JP5080422B2 - プログラム、運行分析方法及び運行分析装置 - Google Patents
プログラム、運行分析方法及び運行分析装置 Download PDFInfo
- Publication number
- JP5080422B2 JP5080422B2 JP2008283192A JP2008283192A JP5080422B2 JP 5080422 B2 JP5080422 B2 JP 5080422B2 JP 2008283192 A JP2008283192 A JP 2008283192A JP 2008283192 A JP2008283192 A JP 2008283192A JP 5080422 B2 JP5080422 B2 JP 5080422B2
- Authority
- JP
- Japan
- Prior art keywords
- station
- probability
- train
- delay state
- analysis
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Description
本発明は、プログラム、運行分析方法及び運行分析装置に関する。
列車の運行を円滑に進めるための運転指令や輸送指令の業務を支援するシステムとして列車運行管理システムがあり、この列車運行管理システムで管理されている運行状況の情報に基づいて種々の情報を提供するシステムが研究・開発されている。運行管理システムには、日々の列車運行実績データが蓄積されている（例えば、特許文献１）。
特開２００５−０９４１２５号公報
ところで、鉄道等の列車では、予め定められた計画ダイヤ（運行計画）に沿って列車が運行されるが、実際の列車運行では、事故等による予期できない遅延が頻繁に発生する。ある駅で生じた遅延は、後続列車や他の駅に影響を与え、更には該路線に乗り入れている他路線にも影響を及ぼす。このため、列車の運行実績データにもとづく列車運行の分析は、現状の列車ダイヤに対する評価や、ダイヤ改正による新たな列車ダイヤに対する評価を行う上で非常に重要な作業であった。しかしながら、遅延が与える影響度合いを定量的に予測・評価するシステムは知られていなかった。本発明は、上記事情に鑑みてなされたものであり、ある駅で発生した遅延が他の駅や後続列車へ与える影響度合いを定量的に評価することを可能とすることを目的としている。
上記課題を解決するための第１の発明は、
コンピュータを、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段、
駅を選択する選択手段、
前記選択された駅での遅延状態を決定する遅延状態決定手段、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段、
として機能させるためのプログラムである。
コンピュータを、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段、
駅を選択する選択手段、
前記選択された駅での遅延状態を決定する遅延状態決定手段、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段、
として機能させるためのプログラムである。
また、他の発明として、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成ステップと、
駅を選択する選択ステップと、
前記選択された駅での遅延状態を決定する遅延状態決定ステップと、
前記選択された駅の遅延状態を前記遅延状態決定ステップで決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計ステップと、
を含む運行分析方法を構成しても良い。
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成ステップと、
駅を選択する選択ステップと、
前記選択された駅での遅延状態を決定する遅延状態決定ステップと、
前記選択された駅の遅延状態を前記遅延状態決定ステップで決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計ステップと、
を含む運行分析方法を構成しても良い。
また、他の発明として、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段と、
駅を選択する選択手段と、
前記選択された駅での遅延状態を決定する遅延状態決定手段と、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段と、
を備えた運行分析装置を構成しても良い。
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段と、
駅を選択する選択手段と、
前記選択された駅での遅延状態を決定する遅延状態決定手段と、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段と、
を備えた運行分析装置を構成しても良い。
この第１の発明等によれば、所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の、当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付き確率を統計処理により求めてベイジアンネットワークが作成される。そして、作成されたベイジアンネットワークに基づいて、ある駅の遅延状態を決定した場合に、各駅の遅延状態の取り得る確率が推計される。例えば、ある駅の遅延状態を“遅延有り”とすることで、他の駅に以降の駅における遅延状態の取り得る確率が推計される。これにより、ある駅で生じた遅延が他の駅に与える影響度合いを、定量的に予測・評価することが可能となる。なお、遅延状態を決定する駅の数は、１つでも良いし、２つ以上（複数）であっても良い。
第２の発明として、第１の発明のプログラムであって、
前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出して当該駅の効用値を算出する効用値算出手段、
前記推計手段により推計された当該駅の各遅延状態の取り得る確率に基づいて当該駅の効用値を推計する効用値推計手段、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出して当該駅の効用値を算出する効用値算出手段、
前記推計手段により推計された当該駅の各遅延状態の取り得る確率に基づいて当該駅の効用値を推計する効用値推計手段、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
この第２の発明によれば、作成されたベイジアンネットワークに基づいて、当該駅での各遅延状態の取り得る確率が算出され、当該駅での効用値が算出されるとともに、ある駅の遅延状態を決定した場合の、推計された当該駅の各遅延状態の取り得る確率に基づいて当該駅の効用値が推計される。
この場合、第３の発明として、
前記効用値算出手段により算出された効用値に対する、前記効用値推計手段により推計された効用値の差異に基づいて、所定の効用値変化表示を行う効用値変化表示手段として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
前記効用値算出手段により算出された効用値に対する、前記効用値推計手段により推計された効用値の差異に基づいて、所定の効用値変化表示を行う効用値変化表示手段として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
この第３の発明によれば、ある駅の遅延状態を決定する前後の効用値の差異に基づいて、所定の効用値変化表示が行われる。これにより、例えば、ある駅における遅延状態を“遅延有り”とした場合には、その一の駅で生じた遅延が他の駅に与える影響を効用値の差異に基づく変化表示とすることが可能となる。ここで、効用値変化表示としては、例えば、効用値の差異を数字で表示する、効用値の差異の大きさに応じた色等で識別表示するといったことが考えられる。
第４の発明として、第２又は第３の発明のプログラムであって、
前記選択手段に順番に一の駅を選択させ、選択させたそれぞれの一の駅について前記遅延状態決定手段、前記推計手段及び前記効用値推計手段を機能させて、前記効用値算出手段により算出された効用値の総合値に対する、前記効用値推計手段により推計された効用値の総合値の差異が所定の改善条件を満たす駅を選出する分析処理を実行する分析処理実行手段として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
前記選択手段に順番に一の駅を選択させ、選択させたそれぞれの一の駅について前記遅延状態決定手段、前記推計手段及び前記効用値推計手段を機能させて、前記効用値算出手段により算出された効用値の総合値に対する、前記効用値推計手段により推計された効用値の総合値の差異が所定の改善条件を満たす駅を選出する分析処理を実行する分析処理実行手段として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
この第４の発明によれば、順番に選択した一の駅それぞれについて、各駅の効用値の総合値に対する、該一の駅の遅延状態を決定した場合の各駅の推計された効用値の総合値の差異が所定の改善条件を満たす駅を選出する分析処理が実行される。ここで、「効用値の総合値」は、効用値の総和としても良いし、平均値としても良い。また、「改善条件」は、効用値の総合値が良くなっているとみなす条件であり、例えば数値条件として定められる。これにより、例えば、順番に選択する駅それぞれの遅延状態を“遅延無し”とすることで、全体として“良い”列車ダイヤとなり得る駅を選出する（すなわち、どの駅を“遅延無し“とするのが効果的かを分析する）ことが可能となる。
第５の発明として、第４の発明のプログラムであって、
前記選択手段により選択された一の駅に基づいて効用値の評価対象駅範囲を設定する評価対象駅範囲設定手段として前記コンピュータを更に機能させ、
前記作成手段が、前記対象駅範囲のベイジアンネットワークを作成し、
前記分析処理実行手段が、前記評価対象駅範囲内の各駅のうちから前記改善条件を満たす駅を選出する、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。
前記選択手段により選択された一の駅に基づいて効用値の評価対象駅範囲を設定する評価対象駅範囲設定手段として前記コンピュータを更に機能させ、
前記作成手段が、前記対象駅範囲のベイジアンネットワークを作成し、
前記分析処理実行手段が、前記評価対象駅範囲内の各駅のうちから前記改善条件を満たす駅を選出する、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。
この第５の発明によれば、駅が順番に選択されるが、この選択された駅に基づいて設定された評価対象駅範囲のベイジアンネットワークが作成され、評価対象駅範囲内の各駅のうちから改善条件を満たす駅が選出される。この場合、駅それぞれについての評価対象範囲に含まれる駅数を同じとすることで、各駅についての効用値の総合値の比較が公平且つ容易となる。
第６の発明として、第１〜第３の何れかの発明のプログラムであって、
前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出する実績確率算出手段、
前記実績確率算出手段により算出された遅延状態の取り得る確率に関する前記依存関係にある駅同士の変化度合と、前記推計手段により推計された遅延状態の取り得る確率に関する当該駅同士の変化度合との差異が所定条件を満たす駅を選出して識別表示する大差駅識別表示手段、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出する実績確率算出手段、
前記実績確率算出手段により算出された遅延状態の取り得る確率に関する前記依存関係にある駅同士の変化度合と、前記推計手段により推計された遅延状態の取り得る確率に関する当該駅同士の変化度合との差異が所定条件を満たす駅を選出して識別表示する大差駅識別表示手段、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。
この第６の発明によれば、作成されたベイジアンネットワークに基づいて、当該駅での各遅延状態の取り得る確率が算出され、算出された遅延状態の取り得る確率に関する依存関係にある駅同士の変化度合いと、推計された遅延状態の取り得る確率に関する当該駅同士の変化度合いとの差が所定条件を満たす駅が識別表示される。
第７の発明として、第１〜第６の何れかの発明のプログラムであって、
前記作成手段が、同一駅に発着する前後の列車間及び同一列車が発着する前後の駅間を依存関係とした場合の条件付確率を統計処理により求めてベイジアンネットワークを作成し、
前記推計手段が、各列車それぞれの各駅での各遅延状態の取り得る確率を推計する、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。
前記作成手段が、同一駅に発着する前後の列車間及び同一列車が発着する前後の駅間を依存関係とした場合の条件付確率を統計処理により求めてベイジアンネットワークを作成し、
前記推計手段が、各列車それぞれの各駅での各遅延状態の取り得る確率を推計する、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。
この第７の発明によれば、ベイジアンネットワークの条件付き確率は、同一駅に発着する前後の列車間及び同一列車が発着する前後の駅間を依存関係とした場合の条件付確率として算出される。そして、作成されたベイジアンネットワークをもとに、一の駅の遅延状態を決定した場合に、各列車それぞれの各駅での遅延状態の取り得る確率が推計される。
第８の発明として、第７の発明のプログラムであって、
前記作成手段が、各列車それぞれの各駅における到着及び出発を区別し、当該列車の当該駅の到着に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅の前の駅の出発との関係を依存関係として算出するとともに、当該列車の当該駅の発車に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅への到着との関係を依存関係として算出してベイジアンネットワークを作成するように前記コンピュータを機能させるためのプログラムを構成しても良い。
前記作成手段が、各列車それぞれの各駅における到着及び出発を区別し、当該列車の当該駅の到着に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅の前の駅の出発との関係を依存関係として算出するとともに、当該列車の当該駅の発車に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅への到着との関係を依存関係として算出してベイジアンネットワークを作成するように前記コンピュータを機能させるためのプログラムを構成しても良い。
この第８の発明によれば、ベイジアンネットワークの条件付き確率は、各列車それぞれの各駅における到着及び出発を区別し、当該列車の当該駅の到着にかかる条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅の前の駅の出発との関係を依存関係として算出されるとともに、当該列車の当該駅の発車に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅への到着との関係を依存関係として算出される。
第９の発明として、第１〜第８の何れかの発明のプログラムであって、
前記作成手段が、各列車それぞれの各駅までの所要時間を計算して、所定の標準所要時間に対する差異に基づいて、前後の駅間の遅延状態を依存関係とする条件付確率を算出してベイジアンネットワークを作成するように前記コンピュータを機能させるためのプログラムを構成しても良い。
前記作成手段が、各列車それぞれの各駅までの所要時間を計算して、所定の標準所要時間に対する差異に基づいて、前後の駅間の遅延状態を依存関係とする条件付確率を算出してベイジアンネットワークを作成するように前記コンピュータを機能させるためのプログラムを構成しても良い。
この第９の発明によれば、ベイジアンネットワークの条件付き確率は、各列車それぞれの各駅までの所要時間の所定の標準所要時間に対する差異に基づいて、前後の駅間の遅延状態を依存関係とする条件付き確率として算出される。
以下、図面を参照して、本発明の好適な実施形態を説明する。なお、以下では、鉄道として在来線及び路面電車それぞれを想定し、旅客の輸送を目的として組成される列車について本発明を適用した場合を説明するが、本発明を適用可能な実施形態がこれに限定されるものではない。
［原理］
本実施形態では、列車運行の分析モデルとして、運行実績に基づくベイジアンネットワーク（以下、「運行分析ＢＮ」という）を作成し、この運行分析ＢＮを用いた列車の運行分析を行う。
本実施形態では、列車運行の分析モデルとして、運行実績に基づくベイジアンネットワーク（以下、「運行分析ＢＮ」という）を作成し、この運行分析ＢＮを用いた列車の運行分析を行う。
ベイジアンネットワーク（Bayesian Network）とは、確率変数Ｘをノードで表し、因果関係（依存関係）をもつ確率変数Ｘの間にリンクを張ったグラフ構造で表現される確率モデルの一つであり、とくに、リンクが因果関係の方向に向きを持ち、このリンクを辿ったパスが循環しない非循環グラフで表されるものをさす。ベイジアンネットワークは、このようなグラフ構造と、確率変数Ｘの間の因果関係（依存関係）を表す条件付き確率の集合によって構成される。本実施形態では、「列車の遅延」という事象を確率変数Ｘとした運行分析ＢＮを作成し、この運行分析ＢＮをもとに遅延の定量的な分析を行う。以下では、在来線及び路面電車それぞれを想定した場合の２つの実施例を説明する。
［第１実施例］
第１実施例では、在来線の列車を想定した運行分析を行う。在来線を含む鉄道では、一般的に、列車は予め定められた列車ダイヤ（計画ダイヤ）に沿って運行され、列車それぞれが、計画ダイヤで規定される着発時刻を厳守することが重要視される。このため、第１実施例では、「列車の遅延」を「計画ダイヤを基準とした遅延」とするとともに、運行される各列車を区別して扱うことにする。
第１実施例では、在来線の列車を想定した運行分析を行う。在来線を含む鉄道では、一般的に、列車は予め定められた列車ダイヤ（計画ダイヤ）に沿って運行され、列車それぞれが、計画ダイヤで規定される着発時刻を厳守することが重要視される。このため、第１実施例では、「列車の遅延」を「計画ダイヤを基準とした遅延」とするとともに、運行される各列車を区別して扱うことにする。
〔原理〕
図１は、第１実施例における運行分析ＢＮのグラフ構造の一例を示す図である。同図では、縦方向を駅、横方向を時刻ｔとして、Ａ駅〜Ｃ駅の区間において１，２列車が運行する場合の運行分析ＢＮを示している。なお、破線は、Ａ駅〜Ｃ駅間の１，２列車それぞれの列車スジを表している。運行分析ＢＮは、確率変数Ｘを表す確率ノードを、確率変数Ｘ間の因果関係（依存関係）の方向を示す有向アーク（リンク）でつないだ有向グラフ構造となっている。また、このグラフ構造は、アークを辿ったパスが循環しない非循環グラフである。
図１は、第１実施例における運行分析ＢＮのグラフ構造の一例を示す図である。同図では、縦方向を駅、横方向を時刻ｔとして、Ａ駅〜Ｃ駅の区間において１，２列車が運行する場合の運行分析ＢＮを示している。なお、破線は、Ａ駅〜Ｃ駅間の１，２列車それぞれの列車スジを表している。運行分析ＢＮは、確率変数Ｘを表す確率ノードを、確率変数Ｘ間の因果関係（依存関係）の方向を示す有向アーク（リンク）でつないだ有向グラフ構造となっている。また、このグラフ構造は、アークを辿ったパスが循環しない非循環グラフである。
第１実施例では、列車を区別し、各列車の各駅での着／発時の遅延事象を確率変数Ｘとする。すなわち、確率ノードを、発時の遅延事象を表す発ノード及び着時の遅延事象を表す着ノードとする。また、確率変数Ｘが表す遅延は、計画ダイヤ上の着発時刻に対する実際の着発時刻の差とする。
そして、確率ノードが表す確率変数Ｘは離散変数であり、その値（遅延状態）は、図２に示すように定められている。すなわち、確率ノードは、遅延時分が６０秒未満である「状態Ａ」、及び、遅延時分が６０秒以上である「状態Ｂ」の何れかの値を取る。
また、着発時の遅延事象の因果関係は、図３に示すように定められる。同図によれば、ある列車のある駅への着時の遅延事象は、当該列車の１つ前の駅の発車、及び、１つ前の列車の当該駅の発車に因果関係をもつ。つまり、着ノードには、該列車の１つ前の駅の発ノード及び１つ前の列車の該駅の発ノードが、親ノードとして設定される。また、ある列車のある駅からの発時の遅延事象は、当該列車の当該駅の到着、及び、１つ前の列車の当該駅の発車に因果関係をもつ。つまり、発ノードには、該列車の該駅の着ノード及び１つ前の列車の該駅の発ノードが、親ノードとして設定される。
また、確率ノードそれぞれには、該ノードに因果関係のある他の確率ノードの状態を条件とした「条件付き確率表（ＣＰＴ：Conditional Probability Table）」が定められる。ＣＰＴは、親ノードの状態を条件とした、子ノードが取り得る全ての状態それぞれの条件付き確率を並べた表（データテーブル）である。つまり、ＣＰＴは、確率変数Ｘ間の因果関係を定量的に表したデータである。
図４に、ＣＰＴの一例を示す。同図では、図１に示した運行分析ＢＮにおける２列車のＢ駅の着遅延を表す確率ノードＣＮ３についてのＣＰＴを示している。この確率ノードＣＮ３は、親ノードである２列車のＡ駅の発遅延を表す確率ノードＣＮ１、及び、１列車のＢ駅の発遅延を表す確率ノードＣＮ２の状態に依存する。つまり、確率ノードＣＮ１，ＣＮ２それぞれの状態の組合せそれぞれについて、確率ノードＣＮ３が取り得る二つの状態Ａ，Ｂそれぞれの条件付き確率を定めている。また、ＣＰＴにおいて、親ノードの状態の組合せそれぞれに対する子ノードの各状態の確率の総和は「１００％」となる。なお、このＣＰＴは、運行実績データから算出される。
また、図５に示すように、運行分析ＢＮを定量的に評価するため、確率ノードそれぞれに、該確率ノードの期待効用値Ｕを表す効用ノードが子ノードとして設定される。図６に、効用値Ｕを定義する効用関数の一例を示す。効用関数は、確率ノードが取り得る値それぞれの効用値ｕを定めている。確率ノードの期待効用値Ｕは、該確率ノードが取り得る状態それぞれの確率値を重みとした効用値ｕの加重平均値として算出される。同図では、状態Ａの効用値ｕが状態Ｂの効用値ｕよりも高く（大きく）設定されている。つまり、状態Ａを取る確率が高い、すなわち遅延が“少ない”確率が高いほど、確率ノードの期待効用値Ｕが大きく（高く）なる。
続いて、このような運行分析ＢＮを用いた列車の運行分析について説明する。本実施例における列車の運行分析では、運行分析ＢＮにおけるある確率ノードの値（遅延状態）を確定したときに、他の確率ノードの確率分布（各遅延状態の確率値の分布）がどのように変化するかを観察するものである。
図７は、運行分析ＢＮの簡単な一例を示す図である。同図（ａ）は、運行分析ＢＮのグラフ構造を示し、同図（ｂ）は、各確率ノードに定められるＣＰＴを示している。なお、この運行分析ＢＮは、図５の運行分析ＢＮにおいて、ある１つの着ノード（２列車のＢ駅着）に関する部分を抽出したネットワークである。
図７（ａ）によれば、運行分析ＢＮのグラフ構造は、子ノードである確率ノードＣＮ３に、２つの確率ノードＣＮ１，ＣＮ２が親ノードとして接続された構造となっている。確率ノードＣＮ１は、２列車のＡ駅からの発事象（発ノード）を表し、確率ノードＣＮ２は、１列車のＢ駅からの発事象（発ノード）を表し、確率ノードＣＮ３は、２列車のＢ駅への着事象（着ノード）を表している。更に、確率ノードＣＮ１〜ＣＮ３それぞれに、効用ノードＵＮ１〜ＵＮ３が子ノードとして設定されている。また、確率ノードＣＮ１〜ＣＮ３それぞれには、同図（ｂ）に示すようにＣＰＴが定められている。なお、各確率ノードが取り得る値（状態）は、図２に示したように定められている。また、効用ノードの効用関数は、図６に示すように定められている。そして、ＣＰＴに従って確率ノードそれぞれの確率分布及び効用値Ｕを算出した後の運行分析ＢＮを図８に示す。この運行実績に基づく運行分析ＢＮを、特に「運行分析基本ＢＮ」という。
次いで、この運行分析基本ＢＮにおいて、ある確率ノードの値を確定することで、他の確率ノードの確率分布がどのように変化するかを見る。ここで、「確率ノードの値を確定する」とは、確率ノードが取り得る値のうちの何れかの確率値を「１００％」とし、他の値の確率値を「０％」とすることである。
図９は、図８の運行分析基本ＢＮにおいて、「確率ノードＣＮ１が状態Ａである」と確定した場合を示す図である。図９では、確率ノードＣＮ１の値が確定したことにより、確率ノードＣＮ１に依存する確率ノードＣＮ３の確率分布が変化しているとともに、期待効用値Ｕが変化している。また、図１０は、図８の運行分析基本ＢＮにおいて、「確率ノードＣＮ２が状態Ａである」と確定した場合を示す図である。図１０では、確率ノードＣＮ２の値が確定したことにより、確率ノードＣＮ２に依存する確率ノードＣＮ３の確率分布が変化しているとともに、期待効用値Ｕが変化している。この運行分析基本ＢＮにおいて確率ノードの値を確定させたものを、特に「運行分析予測ＢＮ」という。運行分析基本ＢＮと運行分析予測ＢＮとは、グラフ構造は同じであるが、確率ノードの確率分布が異なったネットワークとなっている。
そして、運行分析基本ＢＮに対する運行分析予測ＢＮの変化から、例えば、ある駅でのある列車の遅延が“観測”された場合に、列車運行がどのように変化するかといったことを推測することができる。例えば、図８の運行分析基本ＢＮと図９の運行分析予測ＢＮとを比較すると、確率ノードＣＮ１が「状態Ａ」となると、確率ノードＣＮ３が「状態Ａ」となる確率値が上昇することがわかる。また、図８の運行分析基本ＢＮと図１０の運行分析予測ＢＮとを比較すると、確率ノードＣＮ２が「状態Ａ」となると、確率ノードＣＮ３が「状態Ａ」を取る確率値が上昇することがわかる。これらのことにより、ある列車のある駅での発遅延が“小さい”と、該列車の次の駅での着遅延が“小さい”確率が高くなることが推測される。
〔構成〕
図１１は、第１実施例における運行分析装置１の構成を示す図である。同図によれば、運行分析装置１は、例えばコンピュータで実現され、ＣＰＵ１０と、入力部２０と、表示部３０と、音出力部４０と、通信部５０と、記憶部６０とを備えて構成される。
図１１は、第１実施例における運行分析装置１の構成を示す図である。同図によれば、運行分析装置１は、例えばコンピュータで実現され、ＣＰＵ１０と、入力部２０と、表示部３０と、音出力部４０と、通信部５０と、記憶部６０とを備えて構成される。
ＣＰＵ１０は、記憶部６０に記憶されたプログラムやデータ、入力部２０から入力されたデータ等に基づいて運行分析装置１を構成する各部への指示やデータ転送を行い、運行分析装置１の全体制御を行う。
また、ＣＰＵ１０は、運行分析プログラム６１０に従った運行分析処理を行う。具体的には、運行実績に基づく列車の運行分析として、次の第１〜第３分析処理を行う。何れの分析処理を行うかは、例えば入力部２０から入力されるユーザの選択指示に従って決定する。これらの分析処理では、定められた運行計画（計画ダイヤ）に沿った各列車の運行実績（実績ダイヤ）にもとづく運行分析ＢＮを作成し、作成したＢＮを用いた列車の運行分析を行う。ここで、運行計画は運行計画データ６２１として記憶され、この運行計画に沿った列車の運行実績は運行実績データ６２２として記憶されている。
図１２は、運行計画データ６２１のデータ構成の一例を示す図である。同図によれば、運行計画データ６２１は、対象線区（同図では、「○○線区の上り」）にて運行される列車それぞれについて、時系列に、識別番号である列車番号６２１ａと、対象線区内の各駅での着発時刻６２１ｂとを対応付けて格納している。
図１３は、運行実績データ６２２のデータ構成の一例を示す。同図によれば、運行実績データ６２２は、過去の複数の日それぞれのデータ６２２−１，６２２−２，・・・から構成され、各データは、列車それぞれについて、列車番号６２２ａと、各駅での実績の着発時刻６２２ｂとを対応付けて格納している。
そして、この運行計画及び運行実績から、列車の遅延に関するデータである遅延データ６２３が作成される。図１４に、遅延データ６２３のデータ構成の一例を示す。同図によれば、遅延データ６２３は、運行実績データ６２２が生成された複数の日それぞれのデータ６２３−１，６２３−２，・・・から構成され、各データは、列車それぞれについて、列車番号６２３ａと、各駅での着発の遅延時分６２３ｂとを対応付けて格納している。遅延時分６２３ｂは、運行計画データ６２１で定められる着発時刻に対する、運行実績データ６２２に格納された実績の着発時刻との差である。
第１分析処理は、列車の遅延が発生した場合に、それ以降の駅や後続列車に与える影響を推測する処理である。具体的には、先ず、列車ダイヤ中の遅延が発生したと仮定する駅及び列車（例えば、「Ｍ駅における２列車」）をターゲットとして決定する。ここで、ターゲットする駅及び列車は、例えば入力部２０から入力されるユーザの選択指示に従って決定する。決定したターゲットについてのデータは、ターゲットデータ６２７１に格納される。次いで、決定したターゲットをもとに、運行分析の対象とする駅範囲及び列車（以下、両方を含めて「分析対象範囲」という）を決定する。このとき、分析対象の駅範囲は、ターゲットの駅からターゲットの列車の進行方向に連続する所定数（例えば、１５）の駅とする。また、分析対象の列車は、ターゲットの列車を含めた所定数（例えば、１０）の後続列車とする。
続いて、決定した分析対象範囲の運行予測ＢＮを作成する。すなわち、分析対象範囲の列車それぞれの分析対象範囲の駅それぞれにおける着発事象を、確率ノードとして列挙する。このとき、駅範囲の最初の駅については発事象のみを確率ノードとし、最後の駅については着事象のみを確率ノードし、それ以外の駅については着事象及び発事象を確率ノードとして列挙する。次いで、因果関係がある確率ノード同士を、その因果関係の方向に従った有向アークでつないだグラフ構造を作成する。また、確率ノードそれぞれに効用ノードを設定する。
ここで、確率ノードが取り得る値（遅延状態）は、遅延状態設定テーブル６２５にて定義されている。図１５に、遅延状態設定テーブル６２５のデータ構成の一例を示す。同図によれば、遅延状態設定テーブル６２５は、確率ノードが取り得る値（遅延状態）６２５ａそれぞれについて、条件とする遅延時分６２５ｂを対応付けて格納している。
また、確率ノードが表す着発遅延の因果関係は、着発因果関係テーブル６２４にて定義されている。図１６に、着発因果関係テーブル６２４のデータ構成の一例を示す。同図によれば、着発因果関係テーブル６２４は、確率ノードが表す事象６２４ａそれぞれについて、該事象に因果関係を持つ事象６２４ｂを対応付けて格納している。
図１７は、作成された運行予測ＢＮのグラフ構造の一例を示す図である。同図では、分析対象範囲として、対象の駅範囲を「Ａ駅〜Ｍ駅」とし、対象の列車を「１〜１０列車」とした場合の運行分析ＢＮを示している。また、縦方向を列車の進行方向に沿った駅の着発とし、横方向を運行順序に沿った列車としている。運行分析ＢＮにおいて、図中最も左上のノード（時間的に最も早いノード）を、該運行分析ＢＮの「スタートノード」という。第１分析処理では、ターゲットを起点（始点）とした対象分析範囲を設定するため、ターゲットの発ノードがスタートノードとなる。
グラフ構造を作成すると、ＣＰＵ１０は、続いて、確率ノードそれぞれについて、親ノードとの依存関係を表すＣＰＴを算出する。このとき、ＣＰＴは、遅延データ６２３から分析対象範囲に該当するデータ部分を抽出し、このデータ部分をもとに算出する。次いで、算出したＣＰＴに従って、確率ノードそれぞれの確率分布（各遅延状態の確率値の分布）を算出する。更に、確率ノードそれぞれについて、算出した確率分布から期待効用値Ｕを算出する。このように作成された運行分析ＢＮが、運行分析基本ＢＮとなる。
ここで、期待効用値Ｕを算出するための効用関数は、効用関数テーブル６２６にて定義されている。図１８に、効用関数テーブル６２６のデータ構成の一例を示す。同図によれば、効用関数テーブル６２６は、確率ノードが取り得る状態６２６ａそれぞれについて、効用値６２６ｂを対応付けて格納している。
分析対象範囲の運行分析基本ＢＮを作成すると、ＣＰＵ１０は、次いで、この運行分析基本ＢＮにおいて、ターゲットのノードの値を確定する。第１分析処理では、列車の遅延が生じたときに他の駅や列車への影響を分析するため、ターゲットであるスタートノードの値を、遅延が生じたことを表す「状態Ｂ」と確定する。ターゲットのノードの値を確定すると、続いて、確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出する。このように、運行分析基本ＢＮにおいて、ターゲットのノードの値を確定したネットワークが、運行分析予測ＢＮとなる。
作成された運行分析ＢＮ（運行分析基本ＢＮ及び運行分析予測ＢＮ）についてのデータは、運行分析ＢＮデータ６２７２に格納される。図１９は、運行分析ＢＮデータ６２７２のデータ構成の一例を示す図である。同図によれば、運行分析ＢＮデータ６２７２は、分析対象範囲データ６２７３と、グラフ構造データ６２７４と、ＣＰＴデータ６２７５と、確率分布データ６２７６とを含む。分析対象範囲データ６２７３は、運行分析ＢＮの分析対象範囲とした駅範囲及び列車のデータを格納する。グラフ構造データ６２７４は、運行予測ＢＮのグラフ構造のデータである。
ＣＰＴデータ６２７５は、運行予測ＢＮの確率ノードそれぞれに定められたＣＰＴのデータである。図２０に、ＣＰＴデータ６２７５のデータ構成の一例を示す。同図によれば、ＣＰＴデータ６２７５は、運行分析ＢＮを構成する確率ノードそれぞれについてのＣＰＴを格納している。
確率分布データ６２７６は、確率ノードそれぞれの確率分布及び期待効用値Ｕのデータである。図２１に、確率分布データ６２７６のデータ構成の一例を示す。同図によれば、確率分布データ６２７６は、運行分析基本ＢＮについてのデータ６２７６−１と、運行分析予測ＢＮについてのデータ６２７６−２とを含む。データ６２７６−１，６２８６−２は、何れも、運行分析ＢＮを構成する確率ノード６２７６ａそれぞれについて、各状態の確率値６２７６ｂと、期待効用値６２７６ｃとを対応付けて格納しているとともに、期待効用値Ｕの総和６２７６ｄを格納している。
その後、作成した運行分析基本ＢＮ及び運行分析予測ＢＮに基づく分析を行う。例えば、運行分析ＢＮに含まれる確率ノードそれぞれについて、運行分析基本ＢＮにおける確率分布と運行分析予測ＢＮにおける確率分布とを比較し、確率分布の変化が“大きい”ほど、ターゲットの遅延が与える影響が大きいと判断する。ここで、確率分布の変化が“大きい”とは、所定条件を満たす場合であり、具体的には、例えば「少なくとも１つの遅延状態の確率値が所定値（例えば、２０％）以上変化している」場合である。また、確率ノードそれぞれについて、運行分析基本ＢＮにおける期待効用値Ｕと、運行分析予測ＢＮにおける期待効用値Ｕとを比較し、期待効用値Ｕの変化量ΔＵが大きいほど、ターゲットの遅延が与える影響が大きいと判断する。
分析結果についてのデータは、分析結果データ６２７７に格納される。図２２に、分析結果データ６２７７のデータ構成の一例を示す。同図によれば、分析結果データ６２７７は、運行分析ＢＮを構成する確率ノード６２７７ａそれぞれについて、確率分布の変化有無６２７７ｂと、期待効用値Ｕの変化量６２７７ｃとを対応付けて格納している。確率分布の変化有無６２７７ｂは、対応する確率ノードの、運行分析基本ＢＮにおける確率分布に対する運行分析予測ＢＮにおける確率分布の変化であり、少なくとも１つの値（遅延状態）の確率値の変化値が所定値以上である場合に“変化有り”となり、それ以外の場合には“変化無し”となる。期待効用値Ｕの変化量６２７７ｃは、対応する確率ノードの、運行分析基本ＢＮにおける期待効用値Ｕ１に対する運行分析予測ＢＮにおけるＵ２の変化量（＝Ｕ２−Ｕ１）である。
そして、分析結果を示した分析結果画面を表示する。分析結果画面としては、例えば、運行分析基本ＢＮ及び運行分析予測ＢＮを異なる画面で切替表示する。図２３に、分析結果画面の一例を示す。同図では、運行分析基本ＢＮについての表示画面を示しているが、運行分析予測ＢＮについても同様の表示画面となる。同図によれば、分析結果画面では、縦方向を駅、横方向を列車として、確率ノードＣＮがマトリクス状に並べられた運行分析基本ＢＮが表示されている。また、確率ノードＣＮそれぞれについて確率分布がグラフ表示されているとともに、確率ノードＣＮにつながれた効用ノードＵＮに、該確率ノードＣＮの期待効用値Ｕが数値表示されている。なお、ターゲットは「Ａ駅における１列車」である。そして、運行分析予測ＢＮの表示画面において、所定条件を満たして確率分布の変化が“大きい”と判断した確率ノードを識別表示したり、或いは、期待効用値Ｕが大きく変化した確率ノードを識別表示したりする。
第１分析処理に関するデータは、第１分析データ６２７として記憶される。図２４に、第１分析データ６２７のデータ構成の一例を示す。同図に示すように、第１分析データ６２７は、ターゲットデータ６２７１と、運行分析ＢＮデータ６２７２と、分析結果データ６２７７とを含む。
第２分析処理は、列車ダイヤのどの部分の遅延を解消することで、列車ダイヤ全体として遅延が解消された“良い”計画ダイヤとなるかを推定する処理である。具体的には、列車ダイヤにおいて、所定数（例えば、１０）のターゲット（駅及び列車）を決定する。ここで、ターゲットとする駅及び列車は、例えば、入力部２０から入力されるユーザの選択指示に従って決定する。ターゲットは、例えば、運行実績から遅延が“大きい”と判断される列車及び駅を選択する。列挙したターゲットについてのデータは、ターゲットリスト６２８１に格納される。
そして、決定したターゲットそれぞれについての運行予測ＢＮを作成する。この運行予測ＢＮの作成は、第１分析処理の場合と同様である。すなわち、先ず、ターゲットを起点とする分析対象範囲を設定し、設定した分析対象範囲の運行分析ＢＮを作成する。ここで作成した運行分析ＢＮが、運行分析基本ＢＮとなる。ここで、ターゲットそれぞれに設定する分析対象範囲は全て同じ大きさ（駅の数及び列車の数が同じ）とする。つまり、ターゲットそれぞれについての運行分析ＢＮに含まれる確率ノードの数は同じとなる。
次いで、作成した運行分析ＢＮにおいて、ターゲットの値を確定する。第２実施例では、ターゲットでの遅延が解消された、つまり遅延が生じないと仮定した場合に、以降の駅や後続の列車に与える影響を推測するため、ターゲットであるスタートノードの値を、遅延が生じていないことを表す「状態Ａ」とする。そして、確定したターゲットの値に従って、他の確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出する。また、確率ノードそれぞれの期待効用値Ｕの総和Ｗを算出する。このようにスタートノードの値を確定した後の運行分析ＢＮが、運行分析予測ＢＮとなる。
作成された運行分析ＢＮに関するデータは、ターゲット毎の運行分析ＢＮデータ６２８２に格納される。
全てのターゲットそれぞれについての運行分析ＢＮを作成すると、作成したターゲットそれぞれの運行分析ＢＮに基づく分析を行う。すなわち、全てのターゲットそれぞれについて、運行分析基本ＢＮにおける確率ノードそれぞれの期待効用値Ｕの総和Ｗ１と、運行分析予測ＢＮにおける確率ノードそれぞれの期待効用値Ｕの総和Ｗ２とを算出し、更に、この効用値総和Ｗ１，２の変化量ΔＷ（＝Ｗ２−Ｗ１）を算出する。そして、これらのターゲットのうち、効用値総和Ｗの変化量ΔＷが大きい（すなわち、より改善されている）ほど、該当する部分の遅延を解消することで、列車ダイヤ全体として遅延が少ない“良い”ダイヤになり得ると判断する。
分析結果についてのデータは、分析結果データ６２８３に格納される。図２５は、分析結果データ６２８３のデータ構成の一例を示す図である。同図によれば、分析結果データ６２８３は、ターゲット６２８３ａそれぞれについて、該ターゲットを起点（スタートノード）とした分析対象範囲の運行分析基本ＢＮにおける期待効用値Ｕの総和６２８３ｂと、運行分析予測ＢＮにおける期待効用値Ｕの総和６２８３ｃと、効用値総和Ｗ１，Ｗ２の変化量６２８３ｄとを対応付けて格納している。
そして、分析結果を示す分析結果画面を表示する。例えば、列挙した複数のターゲット（列車及び駅）を効用値総和Ｗの変化量ΔＷが大きい順に一覧表示する。また、効用値総和Ｗの変化量ΔＷが所定の改善条件を満たすターゲットに該当する部分（列車及び駅）を列車ダイヤ上で識別表示することにしても良い。ここで、改善条件とは、該当する部分の遅延を解消することで列車ダイヤ全体が改善され得るとみなされる条件であり、具体的には、例えば、「変化量ΔＷが最も大きい」、「変化量Δが所定値以上である」といった条件である。
第２分析処理に関するデータは、第２分析データ６２８として記憶される。図２６に、第２分析データ６２８のデータ構成の一例を示す。同図によれば、第２分析データ６２８は、ターゲットリスト６２８１と、ターゲットそれぞれについての複数の運行分析ＢＮデータ６２８２とを含む。運行分析ＢＮデータ６２８２は、列挙されたターゲットそれぞれについて生成され、そのデータ構成は、図１９に示した運行分析ＢＮデータ６２７２と同様である。
第３分析処理は、列車ダイヤのある列車のある駅に着目し、この着目部分の遅延に影響を与える範囲を推定する処理である。具体的には、先ず、列車ダイヤ中の着目する駅及び列車をターゲットとして決定する。決定したターゲットについてのデータは、ターゲットデータ６２９１に格納される。また、ターゲット（着目部分）に影響を与えるかの判断の対象とする列車ダイヤ中の複数の候補部分（駅及び列車）を列挙する。この候補部分は、ターゲットの列車より前の（先行する）列車とするともに、ターゲットの駅より前の駅とする。列挙された候補部分についてのデータは、候補部分リスト６２９２に格納される。ここで、ターゲット及び候補部分とする駅及び列車は、例えば、入力部２０から入力されるユーザの選択指示に従って決定する。
そして、列挙した候補部分それぞれについての運行分析ＢＮを作成する。すなわち、候補部分それぞれについて、候補部分を起点とするとともにターゲットを含む分析対象範囲を設定し、設定した分析対象範囲の運行分析ＢＮを作成する。つまり、候補部分の発ノードをスタートノードとし、ターゲットのノードを含む運行分析ＢＮを作成する。この場合、候補部分毎に分析対象範囲が異なることになり、従って、作成される運行分析ＢＮに含まれる確率ノードの数が異なることになり得る。
そして、この運行分析基本ＢＮにおいて、候補部分であるスタートノードの値を確定する。第３分析処理では、ある駅で生じた遅延がターゲットに与える影響を分析するため、スタートノードの値を、遅延が生じたことを表す「状態Ｂ」とする。そして、確定したスタートノードの値に従って、確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出する。このようにスタートノードの値を確定した後の運行分析ＢＮが、運行分析予測ＢＮとなる。
作成された運行分析ＢＮについてのデータは、候補部分毎の運行分析ＢＮデータ６２９３に格納される。
そして、全ての候補部分についての運行分析ＢＮを作成すると、作成した運行分析ＢＮに基づく分析を行う。すなわち、全ての候補部分それぞれについて、運行分析基本ＢＮにおけるターゲットのノードの効用値Ｕ１と、運行分析予測ＢＮにおけるターゲットのノードの効用値Ｕ２との変化量ΔＵ（＝Ｕ２−Ｕ１）を算出する。この変化量ΔＵが大きいほど、該候補部分の遅延がターゲットの遅延に与える影響が大きいと判断する。
分析結果についてのデータは、分析結果データ６２９４に格納される。図２７に、分析結果データ６２９４のデータ構成の一例を示す。同図によれば、分析結果データ６２９４は、候補部分６２９４ａそれぞれについて、該候補部分のノードをスタートノードとした運行分析基本ＢＮにおけるターゲットの期待効用値６２９４ｂと、運行分析予測ＢＮにおけるターゲットの期待効用値６２９４ｃと、ターゲットの期待効用値Ｕ１，Ｕ２の変化量６２９４ｄと、ターゲットへの影響有無６２９４ｅとを対応付けて格納している。ターゲットへの影響有無６２９４ｅは、ターゲットの期待効用値Ｕの変化量ΔＵが所定の閾値ＵＴＨ以上の場合に“影響有り”となり、閾値ＵＴＨ未満の場合には“影響無し”となる。
そして、分析結果を示した分析結果画面を表示する。例えば、ターゲットとともに、列挙した複数の候補部分（列車及び駅）を、ターゲットの期待効用値Ｕの変化量ΔＵが大きい順に一覧表示したり、或いは、期待効用値Ｕの変化量ΔＵが所定量以上の候補部分や変化量ΔＵが最も大きい候補部分（列車及び駅）を、列車ダイヤ上で識別表示することにしても良い。
第３分析処理に関するデータは、第３分析データ６２９として記憶される。図２８に、第３分析データ６２９のデータ構成の一例を示す。同図によれば、第３分析データ６２９は、ターゲットデータ６２９１と、候補部分リスト６２９２と、候補部分それぞれについての複数の運行分析ＢＮデータ６２９３とを含む。
図１１に戻り、入力部２０は、例えばキーボードやマウス、タッチパネル、各種スイッチ等で実現される入力装置であり、操作入力に応じた入力信号をＣＰＵ１０に出力する。表示部３０は、例えばＬＣＤ（Liquid Crystal Display）やＥＬＤ（Electronic Luminescent Display）等で実現される表示装置であり、ＣＰＵ１０から入力される表示信号に基づく各種画面を表示する。通信部５０は、例えば無線通信モジュールやルータ、モデム、ＴＡ、有線用の通信ケーブルのジャックや制御回路等で実現される通信装置であり、外部機器との間でデータ通信を行う。
記憶部６０は、ＣＰＵ１０が運行分析装置１を統合的に制御するための諸機能を実現するためのシステムプログラムや、本実施形態を実行するためのプログラムやデータ等を記憶しているとともに、ＣＰＵ１０の作業領域として用いられ、ＣＰＵ１０が各種プログラムに従って実行した演算結果や、入力部２０からの入力信号が一時的に格納される。第１実施例では、記憶部６０には、プログラムとして運行分析プログラム６１０が記憶されるとともに、データとして、運行計画データ６２１と、運行実績データ６２２と、遅延データ６２３と、着発因果関係テーブル６２４と、遅延状態設定テーブル６２５と、効用関数テーブル６２６と、第１分析データ６２７と、第２分析データ６２８と、第３分析データ６２９とが記憶される。運行分析プログラム６１０は、第１分析処理を実現するための第１分析プログラム６１１と、第２分析処理を実現するための第２分析プログラム６１２と、第３分析処理を実現するための第３分析プログラム６１３とを含んでいる。
〔処理の流れ〕
図２９は、第１分析処理を説明するフローチャートである。なお、第１分析処理に先立ち、運行計画データ６２１及び運行実績データ６２２に基づく遅延データ６２３が生成されているものとする。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする駅及び列車を決定する（ステップＡ１）。次いで、ターゲットを起点とする分析対象範囲を決定する（ステップＡ３）。
図２９は、第１分析処理を説明するフローチャートである。なお、第１分析処理に先立ち、運行計画データ６２１及び運行実績データ６２２に基づく遅延データ６２３が生成されているものとする。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする駅及び列車を決定する（ステップＡ１）。次いで、ターゲットを起点とする分析対象範囲を決定する（ステップＡ３）。
そして、決定した分析対象範囲の運行分析基本ＢＮを作成する。すなわち、分析対象範囲に該当する列車ダイヤのダイヤ部分について、範囲内の列車それぞれの各駅での着発事象を表す確率ノードを列挙し、列挙した確率ノードの間を着発事象の因果関係の方向を示す有向ノードでつないで、グラフ構造を生成する（ステップＡ５）。次いで、分析対象範囲に該当する遅延データ６２３のデータ部分をもとに、確率ノードそれぞれのＣＰＴを算出する（ステップＡ７）。続いて、算出したＣＰＴをもとに確率ノードそれぞれの確率分布（各状態の確率値）を算出し（ステップＡ９）、確率ノードそれぞれについて、算出した確率分布をもとに、確率関数に従って期待効用値Ｕを算出する（ステップＡ１１）。更に、確率ノードそれぞれの期待効用値Ｕの総和Ｗ１を算出する（ステップＡ１３）。このように生成した運行分析ＢＮを、運行分析基本ＢＮとする。
続いて、運行分析予測ＢＮを作成する。すなわち、作成した運行分析基本ＢＮにおいて、ターゲットであるスタートノードの値を、遅延が生じたことを表す「状態Ｂ」に確定する（ステップＡ１５）。そして、運行分析基本ＢＮの確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出し、運行分析予測ＢＮとする（ステップＡ１７）。更に、運行分析予測ＢＮにおける確率ノードそれぞれの期待効用値Ｕの総和Ｗ２を算出する（ステップＡ１９）。
続いて、作成した運行分析基本ＢＮ及び運行分析予測ＢＮに基づく分析を行う（ステップＡ２１）。すなわち、運行分析ＢＮを構成する確率ノードそれぞれについて、運行分析基本ＢＮ及び運行分析予測ＢＮそれぞれにおける確率分布を比較し、確率分布の変化の有無を判断する。また、確率ノードそれぞれについて、運行分析基本ＢＮ及び運行分析予測ＢＮそれぞれにおける期待効用値Ｕ１，Ｕ２の変化量ΔＵを算出する。
その後、分析結果の表示を行う（ステップＡ２３）。すなわち、例えば、図２３に示したように、グラフ構造とともに確率ノードそれぞれの確率分布及び期待効用値Ｕを表示した運行分析基本ＢＮ及び運行分析予測ＢＮそれぞれの表示画面を切り替え表示する。更に、運行分析予測ＢＮにおいて、所定条件を満たす（すなわち、運行分析基本ＢＮに比較して確率分布の変化が“大きい”）確率ノードを識別表示したり、期待効用値Ｕの変化量ΔＵが所定値以上の確率ノードを識別表示したりする。以上の処理を行うと、ＣＰＵ１０は、第１分析処理を終了する。
図３０は、第２分析処理を説明するフローチャートである。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする複数の駅及び列車の組合せを決定する（ステップＢ１）。そして、決定したターゲットそれぞれを対象としたループＡの処理を行う。
ループＡでは、先ず、対象のターゲットを起点とする所定の大きさの分析対象範囲を決定する（ステップＢ３）。次いで、決定した分析対象範囲の運行分析基本ＢＮを作成する。すなわち、第１分析処理の場合と同様に、分析対象範囲内の列車それぞれの各駅での着発事象を表す確率ノードを列挙し、列挙した確率ノードの間を着発事象の因果関係の方向を示す有向ノードでつないで、グラフ構造を生成する（ステップＢ５）。次いで、分析対象範囲に該当する遅延６２３のデータ部分をもとに、確率ノードそれぞれのＣＰＴを算出する（ステップＢ７）。続いて、算出したＣＰＴをもとに確率ノードそれぞれの確率分布（各状態の確率値）を算出し（ステップＢ９）、確率ノードそれぞれについて、算出した確率分布をもとに、確率関数に従って期待効用値Ｕを算出する（ステップＢ１１）。更に、確率ノードそれぞれの期待効用値Ｕの総和Ｗ１を算出する（ステップＢ１３）。このように作成した運行分析ＢＮを、運行分析基本ＢＮとする。
次いで、運行分析予測ＢＮを作成する。すなわち、運行分析基本ＢＮにおいて、対象ターゲットであるスタートノードの値を、遅延が生じていないことを表す「状態Ａ」に確定する（ステップＢ１５）。次いで、確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出し（ステップＢ１７）、これら確率ノードそれぞれの期待効用値Ｕの総和Ｗ２を再算出する（ステップＢ１９）。
続いて、運行分析基本ＢＮにおける期待効用値Ｕの総和Ｗ１に対する、運行分析予測ＢＮにおける効用値Ｕの総和Ｗ２の変化量ΔＷ（＝Ｗ２−Ｗ１）を算出する（ステップＢ２１）。ループＡは、このように行われる。
全てのターゲットを対象としたループＡの処理を終了すると、作成した各ターゲットの運行分析ＢＮに基づく分析を行う（ステップＢ２３）。すなわち、これらのターゲットのうちから、期待効用値の総和の変化量ΔＷが所定の改善条件（例えば、所定の閾値以上）を満たすターゲットを抽出し、これら抽出したターゲットを、該ターゲットの遅延を解消することで列車ダイヤ全体としての遅延が解消され得ると判断する。
その後、分析結果の表示処理を行う（ステップＢ２５）。すなわち、例えば、列車ダイヤ上や図２３に示したような運行分析ＢＮ上において、期待効用値の総和の変化量ΔＷが改善条件を満たすとして抽出したターゲットに該当する部分（列車及び駅）を識別表示する。以上の処理を行うと、ＣＰＵ１０は、第２分析処理を終了する。
図３１は、第３分析処理を説明するフローチャートである。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする列車及び駅を決定する（ステップＣ１）。次いで、例えば入力部２０から入力されるユーザの選択指示に従って、候補部分とする複数の列車及び駅の組合せを決定する（ステップＣ３）。なお、この候補部分は、ターゲットの列車の後続列車であるとともに、ターゲットの駅の先の駅であるとする。そして、決定した候補部分それぞれを対象としたループＢの処理を行う。
ループＢでは、対象の候補部分を起点とするとともにターゲットを含む分析対象範囲を決定する（ステップＣ５）。次いで、分析対象範囲の運行分析基本ＢＮを作成する。すなわち、第１分析処理の場合と同様に、分析対象範囲内の列車それぞれの各駅での着発事象を表す確率ノードを列挙し、列挙した確率ノードの間を着発事象の因果関係の方向を示す有向ノードでつないで、グラフ構造を生成する（ステップＣ７）。次いで、分析対象範囲に該当する遅延６２３のデータ部分をもとに、確率ノードそれぞれのＣＰＴを算出する（ステップＣ９）。続いて、算出したＣＰＴをもとに確率ノードそれぞれの確率分布（各状態の確率値）を算出し（ステップＣ１１）、確率ノードそれぞれについて、算出した確率分布をもとに、確率関数に従って期待効用値Ｕを算出する（ステップＣ１３）。更に、確率ノードそれぞれの期待効用値Ｕの総和Ｗ１を算出する（ステップＣ１５）。このように作成した運行分析ＢＮを、運行分析基本ＢＮとする。
次いで、運行分析予測ＢＮを作成する。すなわち、運行分析基本ＢＮにおいて、対象の候補部分であるスタートノードの値を、遅延が生じたことを表す「状態Ｂ」に確定する（ステップＣ１７）。そして、運行分析基本ＢＮにおける確率ノードそれぞれの確率分布及び期待効用値Ｕを再算出し（ステップＣ１９）、更に、運行分析予測ＢＮにおける確率ノードそれぞれの期待効用値Ｕの総和Ｗ２を算出する（ステップＣ２１）。このように作成した運行分析ＢＮを、運行分析予測ＢＮとする。
続いて、運行分析基本ＢＮにおけるターゲットのノードの期待効用値Ｕ１に対する、運行分析予測ＢＮにおけるターゲットのノードの期待効用値Ｕ２の変化量ΔＵ（＝Ｕ２−Ｕ１）を算出する（ステップＣ２３）。そして、算出した期待効用値Ｕの変化量ΔＵをもとに、対象の候補部分がターゲットに影響を与えるか否かを判断する。すなわち、変化量ΔＵが所定の閾値ＵＴＨ以上ならば（ステップＣ２５：ＹＥＳ）、対象の候補部分はターゲットに“影響を与える”と判断し（ステップＣ２７）、変化量ΔＵが閾値ＵＴＨ未満ならば（ステップＣ２５：ＮＯ）、対象の候補部分はターゲットに“影響を与えない”と判断する（ステップＣ２９）。ループＢはこのように行われる。
そして、全ての候補部分を対象としたループＢを終了すると、作成した各候補部分の運行分析ＢＮに基づく分析処理を行う（ステップＣ３１）。その後、分析結果の表示処理を行う（ステップＣ３３）。以上の処理を行うと、ＣＰＵ１０は、第３分析処理を終了する。
［第２実施例］
次に、第２実施例を説明する。第２実施例では、路面電車（道路上に敷設された軌道を走行する電車）を想定した運行分析を行う。路面電車は、在来線と比較して、駅（電停）間の距離や時間が短く、また、信号による停車等によって計画ダイヤを厳守した運転が難しい。また、利用者の観点からは、必ずしも計画ダイヤに沿った厳密な運行よりも、各駅での列車の運行間隔のばらつきが小さいことが望まれる。このため、第２実施例では、「列車の遅延」を「駅までの所要時間の遅延」とするとともに、運行される各列車を区別しないことにする。
次に、第２実施例を説明する。第２実施例では、路面電車（道路上に敷設された軌道を走行する電車）を想定した運行分析を行う。路面電車は、在来線と比較して、駅（電停）間の距離や時間が短く、また、信号による停車等によって計画ダイヤを厳守した運転が難しい。また、利用者の観点からは、必ずしも計画ダイヤに沿った厳密な運行よりも、各駅での列車の運行間隔のばらつきが小さいことが望まれる。このため、第２実施例では、「列車の遅延」を「駅までの所要時間の遅延」とするとともに、運行される各列車を区別しないことにする。
〔原理〕
図３２は、第２実施例における運行分析ＢＮのグラフ構造の一例を示す図である。同図では、縦方向を駅、横方向を時刻ｔとして、ある線区（始発駅であるＡ駅から終着駅であるＺ駅）における運行分析ＢＮのグラフ構造を示している。第２実施例では、列車を区別せず、各駅までの所要時間の遅延事象を確率変数Ｘとする。すなわち、確率ノードを、各駅での遅延を表す「駅ノード」とする。なお、本実施例では、ある駅までの「所要時間」を、始発駅の発時刻から該駅の発時刻までの時間とするが、該駅の着時刻までの時間としても良い。
図３２は、第２実施例における運行分析ＢＮのグラフ構造の一例を示す図である。同図では、縦方向を駅、横方向を時刻ｔとして、ある線区（始発駅であるＡ駅から終着駅であるＺ駅）における運行分析ＢＮのグラフ構造を示している。第２実施例では、列車を区別せず、各駅までの所要時間の遅延事象を確率変数Ｘとする。すなわち、確率ノードを、各駅での遅延を表す「駅ノード」とする。なお、本実施例では、ある駅までの「所要時間」を、始発駅の発時刻から該駅の発時刻までの時間とするが、該駅の着時刻までの時間としても良い。
そして、確率ノードの値（遅延状態）は、図３３に示すように定められている。すなわち、基準所要時間に対する該駅までの所要時間の差である遅延時分が「−１分以上」である「状態Ａ」、遅延時分が「±１分以内」である「状態Ｂ」、及び、遅延時分が「＋１分以上」である「状態Ｃ」の何れかの値をとる。ここで、基準所要時分は、各列車の実績の所要時分から得られる平均の所要時分である。なお、この基準所要時分を、計画ダイヤで定められる所要時分としても良い。
また、第２実施例では、ある駅での遅延事象は、その１つ前の駅での遅延事象に因果関係をもつ。従って、第２実施例における運行分析ＢＮのグラフ構造は、線形のグラフとなる。
図３４は、図３２のグラフ構造の確率ノードに定められるＣＰＴの一例を示す図である。同図では、Ｂ駅の遅延事象を表す確率ノードＣＮ２についてのＣＰＴを示している。Ｂ駅の遅延事象は、その前のＡ駅の遅延状態に依存する。つまり、この確率ノードＣＮ２のＣＰＴは、該確率ノードＣＮ２が取り得る値である状態Ａ〜Ｃそれぞれについて、Ａ駅の遅延事象を表す確率ノードＣＮ１の値を条件とした条件付き確率を定めている。
続いて、このような運行分析ＢＮを用いた列車の運行分析について説明する。図３５は、運行分析ＢＮの一例を示す図である。同図では、Ａ駅〜Ｆ駅の線区について、グラフ構造とともに、確率ノードそれぞれの確率分布をグラフで示している。この運行分析ＢＮは、Ａ駅〜Ｆ駅それぞれの遅延事象を表す確率ノードＣＮ１〜ＣＮ６から構成される。なお、確率ノードＣＮ１〜ＣＮ６それぞれの確率分布は、確率ノードそれぞれに定められたＣＰＴから算出される。この運行分析ＢＮを、運行分析基本ＢＮとする。
そして、図３６は、図３５の運行分析基本ＢＮにおいて、「確率ノードＣＮ６が状態Ｃである」と確定した場合を示す図である。この運行分析ＢＮが、図３５の運行分析基本ＢＮに対する運行分析予測ＢＮとなる。
図３５の運行分析基本ＢＮと、図３６の運行分析予測ＢＮとにおいて、確率ノードそれぞれの確率分布を比較すると、Ａ駅〜Ｃ駅の確率ノードＣＮ１〜ＣＮ３については、確率分布が殆ど変化していないが、Ｄ駅〜Ｅ駅の確率ノードＣＮ４〜ＣＮ６については、確率分布が大きく変化していることがわかる。特に、「状態Ｃ」の確率値が大きく増加している。つまり、Ｄ駅での遅延が、Ｆ駅での遅延に大きく影響していることが推測される。
〔構成〕
図３７は、第２実施例における運行分析装置２の構成を示す図である。同図によれば、運行分析装置２は、例えばコンピュータで実現され、ＣＰＵ１０と、入力部２０と、表示部３０と、音出力部４０と、通信部５０と、記憶部８０とを備えて構成される。
図３７は、第２実施例における運行分析装置２の構成を示す図である。同図によれば、運行分析装置２は、例えばコンピュータで実現され、ＣＰＵ１０と、入力部２０と、表示部３０と、音出力部４０と、通信部５０と、記憶部８０とを備えて構成される。
ＣＰＵ１０は、記憶部８０に記憶されたプラグラムやデータ、入力部２０から入力されたデータ等に基づいて運行分析装置２を構成する各部への指示やデータ転送等を行い、運行分析装置２の全体制御を行う。
また、ＣＰＵ１０は、運行分析プログラム８１０に従って、運行実績に基づく列車の運行分析処理を行う。この運行分析処理は、ある駅の遅延が生じたと仮定した場合に、それ以前のどの駅での遅延に影響されているかを推測する処理である。具体的には、先ず、運行実績データ８２２から、各列車の各駅までの所要時分を算出して所要時分データ８２３を作成する。
運行実績データ８２２は、各列車の実際の運行実績のデータである。図３８に、運行実績データ８２２のデータ構成の一例を示す。同図によれば、運行実績データ８２２は、過去の複数の日それぞれのデータ８２２−１，８２２−２，・・・から構成され、各データ８２２−１，８２２−２，・・・は、運行される列車それぞれについて、識別番号である列車番号８２２ａと、各駅での着発時刻８２２ｂとを対応付けて格納している。
図３９は、所要時分データ８２３のデータ構成の一例を示す図である。同図によれば、所要時分データ８２３は、運行実績データ８２２が記憶されている過去の複数の日それぞれについてのデータ８２３−１，８２３−２，・・・から構成され、各データ８２３−１，８２３−２，・・・は、列車それぞれについて、列車番号８２３ａと、各駅までの所要時分８２３ｂとを対応付けて格納しているとともに、各駅までの所要時間の平均８２３ｃを格納している。
ＣＰＵ１０は、先ず、例えば、入力部２０から入力されるユーザの選択指示に従って、遅延が発生したと仮定する駅をターゲットとして決定する。次いで、運行実績をもとに、運行分析基本ＢＮを作成する。すなわち、各駅の遅延事象を確率ノードとして列挙し、因果関係がある確率ノードの間をその因果関係の方向を示す有向アークでつないだグラフ構造を生成する。次いで、所要時分データ８２３をもとに、確率ノードそれぞれのＣＰＴを算出する。
ここで、確率ノードが取り得る値（状態）は、遅延状態設定テーブル８２４にて定義されている。図４０は、遅延状態設定テーブル８２４のデータ構成の一例を示す図である。同図によれば、遅延状態設定テーブル８２４は、確率ノードが取り得る値（遅延状態）
８２４ａそれぞれについて、条件とする遅延時分８２４ｂを対応つけて格納している。
８２４ａそれぞれについて、条件とする遅延時分８２４ｂを対応つけて格納している。
続いて、算出したＣＰＴに従って、確率ノードそれぞれの確率分布を算出する。このように作成した運行分析ＢＮを、運行分析基本ＢＮとする。
次いで、この運行分析基本ＢＮにおいて、ターゲットの値を、該ターゲットの駅までの所要時間が基準所要時間よりも“長い”ことを表す「状態Ｃ」と確定する。そして、確率ノードそれぞれの確率分布を再算出する。この運行分析基本ＢＮにおいて、ターゲットの値を確定したネットワークが、運行分析予測ＢＮとなる。
作成された運行分析ＢＮ（運行分析基本ＢＮ及び運行分析予測ＢＮ）についてのデータは、運行分析ＢＮデータ８２５に格納される。この運行分析ＢＮデータ８２５は、グラフ構造データ８２６と、ＣＰＴデータ８２７と、確率分布データ８２８とを含んでいる。グラフ構造データ８２６は、運行分析ＢＮのグラフ構造のデータである。
ＣＰＴデータ８２７は、確率ノードに定められたＣＰＴのデータである。図４１に、ＣＰＴデータ８２７のデータ構成の一例を示す。同図によれば、ＣＰＴデータ８２７は、運行分析ＢＮを構成する確率ノードそれぞれについてのＣＰＴを格納している。
確率分布データ８２８は、確率ノードの確率分布のデータである。図４２に、確率分布データ８２８のデータ構成の一例を示す。同図によれば、確率分布データ８２８は、運行分析基本ＢＮについてのデータ８２８−１と、運行分析予測ＢＮについてのデータ８２８−２とを含む。データ８２８−１，８２８−２は、何れも、運行分析ＢＮを構成する確率ノード８２８ａそれぞれについて、各遅延状態の確率値８２８ｂを格納している。
その後、作成した運行分析ＢＮにもとづく分析を行う。すなわち、運行分析ＢＮを構成する確率ノードそれぞれについて、運行分析基本ＢＮにおける確率分布と、運行分析予測ＢＮにおける確率分布とを比較し、確率分布の変化が“大きい”確率ノードを抽出する。そして、抽出した確率ノードに該当する駅での遅延状態が、ターゲットの駅での遅延に大きく影響する可能性が高いと判断する。ここで、確率分布の変化が“大きい”とは、例えば、少なくとも１つの遅延状態の確率値が所定以上変化（増加／減少）している場合である。
そして、分析結果を表示した分析結果画面を表示する。具体的には、例えば、運行分析基本ＢＮと運行分析予測ＢＮとを異なる画面で切り替え表示する。そして、運行分析予測において、確率分布の変化が“大きい”として抽出した確率ノードを識別表示する。
図３７に戻り、記憶部８０は、ＣＰＵ１０が運行分析装置２を統合的に制御するための諸機能を実現するためのシステムプログラムや、本実施形態を実行するためのプログラムやデータ等を記憶しているとともに、ＣＰＵ１０の作業領域として用いられ、ＣＰＵ１０が各種プログラムに従って実行した演算結果や、入力部２０からの入力信号が一時的に格納される。第２実施例では、記憶部８０には、プログラムとして運行分析プログラム８１０が記憶されるとともに、データとして、運行計画データ８２１と、運行実績データ８２２と、所要時分データ８２３と、遅延状態設定テーブル８２４と、運行分析ＢＮデータ８２５とを記憶している。
〔処理の流れ〕
図４３は、運行分析処理を説明するフローチャートである。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする駅を決定する（ステップＤ１）。
図４３は、運行分析処理を説明するフローチャートである。同図によれば、ＣＰＵ１０は、先ず、例えば入力部２０から入力されるユーザの選択指示に従って、ターゲットとする駅を決定する（ステップＤ１）。
次いで、運行分析基本ＢＮを作成する。すなわち、対象線区内の各駅での遅延事象を表す確率ノードを列挙し、列挙した確率ノードの間を着発事象の因果関係の方向を示す有向ノードでつないで、グラフ構造を生成する（ステップＤ３）。次いで、所要時分データ８２３をもとに、確率ノードそれぞれのＣＰＴを算出する（ステップＤ５）。続いて、算出したＣＰＴをもとに確率ノードそれぞれの確率分布（各状態の確率値）を算出する（ステップＤ７）。このように作成した運行分析ＢＮを、運行分析基本ＢＮとする。
続いて、運行分析予測ＢＮを作成する。すなわち、運行分析基本ＢＮにおいて、ターゲットの確率ノードを、所要時間が長いことを表す「状態Ｃ」とする（ステップＤ９）。そして、確率ノードそれぞれの確率分布を再算出する（ステップＤ１１）。このように作成した運行分析ＢＮを、運行分析予測ＢＮとする。
続いて、作成した運行分析基本ＢＮ及び運行分析予測ＢＮに基づく分析処理を行う（ステップＤ１３）。すなわち、確率ノードそれぞれについて、運行分析基本ＢＮにおける確率分布と、運行分析予測ＢＮにおける確率分布とを比較し、確率分布の変化が“大きい”確率ノードを抽出する。
その後、分析結果を表示する（ステップＤ１５）。すなわち、例えば、グラフ構造とともに確率ノードそれぞれの確率分布及び期待効用値Ｕを表示した運行分析基本ＢＮ及び運行分析予測ＢＮそれぞれの表示画面を切り替え表示する。更に、運行分析予測ＢＮにおいて、運行分析基本ＢＮに比較して確率分布の変化が“大きい”確率ノードを識別表示する。以上の処理を行うと、ＣＰＵ１０は、運行分析処理を終了する。
［変形例］
なお、本発明の適用可能な実施形態は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。
なお、本発明の適用可能な実施形態は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。
（Ａ）運行分析ＢＮにおいて値を確定する確率ノードの数
例えば、上述した実施例では、運行分析ＢＮにおいて１つの確率ノードの値を確定することにしたが、これを、２つ以上の確率ノードの値を確定することにしても良い。
例えば、上述した実施例では、運行分析ＢＮにおいて１つの確率ノードの値を確定することにしたが、これを、２つ以上の確率ノードの値を確定することにしても良い。
具体的には、第１実施例における第１分析処理では、ターゲットとして、遅延が生じたと仮定する列車及び駅の組合せ（例えば、「Ｍ駅における２列車」及び「Ｓ駅における４列車」）を複数決定する。次いで、これら複数のターゲットの全てを含むように分析対象範囲を設定して、設定した分析対象範囲の運行分析基本ＢＮを作成する。続いて、作成した運行分析基本ＢＮにおいて、ターゲットそれぞれに該当する確率ノードの値を確定した運行分析予測ＢＮを作成する。そして、作成した運行分析基本ＢＮと運行分析予測ＢＮとを比較する。
また、第２分析処理では、列挙した複数のターゲットのうちの２つ以上のターゲットの組合せを生成する。そして、生成した組合せそれぞれについて、該組合せの２つ以上のターゲットを含む運行分析範囲を設定して運行分析基本ＢＮを作成し、作成した運行分析基本ＢＮにおいて、該組合せのターゲットそれぞれに該当する確率ノードの値を確定して運行分析予測ＢＮを作成する。
また、第３分析処理では、列挙した複数の候補部分のうちの２つ以上の候補部分の組合せを生成し、生成した組合せそれぞれについて、該組合せの２つ以上の候補部分及びターゲットを含む運行分析範囲を設定して運行分析基本ＢＮを作成し、作成した運行分析基本ＢＮにおいて、該組合せの候補部分それぞれに該当する確率ノードの値を確定して運行分析予測ＢＮを作成する。
また、第２実施例では、ターゲットとして、遅延が生じたと仮定する２つ以上の駅を決定し、運行分析基本ＢＮにおいて、決定したターゲットそれぞれに該当する確率ノードの値を確定して運行分析予測ＢＮを作成する。
（Ｂ）確定する確率ノードの値
また、上述の第２実施例は、ある駅で生じたと想定した遅延が、それ以前のどの駅での遅延に影響されているかを推測するため、運行分析基本ＢＮにおいて、ターゲットの確率ノードを、該ターゲットの駅までの所要時間が“長い”ことを表す「状態Ｃ」とすることにしたが、これ以外の「状態Ａ」或いは「状態Ｂ」と確定することにしても良い。この場合、ターゲットのノードを、該ターゲットの駅までの所要時間が“短い”を表す「状態Ａ」と確定すると、作成された運行分析予測ＢＮと運行分析基本ＢＮとを比較することで、ターゲットの駅までの所要時間が短くなるのは、どの駅での所要時間が大きく影響しているかといったことを推測することができる。また、ターゲットのノードを、該ターゲットまでの所要時間がほぼ基準時間であることを表す「状態Ｂ」と確定すると、作成された運行分析予測ＢＮと運行分析基本ＢＮとを比較することで、ターゲットの駅までの所要時間がほぼ基準所要時間とおりとなるためには、どの駅での所要時間が大きく影響しているかといったことを推測することができる。
また、上述の第２実施例は、ある駅で生じたと想定した遅延が、それ以前のどの駅での遅延に影響されているかを推測するため、運行分析基本ＢＮにおいて、ターゲットの確率ノードを、該ターゲットの駅までの所要時間が“長い”ことを表す「状態Ｃ」とすることにしたが、これ以外の「状態Ａ」或いは「状態Ｂ」と確定することにしても良い。この場合、ターゲットのノードを、該ターゲットの駅までの所要時間が“短い”を表す「状態Ａ」と確定すると、作成された運行分析予測ＢＮと運行分析基本ＢＮとを比較することで、ターゲットの駅までの所要時間が短くなるのは、どの駅での所要時間が大きく影響しているかといったことを推測することができる。また、ターゲットのノードを、該ターゲットまでの所要時間がほぼ基準時間であることを表す「状態Ｂ」と確定すると、作成された運行分析予測ＢＮと運行分析基本ＢＮとを比較することで、ターゲットの駅までの所要時間がほぼ基準所要時間とおりとなるためには、どの駅での所要時間が大きく影響しているかといったことを推測することができる。
１ 運行分析装置（第１実施例）
１０ ＣＰＵ
６０ 記憶部
６１０ 運行分析プログラム
６１１ 第１分析プログラム、６１２ 第２分析プログラム
６１３ 第３分析プログラム
６２１ 運行計画データ、６２２ 運行実績データ、６２３ 遅延データ
６２４ 着発因果関係テーブル、６２５ 遅延状態設定テーブル
６２６ 効用関数テーブル
６２７ 第１分析データ
６２７１ ターゲットデータ
６２７２ 運行分析ＢＮデータ
６２７３ 分析対象範囲データ、６２７４ グラフ構造データ
６２７５ ＣＰＴデータ、６２７６ 確率分布データ
６２７７ 分析結果データ
６２８ 第２分析データ
６２８１ ターゲットリスト、６２８２ 運行分析ＢＮデータ
６２８３ 分析結果データ
６２９ 第３分析データ
６２９１ ターゲットデータ、６２９２ 候補部分リスト
６２９３ 運行分析ＢＮデータ、６２９４ 分析結果データ
２ 運行分析装置（第２実施例）
８０ 記憶部
８１０ 運行分析プログラム
８２１ 運行計画データ、８２２ 運行実績データ、８２３ 所要時分データ
８２４ 遅延状態設定テーブル
８２５ 運行分析ＢＮデータ
８２６ グラフ構造データ、８２７ ＣＰＴデータ、８２８ 確率分布データ
１０ ＣＰＵ
６０ 記憶部
６１０ 運行分析プログラム
６１１ 第１分析プログラム、６１２ 第２分析プログラム
６１３ 第３分析プログラム
６２１ 運行計画データ、６２２ 運行実績データ、６２３ 遅延データ
６２４ 着発因果関係テーブル、６２５ 遅延状態設定テーブル
６２６ 効用関数テーブル
６２７ 第１分析データ
６２７１ ターゲットデータ
６２７２ 運行分析ＢＮデータ
６２７３ 分析対象範囲データ、６２７４ グラフ構造データ
６２７５ ＣＰＴデータ、６２７６ 確率分布データ
６２７７ 分析結果データ
６２８ 第２分析データ
６２８１ ターゲットリスト、６２８２ 運行分析ＢＮデータ
６２８３ 分析結果データ
６２９ 第３分析データ
６２９１ ターゲットデータ、６２９２ 候補部分リスト
６２９３ 運行分析ＢＮデータ、６２９４ 分析結果データ
２ 運行分析装置（第２実施例）
８０ 記憶部
８１０ 運行分析プログラム
８２１ 運行計画データ、８２２ 運行実績データ、８２３ 所要時分データ
８２４ 遅延状態設定テーブル
８２５ 運行分析ＢＮデータ
８２６ グラフ構造データ、８２７ ＣＰＴデータ、８２８ 確率分布データ
Claims (11)
- コンピュータを、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段、
駅を選択する選択手段、
前記選択された駅での遅延状態を決定する遅延状態決定手段、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段、
として機能させるためのプログラム。 - 前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出して当該駅の効用値を算出する効用値算出手段、
前記推計手段により推計された当該駅の各遅延状態の取り得る確率に基づいて当該駅の効用値を推計する効用値推計手段、
として前記コンピュータを更に機能させるための請求項１に記載のプログラム。 - 前記効用値算出手段により算出された効用値に対する、前記効用値推計手段により推計された効用値の差異に基づいて、所定の効用値変化表示を行う効用値変化表示手段として前記コンピュータを更に機能させるための請求項２に記載のプログラム。
- 前記選択手段に順番に駅を選択させ、選択させたそれぞれの駅について前記遅延状態決定手段、前記推計手段及び前記効用値推計手段を機能させて、前記効用値算出手段により算出された効用値の総合値に対する、前記効用値推計手段により推計された効用値の総合値の差異が所定の改善条件を満たす駅を選出する分析処理を実行する分析処理実行手段として前記コンピュータを更に機能させるための請求項２又は３に記載のプログラム。
- 前記選択手段により選択された駅に基づいて効用値の評価対象駅範囲を設定する評価対象駅範囲設定手段として前記コンピュータを更に機能させ、
前記作成手段が、前記評価対象駅範囲のベイジアンネットワークを作成し、
前記分析処理実行手段が、前記評価対象駅範囲内の各駅のうちから前記改善条件を満たす駅を選出する、
ように前記コンピュータを機能させるための請求項４に記載のプログラム。 - 前記作成手段により作成されたベイジアンネットワークに基づいて当該駅での各遅延状態の取り得る確率を算出する実績確率算出手段、
前記実績確率算出手段により算出された遅延状態の取り得る確率に関する前記依存関係にある駅同士の変化度合と、前記推計手段により推計された遅延状態の取り得る確率に関する当該駅同士の変化度合との差異が所定条件を満たす駅を選出して識別表示する大差駅識別表示手段、
として前記コンピュータを更に機能させるための請求項１〜３の何れか一項に記載のプログラム。 - 前記作成手段が、同一駅に発着する前後の列車間及び同一列車が発着する前後の駅間を依存関係とした場合の条件付確率を統計処理により求めてベイジアンネットワークを作成し、
前記推計手段が、各列車それぞれの各駅での各遅延状態の取り得る確率を推計する、
ように前記コンピュータを機能させるための請求項１〜６の何れか一項に記載のプログラム。 - 前記作成手段が、各列車それぞれの各駅における到着及び出発を区別し、当該列車の当該駅の到着に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅の前の駅の出発との関係を依存関係として算出するとともに、当該列車の当該駅の発車に係る条件付確率を、当該列車の前列車の当該駅の出発との関係、及び、当該列車の当該駅への到着との関係を依存関係として算出してベイジアンネットワークを作成するように前記コンピュータを機能させるための請求項７に記載のプログラム。
- 前記作成手段が、各列車それぞれの各駅までの所要時間を計算して、所定の標準所要時間に対する差異に基づいて、前後の駅間の遅延状態を依存関係とする条件付確率を算出してベイジアンネットワークを作成するように前記コンピュータを機能させるための請求項１〜８の何れか一項に記載のプログラム。
- コンピュータが、
所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成ステップと、
所与の選択駅での遅延状態を決定する遅延状態決定ステップと、
前記選択駅の遅延状態を前記遅延状態決定ステップで決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計ステップと、
を実行する運行分析方法。
- 所定の運行計画に沿って各列車が実際に運行した時刻の実績データに基づいて、少なくとも各駅の遅延状態を依存関係の条件とした場合の当該条件に対する当該駅の遅延状態の取り得る確率を定めた条件付確率を統計処理により求めてベイジアンネットワークを作成する作成手段と、
駅を選択する選択手段と、
前記選択された駅での遅延状態を決定する遅延状態決定手段と、
前記選択された駅の遅延状態を前記遅延状態決定手段により決定された遅延状態とした場合に、各駅の各遅延状態の取り得る確率を前記ベイジアンネットワークに基づいて推計する推計手段と、
を備えた運行分析装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008283192A JP5080422B2 (ja) | 2008-11-04 | 2008-11-04 | プログラム、運行分析方法及び運行分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008283192A JP5080422B2 (ja) | 2008-11-04 | 2008-11-04 | プログラム、運行分析方法及び運行分析装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010111156A JP2010111156A (ja) | 2010-05-20 |
| JP5080422B2 true JP5080422B2 (ja) | 2012-11-21 |
Family
ID=42300094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008283192A Expired - Fee Related JP5080422B2 (ja) | 2008-11-04 | 2008-11-04 | プログラム、運行分析方法及び運行分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5080422B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5731912B2 (ja) * | 2011-06-10 | 2015-06-10 | 株式会社日立製作所 | 運転整理支援システム |
| JP7021055B2 (ja) * | 2018-11-20 | 2022-02-16 | 株式会社東芝 | 情報処理装置、その方法及びコンピュータプログラム |
| JP7281389B2 (ja) * | 2019-11-15 | 2023-05-25 | 公益財団法人鉄道総合技術研究所 | プログラムおよび遅延影響度算出装置 |
| JP7519335B2 (ja) | 2021-08-30 | 2024-07-19 | 公益財団法人鉄道総合技術研究所 | ダイヤ作成装置及びダイヤ作成方法 |
| CN113715876B (zh) * | 2021-09-09 | 2023-08-04 | 青岛海信微联信号有限公司 | 一种列车控制方法、装置、设备及介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06171512A (ja) * | 1992-12-10 | 1994-06-21 | Toshiba Chugoku Syst Kaihatsu Kk | 列車ダイヤ評価装置 |
| JP4130027B2 (ja) * | 1998-12-16 | 2008-08-06 | 財団法人鉄道総合技術研究所 | 駅構内入換計画作成装置 |
| JP2002037076A (ja) * | 2000-07-27 | 2002-02-06 | Kawasaki Heavy Ind Ltd | 列車運行模擬方法および装置 |
| JP3696532B2 (ja) * | 2001-07-13 | 2005-09-21 | 三菱電機株式会社 | 交通機関情報提供装置および交通機関情報提供方法 |
| JP3989713B2 (ja) * | 2001-11-21 | 2007-10-10 | 財団法人鉄道総合技術研究所 | 車両運用計画作成プログラム、記憶媒体、及び車両運用計画作成装置 |
| JP4166643B2 (ja) * | 2003-07-22 | 2008-10-15 | 財団法人鉄道総合技術研究所 | プログラム及び列車ダイヤ評価支援装置 |
| JP4727554B2 (ja) * | 2006-11-07 | 2011-07-20 | 公益財団法人鉄道総合技術研究所 | プログラム及びダイヤ比較評価支援装置 |
-
2008
- 2008-11-04 JP JP2008283192A patent/JP5080422B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2010111156A (ja) | 2010-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Veelenturf et al. | Passenger oriented railway disruption management by adapting timetables and rolling stock schedules | |
| Liu et al. | Scheduling trains as a blocking parallel-machine job shop scheduling problem | |
| Zhou et al. | Single-track train timetabling with guaranteed optimality: Branch-and-bound algorithms with enhanced lower bounds | |
| JP5080422B2 (ja) | プログラム、運行分析方法及び運行分析装置 | |
| Peeta et al. | Multiple user classes real-time traffic assignment for online operations: a rolling horizon solution framework | |
| Hassannayebi et al. | Urban rail transit planning using a two-stage simulation-based optimization approach | |
| Kim et al. | Optimal vehicle routing with real-time traffic information | |
| Gorman | Statistical estimation of railroad congestion delay | |
| Androutsopoulos et al. | A bi-objective time-dependent vehicle routing and scheduling problem for hazardous materials distribution | |
| Acuna-Agost et al. | SAPI: Statistical Analysis of Propagation of Incidents. A new approach for rescheduling trains after disruptions | |
| Thomas et al. | The dynamic shortest path problem with anticipation | |
| JP4670081B2 (ja) | 運転整理案作成装置 | |
| Azadi Moghaddam Arani et al. | A multi-commodity network flow model for railway capacity optimization in case of line blockage | |
| KR101608251B1 (ko) | 지능형 열차 스케줄링 방법 | |
| Shakibayifar et al. | A multi-objective decision support system for real-time train rescheduling | |
| JP6038693B2 (ja) | 進路制御装置、進路制御方法、および進路制御プログラム | |
| JP5019240B2 (ja) | ダイヤ評価装置 | |
| Toletti et al. | What about train length and energy efficiency of freight trains in rescheduling models? | |
| Sheu | A composite traffic flow modeling approach for incident-responsive network traffic assignment | |
| Estrada et al. | Experimental evaluation of real-time information services in transit systems from the perspective of users | |
| Li et al. | Optimization of system resilience in urban rail systems: Train rescheduling considering congestions of stations | |
| JP4166643B2 (ja) | プログラム及び列車ダイヤ評価支援装置 | |
| Binder et al. | Passenger-oriented railway disposition timetables in case of severe disruptions | |
| JP7195757B2 (ja) | 運行管理システム | |
| Schmidt et al. | A generalized stochastic Petri net model for performance analysis of trackside infrastructure in Railway Station Areas under uncertainty |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110314 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120613 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120619 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120802 |
|
| 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: 20120821 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120830 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150907 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |