CN113496606B - 车辆的运行管理装置、运行管理方法、以及交通*** - Google Patents
车辆的运行管理装置、运行管理方法、以及交通*** Download PDFInfo
- Publication number
- CN113496606B CN113496606B CN202110339133.1A CN202110339133A CN113496606B CN 113496606 B CN113496606 B CN 113496606B CN 202110339133 A CN202110339133 A CN 202110339133A CN 113496606 B CN113496606 B CN 113496606B
- Authority
- CN
- China
- Prior art keywords
- time
- delay
- vehicle
- plan
- travel plan
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种车辆的运行管理装置、运行管理方法以及交通***。该运行管理装置(12)具备:计划生成部(14),其针对在被设定有多个车站(54)的规定的行驶路径(50)上自主行驶的多台车辆(52)的每一台而生成至少包括所述车站(54)中的发车时间在内的行驶计划(80);通信装置(16),其将由所述计划生成部(14)所生成的所述行驶计划(80)发送至对应的车辆(52);运行监视部(18),其取得所述车辆(52)相对于所述行驶计划(80)的延迟量,所述计划生成部(14)基于由所述运行监视部(18)取得的所述延迟量而对是否需要进行所述行驶计划(80)的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划(80)进行修正并再生成。
Description
相关申请的交叉引用
本申请要求于2020年4月2日提交的日本专利申请No.2020-066600的优先权,该日本专利申请的全部内容包括说明书、权利要求书、说明书附图和说明书摘要通过引用的方式而合并于此。
技术领域
在本说明书中,公开了一种对在被设定有多个车站的规定的行驶路径上自主行驶的多台车辆的运行进行管理的运行管理装置、运行管理方法、以及具有该运行管理装置的交通***。
背景技术
近年来,提出了一种使用了可自主行驶的车辆的交通***。例如,在专利文献1中,公开了一种使用了能够沿着专用路线而自主行驶的车辆的车辆交通***。该车辆交通***具备沿着专用路线而行驶的多台车辆、和使该多台车辆运行的管制控制***。管制控制***按照运行计划,向车辆发送出发指令与行进路线指令。此外,管制控制***根据输送需要进行车辆的增加或者减少。
然而,在日本特开2000-264210号公报中,并未对在各车辆相对于运行行车时间表(即,行驶计划)而延迟的情况下的对策进行充分研究。因此,在专利文献1的技术中,在产生了延迟的情况下,未能采取适当的对策,从而长时间地持续延迟状态,且根据情况也有可能会使延迟进一步恶化。这种情况下,车站内的车辆的等待时间、或车站间的移动时间会增加,从而使作为交通***的便利性降低。
因此,在本说明书中,公开了一种能够进一步提高作为交通***的便利性的运行管理装置、运行管理方法以及交通***。
发明内容
在本说明书中公开的运行管理装置,其特征在于,具备:计划生成部,其针对在被设定有多个车站的规定的行驶路径上自主行驶的多台车辆的每一台而生成至少包括所述车站中的发车时间在内的行驶计划;通信装置,其将由所述计划生成部所生成的所述行驶计划发送至对应的车辆;运行监视部,其取得所述车辆相对于所述行驶计划的延迟量,所述计划生成部基于由所述运行监视部所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正。
由于适当地对是否需要进行行驶计划的修正进行判断,从而对行驶计划进行修正,因此能够有效地防止车辆的延迟的持续或扩大。作为结果,能够抑制车站内的车辆的等待时间、车站间的移动时间的增加,由此能够进一步提高作为交通***的便利性。
在这种情况下,也可以采用如下方式,即,所述运行监视部作为所述延迟量而取得所述车辆相对于所述行驶计划的延迟时间,所述计划生成部至少基于所述延迟时间而将能够防止延迟的扩大的最大上下车时间作为容许上下车时间而进行计算,并且将所述容许上下车时间与所述车站中的上下车时间的概率分布即上下车时间分布进行对照,并将所述容许上下车时间以上的上下车时间发生的概率作为延迟增加概率而进行计算,且在所述延迟增加概率为规定的基准增加率以上的情况下,判断为需要进行所述行驶计划的修正。
当采用所涉及的结构时,由于在延迟增加率较高的情况下,被判断为需要进行行驶计划的修正,因此能够在抑制行驶计划的修正频率的同时,抑制延迟的增加。
在这种情况下,也可以采用如下方式,即,所述计划生成部基于日期时间、延迟状况、预约状况、从所述车辆被发送的与乘员相关的乘员信息、以及从被设置于所述车站上的车站终端被发送的与所述车站内的等待人员相关的等待人员信息中的至少一项而对所述上下车时间分布进行修正。
通过对上下车时间分布进行修正,从而能够提高延迟增加概率的精度。作为结果,能够在更适当的时间下对行驶计划进行修正。
在这种情况下,也可以采用如下方式,即,所述乘员信息以及所述等待人员信息包括所述乘员或者所述等待人员的数量及其属性,所述属性包括有无利用轮椅、有无利用盲杖、有无利用婴儿车、有无利用矫形器具、以及年龄段中的至少一项。
通过采用所涉及的结构,从能够进一步提高延迟增加概率的精度,由此能够在更适当的时间下对行驶计划进行修正。
此外,也可以采用如下方式,即,所述计划生成部基于所述等待人员信息而对所述车站中的每单位时间的所述等待人员的增加量进行计算,并基于所述增加量而对所述上下车时间分布进行修正。
通过采用所涉及的结构,从而能够进一步提高延迟增加概率的精度,由此能够在更适当的时间下对行驶计划进行修正。
此外,也可以采用如下方式,即,所述计划生成部基于所述延迟量的经时性变化而对是否需要进行所述行驶计划的修正进行判断。
在采用所涉及的结构的情况下,由于基于延迟量的经时性变化、进而基于延迟量的消除倾向,而判断为需要进行行驶计划的修正,因此能够在抑制行驶计划的修正频率的同时,抑制延迟的增加。
在这种情况下,也可以采用如下方式,即,所述计划生成部在从与预定的比较期间量的过去的所述延迟量中减去最近的所述延迟量而得到的值即延迟量差分为规定的差分基准以下的情况下,判断为需要进行所述行驶计划的修正。
由于在延迟量差分较小的情况下,即在延迟量几乎未减少的情况下,对行驶计划进行修正,因此能够在抑制行驶计划的修正频率的同时,抑制延迟的增加。
在这种情况下,也可以采用如下方式,即,所述计划生成部在所述延迟量小于规定的基准延迟量的情况下,判断为无需进行所述行驶计划的修正。
通过采用所涉及的结构,从而能够防止在几乎不产生延迟的情况下行驶计划被修正的情况。
此外,也可以采用如下方式,即,所述计划生成部在所述行驶计划的修正的执行后,不实施是否需要进行所述行驶计划的修正的判断,直至经过固定时间为止。
刚修正行驶计划之后,车辆相对于行驶计划的偏差较大。通过在刚执行所涉及的修正后,不实施是否需要进行修正的判断,从而能够有效地防止不必要地对行驶计划进行修正的情况。
本说明书中所公开的运行管理方法,在该方法中,针对在被设定有多个车站的规定的行驶路径上自主行驶的多台车辆的每一台而生成至少包括所述车站中的发车时间在内的行驶计划,将所生成的所述行驶计划发送至对应的车辆,取得所述车辆相对于所述行驶计划的延迟量,基于所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正。
本说明书中所公开的交通***,具备:多台车辆,其按照行驶计划而在被设定有多个车站的规定的行驶路径上自主行驶;运行管理装置,其对所述多台车辆的运行进行管理,所述运行管理装置具有:计划生成部,其针对所述多台车辆的每一台,作为所述行驶计划而生成至少包括所述车站中的发车时间在内的计划;通信装置,其将由所述计划生成部所生成的所述行驶计划发送至对应的车辆;运行监视部,其取得所述车辆相对于所述行驶计划的延迟量,所述计划生成部基于由所述运行监视部所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正。
根据在本说明书中公开的技术,能够进一步提高作为交通***的便利性。
附图说明
图1为交通***的示意图。
图2为交通***的框图。
图3为表示运行管理装置的物理结构的框图。
图4为表示在图1的交通***中所使用的行驶计划的一个示例的图。
图5为按照图4的行驶计划而进行自主行驶的各车辆的时序图。
图6为表示在发生了车辆的延迟的情况下的时间进度表的图。
图7为表示被修正后的行驶计划的一个示例的图。
图8为表示被修正后的行驶计划的另一个示例的图。
图9为表示进行是否需要行驶计划的修正的判断的最基本的流程的流程图。
图10为表示进行是否需要行驶计划的修正的判断的其他流程的流程图。
图11为表示上下车时间分布的一个示例的图。
图12为表示上下车时间分布的修正的一个示例的图。
图13为分别表示车辆的理想位置、最近的位置、以及与过去一圈量的位置的图。
图14为表示延迟恢复概率曲线的一个示例的曲线图。
图15为分别表示车辆的理想位置、以及最近的位置的图。
图16为分别表示车辆的理想位置、以及最近的位置的图。
图17为表示进行是否需要行驶计划的修正的判断的其他流程的流程图。
具体实施方式
以下,参照附图,对交通***10的结构进行说明。图1为交通***10的示意图,图2为交通***10的框图。而且,图3为表示运行管理装置12的物理结构的框图。
该交通***10为,用于沿着被预先规定的行驶路径50来输送非特定的多名使用者的***。交通***10具有能够沿着行驶路径50而自主行驶的多台车辆52A~52D。此外,在行驶路径50上,设定有多个车站54a~54d。另外,在下文中,在不对多台车辆52A~52D进行区别的情况下,将省略附加字母,而标记为“车辆52”。同样地,多个车站54a~54d在不需要进行区別的情况下,也标记为“车站54”。
车辆52在各车站54中,临时性地进行停车。使用者利用车辆52临时停车的时间,而乘车至车辆52上、或者从车辆52上下车。因此,在本示例中,各车辆52作为将非特定的多名使用者从一个车站54输送至其他车站54的公共汽车而发挥功能。运行管理装置12(在图1中,未图示,参照图2、图3)对这样的多台车辆52的运行进行管理。在本示例中,运行管理装置12以使多台车辆52成为等间隔运行的方式而对其运行进行控制。所谓等间隔运行是指,使各车站54中的车辆52的发车间隔均等这样的运行方式。因此,等间隔运行为,例如,在车站54a中的发车间隔为五分钟的情况下,其他车站54b、54c、54d中的发车间隔也成为五分钟这样的运行方式。
对于构成这样的交通***10的各个要素,更具体地进行说明。车辆52按照从运行管理装置12被提供的行驶计划80而进行自主行驶。行驶计划80为,对车辆52的行驶日程进行规定的计划。虽然在本示例中,将在下文中进行详细地说明,但是在行驶计划80中,仅规定了各车站54a~54d中的车辆52的发车时间。车辆52以能够按照在该行驶计划80中所规定的发车时间而发车的方式进行自主行驶。换而言之,在车站54与车站54之间的行驶速度、或与信号灯等处的停车、其他车辆的超车等的判断全部在车辆52侧实施。
如图2所示那样,车辆52具有自动驾驶单元56。自动驾驶单元56被大致划分为驱动单元58和自动驾驶控制器60。驱动单元58为用于使车辆52行驶的基本单元,例如包括动力机、动力传递装置、制动器装置、行驶装置、悬架装置、转向装置等。自动驾驶控制器60对该驱动单元58的驱动进行控制,从而使车辆52自主行驶。自动驾驶控制器60为,例如具有处理器和存储器的计算机。在该“计算机”中,也包含有将计算机***装入一个集成电路中的微型控制器。此外,处理器是指,广义的处理器,且是包括通用的处理器(例如,CPU:CentralProcessing Unit等)、专用的处理器(例如,GPU:Graphics Processing Unit、ASIC:Application Specific Integrated Circuit、FPGA:Field Programmable Gate Array、程控逻辑设备等)的装置。
为了能够进行自主行驶,在车辆52中进一步搭载有环境传感器62以及位置传感器66。环境传感器62为,对车辆52的周边环境进行检测的设备,例如包括摄像机、Lidar(LightDetection and Ranging:激光雷达单元)、毫米波雷达、声纳、磁性传感器等。自动驾驶控制器60基于该环境传感器62中的检测结果,而对车辆52的周边的物体的种类、与该物体之间的距离、行驶路径50上的路面显示(例如,白线等)、以及交通标识等进行检测。此外,由于位置传感器66对车辆52的当前位置进行检测,因此例如为GPS。位置传感器66中的检测结果也被发送至自动驾驶控制器60。自动驾驶控制器60基于环境传感器62以及位置传感器66的检测结果,而对车辆52的加减速以及转向进行控制。此外,位置传感器66中的检测结果,作为位置信息82而被发送至运行管理装置12。
在车辆52中,还设置有车内传感器64以及通信装置68。车内传感器64为,对车辆52的内部的状态、尤其是对乘员的数量以及属性进行检测的传感器。属性例如也可以包括有无利用轮椅、有无利用盲杖、有无利用婴儿车、有无利用矫形器具、以及年龄段中的至少一项。所涉及的车内传感器64为,例如对车内进行摄像的摄像机、对乘员的总重量进行检测的重量传感器等。由该车内传感器64检测出的信息,作为乘员信息84而被发送至运行管理装置12。
通信装置68为,与运行管理装置12进行无线通信的装置。通信装置68例如经由WiFi(注册商标)等的无线LAN、或便携式电话公司等提供服务的移动数据通信,从而能够进行互联网通信。通信装置68在从运行管理装置12接收行驶计划80的同时,将位置信息82以及乘员信息84发送至运行管理装置12。
在各车站54内,设置有车站终端70。车站终端70具有通信装置74以及车站内传感器72。车站内传感器72为,对车站54的状态、尤其是对在车站54内正在等待车辆52的等待人员的数量以及属性进行检测的传感器。车站内传感器72为,例如对车站54进行摄像的摄像机、对等待人员的总重量进行检测的重量传感器等。由该车站内传感器72检测出的信息,作为等待人员信息86而被发送至运行管理装置12。通信装置16是为了能够发送该等待人员信息86而设置的。
运行管理装置12对车辆52的运行状况进行监视,并且根据该运行状况来对车辆52的运行进行控制。该运行管理装置12为,在物理性上,如图3所示那样具有处理器22、存储装置20、输入输出设备24和通信I/F26的计算机。处理器是指,广义的处理器,且是包括通用的处理器(例如,CPU)、专用的处理器(例如,GPU、ASIC、FPGA、程控逻辑设备等)的装置。此外,存储装置20也可以包括半导体存储器(例如,RAM、ROM、固体电路驱动器等)以及磁盘(例如,硬盘驱动器等)中的至少一个。另外,虽然在图3中,将运行管理装置12作为单一的计算机而进行了图示,但是运行管理装置12也可以由被物理性分离的多个计算机构成。
运行管理装置12在功能性上,如图2所示那样具有计划生成部14、通信装置16、运行监视部18和存储装置20。计划生成部14分别针对多台车辆52而生成行驶计划80。此外,计划生成部14根据车辆52的运行状况,而对生成过一次的行驶计划80进行修正并再生成。对于该行驶计划80的生成以及修正,将在下文中进行详细叙述。
通信装置16为,用于与车辆52以及车站终端70进行无线通信的装置,例如能够利用WiFi或者移动数据通信而进行互联网通信。通信装置16在将由计划生成部14生成以及再生成的行驶计划80发送至车辆52,并且从车辆52以及车站终端70接收位置信息82、乘员信息84以及等待人员信息86。
运行监视部18基于从各车辆52被发送的位置信息82而取得车辆52的运行状况。具体而言,运行监视部18通过对照各车辆52的位置和行驶计划80,从而对车辆52相对于行驶计划80的延迟量AD进行计算。该延迟量AD为,表示延迟的程度的指标,例如,既可以为车辆52相对于目标时间的延迟时间TD,也可以为车辆52相对于目标位置的延迟距离。此外,延迟量AD既可以表示一台车辆52的延迟的程度,也可以表示多台车辆52A~52D的延迟倾向。因此,延迟量AD既可以为一台车辆52的延迟时间TD或者延迟距离,也可以为多台车辆52A~52D的延迟时间TD或者延迟距离的统计值(例如,平均值或最大值)。而且,如在下文中详细叙述的那样,延迟量AD也可以为,对多个参数(例如,延迟时间TD和最大车辆间时间TVmax)进行加权加法计算的值。总之,由该运行监视部18取得的延迟量AD被临时存储于存储装置20中。虽然计划生成部14基于该延迟量AD,而对是否需要进行行驶计划80的修正进行判断,但关于此内容将在下文中进行叙述。在存储装置20中,存储有用于多台车辆52的运行管理装置12的各种程序或数据。
接下来,对这样的运行管理装置12中的行驶计划80的生成以及修正进行详细说明。图4为,表示在图1的交通***10中所使用的行驶计划80的一个示例的图。在图1的示例中,交通***10具有四台车辆52A~52D,在行驶路径50上等间隔地配置有四个车站54a~54d。此外,在本示例中,设为各车辆52环绕行驶路径50一圈所需要的时间、即绕圈时间TC为20分钟。
在该情况下,运行管理装置12以各车站54中的车辆52的发车间隔成为绕圈时间TC除以车辆52的数量而得到的时间、即20/4=5分钟的方式来生成行驶计划80。如图4所示那样,行驶计划80仅对各车站54中的发车时间进行存储。例如,在被发送至车辆52D的行驶计划80D中,存储有该车辆52D分别在车站54a~54d中进行发车的目标时刻。
此外,行驶计划80仅对与一圈量的时间进度表进行存储,并在各车辆52到达特定车站、例如到达车站54a的时间下,从运行管理装置12被发送至车辆52。例如,车辆52C在到达车站54a的时间下(例如,6:50附近),从运行管理装置12接收与一圈量的行驶计划80C,并且在车辆52D到达了车站54a的时间下(例如,6:45附近),从运行管理装置12接收一圈量的行驶计划80D。
各车辆52按照已接收到的行驶计划80进行自主行驶。图5为,按照图4的行驶计划80而进行自主行驶的各车辆52A~52D的时序图。在图5中,横轴表示时间,纵轴表示车辆52的位置。在对各车辆52的行驶的情况进行说明之前,对于在以下的说明中所使用的各种参数的含义简单地进行说明。
在以下的说明中,将从一个车站54至下一个车站54为止的距离称为“车站间距离DT”。此外,将车辆52从在一个车站54发车之后直至在下一个车站54发车为止的时间称为“车站间所需时间TT”,并且将为了使用者的上下车而使车辆52在车站54中停车的时间称为“停车时间TS”。而且,将从在一个车站54发车之后直至到达下一个车站54为止的时间、也就是从车站间所需时间TT中减去停车时间TS之后得到的时间称为“车站间行驶时间TR”。
而且,将移动距离除以包括停车时间TS在内的移动时间而得到的值称为“规定速度VS”,将移动距离除以不包括停车时间TS在内的移动时间而得到的值称为“行驶平均速度VA”。图5的线M1的倾斜度表示行驶平均速度VA,图5的线M2的倾斜度表示规定速度VS。
按照图4的行驶计划80,车辆52A于7:00在车站54a发车之后,必须在五分钟之后的7:05在车站54b发车。车辆52A以在这五分钟的期间内,完成从车站54a至车站54b的移动、和使用者的上下车的方式来对其行驶平均速度VA进行控制。
如果具体地进行说明,则车辆52将使用者的标准的停车时间TS作为计划停车时间TSp而预先进行存储。而且,车辆52将从在行驶计划80中所设定的发车时间中减去该计划停车时间TSp而得到的时刻,作为去往下一个车站54的到达目标时刻而进行计算。例如,在计划停车时间TSp为一分钟的情况下,车辆52A去往车站54b的到达目标时刻为7:04。车辆52对其行驶速度进行控制,以便能够在以这种方式被计算出的到达目标时刻之前,到达下一个车站54。
但是,有时会因行驶路径50的堵塞状况、或者使用者数量的增加等原因,而使一部分或者全部车辆52相对于行驶计划80而发生延迟。在产生了所涉及的延迟的情况下,欲设为正在发生该延迟的车辆52通过提高行驶平均速度VA来缩短车站间行驶时间TR,或者缩短在下一个车站54中的停车时间TS,从而消除延迟。在下文中,将如上所述那样发生了延迟的车辆52通过缩短车站间行驶时间TR或者停车时间TS来消除延迟的情况称为“本车恢复”。
然而,根据输送需要或堵塞状况,有时也难以进行本车恢复。尤其是,在车站间距离DT较短的情况下,由于难以缩短车站间行驶时间TR,因此,为了消除延迟,缩短停车时间TS就变得重要。但是,当因延迟而使车间距不均衡时,有时会产生使用者集中于延迟车辆52而使停车时间TS增加,由此使延迟进一步恶化这样的恶性循环。关于该恶性循环,将参照图6来进行说明。图6为,表示在发生了车辆52A的延迟的情况下的时间进度表的图。
在图6的示例中,各车辆52在未发生延迟的通常状态下,从一个车站至下一个车站54为止移动四分钟(即TR=四分钟),在各车站54停车一分钟用于使用者的上下车(即TS=一分钟)。在此,设定为,在车辆52A到达车站54a之后,在使用者的上下车上花费时间,从而使停车时间TS成为两分钟。此时,车辆52A将在车站54a处推迟一分钟发车。
按理来讲,为了挽回这一分钟的推迟,车辆52A需要提高行驶平均速度VA来缩短车站间行驶时间TR。然而,在车站间距离DT较短的情况下,即使将行驶平均速度VA稍提高一些,也难以大幅度地缩短车站间行驶时间TR。
在图6的示例中,由于这样的理由,车辆52A将不能消除延迟的状态,而是保持推迟一分钟而到达车站54b。在此,在没有发生延迟的情况下,在各车站54中,从一台车辆发车之后直至下一个车辆52到达为止的时间(以下,称为“最大等待时间TW”)为四分钟。但是,在如图6所示那样,推迟一分钟到达车辆52A的车站54b的情况下,在车站54b中,从车辆52B发车之后直至车辆52A到达为止的最大等待时间TW将成为五分钟。此时,希望乘坐车辆52A的使用者的数量与未发生延迟时相比容易变多。而且,由于使用者数量增加,从而车站54b中的车辆52A的停车时间TS也增加,由此易于使延迟进一步扩大。然后,由于使延迟扩大,从而使下一个车站54c中的最大等待时间TW甚至使用者数量也进一步增加,由此延迟进一步扩大。
如此,当发生一次延迟时,有时会发生因该延迟而使延迟进一步扩大的恶性循环。因此,运行管理装置12通过取得各车辆52的延迟时间TD并根据该延迟时间TD的大小,从而对行驶计划80其本身进行修正并进行再生成。该行驶计划80的修正包括一部分或者全部车辆52的出发时间的变更。例如,可以使各车辆52的行驶计划80中的出发时间时刻以延迟的车辆52为基准而向后推迟。例如,当在车站54a中车辆52A的出发推迟了一分钟时,也可以以如图7所示那样,以使包括车辆52A在内的全部车辆52的出发时间推迟一分钟的方式对行驶计划80进行修正。通过设为所涉及的结构,从而能够防止最大等待时间TW逐渐增加的情况,并且能够防止使用者向一部分车辆52集中的情况。其结果为,能够防止进一步的延迟的扩大。
此外,行驶计划80的修正也可以包括车辆52的台数的变更。例如,在延迟的车辆52之前,追加新的车辆52。例如,当在车站54a中车辆52A的出发推迟了一分钟时,也可以在车辆52A与车辆52B之间追加投入新的车辆52E。在该情况下,如图8所示那样,以使在各车站54中的车辆52的发车间隔成为20/5=4分钟的方式对行驶计划80进行修正。
如此,在发生了车辆52的延迟的情况下,通过以成为等间隔行驶的方式对行驶计划80本身进行修正并进行再生成,从而能够更加可靠地维持等间隔运行。但是,当行驶计划80太过于频繁地被修正时,特意设立计划的意义将不复存在,并且会有损于使用者的稳定的输送。因此,运行管理装置12取得各车辆52的延迟量AD,并基于该延迟量AD来对是否需要进行行驶计划80的修正进行判断。以下,对由该运行管理装置12实施的是否需要进行行驶计划80的修正的判断进行详细说明。
如已叙述的那样,从各车辆52向运行管理装置12发送其位置信息82。运行监视部18基于该位置信息82,而对各车辆52的相对于行驶计划80的延迟量AD进行计算。另外,该延迟量AD的计算既可以以固定的时间间隔来实施,也可以在车辆52到达特定的位置(例如,特定的车站54)或者从特定的位置发车的时间下实施。此外,既可以同时对多台车辆52A~52D各自的延迟量AD进行计算,也可以在单独的时间下进行计算。例如,也可以每固定时间而对多台车辆52A~52D各自的延迟量AD进行计算。此外,作为其他方式,车辆52A的延迟量AD也可以在该车辆52A从车站54a发车的时间下进行计算,车辆52D的延迟量AD也可以在该车辆52D从车站54a发车的时间下进行计算。
运行管理装置12的计划生成部14基于以这种方式被计算出的延迟量AD,而对是否需要进行行驶计划80的修正进行判断。图9为,表示最基本的是否需要判断的流程的流程图。在该图9的示例中,计划生成部14在从运行监视部18接收到延迟量AD之后(S10),将该延迟量AD和被预先规定的容许延迟量ADmax进行比较(S12)。比较的结果为,当延迟量AD超过容许延迟量ADmax时(在S12中,为是),计划生成部14判断为,需要进行行驶计划80的修正(S14)。
此外,作为其他方式,也可以求取根据延迟量AD而能够扩大延迟的概率、即延迟恶化概率Q,并基于该延迟恶化概率Q来对是否需要进行行驶计划80的修正进行判断。图10为,对这种情况的判断的流程进行说明的流程图。
如图10所示那样,计划生成部14在发生了车辆52的延迟的情况下,从运行监视部18中作为延迟量AD而取得延迟时间TD(S20)。然后,计划生成部14基于该延迟时间TD,而对用于恢复该延迟的可容许的上下车时间、即容许上下车时间TEmax进行计算(S22)。容许上下车时间TEmax为,从计划停车时间TSp和缩短行驶时间ΔTR的合计值中减去目标缩短时间T*而得到的值。即,容许上下车时间TEmax可以用以下的式1来表示。
TEmax=TSp+ΔTR-T* 式1
在此,缩短行驶时间ΔTR为,通过提高行驶平均速度VA而能够缩短的车站间行驶时间TR。此外,目标缩短时间T*为,为了延迟的恢复而被期待的目标缩短时间。该目标缩短时间T*通常情况下与延迟时间TD相等。
在此,停车时间TS的缩短量ΔTS成为从计划停车时间TSp中减去上下车时间TE而得到的值、即ΔTS=TSp-TE。为了恢复延迟,需要使运行时间的缩短量即(ΔTS+ΔTR)=(TSp-TE+ΔTR)大于目标缩短时间T*。也就是说,为了消除延迟,需要满足TSp-TE+ΔTR>T*。如果整理该式,则可知TE<TSp+ΔTR-T*,容许上下车时间TEmax能够通过式1而获得。
列举具体的数值为示例来进行说明。例如,在没有发生延迟的情况下,被设定为,车辆52A的车站间行驶时间TR为四分钟,计划停车时间TSp为一分钟。而且,车辆52A在从车站54a出发的时间点下的延迟时间TD为两分钟,考虑欲将该两分钟的延迟在车辆52A行驶过路径50一圈的行驶完成之前予以消除。在该情况下,由于在行驶路径50上设置有四个车站54a~54d,因此计划停车时间TSp的合计值为1×4=4分钟。此外,通过提高行驶平均速度VA,从而将车站间行驶时间的缩短时间ΔTR设定为总计三分钟。在该情况下,容许上下车时间TEmax为,TEmax=4+3-2=5分钟,换算到每一个车站上的容许上下车时间TEmax将成为5/4=1.25分钟。该1.25分钟成为,为了消除延迟而能够容许的容许上下车时间TEmax。
如果能够计算出容许上下车时间TEmax,则计划生成部14对上下车时间TE超过该容许上下车时间TEmax的概率、也就是延迟恶化概率Q进行计算(S24)。为了计算出该延迟恶化概率Q,运行管理装置12在其存储装置20中存储了上下车时间分布90。图11为,表示上下车时间分布90的一个示例的图。
上下车时间分布90为,表示各车站54中的上下车时间TE的发生频率的分布,在图11中,横轴表示上下车时间TE,纵轴表示发生频率。这样的上下车时间分布90既可以基于实际运营交通***10时所获得的实际数据来制作,也可以基于模拟来制作。此外,上下车时间分布90也可以根据日期时间等而被适当地修正,对此在下文中进行叙述。
计划生成部14通过将被计算出的容许上下车时间TEmax和该上下车时间分布90进行对照,从而对延迟恶化概率Q进行计算。例如,设定为,容许上下车时间TEmax为图11中的Tb。在该情况下,延迟恶化概率Q能够通过被分布曲线L1包围的区域中的、成为TE≥Tb的面积(图11中墨色阴影线区域的面积)除以全区域的面积而求出。
如果能够计算出延迟恶化概率Q,则计划生成部14将该延迟恶化概率Q和预先存储的基准延迟恶化概率Qdef进行比较(S26)。基准延迟恶化概率Qdef为,可容许的延迟恶化概率Q的最大值。虽然基准延迟恶化概率Qdef的值并未被特别限定,但是也可以为例如50%以下的值、或者30%以下的值。
比较的结果为,在延迟恶化概率Q小于基准延迟恶化概率Qdef的情况下(在S26中,为否),计划生成部14判断为,车辆52能够使延迟进行本车恢复的可能性较高,从而不需要进行行驶计划80的修正。另一方面,在延迟恶化概率Q为基准延迟恶化概率Qdef以上的情况下(在S26中,为是),计划生成部14判断为,能够进行本车恢复的可能性较低,照此下去产生恶性循环的概率较高。在该情况下,计划生成部14判断为,需要进行一部分或者全部车辆52的行驶计划80的修正(S28)。如果通过计划生成部14来对行驶计划80进行修正并再生成,则通信装置16将再生成的行驶计划80分别发送至对应的车辆52。如果各车辆52接收到修正后的行驶计划80,则对其行驶速度或停车时间进行变更,以便能够满足该修正后的行驶计划80。
在此,为了高精度地计算出延迟恶化概率Q,要求上下车时间分布90是准确的。因此,为了提高上下车时间分布的精度,也可以基于日期时间、延迟状况、预约状况、从车辆52被发送的乘员信息84、以及从车站终端70被发送的等待人员信息86中的至少一个来适当地修正上下车时间分布90。图12为表示上下车时间分布90的修正的一个示例的图,虚线表示修正前的上下车时间分布90,实线表示修正后的上下车时间分布90。
在此,车辆52的使用者数量会根据日期时间而发生较大地变动。例如,在平时和节假日、通勤时间段和白天中,使用者数量较大不同,从而也使上下车时间TE较大不同。因此,也可以根据日期时间来使上下车时间分布90变化。此外,在一部分车辆52延迟而使车站54中的最大等待时间TW增加的情况下,显然地,其车站内的上下车时间TE也容易增加。因此,也可以根据延迟状况而对上下车时间分布90进行变更。此外,在交通***10接收到乘车的预约的情况下,能够根据该预约的多少来预测使用者数量、甚至在某种程度上预测上下车时间。因此,也可以根据该预约的状况,而对上下车时间分布90进行变更。
而且,也可以对使用者的人数以及属性进行检测,并根据其检测结果来修正上下车时间分布90。例如,也可以基于从车辆52被发送的乘员信息84以及从车站终端70被发送的等待人员信息86中的至少一方来修正上下车时间分布90。
在此,等待人员信息86为,与在车站54内等待车辆52的等待人员相关的信息,例如为由摄像机对车站内进行拍摄而得到的图像数据。计划生成部14对该图像数据进行解析,从而提取在车站54内进行等待的等待人员的数量。计划生成部14定期地接收该等待人员信息86,从而对等待人员的每单位时间的增加量进行计算。而且,基于所得到的增加量,从而对车辆52到达车站的时间点下的等待人员的总数进行推测。在此,等待人员越多,则上下车时间TE越易于增加。因此,计划生成部14也可以以被推测的等待人员的总数越多,则上下车时间TE越增加的方式来对上下车时间分布90进行修正。
而且,除了等待人员的人数之外,计划生成部14也可以考虑等待人员的属性来对上下车时间分布90进行修正。在此,等待人员的属性为,与各个等待人员的上下车时间TE有关系的特性,例如,包括有无利用轮椅、有无利用盲杖、有无利用矫形器具、有无利用婴儿车、以及年龄段中的至少一项。通常情况下,在正在利用轮椅、盲杖、矫形器具、婴儿车的等待人员的情况下,与不利用上述设备的等待人员相比,上下车所需的时间会变长。此外,婴幼儿以及高龄者,与其他年龄段的等待人员相比上下车所需的时间会变长。因此,也可以根据这种属性来对车站54的等待人员的上下车时间进行推测,并基于该推测结果来修正上下车时间分布90。另外,这种属性可以通过利用公知的图像识别技术而对所获得的图像数据进行识别的方式来提取。
例如,在这种情况下,计划生成部14预先针对每种属性而设定上下车成本。对于上下车成本而言,例如上下车所需的时间越长属性越高。此外,计划生成部14通过对作为等待人员信息86而被发送的车站54的图像数据进行解析,从而提取等待人员的人数以及属性。然后,在基于所提取的属性而对等待人员每个人的上下车成本进行计算的基础上,对其上下车成本进行合算。该合算值成为在其车站整体中的上下车成本。计划生成部14也可以以在该车站整体中的上下车成本越高越增加上下车时间TE的方式来对上下车时间分布90进行修正。
此外,乘员信息84为,与车辆52的乘员相关的信息,例如为由车内摄像机对车内进行拍摄而得到的图像数据。和等待人员信息86一样,计划生成部14也对作为该乘员信息84而发挥功能的图像数据进行解析,从而提取正乘坐于车辆52内的乘员的数量、或者乘员的数量以及属性。而且,也可以以乘员的人数越多、或者乘员的上下车成本越高则越增加上下车时间TE的方式来对上下车时间分布90进行修正。
如此,由于根据日期时间与延迟状况等的随时发生变化的状况而对上下车时间分布90进行修正,因此能够提高上下车时间分布90的精度,进而能够提高延迟恶化概率Q的精度。而且,由此,能够在更加适当的时间下对行驶计划80进行修正。
接下来,对是否需要进行行驶计划80的修正进行判断的其他方式进行说明。在本示例中,计划生成部14基于伴随着时间经过的延迟量AD的增减倾向,而对是否需要行驶计划80的修正进行判断。对此,参照图13来进行说明。在图13中,薄墨部分表示车辆52的理想位置,实线表示最近的车辆52的位置,虚线表示过去一周量的车辆52的位置。
如至此为止所说明的那样,在车辆52相对于行驶计划80而发生了延迟的情况下,各车辆52实施行驶平均速度VA的提高、以及停车时间TS的缩短中的至少一方,从而实现延迟的消除。这种对策的结果为,在能够对延迟进行本车恢复的情况下,无需进行行驶计划80的修正。另一方面,在无法对延迟进行本车恢复的情况下,则需要进行行驶计划80的修正。
在此,如果在时间经过的同时延迟量AD降低了,则能够进行本车恢复的可能性较高。因此,在本示例中,取得随着时间经过的延迟量AD的增减倾向,并基于该增减倾向而对是否需要进行行驶计划80的修正进行判断。具体而言,计划生成部14将由运行监视部18计算出的延迟量AD以与其取得时间相关联的方式而存储在存储装置20中。而且,计划生成部14将从规定的比较期间量的过去的延迟量AD[n-1]中减去最近的延迟量AD[n]而得到的值作为延迟量差分ΔAD而进行计算。即,实施ΔAD=AD[n-1]-AD[n]的运算。
在此,“比较期间”只要是能够看到延迟的消除倾向的程度的期间即可,并未被特别限定。但是,通常情况下,在车站54内的停车时间TS的缩短对于消除延迟有较大贡献。因此,“比较期间”也可以设定为包括车辆52内的、车站54内的停车或发车活动在内的期间。因此,比较期间例如既可以为行驶多个车站量的距离的期间,也可以为在行驶路径50上行驶N圈量的期间。在以下的说明中,作为“比较期间”而设定了在行驶路径50上行驶一圈量的期间。在该情况下,与图13中的最近的车辆52(实线)和过去的车辆52(虚线)之间的差分距离相对应的延迟量AD成为延迟量差分ΔAD。
如果获得了延迟量差分ΔAD,则计划生成部对该延迟量差分ΔAD和被预先规定的差分基准ΔADdef进行比较。比较的结果为,当延迟量差分ΔAD超过差分基准ΔADdef时,延迟量AD在时间经过的同时降低,从而能够判断为,延迟处于被改善的倾向。因此,当ΔAD>ΔADdef时,计划生成部14判断为,无需进行行驶计划80的修正。
另一方面,当延迟量差分ΔAD为差分基准ΔADdef以下时,能够判断为,即使时间经过也无法充分地改善延迟,或者随着时间的经过延迟而恶化。因此,当ΔAD≤ΔADdef时,计划生成部14判断为,需要进行一部分或者全部车辆52的行驶计划80的修正,以便能够改善该延迟。
例如,在图13的示例中,车辆52B与过去一圈(虚线)相比,最近(实线)一方的延迟量AD较小,ΔAD较大。在该情况下,由于车辆52B能够对延迟进行本车恢复的可能性较高,因此无需进行行驶计划80的修正。另一方面,车辆52A与过去一圈(虚线)相比,最近(实线)一方的延迟量AD较大,ΔAD的值为负。在该情况下,由于车辆52A能够对延迟进行本车恢复的可能性较低,因此对行驶计划80进行修正。而且,如此,通过基于随着时间的经过的延迟量AD的增减倾向而对是否需要进行行驶计划80的修正进行判断,从而能够在更加适当的时间下对行驶计划80进行修正。
但是,延迟量差分ΔAD的值不仅在延迟持续以及扩大的情况下,而且在原本未发生延迟的情况下,也取较小的值。例如,如图13中的车辆52C那样,当在最近以及过去一周量中的任意一个情况下,距离行驶计划80的延迟均较少时,延迟量差分ΔAD有可能小于差分基准ΔADdef。但是,显然,图13中的车辆52C无需进行行驶计划80的修正。因此,为了防止尽管没有发生延迟,但是被误判断为需要进行行驶计划80的修正的情况,延迟量差分ΔAD的计算仅在持续了固定程度以上的延迟的情况下执行。
如果更具体地进行说明,则计划生成部14在从运行监视部18取得延迟量AD的情况下,对该延迟量AD、和预先规定的基准延迟量ADdef进行比较。比较的结果为,在延迟量AD小于基准延迟量ADdef的情况下,计划生成部14判断为未发生延迟,并就此结束处理。另一方面,当延迟量为基准延迟量ADdef以上时,计划生成部14在将所获得的延迟量AD以与其取得时间相关联的方式而存储于存储装置20之后,实施延迟量差分ΔAD等的计算。
在此,成为延迟产生的判断基准的基准延迟量ADdef的值并未被特别限定,只需根据交通***10的请求规格、过去的实绩等来设定即可。例如,也可以从交通***10的过去的运行数据中取得延迟量AD(例如,延迟时间TD)和延迟恢复概率的相互关系,并基于该相互关系来决定基准延迟量ADdef。对此,参照图14来进行说明。
图14为表示延迟恢复概率曲线L2的一个示例的曲线图,横轴表示延迟量AD,纵轴表示延迟恢复概率。该延迟恢复概率曲线L2能够通过对过去的运行数据进行分析并针对每个延迟量AD而对能够对延迟进行本车恢复的概率进行计算的方式而制作。另外,延迟“恢复”的含义是,在发生了延迟之后,能够在规定的容许时间内,将延迟量AD降低至容许误差以内的意思。
基准延迟量Addef也可以基于该延迟恢复概率曲线L2而被决定。例如,也可以根据延迟恢复概率曲线L2来对延迟恢复概率成为预定的值(例如“50%”等)的延迟量AD进行特别指定,并将该延迟量AD设定为基准延迟量ADdef。另外,在该情况下,预定的值也可以为30%~60%的范围的数值。此外,作为其他方式,也可以如图14所示那样,对延迟恢复概率曲线L2的拐点Pi进行特别指定,并且将与该拐点Pi相对应的延迟量AD设定为基准延迟量ADdef。
另外,在此,进行处理的延迟量AD既可以为表示一台车辆52的延迟的程度的量,也可以为表示多台车辆52A~52D整体中的延迟的程度的量。因此,延迟量AD也可以为一台车辆52的延迟时间TD或延迟距离。此外,作为其他方式,延迟量AD也可以为多台车辆52A~52D的延迟时间TD或者延迟距离的平均值或最大值。而且,延迟量AD也可以为对多个参数进行加权加法计算而得到的值。例如,延迟量AD也可以为对多台车辆52的延迟时间的平均值TDave和最大车辆间时间TVmax进行加权加法计算而得到的值。在此,最大车辆间时间TVmax是指,多台车辆52的车辆间这之中的、与成为最大的车辆间距离相对应的时间,且为最大车辆间距离DVmax除以车辆52的行驶平均速度VA或者规定速度VS而得到的值。在图15的示例中,与车辆52A和车辆52B的车辆间距离相对应的时间为,最大车辆间时间TVmax。也可以将以预定的比率对该最大车辆间时间TVmax和延迟时间的平均值TDave进行加权加法运算而得到的值,作为延迟量AD来使用。即,运行监视部18也可以根据式2而对延迟量AD进行计算。另外,式2中的A为,超过0且小于1系数。
AD=A×TVmax+(1-A)×TDave 式2
如此,通过根据延迟时间的平均值TDave、和最大车辆间时间Tvmax来对延迟量AD进行计算,从而能够更可靠地检测出本车恢复困难的延迟。即,如图16所示那样,在全部车辆52A~52D较大延迟的情况下,延迟时间的平均值TDave也较大。在该情况下,即使将平均值Tdave直接作为延迟量AD来使用,也没有问题。另一方面,如图15所示那样,在仅一部分车辆52(在图示的示例中为车辆52A)发生了较大地延迟的情况下,平均值Tdave也不一定变大。因此,在将平均值Tdave直接作为延迟量来使用的情况下,有可能无法将图15的状态判断为正在发生延迟。另一方面,如上文所述那样,在将对平均值TDave和最大车辆间时间TVmax进行加权加法计算而得到的值作为延迟量AD来使用的情况下,能够将图15的状态作为延迟状态来进行检测。作为结果,能够在必要的时间下,进行是否需要进行行驶计划80的修正的判断。
接下来,参照图17来对是否需要进行行驶计划80的修正的判断的流程进行说明。在进行是否需要修正的判断的情况下,计划生成部14首先执行初始化处理(S40)。具体而言,计划生成部14将参数n设定为1。此外,在存储装置20中存储有延迟量AD[n]、延迟量AD[n-1]的情况下,将其删除。
接下来,计划生成部14从运行监视部18取得延迟量AD(S42)。如果能够取得延迟量AD,则计划生成部14对被预先规定的基准延迟量ADdef和延迟量AD进行比较(S44)。比较的结果为,当AD<ADdef时(在S44中,为否),计划生成部14判断为没有发生延迟,从而返回值S40。另一方面,当AD≥ADdef时(在S44中,为是),计划生成部14将当前的延迟量AD作为AD[n]而暂时性地存储在存储装置20中(S46)。
接下来,计划生成部14对在存储装置20中是否存储有过去的延迟量、也就是AD[n-1]进行确认(S48)。确认的结果为,当未存储有AD[n-1]时(在S48中,为否),能够判断为,当前是刚发生延迟之后。在该情况下,计划生成部14在使参数n递增之后(S54),返回至步骤S42。
另一方面,在存储有AD[n-1]的情况下(在S48中,为是),计划生成部14从过去的延迟量AD[n-1]中减去最近的延迟量AD[n],从而计算出延迟量差分ΔAD(S50)。然后,对该延迟量差分ΔAD和差分基准ΔADdef进行比较(S52)。比较的结果为,当ΔAD>ΔADdef时(在S52中,为否),随着时间的经过延迟量AD逐渐減少,在该状态下能够判断为,能够进行本车恢复的可能性较高。因此,在这种情况下,计划生成部14在使参数n递增之后(S54),在不实施行驶计划80的修正的条件下,返回值步骤S42。
另一方面,当ΔAD≤ΔADdef时(在S52中,为是),即使时间经过延迟量AD也几乎不发生变化、或者延迟量AD正在逐渐增加,在该状态下能够判断为,能够进行本车恢复的可能性较低。因此,在这种情况下,计划生成部14判断为,需要进行一部分或者全部车辆52的行驶计划80的修正,以便能够使延迟提前恢复(S56)。而且,如根据至此为止的说明所明确的那样,根据本示例,由于通过观察延迟的恢复倾向来对是否需要进行行驶计划80的修正进行判断,因此能够在更适当的时间下对行驶计划80进行修正。
但是,在刚对行驶计划80进行修正之后,各车辆52相对于行驶计划80的延迟量AD变大的情况较多。在所涉及的情况下,当适用图9、图10、图17的流程时,有可能会不必要地频繁地修正行驶计划80。因此,也可以采用如下方式,即,在对行驶计划80进行了修正的情况下,判断为,在此后的固定期间的时间内无需进行行驶计划80的修正。
符号说明
10、交通***;12、运行管理装置;14、计划生成部;16、通信装置;18、运行监视部;20、存储装置;22、处理器;24、输入输出设备;26、通信I/F;50、行驶路径;52、车辆;54、车站;56、自动驾驶单元;58、驱动单元;60、自动驾驶控制器;62、环境传感器;64、车内传感器;66、位置传感器;68、通信装置;70、车站终端;72、车站内传感器;74、通信装置;80、行驶计划;82、位置信息;84、乘员信息;86、等待人员信息;90、上下车时间分布。
Claims (10)
1.一种车辆的运行管理装置,其特征在于,具备:
计划生成部,其针对在被设定有多个车站的规定的行驶路径上自主行驶的多台车辆的每一台而生成至少包括所述车站中的发车时间在内的行驶计划;
通信装置,其将由所述计划生成部所生成的所述行驶计划发送至对应的车辆;
运行监视部,其取得所述车辆相对于所述行驶计划的延迟量,
所述计划生成部基于由所述运行监视部所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正,
所述运行监视部取得所述车辆相对于所述行驶计划的延迟时间以作为所述延迟量,
所述计划生成部至少基于所述延迟时间而将能够防止延迟的扩大的最大上下车时间作为容许上下车时间而进行计算,并且将所述容许上下车时间与所述车站中的上下车时间的概率分布即上下车时间分布进行对照,并将所述容许上下车时间以上的上下车时间发生的概率作为延迟增加概率而进行计算,且在所述延迟增加概率为规定的基准增加率以上的情况下,判断为需要进行所述行驶计划的修正。
2.如权利要求1所述的运行管理装置,其特征在于,其中,
所述计划生成部基于日期时间、延迟状况、预约状况、从所述车辆被发送的与乘员相关的乘员信息、以及从被设置于所述车站上的车站终端被发送的与所述车站内的等待人员相关的等待人员信息中的至少一项而对所述上下车时间分布进行修正。
3.如权利要求2所述的运行管理装置,其特征在于,其中,
所述乘员信息以及所述等待人员信息包括所述乘员或者所述等待人员的数量及其属性,
所述属性包括有无利用轮椅、有无利用盲杖、有无利用婴儿车、有无利用矫形器具、以及年龄段中的至少一项。
4.如权利要求2或3所述的运行管理装置,其特征在于,其中,
所述计划生成部基于所述等待人员信息而对所述车站中的每单位时间的所述等待人员的增加量进行计算,并基于所述增加量而对所述上下车时间分布进行修正。
5.如权利要求1所述的运行管理装置,其特征在于,其中,
所述计划生成部基于所述延迟量的经时性变化而对是否需要进行所述行驶计划的修正进行判断。
6.如权利要求5所述的运行管理装置,其特征在于,其中,
所述计划生成部在从与预定的比较期间量的过去的所述延迟量中减去最近的所述延迟量而得到的值即延迟量差分为规定的差分基准以下的情况下,判断为需要进行所述行驶计划的修正。
7.如权利要求6所述的运行管理装置,其特征在于,其中,
所述计划生成部在所述延迟量小于规定的基准延迟量的情况下,不实施是否需要进行所述行驶计划的修正的判断。
8.如权利要求1至3、5至7中的任意一项所述的运行管理装置,其特征在于,其中,
所述计划生成部在所述行驶计划的修正的执行后,判断为无需进行所述行驶计划的修正,直至经过固定时间为止。
9.一种车辆的运行管理方法,在该方法中,
针对在被设定有多个车站的规定的行驶路径上自主行驶的多台车辆的每一台而生成至少包括所述车站中的发车时间在内的行驶计划,
将所生成的所述行驶计划发送至对应的车辆,
取得所述车辆相对于所述行驶计划的延迟量,
基于所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正,
取得所述车辆相对于所述行驶计划的延迟时间以作为所述延迟量,
至少基于所述延迟时间而将能够防止延迟的扩大的最大上下车时间作为容许上下车时间而进行计算,并且将所述容许上下车时间与所述车站中的上下车时间的概率分布即上下车时间分布进行对照,并将所述容许上下车时间以上的上下车时间发生的概率作为延迟增加概率而进行计算,且在所述延迟增加概率为规定的基准增加率以上的情况下,判断为需要进行所述行驶计划的修正。
10.一种交通***,其特征在于,具备:
多台车辆,其按照行驶计划而在被设定有多个车站的规定的行驶路径上自主行驶;
运行管理装置,其对所述多台车辆的运行进行管理,
所述运行管理装置具有:
计划生成部,其针对所述多台车辆的每一台,作为所述行驶计划而生成至少包括所述车站中的发车时间在内的计划;
通信装置,其将由所述计划生成部所生成的所述行驶计划发送至对应的车辆;
运行监视部,其取得所述车辆相对于所述行驶计划的延迟量,
所述计划生成部基于由所述运行监视部所取得的所述延迟量而对是否需要进行所述行驶计划的修正进行判断,并在需要进行所述修正的情况下,对所述行驶计划进行修正,
所述运行监视部取得所述车辆相对于所述行驶计划的延迟时间以作为所述延迟量,
所述计划生成部至少基于所述延迟时间而将能够防止延迟的扩大的最大上下车时间作为容许上下车时间而进行计算,并且将所述容许上下车时间与所述车站中的上下车时间的概率分布即上下车时间分布进行对照,并将所述容许上下车时间以上的上下车时间发生的概率作为延迟增加概率而进行计算,且在所述延迟增加概率为规定的基准增加率以上的情况下,判断为需要进行所述行驶计划的修正。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-066600 | 2020-04-02 | ||
JP2020066600A JP7343437B2 (ja) | 2020-04-02 | 2020-04-02 | 車両の運行管理装置、運行管理方法、および、交通システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496606A CN113496606A (zh) | 2021-10-12 |
CN113496606B true CN113496606B (zh) | 2023-04-25 |
Family
ID=77921532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110339133.1A Active CN113496606B (zh) | 2020-04-02 | 2021-03-30 | 车辆的运行管理装置、运行管理方法、以及交通*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US11709060B2 (zh) |
JP (1) | JP7343437B2 (zh) |
CN (1) | CN113496606B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019209481A1 (de) * | 2019-06-28 | 2020-12-31 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm und Vorrichtung zum Bestimmen eines Fahrzeugabstands für einen Beobachtungszeitraum |
CN115688949B (zh) * | 2022-10-24 | 2023-11-03 | 深圳市滨能电气科技有限公司 | 一种自动驾驶车辆预约乘坐方法及*** |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL108549A (en) * | 1994-02-03 | 1998-08-16 | Zelinkovsky Reuven | Transport system |
JP2000264210A (ja) | 1999-03-12 | 2000-09-26 | Toshiba Corp | 車両交通システム |
JP2002150493A (ja) * | 2000-11-14 | 2002-05-24 | Shigeo Kaneda | 情報送出システム、情報送出方法、及び情報送出プログラムを格納した記憶媒体 |
JP2002205648A (ja) * | 2001-01-11 | 2002-07-23 | Toshiba Corp | 車両運行システムおよび車両運行方法 |
US9008933B2 (en) * | 2011-05-09 | 2015-04-14 | General Electric Company | Off-board scheduling system and method for adjusting a movement plan of a transportation network |
US9235991B2 (en) * | 2011-12-06 | 2016-01-12 | General Electric Company | Transportation network scheduling system and method |
US20130144467A1 (en) * | 2011-12-06 | 2013-06-06 | Joel Kickbusch | Transportation network scheduling system and method |
DE112013001597T5 (de) * | 2012-03-22 | 2014-12-11 | Israel Aerospace Industries Ltd. | Planung und Überwachung von Autonomen-Mission |
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 |
EP2733560A1 (en) * | 2012-11-19 | 2014-05-21 | The Boeing Company | Autonomous mission management |
CN103236131B (zh) * | 2013-04-03 | 2015-02-04 | 广州亿连达电子科技有限公司 | 公交车违规自动报警方法及装置 |
JP6062790B2 (ja) * | 2013-04-19 | 2017-01-18 | 株式会社日立製作所 | ダイヤ修正案生成システム、ダイヤ修正案生成方法、およびダイヤ修正案生成プログラム |
JP2015003625A (ja) * | 2013-06-21 | 2015-01-08 | 公益財団法人鉄道総合技術研究所 | プログラム及び列車ダイヤ評価支援装置 |
US10532755B2 (en) * | 2014-03-27 | 2020-01-14 | Ge Global Sourcing Llc | Control system and method for a transportation network |
US10458801B2 (en) * | 2014-05-06 | 2019-10-29 | Uber Technologies, Inc. | Systems and methods for travel planning that calls for at least one transportation vehicle unit |
CN104575059B (zh) | 2014-08-19 | 2016-09-14 | 北京易华录信息技术股份有限公司 | 一种能引导brt按照时刻表精准运行的方法及*** |
JP6406141B2 (ja) * | 2015-06-30 | 2018-10-17 | トヨタ自動車株式会社 | 車両走行制御装置 |
CN105070037B (zh) * | 2015-07-15 | 2018-07-20 | 国家电网公司 | 一种综合管理播报的公共交通信息平台及运行控制方法 |
EP3151174A1 (en) * | 2015-10-02 | 2017-04-05 | NEC Europe Ltd. | Public transportation system and method for establishing and deploying schedules in such system |
JP6273656B2 (ja) * | 2016-03-28 | 2018-02-07 | パナソニックIpマネジメント株式会社 | デマンド型運行管理システムの制御方法及びデマンド型運行管理システム |
US10320923B2 (en) * | 2016-09-01 | 2019-06-11 | Cisco Technology, Inc. | Predictive resource preparation and handoff for vehicle-to-infrastructure systems |
JP6385416B2 (ja) * | 2016-12-19 | 2018-09-05 | 英幸 山本 | 旅行計画システム、旅行計画方法、及びプログラム |
CN109426930B (zh) * | 2017-08-25 | 2023-07-18 | 株式会社日立制作所 | 物流车辆的运输延迟预测***及方法 |
JP2018018533A (ja) * | 2017-09-13 | 2018-02-01 | 公立大学法人公立はこだて未来大学 | 車両運行管理システム、端末装置、制御装置、および車両運行管理方法 |
JP6958243B2 (ja) * | 2017-11-01 | 2021-11-02 | トヨタ自動車株式会社 | 自動運転車両 |
JP7027832B2 (ja) * | 2017-11-17 | 2022-03-02 | 株式会社アイシン | 運行管理システムおよび運行管理プログラム |
US20190286151A1 (en) * | 2018-03-14 | 2019-09-19 | GM Global Technology Operations LLC | Automated driving systems and control logic for cloud-based scenario planning of autonomous vehicles |
JP7204739B2 (ja) * | 2018-03-30 | 2023-01-16 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、移動装置、および方法、並びにプログラム |
JP7110947B2 (ja) * | 2018-11-29 | 2022-08-02 | トヨタ自動車株式会社 | 車両及び乗客輸送システム |
US11067400B2 (en) * | 2018-11-29 | 2021-07-20 | International Business Machines Corporation | Request and provide assistance to avoid trip interruption |
WO2020116264A1 (ja) * | 2018-12-06 | 2020-06-11 | 日立オートモティブシステムズ株式会社 | 車両の走行支援方法、車両走行支援装置及び自動運転システム |
CN109584600B (zh) * | 2018-12-21 | 2021-08-03 | 南通大学 | 应用于无人驾驶公交车的时刻表可靠性的自动化控制方法 |
US20210262811A1 (en) * | 2020-02-25 | 2021-08-26 | At&T Intellectual Property I, L.P. | Apparatuses and methods for enhancing navigation |
-
2020
- 2020-04-02 JP JP2020066600A patent/JP7343437B2/ja active Active
-
2021
- 2021-03-29 US US17/215,480 patent/US11709060B2/en active Active
- 2021-03-30 CN CN202110339133.1A patent/CN113496606B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113496606A (zh) | 2021-10-12 |
US20210310816A1 (en) | 2021-10-07 |
JP2021163361A (ja) | 2021-10-11 |
US11709060B2 (en) | 2023-07-25 |
JP7343437B2 (ja) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113496606B (zh) | 车辆的运行管理装置、运行管理方法、以及交通*** | |
CN113496346B (zh) | 运行管理装置、运行管理方法以及交通*** | |
US20200326719A1 (en) | Autonomous decisions in traffic situations with planning control | |
US11945342B2 (en) | Autonomous seat adjustment in a vehicle | |
CN113496604B (zh) | 运行管理装置、运行管理方法、以及交通*** | |
CN113496609B (zh) | 交通***、运行管理装置、以及运行管理方法 | |
CN112208522A (zh) | 用于控制车辆的驾驶的设备和方法 | |
JP2020021453A (ja) | 情報処理方法、情報処理装置及び情報処理システム | |
CN113496607B (zh) | 运行管理装置、运行管理方法以及交通*** | |
CN113492881B (zh) | 自动驾驶车辆及其控制方法 | |
CN111862679B (zh) | 客运交通工具的意图确定 | |
CN113496590B (zh) | 交通***、运行管理装置以及运行管理方法 | |
CN113034962A (zh) | 信息处理装置、运行管理***以及非暂时性存储介质 | |
US20210311499A1 (en) | Operation management apparatus of vehicle, method of managing operation, and transportation system | |
CN113496611B (zh) | 车辆的运行管理装置、运行管理方法以及交通*** | |
Hermawati et al. | Trajectory Prediction Using Kalman Filter Method As Collision Risk Assessment On Autonomous Tram | |
JP2022091271A (ja) | 降車地点案内システム | |
CN113496610A (zh) | 自主行驶车辆的运行管理装置以及自主行驶车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |