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
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 Download PDFInfo
- Publication number
- JP5070574B2 JP5070574B2 JP2008171187A JP2008171187A JP5070574B2 JP 5070574 B2 JP5070574 B2 JP 5070574B2 JP 2008171187 A JP2008171187 A JP 2008171187A JP 2008171187 A JP2008171187 A JP 2008171187A JP 5070574 B2 JP5070574 B2 JP 5070574B2
- Authority
- JP
- Japan
- Prior art keywords
- node
- individual data
- traffic volume
- traffic
- mutation
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Description
前記各道路リンクli,j(i,j∈Vc)に対応して設けられ、該道路リンクli,jの前記時刻t0以前の交通量vi,j(t0−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lk,l(k,l∈Vc)の各予測時刻t0+nの各予測値v^k,l(t0+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Nc本(Nc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Nv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vi,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N0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N1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N1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Nv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。
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t0以前の各時刻t0−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vi,j(t0−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t0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t0+n(n=1,…,Nt)の交通量の予測値v^k,l(t0+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。
局所交通量の予測を行う現時刻t0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t0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t0より先の時刻t0+n(n=1,…,Nt:Ntは予測時刻の範囲)を算出することを特徴とする。
前記各道路リンクli,j(i,j∈Vc)に対応して設けられ、該道路リンクli,jの前記時刻t0以前の交通量vi,j(t0−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lk,l(k,l∈Vc)の各予測時刻t0+nの各予測値v^k,l(t0+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Nc本(Nc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Nv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vi,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N0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N1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N1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Nv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。
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t0以前の各時刻t0−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vi,j(t0−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t0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t0+n(n=1,…,Nt)の交通量の予測値v^k,l(t0+n)を算出することを特徴とする。
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。
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。
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。
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。
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。
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N1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N1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、N1は1つの世代で100〜300個程度である。
ステップS4において、固体再生手段17は、選択されたN1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。
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。
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。
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。
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。
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。
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)
- 各交差点i(i∈Vc:Vcは全交差点の集合)に対応する交差点ノードni、交差点iから交差点j(i,j∈Vc)に向かう各道路(i,j)に対応する道路リンクli,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vi,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lk,lのある時刻t0以降の予測時刻t0+n(n=1,…,Nt:Ntは予測時刻の範囲)における交通量vk,l(t0+n)の予測値v^k,l(t0+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li,j(i,j∈Vc)に対応して設けられ、該道路リンクli,jの前記時刻t0以前の交通量vi,j(t0−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lk,l(k,l∈Vc)の各予測時刻t0+nの各予測値v^k,l(t0+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Nc本(Nc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Nv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vi,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N0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N1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N1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Nv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。
- 複数の交差点の集合{i:i∈Vc)}と、交差点iから交差点j(i,j∈Vc)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vi,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t0以前の各時刻t0−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vi,j(t0−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t0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t0+n(n=1,…,Nt)の交通量の予測値v^k,l(t0+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。 - 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t0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t0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t0より先の時刻t0+n(n=1,…,Nt:Nt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。 - 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。
- 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。
- 各交差点i(i∈Vc:Vcは全交差点の集合)に対応する交差点ノードni、交差点iから交差点j(i,j∈Vc)に向かう各道路(i,j)に対応する道路リンクli,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vi,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lk,lのある時刻t0以降の予測時刻t0+n(n=1,…,Nt:Ntは予測時刻の範囲)における交通量vk,l(t0+n)の予測値v^k,l(t0+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li,j(i,j∈Vc)に対応して設けられ、該道路リンクli,jの前記時刻t0以前の交通量vi,j(t0−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lk,l(k,l∈Vc)の各予測時刻t0+nの各予測値v^k,l(t0+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Nc本(Nc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Nv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vi,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N0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N1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N1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Nv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。
- 複数の交差点の集合{i:i∈Vc)}と、交差点iから交差点j(i,j∈Vc)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vi,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t0以前の各時刻t0−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vi,j(t0−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t0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t0+n(n=1,…,Nt)の交通量の予測値v^k,l(t0+n)を算出することを特徴とする局所交通量予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008171187A JP5070574B2 (ja) | 2008-06-30 | 2008-06-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008171187A JP5070574B2 (ja) | 2008-06-30 | 2008-06-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010009510A JP2010009510A (ja) | 2010-01-14 |
JP5070574B2 true JP5070574B2 (ja) | 2012-11-14 |
Family
ID=41589881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008171187A Expired - Fee Related JP5070574B2 (ja) | 2008-06-30 | 2008-06-30 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5070574B2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011113547A (ja) * | 2009-11-30 | 2011-06-09 | Sumitomo Electric Ind Ltd | 交通情報推定装置、交通情報推定のためのコンピュータプログラム、及び交通情報推定方法 |
JP6334687B2 (ja) * | 2013-10-01 | 2018-05-30 | エヌイーシー ラボラトリーズ ヨーロッパ ゲーエムベーハー | 正確な自動車道路速度制御を行う方法およびコンピュータプログラム製品 |
KR101725629B1 (ko) * | 2015-04-27 | 2017-04-12 | 성균관대학교산학협력단 | 오차 크기를 고려하는 적합도 함수를 이용한 유전 프로그래밍 기반의 교통량 예측 시스템 및 방법 |
KR102059902B1 (ko) * | 2019-06-17 | 2020-02-20 | 서울대학교산학협력단 | 교통 속도 추정 방법 및 시스템 |
CN112669600B (zh) * | 2020-12-15 | 2022-08-02 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种利用汽车电子标识信息预测路***通流的方法 |
CN115034478B (zh) * | 2022-06-14 | 2023-06-23 | 西南交通大学 | 一种基于领域自适应与知识迁移的交通流量预测方法 |
CN115148027B (zh) * | 2022-06-30 | 2023-06-13 | 长安大学 | 一种用于改善拥堵收费的交通需求管理方法 |
CN116010291A (zh) * | 2023-03-28 | 2023-04-25 | 江西财经大学 | 基于均衡优化理论与灰色预测模型的多路径覆盖测试方法 |
CN116959258A (zh) * | 2023-08-22 | 2023-10-27 | 重庆邮电大学 | 一种基于时空图迁移学习的交通流预测方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3286777B2 (ja) * | 1996-02-07 | 2002-05-27 | 株式会社日立製作所 | 駐車場誘導システム |
JP3189089B2 (ja) * | 1996-02-26 | 2001-07-16 | 株式会社日立製作所 | 中央線変移制御方法および中央線変移制御システム |
JPH11328570A (ja) * | 1998-05-12 | 1999-11-30 | Nippon Telegr & Teleph Corp <Ntt> | 交通状況予測方法、装置、および交通状況予測プログラムを記録した記録媒体 |
JP2000057482A (ja) * | 1998-08-07 | 2000-02-25 | Nippon Telegr & Teleph Corp <Ntt> | 交通状況予測方法、装置、および交通状況予測プログラムを記録した記録媒体 |
JP3792938B2 (ja) * | 1998-10-02 | 2006-07-05 | 美紀 長谷山 | ナビゲーション装置 |
JP2003067882A (ja) * | 2001-08-27 | 2003-03-07 | Toyota Central Res & Dev Lab Inc | 走行経路最適化装置及び交通流シミュレータ |
JP4030848B2 (ja) * | 2002-09-27 | 2008-01-09 | 株式会社豊田中央研究所 | 交通状況推定装置及びod交通量修正装置 |
JP4481235B2 (ja) * | 2005-11-01 | 2010-06-16 | 恭敬 飯田 | ゾーン別発生・集中交通量とod交通量の高精度推定方法 |
JP4950596B2 (ja) * | 2006-08-18 | 2012-06-13 | クラリオン株式会社 | 予測交通情報生成方法、予測交通情報生成装置および交通情報表示端末 |
-
2008
- 2008-06-30 JP JP2008171187A patent/JP5070574B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010009510A (ja) | 2010-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5070574B2 (ja) | 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 | |
Koh et al. | Real-time deep reinforcement learning based vehicle navigation | |
EP3035314B1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
CN102087722A (zh) | 学习设备和方法、预测设备和方法及程序 | |
CN102183252A (zh) | 数据处理装置、数据处理方法和程序 | |
CN102270191A (zh) | 数据处理设备、数据处理方法和程序 | |
CN113704956A (zh) | 一种基于数字孪生技术的城市道路在线微观仿真方法及*** | |
Hanga et al. | A graph-based approach to interpreting recurrent neural networks in process mining | |
CN113997954B (zh) | 一种车辆行驶意图预测方法、装置、设备及可读存储介质 | |
Tang et al. | Adaptive probabilistic vehicle trajectory prediction through physically feasible bayesian recurrent neural network | |
CN115909239A (zh) | 车辆意图识别方法、装置、计算机设备和存储介质 | |
CN113639757B (zh) | 基于双向评分模型和回溯校正机制的地图匹配方法及*** | |
Xu et al. | Empowering a* algorithm with neuralized variational heuristics for fastest route recommendation | |
JP6743678B2 (ja) | ネットワーク状態推定装置及びプログラム | |
Li et al. | Route restoration method for sparse taxi GPS trajectory based on Bayesian network | |
Ajani et al. | Dynamic path planning approaches based on artificial intelligence and machine learning | |
Ozkan et al. | Trust-Aware Control of Automated Vehicles in Car-Following Interactions with Human Drivers | |
Werth et al. | Surrogate-assisted microscopic traffic simulation-based optimisation of routing parameters | |
JP2023092971A (ja) | 交通状況予測装置、および、交通状況予測方法 | |
Goparaju et al. | Optimization and Performance Evaluation of Hybrid Deep Learning Models for Traffic Flow Prediction | |
Estalayo et al. | Deep recurrent neural networks and optimization meta-heuristics for green urban route planning with dynamic traffic estimates | |
Zhou et al. | MBFP generalized association rule mining and classification in traffic volume prediction | |
Singh et al. | A Directed Graph and GRUs Based Trajectory Forecasting of Intelligent and Automated Transportation System for Consumer Electronics | |
CN110942178A (zh) | 一种基于资源分配指标的链路预测方法的充电桩推荐方法 | |
Behnia et al. | Deep generative models for vehicle speed trajectories |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110422 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120713 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120725 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120730 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150831 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |