JP2018039441A

JP2018039441A - 評価システム及び評価方法

Info

Publication number: JP2018039441A
Application number: JP2016176184A
Authority: JP
Inventors: 昌雄山城; Masao Yamashiro; 理恵子大塚; Rieko Otsuka; 格大土橋; Itaru Odobashi; 整坂入; Hitoshi Sakairi; 和敬伊藤; Kazuyoshi Ito
Original assignee: Hitachi Ltd; East Japan Railway Co
Current assignee: Hitachi Ltd; East Japan Railway Co
Priority date: 2016-09-09
Filing date: 2016-09-09
Publication date: 2018-03-15
Anticipated expiration: 2036-09-09
Also published as: JP6872331B2

Abstract

【課題】状況に合わせて乗客需要を予測し、ダイヤ案を高速に評価できる評価システムを提供する。【解決手段】交通機関利用者情報３１と入場出場駅間の移動パタン情報３３を参照し、乗客の乗車位置への到着時刻を推定し、時間帯と入場駅毎に各駅間を利用する乗客数の乗客流マトリクス３４を生成する乗客流マトリクス生成部２１と、乗客流マトリクスと交通機関運行情報３２を用いて乗車人数を推定し、乗客の不効用値を算出する評価部２２と、列車の混雑度と交通機関運行情報を参照し、輸送障害時、平常時、非平常時を判定し、判定結果に応じた乗客流マトリクスを生成する非平常時情報検出部２３と、リアルタイムに取得した列車の混雑度と交通機関運行情報を参照して輸送障害の検出時には輸送障害時の乗客流マトリクスを選択し、非検出時には混雑履歴データを参照して過去との差分の最も小さい日の乗客流マトリクスを選択する乗客需要予測部２４と、を備える。【選択図】図１

Description

本発明は、交通機関の運行情報を評価する評価システムおよび評価方法に関する。

バス、鉄道などの交通機関は、計画されたダイヤ（運行情報）に基づいて運行されている。しかし、輸送障害や災害などによって運行が停止し、ダイヤが乱れた場合、乗客への影響を軽減し、迅速に平常運転へ戻すためにダイヤが変更される。このとき、乗客の流動を考慮して最適なダイヤ案を作成する必要がある。

本技術の背景技術として、国際公開２０１４／０７３４１２号公報（特許文献１）がある。特許文献１には、乗客流計算部と消費電力量計算部とを有する運行ダイヤ評価装置１であって、乗客流計算部は、各列車の運行ダイヤ情報と、乗客の駅の入場及び出場に関する乗客情報とに基づいて、列車の運輸による乗客流に関する乗客流情報を作成し、消費電力量計算部は、乗客流計算部で作成された乗客流情報と運行ダイヤ情報と各列車の車両情報とに基づいて、各列車の乗客数または乗車率を計算するとともに、当該乗客数または当該乗車率に応じた車両重量を反映させた各列車の単位時間ごとの消費電力量を計算するものが記載されている。

国際公開２０１４／０７３４１２号公報

特許文献１に記載されている方法でダイヤを評価すると、一人一人の乗客について乗車列車を割り当て、各乗客の所要時間を計算し、運行ダイヤを評価するので、乗客数に依存して計算時間が増大する。また、評価するダイヤ案の各々についてダイヤ評価処理を行うため、ダイヤ案の数に依存して計算時間が増大する。輸送障害時には修正ダイヤを早急に決定する必要があり、多くの乗客流動や複数ダイヤ案を高速に評価することが課題となる。また、ダイヤ案を正確に評価するためには乗客需要を正確に予測する必要がある。乗客需要は輸送障害の他にもイベントや悪天候などの影響によっても大きく変動するため、状況に合わせた乗客需要予測が課題となる。

そこで、本発明は状況に合わせて乗客需要を予測し、乗客数に依存せず、ダイヤ案を高速に評価することを目的とする。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、鉄道の運行情報を評価する評価システムであって、乗客が鉄道を利用した履歴が記録される交通機関利用者情報と、入場駅と出場駅との間の移動ルートが記録される移動パタン情報とを格納する記憶部と、前記交通機関利用者情報及び前記移動パタン情報を参照し、乗客の列車の乗車位置への到着時刻を推定し、前記到着時刻の時間帯及び入場駅毎に各駅間を利用する乗客数によって表される乗客流マトリクスを生成する乗客流マトリクス生成部と、前記乗客流マトリクス及び前記列車の運行を示す交通機関運行情報を用いて前記列車の乗車人数を推定し、乗客の不効用値を算出する評価部と、前記列車の混雑度と前記交通機関運行情報を参照し、輸送障害時、平常時、非平常時のいずれであるか判定し、輸送障害時であると判定した場合には輸送障害時の乗客流マトリクスを生成し、平常時であると判定した場合には平常時の乗客流マトリクスを生成し、非平常時であると判定した場合には非平常時の乗客流マトリクスを生成する非平常時情報検出部と、リアルタイムに取得した前記列車の混雑度と前記交通機関運行情報を参照して輸送障害発生を検出し、輸送障害発生が検出された場合には前記輸送障害時の乗客流マトリクスを選択し、輸送障害発生が検出されない場合にはリアルタイムに前記列車の混雑度と実際の混雑率を示す混雑履歴データを参照して過去との差分の最も小さい日の乗客流マトリクスを前記平常時の乗客流マトリクスまたは前記非平常時の乗客流マトリクスの中から選択する乗客需要予測部と、を備える。

本発明の代表的な実施の形態によれば、状況に合わせて乗客需要を予測し、乗客数に依存せず、ダイヤ案を高速に評価することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

本発明の実施例に係るダイヤ評価装置の構成を示す図である。（Ａ）は本実施例に係る交通機関利用者情報の構成例を示す図であり、（Ｂ）は本実施例に係る交通機関運行情報の構成例を示す図であり、（Ｃ）は本実施例に係る移動パタン情報の構成例を示す図である。（Ａ）は本実施例に係る乗客流マトリクスの構成例を示す図であり、（Ｂ）は本実施例に係る乗客流マトリクスの構成例を示す図である。（Ａ）は本実施例に係る混雑履歴データの構成例を示す図であり、（Ｂ）は本実施例に係る非平常時情報の構成例を示す図である。本実施例に係る数式モデルの概念を示す図である。本実施例に係る路線の輸送力と迂回乗客数との関係を示す図である。本実施例に係る乗客流マトリクス生成処理のフローチャートである。本実施例に係るダイヤ評価処理のフローチャートである。本実施例に係る入力されたダイヤの一例を示す図である。本実施例に係る乗客乗車パタンの構成例を示す図であり、（Ａ）は列車Ａの乗客乗車パタン、（Ｂ）は列車Ａから列車Ｂに乗り換える乗客の乗客乗車パタン、（Ｃ）は列車Ｂの乗客乗車パタンを示す。（Ａ）本実施例に係るダイヤ評価結果（列車）の構成例を示す図であり、（Ｂ）は本実施例に係るダイヤ評価結果（全体）の構成例を示す図である。本実施例に係る非平常時情報検出処理のフローチャートである。本実施例に係る乗客需要予測処理のフローチャートである。本実施例に係る列車の混雑度と混雑履歴データのリアルタイム比較の一例であり、（Ａ）は時系列グラフ、（Ｂ）は比較結果を示す。本実施例に係るメニュー画面の一例を示す図である。本実施例に係るダイヤ評価画面の一例を示す図である。

＜実施例１＞
以降、本発明の実施例を、図等を参照して説明する。本発明は鉄道を対象として実施される。

（ダイヤ評価装置）
図１は、本実施例のダイヤ評価装置１の構成を示す図である。

ダイヤ評価装置１は、一般的なコンピュータシステムによって構成され、中央制御装置１１、入力装置１２、出力装置１３、通信装置１４、主記憶装置１５及び補助記憶装置１６を有する。これらの構成は、バスによって相互に接続されている。

中央制御装置１１は、主記憶装置１５に格納されたプログラムを実行するプロセッサである。入力装置１２は、オペレータがダイヤ評価装置１にデータや指示を入力するためのユーザインタフェース（例えば、キーボード、マウスなど）である。出力装置１３は、プログラムの実行結果をユーザに提示するためのユーザインタフェース（例えば、ディスプレイ、プリンタなど）である。通信装置１４は、ネットワーク４を介して外部システム２や外部サーバ３との間で、ダイヤ評価装置１で用いられる情報を送受信するための通信インタフェース（例えば、ＮＩＣ（Network Interface Card））である。

主記憶装置１５は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、補助記憶装置１６に格納されたプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。具体的には、主記憶装置１５は、乗客流マトリクス生成部２１、ダイヤ評価部２２、非平常時情報検出部２３及び乗客需要予測部２４を実現するためのプログラムを格納する。以降、「○○部」を主体とした記述は、中央制御装置１１が、補助記憶装置１６からプログラムを読み出し、主記憶装置１５にロードして実行し、プログラムの機能を実現することを意味する。

補助記憶装置１６は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。また、補助記憶装置１６は、中央制御装置１１が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。具体的には、補助記憶装置１６は、交通機関利用者情報３１、交通機関運行情報３２、移動パタン情報３３、乗客流マトリクス３４、混雑履歴データ３５、非平常時情報３６及びダイヤ評価結果３７を格納する。

ダイヤ評価装置１は、ネットワーク４を介して、外部システム２及び外部サーバ３と通信可能に接続されている。本実施例では、外部システム２から混雑履歴データ３５及び交通機関運行情報３２を取得することを想定するが、これらに限らず、本実施例で必要な様々な情報を外部システム２や外部サーバ３から取得してもよい。

中央制御装置１１が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワーク４を介してダイヤ評価装置１に提供され、非一時的記憶媒体である補助記憶装置１６に格納される。このため、ダイヤ評価装置１は、リムーバブルメディアからデータを読み込むインタフェースを有するとよい。

本実施例のダイヤ評価装置１は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

（交通機関利用者情報）
図２（Ａ）は、交通機関利用者情報３１の構成例を示す図である。交通機関利用者情報３１は、利用者による交通機関の利用履歴を示す情報である。

交通機関利用者情報３１は、入場時刻欄１０１、出場時刻欄１０２、交通機関欄１０３、入場駅欄１０４及び出場駅欄１０５を含む。入場時刻欄１０１には、利用者が改札口を通過し駅に入場した入場時刻が記録され、出場時刻欄１０２には、利用者が改札口を通過し駅から出場した出場時刻が記録される。交通機関欄１０３には、利用者が利用した交通機関の名称が記録される。入場駅欄１０４には、利用者が入場した駅の名称が記録され、出場駅欄１０５には、利用者が出場した駅の名称が記憶される。

（交通機関運行情報）
図２（Ｂ）は、交通機関運行情報３２の構成例を示す図である。

交通機関運行情報３２は、輸送機関欄１１１及び列車到着欄１１２〜１１５を含む。輸送機関欄１１１には、列車番号が記録される。列車到着欄１１２〜１１５には、各駅の列車の到着時刻が記憶される。

交通機関運行情報３２は、列車の運行を示す情報である。交通機関運行情報３２は、列車の駅毎の出発時刻及び到着情報が記録された情報であり、通常は、ダイヤと称される。なお、交通機関運行情報３２には、列車の到着情報が記録されなくても、出発時刻が記録されても、出発時刻及び到着時刻の両方が記録されてもよい。また、交通機関運行情報３２は、予め計画された計画ダイヤの情報、計画ダイヤから遅れが生じた実績ダイヤの情報、過去に実施したダイヤの調整の履歴、列車の走行位置から取得したリアルタイムな運行ダイヤの情報、将来のダイヤを予測した予測ダイヤの情報などを含む。特に記述がない場合、交通機関運行情報３２は路線単位で記憶されるとよい。

（移動パタン情報）
図２（Ｃ）は、移動パタン情報３３の構成例を示す図である。移動パタン情報３３は、利用者が取り得る移動経路のパタンを示す情報である。

移動パタン情報３３は、入場駅欄１２１、出場駅欄１２２、交通機関欄１２３、移動ルート欄１２４及び基準移動時間欄１２５を含む。入場駅欄１２１には、利用者が改札口を通過し入場した駅の名称が記録され、出場駅欄１２２には、利用者が改札口を通過し出場した駅の名称が記録される。交通機関欄１２３には、利用者が利用した交通機関名が記録され、移動ルート欄１２４には、入出場駅のペア（以下、ＯＤと記載する）に対応した利用路線の情報が記録され、基準移動時間欄１２５には、移動ルート１２４における基準の乗車時間が記憶される。

移動ルート１２４は、一つのＯＤに対して、複数の利用路線情報を記憶してもよい。例えば、乗車時間、乗換回数、列車の混雑度（座れるか）、運賃などの観点で最適な利用路線情報を記憶してもよい。また、時間帯によって最適な移動ルートが異なる場合、時刻帯毎に異なる移動パタン情報３３を記憶してもよい。

基準移動時間１２５は、平常時のダイヤ（計画ダイヤ）から算出する、又は平常時における交通機関利用者の乗車時間統計値から算出してもよい。移動ルート１２４に乗り換えを含む場合、乗換時間も乗車時間に含めてもよい。

（乗客流マトリクス）
図３は、乗客流マトリクス３４の構成例を示す図である。乗客流マトリクス３４は、乗客流を所定の時間ごとに算出してマトリクス化した情報であり、例えば、路線、乗客の列車の乗車位置への到着時刻の時間帯及び入場駅毎に各駅間を利用する乗客数によって表される情報である。乗車位置とは、駅プラットホーム等の、乗客が実際に車両に乗る位置を示す。

図３（Ａ）に示すように、乗客流マトリクス３４は、乗客流マトリクス分類欄３０１、乗客流マトリクスＩＤ欄３０２、入場駅欄３０３及びマトリクスＩＤ欄３０４を含む。乗客流マトリクス分類欄３０１には、乗客流マトリクスの分類が記録され、例えば、障害時統計値、平常時統計値、非平常時データの３つで分類する。乗客流マトリクスＩＤ欄３０２には、乗客流マトリクスの識別情報が記録され、記録された識別情報から乗客流マトリクスを参照する。入場駅欄３０３には、入場駅が記録され、マトリクスＩＤ欄３０４には、時間帯毎のマトリクスの識別情報が記録される。乗客流マトリクス３４は、路線単位で記録されるとよい。

また、図３（Ｂ）に示すように、乗客人数欄３０５には、各マトリクスＩＤ３０４に紐づき、各駅間の乗車人数の数値又は数式モデルが記憶される。例えば、マトリクスＩＤ（Ｍ１）３１１は、７時５８分に駅Ａ（駅Ａにおいて乗車する路線のホーム）に到着した人の乗客流情報であり、駅Ａから駅Ｂまで８人乗車し、駅Ｂから駅Ｃまで６人が乗車継続し（２人が駅Ｂで降車）、駅Ｃから駅Ｄまで４人が乗車継続（２人が駅Ｃで降車）という人数の情報が記憶される。

マトリクスＩＤ（Ｍ４）３１２は、７時５９分に駅Ａに到着した乗客流情報であり、乗車人数が数式でモデル化されている。

（混雑履歴データ）
図４（Ａ）は、混雑履歴データ３５の構成例を示す図である。混雑履歴データ３５は、所定の時間ごとの実際の混雑率を示す情報である。

図４（Ａ）に示すように、混雑履歴データ３５は、混雑履歴データ分類欄４０１、混雑履歴データＩＤ欄４０２、駅間欄４０３及び平均混雑率欄４０４を含む。混雑履歴データ分類欄４０１には、混雑履歴データの分類が記録され、例えば、平常時統計値、非平常時データの２つで分類する。混雑履歴データＩＤ欄４０２には、混雑履歴データの識別情報が記録され、記録された識別情報から混雑履歴データを参照する。駅間欄４０３には、列車が移動する駅間が記録され、平均混雑率欄４０４には、時間帯毎の平均混雑率が記録される。混雑履歴データ３５は、路線単位で記録されるとよい。

（非平常時情報）
図４（Ｂ）は、非平常時情報３６の構成例を示す図である。非平常時情報３６は、非平常時における乗客流と混雑率とを対応付けた情報である。

図４（Ｂ）に示すように、非平常時情報３６は、日付欄４１１、路線欄４１２、乗客流マトリクスＩＤ欄３０２及び混雑履歴データＩＤ欄４０２を含む。日付欄４１１には、非平常時であった日付が記録され、路線欄４１２には、非平常時と判定された路線名が記録される。乗客流マトリクスＩＤ欄３０２及び混雑履歴データＩＤ欄４０２には、日付欄４１１に記録された日付における、路線欄４１２に記録された路線名に対応した乗客流マトリクスＩＤと混雑履歴データＩＤが記録される。

図５は、図３（Ｂ）に示したマトリクスＩＤ（Ｍ４）３１２の数式モデルの概念を示す図である。図５を参照して数式モデルの各変数について、例を挙げて説明する。

図５に示す路線では、各停列車３２１と快速列車３２２が運行しており、各停列車３２１は、駅Ａにおいて快速列車３２２を待ち合わせる。駅Ａの乗車モデル３２３では、乗換乗客を含む入場乗客３２４、他路線からの迂回乗客３２５、乗換乗客を含む入場乗客３２４のうち、他路線へ乗車する他路線への迂回乗客３２６、乗換乗客を含む入場乗客３２４のうち、快速へ乗車する快速への乗換乗客３２７の情報がモデル化されている。したがって、乗車モデル３２３には、駅Ａより前の駅で各停列車３２１に乗車した乗客は含まない。乗換乗客を含む入場乗客３２４は、平常時の乗客流（例えば、図３（Ａ）に示した平常時統計値として分類される乗客流マトリクス）から算出することができ、図示した例では１０人（定数）である。また、他路線からの迂回乗客３２５を説明変数ａとし、他路線への迂回乗客３２６を説明変数ｂとし、駅Ａにおいて各停列車３２１から快速列車３２２へ乗り換える乗客数を説明変数ｃとした。

この数式モデルでは、次駅間の乗客を確率モデルで表しており、駅Ａから駅Ｂに移動した乗客について、駅Ａで乗車した８２％の乗客が駅Ｃまで乗車継続し（１８％の乗客が駅Ｂで降車）、駅Ａで乗車した６５％の乗客が駅Ｄまで乗車継続（１７％の乗客が駅Ｃで降車）している。

迂回乗客を示す説明変数ａ、ｂについて、二つの路線（路線Ｘ、Ｙ）の例を用いて説明する。駅Ｘから駅Ｙに移動するための経路として路線Ｘを利用する経路と路線Ｙを利用する経路の二つの移動ルートがある。二つの移動ルートの所要時間及び運行本数はほぼ同じであり、乗客は路線Ｘと路線Ｙのそれぞれを５０％の確率で選択し、乗車している。このとき、駅Ｘから駅Ｙに移動するある時間帯の入場者を１０人とすると、平常時では５人が路線Ｘ、残りの５人が路線Ｙを利用することになる。このとき、路線Ｘに輸送障害が発生して運行が完全に停止した場合、目的地まで移動するためには５：５で分散していた乗客の全員が路線Ｙを利用する。このため、路線Ｘの利用者は０人、路線Ｙの利用者は１０人となる。これは路線Ｘの輸送力と路線Ｙの輸送力とに依存して、乗客が乗車する路線が変動することを意味する。輸送力は、どれだけの乗客を輸送できるかの指標であり、平常時との比較として異常時の輸送力を定義すると、輸送力＝（異常時のダイヤにおける単位時間あたりの運行本数×乗車容量）／（平常時のダイヤにおける単位時間あたりの運行本数×乗車容量）で算出することができる。

図６は、前述した路線Ｘ及び路線Ｙの輸送力と迂回乗客数との関係を示す図である。

縦軸はＹ路線への迂回乗客数３３１であり、横軸はＸ路線の輸送力３３２である。図６は、Ｙ路線の輸送力（ＰＹ）３３３が１００％の場合と５０％の場合との迂回乗客数を示す。Ｘ路線の輸送力がＹ路線の輸送力より低下すると（Ｘ１→Ｙ１、Ｘ２→Ｙ１）、Ｙ路線への迂回乗客数が増加する。迂回乗客数の最小値は０（Ｘ１、Ｘ２）であり、最大値はＹ路線に迂回経路が存在する総乗客数（Ｙ１：定数）となる。

以上のように一つの路線について生成した乗客流マトリクスでも他路線の運行状況を考慮したモデルを生成することによって、状況に合わせて乗客数を変動させることができる。乗客流マトリクスの生成方法については後述する。

（ダイヤ評価結果）
図１に戻り、説明を続ける。ダイヤ評価結果３７は、ダイヤ評価部２２によるダイヤの評価によって得られた情報であり、その詳細は後述する。

（乗客流マトリクスの生成方法）
図７は、乗客流マトリクス生成部２１が乗客流マトリクス３４を生成する処理のフローチャートである。

まず、ステップＳ２０１において、乗客流マトリクス生成部２１は、抽出条件の指定を受け付ける。抽出条件は、例えば、日付、路線名である。これは、日々の交通機関利用者履歴に対し、自動的に全路線について前日の乗客流マトリクスを生成しても、又は、ダイヤ評価装置１のオペレータが任意の条件を指定して生成してもよい。具体的には、乗客流マトリクス生成部２１は、オペレータの入力装置１２の操作による日付及び路線名の入力を受け付ける。このとき、ある１日の乗客流マトリクスを生成する場合は１日分の日付を指定し、統計的なデータを生成する場合は複数日分の日付を指定する。以下に、「２０１４年１月１日」、「○○路線」が入力された場合について説明する。なお、日付ではなく、１日の中の特定の時間帯や、複数の日を含む週や月であってもよい。さらに、路線の入力に加えて、路線中の区間（特定の駅間）を指定してもよい。

ステップＳ２０２において、乗客流マトリクス生成部２１は、対象となる移動パタンを抽出する。具体的には、入力された「○○路線」を検索キーとして、○○路線が移動ルートに含まれる全てのＯＤを移動パタン情報３３から抽出する。

ステップＳ２０３において、乗客流マトリクス生成部２１は、対象となる交通機関利用者情報を抽出する。具体的には、ステップＳ２０１で指定された日付「２０１４年１月１日」及びステップＳ２０２で抽出したＯＤのリストを検索キーとして、該当する利用者の情報を交通機関利用者情報３１から抽出する。

ステップＳ２０４において、乗客流マトリクス生成部２１は、乗換先となる対象路線への到着時刻を推定する。対象路線への到着時刻とは、例えば、対象路線の列車が到着するプラットホームに利用者（乗客）が到着した時刻であり、改札入場時刻に改札からプラットホームまで徒歩移動時間を加算して算出することができる（例えば、プラットホームまでの移動が１分であれば、１分を加算する）。

複数路線の乗換を含む移動の場合、乗換先となる対象路線への乗換時刻が到着時刻となる。乗換時刻の推定は、入場駅から乗換駅までの区間の基準移動時間を移動パタン情報３３から抽出し、改札入場時刻に改札からプラットホームまでの徒歩移動時間、乗換駅までの基準移動時間、および、乗換の際のホーム間の移動時間を加算することによって、乗換先となる対象路線への到着時刻を推定することができる。しかし、同じＯＤでも、乗客によって移動ルートが異なる場合がある。そこで、乗客の経路推定については拡張機能で後述する。

ステップＳ２０５において、乗客流マトリクス生成部２１は、移動時間が加算された交通機関利用者情報を参照し、対象路線の乗車時刻、入場駅毎に各駅間移動人数を集計又はモデル化する。具体的には、同じ時刻帯に対象路線へ到着した乗客が、どの駅まで移動したかを集計し、駅間移動人数又は乗客モデルを求める。

具体例を用いて集計方法を説明する。ステップＳ２０１で指定された路線を路線Ａとし、ステップＳ２０４で路線Ａの利用者の到着時刻を推定した結果、８時０分〜８時１分の間に８名の乗客が駅Ａに到着した。駅Ａからは路線Ａを利用し、駅Ｂ、駅Ｃ、駅Ｄへ移動することができる。到着した８名のうち、駅Ｂまで２名が移動し、２名が駅Ｃまで移動し、４名が駅Ｄまで移動した。これより、駅間の乗車人数を集計すると、駅Ａから駅Ｂへ移動した乗客は８名、駅Ｂから駅Ｃまでが６名、駅Ｃから駅Ｄまでが４名となる。

駅Ａ〜Ｂ間、駅Ｂ〜Ｃ間、駅Ｃ〜Ｄ間の乗車人数を、配列［Ｎ_ＡＢＮ_ＢＣＮ_ＣＤ］で定義すると、Ａ駅に８時０分〜８時１分に到着した乗客群は、配列［Ｎ_ＡＢＮ_ＢＣＮ_ＣＤ］＝［８６４］で表すことができる。これにより、図３（Ｂ）のマトリクスＩＤ（Ｍ１）３１１に示すようなデータを生成できる。つまり、乗客流マトリクスは、乗車を継続する確率として算出することもでき、駅Ａの到着乗客をＮ人として［Ｎ_ＡＢＮ_ＢＣＮ_ＣＤ］＝Ｎ［１（３／４）（１／２）］と表すことができる。

前述した例では、時間幅を１分で集計したが、時間幅は、より短い又は長い時間幅で集計してもよい。集計する時間幅の設定はオペレータが任意に設定する、又は列車の到着時刻の間隔（時隔）に合わせた分解能をオペレータが設定してもよい。例えば、列車の最小時隔が２分であり、時隔に対する時間分解能を２と設定したとき、２分／２＝１分の単位の時間幅で集計すればよい。路線や時刻帯によって最小時隔が異なるため、路線や時刻帯に合わせて集計の時間幅も変更してもよい。集計の時間幅は後述するダイヤ評価処理速度に影響を与える。精度と処理速度とはトレードオフの関係となる。しかし、乗客が増えても乗客流マトリクスの要素数は変わらないため、時間幅を任意に設定することによってユーザが望む評価精度及び評価処理速度を設定することができる。集計の時間幅の最小単位は入場時刻情報の最小単位であり、１秒単位で入場時刻が分かっていれば、最小で１秒単位での集計が可能となる。また、列車の到着時刻の間隔（時隔）に合わせた分解能をシステムが自動的に設定してもよい。さらに、評価精度及び評価処理速度の入力を受け付け、システムが分解能を算出して設定してもよい。

ステップＳ２０６において、乗客流マトリクス生成部２１は、乗客流マトリクス３４を生成して、そのデータをダイヤ評価装置１内に記憶する。具体的には、ステップＳ２０５で生成した各配列にＩＤを割り当て、図３（Ｂ）のような、駅と時刻のマトリクスを生成し、補助記憶装置１６又は主記憶装置１５に記憶する。

（ダイヤ評価方法）
図８は、ダイヤ評価部２２がダイヤを評価する処理のフローチャートである。

ステップＳ４０１において、ダイヤ評価部２２は、評価されるダイヤの入力を受け付ける。具体的には、ダイヤ評価部２２は、オペレータの入力装置１２の操作により、ダイヤを評価する路線及びダイヤを評価する区間（例えば、駅間）の入力又は選択を受け付ける（図１６参照）。なお、ダイヤを評価する時間的範囲（例えば、図１６に示すダイヤ評価範囲９１２）の指定を受け付けてもよい。ダイヤとは、例えば、交通機関運行情報３２であり、過去の実績ダイヤ、リアルタイムな運行ダイヤ、将来の予測ダイヤなどである。ダイヤのデータは通信装置１４を介してネットワーク４によって外部システム２や外部サーバ３から取得してもよい。また、入力されたダイヤを補助記憶装置１６に格納してもよい。

ステップＳ４０２において、ダイヤ評価部２２は、受け付けられたダイヤの乗客流マトリクス３４を抽出する。具体的には、ステップＳ４０１で入力又は選択された路線及び区間の乗客流マトリクス３４を抽出する。乗客流マトリクス３４はバッチ処理等によって乗客流マトリクス生成部２１で生成され、補助記憶装置１６に記憶される。リアルタイムにダイヤを評価する際に、最適な乗客流マトリクス３４を選択する方法については、乗客需要予測部２４（図１３）で述べ、ここでの説明は省略する。

ステップＳ４０３において、ダイヤ評価部２２は、乗客乗車パタンを作成する。ダイヤ評価部２２は、乗客乗車パタンを、入力されたダイヤ及び抽出した乗客流マトリクス３４を用いて作成する。

図９は、入力されたダイヤの一例を示す図である。図９を参照して、入力されたダイヤから得られるデータについて説明する。

図９に示すダイヤは、路線Ａ５０１の列車運行情報であり、具体的には、列車Ａ５０２、列車Ｂ５０３、列車Ｃ５０４の運行情報である。各駅での列車到着間隔（例えば、列車Ａ５０２と列車Ｂ５０３の列車到着間隔）が時隔５０５である。これらの列車が次駅の到着までにかかる時間が移動時間５０６である。図９に示すダイヤでは、列車Ａ５０２は駅Ｂに到着後、運休となっている。途中駅で列車が運休した場合、運休となった駅で、乗客が次列車へ乗り換える。

図１０は、乗客乗車パタンの構成例を示す図である。乗客乗車パタンは、乗客が列車に乗車するタイミングを示す情報である。乗客乗車パタンは１列車ごとに作成され、乗換による乗車を含む。例えば、図１０（Ａ）に示す乗客乗車パタン６０１は、図９に示す列車Ａ５０２の乗客の乗車パタンである。乗客乗車パタン６０１は、停車駅６１１、列車到着時刻６１２、次駅までの移動時間６１３、前列車との時隔６１４、次列車との時隔６１５、マトリクスＩＤ６１６及び乗客待ち時間６１７を含む。これらの情報は、入力されたダイヤから得ることができる。

マトリクスＩＤ６１６は、列車到着時刻６１２及び前列車との時隔６１４を用いて、乗客流マトリクス３４から参照する。具体的には、駅Ａの列車到着時刻６１２を７時５９分、前列車との時隔６１４を２分としたとき、７時５８分から７時５９分までの駅ＡにおけるマトリクスＩＤ３０４を参照する。図１０（Ａ）は、乗客流マトリクス３４を集計した時間幅を１分とした場合の例を示しており、Ａ駅の７時５８分のマトリクスＩＤ（Ｍ１）とＡ駅の７時５９分のマトリクスＩＤ（Ｍ４）の二つを列車Ａ５０２の駅Ａでの乗客乗車データとして参照している。また、Ｂ駅の７時５９分のマトリクスＩＤ（Ｍ５）とＢ駅の８時００分のマトリクスＩＤ（Ｍ８）の二つを列車Ａ５０２の駅Ｂでの乗客乗車データとして参照している。

列車Ａ５０２は、駅Ｂで運転を休止したので、駅Ｂの次の駅Ｃにおける乗客流マトリクスは乗換（Ｎ１）６１８となる。

図１０（Ｂ）に示すように、列車Ａ５０２から列車Ｂ５０３に乗り換える乗客の乗客乗車パタン６０２は、駅Ａから列車Ａに乗車する乗客のマトリクスＭ１、Ｍ４について、駅Ｂよりも先の駅に移動するはずだった乗客と、駅Ｂから列車Ａに乗車するはずだった乗客のマトリクスＭ５、Ｍ８とを合計したマトリクスＩＤ（Ｎ１）６２１で表すことができる。マトリクスＭ５、Ｍ８は、マトリクスＭ１、Ｍ４と同様、図３（Ｂ）に示した乗客流マトリクス３４に記憶されている情報である。

図１０（Ｃ）に示す乗客乗車パタン６０３は、図９に示す列車Ｂ５０３の乗客の乗車パタンである。乗客乗車パタン６０３は、停車駅６３１、列車到着時刻６３２、次駅までの移動時間６３３、前列車との時隔６３４、次列車との時隔６３５、マトリクスＩＤ６３６及び乗客待ち時間６３７を含む。図１０（Ｃ）に示すように、列車Ａ５０２から乗客が乗り換えた列車Ｂ５０３の乗客乗車パタン６０３は、駅Ａから列車Ｂに乗車する乗客のマトリクスＭ７、Ｍ１０と、駅Ｂから列車Ｂに乗車する乗客のマトリクスＭ１１、Ｍ１４と、駅Ｂで列車Ａ５０２から列車Ｂ５０３に乗り換える乗客のマトリクス（Ｎ１）６２１を含む。

乗客待ち時間６３７は、マトリクスＩＤ毎の待ち時間であり、列車到着時刻６３２を０分として、列車到着時刻６３２より前の時刻のマトリクスＩＤに待ち時間を加算する（図１０（Ａ）、（Ｃ）に示す例では、１分単位で乗客流を集計し、１分単位で待ち時間が増加する）。図９に示すように列車Ａが運休する場合、同路線内で列車間の乗り換えが発生する。このような乗り換えが発生した場合、前列車から乗客データを引き継いでもよい（図１０（Ｃ）に示す例では、マトリクスＩＤ（Ｎ１）が列車Ａから乗り換える乗客データとなり、前列車である列車Ａについての駅Ｂにおける前列車との乗客待ち時間６１７（１分（Ｍ１に対応する乗客待ち時間）＋１分（Ｍ５に対応する乗客待ち時間）＝２分）がマトリクスＩＤ（Ｎ１）に対応する乗客待ち時間６３７に引き継がれる）。

前述したように、予め生成したマトリクスＩＤを入力ダイヤに割り当てることによって、乗客乗車パタンを作成することができ、乗客１人１人の乗車列車を計算するより高速に処理を行うことができる。

図８に戻り、説明を続ける。ステップＳ４０４において、ダイヤ評価部２２は、乗客の不効用値を算出する。具体的には、まず、図１１（Ａ）に示す第１のダイヤ評価結果（列車）７０１を作成し、次に、ダイヤ評価結果（列車）７０１を集計して、図１１（Ｂ）に示すダイヤ評価結果（全体）７１１を算出する。不効用とは、乗客が被る不満・苦痛の度合いを示す指標であり、例えば、車両混雑度が高い、移動時間が増加する、等の場合に、不効用の値が大きくなる。不効用値とは、利用者の視点から列車ダイヤを評価するための指標であって、待ち時間、乗換時間、乗換回数、混雑率などを乗車時間の増加分として換算した値である。このように、不効用値によって乗客の不利益を表すことができる。一般に、不効用値は乗客への影響を表す指標であるが、従業員や環境への影響を表す指標を、それぞれ従業員不効用値、環境不効用値として定義してもよい。

第１のダイヤ評価結果（列車）７０１は、ステップＳ４０３で作成した乗客乗車パタンを用いて、輸送機関７０２、駅間７０３、乗車人数７０４、混雑度７０５、総待ち時間７０６、次駅までの総増加乗車時間７０７及び乗換人数７０８などを含む評価結果として生成される。

輸送機関７０２は、例えば列車番号である。駅間７０３は、列車が運行する隣接した二つの駅間の情報である。乗車人数７０４は、列車に関連付けられた全てのマトリクスＩＤについて、図３（Ｂ）に示すテーブルの乗車人数を各駅間で集計した結果である。

混雑度７０５は、列車の混雑度であり、例えば、列車を編成する各車両の乗車容量に対する乗車人数の和である。例えば、１２００人の乗車容量がある列車に１２０人の乗客が乗車している場合、混雑度７０５は１０％である。

総待ち時間７０６は、路線が発着するプラットホームに乗客が到着してから列車に乗車するまでのプラットホーム内での待ち時間の合計値である。例えば、駅Ａから駅Ｂの移動であれば、駅Ａで入場者した乗客について入場時間帯ごとの乗客待ち時間６１７と入場者数とを乗じ、合計値を算出する。

次駅までの総増加乗車時間７０７は、乗客の移動時間の基準移動時間１２５からの増加量を合計した値である。具体的には、駅Ａから駅Ｂまでの基準移動時間１２５が２分、実際の移動時間が３分、乗車人数が６０人である場合、駅Ａから駅Ｂまでの総増加乗車時間７０７は、（３分−２分）×６０＝６０分（１時間）となる。

乗換人数７０８は、例えば、図９に示す列車Ａ５０２のように、列車が途中で運休した場合、運休した列車を降車し、次の列車に乗り換える乗客数である。具体的には、図９に示す列車Ａ５０２において、駅Ｂから駅Ｃに移動する乗客が３６０人であり、列車Ａ５０２が駅Ｂで運休した場合、駅Ｂから駅Ｃに移動する乗客３６０人が乗換人数として集計される。その他、快速への乗換や、乗客数が乗車容量を超えた場合に次列車を待つことについても乗換として扱ってもよい。

第２のダイヤ評価結果（全体）７１１は、例えば、混雑区間７１２、総待ち時間７１３、総増加乗車時間７１４、乗換人数７１５及びこれらを総合した総合不効用値７１６などを含み、ダイヤ評価結果（列車）７０１を集計した結果である。

混雑区間７１２は、ある路線のすべての運行区間（隣接する駅間）において、一つの列車の通過を１区間として、その通過した列車が混雑していた区間数である。具体的には、ダイヤ評価結果（列車）７０１に記録した混雑度７０５から、各区間を通過したときに混雑しているかを判定する。例えば、混雑率が１００％以上であれば混雑していると判定し、混雑率が１００％以上の区間の数を集計する。

総待ち時間７１３は、ダイヤ評価結果（列車）７０１において列車ごとかつ区間ごとに算出した総待ち時間７０６を全ての列車及び区間で集計した結果である。

総増加乗車時間７１４は、ダイヤ評価結果（列車）７０１で列車ごとかつ区間ごとに算出した次駅までの総増加乗車時間７０７を全ての列車及び区間で集計した結果である。

乗換人数７１５は、ダイヤ評価結果（列車）７０１で列車ごとかつ区間ごとに算出した乗換人数７０８を全ての列車及び区間で集計した結果である。

総合不効用値７１６は、前述した各不効用値を一つの指標として集計したものである。混雑区間、乗換人数などに所定の係数を乗じて時間換算し、全ての不効用値を時間の指標として集計した結果である。具体的には、混雑区間の１区間を１分の増加乗車時間とする、乗換１回について５分の増加乗車時間とするなど、所定の係数を乗じて時間に換算する。

前述したダイヤ評価結果（列車）７０１及びダイヤ評価結果（全体）７１１は、ダイヤ評価結果３７として補助記憶装置１６に格納される。

図８に戻り、説明を続ける。ステップＳ４０５において、ダイヤ評価部２２は、評価結果を画面に表示する。画面の内容は以下に詳しく説明することとし、ダイヤ評価処理の説明はここで終了する。

（非平常時検出部）
図１２は、非平常時情報検出部２３が非平常時情報を作成する処理のフローチャートであり、1日の交通機関運行終了後にバッチ処理として実行されることを想定したものである。

ステップＳ６０１において、非平常時情報検出部２３は、列車の混雑度、運行ダイヤ、交通機関利用者情報の入力を受け付ける。具体的には、非平常時情報検出部２３は、オペレータの入力装置１２の操作により、１日分の列車の混雑度、運行ダイヤ、交通機関利用者情報を取得する。ここで、外部システム２とは、例えば、列車の運行管理システム、応荷重データ（各車両の混雑度）を集計するシステム、ＩＣカード乗車券履歴の集計システムなどである。列車の混雑度とは、例えば混雑履歴データ３５であり、運行ダイヤとは、例えば、交通機関運行情報３２であり、過去の実績ダイヤや計画ダイヤなどである。交通機関利用者情報とは、例えば、交通機関利用者情報３１である。

ステップＳ６０２において、非平常時情報検出部２３は、輸送障害が発生していたかを判定する。具体的には、ステップＳ６０１で取得した運行ダイヤから輸送障害発生の有無を判定する。運行ダイヤには、例えば、当日の計画ダイヤと実績ダイヤが含まれる。計画ダイヤと実績ダイヤを用いれば、各駅での発着時刻について計画と実績の差分から遅延時間を計算することができる。また、計画されていた列車が実績で運行されていなければ運休していたことが分かる。輸送障害が発生した場合、運休や遅延が必ず発生する。そのため、任意のしきい値以上、例えば、１０分以上の遅延や、運休の有無により、輸送障害が発生していたかどうかを判定することができる。計画ダイヤと実績ダイヤの比較によって、障害発生路線、障害発生駅、障害発生時刻、障害終了時刻などの情報も得ることができる。

ステップＳ６０２にて、輸送障害が発生していると判定された場合、ステップＳ６０３において、非平常時情報検出部２３は、乗客流マトリクス３４の障害時統計値を更新し、輸送障害時の乗客流マトリクス３４とする。具体的には輸送障害が発生していた場合において、図３（Ｂ）で示したような数式モデルを輸送障害時の交通機関利用者情報３１を用いて更新する。

ステップＳ６０２にて、輸送障害が発生していないと判定された場合、ステップＳ６０４において、非平常時情報検出部２３は、列車の混雑度が平常レベルかを判定する。具体的には列車の混雑度の平常時統計値と当日値を比較し、差分がしきい値以上であれば非平常時として判定する。すなわち、輸送障害は発生していないが平常時に比べて列車の混雑度が高い場合は非平常時ととらえ、以降の処理を実行する。平常時統計値には、例えば、過去データの中央値や平均値を用い、混雑履歴データ３５に記録しておく。

ステップＳ６０４にて、列車の混雑度が平常レベルと判定された場合、ステップＳ６０５において、非平常時情報検出部２３は、混雑履歴データ３５、乗客流マトリクス３４の平常時統計値を更新する。

ステップＳ６０４にて、列車の混雑度が平常レベルでないと判定された場合、ステップＳ６０６〜Ｓ６０９において、非平常時情報検出部２３は、混雑履歴データ３５、乗客流マトリクス３４の非平常時データを作成し、非平常時情報３６として保存する。

（乗客需要予測部）
図１３は、乗客需要予測部２４が乗客需要を予測する処理のフローチャートであり、リアルタイムに実行されることを想定したものである。

ステップＳ８０１において、乗客需要予測部２４は、現時点における最新の列車の混雑度および運行ダイヤを取得し、ステップＳ８０２において、輸送障害が発生しているかを判定する。具体的な方法は、本処理のようにリアルタイムに実行する場合においてもＳ６０１、Ｓ６０２と同様であるため、ここでの説明は省略する。

ステップＳ８０２にて、輸送障害が発生していないと判定された場合、ステップＳ８０３、Ｓ８０４において、乗客需要予測部２４は、現時点における最新の列車の混雑度と混雑履歴データをリアルタイムに比較し、差分を算出する。

図１４は、列車の混雑度と混雑履歴データのリアルタイム比較の一例を示す図である。図１４を参照して、リアルタイムに比較する具体的な方法を説明する。

図１４（Ａ）では、縦軸に列車の混雑度８０１、横軸に時刻８０２をとり、当日データ８０３（実線）、比較データＡ８０４（破線１）、比較データＢ８０５（破線２）の３つの時系列データを比較する例を示す。ここで、比較データＡ８０４および比較データＢ８０５は、例えば、混雑履歴データ３５に記録された平常時統計値あるいは過去の非平常時データである。現在時刻８０６以前のデータについて、当日データ８０３と比較データの差分を計算することでリアルタイムに比較を行う。

図１４（Ｂ）では、当日データ８０３と比較データの比較結果の例を示す。図１４（Ｂ）は、比較対象欄８１１、時間帯欄８１２、当日データとの混雑度差分欄８１３、重み欄８１４を含む。時間帯欄８１２には、例えば、現在時刻８０６からマイナス１５分毎の間隔で区切られた時間区間情報が記録される。具体的には、現在時刻８０６が８時１５分だった場合、１行目の時間帯は８時〜８時１５分の時間区間となる。混雑度の比較は、例えば、８時〜８時１５分の平均混雑度で比較する。１つ例を挙げると、８時〜８時１５分の当日データ８０３の平均混雑度が１００％、比較データＡ８０４の平均混雑度が１１５％の場合、当日データとの混雑度差分８１３は（１１５−１００）／１００＝１５％となる。計算された当日データとの混雑度差分８１３に対し、重み８１４を付けて計算しても良い。これは、数分前の差分と数時間前の差分では予測に与える影響度が異なることが想定されるためである。図１４（Ｂ）に示すように、現在時刻８０６に近い時間帯８１２ほど重み８１４を大きくし、最終的な差分値を混雑度差分の加重平均８１５として求めてもよい。そして、ステップＳ８０５において、比較データのうち、上記混雑度差分の加重平均が最小となる日の比較データを特定し、特定した日に対応する乗客流マトリクスを選択する。

図１３に戻り、説明を続ける。ステップＳ８０２にて、輸送障害が発生していると判定された場合、ステップＳ８０６おいて、乗客需要予測部２４は、乗客流マトリクス３４の障害時統計値を選択し、輸送障害時の乗客流マトリクス３４とする。具体的には、輸送障害時の乗客流をモデル化した図３（Ｂ）で示したような数式モデルが選択される。

ステップＳ８０７において、乗客需要予測部２４は、運転整理計画ダイヤを取得する。運転整理計画ダイヤとは、輸送障害に対して実施される運休手配や、折り返し運転手配などダイヤの変更予定情報であり、例えば、交通機関運行情報３２のような形式で取得する。ダイヤの変更は輸送障害の規模を予め想定して実施され、例えば人身事故であれば復旧まで１時間程度を見込んで運転整理が計画される。

ステップＳ８０８において、乗客需要予測部２４は、運転整理特徴量を乗客流マトリクス３４に入力する。運転整理特徴量とは、運転整理計画ダイヤから抽出された情報であり、例えば運休本数や遅延などである。運転整理特徴量を用いることで、例えば、運休本数が増え、輸送障害路線の輸送力が低下したとき、利用者は他路線へ迂回するという予測モデルを活用することができる。

ステップＳ８０９において、乗客需要予測部２４は、選択した乗客流マトリクス３４から乗客需要を予測する。具体的には、ダイヤ評価部２２のステップＳ４０２において、抽出する乗客流マトリクス３４を最適化する。上記で説明したように、非平常時、輸送障害時それぞれにおいて、適切な乗客流マトリクス３４を選択することが可能となり、高精度にダイヤ評価を行うことが可能となる。

（システム画面）
ダイヤ評価装置１は、オペレータが乗客流マトリクス生成及びダイヤ評価を行う条件を入力する画面、及びダイヤ評価結果を表示する画面などを出力する。これらの画面は、乗客流マトリクス生成部２１及びダイヤ評価部２２が生成する。以下に、具体的な画面の一例を説明する。

（システム画面１：メニュー画面）
図１５は、メニュー画面６１の一例を示す図である。

メニュー画面６１は、オフラインメニュー９０１の項目及びリアルタイムダイヤ評価９０６の項目を含む。

オフラインメニュー９０１は、乗客流データ作成ボタン９０２、ダイヤ登録ボタン９０３、登録ダイヤ評価ボタン９０４及び評価結果確認ボタン９０５を含む。オペレータは、各ボタンを操作することによって、各処理を選択することができる。

乗客流データ作成ボタン９０２は、前述した乗客流マトリクス３４（例えば、図３）を作成するために操作するボタンである。オペレータが乗客流データ作成ボタン９０２を操作すると、図７または図１２に示した処理が実行され、日付や路線などを選択する画面（図示省略）を表示する。乗客流マトリクス３４は、交通機関利用者の履歴から作成されるため、選択画面で選択できる日付は交通機関の利用者履歴がある過去のものである。日付及び路線を選択するとバッチ処理によって乗客流マトリクス３４が生成され、補助記憶装置１６に記憶される。

ダイヤ登録ボタン９０３は、ダイヤ（例えば、図２（Ｂ））を登録するために操作されるボタンである。ダイヤ登録ボタン９０３が操作されると、ダイヤデータ入力画面（図示省略）を表示する。ダイヤデータ入力画面では、ダイヤを所定の形式（例えば、ｃｓｖ形式、テキスト形式など）のデータで入力する、又は通信装置１４を介してネットワーク４によって接続された外部サーバ３が格納するダイヤを選択し、取得してもよい。ダイヤ登録を実行するとダイヤ（交通機関運行情報）が補助記憶装置１６に格納される。

登録ダイヤ評価ボタン９０４は、ダイヤ登録ボタン９０３の操作によって登録されたダイヤを評価するために操作されるボタンである。登録ダイヤ評価ボタン９０４が操作されると、図８に示した処理が実行され、ダイヤ評価画面を表示する。ダイヤ評価画面については後述する。

評価結果確認ボタン９０５は、過去に評価したダイヤを表示するために操作されるボタンである。評価結果確認ボタン９０５が操作されると、補助記憶装置１６に格納されたダイヤ評価結果３７を選択する画面（図示省略）を表示する。ダイヤ評価結果３７が選択されると、ダイヤ評価画面を表示する。ダイヤ評価画面については後述する。

リアルタイムダイヤ評価９０６は、評価される路線とダイヤを評価するための区間とを選択するために操作されるボタンである。評価路線の選択欄９０７において評価される路線を選択する。また、評価区間の選択欄９０８において選択された路線中で評価する区間（二つの駅）を選択する。なお、路線の全区間を評価対象とする場合、評価区間の選択欄９０８を設けなくてもよい。これらが選択された後、実行ボタン（図示省略）は押下されると、図１３の処理が実行され、ダイヤ評価画面が表示される。ダイヤ評価画面については後述する。なお、上記では、あるボタンが操作された場合に１つの処理を実行する前提で説明したが、図７、８、１２、１３に示したすべての処理を実行し、またはこれらの一部を実行してもよい。

（システム画面２：ダイヤ評価画面）
図１６は、ダイヤ評価画面の一例を示す図である。

ダイヤ評価画面６２は、リアルタイムにダイヤを評価するときに表示される画面の例である。ダイヤ評価画面６２には入力されたダイヤ（ダイヤすじ）９１１が表示されており、ダイヤ評価範囲９１２を指定することによって、任意の時間範囲のダイヤを評価することができる。なお、ダイヤ評価範囲９１２をダイヤ評価画面６２で指定せずに、ダイヤ評価範囲９１２（評価開始時刻、評価終了時刻）の入力欄をメニュー画面６１に設けてもよい。

列車の平均混雑度９１３は、当日の列車の混雑度が平常時と比較してどの程度かを比較したものであり、平常時統計値９１４と現在時刻までの当日データ９１５の時系列変化を表示する。

乗客需要予測結果９１６は、乗客流マトリクス３４を用いて予測した乗客需要予測結果であり、例えば、ある路線における駅入場者数の時系列変化である。平常時統計値９１７と現在時刻以降の予測値９１８の時系列変化を表示する。

ダイヤ評価結果９１９は、ダイヤ評価範囲９１２におけるダイヤの評価結果であり、ダイヤ評価範囲９１２を変更すると、ダイヤ評価結果が算出され、ダイヤ評価結果９１９が更新される。また、ダイヤ評価結果９１９の各項目について、駅又は駅間（区間）毎に時系列変化を表示してもよい。このため、駅毎及び駅間毎に乗客の不効用値を集計する。

以上、リアルタイムにダイヤを評価した結果を表示する画面について説明したが、オフラインで登録されたダイヤを評価する場合も同じ画面で評価結果を表示することができる

（拡張機能１：ダイヤ評価精度の向上）
前述した乗客流マトリクス３４は、移動パタン情報３３を参照して交通機関利用者情報３１に移動ルートを割り当て、利用路線を推定して生成される。このとき、移動ルート割り当ての正確さがダイヤ評価の精度に影響する。すなわち、ダイヤ評価の精度を向上するためには、移動ルート推定の精度の向上が課題となる。以下、その課題の解決方法について説明する。

（拡張機能２−１：交通機関利用者の移動ルート推定）
駅間に複数の移動ルートの候補がある場合に、交通機関利用者情報３１に移動パタン情報３３から移動ルートを割り当てる方法について説明する。

乗客は、乗車時間、乗換回数、列車の混雑度（座れるか）、運賃など複数の条件から自分の優先順位に合わせて移動ルートを決定している。例えば、乗車時間が５分長くても乗換の少ない移動ルートを選ぶ乗客もいる。そのため、交通機関の利用者が利用すると予想される全ての移動ルートの候補を移動パタン情報３３に予め登録し、登録された移動ルートを適切に選択することによって、移動ルートを精度よく推定することができる。このとき、各移動ルートの所要時間の情報も登録しておく。そして、登録された移動ルートの所要時間と交通機関の利用者の実際の所要時間とを比較し、所要時間の差が最も小さい移動ルートを割り当てる。

また、割り当てられた移動ルート（路線）における出場駅の列車の到着時刻と交通機関の利用者の出場時刻とを比較して、列車の到着時刻と出場時刻との差が小さい移動ルートを割り当てることによって、推定の確度をさらに向上することができる。

しかし、移動ルート候補の中には、所要時間がほぼ同じ移動ルートも複数存在する場合がある。この課題の解決については後述する。

（拡張機能２−２：重み係数付き交通機関利用者情報の作成）
駅間に複数の移動ルートの候補があり、かつ交通機関利用者の所要時間から移動ルートを推定することが困難な場合に、交通機関利用者情報３１に移動パタン情報３３から移動ルートを割り当てる方法について説明する。

前述した拡張機能２−１を用いて移動ルートが選択できなかった場合、候補となる移動ルートの選択確率を算出する。移動ルートの選択確率とは、複数の移動ルートにおいて、乗客が移動ルートを選択する確率である。例えば、同じ所要時間でも路線Ａを利用した移動ルートは１時間あたりの運行本数が３０本、路線Ｂを利用した移動ルートは１時間あたりの運行本数が２０本の場合、路線Ａの選択確率は３０／５０＝０．６であり、路線Ｂの選択確率は２０／５０＝０．４であると算出できる。

そして、算出した移動ルートの選択確率を用いて、ある１人の移動履歴から異なる移動ルート情報を持った複数の重み係数付き交通利用者情報を作成する。

前述した例では、０．６人が路線Ａを利用し（重み係数０．６）、０．４人が路線Ｂを利用する（重み係数０．４）と推定する。このため、移動ルートが特定できない場合でも、乗客の移動ルートを一部の移動ルートに偏ることなく割り当てることができ、マクロな視点で、実態に合致した乗客流マトリクスを生成することができる。

（拡張機能２−３：交通機関利用者の迂回モデル作成）
図５で示す他路線からの迂回乗客や他路線への迂回乗客のモデルを作成する方法について説明する。

迂回ルートの有無は移動パタン情報３３に予め登録する。例えば、所要時間が最短の移動ルートに対し、所要時間の増加が３０分以内で別の路線を使った移動ルートを迂回ルートとして登録する。乗換を含む移動の場合、利用する路線毎に迂回ルートを登録する。

迂回ルートとは、ある路線が輸送障害又は災害によって運行を休止した場合、乗客が元の移動ルートの代替として利用するルートである。そのため、迂回ルートを利用するかは、図６に示すように、元の利用路線の輸送力と迂回先路線の輸送力とで決まるモデルとして作成することができる。

乗客流マトリクス生成部２１は、ステップＳ２０５において、各駅間の乗客数を集計する際に、迂回ルートの有無を判定し、迂回ルートがある乗客については輸送力に依存して迂回ルート（他路線）に迂回する乗客としてモデル化する。また、迂回先の路線について、他路線から迂回してきた乗客として同様にモデル化する。

（実施例の効果）
（１）本実施例のダイヤ評価装置１は、乗客の列車の乗車位置への到着時刻を推定し、路線、時間帯及び入場駅毎に各駅間を利用する乗客数によって表される乗客流マトリクスを生成し、前記乗客流マトリクス及びダイヤを用いて交通機関の乗車人数を推定し、乗客の不効用値を算出するので、乗客の不効用を考慮してダイヤを高速に評価することができる。よって、輸送障害や災害が発生した際に乗客への影響が少ないダイヤを迅速に作成することができる。

（２）本実施例のダイヤ評価装置１は、ある駅間の乗客数を当該駅間の前の駅間の乗客数と乗客が次駅間まで継続して乗車する確率からなる確率モデルを用いて表すので、ダイヤの修正によって、ある駅で乗車する乗客数が変動した場合においても、乗客の不効用値を高速に算出することができる。

（３）本実施例のダイヤ評価装置１は、各路線の輸送力を評価し、各路線間での相対的な輸送力に対する乗客の迂回を乗客流マトリクスの要素内にモデル化することによって、迂回路を考慮して、より正確な乗客流マトリクスを生成することができる。よって、高精度にダイヤ評価を行うことができる。

（４）本実施例のダイヤ評価装置１は、輸送障害、イベント、悪天候などによって変動する乗客需要について、リアルタイムに取得した列車の混雑度と混雑履歴データの差分を用いて、当日の乗客流を把握し、当日の状況に最も適した乗客流マトリクスを選択することで、正確な乗客需要を予測することができる。よって、高精度にダイヤ評価を行うことができる。

（５）本実施例のダイヤ評価装置１は、車両の混雑区間数、乗客の総待ち時間、総乗車時間の増加値、及び乗換人数の少なくとも一つを用いて乗客の不効用値を算出するので、多様な観点から乗客への影響を評価することができる。

（６）本実施例のダイヤ評価装置１は、乗客流マトリクスの生成時に乗客数を集計する時間幅を列車の時隔などの条件に合わせて可変とすることによって、ダイヤ評価の精度を維持したまま、より高速にダイヤを評価することができる。

（７）本実施例のダイヤ評価装置１は、一つのＯＤに複数の移動ルートがある場合、乗客流マトリクスの生成時に、交通機関利用者の入場駅、入場時刻、出場駅、出場時刻、所要時間の少なくとも一つを用いて利用路線を推定することによって、より正確な乗客流マトリクスを生成することができる。よって、高精度にダイヤを評価することができる。

（８）本実施例のダイヤ評価装置１は、一つのＯＤに複数の移動ルートがある場合、一人の乗客の移動データにルート選択確率を乗じることによって複数移動ルートの各々の乗客移動データを生成するので、より正確な乗客流マトリクスを生成することができる。よって、高精度にダイヤを評価することができる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１ダイヤ評価装置
２外部システム
３外部サーバ
４ネットワーク
１１中央制御装置（制御部）
１２入力装置
１３出力装置
１４通信装置
１５主記憶装置（記憶部）
１６補助記憶装置（記憶部）
２１乗客流マトリクス生成部
２２ダイヤ評価部
２３非平常時情報検出部
２４乗客需要予測部
３１交通機関利用者情報
３２交通機関運行情報
３３移動パタン情報
３４乗客流マトリクス
３５混雑履歴データ
３６非平常時情報
３７ダイヤ評価結果。

Claims

鉄道の運行情報を評価する評価システムであって、
乗客が鉄道を利用した履歴が記録される交通機関利用者情報と、入場駅と出場駅との間の移動ルートが記録される移動パタン情報とを格納する記憶部と、
前記交通機関利用者情報及び前記移動パタン情報を参照し、乗客の列車の乗車位置への到着時刻を推定し、前記到着時刻の時間帯及び入場駅毎に各駅間を利用する乗客数によって表される乗客流マトリクスを生成する乗客流マトリクス生成部と、
前記乗客流マトリクス及び前記列車の運行を示す交通機関運行情報を用いて前記列車の乗車人数を推定し、乗客の不効用値を算出する評価部と、
前記列車の混雑度と前記交通機関運行情報を参照し、輸送障害時、平常時、非平常時のいずれであるか判定し、輸送障害時であると判定した場合には輸送障害時の乗客流マトリクスを生成し、平常時であると判定した場合には平常時の乗客流マトリクスを生成し、非平常時であると判定した場合には非平常時の乗客流マトリクスを生成する非平常時情報検出部と、
リアルタイムに取得した前記列車の混雑度と前記交通機関運行情報を参照して輸送障害発生を検出し、輸送障害発生が検出された場合には前記輸送障害時の乗客流マトリクスを選択し、輸送障害発生が検出されない場合にはリアルタイムに前記列車の混雑度と実際の混雑率を示す混雑履歴データを参照して過去との差分の最も小さい日の乗客流マトリクスを前記平常時の乗客流マトリクスまたは前記非平常時の乗客流マトリクスの中から選択する乗客需要予測部と、
を備えることを特徴とする評価システム。
前記乗客需要予測部は、前記輸送障害発生が検出されない場合、前記差分に現在時刻に近いほど大きく重みづけし、重みづけ後の前記差分の加重平均の最も小さい日の乗客流マトリクスを前記平常時の乗客流マトリクスまたは前記非平常時の乗客流マトリクスの中から選択する、
ことを特徴とする請求項１に記載の評価システム。
前記乗客流マトリクス生成部は、計画された前記交通機関運行情報と前記交通機関運行情報の実績との差分から得られた遅延時間がしきい値以上である場合に前記輸送障害時と判定し、前記計画された前記交通機関運行情報と前記交通機関運行情報の実績との差分から得られた遅延時間がしきい値以上でなく、前記列車の混雑度情報が平常時に比べてしきい値以上である場合に、非平常時と判定する、
ことを特徴とする請求項１に記載の評価システム。
コンピュータを用いて鉄道の運行情報を評価する評価方法であって、
前記コンピュータは、プログラムを実行するプロセッサと、前記プログラムを格納するメモリとを有し、
前記メモリは、乗客が鉄道を利用した履歴が記録される交通機関利用者情報と、入場駅と出場駅との間の移動ルートが記録される移動パタン情報とを格納し、
前記方法は、
前記プロセッサが、前記交通機関利用者情報及び前記移動パタン情報を参照し、乗客の列車の乗車位置への到着時刻を推定し、前記到着時刻の時間帯及び入場駅毎に各駅間を利用する乗客数によって表される乗客流マトリクスを生成し、前記メモリに格納する乗客流マトリクス生成ステップと、
前記プロセッサが、前記乗客流マトリクス及び前記列車の運行を示す交通機関運行情報を用いて前記列車の乗車人数を推定し、乗客の不効用値を算出する評価ステップと、
前記プロセッサが、前記列車の混雑度と前記交通機関運行情報を参照し、輸送障害時、平常時、非平常時のいずれであるか判定し、輸送障害時であると判定した場合には輸送障害時の乗客流マトリクスを生成し、平常時であると判定した場合には平常時の乗客流マトリクスを生成し、非平常時であると判定した場合には非平常時の乗客流マトリクスを生成する非平常時情報検出ステップと、
前記プロセッサが、リアルタイムに取得した前記列車の混雑度と前記交通機関運行情報を参照して輸送障害発生を検出し、輸送障害発生が検出された場合には前記輸送障害時の乗客流マトリクスを選択し、輸送障害発生が検出されない場合にはリアルタイムに前記列車の混雑度と実際の混雑率を示す混雑履歴データを参照して過去との差分の最も小さい日の乗客流マトリクスを前記平常時の乗客流マトリクスまたは前記非平常時の乗客流マトリクスの中から選択する乗客需要予測ステップと、を含むことを特徴とする評価方法。
前記乗客需要予測ステップでは、前記輸送障害発生が検出されない場合、前記差分に現在時刻に近いほど大きく重みづけし、重みづけ後の前記差分の加重平均の最も小さい日の乗客流マトリクスを前記平常時の乗客流マトリクスまたは前記非平常時の乗客流マトリクスの中から選択する、
ことを特徴とする請求項４に記載の評価方法。
前記乗客流マトリクス生成ステップでは、計画された前記交通機関運行情報と前記交通機関運行情報の実績との差分から得られた遅延時間がしきい値以上である場合に前記輸送障害時と判定し、前記計画された前記交通機関運行情報と前記交通機関運行情報の実績との差分から得られた遅延時間がしきい値以上でなく、前記列車の混雑度情報が平常時に比べてしきい値以上である場合に、非平常時と判定する、
ことを特徴とする請求項４に記載の評価方法。