To ensure the mobility of our cities, intelligent transport systems based traffic management became essential to operate existing highway networks in the most efficient way. Models estimate traffic conditions, predict traffic states in the short and long-term, and provide traveler information to keep the traffic flow as fluid as possible. The more intelligence those prediction and control systems have, the more they rely on feedback information from the monitoring system. If such information is unavailable or the systems are fed measurements from wrong locations, the advanced traffic management cannot perform to the expectations, and might even turn out to be counterproductive. Therefore, it is important to have a detection plan, which is designed to serve policies of the road authority, so that highway control systems can perform in an optimal and cost-efficient manner.

While research focuses on using available traffic data sources to improve traffic models and control systems, less work is devoted answering the question of how and where to collect traffic data. Common in previous studies is that they result in case specific, non-transferable optimizations for the single traffic management strategy. The real-world study developed a method, including GPS data collection and mathematical tools, to effectively determine preferable detector locations for the objective to minimize the travel time estimate error. However, no hint was given what effect the new detector locations would have on incident detection, or how they could serve for additional purposes such as feeding ramp metering algorithms. The underlying problem is that these studies optimize the input for a specific algorithm, instead of actually identifying the information gained from the traffic detection.

The objective of this research is to analyze the detection efficiency and optimize the detector placements for multiple traffic management purposes. To achieve this, a multi-objective assessment and optimization scheme of highway monitoring system is necessary to be established. I present a systematic framework to evaluate traffic detection systems, by introducing the level of detection as value to allow for the comparison of multiple detector placement scenarios. By maximizing the level of detection with budget constraints, optimal detector locations can be determined for multiple traffic operation purposes. In contrast to existing studies, proposing new or alternative detector locations based on errors of travel time or traffic state estimators, this approach is solely based on detection technology, traffic conditions and network parameters, which allows the usage of the framework for highway operations, as well as planning purposes.

This research concludes four core aspects: traffic data supply, traffic data demand, multi-objective assessment model and detector placement optimization.

Traffic data supple represent the expected accuracy of measured data in the sensor vicinity according to the sensor technologies applied in monitoring system. As data collection is not only depends on sensor technologies but also traffic conditions and detector locations, data supply functions are defined to represent data availability and quality with a "valid range" of point detection information and variation of data accuracy. These functions quantitatively describe the relationship between working performance of a detector and its location. To determine the detection performance under different traffic conditions, traffic simulation with a dynamic traffic assignment (DTA) model is utilized to verify the data supply function. To give more clear vision of the collected information, detection knowledge maps are created based on the DTA simulation results.

Compared with data supply functions, data demand functions are independent from detector types and locations. Different types of data need be collected in essential spots and even a whole link to support traffic management measures or provide travel information to drivers. Data demand functions are determined based on requirements of various traffic applications for reliable incident detection, travel time estimation, traffic control and traveler information systems. The data demand function for a link is the maximum over all demands at a certain location. However, by introducing weights, based on policies of the road authority, it is possible to emphasize certain demands.

A multi-objective assessment model is developed to evaluate highway monitoring system with respect to detection accuracy (level of detection) and reliability (buffer detection index). By translating traffic operation goals into data demand functions, and detector capabilities, combined with their location, into data supply functions, level of detection is a ratio of data supply to data demand, which indicates how many percents of the data demand can be supplied by the sensors placed. It is an objective indicator of detection assessment for potential improvements of detector placements. The assessment model not only considers collected data accuracy, but also detection reliability introduced as buffer detection index. The buffer detection index represents variation of the detector performance that highway authorities have to consider in the traffic operation.

Monitoring system optimization is achieved by determining the optimal detector placements. A genetic algorism based methodology is developed to maximize the level of detection for every link of the network. To fill the gap between road link optimization and network-wide optimization, the network analysis is studied as well to identify the importance of each link.

Several case studies have been done for verification of demand-supply assessment framework. The studied areas includes and Route 4 of the Tokyo Metropolitan Expressway in Tokyo, Japan, the motorway A13, close to the City of Delft in the Netherlands, the Route 101 in San Francisco, USA. Finally I select C1 Route of the Tokyo Metropolitan expressway as an example to apply the approach for multiple traffic management purposes. All the data used for verification is real field data from the International Traffic Database (http://www.trafficdata.info).

本研究は、道路の交通データの収集に利用される様々なセンサーを複数の目的の交通管理に用いる場合を想定し、その配置を最適化する手法を提案したものである。交通データはITSをはじめとする高度な交通管理を実現する基礎となるものであり、必要なデータを過不足なく収集することの重要性は極めて高い。また近年道路管理においてはさらなるコストの縮減が求められており、限られた予算制約の中で車両感知器等のセンサーの運用を最適化することは実務的にもニーズが高い。このような背景を踏まえ、本研究ではデータの需要と供給という新たな概念を用いてセンサー配置を最適化する手法を提案しており、時宜を得た社会的意義の高いテーマに取り組んでいる。

まず道路の交通データ収集手法に関する既往研究のレビューを行い、既存手法における課題を明らかにしている。すなわち、これまでのセンサー配置論では単一種類のセンサーまたは単一の交通管理目的のみを扱ったものが見られるのみであり、様々なセンサーによる複数目的に対応する評価手法を開発することの意義を示している。

これを踏まえ、以下のポイントからなる新たなセンサー配置の最適化手法の枠組みを提案している。

・データ供給関数(Data Demand Function)による収集データの定量化

・データ需要関数(Data Supply Function)による必要データの定量化

・両者を用いた検知水準(Level of Detection)と信頼性指標(Buffer Detection Index)による評価

・遺伝アルゴリズム(GA)を用いたセンサー配置の最適化

データ供給関数は、センサー設置箇所近傍でのデータ有効性、すなわちセンサーで得られたデータを空間的または時間的にどの程度拡張して利用可能かを示すものである。その際、対象時空間の交通状況を考慮し、交通状況の類似性が高い場合により高いデータ有効性を示すよう関数を設定している。交通状況の判定には動的交通配分(Dynamic Traffic Assignment)を用いている。これにより、ある交通状況下で個々のセンサーがカバーできる時空間領域を定量的に表現することが可能になる。さらに、車両感知器のような固定センサーのみならず、プローブ車両のような移動センサーに拡張する手法についても検討している。

一方のデータ需要関数は、旅行時間の提供やボトルネックの判定といった交通管理目的に応じて必要データの種類と場所を表現するものである。複数目的を考慮する場合には、各目的の重みを付加することで統合的に扱うこととしている。

これらを用いた評価として、検知水準は両者を重ね合わせることにより必要とされるデータのうち何割がセンサーにより提供されるかを示すものであり、これを最大化することでセンサー配置の最適化が達成される。また信頼性指標は、データ収集性能がどの程度ばらつくかを示すものであり、交通管理において別の側面から考慮すべき事項となる。

上記の最適化計算では、遺伝アルゴリズムを用いてリンク上の最適なセンサー配置を求めている。なおネットワークレベルでの最適化の場合には、ネットワーク形状解析による重要リンクの特定を行った上で最適化する手法を提案している。

以上の提案手法を用いたケーススタディにおいて、単純な等間隔配置と比較して必要データの検知水準を向上できることが確認された。また旅行時間提供とボトルネック判定という複数の交通管理目的を考慮する場合において、単一目的の場合とは必要なセンサーの数・配置が異なることが示された。

以上のとおり、本研究では交通データの収集に必要なセンサーの配置を最適化するため、データの需要と供給という新たな概念を用いた手法の提案を行っている。本手法の枠組みはプローブ車両や新しいタイプのセンサーにも拡張して適用することが可能であり、高い汎用性を有している。これは学術的な新規性・独創性はもとより、近年の道路管理における課題への貢献という社会的な有用性も高く認められるものであり、今後の道路管理に役立てられることが大いに期待される。

よって本論文は、博士(工学)の学位請求論文として合格と認められる。