(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023009987
(43)【公開日】2023-01-20
(54)【発明の名称】混雑率予測装置及びプログラム
(51)【国際特許分類】
B61L 25/04 20060101AFI20230113BHJP
G06Q 10/04 20230101ALI20230113BHJP
G06Q 50/30 20120101ALI20230113BHJP
G16Y 10/40 20200101ALI20230113BHJP
G16Y 20/20 20200101ALI20230113BHJP
G16Y 40/10 20200101ALI20230113BHJP
【ＦＩ】
B61L25/04
G06Q10/04
G06Q50/30
G16Y10/40
G16Y20/20
G16Y40/10
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2021113717
(22)【出願日】2021-07-08
(71)【出願人】
【識別番号】504158881
【氏名又は名称】東京地下鉄株式会社
(74)【代理人】
【識別番号】100145713
【弁理士】
【氏名又は名称】加藤 竜太
(74)【代理人】
【識別番号】100165157
【弁理士】
【氏名又は名称】芝 哲央
(72)【発明者】
【氏名】是澤 正人
(72)【発明者】
【氏名】足立 茂章
(72)【発明者】
【氏名】吉野 秀行
(72)【発明者】
【氏名】上坂 直行
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049AA04
5L049CC42
(57)【要約】
【課題】乗り物の混雑の状態を新規な方法で予測することができる混雑率予測装置及びプログラムを提供すること。
【解決手段】実施形態の混雑率予測装置は、処理部を備える。処理部は、１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する。処理部は、前記統計データと前記第１の計測値の差分を用いて、前記第１の区間での前記特定の乗り物の混雑の状態の時間変化を予測する関数を求め、前記関数を用いて前記第１の区間での前記特定の乗り物の混雑の状態を予測しても良い。
【選択図】図３
【解決手段】実施形態の混雑率予測装置は、処理部を備える。処理部は、１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する。処理部は、前記統計データと前記第１の計測値の差分を用いて、前記第１の区間での前記特定の乗り物の混雑の状態の時間変化を予測する関数を求め、前記関数を用いて前記第１の区間での前記特定の乗り物の混雑の状態を予測しても良い。
【選択図】図３
【特許請求の範囲】
【請求項1】
１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する、処理部を備える混雑率予測装置。
【請求項2】
前記処理部は、前記統計データと前記第１の計測値の差分を用いて、前記第１の区間での前記予測対象の乗り物の混雑の状態の時間変化を予測する関数を求め、前記関数を用いて前記第１の区間での前記予測対象の乗り物の混雑の状態を予測する、請求項１に記載の混雑率予測装置。
【請求項3】
前記処理部は、前記第１の区間とは異なる第２の区間での前記予測対象の乗り物の混雑の状態を、前記第１の区間と前記第２の区間の相関関係に基づき推定する、請求項１又は請求項２に記載の混雑率予測装置。
【請求項4】
前記処理部は、前記第２の区間での前記予測対象の乗り物の混雑の状態を、前記予測対象の乗り物の前記第１の区間での混雑の状態を用い、前記相関関係として区間ごとの前記乗り物の混雑の状態の変化を示す変動情報を用いて予測する、請求項３に記載の混雑率予測装置。
【請求項5】
前記処理部は、前記予測対象の乗り物の混雑の状態の第２の計測値を用いて、前記変動情報を補正し、補正した前記変動情報を用いて前記予測対象の乗り物の混雑の状態を予測する、請求項４に記載の混雑率予測装置。
【請求項6】
前記処理部は、前記第１の計測値の計測時点の状況に応じて混雑の状態を予測する、請求項１乃至請求項５のいずれか１項に記載の混雑率予測装置。
【請求項7】
前記処理部は、前記乗り物を利用したユーザーがどこから前記乗り物に乗り、どこで前記乗り物から降りたかを示す乗降情報を用いて前記統計データを生成する、請求項１乃至請求項６のいずれか１項に記載の混雑率予測装置。
【請求項8】
前記処理部は、乗り物の運行に異常が発生している場合、混雑率の予測方法を変更する、請求項１乃至請求項７のいずれか１項に記載の混雑率予測装置。
【請求項9】
前記処理部は、前記第１の計測値の変化を用いて乗り物の運行に異常が発生していることを判定する、請求項８に記載の混雑率予測装置。
【請求項10】
前記処理部は、乗り物の運行に異常が発生している場合の前記予測方法で予測した混雑率から、乗り物の運行が正常になる時間を予測する、請求項８又は請求項９に記載の混雑率予測装置。
【請求項11】
混雑率予測装置が備えるプロセッサーを、
１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する処理部として機能させるプログラム。
１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する処理部として機能させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、混雑率予測装置及びプログラムに関する。
【背景技術】
【0002】
従来、鉄道などの乗り物を運用する運用者などは、乗り物の快適さなどサービスレベルの維持及び向上のため、乗り物の混雑の状態を知ることで、輸送設備及び運用などの改善策に取り組んでいる。当該運用者は、乗り物の混雑の状態を知るために混雑率（乗車率）などの指標を用いている。また、当該運用者などは、乗り物の混雑の状態を、混雑率の計測及びその統計分析などにより混雑区間及び混雑時間帯などの大まかな傾向として求めている。計測技術の発展により一部の区間や一部の乗り物について混雑率をリアルタイムに計測することが可能となってきているが、大規模な路線全体の混雑率をリアルタイムに推定する技術及び列車の車両毎など詳細な混雑率を推定する技術のため、更には未来の時刻の混雑率の変化を効率よく逐次予測するためには従来とは異なる新規な手法を用いることが有用であると考えられる。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－９９０６８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
本発明の実施形態が解決しようとする課題は、乗り物の混雑の状態を新規な方法で予測することができる混雑率予測装置及びプログラムを提供することである。
【課題を解決するための手段】
【0005】
実施形態の混雑率予測装置は、処理部を備える。処理部は、１又は複数の区間により構成される第１の区間での乗り物の混雑の状態の統計データと、前記第１の区間での前記乗り物の混雑の状態の第１の計測値を用いて、前記第１の区間での予測対象の乗り物の混雑の状態を予測する。
【発明の効果】
【0006】
本発明は、乗り物の混雑の状態を新規な方法で予測することができる。
【図面の簡単な説明】
【0007】
【図1】第１実施形態に係る混雑予測システム及び当該混雑予測システムに含まれる構成要素の要部構成の一例を示すブロック図。
【図4】号車別混雑分布をグラフ化した図。
【図5】変動表をグラフ化した図。
【図6】Ａ駅からＧ駅までの各駅区間における複数の列車の混雑率を示した図。
【図7】混雑率の時間変化の一例を示すグラフ。
【図8】差分の時間変化の一例を示すグラフ。
【図9】第２実施形態～第４実施形態に係る混雑予測システム及び当該混雑予測システムに含まれる構成要素の要部構成の一例を示すブロック図。
【図13】混雑率の時間変化の一例を示すグラフ。
【図14】差分混雑率の時間変化の一例を示すグラフ。
【発明を実施するための形態】
【0008】
以下、いくつかの実施形態に係る混雑予測システムについて図面を用いて説明する。なお、以下の実施形態の説明に用いる各図面は、各部の縮尺を適宜変更している場合がある。また、以下の実施形態の説明に用いる各図面は、説明のため、構成を省略して示している場合がある。また、各図面及び本明細書中において、同一の符号は同様の要素を示す。
【0009】
〔第１実施形態〕
図１は、第１実施形態に係る混雑予測システム１及び混雑予測システム１に含まれる構成要素の要部構成の一例を示すブロック図である。混雑予測システム１は、鉄道の各列車の混雑率を求めるシステムである。なお、混雑率は、例えば、列車又は車両の定員数に対する乗客数の割合である。ただし、混雑率は、他の定義であっても良い。混雑予測システム１は、一例として、混雑予測サーバー１００、運行管理システム２００、計測装置３００及び混雑率管理システム４００を含む。
図１は、第１実施形態に係る混雑予測システム１及び混雑予測システム１に含まれる構成要素の要部構成の一例を示すブロック図である。混雑予測システム１は、鉄道の各列車の混雑率を求めるシステムである。なお、混雑率は、例えば、列車又は車両の定員数に対する乗客数の割合である。ただし、混雑率は、他の定義であっても良い。混雑予測システム１は、一例として、混雑予測サーバー１００、運行管理システム２００、計測装置３００及び混雑率管理システム４００を含む。
【0010】
混雑予測サーバー１００、運行管理システム２００、計測装置３００及び混雑率管理システム４００は、ネットワークＮＷに接続する。ネットワークＮＷは、典型的にはインターネットを含む通信網である。ネットワークＮＷは、典型的にはＷＡＮ（wide area network）を含む通信網である。ネットワークＮＷは、イントラネットなどのプライベートネットワークを含む通信網であっても良い。ネットワークＮＷは、ＬＡＮ（local area network）を含む通信網であっても良い。また、ネットワークＮＷは、無線回線でも良いし有線回線でも良く、無線回線と有線回線とが混在していても良い。また、ネットワークＮＷは、専用線又は公衆携帯電話網などを含む通信網であっても良い。
【0011】
混雑予測サーバー１００は、鉄道の各列車の混雑率を求める装置である。混雑予測サーバー１００は、１つの装置であっても良いし、複数の装置からなる装置であっても良い。混雑予測サーバー１００は、一例として、プロセッサー１１０、ＲＯＭ（read-only memory）１２０、ＲＡＭ（random-access memory）１３０、補助記憶装置１４０及び通信Ｉ／Ｆ（interface）１５０を含む。そして、バス１６０などが、これら各部を接続する。なお、混雑予測サーバー１００は、混雑率予測装置の一例である。
【0012】
プロセッサー１１０は、混雑予測サーバー１００の動作に必要な演算及び制御などの処理を行うコンピューターの中枢部分であり、各種演算及び処理などを行う。プロセッサー１１０は、例えば、ＣＰＵ（central processing unit）、ＭＰＵ（micro processing unit）、ＳｏＣ（system on a chip）、ＤＳＰ（digital signal processor）、ＧＰＵ（graphics processing unit）、ＡＳＩＣ（application specific integrated circuit）、ＰＬＤ（programmable logic device）又はＦＰＧＡ（field-programmable gate array）などである。あるいは、プロセッサー１１０は、これらのうちの複数を組み合わせたものである。また、プロセッサー１１０は、これらにハードウェアアクセラレーターなどを組み合わせたものあっても良い。プロセッサー１１０は、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたファームウェア、システムソフトウェア及びアプリケーションソフトウェアなどのプログラムに基づいて、混雑予測サーバー１００の各種の機能を実現するべく各部を制御する。また、プロセッサー１１０は、当該プログラムに基づいて後述する処理を実行する。なお、当該プログラムの一部又は全部は、プロセッサー１１０の回路内に組み込まれていても良い。また、プロセッサー１１０は、処理部の一例である。
【0013】
ＲＯＭ１２０及びＲＡＭ１３０は、プロセッサー１１０を中枢としたコンピューターの主記憶装置である。
ＲＯＭ１２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ１２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ１２０は、プロセッサー１１０が各種の処理を行う上で使用するデータなども記憶する。
ＲＡＭ１３０は、データの読み書きに用いられるメモリである。ＲＡＭ１３０は、プロセッサー１１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ１３０は、典型的には揮発性メモリである。
ＲＯＭ１２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ１２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ１２０は、プロセッサー１１０が各種の処理を行う上で使用するデータなども記憶する。
ＲＡＭ１３０は、データの読み書きに用いられるメモリである。ＲＡＭ１３０は、プロセッサー１１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ１３０は、典型的には揮発性メモリである。
【0014】
補助記憶装置１４０は、プロセッサー１１０を中枢としたコンピューターの補助記憶装置である。補助記憶装置１４０は、例えばＥＥＰＲＯＭ（electric erasable programmable read-only memory）、ＨＤＤ（hard disk drive）又はフラッシュメモリなどである。補助記憶装置１４０は、上記のプログラムのうち、例えば、システムソフトウェア及びアプリケーションソフトウェアなどを記憶する。また、補助記憶装置１４０は、プロセッサー１１０が各種の処理を行う上で使用するデータ、プロセッサー１１０での処理によって生成されたデータ及び各種の設定値などを記憶する。
【0015】
また、補助記憶装置１４０は、混雑データベース１４１も記憶する。混雑データベース１４１は、後述の分析処理によって求められた混雑率などのデータを管理及び記憶するデータベースである。混雑予測サーバー１００は、混雑率の予測を行う際に混雑データベース１４１を参照する。
【0016】
通信Ｉ／Ｆ１５０は、混雑予測サーバー１００がネットワークＮＷなどを介して通信するためのインターフェースである。
【0017】
バス１６０は、コントロールバス、アドレスバス及びデータバスなどを含み、混雑予測サーバー１００の各部で授受される信号を伝送する。
【0018】
運行管理システム２００は、鉄道の運行管理などを行うシステムである。また、運行管理システム２００は、鉄道の運行に関する各種情報を記憶する。運行管理システム２００は、例えば、サーバーなどを含む。
【0019】
計測装置３００は、鉄道列車の各車両の混雑率を、センサーなどを用いて計測する装置である。当該センサーは、例えば、応荷重装置又はカメラなどである。応荷重装置は、例えば各車両に搭載される。応荷重装置は、車両の搭載荷重を計測するセンサーである。計測装置３００は、当該搭載荷重から、所定の計算式などを用いて混雑率を求める。また、カメラは、例えば、軌条の外側に設置され、車両を側面外側などから撮影する。あるいは、カメラは、車両の内部などに設置され、車両の内部を撮影する。計測装置３００は、カメラによって撮影された画像から乗客がどの程度乗っているかを画像認識することで、混雑率を計測する。計測装置３００によって計測される混雑率は、例えば、リアルタイムの計測値である。計測装置３００は、計測した混雑率を混雑率管理システム４００などに送信する。混雑率管理システム４００は、受信した混雑率を列車別、車両別、駅区間別に記憶する。また、混雑率管理システム４００は、混雑率の計測時点の駅又は駅区間の状況を示す状況データも関連付けて記憶する。当該状況は、例えば、日時、曜日、天気、天気予報、ダイヤ乱れなどの運行情報並びに近隣でのイベントの開催有無及び当該イベントの規模などである。また、混雑率管理システム４００は、混雑率の対象の列車の始発駅及び行き先、普通又は急行などの種別、車両の種別及び編成数、並びにその他の列車情報も関連付けて記憶する。なお、混雑率管理システム４００は、運行情報及び列車情報を例えば運行管理システム２００から取得する。
【0020】
なお、混雑率は人によって目視で計測されたものなどであっても良い。この場合、担当者などが、人によって計測された混雑率を混雑率管理システム４００に入力する。混雑率管理システム４００は、当該混雑率を記憶する。
【0021】
混雑率管理システム４００は、前述のように計測装置３００などによって計測された混雑率の計測値を記憶及び管理する。混雑率管理システム４００は、例えば、サーバーなどを含む。
【0022】
以下、第１実施形態に係る混雑予測システム１の動作を図２及び図３などに基づいて説明する。なお、動作説明における処理の内容は一例であって、同様な結果を得ることが可能な様々な処理を適宜に利用できる。図２及び図３は、混雑予測サーバー１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたプログラムに基づいて図２及び図３の処理を実行する。
プロセッサー１１０は、例えば、図２及び図３の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
プロセッサー１１０は、例えば、図２及び図３の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
【0023】
図２に示す処理は、混雑率の予測に用いるための各種データを混雑率などの過去の混雑率データを用いて求める処理（以下「分析処理」という。）を含む処理である。
図２のステップＳＴ１１において混雑予測サーバー１００のプロセッサー１１０は、分析処理を開始するか否かを判定する。なお、分析処理は、ステップＳＴ１２～ステップＳＴ１７の処理を示す。プロセッサー１１０は、例えば、所定の条件を満たした場合に分析処理を行うと判定する。所定の条件は、前回分析処理を行ってから所定の期間経過したこと、及び混雑率の予測値と混雑率の計測値との差が大きい状態が高い頻度で起きることなどである。混雑率の予測値と混雑率の計測値との差が大きい状態が高い頻度で起きている状態とは、例えば、当該差の二乗若しくは絶対値の平均値が所定より大きい状態、当該差の二乗若しくは絶対値が所定より大きい頻度が所定以上である状態、又はこれらと同値の状態などである。所定の条件は、例えば、分析処理を行うように指示する入力があったことである。当該入力は、例えば、混雑予測サーバー１００のコンソールなどを用いた操作入力に基づく。あるいは、当該入力は、他の装置などから送信されて通信Ｉ／Ｆ１５０へ入力されるコマンドなどに基づく。当該コマンドは、分析処理を行うように指示することを示す。
図２のステップＳＴ１１において混雑予測サーバー１００のプロセッサー１１０は、分析処理を開始するか否かを判定する。なお、分析処理は、ステップＳＴ１２～ステップＳＴ１７の処理を示す。プロセッサー１１０は、例えば、所定の条件を満たした場合に分析処理を行うと判定する。所定の条件は、前回分析処理を行ってから所定の期間経過したこと、及び混雑率の予測値と混雑率の計測値との差が大きい状態が高い頻度で起きることなどである。混雑率の予測値と混雑率の計測値との差が大きい状態が高い頻度で起きている状態とは、例えば、当該差の二乗若しくは絶対値の平均値が所定より大きい状態、当該差の二乗若しくは絶対値が所定より大きい頻度が所定以上である状態、又はこれらと同値の状態などである。所定の条件は、例えば、分析処理を行うように指示する入力があったことである。当該入力は、例えば、混雑予測サーバー１００のコンソールなどを用いた操作入力に基づく。あるいは、当該入力は、他の装置などから送信されて通信Ｉ／Ｆ１５０へ入力されるコマンドなどに基づく。当該コマンドは、分析処理を行うように指示することを示す。
【0024】
ステップＳＴ１２においてプロセッサー１１０は、分析処理に用いるデータ（以下「分析用データ」という。）を運行管理システム２００及び混雑率管理システム４００などから取得する。分析用データは、例えば、路線データ、時刻表、各列車及び各車両の各駅における混雑率の過去の所定の日時から現在までのデータなどを含む。プロセッサー１１０は、例えば、路線データ及び時刻表などのデータを運行管理システム２００から取得し、混雑率のデータを混雑率管理システム４００から取得する。
プロセッサー１１０は、分析用データを送信するように指示する要求を運行管理システム２００及び混雑率管理システム４００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該要求を運行管理システム２００及び混雑率管理システム４００に送信する。送信された当該要求は、運行管理システム２００及び混雑率管理システム４００によって受信される。そして、運行管理システム２００及び混雑率管理システム４００は、当該要求を受信したことに応じて分析用データを混雑予測サーバー１００に送信する。当該データは、混雑予測サーバー１００の通信Ｉ／Ｆ１５０によって受信される。
プロセッサー１１０は、分析用データを送信するように指示する要求を運行管理システム２００及び混雑率管理システム４００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該要求を運行管理システム２００及び混雑率管理システム４００に送信する。送信された当該要求は、運行管理システム２００及び混雑率管理システム４００によって受信される。そして、運行管理システム２００及び混雑率管理システム４００は、当該要求を受信したことに応じて分析用データを混雑予測サーバー１００に送信する。当該データは、混雑予測サーバー１００の通信Ｉ／Ｆ１５０によって受信される。
【0025】
ステップＳＴ１３においてプロセッサー１１０は、分析用データを用いて、各駅区間の列車平均混雑率を求める（算出する）。なお、駅区間の列車平均混雑率とは、駅を発車してから次の駅に着くまでの列車の混雑率の平均である。例えば、Ａ駅－Ｂ駅区間の列車平均混雑率は、Ａ駅を発車してからＢ駅に着くまでの列車の混雑率の平均である。Ａ駅－Ｂ駅区間の混雑率は、例えば、列車がＡ駅を発車又は通過する時点の混雑率でも良いしＢ駅に到着又は通過する時点での混雑率でも良いしＡ駅とＢ駅の間の位置に到着又は通過する時点での混雑率でも良い。なお、Ｂ駅は、Ａ駅の次の駅であるとする。また、列車平均混雑率は、所定の期間における列車の混雑率の平均である。したがって、複数車両からなる列車の列車平均混雑率は、当該列車の各車両の混雑率を平均した値と同じである。プロセッサー１１０は、列車平均混雑率を、例えば、出発時刻ごとに求める。出発時刻は、ダイヤ上の時刻であっても良いし、実際に計測した時刻であっても良い。一例として、プロセッサー１１０は、８時１０分発の列車の列車平均混雑率と、８時１４分発の列車の列車平均混雑率を別々に求める。あるいは、プロセッサー１１０は、出発時刻の時間帯ごとに列車平均混雑率を求めても良い。一例として、プロセッサー１１０は、８時００分から８時１５分までの時間帯に発車する列車の列車平均混雑率と、８時１５分から８時３０分までの時間帯に発車する列車の列車平均混雑率を求める。また、プロセッサー１１０は、出発時刻以外にも様々な条件ごとに列車平均混雑率を求める。なお、列車平均混雑率などの条件分けに用いる条件を以下「混雑条件」という。プロセッサー１１０は、混雑条件として以下に挙げた条件の一部又は全部を用いても良く、また、以下に挙げていない条件を用いても良い。当該条件は、例えば以下のようなものを挙げることができる。なお、プロセッサー１１０は、混雑条件による条件分けをせずに列車平均混雑率を求めても良い。
・曜日
・平日、土曜日及び日祝のいずれであるかなど。
・列車情報
・運行情報
・天気
・天気予報
・連休であるか否か。
・季節又は時期
・月日などの暦
・駅の近隣でイベントが開催されているか否か。またそのイベントの規模。
・曜日
・平日、土曜日及び日祝のいずれであるかなど。
・列車情報
・運行情報
・天気
・天気予報
・連休であるか否か。
・季節又は時期
・月日などの暦
・駅の近隣でイベントが開催されているか否か。またそのイベントの規模。
【0026】
一例として、プロセッサー１１０は、平日の８時１４分発の列車の列車平均混雑率と、日曜日の８時１４分発の列車の列車平均混雑率を別々に求める。別の一例として、プロセッサー１１０は、晴れの日の春の平日の８時１４分発の列車の列車平均混雑率と雨の日の春の平日の８時１４分発の列車の列車平均混雑率と晴れの日の夏の平日の８時１４分発の列車の列車平均混雑率とを別々に求める。
【0027】
また、プロセッサー１１０は、求めた列車平均混雑率を、当該列車平均混雑率の条件分けに用いた混雑条件を示す情報と関連付けて、混雑データベース１４１に記憶する。
【0028】
ステップＳＴ１４においてプロセッサー１１０は、分析用データを用いて号車別混雑分布を求める。号車別混雑分布は、列車についての車両（号車）ごとの混雑率を示す。プロセッサー１１０は、ステップＳＴ１３で求める列車平均混雑率と同様に、条件分けをして号車別混雑分布を求めても良いし、条件分けせずに号車別分布を求めても良い。また、プロセッサー１１０は、ステップＳＴ１３とは異なる混雑条件で号車別分布を求めても良い。号車別混雑分布は、例えば、各車両について、車両の平均の混雑率が列車平均混雑率の何倍であるかを示す。したがって、号車別混雑分布の値が１である車両の混雑率は、混雑条件が同一である列車平均混雑率と同じ値となる。
【0029】
また、プロセッサー１１０は、求めた号車別混雑分布を、当該号車別混雑分布の条件分けに用いた混雑条件を示す情報と関連付けて、混雑データベース１４１に記憶する。
【0030】
なお、プロセッサー１１０は、列車平均混雑率又は号車別混雑分布のうち、いずれかについて、今回の処理では求めずに、前回求めたものを用いても良い。この場合、プロセッサー１１０は、前回求めた列車平均混雑率又は号車別混雑分布を混雑データベース１４１から取得する。
【0031】
ステップＳＴ１５においてプロセッサー１１０は、号車別混雑率を求める。号車別混雑率は、各車両の混雑率である。プロセッサー１１０は、例えば、列車平均混雑率に各車両の号車別混雑分布をかける。これにより、プロセッサー１１０は、混雑条件ごとの各車両の混雑率を求めることができる。号車別混雑率は、列車平均混雑率に各車両の号車別混雑分布をかけたものであるので、列車平均混雑率と同様に条件分けされたものである。
【0032】
図４は、号車別混雑分布をグラフ化した図である。図４は、特定の混雑条件の列車についての号車別混雑率の一例を示している。当該列車は、１号車から８号車までの８両の車両を含むものとする。図４は、当該列車の１号車から８号車までのそれぞれの号車別混雑率を棒グラフで示している。また、折れ線Ｌａは、当該棒グラフを折れ線グラフとして示したものである。図４は、当該列車の列車平均混雑率を示す混雑率Ｃａも示している。図４に示す号車別混雑率では、１号車２号車、４号車及び５号車が列車平均混雑率よりも混雑率が低い。すなわち、これらの車両の号車別混雑分布の値は１未満である。そして、３号車、６号車、７号車及び８号車は、列車平均混雑率よりも混雑率が高い。すなわち、これらの車両の号車別混雑分布の値は１超である。
【0033】
ステップＳＴ１６においてプロセッサー１１０は、変動表を作成する。変動表は、例えば、列車の各車両についての、駅区間ごとの号車別混雑率の変動を示す表である。プロセッサー１１０は、例えば、号車別混雑率を用いて変動表を作成する。変動表は、号車別混雑率と同様に条件分けされたものであっても条件分けされていないものでも良い。プロセッサー１１０は、ある条件の変動表を作成する場合、当該ある条件に該当する号車別混雑率を用いて変動表を作成する。プロセッサー１１０は、一例としてデータクラスタリングにより変動表を作成する。ある条件の変動表中の特定の駅区間の特定の号車の混雑率は、条件、駅区間及び号車が同じ号車別混雑率の平均である。例えば、条件が晴れの日である変動表の９時００分のＢ駅－Ｃ駅区間の３号車の混雑率は、晴れの日の９時００分のＢ駅－Ｃ駅区間の３号車の号車別混雑率の平均である。当該号車別混雑率は、晴れの日の９時００分であればよく、季節などの変動表の条件に含まれない条件は何でも良い。あるいは、プロセッサー１１０は、号車別混雑率に代えて、混雑率管理システム４００に記憶された混雑率を用いても良い。変動表が条件分けされている場合、一例として、休日におけるＡ駅７時５０分始発の列車の各駅区間の平均混雑率などが変動表から分かる。なお、変動表は、駅区間ごとの列車の混雑の状態の変化を示す変動情報の一例である。また、変動表は、第１の区間と第２の区間の相関関係を示すデータの一例である。
【0034】
図５は、変動表をグラフ化した図である。図５は、特定の混雑条件の列車の特定の車両についての変動表の一例を示している。当該列車は、Ａ駅、Ｂ駅、Ｃ駅、Ｄ駅、Ｅ駅、Ｆ駅、Ｇ駅の順に進んでいく列車であるとする。図５は、当該特定の車両の各駅区間における号車別混雑率を棒グラフで示している。また、折れ線Ｌｂは、当該棒グラフを折れ線グラフとして示したものである。
【0035】
ステップＳＴ１７においてプロセッサー１１０は、各駅区間について混雑条件ごとに時系列モデルを作成する。時系列モデルは、例えば駅区間の列車の混雑率の時間変化を号車ごとに示す時間の関数である。プロセッサー１１０は、特定の混雑条件における特定の駅区間の時系列モデルを作成する場合、当該駅区間の当該混雑条件の号車別混雑率を用いる。プロセッサー１１０は、当該号車別混雑率から、最小二乗法、ＡＲ（autoregressive model）、ＡＲＭＡ（autoregressive moving average model）、ＡＲＩＭＡ（autoregressive integrated moving average model）又は状態空間モデルなどを使用して時系列モデルを求める。あるいは、プロセッサー１１０は、各号車別混雑率を時系列順に直線で結んだものを時系列モデルとしても良い。なお、時系列モデルは、駅区間での列車の混雑の状態の統計データの一例である。
【0036】
ステップＳＴ１８においてプロセッサー１１０は、分析処理で求めた号車別混雑率、変動表及び時系列モデルなどの各データを混雑データベース１４１などに記憶する。プロセッサー１１０は、ステップＳＴ１８の処理の後、ステップＳＴ１１へと戻る。
【0037】
図３に示す処理は、号車別混雑率及び変動表などを用いて混雑率を予測する処理を含む処理である。図６を用いて図３の処理について説明する。
図６は、Ａ駅からＧ駅までの各駅区間における複数の列車の混雑率を示した図である。当該混雑率は、例えば、計測装置３００によって計測される。混雑率Ａ１～混雑率Ｆ６までの各点の高さが混雑率を示す。ただし、図６に混雑率Ａ１～混雑率Ｆ６の符号を全て図示すると図が見づらくなるため、一部の符号は省略して図示していない。なお、混雑率を示す各点の符号は、左側のアルファベットと右側の数字の２つの部分を含んで成り立っている。一例として「Ａ１」であれば左側のアルファベットの「Ａ」と、右側の数字の「１」の２つの部分を含む。左側のアルファベットは、駅区間のうち、列車が先に到着する側の駅を示す。例えば、ＡであればＡ駅－Ｂ駅区間、ＢであればＢ駅－Ｃ駅区間、ＣであればＣ駅－Ｄ駅区間である。また、右側の数字は、駅区間を通る列車の順番を示す。なお、駅区間を列車が通る時点は、例えば、当該駅区間内の特定の位置を列車が通る時点を示す。当該位置は、例えば、駅区間の端の駅であっても良いし間の位置であっても良い。一例として、列車がＡ駅－Ｂ駅区間を通る時点とは、列車がＡ駅を発車若しくは通過する時点、Ｂ駅に到着若しくは通過する時点、又はＡ駅とＢ駅の間の特定の位置に到着若しくは通過する時点である。なお、駅区間を列車が通る時点は、実際に計測された時刻に限らず、ダイヤ上の時刻であっても良い。例えば、混雑率Ａ１は、Ａ駅－Ｂ駅区間を通る１番目の列車の混雑率を示す。この場合、混雑率Ａ２は、Ａ駅－Ｂ駅区間を通る２番目の列車の混雑率を示す。すなわち、混雑率Ａ１に対応する列車がＡ駅－Ｂ駅区間を通過した次にＡ駅－Ｂ駅区間を通る列車は混雑率Ａ２に対応する列車である。また例えば、混雑率Ｃ３は、Ｃ駅－Ｄ駅区間を通る３番目の列車の混雑率を示す。なお、右側の数字が１である符号に対応する列車が特定の駅区間を通るより前に当該駅区間を通る列車があっても良い。また、右側の数字が同じ場合、同じ列車を示す。したがって、混雑率Ａ１～混雑率Ｆ１は、全て同じ列車の混雑率を示す。ある特定の列車のＡ駅－Ｂ駅区間の混雑率が混雑率Ａ１、当該特定の列車のＢ駅－Ｃ駅区間の混雑率が混雑率Ｂ１、当該特定の列車のＣ駅－Ｄ駅区間の混雑率が混雑率Ｃ１、…といった具合である。なお、図６に示す混雑率は、特定の号車の混雑率を代表的に示している。特定の号車は、何号車であっても良いが、一例として混雑率Ａ１が３号車の混雑率を示したものであれば、混雑率Ａ１～混雑率Ｆ６は全て３号車の混雑率を示したものである。
図６は、Ａ駅からＧ駅までの各駅区間における複数の列車の混雑率を示した図である。当該混雑率は、例えば、計測装置３００によって計測される。混雑率Ａ１～混雑率Ｆ６までの各点の高さが混雑率を示す。ただし、図６に混雑率Ａ１～混雑率Ｆ６の符号を全て図示すると図が見づらくなるため、一部の符号は省略して図示していない。なお、混雑率を示す各点の符号は、左側のアルファベットと右側の数字の２つの部分を含んで成り立っている。一例として「Ａ１」であれば左側のアルファベットの「Ａ」と、右側の数字の「１」の２つの部分を含む。左側のアルファベットは、駅区間のうち、列車が先に到着する側の駅を示す。例えば、ＡであればＡ駅－Ｂ駅区間、ＢであればＢ駅－Ｃ駅区間、ＣであればＣ駅－Ｄ駅区間である。また、右側の数字は、駅区間を通る列車の順番を示す。なお、駅区間を列車が通る時点は、例えば、当該駅区間内の特定の位置を列車が通る時点を示す。当該位置は、例えば、駅区間の端の駅であっても良いし間の位置であっても良い。一例として、列車がＡ駅－Ｂ駅区間を通る時点とは、列車がＡ駅を発車若しくは通過する時点、Ｂ駅に到着若しくは通過する時点、又はＡ駅とＢ駅の間の特定の位置に到着若しくは通過する時点である。なお、駅区間を列車が通る時点は、実際に計測された時刻に限らず、ダイヤ上の時刻であっても良い。例えば、混雑率Ａ１は、Ａ駅－Ｂ駅区間を通る１番目の列車の混雑率を示す。この場合、混雑率Ａ２は、Ａ駅－Ｂ駅区間を通る２番目の列車の混雑率を示す。すなわち、混雑率Ａ１に対応する列車がＡ駅－Ｂ駅区間を通過した次にＡ駅－Ｂ駅区間を通る列車は混雑率Ａ２に対応する列車である。また例えば、混雑率Ｃ３は、Ｃ駅－Ｄ駅区間を通る３番目の列車の混雑率を示す。なお、右側の数字が１である符号に対応する列車が特定の駅区間を通るより前に当該駅区間を通る列車があっても良い。また、右側の数字が同じ場合、同じ列車を示す。したがって、混雑率Ａ１～混雑率Ｆ１は、全て同じ列車の混雑率を示す。ある特定の列車のＡ駅－Ｂ駅区間の混雑率が混雑率Ａ１、当該特定の列車のＢ駅－Ｃ駅区間の混雑率が混雑率Ｂ１、当該特定の列車のＣ駅－Ｄ駅区間の混雑率が混雑率Ｃ１、…といった具合である。なお、図６に示す混雑率は、特定の号車の混雑率を代表的に示している。特定の号車は、何号車であっても良いが、一例として混雑率Ａ１が３号車の混雑率を示したものであれば、混雑率Ａ１～混雑率Ｆ６は全て３号車の混雑率を示したものである。
【0038】
ここでは、混雑率Ｃ１～混雑率Ｃ４を用いて他の混雑率を予測する場合を例に図３の処理を説明する。この場合、Ｃ駅－Ｄ駅区間は、第１の区間の一例である。なお、第１の区間は、１つの駅区間で構成されていても良いし、複数の駅区間によって構成されていても良い。また、１つの駅区間の駅と駅の間に別の駅があっても良い。また、駅区間は、駅と駅の間に限らない。例えば、駅に代えて操車場、信号場又は停車場などであっても良い。
【0039】
図３のステップＳＴ２１においてプロセッサー１１０は、混雑率の予測を開始するか否かを判定する。例えば、プロセッサー１１０は、混雑率管理システム４００が計測装置３００から新たに列車の最新の混雑率を取得したことに応じて、当該列車の混雑率実測値を用いた混雑率の予測を開始すると判定する。プロセッサー１１０は、混雑率の予測を開始すると判定しないならば、ステップＳＴ２１においてＮｏと判定してステップＳＴ２１の処理を繰り返す。対して、プロセッサー１１０は、混雑率の予測を開始すると判定するならば、ステップＳＴ２１においてＹｅｓと判定してステップＳＴ２２へと進む。なお、混雑率管理システム４００が新たに取得した最新の混雑率は、ここでは混雑率Ｃ４であるとする。
【0040】
ステップＳＴ２２においてプロセッサー１１０は、混雑率の予測に使用する混雑率データを混雑率管理システム４００などから取得する。プロセッサー１１０は、ここで、リアルタイムの混雑率などを取得することができる。一例として、プロセッサー１１０は、当該混雑率データとして、混雑率Ｃ１～混雑率Ｃ４を取得する。また、プロセッサー１１０は、各混雑率データに関連付けて記憶されている状況データも取得する。混雑率Ｃ１～混雑率Ｃ４などの、ステップＳＴ２２において取得される同一駅区間の複数の混雑率データは、駅区間での列車の混雑の状態の第１の計測値の一例である。
【0041】
ステップＳＴ２３においてプロセッサー１１０は、混雑率の予測に使用する時系列モデル及び変動表などを混雑データベース１４１から取得する。混雑率の予測に使用される時系列モデルは、ステップＳＴ２２で取得された状況データが示す状況と一致する混雑条件の時系列モデルである。また、混雑率の予測に使用される時系列モデルは、ステップＳＴ２２で取得された混雑率データの駅区間と同一の駅区間の時系列モデルである。そして、混雑率の予測に使用される変動表は、ステップＳＴ２２で取得された状況データが示す状況と一致する混雑条件の変動表である。また、混雑率の予測に使用される変動表は、混雑率を予測する対象の列車についての変動表である。
【0042】
ステップＳＴ２４においてプロセッサー１１０は、ステップＳＴ２２で取得した混雑率データとステップＳＴ２３で取得した時系列モデルの差分を求める。図７を用いて、計測された混雑率データ、時系列モデル及び差分の関係を説明する。
図７は、混雑率の時間変化の一例を示すグラフである。図７のグラフは、横軸が時間（時刻）、縦軸が混雑率である。図７には、ステップＳＴ２２で取得された混雑率データの一例として点Ｐａをプロットしている。ただし、図７に示す点Ｐａは、混雑率Ｃ１～混雑率Ｃ４とは別の例である。曲線Ｌｃは、ステップＳＴ２３で取得される時系列モデルの一例を示す。また、差分Ｄａは、点Ｐａと曲線Ｌｃとの混雑率の差を示す。なお、差分Ｄａは、統計データと計測値の差分の一例を示す。
図７は、混雑率の時間変化の一例を示すグラフである。図７のグラフは、横軸が時間（時刻）、縦軸が混雑率である。図７には、ステップＳＴ２２で取得された混雑率データの一例として点Ｐａをプロットしている。ただし、図７に示す点Ｐａは、混雑率Ｃ１～混雑率Ｃ４とは別の例である。曲線Ｌｃは、ステップＳＴ２３で取得される時系列モデルの一例を示す。また、差分Ｄａは、点Ｐａと曲線Ｌｃとの混雑率の差を示す。なお、差分Ｄａは、統計データと計測値の差分の一例を示す。
【0043】
ステップＳＴ２５においてプロセッサー１１０は、ステップＳＴ２４で求めた差分から、差分の予測値を求める。例えば、プロセッサー１１０は、最小二乗法、ＡＲ、ＡＲＭＡ、ＡＲＩＭＡ又は状態空間モデルなどを使用して差分を時間の関数（以下「差分関数」という。）で示す。図８を用いて差分と差分関数の関係を説明する。
図８は、差分の時間変化の一例を示すグラフである。図８のグラフは、縦軸が混雑率の差分、横軸が時間である。点Ｐｂは、差分Ｄａをグラフにプロットしたものである。曲線Ｌｄは、差分Ｄａから求められた差分関数の一例を示す。差分関数を用いることで、最新の点Ｐｂよりも先の時間の差分を予測することが可能である。
図８は、差分の時間変化の一例を示すグラフである。図８のグラフは、縦軸が混雑率の差分、横軸が時間である。点Ｐｂは、差分Ｄａをグラフにプロットしたものである。曲線Ｌｄは、差分Ｄａから求められた差分関数の一例を示す。差分関数を用いることで、最新の点Ｐｂよりも先の時間の差分を予測することが可能である。
【0044】
ステップＳＴ２６においてプロセッサー１１０は、差分関数を用いて、図７の最新の点Ｐａよりも先の時間の混雑率を予測する。曲線Ｌｅは、混雑率の時間変化の予測値を示す時間の関数（以下「時系列予測関数」という。）であり、時系列モデルと差分関数を足した関数である。例えば、時系列モデルを関数Ｆａ（ｔ）、差分関数を関数Ｆｂ（ｔ）、時系列予測関数を関数Ｆｃ（ｔ）とすると、Ｆｃ（ｔ）＝Ｆａ（ｔ）＋Ｆｂ（ｔ）である。プロセッサー１１０は、時系列予測関数を用いることで、任意の時間における混雑率Ｆｃ（ｔ）を求めることができる。プロセッサー１１０は、例えば、駅区間を列車が通る時刻での混雑率を、時系列予測関数から求める。プロセッサー１１０は、一例として、時系列予測関数を用いて混雑率Ｃ５及び混雑率Ｃ６を求める。なお、プロセッサー１１０は、駅区間の混雑率を求める場合、当該駅区間のうち列車が先に到達する側の駅を当該列車が発車する時刻の混雑率を、時系列予測関数を用いて求める。一例として、プロセッサー１１０は、Ｃ駅－Ｄ駅区間の混雑率を求める場合、Ｃ駅を発車する時刻の混雑率を、時系列予測関数を用いて求める。あるいは、プロセッサー１１０は、駅区間の特定の位置を列車が通過又は到達する時刻の混雑率を、時系列予測関数を用いて求めても良い。なお、時系列予測関数は、駅区間での列車の混雑の状態の時間変化を予測する関数の一例である。
【0045】
ステップＳＴ２７においてプロセッサー１１０は、対象混雑率とステップＳＴ２３で取得した変動表を用いて、対象混雑率とは異なる駅区間の混雑率を推定する。対象混雑率は、ステップＳＴ２７の混雑率の推定に用いる既知の混雑率である。対象混雑率は、例えば、ステップＳＴ２２で取得された混雑率及びステップＳＴ２６で求められた混雑率である。プロセッサー１１０は、１つの対象混雑率（以下「混雑率Ｘａ」という。）と、混雑率Ｘａと列車及び号車が同じ変動表（以下「対象変動表」という。）を用いて、当該対象混雑率と同じ列車及び号車の、当該対象混雑率と異なる駅区間の混雑率を推定する。対象変動表のうち、混雑率Ｘａと同じ駅区間の混雑率を混雑率Ｙａとする。プロセッサー１１０は、混雑率Ｘａと混雑率Ｙａがどれだけ異なった値であるかを求める。一例として、プロセッサー１１０は、混雑率Ｘａと混雑率Ｙａがどれだけ異なった値であるかを示す値として、混雑率Ｘａと混雑率Ｙａの差αを求める。例えば、差αは、下式（１）で求めることができる。
α＝Ｘａ－Ｙａ （１）
ここで、推定対象の混雑率を混雑率Ｘｂとする。また、対象変動表のうち、混雑率Ｘｂと同じ駅区間の混雑率を混雑率Ｙｂとする。この場合、プロセッサー１１０は、例えば、下式（２）を用いて混雑率Ｘｂを求める。
Ｘｂ＝Ｙｂ＋α （２）
また、プロセッサー１１０は、混雑率Ｘａと混雑率Ｙａがどれだけ異なった値であるかを示す値として、混雑率Ｘａと混雑率Ｙａの比βを求める。例えば、比βは、下式（３）で求めることができる。
β＝Ｘａ÷Ｙａ （３）
この場合、プロセッサー１１０は、例えば、下式（４）を用いて混雑率Ｘｂを求める。
Ｘｂ＝Ｙｂ×β （４）
α＝Ｘａ－Ｙａ （１）
ここで、推定対象の混雑率を混雑率Ｘｂとする。また、対象変動表のうち、混雑率Ｘｂと同じ駅区間の混雑率を混雑率Ｙｂとする。この場合、プロセッサー１１０は、例えば、下式（２）を用いて混雑率Ｘｂを求める。
Ｘｂ＝Ｙｂ＋α （２）
また、プロセッサー１１０は、混雑率Ｘａと混雑率Ｙａがどれだけ異なった値であるかを示す値として、混雑率Ｘａと混雑率Ｙａの比βを求める。例えば、比βは、下式（３）で求めることができる。
β＝Ｘａ÷Ｙａ （３）
この場合、プロセッサー１１０は、例えば、下式（４）を用いて混雑率Ｘｂを求める。
Ｘｂ＝Ｙｂ×β （４）
【0046】
一例として、プロセッサー１１０は、ステップＳＴ２６で求めた混雑率Ｃ５と、混雑率Ｃ５と列車及び号車が同じ変動表とを用いて、混雑率Ａ５、混雑率Ｂ５、混雑率Ｄ５～混雑率Ｆ６を求める。この場合、混雑率Ｃ５が混雑率Ｘａで、混雑率Ａ５、混雑率Ｂ５、混雑率Ｄ５～混雑率Ｆ６が混雑率Ｘｂである。また、この場合、Ｃ駅－Ｄ駅区間が第１の区間の一例であり、Ａ駅－Ｂ駅区間、Ｂ駅－Ｃ駅区間、Ｄ駅－Ｅ駅区間、Ｅ駅－Ｆ駅区間及びＦ駅－Ｇ駅区間のそれぞれが第２の区間の一例である。
【0047】
ステップＳＴ２８においてプロセッサー１１０は、ステップＳＴ２７及びステップＳＴ２８で予測した混雑率を混雑データベース１４１に記憶する。
【0048】
ステップＳＴ２９においてプロセッサー１１０は、ステップＳＴ２７及びステップＳＴ２８で予測した混雑率を各種の装置に送信するように通信Ｉ／Ｆ１５０に対して指示する。当該各種の装置は、混雑率の推定値を用いて何らかの処理を行う装置である。当該各種の装置は、例えば、駅又は列車などに設置されたコンピューターなどである。当該コンピューターは、例えば、受信した混雑率を駅員又は列車の乗員などに報知する。当該コンピューターは、例えば、液晶ディスプレイなどのディスプレイに表示するなどして、混雑率を報知する。あるいは、当該各種の装置は、混雑率の推定値をユーザーに提供するサービスを提供するサーバーなどの装置である。当該サーバーは、ユーザーが使用するＰＣ（personal computer）又はスマートホンなどの端末などに、受信した混雑率を送信する。
プロセッサー１１０は、ステップＳＴ２９の処理の後、ステップＳＴ２１へと戻る。
プロセッサー１１０は、ステップＳＴ２９の処理の後、ステップＳＴ２１へと戻る。
【0049】
第１実施形態の混雑予測システム１によれば、混雑予測サーバー１００は、時系列モデル及び混雑率データを用いて混雑率を予測する。このように混雑予測サーバー１００は、新規な方法で混雑率を予測することができる。また、このような方法を用いることで、混雑予測サーバー１００は、従来よりも高精度に高速に混雑率の予測することができると考えられる。したがって、混雑予測サーバー１００は、大規模な路線全体の混雑率をリアルタイムに推定することができる。また、混雑予測サーバー１００は、列車の車両毎など詳細な混雑率を推定することができる。未来の時刻の混雑率の変化を効率よく逐次予測することができる。また、混雑予測サーバー１００は、大規模な路線ネットワークにおけるリアルタイムな混雑予測を効率よく、列車の車両単位で求めることができる。
【0050】
また、第１実施形態の混雑予測システム１によれば、混雑予測サーバー１００は、時系列予測関数を求め、時系列予測関数を用いて混雑率を予測する。このように混雑予測サーバー１００は、新規な方法で混雑率を予測することができる。また、このような方法を用いることで混雑予測サーバー１００は、従来よりも高精度に高速に混雑率の予測することができると考えられる。
【0051】
また、第１実施形態の混雑予測システム１によれば、混雑予測サーバー１００は、変動表を用いて混雑率を予測する。このように混雑予測サーバー１００は、新規な方法で混雑率を予測することができる。また、このような方法を用いることで、混雑予測サーバー１００は、従来よりも高精度に高速に混雑率の予測することができると考えられる。
【0052】
〔第２実施形態〕
第２実施形態の混雑予測システムは、旅客フローを推定して列車平均混雑率を求める。
図９は第２実施形態に係る混雑予測システム１ｂ及び混雑予測システム１ｂに含まれる構成要素の要部構成の一例を示すブロック図である。
混雑予測システム１ｂは、第１実施形態の混雑予測システム１に加えて改札システム５００を含む。改札システム５００は、ネットワークＮＷに接続する。
第２実施形態の混雑予測システムは、旅客フローを推定して列車平均混雑率を求める。
図９は第２実施形態に係る混雑予測システム１ｂ及び混雑予測システム１ｂに含まれる構成要素の要部構成の一例を示すブロック図である。
混雑予測システム１ｂは、第１実施形態の混雑予測システム１に加えて改札システム５００を含む。改札システム５００は、ネットワークＮＷに接続する。
【0053】
改札システム５００は、自動改札機及びサーバーなどを含む。改札システム５００は、旅客の改札内への入出場などの管理などを行うシステムである。改札システム５００は、各旅客の入出場情報を記録し、混雑予測サーバー１００に送信する。混雑予測サーバー１００の通信Ｉ／Ｆ１５０は、当該入出場情報を受信する。プロセッサー１１０は、当該入出場情報を混雑データベース１４１に記憶する。なお、入出場情報は、旅客の入場駅、入場時間、出場駅及び出場時間などを示す情報含む。入出場情報は、経由駅を示す情報を含んでも良い。なお、入出場情報は、旅客がどこから前記乗り物に乗り、どこで前記乗り物から降りたかを示す乗降情報の一例である。また、旅客は、列車のユーザーの一例である。
【0054】
以下、第２実施形態に係る混雑予測システム１ｂの動作を図１０及び図３などに基づいて説明する。図１０は、混雑予測サーバー１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたプログラムに基づいて図１０の処理を実行する。
プロセッサー１１０は、例えば、図１０の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
プロセッサー１１０は、例えば、図１０の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
【0055】
プロセッサー１１０は、第１実施形態の図２の処理に代えて図１０の処理を行う。また、プロセッサー１１０は、第１実施形態と同様に図３の処理を行う。第２実施形態の混雑予測システム１ｂの動作については、第１実施形態と異なる部分について説明する。
【0056】
プロセッサー１１０は、図１０のステップＳＴ１２の処理の後、ステップＳＴ３１へと進む。
ステップＳＴ３１においてプロセッサー１１０は、混雑データベース１４１から所定の期間分の入出場情報を取得する。ここで、プロセッサー１１０は、所定の期間の入出場情報のうち、運行が平常でない分を除いた、運行が平常である分の入出場情報を取得することが好ましい。なお、プロセッサー１１０は、例えば、どの期間の運行が平常であり、どの期間の運行が平常でないかを示す情報を運行管理システム２００から取得する。そして、プロセッサー１１０は、当該情報を用いることで、入出場情報から運行が平常で無い分を除く。
ステップＳＴ３１においてプロセッサー１１０は、混雑データベース１４１から所定の期間分の入出場情報を取得する。ここで、プロセッサー１１０は、所定の期間の入出場情報のうち、運行が平常でない分を除いた、運行が平常である分の入出場情報を取得することが好ましい。なお、プロセッサー１１０は、例えば、どの期間の運行が平常であり、どの期間の運行が平常でないかを示す情報を運行管理システム２００から取得する。そして、プロセッサー１１０は、当該情報を用いることで、入出場情報から運行が平常で無い分を除く。
【0057】
ステップＳＴ３２においてプロセッサー１１０は、ステップＳＴ３１で取得した入出場情報を用いて、各駅区間を通る人数を時間帯別に推定する。当該入出場情報は、ステップＳＴ３１で運行が平常でない分が除かれている場合には、運行が平常である分の入出場情報である。例えば、プロセッサー１１０は、ある駅ＳＴＡ１から入場して別のある駅ＳＴＡ２で出場した旅客がある駅区間ＳＳ１を通ったと推定できる。ただし、駅ＳＴＡ１から駅ＳＴＡ２までの経路が複数ある場合、駅ＳＴＡ１から入場して駅ＳＴＡ２で出場した旅客の全てが駅区間ＳＳ１を通ったわけではない場合がある。旅客がどの経路を通って駅ＳＴＡ１から駅ＳＴＡ２まで行くかは、予め割合が定められている。一例として、駅ＳＴＡ１から駅ＳＴＡ２までの経路が経路ＲＯ１～経路ＲＯ３の３種類ある場合、経路ＲＯ１を通る旅客が５０％、経路ＲＯ２を通る旅客が３０％、経路ＲＯ３を通る旅客が２０％といったように割合が定められている。プロセッサー１１０は、この割合に従い、駅ＳＴＡ１から乗って駅ＳＴＡ２で降りた旅客のうち、何人が駅区間ＳＳ１を通ったか人数を推定する。一例として、経路ＲＯ１のみが駅区間ＳＳ１を含む場合、プロセッサー１１０は、駅ＳＴＡ１から入場して駅ＳＴＡ２で出場した旅客のうち、５０％が駅区間ＳＳ１を通ったと推定する。また、プロセッサー１１０は、旅客が駅ＳＴＡ１に入場した時間から駅区間ＳＳ１を通った時間も推定する。一例として、プロセッサー１１０は、時刻ｔ１から時刻ｔ２までに入場した旅客は、時刻ｔ３に駅区間ＳＳ１を通ると推定する。時刻ｔ１及び時刻ｔ２と時刻ｔ３との関係は、例えば、時刻表などに基づき予め定められている。あるいは、プロセッサー１１０は、時刻表などから時刻ｔ３を算出しても良い。プロセッサー１１０は、入場駅と出場駅との組み合わせそれぞれについて、同様に駅区間ＳＳ１を通る人数を推定する。そして、プロセッサー１１０は、当該組み合わせごとの駅区間ＳＳ１を通る人数を通る時間帯ごとに足し合わせることで、時間帯別の駅区間ＳＳ１を通る人数を推定する。また、プロセッサー１１０は、駅区間ＳＳ１以外の駅区間についても同様に時間帯別の通る人数を推定する。
【0058】
ステップＳＴ３３においてプロセッサー１１０は、ステップＳＴ３２で推定した時間帯別の通る人数を用いて、時間帯別の列車平均混雑率を求める。例えば、駅区間ＳＳ１のある時間帯の通る人数がＮＰ１であるとする。また、駅区間ＳＳ１を当該時間帯に通る列車の定員を足し合わせた数をＣＡ１とする。この場合、当該時間帯の列車平均混雑率は、例えば、下式（５）で求めることができる。
（列車平均混雑率）＝ＮＰ１÷ＣＡ１ （５）
プロセッサー１１０は、各駅区間の各時間帯について同様に（５）式などを用いて列車平均混雑率を求める。プロセッサー１１０は、ステップＳＴ３３の処理の後、ステップＳＴ１４へと進む。なお、第２実施形態では、プロセッサー１１０は、第１実施形態のステップＳＴ１３で求める列車平均混雑率に代えて、ステップＳＴ３３で求める列車平均混雑率を用いて各処理を行う。
（列車平均混雑率）＝ＮＰ１÷ＣＡ１ （５）
プロセッサー１１０は、各駅区間の各時間帯について同様に（５）式などを用いて列車平均混雑率を求める。プロセッサー１１０は、ステップＳＴ３３の処理の後、ステップＳＴ１４へと進む。なお、第２実施形態では、プロセッサー１１０は、第１実施形態のステップＳＴ１３で求める列車平均混雑率に代えて、ステップＳＴ３３で求める列車平均混雑率を用いて各処理を行う。
【0059】
第２実施形態の混雑予測システム１ｂは、第１実施形態と同様の効果が得られる。
【0060】
また、第２実施形態の混雑予測システム１ｂによれば、混雑予測サーバー１００は、入出場情報を用いて混雑率を求める。これにより、混雑予測サーバー１００は、混雑率をより精度良く求めることができる。
【0061】
〔第３実施形態〕
第３実施形態の混雑予測システムは、走行中の列車の混雑率を用いて変動表を補正する。
第３実施形態の混雑予測システム１ｂの構成は、第２実施形態と同様であるので説明を省略する。なお、第３実施形態の混雑予測システムの構成は、第１実施形態と同様であっても良い。
第３実施形態の混雑予測システムは、走行中の列車の混雑率を用いて変動表を補正する。
第３実施形態の混雑予測システム１ｂの構成は、第２実施形態と同様であるので説明を省略する。なお、第３実施形態の混雑予測システムの構成は、第１実施形態と同様であっても良い。
【0062】
以下、第３実施形態に係る混雑予測システム１ｂの動作を図１０及び図１１などに基づいて説明する。図１１は、混雑予測サーバー１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたプログラムに基づいて図１１の処理を実行する。
プロセッサー１１０は、例えば、図１１の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
プロセッサー１１０は、例えば、図１１の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
【0063】
プロセッサー１１０は、第２実施形態の図３の処理に代えて図１１の処理を行う。また、第３実施形態のプロセッサー１１０は、第２実施形態と同様に図１０の処理を行う。第３実施形態の混雑予測システム１ｂの動作については、第２実施形態と異なる部分について説明する。
【0064】
プロセッサー１１０は、図１１のステップＳＴ２６の処理の後、ステップＳＴ４１へと進む。
ステップＳＴ４１においてプロセッサー１１０は、混雑率の予測対象の列車について、始発駅から現在走行中の位置までのうち、計測装置３００によって計測済みの混雑率を混雑率管理システム４００などから取得する。一例として、混雑率Ｄ５を予測する場合には、混雑率Ｄ５に対応する列車が予測対象の列車である。なお、ステップＳＴ４１で取得される混雑率を以下「実測混雑率」という。実測混雑率は、予測対象の乗り物の混雑の状態の第２の計測値の一例である。
ステップＳＴ４１においてプロセッサー１１０は、混雑率の予測対象の列車について、始発駅から現在走行中の位置までのうち、計測装置３００によって計測済みの混雑率を混雑率管理システム４００などから取得する。一例として、混雑率Ｄ５を予測する場合には、混雑率Ｄ５に対応する列車が予測対象の列車である。なお、ステップＳＴ４１で取得される混雑率を以下「実測混雑率」という。実測混雑率は、予測対象の乗り物の混雑の状態の第２の計測値の一例である。
【0065】
ステップＳＴ４２においてプロセッサー１１０は、実測混雑率を用いて対象変動表を補正する。例えば、プロセッサー１１０は、対象変動表の各駅区間の混雑率について、実測混雑率との差又は比などを求める。そして、プロセッサー１１０は、当該差又は比を用いて最小二乗法、ＡＲ、ＡＲＭＡ、ＡＲＩＭＡ又は状態空間モデルなどを使用して、予測対象の列車がまだ到達していない駅区間それぞれについての差又は比を予測する。そして、プロセッサー１１０は、予測した差又は比を用いて変動表を補正する。プロセッサー１１０は、ステップＳＴ４２の処理の後、ステップＳＴ２７へと進む。プロセッサー１１０は、補正済みの変動表を用いてステップＳＴ２７の処理を行う。
【0066】
第３実施形態の混雑予測システム１ｂは、第２実施形態と同様の効果が得られる。
【0067】
また、第３実施形態の混雑予測システム１ｂによれば、混雑予測サーバー１００は、計測装置３００によって計測された、混雑率の予測対象の列車の混雑率を用いて変動表を補正する。これにより、混雑予測サーバー１００は、混雑率をより精度良く求めることができる。
【0068】
〔第４実施形態〕
第４実施形態の混雑予測システムは、鉄道の運行に異常が発生した場合に、平常時とは異なる方法で混雑率を推定する。また、第４実施形態の混雑予測システムは、異常時の混雑率から平常時の混雑率へ復旧する見込み時間を推定する。
異常が発生した路線は、輸送手段の運行が大きく制約される場合が多い。また、異常の原因及び障害対策方法が多様である。さらに、旅客への対応も情報提供の内容によって多様となる。このため、異常が発生した路線に対する混雑状態の予測は、他の路線の混雑状態の予測に比べて難しい。したがって、例えば、異常が発生した路線に対しては、運転再開見込みの情報提供を優先することが好ましい。そして、異常が発生した路線に繋がる路線又は近隣の路線などへの混雑の影響、混雑状態の異常の予測及び平常状態への復旧時間の予測を第４実施形態の混雑予測システムを使用して推測することが考えられる。ただし、異常が発生した路線に対して第４実施形態の混雑予測システムを用いることも可能である。
第４実施形態の混雑予測システムは、鉄道の運行に異常が発生した場合に、平常時とは異なる方法で混雑率を推定する。また、第４実施形態の混雑予測システムは、異常時の混雑率から平常時の混雑率へ復旧する見込み時間を推定する。
異常が発生した路線は、輸送手段の運行が大きく制約される場合が多い。また、異常の原因及び障害対策方法が多様である。さらに、旅客への対応も情報提供の内容によって多様となる。このため、異常が発生した路線に対する混雑状態の予測は、他の路線の混雑状態の予測に比べて難しい。したがって、例えば、異常が発生した路線に対しては、運転再開見込みの情報提供を優先することが好ましい。そして、異常が発生した路線に繋がる路線又は近隣の路線などへの混雑の影響、混雑状態の異常の予測及び平常状態への復旧時間の予測を第４実施形態の混雑予測システムを使用して推測することが考えられる。ただし、異常が発生した路線に対して第４実施形態の混雑予測システムを用いることも可能である。
【0069】
第４実施形態の混雑予測システム１ｂの構成は、第３実施形態と同様であるので説明を省略する。
【0070】
以下、第４実施形態に係る混雑予測システム１ｂの動作を図１０～図１２などに基づいて説明する。図１２は、混雑予測サーバー１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたプログラムに基づいて図１２の処理を実行する。
プロセッサー１１０は、例えば、図１２の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
プロセッサー１１０は、例えば、図１２の処理を、混雑予測サーバー１００の起動又は混雑予測用のアプリケーションの起動などに基づいて開始する。
【0071】
第４実施形態のプロセッサー１１０は、第３実施形態と同様に図１０及び図１１の処理を行う。また、プロセッサー１１０は、第３実施形態の図１０の処理に加えて図１２の処理を行う。また、第４実施形態の混雑予測システム１ｂの動作については、第３実施形態と異なる部分について説明する。
【0072】
ステップＳＴ５１においてプロセッサー１１０は、予測対象の路線とは異なる路線又は予測対象の路線の運行に異常が発生したか否かを判定する。例えば、運行管理システム２００は、各路線の運行に異常が発生した場合、運行に異常が発生したことを通知する情報を混雑予測サーバー１００に送信する。当該情報は、混雑予測サーバー１００の通信Ｉ／Ｆ１５０によって受信される。プロセッサー１１０は、当該情報が受信されたことに応じて路線の運行に異常が発生したと判定する。あるいは、プロセッサー１１０は、混雑率の計測値の変化から、異常が発生したことを判定しても良い。
【0073】
図１３は、混雑率の時間変化の一例を示すグラフである。図１３のグラフは、縦軸が混雑率、横軸が時間である。図１３には、混雑率の計測値を点Ｐｃとしてプロットしている。また、折れ線Ｌｆは、点Ｐｃを結んだ折れ線である。そして、曲線Ｌｇは、正常時の混雑率の時間変化を示す。
【0074】
点Ｐｃは、例えば、特定の駅区間の列車又は車両の混雑率である。この場合、折れ線Ｌｆは、例えば、特定の駅区間における列車又は車両の混雑率の時間変化を示す。またこの場合、曲線Ｌｇは、例えば時系列モデルである。
あるいは、点Ｐｃは、特定の列車又は車両の時間ごとの混雑率である。この場合、折れ線Ｌｆは、例えば、特定の列車又は車両の混雑率の時間変化を示す。またこの場合、曲線Ｌｇは、例えば変動表をグラフ化したものである。
なお、曲線Ｌｇは、通常時用の変動表を用いて予測された混雑率のグラフであっても良い。
あるいは、点Ｐｃは、特定の列車又は車両の時間ごとの混雑率である。この場合、折れ線Ｌｆは、例えば、特定の列車又は車両の混雑率の時間変化を示す。またこの場合、曲線Ｌｇは、例えば変動表をグラフ化したものである。
なお、曲線Ｌｇは、通常時用の変動表を用いて予測された混雑率のグラフであっても良い。
【0075】
また、図１３には差分混雑率ＣＤも示している。差分混雑率ＣＤは、同じ時間の点Ｐｃと曲線Ｌｇとの差又は曲線Ｌｆと曲線Ｌｇとの差である。図１３では、代表的に、１つの点Ｐｃについての差分混雑率ＣＤを示している。
【0076】
図１４は、差分混雑率ＣＤの時間変化の一例を示すグラフである。点Ｐｄは、点Ｐｃと曲線Ｌｇとの差である差分混雑率ＣＤをプロットしたものである。また、線Ｌｈは、点Ｐｄを結んだ折れ線である。したがって、線Ｌｈは、差分混雑率ＣＤの時間変化を示す。また、図１４には、閾値ＣＤａも示している。閾値ＣＤａは、異常が発生しているか否かの境界を示す閾値である。
プロセッサー１１０は、例えば、最新の混雑率の計測値に基づく差分混雑率ＣＤが閾値ＣＤａ以上であるならば、路線の運行に異常が発生したと判定する。図１３及び図１４には、差分混雑率ＣＤが閾値ＣＤａ以上となった時刻として、時刻Ｔａを示している。
プロセッサー１１０は、例えば、最新の混雑率の計測値に基づく差分混雑率ＣＤが閾値ＣＤａ以上であるならば、路線の運行に異常が発生したと判定する。図１３及び図１４には、差分混雑率ＣＤが閾値ＣＤａ以上となった時刻として、時刻Ｔａを示している。
【0077】
プロセッサー１１０は、路線の運行に異常が発生したと判定しないならば、ステップＳＴ５１においてＮｏと判定してステップＳＴ５１の処理を繰り返す。対して、プロセッサー１１０は、路線の運行に異常が発生したと判定するならば、ステップＳＴ５１においてＹｅｓと判定してステップＳＴ５２へと進む。
【0078】
ステップＳＴ５２においてプロセッサー１１０は、図１１のステップＳＴ２６における混雑率の予測方法を通常時用のものから異常時用のものに変更する。異常時用の混雑率の予測方法を用いる場合、プロセッサー１１０は、例えば、ステップＳＴ２６の処理において求めた混雑率の予測値をｎ１倍する。あるいは、プロセッサー１１０は、ステップＳＴ２６の処理において求めた混雑率にｍ１ポイント足す。なお、ｎ１は、１以上の数である。ｍ１は、０以上の数である。また、混雑率には上限があっても良い。混雑率に上限を設ける場合、プロセッサー１１０は、混雑率をｎ１倍にすることで混雑率が上限以上となる場合、又は混雑率にｍ１ポイント足すことで混雑率が上限以上となる場合、計算結果に拘らず混雑率を上限の値にする。混雑率の上限は、例えば、満員状態を示す。すなわち、混雑率が上限である列車及び車両は満員状態となることが予想される。なお、駅区間ごとにｎ１又はｍ１の値が異なっていても良い。また、異常が発生した路線及び駅区間によってｎ１又はｍ１の値が異なっていても良い。また、混雑率の予測対象の路線及び駅区間によってｎ１又はｍ１の値が異なっていても良い。また、プロセッサー１１０は、ステップＳＴ２６の処理において求めた混雑率に基づく差分混雑率をｎ１倍するかｍ１足しても良い。そして、プロセッサー１１０は、当該差分混雑率から混雑率を求める。
図１３に示す混雑率が平坦となっている部分は、混雑率が上限となっている部分である。混雑率が平坦となっている部分は、時刻Ｔｃから時刻Ｔｄの範囲である。
図１３に示す混雑率が平坦となっている部分は、混雑率が上限となっている部分である。混雑率が平坦となっている部分は、時刻Ｔｃから時刻Ｔｄの範囲である。
【0079】
図１２のステップＳＴ５３においてプロセッサー１１０は、混雑率が正常化し始めたか否かを判定する。運行の異常を原因として混雑率は平常時より増加するが、運行が正常化するにつれて混雑率の増加量は減少する。プロセッサー１１０は、例えば、計測装置３００で計測された混雑率に基づき、混雑率の増加量が減少し始めたことを検知して、混雑率が正常化し始めたと判定する。あるいは、プロセッサー１１０は、運行管理システム２００から混雑率が正常化し始めたことを示す情報を受信したことに応じて混雑率が正常化し始めたと判定する。混雑率が正常化し始めたことを示す情報は、一例として、列車の運転再開を示す情報である。
【0080】
図１４には、閾値ＣＤｂを示している。閾値ＣＤｂは、混雑率が正常化し始めたか否かの境界を示す閾値である。プロセッサー１１０は、例えば、差分混雑率ＣＤが閾値ＣＤｂ以下となったならば混雑率が正常化し始めたと判定する。
【0081】
プロセッサー１１０は、混雑率が正常化し始めたと判定しないならば、ステップＳＴ５３においてＮｏと判定してステップＳＴ５３の処理を繰り返す。対して、プロセッサー１１０は、混雑率が正常化し始めたと判定するならば、ステップＳＴ５３においてＹｅｓと判定してステップＳＴ５４へと進む。
【0082】
ステップＳＴ５４においてプロセッサー１１０は、図１１のステップＳＴ２６における混雑率の予測方法を異常時用のものから正常化時用のものに変更する。正常化時用の予測方法は、例えば、異常時から正常時への過渡状態に用いるための方法である。正常化時用の混雑率の予測方法を用いる場合、プロセッサー１１０は、ステップＳＴ２６の処理において求めた混雑率の予測値をｎ２倍する。あるいは、プロセッサー１１０は、ステップＳＴ２６処理において求めた混雑率にｍ２ポイント足す。なお、ｎ２は、１以上の数である。ｍ２は、０以上の数である。ｎ２及びｍ２は、正常化し始めてからの経過時間ｔ１１が長いほど減少する値である。ｔ１１が０である場合、例えば、ｎ１＝ｎ２、ｍ１＝ｍ２である。一例として、ｎ２及びｍ２は、
ｎ２＝１＋（ｎ１－１）×ｅ（－ｔ１１/τ１） （６）
ｍ２＝ｍ１×ｅ（－ｔ１１/τ２） （７）
である。ここで、ｅは、ネイピア数である。また、τ１及びτ２は、時定数である。なお、ｎ２を示す関数は、（６）式に限らない。また、ｍ２を示す関数は、（７）式に限らない。また、プロセッサー１１０は、ステップＳＴ２６の処理において求めた混雑率に基づく差分混雑率をｎ２倍するかｍ２足しても良い。そして、プロセッサー１１０は、当該差分混雑率から混雑率を求める。なお、図１４の減衰曲線Ｌｉは、ステップＳＴ２６の処理において求めた混雑率に基づく差分混雑率をｎ２倍するかｍ２足した差分混雑率の時間変化を示す。
また、図１４に示す曲線Ｌｉは、ｎ２又はｍ２を用いて求めた混雑率に基づく差分混雑率ＣＤの時間変化の一例を示す曲線である。
ｎ２＝１＋（ｎ１－１）×ｅ（－ｔ１１/τ１） （６）
ｍ２＝ｍ１×ｅ（－ｔ１１/τ２） （７）
である。ここで、ｅは、ネイピア数である。また、τ１及びτ２は、時定数である。なお、ｎ２を示す関数は、（６）式に限らない。また、ｍ２を示す関数は、（７）式に限らない。また、プロセッサー１１０は、ステップＳＴ２６の処理において求めた混雑率に基づく差分混雑率をｎ２倍するかｍ２足しても良い。そして、プロセッサー１１０は、当該差分混雑率から混雑率を求める。なお、図１４の減衰曲線Ｌｉは、ステップＳＴ２６の処理において求めた混雑率に基づく差分混雑率をｎ２倍するかｍ２足した差分混雑率の時間変化を示す。
また、図１４に示す曲線Ｌｉは、ｎ２又はｍ２を用いて求めた混雑率に基づく差分混雑率ＣＤの時間変化の一例を示す曲線である。
【0083】
あるいは、プロセッサー１１０は、ｉ番目の点Ｐｄからの経過時間をｔ１２とし、ｎ２に代えてｎ３を、ｍ２に代えてｍ３を用いても良い。一例として、ｎ３及びｍ３は、
ｎ３＝１＋（ｎ１－１）×ｅ（－ｔ１２/τ３） （８）
ｍ３＝ｍ１×ｅ（－ｔ１２/τ４） （９）
である。
ｎ３＝１＋（ｎ１－１）×ｅ（－ｔ１２/τ３） （８）
ｍ３＝ｍ１×ｅ（－ｔ１２/τ４） （９）
である。
【0084】
プロセッサー１１０は、例えば図１４に示すような点Ｐｄを２つ以上用いて時定数τを求める。例えば、混雑率が正常化し始めてから最初の点Ｐｄの差分混雑率ＣＤをＲ１、２番目の点Ｐｄの差分混雑率ＣＤをＲ２、３番目の点Ｐｄの差分混雑率ＣＤをＲ３、…とする。また、（ｉ－１）番目の点Ｐｄの差分混雑率ＣＤをＲ（ｉ－１）、ｉ番目の点Ｐｄの差分混雑率ＣＤをＲｉとする。なお、ｉは、１以上Ｎ以下の任意の整数である。Ｎは、時定数τを求めるために用いることができる点Ｐｄの個数である。また、ｉ番目の点Ｐｄの時刻と（ｉ－１）番目の点Ｐｄの時刻との差はΔＴｉである。なお、ΔＴｉを総称してΔＴというものとする。ΔＴｉの値は、一定ではなくｉごとに異なる。あるいは、プロセッサー１１０は、ΔＴｉがｉにかかわらず一定となるように補正しても良い。時定数τは、例えば下式（１０）で表すことができる。なお、時定数τ１～時定数τ４を総称して時定数τというものとする。また、εは、推定誤差である。
（Ｒ（ｉ－１）／Ｒｉ） ∝ τ＋ε （１０）
プロセッサー１１０は、推定誤差εを、ｉ＝１～Ｎの範囲で平均値処理することで圧縮することにより求める。あるいは、プロセッサー１１０は、平均値処理をすることで、状態変化の追随を考慮して移動平均をとっても良い。
（Ｒ（ｉ－１）／Ｒｉ） ∝ τ＋ε （１０）
プロセッサー１１０は、推定誤差εを、ｉ＝１～Ｎの範囲で平均値処理することで圧縮することにより求める。あるいは、プロセッサー１１０は、平均値処理をすることで、状態変化の追随を考慮して移動平均をとっても良い。
【0085】
Ｒｉは、例えば、下式（１１）で表すことができる。
Ｒｉ＝（Ｒ（ｉ－１））×ｅ（－ΔＴｉ／τ） （１１）
したがって、プロセッサー１１０は、時定数τを例えば下式（１２）で求める。なお、ここで求められるτは、例えば時定数τ３又は時定数τ４である。また、ｌｎは、自然対数を示す。
τｉ＝ΔＴｉ×ｌｎ（Ｒｉ／（Ｒ（ｉ－１））） （１２）
なお、時定数τｉは、Ｒｉ及びＲ（ｉ－１）を用いて求めた時定数τを示す。ここで、ｉ＝１の場合について考える。ｉ＝１の場合、Ｒ（ｉ－１）は、Ｒ０である。Ｒ０は、Ｒ１に対応する点Ｐｄの１つ前の点Ｐｄの差分混雑率ＣＤを示す。なお、Ｒ０は、図１４には示していない。プロセッサー１１０は、Ｒ０に対応する点Ｐｄに対応する点Ｐｃの混雑率が上限である場合、誤差が大きくなるため、Ｒ２の値が分かるまで時定数τを求めなくても良い。そして、プロセッサー１１０は、Ｒ２の値を求めるなどしてＲ２の値が分かったならばｉ＝２の場合の（１２）式により時定数τを求める。なお、点Ｐｄに対応する点Ｐｃとは、曲線Ｌｇの値を引いて差分混雑率ＣＤを求める前の点Ｐｃである。したがって、点Ｐｄと点Ｐｄに対応する点Ｐｃとは時間は同じである。プロセッサー１１０は、時定数τを求めるまでは、混雑率の予測方法を異常時用のものから正常化時用のものに変更しなくても良い。
Ｒｉ＝（Ｒ（ｉ－１））×ｅ（－ΔＴｉ／τ） （１１）
したがって、プロセッサー１１０は、時定数τを例えば下式（１２）で求める。なお、ここで求められるτは、例えば時定数τ３又は時定数τ４である。また、ｌｎは、自然対数を示す。
τｉ＝ΔＴｉ×ｌｎ（Ｒｉ／（Ｒ（ｉ－１））） （１２）
なお、時定数τｉは、Ｒｉ及びＲ（ｉ－１）を用いて求めた時定数τを示す。ここで、ｉ＝１の場合について考える。ｉ＝１の場合、Ｒ（ｉ－１）は、Ｒ０である。Ｒ０は、Ｒ１に対応する点Ｐｄの１つ前の点Ｐｄの差分混雑率ＣＤを示す。なお、Ｒ０は、図１４には示していない。プロセッサー１１０は、Ｒ０に対応する点Ｐｄに対応する点Ｐｃの混雑率が上限である場合、誤差が大きくなるため、Ｒ２の値が分かるまで時定数τを求めなくても良い。そして、プロセッサー１１０は、Ｒ２の値を求めるなどしてＲ２の値が分かったならばｉ＝２の場合の（１２）式により時定数τを求める。なお、点Ｐｄに対応する点Ｐｃとは、曲線Ｌｇの値を引いて差分混雑率ＣＤを求める前の点Ｐｃである。したがって、点Ｐｄと点Ｐｄに対応する点Ｐｃとは時間は同じである。プロセッサー１１０は、時定数τを求めるまでは、混雑率の予測方法を異常時用のものから正常化時用のものに変更しなくても良い。
【0086】
混雑率の計測値を用いて求めた差分混雑率は、様々な誤差が含まれている。時定数τの推定値τｅは、
τｅ＝Ｅ［τｉ＋εｉ］＝Ｅ［τｉ］＋Ｅ［εｉ］ （１３）
と表すことができる。ここで、Ｅ［ｘ］はｘの期待値を示す。なお、τｉとεｉは独立とする。また、εｉは、時定数τｉについての推定誤差である。また、εｉは、各測定値などに含まれる誤差をまとめたものである。プロセッサー１１０は、次の式によりτｅを求めても良い。
τｅ≒（１／Ｎ）・Σ（ΔＴｉ・ｌｎ（Ｒｉ／Ｒ（ｉ－１）））＋（１／Ｎ）・Σ（εｉ） （１４）
ここで、右辺の第２項（１／Ｎ）・Σ（εｉ）は、０に近いため無視しても良い。すなわち、当該第２項を無視する場合、プロセッサー１１０は、Ｎ個のτｉの平均値をτｅとする。プロセッサー１１０は、時定数の推定値τｅを時定数τとして用いても良い。
τｅ＝Ｅ［τｉ＋εｉ］＝Ｅ［τｉ］＋Ｅ［εｉ］ （１３）
と表すことができる。ここで、Ｅ［ｘ］はｘの期待値を示す。なお、τｉとεｉは独立とする。また、εｉは、時定数τｉについての推定誤差である。また、εｉは、各測定値などに含まれる誤差をまとめたものである。プロセッサー１１０は、次の式によりτｅを求めても良い。
τｅ≒（１／Ｎ）・Σ（ΔＴｉ・ｌｎ（Ｒｉ／Ｒ（ｉ－１）））＋（１／Ｎ）・Σ（εｉ） （１４）
ここで、右辺の第２項（１／Ｎ）・Σ（εｉ）は、０に近いため無視しても良い。すなわち、当該第２項を無視する場合、プロセッサー１１０は、Ｎ個のτｉの平均値をτｅとする。プロセッサー１１０は、時定数の推定値τｅを時定数τとして用いても良い。
【0087】
ステップＳＴ５５においてプロセッサー１１０は、運行が正常になるまでの時間ΔＴｂ及び運行が正常になる時刻Ｔｂを推定する。時刻Ｔｂは、例えば、ステップＳＴ５４でｎ２をかけるかｍ２を足すことによって求めた混雑率に基づく差分混雑率が閾値ＣＤａ以下となる時刻である。運行が正常になるまでの時間ΔＴｂは、現在時刻から時刻Ｔｂまでの時間である。
【0088】
あるいは、プロセッサー１１０は、Ｒｉ及びＲ（ｉ－１）から時刻Ｔｂを推定しても良い。例えば、プロセッサー１１０は、ｉ番目の点Ｐｄと（ｉ－１）番目の点Ｐｄを結んだ直線ＳＬｉの傾きｍを求める。傾きｍは、例えば、
ｍ＝（（Ｒｉ－Ｒ（ｉ－１））／ΔＴｉ） （１５）
で求めることができる。また、プロセッサー１１０は、ｉ番目の点Ｐｄの時刻Ｔｉと点Ｑの時刻ＴＱとの差の時間Ｔｘｉを求める。なお、点Ｑは、直線ＳＬｉが閾値ＣＤａを示す直線と交わる点である。換言すると、点Ｑは、直線ＳＬｉ上の、差分混雑率ＣＤがＣＤａである点である。時間Ｔｘｉは、例えば、
Ｔｘｉ＝ΔＴｉ－Ｒｉ／ｍ （１６）
で求めることができる。プロセッサー１１０は、例えば、時刻Ｔｉから時刻Ｔｂまでの時間Ｔｂｉを求める。時間Ｔｂｉは、例えば
Ｔｂｉ＝Ｔｘｉ×γ１ （１７）
で求めることができる。ここで、係数γ１は、予め定められた所定の係数である。また、プロセッサー１１０は、時刻Ｔｂを推定する。時刻Ｔｂは、例えば、
Ｔｂ＝Ｔｉ＋Ｔｂｉ （１８）
で求めることができる。
ｍ＝（（Ｒｉ－Ｒ（ｉ－１））／ΔＴｉ） （１５）
で求めることができる。また、プロセッサー１１０は、ｉ番目の点Ｐｄの時刻Ｔｉと点Ｑの時刻ＴＱとの差の時間Ｔｘｉを求める。なお、点Ｑは、直線ＳＬｉが閾値ＣＤａを示す直線と交わる点である。換言すると、点Ｑは、直線ＳＬｉ上の、差分混雑率ＣＤがＣＤａである点である。時間Ｔｘｉは、例えば、
Ｔｘｉ＝ΔＴｉ－Ｒｉ／ｍ （１６）
で求めることができる。プロセッサー１１０は、例えば、時刻Ｔｉから時刻Ｔｂまでの時間Ｔｂｉを求める。時間Ｔｂｉは、例えば
Ｔｂｉ＝Ｔｘｉ×γ１ （１７）
で求めることができる。ここで、係数γ１は、予め定められた所定の係数である。また、プロセッサー１１０は、時刻Ｔｂを推定する。時刻Ｔｂは、例えば、
Ｔｂ＝Ｔｉ＋Ｔｂｉ （１８）
で求めることができる。
【0089】
あるいは、プロセッサー１１０は、時間Ｔｘｉに代えて時間Ｔｘ（ｉ－１）を、時間Ｔｂｉに代えて時間Ｔｂ（ｉ－１）を求めても良い。時間Ｔｘ（ｉ－１）は、（ｉ－１）番目の点Ｐｄの時刻Ｔｉと点Ｑの時刻ＴＱとの差である。時間Ｔｂ（ｉ－１）は、（ｉ－１）番目の点Ｐｄの時刻Ｔ（ｉ－１）から時刻Ｔｂまでの時間である。時間Ｔｘ（ｉ－１）は、
Ｔｘ（ｉ－１）＝ΔＴ（ｉ－１）－（Ｒ（ｉ－１））／ｍ （１９）
で求めることができる。また、時間Ｔｂ（ｉ－１）は、例えば、
Ｔｂ（ｉ－１）＝Ｔｘ（ｉ－１）×γ２ （２０）
で求めることができる。ここで、係数γ２は、予め定められた所定の係数である。また、プロセッサー１１０は、時刻Ｔｂを推定する。時刻Ｔｂは、例えば、
Ｔｂ＝Ｔ（ｉ－１）＋Ｔｂ（ｉ－１） （２１）
で求めることができる。
Ｔｘ（ｉ－１）＝ΔＴ（ｉ－１）－（Ｒ（ｉ－１））／ｍ （１９）
で求めることができる。また、時間Ｔｂ（ｉ－１）は、例えば、
Ｔｂ（ｉ－１）＝Ｔｘ（ｉ－１）×γ２ （２０）
で求めることができる。ここで、係数γ２は、予め定められた所定の係数である。また、プロセッサー１１０は、時刻Ｔｂを推定する。時刻Ｔｂは、例えば、
Ｔｂ＝Ｔ（ｉ－１）＋Ｔｂ（ｉ－１） （２１）
で求めることができる。
【0090】
また、時間ΔＴｂは、時刻Ｔｂから現在時刻を引くことで求めることができる。
なお、時刻Ｔｂ及び時間ΔＴｂを求める各式は上に示したものに限定しない。
なお、時刻Ｔｂ及び時間ΔＴｂを求める各式は上に示したものに限定しない。
【0091】
また、プロセッサー１１０は、運行が正常になるまでの時間ΔＴｂ及び時刻Ｔｂを、例えば、ステップＳＴ２９と同様に各種の装置に送信する。各種の装置は、例えば、ディスプレイに表示するなどして、運行が正常になるまでの時間ΔＴｂ及び時刻Ｔｂを報知する。各種の装置は、例えば、ユーザーが使用する端末などに運行が正常になるまでの時間ΔＴｂ及び時刻Ｔｂを送信する。なお、プロセッサー１１０は、ステップＳＴ５１とステップＳＴ５５において共通の閾値ＣＤａを用いている。しかしながら、プロセッサー１１０は、ステップＳＴ５１とステップＳＴ５５で異なる閾値を用いても良い。
【0092】
ステップＳＴ５６においてプロセッサー１１０は、運行が正常になったか否かを判定する。プロセッサー１１０は、例えば、混雑率が正常化し始めてから所定の時間経過したならば、運行が正常になったと判定する。あるいは、プロセッサー１１０は、運行管理システム２００から運行が正常になったことを示す情報を受信したことに応じて運行が正常になったと判定する。あるいは、プロセッサー１１０は、計測装置３００で計測された混雑率が所定の正常範囲内となって事に応じて運行が正常になったと判定する。プロセッサー１１０は、運行が正常になったと判定しないならば、ステップＳＴ５６においてＮｏと判定してステップＳＴ５７へと進む。対して、プロセッサー１１０は、運行が正常になったと判定するならば、ステップＳＴ５６においてＹｅｓと判定してステップＳＴ５７へと進む。
【0093】
ステップＳＴ５７においてプロセッサー１１０は、時系列モデル及び変動表を正常化時用のものから通常時用のものに変更する。すなわち、プロセッサー１１０は、図１１のステップＳＴ２６において求めた混雑率をそのまま用いる。プロセッサー１１０は、図１２のステップＳＴ５７の処理の後、ステップＳＴ５１へと戻る。
【0094】
第４実施形態の混雑予測システム１ｂは、第３実施形態と同様の効果が得られる。
【0095】
また、第４実施形態の混雑予測システム１ｂによれば、混雑予測サーバー１００は、運行に異常が発生した場合、異常時用の混雑率の予測方法を用いて混雑率を予測する。これにより、混雑予測サーバー１００は、運行に異常が発生している場合の混雑率をより精度良く求めることができる。また、混雑予測サーバー１００は、ダイヤ乱れ等により混雑状態が過渡的に異常な状態になった場合に、異常な混雑状態から平常状態に収束する時間の予測ができる。
【0096】
上記の実施形態は、以下のような変形も可能である。
上記の実施形態では、プロセッサー１１０は、ステップＳＴ２４～ステップＳＴ２６において差分を用いて混雑率を予測した。しかしながら、プロセッサー１１０は、差分に代えて比を用いて混雑率を予測しても良い。
上記の実施形態では、プロセッサー１１０は、ステップＳＴ２４～ステップＳＴ２６において差分を用いて混雑率を予測した。しかしながら、プロセッサー１１０は、差分に代えて比を用いて混雑率を予測しても良い。
【0097】
上記の実施形態においては混雑率管理システム４００が実行する処理の一部又は全部を混雑予測サーバー１００又は運行管理システム２００が実行しても良い。上記の実施形態において運行管理システム２００が実行する処理の一部又は全部を混雑予測サーバー１００又は混雑率管理システム４００が実行しても良い。上記の実施形態において混雑予測サーバー１００が実行する処理の一部又は全部を運行管理システム２００又は混雑率管理システム４００が実行しても良い。
【0098】
上記の実施形態において混雑率管理システム４００が記憶する情報の一部又は全部を混雑予測サーバー１００又は運行管理システム２００が記憶しても良い。上記の実施形態において運行管理システム２００が記憶する情報の一部又は全部を混雑予測サーバー１００又は混雑率管理システム４００が記憶しても良い。上記の実施形態において混雑予測サーバー１００が記憶する情報の一部又は全部を運行管理システム２００又は混雑率管理システム４００が記憶しても良い。
【0099】
混雑予測システム１は、混雑率に代えて、混雑率以外の乗り物の混雑の状態を示す値を用いても良い。
【0100】
混雑予測システム１は、平均値に代えて中央値などを用いても良い。
【0101】
上記の実施形態の混雑予測システム１は、鉄道の混雑率を予測するシステムである。しかしながら、実施形態の混雑予測システムは、鉄道以外の乗り物の混雑率を予測するシステムであっても良い。例えば、実施形態の混雑予測システムは、路線バス、トロリーバス、ガイドウェイバス若しくはその他のバス、船舶、航空機、エレベーター又はその他の乗り物の混雑率を予測する。
【0102】
混雑予測サーバー１００は、複数の装置に分かれていても良い。そして、当該複数の装置は、上記の実施形態における処理を分担して処理しても良い。
【0103】
プロセッサー１１０は、上記実施形態においてプログラムによって実現する処理の一部又は全部を、回路のハードウェア構成によって実現するものであっても良い。
【0104】
実施形態の処理を実現するプログラムは、例えば装置に記憶された状態で譲渡される。しかしながら、当該装置は、当該プログラムが記憶されない状態で譲渡されても良い。そして、当該プログラムが別途に譲渡され、当該装置へと書き込まれても良い。このときのプログラムの譲渡は、例えば、リムーバブルな記憶媒体に記録して、あるいはインターネット又はＬＡＮなどのネットワークを介したダウンロードによって実現できる。
【0105】
以上、本発明の実施形態を説明したが、例として示したものであり、本発明の範囲を限定するものではない。本発明の実施形態は、本発明の要旨を逸脱しない範囲において種々の態様で実施可能である。
【符号の説明】
【0106】
１，１ｂ 混雑予測システム
１００ 混雑予測サーバー
１１０ プロセッサー
１２０ ＲＯＭ
１３０ ＲＡＭ
１４０ 補助記憶装置
１４１ 混雑データベース
１５０ 通信Ｉ／Ｆ
１６０ バス
２００ 運行管理システム
３００ 計測装置
４００ 混雑率管理システム
５００ 改札システム
１００ 混雑予測サーバー
１１０ プロセッサー
１２０ ＲＯＭ
１３０ ＲＡＭ
１４０ 補助記憶装置
１４１ 混雑データベース
１５０ 通信Ｉ／Ｆ
１６０ バス
２００ 運行管理システム
３００ 計測装置
４００ 混雑率管理システム
５００ 改札システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】