ホーム > 特許ランキング > データバイザー株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2022-191773到着時刻予想方法、到着時刻予想装置、及び到着時刻予想プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022191773
(43)【公開日】2022-12-28
(54)【発明の名称】到着時刻予想方法、到着時刻予想装置、及び到着時刻予想プログラム
(51)【国際特許分類】
G01C 21/34 20060101AFI20221221BHJP
G08G 1/01 20060101ALI20221221BHJP
【ＦＩ】
G01C21/34
G08G1/01 C
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2021100212
(22)【出願日】2021-06-16
(71)【出願人】
【識別番号】520300057
【氏名又は名称】データバイザー株式会社
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100107515
【弁理士】
【氏名又は名称】廣田 浩一
(74)【代理人】
【識別番号】100107733
【弁理士】
【氏名又は名称】流 良広
(74)【代理人】
【識別番号】100115347
【弁理士】
【氏名又は名称】松田 奈緒子
(72)【発明者】
【氏名】島田 孝司
【テーマコード（参考）】
2F129
5H181
【Ｆターム（参考）】
2F129AA03
2F129BB03
2F129CC16
2F129DD13
2F129DD14
2F129DD15
2F129DD16
2F129DD24
2F129DD42
2F129DD63
2F129EE02
2F129EE36
2F129EE52
2F129EE57
2F129EE78
2F129EE79
2F129EE80
2F129EE81
2F129EE84
2F129FF11
2F129FF12
2F129FF15
2F129FF24
2F129FF26
2F129FF32
2F129FF41
2F129FF49
2F129FF62
2F129FF63
2F129FF64
2F129FF65
2F129FF67
2F129FF68
2F129HH02
2F129HH04
2F129HH12
2F129HH18
2F129HH19
2F129HH20
2F129HH21
5H181AA07
5H181AA13
5H181AA15
5H181BB04
5H181BB05
5H181BB13
5H181BB20
5H181CC02
5H181CC04
5H181CC11
5H181DD02
5H181DD04
5H181FF04
5H181FF33
5H181MA42
5H181MC03
5H181MC04
5H181MC12
(57)【要約】 （修正有）
【課題】第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域（整流域）において、第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の到着時刻を正確に予想できる到着時刻予想方法等の提供。
【解決手段】第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の所要時間を算出する方法であって、前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含む到着時刻予想方法である。
【選択図】図１
【解決手段】第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の所要時間を算出する方法であって、前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含む到着時刻予想方法である。
【選択図】図１
【特許請求の範囲】
【請求項1】
第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する方法であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含むことを特徴とする到着時刻予想方法。
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含むことを特徴とする到着時刻予想方法。
【請求項2】
前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、請求項１に記載の到着時刻予想方法。
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、請求項１に記載の到着時刻予想方法。
【請求項3】
前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、請求項１に記載の到着時刻予想方法。
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、請求項１に記載の到着時刻予想方法。
【請求項4】
前記到着時刻予想工程において、車線毎の現在のプローブ情報に基づき走行速度を導出する際に、前記現在のプローブ情報が複数存在し、
複数の前記プローブ情報に含まれる、
第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、
前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、
前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する、請求項３に記載の到着時刻予想方法。
複数の前記プローブ情報に含まれる、
第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、
前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、
前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する、請求項３に記載の到着時刻予想方法。
【請求項5】
第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する装置であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想手段を有することを特徴とする到着時刻予想装置。
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想手段を有することを特徴とする到着時刻予想装置。
【請求項6】
第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出するプログラムであって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせることを特徴とする到着時刻予想プログラム。
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせることを特徴とする到着時刻予想プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、到着時刻予想方法、到着時刻予想装置、及び到着時刻予想プログラムに関する。
【背景技術】
【0002】
近年、港湾地区及び物流エリアでは、目的地点であるターミナル又は倉庫などに車両が進入するための待ち行列が道路上の特定車線に形成され、交通渋滞が多発している。この場合、各車両に搭載された車載機からのプローブ情報だけでは、上記待ち行列に加わった車両であるか、あるいは交通渋滞によって速度が低下した車両であるかを判別することが困難である。そのため、単純に通行車両の平均値をとって速度を算出すると、目的地点までの到着時刻を正確に予想できないという問題がある。
【発明の概要】
【発明が解決しようとする課題】
【0003】
本発明は、従来における前記諸問題を解決し、以下の目的を達成することを課題とする。即ち、本発明は、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域（以下、「整流域」と称することがある）において、第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の到着時刻を正確に予想できる到着時刻予想方法、到着時刻予想装置、及び到着時刻予想プログラムを提供することを目的とする。
【課題を解決するための手段】
【0004】
前記課題を解決するための手段としては、以下の通りである。即ち、
＜１＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する方法であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含むことを特徴とする到着時刻予想方法である。
＜２＞ 前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、前記＜１＞に記載の到着時刻予想方法である。
＜３＞ 前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、前記＜１＞に記載の到着時刻予想方法である。
＜４＞ 前記到着時刻予想工程において、車線毎の現在のプローブ情報に基づき走行速度を導出する際に、前記現在のプローブ情報が複数存在し、
複数の前記プローブ情報に含まれる、
第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、
前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、
前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する、前記＜３＞に記載の到着時刻予想方法である。
＜５＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する装置であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想手段を有することを特徴とする到着時刻予想装置である。
＜６＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出するプログラムであって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせることを特徴とする到着時刻予想プログラムである。
＜１＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する方法であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想工程を含むことを特徴とする到着時刻予想方法である。
＜２＞ 前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、前記＜１＞に記載の到着時刻予想方法である。
＜３＞ 前記到着時刻予想工程における車線毎の到着時刻の予想が、
車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する、前記＜１＞に記載の到着時刻予想方法である。
＜４＞ 前記到着時刻予想工程において、車線毎の現在のプローブ情報に基づき走行速度を導出する際に、前記現在のプローブ情報が複数存在し、
複数の前記プローブ情報に含まれる、
第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、
前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、
前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する、前記＜３＞に記載の到着時刻予想方法である。
＜５＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する装置であって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想手段を有することを特徴とする到着時刻予想装置である。
＜６＞ 第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出するプログラムであって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせることを特徴とする到着時刻予想プログラムである。
【発明の効果】
【0005】
本発明によると、従来における前記諸問題を解決し、前記目的を達成することができ、本発明は、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域（整流域）において、第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の到着時刻を正確に予想できる到着時刻予想方法、到着時刻予想装置、及び到着時刻予想プログラムを提供することができる。
【図面の簡単な説明】
【0006】
【発明を実施するための形態】
【0007】
（到着時刻予想方法及び到着時刻予想装置）
本発明の到着時刻予想方法は、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する方法であって、到着時刻予想工程を含み、更に必要に応じてその他の工程を含む。
本発明の到着時刻予想方法は、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する方法であって、到着時刻予想工程を含み、更に必要に応じてその他の工程を含む。
【0008】
本発明の到着時刻予想装置は、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出する装置であって、到着時刻予想手段を有し、更に必要に応じてその他の手段を有する。
【0009】
本発明の到着時刻予想方法は、本発明の到着時刻予想装置により好適に実施することができ、到着時刻予想工程は到着時刻予想手段により行うことができ、その他の工程はその他の手段により行うことができる。
【0010】
本発明においては、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域である整流域において、第一の目的地点及び第二の目的地点の少なくともいずれかに通ずる道路の車線毎の到着時刻を正確に予想することができる。
【0011】
第一の目的地点としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、コンテナ基地、ショッピングモール、イベント会場などが挙げられる。
第二の目的地点としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、工事現場などが挙げられる。
前記「所定の距離」については、特に制限はなく、目的に応じて適宜選択することができるが、例えば、２ｋｍ以上が好ましく、２ｋｍ以上１０ｋｍ以下がより好ましい。
第二の目的地点としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、工事現場などが挙げられる。
前記「所定の距離」については、特に制限はなく、目的に応じて適宜選択することができるが、例えば、２ｋｍ以上が好ましく、２ｋｍ以上１０ｋｍ以下がより好ましい。
【0012】
ここで、図１に示すように、整流域１０は、第一の目的地点１２を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点１３も存在する領域であり、特定の目的地点に向かって車両が集中する場合、走行できる車線等で整流化して、軽微かつ精緻なツール（手法）を利用して目的地点までの所要時間を予測できるエリアを意味する。
汎用域１１は、様々な目的地点に向かう車両が車線を限定せずに自由に走行できる領域であり、交通量から所要時間を算出する汎用的なツール（手法）が利用できるエリアであり、例えば、市街地などが挙げられる。
各車両の大部分は、汎用域１１を出発して整流域１０に進入して複数の目的地点に向かって移動する。
汎用域１１は、様々な目的地点に向かう車両が車線を限定せずに自由に走行できる領域であり、交通量から所要時間を算出する汎用的なツール（手法）が利用できるエリアであり、例えば、市街地などが挙げられる。
各車両の大部分は、汎用域１１を出発して整流域１０に進入して複数の目的地点に向かって移動する。
【0013】
整流域１０においては、複数の目的地点に進入するための複数車線の道路があり、目的地点毎に車線を決めることが可能である。例えば、コンテナ基地向けの車両は第１車線、工事現場向けの車両は第３車線、整流域を通過する一般車両は主として第２車線を通行するように対応している。表１に、整流域を通行する車両の類型について示す。
【0014】
【表1】
【0015】
＜到着時刻予想工程及び到着時刻予想手段＞
前記到着時刻予想工程は、道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する工程であり、到着時刻予想手段により実施される。
前記到着時刻予想工程は、道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する工程であり、到着時刻予想手段により実施される。
【0016】
前記第一の検出装置としては、道路に設置され車線毎の車両数を検出することができれば特に制限はなく、目的に応じて適宜選択することができ、例えば、超音波センサ、赤外線センサ、カメラ等の撮像装置などが挙げられる。これらの中でも、カメラが好ましく、５Ｇ対応の３６０°ＡＩカメラがより好ましい。カメラによると、例えば、車線別台数、車種別台数、車種別速度、ナンバープレート識別、動画情報などを取得することができる。
【0017】
前記第二の検出装置としては、前記第一の検出装置の次に設置されていれば特に制限はなく、前記第一の検出装置と同じものを用いることができる。
前記第一の検出装置の「次に」とは、連続する第一の検出装置の「次」の位置に設置してもよいし、所定間隔離間した第一の検出装置の「次」の位置に設置してもよいが、連続する第一の検出装置の「次」の位置に設置することが好ましい。
例えば、整流域内の交通渋滞が発生し易いゲート近傍に第一の検出装置としてのカメラを設置し、該ゲート近傍からプローブ情報を補完するために適当な間隔（例えば、１ｋｍ）をあけて、次の第二の検出装置としてのカメラを設置する。
前記第一の検出装置の「次に」とは、連続する第一の検出装置の「次」の位置に設置してもよいし、所定間隔離間した第一の検出装置の「次」の位置に設置してもよいが、連続する第一の検出装置の「次」の位置に設置することが好ましい。
例えば、整流域内の交通渋滞が発生し易いゲート近傍に第一の検出装置としてのカメラを設置し、該ゲート近傍からプローブ情報を補完するために適当な間隔（例えば、１ｋｍ）をあけて、次の第二の検出装置としてのカメラを設置する。
【0018】
＜＜第１の実施形態＞＞
第１の実施形態では、前記整流域において、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定する方法としては、例えば、車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想することが好ましい。
第１の実施形態では、前記整流域において、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定する方法としては、例えば、車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を導出し、前記車線毎の車両数と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想することが好ましい。
【0019】
前記現在のプローブ情報とは、現在走行中の車両に搭載された各種車載機から得られるリアルタイムな情報を意味する。現在のプローブ情報を用いることにより、リアルタイムな処理が可能となる。前記現在のプローブ情報としては、例えば、車両ＩＤ、走行ルートＩＤ、位置（経度、緯度）、速度、出発日時、出発地（経度、緯度）、到着日時、目的地（経度、緯度）、移動距離、所要時間などが挙げられる。
前記過去のプローブ情報とは、過去のプローブ情報を大量に蓄積した、いわゆる「走行履歴データ」を意味する。過去のプローブ情報を用いた処理をバッチ処理と称することがある。
前記過去のプローブ情報とは、過去のプローブ情報を大量に蓄積した、いわゆる「走行履歴データ」を意味する。過去のプローブ情報を用いた処理をバッチ処理と称することがある。
【0020】
具体的には、一定時間間隔で、整流域内の道路上の各距離区間における現在の各種プローブ情報を基に、車両数を把握する。なお、現在の各種プローブ情報では車線の区別はできないので、車線別の車両数を把握できない。
次に、車線別の車数を把握するため所定の位置に設置したカメラにより２つの距離区間分の範囲における車線別の車両数の補足を行う。
次に、カメラで補足した２距離区間における車線別の車両数に基づき、連続する２つのカメラの設置区間である「計測区間」内の各距離区間についての車線別の車両数を推定する。
次に、道路上の各距離区間における現在のプローブ情報に基づき、出発地点から第一の目的地点までの所要時間、及び出発地点から第二の目的地点までの所要時間を、関数を用いて予測する。
前記関数は、車線毎の交通密度（車両数）をパラメータとして、過去のプローブ情報に基づき、Ｇｒｅｅｎｂｅｒｇモデル等に準拠して求めることができる。なお、交通工学の分野では、「Ｇｒｅｅｎｂｅｒｇモデル」が著名であるが、現実に即して関数化することが一般的である。
次に、車線別の車数を把握するため所定の位置に設置したカメラにより２つの距離区間分の範囲における車線別の車両数の補足を行う。
次に、カメラで補足した２距離区間における車線別の車両数に基づき、連続する２つのカメラの設置区間である「計測区間」内の各距離区間についての車線別の車両数を推定する。
次に、道路上の各距離区間における現在のプローブ情報に基づき、出発地点から第一の目的地点までの所要時間、及び出発地点から第二の目的地点までの所要時間を、関数を用いて予測する。
前記関数は、車線毎の交通密度（車両数）をパラメータとして、過去のプローブ情報に基づき、Ｇｒｅｅｎｂｅｒｇモデル等に準拠して求めることができる。なお、交通工学の分野では、「Ｇｒｅｅｎｂｅｒｇモデル」が著名であるが、現実に即して関数化することが一般的である。
【0021】
＜＜第２の実施形態＞＞
第２の実施形態では、前記整流域において、到着時刻予想工程における車線毎の到着時刻の予想は、車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想することが、走行速度を加味したより正確な到着時間の予想を行うことができる点から好ましい。
前記現在のプローブ情報及び前記過去のプローブ情報については、上記第１の実施形態と同じ意味を表す。
第２の実施形態では、前記整流域において、到着時刻予想工程における車線毎の到着時刻の予想は、車線毎の現在のプローブ情報に基づき前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数及び走行速度を導出し、前記車線毎の車両数及び前記走行速度と車線毎の過去のプローブ情報に基づき前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想することが、走行速度を加味したより正確な到着時間の予想を行うことができる点から好ましい。
前記現在のプローブ情報及び前記過去のプローブ情報については、上記第１の実施形態と同じ意味を表す。
【0022】
前記第２の実施形態では、車線毎の現在のプローブ情報に基づき走行速度を導出する際に、前記現在のプローブ情報が複数存在し、複数の前記プローブ情報に含まれる、第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する。
【0023】
前記第２の実施形態において、第一のプローブ情報と第二のプローブ情報とが同一車両に関するプローブ情報であることを「一式」であると定義する。
前記「一式」とは、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合されており、かつコンテナ車のヘッド部がデジタルタコグラフ（Ｄ）であるプローブＤ用車載機（総称を「車載Ｄ」、車載ＩＤを「Ｄ－ＩＤ」）を、コンテナ車のシャーシ部がＧＰＳ捕捉機（Ｇ）であるプローブＧ用車載機（総称を「車載Ｇ」、「Ｇ－ＩＤ」）を搭載している場合を意味する。
前記「一式」の状態を的確に把握するには、全ての車載Ｄ及び車載Ｇを把握した上で、その動きがある時間帯及び道路区間で実質的同一（近傍）であることを判定する必要がある。
前記「一式」とは、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合されており、かつコンテナ車のヘッド部がデジタルタコグラフ（Ｄ）であるプローブＤ用車載機（総称を「車載Ｄ」、車載ＩＤを「Ｄ－ＩＤ」）を、コンテナ車のシャーシ部がＧＰＳ捕捉機（Ｇ）であるプローブＧ用車載機（総称を「車載Ｇ」、「Ｇ－ＩＤ」）を搭載している場合を意味する。
前記「一式」の状態を的確に把握するには、全ての車載Ｄ及び車載Ｇを把握した上で、その動きがある時間帯及び道路区間で実質的同一（近傍）であることを判定する必要がある。
【0024】
前記車両としては、例えば、コンテナ車のヘッド部、コンテナ車のシャーシ部、トラック、生コン車、ダンプカー、普通自動車、大型特殊自動車、小型特殊自動車などが挙げられる。
同一車両とは、一台の車両を意味し、例えば、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合されている場合は一台の車両であり同一車両であるが、コンテナ車のヘッド部とコンテナ車のシャーシ部が切り離された場合はコンテナ車のヘッド部とコンテナ車のシャーシ部は二台の車両となり、同一車両に該当しなくなる。
同一車両が複数のプローブ情報を有するとは、一台の車両が少なくとも第一のプローブ情報と第二のプローブ情報を有することを意味し、３種以上のプローブ情報を有していてもよい。
同一車両とは、一台の車両を意味し、例えば、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合されている場合は一台の車両であり同一車両であるが、コンテナ車のヘッド部とコンテナ車のシャーシ部が切り離された場合はコンテナ車のヘッド部とコンテナ車のシャーシ部は二台の車両となり、同一車両に該当しなくなる。
同一車両が複数のプローブ情報を有するとは、一台の車両が少なくとも第一のプローブ情報と第二のプローブ情報を有することを意味し、３種以上のプローブ情報を有していてもよい。
【0025】
前記「一式」の判別方法では、第一のプローブ情報と第二のプローブ情報とのサンプリング数が同じであってもよいが、第一のプローブ情報のサンプリング数と、第二のプローブ情報のサンプリング数とが互いに異なることが、同一車両であることの判別精度を高める点から好ましく、第一のプローブ情報のサンプリング数が第二のプローブ情報のサンプリング数よりも多いことがより好ましい。
【0026】
前記第一のプローブ情報を収集する第一のプローブとしては、例えば、デジタルタコグラフなどが挙げられる。
前記第二のプローブ情報を収集する第二のプローブとしては、例えば、ＧＰＳ捕捉機、スマートフォンなどが挙げられる。
前記第二のプローブ情報を収集する第二のプローブとしては、例えば、ＧＰＳ捕捉機、スマートフォンなどが挙げられる。
【0027】
前記デジタルタコグラフ、ＧＰＳ捕捉機、及びスマートフォンの特徴については、下記表２に示すとおりである。
【0028】
【表2】
【0029】
デジタルタコグラフ（「デジタコ」と略称することもある）は、国土交通省自動車局と厚生労働省が連携してトラック事業者、バス事業者の労働状況を可視化し運行記録の取得を義務化する目的で、機器の認定を行っている。民間企業約２０社が認定機器を出荷しており、例えば、株式会社トランストロン、矢崎エナジーシステム株式会社などが挙げられる。本発明においては、クラウド型に強い株式会社トランストロン製のデジタコを使用するが、クラウド型であれば特に制限されるものではない。なお、デジタコは電源供給有り、ＧＰＳ取得間隔は１秒間である。
【0030】
ＧＰＳ捕捉機は、電源供給無し、被牽引車両（トレーラー、コンテナ車のシャーシ部、ダブル連結）等、被牽引状態でしか動かないため、近年、位置情報の把握が物流事業者の課題になっている。そのため、民間企業数社が製品化に着手している。なお、ＧＰＳ捕捉機は電源供給無し、ＧＰＳ取得間隔は、電池寿命との関係で用途毎に５秒～１時間で変更可能である。
【0031】
前記「一式」の判別方法において、第一のプローブ情報と第二のプローブ情報とが同一移動体に関するプローブ情報であることを判別する。例えば、「第一のプローブ情報Ｄ」と、「第二のプローブ情報Ｇ」とがある場合、一般的にそのプローブ情報を収集するプローブ車載機の用途及び特性から、設置する位置は車載機の設計上決まっているのが通例である。具体的には、車載Ｄはコンテナ車のヘッド部、生コン車の座席前のフロント部に搭載され、車載Ｇはダンプカー、コンテナ車のシャーシ部の荷台前方付近に搭載されるのが一般であり、その搭載位置は概ね、図２及び図３に示す通りである。なお、前記「一式」は図３に該当する。
【0032】
ここで、移動体の移動状態と移動体の停止状態に分けて、「実質的に同時刻」と「実質的に同一の位置情報」について説明する。
図３に示すように、コンテナ車のヘッド部はコンテナ車のシャーシ部に対して、進行方向に向かって前に位置している。そのため、移動状態においては車載Ｄが通過後に車載Ｇが通過することになる。なお、コンテナ車のヘッド部単独の場合には後退してコンテナ車のシャーシ部と結合することは頻繁に発生するが、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合している状態では後退はほとんど発生しない。
図３に示すように、コンテナ車のヘッド部はコンテナ車のシャーシ部に対して、進行方向に向かって前に位置している。そのため、移動状態においては車載Ｄが通過後に車載Ｇが通過することになる。なお、コンテナ車のヘッド部単独の場合には後退してコンテナ車のシャーシ部と結合することは頻繁に発生するが、コンテナ車のヘッド部とコンテナ車のシャーシ部が結合している状態では後退はほとんど発生しない。
【0033】
複数種のプローブ情報を融合させるには、複数個の車両の実質的同一（近傍）を把握することが前提となる。本発明においては、以下に説明するように「時空間距離」により実質的同一（近傍）を判断する。
複数種プローブであるプローブＤとプローブＧにおいて、コンテナ車のヘッド部はコンテナ車のシャーシ部に対して進行方向に向かって前に位置しており、プローブＤがプローブＧの前にある場合には、プローブ取得時刻の差（時刻Ｇ－時刻Ｄ）は負の値はとらない。
したがって、時空間距離は、下記数式１で定義される。なお、経度及び緯度の各１秒は約２５ｍである。
複数種プローブであるプローブＤとプローブＧにおいて、コンテナ車のヘッド部はコンテナ車のシャーシ部に対して進行方向に向かって前に位置しており、プローブＤがプローブＧの前にある場合には、プローブ取得時刻の差（時刻Ｇ－時刻Ｄ）は負の値はとらない。
したがって、時空間距離は、下記数式１で定義される。なお、経度及び緯度の各１秒は約２５ｍである。
【0034】
［数式１］
【0035】
第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であること、及び前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であること、を時空間距離で表すと、第一のプローブ情報と第二のプローブ情報との時空間距離が正又はゼロであり、時空間距離が最小値となるプローブ同士を実質的同一（近傍）とする。具体的には、第一のプローブ情報と第二のプローブ情報との移動状態における時空間距離は１．５（秒・秒）以下であることが好ましく、１．０（秒・秒）以下であることがより好ましい。
【0036】
＜その他の工程及びその他の手段＞
前記その他の工程としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、通信工程、入力工程などが挙げられる。
前記その他の手段としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、通信手段、入力手段などが挙げられる。
前記その他の工程としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、通信工程、入力工程などが挙げられる。
前記その他の手段としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、通信手段、入力手段などが挙げられる。
【0037】
前記通信部としては、到着時刻予想装置と通信可能なものであれば特に制限はなく、適宜公知のものを用いることができ、例えば、送受信機、情報通信ネットワーク、インターネットなどが挙げられる。
【0038】
前記入力部としては、到着時刻予想装置に対する各種要求を受け付けることができれば特に制限はなく、適宜公知のものを用いることができ、例えば、キーボード、マウス、タッチパネル、マイクなどが挙げられる。
【0039】
（到着時刻予想プログラム）
本発明の到着時刻予想プログラムは、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出するプログラムであって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせる。
本発明の到着時刻予想プログラムは、第一の目的地点を中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点も存在する領域における、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかに通ずる道路の車線毎の前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの所要時間を算出するプログラムであって、
前記道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、
前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する到着時刻予想処理をコンピュータに行わせる。
【0040】
本発明の到着時刻予想プログラムは、例えば、本発明の到着時刻予想方法をコンピュータに実行させるプログラムとすることができる。また、本発明の到着時刻予想プログラムにおける好適な態様は、例えば、本発明の到着時刻予想方法における好適な態様と同様にすることができる。
【0041】
本発明の到着時刻予想プログラムは、使用するコンピュータシステムの構成及びオペレーティングシステムの種類・バージョンなどに応じて、公知の各種のプログラム言語を用いて作成することができる。
【0042】
本発明の到着時刻予想プログラムは、内蔵ハードディスク、外付けハードディスクなどの記録媒体に記録しておいてもよいし、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどの記録媒体に記録しておいてもよい。
更に、本発明の到着時刻予想プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域（他のコンピュータなど）に本発明の到着時刻予想プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本発明の到着時刻予想プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本発明の到着時刻予想プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
更に、本発明の到着時刻予想プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域（他のコンピュータなど）に本発明の到着時刻予想プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本発明の到着時刻予想プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本発明の到着時刻予想プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
【0043】
＜コンピュータが読み取り可能な記録媒体＞
本発明に関するコンピュータが読み取り可能な記録媒体は、本発明の到着時刻予想プログラムを記録してなる。
本発明に関するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどが挙げられる。
また、本発明に関するコンピュータが読み取り可能な記録媒体は、本発明の到着時刻予想プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
本発明に関するコンピュータが読み取り可能な記録媒体は、本発明の到着時刻予想プログラムを記録してなる。
本発明に関するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどが挙げられる。
また、本発明に関するコンピュータが読み取り可能な記録媒体は、本発明の到着時刻予想プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
【0044】
以下では、装置の構成例やフローチャートなどを用いて、本発明で開示する技術の一例を更に詳細に説明する。
図４に、本発明の到着時刻予想装置のハードウェア構成例を示す。
到着時刻予想装置１００においては、例えば、制御部１０１、主記憶装置１０２、補助記憶装置１０３、Ｉ／Ｏインターフェイス１０４、通信インターフェイス１０５、入力装置１０６、出力装置１０７、表示装置１０８が、システムバス１０９を介して接続されている。
図４に、本発明の到着時刻予想装置のハードウェア構成例を示す。
到着時刻予想装置１００においては、例えば、制御部１０１、主記憶装置１０２、補助記憶装置１０３、Ｉ／Ｏインターフェイス１０４、通信インターフェイス１０５、入力装置１０６、出力装置１０７、表示装置１０８が、システムバス１０９を介して接続されている。
【0045】
制御部１０１は、演算（四則演算、比較演算等）、ハードウェア及びソフトウェアの動作制御などを行う。制御部１０１としては、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってもよいし、到着時刻予想方法に用いるマシンの一部であってもよく、これらの組み合わせでもよい。
制御部１０１は、例えば、主記憶装置１０２などに読み込まれたプログラム（例えば、本発明の到着時刻予想プログラムなど）を実行することにより、種々の機能を実現する。
本発明の到着時刻予想装置における判別手段（判別部）が行う処理は、例えば、制御部１０１により行うことができる。
制御部１０１は、例えば、主記憶装置１０２などに読み込まれたプログラム（例えば、本発明の到着時刻予想プログラムなど）を実行することにより、種々の機能を実現する。
本発明の到着時刻予想装置における判別手段（判別部）が行う処理は、例えば、制御部１０１により行うことができる。
【0046】
主記憶装置１０２は、各種プログラムを記憶するとともに、各種プログラムを実行するために必要なデータ等を記憶する。主記憶装置１０２としては、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）の少なくともいずれかを有するものを用いることができる。
ＲＯＭは、例えば、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）などの各種プログラムなどを記憶する。また、ＲＯＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）などが挙げられる。
ＲＡＭは、例えば、ＲＯＭや補助記憶装置１０３などに記憶された各種プログラムが、制御部１０１により実行される際に展開される作業範囲として機能する。ＲＡＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などが挙げられる。
ＲＯＭは、例えば、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）などの各種プログラムなどを記憶する。また、ＲＯＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）などが挙げられる。
ＲＡＭは、例えば、ＲＯＭや補助記憶装置１０３などに記憶された各種プログラムが、制御部１０１により実行される際に展開される作業範囲として機能する。ＲＡＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などが挙げられる。
【0047】
補助記憶装置１０３としては、各種情報を記憶できれば特に制限はなく、目的に応じて適宜選択することができ、例えば、ソリッドステートドライブ（ＳＳＤ）、ハードディスクドライブ（ＨＤＤ）などが挙げられる。また、補助記憶装置１０３は、ＣＤドライブ、ＤＶＤドライブ、ＢＤ（Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ）ドライブなどの可搬記憶装置としてもよい。
また、本発明の到着時刻予想プログラムは、例えば、補助記憶装置１０３に格納され、主記憶装置１０２のＲＡＭ（主メモリ）にロードされ、制御部１０１により実行される。
また、本発明の到着時刻予想プログラムは、例えば、補助記憶装置１０３に格納され、主記憶装置１０２のＲＡＭ（主メモリ）にロードされ、制御部１０１により実行される。
【0048】
Ｉ／Ｏインターフェイス１０４は、各種の外部装置を接続するためのインターフェイスである。Ｉ／Ｏインターフェイス１０４は、例えば、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ ＲＯＭ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ ＲＯＭ）、ＭＯディスク（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＵＳＢメモリ〔ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ） ｆｌａｓｈ ｄｒｉｖｅ〕などのデータの入出力を可能にする。
【0049】
通信インターフェイス１０５としては、特に制限はなく、適宜公知のものを用いることができ、例えば、無線又は有線を用いた通信デバイスなどが挙げられる。
【0050】
入力装置１０６としては、到着時刻予想装置１００に対する各種要求や情報の入力を受け付けることができれば特に制限はなく、適宜公知のものを用いることができ、例えば、キーボード、マウス、タッチパネル、マイクなどが挙げられる。また、入力装置１０６がタッチパネル（タッチディスプレイ）である場合は、入力装置１０６が表示装置１０８を兼ねることができる。
【0051】
出力装置１０７としては、特に制限はなく、適宜公知のものを用いることができ、例えば、プリンタなどが挙げられる。
表示装置１０８としては、特に制限はなく、適宜公知のものを用いることができ、例えば、液晶ディスプレイ、有機ＥＬディスプレイなどが挙げられる。
表示装置１０８としては、特に制限はなく、適宜公知のものを用いることができ、例えば、液晶ディスプレイ、有機ＥＬディスプレイなどが挙げられる。
【0052】
図５に、本発明の到着時刻予想装置の機能構成例を示す。
図５に示すように、到着時刻予想装置１００は、通信機能部１２０と、入力機能部１３０と、出力機能部１４０と、表示機能部１５０と、記憶機能部１６０と、制御機能部１７０とを備える。
図５に示すように、到着時刻予想装置１００は、通信機能部１２０と、入力機能部１３０と、出力機能部１４０と、表示機能部１５０と、記憶機能部１６０と、制御機能部１７０とを備える。
【0053】
通信機能部１２０は、例えば、各種のデータを外部の装置と送受信する。通信機能部１２０は、例えば、外部の装置から、車両属性データ、走行履歴データ等のデータを受信してもよい。
入力機能部１３０は、例えば、到着時刻予想装置１００に対する各種指示を受け付ける。また、入力機能部１３０は、例えば、複数のプローブ情報を受け付ける。
出力機能部１４０は、例えば、到着時刻予想装置で予想した到着時刻の結果をプリントアウトする。
表示機能部１５０は、例えば、到着時刻予想装置で予想した到着時刻の結果をディスプレイに表示する。
入力機能部１３０は、例えば、到着時刻予想装置１００に対する各種指示を受け付ける。また、入力機能部１３０は、例えば、複数のプローブ情報を受け付ける。
出力機能部１４０は、例えば、到着時刻予想装置で予想した到着時刻の結果をプリントアウトする。
表示機能部１５０は、例えば、到着時刻予想装置で予想した到着時刻の結果をディスプレイに表示する。
【0054】
記憶機能部１６０は、例えば、各種プログラムを記憶すると共に、プローブ情報ＤＢ１６１と、カメラ情報ＤＢ１６２、予想結果ＤＢ１６３とを有する。
プローブ情報ＤＢ１６１では、車載機により収集されたプローブ情報を保存するＤＢである。
プローブ情報は、下記表３に示すように、「車両ＩＤ」、「走行ルートＩＤ」、「位置（経度、緯度）」、「速度」、「出発日時」、「出発地（経度、緯度）」、「到着日時」、「目的地（経度、緯度）」、「移動距離」、「所要時間」のデータ項目を含む。
プローブ情報ＤＢ１６１では、車載機により収集されたプローブ情報を保存するＤＢである。
プローブ情報は、下記表３に示すように、「車両ＩＤ」、「走行ルートＩＤ」、「位置（経度、緯度）」、「速度」、「出発日時」、「出発地（経度、緯度）」、「到着日時」、「目的地（経度、緯度）」、「移動距離」、「所要時間」のデータ項目を含む。
【0055】
【表3】
【0056】
「車両ＩＤ」のデータ項目は、車載機が搭載されている当該車両を識別するためのデータであり、予め設定される。
「走行ルートＩＤ」のデータ項目は、目的をもってある出発地からある目的地へ移動する単位である走行ルートを識別するために用いられる。
「日時」及び「位置（経度、緯度）」のデータ項目は、車載機に搭載されているＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）ユニットにより取得される。
「速度」のデータ項目は、ＧＰＳユニットと同期させ、車載機が有する速度センサを用いて車両の車軸から取得される。
「出発日時」及び「出発地（経度、緯度）」のデータ項目は、当該走行ルートの出発日時及び出発地の経度緯度である。
「到着日時」及び「目的地（経度、緯度）」のデータ項目は、当該走行ルートの到着日時及び目的地の経度、緯度である。
「移動距離」のデータ項目は、出発地から現在地までの移動距離である。
「所要時間」のデータ項目は、出発地から現在地までの所要時間である。
「走行ルートＩＤ」のデータ項目は、目的をもってある出発地からある目的地へ移動する単位である走行ルートを識別するために用いられる。
「日時」及び「位置（経度、緯度）」のデータ項目は、車載機に搭載されているＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）ユニットにより取得される。
「速度」のデータ項目は、ＧＰＳユニットと同期させ、車載機が有する速度センサを用いて車両の車軸から取得される。
「出発日時」及び「出発地（経度、緯度）」のデータ項目は、当該走行ルートの出発日時及び出発地の経度緯度である。
「到着日時」及び「目的地（経度、緯度）」のデータ項目は、当該走行ルートの到着日時及び目的地の経度、緯度である。
「移動距離」のデータ項目は、出発地から現在地までの移動距離である。
「所要時間」のデータ項目は、出発地から現在地までの所要時間である。
【0057】
カメラ情報ＤＢ１６２は、カメラにより撮影された車両の画像データを保存するＤＢである。カメラ情報ＤＢのデータに基づき、車線毎に検出された車両数を推定することができる。
【0058】
予想結果ＤＢ１６３は、到着時刻予想装置が予想した到着時刻の結果を保存するＤＢである。
【0059】
制御機能部１７０は、到着時刻予想手段としての到着時刻予想部１７１と、判別部１７２を有する。制御機能部１７０は、例えば、記憶機能部１６０に記憶された各種プログラムを実行するとともに、到着時刻予想装置１００全体の動作を制御する。
【0060】
到着時刻予想部１７１は、整流域における道路に設置された、第一の検出装置により車線毎に検出された車両数と、前記第一の検出装置の次に設置された第二の検出装置により車線毎に検出された車両数とに基づき、前記第一の検出装置と前記第二の検出装置との間における車線毎の車両数を推定し、前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する。
また、到着時刻予想部１７１は、整流域における道路の車線毎の過去のプローブ情報に基づき、走行速度を導出し、導出した前記走行速度と、前記車線毎の車両数とから前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する。
また、到着時刻予想部１７１は、整流域における道路の車線毎の過去のプローブ情報に基づき、走行速度を導出し、導出した前記走行速度と、前記車線毎の車両数とから前記第一の目的地点及び前記第二の目的地点の少なくともいずれかまでの車線毎の到着時刻を予想する。
【0061】
判別部１７２は、複数の前記プローブ情報に含まれる、第一のプローブ情報における時刻Ｘでの位置情報Ｘ１と、前記第一のプローブ情報とは異なる第二のプローブ情報における、前記時刻Ｘと実質的に同時刻での位置情報Ｘ２とが実質的に同一であり、かつ、前記第一のプローブ情報における、前記時刻Ｘの次にサンプリングされた時刻Ｙでの位置情報Ｙ１と、前記第二のプローブ情報における、前記時刻Ｙと実質的に同時刻での位置情報Ｙ２とが実質的に同一であるとき、前記第一のプローブ情報と前記第二のプローブ情報とは同一移動体に関するプローブ情報であると判別する処理を行う。
【実施例0062】
以下、本発明の実施例を説明するが、本発明は、これらの実施例に何ら限定されるものではない。以下の実施例において使用する用語の定義について説明する。
【0063】
＜用語の定義＞
図６に示すように、第一の目的地点ａを中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点ｂも存在する領域である整流域内の道路Ｒ（例えば、出発地点ｏから３ｋｍ）に関して、車線Ｎｏ．をｊとし、ｊ＝１～３である。第二の目的地点ｂからの距離（例えば、１００ｍ単位）に基づく距離区間Ｎｏ．をｉとし、ｉ＝１～３０である。道路Ｒ内の該当部分をＲ（ｉ，ｊ）で表す。なお、道路Ｒにおいて車線Ｎｏ．を意識しない場合は、Ｒ（ｉ，）と表記する。
図６に示すように、第一の目的地点ａを中心にして所定の距離以内の領域であって、前記領域内に第二の目的地点ｂも存在する領域である整流域内の道路Ｒ（例えば、出発地点ｏから３ｋｍ）に関して、車線Ｎｏ．をｊとし、ｊ＝１～３である。第二の目的地点ｂからの距離（例えば、１００ｍ単位）に基づく距離区間Ｎｏ．をｉとし、ｉ＝１～３０である。道路Ｒ内の該当部分をＲ（ｉ，ｊ）で表す。なお、道路Ｒにおいて車線Ｎｏ．を意識しない場合は、Ｒ（ｉ，）と表記する。
【0064】
カメラは、整流域内の道路Ｒにおける交通渋滞（待ち行列）が発生し易いゲート近傍に設置し、該ゲート近傍からプローブ情報を補足するために所定の間隔（例えば、１ｋｍ）で設置する。なお、カメラを設置する場所は、過去の統計情報に基づき、プローブ情報を補足し易い場所を適宜選択することができる。
カメラの設置場所はＣ（ｉ）で表す。図６では、カメラはＣ（１）、Ｃ（８）、Ｃ（１６）、及びＣ（２４）に設置されている。１台のカメラは、２つの距離区間を撮影することができる（枠囲み部分）。
連続する２箇所のカメラの設置区間を「計測区間」とする。図６では、「計測区間１」、「計測区間２」、「計測区間３」の３つが該当する。「計測区間」は所要時間を予測する関数のパラメータとなる。
カメラの設置場所はＣ（ｉ）で表す。図６では、カメラはＣ（１）、Ｃ（８）、Ｃ（１６）、及びＣ（２４）に設置されている。１台のカメラは、２つの距離区間を撮影することができる（枠囲み部分）。
連続する２箇所のカメラの設置区間を「計測区間」とする。図６では、「計測区間１」、「計測区間２」、「計測区間３」の３つが該当する。「計測区間」は所要時間を予測する関数のパラメータとなる。
【0065】
図６に示すように、整流域内の道路Ｒにおいて、出発地点ｏの直前に、各車両の種類の識別を行う「車両識別区間」（例えば、３００ｍ）を設ける。
各車両の種類の識別は、各車両に搭載している車載機からの情報に基づき行うことができる。例えば、車載機のプローブ所得時間間隔をデジタルタコグラフ：１秒、ＧＰＳ捕捉機：５秒、スマートフォン：３０秒とすると、時速６０ｋｍ／時で走行した場合、デジタルタコグラフ：１６ｍ、ＧＰＳ捕捉機：８３ｍ、スマートフォン：５００ｍの間隔で情報を取得できる。
各車両の種類の識別は、各車両に搭載している車載機からの情報に基づき行うことができる。例えば、車載機のプローブ所得時間間隔をデジタルタコグラフ：１秒、ＧＰＳ捕捉機：５秒、スマートフォン：３０秒とすると、時速６０ｋｍ／時で走行した場合、デジタルタコグラフ：１６ｍ、ＧＰＳ捕捉機：８３ｍ、スマートフォン：５００ｍの間隔で情報を取得できる。
【0066】
デジタルタコグラフＤは、コンテナ車のヘッド部又は生コン車に搭載される。デジタルタコグラフＤは各車両に固定的に搭載されているので、車載ＩＤ（以下、「Ｄ－ＩＤ」と称する）によって識別できる。Ｄ－ＩＤの秘匿化要請は大きい。デジタルタコグラフＤでは、出発地点ｏを通過後の目的地点は、走行履歴データに基づいて予測が可能である。
【0067】
ＧＰＳ捕捉機Ｇは、ダンプカー又はコンテナ車のシャーシ部に搭載される。ＧＰＳ捕捉機Ｇは各車両に簡易的に取り付けられ、頻繁に異なる車両に搭載されるので、車載ＩＤ（以下、「Ｇ－ＩＤ」と称する）の秘匿化要請は小さい。したがって、ＧＰＳ捕捉機を車両に取り付けるタイミングで、設置対象の車両のナンバープレート、目的地点、又は走行ルート等の情報が車載ＩＤに紐づけされて登録される。
【0068】
道路Ｒ内の該当部分Ｒ（ｉ，ｊ）について、デジタルタコグラフの現在速度をＶＤ（ｉ，ｊ）、ＧＰＳ捕捉機の現在速度をＶＧ（ｉ，ｊ）、スマートフォンの現在速度をＶＳ（ｉ，ｊ）とし、これらの集合体をプローブ情報に基づく現在速度ＶＰ（ｉ，ｊ）とする。
カメラに基づく現在速度をＶＣ（ｉ，ｊ）とし、特定車線において待ち行列が形成されていること（交通密度が高くかつ速度が低いこと）が確認できた場合、前記待ち行列内の移動速度をＶＱ（ｉ，ｊ）と定義する。
カメラに基づく現在速度をＶＣ（ｉ，ｊ）とし、特定車線において待ち行列が形成されていること（交通密度が高くかつ速度が低いこと）が確認できた場合、前記待ち行列内の移動速度をＶＱ（ｉ，ｊ）と定義する。
【0069】
各車両の速度は、デジタルタコグラフのように車両から直接取得する方式が採れる場合を除いて、２地点のＧＰＳ位置を相対化することにより把握する。例えば、ＧＰＳ捕捉機の現在速度であるＶＧ（ｉ，）は、Ｒ（ｉ，）とＲ（ｉ＋１，）とのＧＰＳ位置情報を使用する。なお、「車両識別区間」の速度は、スマートフォンを除いて「車両識別区間」中の車載機からの情報で把握できる。
【0070】
プローブ情報に基づく交通密度（車両数）をＫＰ（ｉ，ｊ）、カメラに基づく交通密度（車両数）をＫＣ（ｉ，ｊ）、真実の交通密度（車両数）をＫＥ（ｉ，ｊ）で表現する。
【0071】
出発地点ｏから目的地点ａまで（ａ←ｏ）における所要時間Ｔ（ａ←０）、及び出発地点ｏから目的地点ｂまで（ｂ←ｏ）における所要時間Ｔ（ｂ←ｏ）は、関数Ｆａ及び関数Ｆｂから求めることができる。なお、関数Ｆａ及び関数Ｆｂは、Ｇｒｅｅｎｂｅｒｇモデル等に準拠して事前に求めることができる。
【0072】
（実施例１）
＜プローブ情報をカメラで補強して、車線別の概略台数から予測する方法＞
図７に示すように、整流域内の道路Ｒにおいて、出発地点ｏ（距離区間Ｎｏ．ｉ＝３０）、第一の目的地点であるゲートａ（距離区間Ｎｏ．ｉ＝７）、第二の目的地点であるゲートｂ（距離区間Ｎｏ．ｉ＝１）が存在する。
道路Ｒ上の各距離区間（ｉ＝１～３０）の３車線（車線Ｎｏ．ｊ＝１～３）に、実際、図７に示す丸囲み数字の台数の車両が走行している。この状態において、複数種のプローブ情報を取得しているが、道路Ｒにおける車線全体の情報を把握できていない。
＜プローブ情報をカメラで補強して、車線別の概略台数から予測する方法＞
図７に示すように、整流域内の道路Ｒにおいて、出発地点ｏ（距離区間Ｎｏ．ｉ＝３０）、第一の目的地点であるゲートａ（距離区間Ｎｏ．ｉ＝７）、第二の目的地点であるゲートｂ（距離区間Ｎｏ．ｉ＝１）が存在する。
道路Ｒ上の各距離区間（ｉ＝１～３０）の３車線（車線Ｎｏ．ｊ＝１～３）に、実際、図７に示す丸囲み数字の台数の車両が走行している。この状態において、複数種のプローブ情報を取得しているが、道路Ｒにおける車線全体の情報を把握できていない。
【0073】
まず、一定時間間隔で、道路Ｒ上の各距離区間（ｉ＝１～３０）における各種プローブ情報を基に、車両数を把握する。なお、各種プローブ情報では車線Ｎｏ．の区別はできないので、車線別車両数を把握できない。各種プローブ情報の取得間隔は、上述したとおり固定であり既知である。
次に、車線別の車数を把握するため、Ｃ（１）、Ｃ（７）、Ｃ（１７）、及びＣ（２７）に設置したカメラにより２つの距離区間分（枠囲み部分）の範囲における車線別の車数の補足を行う。
次に、車線別の車数を把握するため、Ｃ（１）、Ｃ（７）、Ｃ（１７）、及びＣ（２７）に設置したカメラにより２つの距離区間分（枠囲み部分）の範囲における車線別の車数の補足を行う。
【0074】
次に、カメラにより補足した２つの距離区間における車線別車両数に基づき、連続する２箇所のカメラの設置区間である「計測区間」内の各距離区間についての車線別車両数を推定する。
【0075】
次に、道路Ｒ上の各距離区間における過去のプローブ情報に基づき、出発地点ｏから目的地点ａまで（ａ←ｏ）における所要時間Ｔ（ａ←０）、及び出発地点ｏから目的地点ｂまで（ｂ←ｏ）における所要時間Ｔ（ｂ←ｏ）を関数Ｆａ及び関数Ｆｂにより予測する。
関数Ｆａ及び関数Ｆｂは、車線毎の交通密度（車両数）であるＰＭ（ｋ,ｊ）をパラメータとして、過去のプローブ情報に基づき、事前に求めることができる。
関数Ｆａ及び関数Ｆｂは、車線毎の交通密度（車両数）であるＰＭ（ｋ,ｊ）をパラメータとして、過去のプローブ情報に基づき、事前に求めることができる。
【0076】
次に、図８に示すようにして、所要時間Ｔ（ａ←ｏ）及び所要時間Ｔ（ｂ←ｏ）を算出することができる。
ステップＳ１では、プローブ情報に基づく車両数であるＫＰ（ｉ，）を１０秒毎に、整流域内の道路Ｒ上を走行する車載機を搭載した車両からの位置及び速度情報から、距離区間（３車線の合計）毎に把握すると、処理をステップＳ２に移動する。
ステップＳ１では、プローブ情報に基づく車両数であるＫＰ（ｉ，）を１０秒毎に、整流域内の道路Ｒ上を走行する車載機を搭載した車両からの位置及び速度情報から、距離区間（３車線の合計）毎に把握すると、処理をステップＳ２に移動する。
【0077】
ステップＳ２では、カメラに基づく車両数であるＫＣ（ｉ,ｊ）を、カメラを設置した場所Ｃ（ｉ）から解析可能な２つの距離区間分における車線毎の車両数から把握すると、処理をステップＳ３に移行する。
【0078】
ステップＳ３では、真実の車両数であるＫＥ（ｉ,ｊ）を、連続する２箇所のカメラの「計測区間」により車線毎に車両数を推定すると、処理をステップＳ４に移行する。
具体的には、表４に示すように、「計測区間」における車線別の真実の車両数であるＫＥ（ｉ,ｊ）を推定する。
具体的には、表４に示すように、「計測区間」における車線別の真実の車両数であるＫＥ（ｉ,ｊ）を推定する。
【0079】
【表4】
【0080】
カメラＣ（７）とカメラＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の車両数を推定する処理について説明する。
表４に示すように、カメラに基づく車両数であるＫＣ（７,１）、ＫＣ（８,１）、ＫＣ（１７,１）、及びＫＣ（１８,１）が全て「６」であることから、真実の車両数であるＫＥ（ｉ,１）（ｉ＝７～１６）は全て「６」とする。
カメラに基づく車両数であるＫＣ（７,３）、及びＫＣ（８,３）がともに「８」であり、カメラに基づく車両数であるＫＣ（１７,３）、及びＫＣ（１８,３）がともに「５」であることから、真実の車両数であるＫＥ（ｉ,３）（ｉ＝９～１６）は単純減少すると推定する。
プローブに基づく車両数であるＫＰ（ｉ,）（ｉ＝９～１６）での最大値は、ｉ＝１１の「１５」であることから、真実の車両数であるＫＥ（１１,１）が「６」、真実の車両数であるＫＥ（１１,３）が「８」、真実の車両数であるＫＥ（１１,２）が「１」と推定できる。真実の車両数であるＫＥ（１１,３）が「８」と推定できたので、真実の車両数であるＫＥ（９,３）及び真実の車両数であるＫＥ（１０,３）も「８」と推定できる。
真実の車両数であるＫＥ（ｉ,３）（ｉ＝１２～１６）に関しては、「８」～「５」で単純減少すると推定する。
真実の車両数であるＫＥ（ｉ,２）に関しては、プローブ情報に基づく車両数であるＫＰ（ｉ，）を考慮して推定する。
以上により、カメラＣ（７）とカメラＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。なお、「計測区間１」及び「計測区間３」についても同様にして、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。
表４に示すように、カメラに基づく車両数であるＫＣ（７,１）、ＫＣ（８,１）、ＫＣ（１７,１）、及びＫＣ（１８,１）が全て「６」であることから、真実の車両数であるＫＥ（ｉ,１）（ｉ＝７～１６）は全て「６」とする。
カメラに基づく車両数であるＫＣ（７,３）、及びＫＣ（８,３）がともに「８」であり、カメラに基づく車両数であるＫＣ（１７,３）、及びＫＣ（１８,３）がともに「５」であることから、真実の車両数であるＫＥ（ｉ,３）（ｉ＝９～１６）は単純減少すると推定する。
プローブに基づく車両数であるＫＰ（ｉ,）（ｉ＝９～１６）での最大値は、ｉ＝１１の「１５」であることから、真実の車両数であるＫＥ（１１,１）が「６」、真実の車両数であるＫＥ（１１,３）が「８」、真実の車両数であるＫＥ（１１,２）が「１」と推定できる。真実の車両数であるＫＥ（１１,３）が「８」と推定できたので、真実の車両数であるＫＥ（９,３）及び真実の車両数であるＫＥ（１０,３）も「８」と推定できる。
真実の車両数であるＫＥ（ｉ,３）（ｉ＝１２～１６）に関しては、「８」～「５」で単純減少すると推定する。
真実の車両数であるＫＥ（ｉ,２）に関しては、プローブ情報に基づく車両数であるＫＰ（ｉ，）を考慮して推定する。
以上により、カメラＣ（７）とカメラＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。なお、「計測区間１」及び「計測区間３」についても同様にして、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。
【0081】
ステップＳ４では、計測区間１～３毎の車線別の車両数を合計し、車線毎の車両数であるＰＭ（ｋ,ｊ）を求めると、処理をステップＳ５に移行する。
表４から、車線毎の車両数であるＰＭ（ｋ,ｊ）は、ＰＭ（１，１）＝３６、ＰＭ（１，２）＝２、ＰＭ（１，３）＝０、ＰＭ（２，１）＝６０、ＰＭ（２，２）＝８、ＰＭ（２，３）＝６８、ＰＭ（３，１）＝３８、ＰＭ（３，２）＝４、ＰＭ（３，３）＝３４となる。
表４から、車線毎の車両数であるＰＭ（ｋ,ｊ）は、ＰＭ（１，１）＝３６、ＰＭ（１，２）＝２、ＰＭ（１，３）＝０、ＰＭ（２，１）＝６０、ＰＭ（２，２）＝８、ＰＭ（２，３）＝６８、ＰＭ（３，１）＝３８、ＰＭ（３，２）＝４、ＰＭ（３，３）＝３４となる。
【0082】
ステップＳ５では、関数Ｆａ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］の確定（１回／月に実施）を行い、関数Ｆｂ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］の確定（１回／月に実施）を行うと、処理をステップＳ６に移行する。
ステップＳ５では、車線毎の車両数であるＰＭ（ｋ,ｊ）をパラメータとして、過去のプローブ情報に基づき、所要時間Ｔ（ａ←０）及び所要時間Ｔ（ｂ←０）を求める関数Ｆａ、関数Ｆｂを事前に求める。
ステップＳ５では、車線毎の車両数であるＰＭ（ｋ,ｊ）をパラメータとして、過去のプローブ情報に基づき、所要時間Ｔ（ａ←０）及び所要時間Ｔ（ｂ←０）を求める関数Ｆａ、関数Ｆｂを事前に求める。
【0083】
ステップＳ６では、１０秒毎に車線毎の車両数であるＰＭ（ｋ,ｊ）を算出し、関数Ｆａから所要時間Ｔ（ａ←０）、関数Ｆｂから所要時間Ｔ（ｂ←０）をそれぞれ算出し、通知すると、本処理を終了する。
具体的には、関数Ｆａから所要時間Ｔ（ａ←０）を算出し、関数Ｆｂから所要時間Ｔ（ｂ←０）を算出する処理は、以下に示すとおりである。
なお、交通工学の分野では、空間平均速度と交通密度の関係としては図９に示す「Ｇｒｅｅｎｂｅｒｇモデル」（「交通流理論」桑原雅夫著、一般社団法人交通工学研究会発行、第１４頁の図１．７参照）が著名であるが、現実に即して簡単化し、例えば、図１０に示すような一次直線式に変換するのが一般的である。
具体的には、関数Ｆａから所要時間Ｔ（ａ←０）を算出し、関数Ｆｂから所要時間Ｔ（ｂ←０）を算出する処理は、以下に示すとおりである。
なお、交通工学の分野では、空間平均速度と交通密度の関係としては図９に示す「Ｇｒｅｅｎｂｅｒｇモデル」（「交通流理論」桑原雅夫著、一般社団法人交通工学研究会発行、第１４頁の図１．７参照）が著名であるが、現実に即して簡単化し、例えば、図１０に示すような一次直線式に変換するのが一般的である。
【0084】
ここで、図１１に示す［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］の９個の区間について、渋滞（ｊａｍ）状態での台数合計（最大）を想定している。例えば、ＰＭ（２,３）では８０台とした。制限速度は全て６０ｋｍ／時として車両が０台の場合には自由走行できるので、図１０に示す一次直線式のイメージとなる。
図１０中の車両数「６８」は、実施例１においては、上記ステップＳ３～ステップＳ４により推定した結果である。
図１０中の車両数「６８」は、実施例１においては、上記ステップＳ３～ステップＳ４により推定した結果である。
【0085】
【表5】
【0086】
所要時間Ｔ（ａ←ｏ）＝Ｆａ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］
所要時間Ｔ（ａ←ｏ）＝Ｆａ（ＰＭａ）＝５．１１１×ＰＭａ＋１３８
ただし、ＰＭａは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
所要時間Ｔ（ａ←ｏ）＝Ｆａ（ＰＭａ）＝５．１１１×ＰＭａ＋１３８
ただし、ＰＭａは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
【0087】
ＰＭａ＝１＋０．１ＰＭ（１，１）＋０．０２ＰＭ（１，２）＋０．０５ＰＭ（１，３）＋０．８ＰＭ（２，１）＋０．２ＰＭ（２，２）＋ＰＭ（２，３）＋０．７ＰＭ（３，１）＋０．２ＰＭ（３，２）＋ＰＭ（３，３）
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
【0088】
ＰＭａ・ｊａｍ＝１＋０．１×３６＋０．０２×６０＋０．０５×４８＋０．８×６０＋０．２×１００＋８０＋０．７×６０＋０．２×１００＋８０＝２９８
ただし、ＰＭａ・ｊａｍは、速度が５ｋｍ／時である渋滞の極限状態である。
ただし、ＰＭａ・ｊａｍは、速度が５ｋｍ／時である渋滞の極限状態である。
【0089】
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ（ＰＭｂ）＝４．４４０×ＰＭｂ＋１８０
ただし、ＰＭｂは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ（ＰＭｂ）＝４．４４０×ＰＭｂ＋１８０
ただし、ＰＭｂは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
【0090】
ＰＭｂ＝１＋ＰＭ（１，１）＋０．２ＰＭ（１，２）＋０．８ＰＭ（１，３）＋ＰＭ（２，１）＋０．６ＰＭ（２，２）＋ＰＭ（２，３）＋ＰＭ（３，１）＋０．４ＰＭ（３，２）＋ＰＭ（３，３）
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
【0091】
ＰＭｂ・ｊａｍ＝１＋３６＋０．２×６０＋０．８×４８＋６０＋０．６×１００＋８０＋６０＋０．４×１００＋８０＝４６７
ただし、ＰＭｂ・ｊａｍは、速度が５ｋｍ／時である渋滞の極限状態である。
ただし、ＰＭｂ・ｊａｍは、速度が５ｋｍ／時である渋滞の極限状態である。
【0092】
なお、上記においてＰＭａとＰＭｂで、ＰＭ（ｉ，ｊ）の係数が異なる（例えば、ＰＭａでのＰＭ（１，１）が「０．１」であるのに対し、ＰＭｂでのＰＭ（１，１）が「１．０」である。下線部分参照）のは、所要時間Ｔ（ａ←ｏ）と所要時間Ｔ（ｂ←ｏ）に影響する度合いが異なるためである。
【0093】
【表6】
【0094】
（実施例２）
＜プローブ情報をカメラで補強した上で車種別速度を加味した車線別台数から予測する方法＞
この実施例２は、実施例１において、計測区間の車線別車両数を確定するために、車種別の区間別速度を算出して車線別車両数を予測したこと以外は、実施例１と同様であるため、既に説明した実施例１と同一の構成についてはその説明を省略する。
＜プローブ情報をカメラで補強した上で車種別速度を加味した車線別台数から予測する方法＞
この実施例２は、実施例１において、計測区間の車線別車両数を確定するために、車種別の区間別速度を算出して車線別車両数を予測したこと以外は、実施例１と同様であるため、既に説明した実施例１と同一の構成についてはその説明を省略する。
【0095】
図１２に示すように、ステップＳ２１では、現在のプローブ情報に基づく車両数であるＫＰ（ｉ，）を１０秒毎に、整流域の道路Ｒ上を走行する車載機を搭載した車両からの位置及び速度情報から距離区間毎に把握すると、処理をステップＳ２２に移動する。
【0096】
ステップＳ２２では、１０秒毎のＧＰＳ情報により車両識別区間に存在するすべてのデジタルタコグラフの車載ＩＤ（Ｄ－ＩＤ）及びＧＰＳ搭載機の車載ＩＤ（Ｇ－ＩＤ）の目的地点を推定すると、処理をステップＳ２３に移行する。
【0097】
ステップＳ２３では、カメラに基づく車両数であるＫＣ（ｉ,ｊ）を、カメラを設置した場所Ｃ（ｉ）から解析可能な距離区間（２距離区間分）における車線毎の車両数から把握すると、処理をステップＳ２４に移行する。
【0098】
ステップＳ２４では、１０秒間において、車両識別区間に存在する生コン車の台数である「Ｎａｄ」、ダンプカーの台数である「Ｎａｇ」、コンテナ車のヘッド部の台数である「Ｎｂｄ」、及びコンテナ車のシャーシ部の台数である「Ｎｂｇ」を確定すると、処理をステップＳ２５に移行する。
【0099】
ステップＳ２５では、１０秒間において、車両識別区間に存在するコンテナ車（一式）の台数である「Ｎｂｃ」を確定すると、処理をステップＳ２６に移行する。
実施例２においては、速度を正確に把握する必要があるため、走行する車両から収集される複数種の現在のプローブ情報からコンテナ車のヘッド部＋コンテナ車のシャーシ部の組み合わせ（一式）を図１３に示す車両識別区間で検出する。
図３に示すコンテナ車のヘッド部＋コンテナ車のシャーシ部の組み合わせ（一式）状態のケース［ａ］を、図１４に示す様々な状態の車両の中から検出する。
「Ｎｂｄ」はコンテナ車のヘッド部の単独状態の台数、「Ｎｂｇ」はコンテナ車のシャーシ部の単独状態の台数である。なお、コンテナ車のシャーシ部は単独では走行できないが、コンテナ車のヘッド部に車載器がない場合である。
図１５において、「一式」状態であると判定されるのは、ケース［ａ］の場合である。
実施例２においては、速度を正確に把握する必要があるため、走行する車両から収集される複数種の現在のプローブ情報からコンテナ車のヘッド部＋コンテナ車のシャーシ部の組み合わせ（一式）を図１３に示す車両識別区間で検出する。
図３に示すコンテナ車のヘッド部＋コンテナ車のシャーシ部の組み合わせ（一式）状態のケース［ａ］を、図１４に示す様々な状態の車両の中から検出する。
「Ｎｂｄ」はコンテナ車のヘッド部の単独状態の台数、「Ｎｂｇ」はコンテナ車のシャーシ部の単独状態の台数である。なお、コンテナ車のシャーシ部は単独では走行できないが、コンテナ車のヘッド部に車載器がない場合である。
図１５において、「一式」状態であると判定されるのは、ケース［ａ］の場合である。
【0100】
複数種のプローブ情報を融合させるには、複数個の移動体の近傍性（実質的に同一）を把握することが前提となる。したがって、下記数式１で表される「時空間距離（位置情報、時刻）」の近傍性で判断する。
【0101】
［数式１］
【0102】
複数種のプローブ情報の中で、プローブＤとプローブＧが前進しているので、必ずプローブＤがプローブＧの前に存在する。経度及び緯度の各秒は約２５ｍである。
近傍性（実質的に同一）は、時空間距離が正又はゼロで最小値のプローブ情報を近傍とする。
近傍性（実質的に同一）は、時空間距離が正又はゼロで最小値のプローブ情報を近傍とする。
【0103】
図１６に示すように、各車両の識別は、「車両識別区間」(例えば、３００ｍの区間)で行う。車両識別区間において、時間帯（ｔ３１～ｔ３３の１０秒間）に捉えられるものは、プローブＤが「Ｄ－ＩＤ」、プローブＧが「Ｇ－ＩＤ」で表せる。５台存在したとする。
Ｄ１＋Ｇ１、Ｄ３＋Ｇ３、Ｄ４＋Ｇ４は、［ａ］の「一式」状態である。
Ｇ２は［ｃ］の状態（コンテナ車のシャーシ部がデジタコのないヘッド部に牽引されているか、ダンプカー）である。
Ｄ５は［ｂ］の状態（コンテナ車のヘッド部単独、ＧＰＳ捕捉機のないコンテナ車のシャーシ部を牽引しているコンテナ車のヘッド部、又は生コン車）である。
Ｄ１＋Ｇ１、Ｄ３＋Ｇ３、Ｄ４＋Ｇ４は、［ａ］の「一式」状態である。
Ｇ２は［ｃ］の状態（コンテナ車のシャーシ部がデジタコのないヘッド部に牽引されているか、ダンプカー）である。
Ｄ５は［ｂ］の状態（コンテナ車のヘッド部単独、ＧＰＳ捕捉機のないコンテナ車のシャーシ部を牽引しているコンテナ車のヘッド部、又は生コン車）である。
【0104】
次に、Ｄ３＋Ｇ３について「一式」状態を判定するケースを考える。
計算を簡単にするために、図１６に示す道路Ｒの車両識別区間は、３００ｍの内の北側１７０ｍであり、東経１３５度を真北に走っており、地点ｏは北緯３５度に位置する。
この道路Ｒを、制限速度６０ｋｍ／時＝１６．７ｍ／秒で、各車両は制限速度を守って走行している。
この区間の南端は北緯３４：５９：５３である。１７０／２５＝６．８で地点ｏの７秒南に位置する。
「Ｇ３－１」のプローブが、ｔ３２（＝１０：５９：４０）の時刻に北緯３４：５９：５６（東経は全て１３５度で維持される）で検出されたと仮定して算出する。
「Ｇ３－１」より前にプローブ情報が採取されたものは、ｔ３２以前に限られるので、「Ｄ４－２」、「Ｄ４－１」、「Ｄ３－４」、「Ｄ３－３」、「Ｄ３－２」、「Ｄ１－９」「Ｄ１－８」、「Ｄ１－７」、「Ｄ１－６」、及び「Ｄ１－５」とＧ３－１との時空間距離を上記数式１から求め、表７に示した。
計算を簡単にするために、図１６に示す道路Ｒの車両識別区間は、３００ｍの内の北側１７０ｍであり、東経１３５度を真北に走っており、地点ｏは北緯３５度に位置する。
この道路Ｒを、制限速度６０ｋｍ／時＝１６．７ｍ／秒で、各車両は制限速度を守って走行している。
この区間の南端は北緯３４：５９：５３である。１７０／２５＝６．８で地点ｏの７秒南に位置する。
「Ｇ３－１」のプローブが、ｔ３２（＝１０：５９：４０）の時刻に北緯３４：５９：５６（東経は全て１３５度で維持される）で検出されたと仮定して算出する。
「Ｇ３－１」より前にプローブ情報が採取されたものは、ｔ３２以前に限られるので、「Ｄ４－２」、「Ｄ４－１」、「Ｄ３－４」、「Ｄ３－３」、「Ｄ３－２」、「Ｄ１－９」「Ｄ１－８」、「Ｄ１－７」、「Ｄ１－６」、及び「Ｄ１－５」とＧ３－１との時空間距離を上記数式１から求め、表７に示した。
【0105】
【表7】
【0106】
ステップＳ２６では、確定した車両識別区間にある生コン車の台数である「Ｎａｄ」、ダンプカーの台数である「Ｎａｇ」、コンテナ車のヘッド部の台数である「Ｎｂｄ」、コンテナ車のシャーシ部の台数である「Ｎｂｇ」、及びコンテナ車（一式）の台数である「Ｎｂｃ」に含まれる車両の速度ＶＰ（ｉ，ｊ）について、「Ｎａｄ＋Ｎａｇ」の分をｊ＝３とし、「Ｎｂｄ＋Ｎｂｇ－Ｎｂｃ」の分をｊ＝１として算出すると、処理をステップＳ２７に移行する。
【0107】
ステップＳ２７では、真実の車両数であるＫＥ（ｉ,ｊ）として、連続する２箇所のカメラの計測区間に関して、車線別及び距離区間別の平均速度を基に車線別の車両数を推定すると、処理をステップＳ２８に移行する。
具体的には、表８に示すように「計測区間」において車線別の真実の車両数であるＫＥ（ｉ,ｊ）を推定する。
具体的には、表８に示すように「計測区間」において車線別の真実の車両数であるＫＥ（ｉ,ｊ）を推定する。
【0108】
【表8】
【0109】
２つのカメラＣ（７）とＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の車両数を推定する処理について説明する。
表８に示すように、カメラに基づく車両数であるＫＣ（７，１）、ＫＣ（８，１）、ＫＣ（１７，１）、及びＫＣ（１８，１）が全て「６」であり、プローブ情報に基づく現在速度であるＶＰ（７，１）、ＶＰ（８，１）、ＶＰ（１７，１）、及びＶＰ（１８，１）が全て「５」であることから、真実の車両数であるＫＥ（ｉ，１）（ｉ＝７～１６）は、全て「６」とする。
プローブ情報に基づく現在速度であるＶＰが、待ち行列内の移動速度であるＶＱ（例えば「５」）以下なら、車両は待ち行列に並んでいると判断する。
基本的に、真実の車両数であるＫＥ（ｉ，１）はプローブ情報に基づく現在速度であるＶＰ（ｉ，１）の一次関数として算出する。同様に、真実の車両数であるＫＥ（ｉ，３）はプローブ情報に基づく現在速度であるＶＰ（ｉ，３）の一次関数として算出する。
以上により、カメラＣ（７）とカメラＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。なお、「計測区間１」及び「計測区間３」についても同様にして、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。
表８に示すように、カメラに基づく車両数であるＫＣ（７，１）、ＫＣ（８，１）、ＫＣ（１７，１）、及びＫＣ（１８，１）が全て「６」であり、プローブ情報に基づく現在速度であるＶＰ（７，１）、ＶＰ（８，１）、ＶＰ（１７，１）、及びＶＰ（１８，１）が全て「５」であることから、真実の車両数であるＫＥ（ｉ，１）（ｉ＝７～１６）は、全て「６」とする。
プローブ情報に基づく現在速度であるＶＰが、待ち行列内の移動速度であるＶＱ（例えば「５」）以下なら、車両は待ち行列に並んでいると判断する。
基本的に、真実の車両数であるＫＥ（ｉ，１）はプローブ情報に基づく現在速度であるＶＰ（ｉ，１）の一次関数として算出する。同様に、真実の車両数であるＫＥ（ｉ，３）はプローブ情報に基づく現在速度であるＶＰ（ｉ，３）の一次関数として算出する。
以上により、カメラＣ（７）とカメラＣ（１７）との間の「計測区間２」における距離区間（ｉ＝７～１６）において、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。なお、「計測区間１」及び「計測区間３」についても同様にして、車線毎の真実の車両数であるＫＥ（ｉ,ｊ）を推定することができる。
【0110】
ステップＳ２８では、計測区間毎の車線別の車両数を合計し、車線毎の車両数であるＰＭ（ｋ,ｊ）を求めると、処理をステップＳ２９に移行する。
表８から、車線毎の車両数であるＰＭ（ｋ,ｊ）は、ＰＭ（１，１）＝３６、ＰＭ（１，２）＝２、ＰＭ（１，３）＝０、ＰＭ（２，１）＝６０、ＰＭ（２，２）＝８、ＰＭ（２，３）＝６８、ＰＭ（３，１）＝３８、ＰＭ（３，２）＝４、ＰＭ（３，３）＝３４となる。
表８から、車線毎の車両数であるＰＭ（ｋ,ｊ）は、ＰＭ（１，１）＝３６、ＰＭ（１，２）＝２、ＰＭ（１，３）＝０、ＰＭ（２，１）＝６０、ＰＭ（２，２）＝８、ＰＭ（２，３）＝６８、ＰＭ（３，１）＝３８、ＰＭ（３，２）＝４、ＰＭ（３，３）＝３４となる。
【0111】
ステップＳ２９では、関数Ｆａ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］の確定（例えば、１回／月実施）を行い、関数Ｆｂ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］の確定（例えば、１回／月実施）を行うと、処理をステップＳ３０に移行する。
ステップＳ２９では、ＰＭ（ｋ,ｊ）をパラメータとして、所要時間Ｔ（ａ←０）及び所要時間Ｔ（ｂ←０）を求める関数Ｆａ及び関数Ｆｂを事前に求める。
ステップＳ２９では、ＰＭ（ｋ,ｊ）をパラメータとして、所要時間Ｔ（ａ←０）及び所要時間Ｔ（ｂ←０）を求める関数Ｆａ及び関数Ｆｂを事前に求める。
【0112】
ステップＳ３０では、１０秒毎に車線毎の車両数であるＰＭ（ｋ,ｊ）を算出し、関数Ｆａから所要時間Ｔ（ａ←０）、関数Ｆｂから所要時間Ｔ（ｂ←０）をそれぞれ算出し、通知すると、本処理を終了する。
具体的には、関数Ｆａから所要時間Ｔ（ａ←０）を算出し、関数Ｆｂから所要時間Ｔ（ｂ←０）を算出する処理は、以下に示すとおりである。
なお、交通工学の分野では、空間平均速度と交通密度の関係としては図９に示す「Ｇｒｅｅｎｂｅｒｇモデル」（「交通流理論」桑原雅夫著、一般社団法人交通工学研究会発行、第１４頁の図１．７参照）が著名であるが、現実に即して簡単化し、例えば、図１０に示すような一次直線式に変換するのが一般的である。
図１１に示す９個の区間［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］について、渋滞（ｊａｍ）状態での台数合計（最大）を想定している。例えば、ＰＭ（２,３）では８０台とした。制限速度は全て６０ｋｍ／時として車両が０台の場合には自由にその速度で走行できるので、図１０に示す直線の一次直線式のようなイメージである。
図１０中の車両数「６８」は、実施例２では、上記ステップＳ２４～ステップＳ２６において速度ＶＰ（ｉ,ｊ）を考慮し、上記ステップＳ２７～ステップＳ２８で求めた結果である。
具体的には、関数Ｆａから所要時間Ｔ（ａ←０）を算出し、関数Ｆｂから所要時間Ｔ（ｂ←０）を算出する処理は、以下に示すとおりである。
なお、交通工学の分野では、空間平均速度と交通密度の関係としては図９に示す「Ｇｒｅｅｎｂｅｒｇモデル」（「交通流理論」桑原雅夫著、一般社団法人交通工学研究会発行、第１４頁の図１．７参照）が著名であるが、現実に即して簡単化し、例えば、図１０に示すような一次直線式に変換するのが一般的である。
図１１に示す９個の区間［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］について、渋滞（ｊａｍ）状態での台数合計（最大）を想定している。例えば、ＰＭ（２,３）では８０台とした。制限速度は全て６０ｋｍ／時として車両が０台の場合には自由にその速度で走行できるので、図１０に示す直線の一次直線式のようなイメージである。
図１０中の車両数「６８」は、実施例２では、上記ステップＳ２４～ステップＳ２６において速度ＶＰ（ｉ,ｊ）を考慮し、上記ステップＳ２７～ステップＳ２８で求めた結果である。
【0113】
【表9】
【0114】
所要時間Ｔ（ａ←ｏ）＝Ｆａ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］
所要時間Ｔ（ａ←ｏ）＝Ｆａ（ＰＭａ）＝５．１１１×ＰＭａ＋１３８
ただし、ＰＭａは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
所要時間Ｔ（ａ←ｏ）＝Ｆａ（ＰＭａ）＝５．１１１×ＰＭａ＋１３８
ただし、ＰＭａは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
【0115】
ＰＭａ＝１＋０．１ＰＭ（１，１）＋０．０２ＰＭ（１，２）＋０．０５ＰＭ（１，３）＋０．８ＰＭ（２，１）＋０．２ＰＭ（２，２）＋ＰＭ（２，３）＋０．７ＰＭ（３，１）＋０．２ＰＭ（３，２）＋ＰＭ（３，３）
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
【0116】
ＰＭａ・ｊａｍ＝１＋０．１×３６＋０．０２×６０＋０．０５×４８＋０．８×６０＋０．２×１００＋８０＋０．７×６０＋０．２×１００＋８０＝２９８
ただし、ＰＭａ・ｊａｍは、速度が５ｋｍ／時である渋滞状態である。
ただし、ＰＭａ・ｊａｍは、速度が５ｋｍ／時である渋滞状態である。
【0117】
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ［ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、ＰＭ（３，３）］
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ（ＰＭｂ）＝４．４４０×ＰＭｂ＋１８０
ただし、ＰＭｂは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
所要時間Ｔ（ｂ←ｏ）＝Ｆｂ（ＰＭｂ）＝４．４４０×ＰＭｂ＋１８０
ただし、ＰＭｂは、ＰＭ（１，１）、ＰＭ（１，２）、ＰＭ（１，３）、ＰＭ（２，１）、ＰＭ（２，２）、ＰＭ（２，３）、ＰＭ（３，１）、ＰＭ（３，２）、及びＰＭ（３，３）からなる一次関数である。
【0118】
ＰＭｂ＝１＋ＰＭ（１，１）＋０．２ＰＭ（１，２）＋０．８ＰＭ（１，３）＋ＰＭ（２，１）＋０．６ＰＭ（２，２）＋ＰＭ（２，３）＋ＰＭ（３，１）＋０．４ＰＭ（３，２）＋ＰＭ（３，３）
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
ただし、各ＰＭ（ｉ，ｊ）に乗じる係数は、当該計測区間が所要時間に及ぼす重みである。
【0119】
ＰＭｂ・ｊａｍ＝１＋３６＋０．２×６０＋０．８×４８＋６０＋０．６×１００＋８０＋６０＋０．４×１００＋８０＝４６７
ただし、ＰＭｂ・ｊａｍは、速度が５ｋｍ／時である渋滞状態である。
ただし、ＰＭｂ・ｊａｍは、速度が５ｋｍ／時である渋滞状態である。
【0120】
なお、上記においてＰＭａとＰＭｂで、ＰＭ（ｉ，ｊ）の係数が異なる（例えば、ＰＭａでのＰＭ（１，１）が「０．１」であるのに対し、ＰＭｂでのＰＭ（１，１）が「１．０」である。下線部分参照）のは、所要時間Ｔ（ａ←ｏ）と所要時間Ｔ（ｂ←ｏ）に影響する度合いが異なるためである。
【0121】
【表10】
【符号の説明】
【0122】
１０ 整流域
１１ 汎用域
１００ 到着時刻予想装置
１０１ 制御部
１０２ 主記憶装置
１０３ 補助記憶装置
１０４ Ｉ／Ｏインターフェイス
１０５ 通信インターフェイス
１０６ 入力装置
１０７ 出力装置
１０８ 表示装置
１０９ システムバス
１２０ 通信機能部
１３０ 入力機能部
１４０ 出力機能部
１５０ 表示機能部
１６０ 記憶機能部
１７０ 制御機能部
１７１ 到着時刻予想部
１７２ 判別部
１１ 汎用域
１００ 到着時刻予想装置
１０１ 制御部
１０２ 主記憶装置
１０３ 補助記憶装置
１０４ Ｉ／Ｏインターフェイス
１０５ 通信インターフェイス
１０６ 入力装置
１０７ 出力装置
１０８ 表示装置
１０９ システムバス
１２０ 通信機能部
１３０ 入力機能部
１４０ 出力機能部
１５０ 表示機能部
１６０ 記憶機能部
１７０ 制御機能部
１７１ 到着時刻予想部
１７２ 判別部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
