JP7154286B2 - 予測交通管理システム - Google Patents

Description

本開示は、車両の交通管理を提供するシステムに関する。特に、本開示は、既定の地域を横断する車両の交通流の最適化に関する。

ほぼすべての近代的な都市および都市中心部は、車両の交通渋滞に関して多くの問題に悩まされている。これらの問題は、ある地点から別の地点への移動の遅延により、生産時間の損失という点で大きな損失をもたらす。この現象の経済的影響の推定値は、２０１４年１１月に発行された「The Cost of Traffic Jams」というタイトルの記事でThe Economistが発行したレポートに記載され、ロンドンに拠点を置くコンサルタント会社およびＩＮＲＩＸ（交通データ会社）により提供されたデータを引用し、英国、フランス、ドイツ、アメリカの経済に対するこうした遅延の影響を２，０００億米ドルと推定している。２０１７年２月に計算知能の新トピックに関するＩＥＥＥトランザクションに公開された記事（「複数の車両の協調的なルーティング：道路ネットワークのブレークダウン確率の最小化」）で提供された別の推定は、世界の先進国で年間２兆２，０００億米ドルの推定財務コストに登るとみなしている。２０１４年１０月１４日にフォーブス誌に掲載された「報告書によると、交通渋滞は米国民に年間１，２４０億ドルの負担をかける」というタイトルの別の記事は、同様の多額の大きな経済コストについて述べている。これらの評価は、この問題の有害な結果の重大さの認識の広がり明確に示している。

財政への影響に加えて、そのような状態によって引き起こされる身体的ストレスとフラストレーションのために、人間の健康に重大な悪影響が生じる。悪化した状況は、あおり運転の事件につながり、生命と財産に深刻な脅威をもたらす可能性がある。汚染に関連する健康問題は、車両輸送の使用に直接関与する人々および顕著な交通渋滞の近くに住んでいる人々の生活の質に更なる悪影響をもたらす可能性がある。ロンドン・スクール・オブ・エコノミクスのウェブサイトで２０１６年１０月３日に気候変動と環境に関してグランサム研究所が発行した「新しい研究による大気汚染と交通事故との関連の発見」と題するワーキングペーパーがこの問題に関する科学的データを提供している。同様に、２０１１年１月にAmerican Economic Journalに公開されたJanet CurrieとReed Walkerによって執筆された「交通渋滞と乳児の健康：E-ZPassからの証拠」というタイトルの記事は、交通渋滞による大気汚染による健康問題への影響の定量化した証拠を提供している。

交通制御は、交通渋滞を最小限に抑えることを目的としており、主に交差点での交通移動の整理によって実施されている。初期のシステムは手動で整理されていたが、これらは主に固定タイミングシーケンスで動作する自動交通信号機に置き換えられた。このような「自動交通制御システム」はかなりの期間使用されており、手動交通制御の負担を軽減するのに役立った。これらのシステムには、交通信号の発生動作を主要なルートに沿って順次ずらしてオフセット同期することにより、連続的に移動する交通の「グリーンウェーブ」を促進する改良が導入された。これらの「プログレッシブ」制御システムも長い間使用されている。これらのシステムは両方とも、交差点に存在する実際の交通状態を無視し、一定期間にわたって観測された交通データから導き出される「予測」状態に基づいて動作するようにプログラムされている。ただし、特定の状況では交通量の急激な増加により両タイプのシステムは不適切になり、逆効果になることさえある。

自動およびプログレッシブ交通制御システムの不備が、交差点付近の交通状況を積極的に感知し、それに応じて信号機のタイミングを調整する「適応交通制御システム」の開発と展開をもたらした。これらのシステムは、現在のほとんどの都市で現在展開されている既存の技術プラットフォームを形成している。さまざまなセンサが使用されており、最も一般的なのは交差点の道路上流に埋め込まれた「誘導ループ」センサであり、車両の存在と動きを検出する。ビデオ、レーダ、および超音波センサは、展開される他のタイプのセンサの一部である。

いくつかの適応交通制御システムは、多くの交差点からの信号が各交差点のタイミングシーケンスを決定する中央制御装置に供給される、「中央」制御アプローチを採用している。このようなシステムは、多くの場合、車両作動調整ジャンクションシステム（ＶＡＣＪ）と呼ばれている。制御機能は、中央または階層構造からのすべてまたは複数の交差点にわたって実装される。このアプローチの１つの例は、今日広く使用されているＳＣＯＯＴ（Split, Cycle, and Offset Optimization Technique）システムであり、中央コンピュータシステムの交差点にある埋め込み誘導ループセンサからのバイナリ信号を利用する。一方、ＳＣＡＴＳ（Sydney Coordinated Adaptive Traffic System）という別のシステムは、各交差点のSTOP-Lineにある誘導ループセンサからのインクリメンタルフィードバックを使用する階層型分散システムである。同様に、ＵＴＯＰＩＡ（Urban Traffic OPtimization by Integrated Automation）は、車両に関する情報を取得するために前の交差点のすぐ下流にあるループ検出器を使用する分散制御を用いる別のＶＡＣＪタイプ階層システムである。これは、動的な協調制御を可能にするために隣接する交差点を考慮することができる。交差点レベル監視のための低レベル、交差点のグループを監視するエリアレベル、ＵＴＯＰＩＡをバスの移動時間などの他のシステムと統合して巨視的なモデルを提供する町レベルの３レベルの階層を採用している。ＲＨＯＤＥＳ（Real-time Hierarchical Optimized Distributed and Effective System）は、ＵＴＯＰＩＡに似ているが、交差点での予測小群（一緒に走行する車両群）の到着パターンに基づいて、交通信号のタイミングを決定する３層階層を使用する別のシステムである。Ｐｒｏｄｙｎは、隣接する交差点からの検出器情報も利用し、情報は交差点から交差点へ減少する重みで進む、さらに別の分散制御ベースのシステムである。

一方、ＭＯＶＡ（Microprocessor Optimized Vehicle Actuated）などの車両作動型孤立ジャンクションシステム（VAIJ）システムは、個々の交差点のみに焦点を合わせて、より集中的な制御を提供する。個々の交差点は、隣接する交差点コントローラと情報を交換するが、互いに独立して機能する個々の島として動作する。２０１１年現在、３０００ものＭＯＶＡシステムが英国で使用されていた。ＳＵＲＴＲＡＣは別のこのようなシステムであり、その詳細は２０１３年１月にカーネギーメロン大学コンピューターサイエンススクールのリサーチショーケースで公開された記事「ＳＵＲＴＲＡＣ：スケーラブルな都市交通制御」で入手することができる。同様のシステムは、Mathematical Problems in Engineeringの記事ID 104349で公開された「大都市交通システムのためのマルチエージェントベースの分散交通信号制御」およびデルフト工科大学により発行されたテクニカルレポート06-039「単一交差点の先読み交通適応制御－分類法と新しいハイブリッドアルゴリズム」に提案されている。このようなシステムは、個々の交通交差点を管理する「インテリジェントエージェント」の集合と見なされる。

上記のすべてのシステムでは、タイプに関係なく、すべての検出アクティビティは交差点の近くで実行され、上記のすべてのソリューションの全体の「焦点」は交差点にある。交差点から離れた地点での交通現象は無視され、そのような場所での交通渋滞現象は交差点で実行されるアクションによって解決されると期待されている。この基本的なアプローチは、そのようなすべてのシステムの基本的な限界を決定する。

交通渋滞問題の増強とグローバルな影響がこの分野で多くの研究に拍車をかけ、多くのグループ、組織、および団体が研究の実施と改良されたソリューションの開発に積極的に取り組んでいる。これらの取り組みにより、特定の場所の交通状況は、いくつかの他の接続場所の交通現象のはるかに広い分布の結果であることが多いことが確認されている。この「近隣」のサイズは、大きく動的に変化する可能性があり、多数の交差点を含む数平方キロメートルのエリアに及ぶこともあり得る。交差点間の大きな広がりの交通現象は、交通渋滞現象全体に関して極めて重要である。その結果、交通現象のエリア全域にわたって交通状況を監視することによってグローバルビューとローカル情報の両方を取得することが不可欠である。この目的を達成するために、一連の「新」技術が利用可能になりつつある。

新交通制御ソリューションは、２つの方法のいずれかで監視の問題に対処している。最初の方法は、利用するフローティングカーデータ（ＦＣＤ）の展開を必要とする。Ana L. C. BazzanとFranziska Kluglが執筆し、Morgan＆Claypool Publishersが発行した書籍「Introduction in Intelligent Systems in Traffic and Transportation」は、交通流内を「フローティング」し、それぞれの場所で交通流情報を交通パラメータの無線伝送を介してリアルタイムに提供する、いわゆるプローブ車両などのシステムについて説明している。いくつかの実装では、プローブ車両は配達やその他の商業目的専用のタクシーやトラックなどの特別な車両である。これまでのところ、このタイプのＦＣＤは、（i）これらの車両は交通網全体をカバーしないため、（ii）比較的低速のために完全に代表するものでないため、用途が限られていることがわかっている。たとえば、シュトゥットガルトでは、約７００台のタクシー（２００３年のデータ）の車群がＧＰＳデバイスとともに循環し、約３０秒ごとにその位置と速度をコントロールセンターに送信している。同様に、Vittorio Astarita、Vincenzo Pasquale Giofre、Giuseppe Guido、およびAlessandro Vitaleが執筆し、Wireless Communications and mobile Computing Volume 2017（記事ID：4617451）で公開されたリサーチ記事「フローティングカーデータに基づく適応交通信号システムの使用」は、この新しいテクノロジーに関する有益な洞察を提供している。

第２の方法は、交通流内の車両の乗員のユビキタスな個人携帯電話によってまたは車載システム（そのようなシステムを搭載した車両の場合）から同じデータをクラウドソーシングすることにより、同じ結果をより効果的に達成するものである。この方法には「プライバシー侵害」問題の脅威があるが、プライバシー問題が解決されるにつれて、実行可能なソリューションとして浮上している。「モバイルデータソースからのデータを使用した道路交通状況の評価」というタイトルの欧州特許第ＥＰ１９３８２９６Ｂ１号は、そのようなシステムを開示している。同様に、２０１５年７月に発行されたACM Transactions on Sensor Networks, Vol. 11, No. 4, Article 55で公開された技術記事「スマートロード：交通規制機関の検出と識別のためのスマートフォンベースのクラウドセンシング」はこの技術に関する有用な情報を提供している。２０００年１１月１１日にMIT Technology Reviewで公開された「携帯電話でトラフィックを追跡する」は、カリフォルニア大学バークレー校がこの手法の有用性を検証した研究プロジェクトについて記載している。

上記のクラウドソーシングベースの交通監視技術は、車両の乗員に基づくデータ収集方法（携帯電話など）を使用して、または乗員に依存しない車載機能として実装することができる。これらの方法のいずれかで提供される情報は、車両からインフラストラクチャの外部要素に直接通信される情報（Vheicle to Infrastructure（Ｖ２Ｉ）システムと呼ばれる）、車両間で交換される情報または車両のチェーンを通じて外部レシーバに中継される情報（Vehicle to Vehicle（Ｖ２Ｖ）システムと呼ばれる）である。両タイプをカバーする一般的な分類は、「Ｖ２ｘ」と呼ばれる。

これらの新技術のアプローチは、全域の交通の動きの監視の問題に対処することができるが、それらの有効性を制限する特定の限界がある。特に、それらは次のとおりである。
１）「トラフィックミックス」（つまり、種々の車両の不均一な構成）を認識する非常に限られた能力、つまり、２輪車、３輪車、乗用車、トラック、公共交通機関（特に占有率が低い場合）、トラクター、馬車などを区別する、限られた能力。この限界は、すべてのタイプの車両が同じ低速で移動するときの実際の混雑中に強調される。トラフィックミックスは渋滞に影響する重要な要素であるため、これは以前の「適応型」および「プログレッシブ／自動」システムにも存在する重大な限界である。
２）予期せぬ事象や状態は潜在的な交通渋滞の発生要因であるが、交通量がないか非常に低い密度であるとき（たとえば、交通量が一般的に少ないまたは存在しない夜間または早朝の時間帯）に発生すると検出不能である。このような事象には、車両の故障、事故、自然の障害物（木が倒れるなど）などの事象が含まれる。このような事象の発生は、渋滞が発生するまで検出されないため、渋滞を防止することはできない。

これらの新システムは、既存のシステムとは独立して動作する独立したシステムとして設計され、それらを置き換えることを目的としている。結果として、そのようなソリューションの実装は一般に高価な提案である。

本提案のソリューションは、既存のソリューションの有効性を高め、大部分の交通渋滞の防止と避けられない交通渋滞事故のより効率的な管理を可能にする。この改善は、既存のソリューションを交換する必要をなくすことによって費用効率よくもたらされる。

本提案のソリューションは、これらのリソースの操作を上記の既存のシステムの限界を克服することでシステム能力を強化する追加のリソースと相乗的に結合する追加の制御レイヤへのインターフェースを備えた、既定のエリア内の既存の交通制御システムを安価に改造する。このソリューションは、関心領域全体のトラフィック特性の監視を実施する。追加の制御レイヤは、強化学習やヒューリスティック手法を含む人工知能技術を使用してリアルタイムに監視データを分析し、交通渋滞や潜在的な回避可能交通遅延状況を発生または生成する可能性のある状況の場所と原因を予測する。追加の人工知能技術を使用して、利用可能な交通規制機構の既知の場所および機能に基づいて、これらの状況がさらに進行するのを防ぐために必要なアクションを決定する。最後に、関連する既存の交通規制機構に、改造インターフェースを使用して決定されたアクションを実行させる。

この構成配置によって、本提案のシステムは、実際の交通制御データに基づく旅行スケジュールおよびルート案内施設に加入することを選択したユーザーから旅行の要件および旅行の終点に関するデータを取得することにより、その有効性を高めることができる。

本開示のこれらのおよび他の特徴、態様および利点は、添付の図面を参照して以下の詳細な説明を読むと、よりよく理解されるであろう。図中の同じ符号は全図を通して同じ構成要素を示す。

交通渋滞が発生するまで検出されない交通渋滞の原因の例によって現在の技術の限界を示している。 現在の技術では得られない交通の構成及び流れの詳細をキャプチャする本開示により提供される「スカイビュー」機能を示す。 本提案のソリューションの実装に使用される無人航空機プラットフォームのいくつかの好ましい実施形態を示す。 本開示に記載の交通制御方法のステップを示す。 本開示による交通制御システムのブロック図を示す。 本開示によって提供されるユーザー機能のブロック図を示す。

以下の説明は、本開示のいくつかの態様、利点、および新規の特徴を説明するためにのみ提供される。本開示のすべての利点が本開示のいずれか１つの特定の実施形態により達成されるわけではないことを理解されたい。したがって、本開示は、必ずしも他の利点を達成しないで１つの利点または一群の利点を達成または最適化するように実施することができるものである。

本開示は、本明細書に開示された特定の実施形態に限定されず、多くの異なる形態で具現化され得ることも当業者には容易に明らかであろう。本開示で使用される実施形態および説明は限定を意図するものではない。

本明細書はいくつかの場所での「ある」、「１つの」または「いくつかの」実施形態に言及することがある。これは、そのような言及のそれぞれが同じ実施形態を指すこと、またはその特徴が単一の実施形態にのみ適用されることを必ずしも意味しない。異なる実施形態の単一の特徴を組み合わせて、他の実施形態を提供することもできる。

本明細書で使用される場合、単数形「a」、「an」および「the」は、特に明記しない限り、複数形も含むことを意図している。さらに、本明細書で使用される場合、「含む」、「備える」、「含んでいる」および／または「備えている」という用語は、記述した特徴、整数、ステップ、操作、要素、および／または構成要素の存在を指定するが、１つまたは複数の他の機能、整数、ステップ、操作、要素、コンポーネント、および／またはそれらのグループの存在または追加を排除しないことは理解されよう。ある要素が別の要素に「接続」または「結合」されていると言及される場合、それは他の要素に直接接続または結合しても、または介在要素を存在させてもよいことは理解されよう。さらに、本明細書で使用される「接続される」または「結合される」は、動作可能に接続または結合されることも含み得る。本明細書で使用される「および／または」という用語は、列挙された関連項目の１つまたは複数のありとあらゆる組み合わせおよび配置を含む。

例示された構造は他の機能および構造も含み得ることは当業者には明らかである。通信で使用される機能、構造、要素、およびプロトコルは、本開示とは無関係であることを理解されたい。したがって、それらについてここでは詳細に説明しない。

説明されているすべてのユニットには、ユニットが機能するために必要なソフトウェアおよび／またはハードウェアコンポーネントが含まれている。さらに、各ユニットは、暗黙的に理解される１つまたは複数の構成要素をそれ自体の中に含むことができる。これらの構成要素は、互いに動作可能に結合され、互いに通信して当該ユニットの機能を実行するように構成することができる。

本発明の精神および範囲から逸脱することなく、本開示に従って、本明細書に開示された実施形態に様々な修正および変更を行うことができることは、当業者に明らかであろう。

特に定義されない限り、本明細書で使用されるすべての用語（技術用語および科学用語を含む）は、本開示の関連技術分野の当業者によって一般に理解されるのと同じ意味を有する。さらに、一般的に使用される辞書で定義されている用語などの用語は、関連技術の文脈における意味と一致する意味を持つと解釈されるべきであり、本明細書において明確に定義されていない限り、理想化されたまたは過度に形式的な意味で解釈されない。

以下の定義が本開示の文脈において適用される：
１）機構とは、意図した結果を生成する任意のデバイスまたはデバイスの配置または機能的挙動である。機構は、ハードウェア、ソフトウェア、またはハードウェアとソフトウェアの任意の組み合わせとして実装できる。
２）交通監視とは、既定の一組の１つまたは複数の場所でまたは既定のエリア全域で、既定の交通特性およびパラメータに関するリアルタイムデータを取得する任意の一組のアクティビティである。アクティビティは、任意のセンサ機構またはセンサ機構の組み合わせを使用できる。好ましくは、ビデオおよび画像ベースの監視、および個々の車両に配置され、車両の位置、速度、および移動方向を報告できるＧＰＳベースのセンサおよび非ＧＰＳ携帯電話ベースのセンサから取得した集合データに基づく監視が含まれる。
３）交通規制機構とは、１つまたは複数の交差点で交通流を規制するために、集中的にまたは分散実施的に動作する任意のデバイスまたはデバイスの配置であり、「インテリジェントエージェント」としてまたはＳＣＯＯＴ、ＳＣＡＴＡ、ＵＴＯＰＩＡ、ＲＨＯＤＥＳなどの階層または集中制御構成の一部として動作する。
４）交通監視機構とは、交通監視を実行する任意の機構である。
５）交通誘導機構とは、車両または車両の運転手に情報を提供して、旅行を容易にするおよび／または交通状況を改善する任意の機構である。このような機構は、交差点でのみの機能に限定されず、可変メッセージディスプレイや音声／テキストメッセージまたは携帯電話や車載デバイスを介して配信される警報なども含む。そのような交通誘導機構の好ましい実施形態には、登録ユーザーから旅行要件の詳細を取得するためのインターフェースを提供し、オーディオ／ビデオ／テキストの誘導命令を提供するスマートフォンベースの「アプリ」（および車載システムにインストールされる同様のアプリケーション）が含まれる。
６）コンピューティング機構は、任意のコンピューティングハードウェア、ソフトウェア、またはそれらの組み合わせである。
７）分析エンジンは、指定されたアプリケーションの関心特性を決定するために入力データを分析する任意のコンピューティング機構である。データは、画像、ストリーミングビデオ、テキスト、音、音声、またはその他の形式のデータに属するものとし得る。
８）評価エンジンは、望ましい結果を達成するために必要なアクションを決定する任意のコンピューティング機構である。
９）監視システムは、システムの一部を形成する他の機構を監視し、既定の規則と要件に従ってその動作に影響を与える任意のコンピューティング機構である。

図１は、インターリンク道路で連結された一組の交差点を含む既存の技術による交通網の基本的な概略図を示す。各交差点の周囲に描かれた境界（線）は、そこに設置された交通制御機構によって監視されるエリアを規定している。これらの境界の外側で発生するインシデントは、システム内のセンサからは見えない。特に、道路上に交通がほとんどまたはまったくないときにインシデントが発生した場合、ＦＣＤベースのシステムおよび携帯電話ベースのシステムなどのクラウドソースのデータシステムは、交通渋滞が実際に始まるまでそのようなインシデントの発生を検知することもできない。したがって、このような場合、既存のソリューションはどれも渋滞を防止できない。そのような状況の例として、車両通行のない早朝に発生した交通事故や車両故障（１０５）、水道本管の破裂（１０６）、または放棄された建設工事（１０７）がある。これらの例は、現在のシステムの限界を強調している。

図２は、夜間空中写真（２００）の形式の本提案の解決策の一実施形態による実装例を示す。この「アイ・イン・ザ・スカイ」アプローチは完全なエリアビューを提供し、クラウドソースデータを含む既存の知覚配置と空中ビューの両方を利用して、エリア全域のすべての地点の交通状況に関する継続的かつ完全な情報を提供する。このシステムは、混雑した交通エリア（２０２）および（２０４）、ならびに混雑の源（２０３）および（２０１）を同時に表示することができる。同時に、（２０５）で例示されているように、まだ混雑していない潜在エリアまたは混雑しつつあるエリアを識別することにより、交通渋滞の発生を予測することもできる。予測は、監視データを分析するために、強化学習、ヒューリスティック手法、フォーマルプロシージャなどの人工知能手法を含む既知の技術の適切な組み合わせを使用して実行される。さらに、１つまたは複数の利用可能な既存のおよび／または追加の制御機構により実行すべきアクションを決定するために、分析結果のさらなる処理が、強化学習、ヒューリスティック手法、フォーマルプロシージャなどの人工知能技術を含む既知の技術の適切な組み合わせを使用して実施される。これらのアクションは、提供されたインターフェースを使用して、選択された交通制御／誘導機構に入力／命令を提供することで実行される。

図３は、空撮プラットフォームのいくつかの好ましい実施形態を示す。（３Ａ）は繋留無人飛行船を示し、（３Ｂ）は無人の繋留気球を示します。これらの例は、このような空中監視に低コストのオプションを提供する固定プラットフォームである。ペイロードは非常に軽量で、遠隔操作のビデオ機器のみからなるため、空中プラットフォームは非常に小さくて安価である。ビデオ機器の動作に必要な電力も低く、繋留ケーブルを介して容易に給電することができる。（３Ｃ）は繋留されてない遠隔操縦空中ビークルであり、これは、本提案のソリューションによって特定された地点の上空に位置させてより「焦点の合った」入力を提供し、より詳細な情報を供給することができる。

図４は、提案したソリューションの機能を説明するフローチャートを提供する。（４０１）において、利用可能な各交通規制、交通誘導および交通監視機構の位置、動作特性および制御インターフェースを識別する情報を収集することにより、オペレーションが初期化される。そのアクティビティは最初にシステムの試運転時に実行され、その後設備が更新されるたびに実行される。既存の機構には、新しいシステムによって導入される上位制御層と互換性のある適切なインターフェースが組み込まれている。新しい監視機構は既存の機構を強化し、その限界を克服するために導入される。新しい機構は、上位の制御層にもインターフェースする。システムは、既定のエリア全域の交通流特性をリアルタイムに継続的に監視し（４０２）、監視した交通流特性を分析して、交通渋滞を予測および／または検出する（４０３）。監視は（４０１）でインターフェースされた利用可能なすべての交通監視機構の助けを借りて実行される。分析は監視対象のデータに対して実行され、潜在的および現在の交通渋滞の場所、性質、原因を特定する。分析は、監視機構の展開と機能を最適化するために、より注意を要する臨界領域も特定する。これらの分析結果は、交通渋滞を回避または緩和し、および／または移動遅延を最小限に抑えるために、選択された交通規制機構および交通誘導機構によって実行する必要がある機能を決定するために使用される（４０４）。その後、これらのアクションは利用可能な交通規制機構、交通誘導機構、および交通監視機構のインターフェースを使用して実行され、それぞれの機構に決定された機能を実行させる（４０５）。

図５は、利用可能な交通監視、交通規制、および交通誘導リソースにインターフェースして本提案のソリューションを実施する新しい制御要素の構造の最上位のブロック図である。１つまたは複数の分析エンジン（５０１）のセットが利用可能な交通監視機構から受信したデータを処理し、潜在的な交通渋滞、現在の交通渋滞、および渋滞の原因を特定する。監視機構によって提供されるデータは分析され、交通渋滞の性質、強度、場所、および原因を認識し、その渋滞は現在起こっている、または新たに起こりつつある、または起こり得ると識別することができる。分析は、フォーマル手法とヒューリスティック手法の両方を利用し、強化学習などの自己学習型人工知能手法を取り入れている。主要なアプローチは、文脈内でグローバルおよびローカル交通流パターンおよび特定された車両の組み合わせと分布の意味合いを検出および予測することにある。特に、集計および選択された車両／車群（小車群など）の両方に関する車両軌跡情報は、潜在的または現在の交通渋滞の影響について評価される。交通状況への重要な要因として認識されている、気象条件、車両故障、道路修理作業、地滑りなどの予定されたまたは予期しない事象を含む外部要因も分析に組み込まれる。

その機能を実行するために、分析エンジン（５０１）は、設定または移動可能な監視機構を動的に設定または移動することができる。１つまたは複数の評価エンジン（５０２）のセットは、識別された渋滞特性と渋滞の原因を分析し、渋滞を可能な限り効率よく解決するために必要なアクションを決定する。このように決定されたアクションは、監視システム（５０３）に伝達される。監視システムは、適切なインターフェース要件に従って、それぞれのアクションを各ターゲット交通規制機構のための一連の入力に変換する。

分析エンジン（５０１）、評価エンジン（５０２）、および監視システム（５０３）のそれぞれは、さまざまなヒューリスティック手法に加えて、強化学習技術、遺伝的プログラミングなどの既知の人工知能ベースの技術を使用することができる。分析エンジン（５０１）は、既定のエリア全域に展開された監視機構からリアルタイムの交通監視データ（Ａ）を受信する。制御可能な監視機構は、それらの動作を最適化するための制御入力（Ｂ）を受け取る。分析エンジン（５０１）は、受信したデータ（Ａ）を分析し、可能性のある交通渋滞の場所と原因を予測し、現在の交通渋滞現象と関連する原因を検出する。このデータは評価エンジン（５０２）に送られ、評価エンジン（５０２）は、それらの可能性と場所に基づいて、利用可能な交通規制／誘導機構の群から選択された最も適切なものによって実施する必要がある修正アクションを決定する。この決定の結果は、選択された機構（Ｃ）に提供するために、この目的のために利用可能な個々のインターフェースを使用して監視システム（５０３）に通知される。

図６は、このようなサービスを受けるように登録したユーザーにシステムにより提供される最適化された旅行計画とルート案内の設備の基本的な配置を示している。ユーザーに提供されたスマートフォンアプリケーション（６０１）は、一組の要件をシステム（６０２）にアップロードするために使用される。これらの要件は、旅行計画およびルート案内サービスを希望する旅行の詳細を指定する。そのようなパラメータには、出発地と目的地の詳細、旅行を開始する希望日時、目的地到着時間の制約、最適化要件（最短旅行期間、最小燃料消費量など）が含まれる。システム（６０２）は利用可能な旅行ルート、交通渋滞パターン、および関連する外部要因を知っていて、各可能なルートに沿ったすべての交通規制／誘導システム（６０３）の現在の状況を取得する。システムはその後使用可能なすべてのオプションを必要な最適化基準に関して動的に分析し、アプリケーションおよび／または車載システムを介してユーザーに指示を提供する（６０４）。

本開示に記載したソリューションは、既定のエリア内で現在動作している交通制御システムおよび設備と組み合わせて機能するのに十分な柔軟性を持つように設計されている。このような設備は新しいシステムの利益を得るために置き換える必要はない。必要なことのすべては、既存のシステムの機能、限界、および動作モードの正確な定義と、既存のシステムの動作に所望の影響を与えるために制御要素との相互作用を可能にするインターフェースの可用性／レトロフィット性にある。その結果、大規模なインストールベースのＳＣＯＯＴ、ＳＣＡＴＳ、ＭＯＶＡ、ＵＴＯＰＩＡおよびその他のソリューションの長所と利点を、費用対効果の高い方法で効果的に利用することができる。

同時に、本提案のソリューションは、システムの機能を強化し、既存の限界を克服する追加の監視デバイス／機構を展開することもできる。本提案のソリューションは、既存のリソースと新リソースおよびデバイスの相乗動作を提供する上位層構造を実装し、最適に有効な結果をもたらす。

エリア内で動作するインストールベースの交通制御システムの場所、機能、および制限は、展開可能な他の利用可能なデバイスの機能としても識別される。本提案のソリューションは、利用可能なまたは生成された適切なインターフェースを介して、識別された各機構／デバイスに機能的に結合する。これらのインターフェースは、ハードウェアまたはソフトウェア、またはそれらの任意の組み合わせで実装でき、情報と命令の交換を可能にする。

Claims (22)

1. コンピューティングハードウェアによって実行される、既定のエリア全域の車両交通を最適化する方法であって、以下のステップ：
   利用可能な各交通規制機構、交通誘導機構および交通監視機構にインターフェースするステップ（４０１）：
   前記既定のエリア全域の交通流特性をリアルタイムに監視するステップ（４０２）；
   監視した前記交通流特性を分析し、交通渋滞を予測および／または検出し、回避可能な時間遅延を特定するステップ（４０３）；
   交通渋滞を回避または緩和し、および／または移動遅延を最小化するために、選択した１つまたは複数の前記交通規制機構又は前記交通誘導機構によって実行する必要がある機能を決定するステップ（４０４）、および
   選択した前記交通規制機構又は前記交通誘導機構に、決定した前記機能を実施させるステップ（４０５）、
   を含み、
   前記交通監視機構は、前記既定のエリア内の１つまたは複数の領域のリアルタイム画像および／またはビデオを提供し得る１つまたは複数の空中プラットフォームを含む、方法。
2. 前記利用可能な各交通規制機構、交通誘導機構および交通監視機構にインターフェースするステップ（４０１）は、各アクセス可能な既存の機構ならびにその位置および動作仕様に基づいて使用に供されるすべての新しい機構に動作可能に結合することを含む、請求項１に記載の方法。
3. 前記利用可能な各交通規制機構、交通誘導機構および交通監視機構にインターフェースするステップ（４０１）は、交通監視機構の場合には、前記交通監視機構からリアルタイムの交通データを取得することと、可能な場合には前記交通監視機構の動作特性を決定することとを含み、交通規制機構又は交通誘導機構の場合には、前記交通規制機構又は前記交通誘導機構の能力内で任意の機能を実行させることを含む、請求項２に記載の方法。
4. 前記交通流特性を監視するステップ（４０２）は、前記利用可能な交通監視機構からのリアルタイムデータの動的な選択、展開、および取得を含む、請求項１に記載の方法。
5. 前記監視した交通流特性を分析し、交通渋滞を予測および／または検出し、回避可能な時間遅延を特定するステップ（４０３）は、強化学習を含む１つまたは複数の既知の技術および／またはヒューリスティック技術および／または人工知能技術の組み合わせを使用して前記監視した交通流特性を処理し、交通渋滞と回避可能な時間遅延とを検出および予測することを含む、請求項１に記載の方法。
6. 前記実行する必要のある機能を決定するステップ（４０４）は、強化学習を含む１つまたは複数の既知の技術および／またはヒューリスティック技術および／または人工知能技術の組み合わせを適用して、予測される交通渋滞の発生を防止するのに必要なアクション並びに検出された交通渋滞の影響を最小限に抑え、時間遅延を回避するために必要な修正措置を決定することによって達成される、請求項１に記載の方法。
7. 前記選択した前記交通規制機構又は前記交通誘導機構に決定した前記機能を実施させるステップ（４０５）は、決定した前記機能の実施を生起するように前記決定された個々の動作特性および能力に従って、前記選択した前記交通規制機構又は前記交通誘導機構に対して制御信号を決定し発行する、請求項１に記載の方法。
8. 前記交通流特性を監視するステップ（４０２）は、割り当てられたエリア全域内のすべての車両の交通状況に関する情報を含むエリアビューを提供するように配置され装備された１つ又は複数のプラットフォームのセットからのリアルタイムビデオの分析を含む、請求項１に記載の方法。
9. 前記交通流特性を監視するステップ（４０２）は、１つまたは複数の動的に再配置可能な交通感知機構を物理的に配置することを含む、請求項１に記載の方法。
10. 前記監視するステップは、
    案内サービスへの登録を選択した１つまたは複数の車両から目的地パラメータおよび旅程要件を取得するステップ；
    前記目的地パラメータおよび旅程要件を前記分析のプロセスに組み入れるステップ；
    前記目的地パラメータおよび旅程要件により指定されたルートの現在の交通流特性を取得するステップ；および
    各車両をその旅程のスケジュールに従って案内し、前記要件に従って目的地に到達させるステップ；
    を含む、請求項１に記載の方法。
11. 前記交通流特性を分析するステップは、気象条件、修理／建設作業、及び自然災害を含む事象によって課される追加要件を組み入れる、請求項１に記載の方法。
12. 前記追加要件は、サービスを受けるように登録された車両の旅行計画および経路案内を含むとともに、明示的に指定された旅行のパラメータおよび要件を有する、請求項１１に記載の方法。
13. 既定のエリアのための車両交通管理システムであって、該システムは、
    前記既定のエリア全域の交通流特性のリアルタイムデータを提供する１つまたは複数の交通監視機構と、
    前記既定のエリア内の既知の場所に配置された一組の既定の機能的能力のいずれか１つまたは複数をインボークするための既定のインターフェースをそれぞれ備えた１つまたは複数の交通規制機構又は交通誘導機構と、
    各交通監視機構から取得したリアルタイムデータに基づいて、交通渋滞および交通遅延を予測および／または検出するように構成された一組の１つまたは複数の分析エンジン、
    前記予測および／または検出された交通渋滞を回避または緩和し、移動遅延を最小限に抑えるために、前記既定のエリア内の選択された１つまたは複数の利用可能な交通規制機構又は交通誘導機構によって実行する必要がある機能を決定するように構成された一組の１つまたは複数の評価エンジンと、
    選択された各交通規制機構又は交通誘導機構の既定のインターフェイスを操作し、それらに決定された機能を実施させる監視システムと、
    を備え、
    前記１つまたは複数の交通監視機構は、前記既定のエリア内の１つまたは複数の領域のリアルタイム画像および／またはビデオを提供し得る１つまたは複数の空中プラットフォームを含む、車両交通管理システム。
14. 前記１つまたは複数の交通監視機構は、前記既定のエリア内の複数の車両から得られたクラウドソースの車両位置および移動データを含む、請求項１３に記載の車両交通管理システム。
15. 前記１つまたは複数の交通監視機構は、前記既定のエリア内の１つまたは複数の領域のリアルタイム画像および／またはビデオを提供し得る、繋留された１つまたは複数の空中プラットフォーム及び可動の１つまたは複数の空中プラットフォームを含む、請求項１４に記載の車両交通管理システム。
16. 前記繋留された１つまたは複数の空中プラットフォームまたは前記可動の１つまたは複数の空中プラットフォームは、画像キャプチャおよび／またはビデオ機能に関して制御可能である、請求項１５に記載の車両交通管理システム。
17. 前記１つまたは複数の可動空中プラットフォームは、位置ならびに画像キャプチャおよび／またはビデオ機能に関して制御可能である、請求項１５に記載の車両交通管理システム。
18. 前記交通規制機構は、１つまたは複数の車両作動孤立ジャンクションシステムを含む、請求項１３に記載の車両交通管理システム。
19. 前記交通規制機構は、１つまたは複数の車両作動協調ジャンクションシステムを含む、請求項１３に記載の車両交通管理システム。
20. 前記１つまたは複数の分析エンジンは、強化学習を含む、ヒューリスティック技術および／または１つまたは複数の既知の人工知能方法を利用する、請求項１３に記載の車両交通管理システム。
21. 前記１つまたは複数の評価エンジンは、強化学習を含む、１つまたは複数の既知の人工知能方法を使用する、請求項１３に記載の車両交通管理システム。
22. 前記１つまたは複数の分析エンジンおよび／または評価エンジンおよび／または監視システムは、分散システムとして実装されている、請求項１３に記載の車両交通管理システム。

Images