JP2020117169A - 運行管理システム - Google Patents

Abstract

【課題】運転整理の実施前の時点における運転整理の要否を適切に判断することができる運行管理システムを提供する。【解決手段】運転指令員が行う車両の運行管理を支援する運行管理システムであって、列車の運転計画を変更する運転整理の実施時点までの列車の予測ダイヤを運行予測により作成する運行予測部２１０と、過去に列車が運行された結果である過去実績ダイヤに基づいて、運転整理要否判断モデル２２１を作成し、運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤおよび予測ダイヤに適用して、運転整理の要否を示す運転整理要否判断結果２２２を作成する運転整理案決定部２２０とを備える運転整理支援処理部を有する。【選択図】図１

Description

本発明による実施形態は、運行管理システムに関する。

列車の運行管理の業務の一つに運転整理業務があり、これを支援する運転整理支援システムがある。運転整理支援システムにおいて、ダイヤシミュレーションによる運行予測機能や、実績ダイヤを適用した運転整理の要否判断による提案機能の精度の向上が求められる。

例えば、計画，実績，予測ダイヤを表示するとともにそれぞれのダイヤに対応した電力消費量を表示することにより指令員はダイヤ乱れによる消費電力の増減を確認することが知られ、消費電力を考慮した運転整理を実施する列車運行管理システムおよび列車運行管理方法が知られている。また、予測ダイヤを表示することにより、指令員はこの予測ダイヤおよび実績ダイヤなどを確認して運転整理を立案することが知られている。

しかし、作成された予測ダイヤは表示および消費電力の算出に使用されるのみであり、実際の運転整理を立案するのはこれらの情報を確認した指令員である。従って、実際の運転整理の実施時点の前の時点で運転整理を適切に立案できるかどうかは、指令員による予測ダイヤおよび実績ダイヤの適切な利用が可能か否かによる。また、指令員の経験などにより運転整理の適切さにばらつきが発生するため、予測ダイヤを適切に利用した運転整理要否判断の精度向上にはさらなる工夫が必要である。

特許第６０６３６８７号公報 特許第５１７４７２８号公報

運転整理の実施前の時点における運転整理の要否を適切に判断することができる運行管理システムを提供することを目的とする。

本実施形態による運行管理システムは、車両の運行管理を支援する運行管理システムであって、列車の運転計画を変更する運転整理の実施時点までの列車の予測ダイヤを運行予測により作成する運行予測部と、過去に列車が運行された結果である過去実績ダイヤに基づいて、運転整理要否判断モデルを作成し、運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤおよび予測ダイヤに適用して、運転整理の要否を示す運転整理要否判断結果を作成する運転整理案決定部とを備える。

第１実施形態による運行管理システムの構成の一例を示すブロック図。 第１実施形態による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 第１実施形態による運行予測部の内部構成と、運行予測部、運行管理装置、運転整理案決定部および運転整理案提示部の間のデータの入出力関係とを示すブロック図。 第１実施形態による運行管理システムによる「駅停車時間の延び」と「駅間走行時間の延び」をモデル化するための考え方を説明する図。 第１実施形態による運行管理システムにおける運行予測の式の一例を説明する図。 第１実施形態によるパラメータ群算出部の入出力関係を示すブロック図。 第１実施形態によるパラメータ属性定義表の一例を示す図。 第１実施形態による運行管理システムにおける駅間走行時間の延び縮みおよび駅停車時間の延び縮みの平均値および分散の集計結果の一例を示す図。 第１実施形態による運行予測部および運転整理案決定部の動作例を示すフロー図。 変形例１による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 変形例２による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 図１１のダイヤ図における列車群のパターンを分類した模式図。 第２実施形態よる運行状況の一例を示すグラフ。 図１３における予測時点前の運行状況を曜日ごとに分類した例を示すグラフ。 図１３における予測時点前の運行状況を時期ごとに分類した例を示すグラフ。 図１３における予測時点前の運行状況をＫ平均法で分類した例を示すグラフ。 図１３の運行状況から図１６のクラスタ４に分類された運行状況を除く例を示すグラフ。 図１３における予測時点前の運行状況を総遅延時間ごとに分類した例を示すグラフ。 第３実施形態による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 第３実施形態による運行予測部および運転整理案決定部の動作例を示すフロー図。 変形例４による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 変形例４による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。 変形例４による運行管理システムで用いる運転整理要否判断モデルを説明するダイヤ図。

以下、図面を参照して本発明に係る実施形態を説明する。本実施形態は、本発明を限定するものではない。

図面は模式的または概念的なものであり、各部分の比率などは、必ずしも現実のものと同一とは限らない。明細書と図面において、既出の図面に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。

（第１実施形態）
図１は、第１実施形態による運行管理システム１０の構成の一例を示すブロック図である。図１に示す運行管理システム１０は、運転指令員４００が行う車両の運行管理を支援するシステムである。運行乱れが発生した場合に列車運行の順序などの列車の運転計画を変更する運転整理においては、実際に何分くらい遅延が発生しているかという遅延状況を、運転指令員４００が把握した上で、運転整理を行う。運転整理では、遅延の現状把握とともに、運転整理を実施した時点以降にどのような状況が発生するかなどの、運転整理の方針に基づき運転整理を行うことが重要である。例えば、平日に運転整理を実施する場合には、旅客が多いことから、できるだけ運休は避ける、休日に運転整理を実施する場合には、各駅停車の旅客が少ないことから、各駅停車の列車を運休させることで特急のような優等列車を確実に運行させるなど、運転指令員４００は状況に応じた方針をとる必要がある。

運行管理システム１０は、運転指令員支援部１００と、運転整理支援処理部２００と、運行管理装置３００とを備える。

運転指令員支援部１００は、運転指令員４００が行う運行管理を支援する機能を備える。本実施形態において、運転指令員支援部１００は、運転整理案提示部１１０を備える。運転整理案提示部１１０は、運転整理支援処理部２００から出力される運転整理提案結果（運転整理要否判断結果）を運転指令員４００に提示する。すなわち、運行管理の支援とは、運転整理要否判断結果が運転指令員４００に提示され、運転指令員４００による運転整理の判断の参考にされることである。

運転整理支援処理部２００は、車両の運行管理の業務である運転整理を支援するのに必要な処理を行う。運転整理支援処理部２００は、この処理によって情報を生成し、運転指令員支援部１００に送る。運転整理支援処理部２００は、運行予測部２１０と、運転整理案決定部２２０とを備える。

運行予測部２１０は、列車の運転計画を変更する運転整理の実施時点までの列車の予測ダイヤを運行予測により作成する。運行予測部２１０は、予測ダイヤを運転整理案決定部２２０に送る。

運転整理案決定部２２０は、要否判断モデル作成部２２１と要否判断部２２２とを有する。

運転整理案決定部２２０の要否判断モデル作成部２２１は、過去に列車が運行された結果である過去実績ダイヤデータに基づいて、運転整理要否判断モデルを作成する。運転整理要否判断モデルとは、例えば、運転整理が必要であるか否かをモデル化した数式である。また、運転整理案決定部２２０の要否判断部２２２は、運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤデータおよび予測ダイヤに適用して、運転整理の要否を示す運転整理要否判断結果を作成する。運転整理案決定部２２０は、運転整理要否判断結果を運転整理案提示部１１０に送る。運転整理要否判断結果は運転整理案提示部１１０を介して提示され、運転指令員４００による運転整理の要否判断が支援される。列車が駅にまだ到着せず、当日実績ダイヤが得られていないところ（駅）では、予測ダイヤが運転整理要否判断モデルに適用される。これにより、運転整理案決定部２２０は、運転整理の実施前に運転整理要否判断結果を作成することができる。尚、運転整理要否判断モデルの詳細については、図２を参照して、後で説明する。

運行管理装置３００は、運行されている車両の管理を実際に管理する機能を備える。例えば、運行管理装置３００は、実行された運転整理内容を運転整理案提示部１１０から受け取る。運行管理装置３００は、運転整理内容を受け取ると、運行管理装置３００内の進路制御機能により転てつ機などの地上装置を制御する。また、ディジタル無線装置により必要な情報が車両に送付される。尚、運行管理装置３００は、運行管理システム１０の外部に設けられていてもよい。

図２は、第１実施形態による運行管理システム１０で用いる運転整理要否判断モデルを説明するダイヤ図である。

図２の横軸は時間を示し、横軸の単位は分である。図２の縦軸は駅を示す。図２の丸印は、各駅での列車の遅延時間（遅延量）を示す。例えば、実線の丸印は当日実績ダイヤデータによる駅での到着遅延の遅延量を示し、破線の丸印は予測ダイヤによる駅での到着遅延の遅延量を示す。四角印は、当該列車（Ｔ１）が当該駅（Ｓ７）で運転整理が行われることを示す。尚、図２に示す丸印は、発車遅延の遅延量を示してもよく、また、発車遅延および到着遅延の両方を示してもよい。

運転整理案決定部２２０は、運転整理提案を過去の実績ダイヤデータから学習し、各状況に応じた運転整理要否判断モデルを作成し、それに照らし合わせて運転整理要否判断をする。運転整理案決定部２２０は、運転整理の対象列車および対象列車の遅延に関連すると考えられる複数の関連列車の過去実績ダイヤデータを用いて、対象列車の運転整理要否判断モデルを作成する。

図２に示す例では、対象列車Ｔ１および関連列車Ｔ２〜Ｔ５の過去実績ダイヤデータに基づいて、対象列車Ｔ１の運転整理要否判断モデルが作成される。予め設定されているダイヤでは、駅Ｓ７で待避のため停車している列車Ｔ５よりも先に列車Ｔ１は駅Ｓ７を発車する。しかし、運転整理が実施されると、例えば、列車Ｔ５が駅Ｓ７を発車した後に列車Ｔ１は駅Ｓ７を発車する。関連列車の数は、例えば、待避する列車の本数によって変更されてもよい。これは、待避する列車が遅延した列車の追い越しを待つことにより、列車の遅延がさらに拡大しやすくなるためである。

図２に示す例では、列車Ｔ１が駅Ｓ３に到達した時点（運転整理判断時点）において、駅Ｓ７における列車Ｔ１の運転整理の要否を判断する。従って、列車Ｔ１の前後の列車なども遅延に関わると考えられると仮定し、運転整理要否判断モデルを作成する際に過去実績ダイヤが用いられる。具体的には、過去実績ダイヤデータを用いて、以下のような予測（判断）式を作成する。
運転整理要否ｚ＝ｇ（各丸印の遅延量の数式） （式１）
丸印は、運転整理対象列車と、運転整理対象列車の先行列車の駅着遅延、駅発遅延から選ぶ。丸印の実際の値は、予測を行う日の前日以前の過去実績ダイヤデータや予測を行う日の当日実績ダイヤデータなどから構成する。過去実績ダイヤデータと過去運転整理実績データとから運転整理要否の数式を作成する。数式の作成方法については、要否という２値であることから、回帰式による方法の中でもニューラルネットワークなどの機械学習による方法、など、得られる過去実績ダイヤの分量や精度に応じて、丸印の遅延量と運転整理要否の関係を作成する。

このようにして作成された運転整理要否判断モデルを用いて、運転整理案決定部２２０は、当日の実績ダイヤデータ（丸印の遅延量）を適用し、当該列車の当該駅での列車の運転整理の要否を判断する。この判断は、例えば、特定の列車、駅での遅延を監視し、遅延を検知した場合に運転整理要否判断モデルを適用する、という方法による。

ここで、実際に対象列車への運転整理が行われる時刻より、例えば５分前には運転整理の判断をしていないと、駅での旅客案内表示など現場での対応が間に合わない場合が発生する。そこで、前もって運転整理要否判断を行うためには、当日実績ダイヤデータが得られていないところは運行予測による予測ダイヤにより求めた遅延量が用いられる。図２に示す例では、破線の丸印が予測による遅延量である。当日実績ダイヤデータおよび予測ダイヤから求められる遅延量により、列車Ｔ１の運転整理要否判断が行われる。その後、運転整理要否判断の結果が運転指令員４００に提示され、運転整理の参考にされる。すなわち、運転整理要否判断結果が、運転整理を必要としていることを示しているのか、または、運転整理は必要ないことを示しているのかに応じて、この情報を参酌して、運転指令員４００は運転整理を行うかどうかを決定する。

図３は、第１実施形態による運行予測部２１０の内部構成と、運行予測部２１０、運行管理装置３００、運転整理案決定部２２０および運転整理案提示部１１０の間のデータの入出力関係とを示すブロック図である。

運行予測部２１０は、パラメータ群算出部２１９と、パラメータ選択部２１１と、ファイル読込部２１４と、着発時刻取込部２１５と、運行予測計算部２１６とを有する。

パラメータ群算出部２１９は、予測ダイヤの作成に用いられるパラメータである予測計算用パラメータ群２１３を作成し、パラメータ選択部２１１に送る。

パラメータ選択部２１１は、過去実績ダイヤに基づいて、駅に列車が停車した時間のばらつきを表す駅停車時間の変動と、列車が駅間を走行するのに要した時間のばらつきを表す駅間走行時間の変動とを抽出する。また、パラメータ選択部２１１は、駅停車時間の変動および駅間走行時間の変動を列車の運行条件ごとに分類し、変動の分散が小さい運行条件における駅停車時間の変動および駅間走行時間の変動を抽出してもよい。運行条件は、例えば、月、曜日、天候などのパラメータ選択条件２１２である。

パラメータ選択部２１１は、パラメータ選択条件２１２に基づいて、予測計算用パラメータ群２１３からより適切なパラメータ、すなわち、駅間走行時間延び縮み（変動分）および駅停車時間の延び縮み（変動分）を選択する。尚、パラメータ群算出部２１９およびパラメータ選択部２１１の機能の詳細については、図６〜図８を参照して、後で説明する。

一方、ファイル読込部２１４は、手動設定により、運行予報結果に応じたパラメータ選択条件２１２を設定することにより、内蔵する予測計算用パラメータ群２１３に対してより適切なパラメータを該当パラメータ値として選択することも可能とする。これは、例えば、工事などにより臨時速度制限が設定されている区間の場合、当該区間における走行時間の延びを過去データから求めることができないためである。この場合、手作業により走行時間の延びを設定し、予測に反映させる必要がある。このため、パラメータ選択部２１１は、手作業で作成したパラメータ一式をファイルから読み込んで、運行予測計算ができるようにしておく。

パラメータの区分け（パラメータ選択条件２１２）は、例えば、曜日および時期があり、これらの組み合わせ方はオフラインで決めておく。曜日は、例えば、月曜日用、火曜日用、．．．、木曜日用、金曜日用がある。時期は、例えば、夏休み用、冬休み用、平常時用がある。この区分けを運行予測当日の選択条件として入力することにより、運行予測に使用するパラメータが一意に設定される。

運行管理装置３００からは、着発時刻取込部２１５に実績ダイヤデータが出力される。着発時刻取込部２１５は、実績ダイヤデータから実績着発時刻を取り込み、 実績着発時刻を運行予測計算部２１６へ出力する。着発時刻取込部２１５は、毎回、運行予測周期の予測計算開始時に、その時刻で実績ダイヤが得られている列車の着発時刻を検索し取り込む。運行予測周期は、例えば、１０秒〜２分である。

運行予測計算部２１６は、パラメータ選択部２１１により抽出された駅停車時間の変動および駅間走行時間の変動を、運行管理の基準となる制御ダイヤにあてはめて、予測ダイヤを作成する。制御ダイヤは、例えば、予め設定されるダイヤである。

運行予測計算部２１６は、各列車について、着発時刻取込部２１５から新しく来た実績着発時刻を初期値として、予測計算を行う。予測計算では、運行予測計算部２１６は、所定の駅間走行時間や駅停車時間として朝一番のダイヤである実施ダイヤを、および、予測時点の列車順序などは制御ダイヤを、それぞれ運行管理装置３００から取得する。運行予測計算部２１６は、予測ダイヤを運転整理案決定部２２０に送る。

本実施形態においては、列車の運行遅延の要素が、乗降混雑や接続などにより生じる「駅停車時間の延び」と、速度低下や信号の影響などに生じる「駅間走行時間の延び」から構成されていると考えて、これらの変動量をモデル化することにより、列車運行を予測する。すなわち、過去データの分析結果から、「駅停車時間の延び」と「駅間走行時間の延び」を分析してパラメータ化し、運行予測に反映する。尚、「駅停車時間の延び」および「駅間走行時間の延び」は、パラメータ選択部２１１により選択されたパラメータである。

図４は、第１実施形態による運行管理システム１０による「駅停車時間の延び」と「駅間走行時間の延び」をモデル化するための考え方を説明する図である。運行管理の基準となる、駅停車時間、駅間走行時間については、制御ダイヤが用いられる。実際の運行予測においては、遅延などが発生する可能性があることから、客扱い時間の変動、駅間走行時間の変動、を考慮した上で、運行予測をする必要がある。例えば、駅Ｃから駅Ｂの走行では、信号による速度節制を受ける場合があり、駅間走行時間の変動が大きい。駅Ｆ、駅Ｄは他の列車との接続をとる場合が多いことから駅停車時間の変動が大きい。運行予測計算部２１６は、このような運行予測の条件をパラメータとして保持しておく。

図５は、第１実施形態による運行管理システム１０における運行予測の式の一例を説明する図である。駅ｉ＋１の到着時刻は、前の駅である駅ｉの出発時刻に、駅ｉの駅停車時間の変動と、駅ｉから駅ｉ＋１への走行時間と、駅ｉから駅ｉ＋１への駅間走行時間の変動とを加算することで求めることができる。駅ｉの出発時刻と、駅ｉから駅ｉ＋１への走行時間は、運転整理のない標準的な運行の制御ダイヤに基づいて設定される。すなわち、駅ｉ＋１の到着予測時刻Tarr(i+1) = 駅ｉの出発時刻Tdep(i) + 駅ｉの駅停車時間の変動kdep(i) + 駅ｉから駅ｉ＋１への走行時間tdri(i) + 駅ｉから駅ｉ＋１への駅間走行時間の変動kdri(i)により、駅ｉ＋１の到着予測時刻Tarr(i+1)が算出される。

図３に示すように、運転整理案決定部２２０は、当日実績ダイヤおよび予測ダイヤを運行予測計算部２１６から受け取り、運転整理要否判断モデルに適用し、運転整理要否判断結果を作成する。運転整理案決定部２２０は、運転整理要否判断結果を運転整理案提示部１１０に送る。

次に、図６〜図８を参照して、パラメータ群算出部２１９による予測計算用パラメータ群２１３の作成およびパラメータ選択部２１１によるパラメータの選択について説明する。

図６は、第１実施形態によるパラメータ群算出部２１９の入出力関係を示すブロック図である。パラメータ群算出部２１９は、パラメータ選択条件２１２を用いて、パラメータ算出用実績ダイヤデータ２１８の属性・値別の分散・平均値を集計し、予測計算用パラメータ群２１３を作成する。パラメータ算出用実績ダイヤデータ２１８は、例えば、過去の実績ダイヤデータである。属性は、パラメータ選択条件２１２により設定され、また、図６に示す例では、月、曜日、天候である。

図７は、第１実施形態によるパラメータ属性定義表の一例を示す図である。パラメータ属性定義表とは、ある属性について、ある日がどの属性値となるか、ある列車がどの属性値となるか、を定義するものである。図７に示す例では、２０１７／５／１は、曜日という属性では月曜日という属性値をとり、天候という属性では晴という属性値をとり、ｘｘｘという属性ではＣという属性値をとる、ということを定義する。ｘｘｘは、例えば、天候、時期や式典などのイベントである。パラメータ群算出部２１９は、過去の実績ダイヤデータをこのパラメータ属性定義表に従って集計する。

過去の実績ダイヤデータには、各日の各列車の各駅での駅停車時間の所定値からの延び縮み秒数、各日の各列車の各駅間での駅間走行時間の所定値からの延び縮み秒数が格納されている。例えば、パラメータ群算出部２１９は、２０１７／５／１の実績ダイヤデータは月曜日として集計し、２０１７／５／２の実績ダイヤデータは火曜日として集計する。最終的に集計が終わると、パラメータ群算出部２１９は、図８に示すような、列車番号ごとの駅間走行時間の延び縮みおよび駅停車時間の延び縮みの集計結果として、平均値および分散を求める。

図８は、第１実施形態による運行管理システム１０における駅間走行時間の延び縮みおよび駅停車時間の延び縮みの平均値および分散の属性ごとの集計結果の一例を示す図である。

実際に予測する当日となった場合、パラメータ選択部２１１は、パラメータ選択条件２１２から選択条件を取得する。ここでの選択条件は、各属性に対する属性値であり、例えば、当日が２０１８／５／２であり、曜日という属性値が火曜日、天候という属性値が晴をそれぞれとるとする。このような当日の選択条件に対して、パラメータ選択部２１１は、図８の集計結果を参照する。列車番号１の駅８の駅停車時間の延び縮みパラメータは、曜日（火曜日）の分散が１．８、天候（晴）の分散が１２．９であることから、パラメータ選択部２１１は分散の小さい曜日（火曜日）の平均値である−６を採用する。同様に、駅３から駅２への駅間走行時間の延び縮みパラメータは、曜日（火曜日）の分散が１６．２、天候（晴）の分散が０．４であることから、パラメータ選択部２１１は天候（晴）の平均値である２を採用する。

もし、パラメータの分散が大きい属性における平均値を採用する場合、平均値から大きくずれた延び縮みが発生する可能性が高い。すなわち、予測ダイヤの作成に用いるパラメータの分散が大きい場合、予想ダイヤの精度が落ちてしまう。

これに対して、分散の小さい属性における平均値を採用することにより、例えば、平均値などの代表値をパラメータに採用した場合に、分散が大きい属性からより平均値からのずれが小さくなる。これにより、予測ダイヤの精度を向上させることができる。また、予測ダイヤの精度向上により、運転整理支援での運転整理要否判断の精度向上につながる。

尚、パラメータ選択部２１１は、或る閾値よりも大きい駅停車時間の変動および駅間走行時間の変動を、運行条件ごとの分類から除外し、または、抽出から除外してもよい。集計の際に、例えば、事故などによる大乱れの日は所定値からの延びが極端に大きく、このまま平均値や分散を集計しないほうがより精度向上となると考えられる。そこで、大乱れの日を除去するため、所定値からの延びが閾値（例えば、６００秒）以上延びている場合、パラメータ群算出部２１９は、このデータまたはこの日を集計に含めないようにしてもよい。このように、異常値を集計から除外することで、大乱れの日が平均値や分散に影響を与えることを抑制し、予測ダイヤの精度を向上させることができる。また、大乱れの日を集計に含める場合でも、例えば、パラメータ選択部２１１により閾値よりも大きい変動をカットする処理をしてもよい。この場合、再び平均値および分散が計算される。

次に、運行管理システム１０の動作について説明する。

図９は、第１実施形態による運行予測部２１０および運転整理案決定部２２０の動作例を示すフロー図である。

まず、パラメータ選択部２１１は、予測対象に関する情報を取得する（Ｓ１０１０）。予測対象に関する情報とは、例えば、駅・駅間の情報や列車番号などである。運行予測部２１０は、例えば、運行管理装置３００から予測対象に関する情報を取得する。

次に、パラメータ選択部２１１は、パラメータ選択条件２１２から、当日のパラメータ選択条件に関する情報を取得する（Ｓ１０２０）。

次に、パラメータ選択部２１１は、パラメータである、駅間走行時間の延び縮みおよび駅停車時間の延び縮みを選択（抽出）する（Ｓ１０３０）。このとき、パラメータ選択部２１１は、分散の小さい属性からパラメータを選択する。

次に、運行予測計算部２１６は、運行予測をして予測ダイヤを作成する（Ｓ１０４０）。

次に、運転整理案決定部２２０は、運転整理要否判断をする（Ｓ１０５０）。運転整理案決定部２２０は、運転整理要否判断結果を運転整理案提示部１１０に送る。

次に、パラメータ選択部２１１および運行予測計算部２１６は、一日の運行終了か否かを判断する（Ｓ１０６０）。パラメータ選択部２１１および運行予測計算部２１６がまだ一日の運転が終了していないと判断した場合（Ｓ１０６０のＮＯ）、次周期の動作が行われる（Ｓ１０７０）。ステップＳ１０４０，Ｓ１０５０は、運行予測周期ごとに繰り返し実行される。また、ステップＳ１０２０〜Ｓ１０５０は、パラメータ選択条件変更確認周期ごとに繰り返し実行される。パラメータ選択条件変更確認周期は、運行予測周期より長くてよい。例えば、天候が変化するといった大きな周期でのパラメータの変更が可能になる。これにより、運行予測と実際の運行状況との乖離を少なくすることができる。

パラメータ選択部２１１および運行予測計算部２１６が一日の運行終了と判断した場合（Ｓ１０６０のＹＥＳ）、運行管理システム１０は運転整理要否判断の動作を終了する。

以上のように、第１実施形態によれば、運行予測部２１０は、予測ダイヤを運行予測により作成する。また、運転整理案決定部２２０は、運転整理要否判断モデルを、当日実績ダイヤおよび予測ダイヤに適用して、運転整理の要否を示す運転整理要否判断結果を作成する。これにより、運行管理システム１０は、運転整理の実施前の時点における運転整理の要否を適切に判断することができる。従って、運転指令員４００に特別なスキルなどは必要とされず、運転指令員４００の経験によらない適切な運転整理の判断が可能になる。この結果、より少ない人数で運転整理の判断が可能となり、また、異なる運転指令員４００の間で運行管理の品質を略均一にすることができる。従って、運転指令員４００の手が離せないときに、システムの支援により略一定のレベルの運転整理判断が可能となる。また、運転指令員４００は、時間に余裕をもって運転整理の判断をすることができる。

もし、予測ダイヤが用いられない場合、運転整理判断時点から運転整理の実施までの間の当日実績ダイヤデータがまだ得られていないため、運転整理要否判断の精度が落ちてしまう。

これに対して、第１実施形態による運行管理システムは、運転整理判断時点から運転整理の実施までの間のダイヤを過去の実績ダイヤデータにより予測する。従って、当日実績データが無い場合でも、予測ダイヤで補完して、運転整理の要否判断をすることができる。運転整理案決定部２２０は、運転整理要否判断モデルを必要な列車、駅に関してあらかじめ作成しておき、特定の列車、駅での遅延を監視し、遅延を検知した場合に運転整理要否判断モデルにより、運転整理の要否を判断する。過去データからモデルが作成されるため、実績データを遅延予測モデルに適用することにより遅延予測モデルの正解率も利用可能である。これにより、運転指令員４００は遅延予測量の妥当性を念頭においたうえで、運転整理を検討できる。尚、遅延予測モデルとは、遅延予測量の数式である。例えば、図２において、列車Ｔ１が駅Ｓ３に到達した時点で、駅Ｓ７における遅延量が予測される。具体的には、過去実績ダイヤデータを用いて、以下のような予測式を作成する。
遅延量ｙ＝ｆ（各丸印の遅延量の数式） （式２）
数式の作成方法については、運転整理要否を遅延量として、運転整理要否判断モデルの数式の作成方法と同様でよい。

また、予測ダイヤについて、変動分の抽出方法により、予測ダイヤの精度、運転整理要否判断精度は変わる。所定値からの変動分として、例えば、曜日別に集計して月曜日は月曜日の平均値を使うことにより分散を小さくとれる。さらに、このような属性を季節別などいくつか用意しておき、分散の小さい属性の平均値を使うことで予測ダイヤの精度を向上させることができる。

尚、運転整理案決定部２２０は、過去に運転整理を行って運行された列車の過去運転整理実績ダイヤに基づいて、運転整理要否判断モデルを作成してもよい。この場合、要否判断モデル作成部２２１は、過去運転整理実行データを検索し、ある列車群の過去実績ダイヤが得られた時に、過去に実施した運転整理を今回も行うかどうかを予測してもよい。一般に、過去に運転整理を行って運行された列車の過去運転整理実績ダイヤに関するデータはそう多くは無いため、要否判断モデル作成部２２１は、過去実績ダイヤに基づいて、運転整理要否判断モデルをまずは作成する。しかし、運転整理を実施した過去運転整理実績ダイヤに関するデータが多くあれば、運転整理案決定部２２０は、運転整理の内容、例えば順序変更、列車運休など、運転整理案ごとに運転整理要否判断モデルを作成し、運転整理案ごとに運転整理要否判断結果を作成するようにしてもよい。

また、パラメータ群算出部２１９は、平均値に代えて、中央値を集計してもよい。

（変形例１）
第１実施形態の変形例１は、列車番号に代えて、着発時刻により列車が特定されて運転整理要否判断モデルが作成される点で、第１実施形態と異なる。

運転整理要否判断モデルにおける列車は、運行管理の基準となる制御ダイヤにおける駅の出発時刻または到着時刻に基づいて特定される。年１回などのあるタイミングで行われるダイヤ改正のうち、例えば、使われる車両の変更による列車番号名の変更が行われるのみで、着発時刻や前後の列車の関係は変更なし、というレベルのダイヤ改正が行わる場合がある。この場合においては、第１実施形態における列車Ｔ１の特定として、列車Ｔ１という列車番号名を用いた方法では、ダイヤ改正により、運転整理要否判断モデルが改正後に使えなくなってしまう。そこで、図１０下部に示すように、例えば、列車番号の代わりに出発時刻での識別方法により、列車Ｔ１が特定される。

図１０は、変形例１による運行管理システム１０で用いる運転整理要否判断モデルを説明するダイヤ図である。図１０に示すように、列車は、列車番号に代えて、Ｎ０８１２，Ｎ０８１４，Ｎ０８１６，Ｎ０８１９，Ｎ０８２３などの、駅Ｓ１の発車時刻で特定されている。尚、列車の特定方法の他は、図２と同様であるため、その詳細な説明を省略する。

図１０に示す例では、列車Ｎ０８２３は駅Ｓ１を８時２３分に発車するということからこのように識別する。自社線のみの場合は、列車番号名のみが変わる、という状況は少ないと考えられるが、他社線列車による相互直通運転の場合、このような時刻など変化のない情報を用いて運転整理要否判断モデルを作成する。例えば、出発時刻は変わらず、列車番号名のみが変わるような場合に有用である。

変形例１による運行管理システム１０は、第１実施形態と同様の効果を得ることができる。

尚、駅の発車時刻に限られず、到着時刻や、列車の始発時刻により列車が特定されてもよい。

（変形例２）
第１実施形態の変形例２によれば、走行順序の関係に基づいて、複数の列車のパターンごとに運転整理要否判断モデルが作成される点で、第１実施形態と異なる。

第１実施形態による運転整理要否判断モデルは、運転整理対象列車番号、運転整理内容および運転整理対象駅の３つ組の単位で作成される。すなわち、列車番号名単位でモデルが作成されることになる（全個別方式）。しかし、例えば、朝ラッシュ時では、ある遅延状況は列車番号名によるというよりは、運転整理対象列車と関連列車との関係で運転整理の要否が判断される場合がある。この場合、列車番号名を用いない運転整理要否判断モデルが作成される。

第１実施形態の全個別方式では、列車番号の特性をモデル化できるものの、同じ列車番号は１日に１本であるため、モデル作成のデータを収集するには時間を要する。一方、例えば、運転整理対象列車および対象列車の運転整理の原因となりうる関連列車として、基本的には対象列車の先行列車ｎ本（例えば、ｎ＝４）から、モデルが構成される。モデルは、ダイヤ図上での形状によりＡ，Ｂ，...と複数のパターンに分けられる。

図１１は、変形例２による運行管理システム１０で用いる運転整理要否判断モデルを説明するダイヤ図である。図１１の横軸は時間を示し、図１１の縦軸は駅を示す。図１１の丸印は、各駅での運転整理対象列車および対象列車に関連する列車群（この例では対象列車に先行する４つの関連列車）の遅延量を示す。尚、図１１の丸印は、過去実績ダイヤデータの遅延量である。

図１１に示す例では、丸印の遅延量を用いて運転整理要否判断モデルが作成される。一日のダイヤでは、このような列車群のかたまりがいくつか存在するとの前提で、図１１では破線丸四角で囲ったいくつかのパターンに複数の列車が分けられる。

図１２は、図１１のダイヤ図における列車群のパターンを分類した模式図である。

運転整理案決定部２２０は、走行順序の関係に基づいて複数の列車をパターンに分類し、パターンごとに運転整理要否判断モデルを作成する。例えば、運転整理案決定部２２０は、同じまたは類似する走行順序の関係を有する複数の列車をパターンに分類する。図１２に示す例では、パターンとしては、パターンＡ，Ｂ，Ｃの３種類を考える。パターンＡでは、１本の運転整理対象列車、４本の関連列車、駅Ｓで２本待避の列車があるダイヤであり、すべての列車は駅Ｕから走行する。パターンＢでは、１本の運転整理対象列車、４本の関連列車、駅Ｓで１本待避の列車があるダイヤであり、すべての列車が駅Ｕから走行する。パターンＣでは、１本の運転整理対象列車、４本の関連列車、駅Ｓで２本待避の列車があるダイヤであり、４本の列車が駅Ｕから走行し、１本の列車が駅Ｔ始発である。

図１２に示す例では、ＰＡ１、ＰＡ２、ＰＡ３、ＰＢ１、ＰＢ２、ＰＣ１の６つの運転整理対象列車および関連列車の列車群が存在する。パターンＡに属するＰＡ１、ＰＡ２、ＰＡ３を合わせて１つ、パターンＢに属するＰＢ１、ＰＢ２を合わせて１つ、ＰＣ１で１つ、の計３つの運転整理要否判断モデルが作成される。例えば、ＰＡ１、ＰＡ２、ＰＡ３は、列車の運転間隔などが必ずしも同等である必要はなく、極端に運転間隔が異なるなどが無ければよい。また、モデル数が減り、走行順序のなどの列車のつながり関係によるモデルで一般化ができる。従って、例えば、ダイヤ改正の場合においても、極端に運転間隔が異なるなどが無ければ、改正後のダイヤでもモデルが利用可能である。さらに、例えば、パターンＡは１日に複数存在するため、モデル作成のデータ収集が短時間でよくなる。

変形例２による運行管理システム１０は、第１実施形態と同様の効果を得ることができる。また、変形例２による運行管理システム１０に変形例１を組み合わせてもよい。

（第２実施形態）
第２実施形態によれば、当日における予測時点（運転整理判断時点）までの運行乱れを考慮して、駅間走行時間の変動分および駅停車時間の変動分などの運行予測パラメータを選択する点で、第１実施形態と異なる。

パラメータ選択部２１１は、駅停車時間の変動および駅間走行時間の変動を列車の遅延量の程度ごとに分類し、当日の列車の遅延量の程度に基づいて、駅停車時間の変動および駅間走行時間の変動を抽出する。

第２実施形態による運行管理システム１０のその他の構成は、第１実施形態による運行管理システム１０の対応する構成と同様であるため、その詳細な説明を省略する。

図１３は、第２実施形態による運行状況の一例を示すグラフである。図１３は、例えば、或る列車番号における過去１年のうち１５６日分の運行状況を示す。図１３の運行状況は、過去実績ダイヤデータから作成される。図１３の横軸は、予測時点前である駅３到着までの各駅における駅着遅延および駅発遅延、並びに、予測時点以降である駅３での停車時間および駅３から駅４までの走行時間を示す。尚、列車の進行方向は、図１３の左方向である。図１３の縦軸は、所定値からの延び縮み秒数を示す。

図１４は、図１３における予測時点前の運行状況を曜日ごとに分類した例を示すグラフである。図１５は、図１３における予測時点前の運行状況を時期ごとに分類した例を示すグラフである。尚、時期は、例えば、春夏秋冬などである。これらの図では、予測時点以前の運行状況は、例えば、同じ月曜日でもばらつきがあり、予測時点以降のパラメータについてもばらつきが大きくなる可能性がある。

このため、パラメータ選択部２１１は、予測時点前の区間の遅延量の傾向をＫ平均法などの分類手法を用いてあらかじめ分類しておき、当日のダイヤを得た時点でＳＶＭ（Support Vector Machine）などの識別アルゴリズムにより、どの分類に属するかを識別する。パラメータ選択部２１１は、識別された分類において、予測時点以降の停車時間の延び縮みおよび走行時間の延び縮みの平均値を予測ダイヤ作成のパラメータとして抽出する。

図１６は、図１３における予測時点前の運行状況をＫ平均法で分類した例を示すグラフである。図１６に示す例では、図１４および図１５の分類にくらべ、各クラスタでの予測時点以前のばらつきが小さくなるように分類される。従って、予測時点以降のパラメータについてのばらつきも小さくなることが期待される。

尚、パラメータ選択部２１１は、変動のばらつきが大きい分類に含まれる駅停車時間の変動および駅間走行時間の変動を除外して、駅停車時間の変動および駅間走行時間の変動を遅延量の程度ごとに再び分類してもよい。上記分類アルゴリズムによる分類で、図１６のクラスタ４のように、各クラスタ内でのばらつきが大きいクラスタに含まれるデータは運行予測に使うデータとしてもばらつきが大きく、平均値などを採用しても予測ダイヤの精度が向上しないことが考えられる。そこで、前述のＫ平均法などにより分類されたクラスタのうち、ばらつきの大きいクラスタを特定し、このクラスタは、大乱れの発生している日のデータであるとする。この大乱れの日を除いたデータをもとに、パラメータ選択部２１１は、再度、Ｋ平均法などの分類アルゴリズムによる分類を行う。

図１７は、図１３の運行状況から図１６のクラスタ４に分類された運行状況を除く例を示すグラフである。

図１７の全日２に示すように、全日のデータから、クラスタ４のデータが除かれている。これにより、大乱れの日の運行予測は行わない、という前提で、中乱れ以下の運行に関し、グループ分けによる大きなばらつきを低減させることができる。従って、全日２から再び分類されたグループにおける駅間走行時間の変動分および駅停止時間の変動分の平均値などを用いて、より精度のよい予測ダイヤの作成が可能となる。

第２実施形態による運行管理システム１０は、第１実施形態と同様の効果を得ることができる。また、第２実施形態による運行管理システム１０に変形例１および変形例２を組み合わせてもよい。

（変形例３）
第２実施形態の変形例３によれば、簡易な計算により運行状況を分類する点で、第２実施形態とは異なる。

遅延量は、例えば、列車の総遅延時間である。また、パラメータ選択部２１１は、当日の総遅延時間に近い分類における駅停車時間の変動および駅間走行時間の変動を抽出する。

分類手法による分類は、使用する分類アルゴリズムにより、分類が多少異なる場合がある。さらに、分類そのものは計算量を要するものとなること、また、分類されたグループは統計的に算出されるもののこのグループが人間には直感的には理解しにくい、グループに名前をつけるのが容易ではない、といった場合がある。

そこで、分類アルゴリズムによらない、値そのものの方法でもよい。例えば、予測時点前の遅延状況を総遅延秒数の大きさに応じて、総遅延秒数が１０００秒以上は大、１０００秒未満５００秒以上は中、これら以外は小の３グループに運行状況が分類される。その後、当日のダイヤを得た時点での総遅延秒数を算出して大中小のグループを判定し、判定された各グループにおける所定値からの延びの平均値を当日のパラメータとする、といった簡便な方法でもよい。

図１８は、図１３における予測時点前の運行状況を総遅延時間ごとに分類した例を示すグラフである。本方法は、グループの分類を作成する場合、当日のグループを判定する場合、いずれにおいても総遅延秒数などの算術演算のみであり、計算量も少なくなる。また、各グループに意味を与えることができるため、直感的にも採用しやすい。

変形例３による運行管理システム１０は、第２実施形態と同様の効果を得ることができる。また、変形例３による運行管理システム１０に変形例１および変形例２を組み合わせてもよい。

尚、パラメータ選択部２１１は、グループの分類を作成する場合、当日のグループを判定する場合、いずれにおいても予測時点から直近の数駅（例えば、２駅）のみを用いるなど、計算をより簡易にしてもよい。

（第３実施形態）
第３実施形態によれば、予測ダイヤを作成せず運転整理要否判断にも用いない点で、第１実施形態や第２実施形態と異なる。

運転整理案決定部２２０は、予測ダイヤを適用せず、当日実績ダイヤを適用する。これは、パラメータが十分にそろっていないなどで予測ダイヤの精度が十分でない場合には、予測ダイヤを用いず、実績ダイヤを用いるほうが精度の向上が見込めるためである。第３実施形態では、運転整理要否判断の時刻が運転整理実施より一定時間以上手前の場合には、実績ダイヤのみによる要否判断が行われる。

第３実施形態による運行管理システム１０のその他の構成は、第１実施形態による運行管理システム１０の対応する構成と同様であるため、その詳細な説明を省略する。

また、運転整理要否判断モデルは、運転整理の実施時点よりも所定数前の駅までにおける過去実績ダイヤに基づいて作成される。

図１９は、第３実施形態による運行管理システム１０で用いる運転整理要否判断モデルを説明するダイヤ図である。図１９は、運転整理の対象駅（Ｓ７）から一定駅手前の駅（Ｓ４）までの実績ダイヤを用いる場合の例を示す。この場合、運転整理の要否が対象駅から何駅か手前の駅で判断されるため、運転指令員４００は、対象駅への到着前に運転整理の要否を判断することができる。また、対象駅から手前の駅までの間において待避駅が無いなどの運行乱れの要因が少ない場合は、運転整理の実施時刻を前倒しすることができる。

図２０は、第３実施形態による運行予測部２１０および運転整理案決定部２２０の動作例を示すフロー図である。ステップＳ１０１０は、図９に示す第１実施形態におけるステップＳ１０１０と同様である。図２０に示すフロー図では、図９に示すフロー図と異なり、運行予測が行われない。従って、ステップＳ１０１０の後、運転整理案決定部２２０は、運転整理要否判断をする（Ｓ１０１５）。

このように、運転整理要否判断の時刻を前倒しできることにより、運転指令員４００は、余裕をもって指令を出すことができる。

第３実施形態による運行管理システム１０は、第１実施形態と同様に、運転整理の実施前の時点における運転整理の要否を適切に判断することができる。また、第２実施形態による運行管理システム１０に変形例１および変形例２を組み合わせてもよい。

また、予測ダイヤが作成されないため、運行予測部２１０は、着発時刻取込部２１５および運行予測計算部２１６を有しなくてもよい。しかし、当日実績データが十分に得られた場合に、第１実施形態および第２実施形態のように、予測ダイヤを用いるように切り替えてもよい。例えば、運転整理の対象駅から或る程度手前の時刻または駅に列車が達した場合、切り替えが行われる。

（変形例４）
第３実施形態による変形例によれば、運転整理の実施時点よりも所定時間前の駅までにおける運転整理要否判断モデルが作成される点で、第３実施形態とは異なる。

運転整理要否判断モデルは、運転整理の実施時点よりも所定時間前の駅までにおける過去実績ダイヤに基づいて作成される。例えば、運転整理要否判断モデルは、複数の所定時間に対応して複数作成される。

図２１〜図２３は、変形例４による運行管理システム１０で用いる運転整理要否判断モデルを説明するダイヤ図である。図２１〜図２３では、同じく実績ダイヤのみを使う方法として、手前時刻を何段階か区切り、その単位で運転整理要否判断モデルが作成される。この場合、時刻で切るモデルであることから、他列車の状況に応じては実績がそろっていない場合が生じる可能性がある。その場合、運転整理案決定部２２０は、例えば、あらかじめ決められた時刻を加算する、などの局所的、簡易的な運行予測を行い、データを補完する。このため、運転整理案決定部２２０は、各列車走行にともなう実績ダイヤの取得にあわせて時々刻々要否判断ができように当該列車の当該駅での当該運転整理に関し、複数の要否判断モデルを持つ。

図２１〜図２３に示す例では、運転整理案決定部２２０は、それぞれ、列車Ｔ１の駅Ｓ１出発時、列車Ｔ２の駅Ｓ２出発時および列車Ｔ２の駅Ｓ５出発時における運転整理要否判断を行う。

例えば、運転整理案決定部２２０が、必要、必要、必要、の順番で判断した場合、運転指令員４００は、遅延が継続していると判断して運転整理をすると判断する。また、例えば、運転整理案決定部２２０が、必要、不要、不要、の順番で判断した場合、運転指令員４００は、遅延が改善したと判断して運転整理をしないと判断する。このように、運転指令員４００は、遅延の傾向の変化を考慮しながら、運転整理を実施するか否かを判断することができる。

変形例４による運行管理システム１０は、第１実施形態と同様に、運転整理の実施前の時点における運転整理の要否を適切に判断することができる。また、変形例４による運行管理システム１０に変形例１および変形例２を組み合わせてもよい。

尚、運転整理要否判断モデルは、複数ではなく、単体であってもよい。例えば、過去の運転整理の実施状況から、複数の時点のうちの或る時点の運転整理の要否判断の精度が高い場合、その或る時点のモデル単体が運転整理の要否判断に用いられてもよい。これにより、より簡易に運転整理の要否を判断することができる。

本実施形態による運行管理システム１０の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、運行管理システム１０の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。また、運行管理システム１０の少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０ 運行管理システム、２００ 運転整理支援処理部、２１０ 運行予測部、２１１ パラメータ選択部、２１６ 運行予測計算部、２２０ 運転整理案決定部

Claims (9)

1. 車両の運行管理を支援する運行管理システムであって、
   列車の運転計画を変更する運転整理の実施時点までの列車の予測ダイヤを運行予測により作成する運行予測部と、
   過去に列車が運行された結果である過去実績ダイヤに基づいて、運転整理要否判断モデルを作成し、前記運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤおよび前記予測ダイヤに適用して、前記運転整理の要否を示す運転整理要否判断結果を作成する運転整理案決定部とを備える運行管理システム。
2. 前記運転整理要否判断モデルにおける列車は、運行管理の基準となる制御ダイヤにおける駅の出発時刻または到着時刻に基づいて特定される、請求項１に記載の運行管理システム。
3. 前記運転整理案決定部は、走行順序の関係に基づいて複数の列車をパターンに分類し、前記パターンごとに前記運転整理要否判断モデルを作成する、請求項１または請求項２に記載の運行管理システム。
4. 前記運行予測部は、
   前記過去実績ダイヤに基づいて、駅に列車が停車した時間のばらつきを表す駅停車時間の変動と、列車が駅間を走行するのに要した時間のばらつきを表す駅間走行時間の変動とを抽出するパラメータ選択部と、
   前記パラメータ選択部により抽出された前記駅停車時間の変動および前記駅間走行時間の変動を、運行管理の基準となる制御ダイヤにあてはめて、前記予測ダイヤを作成する運行予測計算部とを有する、請求項１から請求項３のいずれか一項に記載の運行管理システム。
5. 前記パラメータ選択部は、前記駅停車時間の変動および前記駅間走行時間の変動を列車の運行条件ごとに分類し、変動の分散が小さい前記運行条件における前記駅停車時間の変動および前記駅間走行時間の変動を抽出する、請求項４に記載の運行管理システム。
6. 前記パラメータ選択部は、前記駅停車時間の変動および前記駅間走行時間の変動を列車の遅延量の程度ごとに分類し、当日の列車の遅延量の程度に基づいて、前記駅停車時間の変動および前記駅間走行時間の変動を抽出する、請求項４に記載の運行管理システム。
7. 前記遅延量は、列車の総遅延時間であり、
   前記パラメータ選択部は、当日の前記総遅延時間に近い分類における前記駅停車時間の変動および前記駅間走行時間の変動を抽出する、請求項６に記載の運行管理システム。
8. 車両の運行管理を支援する運行管理システムであって、
   過去に列車が運行された結果である過去実績ダイヤに基づいて、運転整理要否判断モデルを作成し、前記運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤに適用して、列車の運転計画を変更する運転整理の要否を示す運転整理要否判断結果を作成する運転整理案決定部を備え、
   前記運転整理要否判断モデルは、前記運転整理の実施時点よりも所定数前の駅までにおける前記過去実績ダイヤに基づいて作成される運行管理システム。
9. 車両の運行管理を支援する運行管理システムであって、
   過去に列車が運行された結果である過去実績ダイヤに基づいて、運転整理要否判断モデルを作成し、前記運転整理要否判断モデルを、当日に列車が運行された結果である当日実績ダイヤに適用して、列車の運転計画を変更する運転整理の要否を示す運転整理要否判断結果を作成する運転整理案決定部を備え、
   前記運転整理要否判断モデルは、前記運転整理の実施時点よりも所定時間前の駅までにおける前記過去実績ダイヤに基づいて作成される運行管理システム。