CN105303245A - 交通分析***以及交通分析方法 - Google Patents
交通分析***以及交通分析方法 Download PDFInfo
- Publication number
- CN105303245A CN105303245A CN201510441187.3A CN201510441187A CN105303245A CN 105303245 A CN105303245 A CN 105303245A CN 201510441187 A CN201510441187 A CN 201510441187A CN 105303245 A CN105303245 A CN 105303245A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- route
- station
- daily record
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种交通分析***以及交通分析方法。该交通分析***收集利用了交通工具的乘客的移动日志,使用收集到的上述移动日志来进行分析,该交通分析***具有:路径推定部,其推定上述移动日志的从出发站至到达站的多个移动路径;利用路线推定部,其在上述多个移动路径的预定阈值以上的路径中,当到达站的前一站相同时,判断上述移动日志是使用了经由前一站到达上述到达站的路线的移动日志;以及实际时间表推定部,其根据上述利用路线推定部生成的每个路线的移动日志的下车时间,推定每个路线的实际时间表。
Description
技术领域
本发明涉及交通分析***以及交通分析方法。更具体地是涉及根据用户移动日志推定列车等的到达时间和出发时间的交通分析***、交通分析程序以及交通分析方法。
背景技术
以提高公共交通工具的便利性和运行的高效率为目标,通过交通企业进行各种对策。例如,近年来通过使用一般的交通***IC车票的履历,推定乘客的移动路径,由此能够进行拥挤率的推定和流动预测。为了正确地推定乘客的移动路径需要时刻表(时间表)信息。交通企业具有预先设定的计划时间表,不过实际上难以按照计划实施列车和汽车的运行,由于事故和交通拥堵等的影响多会发生小规模的延迟,多会陷入必须进行与计划有偏差的运行的情况。因此,认为在进行乘客的移动路径推定等时不使用计划上的运行时间表,而使用统计了实际的到达时间和出发到达时间的实际时间表,这样能够进行更正确的分析。不过,会有以下问题,即为了机械地收集实际时间表而必须在车辆和线路/道路等设置特别的装置,从而需要多余的费用和时间。
在专利文献1中公开了具备实际时间表生成单元的带有列车延迟预测显示功能的运行管理***。
另外,在专利文献2中公开了一种***,其根据通过被推定为是不进行换乘的单程路线移动者的乘客的移动日志而生成的下车人数分布来推定实际时间表。
专利文献1:日本特开2000-1168号公报
专利文献2:PCT/JP2012/076750
专利文献1中记载的技术是以为了生成实际时间表而能够接收与列车在线信息、车站拥挤信息、车库信息、天气信息、其他与当前的列车运行相关的各信息为前提,对于没有这些信息而生成实际时间表的技术没有记载。
专利文献2中记载的技术是根据下车人数分布来推定实际时间表,不过为了去除使用其他路线而下车的乘客的移动日志,只利用被推定为是不进行换乘的单程路线移动者的乘客的移动日志。因此会有以下问题,即用于推定的移动日志变得比实际上使用该路线而下车了的乘客的日志要少。
另外,通过上述单元而生成的下车人数分布的峰值在于实际的列车到达时间比较时存在缺损或假的峰值,因此不容易根据下车人数分布来推定实际时间表。
发明内容
本发明是鉴于以上情况而提出的,其目的为根据用户移动日志,更高精度地推定列车等的到达时间和出发时间。
如果例示用于解决本发明的课题的单元中代表性的单元,是一种使用利用了交通工具的乘客的移动日志来推定预定的路线的实际时间表的交通分析***,该交通分析***具有:路径推定部,其推定从上述移动日志的出发站到终点站的多个移动路径;利用路线推定部,其在上述多个移动路径中经由上述路线的上述到达站的前一站的路径为预定的阈值以上时,推定上述移动日志是利用上述路线到达上述到达站的日志;实际时间表推定部,其根据上述利用路线推定部推定为利用了上述路线的上述移动日志的下车时间,推定上述实际时间表。
或者,一种使用利用了交通工具的乘客的移动日志来推定预定的路线的实际时间表的交通分析程序,使计算机执行以下步骤:推定从上述移动日志的出发站至到达站的多个移动路径的步骤;当上述多个移动路径中经由上述路线的上述到达站的前一站的路径为预定的阈值以上时,推定上述移动日志是利用上述路线到达上述到达站的日志的步骤;根据上述利用路线推定部推定为利用了上述路线的上述移动日志的下车时间,推定上述实际时间表的步骤。
或者,一种使用利用了交通工具的乘客的移动日志来推定预定的路线的实际时间表的交通分析方法,具有以下步骤:推定从上述移动日志的出发站至到达站的多个移动路径的步骤;当上述多个移动路径中经由上述路线的上述到达站的前一站的路径为预定的阈值以上时,推定上述移动日志是利用上述路线到达上述到达站的日志的步骤;根据上述利用路线推定部推定为利用了上述路线的上述移动日志的下车时间,推定上述实际时间表的步骤。
根据本发明的一个实施方式,根据用户移动日志能够更高精度地推定列车等的到达时间和出发时间。
附图说明
图1是本发明的实施方式的交通分析***的***结构图。
图2是说明本发明的实施方式的交通***IC卡数据的结构的图。
图3是说明本发明的实施方式的存储车站/路线等基本信息的主数据的结构的图。
图4是说明本发明的实施方式的移动日志数据的结构的图。
图5是说明本发明的实施方式的计划时间表的数据结构的图。
图6是表示本发明的实施方式的移动日志生成处理步骤的流程图。
图7是表示本发明的实施方式的利用路线推定处理步骤的流程图。
图8是表示本发明的实施方式的利用路线推定的例子的说明图。
图9是表示本发明的实施方式的利用路线推定结果的一例的说明图。
图10是表示本发明的实施方式的实际时间表推定处理步骤的流程图。
图11是表示本发明的实施方式的利用路线推定结果以及计划时间表、实际时间表推定结果提示的一例的说明图。
图12是表示本发明的实施方式的实际时间表推定处理步骤的另外一例的流程图。
图13是表示本发明的实施方式的代表下车时间推定处理的一例的说明图。
图14是表示本发明的实施方式的车站间平均需要时间计算处理的一例的说明图。
图15是表示本发明的实施方式的实际时间表推定处理的另外一例的说明图。
图16是表示本发明的实施方式的乘车列车推定处理的一例的流程图。
图17是表示本发明的实施方式的座位优先路径的一例的说明图。
图18是表示本发明的实施方式的乘车列车推定处理的详细的说明图。
图19是表示本发明的实施方式的乘车列车推定结果的一例的说明图。
符号的说明
101:用户;102:读取终端;103:便携终端;104:网络;105:服务器群;107:交通分析***;111:数据服务器;112:计算服务器;113:信息发送服务器;114:网络;115、117:交通企业;121:数据存储部;122:交通***IC卡数据;123:主数据;124:移动日志数据;125:计划时间表;126:实际时间表、路径偏好模式数据;130:I/F;131:CPU;132:存储器;133:存储部;134:移动日志生成程序;135:路径推定程序;136:利用路线推定程序;137:实际时间表推定程序;138:乘车列车推定程序;139:数据存储部;141:显示画面生成程序;142:信息发送程序;145:I/F;146:CPU;147:存储器;201:日志ID;202:用户ID;203:车站/汽车站ID;204:使用时间;205:使用类别;300:主车站/汽车站;301:车站/汽车站ID;302:车站/汽车站名;303:持有公司;304:所在地;305:纬度经度;310:主路线;311:路线ID;312:路线名;313:运营公司;314:路线类型;320:主车站/汽车站/路线关系;321:路线ID;322:车站/汽车站ID;323:顺序;324:类别;325:从起点开始的需要时间;401:日志ID;402:用户ID;403:乘车日期时间;404:下车日期时间;405:支付金额;406:乘车站/汽车站ID1;407:下车站/汽车站ID1;408:乘车站/汽车站ID2;409:下车站/汽车站ID2;501:时间表ID;502:路线ID;503:停车站;504:到达时间;505:出发时间;601-1005:步骤;1101:画面;1102:下拉菜单;1103:显示画面;1104:利用路线推定结果;1105:计划时间表;1106:实际时间表推定结果;1107:光标;1201-1207:步骤;1501:代表下车时间;1502:下一站的代表下车时间;1503:时间差;1504:插值;1601-1605:步骤;1701:乘车站;1702:下车站;1703:路径;1704:始发站;1705:座位优先路径;1801:乘车时间;1802:发车时间;1803:下一发车时间;1804:乘车站;1805:出站时间;1806:到达时间;1807:出站时间;1901:画面;1902:车站;1903:画面;1904:图表。
具体实施方式
以下,根据附图说明本发明的实施方式。图1是本发明的实施方式的交通分析***的***结构图。
近年来,大多利用交通工具的用户(101)使用非接触型IC卡或具有相同功能的便携终端(103),通过用于利用交通工具的检票机和设置在车内的读取终端(102)。由这些检票机和车内终端所取得的数据经由网络(104)被发送给各自的交通企业所管理的服务器群(105)。
交通分析***(107)由数据服务器(111)、计算服务器(112)、信息发送服务器(113)组成,存储对非接触型IC卡或具备同等功能的便携终端(103)的使用数据进行合计而得的移动数据,进行分析处理。另外,对于说明本发明时没有直接关系的非接触IC卡、检票机等功能和结构、信息处理技术省略说明。
如果持有非接触型IC卡(103)的用户(101)通过检票机,则在检票机(102)内存储用于识别IC卡(103)的用户ID和包括通过时间日期等的位置信息,作为原始数据存储在交通企业所管理的服务器(105)中。这些数据在存储的同时,或者在隔一个小时或隔一天等适当的定时关于需要的部分经由网络(104)被发送给数据服务器(111)。由数据服务器(111)和计算服务器(112)、信息发送服务器(113)的服务器群组成的交通分析***(107)与网络(104)连接,能够与用户、交通企业(115、117)进行通信。因此,例如交通企业(115)能够使交通分析***(107)与运行管理***以及IC卡数据管理***这样的其他***进行合作。另外,在本实施例中,作为数据服务器(111)、计算服务器(112)、信息发送服务器(113)的服务器群进行了说明,不过能够构成为由一个或多个服务器执行这些服务器群的功能。
数据服务器(111)经由网络(104)接收检票机等IC卡读取终端所读取的用户的数据,记录在服务器内的数据存储部(121)。进行收集、存储的数据中包括交通***IC卡数据(122)、与车站/汽车站或路线相关的基本的主数据(123)等。进而存储对交通***IC卡数据(122)等进行了一次加工而得的移动日志数据(124)、计划时间表(125)、由交通分析***(107)生成的实际时间表(126)、在推定乘客的路径时所使用的路径偏好模式数据(127)等。关于与车站以及路线关联的基本主数据(123),在有变更的情况或进行了更新的情况下适当从***的外部输入并进行更新/记录。
在计算服务器(112)中,进行以下处理,即根据存储在数据服务器(111)中的数据生成移动数据的处理、推定乘客的移动路径的处理、推定实际时间表的处理等。计算服务器(112)主要由网络接口(I/F(A))(130)、CPU(131)、存储器(132)、存储部(133)组成。网络接口是用于与网络连接的接口。存储部(133)包括数据存储部(139),该数据存储部(139)存储移动日志生成程序(134)、路径推定程序(135)、利用路线推定程序(136)、实际时间表推定程序(137)、乘车列车推定程序(138)等程序群、计算处理的结果、所得到的统计值和指标值等。存储部例如是硬盘驱动器、CD-ROM驱动器、闪速存储器等。另外,可以在多个记录装置中分割并记录各种程序、各种数据。
在执行各程序群时,从数据服务器(111)读出成为分析对象的数据后暂时存储到存储器(132)中,用CPU(131)将各程序(134、135、136、137、138)读出到存储器后执行,由此实现各种功能。这些程序的执行定时可以在例如操作者(119)、用户、交通企业(115、117)的请求的定时,或每次对数据服务器(111)追加新数据时进行,或者作为成批处理,可以在每天决定的时间自动地进行处理。
信息发送服务器(113)具备网络接口(I/F(B))(145)、CPU(146)、存储器(147)和记录装置(148)。网络接口是用于和网络连接的接口。记录装置记录各种程序、各种数据,例如是硬盘驱动器、CD-ROM驱动器、闪速存储器等。另外,也可以在多个记录装置中分割并记录各种程序、各种数据。
信息发送服务器(113)是用于交通企业、用户(115、117)从移动信息终端(116)或固定型的信息终端(118)经由网络(114)参照实际时间表、使用了所生成的实际时间表的人流解析和延迟状况等的分析结果的服务器。记录装置(148)包括显示画面生成程序(141)、信息发送程序(142)。CPU(146)将记录在记录装置(148)中的各种程序读出到存储器后执行,由此执行各种功能。
图2是表示在数据服务器(111)中存储的代表的数据即交通***IC卡数据(122)的结构的图。首先,交通***IC卡数据(122)包括日志ID(201)、成为对象的用户ID(202)、根据通过了哪个数据读取终端的信息而联系在一起的车站以及汽车站的ID(203)、通过了该读取终端的使用时间(204)以及是进站还是出站等的使用类别(205)等信息。这里使用类别是表示如下的信息:例如如果是检票机或出入门等则是“进站”或“出站”、如果是商品销售用终端等则是“购买”等处理类别。交通***IC卡数据(122)可以在每次新生成数据时发送,或者也可以在使用变少的深夜一起发送。在数据服务器(111)一侧,与该发送的定时一致地进行存储处理即可。
图3是表示在数据服务器(111)中存储的主数据(123)的种类和各自的数据结构的图。首先,与车站、汽车站、道路等能够利用交通手段的场所有关的基本数据即主位置(300)包括车站/汽车站ID(301)、车站/汽车站名(302)、持有公司(303)、住所等所在地(304)、纬度经度的信息(305)等信息。当车站、汽车站和路线、道路的结构中有变更时,随时进行数据的追加或修正。关于路线的基本数据即主路线(310)包括用于识别路线的路线ID(311)、路线名(312)、运营公司(313)、区别是铁道路线还是汽车路线的路线类型(314)等信息。用于关联车站和路线的基本数据即主车站/汽车站-路线关系(320)包括用于识别路线的路线ID(321)、该路线所包括的车站/汽车站ID(322)和管理车站/汽车站的顺序的顺序编号(323)、识别是停车还是通过的类别(324)和从起点开始的需要时间(325)等信息。在例如车站和汽车站、路线和道路有变更的情况下,在每次变更时从图1所示的***外部输入以及更新/记录主数据(123)。
图4是表示用于存储在数据服务器(111)中所存储的移动日志数据(124)的数据结构的图。移动日志数据(124)包括识别日志的日志ID(401)和成为对象的用户ID(402)、表示在出发地点开始了交通手段的利用的时间的乘车日期时间(403)、表示在到达地点结束了交通手段的利用的时间的下车日期时间(404)、表示移动所花费的费用的支付金额(405)、乘车站/汽车站ID1(406)、下车站/汽车站ID1(407)、乘车站/汽车站ID2(408)、下车站/汽车站ID2(409)等信息。该移动日志数据(124)是使用交通***IC卡数据(122)等而生成的一次加工后的数据。
图5是表示用于存储在数据服务器(111)中存储的计划时间表(125)的数据结构的图。计划时间表数据(125)包括用于识别时间表的时间表ID(501)、其路线ID(502)、停车站或汽车站(503)、到达时间(504)以及出发时间(505)的信息。
图6是说明根据交通***IC卡数据(122)生成移动日志数据(124),存储在数据服务器(111)中的移动生成程序(134)的处理步骤的图。这里关于向数据服务器(111)的存储处理以在每天决定的时间进行一次成批处理来进行说明。首先,参照新收集到的交通***IC卡数据(122)中包括的用户ID(202)和使用时间(204),按照用户ID顺序和时间顺序对所有数据进行排序(处理步骤601)。接着针对在处理步骤601进行排序后的数据重复用户ID的数量的以下相同处理(处理步骤602)。首先,将与乘车站/汽车站ID、乘车日期时间、下车站/汽车站ID、下车日期时间对应的列表型变量进行初始化(处理步骤603)。接着针对按照时间顺序排列的数据重复以下相同的处理(处理步骤604)。首先,通过使用类别(205)的值进行情况区分(处理步骤605),分别进行处理。当使用类别(205)的值是进站时,首先确认在相同用户且同一天的日志中是否存在前一个出站日志(处理步骤606),当存在出站日志时,判定该下车日期时间与当前日志的乘车日期时间的差是否在预先定义的阈值以内(处理步骤607)。该阈值是用于判定多个交通工具的换乘的值,最好在例如几分钟到几十分钟的范围内进行设置。如果前一个出站日志的下车时间日期和当前日志的乘车时间日期的差在阈值以内,则视为继续一系列的移动,对乘车站/汽车站ID以及乘车日期时间的列表追加值(处理步骤608)。在超过阈值的情况下,考虑从前一个的移动起时间十分空闲,因此能够判断前一个的移动信息在这里是应该进行划分。因此将变量的值存储在移动日志数据(124)中(处理步骤609),再次将变量初始化(处理步骤610)。如果不存在相应的前一个出站日志的情况下,对乘车站/汽车站ID以及乘车日期时间的列表追加值(处理步骤611)。当使用类别(205)的值是出站时,对下车站/汽车站ID以及下车日期时间的变量追加值(处理步骤612)。在针对1个用户ID的重复处理结束时对变量设置值的情况下,将变量的值存储在移动日志数据中(处理步骤613)。这里,将日志ID(201)保持为序列号。这里用于判定是否进行一系列移动的阈值t作为标准的换乘时间而预先进行设定。通过该阈值t能够调整换乘时间的容许范围。与标准的换乘时间有关的阈值是正值,可以在所有交通网中作为共通的值,也可以对每个区域设置不同的值。
图7是说明使用移动日志数据(124)来推定各移动日志的利用路线的利用路线推定程序(136)的处理步骤的图。处理被重复移动日志的数量(处理步骤701)。首先通过多个搜索基准搜索从乘车站出发到下车站的路径(处理步骤702、703)。在本实施例中将路径选择基准作为时间优先基准、换乘次数优先基准、费用优先基准这三种进行说明。能够使用的路径选择基准不限定于这三种。接着,对于搜索到的所有路径判定移动方向相同的路径是否存在预定阈值以上(处理步骤704)。
这里,使用图8详细说明处理步骤704的细节。图8是表示通过时间优先基准、换乘次数优先基准、费用优先基准来搜索从乘车站(801)到下车站(802)的移动路径的结果。时间优先路径(803)通过路线1(809)向车站C(808)移动,在路线2(811)换乘到达下车站(802)。换乘次数优先路径(804)和费用优先路径(805)相同,利用路线3(810)到达下车站(802)。在有上述路径的情况下,考虑将路线3作为对象来推定实际时间表。
这时,在专利文献2记载的技术中,不能够将从图8的乘车站到下车站的移动日志用于路线3的实际时间表的推定。从乘车站的路径包括利用路线1和2经由车站C和B的路径,因此不一定能够唯一地确定是使用了路线3的日志。
对此,在本实施例的交通分析***中,在处理步骤704,为了判定所搜索的路径的移动方向是否相同,确认各路径的下车站的前一站(路线3的推定中为车站A)。通过确认下车站的前一站是哪个车站的概率是否高,推定使用哪个路线到达了下车站。作为具体的方法,在事先设定预定的阈值的基础上,通过判定适合的路径(关于换乘次数、费用、或者时间等与其他路线相比较,有某种合理的优点的路径)经由车站A的概率是否超过该阈值来进行。在图8的例子中,3个路径中2个路径(换乘次数优先路径(804)以及费用优先路径(805))的下车站的前一站是车站A(806),使用路线3(810)到达下车站(802),3个路径中1个路径(时间优先路径(803))的下车站的前一站是车站B,使用路线2(811)到达下车站(802)。这时,例如预定的阈值如果是0.5,则3个路径中2个路径(0.67)超过阈值,因此至少经由车站A进行移动的概率高。换言之,使用路线3(810)的概率高。因此推定该日志是使用路线3(810)到达下车站(802)的用户的日志。这时,将该日志的下车时间记录为该路线的下车站的到达时间候补(处理步骤705)。
这样,本实施例的交通分析***是使用利用交通工具的乘客移动日志来推定预定的路线的实际时间表的交通分析***,其特征在于,具有:路径推定部(135),其推定从移动日志的出发站至到达站的多个移动路径;利用路线推定部(136),其在经由该路线的到达站的前一站的路径在预定阈值以上时,推定为该移动日志是使用该路线到达到达站的日志;实际时间表推定部(137),其根据由利用路线推定部推定为使用了该路线的移动日志的下车时间来推定实际时间表。
或者,一种是使用利用交通工具的乘客的移动日志来推定预定路线的实际时间表的交通分析方法(并且包括执行该交通分析方法的程序和存储该程序的存储介质),其特征在于,包括以下步骤:推定从移动日志的出发站到到达站的多个移动路径的步骤(702),当多个移动路径中经由该路线的到达站的前一站的路径在预定阈值以上时,推定该移动日志是使用该路线到达到达站的日志的步骤(704);根据由利用路线推定部推定为使用了该路线的移动日志的下车时间,推定实际时间表的步骤(1001-1005)。
通过上述特征,与如专利文献2那样使用了只存在使用该路线的路径的日志的推定进行比较,能够进一步增加用于推定的日志,作为结果能够进一步提高推定的精度。
这里,当移动日志的下车时间记录实际检票出站时间时,与列车到达时间产生误差。因此在处理步骤705中,可以根据预定的信息来修正移动日志的下车时间。作为预定的信息,例如能够使用从停车站的该路线到达站台到检票之间的平均移动时间等。
图9是表示利用路线推定程序(136)的利用路线推定处理的结果的一例的图。记录推定为在各路线的每个车站在各时间使用该路线在该车站下车的移动日志的数量。一般乘客期待在列车下车后不滞留而从检票口出站,因此考虑在列车到达时间附近集中多个移动日志。
图10是说明实际时间表推定程序(137)的处理步骤的一例的图。按照每个路线处理实际时间表推定步骤(处理步骤1001)。首先,对该路线的计划时间表增加微小的修正(处理步骤1002)。作为修正的增加方法,考虑时间表整体、或者每个列车、或者在每个车站将出发到达时间前后错开几秒到几分钟左右的方法。接着,计算修正后的计划时间表与由利用路线推定程序(136)进行推定的使用了该路线的移动日志的下车时间的一致度(处理步骤1003)。作为一致度,能够使用修正后的计划时间表的列车到达时间和下车时间一致的移动日志的数量。如果因为移动日志的下车时间中包括误差而设置预定的阈值且修正后的计划时间表的列车到达时间和下车时间的差在阈值以内,则可以判定为一致。如果一致度在至此计算出的一致度中为最大,则将该修正计划时间表记录为实际时间表(处理步骤1005)。最终将一致度为最大的修正计划时间表作为实际时间表(126)记录在数据服务器(111)中。一般很少有计划时间表和实际时间表大幅背离的情况,因此通过上述方法能够进行更高精度的实际时间表的推定。
图11是表示显示画面生成程序(141)进行的利用路线推定程序(136)以及实际时间表推定程序(137)的推定结果提示画面的一例的图。操作者(119)能够通过画面(1101)内的下拉菜单(1102)选择路线。在显示画面(1103)内显示选择出的路线的利用路线推定结果(1104)以及计划时间表(1105)、实际时间表推定结果(1106)。当实际时间表推定结果有错误时,操作者(119)能够使用光标(1107)修正实际时间表(1106)。在修正实际时间表时,操作者能够容易地把握在时间轴中是应该在前方修正还是在相反方向修正等,并且有提高修正的精度的信息,因此如图11那样操作者能够直观地修正实际时间表的GUI是有用的。
图12是说明实际时间表推定程序(137)的处理步骤的另外一例的图。按照每个路线处理实际时间表推定步骤(处理步骤1201)。接着,在该路线中进行每个车站的处理(处理步骤1202)。根据每个车站的使用日志的下车时间决定代表下车时间(处理步骤1203)。代表下车时间是指在分割移动日志而使得下车时间相互接近的日志包括在相同部分集合中时,代表上述部分集合的下车时间。
这里,使用图13详细说明代表下车时间的决定方法。作为代表下车时间的决定方法,聚类方法最合适。在该路线的一天的运行次数为已知的情况下,能够使用K平均法和混合高斯模型那样的聚类方法,在运行次数未知的情况下,能够使用狄利克雷(Dirichle)过程混合模型那样的聚类方法。关于这些聚类方法能够使用公知的技术,因此省略详细说明。通过应用聚类方法,能够将该路线的利用日志的下车时间分割为多个集群(从图13上段到中段)。接着,通过决定被分割的集群的代表值,能够求出代表下车时间(图13下段)。关于代表值决定方法,集群内下车时间的平均值或中值、最频值等较合适。这样根据该路线的利用日志的下车时间求出代表下车时间,由此能够去除利用日志中包括的利用路线推定结果的错误等。
接着,实际时间表推定程序(137)进行每个车站间的处理(处理步骤1204)。求出某个车站和下一个车站的代表下车时间的相关性,求出相关性成为最大的时间差τ,将时间差τ设为该车站和下一个车站的平均需要时间(处理步骤1205)。通过公式1计算时间差为τ时的相关性。
[公式1]
这里,X(t)是存储了该车站的代表下车时间的序列,在时刻t是代表下车时间时,X(t)为1。Y(t)是存储了该车站的下一站的代表下车时间的序列。当该车站和下一站的平均需要时间为τ时,如果设为时间t是该车站的代表下车时间,则期待时间t+τ成为下一站的代表下车时间。因此在τ是该车站和下一站的平均所需时间时,相关性最大。在图14表示相关性的计算结果的一例。
接着,实际时间表推定程序(137)搜索时间差与在处理步骤1205计算出的车站间平均需要时间相近的代表下车时间,由此生成实际时间表(处理步骤1206)。代表下车时刻有可能包括缺损,所以能够通过对缺损进行插值来修正实际时间表(处理步骤1207)。图15表示处理步骤1206和处理步骤1207的处理概念图。通过连接与某个车站的代表下车时间(1501)的时间差成为在处理步骤1205计算出的车站间平均需要时间的下一站的代表下车时间(1502),生成实际时间表。对于代表下车时间的缺损部分进行插值(1504)。
这样,实际时间表推定程序(137)在能够使用计划时间表的情况下,使用计划时间表来推定实际时间表,即使在不能够使用计划时间表的情况下也能够通过计算代表下车时间和车站间平均需要时间来推定实际时间表。
图16是表示乘车列车推定程序(138)的处理步骤的一例的流程图。处理被重复移动日志的数量(处理步骤1601)。首先,按照记录在数据服务器(111)所存储的路径偏好模式数据(127)中的每个路径偏好模式进行路径搜索(处理步骤1602、1603)。在路径偏好模式数据(127)中存储有在路径搜索时考虑的乘客的路径选择基准。路径选择基准除了考虑选择最早到达下车站的路径的“时间优先基准”、选择换乘次数最少的路径的“换乘优先基准”、选择费用最便宜的路径的“费用优先基准”、选择列车最空的路径的“避免拥挤基准”之外,还考虑为了在拥挤的列车中就坐而从乘车站向与下车站相反方向前进,返回该路线的始发站而优先确保座位的“座位优先基准”等。通过将车站设为节点,将连接车站间的线路设为边缘,通过图表结构表现铁道网,将车站间的权重分别设为所需要时间、换乘次数、费用、拥挤度,由此通过迪杰斯特拉(Dijkstra)算法这样的算法解决最短路径问题,从而实现关于时间优先基准、换乘优先基准、费用优先基准、避免拥挤基准的路径搜索。关于最短路径问题的解法,能够使用公知技术,因此省略详细的说明。
这里,使用图17详细说明座位优先基准的路径搜索。当从乘车站(1701)到下车站(1702)的路径(1703)拥挤时,通过选择一度向逆方向的始发站(1704)而折返后向下车站(1702)的路径(1705),通过移动时间的增加而优先在始发站(1704)就坐。能够通过在搜索完毕的一般路径(1703)中附加乘车站(1701)和始发站(1704)之间的往返路径来搜索这种座位优先路径(1705)。在乘车站(1701)和始发站(1704)之间的车站数量少时、或者从乘车站(1701)到下车站(1704)之间的车站数量多时选择座位优先路径(1705)是合适的,因此当乘车站(1701)和始发站(1704)之间的车站数量为预定阈值以下时、或当从乘车站(1701)到下车站(1704)之间的车站数量为预定阈值以上时可以进行搜索。另外,根据交通企业也有禁止这样的折返乘车的情况。这时,本发明的目的不是将上述禁止行为推荐给用户,而是通过对路径搜索候补增加座位优先基准,由交通企业把握这样的折返乘车的实际状况。
接着,乘车列车推定程序(138)对每个搜索了的路径进行乘车列车推定(处理步骤1604、1605)。使用图18说明乘车列车推定的详细情况。首先,使用移动日志的乘车时间(1801)和由实际时间表推定程序(137)推定出的实际时间表(126)来确定乘车时间(1801)以后最近的发车时间(1802)的列车。当移动日志的乘车时间(1801)实际是检票进站时间时,能够使用相加了预定的推定移动时间的时间表。实际上从乘客的检票到乘车场的移动时间有波动,因此不限定能够搭乘在离乘车时间(1801)最近的发车时间(1802)的列车。因此下一个发车时间(1803)的列车也加到乘车列车候补中。即使在换乘站(1804)也同样将多个发车时间的列车加到乘车列车候补中。通过阈值等能够赋予加到乘车列车候补中的列车的数量。接着,当移动日志的下车时间(1805)是出站时间时,比较在乘车列车候补的到达时间(1806)加上预定的推定移动时间后的出站时间(1807)和移动日志的出站时间(1805),将最近的设为乘车列车。最后在搜索路径中将移动日志的出站时间(1805)和乘车列车推定候补的出站时间(1807)最近的作为乘车列车进行输出。在本实施例中,将移动日志的出站时间(1805)和乘车列车推定候补的出站时间(1807)最近的作为乘车列车进行了输出,但乘车列车推定方法不限于此,例如也可以根据预定的优先顺序从例如移动日志的出站时间(1805)和乘车列车推定候补的出站时间(1807)的差在预定阈值以内的多个乘车列车推定候补中决定乘车列车。本实施例中,分别进行使用了路径搜索(处理步骤1603)和实际时间表(126)的乘车列车推定(处理步骤1605),不过在路径搜索(处理步骤1603)时也能够进行考虑了实际时间表(126)的搜索。
图19是表示显示画面生成程序(141)的乘车列车推定程序(138)的推定结果提示画面的一例的图。操作者(119)如果选择画面(1901)内的路线图上的任意车站(1902),则该车站的乘客的路径选择比例在画面(1903)内显示为堆积面图表(1904)。堆积面图表(1904)的横轴表示时间,纵轴是通过人数表示根据该时间的该车站乘客的移动日志推定的路径选择基准的详细内容。能够容易地把握希望的车站的路径选择基准的比例或其变化的情况,因此图19的GUI是有用的。路径选择基准的比例的提示方法不限定于堆积面图表,也可以使用圆形图表等。另外,不仅可以提示乘客的路径选择比例,也可以提示下车乘客的路径选择比例,操作者(119)不仅能够选择车站,也可以选择路线。
Claims (9)
1.一种交通分析***,其使用利用了交通工具的乘客的移动日志来推定预定的路线的实际时间表,该交通分析***的特征在于,具有:
路径推定部,其推定从上述移动日志的出发站至到达站的多个移动路径;
利用路线推定部,其在上述多个移动路径中经由上述路线的上述到达站的前一站的路径为预定的阈值以上时,推定上述移动日志是利用上述路线到达上述到达站的日志;以及
实际时间表推定部,其根据上述利用路线推定部推定为利用了上述路线的上述移动日志的下车时间,推定上述实际时间表。
2.根据权利要求1所述的交通分析***,其特征在于,
修正上述计划时间表,使得每个上述路线的移动日志的下车时间和计划时间表的一致度成为最大,并将上述修正后的计划时间表设为上述实际时间表。
3.根据权利要求1所述的交通分析***,其特征在于,
分割每个上述路线的移动日志而使得下车时间相互接近的日志包括在相同部分集合中,进行求出代表上述部分集合的代表下车时间的运算,将上述代表下车时间设为上述路线的列车到达时间的推定结果。
4.根据权利要求1所述的交通分析***,其特征在于,
进行求出每个上述路线的移动日志的相邻车站间的相关性的运算,将上述相关性为最大的时间差设为上述相邻车站间的平均需要时间。
5.根据权利要求1所述的交通分析***,其特征在于,
还具有显示部,其在相同画面上显示每个上述路线的移动日志的下车时间、计划时间表或上述实际时间表。
6.根据权利要求5所述的交通分析***,其特征在于,
还具有修正上述画面上的实际时间表的修正部。
7.根据权利要求1所述的交通分析***,其特征在于,
对于上述移动日志分别还具有乘车列车推定部,其在以包括时间优先基准、换乘优先基准、车费优先基准、避免拥挤基准或座位优先基准中的至少一个基准来搜索从上述出发站到达上述到达站的多个路径时,通过使用上述实际时间表来推定与该移动日志对应的上述乘客乘车的列车。
8.根据权利要求7所述的交通分析***,其特征在于,
还具有显示部,其显示上述乘车列车推定部的乘车列车推定的结果即推定的路径选择基准的比例。
9.一种交通分析方法,其使用利用了交通工具的乘客的移动日志来推定预定的路线的实际时间表,该交通分析方法的特征在于,
具有以下步骤:
推定从上述移动日志的出发站至到达站的多个移动路径的步骤;
当上述多个移动路径中经由上述路线的上述到达站的前一站的路径为预定的阈值以上时,推定上述移动日志是利用上述路线到达上述到达站的日志的步骤;以及
根据上述利用路线推定部推定为利用了上述路线的上述移动日志的下车时间,推定上述实际时间表的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014-152502 | 2014-07-28 | ||
JP2014152502A JP6307376B2 (ja) | 2014-07-28 | 2014-07-28 | 交通分析システム、交通分析プログラムおよび交通分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303245A true CN105303245A (zh) | 2016-02-03 |
CN105303245B CN105303245B (zh) | 2019-04-05 |
Family
ID=55200487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510441187.3A Active CN105303245B (zh) | 2014-07-28 | 2015-07-24 | 交通分析***以及交通分析方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6307376B2 (zh) |
CN (1) | CN105303245B (zh) |
SG (1) | SG10201505775PA (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163701A (zh) * | 2020-09-23 | 2021-01-01 | 佳都新太科技股份有限公司 | 一种车站枢纽换乘管理方法及装置 |
CN113095986A (zh) * | 2021-04-09 | 2021-07-09 | 上海大学 | 公共交通满载率计算方法、***及计算机可读存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109703604B (zh) * | 2018-12-07 | 2020-06-30 | 天津津航计算技术研究所 | 一种可调整的局部最优进路快速搜索方法 |
JP7453110B2 (ja) | 2020-09-23 | 2024-03-19 | 公益財団法人鉄道総合技術研究所 | 推定装置および推定方法 |
CN116542438B (zh) * | 2023-03-28 | 2024-01-30 | 大连海事大学 | 一种基于无基准真相的公交乘客起止点估计修补方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661645A (zh) * | 2004-02-27 | 2005-08-31 | 株式会社日立制作所 | 交通信息预测装置 |
CN101243478A (zh) * | 2005-06-23 | 2008-08-13 | 艾尔塞奇公司 | 利用蜂窝数据用于运输规划和工程的方法和*** |
CN102129723A (zh) * | 2010-01-19 | 2011-07-20 | 上海电机学院 | 公共交通乘车优惠运管计费方法 |
JP2011148415A (ja) * | 2010-01-22 | 2011-08-04 | Navitime Japan Co Ltd | 交通情報配信システム、サーバ装置、端末装置、交通情報提供装置、交通情報提供方法、および、プログラム |
JP2012196987A (ja) * | 2011-03-18 | 2012-10-18 | Hitachi Ltd | 旅客流動予測装置 |
CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
CN103426302A (zh) * | 2012-05-18 | 2013-12-04 | 李志恒 | 换乘站快速公交车厢换乘信息发布***及发布方法 |
JP2014002524A (ja) * | 2012-06-18 | 2014-01-09 | Sumitomo Electric Ind Ltd | 旅行時間情報生成システム及びコンピュータプログラム |
WO2014061111A1 (ja) * | 2012-10-17 | 2014-04-24 | 株式会社日立製作所 | 交通分析システム |
CA2885611A1 (en) * | 2012-12-20 | 2014-06-26 | Amadeus S.A.S. | Determining real-time delay of transportation means |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010126028A (ja) * | 2008-11-28 | 2010-06-10 | Pioneer Electronic Corp | 経路情報提示装置、経路情報提示システム、経路探索装置、端末装置、経路探索装置用プログラム、端末装置用プログラム及び経路情報提示方法 |
JP5914249B2 (ja) * | 2012-08-10 | 2016-05-11 | クラリオン株式会社 | 経路計算システム、ナビゲーション装置および経路計算方法 |
-
2014
- 2014-07-28 JP JP2014152502A patent/JP6307376B2/ja active Active
-
2015
- 2015-07-24 CN CN201510441187.3A patent/CN105303245B/zh active Active
- 2015-07-24 SG SG10201505775PA patent/SG10201505775PA/en unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661645A (zh) * | 2004-02-27 | 2005-08-31 | 株式会社日立制作所 | 交通信息预测装置 |
CN101243478A (zh) * | 2005-06-23 | 2008-08-13 | 艾尔塞奇公司 | 利用蜂窝数据用于运输规划和工程的方法和*** |
CN102129723A (zh) * | 2010-01-19 | 2011-07-20 | 上海电机学院 | 公共交通乘车优惠运管计费方法 |
JP2011148415A (ja) * | 2010-01-22 | 2011-08-04 | Navitime Japan Co Ltd | 交通情報配信システム、サーバ装置、端末装置、交通情報提供装置、交通情報提供方法、および、プログラム |
JP2012196987A (ja) * | 2011-03-18 | 2012-10-18 | Hitachi Ltd | 旅客流動予測装置 |
CN103426302A (zh) * | 2012-05-18 | 2013-12-04 | 李志恒 | 换乘站快速公交车厢换乘信息发布***及发布方法 |
JP2014002524A (ja) * | 2012-06-18 | 2014-01-09 | Sumitomo Electric Ind Ltd | 旅行時間情報生成システム及びコンピュータプログラム |
WO2014061111A1 (ja) * | 2012-10-17 | 2014-04-24 | 株式会社日立製作所 | 交通分析システム |
CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
CA2885611A1 (en) * | 2012-12-20 | 2014-06-26 | Amadeus S.A.S. | Determining real-time delay of transportation means |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163701A (zh) * | 2020-09-23 | 2021-01-01 | 佳都新太科技股份有限公司 | 一种车站枢纽换乘管理方法及装置 |
CN112163701B (zh) * | 2020-09-23 | 2021-11-05 | 佳都科技集团股份有限公司 | 一种车站枢纽换乘管理方法及装置 |
CN113095986A (zh) * | 2021-04-09 | 2021-07-09 | 上海大学 | 公共交通满载率计算方法、***及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2016030473A (ja) | 2016-03-07 |
SG10201505775PA (en) | 2016-02-26 |
CN105303245B (zh) | 2019-04-05 |
JP6307376B2 (ja) | 2018-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biagioni et al. | Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones | |
US11182871B2 (en) | System and apparatus for ridesharing | |
He et al. | Estimating the destination of unlinked trips in transit smart card fare data | |
CN105303245A (zh) | 交通分析***以及交通分析方法 | |
CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
CN106529711B (zh) | 用户行为预测方法及装置 | |
CN110118567B (zh) | 出行方式推荐方法及装置 | |
JP6127645B2 (ja) | 乗継支援情報作成方法、乗継支援情報作成プログラムおよび乗継支援情報作成装置 | |
KR101582283B1 (ko) | 전철 네트워크의 승객 이동경로 추정 방법 | |
Hora et al. | Estimation of Origin-Destination matrices under Automatic Fare Collection: the case study of Porto transportation system | |
CN110942198A (zh) | 一种用于轨道交通运营的乘客路径识别方法和*** | |
US10628759B2 (en) | Systems and methods for managing networked vehicle resources | |
CN112381472A (zh) | 一种地铁接驳公交线路优化方法、装置及存储介质 | |
CN110766506A (zh) | 一种订单生成方法、装置、电子设备和存储介质 | |
CN116663811A (zh) | 一种城际客运的往返动态拼车的调度匹配方法和装置 | |
JP2012073976A (ja) | 情報提供装置、情報提供方法および情報提供システム | |
CN114820264A (zh) | 公共交通工具换乘数据处理方法、装置、设备、存储介质 | |
JP6999519B2 (ja) | 輸送力調整装置、輸送力調整システムおよび輸送力調整方法 | |
CN112748452B (zh) | 一种基于路网数据的gps轨迹清洗方法 | |
Zhu et al. | Validating rail transit assignment models with cluster analysis and automatic fare collection data | |
KR102074894B1 (ko) | 대중교통 이용자의 통행경로 추정방법, 이를 구현하는 컴퓨터 프로그램 및 이를 수행하도록 구성되는 시스템 | |
JP2012076708A (ja) | 運行整理案作成装置及び方法 | |
CN111639973B (zh) | 基于多元融合大数据的公交客流od推导方法及装置 | |
CN112860766B (zh) | 一种公交运行车次认定方法及装置 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |