特許 7391669 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】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-11-27

(45)【発行日】2023-12-05

(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 20060101AFI20231128BHJP

   G08G 1/01 20060101ALI20231128BHJP

   G08G 1/13 20060101ALI20231128BHJP

【ＦＩ】

G08G1/00 C

G08G1/01 A

G08G1/13

【請求項の数】 14

(21)【出願番号】P 2020000718

(22)【出願日】2020-01-07

(65)【公開番号】P2021111002

(43)【公開日】2021-08-02

【審査請求日】2022-04-05

(73)【特許権者】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110001689

【氏名又は名称】青稜弁理士法人

(72)【発明者】

【氏名】山城 昌雄

(72)【発明者】

【氏名】大塚 理恵子

【審査官】▲高▼木 真顕

(56)【参考文献】

【文献】特開平０９－３１９９９２（ＪＰ，Ａ）

【文献】特開２００３－０４４９７５（ＪＰ，Ａ）

【文献】特開２００７－１２８１２１（ＪＰ，Ａ）

【文献】特開２０００－２３１６９０（ＪＰ，Ａ）

【文献】特開２００２－０４９９８４（ＪＰ，Ａ）

【文献】特開２００３－３１７１８４（ＪＰ，Ａ）

【文献】特開２００７－０８５８９８（ＪＰ，Ａ）

【文献】特開２０１４－１３７２２１（ＪＰ，Ａ）

【文献】特開２００４－０３７３０１（ＪＰ，Ａ）

【文献】特開２０１１－０６００１９（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００ － ９９／００

Ｇ０１Ｃ ２１／００ － ２１／３６

(57)【特許請求の範囲】

【請求項1】

収集データ特性テーブルと個体観測情報推計部と個体位置予測部とを有し、移動体の交通状況を予測する交通状況予測装置であって、
前記収集データ特性テーブルは、
前記交通状況予測装置に入力された位置情報収集データが集計データか個体データかを示す集計単位情報を前記移動体の種別毎に格納し、
前記個体観測情報推計部は、
前記集計単位情報に基づいて、前記位置情報収集データが前記集計データか前記個体データかを判定し、
前記判定の結果、前記位置情報収集データが前記集計データの場合、前記集計データを前記個体データに置換して個別の前記移動体毎に個体観測情報を生成し、
前記判定の結果、前記位置情報収集データが前記個体データの場合、個別の前記移動体毎に前記個体観測情報を生成し、
前記個体位置予測部は、
前記個体観測情報に基づいて、予測対象時刻における前記移動体の位置を予測して個体位置予測結果を出力し、
前記集計データは、所定の集計時間内に取得された前記移動体の交通量に関する収集データであり、
前記個体データは、所定の時間に取得された前記移動体単体に関する収集データであり、
前記収集データ特性テーブルは、
前記位置情報収集データの時間レンジの粒度を示す集計時間粒度情報を更に格納し、
前記個体観測情報推計部は、
前記集計時間粒度情報に基づいて、前記集計データを前記移動体の前記交通量に対応した個数の前記個体データに置換して前記個体観測情報を生成することを特徴とする交通状況予測装置。

【請求項2】

前記個体位置予測部は、
前記移動体に関する時刻表情報があるかを判定し、
前記判定の結果、前記時刻表情報がある場合は、前記時刻表情報を参照して、前記予測対象時刻における前記移動体の位置を予測し、
前記判定の結果、前記時刻表情報がない場合は、目的地を示す目的地情報と、所定の時刻に所定の移動元で観測された前記移動体が確率的に分散移動する移動先を予測する移動先予測モデルとを用いて、前記予測対象時刻における前記移動体の位置を予測することを特徴とする請求項１に記載の交通状況予測装置。

【請求項3】

個体位置予測判断部を更に有し、
前記個体位置予測判断部は、
前記個体観測情報から前記移動体毎の移動体情報を取得し、
前記移動体情報に紐づいた前記時刻表情報の有無と、前記移動体情報に紐づいた前記目的地の目的地予測の有無を予測判断結果として出力し、
前記個体位置予測部は、
前記予測判断結果を参照して、前記予測対象時刻における前記移動体の位置を予測することを特徴とする請求項２に記載の交通状況予測装置。

【請求項4】

前記個体位置予測部は、
前記移動体の位置の予測結果として、前記移動体毎に、推計観測時刻、前記予測対象時刻、前記推計観測時刻と前記予測対象時刻の時刻差分、前記移動体の予測緯度及び予前記移動体の予測経度を表す前記個体位置予測結果を出力することを特徴とする請求項１に記載の交通状況予測装置。

【請求項5】

１次データ取得時刻推計部を更に有し、
前記収集データ特性テーブルは、
前記位置情報収集データが１次データかｎ次データかを示すデータ区分情報と、前記ｎ次データを生成するまでの処理時間を示す処理時間情報とを更に格納し、
前記１次データ取得時刻推計部は、
前記データ区分情報に基づいて、前記位置情報収集データが前記１次データか前記ｎ次データかを判定し、
前記判定の結果、前記位置情報収集データが前記ｎ次データの場合、前記処理時間情報に基づいて、前記１次データの取得時刻を推計観測時刻として推定して前記個体観測情報を生成することを特徴とする請求項１に記載の交通状況予測装置。

【請求項6】

前記移動体の前記交通状況を把握するための交通情報予測画面を表示する出力装置を更に有し、
前記交通情報予測画面は、
前記個体観測情報と前記個体位置予測結果とを表示することを特徴とする請求項１に記載の交通状況予測装置。

【請求項7】

前記交通情報予測画面は、
前記個体位置予測結果として、前記移動体の出発地点、目的地及び移動経路を表示することを特徴とする請求項６に記載の交通状況予測装置。

【請求項8】

入力装置を更に有し、
前記交通情報予測画面は、
表示対象とする前記移動体の選択画面を表示し、
前記入力装置により前記選択画面を介して前記移動体の選択を行うことを特徴とする請求項６に記載の交通状況予測装置。

【請求項9】

移動体の交通状況を予測する交通状況予測方法であって、
交通状況予測装置に入力された位置情報収集データが集計データか個体データかを示す集計単位情報を前記移動体の種別毎に格納し、
前記集計単位情報に基づいて、前記位置情報収集データが前記集計データか前記個体データかを判定し、
前記判定の結果、前記位置情報収集データが前記集計データの場合、前記集計データを前記個体データに置換して個別の前記移動体毎に個体観測情報を生成し、
前記判定の結果、前記位置情報収集データが前記個体データの場合、個別の前記移動体毎に前記個体観測情報を生成し、
前記個体観測情報に基づいて、予測対象時刻における前記移動体の位置を予測して個体位置予測結果を出力し、
前記集計データは、所定の集計時間内に取得された前記移動体の交通量に関する収集データであり、
前記個体データは、所定の時間に取得された前記移動体単体に関する収集データであり、
前記位置情報収集データの時間レンジの粒度を示す集計時間粒度情報を更に格納し、
前記集計時間粒度情報に基づいて、前記集計データを前記移動体の前記交通量に対応した個数の前記個体データに置換して前記個体観測情報を生成することを特徴とする交通状況予測方法。

【請求項10】

前記移動体に関する時刻表情報があるかを判定し、
前記判定の結果、前記時刻表情報がある場合は、前記時刻表情報を参照して、前記予測対象時刻における前記移動体の位置を予測し、
前記判定の結果、前記時刻表情報がない場合は、目的地を示す目的地情報と、所定の時刻に所定の移動元で観測された前記移動体が確率的に分散移動する移動先を予測する移動先予測モデルとを用いて、前記予測対象時刻における前記移動体の位置を予測することを特徴とする請求項９に記載の交通状況予測方法。

【請求項11】

前記個体観測情報から前記移動体毎の移動体情報を取得し、
前記移動体情報に紐づいた前記時刻表情報の有無と前記移動体情報に紐づいた前記目的地の目的地予測の有無を予測判断結果として出力し、
前記予測判断結果を参照して、前記予測対象時刻における前記移動体の位置を予測することを特徴とする請求項１０に記載の交通状況予測方法。

【請求項12】

前記移動体の位置の予測結果として、前記移動体毎に、推計観測時刻、前記予測対象時刻、前記推計観測時刻と前記予測対象時刻の時刻差分、前記移動体の予測緯度及び予前記移動体の予測経度を表す前記個体位置予測結果を出力することを特徴とする請求項９に記載の交通状況予測方法。

【請求項13】

前記位置情報収集データが１次データかｎ次データかを示すデータ区分情報と、前記ｎ次データを生成するまでの処理時間を示す処理時間情報とを更に格納し、
前記データ区分情報に基づいて、前記位置情報収集データが前記１次データか前記ｎ次データかを判定し、
前記判定の結果、前記位置情報収集データが前記ｎ次データの場合、前記処理時間情報に基づいて、前記１次データの取得時刻を推計観測時刻として推定して前記個体観測情報を生成することを特徴とする請求項９に記載の交通状況予測方法。

【請求項14】

前記個体観測情報と前記個体位置予測結果とを交通情報予測画面に表示することを特徴とする請求項９に記載の交通状況予測方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、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】

プローブ（ＧＰＳ）を搭載した車両や携帯端末の普及により、位置情報を活用して道路混雑や遅延の発生を予測し、公共交通の発着時間を予測することが可能となっている。
例えば、特許文献１では、プローブデータから取得したプローブ速度から交通量を推測し、公共交通（バス）の発着遅延を予測している。

【0003】

また、特許文献２では、人が有する携帯端末から得られた位置情報とセンタ装置との通信遅延を加味し、通信に伴って発生する遅延時間に基づいて現在位置情報の誤差を補正してリアルタイムな位置情報を予測している。

【先行技術文献】

【特許文献】

【0004】

【文献】ＷＯ２０１６－１７４７４５号公報

【文献】特開２００９－８５７６１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、特許文献１では、現在バスが道路のどの位置にいるのかについては、常にデータを取得できることを前提としている。例えば、５分に１回だけしか位置情報を取得できないといった制約下において、取得した位置情報からどのように現在位置や遅延発生を予測するかについては言及されていない。

【0006】

また、特許文献２では、全ての人が携帯端末を所持しているとは限らず、所持していても常に位置情報を発信しているとも限らない。よって、ＧＰＳのみで都市全体の人の流れを把握することは難しい。このように、特許文献２では、携帯端末以外の情報からリアルタイムに人の位置を予測することについての言及はなく、その他のデータソースに活用できる手法とは言い難い。

【0007】

本発明の目的は、交通状況予測装置において、交通状況をリアルタイムかつより正確に把握することにある。

【課題を解決するための手段】

【0008】

本発明の一態様の交通状況予測装置は、収集データ特性テーブルと個体観測情報推計部と個体位置予測部とを有し、移動体の交通状況を予測する交通状況予測装置であって、前記収集データ特性テーブルは、前記交通状況予測装置に入力された位置情報収集データが集計データか個体データかを示す集計単位情報を前記移動体ごとに格納し、前記個体観測情報推計部は、前記集計単位情報に基づいて、前記位置情報収集データが前記集計データか前記個体データかを判定し、前記判定の結果、前記位置情報収集データが前記集計データの場合、前記集計データを前記個体データに置換して前記移動体毎に個体観測情報を生成し、前記個体位置予測部は、前記個体観測情報に基づいて、予測対象時刻における前記移動体の位置を予測して個体位置予測結果を出力することを特徴とする。

【0009】

本発明の一態様の交通状況予測方法は、移動体の交通状況を予測する交通状況予測方法であって、前記交通状況予測装置に入力された位置情報収集データが集計データか個体データかを示す集計単位情報を前記移動体ごとに格納し、前記集計単位情報に基づいて、前記位置情報収集データが前記集計データか前記個体データかを判定し、前記判定の結果、前記位置情報収集データが前記集計データの場合、前記集計データを前記個体データに置換して前記移動体毎に個体観測情報を生成し、前記個体観測情報に基づいて、予測対象時刻における前記移動体の位置を予測して個体位置予測結果を出力することを特徴とする。

【発明の効果】

【0010】

本発明の一態様によれば、交通状況予測装置において、交通状況をリアルタイムかつより正確に把握することができる。

【図面の簡単な説明】

【0011】

【図1】実施例の交通状況予測装置の構成を示す図である。

【図2】位置情報収集データの一例を示す図である。

【図3】収集データ特性テーブルの一例を示す図である。

【図4】個体観測情報推計部のフローチャートである。

【図5】１次データ取得時刻推計部のフローチャートである。

【図6】個体観測情報推計結果の一例を示す図である。

【図7】時刻表情報の一例を示す図である。

【図8】（ａ）は緯度経度マスタの一例を示す図であり、（ｂ）は目的地情報の一例を示す図である。

【図9】個体位置予測判断部のフローチャートである。

【図10】予測判断結果の一例を示す図である。

【図11】移動先予測モデルの一例を示す図である。

【図12】個体位置予測部のフローチャートである。

【図13】個体位置予測結果の一例を示す図である。

【図14】交通情報予測画面の第一の例を示す図である。

【図15】交通情報予測画面の第二の例を示す図である。

【発明を実施するための形態】

【0012】

以下、図面を用いて実施例について説明する。

【実施例】

【0013】

（交通状況予測装置）
図１を参照して、実施例の交通状況予測装置１の構成について説明する。
交通状況予測装置１は、一般的なコンピュータである。交通状況予測装置１は、中央制御装置１１、キーボード、マウス等の入力装置１２、ディスプレイ等の出力装置１３、通信装置１４、主記憶装置１５及び補助記憶装置１６を有する。これらはバスによって相互に接続されている。

【0014】

主記憶装置１５における、個体観測情報推計部２１、１次データ取得時刻推計部２２、個体位置予測手法判断部２３及び個体位置予測部２４は、プログラムである。以降、“○○部は”と主体を記した場合は、中央制御装置１１が、補助記憶装置１６から各プログラムを読み出し、主記憶装置１５にロードしたうえで、各プログラムの機能（詳細後記）を実現するものとする。

【0015】

補助記憶装置１６は、位置情報収集データ３１、収集データ特性テーブル３２、個体観測情報推計結果３３、時刻表情報３４、目的地情報３５、予測判断結果３６、移動先予測モデル３７、緯度経度マスタ３８及び個体位置予測結果３９を記憶する。交通状況予測装置１は、ネットワーク４を介して、外部システム２及び外部サーバ３と通信可能である。ここで、外部システム２とは、例えば運行管理システムであり、リアルタイムに時刻表情報を取得しても良い。また、運行管理システム側へ個体位置予測結果３９を配信し、都市全体のリアルタイム交通情報を鉄道やバスの運行管理に活用しても良い。外部サーバ３とは、例えば、ＧＰＳデータ収集サーバであり、ネットワーク４を介して位置情報データを取得しても良い。

【0016】

（位置情報収集データ）
図２を参照して、位置情報収集データ３１を説明する。
位置情報収集データ３１においては、データ取得時刻欄１０１には、交通状況予測装置１にデータが入力された時点の時刻が、取得データ情報欄１０２には、位置情報を含む移動体の計測情報が記憶されている。

【0017】

例えば、（ｂ）の収集データＢ１０３は、車両の位置情報を取得した結果であり、１０時１分に車両ＩＤ：００１の緯度経度を取得し（１０４）、１０時２分に車両ＩＤ：００２の緯度経度を取得している（１０５）。（ｄ）の収集データＤ１０６は、ある地点の交通量を取得したデータである。１０時２５分に５人の交通量を取得し（１０７）、１０時４０分に１０人の交通量を取得している（１０８）。

【0018】

（収集データ特性テーブル）
図３を参照して、収集データ特性テーブル３２を説明する。
収集データ特性テーブル３２は、交通状況予測装置１に入力される位置情報収集データ３１がどのような属性や特性を持っているかの情報を記憶している。具体的に、項番欄２０１には項番が記憶されている。収集データ名欄２０２には収集データ名が記憶されている。事業者名欄２０３には収集データを取り扱っている事業者名が記憶されている。移動体欄２０４には列車、バス、人、タクシー、車などの移動体名が記憶されている。集計単位情報欄２０５には収集データが個体観測データなのか、集計結果なのかの情報が記憶されている。

【0019】

データソース欄２０６にはＧＰＳ、カメラ、その他のセンサなどの収集データの取得手段が記憶されている。データ区分欄２０７には収集データが１次データなのか、あるいはｎ次データのかの情報が記憶されている。１次データ時刻情報欄２０８には収集データの取得データ欄１０１に１次データの時刻情報が含まれているかどうかの情報が記憶されている。

【0020】

集計時間粒度欄２０９には収集データの時間レンジの粒度が記憶されている。データ取得頻度欄２１０には収集データの取得頻度が記憶されている。ｎ次データ生成までの処理時間欄２１１には、移動体位置情報の観測後、そのデータが外部システムによって集計及び加工され、交通状況予測装置１に入力されるまでに要する時間が記憶されている。なお、ｎ次データ生成までの処理時間欄２１１には、処理に要した時間の他に通信遅延なども含めても良い。

【0021】

（個体観測情報推計部）
図４を参照して、個体観測情報推計の手順を説明する。
ここで、実施例における”個体”とは、移動体単体のことであり、例えば、人であれば、個体観測情報推計部２１は、個人単位の観測時刻と観測位置を推計する。

【0022】

ステップＳ２０１において、個体観測情報推計部２１は、位置情報収集データ３１を取得する。ステップＳ２０２において、個体観測情報推計部２１は、収集データ特性テーブル３２から集計単位情報２０５を取得する。

【0023】

ステップＳ２０３において、個体観測情報推計部２１は、収集データ名２０２に紐づいた集計単位情報２０５を用いて、各収集データが集計データなのか単体データなのかを判定する。もし、集計データであった場合、ステップＳ２０４において、個体観測情報推計部２１は、収集データ特性テーブル３２の集計時間粒度２０９を基に個々の個体観測情報を生成する。

【0024】

以下、具体的な例を挙げ、個体観測情報の生成方法を説明する。例えば、位置情報収集データＺが緯度経度（Ｘ，Ｙ）の定点カメラ計測された１０時～１０時５分までの集計データであり、計６人であったとする。その際、ステップＳ２０３では１０時、１０時１分、１０時２分、１０時３分、１０時４分、１０時５分に（Ｘ，Ｙ）での人の通過（計６名）が発生したと推計する。これにより集計データであっても単体データに置換することができる。上記の例では時間レンジ内で等分散して人が通過したとしているが、時間レンジの中で疎密なデータとしても良い。

【0025】

ステップＳ２０５において、個体観測情報推計部２１は、結果を個体観測情報推計結果３３に保存する。個体観測情報推計を行うことにより、全ての収集データは個体データとして扱うことが可能となる。

【0026】

（１次データ取得時刻推計部）
図５を参照して、１次データ取得時刻推計の手順を説明する。
ここで、実施例における”１次データ取得時刻”とは、移動体位置を観測した時点のタイムスタンプを示す。様々な収集データにおいて、必ずしも移動体位置を取得した時点のタイムスタンプが存在するとは限らない。また、収集されたデータは複数のシステムを介した上で本実施形態に入力される場合も考えられ、その際、システムを経由することによる通信遅延を加味した予測を行う必要がある。

【0027】

ステップＳ３０１において、１次データ取得時刻推計部２２は、個体観測情報推計結果を取得する。なお、Ｓ３０１の時点の結果では、取得時刻と合わせた個体データが格納されている状態となっている。個体観測情報推計結果の詳細は後述する。

【0028】

ステップＳ３０２において、１次データ取得時刻推計部２２は、収集データ特性テーブル３２からデータ区部２０７を取得する。

【0029】

ステップＳ３０３において、１次データ取得時刻推計部２１は、各収集データが１次データであるかどうかを判定する。１次データではなかった場合、ステップＳ３０４において、１次データ取得時刻推計部２２は、収集データ特性テーブル３２のｎ次データ生成までの処理時間２１１を基に個々の１次データ取得時刻を推定する。

【0030】

以下、具体的な例を挙げて１次データ取得時刻の推定方法を説明する。項番２の取集データＢ（２１２）は、データ区分２０７より、２次データ、すなわち、観測データである１次データから何らかの処理を経た後の結果であることが分かる。収集データＢに関し、実際の観測時刻を推計するためには、その処理に要した時間を差し引く必要がある。ｎ次データ生成までの処理時間２１１を参照すると、２次データである収集データＢの作成に要した時間（通信遅延も含む）は１分であることが分かる。

【0031】

これより、収集データＢに関しては、取得時刻から１分前の時刻が実際の観測時刻であると推測できる。ｎ次データ生成までの処理時間２１１に関しては、データサイズの問題や通信環境の問題で定数とできない可能性もある。そのため、ｎ次データ生成までの処理時間２１１に外部パラメータを加えた計算式を定義しても良い。

【0032】

ステップＳ３０５において、１次データ取得時刻推計部２１は、個体観測情報推計結果に１次データ取得時刻として、取得時刻あるいはステップＳ３０４で推計した推計観測時刻を追加する。

【0033】

（個体観測情報推計結果）
図６を参照して、個体観測情報推計結果３３を説明する。
個体観測情報推計結果３３においては、個体ＩＤ欄３０１には個体ＩＤが記憶されている。移動体欄３０２には列車、バス、人、タクシー、車などの移動体名が記憶されている。データソース欄３０３にはＧＰＳ、カメラ、その他のセンサーなどのデータ取得手段が記憶されている。緯度欄３０４には移動体の緯度情報が記憶されている。経度欄３０５には移動体の経度情報が記憶されている。取得時刻欄３０６には個体観測情報推計部２１で推計された各移動体の取得時刻が記憶されている。推計観測時刻欄３０７には１次データ取得時刻推計部２２で推計された各移動体の観測予測時刻が記憶されている。

【0034】

（時刻表情報）
図７を参照して、時刻表情報３４を説明する。
時刻表情報３４おいては、始点終点情報４０１と走行時間情報４０２が記憶されている。始点終点情報４０１では、事業者名欄４０３には事業者名が記憶されている。移動体欄４０４には移動体名が記憶されている。始発欄４０５には始発駅、始発停留所名が記憶されている。終点欄４０６には終点駅、終点停留所名が記憶されている。始発時刻欄４０７には始発時刻の一覧が記憶されている。走行時分情報４０２では、事業者名欄４０８には事業者名が記憶されている。移動体欄４０９には移動体名が記憶されている。区間欄４１０には走行区間あるいは停車駅・停留所名が記憶されている。所要時間欄４１１には移動時間あるいは停車時間が記憶されている。緯度経度マスタ名称欄４１２には緯度経路マスタ３５から緯度経度情報を参照するための名称が記憶されている。

【0035】

（緯度経度マスタ）
図８（ａ）を参照して、緯度経度マスタ３５を説明する。
緯度経度マスタ３５においては、名称欄５０１に地点名あるいは経路名が記憶されている。番号欄５０２には各名称の緯度経路データ数に対応した連番（地点名であれば必ず１点、経路名であれば複数点の線分データ）が記憶されている。緯度欄５０３には緯度情報が記憶されている。経度欄５０４には経度情報が記憶されている。

【0036】

（目的地情報）
図８（ｂ）を参照して、目的地情報３６を説明する。
目的地情報３６においては、事業者名欄５０５には事業者名が記憶されている。移動体欄６０６には移動体名が記憶されている。個体ＩＤ欄５０７に個体ＩＤが記憶されている。目的地欄５０８には目的地情報が記憶されている。経路欄５０９には経路情報が記憶されている。

【0037】

目的地情報３６は各個体ＩＤについて、目的地が設定されていた場合のみデータを取得する。経路欄５０９は目的地に加えて移動経路が設定されている場合のみデータを取得し、データがない場合は、例えば”－“としておく。目的地情報は必ずしも必要ではなく、時刻表に合わせて移動する移動体や目的地不明の移動体については目的地情報を保有しない。

【0038】

（個体位置予測手法判定部）
図９を参照して、個体位置予測手法判定の手順を説明する。
個体位置予測を行うためには対象となる移動体が時刻表に基づいて移動しているのか、あるいは決められた目的地に対して移動しているのか、それとも目的地不明なのかを把握する必要がある。個体位置予測手法判定部２３では、それらの情報を取得し、どういった予測が必要かを判定する。

【0039】

ステップＳ４０１において、個体位置予測手法判定部２３は、個体観測情報推計結果から各個体の個体ＩＤおよび移動体情報を取得する。ステップＳ４０２において、個体位置予測手法判定部２３は、取得した移動体情報に紐づいた時刻表情報が存在するかどうかを参照し、時刻表情報３４が存在すれば“有”、なければ“無”と判定する。もし、時刻表情報が“有”だった場合、目的地予測や経路予測は不要のため、ステップＳ４０３を省略しても良い。

【0040】

ステップＳ４０３において、個体位置予測手法判定部２３は、取得した個体ＩＤに紐づいた目的地情報３６が存在するかどうかを参照し、目的地情報３６が存在すれば目的地予測を“不要”とし、存在しなければ“要”とする。更に、目的地情報３６の中で経路欄５０９に経路情報が入力されていれば（”－”ではない場合）、経路予測を“不要”とし、経路情報が入力されていなければ（“－”の場合）、経路予測を“要”とする。ステップＳ４０４において、個体位置予測手法判定部２３は、予測判断結果を出力する。

【0041】

（予測判断結果）
図１０を参照して、予測判断結果３７を説明する。
予測判断結果３７においては、個体ＩＤ欄６０１には個体ＩＤが記憶されている。移動体欄６０２には移動体名が記憶されている。時刻表有無欄６０３には各個体ＩＤに対する時刻表情報３４の有無が記憶されている。目的地予測欄６０４には目的地予測が必要か否かの判断結果が記憶されている。経路予測欄６０５には経路予測が必要か否かの判断結果が記憶されている。

【0042】

（移動先予測モデル）
図１１を参照して、移動先予測モデル３８を説明する。
移動先予測モデル３８では、ある地点（エリア）にいた移動体（人、車両など）がどこに移動するかについて確率的に予測したモデルである。移動先予測モデル３８においては、移動体欄６０１に移動体名が記憶されている。移動元欄６０２に移動元の地点名（エリア名）が記憶されている。時間帯欄６０３に時間帯情報が記憶されている。移動先欄６０４に移動先地点名（エリア名）が記憶されている。経路欄６０５に経路情報が記憶されている。滞在・移動時間欄６０６に滞在時間あるいは移動時間が記憶されている。移動確率欄６０７に移動元から移動先に移動する確率が記憶されている。

【0043】

以下、移動体：人Ａ、移動元：エリアＡ、時間帯：６時（６０８）を例とし、具体的にモデルの説明を行う。（６０８）で示す５行のデータはエリアＡに滞在する６時台の人が次にどのエリアに移動するかを予測するモデルである。上からエリアＡからエリアＡに移動、すなわちエリアＡに１０分間留まる人が１０％、１５分留まる人が１０％、エリアＡからエリアＢに経路００１を経由して移動する人が３０％、経路００２を経由する人が４０％、エリアＡからエリアＣに経路００３を経由して移動する人が１０％となる。これらを合計すると、０．１＋０．１＋０．３＋０．４＋０．１＝１．０となり、６時台にエリアＡで観測された人が確率的にどこに分散移動するかを予測することができる。これらのデータは例えば、ＧＰＳの実績データを蓄積し、各移動体の移動確率を算出することで、モデル化することが可能である。

【0044】

（個体位置予測部）
図１２を参照して、個体位置予測部の手順を説明する。
ステップＳ５０１において、個体位置予測部２４は、予測対象時刻を入力する。予測対象時刻は、例えば現在時刻を入力するあるいは任意の未来の時刻を入力しても良い。

【0045】

ステップＳ５０２において、個体位置予測部２４は、個体観測情報推計結果を取得する。ステップＳ５０３において、個体位置予測部２４は、各個体ＩＤに紐づく予測判断結果を取得する。ステップＳ５０４において、個体位置予測部２４は、時刻表データの有無を確認する。もし、時刻表データが存在する場合、ステップＳ５０５において、個体位置予測部２４は、時刻表情報３４を参照し、予測対象時刻における移動体位置を予測する。

【0046】

以下、時刻表情報３４を用いた移動体位置予測方法について、具体的に説明する。例えば、列車であれば時刻表を持つ列車であれば、次に到着する駅は自明となっている。より具体的には、時刻表３４の列車Ａであれば始発は駅Ａであり、次の行先は駅Ｂであることが自明である。また、駅Ａから駅Ｂへの移動に要する時間は２．５分であることが所要時間４１１により分かる。これより、仮に駅Ａで１０時に列車Ａが観測され、予測対象時刻として１０時２分３０秒後の予測を行う場合、列車Ａの位置は２．５分後の移動先である駅Ｂにいることが予測できる。

【0047】

ここで、個体観測情報推計結果３３で観測している情報は、緯度３０４と経度３０４となっている。そのため、観測された緯度経度が時刻表におけるどの位置に該当するのかを把握する必要がある。より具体的には、緯度経度マスタ３５の緯度経度情報と観測された緯度経度情報を比較し、最も緯度経度が違い名称５０１を観測地点とする必要がある。時刻表を有する移動体の予測に関し、仮に予測対象の列車が終点駅に到達していた場合、これ以上列車位置の予測は行わないと判断することも可能である。

【0048】

図１２に戻り、説明を続ける。もし、時刻表データが存在しない移動体の場合、ステップＳ５０６において、目的地情報３６および移動先予測モデル３８を用いて予測対象時刻における移動体位置を予測する。

【0049】

以下、目的地情報３６および移動先予測モデル３８を用いた移動体位置予測方法について、具体的に説明する。予測判断結果３７において目的地予測が“不要”であり、経路予測が“要”である場合、移動先予測モデル３８を用いて経路を予測する必要がある。仮に、移動体が人Ａであり、時間帯が６時台、移動元がエリアＡ、目的地（移動先）がエリアＢであるとする。

【0050】

この情報を基に、移動先予測モデル３８を参照すると、経路候補として経路００１と経路００２が該当する。それぞれ移動確率６０７は０．３と０．４となっており、経路００１を使う確率が０．３／０．７、経路００２を使う確率が０．４／０．７となり、仮に該当の移動体が７人存在したとすれば、３名人を経路００１を利用してエリアＢに向かう、４名を経路００２を利用してエリアＢに向かうと予測しても良い。このとき、例えば、予測対象時刻が１分後であった場合、７人全てが経路００１および経路００２の線分上に存在すると予測できる。

【0051】

より具体的には、経路００１の移動時間は４分であり、経路００２の移動時間が６分であることから、経路００１においては、経路上の１／４地点、経路００２においては形状の１／６地点であると予測できる。もし、予測対象時刻が移動時間を超えた場合（上記の場合、６分を超えるとエリアＢにすべての移動体が到達する）、到達した移動先を移動元に置き換え、同様に次の移動先の予測を行うことで、何分先であっても移動体の位置を予測することが可能となる。

【0052】

予測判断結果３７において、目的地予測が“要”であり、経路予測も“要”である場合、移動先予測モデル３８を用いて移動先と経路の双方を予測する必要がある。仮に、移動体が人Ａであり、時間帯が６時台、移動元がエリアＡであった場合、移動先および経路の候補としては、（６０８）で示す５行のデータとなる。

【0053】

上からエリアＡからエリアＡに移動、すなわちエリアＡに１０分間留まる人が１０％、１５分留まる人が１０％、エリアＡからエリアＢに経路００１を経由して移動する人が３０％、経路００２を経由する人が４０％、エリアＡからエリアＣに経路００３を経由して移動する人が１０％である。これら移動確率を用いることで移動体の位置を予測することが可能となる（予測手法は、目的地予測が“不要”であり、経路予測が“要”である場合と同様のため省略する）。
上記、予測した結果は、ステップＳ５０７において、個体位置予測結果に保存する。

【0054】

（個体位置予測結果）
図１３を参照して、個体位置予測結果３９を説明する。
個体位置予測結果３９においては、個体ＩＤ欄７０１には個体ＩＤが記憶されている。移動体欄７０２には移動体名が記憶されている。推計観測時刻欄７０３には推計観測時刻が記憶されている。緯度欄７０４には観測した移動体の緯度が記憶されている。経度欄７０５には観測した移動体の経度が記憶されている。データソース欄７０６にはデータソース名が記憶されている。予測対象時刻欄７０７には予測対象時刻が記憶されている。時刻差分欄７０８には推計観測時刻と予測対象時刻の時刻差分が記憶されている。予測緯度欄７０９には個体位置予測部２４で予測した移動体の緯度が記憶されている。予測経度欄７１０には個体位置予測部２４で予測した移動体の緯度が記憶されている。

【0055】

（システム画面）
交通状況予測装置１は、ユーザー、例えば交通情報監視者が都市の交通状況を把握するための画面等を有する。以下に具体的な画面の一例を示して説明する。

【0056】

（システム画面：交通情報予測画面）
図１４を参照して、交通情報予測画面の第１の例（８０）を説明する。
交通情報予測画面８０は、個体観測情報推計結果３３の表示（８０１）と個体位置予測結果３９の表示（８０２）を行っている例である。個体観測情報推計結果３３の表示（８０１）では、各収集データの取得座標に合わせて地図上に円形のマークを表示させている（例えば、収集データであれば収集データ量に合わせた円のサイズ、個体データであれば小型の円とするなど）。

【0057】

個体観測情報推計結果３３の表示（８０１）では、収集データＤが選択されている状態となっており（逆三角のマークが選択位置）、収集データＤの個体ＩＤ一覧や、移動体および推計観測時刻が表示されている（８０３）。個体位置予測結果３９の表示（８０２）では、集計データも全て個体データに置き換えて位置情報を予測した結果を表示させており、予測対象時刻を１０時２５分に設定している例である。個体位置予測結果３９の表示（８０２）では、移動体：ｄ－００１が選択されている状態となっており（逆三角のマークが選択位置）、移動体：ｄ－００１が“カメラ”によって取得された“人”の情報であり、最終観測時刻が１０時であり、１０時２５分時点の予測結果を予測していることが表示されている（８０５）。

【0058】

図１５を参照して、交通情報予測画面の第２の例（８１）を説明する。
交通情報予測画面８１は、個体観測情報推計結果３３の表示（９０１）と、表示対象とする移動体およびデータソースの選択画面（９０２）の表示を行っている例である。表示対象とする移動体およびデータソースの選択画面（９０２）では、人、列車などの表示させたい移動体の選択と、ＧＰＳ、カメラなどの表示させたいデータソースをチェックボックスによって選択できるようにしている（チェックされたもののみ表示させるなど）。また、オプションとして移動体の重複削除（９０３）や移動体の発生予測（９０４）を実行も行うことができる。こちらの方法に関しては拡張機能として後述する。

【0059】

移動体選択のドロップダウンボックス９０５では、移動体：ａ－００１が選択される状態となっており（地図上の逆三角のマークが選択された移動体）、移動体：ａ－００１の出発・目的地の表示（例えば、出発は最初に観測された位置、目的地は目的地情報として与えられた目的地、あるいは移動先として予測した地点）や移動経路の表示（目的地情報として与えられた経路、あるいは予測した経路）の表示を行うことができる。

【0060】

（拡張機能１：移動体の重複削除）
実施例では、様々なデータソースを入力とし、移動体位置の予測を行っている。そのため、同じ移動体が別々の場所で重複して観測される可能性が考えられる。例えばエリアＡとエリアＢに観測装置があった場合、エリアＡからエリアＢに移動する移動体はエリアＡとエリアＢで時間的差異をもって観測されてしまう。つまり、観測された移動体が新規に出現した移動体なのか、観測済の別エリアから移動してきた移動体なのかは観測された時点では判別できない。また、別々のデータソースで同じ移動体を重複して取得してしまう可能も考えられる。

【0061】

そこで、エリアＢでの予測された移動体数とエリアＢで実測された移動体数の差分を抽出し、差分が新規に発生した移動体と判定することで重複を削除する。より具体的には、例えば１０時２５分にエリアＢに位置する人の総数（他エリアから移動してきた人）が１０人と予測された場合、その後、実測された１０時２５分のエリアＢの移動体総数と比較し、仮に実測でも１０人であり、予測と実測が一致した場合、エリアＢでは新規の移動体発生はないとし、１０時２５分時点での移動体の移動先予測は行わない。仮に実測が１１名であった場合、１人は新規発生と推測されるため、例えば、集計データであれば１名のみを新規追加し、移動先を予測する。仮に実測が９名であった場合、移動体１人は移動を終了した可能性が考えられる。そのため、予測する移動体を１名削減した上で予測を継続しても良い。

【0062】

（拡張機能２：移動体の新規発生予測）
実施例では、観測された移動体に対し、現在あるいは将来の位置情報を予測している。しかしながら、未観測の移動体についても、将来において新規観測できる可能性が考えられる。特に時刻表を有する移動体の場合、未観測の状態であっても予測対象時刻が始発時刻を過ぎていた場合は、新規の移動体として観測を予測することができる。具体的には時刻表情報３４の始発時刻４０７を参照し、各移動体の最終観測時刻から予測対象時刻の間に始発する移動体がないかを確認し、存在していた場合は新規発生する移動体として予測結果に加えても良い。

【0063】

また、時刻表を保有しない移動体であっても、移動体発生の統計データを作成し（例えば、エリアＡでは１０時に人が５人新規に発生など）、時間帯ごとに発生する新規移動体として予測結果に加えても良い。

【0064】

上記実施例によれば、様々なデータ取得環境下において、複数のデータソースを統合して都市の交通状況をリアルタイムかつより正確に把握することができる。

【0065】

また、取得データの通信遅延や更新間隔を加味し、データソースとしてＧＰＳ情報の他に、監視カメラ情報、改札データ、赤外線センサによるカウンティングデータなど様々なソースからリアルタイムな車両や人の位置を予測することができる。つまり、様々なデータ取得環境下において、複数のデータソースを統合して都市の交通状況をリアルタイムかつより正確に把握することができる。

【0066】

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

【0067】

また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

【0068】

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0069】

１ 交通状況予測装置
２ 外部システム
３ 外部サーバ
４ ネットワーク
１１ 中央制御装置（制御部）
１２ 入力装置
１３ 出力装置
１４ 通信装置
１５ 主記憶装置
１６ 補助記憶装置
２１ 個体観測情報推計部
２２ １次データ取得時刻推計部
２３ 個体位置予測判断部
２４ 個体位置予測部
３１ 位置情報収集データ
３２ 収集データ特性テーブル
３３ 個体観測情報推計結果
３４ 時刻表情報
３５ 緯度経度マスタ
３６ 目的地情報
３７ 予測判断結果
３８ 移動先予測モデル
３９ 個体位置予測結果
８０ 交通情報予測画面
８１ 交通情報予測画面

【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】