特許ウォッチ

公開番号2025177735
公報種別公開特許公報(A)
公開日2025-12-05
出願番号2024084805
出願日2024-05-24
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人日本電気株式会社
代理人弁理士法人ブライタス
主分類G08G 1/00 20060101AFI20251128BHJP(信号)
要約【課題】現状の交通状況に類似した交通状況を再現できる精度の高い交通流理論モデルのパラメータセットを用いて交通流予測をすることにある。
【解決手段】交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定する設定部と、パラメータセットごとに交通流シミュレーションを実行するシミュレーション部と、交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、選択した類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する決定部と、を有する情報処理装置。
【選択図】図1

特許請求の範囲【請求項１】
交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定する設定手段と、
前記パラメータセットごとに前記交通流シミュレーションを実行するシミュレーション手段と、
前記交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、選択した前記類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する決定手段と、
を有する情報処理装置。
続きを表示（約 1,300 文字）【請求項２】
前記シミュレーション手段は、更に、決定した前記交通流予測で利用するパラメータセットを用いて、現時点以降のあらかじめ設定した期間における、前記交通流シミュレーションを実行して交通流予測をする、
請求項１に記載の情報処理装置。
【請求項３】
前記交通流理論モデルは、Ｓ－ＮＦＳ（Stochastic Nishinari-Fukui-Schadschneider）モデルである、
請求項１に記載の情報処理装置。
【請求項４】
前記交通流理論モデルに前記Ｓ－ＮＦＳモデルを用いた場合、前記パラメータセットは、ボトルネック内の最高速度、ランダムブレーキ発生確率、スロースタート発生確率、見通しの確率である、
請求項３に記載の情報処理装置。
【請求項５】
前記決定手段は、前記交通流シミュレーションデータと前記交通流計測データとの類似度に基づいて、前記パラメータセットごとの事後確率分布、又は、最大事後確率、又は、事後確率分布の期待値、又は、それら全てを算出し、これらの一つ以上に基づいて、前記交通流予測で利用するパラメータセットを決定する、
請求項１に記載の情報処理装置。
【請求項６】
情報処理装置が、
交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定し、
前記パラメータセットごとに前記交通流シミュレーションを実行し、
前記交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、
選択した前記類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する、
情報処理方法。
【請求項７】
前記情報処理装置が、
さらに、決定した前記交通流予測で利用するパラメータセットを用いて、現時点以降のあらかじめ設定した期間における、前記交通流シミュレーションを実行して交通流予測をする、
請求項６に記載の情報処理方法。
【請求項８】
前記交通流理論モデルは、Ｓ－ＮＦＳ（Stochastic Nishinari-Fukui-Schadschneider）モデルである、
請求項６に記載の情報処理方法。
【請求項９】
前記交通流理論モデルに前記Ｓ－ＮＦＳモデルを用いた場合、前記パラメータセットは、ボトルネック内の最高速度、ランダムブレーキ発生確率、スロースタート発生確率、見通しの確率である、
請求項８に記載の情報処理方法。
【請求項１０】
前記決定において、前記交通流シミュレーションデータと前記交通流計測データとの類似度に基づいて、前記パラメータセットごとの事後確率分布、又は、最大事後確率、又は、事後確率分布の期待値、又は、それら全てを算出し、これらの一つ以上に基づいて、前記交通流予測で利用するパラメータセットを決定する、
請求項６に記載の情報処理方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、交通渋滞を予測する情報処理装置、情報処理方法、及びプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
交通渋滞の予測は、現状では、専門家の知見・経験に基づいて行われている。具体的には、渋滞予報士などの専門家が、過去の渋滞の傾向・パターンなどを用いて、今後どの程度の渋滞がどこで起きるかを予測している。ところが、専門家を育成するためには、渋滞予測に必要な経験を積む必要がある。そこで、交通流シミュレーションを用いる方法が提案されている。
【０００３】
関連する技術として特許文献１には、交通渋滞の検証と予測をする交通状況予測システムが開示されている。特許文献１の交通状況予測システムによれば、まず、対象道路の現状の交通関連データを用いて、現状の交通状況を再現できる交通流シミュレーションに設定する各車両のモデルパラメータを算出する。その後、特許文献１の交通状況予測システムでは、モデルパラメータと対象道路の所要箇所に渋滞イベントを設定し、設定時間に至るまで交通流シミュレーションを実行して交通状況を予測する。
【０００４】
具体的には、特許文献１の交通状況予測システムでは、交通量、密度などから平均速度、車両台数を割り出し、交通流シミュレーションを用いて、一定時間、車両を平均速度で走行させ、車両のパラメータであるアクセル、加速度、ブレーキなどを関数として最適化計算をし、現状の交通状況を再現できる各車両のモデルパラメータ（初期値パラメータ）を算出することが開示されている。
【先行技術文献】
【特許文献】
【０００５】
特開２０１０－０６７１８０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、特許文献１の交通状況予測システムでは、交通流シミュレーションにおける各車両のモデルパラメータの算出方法が明確に開示されていない。また、特許文献１では、全車両が計測した平均速度を保ったまま走行することを前提に交通流シミュレーションを行っている。しかし現実の交通流では各車両に速度差は存在し、車両挙動も時変動し、複雑である。それゆえ、現状の交通状況を再現度や将来予測の精度が低いと考えられるので、精度のよい渋滞予測ができない。
【０００７】
本開示の目的の一例は、現状の交通状況に類似した交通状況を再現できる精度の高い交通流理論モデルのパラメータセットを用いて交通流予測をすることにある。
【課題を解決するための手段】
【０００８】
上記目的を達成するため、本開示の一側面における情報処理装置は、
交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定する設定手段と、
前記パラメータセットごとに前記交通流シミュレーションを実行するシミュレーション手段と、
前記交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、選択した前記類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する決定手段と、
することを特徴とする。
【０００９】
また、上記目的を達成するため、本開示の一側面における情報処理方法は、
情報処理装置が、
交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定し、
前記パラメータセットごとに前記交通流シミュレーションを実行し、
前記交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、
選択した前記類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する、
ことを特徴とする。
【００１０】
さらに、上記目的を達成するため、本開示の一側面におけるプログラムは、
コンピュータに、
交通流理論モデルを適用した交通流シミュレーションで用いる交通流理論モデルのパラメータセットを設定し、
前記パラメータセットごとに前記交通流シミュレーションを実行し、
前記交通流シミュレーションの実行結果である交通流シミュレーションデータの中から、実際に計測した交通流計測データと類似する交通流シミュレーションデータを選択し、
選択した前記類似する交通流シミュレーションデータに対応するパラメータセットを、交通流予測で利用するパラメータセットに決定する、
処理を実行させることを特徴とする。
【発明の効果】
（【００１１】以降は省略されています）

関連特許