CN103282258B - 移动过程预测系统、移动过程预测装置及移动过程预测方法 - Google Patents
移动过程预测系统、移动过程预测装置及移动过程预测方法 Download PDFInfo
- Publication number
- CN103282258B CN103282258B CN201180064404.1A CN201180064404A CN103282258B CN 103282258 B CN103282258 B CN 103282258B CN 201180064404 A CN201180064404 A CN 201180064404A CN 103282258 B CN103282258 B CN 103282258B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mobile object
- moment
- information
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 599
- 230000008569 process Effects 0.000 title claims abstract description 528
- 230000000052 comparative effect Effects 0.000 claims description 192
- 238000007689 inspection Methods 0.000 claims description 137
- 239000000284 extract Substances 0.000 claims description 128
- 238000000605 extraction Methods 0.000 claims description 80
- 230000033001 locomotion Effects 0.000 claims description 80
- 238000012795 verification Methods 0.000 claims description 72
- 238000003556 assay Methods 0.000 claims description 49
- 238000000611 regression analysis Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 description 45
- 238000004891 communication Methods 0.000 description 41
- 230000000875 corresponding effect Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 35
- 230000005055 memory storage Effects 0.000 description 33
- 230000010006 flight Effects 0.000 description 27
- 230000008859 change Effects 0.000 description 20
- 238000012216 screening Methods 0.000 description 19
- 230000003993 interaction Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 13
- 238000013501 data transformation Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000009466 transformation Effects 0.000 description 10
- 230000033228 biological regulation Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012217 deletion Methods 0.000 description 5
- 230000037430 deletion Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000546 chi-square test Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical group O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一种能够准确预测移动时间的移动过程预测系统、移动过程预测装置及移动过程预测方法。在旅客等移动物体利用交通工具来移动时,信息获取装置(2)获取通过出发和到达设施里的各通过点的通过时刻、显示交通工具的交通工具特定信息及显示状况的状况信息等。移动过程预测装置(1)先将获取的信息关联地存储并求出回归式,该回归式表示预定通过的特定通过点的通过时刻、通过特定的两个通过点期间的经过时间或通过时刻与预定利用的交通工具上的搭乘终止时刻的比较结果与包含在交通工具特定信息或状况信息中的多个项目间的关系。移动过程预测装置(1)将被预测的交通工具特定信息或状况信息的内容代入回归式,由此来计算未来的通过时刻、经过时间或比较结果的预测值。
Description
技术领域
本发明涉及对利用飞机等移动工具(以下称为交通工具)来移动时的时间性过程进行预测的移动过程预测系统、移动过程预测装置及移动过程预测方法。
背景技术
当人们利用飞机或列车等交通工具来移动时,有时会基于交通工具的航行计划等对利用交通工具所必要的移动时间进行预测,并制作出移动日程表。日本专利申请特开平11-282913号公报公开了基于交通工具的实际航行状况来预测交通工具的移动时间的技术。并且与人一样,对随身行李等物品的移动时间也能够加以预测。
然而,只是预测交通工具自身的移动时间尚不足以制作适宜的移动日程表。这是因为,利用交通工具来移动时,要在机场或车站等交通工具的出发和到达设施里耗费某种程度的时间。例如,在用飞机来移动时,为了购票、托运随身行李及办理登机手续等,要在出发地的机场滞留一些时间,而为了领取随身行李等要在到达地的机场滞留一些时间。另外,在出发地、途经地及到达地,要有在出发和到达设施里移动的时间。同样,物品要经过装货、倒装以及卸货作业,以及这些作业的轮班等待等,因此要在出发和到达设施里滞留一些时间。从而,为了制作适宜的日程表,不仅要预测交通工具自身的移动时间,还要预测人或物品在交通工具的出发和到达设施里滞留的时间。过去,利用交通工具的人基于自身的经验或传闻来预测在出发和到达设施里滞留的时间。而使用过去的方法时,对滞留时间的预测精度低,而且难以预测在未知的出发和到达设施里滞留的时间。因此会增加人的不安全感,使人为了留出足够时间而设想过长的滞留时间。
发明内容
本发明鉴于这种情况,目的在于提供一种移动过程预测系统、移动过程预测装置及移动过程预测方法,通过对移动涉及的时间与移动时的状况之间的关系进行统计处理,能够更加准确地预测移动涉及的时间。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;存储单元,该存储单元区分各个移动物体而将在各通过点的通过时刻、交通工具特定信息以及状况信息关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出特定条件下移动物体通过特定通过点的通过时刻的推断值。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;存储单元,该存储单元区分各个移动物体而将从在各通过点的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;存储单元,该存储单元区分各个移动物体而将交通工具特定信息、状况信息以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和其它信息的组合,所述其它信息与该比较结果关联;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
本发明的移动过程预测系统是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;存储单元,该存储单元区分各个移动物体而将在一个或多个通过点的通过时刻、交通工具特定信息以及状况信息关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
本发明的移动过程预测系统是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过多个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;存储单元,该存储单元区分各个移动物体而将从在多个通过点的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的统计量。
本发明的移动过程预测系统是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;存储单元,该存储单元区分各个移动物体而将交通工具特定信息、状况信息以及一个或多个通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的统计量。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的交通工具特定信息关联地加以存储;接受单元,该接受单元接受对任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的状况信息关联地加以存储;接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受单元,该接受单元接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的通过时刻的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的交通工具特定信息关联地加以存储;接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息中的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的状况信息关联地加以存储;接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受单元,该接受单元接受将在所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将已获取的交通工具特定信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测系统是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;特定单元,该特定单元对在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置具备:存储单元,该存储单元区分各个移动物体而将已获取的状况信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;接受单元,该接受单元接受多组状况信息,该多组状况信息显示任意的移动物体利用交通工具时的多种状况;接受单元,该接受单元接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出在特定条件下移动物体通过特定通过点的通过时刻的推断值。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出在特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、显示移动物体利用所述交通工具时的状况的状况信息、以及移动物体在所述交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
本发明的移动过程预测装置是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
本发明的移动过程预测装置是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间经过的经过时间的统计量。
本发明的移动过程预测装置是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、显示移动物体利用所述交通工具时的状况的状况信息、以及移动物体在所述交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;以及计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下涉及特定通过点的通过时刻与搭乘终止时刻的比较结果的统计量。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、以及对所述移动物体利用的交通工具加以特别指定的交通工具特定信息关联地加以存储;接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、以及显示用所述移动物体利用交通工具时的多个项目来特别指定的状况的状况信息关联地加以存储;接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受单元,该接受单元接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、以及对所述移动物体利用的交通工具加以特别指定的交通工具特定信息关联地加以存储;接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息中的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、以及显示用所述移动物体利用交通工具时的多个项目来特别指定的状况的状况信息关联地加以存储;接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受单元,该接受单元接受将在所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、以及移动物体在所述交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受单元,该接受单元接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测装置是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:存储部,该存储部区分各个移动物体而将显示用移动物体利用交通工具时的多个项目来特别指定的状况的状况信息、以及移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受单元,该接受单元接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;以及输出单元,该输出单元将该检验单元的检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;用存储部区分各个移动物体而将在各通过点上的通过时刻、交通工具特定信息以及状况信息关联地加以存储;从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出特定条件下移动物体通过特定通过点的通过时刻的推断值。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;用存储部区分各个移动物体而将从各通过点上的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;用存储部区分各个移动物体而将交通工具特定信息、状况信息以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
本发明的移动过程预测方法是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;用存储部区分各个移动物体而将在一个或多个通过点上的通过时刻、交通工具特定信息以及状况信息关联地加以存储;从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
本发明的移动过程预测方法是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过多个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;用存储部区分各个移动物体而将从多个通过点上的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间经过的经过时间的统计量。
本发明的移动过程预测方法是对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;获取显示所述移动物体利用所述交通工具时的状况的状况信息;对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;用存储部区分各个移动物体而将交通工具特定信息、状况信息以及一个或多个通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;基于已抽出的多组所述组合,计算在特定条件下涉及特定通过点的通过时刻与搭乘终止时刻的比较结果的统计量。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的交通工具特定信息关联地加以存储;接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的状况信息关联地加以存储;接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;针对所述多组状况信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的交通工具特定信息关联地加以存储;接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;针对所述多组交通工具特定信息中的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的状况信息关联地加以存储;接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受将所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息并对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将已获取的交通工具特定信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
本发明的移动过程预测方法是对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息并对在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,该移动过程预测装置采取以下步骤:用存储部区分各个移动物体而将已获取的状况信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;将检验结果加以输出。
在本发明中,移动过程预测系统获取过去旅客等移动物体实际利用交通工具进行移动时通过出发和到达设施的各通过点的通过时刻、以及显示所用的交通工具的交通工具特定信息及显示状况的状况信息,并加以关联地存储。另外,移动过程预测装置则将涉及特定通过点的通过时刻及与该通过时刻关联的信息加以抽出并求出回归式,该回归式表示通过特定通过点的通过时刻、通过特定的两个通过点期间的经过时间、或通过时刻与在交通工具上的搭乘终止时刻的比较结果与所抽出的其它信息之间的关系。移动过程预测装置在求出的回归式中代入利用交通工具时预测到的状况信息等信息的内容,由此计算出涉及特定条件下的特定通过点的通过时刻、经过时间或比较结果的预测值。通过对状况信息等多个信息复杂的通过时刻、经过时间或对比较结果施加的影响度进行统计上的解析,并将预测到的信息代入回归式,能够获得高精度的预测值。
另外在本发明中,移动过程预测装置将与多组交通工具特定信息或状况信息中的各个信息各自关联的通过时刻等加以抽出,并检验利用多组交通工具时的特定的通过时刻、经过时间或通过时刻与在交通工具上的搭乘终止时刻的比较结果的平均值或方差中是否存在统计上的明显误差。由于是根据过去的实绩进行检验,因此移动过程预测装置能够正确地判定利用多组交通工具时的特定的通过时刻、经过时间或通过时刻与搭乘终止时刻的比较结果中是否存在差别。
发明的效果
本发明针对作为预测值算出的项目及对该项目施加影响的多种多样的项目,采取了减少计测或收集时的误差、消除样本误差,并大量地进行统计处理的方法。因此获得的预测值精度高。另外即使是无专业知识的一般使用者也能简单地获得预测值,能够比过去更准确地预测与移动有关的时间。因此,在旅客制作移动日程表时,本发明能够发挥使制作更加准确的移动日程表且实现高效移动的作用。
附图说明
图1是表示本发明的移动过程预测系统的整体结构的示意图。
图2是表示信息获取装置的内部结构的方框图。
图3是表示本发明的移动过程预测系统在最初的通过地点发布ID的处理顺序的流程图。
图4是表示本发明的移动过程预测系统在最初的通过地点检查旅客的通过的处理顺序的流程图。
图5是表示本发明的移动过程预测系统在第二个以后的通过地点检查旅客的通过的处理顺序的流程图。
图6是表示移动过程预测装置的内部结构的方框图。
图7是表示从信息获取装置向移动过程预测装置转送数据的处理顺序的流程图。
图8是表示多元数据的内容示例的示意图。
图9是表示移动过程预测系统实施的移动过程预测的处理顺序的流程图。
图10是表示移动过程预测系统实施的移动过程预测的处理顺序的流程图。
图11是表示选择菜单的示例的示意图。
图12是表示设定数据的内容示例的示意图。
图13是表示设定数据的内容示例的示意图。
图14是表示输入菜单的示例的示意图。
图15是表示输入菜单的示例的示意图。
图16是表示步骤S522的统计计算处理的子程序的顺序的流程图。
图17是表示步骤S522的统计计算处理的子程序的顺序的流程图。
图18是表示说明数据的内容示例的示意图。
图19是表示说明数据的内容示例的示意图。
图20是表示实施方式2的移动过程预测系统实施的移动过程预测的部分处理顺序的流程图。
图21是表示实施方式2的输入菜单的示例的示意图。
图22是表示实施方式2的步骤S522的统计计算处理的部分顺序的流程图。
具体实施方式
以下基于附图来具体说明本发明的实施方式。在本发明的实施方式中,主要通过移动物体乘用飞机作为交通工具来移动的例子来说明本发明。在本发明的实施方式中,本发明的移动物体是利用飞机来移动的旅客或用飞机来运送的行李。
(实施方式1)
图1是表示本发明的移动过程预测系统的整体结构的示意图。对旅客或货物的移动过程、即在出发地机场的滞留时间或离开到达地机场的日期和时刻等进行预测处理的移动过程预测装置1与互联网等通信网络N连接。乘用飞机的旅客手持机票31,托运的行李上则贴有货签32。在机票31上记录了用于识别旅客的识别信息、即ID。例如,旅客的ID通过以下方法记录在机票31上:将显示ID的条形码印刷在机票31上,或使机票31具备半导体存储器来存储显示ID的电子数据。同样,货签32上记录着行李的识别信息、即ID。
在飞机的出发和到达设施、即机场里,有旅客或行李要通过的多个通过地点(通过点):登机手续办理窗口、行李托运窗口、安检所、登机口、行李搬出口、行李搬入口、从飞机上下来的出口、到达手续办理窗口、行李领取处及到达口等。在各通过地点设有从机票31或货签32读取ID、检查旅客或行李的通过、并将读取ID的日期和时刻加以检出的检查机21、21、…。检查机21是出机票31或货签32的出票装置,或是与计算机连接而将印刷在机票31或货签32上的条形码加以读取的条形码阅读器,或是读取记录在机票31上的ID并显示必要信息、能够记录必要信息的检票机。另外,检查机21的其它形态则是通过操作人员的操作而将机票31的ID等信息加以输入的输入装置。另外,检查机21、21、…基于预先设定的判定基准来判定通过的旅客或行李的状态是否为正确状态,如果不是正确状态就进行差错处理。设在机场内的多个检查机21、21、…经过设在机场内的通信网络与信息获取装置2连接。各检查机21将获取的ID及检出的日期和时刻向信息获取装置2发送,信息获取装置2则将收到的信息加以存储。信息获取装置2及多个检查机21、21…设于多个机场的各个机场中。各信息获取装置2与通信网络N连接并经过通信网络N而与移动过程预测装置1之间进行通信。不过,也可以采取信息获取装置2与检查机21构成一体、且多个检查机21相互连接的方式。采用这种方式,无须检查机21与信息获取装置2之间的通信网络,能提高检查机21的处理速度。
另外,在通信网络N上连接着交通工具信息存储装置4,该交通工具信息存储装置4中存储与飞机的航行有关的信息。交通工具信息存储装置4区分航空公司来设置。交通工具信息存储装置4经过图中未示的通信网络与对飞机的航行进行管理的数据库连接,将来自该数据库的最新信息加以存储。而交通工具信息存储装置4也可以由该数据库来构成。交通工具信息存储装置4区分航行的航班,将对各航班进行特别指定的航班特定信息加以存储。例如,作为航班特定信息,存储了包含航空公司名称在内的航班名、定期航班或包机航班等航班形式、出发地名、到达地名、预定出发日期和时刻及预定到达日期和时刻等。另外,例如航班特定信息中还可以包含后述的预约信息中通常包含的飞机型号、额定乘客数以及空座率。另外交通工具信息存储装置4将与机场的设备有关的信息以及与在机场及飞机上发生的事件有关的信息与航班特定信息关联地加以存储。作为与航班所涉及的机场的设备有关的信息,有表示候机室的番号、登机口的番号、操作人员的数量、停机场番号、保养场番号、以及出发日期和时刻等的信息。还包含对操作人员等机场的工作人员加以识别的工作人员ID、以及表示工作人员数量的信息。作为与旅客或行李所涉及的机场的设备有关的信息,有显示出票柜台的番号、安检所的番号、入境审查所的番号、行李搬运路径的番号、行李领取处的番号、工作人员数量及各设备的通过顺序的信息以及工作人员ID。另外,作为与在机场及飞机上发生的事件有关的信息,有表示航班有无停航、飞机故障的内容、发生的犯罪内容、发生的疾病名称、发生事件的场所、发生事件的日期和时刻以及被害人数等信息。另外,与机场设备、安保、检疫、出入境及海关检查有关的信息也可以从分别由特定的团体管理的图中未示的数据库直接获取。
另外,交通工具信息存储装置4按照每个旅客来存储预约信息,该预约信息表示特定的旅客预约乘用特定的航班的预约内容。预约信息包含旅客的识别信息、即ID,并包含表示旅客的姓名、年龄、性别、以及国籍等旅客状态的信息。另外预约信息包含对出发地名、到达地名、所乘用的航班名、及预定出发年月日等航班特定信息的至少一部分且相互关联,航班特定信息是指对旅客所乘用的航班加以特别指定的信息。另外预约信息还包含表示旅客乘用飞机时的乘用条件的信息,即经济舱或公务舱等座位种类、座位号、或行李数量等。航班特定信息相当于交通工具特定信息。
另外,在通信网络N上连接着气象信息存储装置5,该气象信息存储装置5中存储与各地气象有关的信息。气象信息存储装置5存储显示机场所在各地区的气象状态的气象信息。气象信息存储装置5经过图中未示的通信网络从机场气象台或最近的气象观察所等的数据库获取最新的气象信息。该数据库将例如实际的天气、气温、降水概率、各种气象警报或注意报等信息区分机场所在的地域向气象信息存储装置5发送,气象信息存储装置5则将收到的信息与机场名称等位置信息及观察日期和时刻等时间信息关联地存储。而气象信息存储装置5也可以由该数据库来构成。
利用本发明来设想移动过程的使用者能够使用个人电脑(PC)或携带式电话机等输入输出装置7。输入输出装置7能够在必要时与通信网络N连接,并经过通信网络N来与移动过程预测装置1之间通信。输入输出装置7具备液晶面板等显示部、扬声器等声音输出部、以及键盘、鼠标或扩音器等输入部,用显示部及声音输出部将由本发明得到的预测结果等各种信息输出,并通过使用者的操作而在输入部将各种信息输入。
图2是表示信息获取装置2的内部结构的方框图。信息获取装置2用服务器装置等通用计算机构成。信息获取装置2具备:进行运算的CPU(CentralProcessing Unit,中央处理器)201、将随着运算而产生的临时数据加以存储的RAM(Random Access Memory,随机存取存储器)202、以及硬盘等非易失性的存储部204。另外信息获取装置2还具备计测日期和时刻的计时部203、与多个检查机21、21、…连接的接口部205、以及与通信网络N连接的通信部206。存储部204存储计算机程序。计算机程序可用图中未示的光盘驱动器等驱动部从光盘等记录媒体读取,或是从与通信网络N连接的图中未示的其它服务器装置下载。在需要时向RAM202装载计算机程序,CPU201基于装载到RAM202的计算机程序在信息获取装置2上实施必要的处理。
存储部204将通过地点数据加以存储,该通过地点数据记录了与设在机场内的各通过地点的多个检查机21、21、…相关的信息。例如,在通过地点数据中,区分通过地点来记录检查机21的ID、检查机21的名称、以及通过地点的场所等。另外在本发明中,将变更已定信息的内容的情况称为事件。存储部204中存储记录了变更信息的事件履历数据,该变更信息显示与交通工具的航行以及旅客及行李的移动有关的信息已发生变更。例如在事件履历数据中,与至少包含航班名称及出发日在内的航班特定信息关联地记录着变更信息,该变更信息包含交通工具信息存储装置4及气象信息存储装置5中存储的信息中发生变更的信息的项目名称、即变更项目名称、以及变更前后的信息内容、变更日期和时刻和变更次数。另外,在事件履历数据中,将表示用各检查机21进行差错处理的情况的差错信息与检查机21的ID、受检查的旅客或行李的ID以及航班特定信息关联地加以记录。在差错信息中,包含用检查机21进行判定时的判定项目、判定前后的结果、判定日期和时刻以及判定次数。例如,当在针对旅客或行李的最初判定中进行差错处理时,在判定前的结果中记录“无判定”,在判定后的结果中则记录被输出的差错信息的内容。例如,当在第二次以后的判定中进行了差错处理时,就在判定前的结果中记录上一次的差错信息或记录“正常”,并且在判定后的结果中记录被输出的差错信息。
另外在存储部204存储了移动经过数据,该移动经过数据记录了旅客或行李通过各通过点的日期和时刻。CPU201定期地从移动经过数据读出旅客或行李通过各通过地点的通过时刻,区分各航班来计算在每个通过地点的通过时刻的平均值及标准偏差,并将算出的通过时刻的平均值及标准偏差与航班特定信息及检查机21的ID关联地记录到移动经过数据。例如,CPU201在每天上午1:00等规定的时刻计算并记录通过时刻的平均值及标准偏差。此时,当已读出的通过时刻里包含了日期变更前后的时刻时,CPU201就为了正确地保持通过时刻的前后关系而进行计算。例如,CPU201将日期的信息与通过时刻一并读出,并且基于日期信息而在日期变更后的通过时刻上加上24:00后再计算平均值及标准偏差。而当得到的平均值超过24:00时,CPU201就从得到的平均值减去24:00。不过,信息获取装置2也可以用多台计算机来构成。
以下说明设在机场的信息获取装置2及检查机21、21…实施的处理。对于机票31上没有记录ID的旅客,要在登机手续办理窗口等最初的通过地点首先要求提供ID。图3是表示本发明的移动过程预测系统在最初的通过地点发布ID的处理顺序的流程图。作为出票装置等的检查机21通过提供记录了新ID的机票31等方法来提供对旅客加以识别的ID(S11)。检查机21及信息获取装置2接着进行处理(S12),以便获取旅客乘用飞机时所需的信息、以及在移动过程预测装置1上预测旅客或行李的移动过程所需的信息。检查机21也可以以相反的顺序进行步骤S11及S12的处理。在步骤S12获取了信息的信息获取装置2经过通信网络N将所获取的信息向其它的信息获取装置2发送,其它信息获取装置2则获取所发送的信息。即,在步骤S12,所有的信息获取装置2获取同一信息。不过,移动过程预测系统也可以是在一个信息获取装置2获取信息后,将已获取的信息向旅客或行李的出发地、途经地及到达地所设的其它信息获取装置2发送的方式。采用这种方式时,与旅客或行李的移动路径有关的多个信息获取装置2获取同一信息。另外,移动过程预测系统也可以是在步骤S12中由一个信息获取装置2获取信息的方式。采用这种方式,可以在必要时将一台信息获取装置2获取并存储的信息通过通信网络N而与其它的信息获取装置2共享。
在步骤S12,例如在预约了航班的情况下,信息获取装置2便经过通信网络N从交通工具信息存储装置4获取预约信息。更具体是CPU201使通信部206向交通工具信息存储装置4发送以预约编号等为基础的预约信息检索指令,交通工具信息存储装置4则将按照检索指令检索到的预约信息向信息获取装置2发送,信息获取装置2则用通信部206来接收预约信息。如果没有预约,就由工作人员或旅客自己对出票装置等检查机21进行操作,由此使检查机21接受航班特定信息以及与旅客相关的信息。与旅客相关的信息中包含表示姓名及年龄等旅客状态的信息,还包含表示座位号等旅客使用航班时的乘用条件的信息。不过,CPU201也可以在接受了一部分航班特定信息后,经过通信网络N而从交通工具信息存储装置4获取其余的航班特定信息。另外,CPU201还从交通工具信息存储装置4获取与已获取的航班特定信息关联的其余信息。另外CPU201还经过通信网络N而从气象信息存储装置5获取表示机场所在地的气象状态的气象信息。不过,CPU201从所述交通工具信息存储装置4和气象信息存储装置5获取的信息是最新信息的复制品。而作为出票装置等的检查机21则在必要时将所获取的信息的一部分或全部记录到机票31上。在检查机21及信息获取装置2获取的信息中,除了旅客ID及航班特定信息外,还有表示旅客利用航班时的状况的状况信息。
CPU201接着根据计时部203测得的日期和时刻而将旅客通过登机手续办理窗口等最初的通过地点的通过日期和时刻加以特别指定(S13)。通过日期和时刻至少包含日期及时刻。接着CPU201将获取的包含了旅客及该检查机21的ID及通过日期和时刻的信息记录到移动经过数据,由此而相互关联地存储到存储部204(S14)。信息获取装置2及检查机21通过以上步骤而结束发布ID的处理。
当移动物体是行李时,也是由信息获取装置2及检查机21进行同样的处理。在行李托运窗口等最初的通过地点,作为出票装置等的检查机21在步骤S11给出记录了新ID的货签32,由此提供识别行李的ID。另外在步骤S12,信息获取装置2及检查机21基于旅客的ID而将与作为行李主人的旅客有关的信息加以读出,通过这种方法来获取航班特定信息以及与该航班特定信息相关的信息。另外,通过工作人员或旅客对必要的机器进行操作,来获取行李的大小、重量、内容及透视照片等其它的必要信息,并向检查机21输入。而检查机21也可以是具备自动获取这些信息的设备的形态。另外,信息获取装置2还从气象信息存储装置5获取气象信息。在检查机21及信息获取装置2获取的信息中,除了行李的ID及航班特定信息外,还有表示行李利用航班时的状况的状况信息。信息获取装置2同样在步骤S13将行李的通过日期和时刻加以特别指定,且在步骤S14将获取的包含行李及该检查机21的ID以及通过日期和时刻的信息相互关联地记录在存储部204的移动经过数据中。检查机21则在必要时将所获取的信息的一部分或全部记录到货签32上。
当旅客在已发布ID的状态下、譬如在持有已记录ID的机票31等的状态下通过最初的通过地点时,信息获取装置2及检查机21就利用ID来对通过进行检查。图4是表示本发明的移动过程预测系统在最初的通过地点检查旅客的通过的处理顺序的流程图。作为登机手续办理窗口的终端装置的检查机21对记录在机票31上的ID加以读取,由此来判定ID是否已读取(S201)。当未能读取ID时(S201:否),CPU201便进行差错处理(S202)。在步骤S202的差错处理过程中,CPU201利用例如检查机21的扬声器或显示器等来输出“ID未读取”等差错信息,并再度进行读取ID的处理。CPU201也可以再次发布ID。CPU201接着将差错信息记录到事件履历数据中(S203)并结束处理。在步骤S203,将差错信息与再次发布的ID或表示ID未能读取的规定的ID关联地加以记录。
当能够在步骤S201读取ID时(S201:是),CPU201便判定是否已将所读取的ID作为预约完毕的ID记录到交通工具信息存储装置4中(S204)。当已读取的ID未作为预约完毕的ID存储到交通工具信息存储装置4时(S204:否),CPU201就进入步骤S202的处理。在已读取的ID已作为预约完毕的ID存储到交通工具信息存储装置4时(S204:是),CPU201就经过通信网络N从交通工具信息存储装置4获取与ID关联的信息(S205)。在要获取的信息中包含了航班特定信息等。CPU201接着基于与ID关联的信息来判定当前的通过地点是否为旅客能够通过的正确地点(S206)。例如,CPU201从交通工具信息存储装置4将涉及与已获取的航班特定信息关联的机场设备的信息读出,并与涉及当前通过地点的信息进行比较,由此来进行判定。如果当前通过地点不是正确的通过地点(S206:否),CPU201就进行差错处理(S207)。在步骤S207的差错处理中,CPU201例如通过检查机21将“登机手续办理窗口搞错”等差错信息用扬声器或显示器来输出。CPU201接着将差错信息记录到事件履历数据中(S208)并结束处理。
在步骤S206中,在当前通过地点为正确通过地点时(S206:是),CPU201就进行处理,以便获得在旅客利用飞机所需的信息中未能于预约时获取的信息(S209)。即,CPU201用检查机21来接受航班特定信息、与旅客及行李有关的信息、以及表示航班的乘用条件的信息等必要信息中缺少的信息。另外,CPU201获取对要用的机场设备及工作人员加以特别指定的信息、对旅客应通过或能通过的通过地点及通过顺序加以特别指定的信息、与已发生的事件或事故有关的信息、以及气象信息等。在检查机21及信息获取装置2获取的信息中,除了旅客或行李的ID及航班特定信息外,还有表示旅客利用航班时的状况的状况信息。而作为出票装置等的检查机21则在必要时将所获取的信息的一部分或全部记录到机票31上。CPU201接着根据计时部203测得的日期和时刻而将旅客通过最初的通过地点的通过日期和时刻加以特别指定(S210)。接着CPU201将获取的包含了旅客、行李及该检查机21的ID、未成为差错处理的判定项目及判定前后的结果、以及通过日期和时刻的信息记录到移动经过数据,由此而相互关联地存储到存储部204(S211)。信息获取装置2及检查机21通过以上步骤而结束在最初的通过地点检查旅客通过的处理。
在第二个以后的通过地点,信息获取装置2及检查机21实施对旅客或行李的通过进行检查的处理。图5是表示本发明的移动过程预测系统在第二个以后的通过地点检查旅客的通过的处理顺序的流程图。作为条形码阅读机或检票机等的检查机21对记录在机票31或货签32上的ID加以读取,由此来判定ID是否已读取(S301)。当未能读取ID时(S301:否),CPU201便进行差错处理(S302)。在步骤S302的差错处理过程中,CPU201利用例如检查机21的扬声器或显示器等来输出“ID未读取”等差错信息,并再度进行读取ID的处理。另外CPU201也可以随着步骤S302的处理来进行强行禁止旅客或行李通过的处理。例如,当检查机21是检票机时,CPU201就进行使检票机封锁通路的处理。又例如,CPU201在运送行李的运送路径途中未能读取ID时,就进行停止行李运送的处理。CPU201接着将差错信息记录到事件履历数据中(S303)并结束处理。
当能够在步骤S301读取ID时(S301:是),CPU201便判定是否已将所读取的ID记录到在存储部204存储的移动经过数据中(S304)。在步骤S304,CPU201也可以经过通信网络N来检索其它的信息获取装置2存储在存储部204的移动物体数据。当已读取的ID未记录在移动经过数据中时(S304:否),CPU201就进入步骤S302的处理。当读取的ID已记录在移动经过数据中时(S304:是),CPU201就从存储部204读出与ID关联的信息(S305)。CPU201经过通信网络N而将读出的信息与交通工具信息存储装置4及气象信息存储装置5的最新信息进行比较,判定信息是否已更新。当信息已更新时,就将变更后的信息的项目名称、变更前后的信息内容、变更日期和时刻及变更次数与至少包含航班名称及出发日期的航班特定信息关联地记录到存储部204的事件履历数据中。
CPU201接着基于与包含变更后信息的ID关联的信息,来判定当前的通过地点是否为旅客或行李能够通过的正确的通过地点(S306)。例如,CPU201判定在与ID相关的最新信息所特别指定的通过地点中是否包含了检查机21所在的当前通过地点,以及由最新的信息特别指定的通过顺序是否与从实际的通过日期和时刻算出的通过顺序一致。当与ID相关的最新信息所特别指定的通过地点中不包含当前的通过地点或通过顺序不一致时,CPU201就判定当前的通过地点不是正确的通过地点。在当前通过地点不是正确的通过地点时(S306:否),CPU201就进行差错处理(S307)。在步骤S307的差错处理中,CPU201例如通过检查机21来输出“航班搞错”、“登机口搞错”、“行李领取处搞错”或“路线搞错”等差错信息。另外CPU201也可通过检查机21输出引导到正确通过地点的信息。另外CPU201也可以随着步骤S307的处理来进行强行禁止旅客或行李通过的处理。CPU201接着将差错信息记录到事件履历数据中(S308)并结束处理。不过,与通过地点有关的判定也可用全体检查机21来进行。
当在步骤S306中当前的通过地点为正确的通过地点时(S306:是),CPU201便根据计时部203测得的日期和时刻,将旅客通过当前通过地点的通过日期和时刻加以特别指定(S309)。不过,在步骤S306,还可对随身行李的领取错误进行判定。例如检查机21在行李领取处向旅客索要行李ID及旅客ID,CPU201则判定随身行李错领。更具体是,CPU201从存储部204检索与实际获取的行李ID同样的行李ID,并对与检索到的行李ID关联的行李所有人的ID加以特别指定,判定是否与实际获取的旅客ID一致。如果不一致,CPU201就进入步骤S307的处理,实施将“行李搞错”加以输出等的差错处理。如果一致,CPU201就进入步骤S309的处理。
CPU201接着判定在各通过地点的通过时刻与实绩相比是早、晚还是平均一般(S310)。具体是,CPU201基于记录在存储部204存储的移动经过数据中的区分各通过地点并区分航班的通过时刻的平均值及标准偏差来进行判定。例如,CPU201将标准偏差作为σ,在通过时刻比(平均值-4σ)小时判定为早,而在通过时刻比(平均值+4σ)大时则判定为晚。另外CPU201在通过时刻为(平均值-4σ)以上且为(平均值+4σ)以下时则判定为平均一般。当通过时刻比实绩早或晚时(S310:否),CPU201进行差错处理,即通过检查机21将“比平常早”或“比平常晚”的信息输出(S311)。CPU201接着将差错信息记录到事件履历数据中(S312)。不过,与通过时刻有关的判定也可用全体检查机21来进行。
在步骤S312结束时,或在步骤S310中通过时刻与实绩相比为平均一般时(S310:是),CPU201便将旅客、行李及该检查机的ID、不成为差错处理的判定项目及判定前后的结果、以及包含通过日期和时刻在内的信息记录到移动经过数据中,由此互相关联地存储到存储部204(S313)。此时,检查机21在必要时将所获取的信息的一部分或全部记录到机票31或货签32上。信息获取装置2及检查机21通过以上步骤而结束在第二个以后的通过地点检查旅客通过的处理。在第二个以后的各通过地点,每当有旅客或行李通过时都要实施步骤S301~S313的处理。
通过实施以上的步骤S11~S14、步骤S201~S211、以及步骤S301~S313的处理,信息获取装置2及检查机21、21、…就将旅客或行李通过各通过地点的通过日期和时刻加以特别指定。不过,以上主要说明了设在出发地机场的信息获取装置2及检查机21、21、…进行的处理,但设在航班途经地及到达地机场的信息获取装置2及检查机21、21、…也是进行同样的处理。另外,在以上的步骤S11~S14、步骤S201~S211、以及步骤S301~S313的处理中,由CPU201实施的一部分处理也可以由检查机21来分散实施。
另外,信息获取装置2也可针对各航班来获取全部终止旅客及行李向其飞机登机的日期和时刻、即登机终止日期和时刻。例如,登机终止日期和时刻是旅客为了登机而最后通过的通过地点、即登机口被关闭的日期和时刻。另外,登机终止日期和时刻例如是将行李搬入飞机的搬入口被关闭的日期和时刻。登机终止日期和时刻至少包含日期及时刻。登机终止日期和时刻由设在登机口或搬入口的检查机21来特别指定,CPU201则将被特别指定的登机终止日期和时刻与旅客或行李的ID以及航班特定信息关联地记录到移动经过数据中。不过,也可由飞机的机组人员等工作人员对与接口部205连接的图中未示的输入装置进行操作,来将登机终止日期和时刻加以特别指定。
另外,信息获取装置2对飞机的出发和到达日期和时刻延误超出规定的允许范围、例如飞机到达延误规定时间以上、飞机出发延误规定时间以上、及飞机中止出发等情况,以及无变更信息的状态加以检测。在成为这类状态时,旅客或行李通过各通过地点的通过日期和时刻会受影响而发生变动,而通过日期和时刻发生变动的原因不明。如果基于含有这种状态下的数据的实绩来预测旅客或行李的移动过程,则预测精度低下。为此,当飞机的出发和到达日期和时刻延误超出规定的允许范围时,CPU201就判定事件履历数据中是否记录了与至少包含同一航班名称及出发日在内的航班特定信息有关联的变更信息。如果事件履历数据中未记录该变更信息,CPU201就将显示交通工具异常的信息与该航班特定信息关联地记录到事件履历数据中。同样,CPU201对旅客或行李在各通过地点的实际通过时刻与在同一通过地点涉及同一航班的过去的旅客或行李的平均通过时刻相比延误超出规定允许范围的状态加以检测。这时,CPU201在考虑到日期的差异的基础上进行时刻的比较。例如,CPU201判定平均通过时刻与实际的通过时刻之间的差异是否超出预定的时间并且平均通过时刻是否处于日期变更前后的预定的时间带。例如,预定的时间为12小时,日期变更前后的预定的时间带则为21:00~3:00。当平均通过时刻与实际的通过时刻之间的差异超出预定的时间并且平均通过时刻处于日期变更前后的预定的时间带时,CPU201就进行计算,以求出日期不同的时刻之差。在平均通过时刻与实际通过时刻中,设数字大的时刻为Tmax,数字小的时刻为Tmin,CPU201计算{(24:00-Tmax)+Tmin}。CPU201接着将计算出来的时刻与规定的允许范围进行比较。当平均通过时刻与实际的通过时刻之差控制在比预定的时间短的时间范围时,或平均通过时刻处于日期变更前后的预定的时间带外时,CPU201就将平均通过时刻与实际的通过时刻之差直接与允许范围进行比较。
当出现通过时刻的差异超过规定允许范围的情况时,CPU201判定记录在事件履历数据中的差错信息中是否存在与该旅客或行李的ID以及该航班的航班特定信息关联的差错信息。如果事件履历数据中记录了该差错信息,CPU201就将显示移动物体异常的信息与该旅客或行李的ID以及该航班的航班特定信息关联地记录到事件履历数据中。如上所述,信息获取装置2在几乎全部顺序中自动获取信息,从而减少了计测或收集时的误差。
以下说明移动过程预测装置1。图6是表示移动过程预测装置1的内部结构的方框图。移动过程预测装置1用服务器装置等通用计算机构成。移动过程预测装置1具备:进行运算的CPU11、将伴随运算而来的数据加以存储的RAM12、从光盘等记录媒体10读取信息的驱动部13、以及硬盘等非易失性的存储部14。另外移动过程预测装置1还具备与通信网络N连接的通信部16。CPU11使驱动部13读取记录在记录媒体10上的计算机程序15,并将读取的计算机程序15存储到存储部14。计算机程序15在必要时从存储部14向RAM12装载,CPU11则基于已装载的计算机程序15而在移动过程预测装置1中实施必要的处理。存储部14则存储多元数据,该多元数据是将多个信息获取装置2获取的信息加以汇总并记录。通过以上方式,信息获取装置2就针对过去利用飞机的各旅客及行李而获取在各通过地点上的通过日期和时刻、以及航班特定信息及状况信息。
图7是表示从信息获取装置2向移动过程预测装置1转送数据的处理顺序的流程图。信息获取装置2的CPU201以定期的定时、或规定量的移动经过数据存储在存储部204中的定时等随时的定时,将存储在存储部204中的移动经过数据及事件履历数据经过通信网络N而向移动过程预测装置1发送(S41)。不过,信息获取装置2也可以在发送数据时发送与过去发送的数据之间的差分。移动过程预测装置1用通信部16来接收从多个信息获取装置2、2、…发送的移动经过数据及事件履历数据。移动过程预测装置1的CPU11从收到的多个移动经过数据及事件履历数据中抽出与相同ID关联的信息(S42)。在步骤S42,CPU11还将和与相同ID关联的信息进一步关联的信息也加以抽出。CPU11接着将抽出的信息相互关联,并将已关联的信息追加到存储部14所存储的多元数据中,由此将抽出的信息记录到多元数据中(S43)。不过,当抽出的信息所关联的ID已记录在多元数据中时,CPU11就将与ID关联地记录的信息相互关联,并将抽出的信息加以记录。移动过程预测装置1接收的信息的原始文件或是用存储部14保存,或是经过一定期间后由CPU11删除。
图8是表示多元数据的内容示例的示意图。与旅客有关的信息被记录下来,该信息中包含对旅客进行识别的ID和姓名、年龄、国籍及所用的语言等显示旅客状态的信息。与行李有关的信息被记录下来,该信息中包含对行李进行识别的ID和行李所有人的ID及行李的重量等显示行李状态的信息。不过,与旅客有关的信息和与行李有关的信息有时只记录其中一方。另外,与旅客或行李所利用的航班有关的信息被记录下来,该信息中包含了航班名称及航班形式等航班特定信息、显示实际的出发日期和时刻等实绩的信息、以及显示座位号及空座率等旅客利用航班时的条件的信息。另外在与航班有关的信息中包含搭乘终止日期和时刻。而且还记录了与航班出发的出发机场有关的信息。该信息中包含旅客或行李利用的出发机场的年月日、显示机场名称及在出发机场内能利用的语言等出发机场的状态的信息、对候机室等要使用的设备以特别指定的信息、工作人员ID、对工作人员的数量加以特别指定的信息、以及显示机场所在地的气象状态的气象信息。另外,还记录了以同样项目构成的、与航班到达的机场有关的信息。另外,还记录了与已定信息内容发生变更的事件有关的变更信息,包含表示变更项目名称、变更前后的信息内容、变更日期和时刻、以及变更次数等的信息。另外,在多元数据中包含显示交通工具异常或移动物体异常的信息。各个项目相互关联,且对各个旅客或行李附加样本编号后加以记录。而且,在与出发机场及到达机场有关的信息中,包含了表示设在各通过地点上的检查机21的信息、以及通过日期和时刻及差错信息等由检查机21获取的信息。在用检查机21获取的信息中,附加了表示获取该信息的检查机21的信息。在图8表示在多元数据中记录了用No.a的检查机21来特别指定的通过日期和时刻,即“通过日期和时刻(NO.a)”。在包含于多元数据中的以上信息中,除了旅客、所有者或行李的ID、航班特定信息及通过日期和时刻外,还有由表示旅客或行李利用航班时的状况的多个项目构成的状况信息。
CPU11接着从记录在多元数据中的各通过地点上的通过日期和时刻来算出旅客或行李通过两个通过地点期间经过的经过时间(S44)。CPU11接着算出比较数据(S45),该比较数据显示将在各通过地点的通过日期和时刻与登机终止日期和时刻进行比较后的比较结果。例如,CPU11计算某航班的登机终止日期和时刻与利用该航班的旅客通过各通过地点的通过日期和时刻间的时间差,并将表示算出的时间差的数据作为比较数据。另外,比较数据不限于时间差。例如,比较数据也可以是判定值,即,当通过日期和时刻比登机终止日期和时刻更早时是“1”,而当通过日期和时刻与登机终止日期和时刻相同或更晚时则是“0”。另外,CPU11对将日期变更前后的时刻进行比较时,为了正确保持时刻的前后关系而要进行计算。例如,CPU11在日期变更前后将通过时刻与登机终止时刻进行比较时,要在日期变更后的通过时刻上加上24:00后再进行计算。不过,对经过时间或比较数据进行计算的定时如果是在后述的步骤S512从多元数据抽出样本之前,则也可以是其它的定时。CPU11接着将算出的经过时间及比较数据与原来的通过日期和时刻关联地记录到多元数据中(S46)并结束处理。
图8中显示例如将在通过No.a检查机21所在的通过地点之后移动到No.b检查机21所在的通过地点为止所经过的经过时间记录到多元数据中的情况。另外,图8显示将比较数据与各检查机的通过日期和时刻关联地记录到多元数据中的情况。另外,CPU11在步骤S44及步骤S45,在到达机场也同样地算出经过时间及比较数据。而如果有航班途经的机场,则对于途经机场也是将与出发机场同样的信息记录到多元数据中。在多元数据中相互关联地记录的信息是区分各个旅客及行李来记录。如图8所示,在记录于多元数据中的信息中,混有量的数据和质的数据。量的数据是日期和时刻或气温等由数值组成、且在数值的间隔上有意义的信息。质的数据则是机场名称等不是数值的数据,或是候机室编号等虽然是数值但在数值的间隔上没有意义而只在数值的区别上有意义的信息。经过以上步骤,移动过程预测装置1便针对过去利用过飞机的各个旅客及行李而将在各通过地点的通过日期和时刻、所述移动物体通过任意两个通过地点时经过的经过时间、登机终止日期和时刻、比较数据、以及除这些以外的信息、即航班特定信息及状况信息相互关联地加以存储。
以下说明本发明的移动过程预测系统进行的移动过程预测方法。移动过程预测系统实施对未来的旅客或行李利用特定的航班来进行移动时的过程进行预测的处理。图9及图10是表示移动过程预测系统实施的移动过程预测的处理顺序的流程图。预定要旅行的人等使用者对输入输出装置7进行操作,输入输出装置7则通过访问本发明用的互联网等方法,将预测移动过程的要求经过通信网络N向移动过程预测装置1发送(S501)。移动过程预测装置1则用通信部16来接收预测移动过程的要求。CPU11在通信部16经过通信网络N而向输入输出装置7发送用于在输入输出装置7上显示选择菜单的菜单用数据(S502),该选择菜单用于一览地显示能够实施的处理的名称,并受理对实际要实施的处理的选择。菜单用数据预先存储在存储部14。不过,菜单用数据也可以包含在计算机程序15中。输入输出装置7接收菜单用数据,并基于菜单用数据而在显示部显示选择菜单(S503)。
图11是表示选择菜单的示例的示意图。在本发明中,能够预测利用特定航班时通过特定通过地点的通过时刻、通过两个通过地点时经过的经过时间、或显示通过日期和时刻与该航班的登机终止日期和时刻的比较结果的比较数据。另外在本发明中,能够进行比较预测和统计量计算处理,比较预测是将利用两个航班时预测的通过时刻、经过时间或比较数据进行比较并预测,统计量计算处理则是对将通过时刻、经过时间或比较数据的平均值进行计算的处理等的统计量进行计算。如图11所示,选择菜单能够在与各种值有关的预测、比较预测或统计量计算中选择一种处理来使移动过程预测装置1进行。例如,能够选择针对出发机场滞留时间、即在出发机场里从最初的通过地点移动到最后的通过地点所经过的时间、或到达机场离场时刻、即通过位于到达机场出口的通过地点的时刻等各种数值进行预测、比较预测或统计量计算。使用者通过对输入输出装置7进行操作,从选择菜单中显示的多项处理内容中选择任一种处理。
在本发明中,在预测处理过程中,移动过程预测装置1从多元数据中读出利用与使用者要用的预定航班相同的航班的结果及状况信息,并基于读出的数据而将读出的结果作为目标变量来进行将状况信息的各个项目作为谓词变项的回归分析。在回归分析中,移动过程预测装置1将包含了预测区间的预测值或包含了置信区间的预测值作为推断值算出。另外本发明在比较预测的处理过程中,移动过程预测装置1从多元数据中读出利用两个航班的结果,并检验读出的结果是否存在差异。在检验处理过程中,移动过程预测装置1将包含了置信区间的估算值作为推断值算出。另外本发明在统计量计算处理过程中,移动过程预测装置1从多元数据中读出利用与使用者要利用的预定航班相同航班的结果,并算出结果的统计量。
输入输出装置7通过使用者的操作来接受对处理内容的选择(S504),且将显示所选择的处理内容的信息向移动过程预测装置1发送(S505)。移动过程预测装置1用通信部16来接收显示所选的处理内容的信息,CPU11则进行处理,来选定为实施所选的处理内容而必须输入的输入项目(S506)。输入项目包含用于对航班加以特别指定的航班特定信息。航班特定信息成为抽出条件,该抽出条件用于从多元数据抽出作为解析对象的样本数据。至于进行预测时的输入项目,则是在包含于状况信息中的多个项目中,包含了作为回归分析的谓词变项而成为解析对象的多个解析项目。作为解析项目,是在包含于状况信息中的多个项目中预先确定与要预测的值有较大相关关系的多个项目。存储部14将设定数据加以存储,该设定数据记录了针对移动过程预测装置1要进行的各个处理内容而确定的输入项目。
图12及图13是表示设定数据的内容示例的示意图。图12表示当处理内容为到达机场离场时刻预测时确定的输入项目示例。作为与要预测的值对应的预测项目,确定了到达机场出口通过时刻,作为抽出条件项目,确定了与航空公司名称及航班名称等航班特定信息对应的项目,作为解析项目,则确定了利用出发机场的月份及到达时刻等状况信息的部分项目。在解析项目中,包含了与以下信息对应的项目,这些信息是:显示年龄等旅客的状态的信息、显示利用出发机场的月份等实绩的信息、显示座位号等旅客利用航班时的条件的信息、显示旅客使用的语言是否与在到达机场使用的语言一致等到达机场的状态的信息、以及气象信息。此外,变更信息、差错信息、以及包含了显示交通工具或移动物体异常的信息的与事件有关的信息也可以包含在解析项目中。
图13表示当处理内容为到达机场离场时刻比较时确定的输入项目示例。作为与要比较预测的值对应的比较项目,确定了到达机场出口通过时刻。另外,分别针对比较对象A和比较对象B确定了与航班特定信息对应的抽出条件项目和筛选条件项目。筛选条件项目是将用抽出条件项目从多元数据抽出的数据进一步筛选用的条件。即使对于统计量计算的处理内容,也同样地确定了成为计算对象的项目、抽出条件项目及筛选条件项目。在步骤S506,通过将根据所选择的处理内容确定的输入项目从设定数据读出,来选定输入项目。
CPU11接着在通信部16向输入输出装置7发送使输入输出装置7显示输入菜单用的菜单用数据(S507),该输入菜单用于接受输入项目的内容。输入输出装置7接收菜单用数据,并基于菜单用数据而在显示部显示输入菜单(S508)。
图14及图15是表示输入菜单示例的示意图。图14是处理内容为到达机场离场时刻预测时的输入菜单示例。显示出用于将预测项目、抽出条件项目、以及解析项目的内容加以输入用的菜单。在输入菜单中包含了用于将通知处理结果时的通知条件、即通知日期和时刻及通知对象的输入输出装置等加以输入的栏目。不过,用设定数据确定的解析项目和包含在输入菜单中的解析项目不完全一致。例如,用设定数据确定的解析项目中包含了利用出发机场的月份及利用出发机场的星期,而用输入菜单输入的项目则为了便于使用者输入而变成利用出发机场的年月日。对于设定数据与输入菜单不一致的解析项目,则在输入后进行变换。例如,利用出发机场的年月日变换成利用出发机场的月份及利用出发机场的星期。另外,如年龄项目所示,通过将值二乘来得到的二乘项目不会出现在输入菜单中,而是如年龄的项目与年龄的二乘项目间的关系那样,用设定数据将二乘项目与被输入了应二乘的值的项目相互关联地加以存储。即使在用设定数据来确定用于对多个项目互相作用的影响进行计算的互相作用项目时,也同样地是将互相作用项目和成为互相作用项目之基础的多个项目互相关联。用后述的多个项目(谓词变项)构成的虚拟变量也同样地互相关联。图15是处理内容为到达机场离场时刻比较时的输入菜单示例。该图中显示的菜单针对比较对象A和比较对象B分别输入抽出条件项目及筛选条件项目的内容,且输入共同的比较项目。不过,在进行不同通过地点的比较时,对比较对象A及比较对象B分别设置了比较项目。当处理内容是统计量计算时,就在输入菜单上显示用于指定计算对象的项目和同样的抽出条件项目及筛选条件项目。
在使用者利用输入菜单进行输入时,必须输入预测项目、比较项目、用于指定统计量计算对象的项目以及抽出条件项目。关于解析项目,必须输入一个以上的项目,当然最好是针对全体项目输入内容,但即使有若干未输入的项目也能进行预测处理。不过,未输入的项目越多,预测精度越差。关于筛选条件项目,即使未输入也能进行处理。当通知条件未输入时,就在收到要求后立即进行处理,并且向用于输入的输入输出装置7通知处理结果。
输入输出装置7则通过使用者的操作将与输入项目对应的航班特定信息及状况信息的内容加以输入(S509)。使用者输入对要利用的预定航班加以特别指定的航班特定信息,来作为与抽出条件项目对应的内容,且输入显示利用航班时预想的状况的状况信息,来作为与解析项目或筛选条件项目对应的内容。输入输出装置7将已被输入的信息向移动过程预测装置1发送(S510),移动过程预测装置1则用通信部16来接收从输入输出装置7发送的信息。
CPU11接着根据接收的信息而进行从多元数据选定应抽出的抽出项目的处理(S511)。在进行预测的场合,在通过日期和时刻、经过时间及比较数据中成为预测对象的值、以及在包含于状况信息中的多个项目中与输入了内容的解析项目对应的项目是抽出项目。在进行比较预测的场合,成为比较预测对象的值是抽出项目。在进行统计量计算的场合,成为统计量计算的对象的值是抽出项目。CPU11接着从存储在存储部14的多元数据中将包含了与抽出项目对应的信息的样本加以抽出(S512)。不过,抽出的样本是复制的,多元数据保持不变
在进行预测的场合,与已被输入的抽出条件项目内容相同的航班特定信息所关联的预测对象的特定通过日期和时刻、经过时间或比较数据的值和在相同航班特定信息所关联的状况信息中被输入内容的解析项目所对应的项目组合构成了样本,CPU11将该样本加以抽出。例如,在样本中,包含了与相同航班特定信息关联的、通过到达机场的某一出口的通过地点的通过日期和时刻与包含在状况信息中的利用出发机场的年月日及到达时刻等多个项目的值的组合。在步骤S512,CPU11将与内容相同的航班特定信息关联的多组样本抽出。多组样本分别表示利用相同出发日期和时刻的相同航班的各旅客的实绩、以及作为出发地等航班特定信息相同的航班而于相互于不同的日期进行航行的航班的实绩。在进行比较预测的场合,CPU11将由与已被输入的抽出条件项目内容相同的航班特定信息以及与已被输入的筛选条件项目内容相同的状况信息所关联的、成为比较预测的对象的特定的通过日期和时刻、经过时间或比较数据的值构成的样本加以抽出。样本是针对被比较的两个航班各自抽出多组。在进行统计量计算的场合,同样地将由与已被输入的抽出条件项目内容相同的航班特定信息以及与已被输入的筛选条件项目内容相同的状况信息所关联的、成为统计量计算的对象的值构成的样本加以抽出多组。不过,在抽出条件项目及筛选条件项目中包含了显示年的信息并且不存在被抽出的样本的场合,CPU11就将显示这个年的信息排除在抽出条件之外并再度进行抽出,并且将抽出已排除年的信息向输入输出装置7发送。在即使进行了再次抽出仍不存在被抽出的样本的场合,CPU11将因不存在被抽出的样本而要中止移动过程预测的信息向输入输出装置7发送。
CPU11接着判定已抽出的各个样本是否为有异常值或缺损值的样本(S513)。作为有异常值的样本,有与显示交通工具异常或移动物体异常的信息关联的样本。另外,也可预先确定状况信息各项目的内容的可取范围,当已抽出的内容在范围之外时,CPU11就判定为样本包含异常值。而有缺损值的样本是指抽出项目的内容缺损的样本。当某一样本是有异常值或缺损值的样本时(S513:是),CPU11就从已抽出的样本中除去有异常值或缺损值的样本,或是将这种样本屏蔽(S514)。屏蔽处理是将样本排除在计算对象之外的处理。在屏蔽处理过程中,CPU11针对有异常值或缺损值的样本而将显示其为计算对象外的信息加以关联。通过将上述显示异常的信息所关联的样本等、有异常值或缺损值的样本加以除去或屏蔽,能够减少移动过程预测的处理量并提高得到的预测值的精度。
在步骤S514结束后,或在步骤S513不存在有异常值或缺损值的样本的场合(S513:否),CPU11就判定是否存在多组样本(S515)。如果样本数为一组以下(S515:否),CPU11就在通信部16将显示不存在多组样本且移动过程预测已中止的信息向输入输出装置7发送(S516)。输入输出装置7收到该信息,用显示部或扬声器将显示不能实施移动过程预测处理的消息加以输出(S517)并终止处理。
当在步骤S515有多组样本存在时(S515:是),CPU11就判定是否存在规定的上限数以上的样本(S518)。作为规定的上限数,例如采用足以将样本数看作参数的60万个等。当存在上限数以上的样本时(S518:是),CPU11就按照上限数从当前的样本中抽出比已获取信息的时期更新的样本(S519)。在步骤S519未被抽出的样本就被废弃或屏蔽。在步骤S519结束后,或在步骤S518中样本的数量未达到上限数时(S518:否),CPU11就判定包含在样本中的抽出项目是否要变换数据(S520)。当在抽出项目中包含了质的数据时,为了进行计算而要将质的数据变换成数值。另外即使是量的数据,有的也要变换成能够在计算中使用的数据。例如,当抽出的项目是年月日、而计算所需的解析项目是月份及星期时,就要将年月日变换成月份及星期,并进一步将月份及星期变换成数据。
当在步骤S520需要变换数据时(S520:是),CPU11就用与变换数据所必需的各个信息对应的方法来进行数据变换(S521)。对于包含在多元数据中的各个项目,预先确定数据变换的方法,且将预定的数据变换的方法存储在存储部14。不过,数据变换的方法也可以预先包含在计算机程序15中。CPU11通过虚拟变换或分对数变换等预先确定的方法来对包含在样本中的各信息进行数据变换。例如将通过日期和时刻变换成通过时刻。另外,将不是数值的质的数据变换成数值。例如,将表示天气的“晴”、“雨”、“其它”进行虚拟变换,成为“00”、“01”、“10”的二位虚拟变量,并用两个解析项目(谓词变项)来表现。另外,对于空座率及降水概率等用概率来表示的计数值则通过分对数变换来变换成与身长或体重等同类的计量值。分对数变换则用L(P)=ln{P/(1-P)},{目标条件:np*≧5、且n(1-p*)≧5}来表示。其中,P是用概率来表示的计数值,n是样本数,p*则是P的估算值。L(P)值称为分对数,近似于正规分布。目标条件则是使分对数很好地接近正规分布所需的条件。而概率P如果用称为连续修正的公式P=(x+0.5)/(n+1)来进行计算,则能够提高变换精度。其中,x为不良数、合格数或出现数等。在步骤S521结束后,或在步骤S520无须进行数据变换时(S520:否),CPU11就基于多组样本来实施统计量计算处理,即进行特定的通过时刻、经过时间或比较数据的预测、比较预测或统计量计算(S522)。
图16及图17是表示步骤S522的统计计算处理的子程序的顺序的流程图。CPU11首先判定要进行的统计计算处理是否为通过时刻、经过时间或比较数据的预测(S601)。如果要进行的统计计算处理是通过时刻、经过时间或比较数据的预测(S601:是),CPU11就判定与回归分析的谓词变项对应的样本中的信息是否全部是质的数据(S602)。在包含于样本中的信息中,状况信息的各项目及将各项目进行了数据变换后的信息是与谓词变项对应的信息,实际成为预测对象的通过时刻、经过时间或比较数据以外的信息是与谓词变项对应。另一方面,用于回归分析的项目是与抽出项目对应的设定数据的项目,因此在与谓词变项对应的信息中与抽出项目对应的设定数据的项目就成为与回归分析的谓词变项对应的样本中的信息。当在与谓词变项对应的样本中的信息里包含了量的数据时(S602:否),CPU11就实施回归分析(S603)。
设回归分析里的目标变量为Y、谓词变项的数量为p,各谓词变项为X1~Xp。回归式用以下的公式(1)来表示。
Y=a0+a1X1+a2X2+…+apXp+ε…(1)
包含在公式(1)里的a0是常数项,a1~ap是偏回归系数,ε是误差。当p为2以上时,公式(1)是重回归式。在步骤S603,CPU11针对各个样本将成为预测对象的通过时刻、经过时间或比较数据代入公式(1)的Y,将与谓词变项对应的各个信息分别代入X1~Xp,从与由此得到的样本数相同数量的式子求出ε最小的a0、a1~ap,即进行最小二乘法的计算处理。具体是,一旦将a0~ap的估算值设为a^0~a^p,就能用以下的公式(2)计算出目标变量Y对于谓词变项X1~Xp的任意值的预测值Y^i。不过,在本发明的公式说明中所用的“^”不是表示乘方的符号,而是“帽子符号”,在本来位于左邻的文字正上方表示。
Y^i=a^0+a^1Xi1+…+a^jXij+…+a^pXip…(2)
其中,下标i表示是第i个样本编号,下标j则是第j个谓词变项编号。通过将与谓词变项对应的各个信息X1~Xp代入公式(2),就能够得到与样本数相同个数的变量的预测值Y^i。此处,如果设样本数为n个,就可得到n个预测值Y^i。最好得到的目标变量的预测值Y^i与目标变量的实测值Yi之差整体小一些。因此希望用以下公式(3)表示的Yi与Y^i的残差ei小一些。
ei=Yi-Y^i…(3)
从而,以使残差ei二乘后得到的和、即残差平方和Se达到最小的方式来确定a^0~a^p。这种方法称为最小二乘法,得到的估算值a^0~a^p称为最小二乘估计。残差平方和Se用以下的公式(4)来表示。
[数值1]
使残差平方和Se最小的a^0~a^p作为用以下公式(5)来表示的联立方程式的解来得到,该公式(5)是将公式(4)以a^0~a^p各自进行偏微分后置为零。
[数值2]
将公式(5)加以整理,就得到以下的公式(6)。公式(6)是与a^0~a^p有关的(p+1)元联立一次方程式,称为正规方程式。
[数值3]
将公式(6)的第一式用Σ1=n来除,就得到以下的公式(7)。
a^0=Ym-a^1Xm1-a^2Xm2-…-a^pXmp…(7)
此处,Xm1~Xmp及Ym表示各谓词变项及目标变量的平均值,用以下的公式(8)来表示。
[数值4]
将公式(7)的a^0代入公式(6)的第二式以后并加以整理,就得以下的公式(9)。
[数值5]
此处,{Sjk}表示谓词变项{Xij}间的偏差平方和·积和,{SjY}表示{Xij}与{Yi}的偏差积和。Sjk及SjY通过以下的公式(10)来定义。
[数值6]
即,a^1~a^p作为以{Sjk}为系数、以{SjY}为定数项的p元联立一次方程式的解来得到。如果用以下的公式(11)来表示平方和·积和阵,用以下的公式(12)来表示其逆阵,则公式(9)就能用以下的公式(13)来表示。而如果将公式(13)变形,则可得到以下的公式(14)。
[数值7]
[数值8]
[数值9]
[数值10]
一旦针对a^1~a^p来解公式(14),就得到a^j=Sj1S1Y+Sj2S2Y+…+SjpSpY,(j=1,…,p)并算出a^1~a^p的值。如果将算出的a^1~a^p的值代入公式(7),就能算出a^0的值。通过将a^0~a^p套用到公式(1)中的a0~ap,就能够得到回归式。此时,当用于解析的样本数n未达到(p+2)时,CPU11就中止步骤S603的处理,并在通信部向输入输出装置7发送样本不足而导致解析中止的信息。输入输出装置7接收所述信息并用显示部或扬声器将无法实施移动过程预测的信息加以输出。
接着CPU11进行谓词变项的取舍选择。在该选择方法中有若干种方法,本实施例中说明的是用F值进行的依次选择法中的变量减增法。CPU11在将求出的回归式中所包含的谓词变项中的一个从回归式除去时,选择使残差平方和最小的谓词变项。CPU11接着对因选择的谓词变项而增加的残差平方和的增加部分的方差比(F值)进行计算,在F值为预先设定的基准值FOUT以下时,就将该谓词变项从回归式中除去。而当F值超过基准值FOUT时,CPU11就不除去该谓词变项。CPU11接着在将回归式中不包含的谓词变项中的一个取入回归式时选择使残差平方和最小的谓词变项。CPU11接着对因选择的谓词变项而减少的残差平方和的减少部分的F值进行计算,在F值超过预先设定的基准值FIN时,就将该谓词变项取入回归式。另外,当F值在基准值FIN以下时,CPU11就不取入该谓词变项。CPU11反复实施以上步骤,在回归式中所含的所有谓词变项的F值都比FOUT大,回归式中所未包含的所有谓词变项的F值都在FIN以下时结束。作为F值的基准值,例如使用FOUT=FIN=2.0。而变量减少法则是在变量减增法的步骤内不进行将谓词变项取入的步骤的方法。变量增减法则是从回归式中不含谓词变项的状态开始进行与变量减增法同样的步骤的方法。而变量增加法则是在变量减增法的步骤内不进行将谓词变项除去的步骤的方法。CPU11也可以不仅用变量减增法,还用变量减少法、变量增减法或变量增加法来取舍选择谓词变项。
由多个谓词变项构成的虚拟变量在全部谓词变项的F值都在FOUT以下时被除去,在即便一个谓词变项的F值超过FIN时全都被取入回归式。与二乘项目对应的谓词变项、即成为二乘变量之基础的谓词变项在二乘变量的F值超过FIN时,即使自身的F值在FOUT以下也不会被除去。同样,与互相作用项目对应的谓词变项、即成为互相作用变量之基础的谓词变项在互相作用变量的F值超过FIN时,即使自身的F值在FOUT以下也不会被除去。另外,成为二乘变量或互相作用变量之基础的谓词变项在二乘变量或互相作用变量的F值超过FIN时,即使自身的F值在FIN以下,也与二乘变量或互相作用变量同时地被取入回归式。另外,在二乘变量或互相作用变量被除去时,成为二乘变量或互相作用变量之基础的谓词变项不会同时被除去。而在回归式中的p个谓词变项(X1~Xp)中,Xj的显著性用F={(a^j)2/Sjj}/Ve来表示。其中,a^j是第j个估算值,Sjj是平方和积和阵的逆阵的(j、j)要素,Ve则是残差方差。另外,当p个谓词变项已存在于回归式中时,新增变量Xr的显著性就用F={(a^r*)2/Srr *}/Ve*来表示。a^r*、Srr *及Ve*分别是包含变量Xr在内的(p+1)个谓词变项被取入回归式时的ar的估算值、平方和积和阵的逆阵的(r、r)要素、以及残差方差。
接着CPU11也可以使用杠杆率等统计量来进行回归诊断。设杠杆率为hii、第i个样本的变量Xj的值为Xij、第i个样本的变量Xk的值为Xik、变量Xj的平均值为Xmj、变量Xk的平均值为Xmk、平方和积和阵的逆阵的(j、k)要素为Sjk,则杠杆率hii用以下公式(15)来表示。
[数值11]
CPU11对每个样本计算杠杆率,且将算出的杠杆率在规定基准值以上的样本加以除去或屏蔽。在本例中,基准值为杠杆率的平均的2倍。杠杆率的平均用(p+1)/n来求出。当没有要除去或屏蔽的样本且不进行其它的回归诊断时,CPU11就决定回归式。在已将样本除去或屏蔽时,CPU11再度进行回归分析。接着CPU计算已决定的回归式的多重相关系数、贡献率、显著误差检验结果、自由度调节完毕贡献率、德宾·沃森比等统计量。多重相关系数是,贡献率是R2=1-Se/ST,自由度调节完毕贡献率是R*2=1-{Se/(n-p-1)}/{ST/(n-1)}。另外德宾·沃森比d用以下的公式(16)来表示。
[数值12]
其中,Se是残差平方和,ST是目标变量的总平方和,ei是第i个残差。而谓词变项的取舍选择或回归诊断等回归分析的一部分可通过手动操作进行。例如,移动过程预测装置1具备图中未示的输入单元,可以通过具有统计及运输相关知识的操作人员对输入单元进行操作,来决定回归式并计算预测值。
CPU11接着在得到的回归式的谓词变项中代入用输入输出装置7输入的解析项目的内容,并计算目标变量Y的值,由此算出作为预测值的特定通过时刻、经过时间或比较数据(S604)。在代入的项目为必须进行数据变换的项目时,CPU11就在使用计算机程序15中的变换式进行了变换后进行代入。CPU11还要算出预测区间。预测区间用预测值 来表示。其中,n是样本数,α是显著水准,D0 2是广义马氏距离,Ve是误差方差的估算值。另外D0 2用以下的公式(17)来表示。
[数值13]
其中,Xoj及Xok分别是为了计算Y的值而代入变量Xj及Xk的值。Sjk是平方和积和阵的逆阵的(j、k)要素。另外,关于t(n-p-1,α),在预先存储在存储部14中的t分布表规定的显著水准α,是自由度φ=n―p-1的临界值t(φ,α)。CPU11接着结束步骤S522的统计计算处理并返回主处理。而在用置信区间来代替预测区间时,使用预测值 另外,也可以添加对置信区间与预测区间的不同加以说明的信息,在此基础上将两者输出。
当在步骤S602中与谓词变项对应的样本中的信息全部为质的数据时(S602:是),CPU11就实施数量化同类分析(S605)。设数量化同类分析里的目标变量为Y、谓词变项(项目)的数量为p,各谓词变项为X1~Xp。由于各谓词变项为质的数据,因此要预先确定能够取得各个谓词变项的状态(种类)的数量。例如,当将包含于状况信息中的“天气”分成“晴”、“雨”及“其它”时,“天气”的谓词变项就能取得三种状态。设能够取得谓词变项Xi的值的种类数为j(i)。谓词变项Xi的状态如果是量化同类,则用任意一个为1而其它为0的Xi1,Xi2,…,Xij(i)的组合来表示。例如,关于能够取得1、2、或3的值的谓词变项Xi,值1的状态用Xi1=1、Xi2=0、Xi3=0来表示,值2的状态用Xi1=0,Xi2=1,Xi3=0来表示,值3的状态用Xi1=0,Xi2=0,Xi3=1来表示。这种量化同类的回归式用以下的公式(18)来表示。
y=a0+a11X11+a12X12+…+a1j(1)X1j(1)+a21X21+…+a2j(2)X2j(2)+…+ap1Xp1+…+apj(p)Xpj(p)+ε…(18)
包含在公式(18)里的a0是常数项,a11~apj(p)是分类得分记录(categoryscore),ε是误差。但是,所述的三种状态分别成为Xi1+Xi2+Xi3=1,经常呈现多重共线性。为此,要将Xi1、Xi2、Xi3中的一个删除。这样一来,公式(18)的全部谓词变项就成为与用虚拟变量构成的回归式相同的形式。从而,在步骤S605,CPU11针对各个样本而使成为预测对象的通过时刻、经过时间或比较数据与公式(1)的Y对应,且使已变换成虚拟变量的质的谓词变项与公式(1)的谓词变项X1~Xp对应。然后的计算方法与进行回归分析时相同。
CPU11接着继续用与回归分析同样的方法来计算预测值、预测区间或置信区间、以及各种统计量(S606)。CPU11接着结束步骤S522的统计计算处理并返回主处理。
当在步骤S601要进行的统计计算处理并非预测时(S601:否),CPU11就判定要进行的统计计算处理是否为比较预测(S607)。当要进行的统计计算处理并非比较预测时(S607:否),要进行的统计计算处理就是统计量计算,CPU11就算出所要求的统计量(S608)。在步骤S608,CPU11基于样本来计算作为统计量计算对象的特定的通过时刻、经过时间或比较数据的平均值、标准偏差或中位数等等所要求的统计量。CPU11接着结束步骤S522的统计计算处理并返回主处理。
当在步骤S607要进行的统计计算处理是比较预测时(S607:是),CPU11就判定比较预测的对象是否为平均值(S609)。当比较预测的对象是平均值时(S609:是),CPU11就判定在对被比较的两个航班分别抽出的多组样本中,由成为比较预测对象的项目构成的两种集合内是否有一方是母体(S610)。本发明是将针对两个航班而分别获得的样本集合的一方作为母体,另一方作为标本,通过检验母体与标本间是否存在差异来进行比较。在步骤S610,CPU11将针对两个航班而分别获得的样本集合中所包含的样本数与规定的阈值进行比较,当一方的样本数在阈值以上时,就判定样本集合的一方为母体。作为阈值,预先确定了20万等相当大的数值。另外在步骤S610,CPU11将样本数为阈值以上的样本集合作为母体,将样本数未达到阈值的样本集合作为标本。当双方的样本数都在阈值以上时,CPU11就样本数多的一方作为母体,样本数少的一方作为标本。当双方的样本数都在阈值以上且数目相同时,CPU11就一方的样本集合作为母体,将另一方的样本集合作为标本。当双方的样本数都未达到阈值时,CPU11就判定为没有母体,且将一方的样本集合作为第一标本,将另一方的样本集合作为第二标本。
当在步骤S610中样本集合的一方为母体时(S610:是),CPU11就进行卡方检验,以便检验标本方差与母体的方差间是否存在差异(S611)。在步骤S611,CPU11计算标本的偏差平方和S与母体的方差σ0 2,并算出χ2=S/σ0 2。另外CPU11将算出的χ2的值用预先存储在存储部14中的χ2分布表规定的显著水准α来与自由度φ=n-1的临界值进行比较。其中n是标本的样本数。例如,当显著水准为α=5%时,下侧临界值就成为用χ1 2(φ,0.975)来表示的值,上侧临界值成为用χ2 2(φ,0.025)来表示的值。在算出的χ2的值比上侧临界值小而比下侧临界值大时,CPU11就判定为不能认为标本方差与母体的方差之间存在显著差异,而当算出的χ2的值在上侧临界值以上或下侧临界值以下时,就判定为标本方差与母体的方差之间存在显著差异。
CPU11接着根据在步骤S611进行的卡方检验的结果来判定是否在标本方差与母体的方差之间存在显著差异(S612)。当在标本方差与母体的方差之间存在显著差异时(S612:是),就进行t检验,以检验标本平均与母体的平均之间是否存在差异(S613)。在步骤S613,CPU11计算标本的平均值ym、母体的平均值μ、及标本的标准偏差s,并计算 。n是标本的样本数。另外CPU11将算出的t的值用预先存储在存储部14中的t分布表规定的显著水准α来与自由度φ=n-1的临界值t(φ,α)进行比较。当算出的t的值的绝对值在临界值以上时,CPU11判定为在标本平均与母体的平均之间存在显著差异,而当算出的t的值的绝对值未达到临界值时,判定为不能认为标本平均与母体的平均之间存在显著差异。CPU11将μ作为估算值,计算置信区间并作为母体的估算值及置信区间。其中Z(α)是预先存储在存储部14的正规分布表规定的显著水准α的临界值Z(α)。σ0是母体的标准偏差,n0是母体的样本数。另外CPU11进行将标本的估算值设为ym、将置信区间定为ym±t(φ,α)s/n的处理。
CPU11接着根据在步骤S613进行的t检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据间是否存在差异(S614)。当在步骤S613得出标本平均与母体的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间存在差异。当在步骤S613得出不能认为标本平均与母体的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。
在步骤S612,当不能认为在标本方差与母体的方差之间存在显著差异时(S612:否),就进行Z检验,以检验标本平均与母体的平均之间是否存在差异(S615)。在步骤S615,CPU11计算标本的平均值ym、母体的平均值μ、及母体的标准偏差σ0,并计算n是标本的样本数。另外CPU11将算出的Z的值与预先存储在存储部14中的正规分布表规定的显著水准α的临界值Z(α)进行比较。当算出的Z的值的绝对值在临界值以上时,CPU11判定为在标本平均与母体的平均之间存在显著差异,而当算出的Z的值的绝对值未达到临界值时,判定为不能认为标本平均与母体的平均之间存在显著差异。CPU11将μ作为估算值,计算置信区间 并作为母体的估算值及置信区间。其中n0是母体的样本数。另外CPU11进行将标本的估算值设为ym、将置信区间定为 的处理。不过,在不能认为存在显著差异时,也可制定共同的估算值和置信区间。此时,CPU11针对标本及母体的样本合并后的样本来计算新的平均值μ1和标准偏差σ1。另外CPU11将μ1作为标本及母体共同的估算值,将置信区间计算成,并作为共同的置信区间。
CPU11接着根据在步骤S615进行的Z检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据间是否存在差异(S616)。当在步骤S615得出标本平均与母体的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间存在差异。当在步骤S615得出不能认为标本平均与母体的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。
在步骤S610,当任何样本集合都不是母体时(S610:否),CPU11就进行F检验,以检验第一标本的方差与第二标本的方差是否存在相互差异(S617)。在步骤S617,CPU11计算第一标本的方差V1和第二标本的方差V2,并计算F=V1/V2。另外CPU11将算出的F的值用预先存储在存储部14中的F分布表规定的显著水准α来与用第一标本的自由度φ1=n1-1及第二标本的自由度φ2=n2-1表示的临界值进行比较。其中,n1是第一标本的样本数,n2是第二标本的样本数。例如,当显著水准为α=5%时,下侧临界值就成为用F1(φ1,φ2;0.975)来表示的值,上侧临界值成为用F2(φ1,φ2;0.025)来表示的值。而F1(φ1,φ2;0.975)=1/F(φ2,φ1;0.025)。当算出的F值比上侧临界值小而比下侧临界值大时,CPU11判定为不能认为在第一标本的方差与第二标本的方差间存在显著差异,而当算出的F值在上侧临界值以上或在下侧临界值以下时,就判定为在第一标本的方差与第二标本的方差间存在显著差异。
CPU11接着根据在步骤S617进行的F检验的结果来判定是否在第一标本的方差与第二标本的方差之间存在显著差异(S618)。当在第一标本的方差与第二标本的方差之间存在显著差异时(S618:是),CPU11就进行t检验,以检验第一标本的平均与第二标本的平均是否存在差异(S619)。在步骤S619,CPU11计算第一标本的平均值y1m和第二标本的平均值y2m,并计算 。自由度用(1/φ)=c2/(n1-1)+(1-c)2/(n2-1)及c=(V1/n1)/(V1/n1+V2/n2)得到。另外CPU11将算出的t的值用预先存储在存储部14中的t分布表规定的显著水准α来与自由度φ的临界值t(φ,α)进行比较。当算出的t的值的绝对值在临界值以上时,CPU11判定为在第一标本的平均与第二标本的平均之间存在显著差异,而当算出的t的值的绝对值未达到临界值时,判定为不能认为第一标本的平均与第二标本的平均之间存在显著差异。另外CPU11进行将第一标本中的比较对象的值的估算值定为y1m、将置信区间定为的处理,并进行将第二标本中的比较对象的值的估算值作为y2m、将置信区间定为 的处理。
CPU11接着根据在步骤S619进行的t检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据间是否存在差异(S620)。当在步骤S619得出第一标本的平均与第二标本的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间存在差异。当在步骤S619得出不能认为第一标本的平均与第二标本的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。
当第一标本的方差与第二标本的方差之间不存在显著差异时(S618:否),CPU11就计算第一标本和第二标本的共同标准偏差(S621)。在步骤S621,CPU11计算第一标本的偏差平方和S1和第二标本的偏差平方和S2,计算共同的方差V=(S1+S2)/{(n1-1)+(n2-1)},并计算共同标准偏差CPU11接着进行t检验,以检验第一标本的平均与第二标本的平均是否存在差异(S622)。在步骤S622,CPU11计算第一标本的平均值y1m和第二标本的平均值y2m,并计算 。另外CPU11将算出的t的值用预先存储在存储部14中的t分布表规定的显著水准α来与自由度φ=n1+n2-2的临界值t(φ,α)进行比较。当算出的t的值的绝对值在临界值以上时,CPU11判定为在第一标本的平均与第二标本的平均之间存在显著差异,而当算出的t的值的绝对值未达到临界值时,判定为不能认为第一标本的平均与第二标本的平均之间存在显著差异。另外,CPU11进行将第一标本中的比较对象的值的估算值定为y1m、将置信区间定为 的处理,并进行将第二标本中的比较对象的值的估算值定为y2m、将置信区间定为 的处理。不过,在不能认为存在显著差异时,CPU11也可以将两个标本的样本合并并计算共同的平均值y和标准偏差σ。此时,CPU11也可将y作为估算值,且对置信区间计算 。
CPU11接着根据在步骤S622进行的t检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据间是否存在差异(S623)。当在步骤S622得出第一标本的平均与第二标本的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间存在差异。当在步骤S622得出不能认为第一标本的平均与第二标本的平均之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据间不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。
在步骤S609,当比较预测的对象不是平均值而是波动值时(S609:否),CPU11就判定在对被比较的两个航班分别抽出的多组样本中,由成为比较预测对象的项目构成的两种集合内是否有一方是母体(S624)。当样本集合的一方为母体时(S624:是),CPU11就进行卡方检验,以检验标本方差与母体的方差间是否存在差异(S625)。在步骤S625,CPU11进行与步骤S611同样的计算。另外CPU11计算标本的方差σ2=S/(n-1),且进行将比较对象的值的估算值设为σ2、将置信区间定为S/χ2(φ,α/2)<σ2<S/χ2(φ,1-(α/2))的处理。另外,CPU11计算母体的偏差平方和S0,将母体的方差的估算值作为σ0 2,将置信区间作为S0/χ2(φ0,α/2)<σ0 2<S0/χ2(φ0,1-(α/2))。不过,在不能认为存在显著差异时,CPU11也可以进行将共同的置信区间定为(S0+S)/χ2(n0+n-2,α/2)<σ1 2<(S0+S)/χ2(n0+n-2,1-(α/2))的处理。其中,σ1 2是共同的估算值,σ1 2=(S0+S)/{(n0-1)+(n-1)},n0是母体的样本数,φ0是自由度,φ0=n0-1。
CPU11接着根据在步骤S625进行的卡方检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里是否存在差异(S626)。当在步骤S625得出标本方差与母体的方差之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里存在差异。当在步骤S625得出不能认为标本方差与母体的方差之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。
在步骤S624,当任何样本集合都不是母体时(S624:否),CPU11就进行F检验,以检验第一标本的方差与第二标本的方差是否存在相互差异(S627)。在步骤S627,CPU11进行与步骤S617同样的计算。另外CPU11进行将第一标本中的比较对象的值的估算值设为V1、计算第一标本的偏差平方和S1=V1(n1-1)、以及将置信区间定为S1/χ2(φ1,α/2)<V1<S1/χ2(φ1,1-(α/2))的处理。另外CPU11进行将第二标本中的比较对象的值的估算值设为V2、计算第二标本的偏差平方和S2=V2(n2-1)、以及将置信区间定为S2/χ2(φ2,α/2)<V2<S2/χ2(φ2,1-(α/2))的处理。不过,在不能认为第一标本的方差与第二标本的方差间存在显著差异时,CPU11也可以将共同的置信区间作为(S1+S2)/χ2(φ1+φ2,α/2)<V3<(S1+S2)/χ2(φ1+φ2,1-(α/2))。此处,V3是共同的估算值,V3=(S1+S2)/{(n1-1)+(n2-1)}。
CPU11接着根据在步骤S627进行的F检验的结果来判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里是否存在差异(S628)。当在步骤S627得出第一标本的方差与第二标本的方差之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里存在差异。另外,当在步骤S627得出不能认为第一标本的方差与第二标本的方差之间存在显著差异的检验结果时,CPU11就判定利用两个航班时的特定的通过时刻、经过时间或比较数据的波动值里不存在差异。CPU11接着结束步骤S522的统计计算处理并返回主处理。不过,在步骤S613、S615、S619、S622、S625及S627的各项检验中,采用的是检验有无差异的双侧检验,但也可以采用判定一方比另一方大或小的单侧检验。
在步骤S522的统计计算处理结束后,CPU11首先在推断值或统计量等通过统计计算处理来算出的值中是否存在经过数据变换的数据加以判定。如果存在经过数据变换的数据,CPU11就用预先在存储部14或计算机程序15中规定的方法来对用统计计算处理算出的值进行数据逆变换。例如,分对数变换的逆变换使用P=1/[1+exp{-L(P)}]这个公式来进行。另外,在无法实施逆变换时,例如要将月份日期逆变换成日期和时刻等时,就规定为不实施逆变换。CPU11接着根据统计计算处理所用的样本的特征及统计计算处理的计算结果,从存储在存储部14的说明数据中抽出用于说明统计计算处理的计算结果的说明文字(S523)。图18及图19是表示说明数据的内容示例的示意图。说明文字与在统计计算处理中使用的第一样本集合的特征、第二样本集合的特征以及通过统计计算处理得到的各种统计量关联。在用统计计算处理进行了预测或统计量计算的处理时,第一样本集合与已抽出的多组样本对应。另外,在用统计计算处理进行了比较预测时,第一样本集合与母体对应而第二样本集合与标本对应,或者第一样本集合与第一标本对应而第二样本集合与第二标本对应。说明文字由对于计算结果可靠性的简单说明、对计算结果可靠性的更详细判断结果、以及根据计算结果使用者应如何行动的建议组成。图19表示各种说明文字的内容示例。在说明数据中,预先将合适的说明文字与在统计计算处理中所用的信息的特征和统计计算处理的结果相关联。例如,在包含在样本中的信息获取期间为一个月以下的场合,就关联着月份变化导致的变动未考虑在内的说明文字。
CPU11接着在通信部16将计算结果及说明文字的数据向输入输出装置7发送(S524)。此时,CPU11将作为发送对象的输入输出装置7作为已被指定为通知对象的输入输出装置7。如果没有被指定为通知对象的输入输出装置7,则将发送移动过程预测要求的输入输出装置作为发送对象的输入输出装置7。输入输出装置7接收计算结果及说明文字的数据,用显示部或扬声器将计算结果及说明文字输出(S525),并结束处理。
如上所述,本发明的移动过程预测系统在过去旅客及行李实际利用飞机时获取通过机场的各通过地点的通过日期和时刻、航班特定信息以及显示状况的状况信息等,并将它们相互关联地加以存储。另外,本发明的移动过程预测装置1将与特定的航班特定信息关联的通过日期和时刻及状况信息加以抽出,通过多元解析来求出回归式,该回归式表示通过特定的通过地点的通过时刻、通过特定的两个通过地点的经过时间、或显示通过日期和时刻对飞机的登机终止日期和时刻的比较结果的比较数据与包含在状况信息中的多个项目之间的关系。求出的回归式表示年龄等旅客的状态、机场错误、机场的状态、座位号等旅客利用航班时的条件、以及已定条件的变化及气象状态等利用飞机时的各种条件对于特定的通过时刻、经过时间或比较数据的影响大小。另外,移动过程预测装置1通过在与要利用的预定航班相关地求出的回归式中输入利用航班时预测的状况的内容,来计算包括特定的通过时刻、经过时间或比较数据的预测区间或置信区间的预测值。如果将特定的通过时刻作为通过到达机场的出口的时刻,就能预测离开到达机场的时刻。如果将特定的经过时间作为从出发机场最初的通过地点移动到最后的通过地点期间经过的时间,则能预测在出发机场的必要滞留时间。如果将特定的比较数据作为在出发机场通过登机口的日期和时刻与登机口关闭的日期和时刻间的时间差,就能预测在登机口富余的时间。由于得到的预测值是从过去实际的通过时刻、经过时间或比较数据与利用航班时的状况之间的关系通过最小二乘法导出的,因此预测值比原来更加可靠,使用者能够比原来更准确地预测移动所需的时间。因此,在旅客制作移动日程表时,能够制作更加准确的移动日程表,实现高效的移动。采用本实施方式,只要从选择菜单中选择要预测的项目,并且将要预测的条件输入到解析项目或抽出条件项目中,即使不具备与统计及运输有关的专业知识的一般使用者也能简单地进行预测。
另外,本发明的移动过程预测装置1将与两个航班特定信息分别关联的通过日期和时刻加以抽出,且采用与针对各航班特定信息抽出的样本数对应的合适的检验方法,来判定使用两个航班时的特定的通过时刻、经过时间或比较数据中是否存在差异。由于是用合适的检验方法来检验过去的实绩,因此移动过程预测装置1能够准确判定使用两个航班时的特定的通过时刻、经过时间或比较数据中是否存在差异,并进行包含置信区间的计算在内的估算。另外移动过程预测装置1接受显示利用航班时被预测的状况的状况信息的一部分,且在将通过日期和时刻的样本抽出之际,将与接受的状况信息内容相同的状况信息所关联的样本加以抽出,由此将抽出的样本筛选。由于能够从多种多样的数据中抽出与使用者的目的相符的样本,因此它也帮助旅客等使用者得到更可靠的预测值。另外,同时还减少了计算所需的数据量,减轻了计算的负担。与进行预测时同样,使用者即使不具备专业知识,也能通过简单的操作迅速获得比较预测的结果。
而且本发明的移动过程预测装置1能够将在统计计算处理中利用的信息量或取得的时期等特征和说明文字与实际的统计计算处理的结果一并输出,该说明文字预先与用统计计算处理得到的结果关联地存储。虽然在统计计算处理过程中计算了各种统计量,但对于并非专家的使用者来说,不懂统计量的意思,得到的结果的可靠性也不明了。为此,通过输入与统计计算处理的结果相应的说明文字,就能够使使用者理解统计计算处理的结果,并能够根据移动过程的预测结果来制作更现实的移动日程表。
(实施方式2)
在实施方式2中说明本发明的其它处理形式。移动过程预测系统的结构与实施方式1相同。图20是表示实施方式2的移动过程预测系统实施的移动过程预测的部分处理顺序的流程图。移动过程预测系统与实施方式1同样地实施步骤S501~S517的处理。不过,移动过程预测装置1的CPU11在步骤S507是在通信部16将表示不含解析项目的输入菜单的菜单用信息向输入输出装置7发送。输入输出装置7在步骤S508在显示部显示不含解析项目的输入菜单,并在步骤S509输入航班特定信息。当要进行的处理内容是预测或统计量计算时,CPU11就在步骤S512将由与已被输入的航班特定信息同等内容的航班特定信息所关联的预测对象的特定的通过时刻、经过时间或比较数据的值和同等的航班特定信息所关联的状况信息中已被预定的多个项目组合而成的样本加以抽出。当要进行的处理内容是比较预测时,CPU11就在步骤S512针对被比较的两个航班而分别将由与已被输入的航班特定信息同等内容的航班特定信息所关联的比较对象的特定的通过时刻、经过时间或比较数据的值和同等的航班特定信息所关联的状况信息中已被预定的多个项目组合而成的样本加以抽出。
在步骤S515,当存在多组样本时,CPU11就将抽出的样本中所包含的状况信息的各项目的数据范围加以特别指定(S711)。例如,当样本数为3、到达时刻的内容分别为12:00、12:30、13:00时,就将到达时刻项目的数据范围定为12:00~13:00。当要进行的处理内容为比较预测时,要针对两个航班分别将各项目的数据范围加以特别指定,而当要进行的处理内容为预测或统计量计算时,则各项目的数据范围只特别指定一套。CPU11接着在通信部16将显示已被特别指定的各项目的数据范围的信息向输入输出装置7发送(S712)。输入输出装置7接收显示各项目的数据范围的信息,并显示状况信息的各项目的数据范围,同时在显示部显示将各项目的内容输入所需的输入菜单(S713)。
图21是表示实施方式2的输入菜单的示例的示意图。在图21中显示当要进行的处理内容为预测到达机场离场时刻时的输入菜单的示例。将已被特别指定的数据范围与要输入的各个解析项目绑定地显示。使用者将包含在已显示的数据范围中的内容输入。不过,数据范围也可以通过列举包含在样本中的内容来显示。即使要进行的处理内容是比较预测或统计量计算,也同样是与各筛选条件项目绑定来显示已被特别指定的数据范围。使用者参考显示的数据范围来输入状况信息的各个项目的内容。另外,还可输入数据范围之外的内容。在使用者进行输入时,有输入数据范围内包含的内容的倾向。另外,也可设定成数据范围之外就不能输入。在输入了数据范围内包含的内容时,移动过程预测装置1基于包含输入到数据范围的状况信息的样本来进行统计计算处理,因此能提高计算精度。具体是,如果是量的变量,则在将与包含于范围中的值的平均值更接近的状况信息加以输入并预测时,得到的预测值的置信区间及预测区间就更窄。另外,如果是质的变量,则如果输入与列举的范围数据相同的值,就能提高计算精度。而且,在进行比较预测及统计量计算时,能够向使用者显示能筛选的范围,能够减少在范围外筛选的现象。
输入输出装置7将要通过使用者的操作来输入的状况信息的各项目的内容输入(S714)。输入输出装置7将已被输入的信息向移动过程预测装置1发送(S715),移动过程预测装置1则用通信部16来接收从输入输出装置7发送的信息。CPU11接着基于已被输入的状况信息的各项目来进行筛选样本的处理(S716)。当要进行的处理内容是预测时,CPU11将状况信息中内容未被输入的项目从样本中删除。当要进行的处理内容是比较预测或统计量计算时,CPU11就由将与已被输入的内容同等内容的状况信息所关联的、由成为比较预测或统计量计算的对象的特定的通过时刻、经过时间或比较数据的值构成的样本从原来的样本中抽出。CPU11接着实施步骤S518以后的处理。
另外,移动过程预测装置1也可以采用如下形式:当在步骤S506选定输入项目时,将取入回归式的比率较低的解析项目从输入项目删除。当在步骤S522结束了通过F值进行的谓词变项的取舍选择时,CPU11就将进行预测的次数和取入每个解析项目的回归式中的次数加以计数,且将取入次数对预测次数的比例、即取入率和预测次数记录到存储部14的设定数据中。接着CPU11在步骤S506针对预先设定的各个解析项目来选定已将记录的预测次数超过规定次数的解析项目和记录的取入率低于规定的比率的解析项目排除在外的输入项目。例如CPU11在进行了100次预测后的步骤S506,选定已将取入率低于1%的解析项目排除在预先设定的输入项目之外的输入项目。在处理大量数据的多元解析中,减少成为谓词变项的解析项目就能够减轻计算负荷并提高计算速度。尤其是表示天气或星期等大量状态的质的变量,在进行虚拟变换时需要有(状态数-1)个谓词变项,因此通过将这些质的变量排除在外,能够大幅度减少计算负荷。另外,移动过程预测装置1还可采用以下形式:将要与取入率较低的项目进行调换的项目预先记录在设定数据中,CPU11则在预测次数超过规定次数的步骤S506将与取入率低于规定比率的项目进行调换并选定输入项目。另外,即使解析项目的排除在外或调换等的设定数据发生变更,预先设定的初始数据仍旧保持不变。
另外,关于对回归诊断的项目之一、即多重共线性强的谓词变项加以检出的工序,实施方式1是在决定了回归式之后进行,而实施方式2则是在回归式决定之前进行。图22是表示实施方式2的步骤S522的统计计算处理的部分顺序的流程图。在步骤S601,当要进行的统计计算处理是通过时刻、经过时间或比较数据的预测时,CPU11基于已抽出的样本,将包含在样本中的成为预测对象的通过时刻、经过时间或比较数据作为目标变量,将状况信息的项目作为谓词变项,来计算目标变量及多个谓词变项相互的相关系数,由此建立相关系数阵(S721)。CPU11接着基于建立的相关系数阵来判定是否存在谓词变项间的相关系数的绝对值在规定阈值以上的谓词变项的组合(S722)。作为阈值,预先确定了小于1的正数。例如确定阈值=0.6。如果存在谓词变项间的相关系数的绝对值在规定阈值以上的谓词变项的组合时(S722:是),CPU11就在谓词变项间的相关系数的绝对值在规定阈值以上的谓词变项的组合中,将与目标变量间的相关系数较小的谓词变项从样本中删除或加以屏蔽(S723)。不过,用多个谓词变项构成的虚拟变量、二乘变量及成为其基础的谓词变项、以及互相作用变量及成为其基础的谓词变项,各自原来互为相关,且用存储在存储部14的设定数据来关联。CPU11对于用设定数据相互关联的谓词变项,即使在谓词变项间的相关系数在阈值以上,也不加以删除或屏蔽。另外CPU11显示用多个谓词变项构成的虚拟变量的一个与关联的其它虚拟变量以外的谓词变项之间在阈值以上的相关系数,在将该虚拟变量删除或屏蔽时,将与该虚拟变量关联的其它虚拟变量也加以删除或屏蔽。CPU11同样显示成为二乘变量之基础的谓词变项与二乘变量以外的谓词变项之间在阈值以上的相关系数,且在将该谓词变项删除或屏蔽时,将二乘变量也删除或屏蔽。同样地,CPU11显示成为互相作用变量之基础的多个谓词变项的一个与该多个谓词变项中的其它谓词变项及互相作用变量以外的谓词变项之间在阈值以上的相关系数,且在将该谓词变项删除或屏蔽时,将互相作用变量也删除或屏蔽。在步骤S723结束后,或在步骤S722不存在谓词变项间的相关系数的绝对值在规定阈值以上的谓词变项的组合时(S722:否),CPU11就实施步骤S602以后的处理。
另外移动过程预测装置1也可以在进行回归分析之前用其它的方法删除多重共线性强的谓词变项。例如,CPU11在有相互的相关系数的绝对值在规定阈值以上的谓词变项的组合存在时,在谓词变项的数量为10以上等较多的时候,就将与目标变量间的相关系数较小的谓词变项删除或屏蔽,而在谓词变项的数量为不满10等较少的时候,就追加由两个谓词变项相乘或合计而成的新的谓词变项。多重共线性强的两个谓词变项的积或和、即追加的新变量具备减弱多重共线性的作用。另外CPU也可以在追加了新变量之后再度建立相关系数阵。
实施方式1是通过从解析中删除多重共线性强的谓词变项来提高预测精度,但由于是用回归式决定后的回归诊断来删除多重共线性强的变量,因此需要再次计算回归式。因此在处理大量数据时,会大幅度地增加移动过程预测装置1的计算负荷及计算时间。而实施方式2却不需要再次计算回归式,能够减少移动过程预测装置1的计算负荷及计算时间。
另外,在实施方式1中,用输入输出装置7将显示未来旅客或行李移动时的状况的状况信息的一部分输入,且用移动过程预测装置1将被输入的状况信息代入回归式中的谓词变项,由此来计算特定的通过时刻、经过时间或比较数据的预测值。实施方式2则与实施方式1不同,输入输出装置7不进行状况信息的输入,移动过程预测装置1则将用设定数据预定的状况信息中的多个项目作为谓词变项来求出回归式。移动过程预测装置1将求出的回归式向输入输出装置7发送,输入输出装置7输入必要的状况信息的内容,且将输入的状况信息的内容代入回归式中的谓词变项,由此计算特定的通过时刻、经过时间或比较数据的预测值。另外,移动过程预测装置1也可将在步骤S711特别指定的数据范围与求出的回归式一同发送。在本实施方式中,移动过程预测装置1无须在每次使用者变更输入的状况信息的内容时求出回归式。从而,在使用者对向输入输出装置7输入的状况信息的内容进行各种变更的各种状况下,容易调查特定的通过时刻、经过时间或比较数据的预测值。另外,还能将谓词变项以外的变量作为输入项目。用输入输出装置7显示的输入画面,能够对回归式的所有变量进行输入,并且如果向要求出的一个变量以外的变量输入值,就能得到要求出的变量的解。从而,还能向要求出的某一谓词变项以外的变量输入值并得到要求出的谓词变项的值。其它的优点在于,使用者在调查各种状况下特定的通过时刻、经过时间或比较数据的预测值时,能够减轻移动过程预测装置1的计算负担。
另外,在实施方式1中,在移动过程预测的处理过程中,当飞机出发到达的日期和时刻的误差超出允许范围且事件履历数据中没有变更信息时,是将显示交通工具异常的信息与至少包含航班名称和出发日期的航班特定信息关联,且在移动过程预测的处理过程中将样本删除或屏蔽。实施方式2则与实施方式1不同,移动过程预测装置1在将信息记录到多元数据时,预先将显示交通工具异常的信息所关联的样本删除。不过,信息获取装置2也可以在将信息记录到移动经过数据时预先将显示交通工具异常的信息所关联的样本删除。本实施方式减少了移动过程预测装置1在移动过程预测处理过程中抽出的样本,无须将显示交通工具异常的信息所关联的样本删除或屏蔽,因此减轻了移动过程预测装置1的计算负担。不过,实施方式2对于显示移动物体异常的信息所关联的样本也是实施同样的处理。
实施方式1及2的预测处理的目标变量是量的变量,但当用质的变量作为目标变量时,能够进行判别分析或数量化二类分析。例如,当记录在存储部14的多元数据中的比较数据为判别值时,目标变量就成为质的目标变量,当谓词变项全部为质的变量时进行数量化二类分析,而当谓词变项中的某个为量的变量时就进行判别分析。当质的目标变量不是判别值时,在解析之前进行虚拟变换,由此将目标变量变换成判别值,并进行同样的处理。从而,无论何种场合取得的预测值都主要变成0~1的数值,通过将其进行数据逆变换,就能得到判别预测。例如,将可换乘时显示“1”、不可换乘时显示“0”的判别值作为目标变量,当各自存在数量相同的样本时,预测值主要成为0~1的数值,CPU11用预先设定的“Y≦0.5时不可换乘、Y>0.5时可换乘”的数据逆变换式来判定可否换乘。而如果设a为可换乘的样本数、b为不可换乘的样本数,则用于判别的阈值可用a/(a+b)来表示。例如,当两者的样本数分别为10时,阈值就是10/(10+10)=0.5。另外,CPU11计算答对率及答错率来替代置信区间或预测区间,并添加到判定结果中。答对率是指用于解析的样本数中与回归式所示的判定结果一致的样本数的比例。答错率则是与回归式所示的判定结果不一致的样本数的比例。此外,在判别分析的方法中,有以对判别值或由虚拟变量构成的目标变量进行分对数变换为特征的数理逻辑回归分析、或以用马氏距离或线形判别函数进行判别为特征的回归分析等。这些判别分析的方法是公知的方法,因此省略详细说明。
另外,在实施方式1及2的预测、比较预测及统计量计算处理中,成为目标变量的项目是通过时刻、经过时间或比较数据,但这些项目以外的项目也可作为目标变量。通过将在存储部14设定的选择菜单、设定数据及输入菜单的项目加以变更,能够将通过时刻、经过时间或比较数据以外的项目作为目标变量。例如,还可以在预测项目、比较项目或统计量计算项目中取空座率进行计算。不过,此时空座率在统计计算前要用分对数变换等方法进行变换,且在计算后进行逆变换。
另外,在实施方式1及2的预测、比较预测或统计量计算处理中,抽出条件项目是包含在航班特定信息中的项目,筛选条件项目是包含在状况信息中的项目,但这些项目以外的项目也可以作为抽出条件项目或筛选条件项目。即,抽出条件项目也可以是包含在状况信息中的项目、或通过时刻、经过时间或比较数据中成为目标变量的项目以外的项目。另外,筛选条件项目也可以是包含在航班特定信息中的项目、或通过时刻、经过时间或比较数据中成为目标变量的项目以外的项目。
另外,在实施方式1及2的预测处理中,成为谓词变项的项目是包含在状况信息中的项目,但本发明也可将包含在多元数据中的状况信息以外的信息作为谓词变项。例如,也可以将包含在航班特定信息中的项目作为谓词变项。另外,可以将通过时刻、经过时间及比较数据中成为目标变量的项目以外的项目作为谓词变项。例如,当通过时刻成为目标变量时,能够将经过时间或比较数据作为谓词变项,还可以将No.a的检查机21所在的通过地点的通过时刻作为目标变量,将No.b的检查机21所在的通过地点的通过时刻作为谓词变项。通过将在存储部14设定的选择菜单、设定数据及输入菜单的项目加以变更,能够将状况信息以外的项目作为谓词变项。当进行步骤S512的样本抽出时,包含状况信息以外的信息的样本被抽出。
另外,实施方式1及2的比较预测的处理是将两个项目进行比较的处理,但本发明也可以在比较预测的处理中进行对三个以上的项目进行比较的处理。例如,通过针对包含在三个以上项目的两个项目的全部组合来进行用实施方式1或2说明的比较预测的处理,就能对三个以上的项目进行比较。
还有,实施方式1及2的预测、比较预测及统计量计算处理如图12~图15所示,是将与从多元数据中抽出样本所需的条件、即抽出条件项目对应的信息作为航班特定信息,但本发明也可以利用满足该目的的航班特定信息以外的信息作为与抽出条件项目对应的信息。例如,也可将移动物体的移动路径的始点及终点的位置信息等表示移动路径的信息作为与抽出条件项目对应的信息。更具体是,位置信息是出发及到达机场名称或成为移动始点及终点的机场设备名称等。另外,也可以用成为移动始点及终点的检查机21的位置信息或ID来代替机场设备名称。而且还可以将与抽出条件项目对应的信息删除。移动过程预测装置1在步骤S512中,即使不包含用与抽出条件项目对应的信息进行的抽出,也能只用在步骤S511选定的抽出项目来进行抽出,因此能够进行解析。不过在这些场合,在存储于存储部14的设定数据中,在解析项目或筛选条件项目中包含了从抽出条件项目删除的信息,在抽出条件项目中包含了从解析项目或筛选条件项目删除的信息。当与抽出条件项目对应的项目数量减少时,被抽出的信息数量会增加,因此移动过程预测装置1的计算负荷及计算时间会增加。
不过,以上的实施方式采取的是获取记录在机票31或货签32上的ID的形式,但本发明也可以用携带式电话机、磁卡或无线标签(tag)等其它媒体作为记录ID的媒体。本发明中所用的识别信息也可以是在任何交通工具上都能使用的固有信息。例如,可以利用指纹等生物信息作为人的识别信息,从而能够在不同公司运营的铁路、公交或飞机上使用共同的识别信息。另外,本发明的条形码读出器也可以是生物认证装置、二维码读出器或非接触式IC卡读写器。另外在本发明中,使用者使用的输入输出装置7也可以是设于机场而由非特定人员使用的输入输出装置。另外,在以上实施方式中,通过获取日期和时刻且进行变换来计算年、月、日、星期及时刻,但移动过程预测系统也可以采用分别取得年、月、日、星期及时刻等的形式。为了使这些信息能够在已有的计算机程序中使用,最好是变换成规定的番号后存储。另外,移动过程预测系统也可以在对通过日期和时刻特别指定时只对通过时刻特别指定,或是在获取登机终止日期和时刻时只获取登机终止时刻。
另外,在以上实施方式中,交通工具是飞机,出发到达设施是机场,但只要是在特定时刻往返运行的交通工具,则其它的交通工具也能适用本发明。例如,交通工具可以是列车、公共汽车、出租车、私家车、雪地车、马车、索道车、缆车、线性电动机驱动车、汽垫船、潜水艇或船。而且将来滑翔机及宇宙飞船也属于交通工具。而且在利用多种不同交通工具时也能适用本发明。出发到达设施还包含车站、公共汽车站、车站大楼、停车场、车库、维修场、折回场、收集和递送场、集合解散场所、环形交叉路(rotary)、连接道或地道等能够使用检查机21的区域。另外,以上实施方式中,移动物体是旅客或行李,但只要是利用在特定时刻往返运行的交通工具来移动的物体,则本发明中的移动物体也可以是包含人在内的任何物体。另外,行李不限于堆放在飞机等交通工具的行李房的行李,还包含旅客的随身行李等等由交通工具搬运的全部行李。还有,在以上实施方式中,计测通过日期和时刻的时间是由检查机21进行的信息获取处理的后半部分的时间,但也可以是前半部分的时间等别的时间。另外,通过本发明获取的信息被相互关联地存储,但只要能够抽出处理所需的信息,则也可用其它的方法进行关联。例如也可以将其它信息与在本发明的处理中要抽出的信息中的至少一个相关联地存储。最后,本发明是将统计计算结果作为预测未来的推断值来说明,但因统计结果是将过去的结果汇总而成的,因此作为将过去的实绩汇总而成的实绩数据,还能够改善经营或提高生产效率等。
Claims (36)
1.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
存储单元,该存储单元区分各个移动物体而将在各通过点的通过时刻、交通工具特定信息以及状况信息关联地加以存储;
抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出特定条件下移动物体通过特定通过点的通过时刻的推断值。
2.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
存储单元,该存储单元区分各个移动物体而将从在各通过点的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;
抽出单元,该抽出单元从该存储单元抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
3.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
存储单元,该存储单元区分各个移动物体而将交通工具特定信息、状况信息以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和其它信息的组合,所述其它信息与该比较结果关联;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
4.一种移动过程预测系统,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
存储单元,该存储单元区分各个移动物体而将在一个或多个通过点上的通过时刻、交通工具特定信息以及状况信息关联地加以存储;
抽出单元,该抽出单元从存储单元抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
5.一种移动过程预测系统,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过多个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
存储单元,该存储单元区分各个移动物体而将从多个通过点上的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;
抽出单元,该抽出单元从该存储单元抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间经过的经过时间的统计量。
6.一种移动过程预测系统,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取单元,该获取单元获取显示所述移动物体利用所述交通工具时的状况的状况信息;
特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
存储单元,该存储单元区分各个移动物体而将交通工具特定信息、状况信息以及一个或多个通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
抽出单元,该抽出单元从该存储单元抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的统计量。
7.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的交通工具特定信息关联地加以存储;
接受单元,该接受单元接受对任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
8.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的状况信息关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
9.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的交通工具特定信息关联地加以存储;
接受单元,该接受单元接受对任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息中的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
10.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的状况信息关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将在所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
11.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
特定单元,该特定单元对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将已获取的交通工具特定信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储单元各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
12.一种移动过程预测系统,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
特定单元,该特定单元对移动物体在交通工具的出发和到达设施里实际通过各个通过点的通过时刻加以特别指定;
获取单元,该获取单元获取状况信息,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况;
特定单元,该特定单元对在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
以及对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置具备:
存储单元,该存储单元区分各个移动物体而将已获取的状况信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储单元各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
13.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出在特定条件下移动物体通过特定通过点的通过时刻的推断值。
14.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出在特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
15.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、显示移动物体利用所述交通工具时的状况的状况信息、以及移动物体在所述交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;
以及计算单元,该计算单元基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
16.一种移动过程预测装置,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
17.一种移动过程预测装置,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、对所述移动物体利用的交通工具加以特别指定的交通工具特定信息、以及显示所述移动物体利用所述交通工具时的状况的状况信息关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间经过的经过时间的统计量。
18.一种移动过程预测装置,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、显示移动物体利用所述交通工具时的状况的状况信息、以及移动物体在所述交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;
抽出单元,该抽出单元从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;以及
计算单元,该计算单元基于已抽出的多组所述组合,计算涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的统计量。
19.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、以及对所述移动物体利用的交通工具加以特别指定的交通工具特定信息关联地加以存储;
接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
20.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻、以及显示用所述移动物体利用交通工具时的多个项目来特别指定的状况的状况信息关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
21.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、以及对所述移动物体利用的交通工具加以特别指定的交通工具特定信息关联地加以存储;
接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息中的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
22.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将移动物体在交通工具的出发和到达设施里通过多个通过点中的两个通过点期间经过的经过时间、以及显示用所述移动物体利用交通工具时的多个项目来特别指定的状况的状况信息关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将在所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
23.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将对交通工具加以特别指定的交通工具特定信息、以及移动物体在所述交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;
接受单元,该接受单元接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受单元,该接受单元接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;
抽出单元,该抽出单元针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
计算单元,该计算单元针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
24.一种移动过程预测装置,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备:
存储部,该存储部区分各个移动物体而将显示用移动物体利用交通工具时的多个项目来特别指定的状况的状况信息、以及移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻与在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻间的比较结果关联地加以存储;
接受单元,该接受单元接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受单元,该接受单元接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;
抽出单元,该抽出单元针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;
计算单元,该计算单元针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
检验单元,该检验单元对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
以及输出单元,该输出单元将该检验单元的检验结果加以输出。
25.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
用存储部区分各个移动物体而将在各通过点上的通过时刻、交通工具特定信息以及状况信息关联地加以存储;
从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;
基于已抽出的多组所述组合,进行回归分析来求出所述通过时刻与所述其它信息间的关系,或是计算所述通过时刻的平均或方差,由此算出特定条件下移动物体通过特定通过点的通过时刻的推断值。
26.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
用存储部区分各个移动物体而将从各通过点上的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;
从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;
基于已抽出的多组所述组合,进行回归分析来求出所述经过时间与所述其它信息间的关系,或是计算所述经过时间的平均或方差,由此算出特定条件下移动物体通过特定的两个通过点期间所经过的经过时间的推断值。
27.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
用存储部区分各个移动物体而将交通工具特定信息、状况信息以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;
基于已抽出的多组所述组合,进行回归分析来求出所述比较结果与所述其它信息间的关系,或是计算所述比较结果的平均或方差,由此算出涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的推断值。
28.一种移动过程预测方法,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
用存储部区分各个移动物体而将在一个或多个通过点上的通过时刻、交通工具特定信息以及状况信息关联地加以存储;
从该存储部抽出多组涉及特定通过点的通过时刻和与该通过时刻关联的其它信息的组合;
基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定通过点的通过时刻的统计量。
29.一种移动过程预测方法,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过多个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
用存储部区分各个移动物体而将从多个通过点上的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、交通工具特定信息以及状况信息关联地加以存储;
从该存储部抽出多组涉及特定的两个通过点的经过时间和与该经过时间关联的其它信息的组合;
基于已抽出的多组所述组合,计算在特定条件下移动物体通过特定的两个通过点期间经过的经过时间的统计量。
30.一种移动过程预测方法,对利用往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,具备以下步骤:
对移动物体在交通工具的出发和到达设施里实际通过一个或多个通过点的通过时刻加以特别指定;
获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息;
获取显示所述移动物体利用所述交通工具时的状况的状况信息;
对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定;
用存储部区分各个移动物体而将交通工具特定信息、状况信息以及一个或多个通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
从该存储部抽出多组涉及特定通过点的通过时刻与涉及特定交通工具的搭乘终止时刻的比较结果和与该比较结果关联的其它信息的组合;
基于已抽出的多组所述组合,计算涉及特定通过点的通过时刻与特定条件下的搭乘终止时刻的比较结果的统计量。
31.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的交通工具特定信息关联地加以存储;
接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定通过点的通过时刻进行比较的要求;
针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定通过点的通过时刻,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
对针对所述多组交通工具特定信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
32.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将在各通过点上特别指定的通过时刻以及已获取的状况信息关联地加以存储;
接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受将所述移动物体在所述多种状况下利用交通工具时通过特定通过点的通过时刻进行比较的要求;
针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定通过点的通过时刻,所述状况信息与已接受的状况信息内容相同;
针对所述多组状况信息的各个信息而分别对已抽出的所述通过时刻的平均值或方差进行计算;
对针对所述多组状况信息的各个信息而分别计算的所述通过时刻的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
33.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的交通工具特定信息关联地加以存储;
接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受将在所述移动物体利用所述多组交通工具中的各个交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
针对所述多组交通工具特定信息中的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、涉及所述特定的两个通过点的经过时间,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
对针对所述多组交通工具特定信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
34.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将从在各通过点被特别指定的通过时刻算出的所述移动物体通过两个通过点期间所经过的经过时间、以及已获取的状况信息关联地加以存储;
接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受将所述移动物体在所述多种状况下利用交通工具时通过特定的两个通过点期间所经过的经过时间进行比较的要求;
针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、涉及所述特定的两个通过点的经过时间,所述状况信息与已接受的状况信息内容相同;
针对所述多组状况信息的各个信息而分别对已抽出的所述经过时间的平均值或方差进行计算;
对针对所述多组状况信息的各个信息而分别计算的所述经过时间的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
35.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取对所述移动物体利用的交通工具加以特别指定的交通工具特定信息并对在所述交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将已获取的交通工具特定信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
接受将任意的移动物体要利用的候补的多组交通工具加以特别指定的多组交通工具特定信息;
接受将特定通过点上的通过时刻与所述多组交通工具上的搭乘终止时刻的比较结果进行比较的要求;
针对所述多组交通工具特定信息的各个信息而从所述存储部各自抽出多个与交通工具特定信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述交通工具特定信息与已接受的交通工具特定信息内容相同;
针对所述多组交通工具特定信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
对针对所述多组交通工具特定信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
36.一种移动过程预测方法,对利用在特定的时刻往返运行的交通工具来进行移动的移动物体的移动过程进行预测,其特征在于,采用对移动物体在交通工具的出发和到达设施里实际通过多个通过点的各个通过点的通过时刻加以特别指定、获取状况信息并对在所述移动物体利用的交通工具上实际终止移动物体的搭乘的搭乘终止时刻加以特别指定的信息获取装置,和对移动物体在特定条件下的移动过程进行预测的移动过程预测装置,该状况信息显示用所述移动物体利用交通工具时的多个项目来特别指定的状况,
该移动过程预测装置采取以下步骤:
用存储部区分各个移动物体而将已获取的状况信息、以及各通过点上的通过时刻与搭乘终止时刻的比较结果关联地加以存储;
接受显示任意的移动物体利用交通工具时的多种状况的多组状况信息;
接受将特定通过点上的通过时刻与所述多种状况下在所述移动物体利用的交通工具上的搭乘终止时刻的比较结果进行比较的要求;
针对所述多组状况信息的各个信息而从所述存储部各自抽出多个与状况信息关联的、所述特定通过点上的通过时刻与搭乘终止时刻的比较结果,所述状况信息与已接受的状况信息内容相同;
针对所述多组状况信息的各个信息而分别对已抽出的所述比较结果的平均值或方差进行计算;
对针对所述多组状况信息的各个信息而分别计算的所述比较结果的平均值或方差的差异进行统计上的检验;
将检验结果加以输出。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2011/050105 WO2012093483A1 (ja) | 2011-01-06 | 2011-01-06 | 移動過程予測システム、移動過程予測方法、移動過程予測装置及びコンピュータプログラム |
JPPCT/JP2011/050105 | 2011-01-06 | ||
PCT/JP2011/078743 WO2012093560A1 (ja) | 2011-01-06 | 2011-12-13 | 移動過程予測システム及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103282258A CN103282258A (zh) | 2013-09-04 |
CN103282258B true CN103282258B (zh) | 2015-07-08 |
Family
ID=45475224
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180064404.1A Active CN103282258B (zh) | 2011-01-06 | 2011-12-13 | 移动过程预测系统、移动过程预测装置及移动过程预测方法 |
CN201180064407.5A Active CN103298678B (zh) | 2011-01-06 | 2011-12-27 | 移动状况检出系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180064407.5A Active CN103298678B (zh) | 2011-01-06 | 2011-12-27 | 移动状况检出系统 |
Country Status (11)
Country | Link |
---|---|
US (3) | US8706671B2 (zh) |
EP (3) | EP3355265A1 (zh) |
JP (2) | JP4839416B1 (zh) |
CN (2) | CN103282258B (zh) |
AU (1) | AU2011353879B2 (zh) |
BR (2) | BR112013017447B1 (zh) |
CA (2) | CA2823679C (zh) |
HK (1) | HK1188975A1 (zh) |
RU (1) | RU2533367C1 (zh) |
WO (3) | WO2012093483A1 (zh) |
ZA (1) | ZA201305874B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112015018449B1 (pt) * | 2013-01-31 | 2022-05-31 | Codexis, Inc | Método implementado por computador para identificar moléculas biológicas tendo uma atividade desejada, meio de armazenamento lido por computador, e, sistema de computação |
JP5858305B1 (ja) | 2014-10-24 | 2016-02-10 | アクアエンタープライズ株式会社 | 携帯端末、携帯端末プログラム、チェックポイント管理システム、およびチェックポイント管理方法 |
KR101555450B1 (ko) * | 2014-12-26 | 2015-09-24 | 한국공항공사 | 도착 정보 제공 방법 및 서버 및 디스플레이 장치 |
US20160189205A1 (en) * | 2014-12-30 | 2016-06-30 | Anto Chittilappilly | Validation of bottom-up attributions to channels in an advertising campaign |
JP6978181B2 (ja) * | 2015-07-16 | 2021-12-08 | 日本電気株式会社 | 受け取り支援システム、受け取り支援方法、受け取り支援プログラム、情報処理装置、及び端末装置 |
CN105096230A (zh) * | 2015-07-31 | 2015-11-25 | 小米科技有限责任公司 | 航班通知方法、航班设置方法及装置 |
JP6596325B2 (ja) * | 2015-12-22 | 2019-10-23 | セコム株式会社 | 通知システム及び通知装置 |
JP6530338B2 (ja) | 2016-03-17 | 2019-06-12 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
JP2018013939A (ja) * | 2016-07-20 | 2018-01-25 | 株式会社東芝 | 荷物検査システム、および荷物検査プログラム |
US11315067B2 (en) * | 2016-10-17 | 2022-04-26 | Airspace Technologies, Inc. | Logistical management system |
US10372141B2 (en) * | 2017-05-24 | 2019-08-06 | Uber Technologies, Inc. | Systems and methods for controlling autonomous vehicles that provide a vehicle service to users |
US11093868B2 (en) * | 2018-03-08 | 2021-08-17 | Jetsmarter Inc. | Client creation of conditional segments |
CN108596537A (zh) * | 2018-04-03 | 2018-09-28 | 深圳市创维群欣安防科技股份有限公司 | 一种行李托运智能跟踪查询系统、实现方法及存储介质 |
US11507904B1 (en) * | 2018-04-26 | 2022-11-22 | Jetsmarter Inc. | Optimizing segment creation |
CN110633593A (zh) * | 2018-06-21 | 2019-12-31 | 北京嘀嘀无限科技发展有限公司 | 一种恶性事件预测方法及系统 |
CN112368720A (zh) * | 2018-06-28 | 2021-02-12 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
EP3832587A4 (en) | 2018-07-31 | 2022-02-23 | NEC Corporation | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND RECORDING MEDIA |
JP7157586B2 (ja) * | 2018-08-07 | 2022-10-20 | 株式会社キーエンス | データ分析装置及びデータ分析方法 |
CN109272432B (zh) * | 2018-08-08 | 2020-11-13 | 广州杰赛科技股份有限公司 | 用户行为监测方法和系统、计算机设备、计算机存储介质 |
JP7153205B2 (ja) * | 2018-10-11 | 2022-10-14 | 日本電気株式会社 | 情報処理装置、情報処理方法及びプログラム |
WO2020148827A1 (ja) | 2019-01-16 | 2020-07-23 | Posh Wellness Laboratory株式会社 | 検出装置、状態特定装置、および測定方法 |
JP7259343B2 (ja) * | 2019-01-18 | 2023-04-18 | トヨタ自動車株式会社 | 配車サービスシステム、配車サービス方法、およびプログラム |
CN111907558B (zh) * | 2019-06-27 | 2021-12-10 | 中车大同电力机车有限公司 | 轨道车辆的辅助检修方法、检修装置及检修系统 |
JP7303979B2 (ja) * | 2019-07-09 | 2023-07-06 | 大日本印刷株式会社 | 物品管理のためのシステム、方法、プログラム、及びプログラムを記録した記録媒体 |
US11538130B2 (en) * | 2019-10-03 | 2022-12-27 | Kinan Muhsin Salloum | System and method for luggage delivery discrepancy detection |
WO2021131004A1 (ja) * | 2019-12-26 | 2021-07-01 | 日本電気株式会社 | 荷物管理システム、荷物管理方法、荷物管理装置、及びコンピュータ読み取り可能な記録媒体 |
WO2021157670A1 (ja) * | 2020-02-04 | 2021-08-12 | 株式会社ダイセル | 予測装置、予測方法及びプログラム |
JP7283626B2 (ja) * | 2020-03-12 | 2023-05-30 | 日本電気株式会社 | 状況通知装置、状況通知方法、及びプログラム |
CN113468897A (zh) * | 2020-03-30 | 2021-10-01 | 阿里巴巴集团控股有限公司 | 一种提醒方法、设备、系统及存储介质 |
CN111552000B (zh) * | 2020-04-29 | 2024-01-16 | 利智华(北京)智能科技有限公司 | 一种机场旅客安检信息管理系统、方法、设备及存储介质 |
WO2022003840A1 (ja) * | 2020-06-30 | 2022-01-06 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
WO2022038709A1 (ja) * | 2020-08-19 | 2022-02-24 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
WO2022102079A1 (ja) * | 2020-11-13 | 2022-05-19 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
WO2023233519A1 (ja) * | 2022-05-31 | 2023-12-07 | 日本電信電話株式会社 | 情報提供装置、情報提供方法、および情報提供プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102203813A (zh) * | 2008-11-04 | 2011-09-28 | 株式会社日立制作所 | 信息处理系统以及信息处理装置 |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2993186B2 (ja) | 1991-06-28 | 1999-12-20 | 株式会社デンソー | 航空機手荷物管理システム |
US5511045A (en) | 1991-12-19 | 1996-04-23 | Casio Computer Co., Ltd. | Time measurement apparatus and system having reception or transmission function |
JPH0997282A (ja) * | 1995-09-29 | 1997-04-08 | Matsushita Electric Ind Co Ltd | 列車選択装置 |
KR100269070B1 (ko) | 1996-08-30 | 2000-10-16 | 모리 하루오 | 차량용네비게이션장치 |
JP3315884B2 (ja) | 1996-12-27 | 2002-08-19 | 株式会社日立製作所 | 空港内総合icカードシステム |
JPH10293035A (ja) * | 1997-04-16 | 1998-11-04 | Nippon Telegr & Teleph Corp <Ntt> | ナビゲーションシステム及び方法 |
JP3519938B2 (ja) * | 1998-03-27 | 2004-04-19 | 株式会社日立製作所 | 個別旅行情報提示システム |
JP4377533B2 (ja) * | 2000-07-14 | 2009-12-02 | 財団法人鉄道総合技術研究所 | 利用者案内システム |
JP3529348B2 (ja) * | 2000-11-06 | 2004-05-24 | Necソフト株式会社 | 車両内情報提供システム |
JP2002245133A (ja) * | 2001-02-13 | 2002-08-30 | Casio Comput Co Ltd | 運行管理装置、運行管理方法、及び運行管理処理プログラム |
JP3696532B2 (ja) * | 2001-07-13 | 2005-09-21 | 三菱電機株式会社 | 交通機関情報提供装置および交通機関情報提供方法 |
US7969306B2 (en) * | 2002-01-11 | 2011-06-28 | Sap Aktiengesellschaft | Context-aware and real-time item tracking system architecture and scenarios |
GB0202123D0 (en) * | 2002-01-30 | 2002-03-20 | Knight Tony | Passenger check-in and monitoring system |
US20050128304A1 (en) * | 2002-02-06 | 2005-06-16 | Manasseh Frederick M. | System and method for traveler interactions management |
JP3775322B2 (ja) * | 2002-03-22 | 2006-05-17 | 株式会社日立製作所 | 列車旅客案内情報装置 |
CA2397501A1 (fr) | 2002-08-19 | 2004-02-19 | Emerson Nerat | Systeme intelligent sans fil de poursuite de bagages |
JP2005165676A (ja) * | 2003-12-02 | 2005-06-23 | Mitsubishi Heavy Ind Ltd | 施設管理システム及び施設管理方法 |
US6998985B2 (en) | 2003-03-05 | 2006-02-14 | Dmatek, Ltd. | Monitoring and tracking network |
JP4255007B2 (ja) * | 2003-04-11 | 2009-04-15 | 株式会社ザナヴィ・インフォマティクス | ナビゲーション装置、およびその旅行時間算出方法 |
JP2005024517A (ja) * | 2003-07-04 | 2005-01-27 | Railway Technical Res Inst | 移動者案内サーバ |
GB0321090D0 (en) | 2003-09-10 | 2003-10-08 | Abs Systems Inc | Baggage screening system |
JP4346472B2 (ja) * | 2004-02-27 | 2009-10-21 | 株式会社ザナヴィ・インフォマティクス | 交通情報予測装置 |
JP4211706B2 (ja) | 2004-07-28 | 2009-01-21 | 株式会社日立製作所 | 交通情報提供装置 |
JP2006127322A (ja) | 2004-10-29 | 2006-05-18 | Mitsubishi Heavy Ind Ltd | 顧客移動制御システム及び顧客移動制御方法 |
US7327262B2 (en) * | 2005-10-12 | 2008-02-05 | Mantic Point Solutions Limited | System and method for electronic article surveillance |
US8049616B2 (en) | 2006-11-30 | 2011-11-01 | Patricia Hill | Method and apparatus for destination tracking with misrouting indication |
JP2008226164A (ja) | 2007-03-15 | 2008-09-25 | Ntt Docomo Inc | 事前情報提供システム |
JP4559452B2 (ja) | 2007-06-29 | 2010-10-06 | 正 五井野 | 物流管理方法及び物流管理システム |
CN102119319B (zh) * | 2008-08-06 | 2014-03-19 | 西门子企业通讯有限责任两合公司 | 用于在站台上发现合适的登车区的方法和移动设备 |
JP2010061413A (ja) | 2008-09-04 | 2010-03-18 | Nec Corp | 遅延算出装置及び遅延時間算出方法 |
-
2011
- 2011-01-06 JP JP2011532373A patent/JP4839416B1/ja active Active
- 2011-01-06 WO PCT/JP2011/050105 patent/WO2012093483A1/ja active Application Filing
- 2011-12-13 EP EP18156229.9A patent/EP3355265A1/en not_active Ceased
- 2011-12-13 US US13/978,124 patent/US8706671B2/en active Active
- 2011-12-13 RU RU2013136545/11A patent/RU2533367C1/ru active
- 2011-12-13 CN CN201180064404.1A patent/CN103282258B/zh active Active
- 2011-12-13 CA CA2823679A patent/CA2823679C/en active Active
- 2011-12-13 BR BR112013017447-1A patent/BR112013017447B1/pt active IP Right Grant
- 2011-12-13 EP EP11854755.3A patent/EP2662259A4/en not_active Ceased
- 2011-12-13 WO PCT/JP2011/078743 patent/WO2012093560A1/ja active Application Filing
- 2011-12-13 AU AU2011353879A patent/AU2011353879B2/en active Active
- 2011-12-13 JP JP2012533427A patent/JP5129414B2/ja active Active
- 2011-12-27 CN CN201180064407.5A patent/CN103298678B/zh active Active
- 2011-12-27 WO PCT/JP2011/080176 patent/WO2012093618A1/ja active Application Filing
- 2011-12-27 BR BR112013017198-7A patent/BR112013017198B1/pt active IP Right Grant
- 2011-12-27 US US13/978,128 patent/US20130285806A1/en not_active Abandoned
- 2011-12-27 EP EP11855152.2A patent/EP2662260A4/en not_active Ceased
- 2011-12-27 CA CA2823884A patent/CA2823884A1/en not_active Abandoned
-
2013
- 2013-08-05 ZA ZA2013/05874A patent/ZA201305874B/en unknown
-
2014
- 2014-03-04 HK HK14102131.0A patent/HK1188975A1/zh unknown
- 2014-03-14 US US14/214,177 patent/US20140201127A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102203813A (zh) * | 2008-11-04 | 2011-09-28 | 株式会社日立制作所 | 信息处理系统以及信息处理装置 |
Also Published As
Publication number | Publication date |
---|---|
BR112013017198A2 (pt) | 2016-09-20 |
WO2012093560A1 (ja) | 2012-07-12 |
JP4839416B1 (ja) | 2011-12-21 |
CN103298678B (zh) | 2015-02-18 |
CA2823679A1 (en) | 2012-07-12 |
CN103282258A (zh) | 2013-09-04 |
AU2011353879A1 (en) | 2013-08-22 |
CN103298678A (zh) | 2013-09-11 |
EP2662259A4 (en) | 2015-02-25 |
CA2823679C (en) | 2014-12-30 |
EP2662259A1 (en) | 2013-11-13 |
US20130297549A1 (en) | 2013-11-07 |
US8706671B2 (en) | 2014-04-22 |
JPWO2012093483A1 (ja) | 2016-05-26 |
WO2012093618A1 (ja) | 2012-07-12 |
AU2011353879B2 (en) | 2015-12-03 |
BR112013017447A2 (pt) | 2017-08-01 |
BR112013017447B1 (pt) | 2020-12-01 |
US20130285806A1 (en) | 2013-10-31 |
EP3355265A1 (en) | 2018-08-01 |
US20140201127A1 (en) | 2014-07-17 |
EP2662260A4 (en) | 2014-12-31 |
RU2533367C1 (ru) | 2014-11-20 |
BR112013017198B1 (pt) | 2020-07-07 |
EP2662260A1 (en) | 2013-11-13 |
CA2823884A1 (en) | 2012-07-12 |
WO2012093483A1 (ja) | 2012-07-12 |
JPWO2012093560A1 (ja) | 2014-06-09 |
HK1188975A1 (zh) | 2014-05-23 |
ZA201305874B (en) | 2014-04-30 |
JP5129414B2 (ja) | 2013-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103282258B (zh) | 移动过程预测系统、移动过程预测装置及移动过程预测方法 | |
Gordon et al. | Automated inference of linked transit journeys in London using fare-transaction and vehicle location data | |
EP3444762A1 (en) | Aircraft stand management | |
JP5214759B2 (ja) | 混雑度推定装置及び混雑度推定プログラム | |
Sun et al. | Automatic communication error detection using speech recognition and linguistic analysis for proactive control of loss of separation | |
Waltert et al. | Ratio-based design hour determination for airport passenger terminal facilities | |
US10402755B2 (en) | Transportation service information providing apparatus, and transportation service information providing method | |
Sun et al. | Bayesian network modeling of airport runway incursion occurring processes for predictive accident control | |
Gavric et al. | Estimation of arrivals on green at signalized intersections using stop-bar video detection | |
Alla et al. | Flight arrival delay prediction using supervised machine learning algorithms | |
Ruiz et al. | Simulation model to support security screening checkpoint operations in airport terminals | |
Zhai et al. | Optimization of the assignment of tickets for railway networks with large passenger flows | |
JP7045646B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Tirtha et al. | Flight-level analysis of departure delay and arrival delay using Copula-Based Joint Framework | |
Kierzkowski et al. | A simulation model of aircraft ground handling: case study of the Wroclaw airport terminal | |
Panagopoulos et al. | Safety management and the concept of dynamic risk management dashboards | |
Hassannayebi et al. | Data-driven multi-criteria assessment framework for analyzing the reliability of bus services | |
Prabhakaran et al. | Model development synchronized with data mining for rolling stock maintenance strategy | |
Rahim et al. | Perceptions of travel planning for musicians: A Malaysian perspective. | |
Guðjónsson | Simulation and analysis of inbound baggage handling at Keflavík Airport | |
Chin et al. | No-Show Passenger Prediction for Flights | |
Heinrich | Hand luggage overflow prediction at KLM | |
Ceken | Cleared for Takeoff: Exploring Digital Assistants in Aviation | |
Yuan | Flight delay-cost simulation analysis and airline schedule optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1188975 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1188975 Country of ref document: HK |