JP2016110360A - 混雑予測装置、混雑予測システム、及び混雑予測方法 - Google Patents
混雑予測装置、混雑予測システム、及び混雑予測方法 Download PDFInfo
- Publication number
- JP2016110360A JP2016110360A JP2014246622A JP2014246622A JP2016110360A JP 2016110360 A JP2016110360 A JP 2016110360A JP 2014246622 A JP2014246622 A JP 2014246622A JP 2014246622 A JP2014246622 A JP 2014246622A JP 2016110360 A JP2016110360 A JP 2016110360A
- Authority
- JP
- Japan
- Prior art keywords
- congestion
- area
- prediction
- period
- category
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
1(1). 構成概略
図1を参照して、本発明の実施形態に係る混雑予測サーバPSと、混雑予測サーバPSに関係するコンピュータ装置とを概略的に示す。本実施形態のコンピュータ装置は、所定のプロトコル(TCP/IP等)に従って通信を実行する。
−マイクロブログサービス(例えば、Twitter[登録商標])における140文字以下の短文投稿(例えば、ツイート[登録商標])
−ブログ(ウェブログ)サービスにおける日記や寸評等の投稿
−ソーシャルネットワーキングサービス(SNS)におけるステータス投稿
1(2)−1. サーバ装置の構成
図2は、混雑予測サーバPSを始めとする本実施形態の各サーバ装置の物理的構成を示すブロック図である。各サーバ装置(BS,ES,LS,PS)は、ネットワークインタフェース10と入力部12と出力部14とCPU(Central Processing Unit)16とRAM(Random Access Memory)18とROM(Read Only Memory)20とHDD(Hard Disk Drive)22とを備える。
図3は、本実施形態のクライアント端末CLの物理的構成を示すブロック図である。クライアント端末CLは、ネットワークインタフェース30と入力部32と出力部34とCPU36とRAM38とROM40とHDD42とを備える。以上の各要素は、各サーバが備える、図2を参照して説明された要素と同様の構成を有する。なお、クライアント端末は、位置情報サーバLSへ位置情報を提供する携帯端末であってもよいし、一般的なパーソナルコンピュータであってもよい。
1(3)−1. 混雑予測サーバの構成
図4は、混雑予測サーバPSの論理的構成を示すブロック図である。混雑予測サーバPSは、混雑度取得部90と混雑度分類部100と混雑度集計部110とエリア選別部120とモデル生成部130と予測値算定部140とを備える。また、混雑予測サーバPSは、後述される種々の論理テーブルを備える。
本実施形態の予測対象エリア選別動作の一例を以下に説明する。図5は、予測対象エリア選別動作を示すフローチャートである。本例では、サブ期間の単位として「日(暦日)」が採用され、混雑度を分類するカテゴリ(第1カテゴリ日および第2カテゴリ日)として「休日」及び「平日」が採用される。
以上の本実施形態の構成によれば、混雑予測を行う対象である予測対象エリアTAが適切に選別される。すなわち、過去の混雑度を示す混雑度集計値に基づいて、演算負荷の高い予測モデル生成の対象となる予測対象エリアTAが選別される。したがって、混雑度集計値に基づくエリア選別によって混雑予測の精度が維持されつつ、予測モデル生成に必要な演算量が低減される。
以上の実施形態は多様に変形される。具体的な変形の態様を以下に例示する。以上の実施の形態および以下の例示から任意に選択された2以上の態様は、相互に矛盾しない限り適宜に併合され得る。
以上の実施形態では、混雑度を分類するカテゴリ(第1カテゴリ日および第2カテゴリ日)として、「休日」及び「平日」が採用される。同様に、カテゴリとして「雨天日」及び「非雨天日」も採用可能である。以上の場合、混雑度分類部100は、ステップS1030において、日付とエリアAと降雨実績とが対応付けられた降雨実績テーブルを参照して、日別平均混雑度の各々にカテゴリ情報(「雨天日」又は「非雨天日」)を付与すると好適である。
以上の実施形態では、第1カテゴリ日(例えば「休日」)の混雑度集計値と第2カテゴリ日(例えば「平日」)の混雑度集計値との比に基づいて、予測対象エリアTAが選別される(S1050)。以上の選別処理に代えて、いずれかの混雑度集計値のみに基づいて予測対象エリアTAが選別されてもよい。
過去の特定の日(特定過去日)に混雑が生じたエリアAが存在する場合であって、その特定過去日に応答する応答日(例えば、特定過去日の1年後の日)が予測対象期間に含まれるとき、エリア選別部120は、そのエリアAを予測対象エリアTAとして選別してもよい。特定過去日にあるエリアAで混雑が生じたか否かは、その特定過去日におけるそのエリアAの混雑度が閾値(第3閾値)を上回るか否かによって判定されると好適である。
以上の実施形態において、サブ期間の単位が「日」以外の構成も採用可能である。例えば、前述の通り、サブ期間の単位が「時(1時間)」であってもよい。サブ期間の単位が「日」以外である場合、混雑度も「日」以外の単位でカテゴリに分類される。例えば、サブ期間ごとの混雑度が、平日期間(平日に含まれる期間)/休日期間(休日に含まれる期間)のいずれかのカテゴリに分類される。他に、サブ期間に対応するカテゴリとして、雨天期間/非雨天期間、特異期間(何らかの理由により極端に混雑する期間)/通常期間、イベント期間(イベントが開催されている期間)/非イベント期間、等が例示される。
エリア選別部120は、予測対象期間においてイベントが開催されるエリアAが存在する場合、そのエリアAを予測対象エリアTAとして選別(追加)してもよい。以上の動作は、イベント情報サーバESから提供されるイベント情報EIに基づいて行われると好適である。前述の通り、イベント情報EIは、イベント名称、開催場所(緯度・経度)、および開催日時を少なくとも含む。
エリア選別部120は、以上の実施形態の条件に加えて、任意の条件を付加して予測対象エリアTAを選別することができる。例えば、POIを含むエリアAのみを予測対象エリアTAの選別処理の対象としてもよい。
エリア選別部120は、以上の実施形態及び変形例に説明された複数の条件を組み合わせて、予測対象エリアTAを選別してもよい。例えば、エリアAごとに、各条件に基づいて算定された指標にそれぞれ重み付け係数を乗算し合算した線形結合値と閾値とを比較して、予測対象エリアTAとすべきか否かを判定してもよい。
以上の実施形態では、1つの装置である混雑予測サーバPSが、予測対象エリアの選別動作及び後続動作(モデル生成等)を実行する。しかしながら、複数の装置によって構成される混雑予測システムが、予測対象エリアの選別動作及び後続動作を実行してもよい。例えば、混雑度取得部90、混雑度分類部100、混雑度集計部110、エリア選別部120、モデル生成部130、及び予測値算定部140が、2以上のサーバ装置を含むシステムによって実装されてもよい。
コンピュータ装置、特に、混雑予測サーバPSにおいてCPUが実行する各機能は、FPGA(Field Programmable Gate Array)またはDSP(Digital Signal Processor)等のプログラマブルロジックデバイスで実行されてもよい。
Claims (10)
- エリアごとかつサブ期間ごとの過去の混雑度を取得する混雑度取得部と、
取得された前記混雑度の各々を2以上のカテゴリの少なくともいずれかに分類する混雑度分類部と、
分類された前記混雑度を、前記エリアごとかつ前記カテゴリごとに集計して混雑度集計値を取得する混雑度集計部と、
前記混雑度集計部が集計した前記混雑度集計値に基づいて、予測対象期間において混雑度予測を実行すべきエリアである予測対象エリアを選別するエリア選別部と、
前記エリア選別部が選別した前記予測対象エリアの各々について、混雑予測モデルを生成するモデル生成部と
を備える混雑予測装置。 - 前記カテゴリは第1種サブ期間に対応する第1カテゴリ及び第2種サブ期間に対応する第2カテゴリを含み、
前記エリア選別部は、
前記予測対象期間に前記第1種サブ期間が含まれる場合、前記第1カテゴリの混雑度集計値と前記第2カテゴリの混雑度集計値との比が第1閾値を上回るエリアを前記予測対象エリアとして選別する
請求項1の混雑予測装置。 - 前記カテゴリは第1種サブ期間に対応する第1カテゴリ及び第2種サブ期間に対応する第2カテゴリを含み、
前記エリア選別部は、
前記予測対象期間に前記第1種サブ期間が含まれる場合、前記第1カテゴリの混雑度集計値と前記第2カテゴリの混雑度集計値との比をソートした場合に第1順位以上となるエリアを前記予測対象エリアとして選別する
請求項1の混雑予測装置。 - 前記エリア選別部は、
前記第1カテゴリの前記混雑度集計値と前記第2カテゴリの前記混雑度集計値との少なくともいずれかが切捨て閾値を上回るエリアを、前記予測対象エリアの選別処理の対象とする
請求項2または3の混雑予測装置。 - 前記カテゴリは第1種サブ期間に対応する第1カテゴリを含み、
前記エリア選別部は、
前記予測対象期間に前記第1種サブ期間が含まれる場合、前記第1カテゴリの混雑度集計値が第2閾値を上回るエリアを前記予測対象エリアとして選別する
請求項1の混雑予測装置。 - 前記カテゴリは第1種サブ期間に対応する第1カテゴリを含み、
前記エリア選別部は、
前記予測対象期間に前記第1種サブ期間が含まれる場合、前記第1カテゴリの混雑度集計値をソートした場合に第2順位以上となるエリアを前記予測対象エリアとして選別する
請求項1の混雑予測装置。 - 前記エリア選別部は、
特定過去期間において混雑度が第3閾値を上回るエリアが存在する場合であって、当該特定過去期間に応当する期間が前記予測対象期間に含まれる場合、当該エリアを前記予測対象エリアとして選別する
請求項1から請求項6のいずれかの混雑予測装置。 - 前記エリア選別部は、
前記予測対象期間においてイベントが開催されるエリアが存在する場合、当該エリアを前記予測対象エリアとして選別する
請求項1から請求項6のいずれかの混雑予測装置。 - エリアごとかつサブ期間ごとの過去の混雑度を取得する混雑度取得部と、
取得された前記混雑度の各々を2以上のカテゴリの少なくともいずれかに分類する混雑度分類部と、
分類された前記混雑度を、前記エリアごとかつ前記カテゴリごとに集計して混雑度集計値を取得する混雑度集計部と、
前記混雑度集計部が集計した前記混雑度集計値に基づいて、予測対象期間において混雑度予測を実行すべきエリアである予測対象エリアを選別するエリア選別部と、
前記エリア選別部が選別した前記予測対象エリアの各々について、混雑予測モデルを生成するモデル生成部と
を備える混雑予測システム。 - エリアごとかつサブ期間ごとの過去の混雑度を取得することと、
取得された前記混雑度の各々を2以上のカテゴリの少なくともいずれかに分類することと、
分類された前記混雑度を、前記エリアごとかつ前記カテゴリごとに集計して混雑度集計値を取得することと、
集計された前記混雑度集計値に基づいて、予測対象期間において混雑度予測を実行すべきエリアである予測対象エリアを選別することと、
選別された前記予測対象エリアの各々について、混雑予測モデルを生成することと
を備える混雑予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014246622A JP6420647B2 (ja) | 2014-12-05 | 2014-12-05 | 混雑予測装置、混雑予測システム、及び混雑予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014246622A JP6420647B2 (ja) | 2014-12-05 | 2014-12-05 | 混雑予測装置、混雑予測システム、及び混雑予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016110360A true JP2016110360A (ja) | 2016-06-20 |
JP6420647B2 JP6420647B2 (ja) | 2018-11-07 |
Family
ID=56124281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014246622A Expired - Fee Related JP6420647B2 (ja) | 2014-12-05 | 2014-12-05 | 混雑予測装置、混雑予測システム、及び混雑予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6420647B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019028489A (ja) * | 2017-07-25 | 2019-02-21 | ヤフー株式会社 | 予測装置、予測方法、予測プログラム、学習データ、及びモデル |
JP2019114981A (ja) * | 2017-12-25 | 2019-07-11 | Kddi株式会社 | トラヒック予測装置、トラヒック予測プログラム、トラヒック予測方法及びトラヒック予測システム |
JP2019185442A (ja) * | 2018-04-11 | 2019-10-24 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2020177370A (ja) * | 2019-04-16 | 2020-10-29 | 株式会社日立製作所 | 混雑解析装置及び混雑解析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213098A (ja) * | 2002-12-26 | 2004-07-29 | Toshiba Corp | 混雑予測システム、混雑予測方法及び混雑予測プログラム |
JP2010060409A (ja) * | 2008-09-03 | 2010-03-18 | Pasuko:Kk | 注目領域決定支援装置及び注目領域決定支援プログラム |
JP2014206827A (ja) * | 2013-04-11 | 2014-10-30 | 株式会社ゼンリンデータコム | 情報処理装置、情報処理方法及びプログラム |
-
2014
- 2014-12-05 JP JP2014246622A patent/JP6420647B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213098A (ja) * | 2002-12-26 | 2004-07-29 | Toshiba Corp | 混雑予測システム、混雑予測方法及び混雑予測プログラム |
JP2010060409A (ja) * | 2008-09-03 | 2010-03-18 | Pasuko:Kk | 注目領域決定支援装置及び注目領域決定支援プログラム |
JP2014206827A (ja) * | 2013-04-11 | 2014-10-30 | 株式会社ゼンリンデータコム | 情報処理装置、情報処理方法及びプログラム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019028489A (ja) * | 2017-07-25 | 2019-02-21 | ヤフー株式会社 | 予測装置、予測方法、予測プログラム、学習データ、及びモデル |
JP2019114981A (ja) * | 2017-12-25 | 2019-07-11 | Kddi株式会社 | トラヒック予測装置、トラヒック予測プログラム、トラヒック予測方法及びトラヒック予測システム |
JP7134625B2 (ja) | 2017-12-25 | 2022-09-12 | Kddi株式会社 | トラヒック予測装置、トラヒック予測プログラム、トラヒック予測方法及びトラヒック予測システム |
JP2019185442A (ja) * | 2018-04-11 | 2019-10-24 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2020177370A (ja) * | 2019-04-16 | 2020-10-29 | 株式会社日立製作所 | 混雑解析装置及び混雑解析方法 |
JP7273601B2 (ja) | 2019-04-16 | 2023-05-15 | 株式会社日立製作所 | 混雑解析装置及び混雑解析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6420647B2 (ja) | 2018-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101699918B1 (ko) | 방문 가능성에 기초한 부근의 목적지들의 정렬 및 위치 히스토리로부터의 장소들에 대한 미래의 방문들의 예측 | |
US9297723B1 (en) | Tracking and analyzing service outages | |
CN110191416B (zh) | 用于分析目标实体的移动的装置、系统和方法 | |
CN107451861B (zh) | 一种大数据下用户上网特征识别的方法 | |
CN109615226A (zh) | 一种运营指标异常监测方法 | |
Schaffar et al. | Rank-size city dynamics in China and India, 1981–2004 | |
JP6420647B2 (ja) | 混雑予測装置、混雑予測システム、及び混雑予測プログラム | |
JP6371587B2 (ja) | 提示システム、提示装置、及び提示プログラム | |
Hadi-Vencheh et al. | An inverse optimization model for imprecise data envelopment analysis | |
US20140372172A1 (en) | Method and computer system to forecast economic time series of a region and computer program thereof | |
Kong et al. | A center-based modeling approach to solve the districting problem | |
Larrain et al. | When and where are limited-stop bus services justified? | |
CN113099475A (zh) | 网络质量检测方法、装置、电子设备及可读存储介质 | |
Haute et al. | Down with Covid: patterns of electoral turnout in the 2020 French local elections | |
US20240163194A1 (en) | Mobile telecommunications network capacity simulation, prediction and planning | |
Pandey et al. | Modelling fertility: an application of count regression models | |
CN116050947A (zh) | 车辆调度效果的评价方法、装置、计算机设备和存储介质 | |
Rodríguez | Forecasting tourism arrivals with an online search engine data: A study of the Balearic Islands | |
Cortés et al. | A simulation-based approach for fleet design in a technician dispatch problem with stochastic demand | |
Cromartie et al. | Defining frontier areas in the United States | |
Zhang et al. | Statistical interpretation of the daily variation of urban water consumption in Beijing, China | |
Volchek et al. | Forecasting London museum visitors using Google trends data | |
Winter et al. | Future extreme event risk in the rural Northeastern United States | |
Monge et al. | Water prices: persistence, mean reversion and trends | |
Swanson et al. | Using mobile phone data to evaluate access to essential services following natural hazards |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180731 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180905 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180918 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181012 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6420647 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |