(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】P2023133841
(43)【公開日】2023-09-27
(54)【発明の名称】交通流予測装置、交通流予測方法およびプログラム
(51)【国際特許分類】
G08G 1/00 20060101AFI20230920BHJP
G08G 1/01 20060101ALI20230920BHJP
【ＦＩ】
G08G1/00 C
G08G1/01 C
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2022039056
(22)【出願日】2022-03-14
(71)【出願人】
【識別番号】000000295
【氏名又は名称】沖電気工業株式会社
(74)【代理人】
【識別番号】100140958
【弁理士】
【氏名又は名称】伊藤 学
(74)【代理人】
【識別番号】100137888
【弁理士】
【氏名又は名称】大山 夏子
(74)【代理人】
【識別番号】100190942
【弁理士】
【氏名又は名称】風間 竜司
(72)【発明者】
【氏名】松平 正樹
(72)【発明者】
【氏名】岡野 謙悟
【テーマコード（参考）】
5H181
【Ｆターム（参考）】
5H181AA01
5H181BB04
5H181BB13
5H181CC02
5H181CC11
5H181CC12
5H181DD01
5H181EE02
5H181FF10
5H181FF12
5H181FF33
5H181MC12
5H181MC27
(57)【要約】
【課題】処理時間の低下を抑制しつつ、高精度に交通流をシミュレーションすることを可能とする技術が提供されることが望まれる。
【解決手段】所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、を備える、交通流予測装置が提供される。
【選択図】図１
【解決手段】所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、を備える、交通流予測装置が提供される。
【選択図】図１
【特許請求の範囲】
【請求項1】
所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、
前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、
第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、
を備える、交通流予測装置。
前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、
第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、
を備える、交通流予測装置。
【請求項2】
前記シミュレーション実行部は、前記第１の交通密度と、前記第１の速度とあらかじめ定められた自由流速度との混合結果と、前記第１の交通量とに基づいて、前記第２の交通密度を予測する、
請求項１に記載の交通流予測装置。
請求項１に記載の交通流予測装置。
【請求項3】
前記シミュレーション実行部は、前記所定ブロックにおける車線総数に対する通行可能な車線数の割合にさらに基づいて、前記第２の交通密度を予測する、
請求項１または２に記載の交通流予測装置。
請求項１または２に記載の交通流予測装置。
【請求項4】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度とに基づいて、前記所定ブロックの後流ブロックに流入する車両の交通量を後流ブロック交通量として予測し、前記後流ブロック交通量と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測する、
請求項３に記載の交通流予測装置。
請求項３に記載の交通流予測装置。
【請求項5】
前記シミュレーション実行部は、前記後流ブロック交通量と前記第１の交通量との差分と、前記所定ブロックの長さと、前記第１の時刻と前記第２の時刻との時間間隔と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測する、
請求項４に記載の交通流予測装置。
請求項４に記載の交通流予測装置。
【請求項6】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度との乗算に基づく交通量よりも、あらかじめ定められた最大交通量と前記割合との乗算結果が小さい場合には、前記乗算結果と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測する、
請求項５に記載の交通流予測装置。
請求項５に記載の交通流予測装置。
【請求項7】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度との乗算に基づく交通量よりも、あらかじめ定められた最大交通密度と前記後流ブロックとの差分と前記割合との第１の乗算結果と、あらかじめ定められた渋滞波伝搬速度との第２の乗算結果が小さい場合には、前記第２の乗算結果と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測する、
請求項５に記載の交通流予測装置。
請求項５に記載の交通流予測装置。
【請求項8】
前記シミュレーション実行部は、前記第２の交通密度に基づいて前記第２の時刻に対応する期間に前記所定ブロックを走行する車両速度の統計量である第２の速度を予測する、
請求項１に記載の交通流予測装置。
請求項１に記載の交通流予測装置。
【請求項9】
前記シミュレーション実行部は、前記第２の交通密度が所定の交通密度以下である場合には、あらかじめ生成された交通密度と車両速度との関係を示す関係式と前記第２の交通密度とに基づいて、前記第２の速度を予測する、
請求項８に記載の交通流予測装置。
請求項８に記載の交通流予測装置。
【請求項10】
前記シミュレーション実行部は、前記第２の交通密度が所定の交通密度を上回る場合には、前記第１の時刻に対応する期間より前の期間の前記所定のブロックの交通密度および交通量と、前記第２の交通密度とに基づいて、前記第２の速度を予測する、
請求項８に記載の交通流予測装置。
請求項８に記載の交通流予測装置。
【請求項11】
前記交通流予測装置は、
前記所定ブロックに流入した車両の前記第１の時刻に対応する期間よりも前の期間の交通量に基づいて、前記所定のブロックに流入する車両の第２の交通量を予測する交通量予測部を備える、
請求項１に記載の交通流予測装置。
前記所定ブロックに流入した車両の前記第１の時刻に対応する期間よりも前の期間の交通量に基づいて、前記所定のブロックに流入する車両の第２の交通量を予測する交通量予測部を備える、
請求項１に記載の交通流予測装置。
【請求項12】
所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、
前記所定ブロックに流入した車両の第１の交通量を取得することと、
第１の時刻における前記所定ブロックの第１の交通密度を取得することと、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測することと、
を備える、交通流予測方法。
前記所定ブロックに流入した車両の第１の交通量を取得することと、
第１の時刻における前記所定ブロックの第１の交通密度を取得することと、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測することと、
を備える、交通流予測方法。
【請求項13】
コンピュータを、
所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、
前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、
第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、
を備える交通流予測装置として機能させるプログラム。
所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、
前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、
第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、
前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、
を備える交通流予測装置として機能させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、交通流予測装置、交通流予測方法およびプログラムに関する。
【背景技術】
【0002】
近年、センサによって収集されたセンサデータに基づいて交通流をシミュレーションする技術として様々な技術が知られている。
【0003】
例えば、特許文献１には、１車線毎に独立したブロックを並列配置した多入力多出力のブロックモジュールを構成し、各ブロックに規制（進路規制または車種別規制など）を記述する属性を設ける技術が示されている。かかる技術では、上流側の複数のブロックから規制を満足する車両のみを選択的に当該複数のブロックに隣接する下流側ブロックへ移動させるルーチンが設けられる。これによって、互いに隣接し合う上流ブロックと下流ブロックとの間における車両の車線変更および交通規制が表現され得る（例えば、段落００１６など）。
【0004】
また、非特許文献１には、交通障害が発生した場合に、交通障害発生区間または当該交通障害発生区間の上流側に位置する緩衝区間において用いられる交通流シミュレーションモデルを、マクロシミュレーションモデルからミクロシミュレーションモデルに切り替える技術が示されている（例えば、図－２「統合型交通流シミュレーションモデルの概要フロー」など）。
【0005】
さらに、非特許文献２には、渋滞区間における先頭および末尾のシミュレーションモデルをミクロシミュレーションモデルとし、渋滞区間における先頭以外かつ末尾以外の位置のシミュレーションモデルをマクロシミュレーションとする技術が示されている。これによって、処理速度および精度が向上する。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】特許第２８２６０８３号公報
【非特許文献】
【0007】
【非特許文献1】岡上政史，奥嶋政嗣，“交通障害発生時に対応した高速道路リアルタイム交通流シミュレーションの基礎的検討”，土木学会論文集Ｄ３(土木計画学)，２０１１年，第６７巻，第５号，Ｉ＿１０７１－Ｉ＿１０７８
【非特許文献2】高橋徹，阿部和規，藤井秀樹，伊加田恵志，松平正樹，“動的ハイブリッド交通流シミュレーションモデルの開発と高速道路の実データを用いた検証”，２０２１年，日本シミュレーション学会論文誌，第１３巻，第１号，ｐｐ．３７－４７
【発明の概要】
【発明が解決しようとする課題】
【0008】
しかしながら、処理時間の低下を抑制しつつ、高精度に交通流をシミュレーションすることを可能とする技術が提供されることが望まれる。
【課題を解決するための手段】
【0009】
上記課題を解決するために、本発明のある観点によれば、所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、を備える、交通流予測装置が提供される。
【0010】
前記シミュレーション実行部は、前記第１の交通密度と、前記第１の速度とあらかじめ定められた自由流速度との混合結果と、前記第１の交通量とに基づいて、前記第２の交通密度を予測してもよい。
【0011】
前記シミュレーション実行部は、前記所定ブロックにおける車線総数に対する通行可能な車線数の割合にさらに基づいて、前記第２の交通密度を予測してもよい。
【0012】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度とに基づいて、前記所定ブロックの後流ブロックに流入する車両の交通量を後流ブロック交通量として予測し、前記後流ブロック交通量と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測してもよい。
【0013】
前記シミュレーション実行部は、前記後流ブロック交通量と前記第１の交通量との差分と、前記所定ブロックの長さと、前記第１の時刻と前記第２の時刻との時間間隔と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測してもよい。
【0014】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度との乗算に基づく交通量よりも、あらかじめ定められた最大交通量と前記割合との乗算結果が小さい場合には、前記乗算結果と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測してもよい。
【0015】
前記シミュレーション実行部は、前記第１の交通密度と前記第１の速度との乗算に基づく交通量よりも、あらかじめ定められた最大交通密度と前記後流ブロックとの差分と前記割合との第１の乗算結果と、あらかじめ定められた渋滞波伝搬速度との第２の乗算結果が小さい場合には、前記第２の乗算結果と、前記第１の交通量と、前記第１の交通密度とに基づいて、前記第２の交通密度を予測してもよい。
【0016】
前記シミュレーション実行部は、前記第２の交通密度に基づいて前記第２の時刻に対応する期間に前記所定ブロックを走行する車両速度の統計量である第２の速度を予測してもよい。
【0017】
前記シミュレーション実行部は、前記第２の交通密度が所定の交通密度以下である場合には、あらかじめ生成された交通密度と車両速度との関係を示す関係式と前記第２の交通密度とに基づいて、前記第２の速度を予測してもよい。
【0018】
前記シミュレーション実行部は、前記第２の交通密度が所定の交通密度を上回る場合には、前記第１の時刻に対応する期間より前の期間の前記所定のブロックの交通密度および交通量と、前記第２の交通密度とに基づいて、前記第２の速度を予測してもよい。
【0019】
前記交通流予測装置は、前記所定ブロックに流入した車両の前記第１の時刻に対応する期間よりも前の期間の交通量に基づいて、前記所定のブロックに流入する車両の第２の交通量を予測する交通量予測部を備えてもよい。
【0020】
また、上記課題を解決するために本発明の別の観点によれば、所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、前記所定ブロックに流入した車両の第１の交通量を取得することと、第１の時刻における前記所定ブロックの第１の交通密度を取得することと、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測することと、を備える、交通流予測方法が提供される。
【0021】
また、上記課題を解決するために本発明の別の観点によれば、コンピュータを、所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部と、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部と、第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部と、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部と、を備える交通流予測装置として機能させるプログラムが提供される。
【発明の効果】
【0022】
以上説明したように本発明によれば、処理時間の低下を抑制しつつ、高精度に交通流をシミュレーションすることを可能とする技術が提供される。
【図面の簡単な説明】
【0023】
【図1】本発明の実施形態に係る交通流予測装置の機能構成例を示す図である。
【図2】共通パラメータ記憶部によって記憶される各種の共通パラメータの例を示す図である。
【図3】フリーフローデータ記憶部によって記憶されるフリーフローデータの例を示す図である。
【図4】プローブデータ記憶部によって記憶されるプローブデータの例を示す図である。
【図5】交通密度（Ｋ）と速度（Ｖ）との組とＫＶ関係式とを示す図である。
【図6】ＫＶパラメータ作成部によって実行されるＫＶパラメータ作成処理の例を示すフローチャートである。
【図7】推定地点に到達した車両の計測地点における通過時刻の算出例を説明するための図である。
【図8】計測地点における交通量から推定地点における交通量を算出する例を説明するための図である。
【図9】交通密度算出部によって実行される交通密度算出処理の例を示すフローチャートである。
【図10】連続する３つのセルそれぞれに対応する交通量、速度、交通密度を模式的に示した図である。
【図11】シミュレーションの全体的な流れについて説明するための図である。
【図12】比較例におけるシミュレーション結果を示す図である。
【図13】本発明の実施形態に係る交通流予測装置による第１のシミュレーション結果を示す図である。
【図14】本発明の実施形態に係る交通流予測装置による第２のシミュレーション結果を示す図である。
【図15】実測結果を示す図である。
【図16】本発明の実施形態に係る交通流予測装置の例としての情報処理装置のハードウェア構成を示す図である。
【発明を実施するための形態】
【0024】
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
【0025】
また、本明細書および図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一の機能構成を有する複数の構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、異なる実施形態の類似する構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。
【0026】
（０．概要）
まず、本発明の実施形態の概要について説明する。
まず、本発明の実施形態の概要について説明する。
【0027】
近年、センサによって収集されたセンサデータに基づいて交通流をシミュレーションする技術として様々な手法が知られている。例えば、上記したように、特許文献１に開示された技術、非特許文献１に開示された技術、および、非特許文献２に開示された技術などが挙げられる。
【0028】
しかしながら、特許文献１には、交通規制（事故発生による交通規制などを含む。）などにより一部の車線が通行不可能となった場合に、引き続き通行可能な車線のブロックの交通密度をどのように算出するかが開示されていない。さらに、特許文献１には、交通規制がされている車線のブロックより下流に位置する各車線のブロックの交通密度をどのように算出するかが開示されていない。すなわち、特許文献１に開示された技術では、交通規制がなされている場合に交通流シミュレーションが高精度に行われ得ない。
【0029】
また、非特許文献１に開示された技術、および、非特許文献２に開示された技術では、ミクロシミュレーションが行われる区間が長くなるにしたがって処理時間が長くなってしまう。非特許文献２によると、全長４ｋｍのシミュレーションにおいてマクロシミュレーションによる処理時間が０．１２１（秒）であると報告され、ミクロシミュレーションによる処理速度が２５．０４５（秒）であると報告されている（図１１ 計算時間の比較）。したがって、大規模な高速道路での実運用では、マクロシミュレーションのみによって処理されることが望ましい。
【0030】
そこで、本明細書においては、処理時間の低下を抑制しつつ、高精度に交通流をシミュレーションすることを可能とする技術について主に説明する。より詳細に、本明細書においては、交通規制が発生した場合においてもマクロシミュレーションのみによって処理を行うことによって処理時間の低下を抑制し、高精度に交通流をシミュレーションすることを可能とする技術について説明する。
【0031】
以上、本発明の実施形態の概要について説明した。
【0032】
（１．実施形態の詳細）
まず、本発明の実施形態の詳細について説明する。
まず、本発明の実施形態の詳細について説明する。
【0033】
（１－１．交通流予測装置の構成）
まず、本発明の実施形態に係る交通流予測装置１の構成例について説明する。図１は、本発明の実施形態に係る交通流予測装置１の機能構成例を示す図である。
まず、本発明の実施形態に係る交通流予測装置１の構成例について説明する。図１は、本発明の実施形態に係る交通流予測装置１の機能構成例を示す図である。
【0034】
図１を参照すると、道路上を走行する車両の例として、車両Ｍ１～Ｍ３が示されている。さらに、図１を参照すると、奥側の車線を、車両Ｍ１と車両Ｍ２とが走行しており（車両Ｍ２に続いて車両Ｍ１が走行しており）、手前側の車線を、奥側の車線の車両Ｍ１および車両Ｍ２とは逆向きに車両Ｍ３が走行している。このように、本発明の実施形態では、道路が複数車線によって構成される場合を主に想定するが、道路は１つの車線によって構成されていてもよい。車両Ｍ１～Ｍ３それぞれは、車載器を搭載している。なお、車線は、「レーン」とも換言され得る。
【0035】
本発明の実施形態に係る交通流予測装置１は、事象データ記憶部１２０と、走行履歴データ記憶部１２１と、プローブデータ記憶部１２２と、フリーフローデータ記憶部１２３と、交通量データ記憶部１２４と、ＫＶパラメータ記憶部１２５と、共通パラメータ記憶部１２６と、交通密度データ記憶部１２７と、予測交通量データ記憶部１２８とを備える。また、本発明の実施形態に係る交通流予測装置１は、事象入力部１５０と、統計処理部１３１と、交通量算出部１３３と、処理部１４０とを備える。処理部１４０は、ＫＶパラメータ作成部１４１と、交通密度算出部１４２と、交通量予測部１４３と、シミュレーション実行部１４４とを備える。
【0036】
走行履歴データ記憶部１２１には、プローブアンテナ１１２が接続されており、フリーフローデータ記憶部１２３には、フリーフローアンテナ１１４が接続されている。
【0037】
統計処理部１３１と、交通量算出部１３３と、処理部１４０とは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）またはＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などの演算装置を含み、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）により記憶されているプログラムが演算装置によりＲＡＭに展開されて実行されることにより、その機能が実現され得る。このとき、当該プログラムを記録した、コンピュータに読み取り可能な記録媒体も提供され得る。
【0038】
あるいは、統計処理部１３１と、交通量算出部１３３と、処理部１４０とは、専用のハードウェアにより構成されていてもよいし、複数のハードウェアの組み合わせにより構成されてもよい。演算装置による演算に必要なデータは、図示しない記憶部によって適宜記憶される。
【0039】
事象データ記憶部１２０と、走行履歴データ記憶部１２１と、プローブデータ記憶部１２２と、フリーフローデータ記憶部１２３と、交通量データ記憶部１２４と、ＫＶパラメータ記憶部１２５と、共通パラメータ記憶部１２６と、交通密度データ記憶部１２７と、予測交通量データ記憶部１２８とは、図示しない記憶部によって記憶される。かかる記憶部は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ハードディスクドライブまたはフラッシュメモリなどのメモリによって構成されてよい。
【0040】
（共通パラメータ記憶部１２６）
共通パラメータ記憶部１２６は、各種の共通パラメータをあらかじめ記憶している。ここで、図２を参照しながら、共通パラメータの例について説明する。
共通パラメータ記憶部１２６は、各種の共通パラメータをあらかじめ記憶している。ここで、図２を参照しながら、共通パラメータの例について説明する。
【0041】
図２は、共通パラメータ記憶部１２６によって記憶される各種の共通パラメータの例を示す図である。
【0042】
図２に示されるように、共通パラメータ記憶部１２６は、走行履歴時間幅７１１、走行履歴地点幅７１２、シミュレーション実行時間間隔７２１およびシミュレーション実行セル幅７２２それぞれを共通パラメータの例として記憶している。さらに、共通パラメータ記憶部１２６は、混雑流判定速度７４１、最大交通量７４２、最大交通密度７４３、自由流速度７４４および渋滞波伝搬速度７４５それぞれを共通パラメータの例として記憶している。
【0043】
（事象入力部１５０）
事象入力部１５０は、車両の通行が規制される区間（以下、「規制区間」とも言う。）を指定するための情報、および、規制区間における車両通行が不可能な車線に関する情報（例えば、車両通行が不可能な車線数など）の入力をユーザから受け付ける。なお、車両の通行が規制される理由は特に限定されない。例えば、車両の通行が規制される理由は、事故の発生、路上障害物の存在、または、工事の予定などであってもよい。
事象入力部１５０は、車両の通行が規制される区間（以下、「規制区間」とも言う。）を指定するための情報、および、規制区間における車両通行が不可能な車線に関する情報（例えば、車両通行が不可能な車線数など）の入力をユーザから受け付ける。なお、車両の通行が規制される理由は特に限定されない。例えば、車両の通行が規制される理由は、事故の発生、路上障害物の存在、または、工事の予定などであってもよい。
【0044】
例えば、事象入力部１５０は、マウスまたはキーボードなどといった入力デバイスによって構成されてよい。しかし、事象入力部１５０は、他の入力デバイスによって構成されてもよい。例えば、事象入力部１５０は、タッチパネルまたはボタンなどによって構成されてもよい。
【0045】
例えば、計測起点「Ａ地点」と、計測起点「Ａ地点」からの距離「２４ｋｍ」とを指定するための情報がユーザによって入力されたと仮定する。かかる場合には、一例として、シミュレーション実行セル幅７２２が「２００ｍ」である場合に、計測起点から（２４ｋｍ／２００ｍ＝）１２０番目の区間が規制区間として指定される。
【0046】
また、事象データ記憶部１２０によって、区間ごとの車線総数があらかじめ記憶されていてよい。例えば、車線総数が「３」の規制区間の車両走行が不可能な車線数として「１」がユーザによって入力されたと仮定する。かかる場合には、規制区間における車線総数に対する通行可能な車線数の割合は、（車線総数－通行不可能な車線数）／車線総数＝（３－１）／３＝「２／３」と算出され得る。
【0047】
事象入力部１５０によってユーザから受け付けられた、規制区間を指定するための情報、および、規制区間における車両走行が不可能な車線に関する情報（例えば、車両走行が不可能な車線数など）は、事象データ記憶部１２０に出力される。
【0048】
（フリーフローアンテナ１１４）
フリーフローアンテナ１１４は、道路上の各位置を走行する車両の検出を行う車両検出部の一例として機能する。すなわち、本発明の実施形態では、車両検出部が、フリーフローアンテナ１１４を含む場合を主に想定する。これによって、既に構築されているＥＴＣ（Ｅｌｅｃｔｒｏｎｉｃ Ｔｏｌｌ Ｃｏｌｌｅｃｔｉｏｎ）システムのＥＴＣフリーフローアンテナが車両検出部として用いられ得るため、新たに車両検出部を設ける必要がない。しかし、フリーフローアンテナ１１４の代わりに、他の車両検出部（例えば、車両感知器、赤外線センサまたは超音波センサなど）が用いられてもよい。
フリーフローアンテナ１１４は、道路上の各位置を走行する車両の検出を行う車両検出部の一例として機能する。すなわち、本発明の実施形態では、車両検出部が、フリーフローアンテナ１１４を含む場合を主に想定する。これによって、既に構築されているＥＴＣ（Ｅｌｅｃｔｒｏｎｉｃ Ｔｏｌｌ Ｃｏｌｌｅｃｔｉｏｎ）システムのＥＴＣフリーフローアンテナが車両検出部として用いられ得るため、新たに車両検出部を設ける必要がない。しかし、フリーフローアンテナ１１４の代わりに、他の車両検出部（例えば、車両感知器、赤外線センサまたは超音波センサなど）が用いられてもよい。
【0049】
より詳細には、フリーフローアンテナ１１４は、車両に搭載された車載器との間の通信によって車両から車両の識別情報（車両ＩＤ）を受信することによって車両をリアルタイムに検出する。本発明の実施形態では、車載器の例として、ＥＴＣ車載器が用いられる場合を主に想定する。なお、フリーフローアンテナ１１４は、複数のバージョンのＥＴＣ車載器に対応している場合が想定される一方、後に説明するプローブアンテナ１１２は、特定のバージョンのＥＴＣ車載器にしか対応していない場合が想定される。すなわち、フリーフローアンテナ１１４は、プローブアンテナ１１２よりも、より多くの車両を検出し得る。
【0050】
なお、フリーフローアンテナ１１４によって車両が検出される道路上の「各位置」は、車両検出部によって検出可能な車両の位置であれば、特に限定されない。以下では、フリーフローアンテナ１１４によって車両が検出され得る道路上の各位置を、単に「フリーフローアンテナ位置」と言う場合がある。
【0051】
フリーフローアンテナ１１４は、車両に搭載された車載器との間の通信によって車両ＩＤを受信することによって車両をリアルタイムに検出すると、車両の検出結果（以下、「フリーフローデータ」とも言う。）をフリーフローデータ記憶部１２３にリアルタイムに出力する。そして、フリーフローアンテナ１１４からフリーフローデータ記憶部１２３にリアルタイムに出力された車両の検出結果は、交通量算出部１３３によって、リアルタイムに利用され得る。
【0052】
ここで、「リアルタイム」は、フリーフローアンテナ位置に車両が到達してから道路上の交通状態が変化してしまう前までの短時間のいずれかのタイミングを意味し得る。このタイミングに車両が検出されれば、道路上の交通状態が変化してしまう前に、車両が検出された時点の交通状態に応じた何らかの措置が講じられ得る。
【0053】
図３は、フリーフローデータ記憶部１２３によって記憶されるフリーフローデータの例を示す図である。図３に示されるように、フリーフローデータは、「車両ＩＤ」と「通過時刻」とが対応付けられてなる。「車両ＩＤ」は、フリーフローアンテナ１１４と車両に搭載された車載器との間の通信によって車両から受信された車両の識別情報である。「通過時刻」は、フリーフローアンテナ１１４によって車両から車両ＩＤが受信された時刻であり、フリーフローアンテナ位置を車両が通過した時刻に相当し得る。
【0054】
（交通量算出部１３３）
交通量算出部１３３は、フリーフローアンテナ位置を走行する車両の検出結果（フリーフローデータ）をフリーフローデータ記憶部１２３（図３）から取得する。そして、交通量算出部１３３は、フリーフローデータ（車両ＩＤおよび通過時刻）に基づいて、フリーフローアンテナ位置を、あらかじめ設定された単位時間あたりに通過した車両の数（フリーフローアンテナ１１４によって単位時間あたりに検出された車両ＩＤの数）を、フリーフローアンテナ位置の交通量として算出する。交通量算出部１３３による交通量の算出は、単位時間ごとに繰り返し行われればよい。
交通量算出部１３３は、フリーフローアンテナ位置を走行する車両の検出結果（フリーフローデータ）をフリーフローデータ記憶部１２３（図３）から取得する。そして、交通量算出部１３３は、フリーフローデータ（車両ＩＤおよび通過時刻）に基づいて、フリーフローアンテナ位置を、あらかじめ設定された単位時間あたりに通過した車両の数（フリーフローアンテナ１１４によって単位時間あたりに検出された車両ＩＤの数）を、フリーフローアンテナ位置の交通量として算出する。交通量算出部１３３による交通量の算出は、単位時間ごとに繰り返し行われればよい。
【0055】
なお、フリーフローアンテナ位置を通過した全部の車両に、フリーフローアンテナ１１４と通信可能な車載器が搭載されているとは限らない。すなわち、フリーフローアンテナ１１４によってフリーフローアンテナ位置を通過した全部の車両が検出されるとは限らない。したがって、フリーフローアンテナ１１４と通信可能な車載器が搭載された車両の、（フリーフローアンテナ１１４と通信可能な車載器が搭載されていない車両を含んだ）車両全体に対する割合を「車載器搭載割合」としてあらかじめ設定し、フリーフローアンテナ１１４によって検出された車両の数を「検出車両数」とした場合、交通量算出部１３３は、下記の式（１）によって、フリーフローアンテナ位置の交通量をより高精度に推定するのが望ましい。
【0056】
（交通量の推定値）＝（検出車両数）÷（車載器搭載割合）・・・（１）
【0057】
しかし、フリーフローアンテナ１１４と通信可能な車載器が十分に普及している場合などには、かかる推定は省略されてもよい。交通量算出部１３３によって推定された交通量とその交通量に対応する時間の終端である計測時刻とその交通量に対応するフリーフローアンテナ位置とは、各フリーフローアンテナ位置に対応する交通量データとして交通量が推定される度に交通量データ記憶部１２４に出力される。
【0058】
（プローブアンテナ１１２）
プローブアンテナ１１２は、車両の走行履歴データを取得する走行履歴データ取得部の一例として機能する。すなわち、本発明の実施形態では、走行履歴データ取得部が、プローブアンテナ１１２を含む場合を主に想定する。これによって、既に構築されているＥＴＣシステムのＥＴＣプローブアンテナが走行履歴データ取得部として用いられ得るため、新たに走行履歴データ取得部を設ける必要がない。しかし、プローブアンテナ１１２の代わりに、他の走行履歴データ取得部（例えば、携帯基地局など）が用いられてもよい。
プローブアンテナ１１２は、車両の走行履歴データを取得する走行履歴データ取得部の一例として機能する。すなわち、本発明の実施形態では、走行履歴データ取得部が、プローブアンテナ１１２を含む場合を主に想定する。これによって、既に構築されているＥＴＣシステムのＥＴＣプローブアンテナが走行履歴データ取得部として用いられ得るため、新たに走行履歴データ取得部を設ける必要がない。しかし、プローブアンテナ１１２の代わりに、他の走行履歴データ取得部（例えば、携帯基地局など）が用いられてもよい。
【0059】
より詳細に、プローブアンテナ１１２は、車両に搭載された車載器との間の通信によって車両から走行履歴データを取得すると、取得した走行履歴データを走行履歴データ記憶部１２１に出力する。そして、プローブアンテナ１１２から走行履歴データ記憶部１２１に出力された走行履歴データは、統計処理部１３１によって利用され得る。
【0060】
なお、走行履歴データは、走行履歴地点幅７１２（例えば、１００ｍ）ごとの道路上の各区間（キロポスト間）を走行履歴時間幅７１１（例えば、１分間）ごとに走行した各車両の速度と、プローブアンテナ１１２によって速度が収集された時刻である収集時刻とを含む。
【0061】
（統計処理部１３１）
統計処理部１３１は、走行履歴データ記憶部１２１から走行履歴データを取得し、走行履歴データに対して統計処理を施し、統計処理後の走行履歴データをプローブデータとしてプローブデータ記憶部１２２に出力する。そして、統計処理部１３１からプローブデータ記憶部１２２に出力されたプローブデータは、ＫＶパラメータ作成部１４１によって利用され得る。
統計処理部１３１は、走行履歴データ記憶部１２１から走行履歴データを取得し、走行履歴データに対して統計処理を施し、統計処理後の走行履歴データをプローブデータとしてプローブデータ記憶部１２２に出力する。そして、統計処理部１３１からプローブデータ記憶部１２２に出力されたプローブデータは、ＫＶパラメータ作成部１４１によって利用され得る。
【0062】
例えば、統計処理部１３１は、走行履歴地点幅７１２ごとの道路上の各区間（キロポスト間）を走行履歴時間幅７１１ごとに走行した１または複数の車両の速度に対して所定の統計処理（例えば、平均化処理など）を施す。これによって、道路上の各区間における走行履歴時間幅７１１ごとの車両速度の統計量が得られる。なお、平均化処理の例としては、調和平均を取る処理などが挙げられる。
【0063】
図４は、プローブデータ記憶部１２２によって記憶されるプローブデータの例を示す図である。図４に示されるように、プローブデータは、「通過時刻」と「キロポスト」と「速度」と「収集時刻」とが対応付けられてなる。
【0064】
「通過時刻」は、道路の起点からの距離標（キロポスト）を車両が通過した時刻である。「キロポスト」は、道路の起点からの距離標である。
【0065】
「速度」は、道路上の各区間（キロポスト間）を走行履歴時間幅７１１（通過時刻間）ごとに走行した１または複数の車両速度の統計量（例えば、平均速度）である。例えば、「速度：８０ｋｍ／ｈ」は、「キロポスト：１００」から「キロポスト：１００．１」までを、「通過時刻：２０１９年０１月０１日１０時２３分」から「２０１９年０１月０１日１０時２４分」までに走行した１または複数の車両の速度の統計量である。
【0066】
「収集時刻」は、プローブアンテナ１１２によって車両の速度が収集された時刻である。
【0067】
（ＫＶパラメータ作成部１４１）
ＫＶパラメータ作成部１４１は、プローブデータ記憶部１２２からフリーフローアンテナ位置ごとの所定期間分の速度および終端時刻を取得する。さらに、ＫＶパラメータ作成部１４１は、交通量データ記憶部１２４からフリーフローアンテナ位置ごとの所定期間分の交通量データ（交通量および通過時刻）を取得する。
ＫＶパラメータ作成部１４１は、プローブデータ記憶部１２２からフリーフローアンテナ位置ごとの所定期間分の速度および終端時刻を取得する。さらに、ＫＶパラメータ作成部１４１は、交通量データ記憶部１２４からフリーフローアンテナ位置ごとの所定期間分の交通量データ（交通量および通過時刻）を取得する。
【0068】
ＫＶパラメータ作成部１４１は、所定期間分の交通量および通過時刻と、当該所定期間分の速度および計測時刻とに基づいて、機械学習により交通密度（Ｋ）と速度（Ｖ）との対応関係（以下の例では、近似式）を示すパラメータをフリーフローアンテナ位置ごとに作成する。
【0069】
より詳細には、ＫＶパラメータ作成部１４１は、同一の時刻および同一のフリーフローアンテナ位置に対応する交通量（Ｑ）と速度（Ｖ）とを対応付ける。そして、ＫＶパラメータ作成部１４１は、下記の式（２）によって、対応付けられた交通量（Ｑ）および速度（Ｖ）ごとに、交通密度（Ｋ）を算出する。
【0070】
Ｋ＝Ｑ×１／（Ｖ×６０）・・・（２）
【0071】
ただし、Ｋは、交通密度（台／ｋｍ）を示し、Ｑは、交通量（台／分）を示し、Ｖは、速度（ｋｍ／時間）を示す。ＫＶパラメータ作成部１４１は、対応する交通密度（Ｋ）と速度（Ｖ）との組を所定の関係で近似し、近似によって得られた近似式（ＫＶ関係式）のパラメータをＫＶパラメータとして作成する。
【0072】
ここでは、ＫＶパラメータ作成部１４１は、渋滞流に対応する近似式のパラメータを作成する場合を想定する。より詳細に、ＫＶパラメータ作成部１４１は、混雑流判定速度７４１（例えば、高速道では５５ｋｍ／ｈなど）以下の速度（Ｖ）とその速度（Ｖ）に対応する交通密度（Ｋ）との組を所定の関係で近似することによって、渋滞流に対応するＫＶ関係式のパラメータを作成する場合を想定する。例えば、渋滞流に対応するＫＶ関係式は、下記の式（３）によって表現される指数関数であってよい。
【0073】
Ｖ＝ａ×ｅｘｐ（－ｂ×Ｋ）・・・（３）
【0074】
ただし、Ｋは、交通密度（台／ｋｍ）を示し、Ｖは、速度（ｋｍ／時間）を示し、ａおよびｂは、ＫＶパラメータである。なお、本明細書において、混雑流は、渋滞流に包含される概念として使用されており、渋滞流の中でも速度がある値より大きい状態を意味し得る。
【0075】
図５は、交通密度（Ｋ）と速度（Ｖ）との組とＫＶ関係式とを示す図である。図５に示された例において、横軸は、交通密度（Ｋ）を示しており、縦軸は、速度（Ｖ）を示している。かかるＫＶ図において、交通密度（Ｋ）と速度（Ｖ）とが対応付けられた各組が、各点としてプロットされている。また、図５を参照すると、これらの組を近似して得られるＫＶ関係式を示す指数関数が示されている。
【0076】
ＫＶパラメータ作成部１４１は、作成したＫＶパラメータを、ＫＶパラメータ記憶部１２５に保存する。なお、典型的には、所定期間は、１カ月であってよい。しかし、所定期間は、１カ月に限定されない。例えば、所定期間は、１日であってもよい。
【0077】
図６は、ＫＶパラメータ作成部１４１によって実行されるＫＶパラメータ作成処理の例を示すフローチャートである。まず、ＫＶパラメータ作成部１４１は、プローブデータ記憶部１２２からフリーフローアンテナ位置ごとの所定期間分の速度および通過時刻を取得する（Ｓ１１）。また、ＫＶパラメータ作成部１４１は、交通量データ記憶部１２４からフリーフローアンテナ位置ごとの所定期間分の交通量データ（交通量および計測時刻）を取得する（Ｓ１２）。
【0078】
ＫＶパラメータ作成部１４１は、同一の時刻および同一のフリーフローアンテナ位置に対応する交通量（Ｑ）と速度（Ｖ）とを対応付ける。そして、ＫＶパラメータ作成部１４１は、対応付けられた交通量（Ｑ）および速度（Ｖ）ごとに、交通密度（Ｋ）を算出する（Ｓ１３）。
【0079】
ＫＶパラメータ作成部１４１は、交通密度（Ｋ）と速度（Ｖ）との関係を示すＫＶ関係式のパラメータを機械学習により作成する（Ｓ１４）。より詳細に、ＫＶパラメータ作成部１４１は、対応する交通密度（Ｋ）と速度（Ｖ）との組を所定の関係（例えば、指数関数など）で近似し、近似によって得られたＫＶ関係式のパラメータをＫＶパラメータとして作成する。ここでは、ＫＶパラメータ作成部１４１は、渋滞流に対応する近似式のパラメータを作成する場合を想定する。
【0080】
ＫＶパラメータ作成部１４１は、作成したＫＶパラメータを、ＫＶパラメータ記憶部１２５に保存する（Ｓ１５）。
【0081】
（交通密度算出部１４２）
交通密度算出部１４２は、あらかじめ設定されたシミュレーション実行時間間隔７２１（例えば、５分間隔など）に、現在時刻から所定の設定時間前（例えば、１時間前など）までにおける、区間ごとの速度および単位時間をプローブデータ記憶部１２２から取得する。また、交通密度算出部１４２は、シミュレーション実行時間間隔７２１に、現在時刻から所定の設定時間前までにおける、フリーフローアンテナ位置ごとの交通量データ（交通量および単位時間）を交通量データ記憶部１２４から取得する。
交通密度算出部１４２は、あらかじめ設定されたシミュレーション実行時間間隔７２１（例えば、５分間隔など）に、現在時刻から所定の設定時間前（例えば、１時間前など）までにおける、区間ごとの速度および単位時間をプローブデータ記憶部１２２から取得する。また、交通密度算出部１４２は、シミュレーション実行時間間隔７２１に、現在時刻から所定の設定時間前までにおける、フリーフローアンテナ位置ごとの交通量データ（交通量および単位時間）を交通量データ記憶部１２４から取得する。
【0082】
交通密度算出部１４２は、少なくとも各区間における速度に基づいて、各区間における交通密度を算出する。ここで、各区間における交通密度は、具体的にどのようにして算出されてもよい。
【0083】
例えば、交通密度算出部１４２は、ＫＶパラメータ記憶部１２５からＫＶパラメータを取得し、道路上のある対象区間（第１の区間）における交通密度を、その対象区間における速度と、ＫＶパラメータによって規定されるＫＶ関係式とに基づいて算出してもよい。
【0084】
より詳細に、交通密度算出部１４２は、渋滞流である区間、すなわち、速度が混雑流判定速度７４１（閾値）以下である対象区間における交通密度を、その対象区間における速度とＫＶ関係式とに基づいて算出してもよい。
【0085】
また、交通密度算出部１４２は、道路上のある対象区間（第２の区間）に応じた地点を推定地点とし、対象区間における交通密度を、推定地点における交通量および対象区間における速度に基づいて算出してもよい。例えば、推定地点は、対象区間の起点などであってよい。
【0086】
より詳細に、交通密度算出部１４２は、速度が混雑流判定速度７４１を上回る対象区間における交通密度を、推定地点における交通量および対象区間における速度に基づいて算出してもよい。例えば、交通密度算出部１４２は、推定地点における交通量を、交通量算出部１３３によって算出された計測地点における交通量と、計測地点からその対象区間までの区間ごとの速度とに基づいて算出し得る。例えば、計測地点は、対象区間から上流のフリーフローアンテナ位置（例えば、対象区間から最も近い上流のフリーフローアンテナ位置など）であってよい。
【0087】
【0088】
図７は、推定地点に到達した車両の計測地点における通過時刻の算出例を説明するための図である。図７に示された例において、横軸は、道路上における距離（右方向が道路の下流方向）を示し、横軸は、時刻（下方向が時間の経過方向）を示す。走行履歴データにおける区間（キロポスト間）および単位時間（通過時刻間）に対応する速度が、その区間および単位時間に対応する矩形（時空間範囲）内の色の濃さによって示されている。この例では、矩形内の色が濃いほど速度が低くなっている。
【0089】
交通密度算出部１４２は、それぞれの区間および時間に対応する速度に基づいて、推定地点および推定地点における時刻から、上流および過去に向かって計測地点までの軌跡を算出する。より詳細に、交通密度算出部１４２は、推定地点および推定地点における時刻から、それぞれの区間および時間に対応する速度に応じた傾きの直線によって矩形内を移動し、矩形の境界においては隣接し合う矩形間を移動するように軌跡を算出する。
【0090】
これによって、交通密度算出部１４２は、軌跡が到達した計測地点における時刻を、計測地点における通過時刻として得ることができる。図７を参照すると、２台の車両の軌跡が描かれている。ここで、２台の車両の推定地点への到達時刻間における交通量と、その２台の車両の計測地点における通過時刻間における交通量とは一致すると見なされ得る。
【0091】
図８は、計測地点における交通量から推定地点における交通量を算出する例を説明するための図である。図８を参照すると、推定地点への到達時刻間における交通量Ｑと、計測地点における通過時刻間における交通量Ｑとが示されている。ここで、計測地点における通過時刻間における交通量は、交通量データ記憶部１２４に保存されている。したがって、交通密度算出部１４２は、交通量データ記憶部１２４から計測地点における通過時刻間における交通量Ｑを取得し得る。
【0092】
交通密度算出部１４２は、計測地点における通過時刻間における交通量Ｑから、推定地点への到達時刻差と計測地点における通過時刻差との比によって、推定地点における交通量を算出し得る。例えば、計測地点における通過時刻差をｔ１とし、推定地点への到達時刻差をｔ２とすると、交通密度算出部１４２は、計測地点における通過時刻間における交通量Ｑに対して、ｔ１／ｔ２を乗じることによって、推定地点における交通量を算出し得る。以下では、このように計測地点における交通量から推定地点における交通量を算出する手法を「車両追跡」による交通量算出手法とも言う。
【0093】
図９は、交通密度算出部１４２によって実行される交通密度算出処理の例を示すフローチャートである。まず、交通密度算出部１４２は、あらかじめ設定されたシミュレーション実行時間間隔７２１に、現在時刻から所定の設定時間前までにおける、区間ごとの速度および通過時刻をプローブデータ記憶部１２２から取得する（Ｓ２１）。
【0094】
また、交通密度算出部１４２は、シミュレーション実行時間間隔７２１に、現在時刻から所定の設定時間前までにおける、フリーフローアンテナ位置ごとの交通量データ（交通量および計測時刻）を交通量データ記憶部１２４から取得する（Ｓ２２）。交通密度算出部１４２は、対象区間の速度が渋滞流の速度、すなわち、混雑流判定速度７４１以下の速度であるかを判定する（Ｓ２３）。
【0095】
交通密度算出部１４２は、対象区間の速度が渋滞流の速度（すなわち、混雑流判定速度７４１以下である速度）である場合（Ｓ２３において「ＹＥＳ」）、その対象区間における速度とＫＶ関係式とに基づいてその対象区間における交通密度を算出する（Ｓ２４）。
【0096】
一方、交通密度算出部１４２は、対象区間の速度が自由流の速度（すなわち、混雑流判定速度７４１を上回る速度）である場合（Ｓ２３において「ＮＯ」）、車両追跡により計測地点における交通量を算出し、算出した計測地点における交通量と、計測地点からその対象区間までの区間ごとの速度とに基づいて、その対象区間における交通密度を算出する（Ｓ２５）。交通密度算出部１４２は、交通量の計測時刻と区間と交通密度とが対応付けられた交通密度データを、交通密度データ記憶部１２７に出力する。
【0097】
（交通量予測部１４３）
交通量予測部１４３は、道路を構成するブロック（以下、「セル」とも言う。）の起点に推定地点を設定し、車両追跡によって（すなわち、計測地点における交通量と、計測地点からセルまでの区間ごとの速度とに基づいて）推定地点における交通量を算出する処理を各セルについて実行することによって、各セルに流入する車両の交通量を算出し得る。例えば、交通量予測部１４３は、推定地点における交通量を算出する処理を開始時刻の単位時間前から開始時刻までの期間（以下、「開始時刻に対応する期間」とも言う。）について実行することによって、開始時刻に対応する期間に各セルに流入した車両の交通量（第１の交通量）を算出し得る。
交通量予測部１４３は、道路を構成するブロック（以下、「セル」とも言う。）の起点に推定地点を設定し、車両追跡によって（すなわち、計測地点における交通量と、計測地点からセルまでの区間ごとの速度とに基づいて）推定地点における交通量を算出する処理を各セルについて実行することによって、各セルに流入する車両の交通量を算出し得る。例えば、交通量予測部１４３は、推定地点における交通量を算出する処理を開始時刻の単位時間前から開始時刻までの期間（以下、「開始時刻に対応する期間」とも言う。）について実行することによって、開始時刻に対応する期間に各セルに流入した車両の交通量（第１の交通量）を算出し得る。
【0098】
ここで、セルをｉ（ｉは、１≦ｉ≦Ｎを満たす整数）と表現し、開始時刻をｔと表現し、セルｉに流入する交通量をＱｉと表現する。このとき、開始時刻ｔに対応する期間に、セルｉ－１からセルｉに流入する交通量（台／分）は、Ｑｉ（ｔ）と表現される。すなわち、交通量予測部１４３は、開始時刻ｔに対応する期間における各セルの交通量Ｑ１（ｔ）～ＱＮ（ｔ）を算出し得る。
【0099】
なお、開始時刻ｔは、ユーザによってあらかじめ指定された時刻であってもよいし、現在時刻であってもよい。また、起点および終点は、ユーザによってあらかじめ指定された位置であってもよい。
【0100】
各セルの幅は、シミュレーション実行セル幅７２２に規定されている。一方、各区間の幅は、走行履歴地点幅７１２に規定されている。各セルの幅は、各区間の幅と同じであってもよいし、各区間の幅と異なっていてもよい。例えば、各区間の幅が１００ｍであるのに対し、各セルの幅は５００ｍなどであってもよい。
【0101】
さらに、交通量予測部１４３は、開始時刻の後の期間にセルに流入する車両の交通量（第２の交通量）を予測する処理をセルごとに実行する。例えば、開始時刻に対応する期間よりも前の期間に各セルに流入した車両の交通量は、交通量予測部１４３によって既に算出されている。そこで、交通量予測部１４３は、開始時刻に対応する期間よりも前の期間にセルに流入した車両の交通量に基づいて、開始時刻の後の期間にセルに流入する車両の交通量を予測する処理をセルごとに実行する。
【0102】
ここで、シミュレーションのステップ時間間隔（分）をΔｔと表現し、終了時刻をｔ＋ＭΔｔ（Ｍは、シミュレーション実行回数）と表現する。このとき、開始時刻から開始時刻のΔｔ後の時刻までの期間にセルｉに流入する交通量は、Ｑｉ（ｔ＋Δｔ）と表現され、終了時刻の単位時間前から終了時刻までの期間にセルｉに流入する交通量は、Ｑｉ（ｔ＋ＭΔｔ）と表現される。また、ｍを、１≦ｍ≦Ｍを満たす整数とした場合、開始時刻ｔに対応する期間のｍ個後の期間（以下、「時刻ｔ＋ｍΔｔに対応する期間」とも言う。）にセルｉに流入する交通量は、Ｑｉ（ｔ＋ｍΔｔ）と表現される。
【0103】
例えば、交通量予測部１４３は、時刻ｔ＋ｍΔｔに対応する期間に、セルｉに流入する交通量Ｑｉ（ｔ＋ｍΔｔ）を、時刻ｔ＋ｍΔｔおよび時刻ｔ＋ｍΔｔが属する曜日と同一の時刻および曜日に、セルｉと同一のセルに流入した過去の交通量に基づいて予測してもよい。一例として、交通量予測部１４３は、当該過去の交通量に対して所定の統計処理を施すことにより、時刻ｔ＋ｍΔｔに対応する期間に、セルｉに流入する交通量Ｑｉ（ｔ＋ｍΔｔ）を予測してもよい。
【0104】
ここで、統計処理は、当該過去の交通量に対して上下を除外したトリム平均（例えば、上下１０％を除外したトリム平均など）を算出する処理であってもよい。あるいは、統計処理は、当該過去の交通量に対して調和平均を算出する処理であってもよい。このとき、交通量予測部１４３は、当該過去の交通量に対して、前期間の交通量Ｑｉ（ｔ＋（ｍ－１）Δｔ）との類似度が大きいほど（すなわち、差分が小さいほど）、大きい重みを付して統計処理を行ってもよい。
【0105】
交通量予測部１４３は、セルｉに流入する交通量Ｑｉ（ｔ）～Ｑｉ（ｔ＋ＭΔｔ）を、予測交通量データ記憶部１２８に出力する。なお、終了時刻は、ユーザによって指定された時刻であってもよいし、開始時刻ｔを基準としてあらかじめ決められた時間（例えば、ステップ時間幅Δｔとシミュレーション実行回数Ｍとの積など）が経過した時刻であってもよい。
【0106】
（シミュレーション実行部１４４）
シミュレーション実行部１４４は、時刻ｔ＋Δｔ～時刻ｔ＋ＭΔｔそれぞれに対応する期間における、速度Ｖ１～ＶＮ、交通密度Ｋ１～ＫＮのシミュレーションを実行する。まず、シミュレーション実行部１４４は、開始時刻ｔに対応する交通量Ｑ１（ｔ）～ＱＮ（ｔ）、速度Ｖ１（ｔ）～ＶＮ（ｔ）、交通密度Ｋ１（ｔ）～ＫＮ（ｔ）を取得する。
シミュレーション実行部１４４は、時刻ｔ＋Δｔ～時刻ｔ＋ＭΔｔそれぞれに対応する期間における、速度Ｖ１～ＶＮ、交通密度Ｋ１～ＫＮのシミュレーションを実行する。まず、シミュレーション実行部１４４は、開始時刻ｔに対応する交通量Ｑ１（ｔ）～ＱＮ（ｔ）、速度Ｖ１（ｔ）～ＶＮ（ｔ）、交通密度Ｋ１（ｔ）～ＫＮ（ｔ）を取得する。
【0107】
（交通量Ｑ１（ｔ）～ＱＮ（ｔ））
シミュレーション実行部１４４は、開始時刻ｔに対応する期間に、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）に流入した車両の交通量Ｑ１（ｔ）～ＱＮ（ｔ）を取得する交通量取得部として機能する。例えば、シミュレーション実行部１４４は、交通量予測部１４３によって算出された、開始時刻ｔに対応する期間に、セルｉに流入した車両の交通量Ｑ１（ｔ）～ＱＮ（ｔ）を取得する。
シミュレーション実行部１４４は、開始時刻ｔに対応する期間に、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）に流入した車両の交通量Ｑ１（ｔ）～ＱＮ（ｔ）を取得する交通量取得部として機能する。例えば、シミュレーション実行部１４４は、交通量予測部１４３によって算出された、開始時刻ｔに対応する期間に、セルｉに流入した車両の交通量Ｑ１（ｔ）～ＱＮ（ｔ）を取得する。
【0108】
（速度Ｖ１（ｔ）～ＶＮ（ｔ））
また、シミュレーション実行部１４４は、開始時刻ｔに対応する期間に、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）を走行した車両速度の統計量である速度Ｖ１（ｔ）～ＶＮ（ｔ）（ｋｍ／時間）（第１の速度）を取得する速度取得部として機能する。
また、シミュレーション実行部１４４は、開始時刻ｔに対応する期間に、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）を走行した車両速度の統計量である速度Ｖ１（ｔ）～ＶＮ（ｔ）（ｋｍ／時間）（第１の速度）を取得する速度取得部として機能する。
【0109】
一例として、走行履歴地点幅７１２とシミュレーション実行セル幅７２２とが同じである場合が想定される。かかる場合には、シミュレーション実行部１４４は、開始時刻ｔに対応する期間に、セル１～Ｎに対応する区間を走行した車両速度の統計量である速度をプローブデータ記憶部１２２から取得し、取得した速度を速度Ｖ１（ｔ）～ＶＮ（ｔ）として扱えばよい。
【0110】
他の一例として、走行履歴地点幅７１２とシミュレーション実行セル幅７２２とが異なる場合が想定される。かかる場合には、シミュレーション実行部１４４は、セルに対応する複数の区間を特定すればよい。例えば、走行履歴地点幅７１２が１００（ｍ）であり、シミュレーション実行セル幅７２２が５００（ｍ）である場合には、セルに対応する５つの区間が特定され得ればよい。
【0111】
そして、シミュレーション実行部１４４は、開始時刻ｔに対応する期間における、当該複数の区間それぞれに対応する速度をプローブデータ記憶部１２２から取得し、当該複数の区間それぞれに対応する速度に対する統計処理（例えば、調和速度など）を施すことによって、Ｖ１（ｔ）～ＶＮ（ｔ）を得ればよい。
【0112】
（交通密度Ｋ１（ｔ）～ＫＮ（ｔ））
さらに、シミュレーション実行部１４４は、開始時刻ｔ（第１の時刻）におけるセルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）の交通密度Ｋ１（ｔ）～ＫＮ（ｔ）（台／ｋｍ）（第１の交通密度）を取得する交通密度取得部として機能する。
さらに、シミュレーション実行部１４４は、開始時刻ｔ（第１の時刻）におけるセルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）の交通密度Ｋ１（ｔ）～ＫＮ（ｔ）（台／ｋｍ）（第１の交通密度）を取得する交通密度取得部として機能する。
【0113】
一例として、走行履歴地点幅７１２とシミュレーション実行セル幅７２２とが同じである場合が想定される。かかる場合には、シミュレーション実行部１４４は、開始時刻ｔと一致する計測時刻における、セル１～Ｎに対応する区間の交通密度を交通密度データ記憶部１２７から取得し、取得した交通密度を交通密度Ｋ１（ｔ）～ＫＮ（ｔ）として扱えばよい。
【0114】
他の一例として、走行履歴地点幅７１２とシミュレーション実行セル幅７２２とが異なる場合が想定される。かかる場合には、シミュレーション実行部１４４は、セルに対応する複数の区間を特定すればよい。
【0115】
そして、シミュレーション実行部１４４は、開始時刻ｔに対応する期間における、当該複数の区間それぞれに対応する交通密度をプローブデータ記憶部１２２から取得し、当該複数の区間それぞれに対応する交通密度に対する統計処理（例えば、算術速度など）を施すことによって、Ｋ１（ｔ）～ＫＮ（ｔ）を得ればよい。
【0116】
（シミュレーション）
シミュレーション実行部１４４は、時刻ｔ＋Δｔ～ｔ＋ＭΔｔそれぞれに対応する、交通密度Ｋ１～ＫＮ，速度Ｖ１～ＶＮを予測する。図１０を参照しながら、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）において、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）と、交通量Ｑｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）と速度Ｖｉ（ｔ＋Δｔ）とを予測する手法について説明する。
シミュレーション実行部１４４は、時刻ｔ＋Δｔ～ｔ＋ＭΔｔそれぞれに対応する、交通密度Ｋ１～ＫＮ，速度Ｖ１～ＶＮを予測する。図１０を参照しながら、セルｉ（ｉは、１≦ｉ≦Ｎを満たす整数）において、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）と、交通量Ｑｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）と速度Ｖｉ（ｔ＋Δｔ）とを予測する手法について説明する。
【0117】
（交通密度シミュレーション）
まず、交通密度Ｋｉ（ｔ＋Δｔ）を予測する手法の例について説明する。
まず、交通密度Ｋｉ（ｔ＋Δｔ）を予測する手法の例について説明する。
【0118】
図１０は、連続する３つのセルそれぞれに対応する交通量、速度、交通密度を模式的に示した図である。図１０を参照すると、道路の上流側から下流側に向けて、セル（ｉ－１）、セルｉおよびセル（ｉ＋１）が示されている。また、時刻ｔにおける、交通量Ｑｉ－１（ｔ）～Ｑｉ＋１（ｔ）、速度Ｖｉ－１（ｔ）～Ｖｉ＋１（ｔ）、交通密度Ｋｉ－１（ｔ）～Ｋｉ＋１（ｔ）が示されている。
【0119】
シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）と、交通量Ｑｉ（ｔ）とに基づいて、時刻ｔ＋Δｔ（第２の時刻）における交通密度Ｋｉ（ｔ＋Δｔ）（第２の交通密度）を予測する。
【0120】
かかる構成により、実際に計測された速度の統計量である速度Ｖｉ（ｔ）が交通密度Ｋｉ（ｔ＋Δｔ）の予測に用いられるため、あらかじめ定められた固定値としての自由流速度７４４だけが用いられる場合と比較して、高精度に交通流がシミュレーションされ得る。また、かかる構成により、マクロシミュレーションのみによって予測が行われるため、処理時間の低下が抑制され得る。
【0121】
また、速度Ｖｉ（ｔ）だけではなく、速度Ｖｉ（ｔ）とあらかじめ定められた自由流速度７４４との混合結果が、交通密度Ｋｉ（ｔ＋Δｔ）の予測に用いられてもよい。すなわち、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）とあらかじめ定められた自由流速度７４４との混合結果と、交通量Ｑｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測してもよい。
【0122】
かかる構成により、実際に計測された速度の統計量である速度Ｖｉ（ｔ）と、あらかじめ定められた固定値としての自由流速度７４４との双方を考慮して、交通密度Ｋｉ（ｔ＋Δｔ）が予測され得る。そのため、かかる構成により、より高精度に交通流がシミュレーションされ得る。
【0123】
また、シミュレーション実行部１４４は、事象データ記憶部１２０によって記憶されている規制区間を指定するための情報、および、規制区間における車両走行が不可能な車線に関する情報に基づいて、規制区間における車線総数に対する通行可能な車線数の割合を算出してもよい。そして、シミュレーション実行部１４４は、算出した規制区間における車線総数に対する通行可能な車線数の割合と、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）と、交通量Ｑｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測してもよい。
【0124】
かかる構成により、交通規制が発生した場合においても車両走行が不可能な車線に関する情報に基づいて、交通密度Ｋｉ（ｔ＋Δｔ）が予測され得る。そのため、かかる構成により、より高精度に交通流がシミュレーションされ得る。
【0125】
より詳細に、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）とに基づいて、交通量Ｑｉ＋１（ｔ）（後流ブロック交通量）を予測してもよい。一例として、交通量Ｑｉ＋１（ｔ）は、交通密度Ｋｉ（ｔ）と速度Ｖｉ（ｔ）との乗算に基づく交通量であってよく、より詳細には、下記の式（４）におけるｍｉｎ（）の第一項であってよい。そして、シミュレーション実行部１４４は、交通量Ｑｉ＋１（ｔ）と、交通量Ｑｉ（ｔ）と、交通密度Ｋｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測してもよい。
【0126】
例えば、交通密度Ｋｉ（ｔ）と、速度Ｖｉ（ｔ）とに基づいて、交通量Ｑｉ＋１（ｔ）を予測するための式は、下記の式（４）によって表現され得る。
【0127】
Ｑｉ＋１（ｔ）＝ｍｉｎ｛（α×Ｖｉ（ｔ）＋（１－α）×ｕ）×Ｒ×Ｋｉ（ｔ），
Ｒ×Ｑｍａｘ，Ｗ×（Ｒ×（Ｋｍａｘ－Ｋｉ＋１（ｔ）））｝ ・・・（４）
Ｒ×Ｑｍａｘ，Ｗ×（Ｒ×（Ｋｍａｘ－Ｋｉ＋１（ｔ）））｝ ・・・（４）
【0128】
ただし、式（４）において、ｕは、あらかじめ定められた自由流速度７４４である。αは、速度Ｖｉ（ｔ）と自由流速度ｕとの混合係数である。Ｒは、規制区間における車線総数に対する通行可能な車線数の割合である。Ｑｍａｘは、あらかじめ定められた最大交通量７４２（台／分）である。Ｋｍａｘは、あらかじめ定められた最大交通密度７４３（台／ｋｍ）である。Ｗは、あらかじめ定められた渋滞波伝搬速度１４．５（ｋｍ／時間）であり、後流セルから伝わる渋滞波の伝搬速度である。
【0129】
式（４）に示されるように、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と速度Ｖｉ（ｔ）との乗算に基づく交通量（例えば、式（４）におけるｍｉｎ（）の第一項）と、Ｑｍａｘ×Ｒとを比較してよい。そして、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と速度Ｖｉ（ｔ）との乗算に基づく交通量よりもＱｍａｘ×Ｒが小さい場合には、Ｑｍａｘ×Ｒを交通量Ｑｉ＋１（ｔ）として扱ってよい。そして、シミュレーション実行部１４４は、交通量Ｑｉ＋１（ｔ）と交通量Ｑｉ（ｔ）と交通密度Ｋｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測してよい。
【0130】
また、式（４）に示されるように、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と速度Ｖｉ（ｔ）との乗算に基づく交通量（例えば、式（４）におけるｍｉｎ（）の第一項）と、Ｗ×（Ｒ×（Ｋｍａｘ－Ｋｉ（ｔ）））とを比較してよい。Ｒ×（Ｋｍａｘ－Ｋｉ（ｔ））は、第１の乗算結果の例に該当し得る。また、Ｗ×（Ｒ×（Ｋｍａｘ－Ｋｉ（ｔ）））は、第２の乗算結果の例に該当し得る。
【0131】
そして、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ）と速度Ｖｉ（ｔ）との乗算に基づく交通量よりもＷ×（Ｒ×（Ｋｍａｘ－Ｋｉ（ｔ）））が小さい場合には、Ｗ×（Ｒ×（Ｋｍａｘ－Ｋｉ（ｔ）））を交通量Ｑｉ＋１（ｔ）として扱ってよい。そして、シミュレーション実行部１４４は、交通量Ｑｉ＋１（ｔ）と交通量Ｑｉ（ｔ）と交通密度Ｋｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測してよい。
【0132】
また、例えば、交通量Ｑｉ＋１（ｔ）と、交通量Ｑｉ（ｔ）と、交通密度Ｋｉ（ｔ）とに基づいて、交通密度Ｋｉ（ｔ＋Δｔ）を予測するための式は、下記の式（５）によって表現され得る。
【0133】
Ｋｉ（ｔ＋Δｔ）＝Ｋｉ（ｔ）＋Δｔ／Δｘ（Ｑｉ（ｔ）－Ｑｉ＋１（ｔ））・・・（５）
【0134】
ただし、式（５）において、Δｔは、シミュレーションのステップ時間間隔（分）である。Δｘは、シミュレーション実行セル幅７２２（ｋｍ）であり、道路の進行方向に対するセルの長さである。
【0135】
式（５）に示されるように、シミュレーション実行部１４４は、Ｑｉ（ｔ）－Ｑｉ＋１（ｔ）と、Δｘと、Δｔと、Ｋｉ（ｔ）とに基づいて、Ｋｉ（ｔ＋Δｔ）を予測してよい。
【0136】
（速度シミュレーション）
続いて、図１０を参照しながら、速度Ｖｉ（ｔ＋Δｔ）を予測する手法の例について説明する。
続いて、図１０を参照しながら、速度Ｖｉ（ｔ＋Δｔ）を予測する手法の例について説明する。
【0137】
シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ＋Δｔ）に基づいて、速度Ｖｉ（ｔ＋Δｔ）（第２の速度）を予測する。
【0138】
シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ＋Δｔ）が所定の交通密度以下である場合には、ＫＶパラメータによって規定されるＫＶ関係式と、交通密度Ｋｉ（ｔ＋Δｔ）とに基づいて、速度Ｖｉ（ｔ＋Δｔ）を予測してもよい。なお、所定の交通密度は、ＫＶパラメータによって規定されるＫＶ関係式において混雑流判定速度７４１（閾値）に対応する交通密度であってもよい。
【0139】
一方、シミュレーション実行部１４４は、交通密度Ｋｉ（ｔ＋Δｔ）が所定の交通密度を上回る場合には、時刻ｔに対応する期間よりも前の期間の交通密度Ｋｉ（ｔ－ｐΔｔ）（ただし、ｐは１以上の整数）および交通量Ｑｉ（ｔ－ｐΔｔ）と、交通密度Ｋｉ（ｔ）とに基づいて、速度Ｖｉ（ｔ＋Δｔ）を予測してもよい。
【0140】
より詳細に、シミュレーション実行部１４４は、時刻ｔに対応する期間よりも前の期間の交通密度Ｋｉ（ｔ－ｐΔｔ）のうち、交通密度Ｋｉ（ｔ）と近い交通密度（すなわち、交通密度Ｋｉ（ｔ）との差分が所定の差分よりも小さい交通密度）に対して所定の統計処理を施すことにより、統計処理後の交通密度を算出し、統計処理後の交通密度と交通量Ｑｉ（ｔ－ｐΔｔ）と式（２）とに基づいて、速度Ｖｉ（ｔ＋Δｔ）を予測してもよい。
【0141】
ここで、統計処理は、交通密度に対して上下を除外したトリム平均（例えば、上下１０％を除外したトリム平均など）を算出する処理であってもよい。あるいは、統計処理は、中央値を算出する処理であってもよい。
【0142】
（シミュレーションの全体的な流れ）
続いて、図１１を参照しながら、シミュレーションの全体的な流れについて説明する。
続いて、図１１を参照しながら、シミュレーションの全体的な流れについて説明する。
【0143】
【0144】
ここで、時刻ｔに対応する期間の交通量Ｑ１～Ｑｎは、交通量算出部１３３によって既に算出済みであり、時刻ｔ＋Δｔ～ｔ＋ＭΔｔそれぞれに対応する期間の交通量Ｑ１～Ｑｎは、交通量予測部１４３によって予測済みである。また、時刻ｔに対応する交通密度Ｋ１（ｔ）～Ｋｎ（ｔ）は、交通密度算出部１４２によって既に算出済みである。さらに、時刻ｔに対応する期間の速度Ｖ１（ｔ）～Ｖｎ（ｔ）は、統計処理部１３１によって既に算出済みである。
【0145】
かかる状態において、シミュレーション実行部１４４は、交通密度Ｋ１（ｔ）と、交通密度Ｋ２（ｔ）と、速度Ｖ１（ｔ）とに基づいて、上記の式（４）により、交通量Ｑ２（ｔ）を予測してもよい。そして、シミュレーション実行部１４４は、予測した交通量Ｑ２（ｔ）と、交通量Ｑ１（ｔ）と、交通密度Ｋ１（ｔ）とに基づいて、上記の式（５）により、交通密度Ｋ１（ｔ＋Δｔ）を予測してもよい。
【0146】
さらに、シミュレーション実行部１４４は、交通密度Ｋ１（ｔ＋Δｔ）が所定の交通密度以下である場合には、ＫＶパラメータによって規定されるＫＶ関係式と、交通密度Ｋ１（ｔ＋Δｔ）とに基づいて、速度Ｖ１（ｔ＋Δｔ）を予測してもよい。一方、シミュレーション実行部１４４は、交通密度Ｋ１（ｔ＋Δｔ）が所定の交通密度を上回る場合には、時刻ｔに対応する期間よりも前の期間の交通密度Ｋ１および交通量Ｑ１と、交通密度Ｋ１（ｔ）とに基づいて、速度Ｖ１（ｔ＋Δｔ）を予測してもよい。
【0147】
これによって、交通密度Ｋ１（ｔ＋Δｔ）および速度Ｖ１（ｔ＋Δｔ）が予測済みとなる。交通密度Ｋ１（ｔ＋Δｔ）および速度Ｖ１（ｔ＋Δｔ）は、交通密度Ｋ１（ｔ＋２Δｔ）および速度Ｖ１（ｔ＋２Δｔ）の予測に用いられ得る。
【0148】
そして、時刻ｔ＋２Δｔ～時刻ｔ＋ＭΔｔそれぞれに対応する交通密度Ｋ１および速度Ｖ１についても、同様な予測が繰り返し実行されることによって予測され得る。また、セル２～セルｎについても、同様な予測が繰り返し実行されることによって、時刻ｔ＋Δｔ～時刻ｔ＋ＭΔｔそれぞれに対応する、交通密度Ｋ２～Ｋｎ，速度Ｖ２～Ｖｎが予測され得る。
【0149】
図１２は、比較例におけるシミュレーション結果を示す図である。図１３は、本発明の実施形態に係る交通流予測装置１による第１のシミュレーション結果を示す図である。図１４は、本発明の実施形態に係る交通流予測装置１による第２のシミュレーション結果を示す図である。図１５は、実測結果を示す図である。図１２～図１５に示された結果においては、縦軸が時刻を示し、横軸が起点からの距離を示し、時刻および距離に対応する速度の大きさが色の薄さによって示されている。
【0150】
図１２に示された比較例では、あらかじめ定められた固定値としての自由流速度ｕだけが速度Ｖとして交通密度Ｋの予測に用いられ、規制区間における車線総数に対する通行可能な車線数の割合Ｒが交通密度Ｋの予測に用いられていない。したがって、図１２に示された比較例には、交通集中による自然渋滞のみが速度の低下として表現されており、図１２に示された比較例は、図１５に示された実測結果とは大きく異なってしまっている。
【0151】
一方、図１３に示された、本発明の実施形態に係る交通流予測装置１による第１のシミュレーション結果は、規制区間における車線総数に対する通行可能な車線数の割合Ｒが交通密度Ｋの予測に用いられた結果である。したがって、図１３に示された第１のシミュレーション結果には、交通集中による自然渋滞のみならず、車線規制による渋滞も速度の低下として表現されており、図１３に示された第１のシミュレーション結果は、図１５に示された実測結果に近づいていることが把握され得る。
【0152】
図１４に示された、本発明の実施形態に係る交通流予測装置１による第２のシミュレーション結果は、規制区間における車線総数に対する通行可能な車線数の割合Ｒが交通密度Ｋの予測に用いられるだけではなく、実際に計測された速度の統計量とあらかじめ定められた自由流速度との混合結果が、交通密度の予測に用いられた結果である。すなわち、上記の式（４）が交通密度の予測に用いられた結果である。したがって、図１４に示された第２のシミュレーション結果には、より正確に渋滞が速度の低下として表現されており、図１４に示された第２のシミュレーション結果は、図１５に示された実測結果に大きく近づいていることが把握され得る。
【0153】
以上、本発明の実施形態に係る交通流予測装置１の構成例について説明した。
【0154】
（１－２．効果）
以上に説明したように、本発明の実施形態に係る交通流予測装置１は、所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部を備える。また、交通流予測装置１は、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部を備える。
以上に説明したように、本発明の実施形態に係る交通流予測装置１は、所定ブロックを走行した車両速度の統計量である第１の速度を取得する速度取得部を備える。また、交通流予測装置１は、前記所定ブロックに流入した車両の第１の交通量を取得する交通量取得部を備える。
【0155】
さらに、交通流予測装置１は、第１の時刻における前記所定ブロックの第１の交通密度を取得する交通密度取得部を備える。また、交通流予測装置１は、前記第１の交通密度と、前記第１の速度と、前記第１の交通量とに基づいて、前記第１の時刻よりも後の第２の時刻における前記所定ブロックの第２の交通密度を予測するシミュレーション実行部を備える。
【0156】
かかる構成によれば、実際に計測された速度の統計量を考慮して、交通密度が予測され得る。そのため、高精度に交通流をシミュレーションすることが可能となる。また、かかる構成によれば、ミクロシミュレーションモデルを用いる必要がないため、処理時間の低下が抑制され得る。
【0157】
また、シミュレーション実行部は、所定ブロックにおける車線総数に対する通行可能な車線数の割合にさらに基づいて、交通密度を予測してもよい。かかる構成によれば、交通規制が発生した場合においても、処理時間の低下を抑制し、高精度に交通流をシミュレーションすることが可能となる。
【0158】
本発明の実施形態に係る技術を用いることによって、夜間工事規制がなされている場合における交通流シミュレーションを短時間に実行することが可能となるという効果を得られる。さらに、本発明の実施形態に係る技術を用いることによって、最も交通流の妨げが少なくなる工事規制時間を容易に算出することが可能となるという効果も得られる。
【0159】
以上、本発明の実施形態に係る交通流予測装置１が奏する効果について説明した。
【0160】
（２．ハードウェア構成例）
続いて、本発明の実施形態に係る交通流予測装置１のハードウェア構成例について説明する。
続いて、本発明の実施形態に係る交通流予測装置１のハードウェア構成例について説明する。
【0161】
以下では、本発明の実施形態に係る交通流予測装置１のハードウェア構成例として、情報処理装置９００のハードウェア構成例について説明する。なお、以下に説明する情報処理装置９００のハードウェア構成例は、交通流予測装置１のハードウェア構成の一例に過ぎない。したがって、交通流予測装置１のハードウェア構成は、以下に説明する情報処理装置９００のハードウェア構成から不要な構成が削除されてもよいし、新たな構成が追加されてもよい。
【0162】
図１６は、本発明の実施形態に係る交通流予測装置１の例としての情報処理装置９００のハードウェア構成を示す図である。情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ホストバス９０４と、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、通信装置９１１と、を備える。
【0163】
ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバス９０４により相互に接続されている。
【0164】
ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バス等の外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。
【0165】
入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバー等ユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等から構成されている。情報処理装置９００を操作するユーザは、この入力装置９０８を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。
【0166】
出力装置９０９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、ランプ等の表示装置およびスピーカ等の音声出力装置を含む。
【0167】
ストレージ装置９１０は、データ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置９１０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このストレージ装置９１０は、ハードディスクを駆動し、ＣＰＵ９０１が実行するプログラムや各種データを格納する。
【0168】
通信装置９１１は、例えば、ネットワークに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１１は、無線通信または有線通信のどちらに対応してもよい。
【0169】
以上、本発明の実施形態に係る交通流予測装置１のハードウェア構成例について説明した。
【0170】
（３．まとめ）
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
【0171】
上記では、「地点」という文言が使用されているが、この「地点」という文言は、一点のみを表現し得るだけではなく、一定の範囲を有する場所をも表現し得る。したがって、この「地点」という文言は、「区間」という文言にも換言され得る。
【符号の説明】
【0172】
１ 交通流予測装置
１１２ プローブアンテナ
１１４ フリーフローアンテナ
１２０ 事象データ記憶部
１２１ 走行履歴データ記憶部
１２２ プローブデータ記憶部
１２３ フリーフローデータ記憶部
１２４ 交通量データ記憶部
１２５ ＫＶパラメータ記憶部
１２６ 共通パラメータ記憶部
１２７ 交通密度データ記憶部
１２８ 予測交通量データ記憶部
１３１ 統計処理部
１３３ 交通量算出部
１４０ 処理部
１４１ ＫＶパラメータ作成部
１４２ 交通密度算出部
１４３ 交通量予測部
１４４ シミュレーション実行部
１５０ 事象入力部
１１２ プローブアンテナ
１１４ フリーフローアンテナ
１２０ 事象データ記憶部
１２１ 走行履歴データ記憶部
１２２ プローブデータ記憶部
１２３ フリーフローデータ記憶部
１２４ 交通量データ記憶部
１２５ ＫＶパラメータ記憶部
１２６ 共通パラメータ記憶部
１２７ 交通密度データ記憶部
１２８ 予測交通量データ記憶部
１３１ 統計処理部
１３３ 交通量算出部
１４０ 処理部
１４１ ＫＶパラメータ作成部
１４２ 交通密度算出部
１４３ 交通量予測部
１４４ シミュレーション実行部
１５０ 事象入力部
【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】