JPH11213285A - 平均車長推定装置及び平均車長推定方法 - Google Patents

Abstract

(57)【要約】 【課題】交通流データ及び旅行時間データを用いて車長
推定を行ない、同一の枠組みの中で車種別混入率推定、
速度算出、旅行時間予測を総合的に行う平均車長推定装
置及び方法を提供すること。 【解決手段】任意間隔で複数設置した交通流データを計
測する車両感知器３と、複数地点に設置され任意の２地
点間で個別車両の同一性が識別されたときその区間で確
認した時間差をその車両の実旅行時間データとして計測
するＡＶＩ（車両認識装置）４と、前記ＡＶＩの２地点
間の走行車両の平均車長を推定する処理部５とからな
り、処理部５にはデータベース構築手段６、近傍データ
収集手段７、平均車長推定手段８、車種別混入率推定手
段９、速度算出手段１０、旅行時間予測手段１１を含
み、前記区間の現時点までに計測された交通流データと
収集された実旅行時間データとを用いて平均車長を推定
するようにしたものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、道路交通分野、計
測制御分野に関し、特に任意区間における走行車両の車
種別割合等の交通需要推定や旅行時間予測、道路交通制
御といった、管理または運用に利用するための平均車長
推定装置およびその方法に関する。

【０００２】

【従来の技術】従来、平均車長は、交通需要等の交通調
査に基づく車種情報から求めた値により、時間帯毎の車
長を統計的に決定し適用するという方法が一般的であっ
た。この平均車長の補正あるいは推定に関する従来技術
としては、例えば、特公平６−１６２３８７に示される
ように、速度計測型センサの速度を用い、周辺の複数の
存在検知型センサの出力と予め定める平均車長から、平
均車長を補正する交通量計測装置がある。

【０００３】また、特公平９−９１５８８号公報や特公
平９−２１２７９２号公報では、数種類の車長を仮定し
ておき、通過時刻による速度と１台前の通過車の速度か
ら車長を推定している。機械的な計測としては、ＡＶＩ
設置地点において、識別したナンバープレート情報から
車種情報を得て、車種別交通量と一般的な車種別車長か
ら平均車長を算出することは可能である。

【０００４】一方、旅行時間は、ＡＶＩや光学式旅行時
間計測装置等による実旅行時間データを用いるか、また
は、予め設定した平均車長および交通量と占有時間の関
係から導出した速度と区間距離を用いて算出することが
できる。この旅行時間の予測には、ＡＶＩの旅行時間を
用いる従来技術として、文献「広域交通管制技術の研究
報告II」財団法人日本交通管理技術協会、ｐ．７−６〜
ｐ．７−８、平成２年３月、または特公平３−１９１０
０号公報に示すように、旅行時間の統計パターンまたは
旅行時間の記憶手段を構築し予測に用いる方法がある。

【０００５】交通流データのみを使う技術として、同上
文献「広域交通管制技術の研究報告II」財団法人日本交
通管理技術協会、ｐ．７−１〜ｐ．７−５、ｐ．７−
８、平成２年３月、に示す自己回帰モデルによる方法や
現在つまり予測時点で既知である各区間速度または旅行
時間をそのまま予測値とする同時刻和と呼ばれる方法が
ある。

【０００６】また、文献「ニューラルネットワーク応用
旅行時間予測システム」電気学会研究会資料道路交通研
究会ＲＴＡ−９５−１〜１２、社団法人電気学会、ｐ．
８７〜９５、１９９５年３月１６日、に示すように交通
流データと予測値として対応する旅行時間データである
旅行時間との関係を、ニューラルネットワークや他のモ
デルを用いて構築する方法がある。これは、過去におけ
る交通流データと旅行時間との時系列的な関係をモデル
により構築し、これに現在の交通流データを当てはめ予
測を行なうものである。

【０００７】

【発明が解決しようとする課題】しかし、交通需要は、
道路構造や周辺環境の推移等に伴い経年変化を示す場合
が往々にしてあり、また、短期的に見ても日差等が存在
する。よって、一定または時間帯により異なる値を適用
する場合を含め、固定的な車長を用いるときには、交通
状況の長期〜短期変動に追従するため、定期的に平均車
長を見直す必要があった。

【０００８】速度の直接計測が可能であれば、交通量と
占有時間から車長を算出できるが、上記従来技術に示し
たような速度計測型センサによる少数地点の速度データ
で他の複数地点のデータを補正する場合、外挿されるこ
とになり、任意区間の走行速度あるいは旅行時間は別手
段により確認する必要がある。

【０００９】また、過去通過車両の速度を用いるような
時系列的に近い過去データによる推定の場合、時間遅れ
を伴う可能性がある。さらに、現状において、一般道で
の設置した車両感知器は存在型のものが主流であり、速
度計測はできない。そのため、速度は設定平均車長と交
通量及び占有時間から間接的に算出することになる。そ
のため、固定的な平均車長を用いて速度を算出し、この
速度を用いて予測した旅行時間の精度は共に低下してし
まう恐れがある。

【００１０】このように、妥当な平均車長の設定が速度
や旅行時間の導出に関わってくる。車両感知器ではな
く、ＡＶＩの車番認識情報を用いれば、計測した車種別
データから車長も推定でき、また、実旅行時間も計測で
きるが、いずれも過去のデータであり、その場合は、現
時点における速度算出への適用や旅行時間予測値に対す
る整合が難しい。このように、車種別の交通需要、平均
車長、速度、旅行時間の個々データは何らかの方法で計
測あるいは算出することができる。しかし、上記に示す
ように、それらは各々単独に計測あるいは算出されてお
り、それら全体の整合性や有効利用は考慮されていな
い。

【００１１】本発明は、上記従来の問題を解決するため
になされたもので、交通流データと旅行時間データとを
用いて、車長推定を行ない、さらに、車種別の混入率推
定、速度算出、旅行時間予測を同一の枠組みの中で総合
的に行う平均車長推定装置および平均車長推定方法を提
供することを目的とする。

【００１２】

【課題を解決するための手段】本発明における平均車長
推定装置は、道路上に任意間隔で複数設置した交通流デ
ータを計測する車両感知器と、道路上の複数地点に設置
され任意の２地点を端点としてその間で個別車両の同一
性が識別されたときにその２地点間（対象区間）で確認
した時間差をその車両の前記対象区間における実旅行時
間データとして計測するＡＶＩ（車両認識装置）かまた
は道路側に設置の光学式車両感知器あるいは電磁波送受
信機と車両側搭載の投受光器間あるいは電磁波送受信機
の識別（ＩＤ）データの送受信によって、２つの光学式
車両感知器あるいは電磁波送受信機の通過時刻と位置お
よび距離からこの区間の実旅行時間データを計測する光
学式あるいは電磁波式旅行時間計測装置と、前記計測さ
れた交通流データと実旅行時間データとを用い各時点に
おいて前記ＡＶＩ２地点間の対象区間の走行車両の平均
車長を推定する処理部とからなる平均車長推定装置であ
って、更に、前記対象区間の現時点までに計測されてい
る交通流データと収集した旅行時間データとから算出さ
れた過去時点において予測値にあたる実旅行時間をその
時点でのデータとして、データベースを逐次更新し構築
するデータベース構築手段と、前記推定時点における交
通流データの時系列や空間分布状況に対し近傍または類
似の分布状況を示す過去時点を、データベース中の過去
の交通流データとのマッチングにより探索し、該当した
過去時点の交通流データと過去時点での予測旅行時間に
あたる実旅行時間とからなる複数の近傍データセットを
動的に収集する近傍データ収集手段と、前記収集した複
数の近傍データセットを用いて、前記近傍データセット
からの交通流データ及び実旅行時間と、各設置された車
両感知器に割り当てられた小区間距離とを入力し、過去
の近傍または類似の状況下における平均車長の推定モデ
ルを動的に構築し、平均車長を推定する平均車長推定手
段と、前記推定された平均車長と既に設定されている車
種別車長とを用いて、各車種の混入率を算出する車種別
混入率推定手段と、前記推定された平均車長と車両感知
器による交通流データとを用いて速度を算出する速度算
出手段と、前記算出された速度と各設置した車両感知器
に割り当てた小区間距離とを用い、旅行時間を予測する
旅行時間予測手段とを有するようにしたものである。

【００１３】本発明は、過去に計測したデータを有効に
利用し、計測、収集できるデータに応じて的確な車長推
定モデルを構築し、旅行時間という共通指標の下に、同
様の枠組みの中で総合的に、平均車長推定、車種別混入
率推定、速度算出、旅行時間予測を行なうことができる
平均車長推定装置が得られる。

【００１４】本発明における平均車長推定方法は、道路
上に任意間隔で複数設置した車両感知器により交通流デ
ータを計測し、道路上に設置されたＡＶＩ（車両認識装
置）か光学式あるいは電磁波式旅行時間計測装置により
任意の２地点を端点としてその間で個別車両の同一性を
識別したときにその２地点間で確認した時間差をその車
両の対象区間における実旅行時間データとして計測し、
計測した実旅行時間データに基づき前記対象区間におけ
る走行車両の平均車長を推定する各工程からなる平均車
長推定方法であって、対象区間の現時点までに計測され
ている交通流データと収集した旅行時間データとから算
出された過去時点において予測値にあたる実旅行時間を
その時点におけるデータとし、データベース化して逐次
更新し、推定時点における交通流データの時系列や空間
分布状況に対して近傍または類似の分布状況を示す過去
時点を、データベース中の過去の交通流データとのマッ
チングにより探索し、該当した過去時点の交通流データ
と過去時点での予測旅行時間にあたる実旅行時間とから
なる複数の近傍データセットを動的に収集し、収集した
複数の近傍データセットを用いて、前記近傍データセッ
トからの交通流データ及び実旅行時間と、各設置された
車両感知器に割り当てられた小区間距離とを入力し、過
去の近傍または類似の状況下における平均車長の推定モ
デルを動的に構築して平均車長を推定し、推定された平
均車長と車両の車種別設定車長を用いて、各車種の混入
率を算出し、推定された平均車長と車両感知器の交通流
データを用いて速度を算出し、算出された速度と各車両
感知器に割り当てられた小区間距離とを用いて旅行時間
を予測する各工程を有するようにしたものである。

【００１５】本発明は、過去に計測したデータを有効に
利用し、計測、収集できるデータに応じて的確な車長推
定モデルを動的に構築し、旅行時間という共通指標の下
に、同様の枠組みの中で総合的に、平均車長推定、車種
別混入率推定、速度算出、旅行時間予測を行なうことが
できる平均車長推定方法が得られる。

【００１６】

【発明の実施の形態】請求項１に記載の発明にかかる平
均車長推定装置は、道路上に任意間隔で複数設置して交
通流データを計測する車両感知器と、道路上の複数地点
に設置され任意の２地点を端点としてその間で個別車両
の同一性が識別されたときにその２地点間（対象区間）
で確認した時間差をその車両の前記対象区間における実
旅行時間データとして計測するＡＶＩ（車両認識装置）
と、各時点において前記ＡＶＩ２地点間の対象区間の走
行車両の平均車長を推定する処理部とからなり、前記処
理部は対象区間の現時点までに計測された交通流データ
と収集された実旅行時間データとを用いて前記対象区間
の平均車長を推定するようにしたものであり、事前調査
や調査結果の詳細な分類や整理、データベースの定期的
再構築の必要がなく、平均車長の推定に測定可能な時系
列の交通流データ及び旅行時間データを集積して使用す
るようにしたことにより、それらのデータを機械的かつ
自動的に収集して平均車長を推定することができるとい
う作用を有する。

【００１７】請求項２に記載の発明にかかる平均車長推
定装置は、前記処理部の制御により、対象区間の現時点
までに計測されている交通流データと収集した旅行時間
データから算出された過去時点において予測値にあたる
実旅行時間をその時点でのデータとして、データベース
を逐次更新して構築するデータベース構築手段を備える
ようにしたものであり、平均車長の推定時点において、
交通流データを動的に収集してデータベース化し、平均
車長の推定に測定可能な時系列の交通流データ及び旅行
時間データを集積して使用するようにしたことにより、
それらのデータを機械的かつ自動的に収集して利用する
ことができるという作用を有する。

【００１８】請求項３に記載の発明にかかる平均車長推
定装置は、前記推定時点における交通流データの時系列
または空間分布状況に対して近傍または類似の分布状況
を示す過去時点を、前記データベース中の過去の交通流
データとのマッチングにより探索し、該当した過去時点
の交通流データと過去時点での予測旅行時間にあたる実
旅行時間からなる複数の近傍データセットを動的に収集
する近傍データ収集手段を備えるようにしたものであ
り、平均車長の推定時点において、近傍または類似のデ
ータを動的に収集するようにしたことにより、データを
事前に詳細に分類し整理する場合に比較して、より的確
に適切なデータを抽出することができるとともに、各時
点においてデータを何度でも重複して利用することがで
きるという作用を有する。

【００１９】請求項４に記載の発明にかかる平均車長推
定装置は、前記収集した複数の近傍データセットを用い
て、前記近傍データセットからの交通流データ及び実旅
行時間と、各設置された車両感知器に割り当てられた小
区間距離とを入力し、平均車長を出力する過去の近傍ま
たは類似の状況下における平均車長推定モデルを動的に
構築して平均車長を推定する平均車長推定手段を備える
ようにしたものであり、動的に収集した近傍データを用
いて車長推定モデルを構築するようにしたことにより、
状況に応じた車長推定モデルを柔軟に構築できるととも
に、旅行時間というマクロな指標を用いてより的確な平
均車長を推定することができるという作用を有する。

【００２０】請求項５に記載の発明にかかる平均車長推
定装置は、前記推定された平均車長と既に設定されてい
る車種別車長とを用いて、各車種の混入率を算出する車
種別混入率推定手段を備えるようにしたものであり、旅
行時間を指標として推定した平均車長から、より的確な
車種別の交通需要として車種別の混入率を推定すること
ができるという作用を有する。

【００２１】請求項６に記載の発明にかかる平均車長推
定装置は、前記推定された平均車長と車両感知器による
交通流データとを用いて速度を算出する速度算出手段を
備えるようにしたものであり、旅行時間を指標として推
定した平均車長から、より的確な速度を算出することが
できるという作用を有する。

【００２２】請求項７に記載の発明にかかる平均車長推
定装置は、前記算出された速度と各設置した車両感知器
割り当ての小区間距離を用いて、旅行時間を予測する手
段を備えるようにしたものであり、旅行時間を指標とし
て推定した平均車長に基づいて導出された速度から、よ
り的確な旅行時間を予測することができるという作用を
有する。

【００２３】請求項８に記載の発明にかかる平均車長推
定装置は、前記ＡＶＩに代わり道路側設置の光学式車両
感知器と車両側搭載の投受光器とからなり、識別データ
の送受信によって２つの光学式車両感知器間の通過時刻
と位置および距離からこの区間の旅行時間データを計測
する光学式旅行時間計測装置を含むようにしたものであ
り、ＡＶＩ（車両認識装置）の代わりに光学式旅行時間
計測装置を用いたとしても、事前調査や調査結果の詳細
な分類や整理、データベースの定期的再構築の必要がな
く、平均車長の推定ができるという作用を有する。

【００２４】請求項９に記載の発明にかかる平均車長推
定装置は、前記ＡＶＩに代わり道路側設置の電磁波送受
信機と車両側搭載の電磁波送受信機とからなり、識別デ
ータの送受信によって２つの電磁波送受信機間の通過時
刻と位置および距離からこの区間の旅行時間データを計
測する電磁波式旅行時間計測装置を含むようにしたもの
であり、ＡＶＩ（車両認識装置）の代わりに電磁波式旅
行時間計測装置を用いたとしても、事前調査や調査結果
の詳細な分類や整理、データベースの定期的再構築の必
要がなく、平均車長の推定ができるという作用を有す
る。

【００２５】請求項１０に記載の発明にかかる平均車長
推定方法は、道路上に任意間隔で複数設置した車両感知
器により交通流データを計測し、道路上に設置されたＡ
ＶＩ（車両認識装置）により任意の２地点を端点として
その間で個別車両の同一性を識別したときにその２地点
間で確認した時間差をその車両の対象区間における実旅
行時間データとして計測し、各時点において、前記対象
区間の現時点までに計測された交通流データと収集され
た実旅行時間データとを用いて前記対象区間における平
均車長を推定する各工程からなるようにしたものであ
り、事前調査や調査結果の詳細な分類や整理、データベ
ースの定期的再構築の必要がなく、平均車長の推定に測
定可能な時系列の交通流データ及び旅行時間データを集
積して使用するようにしたことにより、それらのデータ
を機械的かつ自動的に収集することができるという作用
を有する。

【００２６】請求項１１に記載の発明にかかる平均車長
推定方法は、前記対象区間の現時点までに計測されてい
る交通流データと収集した旅行時間データとから算出さ
れた過去時点において予測値にあたる実旅行時間をその
時点でのデータとしてデータベース化する工程を含むよ
うにしたものであり、平均車長の推定時点において、交
通流データを動的に収集してデータベース化し、測定可
能な時系列の交通流データ及び旅行時間データを集積し
て使用するようにしたことにより、それらのデータを機
械的かつ自動的に収集することができるという作用を有
する。

【００２７】請求項１２に記載の発明にかかる平均車長
推定方法は、前記推定時点における交通流データの時系
列や空間分布状況に対して近傍または類似の分布状況を
示す過去時点を、データベース中の過去の交通流データ
とのマッチングにより探索し、該当した過去時点の交通
流データと過去時点での予測旅行時間にあたる実旅行時
間からなる複数のデータセットを動的に収集する工程を
含むようにしたものであり、平均車長の推定時点におい
て、近傍または類似のデータを動的に収集するようにし
たことにより、データを事前に詳細に分類し整理する場
合に比較して、より的確に適切なデータを抽出すること
ができるとともに、各時点においてデータを何度でも重
複して利用することができるという作用を有する。

【００２８】請求項１３に記載の発明にかかる平均車長
推定方法は、前記収集した複数の近傍データセットを用
いて、前記近傍データセットからの交通流データ及び実
旅行時間と、各設置された車両感知器に割り当てられた
小区間距離とを入力し、平均車長を出力する過去の近傍
または類似の状況下における平均車長推定モデルを動的
に構築して平均車長を推定する工程を含むようにしたも
のであり、動的に収集した近傍データを用いて車長推定
モデルを構築するようにしたことにより、状況に応じた
車長推定モデルを柔軟に構築できるとともに、旅行時間
というマクロな指標を用いてより的確な平均車長を推定
することができるという作用を有する。

【００２９】請求項１４に記載の発明にかかる平均車長
推定方法は、前記推定された平均車長と車両の車種別設
定車長とを用いて、各車種の混入率を算出する工程を含
むようにしたものであり、旅行時間を指標として推定し
た平均車長から、より的確な車種別の交通需要として車
種別の混入率を推定することができるという作用を有す
る。

【００３０】請求項１５に記載の発明にかかる平均車長
推定方法は、前記推定された平均車長と車両感知器の交
通流データとを用いて速度に算出する工程を含むように
したものであり、旅行時間を指標として推定した平均車
長から、より的確な速度を算出することができるという
作用を有する。

【００３１】請求項１６に記載の発明にかかる平均車長
推定方法は、前記算出された速度と設置された各車両感
知器に割り当てられた小区間距離とを用いて、旅行時間
を予測する工程を含むようにしたものであり、旅行時間
を指標として推定した平均車長に基づいて導出された速
度から、より的確な旅行時間を予測することができると
いう作用を有する。

【００３２】以下、添付図面、図１乃至図８に基づき、
本発明の一実施の形態を詳細に説明する。図１は本発明
の一実施の形態における平均車長推定装置の構成を示す
ブロック図、図２は図１に示すデータベース構築手段の
処理手順を示すフローチャートを示す図、図３は図１に
示す全データベースの帳票化した構造を模式的に示す
図、図４は図１に示す近傍データ収集手段の処理手順を
示すフローチャートを示す図、図５は図１に示す平均車
長推定手段の処理手順を示すフローチャートを示す図、
図６は図１に示す車種別混入率推定手段の処理手順を示
すフローチャートを示す図、図７は図１に示す速度算出
手段の処理手順を示すフローチャートを示す図、図８は
図１に示す旅行時間予測手段の処理手順を示すフローチ
ャートを示す図である。

【００３３】まず、図１を参照して、本実施の形態にお
ける平均車長推定装置の構成を説明する。図１におい
て、１は単純に模式化した道路、２は単純に模式化した
走行車両を表し、図１では車両が図の左手から右手へ走
行する一方向のみを考慮し、左手側が上流、右手側が下
流となる。３は車両感知器であり、実際は道路上に数１
００ｍ〜数ｋｍ程度の間隔で設置され、交通量、占有率
の交通流データを計測可能なものである。本実施の形態
において１つの車両感知器と設置位置とは一対一に対応
し、個々の車両感知器ｉ（ｉ＝１，２，・・・ｎ）に
は、設置位置等に基づいて予測対象区間距離Ｄを分配
し、Ｄｉとして割り当てるものとする。以下、これを小
区間という。ここで、小区間Ｄは、Ｄ＝Ｄ１＋Ｄ２＋・
・・＋Ｄｎ である。

【００３４】また、４はＡＶＩ（車両認識装置：Automa
tic Vehicle Identification system ）であり、本実施
の形態では、撮像機を用いたＡＶＩを旅行時間計測装置
として使用する。撮像機は複数の小区間を含むように設
置され、この設置点の上流側を出発点Ａ、下流側を終着
点Ｂとし、２点間を対象区間とする。任意時刻において
出発点側の撮像機が走行車両のナンバープレートを撮影
した後、終着点側の撮像機が撮影したナンバープレート
のナンバー及び時刻履歴と照合し、一致したときの時刻
差から対象区間の旅行時間を導出する。

【００３５】ＡＶＩの代わりに、光学式あるいは電磁波
式車両感知器等を用いることもできる。その場合も、Ａ
ＶＩと同様に対象区間を設定してその区間の旅行時間を
導出すればよい。すなわち、道路側設置の光学式車両感
知器あるいは電磁波送受信機と車両側搭載の投受光器あ
るいは電磁波送受信機とからなり、識別（ＩＤ）データ
の送受信によって、２つの光学式車両感知器あるいは電
磁波送受信機の通過時刻と位置および距離からこの区間
の旅行時間データを計測することができる。また、５は
マイクロコンピュータにより構成され、平均車長及び車
種別混入率の推定等を行う処理部であり、処理部５内に
装備されているメモリーに処理プログラムが格納され、
車両感知器３及びＡＶＩ４からの計測値に基づきその処
理を実行する。

【００３６】また、６はデータベース構築手段、７は近
傍データ収集手段、８は平均車長推定手段、９は車種別
混入率推定手段、１０は速度算出手段、１１は旅行時間
予測手段である。これら各手段はハードウェアで構築し
てもよいが、本実施の形態ではソフトウェアでも実現さ
れる。また、１２はデータベース構築手段６によって作
成される全データベース、１３は近傍データ収集手段７
によって作成される近傍データベース、１４は本実施の
形態において推定し予測した結果等を表示するモニタで
ある。

【００３７】次に、図１乃至図８を参照して、本実施の
形態における平均車長推定装置の動作を説明する。今、
車両が上流から下流に向かって走行し、各車両感知器３
の設置地点における交通量と占有時間が車両感知器３に
より、また、対象区間の旅行時間がＡＶＩ４により計測
されるものとする。本実施の形態では、５分毎に処理部
が実行され、計測値を得て、各地点ｉにおける各時点の
５分間交通量Ｑｉ、５分間占有時間Ｏｉと、過去時点に
出発点Ａ（図１）から走行を開始し終着点Ｂに至ったと
きの過去のその任意時点における対象区間の平均旅行時
間（出発旅行時間）Ｔの各データを得る。尚、この各時
点におけるデータを時点データともいう。

【００３８】この旅行時間データによる平均旅行時間を
実旅行時間とする。以下、この出発旅行時間が過去の任
意時点における予測値となる。但し、本実施の形態で
は、未計測で交通流データがない場合や、出発点で確認
された車両が終着点に未到着で旅行時間データがないよ
うな場合、各データを識別のため例えば−１で示すよう
な未算出値とする。処理部５は上記の各データを使用し
て、データベース構築手段６、近傍データ収集手段７、
平均車長推定手段８、車種別混入率推定手段９、速度算
出手段１０、旅行時間予測手段１１等を順に実行し、平
均車長推定、車種別混入率推定、速度算出、旅行時間予
測を行なう。

【００３９】次に、図２を参照して、図１に示すデータ
ベース構築手段の動作を説明する。データベース構築手
段６は、各時点において処理を開始し、処理部５から得
られた前述の各時点データを読み込んだ（ステップＳ２
０１）後、本実施の形態では、実旅行時間Ｔを全データ
ベース１２へ書き込み（ステップＳ２０２）、交通流デ
ータ（ここでは５分間交通量Ｑと占有時間Ｏ）を読み込
んで全データベース１２へ書き込む（ステップＳ２０
３）。このようにして構築された全データベース１２の
構造は帳票形式で表すと、図３に示す通りになる。

【００４０】本実施の形態では、図１に示す平均車長推
定装置の構成や対象区間における車両感知器３の設置状
況及び使用データに応じ、車両感知器３からの交通流デ
ータのうち５分間交通量と占有時間及びＡＶＩからの実
旅行時間等の各データを、一定期間、例えば過去２年分
格納する。−１は未算出値であり、それは実旅行時間が
未算出であるとき、推定時点で車両が終着点側に到着し
ていないため出発旅行時間が得られないような場合に該
当する。その他、車両感知器３が故障等で計測不能の場
合は、異なる値（例えば、−９等の無効値）を用いる等
によりデータベース上で、その旨わかるようにすれば良
い。

【００４１】次に、図４を参照して、図１に示す近傍デ
ータ収集手段の動作を説明する。全データベース１２を
構築した後、推定時点における車両感知器３の時間的・
空間的な交通流データ及び旅行時間の分布に対し、図４
の処理フローに示すように、過去時点における近傍デー
タセットを収集する。

【００４２】まず、全データベース１２から全データを
読み込む（ステップＳ４０１）。次に、過去の全データ
を対象に次の距離算出の処理を適用する。対象は必要な
データが揃っている過去時点のデータである。本実施の
形態では、対象区間に車両感知器３とＡＶＩ４が配置さ
れており、５分間交通量及び占有時間とＡＶＩによる出
発旅行時間つまり過去における予測旅行時間が必要なデ
ータである。実施形態に応じ必要なデータが揃っていれ
ば、以下の処理手順を適用して近傍データを収集する。

【００４３】本実施の形態における近傍の判断では、対
象とするデータのうち同一時点における対象区間の交通
流データのデータ分布を用い、これらを１つのベクトル
と見なしたときのベクトル間の距離によって行なう。

【００４４】具体的には、まず、同一時点でｍ個の交通
流データを対象とするｍ次元のデータ空間を考える。対
象によっては、過去数時点を含めるなど広がりをもって
も良い。例えば、推定時点と過去１時点のｍ個の交通流
データを対象とすると、２×ｍ次元のデータ空間とな
る。そして、本空間において、近傍を判断するデータ、
ここでは推定時点ｔにおける交通流データＸ（ｔ）のｍ
次元空間における分布を基準ベクトルとする。本実施の
形態では、異なる次元のデータが混在することから、デ
ータの正規化を行なう（ステップＳ４０２）。

【００４５】正規化後のデータを用いて、推定時点のデ
ータ分布による基準ベクトルと過去時点の同次元のデー
タ分布によるベクトル間のユークリッド距離Ｄｘを算出
する（ステップＳ４０３）。つまり、本実施の形態にお
けるこのベクトル間の距離算出は、今、予測時点の基準
ベクトルを（Ｘ１（ｔ）、Ｘ２（ｔ）、・・・、Ｘｍ
（ｔ））、過去時点ｔ−ｋ（ｋ＝１，２，３，・・・）
のベクトルを（Ｘ１（ｔ−ｋ）、Ｘ２（ｔ−ｋ）、・・
・、Ｘｍ（ｔ−ｋ））として、次の演算により行なわれ
る。

【００４６】

【数１】

【００４７】本実施の形態においては、交通流データＸ
としてｎ個の車両感知器３の５分間交通量及び占有時間
を用いることから交通流データＸｉはＱｉとＯｉ（ｉ＝
１，２，・・・，ｎ）とからなる。必要なデータがない
場合は、距離を未算出値とする。以上の距離算出を全デ
ータベース１２中の過去の時点ｔ−ｋ（ｋ＝１，２，
３，・・・）のデータについて行なう（ステップＳ４０
４）。

【００４８】基準ベクトルと対象とする過去時点のデー
タ分布によるベクトルとの間の距離を算出した後、距離
未算出値以外のデータを対象にこの距離が小さくかつ時
刻上近いものの順にソートする（ステップＳ４０５）。
ソートするときに、一定の距離以内等の条件を加えて収
集しても良い。ソート終了後、上位の任意個数、例えば
５０個の各時点データに基づいて近傍データセットを収
集し、近傍データベース１３に格納する（ステップＳ４
０６）。

【００４９】近傍データベース１３に格納する近傍デー
タセットは、近傍判断において距離算出に用いたデータ
と、このデータに対し予測値として対応する出発旅行時
間とである。本実施の形態の場合、距離計算に使用した
次元の交通量及び占有時間の既知データと、この時点デ
ータに対し予測値として対応する同じく既知の実出発旅
行時間との組からなる。

【００５０】次に、図５を参照して、図１に示す平均車
長推定手段の動作を説明する。この平均車長推定手段に
おける処理手順では、まず、近傍データベース１３のデ
ータセットと、予め設定された各車両感知器３に割り当
てた小区間距離（本実施の形態では、処理部５内に格納
されているものとする）とを読み込む（ステップＳ５０
１、５０２）。

【００５１】次のステップでは、近傍データセット１３
のうち、近傍計算時と同次元の交通流データ及び小区間
距離を入力し、これに対応する予測旅行時間を出力して
平均車長推定モデルを構築する。その構築にあたり、本
実施の形態における平均車長推定方法を説明する。今、
車両１台当たりの平均車長をＬ（ｍ）、交通量をＱ（台
／５分）、占有時間をＯ（ｓｅｃ）とすると、速度Ｖ
（ｍ／ｓ）は、下式〔数２〕から求められる。

【００５２】

【数２】

【００５３】上式で、ｉは小区間番号を表す。上式〔数
２〕から、距離Ｄｉにおける小区間の旅行時間Ｔｉは、
下式〔数３〕から求められる。

【００５４】

【数３】

【００５５】そこで、全区間の予測旅行時間Ｔ´は、小
区間旅行時間Ｔｉの総和に等しいから、下式〔数４〕か
ら導くことができる。

【００５６】

【数４】

【００５７】ここで、平均車長Ｌは定数と見做すことが
できるので、予測旅行時間Ｔ´は下式〔数５〕と置くこ
とができる。

【００５８】

【数５】

【００５９】そこで、平均車長Ｌは、近傍データセット
により上式のｘと予測旅行時間Ｔ´の値は既知であるか
ら、代数的方法あるいは最小自乗法によりａを推定する
ことができ、その逆数として求めることができる。

【００６０】今回は、上記の方法に基づき、読み込んだ
任意個数、例えば５０個の近傍データセットに対して、
上記〔数５〕の式からｘを算出し（ステップＳ５０３、
５０４）、この値と過去時点の予測旅行時間に対応する
各出発旅行時間であるＴ´から最小自乗法によりａを算
出し（ステップＳ５０５）、ａ＝１／Ｌから平均車長Ｌ
を算出する（ステップＳ５０６）。平均車長Ｌを算出し
た後、それを保存する（ステップＳ５０７）。尚、本実
施の形態における保存は処理部５内に保存するものとす
る。保存終了後、処理部５の制御により、各時点におい
てそれをモニタ１４に出力する（ステップＳ５０８）。

【００６１】次に、図６を参照して、図１に示す車種別
混入率推定手段の動作を説明する。この車種別混入率推
定手段における処理手順では、予め設定しておいた車種
別の長さＬｋと推定した平均車長Ｌとを読み込む（ステ
ップＳ６０１、６０２）。この長さＬｋと推定平均車長
Ｌとから車種別混入率を算出する（ステップＳ６０
３）。

【００６２】例えば、今、小型車の一般的長さが３．５
（ｍ）、大型車の長さが６．０（ｍ）と設定され、推定
平均車長が３．８（ｍ）の場合、小型車混入率をα、大
型車混入率をβとすると、 α＋β＝１．０ ３．５α＋６．０β＝３．８ からα＝０．８８（８８％）、β＝０．１２（１２％）
と算出することができる。これらの混入率は算出後に保
存して（ステップＳ６０４）、処理部５の制御により、
各時点においてモニタ１４に出力する（ステップＳ６０
５）ことができる。

【００６３】次に、図７を参照して、図１に示す速度算
出手段の動作を説明する。この処理は、図７に示す速度
算出手順に従い、交通流データを使用して速度を算出す
る。この速度算出処理手順を開始すると、まず、推定平
均車長、予め設定された各車両感知器３に割り当てられ
た小区間距離及び推定時点における近傍計算と同次元
（同種）の交通流データつまり交通量と占有時間とを読
み込む（ステップＳ７０１、７０２、７０３）。速度の
算出は、次のようにして行なう。すなわち、車両１台当
たりの平均車長をＬ（ｍ）、交通量をＱ（台／５分) 、
占有時間をＯ（ｓｅｃ）とすると、速度Ｖ（ｍ／ｓ)
は、下式〔数６〕から求めることができる。

【００６４】

【数６】

【００６５】上式の計算を小区間ｉ毎に行ない、速度を
算出（ステップＳ７０４、７０５）してそれを保存（ス
テップＳ７０６）し、処理部５の制御により、各時点に
おいてモニタ１４に出力する（ステップＳ７０７）。

【００６６】次に、図８を参照して、図１に示す旅行時
間予測手段の動作を説明する。この処理は、図８に示す
旅行時間予測手順に従い、速度算出後に旅行時間の予測
を行なう。この旅行時間予測処理手順を開始すると、ま
ず、算出速度と各車両感知器３に割り当てられた小区間
距離を読み込む（ステップＳ８０１、８０２）。次に、
下式〔数７〕に基づき予測旅行時間Ｔ´を算出する（ス
テップＳ８０３）。

【００６７】

【数７】

【００６８】予測旅行時間Ｔ´の算出後にそれを保存し
（ステップＳ８０４）、処理部５の制御により、各時点
においてモニタ１４に出力する（ステップＳ８０５）。
上記の処理手順を各時点毎に繰り返す。すなわち、推定
の各時点において、得られたデータを全データベース１
２に逐次蓄積し、その中から近傍データセットを収集し
て近傍データベース１３に格納する。この近傍データセ
ットにより平均車長を推定し、車種別混入率を推定し、
かつ、速度を算出し、旅行時間の予測を行なう。以上の
説明から分かるように、全データベース１２は過去の一
定時点数分のデータを更新しながら蓄積し、近傍データ
ベース１３は処理時点毎に新たに収集され構築される。

【００６９】

【発明の効果】本発明は、以上説明したように構成し、
特に任意の２点に車両認識装置を設置し、その間の任意
な地点に車両感知器を設置して、交通流データ及び旅行
時間データを動的に収集、集積し、平均車長を推定する
ことにより、従来行なわれていたような定期的な調査や
更新が不要であり、本装置による機械的・自動的な計測
や算出によって費用や時間を削減し、交通状況・周辺環
境の変化に柔軟に対応することができる平均車長推定装
置及び平均車長推定方法が得られる。

【００７０】また、本発明は、以上説明したように構成
し、特に現在の道路交通システムにおける既存設備を有
効に活用でき、新規展開の場合でも既知装置の組み合わ
せによって構成することができることから、設備等の初
期投資の際にその低減を図ることができる。

【００７１】さらに、本発明は、以上説明したように構
成し、特に旅行時間という重要な共通指標の下で平均車
長、車種別混入率、速度、予測旅行時間の各値を総合的
に合致させて算出できるため、信頼性の向上を図ること
ができ、かつ、それらの値をリアルタイムで処理するこ
とができるため、運用側および最終的には一般道路使用
者に対し迅速に有用な情報を提供することができる。

【図面の簡単な説明】

【図１】本発明の一実施の形態における平均車長推定装
置の構成を示すブロック図

【図２】図１に示すデータベース構築手段の処理手順を
示すフローチャートを示す図

【図３】図１に示す全データベースの帳票化した構造を
模式的に示す図

【図４】図１に示す近傍データ収集手段の処理手順を示
すフローチャートを示す図

【図５】図１に示す平均車長推定手段の処理手順を示す
フローチャートを示す図

【図６】図１に示す車種別混入率推定手段の処理手順を
示すフローチャートを示す図

【図７】図１に示す速度算出手段の処理手順を示すフロ
ーチャートを示す図

【図８】図１に示す旅行時間予測手段の処理手順を示す
フローチャートを示す図

【符号の説明】

１ 道路 ２ 走行車両 ３ 車両感知器 ４ ＡＶＩ（車両認識装置） ５ 処理部 ６ データベース構築手段 ７ 近傍データ収集手段 ８ 平均車長推定手段 ９ 車種別混入率推定手段 １０ 速度算出手段 １１ 旅行時間予測手段 １２ 全データベース １３ 近傍データベース １４ モニタ

Claims (16)

【特許請求の範囲】
1. 【請求項１】道路上に任意間隔で複数設置して交通流デ
   ータを計測する車両感知器と、道路上の複数地点に設置
   され任意の２地点を端点としてその間で個別車両の同一
   性が識別されたときにその２地点間（対象区間）で確認
   した時間差をその車両の前記対象区間における実旅行時
   間データとして計測するＡＶＩ（車両認識装置）と、各
   時点において前記ＡＶＩ２地点間の対象区間の走行車両
   の平均車長を推定する処理部とからなり、前記処理部は
   対象区間の現時点までに計測された交通流データと収集
   された実旅行時間データとを用いて前記対象区間の平均
   車長を推定するようにしたことを特徴とする平均車長推
   定装置。
2. 【請求項２】前記処理部の制御により、対象区間の現時
   点までに計測されている交通流データと収集した旅行時
   間データから算出された過去時点において予測値にあた
   る実旅行時間をその時点でのデータとして、データベー
   スを逐次更新して構築するデータベース構築手段を備え
   たことを特徴とする請求項１記載の平均車長推定装置。
3. 【請求項３】前記推定時点における交通流データの時系
   列または空間分布状況に対して近傍または類似の分布状
   況を示す過去時点を、前記データベース中の過去の交通
   流データとのマッチングにより探索し、該当した過去時
   点の交通流データと過去時点での予測旅行時間にあたる
   実旅行時間からなる複数の近傍データセットを動的に収
   集する近傍データ収集手段を備えたことを特徴とする請
   求項２記載の平均車長推定装置。
4. 【請求項４】前記収集した複数の近傍データセットを用
   いて、前記近傍データセットからの交通流データ及び実
   旅行時間と、各設置された車両感知器に割り当てられた
   小区間距離とを入力し、平均車長を出力する過去の近傍
   または類似の状況下における平均車長推定モデルを動的
   に構築して平均車長を推定する平均車長推定手段を備え
   たことを特徴とする請求項３記載の平均車長推定装置。
5. 【請求項５】前記推定された平均車長と既に設定されて
   いる車種別車長とを用いて、各車種の混入率を算出する
   車種別混入率推定手段を備えたことを特徴とする請求項
   ４記載の平均車長推定装置。
6. 【請求項６】前記推定された平均車長と車両感知器によ
   る交通流データとを用いて速度を算出する速度算出手段
   を備えたことを特徴とする請求項５記載の平均車長推定
   装置。
7. 【請求項７】前記算出された速度と各設置した車両感知
   器割り当ての小区間距離を用いて、旅行時間を予測する
   手段を備えたことを特徴とする請求項６記載の平均車長
   推定装置。
8. 【請求項８】前記ＡＶＩに代わり道路側設置の光学式車
   両感知器と車両側搭載の投受光器とからなり、識別デー
   タの送受信によって２つの光学式車両感知器間の通過時
   刻と位置および距離からこの区間の旅行時間データを計
   測する光学式旅行時間計測装置を含むことを特徴とする
   請求項１、２、３、４、５、６または７記載の平均車長
   推定装置。
9. 【請求項９】前記ＡＶＩに代わり道路側設置の電磁波送
   受信機と車両側搭載の電磁波送受信機とからなり、識別
   データの送受信によって２つの電磁波送受信機間の通過
   時刻と位置および距離からこの区間の旅行時間データを
   計測する電磁波式旅行時間計測装置を含むことを特徴と
   する請求項１、２、３、４、５、６または７記載の平均
   車長推定装置。
10. 【請求項１０】道路上に任意間隔で複数設置した車両感
    知器により交通流データを計測し、道路上に設置された
    ＡＶＩ（車両認識装置）により任意の２地点を端点とし
    てその間で個別車両の同一性を識別したときにその２地
    点間で確認した時間差をその車両の対象区間における実
    旅行時間データとして計測し、各時点において、前記対
    象区間の現時点までに計測された交通流データと収集さ
    れた実旅行時間データとを用いて前記対象区間における
    走行車両の平均車長を推定する各工程からなることを特
    徴とする平均車長推定方法。
11. 【請求項１１】前記対象区間の現時点までに計測されて
    いる交通流データと収集した旅行時間データとから算出
    された過去時点において予測値にあたる実旅行時間をそ
    の時点でのデータとしてデータベース化する工程を含む
    ことを特徴とする請求項１０記載の平均車長推定方法。
12. 【請求項１２】前記推定時点における交通流データの時
    系列や空間分布状況に対して近傍または類似の分布状況
    を示す過去時点を、データベース中の過去の交通流デー
    タとのマッチングにより探索し、該当した過去時点の交
    通流データと過去時点での予測旅行時間にあたる実旅行
    時間からなる複数のデータセットを動的に収集する工程
    を含むことを特徴とする請求項１１記載の平均車長推定
    方法。
13. 【請求項１３】前記収集した複数の近傍データセットを
    用いて、前記近傍データセットからの交通流データ及び
    実旅行時間と、各設置された車両感知器に割り当てられ
    た小区間距離とを入力し、平均車長を出力する過去の近
    傍または類似の状況下における平均車長推定モデルを動
    的に構築して平均車長を推定する工程を含むことを特徴
    とする請求項１２記載の平均車長推定方法。
14. 【請求項１４】前記推定された平均車長と車両の車種別
    設定車長とを用いて、各車種の混入率を算出する工程を
    含むことを特徴とする請求項１３記載の平均車長推定方
    法。
15. 【請求項１５】前記推定された平均車長と車両感知器の
    交通流データとを用いて速度に算出する工程を含むこと
    を特徴とする請求項１３または１４記載の平均車長推定
    方法。
16. 【請求項１６】前記算出された速度と設置された各車両
    感知器に割り当てられた小区間距離とを用いて、旅行時
    間を予測する工程を含むことを特徴とする請求項１５記
    載の平均車長推定方法。