KR102374359B1 - Method and system for congestion estimation of train based on data of transportaion card - Google Patents

Method and system for congestion estimation of train based on data of transportaion card Download PDF

Info

Publication number
KR102374359B1
KR102374359B1 KR1020200074495A KR20200074495A KR102374359B1 KR 102374359 B1 KR102374359 B1 KR 102374359B1 KR 1020200074495 A KR1020200074495 A KR 1020200074495A KR 20200074495 A KR20200074495 A KR 20200074495A KR 102374359 B1 KR102374359 B1 KR 102374359B1
Authority
KR
South Korea
Prior art keywords
train
data
calculating
tag information
congestion level
Prior art date
Application number
KR1020200074495A
Other languages
Korean (ko)
Other versions
KR20210156647A (en
Inventor
조혜림
권민지
Original Assignee
재단법인 서울특별시 서울기술연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 재단법인 서울특별시 서울기술연구원 filed Critical 재단법인 서울특별시 서울기술연구원
Priority to KR1020200074495A priority Critical patent/KR102374359B1/en
Publication of KR20210156647A publication Critical patent/KR20210156647A/en
Application granted granted Critical
Publication of KR102374359B1 publication Critical patent/KR102374359B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B61L25/04—Indicating or recording train identities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템에 관한 것으로서, 본 발명의 일 실시예는 서버가 교통카드 데이터를 기반으로 열차 내부의 혼잡도를 산정하는 방법에 있어서, 역사의 게이트 장치에 태그된 교통카드의 데이터를 추출하는 단계; 열차의 운영 로그에서 혼잡도를 산정할 열차를 선택하는 단계; 상기 추출된 데이터로부터 상기 선택된 열차의 재차인원을 산출하는 단계; 및 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 단계; 를 포함하는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법을 개시한다.The present invention relates to a method and system for calculating the congestion level inside a train based on traffic card data, and an embodiment of the present invention relates to a method for a server to calculate the congestion level inside a train based on traffic card data, in which a tag is applied to a gate device of a station. extracting the data of the used transportation card; selecting a train for which a congestion level is to be calculated from a train operation log; calculating the number of re-entry passengers of the selected train from the extracted data; and calculating the congestion level of the selected train by using the calculated number of re-training passengers. Disclosed is a method for calculating the congestion level inside a train based on traffic card data including a.

Description

교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템{METHOD AND SYSTEM FOR CONGESTION ESTIMATION OF TRAIN BASED ON DATA OF TRANSPORTAION CARD}Method and system for calculating internal congestion level of trains based on traffic card data

본 발명은 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템에 관한 것으로서, 구체적으로는 교통카드의 하차 태그 정보를 이용하여 열차 내부의 혼잡도를 산정하는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for calculating the degree of congestion inside a train based on traffic card data, and more particularly, to a method and system for calculating the degree of congestion inside a train based on traffic card data for calculating the degree of congestion inside a train using alight tag information of a traffic card will be.

도시철도는 버스와 더불어 시민의 이동을 책임지는 수단으로서 활용되고 있다. 최근, 도시철도가 운행되는 수도권 및 대도시에 인구가 밀집되면서 도시철도의 이용객은 지속적으로 증가하는 추세에 있고, 이에 따라 인구가 밀집된 도시철도의 일부 구간 또는 출퇴근 시간에는 도시철도 이용객이 집중되어 극심한 혼잡이 발생하고 있다. Along with buses, urban railroads are being used as a means of taking responsibility for the movement of citizens. Recently, as the population is concentrated in metropolitan areas and large cities where urban railroads are operated, the number of urban railroad users is continuously increasing. This is happening.

한편, 도시철도의 혼잡을 관리하기 위하여 열차 내부의 혼잡도를 측정하는 것이 요구되는데, 종래에는 열차 내부의 혼잡도 측정은 목측에 의존하거나, 열차가 받는 하중을 이용하는 방법이 있었다. On the other hand, in order to manage congestion of urban railroads, it is required to measure the degree of congestion inside the train. Conventionally, there has been a method of measuring the degree of congestion inside a train by relying on visual observation or using the load received by the train.

하지만, 목측에 의존한 열차 내부의 혼잡도 측정은 정확한 혼잡도를 산출할 수 없었고, 열차가 받는 하중을 이용한 열차 내부의 혼잡도 측정은 추가 비용이 드는 문제점이 있었다.However, the measurement of congestion inside the train based on visual observation could not calculate the exact level of congestion, and the measurement of congestion inside the train using the load received by the train incurs additional costs.

대한민국 공개특허공보 제10-2019-0072756Republic of Korea Patent Publication No. 10-2019-0072756 대한민국 등록특허공보 제10-1630712Republic of Korea Patent Publication No. 10-1630712 대한민국 공개특허공보 제10-2009-0005597Republic of Korea Patent Publication No. 10-2009-0005597

본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로, 대부분의 도시철도 이용객이 교통카드를 사용하는 점에 착안하여, 교통카드의 데이터를 활용하여 열차 내부의 혼잡도를 산출함으로써 저비용으로 정확하게 혼잡도를 산출하고, 산출한 혼잡도를 도시철도의 교통 관리 및 서비스 판단 지표로 활용할 수 있는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템을 제공하는 것을 목적으로 한다.The present invention was devised to solve the above problems, and paying attention to the fact that most urban railroad users use a transportation card, calculate the congestion level accurately at low cost by using the data of the transportation card to calculate the congestion level inside the train The purpose of this is to provide a method and system for calculating the congestion level inside a train based on traffic card data that can use the calculated congestion level as an index for traffic management and service determination of urban railroads.

본 발명은 일정한 군집화된 패턴을 형성하는 교통카드의 데이터의 하차 태그 정보를 이용하여 열차 내부의 혼잡도를 산출함으로써, 정확하게 혼잡도를 산출할 수 있는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템을 제공하는 것을 목적으로 한다.The present invention provides a method and system for calculating the congestion level inside a train based on traffic card data that can accurately calculate the congestion level by calculating the congestion level inside the train using the get-off tag information of the data of the transportation card that forms a certain clustered pattern. aim to

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.The technical problems to be achieved by the present invention are not limited to the technical problems mentioned above, and various technical problems may be included within the range obvious to those skilled in the art from the content to be described below.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법은, 서버가 교통카드 데이터를 기반으로 열차 내부의 혼잡도를 산정하는 방법에 있어서, 역사의 게이트 장치에 태그된 교통카드의 데이터를 추출하는 단계; 열차의 운영 로그에서 혼잡도를 산정할 열차를 선택하는 단계; 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하는 단계; 및 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 단계; 를 포함할 수 있다.In the method for calculating the congestion level inside a train based on traffic card data according to an embodiment of the present invention for solving the above problems, the server calculates the congestion level inside the train based on the traffic card data, extracting the data of the used transportation card; selecting a train for which a congestion level is to be calculated from a train operation log; calculating the number of re-entry passengers of the selected train from the extracted data of the transportation card; and calculating the congestion level of the selected train by using the calculated number of re-training passengers. may include.

일 실시예에 있어서, 상기 추출된 교통카드의 데이터는, 교통카드의 고유 번호, 승차 태그 정보 및 하차 태그 정보를 포함하고, 상기 하차 태그 정보는, 이용객이 하차 태그한 역사 및 하차 태그한 시간일 수 있다.In one embodiment, the extracted data of the transportation card includes a unique number of the transportation card, boarding tag information, and alighting tag information, and the alighting tag information includes a station at which the user got off the tag and the date of the tagging time for getting off can

일 실시예에 있어서, 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하는 단계는, 상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하는 단계; 상기 추정된 열차와 상기 선택된 열차를 매칭시키는 단계; 상기 이용객이 상기 선택된 열차를 탑승하고 온 구간을 파악하는 단계; 및 역사의 구간 별로 상기 선택된 열차의 재차인원을 산출하는 단계; 를 포함할 수 있다.In one embodiment, the calculating of the number of re-entry passengers of the selected train from the extracted data of the traffic card comprises: estimating the train in which the user boarded based on alight tag information among the data of the extracted traffic card; matching the estimated train with the selected train; identifying a section in which the user boarded the selected train; and calculating the number of re-training of the selected train for each section of the station. may include

일 실시예에 있어서, 상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하는 단계는, 하차 태그 정보의 군집화된 패턴을 기준으로 이용객이 탑승한 열차를 추정하는 단계일 수 있다.In one embodiment, the step of estimating the train the user boarded based on the alight tag information among the extracted traffic card data comprises: estimating the train the user boarded based on the clustered pattern of the get off tag information can be

일 실시예에 있어서, 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 단계는, 상기 재차인원의 기 설정된 기준 인원에 대한 비율로 혼잡도를 산정하는 단계일 수 있다.In one embodiment, the calculating of the congestion level of the selected train using the calculated number of re-training may include calculating the congestion level in a ratio of the re-training number to a preset reference number of persons.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템은, 이용객으로부터 교통카드가 태그되는 게이트 장치; 상기 게이트 장치에 태그된 교통카드의 데이터가 저장되는 제1 데이터베이스; 열차의 운영 로그가 저장되는 제2 데이터베이스; 및 상기 제1 데이터베이스로부터 교통카드의 데이터를 추출하고, 상기 제2 데이터베이스의 열차의 운영 로그로부터 혼잡도를 산정할 열차를 선택하고, 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하고, 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 서버; 를 포함할 수 있다.In accordance with an embodiment of the present invention for solving the above problems, a system for calculating congestion inside a train based on traffic card data includes: a gate device in which a traffic card is tagged from a user; a first database in which data of a traffic card tagged in the gate device is stored; a second database in which the train operation log is stored; and extracting the traffic card data from the first database, selecting the train for which the congestion level is to be calculated from the train operation log of the second database, and calculating the number of re-training of the selected train from the extracted traffic card data, , a server for calculating the congestion level of the selected train using the calculated number of re-training; may include.

일 실시예에 있어서, 상기 추출된 교통카드의 데이터는, 교통카드의 고유 번호, 승차 태그 정보 및 하차 태그 정보를 포함하고, 상기 하차 태그 정보는, 이용객이 하차 태그한 역사 및 하차 태그한 시간일 수 있다.In one embodiment, the extracted data of the transportation card includes a unique number of the transportation card, boarding tag information, and alighting tag information, and the alighting tag information includes a station at which the user got off the tag and the date of the tagging time for getting off can

일 실시예에 있어서, 상기 서버는, 상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하고, 상기 추정된 열차와 상기 선택된 열차를 매칭시키고, 상기 이용객이 상기 선택된 열차를 탑승하고 온 구간을 파악하고, 역사의 구간 별로 상기 선택된 열차의 재차인원을 산출할 수 있다.In one embodiment, the server estimates the train the user boarded based on the alight tag information among the data of the extracted transportation card, matches the estimated train with the selected train, and the user selects the selected train. It is possible to determine the section from which the train has been boarded and to calculate the number of re-passengers of the selected train for each section of the station.

일 실시예에 있어서, 상기 서버는, 하차 태그 정보의 군집화된 패턴을 기준으로 이용객이 탑승한 열차를 추정할 수 있다.In an embodiment, the server may estimate the train the user boarded based on the clustered pattern of alight tag information.

일 실시예에 있어서, 상기 서버는, 상기 재차인원의 기 설정된 기준 인원에 대한 비율로 혼잡도를 산정할 수 있다.In an embodiment, the server may calculate the congestion degree by a ratio of the number of re-entry personnel to a preset reference number of people.

본 발명에서 제안하는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템은 대부분의 도시철도 이용객이 교통카드를 사용하는 점에 착안하여, 교통카드의 데이터를 활용하여 열차 내부의 혼잡도를 산출함으로써 저비용으로 정확하게 혼잡도를 산출하고, 산출한 혼잡도를 도시철도의 교통 관리 및 서비스 판단 지표로 활용할 수 있다.The method and system for calculating the congestion level inside a train based on traffic card data proposed in the present invention is based on the fact that most urban railroad users use a traffic card, and calculates the congestion level inside the train by using the data of the traffic card accurately and at low cost. The congestion level is calculated, and the calculated congestion level can be used as an index for traffic management and service determination of urban railroads.

본 발명에서 제안하는 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템은 일정한 군집화된 패턴을 형성하는 교통카드의 데이터의 하차 태그 정보를 이용하여 열차 내부의 혼잡도를 산출함으로써, 정확하게 혼잡도를 산출할 수 있다.The method and system for calculating the congestion level inside a train based on traffic card data proposed in the present invention can accurately calculate the congestion level by calculating the congestion level inside the train using the alight tag information of the data of the traffic card that forms a certain clustered pattern. .

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.Effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법을 도시한 순서도이다.
도 3은 도2의 순서도에서 S300단계를 구체적으로 도시한 순서도이다.
도 4a는 열차의 운행 정보 및 승차 태그 정보를 예시적으로 나타낸 도면이다.
도 4b는 열차의 운행 정보 및 하차 태그 정보를 예시적으로 나타낸 도면이다.1 is a block diagram illustrating a system for calculating congestion inside a train based on traffic card data according to an embodiment of the present invention.
2 is a flowchart illustrating a method for calculating the congestion level inside a train based on traffic card data according to an embodiment of the present invention.
3 is a flowchart specifically illustrating step S300 in the flowchart of FIG. 2 .
4A is a diagram illustrating train operation information and ride tag information by way of example.
4B is a diagram exemplarily illustrating train operation information and alight tag information.

전술한, 그리고 추가적인 발명의 태양들은 첨부된 도면을 참조하여 설명하는 실시예들을 통해 구체화된다. 그러나 이하에서 기술하는 실시예들은 단지 예시적인 것일 뿐이며, 본 발명의 범위를 기술된 실시예들로만 제한하고자 하는 것은 아니다. 또한, 각 실시예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시예 내에서 또는 실시예 상호 간에 다양한 조합이 가능할 수 있다. The foregoing and further inventive aspects are embodied through the embodiments described with reference to the accompanying drawings. However, the embodiments described below are merely exemplary, and are not intended to limit the scope of the present invention to only the described embodiments. In addition, various combinations of the elements of each of the embodiments may be possible within or between the embodiments as long as there is no contradiction between them or other mentions.

그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 다른 구성요소들과는 상관없이 이 구성요소를 반드시 포함한다는 의미이지 다른 구성요소들의 포함 가능성을 배제하고자 하는 것이 아니다.And, when a part "includes" a certain component, this means that this component is necessarily included regardless of other components, and is not intended to exclude the possibility of including other components.

또한, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 나아가, 명세서 전체에서 신호는 전압이나 전류 등의 전기량을 의미한다.In addition, throughout the specification, when a part is "connected" with another part, it is not only "directly connected" but also "electrically connected" with another element interposed therebetween. include Furthermore, throughout the specification, a signal refers to an amount of electricity such as voltage or current.

또한, 도면에서 도시된 순서도들은 본 발명을 실시함에 있어서 가장 바람직한 결과를 얻기 위해 예시적으로 도시한 순서에 불과하며, 다른 단계들이 더 추가되거나 일부 단계들이 삭제될 수 있음은 물론이다.In addition, the flowchart shown in the drawings is merely an exemplary order in order to obtain the most desirable result in carrying out the present invention, and it goes without saying that other steps may be further added or some steps may be deleted.

이하, 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템(10)을 도시한 블록도이다.1 is a block diagram illustrating a system 10 for calculating a congestion level inside a train based on traffic card data according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템(10)은 게이트 장치(100), 제1 데이터베이스(200), 제2 데이터베이스(300) 및 서버(400)를 포함할 수 있다.Referring to FIG. 1 , a system 10 for calculating congestion inside a train based on traffic card data according to an embodiment of the present invention includes a gate device 100 , a first database 200 , a second database 300 , and a server 400 . ) may be included.

먼저, 역사 입구에 마련된 게이트 장치(100)는 열차 이용객의 역사 출입을 관리하는 장치이다. 게이트 장치(100)는 열차 요금 지불 수단인 교통카드를 태그(tag)할 수 있는 교통카드 리더기를 포함하고, 열차 요금, 교통카드의 잔액, 환승 여부 등을 표시하는 디스플레이를 포함할 수 있다.First, the gate device 100 provided at the station entrance is a device for managing the station entrance and exit of train users. The gate device 100 may include a transportation card reader capable of tagging a transportation card, which is a means of payment for a train fare, and a display that displays train fares, the balance of the transportation card, and whether or not to transfer.

여기서, 역사는 열차를 이동 수단으로 제공하는 도시철도, 지하철, 광역전철 및 경전철 등에서 승강장이 마련된 곳을 의미한다. 예를 들어, 서울시에서 운행되는 경전철인 우이신설선에서, 역사는 솔샘역, 북한산보국문역 및 정릉역 등을 포함한다.Here, the station means a place where a platform is provided in an urban railroad, subway, metropolitan railroad, and light railroad that provides trains as a means of transportation. For example, on the Ui Sinseol Line, a light rail line operating in Seoul, the station includes Solsaem Station, Bukhansanbogukmun Station, and Jeongneung Station.

한편, 본 발명의 일 실시예에서 열차 이용객이 사용하는 교통카드는 게이트 장치(100)에 태그하여 열차 요금을 지불할 수 있는 모든 종류 및 형태의 교통카드를 포함할 수 있다. 예를 들어, 교통카드는 일회용 교통카드, 티머니, 캐시비 등을 포함할 수 있다. 또한, 교통카드의 교통 요금 지불 방법으로는 충전식 카드, 선불 카드 및 후불 카드 등 모든 지불 방법을 포함할 수 있다. Meanwhile, according to an embodiment of the present invention, the transportation card used by the train user may include all types and types of transportation cards capable of paying train fares by tagging the gate device 100 . For example, the transportation card may include a disposable transportation card, T-money, cash fee, and the like. In addition, the transportation fee payment method of the transportation card may include all payment methods such as a rechargeable card, a prepaid card, and a postpaid card.

다음으로, 제1 데이터베이스(200)는 게이트 장치(100)에 태그된 교통카드의 데이터가 저장될 수 있다. 일반적으로, 교통카드를 사용하는 열차 이용객들이 열차를 이용하는 절차는, 먼저 승차 역사에 마련된 게이트 장치(100)에 승차 태그를 하여 열차 요금을 지불하고, 다음으로 승강장으로 이동하여 열차를 기다린 뒤 열차를 탑승하게 되며, 이후 목적지에서 하차 후 하차 역사에 마련된 게이트 장치(100)에 하차 태그를 함으로써 열차 이용을 종료한다. Next, the first database 200 may store the data of the traffic card tagged in the gate device 100 . In general, the procedure for train users using a transportation card to use the train is to first tag the boarding device 100 provided at the boarding station to pay the train fare, and then move to the platform and wait for the train. After getting on the train, after getting off at the destination, the use of the train is terminated by tagging the gate device 100 provided at the disembarkation station.

따라서, 교통카드가 태그된 승차 역사 및 하차 역사의 게이트 장치(100)는 각 개인의 교통카드의 고유 번호를 바탕으로 이용객이 승차 태그한 역사, 승차 태그한 시간, 하차 태그한 역사 및 하차한 시간 등 열차 이용에 관련된 다양한 데이터를 수집할 수 있다. 이 때, 제1 데이터베이스(200)에는 게이트 장치(100)로부터 수집된 상기 교통카드의 데이터가 저장될 수 있다. Therefore, the gate device 100 of the boarding station and alighting station tagged with the transportation card is based on the unique number of each individual transportation card. Various data related to train use can be collected. In this case, the data of the transportation card collected from the gate device 100 may be stored in the first database 200 .

한편, 제2 데이터베이스(300)는 열차의 운영 로그(log)가 저장될 수 있다. 여기서, 열차의 운영 로그는 열차의 운행 정보를 담고 있는 데이터를 의미한다. 열차의 운영 로그는 각 열차의 열차 번호, 각 열차가 역사에 도착한 시간, 각 열차가 역사에서 출발한 시간, 열차의 지연 정보 및 열차 운행 구간 상 에서의 열차의 위치 등을 포함할 수 있다.Meanwhile, the second database 300 may store a train operation log. Here, the train operation log means data containing train operation information. The train operation log may include the train number of each train, the time each train arrived at the station, the time each train departed from the station, the delay information of the train, and the location of the train in the train operation section.

마지막으로, 서버(400)는 제1 데이터베이스(200)로부터 교통카드의 데이터를 추출하고, 제2 데이터베이스(300)의 열차의 운영 로그로부터 혼잡도를 산정할 열차를 선택하고, 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하고, 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정할 수 있다. 서버(400)가 열차 내부의 혼잡도를 산정하는 방법은, 이하 도 2를 참조하여 구체적으로 설명한다.Finally, the server 400 extracts the data of the traffic card from the first database 200, selects a train for which the congestion level is calculated from the train operation log of the second database 300, and The number of re-training persons of the selected train may be calculated from the data, and the congestion degree of the selected train may be calculated using the calculated re-training number. A method in which the server 400 calculates the degree of congestion inside the train will be described in detail below with reference to FIG. 2 .

이하에서 서버(400)가 교통카드 데이터를 기반으로 열차 내부의 혼잡도를 산정하는 방법에 대해서 설명한다.Hereinafter, a method for the server 400 to calculate the degree of congestion inside the train based on the traffic card data will be described.

설명에 앞서, 서버(400)는 메모리, 입/출력부, 프로그램 저장부 및 제어부 등을 포함할 수 있다. 메모리는 서버(400)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 통신부는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다. 제어부는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.Prior to description, the server 400 may include a memory, an input/output unit, a program storage unit, a control unit, and the like. The memory performs a function of temporarily or permanently storing data processed by the server 400 . The memory may include magnetic storage media or flash storage media, but the scope of the present invention is not limited thereto. The communication unit may be a device including hardware and software necessary for transmitting and receiving signals such as control signals or data signals through wired/wireless connection with other network devices. The control unit may include all kinds of devices capable of processing data, such as a processor. Here, the 'processor' may refer to, for example, a data processing device embedded in hardware having a physically structured circuit to perform a function expressed as a code or an instruction included in a program. As an example of the data processing apparatus embedded in the hardware as described above, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) circuit) and a processing device such as a field programmable gate array (FPGA), but the scope of the present invention is not limited thereto.

도 2는 서버(400)가 수행하는 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법을 도시한 순서도이다.2 is a flowchart illustrating a method of calculating the congestion level inside a train based on traffic card data according to an embodiment of the present invention performed by the server 400. Referring to FIG.

도 2를 참조하면, 먼저 서버(400)는 역사의 게이트 장치(100)에 태그된 교통카드의 데이터를 제1 데이터베이스(200)로부터 추출할 수 있다(S100). Referring to FIG. 2 , first, the server 400 may extract data of a transportation card tagged to the station gate device 100 from the first database 200 ( S100 ).

열차 이용객은 승차 역사 및 하차 역사에 마련된 게이트 장치(100)에 교통카드를 태그하여 역사에 출입하게 되고, 이 때, 게이트 장치(100)로부터 수집된 교통카드의 데이터는 제1 데이터베이스(200)에 저장될 수 있다. 이 때, 서버(400)는 제1 데이터베이스(200)에 저장된 교통카드의 데이터를 추출 할 수 있고, 서버(400)가 추출한 교통카드의 데이터는 교통카드의 고유 번호, 승차 태그 정보 및 하차 태그 정보 등을 포함할 수 있다. The train user enters and exits the station by tagging the transportation card to the gate device 100 provided at the boarding station and the disembarking station, and at this time, the data of the transportation card collected from the gate device 100 is stored in the first database 200 . can be saved. At this time, the server 400 may extract the data of the transportation card stored in the first database 200, and the data of the transportation card extracted by the server 400 is the unique number of the transportation card, boarding tag information, and getting off tag information. and the like.

특히, 하차 태그 정보는 이용객이 하차 태그한 역사 및 하차 태그한 시간을 포함할 수 있다. 서버(400)는 상술한 하차 태그 정보를 이용하여 혼잡도 산출에 이용할 수 있다. 하차 태그 정보를 이용한 혼잡도 산출에 관한 구체적인 설명은 후술할 S300-1단계에서 설명하기로 한다.In particular, the disembarkation tag information may include a history and tagging time of getting off by the user. The server 400 may use the above-described alight tag information to calculate the congestion level. A detailed description of the congestion level calculation using the alight tag information will be described in step S300-1 to be described later.

다음으로, 서버(400)는 제2 데이터베이스(300)의 열차의 운영 로그에서 혼잡도를 산정할 열차를 선택할 수 있다(S200).Next, the server 400 may select a train for which the congestion level is to be calculated from the train operation log of the second database 300 ( S200 ).

열차의 운영 로그는 열차의 운행 정보를 담고 있는 데이터이다. 열차의 운영 로그는 각 열차의 열차 번호, 각 열차가 역사에 도착한 시간, 각 열차가 역사에서 출발한 시간, 열차의 지연 정보 및 열차 운행 구간 상 에서의 열차의 위치 등을 포함할 수 있다. 서버(400)는 운행된 열차 중에서 혼잡도를 산정할 열차를 선택하기 위하여, 열차의 운영 로그에서 열차 번호를 선택할 수 있다.The train operation log is data containing train operation information. The train operation log may include the train number of each train, the time each train arrived at the station, the time each train departed from the station, the delay information of the train, and the location of the train in the train operation section. The server 400 may select a train number from the operation log of the train in order to select a train for which the congestion degree is calculated from among the operated trains.

서버(400)는 S100단계에서 추출된 교통카드의 데이터로부터 S200단계에서 선택된 열차의 재차인원을 산출할 수 있다(S300). 여기서, 열차의 재차인원은 열차에 탑승한 인원수를 의미한다.The server 400 may calculate the number of re-training of the train selected in step S200 from the data of the transportation card extracted in step S100 (S300). Here, the number of people who re-board the train means the number of people who board the train.

도 3은 도 2의 순서도에서 S300단계를 구체적으로 도시한 순서도이다.3 is a flowchart specifically illustrating step S300 in the flowchart of FIG. 2 .

도 3을 참조하면, 서버(400)가 수행하는 S300단계는, 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정(S300-1)하고, 추정된 열차와 S200단계에서 선택된 열차를 매칭(S300-2)시킬 수 있다. 또한, 서버(400)는 이용객이 선택된 열차를 탑승하고 온 구간을 파악(S300-3)하고 역사의 구간 별로 상기 선택된 열차의 재차인원을 산출(S300-4)할 수 있다.Referring to FIG. 3 , in step S300 performed by the server 400, the train in which the user boarded is estimated based on alight tag information among the extracted traffic card data (S300-1), and the estimated train and step S200 It is possible to match the selected train in (S300-2). In addition, the server 400 may determine the section in which the user boards the selected train and came (S300-3) and calculates the number of re-training of the selected train for each section of the station (S300-4).

S300-1 단계에서, 서버(400)가 S100 단계에서 추출한 교통카드 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하는 이유는 다음과 같다. 열차 이용객이 승차 역사에 마련된 게이트 장치(100)에 승차 태그하는 시간은, 열차의 역사 도착 시간과 무관하게 불특정한 패턴을 보이는 반면, 열차 이용객이 하차 역사에 마련된 게이트 장치(100)에 하차 태그하는 시간은, 열차의 역사 도착 시간에 게이트 장치(100)까지의 열차 이용객의 보행시간을 버퍼로 하여 일정 간격의 군집화된 패턴을 보이기 때문이다. In step S300-1, the reason that the server 400 estimates the train in which the user boarded based on the alight tag information among the traffic card data extracted in step S100 is as follows. While the time for a train user to tag a ride on the gate device 100 provided at the boarding station shows an unspecified pattern irrespective of the arrival time of the train station, the train user gets off the tag at the gate device 100 provided at the boarding station This is because the time shows a clustered pattern at regular intervals by using the walking time of the train user to the gate device 100 at the arrival time of the train station as a buffer.

이하 도 4를 참조하여, 하차 태그 정보의 군집화된 패턴에 관하여 구체적으로 설명한다.Hereinafter, with reference to FIG. 4 , the clustered pattern of alight tag information will be described in detail.

도 4a 및 도 4b는 서울시에서 운행되는 경전철인 우이신설선의 정릉역, 북한산보국문역 및 솔샘역에서 정차하는 1066번, 1068번 및 1070번 열차의 궤적을 나타낸 것이다. 도 4a는 우이신설선의 이용객이 각 역사 별로 게이트 장치(100)에 승차 태그한 시간을 도시하고 있으며, 도 4b는 우이신설선의 이용객이 각 역사 별로 게이트 장치(100)에 하차 태그한 시간을 도시하고 있다. 4A and 4B show the trajectories of trains 1066, 1068, and 1070 that stop at Jeongneung Station, Bukhansanbogukmun Station, and Solsaem Station of the Ui Sinseol Line, a light railroad running in Seoul. Figure 4a shows the time when the user of the Ui Sinseol Line got on and tagged the gate device 100 for each station, and Figure 4b shows the time when the user of the Ui Sinseol Line got off the tag at the gate device 100 for each station. there is.

도 4a 및 도 4b에서 열차 이용객이 승차 및 하차 태그한 시간을 각 역사 별로 구분하기 위하여, 역사 별로 각각 초록색, 파란색 및 노란색으로 표시하였다.In FIGS. 4A and 4B , in order to distinguish the times tagged by train users for getting on and off for each station, each station is indicated in green, blue, and yellow, respectively.

도 4a를 참조하면, 열차에 승차하기 위해 역사에 진입하는 열차 이용객들은 열차가 역사에 도착하는 시간에 맞춰 역사에 진입하는 것이 일반적이지 않기 때문에, 열차 이용객들이 게이트 장치(100)에 승차 태그한 시간이 군집화 되어 있지 않고 분산되어 있는 것을 확인할 수 있다.Referring to FIG. 4A , since it is not common for train users who enter the station to board the train to enter the station at the time the train arrives at the station, the time when the train users tag the gate device 100 for boarding It can be seen that the clusters are not clustered but are dispersed.

반면, 도 4b를 참조하면, 열차에 승차한 후 의도한 목적지에 도착해서 열차에서 하차하는 열차 이용객들은, 일정한 시간 내에 승강장을 벗어나서 게이트 장치(100)에 하차 태그를 하는 것이 일반적이다. 따라서, 열차 이용객들이 게이트 장치(100)에 하차 태그한 시간은 열차가 역사에 도착한 후 일정한 시간 내에 군집화(빨간색 점선으로 표시) 되어 있는 것을 확인할 수 있다. On the other hand, referring to FIG. 4B , it is common for train users who get on the train, arrive at their intended destination and get off the train, leave the platform within a predetermined time and tag the gate device 100 to get off. Therefore, it can be confirmed that the time when the train users get off the tag at the gate device 100 is clustered (indicated by a red dotted line) within a predetermined time after the train arrives at the station.

본 발명의 일 실시예에 따른 서버(400)는, 상술한 열차 이용객들의 승하차 교통카드 태그 패턴에 따라, S100 단계에서 추출한 교통 카드 데이터 중 승차 태그 정보를 이용하지 않고, 하차 태그 정보를 기준으로 열차 이용객이 탑승했던 열차가 어떤 열차였는지를 추정할 수 있다.The server 400 according to an embodiment of the present invention does not use the boarding tag information among the traffic card data extracted in step S100 according to the above-described boarding and disembarking traffic card tag pattern of train users, and the train based on the getting off tag information. It is possible to estimate which train the passenger was on.

예를 들어, 다시 도 4b를 참조하면, 서버(400)는, AM 8시 18분 부근에 북한산보국문역에서 3개의 하차 태그가 군집화 되어 있다면, AM 8시 18분 부근에 북한산보국문역의 게이트 장치(100)에 상기 하차 태그를 한 3명의 열차 이용객들이 AM 8시 16분에 해당 역사에 진입한 1068번 열차를 탑승한 것으로 추정할 수 있다. For example, referring back to FIG. 4B , the server 400 is a gate device at Bukhansanbogukmun Station around 8:18 AM if three get-off tags are clustered at Bukhansanbogukmun Station around 8:18 AM. It can be estimated that the three train users who have tagged (100) to get off boarded the 1068 train that entered the station at 8:16 AM.

즉, 서버(400)는 하차 태그 정보의 군집화된 패턴을 기준으로, 교통카드를 태그한 열차 이용객들이 탑승했던 열차가 어떤 열차였는지를 추정할 수 있다.That is, the server 400 may estimate which train the train users who tagged the transportation card boarded was based on the clustered pattern of the alight tag information.

이후, 서버(400)는 S300-1 단계에서 이용객들이 탑승한 것으로 추정된 열차들 중에서 S200단계에서 선택된 열차와 매칭(S300-2)시킬 수 있다. 혼잡도를 산정할 열차로 선택된 열차에 이용객들이 얼마나 탑승했는지 여부를 확인하기 위함이다.Thereafter, the server 400 may match ( S300 - 2 ) the train selected in step S200 from among the trains estimated to have been boarded by the users in step S300 - 1 . This is to check how many passengers have boarded the train selected as the train for which the congestion level is to be calculated.

또한, 서버(400)는 이용객이 선택된 열차를 탑승하고 온 구간을 파악(S300-3)할 수 있다. 이 때, 서버(400)는 상술한 교통카드의 데이터 중에서 열차 이용객이 승차 태그한 역사 및 하차 태그한 역사를 기준으로 이용객이 선택된 열차를 탑승하고 온 구간을 파악할 수 있다.In addition, the server 400 may determine the section in which the user boarded the selected train and came ( S300 - 3 ). In this case, the server 400 may determine the section in which the user boarded the selected train and came on the basis of stations tagged on and off by the train user among the data of the above-described traffic card.

즉, 서버(400)가 S300-1 단계에서는 S100 단계에서 추출한 교통카드의 데이터 중에서 하차 태그 정보을 기준으로 이용객이 탑승한 열차를 추정하고, S300-3 단계에서는 S100 단계에서 추출한 교통카드의 데이터 중에서 승차 및 하차 태그한 역사를 기준으로 이용객이 열차를 이용한 구간을 파악할 수 있다.That is, in step S300-1, the server 400 estimates the train the user boarded based on the alight tag information among the data of the transportation card extracted in step S100, and in step S300-3, boarding from the data of the transportation card extracted in step S100 And it is possible to determine the section in which the user used the train based on the tagged station.

서버(400)는 탑승한 열차가 추정된 모든 열차 이용객의 열차 탑승 구간을 개별적으로 파악할 수 있고, 서버(400)는 역사의 구간 별로 S200 단계에서 선택된 열차의 재차인원을 산출(S300-4)할 수 있다. The server 400 can individually identify the train boarding sections of all train users in which the trains boarded are estimated, and the server 400 calculates the number of re-training of the train selected in step S200 for each section of the station (S300-4). can

이 때, 열차의 재차인원은 열차에 승차한 열차 이용객의 수에서 열차에서 하차한 열차 이용객의 수의 차이를 이용하여 산출할 수 있다.In this case, the number of people who re-enter the train may be calculated using the difference between the number of train users who got on the train and the number of train users who got off the train.

마지막으로, 서버(400)는 S300 단계에서 산출된 재차인원을 이용하여 S200 단계에서 선택된 열차의 혼잡도를 산정할 수 있다(S400). 이 때, 서버(400)는 재차인원의 기 설정된 기준 인원에 대한 비율로 열차 내부의 혼잡도를 산정할 수 있다. Finally, the server 400 may calculate the congestion degree of the train selected in step S200 using the number of re-training people calculated in step S300 ( S400 ). In this case, the server 400 may calculate the degree of congestion inside the train in a ratio of the number of passengers to the preset reference number of passengers.

서버(400)가 S400단계에서 혼잡도를 산정함에 있어서, 기 설정된 기준 인원은 열차 내부의 공간 등에 따라 열차 별로 다르게 설정될 수 있다.When the server 400 calculates the congestion degree in step S400, the preset reference number of people may be set differently for each train according to the space inside the train.

한편, 서버(400)는 S300-4 단계에서 역사의 구간 별로 산출된 열차의 재차인원을 이용하여 역사의 구간 별로 열차 내부의 혼잡도를 산출할 수 있다. Meanwhile, the server 400 may calculate the degree of congestion inside the train for each section of the station by using the number of re-entry passengers calculated for each section of the station in step S300-4.

지금까지 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법 및 시스템에 대하여 설명하였다. 본 발명에 따르면 교통카드의 데이터를 활용하여 열차 내부의 혼잡도를 산출함으로써, 열차에 별도의 장치 등을 설치하지 않아 저비용으로 정확하게 혼잡도를 산출할 수 있고, 일정한 군집화된 패턴을 형성하는 하차 태그 정보를 이용하여 열차 내부의 혼잡도를 산출함으로써, 정확하게 혼잡도를 산출할 수 있다.So far, a method and system for calculating internal congestion in a train based on traffic card data according to an embodiment of the present invention have been described. According to the present invention, by calculating the congestion level inside the train by utilizing the data of the transportation card, it is possible to accurately calculate the congestion level at low cost without installing a separate device, etc. By calculating the degree of congestion inside the train using the

한편, 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법은, 동일한 기술적 특징을 모두 포함하는 매체에 저장된 컴퓨터 프로그램으로 구현할 수도 있다. 중복 서술을 방지하기 위해 자세히 기재하지는 않았지만, 앞서 설명한 본 발명의 일 실시예에 따른 교통카드 데이터 기반 열차 내부 혼잡도 산정 방법의 모든 기술적 특징은 매체에 저장된 컴퓨터 프로그램에 모두 동일하게 적용될 수 있으며, 그에 따라 동일한 효과를 도출할 수 있다.Meanwhile, the method for calculating the congestion level inside a train based on traffic card data according to an embodiment of the present invention may be implemented as a computer program stored in a medium including all of the same technical features. Although not described in detail to prevent duplicate description, all the technical features of the method for calculating the congestion level inside a train based on traffic card data according to an embodiment of the present invention described above can be equally applied to all computer programs stored in the medium, and accordingly The same effect can be derived.

이상과 같이 본 발명을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면, 본 발명의 기술적 사상과 필수적 특징을 유지한 채로 다른 형태로도 실시될 수 있음을 인지할 수 있을 것이다.Although the present invention has been described as described above, those of ordinary skill in the art to which the present invention pertains will recognize that the present invention may be implemented in other forms while maintaining the technical spirit and essential features of the present invention. .

본 발명의 범위는 특허청구범위에 의하여 규정되어질 것이지만, 특허청구범위 기재사항으로부터 직접적으로 도출되는 구성은 물론 그와 등가인 구성으로부터 도출되는 모든 변경 또는 변형된 형태 또한 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention will be defined by the claims, but all changes or modifications derived from the composition directly derived from the claims, as well as the composition equivalent thereto, are also included in the scope of the present invention. should be interpreted as

10: 교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템.
100: 게이트 장치
200: 제1 데이터베이스
300: 제2 데이터베이스
400: 서버10: A system for calculating the congestion level inside a train based on traffic card data.
100: gate device
200: first database
300: second database
400: server

Claims (10)

서버가 교통카드 데이터를 기반으로 열차 내부의 혼잡도를 산정하는 방법에 있어서,
역사의 게이트 장치에 태그된 교통카드의 데이터를 추출하는 단계;
열차의 운영 로그에서 혼잡도를 산정할 열차를 선택하는 단계;
상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하는 단계; 및
상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 단계; 를 포함하되,
상기 추출된 교통카드의 데이터는,
교통카드의 고유 번호, 승차 태그 정보 및 하차 태그 정보를 포함하고,
상기 하차 태그 정보는,
이용객이 하차 태그한 역사 및 하차 태그한 시간인 것을 특징으로 하고,
상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하는 단계는,
상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하는 단계;
상기 추정된 열차와 상기 선택된 열차를 매칭시키는 단계;
상기 이용객이 상기 선택된 열차를 탑승하고 온 구간을 파악하는 단계; 및
역사의 구간 별로 상기 선택된 열차의 재차인원을 산출하는 단계를 포함하고,
상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하는 단계는,
하차 태그 정보의 군집화된 패턴을 기준으로, 상기 군집화된 패턴의 하차 태그 시간으로부터 소정의 시간 이전에 상기 역사에 도착한 열차를 상기 군집화된 패턴을 구성하는 열차 이용객들이 탑승한 열차로 추정하는 단계를 포함하는,
교통카드 데이터 기반 열차 내부 혼잡도 산정 방법.
In the method for the server to calculate the congestion level inside the train based on the traffic card data,
extracting the data of the traffic card tagged to the gate device of the station;
selecting a train for which a congestion level is to be calculated from a train operation log;
calculating the number of re-entry passengers of the selected train from the extracted data of the transportation card; and
calculating the congestion level of the selected train using the calculated number of re-training; including,
The data of the extracted transportation card is,
Including the unique number of the transportation card, boarding tag information and getting off tag information,
The alight tag information is
It is characterized in that it is the station where the user got off and tagged the time of getting off,
Calculating the number of re-entry passengers of the selected train from the extracted data of the transportation card comprises:
estimating the train in which the user boarded based on the alight tag information among the extracted data of the transportation card;
matching the estimated train with the selected train;
identifying a section in which the user boarded the selected train and came; and
Comprising the step of calculating the number of re-entry of the selected train for each section of the station,
The step of estimating the train the user boarded based on the alight tag information among the data of the extracted transportation card comprises:
Based on the clustered pattern of alight tag information, estimating a train arriving at the station before a predetermined time from the alight tag time of the clustered pattern as a train in which train users constituting the clustered pattern boarded doing,
A method of calculating the congestion level inside a train based on traffic card data.
 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 단계는,
상기 재차인원의 기 설정된 기준 인원에 대한 비율로 혼잡도를 산정하는 단계인,
교통카드 데이터 기반 열차 내부 혼잡도 산정 방법.
According to claim 1,
Calculating the congestion level of the selected train using the calculated number of re-training includes:
A step of calculating the degree of congestion in the ratio of the number of re-entry to a preset reference number of people,
A method of calculating the congestion level inside a train based on traffic card data.
 이용객으로부터 교통카드가 태그되는 게이트 장치;
상기 게이트 장치에 태그된 교통카드의 데이터가 저장되는 제1 데이터베이스;
열차의 운영 로그가 저장되는 제2 데이터베이스; 및
상기 제1 데이터베이스로부터 교통카드의 데이터를 추출하고, 상기 제2 데이터베이스의 열차의 운영 로그로부터 혼잡도를 산정할 열차를 선택하고, 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출하고, 상기 산출된 재차인원을 이용하여 상기 선택된 열차의 혼잡도를 산정하는 서버; 를 포함하고,
상기 추출된 교통카드의 데이터는,
교통카드의 고유 번호, 승차 태그 정보 및 하차 태그 정보를 포함하고,
상기 하차 태그 정보는,
이용객이 하차 태그한 역사 및 하차 태그한 시간인 것을 특징으로 하고,
상기 서버는 상기 추출된 교통카드의 데이터로부터 상기 선택된 열차의 재차인원을 산출할 때 상기 추출된 교통카드의 데이터 중 하차 태그 정보를 기준으로 이용객이 탑승한 열차를 추정하고, 상기 추정된 열차와 상기 선택된 열차를 매칭시키고, 상기 이용객이 상기 선택된 열차를 탑승하고 온 구간을 파악하고, 역사의 구간 별로 상기 선택된 열차의 재차인원을 산출하고,
상기 서버는 상기 추출된 교통카드의 데이터 중 하차 태그 정보의 군집화된 패턴을 기준으로, 상기 군집화된 패턴의 하차 태그 시간으로부터 소정의 시간 이전에 상기 역사에 도착한 열차를 상기 군집화된 패턴을 구성하는 열차 이용객들이 탑승한 열차로 추정하는 단계를 포함하
교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템.
a gate device in which a transportation card is tagged from a user;
a first database in which data of a traffic card tagged in the gate device is stored;
a second database in which the train operation log is stored; and
extracting traffic card data from the first database, selecting a train for which congestion is calculated from the train operation log of the second database, and calculating the number of re-training of the selected train from the extracted traffic card data; a server for calculating the congestion level of the selected train using the calculated number of re-training; including,
The data of the extracted transportation card is,
Including the unique number of the transportation card, boarding tag information and getting off tag information,
The alight tag information is
It is characterized in that it is the station where the user got off and tagged the time of getting off,
When the server calculates the number of re-training of the selected train from the extracted data of the traffic card, the server estimates the train in which the user boarded based on the get-off tag information among the data of the extracted traffic card, and the estimated train and the matching the selected train, identifying the section where the user boarded the selected train, and calculating the number of re-entry of the selected train for each section of the station;
The server configures the clustered pattern of trains arriving at the station before a predetermined time from the get-off tag time of the clustered pattern based on the clustered pattern of alight tag information among the extracted traffic card data. Including the step of estimating the train that passengers boarded
A system for calculating the congestion level inside a train based on traffic card data.
 삭제delete 삭제delete 삭제delete 제6항에 있어서,
상기 서버는,
상기 재차인원의 기 설정된 기준 인원에 대한 비율로 혼잡도를 산정하는,
교통카드 데이터 기반 열차 내부 혼잡도 산정 시스템.
7. The method of claim 6,
The server is
Calculating the degree of congestion in the ratio of the number of re-entry to a preset standard number of people,
A system for calculating the congestion level inside a train based on traffic card data.
KR1020200074495A 2020-06-18 2020-06-18 Method and system for congestion estimation of train based on data of transportaion card KR102374359B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200074495A KR102374359B1 (en) 2020-06-18 2020-06-18 Method and system for congestion estimation of train based on data of transportaion card

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200074495A KR102374359B1 (en) 2020-06-18 2020-06-18 Method and system for congestion estimation of train based on data of transportaion card

Publications (2)

Publication Number Publication Date
KR20210156647A KR20210156647A (en) 2021-12-27
KR102374359B1 true KR102374359B1 (en) 2022-03-15

Family

ID=79177315

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200074495A KR102374359B1 (en) 2020-06-18 2020-06-18 Method and system for congestion estimation of train based on data of transportaion card

Country Status (1)

Country Link
KR (1) KR102374359B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102636448B1 (en) * 2023-08-21 2024-02-13 주식회사 티머니 A method for adjusting the output of a beacon signal based on vehicle congestion

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001055145A (en) 1999-08-12 2001-02-27 Railway Technical Res Inst Method of estimating number of passengers of train in dynamic environment and operation arrangement support system
JP2012171391A (en) 2011-02-18 2012-09-10 Hitachi Ltd System for providing congestion information of train for each user
JP2013107507A (en) 2011-11-21 2013-06-06 Dainippon Printing Co Ltd Device and system for distributing congestion degree, and computer program

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101144317B1 (en) 2007-07-09 2012-05-11 주식회사 이비 Apparatus for analyzing public tranportation and method therefor
KR101630712B1 (en) 2010-12-17 2016-06-16 한국철도기술연구원 Passenger boarding simulation system through traffic assignment based train schedule and the passenger boarding simulation methods thereof
KR20190072756A (en) 2017-12-18 2019-06-26 김정은 A system for informing crowdedness of subway

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001055145A (en) 1999-08-12 2001-02-27 Railway Technical Res Inst Method of estimating number of passengers of train in dynamic environment and operation arrangement support system
JP2012171391A (en) 2011-02-18 2012-09-10 Hitachi Ltd System for providing congestion information of train for each user
JP2013107507A (en) 2011-11-21 2013-06-06 Dainippon Printing Co Ltd Device and system for distributing congestion degree, and computer program

Also Published As

Publication number Publication date
KR20210156647A (en) 2021-12-27

Similar Documents

Publication Publication Date Title
EP2938968B1 (en) Travel time information providing apparatus and travel time information providing method
KR101555450B1 (en) Method for providing arrival information, and server and display for the same
He et al. Estimating the destination of unlinked trips in transit smart card fare data
US20190228358A1 (en) Transportation System, Schedule Proposal System, and Train Operations System
US10621529B2 (en) Goal-based travel reconstruction
JP6675860B2 (en) Data processing method and data processing system
JP5951903B2 (en) Fee refund system and method
CN108109082A (en) A kind of Destination Management method and system
JP2008123270A (en) Apparatus, system and method for calculating return consideration
CN106464724B (en) Transport system user inspection
KR102296356B1 (en) Method And Apparatus for Providing Pet Taxi Service
CN114373256A (en) Reservation mechanism-based venue entrance verification method, system and storage medium
US20240046385A1 (en) Journey and charge presentations at mobile devices
Li et al. Estimate passengers’ walking and waiting time in metro station using smart card data (scd)
CN110334858A (en) A kind of bus remaining seat intelligent Forecasting and device
Khoo Statistical modeling of bus dwell time at stops
Chen et al. Computation on bus delay at stops in Beijing through statistical analysis
KR102374359B1 (en) Method and system for congestion estimation of train based on data of transportaion card
JP5214759B2 (en) Congestion degree estimation device and congestion degree estimation program
Othman et al. Simulating congestion dynamics of train rapid transit using smart card data
JP6889124B2 (en) Transportation transfer judgment device and transportation transfer judgment method
US10402755B2 (en) Transportation service information providing apparatus, and transportation service information providing method
KR100767438B1 (en) Parking management system and method thereof
KR102012545B1 (en) Advanced Traffic Card System, Get off Terminal and the Method for Managing Traffic Information
JP7425680B2 (en) Navigation device and navigation method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant