WO2021214871A1 - 状態推定方法、状態推定装置、及びプログラム - Google Patents
状態推定方法、状態推定装置、及びプログラム Download PDFInfo
- Publication number
- WO2021214871A1 WO2021214871A1 PCT/JP2020/017209 JP2020017209W WO2021214871A1 WO 2021214871 A1 WO2021214871 A1 WO 2021214871A1 JP 2020017209 W JP2020017209 W JP 2020017209W WO 2021214871 A1 WO2021214871 A1 WO 2021214871A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- congestion
- vehicle
- lane
- observation
- state
- Prior art date
Links
Images
Classifications
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
対象車線の混雑に係る状態を推定する状態推定装置が実行する状態推定方法であって、非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する。
Description
本発明は、道路上を走行する車両の混雑度を推定する技術に関連するものである。
道路上を走行する車両の混雑度を推定することに関連する従来技術として、例えば、非特許文献１～３に記載された技術がある。
非特許文献１には、一般道路や高速道路等に設置されている監視カメラの映像を解析することで、渋滞や事故、交通違反等の状況を認識する技術が開示されている。
非特許文献２には、ミリ波レーダーを活用することにより、交通量計測（台数・速度）や、突発事象検知判定（停止・低速・渋滞・避走・逆走）を行うシステムが開示されている。また、非特許文献３には、路側に設置されたセンサにより、交通量データを取得する技術が開示されている。
https://pr.fujitsu.com/jp/news/2016/10/18-2.html、２０２０年４月１３日検索、インターネット
https://www.c-nexco-het-tech.jp/detail/0048.php、２０２０年４月１３日検索、インターネット
http://library.jsce.or.jp/jsce/open/00984/2008/2008-0071.pdf、２０２０年４月１３日検索、インターネット
しかし、従来技術では、特定の場所に設置されたカメラやセンサで得られた情報を用いるため、道路におけるより広範囲若しくは／及び詳細な混雑度を把握することができない。例えば、従来技術では、カメラが設置された地点で渋滞が発生していることがわかっても、その渋滞の先頭や末尾がカメラにより撮影されていなければ道路におけるどのような範囲で渋滞が発生しているのか把握できない。また、センサの場合だとセンシングしている範囲の交通流を把握することができても、車線毎の交通流（商業施設の駐車場への入庫待ち等）を把握することができない。
本発明は上記の点に鑑みてなされたものであり、道路上を走行する車両の混雑に係る状態を広範囲に渡って推定することを可能とする技術を提供することを目的とする。
開示の技術によれば、対象車線の混雑に係る状態を推定する状態推定装置が実行する状態推定方法であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、
前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定方法が提供される。
非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、
前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定方法が提供される。
開示の技術によれば、道路上を走行する車両の混雑に係る状態を広範囲に渡って推定することが可能となる。
以下、図面を参照して本発明の実施の形態（本実施の形態）を説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。
（システム構成）
図１は、本発明の実施の形態に係る混雑度推定システム１００の構成図である。図１に示すように、混雑度推定システム１００は、周囲状態取得部１１０、自車状態取得部１２０、混雑度推定装置２００を有する。混雑度推定装置２００は、取得情報格納部１７０、映像解析部１３０、混雑度推定部１４０、データ格納部１５０、及び出力部１６０を有する。なお、自車状態取得部１２０を「取得部」と呼び、映像解析部１３０を「カウント部」と呼び、混雑度推定部１４０を「推定部」と呼んでもよい。また、混雑度推定装置２００を「状態推定装置」と呼んでもよい。
図１は、本発明の実施の形態に係る混雑度推定システム１００の構成図である。図１に示すように、混雑度推定システム１００は、周囲状態取得部１１０、自車状態取得部１２０、混雑度推定装置２００を有する。混雑度推定装置２００は、取得情報格納部１７０、映像解析部１３０、混雑度推定部１４０、データ格納部１５０、及び出力部１６０を有する。なお、自車状態取得部１２０を「取得部」と呼び、映像解析部１３０を「カウント部」と呼び、混雑度推定部１４０を「推定部」と呼んでもよい。また、混雑度推定装置２００を「状態推定装置」と呼んでもよい。
本実施の形態では、道路上のある車線を走行する車両（自動車、トラック、バス、バイク、農機、自転車等）に混雑度推定システム１００が搭載される。
あるいは、当該車両に周囲状態取得部１１０と自車状態取得部１２０が搭載され、混雑度推定装置２００は、車両以外の場所に備えられてもよい。この場合、例えば、周囲状態取得部１１０と自車状態取得部１２０はそれぞれ通信ネットワークを介して混雑度推定装置２００に接続される。
以降、周囲状態取得部１１０と自車状態取得部１２０が搭載される車両（混雑度推定システム１００が搭載される車両を含む）を「観測車両」と呼ぶ。「観測車両」以外の車両を単に「車両」と呼ぶ。
本実施の形態では、道路のある車線を走行する観測車両に搭載された周囲状態取得部１１０により取得された周囲状態の情報と、観測車両に搭載された自車状態取得部１２０により取得された観測車両（自車両と呼んでもよい）の混雑に係る状態の情報とに基づいて、混雑度推定装置２００が、上記道路におけるある車線の車両の混雑度を推定する。車両の混雑度を車両の「混雑に係る状態」と言い換えてもよい。また、「車両の混雑度」を単に「混雑度」と称してもよい。
混雑度推定装置２００は、主に、観測車両が走行する車線以外の車線を対象として、当該車線の混雑度を推定する。そこで、以下、観測車両が走行する車線以外の車線を「対象車線」と呼び、観測車両が走行する車線を「観測車線」と呼ぶ。「観測車線」を「非対象車線」と呼んでもよい。なお、後述するように、混雑度推定装置２００は、観測車線の混雑度を推定することも可能である。「対象車線」と「観測車線」は隣接していなくてもよい。また、「対象車線」が複数車線であってもよい。
基本的な動作として、混雑度推定装置２００は、観測車両の速度と、観測車両が単位時間当たりに追い抜いた（追い越した）若しくは追い抜かれた（追い越された）、対象車線の車両の数（台数）とに基づいて、直接、対象車線の混雑度を推定する。なお、対象車線において観測車両を基準として、前から後ろに相対的な位置が移動した車両を検知した場合に追い抜いた、後ろから前に相対的な位置が移動した車両を検知した場合に追い抜かれた、と記載する。
以下、周囲状態取得部１１０と自車状態取得部１２０について説明する。混雑度推定装置２００を構成する各部の詳細動作については後述する。
混雑度推定装置２００は、周囲状態取得部１１０により取得された周囲状態の情報に基づいて、観測車両が追い抜いた対象車線の車両の数と観測車両が追い抜かれた対象車線の車両の数、若しくは／及び観測車線の反対車線において観測車両とすれ違う車両の数等をカウントする。すれ違うとは、観測車線の反対車線を走行する車両が、観測車両を基準として、前から後ろに相対的な位置が移動した車両を検知したことを示す。
周囲状態取得部１１０は、例えばカメラ（車載カメラ、スマートフォンのカメラ、赤外線カメラ等）である。その場合、上記周囲状態の情報は観測車両の周囲の映像である。
たたし、周囲状態取得部１１０は、カメラに限られるわけではなく、観測車両が追い抜いた車両等の数をカウントすることを可能とする周囲状態の情報を取得可能なものであれば、どのようなものであってもよい。
例えば、周囲状態取得部１１０は、ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等のセンサであってもよい。ＬｉＤＡＲでは、レーザー光を走査しながら対象物に照射してその散乱や反射光を観測することで、対象物までの距離を計測し、対象物の形状や観測車両に対する対象物の相対的な位置を求めることができる。この求めた情報により、混雑度推定装置２００は、観測車両が追い抜いた車両等を特定することができる。
自車状態取得部１２０は、観測車両の速度、観測車両の位置情報を取得する。自車状態取得部１２０は、例えば、ＧＰＳ受信機を備え、当該ＧＰＳ受信機により観測車両の位置情報を取得する。
自車状態取得部１２０における観測車両の速度を取得する機能部は、例えば、観測車両に搭載されている速度計の情報を取得する機能部であってもよいし、観測車両に搭載されたカーナビやドライブレコーダにより測定された速度情報を取得する機能部であってもよいし、車載センサやスマートフォン等から得られる加速度情報から速度を計測する機能部であってもよいし、ＧＰＳ受信機から得られる位置情報の経時的変化から速度を計測する機能部であってもよい。
なお、自車状態取得部１２０が取得する観測車両の速度は、観測車両の混雑度（混雑に係る状態）の例である。観測車両の速度が小さいほど、観測車両の混雑に係る状態は渋滞であると推定でき、観測車両の速度が大きいほど、観測車両の混雑に係る状態は非渋滞であると推定できる。
自車状態取得部１２０は、当該混雑に係る状態の情報として、観測車両の速度以外の情報を取得してもよい。例えば、自車状態取得部１２０は、センサ等で観測車両の前方にある車両と観測車両との距離を測定し、その距離に基づいて、観測車両が走行している観測車線における混雑に係る状態の情報を取得してもよい。
以下の説明では、一例として、周囲状態取得部１１０は、観測車両に搭載されたカメラであり、自車状態取得部１２０は、観測車両が走行している観測車線における混雑に係る状態の情報として、観測車両の速度を取得するものとする。
なお、以下の説明では、カメラが観測車両の前方向を撮影する例を示しているが、カメラが撮影する方向は前方向である必要はない。例えば、観測車両の後方向を撮影してもよい。
（混雑度推定の概要）
混雑度推定装置２００が実行する混雑度推定処理の概要を説明する。基本的に、本実施の形態では、混雑度推定装置２００が、観測車線を走行する観測車両の速度と、観測車両が追い抜いた（あるいは、追い抜かれた、すれ違った）対象車線を走行する車両の数とに基づいて、対象車線の混雑度を推定する。図２～図１１を参照して、種々の例における混雑度推定の概要を説明する。
混雑度推定装置２００が実行する混雑度推定処理の概要を説明する。基本的に、本実施の形態では、混雑度推定装置２００が、観測車線を走行する観測車両の速度と、観測車両が追い抜いた（あるいは、追い抜かれた、すれ違った）対象車線を走行する車両の数とに基づいて、対象車線の混雑度を推定する。図２～図１１を参照して、種々の例における混雑度推定の概要を説明する。
＜例１＞
図２を参照して例１を説明する。図２（及び図３、４）は、片側３車線（左側車線、中央車線、右側車線と呼ぶ）の道路において、観測車両が中央車線を走行している場合の例を示している。
図２を参照して例１を説明する。図２（及び図３、４）は、片側３車線（左側車線、中央車線、右側車線と呼ぶ）の道路において、観測車両が中央車線を走行している場合の例を示している。
例１では、左側車線（対象車線とする）において、車両の混雑度が高く渋滞しており、各車両は低速度Ｖ１で走行している。中央車線は混雑度が低く、車両がスムーズに流れており、観測車両は速度Ｖ２（＞Ｖ１）で走行している。
図２（ａ）は、ｔ（時刻）＝０において観測車両に搭載された周囲状態取得部１１０（以降、カメラ）で撮影された映像のイメージを示し、図２（ｂ）は、ｔ＝１において観測車両に搭載されたカメラで撮影された映像のイメージを示している。以降の同様の図においても同様である。
なお、各図において、中央車線の下に示されている矢印線は、観測車両の速度を示し、対象車線の車両に付されている矢印線は、観測車両に搭載されているカメラで撮影された映像上で当該車両が流れる速度（方向と速さ）を示している。もちろん、各矢印線で示す速度はおおよそのものである。
図２の状況において、渋滞している左側車線の車両は、スムーズに流れる中央車線の観測車両により追い抜かれるので、図２（ａ）（ｔ＝０）と図２（ｂ）（ｔ＝１）に示されるように、観測車両のカメラで撮影された映像上で、左側車線（対象車線）の車両は、後方に流れていく。観測車両の速度が一定であれば、左側車線（対象車線）の混雑度が高いほど、単位時間に後方に流れていく左側車線（対象車線）の車両の数が多くなる。
上記の事象に基づき、本実施の形態では、混雑度推定装置２００は、観測車両のカメラで撮影された映像を分析することで、単位時間当たりに観測車両が追い抜いた対象車線の車両の数をカウントし、観測車両の速度が一定であれば、観測車両が追い抜いた車両の数が大きいほど、対象車線の混雑度は高いと判断する。「混雑度が高い」を「渋滞している」と言い換えてもよい。
＜例２＞
図３を参照して例２を説明する。例２では、左側車線（対象車線）において、車両がスムーズに流れており、各車両は速度Ｖ３で走行している。中央車線は混雑度が高く渋滞しており、観測車両を含む中央車線の各車両は低速度Ｖ４（＜Ｖ３）で走行している、あるいは停止している。
図３を参照して例２を説明する。例２では、左側車線（対象車線）において、車両がスムーズに流れており、各車両は速度Ｖ３で走行している。中央車線は混雑度が高く渋滞しており、観測車両を含む中央車線の各車両は低速度Ｖ４（＜Ｖ３）で走行している、あるいは停止している。
図３の状況において、渋滞している中央車線の観測車両は、スムーズに流れる左側車線の車両により追い抜かれるので、図３（ａ）（ｔ＝０）と図３（ｂ）（ｔ＝１）に示されるように、観測車両のカメラで撮影された映像上で、左側車線（対象車線）の車両は、前方に流れていく。なお、観測車両が追い抜かれた台数は、観測車両がマイナス何台の車両を追い抜いたとみなしてもよい。
上記の事象に基づき、混雑度推定装置２００は、観測車両のカメラで撮影された映像を分析することで、単位時間当たりに観測車両を追い抜いた左側車線（対象車線）の車両の数をカウントし、観測車両を追い抜いた車両の数が大きいので、左側車線（対象車線）の混雑度は低いと判断することができる。
また、混雑度推定装置２００は、観測車両の速度が低く、観測車両を追い抜いた車両の数が大きいことで、中央車線（観測車線）での混雑度が高いと判断することもできる。このように、本実施の形態では、観測車両の速度と、カメラの映像とから、対象車線のみならず、観測車線の混雑度も推定することができる。
＜例３＞
図４を参照して例３を説明する。例３では、左側車線（対象車線）と中央車線（観測車線）における混雑度がともに高く、両車線ともに各車両は低速度で走行している、あるいは停止している。
図４を参照して例３を説明する。例３では、左側車線（対象車線）と中央車線（観測車線）における混雑度がともに高く、両車線ともに各車両は低速度で走行している、あるいは停止している。
この状況では、観測車両のカメラで撮影した映像において、時系列変化が小さくなり、例１、２で示したような映像上での車両の流れ（追い抜き／追い抜かれ）は生じない。この場合、混雑度推定装置２００は、映像から、観測車両が追い抜く車両数と観測車両を追い抜く車両数をいずれも０とカウントするが、左側車線（対象車線）に複数の車両が存在することを検出することで、左側車線（対象車線）の混雑度が高いと判断することができる。
＜例４＞
図５を参照して例４を説明する。例４では、左側車線（対象車線）と中央車線（観測車線）における混雑度はともに低く、両車線ともに各車両はスムーズに走行している。
図５を参照して例４を説明する。例４では、左側車線（対象車線）と中央車線（観測車線）における混雑度はともに低く、両車線ともに各車両はスムーズに走行している。
この状況では、観測車両と左側車線（対象車線）の車両との速度の違いに応じて、観測車両のカメラで撮影した映像において、左側車線（対象車線）の車両が前方に流れる場合もあるし、後方に流れる場合もある。この状況では、混雑度推定装置２００は、例えば、観測車両の速度が所定閾値以上であり、かつ、単位時間当たりに観測車両が追い抜く車両の数、単位時間当たりに観測車両を追い抜く車両の数のいずれも所定閾値以下であることを検知すると、左側車線（対象車線）と中央車線（観測車線）はいずれも混雑度が低いと判断することができる。
＜例５＞
図６を参照して例５を説明する。例５は、対象車線が、観測車線の反対の車線（反対車線）である場合の例である。例５では、観測車線における混雑度は低く、観測車両はスムーズに走行している。一方、反対車線における混雑度は高く、反対車線の各車両は低速度で走行している。図６の状況において、観測車両のカメラで撮影された映像上で、右側車線（対象車線）の車両は、手前に流れていく。なお、反対車線とは、観測車両が進行する方向と逆方向に進む車両が通過する車線を言う。当該車線は法律などの規則で定められたものであってもよいし、当該車線が属する道路の利用者が一般的に用いる習慣に基づいた ものであってもよい。
図６を参照して例５を説明する。例５は、対象車線が、観測車線の反対の車線（反対車線）である場合の例である。例５では、観測車線における混雑度は低く、観測車両はスムーズに走行している。一方、反対車線における混雑度は高く、反対車線の各車両は低速度で走行している。図６の状況において、観測車両のカメラで撮影された映像上で、右側車線（対象車線）の車両は、手前に流れていく。なお、反対車線とは、観測車両が進行する方向と逆方向に進む車両が通過する車線を言う。当該車線は法律などの規則で定められたものであってもよいし、当該車線が属する道路の利用者が一般的に用いる習慣に基づいた ものであってもよい。
上記の事象に基づき、混雑度推定装置２００は、観測車両のカメラで撮影された映像を分析することで、単位時間当たりに観測車両とすれ違った反対車線（対象車線）の車両の数をカウントし、観測車両とすれ違った車両の数が大きい場合に、反対車線（対象車線）の混雑度は高いと判断することができる。なお、例５に記載した発明を応用することで、カメラやセンサが設置されていない領域では反対車線を逆走する（観測車両と同じ方向に向かって走行する）車両を検知できず、逆走している車両をリアルタイム、もしくは逆走している車両の詳細な位置情報を把握することができない、という課題も解決することができる。具体的には、観測車両の走行速度が０以上であった場合に、反対車線を走行する車両に観測車両が追い抜かれたとカウントされた場合、逆走する車両が存在していると判断してもよい。
＜例６＞
図７を参照して例６を説明する。例６も例５と同様に、対象車線が、観測車線の反対の車線（反対車線）である場合の例である。例６では、観測車線と反対車線（対象車線）ともに混雑度は低く、観測車両と、反対車線（対象車線）の車両はともにスムーズに走行している。
図７を参照して例６を説明する。例６も例５と同様に、対象車線が、観測車線の反対の車線（反対車線）である場合の例である。例６では、観測車線と反対車線（対象車線）ともに混雑度は低く、観測車両と、反対車線（対象車線）の車両はともにスムーズに走行している。
図７の状況において、観測車両のカメラで撮影された映像上で、反対車線（対象車線）の車両は、手前に流れていく。ただし、例５（図６）の場合よりも、反対車線（対象車線）を走行する車両の間隔は広い。
上記の事象に基づき、混雑度推定装置２００は、観測車両のカメラで撮影された映像を分析することで、単位時間当たりに観測車両とすれ違った反対車線（対象車線）の車両の数をカウントし、観測車両とすれ違った車両の数が小さいので、反対車線（対象車線）の混雑度は低いと判断することができる。
＜例７＞
図８を参照して例７を説明する。図８（ａ）は、片側３車線の道路で、中央車線（観測車線）において観測車両がスムーズに走行し、右側車線（対象車線）の混雑度が高い場合の映像を示している。
図８を参照して例７を説明する。図８（ａ）は、片側３車線の道路で、中央車線（観測車線）において観測車両がスムーズに走行し、右側車線（対象車線）の混雑度が高い場合の映像を示している。
また、図８（ｂ）は、対象車線が、観測車線の反対の車線（反対車線）である場合の例であり、観測車両がスムーズに走行している場合の映像を示している。
この場合、図８（ａ）と図８（ｂ）のいずれの映像でも、対象車線の通過車両のカウント値からだけでは、観測車両が対象車線の車両を追い抜くのか、それとも観測車両が対象車線の車両とすれ違うのかを区別できない。そこで、本実施の形態では、混雑度推定装置２００は、例えば、観測車両の位置情報と地図情報とから、対象車線が、観測車両と同じ方向の車線であるか、反対車線であるかを判断する。また、混雑度推定装置２００は、映像上の対象車線の車両においてテールランプが見えているかどうかで、対象車線が、観測車両と同じ方向の車線であるか、反対車線であるかを判断することもできる。
対象車線が、観測車両と同じ方向の車線であるか、反対車線であるかを判断できれば、観測車両が対象車線の車両を追い抜くのか、それとも観測車両が対象車線の車両とすれ違うのかを区別できる。
以上が例１～例７の説明である。
図９は、例えば図２の例１に示すような状況で、観測車両が追い抜いた対象車線の車両の数を時間軸上で表したイメージを示している。混雑度推定装置２００は、例えば、観測車両がある速度Ｖで走行しているときに、単位時間でＮ台以上の対象車線の車両を追い抜いたと映像分析の結果から判断した場合に、その単位時間の時刻における観測車両が存在する区間において混雑度が高い（「渋滞が発生」）と推定できる。図９は、渋滞が発生したと判断された単位時間が連続している例を示し、その連続した単位時間の期間において、混雑度が高いと推定できる。ＶとＮの値は、例えば、渋滞であることがわかっている対象車線の横を通過するなどの実験により決定することができる。
図１０は、例えば、図６の例５に示すような状況において、観測車両が、すれ違う反対車線（対象車線）の車両（この場合、停止している）の数をカウントする場合のイメージを示している。図１１は、例えば、図７の例６に示すような状況において、観測車両が、すれ違う反対車線（対象車線）の車両（この場合、スムーズに走行している）の数をカウントする場合のイメージを示している。
（混雑度推定システムの動作例）
図１２は、本実施の形態における混雑度推定システム１００の動作例を示すフローチャートである。以下、図１２に示すフローチャートの手順に沿って、混雑度推定システム１００の動作例を詳細に説明する。
図１２は、本実施の形態における混雑度推定システム１００の動作例を示すフローチャートである。以下、図１２に示すフローチャートの手順に沿って、混雑度推定システム１００の動作例を詳細に説明する。
なお、本実施の形態における混雑度推定処理は、観測車両の走行と並行してリアルタイムに実行してもよいし、観測車両の走行時に取得した周囲状態情報と自車状態情報を記憶装置（取得情報格納部１７０等）に格納しておき、後に、当該記憶装置に格納された周囲状態情報と自車状態情報を読み出すことで実行してもよい。
また、混雑度推定システム１００を構成する周囲状態取得部１１０、自車状態取得部１２０、混雑度推定装置２００のうち、周囲状態取得部１１０と自車状態取得部１２０は、観測車両に搭載される。混雑度推定装置２００は、観測車両に搭載されてもよいし、観測車両以外の場所に備えられてもよい。また、混雑度推定装置２００に相当する仮想マシンがクラウド上に備えられてもよい。
（Ｓ１０１：自車状態取得、周囲状態取得）
Ｓ１０１において、観測車線を走行する観測車両に搭載されている周囲状態取得部１１０が観測車両の周囲状態の情報を取得し、観測車線を走行する観測車両に搭載されている自車状態取得部１２０が観測車両の自車状態の情報を取得する。
Ｓ１０１において、観測車線を走行する観測車両に搭載されている周囲状態取得部１１０が観測車両の周囲状態の情報を取得し、観測車線を走行する観測車両に搭載されている自車状態取得部１２０が観測車両の自車状態の情報を取得する。
より具体的には、周囲状態取得部１１０はカメラであり、観測車両の周囲状態の情報はカメラで撮影された映像である。また、自車状態取得部１２０は、観測車両の位置情報と、観測車両の速度を取得する。周囲状態取得部１１０と自車状態取得部１２０が取得する情報には、いずれもその情報を取得した時刻（絶対時刻）を示すタイムスタンプが付されているとする。これにより、カメラの映像（各フレーム）、速度、及び位置情報の同期をとることができる。
周囲状態取得部１１０により取得された情報と自車状態取得部１２０により取得された情報は、混雑度推定装置２００に送信され、混雑度推定装置２００における取得情報格納部１７０に格納される。
（Ｓ１０２：通過台数をカウント）
Ｓ１０２において、混雑度推定装置２００における映像解析部１３０が、取得情報格納部１７０から映像を読み出し、読み出した映像を分析することにより、例えば、観測車両が追い抜いた対象車線の車両の台数をカウントする。より具体的には、下記の処理を実行する。以下で詳細に説明するように、観測車両が車両を追い抜いた等は、映像上で、車両が所定位置（例：通過判定線）を通過することで判断できるので、Ｓ１０２は「通過台数をカウント」する処理としている。
Ｓ１０２において、混雑度推定装置２００における映像解析部１３０が、取得情報格納部１７０から映像を読み出し、読み出した映像を分析することにより、例えば、観測車両が追い抜いた対象車線の車両の台数をカウントする。より具体的には、下記の処理を実行する。以下で詳細に説明するように、観測車両が車両を追い抜いた等は、映像上で、車両が所定位置（例：通過判定線）を通過することで判断できるので、Ｓ１０２は「通過台数をカウント」する処理としている。
図１３は、通過台数をカウントする前段階の処理の概要を示している。映像解析部１３０は、取得情報格納部１７０から映像を読み出した後、映像の各フレームの画像（フレーム画像と呼ぶ）から車両を検出する。画像から車両を検出する処理は既存の物体認識技術を使用して行うことができる。
映像解析部１３０は、フレーム画像から車両を検出したら、その車両を囲む矩形に相当する座標（左上ＸＹ座標、右下ＸＹ座標）を決定し、当該車両の画像と矩形の座標を物体認識結果としてデータ格納部１５０に格納する。図１３の右側に、フレーム画像における車両の画像と矩形が示されている。なお、小さい矩形となる車両、つまり遠方の車両は追跡対象外とする。例えば、フレーム画像面積の０．５％未満となる矩形の車両を追跡対象外としてもよい。また、例えば、画像上の領域を絞る等により、道路外の車両や交差する道路を走行する車両も対象外とする。
図１４は、１つのフレーム画像における車両の画像と矩形をより詳細に示す図である。図１４に示すとおり、フレーム画面の手前側に示されている車両を囲む矩形は、左上ＸＹ座標＝（ｃａｒ＿Ｘ１１，ｃａｒ＿Ｙ１１）と右下ＸＹ座標＝（ｃａｒ＿Ｘ１２，ｃａｒ＿Ｙ１２）で表され、その奥に見える車両を囲む矩形は、左上ＸＹ座標＝（ｃａｒ＿Ｘ２１，ｃａｒ＿Ｙ２１）と右下ＸＹ座標＝（ｃａｒ＿Ｘ２２，ｃａｒ＿Ｙ２２）で表される。映像を構成するフレーム毎（あるいはＮ（Ｎ≧２）枚毎）に、図１４に示す内容に相当する情報（車両の画像とそれを囲む矩形の情報）が得られる。時系列に並ぶ各フレームの進行とともに、フレーム画像上の車両はフレーム画像上を移動する。
映像解析部１３０は、時系列に並ぶ各フレームの上記情報に基づいて、カメラで撮影されたフレーム画像（図１４の例では１９２０×１０８０の画像）上での各車両の移動を追跡する。
一例として、映像解析部１３０は、各フレーム画像内の各矩形内でナンバープレートを検出し、文字認識によりナンバープレートに記載されたナンバーを確認することで車両を特定する。映像解析部１３０は、各フレーム画像上において当該ナンバーが含まれる矩形を探索することで、特定した車両の移動を追跡する。
車両の追跡方法は、ナンバープレートを用いる方法に限られない。例えば、映像解析部１３０は、矩形内から特徴点を算出し、フレーム画像間で特徴点の移動量が最も少なくなる特徴点を持つ車両（矩形）を、追跡対象として選定し、追跡を行うこととしてもよい。この方法と前述したナンバープレートを用いる方法を組み合わせて用いてもよい。
図１５は、フレーム画像間で特徴点の移動量が少ない組み合わせの例を説明する図である。図１５の上側（ａ）と下側（ｂ）において、それぞれ右側の画像から左側の画像に遷移するものとする。
図１５の上側（ａ）に示すように、（１）の矩形内の特徴点とマッチングする特徴点を有する左側の画像として、（３）の矩形内の画像と（４）の矩形内の画像がある。図１５の上側（ａ）で〇、×で示すように、フレーム画像内における、（１）の矩形内の特徴点から（４）の矩形内の特徴点への移動量よりも、（１）の矩形内の特徴点から（３）の矩形内の特徴点への移動量が小さいので、（１）の矩形内の車両の追跡対象は（３）の矩形内の車両であると決定することができる。
また、図１５の下側（ｂ）に示すように、（２）の矩形内の特徴点とマッチングする特徴点を有する左側の画像として、（４）の矩形内の画像と（３）の矩形内の画像がある。図１５の下側（ｂ）で〇、×で示すように、フレーム画像内における、（２）の矩形内の特徴点から（３）の矩形内の特徴点への移動量よりも、（２）の矩形内の特徴点から（４）の矩形内の特徴点への移動量が小さいので、（２）の矩形内の車両の追跡対象は（４）の矩形内の車両であると決定することができる。
次に、映像解析部１３０は、特定した車両毎に、当該車両がフレーム画像上の指定部分（所定位置）を通過したかどうか、通過した場合の通過方向を決定し、通過した回数をカウントする。
具体的な例を図１６を参照して説明する。図１６において、（ａ）のフレーム画像から（ｂ）のフレーム画像に遷移するものとする。図１６（ａ）、（ｂ）に示すように、本実施の形態では、フレーム画像上の予め定めた位置に通過判定線が設けられる。図１６は、観測車両が走行する観測車線の左側の車線をターゲット（対象車線）とする例を示しているため、フレーム画像の横幅方向の中心よりも左側に設けられた、垂直方向の通過判定線を示している。
映像解析部１３０は、例えば、フレーム画像上の通過判定線を矩形の端（この例では左車線をターゲットとしているため右端としている）が通過した当該矩形の数をカウントする。カウントの際、通過した方向も考慮する。
図１６の例では、（ａ）から（ｂ）に遷移するときに、追跡のために特定した車両の矩形の１つである矩形Ａの右端が、通過判定線を右から左に通過している。この通過方向は、観測車両が当該車両を追い抜く方向に相当する。このように、矩形の着目部分が通過判定線を右から左に通過することを、車両が通過判定線を右から左に通過する、と表現してもよい。また、矩形の着目部分が通過判定線を右から左に通過することを、観測車両が対象車線の車両を追い抜いた、と表現してもよい。
本実施の形態では、図１６のように対象車線が観測車線の左側の車線である場合に、矩形の右端が通過判定線を右から左に通過したことを検出した場合、映像解析部１３０は、１台の車両を追い抜いたことを意味する「－１」をメモリ等の記憶手段に記録する。カウント値「１」と、方向を示す情報を別々に記録してもよい。なお、１台の車両を追い抜いた場合に「－１」とすることは例である。これを「１」とし、追い抜かれる場合を「－１」としてもよい。
また、車両の車種（小型車、普通車、バス等の大型車）を画像から識別し、例えば、大型車の場合には、小型車／普通車の２台分をカウントしてもよい。つまり、上記の例では「－２」を記録してもよい。
対象車線が観測車線の右側の車線である場合に、観測車両が対象車線の車両を追い抜くと、フレーム画像上では該当の矩形の端は、右側の車線用に設けられた通過判定線を左から右に通過する。従って、対象車線が観測車線の右側の車線である場合に、矩形の端が通過判定線を左から右に通過したことを検出した場合、映像解析部１３０は、１台の車両を追い抜いたことを意味する「－１」を記録する。
図１７は、観測車線の左側の車線と右側の車線の両方を考慮した場合の通過判定線の一例を示す図である。図１７の例では、左側の車線を考慮した通過判定線として、フレーム画像の左（Ｘ＝０）から、横幅の１／４の長さの位置（つまり、Ｘ＝３２０）に１つの通過判定性が設けられ、右側の車線を考慮した通過判定線として、フレーム画像の左（Ｘ＝０）から、横幅の３／４の長さの位置（つまり、Ｘ＝９６０）に１つの通過判定線が設けられている。なお、１／４、３／４とすることは一例である。
例えば、左側の車線を考慮した通過判定線として、フレーム画像の左（Ｘ＝０）から、横幅の１．５／５の長さの位置に１つの通過判定性が設けられ、右側の車線を考慮した通過判定線として、フレーム画像の左（Ｘ＝０）から、横幅の３．５／５の長さの位置に１つの通過判定性が設けられることとしてもよい。
また、通過判定線は、図１６、図１７に示すような縦直線に限られるわけではない。例えば、斜めの線であってもよい。
また、左側・右側問わず複数車線存在することを考慮し、車線毎に通過数をカウントできるよう複数の通過判定線を設けて別々にカウントしてもよい。図１８に、斜めの通過判定線を２つ設ける場合の例を示す。例えば、図１８の通過判定線Ｘ１について、矩形の右端の辺の中心点といった特定の座標が、通過判定線Ｘ１を通過するかどうかを判定することで通過をカウントすることとしてもよい。
また、複数車線における個々の車線に関しては、例えば図１９に示すように、左側車線の場合、矩形の左下隅の座標の軌道（ベクトルの傾き）で判別することができる。図１９は左側の複数車線の例を示しているが、右側の複数車線における個々の車線に関しては、矩形の右下隅の座標の軌道（ベクトルの傾き）で判別することができる。図２０は、右側と左側のそれぞれにおいて複数車線が存在する場合における上記矩形の座標の軌跡の例を示している。図２０に示すように、軌跡により車線を判別することができる。
以下、通過判定線に基づく判定例をまとめると下記のようになる。
観測車線の左側の車線において、車両が通過判定線を右から左に通過することは、観測車両が左側の車線の車両を追い抜くことに相当する。
観測車線の左側の車線において、車両が通過判定線を左から右に通過することは、観測車両が左側の車線の車両に追い抜かれることに相当する。
観測車線の右側の車線（反対車線ではない）において、車両が通過判定線を左から右に通過することは、観測車両が右側の車線の車両を追い抜くことに相当する。
観測車線の右側の車線（反対車線ではない）において、車両が通過判定線を右から左に通過することは、観測車両が右側の車線の車両に追い抜かれることに相当する。
観測車線の右側の車線（反対車線）において、車両が通過判定線を左から右に通過することは、観測車両が右側の車線の車両とすれ違うことに相当する。
映像解析部１３０は、単位時間（例えば１０秒）分のフレーム画像毎に、カウントした値を、時刻（例えば単位時間の開始時刻）、及び、単位時間における観測車両の平均速度とともにデータ格納部１５０に格納する。また、該当の時刻における観測車両の位置情報を合わせて格納してもよい。
図２に示した例１の場合（中央車線を走行する観測車両が、左側車線の車両を追い抜く場合）において、映像解析部１３０がデータ格納部１５０に格納するデータの例を図２１（ａ）に示す。
図２１（ａ）において、データ１は、時刻１１：４２：１０からの１０秒間における、観測車線の左側の車線において通過判定線を右から左に通過した車両の数が１台であることを示し、観測車線の右側の車線において通過判定線を通過した車両の数が０台であることを示し、当該１０秒間における観測車両の平均速度が３０ｋｍ／ｈであることを示す。
また、データ２は、時刻１１：４２：２０からの１０秒間における、観測車線の左側の車線において通過判定線を右から左に通過した車両の数が１０台であることを示し、観測車線の右側の車線において通過判定線を通過した車両の数が０台であることを示し、当該１０秒間における観測車両の平均速度が３０ｋｍ／ｈであることを示す。以降のデータに関しても同様の意味である。
（Ｓ１０３：混雑度推定、Ｓ１０４：出力）
Ｓ１０３において、混雑度推定部１４０は、Ｓ１０２において映像処理部１３０によりデータ格納部１５０に格納されたデータに基づいて、対象車線の混雑度を推定する。
Ｓ１０３において、混雑度推定部１４０は、Ｓ１０２において映像処理部１３０によりデータ格納部１５０に格納されたデータに基づいて、対象車線の混雑度を推定する。
例えば、混雑度推定部１４０は、単位時間（例：１０秒）のデータ毎に、下記のルールで、対象車線の混雑度が高いか否かを推定する。なお、「混雑度が高い」を「渋滞している」と言い換えてもよい。また、以下で説明する各閾値は、例えば、実験等により求めることができる。
以下のルールでは、「通過台数」（単位時間当たりの通過台数）に関して、観測車両が追い抜く方向の通過台数と、観測車両が追い抜かれる方向の通過台数を分けて考える。
まず、ルール（１－１）～（１－６）を説明する。（１－１）～（１－６）での「通過台数」は、観測車両が追い抜く方向の通過台数、つまり、観測車両が追い抜く車両の台数であるとする。
また、ＶＴＨ１、ＶＴＨ２はそれぞれ速度Ｖに関する閾値であり、ＮＴＨ１、ＮＴＨ２、ＮＴＨ３はそれぞれ、通過台数に関する閾値である。０＜ＶＴＨ１＜ＶＴＨ２、０＜ＮＴＨ２＜ＮＴＨ１＜ＮＴＨ３であるとする。
以下のルールは、観測車両がゆっくり走っているときは、追い抜いた車両数が少なくても何台か追い抜けば、対象車線は渋滞していると判断でき、観測車両が高速で走っているときは、多少の車両を追い抜いても対象車線が渋滞しているとは言えないので、追い抜いた車両数が多い場合に、対象車線は渋滞であると判断する、という分析に基づいている。
（１－１）観測車両の平均速度Ｖが「ＶＴＨ１＜Ｖ≦ＶＴＨ２」であり、対象車線の通過台数Ｎが「ＮＴＨ１≦Ｎ」である場合、当該対象車線の混雑度が高いと推定する。
（１－２）観測車両の平均速度Ｖが「ＶＴＨ１＜Ｖ≦ＶＴＨ２」であり、対象車線の通過台数Ｎが「ＮＴＨ１＞Ｎ」である場合、当該対象車線の混雑度は低い（問題無し）と推定する。
（１－３）観測車両の平均速度Ｖが「０＜Ｖ≦ＶＴＨ１」であり、対象車線の通過台数Ｎが「ＮＴＨ２≦Ｎ」である場合、当該対象車線の混雑度が高いと推定する。また、この場合、観測車線の混雑度も高いと推定してもよい。
（１－４）観測車両の平均速度Ｖが「０＜Ｖ≦ＶＴＨ１」であり、対象車線の通過台数Ｎが「ＮＴＨ２＞Ｎ」である場合、推定ＮＧとする。ただし、他の情報を取得することで混雑度を判別してもよい。例えば、映像から対象車線に車両が存在することを検知した場合、対象車線の混雑度が高く、対象車線に車両が存在しないことを検知した場合、対象車線の混雑度は低い、と推定してもよい。また、この場合、観測車線の混雑度も高いと推定してもよい。
（１－５）観測車両の平均速度Ｖが「Ｖ＞ＶＴＨ２」であり、対象車線の通過台数Ｎが「ＮＴＨ３≦Ｎ」である場合、当該対象車線の混雑度が高いと推定する。
（１－６）観測車両の平均速度Ｖが「Ｖ＞ＶＴＨ２」であり、対象車線の通過台数Ｎが「ＮＴＨ３＞Ｎ」である場合、当該対象車線の混雑度は低い（問題無し）と推定する。
次に、ルール（２－１）～（２－２）を説明する。（２－１）～（２－２）での「通過台数」は、観測車両が追い抜かれる方向の通過台数、つまり、観測車両を追い抜いた車両の台数であるとする。
また、ＶＴＨ３は速度Ｖに関する閾値であり、ＮＴＨ４は通過台数に関する閾値である。
以下のルールは、観測車両がゆっくり走っているときに、観測車両を追い抜く車両数が多ければ、観測車線が渋滞していて、対象車線は渋滞していないと判断でき、観測車両がゆっくり走っているときに、対象車線に車両が走行していて、観測車両を追い抜く対象車線の車両数が少なければ、観測車線と対象車線の両方が渋滞していると判断できる、という分析に基づいている。これら以外の場合には、問題無しとする。
（２－１）観測車両の平均速度Ｖが「０＜Ｖ≦ＶＴＨ３」であり、対象車線の通過台数Ｎが「ＮＴＨ４≦Ｎ」である場合、観測車線の混雑度が高く、当該対象車線の混雑度が低い（問題無し）と推定する。
（２－２）観測車両の平均速度Ｖが「０＜Ｖ≦ＶＴＨ３」であり、対象車線の通過台数Ｎが「ＮＴＨ４＞Ｎ」である場合、推定ＮＧとする。ただし、他の情報を取得することで混雑度を判別してもよい。例えば、映像から対象車線に車両が存在することを検知した場合、対象車線の混雑度が高く、対象車線に車両が存在しないことを検知した場合、対象車線の混雑度は低い、と推定してもよい。また、この場合、観測車線の混雑度も高いと推定してもよい。
次に、ルール（３－１）～（３－２）を説明する。ルール（３－１）～（３－２）は、対象車線が観測車線の反対車線である場合のルールである。この場合、「通過台数」は、観測車両とすれ違う対象車線の車両の台数である。
また、ＶＴＨ４は速度Ｖに関する閾値であり、ＮＴＨ５、ＮＴＨ６は通過台数に関する閾値である。０＜ＮＴＨ５＜ＮＴＨ６である。
以下のルールは、対象車線（反対車線）が渋滞している場合、観測車両の速度が大きければ、非常に多くの車両とすれ違い、観測車両の速度が小さい場合でも、ある程度多くの車両とすれ違う、という分析に基づいている。これら以外の場合には、推定ＮＧ（あるいは問題無し）とする。
（３－１）観測車両の平均速度Ｖが「０＜Ｖ≦ＶＴＨ４」であり、対象車線の通過台数Ｎが「ＮＴＨ５≦Ｎ」である場合、当該対象車線の混雑度が高いと推定する。
（３－２）観測車両の平均速度Ｖが「ＶＴＨ４＜Ｖ」であり、対象車線の通過台数Ｎが「ＮＴＨ６≦Ｎ」である場合、当該対象車線の混雑度が高いと推定する。
より具体的な例について、映像処理部１３０により出力されたデータである図２１（ａ）に示すデータに基づく、対象車線（左側車線）の混雑度推定について説明する。前述したように、図２１（ａ）は、観測車両が左側車線の車両を追い抜く場合におけるデータである。
ここでは、観測車両の単位時間における平均速度が「ＶＴＨ１＜Ｖ≦ＴＨ２」を満たすものとし、前述したルール（１－１）、ルール（１－２）が適用されるものとする。通過台数の閾値であるＮＴＨ１は９であるとする。
まず、混雑度推定部１４０は、データ１を参照し、左側車線の通過台数Ｎ（観測車両が追い抜く台数）が１であるので、「ＮＴＨ１＞Ｎ」となり、この区域（時刻１１：４２：１０からの１０秒間に観測車両が走行する道路の区域）における左側車線の混雑度は低いと推定する。なお、「区域」を「区間」と言い換えてもよい。
続いて、混雑度推定部１４０は、データ２を参照し、左側車線の通過台数Ｎ（観測車両が追い抜く台数）が１０であるので、「ＮＴＨ１≦Ｎ」となり、この区域（時刻１１：４２：２０からの１０秒間に観測車両が走行する道路の区域）における左側車線の混雑度は高いと推定する。データ３～５も同様である。
混雑度推定部１４０は、データ６を参照し、左側車線の通過台数Ｎ（観測車両が追い抜く台数）が１であるので、「ＮＴＨ１＞Ｎ」となり、この区域（時刻１１：４３：００からの１０秒間に観測車両が走行する道路の区域）における左側車線の混雑度は低いと推定する。データ７、８についても同様である。
混雑度推定部１４０は、データ１の次のデータ２から混雑度が高い状態になり、その状態がデータ５まで継続し、データ６からは混雑度の低い状態になることを検出する。これにより、混雑度推定部１４０は、データ１に対応する地点（時刻１１：４２：１０からの１０秒間に観測車両が走行する道路の地点）を、左側車線の混雑度が高い区域の終了（ＥＮＤ）地点（つまり、渋滞の終点）と推定し、データ５に対応する地点（時刻１１：４２：５０からの１０秒間に観測車両が走行する道路の地点）を、左側車線の混雑度が高い区域の開始（ＳＴＡＲＴ）地点（つまり、渋滞の始点）と推定する。
上記の結果に基づき、混雑度推定部１４０は、図２１（ｂ）に示す推定結果を出力する。出力された推定結果はデータ格納部１５０に格納される。
次に、図２２に示すように、観測車両がスムーズに走行している状況で、観測車両が左側車線の車両に追い抜かれる場合の推定例を説明する。
この場合、映像解析部１３０は、例えば、図２３（ａ）に示すデータをデータ格納部１５０に格納する。混雑度推定部１４０は、前述した追い抜かれ時にルールに基づいて、いずれのデータについても問題無しであると推定し、図２３（ｂ）に示す推定結果を出力する。
更に、混雑度推定部１４０は、地図情報等を参照することで、混雑（渋滞）の原因を推定することができる。混雑の原因推定処理については後述する。地図情報等については、データ格納部１５０に格納されていてもよいし、インターネット上のサーバにアクセスして参照することとしてもよい。
混雑度推定部１４０は、最終的に下記に示すようなデータを推定結果としてデータ格納部１５０に格納する。当該推定結果は、例えば、ユーザからの要求に基づいて、出力部１６０がデータ格納部１５０から読み出して外部に出力する。
データ１：国道１号線，Ｓｔａｒｔ地点（緯度ｘｘ１，経度ｙｙ１），Ｅｎｄ地点（緯度ｘｘ２，経度ｙｙ２），原因（商業施設駐車場入り口），時刻１１：４２：１０～時刻１１：４２：５０，左側通過台数－２１台，右側通過台数０台，自車平均速度５１ｋｍ／ｈ
データ２：県道ＧＧ号線，Ｓｔａｒｔ地点（緯度ｘｘ３，経度ｙｙ３），Ｅｎｄ地点（緯度ｘｘ４，経度ｙｙ４），原因（サグ部），時刻１１：４４：５０～時刻１１：４５：００，左側通過台数０台，右側通過台数０台，自車平均速度１１ｋｍ／ｈ...．。
データ２：県道ＧＧ号線，Ｓｔａｒｔ地点（緯度ｘｘ３，経度ｙｙ３），Ｅｎｄ地点（緯度ｘｘ４，経度ｙｙ４），原因（サグ部），時刻１１：４４：５０～時刻１１：４５：００，左側通過台数０台，右側通過台数０台，自車平均速度１１ｋｍ／ｈ...．。
（混雑の原因の推定例）
次に、混雑度推定部１４０が実行する混雑原因の推定の例について説明する。混雑度推定部１４０は、下記のＳ１～Ｓ４の手順で混雑原因の推定を行うが、観測車両が走行している道路が高速道路である場合には、Ｓ１、Ｓ２を行わず、Ｓ３に進むこととしてもよい。
次に、混雑度推定部１４０が実行する混雑原因の推定の例について説明する。混雑度推定部１４０は、下記のＳ１～Ｓ４の手順で混雑原因の推定を行うが、観測車両が走行している道路が高速道路である場合には、Ｓ１、Ｓ２を行わず、Ｓ３に進むこととしてもよい。
＜Ｓ１＞
Ｓ１では、渋滞の始点の周辺に信号機が存在する場合に、渋滞の原因を信号待ちであると推定する。より詳細には、混雑度推定部１４０は、前述した処理により、観測車線の進行方向と同じ進行方向の対象車線におけるある区域の混雑度が高い（渋滞している）ことを検知した場合に、混雑度の高い区域のＳｔａｒｔ地点を起点とする進行方向の所定範囲に、信号機が存在するか否かを地図情報（道路ネットワークデータベース、信号機データベース等でもよい）を検索することにより決定する。
Ｓ１では、渋滞の始点の周辺に信号機が存在する場合に、渋滞の原因を信号待ちであると推定する。より詳細には、混雑度推定部１４０は、前述した処理により、観測車線の進行方向と同じ進行方向の対象車線におけるある区域の混雑度が高い（渋滞している）ことを検知した場合に、混雑度の高い区域のＳｔａｒｔ地点を起点とする進行方向の所定範囲に、信号機が存在するか否かを地図情報（道路ネットワークデータベース、信号機データベース等でもよい）を検索することにより決定する。
上記の所定範囲とは、例えば、図２４に示すように、混雑度の高い区域のＳｔａｒｔ地点に接する直径Ｎメートルの円の範囲であってもよい。Ｎは、例えば、道路の幅の２倍の長さであってもよい。
上記所定範囲内に信号機が検出された場合、図２４に示す状況が該当するので、混雑推定部１４０は、「信号待ち」が混雑度の高いことの原因であると推定する。
＜Ｓ２＞
Ｓ２では、渋滞の始点の周辺に商業施設又は商業施設の駐車場が存在することを検知した場合に、渋滞の原因を商業施設への入庫待ちであると推定する。より詳細には下記のとおりである。
Ｓ２では、渋滞の始点の周辺に商業施設又は商業施設の駐車場が存在することを検知した場合に、渋滞の原因を商業施設への入庫待ちであると推定する。より詳細には下記のとおりである。
Ｓ１において、所定範囲に信号機が存在しない場合、混雑度推定部１４０は、混雑度の高い区域のＳｔａｒｔ地点（あるいはＳｔａｒｔ地点が検出されたデータの時刻における観測車両の位置）から半径Ｍメートルの円内の施設を地図情報等から検索する。なお、検索する範囲は、例えば、図２５に示すように、Ｓｔａｒｔ地点の時刻の観測車両の位置を中心とする、進行方向に対して横方向に長い楕円であってもよい。楕円の長軸の長半径をＭメートルとしてもよい。Ｍは、例えば、「道路の幅の１／２の長さ＋一般的な施設の奥行長（道路沿いの施設の道路と垂直方向の幅）」であってもよい。
上記の検索の結果、商業施設又は同施設の駐車場を検出した場合、混雑度推定部１４０は、対象車線の車両の同施設への入庫待ちにより混雑度が高いと推定する。図２５は、この状況の例を示している。
＜Ｓ３＞
上記のいずれでもない場合、混雑度推定部１４０は、観測車両が走行している道路における、混雑度の高い区域（区域Ａ）、混雑度の高い区域の前方の区域（区域Ｂ）、及び、混雑度の高い区域の後方の区域（区域Ｃ）のそれぞれの標高（又は高さ）を地図情報（ダイナミックマップ（高度デジタル地図）等）から取得する。そして、例えば、標高として、区域Ａ＝０ｍ、区域Ｂ＝５ｍ、区域Ｃ＝５ｍという値が得られたとすると、混雑度推定部１４０は、区域Ａは、サグ部（下り坂から上り坂に変わる凹部）であると判断し、混雑度が高い原因は、車両がサグ部を通過しているからである、と推定する。サグ部が原因の混雑度高の状況の例を図２６に示す。
上記のいずれでもない場合、混雑度推定部１４０は、観測車両が走行している道路における、混雑度の高い区域（区域Ａ）、混雑度の高い区域の前方の区域（区域Ｂ）、及び、混雑度の高い区域の後方の区域（区域Ｃ）のそれぞれの標高（又は高さ）を地図情報（ダイナミックマップ（高度デジタル地図）等）から取得する。そして、例えば、標高として、区域Ａ＝０ｍ、区域Ｂ＝５ｍ、区域Ｃ＝５ｍという値が得られたとすると、混雑度推定部１４０は、区域Ａは、サグ部（下り坂から上り坂に変わる凹部）であると判断し、混雑度が高い原因は、車両がサグ部を通過しているからである、と推定する。サグ部が原因の混雑度高の状況の例を図２６に示す。
＜Ｓ４＞
Ｓ１～Ｓ３のいずれでもない場合、混雑度推定部１４０は、混雑度が高いことの原因を、「事故の発生」であると推定する。つまり、事故渋滞が発生していると推定する。なお、「Ｓ１～Ｓ３のいずれでもない場合、かつ、交通事故発生マップ情報等から、混雑度が高い区域の周辺における事故情報が取得出来た場合」に、混雑度が高いことの原因を、「事故の発生」であると推定することとしてもよい。
Ｓ１～Ｓ３のいずれでもない場合、混雑度推定部１４０は、混雑度が高いことの原因を、「事故の発生」であると推定する。つまり、事故渋滞が発生していると推定する。なお、「Ｓ１～Ｓ３のいずれでもない場合、かつ、交通事故発生マップ情報等から、混雑度が高い区域の周辺における事故情報が取得出来た場合」に、混雑度が高いことの原因を、「事故の発生」であると推定することとしてもよい。
以上がＳ１～Ｓ４の説明である。
なお、混雑度推定部１４０は、渋滞のＳｔａｒｔ地点であると推定した場所から撮影した映像を分析することで、その映像内に信号機が映り込んでいるか、パーキングや商業施設名を表す看板が映っているか、事故車両や障害物が映っているか、等を判断することにより、Ｓ１～Ｓ２を実施してもよい。
また、Ｓ１～Ｓ３において渋滞のＳｔａｒｔ地点に基づく分析で原因を推定できなかった場合に、Ｓｔａｒｔ地点の直後の地点からＥｎｄ地点までの場所（Ｅｎｄ地点を含む）でＳ１～Ｓ３と同様の分析を実施することにより原因を推定してもよい。
なお、前述したルール２－１が該当する場合のように、観測車線の混雑度が高く、対象車線の混雑度が低いと推定された場合において、混雑度が高い時刻の観測車両の位置の周辺の施設を地図情報等から検索し、検索の結果、大型商業施設又は同施設の駐車場を検出した場合、混雑度推定部１４０は、観測車線の車両の同施設への入庫により、観測車線の混雑度が高いと推定することとしてもよい。この状況の例を図２７に示す。
（ハードウェア構成例）
本実施の形態における混雑度推定装置２００は、例えば、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。なお、この「コンピュータ」は、物理マシンであってもよいし、クラウド上の仮想マシンであってもよい。仮想マシンを使用する場合、ここで説明する「ハードウェア」は仮想的なハードウェアである。
本実施の形態における混雑度推定装置２００は、例えば、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。なお、この「コンピュータ」は、物理マシンであってもよいし、クラウド上の仮想マシンであってもよい。仮想マシンを使用する場合、ここで説明する「ハードウェア」は仮想的なハードウェアである。
上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メール等、ネットワークを通して提供することも可能である。
図２８は、上記コンピュータのハードウェア構成例を示す図である。図２８のコンピュータは、それぞれバスＢＳで相互に接続されているドライブ装置１０００、補助記憶装置１００２、メモリ装置１００３、ＣＰＵ１００４、インタフェース装置１００５、表示装置１００６、及び入力装置１００７等を有する。なお、当該コンピュータは、ＣＰＵ１００４の代わりに、又はＣＰＵ１００４と共にＧＰＵ（Graphics Processing Unit）を有してもよい。
当該コンピュータでの処理を実現するプログラムは、例えば、ＣＤ－ＲＯＭ又はメモリカード等の記録媒体１００１によって提供される。プログラムを記憶した記録媒体１００１がドライブ装置１０００にセットされると、プログラムが記録媒体１００１からドライブ装置１０００を介して補助記憶装置１００２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１００１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１００２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
メモリ装置１００３は、プログラムの起動指示があった場合に、補助記憶装置１００２からプログラムを読み出して格納する。ＣＰＵ１００４（又はＧＰＵ、又はＣＰＵ１００４とＧＰＵ）は、メモリ装置１００３に格納されたプログラムに従って、当該装置に係る機能を実現する。インタフェース装置１００５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１００６はプログラムによるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等を表示する。入力装置１００７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。出力装置１００８は演算結果を出力する。
（実施の形態の効果等）
以上、説明したように、本実施の形態に係る技術によれば、道路上を走行する車両の混雑に係る状態を広範囲に渡って推定することが可能となり、例えば、渋滞の先頭や末尾、あるいはその渋滞の原因（商業施設の駐車場への入庫待ち等）も推定できる。
以上、説明したように、本実施の形態に係る技術によれば、道路上を走行する車両の混雑に係る状態を広範囲に渡って推定することが可能となり、例えば、渋滞の先頭や末尾、あるいはその渋滞の原因（商業施設の駐車場への入庫待ち等）も推定できる。
（実施の形態のまとめ）
本明細書には、少なくとも下記の各項に記載した状態推定方法、状態推定装置、及びプログラムが記載されている。
（第１項）
対象車線の混雑に係る状態を推定する状態推定装置が実行する状態推定方法であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、
前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定方法。
（第２項）
前記推定ステップにおいて、前記観測車両の混雑に係る状態が渋滞の場合における前記閾値は、前記観測車両の混雑に係る状態が非渋滞の場合における閾値よりも小さい
第１項に記載の状態推定方法。
（第３項）
前記観測車両の混雑に係る状態は、前記観測車両の速度である
第１項に記載の状態推定方法。
（第４項）
前記推定ステップにおいて、前記観測車両の速度が第１の値である場合における前記閾値は、前記観測車両の速度が、前記第１の値よりも大きい第２の値である場合における前記閾値よりも小さい
第３項に記載の状態推定方法。
（第５項）
前記カウントステップにおいて、前記観測車両に搭載されたカメラにより撮影された映像上の所定位置を前記対象車線の車両が通過したことを検出することにより前記カウントを行う
第１項ないし第４項のうちいずれか１項に記載の状態推定方法。
（第６項）
前記推定ステップにおいて、前記対象車線における混雑に係る状態を渋滞と推定した場合に、前記カウントステップで得られた単位時間毎の前記観測車両が追い抜いた車両の数に基づいて、前記渋滞の始点と終点を推定する
第１項ないし第５項のうちいずれか１項に記載の状態推定方法。
（第７項）
前記推定ステップにおいて、前記渋滞の始点の周辺に信号機が存在することを検知した場合に、前記渋滞の原因を信号待ちであると推定する
第６項に記載の状態推定方法。
（第８項）
前記推定ステップにおいて、前記渋滞の始点の周辺に商業施設又は商業施設の駐車場が存在することを検知した場合に、前記渋滞の原因を前記商業施設への入庫待ちであると推定する
第６項又は第７項に記載の状態推定方法。
（第９項）
前記推定ステップにおいて、前記渋滞の区間、前記渋滞の前方の区間、及び前記渋滞の後方の区間それぞれの高さを取得し、前記渋滞の区間が、前記渋滞の前方の区間、及び前記渋滞の後方の区間のいずれよりも低いことを検知した場合に、前記渋滞の原因がサグ部であると推定する
第６項ないし第８項のうちいずれか１項に記載の状態推定方法。
（第１０項）
対象車線の混雑に係る状態を推定する状態推定装置であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得部と、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウント部と、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定部と、を有し、
前記推定部は、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定装置。
（第１１項）
コンピュータに、第１項ないし第９項のうちのいずれか１項に記載の状態推定方法における各ステップを実行させるためのプログラム。
本明細書には、少なくとも下記の各項に記載した状態推定方法、状態推定装置、及びプログラムが記載されている。
（第１項）
対象車線の混雑に係る状態を推定する状態推定装置が実行する状態推定方法であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、
前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定方法。
（第２項）
前記推定ステップにおいて、前記観測車両の混雑に係る状態が渋滞の場合における前記閾値は、前記観測車両の混雑に係る状態が非渋滞の場合における閾値よりも小さい
第１項に記載の状態推定方法。
（第３項）
前記観測車両の混雑に係る状態は、前記観測車両の速度である
第１項に記載の状態推定方法。
（第４項）
前記推定ステップにおいて、前記観測車両の速度が第１の値である場合における前記閾値は、前記観測車両の速度が、前記第１の値よりも大きい第２の値である場合における前記閾値よりも小さい
第３項に記載の状態推定方法。
（第５項）
前記カウントステップにおいて、前記観測車両に搭載されたカメラにより撮影された映像上の所定位置を前記対象車線の車両が通過したことを検出することにより前記カウントを行う
第１項ないし第４項のうちいずれか１項に記載の状態推定方法。
（第６項）
前記推定ステップにおいて、前記対象車線における混雑に係る状態を渋滞と推定した場合に、前記カウントステップで得られた単位時間毎の前記観測車両が追い抜いた車両の数に基づいて、前記渋滞の始点と終点を推定する
第１項ないし第５項のうちいずれか１項に記載の状態推定方法。
（第７項）
前記推定ステップにおいて、前記渋滞の始点の周辺に信号機が存在することを検知した場合に、前記渋滞の原因を信号待ちであると推定する
第６項に記載の状態推定方法。
（第８項）
前記推定ステップにおいて、前記渋滞の始点の周辺に商業施設又は商業施設の駐車場が存在することを検知した場合に、前記渋滞の原因を前記商業施設への入庫待ちであると推定する
第６項又は第７項に記載の状態推定方法。
（第９項）
前記推定ステップにおいて、前記渋滞の区間、前記渋滞の前方の区間、及び前記渋滞の後方の区間それぞれの高さを取得し、前記渋滞の区間が、前記渋滞の前方の区間、及び前記渋滞の後方の区間のいずれよりも低いことを検知した場合に、前記渋滞の原因がサグ部であると推定する
第６項ないし第８項のうちいずれか１項に記載の状態推定方法。
（第１０項）
対象車線の混雑に係る状態を推定する状態推定装置であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得部と、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウント部と、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定部と、を有し、
前記推定部は、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定装置。
（第１１項）
コンピュータに、第１項ないし第９項のうちのいずれか１項に記載の状態推定方法における各ステップを実行させるためのプログラム。
以上、本実施の形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
１００ 混雑度推定システム
１１０ 周囲状態取得部
１２０ 自車状態取得部
１３０ 映像解析部
１４０ 混雑度推定部
１５０ データ格納部
１６０ 出力部
１７０ 取得情報格納部
２００ 混雑度推定装置
１０００ ドライブ装置
１００１ 記録媒体
１００２ 補助記憶装置
１００３ メモリ装置
１００４ ＣＰＵ
１００５ インタフェース装置
１００６ 表示装置
１００７ 入力装置
１００８ 出力装置
１１０ 周囲状態取得部
１２０ 自車状態取得部
１３０ 映像解析部
１４０ 混雑度推定部
１５０ データ格納部
１６０ 出力部
１７０ 取得情報格納部
２００ 混雑度推定装置
１０００ ドライブ装置
１００１ 記録媒体
１００２ 補助記憶装置
１００３ メモリ装置
１００４ ＣＰＵ
１００５ インタフェース装置
１００６ 表示装置
１００７ 入力装置
１００８ 出力装置
Claims (11)
- 対象車線の混雑に係る状態を推定する状態推定装置が実行する状態推定方法であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得ステップと、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウントステップと、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定ステップと、を有し、
前記推定ステップにおいて、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定方法。 - 前記推定ステップにおいて、前記観測車両の混雑に係る状態が渋滞の場合における前記閾値は、前記観測車両の混雑に係る状態が非渋滞の場合における閾値よりも小さい
請求項１に記載の状態推定方法。 - 前記観測車両の混雑に係る状態は、前記観測車両の速度である
請求項１に記載の状態推定方法。 - 前記推定ステップにおいて、前記観測車両の速度が第１の値である場合における前記閾値は、前記観測車両の速度が、前記第１の値よりも大きい第２の値である場合における前記閾値よりも小さい
請求項３に記載の状態推定方法。 - 前記カウントステップにおいて、前記観測車両に搭載されたカメラにより撮影された映像上の所定位置を前記対象車線の車両が通過したことを検出することにより前記カウントを行う
請求項１ないし４のうちいずれか１項に記載の状態推定方法。 - 前記推定ステップにおいて、前記対象車線における混雑に係る状態を渋滞と推定した場合に、前記カウントステップで得られた単位時間毎の前記観測車両が追い抜いた車両の数に基づいて、前記渋滞の始点と終点を推定する
請求項１ないし５のうちいずれか１項に記載の状態推定方法。 - 前記推定ステップにおいて、前記渋滞の始点の周辺に信号機が存在することを検知した場合に、前記渋滞の原因を信号待ちであると推定する
請求項６に記載の状態推定方法。 - 前記推定ステップにおいて、前記渋滞の始点の周辺に商業施設又は商業施設の駐車場が存在することを検知した場合に、前記渋滞の原因を前記商業施設への入庫待ちであると推定する
請求項６又は７に記載の状態推定方法。 - 前記推定ステップにおいて、前記渋滞の区間、前記渋滞の前方の区間、及び前記渋滞の後方の区間それぞれの高さを取得し、前記渋滞の区間が、前記渋滞の前方の区間、及び前記渋滞の後方の区間のいずれよりも低いことを検知した場合に、前記渋滞の原因がサグ部であると推定する
請求項６ないし８のうちいずれか１項に記載の状態推定方法。 - 対象車線の混雑に係る状態を推定する状態推定装置であって、
非対象車線を走行している観測車両の混雑に係る状態を取得する取得部と、
前記観測車両が追い抜いた又はすれ違った、前記対象車線を走行する車両の数をカウントするカウント部と、
前記観測車両の混雑に係る状態と、前記車両の数とから前記対象車線における混雑に係る状態を推定する推定部と、を有し、
前記推定部は、前記車両の数が、前記観測車両の混雑に係る状態に応じた閾値以上である場合に、前記対象車線における混雑に係る状態を渋滞と推定する
状態推定装置。 - コンピュータに、請求項１ないし９のうちのいずれか１項に記載の状態推定方法における各ステップを実行させるためのプログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/919,234 US20230154312A1 (en) | 2020-04-21 | 2020-04-21 | State estimation method, state estimation apparatus and program |
| JP2022516516A JP7468633B2 (ja) | 2020-04-21 | 2020-04-21 | 状態推定方法、状態推定装置、及びプログラム |
| PCT/JP2020/017209 WO2021214871A1 (ja) | 2020-04-21 | 2020-04-21 | 状態推定方法、状態推定装置、及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2020/017209 WO2021214871A1 (ja) | 2020-04-21 | 2020-04-21 | 状態推定方法、状態推定装置、及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2021214871A1 true WO2021214871A1 (ja) | 2021-10-28 |
Family
ID=78270454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2020/017209 WO2021214871A1 (ja) | 2020-04-21 | 2020-04-21 | 状態推定方法、状態推定装置、及びプログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230154312A1 (ja) |
| JP (1) | JP7468633B2 (ja) |
| WO (1) | WO2021214871A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116403412B (zh) * | 2023-06-08 | 2023-09-19 | 深圳金三立视频科技股份有限公司 | 一种车辆拥堵检测方法以及终端 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010009366A (ja) * | 2008-06-27 | 2010-01-14 | Ihi Corp | 円滑走行支援システム |
| JP2013109495A (ja) * | 2011-11-18 | 2013-06-06 | Denso Corp | 車両制御装置 |
| JP2013167943A (ja) * | 2012-02-14 | 2013-08-29 | Sumitomo Electric System Solutions Co Ltd | 渋滞判定装置、コンピュータプログラム及び渋滞判定方法 |
| JP2017174345A (ja) * | 2016-03-25 | 2017-09-28 | パイオニア株式会社 | 混雑度算出装置、混雑度算出方法並びに混雑度算出用プログラム及び記録媒体 |
| JP2020009189A (ja) * | 2018-07-09 | 2020-01-16 | 株式会社トヨタマップマスター | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム |
| JP2020095565A (ja) * | 2018-12-14 | 2020-06-18 | トヨタ自動車株式会社 | 情報処理システム、プログラム、及び情報処理方法 |
-
2020
- 2020-04-21 WO PCT/JP2020/017209 patent/WO2021214871A1/ja active Application Filing
- 2020-04-21 US US17/919,234 patent/US20230154312A1/en active Pending
- 2020-04-21 JP JP2022516516A patent/JP7468633B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010009366A (ja) * | 2008-06-27 | 2010-01-14 | Ihi Corp | 円滑走行支援システム |
| JP2013109495A (ja) * | 2011-11-18 | 2013-06-06 | Denso Corp | 車両制御装置 |
| JP2013167943A (ja) * | 2012-02-14 | 2013-08-29 | Sumitomo Electric System Solutions Co Ltd | 渋滞判定装置、コンピュータプログラム及び渋滞判定方法 |
| JP2017174345A (ja) * | 2016-03-25 | 2017-09-28 | パイオニア株式会社 | 混雑度算出装置、混雑度算出方法並びに混雑度算出用プログラム及び記録媒体 |
| JP2020009189A (ja) * | 2018-07-09 | 2020-01-16 | 株式会社トヨタマップマスター | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム |
| JP2020095565A (ja) * | 2018-12-14 | 2020-06-18 | トヨタ自動車株式会社 | 情報処理システム、プログラム、及び情報処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7468633B2 (ja) | 2024-04-16 |
| JPWO2021214871A1 (ja) | 2021-10-28 |
| US20230154312A1 (en) | 2023-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4513740B2 (ja) | 経路案内システム及び経路案内方法 | |
| JP6173791B2 (ja) | 道路状況把握システム、及び道路状況把握装置 | |
| US10762782B2 (en) | On-street parking map generation | |
| US20190042857A1 (en) | Information processing system and information processing method | |
| US10147315B2 (en) | Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data | |
| US20190186929A1 (en) | Route searching device, route searching system, and computer program | |
| JP2010132056A (ja) | 検知装置、検知方法および車両制御装置 | |
| KR20210052031A (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
| US9550529B2 (en) | Apparatus and method for recognizing driving field of vehicle | |
| JP4580995B2 (ja) | 道路交通管制システム | |
| WO2021214871A1 (ja) | 状態推定方法、状態推定装置、及びプログラム | |
| CN113454555A (zh) | 用于驾驶策略的轨迹预测 | |
| CN109830123B (zh) | 路口碰撞预警方法及系统 | |
| JP2011198142A (ja) | 情報提供プログラム、情報提供装置および情報提供方法 | |
| Huang et al. | Objective and subjective analysis to quantify influence factors of driving risk | |
| US20220036730A1 (en) | Dangerous driving detection device, dangerous driving detection system, dangerous driving detection method, and storage medium | |
| CN113677585B (zh) | 一种盲区检测方法和装置 | |
| WO2022168437A1 (ja) | 車両および運転支援装置 | |
| US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
| Nguyen et al. | Safety spaces for overtaking movements in motorcycle traffic flow | |
| CN111886167A (zh) | 通过碰撞风险图执行自动驾驶车辆控制 | |
| Shim et al. | Vehicle speed measurement methodology robust to playback speed-manipulated video file | |
| JP4128962B2 (ja) | 道路交通管制システム | |
| JP2022027306A (ja) | 移動体妨害検出装置、移動体妨害検出システム、及び移動体妨害検出プログラム | |
| KR102631777B1 (ko) | 경로 안내 방법 및 경로 안내 시스템 |
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: 20932123 Country of ref document: EP Kind code of ref document: A1 |
|
| ENP | Entry into the national phase |
Ref document number: 2022516516 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: 20932123 Country of ref document: EP Kind code of ref document: A1 |