JP2000163685A - 交通流監視システム - Google Patents
交通流監視システムInfo
- Publication number
- JP2000163685A JP2000163685A JP10340212A JP34021298A JP2000163685A JP 2000163685 A JP2000163685 A JP 2000163685A JP 10340212 A JP10340212 A JP 10340212A JP 34021298 A JP34021298 A JP 34021298A JP 2000163685 A JP2000163685 A JP 2000163685A
- Authority
- JP
- Japan
- Prior art keywords
- traffic flow
- vehicle
- model
- road
- monitoring system
- 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.)
- Withdrawn
Links
Landscapes
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
(57)【要約】
【課題】 本発明は管理者が表示画面上から容易に把握
でき、また人間の経験的な判断を加味した渋滞対策をシ
ュミレート可能な交通流監視システムを提供することを
課題とする。 【解決手段】 道路に設置された計測装置からの計測デ
ータに基づいて、画像処理により各車両の大きさ、車速
などを求める。これに基づいて車両計算部11が対応す
る三次元車両モデルを求め、道路モデル計算部13が作
成した道路画像を作成した道路モデル上を表示走行させ
る。またこれらの計測データを各地点毎に設けた第1の
ニューラルネットワーク22に入力し、出力結果を第2
段のニューラルネットワーク23に入力して交通渋滞の
予測を行う。
でき、また人間の経験的な判断を加味した渋滞対策をシ
ュミレート可能な交通流監視システムを提供することを
課題とする。 【解決手段】 道路に設置された計測装置からの計測デ
ータに基づいて、画像処理により各車両の大きさ、車速
などを求める。これに基づいて車両計算部11が対応す
る三次元車両モデルを求め、道路モデル計算部13が作
成した道路画像を作成した道路モデル上を表示走行させ
る。またこれらの計測データを各地点毎に設けた第1の
ニューラルネットワーク22に入力し、出力結果を第2
段のニューラルネットワーク23に入力して交通渋滞の
予測を行う。
Description
【0001】
【発明の属する技術分野】本発明は、交通の流れを監視
する交通流監視システムに懸り、更に詳しくは道路施設
として設置されている交通流計測装置からの情報に基づ
いて道路の交通状況を把握、管理する交通流監視システ
ムに関する。
する交通流監視システムに懸り、更に詳しくは道路施設
として設置されている交通流計測装置からの情報に基づ
いて道路の交通状況を把握、管理する交通流監視システ
ムに関する。
【0002】本発明は、また交通流監視システムに於け
る道路渋滞状況のシュミレーション機能に関する。
る道路渋滞状況のシュミレーション機能に関する。
【0003】
【従来の技術】道路状況を把握し、交通の流れの管理・
制御を行うための交通流監視システムは、分岐点や合流
点など道路の各所に設置された計測装置から情報を収集
し、これを基に様々な指示や制御を行い交通流を管理し
ている。
制御を行うための交通流監視システムは、分岐点や合流
点など道路の各所に設置された計測装置から情報を収集
し、これを基に様々な指示や制御を行い交通流を管理し
ている。
【0004】現在道路の交通流を計測する計測装置とし
ては超音波や光を発出して車両速度や通過台数を計測す
るタイプやループコイル型のものが主流であり、また数
年前よりITVカメラの画像データを使用する画像処理
型の計測装置が開発され、用いられている。一般的にこ
れらの計測装置が計測するものとしては、通過する車両
の台数(5.5m程度の大型車とこれ以下の普通車の二
車種に分類して計測。)、車両速度及び占有率がある。
またこれらに加えて車両間隔、交通渋滞(長)の計測
や、車両の逆走行等の異常走行車両の検出などを行って
いる。
ては超音波や光を発出して車両速度や通過台数を計測す
るタイプやループコイル型のものが主流であり、また数
年前よりITVカメラの画像データを使用する画像処理
型の計測装置が開発され、用いられている。一般的にこ
れらの計測装置が計測するものとしては、通過する車両
の台数(5.5m程度の大型車とこれ以下の普通車の二
車種に分類して計測。)、車両速度及び占有率がある。
またこれらに加えて車両間隔、交通渋滞(長)の計測
や、車両の逆走行等の異常走行車両の検出などを行って
いる。
【0005】これらの情報は、中央もしくは複数の管制
室に集められ、交通状況を把握するデータとして用いら
れている。各管制室では、集められたデータは、トレン
ド表示して出力、あるいは5分、10分、15分間隔の
集積データとして帳票出力される。
室に集められ、交通状況を把握するデータとして用いら
れている。各管制室では、集められたデータは、トレン
ド表示して出力、あるいは5分、10分、15分間隔の
集積データとして帳票出力される。
【0006】道路管理者は、管制室内からこれらのデー
タに基づいて、車線規制、事故工事などによる渋滞状況
に対する対策を経験的に判断し道路管理を行っている。
この管理の仕方は、例えば一般道ではこのデータを基に
信号の切換え間隔を変更したり、道路上に渋滞等の表示
を行ったりする。またこれらのデータは、他の設備で
も、例えば交通量のデータがトンネル換気制御の情報と
しても使用されたりする。
タに基づいて、車線規制、事故工事などによる渋滞状況
に対する対策を経験的に判断し道路管理を行っている。
この管理の仕方は、例えば一般道ではこのデータを基に
信号の切換え間隔を変更したり、道路上に渋滞等の表示
を行ったりする。またこれらのデータは、他の設備で
も、例えば交通量のデータがトンネル換気制御の情報と
しても使用されたりする。
【0007】また交通流監視システムには交通流のシュ
ミレータ機能が備っており、渋滞予測等に使用されてい
る。この交通流のシュミレータでは、道路地図や道路の
容量、道路の幾何学的構造のデータ、交通量や左右折直
進率などの交通量特性データ、信号サイクル、平均減速
率などの車両特性データ、など種々の情報から渋滞状況
等をシュミレートし、各地点における交通量、地点減速
量、旅行時間、車両密度などを出力している。
ミレータ機能が備っており、渋滞予測等に使用されてい
る。この交通流のシュミレータでは、道路地図や道路の
容量、道路の幾何学的構造のデータ、交通量や左右折直
進率などの交通量特性データ、信号サイクル、平均減速
率などの車両特性データ、など種々の情報から渋滞状況
等をシュミレートし、各地点における交通量、地点減速
量、旅行時間、車両密度などを出力している。
【0008】
【発明が解決しようとする課題】この様な従来の交通流
監視システムには、以下の問題点がある。
監視システムには、以下の問題点がある。
【0009】まず現場の計測装置から集められる測定デ
ータは、画面上にトレンド表示されあるいは帳票出力さ
れるが、これらの出力形式では分りづらく、管理者が充
分に現場の状況を把握することが難しい。よって管理者
が画面上に現場の画像を表示して監視を行う必要がある
場合がでてくるが、この場合、管制室に送られてくる画
像データはデータ量として膨大な大きさとなる。そのた
め画像データを伝達する装置や映像回線などの設備整備
にコストがかかる。
ータは、画面上にトレンド表示されあるいは帳票出力さ
れるが、これらの出力形式では分りづらく、管理者が充
分に現場の状況を把握することが難しい。よって管理者
が画面上に現場の画像を表示して監視を行う必要がある
場合がでてくるが、この場合、管制室に送られてくる画
像データはデータ量として膨大な大きさとなる。そのた
め画像データを伝達する装置や映像回線などの設備整備
にコストがかかる。
【0010】また従来の交通流監視システムによる渋滞
に対する対策は、管理者が交通量などのデータを基に車
両規制や工事などの渋滞要因の種類などにより、人間の
経験に基づいた判断による対応を行っていた。そして、
管理者はこのような渋滞状況に対する判断を帳票データ
から行っているため、状況把握に時間がかかり、実際に
対応するのに時間を要してしまう。管理者は突発事故な
どに対して迅速に渋滞状況を予測して対応しなければな
らないが、従来の交通流監視システムでは瞬時に道路状
況を把握し渋滞に対する対策を施すことは難しい。
に対する対策は、管理者が交通量などのデータを基に車
両規制や工事などの渋滞要因の種類などにより、人間の
経験に基づいた判断による対応を行っていた。そして、
管理者はこのような渋滞状況に対する判断を帳票データ
から行っているため、状況把握に時間がかかり、実際に
対応するのに時間を要してしまう。管理者は突発事故な
どに対して迅速に渋滞状況を予測して対応しなければな
らないが、従来の交通流監視システムでは瞬時に道路状
況を把握し渋滞に対する対策を施すことは難しい。
【0011】本発明は、上記問題点を鑑み、管理者が表
示画面上から容易に把握でき、また過去の経験に基づく
人間的な判断を加味した対策支援の為の情報を提供可能
なシュミレート可能を持つ交通流監視システムを提供す
ることを目的とする。
示画面上から容易に把握でき、また過去の経験に基づく
人間的な判断を加味した対策支援の為の情報を提供可能
なシュミレート可能を持つ交通流監視システムを提供す
ることを目的とする。
【0012】
【課題を解決するための手段】本発明による交通流監視
システムは、道路に設置された計測装置からの計測デー
タに基づいて車両の流れを管理するもので、車両モデル
計算手段、道路モデル作成手段、交通流計算手段及び表
示手段を備える。
システムは、道路に設置された計測装置からの計測デー
タに基づいて車両の流れを管理するもので、車両モデル
計算手段、道路モデル作成手段、交通流計算手段及び表
示手段を備える。
【0013】車両モデル計算手段は、道路上の車両に対
して上記計測装置から送られてくる上記計測データと各
車両モデルを比較して、例えば画像データから求めた上
記道路上の車両の大きさの比と、例えば各車両モデルの
大きさの比とを比較して対応する車両モデルを求める。
して上記計測装置から送られてくる上記計測データと各
車両モデルを比較して、例えば画像データから求めた上
記道路上の車両の大きさの比と、例えば各車両モデルの
大きさの比とを比較して対応する車両モデルを求める。
【0014】道路モデル作成手段は、道路の地図情報
と、道路の部品モデルを用いて道路モデルを作成する。
と、道路の部品モデルを用いて道路モデルを作成する。
【0015】交通流計算手段は、上記計測データに基づ
いて上記車両モデル計算手段が求めた車両モデルの、上
記道路モデル作成手段が作成した道路モデル上での流れ
を求める。このまた交通流計算手段は、複数ヵ所の計測
装置間の交通流を上記複数ヵ所の計測装置からの計測デ
ータに基づいて補間処理をして求める。
いて上記車両モデル計算手段が求めた車両モデルの、上
記道路モデル作成手段が作成した道路モデル上での流れ
を求める。このまた交通流計算手段は、複数ヵ所の計測
装置間の交通流を上記複数ヵ所の計測装置からの計測デ
ータに基づいて補間処理をして求める。
【0016】表示手段は、上記交通流計算手段が求めた
流れに基づいて、上記道路モデル上に上記車両モデルを
動態表示出力する。またこの表示手段は、上記車両モデ
ルの動態出力に、上記計測装置による計測データに基づ
いた情報をオーバレイ表示することも可能である。更に
上記表示手段は、上記道路モデル上に上記車両モデルを
二次元乃至三次元動態表示出力する。また表示手段は、
三次元動態表示を行う際、計測装置のカメラの設定条件
に基づいて、上記車両モデル及び道路の部品モデルを三
次元変換し、上記道路モデル上に上記車両モデルを動態
表示出力する。
流れに基づいて、上記道路モデル上に上記車両モデルを
動態表示出力する。またこの表示手段は、上記車両モデ
ルの動態出力に、上記計測装置による計測データに基づ
いた情報をオーバレイ表示することも可能である。更に
上記表示手段は、上記道路モデル上に上記車両モデルを
二次元乃至三次元動態表示出力する。また表示手段は、
三次元動態表示を行う際、計測装置のカメラの設定条件
に基づいて、上記車両モデル及び道路の部品モデルを三
次元変換し、上記道路モデル上に上記車両モデルを動態
表示出力する。
【0017】また本発明による交通流監視システムは、
道路の渋滞予測の機能の為の手段として、交通流データ
ベース、複数の第1段のニューラルネットワーク、第2
段のニューラルネットワーク及び表示手段を備える。
道路の渋滞予測の機能の為の手段として、交通流データ
ベース、複数の第1段のニューラルネットワーク、第2
段のニューラルネットワーク及び表示手段を備える。
【0018】交通流データベースは、上記計測装置から
の計測データをデータベース化して記憶する。
の計測データをデータベース化して記憶する。
【0019】第1段のニューラルネットワークは、各計
測装置に対してそれぞれ設けられ、上記交通流データベ
ースからのデータの入力に対し予測値を出力する。
測装置に対してそれぞれ設けられ、上記交通流データベ
ースからのデータの入力に対し予測値を出力する。
【0020】第2段のニューラルネットワークは、上記
複数の第1段のニューラルネットワークが出力する予測
値から渋滞予測を出力する。
複数の第1段のニューラルネットワークが出力する予測
値から渋滞予測を出力する。
【0021】表示手段は、上記第2段のニューラルネッ
トワークからの出力値に基づいて道路モデル上に車両モ
デルを動態表示出力する。
トワークからの出力値に基づいて道路モデル上に車両モ
デルを動態表示出力する。
【0022】本発明によれば、道路上の車両をモデル化
して、道路モデル上を交通流に基づいて動態表示するこ
とが出来る。
して、道路モデル上を交通流に基づいて動態表示するこ
とが出来る。
【0023】また計測装置のカメラの設定条件に基づい
て、車両モデル及び道路の部品モデルを変換して画面上
に表示するので、視点の変化等様々な条件化での表示を
行うことが出来る。
て、車両モデル及び道路の部品モデルを変換して画面上
に表示するので、視点の変化等様々な条件化での表示を
行うことが出来る。
【0024】更に渋滞シュミレーション時には、過去の
データから、渋滞原因やその対策に対する交通流の変化
を把握することが出来る。
データから、渋滞原因やその対策に対する交通流の変化
を把握することが出来る。
【0025】また2段のニューラルネットワークを用い
ることにより、精度の高い渋滞予測が可能となる。
ることにより、精度の高い渋滞予測が可能となる。
【0026】
【発明の実施の形態】以下に本発明の一実施形態を図面
を参照しながら説明する。
を参照しながら説明する。
【0027】図1は本実施形態に於ける交通流監視シス
テムの機能ブロック図である。図1の交通流監視システ
ムは、説明の簡略化の為、地点A及びBの2ヵ所の分岐
点に設置されている計測装置からのデータに基づいて交
通流を監視、制御するシステムとする。尚本発明による
交通流監視システムはこの様な2ヵ所のみの計測データ
に基づいて交通流の監視・制御を行うものではなく、実
際には更に多くの箇所に設置された計測位置からのデー
タを処理して交通流の監視・制御を行う場合にも容易に
適用可能なものである。
テムの機能ブロック図である。図1の交通流監視システ
ムは、説明の簡略化の為、地点A及びBの2ヵ所の分岐
点に設置されている計測装置からのデータに基づいて交
通流を監視、制御するシステムとする。尚本発明による
交通流監視システムはこの様な2ヵ所のみの計測データ
に基づいて交通流の監視・制御を行うものではなく、実
際には更に多くの箇所に設置された計測位置からのデー
タを処理して交通流の監視・制御を行う場合にも容易に
適用可能なものである。
【0028】道路の路側等に設置されたループコイル型
や画像処理型等の交通流計測装置A、Bから管制室の交
通流監視装置に送られてくる計測データは、各車線ごと
の画像データ、大型・小型車両台数(車両の長さのみか
ら判断)、各車両速度、車間距離、移動座標、渋滞長な
どであり、これらの計測データは管制室に集められ、交
通流監視装置1の三次元変換・表示部10に入力され
る。
や画像処理型等の交通流計測装置A、Bから管制室の交
通流監視装置に送られてくる計測データは、各車線ごと
の画像データ、大型・小型車両台数(車両の長さのみか
ら判断)、各車両速度、車間距離、移動座標、渋滞長な
どであり、これらの計測データは管制室に集められ、交
通流監視装置1の三次元変換・表示部10に入力され
る。
【0029】三次元変換・表示部10は、車両モデル計
算部11、交通流計算部12、道路モデル作成部13、
三次元表示部14及び三次元モデル記憶部15から構成
されている。
算部11、交通流計算部12、道路モデル作成部13、
三次元表示部14及び三次元モデル記憶部15から構成
されている。
【0030】車両モデル計算部11は、交通流監視装置
からの計測データと事前に作成して三次元モデル記憶部
15に記録してある車両のフレームモデルのデータ値と
比較し、車両の種類を特定する。この点については後述
する。
からの計測データと事前に作成して三次元モデル記憶部
15に記録してある車両のフレームモデルのデータ値と
比較し、車両の種類を特定する。この点については後述
する。
【0031】道路モデル作成部13は、三次元モデル記
憶部15に記録されている地図情報及び道路の各部品モ
デルを用いて監視範囲の道路モデルを作成する。道路モ
デルとは、地図の情報から作成する画像モデルで、道路
モデル作成部13は事前に地図から得ている道路長、車
線幅、流れの方向、分岐や合流などの道路についての情
報や道路周辺の建築物の位置や大きさなどの情報に、三
次元モデル記憶部15に記録されている路肩や信号等の
道路施設及び建物等の道路外の施設に対応する画像の部
品モデルを合わせて作成する。また道路モデル作成部1
3は、例えば車線規制の発生等交通流計測装置からの計
測データに基づいて、道路モデルを変更してゆく機能を
備える構成とすることも出来る。
憶部15に記録されている地図情報及び道路の各部品モ
デルを用いて監視範囲の道路モデルを作成する。道路モ
デルとは、地図の情報から作成する画像モデルで、道路
モデル作成部13は事前に地図から得ている道路長、車
線幅、流れの方向、分岐や合流などの道路についての情
報や道路周辺の建築物の位置や大きさなどの情報に、三
次元モデル記憶部15に記録されている路肩や信号等の
道路施設及び建物等の道路外の施設に対応する画像の部
品モデルを合わせて作成する。また道路モデル作成部1
3は、例えば車線規制の発生等交通流計測装置からの計
測データに基づいて、道路モデルを変更してゆく機能を
備える構成とすることも出来る。
【0032】交通流計算部12は、車両モデル計算部1
1からのデータを受けて、大型車及び小型車それぞれに
対し単位時間当りに流れる車両台数及び車両速度等の車
両の流れを求め、道路モデル作成部13が作成した道路
モデル上に車種に基づいた車両モデルを動かす。
1からのデータを受けて、大型車及び小型車それぞれに
対し単位時間当りに流れる車両台数及び車両速度等の車
両の流れを求め、道路モデル作成部13が作成した道路
モデル上に車種に基づいた車両モデルを動かす。
【0033】三次元表示部14は、交通流計算部12の
出力結果に基づいて画面上に二次元又は三次元モデルを
用いた動態画面を表示する。また視点の高さの変更等設
定の変更に対して、三次元モデルの変換を行う。
出力結果に基づいて画面上に二次元又は三次元モデルを
用いた動態画面を表示する。また視点の高さの変更等設
定の変更に対して、三次元モデルの変換を行う。
【0034】三次元モデル記憶部15は、車両、及び信
号機、表示板、カメラ等の道路施設や建築物などを三次
元モデル化したデータを記録しており、必要に応じて読
み出される。この三次元モデルは、カメラとの距離や角
度に基づいて、その見え方を自由に線形変換できるよう
にモデル化された形で三次元モデル記憶部15に記憶さ
れている。
号機、表示板、カメラ等の道路施設や建築物などを三次
元モデル化したデータを記録しており、必要に応じて読
み出される。この三次元モデルは、カメラとの距離や角
度に基づいて、その見え方を自由に線形変換できるよう
にモデル化された形で三次元モデル記憶部15に記憶さ
れている。
【0035】また交通流計測装置からの計測データは、
シュミレータ部20にも送られ交通流のシュミレート用
のデータとして用いられる。このシュミレータ部20
は、過去の経験に基づいた予測値により事前に学習して
あるニューラルネットワークを備えている。このニュー
ラルネットワークは、学習という過程においてニューラ
ルネットワーク内部の重みを入出力データを基に自動決
定し、過去の学習内容に基づいた結果を出力する。よっ
てこのニューラルネットワークにより過去の経験に基づ
く人間的な判断を加味した予測値を出力することが出来
る。
シュミレータ部20にも送られ交通流のシュミレート用
のデータとして用いられる。このシュミレータ部20
は、過去の経験に基づいた予測値により事前に学習して
あるニューラルネットワークを備えている。このニュー
ラルネットワークは、学習という過程においてニューラ
ルネットワーク内部の重みを入出力データを基に自動決
定し、過去の学習内容に基づいた結果を出力する。よっ
てこのニューラルネットワークにより過去の経験に基づ
く人間的な判断を加味した予測値を出力することが出来
る。
【0036】シュミレータ部20は交通流データベース
21、各地点毎の第1段のニューラルネットワーク22
及び第2段のニューラルネットワーク23より構成され
ている。
21、各地点毎の第1段のニューラルネットワーク22
及び第2段のニューラルネットワーク23より構成され
ている。
【0037】各計測地点にある交通流計測装置A、Bか
らの計測データは、交通流データベース21に測定場
所、測定日や測定時間と共にデータベース化されて、順
次記録されてゆく。またこの交通流データベース21内
には、各信号の切換え時間、道路距離、車線幅等道路に
対するデータも格納されており、シュミレート時に交通
流計測装置からのデータと共に必要に応じて読み出され
る。
らの計測データは、交通流データベース21に測定場
所、測定日や測定時間と共にデータベース化されて、順
次記録されてゆく。またこの交通流データベース21内
には、各信号の切換え時間、道路距離、車線幅等道路に
対するデータも格納されており、シュミレート時に交通
流計測装置からのデータと共に必要に応じて読み出され
る。
【0038】第1段のニューラルネットワーク22は、
各計測地点毎に設けられるもので、図1の場合はA地点
用の22AとB地点用の22Bの2つが設けられてい
る。これらのニューラルネットワーク22には、事前に
予測値を用いて学習させてあり、過去の各交通量データ
と車線規制時の渋滞の解消時間を用いて学習させること
により、重み係数が渋滞解消時間の特徴に重みづけさ
れ、現在の交通量に対する渋滞の解消予測を行うことが
できるようになっている。シュミレート実行時には、こ
のニューラルネットワーク22に月や曜日、時間帯など
を考慮して交通流データベース21から読み出した道路
の距離や信号の切換え時間、車線数等のその道路に対す
るデータとその時間時間帯に通過する車両台数、車長、
速度などの交通流のデータを与え、渋滞距離や渋滞の解
消までに要する時間等の予測値を出力させる。
各計測地点毎に設けられるもので、図1の場合はA地点
用の22AとB地点用の22Bの2つが設けられてい
る。これらのニューラルネットワーク22には、事前に
予測値を用いて学習させてあり、過去の各交通量データ
と車線規制時の渋滞の解消時間を用いて学習させること
により、重み係数が渋滞解消時間の特徴に重みづけさ
れ、現在の交通量に対する渋滞の解消予測を行うことが
できるようになっている。シュミレート実行時には、こ
のニューラルネットワーク22に月や曜日、時間帯など
を考慮して交通流データベース21から読み出した道路
の距離や信号の切換え時間、車線数等のその道路に対す
るデータとその時間時間帯に通過する車両台数、車長、
速度などの交通流のデータを与え、渋滞距離や渋滞の解
消までに要する時間等の予測値を出力させる。
【0039】これら各第1段のニューラルネットワーク
22の出力値は、それぞれ第2段のニューラルネットワ
ーク23に入力されより精度の高い予測を行う。第1段
のニューラルネットワークはA地点及びB地点と交通流
計測装置が設置されている特定部分の地域のみを考慮し
て渋滞予測を行っているが、渋滞時間や渋滞長などは実
際にはより広い範囲の影響を受ける。よって、予測値の
精度を向上させるには他の地域での予測結果も考慮して
行う必要がある。このため本実施形態では、ニューラル
ネットワークを2段構成にし、第1段のニューラルネッ
トワーク22で行った各地点での渋滞距離と渋滞解消ま
での時間の予測値及び事故車両地点、車線規制場所、対
策内容等を入力データとして第2段のニューラルネット
ワーク23により全体を考慮した渋滞長と渋滞時間の予
測値を出力する。この予測値は、数値データとして、あ
るいは三次元変換・表示部10を介して動態表示として
画面出力される。
22の出力値は、それぞれ第2段のニューラルネットワ
ーク23に入力されより精度の高い予測を行う。第1段
のニューラルネットワークはA地点及びB地点と交通流
計測装置が設置されている特定部分の地域のみを考慮し
て渋滞予測を行っているが、渋滞時間や渋滞長などは実
際にはより広い範囲の影響を受ける。よって、予測値の
精度を向上させるには他の地域での予測結果も考慮して
行う必要がある。このため本実施形態では、ニューラル
ネットワークを2段構成にし、第1段のニューラルネッ
トワーク22で行った各地点での渋滞距離と渋滞解消ま
での時間の予測値及び事故車両地点、車線規制場所、対
策内容等を入力データとして第2段のニューラルネット
ワーク23により全体を考慮した渋滞長と渋滞時間の予
測値を出力する。この予測値は、数値データとして、あ
るいは三次元変換・表示部10を介して動態表示として
画面出力される。
【0040】図2(a)は本実施形態での車両のモデル
化の説明図である。
化の説明図である。
【0041】本実施形態では、交通流計測装置のITV
カメラによる画像データから車両の幅(w)、高さ
(h)、長さ(d)を求め、これらの比と図2(b)の
様なモデリングして事前に記録してあるフレームモデル
の幅(w)、高さ(h)、長さ(d)の比とを比較して
車種を特定する。そしてこの車種に対応した車両モデル
を二次元若しくは三次元道路モデル上に展開する。尚こ
の画像データからのw、h、dの計測は交通流計測装置
によって行われ、計測結果が交通流監視装置に送られる
が、画像データを交通流監視装置に送り、車両モデル計
算部11によって、w、h、dを求める構成としてもよ
い。
カメラによる画像データから車両の幅(w)、高さ
(h)、長さ(d)を求め、これらの比と図2(b)の
様なモデリングして事前に記録してあるフレームモデル
の幅(w)、高さ(h)、長さ(d)の比とを比較して
車種を特定する。そしてこの車種に対応した車両モデル
を二次元若しくは三次元道路モデル上に展開する。尚こ
の画像データからのw、h、dの計測は交通流計測装置
によって行われ、計測結果が交通流監視装置に送られる
が、画像データを交通流監視装置に送り、車両モデル計
算部11によって、w、h、dを求める構成としてもよ
い。
【0042】図2では、w、h、dの比が画像データ上
の車両31が小型車両のモデルフレームモデル36に、
車両32が大型車両のフレームモデル37での比に近い
ので、車両31が小型車両、車両32が大型車両と特定
される。また画像データ上の33は、どのフレームモデ
ルのw、h、dの比とも類似しないので道路上の落下物
として扱われる。この様にして、画像データ上の車両3
1〜33は、車両モデル34〜36に変換される。尚図
2でのフレームモデルは大型車量と小型車両の2種類の
みであるが、2輪車等より多くのフレームモデルを用い
る構成としてもよい。
の車両31が小型車両のモデルフレームモデル36に、
車両32が大型車両のフレームモデル37での比に近い
ので、車両31が小型車両、車両32が大型車両と特定
される。また画像データ上の33は、どのフレームモデ
ルのw、h、dの比とも類似しないので道路上の落下物
として扱われる。この様にして、画像データ上の車両3
1〜33は、車両モデル34〜36に変換される。尚図
2でのフレームモデルは大型車量と小型車両の2種類の
みであるが、2輪車等より多くのフレームモデルを用い
る構成としてもよい。
【0043】図3は、画像データ上から車両の幅
(w)、高さ(h)、長さ(d)の求め方を説明する図
である。
(w)、高さ(h)、長さ(d)の求め方を説明する図
である。
【0044】画像データから実際のサイズへの変換は、
カメラの高さ、車両との距離(予め車線の基準値より計
測)カメラ角度などのデータから車両サイズを求める。
カメラの高さ、車両との距離(予め車線の基準値より計
測)カメラ角度などのデータから車両サイズを求める。
【0045】まず二次平面である画像データ上の車両の
位置を三次元座標に変換する。この変換は、車は必ず道
路上に存在するということを前提として、道路上に基準
点を置き、図3(a)に示すように車両の位置座表を変
換する。この場合カメラ座標(x,y)から実座標
(X,Y,Z)の変換は次式で与えられる。
位置を三次元座標に変換する。この変換は、車は必ず道
路上に存在するということを前提として、道路上に基準
点を置き、図3(a)に示すように車両の位置座表を変
換する。この場合カメラ座標(x,y)から実座標
(X,Y,Z)の変換は次式で与えられる。
【0046】 X=x・H/(y・cosθ+f・sinθ) Y=(f・cosθ−y・sinθ)・H/(y・co
sθ+f・sinθ) Z=0 図3(b)に示すように、上式でのfはカメラレンズの
焦点距離、Hはカメラの高さ、θはカメラの俯角であ
る。尚これらの値は、カメラの高さHを7.5m、俯角
θを25.8度画標準値として設定されている。また補
助データとして中央線の長さ8m、カメラから中央線ま
での距離を14mとして設定してある。これらの値は車
両の大きさ計る時の比較対象物と中央線を用いた時に使
用する。尚これらの設定値は、実際のカメラの設定状態
によってそれぞれ異なる値が設定される。
sθ+f・sinθ) Z=0 図3(b)に示すように、上式でのfはカメラレンズの
焦点距離、Hはカメラの高さ、θはカメラの俯角であ
る。尚これらの値は、カメラの高さHを7.5m、俯角
θを25.8度画標準値として設定されている。また補
助データとして中央線の長さ8m、カメラから中央線ま
での距離を14mとして設定してある。これらの値は車
両の大きさ計る時の比較対象物と中央線を用いた時に使
用する。尚これらの設定値は、実際のカメラの設定状態
によってそれぞれ異なる値が設定される。
【0047】車両の各点の実座標を求めることができる
と、これから大きさを求めることができる。この様にし
て車両のw、h、dが求まるが、ここで求まる高さhは
見かけ上の高さであり、実際の車両の高さとは異なる。
と、これから大きさを求めることができる。この様にし
て車両のw、h、dが求まるが、ここで求まる高さhは
見かけ上の高さであり、実際の車両の高さとは異なる。
【0048】図4に見かけ上の高さh’と実際の高さh
との関係を示す。
との関係を示す。
【0049】図4の斜線部を車両とすると、その車両の
見かけ上の高さh’と実際の高さhとの関係を式で表す
と三角形の比から h’=(d・H+L・h)/(L+d) となる。上式中Lは原点から車両の後尾までの距離、d
は車両の長さを指す。これにより見かけ上の高さh’か
ら実際の車両の高さhが求まる。
見かけ上の高さh’と実際の高さhとの関係を式で表す
と三角形の比から h’=(d・H+L・h)/(L+d) となる。上式中Lは原点から車両の後尾までの距離、d
は車両の長さを指す。これにより見かけ上の高さh’か
ら実際の車両の高さhが求まる。
【0050】また車両がカメラの設置位置から離れてゆ
くにつれ、画像データ上において、車両間の距離は狭ま
ってゆき、やがて前の車両との間が無くなってしまう。
すると画像データから導き出される見かけ上の高さh’
は、2台分の高さになってしまう。図5は、この2台が
重複による見かけ上の高さが変化の説明図である。
くにつれ、画像データ上において、車両間の距離は狭ま
ってゆき、やがて前の車両との間が無くなってしまう。
すると画像データから導き出される見かけ上の高さh’
は、2台分の高さになってしまう。図5は、この2台が
重複による見かけ上の高さが変化の説明図である。
【0051】カメラに近い位置にある車両は、前後の車
両と重ならないので正確に見かけ上の高さh’を求める
ことができるが、カメラから離れた位置にある車両41
はその前の車両42と重なってしまい、見かけ上の高さ
は正確には計れなくなる。この場合、重なった時点で高
さは図中のh’’となり、本来はだんだん小さくなるは
ずが急に大きくなる。よって、この前後の車両との重複
による高さの誤認は、車両がカメラ近辺にある時から各
車両をトレースすることにより検出することができる。
これにより車両の重複が検出されたものは、データとし
て除くか、重複前のデータをそのまま用いることにより
車両重複による高さの誤認を防げる。
両と重ならないので正確に見かけ上の高さh’を求める
ことができるが、カメラから離れた位置にある車両41
はその前の車両42と重なってしまい、見かけ上の高さ
は正確には計れなくなる。この場合、重なった時点で高
さは図中のh’’となり、本来はだんだん小さくなるは
ずが急に大きくなる。よって、この前後の車両との重複
による高さの誤認は、車両がカメラ近辺にある時から各
車両をトレースすることにより検出することができる。
これにより車両の重複が検出されたものは、データとし
て除くか、重複前のデータをそのまま用いることにより
車両重複による高さの誤認を防げる。
【0052】図6は交通流監視システムによる出力結果
である画面表示例である。図6の表示画面は交通流を画
面から把握するための二次元動態表示画面の例で、道路
モデル作成部13が作成した道路モデル上に、交通流計
算部12が算出した車両モデルを表示する。
である画面表示例である。図6の表示画面は交通流を画
面から把握するための二次元動態表示画面の例で、道路
モデル作成部13が作成した道路モデル上に、交通流計
算部12が算出した車両モデルを表示する。
【0053】図6の表示画面は、A地点及びB地点に設
置された計測装置からのITVカメラ等の計測データを
基に、車両モデルが車両数や車両速度に対応して道路モ
デル上を移動する。また交通流計測装置からのデータに
基づいた情報、例えば時間毎の車両通過台数や分岐点に
於ける各方面への割合等のグラフ等をオーバレイ表示す
る。また必要に応じて交通流計測装置からITVカメラ
の画像データを送信させ、これをオーバレイ表示させて
もよい。これらのデータを見ながら監視者は多角的に交
通流の監視を行う。
置された計測装置からのITVカメラ等の計測データを
基に、車両モデルが車両数や車両速度に対応して道路モ
デル上を移動する。また交通流計測装置からのデータに
基づいた情報、例えば時間毎の車両通過台数や分岐点に
於ける各方面への割合等のグラフ等をオーバレイ表示す
る。また必要に応じて交通流計測装置からITVカメラ
の画像データを送信させ、これをオーバレイ表示させて
もよい。これらのデータを見ながら監視者は多角的に交
通流の監視を行う。
【0054】交通流計算部12は、車両モデル計算部1
1で求めた車種に対応した車両モデルが道路モデル作成
部13が作成した道路モデル上を走行する時の移動距離
や移動速度を算出する。これに基づいて通過台数に対応
した数の車両モデルは、計測された速度と方向に対応し
て画面上を移動してゆく。尚同図上の車両モデルの大き
さは車両の種類を示しており、例えば大きい車両モデル
51は大型車両を、小さい車両モデル52は小型車両を
示している。
1で求めた車種に対応した車両モデルが道路モデル作成
部13が作成した道路モデル上を走行する時の移動距離
や移動速度を算出する。これに基づいて通過台数に対応
した数の車両モデルは、計測された速度と方向に対応し
て画面上を移動してゆく。尚同図上の車両モデルの大き
さは車両の種類を示しており、例えば大きい車両モデル
51は大型車両を、小さい車両モデル52は小型車両を
示している。
【0055】また交通流計算部12は分岐点での計測デ
ータに基づいて、各方面毎への車両台数を求め、三次元
表示部14は、この台数に見合った車両モデルを方面毎
に表示する。
ータに基づいて、各方面毎への車両台数を求め、三次元
表示部14は、この台数に見合った車両モデルを方面毎
に表示する。
【0056】更に交通流計算部12は、計測地点間の補
間処理を行う。例えばA地点とB地点の間には計測装置
は存在しないが、この様な地点での車両の流れは、A地
点とB地点での計測値から車両台数、移動時間、移動速
度、カーブでの減速量や加速度、信号付近での右左折平
均減速率、インターチェンジ流出部での高速道路の状況
と一般道の信号時間や道路の距離などを基に渋滞長を渋
滞解消予測する。
間処理を行う。例えばA地点とB地点の間には計測装置
は存在しないが、この様な地点での車両の流れは、A地
点とB地点での計測値から車両台数、移動時間、移動速
度、カーブでの減速量や加速度、信号付近での右左折平
均減速率、インターチェンジ流出部での高速道路の状況
と一般道の信号時間や道路の距離などを基に渋滞長を渋
滞解消予測する。
【0057】また渋滞予測のシュミレーション時には、
月、曜日、時間帯などを考慮して交通流データベース2
1から読み出した過去の交通流のデータから、図6と同
様な表示画面で交通流を表す。この状態に於て更に事故
の発生や車線規制等の渋滞の発生要因やその場所、渋滞
対策についての情報を第2のニューラルネットワーク2
3に入力する。その結果第2のニューラルネットワーク
23からは、渋滞に対する予測結果、例えば渋滞の距
離、渋滞の解消までの時間等が出力される。そしてこの
出力結果は画面表示されると共に、図6上の車両モデル
の流れもこの出力結果に基づいて変化する。
月、曜日、時間帯などを考慮して交通流データベース2
1から読み出した過去の交通流のデータから、図6と同
様な表示画面で交通流を表す。この状態に於て更に事故
の発生や車線規制等の渋滞の発生要因やその場所、渋滞
対策についての情報を第2のニューラルネットワーク2
3に入力する。その結果第2のニューラルネットワーク
23からは、渋滞に対する予測結果、例えば渋滞の距
離、渋滞の解消までの時間等が出力される。そしてこの
出力結果は画面表示されると共に、図6上の車両モデル
の流れもこの出力結果に基づいて変化する。
【0058】次に図7に交通流監視システムによる三次
元モデルによる三次元動態表示画面の例を示す。
元モデルによる三次元動態表示画面の例を示す。
【0059】図7(b)は、同図(a)に示すように高
さ10mの交差点にカメラを設置した時の画像を三次元
モデル化して表示したものである。同図のモデル化の際
には、車線幅3.5m、路肩の幅2.5m、俯角12.
8°、画角10.9°、視野25m〜200mを条件値
として設定した。
さ10mの交差点にカメラを設置した時の画像を三次元
モデル化して表示したものである。同図のモデル化の際
には、車線幅3.5m、路肩の幅2.5m、俯角12.
8°、画角10.9°、視野25m〜200mを条件値
として設定した。
【0060】図7(b)の三次元動態表示画面では、車
両の流れは交通流計測装置からのデータに基づいた車両
の種類、位置、速度、車両密度で表され、三次元モデル
を用いた道路モデル上をモデル化された車両がその速度
や密度に対応して移動してゆく。
両の流れは交通流計測装置からのデータに基づいた車両
の種類、位置、速度、車両密度で表され、三次元モデル
を用いた道路モデル上をモデル化された車両がその速度
や密度に対応して移動してゆく。
【0061】また図7の三次元モデルによる表示画像で
は、条件値を変更することにより、実際のカメラの設置
状態とは異なる画面構成の擬似的な表示を行うことが出
来、適宜な表示状態になるように自由に表示変更でき
る。
は、条件値を変更することにより、実際のカメラの設置
状態とは異なる画面構成の擬似的な表示を行うことが出
来、適宜な表示状態になるように自由に表示変更でき
る。
【0062】図8にカメラの高さの条件を変更した表示
画像の例を示す。
画像の例を示す。
【0063】図8(a)は人間の視線の位置(小型車両
の運転席上の位置)である1.2mに、また同図(b)
は、実際のカメラの設置位置である6mより高い位置に
カメラを動かした場合の三次元モデルによる画面例であ
る。この様にカメラの位置(視線の高さ)や角度、構造
物の高さや大きさなどの設定条件を変更すると、それに
伴って三次元表示部14は道路モデルを構成する部品
や、車両モデルを三次元変換し、対応する視点による三
次元動態表示を行う。これにより様々な視線や見え方を
検証でき、表示状態を適宜なものに自由に変更すること
が出来る。尚図8の表示例は、カメラの大きさを縦20
cm×幅20cm×奥行40cm、信号機の大きさを縦
40cm×横160cm、高さを6mとして設定した。
の運転席上の位置)である1.2mに、また同図(b)
は、実際のカメラの設置位置である6mより高い位置に
カメラを動かした場合の三次元モデルによる画面例であ
る。この様にカメラの位置(視線の高さ)や角度、構造
物の高さや大きさなどの設定条件を変更すると、それに
伴って三次元表示部14は道路モデルを構成する部品
や、車両モデルを三次元変換し、対応する視点による三
次元動態表示を行う。これにより様々な視線や見え方を
検証でき、表示状態を適宜なものに自由に変更すること
が出来る。尚図8の表示例は、カメラの大きさを縦20
cm×幅20cm×奥行40cm、信号機の大きさを縦
40cm×横160cm、高さを6mとして設定した。
【0064】図9に、交通流監視システムのシステム構
成例を示す。画像処理型の交通流計測装置には各地点に
設置されたITVカメラ等からなる数〜数十台の交通流
計測装置70からのデータは画像処理システム60の接
続部64に入力される。この交通流計測装置70からの
データは、複数の計測ユニット63により車線毎に大型
車両台数、小型車両台数、各車両速度、各車両サイズを
示すデータに変換される。
成例を示す。画像処理型の交通流計測装置には各地点に
設置されたITVカメラ等からなる数〜数十台の交通流
計測装置70からのデータは画像処理システム60の接
続部64に入力される。この交通流計測装置70からの
データは、複数の計測ユニット63により車線毎に大型
車両台数、小型車両台数、各車両速度、各車両サイズを
示すデータに変換される。
【0065】次に各車両サイズにより、三次元変換処理
ユニット60で実際の車長や車幅からモデリングし三次
元データに変換する。こられの計測データは、制御通信
ユニット60により接続部64を介して画像表示端末8
0に送られ、画像表示端末70では画面上に二次元/三
次元動態表示する。またこの二次元/三次元動態表示画
面に、必要応じて計測地点の通過台数(車種毎、車線
毎、行先毎など)のグラフや画像処理装置からの異常通
知データ、視程データなどをオーバレイさせて表示す
る。また交通流計測装置70から直接画像データが送ら
れてくる構成の場合、この生画像データを動態表示画像
にオーバレイさせて表示させてもよい。
ユニット60で実際の車長や車幅からモデリングし三次
元データに変換する。こられの計測データは、制御通信
ユニット60により接続部64を介して画像表示端末8
0に送られ、画像表示端末70では画面上に二次元/三
次元動態表示する。またこの二次元/三次元動態表示画
面に、必要応じて計測地点の通過台数(車種毎、車線
毎、行先毎など)のグラフや画像処理装置からの異常通
知データ、視程データなどをオーバレイさせて表示す
る。また交通流計測装置70から直接画像データが送ら
れてくる構成の場合、この生画像データを動態表示画像
にオーバレイさせて表示させてもよい。
【0066】図10(a)に交通流監視システムの別構
成例を示す。図10(a)の構成は交通管制システムと
の連携させたシステム構成例で、管制室90内では交通
管制システム91と交通流監視装置94がバス95によ
り接続され、互いにデータの交換をして有機的に道路の
管理を行う。調整用パソコン93は、設定値入力等交通
流計測装置を調整するためのもので有る。尚この調整用
パソコン93は独立して設けるのではなく、交通流監視
装置94と1つの構成としても良い。
成例を示す。図10(a)の構成は交通管制システムと
の連携させたシステム構成例で、管制室90内では交通
管制システム91と交通流監視装置94がバス95によ
り接続され、互いにデータの交換をして有機的に道路の
管理を行う。調整用パソコン93は、設定値入力等交通
流計測装置を調整するためのもので有る。尚この調整用
パソコン93は独立して設けるのではなく、交通流監視
装置94と1つの構成としても良い。
【0067】ITVカメラ111により撮影された画像
データや、事前に撮影されビデオデッキ112によって
再生出力された画像データは映像切換器/フレームメモ
リユニット110を介して交通流計測装置100に入力
される。交通流計測装置100ではこの画像データから
車両の大きさ、位置、速度等を求め、これを管制室90
に送る。管制室90では、交通流監視装置93がこのデ
ータを管理し、またこのデータに基づいて図10(b)
下段の様な画面表示を自己あるいはネットワーク95で
接続されている端末装置92に対して行う。
データや、事前に撮影されビデオデッキ112によって
再生出力された画像データは映像切換器/フレームメモ
リユニット110を介して交通流計測装置100に入力
される。交通流計測装置100ではこの画像データから
車両の大きさ、位置、速度等を求め、これを管制室90
に送る。管制室90では、交通流監視装置93がこのデ
ータを管理し、またこのデータに基づいて図10(b)
下段の様な画面表示を自己あるいはネットワーク95で
接続されている端末装置92に対して行う。
【0068】また交通流監視装置はモデム等のネットワ
ーク接続装置により公衆回線120と接続されており、
公衆回線120と通信接続可能な端末装置121によっ
て交通流監視94と接続することにより、各地点の交通
流の状況は管制室90の外部から三次元のモデル画像と
して端末装置121上に動画表示される。これにより道
路管理者は管制室90の外部からも交通流状況が確認で
きる。図10(b)上段にその表示例を示す。図中の表
示画面例は、各地点の方面別の交通流計測表示と各地点
の静止画画像表示した例である。この場合交通流監視装
置94から端末装置121に送られるのは、モデル化さ
れた動態表示の為のデータなので、生の画像データを送
信するのに比して通信量が小さくなり、画面表示のリア
ルタイム化が計れる。
ーク接続装置により公衆回線120と接続されており、
公衆回線120と通信接続可能な端末装置121によっ
て交通流監視94と接続することにより、各地点の交通
流の状況は管制室90の外部から三次元のモデル画像と
して端末装置121上に動画表示される。これにより道
路管理者は管制室90の外部からも交通流状況が確認で
きる。図10(b)上段にその表示例を示す。図中の表
示画面例は、各地点の方面別の交通流計測表示と各地点
の静止画画像表示した例である。この場合交通流監視装
置94から端末装置121に送られるのは、モデル化さ
れた動態表示の為のデータなので、生の画像データを送
信するのに比して通信量が小さくなり、画面表示のリア
ルタイム化が計れる。
【0069】
【発明の効果】本発明によれば、モデル化された画像表
示を行うので、画像データそのものをやり取りするより
通信データ量は少なくすむ。よって処理の高速化を計
れ、また設備の低コスト化を実現することが出来る。
示を行うので、画像データそのものをやり取りするより
通信データ量は少なくすむ。よって処理の高速化を計
れ、また設備の低コスト化を実現することが出来る。
【0070】また管理者はモデル化された車両の動画表
示により交通の流れを確認できる為、容易に状況把握を
行うことが出来、突発事故などに対して迅速に対応する
ことが出来る。更にこのモデル化された車両の動画にグ
ラフ等の静止画像を組合わせて表示出来より容易に状況
把握を行うことが出来る。
示により交通の流れを確認できる為、容易に状況把握を
行うことが出来、突発事故などに対して迅速に対応する
ことが出来る。更にこのモデル化された車両の動画にグ
ラフ等の静止画像を組合わせて表示出来より容易に状況
把握を行うことが出来る。
【0071】更にカメラの設置条件の変更に基づいた三
次元画像の擬似的な表示変更を行えるので、より見やす
い視点への変更を確認しながら自由に行うことが出来
る。
次元画像の擬似的な表示変更を行えるので、より見やす
い視点への変更を確認しながら自由に行うことが出来
る。
【0072】また車線規制や突発事故など画発生した
時、ニューラルネットワークを用いてそれに伴う渋滞状
況を過去のデータから予測し、過去の経験に基づく人間
的な判断を加味した対策支援情報を提供することが出来
る。またニューラルネットワークを2段構成にしたこと
により、より精度の高い予測値が得られる。
時、ニューラルネットワークを用いてそれに伴う渋滞状
況を過去のデータから予測し、過去の経験に基づく人間
的な判断を加味した対策支援情報を提供することが出来
る。またニューラルネットワークを2段構成にしたこと
により、より精度の高い予測値が得られる。
【図1】交通流監視装置のブロック図である。
【図2】車両のモデリングを説明する図である。
【図3】画像データ上からの車両の幅(w)、高さ
(h)、長さ(d)の求め方を説明する図である。
(h)、長さ(d)の求め方を説明する図である。
【図4】見かけ上の高さh’と実際の高さhとの関係を
示す図である。
示す図である。
【図5】車両の二重化による見かけ上の高さh’の変化
を示す図である。
を示す図である。
【図6】交通流監視装置による二次元動態表示画面の例
である。
である。
【図7】カメラの設置位置条件による画像の三次元動態
表示画面の例である。
表示画面の例である。
【図8】視線の高さを変更した場合の三次元動態表示画
面の例である。
面の例である。
【図9】システム構成例を示す図である。
【図10】交通管制システムと連携させたシステム構成
を示す図である。
を示す図である。
1 交通流監視システム 10 三次元変換表示部 11 車両モデル計算部 12 交通流計算部 13 道路モデル作成部 14 三次元表示部 15 三次元モデル記憶部 20 シュミレータ部 21 交通流データベース 22 第1段のニューラルネットワーク 23 第2段のニューラルネットワーク
───────────────────────────────────────────────────── フロントページの続き (72)発明者 紺野 章子 神奈川県川崎市川崎区田辺新田1番1号 富士電機株式会社内 (72)発明者 川上 一美 神奈川県川崎市川崎区田辺新田1番1号 富士電機株式会社内 Fターム(参考) 5B050 BA09 BA11 BA17 EA07 EA19 EA24 EA28 FA02 FA14 5B057 AA13 AA16 BA02 CE08 CH01 DA11 DA16 DC03 DC09 5H180 AA01 BB05 BB15 CC04 CC18 DD02 DD04 EE02 EE07 HH04 JJ01 JJ03
Claims (8)
- 【請求項1】 道路に設置された計測装置からの計測デ
ータに基づいて、車両の流れを管理する交通流監視シス
テムにおいて、 道路上の車両に対して前記計測装置から送られてくる前
記計測データと各車両モデルを比較して対応する車両モ
デルを求める車両モデル計算手段と、 道路の地図情報と、道路の部品モデルを用いて道路モデ
ルを作成する道路モデル作成手段と、 前記計測データに基づいて前記車両モデル計算手段が求
めた車両モデルの、前記道路モデル作成手段が作成した
道路モデル上での流れを求める交通流計算手段と、 前記交通流計算手段が求めた流れに基づいて、前記道路
モデル上に前記車両モデルを動態表示出力する表示手段
と、 を備えることを特徴とする交通流監視システム。 - 【請求項2】 前記車両モデル計算手段は、画像データ
から求めた前記道路上の車両の大きさの比と前記各車両
モデルの大きさの比とを比較して、対応する車両モデル
を求めることを特徴とする請求項1記載の交通流監視シ
ステム。 - 【請求項3】 前記交通流計算手段は、複数ヵ所の計測
装置間の交通流を前記複数ヵ所の計測装置からの計測デ
ータに基づいて補間処理をして求めることを特徴とする
請求項1又は2記載の交通流監視システム。 - 【請求項4】 道路に設置された計測装置からの計測デ
ータに基づいて、車両の流れを管理する交通流監視シス
テムにおいて、 前記計測装置からの計測データをデータベース化して記
憶する交通流データベースと、 各計測装置に対して設けられ、前記交通流データベース
からのデータの入力に対して予測値を出力する複数の第
1段のニューラルネットワークと、 前記複数の第1段のニューラルネットワークが出力する
予測値から渋滞予測を出力する第2段のニューラルネッ
トワークと、 前記第2段のニューラルネットワークからの出力値に基
づいて道路モデル上に車両モデルを動態表示出力する表
示手段と、 を備えることを特徴とする交通流監視システム。 - 【請求項5】 前記表示手段は、前記車両モデルの動態
出力に、前記計測装置による計測データに基づいた情報
をオーバレイ表示することを特徴とする請求項1乃至4
の何れか1項記載の交通流監視システム。 - 【請求項6】 前記表示手段は、前記道路モデル上に前
記車両モデルを二次元動態表示出力することを特徴とす
る請求項1乃至4の何れか1項記載の交通流監視システ
ム。 - 【請求項7】 前記表示手段は、前記道路モデル上に前
記車両モデルを三次元動態表示出力することを特徴とす
る請求項1乃至4の何れか1項記載の交通流監視システ
ム。 - 【請求項8】 前記表示手段は、前記計測装置のカメラ
の設定条件に基づいて、前記車両モデル及び道路の部品
モデルを三次元変換し、前記道路モデル上に前記車両モ
デルを動態表示出力することを特徴とする請求項7記載
の交通流監視システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10340212A JP2000163685A (ja) | 1998-11-30 | 1998-11-30 | 交通流監視システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10340212A JP2000163685A (ja) | 1998-11-30 | 1998-11-30 | 交通流監視システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2000163685A true JP2000163685A (ja) | 2000-06-16 |
Family
ID=18334777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10340212A Withdrawn JP2000163685A (ja) | 1998-11-30 | 1998-11-30 | 交通流監視システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2000163685A (ja) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1422877A2 (en) * | 2002-11-19 | 2004-05-26 | Melco Inc. | Web-contents receiving system and apparatus for providing an access point |
JP2008052671A (ja) * | 2006-08-28 | 2008-03-06 | Toyota Motor Corp | 渋滞状況予測装置 |
US7366149B2 (en) | 2002-11-19 | 2008-04-29 | Buffalo Inc. | Web-contents receiving system and apparatus for providing an access point |
CN100433065C (zh) * | 2006-03-06 | 2008-11-12 | 上海宝信软件股份有限公司 | 应用三维景观仿真进行实时监控的方法 |
JP2009037338A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
JP2009037337A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
CN102254425A (zh) * | 2011-06-02 | 2011-11-23 | 西北工业大学 | 修正速度的宏观交通流离散模型稳定性建模方法 |
JP2012037964A (ja) * | 2010-08-04 | 2012-02-23 | Toyota Motor Corp | 車両情報取得装置及び車両情報取得方法 |
US8280706B2 (en) | 2009-08-28 | 2012-10-02 | Fujitsu Limited | Distributed processing-type simulator |
CN106781464A (zh) * | 2016-12-06 | 2017-05-31 | 广州市科恩电脑有限公司 | 一种道路拥堵情况测试方法 |
WO2018020954A1 (ja) * | 2016-07-29 | 2018-02-01 | 株式会社日立製作所 | 機械学習用データベース作成システム |
JP2019096110A (ja) * | 2017-11-24 | 2019-06-20 | ホーチキ株式会社 | トンネル内交通流監視システム |
KR20190111318A (ko) * | 2018-03-22 | 2019-10-02 | 슈어소프트테크주식회사 | 운전 상태 추정을 위한 이동체, 서버, 운전 상태 추정 방법 및 시스템 |
JP2019169028A (ja) * | 2018-03-26 | 2019-10-03 | 東日本高速道路株式会社 | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル |
WO2020230237A1 (ja) * | 2019-05-13 | 2020-11-19 | 日本電信電話株式会社 | 交通流推定装置、交通流推定方法、交通流推定プログラムおよび交通流推定プログラムを記憶した記憶媒体 |
KR102254767B1 (ko) * | 2020-11-19 | 2021-05-24 | 한국건설기술연구원 | 차량 영상인식 기반 교통량 조사 장치 및 방법 |
CN113643569A (zh) * | 2014-10-30 | 2021-11-12 | 三菱电机株式会社 | 自动驾驶辅助*** |
KR20220088590A (ko) * | 2020-12-18 | 2022-06-28 | 한국건설기술연구원 | 차종 분류를 기반으로 하는 교통량 분석 및 모니터링 시스템 및 방법 |
KR20230049246A (ko) * | 2021-10-06 | 2023-04-13 | 주식회사 라스윈 | 모양 빔을 이용한 교통 레이더 장치 및 그 동작 방법 |
CN116631196A (zh) * | 2023-07-25 | 2023-08-22 | 南京农业大学 | 一种基于大数据的交通路况预测方法及装置 |
-
1998
- 1998-11-30 JP JP10340212A patent/JP2000163685A/ja not_active Withdrawn
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1422877A3 (en) * | 2002-11-19 | 2007-07-18 | Buffalo Inc. | Web-contents receiving system and apparatus for providing an access point |
US7366149B2 (en) | 2002-11-19 | 2008-04-29 | Buffalo Inc. | Web-contents receiving system and apparatus for providing an access point |
EP1422877A2 (en) * | 2002-11-19 | 2004-05-26 | Melco Inc. | Web-contents receiving system and apparatus for providing an access point |
CN100433065C (zh) * | 2006-03-06 | 2008-11-12 | 上海宝信软件股份有限公司 | 应用三维景观仿真进行实时监控的方法 |
JP2008052671A (ja) * | 2006-08-28 | 2008-03-06 | Toyota Motor Corp | 渋滞状況予測装置 |
JP2009037338A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
JP2009037337A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
US8280706B2 (en) | 2009-08-28 | 2012-10-02 | Fujitsu Limited | Distributed processing-type simulator |
JP2012037964A (ja) * | 2010-08-04 | 2012-02-23 | Toyota Motor Corp | 車両情報取得装置及び車両情報取得方法 |
CN102254425A (zh) * | 2011-06-02 | 2011-11-23 | 西北工业大学 | 修正速度的宏观交通流离散模型稳定性建模方法 |
CN113643569B (zh) * | 2014-10-30 | 2024-02-02 | 三菱电机株式会社 | 自动驾驶辅助*** |
CN113643569A (zh) * | 2014-10-30 | 2021-11-12 | 三菱电机株式会社 | 自动驾驶辅助*** |
US10878288B2 (en) | 2016-07-29 | 2020-12-29 | Hitachi, Ltd. | Database construction system for machine-learning |
WO2018020954A1 (ja) * | 2016-07-29 | 2018-02-01 | 株式会社日立製作所 | 機械学習用データベース作成システム |
JPWO2018020954A1 (ja) * | 2016-07-29 | 2019-04-04 | 株式会社日立製作所 | 機械学習用データベース作成システム |
CN106781464A (zh) * | 2016-12-06 | 2017-05-31 | 广州市科恩电脑有限公司 | 一种道路拥堵情况测试方法 |
JP2019096110A (ja) * | 2017-11-24 | 2019-06-20 | ホーチキ株式会社 | トンネル内交通流監視システム |
KR102088428B1 (ko) * | 2018-03-22 | 2020-04-24 | 슈어소프트테크주식회사 | 운전 상태 추정을 위한 이동체, 서버, 운전 상태 추정 방법 및 시스템 |
KR20190111318A (ko) * | 2018-03-22 | 2019-10-02 | 슈어소프트테크주식회사 | 운전 상태 추정을 위한 이동체, 서버, 운전 상태 추정 방법 및 시스템 |
JP2019169028A (ja) * | 2018-03-26 | 2019-10-03 | 東日本高速道路株式会社 | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル |
JP7228151B2 (ja) | 2018-03-26 | 2023-02-24 | 東日本高速道路株式会社 | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル |
US11837084B2 (en) | 2019-05-13 | 2023-12-05 | Nippon Telegraph And Telephone Corporation | Traffic flow estimation apparatus, traffic flow estimation method, traffic flow estimation program, and storage medium storing traffic flow estimation program |
CN113841188A (zh) * | 2019-05-13 | 2021-12-24 | 日本电信电话株式会社 | 交通流估计装置、交通流估计方法、交通流估计程序及存储了交通流估计程序的存储介质 |
JP7276435B2 (ja) | 2019-05-13 | 2023-05-18 | 日本電信電話株式会社 | 交通流推定装置、交通流推定方法、交通流推定プログラムおよび交通流推定プログラムを記憶した記憶媒体 |
JPWO2020230237A1 (ja) * | 2019-05-13 | 2020-11-19 | ||
WO2020230237A1 (ja) * | 2019-05-13 | 2020-11-19 | 日本電信電話株式会社 | 交通流推定装置、交通流推定方法、交通流推定プログラムおよび交通流推定プログラムを記憶した記憶媒体 |
CN113841188B (zh) * | 2019-05-13 | 2024-02-20 | 日本电信电话株式会社 | 交通流估计装置、交通流估计方法、存储介质 |
KR102254767B1 (ko) * | 2020-11-19 | 2021-05-24 | 한국건설기술연구원 | 차량 영상인식 기반 교통량 조사 장치 및 방법 |
KR20220088590A (ko) * | 2020-12-18 | 2022-06-28 | 한국건설기술연구원 | 차종 분류를 기반으로 하는 교통량 분석 및 모니터링 시스템 및 방법 |
KR102457898B1 (ko) * | 2020-12-18 | 2022-10-25 | 한국건설기술연구원 | 차종 분류를 기반으로 하는 교통량 분석 및 모니터링 시스템 및 방법 |
KR20230049246A (ko) * | 2021-10-06 | 2023-04-13 | 주식회사 라스윈 | 모양 빔을 이용한 교통 레이더 장치 및 그 동작 방법 |
KR102646197B1 (ko) * | 2021-10-06 | 2024-03-11 | 주식회사 라스윈 | 모양 빔을 이용한 교통 레이더 장치 및 그 동작 방법 |
CN116631196A (zh) * | 2023-07-25 | 2023-08-22 | 南京农业大学 | 一种基于大数据的交通路况预测方法及装置 |
CN116631196B (zh) * | 2023-07-25 | 2023-11-28 | 南京农业大学 | 一种基于大数据的交通路况预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2000163685A (ja) | 交通流監視システム | |
CN102819954B (zh) | 交通区域动态地图监控预测*** | |
US8532965B2 (en) | Method and system for traffic simulation of road network | |
CN110910673B (zh) | 一种提醒行人碰撞车辆的方法及***、摄像头、移动终端 | |
CN103700261A (zh) | 一种基于视频的道路交通流特征参数监测及交通综合信息服务*** | |
Ojala et al. | Novel convolutional neural network-based roadside unit for accurate pedestrian localisation | |
KR20210050247A (ko) | 하이브리드 교통신호제어시스템 및 그 방법 | |
Puphal et al. | Online and predictive warning system for forced lane changes using risk maps | |
CN115131990A (zh) | 一种无信控路口混合流碰撞风险预警方法与*** | |
Bai et al. | Cyber mobility mirror for enabling cooperative driving automation in mixed traffic: A co-simulation platform | |
US20100292971A1 (en) | Method and testing device for testing a traffic-control system | |
Pechinger et al. | Benefit of smart infrastructure on urban automated driving-using an av testing framework | |
Zhou et al. | A hybrid virtual–real traffic simulation approach to reproducing the spatiotemporal distribution of bridge loads | |
JP7349970B2 (ja) | 交通管理システム | |
KR20230125699A (ko) | 교통 신호 제어 시스템 및 그에 관한 방법 | |
Sukhinskiy et al. | Developing a parking monitoring system based on the analysis of images from an outdoor surveillance camera | |
KR101446545B1 (ko) | 위치기반 교차로 차량정보 표시시스템 | |
Majgaonkar et al. | Developing a Parking Monitoring System using Mask-RCNN | |
Kelly et al. | The advanced traffic management center | |
Czyzewski et al. | Visual traffic noise monitoring in urban areas | |
KR102563147B1 (ko) | 교통 신호 제어 시스템 및 그에 관한 방법 | |
CN116321072B (zh) | 基于感知失效的数据补偿方法以及装置 | |
KR102630264B1 (ko) | 교차로 안내 정보 제공 시스템, 방법 및 컴퓨터 프로그램 | |
US20240233523A1 (en) | Method for control of traffic regulation agents of a road network | |
Wang | Simulation and Analysis of Traffic Congestion Prediction and Vehicle Re-Routing Strategy Using Image-Based Surveillance Camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20060207 |