仮想都市空間における施設の影響を 考慮した交通流シミュレーションの実現 仮想都市空間における施設の影響を 考慮した交通流シミュレーションの実現 システム情報工学研究科 宮永裕介 指導教員:西原清一
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 2
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 3
マルチエージェントシステムを用いた交通シミュレータの開発 研究の背景と目的 自動車の普及 → 交通渋滞 や交通事故などの増加が深刻化 - 全国で年間約12兆円,一人当たり年間約10万円! - 渋滞緩和を図る必要性 → 様々な理由により実施は困難 交通流を計算機を用いてシミュレート →交通渋滞などの対策に対する事前検証 まず,本研究の背景と目的を説明します. 近年,自動車の普及により,都市部を中心として交通渋滞や交通事故などの増加が深刻化しています. (クリック) 特に交通渋滞の経済損失は,全国で年間約12兆円,一人当たりでは年間約10万円にも上り, その対策を講じて渋滞緩和を図ることが強く望まれています. そこで,交通渋滞を緩和するためには,道路を新設したり信号を設置したりといった対策が有効であると考えられるのですが, これらの対策は地価や予算の都合により,簡単に実施するわけにはいきません. そこで,道路交通の流れ(交通流)を計算機を用いて再現,シミュレートすることにより, 交通渋滞や事故などの対策に対する事前検証を行う取り組みが,各企業や研究機関などで行われるようになってきました. そこで,私たちはマルチエージェントシステムを用いた独自の交通シミュレータの開発を行ってきました. マルチエージェントシステムを用いた交通シミュレータの開発 4 4
研究の背景と目的 施設の影響を考慮した交通流シミュレーションの提案 目的地として,建物種別 (居住空間,商業空間,工業空間) を取り入れる これまでの研究では・・・ ・新たな信号制御方式の導入 ・車種の導入 ・動的経路選択方式の有用性検証 ・仮想都市の景観表示部分を統合 など より現実に近い交通状況や渋滞をシミュレートするために これまで私たちが行ってきた研究内容としては, 交通渋滞緩和を目的とした新たな信号制御方式の導入, 乗用車,大型車,バスなどといった車種の導入, 車の動的経路選択方式の有用性の検証, 交通シミュレータへの仮想都市の景観表示部分の統合などを行ってきました. (クリック) そこで,私は交通が都市からの作用を受けるシステムを提案します. 具体的には,交通シミュレータに都市を導入することによって,車の目的地として住宅地や工業施設などの建物種別を取り入れることにより, より現実に近い交通流をシミュレートしたいと考えています. この具体的な詳細については,後の提案するシステムにて説明します. 施設の影響を考慮した交通流シミュレーションの提案 目的地として,建物種別 (居住空間,商業空間,工業空間) を取り入れる 現実の道路網にて実験を行い,交通量調査結果との比較を行う 5 5
デモ プログラム実行時の様子
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 7
交通シミュレータの2つのタイプ マクロモデル ミクロモデル 道路交通: 個々の車両の動き 車両特性(車両の詳細な動き,ドライバー特性) 道路交通: 流体の流れ 大規模道路網: 都市全体,州 ミクロモデル 道路交通: 個々の車両の動き 車両特性(車両の詳細な動き,ドライバー特性) 中小規模道路網 次に,既存の交通シミュレータの2つのタイプについて説明します. これまでに開発されている交通シミュレータにおける交通流のモデルの大半は, マクロモデルとミクロモデルの2つに大別されます. (クリック) マクロモデルは,道路上の車両全体を流体と捉えてモデル化し,交通流を計算します. 計算時間が少ないという利点から,大規模道路網でのシミュレーションを対象とします. 範囲としては,都市全体や州ほどの大きさを想定しています. ミクロモデルは,個々の車両の挙動を詳細にモデル化するものです. このモデルは車両特性やドライバー特性(個性)を設定しやすいため, 中小規模道路網のような比較的狭い範囲でのシミュレーションを対象としています. 私たちは,このミクロモデルを用いることによって,より詳細なシミュレーションをしたいと考えています. 8 8
可変環境(渋滞,事故,平均旅行時間など) 意思決定 エージェント(車,交差点,ブロック) これは本交通シミュレータの環境とエージェントとの関係を図に表したものです. (クリック) まず,エージェントとして車,交差点,ブロックの3つを定義します. 交差点には,その交差点に属する信号制御の役割を持たせます. そのため,信号制御が交通に影響を与えることを考慮して,交差点をエージェントと定義しました. また,建物または駐車場の役割を持つことのできる敷地をブロックとし,エージェントと定義します. このブロックについては,次のスライドで詳しく説明します. 次に,環境として,可変環境と固定環境の2種類を定義しました. 可変環境としては,渋滞や事故,平均旅行時間など,エージェントの集合体の作用によって生じる交通状況を定義します. 現在は事故と平均旅行時間によるエージェントへの影響は考慮されていませんが, 今後これらを取り入れることによってより複雑な交通流の創発が期待されます. また,固定環境としては,道路網形状や静的データなど,エージェントに一方的に影響を与えるものを定義しました. これらのエージェントと環境が相互に影響を与えられるような交通シミュレータを実現することによって, より複雑な交通現象をシミュレートしたいと考えました. 固定環境(道路網形状,静的データ) 9 9
車両エージェントの行動決定 行動決定知識 個性知識 認知 行動 前の車 バックミラー サイドミラー 信号機 道路標識 道路標示 etc… 加速 減速 停止 追い越し 車線変更 右左折 etc… 行動決定知識 個性知識 次に,個々の車両エージェントがどのようにして行動を決定しているかについて説明します. それぞれの車は位置や速度といった動的な情報を持っており, 目的地に到着するまでこれから説明する流れを行うことにより,その情報を更新していきます. また,各車両エージェントは2種類の知識を持っています. 全ての車両が共通に持つ知識である行動決定知識は,“前の車にぶつからない” などの基本的な規則のほか, “信号機が赤なら停止する”, “制限速度を守る”等の交通規則が含まれています. 個々の車両が固有に持つ知識である個性知識は,行動決定や操作を行う場合の選択肢に対する重みや加(減)速率,積極性などのパラメータが含まれています. これによって,車種ごとの運転法の違いを表現することが出来ます. また,これにより例えば,追い越しを高確率で行う運転手や,左側車線でゆっくり走る運転手などを表現することができます. (クリック) 各車両エージェントはまず始めに,周囲の車や信号機,道路標識などの周囲の環境を認知します. 次に,車両は,認知で得た情報と行動決定知識,個性知識を照らし合わせて,行動の候補を決定します. 次に,現在の状態を確認して,加速や減速といった行動候補の中から実際に車両が取る行動を選択します. ハンドル,アクセル,ブレーキの3つで構成される運転動作である操作を組み合わせることによって,実際に行動を行います. そして最後に,位置や速度といった車両の現在の状態を更新していきます. 現在の状態 位置 速度 etc… 操作 ハンドル アクセル ブレーキ 認知 行動 10
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 ・特長 ・目的 ・本交通シミュレータ との相違点 次に,既存の関連研究をいくつか紹介し,本交通シミュレータとの比較を行います. まずは,各交通シミュレータの特長,目的について述べ, 本交通シミュレータが持つ大きな利点である, 実在する道路網でのシミュレーションが可能であること, また,そのシミュレーションの結果を受けて,道路や信号を新設したりといった, 状況を変化を想定しての一般的道路網でのシミュレーションが可能であること, この2つについて比較していきます. 11 11
関連研究1 NETSTREAM 特長:高速な交通量計算,交通状況の再現性が高い 目的:ITS技術の導入効果予測,交通施策の事前評価 豊田中央研究所,1998年公表 NETSTREAM 特長:高速な交通量計算,交通状況の再現性が高い 目的:ITS技術の導入効果予測,交通施策の事前評価 相違点:道路交通を流体と捉えてモデル化 豊田中央研究所によって開発されたマクロシミュレータである. 特長として,高速な交通量計算が可能であり,都市全体などの広域道路網に適用できること, 遺伝的アルゴリズムを用いた出発地目的地交通量推定手法の開発により,交通状況の再現性が高いことが挙げられる. そのため, 技術の導入効果予測や交通施策の事前評価に広く用いられている. 本交通シミュレータとの違いとして,マクロシミュレータであるため道路交通を流体と捉えてモデル化している. 12
関連研究2 IBM Mega Traffic Simulator 特長:広範囲,数百万単位の車両エージェントなど ドライビングシミュレータを用いた運転行動モデル 目的:交通渋滞解消,CO2排出抑制のための交通施策など 相違点:交通量データ取得に特化,状況変化を想定していない 日本IBMと京都大学が共同開発したミクロシミュレータである. 特長として,広範囲,数百万単位の車両エージェントなどを扱うことができること, ドライビングシミュレータから抽出された運転行動モデルを用いることにより, より詳細な車両エージェントのモデルを実現できることなどが挙げられる. 目的として,交通渋滞の解消やCO2排出抑制のための交通施策などに用いられている. 本交通シミュレータとの違いとして,視覚的なものよりも交通量データ取得に特化していること, 新たに道路を新設するなどの状況を変化させてのシミュレーションを想定していないことが挙げられる. 図:(左)京都市11区全域における交通シミュレーション,同時走行車両台数81.1万台 (右)京都市市街における交通シミュレーション 13
関連研究3 VISSIM 特長:エージェントの種類やトラフィックコントロールなどを 詳細に表現・分析 ドイツPTV社,1992年公表 VISSIM 特長:エージェントの種類やトラフィックコントロールなどを 詳細に表現・分析 目的:道路計画,公共交通最適化,空港整備計画など 相違点:比較的限られた範囲内での交通流シミュレーションに特化 ptv社が開発したミクロシミュレータである. 特長として,エージェントの種類,トラフィックコントロール, 交通ネットワーク,トランジットなどを詳細に設定でき, 視覚的にも非常にリアルに表現可能であることが挙げられる. VISSIMは様々な交通計画や信号制御だけでなく,公共交通の最適化や空港整備計画などにも役立てられている. 本交通シミュレータとの違いとして,複雑な交差点など, 比較的限られた範囲内での交通流シミュレーションに特化していることが挙げられる. 図:複雑な交差点モデル 14
関連研究4 Google Earthを用いた交通シミュレーション アドバンストアルゴリズム&システムズ社,1992年公表 Google Earthを用いた交通シミュレーション 特長: Google Earth 上の道路を用いて手軽にシミュレーション可能 目的:交通渋滞を予測し任意の2点間の所要時間を推定 相違点:限られた範囲内でのシミュレーション,状況変化を想定していない アドバンストアルゴリズム&システムズ社が開発したセルオートマトン型交通シミュレータである. Google Earth上においてモデルに従ってSOV交通シミュレーションを行うことによって, 交通渋滞を予測し任意の2点間の所要時間を推定することができる. さらに, Google Earth 上の道路を自動で検知して道路網を構成することができるため,より手軽にシミュレーションを行うことができる. 本交通シミュレータの違いとして,任意の2点間という限定された範囲内での詳細なシミュレーションに特化していることが挙げられる. 15
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 16
背景 新たな交通施策や道路計画を行うために → 現実の交通状況 の再現性が重要 本交通シミュレータ → 現実の交通状況 の再現性が重要 本交通シミュレータ ・目的地がランダム → 車の走行に一貫性なし ・交通状況は車の台数や車種,道路網形状のみに依存 関連研究の交通シミュレータ ・様々な用途に特化したシミュレーションが可能 ・外部からの作用が存在しない ここまで私たちが開発してきた本交通シミュレータや,関連研究について紹介してきましたが, シミュレータを使って新たな交通計画を行うためには, (クリック) 現実の道路網での交通状況をどこまで再現出来るかということが重要になってきます. そこで,今まで紹介してきたシミュレータを,交通の再現性という観点から見てみたいと思います. まず,今までの本交通シミュレータでは,目的地がランダムで車の走行に一貫性がなく, その時の交通状況は車の台数や車種と,信号を含む道路網のみに依存してしまっていました. また, IBM Mega Traffic Simulatorを始めとする関連研究の交通シミュレータでは, 車両エージェントの挙動の再現性の精度が高く, 様々な交通施策への事前評価に用いられています. しかし,これらの交通シミュレータは車を始めとしたエージェントと道路網の間でのシミュレーションであり,それ以外の外部からの作用は存在していませんでした. 17 17
都市 から車への作用に着目 提案するシステム 施設を目的地として経路選択 → 現実のドライバーに近い経路選択 → 現実のドライバーに近い経路選択 → 現実の道路網と同様の交通流,交通渋滞 目的地に応じた建物種別を取り入れる → 個々のドライバーの経路選択に幅を持たせる そこで,より現実に則した交通状況や渋滞をシミュレートするための手段として, 今まで紹介した関連研究や他の交通シミュレータにはない,都市からの作用というものに着目しました. (クリック) 具体的には,車が建物を目的地として経路選択を行うことにより, 現実のドライバーの行動に近い経路選択を表現し, そのことにより,現実の道路網と同様の交通渋滞を作り出したいと考えました. また,現実のドライバーはそれぞれ個別の目的地を持って走行しているため, 目的地に応じた建物種別を取り入れることにより, 車の経路選択に幅を持たせることを考えました. 18 18
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 19
交通量調査の実施 背景 疑問:シミュレーション結果が実際の交通状況をどの程度再現しているか? 疑問:シミュレーション結果が実際の交通状況をどの程度再現しているか? 正確に表現していると証明することは困難! → 交通量調査データなどをもとに再現性を検証する必要性 ・ 交通量調査 ・国土交通省一般交通量調査概要を参考 疑問:なぜ調査報告書のデータを参考にしないのか? → 主要道路(国道など)のみを調査対象としているため,細かい道路を含めた道路網での比較が困難 → 都市の発展が見込まれる地域での最新データとの比較により,発展する都市に合わせたシミュレーションを行うことを想定 上記の理由により,実際に交通量調査を行う
交通量調査の実施 実際の調査方法 (1)月日・時間帯について ・年間のうち交通量の変動の少ない秋季(10月~ 11月)に観測 ・年間のうち交通量の変動の少ない秋季(10月~ 11月)に観測 ・平日,休日ともに夕方のラッシュ時間帯(17時~ 19時頃)に観測
交通量調査の実施 実際の調査方法 (2)走行車両台数調査について ・つくば市吾妻,下平塚周辺それぞれの地点(A,B)を通過する車両数を観測 ・各交差点につき,4方向を通る車両の台数を計測(1方向につき30分間) ・計測する車両の種類は乗用車,小型貨物車,大型貨物車の3種類
交通量調査の実施 実際の調査方法 (3) 旅行時間調査について ・つくば市吾妻,下平塚周辺それぞれの主要道路における各リンク毎の旅行時間を計測 ・計測の際のリンクの区切りを信号または交差点とする ・1リンクにつき3回計測した秒数の平均を,そのリンクの旅行時間とする
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 24
評価実験 つくば市吾妻周辺(道路網1),つくば市下平塚周辺(道路網2)において現実に存在する主要な施設を設置し,様々な条件で実験を行う 実験条件 (1) 各車両の台数変化 (2) 施設の影響を考慮する(パターン1,2),施設の影響を考慮しない (3) 動的経路選択車両導入率(0%,50%,100%) 実験で得たデータと交通量調査結果との比較・評価を行う 比較・評価データ (1) 各車両毎の総待ち時間の平均 (2) 交差点A,B地点における各車両毎の走行車両通過台数 (3) 調査を実施したリンク毎の全車両の通過時間の平均
評価実験(道路網1)
実験結果・考察(道路網1)
評価実験(道路網2)
実験結果・考察(道路網2)
目次 研究の背景と目的 本交通シミュレータの概要 関連研究との比較 提案するシステム 交通量調査について 評価実験 まとめと今後の課題 30
まとめ 施設の影響を考慮した交通流シミュレーションの実現手法を提案した 上記の手法を実装し,現実の道路網で実験を行った 実験によって得られたデータと交通量調査結果との比較・評価を行った 施設の影響を考慮した場合,より現実の交通量調査結果に合致することが確認された
今後の課題 駐車場システムの考慮 施設種別や車種,経路選択方法の多様化 シミュレーションを行う際の道路網への交通の流入出の調整 事故の導入による運転動作の複雑化とその評価
ご清聴ありがとうございました
経路のコスト リンク ノード route_size: 経路上の通過リンク数 L: 長さ C: 状態・走りやすさ J: 混雑度 N: 信号による重み T: 右左折,直進による重み 経路探索: Cost を基本としたDijkstra法による weight : 混雑度が経路コストに対してどれだけ影響を及ぼすかの重み 35
仮想都市の自動生成システム ・仮想空間内に 仮想都市生成システムとは 都市 = 人工物(建物など) + 道路網 を3次元可視化 ・仮想空間内に 都市 = 人工物(建物など) + 道路網 を3次元可視化 ・土地利用変化シミュレーションによって環境ベクトル値を更新 → 経済活動をモデル化 ※環境ベクトル = (l:居住性,c:商業性,p:工業性,d:開発度) ・時代変化をシミュレート → 都市の盛衰を表現 36
交通流の比較について 国土交通省道路局 平成17年度道路交通センサス一般交通量調査結果 → 一般国道交通量(観測地点ごと) → 一般国道交通量(観測地点ごと) ・平日自動車類交通量 ・休日自動車類交通量 ・大型車(バス,普通貨物車)混入率(%) ・平日混雑時平均旅行速度(km/h) ・月間平均,昼夜別交通量 etc…
研究背景:渋滞の原因と影響 渋滞による経済損失は年間およそ12兆円 (国家予算の1/7に相当) ETCの導入により料金所における渋滞の割合が30%→4%まで低下 38 2008/2/12 38 38
一般的な渋滞の定義 JARTIC:日本道路交通情報センターの定義 道路公団ごとの定義の違い 区分 高速道路 都市高速道路 一般道路 渋滞 時速 40km以下 時速 20km以下 時速 10km以下 混雑 -- 時速 20km ~ 40km 時速 10km ~ 20km JARTIC:日本道路交通情報センターの定義 道路公団 日本道路公団 首都高速 阪神高速 渋滞 時速 40km以下 1km以上の車列 15分以上継続 時速 20km以下 時速 30km以下 道路公団ごとの定義の違い 39 39
研究の背景 VICS(道路交通情報通信システム ) ITS(高度道路交通システム ) 渋滞や交通規制などの道路交通情報をリアルタイム でカーナビなどに送信 ITS(高度道路交通システム ) ナビゲーションの高度化、自動料金収受システム、安全運転の支援など 40 40
環境 エージェント マルチエージェントシステム 意思決定 マルチエージェントシステムとは何かについて簡単に説明します. (クリック) まず,エージェントとは,周囲の環境の状態を認知して,状況に応じて判断・行動を行うことによって, 環境に影響を与えることが出来る自律的主体とします. そして,マルチエージェントシステムとは,自律的な数多くのエージェントから構成されるシステムです. また,複数のエージェントが強調することによって,全体としては予想も付かないような複雑な現象をシミュレートすることが出来ます. 私たちは,ミクロモデルを用いてこのマルチエージェントシステムを実現したいと考えました. 意思決定 エージェント 41 41
処理手順 前方の車両 交差点との距離 道路標識 道路標示 前方の車両 車線変更先 対向車 交差点動作 追い越し 車線変更 減速 初期化 処理手順 初期化 終了まで エージェント数 自動車エージェントの処理 自動車エージェントの追加・削除 前方の車両 交差点との距離 道路標識 道路標示 出力(描画) 前方の車両 車線変更先 対向車 自動車エージェントの処理 第一認知 交差点動作 追い越し 車線変更 減速 行動の決定 行動が完了しているか 行動 第二認知 false 操作 42
道路網構造の表現 43 43
道路網生成インタフェース 44 44
道路の種類と特徴 45 45
データ構造(交差点,信号) 交差点エージェント 信号エージェント 座標データ 接続リンク数 接続リンク番号 停止線の有無 ペアリンクの数 信号の種類 混雑度 右折レーンの有無 バス停の有無 など 信号エージェント 交差点エージェント番号 サイクル長(秒) 青信号開始時間 青信号時間(秒) など 46 46
データ構造(道路) 道路エージェント 始点ノード番号 終点ノード番号 道路種 道路幅 車線数 中央線の種類 渋滞量 交通規則情報 など 47 交通規則情報 など 47 47
運転動作 運転中に行う動作 認知するもの 加速 減速 停止 追い越し 車線変更 右折 左折 前の車 バックミラー サイドミラー 速度メーター 信号機 道路標識 障害物 右折レーン など 48 48
第二認知と行動の例(交差点動作) 49 -:do not care 49
マルチエージェントを用いた研究 防災・救命救助シミュレーション 仮想災害空間の状況下で防災・救命救助活動を再現 救助隊,消防隊,救助者などのエージェントが存在する 50 50