[发明专利]交通量预测装置、交通量预测方法以及程序

说明书

技术领域

本发明涉及根据过去的实际交通量预测交通量的交通量预测装置。

背景技术

以往以来，预测发生拥堵的地点、预测道路各链路(link)的平均旅行(行车)时间的服务得到了实用化。在此，“链路”是指构成道路的单位，例如由连结交叉路口和交叉路口的线段来规定。

另外，还已知对一天以后等较远的将来预测交通量的系统。在专利文献1中，对于预测对象链路，根据所积累的过去的交通信息，按包含于交通信息的星期、时刻等各时间属性，算出链路旅行时间的平均值、众数值等统计信息，将时间属性与预测将来时刻的时间属性相符的统计信息作为预测将来时刻的链路旅行时间进行输出。

专利文献1：日本特开2005-173996

发明内容

发明要解决的问题

在上述专利文献1所记载的预测方法中，按各时间属性而处理统计信息，因此对于一个时间属性的统计信息会被揉合(舍入)为一个值，可能会导致预测内容僵化。即，即使积累了新的交通信息，对统计信息的贡献也较小，因此新的交通信息难以反映到预测中。

因此，本发明是鉴于上述背景而完成的发明，目的在于提供一种能够灵活地进行预测的交通量预测装置。

用于解决问题的手段

本发明的交通量预测装置具备：实际状况数据输入部，其输入交通量的时间序列数据以及表示该时间序列数据的获取日的数据；日期类型付与部，其对所述时间序列数据付与与所述获取日对应的日期类型；分簇部，其根据时间序列数据彼此的接近程度，将由所述实际状况数据输入部输入的多个时间序列数据划分为多个簇；存储部，其与所述日期类型和所述簇相关联地存储所述时间序列数据；日期类型输入部，其输入交通量的预测对象日的日期类型；算出部，其检索存储于所述存储部的数据，求出包含具有所述日期类型的时间序列数据最多的簇，生成该簇所包含的具有所述日期类型的时间序列数据的平均时间序列数据；以及输出部，其将所述平均时间序列数据作为预测的交通量的时间序列数据来输出。

这样，将时间序列数据划分为多个簇，求出包含具有预测对象日的日期类型的时间序列数据最多的簇(最大簇)，由此能够根据预测对象日的日期类型的时间序列中的典型时间序列数据来预测交通量。在新输入实际状况数据而最大簇发生了变化的情况下，能够根据新构成了最大簇的时间序列数据来预测交通量。日期类型例如是指季节(春、夏、秋、冬)、星期、天气(晴、阴、雨)等。

在本发明的交通量预测装置中，可以为：所述分簇部在将所述时间序列数据初始映射于预定的空间内之后，通过在所述空间内随机地移动的主体，反复进行(1)保持处理和(2)映射处理，从而在所述空间内再次映射所述时间序列数据，将接近的时间序列数据彼此分簇为同一簇，所述保持处理为当所述主体来到映射了时间序列数据的位置时以预定的概率保持时间序列数据的处理，所述映射处理为在保持了所述时间序列数据的所述主体在所述主体周围的预定范围内检测出与所保持的时间序列数据具有预定的接近度的时间序列数据的情况下、映射所保持的时间序列数据的处理，所述存储部存储有映射了所述时间序列数据的数据。

通过以这种方法进行分簇，即使分簇处理不收敛，也能得到的簇的暂定的状况。在交通量预测装置中，对构成全国道路的链路的时间序列数据这种大量的数据进行处理，因此为了分簇处理收敛需要花费长时间，但根据本发明，能够根据暂定的簇来预测交通量。

在本发明的交通量预测装置中，可以为：所述分簇部当在具有已经进行了分簇的时间序列数据的空间内初始映射新的时间序列数据时，在存在于所述空间内的时间序列数据的重心位置初始映射新的时间序列数据。

这样，通过将新的时间序列数据初始映射于现有的时间序列数据的重心位置，能够迅速地将新的时间序列数据分类为簇。

在本发明的交通量预测装置中，可以为：所述实际状况数据输入部在交通量的预测对象日为当天的情况下，作为部分时间序列数据而输入预测对象时刻之前的当天的交通量的时间序列数据，所述算出部从所述存储部读出映射了具有所述日期类型的时间序列数据的数据，在将所述部分时间序列数据初始映射于所读出的时间序列数据的重心位置之后，由所述主体再次映射所述部分时间序列数据，算出再次映射了所述部分时间序列数据的簇所包含的时间序列数据的平均时间序列数据。

这样，搜索具有与预测对象时刻前的部分时间序列数据接近的时间序列数据的簇，使用该簇的预测对象时刻以后的时间序列数据来预测交通量，由此能够考虑当天的交通量的时间序列数据而进行适当的预测。