が行われた対象地域を表した模式図である。図２８に示した例では、走行ゾーンＺＩは、町丁目ゾーンＣＣＭ１ ＩからＣＣＭ１３ Ｉで構成されている。第７実施形態では、走行ゾーンＺＩ１を生成するに際して、町丁目ゾーンＣＣＭ１ ＩからＣＣＭ４ Ｉを足し合わせた時点で走行ゾーンＺＩ１の面積が走行ゾーンＺＩの面積の概ね１／２に達し、処理を終了している。
このため、図２８に示した例では、走行ゾーンＺＩが、走行ゾーンＺＩ１と走行ゾーンＺＩ２とに細分割されている。
なお、第７実施形態は、図２７に示したフローチャートで示した方法によって走行ゾーンを細分割する構成に限定されるものではない。例えば、組織体の構成員の出発地、目的地及びＰＯＩとなり得る施設等の存在の粗密を考慮して行政境界に基づく走行ゾーンの分割をしてもよい。
なお、第７実施形態は、図２７に示したフローチャートで示した方法によって走行ゾーンを細分割する構成に限定されるものではない。例えば、組織体の構成員の出発地、目的地及びＰＯＩとなり得る施設等の存在の粗密を考慮して行政境界に基づく走行ゾーンの分割をしてもよい。
図２９は、このような第７実施形態の方法によって細分割された走行ゾーン上に、出発地、目的地及びＰＯＩとなり得る施設等の位置を重ね合わせて示した図である。図２９によれば、出発地、目的地及びＰＯＩとなり得る施設が密な地域は細分割後の個々の走行ゾーンのサイズが小さく、目的地及びＰＯＩとなり得る施設が疎な地域は細分割後の個々の走行ゾーンのサイズが大きいことが分かる。
さらに、第７実施形態は、細分割された走行ゾーンのサイズを、対象地域内の道路の規格毎の長さの分布、道路交通需要Ｄ・Ｂ２から抽出される道路交通需要の少なくともいずれか１つに基づいて変化するものであってよい。
さらに、第７実施形態は、細分割された走行ゾーンのサイズを、対象地域内の道路の規格毎の長さの分布、道路交通需要Ｄ・Ｂ２から抽出される道路交通需要の少なくともいずれか１つに基づいて変化するものであってよい。
［第８実施形態］
次に、本発明の第８実施形態を説明する。なお、第８実施形態において、第１実施形態ないし第７実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。第８実施形態は、道路における一の分岐点と他の分岐点との間の道路リンクが連接して構成するパスを走行ゾーンとするものである。
第８実施形態の道路交通需要予測装置は、第６実施形態の道路交通需要予測装置と同様に構成されている。このため、第８実施形態では、道路交通需要予測装置の図示及び説明を省く。
次に、本発明の第８実施形態を説明する。なお、第８実施形態において、第１実施形態ないし第７実施形態のいずれかで説明した構成については同様の符号を付し、その説明を省くものとする。第８実施形態は、道路における一の分岐点と他の分岐点との間の道路リンクが連接して構成するパスを走行ゾーンとするものである。
第８実施形態の道路交通需要予測装置は、第６実施形態の道路交通需要予測装置と同様に構成されている。このため、第８実施形態では、道路交通需要予測装置の図示及び説明を省く。
８．１ 走行ゾーンの細分割（走行ゾーンを道路リンクによって規定する）
図３０は、第８実施形態の連接する道路リンクからなるパスを走行ゾーンとした場合の対象地域の細分割を説明するためのフローチャートである。なお、第８実施形態では、ＧＩＳデータにおける道路情報の最小単位である道路リンク（道路の一の分岐と他の分岐との間の部分）を用い、連接する道路リンクを連ねることで構成される経路をパスと記す。第８実施形態は、パスを走行ゾーンとして使用する。
図３０は、第８実施形態の連接する道路リンクからなるパスを走行ゾーンとした場合の対象地域の細分割を説明するためのフローチャートである。なお、第８実施形態では、ＧＩＳデータにおける道路情報の最小単位である道路リンク（道路の一の分岐と他の分岐との間の部分）を用い、連接する道路リンクを連ねることで構成される経路をパスと記す。第８実施形態は、パスを走行ゾーンとして使用する。
第８実施形態では、道路交通需要予測部１３が、走行ゾーンＺＩを構成する道路リンク｛ＬｉｎｋＩ｝のＧＩＳ情報（座標、長さ、連接リンク）を読み込む（ステップＳ３０１）。なお、第８実施形態では、予め対象地域の道路リンクから道路リンクの連接状態、長さ及び数から複数の道路リンクを選択し、選択した道路リンクを使ってパスを作っておく。そして、複数のパスの情報を走行ゾーン｛Ｚｉ｝として保存しておく。
道路交通需要予測部１３は、走行ゾーンＺＩを構成する道路リンク｛ＬｉｎｋＩ｝を、道路リンクの座標や連接リンク情報を基に、連接する順にソートする（ステップＳ３０２）。そして、道路交通需要予測部１３は、走行ゾーンＺＩｊの「ｊ」を１に設定する（ステップＳ３０３）。
道路交通需要予測部１３は、走行ゾーンＺＩを構成する道路リンク｛ＬｉｎｋＩ｝を、道路リンクの座標や連接リンク情報を基に、連接する順にソートする（ステップＳ３０２）。そして、道路交通需要予測部１３は、走行ゾーンＺＩｊの「ｊ」を１に設定する（ステップＳ３０３）。
ソートの結果、道路リンク｛ＬｉｎｋＩ｝は、｛Ｌｉｎｋ１ Ｉ，…ＬｉｎｋＮ Ｉ｝の順に保存される（ステップＳ３０２）。次に、道路交通需要予測部１３は、道路リンク｛ＬｉｎｋＩ｝に含まれる複数のＬｉｎｋ１ Ｉ，…ＬｉｎｋＮ Ｉを順に足し合わせる（ステップＳ３０４、３０５、３０６）。そして、道路交通需要予測部１３は、道路リンクを足し合わせて構成された走行ゾーンＺＩ１の長さが走行ゾーンＺＩの長さの概ね１／２に達すると（ステップＳ３０５：Ｙｅｓ）、道路リンクを足し合わせる処理を終了する。足し合わされた道路リンクは、走行ゾーンＺＩ１となる。
なお、ここでいう「概ね」とは、道路リンクＬｉｎｋ１ Ｉ，…ＬｉｎｋＮ Ｉの長さを足し合わせていくうちに、足し合わされた合計の長さと走行ゾーンＺＩの長さの１／２の値との差が予め定めたプラスの所定の値の範囲にあること、あるいはマイナスの所定の値の範囲にあることをいう。
なお、ここでいう「概ね」とは、道路リンクＬｉｎｋ１ Ｉ，…ＬｉｎｋＮ Ｉの長さを足し合わせていくうちに、足し合わされた合計の長さと走行ゾーンＺＩの長さの１／２の値との差が予め定めたプラスの所定の値の範囲にあること、あるいはマイナスの所定の値の範囲にあることをいう。
次に、道路交通需要予測部１３は、走行ゾーンＺＩ１の生成に使用しない残りの道路リンクによって走行ゾーンＺＩ２を生成する（ステップＳ３０７）。以上の処理の後、道路交通需要予測部１３は、走行ゾーンＺＩ１を構成する道路リンク｛Ｌｉｎｋ１ Ｉ｝及び走行ゾーンＺＩ２を構成する道路リンク｛Ｌｉｎｋ２ Ｉ｝の情報を書きだす（ステップＳ３０８）。
図３１は、以上説明した道路リンクが連接して構成するパスを走行ゾーンとして分割した対象地域を説明するための模式図である。図３１においては、道路リンクＬｉｎｋ１ Ｉ…Ｌｉｎｋ１１ Ｉが走行ゾーンＺＩを構成する。図３１に示した例では、道路リンクＬｉｎｋ１ ＩからＬｉｎｋ５ Ｉまでを加算した時点で合計の長さが概ね走行ゾーンＺＩの長さの１／２に達する。このため、図３１に示した例においては、道路リンクＬｉｎｋ１ Ｉ…Ｌｉｎｋ５ Ｉが走行ゾーンＺＩ１を構成し、道路リンクＬｉｎｋ６ Ｉ…Ｌｉｎｋ１１ Ｉが走行ゾーンＺＩ２を構成する。
図３２は、道路リンクが連接して構成するパスを走行ゾーンとして分割した対象地域に、個人の移動の出発地、目的地及びＰＯＩとなり得る施設の位置を重ねて示した図である。図３２によれば、出発地、目的地及びＰＯＩとなり得る施設の近傍では走行ゾーンＺＩ１が相対的に短いことが分かる。また、走行ゾーンＺＩ１は、出発地、目的地及びＰＯＩとなり得る施設からの距離が長くなるにしたがって相対的に長くなる傾向があることが分かる。
以上、説明してきたように、本発明の第６実施形態から第８実施形態によれば、予測処理を行う単位であるゾーンを、グローバルコンテキスト毎に、個人の走行行動の出発地（Ｏ）、目的地（Ｄ）、ＰＯＩの分布や道路規格毎の長さ、平均道路交通需要の変化の大きさ等に応じて細分割することで、道路ネットワーク形状の要因、出発地、目的地、ＰＯＩの空間的な分布、そして、グローバルコンテキストによる時間的変化の要因までを考慮しゾーンを細分割し、対象地域の箇所に応じた適切な解像度を確保し、予測精度および計算効率の向上を図ることが可能となる。
なお、以上説明した第１実施形態ないし第８実施形態は、本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計等に応じて種々の変更が可能であることは言うまでもない。
（実施形態の効果）
本発明の実施形態の道路交通需要予測装置及び道路交通需要予測方法であれば、以下に記載する効果を奏することが可能となる。
（１）道路交通需要予測装置１は、道路交通需要データベース２から道路交通需要に係る道路交通需要データを取得し、複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキスト１０１を取得するアンテナ１４と、個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストから予測した個人が車両を走行させる際の走行行動に係る予測行動データを入力し、道路交通需要データ、グローバルコンテキスト及び予測行動データを用い、道路交通需要予測を行う道路交通需要予測部１３と、を備える。
このため、道路交通需要予測装置は、道路交通の主要な部分を占める一般車の将来挙動を取り込み、高い精度で道路交通需要の予測を行うことができる。
本発明の実施形態の道路交通需要予測装置及び道路交通需要予測方法であれば、以下に記載する効果を奏することが可能となる。
（１）道路交通需要予測装置１は、道路交通需要データベース２から道路交通需要に係る道路交通需要データを取得し、複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキスト１０１を取得するアンテナ１４と、個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストから予測した個人が車両を走行させる際の走行行動に係る予測行動データを入力し、道路交通需要データ、グローバルコンテキスト及び予測行動データを用い、道路交通需要予測を行う道路交通需要予測部１３と、を備える。
このため、道路交通需要予測装置は、道路交通の主要な部分を占める一般車の将来挙動を取り込み、高い精度で道路交通需要の予測を行うことができる。
（２）道路交通需要予測装置１は、パーソナルコンテキストを取得するパーソナルコンテキスト取得部１１１と、パーソナルコンテキストから予測行動データを生成する走行行動予測部１２と、を備える。
（３）道路交通需要予測部１３は、道路交通需要予測を行う対象となる対象地域をこの対象地域よりも小さい走行ゾーンに分割し、この走行ゾーン毎に予測を行う。
（３）道路交通需要予測部１３は、道路交通需要予測を行う対象となる対象地域をこの対象地域よりも小さい走行ゾーンに分割し、この走行ゾーン毎に予測を行う。
このため、道路交通需要予測装置は、個人の走行行動予測処理に、走行ゾーン毎の特徴を反映することができる。
（４）パーソナルコンテキスト入力部１１１は、情報提供を承諾した個人の情報提供を承諾した組織体の情報、及び承諾不要で入手可能な公開情報の少なくとも一つをパーソナルコンテキストとして取得する。
このため、広範囲なパーソナルコンテキストを取り込むことができる。
（５）パーソナルコンテキスト入力部１１１は、組織体のスケジュール及びこの組織体に属する構成員のスケジュールの少なくとも一方をパーソナルコンテキストとして取得する。
このため、多数の個人のスケジュールを取得することができる。
このため、広範囲なパーソナルコンテキストを取り込むことができる。
（５）パーソナルコンテキスト入力部１１１は、組織体のスケジュール及びこの組織体に属する構成員のスケジュールの少なくとも一方をパーソナルコンテキストとして取得する。
このため、多数の個人のスケジュールを取得することができる。
（６）パーソナルコンテキスト入力部１１１は、情報提供サービスの会員のスケジュール及び当該会員がインターネット上で授受した情報の履歴の少なくとも一方をパーソナルコンテキストとして取得し、さらに、取得したパーソナルコンテキストから会員の移動に関する予定を推定する移動予定推定部５８を備える。
このため、組織体の構成員とは異なる属性（情報提供サービスの会員）の個人のスケジュールを取得することができる。
このため、組織体の構成員とは異なる属性（情報提供サービスの会員）の個人のスケジュールを取得することができる。
（７）パーソナルコンテキスト入力部１１１は、インターネット・クラウド・サービス７９上に流通している情報をパーソナルコンテキストとして取得し、さらに、取得したパーソナルコンテキストから個人の移動に関する予定を推定する移動予定推定部７８を備える。
このため、広範囲の移動行動に関する情報、予定を取得することができる。
（８）アンテナ１４は、取得したグローバルコンテキスト１０１における平均道路交通需要及びグローバルコンテキスト１０１における個人の平均道路交通需要を道路交通需要データとして取得し、走行行動予測部１２は、パーソナルコンテキストから予測した個人の将来的な道路交通需要を予測行動データとして生成し、道路交通需要予測部１３は、平均道路交通需要、個人の平均道路交通需要及び個人の将来的な道路交通需要から将来道路交通需要を推計する。
このため、人員の将来的な道路交通需要を推計することができる。
このため、広範囲の移動行動に関する情報、予定を取得することができる。
（８）アンテナ１４は、取得したグローバルコンテキスト１０１における平均道路交通需要及びグローバルコンテキスト１０１における個人の平均道路交通需要を道路交通需要データとして取得し、走行行動予測部１２は、パーソナルコンテキストから予測した個人の将来的な道路交通需要を予測行動データとして生成し、道路交通需要予測部１３は、平均道路交通需要、個人の平均道路交通需要及び個人の将来的な道路交通需要から将来道路交通需要を推計する。
このため、人員の将来的な道路交通需要を推計することができる。
（９）道路交通需要予測部１３は、道路交通需要予測を行う対象となる対象地域を複数の走行ゾーンに分割すると共に、この走行ゾーン毎の道路交通需要に対する個人の道路交通需要の影響の程度によって将来道路交通需要の推計方法を変更する。
このため、将来道路交通需要推計の処理を効率的に行うことができる。
（１０）道路交通需要予測部１３は、対象地域を、道路区間を単位にして走行ゾーンに分割する。
このため、詳細なスケールの道路交通需要予測が可能となる。
（１１）道路交通需要予測部１３は、個人の道路交通需要の影響の程度を、走行ゾーン毎の組織体の数、この組織体の構成員の数、この構成員の移動に係る出発地の数、ＰＯＩの数、道路属性の少なくとも１つを使って評価する。
このため、高い精度で個人の道路交通需要の影響をランク分けすることができ、将来道路交通需要推計の処理を効率的に行うとともに、高い予測精度を得ることができる。
このため、将来道路交通需要推計の処理を効率的に行うことができる。
（１０）道路交通需要予測部１３は、対象地域を、道路区間を単位にして走行ゾーンに分割する。
このため、詳細なスケールの道路交通需要予測が可能となる。
（１１）道路交通需要予測部１３は、個人の道路交通需要の影響の程度を、走行ゾーン毎の組織体の数、この組織体の構成員の数、この構成員の移動に係る出発地の数、ＰＯＩの数、道路属性の少なくとも１つを使って評価する。
このため、高い精度で個人の道路交通需要の影響をランク分けすることができ、将来道路交通需要推計の処理を効率的に行うとともに、高い予測精度を得ることができる。
（１２）道路交通需要予測部１３は、道路交通需要データベース２から抽出される走行ゾーン毎の平均道路交通需要余裕及び個人の平均道路交通需要とパーソナルコンテキストから予測される個人の将来的な道路交通需要とを用いて、将来道路交通渋滞を推計する。
このため、道路交通需要データベースに蓄積されたデータ及びパーソナルコンテキストのみを用い、効率よく将来道路交通渋滞を推計することができる。
（１３）道路交通需要予測部１３は、道路交通需要データベース２から抽出されるグローバルコンテキスト、走行ゾーン、時間帯毎の道路交通需要から平均道路交通需要余裕を算出する。
このため、道路交通需要データベースから取得したデータのみを使って平均道路交通需要余裕を導出することができる。
このため、道路交通需要データベースに蓄積されたデータ及びパーソナルコンテキストのみを用い、効率よく将来道路交通渋滞を推計することができる。
（１３）道路交通需要予測部１３は、道路交通需要データベース２から抽出されるグローバルコンテキスト、走行ゾーン、時間帯毎の道路交通需要から平均道路交通需要余裕を算出する。
このため、道路交通需要データベースから取得したデータのみを使って平均道路交通需要余裕を導出することができる。
（１４）道路交通需要予測部１３は、走行ゾーンのサイズをグローバルコンテキスト及びパーソナルコンテキストの少なくとも一方に応じて変更し、走行ゾーンのサイズは、個人の移動の出発地、目的地、ＰＯＩの分布、対象地域内の道路の規格毎の長さの分布、道路交通需要データベースから抽出される道路交通需要の少なくともいずれか１つに対応して変化する。
このため、対象地域の箇所毎に地域の地理的状況、グローバルコンテキスト情報及びパーソナルコンテキストに応じた適切な解像度のゾーンサイズを選択することができ、予測精度の向上及び予測処理の効率化を図れることができる。また、対象地域の箇所毎のゾーンサイズの設定にあたり、ゾーンサイズは、個人の走行行動の出発地（Ｏ）、目的地（Ｄ）、ＰＯＩの分布の少なくとも１つに対応して変化する。さらに、ゾーンサイズは、対象地域内の道路の規格毎の長さの分布、上記道路交通需要データベースから抽出される道路交通需要のいずれか一つに対応して変化する。このため、箇所毎の道路交通需要の予測に適した走行ゾーンのサイズを選択することができ、予測精度の向上及び予測処理の効率化を図ることができる。
このため、対象地域の箇所毎に地域の地理的状況、グローバルコンテキスト情報及びパーソナルコンテキストに応じた適切な解像度のゾーンサイズを選択することができ、予測精度の向上及び予測処理の効率化を図れることができる。また、対象地域の箇所毎のゾーンサイズの設定にあたり、ゾーンサイズは、個人の走行行動の出発地（Ｏ）、目的地（Ｄ）、ＰＯＩの分布の少なくとも１つに対応して変化する。さらに、ゾーンサイズは、対象地域内の道路の規格毎の長さの分布、上記道路交通需要データベースから抽出される道路交通需要のいずれか一つに対応して変化する。このため、箇所毎の道路交通需要の予測に適した走行ゾーンのサイズを選択することができ、予測精度の向上及び予測処理の効率化を図ることができる。
（１５）道路交通需要予測部１３は、対象地域を格子状に分割して複数の矩形形状の走行ゾーンを生成する。
このため、予測処理の計算の効率を高め、走行ゾーンの生成に係る処理の負荷を軽減することができる。
（１６）道路交通需要予測部１３は、対象地域を行政で定められた境界に基づき分割して複数の走行ゾーンを生成する。
このため、地域の状況に則して走行ゾーンを効率的に生成することが可能となる。
（１７）道路交通需要予測部１３は、道路における一の分岐点と他の分岐点との間の道路リンクが連接して構成するパスを走行ゾーンとする。
このため、道路の部分毎の道路交通需要を直接予測することができる。
このため、予測処理の計算の効率を高め、走行ゾーンの生成に係る処理の負荷を軽減することができる。
（１６）道路交通需要予測部１３は、対象地域を行政で定められた境界に基づき分割して複数の走行ゾーンを生成する。
このため、地域の状況に則して走行ゾーンを効率的に生成することが可能となる。
（１７）道路交通需要予測部１３は、道路における一の分岐点と他の分岐点との間の道路リンクが連接して構成するパスを走行ゾーンとする。
このため、道路の部分毎の道路交通需要を直接予測することができる。
（１８）道路交通需要予測部１３は、個人の移動の出発地、目的地、ＰＯＩの分布、対象地域内の道路の規格毎の長さの分布、道路交通需要データベースから抽出される道路交通需要の少なくともいずれか１つに係る変数の走行ゾーン毎の値が予め設定された値である変数最大値以下になるように走行ゾーンの大きさを設定する。
このため、変数に適した解像度を得ることができ、道路交通需要予測の精度及び計算効率を高めることができる。
（１９）変数最大値は、走行ゾーンの総数が予め設定された走行ゾーン総数以下であると共に、変数最大値の変化による将来道路交通需要の予測された値の変化が最小となるように設定される。
このため、処理計算リソースの範囲の中で、目的変数である将来道路交通需要の予測精度が最も高いゾーン分割を行うことができる。
このため、変数に適した解像度を得ることができ、道路交通需要予測の精度及び計算効率を高めることができる。
（１９）変数最大値は、走行ゾーンの総数が予め設定された走行ゾーン総数以下であると共に、変数最大値の変化による将来道路交通需要の予測された値の変化が最小となるように設定される。
このため、処理計算リソースの範囲の中で、目的変数である将来道路交通需要の予測精度が最も高いゾーン分割を行うことができる。
（２０）道路交通需要データベースから道路交通需要に係る道路交通需要データを取得する道路交通需要データ取得工程と、複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキストを取得するグローバルコンテキスト取得工程と、個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストから生成された、個人が車両を走行させる際の走行行動に係る予測行動データを入力し、道路交通需要データ、グローバルコンテキスト及び予測行動データを用い、道路交通需要予測を行う道路交通需要予測工程と、を含む。
このため、道路交通需要予測方法は、道路交通の主要な部分を占める一般車の将来挙動を取り込み、高い精度で道路交通需要の予測を行うことができる。
このため、道路交通需要予測方法は、道路交通の主要な部分を占める一般車の将来挙動を取り込み、高い精度で道路交通需要の予測を行うことができる。
上記の本発明の実施形態は、パーソナルコンテキストを入手し、一般車両の将来道路交通需要を推測し、道路交通需要データベースとともに全体の道路交通需要を予測することによって上記（１）から（２０）の効果を奏する。
パーソナルコンテキストには、企業、団体、自治体等の組織体のスケジュール、組織体の構成員のスケジュールや情報提供サービス会員のスケジュール、会員がメール、検索、ソーシャルネットーワークシステム（ＳＮＳ）のテキスト履歴等が使用できる。また、パーソナルコンテキストには、組織体の構成員や情報提供サービス会員がインターネット上で授受した情報、インターネット・クラウド・サービス上の不特定多数の利用者の検索、及びＳＮＳ履歴等が使用できる。
パーソナルコンテキストには、企業、団体、自治体等の組織体のスケジュール、組織体の構成員のスケジュールや情報提供サービス会員のスケジュール、会員がメール、検索、ソーシャルネットーワークシステム（ＳＮＳ）のテキスト履歴等が使用できる。また、パーソナルコンテキストには、組織体の構成員や情報提供サービス会員がインターネット上で授受した情報、インターネット・クラウド・サービス上の不特定多数の利用者の検索、及びＳＮＳ履歴等が使用できる。
また、本発明の実施形態は、全体の道路交通需要を予測にあたり、対象地域を走行ゾーンに分けることができる。そして、パーソナルコンテキストを収集した対象者の日常の移動行動を基に、自動車移動の出発地、目的地、道路等の分布によって、対象者の道路交通需要の全体需要への影響の大きさを評価する。本発明の実施形態は、影響の大きさの評価の結果によってランク分けを行い、ランクに応じて道路交通需要予測の手法を変更することができる。このようは本発明の実施形態は、道路交通需要を効率的に予測することができる。走行ゾーンは、対象地域を面的に分割するばかりでなく、道路リンク単位として対象地域を分割して生成することができる。
さらに、本発明の実施形態は、走行ゾーン毎に、平均道路交通需要から飽和道路交通需要に至るまでの道路交通需要余裕を予め求めておくようにしてもよい。そして、道路交通需要余裕と、対象者の道路交通需要の平均値と将来需要との差分とから、道路が将来的に飽和・過飽和の状態に至るか否かの判断をすることも可能である。
本発明は、道路交通需要予測をする装置全般に使用することができる。また、道路交通需要予測の結果をテレビ、ラジオ及びインターネットを使って提供するサービスに利用することができる。さらに、道路交通需要予測の結果は、交通、運搬及び観光等に係る調査にも利用することができる。
１，３，４，５，６，７，８，９ 道路交通需要予測装置
２ 道路交通需要データベース
１１ パーソナルコンテキスト入力部
１２，８２，１２２，１５２ 走行行動予測部
１３ 道路交通需要予測部
１４ アンテナ
２１ 移動予定抽出部
２２ 走行経路・時刻予測部
５５ パーソナルスケジューラー
５８，７８ 移動予定推定部
７１ 測位部
７９ インターネット・クラウド・サービス
８３ 走行ゾーン別道路交通需要予測部
１０１ グローバルコンテキスト
１０２ 公共車両運行計画情報
１０３ 道路交通需要データ
１０４ 予測行動情報
１１１ パーソナルコンテキスト入力部
１１４ 時刻予測結果情報
１２３ 走行ゾーン別道路交通需要・渋滞予測部
１２４ 平均道路交通需要余裕データベース
１５３ 道路リンク別道路交通需要予測部
１５４ 時刻予測結果情報
１８３ 道路リンク別道路交通需要・渋滞予測部
１８４ 平均道路交通需要余裕データベース
２０１ アウトルック
２０２ 移動予定情報
２０３ 構成員移動予定情報
２０４ 移動履歴情報
２０５ ネットワーク情報
２０６ 場所情報
２０７ 住所情報
２１１ 道路交通需要データベース
５０１ 移動予定情報
５０２ 履歴情報
５０３，７０５ 推定移動予定情報
５０４，７０４ 移動履歴情報
７０１ ＳＮＳメッセージ
７０２ ブログメッセージ
７０３ 検索履歴
７０６ 位置・移動情報
２ 道路交通需要データベース
１１ パーソナルコンテキスト入力部
１２，８２，１２２，１５２ 走行行動予測部
１３ 道路交通需要予測部
１４ アンテナ
２１ 移動予定抽出部
２２ 走行経路・時刻予測部
５５ パーソナルスケジューラー
５８，７８ 移動予定推定部
７１ 測位部
７９ インターネット・クラウド・サービス
８３ 走行ゾーン別道路交通需要予測部
１０１ グローバルコンテキスト
１０２ 公共車両運行計画情報
１０３ 道路交通需要データ
１０４ 予測行動情報
１１１ パーソナルコンテキスト入力部
１１４ 時刻予測結果情報
１２３ 走行ゾーン別道路交通需要・渋滞予測部
１２４ 平均道路交通需要余裕データベース
１５３ 道路リンク別道路交通需要予測部
１５４ 時刻予測結果情報
１８３ 道路リンク別道路交通需要・渋滞予測部
１８４ 平均道路交通需要余裕データベース
２０１ アウトルック
２０２ 移動予定情報
２０３ 構成員移動予定情報
２０４ 移動履歴情報
２０５ ネットワーク情報
２０６ 場所情報
２０７ 住所情報
２１１ 道路交通需要データベース
５０１ 移動予定情報
５０２ 履歴情報
５０３，７０５ 推定移動予定情報
５０４，７０４ 移動履歴情報
７０１ ＳＮＳメッセージ
７０２ ブログメッセージ
７０３ 検索履歴
７０６ 位置・移動情報
Claims (14)
- 複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキストを取得するグローバルコンテキスト取得部と、
前記グローバルコンテキスト取得部によって取得した前記グローバルコンテキストにおける平均道路交通需要及び前記グローバルコンテキストにおける個人の平均道路交通需要を道路交通需要データとして取得する道路交通需要データ取得部と、
個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストを取得するパーソナルコンテキスト取得部と、
前記パーソナルコンテキストから個人の将来的な道路交通需要を生成する走行行動予測部と、
前記平均道路交通需要、前記個人の平均道路交通需要及び前記個人の将来的な道路交通需要から将来の道路交通需要の予測を行う道路交通需要予測部と、
を備えることを特徴とする道路交通需要予測装置。 - 前記パーソナルコンテキストは、前記個人、前記組織体及び組織体を構成する構成員のうち少なくとも一つの、スケジュール、メールの履歴、インターネットの検索履歴及びＳＮＳの履歴のうち少なくとも一つであることを特徴とする請求項１に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、道路交通需要予測を行う対象となる対象地域を小領域に分割し、当該小領域毎に予測を行うことを特徴とする請求項１または２に記載の道路交通需要予測装置。
- 前記パーソナルコンテキスト取得部は、情報提供を承諾した個人の情報、情報提供を承諾した組織体の情報及び承諾不要で入手可能な公開情報の少なくとも一つを前記パーソナルコンテキストとして取得することを特徴とする請求項１から３のいずれか１項に記載の道路交通需要予測装置。
- 前記パーソナルコンテキスト取得部は、前記組織体のスケジュール及び前記組織体に属する構成員のスケジュールの少なくとも一方を前記パーソナルコンテキストとして取得することを特徴とする請求項１から３のいずれか１項に記載の道路交通需要予測装置。
- 前記パーソナルコンテキスト取得部は、情報提供サービスの会員のスケジュール及び当該会員がインターネット上で授受した情報の履歴の少なくとも一方を前記パーソナルコンテキストとして取得し、さらに、取得した前記パーソナルコンテキストから前記会員の移動に関する予定を推定する移動予定推定部を備えることを特徴とする請求項１から５のいずれか１項に記載の道路交通需要予測装置。
- 前記パーソナルコンテキスト取得部は、インターネット・クラウド・サービス上に流通している情報を前記パーソナルコンテキストとして取得し、さらに、取得した前記パーソナルコンテキストから個人の移動に関する予定を推定する移動予定推定部を備えることを特徴とする請求項１から５のいずれか１項に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、道路交通需要予測を行う対象となる対象地域を小領域に分割すると共に、当該小領域毎の道路交通需要に対する個人の道路交通需要の影響の程度によって将来道路交通需要の推計方法を変更することを特徴とする請求項１に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、前記個人の道路交通需要の影響の程度を、小領域毎の前記組織体の数、前記組織体の構成員の数、該構成員の移動に係る出発地の数、ＰＯＩ（Point Of Interest）の数、道路属性の少なくとも１つを使って評価することを特徴とする請求項８に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、道路交通需要データベースから抽出される前記グローバルコンテキスト、前記小領域、時間帯毎の道路交通需要から、前記道路交通需要データベースから抽出される前記小領域毎の平均道路交通需要余裕を算出することを特徴とする請求項８に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、前記小領域のサイズを前記グローバルコンテキスト及び前記パーソナルコンテキストの少なくとも一方に応じて変更し、前記小領域のサイズは、個人の移動の出発地、目的地、ＰＯＩ（Point Of Interest）の分布、前記対象地域内の道路の規格毎の長さの分布、道路交通需要データベースから抽出される道路交通需要の少なくともいずれか１つに対応して変化することを特徴とする請求項８に記載の道路交通需要予測装置。
- 前記小領域は、道路区間を単位にして分割した領域、前記対象地域を格子状に分割した矩形形状の領域、前記対象地域を行政で定められた境界に基づき分割した領域及び道路における一の分岐点と他の分岐点との間の道路リンクが連接して構成するパスのうちいずれかであることを特徴とする請求項３に記載の道路交通需要予測装置。
- 前記道路交通需要予測部は、個人の移動の出発地、目的地、ＰＯＩ（Point Of Interest）の分布、前記対象地域内の道路の規格毎の長さの分布、前記道路交通需要データベースから抽出される道路交通需要の少なくともいずれか１つに係る変数の前記小領域毎の値が予め設定された値である変数最大値以下になるように前記小領域の大きさを設定することを特徴とする請求項１１に記載の道路交通需要予測装置。
- 複数の人員に共通の環境あるいは特定の地域に係る情報であるグローバルコンテキストを取得するグローバルコンテキスト取得工程と、
前記グローバルコンテキスト取得工程で取得した前記グローバルコンテキストにおける平均道路交通需要及び前記グローバルコンテキストにおける個人の平均道路交通需要を道路交通需要データとして取得する道路交通需要データ取得工程と、
個人の環境あるいは特定の組織体に係る情報であるパーソナルコンテキストを取得するパーソナルコンテキスト取得工程と、
前記パーソナルコンテキスト取得工程で取得したパーソナルコンテキストから個人の将来的な道路交通需要を生成する走行行動予測工程と、
前記平均道路交通需要、前記個人の平均道路交通需要及び前記個人の将来的な道路交通需要から将来の道路交通需要の予測を行う道路交通需要予測工程と、
を含むことを特徴とする道路交通需要予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014107165A JP6314656B2 (ja) | 2014-05-23 | 2014-05-23 | 道路交通需要予測装置及び道路交通需要予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014107165A JP6314656B2 (ja) | 2014-05-23 | 2014-05-23 | 道路交通需要予測装置及び道路交通需要予測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015222537A JP2015222537A (ja) | 2015-12-10 |
| JP6314656B2 true JP6314656B2 (ja) | 2018-04-25 |
Family
ID=54785499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014107165A Active JP6314656B2 (ja) | 2014-05-23 | 2014-05-23 | 道路交通需要予測装置及び道路交通需要予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6314656B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7382836B2 (ja) | 2020-01-15 | 2023-11-17 | 東京エレクトロン株式会社 | 基板処理装置及び回転駆動方法 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6931159B2 (ja) * | 2017-04-12 | 2021-09-01 | 富士通株式会社 | 交通予測プログラム、交通予測装置、及び交通予測方法 |
| JP2018180906A (ja) * | 2017-04-12 | 2018-11-15 | 富士通株式会社 | 混雑予測プログラム、混雑予測装置、及び混雑予測方法 |
| 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 |
| CN110827048B (zh) * | 2018-08-08 | 2023-05-23 | 菜鸟智能物流控股有限公司 | 基于路网的地理区域分割方法、装置以及电子设备 |
| WO2021176733A1 (ja) * | 2020-03-06 | 2021-09-10 | 日本電信電話株式会社 | 集計装置、集計方法、および、集計プログラム |
| CN112418663B (zh) * | 2020-11-20 | 2022-09-13 | 厦门大学 | 道路旅游客运车辆配置方法、系统、电子设备及存储介质 |
| CN116844340B (zh) * | 2023-08-29 | 2023-11-21 | 临沂大学 | 基于人工智能的道路交通风险预测方法 |
| CN117113515B (zh) * | 2023-10-23 | 2024-01-05 | 湖南大学 | 一种路面设计方法、装置、设备及存储介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3374678B2 (ja) * | 1996-11-05 | 2003-02-10 | トヨタ自動車株式会社 | 経路演算装置 |
| JP4098526B2 (ja) * | 2002-01-10 | 2008-06-11 | 株式会社アイ・トランスポート・ラボ | 交通情報提供システム及びその方法、交通情報提供プログラム |
| JP4576861B2 (ja) * | 2004-03-19 | 2010-11-10 | アイシン・エィ・ダブリュ株式会社 | ナビゲーションシステム |
| US7698055B2 (en) * | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
| JP4506428B2 (ja) * | 2004-11-22 | 2010-07-21 | 日本電気株式会社 | プローブデータ収集システム及びプローブデータ収集方法等 |
| JP2006337182A (ja) * | 2005-06-02 | 2006-12-14 | Xanavi Informatics Corp | カーナビゲーションシステム、交通情報提供装置、カーナビゲーション装置、交通情報提供方法および交通情報提供プログラム |
| JP4506663B2 (ja) * | 2005-12-09 | 2010-07-21 | 株式会社豊田中央研究所 | 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム |
| JP5668380B2 (ja) * | 2010-09-10 | 2015-02-12 | 株式会社豊田中央研究所 | 経路探索装置及びプログラム |
| JP5605918B2 (ja) * | 2012-03-29 | 2014-10-15 | 株式会社デンソーアイティーラボラトリ | 交通データ予測装置、交通データ予測方法及びコンピュータプログラム |
-
2014
- 2014-05-23 JP JP2014107165A patent/JP6314656B2/ja active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7382836B2 (ja) | 2020-01-15 | 2023-11-17 | 東京エレクトロン株式会社 | 基板処理装置及び回転駆動方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015222537A (ja) | 2015-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6314656B2 (ja) | 道路交通需要予測装置及び道路交通需要予測方法 | |
| Biba et al. | A new method for determining the population with walking access to transit | |
| Bohlooli et al. | A GPS-free method for vehicle future movement directions prediction using SOM for VANET | |
| CN109739926A (zh) | 一种基于卷积神经网络的移动对象目的地预测方法 | |
| Yakar et al. | A highway alignment determination model incorporating GIS and multi-criteria decision making | |
| Zenina et al. | Regression analysis for transport trip generation evaluation | |
| Jeon et al. | Effects of spatial aggregation level on an urban transportation planning model | |
| JP2018181063A (ja) | 生成装置、生成方法及び生成プログラム | |
| Li et al. | Using smart card data trimmed by train schedule to analyze metro passenger route choice with synchronous clustering | |
| Huang et al. | Estimating light-rail transit peak-hour boarding based on accessibility at station and route levels in Wuhan, China | |
| JP2016076141A (ja) | 路線バス運行分析評価システム、分析評価方法、および、プログラム | |
| Li et al. | A reinforcement learning-based routing algorithm for large street networks | |
| CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
| Callejas Cuervo et al. | Simulation based on system dynamics for evaluating the quality of transport service in a complex social system | |
| Li et al. | Equality of public transit connectivity: the influence of mass rapid transit services on individual buildings for Singapore | |
| Albalawneh et al. | A new federated genetic algorithm-based optimization technique for multi-criteria vehicle route planning using ArcGIS network analyst | |
| Gazis et al. | Integrated computational methods for traffic emissions route assessment | |
| Farhan | Traffic routing algorithm for road network | |
| Kumar | Transit Origin Destination Estimation using Automated Data | |
| Vitosoglu et al. | Obtaining the intercity bus travel matrix in Turkey and analysing it in GIS environment | |
| Disu-Sule et al. | Designing a bus bridging tool for team iCity | |
| RUDA | SPATIAL DECISION MAKING FOR LOGISTICS CENTRE ALLOCATION. | |
| Rahaman | Context-aware mobility analytics and trip planning | |
| Parygin et al. | Method GAND: multi-criteria analysis for choice the most preferable geodata-based transport network | |
| Huang | A hierarchical process for optimizing bus stop distribution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170127 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171124 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171205 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180205 |
|
| 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: 20180227 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180312 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6314656 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |