WO2022230144A1 - 集計装置、集計方法及び集計プログラム - Google Patents

集計装置、集計方法及び集計プログラム Download PDF

Info

Publication number
WO2022230144A1
WO2022230144A1 PCT/JP2021/017079 JP2021017079W WO2022230144A1 WO 2022230144 A1 WO2022230144 A1 WO 2022230144A1 JP 2021017079 W JP2021017079 W JP 2021017079W WO 2022230144 A1 WO2022230144 A1 WO 2022230144A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
information
cloud
vehicles
lane
Prior art date
Application number
PCT/JP2021/017079
Other languages
English (en)
French (fr)
Inventor
賢士 小宮
淳 磯村
雅 高木
Original Assignee
日本電信電話株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2021/017079 priority Critical patent/WO2022230144A1/ja
Publication of WO2022230144A1 publication Critical patent/WO2022230144A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Definitions

  • the present invention relates to a tallying device, a tallying method, and a tallying program.
  • Location information is collected from vehicles, smartphones, etc. in the data center, and how many mobile devices such as vehicles and smartphones are located within a range defined by a "rectangle" that is set in advance at regular intervals for the collected spatio-temporal information. Existence can be aggregated.
  • the present invention has been made in view of the above, and aims to predict traffic congestion with high accuracy.
  • the received data storage unit stores the above-mentioned data for each time of each of a plurality of connected vehicles that are connected to a network and are capable of acquiring position information and that run in a specific area in a predetermined direction.
  • the non-connected vehicle position estimating unit calculates the position information and the driving action information of the connected vehicle received by the received data storage unit, and the difference in the occurrence time of the driving action between the vehicles traveling side by side. Based on a certain reaction delay time, the position of a non-connected vehicle that is not connected to the network and is traveling in the predetermined direction within the specific area is estimated.
  • FIG. 1 is a block diagram of a tallying device according to the first embodiment.
  • FIG. 2 is a diagram for explaining polygons for each lane.
  • FIG. 3 is a diagram for explaining the relationship between human driving ability and brake operation.
  • FIG. 4 is a diagram for explaining the number-of-vehicles estimation process focusing on human reaction time.
  • FIG. 5 is a diagram illustrating an example of processing for calculating the number of cloud-unconnected vehicles.
  • FIG. 6 is a diagram showing an example of a prediction result of traffic jam prediction by the tallying device according to the first embodiment.
  • FIG. 7 is a flow chart of traffic congestion prediction processing by the tallying device according to the first embodiment.
  • FIG. 8 is a flow chart of calculation processing for movement simulation.
  • FIG. 1 is a block diagram of a tallying device according to the first embodiment.
  • FIG. 2 is a diagram for explaining polygons for each lane.
  • FIG. 3 is a diagram for explaining the relationship between human driving ability and brake operation.
  • FIG. 9 is a block diagram of a tallying device according to the second embodiment.
  • FIG. 10 is a diagram for explaining the estimation of cloud-unconnected vehicles existing between road facilities and cloud-connected vehicles.
  • FIG. 11 is a flow chart of traffic congestion prediction processing by the tallying device according to the second embodiment.
  • FIG. 12 is a diagram illustrating an example of a computer that executes a tallying program;
  • FIG. 1 is a block diagram of a tallying device according to the first embodiment.
  • a tallying device 1 according to this embodiment is connected to a cloud-connected vehicle 2 via the cloud.
  • the tabulation device 1 is also connected to the map information providing device 3 and the terminal device 4 .
  • the cloud-connected vehicle 2 is equipped with a vehicle management device for connecting to the network.
  • a vehicle management device is implemented by, for example, a car navigation system, a smartphone, or the like.
  • the cloud-connected vehicle 2 connects to the cloud via a network using a vehicle management device.
  • the cloud-connected vehicle 2 is sometimes called a connected car.
  • the vehicle management device of the cloud-connected vehicle 2 acquires the location information of the cloud-connected vehicle 2 from a GPS (Global Positioning System) or the like, and sends it to the aggregation device 1 via the cloud as location information represented by latitude and longitude for each time. Send. Further, the vehicle management device of the cloud-connected vehicle 2 observes the brake operation in the cloud-connected vehicle 2 and transmits the brake operation information, which is the observation result, to the aggregation device 1 via the cloud. For example, the vehicle management device acquires the depression angle of the brake for each time and transmits it to the aggregation device 1 . Alternatively, the vehicle management device may transmit the speed of the cloud-connected vehicle 2 to the aggregation device 1 as the observation result of the brake operation.
  • a GPS Global Positioning System
  • the cloud-connected vehicle 2 and the cloud-unconnected vehicle may be collectively referred to as all vehicles. Both the cloud-connected vehicle 2 and the cloud-unconnected vehicle travel in a lane, which is a specific area on the road, in a predetermined direction, which is the traveling direction on the lane.
  • the map information providing device 3 provides the road map data to the aggregation device 1.
  • the road map data includes road ID, lane ID, number of lanes, latitude and longitude of the center of the road, latitude and longitude of the center of the lane, latitude and longitude of division lines (white lines and dotted lines at the edge of the road), and the like. More specifically, the road map data stores longitude/latitude data with attributes such as lane information, roadway information, division lines, shoulder lines, intersection areas, and road markings.
  • the terminal device 4 is an information processing device that runs an application that performs processing using the results of counting by the counting device 1 .
  • the terminal device 4 acquires the prediction result of traffic congestion prediction for each lane by the aggregation device 1 from the aggregation device 1 . Then, the terminal device 4 performs processing by the application using the prediction result of the received congestion prediction.
  • the terminal device 4 may be, for example, a vehicle management device installed in the cloud-connected vehicle 2 .
  • the aggregation device 1 uses the road map data acquired from the map information providing device 3 to create polygons corresponding to each lane on the road. After that, the aggregation device 1 acquires the position of the cloud-connected vehicle 2 for each polygon representing each lane. Then, the aggregation device 1 estimates cloud-unconnected vehicles existing between the cloud-connected vehicles 2 based on the brake operation of the cloud-connected vehicles 2 . After that, the cloud-connected vehicle 2 performs a simulation of the movement of all vehicles, and predicts congestion from the simulation results. The details of the tallying device 1 will be described below.
  • the counting device 1 has a received data storage unit 11, a non-connected vehicle position estimation unit 12, a simulation calculation unit 13, a road coordinate storage unit 14, a vehicle position storage unit 15, and a simulation result storage unit 16. .
  • the received data storage unit 11 receives spatio-temporal data representing position information at each time from the cloud-connected vehicle 2 via the cloud.
  • the received data storage unit 11 also receives brake operation information from the cloud-connected vehicle 2 via the cloud.
  • the received data storage unit 11 stores the collected spatio-temporal data and brake operation information.
  • the received data storage unit 11 stores the location information and the driving behavior for each time of each of the plurality of cloud-connected vehicles 2 that are connected to the network and are capable of acquiring location information and that travel in a predetermined direction within a specific area.
  • receive information More specifically, the received data storage unit 11 stores, for each lane, the location information and the driving behavior for each time of each of a plurality of cloud-connected vehicles 2 that are connected to the network running on the lane and whose location information can be acquired. receive information;
  • the road coordinate storage unit 14 receives input from the map information providing device 3 of road map data including longitude/latitude data of lane information indicating the center line of a lane, longitude/latitude data of shoulder lines, and longitude/latitude data of lane markings. Then, the road coordinate storage unit 14 generates polygons representing the shapes of roads, other facilities, and areas on the map.
  • the road coordinate storage unit 14 generates polygons for each lane of roads.
  • FIG. 2 is a diagram for explaining polygons for each lane.
  • a polygon refers to a section arbitrarily divided by straight lines on a map.
  • road 101 has multiple lanes including lane 102 .
  • the road coordinate storage unit 14 refers to the road map data, and generates lane-by-lane polygons indicating lane areas based on intersections of the above-mentioned demarcation lines or road shoulder lines that intersect perpendicular lines from the lane information.
  • the road coordinate storage unit 14 generates polygons for each lane by connecting points of intersection of division lines or road shoulder lines that intersect perpendicular lines from the lane information. In this case, lanes between intersections form one polygon. Regarding polygonization of lanes, the road coordinate storage unit 14 may use a method such as setting the inside of the intersection to another polygon. After that, the road coordinate storage unit 14 assigns the acquired lane ID to each lane as an identifier.
  • the road coordinate storage unit 14 generates shape information representing the shape of the generated polygon in terms of latitude and longitude.
  • the lane 102 in FIG. 2 is represented by shape information having latitude and longitude coordinates of four corners.
  • the road coordinate storage unit 14 stores the lane ID representing each lane and the shape information of the polygon representing each lane in the storage area.
  • the unconnected vehicle position estimation unit 12 acquires spatio-temporal data and brake operation information regarding each cloud-connected vehicle 2 from the received data storage unit 11 . Further, the unconnected vehicle position estimation unit 12 acquires from the road coordinate storage unit 14 the lane ID representing each lane and the shape information of the polygon representing each lane.
  • the non-connected vehicle position estimation unit 12 identifies the cloud-connected vehicle 2 whose position information is included in the shape information of the polygon representing each lane. Identify the location of Next, the unconnected vehicle position estimation unit 12 executes the following unconnected cloud vehicle position estimation process for each lane.
  • FIG. 3 is a diagram for explaining the relationship between human driving ability and brake operation. Here, the relationship between human driving ability and brake operation will be described with reference to FIG.
  • the brake operation diagram 200 shows the state when the brakes of the vehicles 201 and 202 whose running direction is on the left side of the paper are stepped on. As shown in the brake operation diagram 200 , when the leading vehicle 201 brakes, the following vehicle 202 brakes by checking the state of the vehicle 201 .
  • the driver of the following vehicle 202 recognizes the state change, and responds to the recognition by the driver of the vehicle 201. Determine that the brake has been applied. Then, the driver of the vehicle 202 performs a braking operation of the vehicle 202 according to the judgment, and the vehicle 202 responds to the braking operation and the vehicle 202 is braked. The braking operation is transmitted to the following vehicle as driving motion of the vehicle 202 . In this manner, a reaction delay time of about one second occurs from the braking operation of the preceding vehicle 201 until the braking of the following vehicle 202 is applied.
  • one second elapses from when the vehicle 201 is braked to when the vehicle 202 is braked. For example, if the vehicle 201 is braked when the time T is 0 seconds, the vehicle 202 is braked when the time T is 1 second.
  • FIG. 4 is a diagram for explaining the number-of-vehicles estimation process that focuses on human reaction time.
  • the time difference between the preceding cloud-connected vehicle 221 and the following cloud-connected vehicle 222 when the brakes are applied increases according to the number of cloud-unconnected vehicles existing between them. That is, each time the number of cloud-unconnected vehicles between the cloud-connected vehicles 221 and 222 increases by one, the time difference between the application of the brakes increases by one second. Therefore, it is possible to estimate the number of cloud-unconnected vehicles between the preceding cloud-connected vehicle 221 and the following cloud-connected vehicle 222 from the time difference in brake application.
  • the cloud-connected vehicle 221 is braked when the time T is 0 seconds and the cloud-connected vehicle 222 is braked when the time T is 3 seconds
  • the time difference in which the brakes are applied is 3 seconds, which is 2 seconds longer than when there is no cloud-unconnected vehicle between the cloud-connected vehicle 221 and the cloud-connected vehicle 222 .
  • unconnected vehicles 231 and 232 are present.
  • the non-connected vehicle position estimation unit 12 can estimate how many cloud-unconnected vehicles exist between the preceding cloud-connected vehicle 2 and the following cloud-connected vehicle 2. .
  • the non-connected vehicle position estimation unit 12 selects one set of the preceding cloud-connected vehicle 2 and the following cloud-connected vehicle 2 in the lane to be estimated. Then, the unconnected vehicle position estimation unit 12 acquires the brake operation information of each of the cloud-connected vehicles 2 in the selected group. Next, the unconnected vehicle position estimation unit 12 subtracts the time when the preceding cloud-connected vehicle 2 brakes from the time when the following cloud-connected vehicle 2 brakes. Thereby, the unconnected vehicle position estimating unit 12 calculates the integrated reaction delay time, which is the time difference between the brakes applied between the selected cloud-connected vehicles 2 . Next, the unconnected vehicle position estimation unit 12 calculates the number of cloud unconnected vehicles existing between the selected cloud connected vehicles 2 using the following formula (1).
  • the non-connected vehicle position estimation unit 12 estimates the position of each cloud-disconnected vehicle so that the selected group of cloud-connected vehicles 2 is evenly divided by the calculated number of cloud-disconnected vehicles. Then, the unconnected vehicle position estimation unit 12 stores the estimated position information of the cloud unconnected vehicle in the vehicle position storage unit 15 as spatio-temporal data in association with the time.
  • FIG. 5 is a diagram showing an example of a process for calculating the number of cloud-unconnected vehicles.
  • the unconnected vehicle position estimating unit 12 selects the cloud-connected vehicle 241 and the cloud-connected vehicle 242 as a set of cloud-connected vehicles that run in the same lane and are arranged side by side.
  • the unconnected vehicle position estimating unit 12 executes observation phase processing to obtain the integrated reaction delay time between the selected cloud-connected vehicles 241 and 242 .
  • the unconnected vehicle position estimation unit 12 acquires the brake operation information 251 of the preceding cloud-connected vehicle 241 and the brake operation information 252 of the following cloud-connected vehicle 242 .
  • the brake operation information 251 and 252 is, for example, the depression angle of the brake, and the unconnected vehicle position estimation unit 12 identifies the time when the depression angle becomes the largest as the time when the brake is applied.
  • the non-connected vehicle position estimation unit 12 subtracts the time specified from the brake operation information 252 and the time specified from the brake operation information 251, and calculates the integrated reaction delay between the cloud-connected vehicle 241 and the cloud-connected vehicle 242. Calculate the time T1.
  • the disconnected vehicle position estimator 12 calculates the integrated reaction delay time T1 as 3 seconds.
  • the non-connected vehicle position estimation unit 12 executes the estimation phase process of estimating the number of cloud-unconnected vehicles existing between the selected cloud-connected vehicles 241 and 242 .
  • the non-connected vehicle position estimation unit 12 divides the calculated integrated reaction delay time T1 by 1 second, which is the reaction delay time. Subtract 1 second to calculate the number of cloud-unconnected vehicles.
  • the non-connected vehicle position estimation unit 12 brakes the cloud-unconnected vehicle 261 one second after the cloud-connected vehicle 241 is braked, and brakes the cloud-unconnected vehicle 262 one second later. , and one second after that, it is estimated that the cloud-unconnected vehicle 262 brakes. Then, the non-connected vehicle position estimation unit 12 estimates positions dividing the space between the cloud-connected vehicle 241 and the cloud-connected vehicle 242 into three equal parts as the positions of the cloud-disconnected vehicles 261 and 262 .
  • the unconnected vehicle position estimating unit 12 estimates the positions of unconnected cloud vehicles that exist between all groups of the preceding cloud-connected vehicle 2 and the following next cloud-connected vehicle 2 in each lane. Then, the unconnected vehicle position estimating unit 12 associates the position information of all the estimated cloud unconnected vehicles in all lanes with the time and stores the information in the vehicle position storage unit 15 as spatio-temporal data. Furthermore, the unconnected vehicle position estimation unit 12 also stores the spatio-temporal data of the cloud-connected vehicle 2 in the vehicle position storage unit 15 .
  • the reaction delay time is the difference between the occurrence times of the driving motions of the vehicles lined up in front and behind.
  • the non-connected vehicle position estimator 12 can also estimate the position of a cloud-unconnected vehicle existing between the cloud-connected vehicles 2 by using reaction delay times in other driving actions.
  • the unconnected vehicle position estimating unit 12 uses the position information and driving action information received by the received data storage unit 11 and the difference in the occurrence time of the driving actions between vehicles traveling side by side. Based on a certain reaction delay time, the position of a cloud-unconnected vehicle that is not connected to the network is estimated for each lane. In addition, the unconnected vehicle position estimating unit 12 obtains an integrated reaction delay time, which is the difference in the occurrence time of the driving motion between the preceding cloud-connected vehicle 2 and the following cloud-connected vehicle 2, and calculates the integrated reaction delay time and the From the reaction delay time, the number of cloud-unconnected vehicles existing between the preceding cloud-connected vehicle 2 and the following cloud-connected vehicle 2 is calculated.
  • the vehicle position storage unit 15 receives the spatio-temporal data of all vehicles for each lane from the unconnected vehicle position estimation unit 12 .
  • the vehicle position storage unit 15 stores spatio-temporal data of all vehicles for each lane.
  • the simulation calculation unit 13 acquires the lane ID representing each lane and the polygon shape information representing each lane from the road coordinate storage unit 14 . Furthermore, the simulation calculation unit 13 acquires the spatio-temporal data of all vehicles for each lane from the vehicle position storage unit 15 . Then, the simulation calculation unit 13 identifies the position of each lane from the polygon shape information representing each lane, and uses the spatio-temporal data of all vehicles for each lane to perform a simulation for predicting the future positions of all vehicles. to calculate For example, the simulation calculation unit 13 calculates a movement simulation for each vehicle using software such as Simulation of Urban Mobility (SUMO). The simulation calculation method is not limited to this, and other simulation techniques may be used.
  • SUMO Simulation of Urban Mobility
  • the simulation calculation unit 13 predicts traffic jam locations for each lane based on the prediction results of the future positions of all vehicles. For example, the simulation calculation unit 13 predicts that a traffic jam occurs at that location when the distance traveled by each vehicle in a certain period of time is equal to or less than a threshold value. After that, the simulation calculation unit 13 stores the calculation result of the simulation and the prediction result of the congestion location for each lane in the simulation result storage unit 16 .
  • the simulation calculation unit 13 calculates the position information of the cloud-connected vehicle 2 and the cloud-unconnected vehicle based on the position information of the cloud-connected vehicle 2 and the position information of the cloud-unconnected vehicle estimated by the unconnected vehicle position estimation unit 12. to predict the future positions of the cloud-connected vehicle 2 and the cloud-unconnected vehicle for each lane.
  • the simulation result storage unit 16 stores the simulation result of the movement simulation of each vehicle for each lane and the prediction result of the congestion location for each lane, which are input from the simulation calculation unit 13 . After that, when receiving a simulation result acquisition request from the terminal device 4 , the simulation result storage unit 16 transmits the stored simulation results of the movement simulation of all the vehicles for each lane to the terminal device 4 that made the request. When the simulation result storage unit 16 receives a traffic congestion prediction result acquisition request for each lane from the terminal device 4 , the simulation result storage unit 16 transmits the stored traffic congestion prediction result for each lane to the terminal device 4 that is the source of the request.
  • FIG. 6 is a diagram showing an example of prediction results of traffic jam prediction by the tallying device according to the first embodiment.
  • the simulation calculation unit 13 according to the present embodiment simulates the positions of all future vehicles for each lane. Therefore, the simulation calculation unit 13 can predict congestion for each lane as shown in FIG. For example, a case where an obstacle 261 suddenly occurs in lane 260 will be described. Since the simulation calculation unit 13 performs a simulation based on the current positional information of each vehicle, even if an obstacle 261 suddenly occurs, the positional information of all vehicles in the lane 260 can be accurately predicted. . Then, as shown in FIG. 6, the simulation calculation unit 13 confirms that a large number of vehicles are present in the lane 260 and that there is little movement, so that congestion in the lane 250 caused by the sudden occurrence of an obstacle 251 can be quickly resolved. And it can be predicted with high accuracy.
  • FIG. 7 is a flow chart of traffic congestion prediction processing by the tallying device according to the first embodiment. Next, with reference to FIG. 7, the flow of traffic jam prediction processing by the tallying device 1 according to the first embodiment will be described.
  • the received data storage unit 11 acquires the location information of the cloud-connected vehicle 2 (step S11). Then, the received data storage unit 11 associates the position information with the time and holds it as spatio-temporal data.
  • the road coordinate storage unit 14 receives input from the map information providing device 3 of road map data including longitude/latitude data of lane information indicating the center line of a lane, longitude/latitude data of shoulder lines, and longitude/latitude data of lane markings. Then, the road coordinate storage unit 14 generates polygons for each lane of the road. Further, the road coordinate storage unit 14 obtains polygon shape information representing each lane (step S12).
  • the unconnected vehicle position estimation unit 12 acquires polygon shape information representing each lane from the road coordinate storage unit 14 .
  • the unconnected vehicle position estimation unit 12 also acquires the spatio-temporal data of the cloud-connected vehicle 2 from the received data storage unit 11 .
  • the non-connected vehicle position estimation unit 12 identifies the cloud-connected vehicle 2 traveling in each lane from the polygon shape information representing each lane.
  • the non-connected vehicle position estimation unit 12 acquires the position information of the cloud non-connected vehicle existing between the cloud connected vehicles 2 for each lane (step S13). Thereafter, the non-connected vehicle position estimation unit 12 stores the estimated spatio-temporal data of the cloud-disconnected vehicle and the estimated spatio-temporal data of the cloud-connected vehicle 2 in the vehicle position storage unit 15 .
  • the simulation calculation unit 13 calculates a movement simulation using the spatio-temporal data of all vehicles stored in the vehicle position storage unit 15 (step S14).
  • the simulation calculation unit 13 uses the calculation results of the movement simulation to predict traffic jam locations for each lane (step S15). After that, the simulation calculation unit 13 stores the calculation result of the movement simulation and the prediction result of the congestion location for each lane in the simulation result storage unit 16 .
  • the simulation result storage unit 16 Upon receiving the prediction result acquisition request from the terminal device 4, the simulation result storage unit 16 distributes the prediction result of the congestion location for each lane to the requesting terminal device 4 (step S16).
  • FIG. 8 is a flow chart of calculation processing for movement simulation. Next, with reference to FIG. 8, the flow of calculation processing for movement simulation will be described. The process shown in the flowchart of FIG. 8 corresponds to an example of the process executed in step S14 of FIG.
  • the simulation calculation unit 13 acquires position information for each hour of all vehicles from the time-space data of all vehicles stored in the vehicle position storage unit 15 (step S21).
  • the simulation calculation unit 13 also acquires from the road coordinate storage unit 14 the lane ID representing each lane and the shape information of the polygon representing each lane.
  • the simulation calculation unit 13 identifies vehicles traveling in each lane from the lane shape information and the position information of all vehicles. Then, the simulation calculation unit 13 uses software such as SUMO to calculate a movement simulation for each vehicle (step S22).
  • the simulation calculation unit 13 stores the calculation result of the movement simulation of all vehicles for each lane in the simulation result storage unit 16 (step S23).
  • the tallying device 1 described above is operable to implement each of the following embodiments.
  • the following is an example of using the calculation results of movement simulation with a car as the target object.
  • the application running on the terminal device 4 analyzes the calculation results of the movement simulation and grasps the number of vehicles at each location.
  • the application running on the terminal device 4 uses the number of vehicles at each location to perform optimal route guidance, ascertain parking lot occupancy, and the like.
  • the terminal device 4 is a car navigation system, a smart phone, or the like.
  • An application running on the terminal device 4 analyzes the calculation result of the movement simulation to grasp the average speed of the vehicle. Then, the application running on the terminal device 4 uses the average speed of the vehicle to grasp the degree of congestion and congestion, and to call attention to pedestrians near the road where the average speed is high.
  • the terminal device 4 that grasps the degree of congestion and congestion is a car navigation system or the like
  • the terminal device 4 that alerts pedestrians is a smart phone or the like.
  • An application running on the terminal device 4 analyzes the calculation results of the movement simulation and predicts roads and lanes on which a large number of vehicles may travel in the future.
  • the application running on the terminal device 4 uses the prediction results to perform lane pricing and dynamic lane number management for roads according to time zones.
  • the terminal device 4 is a road manager's computer or the like.
  • the aggregation device 1 uses the latest position information of the cloud-connected vehicles 2 for each lane to estimate the positions of the cloud-unconnected vehicles, and uses the estimation results to Based on the movement of each lane, the simulation of the movement of all vehicles is calculated to predict the congestion points of each lane.
  • the tallying device 1 performs simulation based on the current position information of the first vehicle on a lane-by-lane basis, so highly accurate and real-time information provision is possible. This allows the application to grasp future road conditions in more detail and accurately.
  • traffic congestion prediction based on past traffic congestion statistical information for the same day of the week and same time period using Google Maps is based on past information and fragmentary data obtained from information on some vehicles, not all vehicles. Prediction is based on statistical information, and traffic congestion prediction accuracy is insufficient and inaccurate because vehicle movement prediction is not performed on a vehicle-by-vehicle basis.
  • the tallying device 1 uses the current position of each vehicle to predict the movement of the vehicle. It can be grasped in more detail and accurately.
  • the tallying device 1 can predict traffic jam points for each lane, and can grasp future road conditions in more detail and accurately than the above-described technology. .
  • the tallying device 1 can estimate the number of cloud-unconnected vehicles existing in each lane, and can predict future road conditions in more detail and accurately than the above-described technology. can grasp.
  • the tallying device 1 targets vehicles instead of pedestrians, and targets vehicles traveling on lanes of roads between intersections rather than intersections.
  • the aggregation device 1 according to the present embodiment estimates the positions of cloud-unconnected vehicles to predict traffic conditions. As a result, the tallying device 1 according to the present embodiment can grasp the road conditions of the roadway in detail and accurately as compared with the technology described above.
  • the tallying device 1 according to the present embodiment does not use the past traffic volume, there is no need to accumulate the past data, and the amount of data to be held can be reduced.
  • the tallying device 1 according to the present embodiment does not correct traffic flow information, but predicts current and future vehicle movement and congestion.
  • the tallying device 1 according to the present embodiment estimates the number of vehicles at the lane level instead of at the road level.
  • the aggregation device 1 according to the present embodiment estimates the positions of cloud-unconnected vehicles to predict traffic conditions. As a result, the tallying device 1 according to the present embodiment can grasp current and future road conditions in detail and accurately compared to the above-described technology.
  • the tallying device 1 In addition, there are collision avoidance technologies for connected vehicles based on digital behavior twins and technologies for avoiding collisions in advance using the digital behavior twins of the drivers of the own vehicle and other vehicles. This technology predicts the behavior of the driver to prevent traffic accidents.
  • the tallying device 1 according to the present embodiment does not predict the behavior of the driver or prevent traffic accidents, but estimates the position of the cloud-unconnected vehicle and predicts the traffic condition for each lane. As a result, the tallying device 1 according to the present embodiment can grasp current and future road conditions in detail and accurately compared to the above-described technology.
  • FIG. 9 is a block diagram of a tallying device according to the second embodiment.
  • the tallying device 1 according to this embodiment is connected to road facilities 5 via a network.
  • the counting device 1 according to the present embodiment also estimates the positions of non-cloud-connected vehicles existing between the road facility 5 and the cloud-connected vehicles 2 in addition to between the cloud-connected vehicles 2 .
  • descriptions of the functions of the same units as in the first embodiment will be omitted.
  • the road facilities 5 are signals, signs, and the like.
  • the road facility 5 transmits facility information such as position information of its own device and display contents. For example, if the road facility 5 is a traffic light, the road facility 5 transmits position information and signal color information.
  • the received data storage unit 11 receives facility information from the road facility 5. Then, the received data storage unit 11 associates the acquired equipment information with the time and stores it in the storage area. For example, when the road facility 5 is a signal, the received data storage unit 11 stores position information and information on the color of the signal in association with time.
  • the reception data storage unit 11 receives facility information including information on the operation of the facility at each time, which is transmitted by the facility installed in advance in a fixed manner.
  • the unconnected vehicle position estimation unit 12 acquires the equipment information of the road equipment 5 associated with the time from the received data storage unit 11.
  • the unconnected vehicle position estimation unit 12 also acquires the spatio-temporal data of the cloud-connected vehicle 2 from the received data storage unit 11 .
  • the unconnected vehicle position estimation unit 12 estimates the position of the cloud unconnected vehicle existing between the road facility 5 and the cloud connected vehicle 2 closest to the road facility 5 on each lane for each lane.
  • FIG. 10 is a diagram for explaining estimation of cloud-unconnected vehicles existing between road facilities and cloud-connected vehicles.
  • a signal 300 exists as the road equipment 5 will be described.
  • the brakes are applied to the vehicles in order of proximity to the signal 300 .
  • the reaction delay time elapses before the brakes are applied to the first vehicle. Assuming that the reaction delay time is 1 second, the vehicle closest to the signal 300 is braked after 1 second. After that, the brakes are applied to the following vehicles one after another at intervals of one second.
  • the unconnected vehicle position estimation unit 12 acquires the time when the signal 300 changes from green to red from the equipment information of the signal 300 .
  • the unconnected vehicle position estimation unit 12 acquires the time when the cloud-connected vehicle 2 closest to the signal 300 among the cloud-connected vehicles 2 traveling according to the signal 300 brakes for each lane from the spatio-temporal data.
  • the unconnected vehicle position estimating unit 12 acquires the time when the cloud-connected vehicle 301 closest to the signal 300 in a specific lane was braked.
  • the non-connected vehicle position estimation unit 12 obtains an integrated reaction delay time for each lane from when the signal 300 changes from green to red until the cloud-connected vehicle 2 closest to the signal 300 is braked.
  • the unconnected vehicle position estimation unit 12 calculates the number of cloud unconnected vehicles existing between the cloud connected vehicles 2 and estimates their positions, as in the first embodiment. Then, the unconnected vehicle position estimating unit 12 is a cloud unconnected vehicle existing between the road equipment 5 and the cloud connected vehicle 2 on each lane, and a cloud unconnected vehicle existing between the cloud connected vehicles 2 Position information of each vehicle is stored in the vehicle position storage unit 15 .
  • the road facility 5 is a traffic signal
  • the non-connected vehicle position estimating unit 12 uses the time from the timing of the change of the traffic sign to the time when the cloud-connected vehicle 2 that is closest to the traffic sign in each lane starts driving.
  • road facilities 5 such as traffic lights and signs have been described as an example, but the present invention is not limited to this, and other facilities that are fixedly installed in advance and that the driver reacts to drive can be used. may be
  • the non-connected vehicle position estimating unit 12 based on the location information and driving behavior information of the cloud-connected vehicle 2 received by the reception data storage unit 11, the equipment information, and the reaction delay time, road equipment 5 and the cloud-connected vehicle 2 are estimated for each lane.
  • the simulation calculation unit 13 calculates the movement simulation of all vehicles, including the road facility 5 and the cloud-unconnected vehicles existing between the road facility 5 and the cloud-connected vehicle 2 on each lane.
  • FIG. 11 is a flow chart of traffic congestion prediction processing by the tallying device according to the second embodiment. Next, with reference to FIG. 11, the flow of traffic congestion prediction processing by the tallying device 1 according to the second embodiment will be described.
  • the received data storage unit 11 acquires the location information of the cloud-connected vehicle 2 and the equipment information of the road equipment 5 (step S31).
  • the received data storage unit 11 stores the position information and the equipment information in association with the time.
  • the road coordinate storage unit 14 receives input from the map information providing device 3 of road map data including longitude/latitude data of lane information indicating the center line of a lane, longitude/latitude data of shoulder lines, and longitude/latitude data of lane markings. Then, the road coordinate storage unit 14 generates polygons for each lane of the road. Further, the road coordinate storage unit 14 obtains polygon shape information representing each lane (step S32).
  • the unconnected vehicle position estimation unit 12 acquires polygon shape information representing each lane from the road coordinate storage unit 14 .
  • the unconnected vehicle position estimation unit 12 also acquires the spatio-temporal data of the cloud-connected vehicle 2 from the received data storage unit 11 .
  • the non-connected vehicle position estimation unit 12 identifies the cloud-connected vehicle 2 traveling in each lane from the polygon shape information representing each lane.
  • the non-connected vehicle position estimation unit 12 acquires the position information of the cloud non-connected vehicle existing between the cloud connected vehicles 2 for each lane (step S33).
  • the non-connected vehicle position estimation unit 12 identifies the cloud-connected vehicle 2 closest to the road facility 5 in each lane from the facility information of the road facility 5 . Then, the unconnected vehicle position estimation unit 12 acquires the position information of the cloud unconnected vehicle existing in front of the cloud connected vehicle 2 for each lane (step S34). Thereafter, the non-connected vehicle position estimation unit 12 stores the estimated spatio-temporal data of the cloud-disconnected vehicle and the estimated spatio-temporal data of the cloud-connected vehicle 2 in the vehicle position storage unit 15 .
  • the simulation calculation unit 13 calculates a movement simulation using the spatio-temporal data of all vehicles stored in the vehicle position storage unit 15 (step S35).
  • the simulation calculation unit 13 uses the calculation results of the movement simulation to predict traffic jam locations for each lane (step S36). After that, the simulation calculation unit 13 stores the calculation result of the movement simulation and the prediction result of the congestion location for each lane in the simulation result storage unit 16 .
  • the simulation result storage unit 16 Upon receiving the prediction result acquisition request from the terminal device 4, the simulation result storage unit 16 distributes the prediction result of the congestion location for each lane to the requesting terminal device 4 (step S37).
  • each component of each device illustrated is functionally conceptual, and does not necessarily need to be physically configured as illustrated.
  • the specific form of distribution and integration of each device is not limited to the illustrated one, and all or part of them can be functionally or physically distributed or Can be integrated and configured.
  • all or any part of each processing function performed by each device is realized by a CPU (Central Processing Unit) and a program analyzed and executed by the CPU, or hardware by wired logic can be realized as
  • the aggregation device 1 estimates the position of the cloud-unconnected vehicle that exists between the road facility 5 and the cloud-connected vehicle 2 for each lane. Then, the aggregation device 1 according to the present embodiment calculates the movement simulation of all vehicles from the movement of each vehicle including the cloud-unconnected vehicle existing between the road facility 5 and the cloud-connected vehicle 2, and calculates the congestion of each lane. Predict places. As described above, the aggregation device 1 according to the present embodiment performs movement simulation including the cloud-unconnected vehicle between the road facility 5 and the cloud-connected vehicle 2, which was not considered in the first embodiment. It is possible to provide highly accurate and real-time information. This enables the application to grasp future road conditions in more detail and accurately.
  • the aggregation device 1 can be implemented by installing a display control program for executing the above information processing as package software or online software in a desired computer.
  • the information processing device can function as the tallying device 1 by causing the information processing device to execute the above display control program.
  • the information processing apparatus referred to here includes a desktop or notebook personal computer.
  • information processing devices include mobile communication terminals such as smartphones, mobile phones and PHS (Personal Handy-phone Systems), and slate terminals such as PDA (Personal Digital Assistant).
  • the aggregation device 1 can be implemented as a management server device that uses a terminal device used by a user as a client and provides the client with services related to the management processing described above.
  • the management server device is implemented as a server device that receives a configuration input request and provides a management service for inputting the configuration.
  • the management server device may be implemented as a Web server, or may be implemented as a cloud that provides services related to the above management processing by outsourcing.
  • FIG. 6 is a diagram showing an example of a computer that executes a tallying program.
  • the computer 1000 has a memory 1010 and a CPU 1020, for example.
  • Computer 1000 also has hard disk drive interface 1030 , disk drive interface 1040 , serial port interface 1050 , video adapter 1060 and network interface 1070 . These units are connected by a bus 1080 .
  • the memory 1010 includes a ROM (Read Only Memory) 1011 and a RAM (Random Access Memory) 1012 .
  • the ROM 1011 stores a boot program such as BIOS (BASIC Input Output System).
  • BIOS BASIC Input Output System
  • Hard disk drive interface 1030 is connected to hard disk drive 1090 .
  • a disk drive interface 1040 is connected to the disk drive 1100 .
  • a removable storage medium such as a magnetic disk or optical disk is inserted into the disk drive 1100 .
  • Serial port interface 1050 is connected to mouse 1110 and keyboard 1120, for example.
  • Video adapter 1060 is connected to display 1130, for example.
  • the hard disk drive 1090 stores, for example, an OS 1091, application programs 1092, program modules 1093, and program data 1094. That is, a display control program that defines each process of the tallying device 1 having functions equivalent to those of the tallying device 1 is implemented as a program module 1093 in which computer-executable code is described.
  • Program modules 1093 are stored, for example, on hard disk drive 1090 .
  • the hard disk drive 1090 stores a program module 1093 for executing processing similar to the functional configuration of the counting device 1 .
  • the hard disk drive 1090 may be replaced by an SSD (Solid State Drive).
  • the setting data used in the processing of the above-described embodiment is stored as program data 1094 in the memory 1010 or the hard disk drive 1090, for example. Then, the CPU 1020 reads the program modules 1093 and program data 1094 stored in the memory 1010 and the hard disk drive 1090 to the RAM 1012 as necessary, and executes the processes of the above-described embodiments.
  • the program modules 1093 and program data 1094 are not limited to being stored in the hard disk drive 1090, but may be stored in a removable storage medium, for example, and read by the CPU 1020 via the disk drive 1100 or the like. Alternatively, the program modules 1093 and program data 1094 may be stored in another computer connected via a network (LAN (Local Area Network), WAN (Wide Area Network), etc.). Program modules 1093 and program data 1094 may then be read by CPU 1020 through network interface 1070 from other computers.
  • LAN Local Area Network
  • WAN Wide Area Network

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

受信データ格納部（１１）は、特定領域内で所定方向に走行するネットワークに接続され位置情報が取得可能な複数のクラウド接続車両のそれぞれの時刻毎の位置情報及び運転動作の情報を受信する。非接続車両位置推定部（１２）は、受信データ格納部（１１）により受信されたクラウド接続車両の位置情報及び運転動作の情報、並びに、前後に並んで走行する車両間の運転動作の発生時間の差分である反応遅れ時間を基に、特定領域内で所定方向に走行するネットワークに接続されないクラウド非接続車両の位置を推定する。

Description

集計装置、集計方法及び集計プログラム
　本発明は、集計装置、集計方法及び集計プログラムに関する。
　データセンタに車両やスマートフォンなどから位置情報を収集して、集まった時空間情報に対して、一定時間ごとに予め設定した「矩形」で区切った範囲に車両やスマートフォンなどの移動型機器が何台存在するかを集計することができる。
　ここで、既存のサービスとして、Ｇｏｏｇｌｅマップ（登録商標）による同曜日且つ同時間帯の過去の渋滞統計情報による渋滞予測が存在する。また、ＶＩＣＳ（Vehicle　Information　and　Communication　System　Center）（登録商標）による渋滞状況通知やＹａｈｏｏ（登録商標）混雑レーダーなどがある。これら既存のサービスでは道路に含まれる「レーン」毎ではなく、「道路」や「矩形」の単位で情報の提供を行っている。さらに、クラウドに接続されている車両の速度情報を収集し、その速度情報がシミュレーション結果よりも低速だった場合にクラウドに接続されていない車両が周囲に存在すると仮定する技術が存在する。
"交通状況の表示や運転ルート付近の場所の検索を行う",　[online]，　Google　[令和2年11月11日検索]　インターネット　＜ＵＲＬ:https://support.***.com/maps/answer/6337401?hl=ja[2021/03/22　11:25:39]＞ "渋滞情報",　[online]，　ＶＩＣＳセンター（一般財団法人　道路交通情報通信システムセンター）　[令和3年4月14日検索]　インターネット　＜ＵＲＬ：https://www.vics.or.jp/know/service/index.html＞ "混雑レーダー",　[online]，　Yahoo　Japan　[令和3年4月14日検索]　インターネット　＜ＵＲＬ：https://map.yahoo.co.jp/congestion?lat=35.59735&lon=137.74180&zoom=9&maptype=basic＞ Noah　Goodall,　Brian　L.　Smith,　"Microscopic　Estimation　of　Freeway　Vehicle　Positions　From　the　Behavior　of　Connected　Vehicles",　[online],　March　2014,　Journal　of　Intelligent　Transportation　Systems,　[令和3年4月14日検索]　インターネット　＜ＵＲＬ：https://www.researchgate.net/publication/280324714＞
　しかしながら、同曜日且つ同時間帯の過去の渋滞統計情報からでは、事故や工事といった突発的な事象が発生した場合に、どのレーンでどのくらいの長さの渋滞が発生しているかを把握することは困難である。また、道路や矩形の単位で渋滞情報を把握する技術では、情報をまとめる範囲が大きいため、渋滞の状態を詳細に把握することは困難である。また、クラウドに接続されている車両の速度情報の大小による車両の推定では精度が低く、１台１台の車両移動予測に用いることが困難である。
　本発明は、上記に鑑みてなされたものであって、精度の高い渋滞予想を行うことを目的とする。
　上述した課題を解決し、目的を達成するために、受信データ格納部は、特定領域内で所定方向に走行するネットワークに接続され位置情報が取得可能な複数の接続車両のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信する。非接続車両位置推定部は、前記受信データ格納部により受信された前記接続車両の前記位置情報及び前記運転動作の情報、並びに、前後に並んで走行する車両間の運転動作の発生時間の差分である反応遅れ時間を基に、前記特定領域内で前記所定方向に走行する前記ネットワークに接続されない非接続車両の位置を推定する。
　本発明によれば、精度の高い渋滞予想を行うことができる。
図１は、第１の実施形態に係る集計装置のブロック図である。 図２は、レーン別のポリゴンを説明するための図である。 図３は、人間の運転能力とブレーキ操作との関係を説明するための図である。 図４は、人間の反応時間に着目した車両台数推定処理を説明するための図である。 図５は、クラウド非接続車両の台数算出処理の一例を示す図である。 図６は、第１の実施形態に係る集計装置による渋滞予測の予測結果の一例を表す図である。 図７は、第１の実施形態に係る集計装置による渋滞予測処理のフローチャートである。 図８は、移動シミュレーションの計算処理のフローチャートである。 図９は、第２の実施形態に係る集計装置のブロック図である。 図１０は、道路設備とクラウド接続車両との間に存在するクラウド非接続車両の推定を説明するための図である。 図１１は、第２の実施形態に係る集計装置による渋滞予測処理のフローチャートである。 図１２は、集計プログラムを実行するコンピュータの一例を示す図である。
　以下に、本願の開示する集計装置、集計方法及び集計プログラムの一実施形態を図面に基づいて詳細に説明する。なお、以下の実施形態により本願の開示する集計装置、集計方法及び集計プログラムが限定されるものではない。
［第１の実施形態］
　図１は、第１の実施形態に係る集計装置のブロック図である。図１に示すように、本実施形態に係る集計装置１は、クラウドを介してクラウド接続車両２と接続される。また、集計装置１は、地図情報提供装置３及び端末装置４と接続される。
　クラウド接続車両２は、ネットワークに接続するための車両管理装置を搭載する。車両管理装置は、例えばカーナビゲーションシステムやスマートフォンなどにより実現される。クラウド接続車両２は、車両管理装置を使用してネットワークを介してクラウドに接続する。クラウド接続車両２は、コネクテッドカーと呼ばれる場合もある。
　クラウド接続車両２の車両管理装置は、クラウド接続車両２の位置情報をＧＰＳ（Global　Positioning　System）などから取得して、時刻毎に緯度及び経度で表した位置情報としてクラウドを介して集計装置１へ送信する。また、クラウド接続車両２の車両管理装置は、クラウド接続車両２におけるブレーキ操作を観測して、クラウドを介して観測結果であるブレーキ操作情報を集計装置１へ送信する。例えば、車両管理装置は、時間毎のブレーキの踏み込み角度を取得して集計装置１へ送信する。他にも、車両管理装置は、クラウド接続車両２の速度をブレーキ操作の観測結果として集計装置１へ送信してもよい。
　ここで、道路上を走行する車両には、クラウド接続車両２の他にクラウドに接続されないクラウド非接続車両が存在する。クラウド非接続車両の情報は、集計装置１には送られない。以下の説明では、クラウド接続車両２及びクラウド非接続車両を合わせて全車両と呼ぶ場合がある。クラウド接続車両２及びクラウド非接続車両ともに、道路上の特定領域であるレーンをレーン上の進行方向である所定方向へ走行する。
　地図情報提供装置３は、道路地図データを集計装置１へ提供する。道路地図データは、道路ＩＤ、レーンＩＤ、車線数、道路中央の緯度及び経度、レーン中央の緯度及び経度、区画線（道路端白線及び点線）の緯度及び経度のデータなどを含む。より具体的には、道路地図データには、車線情報、車道情報、区画線、路肩線、交差点領域、道路標示等の属性で経度緯度データが格納される。
　端末装置４は、集計装置１による集計結果を利用して処理を行うアプリケーションが動作する情報処理装置である。端末装置４は、集計装置１によるレーン毎の渋滞予測の予測結果を集計装置１から取得する。そして、端末装置４は、受信した渋滞予測の予測結果を用いてアプリケーションによる処理を行う。ここで、端末装置４は、例えば、クラウド接続車両２に搭載された車両管理装置であってもよい。
　集計装置１は、地図情報提供装置３から取得した道路地図データを用いて道路上の各レーンに対応するポリゴンを作成する。その後、集計装置１は、各レーンを表すポリゴン毎に、クラウド接続車両２の位置を取得する。そして、集計装置１は、クラウド接続車両２のブレーキ操作からクラウド接続車両２の間に存在するクラウド非接続車両を推定する。その後、クラウド接続車両２は、全車の移動のシミュレーションを行い、シミュレーション結果から渋滞予測を行う。以下に、集計装置１の詳細について説明する。
［集計装置］
　集計装置１は、図１に示すように、受信データ格納部１１、非接続車両位置推定部１２、シミュレーション計算部１３、道路座標格納部１４、車両位置格納部１５及びシミュレーション結果格納部１６を有する。
　受信データ格納部１１は、クラウドを介してクラウド接続車両２から各時刻における位置情報を表す時空間データを受信する。また、受信データ格納部１１は、クラウドを介してブレーキ操作情報をクラウド接続車両２から受信する。そして、受信データ格納部１１は、収集した時空間データ及びブレーキ操作情報を格納する。
　以上のように、受信データ格納部１１は、特定領域内で所定方向へ走行するネットワークに接続され位置情報が取得可能な複数のクラウド接続車両２のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信する。より詳しくは、受信データ格納部１１は、レーン毎に、前記レーン上を走行するネットワークに接続され位置情報が取得可能な複数のクラウド接続車両２のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信する。
　道路座標格納部１４は、車線の中心線を示す車線情報の経度緯度データ、路肩線の経度緯度データ及び区画線の経度緯度データを含む道路地図データの入力を地図情報提供装置３から受け付ける。そして、道路座標格納部１４は、地図上の道路や他の施設や領域の形状を表すポリゴンを生成する。
　特に、道路座標格納部１４は、道路についてレーン別にポリゴンを生成する。図２は、レーン別のポリゴンを説明するための図である。ポリゴンとは、地図上において任意に直線で区切った区画のことを指す。例えば、図２のような地図がある場合に、道路１０１には、レーン１０２を含む複数のレーンが存在する。道路座標格納部１４は、例えば、レーン１０２のポリゴン１０３及びその他のレーンのポリゴンを別個に作成する。道路座標格納部１４は、道路地図データを参照し、車線情報からの垂線と交差する前記区画線または路肩線の交点を基に、レーンの領域を示すレーン別ポリゴンを生成する。具体的には、道路座標格納部１４は、車線情報からの垂線と交差する区画線または路肩線の交点同士を結合してレーン別のポリゴンを生成する。この場合、交差点間のレーンが１つのポリゴンとなる。レーンのポリゴン化については、道路座標格納部１４は、交差点内を別ポリゴンとするなどの方法を用いてもよい。その後、道路座標格納部１４は、取得したレーンＩＤを各レーンに識別子として割り当てる。
　そして、道路座標格納部１４は、生成したポリゴンの形状を緯度及び経度で表す形状情報を生成する。例えば、図２のレーン１０２は、４隅の緯度及び経度の座標を有する形状情報により表される。その後、道路座標格納部１４は、各レーンを表すレーンＩＤ及び各レーンを表すポリゴンの形状情報を記憶領域に格納する。
　非接続車両位置推定部１２は、各クラウド接続車両２に関する時空間データ及びブレーキ操作情報を受信データ格納部１１から取得する。さらに、非接続車両位置推定部１２は、各レーンを表すレーンＩＤ及び各レーンを表すポリゴンの形状情報を道路座標格納部１４から取得する。
　次に、非接続車両位置推定部１２は、各レーンを表すポリゴンの形状情報の中に位置情報が含まれるクラウド接続車両２を特定することで、レーン毎に各レーンを走行するクラウド接続車両２の位置を特定する。次に、非接続車両位置推定部１２は、レーン毎に以下のクラウド非接続車両位置推定処理を実行する。
　図３は、人間の運転能力とブレーキ操作との関係を説明するための図である。ここで、図３を参照して、人間の運転能力とブレーキ操作との関係について説明する。
　ブレーキ操作図２００は、紙面に向かって左側が走行方向である車両２０１及び車両２０２のブレーキが踏まれたときの状態を示す。ブレーキ操作図２００に示すように、先行する車両２０１でブレーキが踏まれると、その車両２０１の状態を確認することで後続の車両２０２でブレーキが踏まれる。
　この時、運動能力図２１０に示すように、後続の車両２０２の運転者は、ブレーキ操作により先行する車両２０１の状態が変化した場合、その状態変化を認知し、その認知に応じて車両２０１においてブレーキが掛けられたと判断する。そして、車両２０２の運転者は、判断にしたがって車両２０２のブレーキ操作を行い、そのブレーキ操作に車両２０２が応答して車両２０２のブレーキが掛かる。そのブレーキ操作が車両２０２の運転動作として後続の車両に伝えられる。このように、先行する車両２０１のブレーキ操作から、後続の車両２０２にブレーキがかかるまでに、約１秒の反応遅れ時間が発生する。
　ブレーキ操作図２００において、車両２０１にブレーキが掛かってから車両２０２でブレーキが掛かるまでに、１秒の時間が経過する。例えば、時刻Ｔが０秒のタイミングで車両２０１にブレーキが掛かった場合、時刻Ｔが１秒のタイミングで車両２０２にブレーキが掛かる。
　図４は、人間の反応時間に着目した車両台数推定処理を説明するための図である。クラウド接続車両２２１及び２２２が存在する場合に、先行するクラウド接続車両２２１と後続のクラウド接続車両２２２とのブレーキが掛かる時間差は、その間に存在するクラウド非接続車両の台数に応じて長くなる。すなわち、クラウド接続車両２２１及び２２２の間に存在するクラウド非接続車両の台数が１台増える毎に、ブレーキが掛かる時間差は１秒増える。そこで、先行するクラウド接続車両２２１と後続のクラウド接続車両２２２とのブレーキが掛かる時間差から、その間のクラウド非接続車両の台数を推定することができる。
　例えば、時刻Ｔが０秒のタイミングでクラウド接続車両２２１にブレーキが掛かり、時刻Ｔが３秒のタイミングでクラウド接続車両２２２にブレーキが掛かった場合で説明する。この場合、ブレーキが掛かる時間差は、３秒であり、クラウド接続車両２２１とクラウド接続車両２２２との間にクラウド非接続車両が存在しない場合に比べて２秒長い。この場合、間に存在するクラウド非接続車両の台数が１台増える毎に、ブレーキが掛かる時間差は１秒増えることから、クラウド接続車両２２１とクラウド接続車両２２２との間には、２台のクラウド非接続車両２３１及び２３２が存在すると推定される。以上のように、非接続車両位置推定部１２は、先行するクラウド接続車両２と後続の次のクラウド接続車両２との間に何台のクラウド非接続車両が存在するかを推測することができる。
　例えば、非接続車両位置推定部１２は、推定対象とするレーンにおける先行するクラウド接続車両２と後続の次のクラウド接続車両２との組を１つ選択する。そして、非接続車両位置推定部１２は、選択した組のクラウド接続車両２のそれぞれのブレーキ操作情報を取得する。次に、非接続車両位置推定部１２は、後続のクラウド接続車両２のブレーキが掛かった時刻から、先行するクラウド接続車両２のブレーキが掛かった時刻を減算する。これにより、非接続車両位置推定部１２は、選択したクラウド接続車両２の間のブレーキが掛かった時間の時間差である積算反応遅れ時間を算出する。次に、非接続車両位置推定部１２は、次の数式（１）を用いて選択したクラウド接続車両２の間に存在するクラウド非接続車両の台数を算出する。
Figure JPOXMLDOC01-appb-M000001
　その後、非接続車両位置推定部１２は、算出した台数のクラウド非接続車両により選択した組のクラウド接続車両２の間が等分されるように、各クラウド非接続車両の位置を推定する。そして、非接続車両位置推定部１２は、推定したクラウド非接続車両の位置情報を時刻と対応付けて時空間データとして車両位置格納部１５に格納する。
　図５は、クラウド非接続車両の台数算出処理の一例を示す図である。例えば、非接続車両位置推定部１２は、クラウド接続車両２４１とクラウド接続車両２４２を同じレーンを走行する前後に並んだクラウド接続車両の組として選択する。
　まず、非接続車両位置推定部１２は、選択したクラウド接続車両２４１及び２４２の間の積算反応遅れ時間を求める観測フェーズの処理を実行する。例えば、非接続車両位置推定部１２は、先行するクラウド接続車両２４１のブレーキ操作情報２５１及び後続のクラウド接続車両２４２のブレーキ操作情報２５２を取得する。ブレーキ操作情報２５１及び２５２は、例えば、ブレーキの踏み込み角度であり、非接続車両位置推定部１２は、最も踏み込み角度が大きくなった時刻をブレーキが掛かった時刻として特定する。そして、非接続車両位置推定部１２は、ブレーキ操作情報２５２から特定した時刻から及びブレーキ操作情報２５１から特定した時刻を減算して、クラウド接続車両２４１とクラウド接続車両２４２との間の積算反応遅れ時間Ｔ１を算出する。ここでは、非接続車両位置推定部１２は、積算反応遅れ時間Ｔ１を３秒と算出する。
　次に、非接続車両位置推定部１２は、選択したクラウド接続車両２４１及び２４２の間に存在するクラウド非接続車両の台数を推定する推定フェーズの処理を実行する。例えば、非接続車両位置推定部１２は、算出した積算反応遅れ時間Ｔ１を反応遅れ時間である１秒で除算して、除算結果から間にクラウド非接続車両が存在しない場合の反応遅れ時間である１秒を減算して、クラウド非接続車両の台数を算出する。この場合、非接続車両位置推定部１２は、クラウド接続車両２４１及び２４２の間に存在するクラウド非接続車両の台数を（３／１）－１＝２台と算出する。すなわち、非接続車両位置推定部１２は、クラウド接続車両２４１及び２４２の間に、クラウド非接続車両２６１及び２６２が存在すると推定する。言い換えれば、非接続車両位置推定部１２は、クラウド接続車両２４１のブレーキが掛かったタイミングから１秒後に、クラウド非接続車両２６１のブレーキが掛かり、その１秒後にクラウド非接続車両２６２のブレーキが掛かり、その１秒後にクラウド非接続車両２６２のブレーキが掛かかったと推定する。そして、非接続車両位置推定部１２は、クラウド接続車両２４１とクラウド接続車両２４２との間を３等分する位置をクラウド非接続車両２６１及び２６２の位置として推定する。
　非接続車両位置推定部１２は、各レーンにおいて、先行するクラウド接続車両２及び後続の次のクラウド接続車両２の組の全てについてその間に存在するクラウド非接続車両の位置の推定を行う。そして、非接続車両位置推定部１２は、全てのレーンにおける推定した全ての各クラウド非接続車両の位置情報を時刻と対応付けて時空間データとして車両位置格納部１５に格納する。さらに、非接続車両位置推定部１２は、クラウド接続車両２の時空間データも車両位置格納部１５に格納する。
　ここでは、ブレーキ操作を例に説明したが、前の車両での運転動作に応じて後ろの車両で同種の運転動作が行われれば他の動作でも、同様に反応遅れ時間が発生する運転動作が存在する。反応遅れ時間は、前後に並ぶ車両における運転動作の発生時間の差分である。非接続車両位置推定部１２は、他の運転動作における反応遅れ時間を用いて、クラウド接続車両２の間に存在するクラウド非接続車両の位置を推定することも可能である。
　以上のように、非接続車両位置推定部１２は、受信データ格納部１１により受信された位置情報及び運転動作の情報、並びに、前後に並んで走行する車両間の運転動作の発生時間の差分である反応遅れ時間を基に、ネットワークに接続されないクラウド非接続車両の位置を前記レーン毎に推定する。また、非接続車両位置推定部１２は、先行するクラウド接続車両２と後続の次のクラウド接続車両２との運転動作の発生時間の差分である積算反応遅れ時間を求め、積算反応遅れ時間及び前記反応遅れ時間から、先行するクラウド接続車両２と後続の次のクラウド接続車両２との間に存在するクラウド非接続車両の台数を算出する。
　車両位置格納部１５は、レーン毎の全車両の時空間データの入力を非接続車両位置推定部１２から受ける。そして、車両位置格納部１５は、レーン毎の全車両の時空間データを格納する。
　シミュレーション計算部１３は、各レーンを表すレーンＩＤ及び各レーンを表すポリゴンの形状情報を道路座標格納部１４から取得する。さらに、シミュレーション計算部１３は、レーン毎の全車両の時空間データを車両位置格納部１５から取得する。そして、シミュレーション計算部１３は、各レーンを表すポリゴンの形状情報から各レーンの位置を特定し、レーン毎の全車両の時空間データを用いて、未来の全車両の位置を予測するためのシミュレーションを計算する。例えば、シミュレーション計算部１３は、Simulation　of　Urban　Mobility（ＳＵＭＯ）などのソフトウェアを用いて全車両それぞれの移動シミュレーションを計算する。シミュレーションの計算方法は、これに限らず、他のシミュレーション技術を用いてもよい。
　さらに、シミュレーション計算部１３は、未来の全車両の位置の予測結果から、レーン毎の渋滞箇所を予測する。例えば、シミュレーション計算部１３は、一定時間における各車両の移動距離が閾値以下の場合にその箇所で渋滞が発生していると予測する。その後、シミュレーション計算部１３は、シミュレーションの計算結果及びレーン毎の渋滞箇所の予測結果をシミュレーション結果格納部１６へ格納する。
　以上のように、シミュレーション計算部１３は、クラウド接続車両２の位置情報及び非接続車両位置推定部１２により推定されたクラウド非接続車両の位置情報を基に、クラウド接続車両２及びクラウド非接続車両の移動シミュレーションを計算して、レーン毎にクラウド接続車両２及びクラウド非接続車両の将来の位置を予測する。
　シミュレーション結果格納部１６は、シミュレーション計算部１３から入力されたレーン毎の全車両それぞれの移動シミュレーションのシミュレーション結果及びレーン毎の渋滞箇所の予測結果を格納する。その後、シミュレーション結果格納部１６は、端末装置４からシミュレーション結果の取得要求を受けると、格納したレーン毎の全車両それぞれの移動シミュレーションのシミュレーション結果を要求元の端末装置４へ送信する。また、シミュレーション結果格納部１６は、端末装置４からレーン毎の渋滞の予測結果の取得要求を受けると、格納したレーン毎の渋滞の予測結果を要求元の端末装置４へ送信する。
　図６は、第１の実施形態に係る集計装置による渋滞予測の予測結果の一例を表す図である。本実施形態に係るシミュレーション計算部１３は、レーン毎に未来の全車両のそれぞれの位置をシミュレートする。そのため、シミュレーション計算部１３は、図６に示すようにレーン毎の渋滞予測を行うことができる。例えば、レーン２６０において突発的な障害物２６１が発生した場合で説明する。シミュレーション計算部１３は、現在の全車両の１台１台の位置情報に基づいてシミュレーションを行うため、突発的な障害物２６１が発生した場合でもレーン２６０における全車両の位置情報を精度よく予測できる。そして、図６に示すように、シミュレーション計算部１３は、レーン２６０に多数の車が存在し且つ移動が少ないことを確認することで、突発的な障害物２５１が発生によるレーン２５０の渋滞を迅速かつ高精度に予測することができる。
　［集計処理の処理手順］
　図７は、第１の実施形態に係る集計装置による渋滞予測処理のフローチャートである。次に、図７を参照して、第１の実施形態に係る集計装置１による渋滞予測処理の流れについて説明する。
　受信データ格納部１１は、クラウド接続車両２の位置情報を取得する（ステップＳ１１）。そして、受信データ格納部１１は、位置情報を時刻に対応付けて時空間データとして保持する。
　道路座標格納部１４は、車線の中心線を示す車線情報の経度緯度データ、路肩線の経度緯度データ及び区画線の経度緯度データを含む道路地図データの入力を地図情報提供装置３から受け付ける。そして、道路座標格納部１４は、道路についてレーン別にポリゴンを生成する。さらに、道路座標格納部１４は、各レーンを表すポリゴンの形状情報を求める（ステップＳ１２）。
　非接続車両位置推定部１２は、各レーンを表すポリゴンの形状情報を道路座標格納部１４から取得する。また、非接続車両位置推定部１２は、クラウド接続車両２の時空間データを受信データ格納部１１から取得する。次に、非接続車両位置推定部１２は、各レーンを表すポリゴンの形状情報から各レーンを走行するクラウド接続車両２を特定する。そして、非接続車両位置推定部１２は、レーン毎にクラウド接続車両２の間に存在するクラウド非接続車両の位置情報を取得する（ステップＳ１３）。その後、非接続車両位置推定部１２は、推定したクラウド非接続車両の時空間データ及びクラウド接続車両２の時空間データを車両位置格納部１５に格納する。
　シミュレーション計算部１３は、車両位置格納部１５に格納された全車両の時空間データからを用いて、移動シミュレーションを計算する（ステップＳ１４）。
　次に、シミュレーション計算部１３は、移動シミュレーションの計算結果を用いて、レーン毎の渋滞箇所を予測する（ステップＳ１５）。その後、シミュレーション計算部１３は、移動シミュレーションの計算結果及びレーン毎の渋滞箇所の予測結果をシミュレーション結果格納部１６に格納する。
　シミュレーション結果格納部１６は、端末装置４からの予測結果の取得要求を受けて、要求元の端末装置４へレーン毎の渋滞箇所の予測結果を配信する（ステップＳ１６）。
　図８は、移動シミュレーションの計算処理のフローチャートである。次に、図８を参照して、移動シミュレーションの計算処理の流れを説明する。図８のフローチャートで示した処理は、図７のステップＳ１４で実行される処理の一例にあたる。
　シミュレーション計算部１３は、車両位置格納部１５に格納された全車両の時空間データから、全車両の時間毎の位置情報を取得する（ステップＳ２１）。また、シミュレーション計算部１３は、各レーンを表すレーンＩＤ及び各レーンを表すポリゴンの形状情報を道路座標格納部１４から取得する。
　次に、シミュレーション計算部１３は、レーンの形状情報及び全車両の位置情報からレーン毎に走行する車両を特定する。そして、シミュレーション計算部１３は、ＳＵＭＯなどのソフトウェアを用いて全車両それぞれの移動シミュレーションを計算する（ステップＳ２２）。
　その後、シミュレーション計算部１３は、レーン毎の全車両の移動シミュレーションの計算結果をシミュレーション結果格納部１６に格納する（ステップＳ２３）。
［実施例］
　以上に説明した集計装置１は、以下の各実施例を実現するように動作可能である。例えば、車を対象オブジェクトとして移動シミュレーションの計算結果を利用する実施例として次のようなものがある。
　第１の実施例について説明する。端末装置４で動作するアプリケーションは、移動シミュレーションの計算結果を分析して、各地点における車両の台数を把握する。そして、端末装置４で動作するアプリケーションは、各地点における車両の台数を用いて、最適ルート案内や駐車場占有率の把握などを行う。この場合、端末装置４は、カーナビゲーションシステムやスマートフォンなどである。
　第２の実施例について説明する。端末装置４で動作するアプリケーションは、移動シミュレーションの計算結果を分析して、車両の平均速度を把握する。そして、端末装置４で動作するアプリケーションは、車両の平均速度を用いて、渋滞度及び混雑度の把握や平均速度が高い道路付近の歩行者への注意喚起などを行う。この場合、渋滞度及び混雑度の把握を行う端末装置４はカーナビゲーションシステムなどであり、歩行者への注意喚起を行う端末装置４はスマートフォンなどである。
　第３の実施例について説明する。端末装置４で動作するアプリケーションは、移動シミュレーションの計算結果を分析して、未来に大量の車が走行する可能性のある道路やレーンを予測する。そして、端末装置４で動作するアプリケーションは、予測結果を用いて、レーンプライシングや時間帯に応じた道路のダイナミックレーン数管理などを行う。この場合、端末装置４は、道路の管理者のコンピュータなどである。
［集計処理による効果］
　以上に説明したように、集計装置１は、レーン毎にクラウド接続車両２の最新の位置情報を用いてクラウド非接続車両の位置を推定し、推定結果を用いてクラウド非接続車両を含む各車両の動きから全車両の移動シミュレーションを計算して各レーンの渋滞箇所を予測する。このように、本実施形態に係る集計装置１は、レーン単位で且つ現在の１第１台の車両の位置情報に基づいてシミュレーションを行うため、高精度かつリアルタイムな情報提供が可能となる。これにより、アプリケーションは、未来の道路状況をより詳細且つ正確に把握することが可能となる。
　例えば、Ｇｏｏｇｌｅマップによる同曜日且つ同時間帯の過去の渋滞統計情報による渋滞予測では、過去の情報であり且つ全車両ではなく一部の車両の情報から得られた断片的データをもとにした統計情報を基にして予測を行っており、１台１台の粒度での車両移動予測を行っていないため渋滞予測精度が不十分であり不正確である。これに対して、本実施形態に係る集計装置１は、１台１台の粒度での現在の車両の位置を用いて車両移動予測を行うため、上述した技術に比べて、未来の道路状況をより詳細且つ正確に把握することができる。
　また、ＶＩＣＳによる渋滞状況通知やＹａｈｏｏ混雑レーダーなどは、いずれもトラフィックカウンターが取り付けられている主要道の情報を提示する技術であり、レーンごとの渋滞予測や小道での渋滞予測は行えない。これに対して、本実施形態に係る集計装置１は、レーン毎に渋滞箇所の予測を行うことができ、上述した技術に比べて、未来の道路状況をより詳細且つ正確に把握することができる。
　また、クラウド接続車両の速度情報を収集し、その速度情報がシミュレーション結果よりも低速だった場合にクラウド非接続車両が周囲に存在すると仮定する技術では、具体的にどの程度のクラウド非接続車両が存在するかを把握することは困難である。これに対して、本実施形態に係る集計装置１は、レーン毎に存在するクラウド非接続車両の台数を推定することができ、上述した技術に比べて、未来の道路状況をより詳細且つ正確に把握することができる。
　さらに、車道交差点の仮想シミュレーションにおける歩行者の自動生成や交差点に進入する歩行者の挙動をシミュレーションする技術が存在する。この技術では、歩行者、特に交差点での歩行者が分析対象となる。これに対して、本実施形態に係る集計装置１は、歩行者ではなく車両を対象とし、交差点ではなく交差点間の道路の各レーン上を走行する車両を対象とする。さらに、本実施形態に係る集計装置１は、クラウド非接続車両の位置を推定して交通状態の予測を行う。これにより、本実施形態に係る集計装置１は、上述した技術と比較して、車道における道路状況を詳細且つ正確に把握することが可能となる。
　また、過去の交通流と、現在のクラウドに接続されている車両の情報とを利用することで、現在収取されている交通流を補正する技術が存在する。この技術では、過去の情報に基づく現在の道路状況の補正が行われる。これに対して、本実施形態に係る集計装置１は、過去の交通量は利用しないため過去のデータを蓄積しなくてもよく、保持するデータ量を軽減することができる。また、本実施形態に係る集計装置１は、交通流の情報を補正するのではなく、現在及び未来の車両の移動及び混雑を予測する。また、本実施形態に係る集計装置１は、道路レベルではなくレーンレベルで車両台数推定を行う。さらに、本実施形態に係る集計装置１は、クラウド非接続車両の位置を推定して交通状態の予測を行う。これにより、本実施形態に係る集計装置１は、上述した技術と比較して、現在及び未来の道路状況を詳細且つ正確に把握することが可能となる。
　また、デジタル行動ツインに基づくコネクティッド車両のための衝突回避及び自車両と他車両のドライバのデジタル行動ツインにより、事前に衝突を回避する技術が存在する。この技術では、ドライバの行動を予測して交通事故を予防することが行われる。これに対して、本実施の形態に係る集計装置１は、ドライバの行動予測や交通事故の予防などは行わず、クラウド非接続車両の位置を推定してレーン毎の交通状態の予測を行う。これにより、本実施形態に係る集計装置１は、上述した技術と比較して、現在及び未来の道路状況を詳細且つ正確に把握することが可能となる。
［第２の実施形態］
　図９は、第２の実施形態に係る集計装置のブロック図である。図９に示すように、本実施形態に係る集計装置１は、道路設備５とネットワークを介して接続される。本実施形態に係る集計装置１は、クラウド接続車両２の間に加えて、道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両の位置の推定も行う。以下の説明では、第１の実施形態と同様の各部の機能については説明を省略する。
　道路設備５は、信号や標識などである。道路設備５は、自装置の位置情報や表示内容などの設備情報を送信する。例えば、道路設備５が信号の場合、道路設備５は、位置情報及び信号の色の情報を送信する。
　受信データ格納部１１は、設備情報を道路設備５から受信する。そして、受信データ格納部１１は、取得した設備情報を時刻と対応付けて記憶領域に格納する。例えば、受信データ格納部１１は、道路設備５が信号の場合、位置情報とともに信号の色の情報を時刻と対応付けて格納する。
　以上のように受信データ格納部１１は、予め固定的に設置された設備が送信する設備の時刻毎の動作の情報を含む設備情報を受信する。
　非接続車両位置推定部１２は、時刻に対応付けられた道路設備５の設備情報を受信データ格納部１１から取得する。また、非接続車両位置推定部１２は、クラウド接続車両２の時空間データを受信データ格納部１１から取得する。そして、非接続車両位置推定部１２は、道路設備５と各レーン上で道路設備５に最も近いクラウド接続車両２との間に存在するクラウド非接続車両の位置をレーン毎に推定する。
　図１０は、道路設備とクラウド接続車両との間に存在するクラウド非接続車両の推定を説明するための図である。例えば、道路設備５として信号３００が存在する場合で説明する。信号３００が赤になると、信号３００に近い順に各車両にブレーキが掛かる。最初の車両にブレーキが掛かるまでに、反応遅れ時間分の時間が経過する。反応遅れ時間が１秒であるとすると、１秒後に最も信号３００に近い車両にブレーキが掛かる。その後、１秒間隔で次々に後続の車両にブレーキが掛かっていく。
　そこで、非接続車両位置推定部１２は、信号３００の設備情報から信号３００が青から赤に変化した時刻を取得する。また、非接続車両位置推定部１２は、レーン毎に、信号３００にしたがい走行するクラウド接続車両２のうち信号３００に最も近いクラウド接続車両２にブレーキが掛かった時刻を時空間データから取得する。例えば、非接続車両位置推定部１２は、特定のレーンにおいて信号３００に最も近いクラウド接続車両３０１にブレーキが掛かった時刻を取得する。そして、非接続車両位置推定部１２は、信号３００が青から赤に変化してから信号３００に最も近いクラウド接続車両２にブレーキが掛かるまでの積算反応遅れ時間をレーン毎に求める。
　例えば、時刻Ｔが０秒のタイミングで信号３００が青から赤に変わり、時刻Ｔが３秒のタイミングでクラウド接続車両３０１にブレーキが掛かった場合、非接続車両位置推定部１２は、積算反応遅れ時間を３秒と算出する。その場合、反応遅れ時間が１秒であれば、非接続車両位置推定部１２は、数式（１）を用いて、（３／１）－１＝２台として信号３００とクラウド接続車両３０１との間に存在するクラウド非接続車両の台数を算出する。すなわち、非接続車両位置推定部１２は、図１０に示すように、信号３００が赤になってから１秒後にクラウド非接続車両３１１にブレーキが掛かり、その１秒後にクラウド非接続車両３１２にブレーキが掛かり、その１秒後にクラウド接続車両３０１にブレーキが掛かったと推定する。そして、非接続車両位置推定部１２は、位置情報から信号３００とクラウド接続車両３０１との間の距離を求めて、その距離を等分する位置としてその間に存在するクラウド非接続車両の位置を推定する。
　また、非接続車両位置推定部１２は、第１の実施形態と同様に、クラウド接続車両２の間に存在するクラウド非接続車両の台数を算出して、それらの位置を推定する。そして、非接続車両位置推定部１２は、道路設備５と各レーン上で道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両及びクラウド接続車両２の間に存在するクラウド非接続車両のそれぞれの位置情報を車両位置格納部１５に格納する。
　ここで、以上では道路設備５が信号の場合を例に説明したが、道路設備５が標識の場合も、非接続車両位置推定部１２は、同様に道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両の位置を推定する。例えば、標識が変化してから反応遅れ時間後に先頭車両の運転動作が行われ、その後次々に反応遅れ時間後に後続車両で運転動作が行われる。そこで、非接続車両位置推定部１２は、標識の変化のタイミングから各レーンで標識に最も近いクラウド接続車両２で運転動作が行われるまでの時間を用いて、標識とクラウド接続車両２との間に存在するクラウド非接続車両の位置を推定することができる。また、本実施例では、信号や標識といった道路設備５を例に説明したが、これに限らず、運転者が反応して運転動作を行う予め固定的に設置された設備であれば他の設備であってもよい。
　以上のように、非接続車両位置推定部１２は、受信データ格納部１１により受信されたクラウド接続車両２の位置情報及び運転動作の情報、設備情報、並びに、反応遅れ時間を基に、道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両の位置を前記レーン毎に推定する。
　シミュレーション計算部１３は、道路設備５と各レーン上で道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両も含めて、全車両の移動シミュレーションを計算する。
　図１１は、第２の実施形態に係る集計装置による渋滞予測処理のフローチャートである。次に、図１１を参照して、第２の実施形態に係る集計装置１による渋滞予測処理の流れについて説明する。
　受信データ格納部１１は、クラウド接続車両２の位置情報及び道路設備５の設備情報を取得する（ステップＳ３１）。そして、受信データ格納部１１は、位置情報及び設備情報を時刻に対応付けて保持する。
　道路座標格納部１４は、車線の中心線を示す車線情報の経度緯度データ、路肩線の経度緯度データ及び区画線の経度緯度データを含む道路地図データの入力を地図情報提供装置３から受け付ける。そして、道路座標格納部１４は、道路についてレーン別にポリゴンを生成する。さらに、道路座標格納部１４は、各レーンを表すポリゴンの形状情報を求める（ステップＳ３２）。
　非接続車両位置推定部１２は、各レーンを表すポリゴンの形状情報を道路座標格納部１４から取得する。また、非接続車両位置推定部１２は、クラウド接続車両２の時空間データを受信データ格納部１１から取得する。次に、非接続車両位置推定部１２は、各レーンを表すポリゴンの形状情報から各レーンを走行するクラウド接続車両２を特定する。そして、非接続車両位置推定部１２は、レーン毎にクラウド接続車両２の間に存在するクラウド非接続車両の位置情報を取得する（ステップＳ３３）。
　また、非接続車両位置推定部１２は、道路設備５の設備情報から各レーンにおける道路設備５に最も近いクラウド接続車両２を特定する。そして、非接続車両位置推定部１２は、レーン毎にクラウド接続車両２の前方に存在するクラウド非接続車両の位置情報を取得する（ステップＳ３４）。その後、非接続車両位置推定部１２は、推定したクラウド非接続車両の時空間データ及びクラウド接続車両２の時空間データを車両位置格納部１５に格納する。
　シミュレーション計算部１３は、車両位置格納部１５に格納された全車両の時空間データからを用いて、移動シミュレーションを計算する（ステップＳ３５）。
　次に、シミュレーション計算部１３は、移動シミュレーションの計算結果を用いて、レーン毎の渋滞箇所を予測する（ステップＳ３６）。その後、シミュレーション計算部１３は、移動シミュレーションの計算結果及びレーン毎の渋滞箇所の予測結果をシミュレーション結果格納部１６に格納する。
　シミュレーション結果格納部１６は、端末装置４からの予測結果の取得要求を受けて、要求元の端末装置４へレーン毎の渋滞箇所の予測結果を配信する（ステップＳ３７）。
［システム構成等］
　また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散及び統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散又は統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部又は任意の一部が、ＣＰＵ（Central　Processing　Unit）及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
　また、本実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
　以上に説明したように、本実施形態に係る集計装置１は、レーン毎に道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両の位置を推定する。そして、本実施形態に係る集計装置１は、道路設備５とクラウド接続車両２との間に存在するクラウド非接続車両を含む各車両の動きから全車両の移動シミュレーションを計算して各レーンの渋滞箇所を予測する。このように、本実施形態に係る集計装置１は、第１の実施形態では考慮されなかった道路設備５とクラウド接続車両２との間のクラウド非接続車両も含めて移動シミュレーションを行うため、より高精度かつリアルタイムな情報提供が可能となる。これにより、アプリケーションは、未来の道路状況をより詳細且つ正確に把握することが可能となる。
［プログラム］
　一実施形態として、集計装置１は、パッケージソフトウェアやオンラインソフトウェアとして上記の情報処理を実行する表示制御プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の表示制御プログラムを情報処理装置に実行させることにより、情報処理装置を集計装置１として機能させることができる。ここで言う情報処理装置には、デスクトップ型又はノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal　Handy-phone　System）等の移動体通信端末、さらには、ＰＤＡ（Personal　Digital　Assistant）等のスレート端末等がその範疇に含まれる。
　また、集計装置１は、ユーザが使用する端末装置をクライアントとし、当該クライアントに上記の管理処理に関するサービスを提供する管理サーバ装置として実装することもできる。例えば、管理サーバ装置は、コンフィグ投入要求を入力とし、コンフィグ投入を行う管理サービスを提供するサーバ装置として実装される。この場合、管理サーバ装置は、Webサーバとして実装することとしてもよいし、アウトソーシングによって上記の管理処理に関するサービスを提供するクラウドとして実装することとしてもかまわない。
　図６は、集計プログラムを実行するコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。
　メモリ１０１０は、ＲＯＭ（Read　Only　Memory）１０１１及びＲＡＭ（Random　Access　Memory）１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（BASIC　Input　Output　System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。
　ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、集計装置１と同等の機能を持つ集計装置１の各処理を規定する表示制御プログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、集計装置１における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤ（Solid　State　Drive）により代替されてもよい。
　また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、CPU１０２０は、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてRAM１０１２に読み出して、上述した実施形態の処理を実行する。
　なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３及びプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local　Area　Network）、ＷＡＮ（Wide　Area　Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３及びプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。
　１　集計装置
　２　クラウド接続車両
　３　地図情報提供装置
　４　端末装置
　５　道路設備
　１１　受信データ格納部
　１２　非接続車両位置推定部
　１３　シミュレーション計算部
　１４　道路座標格納部
　１５　車両位置格納部
　１６　シミュレーション結果格納部

Claims (7)

  1. 　特定領域内で所定方向へ走行するネットワークに接続され位置情報が取得可能な複数の接続車両のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信する受信データ格納部と、
    　前記受信データ格納部により受信された前記接続車両の前記位置情報及び前記運転動作の情報、並びに、前後に並んで走行する車両間の運転動作の発生時間の差分である反応遅れ時間を基に、前記特定領域内で前記所定方向へ走行する前記ネットワークに接続されない非接続車両の位置を推定する非接続車両位置推定部と
    　を備えたことを特徴とする集計装置。
  2. 　受信データ格納部は、レーン毎に、前記レーン上を走行するネットワークに接続され位置情報が取得可能な複数の接続車両のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信し、
    　前記非接続車両位置推定部は、前記非接続車両の位置を前記レーン毎に推定する
    　ことを特徴とする請求項１に記載の集計装置。
  3. 　前記非接続車両位置推定部は、先行する前記接続車両と後続の次の前記接続車両との運転動作の発生時間の差分である積算反応遅れ時間を求め、前記積算反応遅れ時間及び前記反応遅れ時間から、前記先行する接続車両と前記後続の次の接続車両との間に存在する前記非接続車両の台数を算出することを特徴とする請求項１又は２に記載の集計装置。
  4. 　前記受信データ格納部は、予め固定的に設置された設備が送信する前記設備の時刻毎の動作の情報を含む設備情報を受信し、
    　前記非接続車両位置推定部は、前記受信データ格納部により受信された前記接続車両の前記位置情報及び前記運転動作の情報、前記設備情報、並びに、前記反応遅れ時間を基に、前記設備と前記接続車両との間に存在する前記非接続車両の位置を推定する
    　ことを特徴とする請求項１～３のいずれか一つに記載の集計装置。
  5. 　前記接続車両の前記位置情報及び前記非接続車両位置推定部により推定された前記非接続車両の位置の情報を基に、前記接続車両及び前記非接続車両の移動シミュレーションを計算して、前記接続車両及び前記非接続車両の将来の位置を予測するシミュレーション計算部をさらに備えたことを特徴とする請求項１～４のいずれか一つに記載の集計装置。
  6. 　特定領域内で所定方向へ走行するネットワークに接続され位置情報が取得可能な複数の接続車両のそれぞれの時刻毎の前記位置情報及び運転動作の情報を受信し、
    　受信した前記位置情報及び前記運転動作の情報、並びに、前後に並んで走行する車両間の運転動作の発生時間の差分である反応遅れ時間を基に、前記特定領域内で前記所定方向へ走行する前記ネットワークに接続されない非接続車両の位置を推定する
    　ことを特徴とする集計方法。
  7. 　請求項１～５に記載の集計装置として機能させるための集計プログラム。
PCT/JP2021/017079 2021-04-28 2021-04-28 集計装置、集計方法及び集計プログラム WO2022230144A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/017079 WO2022230144A1 (ja) 2021-04-28 2021-04-28 集計装置、集計方法及び集計プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/017079 WO2022230144A1 (ja) 2021-04-28 2021-04-28 集計装置、集計方法及び集計プログラム

Publications (1)

Publication Number Publication Date
WO2022230144A1 true WO2022230144A1 (ja) 2022-11-03

Family

ID=83848109

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/017079 WO2022230144A1 (ja) 2021-04-28 2021-04-28 集計装置、集計方法及び集計プログラム

Country Status (1)

Country Link
WO (1) WO2022230144A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006185136A (ja) * 2004-12-27 2006-07-13 Nissan Motor Co Ltd 車両用走行支援装置
WO2008053912A1 (fr) * 2006-11-02 2008-05-08 Panasonic Corporation Système d'aide à la navigation et procédé d'aide à la navigation
JP2011028625A (ja) * 2009-07-28 2011-02-10 Toyota Motor Corp 車両走行支援装置
JP2017117100A (ja) * 2015-12-22 2017-06-29 株式会社デンソー 交通支援システム、センタ、検出装置、路側中継機、車載通信装置、車車間通信機、及び、路側表示器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006185136A (ja) * 2004-12-27 2006-07-13 Nissan Motor Co Ltd 車両用走行支援装置
WO2008053912A1 (fr) * 2006-11-02 2008-05-08 Panasonic Corporation Système d'aide à la navigation et procédé d'aide à la navigation
JP2011028625A (ja) * 2009-07-28 2011-02-10 Toyota Motor Corp 車両走行支援装置
JP2017117100A (ja) * 2015-12-22 2017-06-29 株式会社デンソー 交通支援システム、センタ、検出装置、路側中継機、車載通信装置、車車間通信機、及び、路側表示器

Similar Documents

Publication Publication Date Title
US11636760B2 (en) Detection and estimation of variable speed signs
US11967230B2 (en) System and method for using V2X and sensor data
US9909888B2 (en) Notifying a mobile body that the mobile body is approaching particular area
US8930123B2 (en) Systems and methods for determining traffic intensity using information obtained through crowdsourcing
US10540895B2 (en) Management of mobile objects
US11195410B2 (en) System and method for generating a traffic heat map
WO2021129227A1 (zh) 一种交通信息处理方法及装置
US11315428B2 (en) Management of mobile objects
JP2016513805A (ja) 車両ルート指定および交通管理のための車線レベル車両ナビゲーション
JP2019032174A (ja) 情報処理システムおよび情報処理方法
JP7495384B2 (ja) トップビューセンサデータを用いた交通推定を向上させるための方法およびシステム
US10720049B2 (en) Method and system for generating traffic information to be used in map application executed on electronic device
US10429200B1 (en) Determining adjusted trip duration using route features
EP4002322A1 (en) System and method for determining dynamic road capacity data for traffic condition
CN110009904A (zh) 车辆偏离车道的预测方法、装置、设备及存储介质
WO2022230144A1 (ja) 集計装置、集計方法及び集計プログラム
CN115112138A (zh) 轨迹规划信息生成方法、装置、电子设备以及存储介质
US11288957B2 (en) System and method for detecting one way driving using a heat map
CN106781470B (zh) 城市道路的运行速度的处理方法及装置
CN112232581A (zh) 驾驶风险的预测方法、装置、电子设备及存储介质
WO2022118449A1 (ja) 集計装置、集計方法及び集計プログラム
Xia et al. Vehicle collision warning algorithms implemented in VANET communication terminals
JP7509236B2 (ja) 集計装置、集計方法及び集計プログラム
WO2024042691A1 (ja) 交通量推定装置、交通量推定方法および交通量推定プログラム
WO2024042690A1 (ja) 交通量推定装置、交通量推定方法および交通量推定プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21939303

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21939303

Country of ref document: EP

Kind code of ref document: A1