JP6454222B2

JP6454222B2 - データ処理システム、及び、データ処理方法

Info

Publication number: JP6454222B2
Application number: JP2015110398A
Authority: JP
Inventors: 俊光有竹; 亮太鴨志田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2015-05-29
Filing date: 2015-05-29
Publication date: 2019-01-16
Anticipated expiration: 2035-05-29
Also published as: JP2016222114A

Description

本発明は、データ処理システム、及び、データ処理方法に関する。

駅等の施設の提供者は、施設内における利用者の安全性の確保及び利便性の向上のために、利用者の入出場情報を測定し、混雑状況を把握し、必要に応じて人員の整理及び入場の規制などを行っている。

一方で、施設の利用者の入出場情報を測定することにより把握できる情報は、施設内にすでに入場した人数、及び、複数の施設間を移動する利用者のＯＤ（Ｏｒｉｇｉｎ−Ｄｅｓｔｉｎａｔｉｏｎ）データのみである。そして、これらの情報だけでは、特定の施設内のどの領域が混雑するかなどの施設内における詳細な移動需要情報（ローカル移動需要情報）を得ることはできない。また、ＯＤデータ等の情報を事前に取得することもできないため、混雑に対して十分な対策を行うことができない。

そこで、混雑への対策をとるためには、施設内の将来のローカル移動需要を予測する必要がある。具体的には、過去のローカル移動需要のデータを蓄積し、蓄積したローカル移動需要のデータと、利用者流動データとを用いて将来のローカル移動需要を予測することが考えられる。

ローカル移動需要のデータを蓄積するためには、移動需要を予測する対象の施設の様々な場所において、利用者の移動方向及び人数を測定する必要がある。そのためには、多数のカメラ及びセンサを設置する必要があるが、この設置は、コスト及びプライバシーの観点から困難である。

一方で、従来から、改札機によって取得された入出場情報と、過去の利用者のＯＤデータと、過去の各駅における列車の乗降人数の情報とを用いて、将来の任意の駅間の移動経路ごと、及び、列車ごとの混雑状況を予測するシステムが開示されている（例えば、特許文献１参照）。

特許文献１に記載の技術は、ある１日の途中までの改札の入出場状況に最も類似する入出場履歴をもつ過去の１日を特定し、その日のＯＤデータの履歴を１日の残りの入出場の予測値とし、この予測値の経路配分を行うことで利用経路、列車ごとの利用者数を推定することを特徴としている。

特開２０１２−１９６９８７号公報

特許文献１に記載の技術を用いた場合において、多数の駅が存在する場合に、ある１日の途中までの入出場状況に最も類似する入出場履歴をもつ過去の１日を特定することは数学的に困難な性質をもち、将来のＯＤデータの高精度な予測値が得られない。また、この値を蓄積して将来の予測に用いた場合、予測精度が低下するという課題がある。

本発明はかかる点に鑑みてなされたものであり、その目的は、利用者のＯＤデータを用いて、より高精度に特定個所におけるローカル移動需要を予測することである。

上記課題を解決するために、本発明は、データ処理システムであって、プロセッサ及びメモリを備え、前記プロセッサが、複数の施設間を移動する利用者の出発施設と到着施設とを示すグローバルＯＤデータを取得し、前記メモリに格納するグローバルＯＤ取得部と、前記プロセッサが、前記グローバルＯＤデータに基づいて前記出発施設及び前記到着施設間の経路を推定し、前記経路を示す経路付きグローバルＯＤデータを前記メモリに格納する経路推定部と、前記プロセッサが、前記経路付きグローバルＯＤデータに基づいて、前記経路上の施設内の複数の箇所を移動した前記利用者の数を示す第１のローカル移動需要を推定し、前記メモリに格納する移動需要推定部と、前記プロセッサが、前記経路上の施設において測定された前記利用者の数を示す流動データを取得し、前記第１のローカル移動需要と前記流動データとに基づいて前記複数の箇所を移動する前記利用者の数を示す第２のローカル移動需要を予測し、前記第２のローカル移動需要を出力する移動需要予測部と、を有する。

本発明によれば、利用者のＯＤデータに基づいてより高精度にローカル移動需要を予測できる。上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本実施例の移動需要予測システムのシステム構成を示すブロック図である。本実施例の入出場ログを示す説明図である。本実施例のマスタデータを示す説明図である。本実施例の計画ダイヤを示す説明図である。本実施例のグローバルＯＤデータを示す説明図である。本実施例の経路付きグローバルＯＤデータを示す説明図である。本実施例の経路付きローカルＯＤデータを示す説明図である。本実施例のローカル移動需要データを示す説明図である。本実施例のローカル移動需要を予測する処理を示すフローチャートである。本実施例のグローバルＯＤ生成プログラムの処理を示すフローチャートである。本実施例の利用経路推定プログラムの処理を示すフローチャートである。本実施例の経路付きローカルＯＤ推定プログラムの処理を示すフローチャートである。本実施例のローカル移動需要推定プログラムの処理を示すフローチャートである。本実施例のグローバルＯＤデータ、経路付きグローバルＯＤデータ、経路付きローカルＯＤデータ、及び、ローカル移動需要データの例を示す説明図である。本実施例の利用者流動データを用いてローカル移動需要を予測するローカル移動需要予測プログラムの処理を示すフローチャートである。本実施例の予測モデルの取得処理を示すフローチャートである。本実施例の予測モデル最適化プログラムの処理を示すフローチャートである。本実施例のローカル移動需要の予測結果を表示する画面の例を示す説明図である。本実施例のローカル移動需要の予測結果を表示する画面の別の例を示す説明図である。

本実施例におけるグローバルＯＤデータとは、施設への入出場情報であって、実際に移動を行った経路の最初の入場の記録と最後の出場の記録とが含まれる情報である。実際に移動を行う際は複数の経路を経由してその出発地から到着地まで移動する。移動経路上で経由する利用施設の情報を含むグローバルＯＤデータについては経路付きグローバルＯＤデータと呼ぶ。

また、グローバルＯＤデータに対して、グローバルＯＤデータが示す経路の経由地点となる施設において、施設の内部における経路の発着地と移動経路とを特定する情報を、経路付きローカルＯＤデータと呼ぶ。また、ローカル移動需要とは、グローバルＯＤデータ及び経路付きグローバルＯＤデータに含まれる経路上の施設内部、及び、施設の特定の領域における移動需要を示し、施設の内部及び特定の領域における移動者の進行方向及び人数などの情報を含む。

以下、添付図面に基づいて、本実施例を説明する。なお、以下で説明する実施例において、ローカル移動需要を予測する施設として、鉄道駅を説明し、また、施設の利用者として鉄道駅の利用者を説明する。しかし、本実施例のシステムを適用する環境は、複数の利用者が複数の施設間を移動し、かつ、施設の中を利用者が移動する環境であればいかなる環境であってもよい。

図１は、本実施例の移動需要予測システムのシステム構成を示すブロック図である。

鉄道の利用者１０１は、鉄道の利用を開始又は終了する際に、切符、磁気定期券、又は、ＩＣ乗車券などの乗車券１０２を用いて、改札機等の読み取り装置１０３を通過する。この際に読み取り装置１０３は、乗車券１０２との通信によって取得したデータを、ネットワーク１０４を介してサーバ１０５へ送信する。サーバ１０５は、少なくとも一つの事業者が管理する記憶装置である。

また、サーバ１０５は、駅に設置されたカメラ１０６が撮像する画像又は映像、及び、鉄道車両１０７に設置された応荷重装置から車両内の人数の推定値データなどを、必要に応じて、ネットワーク１０４を介して受け付け、格納する。

移動需要予測システム１０８は、データサーバ１１１、計算サーバ１１２、及び、情報配信サーバ１１３を含み、乗車券１０２の利用データ及び利用者１０１の流動データを集計、加工したデータを蓄積し、ローカル移動需要を予測する。なお、本実施例の処理に直接関係しない乗車券１０２、読み取り装置１０３、カメラ１０６、及び、応荷重装置の機能、構成及び情報処理技術については説明を省略する。

乗車券１０２を所持した利用者１０１が読み取り装置１０３を通過した場合、読み取り装置１０３は、乗車券１０２を特定するユーザＩＤ、読み取り装置１０３を通過した通過日時、入出場の区別、通過した読み取り装置１０３を示す識別子などを含む入出場ログ等の情報を取得する。

読み取り装置１０３は、取得した情報をサーバ１０５へ蓄積する。そして、読み取り装置１０３は、サーバ１０５への蓄積と同時に、サーバ１０５に蓄積したデータを、ネットワーク１０４を介してデータサーバ１１１へ送信してもよい。また、サーバ１０５は、一定時間ごと、又は、一定量のデータが蓄積された場合、蓄積したデータをデータサーバ１１１へ送信してもよい。

データサーバ１１１、計算サーバ１１２、及び、情報配信サーバ１１３は、各々プロセッサ、メモリ及びネットワークインタフェースを有する計算機である。また、移動需要予測システム１０８は、操作者１１４が操作する計算機と、ネットワーク１１８とを有してもよい。計算サーバ１１２及び情報配信サーバ１１３は、ネットワーク１１８を介して、操作者１１４が操作する計算機と接続する。

また、移動需要予測システム１０８は、ネットワーク１１７と接続し、ネットワーク１１７を介して、鉄道事業者１１５が有する情報端末１１６と接続する。

なお、本実施例では、移動需要予測システム１０８は、データサーバ１１１、計算サーバ１１２、及び、情報配信サーバ１１３のサーバ群を含むとして説明するが、１又は複数の物理的な計算機がこれらサーバ群の機能を実行するシステムであってもよい。

データサーバ１１１は、読み取り装置１０３が読み取った利用者１０１の構内への入出場データをネットワーク１０４を介して受信し、データサーバ１１１が有するデータ格納部１２１に格納する。

データ格納部１２１は、入出場ログ１２２、マスタデータ１２３、計画ダイヤ１２４、グローバルＯＤデータ１２５、ローカル移動需要データ１２６、及び利用者流動データ１２７を格納する。

入出場ログ１２２は、読み取り装置１０３から収集した情報である。マスタデータ１２３は、鉄道路線及び駅を示す。計画ダイヤ１２４は、鉄道の運行を示す。マスタデータ１２３及び計画ダイヤ１２４は、移動需要予測システム１０８の外部のシステムから受け付けた情報であり、必要に応じて、変更及び更新される。

グローバルＯＤデータ１２５は、駅間を移動する利用者１０１が入場した駅及び入場時刻並びに出場した駅及び出場時刻を示す情報であり、入出場ログ１２２などを加工して生成される。

ローカル移動需要データ１２６は、移動需要予測システム１０８により生成され、グローバルＯＤデータ１２５に基づいて求められた利用者１０１の数を示す。利用者流動データ１２７は、ローカル移動需要を予測するために用いられる情報であり、駅内の利用者１０１の人数を示す。

計算サーバ１１２は、入出場ログ１２２に基づいてグローバルＯＤデータ１２５を生成する処理と、グローバルＯＤデータごとに利用経路を推定し、経路付きローカルＯＤ及びローカル移動需要を推定する処理と、推定されたローカル移動需要及び利用者流動データ１２７を用いてローカル移動需要を予測する処理などを行う。

計算サーバ１１２は、主にネットワークインタフェースＩ／Ｆ（Ａ）１３０、ＣＰＵ１３１、メモリ１３２、及び、記憶部１３３を有する。また、情報配信サーバ１１３は、ネットワークインタフェースＩ／Ｆ（Ｂ）１５０とＣＰＵ１５１とメモリ１５２と記録装置１５３とを有する。

ネットワークインタフェースＩ／Ｆ（Ａ）１３０及びネットワークインタフェースＩ／Ｆ（Ｂ）１５０は、ネットワークに接続するためのインタフェースである。

記憶部１３３及び記録装置１５３は、複数の記録装置を含み、各種プログラム、各種データを記録する。記憶部１３３及び記録装置１５３は、例えば、ハードディスクドライブ、ＣＤ−ＲＯＭドライブ、及び、フラッシュメモリなどである。なお、記憶部１３３及び記録装置１５３は、各種プログラム及び各種データを複数の記録装置に分割して格納してもよい。

記憶部１３３は、グローバルＯＤ生成プログラム１３４、利用経路推定プログラム１３５、経路付きローカルＯＤ推定プログラム１３６、ローカル移動需要推定プログラム１３７、ローカル移動需要予測プログラム１３８、及び、予測モデル最適化プログラム１３９のプログラム群と、データ格納部１４０と、を含む。

また、データ格納部１４０は、計算サーバ１１２における計算処理の結果得られた推定値及び予測値を格納する。データ格納部１４０は、経路付きグローバルＯＤデータ１４１及び経路付きローカルＯＤデータ１４２を含む。

ＣＰＵ１３１は、プログラムを実行する際、分析対象のデータをデータサーバ１１１から読み出し、メモリ１３２へ一時的に格納し、メモリ１３２に格納された各プログラムをメモリに読み出して実行することにより各種機能を実現する。

これらのプログラムの実行のタイミングは、例えば操作者１１４及び鉄道事業者１１５のリクエストのタイミング及びデータサーバ１１１に新規データが追加されるタイミングであってもよいし、１時間及び１日ごとの一定時間ごとであってもよいし、一定量のデータが蓄積されたときのバッチ処理のタイミングであってもよい。

情報配信サーバ１１３は、ローカル移動需要の予測値を必要に応じてネットワーク１１８又はネットワーク１１７に出力する。鉄道事業者１１５は、情報端末１１６及びネットワーク１１７を介して、駅内における任意の期間（将来を含む）のローカル移動需要の予測値を情報配信サーバ１１３から取得する。

記録装置１５３は、表示画面生成プログラム１５４、及び、情報配信プログラム１５５を含む。ＣＰＵ１５１は、記録装置１５３に記録される各種プログラムをメモリに読み出して実行することにより各種機能を実行する。これらの情報は、操作者１１４及び鉄道事業者１１５が能動的にアクセスしたタイミングで取得される。

図２は、本実施例の入出場ログ１２２を示す説明図である。

入出場ログ１２２は、データサーバ１１１内に格納される代表的なデータであり、図２は、入出場ログ１２２のデータ構造を示す。入出場ログ１２２は、ログＩＤ２０１、ユーザＩＤ２０２、駅ＩＤ２０３、改札ＩＤ２０４、利用時刻２０５及び利用種別２０６を含む。

ログＩＤ２０１は、入出場ログ１２２に含まれるエントリを識別するための識別子を示す。ユーザＩＤ２０２は、利用者１０１の識別子を示す。駅ＩＤ２０３は、利用者１０１が入出場時に利用した駅を示し、改札ＩＤ２０４は、利用者１０１が入出場時に利用した改札を示す。

利用時刻２０５は、読み取り装置１０３を通過した日及び時刻を示す。利用種別２０６は、入場か出場かを示す。

入出場ログ１２２のデータは、新規にデータが生成される度に送信されてもよいし、または、一定時間ごとに、毎日決まった時刻で、又は、一定量のデータがサーバ１０５に蓄積されたタイミングで、蓄積されたデータが一括して送られてもよい。データサーバ２１１は、その送受信のタイミングに合わせて、受信したデータを入出場ログ１２２に格納する。

図３は、本実施例のマスタデータ１２３を示す説明図である。

図３は、データサーバ１１１が格納するマスタデータ１２３の種類とそれぞれのデータ構造を示す。マスタデータ１２３は、駅マスタ３００、路線マスタ３１０、駅−路線関係マスタ３２０、駅内箇所マスタ３３０及び駅内通路マスタ３４０を含む。

駅マスタ３００は、駅に関する基本データを含み、駅ＩＤ３０１及び駅名３０２などの情報を含む。駅ＩＤ３０１は、駅の識別子を示す。駅名３０２は、駅ＩＤ３０１が示す駅の名称を示す。

路線マスタ３１０は、路線に関する基本データを含み、路線ＩＤ３１１、路線名３１２及び路線タイプ３１３などの情報を含む。路線ＩＤ３１１は、路線の識別子を示す。路線名３１２は、路線ＩＤ３１１が示す路線の名称を含む。路線タイプ３１３は、路線のタイプを示し、例えば、各駅列車及び特急列車等を示す。

駅−路線関係マスタ３２０は、駅及び路線を対応づけるための基本データを含み、路線ＩＤ３２１、駅ＩＤ３２２、順序３２３、種別３２４及び始点からの所要時間３２５などの情報を含む。路線ＩＤ３２１は、路線の識別子を示し、路線ＩＤ３１１に対応する。駅ＩＤ３２２は、駅の識別子を示し、駅ＩＤ３０１に対応する。順序３２３は、路線ＩＤ３２１が示す路線における駅ＩＤ３２２の駅の順序を示す。列車は、順序３２３の昇順に進行する。

種別３２４は、列車が駅ＩＤ３２２の駅を停車するか通過するかを示す。始点からの所要時間３２５は、列車が路線ＩＤ３２１における始発駅から駅ＩＤ３２２が示す駅まで移動するために必要な時間を示す。

駅内箇所マスタ３３０は、駅内箇所に関する基本データを含み、駅ＩＤ３３１、駅内箇所ＩＤ３３２、駅内箇所名称３３３などの情報を含む。駅ＩＤ３３１は、駅の識別子を示し、駅ＩＤ３０１に対応する。

駅内箇所ＩＤ３３２は、駅ＩＤ３０１が示す駅に含まれる駅内箇所の識別子を示す。駅内箇所名称３３３は、駅内箇所の名称を示す。駅内箇所の名称は、例えば、北口改札、及び、１番線ホーム中央階段などである。

駅内通路マスタ３４０は、二つの駅内箇所と、当該二つの駅内箇所間を結ぶ通路とを対応付けるための基本データを含み、駅ＩＤ３４１、通路ＩＤ３４２、接続元駅内箇所ＩＤ３４３、接続先駅内箇所ＩＤ３４４、及び、標準所要時間３４５などの情報を含む。駅ＩＤ３４１は、駅の識別子を示し、駅ＩＤ３０１に対応する。

通路ＩＤ３４２は、通路の識別子を示す。接続元駅内箇所ＩＤ３４３は、通路の始点である駅内箇所の識別子を示し、駅内箇所ＩＤ３３２に対応する。接続先駅内箇所ＩＤ３４４は、通路の終点である駅内箇所の識別子を示し、駅内箇所ＩＤ３３２に対応する。

標準所要時間３４５は、通路ＩＤ３４２が示す通路において、接続元駅内箇所ＩＤ３４３の駅内箇所から接続先駅内箇所ＩＤ３４４の駅内箇所まで利用者１０１が移動するために必要な時間を示す。

マスタデータ１２３は、例えば、駅及び路線に変更があった場合等、内容に変更があった場合に移動需要予測システム１０８の外部から追加及び更新が行われる。

図４は、本実施例の計画ダイヤ１２４を示す説明図である。

図４は、データサーバ１１１内に格納される計画ダイヤ１２４を格納するためのデータ構造を示す。計画ダイヤ１２４は、ダイヤＩＤ４０１、路線ＩＤ４０２、到着時刻４０４及び出発時刻４０５を含む。ダイヤＩＤ４０１は、ダイヤの識別子を示す。本実施例において、一つの列車の１回の運用に一つのダイヤの識別子が割り当てられる。

路線ＩＤ４０２は、路線の識別子を示し、路線ＩＤ３１１に対応する。停車駅４０３は、列車が停車する駅を示す。図４に示す停車駅４０３は駅の名称を示し、駅名３０２に対応するが、本実施例の停車駅４０３は駅の識別子を示してもよく、駅ＩＤ３０１に対応してもよい。

到着時刻４０４は、停車駅４０３の駅に到着する予定時刻を示し、出発時刻４０５は、停車駅４０３の駅を出発する予定時刻を示す。駅内箇所ＩＤ４０６は、列車が到着する駅内箇所を示し、例えば、１番線ホームを示す識別子を含む。

計画ダイヤ１２４は、例えば、到着時刻４０４及び出発時刻４０５に変更があった場合等、内容に変更があった場合に移動需要予測システム１０８の外部から追加及び更新が行われる。

図５は、本実施例のグローバルＯＤデータ１２５を示す説明図である。

図５は、データサーバ１１１内に格納されるグローバルＯＤデータ１２５を格納するためのデータ構造を示す。グローバルＯＤデータ１２５は、ログＩＤ５０１、ユーザＩＤ５０２、乗車駅ＩＤ５０３、入場日時５０４、降車駅ＩＤ５０５、及び、出場日時５０６を含む。

ログＩＤ５０１は、グローバルＯＤデータ１２５のエントリの識別子を示す。ユーザＩＤ５０２は、利用者１０１の識別子を示す。乗車駅ＩＤ５０３は、利用者１０１が列車に乗車した駅を示し、駅ＩＤ３０１に対応する。入場日時５０４は、利用者１０１が入場した日及び時刻を示す。

降車駅ＩＤ５０５は、利用者１０１が列車から降車した駅を示し、駅ＩＤ３０１に対応する。出場日時５０６は、利用者１０１が出場した日及び時刻を示す。グローバルＯＤデータ１２５のエントリ（グローバルＯＤデータ）は、入出場ログ１２２等を用いて生成される。

図６は、本実施例の経路付きグローバルＯＤデータ１４１を示す説明図である。

図６は、計算サーバ１１２内のデータ格納部１４０に格納される経路付きグローバルＯＤデータ１４１を格納するためのデータ構造を示す。経路付きグローバルＯＤデータ１４１は、乗車駅と降車駅との間を利用者１０１が移動した経路を示す。

経路付きグローバルＯＤデータ１４１は、ログＩＤ６０１、ユーザＩＤ６０２、利用路線ＩＤ１（６０３）、乗車駅ＩＤ１（６０４）、乗車日時１（６０５）、降車駅ＩＤ１（６０６）、降車日時１（６０７）、利用路線ＩＤ２（６０８）、乗車駅ＩＤ２（６０９）、乗車日時２（６１０）、降車駅ＩＤ２（６１１）、及び、降車日時２（６１２）などの情報を含む。

ログＩＤ６０１は、経路付きグローバルＯＤデータ１４１のエントリの識別子を示し、ログＩＤ５０１に対応する。ユーザＩＤ６０２は、利用者１０１の識別子を示す。利用路線ＩＤ１（６０３）は、利用者１０１が最初に乗車した列車の路線を示し、路線ＩＤ３２１に対応する。乗車駅ＩＤ１（６０４）は、利用者１０１が最初に列車に乗車した駅を示し、駅ＩＤ３０１に対応する。

乗車日時１（６０５）は、利用者１０１が最初に列車に乗車した時刻を示す。降車駅ＩＤ１（６０６）は、利用者１０１が列車を最初に降車した駅を示す。降車日時１（６０７）は、利用者１０１が列車を最初に降車した日及び時刻を示す。

利用路線ＩＤ２（６０８）は、利用者１０１が２番目に乗車した列車の路線を示し、路線ＩＤ３２１に対応する。乗車駅ＩＤ２（６０９）は、利用者１０１が２番目に列車に乗車した駅を示し、駅ＩＤ３０１に対応する。

乗車日時２（６１０）は、利用者１０１が２番目に列車に乗車した時刻を示す。降車駅ＩＤ２（６１１）は、利用者１０１が２番目に最初に降車した駅を示す。降車日時２（６１２）は、利用者１０１が列車を２番目に降車した日及び時刻を示す。

なお、利用者が列車を乗り継がない場合、利用路線ＩＤ２（６０８）以降の領域は、ｎｕｌｌ値等を格納する。また、利用者が三つ以上の列車に乗る場合、経路付きグローバルＯＤデータ１４１は、３番目以降の乗車及び降車を示す情報を含んでもよい。

経路付きグローバルＯＤデータ１４１は、グローバルＯＤデータ１２５等を用いて生成されるデータである。前述では計算サーバ１１２内のデータ格納部１４０が、経路付きグローバルＯＤデータ１４１を格納するとしたが、データサーバ１１１が格納してもよい。

図７は、本実施例の経路付きローカルＯＤデータ１４２を示す説明図である。

図７は、計算サーバ１１２内のデータ格納部１４０に格納される経路付きローカルＯＤデータ１４２を格納するためのデータ構造を示す。経路付きローカルＯＤデータ１４２は、利用者１０１が駅内の複数の箇所を移動した経路を示す。

経路付きローカルＯＤデータ１４２は、ログＩＤ７０１、ユーザＩＤ７０２、経由駅内箇所ＩＤ１（７０３）、利用時刻１（７０４）、経由駅内箇所ＩＤ２（７０５）、利用時刻２（７０６）、経由駅内箇所ＩＤ３（７０７）及び利用時刻３（７０８）を含む。

ログＩＤ７０１は、経路付きローカルＯＤデータ１４２のエントリの識別子を示す。ユーザＩＤ７０２は、利用者１０１の識別子を示す。経由駅内箇所ＩＤ１（７０３）は、利用者１０１が駅内で最初に通過した駅内箇所を示す。利用時刻１（７０４）は、経由駅内箇所ＩＤ１（７０３）の駅内箇所を利用者１０１が通過した日及び時刻を示す。

経由駅内箇所ＩＤ２（７０５）は、利用者１０１が駅内で２番目に通過した駅内箇所を示す。利用時刻２（７０６）は、利用者１０１が経由駅内箇所ＩＤ２（７０５）の駅内箇所を通過した日及び時刻を示す。

経由駅内箇所ＩＤ３（７０７）は、利用者１０１が駅内で３番目に通過した駅内箇所を示す。利用時刻３（７０８）は、利用者１０１が経由駅内箇所ＩＤ３（７０７）の駅内箇所を通過した日及び時刻を示す。

なお、経路付きローカルＯＤデータ１４２は、利用者１０１が通過する駅内箇所の数に従って、通過する駅内箇所に関する情報を有し、４番目以降に通過した駅内箇所に関する情報を含んでもよい。

経路付きローカルＯＤデータ１４２は、経路付きグローバルＯＤデータ１４１等を用いて生成されるデータである。前述では計算サーバ１１２内のデータ格納部１４０が、経路付きローカルＯＤデータ１４２を格納するとしたが、データサーバ１１１が格納してもよい。

図８は、本実施例のローカル移動需要データ１２６を示す説明図である。

図８は、データサーバ１１１に格納されるローカル移動需要データ１２６を格納するためのデータ構造を示す。ローカル移動需要データ１２６は、駅内の通路ごとに、移動する利用者１０１の数を示す。ローカル移動需要データ１２６は、駅ＩＤ８０１と、日時８０２と、通路ＩＤ８０３と、人数８０４とを含む。

駅ＩＤ８０１は、駅の識別子を示し、駅ＩＤ３０１に対応する。日時８０２は、移動需要を予測する対象の期間を示す。図８に示す日時８０２は、日及び時間帯を示すが、例えば、曜日及び時間帯を示してもよく、いかなる方法によって期間を示してもよい。

通路ＩＤ８０３は、通路の識別子を示し、通路ＩＤ３４２に対応する。人数８０４は、日時８０２の期間において、通路ＩＤ８０３を通過する利用者１０１の数の予測値を示す。

ローカル移動需要データ１２６は、経路付きローカルＯＤデータ１４２等を用いて生成される。

図９は、本実施例のローカル移動需要を予測する処理を示すフローチャートである。

まず、グローバルＯＤ生成プログラム１３４が、入出場ログ１２２に基づいてグローバルＯＤデータ１２５を生成する（ステップ９００）。そして、利用経路推定プログラム１３５は、グローバルＯＤデータ１２５に基づいて、経路付きグローバルＯＤデータ１４１を生成し、データ格納部１４０に格納する（ステップ１０００）。

そして、経路付きローカルＯＤ推定プログラム１３６は、経路付きグローバルＯＤデータ１４１に基づいて、複数の駅内箇所を利用者１０１が移動した経路を推定し、さらに、ローカル移動需要推定プログラム１３７は、駅内を移動した利用者１０１の人数を示すローカル移動需要を、複数の駅内箇所間（通路）ごとに推定する（ステップ１０５０）。

具体的には、経路付きローカルＯＤ推定プログラム１３６は、ステップ１０５０において、推定した経路を示す経路付きローカルＯＤデータ１４２を生成し、データ格納部１４０に格納する（ステップ１１００）。そして、ローカル移動需要推定プログラム１３７は、経路付きローカルＯＤデータ１４２に基づいて、駅内の通路ごとのローカル移動需要を推定し、推定結果を示すローカル移動需要データ１２６をデータ格納部１２１に格納する（ステップ１２００）。

そして、ローカル移動需要予測プログラム１３８は、利用者流動データ１２７を用いて予測モデルを生成し、さらに、予測モデル最適化プログラム１３９は、生成された予測モデルを、ローカル移動需要データ１２６を用いて最適化する。そして、ローカル移動需要予測プログラム１３８は、最適化された予測モデルによって、任意の期間（将来を含む）におけるローカル移動需要を予測する（ステップ１４００）。ここで、ローカル移動需要予測プログラム１３８は、予測結果を表示画面生成プログラム１５４に出力してもよい。

図１０は、本実施例のグローバルＯＤ生成プログラム１３４の処理を示すフローチャートである。

グローバルＯＤ生成プログラム１３４は、図１０に示す通り、入出場ログ１２２からグローバルＯＤデータ１２５を生成し、さらに、生成したグローバルＯＤデータ１２５をデータサーバ１１１に格納する。ここでは、グローバルＯＤ生成プログラム１３４は、毎日決められた時刻に１回、バッチ処理によってグローバルＯＤデータ１２５をデータサーバ１１１へ格納する。図１０の処理は、図９に示すステップ９００である。

まず、グローバルＯＤ生成プログラム１３４は、新しく格納された入出場ログ１２２に含まれるユーザＩＤ２０２と利用時刻２０５とを参照し、入出場ログ１２２をユーザＩＤ２０２順および利用時刻２０５順に並びかえる（ステップ９０１）。

ステップ９０１において並びかえたデータに、ユーザＩＤの数だけ、以下の同じ処理を繰り返す（ステップ９０２）。

まず、乗車駅ＩＤ５０３、入場日時５０４、降車駅ＩＤ５０５、及び、出場日時５０６に対応するリスト型変数を初期化する（ステップ９０３）。そして、並び替えられた入出場ログ１２２から一つのユーザＩＤ（以下の説明においてユーザＩＤａ）のエントリを取得する。

次に、利用時刻２０５順に並んだ入出場ログ１２２に、以下の同じ処理を繰り返す（ステップ９０４）。

まず、取得したユーザＩＤａのエントリを利用時刻２０５の早い順に取得し、取得したエントリの入出場ログ１２２の利用種別２０６が入場か出場かを判定する（ステップ９０５）。利用種別２０６が入場である場合、ステップ９０６を実行し、利用種別２０６が出場である場合、ステップ９０７を実行する。

利用種別２０６の値が入場である場合、グローバルＯＤデータ１２５の乗車駅ＩＤ５０３及び入場日時５０４に対応する変数に、入出場ログ１２２の駅ＩＤ２０３及び利用時刻２０５を格納する（ステップ９０６）。これによって、グローバルＯＤデータ１２５に、乗車に関する情報（乗車情報）を格納できる。

ステップ９０６の後、ユーザＩＤａのエントリの中で、ステップ９０５を実行していないエントリであり、かつ、時刻の最も早いエントリを取得し、ステップ９０５を実行する。

取得したエントリの利用種別２０６が出場である場合、かつ、乗車駅ＩＤ５０３に対応する変数に既に駅ＩＤが格納されている場合、降車駅ＩＤ５０５及び出場日時５０６に対応する変数に、駅ＩＤ２０３及び利用時刻２０５の値を格納する（ステップ９０７）。これによって、グローバルＯＤデータ１２５に、降車に関する情報（降車情報）を格納できる。

ステップ９０７が終了しても、ユーザＩＤａのエントリの中でステップ９０５を実行していないエントリ（以下、残エントリと記載）が残っている場合、以下の処理を行ってもよい。

具体的には、残エントリの利用種別２０６が「入場」であり、かつ、前回のステップ９０７において変数に格納した利用時刻２０５と、残エントリの利用時刻２０５との間が所定の時間ｔ以内である場合（すなわち、ユーザＩＤａが出場した後、所定の時間ｔ以内に再び入場した場合）、移動が継続されているとみなす。

そして、残エントリよりも利用時刻２０５が後の利用種別２０６が出場であるユーザＩＤａのエントリの駅ＩＤ２０３及び利用時刻２０５を、降車駅ＩＤ５０５及び出場日時５０６の変数に格納してもよい。また、利用経路推定プログラム１３５は、このときに得られた経由駅の情報（残エントリの駅ＩＤ２０３及び利用時刻２０５）を、後述する処理において用いてもよい。

ユーザＩＤａのエントリに対する繰り返し処理が終了した後、乗車駅ＩＤ５０３、入場日時５０４、降車駅ＩＤ５０５、及び、出場日時５０６に対応する変数に値がセットされていた場合、変数の値を、グローバルＯＤデータ１２５の追加されたエントリに格納する（ステップ９０８）。ここで、グローバルＯＤ生成プログラム１３４は、変数の値と対応づけて、ユーザＩＤａをユーザＩＤ５０２に格納し、ログＩＤ５０１に一意な識別子を格納する。

なお、グローバルＯＤ生成プログラム１３４は、取得した入出場ログ１２２の一部が欠けており、グローバルＯＤデータ１２５を生成した際に乗車情報及び降車情報のいずれか一方に値が格納されていないエントリが発生した場合、あらかじめ保持する代表的なグローバルＯＤデータ及びその利用人数などの情報、並びに、平均的な移動時間の情報等を用いて、欠けており、取得されていない情報を補完してもよい。

例えば、グローバルＯＤ生成プログラム１３４は、過去に生成されたグローバルＯＤデータ１２５を用いて、入場駅及び出場駅の組み合わせと、その組み合わせの過去の利用人数とを求めることにより、任意の二つの駅の組み合わせが入場駅及び出場駅として利用された頻度を示す駅情報を生成する。また、この駅情報は、あらかじめ移動需要予測システム１０８の外部から、ネットワーク１１７等を介して入力されてもよい。

そして、グローバルＯＤ生成プログラム１３４は、グローバルＯＤデータ１２５のエントリに含まれる（すなわち、取得された駅の情報である）乗車駅ＩＤ５０３又は降車駅ＩＤ５０５を含む組み合わせであり、かつ、過去の利用人数（利用頻度）が最も多い組み合わせを、前述の駅情報から特定する。

そして、特定した組み合わせに従って、取得されていない駅の情報（乗車駅ＩＤ５０３又は降車駅ＩＤ５０５）を割り当て、特定した組み合わせの平均的な移動時間に基づいて、取得されていない日時の情報（入場日時５０４又は出場日時５０６）に日時を割り当てる。これによって、欠損した情報を補完する。

これによって、例えば、鉄道事業者が異なる駅が存在する場合など、すべての駅から入出場ログ１２２を取得できない場合にも、取得できた入出場ログ１２２を最大限に有効に利用してグローバルＯＤデータ１２５を生成できる。

ステップ９０１において取得したエントリに、ステップ９０４以降の処理を実行していないエントリがある場合、グローバルＯＤ生成プログラム１３４は、ステップ９０３に戻る。

図１１は、本実施例の利用経路推定プログラム１３５の処理を示すフローチャートである。

利用経路推定プログラム１３５は、図１１に示す処理のとおり、グローバルＯＤデータ１２５が含む各エントリについて、利用者が移動の際に経由した駅とその経由を含めた移動のために利用した路線とを推定し、経路付きグローバルＯＤデータ１４１を生成する。利用経路推定プログラム１３５は、グローバルＯＤデータ１２５のエントリの数だけ、ステップ１００２〜１００４を繰り返す（ステップ１００１）。

まず、利用経路推定プログラム１３５は、グローバルＯＤデータ１２５から、ステップ１００２〜１００４を実行していないエントリ（以下、エントリｂ）を取得する。そして、経路を探索するための探索方法を選択する（ステップ１００２）。

そして、選択した探索方法を用いて、エントリｂの乗車駅ＩＤ５０３が示す駅から降車駅ＩＤ５０５が示す駅へ至る経路（乗車する路線）を推定する（ステップ１００３）。ここで、利用経路推定プログラム１３５は、必要に応じて、マスタデータ１２３及び計画ダイヤ１２４の情報を用いる。

探索方法は、例えば、駅をノード、駅間を結ぶ線路をエッジと定め、駅間の重みを所要時間、乗換回数、又は、料金と定め、ダイクストラ法のようなアルゴリズムを用いて最短経路問題を解く方法であってもよい。なお、利用経路推定プログラム１３５は、駅間の接続関係を示すトポロジ情報をあらかじめ保持する。

最短経路問題の解法については公知の技術を利用可能であるため、詳細の説明を省略する。なお、駅間の重みに料金を用いる場合、駅−路線関係マスタ３２０は、料金に関する項目を有してもよい。

また、グローバルＯＤ生成プログラム１３４が、前述の図１０に示す処理において経由駅の情報を得た場合、利用経路推定プログラム１３５は、この経由駅の情報を経路の経由地点の情報として用いる探索方法を、ステップ１００２において選択してもよい。

経路の探索方法は、前述の最短経路問題を解く方法に限定されるものではなく、例えば、代表的な利用経路が格納された経路マスタファイルを用いて、乗車情報と降車情報との組み合わせに経路を割り当てるなど他の方法であってもよい。

そして、利用経路推定プログラム１３５は、経路を推定した後、入場日時５０４と推定した経路と駅−路線関係マスタ３２０と駅内箇所マスタ３３０と駅内通路マスタ３４０と計画ダイヤ１２４とを用いて、読み取り装置１０３を通過し入場した後、最初に列車に乗車した乗車日時（乗車日時１（６０５））を推定する。

具体的には、出発時刻４０５が入場日時５０４以後であり、路線ＩＤ４０２が、推定した経路が示す最初に乗車する路線である計画ダイヤ１２４のエントリを一つ特定し、特定したエントリの駅内箇所ＩＤ４０６を特定する。一方で、特定した駅内箇所ＩＤ４０６と、改札ＩＤ５０７との間の所要時間を標準所要時間３４５に基づいて特定し、特定した所要時間を入場日時５０４に加算する。そして、特定したエントリの出発時刻４０５が加算結果の直後を示す場合、特定したエントリの出発時刻４０５を乗車日時１（６０５）の値に推定する。

また、最初に列車に乗車した乗車日時と計画ダイヤ１２４と推定した経路とに基づいて、最初に乗車した列車を降車する降車日時（降車日時１（６０７））を推定する。そして、推定した経路が二番目に列車に乗車することを示す場合、最初の降車日時及び推定した経路と計画ダイヤ１２４と駅内通路マスタ３４０等とを用いて、二番目の乗車日時（乗車日時２（６０９））を推定する。このように、推定した経路に従った乗車日時と降車日時とを推定する。

利用経路推定プログラム１３５は、推定された経路に従って、経路付きグローバルＯＤデータ１４１の利用路線ＩＤ１（６０３）、乗車駅ＩＤ１（６０４）、乗車日時１（６０５）、降車駅ＩＤ１（６０６）、及び、降車日時１（６０７）等に値を格納する。なお、ログＩＤ６０１、及び、ユーザＩＤ６０２は、グローバルＯＤデータ１２５のエントリｂのログＩＤ５０１、及び、ユーザＩＤ５０２の値を格納する。

これによって、グローバルＯＤデータ１２５のエントリｂに対して推定した経路情報を含む経路付きグローバルＯＤデータ１４１を生成し、データ格納部１４０に格納する（ステップ１００４）。

ステップ１００４の後、ステップ１００２〜１００４を実行していないエントリがグローバルＯＤデータ１２５に含まれる場合、ステップ１００２に戻る。

図１２は、本実施例の経路付きローカルＯＤ推定プログラム１３６の処理を示すフローチャートである。

経路付きローカルＯＤ推定プログラム１３６は、図１２に示す処理に従って、経路付きグローバルＯＤデータ１４１から、特定の施設内における経路付きローカルＯＤデータ１４２を生成する。

まずローカル移動需要を推定する対象の駅を選択する（ステップ１１０１）。以下において、選択された駅を対象駅と記載し、対象駅の駅ＩＤを対象駅ＩＤと記載する。

そして、対象駅を利用するログを経路付きグローバルＯＤデータ１４１から抽出する。具体的には、対象駅ＩＤをいずれかの項目（例えば、乗車駅ＩＤ１（６０４）、降車駅ＩＤ２（６１１）等）に含むエントリを、経路付きグローバルＯＤデータ１４１から抽出する。そして、抽出されたエントリのユーザＩＤ６０２が示す利用者の数だけ、ステップ１１０３〜１１０５の処理を繰り返す（ステップ１１０２）。

ステップ１１０２を実行する際に、ステップ１１０２において抽出したエントリから、ステップ１１０２以降の処理を実行していないユーザＩＤ（以下、ユーザＩＤｃ）のエントリを取得する。

そして、取得した経路付きグローバルＯＤデータ１４１のエントリに基づいて、ユーザＩＤｃの利用者１０１の対象駅における出発地及び到着地を決定する（ステップ１１０３）。例えば、取得したエントリの乗車駅ＩＤ１（６０４）に対象駅ＩＤが含まれる場合（すなわち、最初の乗車駅が対象駅である場合）、ユーザＩＤｃの改札ＩＤ５０７（グローバルＯＤデータ１２５においてログＩＤ５０１が同じエントリから取得）を出発地に決定し、乗車する利用路線ＩＤ１（６０３）のホーム（路線ＩＤ４０２が同じエントリの駅内箇所ＩＤ４０６から取得）を到着地に決定する。

また、例えば、対象駅が一つ目の乗換駅である場合（すなわち、エントリに乗車駅ＩＤが二つ以上含まれており、対象駅が二つ目の乗車駅である場合）、路線ＩＤ４０２が利用路線ＩＤ１（６０３）を示し、停車駅４０３が降車駅ＩＤ１（６０６）を示し、到着時刻４０４が降車日時１（６０７）を示す計画ダイヤ１２４のエントリを特定する。そして、特定したエントリの駅内箇所ＩＤ４０６を、対象駅における出発地に決定する。

そして、路線ＩＤ４０２が利用路線ＩＤ２（６０８）を示し、停車駅４０３が乗車駅ＩＤ２（６０９）を示し、出発時刻４０５が乗車日時２（６１０）を示す計画ダイヤ１２４のエントリを特定する。そして、特定したエントリの駅内箇所ＩＤ４０６を、対象駅における出発地に決定する。

なお、降車駅ＩＤ１（６０６）及び乗車駅ＩＤ２（６０８）が異なり、対象駅がいずれか一方である場合においても、前述と同じ処理を行ってもよい。この場合、駅内箇所マスタ３３０は、降車駅ＩＤ１（６０６）から乗車駅ＩＤ２（６０８）へ乗り換えるために通過する改札機、コンコース及び通路等の箇所を示すエントリを有する。そして、経路付きローカルＯＤ推定プログラム１３６は、降車駅ＩＤ１（６０６）から乗車駅ＩＤ２（６０８）へ乗り換えるための箇所を、対象駅において通過する駅内箇所に決定してもよい。

経路付きローカルＯＤ推定プログラム１３６は、経路付きグローバルＯＤデータ１４１のユーザＩＤｃのエントリの中で、対象駅ＩＤが最後の降車駅ＩＤとして含まれている場合、前述と同様に利用路線ＩＤと降車駅ＩＤと降車日時とに基づいて計画ダイヤ１２４のエントリを特定する。

そして、特定したエントリの駅内箇所ＩＤ４０６を出発地に決定する。そして、ログＩＤ６０１と同じログＩＤ５０１のグローバルＯＤデータ１２５の改札ＩＤ５０８を、対象駅の到着地に決定する。

そして、経路付きローカルＯＤ推定プログラム１３６は、対象駅内の出発地から到着地に至る経路を推定する（ステップ１１０４）。

経路付きローカルＯＤ推定プログラム１３６は、例えば、対象駅の駅内箇所をノードとし、駅内箇所同士をつなぐ通路をエッジとして定め、さらに、駅内箇所間の重みを移動所要時間、又は、混雑度に定め、ダイクストラ法のようなアルゴリズムを用いた最短経路問題を解くことによって経路を推定する。なお、経路付きローカルＯＤ推定プログラム１３６は、対象駅の駅内箇所が接続されるトポロジを示す情報をあらかじめ保持する。

最短経路問題の解法については公知の技術を利用可能であるため、詳細の説明は省略する。ただし、本実施例では経路の推定方法として、最短経路問題を解く方法以外のいずれの方法を用いてもよく、例えば、利用経路のマスタファイルを利用するなど他の方法を用いてもよい。

移動需要予測システム１０８は、前述の処理において対象駅内の経路を推定することによって、利用者１０１が移動した通路が明確になり、さらに後述する処理によって、駅内の通路ごとに移動する利用者の数を推定することができる。

さらに、経路付きローカルＯＤ推定プログラム１３６は、経路を推定した後、グローバルＯＤデータ１２５の入場日時５０４及び出場日時５０６、経路付きグローバルＯＤデータ１４１の乗車日時及び降車日時、並びに、駅内通路マスタ３４０の標準所要時間３４５等を用いて、駅内箇所を通過した時刻を利用時刻として求める。

例えば、対象駅内の経路として、出発地が１番線ホーム中央階段であり、経由駅内箇所が中央コンコースであり、到着地が４番線ホーム中央階段である経路を推定された場合、経路付きローカルＯＤ推定プログラム１３６は、出発地の降車日時に、１番線ホーム中央階段と中央コンコースとの間の標準所要時間３４５を加算し、中央コンコースの利用時刻を求める。

前述の方法により推定した駅内の経路及び利用時刻を、経路付きローカルＯＤデータ１４２に格納する（ステップ１１０５）。例えば、推定した経路に含まれる駅内箇所のＩＤを経由駅内箇所ＩＤ１（７０３）に格納し、対応する利用時刻を利用時刻１（７０４）に格納する。そして、ユーザＩＤ７０２にユーザＩＤｃを格納し、ログＩＤ７０１に、経路付きローカルＯＤデータ１４２において一意な識別子を格納する。

ステップ１１０５の後、経路付きローカルＯＤ推定プログラム１３６は、ステップ１１０２において抽出したエントリから、ステップ１１０２以降の処理を実行していないユーザＩＤのエントリを取得し、ステップ１１０３を繰り返す。すべてのユーザにステップ１１０３〜１１０５を実行した後、図１２に示す処理を終了する。

図１３は、本実施例のローカル移動需要推定プログラム１３７の処理を示すフローチャートである。

ローカル移動需要推定プログラム１３７は、図１３に示す処理に従って、経路付きローカルＯＤデータ１４２に基づくローカル移動需要を推定する。

まず、ローカル移動需要を推定する駅（以下、対象駅）を選択する（ステップ１２０１）。対象駅内の通行可能な通路の数だけ、ステップ１２０３及び１２０４の処理を繰り返す（ステップ１２０２）。ステップ１２０２において、駅内通路マスタ３４０の対象駅のエントリから、ステップ１２０４の処理を実行していない通路ＩＤ（以下、通路ＩＤｄ）を選択する。

また、所定の時間帯（１時間ごとなど）の数だけステップ１２０４を繰り返す（ステップ１２０３）。ステップ１２０３において、あらかじめ定められていた複数の時間帯から、ステップ１２０４以降の処理を実行していない時間帯（時間帯ｅ）を選択する。

経路付きローカルＯＤデータ１４２の経由駅内箇所ＩＤ（７０３、７０５、７０７）及び利用時刻（７０４、７０６、７０８）と、駅内通路マスタ３４０の通路ＩＤ３４２、接続元駅内箇所ＩＤ３４３及び接続先駅内箇所ＩＤ３４４とを参照することにより、時間帯ｅにおいて通路ＩＤｄを利用した通路利用者の合計数を求める（１２０４）。

ステップ１２０４の後、ステップ１２０２及び１２０３を繰り返すことにより、あらかじめ指定されたすべての時間帯の、対象駅におけるすべての通路について、通路利用者の合計数を求める。

そして、ローカル移動需要データ１２６の新たなエントリにおいて、駅ＩＤ８０１に対象駅ＩＤを格納し、日時８０２に時間帯（時間帯ｅ）を格納し、通路ＩＤ８０３に通路ＩＤ（通路ＩＤｄ）を格納し、人数８０４に求めた合計数を格納する（ステップ１２０５）。これによって、ローカル移動需要推定プログラム１３７は、ローカル移動需要データ１２６を生成し、データサーバ１１１のデータ格納部１２１に格納する。

図１４は、本実施例のグローバルＯＤデータ１２５、経路付きグローバルＯＤデータ１４１、経路付きローカルＯＤデータ１４２、及び、ローカル移動需要データ１２６の例を示す説明図である。

まず、グローバルＯＤデータ１３３０は、グローバルＯＤデータ（１３０１、１３０２、１３０３）を含む。グローバルＯＤデータ（１３０１、１３０２、１３０３）は、鉄道の乗車駅と降車駅と各々の時刻情報とを示し、乗車駅と降車駅との間の経路を示さない。例えば、グローバルＯＤデータ１３０１は、駅６（１３０４）が乗車駅であり、駅１（１３０５）が降車駅であり、各々を利用した時刻についての情報を含むが、駅６（１３０４）と駅１（１３０５）との間で用いられた経路を特定する情報を含まない。

なお、グローバルＯＤデータ１３０２は、駅５（１３１６）が乗車駅であり、駅９（１３１７）が降車駅であることを示す。グローバルＯＤデータ１３０３は、駅３（１３１４）が乗車駅であり、駅６（１３０４）が降車駅であることを示す。

しかし、特定の駅内における移動需要を推定するためには、入出場時のみだけでなく乗換で駅が利用される場合を考える必要がある。そこで、利用経路推定プログラム１３５は、乗車駅及び降車駅間の利用経路を推定し、経路付きグローバルＯＤデータ１４１を推定する。

経路付きグローバルＯＤデータ１３３１は、経路付きグローバルＯＤデータ（１３１３、１３１５、１３１８）を含む。経路付きグローバルＯＤデータ（１３１３、１３１５、１３１８）は、乗車駅から降車駅に向かう際に利用した経路の情報として、乗換駅及び利用路線の情報を示す。例えば、経路付きグローバルＯＤデータ１３１３は、グローバルＯＤデータ１３０１に対応し、駅６（１３１１）から駅１（１３１２）へ向かう乗り換えがない経路を示す。

なお、経路付きグローバルＯＤデータ１３１５は、駅３（１３１４）から出発し駅６（１３１１）へ向かう経路を示す。また、経路付きグローバルＯＤデータ１３１８は、駅５（１３１６）から駅３（１３１４）へ到着し、駅３（１３１４）で乗り換え、駅９（１３１７）へ向かう経路を示す。

経路付きグローバルＯＤデータ１４１は、経路推定の結果得られた、前述のような経路付きグローバルＯＤデータ（１３１３、１３１５、１３１８）の乗車駅、乗換駅、降車駅、利用路線、及び、利用時刻等の情報を含む。

次に、駅３（１３１４）を対象駅とした場合の、駅内箇所及び駅内の経路を示す経路付きローカルＯＤデータ１４２を示す。

駅３（１３１４）は、駅内箇所マスタ３３０及び駅内通路マスタ３４０によって定義されるネットワーク構造を含む。経路付きローカルＯＤ推定プログラム１３６は、経路付きグローバルＯＤデータ１３３１を用いることによって、駅３（１３１４）を利用した利用者１０１を特定することができる。

そして、経路付きローカルＯＤ推定プログラム１３６は、これらの利用者１０１について、利用路線の情報、並びに、乗車情報及び降車情報を用いて、駅３（１３１４）内の出発地及び到着地を求めることができる。

駅３（１３１４）の利用者１０１は、経路付きグローバルＯＤデータ１３３１が示す経路を移動する場合、二通りの経路（１３１５、１３１８）を用いて駅内を移動する。

利用者１０１が経路付きグローバルＯＤデータ１３１５が示す経路を移動する場合、利用者１０１の駅３（１３１４）における出発地は、改札１３２１である。このことを、経路付きローカルＯＤ推定プログラム１３６は、経路付きグローバルＯＤデータ１４１から取得できる。さらに、経路付きローカルＯＤ推定プログラム１３６は、利用者１０１が路線３に乗車することを、経路付きグローバルＯＤデータより取得できる。このため、前述の利用者１０１の駅３（１３１４）における到着地は、路線３ホーム１３２２である。

この出発地及び到着地に対して経路を推定した場合、経路付きローカルＯＤ推定プログラム１３６は、駅３（１３１４）内の経路１３２３を推定する。

そして、利用者１０１が経路付きグローバルＯＤデータ１３１８が示す経路を移動する場合、利用者１０１は、駅３（１３１４）において路線１から路線２へ乗り換える。そして、利用者１０１は、路線１ホーム１３２４から路線２ホーム１３２５へ移動しなくてはいけないため、出発地は路線１ホーム１３２４であり、到着地は路線２ホーム１３２５である。

この出発地及び到着地に対して経路を推定した場合、経路付きローカルＯＤ推定プログラム１３６は、駅３（１３１４）内の経路１３２６を推定する。経路付きローカルＯＤデータ１４２は、このように推定された経路１３２３及び１３２６が含む駅内箇所の情報と、その利用時間とを格納した情報を含む。

ローカル移動需要推定プログラム１３７は、この経路付きローカルＯＤデータ１４２を用い、対象駅の通路を利用した人数を通路ごと及び時間帯ごとに集計することによって、ローカル移動需要を推定する。

例えば、路線１ホーム１３２４から階段１３３２へ向かう通路１３３３を移動する人数には、前述した経路１３２６以外の利用者１０１の数も実際には含まれる。このため、ローカル移動需要推定プログラム１３７は、路線１ホーム１３２４から、路線２ホーム１３２５、路線３ホーム１３２２、及び、改札１３２１それぞれに向かう通路を移動する人数を合計して、通路１３３３を移動する人数を計算する必要がある。

また階段１３３２から路線１ホーム１３２４へ向かう人数は、到着地が路線１ホーム１３２４であるすべての利用者１０１の人数を合計することによって算出される。このような計算により、通路を移動する人数を求めることができる。

これを時間帯ごとに、駅内のすべての通路に対して行った結果得られる情報がローカル移動需要データ１２６である。ローカル移動需要推定プログラム１３７は、これらの実測値に基づく推定の結果得られたローカル移動需要データ１２６をデータサーバ１１１に格納し、予測に用いる。

上記推定方法を用いることによって、本実施例の移動需要予測システム１０８は、ローカル移動需要を測定するための特別な装置を多量に駅内に設置することなく、利用者１０１のグローバルＯＤデータ１２５を用いて、駅内のローカル移動需要を精度よく推定することが可能である。

図１５は、本実施例の利用者流動データ１２７を用いてローカル移動需要を予測するローカル移動需要予測プログラム１３８の処理を示すフローチャートである。

ローカル移動需要予測プログラム１３８は、予測する必要がある駅（以下、対象駅）を選択する（ステップ１４０１）。そして、利用者流動データを取得する（ステップ１４０２）。

利用者流動データとは、駅内で取得された移動方向ごとの利用者１０１の人数の測定値である。利用者流動データは、データサーバ１１１にあらかじめ蓄積された過去の利用者流動データであってもよいし、ネットワーク１０４を介して取得される、直近の利用者流動データであってもよい。

利用者流動データは、例えば、読み取り装置１０３で取得される入場及び出場の人数、カメラ１０６によって取得される特定領域内の移動方向ごとの人数、並びに、鉄道車両１０７に設置された応荷重装置より取得される乗車中の人数の推定値を用いることができる。

利用者流動データは、施設内のすべての通路における利用者１０１の移動人数である必要はない。

ローカル移動需要予測プログラム１３８は、駅内のすべての通路について同じ処理を繰り返す（ステップ１４０３）。具体的には、ステップ１４０３において、ローカル移動需要予測プログラム１３８は、駅ＩＤ３４１が対象駅を示す駅内通路マスタ３４０のエントリの中から、ステップ１４０４以降の処理を実行していないエントリを取得する。取得したエントリの通路ＩＤ３４２が示す通路を、通路ｆと記載する。

まず、対象駅の通路ｆに関する予測モデルを取得する（ステップ１４０４）。予測モデルとしては線形若しくは非線形の回帰モデル、回帰木、ニューラルネットワーク、又は、サポートベクターマシンなど、いかなる予測モデルを用いてもよい。

例えば、回帰モデルを用いる場合、複数の領域（駅内箇所であっても、駅内箇所以外であってもよい）において時刻ｔにおいて測定された利用者流動データ（人数）を複数の説明変数に用いることによって、時間ｔ１後の通路fにおける利用者１０１の人数を示す予測モデルを取得する。

そして、取得した予測モデルに現時刻までの利用者流動データを入力することにより、出力として将来の対象駅の通路ｆにおけるローカル移動需要の予測値を得る（ステップ１４０５）。

これらの予測モデルについては公知の方法を用いるため、説明を省略する。また、予測モデルは、前述の方法にかぎらず任意のモデルによって表現されてもよい。

前述における予測モデルは、通路ごとに生成されるものとして説明したが、用いる予測モデルを変更すれば予測モデルが複数の値を出力し、利用者流動データを入力した場合、駅内のすべての経路の移動需要の予測値が出力されるようにすることも可能である。

また、予測する対象駅と、利用者１０１と、その出発地及び到着地と、経路との方法が指定された場合、ローカル移動需要予測プログラム１３８は、指定された情報に基づいて、駅内のミクロな人流シミュレーションを行い、より詳細な混雑箇所の特定、及び、移動速度の変化などをシミュレーションしてもよい。

また、予測においては将来のある一つの時間帯の予測値だけを出力するようにしてもよいし、複数の時間帯の予測値を出力する複数の予測モデルを生成してもよい。また、予測を行う際には平日及び休日、又は、平常時及び障害発生時などによって分類し、それぞれの場合について異なる予測モデルを生成し、予測してもよい。

なお、本実施例における障害とは、列車故障、又は、人身事故等により列車の運行（移動手段）が一時停止し、列車の計画ダイヤ１２４が頻繁に更新される状況などである。

図１６は、本実施例の予測モデルの取得処理を示すフローチャートである。

例えば、ローカル移動需要予測プログラム１３８は、ステップ１４０４において、取得した利用者流動データが平日に測定されたか、休日に測定されたかを判定する（１４０４１）。そして、平日に測定された利用者流動データである場合、平日用の予測モデルを利用者流動データに基づいて生成し（１４０４２）、休日に測定された利用者流動データである場合、休日用の予測モデルを利用者流動データに基づいて生成する（１４０４３）。

このように、平日又は休日等の条件によって異なる予測モデルを生成することによって、本実施例の移動需要予測システム１０８は、ローカル移動需要の予測値を得たいユーザのニーズにあわせて精度よくローカル移動需要を予測することができる。また、平日又は休日のように、利用者１０１の量及び移動方向が明らかに異なる利用者流動データを分割して予測モデルを生成することによって、予測モデルの精度を上げることができる。

なお、予測モデルを用いて高精度な予測を行うためには、予測を行う目的変数と、予測に用いる目的変数とを蓄積し、予測モデルのパラメータを最適化する必要がある。本実施例の移動需要予測システム１０８は、蓄積した利用者流動データ１２７と、グローバルＯＤデータ１２５に基づいて生成したローカル移動需要データ１２６とを用いることにより、特別な機器を設置することなく、予測モデルのパラメータの最適化を行うことができる。

図１７は、本実施例の予測モデル最適化プログラム１３９の処理を示すフローチャートである。

予測モデル最適化プログラム１３９は、図１７に示す処理に従って、グローバルＯＤデータに基づいて生成された過去のローカル移動需要と、過去の利用者流動データとを用いて、図１５の処理によって取得された予測モデルの最適化を行う。

まず、予測モデルを最適化する駅（以下、対象駅）を選択する（ステップ１５０１）。そして対象駅内の全ての通路に対して同じ処理を繰り返す（ステップ１５０２）。具体的には、ステップ１５０２において、予測モデル最適化プログラム１３９は、駅ＩＤ３４１が対象駅を示す駅内通路マスタ３４０のエントリの中から、ステップ１５０３以降の処理を実行していないエントリを取得する。取得したエントリの通路ＩＤ３４２が示す通路を、通路ｇと記載する。

まず、予測モデル最適化プログラム１３９は、データサーバ１１１に蓄積された過去の日時ｔにおける利用者流動データを取得し（ステップ１５０３）、さらに、ローカル移動需要予測プログラム１３８による図１５のステップ１４０４において取得された通路ｇの予測モデルを用いて、過去の日時ｔから一定時間後の時刻（ｔ＋ｔ１）における通路ｇのローカル移動需要を予測する（ステップ１５０４）。

そして、予測モデル最適化プログラム１３９は、ローカル移動需要推定プログラム１３７により予め推定し、データサーバ１１１に格納しておいたローカル移動需要データ１２６から推定値を取得する（ステップ１５０５）。より具体的には、時刻（ｔ＋ｔ１）の時間帯（日時８０２）における通路ｇ（通路ＩＤ８０３）の推定値（人数８０４）を取得する。

そして、取得したローカル移動需要データを、予測モデルを最適化するための教師データ、つまり予測モデルが出力すべき値として用いる。具体的には、ステップ１５０４において予測モデルにより予測された予測値と、ステップ１５０５において取得されたローカル移動需要データ１２６の推定値とを比較する（ステップ１５０６）。そして、比較の結果の差（誤差）を最小化するように、予測モデルのパラメータを最適化する（ステップ１５０７）。

グローバルＯＤデータ１２５に基づくローカル移動需要データ１２６に基づいて予測モデルを最適化することによって、精度の高い予測モデルを取得することができる。

ステップ１５０７の後、ステップ１５０２に戻り、ステップ１５０３以降の処理を実行していないエントリを取得する。駅ＩＤ３４１が対象駅を示す駅内通路マスタ３４０のすべてのエントリにステップ１５０３以降の処理を実行した後、図１７に示す処理を終了する。

ローカル移動需要予測プログラム１３８は、前述のステップ１４０５において、図１７に示す処理によって最適化された予測モデルを用いて、ローカル移動需要を予測する。これにより、精度の高い予測が可能である。

前述のローカル移動需要予測プログラム１３８は、一つの通路、一つの時間帯の予測値だけを出力するとして説明したが、これに限定するものではない。予測モデル最適化プログラム１３９は、複数の通路の予測値及び複数の時間帯の予測値が出力される場合についても同様に、予測値と推定値とを比較し、予測値と推定値との誤差が少なくなるようにパラメータを最適化してもよい。

また、平日及び休日、通常時及びイベント時、並びに、正常時及び障害発生時等、所定の条件に該当する期間におけるローカル移動需要を予測する場合、予測モデル最適化プログラム１３９は、所定の条件の過去の期間において発生したグローバルＯＤデータ１２５だけを用いて予測モデルを学習してもよい。

例えば、障害発生時の予測モデルのパラメータを最適化するためには、過去の障害発生時のデータだけを用いて、最適化を行ってもよい。この場合、予測モデル最適化プログラム１３９は、ステップ１５０５において、図１７に示す処理の開始時に所定の障害が発生した期間を取得し、ローカル移動需要データ１２６の日時８０２が取得した期間を示すエントリから、ローカル移動需要データ（推定値）を取得する。そして、取得したローカル移動需要データを用いて、予測モデルのパラメータを最適化する。

このように、所定の条件の期間におけるローカル移動需要データ１２６のみを最適化に用いることによって、移動需要予測システム１０８は、予測値を得たいユーザのニーズにあわせた予測が可能である。

なお、ここで最適化される予測モデルは、所定の条件の期間（例えば障害時）において測定された利用者流動データ１２７によって生成された予測モデルであっても、所定の条件の期間以外の期間において測定された利用者流動データ１２７によって生成された予測モデルであってもよい。

さらに、ローカル移動需要を予測するための予測モデルに用いる変数（例えば、回帰モデルにおける説明変数）が多い場合、予測モデルが複雑化し、最適化に用いるデータにオーバーフィットして予測精度が低下することがある。

そこで、予測モデル最適化プログラム１３９は、パラメータを最適化する際に学習誤差だけでなく、汎化誤差が最小になるようにパラメータを学習し、さらに、予測に適した変数を選択してもよい。変数の選択方法としてはステップワイズ法、及び、正則化による方法など様々な方法があるが、これらは公知の技術を利用可能であるため、説明を省略する。

このように、本実施例に係る移動需要予測システム１０８は、利用者１０１のグローバルＯＤデータ１２５を用いて、乗車駅から到着駅までの移動経路上の施設におけるローカル移動需要を予測するシステムである。さらに、グローバルＯＤデータ１２５の出発駅から到着駅に至る移動経路を推定し、経路付きグローバルＯＤデータ１４１を推定する経路推定部（利用経路推定プログラム１３５）と、推定された全ユーザの経路付きグローバルＯＤデータ１４１を利用して特定の駅におけるローカル移動需要を推定する移動需要推定部（経路付きローカルＯＤ推定プログラム１３６、ローカル移動需要推定プログラム１３７）と、移動需要推定部が推定したローカル移動需要と取得された利用者流動データとを用いて、所定の時期のローカル移動需要を予測する移動需要予測部（ローカル移動需要予測プログラム１３８）を有することを特徴とする。

例えば、従来技術では、駅構内の一部のみにカメラを設置して得られる情報のみをも]とに駅構内の各領域における人数を推定する場合、撮影された映像から取得される複数の時刻における人数情報のみを用いて、駅構内の人の分布状況を推定する。この方法を用いた場合、高精度に人の分布状況を推定するためには多数のカメラが必要であり、カメラの台数を減らすと推定精度が低下する。そして、この推定値を蓄積して任意の期間（将来を含む）のローカル移動需要を予測すると、予測の精度も低下する。

しかし、本実施例のように、グローバルＯＤデータ１２５から推定したローカル移動需要を用いることにより、従来技術のように過去のローカル移動需要を測定するための装置を多数設置する必要がなく、精度のよいローカル移動需要を蓄積することが可能である。

そして、蓄積したローカル移動需要データと利用者流動データとを用いることにより、任意の期間（将来を含む）のローカル移動需要を精度よく予測することが可能となる。

また、特許文献１のように過去の類似するＯＤデータを取得して配分することにより経路の利用人数を求めてローカル移動需要を推定するのではなく、利用者１０１の入出場情報から経路推定を用いてローカル移動需要情報の推定を行うため、多数の駅に対しても精度よくローカル移動需要を推定することができる。また、予測においては予測モデルを利用者流動データ１２７を用いて生成することにより、直接ローカル移動需要予測を行うため、特許文献１のように過去の類似するＯＤデータを取得し、それを配分する必要はなく、高精度に予測できる。

また、本実施例を鉄道駅を含む鉄道交通網に適用し、精度のよいローカル移動需要を生成することによって、利用者１０１の混雑等の対策をたてるための情報を操作者１１４等に提供することができる。

図１８は、本実施例のローカル移動需要の予測結果を表示する画面の例を示す説明図である。

表示画面生成プログラム１５４は、ローカル移動需要予測プログラム１３８の予測結果を図１８に示す画面１６０１のように表示する。画面１６０１は、プルダウンメニュー１６０２及び棒グラフ１６０３を含む。

操作者１１４は、画面１６０１内のプルダウンメニュー１６０２により駅を選択することができる。表示画面生成プログラム１５４は、選択された駅を対象駅として、ローカル移動需要予測プログラム１３８が実行した図１５に示す処理の結果を取得する。そして、取得した結果を、通路（移動方向ごと）ごと、及び、時間帯ごとに棒グラフ１６０３として表示する。棒グラフ１６０３は、横軸が日時であり、縦軸が予測された人数である。

また、表示画面生成プログラム１５４は、すでに現在時刻よりも過去の部分の棒グラフとして、ローカル移動需要推定プログラム１３７の図１３に示す処理によって推定された推定値（ローカル移動需要データ１２６）を表示してもよい。また、過去の部分の棒グラフとして、図１５に示す処理による予測値と、図１３に示す処理による推定値とを並行に表示してもよい。

表示画面生成プログラム１５４が通路ごとにローカル移動需要の予測値を表示することによって、ユーザは通路ごとの利用者１０１の移動人数の予測値を把握できる。また、さらに時系列に表示することによって、駅内の通路ごとに利用者１０１の増減を表示することができる。

図１９は、本実施例のローカル移動需要の予測結果を表示する画面の別の例を示す説明図である。

表示画面生成プログラム１５４は、ローカル移動需要予測プログラム１３８の予測結果を、図１９に示す画面１７０１のように表示してもよい。画面１７０１は、プルダウンメニュー（１７０２、１７０３）、及び、駅構内地図１７０４を含む。

操作者１１４は、画面１７０１内のプルダウンメニュー（１７０２、１７０３）により駅及び時間帯を選択できる。選択された駅のローカル移動需要予測結果が、各通路、各時間帯ごと、進行方向ごとに、移動する人数の予測値が画面１７０１の駅構内地図１７０４上に矢印１７０５等を用いて表示される。

表示画面生成プログラム１５４は、表示する矢印１７０５の太さを、人数の大きさによって定める。また、複数の通路における人数を、複数の矢印１７０５を一つの画面に表示するためのデータを生成し、出力する。これによって、利用者１０１の人数が多い通路を直感的に把握できる画面を表示することができる。

表示画面生成プログラム１５４は、生成した画面情報を、情報配信プログラム１５５を用いネットワーク（１１７、１１８）を介して、操作者１１４又は鉄道事業者１１５に配信する。また、駅構内のミクロな人流シミュレーションを行った場合、矢印ではなく、利用者１０１一人ひとりを表示し、利用者１０１全体の人流をアニメーションとして表示することも可能である。

上記実施例では、本発明における移動需要予測を行う対象を鉄道の駅とその利用者１０１に限定して説明を行った。しかし、本発明は上記実施例に限定されることなく、本発明の趣旨に基づき種々の変形が可能であり、これらを本発明の範囲から排除するものではない。

また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、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、上記の各構成、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ェ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、ハードディスク、若しくは、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記録装置、又は、ＩＣカード、ＳＤカード、若しくは、ＤＶＤ等の記録媒体に置くことができる。

また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１０１：利用者、１０２：乗車券、１０３：読み取り装置、１０４：ネットワーク、１０５：サーバ、１０６：カメラ、１０７：鉄道車両、１０８：移動需要予測システム、１１１：データサーバ、１１２：計算サーバ、１１３情報配信サーバ、１１４：操作者、１１５：鉄道事業者、１１６：情報端末、１１７、１１８：ネットワーク、１２１：データ格納部、１２２：入出場ログ、１２３：マスタデータ、１２４：計画ダイヤ、１２５：グローバルＯＤデータ、１２６：ローカル移動需要データ、１２７：利用者流動データ、１３０：Ｉ／Ｆ（Ａ）、１３１：ＣＰＵ、１３２：メモリ、１３３：記憶部、１３４：グローバルＯＤ生成プログラム、１３５：利用経路推定プログラム、１３６：経路付きローカルＯＤ推定プログラム、１３７：ローカル移動需要推定プログラム、１３８：ローカル移動需要予測プログラム、１３９：予測モデル最適化プログラム、１４０：データ格納部、１４１：経路付きグローバルＯＤデータ、１４２：経路付きローカルＯＤデータ、１５０：Ｉ／Ｆ（Ｂ）、１５１：ＣＰＵ、１５２：メモリ、１５３：表示画面生成プログラム、１５４：情報配信プログラム

Claims

データ処理システムであって、
プロセッサ及びメモリを備え、
前記プロセッサが、複数の施設間を移動する利用者の出発施設と到着施設とを示すグローバルＯＤデータを取得し、前記メモリに格納するグローバルＯＤ取得部と、
前記プロセッサが、前記グローバルＯＤデータに基づいて前記出発施設及び前記到着施設間の経路を推定し、前記経路を示す経路付きグローバルＯＤデータを前記メモリに格納する経路推定部と、
前記プロセッサが、前記経路付きグローバルＯＤデータに基づいて、前記経路上の施設内の複数の箇所を移動した前記利用者の数を示す第１のローカル移動需要を推定し、前記メモリに格納する移動需要推定部と、
前記プロセッサが、前記経路上の施設において測定された前記利用者の数を示す流動データを取得し、前記第１のローカル移動需要と前記流動データとに基づいて前記複数の箇所を移動する前記利用者の数を示す第２のローカル移動需要を予測し、前記第２のローカル移動需要を出力する移動需要予測部と、を有することを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記移動需要推定部は、
前記経路付きグローバルＯＤデータに基づいて、前記経路上の施設において前記利用者が移動した前記複数の箇所を含む施設内経路を推定し、
前記施設内経路に含まれる前記複数の箇所の間を移動する前記利用者の数を推定することによって前記第１のローカル移動需要を推定することを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記移動需要予測部は、
前記複数の箇所の間を移動する前記利用者の数を、前記流動データに基づいて予測する予測モデルを生成し、
前記第１のローカル移動需要を教師データとして用いることによって、前記予測モデルを最適化し、
前記最適化された予測モデルを用いて前記第２のローカル移動需要を予測することを特徴とするデータ処理システム。
請求項３に記載のデータ処理システムであって、
前記移動需要予測部は、
所定の条件に該当する期間に測定された流動データを、前記流動データから特定し、
前記特定した流動データに基づいて、前記所定の条件における予測モデルを生成し、
前記所定の条件における予測モデルを用いて、前記第２のローカル移動需要を予測することを特徴とするデータ処理システム。
請求項４に記載のデータ処理システムであって、
前記所定の条件は、平日又は休日であり、
前記移動需要予測部は、
前記平日に測定された流動データ、及び、前記休日に測定された流動データを特定し、
前記平日に測定された流動データに基づいて、前記平日の予測モデルを生成し、
前記休日に測定された流動データに基づいて、前記休日の予測モデルを生成することを特徴とするデータ処理システム。
請求項３に記載のデータ処理システムであって、
所定の条件に該当する期間における前記利用者の移動を示す第１のローカル移動需要を特定し、
前記特定した第１のローカル移動需要を用いて、前記予測モデルを最適化することを特徴とするデータ処理システム。
請求項６に記載のデータ処理システムであって、
前記所定の条件は、所定の種類の障害が発生した期間であり、
前記移動需要予測部は、前記所定の種類の障害が発生した期間における第１のローカル移動需要を特定することを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記施設は、駅であり、
前記グローバルＯＤデータは、前記利用者の出発駅と到着駅とを示すことを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記グローバルＯＤ取得部は、
前記出発施設及び前記到着施設として前記利用者に利用された二つの施設の組み合わせを示す施設情報を保持し、
前記利用者が前記出発施設に入場したことを示す入場情報と、前記利用者が前記到着施設を出場したことを示す出場情報とを対応づけることによって、前記グローバルＯＤデータを生成し、
前記入場情報に対応づけるべき前記出場情報が取得されていない場合、前記施設情報に基づいて、前記入場情報に対して出場情報を割り当て、
前記出場情報に対応づけるべき前記入場情報が取得されていない場合、前記施設情報に基づいて、前記出場情報に対して入場情報を割り当てることを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記プロセッサが、前記第２のローカル移動需要を表示する表示部を有し、
前記表示部は、前記複数の箇所の間ごとに前記第２のローカル移動需要を表示するためのデータを生成することを特徴とするデータ処理システム。
請求項１に記載のデータ処理システムであって、
前記プロセッサが、前記第２のローカル移動需要を表示する表示部を有し、
前記表示部は、前記施設に含まれる前記複数の箇所の間ごとの前記第２のローカル移動需要を対応させて一つの画面に表示するためのデータを生成することを特徴とするデータ処理システム。
データ処理システムによるデータ処理方法であって、
データ処理システムは、プロセッサ及びメモリを備え、
前記データ処理方法は、
前記プロセッサが、複数の施設間を移動する利用者の出発施設と到着施設とを示すグローバルＯＤデータを取得し、前記メモリに格納するグローバルＯＤ取得手順と、
前記プロセッサが、前記グローバルＯＤデータに基づいて前記出発施設及び前記到着施設間の経路を推定し、前記経路を示す経路付きグローバルＯＤデータを前記メモリに格納する経路推定手順と、
前記プロセッサが、前記経路付きグローバルＯＤデータに基づいて、前記経路上の施設内の複数の箇所を移動した前記利用者の数を示す第１のローカル移動需要を推定し、前記メモリに格納する移動需要推定手順と、
前記プロセッサが、前記経路上の施設において測定された前記利用者の数を示す流動データを取得し、前記第１のローカル移動需要と前記流動データとに基づいて前記複数の箇所を移動する前記利用者の数を示す第２のローカル移動需要を予測し、前記第２のローカル移動需要を出力する移動需要予測手順と、を含むことを特徴とするデータ処理方法。
請求項１２に記載のデータ処理方法であって、
前記移動需要推定手順は、
前記経路付きグローバルＯＤデータに基づいて、前記経路上の施設において前記利用者が移動した前記複数の箇所を含む施設内経路を推定する手順と、
前記施設内経路に含まれる前記複数の箇所の間を移動する前記利用者の数を推定することによって前記第１のローカル移動需要を推定する手順と、を含むことを特徴とするデータ処理方法。
請求項１２に記載のデータ処理方法であって、
前記移動需要予測手順は、
前記複数の箇所の間を移動する前記利用者の数を、前記流動データに基づいて予測する予測モデルを生成する手順と、
前記第１のローカル移動需要を教師データとして用いることによって、前記予測モデルを最適化する手順と、
前記最適化された予測モデルを用いて前記第２のローカル移動需要を予測する手順と、を含むことを特徴とするデータ処理方法。
請求項１２に記載のデータ処理方法であって、
前記施設は、駅であり、
前記グローバルＯＤデータは、前記利用者の出発駅と到着駅とを示すことを特徴とするデータ処理方法。