JP6322048B2 - 混雑予測装置及び混雑予測方法 - Google Patents
混雑予測装置及び混雑予測方法 Download PDFInfo
- Publication number
- JP6322048B2 JP6322048B2 JP2014101995A JP2014101995A JP6322048B2 JP 6322048 B2 JP6322048 B2 JP 6322048B2 JP 2014101995 A JP2014101995 A JP 2014101995A JP 2014101995 A JP2014101995 A JP 2014101995A JP 6322048 B2 JP6322048 B2 JP 6322048B2
- Authority
- JP
- Japan
- Prior art keywords
- event
- transportation
- congestion
- station
- information
- 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
- 238000000034 method Methods 0.000 title claims description 23
- 238000003860 storage Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 9
- 229910003460 diamond Inorganic materials 0.000 claims description 2
- 239000010432 diamond Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 31
- 230000006870 function Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 235000012054 meals Nutrition 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- LFYJSSARVMHQJB-QIXNEVBVSA-N bakuchiol Chemical compound CC(C)=CCC[C@@](C)(C=C)\C=C\C1=CC=C(O)C=C1 LFYJSSARVMHQJB-QIXNEVBVSA-N 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- 241000167854 Bourreria succulenta Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000019693 cherries Nutrition 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Description
そこで、本発明は、イベントが終了した後の乗客の流れを高精度で予測することを目的とする。
その他の手段については、発明を実施するための形態のなかで説明する。
図1に沿って、本実施形態の概要を説明する。都心の大規模イベント会場の例として、“T野球場”を挙げる。T野球場周辺には、多くの鉄道駅、バス停留所等が存在する。その一例として、JR線の“水道橋駅”を挙げる。いま、ある金曜日の夕刻から夜にかけて、T野球場においてプロ野球公式ゲームが開催されるとする。当該ゲームが終了した直後に水道橋駅から乗車する乗客の行先別の人数を知ることが、本実施形態の課題である。水道橋駅を利用する乗客は、交通ICカード又は乗車券を改札装置に通す。よって、交通事業者(単に“駅”とも呼ぶ)は、水道橋駅で降車した乗客の乗車駅を知ることができる。当該ゲーム開始時刻以前に水道橋駅で降車した乗客のなかに、Aさん、Bさん、Cさん及びDさんがいたとする。このうちの誰が当該ゲームを観に来た乗客であるかを知ること、さらに、そのような乗客がどの駅まで帰るかを知ることが課題となる。
Bさんは当日偶然、“○○商店街”に買い物に来た。Bさんは、自宅近辺の中野駅で切符を購入したうえで乗車し、水道橋駅で降車している。よって、駅は、Bさんが当該ゲームを観に来たと推定する(実際はそうではない)。このようにイベントを観に来たと推定される乗客を“イベント参加候補者”と呼ぶ。そして、駅は、Bさんの推定帰宅先も中野駅であると予測する。
Dさんも、当該ゲームを観るためにT野球場に来た。Dさんは、平日、自宅近辺の国分寺駅と勤務先近辺の三鷹駅との間で通勤定期券(交通ICカードに記憶されている)を使用している。Dさんは、当日、運賃がチャージされた交通ICカードを利用して三鷹駅で乗車し、水道橋駅で降車した。よって、駅は、Dさんもイベント参加候補者であると推定する。そして、駅は、Dさんの推定帰宅先は国分寺駅であると予測する(三鷹駅であると予測してもよい)。
図2に沿って、予測モデルについて説明する。いま、非常に多数の“事実”が所与であるとする。“事実”とは、端的にいえば、いつ、どのような人物が、どこで、何をしたか、という現実の出来事の集積である。ここで、事実のうち、“いつ”等の、キーとなるような要素を“キー要素”と呼ぶ。キー要素は、1つの事実のなかに複数存在する。図2の例では、11種類(下線箇所)存在する。そして、1つのキー要素は、他のすべてのキー要素に対して影響を与える。
図3に沿って、予測モデルが行う教師付き学習について説明する。
ステップS1:混雑予測装置は、W1、W2、W3、・・・の各成分の初期値を無作為に設定する。そして、a駅で降車したすべての事実を使用してQ(a駅)を算出する。
なお、Q(a駅)=Σ(Wi*Vi)である。そして、右辺の“i”は、各ノードを示し、i=1,2,・・・,10である。“*”はベクトルの内積を求める演算を示す。
同様に、混雑予測装置は、Q(b駅)、Q(c駅)、・・・を算出する。最後に、Q(a駅)、Q(b駅)、Q(c駅)、・・・のそれぞれを、Q(a駅)、Q(b駅)、Q(c駅)、・・・の合計値で除算することによって、各駅で降車する確率を算出する。
P(a駅)=a駅で降車した事実の数/事実の総数、である。
同様に、混雑予測装置は、P(b駅)、P(c駅)、・・・を算出する。
図4に沿って、混雑予測装置1の構成等を説明する。混雑予測装置1は、一般的なコンピュータである。混雑予測装置1は、中央制御装置11、キーボード、マウス等の入力装置12、ディスプレイ等の出力装置13、主記憶装置14、補助記憶装置15及び通信装置16を有する。これらはバスによって相互に接続されている。主記憶装置14における、イベント参加者推定部21及び混雑予測部22は、プログラムである。以降、“○○部は”と主体を記した場合は、中央制御装置11が、補助記憶装置15から各プログラムを読み出し、主記憶装置14にロードしたうえで、各プログラムの機能(詳細後記)を実現するものとする。補助記憶装置15は、環境情報31、個人情報32、エリア情報33、イベント情報34、交通機関利用者情報35、移動パタン情報36、参加候補者情報37、属性付参加候補者情報38を記憶する。混雑予測装置1は、ネットワーク4を介して、携帯端末装置2及び外部サーバ3と通信可能である。
図5(a)に沿って、環境情報31を説明する。環境情報31は、日付欄101に記憶された日付に関連付けて、曜日欄102には曜日が、平日/休日欄103には平日/休日の区別が、天候欄104には天候が、季節欄105に季節が記憶されている。
日付欄101の日付は、過去の日付である。
曜日欄102の曜日は、七曜(日、月、火、水、木、金、土)のいずれかである。
平日/休日欄103の平日/休日の区別は、土曜、日曜及び祝日を示す“休日”、又は、それ以外を示す“平日”のいずれかである。
季節欄105の季節は、四季(春、夏、秋、冬)のうちのいずれかである。
環境情報31のレコードは、例えば現在から遡って直近の1年分存在する。イベント参加者推定部21は、外部サーバ3にアクセスして環境情報31を取得する。
図5(b)に沿って、個人情報32を説明する。個人情報32においては、個人ID欄111に記憶された個人IDに関連付けて、性別欄112には性別が、年齢欄113には年齢が、職業欄114には職業が、住所欄115には住所が記憶されている。
個人ID欄111の個人IDは、交通機関の乗客となり得る個人を一意に特定する識別子である。ここでの個人とは、典型的には、交通ICカードのユーザである。しかしながら、他にも例えば、GPS(Global Positioning System)技術が使用できる携帯端末装置2のユーザであってもよい。
年齢欄113の年齢は、個人の年齢である。
職業欄114の職業は、個人の職業である。
住所欄115の住所は、個人の住所である。
イベント参加者推定部21は、自社又は他社の外部サーバ3にアクセスして個人情報32を取得する。他社から取得する場合は、氏名を除いて取得してもよい。
図5(c)に沿って、エリア情報33を説明する。エリア情報33においては、エリアID欄121に記憶されたエリアIDに関連付けて、食事欄122には食事適合度が、買い物欄123には買い物適合度が、娯楽欄124には娯楽適合度が、観光欄125には観光適合度が記憶されている。
図6(a)に沿って、イベント情報34を説明する。イベント情報34においては、場所欄131に記憶された位置情報に関連付けて、開始時刻欄132には開始時刻が、終了時刻欄133には終了時刻が、影響交通機関欄134には影響交通機関が、イベント規模欄135にはイベント規模が、イベント種類欄136にはイベント種類が、会場名欄137には会場名が、年代欄138には年齢層別構成比が、性別欄139には性別構成比が記憶されている。
開始時刻欄132の開始時刻は、イベントが開始する時点の年月日時分である。
終了時刻欄133の終了時刻は、イベントが終了する時点の年月日時分である。
影響交通機関欄134の影響交通機関を説明する前提として、まず“交通機関”を定義する。“交通機関”とは、駅等の名称と、“鉄道”、“バス”等の交通手段との組み合わせである。鉄道の路線が複数存在する場合、“鉄道”又は“バス”等を“◎◎電鉄○○線”、“◎◎電鉄△△線”のようにより細かく表現してもよい。ある駅等に通じている交通手段が1つしかない場合、駅等の名称のみを以て交通機関とする。交通機関のうち、イベントによって影響を受ける交通機関を“影響交通機関”と呼ぶ。影響交通機関は、多くの場合、イベントが開催される会場の近辺の駅、停留所等である。
イベント種類欄136のイベント種類は、イベントのカテゴリであり、例えば、コンサート、野球公式ゲーム、美術展覧会等である。
会場名欄137の会場名は、イベントが開催される会場の名称である。
年代欄138の年齢層別構成比は、イベントに集まることが予測される人員の年齢構成を、年代ごとの比率で示したものである(和が100%になる)。
性別欄139の性別構成比は、イベントに集まることが予測される人員の男女構成比率である(和が100%になる)。
なお、ユーザが影響交通機関欄501において駅名を選択する前に“自動選択”ボタン502を押下すると、イベント参加者推定部21は、会場を中心に所定の距離の範囲内にある影響交通機関の全部又は一部を別ウインドウに表示する。ユーザは、必要に応じてそのなかの一つを選択する。ユーザが“手動選択”ボタン503を押下すると、イベント参加者推定部21は、例えば路線ごとの駅名一覧等を表示する。ユーザは、そのなかの一つを選択する。ユーザが“履歴から選択”ボタン504を押下すると、イベント参加者推定部21は、ユーザが同じ会場について過去に選択した影響交通機関を表示する(必ずしも最寄駅等ではない)。ユーザは、そのなかの一部を選択する。
図6(b)に沿って、交通機関利用者情報35を説明する。交通機関利用者情報35においては、個人ID欄141に記憶された個人IDに関連付けて、エリアID欄142にはエリアIDが、利用時刻欄143には利用時刻が、利用種別欄144には利用種別が、交通機関欄145には交通機関が記憶されている。
エリアID欄142のエリアIDは、図5(c)のエリアIDと同じである。
利用時刻欄143の利用時刻は、交通機関の利用者(=乗客)が、交通機関を利用した時点の年月日時分である。
利用種別欄144の利用種別は、乗客が交通機関に乗車したことを示す“出発”、又は、乗客が交通機関から降車したことを示す“到着”のいずれかである。なお、“出発”した駅等が判明していなければ乗客がイベント終了後に向かう行き先が決定できないわけではないことは、前記した通りである。
交通機関欄145の交通機関は、前記した交通機関である。但し、ここでは駅等の名称は省略されてもよい(エリアIDが駅等を特定する)。交通機関は、“○○電鉄◎◎線”のようにより詳細な情報を有するものであってもよい。
・2014年1月1日12時00分、個人IDが“A0001”である乗客は、エリアIDが“10001”であるエリアに位置する鉄道の駅で乗車した。
・2014年1月1日12時15分、当該乗客は、エリアIDが“10002”であるエリアに位置する鉄道の駅で降車した。
イベント参加者推定部21は、外部サーバ3から素材となる様々なデータを取得し、それらを加工して交通機関利用者情報35を作成する。素材となるデータの例としては、以下が挙げられる。
・交通ICカードデータ:乗客が交通ICカードを使用(商品の購入、交通機関の利用)した履歴からなる。
・改札乗降データ:交通ICカードデータと一部重複するが、乗客が、交通ICカードを駅等の改札装置に通した履歴からなる。
・タクシー乗降データ:タクシーの乗客が、任意のカード又は携帯端末装置2を支払手段として使用した履歴からなる。
・プローブカーデータ:乗客が自身または他人の自家用車に乗りこみ、カーナビゲーション装置等の機器を操作した履歴からなる。
図7(a)に沿って、移動パタン情報36を説明する。移動パタン情報36においては、出発エリアID欄151に記憶された出発エリアIDに関連付けて、到着エリアID欄152には到着エリアIDが、交通機関欄153には交通機関が、移動ルート欄154には移動ルートが記憶されている。
到着エリアID欄152の到着エリアIDは、到着点の駅等を含むエリアを特定するエリアIDである。
交通機関欄153の交通機関は、図6(b)の交通機関と同じである。但し、ここでは、駅等の名称は省略されている。
移動ルート欄154の移動ルートは、その交通機関を使用して出発点から到着点へ行く場合の最短ルートである。
イベント参加者推定部21は、混雑予測装置1のユーザが入力装置12を介して入力したデータを移動パタン情報36として記憶する。
図7(b)に沿って、参加候補者情報37を説明する。参加候補者情報37においては、イベント参加候補者ID欄161に記憶されたイベント参加候補者IDに関連付けて、交通機関欄162には交通機関が、出発エリアID欄163には出発エリアIDが、到着時刻帯欄164には到着時刻帯が、イベント参加確率欄165にはイベント参加確率が記憶されている。
交通機関欄162の交通機関は、図6(b)の交通機関と同じである。
出発エリアID欄163の出発エリアIDは、図7(a)の出発エリアIDと同じである。
イベント参加確率欄165のイベント参加確率は、イベント参加候補者ID欄161に記憶されている個人IDが特定する個人が、実際にイベントに参加した者である確率である(詳細後記)。
イベント参加者推定部21は、混雑予測処理手順において、参加候補者情報37を作成する(詳細後記)。
図8に沿って、属性付参加候補者情報38を説明する。属性付参加候補者情報38においては、イベント参加候補者ID欄171に記憶されたイベント参加候補者IDに関連付けて、交通機関欄172には交通機関が、出発エリアID欄173には出発エリアIDが、到着時刻帯欄174には到着時刻帯が、イベント参加確率欄175にはイベント参加確率が、登録住所エリアID欄176には登録住所エリアIDが、乗客タイプ欄177には乗客タイプが、年代欄178には年代が、性別欄179には性別が、職業欄180には職業が記憶されている。
乗客タイプ欄177の乗客タイプは、“旅行者”又は“地域住民”のいずれかである(詳細後記)。
年代欄178の年代は、乗客の年齢が含まれる年齢層である。
性別欄179の性別は、乗客の性別である。
職業欄180の職業は、乗客の職業である。
イベント参加者推定部21は、混雑予測処理手順において、属性付参加候補者情報38を作成する(詳細後記)。
図9に沿って、混雑予測処理手順を説明する。
ステップS301において、イベント参加者推定部21は、影響を受ける移動パタンを抽出する。具体的には、第1に、イベント参加者推定部21は、ユーザが、入力装置12を介して影響交通機関を入力するのを受け付ける。いま、“鉄道”及び“水道橋駅”が入力されたとする。
第2に、イベント参加者推定部21は、“水道橋駅”が位置するエリアのエリアID、及び“鉄道”を検索キーとして、移動パタン情報36(図7(a))の、それぞれ到着エリアID欄152及び交通機関欄153を検索する。そして、該当したレコードを取得する。
第2に、イベント参加者推定部21は、ステップS302の“第1”で取得したレコードを、現時点の日付を有する第1の群と、それ以前の日付を有する第2の群に分類する。第1の群のレコード数は、イベント当日の午前0時から現時点までに、鉄道を利用して水道橋駅で降車した乗客の数に等しい。いま、“午前0時00分から現時点まで”の時刻帯を“イベント前時刻帯”と呼び、第1の群のレコード数を“当日乗客数”と呼ぶ。
第4に、イベント参加者推定部21は、当日乗客数から過去乗客数を減算し、減算結果を“到着者増加数”として保持する。
イベント参加者推定部21は、当日の例えば8時00分、8時15分、8時30分、・・・のようなタイミングで周期的にステップS302及びS303の処理を繰り返してもよい。この例でのイベント参加者推定部21は、到着者増加数が有意な水準に達した時点で初めて以降のステップに進むことになる。
第2に、イベント参加者推定部21は、ステップS304の“第1”で取得した個人IDを有するレコードを、第2の群から抽出し、抽出したレコード数が、すべての週において所定の数(例えば“4”)以上である場合は、その個人IDが特定する乗客は“定常利用者”であるとする。それ以外の場合は、その個人IDが特定する乗客は“イベント参加候補者”であるとする。つまり、イベント参加者推定部21は、定常的な利用履歴を有する“定常利用者”、又は、それ以外の“イベント参加候補者”のいずれかに乗客を分類する。
イベント参加者推定部21は、ステップS304〜S306の処理を、交通機関ごと、かつ、到着時刻帯ごとに繰り返す。繰り返し処理が終了した段階で、イベント参加者推定部21は、水道橋駅について、図7(b)のようなイベント参加候補者情報37を完成していることになる。
第2に、イベント参加者推定部21は、個々のイベント参加候補者の乗客タイプを決定する。交通機関利用者情報35の第2の群(過去データ)のレコードのうち“出発”を有するレコードに、あるイベント参加候補者の個人IDが記憶されているとする。そして、それらのレコードのうち、水道橋駅を中心として所定の距離の範囲内にあるエリアを示すエリアIDを有するレコードの数が所定の数以上あるとする。この場合、イベント参加者推定部21は、当該イベント参加候補者の乗客タイプは、“地域住民”であると推定する。それ以外の場合、イベント参加者推定部21は、当該イベント参加候補者の乗客タイプは、“旅行者”であると推定する。
第2に、イベント参加者推定部21は、属性付参加候補者情報38に新たに“モデル移動先”欄を設け(図示せず)、当該欄に予測したモデル移動先を記憶する。
イベント参加者推定部21は、ステップS310の処理をすべてのイベント参加候補者について繰り返す。
混雑予測部22が表示する画面は、全部で2系統、9種類ある。第1の系統は、イベント終了後の混雑の様子を表示するためのものであり、イベント表示画面61(図10)、イベント参加者移動予測画面62(図11)、イベント参加者属性表示画面63(図12)、及び、混雑予測詳細表示画面64(図13)を含む。第2の系統は、5種類の画面を含むが、後記する“拡張機能”のなかで説明する。以降で説明する例は、イベントの会場が“T野球場”であり、イベント終了後直ちにイベント参加候補者が“T野球場”から一斉に退出する例である。なお、前記してきた “イベント参加候補者”を図面上は“イベント参加者”と表記している(ユーザに対するわかりやすさのため)が、いずれも同義である。
図10に沿って、イベント表示画面61を説明する。混雑予測部22は、イベント表示欄401に、イベント会場近辺の地図、イベント会場の位置(○及び●)、会場名、終了時刻、イベント規模及び推定参加者数を表示する。推定参加者数は、前記した到着者増加数(平常日からの増分)である。ユーザが、それぞれ、ボタン402、403及び404を押下すると、混雑予測部22は、それぞれ、イベント登録画面70(図19)、イベント参加者移動予測画面62(図11)及びイベント参加者属性表示画面63(図12)を表示する。ユーザが混雑予測欄405のイベント選択欄406においてあるイベント(例えば会場名)を選択する。すると、混雑予測部22は、混雑予測処理手順において取得した交通機関別混雑情報に基づいて、混雑予測欄405の欄407にそのイベントが終了する時点での混雑予測を表示する。ユーザが、混雑予測欄405の“混雑予測詳細情報を表示”ボタン408を押下すると、混雑予測部22は、混雑予測詳細表示画面64(図13)を表示する。
図11に沿って、イベント参加者移動予測画面62を説明する。混雑予測部22は、イベント参加者移動先予測欄411に、イベント参加者の移動経路を矢印で表示し、当該経路をイベント参加者群が移動して行く様子をアイコン(スマイルマーク)の移動で表示し、特に混雑が発生する位置を円状の網掛けで表示する(凡例は欄412)。なお、混雑予測部22は、混雑の程度に応じて、アイコン及び円状の網掛けの色又は大きさを変化させてもよい。混雑予測部22は、欄413、414において、イベントの現在の状況を表示する。
図12に沿って、イベント参加者属性表示画面63を説明する。ユーザが予測結果選択欄422で、例えば“移動先”を選択する。すると、混雑予測部22は、イベント参加者属性欄421に、イベント参加者のモデル移動先が含まれる地域(例えば、新宿区、港区)ごとに移動人数の大きさをその半径で示す円を表示する。イベントが複数存在する場合、ユーザがイベント選択欄423で1つのイベントを選択できる。例えば、選択されたイベントに“1”が割り当てられている場合、混雑予測部22は、イベント参加者属性欄421に、当該イベントの会場の位置を“1”で表示する。そして、“1”のイベントに関する円を同じ態様(色等)で表示し、“2”のイベントに関する円を別の同じ態様で表示することによって、イベントごとのモデル移動先を区別できる。
図13に沿って、混雑予測詳細表示画面64を説明する。混雑予測部22は、イベント会場近辺エリアマップ欄431に会場の近辺の交通機関の地図を表示する。地図中の、“A”、“B”、“1”、“2”等の符号は、イベント影響交通機関欄432の符号に対応している。
前記では、開始時刻及び終了時刻が決まっているイベントについて説明した。例えばサッカーJリーグのある公式ゲームは、開始時刻が予め決まっている。そして、ゲーム時間(90分+ハーフタイム)も決まっているので、終了時刻も予め決まっている。このような場合、観客は、ゲーム時間中は会場に留まり、ゲーム終了時刻に一斉に交通機関に向かうことになる。一方、会場の開門時刻と閉門時刻が決まっているものの、その間、観客が自由に会場に出入りできるようなイベントも存在する。例えば、美術館における展覧会では、午前9時00分の開門時刻から午後4時00分の閉門時刻までに、観客は自由に会場に出入りできる。会場を出る観客が午後4時00分に集中することは通常考えられない。このような場合、どの時点で観客が交通機関に向かうかを予測するには、別途方策が必要になる。以下に説明する拡張機能のそれぞれは、このような課題に対応している。
イベント参加者推定部21は、会場の開門時刻以降、ID管理情報の取得を継続する。ID管理情報とは、イベント参加候補者の行動が把握できる任意の情報である。イベント参加候補者が会場を出て交通機関に戻り改札を通過すると、当然その結果は、前記した交通機関利用者情報35(図6(b))に反映される。このような情報を“移動履歴”と呼ぶ。イベント参加候補者は、会場に滞在する間、店舗又は自動販売機で商品を購入することもある。また、会場に滞在する間、携帯端末装置2を使用して通信することも、インターネットにアクセスすることもある。イベント参加者推定部21は、このような履歴もID管理情報として活用することができる。このような履歴を“会場内履歴”と呼ぶ。
会場の出口の数が少ない、又は、出口が小さいと、会場から一度に退出できる人数が制限される。ある会場が2箇所の出口を有し、それぞれの出口から同時に3人ずつ退出することが可能であり、退出者の歩行速度が1.0m/秒であり、退出者同士の前後の間隔が0.5mであるとする。イベント参加者推定部21は、会場退出能力を以下のように算出する。
会場退出能力=2×3×1.0/0.5=12(人/秒)=720(人/分)
“会場退出能力”の活用方法については後記する。
前記の図9のステップS306において、イベント参加者推定部21は、イベント参加候補者を集計している。すなわち、当該処理後の、イベント参加候補者情報37(図7(b))のレコードは、“イベント参加候補者”についてのものとなっている。しかしながら、イベント参加者推定部21は、イベント参加候補者情報37レコードを、“イベント参加候補者”又は“定常利用者”についてのものとしてもよい。そして、そのうえで、以下のように、イベント参加確率を時々刻々と更新してもよい。
イベント参加者推定部21は、ステップS311の“第1”において、このようにして、更新したイベント参加確率が“1”となるイベント参加候補者情報37のレコードの数を、“合計数”としてもよい。
図14に沿って、非定時イベント表示画面65を説明する。非定時イベント表示画面65は、イベント表示画面61(図10)に比して、時系列駅情報欄441を有している点が異なる。混雑予測部22が非定時イベント表示画面65を表示すると、ユーザは、イベント影響交通機関選択欄442に駅名を入力する。すると、混雑予測部22は、交通機関利用者情報35(図6(b))を参照することによって、降車者数欄443に、当該駅で降車する乗客の数を時系列で示した棒グラフ(降車棒グラフ)を表示する。そして、乗車者数欄444及び乗車者数予測欄446に、当該駅で乗車する乗客の数を時系列で示した棒グラフ(乗車棒グラフ)を表示する。混雑予測部22は、交通機関別混雑情報のうち、入力された駅名から他の駅等に向かうものを検索し、平均滞在時間も考慮することによって、これらのグラフを表示することができる。
図15に沿って、交通整備員配置画面66(図15)を説明する。交通整備員配置画面66のイベント会場近辺エリアマップ欄451は、図13のイベント会場近辺エリアマップ欄431と同じである。混雑予測部22は、交通整備員配置状況欄452に、会場近辺の地図、現在配置されている交通整備員を示すマーク、及び駅員数(駅に付された吹き出し内の数)を表示する。交通整備員は、GPS技術を使用できる携帯端末装置2を保持している。よって、混雑予測部22は、交通整備員の位置をリアルタイムで表示することが可能である。
図16に沿って、運行管理支援画面67を説明する。混雑予測装置1は、各路線の列車ダイヤを補助記憶装置15に格納している(図4では図示せず)。列車ダイヤとは、時刻を横軸とし、路線の起点からの距離を縦軸とした平面上に、列車の軌跡を線で表示したものである。上り方面の列車は右上がりの折れ線となって表現され、下り方面の列車は右下がりの折れ線となって表現されるので、線の交差がダイヤ形状になって出現する。
輸送力=列車の定員×単位時間あたりの列車の本数
輸送力線は、本来、時系列で水準が変化し得る曲線である。図16の例では、輸送力線は、水平な直線となっている。このことは、定員が同じ列車が等間隔で運行していることを示している。
・現在時刻からイベントの終了時刻までの間は、○○駅における乗車者数は低水準で安定している。
・イベントの終了時刻において乗客者数は急に増加している(符号467)。
・その後、乗客数(符号468)のうち輸送力線を超過している部分は、列車に乗車できずに駅に取り残される。取り残された乗客を“待機乗客”(網掛け部分)という。
・時刻帯469において待機乗客の数は増加する。
・増加した待機乗客は、時刻帯470において、当該時刻帯の乗客に加算される。
・時刻帯470において、ようやく待機乗客の一部が乗車できる。
・時刻帯471において、待機乗客は新たに発生しなくなる。
・待機乗客予測472(待機乗客の延べ人数)は、“XXXX”人である。
図17に沿って、運行計画変更画面68を説明する。運行計画変更画面68の構成は、運行管理支援画面67(図16)に準じる。但し、図17においては、現在時刻以前の部分が非表示又は変更不能の状態(図ではこの状態を斜線で表す)になっている。
いま、ユーザが、列車ダイヤのうちある部分481、482、483、484をマウス等の入力装置12で掴み、画面上を右側に移動する。つまり、ユーザは、イベント終了時刻の直前に○○駅を発車する1本の列車、及び、イベント終了時刻の直後に○○駅を発車する3本の列車について、○○駅での停車時間を延長しようとしている。
・輸送力線486の水準は、イベント終了時刻の直前に一旦低下する。
・イベント終了時刻の直後に、輸送力線486の水準が元の水準以上に上昇し、やがて、元の水準に戻る。
・その結果、待機乗客予測487(待機乗客の延べ人数)は、“XXXX”人から“XXX”人に減少する。
図18に沿って、混雑回避ルート提案画面69を説明する。会場の近辺にいるイベント参加候補者が混雑を避けるルートを知ることができれば、イベント参加候補者及び交通事業者にとって便宜である。そこで、混雑予測部22は、イベント参加候補者が操作する携帯端末装置2に混雑回避ルート提案画面69を表示する。
前記では、ユーザ(交通事業者)が、イベント登録画面70に対してイベント情報を入力する例を説明した。しかしながら、イベント参加者推定部21が当該入力を自動的に実行することも可能である。イベント参加者推定部21は、ユーザが入力装置12を介してキーワードを予め入力するのを受け付け、受け付けたキーワードを補助記憶装置15に格納しておく。キーワードは、“サッカー”、“T野球場”、“展覧会”等、それを検索キーとしてイベント参加者推定部21がネットワーク経由で外部サーバ3(SNSサーバ又はウエブサーバ)にアクセスできるものであれば何でもよい。そして、イベント参加者推定部21は、取得した情報を、イベント情報34(図6(a))として補助記憶装置15に格納する。
つまり、イベント参加者推定部21は、ウエブサイト(例えば、事前登録した情報サイト)やSNS上の発言等から、自動的にイベントを登録する。
さらに、イベント参加者推定部21は、乗客の増加からイベントの開催を検知した際に、時刻とエリア情報を用いて、ウエブサイトやSNS上の発言等からイベントの内容を特定し、特定した内容をイベント情報34として登録してもよい。
(1)本実施形態の混雑予測装置は、イベント開始前の情報を使用してイベント開始後の交通機関の混雑を予測できる。よって、列車等の増便対策、安全対策等を早期に立てることができる。
(2)本実施形態の混雑予測装置は、当日増加した到着客のうち、定常的な乗者履歴を有さない者の数に占める、平常日からの増加分の比率を算出し、その比率に基づいてイベント参加候補者の数を算出する。よって、イベント参加候補者数の予測精度が向上する。
(3)本実施形態の混雑予測装置は、イベント参加候補者の属性を含む情報を入力とした予測モデルを使用する。よって、イベント参加候補者の乗車履歴からは予測できないイベント参加候補者の不規則な移動先を推定できる。よって、イベント参加候補者の属性の変化が発生しても、又は、イベントが新規のイベントであっても、高い精度で混雑を予測できる。
(5)本実施形態の混雑予測装置は、ダイヤ情報、任意の駅における乗車数及び待機乗客数を将来にわたって時系列で表示する。よって、列車の運行計画を変更する必要性を容易に視認できる。
(6)本実施形態の混雑予測装置は、ダイヤ情報に対する変更を反映した待機乗客数を将来にわたって時系列で表示する。よって、具体的な運行計画の変更の効果を容易に視認できる。
(8)本実施形態の混雑予測装置は、会場退出能力を算出する。よって、任意の駅における乗車数及び待機乗客数をより正確に時系列で表示できる。
(9)本実施形態の混雑予測装置は、乗客の増加を検知し、処理を自動的に開始する。よって、ユーザがイベントを予め知らない場合であっても処理を開始できる。
また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、SSD(Solid State Drive)等の記録装置、又は、ICカード、SDカード、DVD等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。
2 携帯端末装置
3 外部サーバ
4 ネットワーク
11 中央制御装置(制御部)
12 入力装置
13 出力装置
14 主記憶装置(記憶部)
15 補助記憶装置(記憶部)
16 通信装置
21 イベント参加者推定部
22 混雑予測部
31 環境情報
32 個人情報
33 エリア情報
34 イベント情報
35 交通機関利用者情報
36 移動パタン情報
37 参加候補者情報
38 属性付参加候補者情報
61 イベント表示画面
62 イベント参加者移動予測画面
63 イベント参加者属性表示画面
64 混雑予測詳細表示画面
65 非定時イベント表示画面
66 交通整備員配置画面
67 運行管理支援画面
68 運行計画変更画面
69 混雑回避ルート提案画面
70 イベント登録画面
Claims (10)
- 乗客による交通機関の利用履歴が記憶される交通機関利用者情報を格納する記憶部と、
イベントが開催される会場の近辺に通じる前記交通機関の停車場を示す情報を受け付け、
前記交通機関利用者情報を参照し、前記イベントの開催日のイベント開始時刻前において前記停車場で降車した乗客の数が、当該イベントが開催されない日に比して増加した増加分を算出し、
前記算出した増加分に基づいて、イベント終了時刻後の前記交通機関の混雑を予測する制御部と、
を備えることを特徴とする混雑予測装置。 - 前記制御部は、
前記交通機関利用者情報を参照し、前記開催日のイベント開始時刻前において前記停車場で降車した乗客のうち定常的な前記利用履歴を有さない乗客の数に占める、前記増加分の比率を算出し、
前記開催日のイベント開始時刻前において前記停車場で降車した乗客の数と、前記算出した比率と、に基づき、前記イベントに参加した後、当該停車場で乗車する乗客の数を、前記交通機関の移動先ごとに予測すること、
を特徴とする請求項1に記載の混雑予測装置。 - 前記制御部は、
前記乗客の属性を含む情報を入力とし前記乗客の移動先を出力とする予測モデルを使用して、前記当該停車場で乗車する乗客の移動先を予測すること、
を特徴とする請求項2に記載の混雑予測装置。 - 前記制御部は、
前記予測した混雑の度合いを前記交通機関の路線ごとに将来にわたって時系列で表示すること、
を特徴とする請求項3に記載の混雑予測装置。 - 前記制御部は、
前記路線のダイヤ情報を表示し、
前記ダイヤ情報に含まれる任意の停車場で乗車する乗客の数と、当該停車場において待機する乗客の数と、を将来にわたって時系列で表示すること、
を特徴とする請求項4に記載の混雑予測装置。 - 前記制御部は、
前記表示したダイヤ情報を変更する入力を受け付け、
前記待機する乗客の数が前記受け付けた入力によって変化する様子を将来にわたって時系列で表示すること、
を特徴とする請求項5に記載の混雑予測装置。 - 前記制御部は、
イベント開始時刻後かつイベント終了時刻前において前記乗客が、携帯端末装置を使用した履歴、又は、前記交通機関を利用した前記利用履歴に基づき、前記比率を更新すること、
を特徴とする請求項2に記載の混雑予測装置。 - 前記制御部は、
前記会場の単位時間当たりの退出能力を算出し、
前記算出した退出能力に基づいて、前記停車場で乗車する乗客の数を時系列で表示すること、
を特徴とする請求項7に記載の混雑予測装置。 - 前記制御部は、
前記停車場を示す情報をユーザの入力によって受け付けない場合は、
前記交通機関利用者情報を常時監視することにより前記増加分を検知し、
前記検知した増加分に基づいて、イベント終了時刻後の前記交通機関の混雑を予想すること、
を特徴とする請求項1に記載の混雑予測装置。
- 混雑予測装置の記憶部は、
乗客による交通機関の利用履歴が記憶される交通機関利用者情報を格納しており、
前記混雑予測装置の制御部は、
イベントが開催される会場の近辺に通じる前記交通機関の停車場を示す情報を受け付け、
前記交通機関利用者情報を参照し、前記イベントの開催日のイベント開始時刻前において前記停車場で降車した乗客の数が、当該イベントが開催されない日に比して増加した増加分を算出し、
前記算出した増加分に基づいて、イベント終了時刻後の前記交通機関の混雑を予測すること、
を特徴とする前記混雑予測装置の混雑予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014101995A JP6322048B2 (ja) | 2014-05-16 | 2014-05-16 | 混雑予測装置及び混雑予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014101995A JP6322048B2 (ja) | 2014-05-16 | 2014-05-16 | 混雑予測装置及び混雑予測方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015219673A JP2015219673A (ja) | 2015-12-07 |
JP2015219673A5 JP2015219673A5 (ja) | 2017-03-16 |
JP6322048B2 true JP6322048B2 (ja) | 2018-05-09 |
Family
ID=54778996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014101995A Active JP6322048B2 (ja) | 2014-05-16 | 2014-05-16 | 混雑予測装置及び混雑予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6322048B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7095282B2 (ja) * | 2015-12-28 | 2022-07-05 | 日本電気株式会社 | 監視装置、制御方法、プログラム、及び撮像装置 |
JP6587974B2 (ja) * | 2016-05-11 | 2019-10-09 | 日本電信電話株式会社 | 人流制御システムおよび人流制御方法 |
JP2018124727A (ja) * | 2017-01-31 | 2018-08-09 | 株式会社東芝 | 電力需要予測装置 |
JP6814115B2 (ja) * | 2017-09-04 | 2021-01-13 | ヤフー株式会社 | 特定装置、特定方法および特定プログラム |
JP6933992B2 (ja) * | 2018-03-26 | 2021-09-08 | 株式会社日立ソリューションズ | 人流予測装置および人流予測プログラム |
JP7163105B2 (ja) * | 2018-08-27 | 2022-10-31 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
CN110400037B (zh) * | 2019-04-26 | 2024-06-11 | 财付通支付科技有限公司 | 一种下车站点确定方法和装置 |
JP2020187512A (ja) * | 2019-05-14 | 2020-11-19 | パイオニア株式会社 | 渋滞予想装置、渋滞予想方法、及びプログラム |
JP7276473B2 (ja) * | 2019-09-09 | 2023-05-18 | 日本電信電話株式会社 | 情報提供装置、情報提供方法、及び情報提供プログラム |
JP7295057B2 (ja) | 2020-03-27 | 2023-06-20 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、及び情報処理システム |
US20230166783A1 (en) * | 2020-04-28 | 2023-06-01 | Nec Corporation | Modification risk output device, modification risk output method, and modification risk output program |
JP7209366B2 (ja) * | 2020-07-14 | 2023-01-20 | 株式会社MaaS Tech Japan | 情報表示プログラム、情報検索装置及び情報検索プログラム |
CN112508247B (zh) * | 2020-11-26 | 2024-05-21 | 交控科技股份有限公司 | 一种交通异常信息的处理方法、装置及电子设备 |
JP7323215B2 (ja) * | 2021-11-26 | 2023-08-08 | Necプラットフォームズ株式会社 | 情報制御装置、情報制御方法、及びプログラム |
WO2023195229A1 (ja) * | 2022-04-04 | 2023-10-12 | 株式会社Nttドコモ | 交通需要予測装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002187551A (ja) * | 2000-12-19 | 2002-07-02 | Omron Corp | シミュレーション装置 |
JP2002304642A (ja) * | 2001-04-03 | 2002-10-18 | Nippon Signal Co Ltd:The | 券売機条件設定システム |
JP4773306B2 (ja) * | 2006-09-06 | 2011-09-14 | 公益財団法人鉄道総合技術研究所 | プログラム及びシミュレーション装置 |
JP5543849B2 (ja) * | 2010-06-07 | 2014-07-09 | 株式会社日立製作所 | サーバ及びコンピュータプログラム |
JP5658593B2 (ja) * | 2011-02-22 | 2015-01-28 | 株式会社日立ソリューションズ | 車両混雑率予測装置及び方法 |
US20150286936A1 (en) * | 2012-10-17 | 2015-10-08 | Hitachi, Ltd. | Transportation analysis system |
-
2014
- 2014-05-16 JP JP2014101995A patent/JP6322048B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015219673A (ja) | 2015-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6322048B2 (ja) | 混雑予測装置及び混雑予測方法 | |
Li et al. | How did micro-mobility change in response to COVID-19 pandemic? A case study based on spatial-temporal-semantic analytics | |
Pereira et al. | Using data from the web to predict public transport arrivals under special events scenarios | |
Brakewood et al. | A literature review of the passenger benefits of real-time transit information | |
US11182871B2 (en) | System and apparatus for ridesharing | |
US10527433B2 (en) | Automated vehicle parking space recommendation | |
JP5581272B2 (ja) | ユーザ移動工程予測装置及びこれを利用した運行情報通知装置 | |
JP6190627B2 (ja) | 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム | |
JP5980715B2 (ja) | 混雑予測システムおよび方法 | |
JP2019008689A (ja) | 交通需要予測装置、交通需要予測方法、及び交通需要予測プログラム | |
Ma et al. | Spatial welfare effects of shared taxi operating policies for first mile airport access | |
US20180101869A1 (en) | Method and information system for enhanced traveler experience during travel | |
JPWO2019235252A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Hansen et al. | Strangers On This Road We Are On: A Literature Review of Pooling in On-Demand Mobility Services | |
JP6506609B2 (ja) | 通知システム、サーバ装置及び通知方法 | |
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 | |
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 | |
Ahangari et al. | Quantifying the effect of on-street parking information on congestion mitigation using a driving simulator | |
JP6633981B2 (ja) | 交通情報配信システムおよび交通情報配信方法 | |
Wang et al. | A data driven approach to assessing the reliability of using taxicab as probes for real-time route selections | |
Mesa et al. | Assessing the effectiveness of park-and-ride facilities on multimodal networks in smart cities | |
Saintika et al. | Readiness of Operating Bus Rapid Transit (BRT) Purwokerto-Purbalingga towards Smart City Concept | |
JP2020160960A (ja) | 移動支援システム及び方法 | |
Akai et al. | Redesigning parking facilities using a parking service satisfaction survey at Izumo local airport in Japan | |
JP7425680B2 (ja) | ナビゲーション装置、及びナビゲーション方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170208 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180228 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180320 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180406 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6322048 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |