JP2021037903A - ダイヤ作成プログラム及びシステム - Google Patents

Abstract

【課題】ケースバイケースに応じて最適な修正ダイヤを高精度に提案する。【解決手段】列車のダイヤを作成するダイヤ作成プログラムにおいて、予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得ステップと、判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する乗降時間帯別の乗降者人数に関する乗降者人数情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得したダイヤ情報と乗降者人数情報とに基づき、新たに修正ダイヤを提案する提案ステップとをコンピュータに実行させる。【選択図】図３

Description

本発明は、列車のダイヤの乱れを修正するダイヤ作成プログラム及びシステムに関する。

列車のダイヤは、列車の混雑状況等に基づいて作成され、改正される。従来においてこのようなダイヤを是正するシステムは提案されているが（例えば、特許文献１参照。）、ケースバイケースに応じて最適な修正ダイヤを提案できるシステムは未だ提案されていないのが現状であった。

特開２０１７−２２５００９号公報

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、ケースバイケースに応じて最適な修正ダイヤを高精度に提案可能なダイヤ作成プログラム及びシステムを提供することにある。

本発明を適用したダイヤ作成プログラムは、列車のダイヤを作成するダイヤ作成プログラムにおいて、予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得ステップと、判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する乗降時間帯別の乗降者人数に関する乗降者人数情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得したダイヤ情報と乗降者人数情報とに基づき、新たに修正ダイヤを提案する提案ステップとをコンピュータに実行させることを特徴とする。

本発明を適用したダイヤ作成システムは、列車のダイヤを作成するダイヤ作成システムにおいて、予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得手段と、判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する乗降時間帯別の乗降者人数に関する乗降者人数情報を取得する情報取得手段と、上記連関度取得手段により取得された連関度を参照し、上記情報取得手段を介して取得したダイヤ情報と乗降者人数情報とに基づき、新たに修正ダイヤを提案する提案手段とを備えることを特徴とする。

ケースバイケースに応じてリアルタイムに最適な修正ダイヤを高精度に提案が可能となる。

本発明を適用したシステムの全体構成を示すブロック図である。 探索装置の具体的な構成例を示す図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。

以下、本発明を適用したダイヤ作成プログラムについて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用したダイヤ作成プログラムが実装されるダイヤ作成システム１の全体構成を示すブロック図である。ダイヤ作成システム１は、情報取得部９と、情報取得部９に接続された探索装置２と、探索装置２に接続されたデータベース３とを備えている。

情報取得部９は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部９は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部９は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部９は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部９は、後述する探索装置２と一体化されていてもよい。情報取得部９は、検知した情報を探索装置２へと出力する。情報取得部９は、検知した情報を推定装置２へと出力する。また情報取得部９は地図情報をスキャニングすることで位置情報を特定する手段により構成されていてもよい。また、情報取得部９は、作業者の頭部又は眼鏡に一体又は部分的に装着されるユーザ端末や、スマートフォン、タブレット型端末、ウェアラブル端末、デジタルカメラ、ビデオカメラ、その他携帯端末等、映像情報（動画像又は静止画像）を取得できるカメラ等で構成されていてもよい。作業者の頭部又は眼鏡に一体又は部分的に装着されるユーザ端末の例としては、撮像する映像情報に基づいて生成された情報を透過状態で表示する表示部を備えるものであってもよい。ユーザ端末は、例えば、ＨＭＤ（ヘッドマウントディスプレイ）の１種類であるホロレンズ（登録商標）であってもよい。ユーザは、ユーザ端末の表示情報をヘッドマウントディスプレイ又はホロレンズ等のような透過して表示する表示部を介して、作業エリアや評価対象の機器を透過して確認することができる。

データベース３は、ダイヤを修正する上で必要な様々な情報が蓄積されている。例えば、
予め設計されたダイヤに関する参照用ダイヤ情報、ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報、ダイヤに対する各駅を通過する列車に乗車している乗客の乗車状況に関する参照用乗車状況情報、ダイヤに対する各駅の乗り換え路線に関する参照用乗換路線情報、各駅のプラットホーム上の状況を撮像した参照用画像情報、プラットホーム上の状況を撮像した画像から混雑度合を抽出した参照用混雑度合情報、各駅のプラットホームの幅、大きさ、形状、階段の配置、電車とホームの隙間の長さ、収容人数、目印線の位置、プラットホームの線路側端部の位置の何れか１以上で定義される参照用ホーム構造情報、さらに実際に作成すべきダイヤに関する修正ダイヤ等が記録されている。

探索装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この探索装置２による探索解を得ることにより、修正すべきダイヤに関する最適な提案を人工知能から得ることができる。探索装置２は実際に提案を行う場合には画面上に具体的な修正すべきダイヤの内容を表示したり、これを音声で流したり、あるいはプリンタにより紙媒体に助言内容を印刷して表示するようにしてもよい。また、実際に修正すべきダイヤに応じた運転を行う上で必要な情報を表示してもよいし、これに基づいた具体的な運転指示として、加速や減速、スピードに関する情報を表示してもよい。さらにこれらの具体的な運転指示に関する情報に基づいて列車の自動運転をするようにしてもよい。

図２は、探索装置２の具体的な構成例を示している。この探索装置２は、探索装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、各種判断を行う推定部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、探索装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、推定部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部２５は、前述した情報取得部９として具現化されるものであってもよい。

推定部２７は、列車のダイヤ作成を行う。この推定部２７は、推定動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この推定部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなるダイヤ作成システム１における動作について説明をする。ダイヤ作成システム１では、例えば図３に示すように、参照用ダイヤ情報と、参照用乗降者人数情報との組み合わせが形成されていることが前提となる。

参照用ダイヤ情報とは、実際に運用されている列車の既存のダイヤに関する情報である。この参照用ダイヤ情報は、駅毎に設定されている列車の到着予定時刻、出発予定時刻であってもよいし、各列車の便の各駅における到着予定時刻、出発予定時刻であってもよい。この参照用ダイヤ情報は、路線ごとに作成される運行図表（ダイヤ図）であってもよく、横軸に時刻、縦軸に駅名が刻まれ、列車がいかなる時刻でどの駅を通過又は発着するのかを１本のスジで表した斜線で引かれて構成されていてもよい。

参照用乗降者人数情報とは、ダイヤに記載された各駅に到着した電車に乗車する乗客の人数、又は電車から降車する乗客の人数を表したものである。この参照用乗降者人数情報は、各路線の各列車の便について、各駅ごとに、乗降者の人数をカウントしたものとして表されていてもよい。また、全体的な乗降者の人数の傾向を把握するために人数を統計的に処理し、各便の各駅について乗降者の人数がまとめられていてもよい。

修正ダイヤは、参照用ダイヤ情報において定められているダイヤに対して、新たに設定すべきダイヤである。この修正ダイヤも同様に、駅毎に設定されている列車の到着予定時刻、出発予定時刻であってもよいし、各列車の便の各駅における到着予定時刻、出発予定時刻であってもよい。この修正ダイヤは、路線ごとに作成される運行図表（ダイヤ図）であってもよく、横軸に時刻、縦軸に駅名が刻まれ、列車がいかなる時刻でどの駅を通過又は発着するのかを１本のスジで表した斜線で引かれて構成されていてもよい。また、この修正ダイヤは、参照用ダイヤ情報において設定されている元のダイヤに対する修正で表されていてもよく、例えば、元のダイヤに設定された駅毎の発着時間に対して「＋２分」とか「−３分」等のような修正時間で表されていてもよい。このような修正ダイヤに基づいて、各電車の運転士は、自ら運転する便の列車について、最適な各駅の発着時間を守るように運転することで運行状況の乱れを改善することが可能となる。

図３の例では、例えば参照用ダイヤ情報が、各路線の各曜日毎に、各駅の発着時間が各便毎に設定されている。この図３に示す例における参照用ダイヤ情報Ｐ１１〜Ｐ１３は、それぞれ路線、曜日、駅、便の何れか１以上で分類されていてもよい。参照用乗降者人数情報Ｐ１４〜Ｐ１７は、「〇〇線の〇便は、●●駅で、乗車人数３００人、降車人数２００人、●▽駅で、乗車人数１００人、降車人数４００人」等とされていてもよいし、「〇〇駅では、９時１５分に到着する〇便は、乗車人数１００人、降車人数４００人」等とされていてもよい。

入力データとしては、このような参照用ダイヤ情報と、参照用乗降者人数情報が並んでいる。このような入力データとしての、参照用ダイヤ情報に対して、参照用乗降者人数情報が組み合わさったものが、図３に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、修正ダイヤが表示されている。

参照用ダイヤ情報と参照用乗降者人数情報との各組み合わせ（中間ノード）は、この出力解としての、修正ダイヤに対して３段階以上の連関度を通じて互いに連関しあっている。参照用ダイヤ情報と参照用乱れ情報がこの連関度を介して左側に配列し、各修正ダイヤが連関度を介して右側に配列している。連関度は、左側に配列された参照用ダイヤ情報と参照用乱れ情報に対して、何れの修正ダイヤと関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各照用ダイヤ情報と参照用乗降者人数情報が、いかなる修正ダイヤに紐付けられる可能性が高いかを示す指標であり、参照用ダイヤ情報と参照用乗降者人数情報から最も確からしい修正ダイヤを選択する上での的確性を示すものである。図３の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は以下の表１に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力としての修正ダイヤと互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての修正ダイヤと互いに関連度合いが低いことを示している。

探索装置２は、このような図３に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり探索装置２は、実際の危険度の判別を行う上で、参照用ダイヤ情報と参照用乗降者人数情報、並びにその場合の修正ダイヤがどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図３に示す連関度を作り上げておく。

例えば、あるダイヤが設定された参照用ダイヤ情報Ｐ１１が予め連関度に関連付けられているものとする。このとき、以前調査した各便の各駅における乗降者の人数が、乗車人数が５００人、降車人数が２００人であったものとする。このとき、修正ダイヤとして「〇駅の発着時刻が１５時３３分、×駅の発着時刻が１６時０１分」とする修正ダイヤＱ１、「〇駅の発着時刻が１５時３４分、×駅の発着時刻が１６時０２分」とする修正ダイヤＱ２等、修正後の過去の発着時刻のデータを抽出する。これらのデータは、電鉄会社や各駅において保存されている過去の事故データから抽出するようにしてもよい。そして、これらの修正ダイヤで混雑が解消できたか、または列車の運行の流れを良くすることができたか否かに基づいて連関度の重みづけを設定する。混雑が解消できたか、列車の運行を良くすることができたかは、同じく乗降者人数をカウントしてもよいし、カメラでプラットホームを撮像し、その乗客の密度から求めるようにしてもよいし、駅での発着の状況を複数人で視認し、これに関するアンケート調査等を集計して求めるようにしてもよい。

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用ダイヤ情報Ｐ１１で、参照用乗降者人数情報がＰ１６で、かつ修正ダイヤＱ１である場合に、列車の運行の流れを良くすることができたか否か、或いは混雑が解消できたか否かを過去のデータから分析する。列車の運行の流れを良くすることができたほど、或いは混雑が解消できたほど連関度をより高く設定し、その逆の事例が多いほど連関度をより低く設定する。例えば中間ノード６１ａの例では、修正ダイヤＱ１、修正ダイヤＱ２の出力にリンクしているが、以前の事例から修正ダイヤＱ１であると混雑が解消できた頻度が高かったため、これにつながるｗ１３の連関度を７点に、以前の事例から修正ダイヤＱ２であると列車の運行が悪かったため、ｗ１４の連関度を２点に設定している。

また、この図３に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードの出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。

図３に示す連関度の例で、ノード６１ｂは、参照用ダイヤ情報Ｐ１１に対して、参照用乗降者人数情報Ｐ１４の組み合わせのノードであり、修正ダイヤＱ３の連関度がｗ１５、修正ダイヤＱ５の連関度がｗ１６となっている。ノード６１ｃは、参照用ダイヤ情報Ｐ１２に対して、参照用乗降者人数情報Ｐ１５の組み合わせのノードであり、修正ダイヤＱ２の連関度がｗ１７、修正ダイヤＱ４の連関度がｗ１８となっている。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに修正ダイヤを探索する際において、上述した学習済みデータを利用して危険度を判別することとなる。かかる場合には、実際にダイヤが乱れているか、判断の対象となるダイヤに関するダイヤ情報を取得する。この取得すべきダイヤ情報は、その時点において運用している既存のダイヤ（例えば曜日毎にダイヤが異なるのであれば、その判断時の曜日におけるダイヤ）を取得する。また、これに加えて、現時点における当該ダイヤに対する各列車の各駅における乗客の乗車人数、降車人数に関する乗降者人数情報を取得する。

新たに取得するダイヤ情報は、上述した情報取得部９により、例えばキーボードや音声等を介して取得するようにしてもよいし、予めサーバに格納されているダイヤ情報を読み出すことで取得してもよい。

乗降者人数情報は、上述した参照用乗降者人数情報にリンクする。乗降者人数情報の求め方は、参照用乗降者人数情報と同様であり、カメラによる撮像によりカウントしてもよいし、改札を通過する人数等を介してカウントしてもよいし、直接人手でカウントしてもよい。乗降者人数情報は、各路線の各列車の便について、各駅ごとに、乗降者の人数をカウントしたものとして表されていてもよい。また、全体的な乗降者の人数の傾向を把握するために人数を統計的に処理し、各便の各駅について乗降者の人数がまとめられていてもよい。

このようにして新たに取得したダイヤ情報と、乗降者人数情報に基づいて、実際にその新たにダイヤ情報を取得した時点における修正ダイヤを求める。かかる場合には、予め取得した図３（表１）に示す連関度を参照する。例えば、新たに取得したダイヤ情報がＰ１２と同一かこれに類似するものである場合であって、乗降者人数情報が参照用乗降者人数情報Ｐ１７と同一又は類似するものである場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、修正ダイヤＱ３がｗ１９、修正ダイヤＱ４が連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い修正ダイヤＱ３を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる修正ダイヤＱ４を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。

また、入力から伸びている連関度ｗ１〜ｗ１２の例を以下の表２に示す。

この入力から伸びている連関度ｗ１〜ｗ１２に基づいて中間ノード６１が選択されていてもよい。つまり連関度ｗ１〜ｗ１２が大きいほど、中間ノード６１の選択における重みづけを重くしてもよい。しかし、この連関度ｗ１〜ｗ１２は何れも同じ値としてもよく、中間ノード６１の選択における重みづけは何れも全て同一とされていてもよい。

図４は、上述した参照用ダイヤ情報と、参照用乗降者人数情報に加えて、更に参照用画像情報との組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度が設定されている例を示している。

参照用画像情報は、その参照用ダイヤ情報におけるダイヤの各時点においてプラットホームの状況を撮像した画像に関するあらゆる情報を示すものである。プラットホームの状況から、混雑の状況や、列車の乗降者の状況等、様々な事象を判別することができるため、そのプラットホームの状況を撮像した画像情報を連関度に連関させるものである。

かかる場合において、連関度は、図４に示すように、参照用ダイヤ情報と、参照用乗降者人数情報に加え、更に参照用画像情報との組み合わせの集合が上述と同様に修正ダイヤのノード６１ａ〜６１ｅとして表現されることとなる。これにより、参照用ダイヤ情報におけるどのダイヤの、いかなる画像情報に映し出されるプラットホームの状況において、どの程度の乗降者人数がいるのか、の関係に対して最適な修正ダイヤを関連付けて記憶することが可能となる。

例えば、図４において、ノード６１ｃは、参照用ダイヤ情報Ｐ１２が連関度ｗ３で、参照用乗降者人数情報Ｐ１５が連関度ｗ７で、参照用画像情報Ｐ２３が連関度ｗ１１で連関している。同様にノード６１ｅは、参照用ダイヤ情報Ｐ１３が連関度ｗ５で、参照用乱れ情報Ｐ１５が連関度ｗ８で、参照用画像情報Ｐ２２が連関度ｗ１０で連関している。

このような連関度が設定されている場合も同様に、新たに取得したダイヤ情報と、その乗降者の人数の状況と、原時点におけるプラットホームの状況に基づいて、実際に修正ダイヤを求める。画像情報は、現時点におけるプラットホームを撮像した画像情報である。

この修正ダイヤを求める上で予め取得した図４に示す連関度を参照する。例えば、取得したダイヤ情報が参照用ダイヤ情報Ｐ１２に同一又は類似で、乗降者人数情報が参照用乗降者人数情報Ｐ１５と同一又は類似であり、しかも画像情報が参照用画像情報Ｐ２３と同一又は類似であるとき、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、修正ダイヤＱ２が連関度ｗ１７で、また修正ダイヤＱ４が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、修正ダイヤを求めていくことになる。

このとき、図５に示すように参照用画像情報から混雑度を抽出した参照用混雑度合情報との組み合わせで連関度が形成されていてもよい。この参照用混雑度合情報は、参照用画像情報を画像解析することにより、混雑の度合を抽出したものである。画像から混雑の度合いを抽出ためには、画像のある一定の範囲において乗客が何人いるかを解析する。この解析を行う上では、周知の画像解析技術、或いは周知のディープラーニング技術を利用するようにしてもよい。このようにしてプラットホーム上の単位領域当たりにおける乗客の密度を測定し、統計的処理を必要に応じて施した上でこれを混雑度合として数値化する。

また、実際に修正ダイヤを求める際にも、図５に示す連関度を参照し、その時点における混雑度合を上記画像情報から抽出したこれを混雑度合情報とする。そして、この混雑度合情報にリンクする参照用混雑度合情報に基づいて、修正ダイヤを求める。

図６は、上述した参照用ダイヤ情報と、参照用乗降者人数情報に加えて、更に参照用ホーム構造情報との組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度が設定されている例を示している。

参照用ホーム構造情報とは、プラットホームの構造に関する情報である。プラットホームの構造とは、例えば、プラットホームの幅や大きさ、形状、階段の配置、電車とホームの隙間の長さ、収容人数、高さ等、プラットホームの構造に関するあらゆる情報やデータを含むものである。このような参照用ホーム情報は、電鉄会社毎に、或いは駅毎にサーバーなどにおいて予め蓄積されているものを活用するようしてもよいし、カメラにより撮像した画像から構造を画像解析により割り出してもよい。参照用ホーム構造情報は、ホーム上において線路側端部から所定の長さに亘り離間したところに引かれている白線や黄色い線（以下、目印線という。）の位置も含まれる。

かかる場合において、連関度は、図６に示すように、参照用ダイヤ情報と、参照用乗降者人数情報に加え、更に参照用ホーム構造情報との組み合わせの集合が上述と同様に修正ダイヤのノード６１ａ〜６１ｅとして表現されることとなる。これにより、参照用ダイヤ情報におけるどのダイヤの、いかなるプラットホームの構造において、どの程度の乗降者人数がいるのか、の関係に対して最適な修正ダイヤを関連付けて記憶することが可能となる。

例えば、図６において、ノード６１ｃは、参照用ダイヤ情報Ｐ１２が連関度ｗ３で、参照用乗降者人数情報Ｐ１５が連関度ｗ７で、参照用ホーム構造情報Ｐ２５が連関度ｗ１１で連関している。同様にノード６１ｅは、参照用ダイヤ情報Ｐ１３が連関度ｗ５で、参照用乱れ情報Ｐ１５が連関度ｗ８で、参照用ホーム構造情報Ｐ２４が連関度ｗ１０で連関している。

このような連関度が設定されている場合も同様に、新たに取得したダイヤ情報と、その乗降者の人数の状況と、原時点におけるプラットホームの構造に基づいて、実際に修正ダイヤを求める。プラットホームの構造により、特に通路が狭いところがある場合には、混雑度合いが増加すると危険度が増す。このため、このようなプラットホームの構造に応じて混雑度合を減少させるためのダイヤを探索する。

プラットホームの構造を入力する代わりに、ホーム特定情報を入力させるようにしてもよい。ホーム特定情報は、は、実際にその危険度を求めるためのプラットホームが何駅の何線の何番ホームであるかを特定するためのものであり、上述した参照用ホーム情報にリンクする。つまり、プラットホームが何駅の何線の何番ホームであるかが分かれば、そのホームの構造はどのようなものかが特定できるため、参照用ホーム構造情報にリンクすることになる。

この修正ダイヤを求める上で予め取得した図６に示す連関度を参照する。例えば、取得したダイヤ情報が参照用ダイヤ情報Ｐ１２に同一又は類似で、乗降者人数情報が参照用乗降者人数情報Ｐ１５と同一又は類似であり、しかもホーム特定情報が参照用ホーム構造情報Ｐ２５と同一又は類似であるとき、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、修正ダイヤＱ２が連関度ｗ１７で、また修正ダイヤＱ４が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、修正ダイヤを求めていくことになる。

なお、本発明は、上述した実施の形態に限定されるものではない。例えば図７に示すように、参照用乗降者人数情報の代替として、参照用乗車状況情報を連関度に関連付けるようにしてもよい。

参照用乗車状況情報とは、各駅を発着する列車の各便の乗車している人数や乗車率等、社内の混雑状況を示すものである。このような混雑状況は、電鉄会社内にあるデータベースから取り込むようにしてもよいし、改札を通過する乗客の数から求めるようにしてもよいし、乗り降りする乗客数から割り出してもよいし、社内に設置したカメラを介してカウントしてもよいし、或いは人手で直接人数をカウントしてもよい。

このような参照用乗車状況情報との組み合わせの連関度を学習済みモデルとして学習させておき、実際に修正ダイヤを探索するときには、ダイヤ情報に加え、乗車状況情報を入力する。乗車状況情報は、これからダイヤを新たに設定しようとする便の車内における乗客の乗車状況を示すものであり、その求め方は、上述した参照用乗車状況情報と同様である。そして求めた乗車状況情報と同一又は類似の参照用乗車状況情報を介して、修正ダイヤを探索することは上述と同様である。

なお、本発明は、上述した実施の形態に限定されるものではない。例えば図８に示すように、参照用乗降者人数情報の代替として、参照用乗換路線情報を連関度に関連付けるようにしてもよい。

参照用乗換路線情報とは、各駅における乗り換え路線の有無、また乗り換え路線の名前、乗り換え路線の当該駅における発着時間、乗り換え路線の経路や終点に至るまでに到着する駅等の情報である。このような乗り換え路線の情報は、電鉄会社内にあるデータベースから取り込むようにしてもよいし、手入力で入力するようにしてもよい。

このような参照用乗換路線情報との組み合わせの連関度を学習済みモデルとして学習させておき、実際に修正ダイヤを探索するときには、ダイヤ情報に加え、乗換路線情報を入力する。乗換路線情報は、これからダイヤを新たに設定しようとする各駅における乗り換え路線に関する情報であり、上述した参照用乗換路線情報と同種の情報であり、その取得方法も参照用乗換路線情報と同様である。そして求めた乗換路線情報と同一又は類似の参照用乗換路線情報を介して、修正ダイヤを探索することは上述と同様である。

なお、上述した連関度では、参照用ダイヤ情報と、参照用乗降者人数情報、参照用乗車状況情報、参照用乗換路線情報の何れかに加え、参照用画像情報、参照用混雑度合情報、参照用ホーム構造情報の何れかとの組み合わせで構成されている場合を例にとり説明をしたが、これに限定されるものではない。つまり連関度は、参照用ダイヤ情報と、参照用乗降者人数情報、参照用乗車状況情報、参照用乗換路線情報の何れか１以上に加え、参照用画像情報、参照用混雑度合情報、参照用ホーム構造情報の何れか１以上との組み合わせで構成されていてもよい。また、参照用ダイヤ情報と、参照用乗降者人数情報、参照用乗車状況情報、参照用乗換路線情報の何れかとを有する組み合わせ、又は、これらに対して更に照用画像情報、参照用混雑度合情報、参照用ホーム構造情報の何れか１以上の組み合わせが形成されているという前提で、他のファクターがこの組み合わせに加わって連関度が形成されていてもよい。

いずれの場合も、その連関度の参照情報に合わせたデータの入力がなされ、その連関度を利用して修正ダイヤを求める。

また参照用ダイヤ情報と、参照用乱れ情報に加え、上述した参照情報として、更に参照用事故情報を連関度に含めてもよい。この参照用事故情報は、例えば人身事故や天候による事故、乗客同士のトラブルによる事故、気分が悪くなった乗客による遅延に関する事故等が含まれる。電鉄会社内においてこれらの事故の情報を予め取得しておくことで参照用事故情報とし、上述した連関度に含めておく。実際に修正ダイヤを求める上では、その時点において発生している事故の情報に基づく事故情報を取得し、これに基づいて、上記連関度を参照して解探索を行う。

上述した連関度においては、１０段階評価で連関度を表現しているが、これに限定されるものではなく、３段階以上の連関度で表現されていればよく、逆に３段階以上であれば１００段階でも１０００段階でも構わない。一方、この連関度は、２段階、つまり互いに連関しているか否か、１又は０の何れかで表現されるものは含まれない。

上述した構成からなる本発明によれば、ダイヤが乱れた場合において、修正ダイヤを、特段の熟練を要することなく、少ない労力で容易に作ることが可能となる。また本発明によれば、この修正ダイヤの作成を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能（ニューラルネットワーク等）で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている連関度を介して最適な物性や生成機構の探索を行う点に特徴がある。連関度は、上述した５段階以外に、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される連関度に基づいて最も確からしい修正ダイヤを探索することで、修正ダイヤの候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より確からしい修正ダイヤを優先的に表示することも可能となる。

また本発明は、修正ダイヤを提案するだけでなく、それに基づいた運転を行う上で必要な情報を表示してもよいし、これに基づいた具体的な運転指示として、加速や減速、スピードに関する情報を表示してもよい。さらにこれらの具体的な運転指示に関する情報に基づいて列車の自動運転をすることで、自律的なダイヤの適正化を行うことができる。

これに加えて、本発明によれば、連関度が１％のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低いものが判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な危険度を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。またダイヤの乱れが発生し、その後に設定したダイヤに基づいた運行状況のデータに基づいて、入力パラメータと、出力解（危険度）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。

つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。

また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報（参照用ダイヤ情報と、、照用乗降者人数情報、参照用乗車状況情報、参照用乗換路線情報、参照用画像情報、参照用混雑度合情報、参照用ホーム構造情報）を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。

この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

１ ダイヤ作成システム
２ 探索装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 推定部
２８ 記憶部
６１ ノード

Claims (7)

1. 列車のダイヤを作成するダイヤ作成プログラムにおいて、
   予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得ステップと、
   判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する乗降時間帯別の乗降者人数に関する乗降者人数情報を取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得したダイヤ情報と乗降者人数情報とに基づき、新たに修正ダイヤを提案する提案ステップとをコンピュータに実行させること
   を特徴とするダイヤ作成プログラム。
2. 列車のダイヤを作成するダイヤ作成プログラムにおいて、
   予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅を通過する列車に乗車している乗客の乗車状況に関する参照用乗車状況情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得ステップと、
   判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する各駅を通過する列車に乗車している乗客の乗車状況に関する乗車状況情報を取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得したダイヤ情報と乗車状況情報とに基づき、新たに修正ダイヤを提案する提案ステップとをコンピュータに実行させること
   を特徴とするダイヤ作成プログラム。
3. 列車のダイヤを作成するダイヤ作成プログラムにおいて、
   予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗り換え路線に関する参照用乗換路線情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得ステップと、
   判断の対象となるダイヤに関するダイヤ情報と、上記ダイヤに対する各駅の乗り換え路線に関する乗換路線情報を取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得したダイヤ情報と乗換路線情報とに基づき、新たに修正ダイヤを提案する提案ステップとをコンピュータに実行させること
   を特徴とするダイヤ作成プログラム。
4. 上記連関度取得ステップでは、更に上記各駅のプラットホーム上の状況を撮像した参照用画像情報との組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得し、
   情報取得ステップでは、現時点におけるプラットホーム上の状況を撮像した画像情報を取得し、
   上記提案ステップでは、上記情報取得ステップを介して取得した画像情報に基づき、新たに修正ダイヤを提案すること
   を特徴とする請求項１〜３のうち何れか１項記載のダイヤ作成プログラム。
5. 上記連関度取得ステップでは、更にプラットホーム上の状況を撮像した画像から混雑度合を抽出した参照用混雑度合情報との組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得し、
   情報取得ステップでは、現時点におけるプラットホーム上の状況を撮像した画像から混雑度合を抽出した混雑度合情報を取得し、
   上記提案ステップでは、上記情報取得ステップを介して取得した混雑度合情報に基づき、新たに修正ダイヤを提案すること
   を特徴とする請求項１〜４のうち何れか１項記載の記載のダイヤ作成プログラム。
6. 上記連関度取得ステップでは、上記各駅のプラットホームの幅、大きさ、形状、階段の配置、電車とホームの隙間の長さ、収容人数、目印線の位置、プラットホームの線路側端部の位置の何れか１以上で定義される参照用ホーム構造情報との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、そのプラットホームを特定するためのホーム特定情報の入力を受け付け、
   上記提案ステップでは、上記情報取得ステップを介して取得した上記ホーム特定情報にリンクする参照用ホーム構造情報とに基づき、新たに修正ダイヤを提案すること
   を特徴とする請求項１〜５のうち何れか１項記載のダイヤ作成プログラム。
7. 列車のダイヤを作成するダイヤ作成システムにおいて、
   予め設計された既存のダイヤに関する参照用ダイヤ情報と、上記ダイヤに対する各駅の乗降時間帯別の乗降者人数に関する参照用乗降者人数情報を有する組み合わせと、当該組み合わせに対する修正ダイヤとの３段階以上の連関度を予め取得する連関度取得手段と、
   判断の対象となるダイヤに関するダイヤ情報と、現時点における当該ダイヤに対する乗降時間帯別の乗降者人数に関する乗降者人数情報を取得する情報取得手段と、
   上記連関度取得手段により取得された連関度を参照し、上記情報取得手段を介して取得したダイヤ情報と乗降者人数情報とに基づき、新たに修正ダイヤを提案する提案手段とを備えること
   を特徴とするダイヤ作成システム。

Images