JP2003067882A - Device for optimizing travel route and traffic flow simulator - Google Patents
Device for optimizing travel route and traffic flow simulatorInfo
- Publication number
- JP2003067882A JP2003067882A JP2001256944A JP2001256944A JP2003067882A JP 2003067882 A JP2003067882 A JP 2003067882A JP 2001256944 A JP2001256944 A JP 2001256944A JP 2001256944 A JP2001256944 A JP 2001256944A JP 2003067882 A JP2003067882 A JP 2003067882A
- Authority
- JP
- Japan
- Prior art keywords
- traffic volume
- route
- combination
- traffic
- candidate
- 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.)
- Pending
Links
Landscapes
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、走行経路最適化装
置及び交通流シミュレータに係り、特に、各車両が選択
する経路の組合せ毎に交通量配分を行なって再現したい
交通状況の計算値を求め、計算値と実測値との差が最小
になる経路の組合せを求めることによって、再現したい
交通状況を精度良く再現することができる経路の組合せ
データを求める走行経路最適化装置、及びこの走行経路
最適化装置で求めた経路の組合せデータを用いて交通流
のシミュレートを行なう交通流シミュレータに関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a travel route optimizing device and a traffic flow simulator, and more particularly to calculating a traffic situation to be reproduced by distributing traffic volume for each combination of routes selected by each vehicle. , A route optimization device that obtains route combination data that can accurately reproduce the traffic situation that you want to reproduce by determining the route combination that minimizes the difference between the calculated value and the measured value, and this route optimization Traffic simulator that simulates traffic flow by using combination data of routes obtained by computerization device.
【０００２】[0002]
【従来の技術及び発明が解決しようとする課題】交通状
況を再現するためには交通量等の実測調査を行なう必要
があるが、対象地域が広域であるときは、全ての道路や
車両について調査することは困難である。そこで、従来
では論文「フレックスタイム制導入に伴う道路交通環境
変化のネットワークシミュレーション分析」（交通工学
Ｖｏｌ．３１，Ｎｏ．１ １９９６）に記載されてい
るように、広域を対象とした交通状況再現には、どの経
路を通っても最終的には同じ走行時間になるという等時
間原則を仮定して、対象とする道路ネットワーク上に、
アンケート調査等で求めた出発地と目的地との間の交通
量（ＯＤ交通量）を均衡配分する、という交通均衡的手
法が多く用いられている。BACKGROUND OF THE INVENTION In order to reproduce traffic conditions, it is necessary to actually measure traffic volume, but when the target area is wide, survey all roads and vehicles. Is difficult to do. Therefore, in the past, as described in the paper “Network simulation analysis of changes in road traffic environment due to introduction of flextime system” (Traffic Engineering Vol. 31, No. 1 1996), it is possible to reproduce traffic conditions over a wide area. On the target road network, assuming the isochronous principle that the same travel time will eventually result regardless of which route
A traffic equilibrium method is widely used in which the traffic volume (OD traffic volume) between the starting point and the destination determined in a questionnaire survey is balancedly distributed.
【０００３】しかしながら、現実の交通状況では必ずし
も均衡状態であるとは限らないため、従来の交通均衡的
手法を用いた場合、再現された交通状況が実際の状況と
大きく異なり、高精度な再現を行なうのが困難である、
という問題があった。However, since the actual traffic situation is not always in an equilibrium state, when the conventional traffic equilibrium method is used, the reproduced traffic situation is significantly different from the actual situation and highly accurate reproduction is required. Difficult to do,
There was a problem.
【０００４】本発明は、上記問題を解消するためになさ
れたもので、高精度な再現を行なうことが可能な経路の
組合せデータを求めることができる走行経路最適化装
置、及びこの走行経路最適化装置で求めた組合せデータ
を使用して精度の良い交通流のシミュレートを行なう交
通流シミュレータを提供することを目的とする。The present invention has been made to solve the above problems, and a traveling route optimizing device capable of obtaining combination data of routes capable of highly accurate reproduction, and the traveling route optimizing device. It is an object of the present invention to provide a traffic flow simulator that accurately simulates a traffic flow using combination data obtained by a device.
【０００５】[0005]
【課題を解決するための手段】上記目的を達成するため
に本発明は、道路ネットワークを表す道路ネットワーク
データ、及び出発地から目的地までの交通量を表すＯＤ
交通量データに基づいて、道路ネットワークを走行する
車両が選択する可能性がある出発地から目的地までの複
数の候補経路を選定する候補経路選定手段と、前記候補
経路選定手段で選定された複数の候補経路の中から、各
々の車両がいずれかを選択して走行した場合の道路ネッ
トワーク上の複数のリンクの交通量の計算値と同リンク
の交通量の実測値との差の各々が最適になる候補経路の
組合せを算出する走行経路算出手段と、を含んで構成し
たものである。In order to achieve the above object, the present invention provides a road network data representing a road network and an OD representing a traffic volume from a starting point to a destination.
A candidate route selecting means for selecting a plurality of candidate routes from a starting point to a destination that a vehicle traveling on a road network may select based on the traffic data, and a plurality of candidate route selecting means selected by the candidate route selecting means. Each of the differences between the calculated value of the traffic volume of multiple links on the road network and the measured value of the traffic volume of the same link when each vehicle selects one of the candidate routes And a travel route calculation means for calculating a combination of candidate routes.
【０００６】本発明では、道路ネットワークを走行する
車両が選択する可能性がある出発地から目的地までの複
数の候補経路が選定され、選定された複数の候補経路の
中から、各々の車両がいずれかを選択して走行した場合
の道路ネットワーク上の複数のリンクの交通量の計算値
と同リンクの交通量の実測値との差が最適になる候補経
路の組合せが算出される。According to the present invention, a plurality of candidate routes from a starting point to a destination which a vehicle traveling on a road network may select are selected, and each vehicle is selected from the plurality of selected candidate routes. A combination of candidate routes is calculated in which the difference between the calculated value of the traffic volume of a plurality of links on the road network and the measured value of the traffic volume of the link when the vehicle is selected and run is optimal.
【０００７】候補経路の組合せを算出するにあたって
は、要素の数を車両数に対応させ、各要素を候補経路の
各々に対応させた複数の要素からなる多数の遺伝子を用
いた遺伝的アルゴリズムによって、候補経路の組合せを
まとめて算出すれば、膨大な組合せの中から近似解を高
速に求めることができる。経路は車両１台毎に１経路算
出するのが好ましいが、出発地、目的地が同じである複
数台の車両毎に１経路算出してもよい。この場合、要素
の数を車両のまとまりの数に対応させる。In calculating the combination of candidate routes, the number of elements is made to correspond to the number of vehicles, and a genetic algorithm using a large number of genes, each element being made to correspond to each of the candidate routes, is used. If a combination of candidate routes is collectively calculated, an approximate solution can be quickly obtained from a huge number of combinations. It is preferable to calculate one route for each vehicle, but one route may be calculated for each of a plurality of vehicles having the same starting point and destination. In this case, the number of elements corresponds to the number of vehicle groups.
【０００８】差が最適になる候補経路の組合せは、前記
差の２乗の和、前記差の２乗の和に交通量の実測値が無
い複数のリンクに対してリンク各々の容量を超過した容
量超過交通量の２乗の和を加算した値、及び前記差の２
乗の和に交通量の実測値が無い複数のリンクに対してリ
ンクの各々の前記容量超過交通量に渋滞度を乗算した値
の２乗の和を加算した値のいずれかを最小にする候補経
路の組合せとすることができる。The combination of the candidate routes with the optimum difference exceeds the capacity of each of the links for the sum of the squares of the differences and for the plurality of links for which the actual value of the traffic volume is not included in the sum of the squares of the differences. A value obtained by adding the sum of squared excess traffic volumes, and 2 of the difference
Candidate for minimizing one of the values obtained by adding the sum of squares of the value obtained by multiplying the above-mentioned excess traffic volume of each link by the congestion degree for a plurality of links for which the sum of squares does not have an actual measurement value of traffic volume It can be a combination of routes.
【０００９】上記のようにして算出された候補経路の組
合せのデータは、交通流のシミュレーションを行なう場
合に使用することができる。なお、交通流のシミュレー
ションを行なう場合に、特定のリンクに対する交通量の
計算値を予め定めた値（例えば、通行禁止の場合は交通
量０）に設定することにより、特定の交通状況における
交通流を予測することができる。The data of the combination of the candidate routes calculated as described above can be used when a traffic flow is simulated. When simulating a traffic flow, by setting the calculated value of the traffic volume for a specific link to a predetermined value (for example, if the traffic is prohibited, the traffic volume is 0). Can be predicted.
【００１０】[0010]
【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を詳細に説明する。BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
【００１１】図１に示すように、本実施の形態の走行経
路最適化装置は、道路ネットワークを表す道路ネットワ
ークデータを記憶した記憶装置１０、出発地（Ｏ）の位
置、目的地（Ｄ）の位置、及び出発地から目的地までの
交通量（ＯＤ交通量）を表すＯＤ交通量データ、信号が
青である時間を表すデータを含む信号データ、交通量等
の実測データ等を入力するためのキーボード等で構成さ
れた入力装置１２、入力装置１２から入力された入力デ
ータ及び記憶装置１０に記憶された道路ネットワークデ
ータに基づいて最適な径路の組合せの演算を行なうコン
ピュータ等で構成された演算装置１４、及び演算装置１
４で演算された最適な径路の組合せ結果を表示するＣＲ
ＴやＬＣＤ等で構成された表示装置１６から構成されて
いる。As shown in FIG. 1, the travel route optimizing device of the present embodiment stores a storage device 10 storing road network data representing a road network, a starting point (O) position, and a destination (D). For inputting position and OD traffic volume data indicating the traffic volume (OD traffic volume) from the starting point to the destination, signal data including data indicating the time when the signal is blue, actual measurement data such as traffic volume, etc. An input device 12 including a keyboard and the like, and an arithmetic device including a computer and the like for performing an optimum combination of paths based on input data input from the input device 12 and road network data stored in the storage device 10. 14, and arithmetic unit 1
CR that displays the optimum path combination result calculated in 4.
The display device 16 includes a T, an LCD, and the like.
【００１２】図１の走行経路最適化装置の演算装置１４
を機能ブロックで表すと図２に示すようになり、演算装
置１４は、候補経路選定手段１４Ａ及び経路最適化手段
１４Ｂを含んで構成される。候補経路選定手段１４Ａ
は、道路ネットワークデータＤ１及びＯＤ交通量データ
Ｄ２を入力として、道路ネットワークデータ及びＯＤ交
通量データに基づいて、道路ネットワークを走行する車
両が選択する可能性がある複数の候補経路を選定し、候
補径路データＤ３を出力する。また、経路最適化手段１
４Ｂは、候補経路選定手段１４Ａで選択された複数の候
補経路を示す候補径路データＤ３、記憶装置１０から入
力される道路ネットワークデータＤ１、入力装置１２か
ら入力されるＯＤ交通量データＤ２、信号データＤ４、
及び交通量等の実測データＤ５を入力として、実測デー
タと計算データとの差が最適になるように経路の組合せ
の最適化計算を行ない、最適経路の組合せを算出する。The arithmetic unit 14 of the traveling route optimizing device of FIG.
2 is represented by a functional block, and the arithmetic unit 14 is configured to include a candidate route selecting means 14A and a route optimizing means 14B. Candidate route selection means 14A
Inputs the road network data D1 and the OD traffic volume data D2, selects a plurality of candidate routes that the vehicle traveling on the road network may select based on the road network data and the OD traffic volume data, The route data D3 is output. Also, the route optimization means 1
4B is candidate route data D3 indicating a plurality of candidate routes selected by the candidate route selection means 14A, road network data D1 input from the storage device 10, OD traffic volume data D2 input from the input device 12, and signal data. D4,
Also, by inputting the measured data D5 such as the traffic volume, the optimization calculation of the combination of routes is performed so that the difference between the measured data and the calculated data is optimal, and the combination of the optimal routes is calculated.
【００１３】図３は、記憶装置１０に記憶されている道
路ネットワークデータの例を示すものである。この道路
ネットワークデータは、豊田市及び西加茂郡三好町を対
象としたノード（交差点等）数２９６、リンク（道路）
数９００、信号設置交差点数１９６のデータである。ま
た、ＯＤ交通量データとしては、例えば、道路交通セン
サスの休日カーＯＤより、３０分単位で作成したデータ
を使用することができる。FIG. 3 shows an example of road network data stored in the storage device 10. This road network data includes 296 nodes (intersections, etc.) and links (roads) for Toyota City and Miyoshi-cho, Nishikamo-gun.
It is data of the number 900 and the number of signal installation intersections 196. Further, as the OD traffic volume data, for example, data created in units of 30 minutes from the holiday car OD of the road traffic census can be used.
【００１４】以下、本実施の形態の各部の動作の詳細に
ついて説明する。候補経路選定手段１４Ａは、各ＯＤに
対して道路ネットワーク上での候補経路の探索を行な
い、複数の候補経路を選定する。複数の候補経路には、
ＯＤ交通量データに基づいて求めた最短時間経路、最短
距離経路、ドライバの経路探索特性を考慮した経路探索
により求めた経路、及び特定の道路（例えば、国道や高
速道路）を優先して通る経路のいずれか、またはこれら
の経路を組み合わせた経路を用いることができる。The details of the operation of each section of this embodiment will be described below. The candidate route selection means 14A searches each OD for a candidate route on the road network and selects a plurality of candidate routes. Multiple candidate routes include
Shortest-time route, shortest-distance route obtained based on OD traffic data, route obtained by route search considering driver's route search characteristics, and route that preferentially passes a specific road (for example, national road or highway) Any of the above or a combination of these paths can be used.
【００１５】経路最適化手段１４Ｂでは、記憶装置１０
に記憶されている道路ネットワークデータ、入力装置１
２から入力されたＯＤ交通量データ、信号データ、再現
したい交通状況におけるリンクの交通量の実測データ
（実測値）、及び候補経路選定手段１４Ａで選定された
複数の候補経路を入力として、以下で説明するように、
複数の候補経路の中から各車両が選択する可能性がある
経路の組合せ別に交通量配分を行ない、計算値と実測値
との誤差を演算する。そして、計算値と実測値との誤差
の２乗が最小となる経路の組合せを求め、この経路の組
合せを最適経路データとして出力し、表示装置１６に表
示する。In the route optimizing means 14B, the storage device 10
Network data, input device 1 stored in
Inputting the OD traffic volume data, signal data, measured data (measured values) of the traffic volume of the link in the traffic situation desired to be reproduced, and a plurality of candidate routes selected by the candidate route selection means 14A, as described below. As I explain
The traffic volume is distributed for each combination of routes that each vehicle may select from among a plurality of candidate routes, and the error between the calculated value and the measured value is calculated. Then, a combination of routes that minimizes the square of the error between the calculated value and the measured value is obtained, and this combination of routes is output as optimum route data and displayed on the display device 16.
【００１６】各車両の候補経路数をＭ、車両数をＮとす
ると、最適経路データを算出する際にはＭN通りの経路
の組合せから最適な経路の組合せを求めることになるた
め、広域の道路ネットワークデータに適用した場合等で
は、組合せ数が多くなって計算時間が膨大になる、とい
う問題が発生する。また、最適経路データは、各車両毎
に決定するのが望ましいが、車両数が多い場合には、各
車両１台毎に算出するよりも複数台毎にまとめて算出す
る方が計算効率が良い。Assuming that the number of candidate routes of each vehicle is M and the number of vehicles is N, the optimum route combination is calculated from the M N route combinations when calculating the optimum route data. When applied to road network data, the number of combinations increases and the calculation time becomes huge. Further, it is desirable to determine the optimum route data for each vehicle, but when the number of vehicles is large, it is more efficient to collectively calculate a plurality of vehicles than to calculate each vehicle. .
【００１７】そこで、本実施の形態では、経路の最適化
計算を行なう場合に、膨大な組合せの中から近似解を高
速に求めることができるＧＡ（遺伝的アルゴリズム）を
用いている。次に、ＧＡを用いた経路の最適化計算の詳
細について説明する。Therefore, in the present embodiment, a GA (genetic algorithm) is used which can obtain an approximate solution at a high speed from a huge number of combinations when performing the route optimization calculation. Next, details of the route optimization calculation using the GA will be described.
【００１８】本実施の形態では、ＧＡで用いる遺伝子を
以下に示すように、遺伝子の長さｎ（要素の数）を車両
数に対応させ、遺伝子内の各要素ｘi（ｉ＝１，２，
３，・・・ｎ）を各車両が選択した候補経路の番号に対
応させて、（ｘ1，ｘ2，ｘ3，・・・ｘn-1，ｘn）で定
義した。例えば、遺伝子（１，０，２）は、車両数３、
１番目の車両は候補経路１、２番目の車両は候補経路
０、３番目の車両は好捕経路２を選択した場合、すなわ
ち３台の車両が１、０、２の候補経路の組合せを選択し
た場合の遺伝子を示している。In the present embodiment, as shown below for genes used in GA, the length n (number of elements) of the gene is made to correspond to the number of vehicles, and each element x i (i = 1, 2, 1) in the gene is ，
3, the · · · n) to correspond to the number of each vehicle selected candidate path, defined by (x 1, x 2, x 3, ··· x n-1, x n). For example, the gene (1,0,2) has three vehicles,
When the first vehicle is the candidate route 1, the second vehicle is the candidate route 0, and the third vehicle is the favorable route 2, that is, the three vehicles select the combination of 1, 0 and 2 candidate routes. The gene of the case is shown.
【００１９】次にＧＡの計算手順を図５の流れ図によっ
て説明する。最初に、ステップＳ１において予め設定し
た数の遺伝子をランダムに作成する（初期人口の生
成）。Next, the GA calculation procedure will be described with reference to the flow chart of FIG. First, in step S1, a preset number of genes is randomly created (generation of initial population).
【００２０】次に、以下で説明する手順で、第１世代の
計算を行う。まず、ステップＳ２において、各遺伝子に
示される番号の経路に対して、その経路上のリンクに対
して交通量を配分するＡｌｌ ｏｒ Ｎｏｔｈｉｎｇ法
による交通量配分を行い、計算値（配分交通量）と実測
値（実測交通量）との誤差を示す目的関数の値を算出す
る。目的関数は、実測値としてリンク交通量の他交差点
での分岐交通量、分岐確率、リンクの旅行時間、及び渋
滞度等を用いて以下の第１〜第３の目的関数のように計
算することができる。全てのリンクについて実測値が存
在すれば、第１の目的関数を使用し、実測値が無いリン
クが存在すれば、第１の目的関数、第２の目的関数また
は第３の目的関数のいずれかを使用することができる。Next, the first generation calculation is performed by the procedure described below. First, in step S2, for the route of the number indicated by each gene, the traffic volume is distributed by the All or Nothing method that allocates the traffic volume to the links on the route, and the calculated value (allocated traffic volume) is obtained. Calculate the value of the objective function that shows the error from the measured value (measured traffic volume). The objective function should be calculated as the following first to third objective functions by using, as measured values, branch traffic volume at other intersections, branch probabilities, link travel times, congestion levels, etc. You can If there are measured values for all links, the first objective function is used, and if there is a link for which there is no measured value, then either the first objective function, the second objective function, or the third objective function. Can be used.
【００２１】第１の目的関数は、下記（１）式に示すよ
うに、リンクｌの実測交通量ｑlとリンクｌの配分交通
量ｑ' lとの差の２乗を感知器が設置されている全リンク
について加算したものである。As the first objective function, as shown in the following equation (1), a sensor is installed as the square of the difference between the measured traffic volume q l of link l and the distributed traffic volume q ′ l of link l. It is the sum of all the links.
【００２２】[0022]
【数１】 [Equation 1]
【００２３】ただし、Ｌｓは、感知器設置リンクの集合
であり、リンクｌの配分交通量ｑ' lは、以下の（２）式
で表される。[0023] where, Ls is a set of sensor installation links, distribution traffic q 'l link l is expressed by the following equation (2).
【００２４】[0024]
【数２】 [Equation 2]
【００２５】ただし、ｅlvは、車両ｖがリンクｌを通過
するとき１、その他の場合０であり、Ｖは全車両の集合
である。However, e lv is 1 when the vehicle v passes the link l, and 0 otherwise, and V is a set of all vehicles.
【００２６】第２の目的関数は、実測交通量の無いリン
クについて容量超過交通量を加味したものである。すな
わち、第２の目的関数は、下記（３）式に示すように、
実測交通量が無いリンクについて、リンクに設定されて
いる飽和交通流率ｈl（台／青信号１時間）、信号スプ
リットｓl（リンクｌに対する青信号時間／サイクル
長）、及び時間係数ｔの積によって演算されるリンクｌ
のリンク容量ｃlと、配分交通量ｑ' lとを比較し、リン
ク容量を超過した場合にはリンクｌの容量超過交通量Ｏ
lの２乗の和を（１）式の第１の目的関数に加算したも
のである。The second objective function is one in which the capacity excess traffic amount is added to the link having no measured traffic amount. That is, the second objective function is, as shown in the following equation (3),
For a link with no measured traffic volume, the product of the saturated traffic flow rate h l (vehicle / green light 1 hour), signal split sl (green light time / cycle length for link l), and time coefficient t set for the link Calculated link l
Link capacity c l and, compared with the distribution traffic q 'l, capacitance excess traffic link l in the case of exceeding the link capacity O of
The sum of the squares of l is added to the first objective function of the equation (1).
【００２７】[0027]
【数３】 [Equation 3]
【００２８】ただし、ｃl＜ｑ' lのときＯl＝ｑ' l−
ｃl、その他のときＯl＝０、ｃl＝ｈl・ｓl・ｔであ
り、時間係数ｔは、ＯＤの時間幅／１時間で表され、対
象となる時間が例えば３０分のとき、０．５である。However, when c l <q ′ l , O l = q ′ l −
c l, a other when O l = 0, c l = h l · s l · t, the time coefficient t is expressed in OD duration / hour, at a time of interest, for example, 30 minutes , 0.5.
【００２９】また、第３の目的関数は、第２の目的関数
のリンクｌの容量超過交通量Ｏlを、リンクｌが渋滞し
ているとき１、その他のとき０で表される渋滞度ｊlを
用いてｃl＜ｑ' lのときＯl＝ｊl（ｑ' l−ｃl）、その他
のときＯl＝０で表したものである。The third objective function is the congestion degree j, which is represented by 1 when the link l of the second objective function is the capacity excess traffic O l and when the link l is congested, and 0 otherwise. c l <q using l 'when l O l = j l (q ' l -c l), is a representation in O l = 0 at other times.
【００３０】ステップＳ２で全ての遺伝子について目的
関数の値を計算した後、ステップＳ３においてより小さ
い値を示す目的関数（より小さい計算値と実測値との誤
差を示す値）が存在するか、または予め定められた既定
世代分の計算を終了したか否かを判断する。ここで、任
意の世代ｋにおける目的関数の値より小さい値の目的関
数が存在するか否かは、第ｋ＋１世代の遺伝子について
の目的関数の値を計算し、各世代について値の小さい順
（昇順）、すなわち計算値と実測値との誤差を示す値が
小さい順に目的関数を並び替え、現世代（第ｋ＋１世
代）以前に計算された目的関数の最小値と現世代の目的
関数の最小値とを比較し、第ｋ世代から第ｋ＋１世代に
変化したとき目的関数の値の減少が無ければ、第ｋ世代
における目的関数の値が最小であると判断する。目的関
数の値が最小のときには、このルーチンを終了する。な
お、この場合、降順に目的関数を並び替えて、目的関数
の値が最小か否かを判断しても良い。After calculating the objective function values for all the genes in step S2, there is an objective function showing a smaller value in step S3 (a value showing an error between the smaller calculated value and the actually measured value), or It is determined whether or not the calculation for the predetermined generation determined in advance has been completed. Here, whether or not there is an objective function having a value smaller than the value of the objective function in any generation k is calculated by calculating the value of the objective function for the gene of the (k + 1) th generation, and ascending order of value (ascending order). ), That is, the objective functions are sorted in ascending order of the value indicating the difference between the calculated value and the actual measurement value, and the minimum value of the objective function calculated before the current generation (k + 1 generation) and the minimum value of the objective function of the current generation are If the value of the objective function does not decrease when changing from the kth generation to the (k + 1) th generation, it is determined that the value of the objective function in the kth generation is the minimum. When the value of the objective function is the minimum, this routine ends. In this case, the objective functions may be rearranged in descending order to determine whether or not the value of the objective function is the smallest.
【００３１】また、ステップＳ３で予め定められた既定
世代分の計算を終了したと判断されたときにも解が近似
的に最適な解に収束して目的関数の値が十分小さくなっ
ているので、このルーチンを終了する。Also, when it is determined in step S3 that the calculation for the predetermined number of predetermined generations has been completed, the solution converges to an approximately optimal solution and the value of the objective function is sufficiently small. , This routine ends.
【００３２】ステップＳ３の判断が否定の場合、すなわ
ち目的関数の値がより小さい遺伝子が存在する可能性が
ある場合、及び既定世代分の計算を終了していない場合
には、ＧＡの手法に従って、ステップＳ４で遺伝子の再
生産、ステップＳ５で遺伝子の交差、ステップＳ６で遺
伝子の突然変異を行なった後、ステップＳ２に戻って上
記で説明したように目的関数の値を演算し、目的関数の
値が最小か否かを再度判断する。When the determination in step S3 is negative, that is, when there is a possibility that a gene having a smaller objective function value exists, and when the calculation for the predetermined generation has not been completed, according to the GA method, After the reproduction of the gene in step S4, the crossover of the gene in step S5, and the mutation of the gene in step S6, the process returns to step S2, the value of the objective function is calculated as described above, and the value of the objective function is calculated. It is again determined whether or not
【００３３】上記で説明した処理をステップＳ３で肯定
と判断されるまで繰り返すことにより、目的関数の値が
最小になる経路の組合せを示す遺伝子を求めることがで
きる。求めた遺伝子は、ｎ台の車両の候補経路の組合せ
で表されているので、ｎ台の車両の最適な候補経路の組
合せがまとめて算出されることになる。By repeating the above-described processing until the determination in step S3 is affirmative, it is possible to obtain a gene indicating a combination of routes having the minimum value of the objective function. Since the obtained gene is represented by the combination of the candidate routes of the n vehicles, the optimal combination of the candidate routes of the n vehicles is collectively calculated.
【００３４】この求めた最適な候補経路データをコンピ
ュータ等で構成された図示しない交通流シミュレータの
入力データとして用いることにより、交通状況再現シミ
ュレーションを実施することができる。By using the thus obtained optimum candidate route data as input data for a traffic flow simulator (not shown) composed of a computer or the like, a traffic situation reproduction simulation can be carried out.
【００３５】再生産、交差、及び突然変異については種
々の方法が提案されているが、本実施の形態では以下の
ように行なった。再生産は、人口の中の遺伝子のうち、
目的関数の値の大きい方から予め定めた割合の遺伝子を
消去し、消去した数と同じ数の遺伝子を新たにランダム
に作成した。交差は、予め定めた交差率で、ランダムに
２つの遺伝子を組合せ、ランダムな位置で各遺伝子の要
素を交互に入れ替えて新しい２つの遺伝子を作成した。
また、突然変異は、予め定めた突然変異率で遺伝子を抽
出し、抽出した遺伝子の各々においてランダムな位置の
要素をこれと異なる位置の要素と入れ替えて新しい遺伝
子を作成した。Various methods have been proposed for reproduction, crossover, and mutation, but in the present embodiment, the method is as follows. Reproduction is one of the genes in the population
A predetermined ratio of genes was deleted from the one with the largest objective function value, and the same number of genes as the deleted number was newly created at random. For the crossover, two genes were randomly combined at a predetermined crossover rate, and the elements of each gene were replaced at random positions to create two new genes.
For mutation, genes were extracted at a predetermined mutation rate, and elements in random positions in each of the extracted genes were replaced with elements in positions different from this to create new genes.
【００３６】これらの再生産、交差、突然変異の操作に
よって、新しい遺伝子を生成することにより、解の検索
範囲を広げ、突然変異を起こすことにより局所解に陥る
ことを防止しつつ、優秀な遺伝子、すなわち目的関数の
値を小さくする遺伝子を次世代に残存させながら効率良
く、最適解を求めることができる。Generating a new gene by these operations of reproduction, crossover, and mutation, broadens the search range of the solution, and prevents a local solution due to mutation, while preventing generation of an excellent gene. That is, it is possible to efficiently find the optimum solution while leaving the gene that reduces the value of the objective function in the next generation.
【００３７】以下、具体的な例について説明する。本実
施の形態では、上記の候補経路として候補経路０〜候補
経路２の最大３本の候補経路を選定した。候補経路０、
候補経路１は、ＡＨＰ（階層分析法）を用いてドライバ
の経路探索特性を考慮した経路探索により求めた。この
ＡＨＰでは、アンケート調査により分析して求めた、距
離、時間、車線数、及び右左折回数を評価して経路を探
索した（特開平６−３３１３７０５号公報参照）。候補
経路０は、混雑していない場合を想定し、この経路の中
の時間をリンクの設定値である距離と走行速度とから算
出して用いた。また、候補経路１は、混雑時を想定し、
Ａｌｌ ｏｒ Ｎｏｔｈｉｎｇ法による交通量配分を行
なったときの交通量に対して、各リンクに設定されてい
る走行速度Ｖ、交通量の容量Ｑｊより求めたＱＶ（交通
量Ｑ−速度Ｖ）式から算出した時間を用いた。使用した
ＱＶ式は、図４に示すように、速度Ｖは交通量Ｑの増加
に応じて単調減少している。A specific example will be described below. In the present embodiment, a maximum of three candidate routes from candidate route 0 to candidate route 2 are selected as the above candidate routes. Candidate route 0,
Candidate route 1 was obtained by route search in consideration of the route search characteristics of the driver using AHP (hierarchical analysis method). In this AHP, the route was searched by evaluating the distance, time, the number of lanes, and the number of right and left turns, which were obtained by analysis by a questionnaire survey (see Japanese Patent Laid-Open No. 6-3313705). Assuming that the candidate route 0 is not congested, the time in this route is calculated from the distance and the traveling speed, which are set values of the link, and used. Also, the candidate route 1 is assumed to be crowded,
Calculated from the QV (traffic volume Q-velocity V) formula obtained from the traveling speed V and the traffic volume Qj set for each link with respect to the traffic volume when the traffic volume is distributed by the All Nothing method. The time taken was used. In the QV equation used, as shown in FIG. 4, the speed V monotonically decreases as the traffic volume Q increases.
【００３８】候補経路２は、国道に対して重み付けを行
なって（例えば、国道リンクの距離を１より小さい値
（例えば、０．８倍）する経路探索を行ない、国道を優
先して通る経路を選定した。For the candidate route 2, a route search is performed by weighting the national road (for example, by making the distance of the national road link smaller than 1 (for example, 0.8 times), and preferentially passing the national road. Selected.
【００３９】上記のＧＡのパラメータとして、人口２
０、世代数５００００、再生産する割合０．２、交差率
０．８、突然変異率０．３として、図３に示す豊田市道
路ネットワーク及び豊田市内５９リンクの実測交通量と
全リンクの容量を用いて上記の手順で目的関数を計算
し、休日の１２：００〜１９：００において３０分単位
の時間帯別最適経路データを求めた。As a parameter of the above-mentioned GA, the population 2
0, number of generations 50,000, reproduction rate 0.2, crossing rate 0.8, mutation rate 0.3, measured traffic volume of Toyota City Road Network and Toyota City 59 links shown in Fig. 3 and all links The objective function was calculated by the above procedure using the capacity, and the optimum route data for each time zone in units of 30 minutes was obtained from 12:00 to 19:00 on holidays.
【００４０】また、上記で説明したＧＡを用いて、各Ｏ
Ｄの車両数が複数台であることを前提とし、各ＯＤ毎に
まとめて最適経路データを計算した。さらに、この求め
た最適経路データを交通流シミュレータの入力データと
して用いることにより、交通状況再現シミュレーション
を実施し、再現性の確認を行なった。交通量について
は、経路の最適化計算時に用いた実測交通量を用いて比
較を行ない、旅行時間については代表的な２０ルートの
１５分毎の実測データを用いて比較を行なった。Further, by using the GA described above, each O
Assuming that the number of vehicles in D is plural, the optimum route data was calculated collectively for each OD. Furthermore, by using the obtained optimum route data as input data for the traffic flow simulator, a traffic situation reproduction simulation was performed and the reproducibility was confirmed. The traffic volume was compared using the measured traffic volume used in the route optimization calculation, and the travel time was compared using the measured data for every 15 minutes of typical 20 routes.
【００４１】感知器が設置されているリンクの１時間当
たりの交通量についての実測値とシミュレーション値と
の比較結果を図６に示す。相関係数は０．９６、％ＲＭ
Ｓ誤差平均は８．９と非常に良い再現性を示しているこ
とが理解できる。FIG. 6 shows the result of comparison between the measured value and the simulated value of the traffic volume per hour of the link in which the sensor is installed. Correlation coefficient is 0.96,% RM
It can be seen that the average S error shows a very good reproducibility of 8.9.
【００４２】また、２０ルートの１時間平均の旅行時間
について、実測値とシミュレーション値との比較結果を
図７に示す。相関係数は０．８８、％ＲＭＳ誤差平均は
１６．５であり、旅行時間についても再現性が良いこと
が理解できる。FIG. 7 shows the result of comparison between the actually measured values and the simulated values for the hourly travel time of 20 routes. The correlation coefficient is 0.88, the% RMS error average is 16.5, and it can be understood that the travel time is also reproducible.
【００４３】以上によって、本実施の形態により交通流
シミュレータ上で精度良く交通状況を再現できる最適経
路データが作成可能であることが確認できた。From the above, it has been confirmed that the present embodiment makes it possible to create optimum route data capable of accurately reproducing traffic conditions on a traffic flow simulator.
【００４４】なお、上記では、道路ネットワークデータ
を記憶装置に記憶し、ＯＤ交通量を入力する例について
説明したが、インターネット等のネットワークを介して
道路ネットワークデータ及びＯＤ交通量をダウンロード
することにより、演算装置１４に入力するようにしても
よい。In the above description, an example in which the road network data is stored in the storage device and the OD traffic volume is input has been described. However, by downloading the road network data and the OD traffic volume via a network such as the Internet, You may make it input into the arithmetic unit 14.
【００４５】[0045]
【発明の効果】以上説明したように本発明によれば、高
精度な再現を行なうことが可能な経路の組合せデータを
求めることができる、という効果が得られる。As described above, according to the present invention, it is possible to obtain the combined data of the routes that can be reproduced with high accuracy.
【００４６】また、走行経路最適化装置で求めた組合せ
データを交通流シミュレータに適用すれば、高精度な交
通流のシミュレートを行なうことができる、という効果
が得られる。Further, if the combination data obtained by the travel route optimizing device is applied to the traffic flow simulator, the effect that the traffic flow can be simulated with high accuracy can be obtained.
【図１】本発明の実施の形態のブロック図である。FIG. 1 is a block diagram of an embodiment of the present invention.
【図２】図１の演算装置を表す機能ブロックとデータと
の関係を示すブロック図である。FIG. 2 is a block diagram showing a relationship between functional blocks and data representing the arithmetic unit of FIG.
【図３】道路ネットワークの例を示す線図である。FIG. 3 is a diagram showing an example of a road network.
【図４】交通量と速度との関係を示す線図である。FIG. 4 is a diagram showing a relationship between traffic volume and speed.
【図５】ＧＡの計算手順を示す流れ図である。FIG. 5 is a flowchart showing a GA calculation procedure.
【図６】交通量の実測値とシミュレーション値との相関
を示す線図である。FIG. 6 is a diagram showing a correlation between an actual measurement value of traffic volume and a simulation value.
【図７】旅行時間の実測値とシミュレーション値との相
関を示す線図である。FIG. 7 is a diagram showing a correlation between an actual travel time value and a simulation value.
１０ 記憶装置 １２ 入力装置 １４ 演算装置 １６ 表示装置 10 storage device 12 Input device 14 Arithmetic device 16 Display
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 2C032 HC08 HD21 5H180 AA01 EE02 ─────────────────────────────────────────────────── ─── Continued front page F-term (reference) 2C032 HC08 HD21 5H180 AA01 EE02
Claims (4)
データ、及び出発地の位置と目的地の位置とその交通量
とを含むデータに基づいて、道路ネットワークを走行す
る車両が選択する可能性がある出発地から目的地までの
複数の候補経路を選定する候補経路選定手段と、 前記候補経路選定手段で選定された複数の候補経路の中
から、各々の車両がいずれかを選択して走行した場合の
道路ネットワーク上の複数のリンクの交通量の計算値と
同リンクの交通量の実測値との差の各々が最適になる候
補経路の組合せを算出する走行経路算出手段と、 を含む走行経路最適化装置。1. A departure place which a vehicle traveling on the road network may select based on road network data representing a road network and data including a position of a departure place, a position of a destination and a traffic volume thereof. To a destination, a candidate route selecting means for selecting a plurality of candidate routes, and a road when each vehicle selects one of the plurality of candidate routes selected by the candidate route selecting means. A travel route optimization device including: a travel route calculation unit that calculates a combination of candidate routes in which each of the differences between the calculated values of the traffic volume of a plurality of links on the network and the measured values of the traffic volume of the same link is optimal. .
和、前記差の２乗の和に交通量の実測値が無い複数のリ
ンクに対してリンク各々の容量を超過した容量超過交通
量の２乗の和を加算した値、及び前記差の２乗の和に交
通量の実測値が無い複数のリンクに対してリンクの各々
の前記容量超過交通量に渋滞度を乗算した値の２乗の和
を加算した値のいずれかを最小にする組合せである請求
項１記載の走行経路最適化装置。2. The combination of the candidate routes is a sum of squares of the difference, and a plurality of links for which there is no actual measured value of the traffic in the sum of the squares of the differences. A value obtained by adding the sum of squares of traffic volume, and a value obtained by multiplying the excess traffic volume of each link by the congestion degree for a plurality of links for which there is no actual measurement value of the traffic volume in the sum of squares of the difference. The travel route optimizing device according to claim 1, wherein the combination is a combination that minimizes any of the values obtained by adding the sum of squares of
を候補経路の各々に対応させた複数の要素からなる多数
の遺伝子を用いた遺伝的アルゴリズムによって、前記候
補経路の組合せをまとめて算出する請求項１または２記
載の走行経路最適化装置。3. A combination of candidate routes is summarized by a genetic algorithm using a large number of genes each having a plurality of elements in which the number of elements corresponds to the number of vehicles and each element corresponds to each candidate route. The travel route optimizing device according to claim 1, which is calculated by calculating.
路最適化装置で算出された候補経路の組合せのデータを
用いて交通流のシミュレーションを行なう交通流シミュ
レータ。4. A traffic flow simulator for simulating a traffic flow using data of a combination of candidate routes calculated by the travel route optimizing device according to any one of claims 1 to 3.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001256944A JP2003067882A (en) | 2001-08-27 | 2001-08-27 | Device for optimizing travel route and traffic flow simulator |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001256944A JP2003067882A (en) | 2001-08-27 | 2001-08-27 | Device for optimizing travel route and traffic flow simulator |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003067882A true JP2003067882A (en) | 2003-03-07 |
Family
ID=19084691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001256944A Pending JP2003067882A (en) | 2001-08-27 | 2001-08-27 | Device for optimizing travel route and traffic flow simulator |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003067882A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005309840A (en) * | 2004-04-22 | 2005-11-04 | Aisin Aw Co Ltd | Interpolation device and interpolation method for traffic information data |
| JP2010009510A (en) * | 2008-06-30 | 2010-01-14 | Univ Waseda | Local traffic volume prediction program generation device and method, local traffic volume prediction device, and local traffic volume prediction method, and program |
| WO2016031326A1 (en) * | 2014-08-28 | 2016-03-03 | 株式会社日立製作所 | Traffic simulation device and traffic simulation system |
| KR20190027086A (en) * | 2017-09-06 | 2019-03-14 | 한국기계연구원 | Smart auto disinfection apparatus and method for disinfect using the same |
| CN111694902A (en) * | 2019-03-11 | 2020-09-22 | 阿里巴巴集团控股有限公司 | Difference path identification method and device, electronic equipment and computer storage medium |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000285362A (en) * | 1999-03-31 | 2000-10-13 | Toyota Central Res & Dev Lab Inc | Navigation device |
| JP2001076283A (en) * | 1999-09-03 | 2001-03-23 | Toyota Central Res & Dev Lab Inc | Traffic volume estimating device |
-
2001
- 2001-08-27 JP JP2001256944A patent/JP2003067882A/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000285362A (en) * | 1999-03-31 | 2000-10-13 | Toyota Central Res & Dev Lab Inc | Navigation device |
| JP2001076283A (en) * | 1999-09-03 | 2001-03-23 | Toyota Central Res & Dev Lab Inc | Traffic volume estimating device |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005309840A (en) * | 2004-04-22 | 2005-11-04 | Aisin Aw Co Ltd | Interpolation device and interpolation method for traffic information data |
| JP4496834B2 (en) * | 2004-04-22 | 2010-07-07 | アイシン・エィ・ダブリュ株式会社 | Interpolation device for traffic information data in vehicle navigation system |
| JP2010009510A (en) * | 2008-06-30 | 2010-01-14 | Univ Waseda | Local traffic volume prediction program generation device and method, local traffic volume prediction device, and local traffic volume prediction method, and program |
| WO2016031326A1 (en) * | 2014-08-28 | 2016-03-03 | 株式会社日立製作所 | Traffic simulation device and traffic simulation system |
| JP2016048508A (en) * | 2014-08-28 | 2016-04-07 | 株式会社日立製作所 | Traffic simulation apparatus and traffic simulation system |
| KR20190027086A (en) * | 2017-09-06 | 2019-03-14 | 한국기계연구원 | Smart auto disinfection apparatus and method for disinfect using the same |
| KR102093161B1 (en) | 2017-09-06 | 2020-03-25 | 한국기계연구원 | Smart auto disinfection apparatus and method for disinfect using the same |
| CN111694902A (en) * | 2019-03-11 | 2020-09-22 | 阿里巴巴集团控股有限公司 | Difference path identification method and device, electronic equipment and computer storage medium |
| CN111694902B (en) * | 2019-03-11 | 2023-04-07 | 阿里巴巴集团控股有限公司 | Difference path identification method and device, electronic equipment and computer storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101332158B1 (en) | Optimum route determination employing an estimation function | |
| Kanoh et al. | Hybrid genetic algorithm for dynamic multi-objective route planning with predicted traffic in a real-world road network | |
| US6216088B1 (en) | Method for determining itinerary data | |
| JP2008242674A (en) | Traffic information system | |
| US20130041642A1 (en) | Traffic simulation system and traffic simulation program | |
| US20140100766A1 (en) | Traffic data prediction device, traffic data prediction method and computer program | |
| Kim et al. | Genetic-algorithm based approach for calibrating microscopic simulation models | |
| JPH11304518A (en) | Navigation device | |
| Shihsien et al. | Estimation of a trip table and the θ parameter in a stochastic network | |
| Zhao et al. | An adaptive route-guidance algorithm for intelligent vehicle highway systems | |
| US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
| JP4276931B2 (en) | OD data estimation method | |
| JP2003067882A (en) | Device for optimizing travel route and traffic flow simulator | |
| JP4736590B2 (en) | Candidate route creation device, method, program, traffic simulation device, method and program, route search device, method, and program | |
| JP6236845B2 (en) | Map display device | |
| JP2004118735A (en) | Traffic situation estimation device and od traffic volume correction device | |
| JP2000285362A (en) | Navigation device | |
| Udhan et al. | Vehicle Route Planning using Dynamically Weighted Dijkstra's Algorithm with Traffic Prediction | |
| Chiu | A genetic algorithm for multiobjective path optimisation problem | |
| JP2022087906A (en) | Traffic state prediction device and traffic state prediction method | |
| JPH11118501A (en) | Optimum route searching method | |
| JP2000283780A (en) | Method and system for searching course | |
| JP4074084B2 (en) | Traffic flow simulation device | |
| JPH076290A (en) | Traffic flow prediction device | |
| JP3472817B2 (en) | Traffic flow simulation method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080611 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100624 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101005 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110301 |