特開 2024-127244 渋滞予測装置および渋滞予測方法

(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】P2024127244

(43)【公開日】2024-09-20

(54)【発明の名称】渋滞予測装置および渋滞予測方法

(51)【国際特許分類】

   G08G 1/01 20060101AFI20240912BHJP

【ＦＩ】

G08G1/01 E

【審査請求】有

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023036261

(22)【出願日】2023-03-09

(11)【特許番号】

(45)【特許公報発行日】2023-04-21

(71)【出願人】

【識別番号】397036309

【氏名又は名称】株式会社インターネットイニシアティブ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】柿島 純

【テーマコード（参考）】

5H181

【Ｆターム（参考）】

5H181AA01

5H181BB04

5H181BB20

5H181DD04

5H181FF03

(57)【要約】

【課題】より簡易な構成で高精度かつリアルタイムに渋滞状況を把握することを目的とする。
【解決手段】
複数の通信エリアＡ１～Ａｎにわたって存在する道路の渋滞を予測する渋滞予測装置１であって、道路を構成する各区間をカバーする各通信エリアＡ１～Ａｎの各基地局ＢＳ１～ＢＳｎで受信された、道路を移動する車両からの位置登録信号の数を収集するように構成された収集部１０と、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を未知の入力として学習済みの分類器に与え、学習済みの分類器の演算を行って、車両の速度の減速割合Ｎの値に関する分類クラスを出力するように構成された分類部１４と、分類部１４が出力した分類クラスに基づいて、道路の渋滞の有無を提示するように構成された提示部１５とを備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の通信エリアにわたって存在する道路の渋滞を予測する渋滞予測装置であって、
前記道路を構成する各区間をカバーする各通信エリアの各基地局で受信された、前記道路を移動する車両からの位置登録信号の数を収集するように構成された収集部と、
前記各基地局で受信された前記位置登録信号の数を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記車両の速度の減速割合の値に関する分類クラスを出力するように構成された分類部と、
前記分類部が出力した前記分類クラスに基づいて、前記道路の渋滞の有無を提示するように構成された提示部と
を備える渋滞予測装置。

【請求項2】

請求項１に記載の渋滞予測装置において、
前記各基地局で受信された前記位置登録信号は、前記各基地局に関する識別情報と関連付けて、所定の通信規格のコアネットワークに含まれる、加入者情報を管理する統合データリポジトリに記憶され、
前記収集部は、前記統合データリポジトリから、前記各基地局で受信された前記位置登録信号の数を収集する
ことを特徴とする渋滞予測装置。

【請求項3】

請求項１に記載の渋滞予測装置において、
さらに、前記各通信エリアによってカバーされる前記道路の前記各区間を単位時間で移動する前記車両の台数、前記車両の速度、前記車両の前記速度の減速割合、および前記各通信エリアの直径に基づいて、前記減速割合の各値における、前記各基地局で受信される前記位置登録信号の数の理論値を求めるように構成された演算部と、
前記理論値を教師データとして、前記各基地局で受信される前記位置登録信号の数と、前記減速割合との関係を学習し、前記学習済みの分類器を構築するように構成された学習部と
を備える渋滞予測装置。

【請求項4】

請求項１に記載の渋滞予測装置において、
前記収集部は、前記道路を走行する前記車両が現在在圏している通信エリアから隣接する通信エリアに到達するまでの時間を考慮して設定された時間間隔で、前記各基地局で受信された前記位置登録信号の数を順番に収集する
ことを特徴とする渋滞予測装置。

【請求項5】

複数の通信エリアにわたって存在する道路の渋滞を予測する渋滞予測方法であって、
前記道路を構成する各区間をカバーする各通信エリアの各基地局で受信された、前記道路を移動する車両からの位置登録信号の数を収集する第１ステップと、
前記各基地局で受信された前記位置登録信号の数を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記車両の速度の減速割合の値に関する分類クラスを出力する第２ステップと、
前記第２ステップで出力された前記分類クラスに基づいて、前記道路の渋滞の有無を提示する第３ステップと
を備える渋滞予測方法。

【請求項6】

請求項５に記載の渋滞予測方法において、
さらに、前記各基地局で受信された前記位置登録信号が、前記各基地局に関する識別情報と関連付けられて、所定の通信規格のコアネットワークに含まれる、加入者情報を管理する統合データリポジトリに記憶される第４ステップ
を備え、
前記第１ステップは、前記統合データリポジトリから、前記各基地局で受信された前記位置登録信号の数を収集する
ことを特徴とする渋滞予測方法。

【請求項7】

請求項５に記載の渋滞予測方法において、
さらに、前記各通信エリアによってカバーされる前記道路の前記各区間を単位時間で移動する前記車両の台数、前記車両の速度、前記車両の前記速度の減速割合、および前記各通信エリアの直径に基づいて、前記減速割合の各値における、前記各基地局で受信される前記位置登録信号の数の理論値を求める第５ステップと、
前記理論値を教師データとして、前記各基地局で受信される前記位置登録信号の数と、前記減速割合との関係を学習し、前記学習済みの分類器を構築する第６ステップと
を備える渋滞予測方法。

【請求項8】

請求項５に記載の渋滞予測方法において、
前記第１ステップは、前記道路を走行する前記車両が現在在圏している通信エリアから隣接する通信エリアに到達するまでの時間を考慮して設定された時間間隔で、前記各基地局で受信された前記位置登録信号の数を順番に収集する
ことを特徴とする渋滞予測方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、渋滞予測装置および渋滞予測方法に関する。

【背景技術】

【0002】

従来から、道路に設置された感知器による車の検知情報に基づいて、道路の渋滞情報を提供する技術が知られている。例えば、特許文献１は、道路に設置されたセンサで道路の所定区間の平均交通量および平均速度を測定し、平均交通量と平均速度との相関分布データから、渋滞予測を行う渋滞予測装置を開示している。

【0003】

しかし、特許文献１に開示された技術では、道路に沿ってセンサを配置しなければならず、さらに、センサの故障や動作不良により、渋滞予測の精度が低下する場合があった。

【0004】

また、別の従来の渋滞予測技術として、ＧＰＳを利用した通信モバイル端末の位置情報や、車の位置情報を利用して、渋滞状況の把握や渋滞予測を行う技術が知られている。例えば、特許文献２は、車の位置情報に加え、車のブレーキ操作回数およびアクセル操作回数が一定期間内で所定回数以上であれば、渋滞していると予測する技術を開示している。

【0005】

しかし、特許文献２に開示された技術では、予測精度を向上させるために、車の位置情報に加えて車の操作情報を収集するため、ブレーキ踏圧センサやアクセル開度センサなどを備えた装置を車に搭載する必要がある。

【0006】

また、Ｇｏｏｇｌｅマップ（登録商標）においては、スマートフォンの現在地の機能が有効化されているユーザの位置情報と速度データとを用いて、渋滞状況を把握している。しかし、ユーザの位置情報を収集するにはユーザによる許諾が必要であるため、渋滞予測に必要なデータ収集における不確実性が伴い、予測精度が十分得られない場合もある。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２００６－３０９７３５号公報

【特許文献2】特開２０２１－０８６５２２号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

このように、従来の技術では、より簡易な構成で高精度かつリアルタイムに渋滞状況を把握することは困難であった。

【0009】

本発明は、上述した課題を解決するためになされたものであり、より簡易な構成で高精度かつリアルタイムに渋滞状況を把握することを目的とする。

【課題を解決するための手段】

【0010】

上述した課題を解決するために、本発明に係る渋滞予測装置は、複数の通信エリアにわたって存在する道路の渋滞を予測する渋滞予測装置であって、前記道路を構成する各区間をカバーする各通信エリアの各基地局で受信された、前記道路を移動する車両からの位置登録信号の数を収集するように構成された収集部と、前記各基地局で受信された前記位置登録信号の数を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記車両の速度の減速割合の値に関する分類クラスを出力するように構成された分類部と、前記分類部が出力した前記分類クラスに基づいて、前記道路の渋滞の有無を提示するように構成された提示部とを備える。

【0011】

また、本発明に係る渋滞予測装置において、前記各基地局で受信された前記位置登録信号は、前記各基地局に関する識別情報と関連付けて、所定の通信規格のコアネットワークに含まれる、加入者情報を管理する統合データリポジトリに記憶され、前記収集部は、前記統合データリポジトリから、前記各基地局で受信された前記位置登録信号の数を収集してもよい。

【0012】

また、本発明に係る渋滞予測装置において、さらに、前記各通信エリアによってカバーされる前記道路の前記各区間を単位時間で移動する前記車両の台数、前記車両の速度、前記車両の前記速度の減速割合、および前記各通信エリアの直径に基づいて、前記減速割合の各値において前記各基地局で受信される前記位置登録信号の数の理論値を求めるように構成された演算部と、前記理論値を教師データとして、前記各基地局で受信される前記位置登録信号の数と、前記減速割合との関係を学習し、前記学習済みの分類器を構築するように構成された学習部とを備えていてもよい。

【0013】

また、本発明に係る渋滞予測装置において、前記収集部は、前記道路を走行する前記車両が現在在圏している通信エリアから隣接する通信エリアに到達するまでの時間を考慮して設定された時間間隔で、前記各基地局で受信された前記位置登録信号の数を収集してもよい。

【0014】

上述した課題を解決するために、本発明に係る渋滞予測方法は、複数の通信エリアにわたって存在する道路の渋滞を予測する渋滞予測方法であって、前記道路を構成する各区間をカバーする各通信エリアの各基地局で受信された、前記道路を移動する車両からの位置登録信号の数を収集する第１ステップと、前記各基地局で受信された前記位置登録信号の数を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記車両の速度の減速割合の値に関する分類クラスを出力する第２ステップと、前記第２ステップで出力された前記分類クラスに基づいて、前記道路の渋滞の有無を提示する第３ステップとを備える。

【0015】

また、本発明に係る渋滞予測方法において、さらに、前記各基地局で受信された前記位置登録信号が、前記各基地局に関する識別情報と関連付けられて、所定の通信規格のコアネットワークに含まれる、加入者情報を管理する統合データリポジトリに記憶される第４ステップを備え、前記第１ステップは、前記統合データリポジトリから、前記各基地局で受信された前記位置登録信号の数を収集してもよい。

【0016】

また、本発明に係る渋滞予測方法において、さらに、前記各通信エリアによってカバーされる前記道路の前記各区間を単位時間で移動する前記車両の台数、前記車両の速度、前記車両の前記速度の減速割合、および前記各通信エリアの直径に基づいて、前記減速割合の各値において前記各基地局で受信される前記位置登録信号の数の理論値を求める第５ステップと、前記理論値を教師データとして、前記各基地局で受信される前記位置登録信号の数と、前記減速割合との関係を学習し、前記学習済みの分類器を構築する第６ステップとを備えていてもよい。

【0017】

また、本発明に係る渋滞予測方法において、前記第１ステップは、前記道路を走行する前記車両が現在在圏している通信エリアから隣接する通信エリアに到達するまでの時間を考慮して設定された時間間隔で、前記各基地局で受信された前記位置登録信号の数を収集してもよい。

【発明の効果】

【0018】

本発明によれば、道路を構成する各区間をカバーする各通信エリアの各基地局で受信された、車両からの位置登録信号の数を収集し、各基地局で受信された位置登録信号の数を入力として学習済みの分類器に与え、学習済み分類器の演算を行って、車両の速度の減速割合の値に関する分類クラスを出力する。そのため、より簡易な構成で高精度かつリアルタイムに渋滞状況を把握することができる。

【図面の簡単な説明】

【0019】

【図1】図１は、本発明の実施の形態に係る渋滞予測装置を含む渋滞予測システムの構成を示すブロック図である。

【図2】図２は、本実施の形態に係る渋滞予測装置の概要を説明するための図である。

【図3】図３は、本実施の形態に係る渋滞予測装置で用いる分類器を説明するための図である。

【図4】図４は、本実施の形態に係る渋滞予測装置で用いる分類器を説明するための図である。

【図5】図５は、本実施の形態に係る渋滞予測装置で用いる分類器を説明するための図である。

【図6】図６は、本実施の形態に係る渋滞予測装置のハードウェア構成を示すブロック図である。

【図7】図７は、本実施の形態に係る渋滞予測装置の動作を示すフローチャートである。

【図8】図８は、本実施の形態に係る渋滞予測装置の動作を示すフローチャートである。

【発明を実施するための形態】

【0020】

以下、本発明の好適な実施の形態について、図１から図８を参照して詳細に説明する。なお、以下の説明では、渋滞予測装置１が、５Ｇ通信規格の移動通信システムを利用する場合を例に挙げるが、渋滞予測装置１は４Ｇ通信規格の移動通信システムを利用する構成であってもよい。

【0021】

［渋滞予測システムの構成］
まず、本発明の実施の形態に係る渋滞予測装置１を備える渋滞予測システムの概要について説明する。図１に示すように、渋滞予測システムは、高速道路などの幹線道路（道路）における渋滞の発生を予測する。渋滞予測を行う幹線道路は、５Ｇ移動通信システムを構築する基地局ＢＳ１，ＢＳ２，ＢＳ３，・・・，ＢＳｎの各々の通信エリアＡ１，Ａ２，Ａ３，・・・，Ａｎによって規定される。

【0022】

図１に示すように、各基地局ＢＳ１～ＢＳｎの通信エリアＡ１～Ａｎは、幹線道路を構成する各区間をカバーするように配置されている。なお、以下の説明では、「通信エリアＡ１～Ａｎ」といった場合に、通信エリアＡ１～Ａｎがそれぞれカバーする幹線道路の区間と同義として用いる場合がある。

【0023】

幹線道路を走行する車両には、通信端末５が搭載されている。車両には、自動車、原動機付自動車、自動二輪車などが含まれる。通信端末５は、ＳＩＭ５０を備え、車両に搭載されている通信端末装置、あるいは車両を利用するユーザのスマートフォンなどの携帯通信端末、タブレット型コンピュータなどとして実現される。各車両は、通信端末５が備えるＳＩＭ５０のＩＭＳＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）によって一意に識別される。また、通信端末５は、幹線道路に対する進行方向を、例えば、カーナビゲーションシステムや通信端末５のＧＰＳ位置情報に基づいて取得することができる。

【0024】

本実施の形態に係る渋滞予測システムは、渋滞予測装置１、車両に搭載される通信端末５、基地局ＢＳ１～ＢＳｎ、５Ｇコアネットワークを構成するＡＭＦ（Ａｃｃｅｓｓ ａｎｄ Ｍｏｂｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｆｕｎｃｔｉｏｎ）サーバ２、ＵＤＭ（Ｕｎｉｆｉｅｄ Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ）サーバ３、およびＵＤＲ（統合データリポジトリ：Ｕｎｉｆｉｅｄ Ｄａｔａ Ｒｅｐｏｓｉｔｏｒｙ）サーバ４を備える。渋滞予測装置１は、ＵＤＲサーバ４とＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワークＮＷを介して接続されている。

【0025】

基地局ＢＳ１～ＢＳｎは、コアネットワークと接続して通信エリアＡ１～Ａｎに在圏する通信端末５からのユーザパケットを転送する。ＡＭＦサーバ２は、パケット通信用のセッションの設定、開放やハンドオーバーの制御など移動管理やベアラ制御を行う移動管理制御装置である。ＵＤＭサーバ３は、加入者プロファイル情報などが格納される加入者情報管理装置である。ＵＤＲサーバ４は、通信端末５の加入者情報および加入者の通信端末５の状態などの情報を格納する統合データリポジトリである。

【0026】

本実施の形態では、図１に示すように、車両が幹線道路を進行方向に走行するにしたがって、幹線道路の最初の区間をカバーする基地局ＢＳ１の通信エリアＡ１から、第２番目の区間をカバーする基地局Ｂ２の通信エリアＡ２、第３番目の区間をカバーする基地局ＢＳ３の通信エリアＡ３へと順番に移動する。

【0027】

例えば、車両が基地局ＢＳ１の通信エリアＡ１から基地局ＢＳ２の通信エリアＡ２をまたがった際に、通信端末５は、基地局ＢＳ２およびＡＭＦサーバ２を介してＵＤＭサーバ３に位置登録要求を行うために位置登録信号を送信する。本実施の形態においては、通信端末５は、位置登録信号および端末識別情報に加えて、幹線道路における通信端末５の進行方向を示す情報をＡＭＦサーバ２に送信する。

【0028】

ＡＭＦサーバ２は、受信した信号をＵＤＭサーバ３に対して送信し、ＵＤＭサーバ３は、通信端末５の端末識別情報により位置登録を行う。さらに、通信端末５が送信した位置登録信号、端末識別情報、および進行方向を示す情報は、ＵＤＲサーバ４において、在圏する基地局ＢＳ１～ＢＳｎおよび通信エリアＡ１～Ａｎに関する識別情報、ならびに位置登録信号の送信時刻とともに記憶される。

【0029】

本実施の形態に係る渋滞予測装置１は、ネットワークＮＷを介して、ＵＤＲサーバ４に記憶されている各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を収集し、幹線道路の渋滞を予測する。

【0030】

図２は、本実施の形態に係る渋滞予測装置１を備える渋滞予測システムの概要を示す模式図である。図２の（ａ）は、幹線道路において渋滞が発生している状況で、各基地局ＢＳ１～ＢＳｎにおいて受信される位置登録信号の数を、矢印により模式的に表した図である。図２の（ｂ）は、幹線道路で渋滞が発生していない場合において、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数を、矢印により模式的に表した図である。

【0031】

車両が走行する幹線道路の一区間の距離は、各基地局ＢＳ１～ＢＳｎがカバーする各通信エリアＡ１～Ａｎの直径Ｄ［ｋｍ］に対応し、各基地局ＢＳ１～ＢＳｎの通信エリアＡ１～Ａｎの直径は同じであるとする。また、幹線道路の第１番目の区間をカバーする基地局ＢＳ１の通信エリアＡ１に入ってくる車両の台数は、図２の（ａ）および（ｂ）の場合で同じ台数であるものとする。

【0032】

例えば、基地局ＢＳ１の通信エリアＡ１がカバーする幹線道路の区間から、隣接する基地局ＢＳ２の通信エリアＡ２がカバーする第２番目の区間に移動するまでの時間は、（通信エリアの直径Ｄ）／（車両の速度）で表される。したがって、各基地局ＢＳ１～ＢＳｎが、例えば１秒間あたりに受信する位置登録信号の数は、渋滞が生じた場合と、生じていない場合とで比較した場合、渋滞が生じていない場合の方が多くなる（図２の（ａ）、（ｂ）の矢印の数）。

【0033】

このように、本実施の形態では、車両の速度の変化により位置登録信号の数が増減する性質を利用して幹線道路の渋滞を予測する。

【0034】

［渋滞予測装置の機能ブロック］
図１に示すように、渋滞予測装置１は、収集部１０、演算部１１、学習部１２、分類器記憶部１３、分類部１４、および提示部１５を備え、複数の通信エリアＡ１～Ａｎにわたって存在する幹線道路の渋滞を予測する。

【0035】

収集部１０は、幹線道路を構成する各区間をカバーする各通信エリアＡ１～Ａｎの各基地局ＢＳ１～ＢＳｎで受信された、幹線道路を移動する車両からの位置登録信号の数を収集する。具体的には、収集部１０は、ネットワークＮＷを介してＵＤＲサーバ４から、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を収集する。また、位置登録信号は、車両に搭載されている通信端末５から送信された信号である。

【0036】

さらに、収集部１０は、幹線道路を走行する車両が現在在圏している通信エリアＡ１～Ａｎ－１から隣接する通信エリアＡ２～Ａｎに到達するまでの時間を考慮して設定された時間間隔で、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を順番に収集する。なお、収集部１０が、設定された時間間隔で、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号を収集する収集タイミングについては後述する。

【0037】

演算部１１は、各通信エリアＡ１～Ａｎによってカバーされる幹線道路の各区間を単位時間で移動する車両の台数Ｌ、車両の速度Ｍ［ｋｍ／ｈ］、車両の速度の減速割合Ｎ、および各通信エリアＡ１～Ａｎの直径Ｄ［ｋｍ］に基づいて、減速割合Ｎの各値における各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数の理論値を求める。本実施の形態では、１分間に各通信エリアＡ１～Ａｎを通過する車両の台数をＬとする。また、車両の台数Ｌ、車両の速度Ｍ［ｋｍ／ｈ］、および車両の速度の減速割合Ｎは事前に設定された値であり、通信エリアＡの直径Ｄ［ｋｍ］は既知の値である。

【0038】

図３は、車両の速度の減速割合Ｎの各値における、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数の理論値を説明するための図である。図３に示すように、第１番目の通信エリアＢＳ１に車両が入ってくる点を起点（ｉ）とし、この起点（ｉ）での車両の速度Ｍ［ｋｍ］を基準として、車両の速度の減速割合Ｎが定められる。例えば、起点（ｉ）での車両の速度が８０［ｋｍ／ｈ］である場合に、次の通信エリアＡ２に到達するまでに車両の速度が減速し、７２［ｋｍ／ｈ］となった場合、減速割合Ｎは０．９と表される。また、本実施の形態では、幹線道路全体を通じて、車両の速度の減速割合Ｎの値が一定の値である場合を仮定する。

【0039】

これらの前提に基づいて、まず図３の起点（ｉ）において、第１番目の通信エリアＡ１にＬ台の車両が到達するまでの時間は、［通信エリアの直径Ｄ（ｋｍ）］／［Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）］と表される。また、通信エリアＡ１にＬ台の車両が移動してくることで基地局ＢＳ１において受信される、位置登録信号の数をＬ［個］とする。

【0040】

続いて、図３の（ｉｉ）の時点において、Ｌ台の車両が通信エリアＡ１から第２番目の通信エリアＡ２に到達するまでの時間は、［通信エリアの直径Ｄ（ｋｍ）］／［｛Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）｝×｛車両の速度の減速割合Ｎ｝］と表される。さらに、通信エリアＡ２の基地局ＢＳ２で受信される位置登録信号の数は次の式（１）で表される。

【数1】

【0041】

続いて、図３の（ｉｉｉ）の時点において、Ｌ台の車両が通信エリアＡ２から第３番目の通信エリアＡ３に到達するまでの時間は、［通信エリアの直径Ｄ（ｋｍ）］／［｛Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）｝×｛車両の速度の減速割合Ｎ｝×｛車両の速度の減速割合Ｎ｝］と表される。通信エリアＡ３の基地局ＢＳ３で受信される位置登録信号の数は次の式（２）で表される。

【数2】

【0042】

さらに、図３の（ｎ）の時点において、Ｌ台の車両が通信エリアＡｎ－１からｎ番目の通信エリアＡｎに到達するまでの時間は、［通信エリアＡｎの直径Ｄ（ｋｍ）］／［｛Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）｝×｛車両の速度の減速割合Ｎ^ｎ｝］と表される。さらに、通信エリアＡｎの基地局ＢＳｎで受信される位置登録信号の数は次の式（３）で表される。

【数3】

【0043】

このように、演算部１１は、上式（３）にしたがって、減速割合Ｎの各値での各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数の理論値を求め、後述の学習部１２に渡す。

【0044】

学習部１２は、上式（３）によって示される、減速割合Ｎの各値における、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数の理論値を教師データとして、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数と、減速割合Ｎとの関係を学習し、学習済みの分類器を構築する。このように、学習部１２が分類器の学習に用いる教師データは、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数に減速割合Ｎの値がラベル付けされたデータとすることができる。

【0045】

図４は、本実施の形態で用いる分類器を説明するための図である。図４の左側の縦軸は、上式（３）で与えられる位置登録信号の数を示し、右側の縦軸は、減速割合Ｎの値、つまり、渋滞分類クラスを示している。また、横軸は、基地局ＢＳ１～Ｂｎの番号を示している。ここで、右側の縦軸が示す渋滞分類クラスは、減速割合Ｎの値に基づいて、「渋滞あり」、「やや渋滞」、「渋滞なし」等の多クラスとして任意に設定することができる。あるいは、「渋滞あり」および「渋滞なし」等の２クラスを採用することができる。

【0046】

例えば、図４に示すように、減速割合Ｎの値が１～０．８の範囲については、渋滞分類クラス「渋滞なし」、減速割合Ｎの値が０．７～０．４の範囲については、渋滞分類クラス「やや渋滞」、さらに、減速割合Ｎの値が０．３～０．１の範囲については、渋滞分類クラス「渋滞あり」として設定することができる。

【0047】

図５は、本実施の形態における分類器の一例として用いるニューラルネットワークの構造を示す模式図である。また、ニューラルネットワークは、入力層ｘ、隠れ層ｈ、出力層ｙからなる多層構造を用いることができる。入力層ｘの各入力ノードには、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数が与えられる。

【0048】

図５に示すニューラルネットワークは、入力層ｘに与えられた各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数に対して、入力の重み付け総和に活性化関数を適用し、閾値処理により決定された出力を出力層ｙに渡す。出力層の各出力ノードは、少なくとも２つの渋滞分類クラスを示す。また、出力層ｙは、入力データが各渋滞分類クラスに属する確率を出力することができる。

【0049】

学習部１２は、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数を入力として与えたときの出力が、教師データのラベルに示される減速割合Ｎの値となるように、ノード間の結線の重みｗを調整する。学習部１２は、例えば、誤差逆伝搬などを利用して、与えた入力値に対して、得られた出力値を比較し、それぞれの重みｗの誤差を調べて逆方向に伝搬していき、最終的に重みｗなどのパラメータを決定することができる。このような学習処理を経て、学習部１２は、学習済みの分類器を構築する。

【0050】

学習部１２によって構築された学習済みの分類器は、分類器記憶部１３に記憶される。また、分類器記憶部１３は、学習前の分類器についても記憶する。

【0051】

分類部１４は、収集部１０が収集した、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を未知の入力として学習済みの分類器に与え、学習済み分類器の演算を行って、車両の速度の減速割合Ｎの値に関する渋滞分類クラスを出力する。

【0052】

ここで、収集部１０がＵＤＲサーバ４から収集する各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数の収集タイミングについて説明する。前述したように、収集部１０は、幹線道路を走行する車両が現在在圏している通信エリアＡ１～Ａｎ－１から隣接する通信エリアＡ２～Ａｎに到達するまでの時間を考慮して設定された時間間隔で、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を順番に収集する。

【0053】

例えば、通信エリアＡ１がカバーする区間を走行中の車両が、次の通信エリアＡ２がカバーする区間に到達するまでの時間は、前述したように［通信エリアの直径Ｄ（ｋｍ）］／［｛Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）｝×｛車両の速度の減速割合Ｎ｝］と表される。したがって、収集部１０は、第１番目の基地局ＢＳ１で受信された位置登録信号の数をＵＤＲサーバ４から収集した時刻ｔ１に、Ｄ／（Ｍ×Ｎ）［ｈ］を加えた時刻ｔ２に、第２番目の基地局ＢＳ２で受信された位置登録信号の数を収集することができる。

【0054】

同様に、通信エリアＡ２がカバーする区間を走行中の車両が、次の通信エリアＡ３がカバーする区間に到達するまでの時間は、前述したように、［通信エリアの直径Ｄ（ｋｍ）］／［｛Ｌ台の車両の速度Ｍ（ｋｍ／ｈ）｝×｛車両の速度の減速割合Ｎ｝×｛車両の速度の減速割合Ｎ｝］と表される。したがって、第２番目の基地局ＢＳ２で受信された位置登録信号の数をＵＤＲサーバ４から収集した時刻ｔ２にさらに、Ｄ／（Ｍ×Ｎ×Ｎ）［ｈ］を加えた時刻ｔ３に、第３番目の基地局ＢＳ３で受信された位置登録信号の数を収集することができる。

【0055】

本実施の形態では、渋滞の発生を予測することを目的とするため、例えば、車両の速度の減速割合が大きいことを示すＮの値として、Ｎ＝０．１、Ｎ＝０．２、およびＮ＝０．３の３つのパターンでの各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数の収集タイミングを設定することができる。なお、収集部１０は、車両の速度の減速割合Ｎの全ての値ごとに各基地局ＢＳ１～ＢＳｎでの収集タイミングを決定することも可能である。

【0056】

また、収集部１０は、複数の基地局ＢＳ１～ＢＳｎのうちのいずれかの基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数が一定数以上であることを契機として、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数の収集を開始することができる。このような設定を用いることで、渋滞が発生している可能性が一定以上の存在する場合に、分類部１４での分類処理を行う構成とすることができる。

【0057】

図１に戻り、提示部１５は、分類部１４が出力した渋滞分類クラスに基づいて、幹線道路の渋滞の有無を提示する。例えば、提示部１５は、分類部１４が出力した渋滞分類クラス「渋滞あり」（Ｎ＝０．１～０．３）である場合に、外部のサーバなどに対して、幹線道路の識別情報、時刻、および渋滞が発生していることを示す情報を送出することができる。

【0058】

［渋滞予測装置のハードウェア構成］
次に、上述した機能を有する渋滞予測装置１を実現するハードウェア構成の一例について、図６を用いて説明する。

【0059】

図６に示すように、渋滞予測装置１は、例えば、バス１０１を介して接続されるプロセッサ１０２、主記憶装置１０３、通信インターフェース１０４、補助記憶装置１０５、入出力Ｉ／Ｏ１０６を備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。

【0060】

主記憶装置１０３には、プロセッサ１０２が各種制御や演算を行うためのプログラムが予め格納されている。プロセッサ１０２と主記憶装置１０３とによって、図１に示した収集部１０、演算部１１、学習部１２、分類部１４など渋滞予測装置１の各機能が実現される。

【0061】

通信インターフェース１０４は、渋滞予測装置１と各種外部電子機器との間をネットワーク接続するためのインターフェース回路である。

【0062】

補助記憶装置１０５は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータなどの各種情報を読み書きするための駆動装置とで構成されている。補助記憶装置１０５には、記憶媒体としてハードディスクやフラッシュメモリなどの半導体メモリを使用することができる。

【0063】

補助記憶装置１０５は、渋滞予測装置１が実行する渋滞予測プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、分類器の学習を行うための学習プログラムを格納する領域を有する。補助記憶装置１０５によって、図１で説明した分類器記憶部１３が実現される。さらには、例えば、上述したデータやプログラムなどをバックアップするためのバックアップ領域などを有していてもよい。

【0064】

入出力Ｉ／Ｏ１０６は、外部機器からの信号を入力したり、外部機器へ信号を出力したりする入出力装置である。

【0065】

［渋滞予測装置の動作］
次に、上述した構成を有する渋滞予測装置１の動作を、図７および図８のフローチャートを参照して説明する。図７は、渋滞予測装置１による学習処理を示すフローチャートである。図８は、渋滞予測装置１による、学習済みの分類器を用いた分類処理を示すフローチャートである。

【0066】

まず、渋滞予測装置１による分類器の学習処理について図７を参照して説明する。まず、演算部１１は、分類器の学習に用いる教師データを用意する（ステップＳ１）。具体的には、演算部１１は、幹線道路の各道路区間をカバーする各通信エリアＡ１～Ａｎを単位時間で移動する車両の台数Ｌ、車両の速度Ｍ［ｋｍ／ｈ］、車両の速度の減速割合Ｎ、および各通信エリアＡ１～Ａｎの直径Ｄ［ｋｍ］に基づいて、車両の速度の減速割合Ｎの各値においての各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数の理論値を求める。

【0067】

ステップＳ１における教師データは、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数に車両の速度の減速割合Ｎの値が正解ラベルとして付されたデータである。

【0068】

次に、学習部１２は、ステップＳ２で求められた理論値を教師データとして、各基地局ＢＳ１～ＢＳｎで受信される位置登録信号の数と、車両の速度の減速割合Ｎとの関係を学習し、学習済みの分類器を構築する（ステップＳ３）。なお、学習部１２は、位置登録信号の数と、所定の減速割合Ｎの値（例えば、図４のＮ＝０．１～０．３）との関係を分類器に学習させることもできる。

【0069】

続いて、分類器記憶部１３は、ステップＳ３で構築された学習済みの分類器を記憶する（ステップＳ４）。以上により、学習済みの分類器が構築される。

【0070】

次に、図８を参照して渋滞予測装置１による分類処理を説明する。まず、分類部１４は、分類器記憶部１３から学習済みの分類器をロードする（ステップＳ１０）。次に、収集部１０は、ネットワークＮＷを介して、ＵＤＲサーバ４から各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を収集する（ステップＳ１１）。

【0071】

具体的には、収集部１０は、車両が各通信エリアＡ１～Ａｎ－１を移動して隣接する次の通信エリアＡ２～Ａｎへ到達するまでの時間を考慮して設定された時間間隔で、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を順番に収集する。より詳細には、収集部１０は、第１番目の基地局ＢＳ１で位置登録信号が受信された時刻ｔ１から一定時間（Ｄ／（Ｍ×Ｎ））経過した時刻ｔ２に第２番目の基地局ＢＳ２で受信された位置登録信号の数を収集する。同様に、収集部１０は、第３番目から第ｎ番目の基地局ＢＳ３～ＢＳｎで受信した位置登録信号の数を、時刻ｔ１から一定時間後の時刻ｔ３～ｔｎでそれぞれ収集することができる。

【0072】

また、ステップＳ１１において、収集部１０は、複数の通信エリアＡ１～Ａｎのうちのいずれかの通信エリアＡ１～Ａｎの基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数が一定数以上である場合に、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の収集を開始することができる。

【0073】

次に、分類部１４は、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を未知の入力として学習済みの分類器に与え、学習済みの分類器の演算を行って、車両の減速割合Ｎの値に関する渋滞分類クラスを出力する（ステップＳ１２）。分類部１４は、例えば、図５に示すニューラルネットワークで構成される学習済みの分類器の演算を行い、多クラス分類または２クラス分類による分類結果を出力することができる。

【0074】

続いて、提示部１５は、ステップＳ１２で分類部１４が出力した渋滞分類クラスに基づいて、幹線道路の渋滞の有無を提示する（ステップＳ１３）。提示部１５は、例えば、分類部１４が出力した各渋滞分類クラスに基づいて、外部のサーバなどに対して、幹線道路の識別情報、時刻、および渋滞の発生の有無を示す情報を送出することができる。以上の処理により、分類処理が終了する。

【0075】

なお、上述した実施の形態では、分類器としてニューラルネットワークを用いる場合について説明した。しかし、分類器は、上述したニューラルネットワークモデルの他、ロジスティック回帰などの識別器を用いることができる。ロジスティック回帰を用いた場合には、各渋滞分類クラスを予測できる確率値を分類クラス数だけ得ることができる。したがって、各渋滞分類クラスに対する確率を出力し、最も確率の高い分類クラスが渋滞有無の予測値として採用される。その他にも、分類器として、ＳＶＭ、ナイーブベイズ、ランダムフォレスト、決定木等、さらにニューラルネットワークを多層化したディープラーニングを用いてもよい。

【0076】

また、上述した実施の形態では、分類部１４は、事前に学習部１２が学習し構築した分類器を用いて、分類処理を行う場合について説明した。しかし、分類部１４は、事前学習により構築された分類器を用いる場合に限らない。例えば、学習部１２は、収集部１０が収集した実データに基づく新たな教師データにより、学習済みの分類器の再学習を行って、重みなどパラメータの微調整を行うことができる。

【0077】

また、上述した実施の形態では、学習処理を行う学習部１２および分類処理を行う分類部１４の両方の機能部が渋滞予測装置１に搭載される場合について説明した。しかし、学習部１２および分類部１４は同一のハードウェア構成として設けられている場合の他、複数のサーバ等によって、学習処理と分類処理とをネットワークＮＷ上の別のサーバ等により分散することもできる。

【0078】

以上説明したように、本実施の形態に係る渋滞予測装置１によれば、各通信エリアＡ１～Ａｎの各基地局ＢＳ１～ＢＳｎで受信された、車両からの位置登録信号の数を収集する。さらに、各基地局ＢＳ１～ＢＳｎで受信された位置登録信号の数を未知の入力として学習済みの分類器に与え、学習済みの分類器の演算を行って、車両の速度の減速割合Ｎの値に関する渋滞分類クラスを出力する。したがって、より簡易な構成で高精度かつリアルタイムに渋滞状況を把握することができる。

【0079】

以上、本発明の渋滞予測装置および渋滞予測方法における実施の形態について説明したが、本発明は説明した実施の形態に限定されるものではなく、請求項に記載した発明の範囲において当業者が想定し得る各種の変形を行うことが可能である。

【符号の説明】

【0080】

１…渋滞予測装置、２…ＡＭＦサーバ、３…ＵＤＭサーバ、４…ＵＤＲサーバ、５…通信端末、５０…ＳＩＭ、１０…収集部、１１…演算部、１２…学習部、１３…分類器記憶部、１４…分類部、１５…提示部、１０１…バス、１０２…プロセッサ、１０３…主記憶装置、１０４…通信インターフェース、１０５…補助記憶装置、１０６…入出力Ｉ／Ｏ、ＮＷ…ネットワーク、ＢＳ１～ＢＳｎ…基地局、Ａ１～Ａｎ…通信エリア。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】