JP3541708B2

JP3541708B2 - Travel time prediction device

Info

Publication number: JP3541708B2
Application number: JP03681799A
Authority: JP
Inventors: 匠伏木; 憲一郎山根; 孝義横田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1999-02-16
Filing date: 1999-02-16
Publication date: 2004-07-14
Anticipated expiration: 2019-02-16
Also published as: JP2000235692A

Description

【０００１】
【発明の属する技術分野】
本発明は、旅行時間情報の処理装置及びその応用システムに関わり、特に道路上に設置された機器によって計測または推定された区間の旅行時間情報を出発時刻において予測するものである。
【０００２】
【従来の技術】
区間旅行時間を計測するシステム、例えば道路上の所定の２地点を通過した車両の車番情報を照合して旅行時間を計測するＡＶＩ、車載機側で計測した旅行時間情報（アップリンク旅行時間情報）を路上に設置された光ビーコンと専用の車載機との双方向通信機能を利用して旅行時間を収集するアップリンクシステム、及びセルラー電話網を利用して一定周期間隔で車両位置を集計装置に送信して経路情報から旅行時間を算出するシステム、また路上に設置された超音波感知器等のセンサ情報から旅行時間を推定するシステムにおいて求まった旅行時間は、計測又は算出された時点で過去の情報となっている。現在時刻において真に提供あるいは利用するべき情報は、走行を予定している区間の出発地点に車両が存在する時点での区間旅行時間であるから、現在までに獲得された旅行時間情報を利用して予測する必要がある。旅行時間の予測方法としては、現在時刻に取得された旅行時間を過去の同時刻における統計平均値と比較して求まった差分を求め、区間上流の出発時刻における統計平均値に差分を加えることで予測旅行時間を求めるもの、旅行時間時系列情報にＡＲモデルを適用し、補正によって予測旅行時間を求めるもの、論文「街路における旅行時間予測」（交通工学研究会、交通工学１９９５Ｎo.６Ｖｏｌ．３０，ｐ９〜１９）にあるように車両感知器データと旅行時間の関係からモデルを構築して、カルマンフィルタを用いて最適な予測旅行時間を算出するもの、特開平10−124791号公報にあるように、過去の時刻における車両感知器情報と計測旅行時間の相関関係、現在時刻における渋滞長を算出して、予測周期後の流出交通量，流入交通量，渋滞長を予測して、交通流モデルから旅行時間を予測するもの、特開平9−270091 号公報にあるように、現在時刻において取得された旅行時間を過去のデータベースと比較して類似する変化を伴う旅行時間データを抽出して、出発時刻における旅行時間を予測するものなど様々な方法が存在する。
【０００３】
【発明が解決しようとする課題】
旅行時間予測に関して考慮するべき問題は、現在時刻において獲得された旅行時間情報は常に過去の情報であることである。具体的に説明すると、現在時刻において区間の下流に到着した車両の旅行時間情報は、到着時刻を基準にすると現在時刻における旅行時間情報であるが、区間の上流を出発した時刻を基準にすると現在時刻から旅行時間の分だけ差し引いた過去の時刻における情報である。上流の出発時刻を現在時刻とした旅行時間情報は、まさに上流に存在する車両が区間を通過するために必要な旅行時間であり、予測するべき旅行時間である。該予測旅行時間を算出するためには、最新の獲得情報を利用しても少なくとも旅行時間の分だけは時間的に飛躍させる必要がある。従来の方法では、共通して予測のために飛躍する時間中は旅行時間の変動傾向が持続されるという仮定に基づいている。非渋滞時あるいは短区間での旅行時間変動傾向においては、この仮定がほぼ成立するが、渋滞の立ち上がり時あるいは立ち下げ時には、長区間での旅行時間変動傾向に対して必ずしもこの仮定が成立するとは限らない。
【０００４】
本発明では、旅行時間自体の変動傾向だけでなく、旅行時間自体の変動傾向に比べて安定していると考えられる過去の旅行時間分布に対する現在旅行時間の順位の傾向に着目することで、高精度の旅行時間予測を可能とする旅行時間予測装置の提供を目的としている。
【０００５】
【課題を解決するための手段】
上記目的を実現する旅行時間予測装置は、実測あるいは推定した区間旅行時間を用いて、該区間旅行時間を過去の一定期間蓄積した旅行時間データベースを編集して各時間帯ごとの旅行時間分布を作成する手段と、到着時刻を基準とした該旅行時間分布内における現在の区間旅行時間の順位を求める手段と、該順位と該順位の時系列変動傾向との少なくとも一方を用いて予測順位を算出する手段と、出発時刻を基準とした該旅行時間分布から該予測順位に相当する予測旅行時間を抽出する手段とを有することを特徴としている。
【０００６】
また上記目的を実現する別の旅行時間予測装置は、前記旅行時間予測手段と、現在時刻において実測あるいは推定によって求まる区間旅行時間と該区間旅行時間の時系列変動傾向との少なくとも一方に基づいて旅行時間を予測する手段と、前記二つの予測手段を組み合わせて予測旅行時間を算出する手段とを有することを特徴としている。
【０００７】
本発明の旅行時間予測装置の特徴は、該旅行時間予測装置を用いて、予測旅行時間情報を所定のフォーマットに編集して交通情報を作成する手段と、該交通情報を交通管理者が監視するモニタ出力手段と、該交通情報を路上の通信装置に伝達する手段と、該通信装置から移動体上の情報媒体に表示する手段等を有する交通情報提供システムにある。
【０００８】
また本発明の旅行時間予測装置の特徴は、該旅行時間予測装置を用いて、旅行時間情報を所定のフォーマットに編集して交通情報を作成する手段と、該交通情報を交通管理者が監視するモニタ出力手段と、該交通情報を路上の信号制御装置に伝達する手段と、該通信装置からの情報を利用して信号パラメータ設定する手段等を有する信号制御システムにある。
【０００９】
また本発明の旅行時間予測装置は、旅行時間分布を表現するために平均、分散といったパラメータではなく分布内のデータを直接利用しているので、従来は人手によるデータ分析を要した平日や休日といった異なる交通状況に応じた場合分けは不必要で、同一の旅行時間分布上に異なった交通状況を表現しても、順位の傾向によって的確な交通状況の判断が可能となる。さらに本発明の旅行時間予測装置は、過去に存在しなかったような変動パターンを有する旅行時間入力に対しても、順位の傾向変動を利用しているので高精度の予測旅行時間を算出することが可能である。
【００１０】
【発明の実施の形態】
以下図１〜図６に記載された実施例を元に、本発明の旅行時間予測装置の実施形態を説明する。
【００１１】
図１は旅行時間予測装置１のブロック図である。本装置１は、現在時刻において計測または推定によって獲得された旅行時間情報と該旅行時間情報を蓄積した旅行時間データベース２を用いて、該旅行時間情報を一度分布に対する順位に変換して、その順位の未来値を予測し、再び該旅行時間データベースを用いて予測順位から予測旅行時間情報に変換する部分に特徴がある。また本装置の入力データとなる旅行時間情報は、光ビーコン，ＡＶＩなどのインフラから実測されたもの、あるいは超音波感知器などのデータを用いて推定されたものが考えられるが、区間旅行時間情報でありさえすれば、どのような情報源を元にしたかは依存せずに本発明の旅行時間予測装置は予測値を算出することが可能である。
【００１２】
分布内順位算出部１１は、旅行時間データベース２の到着時刻を基準とした旅行時間の累積分布を作成して、現在取得された旅行時間の累積相対度数すなわち旅行時間を昇順に並べたときの相対順位を求める。未来順位推定部１２は、求められた昇順相対順位及び昇順相対順位の時系列傾向から未来における相対順位を求める。予測旅行時間決定部１３は、旅行時間データベース２から出発時刻を基準とした旅行時間の累積分布を作成して、該累積分布から未来相対順位に対応する旅行時間を抽出し、該旅行時間を予測旅行時間として出力する。旅行時間データベース２は、過去の各時間帯（５分間隔）における車両の平均旅行時間情報を統計データとして十分なデータ量を確保するとともに、常に最新の各時間帯ごとの平均旅行時間データが更新されているものとする。例えば、各時間帯ごとに平均旅行時間データを１ヶ月分保持し、常に現在時刻において取得された旅行時間情報を更新していれば、データベースとしての情報量及び新規性は十分である。図２は、分布内順位算出部１１の内部処理を表したフローチャートである。ステップ１１１では、旅行時間データベース２から、現在時刻と同一時間帯に区間の下流地点に到達した車両の平均旅行時間、すなわち到着時刻を基準にした旅行時間分布を抽出する。抽出された到着旅行時間分布データは、旅行時間の昇順にソートしておく。ステップ１１２では、現在時刻において取得された旅行時間を昇順にソートされた到着時刻旅行時間分布と比較して、分布に対する累積相対度数を算出し昇順相対順位として求める。ステップ１１３では、該昇順相対順位をバッファに記憶する。このときバッファ中には過去の所定周期分の昇順相対順位を格納しておく。
【００１３】
図３は、図２の処理を図式化したものである。左側のグラフにおいて、到着時刻旅行時間分布範囲２１は到着時刻旅行時間分布の範囲を時系列的に表したものであり、１１４は到着時刻旅行時間の時系列傾向を表したものである。到着時刻旅行時間分布範囲２１に対して時系列到着時刻旅行時間１１４がどのような領域に存在するか、つまり過去の同区間同時刻の交通状況と比較して現在の旅行時間がどういった傾向を示しているかを表現するために分布に対する累積相対度数である昇順相対順位を算出する。右側のグラフは、左のグラフにおける現在時刻における情報を切り出したものである。２２は現在時刻における到着旅行時間の累積分布曲線である。累積分布２２と現在時刻における旅行時間を比較することで、１１５の昇順相対順位が求まる。
【００１４】
図４は、未来順位推定部１２の内部処理を表したフローチャートである。ステップ１２１では、過去所定周期分の到着時刻旅行時間の昇順相対順位を読み込む。ステップ１２２では、読み込まれた昇順相対順位の重み付き合計として出発時刻旅行時間の予測順位を算出する。昇順相対順位のＮ周期過去の値をＲｎとして、それぞれに対する重みをＡｎとする。このとき予測順位Ｒｐは以下の数式１によって算出する。
【００１５】
Ｒｐ＝Ａ０・Ｒ０＋Ａ１・Ｒ１＋・…＋Ａｎ・Ｒｎ …（数式１）
ここでＲ０は現在時刻における昇順相対順位を表す。
【００１６】
図５は、図４の処理を具体的に表したものである。未来順位推定処理では、過去の昇順順位傾向を重み付き平滑化して予測順位を推定している。旅行時間分布密度が高い場合、少しの旅行時間のずれで昇順相対順位の時系列的な変動傾向は大きくなる。また旅行時間分布密度が小さければ、昇順相対順位の変動傾向は小さくなる。しかし、昇順相対順位の変動傾向は、振幅の大小はあるものの平均的な傾向をとれば、急激に変化する可能性は低い。一方旅行時間自体の時系列での変動傾向は、渋滞発生時や解消時には急激に値が変化する傾向があり、平均的な傾向をとると交通状態の変化に対する遅れが大きくなってしまう。よって本発明では、旅行時間の予測を行うにあたって、より安定な変化を示すと考えられる順位の傾向をとることによって未来予測を可能としていることが最大の特徴である。旅行時間分布中に平日データと休日データが混在して二つのピークを持つような分布形状であっても、順位の傾向を利用しているので、自動的に旅行時間の変動パターンが近い方の分布傾向に追従することが可能である。このために、事前に交通管理者が統計パターンの違いによる場合分けをする必要がなくなる。また過去に存在しないような旅行時間の変動パターンが入力された場合には、順位の変動傾向から通常の旅行時間の変動パターンとの違いを区別して、適切な予測旅行時間を出力することが可能である。
【００１７】
図６は、予測旅行時間決定部１３の内部処理を表したフローチャートである。ステップ１３１では、旅行時間データベース２から、現在時刻と同一時間帯に区間の上流を出発した車両の平均旅行時間、すなわち出発時刻を基準にした旅行時間分布を抽出する。出発時刻旅行時間分布は、旅行時間データベースの該当データを旅行時間の昇順にソートしておく。ステップ１３２では、出発時刻旅行時間分布中で累積相対度数が未来順位推定部１２で推定された予測順位となる旅行時間を抽出して、現在時刻を出発時刻とする予測旅行時間を出力する。
【００１８】
図７は、図６の処理を具体的に表したものである。図７の処理は図３の処理を逆方向に実行した形となっている。出発時刻を基準にしたときの旅行時間の分布範囲は、左側のグラフの出発時刻旅行時間分布範囲２３で表されるものとする。このとき現在時刻と同時刻での出発時刻分布を旅行時間累積分布として表したものが右のグラフの２４である。予測旅行時間決定部１３によって算出された予測順位３３を累積相対度数として入力して、分布２４上で該累積相対度数に相当する旅行時間を予測旅行時間として算出する。出発旅行時間既算出時刻以前の出発時刻旅行時間の時系列変化１３４はわかっているので、該予測旅行時間の精度検証を行い予測旅行時間算出にフィードバックすることが可能である。
【００１９】
図８は、本発明の旅行時間予測装置の別の一例である。図１に示した旅行時間予測装置１を用いて算出した予測旅行時間Ａ３２と、旅行時間傾向を利用して予測旅行時間Ｂ３３を組み合わせて、最終的な予測旅行時間３４を算出する。旅行時間傾向を利用して予測旅行時間を算出する方法は以下のようになる。時系列に獲得された旅行時間情報を到着時刻旅行時間傾向３１として格納しておき、到着時刻旅行時間のＮ周期過去の値をＴｎとして、それぞれの値に対する重みをＢｎとする。このとき予測旅行時間Ｂ（Ｔｐ）は以下の数式２によって算出する。
【００２０】
Ｔｐ＝Ｂ０・Ｔ０＋Ｂ１・Ｔ１＋・…＋Ｂｎ・Ｔｎ …（数式２）
ここでＴ０は現在時刻における到着時刻旅行時間を表す。数式２の方法は本実施例における一例であり、指数平滑、ＡＲ法を用いたものも基本的には数式２の方法の拡張版と考えることができる。別々の方法で求めた予測旅行時間を、例えば昇順相対順位の変動傾向、旅行時間の変動傾向等の大きさを考慮して、重みつき線形和として組み合わせることで最終的な予測旅行時間３４を求める。ダイナミックに二つの予測手法を重ね合わせて予測旅行時間の算出を可能としたことが、本発明の旅行時間予測装置の特徴となっている。
【００２１】
図９は、本発明の旅行時間予測装置を含む応用システムの一実施例である。本発明の旅行時間予測装置１を用いて作成された予測旅行時間データが旅行時間情報処理装置４１に入力されて、該装置で加工された情報を交通管制室内モニタ４１１，道路上の旅行時間表示板４１２，道路上のビーコン（旅行時間情報と通信装置）４１３，信号制御装置４２に配信される。交通管制室内４１１は、管理者に正確な交通情報を地図上で表示したり、情報提供の管理を補助したりすることが可能となる。旅行時間表示板４１２及びビーコン４１３は、道路の使用者に対して予測旅行時間を利用した情報を発信し、道路使用者は自分が走行を想定している区間の旅行時間情報をあらかじめ認識あるいは受信することが可能となる。また信号制御装置４２に配信された情報は、信号パラメータの設定変更に用いて信号機４２１，４２２に反映させることが可能である。信号制御装置４２は、精度の良い予測旅行時間情報があれば、事前に信号パラメータを変更して、渋滞発生を抑制することも可能である。
【００２２】
【発明の効果】
本発明の旅行時間予測装置は、予測旅行時間算出に旅行時間統計データベースに対する順位を用いているので、交通状況の異なる統計パターンによって必要であった人手による場合分けが自動的になされることになり、交通状況に応じた高精度の予測旅行時間を算出することが可能となる。
【図面の簡単な説明】
【図１】本発明の一実施例である旅行時間予測装置のブロック図。
【図２】本発明の実施例の分布内順位算出部内の処理概念図。
【図３】図３の具体的処理を表すフローチャート。
【図４】本発明の実施例の未来順位推定部内の処理概念図。
【図５】図４の具体的処理を表すフローチャート。
【図６】本発明の実施例の予測旅行時間決定部内の処理概念図。
【図７】図６の具体的処理を表すフローチャート。
【図８】本発明の別の実施例である旅行時間予測装置のブロック図。
【図９】本発明の実施例の旅行時間予測装置を利用した交通情報システム及び信号制御システムの一例。
【符号の説明】
１…旅行時間予測装置、２１…到着時刻旅行時間分布範囲、２３…出発時刻旅行時間分布範囲、４１…旅行時間情報処理装置、４２…信号制御装置、４１１…交通管制室内モニタ、４１２…旅行時間表示板、４１３…ビーコン（旅行時間情報通信装置）。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a travel time information processing apparatus and its application system, and more particularly to predicting travel time information of a section measured or estimated by a device installed on a road at a departure time.
[0002]
[Prior art]
A system for measuring the section travel time, for example, AVI for measuring the travel time by comparing the vehicle number information of vehicles passing through two predetermined points on the road, travel time information measured on the in-vehicle device (uplink travel time information ), An uplink system that collects travel time using a bidirectional communication function between an optical beacon installed on the road and a dedicated in-vehicle device, and a device that aggregates vehicle positions at regular intervals using a cellular telephone network The travel time calculated in the system that calculates the travel time from the route information by transmitting the information to the travel time and the system that estimates the travel time from the sensor information such as the ultrasonic sensor installed on the road is calculated at the time of measurement or calculation. Information. The information that should be provided or used at the current time is the travel time of the section when the vehicle is present at the departure point of the section that is scheduled to travel, so the travel time information acquired so far must be used. Need to predict. As a travel time prediction method, a difference obtained by comparing the travel time acquired at the current time with the statistical average value at the same time in the past is obtained, and the difference is added to the statistical average value at the departure time at the upstream of the section. One that calculates the predicted travel time, one that calculates the predicted travel time by applying an AR model to the travel time time series information and corrects it, and a paper “Travel time prediction on the street” (Transport Engineering Research Society, Traffic Engineering 1995 No. 6 Vol. 30, pp. 9 to 19), a model is constructed from the relationship between vehicle sensor data and travel time, and an optimal predicted travel time is calculated using a Kalman filter, as disclosed in JP-A-10-124791. Then, the correlation between the vehicle sensor information at the past time and the measured travel time, the congestion length at the current time are calculated, and the outflow traffic volume, inflow traffic volume, And the travel time is predicted from a traffic flow model. As described in Japanese Patent Application Laid-Open No. 9-270091, the travel time acquired at the current time is compared with a past database to make a travel with similar changes. There are various methods such as a method of extracting time data and predicting a travel time at a departure time.
[0003]
[Problems to be solved by the invention]
A problem to be considered with respect to travel time prediction is that travel time information acquired at the current time is always past information. More specifically, the travel time information of the vehicle arriving downstream of the section at the current time is the travel time information at the current time based on the arrival time, but is the current travel time information based on the time departing from the upstream of the section. This is information at a past time obtained by subtracting the travel time from the time. The travel time information with the upstream departure time as the current time is the travel time required for the vehicle present at the upstream to pass through the section, and is the travel time to be predicted. In order to calculate the predicted travel time, it is necessary to jump at least by the travel time even if the latest acquired information is used. The conventional method is based on the assumption that the travel time tends to fluctuate during the time of leap for prediction in common. This assumption is almost true in non-congested or short-distance travel time fluctuation trends, but this assumption is not necessarily true for long-distance travel time fluctuation trends when traffic jams rise or fall. Not exclusively.
[0004]
In the present invention, by focusing not only on the fluctuation tendency of the travel time itself, but also on the tendency of the order of the current travel time with respect to the past travel time distribution which is considered to be more stable than the fluctuation tendency of the travel time itself, It is an object of the present invention to provide a travel time prediction device that enables accurate travel time prediction.
[0005]
[Means for Solving the Problems]
The travel time prediction device that achieves the above object creates a travel time distribution for each time zone by using a measured or estimated section travel time and editing a travel time database in which the section travel time is accumulated for a certain period in the past. Means for determining the rank of the current section travel time in the travel time distribution based on the arrival time, and calculating the predicted rank using at least one of the rank and the time-series variation tendency of the rank. Means and means for extracting a predicted travel time corresponding to the predicted order from the travel time distribution based on the departure time.
[0006]
Further, another travel time prediction device that achieves the above object is a travel time prediction unit, which travels based on at least one of a section travel time obtained by actual measurement or estimation at the current time and a time-series variation tendency of the section travel time. It is characterized by having means for estimating time and means for calculating estimated travel time by combining the two estimating means.
[0007]
A feature of the travel time prediction device of the present invention is that the travel time prediction device is used to edit the predicted travel time information into a predetermined format to create traffic information, and a traffic manager monitors the traffic information. A traffic information providing system includes a monitor output unit, a unit for transmitting the traffic information to a communication device on the road, a unit for displaying the traffic information on an information medium on a mobile body, and the like.
[0008]
A feature of the travel time prediction device of the present invention is that the travel time prediction device is used to edit the travel time information into a predetermined format to create traffic information, and a traffic manager monitors the traffic information. A signal control system includes a monitor output unit, a unit for transmitting the traffic information to a signal control device on the road, a unit for setting signal parameters using information from the communication device, and the like.
[0009]
In addition, the travel time prediction device of the present invention directly uses data in the distribution instead of parameters such as average and variance to express the travel time distribution, so that conventionally, such as weekdays and holidays that require manual data analysis, are used. It is not necessary to classify cases according to different traffic conditions, and even if different traffic conditions are expressed on the same travel time distribution, it is possible to accurately judge the traffic conditions based on the tendency of the ranking. Furthermore, the travel time prediction device of the present invention uses the trend change of the rank even for a travel time input having a variation pattern that did not exist in the past, so that it is possible to calculate a highly accurate predicted travel time. Is possible.
[0010]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, an embodiment of the travel time prediction device according to the present invention will be described based on the embodiment illustrated in FIGS. 1 to 6.
[0011]
FIG. 1 is a block diagram of the travel time prediction device 1. The apparatus 1 uses the travel time information acquired by measurement or estimation at the current time and the travel time database 2 that stores the travel time information, and converts the travel time information into a rank for the distribution once. The feature is that the future value of is predicted, and the travel time database is used again to convert the predicted order to the predicted travel time information. The travel time information which is input data of the apparatus may be actually measured from an infrastructure such as an optical beacon or AVI, or may be estimated using data from an ultrasonic sensor or the like. In this case, the travel time prediction device of the present invention can calculate the predicted value without depending on what information source is used.
[0012]
The in-distribution ranking calculating unit 11 creates a cumulative distribution of travel time based on the arrival time of the travel time database 2 and calculates the cumulative relative frequency of the currently acquired travel time, that is, the relative value when the travel times are arranged in ascending order. Find the ranking. The future order estimating unit 12 obtains a relative order in the future from the obtained ascending order relative order and the time-series tendency of the ascending order relative order. The predicted travel time determination unit 13 creates a cumulative distribution of travel times based on departure times from the travel time database 2, extracts travel times corresponding to future relative ranks from the cumulative distribution, and predicts the travel times. Output as travel time. The travel time database 2 secures a sufficient amount of data by using the average travel time information of the vehicle in each past time zone (every 5 minutes) as statistical data, and always updates the latest average travel time data for each time zone. It is assumed that For example, if the average travel time data is stored for one month for each time zone and the travel time information acquired at the current time is constantly updated, the amount of information and the novelty as a database are sufficient. FIG. 2 is a flowchart illustrating the internal processing of the in-distribution rank calculating unit 11. In step 111, the average travel time of the vehicle that has arrived at the downstream point of the section in the same time zone as the current time, that is, the travel time distribution based on the arrival time is extracted from the travel time database 2. The extracted arrival travel time distribution data is sorted in ascending order of travel time. In step 112, the travel time acquired at the current time is compared with the arrival time travel time distribution sorted in ascending order, and the cumulative relative frequency for the distribution is calculated to obtain the ascending relative rank. In step 113, the ascending relative rank is stored in the buffer. At this time, the buffer stores the ascending relative rank for a predetermined cycle in the past.
[0013]
FIG. 3 is a diagram of the process of FIG. In the graph on the left, the arrival time travel time distribution range 21 represents the range of the arrival time travel time distribution in chronological order, and 114 represents the chronological trend of the arrival time travel time. In what area the time-series arrival time travel time 114 exists with respect to the arrival time travel time distribution range 21, that is, how the current travel time is compared with the past traffic conditions at the same time in the same section. Is calculated, an ascending relative rank, which is a cumulative relative frequency with respect to the distribution, is calculated in order to express whether or not. The graph on the right is obtained by cutting out information at the current time in the graph on the left. 22 is a cumulative distribution curve of the arrival travel time at the current time. By comparing the cumulative distribution 22 and the travel time at the current time, 115 ascending relative ranks are obtained.
[0014]
FIG. 4 is a flowchart showing the internal processing of the future ranking estimating unit 12. In step 121, the ascending relative rank of the arrival time travel time for a predetermined cycle in the past is read. In step 122, the predicted rank of the departure time travel time is calculated as a weighted sum of the read ascending relative ranks. Let Rn be the value of the ascending relative rank N cycles past, and let the weight for each be An. At this time, the prediction order Rp is calculated by the following equation (1).
[0015]
Rp = A0 · R0 + A1 · R1 + ··· An · Rn (Formula 1)
Here, R0 represents an ascending relative order at the current time.
[0016]
FIG. 5 specifically shows the processing of FIG. In the future rank estimating process, the prediction rank is estimated by weighting and smoothing the past ascending rank tendency. When the travel time distribution density is high, the tendency of the ascending relative rank in the time series to increase with a slight shift in travel time. Also, if the travel time distribution density is small, the tendency of the ascending relative rank to change is small. However, the variation tendency of the ascending relative rank is unlikely to change abruptly if the average tendency is taken although the amplitude is large or small. On the other hand, the tendency of the travel time itself to change in a time series tends to suddenly change when traffic congestion occurs or disappears, and if an average tendency is taken, the delay with respect to a change in traffic condition increases. Therefore, the most characteristic feature of the present invention is that in predicting the travel time, the future prediction is enabled by taking the tendency of the rank considered to show a more stable change. Even if the distribution shape has two peaks due to the mixture of weekday data and holiday data in the travel time distribution, the trend pattern is used automatically, so that the travel time fluctuation pattern is automatically closer. It is possible to follow the distribution tendency. For this reason, it is not necessary for the traffic manager to classify cases according to differences in statistical patterns in advance. When a travel time variation pattern that does not exist in the past is input, it is possible to distinguish the difference from the normal travel time variation pattern from the ranking variation tendency and output an appropriate predicted travel time It is.
[0017]
FIG. 6 is a flowchart illustrating the internal processing of the predicted travel time determination unit 13. In step 131, the travel time distribution based on the average travel time of the vehicle that has departed upstream of the section in the same time zone as the current time, that is, the travel time based on the departure time, is extracted from the travel time database 2. In the departure time travel time distribution, the relevant data in the travel time database is sorted in ascending order of travel time. In step 132, a travel time in which the cumulative relative frequency in the departure time travel time distribution has the predicted rank estimated by the future rank estimation unit 12 is extracted, and a predicted travel time with the current time as the departure time is output.
[0018]
FIG. 7 specifically shows the processing of FIG. The processing of FIG. 7 is a form in which the processing of FIG. 3 is executed in the reverse direction. The travel time distribution range based on the departure time is represented by the departure time travel time distribution range 23 in the graph on the left. At this time, the distribution of the departure time at the same time as the current time is represented as a travel time accumulation distribution, which is indicated by 24 in the right graph. The predicted ranking 33 calculated by the predicted travel time determination unit 13 is input as the cumulative relative frequency, and the travel time corresponding to the cumulative relative frequency on the distribution 24 is calculated as the predicted travel time. Since the time series change 134 of the departure time travel time before the departure travel time already calculated time is known, it is possible to verify the accuracy of the predicted travel time and feed it back to the predicted travel time calculation.
[0019]
FIG. 8 is another example of the travel time prediction device of the present invention. The final predicted travel time 34 is calculated by combining the predicted travel time A32 calculated using the travel time prediction device 1 shown in FIG. 1 and the predicted travel time B33 using the travel time tendency. The method of calculating the predicted travel time using the travel time tendency is as follows. The travel time information acquired in a time series is stored as the arrival time travel time tendency 31, the value of the arrival time travel time in N cycles past is set to Tn, and the weight for each value is set to Bn. At this time, the predicted travel time B (Tp) is calculated by the following equation (2).
[0020]
Tp = B0 · T0 + B1 · T1 +... + Bn · Tn (Equation 2)
Here, T0 represents the arrival time travel time at the current time. The method of Expression 2 is an example in the present embodiment, and the method using exponential smoothing and the AR method can be basically considered as an extended version of the method of Expression 2. The final predicted travel time 34 is determined by combining the predicted travel times obtained by different methods as a weighted linear sum in consideration of the magnitude of the variation tendency of the ascending relative rank, the variation tendency of the travel time, and the like. . It is a feature of the travel time prediction apparatus of the present invention that the prediction travel time can be calculated by dynamically overlapping the two prediction methods.
[0021]
FIG. 9 is an embodiment of an application system including the travel time prediction device of the present invention. The predicted travel time data created by using the travel time prediction device 1 of the present invention is input to the travel time information processing device 41, and the information processed by the device is displayed in the traffic control room monitor 411, the travel time display on the road. It is distributed to a board 412, a beacon (travel time information and communication device) 413, and a signal control device 42 on the road. The traffic control room 411 can display accurate traffic information on a map to an administrator, and can assist management of information provision. The travel time display plate 412 and the beacon 413 transmit information using the predicted travel time to the road user, and the road user recognizes or receives the travel time information of the section in which he or she is supposed to travel in advance. It is possible to do. The information distributed to the signal control device 42 can be reflected on the traffic signals 421 and 422 by using the setting change of the signal parameter. If there is accurate travel time information with high accuracy, the signal control device 42 can change the signal parameters in advance to suppress the occurrence of traffic congestion.
[0022]
【The invention's effect】
Since the travel time prediction device of the present invention uses the ranking in the travel time statistical database for calculating the predicted travel time, the manual classification required by the statistical patterns with different traffic conditions is automatically performed. Thus, it is possible to calculate a highly accurate predicted travel time according to the traffic condition.
[Brief description of the drawings]
FIG. 1 is a block diagram of a travel time prediction device according to an embodiment of the present invention.
FIG. 2 is a conceptual diagram of processing in an intra-distribution rank calculating unit according to the embodiment of the present invention.
FIG. 3 is a flowchart showing specific processing of FIG. 3;
FIG. 4 is a conceptual diagram of processing in a future ranking estimating unit according to the embodiment of the present invention.
FIG. 5 is a flowchart showing specific processing of FIG. 4;
FIG. 6 is a conceptual diagram of processing in a predicted travel time determination unit according to the embodiment of the present invention.
FIG. 7 is a flowchart showing specific processing of FIG. 6;
FIG. 8 is a block diagram of a travel time prediction device according to another embodiment of the present invention.
FIG. 9 is an example of a traffic information system and a signal control system using the travel time prediction device according to the embodiment of the present invention.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 ... Travel time prediction device, 21 ... Arrival time travel time distribution range, 23 ... Departure time travel time distribution range, 41 ... Travel time information processing device, 42 ... Signal control device, 411 ... Traffic control room monitor, 412 ... Travel time Display plate 413: beacon (travel time information communication device).

Claims

実測あるいは推定した区間旅行時間を用いて、
該区間旅行時間を過去の一定期間蓄積した旅行時間データベースを編集して各時間帯ごとの旅行時間累積分布を作成する手段と、区間の下流到着時刻を基準とした該旅行時間累積分布内における現在の区間旅行時間の順位を求める手段と、該順位と該順位の時系列変動傾向との少なくとも一方を用いて予測順位を算出する手段と、区間の上流出発時刻を基準とした該旅行時間累積分布から該予測順位に相当する予測旅行時間を抽出する手段とを有する旅行時間予測装置。Using the measured or estimated section travel time,
Means for compiling a travel time database in which the section travel time is accumulated for a certain period in the past to create a travel time cumulative distribution for each time zone; Means for calculating the rank of the section travel time, means for calculating a predicted rank using at least one of the rank and the time-series variation tendency of the rank, and the cumulative travel time distribution based on the upstream departure time of the section. Means for extracting a predicted travel time corresponding to the predicted order from the estimated travel time.

現在時刻において実測あるいは推定した区間旅行時間と該区間旅行時間の時系列変動傾向との少なくとも一方に基づいて旅行時間を予測する手段と、請求項１に記載の予測手段と、前記二つの予測手段を組み合わせて予測旅行時間を算出する手段とを有する旅行時間予測装置。2. A means for predicting a travel time based on at least one of a section travel time actually measured or estimated at a current time and a time-series variation tendency of the section travel time, the prediction means according to claim 1, and the two prediction means. Means for calculating a predicted travel time by combining the above.

請求項１または２記載の旅行時間予測装置を用いて、予測旅行時間情報を所定のフォーマットに編集して交通情報を作成する手段と、該交通情報を交通管理者が監視するモニタ出力手段と、該交通情報を路上の通信装置に伝達する手段と、該通信装置から移動体上の情報媒体に表示する手段等を有する交通情報提供システム。Means for creating traffic information by editing the predicted travel time information into a predetermined format using the travel time prediction device according to claim 1 or 2; monitor output means for monitoring the traffic information by a traffic manager; A traffic information providing system including means for transmitting the traffic information to a communication device on a road, means for displaying the traffic information on an information medium on a mobile body from the communication device, and the like.

請求項１または２記載の旅行時間予測装置を用いて、旅行時間情報を所定のフォーマットに編集して交通情報を作成する手段と、該交通情報を交通管理者が監視するモニタ出力手段と、該交通情報を路上の信号制御装置に伝達する手段と、該通信装置からの情報を利用して信号パラメータ設定する手段等を有する信号制御システム。Means for editing the travel time information into a predetermined format to create traffic information using the travel time prediction device according to claim 1 or 2; monitor output means for monitoring the traffic information by a traffic manager; A signal control system including means for transmitting traffic information to a signal control device on the road, means for setting signal parameters using information from the communication device, and the like.