JP2004288178A - 旅行時間予測方法及びプログラム - Google Patents

Abstract

【課題】旅行時間統計値を用いて、予測対象日の、ある道路区間、ある時間帯の旅行時間を精度よく予測する。
【解決手段】現在よりも過去、所定期間Ｂ（３ヶ月）にわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍbを求め、予測対象日から所定期間Ａ（１年）前の、予測対象日と同じ曜日の対応日を求め、この対応日における同じ道路区間、同じ時間帯の旅行時間統計値Ｙtを求め、所定期間Ａ前を基準にして、それよりもさらに過去所定期間Ｃ（３ヶ月）にわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍcを求め、前記ＹtとＭcとの関係に基づいて、前記Ｍbを補正することにより、旅行時間Ｙを予測する。
【選択図】 図２

Description

本発明は、予測対象道路区間について、未来の予測対象日の、特定の時間帯の旅行時間を予測する方法に関するものである。

最近の交通需要の増大と高度情報社会の進展に伴い、交通管制システムに対するニーズは複雑・多様化している。情報提供に関して特にニーズの高い交通情報は、これから出発する車両が目的地に到達するまでの時間、すなわち旅行時間であり、この旅行時間の予測方法の開発が従来、行われてきた。
旅行時間の予測にあたっては、予測対象道路区間の、現時点で得られる旅行時間実測値と、当日と同じ日付又は同じ曜日の旅行時間統計値の現時間帯の値との差を、予測したい時間帯の旅行時間統計値に加えることによって行っていた。
「旅行時間予測方式と実験」電気学会研究会資料、道路交通研究会RTA-92-18,1992年９月24日

ところが、前記の方法では、現時点で得られる旅行時間実測情報を利用しているため、現在の交通状況が継続すると考えられる数時間先程度しか、旅行時間を精度よく予測できない。もっと先の旅行時間を予測したいという需要がある。
そこで、本発明は、旅行時間統計値のみを用いて、精度よく、旅行時間を予測することのできる旅行時間予測方法及びプログラムを提供することを目的とする。

また、本発明は、旅行時間統計値を用いて予測した旅行時間と、旅行時間実測値を用いて予測した旅行時間とを組み合わせることにより、予測時間の長短にかかわらず、精度よく、旅行時間を予測することのできる旅行時間予測方法及びプログラムを提供することを目的とする。

本発明の旅行時間予測方法は、現在よりも過去所定期間Ｂにわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍbを求め、予測対象日から所定期間Ａ（Ａ＞Ｂとする）前の、予測対象日と同じ種類の１又は複数の対応日を求め、この対応日における同じ道路区間、同じ時間帯の旅行時間統計値Ｙtを求め、現在から所定期間Ａ前を基準にして、それよりも過去所定期間Ｃ（Ｃ＜Ａとする）にわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍcを求め、前記ＹtとＭcとの関係に基づいて、前記Ｍbを補正することにより、旅行時間Ｙを予測する方法である。

前記対応日は単一の日でも、複数の日でもよい。
前記の方法によれば、予測対象日のある道路区間、ある時間帯の旅行時間を予測するのに、旅行時間統計値を参照して、現在時点よりも前の所定期間Ｂに含まれる日について、予測対象道路区間の、同じ時間帯の旅行時間の平均Ｍbを用いる。これは、最近の所定期間Ｂにわたる旅行時間の平均Ｍbが、予測対象日の旅行時間に近い値をとるであろうとの予想に基づく。

ただし、所定期間Ｂの旅行時間の平均Ｍbと、予測対象日の旅行時間との間に、過去、何らかの関係を見出すことができれば、その関係を用いてＭbを補正することが好ましい。
そこで、予測対象日から所定期間Ａ前の１又は複数の対応日を選定し、当該対応日の、予測対象道路区間の、同じ時間帯の旅行時間統計値Ｙtと、その対応日よりも前の所定期間Ｃの、同じ道路区間、同じ時間帯の旅行時間の平均Ｍcとの関係を用いて、Ｍbを補正する。

これにより、所定期間Ａ前の対応日の旅行時間統計値Ｙtと、その対応日よりも前の所定期間Ｃの旅行時間の平均Ｍcとの関係を、現在にそのままスライドさせて予測に用いることができる。これにより、所定期間Ａにわたる周期的な変動要因を考慮した補正を行うことができ、予測の精度を向上させることができる。
前記予測対象日の種類を、平日、土曜、日曜に分類してもよい。平日、土曜、日曜ごとに旅行時間の傾向が共通しているからである。また、月曜日から日曜までに分類してもよい。各曜日ごとに旅行時間の傾向が共通している場合に有効である。

対応日が複数の場合は、予測対象日から所定期間Ａ前の直対応日及び、その前後の対応日を含むものでもよい。対応日の範囲を広げすぎると、予測対象日と、所定期間Ａ前の直対応日との特異な関係が、平均化により薄まってしまう。一方、対応日の範囲を狭く（例えば単一の日）にとれば、偶然、その対応日が突発的な旅行時間を表わしていた場合、その突発性を引きずってしまうという問題もある。この観点から、対応日の範囲は、システム運用実績に基づいて適正な範囲に選ぶとよい。

また前記所定期間Ａを、例えば１年前、２年前、という具合に複数選定することもできる。これにより、突発性を消すために対応日の範囲を広げるのと同じ効果があり、かつ、予測対象日と所定期間Ａ前の対応日との関係の特異性を薄めないという効果もある。
また、旅行時間統計値Ｍbは、所定期間Ｂの中の、旅行時間の傾向が似ている同じ種類の日についてとることが望ましく、旅行時間統計値Ｍcも、所定期間Ｃの中の、旅行時間の傾向が似ている同じ種類の日についてとることが望ましい。

前記Ｍbの補正方法は、任意であるが、例えば、比演算又は差演算を用いて行う。
さらに、前記補正されたＭbと、補正前のＭbとの重み付け平均値を求めてもよい。補正されたＭbの重みを大きくとれば、所定期間Ａにわたる周期的な変動要因を重視することになり、補正前のＭbの重みを大きくとれば、最近の変動要因を重視することになる。
前記旅行時間予測方法により予測された旅行時間Ｙと、リアルタイムの旅行時間実測値を用いる他の予測方法により予測された旅行時間Ｚとの重み付け平均をとってもよい。前記旅行時間Ｙが比較的長い時間先の旅行時間の予測に適しており、リアルタイムの旅行時間実測値を用いて予測された旅行時間Ｚが比較的短い時間先の旅行時間の予測に適していることから、これらの旅行時間Ｙ，Ｚの重み付き平均化処理を行って旅行時間を予測することができる。

予測時間ｔが短い場合は、リアルタイムの旅行時間実測値を用いる他の予測方法のほうが精度がよく、予測時間ｔが長い場合は、本発明の旅行時間予測方法により予測された旅行時間のほうが精度がよいと考えられるので、予測時間ｔが長くなるにつれて前記旅行時間Ｙに対する重みを重く、前記旅行時間Ｚに対する重みを軽くすれば、予測時間ｔの長さにかかわらず、連続した精度のよい旅行時間が得られる。

予測時間ｔが所定の下限値以下の場合は、前記旅行時間Ｙに対する重みを０とし、予測時間ｔが所定の上限値以上の場合は、前記旅行時間Ｚに対する重みを０としてもよい。
また、本発明の旅行時間予測方法は、同じ道路区間の過去の旅行時間統計値に基づいて、予測対象日の予測時間ｔだけ先の旅行時間Ｙを予測し、同じ予測対象日のリアルタイムの旅行時間実測値を用いて、予測対象日の予測時間ｔだけ先の旅行時間Ｚを予測し、前記旅行時間Ｙと旅行時間Ｚとの重み付き平均化処理を行って旅行時間を予測する方法である。

この方法では、過去の旅行時間統計値に基づいて予測された旅行時間Ｙが比較的長い時間先の旅行時間の予測に適しており、リアルタイムの旅行時間実測値を用いて予測された旅行時間Ｚが比較的短い時間先の旅行時間の予測に適していることから、これらの旅行時間Ｙ，Ｚの重み付き平均化処理を行って旅行時間を予測する。
前記旅行時間Ｙと前記旅行時間Ｚとの重み付け平均をとる場合の重みは、前記予測時間ｔの長さに応じて変化させることが望ましい。予測時間ｔの長さに応じてこれらの旅行時間の重み付け平均することとすれば、予測時間ｔの長さにかかわらず、連続した精度のよい旅行時間が得られる。

予測時間ｔが短い場合は、リアルタイムの旅行時間実測値に基づいて予測された旅行時間Ｚのほうが精度がよく、予測時間ｔが長い場合は、過去の旅行時間統計値に基づいて予測された旅行時間Ｙのほうが精度がよいと考えられるので、予測時間ｔが長くなるにつれて前記旅行時間Ｙに対する重みを重く、前記旅行時間Ｚに対する重みを軽くするとよい。
予測時間ｔが所定の下限値以下の場合は、前記旅行時間Ｙに対する重みを０とし、予測時間ｔが所定の上限値以上の場合は、前記旅行時間Ｚに対する重みを０としてもよい。

また本発明の旅行時間予測プログラムは、コンピュータに格納されて使用される、前記旅行時間予測方法を実現するプログラムである。

以上のように本発明によれば、予測対象日よりも所定期間Ａ前の対応日の旅行時間統計値Ｙtと、その対応日よりも前の所定期間Ｃの旅行時間の平均Ｍcとの関係を、現在よりも前の所定期間Ｂの旅行時間の平均Ｍbにそのままスライドさせて、予測対象日の旅行時間の予測に用いることができる。これにより、所定期間Ａにわたる周期的な変動要因を考慮した旅行時間の補正を行うことができ、予測の精度を向上させることができる。

また、本発明によれば、過去の旅行時間統計値に基づいて予測された旅行時間Ｙが比較的長い時間先の旅行時間の予測に適しており、リアルタイムの旅行時間実測値を用いて予測された旅行時間Ｚが比較的短い時間先の旅行時間の予測に適していることから、これらの旅行時間Ｙ，Ｚの重み付き平均化処理を行って旅行時間を予測することにより、予測時間ｔの長さにかかわらず、精度のよい予測ができる。

以下、本発明の実施の形態を、添付図面を参照しながら詳細に説明する。
図１は、ある予測対象道路区間について、予測対象日と予測時間帯とを決定してその旅行時間Ｙを予測する方法を実行する旅行時間予測装置１の機能を説明するためのブロック図である。同図に示すように、旅行時間予測装置１は、本発明の旅行時間予測方法と、従来公知の旅行時間予測方法とを並行して行い、得られた各予測値に重み付け平均化処理を施して、最終的に予測旅行時間Ｙを予測する。

旅行時間予測装置１は、ハードディスクなどの記憶装置２に、旅行時間統計値のデータを記憶している。また、通信回線を通して、路側ビーコンや車両感知器で得られる各道路区間の旅行時間実測データをリアルタイムで受信している。
この旅行時間予測方法を実現する旅行時間予測装置１の機能の全部又は一部は、ＣＤ−ＲＯＭやハードディスクなど所定の媒体に記録されたプログラムを、旅行時間予測装置１のコンピュータが実行することにより実現される。

本発明の旅行時間予測方法では、旅行時間統計値のデータを用いる。
旅行時間統計値のデータ例を、表１及び表２に示す。

表１のデータは、ある道路区間について、日を平日、土曜日及び日曜日に分類して、各分類について、５分刻みの時間帯ごとに、統計的な旅行時間のデータを記録したものである。例えば、０時０分から０時５分までの時間帯では、平日の旅行時間は３１０秒、土曜日の旅行時間は３０３秒となっている。このようなデータが、平日、土曜及び日曜、並びに全時間帯にわたって記録されている。

表２のデータは、ある道路区間について、日を月曜日から日曜日まで分類して、各分類について、５分刻みの時間帯ごとに、統計的な旅行時間のデータを記録したものである。例えば、０時０分から０時５分までの時間帯では、月曜日の旅行時間は３０２秒、火曜日の旅行時間は３１５秒となっている。このようなデータが、全曜日、全時間帯にわたって記録されている。

本発明の旅行時間予測方法の概要を、図２を用いて説明する。図２の横軸は時間を表す。現在時点を△マークで表し、予測したい先の時点（予測時点）を▽で表している。予測時点の属する日が「予測対象日」である。
予測時点▽から所定期間Ａ遡った対応日を▼で表す。「対応日」の概念については後に説明する。また、現在時点△及び予測時点▽よりも前の所定期間Ｂ、対応日▼よりも前の所定期間Ｃも図示している。

図２の例では、所定期間Ａを１年、所定期間Ｂ，Ｃを３ヶ月としているが、この数値に限定されるものではなく任意の期間長をとってもよい。ただしＢ＜Ａ，Ｃ＜Ａを満足する必要がある。また、Ｃ＝Ｂとすることが好ましい。
また、所定期間Ａは１つの期間であるとしたが、複数の期間であってもよい。例えば、１年、２年と複数の期間としてもよい。以下、所定期間Ａが単期間である場合を説明し、その後、複数である場合を説明する。

ここで「対応日」の説明をする。「対応日」とは、過去における予測対象日と同じ種類の日の中から選定された一又は複数の日をいう。「対応日」には、後述するように「直対応日」と「前後対応日」とがある。
経験上、同じ時間帯において、旅行時間は曜日によって異なる。例えば、工場団地などの道路では、通勤時間帯であれば、月曜日から金曜日のほうが、土曜日、日曜日よりも旅行時間が長い傾向にあり、観光地の道路では、ほとんどの時間帯で月曜日から金曜日よりも、土曜日、日曜日のほうが、旅行時間が長い傾向にある。また、土曜日と日曜日とを比較しても、旅行時間の傾向に違いが出ることがある。

そこで、日を平日と土曜日と日曜日に分類する。また、所定期間Ａ前の予測対象日に該当する日を「該当日」とする。「該当日」は暦に従って定める。例えば、所定期間Ａを半年にとると、予測対象日が２月２８日ならば、該当日は半年前の８月２８日となる。所定期間Ａを１年にとると、予測対象日が２月２８日ならば、該当日は１年前の２月２８日となる。ただし予測対象日が２月２９日であって、１年前の該当日がないときは、その月の末日を該当日とする。

「対応日」の中で、予測対象日に直接対応する日を「直対応日」とする。これは単一の日である。「直対応日」の前後の同じ種類の日を「前後対応日」という。前後対応日は、複数ある。
例えば、「直対応日」がある平日の水曜日であれば、それに続く木曜日、金曜日、翌週の月曜日など、前の火曜日、月曜日、先週の金曜日などが「前後対応日」となる。「直対応日」が日曜日であれば、その次の日曜日、次の次の日曜日など、その前の日曜日、前の前の日曜日などが「前後対応日」となる。

予測対象日と該当日と直対応日との関係を、表３に示す。

表３によれば、予測対象日が平日で、該当日も平日であれば、該当日がそのまま直対応日となる。予測対象日が平日で、該当日が土曜日であれば、該当日に一番近い平日である前日の金曜日を直対応日とする。予測対象日が平日で、該当日が日曜日であれば、該当日に一番近い平日である翌日の月曜日を直対応日とする。
予測対象日が土曜日で、該当日が平日であれば、該当日に一番近い土曜日を直対応日とする。予測対象日が土曜日で、該当日も土曜日であれば、該当日がそのまま直対応日となる。予測対象日が土曜日で、該当日が日曜日であれば、該当日の前日の土曜日を直対応日とする。

予測対象日が日曜日で、該当日が平日であれば、該当日に一番近い日曜日を直対応日とする。予測対象日が日曜日で、該当日が土曜日であれば、該当日の翌日の日曜日を直対応日とする。予測対象日が日曜日で、該当日が日曜日であれば、該当日がそのまま直対応日となる。
以上の説明は、日を平日と土曜日と日曜日に分類した場合であったが、日を月曜日から日曜日まで７つに分類することも可能である。この分類は、平日でも曜日ごとに旅行時間の違いを出したい場合に有効である。

この場合、「直対応日」がある月曜日であれば、その次の月曜日、次の次の月曜日など、その前の月曜日、前の前の月曜日などが「前後対応日」となる。
予測対象日と該当日と直対応日との関係を、表４に示す。

表４によれば、予測対象日が月曜日で、該当日も月曜日であれば、該当日がそのまま直対応日となる。予測対象日が月曜日で、該当日が火曜日であれば、該当日の１日前の月曜日を直対応日とする。該当日が水曜日であれば、該当日の２日前の月曜日を直対応日とする。該当日が木曜日であれば、該当日の３日前の月曜日を直対応日とする。該当日が金曜日であれば、該当日の３日後の月曜日を直対応日とする。該当日が土曜日であれば、該当日の２日後の月曜日を直対応日とする。該当日が日曜日であれば、該当日の１日後の月曜日を直対応日とする。以下、予測対象日が火曜日〜日曜日の場合も、同様にして定める。

次に、本発明の旅行時間予測方法を説明する。
まず、旅行時間統計値を参照して、現在時点よりも前の所定期間Ｂに含まれる複数の日について、対象道路区間の、同じ時間帯の旅行時間の平均Ｍbをとる。
例えば、現在時点が２月某日、所定期間Ｂとして３ヶ月をとると、過去１１月、１２月、１月の３ヶ月間のデータが対象となる。

予測対象日を平日、土曜、日曜で区別している場合は、予測対象日が平日であれば、３ヶ月間の平日の旅行時間の平均をとる。予測対象日が土曜日であれば、３ヶ月間の土曜日の旅行時間の平均をとる。予測対象日が日曜日であれば、３ヶ月間の日曜日の旅行時間の平均をとる。
予測対象日を月曜〜日曜で区別している場合は、例えば予測対象日が月曜日であれば、３ヶ月間の月曜日の旅行時間の平均をとる。予測対象日が火曜日であれば、３ヶ月間の火曜日の旅行時間の平均をとる。

次に、旅行時間統計値を参照して、その予測対象日から所定期間Ａ前の対応日の、対象道路区間の、同じ時間帯の交通情報を求める。対応日の旅行時間をＹ(k)で表わす。添え字ｋは直対応日又は前後対応日を表わす。ｋ＝０が直対応日、ｋ＝±１が一番近い前後対応日、ｋ＝±２が二番目に近い前後対応日、などを表わす。
対応日の旅行時間を求めるには、次の平均演算を行う。

Ｙt＝ΣＹ(k)／（ｋ＋１）
総和Σは、ｋが−ＮからＮまでとる。ここでＮは、０以上の整数である。Ｎが０の場合は、
Ｙt＝Ｙ(0)
であり、直対応日の旅行時間となる。Ｎが１の場合は、
Ｙt＝［Ｙ(-1)＋Ｙ(0)＋Ｙ(+1)］／３
となり、直対応日の旅行時間と、それに一番近い前後の対応日の旅行時間の平均となる。

Ｎをあまり大きくとると、対応日の範囲が広がって、予測対象日と、所定期間Ａ前の直対応日との特異な関係が出せなくなる。例えば、所定期間Ａを１年にとった場合、Ｎ＝０とすると１年前の同じ日のデータの特異性がそのまま生かせるのに対して、Ｎが１より大きいと１年前の同じ日のデータの特異性が、平均化により薄まってしまう。
一方、Ｎを小さくとれば、偶然、その対応日が突発的な旅行時間を表わしていた場合、その突発性を引きずってしまうという問題もある。この観点から、Ｎはある程度大きなほうがよい。

従って、Ｎをどの値にとるかは、実際に本発明の方法を実施して、データを蓄積して判断することがもっとも好ましい。
今までは、所定期間Ａを単期間であるとして説明した。しかし、複数の期間であってもよい。この場合、それぞれの所定期間Ａごとに対応日を決めることになる。例えば所定期間Ａを１年及び２年にとった場合、１年前の対応日を決めてその旅行時間を算出するとともに、２年前の対応日を決めてその旅行時間を算出する。そして、２つの算出した旅行時間の単純平均又は重み付け平均をとり、対応日の旅行時間Ｙtとする。重み付け平均する場合の重みは、所定期間Ａが短いほど重くし、所定期間Ａが長くなるほど軽くすればよい。

次に、旅行時間統計値を参照して、直対応日よりも前の所定期間Ｃに含まれる複数の日について、対象道路区間の、同じ時間帯の旅行時間の平均Ｍcをとる。
例えば、現在時点が２月某日、所定期間Ａを１年、所定期間Ｃとして３ヶ月をとると、約１年前の１１月、１２月、１月の３ヶ月間のデータが対象となる。
予測対象日を平日、土曜、日曜で区別している場合は、予測対象日が平日であれば、３ヶ月間の平日の旅行時間の平均をとる。予測対象日が土曜日であれば、３ヶ月間の土曜日の旅行時間の平均をとる。予測対象日が日曜日であれば、３ヶ月間の日曜日の旅行時間の平均をとる。

予測対象日を月曜日〜日曜日で区別している場合は、例えば、予測対象日が水曜日であれば、３ヶ月間の水曜日の旅行時間の平均をとる。予測対象日が土曜日であれば、３ヶ月間の土曜日の旅行時間の平均をとる。予測対象日が日曜日であれば、３ヶ月間の日曜日の旅行時間の平均をとる。
次に、以上のようにして求めた、予測対象日から所定期間Ａ前の旅行時間Ｙtと、直対応日よりも前の所定期間Ｃの平均Ｍc との比Ｙt／Ｍcを求める。そして、この比Ｙt／Ｍcを用いて、現在時点よりも前の所定期間Ｂの旅行時間の平均Ｍbを補正して、旅行時間Ｙを予測する。

Ｙ＝Ｍb（Ｙt／Ｍc） (1)
または、ＹtとＭcとの差Ｙt−Ｍcを求めて、この差Ｙt−Ｍcを用いて、旅行時間Ｍbを補正して、旅行時間Ｙを予測してもよい。
Ｙ＝Ｍb＋（Ｙt−Ｍc） (2)
前記(1)式又は(2)式の意味は、次の（Ａ）又は（Ｂ）のように説明できる。

（Ａ）予測対象日の旅行時間を予測するのに、旅行時間統計値を参照して、現在時点よりも前の所定期間Ｂに含まれる予測対象日と同じ種類の日について、対象道路区間の、同じ時間帯の旅行時間の平均Ｍbを用いる。これは、最近の、予測対象日と同じ種類の日についての旅行時間の平均Ｍbが、予測対象日の旅行時間に近い値をとるであろうとの予想に基づく。

ただし、所定期間Ｂの旅行時間の平均Ｍbと、予測対象日の旅行時間との間に、過去、何らかの関係があれば、その関係を用いてＭbを補正することが好ましい。
そこで、予測対象日から所定期間Ａ前の対応日の旅行時間統計値データＹtと、その対応日よりも前の所定期間Ｃの旅行時間の平均Ｍcとの関係を用いて、Ｍbを補正する。
（Ｂ）予測対象日の旅行時間を予測するのに、予測対象日から所定期間Ａ前の対応日の旅行時間統計値データを用いる。これは、対応日の旅行時間統計値が、予測対象日の旅行時間に近い値をとるであろうとの予想に基づく。

ただし、予測対象日と対応日とは所定期間Ａ離れている。そこで、対応日よりも前の所定期間Ｃに含まれる同じ種類の日について、同じ時間帯の旅行時間の平均Ｍcと、現在時点よりも前の所定期間Ｂに含まれる同じ種類の日について同じ時間帯の旅行時間の平均Ｍbとの関係を用いて、予測対象日と対応日と間に現われる長期的変動を吸収する。（Ｂ）以上。

前記（Ａ）又は（Ｂ）の説明は異なるが、同じ式を用いているので、結果は同じこととなる。
なお、前記補正により得られた(1)式又は(2)式の値と、補正前のＭbとの重み付け平均値を求めて、(3)式又は(4)式のように、最終的な旅行時間予測値Ｙを求めることもできる。

Ｙ＝αＭb（Ｙt／Ｍc）＋（１−α） Ｍb (3)
Ｙ＝α［Ｍb＋（Ｙt−Ｍc）］＋（１−α）Ｍb (4)
ここでαは変動傾向に対する重み付け係数であり、０≦α≦１である。αが１に近いと最近の変動傾向よりも所定期間Ａの周期変動を重視した予測となり、αが０に近いと所定期間Ａの周期変動よりも最近の変動傾向を重視した予測となる。

以上に説明した本発明の旅行時間予測方法は、旅行時間統計値データを用いており、現在のリアルタイム交通状況を考慮していない。これは、本発明の旅行時間予測方法を現在より数時間以上先の予測に使うことを想定しているからである。しかし、現在より数時間以内の予測には、実測したリアルタイムの旅行時間情報を利用する従来公知の旅行時間予測方法のほうが精度がよい。

ここで、リアルタイムの旅行時間情報の取得方法を説明する。
図３は道路地図であり、交差点から交差点までの間の一方向の道路区間Ｌを示している。車両感知器や路側ビーコンは、この道路区間Ｌのいずれかの位置、例えば片端に設けられている。車両感知器は、道路の上から超音波や光のパルスを発射して、戻ってくる時間を測定することによって車両の存在を感知するセンサである。路側ビーコンは、車載通信装置と双方向通信を行うことによって、車両の識別を行うとともに、その車両が前回通過した路上ビーコンの情報やその通過時刻の情報を取得する通信装置である。

図４は、旅行時間取得装置の概略図である。旅行時間取得装置は、コンピュータなどを含む処理装置１１と、旅行時間実測値などを記憶する記憶装置１２と、管轄道路の各地点に設置された車両感知器や路上ビーコンからの信号を取り入れるためのインターフェイス１３と、表示装置、キーボードなどの入出力装置１４とを備えている。
処理装置１１が、旅行時間のデータを収集する方法をいくつか説明する。処理装置１１は、車両感知器の感知信号に基づいて交通量ｑ（単位時間（例えば５分間）あたりの車両の通過台数）を算出する。車両感知器は道路区間ごとに設置されているので、交通量ｑも道路区間ごとに求められる。さらに処理装置１１は、占有時間Ｏ（単位時間（例えば５分間）内に、各車両ｋが車両感知器を横切った時間ｔkの総和Σｔk）を検知する。処理装置１１は、交通量ｑ、占有時間Ｏ、及び平均車長（一定値とする）Ｉを用いて、式Ｖ＝Ｉ・ｑ／Ｏにより車両の平均速度Ｖを計算し、これと道路区間の長さＬを用いて、式Ｔ＝Ｌ／Ｖにより旅行時間Ｔを計算する。

道路区間に路上ビーコンが設置されていて、車載装置との双方向通信により車両が識別できるときは、同一車両が道路区間の端を通過した時刻と道路区間の他の端を通過した時刻とから、道路区間を走行するのに要した旅行時間を求めることもできる。単位時間（例えば５分間）内に複数の車両を同定できたならば、各車両の旅行時間の平均をとる。
以上の他に、カメラの計測画像から車両のプレートナンバーをマッチングして車両を同定し、同一車両が道路区間の端を通過した時刻と道路区間の他の端を通過した時刻とから、道路区間を走行するのに要した時間Ｔを求めるようにしてもよい。この場合も、単位時間（例えば５分間）内に複数の車両を同定できたときは、各車両の旅行時間の平均をとる。

以上のようにして求めた複数種類の旅行時間について、重み付き平均値をとって、これを旅行時間実測値としてもよい。重みとしては、経験上定めた値を採用すればよい。
このようにして、リアルタイムの旅行時間情報が取得できる。
次にリアルタイムの旅行時間情報に基づいた従来公知の旅行時間予測方法を簡単に説明する。従来公知の旅行時間予測方法では、旅行時間統計値のデータとともに、車両感知器等で測定した前記リアルタイムの旅行時間実測値のデータを用いる。

図５は、横軸に一日の時刻、縦軸に旅行時間をとったグラフであり、過去一定期間に収集した旅行時間統計値と、当日のリアルタイム旅行時間実測値の推移を示している。現在時刻から先の予測値は、現在時刻の旅行時間統計値と旅行時間実測値との差ΔＹを、そのまま旅行時間統計値に加算することにより予測できる。
図６は、従来公知の旅行時間予測方法で得られた旅行時間と、本発明の旅行時間予測方法で得られた旅行時間との精度を比較したグラフであり、予測時間が短いほど、従来公知の旅行時間予測方法の精度が上がり、予測時間が長いほど本発明の旅行時間予測方法の精度が上がることを示している。

そこで、現在時刻から予測時刻までの時間（予測時間という）ｔに応じて、従来公知の旅行時間予測方法で得られた旅行時間と、本発明の旅行時間予測方法で得られた旅行時間とのいずれを用いるかを決定する。本発明の旅行時間予測方法で得られた旅行時間をＹと書き、従来公知の旅行時間予測方法で得られた旅行時間をＺと書くと、平均化処理
ｍＹ＋（１−ｍ）Ｚ (5)
を行って旅行時間を求める。重み係数ｍ（０≦ｍ≦１）は、予測時間ｔが所定の基準時間Ｔ１よりも短ければ、ｍを０に近くとる。これは、従来公知の旅行時間予測方法で得られる旅行時間Ｚが、リアルタイムの旅行時間実測値を利用しているため、現在の交通状況が継続すると考えられる近い将来であれば、従来公知の旅行時間予測方法で得られる旅行時間Ｚを重視したほうが、予測精度が向上すると考えられるからである。

予測時間ｔが所定の基準時間Ｔ１よりも長ければ、ｍを１に近くとる。これは、本発明の旅行時間予測方法で得られる旅行時間Ｙが、周期的な変動も考慮して旅行時間統計値を利用しているため、現在の交通状況が継続するとは考えられない遠い将来であれば、本発明の旅行時間予測方法で得られる旅行時間Ｙを重視したほうが、予測精度が向上すると考えられるからである。

前記基準時間Ｔ１は、従来公知の旅行時間予測方法の精度と、本発明の旅行時間予測方法の精度とがほぼ等しくなる時間を選ぶ。
また、次のような方法もある。２つの基準時間Ｔ２，Ｔ３（Ｔ２＜Ｔ１＜Ｔ３とする）を設定し、予測時間ｔがＴ２よりも短いときは、ｍ＝０とし、予測時間ｔがＴ３よりも長いときは、ｍ＝１とする。予測時間ｔがＴ２＜ｔ＜Ｔ３のときは、前記式
ｍＹ＋（１−ｍ）Ｚ
を用いて重み付け平均をとる。重み係数ｍは、例えば
ｍ＝（ｔ−Ｔ２）／（Ｔ３−Ｔ２）
に設定する。こうすれば、予測時間ｔに応じて連続的に変化する旅行時間の予測値が得られる。

ある予測対象道路区間について、予測対象日と、予測先時間帯とを決定してその旅行時間Ｙを予測する方法を実行する旅行時間予測装置１の機能を説明するためのブロック図である。 本発明の旅行時間予測方法の概要説明図である。 交差点から交差点までの間の一方向の道路区間Ｌを示す道路地図である。 旅行時間実測値を取得するための旅行時間取得装置の概略図である。 従来公知の旅行時間予測方法を説明するため、横軸に時刻、縦軸に旅行時間をとったグラフである。 従来公知の旅行時間予測方法で得られた旅行時間と、本発明の旅行時間予測方法で得られた旅行時間との精度を比較したグラフである。

符号の説明

１ 旅行時間予測装置
２ 記憶装置

Claims (19)

1. 予測対象道路区間について、予測対象日の予測対象時間帯の旅行時間Ｙを予測する方法であって、
   現在よりも過去所定期間Ｂにわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍbを求め、
   予測対象日から所定期間Ａ（Ａ＞Ｂとする）前の、予測対象日と同じ種類の１又は複数の対応日を求め、
   この対応日における同じ道路区間、同じ時間帯の旅行時間統計値Ｙtを求め、
   現在から所定期間Ａ前を基準にして、それよりも過去所定期間Ｃ（Ｃ＜Ａとする）にわたる、同じ道路区間、同じ時間帯の旅行時間統計値Ｍcを求め、
   前記ＹtとＭcとの関係に基づいて、前記Ｍbを補正することにより、旅行時間Ｙを予測することを特徴とする旅行時間予測方法。
2. 前記予測対象日の種類を、平日、土曜、日曜に分類する請求項１記載の旅行時間予測方法。
3. 前記予測対象日の種類を、月曜日から日曜までに分類する請求項１記載の旅行時間予測方法。
4. 前記複数の対応日は、予測対象日から所定期間Ａ前の直対応日及び、その前後の対応日を含む請求項１〜請求項３のいずれかに記載の旅行時間予測方法。
5. 前記所定期間Ａを複数選定する請求項１〜請求項３のいずれかに記載の旅行時間予測方法。
6. 旅行時間統計値Ｍbは、所定期間Ｂの中の、予測対象日と同じ種類の日についてとった統計値である請求項１〜請求項３のいずれかに記載の旅行時間予測方法。
7. 旅行時間統計値Ｍcは、所定期間Ｃの中の、予測対象日と同じ種類の日についてとった統計値である請求項１〜請求項３のいずれかに記載の旅行時間予測方法。
8. 前記Ｍbの補正は、前記ＹtとＭcとの比Ｙt／Ｍcをとって、Ｍbにその比をかけることにより行う請求項１記載の旅行時間予測方法。
9. 前記Ｍbの補正は、前記ＹtとＭcとの差Ｙt−Ｍcをとって、Ｍbにその差を足すことにより行う請求項１記載の旅行時間予測方法。
10. 前記補正されたＭbと、補正前のＭbとの重み付け平均値を求めることにより、旅行時間Ｙを予測する請求項１、請求項８又は請求項９記載の旅行時間予測方法。
11. 前記旅行時間予測方法により予測された旅行時間Ｙと、リアルタイムの旅行時間実測値を用いる他の予測方法により予測された旅行時間Ｚとの重み付け平均をとる請求項１記載の旅行時間予測方法。
12. 予測時間ｔが長くなるにつれて前記旅行時間Ｙに対する重みを重く、前記旅行時間Ｚに対する重みを軽くする請求項１１記載の旅行時間予測方法。
13. 予測時間ｔが所定の下限値以下の場合は、前記旅行時間Ｙに対する重みを０とし、予測時間ｔが所定の上限値以上の場合は、前記旅行時間Ｚに対する重みを０とする請求項１２記載の旅行時間予測方法。
14. コンピュータに格納されて使用されるプログラムであって、請求項１〜請求項１３のいずれかに記載の旅行時間予測方法を実現することを特徴とする旅行時間予測プログラム。
15. 予測対象道路区間について、予測対象日の旅行時間を予測する方法であって、
    同じ道路区間の過去の旅行時間統計値に基づいて、予測対象日の予測時間ｔだけ先の旅行時間Ｙを予測し、
    同じ予測対象日のリアルタイムの旅行時間実測値を用いて、予測対象日の予測時間ｔだけ先の旅行時間Ｚを予測し、
    前記旅行時間Ｙと旅行時間Ｚとの重み付き平均化処理を行って旅行時間を予測することを特徴とする旅行時間予測方法。
16. 予測時間ｔの長さに応じて、前記旅行時間Ｙと前記旅行時間Ｚとの重み付け平均をとる場合の重みを変化させる請求項１５記載の旅行時間予測方法。
17. 予測時間ｔが長くなるにつれて前記旅行時間Ｙに対する重みを重く、前記旅行時間Ｚに対する重みを軽くする請求項１６記載の旅行時間予測方法。
18. 予測時間ｔが所定の下限値以下の場合は、前記旅行時間Ｙに対する重みを０とし、予測時間ｔが所定の上限値以上の場合は、前記旅行時間Ｚに対する重みを０とする請求項１７記載の旅行時間予測方法。
19. コンピュータに格納されて使用されるプログラムであって、請求項１５〜請求項１８のいずれかに記載の旅行時間予測方法を実現することを特徴とする旅行時間予測プログラム。

Images