JP5070574B2 - 局所交通量予測プログラム生成装置、局所交通量予測装置、局所交通量予測プログラム生成方法、局所交通量予測方法及びプログラム - Google Patents

Description

本発明は、道路ネットワークにおける任意の指定区間の交通量を、その近隣区間の過去の交通量情報を用いて予測する局所交通量予測技術に関し、特に、各区間の交通量の相関関係に関する情報が未知であっても柔軟に予測を行うことが可能であり、且つ、複数の指定区間における将来の複数の時刻の予測も短時間で行うことが可能な局所交通量予測技術に関する。

近年、広く普及しているＶＩＣＳ（Vehicle Information and Communication System）、ＡＴＩＳ（Advanced Traffic Information Service：高度交通情報サービス）、カーナビゲーションシステムなどにおいては、交通渋滞の緩和や目的地への的確な誘導のため、現在の道路の交通量を把握・伝達することに加えて、各道路の交通量の予測を的確に行うことが求められている。そのため、交通量予測のための種々の技術が研究・開発されている。

従来の交通量予測技術としては、例えば、特許文献１〜３に記載のものが公知である。

特許文献１に記載の交通状況推定システムは、過去及び現在の交通量の計測値による交通量予測と、交通流シミュレーションによる交通量予測とを組み合わせることによって、将来の交通量をできるだけ正確に予測しようとしたものである。

この交通状況推定システムにおいては、まず、過去の各道路の交通量の計測値と現在の各道路の交通量の計測値とから、パターンマッチング、自己回帰、カルマンフィルタ、ニューラルネットワークなどにより、将来の交通量の予測値を算出する。一方、道路ネットワークデータ、道路ネットワーク上の信号データ、及びＯＤ交通量（出発地（Origin）から目的地（Destination）までの交通量）を用いて、交通流シミュレーションを行い、道路リンク毎の交通量を計算する。交通流シミュレーションには、ブロック密度法又はインプット・アウトプット法等のマクロな交通流モデルや、追従モデルによるミクロな交通流モデルが用いられる。そして、この交通量の計算値を、現在の交通量の観測値及びパターンマッチング等で得られた交通量の予測値に一致させるための目標値を道路リンク毎に設定する。この交通量の計算値と目標値とに基づいて、ＯＤ交通量を修正することにより、交通量の予測を行う。

特許文献２には、道路ネットワークを有限状態機械（finite-state machine：有限状態オートマトン）で表すものとし、進化的手法により、道路ネットワークの交通量予測に対して準最適な有限状態機械を作成し、作成した有限状態機械を用いて交通量予測を行うものである。

図１８は、特許文献２において用いられる有限状態機械の一例とその遺伝子の構造を表す図である。有限状態機械とは、順序づけられた５項組Ｍ＝（Ｉ，Ｏ，Ｓ，ｆ，φ）をいう。Ｉ，Ｏは入力集合と出力集合、Ｓは状態集合、ｆは集合Ｓ×Ｉを集合Ｓに写像する関数、φは集合Ｓ×Ｉを集合Ｉに写像する関数である。有限状態機械Ｍは、図１８（ａ）の状態遷移表に表されたように、現在の状態Ｓと入力値Ｉとから、次の状態Ｓの遷移先が定まる。各状態Ｓに対しては、出力値Ｏが対応している。入力値Ｉ及び出力値Ｏは、道路リンクを走行する車両の平均速度を３段階に量子化した値である。また、図１８（ｂ）は、図１８（ａ）の状態遷移表を状態遷移図によって表したものである。

例えば、現在の状態がＳ_１として、入力値として０が入力された場合、次の状態はＳ_２に遷移し、道路リンクを走行する車両の予測平均速度として０が出力される。また、初期状態がＳ１で、入力として平均速度の時系列データ０，０，１，２が入力された場合には、状態はＳ_１→Ｓ_２→Ｓ_３→Ｓ_４と遷移し、道路リンクを走行する車両の予測平均速度として２が出力される。

図１８（ａ），（ｂ）で表される有限状態機械を、進化論的なアルゴリズムによって準最適化するためには、有限状態機械を図１８（ｃ）のような遺伝子形式で表現する。そして、過去数ヶ月乃至数年に計測された交通流のデータ群をトレーニングデータ群として、進化的アルゴリズムによって遺伝子形式の有限状態機械集団の評価、淘汰、及び突然変異を繰り返し行い、最終的に準最適な有限状態機械を作成する。

各有限状態機械の評価は、遺伝子形式有限状態機械（以下「遺伝子」と呼ぶ。）にトレーニングデータを与えたときに、機械の出力がトレーニングデータと一致したときには１点を与え、一致しないときには０点を与える、といった操作をＮ回行って、最終的な評価点によって各遺伝子の評価がされる。淘汰とは、遺伝子群において、ルーレット戦略などにより、点数の高い遺伝子の数を増加させ、点数の低い遺伝子の数を減らすことである。突然変異とは、一つの遺伝子において、一部をランダムに変化させることをいう。

そして、この進化的なアルゴリズムの結果得られる準最適な有限状態機械を使用して、各道路リンクを走行する車両の予測平均速度の推定を行う。

尚、特許文献３にも、過去の交通量のデータと現在の交通量のデータから将来の交通量のデータを予測するニューラルネットワークを、進化的アルゴリズムを用いて適応的に生成し、生成したニューラルネットワークを用いて交通量の予測を行う交通状況予測装置が記載されているが、この文献ではその具体的な計算方法については述べられていない。
特開２００４−１１８７３５号公報 特開２０００−５７４８２号公報 特開平１１−３２８５７０号公報 平澤他，「蟻の行動進化におけるGenetic Network ProgrammingとGenitic Programmingの性能比較」，社団法人電子情報通信学会，信学論Ｃ，１２１巻６号，平成１３年，pp.1001-1009.

上記特許文献１に記載の交通状況推定システムにおいては、交通流シミュレーションを用いる際に道路ネットワークにおける交通流のモデル化を行う必要がある。このモデル化に際しては、必然的に交通流に及ぼすいくつかの特徴量を抽出し、その特徴量を特徴パラメータとして計算が行われる。

しかしながら、道路ネットワークは複雑な構造であること、道路上の各車両の速度や進行経路は多種多様であること、信号や道幅などの交通量の影響を及ぼすパラメータが多種多様にあること、曜日、時間帯、天候、イベント等のような交通量に影響を与える外部的要因も多種多様であること等により、一般に交通量の時間的変動は極めて複雑である。従って、的確な特徴パラメータを抽出することは極めて困難な問題であり、的確な特徴パラメータが抽出できなければ交通量の予測精度が向上しないという問題がある。

また、道路シミュレーションを行うにあたっては、道路ネットワーク毎に、個別具体的に道路ネットワークのモデル化を行う必要があるため、実際に導入するに際しては容易ではない。

一方、特許文献２に記載の進化的アルゴリズムを用いた手法では、過去及び現在の交通量に関する情報さえあれば、特徴パラメータを抽出する必要がないため、環境の変化に対してより適応的な予測が可能である。また、進化的アルゴリズムでは、特定のモデル化による情報の取捨選択を行わないため、過去の交通量のデータに含まれる情報を効率よく活用して交通量の予測が可能である。従って、この手法は、道路ネットワークにおける交通量予測のようなパラメータ数が多く、環境により変動し、対象が把握しにくく、検索空間が膨大な問題に対して適した方法であるといえる。

特許文献２では、進化的アルゴリズムにより、道路リンクの交通量（道路リンクを走行する車両の平均速度）を予測する交通量予測プログラムとして、有限状態機械を生成する。有限状態機械とは、有限個の区別可能な内部状態をもったオートマトン（入力に離散的な情報を入れると出力から離散的な情報がえられるブラックボックスの総称）であり、極めて広範な概念である。そして、有限状態機械の各ノード（図１８（ｂ）における○で表されたノード）の状態量は、具体的な物理的な意味を有するものではなく、理論上は如何なる予測モデルも適応的に表現できる。また、進化的アルゴリズムにおける進化の過程において、突然変異等により、有限状態機械内のノード数や遷移の接続関係が変動する。

比較的道路リンクの少ない道路ネットワークの交通量予測であれば、このような汎用的な有限状態機械を用いて進化的アルゴリズムにより交通量予測プログラムを作成することは困難ではない。しかし、一般に、有限状態機械のノードの組み合わせは無限にあるため、道路リンクの多い道路ネットワークの交通量予測に適用した場合、進化の過程で有限状態機械のノード数がブロードしてしまい、組み合わせの自由度が増大しすぎて、最適な交通量予測プログラムへの収束が困難になるという問題が生じる。すなわち、有限状態機械のノード数が増大すると、有限状態機械の組み合わせの数は飛躍的に増大し、突然変異や交叉により最適解に近づく確率が低下するため、収束性も低下する。

そこで、本発明の目的は、進化的アルゴリズムを用いて道路ネットワークの局所的な交通量を予測するに際し、複雑な道路ネットワークにおいても容易に収束し、より精度の高い準最適な交通量予測を行うことが可能な局所交通量予測技術を提供することにある。

局所交通量予測プログラム生成装置に係る本発明の構成は、各交差点ｉ（ｉ∈Ｖ_ｃ：Ｖ_ｃは全交差点の集合）に対応する交差点ノードｎ_ｉ、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路（ｉ，ｊ）に対応する道路リンクｌ_ｉ，ｊ、及び各時刻ｔにおける前記道路（ｉ，ｊ）において計測された交通量ｖ_ｉ，ｊ（ｔ）が与えられている道路ネットワーク・データベースに基づいて、特定の道路リンクｌ_ｋ，ｌのある時刻ｔ_０以降の予測時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）における交通量ｖ_ｋ，ｌ（ｔ_０＋ｎ）の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出するための局所交通量予測プログラムの自動生成を行う局所交通量予測プログラム生成装置であって、
前記各道路リンクｌ_ｉ，ｊ（ｉ，ｊ∈Ｖ_ｃ）に対応して設けられ、該道路リンクｌ_ｉ，ｊの前記時刻ｔ_０以前の交通量ｖ_ｉ，ｊ（ｔ_０−ｍ）（ｍ＝０，１，…，Ｍ：Ｍは予測に用いる交通量の時刻範囲）の値をその大きさによって複数のクラスの何れに属するか判定し、判定した交通量の各クラスに応じて遷移先を分岐させる判定ノードと、
予測対象である前記特定の道路リンクｌ_ｋ，ｌ（ｋ，ｌ∈Ｖ_ｃ）の各予測時刻ｔ_０＋ｎの各予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）の全部又は一部に対応して設けられる処理ノードと、
遷移の開始位置である開始ノードと、
前記開始ノードから何れかの前記判定ノードへ向かう１本の有向遷移枝、前記判定ノードから前記交通量の各クラスに応じて何れかの前記判定ノード又は何れかの前記処理ノードへ向かうＮ_ｃ本（Ｎ_ｃは交通量のクラスの数）の有向遷移枝、及び前記各処理ノードから前記判定ノードへ向かう有向遷移枝と、
で構成され、各処理ノード、各判定ノード及び各開始ノードの総数Ｎ_ｖ個のそれぞれのノードに識別ラベルが付された有向グラフとして表される局所交通量予測プログラムの個体データを複数個記憶する個体データ記憶手段と、
各道路（ｉ，ｊ）において各時刻ｔに計測された交通量ｖ_ｉ，ｊ（ｔ）が記憶された交通量データ記憶手段と、
初期世代の前記局所交通量予測プログラムの個体データを所定数Ｎ_０個生成し、前記個体データ記憶手段に保存する初期個体構成手段と、
前記個体データ記憶手段に保存された前記各個体データの各々に対し、その個体データの適合度Ｆを（数１）の適合度関数により算出する適合度演算手段と、
前記各個体データのうち、前記適合度Ｆに基づき所定数Ｎ_１個を選択し、残りは淘汰する個体淘汰手段と、
前記選択された所定数Ｎ_１個の前記個体データの各々に対し、その個体データの前記適合度Ｆに応じて個体データを再生する固体再生手段と、
前記再生した個体データのうち、所定の方法で選ばれた２個の個体データの内の交叉確率に比例した数のノードとこれを始点とする有向遷移枝に対し交叉処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する交叉手段と、
前記再生した個体データのうち、所定の数の個体データの内の接続突然変異確率に比例した数の有向遷移枝に対し接続突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する接続突然変異手段と、
前記再生した個体データのうち、所定の数の個体データの内のノード突然変異確率に比例した数のノードに対しノード突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存するノード突然変異手段と、
前記交叉手段、前記接続突然変異手段及び前記ノード突然変異手段により新たな世代の前記個体データを生成する処理が行われた後に所定の終了条件が充足されたか否かを判定する終了判定手段と、
前記終了判定手段により終了条件が充足されたと判定された場合、前記適合度演算手段により各個体データの適合度Ｆを算出し、算出された適合度のもっとも小さい個体データを、最終的な局所交通量予測プログラムとして出力する準最適解選択手段と、
を備え、
前記交叉手段は、識別ラベルが付されたＮ_ｖ個の前記ノードを有する前記個体データの集合からなる個体データ群の中から、乱数により２個の個体データを親子体データ１及び親個体データ２として選択し、
前記親個体データ１の前記各ノードから２個以上のノードを乱数により選択し、
選択された前記親個体データ１のノードと、前記親個体ノード１で選択されたノードと同じ識別ラベルが付された前記親個体データ２のノードとを交換することにより、前記交叉処理を行うものであり、
前記接続突然変異手段は、前記接続突然変異処理を行う前記個体データの前記各有向遷移枝の中から接続を変更する前記有向遷移枝を選択し、
当該個体データ内の選択した前記有向遷移枝が接続しているノード以外の当該個体データの各ノードから、乱数により新たな接続先のノードを選択し、
前記選択した前記有向遷移枝の遷移先を、前記選択した新たな接続先のノードに変更することにより、前記接続突然変異処理を行うものであり、
前記ノード突然変異手段は、前記接続突然変異処理を行う前記個体データの前記開始ノード以外の前記各ノードの中から、乱数により内容を変更する変更ノードを選択し、
前記変更ノードが前記判定ノードであれば他の種類の前記判定ノードに変更し、前記変更ノードが前記処理ノードであれば他の種類の前記処理ノードに変更することにより前記ノード突然変異処理を行うものであり、
前記終了判定手段により前記終了条件が充足されないと判定された場合には、前記適合度演算手段、前記個体淘汰手段、前記交叉手段、前記接続突然変異手段、前記ノード突然変異手段、及び前記終了判定手段は、前記個体データ記憶手段に保存された各個体データについて同様の処理を反復実行することを特徴とする。

この構成によれば、局所交通量予測プログラムは、開始ノード、判定ノード、及び処理ノードが有向遷移枝でネットワーク状に接続した有向グラフとして表される。この局所交通量予測プログラムの個体データを多数発生させ、再生、交叉、突然変異（接続突然変異及びノード突然変異）、淘汰を繰り返すことによる進化的アルゴリズム（本発明の場合、「遺伝的ネットワークプログラミング（Genetic Network Programming：ＧＮＰ）」と呼ばれる（非特許文献１参照）。）により個体データ群を予測モデルに適応させてゆき、最終的に得られる個体データ群から準最適解選択手段によりもっとも適合した個体データを選択することで準最適な局所交通量予測プログラムが得られる。このとき、進化の過程においてノード数の増減はない。また、各判定ノード及び各処理ノードは、それぞれ道路リンクに対応しておりそのノードの表す意味も明確であるため、意味不明の無駄なノードが発生することもない。従って、上記非特許文献２の手法に比べて、ブロード等の発生しない解空間の効率的な探索が可能となる。

局所交通量予測装置に係る本発明の第１の構成は、複数の交差点の集合｛ｉ：ｉ∈Ｖ_ｃ）｝と、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路の集合｛（ｉ，ｊ）｝とからなる道路ネットワークにおいて、各時刻ｔにおいて各道路（ｉ，ｊ）において計測される交通量ｖ_ｉ，ｊ（ｔ）に基づいて、特定の予測対象道路（ｋ，ｌ）における将来の交通量の予測を行う局所交通量予測装置であって、
前記道路ネットワークにおいて過去に計測された交通量に基づき、請求項１記載の局所交通量予測プログラム生成装置によって生成される局所交通量予測プログラムの個体データが格納された予測プログラム記憶手段と、
現時刻ｔ_０以前の各時刻ｔ_０−ｍ（ｍ＝０，１，…，Ｍ）において各道路（ｉ，ｊ）における交通量の計測値ｖ_ｉ，ｊ（ｔ_０−ｍ）が保存される交通量データ記憶手段と、
前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ）の交通量の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出する予測プログラム実行手段と、
を備えたことを特徴とする。

局所交通量予測装置に係る本発明の第２の構成は、前記予測プログラム記憶手段には、前記道路ネットワークにおいて過去に計測された交通量に基づき、交通に影響を及ぼす複数の環境条件下において、請求項１記載の局所交通量予測プログラム生成装置によって生成された局所交通量予測プログラムが、当該環境条件と関連づけて複数個格納されており、
局所交通量の予測を行う現時刻ｔ_０における前記環境条件を入力する環境条件入力手段と、
前記環境条件入力手段により入力される環境条件に対応する、前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを検索し抽出するプログラム選択手段と、
を備え、
前記予測プログラム実行手段は、前記プログラム選択手段により選択された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻ｔ_０より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）を算出することを特徴とする。

局所交通量予測プログラム生成プログラムに係る本発明の構成は、コンピュータに読み込ませて実行することにより、前記コンピュータを前記第１の構成の局所交通量予測プログラム生成装置として機能させることを特徴とする。

局所交通量予測プログラムに係る本発明の構成は、コンピュータに読み込ませて実行することにより、前記コンピュータを前記第２又は３の構成の局所交通量予測装置として機能させることを特徴とする。

局所交通量予測プログラム生成方法に係る本発明の構成は、各交差点ｉ（ｉ∈Ｖ_ｃ：Ｖ_ｃは全交差点の集合）に対応する交差点ノードｎ_ｉ、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路（ｉ，ｊ）に対応する道路リンクｌ_ｉ，ｊ、及び各時刻ｔにおける前記道路（ｉ，ｊ）において計測された交通量ｖ_ｉ，ｊ（ｔ）が与えられている道路ネットワーク・データベースに基づいて、特定の道路リンクｌ_ｋ，ｌのある時刻ｔ_０以降の予測時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）における交通量ｖ_ｋ，ｌ（ｔ_０＋ｎ）の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出するための局所交通量予測プログラムの自動生成を行う局所交通量予測プログラム生成方法であって、
前記各道路リンクｌ_ｉ，ｊ（ｉ，ｊ∈Ｖ_ｃ）に対応して設けられ、該道路リンクｌ_ｉ，ｊの前記時刻ｔ_０以前の交通量ｖ_ｉ，ｊ（ｔ_０−ｍ）（ｍ＝０，１，…，Ｍ：Ｍは予測に用いる交通量の時刻範囲）の値をその大きさによって複数のクラスの何れに属するか判定し、判定した交通量の各クラスに応じて遷移先を分岐させる判定ノードと、
予測対象である前記特定の道路リンクｌ_ｋ，ｌ（ｋ，ｌ∈Ｖ_ｃ）の各予測時刻ｔ_０＋ｎの各予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）の全部又は一部に対応して設けられる処理ノードと、
遷移の開始位置である開始ノードと、
前記開始ノードから何れかの前記判定ノードへ向かう１本の有向遷移枝、前記判定ノードから前記交通量の各クラスに応じて何れかの前記判定ノード又は何れかの前記処理ノードへ向かうＮ_ｃ本（Ｎ_ｃは交通量のクラスの数）の有向遷移枝、及び前記各処理ノードから前記判定ノードへ向かう有向遷移枝と、
で構成され、各処理ノード、各判定ノード及び各開始ノードの総数Ｎ_ｖ個のそれぞれのノードに識別ラベルが付された有向グラフとして表される局所交通量予測プログラムの個体データを複数個記憶する個体データ記憶手段と、
各道路（ｉ，ｊ）において各時刻ｔに計測された交通量ｖ_ｉ，ｊ（ｔ）が記憶された交通量データ記憶手段と、
を備えたコンピュータにおいて、
初期世代の前記局所交通量予測プログラムの個体データを所定数Ｎ_０個生成し、前記個体データ記憶手段に保存する初期個体構成ステップと、
前記個体データ記憶手段に保存された前記各個体データの各々に対し、その個体データの適合度Ｆを（数１）の適合度関数により算出する適合度演算ステップと、
前記各個体データのうち、前記適合度Ｆに基づき所定数Ｎ_１個を選択し、残りは淘汰する個体淘汰ステップと、
前記選択された所定数Ｎ_１個の前記個体データの各々に対し、その個体データの前記適合度Ｆに応じて個体データを再生する固体再生ステップと、
前記再生した個体データのうち、所定の方法で選ばれた２個の個体データの内の交叉確率に比例した数のノードとこれを始点とする有向遷移枝に対し交叉処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する交叉ステップと、
前記再生した個体データのうち、所定の数の個体データの内の接続突然変異確率に比例した数の有向遷移枝に対し接続突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する接続突然変異ステップと、
前記再生した個体データのうち、所定の数の個体データの内のノード突然変異確率に比例した数のノードに対しノード突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存するノード突然変異ステップと、
前記交叉ステップ、前記接続突然変異ステップ及び前記ノード突然変異ステップにおいて新たな世代の前記個体データを生成する処理が行われた後に所定の終了条件が充足されたか否かを判定する終了判定ステップと、
前記終了判定ステップにおいて終了条件が充足されたと判定された場合、前記適合度演算ステップを実行することにより各個体データの適合度Ｆを算出し、算出された適合度のもっとも小さい個体データを、最終的な局所交通量予測プログラムとして出力する準最適解選択ステップと、
を有し、
前記交叉ステップにおいては、識別ラベルが付されたＮ_ｖ個の前記ノードを有する前記個体データの集合からなる個体データ群の中から、乱数により２個の個体データを親子体データ１及び親個体データ２として選択し、
前記親個体データ１の前記各ノードから２個以上のノードを乱数により選択し、
選択された前記親個体データ１のノードと、前記親個体ノード１で選択されたノードと同じ識別ラベルが付された前記親個体データ２のノードとを交換することにより、前記交叉処理を行うものであり、
前記接続突然変異ステップにおいては、前記接続突然変異処理を行う前記個体データの前記各有向遷移枝の中から接続を変更する前記有向遷移枝を選択し、
当該個体データ内の選択した前記有向遷移枝が接続しているノード以外の当該個体データの各ノードから、乱数により新たな接続先のノードを選択し、
前記選択した前記有向遷移枝の遷移先を、前記選択した新たな接続先のノードに変更することにより、前記接続突然変異処理を行うものであり、
前記ノード突然変異ステップにおいては、前記接続突然変異処理を行う前記個体データの前記開始ノード以外の前記各ノードの中から、乱数により内容を変更する変更ノードを選択し、
前記変更ノードが前記判定ノードであれば他の種類の前記判定ノードに変更し、前記変更ノードが前記処理ノードであれば他の種類の前記処理ノードに変更することにより前記ノード突然変異処理を行うものであり、
前記終了判定ステップにおいて前記終了条件が充足されないと判定された場合には、前記適合度演算ステップ、前記個体淘汰ステップ、前記交叉ステップ、前記接続突然変異ステップ、前記ノード突然変異ステップ、及び前記終了判定ステップを、前記個体データ記憶手段に保存された各個体データについて反復実行することを特徴とする。

局所交通量予測方法に係る本発明の構成は、複数の交差点の集合｛ｉ：ｉ∈Ｖ_ｃ）｝と、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路の集合｛（ｉ，ｊ）｝とからなる道路ネットワークにおいて、各時刻ｔにおいて各道路（ｉ，ｊ）において計測される交通量ｖ_ｉ，ｊ（ｔ）に基づいて、特定の予測対象道路（ｋ，ｌ）における将来の交通量の予測を行う局所交通量予測方法であって、
前記道路ネットワークにおいて過去に計測された交通量に基づき、請求項１記載の局所交通量予測プログラム生成装置によって生成される局所交通量予測プログラムの個体データが格納された予測プログラム記憶手段と、
現時刻ｔ_０以前の各時刻ｔ_０−ｍ（ｍ＝０，１，…，Ｍ）において各道路（ｉ，ｊ）における交通量の計測値ｖ_ｉ，ｊ（ｔ_０−ｍ）が保存される交通量データ記憶手段と、
を備えたコンピュータにおいて、
前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ）の交通量の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出することを特徴とする。

以上のように、本発明によれば、進化的アルゴリズムを用いて道路ネットワークの局所的な交通量を予測するに際し、複雑な道路ネットワークにおいても容易に収束し、より精度の高い準最適な交通量予測を行うことが可能となる。

以下、本発明を実施するための最良の形態について、図面を参照しながら説明する。

図１は、本発明の実施例１に係る局所交通量予測プログラム生成装置１のハードウェア構成を表す図である。局所交通量予測プログラム生成装置１は、入力装置２、ＣＰＵ３、出力装置４、及び記憶装置５を備えている。これらは、一般的なコンピュータの構成と同様であるが、本発明の局所交通量予測プログラム生成装置１はプログラムとして記憶装置５に格納されており、実行時にはこのプログラムをＣＰＵにロードして実行することによってコンピュータを局所交通量予測プログラム生成装置１として機能させる。

図２は、本発明の実施例１に係る局所交通量予測プログラム生成装置１の機能構成を表す図である。局所交通量予測プログラム生成装置１は、道路ネットワーク記憶手段１１、交通量データ記憶手段１２、個体データ記憶手段１３、初期個体構成手段１４、適合度演算手段１５、個体淘汰手段１６、固体再生手段１７、交叉手段１８、接続突然変異手段１９、ノード突然変異手段２０、終了判定手段２１、及び準最適解選択手段２２を備えている。

道路ネットワーク記憶手段１１は、道路ネットワーク・データベースを記憶する。道路ネットワーク・データベースとは、交通量の予測を行う予測対象道路、及び予測対象道路周辺の道路とその接続関係に関する情報を保有するデータベースである。一般に、道路ネットワークは、交差点ｉの集合｛ｉ｜ｉ∈Ｖ_ｃ：Ｖ_ｃは全交差点の集合｝と、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう道路（ｉ，ｊ）の集合｛（ｉ，ｊ）｜ｉ，ｊ∈Ｖ_ｃ｝により表される。道路（ｉ，ｊ）は方向を有するものとする。道路ネットワーク・データベースでは、各交差点ｉを交差点ノードｎ_ｉ、各道路（ｉ，ｊ）を道路リンクｌ_ｉ，ｊとして、有向グラフの形式で記憶する。

例えば、図３に示したような道路ネットワークであれば、道路ネットワーク記憶手段１１に記憶される道路ネットワーク・データベースは、図４のようなテーブルとなる。図４において、ｌ_ｉ，ｊには道路リンクｌ_ｉ，ｊを識別する識別コード（ＩＤ）が代入され、ｎ_ｉには交差点ノードｎ_ｉを識別する識別コード（ＩＤ）が代入される。

交通量データ記憶手段１２には、各道路リンクｌ_ｉ，ｊの過去の各時間ｔにおいて計測された交通量ｖ_ｉ，ｊ（ｔ）が交通量データベースとして格納されている。

ここで、「交通量」とは、道路リンクを車両が移動するのに要する平均時間、道路リンクを移動する車両の平均速度、道路リンクに存在する車両の台数など、その道路リンクの交通状況を特徴付ける数量をいう。時間ｔとは、ある時間幅（例えば、１０分）をもった時間帯を表す。交通量ｖ_ｉ，ｊ（ｔ）は、その時間帯において計測された交通量を幾つかのクラスに量子化した値である。本実施例では、各道路リンクの交通量はＮ_ｃ段階のクラスに量子化されるものとする。

例えば、図３に示したような道路ネットワークに対しては、図５のようなテーブルとして、交通量ｖ_ｉ，ｊ（ｔ）が格納される。

また、交通量の表現法は、図６に示したようになる。各道路リンクにおける交通量の最大値をｖ_Nc、最小値をｖ₀とするとき、ｖ_１，ｖ_２などの閾値を用いて予め交通量を離散化し、交通量をＶ_１からＶ_NcのＮ_ｃ段階のクラスの１つの値として表す。従って、各道路リンクの各時刻の交通量ｖ_ｉ，ｊ（ｔ）などの値及びその予測値は、Ｖ_１からＶ_Ncの値の何れかの値（Ｖ_ａ）で表されることになる。尚、離散化における設定クラスの数は予め定められているものとし、Ｖ_ａの設定のための閾値は道路リンクにより異なっていてもよい。

個体データ記憶手段１３には、局所交通量予測プログラムの個体データが遺伝子形式により格納されている。個体データのデータ形式の詳細については後述する。

ここで、局所交通量予測プログラムの「個体データ」とは、道路ネットワークの特定の道路リンクにおける交通量を予測するプログラムを表すデータであって、１つの開始ノード、複数の判定ノード、複数の処理ノード、各ノード（開始ノード、判定ノード及び処理ノードをいう。以下同じ。）間を接続する有向遷移枝、及び各ノードに対して付せられた識別ラベルから構成される有向グラフとして表される。本実施例では、ノード（処理ノード、各判定ノード及び各開始ノード）の総数をＮ_ｖ個とする。

「判定ノード（Judgment node）」とは、各道路リンクｌ_ｉ，ｊ（ｉ，ｊ∈Ｖ_ｃ）に対応して設けられたノードであって、該道路リンクｌ_ｉ，ｊの時刻ｔ_０以前の時刻ｔ_０−ｍの交通量ｖ_ｉ，ｊ（ｔ_０−ｍ）（ｍ＝０，１，…，Ｍ：Ｍは予測に用いる交通量の時刻範囲）の値をその大きさによって複数のクラスの何れに属するか判定し、判定した交通量の各クラスに応じて遷移先を分岐させるノードである。時刻ｔ_０は、予測を行う時点の時刻（現時刻）を表す。「処理ノード（Processing node）」とは、予測対象である特定の道路リンクｌ_ｋ，ｌ（ｋ，ｌ∈Ｖ_ｃ）の各予測時刻ｔ_０＋ｎの各予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）の全部又は一部に対応して設けられるノードである。「開始ノード（Start node）」とは、局所交通量予測プログラムを実行させる際の遷移の開始位置を表すノードである。「有向遷移枝」とは、あるノードから他のノードへの遷移を表す枝（ブランチ）をいい、開始ノードから何れかの判定ノードへ向かう１本の有向遷移枝、判定ノードから交通量の各クラスに応じて何れかの判定ノード又は何れかの処理ノードへ向かうＮ_ｃ本（Ｎ_ｃは交通量のクラスの数）の有向遷移枝、及び各処理ノードから判定ノードへ向かう有向遷移枝がある。「識別ラベル」とは、Ｎ_ｖ個のそれぞれのノードを識別可能とするために付されたラベルである。尚、判定ノードと処理ノードの詳細に関しては後述する。

初期個体構成手段１４は、遺伝的ネットワークプログラミング（ＧＮＰ）における初期世代の局所交通量予測プログラムの個体データを所定数Ｎ_０個生成し、個体データ記憶手段１３に保存する。尚、ＧＮＰの詳細については後述する。

適合度演算手段１５は、個体データ記憶手段１３に保存された各個体データの各々に対し、その個体データの適合度Ｆを式（１）の適合度関数により算出する処理を行う。

個体淘汰手段１６は、各個体データのうち、適合度Ｆが小さいものから所定数Ｎ_１個を選択し、残りは淘汰する処理を行う。

固体再生手段１７は、選択された所定数Ｎ_１個の個体データの各々に対し、その個体データの適合度Ｆに応じて個体データを再生する処理を行う。

交叉手段１８は、再生された個体データのうち、所定の方法で選ばれた２個の個体データの内の交叉確率に比例した数のノードとこれを始点とする有向遷移枝に対し交叉処理を行い、新しい固体データを生成する。そして、これら新しい固体データを新たな世代の個体データとして個体データ記憶手段１３に保存する。

接続突然変異手段１９は、再生した個体データのうち、所定の数の個体データの内の接続突然変異確率に比例した数の有向遷移枝に対し接続突然変異処理を行い、新しい固体データを生成する。そして、これら新しい固体データを新たな世代の個体データとして個体データ記憶手段１３に保存する。

ノード突然変異手段２０は、再生した個体データのうち、所定の数の個体データの内のノード突然変異確率に比例した数のノードに対しノード突然変異処理を行い、新しい固体データを生成する。そして、これら新しい固体データを新たな世代の前記個体データとして個体データ記憶手段１３に保存する。

終了判定手段２１は、交叉手段１８、接続突然変異手段１９及びノード突然変異手段２０により新たな世代の個体データを生成する処理が行われた後に、所定の終了条件が充足されたか否かを判定する。ここで、「所定の終了条件」としては、色々な条件が考えられるが、例えば、進化の世代がある世代に達した場合に「終了条件が充足された」と判定するようにすればよい。

準最適解選択手段２２は、終了判定手段２１により終了条件が充足されたと判定された場合、適合度演算手段１５により各個体データの適合度Ｆを算出する。そして、算出された適合度のもっとも小さい個体データを、最終的な局所交通量予測プログラムとして、出力装置４に出力する。

以上のように構成された本実施例の局所交通量予測プログラム生成装置１について、以下その局所交通量予測プログラム生成方法の説明を行う。

（１）概要
上述したように、局所交通量予測プログラム生成装置１では遺伝的ネットワークプログラミング（ＧＮＰ）を用いることによって局所交通量予測プログラムを生成する。

例えば、予測対象である特定の道路リンク（予測対象道路リンク）が図７のｌ_ｐ，ｑであったとする。ｐは予測対象道路リンクｌ_ｐ，ｑの始点の交差点ノード、ｑは予測対象道路リンクｌ_ｐ，ｑの終点の交差点ノードである。交差点ノードｐに直接接続された交差点ノードをｊ_ｍ，交差点ノードｐに最短で２区間で接続する交差点ノードをｉ_ｎとする（図６参照）。図７は、予測対象道路リンクｌ_ｐ，ｑの交通量予測において交差点ノードｐに向かって移動する交通量を用いる例であるが、同様に、交差点ノードｑから他の交差点ノードへ至る道路リンクや、道路リンクｌ_ｒ，ｓに対してｌ_ｓ，ｒと表される同一道路上の逆方向の道路リンクの交通量などを用いてもよい。

局所交通量予測プログラム生成装置１では、予測対象道路リンクｌ_ｐ，ｑの時刻ｔにおける交通量をｖ_ｐ，ｑ（ｔ）、その予測値をｖ＾_ｐ，ｑ（ｔ）とするとき、時刻ｔ以前の近隣の交通量情報｛ｖ_ｊ，ｐ（ｔ−ｍ_１）｜ｊ∈Ｂ（ｐ）｝や｛ｖ_ｒ，ｓ（ｔ−ｍ_２）｜ｒ，ｓ∈Ｂ（ｐ）｝，｛ｖ_ｉ，ｊ（ｔ−ｍ_３）｜ｉ∈Ｂ（ｊ），ｊ∈Ｂ（ｐ）｝，｛ｖ_ｒ、ｓ（ｔ−ｍ_４）｜ｒ，ｓ∈Ｂ（ｊ），ｊ∈Ｂ（ｐ）｝などを用いて、ｖ＾_ｐ，ｑ（ｔ＋ｎ）を遺伝的ネットワークプログラミング（ＧＮＰ）により求める。ここで、ｍ_１，ｍ_２，ｍ_３，ｍ_４，ｎは正の整数、Ｂ（ｋ）は交差点ノードｋに向かう道路リンクの始点の交差点ノードの集合を表す。

局所交通量予測プログラム生成装置１は、交通量データ記憶手段１２に蓄積された過去の交通量データをトレーニングデータとして、特定区間の交通量予測に最適な個体データ（ＧＮＰ個体）を学習により獲得する。そして、実際の交通量予測では、学習で獲得した個体データを交通量予測処理における主たる処理に用いることで、入力された新たな交通量情報から特定区間の交通量を予測し出力する。尚、最適な個体データは、天候・時間帯などの環境条件を考慮して複数個用意しておき、選択して予測に用いることができる他、同一の環境に対して優良な複数の個体データを利用して予測することもできる。更に、近隣の区間に対する予測結果を加味した総合的な利用を行うこともできる。

（２）個体データ
上述したように、局所交通量予測プログラムの個体データは、１つの開始ノード、複数の判定ノード、複数の処理ノード、各ノード（開始ノード、判定ノード及び処理ノードをいう。以下同じ。）間を接続する有向遷移枝、及び各ノードに対して付せられた識別ラベルから構成される有向グラフとして表される。

判定ノードは、図８のように表される。第一次近隣道路リンク判定ノード（図８（ａ），（ｂ））は、終点側の交差点ノードが予測対象道路リンクｌ_ｐ，ｑの始点の交差点ノードとなる道路リンク（第一次近隣道路リンク）ｌ_ｊ，ｐ（ｊ∈Ｂ（ｐ））（又はｌ_ｒ，ｓ（ｒ、ｓ∈Ｂ（ｐ）））において、時刻ｔ−ｍ_１（又はｔ−ｍ_２）の交通量がどのクラスに属するかを判定するノードである（尚、道路リンク，交差点ノードは道路ネットワーク内のリンク，ノードであり、判定ノードは、個体データを表す有向グラフ内のノードであることに注意する）。第二次近隣道路リンク判定ノード（図８（ｃ），（ｄ））は、終点側の交差点ノードが第一次近隣道路リンクｌ_ｊ，ｐの始点の交差点ノードとなる道路リンクｌ_ｉ，ｊ（ｉ∈Ｂ（ｊ），ｊ∈Ｂ（ｐ））（又はｌ_ｒ，ｓ（ｒ，ｓ∈Ｂ（ｊ），ｊ∈Ｂ（ｐ）））において、時刻ｔ−ｍ_３（又はｔ−ｍ_４）の交通量がどのクラスに属するかを判定するノードである。各判定ノードは、予め当該判定ノードに与えられた判定内容により、対応する道路リンクの交通量がどのクラスに属するかを判定する。具体的には、例えば、図８（ａ）の判定ノードでは、対応する道路リンクｌ_ｊ，ｐの交通量ｖ_ｊ，ｐ（ｔ−ｍ_１）の値がＶ_１からＶ_Ｎｃのクラスの何れに含まれるかの判定を行う。そして更に、これらのクラスに対応した判定ノードの分岐先の有向遷移枝を用いて遷移を行う。各判定ノードは、予測時点ｔから過去の時間の大きさに関するパラメータｍを含んでいるが、進化の過程を経ることにより最適な値に更新されていく。

一方、処理ノードは、図９のように表される。処理ノードにおいては、予測値としてｖ＾_ｐ，ｑ（ｔ＋ｎ）の値Ｖ_ａを出力する。各処理ノードは、予測時点ｔより将来の時間の大きさに関するパラメータｎを含んでいるが、進化の過程を経ることにより最適な値に更新されていく。

個体データにおいて、開始ノードからは１本の有向遷移枝が出ており、何れか１つの判定ノードへ遷移する。各判定ノードからは、交通量の各クラスに対応してＮ_ｃ本の有向遷移枝が出ており、それぞれ、何れかの他の判定ノード又は何れかの処理ノードへ遷移する。各処理ノードからは１本の有向遷移枝が出ており、何れか１つの判定ノードへ遷移する。

図１０は、１個の個体データの例を示す図である。個体データは、開始ノードＳ、判定ノードＪ_１〜Ｊ_５、及び処理ノードＰ_１〜Ｐ_３が有向遷移枝によって結合した有向グラフ構造を有している。図１０は、説明のために簡略化したものであり、実際には、１個の個体データは、開始ノード１個、判定ノード５０〜１００個、処理ノード１０個程度で構成される。各ノードがプログラムの「単位（断片）」に相当する。交通量の予測を行う場合、開始ノードＳから遷移（計算の実行）を開始する。判定ノードＪ_ｉでは、判定内容により分岐して次のノードに遷移する（すなわち、次のプログラム単位の実行へ移行する）。また、処理ノードＰ_ｊは、接続先を１つ持っており、処理後にそのノードに遷移する。従って、開始ノードから遷移終了条件を満たすまで、判定ノードＪ_ｉと処理ノードＰ_ｊを遷移しながら要求された課題に対する仕事を行い続けることになる。本実施例においては、判定ノードで交通量情報の判定を、処理ノードで将来の交通量予測を行い続ける。

図１０から分かるように、個体データを表す有向グラフに従って遷移を続けると、無限ループとなる。従って、一定の条件（例えば、遷移回数や通過した処理ノードの数が所定値に達したか否か）で処理が打ち切られる。

（３）局所交通量予測プログラム生成処理
図１１は、本実施例の局所交通量予測プログラム生成装置１の動作を表すフローチャートである。

（ステップＳ１）初期世代の個体データの生成
まず、ステップＳ１において、初期個体構成手段１４は、乱数により初期世代の個体データを生成し、遺伝子形式のデータとして個体データ記憶手段１３に保存する。

図１２に、一例として、１個の遺伝子形式の個体データのデータ構造を示す。例えば、図１２（ａ）のような有向グラフで表現される個体データの場合、遺伝子形式の個体データは図１２（ｂ）のようになる。図１２（ａ）において、各ノードには、識別ラベル（０〜４）が付せられている。このとき、開始ノードＳの識別ラベルは、必ず０である。以下、各ノードをこの識別ラベルによって呼び分けることとする。例えば、識別ラベル１の処理ノードＰ_１は「ノード１」、識別ラベル２の判定ノードＪ_１は「ノード２」のように呼ぶ。遺伝子形式の個体データにおいては、図１２（ｂ）に示すように、各ノードの識別ラベルの順に配列されたデータ組のテーブルで構成される。各ノードのデータ組のデータ構造は、図１２（ｂ）のようになっている。まず、先頭部分の３つの数値Ｋ_ｉ，ＩＤ_ｉ，ｖ_ｉは、それぞれ、ノードｉの種別番号（０：開始ノード、１：判定ノード、２：処理ノード）、ノードｉに対応する道路リンクの識別番号、ノードｉの出力値（この場合、処理ノードのみが出力値として量子化された交通量の値を持つ。処理ノード以外は０）を表す。これら３つの数値組を「ノード遺伝子（node gene）」という。また、ノード遺伝子に続く数値組は、このノードｉを始点とする有向遷移枝の接続先のノードの識別ラベルを表す。これらを「接続遺伝子（connection gene）」という。各道路リンクに対応するノード遺伝子と接続遺伝子の組は、図１２（ｄ）に示したような遺伝子ライブラリに保存されており、必要に応じてこの遺伝子ライブラリから読み出して使用される。尚、遺伝子ライブラリは、図２の個体データ記憶手段１３に記憶される。

通常のＧＮＰを利用した局所交通量予測プログラム生成処理では、図１０に示したような個体データ（ＧＮＰ個体）を、１つの世代で２００〜５００個体程度ランダムに生成する。従って、個々の個体データは、各ノードの接続先や判定・処理内容、パラメータが異なっている。

（ステップＳ２）各個体データの評価
ステップＳ２において、適合度演算手段１５は、生成された各個体データについて、式（１）の適合度Ｆを計算することにより評価・ランク付けを行う。適合度の算出は、各個体データについて、開始ノードから遷移を行い、プログラムを実行することにより、処理ノードで出力される予測対象道路リンクの各将来時刻の交通量の予測値を得る。そして、この交通量の予測値と、交通量データ記憶手段１２に記憶された同時刻における交通量の計測値とに基づいて式（１）の適合度Ｆを逐次計算する。無限ループを回避するため、遷移の過程において通過した処理ノードの数が所定の数に達したときに遷移を打ち切る。これにより、適合度Ｆの値が定まる。

図１３に状態遷移によるプログラムの実行例を示す。図１３には、個体データの一部が抜粋されて表示されている。この個体において、現在得られる交通量情報により、図１３の太線矢印で示したように遷移したとする。この場合は、過去の交通量データ（ｖ_２，８（ｔ−３）＝Ｖ_３∧ｖ_３，９（ｔ−２）＝Ｖ_３∧ｖ_２，７（ｔ−２）＝Ｖ_４∧ｖ_４，８（ｔ−１）＝Ｖ_３）によりｖ＾_１，２（ｔ＋２）＝Ｖ_４と予測されたとみることができる。また、二重線矢印で示したように遷移したとすれば、過去の交通量データ（ｖ_２，８（ｔ−３）＝Ｖ_３∧ｖ_３，９（ｔ−２）＝Ｖ_３∧ｖ_２，７（ｔ−２）＝Ｖ_３∧ｖ_５，６（ｔ−１）＝Ｖ_３）によりｖ＾_１，２（ｔ＋３）＝Ｖ_３と予測されたとみることができる。これらの例から分かるように、複数の判定ノードの連結の遷移と処理ノードでの予測が１つの仕事の単位になっていると考えることができる。また、処理ノードで予測した後も、更に次の予測に向けた遷移を続けることができる。

（ステップＳ３）個体データの淘汰
ステップＳ３において、個体淘汰手段１６は、個体データ記憶手段１３に保存されている個体データの淘汰を行う。この淘汰処理は、適合度Ｆに基づいて行われる。例えば、適合度Ｆが小さいものから所定数Ｎ_１個の個体データを選択し、残りを捨てる（淘汰する）方法や、個体データ記憶手段１３に保存されている個体データ群から、ランダムにＡ個（１０個程度）の個体データを抽出して、その中で最も適合度Ｆが小さい個体データを選択するという操作をＮ_１回繰り返すことによって選択する方法（トーナメント選択）などがある。通常、Ｎ_１は１つの世代で１００〜３００個程度である。

（ステップＳ４）個体データの再生
ステップＳ４において、固体再生手段１７は、選択されたＮ_１個の個体データの各々に対し、その個体データの適合度Ｆに応じて個体データを再生する。この再生処理における適合度Ｆと再生する個体数Ｆとの関係は特に限定されないが、例えば、適合度Ｆの小さいものほど個体数が多くなるように再生すればよい。再生された個体データは、次世代の個体データとして個体データ記憶手段１３に保存される。再生の基となった個体データは捨てられる。

（ステップＳ５）交叉・突然変異処理
ステップＳ５において、生成された次世代の個体データ群に対して、交叉手段１８による交叉処理と、接続突然変異手段１９による接続突然変異処理、ノード突然変異手段２０によるノード突然変異処理が行われる。この際、次世代の個体データ群は、所定の割合で、交叉及び突然変異を行わない個体データ群、交叉を行う個体データ群、接続突然変異を行う個体データ群、及びノード突然変異を行う個体データ群に分けられて、それぞれの個体データ群の中で交叉や突然変異の処理が行われる。

（ａ）交叉処理
交叉処理は、まず、交叉手段１８が交叉処理を次世代の個体データ群から、乱数により２個の個体データを親子体データ１及び親個体データ２として選択する。次いで、親個体データ１の各ノードから２個以上のノードを乱数により選択する。そして、選択された親個体データ１のノードと、親個体データ１で選択されたノードと同じ識別ラベルが付された親個体データ２のノードとを交換することにより、交叉処理が完了する。

図１４に突然変異処理の一例を示す。図１４においては、親個体データ１（parent 1）のノードＪ_２，Ｐ_３が、親個体データ２（parent 2）のノードＪ_７，Ｐ_６と交換することにより、交叉が行われている。

（ｂ）接続突然変異処理
接続突然変異処理は、まず、接続突然変異手段１９が、接続突然変異処理を行う次世代の各個体データについて、当該個体データ内の各有向遷移枝の中から接続を変更する有向遷移枝を選択する。接続を変更する有向遷移枝は１本であっても複数本であってもよい。例えば、当該個体データ内の各有向遷移枝について確率的に接続を変更する有向遷移枝を選択するようにしてもよい。次に、当該個体データ内の選択した有向遷移枝が接続しているノード以外の当該個体データ内の各ノードから、乱数により新たな接続先のノードを選択する。そして、選択した有向遷移枝の遷移先を、選択した新たな接続先のノードに変更することにより、接続突然変異処理が完了する。

図１５に接続突然変異処理の一例を示す。この例では、親個体データの判定ノードＪ_３から判定ノードＪ_４への有向遷移枝（太線矢印で示したもの）が、接続を変更する有向遷移枝に選択されている。そして、この有効遷移枝の新たな接続先として処理ノードＰ_３が選択されている。

（ｃ）ノード突然変異処理
ノード突然変異処理は、まず、ノード突然変異手段２０が、ノード突然変異処理を行う次世代の各個体データについて、開始ノードＳ以外の各ノードの中から、乱数により内容を変更する変更ノードを選択する。内容を変更する変更ノードは１つであっても複数であってもよい。例えば、当該個体データ内の各ノードについて確率的に内容を変更する変更ノードを選択するようにしてもよい。そして、変更ノードが判定ノードであれば他の種類の判定ノードに変更し、変更ノードが処理ノードであれば他の種類の処理ノードに変更することにより、ノード突然変異処理が完了する。

図１６にノード突然変異処理の一例を示す。この例では、親個体データの判定ノードＪ_１及び処理ノードＰ_３が変更ノードに選択されている。そして、この変更ノードの新たな種類として判定ノードＪ_１は判定ノードＪ_６に、処理ノードＰ_３は処理ノードＰ_４に変更されている。

（ステップＳ６）終了条件の判定
ステップＳ６において、終了判定手段２１は、所定の終了条件が充足されたか否かを判定する。この場合の「終了条件」は、様々な条件が考えられる。例えば、ＧＮＰの処理開始から経過した時間が所定の時間に達したか否か、ループの反復回数が所定の回数に達したか否か、各個体データの適合度Ｆのうち最小の適合度Ｆがある閾値以下になったか否か、などが考えられる。

終了条件が充足されない場合には、ステップＳ２の処理に戻る。このとき、より広範なデータによる情報の取り込みを行うため、交通量予測を行う基準の時刻ｔを１だけ進めてから、ステップＳ２〜Ｓ６の処理を反復する。

一方、終了条件が充足された場合には、次のステップＳ７に進む。

（ステップＳ７）各個体データの評価
ステップＳ７において、適合度演算手段１５は、終了条件が充足された時点において、個体データ記憶手段１３に記憶されている世代の各個体データに対して、ステップＳ２と同様に、式（１）の適合度Ｆを計算することにより評価・ランク付けを行う。

（ステップＳ８）準最適個体データの選択
ステップＳ８において、準最適解選択手段２２は、ステップＳ７において算出された適合度Ｆのもっとも小さい個体データを、最終的な局所交通量予測プログラムとして、出力装置４に出力する。

以上のように、本実施例の局所交通量予測プログラム生成装置１によれば、遺伝的ネットワークプログラミングの手法を交通量予測プログラムの作成に適用し、予測に使用する個体データのノード数の増減をなくしたことで、複雑な道路ネットワークにおいても容易に収束し、従来の手法より精度の高い準最適な交通量予測プログラムの作成を行うことが可能となる。また、最終的に得られる交通量予測プログラムは、交通量予測を行う時刻ｔの時点での予測対象道路リンクにおける将来の交通量の予測値が、時刻ｔ＋１，ｔ＋２，…，ｔ＋ｎについて複数個得られるため、該当道路リンクにおける渋滞発生予想時刻、渋滞解消予想時刻も得ることができる。また、複数の道路リンクを予測対象道路リンクとして、同時に局所交通量予測プログラム生成装置１によって交通量予測プログラムの作成を行った場合、作成される交通量予測プログラムでの予測結果を総合することで、動的な道路ネットワークの交通量の時間的変化が予測可能となる。

図１７は、本発明の実施例２に係る局所交通量予測装置３０の機能構成を表す図である。本実施例の局所交通量予測装置３０は、交通量データ入力装置３１、交通量データ蓄積装置３２、交通量データ記憶手段３３、局所交通量予測プログラム生成装置３４、予測プログラム記憶手段３５、環境条件入力手段３６、プログラム選択手段３７、予測プログラム実行手段３８、及び局所交通量予測表示装置３９を備えている。

交通量データ入力装置３１は、現時刻における各道路リンクの交通量データを、リアルタイムに入力する装置である。交通量データ入力装置３１としては、例えば、道路に設置された交通量センサから回線を介して送信されてくる各道路リンクの交通量データを受信して、交通量を所定の閾値で量子化した後、各道路リンクの現時刻ｔの交通量データとして出力するような装置が使用される。

交通量データ蓄積装置３２は、交通量データ入力装置３１によって入力される各時刻の交通量データを交通量データ記憶手段３３に保存・蓄積するための装置である。蓄積された交通量データは、過去の交通量データとして、交通量予測プログラムの生成や、将来の交通量の予測のために使用される。

局所交通量予測プログラム生成装置３４は、実施例１で説明した局所交通量予測プログラム生成装置１が使用される。

予測プログラム記憶手段３５は、局所交通量予測プログラム生成装置３４によって作成された局所交通量予測プログラムを、予測に使用した交通量データの環境条件とリンクさせて記憶する。

環境条件入力手段３６は、交通量の予測を行う時刻における環境条件を入力する装置である。ここで、「環境条件」とは、交通に影響を及ぼす環境条件をいい、例えば、曜日、時間帯、イベントの有無、交通事故の発生等の条件をいう。

プログラム選択手段３７は、環境条件入力手段３６により入力される環境条件に対応する、予測プログラム記憶手段３５に記憶された局所交通量予測プログラムを検索し抽出する。

予測プログラム実行手段３８は、プログラム選択手段３７により選択された局所交通量予測プログラムを実行し、交通量データ記憶手段３３に記憶された現時刻ｔ以前の交通量データを入力することによって、予測対象道路（ｐ，ｑ）における現時刻ｔより先の時刻ｔ＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）を算出する。

局所交通量予測表示装置３９は、予測プログラム実行手段３８により算出された予測対象道路における交通量の予測を表示する。局所交通量予測表示装置３９としては、例えば、道路に設置される渋滞情報表示板や、カーナビゲーションシステムのディスプレイ画面などが用いられる。

このように、本実施例の局所交通量予測装置３０では、実施例１の局所交通量予測プログラム生成装置１によって作成した交通量予測プログラムを使用して交通量予測を行うため、交通量予測を行う時刻ｔの時点での予測対象道路リンクにおける将来の交通量の予測値が、時刻ｔ＋１，ｔ＋２，…，ｔ＋ｎについて複数個得られるため、該当道路リンクにおける渋滞発生予想時刻、渋滞解消予想時刻も得ることができる。また、複数の道路リンクを予測対象道路リンクとして、同時に局所交通量予測プログラム生成装置１によって交通量予測プログラムの作成を行った場合、作成される交通量予測プログラムでの予測結果を総合することで、動的な道路ネットワークの交通量の時間的変化が予測可能となる。

本発明の実施例１に係る局所交通量予測プログラム生成装置のハードウェア構成を表す図である。 本発明の実施例１に係る局所交通量予測プログラム生成装置の機能構成を表す図である。 道路ネットワークの一例を示す図である。 図３の道路ネットワークに対する道路ネットワーク・データベースのテーブルを表す図である。 図３の道路ネットワークに対する交通量データベースを表す図である。 局所交通量予測方法を説明する図である。 予測対象道路リンクｌ_ｐ，ｑの交通量予測において交差点ノードｐに向かって移動する交通量を用いる例である。 個体データ内の判定ノードを表す図である。 個体データ内の処理ノードを表す図である。 １個の個体データの例を示す図である。 本実施例の局所交通量予測プログラム生成装置１の動作を表すフローチャートである。 遺伝子形式の個体データのデータ構造の例である。 状態遷移によるプログラムの実行例を示す図である。 突然変異処理の一例を示す図である。 接続突然変異処理の一例を示す図である。 ノード突然変異処理の一例を示す図である。 本発明の実施例２に係る局所交通量予測装置３０の機能構成を表す図である。 特許文献２において用いられる有限状態機械の一例とその遺伝子の構造を表す図である。

符号の説明

１ 局所交通量予測プログラム生成装置
２ 入力装置
３ ＣＰＵ
４ 出力装置
５ 記憶装置
１１ 道路ネットワーク記憶手段
１２ 交通量データ記憶手段
１３ 個体データ記憶手段
１４ 初期個体構成手段
１５ 適合度演算手段
１６ 個体淘汰手段
１７ 固体再生手段
１８ 交叉手段
１９ 接続突然変異手段
２０ ノード突然変異手段
２１ 終了判定手段
２２ 準最適解選択手段
３０ 局所交通量予測装置
３１ 交通量データ入力装置
３２ 交通量データ蓄積装置
３３ 交通量データ記憶手段
３４ 局所交通量予測プログラム生成装置
３５ 予測プログラム記憶手段
３６ 環境条件入力手段
３７ プログラム選択手段
３８ 予測プログラム実行手段
３９ 局所交通量予測表示装置

Claims (7)

1. 各交差点ｉ（ｉ∈Ｖ_ｃ：Ｖ_ｃは全交差点の集合）に対応する交差点ノードｎ_ｉ、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路（ｉ，ｊ）に対応する道路リンクｌ_ｉ，ｊ、及び各時刻ｔにおける前記道路（ｉ，ｊ）において計測された交通量ｖ_ｉ，ｊ（ｔ）が与えられている道路ネットワーク・データベースに基づいて、特定の道路リンクｌ_ｋ，ｌのある時刻ｔ_０以降の予測時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）における交通量ｖ_ｋ，ｌ（ｔ_０＋ｎ）の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出するための局所交通量予測プログラムの自動生成を行う局所交通量予測プログラム生成装置であって、
   前記各道路リンクｌ_ｉ，ｊ（ｉ，ｊ∈Ｖ_ｃ）に対応して設けられ、該道路リンクｌ_ｉ，ｊの前記時刻ｔ_０以前の交通量ｖ_ｉ，ｊ（ｔ_０−ｍ）（ｍ＝０，１，…，Ｍ：Ｍは予測に用いる交通量の時刻範囲）の値をその大きさによって複数のクラスの何れに属するか判定し、判定した交通量の各クラスに応じて遷移先を分岐させる判定ノードと、
   予測対象である前記特定の道路リンクｌ_ｋ，ｌ（ｋ，ｌ∈Ｖ_ｃ）の各予測時刻ｔ_０＋ｎの各予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）の全部又は一部に対応して設けられる処理ノードと、
   遷移の開始位置である開始ノードと、
   前記開始ノードから何れかの前記判定ノードへ向かう１本の有向遷移枝、前記判定ノードから前記交通量の各クラスに応じて何れかの前記判定ノード又は何れかの前記処理ノードへ向かうＮ_ｃ本（Ｎ_ｃは交通量のクラスの数）の有向遷移枝、及び前記各処理ノードから前記判定ノードへ向かう有向遷移枝と、
   で構成され、各処理ノード、各判定ノード及び各開始ノードの総数Ｎ_ｖ個のそれぞれのノードに識別ラベルが付された有向グラフとして表される局所交通量予測プログラムの個体データを複数個記憶する個体データ記憶手段と、
   各道路（ｉ，ｊ）において各時刻ｔに計測された交通量ｖ_ｉ，ｊ（ｔ）が記憶された交通量データ記憶手段と、
   初期世代の前記局所交通量予測プログラムの個体データを所定数Ｎ_０個生成し、前記個体データ記憶手段に保存する初期個体構成手段と、
   前記個体データ記憶手段に保存された前記各個体データの各々に対し、その個体データの適合度Ｆを（数１）の適合度関数により算出する適合度演算手段と、
   前記各個体データのうち、前記適合度Ｆに基づき所定数Ｎ_１個を選択し、残りは淘汰する個体淘汰手段と、
   前記選択された所定数Ｎ_１個の前記個体データの各々に対し、その個体データの前記適合度Ｆに応じて個体データを再生する固体再生手段と、
   前記再生した個体データのうち、所定の方法で選ばれた２個の個体データの内の交叉確率に比例した数のノードとこれを始点とする有向遷移枝に対し交叉処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する交叉手段と、
   前記再生した個体データのうち、所定の数の個体データの内の接続突然変異確率に比例した数の有向遷移枝に対し接続突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する接続突然変異手段と、
   前記再生した個体データのうち、所定の数の個体データの内のノード突然変異確率に比例した数のノードに対しノード突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存するノード突然変異手段と、
   前記交叉手段、前記接続突然変異手段及び前記ノード突然変異手段により新たな世代の前記個体データを生成する処理が行われた後に所定の終了条件が充足されたか否かを判定する終了判定手段と、
   前記終了判定手段により終了条件が充足されたと判定された場合、前記適合度演算手段により各個体データの適合度Ｆを算出し、算出された適合度のもっとも小さい個体データを、最終的な局所交通量予測プログラムとして出力する準最適解選択手段と、
   を備え、
   前記交叉手段は、識別ラベルが付されたＮ_ｖ個の前記ノードを有する前記個体データの集合からなる個体データ群の中から、乱数により２個の個体データを親子体データ１及び親個体データ２として選択し、
   前記親個体データ１の前記各ノードから２個以上のノードを乱数により選択し、
   選択された前記親個体データ１のノードと、前記親個体ノード１で選択されたノードと同じ識別ラベルが付された前記親個体データ２のノードとを交換することにより、前記交叉処理を行うものであり、
   前記接続突然変異手段は、前記接続突然変異処理を行う前記個体データの前記各有向遷移枝の中から接続を変更する前記有向遷移枝を選択し、
   当該個体データ内の選択した前記有向遷移枝が接続しているノード以外の当該個体データの各ノードから、乱数により新たな接続先のノードを選択し、
   前記選択した前記有向遷移枝の遷移先を、前記選択した新たな接続先のノードに変更することにより、前記接続突然変異処理を行うものであり、
   前記ノード突然変異手段は、前記接続突然変異処理を行う前記個体データの前記開始ノード以外の前記各ノードの中から、乱数により内容を変更する変更ノードを選択し、
   前記変更ノードが前記判定ノードであれば他の種類の前記判定ノードに変更し、前記変更ノードが前記処理ノードであれば他の種類の前記処理ノードに変更することにより前記ノード突然変異処理を行うものであり、
   前記終了判定手段により前記終了条件が充足されないと判定された場合には、前記適合度演算手段、前記個体淘汰手段、前記交叉手段、前記接続突然変異手段、前記ノード突然変異手段、及び前記終了判定手段は、前記個体データ記憶手段に保存された各個体データについて同様の処理を反復実行すること
   を特徴とする局所交通量予測プログラム生成装置。
   

   
2. 複数の交差点の集合｛ｉ：ｉ∈Ｖ_ｃ）｝と、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路の集合｛（ｉ，ｊ）｝とからなる道路ネットワークにおいて、各時刻ｔにおいて各道路（ｉ，ｊ）において計測される交通量ｖ_ｉ，ｊ（ｔ）に基づいて、特定の予測対象道路（ｋ，ｌ）における将来の交通量の予測を行う局所交通量予測装置であって、
   前記道路ネットワークにおいて過去に計測された交通量に基づき、請求項１記載の局所交通量予測プログラム生成装置によって生成される局所交通量予測プログラムの個体データが格納された予測プログラム記憶手段と、
   現時刻ｔ_０以前の各時刻ｔ_０−ｍ（ｍ＝０，１，…，Ｍ）において各道路（ｉ，ｊ）における交通量の計測値ｖ_ｉ，ｊ（ｔ_０−ｍ）が保存される交通量データ記憶手段と、
   前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ）の交通量の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出する予測プログラム実行手段と、
   を備えたことを特徴とする局所交通量予測装置。
3. 前記予測プログラム記憶手段には、前記道路ネットワークにおいて過去に計測された交通量に基づき、交通に影響を及ぼす複数の環境条件下において、請求項１記載の局所交通量予測プログラム生成装置によって生成された局所交通量予測プログラムが、当該環境条件と関連づけて複数個格納されており、
   局所交通量の予測を行う現時刻ｔ_０における前記環境条件を入力する環境条件入力手段と、
   前記環境条件入力手段により入力される環境条件に対応する、前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを検索し抽出するプログラム選択手段と、
   を備え、
   前記予測プログラム実行手段は、前記プログラム選択手段により選択された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻ｔ_０より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）を算出することを特徴とする請求項２記載の局所交通量予測装置。
4. コンピュータに読み込ませて実行することにより、前記コンピュータを請求項１に記載の局所交通量予測プログラム生成装置として機能させることを特徴とするプログラム。
5. コンピュータに読み込ませて実行することにより、前記コンピュータを請求項２又は３に記載の局所交通量予測装置として機能させることを特徴とするプログラム。
6. 各交差点ｉ（ｉ∈Ｖ_ｃ：Ｖ_ｃは全交差点の集合）に対応する交差点ノードｎ_ｉ、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路（ｉ，ｊ）に対応する道路リンクｌ_ｉ，ｊ、及び各時刻ｔにおける前記道路（ｉ，ｊ）において計測された交通量ｖ_ｉ，ｊ（ｔ）が与えられている道路ネットワーク・データベースに基づいて、特定の道路リンクｌ_ｋ，ｌのある時刻ｔ_０以降の予測時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ：Ｎ_ｔは予測時刻の範囲）における交通量ｖ_ｋ，ｌ（ｔ_０＋ｎ）の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出するための局所交通量予測プログラムの自動生成を行う局所交通量予測プログラム生成方法であって、
   前記各道路リンクｌ_ｉ，ｊ（ｉ，ｊ∈Ｖ_ｃ）に対応して設けられ、該道路リンクｌ_ｉ，ｊの前記時刻ｔ_０以前の交通量ｖ_ｉ，ｊ（ｔ_０−ｍ）（ｍ＝０，１，…，Ｍ：Ｍは予測に用いる交通量の時刻範囲）の値をその大きさによって複数のクラスの何れに属するか判定し、判定した交通量の各クラスに応じて遷移先を分岐させる判定ノードと、
   予測対象である前記特定の道路リンクｌ_ｋ，ｌ（ｋ，ｌ∈Ｖ_ｃ）の各予測時刻ｔ_０＋ｎの各予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）の全部又は一部に対応して設けられる処理ノードと、
   遷移の開始位置である開始ノードと、
   前記開始ノードから何れかの前記判定ノードへ向かう１本の有向遷移枝、前記判定ノードから前記交通量の各クラスに応じて何れかの前記判定ノード又は何れかの前記処理ノードへ向かうＮ_ｃ本（Ｎ_ｃは交通量のクラスの数）の有向遷移枝、及び前記各処理ノードから前記判定ノードへ向かう有向遷移枝と、
   で構成され、各処理ノード、各判定ノード及び各開始ノードの総数Ｎ_ｖ個のそれぞれのノードに識別ラベルが付された有向グラフとして表される局所交通量予測プログラムの個体データを複数個記憶する個体データ記憶手段と、
   各道路（ｉ，ｊ）において各時刻ｔに計測された交通量ｖ_ｉ，ｊ（ｔ）が記憶された交通量データ記憶手段と、
   を備えたコンピュータにおいて、
   初期世代の前記局所交通量予測プログラムの個体データを所定数Ｎ_０個生成し、前記個体データ記憶手段に保存する初期個体構成ステップと、
   前記個体データ記憶手段に保存された前記各個体データの各々に対し、その個体データの適合度Ｆを（数２）の適合度関数により算出する適合度演算ステップと、
   前記各個体データのうち、前記適合度Ｆに基づき所定数Ｎ_１個を選択し、残りは淘汰する個体淘汰ステップと、
   前記選択された所定数Ｎ_１個の前記個体データの各々に対し、その個体データの前記適合度Ｆに応じて個体データを再生する固体再生ステップと、
   前記再生した個体データのうち、所定の方法で選ばれた２個の個体データの内の交叉確率に比例した数のノードとこれを始点とする有向遷移枝に対し交叉処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する交叉ステップと、
   前記再生した個体データのうち、所定の数の個体データの内の接続突然変異確率に比例した数の有向遷移枝に対し接続突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存する接続突然変異ステップと、
   前記再生した個体データのうち、所定の数の個体データの内のノード突然変異確率に比例した数のノードに対しノード突然変異処理を行い新しい固体データを生成して新たな世代の前記個体データとして前記個体データ記憶手段に保存するノード突然変異ステップと、
   前記交叉ステップ、前記接続突然変異ステップ及び前記ノード突然変異ステップにおいて新たな世代の前記個体データを生成する処理が行われた後に所定の終了条件が充足されたか否かを判定する終了判定ステップと、
   前記終了判定ステップにおいて終了条件が充足されたと判定された場合、前記適合度演算ステップを実行することにより各個体データの適合度Ｆを算出し、算出された適合度のもっとも小さい個体データを、最終的な局所交通量予測プログラムとして出力する準最適解選択ステップと、
   を有し、
   前記交叉ステップにおいては、識別ラベルが付されたＮ_ｖ個の前記ノードを有する前記個体データの集合からなる個体データ群の中から、乱数により２個の個体データを親子体データ１及び親個体データ２として選択し、
   前記親個体データ１の前記各ノードから２個以上のノードを乱数により選択し、
   選択された前記親個体データ１のノードと、前記親個体ノード１で選択されたノードと同じ識別ラベルが付された前記親個体データ２のノードとを交換することにより、前記交叉処理を行うものであり、
   前記接続突然変異ステップにおいては、前記接続突然変異処理を行う前記個体データの前記各有向遷移枝の中から接続を変更する前記有向遷移枝を選択し、
   当該個体データ内の選択した前記有向遷移枝が接続しているノード以外の当該個体データの各ノードから、乱数により新たな接続先のノードを選択し、
   前記選択した前記有向遷移枝の遷移先を、前記選択した新たな接続先のノードに変更することにより、前記接続突然変異処理を行うものであり、
   前記ノード突然変異ステップにおいては、前記接続突然変異処理を行う前記個体データの前記開始ノード以外の前記各ノードの中から、乱数により内容を変更する変更ノードを選択し、
   前記変更ノードが前記判定ノードであれば他の種類の前記判定ノードに変更し、前記変更ノードが前記処理ノードであれば他の種類の前記処理ノードに変更することにより前記ノード突然変異処理を行うものであり、
   前記終了判定ステップにおいて前記終了条件が充足されないと判定された場合には、前記適合度演算ステップ、前記個体淘汰ステップ、前記交叉ステップ、前記接続突然変異ステップ、前記ノード突然変異ステップ、及び前記終了判定ステップを、前記個体データ記憶手段に保存された各個体データについて反復実行すること
   を特徴とする局所交通量予測プログラム生成方法。
   

   
7. 複数の交差点の集合｛ｉ：ｉ∈Ｖ_ｃ）｝と、交差点ｉから交差点ｊ（ｉ，ｊ∈Ｖ_ｃ）に向かう各道路の集合｛（ｉ，ｊ）｝とからなる道路ネットワークにおいて、各時刻ｔにおいて各道路（ｉ，ｊ）において計測される交通量ｖ_ｉ，ｊ（ｔ）に基づいて、特定の予測対象道路（ｋ，ｌ）における将来の交通量の予測を行う局所交通量予測方法であって、
   前記道路ネットワークにおいて過去に計測された交通量に基づき、請求項１記載の局所交通量予測プログラム生成装置によって生成される局所交通量予測プログラムの個体データが格納された予測プログラム記憶手段と、
   現時刻ｔ_０以前の各時刻ｔ_０−ｍ（ｍ＝０，１，…，Ｍ）において各道路（ｉ，ｊ）における交通量の計測値ｖ_ｉ，ｊ（ｔ_０−ｍ）が保存される交通量データ記憶手段と、
   を備えたコンピュータにおいて、
   前記予測プログラム記憶手段に記憶された局所交通量予測プログラムを実行し、前記交通量データ記憶手段に記憶された現時刻ｔ_０以前の交通量データを入力することによって、前記予測対象道路（ｋ，ｌ）における現時刻より先の時刻ｔ_０＋ｎ（ｎ＝１，…，Ｎ_ｔ）の交通量の予測値ｖ＾_ｋ，ｌ（ｔ_０＋ｎ）を算出することを特徴とする局所交通量予測方法。

Images