c /- /
，/ I
/ !
I I
/ /
Dノ
〆〆 /〆
\ /，.//
"" ;'
X\ / \ f p ， /
ノグ
、‘/
\/\一三一-ーと/'
10000 20000 30000 40000 50000
(関東臨海全道路) (台/12h)
100
0 0
度
政(%〉
50
日交通量のランク別度数と累積度数分布
会:一般交通量度数 B:常時観測交通量度数 し:一般交通量累積度数 D:常時観測交通量累積度数
ロ 什犯に側新糊 \ 似川町山町駅ω円相品川昨
0.2
0.1
(中部) 図3
- 1
(凡例)
% 削附心付亙凶Qh也九艇の.。系議活議制
60
40
2ù
平均区間延長(km)
40 20 30
0 0
観測点間隔(箇所)
5ù
観測点間隔と路線走行台キロの推定詩、茅
10
図3
-
3 図3-
2 観測点間隔と交通量の変動係数
3 1
のみであると 結論でき る.
3. 2 . 2
交通量常時観測点の配置密度51).52)常時観測データは， 一般交通量調査データの調査年度閣の補間にしばしば利 用される . そこ で， このような利用のための常時観測点の間隔(密度 )に関し て検討すれば以下の通りである.
( 1 ) 観測点間隔と交通量， 走行台キロの推定精度
国道の各路線を一般交通量調査区間の n倍(n=3 ，5，7，10)に区切り， 1 2時間 交通量の路線内の移動平均値と変動係数を計算し， 変動係数が O. 3 以下 である 区間の割合を求めれば図3 - 2の通りである. 区間の区切り方が粗くなるに従 って， この割合が減少する傾向がみ られる.
一方 ， 各路線を一般交通量調査区間の n倍の 大区間に区分し， 各大区間の代 表観測点を順次 移動させれば， n通りの走行台キロが得られる. これらと基準 値(最小の区間単位で集計した走行台キロ)との残差より， 走行台キロの推定 誤差を計算し， 推定誤差率(推定値と実演11値との残差平方和の平方根と実測値 との比)と 平均区間 長との関係を求め ， 図3 - 3に示す. これより， 推定誤差 率を10% 以下に抑えるためには， 平均観測点間隔 をおよそ20km以下に抑える必 要があることがわかる.
また別途の資料から ， 平均観測点間隔X
(k
m )による走行台キロ 推定誤差 率y (%)の回帰式が次のようにえられる.y =0.749 x -4.00 (平地部 ・ 市街地部混在路線， 相関係数r =0.895)
y =0. 586x + 2. 98 (平地部路線， 相関係数r = 0. 779 ) (3-2)
これらの式を用いると ， y
=
5%に対して， それぞれx=
12. Okm， 3.4km， y=
10 %に対して， x=
18. 7km，12.0km，
y=
20%に対して， x=
32. 0 k m ， 2 9 . 0 km となる. これらの結果は， 図3 - 3から求めた結果よりも厳しく， 上記2式の 計算値の中聞をとれば， 推定誤差率 10%以下に抑えるためには平均観測点間隔を約15 k m以下に， 5%程度にするためには約8 km以下にする必要があることが 分かる .
因みに， 一般交通量調査区間の平均長 は約 6.0
k
mであるが， このことから，常時観測点、 は一般交通量調査区間1 ---- 3につき1箇所程度の割合で設置すべき
32
-であるという結果がえられる. これに対して， 十分な数の交通量の常時観測が なされているとはいい難いのが実状である.
( 2
)代表観測区間の設定1つの観測点の交通特性と他の観測点の交通特性とは， 両者が同一路線上の 近距離になければ類似性が高くないことは既に述べた. したがって， 代表地点 としての交通量常時観測点の抽出は， 一路線上の交通特性の 類似した， まとま りのある区間群の中から選ぶべきであると考える. そこで， 路線上の各区間と その前後それぞれ5区間との交通量時間変動ノマターンの相関係数が， 比較的高 い区間群の抽出を試みよう. 表3
-
1に中部地方内の国道4 1号に関する 分析 結果を示す. 相関係数O. 6以上に影をつけているが， 対象としている路線において2つの大き なまとまりが出現している. これらはそれぞれに交通特性が相 互に類似した区間の集合とみなすことができ， この中から代表区間を選び出し，
交通量常時観測点を設置するという考え方が成立する.
さら に， 交通特性が類似した区間は同ーの行政区域内に存在することが多く，
市街地 の連担してい ない行政境界や， 地形が大きく変化する区間の境界の前後 では交通特性の相関が低くなることが判明する. 例えば， 表3
-
1でみると，第1のグループの上に示されている区間は名古屋市の郊外部であり， 2つのグ ループの境界部， 第2のグループの下に示される区間は共に山間部であって，
交通の連続性が乏しい. このことは， 時間変動特性指標を用いて道路区間をク ラスター分析した結果から明らかにすることもできる. すなわち， 分析結果か ら， 図3
-
4に示す6群に分類できるが，G
6は朝夕の交通量が少なく， 昼間 の交通量が多い特異なパターンを示す区間のグループであり， 地理的には各路 線の中でも県境の交通量の少ない平地や山地に多く出現している. この事実か ら， 各路線において行政界や地形の連続した区間を1つの区間単位として交通 量常時観測点、を設置することも有効であると考えられる. しかし 既に述べた ように， 現実には交通量の多い幹線道路の都市部周辺に交通量常時観測点、が設 置される傾向が強く， 必ずしも行政界， 地 形に基づいた観測点配置にはな って いない-
33-..，_ー
前後5区間との時間帯別交通量の相関係数
時間係訟の相関係ロ
前の地点との相関係訟 法の地点との相r.;J�;ú
-5 - 4 -3 -2 -} } 2 3 4 5
表 qu 1
名(国道4 }号中部地思内) J也 長‘
% 14
10
9
8 11 13
12
議J忠臣官
li-
時間帯ιυ
‘. ・ ，，
1 1
，、d‘ー，hu
l l
-dwtEeeコー ー、‘J・t ・4可
l l
12 11
12
nU16 3』
l l Q
10
。。‘nuコ
5 1 �
クラスター分矧司1] 時間係数変化図
13
図3
-
434.
3. 3
時系列モデルによる交通量推定と観測密度交通量の 時系列推定モデルとして様々な工夫があるが， それらを用いた走行 台キロ ， 交通量の推定結果について推定精度の相違等を中心に比較検討する.
その上で ， これらの時系列推定モデルを用いた交通量常時観測密度について考 察するものである.
3. 3 . 1
各種時系列型交通量推定モデル(
1
) モデルの前提分析に先立ち， 本章で取扱う時系列推定モデルの前提は以下のとおりである.
a
. 交通量のデータは， すべて個別の区間データとして取扱い ， 道路網上の位 置関係による制約，0
D交通量との関連は考慮しない.b
. 常時観測交通量を用いる場合には， 一般交通量調査の最近年以降， 推定年 度まで各年のデータを使用できるものとする.c .
一般交通量調査実施年以外の(現在)交通量の推定および走行台キロの推定を目的とする.
d
. 路線内に常時観測点がない場合には， その路線は対象外とする.( 2
) モデルの分類規準と構造モデルの構造を決定する場合には， データの使用方法， データの時系列性，
交通量の伸び率の設定方法や推定の単位(路線全体か ， 個別区聞か〉など， い くつかの重要な要素を考慮する必要がある.
まず， 区間型と路線型 の別が考えられる. 区間型は推定のプロ セスにおいて，
すべて区間単位に推定を行なうタイプである. 路線型は， 一旦， 各区間で観測 された交通量から路線全体の平均交通量を求め， 平均交通量の伸び率および基 準年度の区関係数(平均交通量に 対する各区間の交通量の比率) の推定値を乗 じて交通量の推定値を求めるタイプである. したがって ， 路線タイプでは個々 の区間の時系列変動がまちまちな場合には適用しにくい難点、がある.
次に ， 交通量常時 観測データの使用の有無による分類がある. すなわち
般交通量調査データが完備しており ， 交通量の伸び率の変化があまり大きくな い区間にお いては， 一般交通量調査データのみによって も十分に推定が可能で ある. しかし ， 交通量の時系列変動が激しい区聞においては， このような方法
- 35
-では高精度の推定は不可能であり， 交通量常時観測データの併用による改善が 考えられるところである .
さらに， 区間毎に交通量の伸び率の変化の状況がまちまちである場合の対応 からくる分類基準が考えられる. すなわち， 区間型モデルでは， 交通量の伸び 率の変化率の使用の有無， 路線型モデルでは， 区関係数の時系列推定 の有無別 にモデルが分類される.
以上の3分類基準が重要な要素であると考えられるが， これらを組合せるこ とにより， 様々な構造をしたモデルが組立てられることになる .
a
)検討対象モデル上記の分類軸を用いてモデルを分類すると 表3 - 2に示す8種類 のモデル がえられる.
これらのモデルの うち，
S
1タイプは， 一般交通量調査データのみで交通量の 変化率を求めようとするものであるが， 一般交通量調査データのみでは調査年 度の間隔が長すぎて， 交通量の微妙な時間的変化を捉えようとする意図にそぐ わないことから， 考察の対象外とする. また， 路線型 のROを検討対象外とする.路線型モデルは， 路線全体の動向をマク ロ的に捉える 構造であるため， 伸び率 の変化率の考慮に代えて， 区関係数の変化を考慮することが重要である. この
区関係数の変化の考慮の有無はR2とれで比較できると考えられ， 常時観測交通 量の使用の有無はR 1とれで比較することができる.
\
一調の 交デ使般査みS 0
量タ通|用戸吊且，
時通観量
S 2
交用損11使
表3-
2
モデル形の分類区間型 路線型
'
:交通量の伸び :区間係数の (の変化を考慮 i変化を考慮、a
( S 1 ) (R 0 ) R 1
S 3 R 2 R 3
- 36
-b
)区間型モデル図3
-
5に区間型モデルSO， S2， S3 (S:Sectionの略)の推定の流れを示す.図中の記号は， 表3
- 3
，こ示すとおりである .SOは常時観測交通量を使用しないタイプのモデルであり， このため ， 一般交
通量調査の時系列データを用いて交通量の伸び率を推定し， 最近年調査の一般 交通量調査データを乗じて現在の交通量を推定する自己回帰型モデルである.
S2は最近年単年度の一般交通量調査データに， 最近数年間の常時観測交通量 から求めた交通量の伸び率を乗じて現在の交通量を推定するもので， 常時観測 交通量を用いるタイプの中では最も基本的なモデルである.
S3は一般交通量調査の時系列データより自己回帰的に伸び率を推定し， これ を最新の交通量の伸び率の変化率〈常時観測交通量の時系列データから得られ る〉によ って補正した伸び率を用いるものであり， SOとS2の長所を取り入れて
(SO)
一般交通量データ 交通量の伸び率
P t.m=q t.m/q t_cm，
Pt_cm=qt_cm/qt_2cm
Pt+cm= L: a三・Pt._，cm交通量伸び率の推定 交通量の推定
， =0
(L:ai=l)
(S2 )
「一一般交通量データ
qtm
推定交通量
qt+cm=qtm'Pt+-cm
常時観測交通量
QtM，Qt+CM P t. +-c m = Q t + c M /Q t M
々ノ
m
Jアト 量円パ通
mc
交ト般q m「トV交 通 量f11び率の推定 交通 量の伸び率
Pt+cm= L a，'Pt_，cm
i常時観測交通量 i Q t+CM，Q t+c-1H，
交 通 量のf!11ぴ率 (ヰ1ぴの変化率
Ll P t令cM=Pt.φCM-P-C'C_1M Ll Pt+C-1 M=Pt+C_ 1..-Pt+c-2 ....
伸び率の修正
P t_m=q tm/q t_cm，
Pt._cm=qt_cm/Qt_2cm
( L a‘= 1 )
玉 三O
， j H
- C A' t
nr
m
争、円uz一一p m c •
nw・ . 、
図3