WO2018101074A1 - 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 - Google Patents

交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 Download PDF

Info

Publication number
WO2018101074A1
WO2018101074A1 PCT/JP2017/041415 JP2017041415W WO2018101074A1 WO 2018101074 A1 WO2018101074 A1 WO 2018101074A1 JP 2017041415 W JP2017041415 W JP 2017041415W WO 2018101074 A1 WO2018101074 A1 WO 2018101074A1
Authority
WO
WIPO (PCT)
Prior art keywords
section
traffic
sensor
time
traffic situation
Prior art date
Application number
PCT/JP2017/041415
Other languages
English (en)
French (fr)
Inventor
優太 芦田
到 西岡
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2018553774A priority Critical patent/JP7124704B2/ja
Priority to US16/463,026 priority patent/US11423782B2/en
Publication of WO2018101074A1 publication Critical patent/WO2018101074A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
    • G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map
    • 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
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • 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
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Definitions

  • the present disclosure relates to a traffic situation estimation device, a traffic situation estimation method, a program recording medium, and an output device.
  • measuring and monitoring traffic conditions at each point on the road is important for safety management and road quality maintenance. Therefore, various measuring devices are installed on the road, and a traffic control system that collects and uses information indicated by these measuring devices has been constructed.
  • a vehicle detector using a loop coil or a vehicle detector that recognizes a vehicle body by performing image processing on a captured image of a CCTV (closed-circuit television) camera is used.
  • a device using ultrasonic waves, an optical vehicle detector, or the like may be used as the measurement device.
  • GPS Global Positioning System
  • the observation point has a large deviation depending on time and region.
  • the observation error tends to increase particularly in the city center where it is difficult to grasp the satellite position. Even if the travel speed and travel time of a GPS-equipped vehicle can be observed, it is impossible to know information about the entire road section, for example, information such as average travel speed, number of passing vehicles, and density.
  • Patent Document 1 discloses a traffic measurement device that suppresses an increase in cost for system construction, operation, maintenance, and the like and improves the measurement accuracy of the number of vehicles staying in an inflow link.
  • Patent Document 2 discloses a method for estimating the traffic situation at an unobserved point by combining information observed by a stationary sensor and information observed by GPS.
  • the observation speed of the GPS is regarded as teacher data
  • the observation speed of the stationary sensor is used as an explanatory variable
  • regression analysis is performed using the observation speed of the GPS as an objective variable. High speed information is estimated at an arbitrary time.
  • the remaining ratio of vehicles in the unobserved section can be estimated in consideration of the road travel time observed by GPS.
  • an unobserved section existing between adjacent intersections is targeted, and the number of vehicles in the unobserved section is estimated based on traffic information of two adjacent points. Therefore, when there are a plurality of branch roads in the unobserved section, the number of vehicles in the unobserved section changes according to the combination of the diversion rates in each branch path. Therefore, it is difficult to estimate the number of vehicles in the unobserved section based only on the traffic volume of the observed intersection that becomes the boundary with the unobserved section.
  • the present invention has been made in view of the above problems, and is capable of estimating traffic conditions with high accuracy even in a situation where there are few sections where sensors are installed and there is not enough vehicle travel history.
  • the main purpose is to provide a situation estimation device.
  • the traffic situation estimation apparatus is similar in traffic situation between each of a plurality of sections including a section in which a sensor is installed and a section in which a sensor is not installed and each set of a plurality of time zones. And a traffic situation estimation means for estimating a traffic situation of a section where the sensor is not installed based on the traffic situation of the section where the sensor is installed, and the traffic situation estimated by the traffic situation estimation means Output means for outputting.
  • the traffic situation estimation method is similar to the traffic situation between each of a plurality of sections including a section where a sensor is installed and a section where a sensor is not installed, and each set of a plurality of time zones. Based on the degree and the traffic situation of the section where the sensor is installed, the traffic situation of the section where the sensor is not installed is estimated, and the estimated traffic situation is output.
  • the program recording medium of one embodiment of the present invention includes a degree of similarity of traffic conditions between each of a plurality of sections including a section where a sensor is installed and a section where a sensor is not installed and each set of a plurality of time zones. And a process of estimating the traffic situation of the section where the sensor is not installed based on the traffic situation of the section where the sensor is installed, and a process of outputting the estimated traffic situation to a computer Record the program to be executed.
  • the output device includes a degree of traffic situation similarity between each of a plurality of sections including a section where a sensor is installed and a section where a sensor is not installed, and each set of a plurality of time zones. And output means for outputting the traffic situation of the section where the sensor is not estimated, which is estimated based on the traffic situation of the section where the sensor is installed.
  • FIG. 1 is a diagram illustrating a configuration of a traffic situation estimation apparatus 1 according to a first embodiment of the present invention.
  • a traffic situation estimation apparatus 1 according to the first embodiment includes a traffic situation estimation unit 2 and an output unit 3.
  • the traffic situation estimation unit 2 includes a similarity of traffic situation between each of a plurality of sections including a section in which a sensor is installed and a section in which a sensor is not installed and each set of a plurality of time zones, and the sensor The traffic situation of the section where the sensor is not installed is estimated based on the traffic situation of the section where the sensor is installed.
  • the output unit 3 outputs the traffic situation estimated by the traffic situation estimation unit 2.
  • the first embodiment it is possible to estimate the traffic situation of the section where the sensor is not installed, so there are few sections where the sensor is installed, and the vehicle traveling history is sufficient. Even in situations where there is no traffic, it is possible to estimate traffic conditions with high accuracy.
  • the traffic situation estimation unit 2 and the output unit 3 can be realized by, for example, a sensor information management unit 150 and an output device 170 described below.
  • the output device 170 is included in the output device.
  • FIG. 2 is a diagram showing a configuration of a traffic situation estimation apparatus 100 according to a second embodiment of the present invention.
  • the traffic situation estimation apparatus 100 according to the second embodiment includes an information collection unit 110, an information storage unit 120, a required time management unit 130, a spatiotemporal topology management unit 140, a sensor information management unit 150, a display control unit 160, and an output device. 170.
  • the information storage unit 120 includes a GPS information storage unit 121, a road information storage unit 122, and a sensor information storage unit 123.
  • the required time management unit 130 includes a required time estimation unit 131 and a required time storage unit 132.
  • the spatiotemporal topology management unit 140 includes a spatiotemporal topology calculation unit 141, a spatiotemporal similarity calculation unit 142, a spatiotemporal topology storage unit 143, and a spatiotemporal similarity storage unit 144.
  • the time estimation unit and the similarity update unit can be realized by, for example, the required time estimation unit 131 and the spatiotemporal similarity calculation unit 142, respectively.
  • the information collecting unit 110 receives traffic information observed by GPS (hereinafter also referred to as “GPS information”) from a GPS onboard device or a mobile phone terminal mounted on the vehicle, and stores it in the GPS information storage unit 121. .
  • GPS information traffic information observed by GPS
  • the information collecting unit 110 also receives traffic information (hereinafter also referred to as “sensor information”) measured by a sensor installed on the road and stores it in the sensor information storage unit 123.
  • the GPS information storage unit 121 of the information storage unit 120 stores the GPS information received by the information collection unit 110.
  • the road information storage unit 122 stores information on the road structure, such as the number of lanes for each road section, the section distance, and the connection relationship with other roads.
  • the sensor information storage unit 123 stores the sensor information received by the information collection unit 110.
  • the required time management unit 130 estimates, for each time zone, the time required for the vehicle to move on each road section based on traffic information observed by GPS. Specifically, the required time estimation unit 131 of the required time management unit 130 travels based on traffic information observed by GPS, on which a vehicle equipped with an on-vehicle GPS device (hereinafter also referred to as “GPS-equipped vehicle”) travels. By estimating the time required for the road section that did not exist, the time required for movement of each road section of the vehicle is obtained for each time zone.
  • the traffic information observed by GPS is a travel history of the vehicle and includes a section and a time zone in which the vehicle traveled.
  • the time zone is, for example, a time width obtained by dividing 24 hours at predetermined intervals. In addition, it is not limited to 24 hours, It is good also considering predetermined time.
  • the required time storage unit 132 stores the time required for the movement of each road section for each time zone, including information estimated by the required time estimation unit 131.
  • the spatiotemporal topology management unit 140 calculates the spatiotemporal topology and the spatiotemporal similarity. Specifically, the spatiotemporal topology calculation unit 141 of the spatiotemporal topology management unit 140 includes the road connection relationship stored in the road information storage unit 122 and the time zone calculated by the required time management unit 130. The spatiotemporal topology is calculated and updated based on the time taken for the movement of each road section. The spatiotemporal topology indicates the connection relationship between the time zone and the road section (details will be described later). In the following description, “time required for movement of road section” is also referred to as “time required for road section”.
  • the spatiotemporal topology storage unit 143 stores the spatiotemporal topology calculated by the spatiotemporal topology calculation unit 141.
  • the spatiotemporal similarity calculation unit 142 calculates a spatiotemporal similarity indicating the similarity of the traffic situation of each road section for each time zone based on the spatiotemporal topology stored in the spatiotemporal topology storage unit 143.
  • the spatiotemporal similarity represents the influence of the traffic volume existing in each road section in each time zone on other road sections in other time zones.
  • the spatiotemporal similarity storage unit 144 stores the spatiotemporal similarity calculated by the spatiotemporal similarity calculation unit 142.
  • the sensor information management unit 150 estimates sensor information based on the spatiotemporal similarity calculated by the spatiotemporal topology management unit 140. Specifically, the flow rate estimation unit 151 of the sensor information management unit 150 determines whether the sensor is based on the spatiotemporal similarity calculated by the spatiotemporal topology management unit 140 and the sensor information stored in the sensor information storage unit 123. A traffic flow rate (hereinafter also referred to as “flow rate”) in a road section that is not installed is estimated. The traffic flow rate indicates the number of vehicles passing through the point per unit time (passage number).
  • the density estimation unit 152 determines the vehicle density (hereinafter referred to as the vehicle density in a road section where no sensor is installed). , Also referred to as “density”).
  • the vehicle density represents the number of vehicles per unit length, for example, 1 km.
  • the traffic information storage unit 153 stores traffic information such as the flow rate and density estimated by the flow rate estimation unit 151 and the density estimation unit 152.
  • the display control unit 160 displays the flow rate, density, required time, vehicle speed, and the like for each road section on the output device 170 (display device) based on the traffic information stored in the traffic information storage unit 153.
  • the output device 170 displays the above information based on the control by the display control unit 160.
  • FIG. 3 is a flowchart showing a traffic situation estimation process performed by the traffic situation estimation apparatus 100. With reference to FIG. 3, the operation of the traffic situation estimation apparatus 100 will be described.
  • the outline of the operation of the traffic situation estimation apparatus 100 is as follows. That is, the spatiotemporal topology management unit 140 of the traffic situation estimation apparatus 100 calculates an initial value of the spatiotemporal topology (step S101), and calculates an initial value of the spatiotemporal similarity based on the initial value (step S102). ).
  • the required time management unit 130 estimates the GPS information of a road section for which GPS information is not acquired, particularly the required time of the road section (step S103). Subsequently, the spatiotemporal topology management unit 140 updates the spatiotemporal topology calculated as described above based on the estimated required time (step S104), and the spatiotemporal similarity based on the updated spatiotemporal topology. Is updated (step S105).
  • the sensor information management part 150 estimates the flow volume and density of the road area from which sensor information is not acquired based on the updated spatiotemporal similarity and the acquired sensor information (step S106, step) S107).
  • a road section not observed by GPS or a fixed sensor hereinafter also referred to as “unobserved section” based on a traffic situation of a road section (hereinafter also referred to as “observed section”) observed by GPS or a fixed sensor. ) Is sometimes called “complementation”.
  • the display control unit 160 displays the traffic conditions of the entire road section including the estimated flow rate and density on the output device 170 (step S108).
  • the information collecting unit 110 uses the time-stamped position information collected from an in-vehicle terminal or a mobile phone terminal equipped with a GPS receiver as a traveling speed of a road section (hereinafter, “ Also referred to as “speed”) and the required time, and the converted information is stored in the GPS information storage unit 121.
  • the information collection unit 110 may perform the conversion by itself, or may receive information collected and converted by another device and store the information in the GPS information storage unit 121.
  • the speed indicates an average speed of a plurality of vehicles in the road section.
  • the information collecting unit 110 also collects sensor information observed by fixed sensors installed on highways, intersections, important road sections, and the like, and stores them in the sensor information storage unit 123.
  • the sensor information includes the speed, flow rate, and density of the vehicle in the road section where the sensor is installed.
  • the sensor information may be received from a sensor or a processing device connected to the sensor, or information collected by another device such as a traffic control device may be received and stored.
  • the time required for the road section and the speed of the vehicle in the time zone are stored only in the road zone of the time zone in which the vehicle equipped with the GPS receiver travels.
  • the sensor information only the road section where the fixed sensor is installed stores the vehicle speed, traffic flow, vehicle density, and required time in all time zones.
  • the traffic situation estimation apparatus 100 has a function of using the stored information to estimate so as to complement the traffic situation in a road section in a time zone where there is no information, and providing it to the user.
  • the road information storage unit 122 it is assumed that information regarding the road structure such as the number of lanes for each road section, the section distance, and the connection relationship with other roads is stored in advance.
  • the spatiotemporal topology management unit 140 may perform the following calculation at any timing at which GPS information and sensor information are accumulated in the GPS information storage unit 121 and the sensor information storage unit 123, respectively, or may be determined in advance. It may be done at the timing.
  • the spatiotemporal topology management unit 140 calculates spatiotemporal similarity necessary for GPS information estimation and sensor information estimation.
  • the spatiotemporal similarity is a value that expresses how much the traffic situation of a road section in a certain time zone (time) affects the traffic situation of another road zone in another time zone.
  • the spatiotemporal similarity has the following values.
  • a traffic flow that departs from a road section reaches another road section as time passes, and further passes through that road section.
  • the traffic flow that has departed in the past affects the traffic situation of the road section that the traffic flow has reached.
  • a value expressing the degree of this influence for each time zone is the spatiotemporal similarity.
  • the space-time topology management unit 140 first calculates the initial value of the space-time topology before estimating GPS information and sensor information.
  • FIG. 4 is a diagram showing an example of the connection relationship (adjacent relationship) of road sections.
  • a road section hereinafter also simply referred to as “section”
  • sections B and C the movement from section B to sections C and D.
  • section C the movement from section to section.
  • FIG. 4 the movement from section to section is shown as a one-way link, but a two-way link may be used.
  • the connection relationship of road sections as shown in FIG. 4 is also referred to as “road topology”.
  • the spatiotemporal topology calculation unit 141 generates a spatiotemporal topology in order to indicate which road section in a certain time zone is related to which road section in which time zone.
  • 5A to 5C are diagrams for describing generation of the spatiotemporal topology based on the road topology shown in FIG.
  • the states in the sections A to D in the time zones T 0 to T 3 are expressed as nodes.
  • the time zones T 1 , T 2 , and T 3 indicate 30 minutes, 1 hour, and 1 hour 30 minutes after the time zone T 0 , respectively.
  • the generation of the space-time topology will be described with reference to FIGS. 5A to 5C.
  • the spatiotemporal topology calculation unit 141 creates a link from the state shown in FIG. 5A to each node, that is, a link to another node that can be influenced by a node in a certain road section in a certain time zone. As shown in FIG. 5B, the spatiotemporal topology calculation unit 141 first focuses on the sections A to D of the time zone T 0 and connects the links to the nodes of the road sections that are directly connected to the sections. It is assumed that there is no link to the node 30 minutes after the same section.
  • this connection relationship is considered that the traffic situation of a section may affect only an adjacent road section over a short period of time, and does not directly affect nodes after the adjacent node. based on.
  • space-time topology calculator 141 by focusing on each section of the time period T 1, likewise, to connect the link to a node of the section are directly connected to each section .
  • the spatiotemporal topology calculation unit 141 connects the links thereafter.
  • the structure as shown in FIG. 5C is also referred to as a graph structure.
  • the time indicating the state transition is shown every 30 minutes. However, the time is not limited to this, and may be every 15 minutes or other values.
  • the spatiotemporal topology calculation unit 141 stores the spatiotemporal topology calculated as described above in the spatiotemporal topology storage unit 143. As described above, the spatiotemporal topology calculation unit 141 calculates the initial value (initial state) of the spatiotemporal topology.
  • the spatiotemporal topology calculation unit 141 instructs the spatiotemporal similarity calculation unit 142 to calculate the spatiotemporal similarity.
  • the spatiotemporal similarity calculation unit 142 calculates the initial value of the spatiotemporal similarity shown in step S102 of FIG. 3 in response to the instruction.
  • the spatiotemporal similarity calculation unit 142 calculates the spatiotemporal similarity of each road section in each time zone based on the spatiotemporal topology.
  • the initial values of the spatio-temporal topology described above only indicate connection relationships that enumerate all the possibilities of being affected by traffic flow. Therefore, the spatio-temporal similarity calculation unit 142 calculates a spatio-temporal similarity indicating how much influence is exerted on each connection relationship.
  • the spatiotemporal similarity (hereinafter, also simply referred to as “similarity”) is calculated by, for example, the following equation (1).
  • K represents a similarity matrix having elements of similarity between nodes in the spatiotemporal topology.
  • the element in the i-th row and the j-th column indicates the similarity between the node i and the node j. Since the nodes in the spatiotemporal topology indicate the state of a road section in a certain time zone, the similarity matrix K is a square matrix having elements of (number of time zones ⁇ number of road sections) in both the number of rows and the number of columns.
  • Similarity matrix K is, T 0 A , T 0 B, T 0 C, T 0 D, T 1 A, T 1 B, T 1 C, T 1 D, T 2 A,.
  • ⁇ and p are a kind of tuning parameters called hyper parameters, and are values that determine how much the values observed by the GPS and sensors are propagated. ⁇ and p may be set by the user before the calculation of the spatiotemporal topology, or may be set by selecting values that are highly accurate based on past data. p is a value indicating how many hops ahead are considered to be similar in the space-time topology, and the smaller the p, the more the value observed only in the vicinity is propagated. ⁇ represents a propagation rate, and is a value that determines a rate of propagation up to the degree of propagation determined by p. ⁇ and p may be constant values.
  • H represents the graph Laplacian of the space-time topology.
  • the graph Laplacian of the spatiotemporal topology is calculated by the following equation (2).
  • D represents an order matrix of a space-time topology having the order of each node as a diagonal component.
  • A represents an adjacency matrix indicating the connection relation of the spatiotemporal topology.
  • FIG. 6 is a diagram illustrating an example of the adjacency matrix A based on the connection relationship illustrated in FIG. 5C.
  • the row is the connection source node in FIG. 5C and the column is the connection destination node in FIG. 5C
  • the element between nodes i and j that are connected to each other is “1”
  • the node i that is not connected , J are indicated by “0”. Since there is no link between the nodes, all the diagonal components are “0”.
  • FIG. 7 is a diagram illustrating an example of an order matrix D based on the connection relationship illustrated in FIG. 5C.
  • the degree matrix D is a diagonal matrix having the degree of the node i (the number of links coming out from the node i) as a diagonal component.
  • the spatiotemporal similarity is not limited to being calculated by the above formulas (1) and (2).
  • the similarity k (i, j) between the node i and the node j may be obtained by the following equation (3).
  • d i, j indicates the shortest hop number between the node i and the node j.
  • the spatiotemporal similarity calculation unit 142 stores a similarity matrix K indicating the spatiotemporal similarity calculated using the formula (1) or the formula (3) in the spatiotemporal similarity storage unit 144. With the above procedure, the spatiotemporal similarity calculation unit 142 calculates the initial value of the spatiotemporal similarity.
  • the spatiotemporal similarity calculation unit 142 instructs the required time management unit 130 to estimate the required time.
  • the required time management unit 130 estimates the required time shown in step S103 of FIG. 3 in response to the instruction.
  • the required time management unit 130 estimates the required time in the required time estimation unit 131.
  • the spatiotemporal similarity is a value indicating how similar a state of a road section in a certain time zone is to other road sections in another time zone. Therefore, the required time estimation unit 131 has GPS information based on the spatiotemporal similarity calculated by the spatiotemporal topology management unit 140, that is, no GPS information exists from the required time of the observed road section. The time required for an unobserved road section can be estimated.
  • the required time estimation unit 131 performs the above estimation using the following equation (4).
  • y is the total time (total travel time) traveled by each GPS-equipped vehicle, and is the actually observed time obtained from the GPS observation result.
  • FIG. 8 is a diagram illustrating an example of the total travel time y.
  • y is a vector having a length corresponding to the number of GPS observations including, for example, continuous running time for each GPS-equipped vehicle (that is, for each GPS).
  • FIG. 9 is a diagram illustrating an example of the matrix Q.
  • the row of the matrix Q indicates each road section (for example, A, B, C, D,...) In each time zone (for example, T 0 , T 1 , T 2 ,).
  • the column represents the road section (route) through which each GPS-equipped vehicle passes.
  • traveling of a certain GPS-equipped vehicle “1” is entered in the element of Q when traveling on a road section in the time zone indicated in the row, and “0” is entered otherwise.
  • F is a vector having a length of (number of time zones ⁇ number of road sections), and has the time required for each road section in each time zone as an element.
  • the element of f is a value estimated by the required time estimation unit 131.
  • the required time estimation unit 131 searches for f having the minimum value in Equation (4) using a mathematical optimization technique. Specifically, for example, an interior point method can be used as a mathematical optimization method.
  • FIG. 10 is a diagram illustrating an example of the required time f estimated by Expression (4). As shown in FIG. 10, the required time f has the required time of each road section in each time zone as an element.
  • Equation (4) indicates the difference between the total travel time of all GPS-equipped vehicles and the total required time of the road section on which each vehicle traveled.
  • Equation (4) indicates that the difference in the element of f between nodes having a high spatiotemporal similarity is minimized based on the similarity matrix K indicating the spatiotemporal similarity. That is, f is estimated so as to minimize the difference between the elements of f under the premise that nodes having high spatio-temporal similarity take elements of f close to each other.
  • the required time of the road section in the time zone when no GPS-equipped vehicle is traveling can be estimated from the value of the required time of the observed road section.
  • ⁇ is a weight parameter between the first term and the second term, and estimation is performed with an emphasis on the spatiotemporal similarity as ⁇ increases.
  • the required time estimation unit 131 estimates the required time of each road section for each time zone according to the above procedure.
  • the required time estimation unit 131 stores the estimated value in the required time storage unit 132.
  • the required time estimation unit 131 may calculate the speed of the vehicle based on the required time estimated as described above. That is, the required time estimation unit 131 may calculate the speed of a vehicle traveling on each road section in each time zone (hereinafter also referred to as “road section speed”) based on the estimated required time.
  • the speed of the road section can be calculated by (road section length / required time of the road section).
  • the required time estimation unit 131 stores the calculated speed in the traffic information storage unit 153.
  • the required time estimation part 131 may correct the value when the calculated speed includes an abnormal value.
  • the required time estimation unit 131 may regard a speed significantly exceeding the legal speed as an abnormality and replace it with the legal speed. Further, the speed calculated in this way may be used to present to the user as will be described later.
  • the required time management unit 130 notifies the spatiotemporal topology management unit 140 to update the spatiotemporal topology and the spatiotemporal similarity. Instruct update.
  • the spatiotemporal topology management unit 140 performs the spatiotemporal topology update and spatiotemporal similarity update shown in steps S104 and S105 of FIG. 3 based on the required time estimated as described above. Do it.
  • the spatiotemporal topology calculation unit 141 updates the spatiotemporal topology based on the required time estimated by the required time management unit 130.
  • the spatiotemporal topology shown in FIG. 5C is an initial topology in which all nodes that may have an influence in a unit time width (0.5 hours (h) in FIG. 5C) are listed and connected.
  • the initial topology (hereinafter also referred to as “initial value of topology”) is calculated based on the assumption that each node has the most influence on the node 30 minutes after the adjacent road section in the road topology.
  • Figure 5B is an initial topology of when attention is paid to the time period T 0. First, a description will be given an update of the initial topology of when attention is paid to the time period T 0.
  • FIG. 11 is a diagram illustrating the time required for the section movement (link movement) in the time zone T 0 including the value estimated by the required time management unit 130.
  • the numbers shown in the vicinity of the arrows in FIG. 11 indicate the time taken to move the road section.
  • the required time from the section B to the section C is “1 hour”. This means that the vehicle group that exists in the section B reaches the section C after one hour, that is, it has the strongest influence on the section C after one hour.
  • the spatiotemporal topology calculation unit 141 updates the spatiotemporal topology based on the estimated required time so as to reflect the influence between the nodes based on the required time.
  • Figure 12 is based on the required time has been estimated for the time zone T 0 is a diagram showing an update result of the space-time topology.
  • each node was all connected to the node 30 minutes after the adjacent node in the road topology.
  • the time required to reach the section C from the section B and from the section B to the section D is one hour, the section C and the section one hour after the section B in FIG. Updated to connect D.
  • the spatiotemporal topology calculation unit 141 updates the initial topology based on the required time estimated for the time zones T 1 , T 2 ,.
  • FIG. 13 is a diagram for explaining that the connection relationship is updated based on the required time estimated for each time zone with respect to the initial topology shown in FIG. 5C.
  • T 0 the duration of the current time zone 13
  • the spatial topology when the updated in FIG. 13 the T 0 and the section C of the segment B and T 2 are updated to be connected.
  • the required time from section B to section C and from section B to section D is “1 hour”, respectively.
  • the section B of T 1 and the section C of T 3 and the section B of T 1 and the section D of T 3 are updated so as to be connected.
  • the required time from section A to section B, section B to section D, and section C to section D is “1 hour”.
  • the required time from the section A to the section C and from the section B to the section C is “0.5 hours”.
  • the spatial topology when the updated of Figure 13, section C of the section A and T 3 of the T 2, section C of section B and T 3 of the T 2 are respectively connected.
  • FIG 13 illustrates about T 4 is omitted, it is connected to the section B of the section A and T 4 of T 2, and the section D of the section B and T 4 of T 2 is connected, the T 2 and the section D of the section C and T 4 are connected.
  • the spatio-temporal topology calculation unit 141 updates the initial topology based on the required time estimated for every time zone.
  • the spatiotemporal topology calculation unit 141 stores the updated spatiotemporal topology in the spatiotemporal topology storage unit 143.
  • the spatiotemporal similarity calculation unit 142 instructs the spatiotemporal similarity calculation unit 142 to update the spatiotemporal similarity.
  • the spatiotemporal similarity calculation unit 142 updates the spatiotemporal similarity based on the spatiotemporal topology updated by the spatiotemporal topology calculation unit 141 in response to the instruction.
  • FIG. 14 is a diagram showing the adjacency matrix A updated based on the spatiotemporal topology after update shown in FIG.
  • the adjacency matrix A is updated based on the updated space-time topology in FIG.
  • the element “1” of the T 0 B row T 1 C column shown in FIG. 6 is updated to “0”
  • the element “0” of the T 0 B row T 2 C column is updated to “1”. ing.
  • the spatiotemporal similarity calculation unit 142 updates the degree matrix D based on the adjacency matrix A updated in this way. Further, the spatiotemporal similarity calculation unit 142 updates the similarity matrix K based on the updated adjacency matrix A and degree matrix D.
  • the similarity matrix K is updated by the above formula (1) or formula (3) using the updated adjacency matrix A and the degree matrix D.
  • the spatiotemporal similarity calculation unit 142 updates the degree matrix D based on the updated spatiotemporal topology. Then, the spatiotemporal similarity calculation unit 142 updates the spatiotemporal similarity by calculating the spatiotemporal similarity using the updated adjacency matrix A and the degree matrix D in the same procedure as described above.
  • the spatiotemporal similarity calculation unit 142 instructs the sensor information management unit 150 to estimate sensor information when the update of the spatiotemporal similarity as described above is completed.
  • the sensor information management unit 150 has updated the sensor information estimation, that is, the traffic flow estimation and the vehicle density estimation shown in steps S106 and S107 of FIG. 3 as described above. Based on spatiotemporal similarity.
  • the sensor information management unit 150 uses the spatiotemporal similarity updated as described above to estimate so as to complement the traffic flow and the vehicle density in each road section for each time zone for which sensor information is not acquired. . Specifically, the flow estimation unit 151 estimates traffic flow, and the density estimation unit 152 estimates density.
  • the flow rate estimation unit 151 estimates the traffic flow rate and density according to the following equation (5).
  • W is a vector having a length of (number of time zones ⁇ number of road sections) having an estimated traffic flow or vehicle density as an element.
  • W ⁇ is a vector obtained by extracting the elements of the road section where the sensor is installed from W.
  • X ⁇ is a vector of length (number of sensors ⁇ number of time zones) having only the traffic flow or vehicle density observed by the sensor as an element.
  • FIG. 15A is a diagram illustrating an example of traffic flow (observed value) X ⁇ in a road section where a sensor is installed.
  • the traffic flow (observed value) X Omega is traffic flow (observed value) in each time zone of the road section in which the sensor is installed (where the section B, D) X ⁇ 1, X ⁇ 2, ... as an element.
  • FIG. 15B is a diagram illustrating an example of traffic flow (estimated value) W ⁇ in a road section where a sensor is installed. As shown in FIG. 15B, traffic flow (estimated values) W ⁇ 1 , W ⁇ 2 ,... In each time zone of the road section where the sensor is installed (here, sections B and D) Presumed.
  • FIG. 15C is a diagram illustrating an example of traffic flow (estimated value) W. As shown in FIG. 15C, traffic flow (estimated values) W 1 , W 2 ,.
  • K is the similarity matrix K described above.
  • the same similarity matrix K may be used for traffic flow estimation and vehicle density estimation.
  • the flow rate estimation unit 151 and the density estimation unit 152 search for W having the minimum value in Equation (5) using a mathematical optimization technique. Specifically, for example, an interior point method can be used as a mathematical optimization method. By minimizing the equation (5), it is possible to estimate the traffic flow or vehicle density of each road section for each time zone.
  • the first term of Equation (5) is a term that minimizes the difference between the observed value and the estimated value by paying attention only to the section where the sensor is installed. That is, the estimated value is obtained so that the section in which the observed value is obtained approaches the value.
  • the second term indicates that the difference in the elements of W between nodes having high spatiotemporal similarity is minimized based on the similarity matrix K, as in Equation (4). That is, on the premise that nodes having a high spatio-temporal similarity have close W elements, W is estimated so as to minimize the difference between the W elements.
  • the flow rate estimation unit 151 can estimate the flow rate in the unobserved section from the flow rate in the observed section by taking into account the time required for movement of each road section by the calculation using (5) above.
  • the density estimation unit 152 can estimate the density of the unobserved section from the density of the observed section.
  • the flow rate estimation unit 151 and the density estimation unit 152 may perform the flow rate and density estimation separately or simultaneously.
  • the flow rate estimation unit 151 and the density estimation unit 152 store the traffic flow rate and density in each road section for each time zone including the estimated traffic flow rate and density in the traffic information storage unit 153, respectively.
  • the sensor information management unit 150 estimates the traffic situation of the unobserved road section based on the traffic situation observed by the GPS or the sensor.
  • the sensor information management part 150 will instruct
  • the display timing is not limited to the timing according to the instruction from the sensor information management unit 150, and may be any timing after the above estimation is completed.
  • the display control unit 160 displays the traffic situation shown in step S108 of FIG. 3 in response to the above instruction.
  • the display control unit 160 displays the traffic situation stored in the traffic information storage unit 153 on the output device 170.
  • FIG. 16 is a diagram showing an example of the display of traffic conditions in the present embodiment.
  • the display control unit 160 may display the required time for each road section for each time zone using the required time f estimated as described above, for example.
  • FIG. 16 shows that a map for each time zone is displayed with a required time estimated to be required to move the road section in the vicinity of each road section. 16, “A1”, “A2”,... Indicate road section identifiers, and “1h”, “0.5h”,... Indicate the required time of the road section.
  • FIG. 16 also shows a map including the time taken to move each road section in each of the time zones T 0 and T 1 .
  • the display control unit 160 may simultaneously display a map of a plurality of time zones as shown in FIG. 16, or a map of a plurality of time zones in response to a predetermined operation, for example, a mouse click or a trackball operation. May be displayed sequentially.
  • the display control unit 160 may also display the required time in units of a route from a certain point to the point.
  • FIG. 17 is a diagram showing another example of the display of traffic conditions in the present embodiment.
  • a map indicated by a dark color is displayed so as to be able to identify a road section where traffic congestion is estimated to occur for each time zone.
  • the occurrence of traffic congestion is determined based on, for example, the required time for each section stored in the traffic information storage unit 153 and the vehicle speed calculated from the required time and the section distance. Alternatively, the determination may be made based on the traffic flow rate or the vehicle density stored in the traffic information storage unit 153.
  • the display control unit 160 may display a map showing arbitrary information such as required time, vehicle speed, traffic flow, and vehicle density for each arbitrary section.
  • the traffic situation estimation apparatus 100 is not traveling in the required time management unit 130 from the travel history of the vehicle and the spatiotemporal similarity of the traffic situation in each road section. Estimate the time required for the road section including the road section.
  • the sensor information management unit 150 estimates the traffic situation of the road section where the sensor is not installed based on the estimated required time and the traffic situation obtained by the sensor.
  • the GPS information stored in the GPS information storage unit 121 may be a travel history indicating which section the vehicle has traveled in which time zone, and is not limited to being acquired based on GPS observation results. .
  • the result of tracking the vehicle using the MAC (Media Access Control) address of the vehicle-mounted device may be acquired, or the traveling history may be acquired from a communication terminal mounted on the vehicle via Bluetooth (registered trademark). Also good. Or you may acquire from the information input from the user to the communication terminal, and you may acquire the information which shows a point and time from a user by a certain means.
  • each unit of the apparatus shown in FIG. 1 and the like is realized by hardware resources illustrated in FIG. That is, the configuration shown in FIG. 18 includes a processor 11, a RAM (Random Access Memory) 12, a ROM (Read Only Memory) 13, an external connection interface 14, a recording device 15, and a bus 16 for connecting each component.
  • a processor 11 a processor 11, a RAM (Random Access Memory) 12, a ROM (Read Only Memory) 13, an external connection interface 14, a recording device 15, and a bus 16 for connecting each component.
  • the supplied computer program may be stored in a computer-readable storage device such as a readable / writable memory (temporary storage medium) or a hard disk device.
  • a computer-readable storage device such as a readable / writable memory (temporary storage medium) or a hard disk device.
  • the present invention can be understood as being configured by a code representing the computer program or a storage medium storing the computer program.
  • each device is realized by general-purpose or dedicated circuits, processors, etc., or combinations thereof. These may be configured by a single chip or may be configured by a plurality of chips connected via a bus. Part or all of each component of each device may be realized by a combination of the above-described circuit and the like and a program.
  • each device When some or all of the constituent elements of each device are realized by a plurality of information processing devices and circuits, the plurality of information processing devices and circuits may be centrally arranged or distributedly arranged. Also good.
  • the information processing apparatus, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client and server system and a cloud computing system.

Abstract

センサが設置された区間が少なく、また車両の走行履歴が十分にない状況においても、高精度な交通状況の推定を行うことができる交通状況推定装置等を提供する。　交通状況推定装置は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する交通状況推定手段と、前記交通状況推定手段により推定された前記交通状況を出力する出力手段とを備える。

Description

交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置
　本開示は、交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置に関する。
　道路管理者にとって、道路の各地点における交通状況を計測および監視することは、安全管理や道路品質の維持において重要である。そのため、さまざまな計測機器が道路に設置されると共に、それらの計測機器が示す情報を収集し活用する交通管制システムが構築されている。計測機器には、ループコイルによる車両検知器や、ＣＣＴＶ（ｃｌｏｓｅｄ－ｃｉｒｃｕｉｔ　ｔｅｌｅｖｉｓｉｏｎ）カメラの撮像映像を画像処理して車体を認識することによる車両検知器が用いられる。また、計測機器には、超音波を用いた機器や、光学式車両検知器等が用いられてもよい。
　このような計測機器（センサ）による交通状況の監視には、センサ自体の設置のみでなく、センサからの情報を処理する処理装置や、処理装置と交通管制システムとの通信回線等の設置が必要であるので、コストがかかる。そのために、全ての道路区間に対してセンサ（設置型センサ）を配備することは困難であるので、渋滞が発生しやすい道路区間など重要な道路区間にのみ配備される場合が多い。一方で、道路管理者が重要と認識していない道路区間であっても、事故や非定常な渋滞の発生時などは、安全管理上、状況把握が必要である。しかしながら、上記のようにコストの問題があるために、監視が難しい状況となっている。
　また、近年普及が進んでいるＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）車載器を用いて、センサ等を設置しない交通状況観測が検討されている。ＧＰＳによる交通状況観測には、道路管理者の費用負担が小さいことや、設置型センサが配備されていない地点において交通状況が観測できることなどの利点がある。
　一方で、ＧＰＳによる交通状況観測では、ＧＰＳ車載器を搭載している車両が走行しない限り交通状況が観測できないので、観測地点に、時間と地域による大きな偏りが生じる。また、ＧＰＳによる交通状況観測は、ＧＰＳの観測誤差の影響を受けるので、特に衛星位置を把握しづらい都心部では観測誤差が増大しやすい。また、ＧＰＳ搭載車両の走行速度や移動時間が観測できたとしても、その道路区間全体としての情報、例えば平均走行速度や、通過台数、密度などの情報を知ることはできない。
　このような課題に対して、上記の設置型センサによる交通状況観測と、ＧＰＳによる交通状況観測とを組み合わせることで、交通状況を観測可能な地点を増やすとともに、観測精度を向上させる技術が検討されている。
　特許文献１は、システムの構築、運用、維持管理等にかかるコストの増加を抑え、流入リンクに滞留している車両の台数の計測精度の向上を図る交通量計測装置を開示している。
　特許文献１の交通量計測装置では、例えばセンサが設置されている二つの交差点間において、流入側交差点の通過台数と、流出側交差点の通過台数との差と、未知の分岐路への流出および分岐路からの流入の割合を示す補正係数とを用いることにより、観測できていない道路区間に存在する車両台数を推定している。
　また、特許文献２は、設置型センサで観測された情報と、ＧＰＳによって観測された情報とを組み合わせて未観測の地点の交通状況を推定する方法を開示している。特許文献２では、ＧＰＳによる観測速度を教師データととらえ、設置型センサの観測速度を説明変数とし、ＧＰＳによる観測速度を目的変数とした回帰分析を行うことにより、設置型センサの情報から、精度の高い速度情報を任意の時間で推定している。
国際公開第２０１５／０４５６９５号 米国特許出願公開第２０１０／０２８６８９９号明細書
　上述のような特許文献１が開示する技術によって、ＧＰＳで観測された道路移動時間を考慮した上で、未観測区間における車両の残留割合を推定できる。しかしながら、特許文献１の方法では、隣接する交差点の間に存在する未観測区間を対象とし、その隣接する二点の交通量情報に基づいて未観測区間の車両数を推定している。そのため、未観測区間に複数の分岐路が存在する場合、各分岐路における分流率の組み合わせに応じて未観測区間の車両数は変化してしまう。よって、未観測区間との境界となる観測された交差点の交通量のみに基づいて未観測区間の車両数を推定することは難しい。
　この理由から、交通量の推定を行うことは困難であるという課題がある。
　特許文献２の技術では、ＧＰＳによる観測に合うように未観測地点の推定を行う回帰モデルを構築する。しかし、このモデル構築は、ＧＰＳ情報を教師データとするため、十分なＧＰＳ情報がない場合には推定できない地点数が増加する。
　本願発明は、上記課題を鑑みてなされたものであり、センサが設置された区間が少なく、また車両の走行履歴が十分にない状況においても、高精度な交通状況の推定を行うことができる交通状況推定装置等を提供することを主要な目的とする。
　本発明の一態様の交通状況推定装置は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する交通状況推定手段と、前記交通状況推定手段により推定された前記交通状況を出力する出力手段とを備える。
　本発明の一態様の交通状況推定方法は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定し、前記推定された前記交通状況を出力する。
　本発明の一態様のプログラム記録媒体は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する処理と、前記推定された前記交通状況を出力する処理とを、コンピュータに実行させるプログラムを記録する。
　本発明の一態様の出力装置は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて推定された、前記センサが設置されていない区間の交通状況を出力する出力手段を備える。
　本願発明によれば、センサが設置された区間が少なく、また車両の走行履歴が十分にない状況においても、高精度な交通状況の推定を行うことができるという効果が得られる。
本発明の第１の実施形態に係る交通状況推定装置の構成を示す図である。 本発明の第２の実施形態に係る交通状況推定装置の構成を示す図である。 本発明の第２の実施形態に係る交通状況推定装置による交通状況の推定処理を示すフローチャートである。 道路区間の接続関係の一例を示す図である。 道路トポロジに基づく時空間トポロジの生成について説明する図である。 道路トポロジに基づく時空間トポロジの生成について説明する図である。 道路トポロジに基づく時空間トポロジの生成について説明する図である。 接続関係に基づく隣接行列の一例を示す図である。 接続関係に基づく次数行列の一例を示す図である。 総走行時間の一例を示す図である。 ＧＰＳ搭載車両の走行経路を示す行列の一例を示す図である。 推定された所要時間の一例を示す図である。 本発明の第２の実施形態に係る交通状況推定装置の所要時間管理部により推定された値を含む、区間移動にかかる時間を示す図である。 本発明の第２の実施形態に係る交通状況推定装置の所要時間管理部により推定された所要時間に基づく、時空間トポロジの更新結果を示す図である。 初期トポロジに対して、時間帯ごとに推定された所要時間に基づいて、接続関係が更新されることを説明する図である。 更新後の時空間トポロジに基づいて更新された隣接行列を示す図である。 センサが設置されている道路区間の交通流量（観測値）の一例を示す図である。 センサが設置されている道路区間の交通流量（推定値）の一例を示す図である。 センサが設置されている道路区間の交通流量（推定値）の一例を示す図である。 本発明の第２の実施形態に係る交通状況推定装置による交通状況の表示の一例を示す図である。 本発明の第２の実施形態に係る交通状況推定装置による交通状況の表示の他の例を示す図である。 各実施形態に示した装置を実現するハードウエア構成の一例を示す図である。
　以下、本発明の実施形態について図面を参照して詳細に説明する。
　第１の実施形態
　図１は、本発明の第１の実施形態に係る交通状況推定装置１の構成を示す図である。第１の実施形態に係る交通状況推定装置１は、交通状況推定部２および出力部３を備える。
　交通状況推定部２は、センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する。
　出力部３は、交通状況推定部２により推定された前記交通状況を出力する。
　上記構成を採用することにより、本第１の実施形態によれば、センサが設置されていない区間の交通状況を推定できるので、センサが設置された区間が少なく、また車両の走行履歴が十分にない状況においても、高精度な交通状況の推定を行うことができるという効果が得られる。
　交通状況推定部２、出力部３は、それぞれ、例えば、以下に示すセンサ情報管理部１５０、出力デバイス１７０により実現できる。また出力デバイス１７０は、出力装置に含まれる。
　第２の実施形態
　図２は、本発明の第２の実施形態に係る交通状況推定装置１００の構成を示す図である。第２の実施形態に係る交通状況推定装置１００は、情報収集部１１０、情報記憶部１２０、所要時間管理部１３０、時空間トポロジ管理部１４０、センサ情報管理部１５０、表示制御部１６０および出力デバイス１７０を備える。
　情報記憶部１２０は、ＧＰＳ情報記憶部１２１、道路情報記憶部１２２およびセンサ情報記憶部１２３を備える。
　所要時間管理部１３０は、所要時間推定部１３１および所要時間記憶部１３２を備える。
　時空間トポロジ管理部１４０は、時空間トポロジ計算部１４１、時空間類似度計算部１４２、時空間トポロジ記憶部１４３および時空間類似度記憶部１４４を備える。
　時間推定手段、類似度更新手段は、それぞれ、例えば所要時間推定部１３１、時空間類似度計算部１４２により実現できる。
　各構成要素の概要を説明する。
　情報収集部１１０は、車両に搭載されたＧＰＳ車載器や携帯電話端末などから、ＧＰＳで観測された交通情報（以降、「ＧＰＳ情報」とも称する）を受信し、ＧＰＳ情報記憶部１２１に格納する。情報収集部１１０はまた、道路に設置されているセンサで測定された交通情報（以降、「センサ情報」とも称する）を受信し、センサ情報記憶部１２３に格納する。
　情報記憶部１２０のＧＰＳ情報記憶部１２１は、情報収集部１１０により受信されたＧＰＳ情報を記憶する。道路情報記憶部１２２は、道路区間ごとの車線数、区間距離、他道路との接続関係など、道路構造に関する情報を保存する。
　センサ情報記憶部１２３は、情報収集部１１０により受信されたセンサ情報を記憶する。
　所要時間管理部１３０は、ＧＰＳで観測された交通情報に基づいて、車両が各道路区間を移動するのにかかる時間を、時間帯ごとに推定する。具体的には、所要時間管理部１３０の所要時間推定部１３１は、ＧＰＳで観測された交通情報に基づいて、ＧＰＳ車載器を搭載した車両（以降、「ＧＰＳ搭載車両」とも称する）が走行しなかった道路区間の所要時間を推定することにより、該車両の各道路区間の移動にかかる各時間を、時間帯ごとに求める。なお、ＧＰＳで観測された交通情報は、車両の走行履歴であり、車両が走行した区間および時間帯を含む。
　ここで、時間帯とは、例えば２４時間を所定の時間毎に区切った時間の幅である。なお、２４時間を対象とすることに限定されず、所定の時間を対象としてもよい。
　所要時間記憶部１３２は、所要時間推定部１３１により推定された情報を含む、時間帯ごとの各道路区間の移動にかかる時間を記憶する。
　時空間トポロジ管理部１４０は、時空間トポロジと、時空間類似度を計算する。具体的には、時空間トポロジ管理部１４０の時空間トポロジ計算部１４１は、道路情報記憶部１２２に記憶されている道路の接続関係と、所要時間管理部１３０により計算された、時間帯ごとの各道路区間の移動にかかる各時間に基づいて、時空間トポロジを計算および更新する。時空間トポロジは、時間帯と道路区間の接続関係を示す（詳細は後述する）。なお、以降の説明において、「道路区間の移動にかかる時間」を、「道路区間の所要時間」とも称する。
　時空間トポロジ記憶部１４３は、時空間トポロジ計算部１４１により計算された時空間トポロジを記憶する。
　時空間類似度計算部１４２は、時空間トポロジ記憶部１４３に記憶された時空間トポロジに基づいて、時間帯ごとの各道路区間の交通状況の類似度を示す時空間類似度の計算を行う。時空間類似度は、各時間帯の各道路区間に存在する交通量が、他の時間帯の他の道路区間に与える影響を表す。時空間類似度記憶部１４４は、時空間類似度計算部１４２により計算された時空間類似度を記憶する。
　センサ情報管理部１５０は、時空間トポロジ管理部１４０により計算された時空間類似度に基づいて、センサ情報を推定する。具体的には、センサ情報管理部１５０の流量推定部１５１は、時空間トポロジ管理部１４０により計算された時空間類似度と、センサ情報記憶部１２３に記憶されたセンサ情報に基づいて、センサが設置されていない道路区間における交通流量（以降、「流量」とも称する）を推定する。交通流量は、単位時間あたりに地点を通過する車両の台数（通過台数）を示す。
　密度推定部１５２は、時空間トポロジ管理部１４０により計算された時空間類似度と、センサ情報記憶部１２３に記憶されたセンサ情報に基づいて、センサが設置されていない道路区間における車両密度（以降、「密度」とも称する）を推定する。車両密度は、単位長さ、例えば１キロメートル当たりの車両台数を表す。
　交通情報記憶部１５３は、流量推定部１５１および密度推定部１５２により推定された流量および密度などの交通情報を記憶する。
　表示制御部１６０は、交通情報記憶部１５３に記憶されている交通情報に基づいて、道路区間ごとの、流量、密度、所要時間、車両速度などを、出力デバイス１７０（表示装置）に表示する。出力デバイス１７０は、表示制御部１６０による制御に基づいて、上記のような情報を表示する。
　次に、本発明の実施形態の動作について説明する。
　図３は、交通状況推定装置１００による交通状況の推定処理を示すフローチャートである。図３を参照して、交通状況推定装置１００の動作について説明する。
　交通状況推定装置１００の動作の概要は、以下の通りである。すなわち、交通状況推定装置１００の時空間トポロジ管理部１４０は、時空間トポロジの初期値を計算し（ステップＳ１０１）、その初期値に基づいて、時空間類似度の初期値を計算する（ステップＳ１０２）。
　時空間類似度の初期値に基づいて、所要時間管理部１３０は、ＧＰＳ情報が取得されていない道路区間のＧＰＳ情報の推定、特に道路区間の所要時間の推定を行う（ステップＳ１０３）。続いて、時空間トポロジ管理部１４０は、推定された所要時間に基づいて、上記のように計算した時空間トポロジを更新し（ステップＳ１０４）、更新された時空間トポロジに基づいて時空間類似度を更新する（ステップＳ１０５）。
　そして、センサ情報管理部１５０は、更新された時空間類似度と、取得されているセンサ情報に基づいて、センサ情報が取得されていない道路区間の流量と密度の推定を行う（ステップＳ１０６、ステップＳ１０７）。なお、ＧＰＳや固定センサで観測された道路区間（以降、「観測区間」とも称する）の交通状況に基づいて、ＧＰＳや固定センサにより観測されていない道路区間（以降、「未観測区間」とも称する）の交通状況を推定することを、「補完」と称する場合がある。
　上記推定が完了すると、表示制御部１６０は、推定された流量と密度を含む、全道路区間の交通状況を、出力デバイス１７０に表示する（ステップＳ１０８）。
　上述した交通状況推定装置１００の動作の詳細を、以下に説明する。
　まず、上述した動作のための情報の収集について説明する。
　情報収集部１１０は、ＧＰＳ受信機を搭載した車載端末や携帯電話端末などから収集したタイムスタンプ付きの位置情報を、ＧＰＳ受信機を持つ車両が走行した時刻における道路区間の走行速度（以降、「速度」とも称する）、および所要時間に変換し、変換した情報をＧＰＳ情報記憶部１２１に格納する。情報収集部１１０は、上記変換を自身で行ってもよいし、他の装置において収集および変換された情報を受信して、ＧＰＳ情報記憶部１２１に格納してもよい。なお、速度は、道路区間における複数の車両の速度の平均を示す。
　情報収集部１１０はまた、高速道路、交差点、重要な道路区間などに設置された固定センサによって観測されたセンサ情報を収集し、センサ情報記憶部１２３に格納する。センサ情報は、センサが設置された道路区間における車両の速度、流量、密度を含む。センサ情報は、センサやセンサに接続された処理装置などから受信されてもよいし、交通管制装置などの別の装置によって収集された情報が受信されて格納されてもよい。
　ＧＰＳ情報に関しては、ＧＰＳ受信機を搭載した車両が走行した時間帯の道路区間に限り、該時間帯における該道路区間の所要時間および車両の速度が格納される。センサ情報に関しては、固定センサが設置されている道路区間に限り、全時間帯における車両の速度、交通流量、車両密度、所要時間が格納される。交通状況推定装置１００は、これら格納された情報を用いて、情報のない時間帯の道路区間における交通状況を補完するように推定し、ユーザに提供する機能を有する。
　なお、道路情報記憶部１２２には、道路区間ごとの車線数、区間距離、他道路との接続関係など、道路構造に関する情報が予め保存されているとする。
　次に、図３のステップＳ１０１で示した、時空間トポロジ管理部１４０における時空間類似度の計算について説明する。時空間トポロジ管理部１４０は、以下の計算を、ＧＰＳ情報記憶部１２１、センサ情報記憶部１２３に、それぞれＧＰＳ情報、センサ情報が蓄積された任意のタイミングで行ってもよいし、予め決められたタイミングで行ってもよい。
　時空間トポロジ管理部１４０は、ＧＰＳ情報の推定およびセンサ情報の推定に必要な時空間類似度の計算を行う。時空間類似度は、ある時間帯（時刻）のある道路区間の交通状況が、他の時間帯の他の道路区間の交通状況にどの程度影響を与えるかを表現する値である。具体的には、時空間類似度は、以下のような値である。
　ある道路区間を出発した交通流は、時間経過に応じて他の道路区間へ到達し、さらにその道路区間を通過する。この際、過去に出発した交通流は、その交通流が到達した道路区間の交通状況に影響を与える。この影響の度合いを時間帯ごとに表現した値が時空間類似度である。この時空間類似度を用いることによって、ＧＰＳまたは固定センサで観測された区間の交通状況に基づいて、未観測区間の交通状況の変化を推定することができる。
　時空間トポロジ管理部１４０は、ＧＰＳ情報の推定およびセンサ情報の推定の前に、まず、時空間トポロジの初期値を計算する。
　図４は、道路区間の接続関係（隣接関係）の一例を示す図である。図４では、道路区間（以降、単に「区間」とも称する）Ａからは区間Ｂ，Ｃへ、区間Ｂからは区間Ｃ，Ｄへ、区間Ｃからは区間Ｄへ、移動可能であることが示されている。図４では、区間から区間への移動を片方向のリンクで示しているが、双方向のリンクであってもよい。以降では、説明の便宜上、片方向のリンクのみについて説明する。図４に示すような道路区間の接続関係を、「道路トポロジ」とも称する。
　時空間トポロジ計算部１４１は、ある時間帯のある道路区間がどの時間帯のどの道路区間と関係があるかを表すために、時空間トポロジを生成する。
　図５Ａ乃至図５Ｃは、図４に示した道路トポロジに基づく時空間トポロジの生成について説明する図である。図５Ａ乃至図５Ｃでは、時間帯Ｔ０乃至Ｔ３における区間Ａ乃至区間Ｄの各状態をノードとして表現する。時間帯Ｔ１、Ｔ２、Ｔ３は、それぞれ時間帯Ｔ０の３０分後、１時間後、１時間３０分後を示す。図５Ａ乃至図５Ｃを参照して、時空間トポロジの生成について説明する。
　時空間トポロジ計算部１４１は、図５Ａに示した状態から、それぞれのノード、すなわちある時間帯におけるある道路区間のノードが影響を及ぼすことのできる他のノードへのリンクを作成する。図５Ｂに示したように、時空間トポロジ計算部１４１は、まず、時間帯Ｔ０の区間Ａ乃至Ｄに着目し、各区間と直接接続されている道路区間のノードへリンクを接続する。なお、同一区間の３０分後のノードへのリンクはないものと仮定する。
　この接続関係は、本実施形態においては、区間の交通状況は短時間の時間経過において隣接する道路区間にのみ影響を与える可能性があり、隣接ノード以降のノードには直接影響を及ぼさないという考えに基づく。
　続いて、時空間トポロジ計算部１４１は、図５Ｃに示すように、時間帯Ｔ１の各区間に着目して、同様に、各区間と直接接続されている区間のノードへのリンクを接続する。以降も同様に、時空間トポロジ計算部１４１はリンクを接続する。図５Ｃに示すような構造を、グラフ構造とも称する。
　なお、上記では状態の遷移を示す時間を３０分ごとに示したがこれに限定されず、１５分ごとでもよいし、他の値でもよい。
　時空間トポロジ計算部１４１は、上述のように計算した時空間トポロジを、時空間トポロジ記憶部１４３に保存する。以上のように、時空間トポロジ計算部１４１は、時空間トポロジの初期値（初期状態）を計算する。
　時空間トポロジ計算部１４１は、初期値を計算すると、時空間類似度計算部１４２に、時空間類似度を計算するように指示する。時空間類似度計算部１４２は、上記指示に応じて、図３のステップＳ１０２に示した時空間類似度の初期値の計算を行う。
　時空間類似度の初期値の計算について、以下に説明する。時空間類似度計算部１４２は、時空間トポロジに基づいて、各時間帯における各道路区間の相互の時空間類似度を計算する。
　上述した時空間トポロジの初期値は、交通流の影響を受ける可能性をすべて列挙した接続関係を示しているのみである。そのため、時空間類似度計算部１４２は、各接続関係において、どの程度影響を与えるのかを示す時空間類似度を計算する。時空間類似度（以降、単に「類似度」とも称する）は、例えば次の式（１）で計算される。
Figure JPOXMLDOC01-appb-I000001
　ここで、Ｋは、時空間トポロジにおけるノード間の類似度を要素として持つ類似度行列を表す。その類似度行列Ｋにおいて、ｉ行、ｊ列（ｉ、ｊは整数）目の要素は、ノードｉとノードｊとの類似度を示す。時空間トポロジにおけるノードは、ある時間帯のある道路区間の状態を示すので、類似度行列Ｋは、行数、列数ともに（時間帯数×道路区間数）の要素を持つ正方行列となる。
　具体的には、時間帯をＴ０，Ｔ１，Ｔ２，Ｔ３，・・・、区間をＡ，Ｂ，Ｃ，Ｄ，・・・としたとき、類似度行列Ｋは、Ｔ０Ａ，Ｔ０Ｂ，Ｔ０Ｃ，Ｔ０Ｄ，Ｔ１Ａ，Ｔ１Ｂ，Ｔ１Ｃ，Ｔ１Ｄ，Ｔ２Ａ，・・・を、行および列にそれぞれ持つ正方行列である。
　βおよびｐは、ハイパーパラメータとよばれる一種のチューニングパラメータであり、ＧＰＳやセンサにより観測された値をどの程度伝播させるかを決める値である。βおよびｐは、時空間トポロジの計算前に、ユーザにより設定されてもよいし、過去のデータを基に高精度になる値が選択されて設定されてもよい。ｐは、時空間トポロジにおいて何ホップ先まで類似とみなすかを示す値であり、ｐが小さいほど近傍だけに観測された値を伝播させることになる。βは、伝播率を示し、ｐにより決められた伝播の程度までどの割合で伝播させるかを決める値である。βおよびｐは、一定値であってもよい。
　Ｉは、類似度行列Ｋと同じサイズで対角成分が「１」、他はすべて「０」の単位行列を表す。Ｈは、時空間トポロジのグラフラプラシアンを表す。時空間トポロジのグラフラプラシアンは、次の式（２）で計算される。
Figure JPOXMLDOC01-appb-I000002
　ここで、Ｄは、対角成分に各ノードの次数を持つ時空間トポロジの次数行列を表す。Ａは、時空間トポロジの接続関係を示す隣接行列を表す。
　図６は、図５Ｃに示した接続関係に基づく隣接行列Ａの一例を示す図である。図６において、行を図５Ｃの接続元のノード、列を図５Ｃの接続先のノードとしたとき、互いに接続関係があるノードｉ、ｊ間の要素を「１」、接続関係がないノードｉ、ｊ間の要素を「０」で示す。なお、自ノード同士のリンクはないため、対角成分はすべて「０」となる。
　図７は、図５Ｃに示した接続関係に基づく次数行列Ｄの一例を示す図である。図７に示すように、次数行列Ｄは、ノードｉの次数（ノードｉから出ているリンクの本数）を対角成分とする対角行列である。
　なお、時空間類似度は、上記式（１）、（２）により計算されることに限定されない。例えば、ノードｉとノードｊの類似度ｋ（ｉ，ｊ）を、次の式（３）により求めてもよい。
Figure JPOXMLDOC01-appb-I000003
　ここで、ｄｉ，ｊは、ノードｉとノードｊとの間の最短ホップ数を示す。
　時空間類似度計算部１４２は、式（１）または式（３）を用いて計算した時空間類似度を示す類似度行列Ｋを、時空間類似度記憶部１４４に保存する。以上の手順により、時空間類似度計算部１４２は、時空間類似度の初期値を計算する。
　時空間類似度計算部１４２は、初期値を計算すると、所要時間管理部１３０に対して、所要時間の推定を行うように指示する。所要時間管理部１３０は、上記指示に応じて、図３のステップＳ１０３に示した所要時間の推定を行う。
　所要時間の推定について、以下に説明する。所要時間管理部１３０は、所要時間推定部１３１において所要時間の推定を行う。上述したように、時空間類似度は、ある時間帯におけるある道路区間が他の時間帯の他の道路区間とどれほど状態が類似するかを示す値である。よって、所要時間推定部１３１は、時空間トポロジ管理部１４０が計算した時空間類似度に基づいて、ＧＰＳ情報が存在する、すなわち観測済みの道路区間の所要時間から、ＧＰＳ情報が存在しない、すなわち未観測の道路区間の所要時間を推定することができる。
　所要時間推定部１３１は、次の式（４）により上記推定を行う。
Figure JPOXMLDOC01-appb-I000004
　ここで、ｙは、各ＧＰＳ搭載車両が走行した時間の合計（総走行時間）であって、ＧＰＳによる観測結果から得られた実際に観測された時間である。図８は、総走行時間ｙの一例を示す図である。図８に示すように、ｙは、例えばＧＰＳ搭載車両ごと（すなわちＧＰＳごと）の連続した走行時間を含む、ＧＰＳ観測数分の長さを持つベクトルである。例えば、図８における「３ｈ」は、ＧＰＳＩＤ（ＧＰＳＩｄｅｎｔｉｆｉｃａｉｏｎ）＝「ｙ１」のＧＰＳを搭載した車両が連続して走行した時間である。
　Ｑは、各ＧＰＳ搭載車両の走行経路を示す行列を表す。図９は、行列Ｑの一例を示す図である。図９に示すように、行列Ｑの行は、各時間帯（例えばＴ０，Ｔ１，Ｔ２，・・・）における各道路区間（例えばＡ，Ｂ，Ｃ，Ｄ，・・・）を表し、列は、ＧＰＳ搭載車両ごとの通過した道路区間（経路）を表す。あるＧＰＳ搭載車両の走行に関し、行に示される時間帯における道路区間を走行した場合、Ｑの要素に「１」が、そうでない場合は「０」が記入される。
　ｆは、（時間帯数×道路区間数）の長さを有するベクトルであり、各時間帯における各道路区間の所要時間を要素に持つ。ｆの要素が、所要時間推定部１３１により推定される値である。
　所要時間推定部１３１は、式（４）において、値が最小となるｆを、数理最適化の手法を用いて探索する。数理最適化の手法として、具体的には、例えば内点法を用いることができる。図１０は、式（４）により推定された所要時間ｆの一例を示す図である。図１０に示すように、所要時間ｆは、各時間帯の各道路区間の所要時間を要素に持つ。
　ここで、ＱＴｆは、ＧＰＳ搭載車両ごとの、走行した区間の各所要時間をトータルした走行時間である。ｙは、上述したように、ＧＰＳの観測結果から得られる全ＧＰＳ搭載車両の総走行時間である。よって、式（４）の第一項は、全ＧＰＳ搭載車両の総走行時間と、各車両の走行した道路区間の所要時間のトータルとの差を示している。
　ｆの推定が正しい場合、ｙとＱＴｆの差は、ＧＰＳ観測により生じる観測誤差を除くと等しくなる。このため、この差を最小化することにより、時間帯ごとの各道路区間の所要時間を推定できる。
　また、式（４）の第二項は、時空間類似度を示す類似度行列Ｋに基づいて、時空間類似度が高いノード間のｆの要素の差を最小化することを示している。すなわち、時空間類似度が高いノード同士は近いｆの要素をとるという前提のもと、該ｆの要素間の差を最小化するように、ｆを推定する。この項によって、ＧＰＳ搭載車両が一台も走行していない時間帯の道路区間の所要時間も、観測済みの道路区間の所要時間の値によって推定することができる。
　なお、λは、第一項と第二項の間の重みパラメータであり、λが大きいほど時空間類似度を重視した推定が行われる。
　所要時間推定部１３１は、上記手順によって、時間帯ごとの各道路区間の所要時間を推定する。所要時間推定部１３１は、推定した値を所要時間記憶部１３２に保存する。
　ここで、所要時間推定部１３１は、上述のように推定した所要時間に基づいて、車両の速度を算出してもよい。すなわち、所要時間推定部１３１は、推定した所要時間に基づいて、各時間帯の各道路区間を走行する車両の速度（以降、「道路区間の速度」とも称する）を算出してもよい。道路区間の速度は、（道路区間長÷該道路区間の所要時間）により算出することができる。所要時間推定部１３１は、算出した速度を交通情報記憶部１５３に保存する。
　なお、所要時間推定部１３１は、算出した速度に異常値が含まれる場合、その値を補正してもよい。例えば、所要時間推定部１３１は、法定速度を著しく超える速度を異常とみなして法定速度に置き換えるなどしてもよい。また、このように算出した速度は、後述のようにユーザに提示するために用いられてもよい。
　所要時間管理部１３０は、上述のように、未観測区間の所要時間の推定を含む、所要時間の推定が完了すると、時空間トポロジ管理部１４０に、時空間トポロジの更新と時空間類似度の更新を指示する。
　時空間トポロジ管理部１４０は、上記指示に応じて、図３のステップＳ１０４、ステップＳ１０５に示した時空間トポロジの更新と時空間類似度の更新を、上述のように推定された所要時間に基づいて行う。
　時空間トポロジの更新について、以下に説明する。時空間トポロジ計算部１４１は、所要時間管理部１３０により推定された所要時間に基づいて、時空間トポロジを更新する。図５Ｃに示した時空間トポロジは、単位時間幅（図５Ｃでは０．５時間（ｈ））において影響を与える可能性のあるノード間をすべて列挙して接続した初期トポロジである。初期トポロジ（以降、「トポロジの初期値」とも称する）は、各ノードは道路トポロジにおいて隣接する道路区間の３０分後のノードに最も影響を与えるとの仮定に基づいて計算されている。
　図５Ｂは、時間帯Ｔ０に着目したときの初期トポロジである。まず、時間帯Ｔ０に着目したときの初期トポロジの更新について説明する。
　ここで、図１１は、所要時間管理部１３０が推定した値を含む、時間帯Ｔ０における区間移動（リンク移動）にかかる時間を示す図である。図１１における、矢印付近に示した数字は、道路区間の移動にかかる時間を示す。図１１に示すように、例えば区間Ｂから区間Ｃへの所要時間は「１時間」であるとする。これは、区間Ｂに存在した車両群は１時間後の区間Ｃに到達する、つまり、１時間後の区間Ｃに最も強く影響することを意味する。
　このような、所要時間を踏まえたノード間の影響を反映させるように、時空間トポロジ計算部１４１は、推定された所要時間に基づいて、時空間トポロジを更新する。
　図１２は、時間帯Ｔ０に関して推定された所要時間に基づく、時空間トポロジの更新結果を示す図である。初期トポロジでは、図５Ｂに示したように、各ノードは道路トポロジにおける隣接ノードの３０分後のノードにすべて接続されていた。図１１に示したように、区間Ｂから区間Ｃ、区間Ｂから区間Ｄに到達するための所要時間は１時間であるため、図１２では、区間Ｂから、それぞれ１時間後の区間Ｃと区間Ｄを接続するように更新されている。
　続いて、時空間トポロジ計算部１４１は、時間帯Ｔ１，Ｔ２，・・・に関して推定された所要時間に基づいて、初期トポロジを更新する。
　図１３は、図５Ｃに示した初期トポロジに対して、時間帯ごとに推定された所要時間に基づいて、接続関係が更新されることを説明する図である。図１３の現時間帯（Ｔ０）の所要時間を示す図において、区間Ｂから区間Ｃへの所要時間は「１時間」であるため、図１３の更新後の時空間トポロジでは、Ｔ０の区間ＢとＴ２の区間Ｃとが接続されるように更新されている。
　図１３の３０分後（Ｔ１）の所要時間を示す図では、区間Ｂから区間Ｃ、区間Ｂから区間Ｄへの所要時間はそれぞれ「１時間」であるため、図１３の更新後の時空間トポロジでは、Ｔ１の区間ＢとＴ３の区間Ｃ、Ｔ１の区間ＢとＴ３の区間Ｄが、それぞれ接続されるように更新されている。
　さらに、図１３の１時間後（Ｔ２）の所要時間を示す図では、区間Ａから区間Ｂ、区間Ｂから区間Ｄ、区間Ｃから区間Ｄへの所要時間はそれぞれ「１時間」であり、区間Ａから区間Ｃ、区間Ｂから区間Ｃへの所要時間はそれぞれ「０．５時間」である。よって、図１３の更新後の時空間トポロジでは、Ｔ２の区間ＡとＴ３の区間Ｃ、Ｔ２の区間ＢとＴ３の区間Ｃが、それぞれ接続されている。なお、図１３では、Ｔ４に関する図示は省略するが、Ｔ２の区間ＡとＴ４の区間Ｂとが接続され、Ｔ２の区間ＢとＴ４の区間Ｄとが接続され、Ｔ２の区間ＣとＴ４の区間Ｄとが接続される。
　このように、時空間トポロジ計算部１４１は、すべての時間帯ごとに推定された所要時間に基づいて、初期トポロジを更新する。
　上記のような更新処理によって、実際の交通流遷移に近い時空間トポロジを計算できる。時空間トポロジ計算部１４１は、更新後の時空間トポロジを、時空間トポロジ記憶部１４３に保存する。
　時空間トポロジ計算部１４１は、上記のように時空間トポロジを更新すると、時空間類似度計算部１４２に対して、時空間類似度の更新を行うように指示する。時空間類似度計算部１４２は、上記指示に応じて、時空間トポロジ計算部１４１により更新された時空間トポロジに基づいて、時空間類似度の更新を行う。
　図１４は、図１３に示した更新後の時空間トポロジに基づいて更新された隣接行列Ａを示す図である。図１３の更新後の時空間トポロジに基づいて、隣接行列Ａが更新される。図１４では、図６に示したＴ０Ｂ行Ｔ１Ｃ列の要素「１」が「０」に、Ｔ０Ｂ行Ｔ２Ｃ列の要素「０」が「１」に、それぞれ更新されている。
　時空間類似度計算部１４２は、このように更新された隣接行列Ａに基づいて、次数行列Ｄを更新する。さらに、時空間類似度計算部１４２は、更新された隣接行列Ａ、次数行列Ｄに基づいて、類似度行列Ｋを更新する。類似度行列Ｋは、更新された隣接行列Ａ、次数行列Ｄを用いて、上記式（１）または式（３）により更新される。
　時空間類似度計算部１４２は、同様に、更新後の時空間トポロジに基づいて次数行列Ｄを更新する。そして、時空間類似度計算部１４２は、更新された隣接行列Ａ、次数行列Ｄを用いて時空間類似度の計算を上記と同様の手順で行うことによって、時空間類似度の更新を行う。
　時空間類似度計算部１４２は、上述のような時空間類似度の更新が完了すると、センサ情報管理部１５０に対して、センサ情報の推定を行うことを指示する。
　センサ情報管理部１５０は、上記指示に応じて、センサ情報の推定、すなわち、図３のステップＳ１０６、ステップＳ１０７に示した交通流量の推定と、車両密度の推定を、上述のように更新された時空間類似度に基づいて行う。
　センサ情報の推定について、以下に説明する。センサ情報管理部１５０は、上述のように更新された時空間類似度を用いて、センサ情報が取得されていない、時間帯ごとの各道路区間における交通流量および車両密度を補完するように推定する。具体的には、流量推定部１５１は、交通流量の推定を行い、密度推定部１５２は、密度の推定を行う。
　流量推定部１５１は、交通流量および密度を、以下の式（５）により推定する。
Figure JPOXMLDOC01-appb-I000005
　ここで、Ｗは、推定される交通流量もしくは車両密度を要素に持つ、（時間帯数×道路区間数）の長さを持つベクトルである。ＷΩは、Ｗのうち、センサが設置されている道路区間の要素を抜き出したベクトルである。ＸΩは、センサによって観測された交通流量もしくは車両密度のみを要素に持つ、（センサ数×時間帯数）の長さのベクトルである。
　図１５Ａは、センサが設置されている道路区間の交通流量（観測値）ＸΩの一例を示す図である。図１５Ａに示すように、交通流量（観測値）ＸΩは、センサが設置されている道路区間（ここでは区間Ｂ、Ｄ）の各時間帯における交通流量（観測値）ＸΩ１、ＸΩ２、・・・を要素に持つ。
　図１５Ｂは、センサが設置されている道路区間の交通流量（推定値）ＷΩの一例を示す図である。図１５Ｂに示すように、センサが設置されている道路区間（ここでは区間Ｂ、Ｄ）の各時間帯における交通流量（推定値）ＷΩ１、ＷΩ２、・・・が、式（５）により推定される。
　図１５Ｃは、交通流量（推定値）Ｗの一例を示す図である。図１５Ｃに示すように、時間帯ごとの各道路区間における交通流量（推定値）Ｗ１、Ｗ２、・・・が、式（５）により推定される。
　Ｋは、上述した類似度行列Ｋである。交通流量の推定および車両密度の推定に、同じ類似度行列Ｋを用いてよい。
　流量推定部１５１および密度推定部１５２は、式（５）に、値が最小となるＷを、数理最適化の手法を用いて探索する。数理最適化の手法として、具体的には、例えば内点法を用いることができる。式（５）を最小化することで、時間帯ごとの各道路区間の交通流量もしくは車両密度を推定できる。
　式（５）の第一項は、センサの設置されている区間のみに着目して観測値と推定値の差異を最小化する項である。つまり、観測値が得られた区間はその値に近づくように推定値が求められる。第二項は、式（４）と同様に、類似度行列Ｋに基づいて、時空間類似度が高いノード間のＷの要素の差を最小化することを示している。すなわち、時空間類似度が高いノード同士は近いＷの要素をとるという前提のもと、該Ｗの要素間の差を最小化するように、Ｗを推定する。
　流量推定部１５１は、上記（５）を用いた計算によって、各道路区間の移動に要する時間を考慮したうえで、観測区間の流量から、未観測区間の流量を推定することができる。密度推定部１５２は、同様に、観測区間の密度から、未観測区間の密度を推定することができる。流量推定部１５１および密度推定部１５２は、それぞれ流量と密度の推定を、別々に行ってもよいし、同時に行ってもよい。
　流量推定部１５１および密度推定部１５２は、それぞれ推定した交通流量と密度を含む、時間帯ごとの各道路区間における交通流量と密度を、交通情報記憶部１５３に保存する。以上のように、センサ情報管理部１５０は、ＧＰＳやセンサにより観測された交通状況に基づいて、未観測道路区間の交通状況を推定する。
　センサ情報管理部１５０は、上記推定を完了すると、表示制御部１６０に対して、交通状況の表示を指示する。なお、表示のタイミングは、センサ情報管理部１５０からの指示に応じたタイミングに限定されず、上記推定を完了したのちの任意のタイミングであってよい。
　表示制御部１６０は、上記指示に応じて、図３のステップＳ１０８に示した交通状況の表示を行う。表示制御部１６０は、交通情報記憶部１５３に保存された交通状況を、出力デバイス１７０に表示する。
　図１６は、本実施形態における、交通状況の表示の一例を示す図である。図１６に示すように、表示制御部１６０は、例えば、上記のように推定された所要時間ｆを用いて、道路区間ごとの所要時間を、時間帯ごとに表示してもよい。
　図１６では、各道路区間付近に該道路区間の移動にかかると推定された所要時間を付した、時間帯ごとの地図を表示することを示している。図１６における「Ａ１」，「Ａ２」，・・・は、道路区間の識別子を示し、「１ｈ」，「０．５ｈ」，・・・は、その道路区間の所要時間を示す。図１６ではまた、時間帯Ｔ０、Ｔ１それぞれにおける、各道路区間の移動にかかる時間を含む地図を示す。
　表示制御部１６０は、図１６に示すように複数の時間帯の地図を同時に表示してもよいし、所定の操作、例えばマウスのクリックやトラックボールの操作に応じて、複数の時間帯の地図を順次表示してもよい。表示制御部１６０は、また、ある地点から地点への経路の単位で所要時間を表示してもよい。
　図１７は、本実施形態における、交通状況の表示の他の例を示す図である。図１７では、時間帯ごとに、渋滞が発生すると推定される道路区間を識別可能に、例えば濃い色で示す地図を表示している。渋滞の発生は、例えば、交通情報記憶部１５３に保存された、区間ごとの所要時間や、その所要時間と区間距離から算出される車両速度に基づいて、判定される。あるいは、交通情報記憶部１５３に保存された、交通流量や車両密度に基づいて判定されてもよい。
　表示制御部１６０は、所要時間、車両速度、交通流量、車両密度などの任意の情報を、任意の区間ごとに示した地図を、表示してもよい。
　以上のように、本実施形態によれば、交通状況推定装置１００は、所要時間管理部１３０において、車両の走行履歴と各道路区間における交通状況の時空間類似度から、車両が走行していない道路区間も含めた道路区間の所要時間を推定する。センサ情報管理部１５０は、推定された所要時間とセンサにより得られた交通状況に基づいて、センサが設置されていない道路区間の交通状況を推定する。
　上記構成を採用することにより、本実施形態によれば、センサが設置された道路区間が少なく、また車両の走行履歴が十分にない状況においても、高精度な交通状況の推定を行うことができるという効果が得られる。
　なお、ＧＰＳ情報記憶部１２１に保存されるＧＰＳ情報は、どの時間帯にどの区間を車両が走行したかを示す走行履歴であればよく、ＧＰＳの観測結果に基づいて取得されることに限定されない。例えば、車載器のＭＡＣ（Ｍｅｄｉａ　Ａｃｃｅｓｓ　Ｃｏｎｔｒｏｌ）アドレスを用いて車両を追跡した結果を取得してもよいし、車両に搭載された通信端末からブルートゥース（登録商標）を介して走行履歴を取得してもよい。あるいは、通信端末にユーザから入力された情報から取得してもよいし、ユーザから地点と時間を示す情報を何らかの手段で取得してもよい。
　なお、図１等に示した装置の各部は、図１８に例示するハードウエア資源において実現される。すなわち、図１８に示す構成は、プロセッサ１１、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１２、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１３、外部接続インタフェース１４、記録装置１５および各構成要素を接続するバス１６を備える。
　上述した各実施形態では、図１８に示すプロセッサ１１が実行する一例として、装置に対して、上述した機能を実現可能なコンピュータ・プログラムを供給した後、そのコンピュータ・プログラムを、プロセッサ１１がＲＡＭ１２に読み出して実行することによって実現する場合について説明した。しかしながら、上記各図に示した各ブロックに示す機能は、一部または全部を、ハードウエアとして実現してもよい。
　係る供給されたコンピュータ・プログラムは、読み書き可能なメモリ（一時記憶媒体）またはハードディスク装置等のコンピュータ読み取り可能な記憶デバイスに格納すればよい。そして、このような場合において、本発明は、係るコンピュータ・プログラムを表すコード或いは係るコンピュータ・プログラムを格納した記憶媒体によって構成されると捉えることができる。
　また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（ｃｉｒｃｕｉｔｒｙ）、プロセッサ等やこれらの組み合わせによって実現される。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。
　各装置の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
　以上、上述した実施形態を参照して本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、種々の上記開示要素の多様な組み合わせ乃至選択など、当業者が理解し得る様々な態様を適用することができる。
　この出願は、２０１６年１１月３０日に出願された日本出願特願２０１６－２３２８８１を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
　１１　プロセッサ
　１２　ＲＡＭ
　１３　ＲＯＭ
　１４　外部接続インタフェース
　１５　記録装置
　１６　バス
　１，１００　交通状況推定装置
　２　交通状況推定部
　３　出力部
　１１０　情報収集部
　１２０　情報記憶部
　１２１　ＧＰＳ情報記憶部
　１２２　道路情報記憶部
　１２３　センサ情報記憶部
　１３０　所要時間管理部
　１３１　所要時間推定部
　１３２　所要時間記憶部
　１４０　時空間トポロジ管理部
　１４１　時空間トポロジ計算部
　１４２　時空間類似度計算部
　１４３　時空間トポロジ記憶部
　１４４　時空間類似度記憶部
　１５０　センサ情報管理部
　１５１　流量推定部
　１５２　密度推定部
　１５３　交通情報記憶部
　１６０　表示制御部
　１７０　出力デバイス

Claims (10)

  1. 　センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する交通状況推定手段と、
    　前記交通状況推定手段により推定された前記交通状況を出力する出力手段と
    　を備えた交通状況推定装置。
  2. 　前記複数の区間の、前記複数の時間帯の各々に関わる車両の走行履歴と、前記類似度とに基づいて、前記複数の区間の、前記複数の時間帯の各々の移動にかかる時間を推定する時間推定手段と、
    　前記時間推定手段により推定された時間に基づいて、前記類似度を更新する類似度更新手段と
    　をさらに備えた請求項１記載の交通状況推定装置。
  3. 　前記交通状況推定手段は、ある区間のある時間帯における前記交通状況と他の区間の他の時間帯における前記交通状況間の前記類似度が高いほど、当該ある区間の当該ある時間帯における前記交通状況と当該他の区間の当該他の時間帯における前記交通状況が近づくように、前記交通状況の推定を行う
    　請求項２記載の交通状況推定装置。
  4. 　前記時間推定手段は、ある区間のある時間帯における前記交通状況と他の区間の他の時間帯における前記交通状況間の前記類似度が高いほど、当該ある区間の当該ある時間帯における前記交通状況と当該他の区間の当該他の時間帯における前記移動にかかる時間が近づくように、前記時間の推定を行う
    　請求項２記載の交通状況推定装置。
  5. 　前記類似度の計算は、前記交通状況が影響を及ぼし得る、ある区間のある時間帯と、他の区間の他の時間帯を接続したグラフ構造に基づいて行われる
    　請求項２乃至請求項４のいずれか１項記載の交通状況推定装置。
  6. 　前記グラフ構造の初期状態は、前記複数の区間の隣接関係に基づいて算出される
    　請求項５記載の交通状況推定装置。
  7. 　前記類似度更新手段は、前記時間推定手段により推定された前記時間に基づいて前記グラフ構造を更新し、該更新されたグラフ構造に基づいて、前記類似度を更新する
    　請求項６記載の交通状況推定装置。
  8. 　センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定し、
    　前記推定された前記交通状況を出力する
    　交通状況推定方法。
  9. 　センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて、前記センサが設置されていない区間の交通状況を推定する処理と、
    　前記推定された前記交通状況を出力する処理と
    　を、コンピュータに実行させるプログラムを記録する記録媒体。
  10. 　センサが設置された区間と、センサが設置されていない区間とを含む複数の区間の各々と複数の時間帯の各々の組間の交通状況の類似度と、前記センサが設置された区間の交通状況とに基づいて推定された、前記センサが設置されていない区間の交通状況を出力する出力手段
    　を備えた出力装置。
PCT/JP2017/041415 2016-11-30 2017-11-17 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 WO2018101074A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018553774A JP7124704B2 (ja) 2016-11-30 2017-11-17 交通状況推定装置、交通状況推定方法、プログラムおよび出力装置
US16/463,026 US11423782B2 (en) 2016-11-30 2017-11-17 Traffic status estimation device, traffic status estimation method, and program recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016232881 2016-11-30
JP2016-232881 2016-11-30

Publications (1)

Publication Number Publication Date
WO2018101074A1 true WO2018101074A1 (ja) 2018-06-07

Family

ID=62242374

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/041415 WO2018101074A1 (ja) 2016-11-30 2017-11-17 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置

Country Status (3)

Country Link
US (1) US11423782B2 (ja)
JP (1) JP7124704B2 (ja)
WO (1) WO2018101074A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043506A (ja) * 2019-09-06 2021-03-18 株式会社オプティマインド 道路走行可能速度推定装置及び道路走行可能速度推定プログラム
KR20220003445A (ko) * 2020-07-01 2022-01-10 한양대학교 에리카산학협력단 교통수단 추정 장치 및 교통수단 추정 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220165151A1 (en) * 2019-04-15 2022-05-26 Nec Corporation Traffic jam information providing device, traffic jam information processing method, and recording medium
CN113743594B (zh) * 2021-09-30 2023-12-05 中国联合网络通信集团有限公司 网络流量预测模型建立方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008293064A (ja) * 2007-05-22 2008-12-04 Xanavi Informatics Corp 交通データ推定方法、交通データ推定装置およびカーナビゲーション装置
JP2009503638A (ja) * 2005-07-22 2009-01-29 テラーゴ インコーポレイテッド 道路網グラフをモデル化する方法、装置及びシステム
JP2010191614A (ja) * 2009-02-17 2010-09-02 Sumitomo Electric Ind Ltd 交通情報推定システム、推定方法、提供システムおよびコンピュータプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8024110B2 (en) * 2007-05-22 2011-09-20 Xanavi Informatics Corporation Method of estimation of traffic information, device of estimation of traffic information and car navigation device
WO2009026161A1 (en) * 2007-08-16 2009-02-26 Google Inc. Combining road and vehicle sensor traffic information
US8494759B2 (en) * 2010-09-08 2013-07-23 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle speed indication using vehicle-infrastructure wireless communication
JP5692323B1 (ja) 2013-09-27 2015-04-01 オムロン株式会社 交通量計測装置、および交通量計測方法
US10042055B2 (en) * 2016-04-20 2018-08-07 Here Global B.V. Traffic volume estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009503638A (ja) * 2005-07-22 2009-01-29 テラーゴ インコーポレイテッド 道路網グラフをモデル化する方法、装置及びシステム
JP2008293064A (ja) * 2007-05-22 2008-12-04 Xanavi Informatics Corp 交通データ推定方法、交通データ推定装置およびカーナビゲーション装置
JP2010191614A (ja) * 2009-02-17 2010-09-02 Sumitomo Electric Ind Ltd 交通情報推定システム、推定方法、提供システムおよびコンピュータプログラム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043506A (ja) * 2019-09-06 2021-03-18 株式会社オプティマインド 道路走行可能速度推定装置及び道路走行可能速度推定プログラム
KR20220003445A (ko) * 2020-07-01 2022-01-10 한양대학교 에리카산학협력단 교통수단 추정 장치 및 교통수단 추정 방법
KR102464174B1 (ko) 2020-07-01 2022-12-15 한양대학교 에리카산학협력단 교통수단 추정 장치 및 교통수단 추정 방법

Also Published As

Publication number Publication date
US11423782B2 (en) 2022-08-23
US20210118296A1 (en) 2021-04-22
JP7124704B2 (ja) 2022-08-24
JPWO2018101074A1 (ja) 2019-10-24

Similar Documents

Publication Publication Date Title
US20210271263A1 (en) Positioning system based on geofencing framework
US10489222B2 (en) Distributed computing resource management
WO2018101074A1 (ja) 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置
US11127289B2 (en) Traffic congestion estimating device, traffic congestion estimating method, and recording medium storing program thereof
JP5585405B2 (ja) 交通情報システム、交通情報取得装置および交通情報提供装置
US11209825B2 (en) Moving traffic obstacle detection and avoidance
JP7459276B2 (ja) ナビゲーション方法および装置
US10826808B2 (en) Vehicle application enabling and network routing systems implemented based on latency characterization and projection
EP3009798B1 (en) Providing alternative road navigation instructions for drivers on unfamiliar roads
JP2009259158A (ja) 交通状態シミュレーション装置及びプログラム
US20190234752A1 (en) Travel Routing Selection System and Methods Implemented Based on Characterization of Historical Latency Data
Zhao et al. CityDrive: A map-generating and speed-optimizing driving system
JP2015076077A (ja) 交通量推定システム、端末装置、交通量推定方法および交通量推定プログラム
US10429200B1 (en) Determining adjusted trip duration using route features
JP2010049391A (ja) 交通情報管理装置及び交通情報管理処理方法
JP2015078922A (ja) 情報提供システム、情報提供方法、及び情報提供プログラム
JP5768526B2 (ja) 渋滞予測装置および渋滞予測データ
JP2019079169A (ja) 車両経路生成装置、車両経路生成方法及び車両経路生成プログラム
CN117222863A (zh) 用于确定通过可导航网络的估计行进时间的方法及系统
US10937311B2 (en) Traffic information service system and method
KR20180013367A (ko) 교통정보 예측 방법 및 그 장치
JP2017138710A (ja) 走行困難区間判定システム、走行困難区間判定方法、及び走行困難区間判定プログラム
US20220198325A1 (en) Method, apparatus, and computer program product for predicting a split lane traffic pattern
JP2018073322A (ja) 旅行時間予測プログラム、旅行時間予測装置および旅行時間予測方法
JP6805071B2 (ja) 交通情報管理システム、および、交通情報管理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17876405

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018553774

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17876405

Country of ref document: EP

Kind code of ref document: A1