JP7111151B2 - 情報処理装置、道路分析方法、及びプログラム - Google Patents

情報処理装置、道路分析方法、及びプログラム Download PDF

Info

Publication number
JP7111151B2
JP7111151B2 JP2020509595A JP2020509595A JP7111151B2 JP 7111151 B2 JP7111151 B2 JP 7111151B2 JP 2020509595 A JP2020509595 A JP 2020509595A JP 2020509595 A JP2020509595 A JP 2020509595A JP 7111151 B2 JP7111151 B2 JP 7111151B2
Authority
JP
Japan
Prior art keywords
road
statistical information
disadvantage
traffic
amount
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
Application number
JP2020509595A
Other languages
English (en)
Other versions
JPWO2019187291A1 (ja
Inventor
道彦 遊佐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2019187291A1 publication Critical patent/JPWO2019187291A1/ja
Application granted granted Critical
Publication of JP7111151B2 publication Critical patent/JP7111151B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は情報処理装置、道路分析方法、及びプログラムに関する。
各国において、交通渋滞が社会的な問題になっている。交通渋滞を抜本的に解消するためには、交通インフラを改良することが求められる。これに関連する文献として、特許文献１がある。特許文献１では、道路の拡張工事などの道路行政に役立てるため、システムが混雑損失時間と交通量と時間価値に基づいて混雑損失額を算出することについて開示している。
特開２００３－２８１６８５号公報
特許文献１では、プローブカーにより取得された旅行時間及び国土交通省による調査結果である交通量などを混雑損失額の算出のために用いている。したがって、特許文献１に記載された技術では、プローブカーが走行していない道路については、そもそも混雑損失額の算出が不可能である。また、仮に、混雑損失額の算出対象の道路をプローブカーが走行したとしても、取得されるデータのサンプル数は、プローブカーの台数に依存するため、当該道路について正確な評価を行うことは困難である。さらに、混雑損失額に用いる交通量は、国土交通省による調査結果であるため、調査結果が存在しない道路については、混雑損失額の算出が不可能である。したがって、特許文献１に記載されたシステムは、道路行政に十分に役立つシステムとはなっていない。
そこで、本明細書に開示される実施形態が達成しようとする目的の１つは、交通インフラの改良に関する有益な情報を作成することができる情報処理装置、道路分析方法、及びプログラムを提供することにある。
第１の態様にかかる情報処理装置は、所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得手段と、前記カメラ映像取得手段が取得した映像データから、前記道路の交通についての統計情報を生成する解析手段と、前記解析手段により生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出手段とを有する。
第２の態様にかかる道路分析方法では、情報処理装置が、所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得し、取得した前記映像データから、前記道路の交通についての統計情報を生成し、前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する。
第３の態様にかかるプログラムは、所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得ステップと、前記カメラ映像取得ステップで取得した映像データから、前記道路の交通についての統計情報を生成する解析ステップと、前記解析ステップで生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出ステップとをコンピュータに実行させる。
上述の態様によれば、交通インフラの改良に関する有益な情報を作成することができる情報処理装置、道路分析方法、及びプログラムを提供することができる。
実施の形態の概要にかかる情報処理装置の構成の一例を示すブロック図である。 実施の形態にかかる情報処理システムの構成の一例を示すブロック図である。 一連の渋滞区間を示した模式図である。 サーバの動作の一例を示すフローチャートである。 サーバのハードウェア構成の一例を示すブロック図である。
＜実施の形態の概要＞
実施の形態の詳細な説明に先立って、実施の形態の概要を説明する。図１は、実施の形態の概要にかかる情報処理装置１の構成の一例を示すブロック図である。図１に示すように、情報処理装置１は、カメラ映像取得部２と、解析部３と、不利益算出部４とを有する。
カメラ映像取得部２は、所定の道路の交通状態を継続的に撮影するカメラ（図１において不図示）からの映像データを取得する。カメラ映像取得部２は、例えば、有線又は無線のネットワークを介して、カメラが送信した映像データを取得するが、記憶媒体に記憶された映像データを読み出して取得してもよい。このように、カメラ映像取得部２は、映像データを取得できればよく、その取得方法は任意である。このように、カメラ映像取得部２は所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するため、カメラ映像取得部２が取得する映像データは、所定の道路の連続的な観測結果である。なお、そのようなカメラは、例えば、撮影対象の道路の周辺に継続的に設置されたカメラである。
解析部３は、カメラ映像取得部２が取得した映像データから、道路の交通についての統計情報を生成する。解析部３は、例えば、映像データに対し画像解析処理を行い、車両の速度、交通量などといった所定の種類の統計情報を生成する。なお、解析部３が生成する統計情報は、カメラ映像取得部２が取得した映像データから生成可能な道路の交通についての統計情報であればよく、その種類は限定されない。
不利益算出部４は、解析部３により生成された統計情報を用いて、道路の渋滞により発生する不利益の量を算出する。なお、ここでいう不利益は、道路の渋滞により発生する不利益であればよく、その種類は限定されない。例えば、不利益は、経済的な損失であってもよいし、二酸化炭素などの環境面での不利益であってもよい。道路の渋滞により発生する不利益の量の大きさは、当該道路についての拡幅などといった交通インフラの改良の必要性の判断材料とすることができる。したがって、不利益算出部４がより正確に不利益の量を算出することにより、交通インフラの改良の必要性のより正確な判定が期待できる。
上述の通り、情報処理装置１では、所定の道路の連続的な観測結果から生成された統計情報に基づいて、当該所定の道路における渋滞による不利益の量が算出される。すなわち、情報処理装置１によれば、当該所定の道路の交通状態が正確に反映された統計情報に基づいて渋滞の影響を算出することができる。したがって、プローブカー等により得られた情報に基づく算出に比べ、正確に算出することができる。つまり、情報処理装置１によれば、交通インフラの改良に関する、より有益な情報を作成することができる。
＜実施の形態の詳細＞
次に、実施の形態の詳細について説明する。図２は、実施の形態の情報処理システム１０の構成の一例を示すブロック図である。図２に示すように、情報処理システム１０は、サーバ１００と、複数のカメラ２００とを有する。なお、サーバ１００は、図１の情報処理装置１に相当する装置である。
カメラ２００は、それぞれ、所定の道路の交通状態を継続的に撮影するカメラである。本実施の形態では、一例として各カメラ２００は道路の各交差点の交通状態を撮影するよう設置されているが、カメラ２００の撮影対象は交差点に限定されない。例えば、交差点間の任意の地点の交通状態を撮影するようカメラ２００が設置されていてもよい。カメラ２００は、所定の場所を連続して観測し続けることができるように、撮影対象の周辺に継続的に設置されている。カメラ２００は、撮影した映像データを有線又は無線のネットワークを介して、サーバ１００に送信する。
サーバ１００は、図２に示すように、カメラ映像取得部１０１と、解析部１０２と、経済損失算出部１０３と、排出量算出部１０４と、コスト取得部１０５と、判定部１０６と、出力部１０７とを有する。
カメラ映像取得部１０１は、図１のカメラ映像取得部２に相当し、カメラ２００からの映像データを取得する。本実施の形態では、カメラ映像取得部１０１は、ネットワークを介して、カメラ２００のそれぞれから映像データを取得する。
解析部１０２は、図１の解析部３に相当し、カメラ映像取得部１０１が取得した映像データから、道路の交通についての統計情報を画像解析処理により生成する。本実施の形態では、解析部１０２は、統計情報として、道路を走行する車両の速度、道路を走行する車両の台数（すなわち交通量）、待ち時間、渋滞時間などを生成する。なお、待ち時間とは、カメラ映像に撮影された、道路上の所定の区間を通過するのに要する時間である。また、渋滞時間とは、渋滞が発生している時間の長さをいう。解析部１０２は、例えば、所定の統計取得期間（例えば、１年）の映像データについて統計情報を生成する。
解析部１０２は、例えば、映像データから各車両を認識し、認識した各車両の時系列の位置の変化を解析することにより、これらの統計情報を生成する。より詳細には、例えば、解析部１０２は、所定の計測時間（例えば、１０分）の映像データで検出された車両のそれぞれの速度を解析し、これらの平均を計算することで、この間の車両の平均速度を算出する。また、解析部１０２は、この所定の計測時間の映像データで検出された車両の数を解析することで、この間の車両の台数（すなわち、交通量）を算出する。また、解析部１０２は、この所定の計測時間の映像データで検出された車両のそれぞれについて、所定の道路区間を通過するのに要する時間を解析し、これらの平均を計算することで、待ち時間を算出する。また、解析部１０２は、映像データから渋滞の発生を検知する。この場合、具体的には、例えば、解析部１０２は、算出された上述の平均速度が、予め定められた閾値（例えば、時速２０キロ）以下である場合、渋滞が発生していると判定する。なお、以下の説明では、渋滞の発生を判定するためのこの閾値を渋滞速度と呼ぶ。そして、解析部１０２は、渋滞が発生していると判定される交通状態の時間の長さを渋滞時間とする。また、解析部１０２は、渋滞が発生している時間帯を示す統計情報を生成してもよい。
解析部１０２は、これらの統計情報を、道路のレーン毎に行ってもよい。なお、上述した解析部１０２による解析手法は一例に過ぎず、解析部１０２は、他の任意の手法により各統計情報を生成してもよい。
また、解析部１０２は、さらに、カメラ映像取得部１０１が取得した映像データから道路を走行する車両の種別についての統計情報を生成してもよい。例えば、解析部１０２は、映像データから道路を走行する車両の種別をパターンマッチングなどにより認識することで、車両の種別についての統計情報を生成する。例えば、解析部１０２は、上記所定の計測時間に映像データで検出された車両の種別の統計情報を生成する。なお、解析部１０２は、これに限らず、他の任意の手法により車両の種別の統計情報を生成してもよい。
また、解析部１０２は、さらに、カメラ映像取得部１０１が取得した映像データから道路を走行する車両の乗車人員についての統計情報を生成してもよい。例えば、解析部１０２は、映像データから車両内の人物の数を認識することにより乗車人員を計数してもよいし、車両の種別の認識結果に基づいて乗車人員を計数してもよい。車両の種別の認識により乗車人員を計数する場合、例えば、車両の種別毎に推定される乗車人員が予め設定されている。解析部１０２は、上記所定の計測時間に映像データで検出された全ての車両の合計の乗車人員を算出してもよいし、平均乗車人員を算出してもよい。なお、解析部１０２は、これらに限らず、他の任意の手法により乗車人員の統計情報を生成してもよい。
経済損失算出部１０３及び排出量算出部１０４は、図１の不利益算出部４に相当する。経済損失算出部１０３は、解析部１０２により生成された統計情報を用いて、道路の渋滞により発生する経済損失額を算出する。また、排出量算出部１０４は、解析部１０２により生成された統計情報を用いて、道路の渋滞により車両から排出される排気ガスの所定の成分の排出量を算出する。すなわち、排出量算出部１０４は、渋滞により余計に排出される所定の成分の量を算出する。なお、本実施の形態では、具体的には、この所定の成分は、二酸化炭素であるが、排気ガスに含まれる他の有害な成分であってもよい。
以下、経済損失算出部１０３及び排出量算出部１０４における具体的な算出の例について説明する。図３は、一連の渋滞区間を示した模式図である。図３において、Ｐ１，Ｐ２，・・・，Ｐｎ－１，Ｐｎは、それぞれ、カメラ２００による監視場所（すなわち、計測ポイント）であり、いずれも渋滞が発生していると解析部１０２で判定された場所である。すなわち、計測ポイントＰｉ（ただし、１≦ｉ≦ｎ）についての映像データから得られる上述の車両の平均速度が渋滞速度以下である。また、Ｐ１，Ｐ２，・・・，Ｐｎ－１，Ｐｎは、道路上の連続する計測ポイントである。なお、Ｐ１，Ｐ２，・・・，Ｐｎ－１，Ｐｎは、例えば交差点であるが、これに限られない。
ここで、図３に示すように、計測ポイントＰｉとＰｉ＋１とにより規定される区間をＰｉ，ｉ＋１とする。また、区間Ｐｉ，ｉ＋１の距離をＫｉとする。なお、距離Ｋｉは、カメラ２００の設置場所に従って決まる距離であるから既知の距離である。
経済損失算出部１０３及び排出量算出部１０４における具体的な算出例を説明するために、更に次のような変数を定義する。
Ｓｉ：計測ポイントＰｉにおける平均速度、すなわち、解析部１０２による処理によって得られる、所定の計測時間の映像データで検出された車両の平均速度
Ｑｉ：計測ポイントＰｉにおける交通量、すなわち、解析部１０２による処理によって得られる、所定の計測時間の映像データで検出された車両の台数
ＪＲ：１台あたりの乗車人員
ＣＯ２：１台の車両から排出される単位時間あたりの二酸化炭素の排出量
ＪＴ：渋滞が発生している時間帯
ＪＳ：渋滞速度（例えば、時速２０キロ）
Ｍ：予め設定された労働単価
本実施の形態では、経済損失算出部１０３は、一例として、渋滞によるロス時間と、当該ロス時間を発生させた車両の台数と、当該車両の乗車人員と、労働単価とに基づいて、経済損失額Ｚ１を算出する。具体的には、経済損失算出部１０３は、例えば、以下の式（１）により経済損失額Ｚ１を算出する。
Figure 0007111151000001
式（１）において、Ｔｌｏｓｓは、ロス時間を表す。ロス時間Ｔｌｏｓｓは、区間Ｐｉ，ｉ＋１の距離Ｋｉを渋滞中の速度で移動した場合の移動時間と、この距離を渋滞速度ＪＳで移動した場合の移動時間の差である。すなわち、ロス時間Ｔｌｏｓｓは、渋滞により余計に必要となった移動時間を示す。ロス時間Ｔｌｏｓｓは、具体的には、例えば、下記の式（２）により示される。
Figure 0007111151000002
式（２）において、区間Ｐｉ，ｉ＋１を走行する車両の渋滞中の速度は、Ｓｉ，ｉ＋１により表されている。ここで、Ｓｉ，ｉ＋１は、例えば、Ｐｉの映像データから得られるＰｉからＰｉ＋１に向かう方向の車両の平均速度ＳｉとＰｉ＋１の映像データから得られるＰｉからＰｉ＋１に向かう方向の車両の平均速度Ｓｉ＋１との平均により表される。すなわち、Ｓｉ，ｉ＋１は、例えば、以下の式（３）に示すように表される。
Figure 0007111151000003
なお、式（２）では、ロス時間の算出において用いる基準の速度として、渋滞速度ＪＳを用いているが、ＪＳの代わりに、道路の法定速度など、他の所定の速度を用いてもよい。
また、式（１）において、Ｎは、区間Ｐｉ，ｉ＋１を走行する車両の数であり、ロス時間を発生させた車両の台数に相当する。Ｎは、例えば、Ｐｉの映像データから得られるＰｉからＰｉ＋１に向かう方向の車両の台数ＱｉとＰｉ＋１の映像データから得られるＰｉからＰｉ＋１に向かう方向の車両の台数Ｑｉ＋１との平均により表される。すなわち、Ｎは、例えば、以下の式（４）に示すように表される。
Figure 0007111151000004
式（１）に示されるように、経済損失算出部１０３は、ロス時間Ｔｌｏｓｓと台数Ｎと乗車人員ＪＲと労働単価Ｍとを乗算した結果を、所定の統計取得期間（例えば、１年）の各渋時間帯ＪＴについて積算する。また、経済損失算出部１０３は、この積算結果を、さらに、一連の渋滞区間、すなわちＰ１，２，Ｐ２，３，・・・Ｐｎ－１，ｎについて積算する。これにより、経済損失額Ｚ１を算出する。
なお、経済損失算出部１０３は、式（１）における乗車人員ＪＲとして、予め設定された平均値を用いてもよいが、本実施の形態では、解析部１０２による解析により得られる乗車人員の統計情報を用いることができる。この場合、経済損失算出部１０３は、例えば、解析部１０２の解析処理により得られた平均乗車人員の値を式（１）のＪＲの値として用いることができる。なお、経済損失算出部１０３は、経済損失額Ｚ１の算出の際、解析部１０２の解析処理により得られた合計乗車人員の値を用いてもよい。この場合、経済損失算出部１０３は、式（１）におけるＮ×ＪＲの代わりに、合計乗車人員の値を用いることができる。
このように、経済損失算出部１０３は、カメラ２００の映像データから得られた乗車人員についての統計情報を用いて経済損失額を算出してもよい。このようにすることで、乗車人員の値として所定値を用いる場合に比べて、より正確に経済損失額を算出できる。
なお、経済損失算出部１０３は、レーン毎又は進行方向毎に、経済損失額を算出してもよい。これにより、レーン毎又は進行方向毎の渋滞の影響を評価することが可能となる。
次に、排出量算出部１０４について説明する。本実施の形態では、排出量算出部１０４は、一例として、渋滞によるロス時間と、当該ロス時間を発生させた車両の台数と、当該車両から排出される二酸化炭素量とに基づいて、渋滞により余計に排出される二酸化炭素の量（二酸化炭素排出量）Ｚ２を算出する。具体的には、排出量算出部１０４は、例えば、以下の式（５）により二酸化炭素排出量Ｚ２を算出する。
Figure 0007111151000005
式（５）に示されるように、排出量算出部１０４は、ロス時間Ｔｌｏｓｓと台数Ｎと排出量ＣＯ２とを乗算した結果を、所定の統計取得期間（例えば、１年）の各渋時間帯ＪＴについて積算する。また、排出量算出部１０４は、この積算結果を、さらに、一連の渋滞区間、すなわちＰ１，２，Ｐ２，３，・・・Ｐｎ－１，ｎについて積算する。これにより、二酸化炭素排出量Ｚ２を算出する。
なお、排出量算出部１０４は、式（５）における排出量ＣＯ２として、予め設定された平均値を用いてもよいが、本実施の形態では、解析部１０２による解析により得られる車両の種別についての統計情報にしたがった排出量を用いることができる。具体的には、例えば、解析部１０２による解析により得られる車両の各種別の比率と、車両の種別毎に予め設定された二酸化炭素の排出量とから算出される平均排出量の値を式（５）のＣＯ２の値として用いることができる。なお、排出量算出部１０４は、二酸化炭素排出量Ｚ２の算出の際、解析部１０２の解析処理により種別が特定された各車両について、種別毎に予め設定された二酸化炭素の排出量を積算した積算値を用いてもよい。この場合、排出量算出部１０４は、式（５）におけるＮ×ＣＯ２の代わりに、この積算値を用いることができる。
このように、排出量算出部１０４は、カメラ２００の映像データから得られた車両の種別についての統計情報を用いて所定の成分の排出量を算出してもよい。このようにすることで、１台の車からの排出量として車両の種別にかかわらず一律の所定値を用いる場合に比べて、より正確に渋滞により余計に排出される所定の成分の量を算出することができる。
なお、排出量算出部１０４は、レーン毎又は進行方向毎に、二酸化炭素排出量を算出してもよい。これにより、レーン毎又は進行方向毎の渋滞の影響を評価することが可能となる。
コスト取得部１０５は、経済損失算出部１０３及び排出量算出部１０４により不利益が算出された道路の渋滞を解消するための交通インフラの改良に要するコストを示す情報（以下、コスト情報という）を取得する。コスト情報は、当該道路に関する交通インフラの改良に要する任意のコストについての情報である。コスト情報は、例えば、渋滞を解消するために必要とされる改良数であってもよいし、改良に要する費用であってもよい。
コスト取得部１０５は、例えば、記憶媒体に記憶されたコスト情報を読み出して取得してもよいし、有線又は無線のネットワークを介して、他の装置が送信したコスト情報を取得してもよい。このように、コスト取得部１０５は、コスト情報を取得できればよく、その取得方法は任意である。また、コスト取得部１０５が取得するコスト情報は、ユーザが入力した情報であってもよいし、カメラ２００の映像データに基づいて渋滞原因を解析するとともに解析結果に応じた渋滞対策に関する情報を出力するソフトウェアから出力された情報であってもよい。
判定部１０６は、経済損失算出部１０３及び排出量算出部１０４により不利益が算出された道路に関する交通インフラの改良の必要性を判定する。すなわち、判定部１０６は、当該道路の渋滞を解消するための交通インフラの改良の必要性を判定する。具体的には、判定部１０６は、経済損失算出部１０３及び排出量算出部１０４による算出結果に基づいて、交通インフラの改良の必要性を判定する。例えば、経済損失算出部１０３により算出された経済損失額又は排出量算出部１０４により算出された排出量が所定の閾値を超える場合、交通インフラの改良が必要であると判定してもよい。
また、判定部１０６は、経済損失算出部１０３及び排出量算出部１０４による算出結果に加え、さらに他の情報に基づいて、交通インフラの改良の必要性を判定してもよい。この他の情報は、例えば、解析部１０２により生成された統計情報であってもよい。具体的には、他の情報として用いられる統計情報は、道路の渋滞時間、道路を走行する車両の速度、又は、道路の交差点における車両の待ち時間のうちの少なくともいずれか１つであってもよい。また、上記他の情報は、道路の現在の車線数であってもよいし、コスト取得部１０５により取得されたコスト情報であってもよい。なお、車線数を示す情報は、解析部１０２による画像解析により抽出されてもよいし、ユーザが入力した情報であってもよい。
例えば、判定部１０６は、これらの評価項目を用いて次のように判定してもよい。なお、以下に示す判定方法は、一例に過ぎず、判定部１０６は上記の評価項目を用いた他の判定方法により判定を行ってもよい。
判定部１０６は、各評価項目に重み付けを行って、経済損失算出部１０３及び排出量算出部１０４により不利益が算出された道路毎にスコアを算出してもよい。すなわち、判定部１０６は、評価項目の評価値と所定の重要度の加重和を算出することにより、当該道路の交通インフラの改良の必要性の高さを示す指標値であるスコアを算出してもよい。
なお、各評価項目の評価値は、交通インフラの改良の必要性の判定に対し、例えば次のような影響を与える。経済損失額、二酸化炭素排出量、渋滞時間、及び待ち時間については、その値が大きいほど交通インフラの改良の必要性は高くなる。また、車線数については、車線数が多いほどより重要な道路であると考えられるため、車線数が多いほど交通インフラの改良の必要性が高くなる。速度及びコストについては、その値が小さいほど交通インフラの改良の必要性が高くなる。なお、これらの評価項目の全てが用いられなくてもよく、一部の評価項目のみにより判定部１０６の判定が行われてもよい。
そして、判定部１０６は、このスコアが所定の閾値を超える場合、交通インフラの改良が必要であると判定してもよい。また、判定部１０６は、スコア順に、交通インフラの改良の必要性のある道路をソートすることにより優先順位をつけてもよい。
出力部１０７は、判定部１０６による判定結果を出力する。出力部１０７は、出力として、ディスプレイに表示してもよいし、他の装置に送信してもよい。なお、出力部１０７は、判定部１０６による判定結果に限らず、解析部１０２により生成された情報などの他の情報を出力してもよい。
次に、サーバ１００の動作について説明する。図４は、サーバ１００の動作の一例を示すフローチャートである。以下、図４に沿って、サーバ１００の動作の一例を説明する。
ステップ１００（Ｓ１００）において、カメラ映像取得部１０１が、カメラ２００から映像データを取得する。
次に、ステップ１０１（Ｓ１０１）において、解析部１０２が、カメラ映像取得部１０１が取得した映像データを用いて所定の解析処理を実行する。
次に、ステップ１０２（Ｓ１０２）において、経済損失算出部１０３及び排出量算出部１０４が、渋滞による不利益を算出する。
次に、ステップ１０３（Ｓ１０３）において、判定部１０６が、ステップ１０２で算出された不利益を含む判断材料に基づいて、交通インフラの改良の必要性を判定し、出力部１０７が判定結果を出力する。
次に、サーバ１００のハードウェア構成の一例について説明する。図５は、サーバ１００のハードウェア構成の一例を示すブロック図である。図５に示すように、サーバ１００は、例えば、ネットワークインタフェース１５０、メモリ１５１、及びプロセッサ１５２を含む。
ネットワークインタフェース１５０は、カメラ２００などの他の装置と通信するために使用される。ネットワークインタフェース１５０は、例えば、ネットワークインタフェースカード（ＮＩＣ）を含んでもよい。
メモリ１５１は、例えば、揮発性メモリ及び不揮発性メモリの組み合わせによって構成される。なお、サーバ１００は、メモリ１５１の他にハードディスクなどの記憶装置を有してもよい。
メモリ１５１は、プロセッサ１５２により実行される、１以上の命令を含むソフトウェア（コンピュータプログラム）などを格納するために使用される。
このプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、Compact Disc Read Only Memory（CD-ROM）、CD-R、CD-R/W、半導体メモリ（例えば、マスクROM、Programmable ROM（PROM）、Erasable PROM（EPROM）、フラッシュROM、Random Access Memory（RAM））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
プロセッサ１５２は、メモリ１５１からソフトウェア（コンピュータプログラム）を読み出して実行することで、上述したサーバ１００の処理を行う。すなわち、カメラ映像取得部１０１、解析部１０２、経済損失算出部１０３、排出量算出部１０４、コスト取得部１０５、判定部１０６、及び出力部１０７の各処理は、プログラムの実行により実現されてもよい。このように、サーバ１００は、コンピュータとしての機能を備えている。プロセッサ１５２は、例えば、マイクロプロセッサ、ＭＰＵ(Micro Processor Unit)、又はＣＰＵ(Central Processing Unit)などであってもよい。プロセッサ１５２は、複数のプロセッサを含んでもよい。
また、サーバ１００は、さらに、マウス、キーボードなどといった入力装置を備えてもよいし、ディスプレイなどの出力装置を備えてもよい。なお、サーバ１００は、サーバ１００に対する入力情報を、ネットワークを介して他の装置から取得してもよいし、サーバ１００の出力情報を、ネットワークを介して他の装置に出力してもよい。
以上、実施の形態の詳細について説明した。情報処理システム１０では、カメラ２００の映像データから生成された統計情報に基づいて、道路における渋滞による経済損失額及び二酸化炭素排出量が算出される。そして、この算出結果を用いた判定が判定部１０６によって行われる。このため、カメラ２００による監視対象の道路のうち、いずれの道路についてインフラの改良をすべきかを容易に把握することができる。
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
また、上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得手段と、
前記カメラ映像取得手段が取得した映像データから、前記道路の交通についての統計情報を生成する解析手段と、
前記解析手段により生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出手段と
を有する情報処理装置。
（付記２）
前記不利益算出手段は、前記不利益の量として、前記道路の渋滞により発生する経済損失額を算出する
付記１に記載の情報処理装置。
（付記３）
前記解析手段は、前記カメラ映像取得手段が取得した映像データから、前記道路を走行する車両の乗車人員についての統計情報を含む統計情報を生成し、
前記不利益算出手段は、前記乗車人員についての統計情報を用いて、前記経済損失額を算出する
付記２に記載の情報処理装置。
（付記４）
前記不利益算出手段は、前記不利益の量として、前記道路の渋滞により車両から排出される排気ガスの所定の成分の排出量を算出する
付記１乃至３のいずれか１項に記載の情報処理装置。
（付記５）
前記解析手段は、前記カメラ映像取得手段が取得した映像データから、前記道路を走行する前記車両の種別についての統計情報を含む統計情報を生成し、
前記不利益算出手段は、前記車両の種別についての統計情報を用いて、前記成分の排出量を算出する
付記４に記載の情報処理装置。
（付記６）
前記不利益算出手段による算出結果に基づいて、前記道路に関する交通インフラの改良の必要性を判定する判定手段
をさらに有する付記１乃至５のいずれか１項に記載の情報処理装置。
（付記７）
前記判定手段は、さらに、前記解析手段により生成された統計情報に基づいて、前記道路に関する交通インフラの改良の必要性を判定し、
前記判定手段の判定に用いられる前記統計情報は、前記道路の渋滞時間、前記道路を走行する車両の速度、又は、前記道路の交差点における車両の待ち時間のうちの少なくともいずれか１つである
付記６に記載の情報処理装置。
（付記８）
前記判定手段は、さらに、前記道路の現在の車線数に基づいて、前記道路に関する交通インフラの改良の必要性を判定する
付記６又は７に記載の情報処理装置。
（付記９）
前記判定手段は、さらに、前記道路に関する交通インフラの改良に要するコストに基づいて、前記交通インフラの改良の必要性を判定する
付記６乃至８のいずれか１項に記載の情報処理装置。
（付記１０）
情報処理装置が、
所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得し、
取得した前記映像データから、前記道路の交通についての統計情報を生成し、
前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する
道路分析方法。
（付記１１）
所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得ステップと、
前記カメラ映像取得ステップで取得した映像データから、前記道路の交通についての統計情報を生成する解析ステップと、
前記解析ステップで生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出ステップと
をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体。
以上、実施の形態を参照して本願発明を説明したが、本願発明は上記によって限定されるものではない。本願発明の構成や詳細には、発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１８年３月２９日に出願された日本出願特願２０１８－０６６０１６を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１ 情報処理装置
２ カメラ映像取得部
３ 解析部
４ 不利益算出部
１０ 情報処理システム
１００ サーバ
１０１ カメラ映像取得部
１０２ 解析部
１０３ 経済損失算出部
１０４ 排出量算出部
１０５ コスト取得部
１０６ 判定部
１０７ 出力部
１５０ ネットワークインタフェース
１５１ メモリ
１５２ プロセッサ
２００ カメラ

Claims (8)

  1. 所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得手段と、
    前記カメラ映像取得手段が取得した映像データから、前記道路の交通についての統計情報を生成する解析手段と、
    前記解析手段により生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出手段と
    を有し、
    前記解析手段は、前記カメラ映像取得手段が取得した映像データから、前記道路を走行する車両の種別を認識し、前記車両の種別の認識結果と、車両の種別毎に予め設定された乗車人員とに基づいて、前記道路を走行する前記車両の乗車人員についての統計情報を含む統計情報を生成し、
    前記不利益算出手段は、前記乗車人員についての統計情報を用いて、前記不利益の量として、前記道路の渋滞により発生する経済損失額を算出する
    情報処理装置。
  2. 前記不利益算出手段は、前記不利益の量として、前記道路の渋滞により車両から排出される排気ガスの所定の成分の排出量を算出する
    請求項１に記載の情報処理装置。
  3. 前記解析手段は、前記カメラ映像取得手段が取得した映像データから、前記道路を走行する前記車両の種別についての統計情報を含む統計情報を生成し、
    前記不利益算出手段は、前記車両の種別についての統計情報を用いて、前記成分の排出量を算出する
    請求項２に記載の情報処理装置。
  4. 前記不利益算出手段による算出結果に基づいて、前記道路に関する交通インフラの改良の必要性を判定する判定手段
    をさらに有する請求項１乃至３のいずれか１項に記載の情報処理装置。
  5. 前記判定手段は、さらに、前記解析手段により生成された統計情報に基づいて、前記道路に関する交通インフラの改良の必要性を判定し、
    前記判定手段の判定に用いられる前記統計情報は、前記道路の渋滞時間、前記道路を走行する車両の速度、又は、前記道路の交差点における車両の待ち時間のうちの少なくともいずれか１つである
    請求項４に記載の情報処理装置。
  6. 前記判定手段は、さらに、前記道路の現在の車線数に基づいて、前記道路に関する交通インフラの改良の必要性を判定する
    請求項４又は５に記載の情報処理装置。
  7. 情報処理装置が、
    所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得し、
    取得した前記映像データから、前記道路の交通についての統計情報を生成し、
    前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出し、
    前記統計情報の生成では、取得した前記映像データから、前記道路を走行する車両の種別を認識し、前記車両の種別の認識結果と、車両の種別毎に予め設定された乗車人員とに基づいて、前記道路を走行する前記車両の乗車人員についての統計情報を含む統計情報を生成し、
    前記不利益の量の算出では、前記乗車人員についての統計情報を用いて、前記不利益の量として、前記道路の渋滞により発生する経済損失額を算出する
    道路分析方法。
  8. 所定の道路の交通状態を継続的に撮影するカメラからの映像データを取得するカメラ映像取得ステップと、
    前記カメラ映像取得ステップで取得した映像データから、前記道路の交通についての統計情報を生成する解析ステップと、
    前記解析ステップで生成された前記統計情報を用いて、前記道路の渋滞により発生する不利益の量を算出する不利益算出ステップと
    をコンピュータに実行させ、
    前記解析ステップでは、取得した前記映像データから、前記道路を走行する車両の種別を認識し、前記車両の種別の認識結果と、車両の種別毎に予め設定された乗車人員とに基づいて、前記道路を走行する前記車両の乗車人員についての統計情報を含む統計情報を生成し、
    前記不利益算出ステップでは、前記乗車人員についての統計情報を用いて、前記不利益の量として、前記道路の渋滞により発生する経済損失額を算出する
    プログラム。
JP2020509595A 2018-03-29 2018-10-30 情報処理装置、道路分析方法、及びプログラム Active JP7111151B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018066016 2018-03-29
JP2018066016 2018-03-29
PCT/JP2018/040292 WO2019187291A1 (ja) 2018-03-29 2018-10-30 情報処理装置、道路分析方法、及びプログラムが格納された非一時的なコンピュータ可読媒体

Publications (2)

Publication Number Publication Date
JPWO2019187291A1 JPWO2019187291A1 (ja) 2021-03-11
JP7111151B2 true JP7111151B2 (ja) 2022-08-02

Family

ID=68060553

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020509595A Active JP7111151B2 (ja) 2018-03-29 2018-10-30 情報処理装置、道路分析方法、及びプログラム

Country Status (3)

Country Link
US (1) US20210012649A1 (ja)
JP (1) JP7111151B2 (ja)
WO (1) WO2019187291A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100420842C (zh) * 2003-02-03 2008-09-24 株式会社三国 燃料喷射控制方法及控制装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095159A (zh) * 2021-03-23 2021-07-09 陕西师范大学 一种基于cnn的城市道路交通状况分析方法
CN113792580B (zh) * 2021-08-02 2023-11-03 日立楼宇技术（广州）有限公司 一种自动扶梯的辅助拍摄系统、方法、装置及存储介质
WO2023166675A1 (ja) * 2022-03-03 2023-09-07 日本電気株式会社 監視装置、監視システム、監視方法及び記録媒体

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281685A (ja) 2002-03-20 2003-10-03 Natl Inst For Land & Infrastructure Management Mlit 交通情報処理方法及び交通情報処理システム
JP2007026338A (ja) 2005-07-21 2007-02-01 Mitsubishi Heavy Industries Bridge & Steel Structures Engineering Co Ltd 構造物の維持管理計画支援システム及びその方法並びにプログラム
JP2009301345A (ja) 2008-06-13 2009-12-24 Denso Corp 交通情報提供システム及び交通情報提供装置
JP2014052860A (ja) 2012-09-07 2014-03-20 Ihi Corp 解析装置および解析方法
JP2015028675A (ja) 2013-07-30 2015-02-12 株式会社日立製作所 交通システム
US20170371608A1 (en) 2014-05-19 2017-12-28 Allstate Insurance Company Electronic Display Systems Connected to Vehicles and Vehicle-Based Systems

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4082144B2 (ja) * 2002-09-05 2008-04-30 株式会社明電舎 混雑度調査装置
US7421334B2 (en) * 2003-04-07 2008-09-02 Zoom Information Systems Centralized facility and intelligent on-board vehicle platform for collecting, analyzing and distributing information relating to transportation infrastructure and conditions
US9864957B2 (en) * 2007-06-29 2018-01-09 Concaten, Inc. Information delivery and maintenance system for dynamically generated and updated data pertaining to road maintenance vehicles and other related information
US7818114B2 (en) * 2007-11-30 2010-10-19 Nokia Corporation Methods, apparatuses, and computer program product for traffic data aggregation using virtual trip lines and GPS-enabled mobile handsets
KR101244294B1 (ko) * 2008-07-17 2013-03-18 한국건설기술연구원 차량바퀴 괘적분포의 특성치 검출 및 분석장치와 그의분석방법
US10175058B2 (en) * 2008-12-22 2019-01-08 Tomtom Global Content B.V. Methods, devices and map databases for green routing
US8825586B2 (en) * 2009-02-24 2014-09-02 International Road Dynamics Vehicle type recognition at a checkpoint using PCA and BIC
US8902081B2 (en) * 2010-06-02 2014-12-02 Concaten, Inc. Distributed maintenance decision and support system and method
US8799042B2 (en) * 2011-08-08 2014-08-05 International Business Machines Corporation Distribution network maintenance planning
DE102012219631A1 (de) * 2012-10-26 2014-04-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Detektieren von zumindest einer Fahrbahnunebenheit
US8995249B1 (en) * 2013-02-13 2015-03-31 Amazon Technologies, Inc. Predicting route utilization and non-redundant failures in network environments
US10037689B2 (en) * 2015-03-24 2018-07-31 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
US9489581B2 (en) * 2014-08-11 2016-11-08 Nokia Technologies Oy Vehicle counting and emission estimation
US10535103B1 (en) * 2014-09-22 2020-01-14 State Farm Mutual Automobile Insurance Company Systems and methods of utilizing unmanned vehicles to detect insurance claim buildup
CN104463348A (zh) * 2014-11-11 2015-03-25 辽宁省交通科学研究院 一种沥青路面改造方案决策系统及方法
US20160232542A1 (en) * 2015-02-09 2016-08-11 Caterpillar Inc. Forecasting demands for equipment based on road surface conditions
US9965952B2 (en) * 2015-03-16 2018-05-08 International Business Machines Corporation Road condition management
KR20170037306A (ko) * 2015-09-25 2017-04-04 종 화 이 무선통신을 이용하여 도로유지보수 및 긴급상황 처리를 수행하는 도로운영관리시스템 및 방법
US9818296B2 (en) * 2015-10-16 2017-11-14 Uber Technologies, Inc. System for providing a city planning tool
US20180316764A1 (en) * 2015-11-10 2018-11-01 Veniam, Inc. Captive portal-related control and management in a network of moving things
WO2017142536A1 (en) * 2016-02-18 2017-08-24 Ford Global Technologies, Llc Cloud-based dynamic vehicle sharing system and method
CN105590346B (zh) * 2016-02-18 2018-01-16 华南理工大学 基于路径识别系统的收费公路网交通信息采集与诱导系统
DE102016203959A1 (de) * 2016-03-10 2017-09-14 Robert Bosch Gmbh Infrastrukturerkennungsvorrichtung für ein Fahrzeug, Verfahren zum Erzeugen eines Signals und Verfahren zum Bereitstellen einer Reparaturinformation
US10319224B2 (en) * 2016-08-19 2019-06-11 Veniam, Inc. Adaptive road management in the network of moving things
CN109716067A (zh) * 2016-09-27 2019-05-03 爱信艾达株式会社 路径搜索装置、路径搜索系统以及计算机程序
US10181263B2 (en) * 2016-11-29 2019-01-15 Here Global B.V. Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data
CN108734955B (zh) * 2017-04-14 2021-06-11 腾讯科技（深圳）有限公司 预测路况状态的方法及装置
US10994727B1 (en) * 2017-08-02 2021-05-04 Allstate Insurance Company Subscription-based and event-based connected vehicle control and response systems
BR102017017613B1 (pt) * 2017-08-16 2023-12-26 Velsis Sistemas E Tecnologia Viaria S/A Sistema de monitoramento de pesagem dinâmica e de velocidade de veículos em pista
US11138880B2 (en) * 2017-09-29 2021-10-05 3M Innovative Properties Company Vehicle-sourced infrastructure quality metrics
US11189163B2 (en) * 2017-10-11 2021-11-30 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for infrastructure improvements
US10825344B2 (en) * 2018-02-01 2020-11-03 GM Global Technology Operations LLC System and method for forming a fleet and positioning vehicles in the fleet
KR20210057801A (ko) * 2018-09-14 2021-05-21 옵티멈 세미컨덕터 테크놀로지스 인코포레이티드 이중 적응형 충돌 회피 시스템
JP2020086965A (ja) * 2018-11-26 2020-06-04 コニカミノルタ株式会社 道路ダメージ制御システム、道路ダメージ制御方法、および道路ダメージ制御プログラム
US11618455B2 (en) * 2019-08-01 2023-04-04 Toyota Motor North America, Inc. Driving data used to improve infrastructure

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281685A (ja) 2002-03-20 2003-10-03 Natl Inst For Land & Infrastructure Management Mlit 交通情報処理方法及び交通情報処理システム
JP2007026338A (ja) 2005-07-21 2007-02-01 Mitsubishi Heavy Industries Bridge & Steel Structures Engineering Co Ltd 構造物の維持管理計画支援システム及びその方法並びにプログラム
JP2009301345A (ja) 2008-06-13 2009-12-24 Denso Corp 交通情報提供システム及び交通情報提供装置
JP2014052860A (ja) 2012-09-07 2014-03-20 Ihi Corp 解析装置および解析方法
JP2015028675A (ja) 2013-07-30 2015-02-12 株式会社日立製作所 交通システム
US20170371608A1 (en) 2014-05-19 2017-12-28 Allstate Insurance Company Electronic Display Systems Connected to Vehicles and Vehicle-Based Systems

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
板倉信一郎 ほか，情報化時代の都市交通計画，第1版第1刷，株式会社コロナ社，2010年10月21日，p.4-12,24-27,289，ISBN 978-4-339-05228-2

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100420842C (zh) * 2003-02-03 2008-09-24 株式会社三国 燃料喷射控制方法及控制装置

Also Published As

Publication number Publication date
WO2019187291A1 (ja) 2019-10-03
US20210012649A1 (en) 2021-01-14
JPWO2019187291A1 (ja) 2021-03-11

Similar Documents

Publication Publication Date Title
JP7111151B2 (ja) 情報処理装置、道路分析方法、及びプログラム
CN112700072B (zh) 交通状况预测方法、电子设备和存储介质
US9564048B2 (en) Origin destination estimation based on vehicle trajectory data
JP4547408B2 (ja) 交通状況予測装置，交通状況予測方法
US9008954B2 (en) Predicting impact of a traffic incident on a road network
JP4796167B2 (ja) イベント判断装置
US20200143672A1 (en) Traffic congestion estimating device, traffic congestion estimating method, and recording medium storing program thereof
JP5115542B2 (ja) 交通情報算出装置、交通システム及びコンピュータプログラム
JP2001084479A (ja) 交通流データ予測装置及び交通流データ予測方法
CN111583641A (zh) 道路拥堵分析方法、装置、设备和存储介质
JP2017194872A (ja) 判定プログラム、判定方法および情報処理装置
WO2019059090A1 (ja) 車両台数計測システム
Alrassy et al. Driver behavior indices from large-scale fleet telematics data as surrogate safety measures
Vanlommel et al. An evaluation of section control based on floating car data
US20230054889A1 (en) Automatically tracking a trajectory of a vehicle
JP2020101908A (ja) 交通状況予測装置、および交通状況予測方法
Xiao et al. Use of data from point detectors and automatic vehicle identification to compare instantaneous and experienced travel times
JP2003303390A (ja) 旅行時間予測方法、装置及びプログラム
CN110533930A (zh) 交通数据处理方法、装置、计算机设备和存储介质
JP2008152495A (ja) リンク待ち行列台数推定装置およびリンク待ち行列台数推定方法
JP2006079544A (ja) 旅行時間提供方法、装置及びプログラム
JP2005234656A (ja) 遅れ時間推定装置、遅れ時間推定方法、遅れ時間推定システムおよび遅れ時間推定プログラム
Brunauer et al. Deriving driver-centric travel information by mining delay patterns from single GPS trajectories
JP6678476B2 (ja) 移動経路推定装置、及び移動経路推定方法
US20220375227A1 (en) Counting system, counting method, and program

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200910

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200910

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220128

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: 20220621

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220704

R151 Written notification of patent or utility model registration

Ref document number: 7111151

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151