交通量推定・予測システム

交通量推定および予測システム( TrEPS ) は、利用可能な容量をより有効に活用することで、交通状況を改善し、移動の遅れを減らす可能性を秘めています。これらのシステムは、現在利用可能および新興のコンピュータ、通信、および制御テクノロジを活用して、交通システムを監視、管理、および制御します。また、多くの ITS サービス プロバイダーを含むシステム ユーザーにさまざまなレベルの交通情報と旅行アドバイスを提供し、旅行者がタイムリーで情報に基づいた旅行の決定を下せるようにします。

ITS 技術の導入が成功するかどうかは、現在の交通状況と今後の交通状況をタイムリーかつ正確に予測できるかどうかに大きく左右されます。そのため、「交通予測システム」が強く求められています。必要なシステムは、高度な交通モデルを利用してさまざまなソースからのデータ、特にリアルタイムの交通データを分析して交通状況を予測し、プロアクティブな高度交通管理システム(ATMS) と高度旅行者情報システム (ATIS) 戦略を実装して、さまざまな交通制御、管理、運用の目的を満たすことです。

米国では、FHWA R&D が 1994 年に動的交通割り当て (DTA) 研究プロジェクトを開始し、交通予測システムのニーズに応え、動的な ITS 環境における複雑な交通制御と管理の問題への対処に役立てています。この研究の主な目的は、ITS コンテキストの情報ニーズを満たす、展開可能なリアルタイム交通量推定および予測システム (TrEPS)を開発することです。1995 年 10 月、2 つの並行研究契約がマサチューセッツ工科大学(MIT) とテキサス大学オースティン校(UTX)にそれぞれ授与され、メリーランド大学(UMD)での開発とサポートがフォローアップされました。各チームは、リアルタイム アプリケーション機能の可能性を示す TrEPS のプロトタイプを開発する必要がありました。3 年間の集中的な研究開発の努力の後、2 つのプロトタイプ TrEPS が開発されました。MIT と UTX/UMD によって開発された 2 つのプロトタイプ TrEPS は、それぞれDynaMIT -R とDYNASMART -X と名付けられています。どちらのシステムも、シミュレーション ベースの DTA システムです。

フランスでは、国立交通情報センター (CNIR) が 7 つの地域交通調整情報センター (CRICR) の業務を指揮、調整、監視しています。CNIR が発表する予報は、www.bison-fute.equipement.gouv.fr/en/ でオンラインで閲覧でき、ラジオやテレビ放送でも広く取り上げられています。「Bison Futé」と呼ばれるこのサービスのアドバイスはよく知られており、数十年にわたって実施されています。

中国では、西安交通大学(XJTU) が 2000 年に同様のシミュレーション ベースの DTA 研究プロジェクトを開始し、2004 年以降は山東科学院でフォローアップ開発とサポートが行われました。Yong Lin 博士がプロジェクト リーダーで、Houbing Song が最初のプロジェクト メンバーです。6 年間にわたる集中的な研究開発の努力の後、2006 年に 1 つのプロトタイプ TrEPS が開発されました。Lin 博士と 20 名を超えるメンバーからなる彼のチームによって開発された全体的なプロトタイプ TrEPS は、DynaCHINA (Dynamic Consistent Hybrid Information based on Network Assignment) と名付けられています。

シンガポールは1975年に世界で初めて渋滞課金の実用化を実施した。シンガポールのエリアライセンス制度である。 ^{[1] [2]}電子料金徴収、検知、ビデオ監視の技術的進歩により、シンガポールは1998年にシステムをアップグレードした。 ^[3]（シンガポールの電子道路課金を参照）

料金設定の仕組みを改善し、リアルタイムの変動料金設定を導入する取り組みとして、^[4]シンガポール陸上交通庁はIBMと共同で、2006 年 12 月から 2007 年 4 月にかけて、過去の交通データと複数のソースからのフロー状況のリアルタイム フィードを使用して、最大 1 時間先までの渋滞レベルを予測する交通量推定および予測ツールを使用したパイロットを実施しました。現在の交通状況と今後の交通状況を正確に推定することで、このテクノロジーは、変動料金設定を可能にするとともに、ドライバーに前方の状況とその時点で請求されている料金を警告するための事前情報の提供を含む、全体的な交通管理の改善を可能にすると期待されています。^[5]パイロットの結果では、全体的な予測結果の精度は 85 パーセントを超えています。さらに、ピーク時に利用できるデータが増えると、平均精度は 90 パーセント近くまたはそれ以上に上昇しました。^[6]

• ニューサウスウェールズ州道路交通局
• SCATS シドニー協調適応交通システム