JP5111347B2 - プログラム及び旅客需要予測装置 - Google Patents
プログラム及び旅客需要予測装置 Download PDFInfo
- Publication number
- JP5111347B2 JP5111347B2 JP2008313090A JP2008313090A JP5111347B2 JP 5111347 B2 JP5111347 B2 JP 5111347B2 JP 2008313090 A JP2008313090 A JP 2008313090A JP 2008313090 A JP2008313090 A JP 2008313090A JP 5111347 B2 JP5111347 B2 JP 5111347B2
- Authority
- JP
- Japan
- Prior art keywords
- station
- users
- data
- target
- predicted
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 43
- 238000010276 construction Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 13
- 238000000611 regression analysis Methods 0.000 claims description 12
- 230000002860 competitive effect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
(1)発生・集中交通量の予測
(2)分布交通量の予測
(3)分担交通量(手段別交通量)の予測
(4)配分交通量の予測
しかし、例えば東京都心といった多数の鉄道路線により交通ネットワークが形成されている地域を対象として四段階推定法によって交通需要予測を行う場合、対象範囲を分割するゾーンの数が膨大であり、また、駅の数が多い上、他路線の駅との距離も比較的短い場合が多い。こうした複雑化した交通ネットワークに対して、四段階推定法を適用すると、その演算量が甚大になるといった問題がある。
コンピュータを、
対象駅周辺の単位地域それぞれに居住等する人間が当該対象駅を利用する利用率を、当該対象駅と当該単位地域間の距離及び当該対象駅の実績利用者数と、当該対象駅周辺に競合駅が存在する場合の当該競合駅と当該単位地域間の距離を用いたハフモデル分析によって算出する利用率算出手段、
前記単位地域の中から前記対象駅の駅勢圏を決定する駅勢圏決定手段、
前記駅勢圏に居住等する人間のうちの前記対象駅を利用する駅勢圏利用者数を、前記駅勢圏とされた単位地域それぞれに居住等する実績人数及び当該単位地域の前記利用率を用いて推計する推計手段、
駅勢圏利用者数を与えることで前記対象駅の利用者数を推計可能な算出モデルを、前記対象駅の前記実績利用者数と前記駅勢圏利用者数とを用いて構築する算出モデル構築手段、
前記駅勢圏利用者数の予測値である駅勢圏予測利用者数を前記算出モデルに与えて前記対象駅の利用者数の予測値である予測利用者数を算出する予測利用者数算出手段、
として機能させるためのプログラムである。
対象駅周辺の単位地域それぞれに居住等する人間が当該対象駅を利用する利用率を、当該対象駅と当該単位地域間の距離及び当該対象駅の実績利用者数と、当該対象駅周辺に競合駅が存在する場合の当該競合駅と当該単位地域間の距離を用いたハフモデル分析によって算出する利用率算出手段と、
前記単位地域の中から前記対象駅の駅勢圏を決定する駅勢圏決定手段と、
前記駅勢圏に居住等する人間のうちの前記対象駅を利用する駅勢圏利用者数を、前記駅勢圏とされた単位地域それぞれに居住等する実績人数及び当該単位地域の前記利用率を用いて推計する推計手段と、
駅勢圏利用者数を与えることで前記対象駅の利用者数を推計可能な算出モデルを、前記対象駅の前記実績利用者数と前記駅勢圏利用者数とを用いて構築する算出モデル構築手段と、
前記駅勢圏利用者数の予測値である駅勢圏予測利用者数を前記算出モデルに与えて前記対象駅の利用者数の予測値である予測利用者数を算出する予測利用者数算出手段と、
を備えた旅客需要予測装置を構成しても良い。
前記算出モデル構築手段が、前記対象駅の利用者数を従属変数とし、前記駅勢圏利用者数を説明変数とした重回帰分析によって前記算出モデルを構築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。
前記算出モデル構築手段が、前記対象駅における路線乗換利用者数、及び/又は、前記対象駅を利用駅とする施設の利用者数を前記説明変数に更に含めて前記算出モデルを構築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。
対象路線の各駅を前記対象駅として、前記利用率算出手段、前記駅勢圏決定手段、及び前記推計手段を順次機能させ、
前記算出モデル構築手段が、前記対象路線で共通の算出モデルを構築し、
前記予測利用者数算出手段が、前記共通の算出モデルを用いて前記対象路線の各駅の前記予測利用者数を算出する、
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。
前記算出モデル構築手段が、駅周辺環境毎に共通の算出モデルを複数構築し、
前記予測利用者数算出手段が、前記予測利用者数の算出対象駅の駅周辺環境に応じた算出モデルを用いて、当該予測利用者数を算出する、
ように前記コンピュータを機能させるためプログラムを構成しても良い。
前記利用率算出手段が、前記対象駅周辺の競合駅の新設を考慮する場合に前記対象駅の実績利用者数を削減補正して前記利用率を算出し、
前記推計手段、前記算出モデル構築手段、及び前記予測利用者数算出手段それぞれが、前記削減補正された利用率に基づき、前記競合駅の新設を考慮した駅勢圏利用者数、算出モデル、及び予測利用者数を算出する、
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。
前記対象路線の各駅について算出された前記予測利用者数をもとに、前記対象路線の各駅間の実績ODデータを用いた所定の分布交通量予測演算処理によって、前記対象路線の各駅間の予測ODデータを算出する予測ODデータ算出手段として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。
前記利用率算出手段が、前記対象駅周辺所定範囲内に前記対象路線に対する新設の競合路線の競合駅が存在する場合に、前記対象駅の実績利用者数を削減補正した利用率である新線考慮利用率を算出する新線考慮利用率算出手段と、削減補正しない利用率である新線非考慮利用率を算出する新線非考慮利用率算出手段とを有し、
前記推計手段、前記算出モデル構築手段、及び前記予測利用者数算出手段それぞれが、前記新線考慮利用率に基づく新線考慮駅勢圏利用者数、新線考慮算出モデル、及び新線考慮予測利用者数を算出するとともに、前記新線非考慮利用率に基づく新線非考慮駅勢圏利用者数、新線非考慮算出モデル、及び新線非考慮予測利用者数を算出する、
ように前記コンピュータを機能させ、
前記新線非考慮予測利用者数をもとに、前記対象路線の各駅間の実績ODデータを用いた所定の分布交通量予測演算処理によって、前記新設の競合路線を考慮しない前記対象路線の各駅間の予測ODデータである新線非考慮予測ODデータを算出する新線非考慮予測ODデータ算出手段、
前記新設の競合路線を利用した代替経路を含めた、前記対象路線上の各駅間の利用経路それぞれを選択する確率を算出する選択確率算出手段、
前記選択確率算出手段により算出された各利用経路の選択確率に従って、前記新線非考慮予測ODデータの各駅間の利用者数を減量補正する予測ODデータ補正手段、
前記新線考慮予測利用者数をもとに、前記予測ODデータ補正手段により補正されたODデータを用いた所定の分布交通量予測演算処理によって、前記新設の競合路線を考慮した前記対象路線の各駅間の予測ODデータである新線考慮予測ODデータを算出する新線考慮予測ODデータ算出手段、
として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。
前記予測利用者数算出手段により算出された前記対象駅の前記予測利用者数を用いて、前記対象駅における時間帯別利用者数を予測する時間帯別利用者数予測手段として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。
本実施形態の将来需要予測装置は、駅利用者数や人口等の実績データをもとに、将来の駅利用者数(需要)を予測する処理を行う装置である。また、本実施形態における旅客需要予測では、例えば東京都心部のような、複数の路線によって交通ネットワークが形成されている地域を対象としている。
先ず、第1実施例を説明する。
図2は、第1実施例における旅客需要予測装置1の構成を示すブロック図である。同図によれば、旅客需要予測装置1は、処理部10と、入力部20と、表示部30と、通信部40と、記憶部50とを備えて構成される。
図27は、旅客需要予測処理の流れを説明するためのフローチャートである。同図によれば、処理部10は、先ず、将来の予測対象年度(例えば、平成20年度〜平成30年度)を決定する(ステップB1)。
次いで、算出した各駅までの距離Dと、対象駅の定期券利用者数Sとをもとに、対象ゾーンの利用率Pを算出する(ステップC7)。そして、算出した利用率Pから、対象ゾーンが対象駅の駅勢圏とするか否かを判断する。すなわち、利用率Pが所定値以上ならば、対象ゾーンは対象駅の駅勢圏とし、所定値未満ならば、駅勢圏でないとする(ステップC9)。ループBはこのように行われる。
このように、第1実施例によれば、対象路線の将来の需要予測として、先ず、対象路線の駅それぞれについて、対象駅周辺のゾーン(単位地域)それぞれの対象駅の利用率Pが算出され、各ゾーンの夜間人口や就業者数の実績値及び利用率Pから、対象駅を利用する駅勢圏利用者数である勢圏内夜間人口及び勢圏内就業者数が算出される。次いで、各駅の駅勢圏利用者数や実績利用者数等に基づく重回帰分析によって、各駅の発生・集中交通量を予測するための発生・集中交通量予測モデルが構築される。そして、構築した予測モデルを用いて、各駅の駅勢圏利用者数の予測値から将来の該駅の利用者数の予測値等が算出される。これにより、例えば東京都心といった複数路線によって交通ネットワークが形成された地域において、各駅の利用者数の予測値を比較的容易に算出できる。また、集中・発生交通量予測モデルは、重回帰分析によって比較的容易に構築できる。更に、集中・発生交通量予測モデルは、駅の周辺環境(例えば、住宅地やオフィス街等)及び利用券種(例えば、定期券や定期以外)の組合せ毎に構築される。これにより、より精確な利用者数の予測が実現される。
次に、第2実施例を説明する。第2実施例は、近い将来に開業予定の新線(新たな競合路線)の影響を考慮した実施例である。なお、第2実施例において、上述の第1実施例と同一要素については同符号を付し、詳細な説明を省略・簡略化する。
図29は、第2実施例における旅客需要予測装置2の構成を示す図である。同図によれば、旅客需要予測装置2は、処理部10と、入力部20と、表示部30と、通信部40と、記憶部60とを備えて構成される。
図33は、第2実施例における第2旅客需要予測処理の流れを説明するフローチャートである。同図によれば、処理部10は、先ず、新線開業予定の年度以降の年度を、旅客需要の予測対象年度として決定する(ステップD1)。次いで、決定した予測対象年度に応じて、夜間人口データ525や就業者数データ526等を生成する等のデータ整備を行う(ステップB3)。その後、新線考慮駅勢圏データ生成処理を行って、新線考慮駅勢圏データを生成する(ステップD5)。
このように、第2実施例によれば、開業予定の新たな競合路線(新線)を考慮した将来の需要予測が実現される。すなわち、各ゾーンの対象駅の利用率Pは、開業予定の新線の駅を対象駅の競合駅に含めるとともに、対象駅の利用者の実績値を減少補正した値を用いて算出される。そして、この利用率Pを用いて算出された駅勢圏利用者数に基づいて、新設される競合路線を考慮した発生・集中交通量予測モデル(新線考慮予測モデル)が構築される。対象駅周辺に競合駅が新設された場合、現在の対象駅の利用者の一部が新設された競合駅を利用すると考えられる。このため、新設される競合駅への利用者の流出を考慮した発生・集中交通量予測モデル(新線考慮予測モデル)を用いることで、競合駅が新線された場合の将来需要の予測が可能となる。
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。
10 処理部
50,60 記憶部
510,610 旅客需要予測プログラム
521 地図データ、522 ゾーンデータ、523 駅データ
524 主要施設テーブル、525 夜間人口データ、526 就業者数データ
527 年間利用者数実績データ、528 乗換利用者数実績データ
529 実績ODデータ、531 駅勢圏データ、535 予測モデルデータ
541 年間利用者数予測データ、542 予測交通量データ
543 予測ODデータ、544 断面交通量予測データ
545 日別利用者数実績データ、546 日別利用者数予測データ
547 時間帯別利用者数実績データ、548 時間帯別利用者数予測データ
549 利用者拡大係数データ
551 標準偏差実績データ、552 標準偏差予測データ
553 標準偏差拡大係数データ
621 新線非考慮駅勢圏データ、622 新線考慮駅勢圏データ
623 新線非考慮予測モデルデータ、624 新線考慮予測モデルデータ
625 経路選択モデルデータ、626 経路選択確率データ
627 新線非考慮予測ODデータ、628 補正ODデータ
629 新線考慮予測ODデータ
Claims (10)
- コンピュータを、
対象駅周辺の単位地域それぞれに居住、就業等(以下「居住等」という。)する人間が当該対象駅を利用する利用率を、当該対象駅と当該単位地域間の距離及び当該対象駅の実績利用者数と、当該対象駅周辺に競合駅が存在する場合の当該競合駅と当該単位地域間の距離を用いたハフモデル分析によって算出する利用率算出手段、
前記単位地域の中から前記対象駅の駅勢圏を決定する駅勢圏決定手段、
前記駅勢圏に居住等する人間のうちの前記対象駅を利用する駅勢圏利用者数を、前記駅勢圏とされた単位地域それぞれに居住等する実績人数及び当該単位地域の前記利用率を用いて推計する推計手段、
駅勢圏利用者数を与えることで前記対象駅の利用者数を推計可能な算出モデルを、前記対象駅の前記実績利用者数と前記駅勢圏利用者数とを用いて構築する算出モデル構築手段、
前記駅勢圏利用者数の予測値である駅勢圏予測利用者数を前記算出モデルに与えて前記対象駅の利用者数の予測値である予測利用者数を算出する予測利用者数算出手段、
として機能させるためのプログラム。 - 前記算出モデル構築手段が、前記対象駅の利用者数を従属変数とし、前記駅勢圏利用者数を説明変数とした重回帰分析によって前記算出モデルを構築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に記載のプログラム。
- 前記算出モデル構築手段が、前記対象駅における路線乗換利用者数、及び/又は、前記対象駅を利用駅とする施設の利用者数を前記説明変数に更に含めて前記算出モデルを構築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2に記載のプログラム。
- 対象路線の各駅を前記対象駅として、前記利用率算出手段、前記駅勢圏決定手段、及び前記推計手段を順次機能させ、
前記算出モデル構築手段が、前記対象路線で共通の算出モデルを構築し、
前記予測利用者数算出手段が、前記共通の算出モデルを用いて前記対象路線の各駅の前記予測利用者数を算出する、
ように前記コンピュータを機能させるための請求項1〜3の何れか一項に記載のプログラム。 - 前記算出モデル構築手段が、駅周辺環境毎に共通の算出モデルを複数構築し、
前記予測利用者数算出手段が、前記予測利用者数の算出対象駅の駅周辺環境に応じた算出モデルを用いて、当該予測利用者数を算出する、
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。 - 前記利用率算出手段が、前記対象駅周辺の競合駅の新設を考慮する場合に前記対象駅の実績利用者数を削減補正して前記利用率を算出し、
前記推計手段、前記算出モデル構築手段、及び前記予測利用者数算出手段それぞれが、前記削減補正された利用率に基づき、前記競合駅の新設を考慮した駅勢圏利用者数、算出モデル、及び予測利用者数を算出する、
ように前記コンピュータを機能させるための請求項1〜5の何れか一項に記載のプログラム。 - 前記対象路線の各駅について算出された前記予測利用者数をもとに、前記対象路線の各駅間の実績ODデータを用いた所定の分布交通量予測演算処理によって、前記対象路線の各駅間の予測ODデータを算出する予測ODデータ算出手段として前記コンピュータを機能させるための請求項4又は5に記載のプログラム。
- 前記利用率算出手段が、前記対象駅周辺所定範囲内に前記対象路線に対する新設の競合路線の競合駅が存在する場合に、前記対象駅の実績利用者数を削減補正した利用率である新線考慮利用率を算出する新線考慮利用率算出手段と、削減補正しない利用率である新線非考慮利用率を算出する新線非考慮利用率算出手段とを有し、
前記推計手段、前記算出モデル構築手段、及び前記予測利用者数算出手段それぞれが、前記新線考慮利用率に基づく新線考慮駅勢圏利用者数、新線考慮算出モデル、及び新線考慮予測利用者数を算出するとともに、前記新線非考慮利用率に基づく新線非考慮駅勢圏利用者数、新線非考慮算出モデル、及び新線非考慮予測利用者数を算出する、
ように前記コンピュータを機能させ、
前記新線非考慮予測利用者数をもとに、前記対象路線の各駅間の実績ODデータを用いた所定の分布交通量予測演算処理によって、前記新設の競合路線を考慮しない前記対象路線の各駅間の予測ODデータである新線非考慮予測ODデータを算出する新線非考慮予測ODデータ算出手段、
前記新設の競合路線を利用した代替経路を含めた、前記対象路線上の各駅間の利用経路それぞれを選択する確率を算出する選択確率算出手段、
前記選択確率算出手段により算出された各利用経路の選択確率に従って、前記新線非考慮予測ODデータの各駅間の利用者数を減量補正する予測ODデータ補正手段、
前記新線考慮予測利用者数をもとに、前記予測ODデータ補正手段により補正されたODデータを用いた所定の分布交通量予測演算処理によって、前記新設の競合路線を考慮した前記対象路線の各駅間の予測ODデータである新線考慮予測ODデータを算出する新線考慮予測ODデータ算出手段、
として前記コンピュータを機能させるための請求項4又は5に記載のプログラム。 - 前記予測利用者数算出手段により算出された前記対象駅の前記予測利用者数を用いて、前記対象駅における時間帯別利用者数を予測する時間帯別利用者数予測手段として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。
- 対象駅周辺の単位地域それぞれに居住等する人間が当該対象駅を利用する利用率を、当該対象駅と当該単位地域間の距離及び当該対象駅の実績利用者数と、当該対象駅周辺に競合駅が存在する場合の当該競合駅と当該単位地域間の距離を用いたハフモデル分析によって算出する利用率算出手段と、
前記単位地域の中から前記対象駅の駅勢圏を決定する駅勢圏決定手段と、
前記駅勢圏に居住等する人間のうちの前記対象駅を利用する駅勢圏利用者数を、前記駅勢圏とされた単位地域それぞれに居住等する実績人数及び当該単位地域の前記利用率を用いて推計する推計手段と、
駅勢圏利用者数を与えることで前記対象駅の利用者数を推計可能な算出モデルを、前記対象駅の前記実績利用者数と前記駅勢圏利用者数とを用いて構築する算出モデル構築手段と、
前記駅勢圏利用者数の予測値である駅勢圏予測利用者数を前記算出モデルに与えて前記対象駅の利用者数の予測値である予測利用者数を算出する予測利用者数算出手段と、
を備えた旅客需要予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008313090A JP5111347B2 (ja) | 2008-12-09 | 2008-12-09 | プログラム及び旅客需要予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008313090A JP5111347B2 (ja) | 2008-12-09 | 2008-12-09 | プログラム及び旅客需要予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010140074A JP2010140074A (ja) | 2010-06-24 |
JP5111347B2 true JP5111347B2 (ja) | 2013-01-09 |
Family
ID=42350194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008313090A Active JP5111347B2 (ja) | 2008-12-09 | 2008-12-09 | プログラム及び旅客需要予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5111347B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886190A (zh) * | 2017-10-20 | 2018-04-06 | 青岛海信网络科技股份有限公司 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012071944A (ja) * | 2010-09-29 | 2012-04-12 | Railway Technical Research Institute | 鉄道幹線区間断面貨物輸送量の推定方法 |
JP5680433B2 (ja) * | 2011-02-09 | 2015-03-04 | 公益財団法人鉄道総合技術研究所 | プログラム及び編成車両数決定システム |
JP5800537B2 (ja) * | 2011-03-18 | 2015-10-28 | 株式会社日立製作所 | 旅客流動予測装置 |
CN105377664A (zh) * | 2013-06-14 | 2016-03-02 | 株式会社日立制作所 | 交通需要控制装置 |
CN103632212B (zh) * | 2013-12-11 | 2017-01-25 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
JP6454222B2 (ja) * | 2015-05-29 | 2019-01-16 | 株式会社日立製作所 | データ処理システム、及び、データ処理方法 |
CN105095993A (zh) * | 2015-07-22 | 2015-11-25 | 济南市市政工程设计研究院(集团)有限责任公司 | 一种轨道站点客流量预测系统及方法 |
JP6062525B1 (ja) * | 2015-12-22 | 2017-01-18 | 株式会社Flyblue | 情報分析装置、情報分析方法及び情報分析プログラム |
EP3416125A4 (en) * | 2016-03-30 | 2018-12-19 | AGOOP Corp. | Population estimation device, program, and population estimation method |
CN107169666A (zh) * | 2017-05-22 | 2017-09-15 | 中铁第五勘察设计院集团有限公司 | 一种铁路旅客车站站房建筑规模计算方法 |
CN110070208B (zh) * | 2019-03-15 | 2021-09-03 | 中铁第四勘察设计院集团有限公司 | 一种基于数据修正的铁路日常客运量获取方法 |
JP7257306B2 (ja) * | 2019-10-17 | 2023-04-13 | 株式会社日立製作所 | 旅客流動予測装置、旅客流動予測方法及び旅客流動予測プログラム |
CN111091225B (zh) * | 2019-11-08 | 2022-05-06 | 北京交通大学 | 一种基于深度学习的城市轨道交通短期客流预测方法 |
CN114296422B (zh) * | 2021-11-23 | 2024-03-29 | 卡斯柯信号有限公司 | 基于ctc3.0的站场集中显示和操控方法、设备及介质 |
CN115086879B (zh) * | 2022-08-22 | 2022-12-16 | 广州市城市规划勘测设计研究院 | 轨道交通站客流特征及接驳方式的识别方法、装置及设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3187166B2 (ja) * | 1992-10-27 | 2001-07-11 | 株式会社東芝 | 自動改札機を用いたダイヤ編集装置 |
JP3302740B2 (ja) * | 1992-11-18 | 2002-07-15 | 株式会社東芝 | 列車運行管理方法及び装置 |
JPH0736854A (ja) * | 1993-07-21 | 1995-02-07 | Tokyu Constr Co Ltd | 需要予測装置及び方法 |
JPH07285441A (ja) * | 1994-04-21 | 1995-10-31 | Fujitsu F I P Kk | ダイヤ編成支援装置 |
JPH08287304A (ja) * | 1995-04-14 | 1996-11-01 | Omron Corp | 利用状況出力システム |
JPH0976912A (ja) * | 1995-09-11 | 1997-03-25 | Mitsubishi Electric Corp | ダイヤ作成装置 |
JP2002024471A (ja) * | 2000-07-06 | 2002-01-25 | Railway Technical Res Inst | 交通機関利用状況推定システム及び交通機関利用状況推定方法 |
JP2002203026A (ja) * | 2000-11-14 | 2002-07-19 | Tg Joho Network:Kk | 不動産情報管理支援システムおよびその方法 |
-
2008
- 2008-12-09 JP JP2008313090A patent/JP5111347B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886190A (zh) * | 2017-10-20 | 2018-04-06 | 青岛海信网络科技股份有限公司 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
CN107886190B (zh) * | 2017-10-20 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2010140074A (ja) | 2010-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5111347B2 (ja) | プログラム及び旅客需要予測装置 | |
Li et al. | Impacts of COVID-19 on tourists' destination preferences: Evidence from China | |
CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
Fernandes et al. | Efficient use of airport capacity | |
Jha et al. | Perception updating and day-to-day travel choice dynamics in traffic networks with information provision | |
Mazloumi et al. | An integrated framework to predict bus travel time and its variability using traffic flow data | |
Fu | A simulation model for evaluating advanced dial-a-ride paratransit systems | |
Lin et al. | A model for master production scheduling in uncertain environments | |
Khattak et al. | Effect of traffic information on commuters' propensity to change route and departure time | |
CN110245791A (zh) | 一种订单处理方法及系统 | |
Hasnine et al. | Tour-based mode choice modelling as the core of an activity-based travel demand modelling framework: A review of state-of-the-art | |
Cats et al. | Evaluating the added-value of online bus arrival prediction schemes | |
CN110309952B (zh) | 一种基于通勤模型的城市就业空间布局优化辅助系统 | |
Thodi et al. | An analytical approach to real-time bus signal priority system for isolated intersections | |
Pandit et al. | A framework for determining commuter preference along a proposed bus rapid transit corridor | |
Chung et al. | Expected time of arrival model for school bus transit using real-time global positioning system-based automatic vehicle location data | |
Leffler et al. | Simulation of fixed versus on-demand station-based feeder operations | |
Teklu | A stochastic process approach for frequency-based transit assignment with strict capacity constraints | |
Yu et al. | Passenger boarding choice prediction at a bus hub with real-time information | |
Robèrt | Backcasting and econometrics for sustainable planning: information technology and individual preferences of travel | |
Jasti et al. | Integrated performance assessment and service level benchmarking of urban bus system using fuzzy logic | |
Zong et al. | Hybrid path selection modeling by considering habits and traffic conditions | |
Casello et al. | Quantifying impacts of transit reliability on user costs | |
Liu et al. | The passenger's willingness to wait with sunk waiting time: an empirical study in ride-sourcing market | |
Kim et al. | Congestion and Scheduling Preferences of Car Commuters in California: Estimates Using Big Data |
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: 20120903 |
|
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: 20120925 |
|
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: 20121009 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151019 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5111347 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |