Comments
Description
Transcript
プローブカー調査データの特性に関する研究
筑波大学大学院博士課程 システム情報工学研究科修士論文 プローブカー調査データの特性に関する研究 鈴木 完 (社会システム工学専攻) 指導教官 石田 東生 教授 2004 年２月 概要 季節変動や曜日変動，時間変動，定時性の評価，事業の事後評価など，道路サービス水準の評 価などの際に，重要な指標となる走行速度調査への意義は高まっている．しかし，現状の全国規 模の調査である道路交通センサスは，２年から３年ごとの秋期の平日休日それぞれ１日ずつの調 査であり，時間帯や調査区間も限定されている．そのため，曜日変動や時間変動を捉えることは 難しい．トラフィックカウンターによる常時観測も行われているが，全国で約 500 カ所と空間的 に限定されてしまう．昨今の IT の進展により，交通行動データについてもより詳細なデータの 把握が可能となってきている．カーナビゲーションシステムから得られる位置情報や走行速度情 報を取得できるプローブカーと呼ばれる車両により，時間的，空間的にも連続なデータの取得が 可能となり，これまでの調査では把握することのできなかった曜日変動や時間変動についても分 析が可能となっている．本研究では，東京地区でのプローブカー調査データの特性について分析 をおこなった． リンク単位の分析では，平均速度とその偏差により，常に混雑しているリンクや，走行速度が 高いリンクなど，リンクの走行性を空間的に把握することができた．また，リンク長が長いほど 走行速度が高く，その変動も小さくなるとが確認できた． これまで感覚的に平日と休日の走行速度には差があるとされていたが，平均走行速度について 差の検定を行うことで，全時間帯において差があることが確認できた．また，五十日と五十日以 外の日の平均走行速度の差異については，通勤・通学などの義務的交通のある朝の時間帯におい ては有意な差が見られなかったが，それ以降の業務交通が多くなる時間帯において，有意な差が 見られ，感覚的な差を裏付ける結果が得られた． 特定の区間における走行速度の把握と，蓄積されたデータから走行速度の期待値の算出を試み， 95％信頼区間では，上限値と下限値の幅が概ね２～５km/h であり，走行速度の期待値が算出可 能であると考えられる． 目次 図表リスト 第 1 章 研究の背景と目的 ......................................................... - 1 1.1 研究の背景 ................................................................ - 2 1.2 研究の目的 ................................................................ - 3 1.3 本研究の概要 .............................................................. - 4 第 1 章参考文献・資料 .......................................................... - 6 第 2 章 既存研究の整理と本研究の位置づけ ......................................... - 7 2.1 はじめに .................................................................. - 8 2.2 プローブカーによる調査事例と研究事例 ...................................... - 8 2.2.1 走行速度データを用いた事業評価の例 .................................... - 8 2.2.2 走行速度調査を目的とした調査事例 ..................................... - 10 2.2.3 走行速度調査を目的とした研究 ......................................... - 13 2.3 本研究の位置づけ ......................................................... - 15 第 2 章参考文献・資料 ......................................................... - 16 第 3 章 使用データの概要 ........................................................ - 17 3.1 分析対象地域と道路ネットワークデータ ..................................... - 18 3.2 東京地区プローブカーデータ ............................................... - 21 3.2.1 東京地区プローブカー調査概要 ......................................... - 21 3.2.2 東京地区プローブカーデータ概要 ....................................... - 23 3.3 降水量データ ............................................................. - 25 3.4 データ合成の流れ ......................................................... - 27 第 3 章参考文献・資料 ......................................................... - 28 第 4 章 プローブカーデータの特性 ................................................ - 29 4.1 データ取得に関する特性 ................................................... - 30 4.2 走行速度の特性 ........................................................... - 37 4.2.1 平均走行速度の定義 ................................................... - 37 4.2.2 走行速度の変動性の空間的把握 ......................................... - 46 4.2.3 リンク交通量と走行速度の関連性分析 ................................... - 48 4.2.4 リンク車線数と走行速度の関連性分析 ................................... - 51 4.2.5 リンク長と走行速度の関連性分析 ....................................... - 52 4.3 本章のまとめ ............................................................. - 54 第 4 章参考文献・資料 ......................................................... - 55 第 5 章 東京都区部の走行速度の把握 .............................................. - 56 5.1 平日，休日における平均走行速度の把握 ..................................... - 57 5.2 五十日，五十日以外の日における平均走行速度の把握 ......................... - 60 5.3 天候による平均走行速度の把握 ............................................. - 66 5.4 本章のまとめ ............................................................. - 71 i 第 5 章参考文献・資料 ......................................................... - 72 第 6 章 特定区間における走行速度の把握 .......................................... - 73 6.1 対象路線と対象区間の選定 ................................................. - 74 6.2 特定路線の走行速度の把握 ................................................. - 76 6.3 特定路線における走行速度の期待値 ......................................... - 83 6.4 本章のまとめ ............................................................. - 94 第 6 章参考文献・資料 ......................................................... - 95 第 7 章 結論と今後の課題 ........................................................ - 96 7.1 本研究で得られた知見と本研究の結論 ....................................... - 97 7.2 今後の課題 ............................................................... - 98 参考文献・資料リスト 謝辞 ii 図表リスト <図の目次> 第1章 図 1.3-1 研究の流れ .......................................................... - 5 - 第2章 図 2.2-1 国道 116 号有明大橋改良事業の供用前後の所要時間比較 .................. - 9 - 図 2.2-2 国道２号玉島バイパスの高架橋供用前後の渋滞損失額の比較 .............. - 9 - 図 2.2-3 IPCar 実証実験におけるホームページ上での情報提供 .................... - 10 図 2.2-4 カーナビの累計出荷台数 ............................................. - 12 図 2.2-5 車種別平均走行距離（km/台/日）と道路種別走行割合 ................... - 14 - 第3章 図 3.1-1 東京 23 区と分析対象地域 ............................................ - 18 - 図 3.1-2 分析対象地域内の道路ネットワーク ................................... - 20 - 図 3.1-3 分析対象地域内の道路ネットワーク（その他の道路種別を除く） ......... - 21 - 図 3.2-1 東京地区プローブカー調査イメージ ................................... - 22 - 図 3.2-2 タクシーへのカーナビの取り付け ..................................... - 22 - 図 3.2-3 プローブマスターデータのデータフォーマット ......................... - 23 - 図 3.3-1 分析対象地域内及び周辺の気象台，測候所，地域気象観測所（アメダス）.. - 26 - 図 3.4-1 データ合成の流れ ................................................... - 27 第4章 図 4.1-1 道路種別別データ取得リンク数とデータ取得割合 ....................... - 30 - 図 4.1-2 道路種別別データ取得リンク長とデータ取得割合 ....................... - 31 - 図 4.1-3 都市高速道路の時間帯別・曜日別のデータ取得リンク数 ................. - 32 - 図 4.1-4 一般国道の時間帯別・曜日別のデータ取得リンク数 ..................... - 33 - 図 4.1-5 主要地方道（都県道）の時間帯別・曜日別のデータ取得リンク数 ......... - 33 - 図 4.1-6 一般都県道の時間帯別・曜日別のデータ取得リンク数 ................... - 34 - 図 4.1-7 その他の道路の時間帯別・曜日別のデータ取得リンク数 ................. - 34 - 図 4.1-8 時間帯別・道路種別別データ取得リンク数の割合 ....................... - 35 - 図 4.1-9 分析対象地域内の道路交通センサス対象リンク ......................... - 36 - 図 4.1-10 時間帯別・センサス対象／対象外別データ取得リンク数の割合 .......... - 36 - 図 4.2-1 一般道の時間帯別・曜日別平均走行速度 ............................... - 39 - 図 4.2-2 一般道のセンサス対象リンクの時間帯別・曜日別平均走行速度 ........... - 39 - 図 4.2-3 走行性の概念図 ..................................................... - 46 図 4.2-4 リンク平均速度と偏差 ............................................... - 47 図 4.2-5 リンクの走行性 ..................................................... - 48 図 4.2-6 交通量と平均走行速度の関係 ......................................... - 49 - 図 4.2-7 交通量と偏差の関係 ................................................. - 50 図 4.2-8 交通量別のリンク平均速度と偏差の関係 ............................... - 51 - 図 4.2-9 車線数別のリンク平均速度と偏差の関係 ............................... - 52 - 図 4.2-10 リンク長ごとのリンク平均速度と偏差の関係 .......................... - 53 - 図 4.2-11 リンク長と偏差の関係 .............................................. - 54 第5章 図 5.1-1 時間帯別・平休日別の平均走行速度 ................................... - 57 iii 図 5.1-2 時間帯別・平休日別の走行速度の標準偏差 ............................. - 60 - 図 5.2-1 五十日と五十日以外の日の平均走行速度 ............................... - 60 - 図 5.2-2 時間帯別の五十日と五十日以外の日の平均走行速度 ..................... - 61 - 図 5.3-1 時間帯別・平休日別・天候別の平均走行速度 ........................... - 67 - 第6章 図 6.1-1 取得データ数が 100 以上のリンク ..................................... - 74 - 図 6.1-2 分析対象区間 ....................................................... - 75 図 6.2-1 平日における時間帯別・区間別取得データ数 ........................... - 76 - 図 6.2-2 休日における時間帯別・区間別取得データ数 ........................... - 77 - 図 6.2-3 時間帯別・平休日の平均走行速度（区間１） ........................... - 79 - 図 6.2-4 時間帯別・平休日の平均走行速度（区間２） ........................... - 79 - 図 6.2-5 時間帯別・平休日の平均走行速度（区間３） ........................... - 80 - 図 6.2-6 時間帯別・平休日の平均走行速度（区間４） ........................... - 80 - 図 6.2-7 時間帯別・五十日と五十日以外の日の平均走行速度（区間１） ........... - 81 - 図 6.2-8 時間帯別・五十日と五十日以外の日の平均走行速度（区間２） ........... - 81 - 図 6.2-9 時間帯別・五十日と五十日以外の日の平均走行速度（区間３） ........... - 82 - 図 6.2-10 時間帯別・五十日と五十日以外の日の平均走行速度（区間４） .......... - 82 - 図 6.3-1 走行速度の推定値と道路交通センサス実績値（区間１：上り） ........... - 84 - 図 6.3-2 走行速度の推定値と道路交通センサス実績値（区間２：上り） ........... - 84 - 図 6.3-3 走行速度の推定値と道路交通センサス実績値（区間３：上り） ........... - 85 - 図 6.3-4 走行速度の推定値と道路交通センサス実績値（区間４：上り） ........... - 85 - 図 6.3-5 走行速度の推定値と道路交通センサス実績値（区間１：下り） ........... - 86 - 図 6.3-6 走行速度の推定値と道路交通センサス実績値（区間２：下り） ........... - 86 - 図 6.3-7 走行速度の推定値と道路交通センサス実績値（区間３：下り） ........... - 87 - 図 6.3-8 走行速度の推定値と道路交通センサス実績値（区間４：下り） ........... - 87 - 図 6.3-9 標準偏差と偏差（上り） ............................................. - 88 図 6.3-10 標準偏差と偏差（下り） ............................................ - 89 図 6.3-11 道路地図と同一地点の DRM による表現 ................................ - 90 図 6.3-12 プローブカーデータの DRM へのマッチングと右左折直進の判断 .......... - 90 図 6.3-13 プローブカーデータの DRM へのマッチングミスと右左折直進の判断 ...... - 91 - 図 6.3-14 平日における時間帯別・区間別取得データ数（右左折除去後） .......... - 92 - 図 6.3-15 右左折データ除去前後の平日における平均走行速度（上り） ............ - 93 - 図 6.3-16 右左折データ除去前後の平日における平均走行速度（下り） ............ - 94 - iv <表の目次> 第2章 表 2.2-1 プローブカー調査の主体とその主目的 ................................. - 12 - 表 2.2-2 調査車両の長所と短所 ............................................... - 13 第3章 表 3.1-1 分析対象地域の各メッシュのノード数 ................................. - 19 - 表 3.1-2 分析対象地域の各メッシュの道路種別別リンク数 ....................... - 19 - 表 3.1-3 分析対象地域の各メッシュの道路種別別リンク長 ....................... - 19 - 表 3.2-1 東京地区プローブカー調査概要 ....................................... - 22 - 表 3.2-2 データフォーマットの項目 ........................................... - 24 表 3.2-3 各車両のデータ取得期間とデータ取得日数 ............................. - 25 - 第4章 表 4.1-1 道路種別別データ出現率 ............................................. - 32 表 4.2-1 一般道における走行速度の算術平均・不偏分散・データ数（その１） ..... - 41 - 表 4.2-2 一般道における走行速度の算術平均・不偏分散・データ数（その２） ..... - 42 - 表 4.2-3 一般道における走行速度の算術平均・不偏分散・データ数（その３） ..... - 43 - 表 4.2-4 曜日の組み合わせによる検定統計量（その１） ......................... - 44 - 表 4.2-5 曜日の組み合わせによる検定統計量（その２） ......................... - 45 - 第5章 表 5.1-1 平休日別の走行速度の算術平均と不偏分散およびデータ数 ............... - 58 - 表 5.1-2 時間帯別の検定統計量と自由度 ....................................... - 59 - 表 5.2-1 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定①） - 62 - 表 5.2-2 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定②） - 63 - 表 5.2-3 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定③） - 64 - 表 5.2-4 五十日の設定別・時間帯別の検定統計量と自由度 ....................... - 65 - 表 5.3-1 平日の時間帯別・天候別の走行速度の算術平均・不偏分散・データ数 ..... - 68 - 表 5.3-2 休日の時間帯別・天候別の走行速度の算術平均・不偏分散・データ数 ..... - 69 - 表 5.3-3 平日の時間帯別・天候別の検定統計量と自由度 ......................... - 70 - 表 5.3-4 休日の時間帯別・天候別の検定統計量と自由度 ......................... - 70 - v 第1章 研究の背景と目的 第1章 1.1 研究の背景と目的 研究の背景 季節変動や曜日変動，時間変動の激しい道路実体の把握，ジャストインタイムなどの定 時性の評価，事業の事後評価など，道路ネットワークのサービス水準の評価や交通規制の 検討などの際に，重要な指標となる走行速度調査への意義はますます高まっている 1）．しか し，現状で行われている走行速度調査にはいくつかの問題点があると考えられる． 道路交通センサス（正式名称：全国道路・街路交通情勢調査）は，全国の道路と道路交 通の実態を把握することを目的とした調査であり，国土交通省，都道府県，政令指定都市， 日本道路公団，首都高速道路公団などと共同で行っている全国規模の調査のことである． この道路交通センサスで行われている一般交通量調査の中で，旅行速度の調査は行われて いるが，２年から３年ごとの調査であり，かつ限られた区間においてしか調査が行われて いない．調査方法 2） に関しても，調査日は月曜日，金曜日，土曜日，日曜日，祝祭日及び その前後の日，５，10 日（辞書による表記は五十日のため，以下本文中では五十日と表記 する）及び豪雨等の異常天候の場合，その他通常と異なる交通状態が予想される日を選ん ではならないとある．休日では，連休及び豪雨等の異常天候の場合，その他通常と異なる 交通状態が予想される日を選んではならない．連休や天候による影響は経験的，感覚的に 少なくないことがわかるが，特に平日に関しては，曜日による違いがあるかどうかは現状 ではわからないにも関わらず，調査以前の段階で調査日から除外している．また五十日と 五十日以外の日で交通状態に差があるというのも経験的，感覚的なものであり，少なくと も現在では差があるかどうかは把握されていない 3）4）注 1）注 2） ．調査以前に曜日特性による 走行速度の差の有無を把握することができないものとなっている．調査時間帯は，平日で は朝のラッシュ時間帯（７時から９時）と夕方のラッシュ時間帯（17 時から 19 時）の中で 最も混雑している時間帯，休日では調査区間において１日で最も混雑しているピーク時間 帯での調査と決められている．このピーク時間帯の設定に関しても，前回調査の交通量を 参考にしており，真のピーク時間帯であるかどうかは疑わしい．最も混雑している時間帯 とは，渋滞等が発生している区間については渋滞長が最も長くなる時間帯であり，渋滞等 がない区間は時間交通量が最も大きくなる時間帯を意味しているが，なにをもって渋滞か というそもそも渋滞の定義 5） について何も触れられてはいない．そして，道路のパフォー マンス指標となる走行速度に関して，他の時間帯においては把握することができない．ま た，調査回数は，上記の時間帯において，DID 地区（人口集中地区）では３回，非 DID 地区 では１回のみの計測である．こうしたことから，年間や季節，曜日間，時間帯の変動を捉 えることはできず，時間的にも空間的にも限定されてしまうデータとなってしまう． トラフィックカウンターでは，一定の区間の断面交通量や走行速度を常時計測している． -2- そのため，トラフィックカウンターによる走行速度調査は，道路交通センサスにおける旅 行速度調査のように，限定された調査期間とは異なり，時間的に連続なデータを取得する ことが可能であるという利点が挙げられる．しかし，観測地点も主要な幹線道路のみであ り，全国で約 500 ヶ所，東京都内では 26 カ所（23 区内：25 カ所，23 区以外：１カ所）と 限られた観測地点であるため，空間的に連続なデータを得ることができないというのが問 題点として挙げられる． 1.2 研究の目的 近年，より高度で多様な道路サービス水準への欲求は高まっている．走行速度の季節変 動や時間変動の把握 6），特に利用者にとって最も必要と考えられる所要時間及びその定時性 に関する調査データの蓄積が必要となっている 7）． 現在，プローブカー8）（様々な解釈が可能であるが，本研究では，位置情報・走行速度情 報等のデータを取得することができる車両と定義する）による調査が全国各地で開始され ており，これらの調査データが蓄積されれば，道路分野における分析分野，手法も大きく 発展することが期待される．プローブカーでは，リンクの旅行速度が観測でき，調査デー タの蓄積により，これまで，高速道路等の限られた常時観測地点に対してのみ把握されて きた道路サービス水準の曜日変動，時間変動等の特性についても広範囲に検討できる 9）10）． しかしながら，一方でプローブカーによる調査データの蓄積は，詳細なデータ取得であ るがゆえに，膨大なデータ量になってしまい，分析，活用があまりされていないのが現状 である． そこで本研究は，東京地区で行われたタクシー20 台によるプローブカー調査のデータを 用い，プローブカーのデータの特性について分析，検討するものである． 具体的には，時間的，空間的にも連続であるプローブカーデータを用い，曜日特性や時 間帯特性，リンク特性と走行速度の関連性に関して分析を行い，プローブカーデータの特 性について把握することを目的とする．また，これまで把握されてこなかった東京都区部 の走行速度の曜日変動や時間変動の特性を把握し，曜日特性などにより走行速度に差があ るかどうかを検証し，経験的，感覚的なものから客観的，統計的に差があるかどうかを検 証することを目的とする．そして，特定区間に対して，走行速度の期待値を算出し，蓄積 されたデータから走行速度の推計が行えるかどうかを確認することを目的とする． -3- 1.3 本研究の概要 本研究は７章から構成され，研究の流れを以下に示す（図 1.3-1） ． 第１章，第２章では現在行われている走行速度調査の問題点を整理し，プローブカーに よる走行速度調査の意義についてまとめる．また，各地域のプローブカー調査の整理とプ ローブカーによる走行速度調査に関する研究を中心として既存研究のレビューを行い，本 研究の位置づけを行う． 第３章では，本研究での分析対象地域と対象地域のネットワークデータ，降水量データ の説明，及び東京地区のプローブカー調査の概要と東京地区で取得しているデータ項目に ついて説明する． 第４章では，プローブカーデータの基礎集計を行うとともに，リンク特性と走行速度の 関連性について分析把握をする． 第５章では，ネットワーク全体において，時間帯や曜日特性を考慮した東京都区部の走 行速度を把握する．また，平日と休日の平均走行速度の差，五十日による影響，天候の影 響など，走行速度に差があるかどうかを統計的手法を用い，その差異を把握する． 第６章では，特定区間において，蓄積されたプローブカーデータから走行速度および所 要時間の期待値を算出し，現状の調査値との比較を行うことにより，プローブカーデータ を用いた推計の可能性について検討する． そして，第７章では得られた知見をもとに，結論及び今後の課題を導く． -4- 第1章 研究の背景と目的 1-1 研究の背景 1-2 研究の目的 1-3 研究の概要 第2章 既存研究の整理と本研究の位置づけ 2-1 はじめに 2-2 プローブカーによる調査事例 2-2-1 走行速度データを用いた事業評価の例 2-2-2 走行速度調査を目的とした調査事例 2-2-3 走行速度調査を目的とした研究事例 2-3 本研究の位置づけ 第3章 使用データの概要 3-1 分析対象地域と道路ネットワークデータ 3-2 東京地区プローブカーデータ 3-2-1 東京地区プローブカー調査概要 3-2-2 東京地区プローブカーデータ概要 3-3 降水量データ 3-4 データ合成の流れ 第４章 プローブカーデータの特性 第4章 プローブカーデータの特性 4-1 データ取得に関する特性 4-2 走行速度に関する特性 4-2-1 平均走行速度の定義 4-2-1 平均走行速度の定義 4-2-2 走行速度の変動性の空間的把握 4-2-2 走行速度の変動性の空間的把握 4-2-3 リンク交通量と走行速度の関連性分析 4-2-3 リンク交通量と走行速度の関連性分析 4-2-4 リンク車線数と走行速度の関連性分析 4-2-4 リンク車線数と走行速度の関連性分析 4-2-5 リンク長と走行速度の関連性分析 4-2-5 リンク長と走行速度の関連性分析 4-3 本章のまとめ 第5章 東京都区部の走行速度の把握 5-1 平日，休日における平均走行速度の把握 5-2 五十日，五十日以外の日における平均走行速度の把握 5-3 天候による平均走行速度の把握 5-4 本章のまとめ 第6章 特定区間における走行速度の把握 6-1 対象路線と対象区間の選定 6-2 特定路線の走行速度の把握 6-3 特定路線における走行速度の期待値 6-4 本章のまとめ 第7章 結論と今後の課題 7-1 本研究での得られた知見と本研究の結論 7-2 今後の課題 図 1.3-1 研究の流れ -5- 第 1 章参考文献・資料 １）石田東生：総合交通データベースに向けて；交通工学 Vol34 増刊号，pp.3-7，1999 ２）平成 11 年度道路交通センサス，一般交通量調査箇所別基本表，一般交通量調査につい て，４．調査方法：平成 11 年度道路交通センサス CD-ROM ３）岩波書店広辞苑第五版 ４）三省堂大辞林第二版 ５）石田東生，古屋秀樹，甲斐慎一朗，岡本直久：主観的評価を考慮した渋滞判定に関す る研究，土木計画学研究・論文集 Vol.20 No.4,pp.887-894，2003 ６）北村隆一：変動についての試行的考察，土木計画学研究・論文集，No.20，pp.1-15 ７）中野敦，毛利雄一，佐藤和彦：交通統計調査データの現状と課題；交通工学 Vol34 増刊 号，pp.36-40，1999 ８）青木邦友：プローブカーとプローブ情報システム；交通工学 Vol.36 No.3，pp.51，2001 ９）岡本直久：プローブカー調査による交通流特性の分析と今後の課題；第 37 回土木計画 学シンポジウム論文集研究講演集，pp.749-752，2001 10）国土交通省道路局企画課道路経済調査室：IT 社会における新たな道路調査について； 道路 平成 13 年７月号，pp.29-34，2001 注１）広辞苑より『月のうち，五，十のつく日．取引の支払い日にあたり，車の動きが多 く交通渋滞が激しくなる．』 注２）大辞林より『月のうち，五・十のつく日．取引の支払い日にあたり，交通渋滞が激 しい日とされる．』 広辞苑では交通渋滞が激しくなるとあるが，先述のように実際に裏付ける根拠はなく， あくまでも経験的，感覚的なものである． -6- 第2章 既存研究の整理と本研究の位置づけ 第2章 2.1 既存研究の整理と本研究の位置づけ はじめに IT の進歩とともに，道路交通センサスのように人手に頼る調査ではなく，自動車を移動 体の交通観測モニタリング装置と捉え，きめ細かな交通流動や交通行動，位置情報，車両 挙動に関する調査データを取得することができるようになった 1）．走行速度調査を目的とし たプローブカー調査も全国各地で実施されるようになり，すでに事業評価の計測や，試験 的ではあるが走行速度の情報提供も行われ始めている．第２章では，現在までに行われて きたプローブカー調査を整理するとともに，それらの調査データをもとに行われた研究事 例をレビューすることにより，本研究の位置づけを明確にする． 2.2 2.2.1 プローブカーによる調査事例と研究事例 走行速度データを用いた事業評価の例 近年，政策評価において，アウトプットからアウトカム指標に重きが置かれるようにな っている．先述のように，プローブカー調査によりアウトカムの計測が可能になり，走行 速度データを用いることにより事業の評価を行った例がいくつかある． 新潟県新潟市では国道 116 号の橋梁の拡幅工事の事業評価を，バスロケーションシステ ムを用いて行った．バスロケーションシステムとは，バスの走行位置を把握することによ り，本来はバス利用者への情報提供を目的としたシステムである．このシステムを用いる ことにより，工事前と工事後の走行速度，橋の通過時間のデータを取得することで，速く 走行できるようになったなどの道路ユーザーの感覚的な評価から，数値データにより客観 的に効果を把握することができている 2）（図 2.2-1）． 同様に，広島県呉市の国道 185 号の新道の整備前後，岡山県倉敷市の国道２号玉島バイ パスの高架橋供用前後の渋滞損失額を比較することにより，事業の評価を行っている （図 2.2-2） ． -8- 3）4） 図 2.2-1 図 2.2-2 国道 116 号有明大橋改良事業の供用前後の所要時間比較 （参考文献・資料２より引用） 国道２号玉島バイパスの高架橋供用前後の渋滞損失額の比較 （参考文献・資料４より引用） -9- 2.2.2 走行速度調査を目的とした調査事例 事業の評価だけではなく，現状の走行速度の日変動や時間変動を把握することを目的と したプローブカー調査も全国で行われつつある． 神奈川県横浜市では， （財）自動車走行電子技術協会によりプローブ情報システムの実証 実験，通称「IPCar 実証実験」が 1999 年度から継続して実施されており，各段階において 様々なデータ取得および提供実験が行われている 5） ．2001 年２月より１ヶ月間，トラック 100 台，タクシー50 台，バス 50 台，営業車 50 台，塵芥車 50 台の計 300 台の車両から走行 速度やワイパーの稼働状況などを取得し，道路の混雑状況や天候などを会員に提供する実 験を行っている（IPCar12）（図 2.2-3）．また，2001 年 12 月から 2002 年１月にかけて約 20 日間，タクシー139 台，バス 81 台，営業者 40 台により，同様の実験が行われている （IPCar13）6）． 図 2.2-3 IPCar 実証実験におけるホームページ上での情報提供 （http://www.ipcar.org/より引用．現在サイト閉鎖中） - 10 - 愛知県の名古屋都市圏では，2002 年１月 28 日から３月 31 日の２ヶ月間，経済産業省主 体による「インターネット ITS プロジェクト」の実証実験が行われ，1,570 台のタクシーの プローブ情報（GPS 端末から得られた速度情報，ワイパー稼働状況に基づく降雨情報など） をインターネットで配信するプローブ情報提供サービスが実施された 7）． 福島県のいわき都市圏では，国土交通省東北地方整備局磐城国道事務所が主体となり， 1999 年から道路パトロールカー４台，官用車２台，タクシー５台，観光バス１台，商用車 １台，一般車７台の計 20 台にカーナビゲーションシステム（以下，カーナビ）を搭載し， データ取得を行っている 8）．いわきでは，カーナビによるデータ取得と同時に，運転者にア ンケートを行うことにより，プローブカーデータから OD データを導く検討もされており， 道路交通センサスの旅行速度調査だけではなく，OD 調査への適用も視野に入れられている． 福岡でも，国道 202 号の約 10km の区間を走行するバスに GPS を取り付け，走行状態を把 握する試みがなされている 9）． 東京では，現在では 60 秒ごとに位置情報を取得できる PHS を路線バスに乗せることによ り，都内のバス路線計 30km の走行速度データを取得している．また，第３章で詳しく述べ るが，タクシー20 台によるカーナビを用いたプローブ調査を 2000 年５月から 2003 年３月 まで，同じくトラック 20 台による調査を 2000 年５月から 2001 年８月まで行っている． 上記以外にも国土交通省では，各地方整備局により独自にプローブカー調査によるデー タ取得が行われており，全国各地で調査が行われ始めている．上記と重複する場所もある が，カーナビを用いた調査は，小樽，いわき，長野，東京，海老名，大阪，広島，九州， 沖縄で，GPS による調査は，岡山，広島，呉，高知，既存のバスロケーションシステムを用 いた調査が新潟で開始された．これまでは車両感知器などから地点速度と混雑度を用いて 走行速度を把握していたが，道路サービス水準評価や道路利用者が欲しい情報を提供する には，感知器の設置負担は莫大なものになってしまう．現在のカーナビや携帯端末の普及 率を考えると（図 2.2-4），プローブカーによる調査は比較的安価であり，今後ますます増 加していくと考えられる．また，タクシー会社によっては，車両の運行管理システムにカ ーナビを用いている場合があり，調査協力が得られれば走行データを入手し分析を行うこ とは可能である． - 11 - 14,000,000 12,937,000 12,000,000 11,476,000 10,000,000 カーナビ累計出荷台数 9,050,027 8,000,000 7,100,325 6,000,000 5,352,386 3,931,365 4,000,000 2,796,199 2,000,000 1,902,255 0 1997年3月 1998年3月 1999年3月 2000年3月 2001年3月 2002年3月 2003年3月 2003年9月 図 2.2-4 カーナビの累計出荷台数 （参考文献・資料 10 より作成） 上記のプローブカー調査を，その目的と調査車両について私見ではあるが大きくまとめ ると以下のようになると考えられる（表 2.2-1，表 2.2-2）． 表 2.2-1 プローブカー調査の主体とその主目的 主体 主目的 経済産業省 自動車からの様々なデータ取得とインターネットとの融合 自動車走行電子技術協会 走行速度のデータ取得および提供はそれらの一部 国土交通省 道路交通センサスの補完，代替 事業評価や道路サービス水準データの整備 - 12 - 表 2.2-2 調査車両 バス タクシー 一般車 営業車 2.2.3 調査車両の長所と短所 長所と短所 長所 特定路線，一定区間のデータを比較的安定して取得可能 短所 一般車と比べて走行速度が遅い 長所 走行時間が長く広範囲のデータを取得可能 短所 渋滞区間を避けている可能性 長所 通勤・通学などにより，一定区間のデータを取得可能 短所 通勤・通学時間帯以外の就業時間帯のデータは取得しにくい 長所 取引などの営業活動により，一定区間のデータを取得可能 短所 巡回ルートによって，取得時間帯が限定される 走行速度調査を目的とした研究 IPCar12 での取得データを用い，堀口は，車種別の走行特性を分析し，稼働時間が群を抜 いているタクシーと，交通状況によらず一定路線を走行するバスを組み合わせることで効 率的なプローブシステムを構築できることを示唆している．また，タクシーの走行特性と して，拠点を中心に５km 程度であることを確認している．また IPCar13 では，堀口は，タ クシー運行管理データを用い，詳細な経路を同定することはできないが，利用客が乗降し た時刻と地点のデータから，横浜駅から５km 以内のトリップが 90％以上であることを確認 しており，タクシーをプローブカーとして選択する際のデータ取得の空間的限界を示唆し ている 11） ．同様に，東京のタクシーによるプローブデータを用い，曜日や時間帯を考慮し た際のタクシー車両での調査範囲の限界についても分析されており，データが多く取得さ れている平日の昼間の時間帯であっても，営業所から半径５km 以内が空間的限界であるこ とが確認されている 12） ．このように，走行速度調査を目的としたときに，タクシーによる 調査でのデータ取得の空間的な限界を把握することは，本格的な調査開始時に非常に意義 のあることだと考えられる． プローブカーの車種特性についてはいわき都市圏のプローブカー調査で分析されている 13） ．先述のように，いわき都市圏では，計 20 台のプローブカーにより調査が行われた．１ 日あたりの平均走行距離を見ると，タクシーが約 170km 以上であり，道路パトロールカー が次いで多く 150km 弱である．一般車は 50km 程度であり，タクシーの 30％にも満たないこ とが確認されている．しかし，走行距離は少ないものの，カーナビの普及率を考慮すると， 一般車での調査は台数を多くすることで可能であると考えられる．ただし，一般車の稼働 時間帯がある程度通勤時間帯に限られてしまうという欠点もある．また，車種別の走行す る道路種別の割合も異なることが確認されており（図 2.2-5），例えば，タクシーは道路交 通センサス対象外の市町村道を走行する割合が多車種と比べて高いなど，他車種での相互 補完を考慮しなければならない． - 13 - 走行距離（km） 0 20 40 60 80 100 120 140 160 180 タクシー 道路パトロールカー 観光バス 一般車 国幹道 一般国道 主要地方道 職員 事務所車両 一般県道 市町村道等 商用車（花屋） 図 2.2-5 車種別平均走行距離（km/台/日）と道路種別走行割合 （参考文献・資料 13 より引用） 以上のように，プローブカー調査によって得られたデータから，車種による平均走行距 離やデータ取得の空間的限界については分析されている．しかし，得られたデータから走 行速度や所要時間の変動について分析することで，初めてプローブカー調査データが活か されると考えられる． 東京のタクシーによるプローブカー調査データを用いて，Makimura らは走行速度の月変 動，曜日変動，時間帯変動，天候の影響に関して分析を行っている 14） ．しかし，月変動を 見る際に，曜日や時間帯が考慮されていないことや，時間帯の変動を見る際に，曜日が考 慮されていないなど，いくつかの問題点がある．そのため，曜日や時間帯により走行速度 に差があるかどうかの分析に関しては疑問が残る． 同じく東京のデータを用いて，田宮らにより路線別の旅行時間変動特性について分析が なされている 15） ．この研究では，旅行時間変動を把握したい区間を通過するプローブカー データを抜き出し分析を行っているが，実際には完全に区間を通過するデータが少ないた め，最も近い時刻のデータをリンク単位で接続して擬似的に連続データを作成している． 最も近い時刻のデータが，必ずしも同じような走行状態のデータであるとは限らず，分析 に用いるデータとして適切ではないと考えられる．また，右左折の影響を排除するために， 交差点から 100m 以内のデータを除外しているが，この影響の及ぶ範囲に設定についても特 に根拠が無く除外している．また，道路の走行速度変動特性を把握する上では，曜日や時 間帯がきわめて重要であると考えられるが，この研究では曜日も時間帯も考慮されていな いという問題がある． こうした曜日や時間帯は考慮すべきものであると考えられるにもかかわらず，あまり分 析がされてない理由として，プローブカーから得られるデータ量が非常に大きいという点 - 14 - 200 がある．詳細ではあるが大量のデータが得られるが故に，分析をするには膨大な時間と高 性能なパソコンなりワークステーションが必要となってくる．そのため，台数や期間が増 えれば増えるほど，データ処理に時間がかかり，せっかくのデータを活用できないという のが，現状のプローブカー調査の課題の一つである． 2.3 本研究の位置づけ 本研究は，東京地区で行われたタクシーによるプローブカー調査データを用い，これま で把握されてこなかった，走行速度に及ぼす影響について分析する．第３章，第４章で詳 しく述べるが，東京地区のタクシーデータは，調査データの蓄積が３年近くあり，他地域 と比較して圧倒的に多いという特色がある．20 台と台数は少ないものの，他地域とは異な り，１秒ごとの詳細なデータ取得は走行経路の特定が比較的容易であり，長期間のデータ は，曜日変動などを分析するには最適であると考えられる． 本研究では，まずプローブカーデータを基礎集計することにより，道路種別や車線数な どのリンク特性を考慮することで，走行速度との関連性について分析を行い，基礎的な把 握を行う．そして，また詳細な分析対象とする道路種別や路線，区間の決定を行う． 東京都区部のネットワーク全体，及び主要路線について，時間帯や平休日，五十日特性 について分析を行い，これまで把握されてこなかったこれらの特性による影響の把握を行 う．また経験的に感じていた走行速度の低下に関して，定量的，統計的に検証を行うこと で，プローブカーによる走行速度調査の拡大についても確認できる．そして，特定区間の データを用いて，走行速度および旅行時間の期待値を算出し，現状の調査データの蓄積量 で推計が行えるかどうかの検討を行う． プローブカー調査データの分析，解析は行われつつあるが，取得したデータの一部を使 った分析が多く，本研究のように長期間のデータを分析した例はほとんどない．東京地区 のデータをデータベース化するだけでも本研究で意義のある成果だと思われる． 長期間のデータを用いて，リンク特性と走行速度の関連性分析を行った例は少なく，ま た，ネットワーク全体および個別路線に関して，平休日，五十日特性の時間帯別での把握， 統計的な分析を行った例はなく，これらの点について新規性が有るものと考えられる． そして，現状の調査データを用いて，統計的ではないものの，走行速度や所要時間推計 を行う際のサンプル数に関して経験的に把握することも本研究での試みである． - 15 - 第 2 章参考文献・資料 １）国土交通省道路局企画課道路経済調査室：IT 社会における新たな道路調査について； 道路 平成 13 年７月号，pp.29-34，2001 ２）国土交通省北陸地方整備局 HP，道路行政の評価，道路政策・事業の評価，事後評価， 国道 116 号有明大橋東詰交差点改良事業の評価結果： http://www.hrr.mlit.go.jp/road/ir/plcy/htm/ariake/ariake1.html ３）国土交通省中国地方整備局地域道路課：道路行政におけるプローブカーの活用；交通 工学 Vol38 4 号，pp.18-23，2003 ４）国土交通省中国地方整備局岡山国道事務所 HP，おかこく NEWS 一覧，一般国道２号玉島 バイパス船穂高架橋整備効果： http://www.okakoku-mlit.go.jp/news/2003/funao_result/page01.htm ５）青木邦友： 「IPCar システム」によるデータ収集実験；交通工学 Vol.36 No.3，pp.48-50， 2001 ６）堀口良太： 「IPCar 実証実験」におけるデータ処理技術について；交通工学 Vol38 No.4， pp.30-35，2003 ７）境隆晃：プローブカーデータを用いた経路特定手法と旅行時間推定に関する実証的研 究，名古屋大学大学院環境学研究科都市環境学専攻修士論文，2003 ８）国土交通省東北地方整備局磐城国道事務所：カーナビゲーションシステムを活用した 交通動向調査（プローブカー調査） ，いわき地域 ITS 協議会プローブカーワーキング会 議資料 ９）国土交通省九州地方整備局福岡国道事務所 HP，交通探偵団： http://www.fukkoku.go.jp/tanteidan/page/gaiyo.htm 10）国土交通省道路局 ITS HP：http://www.mlit.go.jp/road/ITS/j-html/ 11）堀口良太：効率的な交通情報提供サービスのためのタクシープローブ配備計画手法の 理論と実証，第１回 ITS シンポジウム 2002 Proceedings，pp.677-683，2002 12）鈴木完，岡本直久，石田東生，古屋秀樹：東京プローブカー調査のリンク捕捉率に関 する分析，土木学会第 57 回年次学術講演会, Ⅳ-355, CD-ROM, 2002 13）岡本直久：プローブカー調査による交通流特性の分析と今後の課題，第 37 回土木計画 学シンポジウム論文集研究講演集，pp.749-752，2001 14）K.Makimura，H.Kikuchi，S.Tada，Y.Nakajima，H.Ishida，and T.Hyodo：Performance Indicator Measurement Using Car Navigation Systems，Transportation Research Board， CD-ROM,2001 15）田宮佳代子，瀬尾卓也：プローブカーデータを利用した路線別旅行時間の変動特性に 関する分析，土木学会第 57 回年次学術講演会，Ⅳ-385，CD-ROM，2002 - 16 - 第3章 使用データの概要 - 17 - 第3章 3.1 使用データの概要 分析対象地域と道路ネットワークデータ 本研究の分析対象地域は，第２次地域区画（２次メッシュ）のメッシュコード 1)，533935 （東京西南部）・533936（東京南部） ・533945（東京西部）・533946（東京首都）の４つのメ ッシュで構成される地域とする（図 3.1-1）．これら４つのメッシュには，東京 23 区と神 奈川県川崎市を一部含んでいる． 図 3.1-1 東京 23 区と分析対象地域 分析対象地域内の道路ネットワークは，財団法人デジタル道路地図協会により発行され 「全国デジタル道 ている， 「全国デジタル道路地図データベース標準第 3.0 版」2），および， 路地図データベース標準第 3.0 版解説書」3）に準拠した，2000 年度版のデジタル道路地図 （以下，本文中では DRM とする）データを使用する．分析対象地域内の道路ネットワーク の概要を，以下に示す（表 3.1-1，表 3.1-2，表 3.1-3） ． - 18 - 表 3.1-1 メッシュ番号 ノード数 分析対象地域の各メッシュのノード数 533935 533936 16,981 533945 3,238 16,707 533946 15,758 合計 52,684 （単位：ノード） 表 3.1-2 リンクの道路種別 分析対象地域の各メッシュの道路種別別リンク数 ＊1） 533935 高速自動車国道 533936 533945 533946 合計 5 0 0 0 5 162 224 212 301 899 961 275 864 1,145 3,245 1,775 647 2,127 2,483 7,032 17 0 0 0 17 1,193 483 1,633 2,347 5,656 37 0 0 0 37 その他の道路 23,240 3,289 21,805 19,721 68,055 未調査の道路 6 9 1 3 19 4,156 1,638 4,837 6,279 16,910 27,396 4,927 26,642 26,000 84,965 都市高速道路 ＊2） 一般国道 主要地方道（都県道） 主要地方道（指定市道） 一般都県道 指定市の一般市道 道路種別合計（その他を除く） 道路種別合計 （単位：リンク） 表 3.1-3 分析対象地域の各メッシュの道路種別別リンク長 リンクの道路種別＊1） 533935 533936 533945 533946 合計 高速自動車国道 1,319 0 0 0 1,319 都市高速道路＊2） 66,922 92,500 82,052 116,214 357,688 一般国道 88,871 44,204 64,124 87,033 284,232 141,145 67,626 160,863 183,988 553,622 4,341 0 0 0 4,341 89,950 46,776 128,761 196,235 461,722 4,634 0 0 0 4,634 主要地方道（都県道） 主要地方道（指定市道） 一般都県道 指定市の一般市道 その他の道路 未調査の道路 1,816,812 ＊3） 道路種別合計（その他を除く） 道路種別合計 397,119 1,745,683 1,581,969 5,541,583 0 0 0 397,182 251,106 435,800 2,213,994 0 0 583,470 1,667,558 648,225 2,181,483 2,165,439 7,209,141 （単位：メートル） - 19 - ＊1）道路種別は，「全国デジタル道路地図データベース標準第 3.0 版解説書」に依る． ＊2）首都高速道路中央環状新宿線の未完成区間を含む． ＊3）未調査の道路のリンク長は，データなし． DRM から作成した分析対象地域内の道路ネットワークを，以下に示す（図 3.1-2，図 3.1-3）． 図 3.1-2 分析対象地域内の道路ネットワーク - 20 - 図 3.1-3 3.2 3.2.1 分析対象地域内の道路ネットワーク（その他の道路種別を除く） 東京地区プローブカーデータ 東京地区プローブカー調査概要 東京地区のプローブカー調査は，第２章でも述べているが，現在では路線バスと移動端 末機器である PHS を組み合わせた調査である．しかし，本研究で対象としている東京地区 の調査とは，2000 年の５月から 2003 年の３月まで行われていた調査を指すこととする．調 査車両は，東京都品川区に拠点を有するタクシー20 台と，東京都足立区のターミナルを拠 点とするトラック 20 台に，市販のカーナビゲーションシステムを改良し，取得したデータ を外部に出力できるようにしたシステムを装着し，カーナビ本体にセットしたメモリーカ ードに時刻，車両の緯度経度情報，地点速度の情報を１秒間隔で記録している 4）5）6）7）8）9） （図 3.2-1，図 3.2-2，表 3.2-1） ． - 21 - 図 3.2-1 東京地区プローブカー調査イメージ 図 3.2-2 表 3.2-1 調査対象車両 調査期間 データ取得項目 データ取得・記録方法 データ回収方法 データ回収頻度 タクシーへのカーナビの取り付け 東京地区プローブカー調査概要 トラック 20 台（足立区を中心に走行） タクシー 20 台（品川周辺を中心に走行） トラック 2000 年５月～2001 年８月 タクシー 2000 年５月～2003 年３月 日付・時刻（秒単位まで），走行位置（緯度・経度） 走行速度（地点速度・単位 km/h），進行方向（16 方位） １秒ごとにデータをメモリーカードに記録 メモリーカードを定期的に回収 トラック １ヶ月間隔 タクシー １週間間隔 （参考文献・資料 10 より） - 22 - 一般車ではなく，営業者をプローブカーとして選定する利点としては，特にタクシーに おいては， ⅰ）走行時間が長く，長時間のデータ取得が可能であること ⅱ）走行ルートが固定しておらず，広範囲にわたってデータ取得が可能であること があげられる． 3.2.2 東京地区プローブカーデータ概要 本研究で用いるプローブカーデータは，東京地区プローブカー調査データの内，2000 年 ５月から 2002 年６月までの期間に，タクシー20 台によって取得されたデータを用いること とする．データに関しては，国土交通省から提供を受けたものであり，プローブカーワー クグループ（座長：筑波大学社会工学系石田東生教授）で検討されていたものである． 提供を受けたデータ（以下，プローブマスターデータ）は，カーナビゲーションシステ ムから取得したデータに，国土交通省道路局開発の PROLIMAS（Probecar Link-Matching System）により，DRM をベースにマップマッチング，また，車両の一般的な停止行動と個別 の停止行動に分類するための滞留判別を行い作成されたデータである．プローブマスター データのフォーマットを以下に示す（図 3.2-3）． "CarNo","Seq","Date","Time","Direction","Speed","Lat","Lon","StopKey","NWKey","Mesh","Node" "42",1,"0/11/4","3:14:48",1,41,35.58338889,139.73511111,0,1,533935,"00045" "42",2,"0/11/4","3:14:49",1,38,35.5835,139.73519444,0,2,533935,"" "42",3,"0/11/4","3:14:50",1,35,35.58355556,139.73525,0,2,533935,"" "42",4,"0/11/4","3:14:51",1,35,35.58363889,139.73527778,0,1,533935,"14573" "42",5,"0/11/4","3:14:52",1,35,35.58372222,139.73533333,0,2,533935,"" 図 3.2-3 プローブマスターデータのデータフォーマット - 23 - データはコンマで区切られたテキスト形式で，左より車両番号，シーケンス番号（デー タ順番号），日付，時刻，進行方向，車速信号より計測された速度，緯度，経度，停止フラ グ，マッチングコード，２次メッシュ番号，ノード順で並んでいる（表 3.2-2） ． 表 3.2-2 No タイトル 1 車両番号 2 データ順番号 3 カーナビデータ データフォーマットの項目 内容 備考 23～42 日付 yy/mm/dd 4 時刻 hh:mm:ss 5 方向 0～15（0 が北で右まわり） 6 速度 km/h 7 北緯 度 8 東経 度 9 停止フラグ 0=走行 1=停止 10 マッチングコード 1=リンクの端点（ノード）にマッチング 2=リンク上にマッチング 0=マッチングリンク無し 11 12 ノード番号 ２次メッシュ番号 ノード番号 No.10 の場合のみ - 24 - 分析に用いる 20 台のデータの各車両のデータ取得期間とデータ取得日数を以下に示す （表 3.2-3） ． 表 3.2-3 車両番号 開始 各車両のデータ取得期間とデータ取得日数 終了 取得日数 車両番号 開始 終了 取得日数 23 2000/05/08 2002/06/30 519 日 33 2000/05/08 2002/06/30 506 日 24 2000/05/07 2002/06/04 587 日 34 2000/05/14 2002/06/29 530 日 25 2000/05/07 2002/06/29 554 日 35 2000/05/16 2002/06/30 626 日 26 2000/05/07 2002/06/28 559 日 36 2000/05/08 2002/06/15 500 日 27 2000/05/15 2002/06/30 592 日 37 2000/05/07 2002/05/17 392 日 28 2000/05/07 2002/06/29 610 日 38 2000/05/08 2001/11/29 453 日 29 2000/05/07 2002/06/30 677 日 39 2000/05/07 2002/06/30 643 日 30 2000/05/08 2002/06/29 674 日 40 2000/05/07 2002/06/30 606 日 31 2000/05/06 2002/06/15 521 日 41 2000/05/06 2002/06/17 505 日 32 2000/05/08 2002/06/11 536 日 42 2000/05/07 2002/06/28 642 日 ・開始：分析対象範囲の４つのメッシュ内を走行し，データを取得している最初の日 ・終了：分析対象範囲の４つのメッシュ内を走行し，データを取得している最後の日 走行日数：データ取得開始から終了までの期間中に，分析対象範囲の４つのメッシュ内 を走行した日数 2000 年５月６日から 2002 年の６月 30 日までに，平日 543 日（月曜 104 日，火曜 111 日， 水曜 112 日，木曜 109 日，金曜 107 日），休日 243 日（土曜 113 日，日曜 113 日，祝日 17 日）のうち，各車両がデータ取得日数だけ走行し，図 3.2-3 の様なデータを約４億 9,200 万行，データ量にして約 35Gbyte の膨大なデータを取得している． 3.3 降水量データ 分析対象地域内及び周辺にある気象台，測候所，地域気象観測所（アメダス）は， －分析対象地域内の降水量データ取得地点 ・東京管区気象台（千代田区大手町） ・新木場地域気象観測所 －分析対象範囲周辺の降水量データ取得地点 ・練馬地域気象観測所 ・世田谷地域気象観測所 ・羽田地域気象観測所 の５カ所があり，それらの位置を以下に示す 11）（図 3.3-1）． - 25 - 図 3.3-1 分析対象地域内及び周辺の気象台，測候所，地域気象観測所（アメダス） 気象庁により取得されている降水量は，気象台，測候所では 0.5mm 単位，地域観測所で は 1mm 単位とデータ取得の精度が異なっている．そこで本研究では，分析をする地点から 最も近い気象台，測候所，地域観測所の降水量データを用いるのではなく，東京管区気象 台の降水量データを分析対象地域内の降水量データとして用いることとする．なお，デー タには降水なしの時間帯が存在するが，その場合は降水量を 0.0mm として扱うこととする． 東京管区気象台の降水量データは，気象庁のホームページの電子閲覧室 12）から毎日の各 時間帯のデータを取得し，プローブカーデータに付加して用いる． - 26 - 3.4 データ合成の流れ 本研究で使用するデータは前節までに述べたが，それらのデータの関連性および使用す るための合成の流れを以下に示す（図 3.4-1） ． カーナビから取得したデータ （プローブカーデータ） DRM （デジタル道路地図） PROLIMAS マップマッチング DRMノード番号を付加 滞留判別 停止速度0km/h，停止時間120秒にて， 一般停止（信号，渋滞など）データと 車両個別停止（客待ちなど）データとに判別 プローブカーマスターデータ 国土交通省提供データ 本研究での作成データ 曜日・平休日データの付加 DRMリンクデータ DRMノードデータ DRMリンク名称データ 市販の道路地図 時間帯別降水量データの付加 リンクの詳細なデータ 車両毎の連続データ 120秒を超える 停止データの削除 リンク別所要時間データ 任意区間別所要時間データ 図 3.4-1 データ合成の流れ - 27 - 第 3 章参考文献・資料 １）市区町村別地域メッシュ・コード一覧：総務庁統計局編；総務庁統計局, 1993 ２）全国デジタル道路地図データベース標準第 3.0 版：（財）日本デジタル道路地図協会； 1996 ３）全国デジタル道路地図データベース標準第 3.0 版解説書：（財）日本デジタル道路地図 協会；1996 ４）IT を用いた交通データに関する調査研究 第１回プローブカーWG 資料 ５）IT を用いた交通データに関する調査研究 第２回プローブカーWG 資料 ６）IT を用いた交通データに関する調査研究 第３回プローブカーWG 資料 ７）IT を用いた交通データに関する調査研究 第４回プローブカーWG 資料 ８）IT を用いた交通データに関する調査研究 第５回プローブカーWG 資料 ９）IT を用いた交通データに関する調査研究 第６回プローブカーWG 資料 10）田宮佳代子，瀬尾卓也：プローブカーデータを活用した都市内一般道路の Q-V 特性に ついて，第 25 回土木計画学研究・講演集，156，CD-ROM，2002.6 11）東京管区気象台ホームページ：http://www.tokyo-jma.go.jp/ 12）気象庁電子閲覧室ホームページ：http://www.data.kishou.go.jp/ - 28 - 第4章 プローブカーデータの特性 第4章 4.1 プローブカーデータの特性 データ取得に関する特性 本研究で分析に用いるデータに関しては，前章で述べたとおりである．第４章では，そ れらのデータを DRM リンク単位で集計，分析を進めていく． 20 台により 2000 年５月から 2002 年６月までの２年１ヶ月の間にプローブカーにより走 行速度を取得したリンク数およびリンク長を，リンクの道路種別別に以下に示す（図 4.1-1， 図 4.1-2）．２年１ヶ月の間に，リンク数で約 1,700 万リンク，リンク長で約 154 万 km と 膨大な数のデータが取得されている．なお，第３章で触れているが，同一地点に 120 秒を 超えて停止しているデータに関しては，客待ちによる停止と判断し，停止しているリンク に関しては，分析の対象から外している．この 120 秒という閾値に関しては，プローブカ ーワークグループにより検討されていたもので，都内の信号サイクルなどを考慮した結果 によるものであり，地域によって検討すべきパラメータである． 都市高速道路, 208,906 リンク , 1.2 % 高速自動車国道, 1,532 リンク , 0.0 % その他の道路, 4,936,669 リンク , 28.8 % 指定市の一般市道, 973 リンク , 0.0 % 主要地方道（都県 道）, 4,859,331 リンク , 28.4 % 主要地方道（指定市 道）, 1,742 リンク , 0.0 % 一般都県道, 3,896,017 リンク , 22.8 % 図 4.1-1 一般国道, 3,209,957 リンク , 18.8 % 道路種別別データ取得リンク数とデータ取得割合 - 30 - 都市高速道路, 93,234 km , 6.1 % 高速自動車国道, 350 km , 0.0 % その他の道路, 417,670 km , 27.2 % 一般国道, 289,622 km , 18.9 % 指定市の一般市道, 105 km , 0.0 % 主要地方道（都県 道）, 416,118 km , 27.1 % 主要地方道（指定市 道）, 458 km , 0.0 % 一般都県道, 318,898 km , 20.8 % 図 4.1-2 道路種別別データ取得リンク長とデータ取得割合 都市高速道路，分析対象地域内ではすべて首都高速道路（以下，首都高）であるが，１ リンクあたりのリンク長が他の種別と比較して長いため，リンク長で見るとデータ取得の 割合が高くなっている．タクシーという車種の特性のため，高速道路の利用は少なくなる のはやむを得ず，一般国道や主要地方道のデータ数が多くなる傾向がある．また，乗客を 家まで乗せて走る機会も多いため，住宅街などの細街路であるその他の道路のデータ数が かなりの割合を占める傾向も確認できる． データ出現率を， データ出現率＝データ取得リンク数÷リンク数 または， データ出現率＝データ取得リンク長÷リンク長 で定義することにより，タクシーがどの道路リンク種別のデータを取得している割合が高 いかを知ることができる 1）2）（ 表 4.1-1）．このことから，東京都内のように国道以外の主要幹線の整備率が高いにもかか わらず，タクシーは一般国道を利用する割合が高いことがわかる．また，その他の道路に 関しては，データ取得リンク数やデータ取得リンク長で見ると４分の１以上を占めている が，データ出現率は低い値を示す．これはリンク数が他の種別と比較して多いためである． - 31 - 表 4.1-1 道路リンク種別 道路種別別データ出現率 データ出現率（リンク数） データ出現率（リンク長） 高速自動車国道 306.4 265.3 都市高速道路 232.4 260.7 一般国道 989.2 1019.0 主要地方道（都県道） 691.0 751.6 主要地方道（指定市道） 102.5 105.5 一般都県道 688.8 690.7 指定市の一般市道 26.3 22.7 その他の道路 72.5 75.4 都市高速道路，一般国道，主要地方道（都県道），一般都県道，その他の道路の曜日別時 間帯別にデータ取得リンク数をそれぞれ以下に示す（図 4.1-3，図 4.1-4，図 4.1-5，図 4.1-6，図 4.1-7）．なお，月曜日から金曜日に関しては，祝日は除いて平日のみを対象と して，曜日別の集計を行った．なお，道路交通センサスのオーナーインタビュー調査やパ ーソントリップ調査では，曜日の切り替えを午前４時としているため，本研究でも４時台 から３時台までを同一日時として考えることにする． 8,000 7,000 5,000 4,000 3,000 2,000 1,000 日曜日 図 4.1-3 月曜日 火曜日 水曜日 木曜日 金曜日 土曜日 都市高速道路の時間帯別・曜日別のデータ取得リンク数 - 32 - 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 0 4時台 データ取得リンク数 6,000 50,000 データ取得リンク数 40,000 30,000 20,000 10,000 日曜日 図 4.1-4 火曜日 水曜日 木曜日 金曜日 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 9時台 月曜日 10時台 8時台 7時台 6時台 5時台 4時台 0 土曜日 一般国道の時間帯別・曜日別のデータ取得リンク数 80,000 70,000 50,000 40,000 30,000 20,000 10,000 日曜日 図 4.1-5 月曜日 火曜日 水曜日 木曜日 金曜日 土曜日 主要地方道（都県道）の時間帯別・曜日別のデータ取得リンク数 - 33 - 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 9時台 10時台 8時台 7時台 6時台 5時台 0 4時台 データ取得リンク数 60,000 50,000 45,000 データ取得リンク数 40,000 35,000 30,000 25,000 20,000 15,000 10,000 5,000 日曜日 月曜日 図 4.1-6 火曜日 水曜日 木曜日 金曜日 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 0 土曜日 一般都県道の時間帯別・曜日別のデータ取得リンク数 60,000 40,000 30,000 20,000 10,000 火曜日 水曜日 金曜日 月曜日 図 4.1-7 その他の道路の時間帯別・曜日別のデータ取得リンク数 土曜日 3時台 2時台 1時台 0時台 23時台 22時台 21時台 日曜日 - 34 - 木曜日 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 0 4時台 データ取得リンク数 50,000 上記の５つの道路種別に関して，都市高速道路のみがデータ取得の傾向が他と異なる． 深夜から早朝にかけての時間帯は比較多くデータが取得されているが，早朝から夜にかけ ての時間帯は少ない．これはタクシーの深夜の時間帯での首都高の利用率が高いことを示 している．終電後に帰宅する客を乗せたトリップだと考えられ，タクシーによる調査では 日中の時間帯の首都高のデータはあまり取得できないことがわかる．ただし，首都高など の高速道路においては，常時観測装置も多数設置されており，走行速度を把握する上では， プローブカー調査データが少ないというのはあまり問題にならないと考えられる． 他の４つの種別においては，データの取得の傾向が類似している．タクシーが営業所に 戻る帰社時間帯である４時から５時台にかけてデータ取得リンク数が減少し，営業を開始 する出社時間帯の６時，７時台からデータ取得数がまた増加する傾向が確認できる．また， 出社してから日付が変わるまでは，平日と休日でデータ取得数の違いが明確に現れる．こ れらの傾向は取得リンク長で見た場合もまったく同じである． 一般国道，主要地方道（都県道） ，一般都県道に関しては，時間帯別に見てもデータ取得 割合が高いことがわかる（図 4.1-8）．また，分析対象地域内において，道路交通センサス 対象外のリンクのデータも多く取得している（図 4.1-9，図 4.1-10）． その他の道路に関しては，データ取得数は多いもののデータ出現率が低いこと，また， 住区内道路や細街路などを多く含んでいるが，道路の機能を考慮すると，これらの道路ま で走行速度を把握する必要性は低いと考えられる． 100% 60% 40% 20% 高速自動車国道 主要地方道（都県道） 指定市の一般市道 図 4.1-8 都市高速道路 主要地方道（指定市道） その他の道路 一般国道 一般都県道 時間帯別・道路種別別データ取得リンク数の割合 - 35 - 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 9時台 10時台 8時台 7時台 6時台 5時台 0% 4時台 データ取得リンク数割合 80% －センサス対象リンク －センサス対象外のリンク －その他の道路種別 センサス対象リンク（リンク数：7,868 リンク長：629km） その他の道路を除いて，リンク数で 49％，リンク長で 48％がセンサス対象リンク 図 4.1-9 分析対象地域内の道路交通センサス対象リンク 100% 60% 40% 20% センサス対象 図 4.1-10 センサス対象外 時間帯別・センサス対象／対象外別データ取得リンク数の割合 - 36 - 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 0% 4時台 データ取得リンク数割合 80% 以上から，データ取得数，データ出現率，道路交通センサス対象外のリンクのデータ取 得の可能性，道路の機能などを考慮し，本研究で分析の対象とする道路種別を，一般国道， 主要地方道（都県道，指定市道の２種別），一般都県道とし，以下これらの道路種別をまと めて一般道として扱うこととする． 4.2 4.2.1 走行速度の特性 平均走行速度の定義 本研究では走行速度の平均値，平均走行速度に関して２つ定義する． n V1 = ∑l i ∑t i i =1 n i =1 V2 = LL (1) 1 n li ∑ LL (2) n i =1 t i V1 ， V2 ：平均走行速度(km/h) n ：データ取得リンク数 l i ：データ i のリンク長（km） t i ： l i の通過時間（時間） (1)式は一般的に調和平均，(2)式は算術平均，または相加平均と呼ばれるものである．平 均走行速度に関しては，調和平均が用いられるが，統計的な分析を行うことが困難である ため，本研究では調和平均だけではなく，算術平均も用いることとする．調和平均と算術 平均には，一般的に V1 ≤ V2 の関係が成り立つ．なお，本研究では，特に注意のない限り， 走行速度の平均値に関しては，調和平均で算出するものとする． - 37 - (1)式，(2)式で定義された平均走行速度により，以下の(3)式で偏差および(4)式で標準偏差 を定義する．先述のように調和平均値を用いる場合，標準偏差は定義できない．しかし， 算術平均を用いた標準偏差の式と同様の式で，本研究では指標として調和平均の偏差を定 義する 3）． ∑ (V n σ V1 = i =1 i σ = = n −1 ∑ (V n V2 − V1 ) i =1 i − V2 ) n −1 = 2 ⎛ li ⎞ ⎜⎜ − V2 ⎟⎟ ∑ i =1 ⎝ t i ⎠ LL (4) n −1 n 2 2 ⎛ li ⎞ ⎜⎜ − V1 ⎟⎟ ∑ i =1 ⎝ t i ⎠ LL (3) n −1 n 2 σ V ：偏差 σ V ：標準偏差 1 2 Vi ：データ i のリンク走行速度（km/h） 一般道の時間帯別・曜日別の平均走行速度を以下に示す（図 4.2-1）．全体的な傾向とし て，深夜から朝の７時台にかけての時間帯で走行速度が高く，17時台位まで曜日により差 異はあるものの，走行速度が低くなっている．道路交通センサスにおいて朝のピーク時間 帯に設定されている７時から９時，また，東京都ロードプライシング検討委員会4）におい て区部の交通量が最も多い時間帯に設定されている９時～11時よりも，むしろ14時から16 時台において走行速度が低くなることがわかる．このデータがタクシーによるものであり， トリップ特性が，業務・通勤交通とは異なるとはいえ，これまでにない新たな知見である． センサス対象リンクのみで平均走行速度を算出してみても同様の傾向が確認でき（図 4. 2-2），道路交通センサスでのピーク時間帯の設定の見直し，もしくはプローブカーによる 走行速度調査へと切り替えていく必要があると考えられる． - 38 - 図 4.2-2 日曜日 月曜日 - 39 - 水曜日 金曜日 土曜日 一般道のセンサス対象リンクの時間帯別・曜日別平均走行速度 3時台 金曜日 2時台 1時台 0時台 23時台 木曜日 22時台 21時台 20時台 水曜日 19時台 18時台 17時台 火曜日 16時台 15時台 14時台 13時台 月曜日 12時台 11時台 図 4.2-1 10時台 日曜日 9時台 8時台 7時台 6時台 5時台 4時台 平均走行速度(km/h) 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 平均走行速度(km/h) 35 30 25 20 15 10 土曜日 一般道の時間帯別・曜日別平均走行速度 35 30 25 20 15 10 前掲の平均走行速度を見る限りは，月曜日から金曜日の走行速度にはあまり差が無く， 土曜日と日曜日が比較的高い値を示している．その差異の有無を統計的分析を行うことで 確認する必要がある．そこで，前述のように，統計分析を行うことができる算術平均値を 用いて t 検定を行い，曜日によって走行速度に差があるかどうかを検証する．ただし，平日 と休日における走行速度の違いは感覚的にはあるが，統計的に差があるかどうかは把握さ れていない．また，平日の曜日による違いも同じである．つまり，曜日による走行速度の 変動特性は感覚的，経験的なもので把握されていない．走行速度の分散が経験的に同じで あるとわからない場合と考えられるので，ウェルチの検定（Welch’s test）5）6）により走行速 度の平均値の差の検定を行う．検定方法の詳細は以下に示す． 帰無仮説 H0：曜日間の平均走行速度に差はない 対立仮説 H1：曜日間の平均走行速度に差がある 曜日 a，曜日 b の取得リンク数を na，nb，平均走行速度（算術平均値）を V a ， Vb ，不偏 分散を Ua，Ub とする． 検定統計量 t0： t 0 = 自由度 ν：ν = (U a V a − Vb U a n a + U b nb LL (5) (U a na + U b nb )2 LL (6) 2 2 na ) (na − 1) + (U b nb ) (nb − 1) （自由度は整数値にはならない） tα(ν)＜t0：帰無仮説を棄却する→曜日 a と曜日 b の平均走行速度に差がある tα(ν)≧t0：帰無仮説を採択する→曜日 a と曜日 b の平均走行速度に差がない 各曜日の各時間帯において走行速度の算術平均および不偏分散を算出し（表 4.2-1，表 4.2-2，表 4.2-3），以上の検定方法により，有意水準５％で各時間帯において異なる曜日 同士の検定を行った（表 4.2-4，表 4.2-5）．なお，算術平均値は前掲の調和平均による平 均走行速度と比較すると，時間帯や曜日による傾向は同じだが，値自体はかなり高い値を 示しているのがわかる． - 40 - 表 4.2-1 一般道における走行速度の算術平均・不偏分散・データ数（その１） 日曜日 算術平均 不偏分散 月曜日 データ数 算術平均 火曜日 不偏分散 データ数 算術平均 不偏分散 データ数 0 時台 39.68 446.05 54,693 42.65 426.76 33,702 42.32 474.29 129,397 1 時台 41.55 436.72 57,269 44.90 453.55 36,482 44.03 486.68 127,651 2 時台 42.18 410.80 49,889 44.97 453.39 27,151 43.45 456.32 112,534 3 時台 43.16 435.14 38,722 46.24 455.58 16,727 43.69 451.81 88,365 4 時台 45.11 449.06 18,168 45.72 428.77 6,445 45.09 441.42 41,318 5 時台 46.64 452.16 9,078 45.48 468.75 3,364 45.92 466.24 12,098 6 時台 41.84 418.18 10,774 41.57 438.71 15,083 39.92 404.17 26,764 7 時台 42.27 417.45 21,601 37.58 411.08 64,077 37.21 417.70 69,982 8 時台 40.95 392.95 42,448 34.69 445.62 99,177 33.91 439.04 102,752 9 時台 40.27 409.00 41,190 33.12 440.49 91,766 32.24 426.09 98,816 10 時台 38.69 411.31 35,732 32.16 421.39 81,425 31.28 414.61 86,476 11 時台 37.57 401.58 30,411 32.21 421.38 74,757 31.36 407.59 75,596 12 時台 37.55 431.90 29,531 33.29 432.24 65,962 32.87 417.79 69,347 13 時台 36.49 417.17 26,135 32.49 414.12 68,770 31.39 416.66 68,674 14 時台 36.40 434.60 25,143 31.13 439.79 63,185 29.92 405.04 68,527 15 時台 35.56 427.58 25,845 30.85 435.02 66,237 29.87 418.89 72,214 16 時台 34.66 411.01 28,072 31.13 428.13 67,477 30.38 412.12 75,089 17 時台 34.32 417.87 28,493 30.97 408.96 65,909 30.26 403.77 77,140 18 時台 35.48 416.48 28,573 32.19 422.38 75,546 31.47 414.43 86,468 19 時台 36.66 423.26 30,219 34.22 404.67 75,042 33.60 401.10 90,601 20 時台 37.92 398.27 28,178 36.29 417.55 79,489 35.50 398.05 91,925 21 時台 38.19 402.52 30,414 37.25 442.54 91,067 36.60 413.08 101,028 22 時台 38.84 393.75 34,999 38.45 443.55 97,935 37.46 429.13 113,036 23 時台 40.15 410.76 35,457 40.08 453.99 105,273 39.08 441.84 117,775 （単位 - 41 - 算術平均：km/h 不偏分散：km2/h2） 表 4.2-2 一般道における走行速度の算術平均・不偏分散・データ数（その２） 水曜日 算術平均 不偏分散 木曜日 データ数 算術平均 不偏分散 金曜日 データ数 算術平均 不偏分散 データ数 0 時台 41.28 448.76 144,713 42.03 470.36 142,014 41.26 449.32 144,629 1 時台 43.05 454.27 140,504 43.88 475.71 144,614 43.05 446.69 143,304 2 時台 42.80 439.31 108,984 43.58 462.54 123,107 43.18 448.77 107,738 3 時台 43.58 445.51 65,840 44.02 453.17 96,932 43.47 447.08 65,931 4 時台 44.65 464.87 27,387 45.01 454.15 54,482 44.83 458.82 26,774 5 時台 44.74 486.55 11,463 46.08 495.32 16,529 45.94 519.84 13,638 6 時台 41.29 429.94 23,047 40.03 409.13 29,155 41.07 411.48 23,283 7 時台 37.67 413.06 73,018 37.30 402.17 74,571 37.68 407.45 75,669 8 時台 34.93 445.31 114,954 33.82 418.60 109,766 34.57 439.28 113,347 9 時台 33.19 446.10 105,643 32.51 440.29 100,563 32.82 442.48 105,123 10 時台 32.12 436.47 91,844 31.25 422.19 85,449 31.50 425.15 90,500 11 時台 32.21 441.08 81,647 31.46 415.46 78,493 31.37 429.57 81,137 12 時台 33.62 425.13 75,574 32.85 419.33 74,170 32.47 426.77 75,878 13 時台 32.59 422.71 75,410 31.70 407.71 75,312 31.61 429.26 71,692 14 時台 31.48 457.75 69,082 30.00 426.57 72,896 29.84 433.76 64,801 15 時台 30.84 434.87 68,727 29.66 404.03 72,200 29.72 450.64 66,010 16 時台 31.38 424.60 75,772 30.31 407.69 74,491 30.21 423.64 72,664 17 時台 31.22 420.51 80,324 30.63 410.02 76,510 29.65 422.85 75,039 18 時台 32.23 425.92 88,047 31.32 411.71 84,776 30.74 441.44 79,838 19 時台 34.39 417.46 86,653 33.27 424.48 91,826 33.00 447.52 82,560 20 時台 36.54 429.28 85,065 35.27 407.44 93,990 35.05 439.24 84,617 21 時台 37.32 427.72 98,478 36.30 419.24 102,937 35.94 431.63 95,256 22 時台 38.29 429.58 112,776 37.45 429.31 115,190 37.06 438.35 101,715 23 時台 39.72 448.52 122,928 38.61 436.63 123,227 38.50 452.53 111,488 （単位 - 42 - 算術平均：km/h 不偏分散：km2/h2） 表 4.2-3 一般道における走行速度の算術平均・不偏分散・データ数（その３） 土曜日 算術平均 不偏分散 データ数 算術平均 不偏分散 データ数 0 時台 40.42 469.13 141,005 12 時台 33.99 421.87 34,121 1 時台 42.90 486.71 151,061 13 時台 33.47 400.37 33,994 2 時台 43.00 484.17 145,860 14 時台 32.40 420.45 32,772 3 時台 43.56 476.55 128,543 15 時台 32.23 400.65 34,518 4 時台 43.92 446.13 90,020 16 時台 31.65 406.48 37,585 5 時台 45.01 463.19 50,548 17 時台 30.87 419.41 36,935 6 時台 42.14 428.49 26,469 18 時台 31.23 406.12 36,644 7 時台 38.85 396.24 35,841 19 時台 33.27 396.98 39,129 8 時台 36.35 397.09 54,155 20 時台 35.91 406.01 42,534 9 時台 35.46 403.32 48,518 21 時台 36.36 412.35 39,502 10 時台 34.28 394.94 44,037 22 時台 36.16 390.12 41,907 11 時台 33.99 425.75 36,617 23 時台 37.34 405.42 43,912 （単位 算術平均：km/h - 43 - 不偏分散：km2/h2） 表 4.2-4 曜日の組み合わせによる検定統計量（その１） 日－月 日－火 日－水 日－木 日－金 日－土 土－月 土－火 土－水 土－木 土－金 0 時台 20.58 24.25 15.03 21.92 14.84 6.91 17.62 22.68 10.66 19.72 10.41 1 時台 23.71 23.18 14.42 22.32 14.52 12.98 16.03 13.44 1.88 12.14 1.92 2 時台 17.64 11.38 5.58 12.77 8.95 7.59 13.92 5.20 2.31 6.92 2.10 3 時台 15.72 4.13 3.11 6.78 2.32 3.26 15.26 1.37 0.18 4.99 0.85 4 時台 2.02 0.13 2.28 0.57 1.39 6.90 6.73 9.31 4.89 9.42 6.09 5 時台 2.65 2.41 6.24 1.97 2.36 6.68 1.23 4.15 1.20 5.40 4.25 6 時台 1.02 8.25 2.30 7.85 3.25 1.29 2.67 12.54 4.58 12.13 5.84 7 時台 29.24 31.81 29.11 31.66 29.24 19.67 9.55 12.50 9.08 12.08 9.11 8 時台 53.35 60.46 52.45 62.31 55.61 35.66 15.29 22.65 13.39 23.97 16.81 9 時台 58.88 67.24 59.50 64.82 62.64 35.59 20.43 28.64 20.29 26.16 23.61 10 時台 50.54 58.06 51.57 58.02 56.48 30.85 17.78 25.56 18.46 25.67 23.75 11 時台 39.09 45.53 39.28 44.98 45.62 22.71 13.60 20.16 13.64 19.51 20.19 12 時台 29.31 32.58 27.63 33.01 35.72 21.67 5.13 8.28 2.77 8.50 11.35 13 時台 26.94 34.36 26.53 32.74 32.90 18.10 7.35 15.61 6.69 13.51 13.95 14 時台 33.84 42.53 31.83 42.09 42.36 23.03 9.06 18.13 6.64 17.60 18.34 15 時台 30.97 38.05 31.20 39.66 38.20 19.88 10.19 17.83 10.33 19.56 18.45 16 時台 24.33 30.12 23.02 30.62 31.08 18.86 3.93 9.90 2.07 10.44 11.14 17 時台 23.21 28.79 21.97 26.04 32.79 21.36 0.70 4.79 2.69 1.86 9.41 18 時台 23.18 28.80 23.31 29.81 33.40 26.51 7.40 1.90 7.92 0.73 3.79 19 時台 17.50 22.57 16.57 24.82 26.23 21.81 7.63 2.69 9.12 0.01 2.14 20 時台 11.76 17.84 9.98 19.57 20.71 13.12 3.13 3.44 5.26 5.44 7.09 21 時台 7.03 12.11 6.59 14.41 16.91 11.88 7.14 1.94 7.85 0.56 3.48 22 時台 3.12 11.26 4.48 11.33 14.28 18.72 19.49 11.38 18.63 11.37 7.73 23 時台 0.58 8.64 3.48 12.48 13.16 19.44 23.48 15.23 20.94 11.24 10.06 （自由度 ν が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 上記の表は，すべて日曜日もしくは土曜日の休日と平日のいずれかの曜日との間での検 定結果である．ほとんどの組み合わせで帰無仮説を棄却しており，平日と休日では走行速 度に統計的に差があることが本研究で明らかになった．休日においては，業務，通勤交通 の減少により，交通量が減少することで走行速度が平日と比較して高くなるのは感覚的に はわかるが，プローブカーデータの蓄積により，感覚的なものを裏付けることができた． また，深夜時間帯においては，有意性のない組み合わせが多くなることもわかった． - 44 - 表 4.2-5 曜日の組み合わせによる検定統計量（その２） 月－火 月－水 月－木 月－金 火－水 火－木 火－金 水－木 水－金 木－金 0 時台 2.60 10.94 4.92 11.10 12.67 3.47 12.90 9.39 0.25 9.63 1 時台 6.89 14.82 8.18 14.86 11.63 1.75 11.71 10.26 0.03 10.33 2 時台 10.58 15.06 9.70 12.38 7.16 1.54 2.92 8.84 4.19 4.50 3 時台 14.21 14.46 12.47 15.02 1.02 3.32 1.98 4.11 0.90 5.08 4 時台 2.28 3.72 2.61 3.09 2.65 0.57 1.55 2.28 0.99 1.13 5 時台 1.03 1.75 1.45 1.07 4.14 0.62 0.06 4.98 4.21 0.55 6 時台 7.85 1.31 7.42 2.34 7.43 0.65 6.32 6.93 1.15 5.81 7 時台 3.31 0.81 2.65 0.86 4.24 0.76 4.34 3.58 0.05 3.68 8 時台 8.30 2.68 9.52 1.29 11.33 1.01 7.31 12.69 4.12 8.56 9 時台 9.20 0.72 6.34 3.19 10.25 2.90 6.24 7.29 4.04 3.29 10 時台 8.86 0.49 9.08 6.67 8.56 0.29 2.28 8.78 6.32 2.55 11 時台 8.03 0.07 7.19 8.03 8.19 0.89 0.04 7.34 8.19 0.86 12 時台 3.72 3.02 3.95 7.41 6.96 0.17 3.71 7.25 10.85 3.59 13 時台 10.05 0.91 7.40 8.02 11.14 2.93 2.06 8.48 9.08 0.82 14 時台 10.64 2.98 10.00 11.03 13.89 0.69 0.73 13.25 14.18 1.40 15 時台 8.81 0.08 10.81 9.78 8.81 1.99 1.35 10.83 9.78 0.55 16 時台 6.89 2.29 7.52 8.35 9.49 0.65 1.62 10.14 10.96 0.98 17 時台 6.63 2.37 3.09 12.13 9.41 3.66 5.85 5.70 15.09 9.41 18 時台 7.03 0.42 8.45 13.70 7.74 1.50 7.16 9.21 14.61 5.69 19 時台 6.33 1.63 9.49 11.71 8.23 3.40 5.95 11.47 13.66 2.67 20 時台 8.03 2.51 10.44 12.15 10.75 2.53 4.66 13.18 14.78 2.24 21 時台 6.85 0.75 10.06 13.50 7.84 3.35 7.11 11.15 14.66 3.86 22 時台 10.85 1.74 10.94 14.78 9.53 0.06 4.44 9.63 13.66 4.41 23 時台 11.11 3.99 16.49 17.19 7.45 5.43 6.51 13.03 13.86 1.28 （自由度 ν が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 上記の表は，すべて平日のいずれかの曜日の組み合わせによる検定結果である．休日と の組み合わせと比較すると，帰無仮説を棄却できない曜日・時間帯の組み合わせが多い． しかし，水曜日と木曜日との組み合わせのように，全時間帯で走行速度に差がある場合も 存在する．また，帰無仮説を棄却できる時間帯，棄却できない時間帯に規則性は見あたら ず，不規則に現れている．そして，帰無仮説を棄却できる場合であっても，休日の基本統 計量と比較すると平日の方が全体的に小さい値を示す傾向が確認できる． そこで，平日と休日では走行速度に差があるものの，平日では差異の有無が明確に現れ ていないため，本研究では，これ以降の分析において，曜日による分析ではなく，平休日 - 45 - の区分で分析を進めていくこととする．また，平日とは，月曜日から金曜日までを指し， 祝日であれば含めないこととし，休日は土曜日，日曜日と月曜日から金曜日の祝日を含め たものと定義する． 4.2.2 走行速度の変動性の空間的把握 各リンクの平均走行速度（以下，リンク平均速度）とその偏差を前掲のように(7)式，(8) 式で定義する． nl Vl = ∑D l nl ∑T ∑T l −V l ) i =1 nl ∑ (V i l nl l i i =1 σV = nl ⋅ Dl = i =1 l i = nl ⋅ Dl = nl Dl ∑ l i =1 Vi nl nl 1 ∑ l i =1 Vi LL (7) 2 i nl − 1 LL (8) V l ：リンクlの平均旅行速度(km/h) l σ V ：リンクlの旅行速度の偏差(km/h) D l ：リンクlの距離(km) Ti l ：リンクlのデータiの通過時間(時間) Vi l ：リンクlのデータiの走行速度(km/h) n l ：リンクlのデータ数 上記で定義した各リンクのリンク平均旅行速度と偏差を散布図にし，前節での平均走行 速度と偏差と比較することで，走行性や変動を把握することができる（図 4.2-3）． 偏差 ② ① 走行速度：低い 速度変動：大きい 走行速度：高い 速度変動：大きい 走行速度：低い 速度変動：小さい 走行速度：高い 速度変動：小さい 偏差 ③ ④ 平均速度 0 図 4.2-3 リンク平均速度 走行性の概念図 - 46 - ④の領域にあるリンクは，速度変動が小さいため，常に走行速度が高く，走行性が高い と言うことができる．逆に，③の領域にあるリンクは，常に走行性が低い．例えば，平日 の８時台にデータ数が100以上取得できているリンクを対象に，リンク平均速度と偏差の散 布図を以下に示す（図 4.2-4）． 70 平均：22.1km/h データ数：379,925 60 リンク数：1,715 偏差(km/h) 50 40 30 偏差：21.8km/h 20 10 0 0 10 20 30 40 50 60 70 リンク平均速度(km/h) 図 4.2-4 リンク平均速度と偏差 このように，リンク平均速度と偏差を用いることで，そのリンクの平均走行速度だけで はなく，今まで把握することができなかった走行速度の変動性についても知ることが可能 となる．また，ピーク時間帯である８時台でも走行性の高いリンクの存在も確認できる． そして，走行性の概念図の各領域にあるリンクを地図上に図示することで，走行性を空間 的に把握することが可能となる．これにより，大井町駅周辺や，新馬場駅周辺から天王洲 にかけての道，目黒通りの目黒駅以西，外苑西通り，白金から恵比寿駅周辺の道が，平日 の８時台では常に走行性が低いことがわかる（図 4.2-5） ． - 47 - 外苑西通り 恵比寿駅 白金 目黒駅 天王洲アイル 大崎駅 新馬場駅 大井町駅 －①の領域のリンク 4.2.3 －②の領域のリンク －③の領域のリンク 図 4.2-5 リンクの走行性 －④の領域のリンク リンク交通量と走行速度の関連性分析 平均速度を v，交通量を q，密度をｋとすると，q=kv が成り立つことが知られている 7）． 式から速度と交通量が関連しているのは自明だが，道路が空いていれば自由走行が可能で あり，混雑していれば走行速度が低下するのは感覚的にもわかる． 先述の様に，高速道路や一般道でもトラフィックカウンターが設置されている区間であ れば，交通量と走行速度のデータを常時取得しているため，交通量と速度の関係（q-v 相関） を把握でき，道路上の交通状態を表現するための手段として多用されている．しかし，研 究の背景にあるように，高速道路以外では，トラフィックカウンターの設置数はかなり限 定されており，一般道において q-v 特性を把握することは難しい． プローブカーデータを用いて，田宮ら 8）は都市内の一般道の q-v 特性について分析を行っ - 48 - ている．この研究では，トラフィックカウンター設置区間を通過したプローブカーの平均 走行速度とトラフィックカウンターにより得られた交通量との関連性について分析を行っ ているが，相関を分析することができるのは，トラフィックカウンター設置区間のみであ る．そもそもトラフィックカウンターでも走行速度を計測しているため，プローブカーに よる走行速度を用いる点も疑問が残る． 本研究では，DRM にある道路交通センサスの交通量とプローブカーデータから得られた走 行速度と偏差を用いて，q-v 特性について分析を行った．ただし，使用する DRM には，平成 ９年度の道路交通センサスの平日 12 時間交通量しかないが， センサス対象リンクであれば， リンク単位で交通量を把握できる．そこで，12 時間交通量とピーク時間帯の交通量の比は， 各リンクで同一と仮定し，データ数が 100 以上取得できているリンクを対象に，道路交通 センサスの朝のピーク時間帯の平日の８時台について分析を行った． 交通量と平均走行速度の関係を見てみると，交通量が多いからといって平均走行速度が 低くならないリンクや，逆に交通量が少なくても走行速度が低いリンクの存在も確認でき る（図 4.2-6）． 70 データ数：186,185 リンク平均速度（km/h） 60 リンク数：874 50 40 30 20 10 0 0 10000 20000 30000 40000 50000 60000 道路交通センサス交通量（台/12時間） 図 4.2-6 交通量と平均走行速度の関係 - 49 - 70000 80000 90000 また，交通量と偏差の関係を見ても，交通量が多いからといって偏差が大きくならない リンクや，逆に交通量が少なくても偏差が大きいリンクの存在も確認できる（図 4.2-7）． これは，常に走行速度が速かったり，遅かったりするリンクは偏差が小さくなり，相関が あまりない結果となる．本来は交通量に依存し，混雑していれば常に走行速度が低くなり， 偏差が小さくなる場合もある． 70 データ数：186,185 60 リンク数：874 偏差（km/h） 50 40 30 20 10 0 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 道路交通センサス交通量（台/12時間） 図 4.2-7 交通量と偏差の関係 交通量別に走行速度と偏差の関係を見てみても，交通量が多くても走行速度が高く変さ が小さい走行性の高いリンクも存在する（図 4.2-8）．このように，交通量と平均走行速度， また交通量と走行速度の変動性についてはあまり相関が見られない結果となった．これは 上述の理由の他に，12 時間交通量で時間帯別の交通量ではないこと，センサスの交通量が １日のみのものであるということ，またリンクの交通容量，リンク長による影響などが考 えられる． - 50 - 70 データ数：186,185 リンク数：874 60 偏差(km/h) 50 40 30 20 10 0 0 10 20 30 40 50 60 70 80 リンク平均速度(km/h) -9,999台 40,000-49,999台 図 4.2-8 4.2.4 10,000-19,999台 50,000台- 20,000-29,999台 30,000-39,999台 交通量別のリンク平均速度と偏差の関係 リンク車線数と走行速度の関連性分析 走行速度や偏差に影響を与える要因として，リンクの交通容量が考えられる．しかし， DRM には交通容量のデータが存在していない．そこで，交通容量と車線数には一定の相関が あると仮定し，交通容量のデータを車線数で置き換えることにより，分析を行った．なお， 本章の他の分析と同様に，平日の８時台にデータ数が 100 以上取得できているリンクを対 象にしている．また，車線数は方向別の片側車線数を意味している． １車線のリンクは，２車線，３車線のリンクと比較すると，リンク平均速度が低い値を 示す傾向が確認できる．偏差についても同様の傾向が確認できる（図 4.2-9）．１車線の場 合，路上駐車などが少ないと考えられ，走行速度が低いものの，変動が小さくなると考え られる．しかし，２車線，３車線になると，都内では路上駐車が多く，交通閉塞をもたら すため，リンクの交通容量が低下し，結果として変動が大きくなり，偏差の値が大きくな るリンクが存在すると考えられる．また，若干ではあるが，２車線よりも３車線のほうが リンク平均速度の高いリンクが多いものの，偏差が大きいリンクも多い傾向が確認できる． 問題点として，車線数が同じであっても，設計交通量や設計速度が異なることが多い． しかし，本研究では，車線数が同じリンクであればリンク交通容量は同じと仮定している ため，詳細な分析を行うことができない．そのため，車線数と走行速度およびその変動性 の指標である偏差との間の相関があまりないという結果が得られたと考えられる． - 51 - 70 データ数：365,058 リンク数：1,636 60 偏差(km/h) 50 40 30 20 10 0 0 10 20 30 40 50 60 70 リンク平均速度(km/h) 3車線 図 4.2-9 4.2.5 2車線 1車線 車線数別のリンク平均速度と偏差の関係 リンク長と走行速度の関連性分析 リンク平均速度および偏差に影響を与えうる要因の一つとしてリンク長が考えられる． 特に偏差に関しては，リンク長が短いと，信号などによる影響を受けやすく，値が大きく なると考えられる．逆にリンク長が長いと，信号による停止などの影響を受けにくいと考 えられる．そこで，リンク長が長いと偏差は小さくなり，リンク長が短いと偏差が大きく なるという仮説を立て，リンク長を 50ｍ毎に区切り，本節では分析を行った．また，本節 でも平日の８時台にデータ数が 100 以上取得できているリンクを対象にしている． リンク長が 200ｍから 250ｍにおいて，偏差の値が若干大きくなるが，全体的な傾向とし ては，リンク長が長くなるにつれて偏差が小さくなり，リンク平均速度が高くなることが 確認でき，リンク長が走行性に大きな影響を与えることがわかる（図 4.2-10）．また，リ ンク長が長くなるほど，偏差のばらつきも小さくなり，15km/h 周辺の値になることも確認 できる（図 4.2-11）． - 52 - 平均：21.4km/h 平均：21.1km/h 70 70 リンク長：50m 未満 データ数：137,343 リンク数：609 偏差(km/h) 50 50 40 偏差：26.8km/h 30 リンク長：50m-100m データ数：113,740 リンク数：518 60 偏差(km/h) 60 40 30 20 20 10 10 0 偏差：20.4km/h 0 0 10 20 30 40 50 60 70 0 10 20 リンク平均速度(km/h) 平均：23.2km/h 50 60 70 70 リンク長：100m-150m データ数：63,068 リンク数：295 50 50 40 30 リンク長：150m-200m データ数：35,875 リンク数：157 60 偏差(km/h) 60 偏差(km/h) 40 平均：24.3km/h 70 偏差：18.7km/h 40 30 20 20 10 10 0 偏差：17.7km/h 0 0 10 20 30 40 50 60 70 0 10 20 リンク平均速度(km/h) 30 40 50 60 70 リンク平均速度(km/h) 平均：23.0km/h 平均：25.8km/h 70 70 リンク長：200m-250m データ数：12,160 リンク数：57 60 50 40 30 偏差：17.9km/h 20 リンク長：250mデータ数：17,739 リンク数：79 60 偏差(km/h) 50 40 30 偏差：15.4km/h 20 10 10 0 0 0 10 20 30 40 50 60 70 0 10 20 リンク平均速度(km/h) 30 40 50 リンク平均速度(km/h) 70 平均：22.1km/h データ数：379,925 リンク数：1,715 60 50 偏差(km/h) 偏差(km/h) 30 リンク平均速度(km/h) 40 30 偏差：22.8km/h 20 10 0 0 10 20 30 40 50 60 リンク平均速度(km/h) -49m 50m-99m 図 4.2-10 100m-149m 150m-199m 200m-249m 250m- リンク長ごとのリンク平均速度と偏差の関係 - 53 - 70 60 70 70 60 偏差（km/h） 50 40 30 偏差：22.8km/h 20 10 0 0 200 400 600 800 1000 リンク長（m） 図 4.2-11 4.3 リンク長と偏差の関係 本章のまとめ 本章では，走行速度について分析を行う前に，プローブカーがどの時間帯，曜日にどの 道路種別のデータをどのくらいの割合で取得しているかという，データ取得の特性に関し て分析を行った．まず，道路種別においては，高速自動車国道（分析対象地域内では，東 名高速の一部），都市高速道路（分析対象地域内では，首都高速道路の大部分）のデータは， タクシーによる調査というプローブカーの車種特性からデータの取得率が低いことがわか った．そして，一般国道，主要地方道，一般都県道に関しては，データ取得の割合が全て の時間帯において７割弱から８割弱占めており，タクシーによる調査は，上記の３種別に 適しているということがわかった． リンク毎に平均走行速度を定義することで，時間帯毎に曜日間の走行速度の平均値につい て検定を行った．土曜日もしくは日曜日と平日のいずれかの曜日との間では，ほとんどの 組み合わせで走行速度に統計的な差があることが明らかになった．しかし，平日のいずれ かの曜日間では，統計的な差がある時間帯と差がない時間帯が不規則に存在していること も明らかになった．また，道路交通センサスにおけるピーク時間帯以外において，走行速 度が低くなる時間帯も確認でき，センサスでは把握できなかった他の時間帯についても走 行速度を把握することができた． - 54 - リンク平均速度とその偏差を定義し，走行性の概念も定義することにより，走行性の高 いリンクや低いリンクの存在が確認でき，その空間的な把握も行うことができた． リンク交通量や車線数，リンク長などのリンク特性とリンク平均速度，偏差の関係につ いて，分析を行ったが，交通量や車線数についてはその関連性があまり確認できなかった． リンク長については，長くなれば偏差が小さく，走行速度が高くなり，偏差のばらつきも 15km/h 前後になる傾向が確認できた． 第 4 章参考文献・資料 １）岡本直久：プローブカー調査による交通流特性の分析と今後の課題；第 37 回土木計画 学シンポジウム論文集研究講演集，pp.749-752，2001 ２）国土交通省東北地方整備局磐城国道事務所：カーナビゲーションシステムを活用した 交通動向調査（プローブカー調査） ，いわき地域 ITS 協議会プローブカーワーキング会 議資料 ３）石田東生，岡本直久，鈴木完，牧村和彦，中嶋康博：プローブカーデータの取得特性 分析，第１回 ITS シンポジウム 2002 Proceedings, pp.197-202, 2002 ４）東京都環境局東京都ロードプライシング検討委員会HP： http://www2.kankyo.metro.tokyo.jp/jidousya/roadpricing/ ５）東京大学教養学部統計学教室編：統計学入門，東京大学出版会 ６）東洋経済新報社：統計学辞典 ７）越正毅編著：交通工学通論，技術書院 ８）田宮佳代子，瀬尾卓也：プローブカーデータを活用した都市内一般道路の Q-V 特性に ついて，第 25 回土木計画学研究・講演集，156，CD-ROM，2002 - 55 - 第5章 東京都区部の走行速度の把握 第5章 5.1 東京都区部の走行速度の把握 平日，休日における平均走行速度の把握 前章で述べたとおり，平日とは，月曜日から金曜日までを指し，祝日であれば含めない こととし，休日は土曜日，日曜日と月曜日から金曜日の祝日を含め，平日休日の区分で分 析を行うこととする．なお，平日は 543 日，休日は 243 日データを取得している． 朝の７時台から夕方の 17 時台にかけて，平日と休日の平均走行速度に差がありそうなこ とが確認できる（図 5.1-1）．これは，平日では通勤や業務交通により交通量が多くなるた めだと考えられる．また，12 時台から 13 時台に差が小さくなるのは，昼休みの時間帯であ るためと考えられる． 30 平均走行速度(km/h) 25 20 15 平日 図 5.1-1 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 10 休日 時間帯別・平休日別の平均走行速度 前章の分析の歳に用いたウェルチの検定により，平日と休日の平均走行速度の差につい て有意水準５％で検定を行った（表 5.1-1，表 5.1-2）． - 57 - 表 5.1-1 平休日別の走行速度の算術平均と不偏分散およびデータ数 平日 算術平均 不偏分散 0 時台 41.76 458.61 1 時台 43.58 2 時台 休日 データ数 算術平均 不偏分散 594,455 40.16 462.52 211,477 464.91 592,555 42.50 471.21 225,779 43.36 452.42 479,514 42.79 466.20 211,578 3 時台 43.85 450.56 333,795 43.49 466.24 180,551 4 時台 44.97 452.46 156,406 44.15 446.73 114,689 5 時台 45.71 491.91 57,092 45.28 462.27 62,097 6 時台 40.66 416.78 117,332 42.12 423.33 40,190 7 時台 37.49 410.19 357,317 40.25 403.92 64,768 8 時台 34.39 437.67 539,996 38.57 400.20 107,820 9 時台 32.78 439.34 501,911 37.80 410.30 99,387 10 時台 31.66 424.31 435,694 36.41 407.88 88,448 11 時台 31.72 423.49 391,630 35.74 415.43 74,957 12 時台 33.01 424.33 360,931 35.75 428.20 70,559 13 時台 31.96 418.32 359,858 34.89 408.86 66,214 14 時台 30.46 432.89 338,491 34.22 427.64 64,253 15 時台 30.18 428.41 345,388 33.72 414.25 66,776 16 時台 30.68 419.27 365,493 33.10 411.17 73,408 17 時台 30.54 413.67 374,922 32.59 423.00 73,448 18 時台 31.59 423.27 414,675 33.31 417.44 72,986 19 時台 33.68 419.34 426,682 34.95 412.49 77,162 20 時台 35.71 418.09 435,086 36.78 401.55 78,494 21 時台 36.67 426.71 488,766 37.21 408.29 78,761 22 時台 37.74 433.88 540,652 37.53 398.11 85,711 23 時台 39.19 446.77 580,691 38.69 410.62 88,104 （単位 算術平均：km/h - 58 - データ数 不偏分散：km2/h2） 表 5.1-2 t0 時間帯別の検定統計量と自由度 t0 自由度 自由度 0 時台 29.33 370,581.55 12 時台 32.09 99,811.61 1 時台 20.07 405,598.67 13 時台 34.17 92,883.73 2 時台 10.15 399,262.67 14 時台 42.13 90,681.15 3 時台 5.68 364,730.20 15 時台 41.05 95,409.49 4 時台 9.88 247,995.78 16 時台 29.43 105,663.94 5 時台 3.34 117,630.04 17 時台 24.75 103,539.86 6 時台 12.31 69,171.38 18 時台 20.92 100,794.76 7 時台 32.12 90,250.98 19 時台 15.90 107,483.31 8 時台 62.04 158,537.62 20 時台 13.69 110,049.79 9 時台 71.04 144,711.30 21 時台 6.97 107,032.97 10 時台 63.47 128,584.84 22 時台 2.82 117,331.04 11 時台 49.38 106,285.14 23 時台 6.79 119,099.61 （自由度が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 全時間帯において平日と休日の平均走行速度には統計的に差があることを検証すること ができた．今までは経験的，感覚的に平日と休日を分けて調査してきたが，この結果は， 平日休日を分けて調査する必要があることを意味している． 時間帯別の平均走行速度を見てみると，休日と比較して平日の８時台，９時台の値が低 くなる．これは，通勤時間帯にあたり，走行速度が低いだけではなく，走行速度の変動も 大きい時間帯であることが確認できた（図 5.1-2）． - 59 - 22.5 標準偏差(km/h) 22.0 21.5 21.0 20.5 20.0 平日 図 5.1-2 5.2 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 9時台 10時台 8時台 7時台 6時台 5時台 4時台 19.5 休日 時間帯別・平休日別の走行速度の標準偏差 五十日，五十日以外の日における平均走行速度の把握 第１章で先述のように，五十日は取引の支払日にあたり，交通渋滞が激しくなると言わ れている．しかし，現状の走行速度調査では，調査日も限られているため，それを裏付け るような分析を今まで行うことは不可能であった． 国土交通省九州地方整備局福岡国道事務所によるバスのプローブ調査において，五十日 は若干走行速度が低下するという結果がホームページ上で公開されている 1）．しかし，結果 を見ても，平均走行速度は 0.1km/h しか差がない（図 5.2-1）．また，時間帯を考慮してお らず，統計的に差があるかどうかについても分析がされていない． 平均走行速度(km/h) 15 14.1 14.2 五十日 五十日以外日 10 5 0 図 5.2-1 五十日と五十日以外の日の平均走行速度 （参考文献・資料１より作成） - 60 - 東京のタクシープローブ調査データで五十日と五十日以外の日の平均走行速度を算出し た．なお算出の差異には，五十日も五十日以外の日も平日のみを対象としている．結果を 見ると，福岡と同様に一見差が見られない（図 5.2-2）． 35 平均走行速度(km/h) 30 25 20 15 五十日 図 5.2-2 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 9時台 10時台 8時台 7時台 6時台 5時台 4時台 10 五十日以外の日 時間帯別の五十日と五十日以外の日の平均走行速度 そこで本研究では，五十日と五十日以外の日の平均走行速度の差異について検証を行う． なお五十日の定義を，５の倍数の日以外に２つの場合を考え，以下の３つの設定について それぞれ検定を行った（表 5.2-1，表 5.2-2，表 5.2-3，表 5.2-4） ． 設定① 日付が５の倍数の平日 設定理由：辞書による定義 設定② ５の倍数の日が休日の場合， 前日が平日であれば五十日，休日であれば前々日を五十日 例：18（金） ・19（土）・20（日）の場合，18 日を五十日とする． 設定理由：業務取引が休日に行われることが少ないことから，五十日が休日で あれば，前倒しで取引を行うであろうと考える． - 61 - 設定③ ５の倍数の日が休日の場合， 前日が平日であれば五十日，休日であれば分析に含めない 例：18（金） ・19（土）・20（日）の場合，いずれの日も五十日としない． 設定理由：設定②と同様の考えであるが，五十日前日が休日であれば，その前 後の五十日に取引を行うであろうと考える． 表 5.2-1 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定①） 五十日 五十日以外の日 算術平均 不偏分散 データ数 算術平均 不偏分散 データ数 0 時台 41.79 464.26 110,738 41.75 457.32 483,717 1 時台 43.55 475.19 107,275 43.58 462.64 485,280 2 時台 43.46 454.92 89,262 43.34 451.85 390,252 3 時台 43.81 445.15 63,676 43.86 451.83 270,119 4 時台 45.18 460.43 30,692 44.91 450.50 125,714 5 時台 45.57 482.60 10,417 45.74 493.99 46,675 6 時台 40.46 409.95 22,332 40.70 418.38 95,000 7 時台 37.42 400.71 69,340 37.51 412.47 287,977 8 時台 34.39 435.96 101,646 34.39 438.07 438,350 9 時台 32.78 440.90 95,118 32.78 438.97 406,793 10 時台 31.74 423.99 82,983 31.64 424.39 352,711 11 時台 31.46 407.49 76,270 31.78 427.35 315,360 12 時台 32.85 417.81 69,027 33.05 425.86 291,904 13 時台 31.80 415.38 67,976 32.00 418.99 291,882 14 時台 30.26 434.22 64,028 30.51 432.57 274,463 15 時台 29.72 426.10 65,069 30.29 428.89 280,319 16 時台 30.55 421.01 68,417 30.71 418.87 297,076 17 時台 29.95 413.27 70,405 30.68 413.66 304,517 18 時台 31.10 408.44 80,381 31.71 426.76 334,294 19 時台 33.77 418.92 83,567 33.66 419.44 343,115 20 時台 35.76 414.45 83,597 35.70 418.95 351,489 21 時台 36.76 422.14 92,771 36.65 427.78 395,995 22 時台 37.35 422.80 104,955 37.83 436.51 435,697 23 時台 39.19 449.67 114,149 39.18 446.06 466,542 （単位 算術平均：km/h - 62 - 不偏分散：km2/h2） 表 5.2-2 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定②） 五十日 五十日以外の日 算術平均 不偏分散 データ数 算術平均 不偏分散 データ数 0 時台 41.66 458.23 170,913 41.80 458.76 423,542 1 時台 43.50 466.87 165,162 43.61 464.15 427,393 2 時台 43.40 455.12 134,370 43.35 451.37 345,144 3 時台 43.83 448.49 94,011 43.86 451.37 239,784 4 時台 45.18 461.23 44,388 44.88 448.96 112,018 5 時台 45.85 519.39 16,759 45.65 480.49 40,333 6 時台 40.78 412.76 33,730 40.61 418.40 83,602 7 時台 37.59 404.66 102,757 37.45 412.41 254,560 8 時台 34.44 434.30 151,684 34.38 438.99 388,312 9 時台 32.76 438.87 140,585 32.78 439.52 361,326 10 時台 31.68 422.54 122,901 31.66 425.01 312,793 11 時台 31.48 411.15 111,370 31.82 428.37 280,260 12 時台 32.68 423.82 102,552 33.15 424.47 258,379 13 時台 31.74 418.85 99,221 32.04 418.09 260,637 14 時台 30.02 429.39 92,421 30.63 434.10 246,070 15 時台 29.74 431.16 95,640 30.35 427.25 249,748 16 時台 30.46 420.35 101,187 30.77 418.84 264,306 17 時台 29.96 418.13 103,488 30.77 411.78 271,434 18 時台 30.81 415.89 115,776 31.90 425.80 298,899 19 時台 33.50 432.71 119,284 33.75 414.13 307,398 20 時台 35.49 427.79 121,031 35.79 414.32 314,055 21 時台 36.43 428.49 135,549 36.77 426.00 353,217 22 時台 37.32 428.55 150,165 37.90 435.84 390,487 23 時台 38.95 449.65 164,978 39.28 445.59 415,713 （単位 算術平均：km/h - 63 - 不偏分散：km2/h2） 表 5.2-3 五十日／五十日以外の走行速度の算術平均・不偏分散・データ数（設定③） 五十日 五十日以外の日 算術平均 不偏分散 データ数 算術平均 不偏分散 データ数 0 時台 41.72 463.60 139,291 41.77 457.09 455,164 1 時台 43.60 469.33 135,497 43.57 463.60 457,058 2 時台 43.42 454.24 112,183 43.34 451.87 367,331 3 時台 43.92 449.02 79,053 43.83 451.04 254,742 4 時台 45.16 464.08 36,695 44.91 448.88 119,711 5 時台 45.70 486.50 13,532 45.71 493.60 43,560 6 時台 40.69 412.73 28,545 40.65 418.09 88,787 7 時台 37.52 400.29 87,019 37.48 413.37 270,298 8 時台 34.44 433.95 127,692 34.38 438.82 412,304 9 時台 32.78 438.95 118,357 32.78 439.46 383,554 10 時台 31.71 421.31 102,777 31.65 425.24 332,917 11 時台 31.53 408.73 95,164 31.78 428.22 296,466 12 時台 32.71 419.04 87,183 33.11 425.98 273,748 13 時台 31.74 416.72 84,168 32.03 418.79 275,690 14 時台 30.09 428.80 78,153 30.57 434.06 260,338 15 時台 29.70 428.22 79,600 30.33 428.38 265,788 16 時台 30.52 419.72 85,351 30.73 419.13 280,142 17 時台 29.99 417.77 87,573 30.71 412.30 287,349 18 時台 30.87 409.52 97,817 31.82 427.30 316,858 19 時台 33.53 421.76 100,535 33.73 418.58 326,147 20 時台 35.59 419.30 102,538 35.75 417.71 332,548 21 時台 36.51 425.25 114,314 36.72 427.15 374,452 22 時台 37.35 424.48 126,764 37.85 436.70 413,888 23 時台 39.10 447.59 139,194 39.21 446.50 441,497 （単位 算術平均：km/h - 64 - 不偏分散：km2/h2） 表 5.2-4 五十日の設定別・時間帯別の検定統計量と自由度 設定① t0 自由度 設定② t0 自由度 設定③ t0 自由度 0 時台 0.62 164,399.85 2.26 316,085.11 0.80 229,628.54 1 時台 0.42 156,812.09 1.72 299,371.47 0.43 220,856.58 2 時台 1.47 132,856.68 0.87 244,002.60 1.09 185,470.44 3 時台 0.49 96,489.92 0.34 172,317.87 1.13 132,036.48 4 時台 1.99 46,457.55 2.44 80,486.85 2.01 60,060.22 5 時台 0.69 15,537.68 1.00 30,259.57 0.07 22,704.02 6 時台 1.59 33,872.80 1.35 62,726.10 0.25 48,509.30 7 時台 1.07 106,395.45 1.98 191,605.54 0.50 149,188.00 8 時台 0.07 152,609.26 0.99 278,170.67 1.01 213,704.93 9 時台 0.05 142,749.69 0.32 256,344.87 0.01 196,980.09 10 時台 1.18 125,035.45 0.29 225,406.29 0.90 171,659.01 11 時台 3.88 118,028.78 4.67 208,477.95 3.25 163,980.50 12 時台 2.31 104,869.73 6.19 188,467.21 4.94 147,835.25 13 時台 2.26 102,347.26 3.93 179,108.99 3.65 139,722.38 14 時台 2.71 96,034.51 7.60 166,892.54 5.70 129,283.11 15 時台 6.29 97,786.07 7.73 172,484.66 7.49 130,920.25 16 時台 1.82 102,125.77 4.06 182,918.44 2.53 141,202.54 17 時台 8.54 105,454.51 10.89 185,803.59 9.10 144,195.77 18 時台 7.75 123,961.10 15.31 212,843.66 12.67 165,674.38 19 時台 1.44 127,445.17 3.59 212,939.19 2.74 166,648.70 20 時台 0.77 126,879.48 4.41 216,611.47 2.17 170,250.65 21 時台 1.47 140,195.03 5.12 245,021.78 3.00 189,722.90 22 時台 6.80 161,247.78 9.18 274,448.84 7.61 212,762.46 23 時台 0.14 173,776.56 5.35 301,733.24 1.65 233,243.46 （自由度が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 設定②では７時台の平均走行速度に差がある結果が出ているが，それを除いては通勤時 間帯である７時台から９時台は，設定①，設定②，設定③のいずれの設定でも五十日と五 十日以外の日の平均走行速度には差がないことがわかる．これは，通勤時間帯においては， 平日であれば通勤，通学トリップなどの日常の義務交通が発生し，五十日，五十日以外と いう特性は影響を与えないためと考えられる．11 台以降は，義務交通は少なく，業務交通 が多くなり，五十日においては走行速度が低下すると考えられる． 設定②は，全体的に t0 の値が大きく，平均走行速度に差がある時間帯が多い．しかし，辞 - 65 - 書などで定義されている，いわゆる五十日の設定①においても五十日と五十日以外の日の 平均走行速度に差があることが検証できたため，これ以降の分析において，本研究で五十 日特性を分析する際には，設定①の場合のみを考えることとする． 5.3 天候による平均走行速度の把握 高速道路では，降雨量により走行速度の低下することが確認されている 2）．本研究では， 第３章で先述の降水量データを用い，天候による平均走行速度の把握を行った．なお，天 候の晴，雨は以下のように定義した． 時間降水量が 1.0mm 未満であれば，天候を晴とし，1.0mm 以上であれば雨に設定 ただし，気象庁発表の天気が雪であれば，その日は雪とし分析対象から外した． 気象庁発表の天気が雪の日：2001/1/7 2001/1/20 2001/1/27 2001/2/7 気象庁発表の天気が雪でも、降水量 0.0mm/降水なしは晴に設定した． 発表は雪だが晴に設定した日：2001/2/14 2001/3/8 2001/3/11 2002/2/10 雪の日に関しては，北海道札幌市で行われたタクシーによるプローブカー調査で，走行 速度の低下が確認されており，特に交通量が多い区間において著しいことがわかっている 3）． 晴の日と雪の日の平均走行速度に関して，統計的な差については分析されていないが，感 覚的に降雪時は通常の走行状態であるとは考えにくい．冬期の札幌市は，降雪は珍しいこ とではなく，日常のことであるが，東京において降雪は非日常的な現象であり，道路交通 に与える影響は非常に大きいと考えられる．本研究では，気象庁発表の天気が雪であれば， その日は分析の対象から除外し，降水量の閾値の設定から晴雨に分けることとした．以上 の定義で，時間帯別，平休日別に走行速度を算出した（図 5.3-1）． - 66 - 図 5.3-1 晴 平日 晴 休日 - 67 雨 平日 雨 休日 時間帯別・平休日別・天候別の平均走行速度 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 平均走行速度(km/h) 35 30 25 20 15 10 平日では，晴の日のほうが雨の日よりも平均走行速度が高くなっている．しかし，休日 においては，雨の日のほうが平均走行速度が高い時間帯が存在する．そこで，天候による 平均走行速度の差について検定を行った（表 5.3-1，表 5.3-2，表 5.3-3，表 5.3-4）． 表 5.3-1 平日の時間帯別・天候別の走行速度の算術平均・不偏分散・データ数 平日・晴 算術平均 不偏分散 平日・雨 データ数 算術平均 不偏分散 データ数 0 時台 38.20 371.39 216,671 39.05 312.81 19,367 1 時台 39.76 368.56 213,175 40.47 311.68 13,467 2 時台 39.76 364.45 174,454 40.67 317.48 17,869 3 時台 40.27 357.85 125,761 40.46 300.99 13,208 4 時台 41.33 360.22 63,084 41.89 302.30 3,452 5 時台 42.23 369.89 23,843 40.98 331.58 1,196 6 時台 39.06 360.56 49,005 37.57 299.07 3,515 7 時台 36.32 357.64 155,881 34.88 313.37 10,589 8 時台 33.49 365.34 252,540 31.83 328.89 13,841 9 時台 31.76 354.24 233,652 29.62 322.07 11,736 10 時台 30.66 343.00 194,340 28.62 302.29 14,593 11 時台 30.69 342.57 172,593 27.83 291.33 14,298 12 時台 31.72 347.00 169,157 29.34 298.61 9,923 13 時台 30.84 343.30 171,765 29.13 302.69 10,598 14 時台 29.51 346.33 156,269 26.89 292.07 14,457 15 時台 29.29 344.15 159,419 27.17 309.71 14,430 16 時台 29.90 346.79 166,617 27.75 308.95 17,267 17 時台 29.77 339.29 172,364 27.59 302.46 16,203 18 時台 30.69 345.97 191,959 28.05 313.20 16,893 19 時台 32.61 343.59 190,384 30.00 305.52 16,237 20 時台 33.99 342.89 188,728 32.77 308.20 16,879 21 時台 34.53 352.87 204,982 34.28 311.03 18,780 22 時台 35.14 360.91 215,449 35.31 306.59 20,644 23 時台 36.07 364.64 222,667 36.73 314.71 19,194 （単位 - 68 - 算術平均：km/h 不偏分散：km2/h2） 表 5.3-2 休日の時間帯別・天候別の走行速度の算術平均・不偏分散・データ数 休日・晴 算術平均 不偏分散 休日・雨 データ数 算術平均 不偏分散 データ数 0 時台 37.03 371.32 74,251 37.15 316.33 12,114 1 時台 39.36 373.88 76,943 38.09 308.41 12,716 2 時台 39.32 371.14 71,529 39.44 316.04 12,563 3 時台 39.82 365.45 61,595 39.74 305.54 9,102 4 時台 40.81 364.95 39,969 40.43 295.76 7,151 5 時台 41.76 377.53 22,854 41.92 322.00 2,771 6 時台 40.05 370.02 15,985 41.00 339.84 1,630 7 時台 38.53 358.33 25,134 38.31 291.78 2,579 8 時台 36.90 348.25 39,526 38.48 322.00 3,925 9 時台 36.29 347.66 37,134 37.74 313.16 3,346 10 時台 35.37 351.73 34,362 33.85 309.85 1,681 11 時台 34.74 345.57 29,409 36.14 321.24 1,521 12 時台 34.83 352.27 28,641 34.84 307.93 2,823 13 時台 34.32 349.52 26,838 31.46 283.47 1,807 14 時台 33.20 350.08 26,280 30.94 328.85 1,222 15 時台 33.24 355.50 27,255 27.85 290.04 1,328 16 時台 32.61 350.12 29,619 30.24 317.19 1,623 17 時台 32.42 358.46 29,670 28.79 319.55 2,741 18 時台 32.77 351.67 29,079 31.59 318.57 1,570 19 時台 34.00 348.54 28,342 31.51 293.39 4,077 20 時台 35.34 343.13 29,559 35.88 288.43 2,566 21 時台 35.52 347.83 29,333 35.33 295.09 3,548 22 時台 35.70 348.15 31,569 33.54 298.15 3,631 23 時台 36.24 350.37 31,658 37.05 301.06 2,899 （単位 - 69 - 算術平均：km/h 不偏分散：km2/h2） 表 5.3-3 平日の時間帯別・天候別の検定統計量と自由度 t0 t0 自由度 自由度 0 時台 6.38 23,670.65 12 時台 13.27 11,317.72 1 時台 4.54 15,547.53 13 時台 9.80 12,128.35 2 時台 6.49 22,285.39 14 時台 17.55 17,781.79 3 時台 1.17 16,683.83 15 時台 13.76 17,461.62 4 時台 1.85 3,914.81 16 時台 15.24 21,486.41 5 時台 2.33 1,332.27 17 時台 15.14 19,778.58 6 時台 4.90 4,145.79 18 時台 18.49 20,318.86 7 時台 8.05 12,288.35 19 時台 18.11 19,484.53 8 時台 10.43 15,573.30 20 時台 8.59 20,385.85 9 時台 12.58 13,065.44 21 時台 1.84 22,863.14 10 時台 13.60 17,175.12 22 時台 1.30 25,531.42 11 時台 19.07 17,204.57 23 時台 4.88 23,198.38 （自由度が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 表 5.3-4 休日の時間帯別・天候別の検定統計量と自由度 t0 t0 自由度 自由度 0 時台 0.65 17,094.59 12 時台 0.04 3,489.90 1 時台 7.43 18,199.54 13 時台 6.94 2,117.33 2 時台 0.71 18,142.87 14 時台 4.23 1,344.72 3 時台 0.38 12,544.53 15 時台 11.20 1,489.98 4 時台 1.66 10,563.38 16 時台 5.19 1,823.78 5 時台 0.45 3,604.69 17 時台 10.10 3,334.01 6 時台 1.98 2,008.28 18 時台 2.55 1,761.26 7 時台 0.61 3,263.35 19 時台 8.56 5,564.72 8 時台 5.24 4,806.61 20 時台 1.53 3,119.27 9 時台 4.51 4,044.03 21 時台 0.62 4,619.18 10 時台 3.45 1,871.48 22 時台 7.08 4,660.88 11 時台 2.95 1,693.57 23 時台 2.41 3,544.92 （自由度が大きいため，t0≧1.96 で帰無仮説を棄却できる．下線付きは棄却可能） 平日においては，日中の時間帯であれば，晴の日の平均走行速度の方が高く，差がある 時間帯が確認できる．しかし，平日の夜間や，休日の８時台，９時台，11 時台などで，雨 の日の平均走行速度のほうが高く，統計的に差がある時間帯もある．つまり，雨が降ると - 70 - 走行速度が高くなり，感覚的に矛盾する時間帯が存在する．これは，晴雨を決定する時間 降水量 1.0mm 未満か否かの設定による影響があると考えられる．しかし，晴雨を決定する 時間降水量の閾値を高くすると，雨の時間帯が激減し，ほとんど晴の時間帯になってしま う．また，時間降水量のため，１時間中に降った雨または雪の量を平均化しているが，実 際は瞬間降水量が走行速度に与える影響のほうが大きいと考えられる．このような問題が あるため，横浜や名古屋でのプローブカー調査では，位置情報や走行速度情報だけではな く，ワイパーの稼働状況などでリアルタイムに降水の有無を把握できるシステムを導入し ている．降水量という絶対量ではなく，ワイパーの稼働の有無，または強弱ではあるが， 晴雨の閾値の設定などの問題もなくなるため，有効なデータであると考えられる． 本研究では，これ以降の分析においては，先述の雪の日のみを分析対象から除き，晴雨 については考えないものとする． 5.4 本章のまとめ 本章では，東京都区部の一般道について，曜日特性や天候が走行速度に及ぼす影響につ いて分析を行った．前章において，土曜日もしくは日曜日と他の曜日間の走行速度に差が あることはわかったが，本章ではさらに平日と休日の間の走行速度の差について分析をお こなった．その結果，全時間帯において平日と休日の平均走行速度には差があることがわ かり，平日休日を分けて調査する必要があるといえる．平均走行速度は，時間帯で見ると， 休日と比較して平日の８時台，９時台の値が低くなる．通勤時間帯による影響であると考 えられ，走行速度の変動も大きい時間帯であることが確認できた． 五十日は道路が混雑し，走行速度が低下するといわれているが，これについて，平日の 五十日と五十日以外の日を対象に分析をおこなった．五十日の定義に関しては，設定を３ つの設定を設け，各設定において走行速度の差について検証をおこなったが，いずれの場 合においても，通勤時間帯では差がなく，11 台以降において差があることが確認された． これは，平日のみを対象としているため，通勤時間帯では義務交通により差がなく，それ 以降の業務交通による影響が考えられる． 時間降水量が 1.0mm 未満を晴，以上を雨とし，天候による平均走行速度の差異について 分析をおこなった．天候別に平日，休日の平均走行速度を見てみると，平日では，雨の日 において走行速度が低下しているが，休日では逆に晴の日の走行速度のほうが低下してい る結果となった．平休日別に晴と雨の日の平均走行速度の差についても，日中の時間帯で あれば，平日では晴の日の平均走行速度の方が高く，差があることがわかる．しかし，平 日の夜間や，休日のいくつかの時間帯で，雨の日の平均走行速度のほうが高く，さらに統 計的に差がある時間帯もあり，感覚的に矛盾する時間帯が存在する．これは，晴雨を決定 する時間降水量の閾値 1.0mm の設定にもよると考えられるが，降水量が時間降水量で瞬間 降水量ではないことも考えられる． - 71 - 第 5 章参考文献・資料 １）国土交通省九州地方整備局福岡国道事務所 HP，交通探偵団： http://www.fukkoku.go.jp/tanteidan/page/gaiyo.htm ２）古川和広：降雨状態を考慮した高速道路交通容量モデルの作成，筑波大学博士課程シ ステム情報工学研究科社会システム工学専攻修士論文，2003 ３）高橋尚人，宮本修司，林華奈子，浅野基樹：プローブカーを利用した札幌市における 冬期の平均旅行速度変化に関する分析，土木学会第 58 回年次学術講演会，Ⅳ-219， CD-ROM，2003 - 72 - 第6章 特定区間における走行速度の把握 第6章 6.1 特定区間における走行速度の把握 対象路線と対象区間の選定 前章までにおいて，本研究では分析対象地域内の一般道のネットワーク全体を考えて， 平均走行速度の変動性や，曜日特性による平均走行速度の差異について分析を行ってきた． ロードプライシング導入前後の施策効果の把握，一般道ではないが ETC 導入効果など，ネ ットワーク全体に対して効果を把握するには，前章までのような分析を行うことで，その 効果を計測することが可能である．第２章でも触れているが，こうした効果を計測するた めに，プローブカー調査データの蓄積は非常の重要であると考えられる． このように，ネットワーク全体の平均走行速度や変動を把握することも必要であるが， 個々の路線についても同様の分析を行い，変動について分析を把握することも必要である と考えられる．本章では，分析対象地域内から特定の路線，区間について，走行速度の変 動性に関する分析を行うこととする． 分析対象とする路線の選定については，タクシーによるプローブカー調査におけるデー タ取得の空間的限界 1）2）3） である営業所から半径５km 以内の路線とし，第４章の分析から データ取得数の少ない平日の 14 時台においても，比較的データが取得できている第一京浜 （国道 15 号）を分析対象の路線とする（図 6.1-1）．この路線は道路交通センサスの対象 であり，センサスの旅行速度調査の結果と比較できる． 第一京浜 （－線 図 6.1-1 取得データ数が 100 以上のリンク 左：平日８時台 右：平日 14 時台 青線：営業所から半径５km の円） - 74 - 上記の対象路線に対して，対象区間を設定する．一般道のネットワークにおいて，一般 道が交差する点をノード，それらのノード間をリンクと見なし，そのリンクを１区間とし て定義し，区間はいくつかの DRM リンクにより構成される．この区間毎に走行速度やその 変動性を把握することで，データの蓄積による最短時間経路の探索などへも応用できると 考えられる．上記の区間の定義により，分析対象区間を上下線別にそれぞれ４区間設定し た（図 6.1-2）． 図 6.1-2 分析対象区間 - 75 - 6.2 特定路線の走行速度の把握 前節で設定した各区間において，その区間を完全に通過する車両のデータだけを，上り 線，下り線それぞれに抽出した．なお，前掲の図において，南から北上して都心方面へ走 行することを上り，逆を下りと定義する．各区間におけるデータ取得数を以下に示す（図 上り：平日 下り：平日 図 6.2-1 上り：平日 平日における時間帯別・区間別取得データ数 - 76 - 16時台 17時台 18時台 19時台 20時台 21時台 22時台 23時台 18時台 19時台 20時台 21時台 22時台 23時台 14時台 13時台 15時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 1時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 0 8時台 0 7時台 100 6時台 100 5時台 200 4時台 200 3時台 300 2時台 12時台 上り：1125m 下り：1120m 400 300 1時台 下り：平日 区間4 上り：656m 下り：670m 777 0時台 11時台 9時台 区間3 879 400 10時台 8時台 7時台 5時台 4時台 3時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 15時台 14時台 13時台 16時台 上り：平日 下り：平日 17時台 上り：平日 12時台 11時台 9時台 10時台 8時台 7時台 0 6時台 0 5時台 100 4時台 100 3時台 200 2時台 200 1時台 300 0時台 300 2時台 400 6時台 区間2 上り：1428m 下り：1411m 1時台 400 区間1 上り：953m 下り：919m 16時台 6.2-1，図 6.2-2）． 下り：平日 区間2 区間1 20時台 21時台 22時台 23時台 21時台 22時台 23時台 60 19時台 60 20時台 90 18時台 90 19時台 120 17時台 区間3 上り：1125m 下り：1120m 120 18時台 区間3 150 16時台 15時台 14時台 13時台 下り：休日 上り：656m 下り：670m 150 17時台 上り：休日 12時台 11時台 9時台 10時台 8時台 7時台 5時台 4時台 3時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 下り：休日 16時台 上り：休日 12時台 11時台 9時台 10時台 0 8時台 0 7時台 30 6時台 30 5時台 60 4時台 60 3時台 90 2時台 90 1時台 120 0時台 120 2時台 150 1時台 150 上り：1428m 下り：1411m 6時台 上り：953m 下り：919m 上り：休日 下り：休日 上り：休日 図 6.2-2 休日における時間帯別・区間別取得データ数 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 1時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 0 1時台 0 0時台 30 0時台 図 6-2-1 30 下り：休日 平日において，区間１，区間２，区間３では６時台から８時台にかけて上りの取得デー タ数が多い．これは，タクシーが出社する時間帯であるが，営業所から第一京浜に出て， 都心方面に走行していくためだと考えられる．区間４の上りのデータが同時間帯で少ない のは，本章では区間を完全に通過したデータのみを抽出しているため，営業所から区間４ に出るデータに関しては，区間４を途中から走行しており，除外しているためである．ま た，朝の時間帯において，区間３から区間２でデータ数が激減する理由としては，都心方 向に走行せず，五反田駅方面へ走行するデータも多いためである．また，区間２へ走行し ているものの，品川駅周辺での客待ちによる停止が多く，先述のように 120 秒を超えて停 止しているデータについても除外しているためである．第一京浜に関しては，かなりの割 合で除外するデータが多く，タクシーによる走行速度調査の欠点である．休日は区間３の 上りで朝の時間帯でデータ取得数が多いものの，全体的にデータ取得数が少ない． - 77 - 区間の平均走行速度（調和平均値(9)式，算術平均値(10)式）と走行速度の偏差（(11)式） および標準偏差（(12)式）を以下のように定義する． Nl V1 l = ∑d i =1 Nl ∑t 1 V = l N = l i =1 Nl s = = l i l 1 d = l ∑ l N i =1 t i ∑ (V i =1 l i − V1 l ∑ (V i =1 i l − V2l Nl LL (9) Nl 1 ∑ l i =1 Vi Nl ∑V i =1 i l LL (10) ) 2 LL (11) N l −1 Nl V2l Nl ∑t Nl s V1 = N ldl l i i =1 l 2 l ) 2 N l −1 LL (12) V1 l ：区間 l の平均走行速度(km/h) （調和平均） l 2 ：区間 l の平均走行速度(km/h) （算術平均） V Nl l d til l sV1 s V 2l ：区間 l のデータ数 ：区間 l の区間長(km) ：区間 l の通過時間(時間) ：区間 l の走行速度の偏差(km/h) ：区間 l の走行速度の標準偏差(km/h) 平休日別で平均走行速度（調和平均）を見てみると，第一京浜と直交している山手通り を境に，平日の上りと下りの平均走行速度の大小が逆転する傾向が見られる（図 6.2-3， 図 6.2-4，図 6.2-5，図 6.2-6）．区間３と区間４において顕著で，山手通り以北では下り が上りよりも走行速度が高く，以南では下りが上りよりも走行速度が低い．区間３と区間 ４は，センサスでは同一の区間として走行速度調査が行われている．そのため，ピーク時 間帯においては，混雑方向の走行速度を計測しているが，この結果から，調査区間をより 細かく区分する必要があると考えられる．五十日と五十日以外の日の平均走行速度につい ても平休日と同様の傾向が確認できる（図 6.2-7，図 6.2-8，図 6.2-9，図 6.2-10）．し かし，五十日の取得データ数が少なく，取得データ数がない時間帯もある． - 78 - 図 6.2-4 上り：平日 上り：休日 - 79 - 下り：平日 時間帯別・平休日の平均走行速度（区間２） 50 40 30 20 10 0 下り：休日 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 10時台 9時台 8時台 23時台 60 23時台 下り：1,411m 22時台 区間2 21時台 時間帯別・平休日の平均走行速度（区間１） 22時台 下り：休日 21時台 20時台 19時台 18時台 下り：平日 17時台 16時台 15時台 40 30 20 10 0 11時台 50 下り：919m 7時台 60 上り：953m 14時台 上り：休日 13時台 12時台 上り：1,428m 11時台 10時台 上り：平日 9時台 8時台 6時台 5時台 4時台 3時台 2時台 1時台 0時台 平均走行速度(km/h) 70 7時台 70 6時台 図 6.2-3 5時台 4時台 3時台 2時台 1時台 0時台 平均走行速度(km/h) 区間1 図 6.2-6 上り：平日 上り：休日 - 80 - 下り：平日 時間帯別・平休日の平均走行速度（区間４） 50 40 30 20 10 0 下り：休日 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 10時台 9時台 8時台 23時台 60 23時台 下り：1,120m 22時台 区間4 21時台 時間帯別・平休日の平均走行速度（区間３） 22時台 下り：休日 21時台 20時台 19時台 18時台 下り：平日 17時台 16時台 15時台 40 30 20 10 0 11時台 50 下り：670m 7時台 60 上り：656m 14時台 上り：休日 13時台 12時台 上り：1,125m 11時台 10時台 上り：平日 9時台 8時台 6時台 5時台 4時台 3時台 2時台 1時台 0時台 平均走行速度(km/h) 70 7時台 70 6時台 図 6.2-5 5時台 4時台 3時台 2時台 1時台 0時台 平均走行速度(km/h) 区間3 区間1 上り：953m 70 下り：919m 平均走行速度(km/h) 60 50 40 30 20 10 上り：五十日 図 6.2-7 上り：五十日以外 下り：五十日 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 1時台 0時台 0 下り：五十日以外 時間帯別・五十日と五十日以外の日の平均走行速度（区間１） 区間2 上り：1,428m 70 下り：1,411m 50 40 30 20 10 上り：五十日 図 6.2-8 上り：五十日以外 下り：五十日 下り：五十日以外 時間帯別・五十日と五十日以外の日の平均走行速度（区間２） - 81 - 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 1時台 0 0時台 平均走行速度(km/h) 60 上り：656m 下り：670m 11時台 70 7時台 区間3 平均走行速度(km/h) 60 50 40 30 20 10 上り：五十日 図 6.2-9 上り：五十日以外 下り：五十日 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 10時台 9時台 8時台 6時台 5時台 4時台 3時台 2時台 1時台 0時台 0 下り：五十日以外 時間帯別・五十日と五十日以外の日の平均走行速度（区間３） 区間4 上り：1,125m 下り：1,120m 70 50 40 30 20 10 上り：五十日 図 6.2-10 上り：五十日以外 下り：五十日 下り：五十日以外 時間帯別・五十日と五十日以外の日の平均走行速度（区間４） - 82 - 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 3時台 2時台 1時台 0 0時台 平均走行速度(km/h) 60 本章では，区間を完全に通過するデータのみを分析対象としているため，休日や五十日 において取得データ数が少ないのは前述の通りである．そのため，区間別で平日と休日の 間，五十日と五十日以外の日の間について走行速度の差について統計的な検定ができるデ ータ数がない．今後，プローブカーの台数を増やし，調査データの蓄積を行うことで，細 かい区間においても平日休日の違いや五十日の走行速度への影響を把握することが可能で ある． 6.3 特定路線における走行速度の期待値 区間の走行速度について前節で分析を行ったが，走行速度や所要時間の変動も同時に把 握することで，調査データの蓄積により走行速度，所要時間の期待値が算出できれば，時 間帯別に任意区間の最短時間経路探索システムの構築のためのデータベースの整備が可能 となる．本研究では，本章で設定した区間において，走行速度の変動についても分析し， 期待値の算出を行う．なお，前節までの分析から，平日の７時台から 19 時台までに限定し て走行速度の期待値を算出する． 期待値については変動を考慮するため，幅のある区間推定により算出する．前掲の(9)式， (10)式，(11)式，(12)式の値を用いて以下の(13)式，(14)式で有意水準αの区間を定義する． ⎡ l s V1 s V1 ⎤ l l l − − ⋅ + − ⋅ 1 , 1 V t N V t N ⎢ 1 ⎥ LL (13) α α 1 2 2 ⎢⎣ Nl N l ⎥⎦ ( ) l ( ) l ⎡ l s V2 s V2 ⎤ l , V1 l + tα N l − 1 ⋅ ⎢V2 − tα N − 1 ⋅ ⎥ LL (14) 2 2 ⎢⎣ Nl N l ⎥⎦ ( ) l ( ) l (13)式，(14)式で走行速度の区間推定を行った（図 6.3-1，図 6.3-2，図 6.3-3，図 6.3-4， 図 6.3-5，図 6.3-6，図 6.3-7，図 6.3-8）．全体的に見て，調和平均を用いた推計値は， 算術平均を用いた推計値より低い値を示す．調和平均を用いた上限推計値が，算術平均を 用いた下限推計値よりも下回る時間帯も存在する．また，上限と下限の差，区間推定の幅 についてみると，偏差のほうが標準偏差よりも大きい値を示すことがわかる（図 6.3-9， 図 6.3-10）．なお，平成６年度，平成９年度，平成 11 年度のセンサスの結果も図示してい るが，比較のために，全時間帯を通して直線で引いている． - 83 - 区間1 35 走行速度(km/h) 30 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-1 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 0 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間１：上り） 区間2 35 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-2 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 0 7時台 走行速度(km/h) 30 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間２：上り） - 84 - 区間3 45 40 走行速度(km/h) 35 30 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-3 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 0 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間３：上り） 区間4 35 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-4 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 0 7時台 走行速度(km/h) 30 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間４：上り） - 85 - 区間1 50 走行速度(km/h) 40 30 20 10 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-5 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 0 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間１：下り） 区間2 30 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-6 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 0 7時台 走行速度(km/h) 25 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間２：下り） - 86 - 区間3 30 走行速度(km/h) 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-7 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 0 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間３：下り） 区間4 35 25 20 15 10 5 H6センサス 95%推計値上限（算術） 95%推計値下限（調和） 図 6.3-8 H9センサス 95%推計値下限（算術） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 0 7時台 走行速度(km/h) 30 H11センサス 95%推計値上限（調和） 走行速度の推定値と道路交通センサス実績値（区間４：下り） - 87 - 標準偏差 図 6.3-9 区間3 6 4 - 88 2 0 0 偏差 標準偏差 ぞれ異なり，区間の細分化の必要性があるといえる． 15時台 14時台 13時台 12時台 19時台 2 19時台 4 18時台 6 18時台 8 17時台 10 17時台 区間4 16時台 10 偏差 16時台 12 15時台 標準偏差 14時台 12 13時台 偏差 12時台 0 11時台 0 11時台 2 10時台 2 10時台 4 9時台 10 9時台 10 8時台 6 7時台 8 標準偏差，偏差(km/h) 12 8時台 8 標準偏差，偏差(km/h) 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 標準偏差，偏差(km/h) 12 7時台 19時台 18時台 17時台 16時台 15時台 標準偏差 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 標準偏差，偏差(km/h) 区間1 区間2 8 6 4 偏差 標準偏差と偏差（上り） ７時台から９時台の通勤時間帯では，それぞれの区間の上りにおいて，時間とともに走 行速度の低下が確認できる．区間１と区間２，区間３と区間４はそれぞれ同じセンサス区 間であるが，センサスの実績値と比較すると，例えば，区間１と区間２の推計値ではそれ 区間1 区間2 14 20 18 12 標準偏差，偏差(km/h) 標準偏差，偏差(km/h) 16 14 12 10 8 6 10 8 6 4 4 2 2 17時台 18時台 19時台 17時台 18時台 19時台 15時台 16時台 区間3 14時台 13時台 標準偏差 偏差 区間4 9 7 8 6 標準偏差，偏差(km/h) 7 6 5 4 3 5 4 3 2 2 1 1 標準偏差 偏差 図 6.3-10 標準偏差 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 0 8時台 0 7時台 標準偏差，偏差(km/h) 12時台 11時台 10時台 9時台 8時台 7時台 19時台 18時台 17時台 16時台 15時台 偏差 16時台 標準偏差 14時台 13時台 12時台 11時台 10時台 9時台 8時台 0 7時台 0 偏差 標準偏差と偏差（下り） 区間をリンクとして捉えると，区間の走行速度は初ノードから着ノードの走行時間から 算出する．その際に着ノードから次のリンクに走行する際に，直進，右折，左折のいずれ かで移ることになる．その際に，右折および左折をおこなっているデータを除去すること で，走行速度の分散が小さくなると考えられ，シミュレーションではあるが，その傾向が 確認されている 1）．そこで，設定区間において，右左折データを除去し，除去前と除去後で 比較を行うこととした． - 89 - 直進，右折，左折に関しては，以下の例のように判断する．DRM では，交差点は以下に示 したように，上下線で別なリンクにより表現されている（図 6.3-11）． 山手通りと第一京浜交差点（数字は DRM ノード番号） 図 6.3-11 道路地図と同一地点の DRM による表現 プローブカーデータは，走行順に DRM ノード番号が付加されているため，分析対象区間 の最後のノード以降のノード番号で次の進行方向で直進・右折・左折を判別することがで きる（図 6.3-12）． 図 6.3-12 プローブカーデータの DRM へのマッチングと右左折直進の判断 - 90 - しかし，GPS を用いたプローブカー調査では，GPS の受信状態により走行位置の誤差が生 じることがあり 2）3），東京のタクシーデータに関してもその可能性が指摘されている 4）．本 研究で作成したデータに関しては，国土交通省道路局開発の PROLIMAS で DRM にマップマッ チングしたデータをベースにしているため，誤差が生じている可能性がある．そこで，区 間のデータを１つ１つ確認し，そのような誤差が生じているデータに関しては，そのノー ドとデータを取得した時刻から判断を行った．その際に，対向車線を走行している様なデ ータが確認された．PROLIMAS では，GPS から取得した緯度経度に一番近いノードにマップ マッチングを行っているが，GPS の受信状態によりこのようなことが生じると考えられる． そのようなデータについては，時刻と走行方向から判断をおこなった（図 6.3-13）．なお， これについては，DRM のリンクデータに，走行規制情報があり，この情報を用いてマッチン グ処理をするように PROLIMAS を改良することで解決できると考えられる． 図 6.3-13 プローブカーデータの DRM へのマッチングミスと右左折直進の判断 - 91 - 16時台 17時台 18時台 19時台 20時台 21時台 22時台 23時台 17時台 18時台 19時台 20時台 21時台 22時台 23時台 15時台 14時台 13時台 12時台 11時台 9時台 8時台 7時台 5時台 4時台 10時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 6時台 5時台 4時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 0 11時台 0 10時台 50 9時台 100 50 8時台 100 7時台 150 6時台 200 150 5時台 200 4時台 250 3時台 300 250 2時台 300 3時台 400 350 1時台 3時台 第一京浜：区間4 上り：1125m 下り：1120m 749 0時台 2時台 0時台 23時台 22時台 21時台 20時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 第一京浜：区間3 350 6-3 下り：平日 上り：656m 下り：670m 2時台 400 上り：平日 1時台 874 下り：平日 16時台 上り：平日 12時台 11時台 0 9時台 0 10時台 50 8時台 100 50 7時台 100 6時台 150 5時台 200 150 4時台 200 3時台 250 2時台 300 250 1時台 300 0時台 350 1時台 400 350 6時台 第一京浜：区間2 上り：1428m 下り：1411m 0時台 400 第一京浜：区間1 上り：953m 下り：919m 特定路線通過全データによる所要時間特性 上り：平日 下り：平日 上り：平日 下り：平日 図 6.3-14 平日における時間帯別・区間別取得データ数（右左折除去後） 右左折データを除去したデータ数を見てみると，除去前とあまり変化がない（図 6.3-14）． そのため，除去前と除去後の走行速度を比較しても，ほとんど差がない結果となった（図 6.3-15，図 6.3-16）． - 92 - 算術平均（除去前） 10 10 0 0 調和平均（除去前） 算術平均（除去後） 図 6.3-15 右左折データ除去前後の平日における平均走行速度（上り） 調和平均（除去後） - 93 算術平均（除去前） 調和平均（除去前） 算術平均（除去後） 19時台 30 18時台 30 算術平均（除去後） 17時台 40 16時台 区間3 15時台 40 調和平均（除去前） 14時台 算術平均（除去前） 13時台 調和平均（除去後） 12時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 0 11時台 0 11時台 10 10時台 10 10時台 30 9時台 30 9時台 40 8時台 7時台 走行速度(km/h) 40 8時台 20 走行速度(km/h) 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 走行速度(km/h) 20 7時台 19時台 18時台 算術平均（除去後） 17時台 16時台 15時台 14時台 調和平均（除去前） 13時台 12時台 11時台 算術平均（除去前） 10時台 9時台 8時台 7時台 走行速度(km/h) 区間1 区間2 20 調和平均（除去後） 区間4 20 調和平均（除去後） 区間2 25 40 20 算術平均（除去前） 調和平均（除去前） 算術平均（除去後） 調和平均（除去後） 算術平均（除去前） 調和平均（除去前） 区間3 算術平均（除去後） 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 7時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 0 10時台 0 9時台 5 8時台 10 11時台 10 10時台 20 15 9時台 30 8時台 走行速度(km/h) 50 7時台 走行速度(km/h) 区間1 調和平均（除去後） 区間4 35 25 30 20 走行速度(km/h) 10 20 15 10 5 5 算術平均（除去前） 6.4 調和平均（除去後） 算術平均（除去前） 調和平均（除去前） 調和平均（除去前） 算術平均（除去後） 算術平均（除去後） 図 6.3-16 右左折データ除去前後の平日における平均走行速度（下り） 本章では，特定の路線について，走行速度とその変動について分析を行った．その際に， 区間を定義し，その区間を完全に通過するデータのみを対象にしているため，データ数が 少なくなる結果となり，平日と休日の走行速度の差や，五十日の影響を把握することがで きなかった． 推計値に関しては，調和平均を用いた推計値は算術平均よりも低い値を示し，推定幅が 大きくなることがわかった．推定幅が大きくなる理由としては，偏差の値が標準偏差より も若干大きくなるためである．算術平均を用いた推計値の推計幅は，0.9km/h から 8.5km/h であるが，概ね２km/h から５km/h であり，この区間においては，10 秒前後の通過時間の期 待値として求めることができる．推計に必要なデータ数については，母集団の平均値が既 知である必要があるが 5），この場合の母集団とは分析対象区間を走行する全車両であり，そ - 94 - 19時台 調和平均（除去後） 本章のまとめ の把握は困難である． 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 8時台 7時台 19時台 18時台 17時台 16時台 15時台 14時台 13時台 12時台 11時台 10時台 9時台 0 8時台 0 7時台 走行速度(km/h) 25 15 右左折データの除去前と除去後の走行速度の変化は，確認することができなかった．そ の理由として，右左折のデータが少ないためであると考えられ，右左折率が高く，かつ直 進データが多い路線を抽出し確認する必要がある．しかし，現状のデータでは，GPS エラー や，DRM へのマップマッチングの問題もあり，確認するのは難しい． 第 6 章参考文献・資料 １）上杉友一，井料隆雅，小根山裕之，堀口良太，桑原雅夫：断片的なプローブ軌跡の接 合による区間旅行時間の期待値と分散の推定，土木計画学研究・論文集，No.20， pp.923-929 ２）牧村和彦，原田昇，石田東生，岡本直久：移動体通信システムに着目した交通観測技 術の動向とパフォーマンス調査の適用可能性，第 37 回土木計画学シンポジウム論文集 研究講演集，pp.81-88，2001 ３）境隆晃：プローブカーデータを用いた経路特定手法と旅行時間推定に関する実証的研 究，名古屋大学大学院環境学研究科都市環境学専攻修士論文，2003 ４）田宮佳代子，瀬尾卓也：プローブカーデータを活用した都市内一般道路の Q-V 特性に ついて，第 25 回土木計画学研究・講演集，156，CD-ROM，2002 ５）IT を用いた交通データに関する調査研究 第３回プローブカーWG 資料 - 95 - 第7章 結論と今後の課題 第７章 7.1 結論と今後の課題 本研究で得られた知見と本研究の結論 本研究では，東京地区で行われたタクシーによるプローブカー調査のデータを用い，走 行速度に着目して，これまでの調査では把握することが困難であった曜日や時間帯など， 様々な要因について分析を行った． 第４章では，タクシーという車種の特性から，全時間帯でデータ取得の割合が高い一般 道を対象に分析を行った．これまで感覚的に平日と休日の走行速度には差があるとされて いたが，一般道において，プローブカー調査データを用い，時間帯別に各曜日の平均走行 速度の差の検定を行うことで，土曜日および日曜日と，他の曜日の間の平均走行速度に， 統計的な差があることがわかった．しかし，平日の各曜日間の平均走行速度については， 差がある時間帯，曜日の組み合わせと差がない組み合わせが不規則に存在し，明確に平日 の曜日間には差があることは証明できなかった． リンク平均速度とその偏差を定義することで，リンクの走行性について分析を行った． それにより，常に混雑しているリンクや，走行速度が高いリンクなど，どのリンクが走行 性が高いかを空間的に把握することができた． リンク特性と走行速度の関連性については，リンクの 12 時間交通量やリンク車線数によ る影響はあまり見られなかったが，リンク長については，リンク長が長いほど走行速度が 高く，その変動も小さいことが確認できた． 第５章では，リンクの特性ではなく，平日と休日の比較，五十日や天候の影響などにつ いて分析を行った．平日と休日については，第４章でも平均走行速度の差異が示唆された が，明確に平日と休日に分けることで，その差異を検証した．その結果，全時間帯におい て，平均走行速度に差があることが確認できた． 五十日と五十日以外の日の平均走行速度の差異については，平日と休日のように，感覚 的なものであった．それは，道路交通センサスでは１日ずつではあるが，平日と休日の両 日で調査を行っているため，比較を行えるが，そもそもセンサスの調査日から五十日を除 外しており，今まで比較を行うのは困難であった．平均走行速度の差についての検定の結 果は，通勤・通学などの義務的交通のある朝の時間帯においては有意な差が見られなかっ たが，それ以降の業務交通が多くなる時間帯において，有意な差が見られ，感覚的な差を 裏付ける結果が得られた． 天候に関しては，晴の日と雨の日をわける時間降水量の閾値を 1.0mm にして平均走行速 度の差異を分析したが，休日の雨の時間帯が少なく，雨の日が晴の日よりも平均走行速度 が高く，その差が有意である時間帯もあり，明確に降水量が走行速度に与える影響につい て把握することができなかった． - 97 - 第６章では，特定の区間における走行速度の把握と，蓄積されたデータから走行速度の 期待値の算出を行った．区間を完全に通過したデータのみを対象としたため，曜日特性や 五十日の影響について検定を行うことができなかった．走行速度の期待値については，95％ 信頼区間により幅を持たせた期待値の算出とし，対象とした区間においては，上限値と下 限値の幅が 0.9km/h から 8.5km/h であるが，概ね２km/h から５km/h であり，蓄積データか ら走行速度の期待値が算出可能であると考えられる． 右左折データの除去前と除去後については，対象区間において右左折データが少なく， 差がない結果となった． 7.2 今後の課題 第５章において，晴の日と雨の日をわける時間降水量の閾値を 1.0mm にしたが，有意な 差を得ることはできなかった．この閾値を 1.0mm よりも高くして，分析を行う必要がある． それでも有意な差が得られない場合は，極端に時間降水量が多い時間帯を除去して分析を してみる必要もある． 第６章において，分析の対象とした路線は第一京浜の４区間のみであり，前節で述べた 右左折データの除去の影響を把握できなかった．私見ではあるが，特に右折待ちによる通 過時間増加，平均走行速度の低下は大きいと考えられる．右左折のデータの多い区間を抽 出して，除去による影響を把握する必要があると考えられる． 区間推定の際に必要となるデータ数に関しては，本研究では分析を行わず，上限推定値 と下限推定値の幅が比較的小さいことから，現状の蓄積データで推計が可能との結論に至 った．しかし，先述のように，第一京浜の４区間においてそのような結果が得られたが， 他の区間，路線においても分析を行う必要がある．また，統計的な手法を用い必要となる データ数の算出することについても，第６章で触れている．実際には，母集団である区間 を通過する全車両の走行速度の平均値が必要となる．母集団とプローブカーデータによる 平均走行速度は等しいとする仮定をおけば問題ないが，実際に母集団を把握できるのは， トラフィックカウンターが設置されている区間のみである．トラフィックカウンターの走 行速度を用いることで，分析してみることも必要であると考えられる． - 98 - 参考文献・資料リスト １）石田東生：総合交通データベースに向けて；交通工学 Vol34 増刊号，pp.3-7，1999 ２）平成 11 年度道路交通センサス，一般交通量調査箇所別基本表，一般交通量調査につい て，４．調査方法：平成 11 年度道路交通センサス CD-ROM ３）岩波書店広辞苑第五版 ４）三省堂大辞林第二版 ５）石田東生，古屋秀樹，甲斐慎一朗，岡本直久：主観的評価を考慮した渋滞判定に関す る研究，土木計画学研究・論文集 Vol.20 No.4,pp.887-894，2003 ６）北村隆一：変動についての試行的考察，土木計画学研究・論文集，No.20，pp.1-15 ７）中野敦，毛利雄一，佐藤和彦：交通統計調査データの現状と課題；交通工学 Vol34 増 刊号，pp.36-40，1999 ８）青木邦友：プローブカーとプローブ情報システム；交通工学 Vol.36 No.3，pp.51，2001 ９）岡本直久：プローブカー調査による交通流特性の分析と今後の課題；第 37 回土木計画 学シンポジウム論文集研究講演集，pp.749-752，2001 10）国土交通省道路局企画課道路経済調査室：IT 社会における新たな道路調査について； 道路 平成 13 年７月号，pp.29-34，2001 11）国土交通省北陸地方整備局 HP，道路行政の評価，道路政策・事業の評価，事後評価， 国道 116 号有明大橋東詰交差点改良事業の評価結果： http://www.hrr.mlit.go.jp/road/ir/plcy/htm/ariake/ariake1.html 12）国土交通省中国地方整備局地域道路課：道路行政におけるプローブカーの活用；交通 工学 Vol38 4 号，pp.18-23，2003 13）国土交通省中国地方整備局岡山国道事務所 HP，おかこく NEWS 一覧，一般国道２号玉島 バイパス船穂高架橋整備効果： http://www.okakoku-mlit.go.jp/news/2003/funao_result/page01.htm 14）青木邦友： 「IPCar システム」によるデータ収集実験；交通工学 Vol.36 No.3，pp.48-50， 2001 15）堀口良太： 「IPCar 実証実験」におけるデータ処理技術について；交通工学 Vol38 No.4， pp.30-35，2003 16）境隆晃：プローブカーデータを用いた経路特定手法と旅行時間推定に関する実証的研 究，名古屋大学大学院環境学研究科都市環境学専攻修士論文，2003 17）国土交通省東北地方整備局磐城国道事務所：カーナビゲーションシステムを活用した 交通動向調査（プローブカー調査） ，いわき地域 ITS 協議会プローブカーワーキング会 議資料 18）国土交通省九州地方整備局福岡国道事務所 HP，交通探偵団： http://www.fukkoku.go.jp/tanteidan/page/gaiyo.htm 19）国土交通省道路局 ITS HP：http://www.mlit.go.jp/road/ITS/j-html/ 20）堀口良太：効率的な交通情報提供サービスのためのタクシープローブ配備計画手法の 理論と実証，第１回 ITS シンポジウム 2002 Proceedings，pp.677-683，2002 21）鈴木完，岡本直久，石田東生，古屋秀樹：東京プローブカー調査のリンク捕捉率に関 する分析，土木学会第 57 回年次学術講演会, Ⅳ-355, CD-ROM, 2002 22）K.Makimura，H.Kikuchi，S.Tada，Y.Nakajima，H.Ishida，and T.Hyodo：Performance Indicator Measurement Using Car Navigation Systems，Transportation Research Board， 2001 23）田宮佳代子，瀬尾卓也：プローブカーデータを利用した路線別旅行時間の変動特性に 関する分析，土木学会第 57 回年次学術講演会，Ⅳ-385，CD-ROM，2002 24）市区町村別地域メッシュ・コード一覧：総務庁統計局編；総務庁統計局, 1993 25）全国デジタル道路地図データベース標準第 3.0 版：（財）日本デジタル道路地図協会； 1996 26）全国デジタル道路地図データベース標準第 3.0 版解説書：（財）日本デジタル道路地図 協会；1996 27）IT を用いた交通データに関する調査研究 第１回プローブカーWG 資料 28）IT を用いた交通データに関する調査研究 第２回プローブカーWG 資料 29）IT を用いた交通データに関する調査研究 第３回プローブカーWG 資料 30）IT を用いた交通データに関する調査研究 第４回プローブカーWG 資料 31）IT を用いた交通データに関する調査研究 第５回プローブカーWG 資料 32）IT を用いた交通データに関する調査研究 第６回プローブカーWG 資料 33）田宮佳代子，瀬尾卓也：プローブカーデータを活用した都市内一般道路の Q-V 特性に ついて，第 25 回土木計画学研究・講演集，156，CD-ROM，2002.6 34）東京管区気象台ホームページ：http://www.tokyo-jma.go.jp/ 35）気象庁電子閲覧室ホームページ：http://www.data.kishou.go.jp/ 36）石田東生，岡本直久，鈴木完，牧村和彦，中嶋康博：プローブカーデータの取得特性 分析，第１回 ITS シンポジウム 2002 Proceedings, pp.197-202, 2002 37）東京都環境局東京都ロードプライシング検討委員会HP： http://www2.kankyo.metro.tokyo.jp/jidousya/roadpricing/ 38）東京大学教養学部統計学教室編：統計学入門，東京大学出版会 39）東洋経済新報社：統計学辞典 40）越正毅編著：交通工学通論，技術書院 41）古川和広：降雨状態を考慮した高速道路交通容量モデルの作成，筑波大学博士課程シ ステム情報工学研究科社会システム工学専攻修士論文，2003 42）高橋尚人，宮本修司，林華奈子，浅野基樹：プローブカーを利用した札幌市における 冬期の平均旅行速度変化に関する分析，土木学会第 58 回年次学術講演会，Ⅳ-219， CD-ROM，2003 43）上杉友一，井料隆雅，小根山裕之，堀口良太，桑原雅夫：断片的なプローブ軌跡の接 合による区間旅行時間の期待値と分散の推定，土木計画学研究・論文集，No.20， pp.923-929 44）牧村和彦，原田昇，石田東生，岡本直久：移動体通信システムに着目した交通観測技 術の動向とパフォーマンス調査の適用可能性，第 37 回土木計画学シンポジウム論文集 研究講演集，pp.81-88，2001 謝辞 本研究を進めるにあたり，数多くの方々のお力添えをいただきました．この場を借りて 感謝の意を表したいと思います． 指導教官である石田東生先生には，現在にいたるまで懇切丁寧にご指導いただき，感謝 の念に耐えません．また，卒業論文時の指導教官である岡本直久先生には，研究方針など に関して多くのご助言をいただきました．また，昨年度までおられた東洋大学国際地域学 部国際観光学科の古屋秀樹先生にも感謝申し上げます．今年度から筑波大学に赴任された 堤盛人先生にも多くのご助言をいただきました． 本研究で分析を行ったプローブカーデータを提供していただいた国土交通省道路局，国 土交通省国土技術政策総合研究所にも感謝申し上げます．また，分析を進める上で必要な データを提供していただいた（財）計量計画研究所，ご助言をいただいた同研究所の牧村 和彦氏，中嶋康博氏にも感謝申し上げます． そして，都市交通研究室の皆様には，今まで大変お世話になり感謝の気持ちでいっぱい です． 最後に，改めて私を支えてくれた皆様に感謝を申し上げて，本研究の結びにしたいと思 います． 平成 16 年２月 19 日 鈴木 完