JP2005149095A - 利用交通機関の推定方法及び利用交通機関推定プログラム - Google Patents
利用交通機関の推定方法及び利用交通機関推定プログラム Download PDFInfo
- Publication number
- JP2005149095A JP2005149095A JP2003385179A JP2003385179A JP2005149095A JP 2005149095 A JP2005149095 A JP 2005149095A JP 2003385179 A JP2003385179 A JP 2003385179A JP 2003385179 A JP2003385179 A JP 2003385179A JP 2005149095 A JP2005149095 A JP 2005149095A
- Authority
- JP
- Japan
- Prior art keywords
- train
- time
- transportation
- plan
- data
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims description 93
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000010006 flight Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims description 2
- 101100524751 Arabidopsis thaliana PYRR gene Proteins 0.000 description 11
- 101150101545 PHS1 gene Proteins 0.000 description 11
- 102100038277 Prostaglandin G/H synthase 1 Human genes 0.000 description 7
- 108050003243 Prostaglandin G/H synthase 1 Proteins 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000032258 transport Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】利用交通機関の推定方法において、被験者が利用した交通機関を、電車等の列車番号又はバス等の便名や、快速・普通等の種別も含めて推定することができるようにして、高度な交通計画のための基礎情報を得る。
【解決手段】PHSを用いて測定した各時刻における測定点データと、調査対象となる交通機関の運行計画データと、交通機関の軌道位置データとに基づいて(S1、S2及びS4)、被験者が何時に何処を通過したかという時空間上の軌跡(測定点軌跡)と計画面とを求めて(S3)、これらの距離の各列車毎又は各号毎の平均距離に基づいて(S5、S6)、被験者が利用した交通機関を推定する(S7乃至S10)。これにより、被験者が利用した交通機関を、列車番号等を含めて推定することができる。
【選択図】図3
【解決手段】PHSを用いて測定した各時刻における測定点データと、調査対象となる交通機関の運行計画データと、交通機関の軌道位置データとに基づいて(S1、S2及びS4)、被験者が何時に何処を通過したかという時空間上の軌跡(測定点軌跡)と計画面とを求めて(S3)、これらの距離の各列車毎又は各号毎の平均距離に基づいて(S5、S6)、被験者が利用した交通機関を推定する(S7乃至S10)。これにより、被験者が利用した交通機関を、列車番号等を含めて推定することができる。
【選択図】図3
Description
本発明は、PHS(Personal Handyphone System)、GPS(Global Positioning System)等の自機が存在する位置の緯度経度を断続的に測定する位置測定機器から出力された緯度経度情報に基づいて、位置測定機器の所持者が利用した交通機関を推定する技術に関する。
従来より、交通計画の立案を行う際に重要なのは、交通機関の利用者がどのように交通機関を利用しているかを知ることである。同一の人間がある地点から別の地点まで移動する際にどのような経路や交通機関を選択したかを調べる調査は、パーソントリップ調査と呼ばれ、この結果は将来の都市交通網の運用や整備を考える際の重要な基礎データとなっている。
PHS等の位置測定装置は、パーソントリップ調査を初めとした交通調査を行う際に有効なツールとして最近注目されている。これまで、交通調査は被験者の記憶にたよるアンケート調査に拠っていたが、アンケート調査では詳細な行動を調べることは事実上不可能である。何故なら、アンケート調査には、被験者の記憶違いや記入漏れがつきものであるため、被験者の行動を正確に把握することが困難だからである。また、アンケート調査で詳細な行動を調べるためには、質問項目を増やさなければならないので、被験者の手間や、アンケート結果の解析に必要な手間が増加するという問題がある。これに対して、PHS等の位置測定装置は、自動的に被験者の位置する緯度経度の情報を収集するため、位置測定装置を被験者に所持させることにより、被験者に負担をかけることなく、交通調査に必要な詳細な被験者の移動データ(被験者の位置測定データの集合)を取得することができる。
一方、上記の位置測定データから得られる情報は、あくまでも「緯度と経度」である。このため、これらの情報から意味のある交通データを得るには、何らかのアルゴリズムによって、被験者の位置測定データからなる物理的軌跡に意味を与える必要がある。
そこで、被験者が所持する位置測定機器によって得られた緯度経度情報(位置情報)を用いて、その被験者がどの経路を選択したかを推定する装置がある(例えば、特許文献1及び2参照)。この装置は、被験者の選択した経路を決定する際に、被験者が所持する位置測定機器によって得られた緯度経度情報からなる「空間上の軌跡」と地理データに含まれる道路、鉄道等の交通網とを比較して、最も確からしい経路を計算することによりその被験者の選択した経路を推定する。
しかしながら、上記特許文献1及び2に示される方法では、位置測定機器によって得られた緯度経度情報からなる「空間上の軌跡」の情報のみを用いて推定を行っていたため、被験者が選択した経路を推定することはできても、被験者が交通機関のどのサービス(バス等の便名、電車等の列車番号、列車種別等)を用いたかを推定することができず、また、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することができないという問題があった。
特許第3276945号公報(第1−4頁、図1−9)
特許第3330909号公報(第1−6頁、図1−13)
本発明は、上記の問題を解決するためになされたものであり、位置測定機器の所持者(被験者)が利用した交通機関を、電車等の列車番号又はバス等の便名や、快速・普通等の種別も含めて推定することができるようにして、高度な交通計画のための基礎情報を得ることができ、また、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することが可能な利用交通機関の推定方法及び利用交通機関推定プログラムを提供することを目的とする。
上記目的を達成するために請求項1の発明は、PHS等の自機が存在する位置の緯度経度を断続的に測定する位置測定機器から出力された緯度経度情報に基づいて、位置測定機器の所持者が調査対象となる交通機関のうちのどの交通機関を利用したかを推定する方法において、位置測定機器から出力された各時刻における緯度経度情報と、これらの各緯度経度情報に対応した時刻の情報と、調査対象となる交通機関の運行計画のデータと、交通機関の軌道位置のデータとに基づいて、位置測定機器の所持者が利用した交通機関を、電車等の列車番号又はバス等の便名(以下、列車番号等という)を含めて推定するようにしたものである。
上記構成においては、位置測定機器から出力された各時刻における緯度経度情報とこれに対応した時刻の情報とに基づいて、位置測定機器の所持者(被験者)が何時に何処を通過したかという時空間上の軌跡を求め、また、調査対象となる交通機関の運行計画のデータと軌道位置のデータとに基づいて、該当交通機関における各列車又は各便(以下、各列車等という)の予定の時空間上の軌跡を求めることができる。そして、上記の被験者の時空間上の軌跡と各列車等の予定の時空間上の軌跡とを比較することにより、被験者が利用した交通機関を、列車番号等を含めて推定する。これにより、被験者の異なる種別の列車又は便(以下、列車等という)への乗り継ぎ行動を含めて、被験者が利用した交通機関に関する詳細な情報を得ることができる。
また、交通機関の運行計画のデータと軌道位置のデータとに基づいて、各駅における出発時刻からその次の駅における出発時刻の間に、該当の交通機関の各列車等が位置する予定の時空間上の範囲である計画面を駅間毎に作成し、位置測定機器から出力された各時刻における緯度経度情報と、各緯度経度情報に対応した時刻の情報とを時空間上にプロットして各時刻における測定点を求めて、各計画面と、各測定点のうちで該当の計画面と時間的に対応した各測定点との間の距離を求めて、これらの距離の各列車毎又は各号毎の平均距離に基づいて、位置測定機器の所持者が利用した交通機関を推定するようにすることが望ましい。一般に、時刻表等の交通機関の運行計画のデータに基づいて、各列車等が位置する予定の時空間上の軌跡を正確に把握することは難しいため、上記のように、この各列車等が位置する予定の時空間上の軌跡(計画線)を、各駅における出発時刻からその次の駅における出発時刻の間に、各列車等が位置する予定の時空間上の範囲である計画面に置き換えた上で、各計画面と、各測定点のうちで該当の計画面に時間的に対応した各測定点との間の平均距離を各列車毎又は各号毎に算出する。これにより、被験者が利用した交通機関を簡単に推定することができる。
また、位置測定機器の所持者が利用した交通機関の列車番号等を推定する際に、この所持者が同時に利用することが物理的に不可能な列車又は便(以下、列車等という)を排除した上で列車番号等を推定することが望ましい。これにより、被験者が利用した列車番号等を正確に推定することができる。
また、請求項4の発明は、PHS等の位置測定機器の所持者が調査対象となる交通機関のうちのどの交通機関を利用したかを推定するために、コンピュータを、位置測定機器から出力された各時刻における緯度経度情報を受信する受信手段と、調査対象となる交通機関の運行計画のデータ、及び交通機関の軌道位置のデータを入力する入力手段と、受信手段により受信された緯度経度情報と、これらの緯度経度情報に対応した時刻の情報と、入力手段により入力された調査対象となる交通機関の運行計画のデータ及び軌道位置のデータとを記憶する記憶手段と、記憶手段に記憶された緯度経度情報と時刻の情報と運行計画のデータと軌道位置のデータとに基づいて、位置測定機器の所持者が利用した交通機関を、列車番号を含めて推定する推定手段として機能させるための利用交通機関推定プログラムである。
この利用交通機関推定プログラムをコンピュータで使用することにより、記憶手段に記憶された緯度経度情報と時刻の情報と運行計画のデータと軌道位置のデータとに基づいて、位置測定機器の所持者が利用した交通機関を、列車番号を含めて推定することができる。これにより、被験者が利用した交通機関に関する詳細な情報を得ることができる。
また、推定手段は、記憶手段に記憶された調査対象となる交通機関の運行計画のデータ及び軌道位置のデータに基づいて、各駅における出発時刻からその次の駅における出発時刻の間に、該当の交通機関の各列車等が位置する予定の時空間上の範囲である計画面を駅間毎に作成する計画面作成手段と、記憶手段に記憶された位置測定機器の緯度経度情報と時刻の情報とを時空間上にプロットして各時刻における測定点を求める測定点算出手段と、計画面作成手段により作成された各計画面と、測定点算出手段により算出された各測定点のうちで該当の計画面と時間的に対応した各測定点との間の距離を算出する距離算出手段と、距離算出手段により算出された各距離の平均距離を、交通機関の各列車毎又は各号毎に算出する平均距離算出手段とを含み、平均距離算出手段により算出された平均距離に基づいて、位置測定機器の所持者が利用した交通機関を推定することが望ましい。これにより、被験者が利用した交通機関を簡単に推定することができる。
請求項1又は請求項4の発明によれば、位置測定機器から出力された各時刻における緯度経度情報と、これらの各緯度経度情報に対応した時刻の情報と、調査対象となる交通機関の運行計画のデータと、交通機関の軌道位置のデータとに基づいて、位置測定機器の所持者(被験者)が何時に何処を通過したかという時空間上の軌跡と、各列車等の予定の時空間上の軌跡とを求めて、これらの軌跡を比較することにより、被験者が利用した交通機関を、列車番号等を含めて推定することができる。これにより、被験者の乗り継ぎ行動を含めて、被験者が利用した交通機関に関する詳細な情報を取得して、高度な交通計画の立案に役立てることができる。また、上記のように、被験者の空間上の軌跡ではなく、被験者の時空間上の軌跡に基づいて、被験者が利用した交通機関を推定するようにしたことにより、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することができる。
また、請求項2又は請求項5の発明によれば、各駅における出発時刻からその次の駅における出発時刻の間に、該当の交通機関の各列車等が位置する予定の時空間上の範囲である計画面と、各測定点のうちで該当の計画面と時間的に対応した各測定点との間の距離を求めて、これらの距離の各列車毎又は各号毎の平均距離に基づいて、位置測定機器の所持者が利用した交通機関を推定することにより、被験者が利用した交通機関を簡単に推定することができる。
また、請求項3の発明によれば、位置測定機器の所持者が利用した交通機関の列車番号等を推定する際に、この所持者が同時に利用することが物理的に不可能な列車等を排除した上で列車番号等を推定することにより、被験者が利用した列車番号等を正確に推定することができる。
本発明を実施するための最良の形態について図面を参照して説明する。以下に記載した実施形態は、本発明を網羅するものではなく、本発明は、下記の形態だけに限定されない。
図1は、本発明に係る利用交通機関の推定方法を適用した利用交通機関推定システムの例を示す。この利用交通機関推定システム10は、主に、被験者が所持するPHS1と、電車等の駅に設置されたPHS1の基地局3と、PHS1から送信された基地局IDと電界強度の情報に基づいて、上記PHS1の存在する位置の緯度経度情報及びこの緯度経度情報を取得した時刻の情報を送信する通信センタ5と、この通信センタ5から受信した緯度経度情報と時刻の情報とに基づいて、PHS1の所持者(被験者)が利用した交通機関の推定処理を行うパソコン2とから構成されている。各基地局3と通信センタ5とは、ISDN回線4を介して結ばれており、また、通信センタ5とパソコン2とは、インターネット回線6を介して結ばれている。PHS1は、通常、複数の基地局3についてのID(基地局ID)と電界強度を把握しており、これらの情報を15秒毎に通信センタ5に送信する。通信センタ5は、基地局IDと該当の基地局3が配置されている位置とを対応付けたテーブルを持っており、このテーブルを用いてPHS1から受信した基地局IDと電界強度の情報を緯度経度情報に変換すると共に、この緯度経度情報にその受信時刻の情報を付加した測定点データを、インターネット回線6を介してパソコン2に送信する。
上記のパソコン2は、本体21とディスプレイ22とキーボード23とマウス24とから構成されている。
図2は、上記パソコン2の内部構成を示す。パソコン2は、上記のディスプレイ22とキーボード23とマウス24に加えて、図1に示される本体21内部に、CPU20とハードディスク25とCD−ROMドライブ26とメモリ27と送受信部28とを有している。また、ハードディスク25には、本発明に係る利用交通機関推定プログラム11、調査対象となる交通機関における各列車等の運行計画データ12、この交通機関の軌道位置データ13、及び上記のPHS1の緯度経度情報と受信時刻の情報とからなる測定点データ14が格納されている。CPU20は、請求項における推定手段、計画面作成手段、測定点算出手段、距離算出手段及び平均距離算出手段に相当する。ハードディスク25は、請求項における記憶手段に相当する。送受信部28は、請求項における受信手段に相当する。また、キーボード23とマウス24とCD−ROMドライブ26が、請求項における入力手段に相当する。
次に、図3を参照して、上記利用交通機関推定システム10における利用交通機関の推定方法について説明する。まず、交通調査を行うユーザが、調査対象となる交通サービス(列車等)を決定して、その列車等の運行計画を入手する。この運行計画としては、一般に開示されている時刻表等を用いる。ユーザは、図2に示されるキーボード23とマウス24とを用いて、入手した列車等の運行計画のデータをパソコン2に入力する(S1)。図2に示されるCPU20は、この電子データ化された運行計画のデータを、図2に示される運行計画データ12としてハードディスク25内に格納する。例えば、調査対象となる路線が、JR中央線の御茶ノ水から新宿までで、調査対象となる列車が、朝10時から夕方5時までに対象路線を走行する全ての各駅電車(普通電車)及び快速電車(上下両方向とも)の場合には、ユーザは、朝10時から夕方5時までに、JR中央線の御茶ノ水から新宿までを走行する全ての各駅電車及び快速電車に関する運行計画データ12を、キーボード23等により入力しておく必要がある。
次に、ユーザは、調査対象となる列車等の軌道位置に関する空間的情報(緯度及び経度の情報)を入手して、図2に示される軌道位置データ13を入力する(S2)。この軌道位置データ13はデータ量が多いため、このデータの入力方法としては、ユーザがキーボード23等により入力する方法よりも、CD−ROMに格納された地理データをCD−ROMドライブ26によって読み取ることにより入力する方法が望ましい。図4に示される軌道31は、図2に示される軌道位置データ13に含まれるJR中央線の御茶ノ水から新宿までの軌道位置のデータを、空間座標上に表示したものである。
上記の運行計画データ12と軌道位置データ13の入力が完了して、ユーザがマウス24等により「計画面」の作成を指示すると、パソコン2のCPU20は、調査対象となる各列車等の計画面33を作成する(S3)。この計画面33は、図5に示されるように、各駅における出発時刻からその次の駅における出発時刻の間に、各列車等が位置する予定の時空間上の範囲であり、各駅間毎に作成される。
次に、上記のような計画面33を作成した理由について説明する。列車等の軌跡は、その列車等がどの位置にいるかが全ての時刻において完全に既知であれば、時空間上における1本の曲線として表すことができる。この時空間上における曲線で表される軌跡を「計画線」という。これに対して、「計画線」にある程度の自由度を持たせたものが、計画面33である。一般に、多くの交通機関については、正確な「計画線」の情報を得ることができないという事態が、しばしば発生する。例えば、列車の場合、通常の時刻表から知ることができるのは、各停車駅における出発時刻のみであり、駅間の軌跡を正確に決定することは困難である。計画面33は、「計画線」が通過する可能性のある領域を全てカバーする面である。図6は、時空間35上に計画面33と計画線37と列車の軌道31の関係を示したものである。計画線37は、計画面33上のいずれかの領域を通過する。このように、計画面33の概念を導入したことにより、駅間の軌跡を求めることの困難さに起因する不確実性の要素を取り除くことができる。
図7は、駅1から駅5の間に作成された時空間35上の4つの計画面33を示す。この計画面33を作成する際には、列車等が運行される路線上にある開始点と終了点の駅又は停留所等(以下、駅等という)を決定する必要がある。これらの駅等を決定するに当たっては、以下の2つの点を考慮する必要がある。すなわち、この方法では、開始点の駅等と終了点の駅等とが離れる方が(計画面33が長い方が)測定精度が向上するという点と、被験者が開始点の駅等と終了点の駅等との間を同一の列車等で通しで乗車した場合に限り、その被験者が該当の列車等に乗っていたと判定することができるという点である。従って、計画面33を作成する際には、測定精度と調査目的を考慮した上で、適切な長さの計画面33を作成するべきである。
例えば、図8(a)に示されるように、開始点の駅を駅1にし、終了点の駅を駅6に設定して、開始点と終了点との駅間を離した場合(長い計画面33を設定した場合)には、測定対象区間が長くなるため、誤差の少ない測定が可能である。しかし、この場合には、駅1から駅6まで通しで乗車した被験者に関するデータ41のみが、交通機関の推定に用いられ、駅1から駅3までしか乗車しなかった被験者に関するデータ42は、交通機関の推定に用いられない。これに対して、、図8(b)に示されるように、開始点の駅を駅1にし、終了点の駅を駅3に設定して、開始点と終了点との駅間を近づけた場合(短い計画面33を設定した場合)には、駅1から駅6まで通しで乗車した被験者に関するデータ41だけではなく、駅1から駅3までしか乗車しなかった被験者に関するデータ42も、交通機関の推定に用いられるが、測定対象区間が短いため、誤差が大きくなってしまう。
図9は、御茶ノ水から新宿へ向かう各駅電車の計画面33の例を示す。快速電車の計画面33については、停車駅(新宿、四谷、御茶ノ水)以外の駅の通過時刻を駅間距離を用いて適宜推定した上で、計画面33を作成する。
次に、被験者にPHS1を所持してもらって、被験者の行動軌跡に相当する測定点データ14(図2参照)を取得する(S4)。具体的には、図2に示されるパソコン2の送受信部28により通信センタ5から測定点データ14を受信して、ハードディスク25に格納する。この測定点データ14は、被験者が所持するPHS1の緯度経度情報と受信時刻の情報とからなり、「緯度、経度、測定時刻」のデータの組の羅列で示される。位置測定は一定時間の間隔で行われるようするのが望ましい。また、この際の測定間隔は短ければ短いほどよい。図4中の32は、2003年3月3日から6日までの4日間に、延べ5人の被験者に、上記の調査対象区間をPHS1を所持して移動してもらって収集した測定点(測定点データ14をプロットした点)であり、これらの被験者の行動軌跡に相当するものである。この測定の時間間隔は15秒であった。
図10は、ある被験者の測定点軌跡44を示す。この測定点軌跡44は、ある被験者の測定点データ14を時空間35上にプロットした測定点32(図11参照)を結んだものであり、対象となる測定点32は、ある被験者が午前10時30分から午後4時30分までに収集したものである。
パソコン2のCPU20は、ユーザからの指示に基づいて、上記の測定点軌跡44と各列車等の計画面33との距離を計算する。具体的には、測定点軌跡44を構成する各測定点32と各列車等の計画面33との距離を計算し(S5)、これらの距離を用いて、各列車の計画面33と各測定点32との平均距離を列車毎に算出する(S6)。
上記の測定点軌跡44と各列車等の計画面33との間の距離を計算する方法について説明する。一般に、計画線と測定点軌跡との間の距離を計算する際には、時空間上における点と線の間の距離を定義する必要がある。従って、上記のように、各列車等の計画面33と測定点軌跡44との間の距離を計算する際には、時空間上における面と線の間の距離を定義する必要がある。ここでは、「測定点は時間方向の誤差を持たない」と考え、図11中の距離dのような「測定点と計画面の間の空間方向の距離」を、測定点32と計画面33との間の距離と定義する。図11において、面51は、測定点32の時刻を含む時空間35上の面を示し、線分52は、上記の面51と計画面33との交点の集合からなる線分を示す。測定点32がN個存在するとき、測定点軌跡44中のi番目の測定点32と計画面33との間の距離をdiと定義すると、測定点軌跡44と計画面33との間の距離Dは、下記の(1)式で表される。
上記の距離Dを「平均距離」と呼ぶことにする。図12に示されるように、計画面33が時間方向に有限の範囲にしか存在しない場合には、計画面33が存在する時間帯に存在する測定点32(黒丸で示される点)のみを上記の計算の対象にして、計画面33が存在しない時間帯に存在する測定点32’(白丸で示される点)については、計算の対象にしない。また、測定点軌跡44と計画面33とが時間軸方向に全く重複しない場合には、これらの間の平均距離を無限大とする。
上記の平均距離は、計画面33と測定点軌跡44とが一部でも乖離すると、大きい値をとる。従って、
・「平均距離が短いと、被験者は計画面33が示す列車等の全区間を利用したと推測される。」
・「被験者が計画面33が示す列車等の一部の区間しか利用していない場合は、平均距離が長くなる。」
という点に注意する必要がある。
・「平均距離が短いと、被験者は計画面33が示す列車等の全区間を利用したと推測される。」
・「被験者が計画面33が示す列車等の一部の区間しか利用していない場合は、平均距離が長くなる。」
という点に注意する必要がある。
図13は、ある被験者が収集した測定点データ14に基づいて計算した計画面33と測定点軌跡44との平均距離56を各列車毎に示す。調査対象の列車は、2003年3月3日に御茶ノ水〜新宿間を運行した各列車であり、図中の列車番号55は、調査対象の全列車に便宜的に付された番号である。平均距離56が小さい程、被験者が該当の列車を利用した可能性が高くなる。
パソコン2のCPU20は、上記の平均距離56の算出処理が終了すると、平均距離56がしきい値以下の計画面33を抽出する(S7)。図14に示される例では、しきい値が400mに設定されているので、CPU20は、被験者が利用した可能性の高い計画面33として、NO.31の計画面33を抽出するが、NO.32の計画面33を抽出しない。
また、この際、CPU20は、同一の被験者が同時に利用することが物理的に不可能な列車等の計画面33を除外して、被験者が利用した可能性の高い計画面33を抽出する。具体的には、平均距離56がしきい値以下の計画面33の中に、図14中のNO.121とNO.122のように、時間的に重複する複数の計画面33があるときには(S8でYES)、平均距離56が長い方の計画面33(NO.121の計画面)を除外して、平均距離56が短い方の計画面33(NO.122の計画面)を抽出する(S9)。そして、CPU20は、抽出された計画面33に対応する列車を被験者が利用した列車と推定する(S10)。
適正なしきい値は、測定機器(PHS1)の特性や計画面33の正確さの程度に応じて変動する。また、PHS1の測定誤差には場所による系統誤差が含まれるので、路線毎にしきい値を変更する必要がある。このため、調査対象の交通機関に対して予め予備実験を行った上で、しきい値を決定する必要がある。予備実験では、今回の手法とは別の方法で被験者が利用した列車等が何であったかを特定しておき、その被験者に対して今回の手法を用いた際の把握率と正答率を算出する。そして、把握率と正答率が最適となるしきい値を検索し、それを本実験におけるしきい値として採用する。
図15は、上記図4の場合と同様に、2003年3月3日から6日までの4日間に、延べ5人の被験者に、御茶ノ水〜新宿間をPHS1を所持して移動してもらって収集した測定点データ14に基づいて、これらの被験者が利用した列車等を推定したときのしきい値と正答率・把握率との相関関係を示す。また、図16は、2003年3月3日から6日までの4日間に、延べ5人の被験者に、御茶ノ水〜四谷間をPHS1を所持して移動してもらって収集した測定点データ14に基づいて、これらの被験者が利用した列車等を推定したときのしきい値と正答率・把握率との相関関係を示す。これらの図15及び図16に示されるグラフを作成する際には、上記S8及びS9に示されるように、同一の被験者が同時に利用することが物理的に不可能な列車等の計画面33を除外した上で、被験者が利用した列車の推定を行った。これらの図15、16に示される正答率63は、上記の推定方法によって被験者が利用したと推定された列車等のうち、実際に被験者が利用した列車等の割合を示し、把握率62は、被験者が利用した列車等のうち、抽出することができた列車等の割合を示す。
ローカル線のように、列車等の運行密度が低い、理想的な状況であれば、PHS1の測定誤差や列車等の運行乱れに起因する誤差が多少あっても、しきい値61を大きくして、把握率62と正答率63の両方を100%に近づけることが可能である。しかし、上記の中央線のように、列車等の運行密度が高く、各駅電車と快速電車が平行して走るような路線では、しきい値61を大きくすると、余分な計画面33まで抽出してしまうので、正答率63が低下してしまう。また、図17に示されるように、しきい値61を小さくすると、間違った列車等を抽出する可能性は低くなるので、正答率63は高くなるが、その代償として、実際に使用した全ての列車等を抽出できなくなってしまうので、把握率62は低下する。また、図18に示されるように、しきい値61を大きくすると、実際に被験者が利用した列車等を抽出することができる可能性を高くすることができるので、把握率62を高くすることはできるが、その代償として、間違った列車等を抽出してしまう可能性が高くなるので、正答率63は低くなる。従って、把握率62と正答率63が最適となるしきい値を各交通機関毎に設定する必要がある。なお、図15に示される例と図16に示される例のように、調査対象の交通機関が同じであっても、調査対象となる区間が異なる場合には、それぞれの区間に適したしきい値を設定する必要がある。
上記図15に示される例では、しきい値61を、把握率62が90%弱で、正答率63が75%程度になる値(1000m)に決定した。また、図16に示される例では、しきい値61を、把握率62が73%程度で、正答率63が77%程度になる値(500m)に決定した。これらの図15、16に示されるように、計画面33が短いと、把握率62、正答率63が低下する傾向にあり、図15に示される御茶ノ水〜新宿間の測定点データ14に基づく推定結果の方が、図16に示される御茶ノ水〜四谷間の測定点データ14に基づく推定結果よりも、全般に把握率62、正答率63が高い。
図19と図20とは、2003年3月3日に、ある被験者が収集した測定点データ14に基づいて算出した平均距離56が、上記図15と図16とで決定したしきい値61よりも小さい計画面33を抽出して、抽出した計画面33に対応する列車を被験者が利用した列車と推定したときの推定の利用列車と実際の利用列車との対応を示す。図19及び図20において、細線71は、被験者の乗車ログから得た実際の各駅電車の軌跡を示し、太線73は、被験者の測定点軌跡44(図10参照)から推定した各駅電車の軌跡を示す。また、細い破線72は、被験者の乗車ログから得た実際の快速電車の軌跡を示し、太い破線74は、被験者の測定点軌跡44から推定した快速電車の軌跡を示す。図19に示す例では、10時から11時の間と、12時から13時の間と、14時から15時の間に、四谷から御茶ノ水へ向かう快速電車が各駅電車と間違えられているが、これは、新宿から四谷まで各駅電車に乗って移動した後、直後にやってきた快速電車に乗って四谷から御茶ノ水まで移動するという、新宿から御茶ノ水まで直通で当該各駅電車に乗車するのと移動軌跡が酷似し、なおかつ通常では考えられない乗り換え方をしたために生じた推定の誤りである。また、図19中の14時頃と図20中の12時頃に、御茶ノ水から新宿方面へ向かう快速電車が各駅電車と間違えられているが、これは、同時刻に快速電車と各駅電車とが並行して走っていたために生じた推定の誤りである。このような誤りが発生する最大の原因は、中央線という列車等の運行密度が日本で最も高い部類に入り、各駅電車と快速電車が平行して走るような路線を対象に調査を行ったためである。このことを逆説的に述べると、本発明に係る利用交通機関の推定方法によれば、被験者が利用した列車等を推定するのが最も難しい中央線のような路線であっても、上記図18に示されるように、適切なしきい値61を設定することにより、高い把握率で高い正答率の推定結果を得ることができるということになる。従って、調査対象の列車が平均的な運行密度の路線の列車であれば、上記の利用交通機関の推定方法により、高い把握率で高い正答率の推定結果を得ることができる。
また、上記のように、被験者の空間上の軌跡ではなく、被験者の時空間上の軌跡に基づいて、被験者が利用した交通機関を推定するようにしたことにより、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することができる。この点について、図21を参照して説明する。図中の81と82とは、全く同じ時間帯に近接して存在する2つの交通機関の軌跡を示す。図に示されるように、全く同じ時間帯に近接して存在する2つの交通機関が並行して走行する場合でも、これらの交通機関の間の速度差が十分大きい場合には、所定の時間が経過すると、これらの交通機関の間の距離は、図中の83に示されるように、大きくなる。従って、上記のように、被験者の空間上の軌跡ではなく、被験者の時空間上の軌跡に基づいて、被験者が利用した交通機関を推定することにより、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することができる。
上述したように、本実施形態による利用交通機関の推定方法によれば、PHS1を用いて測定した各時刻における測定点データ14と、調査対象となる交通機関の運行計画データ12と、交通機関の軌道位置データ13とに基づいて、PHS1の所持者(被験者)が何時に何処を通過したかという時空間上の軌跡(測定点軌跡)44と、各列車等の予定の時空間上の軌跡(計画線33)が含まれる計画面33とを求めて、これらの距離の各列車毎又は各号毎の平均距離56に基づいて、被験者が利用した交通機関を推定することにより、被験者が利用した交通機関を、快速・普通等の種別のみならず、列車番号等を含めて推定することができる。これにより、被験者の乗り継ぎ行動を含めて、被験者が利用した交通機関に関する詳細な情報を取得して、高度な交通計画の立案に役立てることができる。また、上記のように、被験者の空間上の軌跡ではなく、被験者の時空間上の軌跡に基づいて、被験者が利用した交通機関を推定するようにしたことにより、被験者が空間的に近接している異なる交通機関のうちのどの交通機関を利用したかを推定することができる。
なお、本発明は、上記実施形態に限られるものではなく、様々な変形が可能である。例えば、本実施形態では、位置測定機器としてPHS1を用いたが、位置測定機器はこれに限られず、例えば、GPS関連の技術を採用した位置測定機器(携帯電話を含む)を利用してもよい。また、本発明の適用対象となる交通機関は、電車に限られず、地下鉄、路線バス等の交通機関であってもよい。また、上記の実施形態では、計画線が含まれる計画面33と各測定点32との間の距離に基づいて、被験者が利用する交通機関を推定したが、予想される計画線と各測定点32との間の距離に基づいて、被験者が利用する交通機関を推定してもよい。
1 PHS(位置測定機器)
2 パソコン(コンピュータ)
10 利用交通機関推定システム
11 利用交通機関推定プログラム
12 運行計画データ
13 軌道位置データ
14 測定点データ(緯度経度情報、時刻の情報)
20 CPU(推定手段、計画面作成手段、測定点算出手段、距離算出手段及び平均距離算出手段)
23 キーボード(入力手段)
24 マウス(入力手段)
25 ハードディスク(記憶手段)
26 CD−ROMドライブ(入力手段)
28 送受信部(受信手段)
32 測定点
33 計画面
56 平均距離
d 距離(計画面と時間的に対応した各測定点との間の距離)
2 パソコン(コンピュータ)
10 利用交通機関推定システム
11 利用交通機関推定プログラム
12 運行計画データ
13 軌道位置データ
14 測定点データ(緯度経度情報、時刻の情報)
20 CPU(推定手段、計画面作成手段、測定点算出手段、距離算出手段及び平均距離算出手段)
23 キーボード(入力手段)
24 マウス(入力手段)
25 ハードディスク(記憶手段)
26 CD−ROMドライブ(入力手段)
28 送受信部(受信手段)
32 測定点
33 計画面
56 平均距離
d 距離(計画面と時間的に対応した各測定点との間の距離)
Claims (5)
- PHS等の自機が存在する位置の緯度経度を断続的に測定する位置測定機器から出力された緯度経度情報に基づいて、前記位置測定機器の所持者が調査対象となる交通機関のうちのどの交通機関を利用したかを推定する方法において、
前記位置測定機器から出力された各時刻における緯度経度情報と、これらの各緯度経度情報に対応した時刻の情報と、調査対象となる交通機関の運行計画のデータと、前記交通機関の軌道位置のデータとに基づいて、前記位置測定機器の所持者が利用した交通機関を、電車等の列車番号又はバス等の便名(以下、列車番号等という)を含めて推定するようにしたことを特徴とする利用交通機関の推定方法。 - 前記交通機関の運行計画のデータと軌道位置のデータとに基づいて、各駅における出発時刻からその次の駅における出発時刻の間に、該当の交通機関の各列車又は各号(以下、各列車等という)が位置する予定の時空間上の範囲である計画面を駅間毎に作成し、
前記位置測定機器から出力された各時刻における緯度経度情報と、各緯度経度情報に対応した時刻の情報とを時空間上にプロットして各時刻における測定点を求めて、
前記各計画面と、前記各測定点のうちで該当の計画面と時間的に対応した各測定点との間の距離を求めて、これらの距離の各列車毎又は各号毎の平均距離に基づいて、前記位置測定機器の所持者が利用した交通機関を推定するようにした請求項1に記載の利用交通機関の推定方法。 - 前記位置測定機器の所持者が利用した交通機関の列車番号等を推定する際に、この所持者が同時に利用することが物理的に不可能な列車又は便(以下、列車等という)を排除した上で列車番号等を推定するようにした請求項2に記載の利用交通機関の推定方法。
- PHS等の位置測定機器の所持者が調査対象となる交通機関のうちのどの交通機関を利用したかを推定するために、コンピュータを、
前記位置測定機器から出力された各時刻における緯度経度情報を受信する受信手段と、
調査対象となる交通機関の運行計画のデータ、及び前記交通機関の軌道位置のデータを入力する入力手段と、
前記受信手段により受信された緯度経度情報と、これらの緯度経度情報に対応した時刻の情報と、前記入力手段により入力された調査対象となる交通機関の運行計画のデータ及び軌道位置のデータとを記憶する記憶手段と、
前記記憶手段に記憶された緯度経度情報と時刻の情報と運行計画のデータと軌道位置のデータとに基づいて、前記位置測定機器の所持者が利用した交通機関を、列車番号を含めて推定する推定手段
として機能させるための利用交通機関推定プログラム。 - 前記推定手段は、
前記記憶手段に記憶された調査対象となる交通機関の運行計画のデータ及び軌道位置のデータに基づいて、各駅における出発時刻からその次の駅における出発時刻の間に、該当の交通機関の各列車等が位置する予定の時空間上の範囲である計画面を駅間毎に作成する計画面作成手段と、
前記記憶手段に記憶された前記位置測定機器の緯度経度情報と時刻の情報とを時空間上にプロットして各時刻における測定点を求める測定点算出手段と、
前記計画面作成手段により作成された各計画面と、前記測定点算出手段により算出された各測定点のうちで該当の計画面と時間的に対応した各測定点との間の距離を算出する距離算出手段と、
前記距離算出手段により算出された各距離の平均距離を、前記交通機関の各列車毎又は各号毎に算出する平均距離算出手段とを含み、
前記平均距離算出手段により算出された平均距離に基づいて、前記位置測定機器の所持者が利用した交通機関を推定するようにした請求項4に記載の利用交通機関推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003385179A JP2005149095A (ja) | 2003-11-14 | 2003-11-14 | 利用交通機関の推定方法及び利用交通機関推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003385179A JP2005149095A (ja) | 2003-11-14 | 2003-11-14 | 利用交通機関の推定方法及び利用交通機関推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005149095A true JP2005149095A (ja) | 2005-06-09 |
Family
ID=34693339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003385179A Withdrawn JP2005149095A (ja) | 2003-11-14 | 2003-11-14 | 利用交通機関の推定方法及び利用交通機関推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005149095A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010116827A1 (ja) * | 2009-04-08 | 2010-10-14 | 株式会社日立製作所 | 大量データ可視化システム及び大量データ可視化方法 |
US7984389B2 (en) | 2006-01-28 | 2011-07-19 | Rowan University | Information visualization system |
CN102233887A (zh) * | 2011-05-16 | 2011-11-09 | 铁道部运输局 | Ctcs-3级列车运行控制*** |
JP2012014357A (ja) * | 2010-06-30 | 2012-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 移動体特徴記述装置、移動体特徴記述方法、移動体特徴記述プログラム及び記録媒体 |
WO2012155832A1 (zh) * | 2011-05-16 | 2012-11-22 | 铁道部运输局 | Ctcs-2级列车运行控制*** |
JP2013170901A (ja) * | 2012-02-20 | 2013-09-02 | Buaru Kenkyusho:Kk | 経路探索装置、及びコンピュータプログラム |
JP2019186713A (ja) * | 2018-04-09 | 2019-10-24 | Kddi株式会社 | 携帯端末の通信ログからユーザの搭乗情報を推定するプログラム、装置及び方法 |
-
2003
- 2003-11-14 JP JP2003385179A patent/JP2005149095A/ja not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7984389B2 (en) | 2006-01-28 | 2011-07-19 | Rowan University | Information visualization system |
WO2010116827A1 (ja) * | 2009-04-08 | 2010-10-14 | 株式会社日立製作所 | 大量データ可視化システム及び大量データ可視化方法 |
JPWO2010116827A1 (ja) * | 2009-04-08 | 2012-10-18 | 株式会社日立製作所 | 大量データ可視化システム及び大量データ可視化方法 |
JP2012014357A (ja) * | 2010-06-30 | 2012-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 移動体特徴記述装置、移動体特徴記述方法、移動体特徴記述プログラム及び記録媒体 |
CN102233887A (zh) * | 2011-05-16 | 2011-11-09 | 铁道部运输局 | Ctcs-3级列车运行控制*** |
WO2012155832A1 (zh) * | 2011-05-16 | 2012-11-22 | 铁道部运输局 | Ctcs-2级列车运行控制*** |
JP2013170901A (ja) * | 2012-02-20 | 2013-09-02 | Buaru Kenkyusho:Kk | 経路探索装置、及びコンピュータプログラム |
JP2019186713A (ja) * | 2018-04-09 | 2019-10-24 | Kddi株式会社 | 携帯端末の通信ログからユーザの搭乗情報を推定するプログラム、装置及び方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marra et al. | Developing a passive GPS tracking system to study long-term travel behavior | |
Gong et al. | A GPS/GIS method for travel mode detection in New York City | |
Shen et al. | Review of GPS travel survey and GPS data-processing methods | |
Goh et al. | Online map-matching based on hidden markov model for real-time traffic sensing applications | |
Bierlaire et al. | A probabilistic map matching method for smartphone GPS data | |
Uno et al. | Using bus probe data for analysis of travel time variability | |
Frejinger | Route choice analysis: data, models, algorithms and applications | |
Zhang et al. | Quantifying multi-modal public transit accessibility for large metropolitan areas: a time-dependent reliability modeling approach | |
Poonawala et al. | Singapore in motion: Insights on public transport service level through farecard and mobile data analytics | |
Ganti et al. | Inferring human mobility patterns from taxicab location traces | |
CN105809292A (zh) | 公交ic卡乘客下车站点推算方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的*** | |
JP2008146248A (ja) | プローブデータ解析システム | |
Sohrabi et al. | Dynamic bike sharing traffic prediction using spatiotemporal pattern detection | |
Zhou et al. | Urban traffic monitoring with the help of bus riders | |
JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
JP6647172B2 (ja) | 経路同定装置、経路同定システム及び経路同定方法 | |
US9970776B2 (en) | WiFi-based indoor positioning and navigation as a new mode in multimodal transit applications | |
Rajput et al. | Advanced urban public transportation system for Indian scenarios | |
JP6307376B2 (ja) | 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 | |
CN110059849A (zh) | 路径确定方法和装置 | |
JP5004678B2 (ja) | 位置推定システム及び無線通信端末並びに位置推定装置 | |
Kong et al. | A scenario-based map-matching algorithm for complex urban road network | |
Stenneth et al. | Monitoring and mining GPS traces in transit space | |
JP2005149095A (ja) | 利用交通機関の推定方法及び利用交通機関推定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070206 |