特開 2024-4031 交通状況予測装置及び交通状況予測方法

(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】P2024004031

(43)【公開日】2024-01-16

(54)【発明の名称】交通状況予測装置及び交通状況予測方法

(51)【国際特許分類】

   G08G 1/00 20060101AFI20240109BHJP

   G06N 20/00 20190101ALI20240109BHJP

【ＦＩ】

G08G1/00 A

G06N20/00

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022103461

(22)【出願日】2022-06-28

(71)【出願人】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(71)【出願人】

【識別番号】598076591

【氏名又は名称】東芝インフラシステムズ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】成瀬 浩輔

(72)【発明者】

【氏名】上野 秀樹

(72)【発明者】

【氏名】大場 義和

【テーマコード（参考）】

5H181

【Ｆターム（参考）】

5H181AA01

5H181BB04

5H181BB13

5H181BB20

5H181DD04

5H181EE02

5H181EE12

5H181FF10

5H181FF13

5H181FF27

5H181FF33

5H181MC04

5H181MC14

5H181MC27

(57)【要約】

【課題】突発事象に起因する渋滞を高精度に予測する。
【解決手段】実施形態の交通状況予測装置は、取得部と、検出処理部と、予測処理部とを備える。取得部は、道路に設置された車両感知器により取得される感知器データと、道路を走行中の車両から取得されるプローブデータとを取得する。検出処理部は、プローブデータに基づいて道路上で発生した突発事象に起因するボトルネックを検出する。予測処理部は、ボトルネックに対応するプローブデータと、ボトルネックより上流側に設置された車両感知器により取得された感知器データとが紐付けられた紐付けデータに基づいて、突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成する。
【選択図】図４

【特許請求の範囲】

【請求項1】

道路に設置された車両感知器により取得される感知器データと、前記道路を走行中の車両から取得されるプローブデータとを取得する取得部と、
前記プローブデータに基づいて前記道路上で発生した突発事象に起因するボトルネックを検出する検出処理部と、
前記ボトルネックに対応する前記プローブデータと、前記ボトルネックより上流側に設置された前記車両感知器により取得された前記感知器データとが紐付けられた紐付けデータに基づいて、前記突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成する予測処理部と、
を備える交通状況予測装置。

【請求項2】

過去の前記感知器データと、過去の前記プローブデータと、過去に発生した渋滞に関するデータとに基づく教師データを用いて機械学習を行うことにより、前記紐付けデータが入力されることにより前記渋滞予測情報を出力する予測モデルを生成する学習処理部、
を更に備え、
前記予測処理部は、前記予測モデルを用いて前記渋滞予測情報を生成する、
請求項１に記載の交通状況予測装置。

【請求項3】

前記予測モデルは、前記道路を複数に分割する区間ごと又は複数の前記区間を含む路線ごとに生成される、
請求項２に記載の交通状況予測装置。

【請求項4】

前記検出処理部は、前記プローブデータに含まれる少なくとも前記車両の速度及び前記車両の位置に基づいて前記突発事象に起因する前記ボトルネックを検出する、
請求項１に記載の交通状況予測装置。

【請求項5】

前記紐付けデータは、少なくとも前記突発事象が発生した区間及び当該区間の上流側に位置する上流側区間の前記プローブデータと、前記上流側区間の前記感知器データとが紐付けられたデータである、
請求項１に記載の交通状況予測装置。

【請求項6】

前記紐付けデータは、更に、前記突発事象が発生した区間の下流側に位置する区間の前記感知器データが紐付けられたデータである、
請求項１に記載の交通状況予測装置。

【請求項7】

取得部が、道路に設置された車両感知器により取得される感知器データと、前記道路を走行中の車両から取得されるプローブデータとを取得する工程と、
検出処理部が、前記プローブデータに基づいて前記道路上で発生した突発事象に起因するボトルネックを検出する工程と、
予測処理部が、前記ボトルネックに対応するプローブデータと、前記ボトルネックより上流側に設置された前記車両感知器により取得された前記感知器データとが紐付けられた紐付けデータに基づいて、前記突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成する工程と、
を含む交通状況予測方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、交通状況予測装置及び交通状況予測方法に関する。

【背景技術】

【0002】

道路を走行する車両の運転者に対して走行予定の経路の渋滞情報を提供するシステムが利用されている。このようなシステムにおいて、高速道路等に所定間隔で設置された車両感知器により取得される感知器データにより、交通量（走行する車両の台数、速度、密度等）を検知することで、渋滞の発生を検知する技術がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４－１３７６９６号公報

【特許文献2】特開２０２１－０７１９９５号公報

【特許文献3】特開２０１７－１３４００３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術においては、将来（予測）の交通状況を鑑みたうえでの渋滞、所要時間等の情報提供をできていない。更に、事故、落下物等の突発事象が発生すると交通量が大きく変化するため、渋滞の発生を予測することが困難である。

【0005】

そこで、実施形態の課題は、突発事象に起因する渋滞を高精度に予測することが可能な交通状況予測装置及び交通状況予測方法を提供することである。

【課題を解決するための手段】

【0006】

実施形態の交通状況予測装置は、取得部と、検出処理部と、予測処理部とを備える。取得部は、道路に設置された車両感知器により取得される感知器データと、道路を走行中の車両から取得されるプローブデータとを取得する。検出処理部は、プローブデータに基づいて道路上で発生した突発事象に起因するボトルネックを検出する。予測処理部は、ボトルネックに対応するプローブデータと、ボトルネックより上流側に設置された車両感知器により取得された感知器データとが紐付けられた紐付けデータに基づいて、突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成する。

【図面の簡単な説明】

【0007】

【図1】図１は、実施形態における道路を模式的に示す図である。

【図2】図２は、実施形態の交通状況予測システムの全体構成図である。

【図3】図３は、第１実施形態の交通状況予測装置の機能構成図である。

【図4】図４は、実施形態の紐付けデータを模式的に示す図である。

【図5】図５は、実施形態の予測モデルの処理を説明するための図である。

【図6】図６は、実施形態の交通状況予測装置による処理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】

【0008】

以下、図面を参照しながら、本発明の交通状況予測装置、および、交通状況予測方法の実施形態について説明する。

【0009】

まず、図１を参照して、実施形態における道路Ｒについて説明する。
図１は、実施形態における道路Ｒを模式的に示す図である。車両Ｃが走行する道路Ｒは、例えば、高速道路である。道路Ｒには、インターチェンジ（ＩＣ）や分岐合流のように交通量が変わるポイントや所定距離毎に、必要に応じて車両感知器２が設置されている。ここでは、道路Ｒが便宜的に車両感知器２毎に管理単位としての区間＃１，＃２，＃３，・・・に分割されているものとする。

【0010】

次に、図２を参照して、実施形態の交通状況予測システムＳの全体構成について説明する。
図２は、実施形態の交通状況予測システムＳの全体構成図である。交通状況予測システムＳは、交通状況予測装置１と、車両感知器２と、道路交通管制システム３と、プローブデータ管理装置４と、路車間通信装置（ＩＴＳ（Intelligent Transport Systems）スポット等）５と、を備える。

【0011】

道路交通管制システム３は、管制対象の道路の実際の交通状況の監視や管理を総合的に行うコンピュータシステムであり、車両感知器２から受信した感知器データに基づいて交通状況を表示し、操作者の操作に基づいて交通を円滑にするための操作を行うものである。

【0012】

車両感知器２（図１参照）は、高速道路の区間ごとに路側に設置される。車両感知器２は、設置場所の近傍を通過する車両Ｃを感知し、感知結果に基づく感知器データを収集する。感知器データには、例えば、交通量［台／ｈ（hour）］、平均速度［ｋｍ／ｈ］、車両密度［台／ｋｍ］、占有率（オキュパンシー）［％］などが含まれ得る。このような車両感知器２を利用することにより、車両感知器２が設置された区間を通過する全車両の感知器データを取得できるという利点が得られる。その反面、車両感知器２を設置していない区間のデータは取得できないという課題がある。車両感知器２は、収集した感知器データを道路交通管制システム３に送信する。

【0013】

路車間通信装置（ＩＴＳスポット等）５は、路側に設置され、路車間通信装置５と通信できる車載器（例えばＥＴＣ２．０車載器等）と通信を行うための装置である。路車間通信装置５は、車載器に対して渋滞等の交通情報の提供、車両の走行経路の特定のための通信、プローブデータの取得等を行う。
ここで、プローブデータとは、所定の機器（例えば、ＥＴＣ２．０）を搭載している車両Ｃ（プローブカー）から取得されるデータであり、車両Ｃの挙動履歴、走行履歴等を示す情報である。プローブデータには、例えば、速度情報、加速度情報、位置情報等が含まれる。
ここで、プローブデータは、路車間通信装置５と通信できる車載器を搭載した車両からしかデータを収集できないことが課題となる。しかしながら、その反面、車両感知器２のようなセンサを設置していない区間であっても、当該車載器を搭載している車両の走行があれば、データを収集できる点が利点となる。

【0014】

プローブデータ管理装置４は、道路を走行している車両Ｃから路車間通信装置５を介して取得したプローブデータを取り込み、プローブデータを管理するコンピュータシステムである。

【0015】

交通状況予測装置１は、将来の交通状況の予測する装置である。交通状況予測装置１は、道路交通管制システム３から、車両感知器２で受信した感知器データや、その他の交通に関連するデータを取り込む。一方、プローブデータ管理装置４からプローブデータを取り込み、その両方を用いて、交通状況予測を予測する。
このように、車両感知器２で収集した感知器データのみでは車両感知器２の設置されていない区間の交通状況がわからないという課題を、設置区間に関係なく取得できるプローブデータと感知器データとを組み合わせることで、より高精度な交通状況予測が可能となる。

【0016】

次に、図３を参照して、実施形態の交通状況予測装置１の機能構成について説明する。
図３は、第１実施形態の交通状況予測装置１の機能構成図である。交通状況予測装置１は、コンピュータ装置であり、処理部１１と、記憶部１２と、入力部１３と、表示部１４と、通信部１５と、を備える。

【0017】

なお、第１実施形態では、交通状況予測装置１について、説明を簡潔にするために、１台のコンピュータ装置によって構成されているものとして説明するが、これに限定されない。交通状況予測装置１は、例えば、複数のコンピュータ装置によって実現されてもよいし、あるいは、クラウドサーバによって実現されてもよい。

【0018】

記憶部１２は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などの記憶装置であり、各種情報を記憶する。記憶部１２は、例えば、道路データ１２１と、感知器データ１２２と、プローブデータ１２３と、紐付けデータ１２４と、教師データ１２５と、予測モデル１２６と、予測結果１２７と、を記憶する。

【0019】

道路データ１２１は、道路の構造に関する情報であり、例えば、区間の識別情報や長さ（区間長）や最大収容車両数等、車線数、インターチェンジ、パーキングエリアの場所等の情報である。

【0020】

感知器データ１２２は、道路交通管制システム３から取得した、車両感知器２によって収集された交通量［台／ｈ］、平均速度［ｋｍ／ｈ］、車両密度［台／ｋｍ］、占有率（オキュパンシー）［％］などの情報である。

【0021】

プローブデータ１２３は、プローブデータ管理装置４から取得した、道路を走行している複数の車両Ｃのそれぞれの挙動履歴に関する情報（例えば車速、加速度等）、走行履歴に関する情報（例えば位置等）等である。

【0022】

紐付けデータ１２４は、後述する検出処理部１１２により検出される、突発事象に起因するボトルネックに対応するプローブデータ１２３と、当該ボトルネックより上流側に設置された車両感知器２によって取得された感知器データ１２２とが紐付けられたデータである。紐付けデータ１２４については後述する。

【0023】

教師データ１２５は、機械学習により予測モデル１２６を生成するためのデータであり、入力データのサンプルデータと出力データの正解データ（実績値）とを含む。教師データ１２５におけるサンプルデータは、例えば過去の感知器データ１２２及び過去のプローブデータ１２３を含み、正解データは、例えば過去に実際に発生した渋滞に関するデータを含む。

【0024】

予測モデル１２６は、突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成するためのモデルであり、後述する学習処理部１１４により教師データ１２５を用いて生成される。なお、予測モデル１２６は、学習処理部１１４以外の適宜な機械学習手段を用いて生成されたものであってもよい。予測モデル１２６は、区間ごとに生成されてもよいし、複数の区間を含む路線ごとに生成されてもよい。

【0025】

予測結果１２７は、後述する予測処理部１１３により予測モデル１２６を用いて生成される、交通状況の予測結果を示す情報である。本実施形態の予測結果１２７は、突発事象に起因して将来発生する渋滞に関する渋滞予測情報を含む。

【0026】

なお、記憶部１２に記憶されるデータは上記に限定されるものではない。例えば、記憶部１２には、監視対象の道路近辺の気象に関する気象データ、監視対象の道路近辺で行われるイベントに関するイベントデータ等が記憶されてもよい。

【0027】

処理部１１は、例えば、ＣＰＵ（Central Processing Unit）と、ＲＯＭ（Read Only Memory）と、ＲＡＭ（Random Access Memory）と、を備える。ＣＰＵは、交通状況予測装置１の動作を統括的に制御する。ＲＯＭは、各種プログラムやデータを記憶する記憶媒体である。ＲＡＭは、各種プログラムを一時的に記憶したり、各種データを書き換えたりするための記憶媒体である。そして、ＣＰＵは、ＲＡＭをワークエリア（作業領域）としてＲＯＭ、記憶部１２等に格納されたプログラムを実行する。

【0028】

処理部１１は、機能構成として、取得部１１１と、検出処理部１１２と、予測処理部１１３と、学習処理部１１４と、表示制御部１１５と、送信制御部１１６と、を備える。

【0029】

取得部１１１は、外部装置から各種情報を取得する。本実施形態の取得部１１１は、道路交通管制システム３から、区間ごとに、車両感知器２によって収集された感知器データ１２２を取得する。また、取得部１１１は、プローブデータ管理装置４から、区間ごとに、道路を走行中の車両Ｃから収集されるプローブデータ１２３を取得する。

【0030】

検出処理部１１２は、取得部１１１により取得されたプローブデータ１２３に基づいて、道路上で発生した突発事象に起因するボトルネックを検出する。突発事象とは、例えば、事故、落下物、故障車、路上設備の故障、道路の破損、自然災害等であり得る。
ボトルネックとは、渋滞を発生させる原因となる道路上の領域である。検出処理部１１２は、例えば、プローブデータ１２３に含まれる複数の車両の速度変化、加速度変化、位置情報等に基づいて、道路上に発生したボトルネックを検出する。ボトルネックの具体的な検出方法は、特に限定されるべきものではないが、例えば、所定数以上の車両が所定速度未満となる領域をボトルネックと判定できる。

【0031】

ここで、検出されたボトルネックが突発事象に起因するものであるか否か（自然発生的なものでないか）を判定する方法は、特に限定されるべきものではないが、
例えば、ボトルネックが検出された領域における過去のボトルネック発生頻度等に基づいて当該判定を行うことができる。
例えば、ボトルネックが検出された領域における過去のボトルネック発生頻度（単位期間あたりのボトルネック発生回数）が閾値未満である場合等に、当該ボトルネックは突発事象に起因するものであると判定できる。
また、過去にボトルネックが発生した時間帯等を考慮して当該判定を行ってもよい。

【0032】

予測処理部１１３は、検出処理部１１２により検出された、突発事象に起因するボトルネックに対応するプローブデータ１２３と、当該ボトルネックより上流側に設置された車両感知器２により取得された感知器データ１２２とが紐付けられた紐付けデータ１２４に基づいて、当該突発事象に起因して将来発生する渋滞に関する渋滞予測情報を生成する。

【0033】

ここで、ボトルネックに対応するプローブデータ１２３とは、例えば、ボトルネックより上流側であり且つボトルネックから所定距離内を走行している車両の速度、加速度、位置等を示すデータであり得る。渋滞予測情報には、例えば、渋滞区間、渋滞発生時刻、渋滞距離、通過所要時間、平均速度等が含まれ得る。
本実施形態の予測処理部１１３は、区間ごと又は路線ごとに生成された予測モデル１２６を用いて渋滞予測情報を生成する。

【0034】

学習処理部１１４は、過去の感知器データ１２２と、過去のプローブデータ１２３と、過去に発生した渋滞に関するデータとを含む教師データ１２５を用いて機械学習を行い、区間ごと又は路線ごとに予測モデル１２６を生成する。過去に発生した渋滞に関するデータとは、例えば、過去に実際に発生した渋滞の渋滞区間、通過所要時間、平均速度等であり得る。
学習処理部１１４は、例えば、着目区間とその周辺区間の教師データ１２５を用いて予測モデル１２６を生成する。
また、学習処理部１１４は、過去の気象データ、過去のイベントデータなどを更に利用して機械学習を行ってもよい。また、機械学習は、必ずしも事故発生区間毎に行わなくてもよく、路線単位等で予測モデルを生成してもよい。

【0035】

表示制御部１１５は、各種情報を表示部１４に表示させる。

【0036】

送信制御部１１６は、各種情報を外部装置に送信する。例えば、送信制御部１１６は、予測処理部１１３により生成された渋滞予測情報を含む予測結果１２７を道路交通管制システム３、道路を走行中の車両Ｃ、道路の路側に設置されている情報板、所定のユーザ（例えば車両Ｃの乗員等）が使用するスマートフォン等の端末装置に送信して表示させる。

【0037】

入力部１３は、交通状況予測装置１に対するユーザ（例えばシステム管理者等）の操作を受け付ける入力装置であり、例えば、キーボード、マウス等である。

【0038】

表示部１４は、液晶表示装置（ＬＣＤ（Liquid Crystal Display））、有機ＥＬ（Electro-Luminescence）表示装置等により実現される。

【0039】

通信部１５は、外部装置との通信を行うための通信インタフェースである。

【0040】

次に、図４を参照して、紐付けデータ１２４について説明する。
図４は、実施形態の紐付けデータ１２４を模式的に示す図である。図４において、道路上の３つの区間＃１１～＃１３のうち区間＃１２において突発事象に起因するボトルネックＢ（例えば、事故、故障車、落下物等）が発生した場合が例示されている。
このような場合、紐付けデータ１２４は、ボトルネックＢが発生した区間に対応する車両Ｃから得られたプローブデータ１２３と、ボトルネックＢが発生した区間に設置された車両感知器２Ａから取得された感知器データ１２２Ａと、ボトルネックＢより上流側に設置された車両感知器２Ａ，２Ｂにより取得された感知器データ１２２Ｂとが紐付けられて生成される。

【0041】

なお、図４においては、紐付けデータ１２４は、ボトルネックＢが検出された区間＃１２の感知器データ１２２Ａと、その１つ上流の区間＃１３の感知器データ１２２Ｂとをプローブデータ１２３に紐付ける例が示されているが、更に区間＃１２の２つ以上上流の区間の感知器データを紐付けてもよい。また、プローブデータ１２３も、複数台分の車両Ｃのデータが存在する。
また、紐付けデータ１２４は、ボトルネックＢが発生した区間に対応する車両Ｃから得られたプローブデータ１２３と、ボトルネックＢが発生した区間に設置された車両感知器２Ａから取得された感知器データ１２２Ａと、ボトルネックＢより上流側に設置された車両感知器２Ｂにより取得された感知器データ１２２Ｂとに加えて、ボトルネックＢが検出された区間＃１２より下流側の区間＃１１の感知器データを紐付けてもよい。

【0042】

次に、図５を参照して、予測モデル１２６について説明する。
図５は、実施形態の予測モデル１２６の処理を説明するための図である。図５に示されるように、予測モデル１２６は、紐付けデータ１２４を入力データとし、渋滞予測情報１３０を出力データとする。

【0043】

紐付けデータ１２４に含まれる感知器データ１２２Ａ，１２２Ｂには、例えば、ボトルネックＢが発生した区間と、その区間の上流側に位置する区間（上流側区間）における交通量、平均速度、車両密度、占有率などが含まれ得る。

【0044】

紐付けデータ１２４に含まれるプローブデータ１２３には、例えば、ボトルネックＢより上流側で且つボトルネックＢから所定距離内を走行している車両の速度、加速度、位置等が含まれ得る。

【0045】

出力データとなる渋滞予測情報１３０には、例えば、渋滞区間、渋滞発生時刻、渋滞長、任意の２地点間の所要時間、平均速度等が含まれ得る。
なお、予測モデル１２６への入力データとして、更に気象情報、曜日情報、時間帯情報、イベント情報（事故、故障車、落下物等の交通管制システムで検知されたイベント）等を追加してもよい。このようにすることで、気象情報やイベント情報を加味した予測となり、渋滞予測の精度が向上する。

【0046】

上記のような紐付けデータ１２４を予測モデル１２６に入力することにより、突発事象に起因するボトルネックＢにより引き起こされる将来の渋滞を高精度に予測できる。このような手法によれば、感知器データのみ又はプローブデータのみを用いて渋滞予測を行う場合に比べ、予測精度を向上させることができる。

【0047】

図６を参照して、交通状況予測装置１による処理の流れについて説明する。
図６は、実施形態の交通状況予測装置１による処理を示すフローチャートである。
Ｓ１０１において、取得部１１１が監視対象の道路を走行している車両Ｃのプローブデータ１２３を取得する。

【0048】

次に、Ｓ１０２において、検出処理部１１２は複数の車両Ｃのそれぞれから取得される複数のプローブデータ１２３に基づいて、突発事象に起因するボトルネックＢを検出する処理を行う。
Ｓ１０２において、ボトルネックＢが検出されない場合（Ｓ１０２：Ｎｏ）、本ルーチンを終了する。
Ｓ１０２において、ボトルネックＢが検出された場合（Ｓ１０２：Ｙｅｓ）、予測処理部１１３は当該ボトルネックＢに対応するプローブデータ１２３と、当該ボトルネックＢより上流側に設置された車両感知器２Ａ，２Ｂにより取得された感知器データ１２２Ａ，１２２Ｂとを紐付けて紐付けデータ１２４を生成する（Ｓ１０３）。

【0049】

そして、Ｓ１０４において、紐付けデータ１２４に基づいて渋滞予測情報１３０を生成する。このとき、予測処理部１１３はボトルネックＢが存在する区間又は路線に対応する予測モデル１２６に紐付けデータ１２４を入力することにより渋滞予測情報１３０を生成する。
その後、Ｓ１０５において、表示制御部１１５又は送信制御部１１６は渋滞予測情報１３０をユーザ（車両の運転手等）が認識可能な態様で出力する。

【0050】

なお、突発事象とボトルネックとの因果関係の有無は、プローブデータ以外の情報に基づいて行われてもよい。例えば、道路に設置されたカメラにより取得された映像、路上監視員からの報告、車両の乗員からの通報等に基づいて突発事象とボトルネックとの因果関係を特定してもよい。

【0051】

以上のように、本実施形態によれば、プローブデータと感知器データとが紐付けられた紐付けデータに基づいて突発事象に起因する渋滞が予測される。これにより、突発事象に起因する渋滞を高精度に予測することが可能となる。

【0052】

本実施形態の交通状況予測装置１のＣＰＵで実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。

【0053】

さらに、当該プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、本実施形態で実行される当該プログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

【0054】

以上、本発明の実施形態を説明したが、上記実施形態はあくまで例であって、発明の範囲を限定することは意図していない。上記実施形態は、様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施形態は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0055】

１…交通状況予測装置、２，２Ａ，２Ｂ…車両感知器、３…道路交通管制システム、４…プローブデータ管理装置、５…路車間通信装置、１１…処理部、１２…記憶部、１３…入力部、１４…表示部、１５…通信部、１１１…取得部、１１２…検出処理部、１１３…予測処理部、１１４…学習処理部、１１５…表示制御部、１１６…送信制御部、１２１…道路データ、１２２，１２２Ａ，１２２Ｂ…感知器データ、１２３…プローブデータ、１２４…紐付けデータ、１２５…教師データ、１２６…予測モデル、１２７…予測結果、１３０…渋滞予測情報、Ｃ…車両、Ｒ…道路、Ｓ…交通状況予測システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】