交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法
【課題】交通情報の推定を適切に行えるようにする。
【解決手段】他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置である。他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定システム11と、推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる他の道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習システム12とを備えている。
【解決手段】他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置である。他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定システム11と、推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる他の道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習システム12とを備えている。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、交通情報を推定するための交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法に関するものである。
【背景技術】
【0002】
道路の交通情報をドライバーに提供する技術として、財団法人道路交通情報通信システムセンターによるVICS(Vehicle Information and Communication System:なお、「VICS」は上記財団法人の登録商標)が広く知られている。
このVICSは、各種の路側センサ(車両感知器やループコイル等)から収集した車両台数や車両速度等よりなる定点観測情報に基づいて、各路線での渋滞やリンク旅行時間を含む交通情報を集計し、その交通情報を、ビーコンによる狭域通信やFM放送等の広域通信によってドライバーに提供するものである。
【0003】
また、道路の交通情報をドライバーに提供する他の技術として、プローブカーを利用した交通情報推定システム(以下、プローブシステムという。)も知られている。
このプローブシステムは、例えば特許文献1および2に示すように、実際に道路を走行する車両(プローブ車両)を移動体センサとして利用するもので、現時点の車両位置や時刻などのプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開平5−151496号公報
【特許文献2】特開2005−4467号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかし、VICS及びプローブシステムを利用したとしても、VICS及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【0006】
そこで、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定するための新たな技術を提供することを目的とする。
【課題を解決するための手段】
【0007】
(1)本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部とを備えたことを特徴とする。
本発明によれば、学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【0008】
(2)また、前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定するのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、推定部は、既に取得されている推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定すれば、交通情報の推定をより適切に行えるようになる。
【0009】
(3)また、前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれているのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、学習用データの組み合わせに、推定対象道路リンクになり得る道路リンクに関して既に取得されている交通情報も含ませ、この学習用データを用いて、当該推定対象道路リンクの交通情報を推定するための推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【0010】
(4)そして、前記交通情報推定装置において、前記推定部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、推定部が推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、学習部が推定用パラメータを最適化することになる。
【0011】
(5)これとは反対に、前記交通情報推定装置において、前記学習部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、学習部が当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定部が推定対象道路リンクの交通情報を推定することになる。
【0012】
(6)また、前記(5)の場合において、前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の道路リンクの交通情報と、の組み合わせを、学習用データとして用いて前記推定用パラメータを最適化することができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、実測値に基づく所定の道路リンクの交通情報と、仮推定した当該所定の道路リンクの交通情報との組み合わせを学習用データとして用いて推定用パラメータを学習する。
【0013】
(7)本発明は、コンピュータを、上記(1)から(6)のいずれか一項に記載の装置として機能させるためのコンピュータプログラムである。
【0014】
(8)また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、推定用パラメータを最適化することになり、交通情報の推定を適切に行えるようになる。
【0015】
(9)また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することになる。この結果、交通情報の推定を適切に行えるようになる。
【発明の効果】
【0016】
学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【図面の簡単な説明】
【0017】
【図1】交通情報システムの全体構成図である。
【図2】交通情報推定装置の構成図である。
【図3】入力情報処理部の構成図である。
【図4】変換情報を示す図である。
【図5】プローブ情報から、リンク旅行速度を求めるための説明図である。
【図6】交通情報推定処理手順を示すフローチャートである。
【図7】ニューラルネットワークの構成図である。
【図8】道路リンクの例を示す図である。
【図9】推定データベースの初期状態を示す図である。
【図10】重みデータベースの初期状態を示す図である。
【図11】入力情報として取得したVICS情報及びプローブ情報を示す図である。
【図12】1回目の更新後の推定データベースを示す図である。
【図13】2回目の更新後の推定データベースを示す図である。
【図14】3回目の更新後の推定データベースを示す図である。
【図15】スナップショットして抽出される部分を示す図である。
【図16】学習用データベースを示す図である。
【図17】学習処理を示すフローチャートである。
【図18】速度のままで推定する場合の問題を説明するための図である。
【図19】推定エンジン及び学習エンジンによる処理(第一実施形態)を説明する説明図であり、(a)が推定、(b)が学習である。
【図20】道路リンクの他の例を示す図である。
【図21】推定エンジン及び学習エンジンによる処理(第二実施形態)を説明する説明図であり、(a)が学習、(b)が推定である。
【図22】交通情報推定処理手順(第二実施形態)を示すフローチャートである。
【図23】推定データベースと重みデータベースとの説明図である。
【図24】推定データベースと更新された重みデータベースとの説明図である。
【図25】更新された推定データベースと重みデータベースとの説明図である。
【図26】交通情報推定処理手順(第三実施形態)を示すフローチャートである。
【図27】推定データベースと重みデータベースとの説明図である。
【図28】仮推定データベースの説明図である。
【図29】推定データベースと更新された重みデータベースとの説明図である。
【図30】更新された推定データベースと重みデータベースとの説明図である。
【発明を実施するための形態】
【0018】
以下、本発明の好ましい実施形態について添付図面を参照しながら説明する。
[1.全体構成]
図1は、本発明の実施形態における交通情報推定装置(中央装置)1を含む交通情報システムを示している。この交通情報システムは、交通情報推定装置1のほか、車載装置2を搭載したプローブ車両3、車載装置2と無線通信する路側通信機4、及び路側センサ5などを含む。
【0019】
前記交通情報推定装置1は、例えば中央装置における様々な機能のうちの一機能を指しており、中央装置1は、VICS情報及びプローブ情報などの交通情報(観測情報)を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、中央装置1は、交通情報に基づいて、信号機制御や交通管制などの各種の交通用処理を行ってもよい。
【0020】
この交通情報推定装置(中央装置)1は、処理装置及び記憶装置を有するコンピュータによって構成されており、記憶装置には、コンピュータを、交通情報推定装置(中央装置)として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記処理装置によって実行され、前記処理装置が前記記憶装置等に対し入出力を行うことで、交通情報推定装置(中央装置)1としての機能を実現する。なお、以下に説明する交通情報推定装置(中央装置)1の機能は、特に断らない限り、前記コンピュータプログラムによって実現されるものである。
【0021】
前記車載装置2は、プローブ車両3の観測情報としてプローブ情報を生成し、路側通信機4に無線送信する。プローブ情報は、プローブ車両の位置、当該位置の通過速度及びプローブ車両の車両IDなどを含む交通情報である。また、プローブ情報には、プローブ車両の速度などその他の情報を含めても良い。なお、プローブ車両の位置は、車載装置2が有するGPS受信機によって受信したGPS信号に基づいて算出される。
【0022】
前記路側通信機4は、車載装置2との間で無線通信によって情報の送受信を行うものである。具体的には、路側通信機4は、車載装置2が送信した観測情報としてのプローブ情報を受信し、交通情報推定装置(中央装置)1に転送する。また、路側通信機4は、交通情報推定装置(中央装置)1から、車両への提供用の交通情報を取得し、その交通情報を、車載装置2に送信することができる。なお、路側通信機4と交通情報推定装置1との間は、通信回線によって接続されている。
【0023】
前記路側センサ5は、観測情報としての交通情報を検出するためのものであり、例えば、直下を通行する車両を超音波感知する車両感知器や、インダクタンス変化で車両を感知するループコイル、或いは、カメラの映像を画像処理して交通量や車両速度する計測する画像感知器よりなり、交差点に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路などに設置されている。
【0024】
路側センサ5は、検出した観測情報は、通信回線を介して、VICSセンタサーバに6送信され、このVICSセンタサーバ6では、路側センサ5の観測情報に基づいて、VICS情報を生成する。このVICS情報は、通信回線を介して、交通情報推定装置1に送信される。
【0025】
前記VICS情報は、各道路リンクでの渋滞やリンク旅行時間を含む交通情報である。VICS情報は、路側センサ5から5分ごとに観測情報を取得して、情報更新されるため、時間的に高密度な情報が得られる。しかし、路側センサ5はすべての道路に設置されているわけではなく(主要道路でも20%以下)、エリアカバー率が低い。
一方、前記プローブ情報は、道路を走行するプローブ車両3から取得するため、エリアカバー率を高くすることが可能である。ただし、プローブ車両3となるための車載装置2の普及率がまだ低いため、時間的に低密度のデータしか得られない。
【0026】
つまり、所定エリア内の道路に、道路リンクを設定した場合、VICS情報が得られる道路リンクについては、VICS情報の更新単位時間ごとに常に交通情報(VICS情報)が得られる。一方、VICS情報が得られない道路リンクについては、VICS情報の更新単位時間ごとにみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。
【0027】
[2.交通情報推定装置の詳細]
[2.1 推定装置の全体構成]
本実施形態に係る交通情報推定装置1は、VICS情報もプローブ情報も得られない道路リンクの交通情報を推定して、当該道路リンクの交通情報を補完することで、所定エリア内の全道路リンクの交通情報を生成する。このように、VICS情報もプローブ情報も得られない道路リンクの交通情報を補完することで、より精度が高い交通情報を車両(ナビゲーションシステム)に提供したり、精度良く交通管制を行ったりすることが可能となる。
なお、以下では、VICS情報もプローブ情報も得られず交通情報を推定して補完する必要がある道路リンクを、「推定対象道路リンク」という。
【0028】
図2に示すように、交通情報推定装置1は、推定対象道路リンクの交通情報を推定するための推定エンジン11(推定部)と、推定に用いられるパラメータ(推定用パラメータ)を学習するための学習エンジン12と、を備えている。推定エンジン11及び学習エンジン12は、交通情報推定装置1が有する機能であり、交通情報推定装置1に記憶させたコンピュータプログラムによって実現される推定システム及び学習システムである。
【0029】
また、交通情報推定装置1は、推定エンジン11によって推定した交通情報等を蓄積するための推定データベース(交通情報データベース)13、推定データベース13におけるデータのうち、学習エンジン12における学習に用いるデータを蓄積する学習用データベース14、推定パラメータ(本実施形態では、「重み」)を蓄積するための重みデータベース(推定パラメータデータベース)15と、を備えている。
【0030】
[2.2 入力情報処理部]
さらに、本実施形態に係る交通情報推定装置1は、当該交通情報推定装置1が取得したVICS情報及びプローブ情報(以下、両情報を総称する場合、「入力情報」という)に対する処理を行う入力情報処理部16を備えている。
【0031】
前記入力情報処理部16は、入力情報から、各リンクの「速度情報」を生成する処理を行うものであり、生成した「速度情報」は、推定データベース13に与えられ、推定データベース13の更新に用いられる。
【0032】
入力情報処理部16は、取得したVICS情報から「速度情報」を生成するVICS情報処理部17と、取得したプローブ情報から、「速度情報」を生成するプローブ情報処理部18と、を備えている。
VICS情報処理部17は、VICS情報に含まれるリンク旅行時間から、当該道路リンクのリンク旅行速度を算出するリンク旅行速度算出部17aと、リンク旅行速度を当該リンクの「速度情報」に変換する速度情報変換部17bとを備えている。
【0033】
VICS情報処理部17のリンク旅行速度算出部17aは、リンク旅行速度を算出しようとする道路リンクのリンク長を、当該道路リンクのリンク旅行時間で除することで、リンク旅行速度[km/h]を算出する。なお、対象エリア内の全道路リンクのリンク長は、予め、装置1に設定されている。
【0034】
VICS情報処理部17の速度情報変換部17bは、リンク旅行速度算出部17aで求めたリンク旅行速度を、「速度情報」という指標値(速度指標情報)に変換する。この変換は、速度情報変換部17bが、装置1に予め設定された「速度−速度情報」変換情報19を参照することで行われる。「速度−速度情報」変換情報19は、図4に示すように設定されたものであるが、詳細については後述する。
【0035】
プローブ情報処理部18のリンク旅行速度算出部18bは、プローブ情報に含まれる位置及び時刻に基づいて、リンク旅行速度を算出しようとする道路リンクのリンク旅行速度を算出する。なお、プローブ情報からリンク旅行速度[km/h]を算出する方法については後述する。
【0036】
プローブ情報処理部18の速度情報変換部18bは、VICS情報処理部17の速度情報変換部17bと同様に、リンク旅行速度を「速度情報」に変換する。その処理内容は、速度情報変換部17bと同様である。
【0037】
[2.3 速度情報について]
「速度情報」は、リンク旅行速度の大小に応じた値をとる指標値であり、本実施形態では、0から1までの値をとり、「速度情報」=0はリンク旅行速度=100[km/h]及びそれ以上の速度に対応し、「速度情報」=1はリンク旅行速度=0[km/h]に対応する。
【0038】
ただし、本実施形態の「速度情報」は、リンク旅行速度に単純に反比例するものではない。つまり、図4に示すように、リンク旅行速度−速度情報の関係式は、リンク旅行速度の複数の速度領域によって異なるものが用いられている。
前記複数の速度領域とは、具体的には、リンク旅行速度が0[km/h]〜約10(より厳密には10.53)[km/h]の第1速度領域(ゼロ近傍速度領域)、リンク旅行速度が約10(より厳密には10.5)[km/h]〜約60(より厳密には57.9)[km/h]の第2速度領域、リンク旅行速度が約60(より厳密には57.9)[km/h]の第3速度領域(自由走行速度領域)の3つの速度領域である。
【0039】
第1速度領域は、車両の速度が、0又はそれに近い値を示すゼロ近傍速度領域として設定されたものであり、道路が混雑しているときにこのような速度領域の値が検出される。第3速度領域は、一般道路の制限速度(60km/h)以上の速度領域として設定されたものであり、道路が比較的すいており、車両が自由走行状態となり得るときにこのような速度領域の値が検出される。なお、第2速度領域は、第1及び第3速度領域の中間領域として設定されたものである。
【0040】
図4の横軸(リンク旅行速度)の値をx、縦軸(速度情報)の値をyとすると、第1速度領域におけるリンク旅行速度−速度情報の関係式は、y=1−(x/1000)に設定され、第2速度領域におけるリンク旅行速度−速度情報の関係式は、y=1.2−(x/50)に設定され、第3速度領域におけるリンク旅行速度−速度情報の関係式は、y=0.1−(x/1000)に設定されている。
【0041】
このように、リンク旅行速度−速度情報の関係直線は、第3速度領域及び第2速度領域に着目すると、第3速度領域(傾き=1/1000)では、第2速度領域(傾き=1/50)よりも、負の傾きが小さくなっている。
つまり、車両が自由走行状態となり得る自由速度領域である第3領域においては、より低速の第2速度領域に比べて、リンク旅行速度(x)の変化に対する速度情報(y)の変化の割合(負の傾き)が小さくなっている。
【0042】
また、リンク旅行速度−速度情報の関係直線は、第1速度領域及び第2速度領域に着目すると、第1速度領域(傾き=1/1000)では、第2速度領域(傾き=1/50)よりも、傾きが小さくなっている。
つまり、車両の速度がゼロ近傍である第1領域においては、より高速の第2速度領域に比べて、リンク旅行速度(x)の変化に対する速度情報(y)の変化の割合(負の傾き)が小さくなっている。
【0043】
以上のように設定された変換情報19によれば、速度情報という指標に、単なる「速度」という要素以外に、道路が混雑していて渋滞気味であるか、それとも道路が空いており車両が順調に流れているのかという渋滞度(交通流の度合)の要素も、持たせることができる。
【0044】
例えば、制限速度が100km/の道路リンクにおいてはリンク旅行速度が100km/であり、制限速度の60km/の道路リンクにおいてはリンク旅行速度が60km/hである場合、速度差は、40km/hであるが、いずれの道路リンクも車両が順調に流れており、いずれも自由走行状態であると考えられる。
一方、2つの道路リンクにおいて、一方の道路リンクのリンク旅行速度が60km/hであり、他方の道路リンクのリンク旅行速度が20km/hである場合、速度差は、上記と同様に40km/hであるが、前者の道路リンクは車両が順調に流れているが、後者の道路リンクは混雑していると考えられる。
【0045】
このように、リンク旅行速度が自由走行速度領域に達すると、道路における車両の多さ(渋滞度)とリンク旅行速度の関連性が相対的に低くなり、道路の制限速度などの別の要因によってリンク速度が変化しやすくなる。
このため、例えば、関連する他の道路リンクの交通情報(リンク旅行速度)から、推定対象道路リンクの交通情報(リンク旅行速度)を推定しようとした場合を想定すると、他の道路リンクの第3速度領域(自由走行速度領域)におけるリンク旅行速度の違いが推定対象道路リンクのリンク旅行速度の推定値に与える影響は、より低速の第2速度領域におけるリンク流行速度の違いよりも、小さくなる。
【0046】
また、第1速度領域についても、第3速度領域と同様に、速度が0〜10[km/h]であるときには、いずれの速度においても道路はかなり混雑していると考えられ、第1速度領域におけるリンク旅行速度の違いは、高速の第2速度領域においけるリンク流行速度の違いよりも、意味が少ないものとなる。
本実施形態の速度情報は、上記を考慮したものであり、第1及び第3速度領域の傾きを小さくすることで、推定対象道路リンクの交通情報を精度良く推定することができる。
【0047】
また、第1及び第3速度領域の傾きを小さくした結果、第2速度領域の傾きが大きくなり、第2速度領域におけるリンク旅行速度の違いを、速度情報という指標においてはより強調することができる。
例えば、0〜100km/hの範囲のリンク旅行速度(x)に対し、y=1−(x/100)という1つの関係式で速度情報を対応付けた場合、10〜60km/hの範囲においても、当然に、傾きは(1/100)であるが、図4の場合、傾きは(1/50)である。したがって、図4によって求まる速度情報においては、10〜60km/hにおけるリンク旅行速度をより緻密に指標化できる。この結果、推定対象道路リンクの交通情報の推定精度を向上させることができる。
【0048】
なお従来では、交通情報として、道路リンクにおける車両の速度を扱う場合、速度[km/h]のままで交通情報の推定を行っている。この場合、次のような問題が生じる。
例えば、図18に示すように道路リンクが構成されており、リンクA,Bが制限速度100km/hの高速道路であり、リンクCが制限速度60km/hの一般道路であるとする。また、リンクA,B,Cのいずれにおいても道路は空いており、車両は自由走行状態であるものとする。
そして、リンクA,Bについては、速度(リンク旅行速度)が100km/hであることが検出され、リンクCについては、速度(リンク旅行速度)が60km/hであることが検出されたとする。この場合、リンクA,BとリンクCとの間には、速度に差が存在するが、これは、道路の制限速度の違いによるものにすぎず、道路の混雑度(交通量)としては、リンクA,B,Cのいずれにおいてもほぼ同様と考えられる。
【0049】
しかし、リンクA,B,Cの各速度そのものに基づいて、リンクA,B,Cに関連する道路リンク(推定対象道路リンク)の速度を推定しようとすると、リンクA,BとリンクCとで速度が異なるため、適切な推定値を得るのが困難となったり、適切な推定値を得るための処理時間が長くなったりするという問題が生じる。
しかし、前記のとおり、車両が自由走行状態となり得る自由速度領域においては、より低速の速度領域に比べて、リンク旅行速度の変化に対する速度情報の変化の割合が小さくなっていることで、前記のような問題を解消することができる。
【0050】
[2.4 プローブ情報からのリンク旅行時間の算出]
図5は、リンク旅行速度算出部18aにおいて、プローブ情報からリンク旅行速度[km/h]を算出する方法を示している。
図5に示すように、L1〜L6までの6個の道路リンクが存在する場合において、道路リンクL4の図右方(矢印A方向)へのリンク旅行速度を算出するには、プローブ車両3が、進行方向一つ手前の道路リンクL3(第1位置)に位置している間に送信した第1プローブ情報pr1と、当該プローブ車両3が移動して進行方向一つ先の道路リンクL5(第2位置)に位置している間に送信した第2プローブ情報pr2とを用いる。
【0051】
第1プローブ情報pr1が示す位置及び第2プローブ情報pr2が示す位置によって、第1プローブ情報pr1を発信した第1位置と第2プローブ情報pr2を発信した第2位置との間の距離Dが求まる。また、第1プローブ情報pr1が示す時刻及び第2プローブ情報pr2が示す時刻によって、第1位置から第2位置まで移動するのに要した時間Tが求まる。前記距離Dを前記時間Tで除することにより、第1位置から第2位置までの間の区間(通常の速度算出区間)の旅行速度が求まる。通常は、この旅行速度を、第1位置と第2位置との間にある道路リンクL4におけるリンク旅行速度とみなす。
【0052】
ただし、第1位置と第2位置との間の距離(通常の速度算出区間の距離)が設定された最小距離(例えば、1km)以下である場合には、速度算出区間が長くなるように、道路リンクL4のリンク旅行速度の算出に用いるプローブ情報として別のものを選択する。
具体的には、通常の速度算出区間の距離が最小距離以下である場合、リンク旅行速度算出部18aは、車両が、車両進行方向にみて一つ手前の道路リンクL2(手前位置)に位置するときに送信されたプローブ情報pr0と、道路リンクLL5に位置するときに送信されたプローブ情報pr2とを用いる。これにより、手前位置から第2位置までの間の拡張された速度算出区間についての旅行速度が求まり、この旅行速度を、手前位置から第2位置までの間にある道路リンクL4のリンク旅行速度とみなす。
【0053】
通常の速度算出区間の距離が短い場合に、拡張された速度算出区間を用いる理由は次の通りである。すなわち、速度算出区間が短いと、速度算出区間を移動するのに要する時間は、交通信号による停止時間による影響を大きく受ける。つまり、速度算出区間を通過するのに要する時間が、例えば、2分であるとしても、車両が実際に走行していた時間は、1分で残りの1分は信号による待ち時間ということが生じ得る。一方、同じ速度算出区間を通過する別の車両は、信号による停止がなく、速度算出区間を通過するのに要する時間が1分ということがありえる。このように、速度算出区間が短いと、信号待ちの影響による誤差が大きくなり、正確な速度算出が困難となる。
【0054】
逆に、十分に距離が長く、多くの交通信号(交差点)を通過する必要があるような速度算出区間である場合には、確率上、いずれかの交通信号による待ち時間が、ほぼ全ての車両に均等に生じるため。信号待ちの影響による誤差は小さい。
【0055】
そこで、本実施形態のように、通常の速度算出区間の距離が短い場合には、拡張された速度算出区間で速度を算出することで、速度をより精度良く算出することができる。
なお、通常の速度算出区間の距離が短い場合であっても、車両台数が多い(例えば、10台以上)の場合には、速度算出区間を通過するのに要する時間を複数の車両からのプローブ情報で平均化することにより、誤差を小さくできる。したがって、通常の速度算出区間が、設定された最小距離以下であり、かつ、単位時間あたりのプローブ車両の数(プローブ情報の数)が設定された最小数以下である場合に限って、拡張された速度算出区間での速度算出をおこなってもよい。
【0056】
なお、上記の例では、拡張された速度区間として、手前位置(道路リンクL2)から第2位置(道路リンクL5)までとしたが、この第2位置に代えて、第2位置よりも進行方向にみて先の位置(道路リンクL6)としてもよい。また、拡張された速度区間として、第1位置(道路リンクL3)と先の位置(道路リンクL6)との間としてもよい。
【0057】
[第一実施形態]
[2.5 交通情報推定装置1による処理内容]
[2.5.1 推定処理の概要]
図6は、交通情報推定装置1による交通情報推定方法を示している。まず、推定データベース(交通情報データベース)13及び重みデータベース15に初期値を設定しておく(ステップS1)。
【0058】
そして、交通情報推定装置1が、VICS情報やプローブ情報を取得すると、入力情報処理部16がVICS情報やプローブ情報から各道路リンクの速度情報を生成する(ステップS2)。ただし、ステップS2において速度情報が取得できる道路リンクは、対象エリア内の全道路リンクのうちの一部であり、ステップS2では速度情報が得られない道路リンクがある。
【0059】
続いて、ステップS2で得られた速度情報を、推定データベース13にセットし、推定データベースDB4を更新する(ステップS3)。そして、推定エンジン11は、ステップS3で更新された推定データベース13の内容に基づいて、速度情報が得られていない道路リンクについての速度情報を推定し、推定した速度情報を、推定データベース13にセットし、推定データベース13を更新する(ステップS4)。このステップS4により、対象エリア内の全道路リンクについての速度情報(実測値と推測値とが混在したもの)が得られる。
【0060】
ステップS4にて得られた全道路リンクについての速度情報は、装置外部に出力される(ステップS5)。具体的には、装置1のディスプレイに表示されるか、車載装置2への提供情報として出力される。
また、ステップS4で更新された推定データベース13の内容の一部は、学習用データベース14にスナップショットとして蓄積され、学習エンジン12による学習用データとして用いられる(ステップS6)。
【0061】
以上のステップS2〜ステップS6の処理は、速度情報が生成される度に繰り返し実行される。入力情報処理部16は、VICS情報の更新周期(例えば5分)に合わせて、VICS情報及びプローブ情報を取得して、速度情報を生成するため、ステップS2〜ステップS6の処理は、VICS情報の更新周期(例えば5分)に合わせて繰り返し実行されることになる。
【0062】
[2.5.2 速度情報推定のためのモデル]
図7は、推定エンジン11が、推定対象道路リンクの速度情報を推定するためのニューラルネットワークを示している。図示のニューラルネットワークは、0〜1の値をとるN個の入力信号xi(i:1〜N)それぞれに、重みwiを(wi:0〜1)乗じて、出力値yを生成する単純パーセプトロンとして構成されている。
ここで、入力信号xiは、推定対象道路リンク以外の他の道路リンク(推定対象道路リンクに接続された道路リンク)の速度情報であり、出力値yは推定対象道路リンクの速度情報である。
【0063】
また、重みwiは、推定対象道路リンク以外の複数の道路リンクそれぞれの速度情報を、どの程度の割合で反映させるかという値であり、推定対象道路リンクとの相関の高い道路リンク(例えば、推定対象道路リンクと同じ道路を構成し、推定対象道路リンクに隣接する道路リンク)ほど大きな値に設定されるべきであり、相関が低い道路リンクほど小さな値に設定されるべきものである。
【0064】
ただし、図7のものでは、一般的な単純パーセプトロンとは異なり、入力信号xiに乗じられることなくノードに加算される独立パラメータw0が設けられている。この独立パラメータw0は、推定対象道路リンク以外の道路リンクにおける速度情報以外の要因が、推定対象道路リンクの速度情報に与える要因(例えば、道路リンク間での制限速度の差)を表現することができ、速度情報を精度良く推定することができる。また、推定用パラメータ(重み)の学習の際に、推定用パラメータを最適値に収束させやすくなって、学習処理を容易又は高速に行える。
【0065】
以上のように、推定エンジン11が、ある推定対象道路リンクの速度情報を求めるには、当該推定対象道路リンクとの相関が多少なりとも認められる他の道路リンクの速度情報と、当該他の道路リンクの速度情報をどの程度ほど推定対象道路リンクの速度情報に反映させるかを示す重みと、が得られればよい。そのような他の道路リンクの速度情報は、推定データベース(交通情報データベース)13に蓄積され、重みは重みデータベース15に蓄積されており、推定エンジン11は、両データベース13,15から必要な情報を取得する。
【0066】
なお、速度情報を推定するためのニューラルネットワークとしては、図8のような単層のパーセプトロンに限られるものではなく、入力層、中間層、出力層を有する多層パーセプトロンであってもよい。多層パーセプトロンとして構成すると、推定対象道路リンクと他の道路との間で、速度情報が非線形関係を持つ場合であっても、推定対象道路リンクの速度情報を適切に求めることができる。
【0067】
[2.5.3 推定処理の詳細]
ここでは、図8のように接続された道路リンクを想定する。図8において、Vxは、道路リンクの速度情報(0〜1の値)を示している。また、Vxにおける添え字xは、道路リンクのリンク番号を示しており、1〜24の値をとる。つまり、図8では、リンク番号1〜24までの24個の道路リンクが存在する。また、各リンクの矢印方向は、車両の進行方向を示す。
【0068】
図8において、実線の矢印で示す道路リンク(リンク番号x=1〜10)は、VICS情報が取得可能なリンクであり、例えば、高速道路や主要幹線道路に対応する道路リンクである。また、点線の矢印で示す道路リンク(リンク番号x=11〜24)は、VICS情報が取得できないリンクであり、例えば、高速道路や主要幹線道路以外の一般道路である。点線の矢印で示す道路リンクは、速度情報の推定対象道路リンクとなる可能性がある。つまり、点線の矢印で示す道路リンクについては、プローブ情報が得られた場合には、推定対象道路リンクとはならず、プローブ情報が得られなかった場合には、推定対象道路リンクとなる。
なお、VICS情報が取得可能な道路リンクであっても、何らかの事情でVICS情報が取得できない場合には、推定対象道路リンクとして扱われる。
【0069】
以下、図8の道路リンクを前提とし、図6も再度参照しつつ、速度情報の推定手順について詳細に説明する。
まず、推定データベース(交通情報データベース)13及び重みデータベース15には、装置管理者によって、初期値が入力される(ステップS1)。
【0070】
図9に示すように、推定データベース13は、「チェック」31、「速度情報」32、「関連道路リンク情報」33、「リンク長」34、「学習?」のデータ項目を有しており、各道路リンク(リンク番号)についてそれぞれのデータ項目の値を保存可能なものである。
【0071】
前記データ項目のうち、「チェック」31は、各道路リンクの速度情報の更新の有無及び更新された順番を示す項目である。「速度情報」32は、各道路リンクの速度情報がセットされる項目である。
「関連道路リンク情報」33は、各道路リンクに相関のある道路リンク(関連道路リンク)を示しており、ここでは、それぞれの道路リンクに接続されている道路リンク(リンク番号)を示している。
【0072】
「関連道路リンク情報」33は、「逆」、「A順」、「A逆」、「B順」、「B逆」の5種類に分けられている。
「逆」は、任意の道路リンクと逆方向の道路リンクのリンク番号を示し、例えばリンク番号1の道路リンクについては、リンク番号8の道路リンクが「逆」の道路リンクとなる。
「A順」は、ある道路リンクの後方で順方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号12,7,15の道路リンクが「A順」の道路リンクとなる。
「A逆」は、ある道路リンクの後方で逆方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号11,15,13の道路リンクが「A逆」の道路リンクとなる。
【0073】
「B順」は、ある道路リンクの前方で順方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号4,9の道路リンクが「B順」の道路リンクとなる。
「B逆」は、ある道路リンクの前方で逆方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号3,6の道路リンクが「B逆」の道路リンクとなる。
【0074】
また、前記データ項目のうち「リンク長」34は、各道路リンクのリンク長を示すものである。「学習?」35は、各道路リンクの速度情報等が学習部20(学習エンジン12)による学習のためのデータ(学習データ)となるものであるか否かを示しており、ここでは0又は1の値をとる。「0」はその道路リンクの速度情報等が学習データとはならないことを示しており、「1」はその道路リンクの速度情報等が学習データとなることを示している。
【0075】
ステップS1の初期値入力は、装置1の運用開始時やリセット時に行われ、推定データベース11については、上記データ項目のうち、「速度情報」32、「関連道路リンク情報」33、「リンク長」34について初期値が設定される。「速度情報」32の初期値としては、例えば、全道路リンクについて0を設定すればよい。「関連道路リンク情報」33及び「リンク長」34の初期値については、対象エリアの道路構成に従って設定される。「関連道路リンク情報」33及び「リンク長」34の初期値は、VICS情報及びプローブ情報からなる交通情報(速度情報)を取得しても更新されることはない。
【0076】
一方、「速度情報」34の値は、VICS情報及びプローブ情報からなる交通情報(速度情報)を取得する度に、全道路リンクについて更新される(ステップS3,S4)。
また、「チェック」31については、交通情報(速度情報)を取得する度に(ステップS2)、0に初期化される。「学習?」35についても、交通情報(速度情報)を取得する度に(ステップS2)度に、各道路リンクの速度情報等を学習データとすべきか否かに応じて0又は1に設定される。
【0077】
図10に示すように、重みデータベース15には、各道路リンクにおける速度情報の推定値を他の道路リンクの速度情報から求める際に用いる重みwiが、初期値として設定される。重みwiは、各道路リンクについて、「関連道路リンクの数+1」ほど設定される。図10において、w0は独立パラメータであり、w1以降は関連道路リンクの速度情報それぞれに乗じられる重みである。
【0078】
推定用パラメータである重みwiは、学習エンジン12による学習によって、より適切な値へと自動的に更新されるため、初期値としては、適当な値を設定してもよい。したがって、初期設定が容易である。
【0079】
さて、上記の初期化を行ったのち、図8に示す道路リンクに関し、ある時点において、図11のようなVICS情報及びプローブ情報(交通情報)が得られたものとする。図11では、リンク番号1〜10の道路リンクについてのVICS情報(リンク旅行時間)が得られ、リンク番号20の道路リンクについてのプローブ情報が得られている。他の道路リンクについてはVICS情報もプローブ情報も得られていない。なお、図11では、表記の容易化のため、リンク番号20の道路リンクについてのプローブ情報を、VICS情報と同様に「リンク旅行時間」で示した。
【0080】
また、図11の情報では、プローブ情報が存在する道路リンク(リンク番号20)については、学習対象となることを示す値「1」が設定されており、VICS情報が存在する道路リンク(リンク番号1〜10)については、学習対象ではないことを示す値「0」が設定されている。
【0081】
図11のような入力情報が取得された場合、この情報における「旅行時間」は、入力情報処理部16によって「速度情報」に変換され(ステップS2)、その速度情報によって、推定データベース13の対応する道路リンクの「速度情報」32が更新される(第1回目の更新;ステップS3)。更新された道路リンクについては、「チェック」31に、第1回目の更新で速度情報が更新されたことを示す「1」が設定される。また、図11の入力情報の「学習対象」が「1」である道路リンク(ここでは、リンク番号20の道路リンク)については、「学習?」35が「1」に設定される。
【0082】
以上のようにして第1回目の更新(入力情報のセット)が行われた後の推定データベース13の内容を、図12に示す。
【0083】
続いて、速度情報が未更新の道路リンク(リンク番号11〜19,21〜24)についての速度情報の推定を行って、当該推定値により推定データベース13の更新を行う(ステップS4)。
具体的には、まず、「チェック」31項目に、前回の更新を示す「1」が設定されている道路リンク(リンク番号1〜10,20)の関連道路リンク(隣接道路リンク)のうち、今回の入力情報(図11)に基づく速度情報の更新が未だなされていない道路リンク(チェック=0)を抽出する。ここでは、リンク番号12,15,11,13,19,18,17,21,24,14,16の11個の道路リンクが抽出される(図13参照)。これら11個の道路リンクが、ここでの推定対象道路リンクとなる。
【0084】
そして、推定エンジン11は、11個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース13から読み出すとともに、11個の推定対象道路リンクそれぞれについて設定された重み(推定用パラメータ)を、重みデータベース15から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース13の「速度情報」にセットされ、速度情報についての第2回目の更新が行われる。なお、更新された道路リンクについては、「チェック」31に、第2回目の更新で速度情報が更新されたことを示す「2」が設定される。
【0085】
上記推定対象道路リンクのうち、例えば、リンク番号12,15,11,13の道路リンクの速度情報の推定値(V12,V15,V11,V13)を求めるための演算式は、下記のとおりである。
V12=w0+w1V11+w2V1+w3V5+w4V13+w5V8+w6V7+w7V15
V15=w0+w1V13+w2V20+w3V16+w4V17+w5V14+w6V1+w7V11
+w8V5+w9V8+w10V12+w11V5
V11=w0+w1V12+w2V8+w3V15+w4V7+w5V1+w6V11+w7V5
V13=w0+w1V15+w2V8+w3V12+w4V7+w5V1+w6V11+w7V5
+w8V14+w9V17+w10V16+w11V20
【0086】
なお、前記演算式で求められる推定値(左辺側の値)は、図11のようなVICS情報及びプローブ情報が得られた時刻t(時刻tを含むタイムスロット)における速度情報である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み(右辺側の値)は、前記時刻t(時刻tを含むタイムスロット)よりも前の時刻t−1(前のタイムスロット)における値である。つまり、速度情報の推定値を求めるための前記演算式を、時刻も含めて表記すると、代表としてリンク番号12の道路リンクの速度情報V12の推定値は、下記の演算式となる。
V12(t)=w0(t-1,12)+w1(t-1,12)V11(t-1)+w2(t-1,12)V1(t-1)
+w3(t-1,12)V5(t-1)+w4(t-1,12)V13(t-1)+w5(t-1,12)V8(t-1) +w6(t−1,12)V7(t-1)+w7(t-1,12)V15(t-1)
なお、この演算式中の重みに付されている添え字(t-1,12)の「12」は、リンク番号を意味している。また、前記タイムスロットは、VICS情報の前記更新単位時間とすることができる。
【0087】
そして、「チェック」31項目に、前回の更新を示す「2」が設定されている道路リンク(リンク番号11〜19,21,24)の関連道路リンク(隣接道路リンク)のうち、今回の入力情報(図11)に基づく速度情報の更新が未だなされていない道路リンク(チェック=0)を抽出する。ここでは、リンク番号22,23の2個の道路リンクが抽出される(図14参照)。これら2個の道路リンクが、次の推定対象道路リンクとなる。
【0088】
そして、推定エンジン11は、2個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース13から読み出すとともに、2個の推定対象道路リンクそれぞれについて設定された重み(推定用パラメータ)を、重みデータベース15から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース13の「速度情報」にセットされ、速度情報についての第3回目の更新が行われる。なお、更新された道路リンクについては、「チェック」31に、第3回目の更新で速度情報が更新されたことを示す「3」が設定される。
【0089】
上記のような処理は、全ての道路リンクについての速度情報が推定されるまで繰り返される(ステップS4)。ここでは、3回の更新により全ての速度情報が補完されたため、推定処理を終了する。
【0090】
すると、推定データベースの内容の出力が行われる(ステップS5)。
さらに、今回の入力情報(図11)に基づく、推定処理が終了した推定データベース13の各道路リンクのデータのうち、「学習?」35に「1」が設定されたリンク番号20の道路リンクのスナップショット(図15参照)を、学習用データベース14に追加する。ここで、スナップショットとは、「学習?」35に「1」が設定されたリンク番号の道路リンクの「速度情報」と、当該道路リンクの関連道路リンクの「速度情報」とを記憶したものである。ここで、「学習?」35に「1」が設定されたリンク番号の道路リンクの速度情報は、プローブ情報から得られた値であるから実測値である。また、当該道路リンクの関連道路リンクの「速度情報」には、VICS情報から得た実測値と推測値とが混在している。
【0091】
スナップショットは、入力情報が取得されて、推定データベースの全道路リンクの更新(ステップS3,S4)が行われる度に発生する。このスナップショットは、プローブ情報を取得できた道路リンクについて発生する。
したがって、上記の例では、リンク番号20の道路リンクのみスナップショットが発生したが、推定データベースの全道路リンクの更新(ステップS3,S4)が何度も行われると、他の道路リンクについてもスナップショットが蓄積される。また、入力情報が区営返し発生するほどの十分な時間が経過すると、一つの道路リンクについて複数のスナップショットが蓄積される。
【0092】
図16は、複数の道路リンクについて、それぞれ複数のスナップショットが蓄積された学習用データベース14の内容を示している。
このようにして多数のスナップショットが蓄積された学習用データベース14に基づいて、学習エンジン12が、重みデータベース15に記憶されている重み(推定用パラメータ)の学習(最適化)を行って、重みデータベース15の内容を更新する。
【0093】
図17は、学習エンジン12による学習処理の手順を示している。まず、学習エンジン12は、誤差判定のための許容誤差、ニューラルネットワーク(図7)を構成する中間層の数、学習計数などの学習用のパラメータ設定を行う(ステップS11)。
学習エンジン12は、図7に示すようなニューラルネットワークを最適化(学習)するニューロエンジンとして構成されている。つまり、学習エンジン12は、学習用データベース14に蓄積されているスナップショットのうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワークを再構築する。すなわち、学習エンジン12は、実測値である速度情報と、当該速度情報を持つ道路リンクの関連道路リンクについての速度情報とからなる学習データから、重みの最適値を算出する。重みの最適値の算出は、ニューラルネットワークを使う方法以外に、残差平方和を最小にする演算、つまり、最小自乗法等によって行うことができる。
【0094】
重みの最適値の算出は、関連道路リンクについての速度情報から算出される速度情報が、教師信号に近づいて、教師信号との誤差が、設定された許容誤差未満になるまで行われる(ステップS13)。
【0095】
重みが収束して学習処理が終了すると、得られた重みは、重みデータベース15に反映され、重みデータベース15が更新される。
【0096】
重みデータベース15が更新された後に、VICS情報及びプローブ情報からなる入力情報が発生すると、推定エンジン11による速度情報の推定は、新たな重みを用いて、より精度良く行われる。このように、本実施形態の交通情報推定装置1では、運用を続けることで、交通情報(速度情報)の推定精度が自然に向上する。
【0097】
以上のように、前記実施形態の交通情報推定装置1によって実行される速度情報の推定方法は、交通情報推定装置1が、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報を取得すると(図6のステップS2及びS3)、推定エンジン11は、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定し(ステップS4)、その後、この推定した速度情報及び実測値に基づく速度情報を用いて、学習エンジン12が推定用パラメータを最適化している(図6のステップS6、図17)。図19は、この推定エンジン11及び学習エンジン12による処理をまとめて説明した説明図である。
【0098】
つまり、図19(a)の時刻tにおいて、推定対象道路リンクになり得る所定の道路リンク(リンク番号20)に関して、図11で説明したように、実測値に基づく速度情報V20が取得されると、推定エンジン11は、図12から図14で説明したように、時刻tにおける、推定対象道路リンク(リンク番号11〜19及びリンク番号21〜24)の交通情報(V11〜V19、V21〜V24)を、前記実測値に基づく速度情報V20を含む道路リンク(リンク番号1〜24)の速度情報(V1〜V24)及び推定用パラメータ(重みwi)を用いて、次々と推定する。
なお、この推定処理で用いられる前記道路リンクの速度情報(V1〜V24)のうち、リンク番号1〜19,リンク番号21〜24の道路リンクの速度情報は、図19(a)の時刻t−1における情報である。つまり、時刻tで実測値に基づく速度情報が取得されているが、推定処理は、この時刻tの速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0099】
そして、この推定の後に、学習エンジン12は、前記所定の道路リンク(リンク番号20)における前記実測値に基づく速度情報V20と、当該道路リンク(リンク番号20)の速度情報を推定するために用いられる関連道路リンクの速度情報であって前記実測値V20を用いて推定した前記速度情報(V17,V21,V24,V14,V15,V16,V13)との組み合わせ(図16参照)を、学習用データとして蓄積し、この学習用データを用いて、図17で説明したように、推定用パラメータ(V0〜V7)を最適化する処理を実行する。図19(b)に示しているように、この最適化の処理(学習処理)は、同一の時刻tにおける速度情報に基づいて行われている。
【0100】
この第一実施形態によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、推定対象道路リンクの速度情報を推定してから、その推定した速度情報を用いて、推定用パラメータ(重み)を最適化することになり、その後、これ以降の時刻t+1における速度情報については、新たな推定用パラメータ(重み)を用いて、推定エンジン11により、精度良く推定処理が行われる。
【0101】
[第二実施形態]
また、図2で示した構成を備えた交通情報推定装置1によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、前記実施形態とは反対に、学習エンジン12が、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定エンジン11が、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定することができる。この場合を第二実施形態として説明する。
【0102】
[2.6 交通情報推定装置1による処理内容]
図20は、第二実施形態を説明するために、簡略化した道路リンクのモデルを示している。この道路リンク構造は、6つの道路リンク「V1」「V2」「V3」「V4」「V5」「V6」により構成されていて、Vxの添え字xはリンク番号を示している。また、6つの道路リンクの速度情報もそれぞれ「V1」「V2」「V3」「V4」「V5」「V6」で表すものとする。
【0103】
本実施形態の交通情報推定装置1が有する推定エンジン11によって、推定対象道路リンクの速度情報を推定するために用いられるニューラルネットワークは、図7に示したものと同様であり、また、本実施形態の学習エンジン12は、このニューラルネットワークを、学習用データを用いて最適化(学習)する処理を行う。
図20のリンク番号1〜6の推定対象道路リンクそれぞれの速度情報の推定値「V1」「V2」「V3」「V4」「V5」「V6」を求めるための演算式は、下記のとおりである。
【0104】
V1(t)=w0(t-1,1)+w1(t-1,1)V1(t-1)+w2(t-1,1)V2(t-1)
V2(t)=w0(t-1,2)+w1(t-1,2)V1(t-1)+w2(t-1,2)V2(t-1)
+w3(t-1,2)V3(t-1)
V3(t)=w0(t-1,3)+w1(t-1,3)V2(t-1)+w2(t-1,3)V3(t-1)
+w3(t-1,3)V4(t-1)
V4(t)=w0(t-1,4)+w1(t-1,4)V3(t-1)+w2(t-1,4)V4(t-1)
+w3(t-1,4)V5(t-1)
V5(t)=w0(t-1,5)+w1(t-1,5)V4(t-1)+w2(t-1,5)V5(t-1)
+w3(t-1,5)V6(t-1)
V6(t)=w0(t-1,6)+w1(t-1,6)V5(t-1)+w2(t-1,6)V6(t-1)
【0105】
なお、前記演算式で求められる推定値(左辺側の値)は、実測値に基づく速度情報が得られた時刻t(時刻tを含むタイムスロット)における値である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み(右辺側の値)は、前記時刻t(時刻tを含むタイムスロット)よりも前の時刻t−1(前のタイムスロット)における値である。
なお、演算式中の重みに付されている添え字(t-1,x)の「x」は、リンク番号を意味している。
【0106】
例えば、推定対象道路リンクが、リンク番号2の道路リンクである場合、前記演算式によれば、時刻tにおける当該道路リンクの速度情報V2を推定するために用いられる道路リンク(つまり、関連道路リンク)の速度情報は、時刻t−1におけるリンク番号1の道路リンクの速度情報V1及び時刻t−1におけるリンク番号3の道路リンクの速度情報V3以外に、時刻t−1におけるリンク番号2の道路リンクの速度情報V2が含まれている。
つまり、推定対象道路リンクが、リンク番号2の道路リンクであり、かつ、関連道路リンクにも、このリンク番号2の道路リンクが含まれている。このために、関連道路リンクに含まれている道路リンクの速度情報V2は、既に取得されている時刻t−1における速度情報であり、推定データベースに蓄積されているものである。
【0107】
このように、推定エンジン11は、既に取得されている時刻t−1における推定対象道路リンク(リンク番号2の道路リンク)の速度情報(V2(t-1))も用いて、時刻tにおける推定対象道路リンク(リンク番号2の道路リンク)の速度情報を推定することとなる。
同じ道路リンク(例えば、リンク番号2の道路リンク)では、時間が多少異なっていても速度情報に相関が認められると考えられるため、推定エンジン11が、既に取得されている時刻t−1における推定対象道路リンク(リンク番号2の道路リンク)の速度情報(V2(t-1))も用いて、時刻tにおける推定対象道路リンク(リンク番号2の道路リンク)の速度情報を推定すれば、速度情報の推定をより適切に行えるようになる。
【0108】
このように、関連道路リンクには、推定対象道路リンクとなる自己の道路リンクが含まれていてもよい。なお、前記実施形態(図8及び図9の場合)でも、関連道路リンクには、自己の道路リンクが含まれていてもよい。
【0109】
そして、この第二実施形態では、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、前記第一実施形態とは反対に、先に学習エンジン12が、推定用パラメータを最適化するが、この場合、学習エンジン12は、当該所定の道路リンクの当該実測値に基づく速度情報と、当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報と、当該所定の道路リンクの速度情報を推定するために用いられる他の道路リンクの速度情報(前記実測値の取得時よりも前の時刻における速度情報)と、を組み合わせた学習用データを用いて、推定用パラメータを最適化する。なお、この具体例については後に図21で説明する。
【0110】
同じ道路リンクでは、時間が多少異なっていても速度情報に相関が認められると考えられるため、学習用データの組み合わせに、前記のとおり「所定の道路リンクの実測値に基づく速度情報」の他に「当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報」も含ませ、この学習用データを用いて、推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【0111】
図21は、この第二実施形態における推定エンジン11及び学習エンジン12による処理を説明している説明図である。この第二実施形態の交通情報推定装置1によって実行される速度情報の推定方法も、前記第一実施形態と同様に、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することによって、実行されるが、本実施形態では、図21(a)の時刻tにおいて、推定対象道路リンクになり得る所定の道路リンク(リンク番号4)に関して実測値(プローブ情報)に基づく速度情報V4が取得されると、学習処理が先に実行されてから、推定処理が実行される。
【0112】
つまり、図21(a)の時刻tにおいて、所定の道路リンク(リンク番号4)に関して実測値に基づく速度情報V4が取得されると、学習エンジン12は、この実測値に基づく速度情報V4と、当該所定の道路リンク(リンク番号4)の速度情報を推定するために用いられる、時刻t−1における関連道路リンク(リンク番号3,5)の速度情報(V3,V5)との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
さらに、本実施形態では、前記組み合わせに、時刻t−1における自己の道路リンク(リンク番号4)の速度情報V4も、含まれている。この時刻t−1における速度情報V4は、既に推定データベース13(図2参照)に蓄積されている速度情報である。
この第二実施形態では、図21(a)に示しているように、時刻tで実測値に基づく速度情報が取得されており、学習処理は、この時刻tの実測値に基づく速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0113】
その後、図21(b)に示しているように、前記実測値に基づく速度情報V4を含む道路リンクの速度情報(V1〜V6)、及び、最適化した推定用パラメータを用いて、時刻tにおける推定対象道路リンクの速度情報(V1〜V3,V5,V6)を推定する。この「最適化した推定用パラメータ」は、図21(a)において、前記実測値に基づく速度情報V4が組み合わされた前記学習用データを用いて最適化したものである。
また、前記道路リンクの速度情報(V1〜V6)のうち、リンク番号1〜3,リンク番号5,6の道路リンクの速度情報は、時刻t−1における情報である。そして、本実施形態では、前記演算式で説明したように、推定対象道路リンクの速度情報を、時刻t−1における自己の道路リンクの速度情報V4も含めて、推定している。
この推定処理は、時刻tの実測値に基づく速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0114】
以下、具体例を説明する。
図22は第二実施形態を説明するフローチャートである。
図20に示す道路リンクに関し、ある時点(時刻t)において、リンク番号1とリンク番号5の道路リンクにプローブ情報が得られたとする(ステップS21)。これら情報は、前記入力情報処理部16(図2参照)によって「速度情報」に変換され(ステップS22)、この速度情報によって、図23に示しているように、推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される(ステップS23)。この推定データベースには「更新速度」のデータ項目が設定されており、前記プローブ情報に基づく速度情報(V1,V5)をこのデータ項目に記憶させる。また、「速度情報」のデータ項目には、各値(例えば初期値等)が蓄積されている。
また、図23では、説明を容易とするために、推定データベースと重みデータベースとを並べて記載している。重みデータベースには、各値(例えば初期値等)が蓄積されている。
【0115】
推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク(リンク番号1及びリンク番号5)については、学習対象となることを示す値「1」が設定されている。そして、前記実測値に基づく速度情報(V1,V5)が取得されると、この推定データベースの内容の一部として、リンク番号1の道路リンクに関するスナップショット、及び、リンク番号5の道路リンクに関するスナップショットが、学習用データベース14に蓄積される(ステップS24)。このスナップショットが学習用データとなり、学習エンジン12によって、重み(推定用パラメータ)が学習される(ステップS25)。
【0116】
学習エンジン12による学習処理は、前記第一実施形態で説明したアルゴリズムと同じであり、前記学習用データを用いてリンク番号1及びリンク番号5の道路リンクのための重みを最適化し、その学習結果が得られると、図24に示しているように、重みデータベースが更新される(ステップS26)。
【0117】
そして、推定エンジン11は、ステップS26で更新された重みデータベースの内容を用いて、実測値に基づく速度情報が得られなかった道路リンク(推定対象道路リンク)の交通情報(V2,V3,V4,V6)を推定する(ステップS27)。
この推定の処理によって得られた速度情報(V2,V3,V4,V6)、及び、実測値に基づく速度情報(V1,V5)により、図25に示しているように、推定データベースが更新される(ステップS28)。
【0118】
このように、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。そして、これ以降、推定エンジン11による速度情報の推定は、学習エンジン12によって求められた新たな重みを用いて、より精度良く行われる。したがって、本実施形態の交通情報推定装置1では、運用を続けることで速度情報の推定精度が自然に向上する。
【0119】
[第三実施形態]
[2.7 交通情報推定装置1による処理内容]
交通情報推定装置1による重みの学習及び速度情報の推定について、さらに別の実施形態(第三実施形態)を説明する。
第三実施形態でも、前記第二実施形態と同様に、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、推定処理よりも学習処理が先に行われる。
【0120】
つまり、学習エンジン12は、前記所定の道路リンクの実測値に基づく速度情報と、当該所定の道路リンクの速度情報を推定するために用いられる関連道路リンクの速度情報との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
そして、この処理の後に、推定エンジン11は、前記実測値に基づく速度情報を含む道路リンクの速度情報、及び、前記実測値に基づく速度情報が組み合わされた学習用データを用いて学習エンジン12が最適化した推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。
【0121】
この第三実施形態では、学習処理を行ってから、推定処理を行うが、この学習処理には、前記第二実施形態でも用いたニューラルネットワーク等に基づいて実行される「仮推定」の処理が含まれる。以下において、この仮推定を含む学習処理、及び推定処理について具体的に説明する。
【0122】
図26は第二実施形態を説明するフローチャートである。
図20に示す道路リンクに関し、ある時点(時刻t)において、リンク番号2の道路リンクに入力情報としてプローブ情報が得られたとする(ステップS31)。さらに、リンク番号5の道路リンクに、入力情報としてVICS情報が得られたとする。
これら情報は、前記入力情報処理部16(図2参照)によって「速度情報」に変換され(ステップS32)、この速度情報によって、図27に示している推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される(ステップS33)。なお、「速度情報」のデータ項目には、各値(例えば初期値等)が蓄積されている。
また、図27では、説明を容易とするために、推定データベース(本推定データベース)と重みデータベースとを並べて記載している。重みデータベースには、各値(例えば初期値等)が蓄積されている。
【0123】
推定データベースには、前記本推定データベースとは別の領域に、仮推定データベース(図28参照)が設定されている。両者は同様の形式であり、図28(a)に示しているように、本推定データベースの一部のコピーが仮推定データベースに蓄積される(ステップS34)。
仮推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク(リンク番号2)については、学習対象となることを示す値「1」が設定されている。また、仮推定データベースでは、推定処理(仮推定)の順番を示す「チェック」のデータ項目が一旦リセットされ(「0」とされ)、VICS情報が得られているリンク番号5の道路リンクについて、「1」が設定される。
【0124】
そして、「チェック」のデータ項目に「1」が設定されている道路リンク(本実施形態では、リンク番号5)についての関連道路リンクであって、まだ速度情報が仮推定されていない道路リンクを抽出し(本実施形態では、リンク番号4と6)、「チェック」のデータ項目に「2」が付される。そして、この「チェック」のデータ項目に「2」が付され道路リンク(リンク番号4と6)の速度情報を仮推定する(ステップS35)。
【0125】
このようにして、仮推定処理の順番が設定されながら、速度情報を次々と仮推定し、図28(b)に示すように、リンク番号5の道路リンクについては、実測値に基づく速度情報が蓄積され、他の道路リンクについては、仮推定して得られた速度情報が、仮推定データベースに蓄積される(ステップS36)。
【0126】
入力情報としてプローブ情報が取得された道路リンク(リンク番号2)について、仮推定に基づく速度情報(V2)が取得されているので、ステップS36で蓄積された仮推定データベースの内容の一部として、当該道路リンク(リンク番号2)に関するスナップショットが、学習用データベース14に蓄積される(ステップS37)。このスナップショットが学習用データとなり、学習エンジン12によって、重み(推定用パラメータ)が学習される(ステップS38)。
【0127】
つまり、本実施形態のスナップショットは、プローブ情報が取得された道路リンク(リンク番号2)の実測値に基づく速度情報(V2)と、仮推定による当該道路リンク(リンク番号2)の速度情報(V2)との組み合わせからなる。なお、前記仮推定による道路リンク(リンク番号2)の速度情報(V2)は、ステップS35において、当該道路リンク(リンク番号2)の速度情報を推定するために用いられる関連道路リンク(リンク番号1,3)の速度情報(V1,V3)に基づいて、仮推定された値である。
そして、学習エンジン12は、この組み合わせによる学習用データを用いて、推定用パラメータを最適化する。
【0128】
学習エンジン12による学習処理は、プローブ情報が取得された道路リンク(リンク番号2)の実測値に基づく速度情報(V2)と、仮推定による当該道路リンク(リンク番号2)の速度情報(V2)との自乗誤差が、最小となるようにして実行される。この学習処理により、リンク番号2の道路リンクのための重みを最適化し、その結果が得られると、図29に示しているように重みデータベースが更新される(ステップS39)。
なお、図29の推定データベース(本推定データベース)の「速度情報」のデータ項目には、前記仮推定した値(図28(b))ではなく、図27に示した推定データベース(本推定データベース)に蓄積されている値が記憶されている。
【0129】
そして、推定エンジン11は、ステップS39で更新された、図29の、重みデータベースの内容及び推定データベースの「速度情報」の値を用いて、実測値に基づく速度情報が得られなかった道路リンク(推定対象道路リンク)の速度情報(V1,V3,V4,V6)を推定する(ステップS40)。この推定処理によって得られた速度情報(V1,V3,V4,V6)、及び、実測値に基づく速度情報(V2,V5)により、図30に示しているように、推定データベースが更新される(ステップS41)。
【0130】
このように、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。つまり、推定エンジン11による速度情報の推定は、学習エンジン12によって求められた新たな重みを用いて、より精度良く行われる。
【0131】
以上の前記各実施形態に係る交通情報推定装置1は、学習エンジン12及び推定エンジン11を有しており、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することができる。前記推定エンジン11は、他の道路リンクの速度情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成である。そして、前記学習エンジン12は、推定対象道路リンクになり得る道路リンクにおける実測値に基づく速度情報と、当該推定対象道路リンクの速度情報を推定するために用いられる関連道路リンクの速度情報に基づく値との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する構成である。
このような交通情報推定装置1によれば、学習エンジン12によって推定用パラメータが最適化され、推定エンジン11によって、速度情報の推定を適切に行えるようになる。そして、このような学習エンジン12及び推定エンジン11による処理が繰り返し実行されることで、速度情報の推定精度が自然に向上する。
【0132】
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。
【0133】
例えば、推定対象道路リンクの速度情報を推定するために用いられる道路リンク(関連道路リンク)は、推定対象道路リンクに接続されているものに限らず、推定対象道路リンクとは離れているが、速度情報の時間的変化の仕方が似ている道路リンク(例えば、推定対象道路リンクと並行する道路リンク)であってもよい。
【0134】
また、時刻の要素を速度情報の推定に反映させたい場合には、時間的に特徴的な変化をする道路リンク(例えば、朝だけ混雑する道路リンク、夜だけ混在する道路リンクなど)を関連道路リンクに含めることもできる。この場合、時間的に特徴的な変化をする道路リンクの速度情報は、全ての推定対象道路リンクに共通して用いられる。
【0135】
さらに、本実施形態では、推定対象道路リンクの速度情報を推定するために用いられる他の道路リンクの速度情報として、時間的に同一の時間帯にある速度情報だけを用いたが、異なる時間帯の速度情報を用いても良い。例えば、推定対象道路リンクから遠く離れた道路リンクの場合、その道路リンクにおける交通状況が、推定対象道路リンクに反映されまでには時間遅れがある。そこで、遠く離れた道路リンクの場合、例えば、1時間前の速度情報を推定に用いることで、より適切な推定が行える。
【0136】
さらにまた、本実施形態の交通情報推定装置1の推定エンジン11が推定の対象とする交通情報は、速度情報に限らず、これに加えて/代えて、渋滞情報など他の交通情報とすることもできる。この場合、渋滞度は、上記速度情報の1を混雑、0を順調の2値に割り当てることで算出できる。また、渋滞度を推定対象の交通情報として扱う場合、ニューラルネットワークでは、2値のいずれかを決定するための閾値も推定用パラメータとして必要となる。この場合、閾値も学習部による学習対象となる。
【0137】
さらに、本明細書には、複数の発明が開示されており、それら各発明は、特許請求の範囲の記載方法に拘泥されず、各発明の技術的意義に従って、最も広義に解釈されるべきものである。
【符号の説明】
【0138】
1:交通情報推定装置,2:車載装置,3:プローブ車両,4:路側通信機,5:路側センサ,6:VICSセンタコンピュータ,11:推定エンジン(推定部),12:学習エンジン,13:推定データベース,14:学習用データベース,15:重みデータベース,16:入力情報処理部,17:VICS情報処理部,17a:リンク旅行速度算出部,17b:速度情報変換部,18:プローブ情報処理部,18a:リンク旅行速度算出部,18b:速度情報変換部,19:変換情報,20:学習部
【技術分野】
【0001】
本発明は、交通情報を推定するための交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法に関するものである。
【背景技術】
【0002】
道路の交通情報をドライバーに提供する技術として、財団法人道路交通情報通信システムセンターによるVICS(Vehicle Information and Communication System:なお、「VICS」は上記財団法人の登録商標)が広く知られている。
このVICSは、各種の路側センサ(車両感知器やループコイル等)から収集した車両台数や車両速度等よりなる定点観測情報に基づいて、各路線での渋滞やリンク旅行時間を含む交通情報を集計し、その交通情報を、ビーコンによる狭域通信やFM放送等の広域通信によってドライバーに提供するものである。
【0003】
また、道路の交通情報をドライバーに提供する他の技術として、プローブカーを利用した交通情報推定システム(以下、プローブシステムという。)も知られている。
このプローブシステムは、例えば特許文献1および2に示すように、実際に道路を走行する車両(プローブ車両)を移動体センサとして利用するもので、現時点の車両位置や時刻などのプローブ情報を無線通信によって各プローブ車両から収集し、道路の交通情報を生成するものである。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開平5−151496号公報
【特許文献2】特開2005−4467号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかし、VICS及びプローブシステムを利用したとしても、VICS及びプローブシステムのいずれからもデータが得られていない道路リンクについては、交通情報を得ることができない。
【0006】
そこで、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定するための新たな技術を提供することを目的とする。
【課題を解決するための手段】
【0007】
(1)本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部とを備えたことを特徴とする。
本発明によれば、学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【0008】
(2)また、前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定するのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、推定部は、既に取得されている推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定すれば、交通情報の推定をより適切に行えるようになる。
【0009】
(3)また、前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれているのが好ましい。
同じ道路リンクでは、時間が多少異なっていても交通情報に相関が認められると考えられる。このため、学習用データの組み合わせに、推定対象道路リンクになり得る道路リンクに関して既に取得されている交通情報も含ませ、この学習用データを用いて、当該推定対象道路リンクの交通情報を推定するための推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【0010】
(4)そして、前記交通情報推定装置において、前記推定部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、推定部が推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、学習部が推定用パラメータを最適化することになる。
【0011】
(5)これとは反対に、前記交通情報推定装置において、前記学習部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成とすることができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、学習部が当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定部が推定対象道路リンクの交通情報を推定することになる。
【0012】
(6)また、前記(5)の場合において、前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の道路リンクの交通情報と、の組み合わせを、学習用データとして用いて前記推定用パラメータを最適化することができる。
この場合、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、実測値に基づく所定の道路リンクの交通情報と、仮推定した当該所定の道路リンクの交通情報との組み合わせを学習用データとして用いて推定用パラメータを学習する。
【0013】
(7)本発明は、コンピュータを、上記(1)から(6)のいずれか一項に記載の装置として機能させるためのコンピュータプログラムである。
【0014】
(8)また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、推定対象道路リンクの交通情報を推定してから、その推定した交通情報を用いて、推定用パラメータを最適化することになり、交通情報の推定を適切に行えるようになる。
【0015】
(9)また、本発明は、他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする。
本発明によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することになる。この結果、交通情報の推定を適切に行えるようになる。
【発明の効果】
【0016】
学習部によって推定用パラメータが最適化され、交通情報の推定を適切に行えるようになる。
【図面の簡単な説明】
【0017】
【図1】交通情報システムの全体構成図である。
【図2】交通情報推定装置の構成図である。
【図3】入力情報処理部の構成図である。
【図4】変換情報を示す図である。
【図5】プローブ情報から、リンク旅行速度を求めるための説明図である。
【図6】交通情報推定処理手順を示すフローチャートである。
【図7】ニューラルネットワークの構成図である。
【図8】道路リンクの例を示す図である。
【図9】推定データベースの初期状態を示す図である。
【図10】重みデータベースの初期状態を示す図である。
【図11】入力情報として取得したVICS情報及びプローブ情報を示す図である。
【図12】1回目の更新後の推定データベースを示す図である。
【図13】2回目の更新後の推定データベースを示す図である。
【図14】3回目の更新後の推定データベースを示す図である。
【図15】スナップショットして抽出される部分を示す図である。
【図16】学習用データベースを示す図である。
【図17】学習処理を示すフローチャートである。
【図18】速度のままで推定する場合の問題を説明するための図である。
【図19】推定エンジン及び学習エンジンによる処理(第一実施形態)を説明する説明図であり、(a)が推定、(b)が学習である。
【図20】道路リンクの他の例を示す図である。
【図21】推定エンジン及び学習エンジンによる処理(第二実施形態)を説明する説明図であり、(a)が学習、(b)が推定である。
【図22】交通情報推定処理手順(第二実施形態)を示すフローチャートである。
【図23】推定データベースと重みデータベースとの説明図である。
【図24】推定データベースと更新された重みデータベースとの説明図である。
【図25】更新された推定データベースと重みデータベースとの説明図である。
【図26】交通情報推定処理手順(第三実施形態)を示すフローチャートである。
【図27】推定データベースと重みデータベースとの説明図である。
【図28】仮推定データベースの説明図である。
【図29】推定データベースと更新された重みデータベースとの説明図である。
【図30】更新された推定データベースと重みデータベースとの説明図である。
【発明を実施するための形態】
【0018】
以下、本発明の好ましい実施形態について添付図面を参照しながら説明する。
[1.全体構成]
図1は、本発明の実施形態における交通情報推定装置(中央装置)1を含む交通情報システムを示している。この交通情報システムは、交通情報推定装置1のほか、車載装置2を搭載したプローブ車両3、車載装置2と無線通信する路側通信機4、及び路側センサ5などを含む。
【0019】
前記交通情報推定装置1は、例えば中央装置における様々な機能のうちの一機能を指しており、中央装置1は、VICS情報及びプローブ情報などの交通情報(観測情報)を取得し、車両に提供するための提供用の交通情報を生成する機能を有している。なお、中央装置1は、交通情報に基づいて、信号機制御や交通管制などの各種の交通用処理を行ってもよい。
【0020】
この交通情報推定装置(中央装置)1は、処理装置及び記憶装置を有するコンピュータによって構成されており、記憶装置には、コンピュータを、交通情報推定装置(中央装置)として機能させるためのコンピュータプログラムが記憶されている。このコンピュータプログラムは、前記処理装置によって実行され、前記処理装置が前記記憶装置等に対し入出力を行うことで、交通情報推定装置(中央装置)1としての機能を実現する。なお、以下に説明する交通情報推定装置(中央装置)1の機能は、特に断らない限り、前記コンピュータプログラムによって実現されるものである。
【0021】
前記車載装置2は、プローブ車両3の観測情報としてプローブ情報を生成し、路側通信機4に無線送信する。プローブ情報は、プローブ車両の位置、当該位置の通過速度及びプローブ車両の車両IDなどを含む交通情報である。また、プローブ情報には、プローブ車両の速度などその他の情報を含めても良い。なお、プローブ車両の位置は、車載装置2が有するGPS受信機によって受信したGPS信号に基づいて算出される。
【0022】
前記路側通信機4は、車載装置2との間で無線通信によって情報の送受信を行うものである。具体的には、路側通信機4は、車載装置2が送信した観測情報としてのプローブ情報を受信し、交通情報推定装置(中央装置)1に転送する。また、路側通信機4は、交通情報推定装置(中央装置)1から、車両への提供用の交通情報を取得し、その交通情報を、車載装置2に送信することができる。なお、路側通信機4と交通情報推定装置1との間は、通信回線によって接続されている。
【0023】
前記路側センサ5は、観測情報としての交通情報を検出するためのものであり、例えば、直下を通行する車両を超音波感知する車両感知器や、インダクタンス変化で車両を感知するループコイル、或いは、カメラの映像を画像処理して交通量や車両速度する計測する画像感知器よりなり、交差点に流入する車両台数や車両速度を計測する目的で、高速道路や主要な幹線道路などに設置されている。
【0024】
路側センサ5は、検出した観測情報は、通信回線を介して、VICSセンタサーバに6送信され、このVICSセンタサーバ6では、路側センサ5の観測情報に基づいて、VICS情報を生成する。このVICS情報は、通信回線を介して、交通情報推定装置1に送信される。
【0025】
前記VICS情報は、各道路リンクでの渋滞やリンク旅行時間を含む交通情報である。VICS情報は、路側センサ5から5分ごとに観測情報を取得して、情報更新されるため、時間的に高密度な情報が得られる。しかし、路側センサ5はすべての道路に設置されているわけではなく(主要道路でも20%以下)、エリアカバー率が低い。
一方、前記プローブ情報は、道路を走行するプローブ車両3から取得するため、エリアカバー率を高くすることが可能である。ただし、プローブ車両3となるための車載装置2の普及率がまだ低いため、時間的に低密度のデータしか得られない。
【0026】
つまり、所定エリア内の道路に、道路リンクを設定した場合、VICS情報が得られる道路リンクについては、VICS情報の更新単位時間ごとに常に交通情報(VICS情報)が得られる。一方、VICS情報が得られない道路リンクについては、VICS情報の更新単位時間ごとにみると、プローブ情報が交通情報として得られる道路リンクがある一方、プローブ情報も得られない道路リンクが混在することになる。
【0027】
[2.交通情報推定装置の詳細]
[2.1 推定装置の全体構成]
本実施形態に係る交通情報推定装置1は、VICS情報もプローブ情報も得られない道路リンクの交通情報を推定して、当該道路リンクの交通情報を補完することで、所定エリア内の全道路リンクの交通情報を生成する。このように、VICS情報もプローブ情報も得られない道路リンクの交通情報を補完することで、より精度が高い交通情報を車両(ナビゲーションシステム)に提供したり、精度良く交通管制を行ったりすることが可能となる。
なお、以下では、VICS情報もプローブ情報も得られず交通情報を推定して補完する必要がある道路リンクを、「推定対象道路リンク」という。
【0028】
図2に示すように、交通情報推定装置1は、推定対象道路リンクの交通情報を推定するための推定エンジン11(推定部)と、推定に用いられるパラメータ(推定用パラメータ)を学習するための学習エンジン12と、を備えている。推定エンジン11及び学習エンジン12は、交通情報推定装置1が有する機能であり、交通情報推定装置1に記憶させたコンピュータプログラムによって実現される推定システム及び学習システムである。
【0029】
また、交通情報推定装置1は、推定エンジン11によって推定した交通情報等を蓄積するための推定データベース(交通情報データベース)13、推定データベース13におけるデータのうち、学習エンジン12における学習に用いるデータを蓄積する学習用データベース14、推定パラメータ(本実施形態では、「重み」)を蓄積するための重みデータベース(推定パラメータデータベース)15と、を備えている。
【0030】
[2.2 入力情報処理部]
さらに、本実施形態に係る交通情報推定装置1は、当該交通情報推定装置1が取得したVICS情報及びプローブ情報(以下、両情報を総称する場合、「入力情報」という)に対する処理を行う入力情報処理部16を備えている。
【0031】
前記入力情報処理部16は、入力情報から、各リンクの「速度情報」を生成する処理を行うものであり、生成した「速度情報」は、推定データベース13に与えられ、推定データベース13の更新に用いられる。
【0032】
入力情報処理部16は、取得したVICS情報から「速度情報」を生成するVICS情報処理部17と、取得したプローブ情報から、「速度情報」を生成するプローブ情報処理部18と、を備えている。
VICS情報処理部17は、VICS情報に含まれるリンク旅行時間から、当該道路リンクのリンク旅行速度を算出するリンク旅行速度算出部17aと、リンク旅行速度を当該リンクの「速度情報」に変換する速度情報変換部17bとを備えている。
【0033】
VICS情報処理部17のリンク旅行速度算出部17aは、リンク旅行速度を算出しようとする道路リンクのリンク長を、当該道路リンクのリンク旅行時間で除することで、リンク旅行速度[km/h]を算出する。なお、対象エリア内の全道路リンクのリンク長は、予め、装置1に設定されている。
【0034】
VICS情報処理部17の速度情報変換部17bは、リンク旅行速度算出部17aで求めたリンク旅行速度を、「速度情報」という指標値(速度指標情報)に変換する。この変換は、速度情報変換部17bが、装置1に予め設定された「速度−速度情報」変換情報19を参照することで行われる。「速度−速度情報」変換情報19は、図4に示すように設定されたものであるが、詳細については後述する。
【0035】
プローブ情報処理部18のリンク旅行速度算出部18bは、プローブ情報に含まれる位置及び時刻に基づいて、リンク旅行速度を算出しようとする道路リンクのリンク旅行速度を算出する。なお、プローブ情報からリンク旅行速度[km/h]を算出する方法については後述する。
【0036】
プローブ情報処理部18の速度情報変換部18bは、VICS情報処理部17の速度情報変換部17bと同様に、リンク旅行速度を「速度情報」に変換する。その処理内容は、速度情報変換部17bと同様である。
【0037】
[2.3 速度情報について]
「速度情報」は、リンク旅行速度の大小に応じた値をとる指標値であり、本実施形態では、0から1までの値をとり、「速度情報」=0はリンク旅行速度=100[km/h]及びそれ以上の速度に対応し、「速度情報」=1はリンク旅行速度=0[km/h]に対応する。
【0038】
ただし、本実施形態の「速度情報」は、リンク旅行速度に単純に反比例するものではない。つまり、図4に示すように、リンク旅行速度−速度情報の関係式は、リンク旅行速度の複数の速度領域によって異なるものが用いられている。
前記複数の速度領域とは、具体的には、リンク旅行速度が0[km/h]〜約10(より厳密には10.53)[km/h]の第1速度領域(ゼロ近傍速度領域)、リンク旅行速度が約10(より厳密には10.5)[km/h]〜約60(より厳密には57.9)[km/h]の第2速度領域、リンク旅行速度が約60(より厳密には57.9)[km/h]の第3速度領域(自由走行速度領域)の3つの速度領域である。
【0039】
第1速度領域は、車両の速度が、0又はそれに近い値を示すゼロ近傍速度領域として設定されたものであり、道路が混雑しているときにこのような速度領域の値が検出される。第3速度領域は、一般道路の制限速度(60km/h)以上の速度領域として設定されたものであり、道路が比較的すいており、車両が自由走行状態となり得るときにこのような速度領域の値が検出される。なお、第2速度領域は、第1及び第3速度領域の中間領域として設定されたものである。
【0040】
図4の横軸(リンク旅行速度)の値をx、縦軸(速度情報)の値をyとすると、第1速度領域におけるリンク旅行速度−速度情報の関係式は、y=1−(x/1000)に設定され、第2速度領域におけるリンク旅行速度−速度情報の関係式は、y=1.2−(x/50)に設定され、第3速度領域におけるリンク旅行速度−速度情報の関係式は、y=0.1−(x/1000)に設定されている。
【0041】
このように、リンク旅行速度−速度情報の関係直線は、第3速度領域及び第2速度領域に着目すると、第3速度領域(傾き=1/1000)では、第2速度領域(傾き=1/50)よりも、負の傾きが小さくなっている。
つまり、車両が自由走行状態となり得る自由速度領域である第3領域においては、より低速の第2速度領域に比べて、リンク旅行速度(x)の変化に対する速度情報(y)の変化の割合(負の傾き)が小さくなっている。
【0042】
また、リンク旅行速度−速度情報の関係直線は、第1速度領域及び第2速度領域に着目すると、第1速度領域(傾き=1/1000)では、第2速度領域(傾き=1/50)よりも、傾きが小さくなっている。
つまり、車両の速度がゼロ近傍である第1領域においては、より高速の第2速度領域に比べて、リンク旅行速度(x)の変化に対する速度情報(y)の変化の割合(負の傾き)が小さくなっている。
【0043】
以上のように設定された変換情報19によれば、速度情報という指標に、単なる「速度」という要素以外に、道路が混雑していて渋滞気味であるか、それとも道路が空いており車両が順調に流れているのかという渋滞度(交通流の度合)の要素も、持たせることができる。
【0044】
例えば、制限速度が100km/の道路リンクにおいてはリンク旅行速度が100km/であり、制限速度の60km/の道路リンクにおいてはリンク旅行速度が60km/hである場合、速度差は、40km/hであるが、いずれの道路リンクも車両が順調に流れており、いずれも自由走行状態であると考えられる。
一方、2つの道路リンクにおいて、一方の道路リンクのリンク旅行速度が60km/hであり、他方の道路リンクのリンク旅行速度が20km/hである場合、速度差は、上記と同様に40km/hであるが、前者の道路リンクは車両が順調に流れているが、後者の道路リンクは混雑していると考えられる。
【0045】
このように、リンク旅行速度が自由走行速度領域に達すると、道路における車両の多さ(渋滞度)とリンク旅行速度の関連性が相対的に低くなり、道路の制限速度などの別の要因によってリンク速度が変化しやすくなる。
このため、例えば、関連する他の道路リンクの交通情報(リンク旅行速度)から、推定対象道路リンクの交通情報(リンク旅行速度)を推定しようとした場合を想定すると、他の道路リンクの第3速度領域(自由走行速度領域)におけるリンク旅行速度の違いが推定対象道路リンクのリンク旅行速度の推定値に与える影響は、より低速の第2速度領域におけるリンク流行速度の違いよりも、小さくなる。
【0046】
また、第1速度領域についても、第3速度領域と同様に、速度が0〜10[km/h]であるときには、いずれの速度においても道路はかなり混雑していると考えられ、第1速度領域におけるリンク旅行速度の違いは、高速の第2速度領域においけるリンク流行速度の違いよりも、意味が少ないものとなる。
本実施形態の速度情報は、上記を考慮したものであり、第1及び第3速度領域の傾きを小さくすることで、推定対象道路リンクの交通情報を精度良く推定することができる。
【0047】
また、第1及び第3速度領域の傾きを小さくした結果、第2速度領域の傾きが大きくなり、第2速度領域におけるリンク旅行速度の違いを、速度情報という指標においてはより強調することができる。
例えば、0〜100km/hの範囲のリンク旅行速度(x)に対し、y=1−(x/100)という1つの関係式で速度情報を対応付けた場合、10〜60km/hの範囲においても、当然に、傾きは(1/100)であるが、図4の場合、傾きは(1/50)である。したがって、図4によって求まる速度情報においては、10〜60km/hにおけるリンク旅行速度をより緻密に指標化できる。この結果、推定対象道路リンクの交通情報の推定精度を向上させることができる。
【0048】
なお従来では、交通情報として、道路リンクにおける車両の速度を扱う場合、速度[km/h]のままで交通情報の推定を行っている。この場合、次のような問題が生じる。
例えば、図18に示すように道路リンクが構成されており、リンクA,Bが制限速度100km/hの高速道路であり、リンクCが制限速度60km/hの一般道路であるとする。また、リンクA,B,Cのいずれにおいても道路は空いており、車両は自由走行状態であるものとする。
そして、リンクA,Bについては、速度(リンク旅行速度)が100km/hであることが検出され、リンクCについては、速度(リンク旅行速度)が60km/hであることが検出されたとする。この場合、リンクA,BとリンクCとの間には、速度に差が存在するが、これは、道路の制限速度の違いによるものにすぎず、道路の混雑度(交通量)としては、リンクA,B,Cのいずれにおいてもほぼ同様と考えられる。
【0049】
しかし、リンクA,B,Cの各速度そのものに基づいて、リンクA,B,Cに関連する道路リンク(推定対象道路リンク)の速度を推定しようとすると、リンクA,BとリンクCとで速度が異なるため、適切な推定値を得るのが困難となったり、適切な推定値を得るための処理時間が長くなったりするという問題が生じる。
しかし、前記のとおり、車両が自由走行状態となり得る自由速度領域においては、より低速の速度領域に比べて、リンク旅行速度の変化に対する速度情報の変化の割合が小さくなっていることで、前記のような問題を解消することができる。
【0050】
[2.4 プローブ情報からのリンク旅行時間の算出]
図5は、リンク旅行速度算出部18aにおいて、プローブ情報からリンク旅行速度[km/h]を算出する方法を示している。
図5に示すように、L1〜L6までの6個の道路リンクが存在する場合において、道路リンクL4の図右方(矢印A方向)へのリンク旅行速度を算出するには、プローブ車両3が、進行方向一つ手前の道路リンクL3(第1位置)に位置している間に送信した第1プローブ情報pr1と、当該プローブ車両3が移動して進行方向一つ先の道路リンクL5(第2位置)に位置している間に送信した第2プローブ情報pr2とを用いる。
【0051】
第1プローブ情報pr1が示す位置及び第2プローブ情報pr2が示す位置によって、第1プローブ情報pr1を発信した第1位置と第2プローブ情報pr2を発信した第2位置との間の距離Dが求まる。また、第1プローブ情報pr1が示す時刻及び第2プローブ情報pr2が示す時刻によって、第1位置から第2位置まで移動するのに要した時間Tが求まる。前記距離Dを前記時間Tで除することにより、第1位置から第2位置までの間の区間(通常の速度算出区間)の旅行速度が求まる。通常は、この旅行速度を、第1位置と第2位置との間にある道路リンクL4におけるリンク旅行速度とみなす。
【0052】
ただし、第1位置と第2位置との間の距離(通常の速度算出区間の距離)が設定された最小距離(例えば、1km)以下である場合には、速度算出区間が長くなるように、道路リンクL4のリンク旅行速度の算出に用いるプローブ情報として別のものを選択する。
具体的には、通常の速度算出区間の距離が最小距離以下である場合、リンク旅行速度算出部18aは、車両が、車両進行方向にみて一つ手前の道路リンクL2(手前位置)に位置するときに送信されたプローブ情報pr0と、道路リンクLL5に位置するときに送信されたプローブ情報pr2とを用いる。これにより、手前位置から第2位置までの間の拡張された速度算出区間についての旅行速度が求まり、この旅行速度を、手前位置から第2位置までの間にある道路リンクL4のリンク旅行速度とみなす。
【0053】
通常の速度算出区間の距離が短い場合に、拡張された速度算出区間を用いる理由は次の通りである。すなわち、速度算出区間が短いと、速度算出区間を移動するのに要する時間は、交通信号による停止時間による影響を大きく受ける。つまり、速度算出区間を通過するのに要する時間が、例えば、2分であるとしても、車両が実際に走行していた時間は、1分で残りの1分は信号による待ち時間ということが生じ得る。一方、同じ速度算出区間を通過する別の車両は、信号による停止がなく、速度算出区間を通過するのに要する時間が1分ということがありえる。このように、速度算出区間が短いと、信号待ちの影響による誤差が大きくなり、正確な速度算出が困難となる。
【0054】
逆に、十分に距離が長く、多くの交通信号(交差点)を通過する必要があるような速度算出区間である場合には、確率上、いずれかの交通信号による待ち時間が、ほぼ全ての車両に均等に生じるため。信号待ちの影響による誤差は小さい。
【0055】
そこで、本実施形態のように、通常の速度算出区間の距離が短い場合には、拡張された速度算出区間で速度を算出することで、速度をより精度良く算出することができる。
なお、通常の速度算出区間の距離が短い場合であっても、車両台数が多い(例えば、10台以上)の場合には、速度算出区間を通過するのに要する時間を複数の車両からのプローブ情報で平均化することにより、誤差を小さくできる。したがって、通常の速度算出区間が、設定された最小距離以下であり、かつ、単位時間あたりのプローブ車両の数(プローブ情報の数)が設定された最小数以下である場合に限って、拡張された速度算出区間での速度算出をおこなってもよい。
【0056】
なお、上記の例では、拡張された速度区間として、手前位置(道路リンクL2)から第2位置(道路リンクL5)までとしたが、この第2位置に代えて、第2位置よりも進行方向にみて先の位置(道路リンクL6)としてもよい。また、拡張された速度区間として、第1位置(道路リンクL3)と先の位置(道路リンクL6)との間としてもよい。
【0057】
[第一実施形態]
[2.5 交通情報推定装置1による処理内容]
[2.5.1 推定処理の概要]
図6は、交通情報推定装置1による交通情報推定方法を示している。まず、推定データベース(交通情報データベース)13及び重みデータベース15に初期値を設定しておく(ステップS1)。
【0058】
そして、交通情報推定装置1が、VICS情報やプローブ情報を取得すると、入力情報処理部16がVICS情報やプローブ情報から各道路リンクの速度情報を生成する(ステップS2)。ただし、ステップS2において速度情報が取得できる道路リンクは、対象エリア内の全道路リンクのうちの一部であり、ステップS2では速度情報が得られない道路リンクがある。
【0059】
続いて、ステップS2で得られた速度情報を、推定データベース13にセットし、推定データベースDB4を更新する(ステップS3)。そして、推定エンジン11は、ステップS3で更新された推定データベース13の内容に基づいて、速度情報が得られていない道路リンクについての速度情報を推定し、推定した速度情報を、推定データベース13にセットし、推定データベース13を更新する(ステップS4)。このステップS4により、対象エリア内の全道路リンクについての速度情報(実測値と推測値とが混在したもの)が得られる。
【0060】
ステップS4にて得られた全道路リンクについての速度情報は、装置外部に出力される(ステップS5)。具体的には、装置1のディスプレイに表示されるか、車載装置2への提供情報として出力される。
また、ステップS4で更新された推定データベース13の内容の一部は、学習用データベース14にスナップショットとして蓄積され、学習エンジン12による学習用データとして用いられる(ステップS6)。
【0061】
以上のステップS2〜ステップS6の処理は、速度情報が生成される度に繰り返し実行される。入力情報処理部16は、VICS情報の更新周期(例えば5分)に合わせて、VICS情報及びプローブ情報を取得して、速度情報を生成するため、ステップS2〜ステップS6の処理は、VICS情報の更新周期(例えば5分)に合わせて繰り返し実行されることになる。
【0062】
[2.5.2 速度情報推定のためのモデル]
図7は、推定エンジン11が、推定対象道路リンクの速度情報を推定するためのニューラルネットワークを示している。図示のニューラルネットワークは、0〜1の値をとるN個の入力信号xi(i:1〜N)それぞれに、重みwiを(wi:0〜1)乗じて、出力値yを生成する単純パーセプトロンとして構成されている。
ここで、入力信号xiは、推定対象道路リンク以外の他の道路リンク(推定対象道路リンクに接続された道路リンク)の速度情報であり、出力値yは推定対象道路リンクの速度情報である。
【0063】
また、重みwiは、推定対象道路リンク以外の複数の道路リンクそれぞれの速度情報を、どの程度の割合で反映させるかという値であり、推定対象道路リンクとの相関の高い道路リンク(例えば、推定対象道路リンクと同じ道路を構成し、推定対象道路リンクに隣接する道路リンク)ほど大きな値に設定されるべきであり、相関が低い道路リンクほど小さな値に設定されるべきものである。
【0064】
ただし、図7のものでは、一般的な単純パーセプトロンとは異なり、入力信号xiに乗じられることなくノードに加算される独立パラメータw0が設けられている。この独立パラメータw0は、推定対象道路リンク以外の道路リンクにおける速度情報以外の要因が、推定対象道路リンクの速度情報に与える要因(例えば、道路リンク間での制限速度の差)を表現することができ、速度情報を精度良く推定することができる。また、推定用パラメータ(重み)の学習の際に、推定用パラメータを最適値に収束させやすくなって、学習処理を容易又は高速に行える。
【0065】
以上のように、推定エンジン11が、ある推定対象道路リンクの速度情報を求めるには、当該推定対象道路リンクとの相関が多少なりとも認められる他の道路リンクの速度情報と、当該他の道路リンクの速度情報をどの程度ほど推定対象道路リンクの速度情報に反映させるかを示す重みと、が得られればよい。そのような他の道路リンクの速度情報は、推定データベース(交通情報データベース)13に蓄積され、重みは重みデータベース15に蓄積されており、推定エンジン11は、両データベース13,15から必要な情報を取得する。
【0066】
なお、速度情報を推定するためのニューラルネットワークとしては、図8のような単層のパーセプトロンに限られるものではなく、入力層、中間層、出力層を有する多層パーセプトロンであってもよい。多層パーセプトロンとして構成すると、推定対象道路リンクと他の道路との間で、速度情報が非線形関係を持つ場合であっても、推定対象道路リンクの速度情報を適切に求めることができる。
【0067】
[2.5.3 推定処理の詳細]
ここでは、図8のように接続された道路リンクを想定する。図8において、Vxは、道路リンクの速度情報(0〜1の値)を示している。また、Vxにおける添え字xは、道路リンクのリンク番号を示しており、1〜24の値をとる。つまり、図8では、リンク番号1〜24までの24個の道路リンクが存在する。また、各リンクの矢印方向は、車両の進行方向を示す。
【0068】
図8において、実線の矢印で示す道路リンク(リンク番号x=1〜10)は、VICS情報が取得可能なリンクであり、例えば、高速道路や主要幹線道路に対応する道路リンクである。また、点線の矢印で示す道路リンク(リンク番号x=11〜24)は、VICS情報が取得できないリンクであり、例えば、高速道路や主要幹線道路以外の一般道路である。点線の矢印で示す道路リンクは、速度情報の推定対象道路リンクとなる可能性がある。つまり、点線の矢印で示す道路リンクについては、プローブ情報が得られた場合には、推定対象道路リンクとはならず、プローブ情報が得られなかった場合には、推定対象道路リンクとなる。
なお、VICS情報が取得可能な道路リンクであっても、何らかの事情でVICS情報が取得できない場合には、推定対象道路リンクとして扱われる。
【0069】
以下、図8の道路リンクを前提とし、図6も再度参照しつつ、速度情報の推定手順について詳細に説明する。
まず、推定データベース(交通情報データベース)13及び重みデータベース15には、装置管理者によって、初期値が入力される(ステップS1)。
【0070】
図9に示すように、推定データベース13は、「チェック」31、「速度情報」32、「関連道路リンク情報」33、「リンク長」34、「学習?」のデータ項目を有しており、各道路リンク(リンク番号)についてそれぞれのデータ項目の値を保存可能なものである。
【0071】
前記データ項目のうち、「チェック」31は、各道路リンクの速度情報の更新の有無及び更新された順番を示す項目である。「速度情報」32は、各道路リンクの速度情報がセットされる項目である。
「関連道路リンク情報」33は、各道路リンクに相関のある道路リンク(関連道路リンク)を示しており、ここでは、それぞれの道路リンクに接続されている道路リンク(リンク番号)を示している。
【0072】
「関連道路リンク情報」33は、「逆」、「A順」、「A逆」、「B順」、「B逆」の5種類に分けられている。
「逆」は、任意の道路リンクと逆方向の道路リンクのリンク番号を示し、例えばリンク番号1の道路リンクについては、リンク番号8の道路リンクが「逆」の道路リンクとなる。
「A順」は、ある道路リンクの後方で順方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号12,7,15の道路リンクが「A順」の道路リンクとなる。
「A逆」は、ある道路リンクの後方で逆方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号11,15,13の道路リンクが「A逆」の道路リンクとなる。
【0073】
「B順」は、ある道路リンクの前方で順方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号4,9の道路リンクが「B順」の道路リンクとなる。
「B逆」は、ある道路リンクの前方で逆方向に接続している道路リンクであり、例えば、リンク番号1の道路リンクについては、リンク番号3,6の道路リンクが「B逆」の道路リンクとなる。
【0074】
また、前記データ項目のうち「リンク長」34は、各道路リンクのリンク長を示すものである。「学習?」35は、各道路リンクの速度情報等が学習部20(学習エンジン12)による学習のためのデータ(学習データ)となるものであるか否かを示しており、ここでは0又は1の値をとる。「0」はその道路リンクの速度情報等が学習データとはならないことを示しており、「1」はその道路リンクの速度情報等が学習データとなることを示している。
【0075】
ステップS1の初期値入力は、装置1の運用開始時やリセット時に行われ、推定データベース11については、上記データ項目のうち、「速度情報」32、「関連道路リンク情報」33、「リンク長」34について初期値が設定される。「速度情報」32の初期値としては、例えば、全道路リンクについて0を設定すればよい。「関連道路リンク情報」33及び「リンク長」34の初期値については、対象エリアの道路構成に従って設定される。「関連道路リンク情報」33及び「リンク長」34の初期値は、VICS情報及びプローブ情報からなる交通情報(速度情報)を取得しても更新されることはない。
【0076】
一方、「速度情報」34の値は、VICS情報及びプローブ情報からなる交通情報(速度情報)を取得する度に、全道路リンクについて更新される(ステップS3,S4)。
また、「チェック」31については、交通情報(速度情報)を取得する度に(ステップS2)、0に初期化される。「学習?」35についても、交通情報(速度情報)を取得する度に(ステップS2)度に、各道路リンクの速度情報等を学習データとすべきか否かに応じて0又は1に設定される。
【0077】
図10に示すように、重みデータベース15には、各道路リンクにおける速度情報の推定値を他の道路リンクの速度情報から求める際に用いる重みwiが、初期値として設定される。重みwiは、各道路リンクについて、「関連道路リンクの数+1」ほど設定される。図10において、w0は独立パラメータであり、w1以降は関連道路リンクの速度情報それぞれに乗じられる重みである。
【0078】
推定用パラメータである重みwiは、学習エンジン12による学習によって、より適切な値へと自動的に更新されるため、初期値としては、適当な値を設定してもよい。したがって、初期設定が容易である。
【0079】
さて、上記の初期化を行ったのち、図8に示す道路リンクに関し、ある時点において、図11のようなVICS情報及びプローブ情報(交通情報)が得られたものとする。図11では、リンク番号1〜10の道路リンクについてのVICS情報(リンク旅行時間)が得られ、リンク番号20の道路リンクについてのプローブ情報が得られている。他の道路リンクについてはVICS情報もプローブ情報も得られていない。なお、図11では、表記の容易化のため、リンク番号20の道路リンクについてのプローブ情報を、VICS情報と同様に「リンク旅行時間」で示した。
【0080】
また、図11の情報では、プローブ情報が存在する道路リンク(リンク番号20)については、学習対象となることを示す値「1」が設定されており、VICS情報が存在する道路リンク(リンク番号1〜10)については、学習対象ではないことを示す値「0」が設定されている。
【0081】
図11のような入力情報が取得された場合、この情報における「旅行時間」は、入力情報処理部16によって「速度情報」に変換され(ステップS2)、その速度情報によって、推定データベース13の対応する道路リンクの「速度情報」32が更新される(第1回目の更新;ステップS3)。更新された道路リンクについては、「チェック」31に、第1回目の更新で速度情報が更新されたことを示す「1」が設定される。また、図11の入力情報の「学習対象」が「1」である道路リンク(ここでは、リンク番号20の道路リンク)については、「学習?」35が「1」に設定される。
【0082】
以上のようにして第1回目の更新(入力情報のセット)が行われた後の推定データベース13の内容を、図12に示す。
【0083】
続いて、速度情報が未更新の道路リンク(リンク番号11〜19,21〜24)についての速度情報の推定を行って、当該推定値により推定データベース13の更新を行う(ステップS4)。
具体的には、まず、「チェック」31項目に、前回の更新を示す「1」が設定されている道路リンク(リンク番号1〜10,20)の関連道路リンク(隣接道路リンク)のうち、今回の入力情報(図11)に基づく速度情報の更新が未だなされていない道路リンク(チェック=0)を抽出する。ここでは、リンク番号12,15,11,13,19,18,17,21,24,14,16の11個の道路リンクが抽出される(図13参照)。これら11個の道路リンクが、ここでの推定対象道路リンクとなる。
【0084】
そして、推定エンジン11は、11個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース13から読み出すとともに、11個の推定対象道路リンクそれぞれについて設定された重み(推定用パラメータ)を、重みデータベース15から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース13の「速度情報」にセットされ、速度情報についての第2回目の更新が行われる。なお、更新された道路リンクについては、「チェック」31に、第2回目の更新で速度情報が更新されたことを示す「2」が設定される。
【0085】
上記推定対象道路リンクのうち、例えば、リンク番号12,15,11,13の道路リンクの速度情報の推定値(V12,V15,V11,V13)を求めるための演算式は、下記のとおりである。
V12=w0+w1V11+w2V1+w3V5+w4V13+w5V8+w6V7+w7V15
V15=w0+w1V13+w2V20+w3V16+w4V17+w5V14+w6V1+w7V11
+w8V5+w9V8+w10V12+w11V5
V11=w0+w1V12+w2V8+w3V15+w4V7+w5V1+w6V11+w7V5
V13=w0+w1V15+w2V8+w3V12+w4V7+w5V1+w6V11+w7V5
+w8V14+w9V17+w10V16+w11V20
【0086】
なお、前記演算式で求められる推定値(左辺側の値)は、図11のようなVICS情報及びプローブ情報が得られた時刻t(時刻tを含むタイムスロット)における速度情報である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み(右辺側の値)は、前記時刻t(時刻tを含むタイムスロット)よりも前の時刻t−1(前のタイムスロット)における値である。つまり、速度情報の推定値を求めるための前記演算式を、時刻も含めて表記すると、代表としてリンク番号12の道路リンクの速度情報V12の推定値は、下記の演算式となる。
V12(t)=w0(t-1,12)+w1(t-1,12)V11(t-1)+w2(t-1,12)V1(t-1)
+w3(t-1,12)V5(t-1)+w4(t-1,12)V13(t-1)+w5(t-1,12)V8(t-1) +w6(t−1,12)V7(t-1)+w7(t-1,12)V15(t-1)
なお、この演算式中の重みに付されている添え字(t-1,12)の「12」は、リンク番号を意味している。また、前記タイムスロットは、VICS情報の前記更新単位時間とすることができる。
【0087】
そして、「チェック」31項目に、前回の更新を示す「2」が設定されている道路リンク(リンク番号11〜19,21,24)の関連道路リンク(隣接道路リンク)のうち、今回の入力情報(図11)に基づく速度情報の更新が未だなされていない道路リンク(チェック=0)を抽出する。ここでは、リンク番号22,23の2個の道路リンクが抽出される(図14参照)。これら2個の道路リンクが、次の推定対象道路リンクとなる。
【0088】
そして、推定エンジン11は、2個の推定対象道路リンクそれぞれについての関連道路リンクを、推定データベース13から読み出すとともに、2個の推定対象道路リンクそれぞれについて設定された重み(推定用パラメータ)を、重みデータベース15から読み出し、これらを用いて、各推定対象道路リンクの速度情報の推定値を算出する。算出された、速度情報の推定値は、推定データベース13の「速度情報」にセットされ、速度情報についての第3回目の更新が行われる。なお、更新された道路リンクについては、「チェック」31に、第3回目の更新で速度情報が更新されたことを示す「3」が設定される。
【0089】
上記のような処理は、全ての道路リンクについての速度情報が推定されるまで繰り返される(ステップS4)。ここでは、3回の更新により全ての速度情報が補完されたため、推定処理を終了する。
【0090】
すると、推定データベースの内容の出力が行われる(ステップS5)。
さらに、今回の入力情報(図11)に基づく、推定処理が終了した推定データベース13の各道路リンクのデータのうち、「学習?」35に「1」が設定されたリンク番号20の道路リンクのスナップショット(図15参照)を、学習用データベース14に追加する。ここで、スナップショットとは、「学習?」35に「1」が設定されたリンク番号の道路リンクの「速度情報」と、当該道路リンクの関連道路リンクの「速度情報」とを記憶したものである。ここで、「学習?」35に「1」が設定されたリンク番号の道路リンクの速度情報は、プローブ情報から得られた値であるから実測値である。また、当該道路リンクの関連道路リンクの「速度情報」には、VICS情報から得た実測値と推測値とが混在している。
【0091】
スナップショットは、入力情報が取得されて、推定データベースの全道路リンクの更新(ステップS3,S4)が行われる度に発生する。このスナップショットは、プローブ情報を取得できた道路リンクについて発生する。
したがって、上記の例では、リンク番号20の道路リンクのみスナップショットが発生したが、推定データベースの全道路リンクの更新(ステップS3,S4)が何度も行われると、他の道路リンクについてもスナップショットが蓄積される。また、入力情報が区営返し発生するほどの十分な時間が経過すると、一つの道路リンクについて複数のスナップショットが蓄積される。
【0092】
図16は、複数の道路リンクについて、それぞれ複数のスナップショットが蓄積された学習用データベース14の内容を示している。
このようにして多数のスナップショットが蓄積された学習用データベース14に基づいて、学習エンジン12が、重みデータベース15に記憶されている重み(推定用パラメータ)の学習(最適化)を行って、重みデータベース15の内容を更新する。
【0093】
図17は、学習エンジン12による学習処理の手順を示している。まず、学習エンジン12は、誤差判定のための許容誤差、ニューラルネットワーク(図7)を構成する中間層の数、学習計数などの学習用のパラメータ設定を行う(ステップS11)。
学習エンジン12は、図7に示すようなニューラルネットワークを最適化(学習)するニューロエンジンとして構成されている。つまり、学習エンジン12は、学習用データベース14に蓄積されているスナップショットのうち、実測値である速度情報を教師信号とし、教師信号となる速度情報を持つ道路リンクの関連道路リンクについての速度情報から、この教師信号を出力するための適切なニューラルネットワークを再構築する。すなわち、学習エンジン12は、実測値である速度情報と、当該速度情報を持つ道路リンクの関連道路リンクについての速度情報とからなる学習データから、重みの最適値を算出する。重みの最適値の算出は、ニューラルネットワークを使う方法以外に、残差平方和を最小にする演算、つまり、最小自乗法等によって行うことができる。
【0094】
重みの最適値の算出は、関連道路リンクについての速度情報から算出される速度情報が、教師信号に近づいて、教師信号との誤差が、設定された許容誤差未満になるまで行われる(ステップS13)。
【0095】
重みが収束して学習処理が終了すると、得られた重みは、重みデータベース15に反映され、重みデータベース15が更新される。
【0096】
重みデータベース15が更新された後に、VICS情報及びプローブ情報からなる入力情報が発生すると、推定エンジン11による速度情報の推定は、新たな重みを用いて、より精度良く行われる。このように、本実施形態の交通情報推定装置1では、運用を続けることで、交通情報(速度情報)の推定精度が自然に向上する。
【0097】
以上のように、前記実施形態の交通情報推定装置1によって実行される速度情報の推定方法は、交通情報推定装置1が、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報を取得すると(図6のステップS2及びS3)、推定エンジン11は、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定し(ステップS4)、その後、この推定した速度情報及び実測値に基づく速度情報を用いて、学習エンジン12が推定用パラメータを最適化している(図6のステップS6、図17)。図19は、この推定エンジン11及び学習エンジン12による処理をまとめて説明した説明図である。
【0098】
つまり、図19(a)の時刻tにおいて、推定対象道路リンクになり得る所定の道路リンク(リンク番号20)に関して、図11で説明したように、実測値に基づく速度情報V20が取得されると、推定エンジン11は、図12から図14で説明したように、時刻tにおける、推定対象道路リンク(リンク番号11〜19及びリンク番号21〜24)の交通情報(V11〜V19、V21〜V24)を、前記実測値に基づく速度情報V20を含む道路リンク(リンク番号1〜24)の速度情報(V1〜V24)及び推定用パラメータ(重みwi)を用いて、次々と推定する。
なお、この推定処理で用いられる前記道路リンクの速度情報(V1〜V24)のうち、リンク番号1〜19,リンク番号21〜24の道路リンクの速度情報は、図19(a)の時刻t−1における情報である。つまり、時刻tで実測値に基づく速度情報が取得されているが、推定処理は、この時刻tの速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0099】
そして、この推定の後に、学習エンジン12は、前記所定の道路リンク(リンク番号20)における前記実測値に基づく速度情報V20と、当該道路リンク(リンク番号20)の速度情報を推定するために用いられる関連道路リンクの速度情報であって前記実測値V20を用いて推定した前記速度情報(V17,V21,V24,V14,V15,V16,V13)との組み合わせ(図16参照)を、学習用データとして蓄積し、この学習用データを用いて、図17で説明したように、推定用パラメータ(V0〜V7)を最適化する処理を実行する。図19(b)に示しているように、この最適化の処理(学習処理)は、同一の時刻tにおける速度情報に基づいて行われている。
【0100】
この第一実施形態によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、推定対象道路リンクの速度情報を推定してから、その推定した速度情報を用いて、推定用パラメータ(重み)を最適化することになり、その後、これ以降の時刻t+1における速度情報については、新たな推定用パラメータ(重み)を用いて、推定エンジン11により、精度良く推定処理が行われる。
【0101】
[第二実施形態]
また、図2で示した構成を備えた交通情報推定装置1によれば、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、前記実施形態とは反対に、学習エンジン12が、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定エンジン11が、実測値に基づく速度情報が取得できなかった推定対象道路リンクの速度情報を推定することができる。この場合を第二実施形態として説明する。
【0102】
[2.6 交通情報推定装置1による処理内容]
図20は、第二実施形態を説明するために、簡略化した道路リンクのモデルを示している。この道路リンク構造は、6つの道路リンク「V1」「V2」「V3」「V4」「V5」「V6」により構成されていて、Vxの添え字xはリンク番号を示している。また、6つの道路リンクの速度情報もそれぞれ「V1」「V2」「V3」「V4」「V5」「V6」で表すものとする。
【0103】
本実施形態の交通情報推定装置1が有する推定エンジン11によって、推定対象道路リンクの速度情報を推定するために用いられるニューラルネットワークは、図7に示したものと同様であり、また、本実施形態の学習エンジン12は、このニューラルネットワークを、学習用データを用いて最適化(学習)する処理を行う。
図20のリンク番号1〜6の推定対象道路リンクそれぞれの速度情報の推定値「V1」「V2」「V3」「V4」「V5」「V6」を求めるための演算式は、下記のとおりである。
【0104】
V1(t)=w0(t-1,1)+w1(t-1,1)V1(t-1)+w2(t-1,1)V2(t-1)
V2(t)=w0(t-1,2)+w1(t-1,2)V1(t-1)+w2(t-1,2)V2(t-1)
+w3(t-1,2)V3(t-1)
V3(t)=w0(t-1,3)+w1(t-1,3)V2(t-1)+w2(t-1,3)V3(t-1)
+w3(t-1,3)V4(t-1)
V4(t)=w0(t-1,4)+w1(t-1,4)V3(t-1)+w2(t-1,4)V4(t-1)
+w3(t-1,4)V5(t-1)
V5(t)=w0(t-1,5)+w1(t-1,5)V4(t-1)+w2(t-1,5)V5(t-1)
+w3(t-1,5)V6(t-1)
V6(t)=w0(t-1,6)+w1(t-1,6)V5(t-1)+w2(t-1,6)V6(t-1)
【0105】
なお、前記演算式で求められる推定値(左辺側の値)は、実測値に基づく速度情報が得られた時刻t(時刻tを含むタイムスロット)における値である。これに対して前記演算式で推定値を求めるために用いる速度情報及び重み(右辺側の値)は、前記時刻t(時刻tを含むタイムスロット)よりも前の時刻t−1(前のタイムスロット)における値である。
なお、演算式中の重みに付されている添え字(t-1,x)の「x」は、リンク番号を意味している。
【0106】
例えば、推定対象道路リンクが、リンク番号2の道路リンクである場合、前記演算式によれば、時刻tにおける当該道路リンクの速度情報V2を推定するために用いられる道路リンク(つまり、関連道路リンク)の速度情報は、時刻t−1におけるリンク番号1の道路リンクの速度情報V1及び時刻t−1におけるリンク番号3の道路リンクの速度情報V3以外に、時刻t−1におけるリンク番号2の道路リンクの速度情報V2が含まれている。
つまり、推定対象道路リンクが、リンク番号2の道路リンクであり、かつ、関連道路リンクにも、このリンク番号2の道路リンクが含まれている。このために、関連道路リンクに含まれている道路リンクの速度情報V2は、既に取得されている時刻t−1における速度情報であり、推定データベースに蓄積されているものである。
【0107】
このように、推定エンジン11は、既に取得されている時刻t−1における推定対象道路リンク(リンク番号2の道路リンク)の速度情報(V2(t-1))も用いて、時刻tにおける推定対象道路リンク(リンク番号2の道路リンク)の速度情報を推定することとなる。
同じ道路リンク(例えば、リンク番号2の道路リンク)では、時間が多少異なっていても速度情報に相関が認められると考えられるため、推定エンジン11が、既に取得されている時刻t−1における推定対象道路リンク(リンク番号2の道路リンク)の速度情報(V2(t-1))も用いて、時刻tにおける推定対象道路リンク(リンク番号2の道路リンク)の速度情報を推定すれば、速度情報の推定をより適切に行えるようになる。
【0108】
このように、関連道路リンクには、推定対象道路リンクとなる自己の道路リンクが含まれていてもよい。なお、前記実施形態(図8及び図9の場合)でも、関連道路リンクには、自己の道路リンクが含まれていてもよい。
【0109】
そして、この第二実施形態では、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、前記第一実施形態とは反対に、先に学習エンジン12が、推定用パラメータを最適化するが、この場合、学習エンジン12は、当該所定の道路リンクの当該実測値に基づく速度情報と、当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報と、当該所定の道路リンクの速度情報を推定するために用いられる他の道路リンクの速度情報(前記実測値の取得時よりも前の時刻における速度情報)と、を組み合わせた学習用データを用いて、推定用パラメータを最適化する。なお、この具体例については後に図21で説明する。
【0110】
同じ道路リンクでは、時間が多少異なっていても速度情報に相関が認められると考えられるため、学習用データの組み合わせに、前記のとおり「所定の道路リンクの実測値に基づく速度情報」の他に「当該実測値の取得時よりも前の時刻における当該所定の道路リンクの速度情報」も含ませ、この学習用データを用いて、推定用パラメータを学習すれば、より適切な推定用パラメータが求められる。
【0111】
図21は、この第二実施形態における推定エンジン11及び学習エンジン12による処理を説明している説明図である。この第二実施形態の交通情報推定装置1によって実行される速度情報の推定方法も、前記第一実施形態と同様に、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することによって、実行されるが、本実施形態では、図21(a)の時刻tにおいて、推定対象道路リンクになり得る所定の道路リンク(リンク番号4)に関して実測値(プローブ情報)に基づく速度情報V4が取得されると、学習処理が先に実行されてから、推定処理が実行される。
【0112】
つまり、図21(a)の時刻tにおいて、所定の道路リンク(リンク番号4)に関して実測値に基づく速度情報V4が取得されると、学習エンジン12は、この実測値に基づく速度情報V4と、当該所定の道路リンク(リンク番号4)の速度情報を推定するために用いられる、時刻t−1における関連道路リンク(リンク番号3,5)の速度情報(V3,V5)との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
さらに、本実施形態では、前記組み合わせに、時刻t−1における自己の道路リンク(リンク番号4)の速度情報V4も、含まれている。この時刻t−1における速度情報V4は、既に推定データベース13(図2参照)に蓄積されている速度情報である。
この第二実施形態では、図21(a)に示しているように、時刻tで実測値に基づく速度情報が取得されており、学習処理は、この時刻tの実測値に基づく速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0113】
その後、図21(b)に示しているように、前記実測値に基づく速度情報V4を含む道路リンクの速度情報(V1〜V6)、及び、最適化した推定用パラメータを用いて、時刻tにおける推定対象道路リンクの速度情報(V1〜V3,V5,V6)を推定する。この「最適化した推定用パラメータ」は、図21(a)において、前記実測値に基づく速度情報V4が組み合わされた前記学習用データを用いて最適化したものである。
また、前記道路リンクの速度情報(V1〜V6)のうち、リンク番号1〜3,リンク番号5,6の道路リンクの速度情報は、時刻t−1における情報である。そして、本実施形態では、前記演算式で説明したように、推定対象道路リンクの速度情報を、時刻t−1における自己の道路リンクの速度情報V4も含めて、推定している。
この推定処理は、時刻tの実測値に基づく速度情報と、それよりも前の時刻t−1の速度情報とに基づいて実行されている。
【0114】
以下、具体例を説明する。
図22は第二実施形態を説明するフローチャートである。
図20に示す道路リンクに関し、ある時点(時刻t)において、リンク番号1とリンク番号5の道路リンクにプローブ情報が得られたとする(ステップS21)。これら情報は、前記入力情報処理部16(図2参照)によって「速度情報」に変換され(ステップS22)、この速度情報によって、図23に示しているように、推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される(ステップS23)。この推定データベースには「更新速度」のデータ項目が設定されており、前記プローブ情報に基づく速度情報(V1,V5)をこのデータ項目に記憶させる。また、「速度情報」のデータ項目には、各値(例えば初期値等)が蓄積されている。
また、図23では、説明を容易とするために、推定データベースと重みデータベースとを並べて記載している。重みデータベースには、各値(例えば初期値等)が蓄積されている。
【0115】
推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク(リンク番号1及びリンク番号5)については、学習対象となることを示す値「1」が設定されている。そして、前記実測値に基づく速度情報(V1,V5)が取得されると、この推定データベースの内容の一部として、リンク番号1の道路リンクに関するスナップショット、及び、リンク番号5の道路リンクに関するスナップショットが、学習用データベース14に蓄積される(ステップS24)。このスナップショットが学習用データとなり、学習エンジン12によって、重み(推定用パラメータ)が学習される(ステップS25)。
【0116】
学習エンジン12による学習処理は、前記第一実施形態で説明したアルゴリズムと同じであり、前記学習用データを用いてリンク番号1及びリンク番号5の道路リンクのための重みを最適化し、その学習結果が得られると、図24に示しているように、重みデータベースが更新される(ステップS26)。
【0117】
そして、推定エンジン11は、ステップS26で更新された重みデータベースの内容を用いて、実測値に基づく速度情報が得られなかった道路リンク(推定対象道路リンク)の交通情報(V2,V3,V4,V6)を推定する(ステップS27)。
この推定の処理によって得られた速度情報(V2,V3,V4,V6)、及び、実測値に基づく速度情報(V1,V5)により、図25に示しているように、推定データベースが更新される(ステップS28)。
【0118】
このように、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。そして、これ以降、推定エンジン11による速度情報の推定は、学習エンジン12によって求められた新たな重みを用いて、より精度良く行われる。したがって、本実施形態の交通情報推定装置1では、運用を続けることで速度情報の推定精度が自然に向上する。
【0119】
[第三実施形態]
[2.7 交通情報推定装置1による処理内容]
交通情報推定装置1による重みの学習及び速度情報の推定について、さらに別の実施形態(第三実施形態)を説明する。
第三実施形態でも、前記第二実施形態と同様に、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、推定処理よりも学習処理が先に行われる。
【0120】
つまり、学習エンジン12は、前記所定の道路リンクの実測値に基づく速度情報と、当該所定の道路リンクの速度情報を推定するために用いられる関連道路リンクの速度情報との組み合わせを、学習用データとして用いて推定用パラメータを最適化する。
そして、この処理の後に、推定エンジン11は、前記実測値に基づく速度情報を含む道路リンクの速度情報、及び、前記実測値に基づく速度情報が組み合わされた学習用データを用いて学習エンジン12が最適化した推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。
【0121】
この第三実施形態では、学習処理を行ってから、推定処理を行うが、この学習処理には、前記第二実施形態でも用いたニューラルネットワーク等に基づいて実行される「仮推定」の処理が含まれる。以下において、この仮推定を含む学習処理、及び推定処理について具体的に説明する。
【0122】
図26は第二実施形態を説明するフローチャートである。
図20に示す道路リンクに関し、ある時点(時刻t)において、リンク番号2の道路リンクに入力情報としてプローブ情報が得られたとする(ステップS31)。さらに、リンク番号5の道路リンクに、入力情報としてVICS情報が得られたとする。
これら情報は、前記入力情報処理部16(図2参照)によって「速度情報」に変換され(ステップS32)、この速度情報によって、図27に示している推定データベースの対応する道路リンクの「更新速度」のデータ項目が更新される(ステップS33)。なお、「速度情報」のデータ項目には、各値(例えば初期値等)が蓄積されている。
また、図27では、説明を容易とするために、推定データベース(本推定データベース)と重みデータベースとを並べて記載している。重みデータベースには、各値(例えば初期値等)が蓄積されている。
【0123】
推定データベースには、前記本推定データベースとは別の領域に、仮推定データベース(図28参照)が設定されている。両者は同様の形式であり、図28(a)に示しているように、本推定データベースの一部のコピーが仮推定データベースに蓄積される(ステップS34)。
仮推定データベースの「学習」のデータ項目において、プローブ情報が存在する道路リンク(リンク番号2)については、学習対象となることを示す値「1」が設定されている。また、仮推定データベースでは、推定処理(仮推定)の順番を示す「チェック」のデータ項目が一旦リセットされ(「0」とされ)、VICS情報が得られているリンク番号5の道路リンクについて、「1」が設定される。
【0124】
そして、「チェック」のデータ項目に「1」が設定されている道路リンク(本実施形態では、リンク番号5)についての関連道路リンクであって、まだ速度情報が仮推定されていない道路リンクを抽出し(本実施形態では、リンク番号4と6)、「チェック」のデータ項目に「2」が付される。そして、この「チェック」のデータ項目に「2」が付され道路リンク(リンク番号4と6)の速度情報を仮推定する(ステップS35)。
【0125】
このようにして、仮推定処理の順番が設定されながら、速度情報を次々と仮推定し、図28(b)に示すように、リンク番号5の道路リンクについては、実測値に基づく速度情報が蓄積され、他の道路リンクについては、仮推定して得られた速度情報が、仮推定データベースに蓄積される(ステップS36)。
【0126】
入力情報としてプローブ情報が取得された道路リンク(リンク番号2)について、仮推定に基づく速度情報(V2)が取得されているので、ステップS36で蓄積された仮推定データベースの内容の一部として、当該道路リンク(リンク番号2)に関するスナップショットが、学習用データベース14に蓄積される(ステップS37)。このスナップショットが学習用データとなり、学習エンジン12によって、重み(推定用パラメータ)が学習される(ステップS38)。
【0127】
つまり、本実施形態のスナップショットは、プローブ情報が取得された道路リンク(リンク番号2)の実測値に基づく速度情報(V2)と、仮推定による当該道路リンク(リンク番号2)の速度情報(V2)との組み合わせからなる。なお、前記仮推定による道路リンク(リンク番号2)の速度情報(V2)は、ステップS35において、当該道路リンク(リンク番号2)の速度情報を推定するために用いられる関連道路リンク(リンク番号1,3)の速度情報(V1,V3)に基づいて、仮推定された値である。
そして、学習エンジン12は、この組み合わせによる学習用データを用いて、推定用パラメータを最適化する。
【0128】
学習エンジン12による学習処理は、プローブ情報が取得された道路リンク(リンク番号2)の実測値に基づく速度情報(V2)と、仮推定による当該道路リンク(リンク番号2)の速度情報(V2)との自乗誤差が、最小となるようにして実行される。この学習処理により、リンク番号2の道路リンクのための重みを最適化し、その結果が得られると、図29に示しているように重みデータベースが更新される(ステップS39)。
なお、図29の推定データベース(本推定データベース)の「速度情報」のデータ項目には、前記仮推定した値(図28(b))ではなく、図27に示した推定データベース(本推定データベース)に蓄積されている値が記憶されている。
【0129】
そして、推定エンジン11は、ステップS39で更新された、図29の、重みデータベースの内容及び推定データベースの「速度情報」の値を用いて、実測値に基づく速度情報が得られなかった道路リンク(推定対象道路リンク)の速度情報(V1,V3,V4,V6)を推定する(ステップS40)。この推定処理によって得られた速度情報(V1,V3,V4,V6)、及び、実測値に基づく速度情報(V2,V5)により、図30に示しているように、推定データベースが更新される(ステップS41)。
【0130】
このように、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく速度情報が取得されると、当該実測値に基づく速度情報を用いて推定用パラメータを最適化してから、その推定用パラメータを用いて、推定対象道路リンクの速度情報を推定する。つまり、推定エンジン11による速度情報の推定は、学習エンジン12によって求められた新たな重みを用いて、より精度良く行われる。
【0131】
以上の前記各実施形態に係る交通情報推定装置1は、学習エンジン12及び推定エンジン11を有しており、他の道路リンクの速度情報に基づいて、推定対象道路リンクの速度情報を推定することができる。前記推定エンジン11は、他の道路リンクの速度情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する構成である。そして、前記学習エンジン12は、推定対象道路リンクになり得る道路リンクにおける実測値に基づく速度情報と、当該推定対象道路リンクの速度情報を推定するために用いられる関連道路リンクの速度情報に基づく値との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する構成である。
このような交通情報推定装置1によれば、学習エンジン12によって推定用パラメータが最適化され、推定エンジン11によって、速度情報の推定を適切に行えるようになる。そして、このような学習エンジン12及び推定エンジン11による処理が繰り返し実行されることで、速度情報の推定精度が自然に向上する。
【0132】
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。
【0133】
例えば、推定対象道路リンクの速度情報を推定するために用いられる道路リンク(関連道路リンク)は、推定対象道路リンクに接続されているものに限らず、推定対象道路リンクとは離れているが、速度情報の時間的変化の仕方が似ている道路リンク(例えば、推定対象道路リンクと並行する道路リンク)であってもよい。
【0134】
また、時刻の要素を速度情報の推定に反映させたい場合には、時間的に特徴的な変化をする道路リンク(例えば、朝だけ混雑する道路リンク、夜だけ混在する道路リンクなど)を関連道路リンクに含めることもできる。この場合、時間的に特徴的な変化をする道路リンクの速度情報は、全ての推定対象道路リンクに共通して用いられる。
【0135】
さらに、本実施形態では、推定対象道路リンクの速度情報を推定するために用いられる他の道路リンクの速度情報として、時間的に同一の時間帯にある速度情報だけを用いたが、異なる時間帯の速度情報を用いても良い。例えば、推定対象道路リンクから遠く離れた道路リンクの場合、その道路リンクにおける交通状況が、推定対象道路リンクに反映されまでには時間遅れがある。そこで、遠く離れた道路リンクの場合、例えば、1時間前の速度情報を推定に用いることで、より適切な推定が行える。
【0136】
さらにまた、本実施形態の交通情報推定装置1の推定エンジン11が推定の対象とする交通情報は、速度情報に限らず、これに加えて/代えて、渋滞情報など他の交通情報とすることもできる。この場合、渋滞度は、上記速度情報の1を混雑、0を順調の2値に割り当てることで算出できる。また、渋滞度を推定対象の交通情報として扱う場合、ニューラルネットワークでは、2値のいずれかを決定するための閾値も推定用パラメータとして必要となる。この場合、閾値も学習部による学習対象となる。
【0137】
さらに、本明細書には、複数の発明が開示されており、それら各発明は、特許請求の範囲の記載方法に拘泥されず、各発明の技術的意義に従って、最も広義に解釈されるべきものである。
【符号の説明】
【0138】
1:交通情報推定装置,2:車載装置,3:プローブ車両,4:路側通信機,5:路側センサ,6:VICSセンタコンピュータ,11:推定エンジン(推定部),12:学習エンジン,13:推定データベース,14:学習用データベース,15:重みデータベース,16:入力情報処理部,17:VICS情報処理部,17a:リンク旅行速度算出部,17b:速度情報変換部,18:プローブ情報処理部,18a:リンク旅行速度算出部,18b:速度情報変換部,19:変換情報,20:学習部
【特許請求の範囲】
【請求項1】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、
他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、
推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部と、
を備えたことを特徴とする交通情報推定装置。
【請求項2】
前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定する請求項1に記載の交通情報推定装置。
【請求項3】
前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれている請求項1又は2に記載の交通情報推定装置。
【請求項4】
前記推定部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する請求項1から3のいずれか一項に記載の交通情報推定装置。
【請求項5】
前記学習部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する請求項1から3のいずれか一項に記載の交通情報推定装置。
【請求項6】
前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の道路リンクの交通情報と、の組み合わせを、学習用データとして用いて前記推定用パラメータを最適化する請求項5に記載の交通情報推定装置。
【請求項7】
コンピュータを、請求項1から6のいずれか一項に記載の交通情報推定装置として機能させるためのコンピュータプログラム。
【請求項8】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、
当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする交通情報推定方法。
【請求項9】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、
当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする交通情報推定方法。
【請求項1】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定装置であって、
他の道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する推定部と、
推定対象道路リンクになり得る道路リンクにおける実測値に基づく交通情報と、当該推定対象道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを学習用データとして記憶し、記憶された学習用データを用いて前記推定用パラメータを最適化する学習部と、
を備えたことを特徴とする交通情報推定装置。
【請求項2】
前記推定部は、既に取得されている前記推定対象道路リンクの交通情報も用いて、当該推定対象道路リンクの交通情報を推定する請求項1に記載の交通情報推定装置。
【請求項3】
前記学習部が用いる前記学習用データの組み合わせには、前記推定対象道路リンクになり得る前記道路リンクに関して既に取得されている交通情報も含まれている請求項1又は2に記載の交通情報推定装置。
【請求項4】
前記推定部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記学習部は、前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記推定部が前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化する請求項1から3のいずれか一項に記載の交通情報推定装置。
【請求項5】
前記学習部は、推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記推定部は、前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて前記学習部が最適化した推定用パラメータを用いて、推定対象道路リンクの交通情報を推定する請求項1から3のいずれか一項に記載の交通情報推定装置。
【請求項6】
前記学習部は、前記実測値に基づく交通情報と、前記所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報に基づいて仮推定した当該所定の道路リンクの交通情報と、の組み合わせを、学習用データとして用いて前記推定用パラメータを最適化する請求項5に記載の交通情報推定装置。
【請求項7】
コンピュータを、請求項1から6のいずれか一項に記載の交通情報推定装置として機能させるためのコンピュータプログラム。
【請求項8】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、
当該実測値に基づく交通情報を含む道路リンクの交通情報及び推定用パラメータを用いて、推定対象道路リンクの交通情報を推定し、
前記所定の道路リンクにおける前記実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報であって前記実測値を用いて推定した交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化することを特徴とする交通情報推定方法。
【請求項9】
他の道路リンクの交通情報に基づいて、推定対象道路リンクの交通情報を推定する交通情報推定方法であって、
推定対象道路リンクになり得る所定の道路リンクに関して実測値に基づく交通情報が取得されると、
当該実測値に基づく交通情報と、当該所定の道路リンクの交通情報を推定するために用いられる道路リンクの交通情報との組み合わせを、前記学習用データとして用いて前記推定用パラメータを最適化し、
前記実測値に基づく交通情報を含む道路リンクの交通情報、及び、前記実測値に基づく交通情報が組み合わされた前記学習用データを用いて最適化した前記推定用パラメータを用いて、推定対象道路リンクの交通情報を推定することを特徴とする交通情報推定方法。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【公開番号】特開2010−287214(P2010−287214A)
【公開日】平成22年12月24日(2010.12.24)
【国際特許分類】
【出願番号】特願2010−46896(P2010−46896)
【出願日】平成22年3月3日(2010.3.3)
【出願人】(000002130)住友電気工業株式会社 (12,747)
【Fターム(参考)】
【公開日】平成22年12月24日(2010.12.24)
【国際特許分類】
【出願日】平成22年3月3日(2010.3.3)
【出願人】(000002130)住友電気工業株式会社 (12,747)
【Fターム(参考)】
[ Back to top ]