JP7188181B2 - 渋滞予測プログラム、渋滞予測方法及び渋滞予測装置 - Google Patents

Description

本発明は、渋滞予測プログラム、渋滞予測方法及び渋滞予測装置に関する。

トラフィックカウンタや監視カメラなどを用いて、高速道路等の一部の道路に関する渋滞情報が提供されている。

特開２００１－９３０７８号公報 特開平６－２０８６９９号公報 特開２００４－２３３１９１号公報

しかしながら、上記の技術では、渋滞情報の提供にトラフィックカウンタや監視カメラ等の交通インフラの設置が前提となるので、渋滞情報の提供範囲が一部に限定されてしまう。

１つの側面では、本発明は、トラフィックカウンタ等の設備がない道路を含めて渋滞予測を実現することができる渋滞予測プログラム、渋滞予測方法及び渋滞予測装置を提供することを目的とする。

一態様では、渋滞予測プログラムは、車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを取得し、前記車載機ごとに取得されるプローブデータの集合に基づいて所定の交差点における渋滞度を算出し、時間帯別および渋滞度別に前記時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値が対応付けられた渋滞実績データのうち、前記プローブデータの集合が取得される時間帯及び前記プローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する、処理をコンピュータに実行させる。

トラフィックカウンタ等の設備がない道路を含めて渋滞予測を実現することができる。

図１は、実施例１に係る渋滞予測システムの構成例を示す図である。 図２Ａは、渋滞予測画面の一例を示す図である。 図２Ｂは、渋滞予測画面の一例を示す図である。 図３は、実施例１に係るサーバ装置の機能的構成の一例を示すブロック図である。 図４は、渋滞実績データの一例を示す図である。 図５は、実施例１に係る生成処理の手順を示すフローチャートである。 図６は、実施例１に係る渋滞予測処理の手順を示すフローチャートである。 図７は、渋滞実績データの他の一例を示す図である。 図８は、渋滞実績データの他の一例を示す図である。 図９Ａは、迂回案内の一例を示す図である。 図９Ｂは、迂回案内の一例を示す図である。 図１０は、実施例１及び実施例２に係る渋滞予測プログラムを実行するコンピュータのハードウェア構成例を示す図である。

以下に添付図面を参照して本願に係る渋滞予測プログラム、渋滞予測方法及び渋滞予測装置について説明する。なお、この実施例は開示の技術を限定するものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

［システム構成］
図１は、実施例１に係る渋滞予測システムの構成例を示す図である。図１に示す渋滞予測システム１は、トラフィックカウンタ等の設備がない道路を含めて渋滞予測を実現する渋滞予測サービスを提供するものである。あくまで渋滞予測の一例として、渋滞予測システム１は、情報が提供される現時点の渋滞情報に留まらず、現時点から所定時間後、例えば３０分後や１時間後の渋滞情報の予測を実現する。

図１に示すように、渋滞予測システム１には、サーバ装置１０と、デジタルタコグラフ、いわゆるデジタコ３０Ａ～３０Ｎと、クライアント端末５０とが含まれ得る。以下、商用車３Ａ～３Ｎのことを「商用車３」と記載し、デジタコ３０Ａ～３０Ｎのことを「デジタコ３０」と記載する場合がある。

これらサーバ装置１０、デジタコ３０及びクライアント端末５０は、ネットワークＮＷを介して相互に通信可能に接続される。ネットワークＮＷは、有線または無線を問わず、インターネットを始め、ＬＡＮ（Local Area Network）などの任意の種類の通信網であってかまわない。例えば、サーバ装置１０及びデジタコ３０の間は、モバイルネットワークを介して接続されるとともに、サーバ装置１０及びクライアント端末５０の間は、ＬＡＮやインターネットを介して接続される。

サーバ装置１０は、上記の渋滞予測サービスを提供するコンピュータである。サーバ装置１０は、渋滞予測装置の一例に対応する。

一実施形態として、サーバ装置１０は、パッケージソフトウェア又はオンラインソフトウェアとして、上記の渋滞予測サービスに対応する機能を実現する渋滞予測プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、サーバ装置１０は、上記の渋滞予測サービスを提供するサーバとしてオンプレミスに実装することとしてもよいし、アウトソーシングによって上記の渋滞予測サービスを提供するクラウドとして実装することとしてもかまわない。

デジタコ３０は、デジタルタコグラフ、いわゆる運行記録計である。デジタコ３０は、車載機の一例に対応する。ここでは、あくまで一例として、デジタコ３０は、デジタルタコグラフの装着義務が課される商用車３に搭載される例を挙げる。

一実施形態として、デジタコ３０は、デジタルタコグラフの個体を識別する個体番号ごとに、時刻、位置および速度などが対応付けられたプローブデータをモバイルネットワーク等を介してサーバ装置１０へアップロードする。これら位置や速度などの走行パラメータは、あくまで一例として、所定のサンプリング周期、例えば１秒間隔でデジタコ３０にサンプリングさせることができる。

なお、ここでは、あくまで一例として、デジタルタコグラフの装着義務が課される貨物商用車を例に挙げたが、デジタコに類する運行監視装置、例えばドライブレコーダ等を搭載する任意の車両からプローブデータを収集することとしてもかまわない。

クライアント端末５０は、上記の渋滞予測サービスの提供を受けるクライアントにより使用される端末装置の一例に対応するコンピュータである。例えば、クライアントのあくまで一例として、国道管理事務所、都道府県道または市町村道を管理する地方自治体、高速道路管理会社などの道路管理者全般が挙げられる。また、クライアント端末５０には、デスクトップ型またはラップトップ型のパーソナルコンピュータなどが対応する。これはあくまで一例であり、クライアント端末５０は、携帯端末装置やウェアラブル端末などの任意のコンピュータであってかまわない。

［課題の一側面］
上記の背景技術の欄でも説明した通り、上記の従来技術では、渋滞情報の提供にトラフィックカウンタや監視カメラ等の交通インフラの設置が前提となるので、渋滞情報の提供範囲が一部に限定されてしまうという側面がある。

［課題解決のアプローチの一側面］
そこで、本実施例に係るサーバ装置１０は、上記のプローブデータから生成された渋滞実績データを渋滞予測に用いるアプローチを採用する。あくまで一例として、渋滞実績データには、時間帯別および渋滞度別に所定時間後の渋滞長変位の実測値が対応付けられたデータを採用できる。

ここで言う「渋滞度」とは、渋滞の度合いを指し、例えば、渋滞長を始め、ＳＳ（ShortStop）回数やリンク通過時間などが含まれうる。以下、本実施例では、渋滞度の一例として、渋滞長を例に挙げて説明を行うこととし、ＳＳ回数やリンク通過時間などについては別途後述する。

上記の渋滞実績データのうち、本実施例に係るサーバ装置１０は、新規のプローブデータが取得された時間帯および新規のプローブデータから算出された渋滞長に対応する渋滞長変位の実績値に基づいて所定時間後の渋滞長の予測値を算出する。

このように所定時間後の渋滞長の予測値が算出されることにより、あくまで一例として、次のような渋滞予測の出力、例えば表示出力を実現できる。図２Ａ及び図２Ｂは、渋滞予測画面の一例を示す図である。図２Ａ及び図２Ｂに示す渋滞予測画面２０Ａ及び２０Ｂは、いずれもクライアント端末５０に表示される。このうち、図２Ａに示す渋滞予測画面２０Ａには、道路地図上に現時点における渋滞長が黒の塗り潰しで表示される。一方、図２Ｂに示す渋滞予測画面２０Ｂには、道路地図上に現時点における渋滞長が黒の塗り潰しで表示されると共に現時点から３０分後に拡大する渋滞長変位の実績値が白の塗り潰しで表示される。これら黒の塗りつぶし及び白の塗り潰しを合わせたものが３０分後の渋滞長の予測値を意味する表示となる。

図２Ａに示す渋滞予測画面２０Ａ及び図２Ｂに示す渋滞予測画面２０Ｂは、所定のローテーションでクライアント端末５０に表示される。例えば、渋滞予測画面２０Ａの１秒間の表示が行われた後、渋滞予測画面２０Ｂの１秒間の表示が行われる。このように渋滞予測画面２０Ａおよび渋滞予測画面２０Ｂが交互にクライアント端末５０に表示される。

これら渋滞予測画面２０Ａおよび渋滞予測画面２０Ｂのローテーション表示により、現時点の渋滞長から３０分後に拡大する渋滞長の予測値が点滅表示されることになる。これによって、次のような渋滞の状況遷移をクライアント端末５０に提示できる。例えば、交差点Ｐ１～Ｐ３の３つの交差点のいずれにおいても現時点から渋滞が拡大することを提示できる。この他、交差点Ｐ３の渋滞が延びることにより渋滞が交差点Ｐ４にも連鎖する現象、いわゆるグリッドロックが発生する可能性があることを提示できる。

なお、図２Ａ及び図２Ｂでは、３０分後の渋滞長変位の予測値の一例として、現時点よりも渋滞長が拡大する例を挙げたが、現時点よりも渋滞長が縮小する場合、渋滞長が縮小する表示を行うこともできる。また、あくまで一例として、３０分後の渋滞長変位の予測値を例に挙げたが、１５分後、１時間後、あるいは２時間後などの任意の時点の将来予測を行うことができることも付言しておく。

このように、本実施例に係るサーバ装置１０では、渋滞実績データに基づいて渋滞予測が実現されるので、必ずしもトラフィックカウンタ等の設備を渋滞予測に用いずともかまわない。

したがって、本実施例に係るサーバ装置１０によれば、トラフィックカウンタ等の設備がない道路を含めて渋滞予測を実現することが可能になる。

［サーバ装置１０の構成］
図３は、実施例１に係るサーバ装置１０の機能的構成の一例を示すブロック図である。図３に示すように、サーバ装置１０は、通信Ｉ／Ｆ（InterFace）部１１と、記憶部１３と、制御部１５とを有する。なお、図３には、データの授受の関係を表す実線が示されているが、説明の便宜上、最小限の部分について示されているに過ぎない。すなわち、各処理部に関するデータの入出力は、図示の例に限定されず、図示以外のデータの入出力、例えば処理部及び処理部の間、処理部及びデータの間、並びに、処理部及び外部装置の間のデータの入出力が行われることとしてもかまわない。

通信Ｉ／Ｆ部１１は、他の装置、例えばデジタコ３０やクライアント端末５０などとの間で通信制御を行うインタフェースの一例に対応する。

一実施形態として、通信Ｉ／Ｆ部１１には、ＬＡＮカードなどのネットワークインタフェースカードなどが対応する。例えば、通信Ｉ／Ｆ部１１は、プローブデータのアップロードの設定、例えばアップロードのタイミングなどをデジタコ３０へ出力したり、また、デジタコ３０からプローブデータを受け付けたりする。また、通信Ｉ／Ｆ部１１は、クライアント端末５０から渋滞予測の対象とする交差点の指定を受け付けたり、渋滞予測の結果、例えば渋滞予測画面などをクライアント端末５０へ出力したりする。

記憶部１３は、制御部１５で実行されるＯＳ（Operating System）を始め、上記の渋滞予測プログラム、例えばアプリケーションプログラムやミドルウェアなどの各種プログラムに用いられるデータを記憶する機能部である。

一実施形態として、記憶部１３は、サーバ装置１０における補助記憶装置として実装することができる。例えば、記憶部１３には、ＨＤＤ（Hard Disk Drive）、光ディスクやＳＳＤ（Solid State Drive）などを採用できる。なお、記憶部１３は、必ずしも補助記憶装置として実装されずともよく、サーバ装置１０における主記憶装置として実装することもできる。この場合、記憶部１３には、各種の半導体メモリ素子、例えばＲＡＭ（Random Access Memory)やフラッシュメモリを採用できる。

記憶部１３は、制御部１５で実行されるプログラムに用いられるデータの一例として、総体プローブデータ１３Ａと、渋滞実績データ１３Ｂとなどを記憶する。これら総体プローブデータ１３Ａおよび渋滞実績データ１３Ｂのデータ以外にも、記憶部１３には、他の電子データ、例えば道路ネットワークデータや上記の渋滞予測サービスの提供を受けるクライアントのアカウント情報などが記憶されることとしてもかまわない。なお、記憶部１３に記憶される各データの説明は、各データの参照または生成が行われる制御部１５の説明と合わせて行うこととする。

制御部１５は、サーバ装置１０の全体制御を行う処理部である。

一実施形態として、制御部１５は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのハードウェアプロセッサにより実装することができる。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサ、例えばＧＰＵ（Graphics Processing Unit）やＤＳＰ（Digital Signal Processor）の他、ＤＬＵ（Deep Learning Unit）やＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）により実装することができる。この他、制御部１５は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などのハードワイヤードロジックによって実現されることとしてもかまわない。

制御部１５は、図示しない主記憶装置として実装されるＲＡＭのワークエリア上に、上記の渋滞予測プログラムを展開することにより、下記の処理部を仮想的に実現する。

図１に示すように、制御部１５は、受付部１５Ａと、生成部１５Ｂと、取得部１５Ｃと、第１算出部１５Ｄと、第２算出部１５Ｅと、出力制御部１５Ｆとを有する。

受付部１５Ａは、上記の渋滞予測サービスにおける監視対象の指定を受け付ける処理部である。

１つの側面として、受付部１５Ａは、交差点の指定を受け付けることができる。例えば、受付部１５Ａは、クライアント端末５０に表示された道路地図上で交差点の指定をポインティングデバイスを介して受け付けることができる。より詳細には、受付部１５Ａは、地方、都道府県および市町村を選択するＧＵＩ（Graphical User Interface）コンポーネントを含む交差点指定画面をクライアント端末５０に表示させる。このようなＧＵＩコンポーネントとして、地方、都道府県、市町村の順に選択を受け付けるプルダウンメニューを表示させる他、地方、選択された地方に対応する都道府県、選択された都道府県に対応する市町村の順に道路地図を段階的に表示させることもできる。これにより、上記の渋滞予測サービスにおける監視対象とする交差点の所在位置が最大で市町村レベルにまで絞り込まれる。その上で、受付部１５Ａは、交差点指定画面で絞り込まれた道路地図の中から監視対象とする交差点の指定を受け付ける。この他、受付部１５Ａは、上記の渋滞予測サービスにおける監視対象とする交差点の位置情報、例えば緯度および経度の座標や住所などを入力させることにより、交差点の指定を受け付けることもできる。

なお、以下では、あくまで上記の渋滞予測サービスにおける監視対象の一例として、交差点の指定を受け付ける例を挙げて説明を行うが、必ずしも交差点を指定させずともかまわないことを付言しておく。例えば、上記の渋滞予測サービスにおける監視対象として、任意の道路区間、いわゆるリンクを指定させることもできる。

このような受付部１５Ａが実装されることで、渋滞の多発地点や渋滞の一因となる事故の多発地点などを上記の渋滞予測サービスにおける監視対象として指定させることができる。以下、受付部１５Ａにより指定が受け付けられた交差点のことを「指定交差点」と記載する場合がある。

生成部１５Ｂは、総体プローブデータ１３Ａから渋滞実績データ１３Ｂを生成する処理部である。

ここで、「総体プローブデータ」とは、デジタコ３０Ａ～デジタコ３０Ｎから収集されたプローブデータが任意の期間にわたって蓄積されたプローブデータの全体集合を指す。例えば、総体プローブデータ１３Ａには、デジタコ３０の個体番号ごとに時刻、位置および速度などが対応付けられたプローブデータの要素が含まれる。このように総体プローブデータ１３Ａを組成するプローブデータの要素は、所定期間分、例えば１日分の単位であってもよいし、エンジンの稼働から停止までのトリップなどの単位であってもかまわない。

また、「渋滞実績データ」とは、時間帯別および渋滞長別に所定時間後の渋滞長変位の実測値に所定の統計処理が行われた統計値が対応付けられたデータを指す。例えば、渋滞実績データ１３Ｂは、受付部１５Ａにより指定が受け付けられた交差点ごとに生成することができる。また、渋滞実績データ１３Ｂには、現時点から所定時間後の渋滞長変位の他にも、現時点から所定時間後に渋滞が拡大する確率を示す「渋滞拡大確率」や所定時間後の「総渋滞長の実測値」などが含まれることとしてもかまわない。

以下、あくまで時間帯の区分の一例として、３０分間隔で時間が区切られる例を挙げて説明を行う。例えば、０時台、０時半台、・・・、１７時台、１７時半台、・・・、２３時半台といった区分の時間帯が含まれる。さらに、「時間帯」は、当該時間帯の区分の開始時刻から次の区分の開始時刻までを指すこととする。例えば、時間帯「１７時台」は、１７時から１７時３０分までの期間を指し、１７時を含み、かつ１７時３０分を含まないこととする。

さらに、以下では、あくまで渋滞長の区分の一例として、１０ｍ間隔で渋滞長が区切られる例を挙げて説明を行う。例えば、１０ｍ、２０ｍ、・・・、５０ｍといった区分の渋滞長が含まれる。さらに、「渋滞長」は、当該渋滞長の１つ前の区分から本区分までを指すこととする。例えば、渋滞長「１０ｍ」は、０ｍから１０ｍまでの渋滞長の区間を指し、０ｍを含まず、かつ１０ｍを含むこととする。

ここで、総体プローブデータ１３Ａから渋滞実績データ１３Ｂを生成する生成方法の一例について具体的に説明する。なお、以下では、指定交差点に進入する上流側のリンクが１つである場合を例に挙げるが、当然のことながら、指定交差点に進入する上流側のリンクが複数存在する場合、上流側のリンクごとに渋滞実績データ１３Ｂが生成されることは言うまでもない。

例えば、生成部１５Ｂは、受付部１５Ａにより指定が受け付けられた交差点のうち１つを選択する。続いて、生成部１５Ｂは、記憶部１３に記憶された総体プローブデータ１３Ａに含まれる全期間のプローブデータのうち過去１年分のプローブデータを母集団とし、過去１年分のプローブデータからプローブデータの要素、例えば１日分のプローブデータを１つ選択する。さらに、生成部１５Ｂは、時間帯Ｔを１つ選択し、当該時間帯Ｔのスライス幅Δｔをゼロに初期化する。なお、ここでは、あくまで一例として、全期間のプローブデータのうち過去１年分のプローブデータを母集団として所定時間後の渋滞長変位の統計値を算出する例を挙げるが、全期間のプローブデータを母集団とすることもできる。

その上で、生成部１５Ｂは、受付部１５Ａにより指定が受け付けられた交差点の上流側のリンクを車両の絞込条件１に設定する。さらに、生成部１５Ｂは、時間帯Ｔおよびスライス幅Δｔにより定まる時刻Ｔ＋Δｔを車両の絞込条件２に設定する。さらに、生成部１５Ｂは、受付部１５Ａにより指定が受け付けられた交差点から所定の距離、例えば２００ｍまたは３００ｍ以内の地点を車両の絞込条件３に設定する。

その後、生成部１５Ｂは、選択中のプローブデータの要素から上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両を抽出する。つまり、過去１年分のプローブデータから選択された１日分のプローブデータの中から、時刻Ｔ＋Δｔに指定交差点の上流側のリンクを走行中であり、かつ指定交差点から所定の距離以内に位置する車両を検索する。

そして、生成部１５Ｂは、上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両のうち、時刻Ｔ＋Δｔにおける速度が所定の閾値Ｔｈ１未満である車両を低速車両として抽出する。例えば、閾値Ｔｈ１には、車両の走行状態が渋滞であると識別できる程度の速度、例えば２０ｋｍ／ｈなどが設定される。

その上で、生成部１５Ｂは、指定交差点から上記の低速車両が連なる区間をスライス幅Δｔの渋滞長として算出する。例えば、指定交差点から位置が近い順に上記の絞込条件１～上記の絞込条件３で絞り込まれた車両の探索を開始し、低速車両が連続しなくなることを終了条件の一例として探索を継続する。このような探索により低速車両が連なる区間を得ることができる。このとき、低速車両が連続しない場合でも、次の低速車両が１０ｍ以内に存在する場合を終了条件の例外とし、探索を継続させることとしてもかまわない。

その後、生成部１５Ｂは、時間帯Ｔのスライス幅Δｔをインクリメントする。あくまで一例として、１分刻みで渋滞長を算出するとしたとき、生成部１５Ｂは、初期値であるゼロからスライス幅Δｔを１分ずつインクリメントする。

その上で、生成部１５Ｂは、時間帯Ｔ＋スライス幅Δｔが次の時間帯に到達するまで絞込条件１～３の車両の絞込、低速車両の抽出および渋滞長の算出などを繰り返すことで、選択中の時間帯Ｔからスライス幅Δｔの時間断面ごとに渋滞長を算出する。

そして、時間帯Ｔ＋スライス幅Δｔが次の時間帯に到達する場合、生成部１５Ｂは、スライス幅ごとに算出された渋滞長の統計値、例えば平均値を算出することにより、時間帯Ｔの渋滞長の統計値を算出する。これにより、選択中の１日分のプローブデータの要素のうち選択中の時間帯における渋滞長が求まる。

その後、生成部１５Ｂは、選択中の時間帯Ｔの渋滞長に基づいて１つ前の時間帯Ｔ－１から所定時間後における渋滞長変位や渋滞拡大確率などの統計値を更新する。

あくまで一例として、時間帯Ｔ－１における渋滞長が１５ｍであり、また、時間帯Ｔにおける渋滞長が２７ｍであるとしたとき、時間帯Ｔ－１から３０分後の渋滞長変位および渋滞拡大確率は次のように更新される。

例えば、時間帯Ｔ－１から３０分後における渋滞長変位が更新される場合、生成部１５Ｂは、時間帯Ｔ－１から３０分後における渋滞長変位の実測値のサンプルとして、渋滞長変位「１２ｍ（＝２７ｍ－１５ｍ）」を新たに追加する。さらに、生成部１５Ｂは、これまでに得られた全てのサンプルの間で時間帯Ｔ－１から３０分後における渋滞長変位の実測値を合計し、合計値をサンプルの総数Ｎで除算することにより統計値、すなわち平均値を算出する。その上で、時間帯Ｔ－１から３０分後における渋滞長変位の統計値は、渋滞実績データ１３Ｂのうち時間帯Ｔ－１及び渋滞長２０ｍに対応する渋滞長変位のフィールドに上書き更新される。なお、ここでは、統計値の一例として、平均値を例示したが、最頻値や中央値などの他の統計値であってもかまわない。

また、時間帯Ｔ－１から３０分後における渋滞拡大確率が更新される場合、生成部１５Ｂは、これまでに時間帯Ｔ－１から３０分後における渋滞長の実測値が得られたサンプルの総数Ｎをインクリメントする。さらに、生成部１５Ｂは、時間帯Ｔの渋滞長が時間帯Ｔ－１の渋滞長よりも拡大しているので、時間帯Ｔ－１から３０分後に渋滞が拡大した拡大サンプル数をインクリメントする。なお、時間帯Ｔの渋滞長が時間帯Ｔ－１の渋滞長よりも縮小している場合、拡大サンプル数はインクリメントされず、サンプルの総数だけがインクリメントされる。その上で、生成部１５Ｂは、拡大サンプル数をサンプルの総数Ｎで除算することにより、渋滞拡大確率を算出する。その上で、時間帯Ｔ－１から３０分後における渋滞拡大確率は、渋滞実績データ１３Ｂのうち時間帯Ｔ－１及び渋滞長２０ｍに対応する渋滞拡大確率のフィールドに上書き更新される。

このように、生成部１５Ｂは、選択中の１日分のプローブデータの要素の全ての時間帯が選択されるまで、記憶部１３に記憶された渋滞実績データ１３Ｂの更新を繰り返す。その後、選択中の１日分のプローブデータの要素の全ての時間帯が選択された場合、生成部１５Ｂは、過去１年分のプローブデータから全てのプローブデータの要素が選択されるまで、記憶部１３に記憶された渋滞実績データ１３Ｂの更新を繰り返す。

図４は、渋滞実績データ１３Ｂの一例を示す図である。図４には、ある指定交差点に関する渋滞実績データ１３Ｂが抜粋して示されているが、他にも指定交差点が存在する場合、指定交差点、さらには、指定交差点の上流側のリンクごとに渋滞実績データ１３Ｂが記憶部１３に保持されることは言うまでもない。図４に示す渋滞実績データ１３Ｂの例で言えば、時間帯「１７時台」および渋滞長「１０ｍ」である場合、渋滞が拡大する確率が４割であり、３０分後には渋滞長が１０ｍ減少し、総渋滞長が０ｍになる可能性が統計的に高いことをコンピュータに認識させることができる。また、時間帯「１７時台」および渋滞長「２０ｍ」である場合、渋滞が拡大する確率が６割であり、３０分後には渋滞長が１０ｍ増加し、総渋滞長が３０ｍになる可能性が統計的に高いことをコンピュータに認識させることができる。さらに、時間帯および渋滞長の値が上記２つの例と異なる場合でも、渋滞拡大確率、３０分後の渋滞長変位および３０分後の総渋滞長の値は異なれども同様の認識をコンピュータに行わせることが可能である。

なお、図４には、３０分後の渋滞長変位の統計値が示されているが、１５分後、１時間後、あるいは２時間後の渋滞長変位の統計値を保存することとしてもよいし、１５分後、１時間後および２時間後の渋滞長変位の統計値の全てを保存することとしてもかまわない。

取得部１５Ｃは、新たなプローブデータを取得する処理部である。

一実施形態として、取得部１５Ｃは、リアルタイム、あるいは準リアルタイムで新たなプローブデータをデジタコ３０から取得する。例えば、取得部１５Ｃは、所定時間、例えば３０分ごとに所定時間分のプローブデータをデジタコ３０Ａ～３０Ｎから最新のプローブデータとして取得する。このように取得された最新のプローブデータは、最新のプローブデータが取得された時点、すなわち現時点における渋滞長を算出するのに用いられる一方で、記憶部１３に保存された総体プローブデータ１３Ａに追加登録される。

第１算出部１５Ｄは、新たなプローブデータから渋滞度を算出する処理部である。

一実施形態として、第１算出部１５Ｄは、取得部１５Ｃにより新規のプローブデータが取得された場合、指定交差点、あるいは指定交差点の上流側のリンクごとに渋滞長を算出する算出処理を実行する。この算出処理には、生成部１５Ｂが渋滞実績データ１３Ｂの生成時に算出する渋滞長の算出方法と略同一のロジックを用いることができる。

より具体的には、第１算出部１５Ｄは、スライス幅Δｔをゼロに初期化する。その上で、第１算出部１５Ｄは、指定交差点の上流側のリンクを車両の絞込条件１に設定する。さらに、第１算出部１５Ｄは、最新のプローブデータの開始時刻、例えば現時刻の３０分前の時刻Ｔ_{３０ｍｉｎ ａｇｏ}およびスライス幅Δｔにより定まる時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔを車両の絞込条件２に設定する。さらに、第１算出部１５Ｄは、指定交差点から所定の距離、例えば２００ｍまたは３００ｍ以内の地点を車両の絞込条件３に設定する。

その後、生成部１５Ｂは、最新のプローブデータから上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両を抽出する。つまり、最新のプローブデータの中から、時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔに指定交差点の上流側のリンクを走行中であり、かつ指定交差点から所定の距離以内に位置する車両を検索する。

そして、第１算出部１５Ｄは、上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両のうち、時刻Ｔ＋Δｔにおける速度が所定の閾値Ｔｈ１未満である車両を低速車両として抽出する。例えば、閾値Ｔｈ１には、車両の走行状態が渋滞であると識別できる程度の速度、例えば２０ｋｍ／ｈなどが設定される。

その上で、第１算出部１５Ｄは、指定交差点から上記の低速車両が連なる区間をスライス幅Δｔの渋滞長として算出する。例えば、指定交差点から位置が近い順に上記の絞込条件１～上記の絞込条件３で絞り込まれた車両の探索を開始し、低速車両が連続しなくなることを終了条件の一例として探索を継続する。このような探索により低速車両が連なる区間を得ることができる。このとき、低速車両が連続しない場合でも、次の低速車両が１０ｍ以内に存在する場合を終了条件の例外とし、探索を継続させることとしてもかまわない。

その後、第１算出部１５Ｄは、最新のプローブデータの開始時刻、例えば現時刻の３０分前の時刻Ｔ_{３０ｍｉｎ ａｇｏ}からのスライス幅Δｔをインクリメントする。あくまで一例として、３０分前から現時点まで渋滞長を１分刻みで算出するとしたとき、第１算出部１５Ｄは、初期値であるゼロからスライス幅Δｔを１分ずつインクリメントする。

その上で、第１算出部１５Ｄは、最新のプローブデータの開始時刻、例えば現時刻の３０分前の時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋スライス幅Δｔが現時刻に到達するまで絞込条件１～３の車両の絞込、低速車両の抽出および渋滞長の算出などを繰り返すことで、所定時間前、例えば３０分前から現時点までのスライス幅Δｔの時間断面ごとに渋滞長を算出する。

そして、時間帯Ｔ＋スライス幅Δｔが現時点に到達する場合、第１算出部１５Ｄは、スライス幅ごとに算出された渋滞長の統計値、例えば平均値を算出することにより、現時点における渋滞長を算出する。

第２算出部１５Ｅは、渋滞実績データ１３Ｂを参照して、現時点から所定時間後における渋滞長変位の予測値を算出する処理部である。

一実施形態として、第２算出部１５Ｅは、取得部１５Ｃにより新規のプローブデータが取得された時間帯および第１算出部１５Ｄにより新規のプローブデータから算出された渋滞長に基づいて所定時間後の渋滞長の予測値を算出する。あくまで一例として、指定交差点に対応する渋滞実績データ１３Ｂが図４に示す例に対応し、取得部１５Ｃにより新規のプローブデータが取得された時間帯が１７時であり、第１算出部１５Ｄにより新規のプローブデータから算出された渋滞長が２０ｍであることとする。この場合、時間帯「１７時台」および渋滞長「２０ｍ」に対応付けられた３０分後の渋滞長変位「１０ｍ」が現時点から３０分後における渋滞長変位の予測値として算出される。

出力制御部１５Ｆは、渋滞予測結果の出力制御を行う処理部である。

あくまで１つの側面として、出力制御部１５Ｆは、第２算出部１５Ｅにより算出された所定時間後における渋滞長変位の予測値を含む各種の表示出力、音声出力、あるいは印字出力などをクライアント端末５０に実行することができる。例えば、出力制御部１５Ｆは、指定交差点、あるいは指定交差点の上流側のリンクごとに現時点における渋滞長、さらには、所定時間後の渋滞長変位の予測値がマッピングされた道路地図をクライアント端末５０に表示させることができる。このとき、図２Ａ及び図２Ｂに示された通り、現時点における渋滞長を含む渋滞予測画面と、所定時間後の渋滞長の予測値、すなわち現時点における渋滞長および所定時間後の渋滞長変位の実績値を含む渋滞予測画面とのローテーション表示を実行させることもできる。さらに、渋滞拡大確率が所定の閾値Ｔｈ２、例えば５割以上である場合に絞って所定時間後の渋滞長変位の予測値を表示させたり、所定時間後の渋滞長変位の予測値と共にその予測値の尤度として渋滞拡大確率を表示させるたりすることもできる。なお、ここでは、あくまで一例として、道路管理者向けの表示出力を例に挙げたが、これに限定されない。例えば、詳細は後述するが、デジタコ３０を介して運送事業者のドライバ向けの表示出力を行うこともできる。

［処理の流れ］
次に、本実施例に係るサーバ装置１０の処理の流れについて説明する。なお、ここでは、サーバ装置１０により実行される（１）生成処理について説明した後に、（２）渋滞予測処理について説明することとする。

（１）生成処理
図５は、実施例１に係る生成処理の手順を示すフローチャートである。この処理は、あくまで一例として、上記の渋滞予測サービスで監視対象とする交差点の指定が受け付けられた場合に実行できる。

図５に示すように、受付部１５Ａにより交差点の指定が受け付けられると（ステップＳ１０１）、生成部１５Ｂは、受付部１５Ａにより指定が受け付けられた指定交差点のうち１つを選択する（ステップＳ１０２）。

続いて、生成部１５Ｂは、記憶部１３に記憶された総体プローブデータ１３Ａに含まれる全期間のプローブデータのうち過去１年分のプローブデータを母集団とし、過去１年分のプローブデータからプローブデータの要素、例えば１日分のプローブデータを１つ選択する（ステップＳ１０３）。さらに、生成部１５Ｂは、時間帯Ｔを１つ選択し、当該時間帯Ｔのスライス幅Δｔをゼロに初期化する（ステップＳ１０４及びステップＳ１０５）。

その上で、生成部１５Ｂは、ステップＳ１０２で選択された指定交差点の上流側のリンクを車両の絞込条件１に設定する（ステップＳ１０６）。さらに、生成部１５Ｂは、時間帯Ｔおよびスライス幅Δｔにより定まる時刻Ｔ＋Δｔを車両の絞込条件２に設定する（ステップＳ１０７）。さらに、生成部１５Ｂは、ステップＳ１０２で選択された指定交差点から所定の距離、例えば２００ｍまたは３００ｍ以内の地点を車両の絞込条件３に設定する（ステップＳ１０８）。

その後、生成部１５Ｂは、選択中のプローブデータの要素から上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両を抽出する（ステップＳ１０９）。つまり、過去１年分のプローブデータから選択された１日分のプローブデータの中から、時刻Ｔ＋Δｔに指定交差点の上流側のリンクを走行中であり、かつ指定交差点から所定の距離以内に位置する車両を検索する。

そして、生成部１５Ｂは、上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両のうち、時刻Ｔ＋Δｔにおける速度が所定の閾値Ｔｈ１未満である車両を低速車両として抽出する（ステップＳ１１０）。その上で、生成部１５Ｂは、指定交差点から上記のステップＳ１１０で抽出された低速車両が連なる区間をスライス幅Δｔの渋滞長として算出する（ステップＳ１１１）。

その後、生成部１５Ｂは、時間帯Ｔのスライス幅Δｔをインクリメントし（ステップＳ１１２）、時間帯Ｔ＋スライス幅Δｔが次の時間帯に到達するまで（ステップＳ１１３Ｎｏ）、上記のステップＳ１０６から上記のステップＳ１１２までの処理を繰り返す。これによって、選択中の時間帯Ｔからスライス幅Δｔの時間断面ごとに渋滞長を算出する。

そして、時間帯Ｔ＋スライス幅Δｔが次の時間帯に到達する場合（ステップＳ１１３Ｙｅｓ）、生成部１５Ｂは、スライス幅ごとに算出された渋滞長の統計値、例えば平均値を算出することにより、時間帯Ｔの渋滞長の統計値を算出する（ステップＳ１１４）。

その後、生成部１５Ｂは、選択中の時間帯Ｔの渋滞長に基づいて１つ前の時間帯Ｔ－１から所定時間後における渋滞長変位や渋滞拡大確率などの統計値を更新する（ステップＳ１１５）。

そして、選択中の１日分のプローブデータの要素の全ての時間帯が選択されるまで（ステップＳ１１６Ｎｏ）、上記のステップＳ１０４から上記のステップＳ１１５までの処理が繰り返し実行される。

その後、選択中の１日分のプローブデータの要素の全ての時間帯が選択された場合（ステップＳ１１６Ｙｅｓ）、過去１年分のプローブデータから全てのプローブデータの要素が選択されるまで（ステップＳ１１７Ｎｏ）、上記のステップＳ１０３から上記のステップＳ１１６までの処理が繰り返し実行される。

そして、ステップＳ１０１で指定が受け付けられた全ての指定交差点が選択されるまで（ステップＳ１１８Ｎｏ）、上記のステップＳ１０２から上記のステップＳ１１７までの処理が繰り返し実行される。その後、ステップＳ１０１で指定が受け付けられた全ての指定交差点が選択された場合、処理が終了される。

以上の処理によって、指定交差点、さらには、指定交差点の上流側のリンクごとに渋滞実績データ１３Ｂが生成される。

（２）渋滞予測処理
図６は、実施例１に係る渋滞予測処理の手順を示すフローチャートである。この処理は、あくまで一例として、取得部１５Ｃにより最新のプローブデータが取得された場合に実行される。

図６に示すように、取得部１５Ｃにより最新のプローブデータが取得されると（ステップＳ３０１）、第１算出部１５Ｄは、指定交差点のうち１つを選択する（ステップＳ３０２）。続いて、第１算出部１５Ｄは、スライス幅Δｔをゼロに初期化する（ステップＳ３０３）。

その上で、第１算出部１５Ｄは、指定交差点の上流側のリンクを車両の絞込条件１に設定する（ステップＳ３０４）。さらに、第１算出部１５Ｄは、最新のプローブデータの開始時刻、例えば現時刻の３０分前の時刻Ｔ_{３０ｍｉｎ ａｇｏ}およびスライス幅Δｔにより定まる時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔを車両の絞込条件２に設定する（ステップＳ３０５）。さらに、第１算出部１５Ｄは、指定交差点から所定の距離、例えば２００ｍまたは３００ｍ以内の地点を車両の絞込条件３に設定する（ステップＳ３０６）。

その後、生成部１５Ｂは、最新のプローブデータから上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両を抽出する（ステップＳ３０７）。つまり、最新のプローブデータの中から、時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔに指定交差点の上流側のリンクを走行中であり、かつ指定交差点から所定の距離以内に位置する車両を検索する。

そして、第１算出部１５Ｄは、上記の絞込条件１～上記の絞込条件３の３つの絞込条件をＡＮＤ条件で満たす車両のうち、時刻Ｔ＋Δｔにおける速度が所定の閾値Ｔｈ１未満である車両を低速車両として抽出する（ステップＳ３０８）。その上で、第１算出部１５Ｄは、指定交差点から上記の低速車両が連なる区間をスライス幅Δｔの渋滞長として算出する（ステップＳ３０９）。

その後、第１算出部１５Ｄは、最新のプローブデータの開始時刻、例えば現時刻の３０分前の時刻Ｔ_{３０ｍｉｎ ａｇｏ}からのスライス幅Δｔをインクリメントし（ステップＳ３１０）、時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔが現時刻に到達するまで（ステップＳ３１１Ｎｏ）、上記のステップＳ３０４から上記のステップＳ３１０の処理が繰り返し実行される。

そして、時刻Ｔ_{３０ｍｉｎ ａｇｏ}＋Δｔが現時刻に到達した場合（ステップＳ３１１Ｙｅｓ）、第１算出部１５Ｄは、スライス幅ごとに算出された渋滞長の統計値、例えば平均値を算出することにより、現時点における渋滞長を算出する（ステップＳ３１２）。

その上で、第２算出部１５Ｅは、取得部１５Ｃにより新規のプローブデータが取得された時間帯および第１算出部１５Ｄにより新規のプローブデータから算出された渋滞長に基づいて所定時間後の渋滞長の予測値を算出する（ステップＳ３１３）。

その後、全ての指定交差点が選択されるまで（ステップＳ３１４Ｎｏ）、上記のステップＳ３０２から上記のステップＳ３１３までの処理が繰り返し実行される。その後、全ての指定交差点が選択された場合（ステップＳ３１４Ｙｅｓ）、出力制御部１５Ｆは、指定交差点、あるいは指定交差点の上流側のリンクごとに現時点における渋滞長、さらには、所定時間後の渋滞長変位の予測値がマッピングされた道路地図をクライアント端末５０に表示させる（ステップＳ３１５）。その後、処理が終了される。

［効果の一側面］
上述してきたように、本実施例に係るサーバ装置１０は、時間帯別および渋滞度別に所定時間後の渋滞長変位の実測値が対応付けられた渋滞実績データを参照して、新規のプローブデータが取得された時間帯および新規のプローブデータから算出された渋滞長に対応する渋滞長変位の実測値に基づいて所定時間後の渋滞長の予測値を算出する。このように、本実施例に係るサーバ装置１０では、渋滞実績データに基づいて渋滞予測が実現されるので、必ずしもトラフィックカウンタ等の設備を渋滞予測に用いずともかまわない。したがって、本実施例に係るサーバ装置１０によれば、トラフィックカウンタ等の設備がない道路を含めて渋滞予測を実現することが可能である。

さて、これまで開示の装置に関する実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。

［渋滞度の他の一例］
上記の実施例１では、渋滞度の一例として、渋滞長を例に挙げたが、他の渋滞度を用いることもできる。例えば、指定交差点から一定距離、例えば１００ｍ以内に進入してから当該指定交差点を通過するまでに停止するＳＳ回数を渋滞度として用いることもできる。ここで言う「停止」は、あくまで一例として、速度が一定時間、例えば３０秒間以上にわたって速度０ｋｍ／ｈが連続する状態を指す。

例えば、サーバ装置１０は、選択中のプローブデータの要素の中から、指定交差点を通過する時刻が時間帯Ｔの区間に含まれる車両を抽出する。その上で、サーバ装置１０は、指定交差点の一定距離以内に進入してから指定交差点を通過するまでの区間における速度の時系列データを車両ごとに参照して、車両ごとにＳＳ回数を算出する。このような処理を図５に示すステップＳ１１４の前後に追加したり、図５に示すステップＳ１０５からステップＳ１１４の代わりに実行することができる。これによって、図７に示すような渋滞実績データ１３Ｂを生成することができる。

図７は、渋滞実績データ１３Ｂの他の一例を示す図である。図７に示す渋滞実績データ１３Ｂの例で言えば、時間帯「１７時台」およびＳＳ回数「１．０回」である場合、渋滞が拡大する確率が４割であり、３０分後には渋滞長が２０ｍ減少する可能性が統計的に高いことをコンピュータに認識させることができる。また、時間帯「１７時台」およびＳＳ回数「１．５回」である場合、渋滞が拡大する確率が６割であり、３０分後には渋滞長が１０ｍ増加する可能性が統計的に高いことをコンピュータに認識させることができる。さらに、時間帯およびＳＳ回数の値が上記２つの例と異なる場合でも、渋滞拡大確率、３０分後の渋滞長変位の値は異なれども同様の認識をコンピュータに行わせることが可能である。なお、図７には、３０分後の渋滞長変位の統計値が保存される例を挙げたが、その代わりに３０分後のＳＳ回数変位の統計値が保存されることとしてもかまわない。

このような渋滞実績データ１３Ｂが記憶部１３に保存された状況の下、サーバ装置１０は、最新のプローブデータが取得された場合、最新のプローブデータの中から、指定交差点を通過する時刻が最新のプローブデータの区間に含まれる車両を抽出する。その上で、サーバ装置１０は、指定交差点の一定距離以内に進入してから指定交差点を通過するまでの区間における速度の時系列データを車両ごとに参照して、車両ごとにＳＳ回数を算出する。このような処理を図６に示すステップＳ３１２の前後に追加したり、あるいはステップＳ３０３からステップＳ３１２の処理の代わりに実行することができる。これによって、サーバ装置１０は、新規のプローブデータが取得された時間帯および新規のプローブデータから算出されたＳＳ回数に基づいて所定時間後の渋滞長の予測値、あるいは所定時間後のＳＳ回数の予測値を算出することができる。

また、渋滞度を渋滞長またはＳＳ回数のいずれかによって区分するのではなく、渋滞長及びＳＳ回数の組を渋滞度の区分として用いることもできる。この場合、渋滞長及びＳＳ回数の組ごとに渋滞拡大確率を算出することができる。図８は、渋滞実績データ１３Ｂの他の一例を示す図である。図８に示す渋滞実績データ１３Ｂの例で言えば、時間帯「ｘｘ時台」、渋滞長「２０ｍ」およびＳＳ回数「１．０回」である場合、渋滞が拡大する確率が五分、すなわち５％であり、３０分後には渋滞長が２０ｍ減少し、総渋滞長が０ｍになる可能性が統計的に高いことをコンピュータに認識させることができる。また、時間帯「ｘｘ時台」、渋滞長「２０ｍ」およびＳＳ回数「１．５回」である場合、渋滞が拡大する確率が１割であり、３０分後には渋滞長が２０ｍ減少し、総渋滞長が０ｍになる可能性が統計的に高いことをコンピュータに認識させることができる。さらに、時間帯、渋滞長およびＳＳ回数の値が上記３つの例と異なる場合でも、渋滞拡大確率、３０分後の渋滞長変位および３０分後の総渋滞長の値は異なれども同様の認識をコンピュータに行わせることが可能である。なお、図８には、３０分後の渋滞長変位の統計値が保存される例を挙げたが、その代わりに３０分後のＳＳ回数変位の統計値が保存されることとしてもかまわない。

図８に示された渋滞拡大確率が所定の閾値Ｔｈ２、例えば５割以上である場合に絞って所定時間後の渋滞長変位の予測値を表示させたり、所定時間後の渋滞長変位の予測値と共にその予測値の尤度として渋滞拡大確率を表示させるたりすることもできる。図８に示された渋滞拡大確率は、渋滞長及びＳＳ回数の組ごとに区分されるので、渋滞長またはＳＳ回数の単独で区分される場合よりも高い確度が期待できる。

なお、ここでは、渋滞度の一例として、ＳＳ回数を例に挙げたが、他の渋滞度、例えばリンク通過時間などを用いることもできる。この場合、指定交差点を通過する時刻が選択中の時間帯Ｔ、あるいは最新のプローブデータの区間に含まれる車両を抽出し、当該車両が指定交差点の上流側のリンクに進入する時刻と、指定交差点を通過する時刻との差をリンク通過時間として算出できる。

［迂回案内］
さらに、本実施例では、指定交差点に対応するノードおよびその上流側のノードの２つのノード間を通行する経路ごとに当該経路を通過する車両の交通量が２つのノード間を走行する総交通量に占める割合を算出し、時間帯および渋滞長ごとに当該時間帯における割合と所定時間後における割合とを対応付けて保持しておくことができる。以下、各経路を通過する車両の交通量が２つのノード間を走行する総交通量に占める割合のことを「経路通過割合」と記載する場合がある。

図９Ａ及び図９Ｂは、迂回案内の一例を示す図である。図９Ａ及び図９Ｂには、地点Ｐおよび地点Ｑの２つのノード間を結ぶ経路として、経路Ａ、経路Ｂ及び経路Ｃを含む道路地図が示されている。さらに、図９Ａには、現時点における渋滞長と共に現時点における経路通過割合が表示されている一方で、図９Ｂには、３０分後の渋滞長の予測値と共に３０分後における経路通過割合が表示されている。これら図９Ａに示す経路通過割合および図９Ｂに示す経路通過割合のローテーション表示をデジタコ３０や運行管理者の端末に行うことで、現時点の経路通過割合と３０分後の経路通過割合とが点滅表示されることになる。これによって、次のような迂回案内をドライバや運行管理者に行うことができる。例えば、経路Ａの渋滞長が長くなるに連れて経路Ｂや経路Ｃの迂回路を選択して地点Ｐから地点Ｑへ走行するドライバが多いことを通知できる。さらに、経路Ｂの経路通過割合が３０％を超えるので、貨物商用車の走行実績が十分にあり、道幅や高さの制限で迂回経路選択時に走行できない事態が起こる可能性が低いことを把握できる。この結果、経路Ｂや経路Ｃの迂回路の選択を促すことができる。

なお、ここでは、ある１時点から将来予測を例に挙げたが、渋滞多発または事故多発などの要注意の経路Ａが地点Ｑ付近の荷卸し地へ向かう経路として運行計画上で策定されている場合、地点Ｑを通過すべき予定の時間が運行計画の策定時点で既知である場合がある。この場合、通過予定時間の２時間前に予測された通過予定時間における渋滞長および経路通過割合、例えば図９Ａに示す画面を表示した後、通過予定時間の１時間前に再予測を行い、通過予定時間の１時間前に予測された通過予定時間における渋滞長および経路通過割合、例えば図９Ｂに示す画面へ表示を更新させることができる。これによっても、経路Ｂや経路Ｃの迂回路の選択を促すことができる。

［分散および統合］
また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、受付部１５Ａ、生成部１５Ｂ、取得部１５Ｃ、第１算出部１５Ｄ、第２算出部１５Ｅまたは出力制御部１５Ｆをサーバ装置１０の外部装置としてネットワーク経由で接続するようにしてもよい。また、受付部１５Ａ、生成部１５Ｂ、取得部１５Ｃ、第１算出部１５Ｄ、第２算出部１５Ｅまたは出力制御部１５Ｆを別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサーバ装置１０の機能を実現するようにしてもよい。

［渋滞予測プログラム］
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１０を用いて、上記の実施例と同様の機能を有する渋滞予測プログラムを実行するコンピュータの一例について説明する。

図１０は、実施例１及び実施例２に係る渋滞予測プログラムを実行するコンピュータのハードウェア構成例を示す図である。図１０に示すように、コンピュータ１００は、操作部１１０ａと、スピーカ１１０ｂと、カメラ１１０ｃと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、ＣＰＵ１５０と、ＲＯＭ１６０と、ＨＤＤ１７０と、ＲＡＭ１８０とを有する。これら１１０～１８０の各部はバス１４０を介して接続される。

ＨＤＤ１７０には、図１０に示すように、上記の実施例１で示した受付部１５Ａ、生成部１５Ｂ、取得部１５Ｃ、第１算出部１５Ｄ、第２算出部１５Ｅ及び出力制御部１５Ｆと同様の機能を発揮する渋滞予測プログラム１７０ａが記憶される。この渋滞予測プログラム１７０ａは、図３に示した受付部１５Ａ、生成部１５Ｂ、取得部１５Ｃ、第１算出部１５Ｄ、第２算出部１５Ｅ及び出力制御部１５Ｆの各構成要素と同様、統合又は分離してもかまわない。すなわち、ＨＤＤ１７０には、必ずしも上記の実施例１で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１７０に格納されればよい。

このような環境の下、ＣＰＵ１５０は、ＨＤＤ１７０から渋滞予測プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、渋滞予測プログラム１７０ａは、図１０に示すように、渋滞予測プロセス１８０ａとして機能する。この渋滞予測プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち渋滞予測プロセス１８０ａに割り当てられた領域にＨＤＤ１７０から読み出した各種データを展開し、この展開した各種データを用いて各種の処理を実行する。例えば、渋滞予測プロセス１８０ａが実行する処理の一例として、図５や図６に示す処理などが含まれる。なお、ＣＰＵ１５０では、必ずしも上記の実施例１で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

なお、上記の渋滞予測プログラム１７０ａは、必ずしも最初からＨＤＤ１７０やＲＯＭ１６０に記憶されておらずともかまわない。例えば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に渋滞予測プログラム１７０ａを記憶させる。そして、コンピュータ１００がこれらの可搬用の物理媒体から渋滞予測プログラム１７０ａを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに渋滞予測プログラム１７０ａを記憶させておき、コンピュータ１００がこれらから渋滞予測プログラム１７０ａを取得して実行するようにしてもよい。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを取得し、
前記車載機ごとに取得されるプローブデータの集合に基づいて所定の交差点における渋滞度を算出し、
時間帯別および渋滞度別に前記時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値が対応付けられた渋滞実績データのうち、前記プローブデータの集合が取得される時間帯及び前記プローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する、
処理をコンピュータに実行させることを特徴とする渋滞予測プログラム。

（付記２）前記渋滞度は、前記交差点の上流側のリンクにおける渋滞長であることを特徴とする付記１に記載の渋滞予測プログラム。

（付記３）前記渋滞度は、前記交差点の所定の距離以内に進入してから前記交差点を通過するまでの間に停止された回数であることを特徴とする付記１に記載の渋滞予測プログラム。

（付記４）車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを取得し、
前記車載機ごとに取得されるプローブデータの集合に基づいて所定の交差点における渋滞度を算出し、
時間帯別および渋滞度別に前記時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値が対応付けられた渋滞実績データのうち、前記プローブデータの集合が取得される時間帯及び前記プローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する、
処理をコンピュータが実行することを特徴とする渋滞予測方法。

（付記５）前記渋滞度は、前記交差点の上流側のリンクにおける渋滞長であることを特徴とする付記４に記載の渋滞予測方法。

（付記６）前記渋滞度は、前記交差点の所定の距離以内に進入してから前記交差点を通過するまでの間に停止された回数であることを特徴とする付記４に記載の渋滞予測方法。

（付記７）車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを取得する取得部と、
前記車載機ごとに取得されるプローブデータの集合に基づいて所定の交差点における渋滞度を算出する第１算出部と、
時間帯別および渋滞度別に前記時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値が対応付けられた渋滞実績データのうち、前記プローブデータの集合が取得される時間帯及び前記プローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する第２算出部と、
を有することを特徴とする渋滞予測装置。

（付記８）前記渋滞度は、前記交差点の上流側のリンクにおける渋滞長であることを特徴とする付記７に記載の渋滞予測装置。

（付記９）前記渋滞度は、前記交差点の所定の距離以内に進入してから前記交差点を通過するまでの間に停止された回数であることを特徴とする付記７に記載の渋滞予測装置。

１ 渋滞予測システム
３ 商用車
１０ サーバ装置
１１ 通信Ｉ／Ｆ部
１３ 記憶部
１３Ａ 総体プローブデータ
１３Ｂ 渋滞実績データ
１５ 制御部
１５Ａ 受付部
１５Ｂ 生成部
１５Ｃ 取得部
１５Ｄ 第１算出部
１５Ｅ 第２算出部
１５Ｆ 出力制御部
３０ デジタコ
５０ クライアント端末

Claims (5)

1. 車載機ごとに前記車載機を搭載する車両の位置および速度を含むプローブデータが収集された第１のプローブデータの集合を用いて、所定の交差点の上流側のリンクを走行中であり、かつ前記交差点から第１の閾値以内の距離に位置する車両のうち走行速度が第２の閾値以下である車両が前記交差点から連なる区間を渋滞長として時間帯がスライスされたスライス幅ごとに算出し、前記スライス幅ごとに算出された渋滞長の統計値を前記時間帯ごとに算出し、第１の時間帯および前記第１の時間帯から所定時間後である第２の時間帯の間における前記渋滞長の統計値の差を前記第１の時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値として算出することにより、時間帯別および渋滞度別に前記渋滞長変位の実測値が対応付けられた渋滞実績データを生成し、
   車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを新たに取得し、
   前記車載機ごとに新たに取得された第２のプローブデータの集合に基づいて前記交差点における渋滞度を算出し、
   前記渋滞実績データのうち、前記第２のプローブデータの集合が取得された時間帯及び前記第２のプローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する、
   処理をコンピュータに実行させることを特徴とする渋滞予測プログラム。
2. 前記渋滞度は、前記交差点の上流側のリンクにおける渋滞長であることを特徴とする請求項１に記載の渋滞予測プログラム。
3. 前記渋滞度は、前記交差点の所定の距離以内に進入してから前記交差点を通過するまでの間に停止された回数であることを特徴とする請求項１に記載の渋滞予測プログラム。
4. 車載機ごとに前記車載機を搭載する車両の位置および速度を含むプローブデータが収集された第１のプローブデータの集合を用いて、所定の交差点の上流側のリンクを走行中であり、かつ前記交差点から第１の閾値以内の距離に位置する車両のうち走行速度が第２の閾値以下である車両が前記交差点から連なる区間を渋滞長として時間帯がスライスされたスライス幅ごとに算出し、前記スライス幅ごとに算出された渋滞長の統計値を前記時間帯ごとに算出し、第１の時間帯および前記第１の時間帯から所定時間後である第２の時間帯の間における前記渋滞長の統計値の差を前記第１の時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値として算出することにより、時間帯別および渋滞度別に前記渋滞長変位の実測値が対応付けられた渋滞実績データを生成し、
   車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを新たに取得し、
   前記車載機ごとに新たに取得された第２のプローブデータの集合に基づいて前記交差点における渋滞度を算出し、
   前記渋滞実績データのうち、前記第２のプローブデータの集合が取得された時間帯及び前記第２のプローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する、
   処理をコンピュータが実行することを特徴とする渋滞予測方法。
5. 車載機ごとに前記車載機を搭載する車両の位置および速度を含むプローブデータが収集された第１のプローブデータの集合を用いて、所定の交差点の上流側のリンクを走行中であり、かつ前記交差点から第１の閾値以内の距離に位置する車両のうち走行速度が第２の閾値以下である車両が前記交差点から連なる区間を渋滞長として時間帯がスライスされたスライス幅ごとに算出し、前記スライス幅ごとに算出された渋滞長の統計値を前記時間帯ごとに算出し、第１の時間帯および前記第１の時間帯から所定時間後である第２の時間帯の間における前記渋滞長の統計値の差を前記第１の時間帯から所定時間後に前記交差点の渋滞長が変化する渋滞長変位の実測値として算出することにより、時間帯別および渋滞度別に前記渋滞長変位の実測値が対応付けられた渋滞実績データを生成する生成部と、
   車載機から前記車載機を搭載する車両の位置および速度を含むプローブデータを新たに取得する取得部と、
   前記車載機ごとに新たに取得された第２のプローブデータの集合に基づいて前記交差点における渋滞度を算出する第１算出部と、
   前記渋滞実績データのうち、前記第２のプローブデータの集合が取得された時間帯及び前記第２のプローブデータの集合から算出された渋滞度に対応する渋滞長変位の実測値に基づいて所定時間後における渋滞長の予測値を算出する第２算出部と、
   を有することを特徴とする渋滞予測装置。

Images