WO2022024208A1 - 交通監視装置、交通監視システム、交通監視方法及びプログラム - Google Patents

交通監視装置、交通監視システム、交通監視方法及びプログラム Download PDF

Info

Publication number
WO2022024208A1
WO2022024208A1 PCT/JP2020/028845 JP2020028845W WO2022024208A1 WO 2022024208 A1 WO2022024208 A1 WO 2022024208A1 JP 2020028845 W JP2020028845 W JP 2020028845W WO 2022024208 A1 WO2022024208 A1 WO 2022024208A1
Authority
WO
WIPO (PCT)
Prior art keywords
traffic
road
abnormal event
information
vehicle
Prior art date
Application number
PCT/JP2020/028845
Other languages
English (en)
French (fr)
Inventor
尚武 高橋
均 櫻井
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 PCT/JP2020/028845 priority Critical patent/WO2022024208A1/ja
Priority to JP2022539825A priority patent/JPWO2022024208A1/ja
Priority to US18/017,466 priority patent/US20230274634A1/en
Publication of WO2022024208A1 publication Critical patent/WO2022024208A1/ja

Links

Images

Classifications

    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G08G1/0112—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
    • 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
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0104—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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station

Definitions

  • the present invention relates to a traffic monitoring device, a traffic monitoring system, a traffic monitoring method and a program.
  • Patent Document 1 discloses a technique for grasping the distribution state of moving objects in a target section on a route from a point A to a point B.
  • the route guidance device described in Patent Document 1 calculates the number of moving objects existing in each of the small sections in which the target section is divided into several hundred meters in a certain cross section based on the detection result of the vehicle detector. By doing so, the distribution of moving objects can be grasped.
  • Patent Document 1 Several vehicle detectors described in Patent Document 1 are installed in a small section mainly for detecting the speed of a vehicle traveling on a road, the amount of passing traffic, etc. in road traffic, and are widely used in the field of road traffic control. There is a description of.
  • Patent Document 2 discloses a technique for supporting the appropriate use of probe information.
  • the traffic information management system described in Patent Document 2 calculates a first traffic condition using information acquired from a vehicle detector installed on the road for each of a plurality of sections of the road, and travels on the road.
  • the second traffic condition is calculated using the probe information acquired from the vehicle. Then, the traffic information management system displays the first traffic condition and the second traffic condition regarding the section where the difference between the first traffic condition and the second traffic condition is equal to or more than a predetermined threshold value on the display unit.
  • the traffic conditions in one section of the road may affect other sections, so for road control, it is desirable to be able to grasp the traffic conditions of moving objects on the road from a bird's-eye view over a wide area.
  • it is desirable to be able to grasp the traffic conditions on the road in real time because the traffic conditions change from moment to moment, for example, when there is a traffic accident, traffic jams occur in a relatively short time.
  • the distribution state of the moving body in the target section grasped by the technique described in Patent Document 1 is the number of moving bodies existing in each of the small sections divided by the target section, and the traffic condition of the moving body on the road is determined. It is difficult to grasp in real time from a bird's-eye view over a wide area.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to provide a traffic monitoring device, a traffic monitoring system, a traffic monitoring method, and a program capable of grasping a wide area traffic situation in real time from a bird's-eye view. And.
  • the traffic monitoring device is A position acquisition means for acquiring position information indicating the vehicle position on the road, and A history generation means for generating a first history information indicating a change over time of the vehicle position based on the position information is provided.
  • the traffic monitoring system is With the above traffic monitoring device, An optical fiber laid on the road and end-treated to suppress the reflection of optical signals at one end. It is equipped with a sensing device that inputs an optical signal to the optical fiber and observes the amount of change in the optical interference intensity, which is the intensity of the light that the backscattered light generated by the input of the optical signal interferes with each other.
  • the position acquisition means acquires the position information on the road obtained based on the amount of change in the optical interference intensity observed by the sensing device.
  • the traffic monitoring method is The computer Acquiring location information indicating the vehicle position on the road, It includes generating first history information indicating a change over time of the vehicle position based on the position information.
  • the program according to the fourth aspect of the present invention is Acquiring location information indicating the vehicle position on the road,
  • the purpose is to generate first history information indicating a change over time in the vehicle position based on the position information.
  • the traffic monitoring system 100 is a system for monitoring the traffic of the vehicle 101 traveling on the road R by using the optical fiber sensing technology.
  • the road R is typically a highway, but may be any other general road.
  • the vehicle 101 is an automobile, a motorcycle, a bus, a truck, or the like.
  • the traffic monitoring system 100 includes an optical fiber OF, a sensing device 102, a camera 103, and a traffic monitoring device 104.
  • the optical fiber OF is an optical fiber cable laid on the road R.
  • the optical fiber OF is, for example, one core of a multi-core optical fiber cable for communication generally laid on the shoulder of a highway or a median strip, and a sensing device 102 is connected to one end thereof. The other end is subjected to a termination process that suppresses the reflection of optical signals.
  • a plurality of fiber cables among the multi-core optical fiber cables may be adopted as the optical fiber OF for optical fiber sensing.
  • the sensing device 102 inputs an optical signal to the optical fiber OF, and observes the amount of change in the optical interference intensity, which is the intensity of the light in which the backscattered light generated by the input of the optical signal interferes with each other.
  • the sensing device 102 inputs a pulse waveform optical signal from one end of the optical fiber OF.
  • weak return light called backscattered light is generated from all positions of the optical fiber OF.
  • the sensing device 102 observes the backscattered light.
  • the structure and characteristic parameters of the quartz glass constituting the optical fiber change with the environmental change, and the signal quality of the backscattered light from the place where the change occurs also changes. ..
  • the phase state of the backscattered light changes. This change in the phase state of the backscattered light is observed as a change in light intensity due to interference with other backscattered light received at the same time. That is, the sensing device 102 inputs an optical signal to the optical fiber OF and observes the amount of change in the optical interference intensity caused by the application of vibration.
  • the location of vibration is calculated from the round-trip time from the input of the optical signal to the observation of backscattered light and the propagation speed of the optical signal.
  • the optical signal is repeatedly input at a constant frequency so that the backscattered light from the other end of the optical fiber OF (that is, the farthest end when viewed from the sensing device 102) and the optical signal to be input next are not mixed. Ru. This makes it possible to accurately and in real time observe the transition of environmental changes such as vibrations that occur around the optical fiber OF.
  • optical fiber sensing is a technology for detecting the location of vibration using the optical fiber OF as a sensing medium.
  • a general optical fiber OF which is a transmission medium for communication data, can be used as a linear passive sensor, so traffic conditions over a wide area can be displayed in real time without installing a new sensor. Can be grasped.
  • the camera 103 is an example of an image pickup means for photographing the road R in order to grasp the traffic condition of the road R.
  • the camera 103 is, for example, a CCTV (closed-circuit television) camera installed at intervals on the road R.
  • the traffic monitoring device 104 repeatedly acquires observation information including the location of vibration on the road R from the sensing device 102.
  • the place where the vibration occurs corresponds to the position (vehicle position) of the vehicle 101 on the road R. Therefore, the observation information includes position information indicating the vehicle position.
  • the traffic monitoring device 104 obtains a change over time in the vehicle position from the position information repeatedly acquired. Then, the traffic monitoring device 104 calculates a traffic parameter indicating the traffic condition of the road based on the change with time of the vehicle position, detects an abnormal event occurring on the road R, and changes the vehicle position with time in the future. Predicts the occurrence of abnormal events, and provides traffic control support including presentation of traffic control means.
  • the road obstacle means that an obstacle to the passage of the vehicle 101 (for example, a vehicle stopped in an accident, a dropped load, a flying object due to a strong wind) exists on the road.
  • Examples of traffic parameters are the speed of the vehicle 101 traveling on the road R, the traffic density of the road R, the traffic volume which is the amount of the vehicle 101 traveling at a predetermined point on the road R per unit time, and the road R being a vehicle.
  • the occupancy rate (occupancy) indicating the ratio occupied by 101 can be mentioned.
  • the change over time in the vehicle position is shown by a diagram in which the vehicle position is on the horizontal axis and the time is on the vertical axis, as shown in FIG.
  • the solid line HP1 shown in FIG. 1 shows the change over time of the vehicle position with respect to the vehicle 101 passing through the up lane
  • the dotted line HP2 shows the change with time of the vehicle position with respect to the vehicle 101 passing through the down lane (not shown). show.
  • the solid line HP1 and the dotted line HP2 in the region surrounded by the alternate long and short dash line P are examples of changes over time in the vehicle position from the past to the present.
  • Information indicating the change over time of the vehicle position from the past to the present, that is, the history of the vehicle position is referred to as history information.
  • the solid line HP1 and the dotted line HP2 in the region surrounded by the alternate long and short dash line F provide information indicating the predicted future vehicle position change over time, which is an example of the predicted future vehicle position change over time. , Called forecast information.
  • an example of generating historical information of a vehicle 101 heading in one direction (a vehicle 101 traveling in an up lane) will be described. Then, based on the generated history information, an example of acquiring traffic parameters, detecting abnormal events, predicting changes in vehicle position over time, predicting the occurrence of abnormal events, presenting traffic control means, and the like will be described. ..
  • the traffic parameters, the detection of abnormal events, and the change over time in the vehicle position are based on the change over time in the vehicle position of the vehicle 101 traveling in the opposite direction. It is possible to predict the occurrence of abnormal events and present traffic control means.
  • the traffic monitoring device 104 includes an input unit 105, a position acquisition unit 106, a history generation unit 107, a first learning model storage unit 108, a traffic condition acquisition unit 109, and an abnormality detection unit 110. , Event-specific history pattern storage unit 111, prediction unit 112, second learning model storage unit 113, abnormality prediction unit 114, control unit 115, display unit 116, display control unit 117, and image pickup control unit 118. And a communication unit 119.
  • the input unit 105 is a keyboard, mouse, touch panel, etc. for the user to input instructions and the like.
  • the position acquisition unit 106 acquires the position information on the road R obtained based on the optical fiber sensing using the optical fiber OF laid on the road R from the sensing device 102.
  • the position acquisition unit 106 repeatedly acquires the position information on the road R obtained based on the amount of change in the optical interference intensity observed by the sensing device 102 from the sensing device 102.
  • the position information will be described by an example obtained based on optical fiber sensing, but the information can be obtained from various sensors set on the road R such as a CCTV camera and a traffic meter (coil). It may be obtained based on. Further, the position information may be acquired based on the probe information of ETC (Electronic Toll Collection System) 2.0 or the like.
  • ETC Electronic Toll Collection System
  • the history generation unit 107 generates history information indicating changes over time in the vehicle position from the past to the present, based on the position information acquired by the position acquisition unit 106.
  • the position information is included in the observation information acquired based on the optical signal input at a constant frequency as described above. Therefore, the position information repeatedly acquired by the position acquisition unit 106 indicates discrete vehicle positions, although the time interval is relatively short.
  • the history generation unit 107 takes a discrete vehicle position as an input, and generates history information that continuously shows the change over time of the vehicle position according to the first learning model as shown by the line HP1 in FIG.
  • the history generation unit 107 may generate history information indicating the obtained approximate curve, approximate straight line, or a combination thereof by obtaining an approximate curve, an approximate straight line, or a combination thereof of discrete vehicle positions. ..
  • the first learning model storage unit 108 is a storage unit for storing the first learning model referred to by the history generation unit 107 in advance.
  • the first learning model is a trained learning model that has been machine-learned to generate history information by inputting position information included in the observation information from the sensing device 102. Supervised learning should be adopted for learning the first learning model.
  • the teacher data in this case may be created based on the probe information of the vehicle 101 actually traveled, the in-vehicle camera, and the like.
  • the traffic condition acquisition unit 109 obtains the value of the traffic parameter based on the history information.
  • the abnormality detection unit 110 detects an abnormal event on the road R based on the change over time of the vehicle position indicated by the history information generated by the history generation unit 107 and the event-specific history pattern.
  • the event-specific history pattern shows the pattern of changes over time in the vehicle position corresponding to the type of abnormal event on the road R.
  • the event-specific history pattern storage unit 111 is a storage unit for storing event-specific history pattern information indicating the event-specific history pattern in advance, and is referred to by the abnormality detection unit 110.
  • the prediction unit 112 predicts information about the road R based on the type of the detected abnormal event and the history information generated by the history generation unit 107. To generate. For example, the prediction unit 112 outputs the prediction information about the road based on the second learning model by inputting the history information generated by the history generation unit 107 and the type of the abnormal event detected by the abnormality detection unit 110. do.
  • the second learning model storage unit 113 is a storage unit for storing the second learning model referred to by the prediction unit 112 in advance.
  • the second learning model is a trained learning model that has been machine-learned to generate prediction information by inputting the first history information for training and the type of detected abnormal event.
  • Supervised learning should be adopted for learning of the second learning model.
  • the teacher data it is preferable to adopt data indicating the past history information that actually occurred and the type of the abnormal event.
  • the prediction unit 112 temporally predicts the vehicle position for the road R based on the history information generated by the history generation unit 107. Predictive information indicating changes may be output. In this case, the prediction unit 112 may generate prediction information about the road R based on the second learning model by inputting the history information generated by the history generation unit 107.
  • the second learning model in this case is a trained learning model that has been machine-learned to generate prediction information by inputting the first history information for training. Supervised learning should be adopted for learning of the second learning model.
  • the teacher data in this case it is preferable to adopt data including past history information that actually occurred.
  • the anomaly prediction unit 114 predicts the type of anomalous event that occurs on the road R based on the change over time indicated by the prediction information generated by the prediction unit 112 and the event-specific history pattern.
  • the event-specific history pattern is indicated by the event-specific history pattern information stored in the event-specific history pattern storage unit 111.
  • the abnormality prediction unit 114 adopts prediction information as information indicating changes in vehicle position over time. do. Except for this point, the functions of the abnormality prediction unit 114 and the abnormality detection unit 110 may be the same.
  • Traffic control information includes traffic control means for alleviating abnormal events that are expected to occur.
  • Traffic control measures include, for example, at least one of interchange closure, another route to avoid the occurrence point of an abnormal event that is expected to occur, change of road toll, and dispatch plan of emergency personnel.
  • the emergency personnel dispatch plan is a plan for dispatching personnel to handle an abnormal event, and includes the number of personnel, the number of emergency vehicles, the arrangement of emergency vehicles to the site, the estimated time of arrival, and the like.
  • control unit 115 inputs the type and history information of an abnormal event predicted to occur by the abnormality prediction unit 114, and based on a learning model, the traffic control unit 115 includes a traffic control means for alleviating the abnormal event. Generate information.
  • the learning model is a memory that has been machine-learned to generate traffic control information including traffic control means for mitigating the abnormal event by inputting the type and history information of the past abnormal event, which is not shown in advance. It should be stored in the department. Supervised learning is often adopted for learning, and for example, the type of past abnormal event and historical information are input to the teacher data, and the traffic control means effective for alleviating the abnormal event is used. It is recommended that the traffic control information including the information be adopted.
  • control unit 115 may hold, for example, control information in which the type of abnormal event and the traffic control means are associated with each other, regardless of the learning model. In this case, the control unit 115 may acquire the traffic control means associated with the type of the abnormal event predicted to occur from the control information, and generate the traffic control information including the acquired traffic control means.
  • control unit 115 holds the actual information in advance.
  • the actual information includes the traffic control means adopted in the past for each type of abnormal event and the evaluation of the traffic control means.
  • the evaluation is represented by, for example, an evaluation value indicating the degree to which the abnormal event is alleviated by the traffic control means, or whether or not the abnormal event is alleviated by the traffic control means.
  • control unit 115 generates evaluation information for the traffic control means generated by the control unit 115 based on the actual information.
  • the evaluation information is an evaluation value indicating the degree to which the abnormal event predicted to occur by the abnormality predicting unit 114 is alleviated by the traffic control means generated by the control unit 115, or the abnormal event is alleviated by the traffic control means. Indicates whether or not it is expected to be done.
  • control unit 115 accepts the traffic control means selected by the user from the traffic control means indicated by the traffic control information generated by the control unit 115, and generates decision information indicating the selected traffic control means.
  • the display unit 116 displays the screen.
  • the display control unit 117 causes the display unit 116 to display the screen.
  • the display control unit 117 may, for example, history information, traffic parameter values, prediction information, a road map showing the location of current or future abnormal events, presentation of traffic control means, traffic control information generated by the control unit 115, and the like.
  • the evaluation information, the decision information, and the like are displayed on the screen of the display unit 116.
  • the image pickup control unit 118 controls the camera 103 that captures the road R.
  • the imaging control unit 118 enlarges the place where the abnormal event occurs to the camera 103 to take a picture.
  • the image pickup control unit 118 causes the location camera 103 in which the occurrence of the abnormal event is predicted to take an enlarged image.
  • the communication unit 119 communicates with the operation control device 120 mounted on the vehicle 101. It is desirable that the driving control device 120 is a device that controls the automatic driving of the vehicle 101.
  • the communication unit 119 transmits information indicating the place where the abnormal event occurs to the operation control device 120.
  • the communication unit 119 transmits information indicating the location of the predicted occurrence of the abnormal event to the operation control device 120.
  • the communication unit 119 transmits the decision information generated by the control unit 115 to the operation control device 120.
  • the traffic monitoring device 102 physically has a bus 1010, a processor 1020, a memory 1030, a storage device 1040, a network interface 1050, and a user interface 1060, as shown in FIG.
  • the bus 1010 is a data transmission path for the processor 1020, the memory 1030, the storage device 1040, the network interface 1050, and the user interface 1060 to transmit and receive data to and from each other.
  • the method of connecting the processors 1020 and the like to each other is not limited to the bus connection.
  • the processor 1020 is a processor realized by a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or the like.
  • the memory 1030 is a main storage device realized by a RAM (RandomAccessMemory) or the like.
  • the storage device 1040 is an auxiliary storage device realized by an HDD (Hard Disk Drive), SSD (Solid State Drive), memory card, ROM (Read Only Memory), or the like.
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • ROM Read Only Memory
  • the storage device 1040 realizes a storage unit (first learning model storage unit 108, event-specific history pattern storage unit 111, second learning model storage unit 113) of the traffic monitoring device 102 and a function of holding information.
  • the storage device 1040 includes each functional unit (position acquisition unit 106, history generation unit 107, traffic condition acquisition unit 109, abnormality detection unit 110, prediction unit 112, abnormality prediction unit 114, control unit 115, and the image analysis device 102.
  • a program module for realizing the display control unit 117, the image pickup control unit 118, and the communication unit 119) is stored.
  • the processor 1020 reads each of these program modules into the memory 1030 and executes them, each functional unit corresponding to the program module is realized.
  • the network interface 1050 is an interface for connecting the traffic monitoring device 102 to a network configured by wire, wireless, or a combination thereof.
  • the traffic monitoring device 102 according to the present embodiment communicates with the sensing device 102, the camera 103, and the operation control device 120 by being connected to the network through the network interface 1050.
  • the user interface 1070 is an interface for inputting information from the user and an interface for presenting information to the user, and includes, for example, a mouse as an input unit 105, a keyboard, a touch sensor, and a liquid crystal display as a display unit 116.
  • the function of the traffic monitoring device 102 can be realized by executing the software program in cooperation with each physical component. Therefore, the present invention may be realized as a software program (hereinafter, also simply referred to as “program”), or may be realized as a non-temporary storage medium in which the program is recorded.
  • program a software program
  • FIGS. 4A and 4B are flowcharts showing an example of traffic monitoring processing according to the present embodiment.
  • the traffic monitoring process is a process for monitoring the traffic on the road R, and is performed by referring to the position information repeatedly acquired from the sensing device 102, for example, at regular time intervals.
  • the traffic monitoring process is started, for example, in response to a user's instruction from the input unit 103.
  • the position acquisition unit 106 acquires the vehicle position of the vehicle 101 passing through the road R by acquiring the position information from the sensing device 102 (step S101).
  • the history generation unit 107 obtains the change over time of the vehicle position from the past to the present, that is, the history of the vehicle position, based on the vehicle position acquired in step S101 (step S102).
  • the history generation unit 107 can obtain the vehicle position at a predetermined time longer than the acquisition cycle of the vehicle position in step S101. It should be done when it is acquired.
  • the traffic condition acquisition unit 109 obtains traffic parameters on the road R such as speed (vehicle speed), traffic density, traffic volume, and occupancy rate of the vehicle 101 based on the history of the vehicle position obtained in step S102 (step S103). ).
  • the vehicle speed [km / h] is the amount of change in the vehicle position (for example, the distance from the vehicle position P1 to the vehicle position P2 in the figure). , Obtained by dividing by the time required for the change.
  • the vehicle speed appears in the slope of the change over time in the vehicle position, and among the lines HPA, HPb, and HPc showing the change over time in the vehicle position, the vehicle 101 corresponding to the line HPa is the fastest, and the line HPc. The corresponding vehicle 101 is the slowest.
  • Traffic density [vehicles / km] is the number of vehicles 101 per unit section at a certain moment.
  • the traffic density [unit / km] is the line HPa indicating the change over time of the vehicle position that intersects the horizontal line in the area corresponding to the unit interval when the horizontal line corresponding to a certain time is drawn.
  • HPa indicating the change over time of the vehicle position that intersects the horizontal line in the area corresponding to the unit interval when the horizontal line corresponding to a certain time is drawn.
  • HPb HPc.
  • the traffic volume [unit / h] is the number of vehicles 101 passing through a certain point in a unit time.
  • the traffic volume [unit / h] shows the change over time of the vehicle position that intersects the vertical line in the area corresponding to the unit time when the vertical line corresponding to a certain point is drawn. It is represented by the number of lines HPa, HPb, HPc.
  • the occupancy rate is the ratio of the distance occupied by the vehicle 101 in the target section at a certain moment (spatial occupancy), or the ratio of the time occupied by the vehicle 101 in the target time at a certain point (time occupancy). be. These can be obtained, for example, based on the traffic density, the traffic volume, etc., with the length (vehicle length) of the vehicle 101 as the average length.
  • the display control unit 117 causes the display unit 116 to display the value of the traffic parameter obtained in step S103 (step S104).
  • the abnormality detection unit 110 occurs on the road R based on the history of the vehicle position obtained in step S102 and the event-specific history pattern indicated by the event-specific history pattern information stored in the event-specific history pattern storage unit 111. Detect the abnormal event that is occurring. Then, the abnormality detection unit 110 determines whether or not an abnormal event has occurred on the road R based on the detection result (step S105).
  • the event-specific history pattern includes at least one of a traffic jam pattern corresponding to a traffic jam, a stop pattern corresponding to a vehicle stop, and an obstacle pattern corresponding to a road obstacle.
  • FIG. 6 shows an example of a traffic jam pattern, which is a pattern of changes over time in the vehicle position when a traffic jam occurs.
  • a traffic jam occurs, the vehicle 101 passes at a speed lower than an appropriately determined reference speed, and the inter-vehicle distance between them becomes shorter than an appropriately determined reference distance. Therefore, as shown in the figure, the traffic jam pattern indicates that the slope of the line indicating the change in the vehicle position of each vehicle 101 indicates a low speed, and that the distance between the vehicle positions P4 to P9 of each vehicle 101 at time T1 is short. Included in its features.
  • FIG. 7 shows an example of a stop pattern, which is a pattern of changes over time in the vehicle position when the vehicle 101 stops.
  • the stop pattern includes the feature that the vehicle position is constant even with the lapse of time.
  • the vehicle 101 gradually decelerates and stops at the vehicle position P10 at time T2. It should be noted that the stop pattern may include the fact that the stop lasts longer than a predetermined time.
  • FIG. 8A shows an example of an obstacle pattern, which is a pattern of changes over time in the vehicle position when an obstacle on the road occurs.
  • the road obstacle F is at the position P11 of the traveling lane on the road R.
  • the vehicle 101 traveling in the traveling lane decelerates from the position 101a in front of the road obstacle F in order to move to the adjacent lane and avoid the road obstacle F.
  • the vehicle 101 returns to the traveling lane and accelerates as shown in FIG. 8B.
  • the obstacle pattern of FIG. 8A shows that when the road obstacle F is in the driving lane on the road R, after a plurality of vehicles 101 travel at a low speed within a predetermined range from the road obstacle F, Includes the feature of accelerating.
  • the obstacle pattern may include decelerating to a speed slower than a predetermined speed.
  • event-specific history patterns shown in FIGS. 6 to 8 are merely examples of event-specific history patterns corresponding to various types of abnormal events such as traffic jams, vehicle 101 stops, and road obstacles, respectively.
  • Event-specific history pattern information including a plurality of event-specific history patterns for each type of abnormal event may be stored in advance in the event-specific history pattern storage unit 111. Then, the abnormality detection unit 110 obtains the degree of similarity between the history patterns for each event and the history of the vehicle position by collating (for example, pattern matching).
  • the abnormality detection unit 110 detects an abnormal event occurring on the current road R, and thus determines that an abnormal event has occurred on the road R (step). S105; Yes). At this time, the type of the abnormal event occurring on the road R is also specified from the type of the abnormal event corresponding to the event-specific history pattern having a high degree of similarity.
  • the abnormality detection unit 110 does not detect the abnormal event occurring on the current road R, and therefore determines that no abnormal event has occurred on the road R (step S105; No.). ).
  • the abnormality detection unit 110 detects an abnormal event based on the learning model by inputting a change over time in the vehicle position, and when the abnormal event is detected, generates information indicating the type of the abnormal event. You may.
  • machine learning has been performed to generate information indicating the type of abnormal event according to the degree of similarity between the change and the history pattern for each event, using the change over time of the vehicle position as an input.
  • a learning model should be adopted. This learning may be supervised learning, and the learning model may be stored in advance in a storage unit instead of the event-specific history pattern storage unit 111.
  • the abnormality detection unit 110 detects and detects an abnormal event according to whether or not one or a plurality of features of the event-specific history pattern for each type of abnormal event is included in the change over time of the vehicle position.
  • the type of anomalous event may be specified.
  • step S105 When it is determined that no abnormal event has occurred (step S105; No), the position acquisition unit 106 performs the process of step S101.
  • step S105 When it is determined that an abnormal event has occurred (step S105; Yes), the display control unit 117 displays a road map showing the location of the abnormal event on the screen of the display unit 116 (step S106). Further, the image pickup control unit 118 causes the camera 103 to magnify and take a picture of the place where the abnormal event occurs (step S107).
  • the prediction unit 112 predicts a future change in the vehicle position with respect to the road R based on the history of the vehicle position obtained in step S102 and the type of the abnormal event detected in step S105 (step). S108).
  • the future change in vehicle position predicted here is, for example, the change in vehicle position over time indicated by the solid line HP1 in the region surrounded by the alternate long and short dash line F in FIG. 1.
  • the abnormality prediction unit 114 is based on the time-dependent change in the future vehicle position predicted in step 108 and the event-specific history pattern indicated by the event-specific history pattern information stored in the event-specific history pattern storage unit 111. Predict anomalous events that occur on road R. Then, the abnormality prediction unit 114 determines whether or not the occurrence of an abnormal event is predicted on the road R based on the prediction result (step S109).
  • the method of predicting the occurrence of an abnormal event in step S109 is substantially the same as that in which the history of the vehicle position in the process of step S105 is replaced with the change over time of the future vehicle position.
  • step S109 when the similarity is larger than the predetermined threshold value as in step S105, the abnormality prediction unit 114 determines that the occurrence of an abnormal event is predicted on the road R (step S109; Yes). ). At this time, the type of the abnormal event predicted to occur on the road R is also specified from the type of the abnormal event corresponding to the event-specific history pattern having a high degree of similarity.
  • the abnormality prediction unit 114 determines that the occurrence of an abnormal event is not predicted on the road R (step S109; No).
  • step S109 When it is determined that the occurrence of an abnormal event is not predicted (step S109; No), the position acquisition unit 106 performs the process of step S101 with reference to FIG. 4A again.
  • step S109 when it is determined that the occurrence of an abnormal event is predicted (step S109; Yes), the display control unit 117 is a place on the screen of the display unit 116 where the occurrence of the abnormal event is predicted. A road map showing the predicted occurrence location is displayed (step S110). Further, the communication unit 119 transmits the predicted occurrence location information indicating the predicted occurrence location of the abnormal event to the operation control device 120 (step S111).
  • the control unit 115 performs a traffic control process (step S112) for traffic control to mitigate an abnormal event that is currently occurring and an abnormal event that is expected to occur in the future.
  • FIG. 9 is a flowchart showing the details of the traffic control process (step S112).
  • the control unit 115 generates traffic control information based on the type of the abnormal event determined to occur in step S109 (step S201).
  • the display control unit 117 causes the display unit 116 to display the traffic control information generated in step S201 (step S202).
  • the traffic control means included in the traffic control information is to close the interchange in front of the predicted location of traffic congestion, temporarily raise the toll from the tollhouse, and present another route to avoid the predicted location. And so on. Another route may be searched based on the map information and the predicted occurrence location.
  • the traffic control means included in the traffic control information may include an emergency personnel dispatch plan for handling the traffic accident.
  • the control unit 115 extracts the traffic control means having an option from the traffic control means included in the traffic control information generated in step S201 (step S302).
  • a traffic control means with options there can be an example in which a plurality of different routes are presented as a traffic control means.
  • the control unit 115 generates evaluation information for each option for the traffic control means extracted in step S302 (step S204).
  • the display control unit 117 causes the display unit 116 to display the evaluation information generated in step 204 (step S205).
  • the control unit 115 determines whether or not the user's instruction regarding the adoption / rejection of the traffic control means displayed in step S202 has been accepted (step S206). If it is determined that the user's instruction is not received (step S206; No), the control unit 115 continues the process of step S205 until the instruction is received.
  • control unit 115 When it is determined that the user's instruction has been accepted (step S206), the control unit 115 outputs the traffic control means adopted by the user as decision information (step S207).
  • the user can select the traffic control means to be actually adopted by referring to the traffic control means displayed in step S202 and the evaluation displayed in step S205. Then, by instructing the traffic control means to be adopted from the input unit 105, the control unit 115 generates decision information including the traffic control means to be adopted.
  • step S203 may not be performed, and the processing of steps S204 to S205 may be performed for all or a predetermined part of the traffic control means included in the traffic control information generated in step S201. ..
  • the display control unit 117 causes the display unit 116 to display the determination information output in step 207 (step S208).
  • the notification unit 119 transmits the decision information to the driving control device 120 of the automobile (step S209).
  • the automobile equipped with the driving control device 120 transmitted in step S109 is an example of the vehicle 101, and it is desirable that the automobile is an autonomous driving vehicle.
  • the driving control device 120 can control the traveling of the vehicle in search of a desirable driving route with reference to the determination information.
  • step S112 When the traffic control process (step S112) is completed, the position acquisition unit 106 performs the process of step S101 as shown in FIGS. 4B and A.
  • the traffic monitoring process is continuously executed, for example, until a user's termination instruction is received from the input unit 105.
  • historical information indicating a change over time of the vehicle position is generated based on the position information indicating the vehicle position on the road.
  • an abnormal event occurring on the road R is detected based on an event-specific history pattern and a change over time in the vehicle position.
  • the change over time in the vehicle position it is possible to grasp the abnormal event occurring on the road R in real time.
  • the change in vehicle position over time has a characteristic pattern for each type of abnormal event, by detecting the abnormal event using the history pattern for each event, the abnormal event occurring on the road R can be detected. It can be detected accurately.
  • a road map showing the place where an abnormal event occurs is displayed on the screen. This allows the user to easily recognize the place of occurrence.
  • the place of occurrence is enlarged by the camera 103 to take a picture. This enables the user to accurately recognize the current state of the place of occurrence in real time.
  • the change over time of the vehicle position on the road R is predicted based on the historical information indicating the change over time of the vehicle position.
  • Vehicles 101 that change in the same position under similar road conditions often change in the same position in the future, so based on historical information, the change in vehicle position on the road R over time can be accurately performed. Can be predicted.
  • the abnormal event occurring on the road R is predicted based on the time-dependent change in the vehicle position predicted on the road R, the history pattern for each event, and the time-dependent change in the vehicle position. ..
  • the change over time of the vehicle position predicted on the road R can be predicted accurately over a wide area and from a bird's-eye view. Further, since the change over time of the vehicle position has a characteristic pattern for each type of abnormal event as in the case of detecting the abnormal event currently occurring, the history pattern for each event is used on the road R. It is possible to accurately predict the abnormal events that will occur.
  • a road map showing a predicted occurrence location of an abnormal event is displayed on the screen. This allows the user to easily recognize the predicted occurrence location. Further, the predicted generation location is transmitted to the operation control device 120. As a result, it is possible to formulate an operation plan in consideration of the predicted occurrence location, so that efficient movement becomes possible by avoiding a congested location on the road R.
  • traffic control information including traffic control means for mitigating the abnormal event is generated based on the type of the abnormal event predicted to occur.
  • the abnormal event can be alleviated, so that efficient movement using the road R becomes possible.
  • evaluation information for the traffic control means is generated based on the actual information of the traffic control means adopted for the abnormal event in the past.
  • the user can select the traffic control means for mitigating the current or future abnormal events by referring to the evaluation based on the past performance. Therefore, there is a high possibility that an effective traffic control means can be selected, and more efficient movement using the road R becomes possible.
  • decision information indicating the traffic control means selected by the user is displayed on the screen. This allows the user to easily recognize the decision information. Further, the determination information is transmitted to the operation control device 120. As a result, it is possible to formulate an operation plan in consideration of the decision information, so that it is possible to move efficiently by avoiding a congested place on the road R.
  • ⁇ Modification example> In the embodiment, an example of generating historical information of the vehicle 101 heading in one direction has been described. However, as described with reference to FIG. 1, in the history information, the traveling direction of the vehicle 101 can be easily determined depending on whether the inclination is positive or negative, or the direction approaching and distant from the reference position. In this modification, an example of a history generation unit that acquires history information of a vehicle 101 heading in a different direction (for example, a vehicle 101 passing through each of the up lane and the down lane) will be described.
  • the history generation unit 207 includes a position change acquisition unit 207a, a traveling direction determination unit 207b, a first generation unit 207c, and a second generation unit 207d. include.
  • the position change acquisition unit 207a obtains a change over time in the vehicle position based on the position information repeatedly acquired.
  • the traveling direction determining unit 207b has the traveling direction of the vehicle 101 in the first direction or a second direction opposite to the first direction based on the change with time obtained by the position change acquisition unit 207a. To determine.
  • the first generation unit 207c generates the first history information indicating the history of the vehicle position regarding the vehicle 101 traveling in the first direction.
  • the second generation unit 207d generates the second history information indicating the history of the vehicle position regarding the vehicle 101 traveling in the second direction.
  • Such a history generation unit 207 may be adopted in place of the history generation unit 107 in the traffic monitoring device 104 according to the embodiment.
  • the traveling direction of the vehicle 101 traveling in the reverse direction is the same as the traveling direction of the vehicle 101 traveling in the opposite lane, for example, the positive and negative of the inclinations of the lines HP1 and HP2 included in the history information shown in FIG. Become.
  • the signal intensity of the return light observed in the optical fiber sensing may be used.
  • the method for separating which lane each vehicle 101 is traveling in is not limited to the above-mentioned method using the signal strength by optical fiber sensing, and other methods may be adopted.
  • the present invention is not limited thereto.
  • the present invention also includes a form in which a part or all of the embodiments described above and a modification thereof are appropriately combined, and a form in which the form is appropriately modified.
  • a position acquisition means for acquiring position information indicating the vehicle position on the road
  • a traffic monitoring device including a history generation means for generating first history information indicating a change over time of the vehicle position based on the position information.
  • the abnormality on the road is based on the event-specific history pattern showing the pattern of the change of the vehicle position with time corresponding to the type of the abnormal event on the road and the change of the vehicle position with time shown by the first history information.
  • the traffic monitoring device according to 1 or 2 above, further comprising an abnormality detecting means for detecting an event.
  • the event-specific history patterns include a traffic jam pattern corresponding to the traffic jam as the abnormal event, a stop pattern corresponding to the vehicle stop as the abnormal event, and an obstacle pattern corresponding to the road obstacle as the abnormal event.
  • the traffic monitoring device which includes at least one of the above.
  • the traffic monitoring device further including an image pickup control means for controlling the image pickup means for photographing the road, The traffic monitoring device according to any one of 3 to 5, wherein the image pickup control means causes the image pickup means to magnify and take an image when an abnormal event is detected by the abnormality detection means. ..
  • the prediction means inputs the first history information generated by the history generation means based on a trained learning model that has been machine-learned to generate the prediction information by inputting the first history information for training.
  • the traffic monitoring device according to 7 above, which generates prediction information about the road.
  • the traffic monitoring device When an abnormal event is detected by the anomaly detecting means, a change over time in a vehicle position predicted for the road based on the type of the abnormal event and the first history information generated by the history generating means.
  • the traffic monitoring device according to any one of 3 to 6 above, further comprising a prediction means for generating prediction information indicating.
  • the prediction means is generated by the history generation means based on a trained learning model that has been machine-learned to generate the prediction information by inputting the first history information for training and the type of the abnormal event.
  • the traffic monitoring device which generates prediction information about the road by inputting a first history information and a type of anomalous event detected by the anomaly detecting means.
  • the traffic monitoring device further comprising an abnormality predicting means for predicting the type of an abnormal event occurring on the road based on the event-specific history pattern and the change over time indicated by the predicted information.
  • a control that generates traffic control information including a traffic control means for mitigating the abnormal event based on the type of the abnormal event predicted to occur.
  • the traffic monitoring device according to any one of 11 to 13 above, further comprising means.
  • the control means further includes the traffic control means adopted for the abnormal event in the past, an evaluation value indicating the degree of relaxation by the traffic control means, or whether or not the control means is relaxed by the traffic control means. Based on the actual information including, the evaluation value indicating the degree to which the abnormal event predicted to occur by the abnormality predicting means is alleviated by the traffic control means generated by the control means, or the traffic control means 14.
  • the traffic monitoring device which generates the evaluation information indicating whether or not it is expected to be alleviated by the above.
  • the control means further receives the traffic control means selected by the user from the traffic control means indicated by the generated traffic control information, and generates decision information indicating the selected traffic control means 14 or 15 above.
  • the traffic control measures 14 to 16 above include at least one of interchange closures, alternative routes to avoid the location of the expected anomalous event, road toll changes, and emergency personnel dispatch plans.
  • the traffic monitoring device according to any one.
  • the history generation means is A position change acquisition means for obtaining a change over time in the vehicle position based on the position information, A traveling direction determining means for determining whether the traveling direction of the vehicle is the first direction or the second direction opposite to the first direction based on the obtained change with time.
  • a first generation means for generating the first history information about the vehicle traveling in the first direction,
  • the traffic monitoring device according to any one of 1 to 19, wherein the traffic monitoring device includes a second generation means for generating second history information indicating a change in the vehicle position with respect to the vehicle traveling in the second direction.
  • a traffic condition acquisition means for obtaining a value of a traffic parameter indicating the traffic condition of the road based on the first history information.
  • the traffic parameters indicate the speed of a vehicle traveling on the road, the traffic density of the road, the traffic volume which is the amount of vehicles traveling at a predetermined point on the road per unit time, and the occupancy indicating the ratio of the road occupied by the vehicle.
  • the traffic monitoring device according to any one of 1 to 20 above, which comprises at least one of the rates.
  • the traffic monitoring device according to any one of 1 to 21 above, and An optical fiber laid on the road and end-treated to suppress the reflection of optical signals at one end. It is equipped with a sensing device that inputs an optical signal to the optical fiber and observes the amount of change in the optical interference intensity, which is the intensity of the light that the backscattered light generated by the input of the optical signal interferes with each other.
  • the position acquisition means is a traffic monitoring system that acquires the position information on the road obtained based on the amount of change in the optical interference intensity observed by the sensing device.
  • the computer Acquiring location information indicating the vehicle position on the road,
  • a traffic monitoring method including generating first history information indicating a change over time of the vehicle position based on the position information.
  • a program for generating and executing first history information indicating a change over time of the vehicle position based on the position information On the computer Acquiring location information indicating the vehicle position on the road, A program for generating and executing first history information indicating a change over time of the vehicle position based on the position information.
  • Traffic monitoring system 101 Vehicle 102 Sensing device 103 Camera 104 Traffic monitoring device 105 Input unit 106 Position acquisition unit 107, 207 History generation unit 108 First learning model storage unit 109 Traffic status acquisition unit 110 Abnormality detection unit 111 Event-specific history pattern storage Unit 112 Prediction unit 113 Second learning model storage unit 114 Abnormality prediction unit 115 Control unit 116 Display unit 117 Display control unit 118 Imaging control unit 119 Communication unit 120 Operation control device 207a Position change acquisition unit 207b Travel direction determination unit 207c First generation Part 207d Second generation part

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

広域の交通状況を俯瞰的にリアルタイムで把握することを目的とする。交通監視装置（１０２）は、道路における車両位置を示す位置情報を取得する位置取得部（１０６）と、位置情報に基づいて、車両位置の経時的な変化を示す履歴情報を生成する履歴生成部（１０７）とを備える。位置取得部（１０６）は、例えば、道路に敷設された光ファイバを利用した光ファイバセンシングに基づいて得られる位置情報を取得する。交通監視装置（１０２）は、さらに、道路における異常事象の種別に対応する車両位置の経時的な変化のパターンを示す事象別履歴パターンと車両位置の経時的な変化とに基づいて、道路における異常事象を検出する異常検出部（１０７）をさらに備えてもよい。

Description

交通監視装置、交通監視システム、交通監視方法及びプログラム
　本発明は、交通監視装置、交通監視システム、交通監視方法及びプログラムに関する。
　特許文献１には、地点Ａから地点Ｂまでの路線上の対象区間での移動体の分布状況を把握する技術が開示されている。特許文献１に記載の経路誘導装置は、ある時断面において、対象区間を数百メートルごとに分割した小区間の各々に存在する移動体の存在台数を、車両感知器の検出結果に基づいて算出することにより、移動体の分布状況を把握する。
　特許文献１に記載の車両感知器は、主として道路交通において道路上を走行する自動車の速度や通過交通量等を検知するために小区間に数個設置され、道路交通管制分野において広く用いられる旨の記載がある。
　しかし、車両感知器（トラフィックカウンタ）はその地点を通過する車両の情報を取得するだけなので、車両感知器その地点を含む区間の車両の平均速度などの情報を正確に取得できるとは限らない。そこで、特許文献２では、プローブ情報の適切な利用を支援する技術を開示する。
　特許文献２に記載の交通情報管理システムは、道路の複数の区間ごとに、道路に設置されている車両感知器から取得した情報を用いて第１の交通状況を算出するとともに、道路を走行する車両から取得したプローブ情報を用いて第２の交通状況を算出する。そして、当該交通情報管理システムは、第１の交通状況と第２の交通状況に所定の閾値以上の差異がある区間に関する第１の交通状況と第２の交通状況を表示部に表示する。
特開平１１－２０３５９４号公報 特開２０１８－１９０１１７号公報
　一般的に、道路のある区間の交通状況が他の区間に影響することがあるので、道路管制のためには、道路における移動体の交通状況を広域で俯瞰的に把握できることが望ましい。また、道路の交通状況は、例えば交通事故があると比較的短時間で渋滞が発生するなど、時々刻々と変化するものであるので、リアルタイムで把握できることが望ましい。
　しかし、特許文献１に記載の技術で把握される対象区間での移動体の分布状況は、対象区間を分割した小区間の各々における移動体の存在台数であり、道路における移動体の交通状況を広域で俯瞰的に、かつ、リアルタイムで把握することが困難である。
　また、特許文献２に記載の交通情報管理システムによれば、第１の交通状況と第２の交通状況とに閾値以上の差異がある区間をユーザに知らせることができたとしても、当該区間における交通状況、例えば車両の平均速度を求めることは困難である。従って、特許文献２に記載の技術によっても、道路における移動体の交通状況を広域で俯瞰的に、かつ、リアルタイムで把握することは困難である。
　本発明は、上述の事情に鑑みてなされたもので、広域の交通状況を俯瞰的にリアルタイムで把握することが可能な交通監視装置、交通監視システム、交通監視方法及びプログラムを提供することを目的とする。
　上記目的を達成するため、本発明の第１の観点に係る交通監視装置は、
　道路における車両位置を示す位置情報を取得する位置取得手段と、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成する履歴生成手段とを備える。
　本発明の第２の観点に係る交通監視システムは、
　上記の交通監視装置と、
　前記道路に敷設され、光信号の反射を抑制する終端処理が一端に施された光ファイバと、
　前記光ファイバに光信号を入力するとともに、当該光信号の入力に伴って生じる後方散乱光同士が干渉した光の強度である光干渉強度の変化量を観測するセンシング装置とを備え、
　前記位置取得手段は、前記センシング装置によって観測された前記光干渉強度の変化量に基づいて得られる前記道路における前記位置情報を取得する。
　本発明の第３の観点に係る交通監視方法は、
　コンピュータが、
　道路における車両位置を示す位置情報を取得することと、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを含む。
　本発明の第４の観点に係るプログラムは、
　道路における車両位置を示す位置情報を取得することと、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを実行させるためのものである。
　本発明によれば、広域の交通状況を俯瞰的にリアルタイムで把握することが可能になる。
本発明の一実施の形態に係る交通監視システムの構成を示す図である。 一実施の形態に係る交通監視装置の機能的な構成を示す図である。 一実施の形態に係る交通監視装置の物理的な構成を示す図である。 一実施の形態に係る交通監視方法の一例を示すフローチャートである。 一実施の形態に係る交通監視方法の一例を示すフローチャートである。 車両位置の経時的な変化から、交通パラメータを求める方法を説明するための図である。 渋滞が発生した時の車両位置の経時的な変化のパターンである渋滞パターンの一例を示す図である。 車両の停止が発生した時の車両位置の経時的な変化のパターンである停止パターンの一例を示す図である。 路上障害物が発生した時の図であり、（ａ）は、車両位置の経時的な変化のパターンである障害物パターンの一例を示し、（ｂ）は、道路を通行する車両の移動経路の一例を示す図である。 交通管制処理の一例を示すフローチャートである。 一変形例に係る履歴生成部の機能的な構成を示す図である。
　以下、本発明の一実施の形態について、図面を参照しつつ説明する。全図を通じて同一の要素には同一の符号を付す。なお、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
＜本実施の形態に係る交通監視システムの構成＞
　本実施の形態に係る交通監視システム１００は、図１に示すように、光ファイバセンシング技術を利用して、道路Ｒを走行する車両１０１の交通を監視するためのシステムである。道路Ｒは、典型的には高速道路であるが、一般的なその他の道路であってもよい。また、車両１０１は、自動車、二輪車、バス、トラックなどである。
　交通監視システム１００は、光ファイバＯＦと、センシング装置１０２と、カメラ１０３と、交通監視装置１０４とを備える。
　光ファイバＯＦは、道路Ｒに敷設された光ファイバケーブルである。光ファイバＯＦは、例えば、一般的に高速道路の路肩部や中央分離帯などに敷設された通信用の多芯光ファイバケーブルのうちの１芯であり、一端にはセンシング装置１０２が接続され、他端には光信号の反射を抑制する終端処理が施されている。なお、多芯光ファイバケーブルのうちの複数のファイバケーブルが、光ファイバセンシングのための光ファイバＯＦとして採用されてもよい。
　センシング装置１０２は、光ファイバＯＦに光信号を入力するとともに、当該光信号の入力に伴って生じる後方散乱光同士が干渉した光の強度である光干渉強度の変化量を観測する。
　詳細には例えば、センシング装置１０２は、光ファイバＯＦの一端からパルス波形の光信号を入力する。これにより、光ファイバＯＦのすべての位置から微弱な後方散乱光と呼ばれる戻り光が生じる。センシング装置１０２は、当該後方散乱光を観測する。
　光ファイバＯＦの周囲で環境変化が生じると、環境変化に伴って光ファイバを構成する石英ガラスの構造及び特性パラメータが変化し、当該変化が生じた場所からの後方散乱光の信号品質も変化する。
　コヒーレンス性が高い光信号を入力し、車両１０１が道路Ｒを通行する際の振動が光ファイバＯＦに伝わると、後方散乱光の位相状態が変化する。この後方散乱光の位相状態の変化は、同時刻に受信する他の後方散乱光との干渉により光強度の変化として観測される。すなわち、センシング装置１０２は、光ファイバＯＦに光信号を入力し、振動印加によって生じる光干渉強度の変化量を観測する。
　振動の発生場所は、光信号を入力してから後方散乱光を観測するまでの往復時間と、光信号の伝搬速度とから算出される。光信号は、光ファイバＯＦの他端（すなわち、センシング装置１０２から見て最遠端）からの後方散乱光と、次に入力される光信号とが混在しないように一定の周波数で繰り返し入力される。これにより、光ファイバＯＦの周辺で生じる振動などの環境変化の推移を正確に、かつ、リアルタイムで観測することができる。
　このように、光ファイバセンシングとは、光ファイバＯＦをセンシング媒体として、振動の発生場所などを検出する技術である。当該技術では、通信データの伝送媒体である一般的な光ファイバＯＦを、線形状のパッシブセンサとして利用することができるので、新たなセンサなどを設置しなくても、広域の交通状況をリアルタイムで把握することができる。
　カメラ１０３は、道路Ｒの交通状況を把握するために、道路Ｒを撮影する撮像手段の一例である。カメラ１０３は、例えば、道路Ｒに間隔を空けて設置されるＣＣＴＶ（ｃｌｏｓｅｄ－ｃｉｒｃｕｉｔ　ｔｅｌｅｖｉｓｉｏｎ）カメラなどである。
　交通監視装置１０４は、道路Ｒにおける振動の発生場所を含む観測情報をセンシング装置１０２から繰り返し取得する。振動の発生場所は、道路Ｒにおける車両１０１の位置（車両位置）に対応する。そのため、観測情報は、車両位置を示す位置情報を含む。
　交通監視装置１０４は、繰り返し取得した位置情報から、車両位置の経時的な変化を求める。そして、交通監視装置１０４は、車両位置の経時的な変化に基づいて、道路の交通状況を示す交通パラメータの算出、道路Ｒで発生した異常事象の検出、将来の車両位置の経時的な変化の予測及び異常事象の発生の予測、交通管制手段の提示を含む交通管制支援などを行う。
　異常事象の例として、渋滞、車両の停止、路上障害物を挙げることができる。路上障害物とは、車両１０１の通行の障害となる物（例えば、事故で停車した車両、落下した積み荷、強風による飛来物）が路上に存在することである。
　交通パラメータの例として、道路Ｒを走行する車両１０１の速度、道路Ｒの交通密度、道路Ｒにおいて予め定められた地点を単位時間当たりに走行する車両１０１の量である交通量、道路Ｒが車両１０１によって占められる割合を示す占有率（オキュパンシー）を挙げることができる。
　車両位置の経時的な変化は、図１に示すような、車両位置を横軸、時間を縦軸とする図によって示される。
　図１に示す実線ＨＰ１は、上り車線を通行する車両１０１に関する車両位置の経時的な変化を示しており、点線ＨＰ２は、図示しない下り車線を通行する車両１０１に関する車両位置の経時的な変化を示す。
　また、一点鎖線Ｐで囲んだ領域内の実線ＨＰ１及び点線ＨＰ２は、過去から現在までの車両位置の経時的な変化の例である。過去から現在までの車両位置の経時的な変化、すなわち車両位置の履歴を示す情報を、履歴情報と称する。
　二点鎖線Ｆで囲んだ領域内の実線ＨＰ１及び点線ＨＰ２は、予測される将来の車両位置の経時的な変化の例である、予測される将来の車両位置の経時的な変化を示す情報を、予測情報と称する。
　本実施の形態では、一方向に向かう車両１０１（上り車線を通行する車両１０１）の履歴情報を生成する例を説明する。そして、当該生成した履歴情報に基づいて、交通パラメータの取得、異常事象の検出、車両位置の経時的な変化の予測、異常事象の発生の予測、交通管制手段の提示などを行う例を説明する。
　なお、反対方向に走行する車両１０１についても同様に、当該反対方向に走行する車両１０１の車両位置の経時的な変化に基づいて、交通パラメータ、異常事象の検出、車両位置の経時的な変化の予測及び異常事象の発生の予測、交通管制手段の提示を行うことができる。
＜本実施の形態に係る交通監視装置の機能的な構成＞
　本実施の形態に係る交通監視装置１０４は、入力部１０５と、位置取得部１０６と、履歴生成部１０７と、第１学習モデル記憶部１０８と、交通状況取得部１０９と、異常検出部１１０と、事象別履歴パターン記憶部１１１と、予測部１１２と、第２学習モデル記憶部１１３と、異常予測部１１４と、管制部１１５と、表示部１１６と、表示制御部１１７と、撮像制御部１１８と、通信部１１９と、を備える。
　入力部１０５は、ユーザが指示などを入力するためのキーボード、マウス、タッチパネルなどである。
　位置取得部１０６は、道路Ｒに敷設された光ファイバＯＦを利用した光ファイバセンシングに基づいて得られる道路Ｒにおける位置情報を、センシング装置１０２から取得する。
　詳細には、位置取得部１０６は、センシング装置１０２によって観測された光干渉強度の変化量に基づいて得られる道路Ｒにおける位置情報を、センシング装置１０２から繰り返し取得する。
　なお、本実施の形態では位置情報が、光ファイバセンシングに基づいて得られる例により説明するが、ＣＣＴＶカメラ、交通量計（コイル）などの道路Ｒに設定される各種のセンサから得られる情報に基づいて取得されてもよい。さらに、位置情報は、ＥＴＣ（Ｅｌｅｃｔｒｏｎｉｃ　Ｔｏｌｌ　Ｃｏｌｌｅｃｔｉｏｎ　Ｓｙｓｔｅｍ）２．０のプローブ情報などに基づいて取得されてもよい。
　履歴生成部１０７は、位置取得部１０６によって取得される位置情報に基づいて、過去から現在までの車両位置の経時的な変化を示す履歴情報を生成する。
　詳細には、位置情報は、上述の通り、一定の周波数で入力される光信号に基づいて取得される観測情報に含まれる。そのため、位置取得部１０６によって繰り返し取得される位置情報は、比較的短い時間間隔ではあるものの、離散的な車両位置を示す。
　履歴生成部１０７は、離散的な車両位置を入力として、第１学習モデルに従って車両位置の経時的な変化を、図１の線ＨＰ１に示すように連続的に示す履歴情報を生成する。
　なお、履歴生成部１０７は、離散的な車両位置の近似曲線、近似直線又はこれらの組み合わせを求めることによって、当該求めた近似曲線、近似直線又はこれらの組み合わせを示す履歴情報を生成してもよい。
　第１学習モデル記憶部１０８は、履歴生成部１０７が参照する第１学習モデルを予め格納するための記憶部である。
　第１学習モデルは、センシング装置１０２からの観測情報に含まれる位置情報を入力として、履歴情報を生成する機械学習をした学習済みの学習モデルである。第１学習モデルの学習には、教師あり学習が採用されるとよい。この場合の教師データは、実際に走行した車両１０１のプローブ情報、車載カメラなどを基に作成されるとよい。
　交通状況取得部１０９は、履歴情報に基づいて、交通パラメータの値を求める。
　異常検出部１１０は、履歴生成部１０７によって生成された履歴情報が示す車両位置の経時的な変化と、事象別履歴パターンとに基づいて、道路Ｒにおける異常事象を検出する。
　事象別履歴パターンは、道路Ｒにおける異常事象の種別に対応する車両位置の経時的な変化のパターンを示す。
　事象別履歴パターン記憶部１１１は、事象別履歴パターンを示す事象別履歴パターン情報を予め格納するための記憶部であり、異常検出部１１０によって参照される。
　予測部１１２は、異常検出部１１０によって異常事象が検出された場合に、当該検出された異常事象の種別と、履歴生成部１０７によって生成された履歴情報とに基づいて、道路Ｒについての予測情報を生成する。例えば、予測部１１２は、履歴生成部１０７によって生成された履歴情報と異常検出部１１０によって検出された異常事象の種別とを入力として、第２学習モデルに基づいて、道路についての予測情報を出力する。
　第２学習モデル記憶部１１３は、予測部１１２が参照する第２学習モデルを予め格納するための記憶部である。
　第２学習モデルは、訓練用の第１履歴情報と検出された異常事象の種別とを入力として予測情報を生成する機械学習をした学習済みの学習モデルである。第２学習モデルの学習には、教師あり学習が採用されるとよい。この場合の教師データには、実際に生じた過去の履歴情報と異常事象の種別とを示すデータが採用されるとよい。
　なお、異常検出部１１０によって異常事象が検出されるか否かに関わらず、予測部１１２は、履歴生成部１０７によって生成された履歴情報に基づいて、道路Ｒについて予測される車両位置の経時的な変化を示す予測情報を出力してもよい。この場合の予測部１１２は、履歴生成部１０７によって生成された履歴情報を入力として、第２学習モデルに基づいて、道路Ｒについての予測情報を生成するとよい。
　この場合の第２学習モデルは、訓練用の第１履歴情報を入力として予測情報を生成する機械学習をした学習済みの学習モデルである。第２学習モデルの学習には、教師あり学習が採用されるとよい。この場合の教師データには、実際に生じた過去の履歴情報を含むデータが採用されるとよい。
　異常予測部１１４は、予測部１１２によって生成された予測情報が示す経時的な変化と、事象別履歴パターンとに基づいて、道路Ｒにおいて発生する異常事象の種別を予測する。事象別履歴パターンは、事象別履歴パターン記憶部１１１に格納された事象別履歴パターン情報が示すものである。
　すなわち、上述の異常検出部１１０が車両位置の経時的な変化を示す情報として履歴情報を採用するのに対して、異常予測部１１４は車両位置の経時的な変化を示す情報として予測情報を採用する。この点を除いて、異常予測部１１４と異常検出部１１０との機能は同様でよい。
　管制部１１５は、異常予測部１１４によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の種別に基づいて、交通管制情報を生成する。交通管制情報は、発生が予測される異常事象を緩和するための交通管制手段などを含む。
　交通管制手段としては例えば、インターチェンジの閉鎖、発生が予測される異常事象の発生地点を回避する別ルート、道路の通行料金の変更、緊急人員の派遣計画の少なくとも１つを含む。緊急人員の派遣計画とは、異常事象を処理するための人員の派遣に関する計画であって、当該人員の人数、緊急車両の台数、現地へ向かう緊急車両の手配、到着予定時間などが含まれる。
　例えば、管制部１１５は、異常予測部１１４によって発生が予測される異常事象の種別と履歴情報とを入力として、学習モデルに基づいて、当該異常事象を緩和するための交通管制手段を含む交通管制情報を生成する。
　学習モデルは、過去の異常事象の種別と履歴情報とを入力として、当該異常事象を緩和するための交通管制手段を含む交通管制情報を生成する機械学習をした学習済みのものが予め図示しない記憶部に格納されるとよい。学習には教師あり学習が採用されるとよく、教師データには、例えば、過去の異常事象の種別と履歴情報とを入力として、当該異常事象を緩和するために有効であった交通管制手段を含む交通管制情報が採用されるとよい。
　なお、管制部１１５は、学習モデルによらず、例えば、異常事象の種別と交通管制手段とを対応付けた管制情報を予め保持してもよい。この場合、管制部１１５は、発生が予測される異常事象の種別に対応付けられた交通管制手段を管制情報から取得し、当該取得した交通管制手段を含む交通管制情報を生成するとよい。
　また、管制部１１５は、実績情報を予め保持する。
　実績情報は、異常事象の種別ごとに過去に採用された交通管制手段と、当該交通管制手段に対する評価とを含む。評価は、例えば、異常事象が当該交通管制手段によって緩和された程度を示す評価値、又は、異常事象が当該交通管制手段によって緩和されたか否か、によってあらわされる。
　そして、管制部１１５は、実績情報に基づいて、管制部１１５が生成した交通管制手段に対する評価情報を生成する。評価情報は、管制部１１５が生成した交通管制手段によって異常予測部１１４によって発生が予測される異常事象が緩和される程度の予想を示す評価値、又は、当該交通管制手段によって当該異常事象が緩和されると予想されるか否か、を示す。
　さらに、管制部１１５は、管制部１１５が生成した交通管制情報が示す交通管制手段の中から、ユーザが選定する交通管制手段を受け付け、当該選定された交通管制手段を示す決定情報を生成する。
　表示部１１６は、画面を表示する。表示制御部１１７は、画面を表示部１１６に表示させる。
　表示制御部１１７は、例えば、履歴情報、交通パラメータの値、予測情報、現在又は将来の異常事象の発生場所を示す道路図、交通管制手段の提示、管制部１１５によって生成される交通管制情報、評価情報、決定情報などを表示部１１６の画面に表示させる。
　撮像制御部１１８は、道路Ｒを撮影するカメラ１０３を制御する。
　例えば、撮像制御部１１８は、異常検出部１１０によって異常事象が検出された場合に、当該異常事象の発生場所をカメラ１０３に拡大して撮影させる。例えば、異常予測部１１４によって異常事象の発生が予測された場合に、撮像制御部１１８は、当該異常事象の発生が予測される場所カメラ１０３に拡大して撮影させる。
　例えば、カメラ１０３の撮影画像が表示制御部１１７の制御の下で表示部１１６の画面に表示されることによって、異常事象の発生場所や発生が予測される場所の現在の状況を把握することができる。
　通信部１１９は、車両１０１に搭載された運転制御装置１２０と通信する。運転制御装置１２０は、車両１０１の自動運転を制御する装置であることが望ましい。
　例えば、通信部１１９は、異常検出部１１０によって異常事象が検出された場合に、当該異常事象の発生場所を示す情報を運転制御装置１２０に送信する。例えば、通信部１１９は、異常予測部１１４によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の発生場所を示す情報を運転制御装置１２０に送信する。例えば、通信部１１９は、管制部１１５によって生成される決定情報を運転制御装置１２０に送信する。
＜本実施の形態に係る画像分析装置の物理的構成＞
　ここから、本実施の形態に係る交通監視装置１０２の物理的構成の例について、図を参照して説明する。
　交通監視装置１０２は物理的には、図３に示すように、バス１０１０、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、ネットワークインタフェース１０５０、ユーザインタフェース１０６０を有する。
　バス１０１０は、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、ネットワークインタフェース１０５０、及びユーザインタフェース１０６０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０２０などを互いに接続する方法は、バス接続に限定されない。
　プロセッサ１０２０は、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）などで実現されるプロセッサである。
　メモリ１０３０は、ＲＡＭ（Random Access Memory）などで実現される主記憶装置である。
　ストレージデバイス１０４０は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、又はＲＯＭ（Read Only Memory）などで実現される補助記憶装置である。
　ストレージデバイス１０４０は、交通監視装置１０２の記憶部（第１学習モデル記憶部１０８、事象別履歴パターン記憶部１１１、第２学習モデル記憶部１１３）や情報を保持する機能を実現する。
　また、ストレージデバイス１０４０は、画像分析装置１０２の各機能部（位置取得部１０６、履歴生成部１０７、交通状況取得部１０９、異常検出部１１０、予測部１１２、異常予測部１１４、管制部１１５、表示制御部１１７、撮像制御部１１８、通信部１１９）を実現するためのプログラムモジュールを記憶している。プロセッサ１０２０がこれら各プログラムモジュールをメモリ１０３０上に読み込んで実行することで、そのプログラムモジュールに対応する各機能部が実現される。
　ネットワークインタフェース１０５０は、有線、無線又はこれらを組み合わせて構成されるネットワークに交通監視装置１０２を接続するためのインタフェースである。本実施の形態に係る交通監視装置１０２は、ネットワークインタフェース１０５０を通じてネットワークに接続されることによって、センシング装置１０２、カメラ１０３、運転制御装置１２０と通信する。
　ユーザインタフェース１０７０は、ユーザから情報が入力されるインタフェース及びユーザに情報を提示するインタフェースであり、例えば、入力部１０５としてのマウス、キーボード、タッチセンサなど、表示部１１６としての液晶ディスプレイなどを含む。
　このように交通監視装置１０２の機能は、ソフトウェアプログラムを物理的な各構成要素が協働して実行することによって実現することができる。そのため、本発明は、ソフトウェアプログラム（以下、単に「プログラム」ともいう。）として実現されてもよく、そのプログラムが記録された非一時的な記憶媒体として実現されてもよい。
＜本実施の形態に係る交通監視処理＞
　ここから、本発明の一実施の形態に係る交通監視処理について図を参照して説明する。
　図４Ａ及び４Ｂは、本実施の形態に係る交通監視処理の一例を示すフローチャートである。
　交通監視処理は、道路Ｒの交通を監視するための処理であって、センシング装置１０２から、例えば一定の時間間隔で繰り返し取得される位置情報を参照して行われる。交通監視処理は、例えば、入力部１０３からのユーザの指示を受けて開始される。
　図４Ａに示すように、位置取得部１０６は、センシング装置１０２から位置情報を取得することによって、道路Ｒを通行する車両１０１の車両位置を取得する（ステップＳ１０１）。
　履歴生成部１０７は、ステップＳ１０１にて取得された車両位置に基づいて、過去から現在までの車両位置の経時的な変化、すなわち車両位置の履歴を求める（ステップＳ１０２）。
　ここで、車両位置は、ステップＳ１０１にて比較的短周期で取得することができるため、履歴生成部１０７は、車両位置の取得周期よりも長い予め定められた時間の車両位置がステップＳ１０１にて取得されたときに行われるとよい。
　交通状況取得部１０９は、ステップＳ１０２で求められた車両位置の履歴に基づいて、車両１０１の速度（車速）、交通密度、交通量、占有率など、道路Ｒのおける交通パラメータを求める（ステップＳ１０３）。
　図５の車両位置の経時的な変化の例を参照すると分かるように、車速［ｋｍ／ｈ］は、車両位置の変化量（同図では例えば、車両位置Ｐ１から車両位置Ｐ２までの距離）を、当該変化に要した時間で割ることによって求められる。同図において車速は、車両位置の経時的な変化の傾きに表れ、車両位置の経時的な変化を示す線ＨＰａ，ＨＰｂ，ＨＰｃのうち、線ＨＰａに対応する車両１０１が最も速く、線ＨＰｃに対応する車両１０１が最も遅い。
　交通密度［台／ｋｍ］は、ある瞬間における単位区間当たりの車両１０１の台数である。同図では、交通密度［台／ｋｍ］は、ある時間に対応する横線を引いた場合に、単位区間に対応する領域内で当該横線と交差する、車両位置の経時的な変化を示す線ＨＰａ，ＨＰｂ，ＨＰｃの数により表される。
　交通量［台／ｈ］は、ある地点を単位時間の間に通過する車両１０１の台数である。同図では、交通量［台／ｈ］は、ある地点に対応する縦線を引いた場合に、単位時間に対応する領域内で当該縦線と交差する、車両位置の経時的な変化を示す線ＨＰａ，ＨＰｂ，ＨＰｃの数により表される。
　占有率は、ある瞬間における対象区間のうち車両１０１で占有されている距離の割合（空間オキュパンシー）、或いは、ある地点における対象時間のうち車両１０１で占有されている時間の割合（時間オキュパンシー）である。これらは、例えば、車両１０１の長さ（車長）を平均的な長さとして、交通密度、交通量などに基づいて求めることができる。
　表示制御部１１７は、ステップＳ１０３で求められた交通パラメータの値を表示部１１６に表示させる（ステップＳ１０４）。
　異常検出部１１０は、ステップＳ１０２で求められた車両位置の履歴と、事象別履歴パターン記憶部１１１に格納された事象別履歴パターン情報によって示される事象別履歴パターンとに基づいて、道路Ｒに発生している異常事象を検出する。そして、異常検出部１１０は、検出結果に基づいて、道路Ｒに異常事象が発生しているか否かを判別する（ステップＳ１０５）。
　詳細には例えば、事象別履歴パターンは、渋滞に対応する渋滞パターン、車両の停止に対応する停止パターンと、路上障害物に対応する障害物パターンとの少なくとも１つを含む。
　図６は、渋滞が発生した時の車両位置の経時的な変化のパターンである渋滞パターンの一例を示す。渋滞が発生すると、車両１０１は、適宜定められる基準速度よりも低速で通行し、それらの車間距離は適宜定められる基準距離よりも短くなる。そのため、渋滞パターンは同図に示すように、各車両１０１の車両位置の変化を示す線の傾きが低速を示すことや、時間Ｔ１における各車両１０１の車両位置Ｐ４～Ｐ９の距離が短いことをその特徴に含む。
　図７は、車両１０１の停止が発生した時の車両位置の経時的な変化のパターンである停止パターンの一例を示す。車両１０１の停止が発生すると、当該車両１０１の車両位置は、時間が経過しても変化しなくなるので、停止パターンは時間が経過しても車両位置が一定であるという特徴を含む。同図の例では、車両１０１は、次第に減速して時間Ｔ２に車両位置Ｐ１０で停止している。なお、停止が予め定められる時間よりも長く続きことが、停止パターンに含められてもよい。
　図８（ａ）は、路上障害物が発生した時の車両位置の経時的な変化のパターンである障害物パターンの一例を示す。
　例えば図８（ｂ）に示すように、路上障害物Ｆが道路Ｒ上の走行車線の位置Ｐ１１にあるとする。この場合、走行車線を走行して来た車両１０１は、隣り車線へ移動して路上障害物Ｆを避けるために、路上障害物Ｆの手前の位置１０１ａから減速する。そして、隣り車線の位置１０１ｂへ移動して、路上障害物Ｆを通り過ぎると、車両１０１は、図８（ｂ）に示すように、走行車線に戻って加速する。
　図８（ａ）の障害物パターンは、路上障害物Ｆが道路Ｒ上の走行車線にある場合に、複数の車両１０１が路上障害物Ｆから予め定められた範囲内で低速で走行した後に、加速するという特徴を含む。なお、道路Ｒでの減速が路上障害物Ｆを避けるための減速か否かを判別するために、障害物パターンは、予め定められる速度よりも遅い速度に減速することを含んでもよい。
　ここで図６～８に示す事象別履歴パターンは、それぞれ、渋滞、車両１０１の停止、路上障害物という異常事象の各種別に対応する事象別履歴パターンの一例に過ぎない。異常事象の種別ごとに複数の事象別履歴パターンを含む事象別履歴パターン情報が事象別履歴パターン記憶部１１１に予め格納されてもよい。そして、異常検出部１１０は、各事象別履歴パターンと車両位置の履歴とを照合（例えば、パターンマッチング）することによって、両者の類似度を求める。
　類似度が予め定められた閾値より大きい場合に、異常検出部１１０は、現在の道路Ｒで発生している異常事象を検出するので、道路Ｒで異常事象が発生していると判別する（ステップＳ１０５；Ｙｅｓ）。このとき、類似度が大きい事象別履歴パターンが対応する異常事象の種別から、道路Ｒで発生している異常事象の種別も特定される。
　また、類似度が閾値以下の場合、異常検出部１１０は、現在の道路Ｒで発生している異常事象を検出しないので、道路Ｒで異常事象が発生していないと判別する（ステップＳ１０５；Ｎｏ）。
　なお、事象別履歴パターンは、上述の通り、事象別に種々のパターンが想定される。そこで、異常検出部１１０は、車両位置の経時的な変化を入力として、学習モデルに基づいて、異常事象を検出し、異常事象が検出された場合に当該異常事象の種別を示す情報を生成してもよい。この場合の学習モデルには、車両位置の経時的な変化を入力として、当該変化と事象別履歴パターンとの類似度に応じた異常事象の種別を示す情報を生成する機械学習をした学習済みの学習モデルが採用されるとよい。この学習は教師あり学習であればよく、学習モデルは、事象別履歴パターン記憶部１１１に代わる記憶部に予め格納されるとよい。
　また、異常検出部１１０は、異常事象の種別ごとの事象別履歴パターンの特徴の１つ又は複数が車両位置の経時的な変化に含まれるか否かに従って、異常事象を検出し、検出された異常事象の種別を特定してもよい。
　異常事象が発生していないと判別された場合（ステップＳ１０５；Ｎｏ）、位置取得部１０６は、ステップＳ１０１の処理を行う。
　異常事象が発生していると判別された場合（ステップＳ１０５；Ｙｅｓ）、表示制御部１１７は、表示部１１６の画面に、当該異常事象の発生場所を示す道路図を表示させる（ステップＳ１０６）。また、撮像制御部１１８は、カメラ１０３に、当該異常事象の発生場所を拡大して撮影させる（ステップＳ１０７）。
　ここから、図４Ｂを参照する。
　予測部１１２は、ステップＳ１０２で求められた車両位置の履歴と、ステップＳ１０５にて検出された異常事象の種別とに基づいて、道路Ｒについての将来の車両位置の経時的変化を予測する（ステップＳ１０８）。
　ここで予測される将来の車両位置の経時的変化は、例えば、図１において二点鎖線Ｆで囲んだ領域内の実線ＨＰ１によって示される車両位置の経時的な変化である。
　図４Ｂを参照する。
　異常予測部１１４は、ステップ１０８で予測された将来の車両位置の経時的変化と、事象別履歴パターン記憶部１１１に格納された事象別履歴パターン情報によって示される事象別履歴パターンとに基づいて、道路Ｒに発生する異常事象を予測する。そして、異常予測部１１４は、予測結果に基づいて、道路Ｒに異常事象の発生が予測されるか否かを判別する（ステップＳ１０９）。
　ステップＳ１０９における異常事象の発生の予測の方法は、ステップＳ１０５の処理における車両位置の履歴を、将来の車両位置の経時的変化に代えたものと概ね同様である。
　そして、ステップＳ１０９においても、ステップＳ１０５と同様に類似度が予め定められた閾値より大きい場合に、異常予測部１１４は、道路Ｒに異常事象の発生が予測されると判別する（ステップＳ１０９；Ｙｅｓ）。このとき、類似度が大きい事象別履歴パターンが対応する異常事象の種別から、道路Ｒで発生が予測される異常事象の種別も特定される。
　また、類似度が閾値以下の場合、異常予測部１１４は、道路Ｒに異常事象の発生が予測されないと判別する（ステップＳ１０９；Ｎｏ）。
　異常事象の発生が予測されないと判別された場合（ステップＳ１０９；Ｎｏ）、図４Ａを再び参照して、位置取得部１０６は、ステップＳ１０１の処理を行う。
　図４Ｂに戻って、異常事象の発生が予測されると判別された場合（ステップＳ１０９；Ｙｅｓ）、表示制御部１１７は、表示部１１６の画面に、異常事象の発生が予測される場所である予測発生場所を示す道路図を表示させる（ステップＳ１１０）。また、通信部１１９は、当該異常事象の予測発生場所を示す予測発生場所情報を運転制御装置１２０へ送信する（ステップＳ１１１）。
　管制部１１５は、現在発生している異常事象及び将来の発生が予測される異常事象を緩和するための交通管制のための交通管制処理（ステップＳ１１２）を行う。
　図９は、交通管制処理（ステップＳ１１２）の詳細を示すフローチャートである。
　管制部１１５は、ステップＳ１０９にて発生が予測されると判定された異常事象の種別に基づいて、交通管制情報を生成する（ステップＳ２０１）。表示制御部１１７は、ステップＳ２０１にて生成された交通管制情報を表示部１１６に表示させる（ステップＳ２０２）。
　例えば、発生が予測される異常事象が渋滞であるとする。この場合、交通管制情報に含まれる交通管制手段は、渋滞の予測発生場所よりも手前のインターチェンジの閉鎖や料金所からの通行料金の一時的な値上げ、当該予測発生場所を回避する別ルートの提示などである。別ルートは、地図情報と予測発生場所とに基づいて探索されるとよい。
　また、交通事故に伴う渋滞が予測される場合、交通管制情報に含まれる交通管制手段は、交通事故を処理するための緊急人員の派遣計画を含んでもよい。
　管制部１１５は、ステップＳ２０１にて生成された交通管制情報に含まれる交通管制手段の中から、選択肢がある交通管制手段を抽出する（ステップＳ３０２）。
　選択肢がある交通管制手段には、交通管制手段として複数の別ルートが提示される例を挙げることができる。
　管制部１１５は、ステップＳ３０２にて抽出された交通管制手段について、選択肢ごとの評価情報を生成する（ステップＳ２０４）。表示制御部１１７は、ステップ２０４にて生成された評価情報を表示部１１６に表示させる（ステップＳ２０５）。
　管制部１１５は、ステップＳ２０２にて表示された交通管制手段の採否に関するユーザの指示を受け付けたか否かを判定する（ステップＳ２０６）。ユーザの指示を受け付けていないと判定した場合（ステップＳ２０６；Ｎｏ）、管制部１１５は、当該指示を受け付けるまで、ステップＳ２０５の処理を続ける。
　ユーザの指示を受け付けたと判定した場合（ステップＳ２０６）、管制部１１５は、ユーザによって採用された交通管制手段を決定情報として出力する（ステップＳ２０７）。
　すなわち、ユーザは、ステップＳ２０２にて表示された交通管制手段と、ステップＳ２０５にて表示された評価とを参照して、実際に採用する交通管制手段を選定することができる。そして、採用する交通管制手段を入力部１０５から指示することによって、管制部１１５は、採用される交通管制手段を含む決定情報を生成する。
　なお、ステップＳ２０３の処理が行われず、ステップＳ２０１にて生成された交通管制情報に含まれる交通管制手段のすべて、或いは予め定められた一部について、ステップＳ２０４～Ｓ２０５の処理が行われてもよい。
　表示制御部１１７は、ステップ２０７にて出力された決定情報を表示部１１６に表示させる（ステップＳ２０８）。通知部１１９は、決定情報を自動車の運転制御装置１２０へ送信する（ステップＳ２０９）。
　ここで、ステップＳ１０９にて送信される運転制御装置１２０が搭載される自動車は、車両１０１の一例であり、自動運転の自動車であることが望ましい。これにより、運転制御装置１２０は、決定情報を参照して、望ましい運転ルートを求めて自動車の走行を制御することができる。
　交通管制処理（ステップＳ１１２）が終了すると、図４Ｂ及びＡに示すように、位置取得部１０６は、ステップＳ１０１の処理を行う。交通監視処理は、例えば、ユーザの終了の指示を入力部１０５から受け付けるまで続けて実行される。
　これまで、本発明の一実施の形態について説明した。
　本実施の形態によれば、道路における車両位置を示す位置情報に基づいて、車両位置の経時的な変化を示す履歴情報が生成される。
　道路における車両位置であれば、広域に設置されるセンサなどから把握することができる。また、履歴情報によれば、場所的にも時間的にも連続した車両位置の経時的な変化を把握することができる。
　従って、広域の交通状況を俯瞰的にリアルタイムで把握することが可能になる。
　本実施の形態によれば、道路Ｒで発生している異常事象が、事象別履歴パターンと車両位置の経時的な変化とに基づいて検出される。
　車両位置の経時的な変化を利用することで、道路Ｒで発生している異常事象をリアルタイムで把握することができる。また、車両位置の経時的な変化は、異常事象の種別ごとに特徴的なパターンを有するので、事象別履歴パターンを用いて異常事象を検出することで、道路Ｒで発生している異常事象を正確に検出することができる。
　従って、道路Ｒで発生している異常事象をリアルタイムで正確に把握することが可能になる。
　本実施の形態によれば、異常事象の発生場所を示す道路図を画面に表示させる。これにより、ユーザは、発生場所を容易に認識することが可能になる。また、発生場所をカメラ１０３に拡大して撮影させる。これにより、ユーザは、発生場所の現状をリアルタイムで正確に認識することが可能になる。
　本実施の形態によれば、車両位置の経時的な変化を示す履歴情報に基づいて、道路Ｒにおける車両位置の経時的な変化を予測する。
　同様の道路状況において同様の位置の変化をする車両１０１は、将来においても同様の位置の変化をすることが多いので、履歴情報に基づいて、道路Ｒにおける車両位置の経時的な変化を精度良く予測することができる。
　広域の交通状況を俯瞰的に、かつ、精度良く予測することが可能になる。
　本実施の形態によれば、道路Ｒで発生する異常事象が、道路Ｒにおいて予測される車両位置の経時的な変化と事象別履歴パターンと車両位置の経時的な変化とに基づいて予測される。
　道路Ｒにおいて予測される車両位置の経時的な変化が広域かつ俯瞰的に、精度良く予測され得ることは、上述の通りである。また、車両位置の経時的な変化は、現在発生している異常事象を検出する場合と同様に、異常事象の種別ごとに特徴的なパターンを有するので、事象別履歴パターンを用いて道路Ｒで発生する異常事象を精度良く予測できる。
　従って、道路Ｒで発生する異常事象を精度良く予測することが可能になる。
　本実施の形態によれば、異常事象の予測発生場所を示す道路図を画面に表示させる。これにより、ユーザは、予測発生場所を容易に認識することが可能になる。また、予測発生場所を運転制御装置１２０に送信する。これにより、予測発生場所を考慮して運転計画を立案できるので、道路Ｒの混雑する場所を避けることなどにより効率的な移動が可能になる。
　本実施の形態によれば、発生が予測される異常事象の種別に基づいて、当該異常事象を緩和するための交通管制手段を含む交通管制情報を生成する。これにより、異常事象を緩和することができるので、道路Ｒを利用した効率的な移動が可能になる。
　本実施の形態によれば、過去に異常事象に対して採用された交通管制手段の実績情報に基づいて、交通管制手段に対する評価情報が生成される。これにより、ユーザは、過去の実績に基づく評価を参考にして、現在又は将来の異常事象を緩和するための交通管制手段を選定することができる。従って、有効な交通管制手段を選定できる可能性が高くなるので、道路Ｒを利用したより一層効率的な移動が可能になる。
　本実施の形態によれば、ユーザによって選定された交通管制手段を示す決定情報が画面に表示される。これにより、ユーザは、決定情報を容易に認識することが可能になる。また、決定情報が運転制御装置１２０に送信される。これにより、決定情報を考慮して運転計画を立案できるので、道路Ｒの混雑する場所を避けることなどにより効率的な移動が可能になる。
＜変形例＞
　実施の形態では、一方向に向かう車両１０１の履歴情報を生成する例を説明した。しかし、図１を参照して説明したように、履歴情報では、傾きの正負、或いは、基準位置に対して近づく方向及び遠くなる方向によって、車両１０１の走行方向を容易に判別することができる。本変形例では、異なる方向へ向かう車両１０１（例えば、上り車線と下り車線の各々を通行する車両１０１）の履歴情報を取得する履歴生成部の例を説明する。
　変形例に係る履歴生成部２０７は、機能的には、図１０に示すように、位置変化取得部２０７ａと、走行方向判別部２０７ｂと、第１生成部２０７ｃと、第２生成部２０７ｄとを含む。
　位置変化取得部２０７ａは、繰り返し取得された位置情報に基づいて、車両位置の経時的な変化を求める。
　走行方向判別部２０７ｂは、位置変化取得部２０７ａによって求められた経時的な変化に基づいて、車両１０１の走行方向が第１方向であるか、当該第1方向とは逆の第２方向であるかを判別する。
　第１生成部２０７ｃは、第１方向に走行する車両１０１に関する車両位置の履歴を示す第１履歴情報を生成する。
　第２生成部２０７ｄは、第２方向に走行する車両１０１に関する車両位置の履歴を示す第２履歴情報を生成する。
　このような履歴生成部２０７は、実施の形態に係る交通監視装置１０４において、履歴生成部１０７に代えて採用されるとよい。
　本変形例によれば、対向車線の各々を通行する車両１０１を把握することができるので、広域の交通状況を俯瞰的にリアルタイムで把握することが可能になる。
　また例えば、逆走する車両１０１の走行方向は、反対車線を走行する車両１０１の走行方向と同じであるため、例えば図１に示す履歴情報に含まれる線ＨＰ１，ＨＰ２の傾きの正負は同じになる。
　そこで、反対車線を通行する車両１０１と逆走する車両１０１とを区別するために、光ファイバセンシングにおいて観測する戻り光の信号強度が利用されてもよい。
　例えば、光ファイバＯＦに近い車線での振動印加であれば信号強度が大きくなり、光ファイバＯＦから離れた車線での振動印加であれば、信号強度が小さくなる。そのため、光ファイバセンシングによる信号強度を利用することで、各車両１０１がどの車線を走行しているか分離でき、反対車線の状況把握、逆走車の検知が可能である。
　なお、各車両１０１がどの車線を走行しているかを分離する手法は、光ファイバセンシングによる信号強度を利用した上述の手法に限られず、その他の手法が採用されてもよい。
　以上、本発明の実施の形態及び変形例について説明したが、本発明は、これらに限られるものではない。例えば、本発明は、これまで説明した実施の形態及び変形例の一部又は全部を適宜組み合わせた形態、その形態に適宜変更を加えた形態をも含む。
　上記の実施の形態の一手段または全手段は、以下の付記のようにも記載されうるが、以下に限られない。
１．道路における車両位置を示す位置情報を取得する位置取得手段と、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成する履歴生成手段とを備える
　交通監視装置。
２．前記位置取得手段は、前記道路に敷設された光ファイバを利用した光ファイバセンシングに基づいて得られる前記道路における前記位置情報を取得する
　上記１に記載の交通監視装置。
３．道路における異常事象の種別に対応する車両位置の経時的な変化のパターンを示す事象別履歴パターンと前記第１履歴情報が示す前記車両位置の経時的な変化とに基づいて、前記道路における前記異常事象を検出する異常検出手段をさらに備える
　上記１又は２に記載の交通監視装置。
４．前記事象別履歴パターンは、前記異常事象としての渋滞に対応する渋滞パターンと、前記異常事象としての車両の停止に対応する停止パターンと、前記異常事象としての路上障害物に対応する障害物パターンと、の少なくとも１つを含む
　上記３に記載の交通監視装置。
５．画面を表示手段に表示させる表示制御手段をさらに含み、
　前記表示制御手段は、前記異常検出手段によって異常事象が検出された場合に、当該異常事象の発生場所を示す道路図を前記画面に表示させる
　上記３又は４に記載の交通監視装置。
６．前記道路を撮影する撮像手段を制御する撮像制御手段をさらに含み、
　前記撮像制御手段は、前記異常検出手段によって異常事象が検出された場合に、当該異常事象の発生場所を撮像手段に拡大して撮影させる
　上記３から５のいずれか１つに記載の交通監視装置。
７．前記履歴生成手段によって生成された第１履歴情報に基づいて、前記道路について予測される車両位置の経時的な変化を示す予測情報を生成する予測手段をさらに備える
　上記１から６のいずれか１つに記載の交通監視装置。
８．前記予測手段は、訓練用の前記第１履歴情報を入力として前記予測情報を生成する機械学習をした学習済みの学習モデルに基づいて、前記履歴生成手段によって生成された第１履歴情報を入力として前記道路についての予測情報を生成する
　上記７に記載の交通監視装置。
９．前記異常検出手段によって異常事象が検出された場合に、当該異常事象の種別と前記履歴生成手段によって生成された第１履歴情報とに基づいて、前記道路について予測される車両位置の経時的な変化を示す予測情報を生成する予測手段をさらに備える
　上記３から６のいずれか１つに記載の交通監視装置。
１０．前記予測手段は、訓練用の前記第１履歴情報と前記異常事象の種別とを入力として前記予測情報を生成する機械学習をした学習済みの学習モデルに基づいて、前記履歴生成手段によって生成された第１履歴情報と前記異常検出手段によって検出された異常事象の種別とを入力として前記道路についての予測情報を生成する
　上記９に記載の交通監視装置。
１１．前記事象別履歴パターンと前記予測情報が示す経時的な変化とに基づいて、前記道路において発生する異常事象の種別を予測する異常予測手段をさらに備える
　上記９又は１０に記載の交通監視装置。
１２．画面を表示手段に表示させる表示制御手段をさらに含み、
　前記表示制御手段は、前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の発生場所を示す道路図を前記画面に表示させる
　上記１１に記載の交通監視装置。
１３．前記車両に搭載された運転制御装置と通信する通信手段をさらに含み、
　前記通信手段は、前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の発生場所を示す情報を前記運転制御装置に送信する
　上記１２に記載の交通監視装置。
１４．前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の種別に基づいて、当該異常事象を緩和するための交通管制手段を含む交通管制情報を生成する管制手段をさらに備える
　上記１１から１３のいずれか１つに記載の交通監視装置。
１５．前記管制手段は、さらに、過去の前記異常事象に対して採用された前記交通管制手段と、当該交通管制手段によって緩和された程度を示す評価値、又は、当該交通管制手段によって緩和されたか否かと、を含む実績情報に基づいて、前記異常予測手段によって発生が予測される異常事象が前記管制手段によって生成される交通管制手段によって緩和される程度の予想を示す評価値、又は、当該交通管制手段によって緩和されると予想されるか否か、を示す前記評価情報を生成する
　上記１４に記載の交通監視装置。
１６．前記管制手段は、さらに、前記生成した交通管制情報が示す交通管制手段の中から、ユーザが選定する交通管制手段を受け付け、当該選定された交通管制手段を示す決定情報を生成する
　上記１４又は１５に記載の交通監視装置。
１７．画面を表示手段に表示させる表示制御手段をさらに含み、
　前記表示制御手段は、前記管制手段から出力される決定情報を前記画面に表示させる
　上記１６に記載の交通監視装置。
１８．前記車両に搭載された運転制御装置と通信する通信手段をさらに含み、
　前記通信手段は、前記管制手段から出力される決定情報を前記運転制御装置に送信する
　上記１６又は１７に記載の交通監視装置。
１９．前記交通管制手段は、インターチェンジの閉鎖、前記発生が予測される異常事象の発生地点を回避する別ルート、道路の通行料金の変更、緊急人員の派遣計画の少なくとも１つを含む
　上記１４から１６のいずれか１つに記載の交通監視装置。
２０．前記履歴生成手段は、
　前記位置情報に基づいて、前記車両位置の経時的な変化を求める位置変化取得手段と、
　前記求められた経時的な変化に基づいて、前記車両の走行方向が第１方向であるか、当該第１方向とは逆の第２方向であるかを判別する走行方向判別手段と、
　前記第１方向に走行する前記車両に関する前記第１履歴情報を生成する第１生成手段と、
　前記第２方向に走行する前記車両に関する前記車両位置の経時的な変化を示す第２履歴情報を生成する第２生成手段とを含む
　上記１から１９のいずれか１つに記載の交通監視装置。
２１．前記第１履歴情報に基づいて、前記道路の交通状況を示す交通パラメータの値を求める交通状況取得手段をさらに備え、
　前記交通パラメータは、道路を走行する車両の速度、道路の交通密度、道路において予め定められた地点を単位時間当たりに走行する車両の量である交通量、道路が車両によって占められる割合を示す占有率、の少なくとも１つを含む
　上記１から２０のいずれか１つに記載の交通監視装置。
２２．上記１から２１のいずれか１つに記載の交通監視装置と、
　前記道路に敷設され、光信号の反射を抑制する終端処理が一端に施された光ファイバと、
　前記光ファイバに光信号を入力するとともに、当該光信号の入力に伴って生じる後方散乱光同士が干渉した光の強度である光干渉強度の変化量を観測するセンシング装置とを備え、
　前記位置取得手段は、前記センシング装置によって観測された前記光干渉強度の変化量に基づいて得られる前記道路における前記位置情報を取得する
　交通監視システム。
２３．コンピュータが、
　道路における車両位置を示す位置情報を取得することと、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを含む
　交通監視方法。
２４．コンピュータに、
　道路における車両位置を示す位置情報を取得することと、
　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを実行させるためのプログラム。
　　１００　交通監視システム
　　１０１　車両
　　１０２　センシング装置
　　１０３　カメラ
　　１０４　交通監視装置
　　１０５　入力部
　　１０６　位置取得部
　　１０７，２０７　履歴生成部
　　１０８　第１学習モデル記憶部
　　１０９　交通状況取得部
　　１１０　異常検出部
　　１１１　事象別履歴パターン記憶部
　　１１２　予測部
　　１１３　第２学習モデル記憶部
　　１１４　異常予測部
　　１１５　管制部
　　１１６　表示部
　　１１７　表示制御部
　　１１８　撮像制御部
　　１１９　通信部
　　１２０　運転制御装置
　　２０７ａ　位置変化取得部
　　２０７ｂ　走行方向判別部
　　２０７ｃ　第１生成部
　　２０７ｄ　第２生成部

Claims (24)

  1. 　道路における車両位置を示す位置情報を取得する位置取得手段と、
    　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成する履歴生成手段とを備える
    　交通監視装置。
  2. 　前記位置取得手段は、前記道路に敷設された光ファイバを利用した光ファイバセンシングに基づいて得られる前記道路における前記位置情報を取得する
    　請求項１に記載の交通監視装置。
  3. 　道路における異常事象の種別に対応する車両位置の経時的な変化のパターンを示す事象別履歴パターンと前記第１履歴情報が示す前記車両位置の経時的な変化とに基づいて、前記道路における前記異常事象を検出する異常検出手段をさらに備える
    　請求項１又は２に記載の交通監視装置。
  4. 　前記事象別履歴パターンは、前記異常事象としての渋滞に対応する渋滞パターンと、前記異常事象としての車両の停止に対応する停止パターンと、前記異常事象としての路上障害物に対応する障害物パターンと、の少なくとも１つを含む
    　請求項３に記載の交通監視装置。
  5. 　画面を表示手段に表示させる表示制御手段をさらに含み、
    　前記表示制御手段は、前記異常検出手段によって異常事象が検出された場合に、当該異常事象の発生場所を示す道路図を前記画面に表示させる
    　請求項３又は４に記載の交通監視装置。
  6. 　前記道路を撮影する撮像手段を制御する撮像制御手段をさらに含み、
    　前記撮像制御手段は、前記異常検出手段によって異常事象が検出された場合に、当該異常事象の発生場所を撮像手段に拡大して撮影させる
    　請求項３から５のいずれか１項に記載の交通監視装置。
  7. 　前記履歴生成手段によって生成された第１履歴情報に基づいて、前記道路について予測される車両位置の経時的な変化を示す予測情報を生成する予測手段をさらに備える
    　請求項１から６のいずれか１項に記載の交通監視装置。
  8. 　前記予測手段は、訓練用の前記第１履歴情報を入力として前記予測情報を生成する機械学習をした学習済みの学習モデルに基づいて、前記履歴生成手段によって生成された第１履歴情報を入力として前記道路についての予測情報を生成する
    　請求項７に記載の交通監視装置。
  9. 　前記異常検出手段によって異常事象が検出された場合に、当該異常事象の種別と前記履歴生成手段によって生成された第１履歴情報とに基づいて、前記道路について予測される車両位置の経時的な変化を示す予測情報を生成する予測手段をさらに備える
    　請求項３から６のいずれか１項に記載の交通監視装置。
  10. 　前記予測手段は、訓練用の前記第１履歴情報と前記異常事象の種別とを入力として前記予測情報を生成する機械学習をした学習済みの学習モデルに基づいて、前記履歴生成手段によって生成された第１履歴情報と前記異常検出手段によって検出された異常事象の種別とを入力として前記道路についての予測情報を生成する
    　請求項９に記載の交通監視装置。
  11. 　前記事象別履歴パターンと前記予測情報が示す経時的な変化とに基づいて、前記道路において発生する異常事象の種別を予測する異常予測手段をさらに備える
    　請求項９又は１０に記載の交通監視装置。
  12. 　画面を表示手段に表示させる表示制御手段をさらに含み、
    　前記表示制御手段は、前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の発生場所を示す道路図を前記画面に表示させる
    　請求項１１に記載の交通監視装置。
  13. 　前記車両に搭載された運転制御装置と通信する通信手段をさらに含み、
    　前記通信手段は、前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の発生場所を示す情報を前記運転制御装置に送信する
    　請求項１２に記載の交通監視装置。
  14. 　前記異常予測手段によって異常事象の発生が予測される場合に、当該発生が予測される異常事象の種別に基づいて、当該異常事象を緩和するための交通管制手段を含む交通管制情報を生成する管制手段をさらに備える
    　請求項１１から１３のいずれか１項に記載の交通監視装置。
  15. 　前記管制手段は、さらに、過去の前記異常事象に対して採用された前記交通管制手段と、当該交通管制手段によって緩和された程度を示す評価値、又は、当該交通管制手段によって緩和されたか否かと、を含む実績情報に基づいて、前記異常予測手段によって発生が予測される異常事象が前記管制手段によって生成される交通管制手段によって緩和される程度の予想を示す評価値、又は、当該交通管制手段によって緩和されると予想されるか否か、を示す前記評価情報を生成する
    　請求項１４に記載の交通監視装置。
  16. 　前記管制手段は、さらに、前記生成した交通管制情報が示す交通管制手段の中から、ユーザが選定する交通管制手段を受け付け、当該選定された交通管制手段を示す決定情報を生成する
    　請求項１４又は１５に記載の交通監視装置。
  17. 　画面を表示手段に表示させる表示制御手段をさらに含み、
    　前記表示制御手段は、前記管制手段から出力される決定情報を前記画面に表示させる
    　請求項１６に記載の交通監視装置。
  18. 　前記車両に搭載された運転制御装置と通信する通信手段をさらに含み、
    　前記通信手段は、前記管制手段から出力される決定情報を前記運転制御装置に送信する
    　請求項１６又は１７に記載の交通監視装置。
  19. 　前記交通管制手段は、インターチェンジの閉鎖、前記発生が予測される異常事象の発生地点を回避する別ルート、道路の通行料金の変更、緊急人員の派遣計画の少なくとも１つを含む
    　請求項１４から１６のいずれか１項に記載の交通監視装置。
  20. 　前記履歴生成手段は、
    　前記位置情報に基づいて、前記車両位置の経時的な変化を求める位置変化取得手段と、
    　前記求められた経時的な変化に基づいて、前記車両の走行方向が第１方向であるか、当該第１方向とは逆の第２方向であるかを判別する走行方向判別手段と、
    　前記第１方向に走行する前記車両に関する前記第１履歴情報を生成する第１生成手段と、
    　前記第２方向に走行する前記車両に関する前記車両位置の経時的な変化を示す第２履歴情報を生成する第２生成手段とを含む
    　請求項１から１９のいずれか１項に記載の交通監視装置。
  21. 　前記第１履歴情報に基づいて、前記道路の交通状況を示す交通パラメータの値を求める交通状況取得手段をさらに備え、
    　前記交通パラメータは、道路を走行する車両の速度、道路の交通密度、道路において予め定められた地点を単位時間当たりに走行する車両の量である交通量、道路が車両によって占められる割合を示す占有率、の少なくとも１つを含む
    　請求項１から２０のいずれか１項に記載の交通監視装置。
  22. 　請求項１から２１のいずれか１項に記載の交通監視装置と、
    　前記道路に敷設され、光信号の反射を抑制する終端処理が一端に施された光ファイバと、
    　前記光ファイバに光信号を入力するとともに、当該光信号の入力に伴って生じる後方散乱光同士が干渉した光の強度である光干渉強度の変化量を観測するセンシング装置とを備え、
    　前記位置取得手段は、前記センシング装置によって観測された前記光干渉強度の変化量に基づいて得られる前記道路における前記位置情報を取得する
    　交通監視システム。
  23. 　コンピュータが、
    　道路における車両位置を示す位置情報を取得することと、
    　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを含む
    　交通監視方法。
  24. 　コンピュータに、
    　道路における車両位置を示す位置情報を取得することと、
    　前記位置情報に基づいて、前記車両位置の経時的な変化を示す第１履歴情報を生成することとを実行させるためのプログラム。
PCT/JP2020/028845 2020-07-28 2020-07-28 交通監視装置、交通監視システム、交通監視方法及びプログラム WO2022024208A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2020/028845 WO2022024208A1 (ja) 2020-07-28 2020-07-28 交通監視装置、交通監視システム、交通監視方法及びプログラム
JP2022539825A JPWO2022024208A1 (ja) 2020-07-28 2020-07-28
US18/017,466 US20230274634A1 (en) 2020-07-28 2020-07-28 Traffic monitoring apparatus, traffic monitoring system, traffic monitoring method, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/028845 WO2022024208A1 (ja) 2020-07-28 2020-07-28 交通監視装置、交通監視システム、交通監視方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2022024208A1 true WO2022024208A1 (ja) 2022-02-03

Family

ID=80037778

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/028845 WO2022024208A1 (ja) 2020-07-28 2020-07-28 交通監視装置、交通監視システム、交通監視方法及びプログラム

Country Status (3)

Country Link
US (1) US20230274634A1 (ja)
JP (1) JPWO2022024208A1 (ja)
WO (1) WO2022024208A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115331455A (zh) * 2022-06-29 2022-11-11 北京见合八方科技发展有限公司 一种公路车辆车道级定位与车辆境况监测方法和系统
CN115346370A (zh) * 2022-08-10 2022-11-15 重庆大学 基于智能交通的路口防碰撞系统及方法
CN115410403A (zh) * 2022-04-19 2022-11-29 北京见合八方科技发展有限公司 基于无源感知的公路车辆定位追踪方法、装置及可读介质
CN115544198A (zh) * 2022-10-25 2022-12-30 北京磁浮有限公司 城市轨道交通运行状态的监测方法及相关装置
WO2024176277A1 (ja) * 2023-02-20 2024-08-29 日本電信電話株式会社 道路の振動を解析する装置及び方法
WO2024176278A1 (ja) * 2023-02-20 2024-08-29 日本電信電話株式会社 道路の振動を解析する装置及び方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210116261A1 (en) * 2020-12-26 2021-04-22 Francesc Guim Bernat Systems and methods for vehicle-occupancy-based and user-preference-based smart routing and autonomous volumetric-occupancy measurement

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1019510A (ja) * 1996-06-27 1998-01-23 Toyota Motor Corp 路上物体検出装置
JP2004523042A (ja) * 2001-02-15 2004-07-29 キネテイツク・リミテツド 道路交通モニタリングシステム
JP2004524618A (ja) * 2001-02-15 2004-08-12 キネティック リミテッド 道路交通モニターシステム
JP2016095695A (ja) * 2014-11-14 2016-05-26 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 移動体が特定領域に接近していることを通知する方法、並びに、その為のサーバ・コンピュータ及びサーバ・コンピュータ・プログラム
WO2017047687A1 (ja) * 2015-09-17 2017-03-23 株式会社日立国際電気 監視システム
JP2017215759A (ja) * 2016-05-31 2017-12-07 株式会社東芝 事故予報システム、および、事故予報方法
JP2018505422A (ja) * 2014-12-02 2018-02-22 ワング，ケビン，スンリン 事故回避方法及びシステム
JP2018180601A (ja) * 2017-04-03 2018-11-15 Kddi株式会社 検知装置、検知方法及び検知プログラム
JP2018198026A (ja) * 2017-05-25 2018-12-13 株式会社東芝 事故予報システム、および、事故予報方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1019510A (ja) * 1996-06-27 1998-01-23 Toyota Motor Corp 路上物体検出装置
JP2004523042A (ja) * 2001-02-15 2004-07-29 キネテイツク・リミテツド 道路交通モニタリングシステム
JP2004524618A (ja) * 2001-02-15 2004-08-12 キネティック リミテッド 道路交通モニターシステム
JP2004527030A (ja) * 2001-02-15 2004-09-02 キネテイツク・リミテツド 交通監視
JP2016095695A (ja) * 2014-11-14 2016-05-26 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 移動体が特定領域に接近していることを通知する方法、並びに、その為のサーバ・コンピュータ及びサーバ・コンピュータ・プログラム
JP2018505422A (ja) * 2014-12-02 2018-02-22 ワング，ケビン，スンリン 事故回避方法及びシステム
WO2017047687A1 (ja) * 2015-09-17 2017-03-23 株式会社日立国際電気 監視システム
JP2017215759A (ja) * 2016-05-31 2017-12-07 株式会社東芝 事故予報システム、および、事故予報方法
JP2018180601A (ja) * 2017-04-03 2018-11-15 Kddi株式会社 検知装置、検知方法及び検知プログラム
JP2018198026A (ja) * 2017-05-25 2018-12-13 株式会社東芝 事故予報システム、および、事故予報方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115410403A (zh) * 2022-04-19 2022-11-29 北京见合八方科技发展有限公司 基于无源感知的公路车辆定位追踪方法、装置及可读介质
CN115410403B (zh) * 2022-04-19 2023-11-10 北京见合八方科技发展有限公司 基于无源感知的公路车辆定位追踪方法、装置及可读介质
CN115331455A (zh) * 2022-06-29 2022-11-11 北京见合八方科技发展有限公司 一种公路车辆车道级定位与车辆境况监测方法和系统
CN115331455B (zh) * 2022-06-29 2024-03-01 北京见合八方科技发展有限公司 一种公路车辆车道级定位与车辆境况监测方法和系统
CN115346370A (zh) * 2022-08-10 2022-11-15 重庆大学 基于智能交通的路口防碰撞系统及方法
CN115346370B (zh) * 2022-08-10 2023-11-03 重庆大学 基于智能交通的路口防碰撞系统及方法
CN115544198A (zh) * 2022-10-25 2022-12-30 北京磁浮有限公司 城市轨道交通运行状态的监测方法及相关装置
WO2024176277A1 (ja) * 2023-02-20 2024-08-29 日本電信電話株式会社 道路の振動を解析する装置及び方法
WO2024176278A1 (ja) * 2023-02-20 2024-08-29 日本電信電話株式会社 道路の振動を解析する装置及び方法

Also Published As

Publication number Publication date
US20230274634A1 (en) 2023-08-31
JPWO2022024208A1 (ja) 2022-02-03

Similar Documents

Publication Publication Date Title
WO2022024208A1 (ja) 交通監視装置、交通監視システム、交通監視方法及びプログラム
US11392120B2 (en) Planning autonomous motion
US11003925B2 (en) Event prediction system, event prediction method, program, and recording medium having same recorded therein
JP5932984B2 (ja) 運転者支援システム、及び、運転者支援システムを駆動する方法
JP7332020B2 (ja) 光ファイバセンシングシステム、道路監視方法、及び光ファイバセンシング機器
US20190042857A1 (en) Information processing system and information processing method
CN112289054A (zh) 道路安全预警方法、obu、rsu、mec设备及系统
CN103770780A (zh) 一种车辆主动安全系统告警屏蔽装置
CN110648533A (zh) 一种交通管控方法、设备、系统及存储介质
KR20090125795A (ko) 안전운전 지원장치
JP2009126503A (ja) 運転評価装置、運転評価システム、コンピュータプログラム及び運転評価方法
KR20140112171A (ko) 위치기반 실시간 차량정보 표시시스템
KR20180092781A (ko) 맞춤형 ui 제공 자율 주행 차량의 주행 정보를 표시하는 방법, 이를 위한 차량용 단말 및 관리자 단말
CN110733496A (zh) 信息处理装置、信息处理方法以及记录介质
CN111746274A (zh) 车辆用显示装置、显示控制方法以及存储介质
Jacob et al. Vehicle trajectory analysis: an advanced tool for road safety
CN109789878A (zh) 车载电子控制装置
JP2023024857A (ja) 路車間連携情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム
JP4580995B2 (ja) 道路交通管制システム
Greer et al. Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and Real-World Data Analysis
JP7167812B2 (ja) 車両用制御装置、方法、プログラムおよび車両用表示装置
KR20240081722A (ko) 터널 내 돌발 및 위험관리를 통한 사고예방 시스템
JP2005234846A (ja) 管理装置及び管理システム及び管理方法
JP4128962B2 (ja) 道路交通管制システム
CN114596706A (zh) 路侧感知系统的检测方法及装置、电子设备和路侧设备

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: 20947782

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022539825

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: 20947782

Country of ref document: EP

Kind code of ref document: A1