JP7313820B2 - 交通状況予測装置、および交通状況予測方法 - Google Patents

Description

本発明の実施形態は、交通状況予測装置、および交通状況予測方法に関する。

従来から、高速道路等における渋滞の発生や混雑度等の交通状況を予測する技術が知られている。このような従来技術においては、例えば、予測対象道路における過去の交通量の変化に基づいて、現在時刻以降の交通状況を予測していた。

特許第５３８８９２４号公報 特許第５９０１８３８号公報 特開２０１７－０７３０２７号公報 特開２００３－２７２０８９号公報 特開２００１－２８３３７３号公報 特開２０１７－０５９０９９号公報

しかしながら、従来技術においては、複数の道路と連結する複雑な構造の道路においては、当該道路における交通状況を高精度に予測することが困難な場合があった。

実施形態の交通状況予測装置は、事前確率算出部と、条件付確率算出部と、を備える。事前確率算出部は、過去の交通状況に基づいて、第１の道路において所定の交通状況が発生する確率である第１の確率と、第１の道路と連結する第２の道路において所定の交通状況が発生する確率である第２の確率とを算出するとともに、前記過去の交通状況に基づいて、前記第１の道路において前記所定の交通状況が発生した時間帯において、前記第２の道路において前記所定の交通状況が発生した確率である第３の確率を算出する。条件付確率算出部は、第１の確率、第２の確率、および、前記第３の確率に基づいて、前記第３の確率に前記第１の確率を乗算した値を、前記第２の確率で除算することにより、第２の道路における所定の交通状況の発生を条件として第１の道路において所定の交通状況が発生する条件付確率を算出する。

図１は、第１の実施形態にかかる交通状況予測システムの全体構成の一例を示す図である。 図２は、第１の実施形態にかかる交通状況予測装置の機能的構成の一例を示すブロック図である。 図３は、第１の実施形態にかかる道路構成情報の一例を示す図である。 図４は、第１の実施形態にかかる連結地点の具体例を説明する図である。 図５は、第１の実施形態にかかる車両情報の一例を示す図である。 図６は、第１の実施形態にかかる決定木の一例を示す図である。 図７は、第１の本実施形態にかかる交通状況予測処理の流れの一例を示すフローチャートである。 図８は、第１の実施形態にかかる道路構成情報の他の一例を示す図である。 図９は、天候と車両速度との関係の一例を示す図である。

（第１の実施形態）
図１は、本実施形態にかかる交通状況予測システムＳの全体構成の一例を示す図である。図１に示すように、交通状況予測システムＳは、交通状況予測装置１０と、路側計算装置２と、車両感知器４と、撮像装置３とを備える。路側計算装置２と、車両感知器４と、撮像装置３とは、高速道路等の道路脇に設置されるものとする。

交通状況予測装置１０は、路側計算装置２から道路の交通状況に関する情報を取得し、当該情報に基づいて、道路において所定の交通状況が発生する確率を予測する。交通状況予測装置１０は、例えば、交通管制センター１に設けられ、交通状況予測装置１０と伝送路等を介して接続する。

本実施形態においては、所定の交通状況は、渋滞とする。本実施形態において渋滞は、道路を走行する車両の平均車速が時速２０ｋｍ未満である状態とするが、他の定義を採用しても良い。また、所定の交通状況は、渋滞に限定されるものではなく、道路の車両密度が所定の値以上となること等であっても良い。

また、本実施形態においては、交通状況予測装置１０が所定の交通状況が発生する確率を予測する対象とする道路を、予測対象道路という。

撮像装置３は、道路上を走行する車両５を撮影する固定カメラである。撮像装置３は、例えば、ＣＣＴＶ（Closed Circuit Television）カメラである。撮像装置３は、例えば道路から７ｍ程度の高さの位置に設置され、道路上を走行する車両５を斜め上方から撮影する。撮像装置３は、車両５を撮影した撮影画像を、路側計算装置２に送信する。

車両感知器４は、道路上を走行する車両５の台数（車両台数）と、各車両５の車速（車両速度）とを計測するトラフィックカウンタである。車両感知器４は、計測した車両台数および車両速度を路側計算装置２に送信する。車両感知器４は、例えば超音波ソナーまたはレーダ等のセンサを備え、当該センサによる検出結果に基づいて、車両台数および車両速度を計測する。また、車両感知器４は、道路の下に埋設されて車両を感知するセンサを備えるものとしても良い。本実施形態においては、車両速度は、個々の車両５の車速でも良いし、一定時間内に検知された複数の車両５の平均車速であっても良い。

路側計算装置２は、撮像装置３および車両感知器４と通信路等を介して接続しており、撮像装置３によって撮像された撮像画像、および、車両感知器４によって計測された車両台数および車両速度を取得する。また、路側計算装置２は、取得した撮像画像を画像処理することにより、道路上を走行する車両５の台数と、各車両５の車速とを計測する。

路側計算装置２は、撮像画像に基づいて計測した車両台数および車両速度と、車両感知器４から取得した車両台数および車両速度とを、計測時刻および計測位置と対応付けて交通状況予測装置１０に送信する。計測位置は、撮像装置３または車両感知器４が設置された位置である。なお、撮像装置３によって撮像された撮像画像から計測された車両台数および車両速度については、撮像時刻を計測時刻とする。

本実施形態においては、車両台数、車両速度、計測時刻、および計測位置を対応付けた情報を、車両情報という。

交通状況予測装置１０、および路側計算装置２は、ＣＰＵ（Central Processing Unit、プロセッサ）などの制御装置と、ＲＯＭ（Read Only Memory）またはＲＡＭ（Random Access Memory）などの記憶装置と、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、またはＣＤドライブ装置などの外部記憶装置と、液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置と、キーボードやマウスなどの入力装置を備えており、通常のコンピュータを利用したハードウェア構成となっている。

次に、交通状況予測装置１０が備える機能の詳細について説明する。
図２は、本実施形態にかかる交通状況予測装置１０の機能的構成の一例を示すブロック図である。図２に示すように、交通状況予測装置１０は、取得部１０１と、受付部１０２と、事前確率算出部１０３と、条件付確率算出部１０４と、出力部１０５と、記憶部１５０とを備える。

記憶部１５０は、後述の事前確率算出部１０３、および条件付確率算出部１０４によって実行される処理で使用される各種の情報を記憶する。また、記憶部１５０は、事前確率算出部１０３、および条件付確率算出部１０４によって算出された所定の交通状況が発生する確率を記憶する。本実施形態においては、所定の交通状況は渋滞とするため、所定の交通状況が発生する確率は、渋滞発生確率とする。記憶部１５０は、例えば、ＨＤＤまたはＳＳＤなどの記憶装置である。

具体的には、記憶部１５０は、道路構成情報と、車両情報と、統計情報と、渋滞発生確率情報とを記憶する。

図３は、本実施形態における道路構成情報１５１の一例を示す図である。道路構成情報１５１は、各道路の連結関係と、道路に含まれる区間の始点および終点とを示す情報である。

図３に示すように、道路構成情報１５１は、道路７ａ，７ｂ（以下、特に区別しない場合は単に道路７という）の位置および長さと、道路７に含まれる区間の始点または終点であるノード８ａ～８ｆ（以下、特に区別しない場合は単にノード８という）の位置と、道路７ａおよび道路７ｂが連結する連結地点９の位置とが対応付けられた情報である。

図３に示す例では、道路７ａは本線であり、道路７ｂは道路７ａに合流する支線であるものとする。以下、道路７ａを、第１の道路７ａ、道路７ｂを、第２の道路７ｂという。第１の道路７ａおよび第２の道路７ｂは、高速道路等の有料道路とする。

本実施形態においては、道路７における２つのノード８の間の範囲を、区間という。高速道路の出入口、または複数の道路７の連結地点９が、各区間の区切りとなるため、これらの位置がノード８となる。また、出入口または連結地点９が少ない道路７では、一定の距離（例えば５００ｍ）単位で区間が定められても良い。ノード８の位置、つまり各区間の始点および終点は、有料道路事業者等によって予め定められるものとする。

第１の道路７ａおよび第２の道路７ｂに含まれる各区間には、それぞれ、車両感知器４または撮像装置３が、少なくとも１台設置されるものとする。

連結地点９は、複数の道路７が合流または分岐する地点であり、例えば高速道路のジャンクションである。

図４は、本実施形態にかかる連結地点９の具体例を説明する図である。図３で示した連結地点９は、図４に示すジャンクションにおける第１の道路７ａと、第２の道路７ｂとの合流地点に相当する。

なお、図３では、道路構成情報１５１をグラフィカルな情報として表したが、道路構成情報１５１は、各道路７に含まれるノード８の位置および複数の道路７同士の連結地点９の位置が対応付けられた情報であれば良く、データ構造は特に限定されるものではない。

統計情報は、車両情報が後述の事前確率算出部１０３によって統計処理された結果である。本実施形態においては、統計情報は、決定木等の予測モデルである。また、渋滞発生確率情報は、予測対象道路に含まれる各区間の渋滞発生確率と、各区間を特定する識別情報とが対応付けられた情報である。車両情報、統計情報、および渋滞発生確率情報の詳細については後述する。

図２に戻り、取得部１０１は、路側計算装置２から車両情報を取得し、記憶部１５０に保存する。車両情報は、車両台数、車両速度、計測時刻、および計測位置を対応付けた情報である。

図５は、本実施形態にかかる車両情報１５２の一例を示す図である。図５に示すように、本実施形態の車両情報１５２は、車両感知器４によって計測された車両台数および車両速度と、撮像画像から計測された車両台数および車両速度と、の両方を含むものとする。図５に示す計測位置“地点Ａ”は、例えば、“区間Ａ”の中のいずれかの地点であり、“地点Ｘ”は、例えば、“区間Ｘ”の中のいずれかの地点であるものとする。

図２に戻り、受付部１０２は、ユーザによる渋滞発生確率の予測開始の操作を受け付ける。この際、受付部１０２は、渋滞発生確率の予測の対象である予測対象道路の指定を受け付けるものとする。受付部１０２は、渋滞発生確率の予測開始の操作を受け付けた場合に、事前確率算出部１０３に、予測対象道路の指定と、渋滞発生確率の予測開始の通知とを送出する。本実施形態においては、予測対象道路として第１の道路７ａが指定されるものとする。

事前確率算出部１０３は、過去の交通状況に基づいて、第１の道路７ａにおいて渋滞が発生する確率（渋滞発生確率）である第１の確率と、第１の道路７ａと連結する第２の道路において渋滞が発生する確率である第２の確率とを算出する。

より詳細には、第１の確率は、第１の道路７ａのうち、第２の道路７ｂとの連結地点９の直前の区間（図３に示す“区間Ａ”）において渋滞が発生する確率である。また、第２の確率は、第２の道路７ｂのうち、連結地点９の直前の区間（図３に示す“区間Ｘ”）において所定の交通状況が発生する確率である。本実施形態においては、第１の確率を確率Ｐ（Ａ）、第２の確率を確率Ｐ（Ｘ）と表記する。事前確率算出部１０３は、記憶部１５０に保存された道路構成情報１５１に基づいて、第１の道路７ａに連結する第２の道路７ｂと、“区間Ａ”、および“区間Ｘ”を特定する。

事前確率算出部１０３は、確率Ｐ（Ａ）および確率Ｐ（Ｘ）を、互いの相関関係を考慮せずに、それぞれ独立して求める。確率Ｐ（Ａ）および確率Ｐ（Ｘ）は、ベイズ統計における事前確率である。

また、本実施形態においては、事前確率算出部１０３は、車両情報１５２に登録された車両感知器４によって計測された車両台数および車両速度と、撮像画像から計測された車両台数および車両速度と、のうち、統計処理または学習モデルに基づいて、一方または両方の車両台数および車両速度を使用する。

一例として、夜間など撮像条件が悪化する時間帯においては、事前確率算出部１０３は、車両感知器４によって計測された車両台数および車両速度を使用してもよい。また、その他の時間帯においては、事前確率算出部１０３は、車両感知器４によって計測された車両台数と撮像画像から計測された車両台数との平均値を車両台数として使用し、車両感知器４によって計測された車両速度と撮像画像から計測された車両速度との平均値を車両速度として使用しても良い。また、ある区間において車両感知器４によって計測された車両台数および車両速度、または撮像画像から計測された車両台数および車両速度のいずれか一方しか車両情報１５２として登録されていない場合は、事前確率算出部１０３は、登録されている車両台数および車両速度を使用するものとする。

事前確率算出部１０３は、車両情報１５２を統計処理すること、または車両情報１５２に基づいて機械学習をすることにより、第１の確率および第２の確率を算出する。一例として、事前確率算出部１０３は、車両情報１５２から決定木を生成し、生成した決定木を予測モデルとして用いて、第１の確率および第２の確率を算出する。

事前確率算出部１０３は、例えば、「第１の道路７ａの“区間Ａ”で渋滞が発生した」、つまり、「“区間Ａ”における車両速度が時速２０ｋｍ未満となった」という結論に帰結する条件を車両情報１５２から特定し、当該条件に基づいて車両情報１５２をクラスタリングする決定木を生成する。

図６は、本実施形態にかかる決定木の一例を示す図である。図６の決定木は、事前確率算出部１０３によって生成される。図６の決定木のノードＮ１～Ｎ１３において、上段の数値（例えばノードＮ１における「０．０１４」）は、渋滞が発生する確率（渋滞／（渋滞＋非渋滞））で、下段（例えばノードＮ１における「１００％」）は分析対象のデータが当該クラスに属する確率（分析対象のデータがそのクラスに辿り着くまでの判定条件を満たす確率）である。ノードＮ１においては、車両情報１５２に登録されたデータの全件が対象となるため、分析対象のデータが当該クラスに属する確率は１００％となる。

また、この決定木では、渋滞予測対象の“区間Ａ”の番号を＃１とする。まず、ノードＮ１では、区間＃１の１つ上流である区間＃２の０分前の車両速度（Ｖ）が３４[ｋｍ／ｈ]以上か否かによって車両情報１５２を分類し、Ｙｅｓの場合はノードＮ２に進み、Ｎｏの場合はノードＮ３に進む。

ノードＮ２では、区間＃２の０分前の交通量（車両台数）（Ｑ）が１７[台／分]以上か否かによって車両情報１５２をさらに分類し、Ｙｅｓの場合はノードＮ４に進み、Ｎｏの場合はノードＮ９に進む。

ノードＮ３では、区間＃２の２５分前の交通量（Ｑ）が３４８[台／分]未満か否かによって車両情報１５２をさらに分類し、Ｙｅｓの場合はノードＮ５に進み、Ｎｏの場合はノードＮ１３に進む。

ノードＮ４では、区間＃２の２５分前の交通量（Ｑ）が３９９[台／分]未満か否かによって車両情報１５２をさらに分類し、Ｙｅｓの場合はノードＮ７に進み、Ｎｏの場合はノードＮ８に進む。

ノードＮ５では、計測時刻が０８：３８以降か否かによって車両情報１５２をさらに分類し、Ｙｅｓの場合はノードＮ６に進み、Ｎｏの場合はノードＮ１２に進む。

ノードＮ６では、区間＃１の０分前の車両速度（Ｖ）が４２[ｋｍ／ｈ]以上か否かによって車両情報１５２をさらに分類し、Ｙｅｓの場合はノードＮ１０に進み、Ｎｏの場合はノードＮ１１に進む。

図６に示す決定木によれば、車両情報１５２がノードＮ１３に至る判定条件をすべて満たす場合、“区間Ａ”において６７％の確率で渋滞が発生する。各区間ごとに、「渋滞が発生した」という結論に到達するための条件は異なる場合があるため、本実施形態においては、事前確率算出部１０３は、区間ごとに決定木を生成する。

ここで、図６に示す例では、事前確率算出部１０３は、過去の２５分前までに計測された車両情報１５２に基づいて渋滞発生確率を算出するものとしたが、２５分は一例であり、渋滞発生確率の算出根拠となる車両情報１５２はこれに限定されるものではない。

事前確率算出部１０３は、記憶部１５０に蓄積された過去の車両情報１５２に基づいて決定木等の予測モデルを予め生成し、統計情報として記憶部１５０に保存する。

事前確率算出部１０３は、受付部１０２から渋滞発生確率の予測開始の通知を受けた場合に、車両情報１５２に登録されたデータのうち、現在時刻（つまり、算出処理の実行時刻）から所定の時間以内の過去に計測されたデータを予測モデルに入力することにより、第１の確率および第２の確率を算出する。

所定の時間は、現在時刻から予測対象時刻までの時間よりも、十分に長い時間とする。例えば、事前確率算出部１０３は、現在時刻から予測対象時刻までの時間が１０分間である場合は、現在時刻から２５分間以内に計測された車両情報１５２を、第１の確率および第２の確率の算出に使用する。また、例えば、事前確率算出部１０３は、現在時刻から予測対象時刻までの時間が１０分間よりも長い場合は、現在時刻から２５分よりも前に計測された車両情報１５２も、第１の確率および第２の確率の算出に使用するものとする。所定の時間は、一例として、決定木によって特定されるものとしても良い。

また、事前確率算出部１０３は、過去の交通状況に基づいて、第１の道路７ａの“区間Ａ”で渋滞が発生した時間帯において、第２の道路７ｂの“区間Ｘ”で渋滞が発生した確率である第３の確率を算出する。例えば、事前確率算出部１０３は、車両情報１５２から、過去において“区間Ａ”の車両速度が時速２０ｋｍ未満となった計測時刻を検索し、検索の結果取得した計測時刻において、“区間Ｘ”における車両速度が時速２０ｋｍ未満となった割合を、第３の確率として算出する。本実施形態においては、第３の確率を確率Ｐ（Ｘ｜Ａ）と表記する。

車両情報１５２は、過去の交通状況を示す情報の一例であり、事前確率算出部１０３は、車両情報１５２以外の過去の交通状況を示す情報を用いて、確率Ｐ（Ａ）、確率Ｐ（Ｘ）、確率Ｐ（Ｘ｜Ａ）を算出しても良い。また、上述の確率Ａ（Ｘ）、確率Ｐ（Ｘ）、確率Ｐ（Ｘ｜Ａ）の算出の手法は一例であり、他の公知の手法を採用しても良い。

また、事前確率算出部１０３は、第１の確率または第２の確率の算出と同様の手法を用いて、第１の道路７ａに含まれる区間Ａ以外の各区間についても、区間ごとの渋滞発生確率を算出する。

事前確率算出部１０３は、予測対象道路である第１の道路７ａに含まれる各区間の渋滞発生確率を、各区間を特定する識別情報と対応付けて、渋滞発生確率情報として、記憶部１５０に保存する。

また、事前確率算出部１０３は、算出した第１の確率（確率Ａ（Ｘ））、第２の確率（確率Ｐ（Ｘ））、および第３の確率（確率Ｐ（Ｘ｜Ａ））を、条件付確率算出部１０４に送出する。

図２に戻り、条件付確率算出部１０４は、事前確率算出部１０３によって算出された第１の確率、第２の確率、および第３の確率に基づいて、第２の道路７ｂの“区間Ｘ”における渋滞の発生を条件として第１の道路７ａの“区間Ａ”において渋滞が発生する条件付確率である確率Ｐ（Ａ｜Ｘ）を算出する。

例えば、図３に示したように複数の道路７が連結する場合、連結地点９と隣接する区間の交通状況は、道路７に連結する他の道路の交通状況の影響を受ける。例えば、図３に示す道路においては、第１の道路７ａの“区間Ａ”の交通状況は、第２の道路７ｂの“区間Ｘ”の交通状況の影響を受ける。このため、条件付確率算出部１０４は、事前確率算出部１０３によって算出された“区間Ａ”の渋滞発生確率を、“区間Ｘ”の渋滞発生確率の影響を加味して算出し直すことにより、より高精度に“区間Ａ”の渋滞発生確率を算出する。

条件付確率算出部１０４は、第３の確率に第１の確率を乗算した値を、第２の確率で除算することにより、条件付確率を算出する。より詳細には、条件付確率算出部１０４は、ベイズの定理に基づく式（１）に、第１の確率（確率Ａ（Ｘ））、第２の確率（確率Ｐ（Ｘ））、および第３の確率（確率Ｐ（Ｘ｜Ａ））を入力することにより、条件付確率Ｐ（Ａ｜Ｘ）を算出する。

条件付確率算出部１０４は、記憶部１５０に保存された渋滞発生確率情報のうち、“区間Ａ”の渋滞発生確率を、式（１）によって算出した条件付確率Ｐ（Ａ｜Ｘ）に置換する。条件付確率算出部１０４は、渋滞発生確率情報の置換を完了した場合に、出力部１０５に処理の完了を通知する。

本実施形態においては、条件付確率算出部１０４は、ベイズの定理を用いて第２の道路７ｂの“区間Ｘ”において渋滞が発生することを条件として第１の道路７ａの“区間Ａ”において渋滞が発生する条件付確率Ｐ（Ａ｜Ｘ）を算出しているが、他の数式モデル等を採用しても良い。

図２に戻り、出力部１０５は、条件付確率算出部１０４によって区間Ａの渋滞発生確率が条件付確率Ｐ（Ａ｜Ｘ）に置換された渋滞発生確率情報を出力する。例えば、出力部１０５は、予測対象道路である第１の道路７ａに含まれる各区間の渋滞発生確率を、表示装置に表示する。また、出力部１０５は、渋滞発生確率情報を他の情報処理装置等に送信してもよい。

出力部１０５は、単に各区間の渋滞発生確率の数値を出力するものとしても良いし、交通状況を表す表現でラベル付けして表示しても良い。例えば、出力部１０５は、渋滞発生確率が閾値以上の区間を“渋滞”、渋滞発生確率が閾値未満の区間を“順調”と表示しても良い。渋滞発生確率の閾値は、例えば６７％とするが、これに限定されるものではない。

次に、以上のように構成された交通状況予測装置１０で実行される交通状況予測処理の流れについて説明する。

図７は、本実施形態にかかる交通状況予測処理の流れの一例を示すフローチャートである。このフローチャートの処理が開始する前に、取得部１０１は、路側計算装置２から車両情報１５２を取得し、記憶部１５０に保存しているものとする。また、事前確率算出部１０３は、記憶部１５０に保存された車両情報１５２に基づいて、決定木を生成し、生成した決定木を記憶部１５０に保存しているものとする。

まず、受付部１０２は、予測対象道路の指定および予測処理の開始の操作を受け付けたか否かを判断する（Ｓ１）。予測対象道路の指定および予測処理の開始の操作を受け付けていないと判断した場合（Ｓ１“Ｎｏ”）、受付部１０２は、Ｓ１の処理を繰り返す。

予測対象道路の指定および予測処理の開始の操作を受け付けたと判断した場合（Ｓ１“Ｙｅｓ”）、受付部１０２は、事前確率算出部１０３に、予測対象道路の指定と、渋滞発生確率の予測開始の通知とを送出する。本実施形態においては、予測対象道路として第１の道路７ａが指定されるものとする。

次に、事前確率算出部１０３は、渋滞発生確率の予測開始の通知を受けた場合に、車両情報１５２に登録されたデータのうち、計測時刻が現在時刻から所定の時間以内の過去に計測されたデータを、記憶部１５０に保存された決定木に入力することにより、指定された予測対象道路（第１の道路７ａ）に含まれる各区間の渋滞発生確率を算出する（Ｓ２）。事前確率算出部１０３は、算出した渋滞発生確率を、第１の道路７ａに含まれる各区間を特定する識別情報と対応付けて、渋滞発生確率情報として、記憶部１５０に保存する。

この際、事前確率算出部１０３は、第１の道路７ａに含まれる区間のうち、連結地点９の直前の区間である“区間Ａ”で渋滞が発生する確率Ｐ（Ａ）も算出するものとする。

次に、事前確率算出部１０３は、記憶部１５０に保存された道路構成情報１５１から、連結地点９を特定し、特定した連結地点９において予測対象道路に連結する道路（第２の道路７ｂ）を特定する（Ｓ３）。

また、事前確率算出部１０３は、道路構成情報１５１から、第１の道路７ａに含まれる区間のうち連結地点９の直前の区間である“区間Ａ”、および第２の道路７ｂに含まれる区間のうち連結地点９の直前の区間である“区間Ｘ”を特定する（Ｓ４）。

そして、事前確率算出部１０３は、車両情報１５２に登録されたデータのうち、計測時刻が現在時刻から所定の時間以内の過去に計測されたデータを、記憶部１５０に保存された決定木に入力することにより、第２の道路７ｂの“区間Ｘ”で渋滞が発生する確率Ｐ（Ｘ）を算出する（Ｓ５）。

次に、事前確率算出部１０３は、車両情報１５２に基づいて、“区間Ａ”で渋滞が発生した時刻において、“区間Ｘ”が渋滞した確率Ｐ（Ｘ｜Ａ）を算出する（Ｓ６）。事前確率算出部１０３は、算出した確率Ｐ（Ａ）、確率Ｐ（Ｘ）、および確率Ｐ（Ｘ｜Ａ）を条件付確率算出部１０４に送出する。

そして、条件付確率算出部１０４は、事前確率算出部１０３によって算出された確率Ｐ（Ａ）、確率Ｐ（Ｘ）、および確率Ｐ（Ｘ｜Ａ）を、ベイズの定理に基づく式（１）に入力することにより、第２の道路７ｂの“区間Ｘ”において渋滞が発生することを条件として第１の道路７ａの“区間Ａ”において渋滞が発生する条件付確率である確率Ｐ（Ａ｜Ｘ）を算出する（Ｓ７）。

次に、条件付確率算出部１０４は、記憶部１５０に保存された渋滞発生確率情報のうち、“区間Ａ”の渋滞発生確率を、式（１）によって算出した条件付確率Ｐ（Ａ｜Ｘ）に置換する（Ｓ８）。

そして、出力部１０５は、条件付確率算出部１０４による置換の終了後に、記憶部１５０に保存された渋滞発生確率情報を、表示装置に表示する（Ｓ９）。ここで、このフローチャートの処理は終了する。

なお、図３に示した例では、予測対象道路である第１の道路７ａに連結する第２の道路７ｂは１本であったが、第１の道路７ａが複数の他の道路と連結する複雑な道路構造であっても、本実施形態の手法を適用することができる。

図８は、本実施形態にかかる道路構成情報１５１の他の一例を示す図である。図８に示す例では、第２の道路７ｂに加えて、第３の道路７ｃおよび第４の道路７ｄが第１の道路７ａに連結する。第３の道路７ｃおよび第４の道路７ｄは、第１の道路７ａの支線とする。図８に示すノード８ａ～８ｑは、図３と同様に、道路７の区間の始点または終点である。

例えば、条件付確率算出部１０４は、第１の道路７ａに含まれる区間のうち、連結地点９ａ～９ｃと隣接する“区間Ａ１”、“区間Ａ２”、および“区間Ａ３”において渋滞が発生する確率を、第２の道路７ｂの“区間Ｘ１”、第３の道路７ｃの“区間Ｘ２”、および第４の道路７ｄの“区間Ｘ３”において渋滞が発生する確率を用いて算出しても良い。

複数の道路が連結する複雑な構造の道路においては、複数の道路の合流地点において一時的に車両密度が高くなるため、渋滞が発生しやすくなることが知られている。また、剛路の連結地点における交通状況は、当該道路から分岐する道路または当該道路に合流する他の道路の交通状況の影響を受けることが知られている。しかしながら、従来技術においては、交通状況の予測対象道路の単独の渋滞発生確率については算出されていたが、連結する他の道路の交通状況が予測対象道路の交通状況に与える影響については、十分に考慮されていない場合があった。このため、予測対象道路と連結する道路の交通状況の影響を考慮して予測対象道路の交通状況を高精度に予測することが求められていた。

本実施形態の交通状況予測装置１０では、第１の道路７ａにおいて所定の交通状況が発生する確率である第１の確率と、第１の道路７ａと連結する第２の道路７ｂにおいて所定の交通状況が発生する確率である第２の確率とに基づいて、第２の道路７ｂにおける所定の交通状況の発生を条件として第１の道路７ａにおいて所定の交通状況が発生する条件付確率を算出する。このため、本実施形態の交通状況予測装置１０によれば、予測対象道路である第１の道路７ａが複数の道路が連結する複雑な構造であっても、第１の道路７ａの交通状況を高精度に予測することができる。

また、本実施形態において、第１の確率は、第１の道路７ａのうち、第２の道路７ｂとの連結地点９の直前の区間である“区間Ａ”において所定の交通状況が発生する確率であり、第２の確率は、第２の道路７ｂのうち、連結地点９の直前の区間である“区間Ｘ”において所定の交通状況が発生する確率である。本実施形態の交通状況予測装置１０は、“区間Ｘ”において所定の交通状況が発生することを条件として、“区間Ａ”において所定の交通状況が発生する条件付確率（Ｐ（Ａ｜Ｘ））を算出する。このため、本実施形態の交通状況予測装置１０によれば、予測対象道路である第１の道路７ａのうち、特に第２の道路７ｂの交通状況の影響を受ける“区間Ａ”について、所定の交通状況が発生する確率、例えば渋滞発生確率をより高精度に算出することができる。

また、本実施形態の交通状況予測装置１０は、さらに、第１の道路７ａにおいて所定の交通状況が発生した時間帯において、第２の道路７ｂにおいて所定の交通状況が発生した確率である第３の確率（Ｐ（Ｘ｜Ａ））を算出し、第３の確率（Ｐ（Ｘ｜Ａ））に第１の確率（Ｐ（Ａ））を乗算した値を、第２の確率（Ｐ（Ｘ））で除算することにより、条件付確率（Ｐ（Ａ｜Ｘ））を算出する。このため、本実施形態の交通状況予測装置１０によれば、複雑に連結する道路７においても、連結対象の道路の交通状況の影響を加味した渋滞発生確率を容易に算出することができる。

なお、本実施形態においては、条件付確率算出部１０４は、本線である第１の道路７ａの渋滞発生確率を算出するために、支線である第２の道路７ｂ、第３の道路７ｃまたは第４の道路７ｄの渋滞発生確率を使用したが、条件付確率算出部１０４は、支線の渋滞発生確率を使用するために、本線の渋滞発生確率を使用しても良い。

また、本実施形態においては、第１の道路７ａおよび第２の道路７ｂを区間ごとに区切って渋滞発生確率を算出していたが、第１の道路７ａ全体、または第２の道路７ｂ全体を対象として渋滞発生確率を算出しても良い。

また、本実施形態においては、受付部１０２が渋滞発生確率の予測開始の操作を受け付けた場合に、事前確率算出部１０３および条件付確率算出部１０４が事前確率および条件付確率の算出処理を実行するものとしたが、事前確率算出部１０３および条件付確率算出部１０４は、定期的に、事前確率および条件付確率の算出処理を実行するものとしても良い。

（第２の実施形態）
上述の第１の実施形態においては、交通状況予測装置１０は、過去の交通状況に基づいて、第１の確率、第２の確率、および第３の確率を算出していた。この第２の実施形態においては、交通状況予測装置１０は、さらに、天候に基づいて第１の確率、第２の確率、および第３の確率を算出する。

本実施形態における交通状況予測システムＳの全体構成、および交通状況予測装置１０の機能的構成は、図１、および図２で説明した第１の実施形態と同様である。

本実施形態の交通状況予測装置１０は、第１の実施形態と同様に、取得部１０１と、受付部１０２と、事前確率算出部１０３と、条件付確率算出部１０４と、出力部１０５と、記憶部１５０とを備える。受付部１０２と、条件付確率算出部１０４と、出力部１０５とは、第１の実施形態と同様の機能を備える。

本実施形態の取得部１０１は、第１の実施形態の機能を備えた上で、外部装置から、地域ごとの過去の天候を示す天候記録情報、および、地域ごとの現在時刻以降の天気予報情報を定期的に取得する。取得部１０１は、天候記録情報および天気予報情報を記憶部１５０に保存する。天候記録情報および天気予報情報は、地域ごとの天候を“晴天”または“降雨（雨天）”の２分類で表すものでも良いし、降雨量、台風の位置などを含むものとしても良い。

本実施形態の事前確率算出部１０３は、第１の実施形態の機能を備えた上で、記憶部１５０に保存された車両情報１５２、天候記録情報、および天気予報情報に基づいて、第１の確率、および第２の確率を算出する。

より詳細には、事前確率算出部１０３は、第１の道路７ａと第２の道路７ｂにおける過去の交通状況を、時刻、車両台数（交通量）、車両速度、または天候によって分類した予測モデルを生成する。予測モデルは、例えば第１の実施形態と同様の決定木とする。そして、事前確率算出部１０３は、現在時刻から所定の時間以内の過去における交通量、車両速度、または天候を予測モデルに入力することにより、第１の確率および第２の確率を算出する。

図９は、天候と車両速度との関係の一例を示す図である。図９は、図８に示した第１の道路７ａにおける７月４～６日の３日間における区間別かつ時間単位別の平均車両速度を示す。図９に示す図の各行は、第１の道路７ａにおける１区間に相当する。図９の“スタート”と“エンド”は、それぞれ、第１の道路７ａの始点と終点である。“スタート”は図８に示すノード８ａに相当し、“エンド”は、ノード８ｑに相当する。

また、図９に示す“連結地点Ａ”は、図８に示す連結地点９ａに相当する。また、“連結地点Ｂ”は、図８に示す連結地点９ｂに相当する。“連結地点Ｃ”は、図８に示す連結地点９ｃに相当する。

また、図９に示す図に含まれる各セルの柄は、所定の時間単位ごとの平均車速を示す。黒く塗りつぶされているセルは、当該区間における平均車両速度が時速２０ｋｍ未満となり、渋滞が発生したことを示す。また、図９には記載していないが、７月４～６日の３日間における車両台数および車両密度には大きな差はないものとする。

図９に示すように、天候が晴天であった７月４日においては、いずれの区間においても渋滞が発生していないが、７月５日および６日においては、天候が降雨（雨天）となっている間、または降雨後の時間帯に渋滞が発生している。また、図９の７月５日または６日には、複数の道路７の連結地点９ａ～９ｃに隣接する複数の区間において、降雨の発生中または発生後に渋滞が発生している。

このように、連結地点９に隣接する区間においては、特に、天候によって渋滞発生確率が変化する場合がある。

本実施形態の交通状況予測装置１０によれば、第１の道路７ａと第２の道路７ｂにおける過去の交通状況を、時刻、車両台数（交通量）、車両速度、または天候によって分類した予測モデルを生成し、当該予測モデルに基づいて、第１の確率、および第２の確率を算出するため、より構成度に渋滞発生確率を算出することができる。図９に示したように、特に、連結地点９に隣接する区間においては、天候によって渋滞発生確率が変化する場合があるため、本実施形態の交通状況予測装置１０によれば、複数の道路が連結する複雑な構造の道路においてより高精度に渋滞発生確率を算出することができる。

なお、本実施形態の事前確率算出部１０３は、第３の確率については、第１の実施形態と同様の手法で算出するものとするが、過去における天候別に第３の確率を算出しても良い。

（第３の実施形態）
この第３の実施形態においては、交通状況予測装置１０は、さらに、交通事故の有無、付近で開催されるイベントの有無、または付近の一般道の交通状況に基づいて、予測対象道路における渋滞発生確率を算出する。

本実施形態における交通状況予測システムＳの全体構成、および交通状況予測装置１０の機能的構成は、図１、および図２で説明した第１の実施形態と同様である。

本実施形態の交通状況予測装置１０は、第１の実施形態と同様に、取得部１０１と、受付部１０２と、事前確率算出部１０３と、条件付確率算出部１０４と、出力部１０５と、記憶部１５０とを備える。受付部１０２と、条件付確率算出部１０４と、出力部１０５とは、第１の実施形態と同様の機能を備える。

本実施形態の取得部１０１は、第１の実施形態の機能を備えた上で、外部装置から、過去の交通事故の発生位置、および発生時刻を示す事故情報を取得する。また、取得部１０１は、過去に開催されたイベントおよび将来開催予定のイベントの名称、開催時刻、終了時刻、開催位置、および参加人数等が対応付けられたイベント情報を外部装置から取得する。イベント情報の内容はこれらに限定されるものではなく、これらの一部のみでも良いし、さらにイベントに関する他の情報を含むものとしても良い。

イベントは、例えば、花火大会、または祭り等であり、所定の基準値以上の人数が参加するものとする。

また、取得部１０１は、第１の道路７ａまたは第１の道路７ａと連結する他の道路７（例えば第２の道路７ｂ）の出入口と接続する一般道の交通状況を示す情報を取得する。一般道の交通状況を示す情報は、例えば、一般道における車両台数および車両速度である。取得部１０１は、取得したこれらの情報を、記憶部１５０に保存する。

また、事前確率算出部１０３は、第１の実施形態の機能を備えた上で、第１の道路７ａまたは第２の道路７ｂにおける交通事故の有無、または、第１の道路７ａまたは第２の道路７ｂから所定の距離以内で催されるイベントの有無に基づいて、第１の確率および第２の確率を算出する。

また、事前確率算出部１０３は、第１の道路７ａまたは第２の道路７ｂの入口または出口と接続する一般道の交通状況に基づいて、第１の確率および第２の確率を算出する。一般道の交通状況は、一例として、一般道における車両密度、平均車両速度、渋滞の発生の有無等である。例えば、第１の道路７ａの出口に接続する一般道で渋滞が発生している場合、第１の道路７ａにおいても渋滞が発生する場合がある。

より詳細には、事前確率算出部１０３は、車両情報１５２に登録されたデータを、第１の実施形態における分類に加えて、さらに、交通事故の有無、イベントの有無、または付近の一般道の交通状況で分類した予測モデルを生成する。予測モデルは、例えば第１の実施形態と同様の決定木とする。そして、事前確率算出部１０３は、第１の確率および第２の確率を算出する時点における交通事故の有無、イベントの有無、または付近の一般道の交通状況を予測モデルに入力することにより、第１の確率および第２の確率を算出する。

また、事前確率算出部１０３は、通常時（交通事故およびイベントが発生していない状態）と、交通事故が発生した場合と、イベントが開催された場合とで別個に予測モデルを生成し、第１の確率および第２の確率を算出する時点における第１の道路７ａまたは第２の道路７ｂにおける交通事故またはイベントの有無に応じて、使用する予測モデルを使い分けても良い。

また、事前確率算出部１０３は、イベントの開催時に計測された車両情報１５２に基づいて、当該イベントが交通状態に影響を及ぼす地域の範囲、および影響の度合を、当該イベントの名称と対応付けて、記憶部１５０に保存しても良い。この場合、事前確率算出部１０３は、次回以降に第１の確率および第２の確率を算出する際に、記憶部１５０に保存された過去のイベントの情報を使用するものとする。

また、事前確率算出部１０３は、公知の交通シミュレータを用いて、開催予定のイベントの開催によって交通状況が変化する区間、および時間帯について予測し、当該予測結果を予測モデルに入力することにより、第１の確率および第２の確率を算出しても良い。

このように、本実施形態の交通状況予測装置１０によれば、第１の道路７ａまたは第２の道路７ｂにおける交通事故の有無、第１の道路７ａまたは第２の道路７ｂから所定の距離以内で催されるイベントの有無、または第１の道路７ａまたは第２の道路７ｂの入口または出口と接続する一般道の交通状況に基づいて、第１の確率および第２の確率を算出するため、第１の道路７ａの交通状況をより高精度に予測することができる。

なお、事前確率算出部１０３は、交通事故の有無、イベントの有無、または一般道の交通状況のいずれか１つまたは２つを第１の確率および第２の確率に用いるものとしても良いし、全てを用いるものとしても良い。

（変形例１）
上述の各実施形態においては、事前確率算出部１０３は、区間ごとに決定木等の予測モデルを生成するとしたが、隣接する区間同士であれば交通状況が類似するため、１つの区間の予測モデルを、隣接する他の区間に援用しても良い。

より詳細には、事前確率算出部１０３は、第１の道路に含まれる複数の区間のうち、いずれか１つの区間において計測された過去の交通状況に基づいて予測モデルを生成する。そして、事前確率算出部１０３は、予測モデルに対して、予測モデルの生成の根拠となった区間および当該区間と隣接する他の区間において現在時刻から所定の時間以内の過去における交通量、車両の速度、または天候を入力することにより、当該区間および当該区間と隣接する他の区間における渋滞発生確率を算出する。

本変形例の交通状況予測装置１０によれば、予測モデルの生成処理の負荷を低減することができる。

また、事前確率算出部１０３は、隣接する区間だけではなく、連続する複数の区間に対して、同一の予測モデルを適用しても良い。

例えば、事前確率算出部１０３は、図８に示したノード８ｊからノード８ｎまでの間に存在する複数の区間のように、連結地点９と隣接しない連続した複数の区間において、いずれか１つの区間の予測モデルを、他の区間における渋滞発生確率の算出に使用する。また、事前確率算出部１０３は、図８に示した“区間Ａ１”、“区間Ａ２”、および“区間Ａ３”のように、他の道路７との連結地点９と隣接する区間においては、個別の予測モデルを使用して第１の確率を算出する。

また、事前確率算出部１０３は、予測モデルを援用するだけではなく、隣接する複数の区間に対して同一の渋滞発生確率をしても良い。例えば、事前確率算出部１０３は、連結地点９と隣接しない連続した複数の区間において、いずれかの区間を代表区間とし、当該代表区間の渋滞発生確率を、これら複数の区間の渋滞発生確率として記憶部１５０に保存しても良い。

（変形例２）
また、上述の各実施形態においては、事前確率算出部１０３は、車両情報１５２に登録されたデータのうち、現在時刻から所定の時間以内の過去に計測されたデータを予測モデルに入力することにより、第１の確率および第２の確率を算出していた。しかしながら、第１の確率および第２の確率の算出の手法はこれに限定されるものではない。

例えば、事前確率算出部１０３は、予測対象時刻における車両台数（交通量）、車両の速度、または天候を、記憶部１５０に保存された車両情報１５２または天候情報に基づいて予測し、予測結果を予測モデルに入力することにより、第１の確率および第２の確率を算出しても良い。

また、当該構成を採用する場合、受付部１０２は、ユーザによる予測対象時刻の指定を受け付け、受け付けた予測対象時刻を、事前確率算出部１０３に送出するものとする。

本変形例の交通状況予測装置１０によれば、現在時刻に近い時刻における渋滞発生確率だけではなく、任意に指定された予測対象時刻における渋滞発生確率を算出することができる。

（変形例３）
また、上述の各実施形態においては、路側計算装置２が、撮像画像を画像処理することにより、道路７を走行する車両５の台数と、各車両５の車速とを計測するとしたが、交通状況予測装置１０が当該処理を実行するものとしても良い。例えば、交通状況予測装置１０は、撮像画像から車両台数および車両速度を特定する画像処理部を備えても良い。

また、車両情報１５２の内容は、上述の各実施形態で説明した内容に限定されるものではなく、例えば、道路７を通行する個々の車両同士の車間距離、または平均車間距離を含んでも良い。当該構成を採用する場合、路側計算装置２または交通状況予測装置１０は、撮像画像から道路を通行する車両同士の車間距離を計測するものとする。また、当該構成を採用する場合、条件付確率算出部１０４は、車間距離（または平均車間距離）を用いて、第１の確率または第２の確率を算出しても良い。

また、路側計算装置２または交通状況予測装置１０は、車両５が車線変更をした場合にも、連続して撮像された撮像画像からパターン認識等の画像処理によって車両５を検出することにより、高精度に車両台数および車両速度を算出するものとしても良い。

以上説明したとおり、第１から第３の実施形態の交通状況予測装置１０によれば、複数の道路と連結する複雑な構造の道路における交通状況を、高精度に予測することができる。

上述の各実施形態の交通状況予測装置１０で実行される交通状況予測プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、上述の各実施形態の交通状況予測装置１０で実行される交通状況予測プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の交通状況予測装置１０で実行される交通状況予測プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。また、上述の各実施形態の交通状況予測プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

上述の各実施形態の交通状況予測装置１０で実行される交通状況予測プログラムは、上述した各部（取得部、受付部、事前確率算出部、条件付確率算出部、出力部）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から交通状況予測プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、取得部、受付部、事前確率算出部、条件付確率算出部、出力部が主記憶装置上に生成されるようになっている。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ 交通管制センター
２ 路側計算装置
３ 撮像装置
４ 車両感知器
５ 車両
７ 道路
７ａ 第１の道路
７ｂ 第２の道路
７ｃ 第３の道路
７ｄ 第４の道路
８，８ａ～８ｑ ノード
９，９ａ～９ｃ 連結地点
１０ 交通状況予測装置
１０１ 取得部
１０２ 受付部
１０３ 事前確率算出部
１０４ 条件付確率算出部
１０５ 出力部
１５０ 記憶部
１５１ 道路構成情報
１５２ 車両情報
Ｓ 交通状況予測システム

Claims (8)

1. 過去の交通状況に基づいて、第１の道路において所定の交通状況が発生する確率である第１の確率と、前記第１の道路と連結する第２の道路において前記所定の交通状況が発生する確率である第２の確率とを算出するとともに、
   前記過去の交通状況に基づいて、前記第１の道路において前記所定の交通状況が発生した時間帯において、前記第２の道路において前記所定の交通状況が発生した確率である第３の確率を算出する事前確率算出部と、
   前記第１の確率、前記第２の確率、および、前記第３の確率に基づいて、前記第３の確率に前記第１の確率を乗算した値を、前記第２の確率で除算することにより、前記第２の道路における前記所定の交通状況の発生を条件として前記第１の道路において前記所定の交通状況が発生する条件付確率を算出する条件付確率算出部と、
   を備える交通状況予測装置。
2. 前記第１の確率は、前記第１の道路のうち、前記第２の道路との連結地点の直前の区間において所定の交通状況が発生する確率であり、
   前記第２の確率は、前記第２の道路のうち、前記連結地点の直前の区間において所定の交通状況が発生する確率であり、
   前記条件付確率算出部は、前記第２の道路のうち前記連結地点の直前の区間における前記所定の交通状況の発生を条件として、前記第１の道路のうち前記連結地点の直前の区間において前記所定の交通状況が発生する条件付確率を算出する、
   請求項１に記載の交通状況予測装置。
3. 前記事前確率算出部は、前記第１の道路と前記第２の道路における過去の交通状況を、時刻、交通量、車両の速度、または天候によって分類した予測モデルを生成し、現在時刻から所定の時間以内の過去における交通量、車両の速度、または天候を前記予測モデルに入力することにより、前記第１の確率および前記第２の確率を算出する、
   請求項１または２に記載の交通状況予測装置。
4. 前記事前確率算出部は、前記第１の道路に含まれる複数の区間のうち、いずれか１つの区間において計測された過去の交通状況に基づいて前記予測モデルを生成し、当該予測モデルに対して、当該区間および当該区間と隣接する他の区間において現在時刻から所定の時間以内の過去における交通量、車両の速度、または天候を入力することにより、当該区間および当該区間と隣接する他の区間において所定の交通状況が発生する確率を算出する、
   請求項３に記載の交通状況予測装置。
5. 前記事前確率算出部は、さらに、前記第１の道路または前記第２の道路における交通事故の有無、または、前記第１の道路または前記第２の道路から所定の距離以内で催されるイベントの有無に基づいて、前記第１の確率および前記第２の確率を算出する、
   請求項１から４のいずれか１項に記載の交通状況予測装置。
6. 前記第１の道路および前記第２の道路は、入口および出口が設けられた有料道路であり、
   前記事前確率算出部は、さらに、前記第１の道路または前記第２の道路の前記入口または前記出口と接続する一般道の交通状況に基づいて、前記第１の確率および前記第２の確率を算出する、
   請求項１から５のいずれか１項に記載の交通状況予測装置。
7. 前記所定の交通状況は、渋滞または前記第１の道路または前記第２の道路の車両密度が所定の値以上となることである、
   請求項１から６のいずれか１項に記載の交通状況予測装置。
8. 事前確率算出部が、過去の交通状況に基づいて、第１の道路において所定の交通状況が発生する確率である第１の確率と、前記第１の道路と連結する第２の道路において前記所定の交通状況が発生する確率である第２の確率とを算出するとともに、
   前記過去の交通状況に基づいて、前記第１の道路において前記所定の交通状況が発生した時間帯において、前記第２の道路において前記所定の交通状況が発生した確率である第３の確率を算出する事前確率算出ステップと、
   条件付確率算出部が、前記第１の確率、前記第２の確率、および、前記第３の確率に基づいて、前記第３の確率に前記第１の確率を乗算した値を、前記第２の確率で除算することにより、前記第２の道路における前記所定の交通状況の発生を条件として前記第１の道路において前記所定の交通状況が発生する条件付確率を算出する条件付確率算出ステップと、
   を含む交通状況予測方法。

Images