Microsoft Word - 土木計画学2011春_体系化.doc

Size: px

Start display at page:

Download "Microsoft Word - 土木計画学2011春_体系化.doc"

れんまたもん
5 years ago
Views:

1 都市間高速道路単路部におけるボトルネック探索手法の体系化野中康弘 1 村重至康 2 大口敬 3 1 正会員株式会社道路計画 ( 東京都豊島区東池袋マルヤス機械ビル y_nonaka@doro.co.jp 2 非会員株式会社高速道路総合技術研究所 ( 東京都町田市忠生 y.murashige.aa@rinexco.co.jp 3 正会員東京大学生産技術研究所 ( 東京都目黒区駒場 takog@iis.utokyo.ac.jp 大量かつ高水準のトラフィックサービスが求められる都市間高速道路では交通混雑を極力抑えるべきであるが, 現実的には必ずしも交通混雑の発生を完全になくすことはできず, 交通混雑の原因となるボトルネックを把握して, 計画, 設計することが望ましい. しかしこれまでは, このように明示的に交通混雑を前提とした計画設計手法は提示されてきていない. そこで本研究では, 交通性能評価手法の構築に向けた基礎的研究として, 既往研究における交通容量推定手法やボトルネック位置の推定手法をレビューし, 実務ベースのフローティング調査によるボトルネック探索手法とあわせて, それぞれの分析手法の特性を踏まえたボトルネック探索手法の体系化を試みる. Key Words : traffic congestion, traffic performance evaluation, systematic search for bottlenecks 1. はじめに高速道路のように大量かつ高水準のトラフィックサービスを提供すべき施設では, 交通混雑を極力抑えるべきであるが, 現実的には必ずしも交通渋滞の発生を完全になくすことはできず, サグ上り坂やトンネル坑口部を中心にいまだ多くの交通渋滞が発生している. 高速道路では一旦交通渋滞が発生すると, 交通容量超過の蓄積影響が必ず時間的に後まで影響が残る. また, ネットワーク上にその影響が広がることで直接関係のない移動者の移動時間を増大させることもある. こうした負の外部効果が生じるため, 交通渋滞の発生を極力抑制するよう道路の計画設計と交通運用の工夫が必要である. つまり, 交通渋滞発生の原因となる交通容量上のボトルネックについて, その位置や交通容量を適切に把握することが高速道路の交通性能評価において重要な意味を持ち, こうした交通混雑, その発生の原因となるボトルネックを把握して, 計画, 設計することが望ましいが, これまで明示的に交通混雑を前提とした計画設計手法は提示されてきていない. 一方, 一般道の交通ボトルネックは, そのほとんどが強制的に交通流を操作する信号交差点で顕在化しているように, 高速道路上においても料金所あるいは車線数減少部など, 人為的な要因が伴うボトルネックは比較的容易に発見可能である. しかし, 高速道路単路部のボトルネックはいまだその構造的要因を完全に把握するには至っていない現状にある. そこで, 本研究では高速道路の単路部を対象とした交通容量推定手法やボトルネック位置の推定手法に関する既往研究をレビューし, 実務ベースのフローティング調査によるボトルネック探索手法とあわせて, それぞれの分析手法の特性を踏まえたボトルネック探索手法の体系化を試みる. 2. 既往研究のレビューと本研究の着眼点 (1 交通容量の推定手法高速道路単路部のボトルネック位置探索の最も端的な手法は各地点区間の交通容量を把握することである. これによって, 最も交通容量の低い地点区間がボトルネックとして特定される. 1

米川ら 1 は道路幾何構造やトリップ特性等と渋滞中の交通容量の関係性について分析し, 重回帰モデルによる交通容量推定手法を提案している. 吉川ら 2 は暫定 2 車線区間を対象として, 道路幾何構造要因を説明変数とした重回帰モデルを構築し, 交通容量の推定を試みている.

2 米川ら 1 は道路幾何構造やトリップ特性等と渋滞中の交通容量の関係性について分析し, 重回帰モデルによる交通容量推定手法を提案している. 吉川ら 2 は暫定 2 車線区間を対象として, 道路幾何構造要因を説明変数とした重回帰モデルを構築し, 交通容量の推定を試みている. 福島ら 3 は吉川らのモデルを片側 2 3 車線区間に拡張するとともに, 米川らによる道路幾何構造要因以外の説明変数を加えた交通容量推定モデルを提案している. さらに, 村重ら 4 は前述した先行研究において指摘されている課題を整理し, これらの課題に対応した重回帰モデルの改良を提案している. これらの研究に共通する課題は, いずれも渋滞が顕在化している地点区間を対象として道路幾何構造との関係性をモデル化しようとしたものであり, 渋滞が顕在化していない地点区間の特性を加味できていない点にある. 一方で, 小谷ら 5 はフローティング調査の追従走行に基づいて車頭距離と走行速度の関係から交通流率を算定し, 連続的な交通容量の推定手法を提案している. ただし, この手法は現地走行が必要なため, 運用中の路線への適用が条件である特徴を有している. また, 運転者の特性や他の低速車の影響を受けやすいことが課題として指摘されている. (2 ボトルネック位置の推定手法高速道路単路部のボトルネック位置を各地点区間の道路幾何構造から直接的に推定しようとする研究もある. 大口ら 6 は同程度の勾配をもつサグにおいて渋滞が発生するサグと渋滞が発生しないサグがあることに着目して, それぞれの地点の道路幾何構造特性を比較分析することで渋滞するサグと渋滞しないサグの道路幾何構造の閾値を見出し, 結論として渋滞直前の速度低下はドライバーの視認性に問題があることを指摘している. また, 大口ら 7 はドライビングシミュレータを用いた室内実験において, これまで単独走行に用いられてきたドライビングシミュレータの実験機能を拡張し, 連続した追従挙動データを収集分析することで速度低下現象を分析する新たな可能性を示唆している. 村重ら 89 は車両感知器の速度データをデータマイニング処理で可視化することにより速度低下地点を発見し, これと各車両感知器のQV 形状特性から渋滞発生地点を判定するモデルを提案している. また, インシデント発生時に渋滞先頭が遡上定着する現象に着目して, 渋滞が定着する地点と定着しない地点の道路幾何構造を比較検証し, 渋滞定着地点の判定モデルを提案している. さらに, 小谷ら 5 のフローティング調査による連続的な交通容量の推定手法においても, その地点速度変化から直接的にボトルネック位置を推定することが可能とされている. これらの研究に共通するのは, 前述の交通容量推定モデルと異なり, 顕在化していないボトルネックの特性も加味してボトルネックの特性を把握している点である. (3 本研究の着眼点これらのボトルネック探索手法は当然のことながら利点と欠点を有している. したがって, 各手法相互間の特徴を補完しあうような形でボトルネック探索手法が体系化されることが望ましいと考える. そこで本研究では, 相互補完を念頭においた体系化に向けて, モデル相互間の関係性を重視して分析が進められてきた村重ら 4,89 の研究に着目して議論を進める. 3. ボトルネック探索手法の体系化 (1 ボトルネック探索手法の体系化の概念本研究では, 交通容量推定手法とボトルネック位置判定手法を相互補完し, かつ事前診断と運用中診断を階層化したボトルネック探索手法の体系化を提案する ( 図 1. 運用中の高速道路において, 渋滞が顕在化している場合はボトルネック位置はもちろんのこと, 交通容量の実態把握も可能である. 本来求められるべきは, 計画段階においてボトルネックになりやすい構造を避けることである. また, 運用中にあっても渋滞が顕在化していない場合, たとえば上流側で渋滞が発生しているためにその下流側に位置するボトルネックが顕在化していない場合, あるいは現時点では交通量が少なく渋滞が顕在化していないが, 将来的に交通量の増加が予想される区間など, 実態調査では把握できないボトルネックを発見することが重要である. すなわち, ボトルネック探索手法の体系化にあたって図 1 ボトルネック探索手法体系化の概念 2

は, 運用中路線に限定せず計画路線へ拡張可能なこと, これによって事前診断を可能とすること, 渋滞が顕在化していない地点区間の特徴も加味して渋滞する地点と渋滞しない地点の構造的相違点を明示的にモデルに組み込む必要があると考える. (1 交通容量推定モデル村重ら 4 の提案する交通容量推定モデルは, 車線数別, 渋滞発生時と渋滞発生後別に道路幾何構造を説明変数とした重回帰モデルである ( 表 1.

3 は, 運用中路線に限定せず計画路線へ拡張可能なこと, これによって事前診断を可能とすること, 渋滞が顕在化していない地点区間の特徴も加味して渋滞する地点と渋滞しない地点の構造的相違点を明示的にモデルに組み込む必要があると考える. (1 交通容量推定モデル村重ら 4 の提案する交通容量推定モデルは, 車線数別, 渋滞発生時と渋滞発生後別に道路幾何構造を説明変数とした重回帰モデルである ( 表 1. 交通容量が様々な交通環境要因で大きく変動することに対応するため, 基本統計量として昼間無降雨時の交通容量を目的変数とし, 暗がりや降雨時は逓減率をもって推定していること, 渋滞発生後捌け交通量は渋滞巻き込まれ時間に影響されることから 10, その推定にあたっては渋滞巻き込まれ時間を考慮し, 捌け交通量が安定する状態を推定していることが特徴的である. 交通容量推定モデルの精度は, 重相関係数でで比較的良好な結果が得られている ( 図 2. (2 渋滞発生地点判定モデル村重ら 8 の提案する渋滞発生地点判定モデルは, データマイニング処理による車両感知器の速度低下地点の検討と二項ロジットモデルを組み合わせることで渋滞発生地点を判定するものである. 具体的には, 日下部ら 11 の表 1 交通容量推定モデル ( 片側 2 車線区間昼間無降雨時渋滞発生時渋滞発生後 ( [ 平休区分 ( 休日 :1] +(72.80 [ 下流側縦断勾配 (%] +(29.54 [ 上流側縦断勾配 (%] +(86.26 [ 直上流平面曲率 (1/km] ( [ 平休区分 ( 休日 :1] +( [TN の有無 (TN あり :1] +(60.70 [ 下流側縦断勾配 (%] +( [ 下流側縦断勾配区間長 (km] +(64.53 [ 平面曲率 (1/km] +( [ 直上流平面曲率 (1/km] データマイニング手法を参考とし, 車両感知器観速度の変化量と色の変化に一定の対応関係を持たせ, 均等知覚色空間において配色を直線的に設定した速度コンター図を作成する. 車両感知器速度は赤色をベースに明度変化を直線的に扱う方法とし, 配色の設定は速度 (5 分間値の車線合計に対する赤色 256 階調を一次式で与えて表現する ( 図 7 中の凡例参照. 次に, 各地点の車両感知器データから得られる非渋滞領域におけるQV 形状を回帰し, 図 3に示すようにQV 形状から交通量が少ない状態の速度特性 ( 条件 1:V 1 と交通量増加に伴う速度低下量の特性 ( 条件 2:dv を定量化する. これと上記各車両感知器の速度低下地点とから, ボトルネックのなりやすさを確率的に表現するモデルである ( 式 (1. P BN i BN ここに, exp( VBN i = exp( V + exp( V α v 1 i BN i V i = + β dv V nonbn i P BNi V BNi V nonbni v 1i dv 1 α, β = 0 : 地点 i をボトルネックと判定する確率 : 地点 i のボトルネック判定関数 : 地点 i の非ボトルネック判定関数 : 地点 iの交通量が少ない状態 ( 階層の平均 or85% タイル速度 (km/h (1 : 地点 i の交通量増加に伴う速度低下量 (km/h : パラメータ i nonbn i 渋滞発生時 ( 重相関係数 :0.71 渋滞発生後 ( 重相関係数 :0.63 4,000 推 3,500 定値(3,000 台 / 時2,500 2,000 2,000 2,500 3,000 3,500 4,000 実績値 ( 台 / 時図 2 交通容量推定モデルの精度検証 ( 片側 2 車線区間図 3 QV 形状とボトルネックのなりやすさの関係の概念 3

4 渋滞発生地点判定モデルのパラメータの推定結果を表 2に示す. 修正尤度比は中央道 ( 下が0.645 (Model1: 平均速度,0.692(Model2:85% タイル速度と非常に高く, その他の路線でも比較的良好な結果が得られており, 各路線とも良好な適合度であることがわかる. また, 各パラメータのt 値も高く, 中央道を除いて5% 有意水準を満たしており, 統計的にもパラメータの有意性が確認できる. なお, 中央道 ( 下はサンプル数が少ないために5% 有意水準を満たしていない. さらに, ボトルネックの判定確率を確率 0.5 以上として的中率を算定すると, 各路線とも高い的中率が得られることが確認できる. 車線数 2 車線区間 3 車線区間路線中央道 ( 下 [ 調布 ~ 上野原 ] (21 名神 ( 上 [ 小牧 ~ 八日市 ] (42 東北道 ( 上 [ 浦和 ~ 栃木都賀 J] (36 カッコ内はt 値 / はt 値が5% 有意表 2 パラメータの推定結果項目 Model 1 Model 2 ( 平均速度を採用 (85% タイル速度を採用 α:v 1 のハラメータ ( (1.613 β:dv のハラメータ ( (1.595 修正尤度比的中率 α:v 1 のハラメータ ( (3.352 β:dv のハラメータ ( (3.072 修正尤度比的中率 α:v 1 のハラメータ ( (2.547 β:dv のハラメータ ( (1.894 修正尤度比的中率 α:v 1 のハラメータ ( (3.149 東名 ( 上 β:dv のハラメータ ( (2.867 [ 東名川崎 ~ 御殿場 ] (34 修正尤度比的中率率(B 80 N 70 判定 60 確 50 %30 平均速度 V1=100km/h 20 平均速度 V1= 90km/h 10 平均速度 V1= 80km/h 速度低下量 dv( km /h 図 4 ボトルネック判定確率曲線 ( 中央道 ( 下中央道 ( 下における平均速度 (V 1 と速度低下量 (dv の変化によるボトルネック判定確率曲線を図 4に, 平均速度 (V 1 が100km/h の場合における各路線のボトルネック判定確率曲線を図 5に示す. 図 4から平均速度(V 1 が低く, 速度低下量 (dv が大きいとボトルネックになりやすくなる様子がわかる. また, 図 5から縦断線形が起伏に富んだ中央道 ( 下のような路線では速度低下量に対するボトルネック判定確率の感度が高いが, それ以外の路線では速度低下量に対する感度が低い様子がわかる. (3 渋滞定着地点判定モデル村重ら 9 の提案する渋滞定着地点判定モデルは, 顕在化ボトルネック下流でインシデントによる渋滞が発生する場合, インシデント解消後に規制地点を先頭とした渋滞は上流へと遡上するが, 顕在化ボトルネックに渋滞が定着する現象に着目して, ボトルネックはその前後の区間に対して渋滞中の発進流率が相対的に低い地点と捉え, 道路幾何構造によって渋滞定着地点を判定するものである. モデルの構造は渋滞定着地点を選択 (=1, 渋滞先頭通過地点を非選択 (=0 とした多項ロジットモデルである ( 式 (2. P V = J exp( V k = 1 ik exp( V ik = α x + β y + ここに, P :IC 区間 i に属するサグ j をボトルネック位置と判定する ( 相対確率 V :IC 区間 i に属するサグ j のボトルネック位置判定関数 ( 効用関数に相当 J :IC 区間 iに属するサグの総数 x, y :IC 区間 iに属するサグ jの道路幾何構造 α, β : パラメータ ( 率(B 80 N 70 判定 60 確 50 %30 中央道 ( 下 20 名神 ( 上 10 東北道 ( 上東名 ( 上速度低下量 dv( km /h 図 5 ボトルネック判定確率曲線の路線間比較図 6 インシデント発生時の渋滞先頭遡上定着の概念 4

パラメータ推定の結果,12 項目の道路幾何構造 ( 平面曲線半径, 上流縦断勾配, 下流縦断勾配, 上下流縦断勾配差, 縦断曲線長, 縦断曲線半径等の組合せのうち, パラメータの符号条件が妥当で, かつ尤度比的中率の高いモデルを表 3に示す. 尤度比と的中率をみると,Model 2 の説明力が最も高いが, 直上流平面曲率の t 値が 1.

5 パラメータ推定の結果,12 項目の道路幾何構造 ( 平面曲線半径, 上流縦断勾配, 下流縦断勾配, 上下流縦断勾配差, 縦断曲線長, 縦断曲線半径等の組合せのうち, パラメータの符号条件が妥当で, かつ尤度比的中率の高いモデルを表 3に示す. 尤度比と的中率をみると,Model 2 の説明力が最も高いが, 直上流平面曲率の t 値がと低いことから, 尤度比と的中率と t 値を総合的に判断して,Model 3 が優位であると結論付けている. ここで, ボトルネック判定関数の値は大きいほどボトルネックになる確率が高いため,Model 3 では平面曲線半径, 下流縦断勾配ともに大きくなるほどボトルネックになる確率が高いことを示している. 表 3 パラメータ推定結果説明変数 Model 1 Model 2 Model 3 Model (2.542 * (2.534 * (2.392 * (2.313 * 平面曲率 (1/km 直上流平面曲率 (1/km 下流縦断勾配 (% 下流縦断勾配区間長 (km 下流縦断標高差 (m (1.794 ( (1.808 (1.824 ( ( (1.382 修正尤度比的中率カッコ内はt 値,* はt 値が5% 有意 4. 提案モデルの有効性検証 (1 車両感知器速度とフローティング速度の比較高速道路において, 車両感知器は主に情報提供のための渋滞判定機器として用いられている. しかし, 都市高速道路とは異なり, その設置密度は約 2km 区間と長い. つまり, 速度変動も車両感知器設置地点特有のものであって, その分解能が道路幾何構造に大きく支配されている可能性は否めない. そこで, フローティング調査による地点速度プロファイルと比較することによって, 車両感知器速度の分解能を検証する. 中央道 ( 下を対象とした車両感知器速度のデータマイニング処理結果とフローティング調査による地点速度プロファイルを比較して図 7 に示す. これより, フローティング調査によって得られる連続した地点速度変化に対して, 車両感知器速度データも比較的良好にそれをトレースしている様子がわかる. よって, 事前診断におけるマクロ分析にあっては, 車両感知器データは有効に機能するものと判断できる. なお, 図 7 の車両感知器データ分析結果は圏央道と接続する八王子 JCT の改築前後比較を分析したものであり, フローティング調査結果は八王子 JCT 改築前に実施したものである. 車両感知器速度の凡例図 7 車両感知器速度のデータマイニング処理結果とフローティング調査による地点速度プロファイルの比較 ( 中央道 ( 下 5

6 (2 モデル相互間の比較検証中央道 ( 下の調布 IC~ 相模湖 IC を対象に, 交通容量推定モデルによる推定結果とボトルネック位置判定モデルによる判定結果を比較して図 8 に示す. 図 8 の上段は渋滞発生時交通量と渋滞発生地点判定結果の比較, 下段は渋滞発生後捌け交通量と渋滞定着地点判定結果の比較である. モデル相互間の比較検証の視点は, 顕在化するボトルネックの交通容量は前後区間に比べて相対的に小さくなり, ボトルネック位置判定においてはその確率が高くなることから, 交通容量が大きいほどボトルネック位置判定確率が低くなる傾向にあるか否かを確認することにより, モデル相互間の整合性を確認する. 図 8 から渋滞発生時交通量, 渋滞発生後捌け交通量ともに, 交通容量の推定値が大きくなるほどボトルネック位置判定確率が低くなる傾向がみられる. ただし, 図 8 の上段では推定交通容量が小さいにもかかわらず, 渋滞発生地点として推定されないサンプルも散見される. これらの地点は八王子 IC から都心寄に多く分布していることから, 交通特性が都市高速に類似する ( 道路幾何構造に影響を受けにくいことなどが, この乖離要因になっているのではないかと考えられ, モデルの精度向上に対する課題が残る. 渋滞発生時交通量と渋滞発生位置の比較ネッ率(ネッ率(%ボ 100 トル 80 ク 60 判定確整合しないサンプル渋滞発生時交通量推定モデルによる推定値 ( 台 / 時渋滞発生後捌け交通量と渋滞定着位置の比較ボトル 30 ク判 20 定確 % 渋滞発生後捌け交通量推定モデルによる推定値 ( 台 / 時図 8 ボトルネック位置判定モデルとの比較検証 5. おわりに本論では, 既往研究により得られる交通容量推定モデルやボトルネック位置推定モデルの特性を考慮し, それぞれが補完する形でボトルネックを計画中や設計中など事前に探索する手法の体系化を目指した. その結果, 車両感知器データがフローティング調査結果に対して, その結果をトレースしていることがわかった. また, 提案するモデル相互間の比較結果においても一定の整合性が確認された. ただし, その精度にはまだ改善の余地も多く残されているほか, 交通容量推定手法として開発されている同種のモデルとの関係性も今後検証していく必要があろう. また, 何よりも交通状況は自動車側の技術革新に伴って刻々と変化するものであることから, 今後とも予測パラメータの更新アップデートを図り, より確度の高いモデルへと進化させていくことが重要であると考える. さらには, 民間プローブデータの活用も活発化していることから, プローデータとの連携も視野に入れたボトルネック探索手法の構築が望まれる. 謝辞 : 本研究を実施するにあたって交通ボトルネック渋滞対策手法の検討委員会 ( 桑原雅夫委員長, 当時東京大学教授, 現東北大学教授において貴重なご意見を頂いた. ここに記して感謝の意を表す. 参考文献 1 米川英雄, 飯田克弘, 森康男 : 高速道路における渋滞中交通容量の算定式構築に関する実証的研究, 高速道路と自動車,Vol.44,No.8,pp.2530, 吉川良一, 塩見康博, 吉井稔雄, 北村隆一 : 暫定 2 車線高速道路のボトルネック交通容量に関する研究, 交通工学,Vol.43,No.5,pp.4858, 福島賢一,Jing Xing, 瀬戸稔和, 佐藤久長 : 潜在ボトルネック交通容量の推定及び交通容量の確率分布を用いた年間の渋滞予測検討, 土木計画学研究講演集,Vol.38,4pages, 村重至康, 山口孝, 野中康弘 : 都市間高速道路を対象とした交通容量推定モデルの構築, 土木計画学研究講演集,Vol.42,4pages, たとえば, 小谷益男, 古市朋輝, 児島正之, 岩崎征人 : 高速道路単路部における連続的な交通容量推定手法とその有効性, 土学会論文集,No.737,IV60,pp , 大口敬 : 高速道路サグにおける渋滞の発生と道路線形との関係, 土木学会論文集,No.524, IV29, pp.6978, 大口敬, 飯田克弘 : 高速道路サグにおける追従挙動解析におけるドライビングシミュレータ技術の適用性, 交通工学,Vol.38,No.4,pp.4150, 村重至康, 野中康弘, 柳沼秀樹 : 都市間高速道路単路部におけるボトルネック位置の推定手法に関する研究, 土木計画学研究講演集,Vol.,4 pages, 村重至康, 野中康弘, 大口敬 : インシデント渋滞解 6

7 消後における渋滞先頭遡上および定着現象に関する研究, 第 30 回交通工学研究発表会論文報告集,pp.5 8, 竹内利夫, 佐藤久長, 皆方忠雄 : 高速道路渋滞対策の最前線, 土木学会誌,vol.91,No.5, 日下部貴彦, 井料隆雅, 朝倉康夫 : 車両検知器データを用いた交通流可視化技術の開発, 交通工学,Vol.43,No.5, pp.5968,2008 DISCUSSION ON SYSTEMATIC SEARCH FOR BOTTLENECKS ON EXPRESSWAY ORDINARY SECTIONS Yasuhiro NONAKA, Yoshiyasu MURASHIGE Takashi OGUCHI Traffic congestion on interurban expressways, where the high level of traffic capacity and traffic service are required, should be alleviated as much as possible. However, it is actually impossible to eliminate traffic congestion on expressways completely. Therefore it is better to recognize the location and the capacity of each bottleneck that causes traffic congestion, and to design the expressway network under the consideration of the bottleneck characteristics. This paper attempts to systematize the bottleneck searcing methods, by reviewing previous studies estimating location and traffic capacity of bottlenecks, in order to construct a traffic performance evaluation method on expressway ordinary sections. Lastly we discuss the future perspectives of these research fields. 7

JARTIC 交通情報の例 : 高速道路 2

資料 2 1 渋滞のメカニズムおよび渋滞対策の全体像首都大学東京都市環境科学研究科大口敬 http://www.comp.tmu.ac.jp/ceeipogc/ JARTIC 交通情報の例 : 高速道路 2 JARTIC 交通情報の例 : 東京 23 区一般道 3 混む交通需要が多い交通量が多い交通密度が高い... 混雑渋滞遅れ ( 道路 ) 交通が混雑した感覚のさまざまな表現 Congestion