JP7358447B2 - 道路管理装置および道路管理方法 - Google Patents

Description

本発明は、道路管理装置および道路管理方法に関する。

道路を管理するためには、道路上で生じている交通流れの異常な状態等の道路情報を取得する必要がある。この点に関し、従来、道路上の区間ごとに設置された車両感知器からのデータを処理して各区間の渋滞判定を行うとともに、渋滞の原因を検出するようにした装置が知られている（例えば特許文献１参照）。

特許第３２４９６９０号公報

しかしながら、上記特許文献１記載の装置では、道路情報を取得するために区間ごとに車両感知器を設置する必要があり、コストの上昇を招く。

本発明の一態様である道路管理装置は、複数の車両にそれぞれ搭載された検出器からの情報であり、複数の車両がそれぞれ走行する走行車線の推定に用いられる検出器情報を取得する情報取得部と、情報取得部により取得された検出器情報に基づいて複数の車両のそれぞれの走行車線を推定する車線推定部と、第１期間と第１期間よりも過去の第２期間とにそれぞれ情報取得部により取得された検出器情報から得られる、車速情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報を、車線推定部により推定された走行車線に対応付けて記憶する記憶部と、記憶部に記憶された第１期間の車両走行情報と第２期間の車両走行情報とを比較し、その乖離の程度に応じて第１期間における道路上の異常の発生を推定する異常推定部と、を備える。記憶部は、第１期間および第２期間のそれぞれの車速情報を含む車両走行情報を、車線推定部により推定された複数の走行車線に対応付けて記憶し、異常推定部は、記憶部に記憶された第１期間における複数の走行車線の車速差を、第２期間における複数の走行車線の車速差と比較し、その乖離の程度に応じて第１期間における道路上の異常の発生を推定する。

本発明の他の態様である道路管理方法は、複数の車両にそれぞれ搭載された検出器からの情報であり、複数の車両がそれぞれ走行する走行車線の推定に用いられる検出器情報を取得するステップと、取得された検出器情報に基づいて複数の車両のそれぞれの走行車線を推定するステップと、第１期間と第１期間よりも過去の第２期間とにそれぞれ取得された検出器情報から得られる、車速情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報を、推定された走行車線に対応付けて記憶するステップと、記憶された前記第１期間の車両走行情報と第２期間の車両走行情報とを比較し、その乖離の程度に応じて第１期間における道路上の異常の発生を推定するステップと、を含む。記憶するステップは、第１期間および第２期間のそれぞれの車速情報を含む車両走行情報を、走行車線を推定するステップで推定された複数の走行車線に対応付けて記憶することを含み、異常の発生を推定するステップは、記憶された第１期間における複数の走行車線の車速差を、第２期間における複数の走行車線の車速差と比較し、その乖離の程度に応じて第１期間における道路上の異常の発生を推定することを含む。

本発明によれば、道路管理装置を安価に構成することができる。

本発明の実施形態に係る道路管理装置が想定する道路状況の一例を示す図。 本発明の実施形態に係る道路管理装置が想定する道路状況の他の例を示す図。 本発明の実施形態に係る道路管理装置を含む道路管理システムの全体構成を示す図。 本発明の実施形態に係る道路管理装置の機能的構成を示すブロック図。 本発明の実施形態に係る道路管理装置により得られる路面プロファイルの一例を示す図。 図３のコントローラで実行される処理の一例を示すフローチャート。 図３のコントローラで実行される処理の他の例を示すフローチャート。

以下、図１Ａ～図６を参照して本発明の実施形態について説明する。図１Ａ，図１Ｂは、それぞれ道路状況の一例を示す平面図であり、複数車線（例えば片側２車線）を有する道路を複数の車両１００が走行している例を示す図である。なお、図１Ａ，図１Ｂでは、第１車線ＬＮ１を走行する車両１００が符号１００Ａで、第２車線ＬＮ２を走行する車両１００が符号１００Ｂで示される。第２車線ＬＮ２は第１車線ＬＮ１よりも対向車線側にある。

図１Ａの例は、第１車線ＬＮ１および第２車線ＬＮ２とも道路が渋滞することなく、車両１００がスムーズに走行している。この場合、例えば第１車線ＬＮ１の車両１００Ａの車速Ｖ１は第２車線ＬＮ２の車両１００Ｂの車速Ｖ２よりも遅く、車線間に速度差が生じている。

一方、図１Ｂの例は、第１車線ＬＮ１に障害物２００（落下物など）があり、障害物２００を避けるために第１車線ＬＮ１が渋滞している。このため、図１Ａにおける第１車線ＬＮ１の車両１００Ａの車速Ｖ１と図１Ｂにおける第１車線ＬＮ１の車両１００Ａの車速Ｖ１との速度差は、図１Ｂにおける第２車線ＬＮ２の車両１００Ｂの車速Ｖ２と図１Ｂにおける第２車線ＬＮ２の車両１００Ｂの車速Ｖ２との速度差よりも大きい。また、車線間の速度差は、図１Ａの車線間の速度差よりも大きい。

このように道路上の障害物２００の有無は、通常時点と障害物が存在する時点との間における、複数車線ＬＮ１，ＬＮ２の車線毎の速度差あるいは車線間の速度差などに反映される。この点を考慮し、道路上における障害物の存在等、道路上に生じている異常の発生を検知できるよう、本実施形態は以下のように道路管理装置を構成する。

図２は、本発明の実施形態に係る道路管理装置を含む道路管理システム１０１の全体構成を概略的に示す図である。図２に示すように、道路管理システム１０１は、複数の車両１００にそれぞれ搭載された車載装置１と、ネットワーク２を介して車載装置１と通信可能に設けられたサーバ装置３とを有する。なお、図２では、複数の車両１００として、便宜上、第１車線ＬＮ１を走行する車両１００Ａと第２車線ＬＮ２を走行する車両１００Ｂの２台のみを示す。各車両１００Ａ，１００Ｂの車載装置１の構成は互いに同一である。

車載装置１とサーバ装置３とは、ネットワーク２を介して互いに通信可能に構成される。ネットワーク２には、インターネット網や携帯電話網等に代表される公衆無線通信網だけでなく、所定の管理地域ごとに設けられた閉鎖的な通信網、例えば無線ＬＡＮ、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等も含まれる。サーバ装置３は、例えば単一のサーバとして、あるいは機能ごとに別々のサーバから構成される分散サーバとして構成される。クラウドサーバと呼ばれるクラウド環境に作られた分散型の仮想サーバとしてサーバ装置３を構成することもできる。

図３は、車載装置１とサーバ装置３の主たる制御構成を示すブロック図である。なお、本実施形態に係る道路管理装置５０は、主にサーバ装置３により構成される。

図３に示すように、車載装置１は、測位衛星２０１から送信された測位用の信号を受信する測位センサ１０と、ネットワーク２（図２）を介してサーバ装置３と通信する通信ユニット１１と、センサ群１２と、スイッチ群１３と、コントローラ１４とを備える。測位衛星２０１は、ＧＰＳ衛星や準天頂衛星などの人工衛星であり、測位センサ１０が受信した測位衛星２０１からの測位情報を利用して、車両１００の現在位置（緯度、経度、高度）を算出することができる。

センサ群１２は、車両１００の走行状態を検出する複数のセンサの総称である。センサ群１２には、車両１００の左右方向の加速度を検出する横加速度センサ１２１と、車速を検出する車速センサ１２２と、車両１００の前部に搭載され、車両前方を撮像するカメラ１２３とが含まれる。スイッチ群１３は、車両１００の走行状態を検出する複数のスイッチの総称である。スイッチ群１３には、ドライバによる方向指示器の操作を検出するウインカースイッチ１３１が含まれる。なお、方向指示器とは、車両１００の右左折や進路変更の際に、その方向を周囲に示すための装置であり、ウインカーレバーなどにより構成される。

コントローラ１４は、ＣＰＵ等の演算部と、ＲＯＭ，ＲＡＭ等の記憶部と、その他の周辺回路とを有する演算処理装置を含んで構成される。コントローラ１４は、位置情報取得部１４１と、走行情報取得部１４２と、精度情報取得部１４３としての機能を有する。位置情報取得部１４１は、測位センサ１０により検出された車両１００の現在の位置情報を取得する。走行情報取得部１４２は、センサ群１２とスイッチ群１３とにより検出された各種検出値を含む車両１００の走行情報を取得する。

精度情報取得部１４３は、測位センサ１０による測位の精度情報を取得する。測位の精度は、天空における測位衛星２０１の配置によって影響を受け、主に精度低下率ＤＯＰ（Dilution of Precision）によって表すことができる。すなわち、精度低下率が大きいほど、測位の精度が低下する。精度低下率の情報は、例えば測位センサ１０により取得することができる。精度情報取得部１４３は、測位センサ１０を介して精度情報（精度低下率の情報）を取得する。これら取得した位置情報と走行情報と精度情報とは、通信ユニット１１を介してサーバ装置３に随時送信される。

サーバ装置３は、コントローラ３０と通信ユニット３１とを有する。コントローラ３０は、ＣＰＵ等の演算部３２と、ＲＯＭ，ＲＡＭ等の記憶部３３と、その他の周辺回路を有する演算処理装置を含んで構成される。演算部３２は、情報取得部３２１と、路面プロファイル生成部３２２と、走行車線推定部３２３と、異常推定部３２４としての機能を有する。

情報取得部３２１は、通信ユニット３１を介して車載装置１から車両１００の位置情報と走行情報と精度情報とを取得する。これら取得した情報は記憶部３３に記憶される。

路面プロファイル生成部３２２は、情報取得部３２１により取得された車両１００の位置情報と走行情報とに基づいて、路面性状を示す路面プロファイルを生成する。図４は、路面プロファイルの一例を示す図である。図中の横軸は、車両１００の走行車線に沿った進行方向の位置、つまり道のりであり、縦軸は、路面の凹凸の量（深さまたは高さ）、つまり路面粗さである。一般に、路面の凹凸の量が大きいほど車両１００の横加速度は大きい。したがって、路面性状と横加速度とは所定の相関関係を有し、路面プロファイル生成部３２２は、この所定の相関関係を用いて、横加速度センサ１２１により検出された横加速度から、道路上の車両位置に対応する路面の凹凸量を算出し、図４に示すように車両１００の進行方向における路面プロファイルを生成する。

同一車線を異なる車両１００が走行する場合に、路面上のタイヤの位置が異なることにより、各車両１００の横加速度センサ１２１により検出された路面プロファイルが異なることがある。この場合、路面プロファイル生成部３２２は、例えば各車両１００の横加速度センサ１２１により検出されたそれぞれの路面プロファイルを平均化して、各路面の代表的な路面プロファイルを生成する。

路面プロファイル生成部３２２は、路面性状の測定用の専用車両を走行させることにより得られたデータから、路面プロファイルを生成することもできる。例えばレーザプロファイラを搭載した専用車両を走行させ、そのときの測定データを、専用車両の位置データとともに取得することで、横加速度センサ１２１を用いることなく路面プロファイルを生成することもできる。

記憶部３３は、路面プロファイル生成部３２２により路面プロファイルが生成されるときの基準となる路面性状と横加速度との間の所定の相関関係を記憶するとともに、道路地図情報を記憶する。道路地図情報には、道路の位置情報、道路形状（曲率など）の情報、道路の勾配の情報、交差点や分岐点の位置情報、車線数の情報、車線の幅員および車線毎の位置情報が含まれる。車線毎の位置情報とは、車線の中央位置や車線位置の境界の情報などである。道路地図情報には、路面プロファイル生成部３２２により生成された道路の各位置での路面プロファイル（図４）の情報も含まれる。

記憶部３３に記憶される道路地図情報のうち、路面プロファイルの情報は、路面プロファイル生成部３２２により路面プロファイルが生成される度に更新される。他の道路地図情報は、所定周期で、あるいは任意のタイミングで更新される。

走行車線推定部３２３は、情報取得部３２１により取得された車両１００の位置情報、車両１００の走行情報および測位の精度情報と、記憶部３３に記憶された道路地図情報のうちの車両１００の位置に対応する道路地図情報とに基づいて、車両１００が走行する走行車線を推定する。

この場合、まず、測位の精度が所定値以上であるか否か、換言するとＤＯＰが所定値α１以下であるか否かを判定する。これは、車両１００が走行中の道路に複数の車線が存在するときに、測位センサ１０により検出された車両１００の位置情報を用いて車線を精度よく推定できるか否か、すなわち、車線を精度よく推定できる程度に測位の精度が保たれているか否かの判定であり、この要件を満たすように予め所定値α１が設定される。走行車線推定部３２３は、ＤＯＰが所定値α１以下であると判定すると、測位センサ１０により検出された位置情報と道路地図情報に含まれる車線位置とに基づいて、車両１００の走行車線を推定する。

一方、例えば多数の高層ビルに囲まれたビル街等を車両１００が走行中であることにより、測位の精度が低下して、ＤＯＰが所定値α１より大きいと判定されると、横加速度センサ１２１の検出値と道路地図情報に含まれる路面プロファイルの情報とに基づいて、走行車線を推定する。すなわち、この場合には、測位センサ１０の検出値により走行車線を精度よく推定することは困難であるため、ＤＯＰが所定値α１以下のときに推定された走行車線を基準車線とし、横加速度センサ１２１の検出値を用いて基準車線からの車線変更の有無を判定することにより現在の走行車線を推定する。

具体的には、予め記憶された路面性状と横加速度との相関関係を用いて、横加速度センサ１２１により検出された横加速度から路面の凹凸量を算出する。なお、車両１００が旋回走行中等で車両１００に横加速度が生じている場合には、その影響を考慮して、横加速度センサ１２１の検出値から路面の凹凸量を算出する。そして、車両１００の進行方向に沿った路面の凹凸量の変化を表す路面プロファイル、すなわち実測路面プロファイルと、道路地図情報に含まれる車線毎の路面プロファイル、すなわち参照用路面プロファイルとを比較し、基準車線からの車線変更の有無を判定する。例えば実測路面プロファイルと参照用路面プロファイルとの類似性を表す一致度が所定値以上の状態から所定値未満の状態になったときに、基準車線から隣の車線への車線変更があったと判定し、これにより走行車線を推定する。なお、一致度は相関係数等を用いて算出することができる。

走行車線推定部３２３は、車線変更があったと判定したときに、各車線の参照用路面プロファイルと実測路面プロファイルとをそれぞれ比較し、それらの一致度に応じて走行車線を推定するようにしてもよい。例えば一致度が最も高い車線を、現在の走行車線として推定するようにしてもよい。

走行車線推定部３２３は、ＤＯＰが所定値α１未満と判定されると、さらにウインカースイッチ１３１からの信号に基づいて基準車線からの車線変更の有無を判定する。すなわち、車線変更時には一般に方向指示器が操作されるため、ウインカースイッチ１３１からの信号に基づいて車両１００の左右への車線変更を判定する。

走行車線推定部３２３は、ＤＯＰが所定値未満であるとき、カメラ１２３からの信号に基づいて走行車線を推定するようにしてもよい。すなわち、カメラ画像に走行車線を規定する左右一対の区画線が含まれるとき、区画線の外側に位置するもの（他の車線、中央分離帯、歩道等）を判別し、これにより走行車線を推定するようにしてもよい。走行車線推定部３２３により推定された走行車線の情報は、車両１００の位置情報と走行情報とに対応付けて記憶部３３に記憶される。

異常推定部３２４は、走行車線推定部３２３により推定された車両１００の走行車線と、その車両１００の走行情報に含まれる車速情報とに基づいて、道路上の異常の発生を推定する。道路上の異常とは、スムーズな交通流れを妨げるような突発的または一時的な事象であり、例えば図１Ｂに示すような道路上の障害物２００の存在である。渋滞の発生も、通常の交通流れとは異なる事象であり、異常の発生に含まれる。なお、一時的ではない慢性的な渋滞の発生は、異常の発生に含まれない。

異常推定部３２４は、まず、道路上に異常が発生していない場合の車線毎の車速（基準車速と呼ぶ）を算出する。基準車速は、過去の所定期間Ｔ１における車線毎の車速を代表する値であり、例えば車速の平均値である。具体的には、予め記憶部３３に記憶された所定期間Ｔ１内の複数の車両１００の走行情報のうち、図１Ａに示すように、第１車線ＬＮ１を走行した複数の車両１００Ａの車速データを平均化して第１車線ＬＮ１の基準車速Ｖ１ａを求めるとともに、第２車線ＬＮ２を走行した複数の車両１００Ｂの車速データを平均化して第２車線ＬＮ２の基準車速Ｖ２ａを求める。

所定期間Ｔ１は、車速データの平均値が収束するのに要する期間であり、例えば過去１年間である。なお、所定期間は１年より長くてもよく、短くてもよい。車速データの平均値ではなく、中央値や最頻値により車線毎の基準車速Ｖ１ａ、Ｖ２ａを求めてもよい。基準車速Ｖ１ａ，Ｖ２ａは、道路上に異常が生じていない場合の車速に相当する。

次いで、異常推定部３２４は、予め記憶部３３に記憶された直近の所定期間Ｔ２内の複数の車両１００の走行情報のうち、第１車線ＬＮ１における車速データの代表値（例えば平均値）である車速Ｖ１ｂを求めるとともに、第２車線ＬＮ２における車速データの代表値（例えば平均値）である車速Ｖ２ｂを求める。所定期間Ｔ２は、想定される道路上の異常の継続時間であり、所定期間Ｔ１よりも短く、例えば過去１週間、過去２４時間、過去１時間、過去３０分、過去１０分などである。なお、車速Ｖ１ｂ，Ｖ２ｂは基準車速Ｖ１ａ，Ｖ２ａの比較対象であり、以下ではこれを対象車速と呼ぶ。

さらに、異常推定部３２４は、第１車線ＬＮ１の基準車速Ｖ１ａと対象車速Ｖ１ｂとの差異である車速差ΔＶ１および第２車線ＬＮ２の基準車速Ｖ２ａと対象車速Ｖ２ｂとの差異である車速差ΔＶ２を算出する。そして、車速差ΔＶ１、ΔＶ２の大きさ（絶対値）が所定値ΔＶ１ａ、ΔＶ２ａ以上であるか否かを判定し、所定値ΔＶ１ａ、ΔＶ２ａ以上であるとき、異常が発生していると推定する。所定値ΔＶ１ａ、ΔＶ２ａは、固定値でもよく基準車速Ｖ１ａ，Ｖ２ａに応じた可変値でもよい。基準車速Ｖ１ａ，Ｖ２ａの±１０％等、基準車速Ｖ１ａ，Ｖ２ａに基づいて所定値ΔＶ１ａ、ΔＶ２ａを設定してもよい。

また、異常推定部３２４は、第１車線ＬＮ１の基準車速Ｖａ１と第２車線ＬＮ２の基準車速Ｖａ２との車速差（基準車速差ΔＶａと呼ぶ）を算出するとともに、第１車線ＬＮ１の対象車速Ｖｂ１と第２車線ＬＮ２の対象車速Ｖｂ２との車速差（対象車速差ΔＶｂと呼ぶ）を算出する。さらに、異常推定部３２４は、基準車速差ΔＶａと対象車速差ΔＶｂとの差異である車速差ΔＶｃ（＝ΔＶａ－ΔＶｂ）を算出し、車速差ΔＶｃの大きさ（絶対値）が所定値ΔＶｃａ以上であるか否かを判定する。そして、ΔＶｃ≧ΔＶｃａであるとき、異常が発生していると推定する。所定値ΔＶｃａは、固定値でもよく基準車速差ΔＶａに応じた可変値でもよい。

図５は、図３のサーバ装置３の演算部３２で実行される処理の一例を示すフローチャートである。このフローチャートに示す処理は、主に異常推定部３２４での処理である。したがって、予め走行車線推定部３２３により複数の車両１００の走行車線ＬＮ１，ＬＮ２が推定された状態で開始され、所定周期で繰り返される。

図５に示すように、まず、ステップＳ１で、通信ユニット３１を介して車載装置１から車両１００の現在の位置情報と走行情報とを取得するとともに、記憶部３３に記憶された車両１００の過去の位置情報と走行情報とを取得する。走行情報には、位置情報と走行情報とに対応する走行車線の情報も含まれる。取得した情報は記憶部３３に記憶される。次いで、ステップＳ２で、取得された過去の所定期間Ｔ１内の走行情報に含まれる車速情報に基づき、車速データを平均化した基準車速Ｖ１ａ、Ｖ２ａを算出する。

次いでステップＳ３で、直近の所定期間Ｔ２内の走行情報に含まれる車速情報に基づき、車速データを平均化した対象車速Ｖ１ｂ、Ｖ２ｂ算出するとともに、基準車速Ｖ１ａ，Ｖ２ａと対象車速Ｖ１ｂ，Ｖ２ｂとの差異である車速差ΔＶ１，ΔＶ２を算出する。次いで、ステップＳ４で、車速差ΔＶ１，ΔＶ２の大きさ（絶対値）が所定値ΔＶ１ａ、ΔＶ２ａ以上であるか否かを判定する。

ステップＳ４で、ΔＶ１≧ΔＶ１ａと判定されるとステップＳ９に進み、第１車線ＬＮ１に異常ありと推定して処理を終了する。ステップＳ４で、ΔＶ２≧ΔＶ２ａと判定されるとステップＳ９に進み、第２車線ＬＮ２に異常ありと推定して処理を終了する。ステップＳ４で、ΔＶ１≧ΔＶ１ａかつΔＶ２≧ΔＶ２ａと判定されるとステップＳ９に進み、第１車線ＬＮ１と第２車線ＬＮ２の双方に異常ありと推定して処理を終了する。

一方、ステップＳ４で否定、すなわち、ΔＶ１＜ΔＶ１ａかつΔＶ２＜ΔＶ２ａと判定されるとステップＳ５に進む。ステップＳ５では、所定期間Ｔ１内の第１車線ＬＮ１の基準車速Ｖａ１と第２車線ＬＮ２の基準車速Ｖａ２との差異である基準車速差ΔＶａを算出する。次いで、ステップＳ６で、所定期間Ｔ２内の第１車線ＬＮ１の対象車速Ｖｂ１と第２車線ＬＮ２の対象車速Ｖｂ２との差異である対象車速差ΔＶｂを算出するとともに、基準車速差ΔＶａと対象車速差ΔＶｂとの差異である車速差ΔＶｃを算出する。

次いで、ステップＳ７で、車速差ΔＶｃの大きさ（絶対値）が所定値ΔＶｃａ異常か否かを判定する。ステップＳ７で肯定されるとステップＳ９に進み、第１車線ＬＮ１と第２車線ＬＮ２のうち、対象車速Ｖ１ｂ、Ｖｂ２の遅い方の車線に異常ありと推定し、処理を終了する。一方、ステップＳ７で否定されるとステップＳ８に進み、道路上に異常がないと推定し、処理を終了する。

なお、図５では、車線毎に所定期間Ｔ１，Ｔ２の速度差が生じているとき（ステップＳ２～ステップＳ４）、または、車線間で所定期間Ｔ１，Ｔ２の速度差が生じているとき（ステップＳ５～ステップＳ７）、道路上に異常が生じていると推定するようにした。すなわち、ステップＳ４とステップＳ７の一方で肯定されると、異常の発生を推定するようにしたが、車線毎に所定期間Ｔ１，Ｔ２の速度差が生じ、かつ、車線間で所定期間Ｔ１，Ｔ２の速度差が生じているとき、すなわち、ステップＳ４とステップＳ７の両方で肯定されると、道路上に異常が生じていると推定するようにしてもよい。

本実施形態に係る道路管理装置５０の動作をまとめると以下のようになる。図１Ａに示すように、予め記憶部３３には、複数車線ＬＮ１，ＬＮ２の所定期間Ｔ１分（例えば過去１年分）の車速データが記憶されている。この車速データにより求まる車線ＬＮ１，ＬＮ２毎の基準車速Ｖ１ａ，Ｖ２ａと、直近の所定期間Ｔ２（例えば１０分）内の車速データにより求める車線毎の対象車速Ｖ１ｂ，Ｖ２ｂと、が常時比較される（ステップＳ４）。さらに、所定期間Ｔ１内における車線ＬＮ１，ＬＮ２間の車速差（基準車速差）ΔＶａと、所定期間Ｔ２内における車線ＬＮ１，ＬＮ２間の車速差（対象車速差）ΔＶｂと、が常時比較される（ステップＳ７）。

図１Ａに示すように、スムーズな交通流れの状態では、基準車速Ｖ１ａ，Ｖ２ａと対象車速Ｖ１ｂ，Ｖ２ｂとの差ΔＶ１，ΔＶ２は所定値ΔＶ１ａ，ΔＶ２ａ未満である。また、基準車速差ΔＶａと対象車速差ΔＶｂとの差ΔＶｃも所定値ΔＶｃａ未満である。この場合には、道路上の障害物の存在や渋滞発生などの異常が生じていないと判定される（ステップＳ８）。

一方、図１Ｂに示すように、道路上の第１車線ＬＮ１に障害物２００が存在すると、第１車線ＬＮ１の車両１００Ａの車速が低下し、基準車速Ｖ１ａと対象車速Ｖ１ｂとの差ΔＶ１が所定値ΔＶ１ａ以上となる。また、基準車速差ΔＶａと対象車速差ΔＶｂとの差Δｃも所定値ΔＶｃａ以上となる。これにより、道路上に、特に車速が遅くなった第１車線ＬＮ１に、障害物の存在や渋滞発生などの異常が生じていると判定される（ステップＳ９）。その結果、サーバ装置３は、道路上に設置された道路情報板などに、障害物の存在や渋滞発生などを報知するための情報を出力することができる。

本実施形態によれば以下のような作用効果を奏することができる。
（１）道路管理装置５０は、複数の車両１００にそれぞれ搭載されたセンサ群１２やスイッチ群１３からの情報であり、複数の車両１００がそれぞれ走行する走行車線の推定に用いられる位置情報や走行情報などを取得する情報取得部３２１と、情報取得部３２１により取得された情報に基づいて複数の車両１００のそれぞれの走行車線を推定する走行車線推定部３２３と、所定期間Ｔ１，Ｔ２にそれぞれ情報取得部３２１により取得された情報から得られる車速情報を含む車両１００の走行情報を、車線推定部３２３により推定された走行車線に対応付けて記憶する記憶部３３と、記憶部３３に記憶された所定期間Ｔ１の車速情報（基準車速Ｖ１ａ，Ｖ２ａ、基準車速差ΔＶａ）と所定期間Ｔ２の車速情報（対象車速Ｖ１ｂ、Ｖ２ｂ、対象車速差ΔＶｂ）とを比較し、その乖離の程度に応じて所定期間Ｔ２における道路上の異常の発生を推定する異常推定部３２４と、を備える（図３）。

これにより、道路上の区間ごとに車両感知器を設置するといった必要がなく、安価な構成で、道路上の異常の有無を判定することができる。特に、複数の車線ＬＮ１，ＬＮ２のどこに異常が生じているのかを容易に判定することができる。このように、異常が生じている車線を推定可能となることで、道路の管理を適切に行うことができる。

（２）対象車速Ｖ１ｂ、Ｖ２ｂの算出のもととなる所定期間Ｔ２は、現時点から所定時間前の過去時点までの直近の期間（例えば過去１０分間）であり、基準車速Ｖ１ａ，Ｖ２ａの算出のもととなる所定期間Ｔ１は、所定期間Ｔ２よりも長い過去の期間（例えば過去１年間）である。これにより、通常走行時のデータを基準にして、現時点における道路上の異常の有無を良好に判定することができる。

（３）異常推定部３２４は、記憶部３３に記憶された所定期間Ｔ１の車速情報の代表値（平均値）を算出し、この代表値と所定期間Ｔ２の車速情報とを比較する。これにより所定期間Ｔ１，Ｔ２での車速データの比較が容易である。

（４）情報取得部３２１により取得される情報、特に車線推定に用いられる情報は、測位衛星２０１から送信された信号を受信して車両１００を測位する測位センサ１０からの情報、車両１００が走行する路面の路面プロファイルに応じた加速度を発生する横加速度センサ１２１からの情報、および車両１００の周囲を撮像するカメラ１２３からの情報の少なくともいずれかを含む（図３）。これにより、道路上に車両感知器等を設置することなく、車両１００の走行車線を精度よく推定することができる。

（５）記憶部３３は、所定期間Ｔ１，Ｔ２それぞれの車速情報を含む車両走行情報を、走行車線推定部３２３により推定された複数の走行車線ＬＮ１，ＬＮ２に対応付けて記憶する。異常推定部３２４は、記憶部３３に記憶された所定期間Ｔ２における複数の走行車線ＬＮ１，ＬＮ２の車速差（対象車速差）ΔＶｂを、所定期間Ｔ１における複数の走行車線ＬＮ１，ＬＮ２の車速差（基準車速差）ΔＶａと比較し、その乖離の程度に応じて所定期間Ｔ２における道路上の異常の発生を推定する（図５）。道路上に全体的な渋滞が生じた場合には、複数車線ＬＮ１，ＬＮ２の車線間の速度差はそれほど大きくならない。一方、特定の車線（例えば第１車線ＬＮ１）に障害物が存在する等の異常が生じた場合には、車線間の速度差が増大する。このため、車線間の車速差ΔＶａ，ΔＶｂに基づいて異常発生を推定することで、特定の車線に生じた異常発生を精度よく推定することができる。

なお、上記実施形態では、車速データに基づいて道路上の異常の発生を推定するようにしたが、道路上に異常が生じた場合には、異常が生じた車線から他の車線への車線変更の頻度が増加する。この点を考慮し、方向指示器の操作の頻度に基づいて、異常の発生を推定するようにしてもよい。図６は、その場合の処理の一例を示すフローチャートである。図６の処理も、図５の処理と同様、予め走行車線推定部３２３により複数の車両１００の走行車線ＬＮ１，ＬＮ２が推定された状態で開始され、所定周期で繰り返される。

まず、ステップＳ１１で、通信ユニット３１を介して車載装置１から車両１００の現在の位置情報と走行情報とを取得するとともに、記憶部３３に記憶された車両１００の過去の位置情報と走行情報とを取得する。取得した情報には、ウインカースイッチ１３１の作動情報が含まれ、記憶部３３に記憶される。次いで、ステップＳ１２で、直近の所定期間Ｔ２内におけるウインカースイッチ１３１の作動回数の頻度Ｎ（単位時間当たりの作動回数）を算出する。

次いで、ステップＳ１３で、作動回数の頻度Ｎが所定値Ｎａ以上であるか否かを判定する。所定値Ｎａは、異常の有無を判定するための閾値であり、例えば異常が生じていない通常走行時における作動回数の頻度Ｎ、すなわち所定期間Ｔ１内における作動回数の頻度Ｎに設定される。ステップＳ１３で肯定されるとステップＳ１４に進み、否定されるとステップＳ１６に進む。ステップＳ１６では、道路上に異常が生じていないと推定し、処理を終了する。

一方、ステップＳ１４では、予め記憶部３３に記憶された道路地図情報を参照して、ウインカースイッチ１３１が作動された車両１００の位置が交差点の付近であるか否かを判定する。車両１００の位置が交差点付近であると、道路上に異常がなくてもウインカースイッチ１３１の作動回数の頻度Ｎが増加する。このため、ステップＳ１６で肯定されるとステップＳ１６に進む。これに対し、交差点付近でないにも拘わらず、Ｎ≧Ｎａの場合には、ステップＳ１５に進み、道路上に異常が生じていると推定し、処理を終了する。

このように、異常推定部３２４は、記憶部３３に記憶された所定期間Ｔ２における方向指示器の操作情報に基づいて、所定期間Ｔ２における道路上の異常の発生を推定する。これにより、車両感知器を設置することなく、簡易な構成で道路上の異常の発生を推定することができる。なお、方向指示器の操作情報と車速情報のいずれか一方を用いるのではなく、両方を用いて異常の発生を推定するようにしてもよい。例えば車速情報により異常が発生してないと推定された場合に、方向指示器の操作情報に基づいて異常発生を推定するようにしてもよい。これにより、道路上の異常発生をより精度よく推定できる。

上記実施形態は、種々の形態に変形することができる。以下、変形例について説明する。上記実施形態では、測位センサ１０（測位検出器）、横加速度センサ１２１（加速度検出器）、カメラ１２３（撮像装置）およびウインカースイッチ１３１などの検出器からの情報（検出器情報）を情報取得部３２１が取得して、取得した情報に基づいて走行車線を推定するようにしたが、他の検出器の情報に基づいて走行車線を推定するようにしてもよい。上記実施形態では、異常推定部３２４が、記憶部３３に記憶された車両走行情報に含まれる車速情報に基づいて、道路上の異常を推定するようにしたが、車線情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報に基づいて、道路上の異常の発生を推定するようにしてもよく、異常推定部の構成は上述したものに限らない。

上記実施形態では、過去の所定期間Ｔ１（第２期間）と直近の所定期間Ｔ２（第１期間）の車両走行情報を記憶部に記憶するようにしたが、第１期間と第２期間の関係は、第２期間が第１期間よりも過去の期間であればよく、第１期間と第２期間との重なる期間はあってもなくてもよい。上記実施形態では、記憶部３３に記憶された所定期間Ｔ１の車両走行情報より、車速データの平均値を算出して代表値として用いるようにしたが、車両走行情報の代表値はこれに限らない。

上記実施形態では、道路管理装置５０をサーバ装置３に設けたが、道路管理装置５０の機能の一部または全部を車載装置１に設けるようにしてもよい。例えば走行車線推定部３２３を車載装置１に設け、車載装置１で推定された走行車線の情報を、サーバ装置３が取得するようにしてもよい。

なお、本発明は、複数の車両１００にそれぞれ搭載された測位センサ１０、横加速度センサ１２１、カメラ１２３およびウインカースイッチ１３１などの検出器からの情報であり、複数の車両１００がそれぞれ走行する走行車線ＬＮ１，ＬＮ２の推定に用いられる検出器情報を取得するステップと、取得された検出器情報に基づいて複数の車両１００のそれぞれの走行車線ＬＮ１，ＬＮ２を推定するステップと、第１期間Ｔ２と第１期間よりも過去の第２期間Ｔ１とにそれぞれ取得された検出器情報から得られる、車速情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報を、推定された走行車線ＬＮ１，ＬＮ２に対応付けて記憶するステップと、記憶された第１期間Ｔ２の車両走行情報と第２期間Ｔ１の車両走行情報とを比較し、その乖離の程度に応じて第１期間Ｔ２における道路上の異常の発生を推定するステップと、を含む道路管理方法として用いることもできる。

以上の説明はあくまで一例であり、本発明の特徴を損なわない限り、上述した実施形態および変形例により本発明が限定されるものではない。上記実施形態と変形例の１つまたは複数を任意に組み合わせることも可能であり、変形例同士を組み合わせることも可能である。

１ 車載装置、３ サーバ装置、１０ 測位センサ、３３ 記憶部、１００ 車両、１２１ 横加速度センサ、１２２ 車速センサ、１２３ カメラ、１３１ ウインカースイッチ、３２１ 情報取得部、３２３ 走行車線推定部、３２４ 異常推定部、Ｔ１ 所定期間（第２期間）、Ｔ２ 所定期間（第１期間）

Claims (6)

1. 複数の車両にそれぞれ搭載された検出器からの情報であり、前記複数の車両がそれぞれ走行する走行車線の推定に用いられる検出器情報を取得する情報取得部と、
   前記情報取得部により取得された検出器情報に基づいて前記複数の車両のそれぞれの走行車線を推定する車線推定部と、
   第１期間と前記第１期間よりも過去の第２期間とにそれぞれ前記情報取得部により取得された検出器情報から得られる、車速情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報を、前記車線推定部により推定された走行車線に対応付けて記憶する記憶部と、
   前記記憶部に記憶された前記第１期間の車両走行情報と前記第２期間の車両走行情報とを比較し、その乖離の程度に応じて前記第１期間における道路上の異常の発生を推定する異常推定部と、を備え、
   前記記憶部は、前記第１期間および前記第２期間のそれぞれの前記車速情報を含む車両走行情報を、前記車線推定部により推定された複数の走行車線に対応付けて記憶し、
   前記異常推定部は、前記記憶部に記憶された前記第１期間における前記複数の走行車線の車速差を、前記第２期間における前記複数の走行車線の車速差と比較し、その乖離の程度に応じて前記第１期間における道路上の異常の発生を推定することを特徴とする道路管理装置。
2. 請求項１に記載の道路管理装置において、
   前記第１期間は現時点から所定時間前の過去時点までの期間であり、前記第２期間は、前記第１期間よりも長い過去の期間であることを特徴とする道路管理装置。
3. 請求項１または２に記載の道路管理装置において、
   前記異常推定部は、前記記憶部に記憶された前記第２期間の車両走行情報の代表値を算出し、前記第１期間の車両走行情報と前記代表値とを比較することを特徴とする道路管理装置。
4. 請求項１～３のいずれか１項に記載の道路管理装置において、
   前記検出器情報は、測位衛星から送信された信号を受信して車両を測位する測位検出器からの情報、前記車両が走行する路面の路面プロファイルに応じた加速度を発生する加速度検出器からの情報、および前記車両の周囲を撮像する撮像装置からの情報の少なくともいずれかを含むことを特徴とする道路管理装置。
5. 請求項１～４のいずれか１項に記載の道路管理装置において、
   前記異常推定部は、さらに前記記憶部に記憶された前記第１期間における前記方向指示器の操作情報に基づいて、前記第１期間における道路上の異常の発生を推定することを特徴とする道路管理装置。
6. 複数の車両にそれぞれ搭載された検出器からの情報であり、前記複数の車両がそれぞれ走行する走行車線の推定に用いられる検出器情報を取得するステップと、
   取得された検出器情報に基づいて前記複数の車両のそれぞれの走行車線を推定するステップと、
   第１期間と前記第１期間よりも過去の第２期間とにそれぞれ取得された検出器情報から得られる、車速情報および方向指示器の操作情報の少なくとも一方を含む車両走行情報を、推定された走行車線に対応付けて記憶するステップと、
   記憶された前記第１期間の車両走行情報と前記第２期間の車両走行情報とを比較し、その乖離の程度に応じて前記第１期間における道路上の異常の発生を推定するステップと、を含み、
   前記記憶するステップは、前記第１期間および前記第２期間のそれぞれの前記車速情報を含む車両走行情報を、前記走行車線を推定するステップで推定された複数の走行車線に対応付けて記憶することを含み、
   前記異常の発生を推定するステップは、前記記憶された前記第１期間における前記複数の走行車線の車速差を、前記第２期間における前記複数の走行車線の車速差と比較し、その乖離の程度に応じて前記第１期間における道路上の異常の発生を推定することを含むことを特徴とする道路管理方法。

Images