特開 2024-122408 障害事象推定装置、及びプログラム

(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】P2024122408

(43)【公開日】2024-09-09

(54)【発明の名称】障害事象推定装置、及びプログラム

(51)【国際特許分類】

   G06Q 50/40 20240101AFI20240902BHJP

【ＦＩ】

G06Q50/30

【審査請求】有

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023029933

(22)【出願日】2023-02-28

(11)【特許番号】

(45)【特許公報発行日】2023-10-12

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 「鉄道業界向けＡＩさくらさん活用提案」のプレゼン資料。（ 令和４年１２月７日 新幹線メンテナンス東海株式会社（ＪＲ東海東京駅構内）にて特許を受ける権利を有する者がプレゼン資料として使用。 ）

(71)【出願人】

【識別番号】500388176

【氏名又は名称】株式会社ティファナ ドットコム

(74)【代理人】

【識別番号】100104776

【弁理士】

【氏名又は名称】佐野 弘

(74)【代理人】

【識別番号】100119194

【弁理士】

【氏名又は名称】石井 明夫

(72)【発明者】

【氏名】藤井 亮

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC41

5L050CC41

(57)【要約】

【課題】 施設の利用者に関する障害事象の発生を推定することができる障害事象推定装置、及びプログラムを提供する。
【解決手段】
１又は２以上の施設における利用者に関する障害事象の発生を推定する障害事象推定装置が、所定期間における利用者の動向に依存する情報及び／又は気象に依存する気象情報を含む施設環境情報と、障害が発生した施設における場所及び日時を含む障害情報を教師データとして機械学習により生成した推定モデルを用いて、指定された期間における日時の各々について障害事象発生率を推定する。
【選択図】 図１

【特許請求の範囲】

【請求項1】

一又は二以上の施設における利用者に関する障害事象の発生を推定する障害事象推定装置であって、
前記施設の所定期間における前記利用者の動向に依存する動向情報、及び／又は、前記施設の気象に依存する気象情報、を含む施設環境情報と、前記障害事象が発生した前記施設における場所及び日時を含む障害事象情報と、を教師データとして、指定された日時における前記施設の障害事象発生率を推定する推定モデルを機械学習により生成する機械学習部と、
前記推定モデルを用いて、指定された期間における前記日時の各々について前記施設の障害事象発生率を推定する推定部と、
前記推定した障害事象発生率に基づいて、前記障害事象の発生が推定される前記施設及び／又は前記施設における場所を表示する、障害事象推定表示部と、
を備えることを特徴とする、障害事象推定装置。

【請求項2】

前記施設は鉄道駅であり、
前記障害事象推定表示部は、前記障害事象の発生が推定される前記鉄道駅を路線図上に表示する
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項3】

前記障害事象推定表示部は、さらに、前記障害事象の発生が推定される場所を前記鉄道駅の構内図上に表示する
ことを特徴とする、請求項２記載の障害事象推定装置。

【請求項4】

前記施設環境情報は、前記施設の前記所定期間における混雑度合いを示す情報であることを特徴とする、請求項１に記載の障害事象推定装置。

【請求項5】

前記施設環境情報は、前記所定の期間における、前記施設周辺の季節を示す情報、及び／又は、天気を示す情報、及び／又は、気象を示す情報を含む
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項6】

前記施設環境情報は、前記施設の所定位置における照度を示す情報を含む
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項7】

前記障害事象情報は、さらに、前記障害事象の種別を示す情報を含み、
前記障害事象推定表示部は、前記発生が推定される障害事象を前記種別とともに表示する
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項8】

前記障害事象推定装置が、さらに、
前記推定した障害事象発生率に基づいて、前記障害事象に対応する人員の配置を決定する対応人員決定部を備える
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項9】

コンピュータを請求項１乃至８の何れか一つに記載の障害事象推定装置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、施設の利用者に関する障害事象の発生を推定することができる障害事象推定装置、及びプログラムに関する。

【背景技術】

【0002】

施設や区域における混雑を情報処理技術によって予測する装置として、例えば特許文献１の混雑予測装置が知られている。特許文献１の技術は、対象エリアにおける人流に係る情報と、対象エリア近傍の施設における人流に係る情報に基づいて、対象エリアの人流を予測する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－０３４３５８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

施設等の混雑は、施設内外に関する案内員や事故防止のための警備員等、人員によって対処することが求められる。従来技術は、混雑を予想することで必要とされる人員も事前に予想することができ、有用である。

【0005】

一方で、人員による対応が求められる事象としては、施設等の混雑の他、利用者間のトラブルや人身事故その他の利用者に関する障害事象が存在する。特に、鉄道その他の公共交通機関では安全・安定輸送の確保のため、人身事故や駅舎内の事故その他の障害に対して迅速な対処を行うための人員を確保することが求められており、利用者に関する障害事象の発生を推定することが求められていた。

【0006】

この発明は上記の問題に鑑みてなされたものであり、施設の利用者に関する障害事象の発生を推定することができる障害事象推定装置、及びプログラムを提供する点にある。

【課題を解決するための手段】

【0007】

かかる課題を解決するために、請求項１の発明に係る障害事象推定装置は、一又は二以上の施設における利用者に関する障害事象の発生を推定する障害事象推定装置であって、前記施設の所定期間における前記利用者の動向に依存する動向情報、及び／又は、前記施設の気象に依存する気象情報、を含む施設環境情報と、前記障害事象が発生した前記施設における場所及び日時を含む障害事象情報と、を教師データとして、指定された日時における前記施設の障害事象発生率を推定する推定モデルを機械学習により生成する機械学習部と、前記推定モデルを用いて、指定された期間における前記日時の各々について前記施設の障害事象発生率を推定する推定部と、前記推定した障害事象発生率に基づいて、前記障害事象の発生が推定される前記施設及び／又は前記施設における場所を表示する、障害事象推定表示部と、を備えることを特徴とする。

【0008】

請求項２の発明は、請求項１の発明において、前記施設は鉄道駅であり、前記障害事象推定表示部は、前記障害事象の発生が推定される前記鉄道駅を路線図上に表示することを特徴とする。

【0009】

請求項３の発明は、請求項２の発明において、前記障害事象推定表示部は、さらに、前記障害事象の発生が推定される場所を前記鉄道駅の構内図上に表示することを特徴とする。

【0010】

請求項４の発明は、請求項１の発明において、前記施設環境情報は、前記施設の前記所定期間における混雑度合いを示す情報であることを特徴とする。

【0011】

請求項５の発明は、請求項１の発明において、前記施設環境情報は、前記所定の期間における、前記施設周辺の季節を示す情報、及び／又は、天気を示す情報、及び／又は、気象を示す情報を含むことを特徴とする。

【0012】

請求項６の発明は、請求項１の発明において、前記施設環境情報は、前記施設の所定位置における照度を示す情報を含むことを特徴とする。

【0013】

請求項７の発明は、請求項１の発明において、前記障害事象情報は、さらに、前記障害事象の種別を示す情報を含み、前記障害事象推定表示部は、前記発生が推定される障害事象を前記種別とともに表示することを特徴とする。

【0014】

請求項８の発明は、請求項１の発明において、前記障害事象推定装置が、さらに、前記推定した障害事象発生率に基づいて、前記障害事象に対応する人員の配置を決定する対応人員決定部を備えることを特徴とする。

【0015】

請求項９の発明は、コンピュータ読み取り可能なプログラムであって、コンピュータを請求項１乃至８の何れか一つに記載の障害事象推定装置として機能させることを特徴とする。

【発明の効果】

【0016】

本発明の構成によれば、所定の期間における、施設利用者の動向に依存する動向情報及び／又は施設の気象に依存する気象情報を含む施設環境情報と、障害事象が発生した施設における場所及び日時を含む障害事象情報に基づいて推定モデルを機械学習により生成するので、当該生成した推定モデルを用いて、指定した期間における施設の利用者に関する障害事象の発生を推定することができる。

【図面の簡単な説明】

【0017】

【図1】本発明の実施の形態に係る障害事象推定装置の構成を概念的に示す図である。

【図2】本発明の実施の形態に係る推定モデル生成の流れを示すフロー図である。

【図3】本発明の実施の形態に係る推定モデルの構成を概念的に示すブロック図である。

【図4】本発明の実施の形態に係る障害事象推定の流れを示すフロー図である。

【図5】本発明の実施の形態に係る路線図の構成を模式的に示す図である。

【図6】本発明の実施の形態に係る構内図の構成を模式的に示す図である。

【発明を実施するための形態】

【0018】

以下、本発明の実施の形態について、図面を参照して説明する。図１は、本発明の実施の形態に係る障害事象推定装置の構成を概念的に示す図である。図１で示すように、本実施の形態における障害事象推定装置１は、機械学習部１１と、推定部１２と、障害事象推定表示部１３と、対応人員決定部１４と、を備えており、１又は２以上の施設における利用者に関する障害事象を推定する装置である。本実施形態において、１又は２以上の施設は具体的には鉄道路線における鉄道駅であり、プラットホーム、駅舎その他の建造物により構成される施設である。

【0019】

また、本実施の形態における障害事象は、施設の利用者に関する障害事象である。前述のとおり、本実施の形態における施設は鉄道駅であり、本実施の形態における障害事象は、通路や階段等の動線における転倒、利用者間又は利用者と従業員間のトラブル、路線内への利用者の立ち入りや落下、列車との接触等の人身事故その他の障害事象が含まれる。

【0020】

本実施の形態における障害事象推定装置１は、利用者端末２とネットワーク３を介して通信可能に接続されている。障害事象推定装置１は、利用者端末２をクライアントとするサーバとして機能する装置である。本実施の形態において、障害事象推定装置１は周知のサーバ用コンピュータを用いて構成されており、サーバ用コンピュータのＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）その他のストレージ装置に予めサーバ用コンピュータを障害事象推定装置１として機能させるプログラムが記録されており、当該プログラムをサーバ用コンピュータのメモリにロードしてＣＰＵ（中央演算装置）が実行することにより、サーバ用コンピュータを障害事象推定装置１として機能させる。

【0021】

機械学習部１１は、施設の所定期間における前記利用者の動向に依存する動向情報、及び／又は、前記施設の気象に依存する気象情報、を含む施設環境情報と、前記障害事象が発生した前記施設における場所及び日時を含む障害事象情報と、を教師データとして、指定された日時における前記施設の障害事象発生率を推定する推定モデルを機械学習により生成する。本実施の形態における推定モデルは、後述するように推定プログラムと学習済みパラメータから構成されており、機械学習部１１が生成した推定モデルは障害事象推定装置１のストレージ装置（図示しない）の所定の領域に記録される。

【0022】

推定部１２は、前述の機械学習部１１が生成した推定モデルを用いて、指定された期間における前記日時の各々について前記施設の障害事象発生率を推定する。

【0023】

障害事象推定表示部１３は、前述の推定部１２が推定した障害事象発生率に基づいて、前記障害事象の発生が推定される前記施設及び／又は前記施設における場所を表示する。本実施の形態における施設は前述のように鉄道駅であり、障害事象推定表示部１３は、１又は２以上の鉄道駅で構成される鉄道路線の路線図上に、障害事象の発生が推定される鉄道駅を表示する路線図画面と、鉄道駅の構内図上に、障害事象の発生が推定される場所を表示する構内図画面を選択的に利用者端末２に表示する。

【0024】

対応人員決定部１４は、前述の推定部１２が推定した障害事象発生率に基づいて、１又は２以上の施設において配置する人員を決定する。

【0025】

対応人員決定部１４が配置を決定する人員は、障害事象の発生が推定される場所に対する、障害事象の発生を抑止し得る人員、例えば鉄道の駅に勤務する駅員や鉄道の乗務員、鉄道の駅や鉄道に配備される警備員等が挙げられる。

【0026】

対応人員決定部１４は、配備される駅員や警備員の人数のみを決定してもよいし、配備される特定の駅員や特定の警備員を決定してもよい。なお、対応人員決定部１４が、配備される特定の駅員や特定の警備員を決定する場合、対応人員決定部１４は、配備の候補となる駅員や警備員の役職、勤続年数、過去に障害事象に対応した経歴、など、個々の駅員や個々の警備員を障害事象の発生し得る場所に配備する際の選定条件となる情報を記録していることが望ましい。

【0027】

なお、対応人員決定部１４は、障害事象の発生が推定される日時や場所を推定した場合、推定した日時や場所に勤務予定の駅員や警備員が利用する利用者端末２に、障害事象の発生の可能性が高いことや、特定の利用者端末２の利用者が、障害事象の発生が推定される日時や場所に勤務すべき人員であることを示す情報を表示させる機能を持つこともできる。

【0028】

利用者端末２は、障害事象推定装置１を利用する利用者が操作する端末である。利用者端末２は、利用者の操作を受ける入力部２１と、前述の障害事象推定表示部１３により画面を表示する表示部２２を備えている。利用者端末２はパーソナルコンピュータや、スマートフォン、タブレット型コンピュータその他の携帯型コンピュータを用いて構成してよく、入力部２１、表示部２２の具体的な構成は利用者端末２として用いるコンピュータに応じて任意に変更してよい。例えば、据置型のパーソナルコンピュータを用いて利用者端末２を構成する場合、当該パーソナルコンピュータが備えるキーボード及び／又はマウスを用いて入力部２１とし、当該パーソナルコンピュータが備えるディスプレイを表示部２２とするように構成してよい。また、タブレット型コンピュータを用いて利用者端末２を構成する場合は、当該タブレット型コンピュータが備えるタッチパネル式ディスプレイを入力部２１及び表示部２２とするように構成してよい。

【0029】

ネットワーク３は、障害事象推定装置１と利用者端末２を通信可能に接続する計算機ネットワークである。ネットワーク３は周知の計算機ネットワークを用いて構成してよく、例えばインターネットその他の広域ネットワークであってもよいし、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であってもよいし、広域ネットワークを用いて構築したＶＰＮ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）でもよい。また、ネットワーク３は有線ネットワークであってもよいし、無線ネットワークであってもよいし、有線ネットワークと無線ネットワークを組合わせてもよい。

【0030】

本実施の形態における障害事象推定装置１の構成は以上である。なお、本実施の形態における障害事象推定装置１はネットワーク３を介して利用者端末２と通信可能に接続され、障害事象推定装置１をサーバ、利用者端末２をクライアントとする情報処理システムを構成しているが、情報処理システムの構成は任意に変更してよく、例えば、障害事象推定装置１が単独で機能する、いわゆるスタンドアロンの情報処理システムとして構成してもよい。また、本実施の形態において障害事象推定装置１と利用者端末２はＨＴＴＰ（Ｈｙｐｅｒ Ｔｅｘｔ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）によって通信する、いわゆるＷＥＢアプリケーションとして構成されているが、通信の方法も任意に選択してよい。また、ハードウェア構成についても任意に変更してよく、例えば２台以上のコンピュータを用いて障害事象推定装置１を構成するようにしてもよい。

【0031】

次いで、本実施の形態における障害事象推定装置１による推定モデルの生成の流れについて説明する。図２は、本実施の形態における推定モデル生成の流れを示すフロー図であり、図３は、本実施の形態における推定モデルの構成を示す図である。図３で示すように、本実施の形態における推定モデル４１は、教師データ４４を用いて機械学習により生成される。

【0032】

図２で示すように、推定モデル４１を生成するにあたって、本実施の形態では先ず、教師データ４４を生成するための情報を取得する（ステップＳ１１参照）。本実施の形態において、教師データ４４は、施設環境情報４５と、障害事象情報４６から生成されるデータであり、ステップＳ１１では、施設環境情報４５と障害事象情報４６を取得する。

【0033】

施設環境情報４５は、１又は２以上の施設を示す情報である。本実施の形態において、施設環境情報４５は、施設構成情報４５ａと、動向情報４５ｂと、気象情報４５ｃと、照度情報４５ｄを含んでいる。

【0034】

施設構成情報４５ａは、施設の構成を示す情報である。本実施の形態における施設は具体的には鉄道駅であり、施設構成情報４５ａは、１又は２以上の鉄道駅の各々における場所として、プラットホーム、改札口、通路、商業区画その他の所定の区画を示す情報である。なお、情報の形式については教師データ或いは推定処理の入力データとして変換・加工等が可能であれば任意の形式を用いてよく、例えば、地理上の座標と駅舎の階層を組合わせた３次元の座標情報としてもよいし、或いは、当該座標情報に、更に当該座標が示す区画の種別を組合わせた情報としてもよい。

【0035】

動向情報４５ｂは、施設である鉄道駅における利用者の動向に依存する情報である。本実施の形態において、動向情報４５ｂは、前述の施設構成情報４５ａによって指定される鉄道駅の区画の各々について、所定の単位時間ごとの利用者の混雑度合いを数値化した情報である。なお、本実施の形態における所定の単位時間は３０分であるが、単位時間は３０分より長くても短くてもよい。

【0036】

動向情報４５ｂの具体例としては、以下に例示するものが考えられる。例えば、具体例としては、特定の鉄道駅における曜日ごとや時間帯ごとの混雑率の統計情報や、特定の鉄道の曜日ごとや時間帯ごとや駅間ごとや車両ごとの混雑率や人流の発生の統計情報などが考えられる。また例えば、具体例としては、特定の鉄道駅の特定の場所について（複数のホームのそれぞれについて、特定のホームの中央部分や端部について、階段やエスカレータや連絡通路や売店やトイレなどの施設について）の混雑率や人流の発生の統計情報などが考えられる。

【0037】

気象情報４５ｃは、季節を示す情報、及び／又は、天気を示す情報、及び／又は、気象を示す情報である。気象情報４５ｃは、施設の気象に依存する情報である。本実施の形態において、気象情報４５ｃは、例えば春夏秋冬の四季や二十四節気などを示す季節情報と、天気を示す天気情報と、多様な気象現象を示す気象情報とを含んでいる。

【0038】

気象情報４５ｃを構成する天気情報は、前述の所定の単位時間の各々について、晴れ、曇り、雨、雪、雷、ひょう、その他の天候を示す天候情報と、気温を示す気温情報と、湿度を示す湿度情報を含んでいる。なお、気象情報４５ｃは、例示したこれらの情報のうちの一つ乃至複数の情報によって構成されていてもよい。

【0039】

また、気象情報４５ｃは、天候情報や気温情報や湿度情報や照度情報４５ｄに含まれない多様な気象現象の情報、例えば、気圧情報や雲量情報や湿度情報や風向情報や風速情報や降水量・降雪量情報や大気安定度情報などを含んでいてもよい。

【0040】

なお、上述の天気情報に含まれる天候情報、気温情報、湿度情報は、特定の鉄道駅や特定の鉄道の周辺のみの狭小な範囲の情報でもよいし、特定の市町村や特定の都道府県などの広範な範囲の情報でもよい。また、たとえば１週間ごとや１か月ごとなど、複数の日を基準にした、統計的に晴れの日の多い期間、統計的に雨の日や雪の日の多い期間、統計的に１０℃～１２℃の平均気温が多い期間、統計的に５０％～６０％の平均湿度が多い期間、などの情報でもよい。また、一日の中で雨の降りやすい時間帯（例えば夏季の夕立ちの多い時間帯）や、一日の中で湿度の上がりやすい時間帯などの情報でもよい。さらに、１カ月ごとや３か月ごとなどの期間を基準とした、季節風の吹きやすい期間などの情報や、一日の中で強風の吹きやすい時間帯などの情報、また、乾燥した風や湿度の高い風の吹きやすい季節や時間帯の情報、などでもよい。

【0041】

照度情報４５ｄは、気象を示す情報のひとつである。照度情報４５ｄは、施設における前述の区画の各々について、前述の所定の単位時間ごとの照度を数値として示す情報である。照度情報４５ｄには、日照量の情報や日照時間の情報などが含まれてもよい。

【0042】

この照度情報４５ｄは、たとえば地域ごとや季節ごとの晴天の多い時期や時間帯、曇天や雨天や降雪の多い時期や時間帯、などに依存した統計情報が考えられる。また、例えば、高層建築や山岳などの日照を遮る障害物のある地域における、障害物と駅舎の位置関係に依存する日ごとや季節ごとの駅舎の日照時間の統計情報などが考えられる。

【0043】

障害事象情報４６は、施設である鉄道駅において発生した、利用者に関する障害事象を示す情報である。本実施の形態において、障害事象情報４６は、障害事象が発生した施設及び当該施設における前述の区画を示す発生場所情報４６ａと、障害事象が発生した日時を示す発生日時情報４６ｂと、発生した障害事象の種別を示す種別情報４６ｃと、を含んでいる。障害事象の種別は、列車との接触、利用者間のトラブル、利用者と従業員のトラブル、混雑に起因する転倒その他の事故等を、数値によって識別する情報である。

【0044】

ステップＳ１１では、所定の期間における前述の施設環境情報４５及び障害事象情報４６を取得する。所定の期間は任意に設定してよく、例えば、推定モデル４１を最初に生成する場合には、推定モデル４１生成前日までの、前記情報を取得可能な全ての期間をもって所定の期間としてよいし、或いは、推定モデル４１が既に生成されており、これを追加学習する場合には、前回の学習時に取得した情報の期間の翌日から、追加学習を行う前日までの期間を所定の期間としてよい。

【0045】

また、情報を取得する方法についても周知の方法を任意に選択してよい。例えば、施設環境情報４５及び障害事象情報４６を前述の所定の期間分収集したデータベースを障害事象推定装置１に構築して、当該構築したデータベースから情報を取得するようにしてもよいし、或いは、鉄道路線の運行情報を管理するデータベースや気象情報企業が提供する気象データベースその他の情報処理システムから施設環境情報４５及び／又は障害事象情報４６の一部又は全部の情報を取得できる場合には、所定の期間における情報を当該他の情報処理システムから取得するようにしてもよい。

【0046】

次いで、障害事象推定装置１は、前述のステップＳ１１で取得した情報に基づいて、教師データ４４の生成を行う（ステップＳ１２参照）。本実施の形態では、前述のとおり、施設環境情報４５が施設構成情報４５ａ、動向情報４５ｂ、気象情報４５ｃ、照度情報４５ｄを備えている。教師データ４４は、施設環境情報４５に含まれる情報を、当該情報の組合せごとに、対応する障害事象情報４６と紐づけた情報である。教師データ４４の具体的な構成、及び、ステップＳ１１で取得した情報から教師データ４４を生成する方法は、周知の機械学習用の教師データを生成する方法を任意に用いてよい。

【0047】

ステップＳ１２による教師データ４４の生成が完了すると、次いで、障害事象推定装置１は、教師データ４４を用いて機械学習を行い（ステップＳ１３参照）、推定モデル４１を生成して所定の記録領域に記録する（ステップＳ１４参照）。本実施の形態では、推定モデル４１は具体的には推定プログラムと学習済みパラメータで構成されており、所定の記録領域として、障害事象推定装置１のストレージ装置の所定の領域に記録される。

【0048】

この推定モデルの生成により、従来は人間（例えば鉄道の運行管理者や鉄道乗務員や鉄道駅の駅長や駅員など）が経験や各種の暗黙知等に基づいて認識していた、日時や天候や事象などに依存する障害事象発生率の高低や、障害事象発生率に依存する障害事象の発生の推定を、障害事象推定装置１が行えるようになる。

【0049】

この、障害事象推定装置１による障害事象の発生の推定としては、たとえば下記（例１）～（例４）のようなものが考えられる。

【0050】

（例１）
利用者の動向に依存する動向情報に基づく障害発生の推定。
特定の期間や特定の時間帯における特定の場所における障害発生の推定。
例えば、「１２月の御用納めまでの１０日間である１２月１９日～１２月２８日、及び、３月の年度末の２週間である３月１８日～３月３１日は鉄道駅における利用者の飛び込み自殺の発生が多い。また、利用者の飛び込み自殺の発生は、朝のラッシュ時間帯、例えば鉄道駅であるＡＡＡ駅では７時～７時４５分、ＢＢＢ駅では７時１５分～８時の時間帯が多い。また、利用者の飛び込み自殺の発生は、利用客の多いＣＣＣ駅やＤＤＤ駅、複数の鉄道の乗換駅であるＥＥＥ駅やＦＦＦ駅で多い。」などの推定が考えられる。
また例えば「鉄道駅構内での、利用客同士や利用客の駅員に対する暴行傷害事件は、朝と夕方のラッシュ時間帯における、人流の多い場所や人流の交錯の多い箇所、例えばＧＧＧ駅においては７時３０分～８時１５分、１８時４５分～１９時３０分の時間帯、ＨＨＨ階段付近や駅地下道のＪＪＪ交差点付近の場所において多い。」などの推定が考えられる。
また例えば、利用者の飛び込み自殺や暴行傷害事件の発生を、駅のホームや駅構内の混雑率との相関（例えば、特定のホームの混雑率の高さや特定の電車の混雑率の高さとの相関など。）に依存して所定の演算を行い、推定することなどが考えられる。

【0051】

（例２）
気象に依存する気象情報の推定。
例えば、「雨天の翌日の晴天日は鉄道駅での飛び込み自殺が多い。」「曇天又は雨天が連続３日以上続いた翌日の晴天日は鉄道駅での飛び込み自殺が多い。」「午前７時～８時の平均湿度が８０％以上の日は鉄道駅構内での利用客同士や利用客の駅員に対する暴行傷害事件が多い。」「朝７時の気温２５℃以上の日は鉄道駅構内での利用客の器物破損事件が多い。」などの推定が考えられる。

【0052】

（例３）
障害事象が発生した施設における場所及び日時を含む障害事象情報
例えば、「鉄道駅であるＫＫＫ駅では２０１２年から２０２２年までの１０年間毎年、１２月１５日～２８日までの間に、酔客同士の暴行傷害を含むトラブルが１件以上発生している。」「鉄道路線であるＬＬＬ線のＭＭＭ駅～ＮＮＮ駅区間では、２０１５年～２０２０年までの５年間、７時１０分～８時１０分にＭＭＭ駅を出発する列車において痴漢事件の報告が６か月に１回以上ある。また、痴漢事件の報告は１号車と２号車に多い。」などの推定が考えられる。

【0053】

（例４）
上記（例１）～（例３）のうち、２つないし３つを組み合わせた推定。

【0054】

なお、上記（例１）～（例４）は推定の事例をいくつか示したにすぎず、実際の推定は、上記（例１）～（例４）のみに限らず、多様な情報や事象に基づいて行われる。そして、障害事象推定装置１による障害事象の発生の推定も、（例１）～（例４）以外の情報や事象に基づいて学習し、推定できるものとすることができる。

【0055】

以上が、本実施の形態における推定モデル生成の流れである。

【0056】

なお、本実施の形態では、推定モデル４１の教師データ４４を、施設環境情報４５と障害事象情報４６から生成しているが、教師データ４４の構成は適宜変更してよい。例えば、施設環境情報４５として用いる情報は、施設構成情報４５ａのみ、動向情報４５ｂのみ、気象情報４５ｃのみ、照度情報４５ｄのみから構成してもよいし、それらの情報４５ａ～４５ｄから２つ以上を適宜組み合わせて構成してもよい。また、障害事象情報４６として用いる情報は、発生場所情報４６ａのみ、発生日時情報４６ｂのみ、種別情報４６ｃのみから構成してもよいし、それらの情報４６ａ～４６ｃから２つを適宜組み合わせて構成してもよい。

【0057】

また、本実施の形態における障害事象推定装置１は、障害事象推定装置１を実施しながら起きた障害を逐次教師データ４４に追加して、推定モデル４１を逐次修正する構成としてもよい。また、障害事象推定装置１は、障害事象の推定結果と、現実の障害事象の発生の有無とを照合し、照合結果を教師データ４４に追加して、推定モデル４１を逐次修正する構成としてもよい。

【0058】

また、ステップＳ１１～ステップＳ１４の推定モデル４１の生成処理を実行するタイミング及び実行方法についても、任意に選択してよい。例えば、利用者が任意のタイミングで利用者端末を操作して推定モデル４１を生成するようにしてもよいし、或いは、例えば、障害事象推定装置１が月毎に自動的に推定モデル４１の生成処理を実行するように予め設定しておき、当該実行のタイミングで、実行前１ヵ月の期間における教師データ４４を生成して推定モデル４１を追加学習するようにしてもよい。

【0059】

次いで、本実施の形態における、推定モデルを用いた障害事象推定の流れについて説明する。図４は、本実施の形態における障害事象推定の流れを示すフロー図である。図４で示すように、本実施の形態では、先ず、指定の期間における入力データを取得する（ステップＳ２１参照）。なお、指定の期間は、利用者が任意のタイミングで利用者端末２を操作して指定するようにしてもよいし、予めステップＳ２１～Ｓ２４の推定処理を定期的に実行するように設定して、当該実行の間隔をもって指定の期間とするようにしてもよい。本実施の形態では、指定の期間を１ヵ月とし、１ヵ月毎に推定処理を定期的に実行するように予め障害事象推定装置１を構成している。

【0060】

本実施の形態における推定モデル４１は、施設環境情報４５として、施設を所定の区画に分割した施設構成情報４５ａと、利用者の混雑度合いを数値化した動向情報４５ｂと、季節情報及び天気情報を含む気象情報４５ｃと、照度情報４５ｄを用いて機械学習された推定モデルである。本実施の形態における推定部１２は、推定モデル４１を用いて、指定の期間における日時の各々について出力データ４３である障害事象発生率を推定するが、ステップＳ２１では、推定モデル４１の入力データ４２となる、指定の期間に対応する施設環境情報４５を取得する。

【0061】

前述のステップＳ１１と同様に、ステップＳ２１において、施設環境情報４５に含まれる上記情報４５ａ～４５ｄを取得する方法は任意に選択してよい。

【0062】

例えば、動向情報４５ｂは、同一の日時における過去の動向情報４５ｂの平均値や中央値を取得してよいし、或いは、過去の動向情報４５ｂから指定の日時における動向情報４５ｂを推定する推定モデルを用いて、当該推定モデルにより指定の日時の動向情報４５ｂを推定させるようにしてもよい。また、気象情報４５ｃについて、気象情報企業等が提供する気象データベースその他の情報処システムから、指定期間における気象を予測した気象予測情報を気象情報４５ｃとして用いるようにしてよい。

【0063】

また、ステップＳ２１では、上記取得した情報は、前述の期間における日時の各々に紐づけられて、後述する推定モデル４１による推定の入力データ４２として用いられる。なお、本実施の形態では、日時の各々は前述の単位時間である３０分で１日を分割した時間帯として扱う。

【0064】

ステップＳ２１による入力データの収集が完了すると、障害事象推定装置１は、指定された期間における日時の各々について、前述の推定モデル４１を用いて障害事象発生率を推定する（ステップＳ２２参照）。

【0065】

前述の通り、本実施の形態では３０分を所定の単位時間として扱っており、推定部１２が推定する日時の各々における障害事象発生率は、当該単位時間で１日を区切った時間帯ごとに、前述の障害種別ごとの障害発生率として推定される。なお、入力データの構成や形式は任意に選択してよい。

【0066】

例えば、ステップＳ２１で取得した施設環境情報４５と、障害事象発生率を推定する日時を組み合わせて入力データ４２を構成するようにしてもよいし、或いは、障害事象発生率を推定する日時における施設環境情報４５に含まれる情報の組合せのパターンを入力データ４２として、当該パターンから障害事象発生率を推定させるようにしてもよい。

【0067】

ステップＳ２２による障害事象発生率の推定が完了すると、障害事象推定装置１は、障害事象推定表示部１３により、当該推定した障害事象発生率に基づいて、障害事象の発生が推定される施設及び／又は施設における場所を表示する（ステップＳ２３参照）。

【0068】

本実施の形態における施設は前述の通り鉄道駅であり、施設における場所は、前述の区画であり、障害事象推定表示部１３は、利用者端末２の表示部２２に、障害事象の発生が推定される鉄道駅を路線図上に表示する路線図画面と、障害事象の発生が推定される場所を鉄道駅の構内図上に表示する構内図画面を選択的に表示する。

【0069】

図５は、本実施の形態における、路線図画面の構成を模式的に示す図である。図５で示すように、本実施の形態における路線図画面Ｗ１は、路線選択フォームＷ１１と、日付選択フォームＷ１２と、路線図領域Ｗ１３と、詳細情報領域Ｗ１４を備えている。

【0070】

路線選択フォームＷ１１は、路線図画面Ｗ１に表示する鉄道路線を選択する。前述の通り、本実施の形態における施設は具体的には鉄道駅であり、１又は２以上の鉄道駅は、当該鉄道駅を通る路線を構成する。路線選択フォームＷ１１は、鉄道路線を選択することにより、当該鉄道路線に含まれる１又は２以上の鉄道駅に関する障害事象発生率を路線図と共に表示させるフォームである。

【0071】

日付選択フォームＷ１２は、路線図画面Ｗ１に表示する推定結果の日付を選択する。日付選択フォームＷ１２は、月選択フォームＷ１２ａ及び日選択ボタンＷ１２ｂから構成されており、月選択フォームＷ１２ａで選択した月における、日選択ボタンＷ１２ｂで選択した日付についての障害事象発生率を表示する。

【0072】

路線図領域Ｗ１３は、前述の路線選択フォームＷ１１により選択した鉄道路線における、前述の日付選択フォームＷ１２で選択した日付の障害事象発生率を路線図上に表示する。

【0073】

路線図領域Ｗ１３は、１又は２以上の鉄道駅Ｗ１３ａから構成される鉄道路線Ｗ１３ｂの一部又は全部を表示する領域である。選択された日付において、障害事象の発生が推定される鉄道駅Ｗ１３ａは、当該障害事象の障害事象発生率の高さを色の濃さ及び大きさで示す障害事象発生アイコンＷ１３ｃが表示される。路線図領域Ｗ１３において、利用者が利用者端末２を操作して一の鉄道駅Ｗ１３ａを選択した場合、当該選択した鉄道駅Ｗ１３ａに関する時間帯・区域ごとの障害発生率が詳細情報領域Ｗ１４に表示される。

【0074】

詳細情報領域Ｗ１４は、一の鉄道駅に関する障害事象発生率を、前述の所定の単位時間及び前述の所定の区画ごとに表示する。

【0075】

詳細情報領域Ｗ１４は、選択した鉄道駅Ｗ１４ａと、時間帯Ｗ１４ｂと、区画Ｗ１４ｃと、障害発生率Ｗ１４ｄから構成されており、前述の路線図領域Ｗ１３において選択した鉄道駅Ｗ１４ａの、前述の日付選択フォームＷ１２で選択した日付における障害事象発生率を、区画Ｗ１４ｃを列、時間帯Ｗ１４ｂを行とする表形式で表示する。なお、時間帯Ｗ１４ｂは前述の所定の単位時間によって１日を分割した各時間帯であり、障害発生率Ｗ１４ｄは、障害発生率の高さを色の濃淡として表示する。

【0076】

図６は、本実施の形態における、構内図画面の構成を模式的に示す図である。図６で示すように、本実施の形態における構内図画面Ｗ２は、日付選択フォームＷ２１と、構内図選択フォームＷ２２と、混雑情報Ｗ２３と、気象情報Ｗ２４と、時間帯領域Ｗ２５と、障害情報領域Ｗ２６と、構内図領域Ｗ２７から構成されている。

【0077】

日付選択フォームＷ２１は障害事象発生率を表示する日付を選択するフォームであり、構内図選択フォームＷ２２は、表示する構内図を選択するフォームである。本実施の形態において、構内図選択フォームＷ２２は、鉄道駅選択フォームＷ２２ａと、階層選択フォームＷ２２ｂから構成されており、一の鉄道駅について階層ごとに路線図を表示する。

【0078】

時間帯領域Ｗ２５は、選択された日付及び構内図における障害発生率を時間帯ごとに表示する領域である。時間帯領域Ｗ２５は、時間帯Ｗ２５ａと、障害事象発生率Ｗ２５ｂから構成されている。時間帯Ｗ２５ａは、前述の所定の単位時間によって１日を分割した各時間帯であり、障害事象発生率Ｗ２５ｂは、該当する時間帯Ｗ２５ａにおける、構内図に含まれる前述の所定の区域における障害発生率の高さを色の濃淡によって表示する。

【0079】

障害情報領域Ｗ２６は、選択された構内図に含まれる前記所定の区画において、選択された日付又は時間帯において発生が推定される障害を種別と共に表示する。

【0080】

構内図領域Ｗ２７は、構内図Ｗ２７ａ上に、障害事象の発生が推定される場所を示す障害発生推定アイコンＷ２７ｂを表示する領域である。前述のとおり、本実施の形態において障害事象の発生率は施設における場所である所定の区画ごとに推定され、当該推定した発生率が０％より大きい区画を示す位置に、色の濃淡及び／又は大きさによって障害事象発生率の高さを示す障害発生推定アイコンＷ２７ｂを表示する。

【0081】

本実施の形態では、ステップＳ２３の推定結果表示に続いて、推定した障害事象に対応する人員の配置を決定する（ステップＳ２４参照）。

【0082】

前述のとおり、ステップＳ２２では、鉄道路線を構成する鉄道駅の各々について障害事象発生率を推定する。ステップＳ２４において、対応人員決定部１４は、ステップＳ２２で推定した障害事象発生率と、障害の種別ごとに予め設定された対応人員数に基づいて、前述のステップＳ２１で指定された期間内の日ごとに、各鉄道駅において必要となる対応人員数を算出する（対応人員決定部１４が、障害の予防に適した経験や役職を有する特定の駅員や特定の警備員を選定する構成であってもよい。）。算出した対応人員数は、前述の路線図画面Ｗ１に表示される鉄道駅Ｗ１３ａのそれぞれについて、利用者の利用者端末２の操作により選択的に、各鉄道駅Ｗ１３ａにおいて発生が推定される障害に対応する人員の必要数を表示するようにしてもよい。

【0083】

具体的には、例えば、障害事象推定装置１が上記（例１）に示したような態様で、「ＡＡＡ駅では朝７時～７時４５分、ＢＢＢ駅では７時１５分～８時の時間帯が多い。」という推定を行った場合を考える。この場合、推定結果が時間帯領域Ｗ２５、障害情報領域Ｗ２６、構内図領域Ｗ２７に表示される。利用者端末２を利用する鉄道関係者は、表示がされたＡＡＡ駅における朝７時～７時４５分、ＢＢＢ駅における７時１５分～８時、表示された構内箇所に駅員や警備員を配備したり、配備数を増員したりという対策を講ずることができる。また、障害事象推定装置１の対応人員決定部１４が上記の推定と共に人員を配備すべき場所や配備する人数や人員を推定し、その推定結果を利用者端末２に表示させた場合、利用者は、推定結果に基づいて、推定された日時、推定された場所に、駅員や警備員を配備したり配備数を増員したりという対策を講ずることができる。

【0084】

本実施の形態の説明は以上である。本実施の形態では、所定の期間における、施設利用者の動向に依存する動向情報４５ｂ及び／又は施設の気象に依存する気象情報４５ｃを含む施設環境情報４５と、障害事象が発生した施設における場所及び日時を含む障害事象情報４６に基づいて推定モデル４１を機械学習により生成するので、当該生成した推定モデル４１を用いて、指定した期間における施設の利用者に関する障害事象の発生を推定することができる。

【0085】

なお、本発明の実施の形態は、上記実施の形態に限られるものではない。

【0086】

例えば、本実施の形態では、施設環境情報４５が施設構成情報４５ａと、動向情報４５ｂと、気象情報４５ｃと、照度情報４５ｄを含んでいるが、これに加えて、株価や景気その他の経済的な情報の動向を経済動向情報として含むようにしてもよい。

【0087】

例えば、上記実施の形態において、障害事象推定装置１が用いられる鉄道路線における鉄道駅であり、プラットホーム、駅舎その他の建造物により構成される施設としたが、これに限定されず、鉄道以外の交通機関、例えば乗合バスやタクシーや旅客機や客船など、及びそれらの利用者が乗降に用いる停留所、乗車所、空港、港湾の旅客施設などであってもよい。

【0088】

また、本実施形態の障害事象推定装置１は、交通機関以外の、不特定の利用者が利用する施設や機関での障害事象推定や障害事象対策に用いられるシステムであってもよい。具体的には、障害事象推定装置１は、例えば、市区町村の運営する公民館や集会場や体育館や公園、民間の野球場やサッカー場やイベントホール、チェーン店で店舗展開される居酒屋やレストランやコンビニエンスストアや各種量販店等での障害事象推定や障害事象対策に用いられるシステムであってもよい。

【0089】

その他の具体的な構成も本実施の形態に限られるものではなく、本発明の趣旨を逸脱しない範囲において様々な変更が可能である。

【符号の説明】

【0090】

１ 障害事象推定装置
１１ 機械学習部
１２ 推定部
１３ 障害事象推定表示部
１４ 対応人員決定部
２ 利用者端末
２１ 入力部
２２ 表示部
３ ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【手続補正書】

【提出日】2023-08-08

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

一又は二以上の施設における利用者に関する障害事象の発生を推定する障害事象推定装
置であって、
前記施設の所定期間における前記利用者の動向に依存する動向情報、及び／又は、前記
施設の気象に依存する気象情報、を含む施設環境情報と、前記障害事象が発生した前記施
設における場所及び日時を含む障害事象情報と、を教師データとして、指定された日時に
おける前記施設の障害事象発生率を推定する推定モデルを機械学習により生成する機械学
習部と、
前記推定モデルを用いて、指定された期間における前記日時の各々について前記施設の
障害事象発生率を推定する推定部と、
前記推定した障害事象発生率に基づいて、前記障害事象の発生が推定される前記施設及
び／又は前記施設における場所を特定する、障害事象推定部と、
前記推定部において前記推定された障害事象発生率に基づいた所定の演算を行うことで、前記施設、及び／又は、前記施設における所定の場所に、前記障害事象の発生を予防するために配備する人員、又は前記障害事象の発生を予防するために増員する人員を選任する対応人員決定部と、
を備え、
前記対応人員決定部は、
前記配備、又は、前記増員の対象となる前記人員の情報と、
前記人員の有する、前記障害事象の発生を予防するために有用な経験の情報、及び／又は、前記人員の有する、前記障害事象の発生を予防するために有用な役職の情報と
を有し、
前記対応人員決定部は、
前記障害事象発生率と、前記経験の情報、及び／又は、前記役職の情報とを用いた前記所定の演算を行うことで、配置する人員を選任することを特徴とする、障害事象推定装置。

【請求項2】

前記施設は鉄道駅であり、
前記障害事象推定部は、前記障害事象の発生が推定される前記鉄道駅を路線図上に表示する
ことを特徴とする、請求項１に記載の障害事象推定装置。

【請求項3】

前記障害事象推定部は、さらに、前記障害事象の発生が推定される場所を前記鉄道駅の構内図上に表示する
ことを特徴とする、請求項２に記載の障害事象推定装置。

【請求項4】

前記施設環境情報は、前記施設の前記所定期間における混雑度合いを示す情報であることを特徴とする、請求項１に記載の障害事象推定装置。

【請求項5】

前記施設環境情報は、前記所定の期間における、前記施設周辺の季節を示す情報、及び／又は、天気を示す情報、及び／又は、気象を示す情報を含む
ことを特徴とする、請求項１記載の障害事象推定装置。

【請求項6】

前記施設環境情報は、前記施設の所定位置における照度を示す情報を含むことを特徴とする、請求項１に記載の障害事象推定装置。

【請求項7】

前記障害事象情報は、さらに、前記障害事象の種別を示す情報を含み、
前記障害事象推定部は、前記発生が推定される障害事象を前記種別とともに表示する
ことを特徴とする、請求項１に記載の障害事象推定装置。

【請求項8】

コンピュータを請求項１乃至７の何れか一つに記載の障害事象推定装置として機能させるプログラム。

【手続補正2】

【補正対象書類名】明細書

【補正対象項目名】０００７

【補正方法】変更

【補正の内容】

【0007】

かかる課題を解決するために、請求項１の発明に係る障害事象推定装置は、一又は二以上の施設における利用者に関する障害事象の発生を推定する障害事象推定装置であって、前記施設の所定期間における前記利用者の動向に依存する動向情報、及び／又は、前記施設の気象に依存する気象情報、を含む施設環境情報と、前記障害事象が発生した前記施設における場所及び日時を含む障害事象情報と、を教師データとして、指定された日時における前記施設の障害事象発生率を推定する推定モデルを機械学習により生成する機械学習部と、前記推定モデルを用いて、指定された期間における前記日時の各々について前記施設の障害事象発生率を推定する推定部と、前記推定した障害事象発生率に基づいて、前記障害事象の発生が推定される前記施設及び／又は前記施設における場所を特定する、障害事象推定部と、前記推定部において前記推定された障害事象発生率に基づいた所定の演算を行うことで、前記施設、及び／又は、前記施設における所定の場所に、前記障害事象の発生を予防するために配備する人員、又は前記障害事象の発生を予防するために増員する人員を選任する対応人員決定部と、を備え、前記対応人員決定部は、前記配備、又は、前記増員の対象となる前記人員の情報と、前記人員の有する、前記障害事象の発生を予防するために有用な経験の情報、及び／又は、前記人員の有する、前記障害事象の発生を予防するために有用な役職の情報とを有し、前記対応人員決定部は、前記障害事象発生率と、前記経験の情報、及び／又は、前記役職の情報とを用いた前記所定の演算を行うことで、配置する人員を選任することを特徴とする。

【手続補正3】

【補正対象書類名】明細書

【補正対象項目名】０００８

【補正方法】変更

【補正の内容】

【0008】

請求項２の発明は、請求項１の発明において、前記施設は鉄道駅であり、前記障害事象推定部は、前記障害事象の発生が推定される前記鉄道駅を路線図上に表示することを特徴とする。

【手続補正4】

【補正対象書類名】明細書

【補正対象項目名】０００９

【補正方法】変更

【補正の内容】

【0009】

請求項３の発明は、請求項２の発明において、前記障害事象推定部は、さらに、前記障害事象の発生が推定される場所を前記鉄道駅の構内図上に表示することを特徴とする

【手続補正5】

【補正対象書類名】明細書

【補正対象項目名】００１３

【補正方法】変更

【補正の内容】

【0013】

請求項７の発明は、請求項１の発明において、前記障害事象情報は、さらに、前記障害事象の種別を示す情報を含み、前記障害事象推定部は、前記発生が推定される障害事象を前記種別とともに表示することを特徴とする。

【手続補正6】

【補正対象書類名】明細書

【補正対象項目名】００１４

【補正方法】削除

【補正の内容】

【手続補正7】

【補正対象書類名】明細書

【補正対象項目名】００１５

【補正方法】変更

【補正の内容】

【0015】

請求項８の発明は、コンピュータ読み取り可能なプログラムであって、コンピュータを請求項１乃至７の何れか一つに記載の障害事象推定装置として機能させることを特徴とする。