JPH08106593A - 交通流状態判定装置 - Google Patents

Abstract

(57)【要約】 【目的】道路及び道路網における自動車交通流の監視と
管制、あるいはドライバへの情報提供に利用するために
交通流が渋滞か否かを判定する交通流状態判定装置を提
供する。 【構成】交通流センサによって単位時間あたりの通過交
通量データ，車両の占有率データ、あるいは平均速度デ
ータを収集するセンサデータ収集手段と，比較しようと
するセンサデータが収集された時刻においてそれ以前の
一ないし複数の時刻でのセンサデータについて平均値を
算出する手段と，時刻におけるセンサデータと平均値と
の差を算出する差分算出手段と，差分とあらかじめ設定
されたしきい値とを比較することによって交通流が渋滞
であるか否かを判定する渋滞判定手段とを備えている。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、道路及び道路網におけ
る自動車交通流の監視と管制、あるいはドライバへの情
報提供に利用するために交通流が渋滞か否かを判定し、
渋滞と判定された場合にはその種類を判別する方式に関
するものである。

【０００２】

【従来の技術】交通流が渋滞であるか否かを計測する従
来の装置は、特開昭62−295200号公報に見られるように
通過交通量と占有率（または通過交通量と密度）の関係
として一般に知られている近似曲線を用い、この近似曲
線と実際の値との距離について時間を追って観察し、激
しい正の距離（トリガ）が見られるときに渋滞の発生時
とする、という方式をとるものがあった。

【０００３】

【発明が解決しようとする課題】上記従来例には以下の
欠点を有する。例えば、先詰まりによる軽度の渋滞のよ
うに短い時間だけ渋滞してその後すぐに解消した場合に
は、大きなトリガの数が少なく渋滞であるか否かを判定
するのが困難である。また、渋滞しているにもかかわら
ず偶然に近似曲線の近傍に実際のデータがある場合には
トリガが小さくなるので渋滞と判定できない。さらに、
トリガが大きくなりだしてから数個のデータを得るまで
渋滞判定できず、したがって判定するまでの時間がある
程度必要になる。

【０００４】本発明の目的は、存在型超音波センサ，光
センサ，ループコイルセンサ，マイクロ波センサあるい
は画像センサなどすでに多く設置されている現行の交通
流センサからのデータを基に、先詰まり等による軽度の
渋滞の場合でも判定でき、しかも迅速かつ的確に行うこ
とができる装置を提供することにある。

【０００５】

【課題を解決するための手段】そこで本発明では、上記
課題を解決する手段として、交通流を計測する交通流セ
ンサによって単位時間あたりの通過交通量データ、ある
いは占有率データ、あるいは平均速度データを収集する
センサデータ収集手段と，比較しようとする上記センサ
データが収集された時刻においてそれ以前の一ないし複
数の時刻の上記センサデータについて平均値を算出する
手段と，当該時刻における上記センサデータと該平均値
との差を算出する差分算出手段と，上記差分とあらかじ
め設定されたしきい値とを比較することによって交通流
が渋滞であるか否かを判定する渋滞判定手段によって交
通流状態判定装置を構成している。

【０００６】さらに本発明では、上記渋滞判定手段によ
って渋滞と判定された場合には渋滞と判定された後のあ
る時刻において渋滞発生時刻から時刻までの上記センサ
データについて平均値を算出する手段と，時刻における
上記センサデータと該平均値との差を算出する差分算出
手段と，上記差分とあらかじめ設定されたしきい値とを
比較することによって渋滞の種類を判別する渋滞種類判
別手段によって交通流状態判定装置を構成している。

【０００７】

【作用】上述のように構成された本発明の交通流状態判
定装置では、交通流センサからのセンサデータに関して
現在時刻のデータと近い過去のデータの平均値とを比較
することによって交通流が渋滞であるか否かを判定する
ので先詰まり等による軽度の渋滞の場合でも容易に、し
かも迅速かつ的確に渋滞判定できる。

【０００８】さらに本発明の交通流状態判定装置では、
渋滞が発生したと判定された場合にその比較的すぐ後の
現在時刻において、現在時刻におけるセンサデータと渋
滞発生時刻から現在時刻までのセンサデータについての
平均値とを比較するので渋滞の種類が先詰まり等による
軽度な渋滞であるのか、あるいは事故等による深刻な渋
滞なのかを容易に、しかも迅速かつ的確に判別できる。

【０００９】

【実施例】以下に、具体的な実施例を示す。

【００１０】図１に本発明の実施例に係わるブロック図
を示し、以下これを用いて交通流状態判定装置の処理の
流れを説明する。なお、この実施例では交通流センサと
して超音波センサを用いた場合の例を示すが、必ずしも
超音波センサに限定されるべきものではなく光センサ，
ループコイル式センサ，画像センサ，マイクロ波センサ
など他のセンサをも含むものである。

【００１１】図１において、超音波センサ１１によって
地点を通過する車両１０に関して得た時系列存否パルス
列をセンサデータ算出部１２に送信して各種センサデー
タを算出し、センサデータを用いて渋滞判定部１３で地
点の交通流が渋滞であるか否かを判定し、その判定結果
を判定結果表示部１４で表示する。さらに渋滞判定部１
３における処理の流れは次の通りである。センサデータ
算出部１２から得た通過交通量、あるいは占有率、ある
いは平均速度などの各種センサデータをセンサデータ記
憶部１３０で記憶し、過去データ平均値算出部１３１で
はセンサデータ記憶部１３０で記憶された過去の各種セ
ンサデータのうち比較的近い過去の平均速度データにつ
いての平均値を算出し、平均値と現在時刻の平均速度デ
ータとの差分を差分算出部１３２で算出し、しきい値入
力部１３３であらかじめ入力されたしきい値と差分とを
比較判定部１３４で比較して渋滞であるか否かを判定す
る。

【００１２】つづいて、本発明の詳細な構成，処理、お
よび機能について具体的な例と共に説明する。

【００１３】超音波センサ１１は、例えば、図２に示さ
れるような装置であり、以下これを用いて説明する。図
２において超音波送受装置２２は、送受装置の真下を通
過する車両２４に対して超音波を照射してその反射波を
受け取り車両の存否情報（時系列存否パルス列）を得る
装置であり、存否情報を制御装置２５および回線を介し
て、あるいは無線で交通管制センタや車載端末等の計算
機にあるセンサデータ算出部１２に送信することができ
るものである。得られる時系列存否パルス列についての
例を図３に示す。図３において、車両２４が超音波送受
装置２２の真下に存在している間は認識出力を１とし、
存在していない間は認識出力を０とする。

【００１４】センサデータ算出部１２は、道路網全域に
設置された複数の超音波センサ１１より受信した車両の
存否情報を交通管制センタや車載端末などの計算機で読
み取ることによって、あるいは計算することによって地
点における通過交通量，車両の時間占有率、及び平均速
度などの各種センサデータを算出するところである。具
体的には、図３においてパルスの数が通過交通量であ
り、それぞれのパルスの幅は車両２４が超音波送受装置
２２の真下を通過するのにかかった時間であるが、これ
は車両の時間占有率（または密度）を求めるのに有効で
ある。即ち、車両の時間占有率oct［％］ は次の式によ
って求まる。

【００１５】

【数１】

【００１６】ここに、ｔ_i はｉ番目の車両の通過時間、
Ｔは収集周期時間である。また、車両の時間占有率oct
と密度ｋ［台／ｋｍ］の関係は次の式で表される。

【００１７】

【数２】

【００１８】ここにlen は車両の平均車長である。ま
た、ある収集周期時間の平均速度ｖ［ｋｍ／ｈ］は、従
来知られている通過交通量ｑ［台／収集周期時間］と平
均速度ｖの関係式あるいは時間占有率oct(または密度
ｋ）と平均速度ｖの関係式から求められる。ここで、通
過交通量ｑあるいは密度ｋと平均速度ｖの従来知られて
いる関係についての一例を図４に示す。ここに、ｑmax
は最大通過交通量、ｖ₀は臨界速度、ｖ_f は自由速度
（密度ｋが０のとき）、ｋ_j は飽和密度（平均速度ｖが
０のとき）である。なお、交通流センサの種類や方式に
よっては平均速度を求める際に関係式を用いずに直接計
測できるものもある。

【００１９】このようにして得られた各種センサデータ
をセンサデータ記憶部１３０で時系列データとして刻々
記憶する。図５に時系列センサデータの一例として平均
速度データの例を示す。この図のデータはある地点にお
ける時刻に対する収集周期を５分とした場合の平均速度
のデータである。

【００２０】過去データ平均値算出部１３１は、ある時
刻において、センサデータ記憶部１３０で記憶された時
系列の各種センサデータのうち、例えば平均速度データ
についてそれ以前の一ないし複数の時刻における平均速
度データの平均値を算出するところである。図５におい
て例えば８：２０の時には、それより近い過去の、即ち
８：１５を含むそれ以前の一ないし複数の時刻の平均速
度についての平均値を算出する。以下でもセンサデータ
として平均速度データを用いた例を示すが、必ずしも平
均速度データに限定されるべきものではなく通過交通量
データあるいは車両の占有率データ（密度データ）など
他のセンサデータを用いても差しつかえない。

【００２１】差分算出部１３２は、過去データ平均値算
出部１３１で得られた平均値からセンサデータ算出部１
２で得られた時刻の平均速度データ値を引いた差分を算
出するところである。

【００２２】しきい値入力部１３３は、超音波センサ１
１が設置されている地点に応じてあらかじめしきい値を
入力しておくところである。この値の大きさは地点の道
路の種類，幅員，環境あるいは経験等によって決定され
るべきものである。

【００２３】比較判定部１３４は、差分算出部１３２で
得られた差分としきい値とを比較し、その大小によって
超音波センサ１１が設置されている地点の交通流が渋滞
であるか否かを判定するところである。すなわち差分が
しきい値より大きかった場合には交通流が渋滞に変化し
たと判定し、差分がしきい値より小さかった場合には交
通流状態は不変であると判定する。この判定法によっ
て、例えば先詰まりによって渋滞しその後すぐに渋滞が
解消するような軽度の渋滞の場合（図５の８：２０ご
ろ）でも渋滞と判定することができる。さらに、時刻の
平均速度そのものと別に定めたしきい値とを比較するこ
とによって渋滞であるか否かを判定するという従来の方
式を付け加えれば、例えば速度があまり変わらずかつ速
度の遅い重度の渋滞の場合でも判定できるので渋滞判定
の精度がより高くなる。

【００２４】判定結果表示部１４は、渋滞判定部１３中
の比較判定部１３４によって得られた判定結果を表示す
るところである。表示する手段は、ドライバに対するも
のは道路上の電光掲示板あるいはナビゲーションシステ
ム等の車載端末があり、交通管制センタに対するものは
センタ内の電光掲示板がある。

【００２５】さらに、比較判定部１３４で判定された渋
滞か否かの結果を渋滞モードとして刻々記憶しておき、
過去データ平均値算出部１３１において、ある時刻にお
いてそれ以前の一ないし複数の時刻における平均速度デ
ータの平均値を算出する際に時刻の直前の時刻の渋滞モ
ードと同じモードの時刻のデータのみについて平均値を
算出する。このようにすると、比較的短い期間で渋滞モ
ードが繰り返し変わるといった交通流状態の変化が激し
いような場合に、複数の過去データの平均値を算出する
にあたって二種類のモードのデータについての平均値を
算出するといった事故を防ぐことができる。

【００２６】さらに、超音波センサ１１およびセンサデ
ータ算出部１２で各種センサデータを算出する際にある
収集周期でデータを収集するが、上述の方法によってそ
の収集周期が短いほどリアルタイムに近い渋滞判定が可
能になるがあまりに短いと収集されるデータが少なすぎ
ることによる判定精度の悪化やあるいは超音波センサ設
置地点の下流の信号による信号待ちを渋滞と判定してし
まうおそれがある。これらの解決索として収集周期を超
音波センサ設置地点の下流の信号の一サイクル時間より
も長くとればよい。このようにすれば収集されるデータ
は少なすぎることもなく、また通常の交通の流れと下流
の信号による信号待ちとが平均化されて収集できるから
である。

【００２７】次に、渋滞判定部１３で渋滞と判定された
場合にその種類を判別する例について図６を用いて説明
する。

【００２８】まずは処理の流れを説明する。渋滞判定部
１３で渋滞と判定された後の比較的近いある時刻におい
てセンサデータ算出部１２で得られた各種センサデータ
を用いて渋滞種類判別部６０で渋滞の種類を判別し、判
別結果を判別結果表示部６１で表示する。

【００２９】つづいて、渋滞種類判別部６０について詳
細に説明する。ここでもセンサデータとして平均速度デ
ータを用いた例を示すが、平均速度データに限定される
べきものではなく通過交通量データあるいは時間占有率
データを用いても差しつかえない。

【００３０】センサデータ記憶部６００は図１のセンサ
データ記憶部１３０と同じものであり、センサデータ算
出部１２で得られた各種センサデータを時系列データと
して刻々記憶するところである。

【００３１】過去データ平均値算出部６０１は渋滞判定
部１３で渋滞が発生したと判定された時刻から時刻まで
の平均速度データについての平均値を算出するところで
ある。

【００３２】差分算出部６０２はセンサデータ算出部１
２で得られる時刻の平均速度データから過去データ平均
値算出部６０１で得られた平均値を引いた差分を算出す
るところである。

【００３３】しきい値入力部６０３は図１のしきい値入
力部１３３と同様のものであり、超音波センサ１１が設
置されている地点に応じてあらかじめしきい値を入力し
ておくところである。この値の大きさは地点の道路の種
類，幅員，環境あるいは経験等によって決定されるべき
ものである。

【００３４】比較判別部６０４は、差分算出部６０２で
得られた差分としきい値入力部603で入力されたしきい
値とを比較し、その大小によって地点で発生した渋滞が
解消したか否かを判定する。すなわち差分がしきい値よ
り大きかった場合には渋滞が解消したと判定し、差分が
しきい値より小さかった場合には渋滞が続行中であると
判定する。さらに渋滞発生時刻から時刻までの時間が長
いかどうかを考慮することによって渋滞の種類として軽
度のものか重度のものかを判別するところである。ま
た、センサデータ算出部１２で得られる時刻の平均速度
データが０ｋｍ／ｈに近いような場合には地点が交通事
故等による深刻な渋滞が生じていることが推測できる。

【００３５】このようにして渋滞種類判別部６０で得ら
れた結果を判別結果表示部６１で表示する。判別結果表
示部６１は図１の判定結果表示部１４と同様のものであ
り、電光掲示板や車載端末等の表示手段である。

【００３６】以上からわかるように、渋滞判定をしよう
とする時刻において直前の時刻の交通流の渋滞モードが
非渋滞のときには図１のような交通流状態判定装置を用
い、渋滞のときには図６のような交通流状態判定装置を
適宜用いると、交通流のあらゆる状態に対して迅速かつ
的確に渋滞判定することができる。

【００３７】

【発明の効果】本発明の交通流状態判定装置を用いる
と、先詰まりによって渋滞しその後すぐに解消するとい
った軽度の渋滞でも迅速かつ的確に判定することができ
る。

【００３８】また、複数箇所のセンサによって道路のセ
ンサデータを交通管制センタなどに集めているので、こ
れらのデータを用いて判定した結果を信号制御や情報提
供などの交通管制手段に対して有効である。

【００３９】さらに、すでに設置されている従来の超音
波センサ等を利用できる点でコスト的にも有効である。

【図面の簡単な説明】

【図１】本発明の渋滞を判定する交通流状態判定装置の
構成を示すブロック図。

【図２】存在型超音波センサ及びその周辺の配置図。

【図３】存在型超音波センサによって得られる時系列存
否パルス列の例を示す説明図。

【図４】通過交通量あるいは密度と平均速度との関係の
一例を示す説明図。

【図５】ある地点における時系列平均速度の例を示す説
明図。

【図６】本発明の渋滞種類を判別する交通流状態判定装
置の構成を示すプロック図。

【符号の説明】

１０…車両、１１…超音波センサ、１２…センサデータ
算出部、１３…渋滞判定部、１４…判定結果表示部、１
３０…センサデータ記憶部、１３１…過去データ平均値
算出部、１３２…差分算出部、１３３…しきい値入力
部、１３４…比較判定部。

Claims (6)

【特許請求の範囲】
1. 【請求項１】交通流センサによって単位時間あたりの通
   過交通量データ，車両の占有率データ、あるいは平均速
   度データを収集するセンサデータ収集手段と，比較しよ
   うとする上記センサデータが収集された時刻においてそ
   れ以前の一ないし複数の時刻での上記センサデータにつ
   いて平均値を算出する手段と，ある時刻における上記セ
   ンサデータと上記平均値との差を算出する差分算出手段
   と，上記差分とあらかじめ設定されたしきい値とを比較
   することによって交通流が渋滞であるか否かを判定する
   渋滞判定手段とを備えたことを特徴とする交通流状態判
   定装置。
2. 【請求項２】請求項１において、上記渋滞判定手段によ
   って得た判定結果を時刻の渋滞モードとして記憶する手
   段を備えた交通流状態判定装置。
3. 【請求項３】請求項１または２において、上記渋滞判定
   手段によって得た判定結果を表示する手段を備えた交通
   流状態判定装置。
4. 【請求項４】請求項１，２または３において、上記渋滞
   判定手段で渋滞と判定された後のある時刻において渋滞
   発生時刻から時刻までの上記センサデータについて平均
   値を算出する手段と，時刻における上記センサデータと
   該平均値との差を算出する差分算出手段と，上記差分と
   あらかじめ設定されたしきい値とを比較することによっ
   て渋滞の種類を判別する渋滞種類判別手段とを備えた交
   通流状態判定装置。
5. 【請求項５】請求項４において、上記渋滞判別手段によ
   って得た判別結果を表示する手段を備えた交通流状態判
   定装置。
6. 【請求項６】請求項１，２，３，４，５または６におい
   て、センサデータ収集手段において、交通流センサ設置
   付近の信号の一サイクル時間を超える収集周期で上記セ
   ンサデータを収集する交通流状態判定装置。