JP2884903B2 - Traffic volume prediction device - Google Patents

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【０００１】[0001]

【産業上の利用分野】本発明は、道路トンネルの換気制
御のための交通量予測装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a traffic estimating apparatus for controlling ventilation of a road tunnel.

【０００２】[0002]

【従来の技術】道路トンネルの換気制御は、トンネル内
外に設置される各種センサ（ＶＩ計，ＣＯ計，風向風速
計等）からの計測値及びトンネル内外の交通量から必要
な換気量を求め、換気機の運転台数等の自動制御を行
う。この換気制御により、道路トンネル内の排気ガス汚
染濃度等を緩和する。2. Description of the Related Art Ventilation control of a road tunnel is performed by determining a required ventilation rate from measured values from various sensors (VI meter, CO meter, wind direction anemometer, etc.) installed inside and outside the tunnel and traffic volume inside and outside the tunnel. Automatically controls the number of operating ventilators. By this ventilation control, the exhaust gas pollution concentration in the road tunnel and the like are reduced.

【０００３】道路トンネルにおいて、汚染の発生原因
は、トンネルを通過する自動車が排出する排気ガスであ
る。したがって、換気制御装置では、トンネルを通過す
る自動車の台数を正確に予測し、汚染の度合いを予測す
ることが、重要な機能となっている。[0003] In road tunnels, the cause of pollution is exhaust gas emitted by vehicles passing through the tunnel. Therefore, it is an important function of the ventilation control device to accurately predict the number of vehicles passing through the tunnel and predict the degree of pollution.

【０００４】換気制御装置の設置条件によっては、トラ
フィックカウンタにより実際の交通量をリアルタイムに
取込み、制御のパラメータとして使用できるものもあ
る。しかし、一般的にトラフィックカウンタの設置場所
等の問題から、生の計測値を自動制御のパラメータとし
て使用できないことが大多数である。[0004] Depending on the installation conditions of the ventilation control device, there is also a device in which an actual traffic volume can be captured in real time by a traffic counter and used as a control parameter. However, in most cases, a raw measurement value cannot be used as a parameter for automatic control due to a problem such as an installation location of a traffic counter.

【０００５】したがって、換気制御装置では、交通量を
予測することが必要不可欠な機能となっている。Therefore, in the ventilation control device, it is an essential function to predict the traffic volume.

【０００６】従来の交通量予測方式には、交通量変動パ
ターンを利用するものがある。トンネルを通過する自動
車の台数は、１日の時間帯，曜日，季節によってパター
ン化されることが統計的に確認されており、例えば、図
５に１日の交通量の変動パターンが統計的に求められ
る。[0006] Some conventional traffic volume prediction methods use a traffic volume variation pattern. It has been statistically confirmed that the number of vehicles passing through the tunnel is patterned according to the time of the day, the day of the week, and the season. For example, FIG. Desired.

【０００７】この交通量変動パターンを利用し、曜日
毎，時間帯別等に交通量を予測する。また、変動パター
ンは交通量の経年変化にも対応できるように随時成長さ
せる方式が各種実施されている。[0007] Using this traffic variation pattern, the traffic is predicted for each day of the week, for each time zone, and the like. In addition, various methods have been implemented in which the fluctuation pattern is grown as needed so as to be able to cope with the secular change of the traffic volume.

【０００８】他の交通量予測方式として、１日を３０分
〜６０分程度刻みの時間帯に分け、各時間帯の平均交通
量を予測する方法が提案されている（例えば特開昭６３
−３０４９００号公報）。As another traffic volume prediction method, there has been proposed a method of dividing a day into time zones of about 30 minutes to 60 minutes and predicting an average traffic volume in each time zone (for example, Japanese Patent Application Laid-Open No. Sho 63).
-304900).

【０００９】この予測方式では交通量検出器で検出され
た前日までの交通量の一次指数平滑値を当日の予測値と
している。In this prediction method, the primary index smoothed value of the traffic volume up to the previous day detected by the traffic volume detector is used as the prediction value of the current day.

【００１０】[0010]

【発明が解決しようとする課題】曜日毎の交通量変動パ
ターンだけによる交通量予測は、どのような状態であっ
てもパターンに記憶している台数を使用することにな
る。このため、実際の交通量がパターン（同じ曜日の同
じ時間帯であっても）から大幅に外れた場合に、過剰又
は過小な換気制御を行ってしまう欠点があった。つま
り、交通量変動パターンは、基準交通量として換気制御
の計画を立てるためには有効な手段であるが、何等かの
外乱により実際の交通量に変動があった場合に追従でき
ない、という問題点がある。In the traffic volume prediction based only on the traffic volume variation pattern for each day of the week, the number of vehicles stored in the pattern is used in any state. For this reason, when the actual traffic volume deviates significantly from the pattern (even during the same time period on the same day of the week), there is a disadvantage that the ventilation control is performed excessively or too little. In other words, the traffic variation pattern is an effective means for planning ventilation control as a reference traffic volume, but it cannot follow the actual traffic volume due to some disturbance. There is.

【００１１】実際の交通量の変動が発生する原因は、具
体的に例を挙げると以下の通りである。The cause of the actual fluctuation of the traffic volume is as follows, for example.

【００１２】（１）大雪のため他の路線が通行止にな
り、換気制御の対象としているトンネルが含まれる路線
に自動車が集中してしまった。(1) Due to heavy snow, other routes are closed, and cars are concentrated on a route including a tunnel targeted for ventilation control.

【００１３】（２）事故または工事のため、長時間で通
行規制や通行止を行った。(2) Due to an accident or construction, traffic regulation and traffic closure were performed for a long time.

【００１４】（３）その他、定性的に表現できない交通
量の変動。(3) Other fluctuations in traffic that cannot be qualitatively expressed.

【００１５】上述の問題は、前日までの交通量からの一
次指数平滑値を使った予測方式にも起こる。The above problem also occurs in a prediction method using a first-order exponential smoothed value from the traffic volume up to the previous day.

【００１６】本発明の目的は、外乱により大きな交通量
変動が生じたときも追従性の良い予測ができる交通量予
測装置を提供することにある。SUMMARY OF THE INVENTION An object of the present invention is to provide a traffic volume predicting apparatus capable of performing prediction with good tracking performance even when a large traffic volume fluctuation occurs due to a disturbance.

【００１７】[0017]

【課題を解決するための手段】本発明は、前記課題の解
決を図るため、道路トンネルの交通量を予測する交通量
予測装置において、現在の交通量を検出するトラフィッ
クカウンタの検出値から一定時間前までの実測交通量Ｎ
ｒ（ｎ−１）を求める実測交通量演算部と、時間帯別の
交通量変動パターンを予め求めておく交通量変動パター
ン発生部と、前記実測交通量Ｎｒ（ｎ−１）と前記交通
量変動パターン発生部から取込む同じ時間帯のパターン
交通量Ｎｍ（ｎ−１）とから交通量変動係数Ｊを次式SUMMARY OF THE INVENTION In order to solve the above-mentioned problems, the present invention provides a traffic volume prediction device for predicting the traffic volume of a road tunnel, which is used for a certain period of time based on a detected value of a traffic counter for detecting a current traffic volume. Previously measured traffic volume N
an actual traffic calculation unit for obtaining r (n-1), a traffic fluctuation pattern generating unit for previously obtaining a traffic fluctuation pattern for each time zone, the actual traffic Nr (n-1) and the traffic The traffic volume variation coefficient J is calculated from the pattern traffic volume Nm (n-1) of the same time period taken from the variation pattern generation unit by the following equation.

【００１８】[0018]

【数２】Ｊ＝Ｎｒ（ｎ−１）／Ｎｍ（ｎ−１） にしたがって求める変動係数演算部と、前記変動係数Ｊ
と前記交通量変動パターン発生部から取込んだ現在のパ
ターン交通量Ｎｍ（ｎ）からファジィ推論によって予測
交通量Ｎｆ（ｎ）を求めるファジィ推論手段とを備えた
ことを特徴とする。## EQU2 ## A variation coefficient calculating section obtained in accordance with J = Nr (n-1) / Nm (n-1);
And fuzzy inference means for obtaining a predicted traffic volume Nf (n) by fuzzy inference from the current pattern traffic volume Nm (n) fetched from the traffic volume fluctuation pattern generating section.

【００１９】[0019]

【作用】実測交通量と同じ時間帯のパターン交通量との
ずれからファジィ推論を行い、交通量変動パターンを実
測交通量から補正した交通量予測を行う。これにより、
実際の交通量に事故等で大きな変動がある場合にも適正
な予測を得る。[Function] Fuzzy inference is performed from the difference between the measured traffic volume and the pattern traffic volume in the same time zone, and traffic volume prediction is performed by correcting the traffic volume fluctuation pattern from the measured traffic volume. This allows
Even if the actual traffic volume fluctuates greatly due to an accident or the like, an appropriate prediction can be obtained.

【００２０】[0020]

【実施例】図１は本発明の一実施例を示す交通量予測の
ブロック図である。トラフィックカウンタ１は現在の交
通量を検出し、実測交通量演算部２はトラフィックカウ
ンタ１の検出値から直前の１時間の実測交通量Ｎｒ（ｎ
−１）を求める。FIG. 1 is a block diagram of a traffic amount prediction showing one embodiment of the present invention. The traffic counter 1 detects the current traffic volume, and the measured traffic volume calculation unit 2 calculates the measured traffic volume Nr (n
-1).

【００２１】交通量変動パターン発生部１３は、過去の
交通量計測値等から統計的に求めた時間帯別の交通量変
動パターンを作成及び成長させておく。The traffic volume fluctuation pattern generation unit 13 creates and grows a traffic volume fluctuation pattern for each time zone statistically obtained from past measured values of traffic volume and the like.

【００２２】変動係数演算部１４は、実測交通量演算部
１２が求める直前１時間の実測交通量Ｎｒ（ｎ−１）
と、交通量変動パターン発生部１３から取込む同じ時間
帯のパターン交通量Ｎｍ（ｎ−１）とから交通量変動係
数Ｊを次式から求める。The coefficient-of-variation calculating unit 14 calculates the measured traffic amount Nr (n-1) for one hour immediately before the measured traffic amount calculating unit 12 determines.
Then, a traffic volume variation coefficient J is obtained from the following equation from the pattern traffic volume Nm (n-1) in the same time period taken from the traffic volume variation pattern generating section 13.

【００２３】[0023]

【数３】Ｊ＝Ｎｒ（ｎ−１）／Ｎｍ（ｎ−１） 補正演算部１５は、ファジィルールベース１６と共にフ
ァジィ推論手段を構成し、変動係数演算部１４からの変
動係数Ｊと、交通量変動パターン発生部１３から取込む
現在のパターン交通量Ｎｍ（ｎ）からファジィ推論によ
って予測交通量Ｎｆ（ｎ）を求める。このファジィ推論
にはファジィルールベース１６からのルール、データを
参照して実行される。J = Nr (n-1) / Nm (n-1) The correction operation unit 15 constitutes a fuzzy inference unit together with the fuzzy rule base 16, and the variation coefficient J from the variation coefficient operation unit 14 and the traffic A predicted traffic volume Nf (n) is obtained by fuzzy inference from the current pattern traffic volume Nm (n) fetched from the traffic volume variation pattern generating section 13. This fuzzy inference is executed by referring to rules and data from the fuzzy rule base 16.

【００２４】上述のように、本実施例では、直前の１時
間の実測交通量Ｎｒ（ｎ−１）と同じ時間帯のパターン
交通量Ｎｍ（ｎ−１）から現在の交通量の変動傾向を交
通量変動係数Ｊとして変動係数演算部１４で求め、今回
予測すべき現在のパターン交通量Ｎｍ（ｎ）と変動係数
Ｊからファジィ推論によって交通量の予測値Ｎｆ（ｎ）
を補正演算部１５で求める。As described above, in the present embodiment, the fluctuation tendency of the current traffic volume is calculated from the pattern traffic volume Nm (n-1) in the same time zone as the actually measured traffic volume Nr (n-1) of the immediately preceding hour. The variation coefficient calculation unit 14 obtains the traffic variation coefficient J, and predicts the traffic volume Nf (n) by fuzzy inference from the current pattern traffic volume Nm (n) to be predicted this time and the variation factor J.
Is calculated by the correction operation unit 15.

【００２５】補正演算部１５による推論方法を以下に具
体的に説明する。The inference method by the correction operation unit 15 will be specifically described below.

【００２６】ファジィルールベース１６にはファジィ推
論を行うための各データ，ルールが予め格納されてお
り、そのうちの１つがメンバシップ関数である。このメ
ンバシップ関数には変動係数Ｊのメンバシップ関数と、
今回予測すべき１時間のパターン交通量Ｎｍ（ｎ）のメ
ンバシップ関数及び予測交通量Ｎｆ（ｎ）のメンバシッ
プ関数を定義しておく。これらメンバシップ関数の例を
図２，図３及び図４に示す。Data and rules for performing fuzzy inference are stored in the fuzzy rule base 16 in advance, and one of them is a membership function. The membership function includes a membership function of the coefficient of variation J,
A membership function of the one-hour pattern traffic volume Nm (n) to be predicted this time and a membership function of the predicted traffic volume Nf (n) are defined. Examples of these membership functions are shown in FIGS.

【００２７】このメンバシップ関数は、例えば図２に示
す変動係数Ｊのメンバシップ関数について説明すると、
横軸に変動係数Ｊの値を、縦軸にメンバシップ関数の成
立度合になる。ここで、変動係数Ｊには５つのファジィ
集合が定義されており、各ファジィラベルの意味は次の
通りである。This membership function will be described with reference to, for example, the membership function of the variation coefficient J shown in FIG.
The horizontal axis represents the value of the variation coefficient J, and the vertical axis represents the degree of establishment of the membership function. Here, five fuzzy sets are defined for the variation coefficient J, and the meaning of each fuzzy label is as follows.

【００２８】ＺＥ：かなり少ない Ｓ ：少ない Ｍ ：一致している Ｂ ：多い ＢＢ：かなり多い 例えば、変動係数Ｊ＝１．２５の位置では、メンバシッ
プ関数のラベルＭ及びＢの両方の集合に所属し、ラベル
Ｍでは０．５、ラベルＢでは０．５の成立度合いをと
る。ZE: fairly low S: low M: coincident B: high BB: fairly high For example, at the position of the coefficient of variation J = 1.25, belonging to both sets of the labels M and B of the membership function Then, the degree of establishment is 0.5 for the label M and 0.5 for the label B.

【００２９】このようなメンバシップ関数がパターン交
通量Ｎｍ（ｎ）及び予測交通量Ｎｆ（ｎ）についても同
様に定義されており、夫々のファジィラベルの意味は次
の通りである。Such membership functions are similarly defined for the pattern traffic volume Nm (n) and the predicted traffic volume Nf (n), and the meaning of each fuzzy label is as follows.

【００３０】ＺＥ：ほとんど無い ＳＳ：かなり少ない ＳＢ：少ない Ｍ ：中位 ＢＳ：多い ＢＢ：かなり多い 次に、予測交通量Ｎｆ（ｎ）を求めるためのファジィル
ールは、例えば表１に示すテーブルの論理にされる。ZE: almost none SS: fairly small SB: little M: medium BS: large BB: fairly large Next, the fuzzy rules for obtaining the predicted traffic volume Nf (n) are, for example, those in the table shown in Table 1. Be logical.

【００３１】[0031]

【表１】 [Table 1]

【００３２】このテーブルは変動係数Ｊとパターン交通
量Ｎｍ（ｎ）とを条件部とし、結論部に予測交通量Ｎｆ
（ｎ）を求めるものである。このテーブルにおいて、横
欄から変動係数Ｊの所属するメンバシップ関数のファイ
ルラベルを、縦欄からパターン交通量Ｎｍ（ｎ）の所属
するメンバシップ関数のファジィラベルをそれぞれ求
め、テーブル上で対応するＮｆ（ｎ）の所属するメンバ
シップ関数の所属するメンバシップ関数のファジィラベ
ルから予測交通量を推論することができる。In this table, the coefficient of variation J and the pattern traffic Nm (n) are used as a condition part, and the predicted traffic Nf
(N). In this table, the file label of the membership function to which the variation coefficient J belongs is obtained from the horizontal column, and the fuzzy label of the membership function to which the pattern traffic volume Nm (n) belongs is obtained from the vertical column. The predicted traffic volume can be inferred from the fuzzy label of the membership function to which the membership function (n) belongs.

【００３３】なお、上述の例で示すＪ及びＮｍ（ｎ）か
ら予測交通量Ｎｆ（ｎ）を求めるファジィ推論の過程に
ついては、マンダニのＭｉｎ−Ｍａｘ法などの各種方式
を使用できる。As for the process of fuzzy inference for obtaining the predicted traffic volume Nf (n) from J and Nm (n) shown in the above-mentioned example, various systems such as the Man-Mind Min-Max method can be used.

【００３４】また、交通量予測間隔は１時間単位に限ら
ず、３０分単位など一定時間毎さらには交通量の多い，
少ないに応じて間隔を変更することもできる。Further, the traffic volume prediction interval is not limited to one hour unit, but may be at regular time intervals such as 30 minute units, and further, the traffic volume may be large.
The interval can be changed depending on the number.

【００３５】[0035]

【発明の効果】以上のとおり、本発明によれば、一定時
間前までの実測交通量と同じ時間帯のパターン交通量か
ら交通量の変動傾向を変動係数として求め、この変動係
数と現在のパターン交通量からファジィ推論によって交
通量の予測を行うようにしたため、交通事故等によって
実際の交通量が大きく変動する場合にも実情に合った適
格な交通量予測ができ、ひいては換気制御に安定した追
従性の良い制御及び省エネ制御を実現することができ
る。As described above, according to the present invention, the variation tendency of the traffic volume is obtained as a variation coefficient from the pattern traffic volume in the same time zone as the actually measured traffic volume up to a certain time before, and the variation coefficient and the current pattern are obtained. Since the traffic volume is predicted by fuzzy inference from the traffic volume, even if the actual traffic volume fluctuates greatly due to traffic accidents, etc., it is possible to predict the appropriate traffic volume according to the actual situation, and thus to follow the ventilation control stably Good control and energy saving control can be realized.

【図面の簡単な説明】[Brief description of the drawings]

【図１】本発明の一実施例を示す交通量予測ブロック
図。FIG. 1 is a traffic prediction block diagram showing one embodiment of the present invention.

【図２】変動係数Ｊのメンバシップ関数。FIG. 2 is a membership function of a coefficient of variation J.

【図３】パターン交通量Ｎｍ（ｎ）のメンバシップ関
数。FIG. 3 is a membership function of a pattern traffic volume Nm (n).

【図４】予測交通量Ｎｆ（ｎ）のメンバシップ関数。FIG. 4 is a membership function of a predicted traffic volume Nf (n).

【図５】１日の交通量の変動パターン。FIG. 5 is a fluctuation pattern of daily traffic volume.

【符号の説明】[Explanation of symbols]

１１…トラフィックカウンタ １２…実測交通量演算部 １３…交通量変動パターン発生部 １４…変動係数演算部 １５…補正演算部 １６…ファジィルールベース DESCRIPTION OF SYMBOLS 11 ... Traffic counter 12 ... Measured traffic volume calculation part 13 ... Traffic volume fluctuation pattern generation part 14 ... Variation coefficient calculation part 15 ... Correction calculation part 16 ... Fuzzy rule base

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭50−93799（ＪＰ，Ａ) 特開 平２−230499（ＪＰ，Ａ) 特開 平３−260300（ＪＰ，Ａ) 特開 平３−244800（ＪＰ，Ａ) 実開 平３−25996（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G08G 1/00 E21F 1/00 G05B 13/02 ────────────────────────────────────────────────── ─── Continuation of the front page (56) References JP-A-50-93799 (JP, A) JP-A-2-230499 (JP, A) JP-A-3-260300 (JP, A) JP-A-3-300 244800 (JP, A) Japanese Utility Model 3-25996 (JP, U) (58) Fields investigated (Int. Cl. ⁶ , DB name) G08G 1/00 E21F 1/00 G05B 13/02

Claims (1)

(57)【特許請求の範囲】(57) [Claims] 【請求項１】 道路トンネルの交通量を予測する交通量
予測装置において、現在の交通量を検出するトラフィッ
クカウンタの検出値から一定時間前までの実測交通量Ｎ
ｒ（ｎ−１）を求める実測交通量演算部と、時間帯別の
交通量変動パターンを予め求めておく交通量変動パター
ン発生部と、前記実測交通量Ｎｒ（ｎ−１）と前記交通
量変動パターン発生部から取込む同じ時間帯のパターン
交通量Ｎｍ（ｎ−１）とから交通量変動係数Ｊを次式 【数１】Ｊ＝Ｎｒ（ｎ−１）／Ｎｍ（ｎ−１） にしたがって求める変動係数演算部と、前記変動係数Ｊ
と前記交通量変動パターン発生部から取込んだ現在のパ
ターン交通量Ｎｍ（ｎ）からファジィ推論によって予測
交通量Ｎｆ（ｎ）を求めるファジィ推論手段とを備えた
ことを特徴とする交通量予測装置。In a traffic volume prediction device for predicting the traffic volume of a road tunnel, an actually measured traffic volume N from a detection value of a traffic counter for detecting a current traffic volume up to a predetermined time ago.
an actual traffic calculation unit for obtaining r (n-1), a traffic fluctuation pattern generating unit for previously obtaining a traffic fluctuation pattern for each time zone, the actual traffic Nr (n-1) and the traffic From the pattern traffic volume Nm (n-1) in the same time period taken from the variation pattern generating section, the traffic volume variation coefficient J is given by the following equation: J = Nr (n-1) / Nm (n-1) Therefore, the variation coefficient calculation unit to be determined and the variation coefficient J
And a fuzzy inference means for obtaining a predicted traffic volume Nf (n) by fuzzy inference from a current pattern traffic volume Nm (n) fetched from the traffic variation pattern generating section. .