JPH1139587A - Traveling required time prediction device - Google Patents
Traveling required time prediction deviceInfo
- Publication number
- JPH1139587A JPH1139587A JP19014597A JP19014597A JPH1139587A JP H1139587 A JPH1139587 A JP H1139587A JP 19014597 A JP19014597 A JP 19014597A JP 19014597 A JP19014597 A JP 19014597A JP H1139587 A JPH1139587 A JP H1139587A
- Authority
- JP
- Japan
- Prior art keywords
- travel time
- unit section
- time
- pattern
- travel
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000013528 artificial neural network Methods 0.000 claims description 44
- 230000007704 transition Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims 7
- 238000000034 method Methods 0.000 abstract description 58
- 238000002360 preparation method Methods 0.000 abstract 1
- 238000004321 preservation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 230000032683 aging Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、例えば高速道路等
の自動車専用道路に対する交通管制システムに係り、特
に特定の対象区間の走行所要時間を予測する走行所要時
間予測装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a traffic control system for a motorway such as an expressway, and more particularly to a travel time prediction device for predicting the travel time of a specific target section.
【０００２】[0002]
【従来の技術】高速道路では、交通量の増加に起因する
交通渋滞が発生し走行所要時間が大幅に変動する。この
高速道路を走行中の運転手に、例えば特定のインターチ
ェンジ間や特定の都市間等の予め設定された代表的な区
間の走行所要時間の予測値をその時々に応じて提供する
ことは、利用者に対するサービス向上とともに高速道路
を円滑に運用する上で重要である。2. Description of the Related Art On an expressway, traffic congestion occurs due to an increase in traffic volume, and the required travel time varies greatly. Providing a driver traveling on this highway with a predicted value of the required travel time of a predetermined representative section, such as between specific interchanges or specific cities, from time to time can be used. It is important to improve the service for the elderly and to operate the expressway smoothly.
【０００３】走行所要時間の予測値を求める方法とし
て、対象区間を複数の単位区間に分割して各単位区間に
車両感知器を設置し、車両感知器により測定した走行車
両速度を用いて各単位区間の走行所要時間を算出し、各
単位区間の走行所要時間を合計することにより走行所要
時間を算出する方法がある。現在、高速道路において実
際に提供されている走行所要時間の予測値は、この方法
で求めた値である。[0003] As a method of obtaining a predicted value of the required traveling time, a target section is divided into a plurality of unit sections, a vehicle sensor is installed in each unit section, and each unit is determined by using a traveling vehicle speed measured by the vehicle sensor. There is a method of calculating the required travel time by calculating the required travel time of a section and summing the required travel time of each unit section. At present, the predicted value of the required travel time actually provided on the expressway is a value obtained by this method.
【０００４】また、実際に車両が走行するのに要した時
間を求める方法として、以下に示す方法が実用化されて
いる。The following method has been put to practical use as a method for determining the time required for the vehicle to actually travel.
【０００５】一つは、対象区間を複数の単位区間に分割
して各単位区間に車両感知器を設置し、車両感知器によ
り測定した走行車両速度を用いて各単位区間の走行所要
時間を算出し、算出した各単位区間の走行所要時間を時
系列で蓄えておく。そして、走行による時間の経過を考
慮して各単位区間の走行所要時間を合計することによ
り、所要時間を算出する方法である。この方法は、タイ
ムスライス合計手法と呼ばれている。One is to divide the target section into a plurality of unit sections, install a vehicle sensor in each unit section, and calculate the travel time required for each unit section using the traveling vehicle speed measured by the vehicle sensor. Then, the calculated required traveling time of each unit section is stored in chronological order. Then, the required time is calculated by summing the required travel time of each unit section in consideration of the lapse of time due to travel. This method is called a time slice summing method.
【０００６】もう一つは、対象区間の両端において走行
車両のナンバを画像認識することにより、この対象区間
を実際に走行した各車両の実際の走行所要時間を測定す
るＡＶＩシステムが実用化されている。Another is an AVI system that measures the actual travel time of each vehicle that has actually traveled in the target section by recognizing the number of the traveling vehicle at both ends of the target section. I have.
【０００７】さらに、対象区間に対して実際に試験車両
を走行させることにより走行所要時間を測定する方法も
考えられる。Further, a method of measuring the required travel time by actually running the test vehicle on the target section may be considered.
【０００８】[0008]
【発明が解決しようとする課題】しかしながら、上述し
た従来の技術は、以下に示すような問題点がある。However, the above-mentioned prior art has the following problems.
【０００９】まず、現在高速道路において提供されてい
る走行所要時間の予測値であるが、上述したように、各
単位区間における走行所要時間を単純に合計したもので
ある。したがって、各単位区間の交通状況が時間経過に
拘わらずあまり変化しない場合、例えば対象区間全域に
亘って車両の流れが順調な場合には、走行所要時間を高
精度で予測することが可能である。First, the predicted value of the required travel time currently provided on the expressway is, as described above, a simple total of the required travel time in each unit section. Therefore, when the traffic situation of each unit section does not change much irrespective of the passage of time, for example, when the flow of the vehicle is smooth over the entire target section, it is possible to predict the required travel time with high accuracy. .
【００１０】しかし、実際には、各単位区間の交通状況
は時間経過とともに変動するために、予測誤差が大きく
なる。特に、朝夕のラッシュ時等、渋滞の発生・解消が
繰り返される場合には、予測誤差が著しく大きくなる。
このような場合において、精度の良い走行所要時間予測
値を提供することが強く望まれている。However, in practice, the traffic situation in each unit section changes with the passage of time, so that the prediction error increases. In particular, when the occurrence and elimination of traffic congestion are repeated, such as during morning and evening rush hours, the prediction error becomes extremely large.
In such a case, it is strongly desired to provide an accurate predicted travel time value.
【００１１】また、実際の走行所要時間を求める方法と
して示したものは、何れも走行所要時間が得られるのは
走行車両が対象区間の終端に到達した時である。したが
って、いま道路を走行している運転手にとっては、この
所要時間を目的地まで到達するのに何時間掛かるのかと
いう目安として使用することができない。In any of the methods shown for obtaining the actual travel time, the travel time is obtained when the traveling vehicle reaches the end of the target section. Therefore, the driver who is currently traveling on the road cannot use this required time as a measure of how long it takes to reach the destination.
【００１２】本発明は上述の点を考慮してなされたもの
であり、対象区間の走行に要する時間を簡便な方法で精
度良く予測することが可能な走行所要時間予測装置を提
供することを目的とする。The present invention has been made in view of the above points, and has as its object to provide a traveling time prediction device capable of accurately predicting the time required for traveling in a target section with a simple method. And
【００１３】[0013]
【課題を解決するための手段】上記目的達成のため、本
発明では、複数の単位区間を有する自動車道路における
予め設定された対象区間を自動車が走行するのに要する
時間を予測する走行所要時間予測装置において、前記単
位区間の各々に配設された料金収受システムと、前記料
金収受システムの磁気通行券データを用いて前記単位区
間の各々の走行に要する時間を算出する単位区間走行所
要時間算出手段と、前記単位区間走行所要時間算出手段
で算出された各単位区間の走行所要時間を保存する単位
区間走行所要時間保存手段と、前記単位区間走行所要時
間保存手段より得られる各単位区間の走行所要時間を時
系列に並べた走行所要時間パターンを作成する単位区間
走行所要時間パターン作成手段と、前記単位区間走行所
要時間パターン作成手段で作成された単位区間走行所要
時間パターンに、前記単位区間走行所要時間算出手段で
算出された当日の走行所要時間の推移を基に補正を行う
単位区間走行所要時間パターン補正手段と、前記単位区
間走行所要時間パターン補正手段において補正された単
位区間走行所要時間パターンを用いて前記対象区間の走
行所要時間を予測する走行所要時間予測値算出手段と、
をそなえたことを特徴とする走行所要時間予測装置、を
提供するものである。In order to achieve the above object, according to the present invention, a travel time estimation for estimating a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections is provided. In the device, a toll collection system provided in each of the unit sections, and a unit section travel time calculation means for calculating a time required for each of the unit sections to travel using magnetic toll ticket data of the toll collection system A unit section travel time storage means for storing the travel time of each unit section calculated by the unit section travel time calculation means; and a travel requirement of each unit section obtained from the unit section travel time storage means. A unit section travel time pattern creating means for creating a travel time pattern in which time is arranged in chronological order; A unit section travel time pattern correction means for correcting the unit section travel time pattern created by the means based on the transition of the travel time of the day calculated by the unit section travel time calculation means; Travel time predicted value calculation means for predicting the travel time of the target section using the unit section travel time pattern corrected by the section travel time pattern correction means,
The present invention provides a travel time estimating device characterized by comprising:
【００１４】[0014]
【作用】請求項１の発明においては、各単位区間に配設
された料金収受システムの磁気通行券データを用いて、
単位区間走行所要時間算出手段により各単位区間の走行
所要時間を算出し、算出された各単位区間の走行所要時
間を単位区間走行所要時間保存手段にて保存する。次
に、単位区間走行所要時間パターン作成手段により、各
単位区間の走行所要時間を時系列に並べた単位区間走行
所要時間パターンを作成する。続いて、単位区間走行所
要時間算出手段により得られた当日の走行所要時間実績
値を用いて、単位区間走行所要時間パターン補正手段に
より単位区間走行所要時間パターンの補正を行う。最後
に、補正後の単位区間走行所要時間パターンを用いて、
走行所要時間予測値算出手段により、車両の走行による
時間の経過を考慮して各単位区間の走行所要時間を合計
し、対象区間の走行所要時間予測値を算出する。According to the first aspect of the present invention, the magnetic toll ticket data of the toll collection system provided in each unit section is used to
The required traveling time of each unit section is calculated by the required traveling time of each unit section by the required traveling time of unit section, and the calculated required traveling time of each unit section is stored by the required traveling time of unit section. Next, a unit section traveling time pattern creating unit creates a unit section traveling time pattern in which the traveling times of each unit section are arranged in chronological order. Subsequently, the unit section travel time pattern correction means corrects the unit section travel time pattern using the actual travel time actual value of the day obtained by the unit section travel time calculation means. Finally, using the corrected unit section travel time pattern,
The required travel time calculation unit calculates the predicted travel time value of the target section by summing the required travel time of each unit section in consideration of the passage of time due to the travel of the vehicle.
【００１５】そして、請求項２の発明においては、請求
項１の車両感知器、単位区間走行所要時間算出手段にて
得られた単位区間走行所要時間を使用し、後述する請求
項６の走行所要時間予測装置にて対象区間の走行所要時
間予測値を演算する。In the invention according to claim 2, the vehicle sensor according to claim 1 and the unit section traveling time required obtained by the unit section traveling time calculating means are used, and the traveling requirement of claim 6 described later is used. A time prediction device calculates a predicted travel time value of the target section.
【００１６】そして、請求項３の発明においては、請求
項１の車両感知器、単位区間走行所要時間算出手段にて
得られた単位区間走行所要時間を使用し、後述する請求
項７の走行所要時間予測装置にて対象区間の走行所要時
間予測値を演算する。In the invention according to claim 3, the vehicle sensor according to claim 1 and the unit section travel time calculated by the unit section travel time calculation means are used, and the travel requirement of claim 7 described later is used. A time prediction device calculates a predicted travel time value of the target section.
【００１７】そして、請求項４の発明においては、請求
項１の車両感知器、単位区間走行所要時間算出手段にて
得られた単位区間走行所要時間を使用し、後述する請求
項８の走行所要時間予測装置にて対象区間の走行所要時
間予測値を演算する。According to a fourth aspect of the present invention, the vehicle sensor according to the first aspect and the unit section traveling time required obtained by the unit section traveling time calculating means are used, and the traveling requirement of the eighth section described later is used. A time prediction device calculates a predicted travel time value of the target section.
【００１８】そして、請求項５の発明においては、請求
項１の車両感知器、単位区間走行所要時間算出手段にて
得られた単位区間走行所要時間を使用し、後述する請求
項９の走行所要時間予測装置にて対象区間の走行所要時
間予測値を演算する。According to a fifth aspect of the present invention, the vehicle sensor according to the first aspect and the unit section traveling time required obtained by the unit section traveling time calculating means are used, and the traveling requirement of the ninth aspect described later is used. A time prediction device calculates a predicted travel time value of the target section.
【００１９】また、請求項６の発明においては、まず何
らかの方法で得られた単位区間走行所要時間を単位区間
走行所要時間保存手段にて保存する。次に、類似パター
ン検索手段にて、当日の単位区間走行所要時間を、単位
区間走行所要時間保存手段にて保存されている過去の単
位区間走行所要時間と比較し、類似している単位区間走
行所要時間パターンを検索する。続いて、単位区間走行
所要時間類似パターン作成手段にて、類似パターン検索
手段の検索結果を基に、単位区間走行所要時間保存手段
にて保存されている過去の単位区間走行所要時間を使用
し、単位区間走行所要時間類似パターンを作成する。最
後に、単位区間走行所要時間類似パターンを用いて、走
行所要時間予測値算出手段により、車両の走行による時
間の経過を考慮して各単位区間の走行所要時間を合計
し、対象区間の走行所要時間予測値を算出する。In the invention of claim 6, first, the required time for traveling in the unit section obtained by any method is stored in the required time for traveling in the unit section. Next, the similar pattern search means compares the unit section travel time of the day with the past unit section travel time stored in the unit section travel time storage means, and searches for similar unit section travel. Search for required time patterns. Subsequently, based on the search result of the similar pattern search means, in the unit section travel required time similar pattern creating means, using the past unit section travel required time stored in the unit section travel required time storage means, A unit section travel required time similar pattern is created. Finally, the required travel time of each unit section is summed up by the required travel time prediction value calculating means by using the similar required travel time of the target section using the similar required travel time of the target section. Calculate the time prediction value.
【００２０】また、請求項７の発明においては、まず何
らかの方法で得られた単位区間走行所要時間を単位区間
走行所要時間保存手段にて保存する。次に、単位区間走
行所要時間パターン作成手段により、各単位区間の走行
所要時間を時系列に並べた単位区間走行所要時間パター
ンを作成する。ここで、類似パターン検索手段にて、当
日の単位区間走行所要時間を、単位区間走行所要時間保
存手段にて保存されている過去の単位区間走行所要時間
と比較し、類似している単位区間走行所要時間パターン
を検索する。続いて、単位区間走行所要時間パターン補
正手段にて、類似パターン検索手段の検索結果と単位区
間走行所要時間保存手段にて保存されている過去の単位
区間走行所要時間を基に、補正した単位区間走行所要時
間パターンを作成する。最後に、補正した単位区間走行
所要時間パターンを用いて、走行所要時間予測値算出手
段により、車両の走行による時間の経過を考慮して各単
位区間の走行所要時間を合計し、対象区間の走行所要時
間予測値を算出する。Further, in the invention of claim 7, firstly, the required time for traveling in the unit section obtained by some method is stored in the required time for traveling in the unit section. Next, a unit section traveling time pattern creating unit creates a unit section traveling time pattern in which the traveling times of each unit section are arranged in chronological order. Here, the similar pattern search means compares the unit section travel time required for the current day with the past unit section travel time required stored in the unit section travel time storage means, and searches for similar unit section travel. Search for required time patterns. Subsequently, the unit section travel time pattern correction unit corrects the unit section based on the search result of the similar pattern search unit and the past unit section travel time stored in the unit section travel time storage unit. Create a travel time pattern. Finally, by using the corrected unit section travel time pattern, the travel time prediction value calculating means sums up the travel time of each unit section in consideration of the lapse of time due to the vehicle travel, and Calculate the required time prediction value.
【００２１】また、請求項８の発明においては、まず何
らかの方法で得られた単位区間走行所要時間を単位区間
走行所要時間保存手段にて保存する。次に、単位区間走
行所要時間パターン作成手段により、各単位区間の走行
所要時間を時系列に並べた単位区間走行所要時間パター
ンを作成する。ここで、補正値演算用自己回帰モデルに
て、当日の単位区間走行所要時間と、単位区間走行所要
時間保存手段にて保存されている過去の単位区間走行所
要時間を基に、自己回帰モデルを使用して、単位区間走
行所要時間パターンの補正値を演算する。ここで使用す
る自己回帰モデルは、自己回帰モデルパラメータ更新手
段にて、当日の単位区間走行所要時間と、単位区間走行
所要時間保存手段にて保存されている過去の単位区間走
行所要時間を基に、パラメータの更新を行う。続いて、
単位区間走行所要時間パターン補正手段にて、類似パタ
ーン検索手段の検索結果と単位区間走行所要時間保存手
段にて保存されている過去の単位区間走行所要時間を基
に、補正した単位区間走行所要時間パターンを作成す
る。最後に、補正した単位区間走行所要時間パターンを
用いて、走行所要時間予測値算出手段により、車両の走
行による時間の経過を考慮して各単位区間の走行所要時
間を合計し、対象区間の走行所要時間予測値を算出す
る。Further, in the invention of claim 8, first, the unit section traveling time obtained by some method is stored by the unit section traveling time storing means. Next, a unit section traveling time pattern creating unit creates a unit section traveling time pattern in which the traveling times of each unit section are arranged in chronological order. Here, based on the self-regression model for correction value calculation, the auto-regression model is calculated based on the unit section travel time required for the day and the past unit section travel time stored in the unit section travel time storage means. Then, the correction value of the unit section traveling required time pattern is calculated. The autoregressive model used here is based on the unit section travel time required on the day by the autoregression model parameter updating means and the past unit section travel time stored by the unit section travel time storage means. Update the parameters. continue,
The unit section travel time correction unit corrects the unit section travel time based on the search result of the similar pattern search unit and the past unit section travel time stored in the unit section travel time storage unit. Create a pattern. Finally, by using the corrected unit section travel time pattern, the travel time prediction value calculating means sums up the travel time of each unit section in consideration of the lapse of time due to the vehicle travel, and Calculate the required time prediction value.
【００２２】また、請求項９の発明においては、まず何
らかの方法で得られた単位区間走行所要時間を単位区間
走行所要時間保存手段にて保存する。次に、単位区間走
行所要時間パターン作成手段により、各単位区間の走行
所要時間を時系列に並べた単位区間走行所要時間パター
ンを作成する。ここで、補正値演算用ニューラルネット
ワークにて、当日の単位区間走行所要時間と、単位区間
走行所要時間保存手段にて保存されている過去の単位区
間走行所要時間を基に、ニューラルネットワークを使用
して、単位区間走行所要時間パターンの補正値を演算す
る。ここで使用するニューラルネットワークは、ニュー
ラルネットワーク学習手段にて、当日の単位区間走行所
要時間と、単位区間走行所要時間保存手段にて保存され
ている過去の単位区間走行所要時間を基に、重み係数の
学習を行う。続いて、単位区間走行所要時間パターン補
正手段にて、類似パターン検索手段の検索結果と単位区
間走行所要時間保存手段にて保存されている過去の単位
区間走行所要時間を基に、補正した単位区間走行所要時
間パターンを作成する。最後に、補正した単位区間走行
所要時間パターンを用いて、走行所要時間予測値算出手
段により、車両の走行による時間の経過を考慮して各単
位区間の走行所要時間を合計し、対象区間の走行所要時
間予測値を算出する。According to the ninth aspect of the present invention, first, the unit section traveling time obtained by some method is stored in the unit section traveling time storing means. Next, a unit section traveling time pattern creating unit creates a unit section traveling time pattern in which the traveling times of each unit section are arranged in chronological order. Here, in the correction value calculation neural network, the neural network is used based on the unit section travel time required for the day and the past unit section travel time stored in the unit section travel time storage means. Then, the correction value of the unit section traveling required time pattern is calculated. The neural network used here is a weighting coefficient based on the unit section traveling time required for the day by the neural network learning means and the past unit section traveling time stored in the unit section traveling time storage means. Do the learning. Subsequently, the unit section travel time pattern correction unit corrects the unit section based on the search result of the similar pattern search unit and the past unit section travel time stored in the unit section travel time storage unit. Create a travel time pattern. Finally, by using the corrected unit section travel time pattern, the travel time prediction value calculating means sums up the travel time of each unit section in consideration of the lapse of time due to the vehicle travel, and Calculate the required time prediction value.
【００２３】[0023]
〔本発明の基礎をなす構成例１〕 （構成例１の構成）図１は、本発明の基礎をなす構成例
１としての、走行所要時間予測装置のシステム構成を表
している。この図１に示すように、走行所要時間予測の
対象区間は、単位区間１、単位区間２、・・・単位区間
ｎのｎ区間に分割されており、各単位区間には車両感知
器が設置されている。[Configuration Example 1 Forming a Basis of the Present Invention] (Configuration of Configuration Example 1) FIG. 1 shows a system configuration of a traveling time prediction device as Configuration Example 1 forming a basis of the present invention. As shown in FIG. 1, the target section for travel time prediction is divided into n sections of unit section 1, unit section 2,... Unit section n, and a vehicle sensor is installed in each unit section. Have been.
【００２４】この構成例１の発明は、各単位区間に設置
されている車両感知器と、単位区間走行所要時間算出手
段１と、単位区間走行所要時間保存手段２と、単位区間
走行所要時間パターン作成手段３と、単位区間走行所要
時間パターン補正手段４と、走行所要時間予測値算出手
段５により構成されている。 （構成例１の作用）構成例１の各手段の作用について説
明する。各単位区間に設置された車両感知器では、各単
位区間を走行する車両の速度を検出する。次に、単位区
間走行所要時間算出手段１では、車両感知器により検出
された速度で各単位区間の長さを除することにより、各
単位区間の走行所要時間を算出する。ここで、算出され
た単位区間走行所要時間は、単位区間走行所要時間保存
手段２により保存される。The invention of the configuration example 1 comprises a vehicle sensor installed in each unit section, a unit section travel time calculation unit 1, a unit section travel time storage unit 2, and a unit section travel time pattern. It comprises a creating means 3, a unit section traveling time required pattern correcting means 4, and a traveling time predicted value calculating means 5. (Operation of Configuration Example 1) The operation of each means of Configuration Example 1 will be described. Vehicle sensors installed in each unit section detect the speed of a vehicle traveling in each unit section. Next, the unit section travel time calculation means 1 calculates the travel time of each unit section by dividing the length of each unit section by the speed detected by the vehicle sensor. Here, the calculated unit section travel required time is stored by the unit section travel required time storage unit 2.
【００２５】続いて、単位区間走行所要時間パターン作
成手段３では、各単位区間の走行に要する時間を時系列
に並べたパターンを作成する。ここで、単位区間走行所
要時間パターン作成手段３にて作成する単位区間走行所
要時間パターンについて説明する。Subsequently, the unit section traveling time pattern creating means 3 creates a pattern in which the time required for traveling in each unit section is arranged in time series. Here, the unit section traveling time pattern created by the unit section traveling time pattern creating means 3 will be described.
【００２６】図２は、単位区間走行所要時間パターンの
一例であり、各単位区間の走行所要時間を時系列で並べ
たものである。単位区間の分割数および時刻の刻み幅は
条件に応じて適切に選ぶ必要があるが、この構成例１で
は、単位区間の分割数を５、時刻の刻み幅を１０分とし
ている。例えば、午前０時から午前０時１０分（０：０
０〜０：１０）の時間帯に単位区間１に進入した車両
は、単位区間１を走行するのに８分掛かることになる。FIG. 2 shows an example of a required time period of the unit section, in which the required time of each unit section is arranged in time series. It is necessary to appropriately select the number of divisions of the unit section and the step size of the time according to the conditions. In this configuration example 1, the number of divisions of the unit section is 5, and the step size of the time is 10 minutes. For example, from midnight to 0:10 am (0: 0
A vehicle that has entered the unit section 1 in the time zone of 0 to 0:10) takes eight minutes to travel in the unit section 1.
【００２７】図２に示す単位区間走行所要時間パターン
を作成する際に、構成例１では、各単位区間の長さを法
定速度で除した値を基準とし、実際の交通状況やオペレ
ータの経験あるいは試験車両の走行データ等を加味して
作成するものとする。これは、車両感知器やＡＶＩシス
テム等のセンサが設置されていない区間においても、所
要時間の予測を可能とするためである。In creating the unit section traveling required time pattern shown in FIG. 2, in the first configuration example, the actual traffic condition, the operator's experience, or the like is based on the value obtained by dividing the length of each unit section by the legal speed. It shall be created taking into account the running data and the like of the test vehicle. This is to make it possible to predict the required time even in a section where a sensor such as a vehicle sensor or an AVI system is not installed.
【００２８】なお、単位区間走行所要時間パターンとし
ては、例えば次のような５種類を用意する。何故なら
ば、高速道路等における交通状況は、曜日や時期等に応
じて特有の挙動を示すことが知られているからである。 ＜単位区間走行所要時間パターン例＞ ・平日用 ：（火曜日〜金曜日） ・休日前用 ：（土曜日〜休日指定日前日） ・休日用 ：（日曜日、休日指定日） ・休日明け用：（月曜日、休日指定日翌日） ・特異日用 ：（年末年始、お盆、ゴールデンウィーク
等） すなわち、例えば上記５種類の単位区間走行所要時間パ
ターンを予め作成しておき、予測当日に該当する基本パ
ターンを使用することになる。For example, the following five types of unit section travel required time patterns are prepared. This is because it is known that the traffic situation on an expressway or the like shows a specific behavior according to the day of the week, the time, or the like. <Example of travel time required for unit section> ・ Weekday: (Tuesday to Friday) ・ Before holiday: (Saturday to the day before holiday specified) ・ Holiday: (Sunday, holiday specified day) ・ After holiday: (Monday,・ Special day: (Year-end and New Year holidays, Obon, Golden Week, etc.) That is, for example, the above-mentioned five types of unit section travel time patterns are created in advance, and the basic pattern corresponding to the predicted day is used. become.
【００２９】続いて、単位区間走行所要時間パターン補
正手段４では、予測当日の走行所要時間と単位区間走行
所要時間パターンとのずれを補正するため、予測時点ま
での各単位区間走行所要時間の実績値を用いて、各単位
区間の今後の走行所要時間の推移を予測する。この単位
区間走行所要時間パターン補正手段４で用いる予測方法
としては様々な方法が考えられるが、この構成例１で
は、予測当日に該当する前記単位区間走行所要時間パタ
ーンに基づき、過去数時点の走行所要時間算出値を用い
てカルマンフィルタにより自己回帰モデル係数を推定す
る。その自己回帰モデル係数を用いて、今後の単位区間
走行所要時間を予測するのである。なお、この構成例１
の予測方法は公知の技術であるため、その詳細な数式等
は省略する。Subsequently, the unit section traveling time pattern correction means 4 corrects the difference between the traveling time required on the predicted day and the unit section traveling time pattern to obtain the actual time of each unit section traveling time up to the predicted time. Using the values, the transition of the required traveling time in each unit section is predicted. Various methods can be considered as the prediction method used in the unit section traveling time pattern correction means 4. In this configuration example 1, traveling at past several time points is performed based on the unit section traveling time pattern corresponding to the prediction day. An autoregressive model coefficient is estimated by a Kalman filter using the calculated required time. The self-regression model coefficients are used to predict the required unit section traveling time in the future. Note that this configuration example 1
Is a known technique, and detailed mathematical formulas and the like are omitted.
【００３０】続いて、単位区間走行所要時間パターン補
正手段４において補正した単位区間走行所要時間パター
ンに基づいて、走行所要時間予測値算出手段５により対
象区間の走行所要時間予測値を算出する。Subsequently, based on the unit section travel time pattern corrected by the unit section travel time pattern correction section 4, the travel time prediction value calculation section 5 calculates a travel time prediction value of the target section.
【００３１】図３は、走行所要時間予測値算出手段５に
おける走行所要時間予測値の算出方法を示すものであ
る。例えば０時５分に単位区間１に進入した車両が、単
位区間５の終端に到達する時間すなわち対象区間を走行
するのに要する時間を予測する。FIG. 3 shows a method of calculating the required travel time predicted value by the required travel time predicted value calculating means 5. For example, the time when the vehicle that has entered the unit section 1 at 0:05 arrives at the end of the unit section 5, that is, the time required for traveling in the target section is predicted.
【００３２】まず、車両は、単位区間１の走行に８分を
要し、０時１３分に単位区間２に進入する。この時刻に
単位区間２に進入した車両は、単位区間２の走行に１０
分を要する。同様に時間の経過を考慮すると、各単位区
間の走行には図３の２重線で囲んだ部分を加算すること
になり、その結果、単位区間１から単位区間５までの対
象区間の走行所要時間は計５４分となり、対象区間の終
端である目的地には、０時５９分に到達することにな
る。この走行所要時間予測値算出手段５における走行所
要時間の算出手法は、タイムスライス合計手法と呼ばれ
公知の技術であるが、従来は走行車両が対象区間の終端
に到達した時点で初めて走行所要時間が判明するもので
あり、データ解析のみで予測には用いられなかった。First, the vehicle takes eight minutes to travel in unit section 1 and enters unit section 2 at 0:13. At this time, the vehicle that has entered the unit section 2 takes 10 minutes to travel in the unit section 2.
Takes minutes. Similarly, considering the passage of time, the portion enclosed by the double line in FIG. 3 is added to the travel of each unit section, and as a result, the travel requirements of the target section from unit section 1 to unit section 5 are added. The time is 54 minutes in total, and the vehicle reaches the destination at the end of the target section at 0:59. The method of calculating the required travel time in the required travel time prediction value calculating means 5 is a known technique called a time slice total technique, but conventionally, the required travel time is calculated only when the traveling vehicle reaches the end of the target section. Was found and was not used for prediction by data analysis alone.
【００３３】（構成例１の効果）以上説明したように、
構成例１の走行所要時間予測装置によれば、走行所要時
間予測の対象区間に車両感知器が設置されている場合
に、車両感知器で検出した速度に基づき、単位区間走行
所要時間パターンを作成し日々更新している。このた
め、経年変化に対応した高精度な走行所要時間予測値を
簡易な方法で算出することが可能である。また、走行所
要時間算出の際に用いる単位区間走行所要時間パターン
を曜日や時期に応じて数種類用意することにより、交通
状況の特性に対応した精度の良い走行所要時間の予測が
可能になる。さらに、予測時点までの各単位区間走行所
要時間の実績値を用いて、各単位区間の今後の走行所要
時間の推移を予測し走行所要時間の算出に反映している
ため、更なる精度の向上が可能になる。(Effect of Configuration Example 1) As described above,
According to the travel time prediction device of Configuration Example 1, when the vehicle sensor is installed in the target section of travel time prediction, a unit section travel time pattern is created based on the speed detected by the vehicle sensor. And updated daily. For this reason, it is possible to calculate a highly-accurate travel time prediction value corresponding to aging by a simple method. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation. Furthermore, using the actual value of the required travel time of each unit section up to the prediction point, the future change in the required travel time of each unit section is predicted and reflected in the calculation of the required travel time, further improving accuracy. Becomes possible.
【００３４】〔本発明の基礎をなす構成例２〕 （構成例２の構成）図４は、構成例２の走行所要時間予
測装置のシステム構成を表している。この図４に示すよ
うに、予測対象道路の各単位区間には、ＡＶＩシステム
が設置されている。この構成例２の発明は、各単位区間
に設置されているＡＶＩシステムと、単位区間走行所要
時間抽出手段６と、単位区間走行所要時間保存手段２
と、単位区間走行所要時間パターン作成手段３と、単位
区間走行所要時間パターン補正手段４と、走行所要時間
予測値算出手段５により構成されている。[Configuration Example 2 Forming the Basis of the Present Invention] (Configuration of Configuration Example 2) FIG. 4 shows the system configuration of a travel time prediction device of Configuration Example 2. As shown in FIG. 4, an AVI system is installed in each unit section of the road to be predicted. The invention of the configuration example 2 includes an AVI system installed in each unit section, a unit section traveling time extraction unit 6 and a unit section traveling time storage unit 2.
And a unit required travel time pattern creating unit 3, a required unit travel time pattern correction unit 4, and a required travel time predicted value calculation unit 5.
【００３５】（構成例２の作用）構成例２の各手段の作
用について説明する。この構成例２の特徴は、各単位区
間の走行所要時間の計測にＡＶＩシステムを使用するこ
とであり、それ以外は構成例１と同様である。(Operation of Configuration Example 2) The operation of each means of Configuration Example 2 will be described. The feature of this configuration example 2 is that the AVI system is used for measuring the required travel time of each unit section, and the other points are the same as the configuration example 1.
【００３６】ＡＶＩシステムとは、走行車両のナンバを
画像認識することにより、ＡＶＩシステムが設置されて
いる区間の走行所要時間を精度良く測定するシステムで
あり、既に実用化されている。The AVI system is a system that accurately measures the required travel time in a section where the AVI system is installed by recognizing the number of a traveling vehicle by an image, and has already been put to practical use.
【００３７】この構成例２では、各単位区間に設置され
たＡＶＩシステムにより、各単位区間の走行所要時間を
計測し、単位区間走行所要時間抽出手段６にて単位区間
走行所要時間を抽出する。抽出された単位区間走行所要
時間は、単位区間走行所要時間保存手段２において保存
される。続いて、単位区間走行所要時間パターン作成手
段３により、単位区間走行所要時間保存手段２において
保存されている単位区間走行所要時間に時系列処理を行
い、単位区間走行所要時間パターンを作成する。それ以
外は構成例１と同様であるため、説明を省略する。In the second configuration example, the AVI system installed in each unit section measures the travel time required for each unit section, and the unit section travel time extraction means 6 extracts the unit section travel time. The extracted unit section travel time required is stored in the unit section travel time storage unit 2. Subsequently, the unit section required travel time pattern creation means 3 performs time series processing on the unit section required travel time stored in the unit section required travel time storage means 2 to create a unit section required travel time pattern. Otherwise, the configuration is the same as that of the configuration example 1, and the description is omitted.
【００３８】（構成例２の効果）以上説明したように、
構成例２の走行所要時間予測装置によれば、走行所要時
間予測の対象区間にＡＶＩシステムが設置されている場
合に、ＡＶＩシステムで測定した単位区間の走行所要時
間に基づき単位区間走行所要時間パターンを作成し、日
々更新しているため、経年変化に対応した高精度な走行
所要時間予測値を簡易な方法で算出することが可能であ
る。また、走行所要時間算出の際に用いる単位区間走行
所要時間パターンを曜日や時期に応じて数種類用意する
ことにより、交通状況の特性に対応した精度の良い走行
所要時間の予測が可能になる。さらに、予測時点までの
各単位区間走行所要時間の実績値を用いて各単位区間の
今後の走行所要時間の推移を予測し、走行所要時間の算
出に反映しているため、更なる精度の向上が可能にな
る。(Effect of Configuration Example 2) As described above,
According to the travel time prediction device of Configuration Example 2, when the AVI system is installed in the target section of travel time prediction, the unit section travel time pattern based on the travel time of the unit section measured by the AVI system Is generated and updated every day. Therefore, a highly accurate travel time prediction value corresponding to aging can be calculated by a simple method. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation. Furthermore, since the transition of the required travel time of each unit section is predicted using the actual value of the required travel time of each unit section up to the prediction point and reflected in the calculation of the required travel time, further improvement in accuracy is achieved. Becomes possible.
【００３９】[0039]
〔実施例１〕 （実施例１の構成）図５は、実施例１の走行所要時間予
測装置のシステム構成を表している。この図５に示すよ
うに実施例１の発明は、各単位区間に設置された料金収
受システムと、単位区間所要時間算出手段１ａと、単位
区間走行所要時間保存手段２と、単位区間走行所要時間
パターン作成手段３と、単位区間走行所要時間パターン
補正手段４と、走行所要時間予測値算出手段５により構
成されている。Embodiment 1 (Configuration of Embodiment 1) FIG. 5 shows a system configuration of a travel required time prediction device of Embodiment 1. As shown in FIG. 5, the invention according to the first embodiment includes a toll collection system installed in each unit section, a unit section required time calculating unit 1a, a unit section required traveling time storage unit 2, a unit section required traveling time. It comprises a pattern creating means 3, a unit section traveling time required pattern correcting means 4, and a traveling time predicted value calculating means 5.
【００４０】（実施例１の作用）実施例１の各手段の作
用について説明する。この実施例１の特徴は、各単位区
間の走行所要時間の算出に料金収受システムの磁気通行
券のデータを使用することであり、それ以外は構成例１
と同様である。(Operation of First Embodiment) The operation of each means of the first embodiment will be described. The feature of the first embodiment is that the data of the magnetic toll ticket of the toll collection system is used to calculate the required travel time of each unit section.
Is the same as
【００４１】料金収受システムは、全国の高速道路等の
有料道路に設置されている。料金収受システムでは、入
口インターチェンジにおいて走行車両の運転手に磁気通
行券を渡し、出口インターチェンジにおいて磁気通行券
を回収し料金を徴収する。その際に、走行車両が入口イ
ンターチェンジに進入した時間と出口インターチェンジ
から出た時間とが記録されている。この実施例１は、こ
のデータを基に走行所要時間の予測を行うものである。The toll collection system is installed on toll roads such as expressways nationwide. In the toll collection system, a magnetic ticket is given to a driver of a traveling vehicle at an entrance interchange, and a magnetic ticket is collected at an exit interchange to collect a fee. At this time, the time when the traveling vehicle enters the entrance interchange and the time when the traveling vehicle exits the exit interchange are recorded. In the first embodiment, the required travel time is predicted based on this data.
【００４２】この実施例１では、各単位区間に設置され
た料金収受システムにおける磁気通行券データに記載さ
れた走行車両の入口インターチェンジ進入時刻と出口イ
ンターチェンジ退出時刻とを蓄える。次に、単位区間走
行所要時間算出手段１ａでは、入口インターチェンジ進
入時刻と出口インターチェンジ退出時刻とから、走行車
両が各単位区間の走行に要した時間を算出する。この際
に、単位区間内にサービスエリア等が存在する場合に
は、走行車両のうち休憩したと考えられるデータを除外
する必要がある。例えば、走行所要時間の度数分布をと
り、これらのデータを除外する。ここで得られた単位区
間走行所要時間は、単位区間走行所要時間保存手段２に
おいて保存される。続いて、単位区間走行所要時間パタ
ーン作成手段３により、単位区間走行所要時間保存手段
２において保存されている単位区間走行所要時間に時系
列処理を行い、単位区間走行所要時間パターンを作成す
る。それ以外は、構成例１と同様であるため説明を省略
する。In the first embodiment, the entry time of the entrance interchange and the exit time of the exit interchange of the traveling vehicle described in the magnetic ticket data in the toll collection system installed in each unit section are stored. Next, the unit section travel time calculation means 1a calculates the time required for the traveling vehicle to travel in each unit section from the entrance interchange entry time and the exit interchange exit time. At this time, if a service area or the like exists in the unit section, it is necessary to exclude data of the traveling vehicle that is considered to have taken a break. For example, a frequency distribution of the required travel time is obtained, and these data are excluded. The unit section travel time required obtained here is stored in the unit section travel time storage unit 2. Subsequently, the unit section required travel time pattern creation means 3 performs time series processing on the unit section required travel time stored in the unit section required travel time storage means 2 to create a unit section required travel time pattern. Otherwise, the configuration is the same as that of the configuration example 1, and the description is omitted.
【００４３】（実施例１の効果）以上説明したように、
実施例１の走行所要時間予測装置によれば、走行所要時
間予測の対象区間に料金収受システムが設置されている
場合に、料金収受システムの磁気通行券データに基づき
単位区間走行所要時間パターンを作成し、日々更新して
いるため、経年変化に対応した高精度な走行所要時間予
測値を簡易な方法で算出することが可能であり、車両感
知器やＡＶＩシステムが設置されていない高速道路でも
使用可能である。また、走行所要時間算出の際に用いる
単位区間走行所要時間パターンを曜日や時期に応じて数
種類用意することにより、交通状況の特性に対応した精
度の良い走行所要時間の予測が可能になる。さらに、予
測時点までの各単位区間走行所要時間の実績値を用いて
各単位区間の今後の走行所要時間の推移を予測し、走行
所要時間の算出に反映しているため、更なる精度の向上
が可能になる。(Effect of Embodiment 1) As described above,
According to the travel time prediction device of the first embodiment, when the toll collection system is installed in the target section of the travel time prediction, the unit section travel time pattern is created based on the magnetic toll ticket data of the toll collection system. However, since it is updated daily, it is possible to calculate a highly accurate predicted travel time corresponding to aging by a simple method, and it can be used even on a highway without a vehicle detector or an AVI system. It is possible. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation. Furthermore, since the transition of the required travel time of each unit section is predicted using the actual value of the required travel time of each unit section up to the prediction point and reflected in the calculation of the required travel time, further improvement in accuracy is achieved. Becomes possible.
【００４４】〔実施例２〕 （実施例２の構成）図６は、実施例２の走行所要時間予
測装置のシステム構成を表している。この図６に示すよ
うに実施例２の発明は、単位区間走行所要時間保存手段
２と、類似パターン検索手段７と、単位区間走行所要時
間類似パターン作成手段８と、走行所要時間予測値算出
手段５ａとにより構成されている。[Second Embodiment] (Configuration of Second Embodiment) FIG. 6 shows a system configuration of a travel required time prediction device according to a second embodiment. As shown in FIG. 6, the invention according to the second embodiment includes a unit section travel time storage unit 2, a similar pattern search unit 7, a unit section travel time similar pattern creation unit 8, and a travel time prediction value calculation unit. 5a.
【００４５】（実施例２の作用）実施例２の各手段の作
用について説明する。まず、何らかの手法たとえば車両
感知器、ＡＶＩシステム、料金収受システムなどによ
り、単位区間走行所要時間が得られたとする。この単位
区間走行所要時間を、単位区間走行所要時間保存手段２
において保存する。ここで、保存するデータとしては、
例えば、曜日毎にｎ日分（例えば１０日分）等とする。
次に、類似パターン検索手段７にて、当日得られたデー
タと、保存されているデータとを比較し、過去に得られ
たいつのデータに類似しているかを検索する（図１０参
照）。(Operation of Second Embodiment) The operation of each means of the second embodiment will be described. First, it is assumed that the travel time required for the unit section has been obtained by some method such as a vehicle sensor, an AVI system, and a toll collection system. This unit section travel time is stored in the unit section travel time storage means 2.
Save in. Here, as the data to be saved,
For example, for each day of the week, n days (for example, 10 days) are set.
Next, the similar pattern search means 7 compares the data obtained on the day with the stored data, and searches whether or not the data is similar to the data desired in the past (see FIG. 10).
【００４６】検索方法としては、例えば、過去の同じ時
間帯の単位区間走行所要時間との誤差を演算し、１日分
の誤差の合計が一番小さいものを選び出す方法や、変化
の割合（傾き）を比較して、一番近いものを選び出す等
の方法が挙げられる。類似パターン検索手段にて、過去
のいつのデータに類似しているか判明したら、単位区間
走行所要時間類似パターン作成手段８にて、検索結果を
基に、単位区間走行所要時間保存手段２において保存さ
れている過去のデータを時系列的に処理し、単位区間走
行所要時間類似パターンを作成する。この単位区間走行
所要時間類似パターンを基に、走行所要時間予測値算出
手段５ａにて走行所要時間予測値を演算する。走行所要
時間予測値算出手段５ａは、構成例１における走行所要
時間予測値算出手段５において使用される単位区間走行
所要時間パターンが単位区間走行所要時間類似パターン
に代わっただけであるので説明を省略する。As a search method, for example, a method of calculating an error from a unit section traveling time required in the past in the same time zone and selecting the one with the smallest total error for one day, or a rate of change (slope) ), And select the closest one. When the similar pattern search unit determines which data is similar to the past data, the unit section traveling required time similar pattern creating unit 8 stores the data in the unit section traveling required time storage unit 2 based on the search result. The past data is processed in chronological order to create a unit section traveling required time similar pattern. The required travel time predicted value is calculated by the required travel time predicted value calculating means 5a based on the unit section required travel time similar pattern. The required travel time predicted value calculating means 5a will not be described because the unit section required travel time pattern used in the required travel time predicted value calculation means 5 in Configuration Example 1 is merely replaced with the unit required travel time similar pattern. I do.
【００４７】（実施例２の効果）以上説明したように実
施例２の走行所要時間予測装置によれば、過去のデータ
で最も類似している日のデータを使用し作成した単位区
間走行所要旅行時間類似パターンを使用するので、経年
変化に対応した高精度な走行所要時間予測値を簡易な方
法で算出することが可能である。さらに、単位区間走行
所要時間保存手段２において保存するデータを増やすこ
とで、より高い精度の予測が可能である。(Effects of Second Embodiment) As described above, according to the travel time estimation device of the second embodiment, the unit section travel required trip created by using data of the day most similar to the past data. Since the time-similar pattern is used, it is possible to calculate a highly-accurate predicted travel time value corresponding to aging by a simple method. Further, by increasing the data stored in the unit section required travel time storage means 2, it is possible to perform prediction with higher accuracy.
【００４８】〔実施例３〕 （実施例３の構成）図７は、実施例３の走行所要時間予
測装置のシステム構成を表している。この図７に示すよ
うに、実施例３の発明は、単位区間走行所要時間保存手
段２と、単位区間走行所要時間パターン作成手段３と、
類似パターン検索手段７と、単位区間走行所要時間パタ
ーン補正手段４ａと、走行所要時間予測値算出手段５に
より構成されている。Third Embodiment (Configuration of Third Embodiment) FIG. 7 shows a system configuration of a travel time estimation device of a third embodiment. As shown in FIG. 7, the invention of the third embodiment includes a unit section traveling time storage unit 2, a unit section traveling time pattern creating unit 3,
It comprises a similar pattern search means 7, a required travel time unit pattern correction means 4 a, and a required travel time predicted value calculation means 5.
【００４９】（実施例３の作用）実施例３の各手段の作
用について説明する。まず、何らかの手法たとえば車両
感知器、ＡＶＩシステム、料金収受システムなどによ
り、単位区間走行所要時間が得られたとする。この単位
区間走行所要時間を単位区間走行所要時間保存手段２に
おいて保存する。続いて、単位区間走行所要時間パター
ン作成手段３により、単位区間走行所要時間保存手段２
において保存されている単位区間走行所要時間に時系列
処理を行い、単位区間走行所要時間パターンを作成す
る。(Operation of Third Embodiment) The operation of each means of the third embodiment will be described. First, it is assumed that the travel time required for the unit section has been obtained by some method such as a vehicle sensor, an AVI system, and a toll collection system. The unit section traveling time required is stored in the unit section traveling time storing means 2. Subsequently, the required unit section travel time storing means 2 is provided by the unit section travel required time pattern creating means 3.
The time series processing is performed on the required unit section traveling time stored in the step (1) to create a unit section traveling required time pattern.
【００５０】次に、類似パターン検索手段７にて、過去
のいつのデータに類似しているかを検索する。単位区間
走行所要時間保存手段２と、類似パターン検索手段７に
関しては実施例２と同様であるので、詳細な説明は省略
する。類似パターン検索手段７にて、過去のいつのデー
タに類似しているか判明したら、単位区間走行所要時間
パターン補正手段４ａにて、検索結果を基に単位区間走
行所要時間保存手段２に保存されている過去のデータを
時系列的に処理して得られた類似パターンにより、単位
区間走行所要時間パターンを補正する。補正の方法とし
ては、例えば、類似パターンと単位区間走行所要時間パ
ターンの重み付け平均をとり、補正後のパターンとする
方法等があげられる。最後に、補正された単位区間走行
所要時間パターンを基に、走行所要時間予測値算出手段
５にて走行所要時間予測値を演算する。走行所要時間予
測値算出手段５は、構成例１と同様であるため説明を省
略する。Next, the similar pattern search means 7 searches for data which is similar to the past data. The unit section traveling time required storage unit 2 and the similar pattern search unit 7 are the same as those in the second embodiment, and thus detailed description is omitted. When the similar pattern search means 7 finds out which data in the past it is similar to, it is stored in the unit section travel time storage means 2 based on the search result by the unit section travel time pattern correction means 4a. The unit section traveling required time pattern is corrected by a similar pattern obtained by processing past data in time series. As a correction method, for example, there is a method in which a weighted average of a similar pattern and a unit section traveling required time pattern is obtained to obtain a corrected pattern. Finally, the required travel time predicted value is calculated by the required travel time predicted value calculating means 5 based on the corrected unit section travel required time pattern. The required travel time predicted value calculation means 5 is the same as that of the first configuration example, and thus the description thereof is omitted.
【００５１】（実施例３の効果）以上説明したように、
実施例３の走行所要時間予測装置によれば、過去のデー
タで最も類似している日のデータを使用し補正した単位
区間走行所要旅行時間パターンを使用するので、経年変
化に対応した高精度な走行所要時間予測値を簡易な方法
で算出することが可能である。さらに、単位区間走行所
要時間保存手段２において保存するデータを増やすこと
で、より高い精度の予測が可能である。また、走行所要
時間算出の際に用いる単位区間走行所要時間パターンを
曜日や時期に応じて数種類用意することにより、交通状
況の特性に対応した精度の良い走行所要時間の予測が可
能になる。(Effect of Embodiment 3) As described above,
According to the required travel time prediction device of the third embodiment, the unit section travel required travel time pattern corrected using the data of the most similar day in the past data is used. It is possible to calculate the required travel time prediction value by a simple method. Further, by increasing the data stored in the unit section required travel time storage means 2, it is possible to perform prediction with higher accuracy. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
【００５２】〔実施例４〕 （実施例４の構成）図８は、実施例４の走行所要時間予
測装置のシステム構成を表している。この図８に示すよ
うに実施例４の発明は、単位区間走行所要時間保存手段
２と、単位区間走行所要時間パターン作成手段３と、補
正値演算用自己回帰モデル９と、自己回帰モデルパラメ
ータ更新手段１０と、単位区間走行所要時間パターン補
正手段４ｂと、走行所要時間予測値算出手段５により構
成されている。[Fourth Embodiment] (Configuration of Fourth Embodiment) FIG. 8 shows a system configuration of a travel required time prediction device according to a fourth embodiment. As shown in FIG. 8, the invention of the fourth embodiment includes a unit section traveling time storage means 2, a unit section traveling time pattern creating means 3, an autoregression model 9 for correction value calculation, and an autoregression model parameter update. It comprises a means 10, a unit required traveling time pattern correction means 4 b, and a traveling time predicted value calculating means 5.
【００５３】（実施例４の作用）実施例４の各手段の作
用について説明する。まず、何らかの手法たとえば車両
感知器、ＡＶＩシステム、料金収受システムなどによ
り、単位区間走行所要時間が得られたとする。この単位
区間走行所要時間を単位区間走行所要時間保存手段２に
おいて保存する。続いて、単位区間走行所要時間パター
ン作成手段３により、単位区間走行所要時間保存手段２
において保存されている単位区間走行所要時間に時系列
処理を行い、単位区間走行所要時間パターンを作成す
る。(Operation of Fourth Embodiment) The operation of each means of the fourth embodiment will be described. First, it is assumed that the travel time required for the unit section has been obtained by some method such as a vehicle sensor, an AVI system, and a toll collection system. The unit section traveling time required is stored in the unit section traveling time storing means 2. Subsequently, the required unit section travel time storing means 2 is provided by the unit section travel required time pattern creating means 3.
The time series processing is performed on the required unit section traveling time stored in the step (1) to create a unit section traveling required time pattern.
【００５４】次に、補正値演算用自己回帰モデル９に
て、当日のデータを基に、単位区間走行所要時間パター
ンの補正値を演算する。また、補正値演算用自己回帰モ
デル９にて使用される自己回帰モデルは、自己回帰モデ
ルパラメータ更新手段１０にて、ある時間毎（例えばｐ
時間に１回等）にパラメータを更新する。ここで、補正
に使用する自己回帰モデルの例を挙げる。 ●単位区間走行所要時間の誤差の自己回帰モデルの場合
の一例 各変数は、以下の内容を示すものとする。Next, the correction value of the unit section traveling required time pattern is calculated by the correction value calculation autoregressive model 9 based on the data of the day. The autoregressive model used in the autonomous regression model 9 for correction value calculation is updated by the autoregressive model parameter updating means 10 at certain intervals (for example, p
Update the parameters once every hour). Here, an example of an autoregressive model used for correction will be described. ● Example of auto-regression model of error of required time for unit section travel Each variable shall indicate the following contents.
【００５５】Ｔｐ(t) ：時刻ｔの単位区間走行所要時間
パターンの値 Ｔａ(t) ：時刻ｔの当日の単位区間走行所要時間の実績
値 Ｘ(1) 〜Ｘ(n) ：自己回帰モデルのパラメータ Ｃ(t) ：時刻ｔの単位区間走行所要時間パターンの補正
値 Δｔ：サンプル周期 時刻ｔにおいて、時刻（ｔ−ｈ×Δｔ）までの当日の単
位区間走行所要時間実績値が求まっているとすると、時
刻ｔの単位区間走行所要時間の補正値Ｃ（ｔ）の自己回
帰モデルは、以下のものとなる。Tp (t): Value of the required travel time of the unit section at time t Ta (t): Actual value of the required travel time of the unit section on the day at time t X (1) to X (n): Autoregressive model Parameter C (t): Correction value of unit section travel time pattern at time t Δt: Sample period At time t, the actual value of the unit section travel time required until the time (th−h × Δt) is obtained. Then, the autoregressive model of the correction value C (t) of the unit section traveling required time at the time t is as follows.
【００５６】 Ｃ(t) ＝Ｘ(1) ×（Ｔｐ(t-h×Δt)−Ｔａ(t-h×Δt)) ＋Ｘ(2) ×（Ｔｐ(t-(h-1)×Δt)−Ｔａ(t-(h-1)×Δt)) ＋ …＋Ｘ(n) ×（Ｔｐ(t-(h-n-1)×Δt)−Ｔａ(t-(h-n-1)×Δt)) ‥‥（１） ここで、式（１）で表される自己回帰モデルのパラメー
タＸ(1) 〜Ｘ(n) は、過去のデータを用いて、最小２乗
法等のパラメータ更新アルゴリズムを利用することによ
り更新される（自己回帰モデルのパラメータ更新アルゴ
リズムの詳細に関しては、文献「システム同定」（著者
相良、秋月他 計測自動制御学会発行）の第４章同定
法II、第５章オンライン同定法を参照）。また、式
（１）を実績値が得られている時刻の次の時刻（時刻
（ｔ−ｈ＋１））に関して作成した場合（式（２））、
これを繰り返し使用することにより、ｍ時間先までの補
正値の演算が可能である。C (t) = X (1) × (Tp (th × Δt) −Ta (th × Δt)) + X (2) × (Tp (t− (h−1) × Δt) −Ta (t − (h−1) × Δt)) +… + X (n) × (Tp (t− (hn−1) × Δt) −Ta (t− (hn−1) × Δt)) ‥‥ (1) here Then, the parameters X (1) to X (n) of the autoregressive model represented by the equation (1) are updated by using a past data and using a parameter updating algorithm such as a least squares method ( For details of the algorithm for updating the parameters of the autoregressive model, see Chapter 4 Identification Method II and Chapter 5 Online Identification Method in the document "System Identification" (author Sagara, Akizuki et al. Published by the Society of Instrument and Control Engineers). Also, when formula (1) is created for the time (time (t−h + 1)) next to the time at which the actual value is obtained (formula (2)),
By repeatedly using this, it is possible to calculate the correction value up to m hours ahead.
【００５７】 Ｃ(t-(h+1)×Δt)＝Ｘ(1) ×（Ｔｐ(t-h×Δｔ）−Ｔａ(t-h×Δｔ)) ＋Ｘ(2) ×（Ｔｐ(t-(h-1)×Δt)−Ｔａ(t-(h-1)×Δt)) ＋… ＋Ｘ(n) ×（Ｔｐ(t-(h-n-1)×Δt)−Ｔａ(t-(h-n-1)×Δt)) ‥‥（２） 補正値演算用自己回帰モデル９にてパターン補正値が算
出された後に、単位区間走行所要時間パターン補正手段
４ｂにて、求められた補正値を基に単位区間走行所要時
間パターン作成手段３にて作成された単位区間走行所要
時間パターンを補正する。補正の方法としては、例え
ば、単位区間走行所要時間パターンに算出された補正量
を加える方法等が挙げられる。最後に、補正された単位
区間走行所要時間パターンを基に、走行所要時間予測値
算出手段５にて走行所要時間予測値を演算する。走行所
要時間予測値算出手段５は、構成例１と同様であるため
説明を省略する。C (t− (h + 1) × Δt) = X (1) × (Tp (th × Δt) −Ta (th × Δt)) + X (2) × (Tp (t− (h−1 ) × Δt) −Ta (t− (h−1) × Δt)) +... + X (n) × (Tp (t− (hn−1) × Δt) −Ta (t− (hn−1) × Δt) )) ‥‥ (2) After the pattern correction value is calculated by the autonomous regression model 9 for correction value calculation, the unit section traveling time required by the unit section traveling time pattern correction means 4b is calculated based on the obtained correction value. The unit section traveling required time pattern created by the time pattern creating means 3 is corrected. As a method of the correction, for example, a method of adding the calculated correction amount to the unit section traveling required time pattern or the like can be mentioned. Finally, the required travel time predicted value is calculated by the required travel time predicted value calculating means 5 based on the corrected unit section travel required time pattern. The required travel time predicted value calculation means 5 is the same as that of the first configuration example, and thus the description thereof is omitted.
【００５８】（実施例４の効果）以上説明したように、
実施例４の走行所要時間予測装置によれば、逐次（また
はある時間毎に）パラメータを更新する自己回帰モデル
を使用し、補正値を演算することで、経年変化に対応し
た高精度な走行所要時間予測値を簡易な方法で算出する
ことが可能である。また、走行所要時間算出の際に用い
る単位区間走行所要時間パターンを、曜日や時期に応じ
て数種類用意することにより、交通状況の特性に対応し
た精度の良い走行所要時間の予測が可能になる。(Effect of Embodiment 4) As described above,
According to the travel time prediction device of the fourth embodiment, a self-regression model that updates parameters sequentially (or at certain time intervals) is used, and a correction value is calculated. The time prediction value can be calculated by a simple method. Further, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required for the characteristics of the traffic situation.
【００５９】〔実施例５〕 （実施例５の構成）図９は、実施例５の走行所要時間予
測装置のシステム構成を表している。この図９に示すよ
うに、実施例５の発明は、単位区間走行所要時間保存手
段２と、単位区間走行所要時間パターン作成手段３と、
補正値演算用ニューラルネットワーク１１と、ニューラ
ルネットワーク学習手段１２と、単位区間走行所要時間
パターン補正手段４ｃと、走行所要時間予測値算出手段
５により構成されている。Fifth Embodiment (Structure of Fifth Embodiment) FIG. 9 shows a system structure of a travel time estimation device of a fifth embodiment. As shown in FIG. 9, the invention of the fifth embodiment includes a unit section traveling required time storage unit 2, a unit section traveling required time pattern creating unit 3,
It comprises a correction value calculation neural network 11, a neural network learning means 12, a unit time required travel time pattern correction means 4c, and a required travel time predicted value calculation means 5.
【００６０】（実施例５の作用）実施例５の各手段の作
用について説明する。まず、何らかの手法たとえば車両
感知器、ＡＶＩシステム、料金収受システムなどによ
り、単位区間走行所要時間が得られたとする。この単位
区間走行所要時間を単位区間走行所要時間保存手段２に
おいて保存する。続いて、単位区間走行所要時間パター
ン作成手段３により、単位区間走行所要時間保存手段２
において保存されている単位区間走行所要時間に時系列
処理を行い、単位区間走行所要時間パターンを作成す
る。(Operation of Fifth Embodiment) The operation of each means of the fifth embodiment will be described. First, it is assumed that the travel time required for the unit section has been obtained by some method such as a vehicle sensor, an AVI system, and a toll collection system. The unit section traveling time required is stored in the unit section traveling time storing means 2. Subsequently, the required unit section travel time storing means 2 is provided by the unit section travel required time pattern creating means 3.
The time series processing is performed on the required unit section traveling time stored in the step (1) to create a unit section traveling required time pattern.
【００６１】次に、補正値演算用ニューラルネットワー
ク１１にて、当日のデータを基に、単位区間走行所要時
間パターンの補正値を演算する。また、補正値演算用ニ
ューラルネットワーク１１にて使用されるニューラルネ
ットワークは、ニューラルネットワーク学習手段１２に
て、重み係数を学習する。ここで、補正値演算用のニュ
ーラルネットワークには、回想型、相互結合型などの種
類があるが、ここでは、階層型ニューラルネットワーク
を使用した場合の補正値演算方法の例を挙げる。 ●補正値演算用ニューラルネットワークの一例 ここでは、階層型ニューラルネットワークを使用した場
合の補正値演算方法について説明する。階層型ニューラ
ルネットワークとは、図１１に示す構造をしており、入
力信号に対し、希望の出力信号を出力するように学習さ
せたものである。学習には、希望の出力信号を教師信号
とし、誤差を最小とするように学習する。学習の方法と
しては、最も一般的なものとして、バックプロパゲーシ
ョン法（誤差逆伝播法）が挙げられる（バックプロパゲ
ーション法に関する詳細は、所要時間予測装置（特願平
８−３９０２５号）の特許明細書または文献「パワーエ
レクトロニクスとシステム制御」（安部ＣＦＬ編著 オ
ーム社発行）を参照）。Next, the correction value calculating neural network 11 calculates a correction value for the unit section traveling required time pattern based on the data of the day. The neural network used in the correction value calculating neural network 11 learns a weight coefficient by a neural network learning means 12. Here, there are various types of neural networks for calculating a correction value, such as a recollection type and a mutual connection type. Here, an example of a correction value calculation method using a hierarchical neural network will be described. Example of Correction Value Calculation Neural Network Here, a correction value calculation method when a hierarchical neural network is used will be described. The hierarchical neural network has a structure shown in FIG. 11, and is learned from an input signal so as to output a desired output signal. In the learning, a desired output signal is used as a teacher signal, and learning is performed so as to minimize an error. As a learning method, the most common method is a back propagation method (error back propagation method). (For details on the back propagation method, refer to the patent of the required time prediction device (Japanese Patent Application No. 8-39025). Refer to the specification or the document "Power Electronics and System Control" (edited by Abe CFL, published by Ohmsha).
【００６２】この階層型ニューラルネットワークを使用
した補正値演算用ニューラルネットワークの構成を、図
１２に示す。図１２に示すニューラルネットワークは、
当日の走行所要時間実績値とそれに対応する単位区間走
行所要時間パターンとの誤差を入力信号とし、出力信号
として補正値を出力するように学習するものである。ニ
ューラルネットワークの学習は、過去の単位区間走行所
要時間実績値と単位区間走行所要時間パターンを使用し
バックプロパゲーションにて行う。この時の教師信号と
して使用する補正値は、入力に対応する時刻の単位区間
走行所要時間実績値と単位区間走行所要時間パターンと
の誤差を使用する。例えば、時刻ｔにおいて、時刻（ｔ
−ｈ×Δｔ）までの実績値が使用可能な場合、ニューラ
ルネットワークの入力は、 ・時刻（ｔ−ｈ×Δｔ）のパターンと実績値の誤差 ・時刻（ｔ−（ｈ−１）×Δｔ）のパターンと実績値の誤差 ・時刻（ｔ−（ｈ−２）×Δｔ）のパターンと実績値の誤差 ・時刻（ｔ−（ｈ−３）×Δｔ）のパターンと実績値の誤差 ・ ・ ・時刻（ｔ−（ｈ−ｎ−１）×Δｔ）のパターンと実績値の誤差 （このとき、ｎはニューラルネットワークの入力層の素
子数）であり、ニューラルネットワークの出力は時刻
（ｔ−（ｈ＋１）×Δｔ）のパターン補正値である。ま
た、時刻（ｔ−ｈ×Δｔ）までの実績値を使用して学習
を行う場合の一例としては、ニューラルネットワークの
入力は、 ・時刻（ｔ−（ｈ−１）×Δｔ）のパターンと実績値の誤差 ・時刻（ｔ−（ｈ−２）×Δｔ）のパターンと実績値の誤差 ・時刻（ｔ−（ｈ−３）×Δｔ）のパターンと実績値の誤差 ・ ・ ・時刻（ｔ−（ｈ−ｎ）×Δｔ）のパターンと実績値の誤差 （このとき、ｎはニューラルネットワークの入力層の素
子数）であり、ニューラルネットワークの教師信号は、 ・時刻（ｔ−ｈ×Δｔ）のパターンと実績値の誤差 を使用する。FIG. 12 shows the configuration of a correction value calculating neural network using this hierarchical neural network. The neural network shown in FIG.
The learning is performed so that the error between the actual travel time required value of the day and the corresponding unit section travel time pattern is used as an input signal and a correction value is output as an output signal. Learning of the neural network is performed by back propagation using the past unit section traveling time actual value and the unit section traveling time pattern. The correction value used as the teacher signal at this time uses an error between the unit section travel required time actual value at the time corresponding to the input and the unit section travel required time pattern. For example, at time t, time (t
When the actual value up to −h × Δt) can be used, the input of the neural network is: the error between the pattern of the time (th−h × Δt) and the actual value; and the time (t− (h−1) × Δt). The error between the pattern at time (t− (h−2) × Δt) and the actual value • The error between the pattern at time (t− (h−3) × Δt) and the actual value The error between the pattern at the time (t− (h−n−1) × Δt) and the actual value (where n is the number of elements in the input layer of the neural network), and the output of the neural network is the time (t− (h + 1) ) × Δt). Further, as an example of learning using the actual value up to the time (t−h × Δt), the input of the neural network includes: a pattern of the time (t− (h−1) × Δt) and the actual Value error • Error between time (t− (h−2) × Δt) pattern and actual value • Error between time (t− (h−3) × Δt) pattern and actual value • Time (t− (H−n) × Δt) The error between the pattern and the actual value (where n is the number of elements in the input layer of the neural network), and the teacher signal of the neural network is: Use the error between the pattern and the actual value.
【００６３】補正値演算用ニューラルネットワーク１１
においてパターン補正値が算出された後に、単位区間走
行所要時間パターン補正手段４ｃにて、求められた補正
値を基に単位区間走行所要時間パターン作成手段３にて
作成された単位区間走行所要時間パターンを補正する。
補正の方法としては、例えば、単位区間走行所要時間パ
ターンに算出された補正値を加える方法等が挙げられ
る。最後に補正された単位区間走行所要時間パターンを
基に、走行所要時間予測値算出手段５にて走行所要時間
予測値を演算する。走行所要時間予測値算出手段５は、
構成例１と同様であるため説明を省略する。Neural network 11 for calculating correction values
After the pattern correction value is calculated in, the unit section travel time pattern correction means 4c creates the unit section travel time pattern created by the unit section travel time pattern creation means 3 based on the correction value obtained. Is corrected.
As a correction method, for example, a method of adding the calculated correction value to the unit section traveling required time pattern or the like can be cited. Finally, the required travel time predicted value is calculated by the required travel time predicted value calculating means 5 on the basis of the corrected unit section required travel time pattern. The required travel time prediction value calculation means 5 includes:
The description is omitted because it is the same as the configuration example 1.
【００６４】（実施例５の効果）以上説明したように、
実施例４の走行所要時間予測装置によれば、逐次（また
はある時間毎に）学習を行うニューラルネットワークを
使用し、補正値を演算することで、経年変化に対応した
高精度な走行所要時間予測値を簡易な方法で算出するこ
とが可能である。また、走行所要時間算出の際に用いる
単位区間走行所要時間パターンを曜日や時期に応じて数
種類用意することにより、交通状況の特性に対応した精
度の良い走行所要時間の予測が可能になる。(Effect of Embodiment 5) As described above,
According to the travel time prediction device of the fourth embodiment, a neural network that performs learning successively (or at certain time intervals) is used, and a correction value is calculated, thereby accurately predicting the travel time corresponding to aging. The value can be calculated by a simple method. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
【００６５】〔他の実施例〕上記構成例１、構成例２お
よび本発明の実施例１では、それぞれセンサとして車両
感知器、ＡＶＩシステム、料金収受システムが設置され
ている場合について記載した。道路によっては、これら
のセンサが数種類組み合わさせて設置されている場合が
ある。その場合には、全ての種類のセンサ情報を利用す
ることにより各単位区間の走行所要時間をより精度良く
測定あるいは算出し、それによって対象区間の走行所要
時間の予測精度を向上することが可能になる。[Other Embodiments] In the above-described configuration example 1, configuration example 2, and the first embodiment of the present invention, the case where a vehicle sensor, an AVI system, and a toll collection system are installed as sensors has been described. Depending on the road, these sensors may be installed in combination of several types. In that case, it is possible to more accurately measure or calculate the travel time of each unit section by using all types of sensor information, thereby improving the prediction accuracy of the travel time of the target section. Become.
【００６６】逆に、一部の単位区間にセンサが設置され
ていない場合にも、他の単位区間のセンサからの情報か
ら補完するか、あるいは予め値を設定しておく等の方法
で、本発明の走行所要時間予測装置を構成することがで
きる。Conversely, even when a sensor is not installed in some of the unit sections, the information may be complemented from information from sensors in other unit sections, or a value may be set in advance. The travel time estimation device of the invention can be configured.
【００６７】また、実施例５では、単位区間走行所要時
間パターンの補正値の演算にニューラルネットワークを
使用した例を示したが、その際には、前後の単位区間の
所要時間情報や、あるいは車両感知器から得られる車両
の通過台数やオキュパンシ（占有率）等を入力として取
り込むことにより一層の予測精度の向上を図ることが可
能になる。In the fifth embodiment, an example is shown in which a neural network is used to calculate the correction value of the required time period pattern for a unit section. In this case, the required time information of the preceding and following unit sections or the vehicle By taking as input the number of vehicles passing through the sensor and the occupancy (occupancy), etc. obtained as inputs, it is possible to further improve the prediction accuracy.
【００６８】[0068]
【発明の効果】本発明は上述のように構成したため、次
のような効果を奏する。請求項１記載の構成によれば、
走行所要時間予測の対象区間に料金収受システムが設置
されている場合に、料金収受システムの磁気通行券デー
タに基づき単位区間走行所要時間パターンを作成し、日
々更新しているため、経年変化に対応した高精度な走行
所要時間予測値を簡易な方法で算出することが可能であ
り、車両感知器やＡＶＩシステムが設置されていない高
速道路でも使用可能である。また、走行所要時間算出の
際に用いる単位区間走行所要時間パターンを曜日や時期
に応じて数種類用意することにより、交通状況の特性に
対応した精度の良い走行所要時間の予測が可能になる。
さらに、予測時点までの各単位区間走行所要時間の実績
値を用いて各単位区間の今後の走行所要時間の推移を予
測し、走行所要時間の算出に反映しているため更なる精
度の向上が可能になる。As described above, the present invention has the following advantages. According to the configuration of claim 1,
When a toll collection system is installed in the target section for travel time prediction, the unit section travel time pattern is created based on the magnetic toll ticket data of the toll collection system and updated daily, so it can respond to aging It is possible to calculate a highly accurate predicted required travel time by a simple method, and it can be used even on a highway where a vehicle detector or an AVI system is not installed. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
Furthermore, the future required travel time of each unit section is predicted using the actual value of the required travel time of each unit section up to the prediction time point, and is reflected in the calculation of the required travel time. Will be possible.
【００６９】そして、請求項２ないし５の構成により、
請求項１の構成に請求項６ないし請求項９の構成を付加
したことによる効果が得られる。According to the constitution of claims 2 to 5,
The effects obtained by adding the configurations of claims 6 to 9 to the configuration of claim 1 are obtained.
【００７０】また請求項６記載の構成によれば、過去の
データで最も類似している日のデータを使用し作成した
単位区間走行所要旅行時間類似パターンを使用するの
で、経年変化に対応した高精度な走行所要時間予測値を
簡易な方法で算出することが可能である。さらに、単位
区間走行所要時間保存手段２において保存するデータを
増やすことで、より高い精度への向上が可能である。Further, according to the configuration of the sixth aspect, the unit section traveling required travel time similar pattern created by using the data of the day most similar in the past data is used, so that the high-speed corresponding to the secular change is used. It is possible to calculate an accurate travel required time predicted value by a simple method. Further, by increasing the data stored in the unit section required travel time storage means 2, it is possible to improve the accuracy to a higher level.
【００７１】また請求項７記載の構成によれば、過去の
データで最も類似している日のデータを使用し補正した
単位区間走行所要旅行時間パターンを使用するので、経
年変化に対応した高精度な走行所要時間予測値を簡易な
方法で算出することが可能である。さらに、単位区間走
行所要時間保存手段２において保存するデータを増やす
ことで、より高い精度の予測が可能である。また、走行
所要時間算出の際に用いる単位区間走行所要時間パター
ンを曜日や時期に応じて数種類用意することにより、交
通状況の特性に対応した精度の良い走行所要時間の予測
が可能になる。According to the configuration of the seventh aspect, the required travel time pattern of the unit section travel corrected by using the data of the day most similar to the past data is used, so that the high accuracy corresponding to the secular change is obtained. It is possible to calculate a predicted value of the required travel time by a simple method. Further, by increasing the data stored in the unit section required travel time storage means 2, it is possible to perform prediction with higher accuracy. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
【００７２】また請求項８記載の構成によれば、逐次
（またはある時間毎に）パラメータを更新する自己回帰
モデルを使用し、補正値を演算することで、経年変化に
対応した高精度な走行所要時間予測値を簡易な方法で算
出することが可能である。また、走行所要時間算出の際
に用いる単位区間走行所要時間パターンを曜日や時期に
応じて数種類用意することにより、交通状況の特性に対
応した精度の良い走行所要時間の予測が可能になる。According to the configuration of the eighth aspect, by using a self-regression model that updates parameters sequentially (or every certain time) and calculating a correction value, high-precision running corresponding to aging can be achieved. The required time prediction value can be calculated by a simple method. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
【００７３】また請求項９記載の構成によれば、逐次
（またはある時間毎に）学習を行うニューラルネットワ
ークを使用し、補正値を演算することで、経年変化に対
応した高精度な走行所要時間予測値を簡易な方法で算出
することが可能である。また、走行所要時間算出の際に
用いる単位区間走行所要時間パターンを曜日や時期に応
じて数種類用意することにより、交通状況の特性に対応
した精度の良い走行所要時間の予測が可能になる。According to the configuration of the ninth aspect, by using a neural network that performs learning sequentially (or at certain time intervals) and calculating a correction value, a highly accurate travel time corresponding to aging can be obtained. The predicted value can be calculated by a simple method. Also, by preparing several types of unit section traveling time patterns used for calculating the traveling time required according to the day of the week and the time, it is possible to accurately predict the traveling time required according to the characteristics of the traffic situation.
【図１】本発明の基礎をなす一構成例のブロック線図。FIG. 1 is a block diagram of a configuration example that forms the basis of the present invention.
【図２】単位区間走行所要時間パターンを説明するため
の図。FIG. 2 is a diagram for explaining a unit section traveling required time pattern.
【図３】対象区間の走行所要時間予測値を算出する方法
（タイムスライス合計手法）を説明するための図。FIG. 3 is a diagram for explaining a method (time slice total method) of calculating a predicted travel time value of a target section.
【図４】本発明の基礎をなす他の構成例のブロック線
図。FIG. 4 is a block diagram of another configuration example forming the basis of the present invention.
【図５】本発明の第１の実施例を示すブロック線図。FIG. 5 is a block diagram showing a first embodiment of the present invention.
【図６】本発明の第２の実施例を示すブロック線図。FIG. 6 is a block diagram showing a second embodiment of the present invention.
【図７】本発明の第３の実施例を示すブロック線図。FIG. 7 is a block diagram showing a third embodiment of the present invention.
【図８】本発明の第４の実施例を示すブロック線図。FIG. 8 is a block diagram showing a fourth embodiment of the present invention.
【図９】本発明の第５の実施例を示すブロック線図。FIG. 9 is a block diagram showing a fifth embodiment of the present invention.
【図１０】類似パターンを検索する方法を示す説明図。FIG. 10 is an explanatory diagram showing a method of searching for a similar pattern.
【図１１】階層型ニューラルネットワークの構造を示す
説明図。FIG. 11 is an explanatory diagram showing the structure of a hierarchical neural network.
【図１２】階層型ニューラルネットワークを使用し、単
位区間走行所要時間パターンの補正値を求める方法を示
す説明図。FIG. 12 is an explanatory diagram showing a method of using a hierarchical neural network to determine a correction value of a unit section traveling required time pattern.
１，１ａ 単位区間走行所要時間算出手段 ２ 単位区間走行所要時間保存手段 ３ 単位区間走行所要時間パターン作成手段 ４，４ａ，４ｂ，４ｃ 単位区間走行所要時間パターン
補正手段 ５，５ａ 走行所要時間予測値算出手段 ６ 単位区間走行所要時間抽出手段 ７ 類似パターン検索手段 ８ 単位区間走行所要時間類似パターン作成手段 ９ 補正値演算用自己回帰モデル １０ 自己回帰モデルパラメータ更新手段 １１ 補正値演算用ニューラルネットワーク １２ ニューラルネットワーク学習手段1, 1a Unit section travel time calculation means 2 Unit section travel time storage means 3 Unit section travel time pattern creation means 4, 4a, 4b, 4c Unit section travel time pattern correction means 5, 5a Travel time prediction value Calculation means 6 Unit section travel time extraction means 7 Similar pattern search means 8 Unit section travel time similar pattern creation means 9 Self-regression model for correction value calculation 10 Autoregression model parameter updating means 11 Neural network for correction value calculation 12 Neural network Learning means
Claims (9)
る予め設定された対象区間を自動車が走行するのに要す
る時間を予測する走行所要時間予測装置において、 前記単位区間の各々に配設された料金収受システムと、 前記料金収受システムの磁気通行券データを用いて前記
単位区間の各々の走行に要する時間を算出する単位区間
走行所要時間算出手段と、 前記単位区間走行所要時間算出手段で算出された各単位
区間の走行所要時間を保存する単位区間走行所要時間保
存手段と、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記単位区間走行
所要時間算出手段で算出された当日の走行所要時間の推
移を基に補正を行う単位区間走行所要時間パターン補正
手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。1. A travel time prediction device for predicting a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections, comprising: A toll collection system, a unit section travel time calculation unit that calculates a time required for each run of the unit section using the magnetic toll ticket data of the toll collection system, and a unit section travel time calculation unit. Unit section travel time storage means for storing the travel time of each unit section, and a travel time pattern in which the travel times of each unit section obtained from the unit section travel time storage means are arranged in chronological order. Unit section travel time pattern creating means, and unit section travel time pattern created by the unit section travel time pattern creating means A unit section travel time pattern correction means for performing correction based on the transition of the travel time of the day calculated by the unit section travel time calculation means, and a correction performed by the unit section travel time pattern correction means. A travel time prediction device, comprising travel time prediction value calculation means for predicting the travel time of the target section using a unit section travel time pattern.
いて、 当日の単位区間走行所要時間を基に、前記単位区間走行
所要時間保存手段より得られる過去の走行所要時間より
類似した単位区間走行所要時間パターンを検索する類似
パターン検索手段と、 類似パターン検索手段で得られた検索結果より、単位区
間走行所要時間類似パターンを作成する単位区間走行所
要時間類似パターン作成手段と、 前記単位区間走行所要時間類似パターン作成手段におい
て作成された単位区間走行所要時間類似パターンを用い
て前記対象区間の走行所要時間を予測する走行所要時間
予測値算出手段とをそなえたことを特徴とする走行所要
時間予測装置。2. The travel time estimating device according to claim 1, wherein the unit travel time is similar to the past travel time obtained from the unit travel time storage means based on the travel time of the unit section on the day. A similar pattern search means for searching a required time pattern; a unit section travel required time similar pattern creating means for creating a unit section travel required time similar pattern from a search result obtained by the similar pattern search means; A travel time prediction value calculating means for predicting the travel time of the target section using the unit section travel time similar pattern created by the time similar pattern creating means; .
いて、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間を基に、前記単位区間走行
所要時間保存手段より得られる過去の走行所要時間より
類似した単位区間走行所要時間パターンを検索する類似
パターン検索手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記類似パターン
検索手段の結果を基に補正を行う単位区間走行所要時間
パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。3. The travel time prediction device according to claim 1, wherein the travel time required for each of the unit sections obtained by the unit travel time storage means is arranged in a time series to form a travel time pattern. A similar pattern search for searching a unit section traveling time pattern similar to the past traveling time obtained from the unit section traveling time storing means based on the traveling time pattern creating means and the unit section traveling time required for the day. Means, a unit section travel time pattern correction means for correcting the unit section travel time pattern created by the unit section travel time pattern creation means based on the result of the similar pattern search means, Using the required travel time pattern of the unit section corrected by the required travel time pattern correction means, A travel time prediction device comprising a travel time prediction value calculation means for predicting a travel time.
いて、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、自
己回帰モデルを使用し単位区間走行所要時間パターンの
補正値を演算する補正値演算用自己回帰モデルと、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、前
記補正値演算用自己回帰モデルで使用される自己回帰モ
デルのパラメータを更新する自己回帰モデルパラメータ
更新手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記補正値演算用
自己回帰モデルにより演算された単位区間走行所要時間
パターンの補正値を基に補正を行う単位区間走行所要時
間パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。4. The travel time estimating apparatus according to claim 1, wherein the travel time required for each unit section obtained by said unit travel time storage means is arranged in time series to generate a travel time pattern. Based on the required travel time pattern creation means and the required travel time of the unit section on the day and the required travel time of the past obtained from the required travel time unit storage means, the required travel time pattern of the unit section is corrected using an autoregressive model. A self-regression model for calculating a correction value for calculating a value, and a self-regression model for calculating a correction value based on a required traveling time of a unit section on the day and a required traveling time in the past obtained from the unit required traveling time storage unit An autoregressive model parameter updating means for updating the parameters of the used autoregressive model; and a unit section travel time pattern creating means. A unit section travel time pattern correction means for performing correction on the obtained unit section travel time pattern based on a correction value of the unit section travel time pattern calculated by the correction value calculating autoregressive model; and A travel time prediction value calculating means for predicting a travel time of the target section using the unit section travel time pattern corrected by the travel time pattern correction means; .
いて、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、ニ
ューラルネットワークを使用し単位区間走行所要時間パ
ターンの補正値を演算する補正値演算用ニューラルネッ
トワークと、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、前
記補正値演算用ニューラルネットワークで使用されるニ
ューラルネットワークの重み係数を更新するニューラル
ネットワーク学習手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記補正値演算用
ニューラルネットワークにより演算された単位区間走行
所要時間パターンの補正値を基に補正を行う単位区間走
行所要時間パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。5. The travel time estimation device according to claim 1, wherein a travel time pattern in which the travel times of each unit section obtained by said unit travel time storage means are arranged in time series is created. Based on the required travel time pattern creating means and the required travel time of the unit section on the day and the required travel time of the past obtained from the required travel time unit storage means, a correction value of the required travel time pattern of the unit section using a neural network. Is used in the neural network for correction value calculation based on the required travel time of the unit section on the day and the required travel time in the past obtained by the unit section required travel time storage means. A neural network learning means for updating a weight coefficient of the neural network; Unit section travel time pattern correction for correcting the unit section travel time pattern created by the required time pattern creation means based on the correction value of the unit section travel time pattern calculated by the correction value calculation neural network. Means, and a travel time predicted value calculating means for predicting the travel time of the target section using the unit section travel time pattern corrected by the unit section travel time pattern correction means, Travel time prediction device.
る予め設定された対象区間を自動車が走行するのに要す
る時間を予測する走行所要時間予測装置において、 前記単位区間を自動車が走行するのに要する時間を計測
する計測手段と、 前記計測手段により得られた単位区間走行所要時間を保
存する単位区間走行所要時間保存手段と、 当日の単位区間走行所要時間を基に、前記単位区間走行
所要時間保存手段より得られる過去の走行所要時間より
類似した単位区間走行所要時間パターンを検索する類似
パターン検索手段と、 類似パターン検索手段で得られた検索結果より、単位区
間走行所要時間類似パターンを作成する単位区間走行所
要時間類似パターン作成手段と、 前記単位区間走行所要時間類似パターン作成手段におい
て作成された単位区間走行所要時間類似パターンを用い
て前記対象区間の走行所要時間を予測する走行所要時間
予測値算出手段とをそなえたことを特徴とする走行所要
時間予測装置。6. A travel time prediction device for predicting a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections, comprising: Measuring means for measuring time; unit section travel time storage means for storing the unit section travel time obtained by the measurement means; and unit unit travel time storage based on the unit section travel time of the day. A similar pattern search means for searching for a unit section travel time pattern similar to the past travel time obtained by the means; and a unit for creating a unit section travel time similar pattern from the search results obtained by the similar pattern search means. The section travel required time similar pattern creating means and the unit section travel required time similar pattern created means Drive elapsed time estimation apparatus being characterized in that includes a traveling required time predicted value calculating means for predicting a travel time required for the target section with the position section traveling time required similar pattern.
る予め設定された対象区間を自動車が走行するのに要す
る時間を予測する走行所要時間予測装置において、 前記単位区間を自動車が走行するのに要する時間を計測
する計測手段と、 前記計測手段により得られた単位区間走行所要時間を保
存する単位区間走行所要時間保存手段と、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間を基に、前記単位区間走行
所要時間保存手段より得られる過去の走行所要時間より
類似した単位区間走行所要時間パターンを検索する類似
パターン検索手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記類似パターン
検索手段の結果を基に補正を行う単位区間走行所要時間
パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。7. A travel time prediction device for predicting a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections, the travel time required for the automobile to travel in the unit section. Measurement means for measuring time; unit section travel time storage means for storing the unit section travel time obtained by the measurement means; and travel time for each unit section obtained from the unit section travel time storage means. A unit section traveling time pattern creating means for creating a traveling time pattern in which time series are arranged, and a past traveling time obtained from the unit section traveling time storage means based on the unit section traveling time on the day. A similar pattern search means for searching for a more similar unit section traveling time pattern; A unit section travel required time pattern correction means for performing correction on the unit section travel required time pattern created based on the result of the similar pattern search means; and a unit section corrected by the unit section travel required time pattern correction means. A travel time prediction device, comprising travel time prediction value calculation means for predicting the travel time of the target section using a travel time pattern.
る予め設定された対象区間を自動車が走行するのに要す
る時間を予測する走行所要時間予測装置において、 前記単位区間を自動車が走行するのに要する時間を計測
する計測手段と、 前記計測手段により得られた単位区間走行所要時間を保
存する単位区間走行所要時間保存手段と、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、自
己回帰モデルを使用し単位区間走行所要時間パターンの
補正値を演算する補正値演算用自己回帰モデルと、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、前
記補正値演算用自己回帰モデルで使用される自己回帰モ
デルのパラメータを更新する自己回帰モデルパラメータ
更新手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記補正値演算用
自己回帰モデルにより演算された単位区間走行所要時間
パターンの補正値を基に補正を行う単位区間走行所要時
間パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。8. A travel time prediction device for predicting a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections, comprising: Measurement means for measuring time; unit section travel time storage means for storing the unit section travel time obtained by the measurement means; and travel time for each unit section obtained from the unit section travel time storage means. A unit section traveling time pattern creating means for creating a traveling time pattern arranged in chronological order, based on the past traveling time obtained from the unit section traveling time required on the day and the unit section traveling time storage means. , A self-regression model for calculating the correction value of the unit section travel time pattern using the auto-regression model, Autoregressive model parameter updating means for updating the parameters of the autoregressive model used in the correction value calculating autoregressive model based on the required travel time and the past required travel time obtained by the unit section required travel time storage means And correcting the unit section travel time pattern created by the unit section travel time pattern creation means based on the correction value of the unit section travel time pattern calculated by the correction value calculation autoregressive model. A unit section travel required time pattern correction unit, and a travel time prediction value calculation unit that predicts the travel time of the target section using the unit section travel required time pattern corrected by the unit section travel required time pattern correction unit. A travel time estimating device characterized by comprising:
る予め設定された対象区間を自動車が走行するのに要す
る時間を予測する走行所要時間予測装置において、 前記単位区間を自動車が走行するのに要する時間を計測
する計測手段と、 前記計測手段により得られた単位区間走行所要時間を保
存する単位区間走行所要時間保存手段と、 前記単位区間走行所要時間保存手段より得られる各単位
区間の走行所要時間を時系列に並べた走行所要時間パタ
ーンを作成する単位区間走行所要時間パターン作成手段
と、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、ニ
ューラルネットワークを使用し単位区間走行所要時間パ
ターンの補正値を演算する補正値演算用ニューラルネッ
トワークと、 当日の単位区間走行所要時間と前記単位区間走行所要時
間保存手段より得られる過去の走行所要時間を基に、前
記補正値演算用ニューラルネットワークで使用されるニ
ューラルネットワークの重み係数を更新するニューラル
ネットワーク学習手段と、 前記単位区間走行所要時間パターン作成手段で作成され
た単位区間走行所要時間パターンに、前記補正値演算用
ニューラルネットワークにより演算された単位区間走行
所要時間パターンの補正値を基に補正を行う単位区間走
行所要時間パターン補正手段と、 前記単位区間走行所要時間パターン補正手段において補
正された単位区間走行所要時間パターンを用いて前記対
象区間の走行所要時間を予測する走行所要時間予測値算
出手段とをそなえたことを特徴とする走行所要時間予測
装置。9. A travel time prediction device for predicting a time required for an automobile to travel on a preset target section on an automobile road having a plurality of unit sections, comprising: Measurement means for measuring time; unit section travel time storage means for storing the unit section travel time obtained by the measurement means; and travel time for each unit section obtained from the unit section travel time storage means. A unit section traveling time pattern creating means for creating a traveling time pattern arranged in chronological order, based on the past traveling time obtained from the unit section traveling time required on the day and the unit section traveling time storage means. A correction value calculation neural network for calculating a correction value of a unit section travel required time pattern using a neural network; A neural network for updating a weight coefficient of the neural network used in the correction value calculating neural network based on the unit section travel time required on the day and the past travel time obtained by the unit section travel time storage means. Learning means, and correcting the unit section travel time pattern created by the unit section travel time pattern creation means based on the correction value of the unit section travel time pattern calculated by the correction value calculating neural network. A required unit section travel time pattern correction means, and a required travel time prediction value calculation means for predicting the required travel time of the target section using the unit section travel required time pattern corrected by the unit section travel required time pattern correction means. A travel time prediction device characterized by comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19014597A JPH1139587A (en) | 1997-07-15 | 1997-07-15 | Traveling required time prediction device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19014597A JPH1139587A (en) | 1997-07-15 | 1997-07-15 | Traveling required time prediction device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1139587A true JPH1139587A (en) | 1999-02-12 |
Family
ID=16253164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19014597A Pending JPH1139587A (en) | 1997-07-15 | 1997-07-15 | Traveling required time prediction device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1139587A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6449555B1 (en) | 1999-03-05 | 2002-09-10 | Kabushiki Kaisha Toshiba | Run time information arithmetic operation apparatus |
| JP2012117829A (en) * | 2010-11-29 | 2012-06-21 | Denso Corp | Prediction device |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62256198A (en) * | 1986-04-30 | 1987-11-07 | 株式会社東芝 | Road information providing apparatus |
| JPH07262487A (en) * | 1994-03-25 | 1995-10-13 | Hitachi Ltd | Road section travel time estimating method |
| JPH0850695A (en) * | 1994-08-03 | 1996-02-20 | Nippon Signal Co Ltd:The | Determining method for time to be required for travel |
-
1997
- 1997-07-15 JP JP19014597A patent/JPH1139587A/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62256198A (en) * | 1986-04-30 | 1987-11-07 | 株式会社東芝 | Road information providing apparatus |
| JPH07262487A (en) * | 1994-03-25 | 1995-10-13 | Hitachi Ltd | Road section travel time estimating method |
| JPH0850695A (en) * | 1994-08-03 | 1996-02-20 | Nippon Signal Co Ltd:The | Determining method for time to be required for travel |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6449555B1 (en) | 1999-03-05 | 2002-09-10 | Kabushiki Kaisha Toshiba | Run time information arithmetic operation apparatus |
| JP2012117829A (en) * | 2010-11-29 | 2012-06-21 | Denso Corp | Prediction device |
| US9245189B2 (en) | 2010-11-29 | 2016-01-26 | Denso Corporation | Object appearance frequency estimating apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5374067B2 (en) | Traffic condition simulation apparatus and program | |
| Van Lint | Reliable travel time prediction for freeways | |
| JP4491472B2 (en) | Traffic information system | |
| Thomas et al. | Predictions of urban volumes in single time series | |
| JP5901838B2 (en) | How to predict future travel time on a link | |
| JP5081734B2 (en) | Traffic information providing system for generating traffic information and car navigation system | |
| Allström et al. | Hybrid approach for short-term traffic state and travel time prediction on highways | |
| Handley et al. | Learning to Predict the Duration of an Automobile Trip. | |
| JP2008129802A (en) | Automatic update system, method and program | |
| JP3099934B2 (en) | Travel time prediction device | |
| KR100772511B1 (en) | Method for searching the shortest route based on traffic prediction and apparatus thereof | |
| JPH11328571A (en) | Method and device for determining traffic condition on traffic route network | |
| JP3529619B2 (en) | Travel time prediction device | |
| JPH1139587A (en) | Traveling required time prediction device | |
| JP3160438B2 (en) | Traffic flow prediction device | |
| JPH1079096A (en) | Device for providing path selection support information | |
| JP3932383B2 (en) | Traveling time prediction device | |
| JP3628616B2 (en) | Traffic situation prediction method, apparatus, traffic situation prediction program, and recording medium recording the program | |
| JP2000322682A (en) | System, device and method for predicting traffic flow | |
| JP3753423B2 (en) | Traveling time prediction apparatus and method | |
| JPH1139588A (en) | Required traveling time predicting device | |
| JP2004355537A (en) | Traffic flow data prediction device and method | |
| JPH09270091A (en) | Device and method for predicting trip time | |
| Kim et al. | Congestion avoidance algorithm using extended Kalman filter | |
| KR101628014B1 (en) | Method for predicting link traffic speed and device for the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041001 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050128 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060210 |