WO2016067369A1 - 人流分析システムおよび人流分析方法 - Google Patents
人流分析システムおよび人流分析方法 Download PDFInfo
- Publication number
- WO2016067369A1 WO2016067369A1 PCT/JP2014/078643 JP2014078643W WO2016067369A1 WO 2016067369 A1 WO2016067369 A1 WO 2016067369A1 JP 2014078643 W JP2014078643 W JP 2014078643W WO 2016067369 A1 WO2016067369 A1 WO 2016067369A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- human flow
- flow
- unit
- human
- display
- Prior art date
Links
- 238000005206 flow analysis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims description 43
- 238000004088 simulation Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000000284 extract Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 description 80
- 238000004458 analytical method Methods 0.000 description 40
- 230000006870 function Effects 0.000 description 37
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 23
- 230000008859 change Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 19
- 230000009471 action Effects 0.000 description 16
- 230000001617 migratory effect Effects 0.000 description 16
- 239000003795 chemical substances by application Substances 0.000 description 11
- 230000005012 migration Effects 0.000 description 9
- 238000013508 migration Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 102220239296 rs372673436 Human genes 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/10—Services
Definitions
- the present invention relates to a human flow analysis system and a human flow analysis method.
- Logistics can be detected mechanically, for example, by attaching an IC tag or bar code to an object.
- the courier company has built a system that can track the position and state of deliverables based on the data collected by these detection means, and has achieved many results.
- the traffic flow can be mechanically detected using a traffic flow measuring device or a vehicle detection sensor installed on each road. Data collected by these sensors can be analyzed to calculate the actual traffic volume of each road.
- position detection means such as GPS (Global Positioning System) sensors and acceleration sensors. Thereby, the position information of each person can be acquired.
- Patent Document 1 An invention for analyzing sensor information of such a portable device is as described in Patent Document 1, for example.
- the problem of Patent Document 1 is described as “specify a change in the user's usage level in a certain area.”
- the solution means “the information processing device refers to the positioning information and performs the first period. For the user of the mobile terminal staying in the first area, the first degree, which is the degree of stay in the area during the period, is calculated, and for the user staying in the first area in the first period, The second degree that is the degree of stay in the first area in the period of 2.
- the information processing device identifies a user whose difference between the first degree and the second degree is equal to or greater than a predetermined threshold value. Is done. "
- Patent Document 1 it is possible to calculate the degree of stay in each area of the user, specify the change, and specify the user that matches the predetermined change.
- Patent Document 1 does not describe specifying the main human flow / traffic flow. Furthermore, there is no mention of specifying and analyzing the movement source and destination of the human flow, simulating the human flow, and how to visualize the analysis result of the big data.
- the present invention has been made in view of the above circumstances, and an object of the present invention is to provide a human flow analysis system and a human flow analysis method that support efficient operation of a city.
- a human flow analysis system is based on an area designation unit that designates an area on a map and a plurality of human flow information including time and position information.
- a human flow calculation unit that calculates a human flow related to a designated area, and a display control unit that displays a flow line of a main flow calculated by the human flow calculation unit on a map displayed on the display unit.
- a human flow analysis system including a display unit that displays graphic information or / and character information, a human flow calculation unit, an area designation unit, and a display control unit that controls the display unit.
- the human flow analysis system includes a step of designating a region on a map by the region specifying unit, and a plurality of pieces of human flow information including time and position information by the human flow calculating unit, to the designated region of the region specifying unit.
- Other means will be described in the embodiment for carrying out the invention.
- FIG. 1 is a configuration diagram showing an outline of a human flow analysis system 1 in the present embodiment.
- the human flow analysis system 1 is, for example, a computer, and includes a processor 2, a memory 3, a display unit 37, and an auxiliary storage device 4.
- the processor 2 is a CPU (Central Processing Unit), for example, and embodies corresponding processing units by executing processing programs (not shown).
- the memory 3 is, for example, a RAM (Random Access Memory), and stores each processing program (not shown). Each processing program (not shown) is executed by the processor 2 so that each corresponding processing unit is realized.
- an input control unit 31, a display control unit 32, a main flow line extraction unit 33, a traffic usage rate calculation unit 34, a simulation unit 35, and a migratory pattern extraction unit 36 are embodied.
- the display unit 37 is a liquid crystal display, for example, and displays characters, figures, images, and the like.
- the auxiliary storage device 4 is a server having, for example, a city management infrastructure database function, and has one or a plurality of databases. However, the present invention is not limited to this, and the auxiliary storage device 4 may be a hard disk connected by a bus, and is not limited.
- the input controller 31 controls, for example, a mouse and a keyboard (not shown) and interprets these input signals.
- the input control unit 31 may function as a region designation unit that designates a region on a map.
- the display control unit 32 controls the display screen for the display unit 37.
- the display control unit 32 displays a map on the display unit 37, for example, and displays various information related to the human flow on the map.
- the main flow line extraction unit 33 calculates a human flow with the designated area as the destination based on the human flow database 41.
- the traffic usage rate calculation unit 34 calculates the usage rate of each means of transportation by human flow.
- the simulation unit 35 calculates a human flow by simulation.
- the simulation unit 35 calculates a human flow when an agent is newly generated based on the human flow database 41.
- an agent is a virtual entity that is set in place of the actual environment in order to generate changes in the flow of people and traffic based on changes in the environment, such as changes in residents, opening and closing of facilities, etc.
- the excursion pattern extraction unit 36 extracts main flow lines of people who travel around a certain place as a excursion pattern based on the human flow database 41.
- the excursion pattern extraction unit 36 is a human flow calculation unit that calculates a human flow excursion pattern.
- the human flow database 41 is a database that stores data serving as a basis for calculating a human flow.
- the human flow database 41 will be described in detail with reference to FIG.
- Data stored in the human flow database 41 is collected from various social infrastructure providers.
- the traffic network database 42 is a database that stores links constituting each traffic network and nodes that identify the links.
- the traffic network database 42 will be described in detail with reference to FIG.
- the map database 43 is map data displayed on the screen of the display unit 37.
- the means selection model 44 is a model in which each person indicates the selection probability of the transportation means. The means selection model 44 will be described in detail with reference to FIG.
- the transportation use rate model 45 is a model that shows the use rate (ride rate) of transportation in a time series.
- the new human flow database 46 stores the new human flow obtained by the simulation process.
- the facility database 47 is a database that stores information on facilities located in each area.
- the excursion pattern database 48 is a database that stores the excursion pattern of the human flow in each area.
- Embodiment for Extracting Main Flow Line with Destination as Destination With reference to FIG. 2 to FIG. 10, the extraction process of the main flow line of the human flow with the designated place as the destination will be described.
- the main flow lines of wide-area people / traffic flow for example, commercial enterprises meet the desire to know the attributes, starting point, transportation mode, route, etc. of people coming around the current new facility be able to.
- Transportation operators can implement appropriate traffic measures in line with the main flow of people. Appropriate traffic measures include, for example, modal shift, route aggregation, and the introduction of new traffic.
- a main flow line that is a main route of the human flow with the target area as an end point is extracted, and the distribution of the human flow attribute, the sharing rate for each means of transportation, and the distribution point of the human flow is analyzed for each route.
- FIG. 2 is a diagram showing the human flow database 41.
- the human flow database 41 includes a PID (Personal IDentifier) column 41a, a TID (Trip IDentifier) column 41b, and an SID (Sub-trip IDentifier) column 41c.
- the human flow database 41 further includes a time column 41d, a coordinate column 41e, and a means column 41f.
- the PID column 41a is a column for storing a person identifier.
- the PID column 41a may store individual identifiers, or may store identifiers for a predetermined number of people.
- the TID column 41b is a column for storing an identifier of the entire outing action (trip).
- the trip identifier is hereinafter referred to as “trip ID”.
- the first record relating to the same trip ID is the starting point and starting point of this outing action.
- the last record related to the same trip ID is the end point and destination of this outing action.
- the SID column 41c is a column for storing some identifiers of the outing action (trip).
- the time column 41d is a column for storing each time in the outing action.
- the coordinate column 41e is a column for storing each coordinate in the outing action.
- the means column 41f is a column for storing the type of each means of transportation used in the outing action. As examples of the types of transportation means, there are “Walk” indicating walking, “Train” indicating train, and the like.
- This human flow database 41 can be obtained by automatically identifying a moving means from probe data (position / acceleration) of a smartphone. Also, subway information for which position information cannot be obtained can be obtained from traffic electronic money information.
- FIG. 3A and 3B are diagrams showing the traffic network database 42.
- the traffic network database 42 includes a link database 42-1 and a node database 42-2.
- FIG. 3A shows the details of the link database 42-1.
- the link database 42-1 is a database that stores information on each link constituting the traffic network.
- the link database 42-1 includes a link ID column 42a, a start point node ID column 42b, an end point node ID column 42c, and a type column 42d.
- the link ID column 42a is a column for storing the identifier of each link.
- the starting point node ID column 42b is a column for storing the identifier of the starting point node of each link.
- the end node ID column 42c is a column that stores the identifier of the end node of each link.
- the type column 42d is a column for storing type information of each link. As an example, the type information of each link includes “Train” indicating a railway, “Bus” indicating a bus, and “Road” indicating a road.
- FIG. 3B shows details of the node database 42-2.
- the node database 42-2 is a database that stores information on each node constituting the traffic network. These nodes constitute both ends of the link.
- the node database 42-2 includes a node ID column 42e and a coordinate column 42f.
- the node ID column 42e is a column for storing an identifier of each node.
- the coordinate column 42f is a column for storing the coordinates of each node.
- FIG. 4 is a diagram showing an analysis screen 5 relating to the human flow filter function.
- the analysis screen 5 has a data menu 51a, a function menu 51b, a direction menu 51c, a period menu 51d, a profile menu 51e, and an action button 52 at the top.
- the analysis screen 5 further includes a status display field 53, a position input field 54, and a time slide bar 55 below each menu and action button 52, and a map 50 disposed below the status display field 53.
- a means display column 56 is arranged at the bottom of the analysis screen 5.
- the data menu 51 a is a menu for designating a processing target range in the data of the human flow database 41.
- the function menu 51b is a menu for designating a data processing method (function) of the human flow database 41.
- Filter is designated as a human flow filter function.
- the direction menu 51c is a menu for designating the direction of human flow.
- the period menu 51d is a menu for designating an analysis period of data stored in the human flow database 41.
- the profile menu 51e is a menu for narrowing down data stored in the human flow database 41 by a profile such as a moving method, sex, and age.
- the action button 52 is a button for starting data processing.
- the status display column 53 is a column for displaying the date and time, weather, and the like related to the map 50 being displayed. By providing this field, it is possible to analyze the human flow while checking on the same screen time information and weather information that greatly affect the outing behavior.
- the position input column 54 is a column for inputting the position related to the map 50 being displayed in characters and displaying the input position information in characters. When the target position (range) is directly selected on the map by a mouse operation or the like, the position input field 54 displays the selected position information as characters.
- the time slide bar 55 designates the time of the analysis result. The left side of the time slide bar 55 is the analysis start time, and the rightmost side is the analysis end time. A predetermined area is displayed on the map 50, and a human flow 60 is displayed thereon.
- the human flow 60 is displayed as a simple circular icon, but is actually displayed in different colors for each means of transportation.
- the means display field 56 is a field for displaying a legend of transportation means of the people flow 60.
- trains, buses, cars, walks, and others are displayed in different colors as means of transportation.
- FIG. 5 is a diagram showing an analysis screen 5 related to the first human flow trajectory function.
- Frequent Trajectory is designated as the trajectory function of the human flow.
- a destination 61 is displayed as an icon, and four main flow lines 62 of a human flow toward the destination 61 are displayed. Regions 621A to 621D are the starting points of these four main flow lines 62.
- the destination 61 is the end point of these four main flow lines 62. By doing in this way, the main flow line 62 of the human flow moving to the destination 61 can be visualized.
- the main flow line 62 is a path composed of links through which more than the average value has passed at this time.
- the present invention is not limited to this, and the main flow line 62 may be a path formed by a link through which a person having a predetermined threshold value or more passes at this time, or a link having a passing number of persons within a predetermined rank, and is not limited.
- a main flow line attribute display field 70 is displayed below the map 50. In the main flow line attribute display column 70, the number of persons moving from the respective regions 621A to 621D to the destination 61 is displayed. By doing in this way, the traffic operator can implement an appropriate traffic measure according to the main flow line 62 of the human flow.
- FIG. 6 is a diagram showing a second human flow trajectory function screen.
- the destination 61 is displayed as an icon, and main flow lines 62e, 62c, 62a of the human flow toward the destination 61 are displayed.
- a main flow line 62b that merges with the main flow line 62a is displayed on the map 50, and a main flow line 62d that merges with the main flow line 62c is displayed.
- the ratio of the respective main flow lines when the number of people of the last main flow line 62a toward the destination 61 is 100 is displayed.
- the main flow line expression (thickness, color, density, etc.) is changed accordingly. In this way, the details of the main flow line 62 can be visually recognized.
- a departure place display column 71 and an age display column 72 are displayed.
- a number time series column 73 and a means time series column 74 are displayed below the map 50.
- the departure place display column 71, the age display column 72, the number of people time series column 73, and the means time series column 74 are also displayed when the main flow line 62 of the human flow shown in FIG. 5 is clicked.
- the departure place display column 71 the departure place information of the trip ID reaching the destination 61 is displayed in a pie chart. The number of trip IDs is displayed at the center of the pie chart.
- the age display column 72 the age of the person related to the trip ID reaching the destination 61 is displayed in a pie chart.
- the number of people time series column 73 shows the number of people reaching the destination 61 (the number of trip IDs) in time series.
- the means time series column 74 indicates the number of persons (number of trip IDs) for each means of transportation reaching the destination 61 in time series.
- FIG. 7 is a flowchart showing a main flow line extraction process by addition to each link.
- a destination 61 (see FIG. 5) is designated by the input control unit 31. Clicking on an arbitrary position on the map 50 and the destination 61 are designated. Alternatively, if the address of the destination 61 is entered in the position input field 54 with characters, the destination 61 is designated.
- the input control unit 31 is a region designation unit that designates a region.
- step S ⁇ b> 10 the main flow line extraction unit 33 (human flow calculation unit) searches the human flow database 41 for a trip ID having the designated location as the destination 61.
- step S ⁇ b> 11 the main flow line extraction unit 33 determines whether there is a trip ID having the designated place as the destination 61 in the human flow database 41. If there is a trip ID (Yes), the main flow line extraction unit 33 proceeds to the process of step S12. If there is no trip ID (No), the main flow line extraction unit 33 ends the process of FIG. In steps S12 to S14, the main flow line extraction unit 33 repeats each process for each searched trip ID.
- step S13 the main flow line extraction unit 33 adds one point to the nearest link of each coordinate of the trip ID.
- step S14 the main flow line extraction unit 33 determines whether or not all the searched trip IDs have been repeated. The main flow line extraction unit 33 returns to the process of step S12 if not all of the searched trip IDs have been repeated.
- step S15 the main flow line extraction unit 33 calculates the average value of the points of each link.
- step S16 the main flow line extraction unit 33 extracts links that are equal to or greater than the average value. In addition, you may extract the link beyond arbitrary threshold values, without being restricted to an average value.
- step S ⁇ b> 17 the main flow line extraction unit 33 searches for a route between the links and generates a connected link group.
- step S ⁇ b> 18 the main flow line extraction unit 33 sets the connected link group as the main flow line 62.
- step S19 the display control unit 32 displays the main flow line 62 in a color-coded manner on the map 50, and ends the process of FIG.
- the display control unit 32 may display the main flow line 62 so as to be identifiable by the type of line such as hatching, blinking, broken line, and alternate long and short dash line.
- the human flow analysis system 1 can easily extract the main flow line 62 as shown in FIG. 5 even if the number of records in the human flow database 41 is extremely large. Since the main crowd flow to be dealt with preferentially is generalized and abstracted and displayed as the main flow line 62, efficient operation of the city can be favorably supported.
- the main flow line extraction processing by link addition can suitably analyze the human flow in cities in developed countries where the transportation network is developed.
- FIG. 8 is a flowchart showing main flow line extraction processing by mesh addition. This flowchart is a modification of FIG.
- the main flow line extraction unit 33 of the human flow analysis system 1 starts the main flow line 62 extraction process.
- the main flow line extraction unit 33 (human flow calculation unit) searches the human flow database 41 for a trip ID having the designated location as the destination 61.
- the main flow line extraction unit 33 determines whether there is a trip ID having the designated place as the destination 61 in the human flow database 41. If there is a trip ID (Yes), the main flow line extraction unit 33 proceeds to the process of step S22. If there is no trip ID (No), the main flow line extraction unit 33 ends the process of FIG.
- steps S22 to S24 the main flow line extraction unit 33 repeats each process for each searched trip ID.
- step S23 when the coordinates of the trip ID are included in each pixel of the map 50 being displayed, the main flow line extraction unit 33 adds one point to this pixel.
- step S24 the main flow line extraction unit 33 determines whether or not all the searched trip IDs have been repeated. The main flow line extraction unit 33 returns to the process of step S22 if not all of the searched trip IDs have been repeated.
- step S25 the main flow line extraction unit 33 calculates the average value of the points of each pixel.
- step S26 the main flow line extraction unit 33 extracts pixels that are equal to or greater than the average value.
- step S27 the main flow line extraction unit 33 linearly interpolates between the pixels to generate a main flow line 62, and the main flow line 62 is color-coded and displayed by the display control unit 32, and the process of FIG. 8 ends.
- step S28 the display control unit 32 displays the main flow line 62 in a color-coded manner on the map 50, and ends the process of FIG.
- the main flow line extraction processing by mesh addition can suitably analyze the flow of people in cities in developed countries where the transportation network is developed.
- FIG. 9 is a flowchart showing main flow line extraction processing by the k-Means method.
- the k-Means method is a method of classifying into a given number K of clusters using an average of clusters.
- the main flow line extraction unit 33 of the human flow analysis system 1 starts the main flow line 62 extraction process.
- the main flow line extraction unit 33 (human flow calculation unit) searches the human flow database 41 for a trip ID having the specified location as the destination 61 for each predetermined period.
- step S ⁇ b> 31 the main flow line extraction unit 33 determines whether there is a trip ID having the designated place as the destination 61 in the human flow database 41.
- step S ⁇ b> 32 the main flow line extraction unit 33 generates K centroids (coordinates).
- K is a predetermined natural number.
- steps S33 to S36 the main flow line extraction unit 33 repeats each process for each searched trip ID.
- step S34 the main flow line extraction unit 33 calculates the distance between each coordinate of the trip ID and K centroids and assigns the distance to each centroid.
- step S35 the main flow line extraction unit 33 recalculates the coordinates of the centroid including the assigned trip ID.
- step S36 the main flow line extraction unit 33 determines whether or not all of the searched trip IDs have been repeated. The main flow line extraction unit 33 returns to the process of step S33 if not all of the searched trip IDs have been repeated.
- step S37 the main flow line extraction unit 33 obtains K clusters including one or more trip IDs.
- step S38 the display control unit 32 color-codes each coordinate of the trip ID for each cluster and displays it on the map 50 as a flow line related to the human flow, and ends the processing of FIG.
- the human flow analysis system 1 can easily extract the main flow line 62 as shown in FIG. 6 even if the number of records of the human flow database 41 is extremely large.
- the main flow line extraction process by the k-Means method can suitably analyze the human flow in cities in developing and emerging countries where the transportation network is not yet developed.
- FIG. 10 is a flowchart showing main flow line extraction processing by hierarchical clustering.
- the main flow line extraction unit 33 of the human flow analysis system 1 starts the main flow line 62 extraction process.
- the main flow line extraction unit 33 (human flow calculation unit) searches the human flow database 41 for a trip ID having the specified location as the destination 61 for each predetermined period.
- the main flow line extraction unit 33 determines whether there is a trip ID having the designated place as the destination 61 in the human flow database 41. If there is a trip ID (Yes), the main flow line extraction unit 33 proceeds to the process of step S42, and if there is no trip ID (No), the process of FIG. 10 ends.
- the main flow line extraction unit 33 sets each trip ID as a cluster.
- step S43 the main flow line extraction unit 33 calculates the distance between the clusters.
- step S ⁇ b> 44 the main flow line extraction unit 33 merges two clusters that have a minimum distance between the clusters.
- step S45 the main flow line extraction unit 33 sets the center of the merged cluster as the coordinate average value of each trip ID.
- step S46 the main flow line extracting unit 33 determines whether or not the number of clusters is smaller than a predetermined number K. If the number of clusters is smaller than the predetermined number K (Yes), the main flow line extracting unit 33 proceeds to the process of step S47. If the number of clusters is not smaller than the predetermined number K (No), the main flow line extracting unit 33 proceeds to the process of step S43. Return.
- step S47 the main flow line extraction unit 33 obtains K clusters composed of one or more trip IDs.
- step S48 the display control unit 32 color-codes the coordinates of the trip ID for each cluster and displays them on the map 50, and ends the process of FIG.
- the main flow line extraction processing by this hierarchical clustering can suitably analyze the human flow in cities in developing countries and emerging countries where transportation networks are not yet developed.
- Embodiment in which an agent is generated at a specified location for simulation In supporting efficient operation of the city, there is a demand for grasping changes in the flow of people when a new facility is opened and changes in the flow of people when residents change. By grasping changes in the flow of people, traffic operators can reflect in traffic measures such as modal shift, route aggregation, and new traffic introduction. In addition, there is a demand for traffic operators to see changes in flow when traffic measures are implemented. As a result, it is possible to visualize the tight lines and the light routes and reflect them in the traffic policy. This embodiment solves such a demand.
- FIGS. 11 to 16 describe an embodiment in which an agent is generated at a designated location and simulated.
- the change in the resident includes a case where the facility is built in a new place and the number of residents increases, and a case where the resident of the existing facility increases / decreases.
- This embodiment can be simulated including both cases.
- a usage form it is conceivable to guide a passenger on a moving route that avoids congestion.
- FIG. 11 is a diagram illustrating an example of the means selection model.
- the means selection model 44 includes a PID field and a plurality of selection parameter fields.
- the means selection model 44 indicates the means of transportation selected by the person related to each PID by probability.
- each PID may be grouped by age, gender, income, etc., and the means of transportation selected for each group may be indicated by probability.
- FIG. 12 is a diagram showing an analysis screen related to the simulation function before the agent is generated.
- Usage of Transportation is designated as a human flow simulation function.
- An area 611 is displayed as an icon on the map 50, and a railway line 63 is displayed near the area 611.
- the region 611 may be set by inputting characters in the position input field 54. Alternatively, it may be set by selecting a target position (range) on the map directly by a mouse operation or the like.
- FIG. 13 is a diagram illustrating an analysis screen related to a simulation function when setting an agent generation condition.
- An area 611 is displayed as an icon on the map 50 of the analysis screen 5, and a condition setting window 75 is displayed near the area 611.
- this condition setting window 75 it is possible to generate an agent by inputting a profile such as the type of facility, the work place of the resident of the facility, annual income, presence / absence of car ownership, number of people, and the like.
- FIG. 14 is a diagram illustrating an analysis screen related to a simulation function when an agent is generated.
- a region 611 is displayed as an icon on the map 50 of the analysis screen 5.
- the station 64 is displayed as “Station A”.
- a train time series column 76 and a passenger number time series column 77 are displayed on the right side of the map 50.
- the number-of-trains time series column 76 indicates the number of trains operating at the station 64 in time series.
- the passenger number time series column 77 indicates the number of passengers that can be transported at the station 64 in time series. Thereby, the supply and demand state of the transportation means can be grasped based on the predicted change of the resident.
- the number of trains operated at each time of the station 64 can be dragged.
- the number of passengers that can be transported at each time in the passenger number time series column 77 also changes, and the utilization rate of the transportation system also changes.
- the number of transportable passengers in the train number time series column 76 may be configured to be dragged. In that case, the number of trains operated at each time of the station 64 in the train number time series column 76 changes. By doing in this way, a transportation company can grasp
- FIG. 15 is a flowchart showing a simulation process for a resident change when a new facility occurs and when an existing facility is added.
- the simulation unit 35 of the human flow analysis system 1 starts a resident change simulation process.
- the simulation unit 35 (human flow calculation unit) searches the human flow database 41 for a PID that matches the set profile.
- the simulation unit 35 determines whether the human flow database 41 has a PID that matches the set profile. If there is a PID (Yes), the simulation unit 35 proceeds to the process of Step S52, and if there is no PID (No), the simulation unit 35 proceeds to the process of Step S53.
- the simulation unit 35 changes the starting place of the matching PID to the designated area 611.
- step S ⁇ b> 53 the simulation unit 35 searches for a transportation means between the area 611 and its destination (work place) based on the transportation network database 42 and the means selection model 44.
- the destination is not limited to the work place, and may be a store.
- step S54 the simulation unit 35 selects a route between the region 611 and the destination (work location).
- step S55 the simulation unit 35 determines the arrival time at the destination (work location). Thereby, for example, a new human flow due to commuting by residents in the area 611 can be simulated.
- step S56 the simulation unit 35 interpolates the coordinates related to the human flow and stores them in the new human flow database 46, and ends the processing of FIG.
- FIG. 16 is a flowchart showing a simulation process of the utilization rate of the transportation facility. For example, when the station 64 in FIG. 14 is clicked, a simulation process of the utilization factor of transportation starts.
- the traffic usage rate calculation unit 34 calculates the user of each link based on the human flow database 41, the traffic network database 42, and the means selection model 44.
- the traffic utilization rate calculation unit 34 calculates the number of saturated passengers from the number of transportation facilities and the number of passengers per vehicle.
- the traffic usage rate calculating unit 34 calculates the boarding rate at each time, stores it in the transportation mode usage rate model 45, and ends the processing of FIG.
- the display control unit 32 displays a train number time series column 76 and a passenger number time series column 77 on the analysis screen 5 based on the transportation utilization rate model 45.
- the supply and demand state of the transportation means can be simulated and visualized based on the predicted change of the resident.
- the transportation company can reflect the change of the resident in the transportation policy.
- Embodiment for Extracting Travel Pattern in Wide Area or Specified Location In support of efficient urban operation, transportation operators and others want to compare wide-area excursion patterns such as weekdays and holidays / sunny weather and rainy weather, and compare excursion patterns of wide areas passing through different transit points. There is a request to do. Accordingly, it is possible to level the excessive utilization rate of the transportation means and reflect it in the traffic measure so as to avoid the congestion, or to guide the passenger on an appropriate boarding route. Commercial operators and developers have a desire to know the migratory patterns and stay points of people in the designated area, as well as the attributes of people in each migratory pattern and where they come from which transportation means .
- FIG. 17A and 17 (b) are diagrams showing a migratory pattern database.
- FIG. 17A is a diagram showing a migration pattern database 48A based on PID.
- the circuit pattern database 48A includes a pattern ID column 48a, a coordinate column 48b, and a PID column 48c.
- the pattern ID column 48a stores the identifier of the migratory pattern.
- the coordinate column 48b stores each coordinate group of this migratory pattern.
- the PID column 48c stores the PID related to this migratory pattern.
- FIG. 17B is a diagram showing a migratory pattern database 48B by probability.
- the migratory pattern database 48B includes a probability column 48d instead of the PID column 48c of the migratory pattern database 48A.
- the probability column 48d stores the probability relating to this migratory pattern.
- FIG. 18 is a diagram illustrating an example of the moving chain 49.
- the movement chain 49 is a data structure for narrowing down the coordinates of trip IDs in the human flow database 41 in a predetermined area and determining where the area has moved from.
- Each row of the movement chain 49 indicates a movement source in each trip ID.
- Each column of the movement chain 49 indicates a movement destination in each trip ID. “80/100” is described in the movement source (X11, Y11) and the movement destination (X12, Y12).
- the denominator “100” is the number of all trip IDs narrowed down in the predetermined area, and indicates that a total of 100 people have visited the predetermined area.
- the human flow analysis system 1 uses the movement chain 49 even when one or more waypoints exist between the trip ID move source and the move destination as in the case where the trip ID goes straight without a route point. Count as. Thereby, the main moving chain 49 can be easily extracted. The human flow analysis system 1 can easily extract the main migratory pattern by combining the moving chains.
- FIG. 19 is a diagram showing the analysis screen 5 related to the filter function in which the start point 65 and the end point 66 are designated.
- Filter is specified as a human flow filter function.
- To is designated as the direction of human flow.
- To is designated as the direction of human flow.
- “From: A city To: T Bus Terminal” is input.
- On the map 50 a start point 65 and an end point 66 are displayed, and a human flow 60 between them is further displayed.
- the human flow 60 is displayed in different colors for each means of transportation. As a result, commercial operators, developers, and transportation operators can grasp what transportation means a person heading from a certain starting point to an ending point uses.
- FIG. 20 is a diagram showing the analysis screen 5 in which the start point 65, the end point 66, and the area A are designated.
- Basic Analysis is designated as the human flow analysis function.
- To is designated as the direction of human flow.
- “Zip code 100-8280” is input.
- On the map 50 a start point 65 and an end point 66 are displayed, and a transit point 67A is further displayed.
- On the right side of the map 50 a departure place display column 71 and an age display column 72 are displayed.
- a number time series column 78 and a transportation means comparison column 79 are displayed below the map 50.
- the departure place display column 71 the departure place information of the trip ID from the start point 65 to the end point 66 via the way point 67A is displayed in a pie chart.
- the number of trip IDs is displayed at the center of the pie chart.
- the age display column 72 the age of the person related to the trip ID from the start point 65 to the end point 66 via the waypoint 67A is displayed in a pie chart.
- the number of people time series column 78 indicates the number of people (number of trip IDs) from the starting point 65 to the end point 66 via the waypoint 67A in time series.
- the transportation means comparison column 79 indicates the number of people (number of trip IDs) for each transportation means from the starting point 65 to the end point 66 via the transit point 67A in time series.
- FIG. 21 is a diagram showing the analysis screen 5 in which the start point 65, the end point 66, the area A, and the area B are designated.
- Basic Analysis is designated as the human flow analysis function.
- To is designated as the direction of human flow.
- a start point 65 and an end point 66 are displayed, and route points 67A and 67B are further displayed.
- a departure place display column 71 and an age display column 72 are displayed.
- a time series column 78A and a transportation means comparison column 79A are displayed.
- the departure place display column 71 the departure place information of the person who has passed the waypoint 67A and the departure place information of the person who has passed the waypoint 67B among the persons who moved from the start point 65 to the end point 66 are displayed in a pie chart. ing. At the center of each pie chart, the number of people who have passed through the respective transit points 67A and 67B is displayed.
- the age display column 72 shows the age of a person who has passed through the transit point 67A and the age of a person who has passed through the transit point 67B in a pie chart.
- the number-of-people time series column 78A shows the number of people who have passed through the waypoint 67A and the number of people who have passed through the waypoint 67B in a time series bar graph.
- the transportation means comparison column 79A shows a comparison of the transportation means of a person who has passed through the waypoint 67A and the transportation means of a person who has passed the waypoint 67B. This allows commercial operators, developers and transportation operators to compare wide-area excursion patterns that pass through different transit locations.
- FIG. 22 is a diagram showing an analysis screen 5 regarding excursions in the area A.
- Basic Analysis is designated as the human flow analysis function.
- To is designated as the direction of human flow.
- a departure place display column 71 and an age display column 72 similar to those in FIG. 21 are displayed.
- a time series column 78A and a transportation means comparison column 79A similar to those in FIG. 21 are displayed.
- a start point 65a and an end point 66a are displayed, and a main flow line 68a indicating a human flow from the start point 65a to the end point 66a is displayed.
- the main flow line 68a is a migratory pattern from the start point 65a to the end point 66a. Further, a start point 65b and an end point 66b are displayed on the map 50, and a main flow line 68b indicating a human flow from the start point 65b to the end point 66b is displayed. The main flow line 68b is a migratory pattern from the start point 65b to the end point 66b.
- These starting points 65a and 65b are, for example, inflow points from ticket gates, bus stops, or surrounding roads, which are main getting-on / off points. By doing in this way, the migration pattern for every inflow point of this area can be grasped.
- These end points 66a and 66b are, for example, predetermined facilities. Thereby, the entrance rate for each facility can be compared, and further, the migration pattern of the person using the predetermined facility can be grasped.
- FIG. 23 is a flowchart showing a migration pattern extraction process.
- the excursion pattern extraction unit 36 (human flow calculation unit) extracts a trip ID included in the area based on the human flow database 41.
- the excursion pattern extraction unit 36 converts the movement in the trip into a movement chain 49 between facilities based on the facility database 47.
- the excursion pattern extraction unit 36 tabulates each moving chain 49.
- the excursion pattern extraction unit 36 extracts the main excursion pattern of each facility, stores it in the excursion pattern database 48A, and ends the process of FIG.
- FIG. 24 is a flowchart showing a migration pattern extraction process based on place transition probabilities.
- the processes in steps S70 to S72 are the same as the processes shown in FIG.
- the excursion pattern extraction unit 36 extracts the excursion pattern of each facility and its probability, stores it in the excursion pattern database 48A, and ends the processing of FIG.
- the excursion pattern extracted by the excursion pattern extraction process of FIG. 23 and FIG. 24 is used for transportation planning by a transportation company, used for sightseeing planning and marketing by a commercial company, etc., and used as a hint for promotion planning by a developer. be able to. Furthermore, it can also be used for navigation at sightseeing bases and recommending tours and destinations.
- the present invention is not limited to the embodiments described above, and includes various modifications.
- the above-described embodiment has been described in detail for easy understanding of the present invention, and is not necessarily limited to the one having all the configurations described.
- a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
- Each of the above-described configurations, functions, processing units, and the like may be partially or entirely realized by hardware such as an integrated circuit.
- Each of the above-described configurations, functions, and the like may be realized by software by a processor interpreting and executing a program that realizes each function.
- Information such as programs, tables, and files for realizing each function can be stored in a recording device such as a memory, a hard disk, or an SSD (Solid State Drive), or a recording medium such as a flash memory card or a DVD (Digital Versatile Disk).
- the control lines and information lines indicate what is considered necessary for the explanation, and not all the control lines and information lines on the product are necessarily shown. Actually, it may be considered that almost all the components are connected to each other.
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
人流分析システム(1)は、人流の分析により都市の効率的な運用を支援する。この人流分析システム(1)は、地図上の地域を指定する入力制御部(31)と、時刻および位置の情報を含んだ複数の人流データベース(41)に基づき、入力制御部(31)による指定地域に関わる人流を算出する主動線抽出部(33)と、表示部(37)に表示された地図上に、主動線抽出部(33)が算出した主たる人流の動線を表示させる表示制御部(32)とを備える。
Description
本発明は、人流分析システムおよび人流分析方法に関するものである。
従来、都市には多数の事物や事象が偏在し、人・物・事が時刻とともに様々に変化している。ここで人の位置的変化を、人流という。物の位置的変化を、物流という。その他、交通手段の位置的変化を、交通流という。近年の国内外の都市では、社会システムの最適化や効率的な経営が求められており、いわゆるスマートシティの実現に向けた取り組みか進められている。近年の各種センサの普及などにより、物流・人流・交通流なとの都市活動の情報を広く収集・蓄積することが可能となっている。
物流は、例えば物にICタグやバーコードなどを貼付することにより、機械的な検知が可能である。宅配業者は、これらの検知手段で採取したデータにより、配送物の位置や状態を追跡可能とするシステムを構築し、多くの成果を得ている。
交通流は、各道路に設置された交通流計測器や車両検出センサを用いて機械的な検知が可能である。これらセンサで採取したデータを分析して、実際の各道路の交通量などを算出することが可能である。
従来は、都市において人流を含めた交通流を算出することは困難であった。人間に統一的にセンサやタグを付与して、それぞれの位置情報を検知することが困難であったためである。しかし近年では、携帯電話やスマートフォンには、GPS(Global Positioning System)センサや加速度センサなどの位置検知手段が備えられていることが多い。これにより、各人の位置情報を取得可能である。
交通流は、各道路に設置された交通流計測器や車両検出センサを用いて機械的な検知が可能である。これらセンサで採取したデータを分析して、実際の各道路の交通量などを算出することが可能である。
従来は、都市において人流を含めた交通流を算出することは困難であった。人間に統一的にセンサやタグを付与して、それぞれの位置情報を検知することが困難であったためである。しかし近年では、携帯電話やスマートフォンには、GPS(Global Positioning System)センサや加速度センサなどの位置検知手段が備えられていることが多い。これにより、各人の位置情報を取得可能である。
また近年では、SUICA(登録商標)やPASMO(登録商標)などの交通系電子マネーが広く普及している。これら電子マネーの使用履歴は、所有者の乗車・降車駅、鉄道乗換え駅や購買店舗の位置などを算出可能な情報である。これら携帯機器のセンサ情報や電子マネーの使用履歴情報は、ネットワークを介して広く収集・蓄積することが可能である。このようにして収集された情報は、極めて大量のデータの集合となるため、ビッグデータと呼ばれている。
このような携帯機器のセンサ情報を分析する発明は、例えば特許文献1に記載されているようなものである。特許文献1の課題には、「あるエリアにおけるユーザの利用度合の変化を特定する。」と記載され、解決手段には、「情報処理装置は、測位情報を参照して、第1の期間に第1のエリアに滞在した携帯端末のユーザについて、当該期間における当該エリアへの滞在の度合である第1の度合を算出し、第1の期間に前記第1のエリアに滞在したユーザについて、第2の期間における第1のエリアへの滞在の度合である第2の度合を算出する。情報処理装置は、第1の度合と第2の度合との差が所定の閾値以上であるユーザを特定する。」と記載されている。
都市の効率的な運用を支援するためには、主たる人流・交通流を特定することが重要である。人流・交通流を常に可視化することによって、自治体・デベロッパ・個別事業者などに多くの価値を提供することができる。例えば、安全・安心な街作り、有事の安全性や快適性の担保、環境負荷の低減、プロモーション効果の向上などがある。また、公共交通の運行の効率化により、エリアの価値を高めることができる。各施設の事業者に対しては、購買を促す施策を明確化し、かつ重要業績評価指標(Key Performance Indicator)の達成度を詳細に評価可能となる。
しかし人流・交通流は、従来の公的統計などでは数年に1回程度の集計であり、その利用分野が限られていた。従来の公的統計による人流・交通流は、例えば都市計画や観光振興の一部にのみ利用可能であり、鉄道やバスなどの運行管理の効率化に用いることは困難であった。更に、新規な施設の開設に伴う人流の変化を把握したいという場合には、従来の公的統計による人流・交通流を用いることはできない。
しかし人流・交通流は、従来の公的統計などでは数年に1回程度の集計であり、その利用分野が限られていた。従来の公的統計による人流・交通流は、例えば都市計画や観光振興の一部にのみ利用可能であり、鉄道やバスなどの運行管理の効率化に用いることは困難であった。更に、新規な施設の開設に伴う人流の変化を把握したいという場合には、従来の公的統計による人流・交通流を用いることはできない。
特許文献1の発明によれば、ユーザの各エリアへの滞在の度合を算出し、その変化を特定し、所定の変化に合致するユーザを特定することができる。特許文献1には、主たる人流・交通流を特定することは、何ら記載されていない。更に人流の移動元と移動先とを指定して分析することや、人流をシミュレーションすることや、ビッグデータの分析結果をどのように可視化するかについても、何ら言及されていない。
本発明は上記事情に鑑みてなされたものであり、都市の効率的な運用を支援する人流分析システムおよび人流分析方法を提供することを課題とする。
前記した課題を解決するため、第1の発明の人流分析システムは、地図上の地域を指定する地域指定部と、時刻および位置の情報を含んだ複数の人流情報に基づき、前記地域指定部の指定地域に関わる人流を算出する人流算出部と、表示部に表示された地図上に、前記人流算出部が算出した主たる人流の動線を表示させる表示制御部とを備える。
第2の発明の人流分析方法は、図形情報または/および文字情報を表示する表示部と、人流算出部と、地域指定部と、前記表示部を制御する表示制御部とを備える人流分析システムが実行する。人流分析システムは、前記地域指定部により、地図上の地域を指定するステップと、前記人流算出部により、時刻および位置の情報を含んだ複数の人流情報に基づき、前記地域指定部の指定地域に関わる人流を算出するステップと、前記表示制御部により、地図、および、前記人流算出部が算出した主たる人流の動線を前記表示部に表示させるステップとを含む。
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。
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。
本発明によれば、都市の効率的な運用を支援する人流分析システムおよび人流分析方法を提供することが可能となる。
以降、本発明を実施するための形態を、各図を参照して詳細に説明する。
図1は、本実施形態における人流分析システム1の概略を示す構成図である。
人流分析システム1は、例えばコンピュータであり、プロセッサ2と、メモリ3と、表示部37と、補助記憶装置4とを備えている。
プロセッサ2は、例えばCPU(Central Processing Unit)であり、不図示の各処理プログラムを実行することによって、対応する各処理部を具現化する。
メモリ3は、例えばRAM(Random Access Memory)であり、不図示の各処理プログラムなどを格納する。これら不図示の各処理プログラムは、プロセッサ2によって実行されることにより、対応する各処理部が具現化される。メモリ3には、入力制御部31と、表示制御部32と、主動線抽出部33と、交通利用率算出部34と、シミュレーション部35と、回遊パターン抽出部36とが具現化される。
表示部37は、例えば液晶ディスプレイなどであり、文字や図形や画像などを表示する。
補助記憶装置4は、例えば都市経営基盤のデータベース機能を有するサーバであり、1または複数のデータベースを有する。しかし、これに限られず、補助記憶装置4は、バス接続されたハードディスクであってもよく、限定されない。
図1は、本実施形態における人流分析システム1の概略を示す構成図である。
人流分析システム1は、例えばコンピュータであり、プロセッサ2と、メモリ3と、表示部37と、補助記憶装置4とを備えている。
プロセッサ2は、例えばCPU(Central Processing Unit)であり、不図示の各処理プログラムを実行することによって、対応する各処理部を具現化する。
メモリ3は、例えばRAM(Random Access Memory)であり、不図示の各処理プログラムなどを格納する。これら不図示の各処理プログラムは、プロセッサ2によって実行されることにより、対応する各処理部が具現化される。メモリ3には、入力制御部31と、表示制御部32と、主動線抽出部33と、交通利用率算出部34と、シミュレーション部35と、回遊パターン抽出部36とが具現化される。
表示部37は、例えば液晶ディスプレイなどであり、文字や図形や画像などを表示する。
補助記憶装置4は、例えば都市経営基盤のデータベース機能を有するサーバであり、1または複数のデータベースを有する。しかし、これに限られず、補助記憶装置4は、バス接続されたハードディスクであってもよく、限定されない。
以下、メモリ3に具現化された各処理部について説明する。
入力制御部31は、例えばマウスやキーボード(不図示)などを制御して、それらの入力信号を解釈する。入力制御部31は、地図上の地域を指定する地域指定部とてして機能する場合がある。
表示制御部32は、表示部37に対する表示画面を制御する。表示制御部32は、例えば表示部37に地図を表示し、この地図上に人流に関する各種情報を表示する。
主動線抽出部33は、人流データベース41に基づき、指定地域を目的地とする人流を算出する。
交通利用率算出部34は、人流による各交通手段の利用率を算出する。
シミュレーション部35は、人流をシミュレーションによって算出するものであり、例えば、人流データベース41に基づき、新たにエージェントを生成した場合の人流を算出する。ここでエージェントとは、環境の変化に基づく人流や交通流の変化を発生させるため、実際の環境の代わりに設定される仮想的な存在であり、例えば居住者の変化や施設の開設や閉鎖などをいう。
回遊パターン抽出部36は、人流データベース41に基づき、或る場所内を回遊する人々の主動線を、回遊パターンとして抽出する。回遊パターン抽出部36は、人流の回遊パターンを算出する人流算出部である。
入力制御部31は、例えばマウスやキーボード(不図示)などを制御して、それらの入力信号を解釈する。入力制御部31は、地図上の地域を指定する地域指定部とてして機能する場合がある。
表示制御部32は、表示部37に対する表示画面を制御する。表示制御部32は、例えば表示部37に地図を表示し、この地図上に人流に関する各種情報を表示する。
主動線抽出部33は、人流データベース41に基づき、指定地域を目的地とする人流を算出する。
交通利用率算出部34は、人流による各交通手段の利用率を算出する。
シミュレーション部35は、人流をシミュレーションによって算出するものであり、例えば、人流データベース41に基づき、新たにエージェントを生成した場合の人流を算出する。ここでエージェントとは、環境の変化に基づく人流や交通流の変化を発生させるため、実際の環境の代わりに設定される仮想的な存在であり、例えば居住者の変化や施設の開設や閉鎖などをいう。
回遊パターン抽出部36は、人流データベース41に基づき、或る場所内を回遊する人々の主動線を、回遊パターンとして抽出する。回遊パターン抽出部36は、人流の回遊パターンを算出する人流算出部である。
以下、補助記憶装置4が格納する各種情報について説明する。
人流データベース41は、人流を算出するための元となるデータを格納するデータベースである。人流データベース41は、後記する図2で詳細に説明する。人流データベース41が格納するデータは、様々な社会インフラ事業者から収集する。
交通ネットワークデータベース42は、各交通ネットワークを構成するリンクと、このリンクを識別する各ノードとを格納するデータベースである。交通ネットワークデータベース42は、後記する図3で詳細に説明する。
地図データベース43は、表示部37の画面上に表示する地図データである。
手段選択モデル44は、各人が交通手段の選択確率を示すモデルである。手段選択モデル44は、後記する図11で詳細に説明する。
人流データベース41は、人流を算出するための元となるデータを格納するデータベースである。人流データベース41は、後記する図2で詳細に説明する。人流データベース41が格納するデータは、様々な社会インフラ事業者から収集する。
交通ネットワークデータベース42は、各交通ネットワークを構成するリンクと、このリンクを識別する各ノードとを格納するデータベースである。交通ネットワークデータベース42は、後記する図3で詳細に説明する。
地図データベース43は、表示部37の画面上に表示する地図データである。
手段選択モデル44は、各人が交通手段の選択確率を示すモデルである。手段選択モデル44は、後記する図11で詳細に説明する。
交通機関利用率モデル45は、交通機関の利用率(乗車率)を時系列で示したモデルである。
新規人流データベース46は、シミュレーション処理で新たに得られた人流を格納する。
施設データベース47は、各エリアに位置する施設の情報を格納するデータベースである。
回遊パターンデータベース48は、各エリアにおける人流の回遊パターンを格納するデータベースである。
この人流分析システムにより、対象エリアの時刻ごとの滞留人数や滞留時間の分布、各エリアへの流入者が利用した交通手段などを容易に可視化することができる。
新規人流データベース46は、シミュレーション処理で新たに得られた人流を格納する。
施設データベース47は、各エリアに位置する施設の情報を格納するデータベースである。
回遊パターンデータベース48は、各エリアにおける人流の回遊パターンを格納するデータベースである。
この人流分析システムにより、対象エリアの時刻ごとの滞留人数や滞留時間の分布、各エリアへの流入者が利用した交通手段などを容易に可視化することができる。
《指定した場所を目的地とする主動線を抽出する実施形態》
以下、図2~図10を参照して、指定した場所を目的地とする人流の主動線の抽出処理について説明する。広域の人流・交通流の主動線を抽出することにより、例えば商業事業者は、現状の新施設周辺へ来ている人の属性、出発点、利用交通手段、利用経路を知りたいという要望を満たすことができる。更に路線ごとの属性に合わせたプロモーションと案内表示を計画することや、利用状況に合わせた駐車場/駐輪場の設置を計画することができる。交通事業者は、人流の主動線に合わせた適切な交通施策を実施することができる。適切な交通施策とは、例えば、モーダルシフトや、路線集約や、新規交通の導入などである。
この実施形態では、対象エリアを終点とする人流の主要な経路である主動線を抽出し、経路ごとに人流の属性、交通手段ごとの分担率、人流の始点の分布を分析している。
以下、図2~図10を参照して、指定した場所を目的地とする人流の主動線の抽出処理について説明する。広域の人流・交通流の主動線を抽出することにより、例えば商業事業者は、現状の新施設周辺へ来ている人の属性、出発点、利用交通手段、利用経路を知りたいという要望を満たすことができる。更に路線ごとの属性に合わせたプロモーションと案内表示を計画することや、利用状況に合わせた駐車場/駐輪場の設置を計画することができる。交通事業者は、人流の主動線に合わせた適切な交通施策を実施することができる。適切な交通施策とは、例えば、モーダルシフトや、路線集約や、新規交通の導入などである。
この実施形態では、対象エリアを終点とする人流の主要な経路である主動線を抽出し、経路ごとに人流の属性、交通手段ごとの分担率、人流の始点の分布を分析している。
図2は、人流データベース41を示す図である。
人流データベース41は、PID(Personal IDentifier)欄41aと、TID(Trip IDentifier)欄41bと、SID(Sub-trip IDentifier)欄41cとを含んで構成される。人流データベース41は更に、時刻欄41dと、座標欄41eと、手段欄41fと、を含んで構成される。
PID欄41aは、人の識別子を格納する欄である。このPID欄41aは、各個人の識別子を格納してもよく、所定人数を纏めた識別子を格納してもよい。
TID欄41bは、外出行動(トリップ)の全体の識別子を格納する欄である。トリップの識別子を、以下「トリップID」と記載する。同一のトリップIDに係る最初のレコードは、この外出行動の始点かつ出発地である。同一のトリップIDに係る最後のレコードは、この外出行動の終点かつ目的地である。
SID欄41cは、外出行動(トリップ)の一部の識別子を格納する欄である。
時刻欄41dは、外出行動における各時刻を格納する欄である。
座標欄41eは、外出行動における各座標を格納する欄である。
手段欄41fは、外出行動において利用した各交通手段の種別を格納する欄である。各交通手段の種別は、一例として、徒歩を示す「Walk」と、電車を示す「Train」などがある。
この人流データベース41は、スマートフォンのプローブデータ(位置・加速度)から移動手段を自動識別して得ることができる。また、位置情報が取得できない地下鉄の情報は、交通系の電子マネー情報から得ることができる。
人流データベース41は、PID(Personal IDentifier)欄41aと、TID(Trip IDentifier)欄41bと、SID(Sub-trip IDentifier)欄41cとを含んで構成される。人流データベース41は更に、時刻欄41dと、座標欄41eと、手段欄41fと、を含んで構成される。
PID欄41aは、人の識別子を格納する欄である。このPID欄41aは、各個人の識別子を格納してもよく、所定人数を纏めた識別子を格納してもよい。
TID欄41bは、外出行動(トリップ)の全体の識別子を格納する欄である。トリップの識別子を、以下「トリップID」と記載する。同一のトリップIDに係る最初のレコードは、この外出行動の始点かつ出発地である。同一のトリップIDに係る最後のレコードは、この外出行動の終点かつ目的地である。
SID欄41cは、外出行動(トリップ)の一部の識別子を格納する欄である。
時刻欄41dは、外出行動における各時刻を格納する欄である。
座標欄41eは、外出行動における各座標を格納する欄である。
手段欄41fは、外出行動において利用した各交通手段の種別を格納する欄である。各交通手段の種別は、一例として、徒歩を示す「Walk」と、電車を示す「Train」などがある。
この人流データベース41は、スマートフォンのプローブデータ(位置・加速度)から移動手段を自動識別して得ることができる。また、位置情報が取得できない地下鉄の情報は、交通系の電子マネー情報から得ることができる。
図3(a),(b)は、交通ネットワークデータベース42を示す図である。
交通ネットワークデータベース42は、リンクデータベース42-1と、ノードデータベース42-2とを含んで構成される。
図3(a)は、リンクデータベース42-1の詳細を示している。
リンクデータベース42-1は、交通ネットワークを構成する各リンクの情報を格納するデータベースである。リンクデータベース42-1は、リンクID欄42aと、始点ノードID欄42bと、終点ノードID欄42cと、種別欄42dとを含んで構成される。
リンクID欄42aは、各リンクの識別子を格納する欄である。
始点ノードID欄42bは、各リンクの始点のノードの識別子を格納する欄である。
終点ノードID欄42cは、各リンクの終点のノードの識別子を格納する欄である。
種別欄42dは、各リンクの種別情報を格納する欄である。各リンクの種別情報は、一例として、鉄道であることを示す「Train」と、バスであることを示す「Bus」と、道路であることを示す「Road」などがある。
交通ネットワークデータベース42は、リンクデータベース42-1と、ノードデータベース42-2とを含んで構成される。
図3(a)は、リンクデータベース42-1の詳細を示している。
リンクデータベース42-1は、交通ネットワークを構成する各リンクの情報を格納するデータベースである。リンクデータベース42-1は、リンクID欄42aと、始点ノードID欄42bと、終点ノードID欄42cと、種別欄42dとを含んで構成される。
リンクID欄42aは、各リンクの識別子を格納する欄である。
始点ノードID欄42bは、各リンクの始点のノードの識別子を格納する欄である。
終点ノードID欄42cは、各リンクの終点のノードの識別子を格納する欄である。
種別欄42dは、各リンクの種別情報を格納する欄である。各リンクの種別情報は、一例として、鉄道であることを示す「Train」と、バスであることを示す「Bus」と、道路であることを示す「Road」などがある。
図3(b)は、ノードデータベース42-2の詳細を示している。
ノードデータベース42-2は、交通ネットワークを構成する各ノードの情報を格納するデータベースである。これらノードは、リンクの両端を構成する。ノードデータベース42-2は、ノードID欄42eと、座標欄42fとを含んで構成される。
ノードID欄42eは、各ノードの識別子を格納する欄である。
座標欄42fは、各ノードの座標を格納する欄である。
ノードデータベース42-2は、交通ネットワークを構成する各ノードの情報を格納するデータベースである。これらノードは、リンクの両端を構成する。ノードデータベース42-2は、ノードID欄42eと、座標欄42fとを含んで構成される。
ノードID欄42eは、各ノードの識別子を格納する欄である。
座標欄42fは、各ノードの座標を格納する欄である。
図4は、人流のフィルタ機能に係る分析画面5を示す図である。
分析画面5は、最上部にデータメニュー51aと、機能メニュー51bと、方向メニュー51cと、期間メニュー51dと、プロファイルメニュー51eと、アクションボタン52とを配置している。分析画面5は更に、これら各メニューやアクションボタン52の下に、状態表示欄53と、位置入力欄54と、時刻スライドバー55とが配置され、その下に地図50が配置されている。分析画面5の最下部には、手段表示欄56が配置されている。
データメニュー51aは、人流データベース41のデータのうち処理対象範囲を指定するメニューである。
機能メニュー51bは、人流データベース41のデータの処理方法(機能)を指定するメニューである。ここでは、人流のフィルタ機能としてFilterが指定されている。
方向メニュー51cは、人流の方向を指定するメニューである。
分析画面5は、最上部にデータメニュー51aと、機能メニュー51bと、方向メニュー51cと、期間メニュー51dと、プロファイルメニュー51eと、アクションボタン52とを配置している。分析画面5は更に、これら各メニューやアクションボタン52の下に、状態表示欄53と、位置入力欄54と、時刻スライドバー55とが配置され、その下に地図50が配置されている。分析画面5の最下部には、手段表示欄56が配置されている。
データメニュー51aは、人流データベース41のデータのうち処理対象範囲を指定するメニューである。
機能メニュー51bは、人流データベース41のデータの処理方法(機能)を指定するメニューである。ここでは、人流のフィルタ機能としてFilterが指定されている。
方向メニュー51cは、人流の方向を指定するメニューである。
期間メニュー51dは、人流データベース41に格納されているデータの分析期間を指定するメニューである。
プロファイルメニュー51eは、人流データベース41に格納されているデータを、移動方法、性別、年齢などのプロファイルで絞り込むためのメニューである。
アクションボタン52は、データの処理を開始するためのボタンである。
プロファイルメニュー51eは、人流データベース41に格納されているデータを、移動方法、性別、年齢などのプロファイルで絞り込むためのメニューである。
アクションボタン52は、データの処理を開始するためのボタンである。
状態表示欄53は、表示中の地図50に係る日時や天候などを表示する欄である。この欄を設けることによって、外出行動に大きく影響する時間情報や天気情報を同一画面で確認しながら、人流を分析することができる。
位置入力欄54は、表示中の地図50に係る位置を文字で入力すると共に、入力された位置情報を文字で表示する欄である。また、マウス操作などによって直接、地図上に対象位置(範囲)が選択された場合、位置入力欄54は、選択された位置情報を文字で表示する。
時刻スライドバー55は、分析結果の時刻を指定するものである。時刻スライドバー55は、最も左側が分析開始時刻であり、最も右側が分析終了時刻である。
地図50は、所定の地域が表示されており、その上に人流60が表示されている。この図では、人流60は単なる円形アイコンで表示されているが、実際には交通手段ごとに色分け表示されている。
手段表示欄56は、人流60の交通手段の凡例を表示する欄である。ここでは交通手段として、電車・バス・自動車・徒歩・その他が色分けして表示されている。
位置入力欄54は、表示中の地図50に係る位置を文字で入力すると共に、入力された位置情報を文字で表示する欄である。また、マウス操作などによって直接、地図上に対象位置(範囲)が選択された場合、位置入力欄54は、選択された位置情報を文字で表示する。
時刻スライドバー55は、分析結果の時刻を指定するものである。時刻スライドバー55は、最も左側が分析開始時刻であり、最も右側が分析終了時刻である。
地図50は、所定の地域が表示されており、その上に人流60が表示されている。この図では、人流60は単なる円形アイコンで表示されているが、実際には交通手段ごとに色分け表示されている。
手段表示欄56は、人流60の交通手段の凡例を表示する欄である。ここでは交通手段として、電車・バス・自動車・徒歩・その他が色分けして表示されている。
図5は、第1の人流トラジェクトリ機能に係る分析画面5を示す図である。
分析画面5の機能メニュー51bには、人流のトラジェクトリ機能としてFrequent Trajectoryが指定されている。地図50の上には、目的地61がアイコンで表示され、この目的地61に向かう人流の主動線62が4本表示されている。地域621A~621Dは、これら4本の主動線62の始点である。目的地61は、これら4本の主動線62の終点である。このようにすることで、目的地61に移動する人流の主動線62を可視化することができる。
主動線62は、この時刻において平均値以上の人が通過したリンクで構成される経路である。しかし、これに限られず、主動線62は、この時刻において所定の閾値以上の人が通過したリンクや、通過人数が所定順位以内のリンクで構成された経路であってもよく、限定されない。
地図50の下側には、主動線属性表示欄70が表示されている。主動線属性表示欄70には、各地域621A~621Dから目的地61に移動する人数が表示される。
このようにすることで、交通事業者は、人流の主動線62に合わせた適切な交通施策を実施することができる。
分析画面5の機能メニュー51bには、人流のトラジェクトリ機能としてFrequent Trajectoryが指定されている。地図50の上には、目的地61がアイコンで表示され、この目的地61に向かう人流の主動線62が4本表示されている。地域621A~621Dは、これら4本の主動線62の始点である。目的地61は、これら4本の主動線62の終点である。このようにすることで、目的地61に移動する人流の主動線62を可視化することができる。
主動線62は、この時刻において平均値以上の人が通過したリンクで構成される経路である。しかし、これに限られず、主動線62は、この時刻において所定の閾値以上の人が通過したリンクや、通過人数が所定順位以内のリンクで構成された経路であってもよく、限定されない。
地図50の下側には、主動線属性表示欄70が表示されている。主動線属性表示欄70には、各地域621A~621Dから目的地61に移動する人数が表示される。
このようにすることで、交通事業者は、人流の主動線62に合わせた適切な交通施策を実施することができる。
図6は、第2の人流トラジェクトリ機能画面を示す図である。
地図50の上には、目的地61がアイコンで表示され、目的地61に向かう人流の主動線62e,62c,62aが表示されている。地図50の上には更に、主動線62aに合流する主動線62bが表示され、主動線62cに合流する主動線62dが表示されている。このようにすることで、目的地61に移動する人流の主動線62を可視化することができる。
また、これらの主動線の近傍には、目的地61に向かう最後の主動線62aの人数を100とした場合の、それぞれの主動線の比率が表示されている。そして、これに合わせて主動線の表現(太さ・色・濃度など)を変えている。このようにすることで、主動線62の詳細を直感的に視認できる。
地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄73と手段時系列欄74とが表示されている。なお、出発地表示欄71と年代表示欄72と人数時系列欄73と手段時系列欄74とは、図5に示す人流の主動線62をクリックしたときにも表示される。
出発地表示欄71は、目的地61に至るトリップIDの出発地情報が円グラフで表示されている。円グラフの中央には、このトリップIDの個数が表示されている。
年代表示欄72は、目的地61に至るトリップIDに係る人の年代が円グラフで表示されている。
人数時系列欄73は、目的地61に至る人数(トリップIDの数)を時系列で示している。
手段時系列欄74は、目的地61に至る交通手段別の人数(トリップIDの数)を時系列で示している。
このようにすることで、商業事業者は、現状の新施設周辺へ来ている人の属性、出発点、利用交通手段、利用経路を知りたいという要望を満たすことができる。更に路線ごとの属性に合わせたプロモーションと案内表示を計画することや、利用状況に合わせた駐車場/駐輪場の設置を計画することができる。
地図50の上には、目的地61がアイコンで表示され、目的地61に向かう人流の主動線62e,62c,62aが表示されている。地図50の上には更に、主動線62aに合流する主動線62bが表示され、主動線62cに合流する主動線62dが表示されている。このようにすることで、目的地61に移動する人流の主動線62を可視化することができる。
また、これらの主動線の近傍には、目的地61に向かう最後の主動線62aの人数を100とした場合の、それぞれの主動線の比率が表示されている。そして、これに合わせて主動線の表現(太さ・色・濃度など)を変えている。このようにすることで、主動線62の詳細を直感的に視認できる。
地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄73と手段時系列欄74とが表示されている。なお、出発地表示欄71と年代表示欄72と人数時系列欄73と手段時系列欄74とは、図5に示す人流の主動線62をクリックしたときにも表示される。
出発地表示欄71は、目的地61に至るトリップIDの出発地情報が円グラフで表示されている。円グラフの中央には、このトリップIDの個数が表示されている。
年代表示欄72は、目的地61に至るトリップIDに係る人の年代が円グラフで表示されている。
人数時系列欄73は、目的地61に至る人数(トリップIDの数)を時系列で示している。
手段時系列欄74は、目的地61に至る交通手段別の人数(トリップIDの数)を時系列で示している。
このようにすることで、商業事業者は、現状の新施設周辺へ来ている人の属性、出発点、利用交通手段、利用経路を知りたいという要望を満たすことができる。更に路線ごとの属性に合わせたプロモーションと案内表示を計画することや、利用状況に合わせた駐車場/駐輪場の設置を計画することができる。
図7は、各リンクへの加算による主動線の抽出処理を示したフローチャートである。
抽出処理に先立って、入力制御部31によって目的地61(図5参照)が指定されている。地図50上の任意の位置をクリックと目的地61が指定される。または位置入力欄54に、目的地61の住所を文字で入力すると、目的地61が指定される。入力制御部31は、地域を指定する地域指定部である。人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
抽出処理に先立って、入力制御部31によって目的地61(図5参照)が指定されている。地図50上の任意の位置をクリックと目的地61が指定される。または位置入力欄54に、目的地61の住所を文字で入力すると、目的地61が指定される。入力制御部31は、地域を指定する地域指定部である。人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS10において、主動線抽出部33(人流算出部)は、人流データベース41から、指定場所を目的地61とするトリップIDを検索する。
ステップS11において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS12の処理に進み、トリップIDが無かったならば(No)、図7の処理を終了する。
ステップS12~S14において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
ステップS11において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS12の処理に進み、トリップIDが無かったならば(No)、図7の処理を終了する。
ステップS12~S14において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
ステップS13において、主動線抽出部33は、このトリップIDの各座標の最近傍リンクに対して1点を加算する。
ステップS14において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS12の処理に戻る。
ステップS15において、主動線抽出部33は、各リンクの点数の平均値を算出する。
ステップS16において、主動線抽出部33は、平均値以上のリンクを抽出する。なお、平均値に限られず、任意の閾値以上のリンクを抽出してもよい。
ステップS17において、主動線抽出部33は、各リンク間を経路探索し、接続されたリンク群を生成する。
ステップS18において、主動線抽出部33は、接続されたリンク群をそれぞれ主動線62とする。
ステップS19において、表示制御部32は、主動線62を色分けして地図50上に表示し、図7の処理を終了する。なお表示制御部32は、主動線62をハッチングや点滅や破線・一点鎖線などの線の種別により識別可能に表示してもよい。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図5に示したような主動線62を容易に抽出することができる。優先して対処すべき主たる群衆の人流を、一般化かつ抽象化して主動線62として表示しているので、都市の効率的な運用を好適に支援することができる。
このリンク加算による主動線の抽出処理は、交通網が発達している先進国の都市の人流を好適に分析することができる。
ステップS14において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS12の処理に戻る。
ステップS15において、主動線抽出部33は、各リンクの点数の平均値を算出する。
ステップS16において、主動線抽出部33は、平均値以上のリンクを抽出する。なお、平均値に限られず、任意の閾値以上のリンクを抽出してもよい。
ステップS17において、主動線抽出部33は、各リンク間を経路探索し、接続されたリンク群を生成する。
ステップS18において、主動線抽出部33は、接続されたリンク群をそれぞれ主動線62とする。
ステップS19において、表示制御部32は、主動線62を色分けして地図50上に表示し、図7の処理を終了する。なお表示制御部32は、主動線62をハッチングや点滅や破線・一点鎖線などの線の種別により識別可能に表示してもよい。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図5に示したような主動線62を容易に抽出することができる。優先して対処すべき主たる群衆の人流を、一般化かつ抽象化して主動線62として表示しているので、都市の効率的な運用を好適に支援することができる。
このリンク加算による主動線の抽出処理は、交通網が発達している先進国の都市の人流を好適に分析することができる。
図8は、メッシュ加算による主動線の抽出処理を示したフローチャートである。このフローチャートは、図7の変形例である。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS20において、主動線抽出部33(人流算出部)は、人流データベース41から、指定場所を目的地61とするトリップIDを検索する。
ステップS21において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS22の処理に進み、トリップIDが無かったならば(No)、図8の処理を終了する。
ステップS22~S24において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS20において、主動線抽出部33(人流算出部)は、人流データベース41から、指定場所を目的地61とするトリップIDを検索する。
ステップS21において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS22の処理に進み、トリップIDが無かったならば(No)、図8の処理を終了する。
ステップS22~S24において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
ステップS23において、主動線抽出部33は、表示中の地図50の各ピクセルにトリップIDの各座標が含まれるとき、このピクセルに1点を加算する。
ステップS24において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS22の処理に戻る。
ステップS25において、主動線抽出部33は、各ピクセルの点数の平均値を算出する。
ステップS26において、主動線抽出部33は、平均値以上のピクセルを抽出する。
ステップS27において、主動線抽出部33は、各ピクセル間を線形補間して主動線62を生成し、この主動線62を表示制御部32によって色分け表示して、図8の処理を終了する。
ステップS28において、表示制御部32は、この主動線62を色分けして地図50上に表示して、図8の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図5に示したような主動線62を容易に抽出することができる。
このメッシュ加算による主動線の抽出処理は、交通網が発達している先進国の都市の人流を好適に分析することができる。
ステップS24において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS22の処理に戻る。
ステップS25において、主動線抽出部33は、各ピクセルの点数の平均値を算出する。
ステップS26において、主動線抽出部33は、平均値以上のピクセルを抽出する。
ステップS27において、主動線抽出部33は、各ピクセル間を線形補間して主動線62を生成し、この主動線62を表示制御部32によって色分け表示して、図8の処理を終了する。
ステップS28において、表示制御部32は、この主動線62を色分けして地図50上に表示して、図8の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図5に示したような主動線62を容易に抽出することができる。
このメッシュ加算による主動線の抽出処理は、交通網が発達している先進国の都市の人流を好適に分析することができる。
図9は、k-Means法による主動線の抽出処理を示したフローチャートである。
k-Means法とは、クラスタの平均を用い、与えられたクラスタ数K個に分類する方法である。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS30において、主動線抽出部33(人流算出部)は、人流データベース41から、所定期間ごと、かつ指定場所を目的地61とするトリップIDを検索する。
ステップS31において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS32の処理に進み、トリップIDが無かったならば(No)、図9の処理を終了する。
ステップS32において、主動線抽出部33は、K個のセントロイド(座標)を生成する。ここでKは、予め定められた自然数である。
ステップS33~S36において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
k-Means法とは、クラスタの平均を用い、与えられたクラスタ数K個に分類する方法である。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS30において、主動線抽出部33(人流算出部)は、人流データベース41から、所定期間ごと、かつ指定場所を目的地61とするトリップIDを検索する。
ステップS31において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS32の処理に進み、トリップIDが無かったならば(No)、図9の処理を終了する。
ステップS32において、主動線抽出部33は、K個のセントロイド(座標)を生成する。ここでKは、予め定められた自然数である。
ステップS33~S36において、主動線抽出部33は、検索した各トリップIDについて各処理を繰返す。
ステップS34において、主動線抽出部33は、このトリップIDの各座標とK個のセントロイドとの距離を算出して、各セントロイドに割り当てる。
ステップS35において、主動線抽出部33は、割り当てられたトリップIDを含めてセントロイドの座標を再計算する。
ステップS36において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS33の処理に戻る。
ステップS37において、主動線抽出部33は、1または複数のトリップIDからなるK個のクラスタを得る。
ステップS38において、表示制御部32は、クラスタごとにトリップIDの各座標を色分けして人流に係る動線として地図50上に表示し、図9の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図6に示したような主動線62を容易に抽出することができる。
このk-Means法による主動線の抽出処理は、交通網が未発達な発展途上国や新興国の都市の人流を好適に分析することができる。
ステップS35において、主動線抽出部33は、割り当てられたトリップIDを含めてセントロイドの座標を再計算する。
ステップS36において、主動線抽出部33は、検索したトリップIDについて全て繰返したか否かを判断する。主動線抽出部33は、検索したトリップIDについて全て繰返していなかったならば、ステップS33の処理に戻る。
ステップS37において、主動線抽出部33は、1または複数のトリップIDからなるK個のクラスタを得る。
ステップS38において、表示制御部32は、クラスタごとにトリップIDの各座標を色分けして人流に係る動線として地図50上に表示し、図9の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードを極めて多数であっても、図6に示したような主動線62を容易に抽出することができる。
このk-Means法による主動線の抽出処理は、交通網が未発達な発展途上国や新興国の都市の人流を好適に分析することができる。
図10は、階層的クラスタリングによる主動線の抽出処理を示したフローチャートである。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS40において、主動線抽出部33(人流算出部)は、人流データベース41から、所定期間ごと、かつ指定場所を目的地61とするトリップIDを検索する。
ステップS41において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS42の処理に進み、トリップIDが無かったならば(No)、図10の処理を終了する。
ステップS42において、主動線抽出部33は、個々のトリップIDをそれぞれクラスタとする。
人流分析システム1の主動線抽出部33は、目的地61が指定され、かつアクションボタン52がクリックされると、主動線62の抽出処理を開始する。
ステップS40において、主動線抽出部33(人流算出部)は、人流データベース41から、所定期間ごと、かつ指定場所を目的地61とするトリップIDを検索する。
ステップS41において、主動線抽出部33は、人流データベース41に指定場所を目的地61とするトリップIDが有るか否かを判断する。主動線抽出部33は、トリップIDが有ったならば(Yes)、ステップS42の処理に進み、トリップIDが無かったならば(No)、図10の処理を終了する。
ステップS42において、主動線抽出部33は、個々のトリップIDをそれぞれクラスタとする。
ステップS43において、主動線抽出部33は、各クラスタ間の距離を算出する。
ステップS44において、主動線抽出部33は、各クラスタ間の距離が最小の組み合わせとなる2つのクラスタをマージする。
ステップS45において、主動線抽出部33は、マージしたクラスタの中心を、各トリップIDの座標平均値とする。
ステップS46において、主動線抽出部33は、クラスタ数が所定数Kよりも小さいか否かを判断する。主動線抽出部33は、クラスタ数が所定数Kよりも小さいならば(Yes)、ステップS47の処理に進み、クラスタ数が所定数Kよりも小さくないならば(No)、ステップS43の処理に戻る。
ステップS47において、主動線抽出部33は、1または複数のトリップIDからなるK個のクラスタを得る。
ステップS48において、表示制御部32は、クラスタごとにトリップIDの各座標を色分けして地図50上に表示し、図10の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードが極めて多数であっても、図6に示したような主動線62を容易に抽出することができる。
この階層的クラスタリングによる主動線の抽出処理は、交通網が未発達な発展途上国や新興国の都市の人流を好適に分析することができる。
ステップS44において、主動線抽出部33は、各クラスタ間の距離が最小の組み合わせとなる2つのクラスタをマージする。
ステップS45において、主動線抽出部33は、マージしたクラスタの中心を、各トリップIDの座標平均値とする。
ステップS46において、主動線抽出部33は、クラスタ数が所定数Kよりも小さいか否かを判断する。主動線抽出部33は、クラスタ数が所定数Kよりも小さいならば(Yes)、ステップS47の処理に進み、クラスタ数が所定数Kよりも小さくないならば(No)、ステップS43の処理に戻る。
ステップS47において、主動線抽出部33は、1または複数のトリップIDからなるK個のクラスタを得る。
ステップS48において、表示制御部32は、クラスタごとにトリップIDの各座標を色分けして地図50上に表示し、図10の処理を終了する。
このように処理することで、人流分析システム1は、人流データベース41のレコードが極めて多数であっても、図6に示したような主動線62を容易に抽出することができる。
この階層的クラスタリングによる主動線の抽出処理は、交通網が未発達な発展途上国や新興国の都市の人流を好適に分析することができる。
《指定した場所にエージェントを発生させてシミュレーションする実施形態》
都市の効率的な運用を支援する上で、新施設を開設した場合の人流の変化や、居住者が変化した場合の人流の変化を把握したいという要望がある。人流の変化を把握することにより、モーダルシフトや路線集約や新規交通導入など、交通事業者が交通施策に反映させることができる。また交通事業者は、交通施策を実施した場合の流動の変化をみたいという要望がある。これにより、逼迫路線と閑散路線を可視化して、交通施策に反映させることができる。この実施形態は、このような要望を解決するものである。
都市の効率的な運用を支援する上で、新施設を開設した場合の人流の変化や、居住者が変化した場合の人流の変化を把握したいという要望がある。人流の変化を把握することにより、モーダルシフトや路線集約や新規交通導入など、交通事業者が交通施策に反映させることができる。また交通事業者は、交通施策を実施した場合の流動の変化をみたいという要望がある。これにより、逼迫路線と閑散路線を可視化して、交通施策に反映させることができる。この実施形態は、このような要望を解決するものである。
以下の図11~図16は、指定した場所にエージェントを発生させてシミュレーションする実施形態を記載している。本実施形態は、居住者が変化する場合について記載しているが、新施設を開設した場合の人流の変化も、以下の実施形態と同様にしてシミュレーションすることが可能である。
居住者の変化には、新たな場所に施設が建築されて居住者が増加する場合と、既存施設の居住者が増加/減少する場合とがある。この実施形態は、これら両方の場合を含めてシミュレーションすることができる。この実施形態では更に、交通施策の実施による始点/終点の変化、移動経路の変化、移動手段利用率や道路利用率の変化をシミュレーションすることができる。この利用形態として、混雑を回避する移動ルートを乗客に案内することが考えられる。
居住者の変化には、新たな場所に施設が建築されて居住者が増加する場合と、既存施設の居住者が増加/減少する場合とがある。この実施形態は、これら両方の場合を含めてシミュレーションすることができる。この実施形態では更に、交通施策の実施による始点/終点の変化、移動経路の変化、移動手段利用率や道路利用率の変化をシミュレーションすることができる。この利用形態として、混雑を回避する移動ルートを乗客に案内することが考えられる。
図11は、手段選択モデルの一例を示す図である。
手段選択モデル44は、PID欄と複数の選択パラメータ欄とで構成される。手段選択モデル44は、各PIDに係る人が選択する交通手段を、それぞれ確率で示したものである。しかし、これに限られず、各PIDを年齢や性別や収入などでグループ分けして、グループごとに選択する交通手段を確率で示してもよい。
手段選択モデル44は、PID欄と複数の選択パラメータ欄とで構成される。手段選択モデル44は、各PIDに係る人が選択する交通手段を、それぞれ確率で示したものである。しかし、これに限られず、各PIDを年齢や性別や収入などでグループ分けして、グループごとに選択する交通手段を確率で示してもよい。
図12は、エージェント発生前のシミュレーション機能に係る分析画面を示す図である。
分析画面5の機能メニュー51bには、人流のシミュレーション機能としてUsage of Transportationが指定されている。地図50の上には、地域611がアイコンで表示され、この地域611の近傍には、鉄道路線63が表示されている。なお、この地域611は、位置入力欄54に文字で入力することによって設定してもよい。また、マウス操作等によって直接、地図上に対象位置(範囲)が選択することによって設定してもよい。
分析画面5の機能メニュー51bには、人流のシミュレーション機能としてUsage of Transportationが指定されている。地図50の上には、地域611がアイコンで表示され、この地域611の近傍には、鉄道路線63が表示されている。なお、この地域611は、位置入力欄54に文字で入力することによって設定してもよい。また、マウス操作等によって直接、地図上に対象位置(範囲)が選択することによって設定してもよい。
図13は、エージェントの発生条件設定時のシミュレーション機能に係る分析画面を示す図である。
分析画面5の地図50の上には、地域611がアイコンで表示され、この地域611の近傍には、条件設定ウインドウ75が表示されている。この条件設定ウインドウ75により、施設の種別や、施設の居住者の勤務地・年収・車所有の有無・人数などのプロファイルを入力して、エージェントを発生させることが可能である。
分析画面5の地図50の上には、地域611がアイコンで表示され、この地域611の近傍には、条件設定ウインドウ75が表示されている。この条件設定ウインドウ75により、施設の種別や、施設の居住者の勤務地・年収・車所有の有無・人数などのプロファイルを入力して、エージェントを発生させることが可能である。
図14は、エージェントの発生時のシミュレーション機能に係る分析画面を示す図である。
分析画面5の地図50の上には、地域611がアイコンで表示されている。地域611の近傍の鉄道路線63には、駅64が「StationA」として表示されている。駅64を選択すると共に、地図50の右側には、列車数時系列欄76と乗客数時系列欄77とが表示される。
列車数時系列欄76は、駅64の運行列車数を時系列で示している。乗客数時系列欄77は、駅64の輸送可能乗客数を時系列で示している。これにより、予測される居住者の変化に基づいて、交通手段の需給状態を把握することができる。
列車数時系列欄76は更に、駅64の各時刻の運行列車数をドラッグすることが可能である。これに伴い、乗客数時系列欄77の各時刻の輸送可能乗客数も変化し、交通機関の利用率も変化する。また、列車数時系列欄76の輸送可能乗客数をドラックできる構成にしてもよく、その際は、列車数時系列欄76の駅64の各時刻の運行列車数が変化する。このようにすることで、交通事業者は、居住者変化に応じた適切な運行列車数を容易に把握することができる。
分析画面5の地図50の上には、地域611がアイコンで表示されている。地域611の近傍の鉄道路線63には、駅64が「StationA」として表示されている。駅64を選択すると共に、地図50の右側には、列車数時系列欄76と乗客数時系列欄77とが表示される。
列車数時系列欄76は、駅64の運行列車数を時系列で示している。乗客数時系列欄77は、駅64の輸送可能乗客数を時系列で示している。これにより、予測される居住者の変化に基づいて、交通手段の需給状態を把握することができる。
列車数時系列欄76は更に、駅64の各時刻の運行列車数をドラッグすることが可能である。これに伴い、乗客数時系列欄77の各時刻の輸送可能乗客数も変化し、交通機関の利用率も変化する。また、列車数時系列欄76の輸送可能乗客数をドラックできる構成にしてもよく、その際は、列車数時系列欄76の駅64の各時刻の運行列車数が変化する。このようにすることで、交通事業者は、居住者変化に応じた適切な運行列車数を容易に把握することができる。
図15は、新規施設発生時と既存施設追加時における居住者変化のシミュレーション処理を示すフローチャートである。
人流分析システム1のシミュレーション部35は、地域611が指定され、かつアクションボタン52がクリックされると、居住者変化のシミュレーション処理を開始する。
ステップS50において、シミュレーション部35(人流算出部)は、人流データベース41から、設定されたプロファイルに合致するPIDを検索する。
ステップS51において、シミュレーション部35は、人流データベース41に、設定されたプロファイルに合致するPIDが有るか否かを判断する。シミュレーション部35は、PIDが有ったならば(Yes)、ステップS52の処理に進み、PIDが無かったならば(No)、ステップS53の処理に進む。
ステップS52において、シミュレーション部35は、合致するPIDの出発地を指定された地域611に変更する。
人流分析システム1のシミュレーション部35は、地域611が指定され、かつアクションボタン52がクリックされると、居住者変化のシミュレーション処理を開始する。
ステップS50において、シミュレーション部35(人流算出部)は、人流データベース41から、設定されたプロファイルに合致するPIDを検索する。
ステップS51において、シミュレーション部35は、人流データベース41に、設定されたプロファイルに合致するPIDが有るか否かを判断する。シミュレーション部35は、PIDが有ったならば(Yes)、ステップS52の処理に進み、PIDが無かったならば(No)、ステップS53の処理に進む。
ステップS52において、シミュレーション部35は、合致するPIDの出発地を指定された地域611に変更する。
ステップS53において、シミュレーション部35は、交通ネットワークデータベース42と手段選択モデル44とに基づいて、地域611と、その目的地(勤務地)との間の交通手段を探索する。なお、目的地は勤務地に限定されず、店舗などであってもよい。
ステップS54において、シミュレーション部35は、地域611と目的地(勤務地)との間の経路を選択する。
ステップS55において、シミュレーション部35は、目的地(勤務地)への到着時刻を決定する。これにより、例えば地域611の居住者の通勤による新たな人流をシミュレーションすることができる。
ステップS56において、シミュレーション部35は、この人流に係る座標を補間して新規人流データベース46に格納し、図15の処理を終了する。
ステップS54において、シミュレーション部35は、地域611と目的地(勤務地)との間の経路を選択する。
ステップS55において、シミュレーション部35は、目的地(勤務地)への到着時刻を決定する。これにより、例えば地域611の居住者の通勤による新たな人流をシミュレーションすることができる。
ステップS56において、シミュレーション部35は、この人流に係る座標を補間して新規人流データベース46に格納し、図15の処理を終了する。
図16は、交通機関の利用率のシミュレーション処理を示すフローチャートである。
例えば、図14の駅64がクリックされたときに、交通機関の利用率のシミュレーション処理が開始する。
ステップS60において、交通利用率算出部34は、人流データベース41と交通ネットワークデータベース42と手段選択モデル44とに基づき、各リンクの利用者を算出する。
ステップS61において、交通利用率算出部34は、交通機関の本数と、1本あたり乗客数とから飽和乗客数を算出する。
ステップS62において、交通利用率算出部34は、各時刻での乗車率を算出し、交通機関利用率モデル45に格納し、図16の処理を終了する。表示制御部32は、この交通機関利用率モデル45に基づいて、列車数時系列欄76と乗客数時系列欄77とを分析画面5に表示する。
このシミュレーション処理により、予測される居住者の変化に基づいて交通手段の需給状態をシミュレーションして可視化することができる。これにより交通事業者は、居住者の変化などを交通施策に反映させることができる。
例えば、図14の駅64がクリックされたときに、交通機関の利用率のシミュレーション処理が開始する。
ステップS60において、交通利用率算出部34は、人流データベース41と交通ネットワークデータベース42と手段選択モデル44とに基づき、各リンクの利用者を算出する。
ステップS61において、交通利用率算出部34は、交通機関の本数と、1本あたり乗客数とから飽和乗客数を算出する。
ステップS62において、交通利用率算出部34は、各時刻での乗車率を算出し、交通機関利用率モデル45に格納し、図16の処理を終了する。表示制御部32は、この交通機関利用率モデル45に基づいて、列車数時系列欄76と乗客数時系列欄77とを分析画面5に表示する。
このシミュレーション処理により、予測される居住者の変化に基づいて交通手段の需給状態をシミュレーションして可視化することができる。これにより交通事業者は、居住者の変化などを交通施策に反映させることができる。
《広域や指定した場所内での回遊パターンを抽出する実施形態》
都市の効率的な運用を支援する上で、交通事業者などは、平日と休日/晴天と雨天などの広域の回遊パターンを比較したいという要望や、異なる経由地を通過する広域の回遊パターンを比較したいという要望がある。これにより、交通手段の過剰な利用率の平準化を行い、混雑を回避するように交通施策に反映することや、乗客に適切な乗車ルートを案内することができる。
商業事業者やデベロッパは、指定したエリア内に居る人の回遊パターンや滞在ポイントを把握したいという要望や、各回遊パターンの人の属性や何処からどの交通手段で来たかを知りたいという要望がある。これにより商業事業者やデベロッパは、エリア内の交通流施策、イベント計画、エリアの魅力増強のためのフィードバックに活用することができる。よって商業事業者やデベロッパは、人の属性や交通手段の利用率に合わせたエリア内の歩行計画への反映に活用することができる。エリア内の歩行計画とは、例えば、歩行者天国の設置などである。
商業事業者は、駅やバス停からエリアへの流入率を知りたいという要望がある。これにより商業事業者は、主要な流入動線に基づき、店舗や施設などに適切な入口を設置することができる。
商業事業者は更に、施設ごとの入館状況を知りたいという要望や、施設同士の相関性を知りたい、つまり自分の施設に来ない顧客の回遊パターンを知りたいという要望がある。これにより商業事業者は、顧客の行動を分析して、来客者数を増大させることができる。
この実施形態は、このような要望を解決するものである。
都市の効率的な運用を支援する上で、交通事業者などは、平日と休日/晴天と雨天などの広域の回遊パターンを比較したいという要望や、異なる経由地を通過する広域の回遊パターンを比較したいという要望がある。これにより、交通手段の過剰な利用率の平準化を行い、混雑を回避するように交通施策に反映することや、乗客に適切な乗車ルートを案内することができる。
商業事業者やデベロッパは、指定したエリア内に居る人の回遊パターンや滞在ポイントを把握したいという要望や、各回遊パターンの人の属性や何処からどの交通手段で来たかを知りたいという要望がある。これにより商業事業者やデベロッパは、エリア内の交通流施策、イベント計画、エリアの魅力増強のためのフィードバックに活用することができる。よって商業事業者やデベロッパは、人の属性や交通手段の利用率に合わせたエリア内の歩行計画への反映に活用することができる。エリア内の歩行計画とは、例えば、歩行者天国の設置などである。
商業事業者は、駅やバス停からエリアへの流入率を知りたいという要望がある。これにより商業事業者は、主要な流入動線に基づき、店舗や施設などに適切な入口を設置することができる。
商業事業者は更に、施設ごとの入館状況を知りたいという要望や、施設同士の相関性を知りたい、つまり自分の施設に来ない顧客の回遊パターンを知りたいという要望がある。これにより商業事業者は、顧客の行動を分析して、来客者数を増大させることができる。
この実施形態は、このような要望を解決するものである。
図17(a),(b)は、回遊パターンデータベースを示す図である。
図17(a)は、PIDによる回遊パターンデータベース48Aを示す図である。
回遊パターンデータベース48Aは、パターンID欄48aと、座標欄48bと、PID欄48cとを含んで構成される。
パターンID欄48aは、回遊パターンの識別子を格納するものである。
座標欄48bは、この回遊パターンの各座標群を格納するものである。
PID欄48cは、この回遊パターンに係るPIDを格納するものである。
図17(a)は、PIDによる回遊パターンデータベース48Aを示す図である。
回遊パターンデータベース48Aは、パターンID欄48aと、座標欄48bと、PID欄48cとを含んで構成される。
パターンID欄48aは、回遊パターンの識別子を格納するものである。
座標欄48bは、この回遊パターンの各座標群を格納するものである。
PID欄48cは、この回遊パターンに係るPIDを格納するものである。
図17(b)は、確率による回遊パターンデータベース48Bを示す図である。
回遊パターンデータベース48Bは、回遊パターンデータベース48AのPID欄48cの代わりに確率欄48dを含んで構成される。
確率欄48dは、この回遊パターンに係る確率を格納するものである。
回遊パターンデータベース48Bは、回遊パターンデータベース48AのPID欄48cの代わりに確率欄48dを含んで構成される。
確率欄48dは、この回遊パターンに係る確率を格納するものである。
図18は、移動チェーン49の一例を示す図である。
移動チェーン49は、人流データベース41のトリップIDの各座標を所定エリアで絞り込み、このエリアの何処から何処に移動したのかを判断するためのデータ構造である。移動チェーン49の各行は、各トリップIDにおける移動元を示している。移動チェーン49の各列は、各トリップIDにおける移動先を示している。移動元が(X11,Y11)かつ移動先が(X12,Y12)には、「80/100」と記載されている。分母の「100」は、所定エリアで絞り込んだ全てのトリップIDの個数であり、所定エリアに延べ100人が来訪したことを示している。分子の「80」は、(X11,Y11)から(X12,Y12)に、延べ80人が移動したことを示している。
人流分析システム1は、トリップIDの移動元と移動先との間に1または複数の経由地が存在した場合であっても、トリップIDが経由地無しに直行した場合と同様に、移動チェーン49として計数する。これにより、主たる移動チェーン49を容易に抽出することができる。人流分析システム1は、この移動チェーンを組み合わせることにより、主たる回遊パターンを容易に抽出可能である。
移動チェーン49は、人流データベース41のトリップIDの各座標を所定エリアで絞り込み、このエリアの何処から何処に移動したのかを判断するためのデータ構造である。移動チェーン49の各行は、各トリップIDにおける移動元を示している。移動チェーン49の各列は、各トリップIDにおける移動先を示している。移動元が(X11,Y11)かつ移動先が(X12,Y12)には、「80/100」と記載されている。分母の「100」は、所定エリアで絞り込んだ全てのトリップIDの個数であり、所定エリアに延べ100人が来訪したことを示している。分子の「80」は、(X11,Y11)から(X12,Y12)に、延べ80人が移動したことを示している。
人流分析システム1は、トリップIDの移動元と移動先との間に1または複数の経由地が存在した場合であっても、トリップIDが経由地無しに直行した場合と同様に、移動チェーン49として計数する。これにより、主たる移動チェーン49を容易に抽出することができる。人流分析システム1は、この移動チェーンを組み合わせることにより、主たる回遊パターンを容易に抽出可能である。
図19は、始点65と終点66を指定したフィルタ機能に係る分析画面5を示す図である。
分析画面5の機能メニュー51bには、人流のフィルタ機能としてFilterが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。位置入力欄54には、「From:A city To:T Bus Terminal」が入力されている。
地図50上には、始点65と終点66とが表示され、この間の人流60が更に表示されている。人流60は、交通手段ごとに色分け表示されている。これにより商業事業者、デベロッパや交通事業者は、ある始点から終点に向かう人がどのような交通手段を用いるかを把握することができる。
分析画面5の機能メニュー51bには、人流のフィルタ機能としてFilterが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。位置入力欄54には、「From:A city To:T Bus Terminal」が入力されている。
地図50上には、始点65と終点66とが表示され、この間の人流60が更に表示されている。人流60は、交通手段ごとに色分け表示されている。これにより商業事業者、デベロッパや交通事業者は、ある始点から終点に向かう人がどのような交通手段を用いるかを把握することができる。
図20は、始点65と終点66とエリアAとを指定した分析画面5を示す図である。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。位置入力欄54には、「Zip code 100-8280」が入力されている。
地図50上には、始点65と終点66とが表示され、更に経由地67Aが表示されている。地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄78と交通手段比較欄79とが表示されている。
出発地表示欄71は、始点65から経由地67Aを介して終点66に至るトリップIDの出発地情報が円グラフで表示されている。円グラフの中央には、このトリップIDの個数が表示されている。
年代表示欄72は、始点65から経由地67Aを介して終点66に至るトリップIDに係る人の年代が円グラフで表示されている。
人数時系列欄78は、始点65から経由地67Aを介して終点66に至る人数(トリップIDの数)を時系列で示している。
交通手段比較欄79は、始点65から経由地67Aを介して終点66に至る交通手段別の人数(トリップIDの数)を時系列で示している。
商業事業者、デベロッパや交通事業者は、期間メニュー51dや時刻スライドバー55を操作することで、平日と休日/晴天と雨天などの広域の回遊パターンを容易に比較することができる。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。位置入力欄54には、「Zip code 100-8280」が入力されている。
地図50上には、始点65と終点66とが表示され、更に経由地67Aが表示されている。地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄78と交通手段比較欄79とが表示されている。
出発地表示欄71は、始点65から経由地67Aを介して終点66に至るトリップIDの出発地情報が円グラフで表示されている。円グラフの中央には、このトリップIDの個数が表示されている。
年代表示欄72は、始点65から経由地67Aを介して終点66に至るトリップIDに係る人の年代が円グラフで表示されている。
人数時系列欄78は、始点65から経由地67Aを介して終点66に至る人数(トリップIDの数)を時系列で示している。
交通手段比較欄79は、始点65から経由地67Aを介して終点66に至る交通手段別の人数(トリップIDの数)を時系列で示している。
商業事業者、デベロッパや交通事業者は、期間メニュー51dや時刻スライドバー55を操作することで、平日と休日/晴天と雨天などの広域の回遊パターンを容易に比較することができる。
図21は、始点65と終点66とエリアAとエリアBとを指定した分析画面5を示す図である。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。
地図50上には、始点65と終点66とが表示され、更に経由地67A,67Bが表示されている。地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄78Aと交通手段比較欄79Aとが表示されている。
出発地表示欄71は、始点65から終点66に移動した人のうち、経由地67Aを通過した人の出発地情報と経由地67Bを通過した人の出発地情報が、それぞれ円グラフで表示されている。各円グラフの中央には、各経由地67A,67Bを通過した人数が表示さている。
年代表示欄72は、経由地67Aを通過した人の年代と、経由地67Bを通過した人の年代とを、それぞれ円グラフで示している。
人数時系列欄78Aは、経由地67Aを通過した人数と、経由地67Bを通過した人数とを、それぞれ時系列の棒グラフで示している。
交通手段比較欄79Aは、経由地67Aを通過した人の交通手段と、経由地67Bを通過した人の交通手段とを、比較して示している。
これにより商業事業者、デベロッパや交通事業者は、異なる経由地を通過する広域の回遊パターンを比較することができる。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。
地図50上には、始点65と終点66とが表示され、更に経由地67A,67Bが表示されている。地図50の右側には、出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、人数時系列欄78Aと交通手段比較欄79Aとが表示されている。
出発地表示欄71は、始点65から終点66に移動した人のうち、経由地67Aを通過した人の出発地情報と経由地67Bを通過した人の出発地情報が、それぞれ円グラフで表示されている。各円グラフの中央には、各経由地67A,67Bを通過した人数が表示さている。
年代表示欄72は、経由地67Aを通過した人の年代と、経由地67Bを通過した人の年代とを、それぞれ円グラフで示している。
人数時系列欄78Aは、経由地67Aを通過した人数と、経由地67Bを通過した人数とを、それぞれ時系列の棒グラフで示している。
交通手段比較欄79Aは、経由地67Aを通過した人の交通手段と、経由地67Bを通過した人の交通手段とを、比較して示している。
これにより商業事業者、デベロッパや交通事業者は、異なる経由地を通過する広域の回遊パターンを比較することができる。
図22は、エリアA内の回遊に関する分析画面5を示す図である。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。地図50の右側には、図21と同様な出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、図21と同様な人数時系列欄78Aと交通手段比較欄79Aとが表示されている。
地図50上には、始点65aと終点66aとが表示され、始点65aから終点66aへの人流を示す主動線68aが表示されている。主動線68aは、始点65aから終点66aへの回遊パターンである。
地図50上には更に、始点65bと終点66bとが表示され、始点65bから終点66bへの人流を示す主動線68bが表示されている。主動線68bは、始点65bから終点66bへの回遊パターンである。
これら始点65a,65bは、例えば主要な乗降地点である改札やバス停、または周辺道路からの流入地点である。このようにすることで、このエリアの流入地点ごとの回遊パターンを把握可能である。これら終点66a,66bは、例えば所定の施設である。これにより、施設ごとの入館率を比較し、更に所定施設を利用している人の回遊パターンを把握することができる。
分析画面5の機能メニュー51bには、人流の分析機能としてBasic Analysisが指定されている。方向メニュー51cは、人流の方向としてToが指定されている。地図50の右側には、図21と同様な出発地表示欄71と年代表示欄72とが表示されている。地図50の下側には、図21と同様な人数時系列欄78Aと交通手段比較欄79Aとが表示されている。
地図50上には、始点65aと終点66aとが表示され、始点65aから終点66aへの人流を示す主動線68aが表示されている。主動線68aは、始点65aから終点66aへの回遊パターンである。
地図50上には更に、始点65bと終点66bとが表示され、始点65bから終点66bへの人流を示す主動線68bが表示されている。主動線68bは、始点65bから終点66bへの回遊パターンである。
これら始点65a,65bは、例えば主要な乗降地点である改札やバス停、または周辺道路からの流入地点である。このようにすることで、このエリアの流入地点ごとの回遊パターンを把握可能である。これら終点66a,66bは、例えば所定の施設である。これにより、施設ごとの入館率を比較し、更に所定施設を利用している人の回遊パターンを把握することができる。
図23は、回遊パターン抽出処理を示すフローチャートである。
ステップS70において、回遊パターン抽出部36(人流算出部)は、人流データベース41に基づき、当該エリア内に含まれるトリップIDを抽出する。
ステップS71において、回遊パターン抽出部36は、施設データベース47に基づきトリップ内の移動を施設間の移動チェーン49に変換する。
ステップS72において、回遊パターン抽出部36は、各移動チェーン49を集計する。
ステップS73において、回遊パターン抽出部36は、各施設の主な回遊パターンを抽出して、回遊パターンデータベース48Aに格納し、図23の処理を終了する。
ステップS70において、回遊パターン抽出部36(人流算出部)は、人流データベース41に基づき、当該エリア内に含まれるトリップIDを抽出する。
ステップS71において、回遊パターン抽出部36は、施設データベース47に基づきトリップ内の移動を施設間の移動チェーン49に変換する。
ステップS72において、回遊パターン抽出部36は、各移動チェーン49を集計する。
ステップS73において、回遊パターン抽出部36は、各施設の主な回遊パターンを抽出して、回遊パターンデータベース48Aに格納し、図23の処理を終了する。
図24は、場所遷移確率による回遊パターン抽出処理を示すフローチャートである。
ステップS70~S72の処理は、図23に示した各処理と同様である。
ステップS73Aにおいて、回遊パターン抽出部36は、各施設の回遊パターンと、その確率を抽出して、回遊パターンデータベース48Aに格納し、図24の処理を終了する。
図23や図24の回遊パターン抽出処理で抽出した回遊パターンは、交通事業者が交通計画に活用したり、商業事業者などが観光計画やマーケティングに活用したり、デベロッパがプロモーション企画のヒントとすることができる。更に観光拠点のナビゲーションや、周遊コースや行き先の推薦にも活用することができる。
ステップS70~S72の処理は、図23に示した各処理と同様である。
ステップS73Aにおいて、回遊パターン抽出部36は、各施設の回遊パターンと、その確率を抽出して、回遊パターンデータベース48Aに格納し、図24の処理を終了する。
図23や図24の回遊パターン抽出処理で抽出した回遊パターンは、交通事業者が交通計画に活用したり、商業事業者などが観光計画やマーケティングに活用したり、デベロッパがプロモーション企画のヒントとすることができる。更に観光拠点のナビゲーションや、周遊コースや行き先の推薦にも活用することができる。
《変形例》
本発明は上記した実施形態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形態は、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。ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
本発明は上記した実施形態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形態は、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。ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
上記の各構成、機能、処理部などは、それらの一部または全部を、例えば集積回路などのハードウェアで実現してもよい。上記の各構成、機能などは、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て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、ファイルなどの情報は、メモリ、ハードディスク、SSD(Solid State Drive)などの記録装置や、フラッシュメモリカード、DVD(Digital Versatile Disk)などの記録媒体に置くことができる。
各実施形態に於いて、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、製品上必ずしも全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、殆ど全ての構成が相互に接続されていると考えてもよい。
各実施形態に於いて、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、製品上必ずしも全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、殆ど全ての構成が相互に接続されていると考えてもよい。
1 人流分析システム
2 プロセッサ
3 メモリ
31 入力制御部 (地域指定部の一例)
32 表示制御部
33 主動線抽出部 (人流算出部の一例)
34 交通利用率算出部
35 シミュレーション部 (人流算出部の一例)
36 回遊パターン抽出部 (人流算出部の一例)
37 表示部
4 補助記憶装置
41 人流データベース
42 交通ネットワークデータベース
42-1 リンクデータベース
42-2 ノードデータベース
43 地図データベース
44 手段選択モデル
45 交通機関利用率モデル
46 新規人流データベース
47 施設データベース
48 回遊パターンデータベース
49 移動チェーン
5 分析画面
50 地図
51a データメニュー
51b 機能メニュー
51c 方向メニュー
51d 期間メニュー
51e プロファイルメニュー
52 アクションボタン
53 状態表示欄
54 位置入力欄
55 時刻スライドバー
56 手段表示欄
60 人流
61 目的地
611 地域
62 主動線
621 地域
63 鉄道路線
64 駅
65 始点
66 終点
67A,67B 経由地
68a,68b 主動線
70 主動線属性表示欄
71 出発地表示欄
72 年代表示欄
73 人数時系列欄
74 手段時系列欄
75 条件設定ウインドウ
76 列車数時系列欄
77 乗客数時系列欄
78,78A 人数時系列欄
79,79A 交通手段比較欄
2 プロセッサ
3 メモリ
31 入力制御部 (地域指定部の一例)
32 表示制御部
33 主動線抽出部 (人流算出部の一例)
34 交通利用率算出部
35 シミュレーション部 (人流算出部の一例)
36 回遊パターン抽出部 (人流算出部の一例)
37 表示部
4 補助記憶装置
41 人流データベース
42 交通ネットワークデータベース
42-1 リンクデータベース
42-2 ノードデータベース
43 地図データベース
44 手段選択モデル
45 交通機関利用率モデル
46 新規人流データベース
47 施設データベース
48 回遊パターンデータベース
49 移動チェーン
5 分析画面
50 地図
51a データメニュー
51b 機能メニュー
51c 方向メニュー
51d 期間メニュー
51e プロファイルメニュー
52 アクションボタン
53 状態表示欄
54 位置入力欄
55 時刻スライドバー
56 手段表示欄
60 人流
61 目的地
611 地域
62 主動線
621 地域
63 鉄道路線
64 駅
65 始点
66 終点
67A,67B 経由地
68a,68b 主動線
70 主動線属性表示欄
71 出発地表示欄
72 年代表示欄
73 人数時系列欄
74 手段時系列欄
75 条件設定ウインドウ
76 列車数時系列欄
77 乗客数時系列欄
78,78A 人数時系列欄
79,79A 交通手段比較欄
Claims (10)
- 地図上の地域を指定する地域指定部と、
時刻および位置の情報を含んだ複数の人流情報に基づき、前記地域指定部の指定地域に関わる人流を算出する人流算出部と、
表示部に表示された地図上に、前記人流算出部が算出した主たる人流の動線を表示させる表示制御部と、
を備えることを特徴とする人流分析システム。 - 前記人流算出部は、前記指定地域を目的地とする人流を所定期間かつ交通リンクごとに集計して、この人流に係る主な動線を抽出し、
前記表示制御部は、前記表示部に、抽出した各前記動線をそれぞれ識別可能に表示させる、
ことを特徴とする請求項1に記載の人流分析システム。 - 前記人流算出部は、前記指定地域を目的地とする人流を所定期間かつ地図上の位置ごとに集計して、この人流に係る主な動線を抽出し、
前記表示制御部は、前記表示部に、抽出した各前記動線をそれぞれ識別可能に表示させる、
ことを特徴とする請求項1に記載の人流分析システム。 - 前記人流算出部は、前記指定地域を目的地とする人流を複数のクラスタに分類し、
前記表示制御部は、前記表示部に、所定期間ごとの主たるクラスタの人流に係る動線を表示させる、
ことを特徴とする請求項1に記載の人流分析システム。 - 前記地域指定部で指定された地域を仮想居住者地域として仮想的な居住者を設定するシミュレーション部と、
人流情報と交通機関情報とから、交通機関の所定期間ごとの利用率を算出する交通機関利用率算出部と、
を更に備えることを特徴とする請求項1に記載の人流分析システム。 - 前記シミュレーション部は、前記仮想居住者地域が前記複数の人流情報の位置のうちいずれとも合致しないならば、新たな人流情報を生成して追加し、前記仮想居住者地域が前記複数の人流情報の位置のうちいずれかと合致するならば、仮想的な居住者数だけ当該仮想居住者地域を出発地とする人流情報を増加させる、
ことを特徴とする請求項5に記載の人流分析システム。 - 前記人流算出部は、前記複数の人流情報に基づき、前記地域指定部の前記指定地域の各施設を回遊する人流を集計し、
前記表示制御部は、前記表示部に前記指定地域内の各施設を回遊する主たる人流の動線を表示させる、
ことを特徴とする請求項1に記載の人流分析システム。 - 前記人流算出部は、前記複数の人流情報に基づき、前記地域指定部の前記指定地域内の各施設を回遊する確率を算出し、
前記表示制御部は、前記表示部に前記指定地域内の各施設を回遊する主たる人流の動線を表示させる、
ことを特徴とする請求項1に記載の人流分析システム。 - 前記人流算出部は、前記複数の人流情報に基づき、前記地域指定部の前記指定地域内の各施設間の移動チェーンを算出し、当該移動チェーンにより動線を算出する、
ことを特徴とする請求項7または請求項8に記載の人流分析システム。 - 図形情報または/および文字情報を表示する表示部と、
人流算出部と、
地域指定部と、
前記表示部を制御する表示制御部と、を備える人流分析システムが実行するものであり、
前記地域指定部により、地図上の地域を指定するステップと、
前記人流算出部により、時刻および位置の情報を含んだ複数の人流情報に基づき、前記地域指定部の指定地域に関わる人流を算出するステップと、
前記表示制御部により、地図、および、前記人流算出部が算出した主たる人流の動線を前記表示部に表示させるステップと、
を含むことを特徴とする人流分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/078643 WO2016067369A1 (ja) | 2014-10-28 | 2014-10-28 | 人流分析システムおよび人流分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/078643 WO2016067369A1 (ja) | 2014-10-28 | 2014-10-28 | 人流分析システムおよび人流分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2016067369A1 true WO2016067369A1 (ja) | 2016-05-06 |
Family
ID=55856759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2014/078643 WO2016067369A1 (ja) | 2014-10-28 | 2014-10-28 | 人流分析システムおよび人流分析方法 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2016067369A1 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019197460A (ja) * | 2018-05-11 | 2019-11-14 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
JP2020091749A (ja) * | 2018-12-06 | 2020-06-11 | 富士通株式会社 | 分析プログラム、分析方法および分析装置 |
US20200202365A1 (en) * | 2018-03-22 | 2020-06-25 | Hitachi, Ltd. | Demand forecast system and method |
JP6810978B1 (ja) * | 2020-03-16 | 2021-01-13 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
JP2021093088A (ja) * | 2019-12-12 | 2021-06-17 | ヤフー株式会社 | 処理装置、処理方法、および処理プログラム |
US11636399B2 (en) | 2017-10-03 | 2023-04-25 | Nec Corporation | Parameter estimation system, parameter estimation method, and parameter estimation program recording medium for estimating parameter and kernel functions by incorporating machine learning |
WO2023113239A1 (ko) * | 2021-12-16 | 2023-06-22 | 주식회사 캐플릭스 | 커넥티드카를 이용한 렌터카운영시스템 |
WO2023228498A1 (ja) * | 2022-05-23 | 2023-11-30 | 株式会社日立製作所 | 人流予測装置、人流予測プログラム、および、人流予測方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010176228A (ja) * | 2009-01-27 | 2010-08-12 | Softbank Telecom Corp | ユーザ動線生成サーバ、ユーザ動線生成方法、及びユーザ動線生成プログラム |
WO2011046138A1 (ja) * | 2009-10-14 | 2011-04-21 | 株式会社エヌ・ティ・ティ・ドコモ | 位置情報分析装置および位置情報分析方法 |
JP2011103062A (ja) * | 2009-11-11 | 2011-05-26 | Kozo Keikaku Engineering Inc | 主要動線出力装置、主要動線出力方法およびプログラム |
JP2014157500A (ja) * | 2013-02-15 | 2014-08-28 | Ntt Docomo Inc | 交通量算出装置、交通量算出方法 |
-
2014
- 2014-10-28 WO PCT/JP2014/078643 patent/WO2016067369A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010176228A (ja) * | 2009-01-27 | 2010-08-12 | Softbank Telecom Corp | ユーザ動線生成サーバ、ユーザ動線生成方法、及びユーザ動線生成プログラム |
WO2011046138A1 (ja) * | 2009-10-14 | 2011-04-21 | 株式会社エヌ・ティ・ティ・ドコモ | 位置情報分析装置および位置情報分析方法 |
JP2011103062A (ja) * | 2009-11-11 | 2011-05-26 | Kozo Keikaku Engineering Inc | 主要動線出力装置、主要動線出力方法およびプログラム |
JP2014157500A (ja) * | 2013-02-15 | 2014-08-28 | Ntt Docomo Inc | 交通量算出装置、交通量算出方法 |
Non-Patent Citations (1)
Title |
---|
AKINORI ASAHARA: "Representative Path Extraction with Spatio-temporal Network Analysis", TRANSACTIONS OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 54, no. 1, 15 January 2013 (2013-01-15), pages 135 - 145, XP055278510 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636399B2 (en) | 2017-10-03 | 2023-04-25 | Nec Corporation | Parameter estimation system, parameter estimation method, and parameter estimation program recording medium for estimating parameter and kernel functions by incorporating machine learning |
US20200202365A1 (en) * | 2018-03-22 | 2020-06-25 | Hitachi, Ltd. | Demand forecast system and method |
JP2019197460A (ja) * | 2018-05-11 | 2019-11-14 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
JP2020091749A (ja) * | 2018-12-06 | 2020-06-11 | 富士通株式会社 | 分析プログラム、分析方法および分析装置 |
JP7176385B2 (ja) | 2018-12-06 | 2022-11-22 | 富士通株式会社 | 分析プログラム、分析方法および分析装置 |
JP2021093088A (ja) * | 2019-12-12 | 2021-06-17 | ヤフー株式会社 | 処理装置、処理方法、および処理プログラム |
JP6810978B1 (ja) * | 2020-03-16 | 2021-01-13 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
WO2021186978A1 (ja) | 2020-03-16 | 2021-09-23 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
JP2021149224A (ja) * | 2020-03-16 | 2021-09-27 | 株式会社ピース企画 | クラスタ生成装置、クラスタ生成方法及びクラスタ生成プログラム |
WO2023113239A1 (ko) * | 2021-12-16 | 2023-06-22 | 주식회사 캐플릭스 | 커넥티드카를 이용한 렌터카운영시스템 |
WO2023228498A1 (ja) * | 2022-05-23 | 2023-11-30 | 株式会社日立製作所 | 人流予測装置、人流予測プログラム、および、人流予測方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016067369A1 (ja) | 人流分析システムおよび人流分析方法 | |
Zannat et al. | Emerging big data sources for public transport planning: A systematic review on current state of art and future research directions | |
Chakrabarti | How can public transit get people out of their cars? An analysis of transit mode choice for commute trips in Los Angeles | |
Mazimpaka et al. | Trajectory data mining: A review of methods and applications | |
Gao et al. | Understanding urban traffic-flow characteristics: a rethinking of betweenness centrality | |
CN109145954B (zh) | 一种基于多源时空数据的网约车出行安全评价方法及*** | |
De Oña et al. | A classification tree approach to identify key factors of transit service quality | |
Cui et al. | Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin | |
Lee et al. | Robust accessibility: Measuring accessibility based on travelers' heterogeneous strategies for managing travel time uncertainty | |
Feng et al. | Identification of critical roads in urban transportation network based on GPS trajectory data | |
Chandra Shit | Crowd intelligence for sustainable futuristic intelligent transportation system: a review | |
Zheng | Urban computing | |
JP2019177760A (ja) | 輸送機関混雑予測システム及び混雑予測方法 | |
Singh et al. | A novel framework to avoid traffic congestion and air pollution for sustainable development of smart cities | |
Wang et al. | Digital roadway interactive visualization and evaluation network applications to WSDOT operational data usage. | |
Liu et al. | Observability quantification of public transportation systems with heterogeneous data sources: An information-space projection approach based on discretized space-time network flow models | |
Cheng et al. | TTSAT: A new approach to mapping transit accessibility | |
De Oña et al. | Analyzing transit service quality evolution using decision trees and gender segmentation | |
Wang et al. | A data driven approach to assessing the reliability of using taxicab as probes for real-time route selections | |
Xia et al. | Dynamic traffic prediction for urban road network with the interpretable model | |
JP2021096793A (ja) | エリア分析システムおよびその方法 | |
Lian et al. | Advances in estimating pedestrian measures through artificial intelligence: From data sources, computer vision, video analytics to the prediction of crash frequency | |
Qian et al. | Exploring the potential role of bikeshare to complement public transit: The case of San Francisco amid the coronavirus crisis | |
Sohrabi et al. | Safe route-finding: A review of literature and future directions | |
Guo et al. | Fine-grained dynamic price prediction in ride-on-demand services: Models and evaluations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 14904682 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 14904682 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: JP |