JP2013242665A - 鉄道輸送障害発生時における旅客流動推定システム及びその旅客流動推定方法 - Google Patents

Abstract

【課題】 オンラインで旅客流動推定モデルを決定するための鉄道輸送障害発生時における旅客流動推定方法を提供する。
【解決手段】 鉄道輸送障害発生時における旅客流動推定システムにおいて、過去の輸送障害時の旅客データ入力部１と、輸送障害時の旅客流動変化予測のための旅客データ編集部２と、発生した輸送障害時の旅客データ入力部７と、輸送障害時の旅客流動変化推定を行うコンピュータ３を備え、このコンピュータ３は、輸送障害時の旅客データの記憶・蓄積部４と、説明変数の細分化パターン生成部５と、各パターンのモデル式生成部６と、発生した輸送障害に伴う旅客流動変化予測部８と、各モデル式の評価部９と、各モデルの重要度の更新部１０とを具備する。
【選択図】 図１

Description

本発明は、鉄道輸送障害発生時における旅客流動推定システム及びその旅客流動推定方法に関するものである。

輸送障害が発生すると鉄道会社は事前に定められた各種計画を変更しなければならない。例えば、輸送障害によりダイヤが乱れると、それに応じて車両運用や乗務員運用なども修正しなければならないといったケースである。鉄道会社が定める各種計画は旅客流動データに基づいて定められることから、このとき、効果的に各種計画を変更するためには、輸送障害発生時における旅客流動変化を適切に把握することが必要になる。

特開２０１０−０６１３２１号公報

山内 香奈，平井 力，「ダイヤ乱れ時の利用者不満モデルに基づく運転整理案評価手法」，ＲＴＲＩ ＲＥＰＯＲＴ Ｖｏｌ．２５，Ｎｏ．１２，Ｄｅｃ．２０１１，ｐｐ．１１−１６

旅客流動の推定に関しては、これまでにも数多くの方法が提案されてきた。例えば、本願特許出願人は、既に鉄道輸送において、自動改札機で得られる乗車情報に基づいた統計的な手法により、乗客流動を予測する乗客流動予測システムを提案している（上記特許文献１参照）。
また、ダイヤ乱れ時の利用者不満モデルに基づく運転整理案評価方法も提案している（上記非特許文献１参照）。

このように、統計手法や学習理論による方法では、事前に蓄積したデータから推定式または分離局面方程式などを定義するパラメータを適切に決定することにより、良質なモデル構築を目指してきた。ところが、これら既存手法では構築したモデルをオンラインにより変更・修正することが難しいため、動的に変化する環境下での推定には向かないといった欠点が存在する。

一方、鉄道輸送における旅客流動は、動的に変化する交通インフラ環境を勘案しながら適切に推定する必要があることから、オンラインで推定モデルの修正・選択が可能であるような方法が求められる。
本発明は、上記状況に鑑みて、オンラインで旅客流動推定モデルを決定することができる鉄道輸送障害発生時における旅客流動推定システム及びその旅客流動推定方法を提供することを目的とする。

本発明は、上記目的を達成するために、
〔１〕鉄道輸送障害発生時における旅客流動推定システムにおいて、過去の輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化予測のための旅客データ編集部と、発生した輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化推定を行うコンピュータとを備え、このコンピュータは、輸送障害時の旅客データの記憶・蓄積部と、説明変数の細分化パターン生成部と、各パターンのモデル式生成部と、発生した輸送障害に伴う旅客流動変化予測部と、各モデル式の評価部と、各モデルの重要度の更新部とを具備することを特徴とする。

〔２〕鉄道輸送障害発生時における旅客流動推定方法において、統計的なデータ記憶・蓄積方法とオンライン学習モデルを組み合わせることにより、オンラインで動的に旅客流動変化推定モデルの評価・選択を行うことができることを特徴とする。
〔３〕上記〔２〕記載の鉄道輸送障害発生時における旅客流動推定方法において、輸送障害時の旅客データを蓄積するステップＳ１と、説明変数の細分化パターンの生成を行うステップＳ２と、蓄積された前記輸送障害時の旅客データを利用して前記各細分化パターンのモデル式を生成し、各モデルの重要度を初期化するステップＳ３と、輸送障害が発生したか否かをチェックするステップＳ４と、輸送障害が発生した場合には、最も重要度の高い前記モデルを用いて、目的変数である旅客流動変化を予測するステップＳ５と、終了条件を満たしたか否かをチェックするステップＳ６と、終了条件を満たしていない場合には、発生した輸送障害時旅客データを用いて、前記各モデル式を評価するステップＳ７と、この各モデル式の評価結果を利用して前記各モデルの重要度を更新するステップＳ８とを施すことを特徴とする。

〔４〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ１における輸送障害時の旅客データが、日時、列車、運転停止区間、発生理由、支障時間、線区に関連付けられた各駅の利用人数および各列車の乗車人数であることを特徴とする。
〔５〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ２における説明変数の細分化パターンが、日時に関する細分化パターンであることを特徴とする。

〔６〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ２における説明変数の細分化パターンが運転停止区間に関する細分化パターン１〜３であり、そのパターン１が新宿〜高尾、パターン２が新宿〜中野、中野〜立川、立川〜高尾、パターン３が各駅毎であることを特徴とする。

〔８〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ７における各モデル式の評価は、予測流動と実績流動を幾つかの評価項目に従い評価することを特徴とする。
〔９〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記評価項目は平均値、最大誤差などの値で閾値判定することを特徴とする。

〔１０〕上記〔９〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記平均値の平均差が±５００人なら「＋１」、±３００人なら「＋２」、それ以外なら「−２」とすることを特徴とする。
〔１１〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ８における重要度の更新は、前記ステップＳ７における評価値を単純に加えることを特徴とする。

〔１２〕上記〔３〕記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ８における重要度の更新は、鉄道輸送障害による影響人数の規模に応じて傾斜をかけることを特徴とする。

本発明によれば、次のような効果を奏することができる。
鉄道輸送障害発生時における旅客流動推定がオンラインで実行可能となることにより、これまで難しいとされてきた旅客流動の動的推定が可能となる。つまり、動的にモデルを評価・選択することができる。
また、輸送障害時の旅客流動をオンラインで推定することにより、鉄道会社の各種計画変更もより実情にあった方策を定めることができる。

本発明の実施例を示す鉄道輸送障害発生時における旅客流動推定システムのブロック図である。 本発明の実施例を示す輸送障害時の旅客流動推定のフローチャートである。 本発明の実施例を示す過去に発生した輸送障害時の旅客データ例を示す図である。 本発明の実施例を示す説明変数の細分化パターンの生成図（イメージ）である。 本発明の実施例を示す具体的な説明変数の細分化パターンの例を示す図である。 本発明の実施例を示す蓄積された輸送障害時の旅客データを利用した、上記各パターンのモデル式の例を示す図である。

鉄道輸送障害発生時における旅客流動推定システムは、過去の輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化予測のための旅客データ編集部と、発生した輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化推定を行うコンピュータとを備え、このコンピュータは、輸送障害時の旅客データの記憶・蓄積部と、説明変数の細分化パターン生成部と、各パターンのモデル式生成部と、発生した輸送障害に伴う旅客流動変化予測部と、各モデル式の評価部と、各モデルの重要度の更新部とを具備する。

また、鉄道輸送障害発生時における旅客流動推定方法は、統計的なデータ記憶・蓄積方法とオンライン学習モデルを組み合わせることにより、オンラインで動的に旅客流動変化推定モデルの評価・選択を行うことができる。

以下、本発明の実施の形態について詳細に説明する。
図１は本発明の実施例を示す鉄道輸送障害発生時における旅客流動推定システムのブロック図、図２はその輸送障害時の旅客流動推定のフローチャートである。
図１において、１は過去の輸送障害時の旅客データ入力部、２は輸送障害時の旅客流動変化予測のための旅客データ編集部、３は輸送障害時の旅客流動推定を行うコンピュータ、４は輸送障害時の旅客データの記憶・蓄積部、５は説明変数の細分化パターン生成部、６は各パターンのモデル式生成部、７は発生した輸送障害時の旅客データ入力部、８は発生した輸送障害に伴う旅客流動変化予測部（最も重要度の高いモデルを用いる）、９は各モデル式の評価部（新たに発生した輸送障害時データを用いる）、１０は各モデルの重要度の更新部である。

次に、本発明の実施例を示す旅客流動予測方法について図２のフローチャートを参照しながら説明する。
（１）輸送障害時の旅客データを蓄積する（ステップＳ１）。
（２）説明変数の細分化パターンの生成を行う（ステップＳ２）。
ここでは、説明変数（異常条件）をパターン化する。

なお、従来の手法では、現状の説明変数のパターン（パターン１：Ａ１，Ａ２，Ａ３，…）ではうまくいかない場合に限り、各説明変数を順に細分化していく（パターン２：Ｂ１，Ｂ２，Ｂ３，…に細分化、さらにパターン２をパターン３：Ｃ１，Ｃ２，Ｃ３，…に細分化）という手順が取られるが、本発明では、事前に図３に示すような説明変数の細分化パターン（パターン１：Ａ１，Ａ２，Ａ３，…；パターン２：Ｂ１，Ｂ２，Ｂ３，…；パターン３：Ｃ１，Ｃ２，Ｃ３，…）を複数生成してコンピュータに記憶しておき、その中であてはまりのよいパターンをオンラインに検出、取り出せるようにしておく。

（３）蓄積された輸送障害時の旅客データを利用して、上記した各パターンのモデル式を生成する（ステップＳ３）。各モデルの重要度を初期化する。
（４）輸送障害発生か否かをチェックする（ステップＳ４）。
（５）輸送障害が発生したら、最も重要度の高いモデルを用いて、目的変数（旅客流動変化）を予測する（ステップＳ５）。

（６）終了条件が満たされたか否かをチェックする（ステップＳ６）。
（７）終了条件を満たさない場合、発生した輸送障害時の旅客データを用いて、各モデル式を評価する（ステップＳ７）。
（８）ステップＳ７の評価結果を利用して、各モデルの重要度を更新して（ステップＳ８）ステップＳ５へ戻る。

このように本発明によれば、統計的なデータ記憶・蓄積方法と、オンライン学習モデルを組み合わせて、オンラインで動的に旅客流動変化推定モデルの評価・選択を行い、実情にあった旅客流動予測を行うことができる。
以下、上記各ステップについて説明する。
図３は本発明の実施例を示す説明変数の細分化パターンの生成図（イメージ）である。

この図において、説明変数の細分化のパターン１は、Ａ１，Ａ２，Ａ３であり、説明変数の細分化のパターン２は、上記したＡ１の細分化のパターンであり、Ｂ１，Ｂ２，Ｂ３であり、説明変数の細分化のパターン３は、上記したＢ１の細分化のパターンであり、Ｃ１，Ｃ２，Ｃ３である。
図４は本発明の実施例を示す過去に発生した輸送障害時の旅客データ例を示す図である。

ステップＳ１では、例えば、図４に示すような過去に発生した輸送障害時の旅客データとして各駅の利用人数および各列車の乗車人数を蓄積する。
ここでは、日時、列車、発生区間、発生理由、支障時間、線区に関するデータを蓄積する。
図５は本発明の実施例を示す具体的な説明変数の細分化パターンの例を示す図であり、図５（ａ）は輸送障害の日時に関する細分化例を、図５（ｂ）は輸送障害の運転停止区間に関する細分化例を、それぞれ示している。

ステップＳ２では、以下のような説明変数の細分化パターンを複数生成している。
まず、日時に関する細分化の例の場合
パターン１では、平日、土日、祝日
パターン２では、月、火曜日：水、木曜日：金曜日
パターン３では、朝、昼、晩
というように説明変数としての日時を細分化してパターンを生成する。

また、運転停止区間に関する細分化の例の場合
パターン１では、新宿〜高尾、
パターン２では、新宿〜中野、中野〜立川、立川〜高尾
パターン３では、更なる区間の細分化（例えば、各駅毎）
というように説明変数としての運転停止区間を細分化してパターンを生成する。

図６は本発明の実施例を示す蓄積された輸送障害時の旅客データを利用した、上記各パターンのモデル式の例を示す図である。
ステップＳ３では以下のように各パターンのモデル式を生成する。
ここでは、モデル式として重回帰式を使った場合の例を示す。

なお、各パターンの重要度の初期値は１とする。
次に、ステップＳ５では以下のように重要度の高いモデルを用いて、目的変数（旅客流動変化）を予測するようにしている。
パターン１によるモデルの重要度５，パターン２によるモデルの重要度６，パターン３によるモデルの重要度３であるとすると、最も重要度の高いモデルは、パターン２であるので、このパターン２によるモデルを採用し、このパターン２の出力をアルゴリズムの出力とする。

次に、ステップＳ７では以下のように発生した輸送障害時旅客データを用いて、各モデル式を評価するようにしている。
各モデル式の評価は、予測流動と実績流動を幾つかの評価項目に従い評価する。
その評価項目は平均値、最大誤差などの値で閾値判定する。例えばその平均値の平均差が±５００人なら「＋１」、±３００人なら「＋２」、それ以外なら「−２」とする。

また、乗車人数以外にも、乗客の不効用値などを評価項目として採用することもできる（上記非特許文献１参照）。
次に、ステップＳ８では、以下のようにステップＳ７の評価結果を利用して各モデルの重要度を更新するようにしている。
ここでは、ステップＳ７の評価結果に輸送障害時の影響人数の規模に応じて傾斜をかける方法について説明する。

影響人数が少ない場合（傾斜×０．２）
パターン１によるモデルの重要度＝５＋２＊０．２＝５．４
パターン２によるモデルの重要度＝６−１＊０．２＝５．８
パターン３によるモデルの重要度＝３＋３＊０．２＝３．６
影響人数が大きい場合（傾斜×１．２）
パターン１によるモデルの重要度＝５＋２＊１．２＝７．４
パターン２によるモデルの重要度＝６−１＊１．２＝４．８
パターン３によるモデルの重要度＝３＋３＊１．２＝６．６
上記以外に、単純にステップＳ５のモデルの重要度にステップＳ７の評価結果を加えるようにすることもできる。

上記してきた本発明のアルゴリズムの特徴は、「動的にモデルを評価・選択できる」という点である。
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨に基づき種々の変形が可能であり、これらを本発明の範囲から排除するものではない。

本発明の鉄道輸送障害発生時における旅客流動推定方法は、オンラインで旅客流動推定モデルを決定するための鉄道輸送障害発生時における旅客流動推定方法として利用することができる。

１ 過去の輸送障害時の旅客データ入力部
２ 輸送障害時の旅客流動変化予測のための旅客データ編集部
３ 輸送障害時の旅客流動推定を行うコンピュータ
４ 輸送障害時の旅客データの記憶・蓄積部
５ 説明変数の細分化パターン生成部
６ 各パターンのモデル式生成部
７ 発生した輸送障害時の旅客データ入力部
８ 発生した輸送障害に伴う旅客流動変化予測部
９ 各モデル式の評価部
１０ 各モデルの重要度の更新部

Claims (12)

1. 過去の輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化予測のための旅客データ編集部と、発生した輸送障害時の旅客データ入力部と、輸送障害時の旅客流動変化推定を行うコンピュータとを備え、該コンピュータは、輸送障害時の旅客データの記憶・蓄積部と、説明変数の細分化パターン生成部と、各パターンのモデル式生成部と、発生した輸送障害に伴う旅客流動変化予測部と、各モデル式の評価部と、各モデルの重要度の更新部とを具備することを特徴とする鉄道輸送障害発生時における旅客流動推定システム。
2. 統計的なデータ記憶・蓄積方法とオンライン学習モデルを組み合わせることにより、オンラインで動的に旅客流動変化推定モデルの評価・選択を行うことができることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
3. 請求項２記載の鉄道輸送障害発生時における旅客流動推定方法において、輸送障害時の旅客データを蓄積するステップＳ１と、説明変数の細分化パターンの生成を行うステップＳ２と、蓄積された前記輸送障害時の旅客データを利用して前記各細分化パターンのモデル式を生成し、各モデルの重要度を初期化するステップＳ３と、輸送障害が発生したか否かをチェックするステップＳ４と、輸送障害が発生した場合には、最も重要度の高い前記モデルを用いて、目的変数である旅客流動変化を予測するステップＳ５と、終了条件を満たしたか否かをチェックするステップＳ６と、終了条件を満たしていない場合には、発生した輸送障害時旅客データを用いて、前記各モデル式を評価するステップＳ７と、該各モデル式の評価結果を利用して前記各モデルの重要度を更新するステップＳ８とを施すことを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
4. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ１における輸送障害時の旅客データが、日時、列車、運転停止区間、発生理由、支障時間、線区に関連付けられた各駅の利用人数および各列車の乗車人数であることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
5. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ２における説明変数の細分化パターンが、日時に関する細分化パターンであることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
6. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ２における説明変数の細分化パターンが運転停止区間に関する細分化パターン１〜３であり、そのパターン１が新宿〜高尾、パターン２が新宿〜中野、中野〜立川、立川〜高尾、パターン３が各駅毎であることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
7. 
8. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ７における各モデル式の評価は、予測流動と実績流動を幾つかの評価項目に従い評価することを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
9. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記評価項目は平均値、最大誤差などの値で閾値判定することを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
10. 請求項９記載の鉄道輸送障害発生時における旅客流動推定方法において、前記平均値の平均差が±５００人なら「＋１」、±３００人なら「＋２」、それ以外なら「−２」とすることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
11. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ８における重要度の更新は、前記ステップＳ７における評価値を単純に加えることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。
12. 請求項３記載の鉄道輸送障害発生時における旅客流動推定方法において、前記ステップＳ８における重要度の更新は、鉄道輸送障害による影響人数の規模に応じて傾斜をかけることを特徴とする鉄道輸送障害発生時における旅客流動推定方法。

Images