交通量预测装置、交通量预测方法和程序

具体实施方式

以下，参照附图来说明本发明实施方式的交通量预测装置。

(第一实施方式)

图1是表示第一实施方式的交通量预测装置10的结构的图。交通量预测装置10例如设置在交通信息中心，从在全国各地行驶的探测车(Probe Car)P接收车辆的各种数据。在本实施方式中使用从探测车P接收到的位置数据和速度数据来预测交通量。

预定区间的交通量能够根据在该预定区间行驶的车辆的平均速度来掌握。例如，车辆的平均速度与法定速度相比越慢则越说明道路拥挤、交通量大。因此，在本实施方式中，将车辆速度的数据作为表示交通量的数据来进行处理。在本实施方式中，以根据从探测车P取得的数据来预测交通量为例进行说明，但也可以利用其他方法取得交通量的数据。例如，也可以使用由设置在道路上的车辆检测器收集到的交通量数据。

交通量预测装置10包括：接收从探测车P发送的各种数据的车辆数据接收部11；存储预定区间的车辆的平均速度数据的平均速度数据存储部12；存储有道路地图的道路地图存储部13；存储有表示过去的平均速度数据的变化的变化模式图的变化模式图存储部14；生成变化模式图并预测将来的平均速度数据的控制部15；显示由控制部15求出的预测交通量的显示器16；以及输入例如指定要预测交通量的区间的信息等各种信息的输入部17。

控制部15包括：根据从探测车P接收到的车辆数据(例如位置数据、速度数据)来求出预定区间的车辆平均速度的平均速度计算部18；更新存储在变化模式图存储部14中的变化模式图的变化模式图更新部19；根据与变化模式图最新的平均速度数据的变化来计算预测交通量的预测交通量计算部20；以及在显示器16上显示预测交通量的显示部21。

图2是表示存储在变化模式图存储部14中的变化模式图的例子的图。图2所示的变化模式图是表示预定区间的平均速度数据的变化模式的数据。变化模式图存储部14存储有与要预测交通量的区间相同数量的如图2所示的变化模式图组。

如图2所示，变化模式图存储部14对每一个区间存储有多个变化模式图22a～22e。各变化模式图22a～22e表示在预定时间点达到预定的平均速度的变化模式。所谓预定时间点是指取得数据的最新时间点，图2中记载为“现在”。例如，变化模式图22a表示在预定时间点平均速度为“40km/h～”的变化模式，变化模式图22e表示在预定时间点平均速度为“0～10km/h”的变化模式。变化模式图由如时间为每10分钟、平均速度为每10km/h这样的以预定的数值范围划分而规定的要素集合而成的矩阵构成。利用该变化模式图，能够大幅度削减表现变化模式的数据量。

变化模式图更新部19根据由平均速度计算部18计算出的平均速度数据和存储在平均速度数据存储部12中的数据来更新存储在变化模式图存储部14中的变化模式图。在此，使用具体例来说明变化模式图更新部19的处理。当平均速度计算部18根据来自探测车P的车辆数据计算预定区间的平均速度数据时，变化模式图更新部19读出与该平均速度数据对应的变化模式图。在该例中，当平均速度数据取为“40km/h～”时，读出“现在”的平均速度数据为“40km/h～”的变化模式图22a。另外，变化模式图更新部19从平均速度数据存储部12读出该区间的过去的平均速度数据。

图3是表示所读出的过去平均速度的变化数据的图。图4的(a)是表示更新前的变化模式图22a的图，是翻印了图2所示的变化模式图22a的图。图4的(b)和图5是用于说明变化模式图22a的更新的图。变化模式图更新部19使用所读出的变化数据(参照图3)来更新变化模式图(图4的(a))。变化模式图更新部19首先将变化模式图整体乘以小于1的常数E(0＜E＜1)。图4的(b)表示将变化模式图整体乘以0.9的例子。这样，通过将变化模式图整体乘以常数E，减少旧数据对变化模式图的影响。

在图3所示的例子中，当与变化模式图同样表示达到“40km/h～”的平均速度为止的过程时，10分钟前为“30～40km/h”，20分钟前为“20～30km/h”，30分钟前为“20～30km/h”，40分钟前为“10～20km/h”。将经过这样的过程而变成“40km/h～”的平均速度的情况加在变化模式图的对应的矩阵要素中。具体而言，如图5所示，在变化模式矩阵中追加追溯了各矩阵要素的次数(1次)。

接着，说明预测交通量计算部20。预测交通量计算部20从平均速度数据存储部12读出最新的平均速度的变化数据，根据所读出的最新的平均速度的变化数据和变化模式图来计算预定区间的预测平均速度即预测交通量。

图6是表示最接近的平均速度的变化数据的例子的图。当与变化模式图同样表示图6所示的变化数据时，现在为“20～30km/h”，10分钟前为“20～30km/h”，20分钟前为“10～20km/h”，30分钟前为“20～30km/h”，40分钟前为“10～20km/h”。预测交通量计算部20求出多个变化模式图中与图6所示的过去的变化数据的一致度最高的变化模式图，并求出与该变化模式图对应的平均速度数据来作为预测交通量。

图7是表示求出多个变化模式图中与图6所示的变化数据的一致度最高的变化模式图的计算例的图。如图7所示，预测交通量计算部20将与图6所示的最新的变化数据一致的矩阵要素的值合计来求出表示一致度的评价值。预测交通量计算部20求出将来的平均速度，因此，使最新的变化数据的“现在”的平均速度“20～30km/h”与变化模式图的“10分钟前”的“20～30km/h”的矩阵要素相对应，使最新的变化数据的“10分钟前”的平均速度“20～30km/h”与变化模式图的“20分钟前”的“20～30km/h”的矩阵要素相对应，以下相同，使之与各向前移动了一个的矩阵要素对应。

在图7所示的例子中，变化模式图22a的评价值为“90”、...变化模式图22e的评价值为“66”。在该例中，例如当变化模式图22a的评价值为最大时，预测交通量计算部20求出与变化模式图22a对应的平均速度“40km/h～”作为预测交通量。

图8是表示本实施方式的交通量预测装置10的硬件结构的图。交通量预测装置10包括CPU30、存储器31、输入部32、硬盘33、显示器34、以及通信接口35，这些构成要素通过总线36连接。存储器31中存储有实现本实施方式的交通量预测装置10的功能的程序37。通过CPU30读出程序37来执行，实现交通量预测装置10的功能，进行如以下说明的处理。硬盘33中存储平均速度数据、道路地图以及变化模式图。即，硬盘33构成平均速度数据存储部12、道路地图存储部13和变化模式图存储部14。

图9是表示第一实施方式的交通量预测装置10的变化模式图的更新工作的图。交通量预测装置10首先从探测车P接收车辆数据(S10)，根据接收到的车辆数据计算并存储道路的预定区间的车辆的平均速度(S12)。当从在预定区间行驶的多个探测车P接收到车辆数据时，使用多个车辆数据来计算平均速度。作为平均速度的计算方法，既可以预定区间的长度除以通过预定区间所需要的时间，也可以在预定区间内有许多探测车P时将从许多探测车P接收到的行驶速度的数据进行平均化。

接着，交通量预测装置10从变化模式图存储部14中选择并读出与计算出的平均速度数据对应的变化模式图(S14)。例如，在计算出的平均速度数据为“40km/h～”时，读出变化模式图22a(参照图2)。在此，所读出的变化模式图成为更新对象。交通量预测装置10对所读出的变化模式图的所有数据乘以常数E(0＜E＜1)(S16)。在本实施方式中，使用0.9作为常数E。

交通量预测装置10从平均速度数据存储部12中读出平均速度的变化数据(S18)。在更新对象的变化模式图中，对与所读出的平均速度数据对应的矩阵要素加上“1”，更新变化模式图(S20)。

图10是表示第一实施方式的基于交通量预测装置10的交通量预测的工作的图。首先，交通量预测装置10从平均速度数据存储部12中读出要预测交通量的区间的最新的平均速度的变化数据(S30)。之后，交通量预测装置10求出要预测的区间的多个变化模式图的每一个与变化数据的一致度。具体而言，交通量预测装置10在多个变化模式图的每一个中读出与最新的变化数据对应的矩阵要素的值，将读取到的值合计来计算表示与最新的变化数据的一致度的评价值(S32)。交通量预测装置10确定评价值为最高的变化模式图(S34)，求出与所确定的变化模式图对应的平均速度数据作为预测交通量(S36)。从交通量预测装置10的显示器16输出求出的预测交通量的数据(S38)。在此，列举了从显示器16输出预测交通量的数据的例子，但也可以按照要求发送求出的预测交通量的数据，或者向该预定区间附近播送。以上，说明了第一实施方式的交通量预测装置10的结构和工作。

第一实施方式的交通量预测装置10按预定时间点的平均速度数据，预先生成表示了达到该平均速度为止的平均速度的变化数据的模式的矩阵状的多个变化模式图。然后，通过将与最新的变化数据对应的矩阵要素的值合计来求出各变化模式图的评价值，能够减轻计算最新的变化数据与哪个变化模式图最接近的计算处理负担，能够快速预测表示交通量的平均速度。

(第二实施方式)

接着，说明本发明的第二实施方式的交通量预测装置10。第二实施方式的交通量预测装置10的基本结构与第一实施方式相同(参照图1)，但第二实施方式的交通量预测装置10与第一实施方式的不同点是变化模式图的更新方法。

图11是用于说明第二实施方式的变化模式图更新的图。在第二实施方式中，除了更新平均速度与过去的变化数据对应的矩阵要素的处理之外，还进行如下处理：相对于与过去的变化数据对应的矩阵要素，还更新平均速度相邻的矩阵要素。具体而言，交通量预测装置10在对应的矩阵要素中加上“1”，并且在相邻的矩阵要素中加上“0.5”。

图12是表示第二实施方式的交通量预测装置10的变化模式图的更新工作的图。交通量预测装置10从探测车P接收车辆数据后，在变化模式图中，到在与过去的平均速度数据对应的矩阵要素中加上“1”，更新变化模式图为止的工作(S10～S20)与第一实施方式相同。在第二实施方式的交通量预测装置10中，还在平均速度与对应的矩阵要素相邻的矩阵要素中加上“0.5”，来更新变化模式图(S22)。以上，说明了第二实施方式的交通量预测装置10。

第二实施方式的交通量预测装置10通过还更新平均速度相邻的矩阵要素的值而在矩阵的多个要素中引入值。因此，在过去的数据少且有缺损值或跃变值的情况下也能利用相邻的数据更新这些缺损值或跃变值，因此能够适当地进行平均速度的预测。

(第三实施方式)

接着，说明第三实施方式的交通量预测装置10。第三实施方式的交通量预测装置10的基本结构与第一实施方式相同(参照图1)，第三实施方式的交通量预测装置10与第一实施方式的不同点是使用了变化模式图的交通量的预测方法。

图13是用于说明第三实施方式的基于交通量预测装置10的交通量的预测方法。在第三实施方式的交通量预测装置10中，在求出表示与过去的变化数据的一致度的评价值时，与现在越近的矩阵要素乘以权重越大的权重系数。具体而言，将10分钟前的矩阵要素的值乘以权重系数“1.0”，将20分钟前的矩阵要素的值乘以权重系数“0.9”，将30分钟前的矩阵要素的值乘以权重系数“0.8”，将40分钟前的矩阵要素的值乘以权重系数“0.7”，将所得到的值合计来求出评价值。

一般地，将来的交通量与同现在越近的时段的交通量越密切地相关，因此，通过以与现在越近的矩阵要素的权重越大的方式对矩阵要素的值进行加权，能够进行适当的预测。

(第四实施方式)

接着，说明第四实施方式的交通量预测装置10。第四实施方式的交通量预测装置10的基本结构与第一实施方式相同(参照图1)，第四实施方式的交通量预测装置10与第一实施方式的不同点是，在预测预定区间的平均速度时，还使用与预定区间相邻的区间的平均速度数据。为了便于说明，将要预测平均速度的预定区间称作“自身区间”。

另外，在上述第四实施方式的交通量预测装置10中，存储在变化模式图存储部14的变化模式图中除了具有自身区间的平均速度的变化数据之外，还具有相邻区间的平均速度数据。相邻区间的平均速度数据也与自身区间的平均速度数据同样，用每10km/h的数值范围来表示。在本实施方式中，对于变化模式图的相邻区间，仅包含现在的平均速度数据，不包含直至现在的平均速度为止的变化数据。

图14的(a)是表示存储在变化模式图存储部14中的变化模式图23a的例子的图。在图14的(a)中，仅示出了自身区间的多个变化模式图中平均速度为“40km/h～”的变化模式图23a。图14的(a)所示的变化模式图23a是用于对如图14的(b)所示那样在自身区间的两端分别连接有相邻区间1、2的道路构造预测自身区间的平均速度数据的变化模式图。

如图14的(a)所示，本实施方式的变化模式图23a中除了与上述实施方式相同的自身区间的平均速度的变化模式之外，还具有与自身区间相邻的两个相邻区间1、2的平均速度数据。该数据是自身区间的平均速度为“40km/h～”时的相邻区间的平均速度的数据。例如，当自身区间为“40km/h～”时，相邻区间1的“40km/h～”为“47”，当自身区间为“30～40km/h”时，相邻区间1的“30～40km/h”为“26”，当自身区间为“20～30km/h”时，相邻区间1的“20～30km/h”为“2”。由此可知，当相邻区间的平均速度为“40km/h～”时，往往自身区间的平均速度也为“40km/h～”。

图15是表示第四实施方式的交通量预测装置10的变化模式图的更新工作的图。交通量预测装置10首先从探测车P接收车辆数据(S40)，根据接收到的车辆数据来计算并存储道路的自身区间和相邻区间的车辆的平均速度(S42)。当从在预定区间行驶的多个探测车P接收到车辆数据时，也可以使用多个车辆数据来计算平均速度。

接着，交通量预测装置10从变化模式图存储部14中选择并读出与计算出的平均速度数据对应的变化模式图(S44)。例如，在计算出的平均速度数据为“40km/h～”时，读出变化模式图23a(参照图14)。所读出的变化模式图23a为更新对象。交通量预测装置10对所读出的变化模式图23a的所有数据乘以常数E(0＜E＜1)(S46)。在本实施方式中，使用0.9作为常数E。

交通量预测装置10从平均速度数据存储部12中读出自身区间的平均速度的变化数据(S48)。在所读出的变化模式图23a中，在与过去的平均速度数据对应的矩阵要素中加上“1”，更新变化模式图23a(S50)。另外，交通量预测装置10在与计算出的相邻区间的平均速度数据对应的矩阵要素中加上“1”，更新变化模式图23a(S52)。

图16是表示第四实施方式的基于交通量预测装置10的交通量预测的工作的图。首先，交通量预测装置10从平均速度数据存储部12中读出要预测交通量的自身区间的最新的平均速度的变化数据、和该相邻区间的平均速度数据的变化数据(S60)。之后，交通量预测装置10求出相邻区间的多个变化模式图的每一个与变化数据的一致度。具体而言，交通量预测装置10在相邻区间的多个变化模式图的每一个中，读取与相邻区间的变化数据对应的矩阵要素的值，将读取到的值合计来计算表示一致度的评价值(S62)。交通量预测装置10确定评价值为最高的变化模式图(S64)，求出与所确定的变化模式图对应的平均速度数据作为相邻区间的预测平均速度数据(S66)。

之后，交通量预测装置10求出自身区间的多个变化模式图与变化数据的一致度。具体而言，交通量预测装置10在自身区间的多个变化模式图的每一个中读取与自身区间的变化数据和相邻区间的预测平均速度数据对应的矩阵要素的值，将读取到的值合计来计算表示一致度的评价值(S68)。交通量预测装置10确定评价值为最高的变化模式图(S70)，求出与所确定的变化模式图对应的平均速度数据作为自身区间的预测平均速度数据(S72)。交通量预测装置10输出求出的预测平均速度数据(S74)。此处的说明，说明了预测自身区间的平均速度的例子。在预测上述相邻区间的平均速度时，将相邻区间置换成自身区间，并进行与上述相同的工作即可。以上，说明了第四实施方式的交通量预测装置10的结构和工作。

第四实施方式的交通量预测装置10除了使用自身区间的平均速度的变化数据之外，还使用在道路网络中互相影响的相邻区间的平均速度数据，从而能够提高自身区间的交通量的预测精度。另外，在第四实施方式中，对相邻区间仅使用了预测数据(当前时间点的平均速度数据)而不使用变化数据，因此能够抑制计算负荷。

(第五实施方式)

接着，说明本发明第五实施方式的交通量预测装置10。第五实施方式的交通量预测装置10的基本结构与第四实施方式相同，但第五实施方式的交通量预测装置10的不同点是，不仅是与自身区间直接连接的区间，还使用其下一个区间的平均速度数据，求出自身区间的将来的平均速度数据。

图17的(a)是表示相对于自身区间的相邻区间的图，图17的(b)是表示变化模式图的例子的图。如图17的(b)所示，与自身区间直接连接的区间是相邻区间1～5和相邻区间8，但在本实施方式中，经由相邻区间3连接的相邻区间6和经由相邻区间5连接的相邻区间7也用作用于预测自身区间的平均速度的相邻区间，记录这些平均速度数据。使用该变化模式图的更新方法和变化模式图来预测自身区间的平均速度的方法与第四实施方式相同。

在第五实施方式中，不仅是与自身区间直接连接的区间，还将其下一个区间作为相邻区间，也考虑该区间的平均速度数据，从而能够更适当地预测自身区间的平均速度数据。在本实施方式中，直接连接的区间和其下一个区间作为相邻区间，但用作相邻区间的范围未必是至下一个为止。例如，既可以是下面两个，也可以是其以上。另外，还可以将位于与自身区间距离预定范围内的道路区间作为相邻区间。

(第六实施方式)

接着，说明本发明第六实施方式的交通量预测装置10。第六实施方式的交通量预测装置10的基本结构与第五实施方式相同，但不同点在于，在第六实施方式中具有如下功能：根据各区间的平均速度数据的变化倾向，求出具有类似倾向的道路区间作为相邻区间。变化数据类似的区间未必是与自身区间相邻，但一般而言，相邻的区间的情况较多，因此在本说明书中称为“相邻区间”。

图18是表示第六实施方式的交通量预测装置10a的结构的图。第六实施方式的交通量预测装置10a除了第五实施方式的结构之外，还具有相邻区间确定部24。相邻区间确定部24将平均速度的变化数据作为参数来进行聚类，将分类为同一组的区间作为相邻区间来处理。聚类可使用公知的方法，例如可使用K-means法。

图19是表示第六实施方式的相邻区间的例子的图。在图19所示的例子中，区间1、区间2和区间7是自身区间的相邻区间。即，这些相邻区间1、2、7和自身区间共计4个区间被分类在同一组。相对于区间1，区间2、区间7和自身区间也变成相邻区间。基于相邻区间确定部24的聚类处理不需要每次进行，每隔预定的期间(例如1个月)进行即可。

在第六实施方式中，通过将变化数据与自身区间类似的区间作为相邻区间来处理，能够高精度地预测自身区间的平均速度数据。在本实施方式中，为了发现变化数据与自身区间类似的区间而进行聚类，但发现类似的区间的方法不限于聚类，也可以采用其他方法。

以上，列举实施方式详细说明了本发明的交通量预测装置，但本发明不限于上述的实施方式。

在上述的实施方式中，说明了将最新的变化数据应用于变化模式图的10分钟前为止的矩阵要素来预测平均速度数据的例子，但也可以将预测出的平均速度数据为止的变化数据进一步应用于变化模式图来进行多阶段的预测。

工业上的可利用性

本发明具有能减轻计算处理负担并能快速求出预测交通量这样的效果，例如对交通拥塞中心、交通管理系统、汽车导航系统、Web地图服务等是有用的。