(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】P2024167641
(43)【公開日】2024-12-04
(54)【発明の名称】輸送計画管理装置及び輸送計画管理方法
(51)【国際特許分類】
G06Q 50/40 20240101AFI20241127BHJP
【ＦＩ】
G06Q50/30
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2023083853
(22)【出願日】2023-05-22
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110000062
【氏名又は名称】弁理士法人第一国際特許事務所
(72)【発明者】
【氏名】王 偉
(72)【発明者】
【氏名】手島 久典
(72)【発明者】
【氏名】橋本 祐樹
【テーマコード（参考）】
5L049
5L050
【Ｆターム（参考）】
5L049CC42
5L050CC42
(57)【要約】
【課題】輸送サービスの輸送計画に関して、要求閾値を満たさないＫＰＩに関する因果関係を考慮した改正済み輸送計画を生成すること。
【解決手段】所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、輸送サービスに関連する統計情報とを格納する記憶部と、既存輸送計画情報及び輸送サービスＫＰＩ情報に基づいて、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、不整合ＫＰＩ及び統計情報を解析し、不整合ＫＰＩと統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、既存輸送計画情報と、判定した因果関係とを用いて、不整合ＫＰＩが要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部を含む輸送計画管理装置。
【選択図】図２
【解決手段】所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、輸送サービスに関連する統計情報とを格納する記憶部と、既存輸送計画情報及び輸送サービスＫＰＩ情報に基づいて、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、不整合ＫＰＩ及び統計情報を解析し、不整合ＫＰＩと統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、既存輸送計画情報と、判定した因果関係とを用いて、不整合ＫＰＩが要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部を含む輸送計画管理装置。
【選択図】図２
【特許請求の範囲】
【請求項1】
輸送計画管理装置であって、
プロセッサとメモリと記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリは、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、
前記不整合ＫＰＩ及び前記統計情報を解析し、前記不整合ＫＰＩと前記統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、
前記既存輸送計画情報と、判定した前記因果関係とを用いて、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部、
として前記プロセッサを機能させるための処理命令を含むことを特徴とする輸送計画管理装置。
プロセッサとメモリと記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリは、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、
前記不整合ＫＰＩ及び前記統計情報を解析し、前記不整合ＫＰＩと前記統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、
前記既存輸送計画情報と、判定した前記因果関係とを用いて、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部、
として前記プロセッサを機能させるための処理命令を含むことを特徴とする輸送計画管理装置。
【請求項2】
前記不整合ＫＰＩの影響範囲に基づいて、前記統計情報の検索範囲を規定する次元パラメータの入力をユーザから受け付け、
前記統計情報の中から、前記次元パラメータに規定される前記検索範囲に対応する前記統計情報のサブセットを抽出する情報抽出部と、
を更に含むことを特徴とする、請求項１に記載の輸送計画管理装置。
前記統計情報の中から、前記次元パラメータに規定される前記検索範囲に対応する前記統計情報のサブセットを抽出する情報抽出部と、
を更に含むことを特徴とする、請求項１に記載の輸送計画管理装置。
【請求項3】
前記次元パラメータは、
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ、前記不整合ＫＰＩの対象物範囲を規定する車両パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータの内のいずれか一方を含む、
ことを特徴とする、請求項２に記載の輸送計画管理装置。
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ、前記不整合ＫＰＩの対象物範囲を規定する車両パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータの内のいずれか一方を含む、
ことを特徴とする、請求項２に記載の輸送計画管理装置。
【請求項4】
前記不整合ＫＰＩと因果関係にあると判定した前記関連変数のそれぞれについて、前記不整合ＫＰＩに対する影響度を計算し、
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定し、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する仮説推論部、
を更に含むことを特徴とする、請求項１に記載の輸送計画管理装置。
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定し、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する仮説推論部、
を更に含むことを特徴とする、請求項１に記載の輸送計画管理装置。
【請求項5】
生成した前記不整合仮説情報に基づいて、前記不整合ＫＰＩが前記要求閾値を満たすようにするための、前記主要変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する動作判定部と、
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算するＫＰＩ変化計算部と、
を有する改正提案部を更に含むことを特徴とする、請求項４に記載の輸送計画管理装置。
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算するＫＰＩ変化計算部と、
を有する改正提案部を更に含むことを特徴とする、請求項４に記載の輸送計画管理装置。
【請求項6】
前記輸送計画生成部は、
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を出力し、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記改正済み輸送計画情報を生成する、
ことを特徴とする、請求項５に記載の輸送計画管理装置。
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を出力し、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記改正済み輸送計画情報を生成する、
ことを特徴とする、請求項５に記載の輸送計画管理装置。
【請求項7】
前記統計情報は、
前記輸送サービスが提供される地域における既存インフラを示すインフラ情報、
前記輸送サービスが提供される地域に関する地図情報、
前記輸送サービスが提供される地域に関する天気情報、
前記輸送サービスが提供される地域に関する人口情報
前記輸送サービスが提供される地域に関する住民移動情報、
前記輸送サービスが提供される地域に関する税金情報、
前記輸送サービスにおいて利用される車両の編成を示す車両編成情報、
前記輸送サービスを利用する旅客の移動履歴を示す旅客移動情報、及び
前記輸送サービスに対する顧客満足度を示す顧客満足情報を含む、
ことを特徴とする、請求項１に記載の輸送計画管理装置。
前記輸送サービスが提供される地域における既存インフラを示すインフラ情報、
前記輸送サービスが提供される地域に関する地図情報、
前記輸送サービスが提供される地域に関する天気情報、
前記輸送サービスが提供される地域に関する人口情報
前記輸送サービスが提供される地域に関する住民移動情報、
前記輸送サービスが提供される地域に関する税金情報、
前記輸送サービスにおいて利用される車両の編成を示す車両編成情報、
前記輸送サービスを利用する旅客の移動履歴を示す旅客移動情報、及び
前記輸送サービスに対する顧客満足度を示す顧客満足情報を含む、
ことを特徴とする、請求項１に記載の輸送計画管理装置。
【請求項8】
輸送計画管理装置においてコンピュータソフトウエアによって実施される輸送計画管理方法であって、
輸送計画管理装置は、
プロセッサと、
プログラム命令を格納するメモリと、
記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリに格納されている前記プログラム命令は、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する工程と、
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータのいずれか一つを含む次元パラメータを設定する工程と、
前記統計情報の中から、前記次元パラメータに規定される範囲に対応する統計情報のサブセットを抽出する工程と、
前記不整合ＫＰＩ及び前記統計情報のサブセットを解析し、前記不整合ＫＰＩと前記統計情報のサブセットにおける関連変数との因果関係を判定する工程と、
前記不整合ＫＰＩと因果関係にあると判定した前記関連変数のそれぞれについて、前記不整合ＫＰＩに対する影響度を計算する工程と、
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定する工程と、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する工程と、
生成した前記不整合仮説情報に基づいて、前記不整合ＫＰＩが前記要求閾値を満たすようにするための、前記主要変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する工程と、
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算する工程と、
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量をユーザに出力する工程と、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する工程と、
を前記プロセッサに実行させることを特徴とする輸送計画管理方法。
輸送計画管理装置は、
プロセッサと、
プログラム命令を格納するメモリと、
記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリに格納されている前記プログラム命令は、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する工程と、
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータのいずれか一つを含む次元パラメータを設定する工程と、
前記統計情報の中から、前記次元パラメータに規定される範囲に対応する統計情報のサブセットを抽出する工程と、
前記不整合ＫＰＩ及び前記統計情報のサブセットを解析し、前記不整合ＫＰＩと前記統計情報のサブセットにおける関連変数との因果関係を判定する工程と、
前記不整合ＫＰＩと因果関係にあると判定した前記関連変数のそれぞれについて、前記不整合ＫＰＩに対する影響度を計算する工程と、
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定する工程と、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する工程と、
生成した前記不整合仮説情報に基づいて、前記不整合ＫＰＩが前記要求閾値を満たすようにするための、前記主要変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する工程と、
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算する工程と、
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量をユーザに出力する工程と、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する工程と、
を前記プロセッサに実行させることを特徴とする輸送計画管理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、輸送計画管理装置及び輸送計画管理方法に関する。
【背景技術】
【0002】
輸送サービスにおいて、輸送計画は、運用費用や需要を考慮しつつ、輸送ネットワークにおける列車やバス等の出発及び到着時間を管理するために用いられている。従来では、輸送計画の作成は、輸送ネットワークのインフラや乗客のニーズを考慮しながら輸送業者によって手動で行われてきた。
【0003】
近年では、サステナブルな社会を実現するため、鉄道会社やバス会社等の輸送業者は、輸送サービスの需要の変動や環境への影響を考慮した上で、輸送を効率良く行うための柔軟な輸送計画を策定することが求められている。
輸送計画自体は、従来から、列車やバス等の移動体の移動を管理するために用いられている。例えば、輸送計画に従って列車を制御する自動運転制御装置として、特開２０１９－０９２３４７号公報（特許文献１）が存在する。
輸送計画自体は、従来から、列車やバス等の移動体の移動を管理するために用いられている。例えば、輸送計画に従って列車を制御する自動運転制御装置として、特開２０１９－０９２３４７号公報（特許文献１）が存在する。
【0004】
特許文献１には、「自動運転制御装置は、作成部１０４と、算出部１０１と、制御部１０５と、を備える。作成部は、所定区間における列車の目標速度を含む走行計画を作成する。算出部は、所定区間の空気抵抗及び路線条件の少なくとも一方に基づいて、所定区間における列車の走行速度が目標速度となる列車の加速度を算出する。制御部は、算出される列車の加速度に従って、所定区間における列車の加速及び減速を制御する。」技術が記載されている。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０１９－０９２３４７号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
特許文献１に記載の自動運転制御装置は、空気抵抗や路線条件に基づいて、列車の走行速度が走行計画に規定される目標速度になるように列車の加速及び減速を制御する。
特許文献１に記載の自動運転制御装置によれば、列車の乗り心地や省エネ効果を向上させることができるとされている。
特許文献１に記載の自動運転制御装置によれば、列車の乗り心地や省エネ効果を向上させることができるとされている。
【0007】
ところで、輸送サービスにおいて用いられる輸送計画の性能を評価する方法として、重要業績評価指標（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒｓ；以下「ＫＰＩ」）に基づく手段が用いられることがある。これらのＫＰＩは、例えば所定の輸送計画の運用費用、予想収入、環境への影響、エネルギー効率等の様々な要素に関して、輸送サービスの性能を指し示す定量的な指標である。輸送計画における特定のＫＰＩが所定の要求閾値を満たさない場合、当該ＫＰＩが要求閾値を満たすように輸送計画を改正することが望ましい。
【0008】
しかし、従来のＫＰＩに基づく評価手段では、要求閾値を満たさないＫＰＩを特定することができるものの、当該ＫＰＩが要求閾値を満たさない理由は不明であるため、当該ＫＰＩが要求閾値を満たすように輸送計画をどのように改正すべきかとの判断が難しい。特に、輸送サービスのような、輸送行程の本数、混雑度、旅客の待ち時間等の数多くの変数が関係している複雑な状況の場合、これらの変数とＫＰＩの間に存在する因果関係を理解して、既存の輸送計画を適正に改正するためには、多くの専門知識が必要となり、輸送計画を管理するユーザへの負担が大きい。
【0009】
特許文献１に記載の手段によれば、エネルギー効率等の特定の性能指標を考慮した輸送計画を用いて列車を制御することができるものの、数多くの変数とＫＰＩの因果関係を考慮しながら、ＫＰＩを向上させるための具体的な改正内容を提案する手段が記載されていない。
【0010】
そこで、本開示は、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながら、ＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成することが可能な輸送計画管理手段を提供することを目的とする。
【課題を解決するための手段】
【0011】
上記の課題を解決するために、代表的な本発明の輸送計画管理装置の一つは、プロセッサとメモリと記憶部とを備え、前記記憶部は、所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、前記輸送サービスに関連する統計情報とを含み、前記メモリは、前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、前記不整合ＫＰＩ及び前記統計情報を解析し、前記不整合ＫＰＩと前記統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、前記既存輸送計画情報と、判定した前記因果関係とを用いて、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部として前記プロセッサを機能させるための処理命令を含む。
【発明の効果】
【0012】
本開示によれば、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながら、ＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成することが可能な輸送計画管理手段を提供することができる。
上記以外の課題、構成及び効果は、以下の発明を実施するための形態における説明により明らかにされる。
上記以外の課題、構成及び効果は、以下の発明を実施するための形態における説明により明らかにされる。
【図面の簡単な説明】
【0013】
【発明を実施するための形態】
【0014】
以下、図面を参照して、本発明の実施形態について説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。
また、「第１」、「第２」、「第３」等の用語は、本開示において様々な要素又は構成要素を説明するのに用いられる場合があるが、これらの要素又は構成要素はこれらの用語によって限定されるべきでないことが理解されるであろう。これらの用語は、或る要素又は構成要素を別の要素又は構成要素と区別するためにのみ用いられる。したがって、以下で論述する第１の要素又は構成要素は、本発明概念の教示から逸脱することなく第２の要素又は構成要素と呼ぶこともできる。
また、「第１」、「第２」、「第３」等の用語は、本開示において様々な要素又は構成要素を説明するのに用いられる場合があるが、これらの要素又は構成要素はこれらの用語によって限定されるべきでないことが理解されるであろう。これらの用語は、或る要素又は構成要素を別の要素又は構成要素と区別するためにのみ用いられる。したがって、以下で論述する第１の要素又は構成要素は、本発明概念の教示から逸脱することなく第２の要素又は構成要素と呼ぶこともできる。
【0015】
次に、図１を参照して、本開示の実施形態を実施するためのコンピュータシステム１００について説明する。本明細書で開示される様々な実施形態の機構及び装置は、任意の適切なコンピューティングシステムに適用されてもよい。コンピュータシステム１００の主要コンポーネントは、１つ以上のプロセッサ１０２、メモリ１０４、端末インターフェース１１２、ストレージインタフェース１１３、Ｉ／Ｏ（入出力）デバイスインタフェース１１４、及びネットワークインターフェース１１５を含む。これらのコンポーネントは、メモリバス１０６、Ｉ／Ｏバス１０８、バスインターフェースユニット１０９、及びＩ／Ｏバスインターフェースユニット１１０を介して、相互的に接続されてもよい。
【0016】
コンピュータシステム１００は、プロセッサ１０２と総称される１つ又は複数の汎用プログラマブル中央処理装置（ＣＰＵ）１０２Ａ及び１０２Ｂを含んでもよい。ある実施形態では、コンピュータシステム１００は複数のプロセッサを備えてもよく、また別の実施形態では、コンピュータシステム１００は単一のＣＰＵシステムであってもよい。各プロセッサ１０２は、メモリ１０４に格納された命令を実行し、オンボードキャッシュを含んでもよい。
【0017】
ある実施形態では、メモリ１０４は、データ及びプログラムを記憶するためのランダムアクセス半導体メモリ、記憶装置、又は記憶媒体（揮発性又は不揮発性のいずれか）を含んでもよい。メモリ１０４は、本明細書で説明する機能を実施するプログラム、モジュール、及びデータ構造のすべて又は一部を格納してもよい。例えば、メモリ１０４は、輸送計画管理アプリケーション１５０を格納していてもよい。ある実施形態では、輸送計画管理アプリケーション１５０は、後述する機能をプロセッサ１０２上で実行する命令又は記述を含んでもよい。
【0018】
ある実施形態では、輸送計画管理アプリケーション１５０は、プロセッサベースのシステムの代わりに、又はプロセッサベースのシステムに加えて、半導体デバイス、チップ、論理ゲート、回路、回路カード、及び/又は他の物理ハードウェアデバイスを介してハードウェアで実施されてもよい。ある実施形態では、輸送計画管理アプリケーション１５０は、命令又は記述以外のデータを含んでもよい。ある実施形態では、カメラ、センサ、又は他のデータ入力デバイス（図示せず）が、バスインターフェースユニット１０９、プロセッサ１０２、又はコンピュータシステム１００の他のハードウェアと直接通信するように提供されてもよい。
【0019】
コンピュータシステム１００は、プロセッサ１０２、メモリ１０４、表示システム１２４、及びＩ／Ｏバスインターフェースユニット１１０間の通信を行うバスインターフェースユニット１０９を含んでもよい。Ｉ／Ｏバスインターフェースユニット１１０は、様々なＩ／Ｏユニットとの間でデータを転送するためのＩ／Ｏバス１０８と連結していてもよい。Ｉ／Ｏバスインターフェースユニット１１０は、Ｉ／Ｏバス１０８を介して、Ｉ／Ｏプロセッサ（ＩＯＰ）又はＩ／Ｏアダプタ（ＩＯＡ）としても知られる複数のＩ／Ｏインタフェースユニット１１２，１１３，１１４、及び１１５と通信してもよい。
【0020】
表示システム１２４は、表示コントローラ、表示メモリ、又はその両方を含んでもよい。表示コントローラは、ビデオ、オーディオ、又はその両方のデータを表示装置１２６に提供することができる。また、コンピュータシステム１００は、データを収集し、プロセッサ１０２に当該データを提供するように構成された1つ又は複数のセンサ等のデバイスを含んでもよい。
【0021】
例えば、コンピュータシステム１００は、心拍数データやストレスレベルデータ等を収集するバイオメトリックセンサ、湿度データ、温度データ、圧力データ等を収集する環境センサ、及び加速度データ、運動データ等を収集するモーションセンサ等を含んでもよい。これ以外のタイプのセンサも使用可能である。表示システム１２４は、単独のディスプレイ画面、テレビ、タブレット、又は携帯型デバイスなどの表示装置１２６に接続されてもよい。
【0022】
Ｉ／Ｏインタフェースユニットは、様々なストレージ又はＩ／Ｏデバイスと通信する機能を備える。例えば、端末インタフェースユニット１１２は、ビデオ表示装置、スピーカテレビ等のユーザ出力デバイスや、キーボード、マウス、キーパッド、タッチパッド、トラックボール、ボタン、ライトペン、又は他のポインティングデバイス等のユーザ入力デバイスのようなユーザＩ／Ｏデバイス１１６の取り付けが可能である。ユーザは、ユーザインターフェースを使用して、ユーザ入力デバイスを操作することで、ユーザＩ／Ｏデバイス１１６及びコンピュータシステム１００に対して入力データや指示を入力し、コンピュータシステム１００からの出力データを受け取ってもよい。ユーザインターフェースは例えば、ユーザＩ／Ｏデバイス１１６を介して、表示装置に表示されたり、スピーカによって再生されたり、プリンタを介して印刷されたりしてもよい。
【0023】
ストレージインタフェース１１３は、１つ又は複数のディスクドライブや直接アクセスストレージ装置１１７（通常は磁気ディスクドライブストレージ装置であるが、単一のディスクドライブとして見えるように構成されたディスクドライブのアレイ又は他のストレージ装置であってもよい）の取り付けが可能である。ある実施形態では、ストレージ装置１１７は、任意の二次記憶装置として実装されてもよい。メモリ１０４の内容は、ストレージ装置１１７に記憶され、必要に応じてストレージ装置１１７から読み出されてもよい。Ｉ／Ｏデバイスインタフェース１１４は、プリンタ、ファックスマシン等の他のＩ／Ｏデバイスに対するインターフェースを提供してもよい。ネットワークインターフェース１１５は、コンピュータシステム１００と他のデバイスが相互的に通信できるように、通信経路を提供してもよい。この通信経路は、例えば、ネットワーク１３０であってもよい。
【0024】
ある実施形態では、コンピュータシステム１００は、マルチユーザメインフレームコンピュータシステム、シングルユーザシステム、又はサーバコンピュータ等の、直接的ユーザインターフェースを有しない、他のコンピュータシステム（クライアント）からの要求を受信するデバイスであってもよい。他の実施形態では、コンピュータシステム１００は、デスクトップコンピュータ、携帯型コンピューター、ノートパソコン、タブレットコンピュータ、ポケットコンピュータ、電話、スマートフォン、又は任意の他の適切な電子機器であってもよい。
【0025】
次に、図２を参照して、本開示の実施形態に係る輸送計画管理システムについて説明する。
【0026】
図２は、本開示の実施形態に係る輸送計画管理システム２００の構成の一例を示す図である。輸送計画管理システム２００は、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながらＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成するためのシステムである。図２に示すように、輸送計画管理システム２００は、輸送計画管理装置２１０と、通信ネットワーク２５０と、ユーザ端末２６０とからなる。輸送計画管理システム２００において、輸送計画管理装置２１０と、ユーザ端末２６０とは、通信ネットワーク２５０を介して互いに接続されてもよい。
【0027】
輸送計画管理装置２１０は、既存の輸送計画において所定の要求閾値を満たさない不整合ＫＰＩを、当該要求閾値を満たすように改正した改正済み輸送計画を生成するための装置であり、図２に示すように、メモリ２２０、記憶部２３０、プロセッサ２４４及び入出力部２４６を主に含む。
ある実施形態では、輸送計画管理装置２１０は、図１に示すコンピュータシステム１００によって実装されてもよい。
ある実施形態では、輸送計画管理装置２１０は、図１に示すコンピュータシステム１００によって実装されてもよい。
【0028】
メモリ２２０は、本開示の実施形態に係る輸送計画管理手段の機能を実施するための
輸送計画管理アプリケーション１５０を格納するためのメモリであってもよい。この輸送計画管理アプリケーション１５０は、図２に示すように、ＫＰＩ解析部２２２、因果関係管理部２２４、改正提案部２２６及び輸送計画管理部２２８等のソフトウェアモジュールの機能を実施するための処理命令を含んでもよい。
輸送計画管理アプリケーション１５０を格納するためのメモリであってもよい。この輸送計画管理アプリケーション１５０は、図２に示すように、ＫＰＩ解析部２２２、因果関係管理部２２４、改正提案部２２６及び輸送計画管理部２２８等のソフトウェアモジュールの機能を実施するための処理命令を含んでもよい。
【0029】
ＫＰＩ解析部２２２は、後述する輸送サービス情報ＤＢ２３２に格納される既存輸送計画情報及び輸送サービスＫＰＩ情報に基づいて、所定の要求閾値を満たさない不整合ＫＰＩを特定すると共に、特定した不整合ＫＰＩに関連する因果関係を判定するための情報（統計情報のサブセット）を輸送サービス情報ＤＢ２３２や地域社会情報ＤＢ２３４から抽出するための機能部である。
なお、ＫＰＩ解析部２２２による動作の詳細については後述するため、ここではその説明を省略する。
なお、ＫＰＩ解析部２２２による動作の詳細については後述するため、ここではその説明を省略する。
【0030】
因果関係管理部２２４は、ＫＰＩ解析部２２２によって特定された不整合ＫＰＩと、抽出された統計情報のサブセットにおける関連変数との間で存在する因果関係を判定すると共に、不整合ＫＰＩが要求閾値を満たさない理由を示す不整合仮説情報を生成するための機能部である。
なお、因果関係管理部２２４による動作の詳細については後述するため、ここではその説明を省略する。
なお、因果関係管理部２２４による動作の詳細については後述するため、ここではその説明を省略する。
【0031】
改正提案部２２６は、因果関係管理部２２４によって判定された不整合仮説情報に基づいて、不整合ＫＰＩと因果関係にある関連変数に対する推奨の変数変更動作を示す変数変更動作情報を生成すると共に、当該変数変更動作を実施した場合の不整合ＫＰＩの変化量を計算するための機能部である。
なお、改正提案部２２６による動作の詳細については後述するため、ここではその説明を省略する。
なお、改正提案部２２６による動作の詳細については後述するため、ここではその説明を省略する。
【0032】
輸送計画管理部２２８は、既存輸送計画情報と、判定した因果関係とを用いて、不整合ＫＰＩが要求閾値を満たすように改正した改正済み輸送計画情報を生成するための機能部である。
なお、輸送計画管理部２２８による動作の詳細については後述するため、ここではその説明を省略する。
なお、輸送計画管理部２２８による動作の詳細については後述するため、ここではその説明を省略する。
【0033】
記憶部２３０は、本開示の実施形態に係る各種情報を格納するためのデータベース（以下、「ＤＢ」）を収容する記憶領域であり、図２に示すように、輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４を含んでもよい。
【0034】
輸送サービス情報ＤＢ２３２は、輸送サービスに関連する輸送サービス情報を格納するためのデータベースである。輸送サービス情報ＤＢ２３２に格納される輸送サービス情報は、例えば、輸送サービスを運用する輸送会社から取得される情報であってもよい。
地域社会情報ＤＢ２３４は、輸送サービスが提供される地域の社会に関する地域社会情情報を格納するためのデータベースである。地域社会情報ＤＢ２３４は、自治体、行政機関、企業、団体等、任意の第三者から取得されてもよく、社会に設置されているセンサによって取得されてもよい。
なお、図２では、輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４が輸送計画管理装置２１０の記憶部２３０内に格納されている構成を一例として示しているが、実際には、輸送サービス情報ＤＢ２３２や地域社会情報ＤＢ２３４に格納されている情報は、輸送計画管理装置２１０と通信可能に接続されている外部のサーバ（例えば、輸送会社の所有されているサーバ、自治体のサーバ）に収容され、通信ネットワーク２５０を介して必要に応じて取得される構成も可能である。
地域社会情報ＤＢ２３４は、輸送サービスが提供される地域の社会に関する地域社会情情報を格納するためのデータベースである。地域社会情報ＤＢ２３４は、自治体、行政機関、企業、団体等、任意の第三者から取得されてもよく、社会に設置されているセンサによって取得されてもよい。
なお、図２では、輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４が輸送計画管理装置２１０の記憶部２３０内に格納されている構成を一例として示しているが、実際には、輸送サービス情報ＤＢ２３２や地域社会情報ＤＢ２３４に格納されている情報は、輸送計画管理装置２１０と通信可能に接続されている外部のサーバ（例えば、輸送会社の所有されているサーバ、自治体のサーバ）に収容され、通信ネットワーク２５０を介して必要に応じて取得される構成も可能である。
【0035】
プロセッサ２４４は、メモリ２２０によって格納される輸送計画管理アプリケーション１５０の各機能部の機能を規定する処理命令を実施するための処理部である。
【0036】
入出力部２４６は、輸送計画管理装置２１０に入力される情報を受け付けると共に、輸送計画管理装置２１０によって生成される改正済み輸送計画情報等のデータを出力するための機能部である。ある実施形態では、入出力部２４６は、例えばキーボード、マウス、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を表示するディスプレイ等を含んでもよい。ある実施形態では、入出力部２４６は、各種情報の入出力を行うＧＵＩをユーザ端末２６０に提供してもよい。
【0037】
通信ネットワーク２５０は、例えばローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、衛星ネットワーク、ケーブルネットワーク、ＷｉＦｉネットワーク、又はそれらの任意の組み合わせを含むものであってもよい。
【0038】
ユーザ端末２６０は、輸送計画管理装置２１０のユーザによって利用可能な端末装置である。ユーザは、ユーザ端末２６０を用いることで、既存輸送計画情報、輸送サービスＫＰＩ情報、後述する次元パラメータ等の情報を入力したり、輸送計画管理装置２１０によって出力される改正済み輸送計画情報等の情報を確認したりすることができる。一例として、ユーザ端末２６０は、例えば輸送会社で輸送計画を管理するユーザのスマートフォン、スマートウォッチ、タブレット、パソコン等を含んでもよく、特に限定されない。
なお、図２では、説明の便宜上、１つのユーザ端末２６０を含む構成を一例として説明しているが、ユーザ端末２６０の数は限定されず、複数のユーザ端末２６０を含む構成も可能である。
なお、図２では、説明の便宜上、１つのユーザ端末２６０を含む構成を一例として説明しているが、ユーザ端末２６０の数は限定されず、複数のユーザ端末２６０を含む構成も可能である。
【0039】
以上説明した輸送計画管理システム２００によれば、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながらＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成することができる。
【0040】
次に、図３を参照して、本開示の実施形態に係る輸送計画管理装置に含まれる機能部やデータベースの論理的構成について説明する。
【0041】
図３は、本開示の実施形態に係る輸送計画管理装置２１０に含まれる機能部及びデータベースの論理的構成を示す図である。
【0042】
上述したように、輸送計画管理装置２１０は、輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４との２つのデータベースと、ＫＰＩ解析部２２２、因果関係管理部２２４、改正提案部２２６及び輸送計画管理部２２８との４つの機能部を含む。また、輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４のそれぞれは、従属データベースを含み、ＫＰＩ解析部２２２、因果関係管理部２２４、改正提案部２２６及び輸送計画管理部２２８のそれぞれは、従属機能部を含んでもよい。従って、ここでは、各データベース及び機能部に含まれる従属データベース及び従属機能部について説明する。
【0043】
輸送サービス情報ＤＢ２３２は、輸送サービスに関連する輸送サービス情報を格納するためのデータベースであり、図３に示すように、既存輸送計画情報ＤＢ４０１、輸送サービスＫＰＩ情報ＤＢ４０２、インフラ情報ＤＢ４０３、車両編成情報ＤＢ４０４、地図情報ＤＢ４０５、天気情報ＤＢ４０７及び旅客移動情報ＤＢ４０６を含んでもよい。上述したように、輸送サービス情報ＤＢ２３２に含まれる各種情報は、例えば輸送サービスを提供する輸送会社から取得されてもよい。
【0044】
既存輸送計画情報ＤＢ４０１は、輸送サービスにおける既存の輸送計画を示す既存輸送計画情報を格納するデータベースである。この既存輸送計画情報は、所定の期間に対して、輸送サービスとして実施される輸送行程を識別する情報、輸送行程を実施するために用いられる車両を識別する情報、輸送行程の出発位置及び到着位置を示す情報、輸送行程の本数、輸送行程の所要時間の情報及び輸送行程の定員数の情報等を含んでもよい。この既存輸送計画情報は、後述するように、不整合ＫＰＩを向上させた改正済み輸送計画情報を生成するために用いられ、例えば輸送計画管理装置の利用者（クライアント等）に作成され、入力されてもよい。
【0045】
輸送サービスＫＰＩ情報ＤＢ４０２は、既存輸送計画情報ＤＢ４０１に格納される既存輸送計画情報に関するＫＰＩの情報と、各ＫＰＩに対する要求閾値を示す情報である。上述したように、これらのＫＰＩは、既存輸送計画情報における様々な要素に関して、輸送サービスの性能を指し示す定量的な指標である。例えば、ある実施形態では、これらのＫＰＩは、輸送計画の運用費用、予想収入、環境への影響、及びエネルギー効率に対する性能指標を含んでもよい。
また、要求閾値は、各ＫＰＩについて、求められる性能の範囲を規定する情報である。本開示では、この要求閾値を満たさない（つまり、範囲から逸脱している）ＫＰＩは、「不整合ＫＰＩ」と言う。
一例として、輸送サービスＫＰＩ情報ＤＢ４０２は、既存輸送計画情報において「車両使用率＝４５％」というＫＰＩがあり、当該ＫＰＩに対する要求閾値が「６０％から７０％」の場合、当該ＫＰＩ要求閾値を満たさない「不整合ＫＰＩ」として特定される。
また、要求閾値は、各ＫＰＩについて、求められる性能の範囲を規定する情報である。本開示では、この要求閾値を満たさない（つまり、範囲から逸脱している）ＫＰＩは、「不整合ＫＰＩ」と言う。
一例として、輸送サービスＫＰＩ情報ＤＢ４０２は、既存輸送計画情報において「車両使用率＝４５％」というＫＰＩがあり、当該ＫＰＩに対する要求閾値が「６０％から７０％」の場合、当該ＫＰＩ要求閾値を満たさない「不整合ＫＰＩ」として特定される。
【0046】
インフラ情報ＤＢ４０３は、輸送サービスが提供される地域における既存インフラを示すインフラ情報を格納するデータベースである。この既存インフラは、例えば輸送サービスにおいて用いられる線路、駅、車両、電線、改札口等を識別する情報を含んでもよい。
【0047】
車両編成情報ＤＢ４０４は、輸送サービスにおいて用いられる車両（列車やバス等）の編成を示す情報を格納するデータベースである。この車両編成は、例えば、列車において組成した車両を識別する情報、車両の定員数、特定の車両の前後の車両等を含んでもよい。
【0048】
地図情報ＤＢ４０５は、輸送サービスが提供される地域に関する地図情報を格納するデータベースである。この地図情報は、輸送サービスが提供される地域の２次元や３次元の地図、衛星写真、地域の標高に関する情報等を含んでもよい。
【0049】
天気情報４０６は、輸送サービスが提供される地域に関する天気情報を格納するデータベースである。この天気情報は、輸送サービスが提供される地域の気温、湿度、雨量、積雪量、日照時間等を示す情報を含んでもよい。
【0050】
旅客移動情報ＤＢ４０７は、輸送サービスを利用する旅客の移動履歴を示す旅客移動情報を格納するデータベースである。この旅客移動情報は、例えば、過去に旅客が使用した輸送行程の日時、種類（列車やバス）、出発位置、到着位置、所要時間、待ち時間等の情報を含んでもよい。
【0051】
地域社会情報ＤＢ２３４は、輸送サービスが提供される地域の社会に関する地域社会情報を格納するためのデータベースであり、図３に示すように、人口情報ＤＢ４１１、住民移動情報ＤＢ４１２、輸送手段情報ＤＢ４１３、税金情報ＤＢ４１４、経済情報ＤＢ４１５及び顧客満足度情報ＤＢ４１６を含んでもよい。上述したように、この地域社会情報ＤＢ２３４に格納される各種情報は、自治体、行政機関、企業、団体等、任意の第三者から取得されてもよく、社会に設置されているセンサによって取得されてもよい。
【0052】
人口情報ＤＢ４１１は、輸送サービスが提供される地域の人口を示す人口情報を格納するデータベースである。この人口情報は、例えば、当該地域に居住している人口や、仕事、学校、観光等の目的で当該地域に滞在する流動人口等を示す情報を含んでもよい。
【0053】
住民移動情報ＤＢ４１２は、輸送サービスが提供される地域に居住する住民の移動を示す住民移動情報を格納するデータベースである。この住民移動情報は、例えば、所定の期間にわたって、当該地域に入居した人数に関する情報や、当該地域から転居した人数に関する情報を含んでもよい。
【0054】
輸送手段情報ＤＢ４１３は、所定の地域において提供される輸送手段を示す輸送手段情報を格納するデータベースである。この輸送手段情報は、例えば、所定の地域において提供されるバス、列車、モノレール等のサービス及びそれぞれの利用実績に関する情報を含んでもよい。
【0055】
税金情報ＤＢ４１４は、輸送サービスが提供される地域に居住する住民に関する税金情報を格納するデータベースである。この税金情報は、例えば、当該地域に居住する住民の平均納税額、収入、滞納税金に関する情報を含んでもよい。
【0056】
経済情報ＤＢ４１５は、輸送サービスが提供される地域の経済に関する経済情報を格納するデータベースである。この経済情報は、当該地域における主要の業界、生産情報、雇用率等に関する情報を含んでもよい。
【0057】
顧客満足度情報ＤＢ４１６は、輸送サービスが提供される地域に居住する輸送サービスの顧客の、輸送サービスに対する満足度を示す顧客満足度情報を格納するデータベースである。この顧客満足度情報は、複数の輸送サービスや輸送行程に対する顧客満足度や顧客の移動嗜好（移動時間が短い経路を好む、乗り換えが少ない経路を好む等）に関する情報を含んでもよい。
【0058】
上述した輸送サービス情報ＤＢ２３２及び地域社会情報ＤＢ２３４に格納される各種情報の内、既存輸送計画情報ＤＢ４０１及び輸送サービスＫＰＩ情報ＤＢ４０２は、後述するように、既存輸送計画情報において要求閾値を満たさない不整合ＫＰＩを特定するために用いられる。
一方、インフラ情報ＤＢ４０３、車両編成情報ＤＢ４０４、地図情報ＤＢ４０５天気情報ＤＢ４０６、旅客移動情報ＤＢ４０７、人口情報ＤＢ４１１、住民移動情報ＤＢ４１２、輸送手段情報ＤＢ４１３、税金情報ＤＢ４１４、経済情報ＤＢ４１５及び顧客満足度情報ＤＢ４１６に格納される各種情報は、特定した不整合ＫＰＩに関する因果関係を特定するために用いられる。以下では、インフラ情報ＤＢ４０３、車両編成情報ＤＢ４０４、地図情報ＤＢ４０５天気情報ＤＢ４０６、旅客移動情報ＤＢ４０７、人口情報ＤＢ４１１、住民移動情報ＤＢ４１２、輸送手段情報ＤＢ４１３、税金情報ＤＢ４１４、経済情報ＤＢ４１５及び顧客満足度情報ＤＢ４１６に格納され、因果関係を特定するために用いられる情報は、「統計情報」３１５と総称する。
一方、インフラ情報ＤＢ４０３、車両編成情報ＤＢ４０４、地図情報ＤＢ４０５天気情報ＤＢ４０６、旅客移動情報ＤＢ４０７、人口情報ＤＢ４１１、住民移動情報ＤＢ４１２、輸送手段情報ＤＢ４１３、税金情報ＤＢ４１４、経済情報ＤＢ４１５及び顧客満足度情報ＤＢ４１６に格納される各種情報は、特定した不整合ＫＰＩに関する因果関係を特定するために用いられる。以下では、インフラ情報ＤＢ４０３、車両編成情報ＤＢ４０４、地図情報ＤＢ４０５天気情報ＤＢ４０６、旅客移動情報ＤＢ４０７、人口情報ＤＢ４１１、住民移動情報ＤＢ４１２、輸送手段情報ＤＢ４１３、税金情報ＤＢ４１４、経済情報ＤＢ４１５及び顧客満足度情報ＤＢ４１６に格納され、因果関係を特定するために用いられる情報は、「統計情報」３１５と総称する。
【0059】
ＫＰＩ解析部２２２は、輸送サービス情報ＤＢ２３２に格納される既存輸送計画情報及び輸送サービスＫＰＩ情報に基づいて、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部４２１と、特定した不整合ＫＰＩに関連する因果関係を判定するための情報（統計情報のサブセット）を統計情報３１５から抽出する情報抽出部４２２とを含む。
なお、ＫＰＩ解析部２２２による動作の詳細については後述するため、ここではその説明を省略する。
なお、ＫＰＩ解析部２２２による動作の詳細については後述するため、ここではその説明を省略する。
【0060】
因果関係管理部２２４は、ＫＰＩ解析部２２２によって特定された不整合ＫＰＩと、抽出された統計情報のサブセットにおける関連変数との間で存在する因果関係を判定する因果関係判定部４３１と、不整合ＫＰＩが要求閾値を満たさない理由を示す不整合仮説情報を生成する仮説推論部４３２とを含む。
なお、因果関係管理部２２４による動作の詳細については後述するため、ここではその説明を省略する。
なお、因果関係管理部２２４による動作の詳細については後述するため、ここではその説明を省略する。
【0061】
改正提案部２２６は、因果関係管理部２２４によって判定された不整合仮説情報に基づいて、不整合ＫＰＩと因果関係にある関連変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する動作判定部４４１と、当該変数変更動作を実施した場合の不整合ＫＰＩの変化量を計算するＫＰＩ変化計算部４４２とを含む。
なお、改正提案部２２６による動作の詳細については後述するため、ここではその説明を省略する。
なお、改正提案部２２６による動作の詳細については後述するため、ここではその説明を省略する。
【0062】
輸送計画管理部２２８は、判定した因果関係を示す因果関係図と、不整合仮説情報と、変数変更動作情報と、変数変更動作を実施した場合の不整合ＫＰＩの変化量を出力し、ユーザからの入力を受け付ける受付部４５１と、変数変更動作を承認する承認入力を受け付けた場合、変数変更動作を既存輸送計画情報に対して反映させることで、不整合ＫＰＩが要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部４５２とを含む。
【0063】
図３に示す輸送計画管理装置２１０によれば、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながらＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成することができる。
【0064】
次に、図４を参照して、本開示の実施形態に係る輸送計画管理方法の全体の流れについて説明する。
【0065】
図４は、本開示の実施形態に係る輸送計画管理方法４００の全体の流れの一例を示す図である。図４に示す輸送計画管理方法４００は、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながら要求閾値を満たさないＫＰＩが要求閾値を満たさない理由を導出した上で、ＫＰＩを向上させた改正済み輸送計画を生成するための方法であり、図２及び３に示す輸送計画管理装置２１０の各機能部によって実施される。
【0066】
まず、ステップＳ４０２では、ＫＰＩ解析部２２２は、輸送サービス情報ＤＢ２３２に格納されている輸送サービス情報と、地域社会情報ＤＢ２３４に格納されている地域社会情報を取得する。上述したように、ここで取得される情報には、不整合ＫＰＩを特定するために用いられる既存輸送計画情報及び輸送サービスＫＰＩ情報と、因果関係を特定するために用いられる統計情報（例えば、図３に示す統計情報３１５）とを含む。
なお、ここでは、ＫＰＩ解析部２２２が輸送サービス情報及び地域社会情報を全て取得する場合を一例として説明したが、本開示はこれに限定されず、例えば輸送サービス情報及び地域社会情報が遠隔の第三者サーバ等に格納されている場合には、ＫＰＩ解析部２２２は、不整合ＫＰＩを特定するための既存輸送計画情報及び輸送サービスＫＰＩ情報を先に取得し、不整合ＫＰＩを特定した後、これらの不整合ＫＰＩに関連する統計情報のみをサーバから取得することも可能である。これにより、不整合ＫＰＩとの関連度が低い情報を送信する帯域幅を節約することができる。
なお、ここでは、ＫＰＩ解析部２２２が輸送サービス情報及び地域社会情報を全て取得する場合を一例として説明したが、本開示はこれに限定されず、例えば輸送サービス情報及び地域社会情報が遠隔の第三者サーバ等に格納されている場合には、ＫＰＩ解析部２２２は、不整合ＫＰＩを特定するための既存輸送計画情報及び輸送サービスＫＰＩ情報を先に取得し、不整合ＫＰＩを特定した後、これらの不整合ＫＰＩに関連する統計情報のみをサーバから取得することも可能である。これにより、不整合ＫＰＩとの関連度が低い情報を送信する帯域幅を節約することができる。
【0067】
次に、ステップＳ４０４では、ＫＰＩ解析部２２２の不整合ＫＰＩ特定部４２１は、ステップＳ４０２で取得した既存輸送計画情報及び輸送サービスＫＰＩ情報に基づいて、不整合ＫＰＩを特定する。上述したように、輸送サービスＫＰＩ情報は、既存輸送計画情報に関するＫＰＩの情報と、各ＫＰＩに対する要求閾値を示す情報である。従って、不整合ＫＰＩ特定部４２１は、特定の既存輸送計画情報に対応する輸送サービスＫＰＩ情報の内、規定されている要求閾値を満たさないＫＰＩを不整合ＫＰＩとして特定することができる。一例として、輸送サービスＫＰＩ情報において、「車両使用率」とのＫＰＩに対して、「６０％から７０％」との要求閾値が規定されており、既存輸送計画情報では「車両使用率＝４５％」の場合、不整合ＫＰＩ特定部４２１は、「車両使用率」を不整合ＫＰＩとして特定してもよい。
【0068】
次に、ステップＳ４０６では、ＫＰＩ解析部２２２の情報抽出部４２２は、不整合ＫＰＩの影響範囲に基づいて、統計情報の検索範囲を規定する次元パラメータを規定する入力をユーザから受け付ける。ここでの不整合ＫＰＩの影響範囲とは、不整合ＫＰＩがどこで、いつからいつまで、何に対して影響を与えているかを特定するための情報である。また、次元パラメータとは、この不整合ＫＰＩの影響範囲に基づいて設定され、当該不整合ＫＰＩに関連する情報（統計情報のサブセット）を統計情報から抽出するための検索の最大の範囲を規定する情報である。ある実施形態では、輸送計画管理装置２１０のユーザは、図１２に示し、ユーザ端末２６０を介して表示される次元パラメータ設定インターフェース１２００に対して次元パラメータを設定してもよい。
ある実施形態では、次元パラメータは、統計情報に対して実施される検索について、時間的範囲（例えば不整合ＫＰＩが何時から何時まで発生したか）を規定する時間パラメータ、空間的範囲（例えば不整合ＫＰＩが発生した地理的な位置や座標）を規定する位置パラメータ、対象物範囲を規定する車両パラメータ（例えば、不整合ＫＰＩが対象の車両の何車両前から何車両後まで発生しているか）、駅の範囲を規定する駅パラメータ（例えば、不整合ＫＰＩが対象の駅の何駅前から何駅後まで発生しているか）及び対象物範囲を規定する特徴情報（例えば、不整合ＫＰＩが発生した車両のエネルギー効率等）等を含んでもよい。
なお、次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、次元パラメータは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
ステップＳ４０６からステップＳ４１２の詳細については、図５を参照して説明する因果関係判定処理５００において後述するため、ここではその説明を省略する。
ある実施形態では、次元パラメータは、統計情報に対して実施される検索について、時間的範囲（例えば不整合ＫＰＩが何時から何時まで発生したか）を規定する時間パラメータ、空間的範囲（例えば不整合ＫＰＩが発生した地理的な位置や座標）を規定する位置パラメータ、対象物範囲を規定する車両パラメータ（例えば、不整合ＫＰＩが対象の車両の何車両前から何車両後まで発生しているか）、駅の範囲を規定する駅パラメータ（例えば、不整合ＫＰＩが対象の駅の何駅前から何駅後まで発生しているか）及び対象物範囲を規定する特徴情報（例えば、不整合ＫＰＩが発生した車両のエネルギー効率等）等を含んでもよい。
なお、次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、次元パラメータは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
ステップＳ４０６からステップＳ４１２の詳細については、図５を参照して説明する因果関係判定処理５００において後述するため、ここではその説明を省略する。
【0069】
次に、ステップＳ４０８では、情報抽出部４２２は、ステップＳ４０６で設定された次元パラメータに基づいて、不整合ＫＰＩに関する因果関係を判定するための統計情報のサブセットを、ステップＳ４０２で取得した統計情報（図３に示す統計情報３１５）から抽出する。
【0070】
次に、ステップＳ４１０では、因果関係管理部２２４の因果関係判定部４３１は、ステップＳ４０８で抽出した統計情報のサブセットを用いて、不整合ＫＰＩに関する因果関係を判定する。ここで、因果関係判定部４３１は、１つの不整合ＫＰＩについて、複数の因果関係を判定してもよい。この因果関係は、不整合ＫＰＩと、統計情報における任意のデータ要素（以下、「関連変数」）との間で存在する因果関係であり、不整合ＫＰＩが関連変数によって影響される関係や、不整合ＫＰＩが関連変数を影響する関係を含む。
【0071】
次に、ステップＳ４１２では、因果関係管理部２２４の因果関係判定部４３１は、ステップＳ４１０で判定した因果関係毎に、精度を計算する。この精度は、特定の因果関係の正確性を示す値であり、因果関係を判定する際に算出される信用度等であってもよい。
【0072】
次に、ステップＳ４１４では、因果関係判定部４３１は、不整合ＫＰＩ毎に、精度が最も高い因果関係を特定する。これは、特定の不整合ＫＰＩを影響する（又は影響される）最も確実な因果関係として、不整合ＫＰＩが発生した理由を導出するために用いられる。ある実施形態では、所定の精度閾値を満たす複数の因果関係が存在する場合、これらの複数の因果関係を特定してもよい。
【0073】
次に、ステップＳ４１６では、因果関係判定部４３１は、ステップＳ４０４で特定した全ての不整合ＫＰＩについて、処理は終了した（精度が最も高い因果関係が特定されているか）を判定する。全ての不整合ＫＰＩについて処理が終了していない場合、本処理はステップＳ４０６へ戻り、それ以降のステップが対象の不整合ＫＰＩについて行われる。一方、全ての不整合ＫＰＩについて処理が終了している場合、本処理はステップＳ４１８へ進む。
【0074】
次に、ステップＳ４１８では、因果関係管理部２２４の仮説推論部４３２は、ステップＳ４１４で特定した、精度が最も高い因果関係に基づいて、不整合ＫＰＩが要求閾値を満たさない理由を示す不整合仮説情報を生成する。
なお、ステップＳ４１８～Ｓ４２４の詳細は、図６に示す因果関係解析処理６００や、図７に示す輸送計画生成処理７００において後述するため、ここではその説明を省略する。
なお、ステップＳ４１８～Ｓ４２４の詳細は、図６に示す因果関係解析処理６００や、図７に示す輸送計画生成処理７００において後述するため、ここではその説明を省略する。
【0075】
次に、ステップＳ４２０では、改正提案部２２６の動作判定部４４１は、ステップＳ４１８で生成した不整合仮説情報に基づいて、不整合ＫＰＩが要求閾値を満たすようにするための変数変更動作を示す変数変更動作情報を生成し、ＫＰＩ変化計算部４４２は、当該変数変更動作を実施した場合の不整合ＫＰＩの変化量を計算する。
ここでの変数変更動作は、当該不整合ＫＰＩと因果関係にある変数に対する推奨の変更を規定する情報である。一例として、「混雑度」との不整合ＫＰＩが「列車本数」との関連変数と因果関係にあると判定された場合、動作判定部４４１は、「列車本数を調整する」ことを推奨する変数変更動作を判定してもよい。
ここでの変数変更動作は、当該不整合ＫＰＩと因果関係にある変数に対する推奨の変更を規定する情報である。一例として、「混雑度」との不整合ＫＰＩが「列車本数」との関連変数と因果関係にあると判定された場合、動作判定部４４１は、「列車本数を調整する」ことを推奨する変数変更動作を判定してもよい。
【0076】
次に、ステップＳ４２２では、輸送計画管理部２２８の受付部４５１は、不整合ＫＰＩと関連変数との因果関係を示す因果関係図と、不整合仮説情報と、変数変更動作情報と、変数変更動作を実施した場合の不整合ＫＰＩの変化量を出力し、輸送計画管理装置２１０のユーザに表示し、当該変数変更動作を承認するか否かを示すフィードバックを受け付ける。
【0077】
次に、ステップＳ４２４では、輸送計画管理部２２８の輸送計画生成部４５２は、ステップＳ４２２で出力した変数変更動作を承認する承認入力をユーザから受け付けた場合、変数変更動作を既存輸送計画情報に対して反映させることで、改正済み輸送計画情報を生成する。この改正済み輸送計画情報は、不整合ＫＰＩが要求閾値を満たすように、関連変数を調整した輸送計画情報である。
【0078】
図４を参照して説明した輸送計画管理方法４００によれば、所定の要求閾値を満たさない不整合ＫＰＩと、当該不整合ＫＰＩに関連する統計情報における関連変数との間の因果関係を判定し、当該因果関係に基づいて、不整合ＫＰＩが要求閾値を満たさなかった理由を導出することができる。また、このように導出した理由に基づいて、不整合ＫＰＩが要求閾値を満たすように、関連変数を調整した改正済み輸送計画情報を生成することが可能となる。
【0079】
次に、図５を参照して、本開示の実施形態に係る因果関係判定処理の流れについて説明する。
【0080】
図５は、本開示の実施形態に係る因果関係判定処理５００の流れの一例を示す図である。図５に示す因果関係判定処理５００は、統計情報に対する検索範囲を規定する次元パラメータに基づいて、統計情報の中から当該不整合ＫＰＩに関連する統計情報のサブセットを抽出し、抽出した統計情報のサブセットにおける関連変数と不整合ＫＰＩとの間に存在する因果関係を判定するための処理であり、ＫＰＩ解析部２２２の情報抽出部４２２及び因果関係管理部２２４の因果関係判定部４３１によって実施される。
なお、図５では、不整合ＫＰＩの影響範囲を時間、車両及び駅に関するパラメータを用いて規定する場合を一例として説明するが、本開示はこれに限定されず、例えば車両のエネルギー効率等、任意の他のパラメータを用いて不整合ＫＰＩの影響範囲を規定してもよい。
なお、図５では、不整合ＫＰＩの影響範囲を時間、車両及び駅に関するパラメータを用いて規定する場合を一例として説明するが、本開示はこれに限定されず、例えば車両のエネルギー効率等、任意の他のパラメータを用いて不整合ＫＰＩの影響範囲を規定してもよい。
【0081】
まず、ステップＳ５０２では、情報抽出部４２２は、不整合ＫＰＩの影響範囲を判定する。ここで、情報抽出部４２２は、例えば既存輸送計画情報ＤＢ４０１に格納されている既存輸送計画情報と、輸送サービスＫＰＩ情報ＤＢ４０２に格納されているＫＰＩ情報に基づいて、上述した輸送計画管理方法４００のステップＳ４０４で特定した不整合ＫＰＩについて、要求閾値から逸脱している時間、車両及び駅の範囲を判定してもよい。一例として、情報抽出部４２２は、不整合ＫＰＩの開始時間、開始車両目、開始駅、終了時間、終了車両目、終了駅等を不整合ＫＰＩの影響範囲として判定してもよい。
【0082】
次に、ステップＳ５０４では、情報抽出部４２２は、ステップＳ５０４で判定した不整合ＫＰＩの影響範囲に基づいて、次元パラメータ及びステップサイズを設定する。ある実施形態では、情報抽出部４２２は、ステップＳ５０４で判定した不整合ＫＰＩの影響範囲を、例えば後述する次元パラメータ設定インターフェース１２００を介してユーザに表示し、ユーザに調整・確認させた後、次元パラメータ及びステップサイズの値を確定して設定してもよい。
ここでのステップサイズとは、次元パラメータを用いて統計情報を検索する際に、一度に対象要素（後述するｌ、ｍ、ｎ）を広げる大きさを意味し、次元パラメータ毎に設定されてもよい。原則として、ステップサイズが小さければ小さい程、統計情報のサブセットがより細かに抽出され、より高精度の因果関係判定が可能となるが、処理時間が増加するため、このステップサイズは、因果関係判定の希望の精度及び処理時間を考慮して設定することが望ましい。
ここでのステップサイズとは、次元パラメータを用いて統計情報を検索する際に、一度に対象要素（後述するｌ、ｍ、ｎ）を広げる大きさを意味し、次元パラメータ毎に設定されてもよい。原則として、ステップサイズが小さければ小さい程、統計情報のサブセットがより細かに抽出され、より高精度の因果関係判定が可能となるが、処理時間が増加するため、このステップサイズは、因果関係判定の希望の精度及び処理時間を考慮して設定することが望ましい。
【0083】
一例として、ここで、情報抽出部４２２は、不整合ＫＰＩの影響範囲に基づいて、統計情報を検索するための次元パラメータとして、時間の範囲を規定する時間パラメータＬ（例えば６０分）及びそのステップサイズａ（例えば３分）と、車両の範囲を規定する車両パラメータＭ（例えば前後１０車両）及びそのステップサイズｂ（例えば１車両）と、駅の範囲を規定する駅パラメータＮ（例えば６駅）及びそのステップサイズｃ（例えば１駅）を設定してもよい。これらの次元パラメータは、統計情報に対して実施される検索の最大の範囲を規定する。
次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、時間パラメータＬ、車両パラメータＭ及び駅パラメータＮは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、時間パラメータＬ、車両パラメータＭ及び駅パラメータＮは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
【0084】
次に、ステップＳ５０６では、情報抽出部４２２は、統計情報を検索するための対象要素の値を初期化し、統計情報の検索を開始する。ここでの対象要素は、統計情報における特定のデータを識別する値であり、次元パラメータに基づいて設定されてもよい。例えば、次元パラメータとして、時間パラメータＬ、車両パラメータＭ及び駅パラメータＮがある場合、情報抽出部４２２は、特定の時間を識別する対象時間ｌ、特定の車両を識別する対象車両ｍ及び特定の駅を識別する対象駅ｎを設定してもよい。その後、情報抽出部４２２は、対象時間ｌ、対象車両ｍ及び対象駅ｎを「０」に設定し、対象時間ｌ、対象車両ｍ及び対象駅ｎに対応する情報が統計情報に存在するかを判定する。
【0085】
次に、ステップＳ５０８では、情報抽出部４２２は、統計情報の中から、対象時間ｌ、対象車両ｍ及び対象駅ｎのいずれかに対応する情報を特定し、統計情報のサブセットとして抽出する。より具体的には、情報抽出部４２２は、以下の数式１に規定される検索範囲を満たす情報を統計情報のサブセットとして抽出してもよい。
一例として、情報抽出部４２２は、統計情報の中から、時間範囲（l1,l2）の範囲内のタイムスタンプに対応付けられている旅客移動情報を旅客移動情報ＤＢ４０７から取得し、車両範囲（m1,m2）の範囲内の車両の車両編成情報を車両編成情報ＤＢ４０４から取得し、駅範囲（ｎ1,ｎ2）の範囲内の領域に存在する地図情報を地図情報ＤＢ４０５から取得してもよい。このように、不整合ＫＰＩの影響範囲に基づいて設定される検索範囲に含まれ、当該不整合ＫＰＩと因果関係を有する可能性がある情報を統計情報の中から、統計情報のサブセットとして抽出することができる。
【数1】
【0086】
次に、ステップＳ５１０では、因果関係管理部２２４は、ステップＳ５０８で抽出した統計情報のサブセットと、上述した輸送計画管理方法４００のステップＳ４０４で特定した不整合ＫＰＩとを解析することで、不整合ＫＰＩに関する因果関係を判定する。ここでの因果関係とは、不整合ＫＰＩと、統計情報における関連変数との間で存在する因果関係であり、不整合ＫＰＩが関連変数によって影響される関係や、不整合ＫＰＩが関連変数を影響する関係を含む。ここでの関連変数は、統計情報における任意の特徴や属性に関するデータであってもよい。一例として、因果関係管理部２２４は、「混雑度」との不整合ＫＰＩと「列車本数」との関連変数が因果関係にあると判定してもよい。
ここで、統計情報のサブセットと、不整合ＫＰＩとを解析し、因果関係を判定する手段として、因果関係を判定するために訓練された機械学習モデルを用いてもよく、ここでは特に限定されない。また、因果関係管理部２２４は、因果関係を判定する際、対象の不整合ＫＰＩと因果関係にある関連変数や、各関連変数の不整合ＫＰＩへの影響度を示す因果関係数式を生成してもよい。
ここで、統計情報のサブセットと、不整合ＫＰＩとを解析し、因果関係を判定する手段として、因果関係を判定するために訓練された機械学習モデルを用いてもよく、ここでは特に限定されない。また、因果関係管理部２２４は、因果関係を判定する際、対象の不整合ＫＰＩと因果関係にある関連変数や、各関連変数の不整合ＫＰＩへの影響度を示す因果関係数式を生成してもよい。
【0087】
次に、ステップＳ５１２では、因果関係管理部２２４は、ステップＳ５１０で判定した不整合ＫＰＩの因果関係の精度を計算する。この精度は、特定の因果関係の正確性を示す値であり、因果関係を判定する際に算出される信用度等であってもよい。ある実施形態では、因果関係管理部２２４は、因果関係の精度を当該因果関係を判定した際に生成した因果関係数式によって計算してもよい。
【0088】
次に、ステップＳ５１４では、因果関係管理部２２４は、対象時間ｌが時間パラメータＬ以上か否かを判定する。対象時間ｌが時間パラメータＬ以上の場合、本処理はステップＳ５１８へ進む。対象時間ｌが時間パラメータＬ以上でない場合、本処理はステップＳ５１６へ進む。
【0089】
次に、ステップＳ５１６では、因果関係管理部２２４は、対象時間ｌに対して、対象時間ｌのステップサイズａを加算し、ステップＳ５０８へ戻る。
【0090】
次に、ステップＳ５１８では、因果関係管理部２２４は、対象車両ｍが車両パラメータＭ以上か否かを判定する。対象車両ｍが車両パラメータＭ以上の場合、本処理はステップＳ５２２へ進む。対象車両ｍが車両パラメータＭ以上でない場合、本処理はステップＳ５２０へ進む。
【0091】
次に、ステップＳ５２０では、因果関係管理部２２４は、対象車両ｍに対して、対象車両ｍのステップサイズｂを加算し、ステップＳ５０８へ戻る。
【0092】
次に、ステップＳ５２２では、因果関係管理部２２４は、対象駅ｎが駅パラメータＮ以上か否かを判定する。対象駅ｎが駅パラメータＮ以上の場合、本処理はステップＳ５２４へ進む。対象駅ｎが駅パラメータＮ以上でない場合、本処理は終了する。
【0093】
次に、ステップＳ５２４では、因果関係管理部２２４は、対象駅ｎに対して、対象駅ｎのステップサイズｃを加算し、ステップＳ５０８へ戻る。
【0094】
図５を参照して因果関係判定処理５００では、次元パラメータを用いて統計情報の中から、不整合ＫＰＩが発生した時間、位置、及び対象を含む検索範囲に対応し、当該不整合ＫＰＩと因果関係を有する可能性がある情報を抽出することができる。その後、このように抽出した情報を不整合ＫＰＩと共に解析することで、当該不整合ＫＰＩに関する因果関係を判定することができる。後述するように、このように導出した因果関係を用いることで、特定のＫＰＩが要求閾値を満たさなかった理由や、不整合ＫＰＩが要求閾値を満たすように改正した改正済み輸送計画情報の生成が可能となる。
【0095】
次に、図６を参照して、本開示の実施形態に係る因果関係解析処理６００の流れについて説明する。
【0096】
図６は、本開示の実施形態に係る因果関係解析処理６００の流れの一例を示す図である。図６に示す因果関係解析処理６００は、上述した因果関係判定部４３１によって判定される不整合ＫＰＩの因果関係を解析し、不整合ＫＰＩが要求閾値を満たさない理由を示す不整合仮説情報を生成すると共に、不整合ＫＰＩが要求閾値を満たすように、推奨の変数変更動作を生成するための処理であり、因果関係管理部２２４及び改正提案部２２６によって実施される。
【0097】
まず、ステップＳ６０２では、因果関係管理部２２４の仮説推論部４３２は、上述した因果関係判定部４３１（輸送計画管理方法４００及び因果関係判定処理５００参照）によって判定された、不整合ＫＰＩと関連変数の間で存在する因果関係の情報を取得する。
【0098】
次に、ステップＳ６０４では、仮説推論部４３２は、因果関係を評価するための精度閾値を設定する。この精度閾値は、判定された因果関係の中から、確実性が高く、不整合仮説情報の作成に用いられる程精度が高い因果関係とそうでないものを区別するための境界線を規定する情報であり、例えば精度値の下限であってもよい。この精度閾値は、例えば輸送計画管理装置２１０のユーザによって自由に設定されてもよい。ある実施形態では、この精度閾値は、例えば、「７０％」であってもよい。
【0099】
次に、ステップＳ６０６では、仮説推論部４３２は、ステップＳ６０２で取得した各不整合ＫＰＩの因果関係について、ステップＳ６０４で設定した精度閾値を満たすか否かを判定する。特定の不整合ＫＰＩの因果関係の精度が精度閾値を満たす場合、本処理はステップＳ６０８へ進み、不整合ＫＰＩの因果関係の精度が精度閾値を満たさない場合、本処理はステップＳ６１８へ進む。
【0100】
ステップＳ６１８では、不整合ＫＰＩの因果関係の精度が精度閾値を満たさない場合、仮説推論部４３２は、当該不整合ＫＰＩについて、確実な因果関係の判定ができなかったため、当該不整合ＫＰＩが独立している（つまり、他の変数に影響されない）と判定し、ステップＳ６２０へ進む。
【0101】
ステップＳ６０８では、仮説推論部４３２は、精度閾値を満たす不整合ＫＰＩの因果関係に関する要素リストを生成する。この要素リストとは、因果関係にある全てのＫＰＩや関連変数を列挙するリストであり、例えば因果関係判定の際に生成される因果関係数式における項に基づいて生成してもよい。一例として、因果関係数式が以下に示す数式２の場合、要素リストは、「Data1、Data2、Data4」となる。
【数2】
【0102】
次に、ステップＳ６１０では、仮説推論部４３２は、ステップＳ６０８で生成した要素リストにおけるそれぞれの要素の、不整合ＫＰＩへの影響度を計算する。ここでの影響度とは、特定の要素が不整合ＫＰＩに対して及ぼす影響の度合いを定量的に示す尺度であり、因果関係を判定した際に生成した因果関係数式によって計算することができる。
また、ある実施形態では、仮説推論部４３２は、要素リストにある各要素が特定されたデータベース（例えば、図３に示す天気情報ＤＢ４０６、経済情報ＤＢ４１５等）を判定してもよい。
また、ある実施形態では、仮説推論部４３２は、要素リストにある各要素が特定されたデータベース（例えば、図３に示す天気情報ＤＢ４０６、経済情報ＤＢ４１５等）を判定してもよい。
【0103】
次に、ステップＳ６１２では、仮説推論部４３２は、ステップＳ６１０で計算した各要素の影響度に基づいて、所定の影響度基準を満たす主要変数を特定する。この影響度基準は、不整合ＫＰＩに対して顕著な影響を及ぼした変数とそうでない変数を区別するための境界線を規定する情報であり、例えば影響度の下限であってもよい。この影響度基準は、例えば輸送計画管理装置２１０のユーザによって自由に設定されてもよい。また、主要変数は、不整合ＫＰＩと因果関係がある変数の中から、顕著な影響を及ぼした変数である。
【0104】
次に、ステップＳ６１４では、仮説推論部４３２は、ステップＳ６１０で特定した主要変数に基づいて、不整合ＫＰＩが要求閾値を満たさなかった理由を示す不整合仮説情報を生成する。ここで、不整合ＫＰＩが要求閾値を満たさなかった理由は、自然言語で表現してもよい。
ここで、仮説推論部４３２は、因果関係判定の際に生成される因果関係数式において、主要変数の不整合ＫＰＩに対する関係の極性（正比例か反比例か）に応じて不整合仮説情報を生成してもよい。例えば、ＫＰＩ１が要求閾値を下回り、主要変数ＡがＫＰＩ１と正比例の場合、仮説推論部４３２は、「主要変数Ａが低いため、ＫＰＩ１が不整合と判定された」旨を示す文章を不整合仮説情報として生成してもよい。もう一例として、ＫＰＩ１が要求閾値を下回り、主要変数ＡがＫＰＩ１と反比例の場合、仮説推論部４３２は、「主要変数Ａが高いため、ＫＰＩ１が不整合と判定された」旨を示す文章を不整合仮説情報として生成してもよい。
また、ある実施形態では、仮説推論部４３２は、不整合仮説情報を判定するために、既存の仮説推論手法（例えば、仮説推論を行うために訓練した機械学習モデル等）を用いてもよい。
ここで、仮説推論部４３２は、因果関係判定の際に生成される因果関係数式において、主要変数の不整合ＫＰＩに対する関係の極性（正比例か反比例か）に応じて不整合仮説情報を生成してもよい。例えば、ＫＰＩ１が要求閾値を下回り、主要変数ＡがＫＰＩ１と正比例の場合、仮説推論部４３２は、「主要変数Ａが低いため、ＫＰＩ１が不整合と判定された」旨を示す文章を不整合仮説情報として生成してもよい。もう一例として、ＫＰＩ１が要求閾値を下回り、主要変数ＡがＫＰＩ１と反比例の場合、仮説推論部４３２は、「主要変数Ａが高いため、ＫＰＩ１が不整合と判定された」旨を示す文章を不整合仮説情報として生成してもよい。
また、ある実施形態では、仮説推論部４３２は、不整合仮説情報を判定するために、既存の仮説推論手法（例えば、仮説推論を行うために訓練した機械学習モデル等）を用いてもよい。
【0105】
次に、ステップＳ６１６では、改正提案部２２６の動作判定部４４１は、ステップＳ４１４で生成した不整合仮説情報に基づいて、不整合ＫＰＩが要求閾値を満たすようにするための変数変更動作を示す変数変更動作情報を生成し、ＫＰＩ変化計算部４４２は、当該変数変更動作を実施した場合の不整合ＫＰＩの変化量を計算する。ここで、不整合ＫＰＩが要求閾値を満たすようにするための変数変更動作が複数存在する場合、動作判定部４４１は、これらの複数の変数変更動作をユーザに提示する候補として生成してもよい。
【0106】
上述したように、ここでの変数変更動作は、当該不整合ＫＰＩと因果関係にある変数に対する推奨の変更を規定する情報であり、ステップＳ４１４で生成した不整合仮説情報に基づいて判定することができる。ある実施形態では、動作判定部４４１は、因果関係判定の際に生成される因果関係数式と、不整合仮説情報を用いることで、不整合ＫＰＩが要求閾値を満たすためには、主要変数をどのように変更させる必要があるかを判定してもよい。一例として、「混雑度」との不整合ＫＰＩが「列車本数」との主要変数と因果関係にあると判定され、「列車本数が少ないため、混雑度が閾値を満たさないと判定された」との理由を示す不整合仮説情報が判定された場合、動作判定部４４１は、この不整合仮説情報や、因果関係数式に基づいて、「混雑度」との不整合ＫＰＩが要求閾値を満たすように、「列車本数」に対する推奨の変更を示す変数変更動作を判定してもよい。
また、変数変更動作が判定された後、ＫＰＩ変化計算部４４２は、当該変数変更動作を実施した場合、不整合ＫＰＩがどのように変化するかを示す不整合ＫＰＩの変化量を計算する。一例として、ＫＰＩ変化計算部４４２は、「１時間当たりの列車本数を１本増やす」との変数変更動作を実施した場合、「運用費用」とのＫＰＩが「+１０％」となり、「混雑度」との不整合ＫＰＩが「-２５％」となることを計算してもよい。
また、変数変更動作が判定された後、ＫＰＩ変化計算部４４２は、当該変数変更動作を実施した場合、不整合ＫＰＩがどのように変化するかを示す不整合ＫＰＩの変化量を計算する。一例として、ＫＰＩ変化計算部４４２は、「１時間当たりの列車本数を１本増やす」との変数変更動作を実施した場合、「運用費用」とのＫＰＩが「+１０％」となり、「混雑度」との不整合ＫＰＩが「-２５％」となることを計算してもよい。
【0107】
次に、ステップＳ６２０では、動作判定部４４１は、ステップＳ６０６で精度閾値を満たすと判定した全ての因果関係について、処理は終了した（不整合仮説情報、変数変更動作情報、ＫＰＩ変化量の情報は生成されている）かを判定する。全ての因果関係について処理が終了していない場合、本処理はステップＳ６０６へ戻り、それ以降のステップが未処理の因果関係について行われる。一方、全ての因果関係について処理が終了している場合、本処理は、図７に示す改正済みの輸送計画生成処理７００へ進む。
【0108】
図６に示す因果関係解析処理６００によれば、所定の要求閾値を満たさない不整合ＫＰＩについて判定された因果関係を解析することで、当該不整合ＫＰＩがなぜ要求閾値を満たさなかったかとの理由を示す不整合仮説情報を生成すると共に、不整合ＫＰＩが要求閾値を満たすように、不整合ＫＰＩに対して顕著な影響を及ぼす主要変数に対する適切な変更を示す変数変更動作情報を生成することができる。
【0109】
次に、図７を参照して、本開示の実施形態に係る輸送計画生成処理について説明する。
図７は、本開示の実施形態に係る輸送計画生成処理７００の流れの一例を示す図である。図７に示す輸送計画生成処理７００は、因果関係解析処理６００において生成された不整合仮説情報や変数変更動作に基づいて改正済み輸送計画を生成するための処理であり、図２に示す輸送計画管理部２２８によって実施される。
図７は、本開示の実施形態に係る輸送計画生成処理７００の流れの一例を示す図である。図７に示す輸送計画生成処理７００は、因果関係解析処理６００において生成された不整合仮説情報や変数変更動作に基づいて改正済み輸送計画を生成するための処理であり、図２に示す輸送計画管理部２２８によって実施される。
【0110】
まず、ステップＳ７０２では、輸送計画管理部２２８の受付部４５１は、不整合ＫＰＩ、因果関係図、不整合仮説情報、変数変更動作及びＫＰＩ変化量の情報をＫＰＩ解析部２２２、因果関係管理部２２４及び改正提案部２２６から取得する。
【0111】
次に、ステップＳ７０４では、受付部４５１は、輸送計画は自動生成に設定されているか否かを確認する。輸送計画が自動生成に設定されていない場合、本処理はステップＳ７０６へ進む。輸送計画が自動生成に設定されている場合、本処理はステップＳ７１４へ進む。
【0112】
次に、ステップＳ７０６では、受付部４５１は、不整合ＫＰＩ、因果関係図、不整合仮説情報、変数変更動作及びＫＰＩ変化量の情報を、例えば図２に示す入出力部２４６を介して、ユーザ端末２６０に出力し、ユーザに表示する。
【0113】
次に、ステップＳ７０８では、受付部４５１は、ステップＳ７０６でユーザ端末２６０に表示した情報に対するフィードバックを、例えば図２に示す入出力部２４６を介して、ユーザから受け付ける。このフィードバックは、例えば、ステップＳ７０６で表示した変数変更動作を承認する入力や、変数変更動作の修正を指定する入力を含んでもよい。
【0114】
次に、ステップ７１０では、受付部４５１は、ステップＳ７０８で受け付けたフィードバックにより、変数変更動作が承認されたか否かを判定する。変数変更動作が承認されなかった場合、本処理はステップＳ７１２へ進む。変数変更動作が承認された場合、本処理はステップＳ７１４へ進む。
【0115】
変数変更動作が承認されなかった場合、ステップＳ７１２では、改正提案部２２６の動作判定部４４１は、変数変更動作を修正するユーザの入力や、当該不整合ＫＰＩについて生成された不整合仮説情報に基づいて、不整合ＫＰＩが要求閾値を満たすようにするための新たな変数変更動作を生成し、ＫＰＩ変化計算部４４２は、この新たな変数変更動作を実施した場合の不整合ＫＰＩの変化量を計算する。その後、本処理はステップＳ７０６へ戻る。
【0116】
変数変更動作が承認された場合、ステップＳ７１４では、輸送計画生成部４５２は、承認された変数変更動作を既存輸送計画情報に対して反映させることで、既存の輸送計画において所定の要求閾値を満たさなかった不整合ＫＰＩを、要求閾値を満たすように改正した改正済み輸送計画を生成する。
一例として、「混雑度」との不整合ＫＰＩについて、「列車本数が少ないため、混雑度が閾値を満たさないと判定された」との理由を示す不整合仮説情報が判定された場合、動作判定部４４１は、この不整合仮説情報や、因果関係数式に基づいて、「混雑度」との不整合ＫＰＩが要求閾値を満たすように、「列車本数」を適切に増やす変数変更動作を既存輸送計画情報に対して適用することで改正済み輸送計画を生成してもよい。
一例として、「混雑度」との不整合ＫＰＩについて、「列車本数が少ないため、混雑度が閾値を満たさないと判定された」との理由を示す不整合仮説情報が判定された場合、動作判定部４４１は、この不整合仮説情報や、因果関係数式に基づいて、「混雑度」との不整合ＫＰＩが要求閾値を満たすように、「列車本数」を適切に増やす変数変更動作を既存輸送計画情報に対して適用することで改正済み輸送計画を生成してもよい。
【0117】
次に、ステップＳ７１６では、輸送計画生成部４５２は、ステップＳ７１４で生成した改正済み輸送計画を、例えば図２に示す入出力部２４６を介して、ユーザ端末２６０に出力し、表示する。
【0118】
図７を参照して説明した輸送計画生成処理７００によれば、要求閾値を満たさない不整合ＫＰＩが要求閾値を満たさない理由を導出した上で、これらのＫＰＩを向上させるための適切な変数変更動作を既存の輸送計画に対して反映させた改正済み輸送計画を生成し、ユーザに提供することができる。
【0119】
次に、図８～図１０を参照して、本開示の実施形態に係る次元パラメータの概念について説明する。上述したように、本開示の実施形態に係る次元パラメータは、不整合ＫＰＩの影響範囲に基づいて設定され、当該不整合ＫＰＩに関連する情報（統計情報のサブセット）を統計情報から抽出するための検索の最大の範囲を規定する情報である。ある実施形態では、次元パラメータは、統計情報に対して実施される検索について、時間的範囲を規定する時間パラメータ、空間的範囲を規定する位置パラメータ、対象物範囲を規定する車両パラメータ、駅の範囲を規定する駅パラメータ及び対象物範囲を規定する特徴情報等を含んでもよい。
このような次元パラメータを用いることで、統計情報の中から、特定の不整合ＫＰＩと因果関係が存在する確率が高い情報（統計情報のサブセット）を特定することができる。なお、次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、次元パラメータは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
このような次元パラメータを用いることで、統計情報の中から、特定の不整合ＫＰＩと因果関係が存在する確率が高い情報（統計情報のサブセット）を特定することができる。なお、次元パラメータは、不整合ＫＰＩの影響範囲と同一の範囲を含むように設定してもよいが、不整合ＫＰＩと因果関係がある関連変数は、不整合ＫＰＩの影響範囲外にも存在する可能性があるため、次元パラメータは、不整合ＫＰＩの影響範囲より広い範囲に設定することが望ましい。
【0120】
図８～図１０において、横軸が時間を示し、縦軸が駅を示すグラフを参照して次元パラメータを説明するが、これは、次元パラメータの概念を説明するための例示であり、次元パラメータの種類や応用形態はこれに限定されない。
【0121】
図８は、本開示の実施形態に係る時間パラメータＬを次元パラメータとして設定する場合の一例を示す図である。図８において、時間パラメータ「Ｌ」は、不整合ＫＰＩに関連する情報（統計情報のサブセット）を統計情報から抽出するための検索の最大の時間的範囲（例えば、６０分）であり、「Ｌ１」は特定のＫＰＩの不整合が発生した時刻を示し、「Ｌ２」は当該ＫＰＩの不整合が解消された時刻を示す。「x5」は、当該不整合ＫＰＩに対応する時間範囲（つまり、Ｌ１からＬ２までの時間幅）を示す。「Ｍ」は、検索対象の車両の最大の範囲を示し、「Ｎ」は、検索対象の駅の最大の範囲を示す。「ｔ」は、時間パラメータＬに規定される時間範囲を検索するステップサイズ（例えば、５分）を示す。対象時間「ｌ」は、時間パラメータＬの範囲に対する検索を実施する際、特定の時刻を識別し、０からＬまでの範囲において、ステップサイズｔでインクリメントされる整数である。
【0122】
このように、次元パラメータとして時間パラメータＬを設定することで、不整合ＫＰＩが発生した時間範囲に対応する情報（統計情報のサブセット）を統計情報から特定し、抽出することができる。また、不整合ＫＰＩが発生した時間範囲に対応する情報を、不整合ＫＰＩに関する因果関係を判定するために用いることで、不整合ＫＰＩに関する高精度の因果関係を判定することが可能となる。
【0123】
図９は、本開示の実施形態に係る車両パラメータＭを次元パラメータとして設定する場合の一例を示す図である。図９において、車両パラメータ「Ｍ」は、不整合ＫＰＩに関連する情報（統計情報のサブセット）を統計情報から抽出する検索対象の車両の最大の範囲（例えば、前後１０車両）であり、「Ｍ１」は特定のＫＰＩの不整合が発生した車両を示し、「Ｍ２」は当該ＫＰＩの不整合が解消された車両を示す。「x5」は、当該不整合ＫＰＩに対応する車両の範囲（つまり、Ｍ１からＭ２までの幅）を示す。Ｍ１＝Ｍ２の場合は、不整合ＫＰＩが１つの車両のみについて発生したことを示す。「ｔ」は、車両パラメータＭに規定される車両範囲を検索するステップサイズ（例えば、１本の車両）を示す。対象車両「ｍ」は、車両パラメータＭの範囲に対する検索を実施する際、特定の車両を識別し、０からＭまでの範囲において、ステップサイズｔでインクリメントされる整数である。
【0124】
このように、次元パラメータとして車両パラメータＭを設定することで、不整合ＫＰＩが発生した車両の範囲に対応する情報（統計情報のサブセット）を統計情報から特定し、抽出することができる。また、不整合ＫＰＩが発生した車両に対応する情報を、不整合ＫＰＩに関する因果関係を判定するために用いることで、不整合ＫＰＩに関する高精度の因果関係を判定することが可能となる。
【0125】
図１０は、本開示の実施形態に係る駅パラメータＮを次元パラメータとして設定する場合の一例を示す図である。図１０において、駅パラメータ「Ｎ」は、不整合ＫＰＩに関連する情報（統計情報のサブセット）を統計情報から抽出する検索対象の駅の最大の範囲（例えば、前後１０駅）であり、「Ｎ１」は特定のＫＰＩの不整合が発生した駅を示し、「Ｎ２」は当該ＫＰＩの不整合が解消された駅を示す。「x5」は、当該不整合ＫＰＩに対応する駅の範囲（つまり、Ｎ１からＮ２までの幅）を示す。Ｎ１＝Ｎ２の場合は、不整合ＫＰＩが１つの駅のみについて発生したことを示す。「ｔ」は、駅パラメータＮに規定される駅範囲を検索するステップサイズ（例えば、１駅）を示す。対象駅「ｎ」は、駅パラメータＮの範囲に対する検索を実施する際、特定の駅を識別し、０からＮまでの範囲において、ステップサイズｔでインクリメントされる整数である。
【0126】
このように、次元パラメータとして駅パラメータＮを設定することで、不整合ＫＰＩが発生した駅の範囲に対応する情報（統計情報のサブセット）を統計情報から特定し、抽出することができる。また、不整合ＫＰＩが発生した駅に対応する情報を、不整合ＫＰＩに関する因果関係を判定するために用いることで、不整合ＫＰＩに関する高精度の因果関係を判定することが可能となる。
【0127】
次に、図１１を参照して、本開示の実施形態に係る因果関係図について説明する。
【0128】
図１１は、本開示の実施形態に係る因果関係図１１００の一例を示す図である。上述したように、本開示の実施形態に係る因果関係判定部４３１は、要求閾値を満たさない不整合ＫＰＩと、統計情報のサブセットにおける関連変数との因果関係を判定することができる。ある実施形態では、因果関係判定部４３１は、判定した因果関係を、図１１に示すような因果関係図１１００として可視化し、ユーザに提供してもよい。
【0129】
図１１に示す因果関係図１１００は、有向グラフネットワークの形状で、不整合ＫＰＩと関連変数との間の因果関係の有無を表現する因果ループ図（Ｃａｕｓａｌ Ｌｏｏｐ Ｄｉａｇｒａｍ；ＣＬＤ）である。因果関係図１１００では、輸送サービスに関するＫＰＩ １１１０及び統計情報のサブセットにおける関連変数１１２０のそれぞれは異なるノードとして表現することができる。また、ＫＰＩ１１１０と関連変数１１２０の間に存在する因果関係は、双方向矢印として表現することができる。
上述したように、これらのＫＰＩ １１１０は、例えば輸送計画の運用費用、予想収入、環境への影響、及びエネルギー効率等の、輸送サービスＫＰＩ情報ＤＢ４０２に格納されているＫＰＩであり、関連変数１１２０は、輸送サービス情報ＤＢ２３２や地域社会情報ＤＢ２３４から抽出された統計情報のサブセットにおける関連変数である。
上述したように、これらのＫＰＩ １１１０は、例えば輸送計画の運用費用、予想収入、環境への影響、及びエネルギー効率等の、輸送サービスＫＰＩ情報ＤＢ４０２に格納されているＫＰＩであり、関連変数１１２０は、輸送サービス情報ＤＢ２３２や地域社会情報ＤＢ２３４から抽出された統計情報のサブセットにおける関連変数である。
【0130】
一例として、因果関係図１１００において、「KPIC1」１１１１は、「KPIP2」、「KPIS2」、「DataB1」及び「DataS4」と接続されていることから、「KPIC1」１１１１は、「KPIP2」及び「KPIS2」とのＫＰＩと、「DataB1」及び「DataS4」との関連変数との間で因果関係が存在すると言える。ここで、例えば、「KPIC1」１１１１は、「混雑度」、「KPIP2」は「列車本数」、「KPIS2」は「旅客待ち時間」とのＫＰＩに対応し、「DataB1」は「雨天」、「DataS4」は「居住人口」との関連変数に対応してもよい。
また、この「KPIC1」１１１１に関する因果関係は、以下に示す数式３のように、因果関係判定部４３１が因果関係を判定した際に生成した因果関係数式によって表現することができる。
また、この「KPIC1」１１１１に関する因果関係は、以下に示す数式３のように、因果関係判定部４３１が因果関係を判定した際に生成した因果関係数式によって表現することができる。
【数3】
【0131】
図１１に示すように、不整合ＫＰＩについて判定した因果関係を図１１に示すような因果関係図１１００として可視化し、ユーザに提供することで、ユーザは、特定のＫＰＩを影響する他のＫＰＩや関連変数を容易に把握することができる。
【0132】
次に、図１２を参照して、本開示の実施形態に係る次元パラメータ設定インターフェースについて説明する。
【0133】
図１２は、本開示の実施形態に係る次元パラメータ設定インターフェース１２００を示す図である。上述したように、本開示の実施形態に係る輸送計画管理手段では、因果関係を判定するために用いられる情報（統計情報のサブセット）は、不整合ＫＰＩの影響範囲に基づいて設定される次元パラメータに基づいて特定される。これらの次元パラメータは、例えば図１２に示す次元パラメータ設定インターフェース１２００によってユーザに設定されてもよい。
【0134】
図１２に示すように、次元パラメータ設定インターフェース１２００は、パラメータ名設定ウインドウ１２０５、範囲方向設定ウインドウ１２１０、最大値設定ウインドウ１２１５、ステップサイズ設定ウインドウ１２２０、追加・削除ボタン１２２５及び確定ボタン１２３０を含んでもよい。
【0135】
パラメータ名設定ウインドウ１２０５は、次元パラメータの名称を設定するためのインターフェースウインドウである。ある実施形態では、ユーザは、予め用意されている次元パラメータの中から特定の次元パラメータを選択してもよい。ある実施形態では、ユーザは、新規の次元パラメータをカスタムで設定してもよい。一例として、次元パラメータとして、統計情報に対して実施される検索の時間的範囲を規定する「時間」、対象物（対象列車）の範囲を規定する「列車数」、空間的範囲を規定する「駅数」、対象物（対象列車）の範囲を規定するための特徴として「１キロ当たりの消費エネルギー」等を設定してもよい。
【0136】
範囲方向設定ウインドウ１２１０は、特定の次元パラメータの検索範囲が、対象要素（対象時間、対象駅、対象車両等）の前、後、又は前後を含むべきかを規定するためのインターフェースウインドウである。
【0137】
最大値設定ウインドウ１２１５は、特定の次元パラメータの検索範囲の最大値を規定するためのインターフェースウインドウである。例えば、図１２に示すように、「時間」との次元パラメータの最大値として「６０分」を設定してもよく、「列車数」との次元パラメータとして「２０本」を設定してもよい。
【0138】
ステップサイズ設定ウインドウ１２２０は、特定の次元パラメータの最小ステップ値を規定するためのインターフェースウインドウである。原則として、ステップサイズが小さければ小さい程、統計情報のサブセットがより細かに抽出され、より高精度の因果関係判定が可能となるが、処理時間が増加するため、このステップサイズは、因果関係判定の希望の精度及び処理時間を考慮して設定することが望ましい。
【0139】
追加・削除ボタン１２２５は、新たな次元パラメータを追加したり、既存の次元パラメータを削除したりするためのボタンである。
【0140】
確定ボタン１２３０は、次元パラメータに関する情報を全て入力した後、確定させ保存させるためのボタンである。
【0141】
以上、図１２を参照して説明した次元パラメータ設定インターフェース１２００によれば、不整合ＫＰＩの影響範囲を示す次元パラメータを設定することができる。また、このように設定した次元パラメータを用いることで、統計情報の中から、特定の不整合ＫＰＩに関連する統計情報のサブセットを抽出することができ、高精度の因果関係判定が可能となる。
【0142】
上述したように、本開示の実施形態に係る輸送計画管理手段では、輸送サービスに関する既存の輸送計画において所定の要求閾値を満たさない不整合ＫＰＩが特定された場合、不整合ＫＰＩと当該不整合ＫＰＩを影響する関連変数との因果関係が判定され、判定した因果関係に基づいて、関連変数に対する推奨の変数変更動作が判定される。その後、判定した変数変更動作を既存の輸送計画に対して反映させることで、不整合ＫＰＩが要求閾値を満たすように改正した、改正済みの輸送計画を生成することができる。
【0143】
本開示の実施形態に係る輸送計画管理手段において、不整合ＫＰＩに関する因果関係は、輸送サービスに関する情報（例えば、インフラ、車両編成、旅客移動）や、輸送サービスが提供される地域社会に関する情報（例えば、人口、住民移動、税金、経済、顧客満足度）を含む統計情報に基づいて判定される。このように、特定のＫＰＩに対して影響を与える関連変数を、幅広い情報の中から特定することで、特定の不整合ＫＰＩを改善させるための様々な変数変更動作をユーザに提案することが可能となり、輸送計画の柔軟性を向上させることができる。
【0144】
また、本開示の実施形態に係る輸送計画管理手段において、不整合ＫＰＩに関する因果関係を判定するために用いる情報（統計情報のサブセット）は、統計情報の中から、当該不整合ＫＰＩの影響範囲を考慮した検索範囲（時間的範囲、空間的範囲、対象物の範囲）を規定する次元パラメータに基づいて抽出される。このように、全ての統計情報ではなく、特定の不整合ＫＰＩに関連する範囲に絞った情報を因果関係の判定に用いることで、処理時間を抑え、コンピューティング資源を節約すると共に、より細かで精度の高い因果関係判定が可能となる。
【0145】
また、本開示の実施形態に係る輸送計画管理手段において、不整合ＫＰＩに関する因果関係を判定した後、不整合ＫＰＩ及び関連変数の因果関係を可視化した因果関係図、不整合ＫＰＩを改善させるための様々な変数変更動作、及び当該変数変更動作を採用した場合のＫＰＩの変化量の情報がユーザに出力される。これにより、これらの情報を確認したユーザは、特定の不整合ＫＰＩを影響する関連変数、ＫＰＩを改善させるための対応策、そしてそれぞれの対策のＫＰＩへの影響を容易に把握することができるため、輸送計画における運用費用、予想収入、環境への影響、エネルギー効率等の様々なＫＰＩを向上させ、輸送サービスの運営の効率化を実現させることができる。
【0146】
このように、本開示の実施形態に係る輸送計画管理手段によれば、輸送サービスの輸送計画に関して、数多くの変数とＫＰＩの因果関係を考慮しながらＫＰＩが要求閾値を満たさない理由を解析した上で、ＫＰＩを向上させた改正済み輸送計画を生成することが可能となる。
【0147】
上述したように、本開示の実施形態に係る輸送計画管理手段は、以下の態様を含む。
【0148】
（態様１）
輸送計画管理装置であって、
プロセッサとメモリと記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリは、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、
前記不整合ＫＰＩ及び前記統計情報を解析し、前記不整合ＫＰＩと前記統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、
前記既存輸送計画情報と、判定した前記因果関係とを用いて、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部、
として前記プロセッサを機能させるための処理命令を含むことを特徴とする輸送計画管理装置。
輸送計画管理装置であって、
プロセッサとメモリと記憶部とを備え、
前記記憶部は、
所定の輸送サービスに関する既存の輸送計画を示す既存輸送計画情報と、
前記既存輸送計画情報に対する性能指標を示すＫＰＩを含む輸送サービスＫＰＩ情報と、
前記輸送サービスに関連する統計情報とを含み、
前記メモリは、
前記既存輸送計画情報及び前記輸送サービスＫＰＩ情報に基づいて、前記ＫＰＩの内、所定の要求閾値を満たさない不整合ＫＰＩを特定する不整合ＫＰＩ特定部と、
前記不整合ＫＰＩ及び前記統計情報を解析し、前記不整合ＫＰＩと前記統計情報から抽出した統計情報のサブセットにおける関連変数との因果関係を判定する因果関係判定部と、
前記既存輸送計画情報と、判定した前記因果関係とを用いて、前記不整合ＫＰＩが前記要求閾値を満たすように改正した改正済み輸送計画情報を生成する輸送計画生成部、
として前記プロセッサを機能させるための処理命令を含むことを特徴とする輸送計画管理装置。
【0149】
（態様２）
前記不整合ＫＰＩの影響範囲に基づいて、前記統計情報の検索範囲を規定する次元パラメータの入力をユーザから受け付け、
前記統計情報の中から、前記次元パラメータに規定される前記検索範囲に対応する前記統計情報のサブセットを抽出する情報抽出部と、
を更に含むことを特徴とする、態様１に記載の輸送計画管理装置。
前記不整合ＫＰＩの影響範囲に基づいて、前記統計情報の検索範囲を規定する次元パラメータの入力をユーザから受け付け、
前記統計情報の中から、前記次元パラメータに規定される前記検索範囲に対応する前記統計情報のサブセットを抽出する情報抽出部と、
を更に含むことを特徴とする、態様１に記載の輸送計画管理装置。
【0150】
（態様３）
前記次元パラメータは、
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ、前記不整合ＫＰＩの対象物範囲を規定する車両パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータの内のいずれか一方を含む、
ことを特徴とする、態様２に記載の輸送計画管理装置。
前記次元パラメータは、
前記不整合ＫＰＩの時間的範囲を規定する時間パラメータ、前記不整合ＫＰＩの空間的範囲を規定する位置パラメータ、前記不整合ＫＰＩの対象物範囲を規定する車両パラメータ及び前記不整合ＫＰＩの対象物範囲を規定する特徴パラメータの内のいずれか一方を含む、
ことを特徴とする、態様２に記載の輸送計画管理装置。
【0151】
（態様４）
前記不整合ＫＰＩと因果関係にあると判定した前記関連変数のそれぞれについて、前記不整合ＫＰＩに対する影響度を計算し、
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定し、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する仮説推論部、
を更に含むことを特徴とする、態様１乃至３に記載の輸送計画管理装置。
前記不整合ＫＰＩと因果関係にあると判定した前記関連変数のそれぞれについて、前記不整合ＫＰＩに対する影響度を計算し、
前記関連変数の内、計算した前記影響度が所定の影響度基準を満たす主要変数を特定し、
特定した前記主要変数に基づいて、前記不整合ＫＰＩが前記要求閾値を満たさない理由を示す不整合仮説情報を生成する仮説推論部、
を更に含むことを特徴とする、態様１乃至３に記載の輸送計画管理装置。
【0152】
（態様５）
生成した前記不整合仮説情報に基づいて、前記不整合ＫＰＩが前記要求閾値を満たすようにするための、前記主要変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する動作判定部と、
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算するＫＰＩ変化計算部と、
を有する改正提案部を更に含むことを特徴とする、態様４に記載の輸送計画管理装置。
生成した前記不整合仮説情報に基づいて、前記不整合ＫＰＩが前記要求閾値を満たすようにするための、前記主要変数に対する推奨の変数変更動作を示す変数変更動作情報を生成する動作判定部と、
前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を計算するＫＰＩ変化計算部と、
を有する改正提案部を更に含むことを特徴とする、態様４に記載の輸送計画管理装置。
【0153】
（態様６）
前記輸送計画生成部は、
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を出力し、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記改正済み輸送計画情報を生成する、
ことを特徴とする、態様５に記載の輸送計画管理装置。
前記輸送計画生成部は、
前記不整合ＫＰＩ及び前記主要変数の因果関係を示す因果関係図と、前記不整合仮説情報と、前記変数変更動作情報と、前記変数変更動作を実施した場合の前記不整合ＫＰＩの変化量を出力し、
前記変数変更動作を承認する承認入力を受け付けた場合、前記変数変更動作を前記既存輸送計画情報に対して反映させることで、前記改正済み輸送計画情報を生成する、
ことを特徴とする、態様５に記載の輸送計画管理装置。
【0154】
（態様７）
前記統計情報は、
前記輸送サービスが提供される地域における既存インフラを示すインフラ情報、
前記輸送サービスが提供される地域に関する地図情報、
前記輸送サービスが提供される地域に関する天気情報、
前記輸送サービスが提供される地域に関する人口情報
前記輸送サービスが提供される地域に関する住民移動情報、
前記輸送サービスが提供される地域に関する税金情報、
前記輸送サービスにおいて利用される車両の編成を示す車両編成情報、
前記輸送サービスを利用する旅客の移動履歴を示す旅客移動情報、及び
前記輸送サービスに対する顧客満足度を示す顧客満足情報を含む、
ことを特徴とする、態様１乃至６に記載の輸送計画管理装置。
前記統計情報は、
前記輸送サービスが提供される地域における既存インフラを示すインフラ情報、
前記輸送サービスが提供される地域に関する地図情報、
前記輸送サービスが提供される地域に関する天気情報、
前記輸送サービスが提供される地域に関する人口情報
前記輸送サービスが提供される地域に関する住民移動情報、
前記輸送サービスが提供される地域に関する税金情報、
前記輸送サービスにおいて利用される車両の編成を示す車両編成情報、
前記輸送サービスを利用する旅客の移動履歴を示す旅客移動情報、及び
前記輸送サービスに対する顧客満足度を示す顧客満足情報を含む、
ことを特徴とする、態様１乃至６に記載の輸送計画管理装置。
【0155】
以上、本発明の実施の形態について説明したが、本発明は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。
【符号の説明】
【0156】
１５０ 輸送計画管理アプリケーション
２００ 輸送計画管理システム
２１０ 輸送計画管理装置
２２０ メモリ
２２２ ＫＰＩ解析部
２２４ 因果関係管理部
２２６ 改正提案部
２２８ 輸送計画管理部
２３２ 輸送サービス情報ＤＢ
２３４ 地域社会情報ＤＢ
２４４ プロセッサ
２４６ 入出力部
２５０ 通信ネットワーク
２６０ ユーザ端末
２００ 輸送計画管理システム
２１０ 輸送計画管理装置
２２０ メモリ
２２２ ＫＰＩ解析部
２２４ 因果関係管理部
２２６ 改正提案部
２２８ 輸送計画管理部
２３２ 輸送サービス情報ＤＢ
２３４ 地域社会情報ＤＢ
２４４ プロセッサ
２４６ 入出力部
２５０ 通信ネットワーク
２６０ ユーザ端末
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】