CN102842218B - 拥塞预测装置、拥塞预测数据及拥塞预测方法 - Google Patents
拥塞预测装置、拥塞预测数据及拥塞预测方法 Download PDFInfo
- Publication number
- CN102842218B CN102842218B CN201210212123.2A CN201210212123A CN102842218B CN 102842218 B CN102842218 B CN 102842218B CN 201210212123 A CN201210212123 A CN 201210212123A CN 102842218 B CN102842218 B CN 102842218B
- Authority
- CN
- China
- Prior art keywords
- section
- congestion
- degree
- moment
- predict
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
取得单元(15)取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的进入/退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的各种预测拥塞度。预测单元(17)基于拥塞预测数据,预测多个路段的拥塞度。范围限定单元(105)限定对拥塞度进行预测的路段的对象范围即拥塞预测范围。预测拥塞度取得单元(120~145)从外部取得第1路段的第1时刻的实际的拥塞度,将适于第1时刻的要素、与第1路段相应的进入路段、以及所取得的第1路段的第1时刻的实际的拥塞度应用于拥塞预测数据,取得从第1路段经过第1节点进入拥塞预测范围中的第2路段的第2时刻时的第2路段的预测拥塞度。
Description
技术领域
本发明涉及拥塞预测装置、拥塞预测数据及拥塞预测方法。
背景技术
以往,在专利文献1、2中记载了预测道路的拥塞度(拥挤程度)的技术。在专利文献1中,事先存储通过统计性地处理过去的交通信息来制作的每个时刻的各道路的拥塞预测数据,基于该拥塞预测信息,预测远离当前位置的地点的未来的拥塞度。
另外,在专利文献2中,对某个路段设定一定的交通量,在道路的分支部分配该交通量,一边在路段中使一部分交通量消失一边模拟行驶,由此计算各路段中的通过交通量。
专利文献1:日本特开2007-232727号公报
专利文献2:日本特开2002-049984号公报
但是,在专利文献1的技术中,如图11所示,在特定的年月日时间,只能着眼于某个路段在统计上空缺等对象的路段进行预测,而无法考虑邻近的路段中当前正发生的暂时性的、突发性的交通状况来预测拥塞度。因此,如果由于与该路段连接的其他路段附近举行特别的活动等理由,大量的预想数量以上的车辆流入该路段,则有时该路段超出统计信息的预测而发生拥挤。即,在专利文献1的方法中,无法考虑当前正发生的暂时性的、突发性的交通状况来预测拥塞度。
另外,在专利文献2的技术中,虽然考虑了当前正发生的暂时性的、突发性的交通量,但根据发明人的研究,存在由于交通量与拥塞度不一定一致的担心。即使交通量相同,也会由于道路的坡度和红绿灯等外在要素,而引起道路拥塞或不拥塞。例如,如图12所示,即使每单位时间的交通量一定,在某个阈值以上的交通量的情况下,由于上坡或红绿灯等条件而造成拥塞。因此,为了利用通过交通量来正确地进行拥塞预测,需要适当地利用外部参数来运算坡度和红绿灯等信息,推测值的准确度较低,计算量也非常大。
发明内容
本发明的目的在于,提供一种技术,在预测路段的拥塞度的拥塞预测装置中,能够反映当前正发生的暂时性的、突发性的交通状况,并且能够使交通量以外的影响也容易地反映在拥塞度中。
根据本发明的一个方式,拥塞预测装置具备取得单元,该取得单元用于取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点以及与该节点对应的全部进入路段和退出路段的每个组合,包括该进入路段的各种拥塞度的结果产生的该退出路段的各种预测拥塞度。拥塞预测装置还具备预测单元,该预测单元基于所述取得单元所取得的所述拥塞预测数据,预测多个路段的拥塞度。所述预测单元具有范围限定单元,该范围限定单元限定拥塞预测范围,该拥塞预测范围是预测拥塞度的路段的对象范围。所述预测单元还具有预测拥塞度取得单元,该预测拥塞度取得单元从外部取得第1路段的第1时刻的实际拥塞度,将适合所述第1时刻的要素、与所述第1路段对应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻的、所述第2路段的预测拥塞度。
附图说明
上述内容以及本发明的其他对象、特征和优点将通过参照附图说明的以下具体描述变得更加明确。在附图中:
图1是本发明的实施方式的导航装置1的结构图。
图2是表示拥塞预测数据的结构例的图。
图3是拥塞预测处理的流程图。
图4是从出发地Po到目的地Pd的路段L1~L6的图。
图5是表示时刻T1、节点N1的进入路段L1和退出路段L2、L5的拥塞度的关系的表。
图6是表示时刻T1+T2、节点N2的进入路段L2和退出路段L3的拥塞度的关系的表。
图7是表示节点N2的进入路段L4和退出路段L3的拥塞度的关系的表。
图8是表示时刻T1+T2、节点N3的进入路段L5和退出路段L6的拥塞度的关系的表。
图9是表示时刻T1+T2+T3、节点N3的进入路段L3和退出路段L6的拥塞度的关系的表。
图10是表示计算出的最佳路径的图。
图11是表示专利文献1中使用的拥塞预测数据的图。
图12是例示交通量与拥挤度的差异的图。
图13是表示在计算出的路径中行驶而遭遇拥塞的例子的图。
具体实施方式
以下,说明本发明的一个实施方式。在图1中,表示本实施方式的导航装置1(相当于拥塞预测装置的一例)的一例。该导航装置既可以搭载于车辆,也可以能够由用户拿到车外。
该导航装置1具备位置检测器11、图像显示装置12、操作部13、扬声器14、通信部15、控制电路17。位置检测器11是GPS接收机、车速传感器、加速度传感器、陀螺仪传感器等、将用于确定车辆的当前位置的信号输出至控制电路17的传感器。图像显示装置12是按照控制电路17的控制将字符或图像显示给用户的液晶显示器等装置。操作部13是接受用户的操作、并将与接受的操作相应的信号输出至控制电路17的装置。
通信部15与外部的拥塞预测数据分发服务器进行无线通信,从拥塞预测数据分发服务器接收拥塞预测数据。接收的拥塞预测数据记录在导航装置1的存储介质中。该拥塞预测数据的详情留待后述。另外,通信部15从车辆外部的交通信息分发装置(例如VICS发送站、VICS信标、探测车辆信息分发服务器),接收包括表示当前的各路段的拥挤程度的拥塞度的交通信息数据。
地图数据取得部16是按照控制电路17的控制而取得地图数据并输出至控制电路17的装置。地图数据的取得方法既可以是从导航装置1所具有的存储介质(HDD、闪存器、DVD介质等)读出地图数据的方法,也可以是通过使用通信部15的无线通信从车辆1外部的地图提供服务器下载地图数据的方法。
地图数据取得部16所取得的地图数据包括地图显示用的道路形状数据、目的地检索用的设施数据、以及导引路径计算用的道路网络数据等。道路网络数据包括路段与节点的连接关系、路段的成本等信息。
另外,本实施方式的道路网络数据为具有路段构造的详细度不同的多个阶层的阶层构造。在多个阶层之中的最下层的阶层的数据中,包括关于全部道路的路段、节点的数据,阶层越靠上层,该阶层的数据所包括的路段以及节点的数据越稀疏。例如,在道路网络数据具有上层和下层这两个阶层的情况下,在下层的数据中,包括关于主要道路以及非主要道路双方的道路的路段、节点的数据,而在上层的数据中,只包括仅构成主要道路和非主要道路之中的主要道路的路段、节点的数据。
控制电路17是具备CPU、RAM、ROM、闪存器等的装置(例如微控制器),通过由CPU执行ROM或者闪存器中记录的程序,实现各种处理。
作为控制电路17通过执行程序来进行的具体处理,有当前位置确定处理、地图显示处理、导引路径计算处理、路径引导处理等。当前位置确定处理是基于来自位置检测器11的信号、利用公知的地图映射等技术来确定车辆的当前位置和朝向的处理。
地图显示处理是将车辆的当前位置的周边等的特定区域的地图显示在图像显示装置12上的处理。这时,用于地图显示的信息从道路形状数据取得。
导引路径计算处理是从操作部13接受用户所进行的目的地的输入、并计算从当前位置到该目的地的最佳导引路径的处理。
路径引导处理是引导沿着计算出的导引路径的行驶的处理,是以下处理:依次监视导引路径与本车位置的位置关系,在本车辆快要到达导引路径上的左右转路口等引导地点时,使指示右转、左转等的引导声音从扬声器14输出,并使该引导地点的扩大图显示在图像显示装置12上,由此引导车辆沿着导引路径行驶。
以下,详细说明导引路径计算处理。在本实施方式中,在导引路径计算处理中,首先通过执行拥塞预测处理来预测各路段的拥塞度,将与该拥塞度相应的成本分配至各路段,然后通过使用道路网络数据的迪杰斯特拉法等方法,采用总成本最低的路径作为导引路径。在用于预测各路段的拥塞度的该拥塞预测处理中,使用从通信部15取得的拥塞预测数据。在图2中,表示该拥塞预测数据的结构例。
如该图所示,拥塞预测数据按每个要素(时间、星期几等与时期相关的要素。以下相同)、每个阶层、该阶层所包括的每个节点、以及与该节点对应的全部进入路段(限于该阶层所包括的路段)以及退出路段(限于该阶层所包括的路段)的每个组合,包括由该进入路段的各种拥塞度的结果产生的该退出路段的各种预测拥塞度。另外,拥塞预测数据按每个要素、每个阶层、每个节点、以及与该节点对应的每个进入路段,包括该进入路段的各种拥塞度、以及该拥塞度下的该进入路段的通过时间。
更具体而言,拥塞预测数据具有要素数量的多个要素记录R1,该多个要素记录R1分别与一个要素对应,各要素记录R1具有表示与该要素记录R1对应的要素的要素数据21,还具有阶层数量的多个阶层记录R2,该多个阶层记录R2分别与一个阶层对应。其中,所谓阶层,指的是与上述道路网络数据同等的阶层。因此,拥塞预测数据也是阶层越靠上层则路段以及节点越稀疏的多阶层构造。
另外,各阶层记录R2具有与该阶层记录R2对应的层号的数据22,还具有该阶层记录R2的阶层所包括的节点数量的多个节点记录R3,该多个节点记录R3分别与一个节点(其中,限于道路网络数据中该阶层记录R2的阶层所包括的节点)对应。
另外,各节点记录R3具有与该节点记录R3对应的节点号的数据23,还具有进入该节点记录R3的节点的路段数量的1个或多个进入路段记录R4,该1个或多个进入路段记录R4分别与一个进入路段(其中,限于进入该节点记录R3的节点的路段)对应。
另外,各进入路段记录R4具有与该进入路段记录R4对应的进入路段的路段号的数据24,还具有拥塞度数量的多个拥塞度记录R5,该拥塞度记录R5分别与一个拥塞度对应。拥塞度例如通过拥挤的程度越大则越大的从1到6的数值(具体而言,1:非常空闲,2:空闲;3:轻度拥挤;4:重度拥挤;5:轻度拥塞;6;重度拥塞)来表现。
另外,各拥塞度记录R5具有表示与该拥塞度记录R5对应的拥塞度的数据25、以及在该拥塞度下在包括该拥塞度记录R5的进入路段记录R4的进入路段中行驶所需要的通过时间t的数据26,还具有从包括该拥塞度记录R5的节点记录R3的节点退出的路段数量的1个或多个退出路段记录R6,该1个或多个退出路段记录R6分别与一个退出路段(其中,限于从包括该拥塞度记录R5的节点记录R3的节点退出的路段)对应。
另外,各退出路段记录R6具有与该退出路段记录R6对应的退出路段的路段号的数据27,还具有表示预测拥塞度的数据28,该预测拥塞度被预测为,作为由以下情况产生的结果,在从该进入路段进入该退出路段时在该退出路段中发生,上述情况为:在进入包括该退出路段记录R6的进入路段记录R4的进入路段时的该进入路段的拥塞度是包括该退出路段记录R6的拥塞度记录R5的拥塞度。
进入某个进入路段时的该进入路段的拥塞度与从该进入路段经过节点进入退出路段的时刻的该退出路段的预测拥塞度之间的关系,在通过实地调査等在统计上预先决定之后,制作拥塞预测数据并存储在拥塞预测数据分发服务器中。
在此,说明拥塞预测数据的阶层。拥塞预测数据的阶层与道路网络数据的阶层相同,在多个阶层之中的最下层的阶层的数据中,包括关于全部道路的路段、节点的数据,阶层越靠上层,则该阶层的数据所包括的路段以及节点的数据越稀疏。
例如,道路网络为4阶层,最下层的阶层0包括全部路径检索对象的路段以及节点,阶层1仅包括主要地方道路以上的规格的路段以及它们相交的节点,阶层2仅包括省道以上的规格的路段以及它们相交的节点,阶层3仅包括国道以上的规格的路段以及它们相交的节点,阶层4仅包括高速公路以及它们相交的节点。
另外,某个阶层的各阶层记录R2仅对于该阶层所包括的节点具有节点记录R3,仅对于该阶层所包括的进入路段具有进入路段记录R4,仅对于该阶层所包括的退出路段具有退出路段记录R6。
控制电路17在导引路径计算处理中,如果接受到上述目的地的输入,则首先利用公知的方法决定从当前位置到目的地的检索路径范围以及各种检索条件。接下来,控制电路17经由通信部15从上述交通信息分发装置接收包括当前(即路径检索时的时刻T1)的各路段的拥塞度的信息的交通信息数据。该当前的各路段的拥塞度的信息在拥塞预测时作为初始值采用。
接下来,控制电路17开始执行图3所示的拥塞预测处理,在步骤105中,为了缩短拥塞预测处理整体的运算时间,限定计算拥塞度的路段的对象范围(以下称为拥塞预测范围)。拥塞预测范围的限定方法例如既可以是上述检索路径范围所包括的全部路段,或者也可以不进行拥塞预测,而从总成本最低的路径提取多个(例如6个)从当前位置到目的地的导引路径,并将提取出的路径及其周边的路段作为拥塞预测范围。在该情况下,作为提取出的提取路径的周边的路段,例如也可以扩大由提取出的路径围成的范围以使其面积增大10%,并设为通过该扩大而新包括的范围内的路段。
例如,作为一例,如图4所示,设从出发地(当前位置)Po到目的地Pd之间的路段L2、L3、L5、L6为拥塞预测范围。另外,路段L1由于车辆已经位于其端部Po,采用当前的拥塞度即可,因此不成为预测拥塞度的对象。另外,上述提取路径设为依次按路段L1、L5、L6的顺序前进的路径、以及依次按路段L1、L2、L3、L6的顺序前进的路径。
在本例中,计算出的路段L2、L3、L5、L6设为全部都是仅最下层的阶层所包括的路段,但也可以在路段L1~L6之中有上层的阶层所包括的路段。其中,经由通信部15接收的当前时刻T1下的各路段L1~L6的拥塞度设为路段L1是拥塞度5,而路段L2~L6是拥塞度2。
接下来,在步骤110中,计算拥塞度计算对象的阶层。拥塞度计算对象的阶层也可以使用与事先不考虑拥塞度而进行路径计算时运算的阶层相同的阶层。在本例中,路段L2、L3、L5、L6假设为都是最下层的1阶层数据,因此拥塞度计算对象的阶层也仅为最下层阶层,在拥塞预测数据中使用的阶层记录R3仅为最下层的阶层的阶层记录R3。
但是,在多个阶层数据的情况下,在事先的路径计算运算中,路段L1、L6使用第1阶层、而路段L2、L3、L5使用第2阶层的情况下,在拥塞度计算中,也在第一阶层运算路段L1、L6,而在第2阶层运算路段L2、L3、L5。接下来,在步骤115中,从当前本车辆所在的本车位置节点Po起,开始各路段L1~L6的拥塞度预测。接下来,在步骤120中,在拥塞度计算对象路段(拥塞预测范围内的路段)L2、L3、L5、L6之中,判定是否有未计算拥塞度的路段。
最初,由于有未计算拥塞度的路段,因此判定为“有”而前进至步骤125,决定要计算拥塞度的对象的路段。决定顺序基本上设为与自车辆当前所在的路段L1从近到远的顺序。因此,首先,将从与本车位置节点Po连接的路段L1(第1路段)经过一个节点N1(相当于第1节点的一例)进入的路段L2、L5之中的、路段L2(相当于第2路段的一例)作为对象的路段。
接下来,在步骤130中,推测本车辆到对象路段L2的到达时刻。关于路段L1,由于本车辆已经到达其端部Po,因此推测的时刻是在当前时刻T1(相当于第1时刻的一例)上加上路段L1的通过时间T2而得到的时刻T1+T2(相当于第2时刻的一例)。
在此,通过时间T2利用拥塞预测数据来决定。具体而言,通过将适于当前时刻T1的要素、对应于当前车辆所在的路段L1的阶层(最下层的阶层)、与当前车辆所在的路段L1相应的进入路段、从该路段L1进入的节点N1、当前的该路段L1的拥塞度(在本例中为5)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,由此决定一个与该拥塞度记录R5对应的通过时间t。因此,该通过时间t作为通过时间T2采用。
接下来,在步骤135中,判定在从对象路段L2的起点的节点N1进入对象路段L2的外部路段之中,是否有未计算拥塞度的路段。在此,所谓外部路段,指的是未进入拥塞预测范围的路段。在本例中,不存在进入对象路段L2的外部路段,因此判定为“没有”而前进至步骤145。
在步骤145中,计算对象路段L2的预测拥塞度。具体而言,通过将适于时刻T1的要素、最下层的阶层、与路段L1相应的进入路段、以及路段L1的时刻T1下的实际的拥塞度(在本例中为5)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,还决定该拥塞度记录R5所包括的路段L2的一个退出路段记录R6,由此决定一个与该退出路段记录R6对应的预测拥塞度。
在图5中,表示从拥塞预测数据中提取时刻T1、下层、节点N1下的进入区段L1的各种拥塞度与作为该拥塞度的结果产生的退出路段L2、L5的拥塞度之间的对应关系的表。
如该表所示,在时刻T1时进入路段L1的拥塞度为5的情况下,作为其结果产生的退出路段L2的预测拥塞度为6。因此,时刻T1+T2时的路段L2的预测拥塞度决定为6。
像这样,如果决定了时刻T1+T2时的路段L2的预测拥塞度,则处理回到步骤120,再次判定在拥塞预测范围的路段L2、L3、L5、L6中是否有未计算拥塞度的路段,并在步骤125中将路段L5作为对象路段。
然后,在步骤130中,推测本车辆到对象路段L5的到达时刻。该到达时刻与连接于相同节点N1的路段L2相同,是在当前时刻T1(相当于第1时刻的一例)上加上路段L1的通过时间T2而得到的时刻T1+T2(相当于第2时刻的一例)。
接下来,在步骤135中,判定为在从对象路段L5的起点的节点N1进入对象路段L5的外部路段之中没有未计算拥塞度的路段,并前进至步骤145,在步骤145中,计算对象路段L5的预测拥塞度。具体而言,通过将适于时刻T1的要素、最下层的阶层、相当于路段L1的进入路段、以及路段L1的时刻T1时的实际的拥塞度(在本例中为5)适用于拥塞预测数据,如图5所示,决定一个预测拥塞度。具体而言,如图5所示,在时刻T1时进入路段L1的拥塞度为5的情况下,作为其结果而产生的退出路段L5的预测拥塞度为2。因此,时刻T1+T2时的路段L5的预测拥塞度决定为2。
像这样,如果决定了时刻T1+T2时的路段L5的预测拥塞度,则处理回到步骤120,再次判定在拥塞预测范围的路段L2、L3、L5、L6中是否有未计算拥塞度的路段,并在步骤125中将路段L3设为对象路段。
然后,处理回到步骤120,再次判定在拥塞预测范围的路段L2、L3、L5、L6中是否有未计算拥塞度的路段,并在步骤125中将路段L3设为对象路段。
然后,在步骤130中,推测本车辆到对象路段L3的到达时刻。该到达时刻是在到路段L2的到达时刻T1+T2(相当于第2时刻的一例)上加上路段L2的通过时间T3而得到的时刻T1+T2+T3(相当于第3时刻的一例)。
在此,通过时间T3利用拥塞预测数据来决定。具体而言,通过将适于经过节点N2进入路段L3的路段L2的到达时刻T1+T2的要素、与该路段L2对应的阶层(最下层的阶层)、与路段L2相应的进入路段、从该路段L2进入的节点N2、当前的该路段L2的拥塞度(在本例中为6)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,由此决定一个与该拥塞度记录R5相应的通过时间t。因此,该通过时间t作为通过时间T3采用。
接下来,在步骤135中,判定在从对象路段L3的起点的节点N2进入对象路段L3的外部路段之中,是否有未计算拥塞度的路段。在此,路段L4(相当于第4路段的一例)相当于该外部路段,因此判定为“有”而前进至步骤140。
在步骤140中,提取外部路段之中的一个(在此为路段L4),并计算提取出的路段L4的拥塞度。在此,为了计算紧前的步骤130中计算出的时刻T1+T2+T3时的路段L3的拥塞度,而希望计算路段L4的拥塞度,因此计算从时刻T1+T2+T3回溯路段L4的通过时间T4量而得到的时刻T1+T2+T3-T4(相当于第4时刻的一例)时的路段L4的拥塞度。
在此,使用的通过时间T4采用与适于时刻T1+T2+T3的要素、最下层的阶层、节点N2、进入路段L4以及从通信部15接收的当前时刻T1时的路段L4的拥塞度“2”相应的拥塞度的记录中的通过时间。
另外,设时刻T1+T2+T3-T4时的路段L4的拥塞度与从通信部15接收的当前时刻T1时的路段L4的拥塞度“2”相同。这样做的理由是:路段L4是预测范围外的路段,因此无法推测流入交通。假如路段L4也在预测范围内,而在路段L4的节点N2的相反侧端与预测范围的其他路段相接,则也基于与该其他路段相同阶层的路段的时刻T1的拥塞度并利用预测数据来运算该其他路段以及路段L4的预测拥塞度。
在步骤140之后,处理再次回到步骤135,判定为在从对象路段L3的起点的节点N2进入对象路段L3的外部路段之中没有未计算拥塞度的路段,并前进至步骤145。
在步骤145中,计算对象路段L3的预测拥塞度。其中,对象路段L3经由节点N2,既从路段L2进入,也从上述外部路段L4进入。因此,在此,计算作为路段L2的拥塞度的结果产生的对象路段L3的预测拥塞度类似作为第1预测拥塞度,并计算作为路段L4的拥塞度的结果产生的对象路段L3的预测拥塞度来作为第2预测拥塞度。
第1预测拥塞度的计算处理如下。通过将适于时刻T1+T2的要素、最下层的阶层、与路段L2相应的进入路段、以及路段L2的时刻T1+T2时的预测拥塞度(在本例中为6)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,还决定拥塞度记录R5所包括的路段L3的一个退出路段记录R6,由此决定一个与该退出路段记录R6对应的预测拥塞度。
在图6中,表示从拥塞预测数据提取时刻T1+T2、下层、节点N2下的进入路段L2的各种拥塞度与作为该拥塞度的结果产生的退出路段L3的拥塞度之间的对应关系的表。如该表所示,在时刻T1+T2时进入路段L2的拥塞度为6的情况下,作为其结果产生的退出路段L3的时刻T1+T2+T3时的第1预测拥塞度为2。
第2预测拥塞度的计算处理如下所述。通过将适于时刻T1+T2+T3-T4的要素、最下层的阶层、与路段L4相应的进入路段、以及路段L4的时刻T1+T2+T3-T4时的拥塞度(在本例中为2)应用于拥塞预测数据,决定一个与这些条件相应的拥塞度记录R5,还决定该拥塞度记录R5所包括的路段L3的一个退出路段记录R6,由此决定一个与该退出路段记录R6对应的预测拥塞度。
在图7中,表示从拥塞预测数据提取时刻T1+T2+T3-T4、下层、节点N2下的进入路段L4的各种拥塞度与作为该拥塞度的结果产生的退出路段L3的拥塞度之间的对应关系的表。如该表所示,在时刻T1+T2+T3-T4时进入路段L4的拥塞度为2的情况下,作为其结果产生的退出路段L3的时刻T1+T2+T3时的第2预测拥塞度为3。
在此,第1预测拥塞度为2,第2预测拥塞度为3,两者不同,但该第1、第2预测拥塞度并不像交通量那样相加。这是因为:作为进入路段L2的结果产生的退出路段L3的拥塞度预测数据基于统计,因此也反映了从路段L4向路段L3进入的车辆。通过将第1、第2预测拥塞度之中的拥挤度较高(即值较大)的一方(拥塞度3)作为时刻T1+T2+T3的路段L3的预测拥塞度来采用,能够得到准确的结果。
在步骤145中,接下来处理返回步骤120,再次判定为在拥塞预测范围的路段L2、L3、L5、L6中有未计算拥塞度的路段,在步骤125中将路段L6作为对象路段。
然后,在步骤130中,推测本车辆到对象路段L6的到达时刻(进入时刻)。其中,对象路段L5的起点的节点N3与路段L3、L5这两个拥塞预测范围内的路段连接,因此计算从路段L3进入路段L6的时刻(即进入时刻)以及从路段L5进入路段L6的时刻(进入时刻)这两个时刻。
从路段L3向路段L6的进入时刻是在从路段L2进入路段L3的时刻T1+T2+T3上加上路段L3的通过时间T5而得到的时刻T1+T2+T3+T5。另外,从路段L5向路段L6的进入时刻是在从路段L1进入路段L5的时刻T1+T2上加上路段L3的通过时间T6而得到的时刻T1+T2+T6。
在此,通过时间T5、T6利用拥塞预测数据来决定。具体而言,关于路段L3的通过时间T5,通过将适于时刻T1+T2+T3的要素、最下层的阶层、与路段L3相应的进入路段、从该路段L3进入的节点N3、当前的该路段L3的拥塞度(在本例中为3)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,由此决定一个与该拥塞度记录R5对应的通过时间t。因此,将该通过时间t作为通过时间T5采用。另外,关于路段L5的通过时间T6,通过将适于时刻T1+T2的要素、最下层的阶层、与路段L5相应的进入路段、从该路段L5进入的节点N3、当前的该路段L5的拥塞度(在本例中为2)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,由此决定一个与该拥塞度记录R5对应的通过时间t。因此,将该通过时间t作为通过时间T6来采用。
在该情况下,时刻T1+T2+T3+T5与时刻T1+T2+T6有时一致,有时不一致。在一致的情况下,将该一致的时刻作为向对象路段L6的进入时刻即可,但在不一致的情况下,采用上述两个时刻T1+T2+T3+T5和时刻T1+T2+T6之中的较早的时刻。这样做是因为:进入对象路段L6的时间较早的路径被选作路径引导用的最佳路径的可能性较高。在此,设时刻T1+T2+T6较早。因此,时刻T1+T2+T6成为向对象路段L6的进入时刻。
接下来,处理前进至步骤135,没有从对象路段L6的起点的节点N3进入对象路段L6的外部路段,因此判定为没有未计算拥塞度的外部路段并前进至步骤145。
在步骤145中,计算对象路段L6(相当于第6路段的一例)的预测拥塞度。其中,对象路段L6经由节点N3,既从路段L5(相当于第5路段的一例)进入,也从路段L3(相当于第7路段的一例)进入。因此,在此,计算作为路段L5的拥塞度的结果而产生的对象路段L6的预测拥塞度来作为第1预测拥塞度,并计算作为路段L3的拥塞度的结果而产生的对象路段L6的预测拥塞度来作为第2预测拥塞度。
第1预测拥塞度的计算处理如下。通过将适于时刻T1+T2的要素、最下层的阶层、与路段L5相应的进入路段、以及路段L5的时刻T1+T2时的预测拥塞度(在本例中计算为2)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,还决定该拥塞度记录R5所包括的路段L3的一个退出路段记录R6,由此决定一个与该退出路段记录R6对应的预测拥塞度。
在图8中,表示从拥塞预测数据提取时刻T1+T2、下层、节点N3下的进入路段L5的各种拥塞度与作为该拥塞度的结果而产生的退出路段L6的拥塞度之间的对应关系的表。如该表所示,在时刻T1+T2时进入路段L5的拥塞度为2的情况下,作为该结果产生的退出路段L6的时刻T1+T2+T6时的第1预测拥塞度为2。
第2预测拥塞度的计算处理如下。通过将适于时刻T1+T2+T3的要素、最下层的阶层、与路段L3相应的进入路段、以及路段L3的时刻T1+T2+T3时的预测拥塞度(在本例中计算为3)应用于拥塞预测数据,来决定一个与这些条件相应的拥塞度记录R5,还决定该拥塞度记录R5所包括的路段L3的一个退出路段记录R6,由此决定一个与该退出路段记录R6对应的预测拥塞度。
在图9中,表示从拥塞预测数据提取时刻T1+T2+T3、下层、节点N3下的进入路段L3的各种拥塞度与作为该拥塞度的结果产生的退出路段L6的拥塞度之间的对应关系的表。如该表所示,在时刻T1+T2+T3时进入路段L3的拥塞度为3的情况下,作为其结果产生的退出路段L6的时刻T1+T2+T3+T5时的第2预测拥塞度为3。
在此,第1预测拥塞度为2,而第2预测拥塞度为3,两者不同,但如路段L3的预测拥塞中所说明的那样,第1、第2预测拥塞度并不像交通量那样相加,而通过将第1、第2预测拥塞度之中的拥挤度较高(即值较大)的一方(拥塞度3)作为时刻T1+T2+T6(步骤130中推测的时刻)的路段L3的预测拥塞度来采用,能够得到准确的结果。
在步骤145中,接下来,处理返回步骤120,再次判定为在拥塞预测范围的路段L2、L3、L5、L6中没有未计算拥塞度的路段,结束图3的处理。
通过如此的处理,对于拥塞预测范围内的全部路段L2、L3、L5、L6,计算预测拥塞度。基于该预测拥塞度和路段L1的当前的拥塞度,计算与各路段的拥塞度相应的成本。然后,利用该成本,(例如利用迪杰斯特拉法)计算从出发地Po到目的地Pd的总成本最低的最佳路径。然后,例如如图10所示,虽然在当前时刻路段L2的拥塞度较低,但在车辆进入路段L2时如上计算那样拥塞度变高的可能性较高的情况下,避开通过路段L2的路径,而计算依次通过路段L1、L5、L6的最佳路径作为导引路径,进行该导引路径的路径引导。由此,能够事先避免路段L2中的拥挤。
如上所述,在本实施方式中,在计算各路段的预测拥塞度时,使用拥塞预测数据,该拥塞预测数据按每个要素、每个阶层、每个节点、以及与该节点相对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度。
拥塞预测数据具有每个要素的信息的效果如下。即使是相同的进入退出的组合,也根据要素(星期几、时间)等而交通的流量不同,因此能够应对进入路段的拥塞度与退出路段的拥塞度的关系变化的情况。
另外,该拥塞预测数据与道路网络数据的阶层相对应地阶层化来具有数据,利用包括进入路段以及退出路段双方的阶层之中的最高层的数据,在步骤145中计算该退出路段的预测拥塞度。由此,例如在利用高速公路的长距离行驶的情况下,预测拥塞度使用仅表现高速公路网络的交通的流量的拥塞预测数据,误差的累积变小,运算时间也变短。
进而,该拥塞预测数据表现交通的流量,但不是通过交通量的推移来表现,而通过拥塞度的推移来表现。交通量与拥塞程度不一致,即使交通量相同,由于坡度或红绿灯等外部要素,有时拥塞而有时不拥塞。例如,如图12所示,即使每单位时间的交通量一定,在某个阈值以上的交通量的情况下,由于上坡或红绿灯等条件,而产生拥塞的部分和不拥塞的部分。因此,为了利用通过交通量而正确进行拥塞预测,需要适当地利用外部参数来运算坡度和红绿灯等信息,推测值的准确度低,计算量也非常大。但是,在本实施方式中,通过使用拥塞度的推移的拥塞预测数据,能够简洁地表现上述现象,不使计算时间增加,且能够进行正确的拥塞预测。
具体而言,从外部取得路段L1(第1路段)的时刻T1(第1时刻)的实际的拥塞度,将适于时刻T1的要素、下层阶层、与路段L1相应的进入路段(即进入路段L1本身)以及取得的路段L1的时刻T1的实际的拥塞度应用于拥塞预测数据。
如此,根据如上所述的拥塞预测数据的构造,能够确定可从进入路段L1经过节点N1(第1节点)进入的退出路段L2,进而能够确定作为进入路段L1的各种拥塞度的结果产生的退出路段L2的各种预测拥塞度,进而,能够取得作为路段L1的时刻T1的实际的拥塞度的结果产生的时刻T1+T2(第2时刻)的路段L2的预测拥塞度。
这样的方法从外部取得路段L1的时刻T1的时刻的实际的拥塞度,并基于取得的拥塞度计算路段L2的预测拥塞,在这一点上,能够反映当前正发生的暂时性的、突发性的交通状况。而且,并不是利用以往的交通量的模拟,而是利用拥塞预测数据中的路段L1的拥塞度与路段L2的拥塞度的因果关系,不经过交通量的计算,而直接计算路段L2的拥塞度。因此,能够使交通量以外的影响也容易地反映到拥塞度中。
另外,路段L2(第2路段)和路段L4(第4路段)经过相同节点N2(第2节点)与路段L3(第3路段)连接,在计算路段L3的预测拥塞度时,在作为路段L2的拥塞度的结果产生的路段L3的第1预测拥塞度与作为路段L4的拥塞度的结果产生的路段L3的第2预测拥塞度不同的情况下,并不是将它们相加,而是采用拥塞度较高的一方。这是因为:作为第2路段的拥塞度的结果产生的第3路段的拥塞度预测数据,被制作为也反映了从其他路段向第3路段的流入等的影响的数据;作为第4路段的拥塞度的结果产生的第3路段的拥塞度预测数据,被制作为也反映了从其他路段向第3路段的流入等的影响的数据。
另外,同样地,路段L5(第5路段)和路段L3(第7路段)经过相同的节点N3(第3节点)与路段L6(第6路段)连接,在计算路段L6的预测拥塞度时,在作为路段L5的拥塞度的结果产生的路段L6的第1预测拥塞度与作为路段L3的拥塞度的结果产生的路段L6的第2预测拥塞度不同的情况下,并不是将它们相加,而是采用拥塞度较高的一方。
进而,在基于路段L5的通过时间计算出的向路段L6的第1进入时刻(第3时刻)与基于路段L3的通过时间计算出的向路段L6的第2进入时刻(第4时刻)不同的情况下,将第1、第2进入时刻之中的较早的进入时刻TX设为向路段L6的进入时刻。
像这样,在部分变更图4,在路段L6的终点的节点N4(未图示,相当于第4节点的一例)上还连接有拥塞预测范围内的路段L8(未图示,相当于第8路段的一例)的路段,而该路段的终点为目的地Pd的情况下,通过将适于上述进入时刻TX的要素、下层阶层、节点N4、与路段L6相应的进入路段、以及路段L6的该进入时刻TX的预测拥塞度(如上计算为3)应用于拥塞预测数据,能够取得从路段L6经过节点N4进入对象范围中的路段L8的时刻5时的路段L8的预测拥塞度。像这样,能够使向路段的进入时刻统一,来进行节点的预测拥塞度的计算。
其中,在上述实施方式中,控制电路17作为预测单元的一例发挥作用,另外,控制电路17通过执行步骤105来作为范围限定单元的一例发挥作用,另外,通过执行步骤120~145来作为预测拥塞度取得单元的一例来发挥作用。
(其他实施方式)
以上,说明了本发明的实施方式,但本发明的范围不仅限于上述实施方式,还包括能够实现本发明的各公开特定事项的功能的各种方式。例如,还允许如下方式。
例如,在上述实施方式中,各进入路段的通过时间使用在拥塞预测数据中按每个拥塞度记录的时间,但也可以不一定如此。例如,每个拥塞度的进入路段的通过时间也可以根据该拥塞度和该进入路段的路段长度以及路段的规格来推测。
另外,在步骤145中,在计算路段L6的预测拥塞时,作为第2预测拥塞度,使用适于时刻T1+T2+T3的要素的要素记录R1所包括的数据,但由于在紧前的步骤130中,将向路段L6的进入时刻计算为T1+T2+T6,因此为了从路段L3在时刻T1+T2+T6进入路段L6,也可以计算适于时刻T1+T2+T6-T7的要素的要素记录R1所包括的数据来计算第2拥塞度。在此,时间T7是路段L3的通过时间。
在此,所使用的通过时间T7采用适于时刻T1+T2+T6的要素、最下层的阶层、节点N3、进入路段L3以及路段L3的被推测的拥塞度的记录中的通过时间。
另外,在上述实施方式中,拥塞预测数据如果针对一个进入路段决定了拥塞度,则决定相对应的退出路段的预测拥塞度,但也不一定必须如此。例如,数据量、计算量虽然增加,但拥塞预测数据也可以针对多个进入路段的拥塞度的组合,决定退出路段的一个拥塞预测数据。
另外,在上述实施方式中,拥塞预测数据针对道路上的全部节点中的各个节点,关于与该节点连接的进入路段以及退出路段的全部组合,包括该进入路段的各种拥塞度与该退出路段的各种预测拥塞度之间的对应关系,但为了进一步减少数据量,也可以将多个节点分组,设定代表各组的代表节点,仅针对这些各组的代表节点,关于与该节点连接的进入路段(即限于在另一端与其他代表节点连接的代表进入路段)以及退出路段(其中,限于在另一端与其他代表节点连接的代表退出路段)的全部组合,包括该进入路段的各种拥塞度与该退出路段的各种预测拥塞度之间的对应关系。在该情况下,预测拥塞度的计算仅针对代表退出路段进行即可。
另外,在上述实施方式中,控制电路17通过执行程序来实现的各功能也可以使用具有该功能的硬件(例如能够对电路结构进行编程的FPGA)来实现。
上述拥塞预测装置具备:
取得单元(15),用于取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度;以及预测单元(17),基于所述取得单元(15)所取得的所述拥塞预测数据,预测多个路段的拥塞度;
所述预测单元(17)具有:范围限定单元(105),限定对拥塞度进行预测的路段的对象范围即拥塞预测范围;以及预测拥塞度取得单元(120~145);从外部取得第1路段的第1时刻的实际的拥塞度,将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度。
像这样,作为拥塞预测数据,使用按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合而包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度的拥塞预测数据,能够达到上述目的。
具体而言,从外部取得第1路段的第1时刻的实际的拥塞度,将适于第1时刻的要素、与第1路段相应的进入路段、以及所取得的第1路段的第1时刻的实际的拥塞度应用于拥塞预测数据。
像这样,根据如上所述的拥塞预测数据的构造,能够确定可从第1路段(进入路段)经过第1节点进入的第2路段(退出路段),进而,能够确定作为该第1路段的各种拥塞度的结果而产生的该第2路段的各种预测拥塞度,进而,能够取得作为第1路段的第1时刻的实际的拥塞度的结果而产生的第2时刻的第2路段的预测拥塞度。
如此的方法从外部取得第1路段的第1时刻的实际的拥塞度,并基于取得的拥塞度来计算第2路段的预测拥塞,在这一点上,能够反映当前正发生的暂时性的、突发性的交通状况。而且,并不使用以往那样的交通量的模拟,而使用拥塞预测数据中的第1路段的拥塞度与第2路段的拥塞度的因果关系,不经过交通量的计算,而直接计算第2路段的拥塞度。因此,能够使交通量以外的影响也容易地反映到拥塞度中。
如此,如图13(a)所示,在计算出由粗线所示的路径并行驶的情况下,如图13(b)所示在该路径上遭遇拥塞等事态发生的可能性变低。
另外,在上述拥塞预测装置中,也可以是:所述预测拥塞度取得单元(120~145)还通过将适于所述第2时刻的要素、与所述第2路段相应的进入路段、以及所取得的所述第2路段的所述第2时刻时的预测拥塞度应用于所述拥塞预测数据,来取得从所述第2路段经过第2节点进入所述拥塞预测范围中的第3路段的第3时刻时的所述第3路段的第1预测拥塞度,另外在所述第2节点与第4路段连接时,通过将适于从所述第3时刻回溯所述第4路段的通过时间量而得到的第4时刻的要素、于所述第4路段相应的进入路段、以及所述第4路段的规定的拥塞度应用于所述拥塞预测数据,来取得从所述第4路段经过所述第2节点进入所述第3路段的所述第3时刻时的所述第3路段的第2预测拥塞度,将所述第3路段的所述第1预测拥塞度和所述第3路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第3路段的预测拥塞度。
如此,在第2路段和第4路段经过相同的第2节点与第3路段连接的情况下,在作为第2路段的拥塞度的结果产生的第3路段的拥塞度与作为第4路段的拥塞度的结果产生的第3路段的拥塞度不同时,并不像交通流那样相加,而采用拥塞度较高的一方。这是因为:作为第2路段的拥塞度的结果而产生的第3路段的拥塞度预测数据,被制作为也反映了从其他路段向第3路段的流入等的影响的数据;作为第4路段的拥塞度的结果而产生的第3路段的拥塞度预测数据,被制作为也反映了从其他路段向第3路段的流入等的影响的数据。
另外,在上述拥塞预测装置中,也可以是:所述预测拥塞度取得单元(120~145)还通过将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,来取得从所述第1路段经过所述第1节点进入所述拥塞预测范围中的第5路段的所述第2时刻时的所述第5路段的预测拥塞度,另外通过将适于所述第2时刻的要素、与所述第5路段相应的进入路段、以及所取得的所述第5路段的所述第2时刻时的预测拥塞度应用于所述拥塞预测数据,来取得从所述第5路段经过第3节点进入所述拥塞预测范围中的第6路段的第3时刻时的所述第6路段的第1预测拥塞度,另外在所述第3节点与所述拥塞预测范围中的第7路段连接时,通过将适于与所述第3时刻不同的第4时刻的要素、与所述第7路段相应的进入路段、以及所述第4时刻时的所述第7路段的拥塞度应用于所述拥塞预测数据,来取得从所述第7路段经过所述第3节点进入所述第6路段的所述第5时刻时的所述第6路段的第2预测拥塞度,将所述第6路段的所述第1预测拥塞度和所述第6路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第6路段的预测拥塞度。
如此,在第5路段和第7路段经过相同的第3节点与第6路段连接的情况下,在作为第5路段的拥塞度的结果而产生的第6路段的拥塞度与作为第7路段的拥塞度的结果而产生的第6路段的拥塞度不同时,并不像交通流那样相加,而采用拥塞度较高的一方。这是因为:作为第5路段的拥塞度的结果而产生的第7路段的拥塞度预测数据,被制作为也反映了从其他路段向第6路段的流入等的影响的数据;作为第7路段的拥塞度的结果而产生的第6路段的拥塞度预测数据,被制作为也反映了从其他路段向第6路段的流入等的影响的数据。
另外,在上述拥塞预测装置中,也可以是:所述预测拥塞度取得单元(120~145)还将所述第6路段的所述第1预测拥塞度和所述第6路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第6路段的预测拥塞度,并且将所述第3时刻以及所述第4时刻之中的较早的一方作为向所述第6路段的进入时刻,另外,通过将适于向所述第6路段的进入时刻的要素、与所述第6路段相应的进入路段、以及所取得的所述第6路段的该进入时刻的预测拥塞度应用于所述拥塞预测数据,来取得从所述第6路段经过第4节点进入所述拥塞预测范围中的第8路段的时刻时的所述第8路段的预测拥塞度。
如此,能够使向路段的进入时刻统一,来进行节点的预测拥塞度的计算。
另外,在上述拥塞预测装置中,也可以是:所述取得单元(15)所取得的拥塞预测数据为阶层越靠上层则路段以及节点越稀疏的多阶层构造,按每个要素、每个阶层、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度,所述预测拥塞度取得单元(120~145)通过将适于所述第1时刻的要素、包括所述第1路段以及所述第2路段双方的阶层之中的最高阶层、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,来取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度。
像这样,通过分阶层使用拥塞预测数据,能够减轻预测拥塞度的计算的处理负荷。
另外,上述拥塞预测装置中使用的拥塞预测数据也可以是:按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度。像这样,本发明的特征也能够作为拥塞预测数据的构造实现。
另外,上述括号内的符号不对上述实施方式所记载的该用语进行限定。
在上述实施例中,计算和决定等运算通过控制电路17来进行,但不限于此。除了上述例子的控制电路17之外,本发明的控制功能能够采取多种形态。
Claims (5)
1.一种拥塞预测装置,具备,
取得单元(15),用于取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度;以及
预测单元(17),基于所述取得单元(15)所取得的所述拥塞预测数据,预测多个路段的拥塞度;
所述预测单元(17)具有:
范围限定单元(105),限定对拥塞度进行预测的路段的对象范围即拥塞预测范围;以及
预测拥塞度取得单元(120~145),从外部取得第1路段的第1时刻的实际的拥塞度,将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度,
所述预测拥塞度取得单元(120~145)还通过将适于所述第2时刻的要素、与所述第2路段相应的进入路段、以及所取得的所述第2路段的所述第2时刻时的预测拥塞度应用于所述拥塞预测数据,来取得从所述第2路段经过第2节点进入所述拥塞预测范围中的第3路段的第3时刻时的所述第3路段的第1预测拥塞度,
另外在所述第2节点与第4路段连接时,通过将适于从所述第3时刻回溯所述第4路段的通过时间量而得到的第4时刻的要素、与所述第4路段相应的进入路段、以及所述第4路段的规定的拥塞度应用于所述拥塞预测数据,来取得从所述第4路段经过所述第2节点进入所述第3路段的所述第3时刻时的所述第3路段的第2预测拥塞度,
将所述第3路段的所述第1预测拥塞度和所述第3路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第3路段的预测拥塞度。
2.一种拥塞预测装置,具备,
取得单元(15),用于取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度;以及
预测单元(17),基于所述取得单元(15)所取得的所述拥塞预测数据,预测多个路段的拥塞度;
所述预测单元(17)具有:
范围限定单元(105),限定对拥塞度进行预测的路段的对象范围即拥塞预测范围;以及
预测拥塞度取得单元(120~145),从外部取得第1路段的第1时刻的实际的拥塞度,将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度,
所述预测拥塞度取得单元(120~145)还通过将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,来取得从所述第1路段经过所述第1节点进入所述拥塞预测范围中的第5路段的所述第2时刻时的所述第5路段的预测拥塞度,
另外,通过将适于所述第2时刻的要素、与所述第5路段相应的进入路段、以及所取得的所述第5路段的所述第2时刻时的预测拥塞度应用于所述拥塞预测数据,来取得从第5路段经过第3节点进入所述拥塞预测范围中的第6路段的第3时刻时的所述第6路段的第1预测拥塞度,
另外,在所述第3节点与所述拥塞预测范围中的第7路段连接时,通过将适于与所述第3时刻不同的第4时刻的要素、与所述第7路段相应的进入路段、以及所述第4时刻时的所述第7路段的拥塞度应用于所述拥塞预测数据,来取得从所述第7路段经过所述第3节点进入所述第6路段的第5时刻时的所述第6路段的第2预测拥塞度,
将所述第6路段的所述第1预测拥塞度和所述第6路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第6路段的预测拥塞度。
3.如权利要求2所记载的拥塞预测装置,其中,
所述预测拥塞度取得单元(120~145)还将所述第6路段的所述第1预测拥塞度和所述第6路段的所述第2预测拥塞度之中的拥塞度较高的一方作为所述第6路段的预测拥塞度,并且将所述第3时刻以及所述第4时刻之中的较早的一方作为向所述第6路段的进入时刻,
另外,通过将适于向所述第6路段的进入时刻的要素、与所述第6路段相应的进入路段、以及所取得的所述第6路段的该进入时刻的预测拥塞度应用于所述拥塞预测数据,来取得从所述第6路段经过第4节点进入所述拥塞预测范围中的第8路段的时刻时的所述第8路段的预测拥塞度。
4.一种拥塞预测装置,具备,
取得单元(15),用于取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度;以及
预测单元(17),基于所述取得单元(15)所取得的所述拥塞预测数据,预测多个路段的拥塞度;
所述预测单元(17)具有:
范围限定单元(105),限定对拥塞度进行预测的路段的对象范围即拥塞预测范围;以及
预测拥塞度取得单元(120~145),从外部取得第1路段的第1时刻的实际的拥塞度,将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度,
所述取得单元(15)所取得的拥塞预测数据为阶层越靠上层则路段以及节点越稀疏的多阶层构造,按每个要素、每个阶层、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的退出路段的各种预测拥塞度,
所述预测拥塞度取得单元(120~145)通过将适于所述第1时刻的要素、包括所述第1路段以及所述第2路段双方的阶层之中的最高阶层、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,来取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度。
5.一种拥塞预测方法,包括以下步骤:
取得拥塞预测数据,该拥塞预测数据按每个要素、每个节点、以及与该节点对应的全部进入路段以及退出路段的每个组合,包括作为该进入路段的各种拥塞度的结果而产生的该退出路段的各种预测拥塞度;
基于所取得的所述拥塞预测数据,预测多个路段的拥塞度;
限定对拥塞度进行预测的路段的对象范围即拥塞预测范围;以及
从外部取得第1路段的第1时刻的实际的拥塞度,将适于所述第1时刻的要素、与所述第1路段相应的进入路段、以及所取得的所述第1路段的所述第1时刻的实际的拥塞度应用于所述拥塞预测数据,由此取得从所述第1路段经过第1节点进入所述拥塞预测范围中的第2路段的第2时刻时的所述第2路段的预测拥塞度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP139438/2011 | 2011-06-23 | ||
JP2011139438A JP5768526B2 (ja) | 2011-06-23 | 2011-06-23 | 渋滞予測装置および渋滞予測データ |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842218A CN102842218A (zh) | 2012-12-26 |
CN102842218B true CN102842218B (zh) | 2014-09-17 |
Family
ID=47369520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210212123.2A Expired - Fee Related CN102842218B (zh) | 2011-06-23 | 2012-06-21 | 拥塞预测装置、拥塞预测数据及拥塞预测方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5768526B2 (zh) |
CN (1) | CN102842218B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300309A (zh) * | 2018-10-29 | 2019-02-01 | 讯飞智元信息科技有限公司 | 路况预测方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016173236A (ja) * | 2015-03-16 | 2016-09-29 | クラリオン株式会社 | 経路探索装置 |
JP7471184B2 (ja) | 2020-09-23 | 2024-04-19 | 株式会社日本総合研究所 | プログラム、情報処理方法および情報処理装置 |
CN114926981B (zh) * | 2022-05-07 | 2023-04-11 | 同济大学 | 一种路网交通拥堵主动管控方法及*** |
CN117974407B (zh) * | 2024-04-02 | 2024-06-18 | 北京邮电大学 | 基于动态图聚类元学习的园区交通拥堵预测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892722A (zh) * | 2005-06-29 | 2007-01-10 | 日产自动车株式会社 | 交通阻塞预测装置和方法 |
CN1967622A (zh) * | 2005-11-14 | 2007-05-23 | 上海经达实业发展有限公司 | 城市道路交通流预测及交通信息诱导*** |
CN101540099A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 道路交通状态判断方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3355887B2 (ja) * | 1995-09-08 | 2002-12-09 | 住友電気工業株式会社 | 旅行時間予測方法および旅行時間予測装置 |
JP3792172B2 (ja) * | 2002-04-09 | 2006-07-05 | 住友電気工業株式会社 | 旅行時間予測方法、装置及びプログラム |
JP4052262B2 (ja) * | 2004-03-02 | 2008-02-27 | 住友電気工業株式会社 | 旅行時間予測方法、装置及びプログラム |
US7813870B2 (en) * | 2006-03-03 | 2010-10-12 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
US20080033630A1 (en) * | 2006-07-26 | 2008-02-07 | Eun-Mi Lee | System and method of predicting traffic speed based on speed of neighboring link |
JP4228011B2 (ja) * | 2006-10-03 | 2009-02-25 | トヨタ自動車株式会社 | ナビゲーション装置 |
-
2011
- 2011-06-23 JP JP2011139438A patent/JP5768526B2/ja not_active Expired - Fee Related
-
2012
- 2012-06-21 CN CN201210212123.2A patent/CN102842218B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892722A (zh) * | 2005-06-29 | 2007-01-10 | 日产自动车株式会社 | 交通阻塞预测装置和方法 |
CN1967622A (zh) * | 2005-11-14 | 2007-05-23 | 上海经达实业发展有限公司 | 城市道路交通流预测及交通信息诱导*** |
CN101540099A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 道路交通状态判断方法及*** |
Non-Patent Citations (2)
Title |
---|
JP特开2007-11558A 2007.01.18 |
JP特表2009-529186A 2009.08.13 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300309A (zh) * | 2018-10-29 | 2019-02-01 | 讯飞智元信息科技有限公司 | 路况预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102842218A (zh) | 2012-12-26 |
JP5768526B2 (ja) | 2015-08-26 |
JP2013008135A (ja) | 2013-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842218B (zh) | 拥塞预测装置、拥塞预测数据及拥塞预测方法 | |
CN110570660A (zh) | 一种实时在线交通仿真***及方法 | |
CN105210119B (zh) | 通过计算装置提供的位置数据点确定通行费的数额 | |
US8306734B2 (en) | Navigation system with parking space locator mechanism and method of operation thereof | |
CN105387864B (zh) | 路径规划装置及方法 | |
CN101275836B (zh) | 交通信息*** | |
US8738289B2 (en) | Advanced routing of vehicle fleets | |
WO2015134542A1 (en) | Estimating transit queue volume using probe ratios | |
CN106969777A (zh) | 路径预测装置以及路径预测方法 | |
CN103308053A (zh) | 充电点可达性确定*** | |
CN103309917A (zh) | 路径搜索方法和路径搜索装置 | |
CN103646561A (zh) | 基于道路异常区域评估的路径选择方法及*** | |
JP6235266B2 (ja) | 交通システム | |
JP2023535828A (ja) | 経路決定方法、装置、機器及び媒体 | |
KR20130005035A (ko) | 클라우드 컴퓨팅 방식의 네비게이션 시스템 및 그 운용방법 | |
CN106233094A (zh) | 路线生成装置和路线生成方法 | |
CN115358551B (zh) | 一种高速公路引流分析方法、装置、存储介质及终端 | |
CN103256934A (zh) | 道路信息提供设备 | |
JP2010271205A (ja) | 経路検証システムにおける経路検証方法 | |
JP7021736B2 (ja) | 渋滞度判定装置、渋滞度判定方法、及びコンピュータプログラム | |
JP7124704B2 (ja) | 交通状況推定装置、交通状況推定方法、プログラムおよび出力装置 | |
US9607511B2 (en) | Vehicle guidance system, vehicle guidance method, management device, and control method for same | |
CN112638702B (zh) | 一种车辆充电的方法和装置 | |
CN109945880B (zh) | 路径规划方法、相关设备及可读存储介质 | |
JP2018021887A (ja) | 経路探索装置及びコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140917 Termination date: 20200621 |
|
CF01 | Termination of patent right due to non-payment of annual fee |