JP5929231B2 - 算出装置、プログラム及び算出方法 - Google Patents
算出装置、プログラム及び算出方法 Download PDFInfo
- Publication number
- JP5929231B2 JP5929231B2 JP2012012448A JP2012012448A JP5929231B2 JP 5929231 B2 JP5929231 B2 JP 5929231B2 JP 2012012448 A JP2012012448 A JP 2012012448A JP 2012012448 A JP2012012448 A JP 2012012448A JP 5929231 B2 JP5929231 B2 JP 5929231B2
- Authority
- JP
- Japan
- Prior art keywords
- station
- log
- time
- ticket gate
- unit
- 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
- 238000004364 calculation method Methods 0.000 title claims description 187
- 238000000034 method Methods 0.000 claims description 103
- 238000000605 extraction Methods 0.000 claims description 26
- 238000012546 transfer Methods 0.000 claims description 12
- 230000010006 flight Effects 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 151
- 230000000875 corresponding effect Effects 0.000 description 65
- 238000010586 diagram Methods 0.000 description 37
- 238000012545 processing Methods 0.000 description 37
- 238000012790 confirmation Methods 0.000 description 30
- 239000000284 extract Substances 0.000 description 16
- 230000033001 locomotion Effects 0.000 description 15
- 230000002354 daily effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
鉄道利用者数算出システムは、複数の自動改札機1、サーバ2及び算出装置3を含む。自動改札機1、サーバ2及び算出装置3は、夫々通信機能を有し、互いにネットワークNを介して接続されている。ネットワークNは、専用通信回線、WAN(Wide Area Network)、インターネット、衛星通信回線、電話通信回線等である。
自動改札機1は、利用者が自動改札機1を通過する際に、乗車券、入場券、乗車回数券、定期券、電子決済カード等に記録された情報を読み取る。自動改札機1は、乗車券等から読み取った情報、改札通過日時、入出場の区別及び自身の識別情報を、ネットワークNを介してサーバ2に送信する。
なお、乗車券等から読み取られる情報は、例えば磁気記録面、半導体メモリ等によって乗車券等に記録されている。また、改札通過日時は、サーバ2が自動改札機1から改札の通過記録を受信した日時でもよい。
サーバ2のデータベースは、駅の施設に関する情報が記憶されたテーブルを含む。そのため、サーバ2は、利用者が電子決済カードにより駅構内に設置された設備を利用した場合、当該利用者の属性情報に加えて、利用された設備の属性情報も抽出することができる。
サーバ2は、利用者の属性情報又は駅の設備の属性情報を抽出した場合、抽出した当該属性情報も、ネットワークNを介して算出装置3に送信する。また、サーバ2は、利用者が電子決済カードにより駅構内に設置された設備を利用した場合、設備の利用日時もネットワークNを介して算出装置3に送信する。
RAM32は、CPU31による処理の過程で必要な作業変数、データ等を一時的に記録する。なお、RAM32は、主記憶装置の一例であり、RAM32の代わりにフラッシュメモリ、メモリカード等が用いられてもよい。
また、ハードディスク34は、図示しない作業用のテーブルを記憶している。
通信部36は、モデム又はLAN(Local Area Network)カード等であり、ネットワークNに接続されている。
表示部38は、例えば液晶ディスプレイ、有機EL(Electro-Luminescence)ディスプレイ等の画面を有し、CPU31からの指示に従って、プログラム1Pに係る様々な画面を表示する。
図3は、改札ログテーブル1Tのレコードレイアウトの一例を示す説明図である。改札ログテーブル1Tは、自動改札機1が乗車券等から読み取り、サーバ2に送信した改札ログを登録するテーブルである。算出装置3は、サーバ2から改札ログを受信し、受信した改札ログを改札ログテーブル1Tに登録する。
例えば、図3の改札ログテーブル1Tから、カードID=ID001の券により鉄道を利用した利用者は、次の行動を取ったことがわかる。当該利用者は、20XX年4月1日12時30分14秒にA駅に入場し、20XX年4月1日15時39分52秒にB駅から出場した。また、当該利用者は、20XX年4月2日9時7分39秒にB駅に入場し、20XX年4月2日12時58分3秒にC駅から出場した。
路線テーブル4Tは、駅名、路線1、路線2、路線3、…路線nの各列を含む。駅名は、駅の名称である。路線1、路線2、路線3、…路線nは、駅名の駅で接続している路線の名称である。例えば図6のA駅では、i線、j線及びk線の3路線が接続されている。従って、A駅では、これら3路線間において列車の乗り換えが可能である。例えば図6のD駅で接続している路線は、j線のみである。従って、D駅では、路線間の列車の乗り換えはない。
また、路線の接続関係が運行記録テーブル3T又は時刻表から抽出可能である場合、路線テーブル4Tはなくてもよい。
駅設備規模係数テーブル5Tは、駅ID、駅名及び改札内店舗数の各列を含む。駅IDは、駅を識別する識別記号である。駅名は、駅の名称である。改札内店舗数は、改札内に設置された店舗の数である。
駅テーブル51Tの駅IDと売上テーブル52Tの駅IDとは、関連付けられている。従って、駅テーブル51Tと売上テーブル52Tとを結合することにより、改札内の店舗における売上金額で駅設備の規模を代表する駅設備規模係数テーブル5Tが構築される。
鉄道利用指標テーブル6Tは、路線ID、路線名及び1日平均乗客数の各列を含む。路線IDは、路線を識別する識別記号である。路線名は、路線の名称及び列車の進行方向である。進行方向は、例えば上り及び下りで区別される。1日平均乗客数は、所定期間における全便の全乗客数に基づく1日当たりの平均乗客数である。1日平均乗客数は、例えば路線の全便について過去1年間の総乗客数を1日当たりの平均乗客数に換算したものである。1日平均乗客数の元となるデータは、限定された観察位置における駅員の目視観察、カメラ映像等から推定された鉄道利用者数である。
また、鉄道利用指標テーブル6Tは、更に駅ID、駅名及び1日平均駅利用者数の各列を含んでもよい。駅ID及び駅名は、夫々駅設備規模係数テーブル5Tの駅ID及び駅名と同じである。1日平均駅利用者数は、所定期間における1日当たりの平均駅利用者数である。1日平均駅利用者数は、例えば自動改札機1を通過した過去1年間の利用者数を1日当たりの平均利用者数に換算したものである。
鉄道利用指標テーブル6Tは、季節別又は1日の時間帯別の各路線平均乗客数又は各駅平均利用者数のデータを含んでもよい。
なお、CPU31は、プログラム1Pに基づいて表示部38にユーザが処理対象日時を入力するための入力画面(図示せず)を表示する。ユーザは、操作部39を介して、当該入力画面に鉄道利用者数を算出する対象の日時を入力する。受付部302は、入力画面に入力された日時を受け付ける。
また、ここでのレアケースとは、例えば東京の山手線、ロンドンの地下鉄サークル線、北京の地下鉄2号線、シカゴのLオレンジライン等における環状運転に係る。環状運転の運転系は円形に1周する形で運行するので、入場駅から出場駅へ移動する行動パターンは外回りと内回りとの2通りが考えられる。かかる場合、より遠回りの経路を移動する行動パターンは、レアケースに該当する。
更に、ここでのレアケースとは、入場駅と出場駅とが一致し、列車の利用が確認できないケースである。かかる場合、生成部304は、利用者が入場駅に滞在した後、そのまま出場したものとみなし、駅のみを利用した行動パターンを生成する。
なお、以下での駅における滞在とは、改札内における滞在である。
そこで、計算部305は、生成部304が生成した利用者の行動パターンが複数通りである場合、各行動パターンに対して利用者が当該行動パターンに対応する行動を実行した確率を計算する。その際、計算部305は、駅設備規模係数テーブル5T又は分析対象の改札ログに類似した改札ログを用いる。なお、分析対象の改札ログに類似した改札ログは、改札ログテーブル1Tから抽出される。
ただし、計算部305は、生成部304が生成した利用者の行動パターンの数が所定数より多い場合、鉄道利用指標テーブル6Tを用いて、利用者が各路線の列車に乗車した確率及び各駅構内に利用者がいた確率を計算する。
CPU31は、処理対象日時を受け付ける(ステップS101)。CPU31は、受け付けた処理対象日時が入場時刻と出場時刻との間に該当する改札ログを改札ログテーブル1Tから抽出する(ステップS102)。すなわち、CPU31は、受け付けた処理対象日時に鉄道を利用していた利用者に対応する改札ログを改札ログテーブル1Tから抽出する。CPU31は、抽出した改札ログから未処理の改札ログを一つ選択する(ステップS103)。
確定ログとは、一意にユーザの行動パターンを確定することができる改札ログである。確定ログは、例えば利用者が乗車した列車の路線と便とが一意に確定する情報を有した改札ログである。
路線確定ログとは、利用者が乗車した列車の路線が一意に確定する情報を有した改札ログである。路線確定ログから利用者が乗車した列車の便は一意に確定しない。
限定ログとは、利用者が乗車した列車の路線と便とが共に一意に確定しないものの、利用者の行動パターンの数を所定数以下に限定することができる情報を有する改札ログである。
非限定ログとは、利用者が乗車した列車の路線と便とが共に一意に確定せず、利用者の行動パターンの数を所定数以下に限定することができない情報を有する改札ログである。
A駅入場・滞在(12:31:14〜12:32)→Y便乗車(12:32〜12:41)→B駅滞在・出場(12:41〜12:42:02)
(1)A駅入場・滞在(12:31:14〜12:53)→XZ便乗車(12:53〜13:02)→B駅滞在・出場(13:02〜13:03:18)
A駅滞在の場合の確率は、(100×3)/(3+6+4)=23.08%である。
(2)A駅入場・滞在(12:31:14〜12:32)→Y便乗車(12:32〜12:36)→C駅滞在(12:36〜12:57)→XZ便乗車(12:57〜13:02)→B駅滞在・出場(13:02〜13:03:18)
C駅滞在の場合の確率は、(100×6)/(3+6+4)=46.15%である。
(3)A駅入場・滞在(12:31:14〜12:32)→Y便乗車(12:32〜12:41)→B駅滞在・出場(12:41〜13:03:18)
B駅滞在の場合の確率は、(100×4)/(3+6+4)=30.77%である。
また、自動改札機1を通過するのに電子決済カードが使用され、かつ当該電子決済カードがある駅の改札内店舗で使用された場合、利用者の滞在駅を当該電子決済カードが使用された改札内店舗が位置する駅に確定してもよい。
また、利用者が駅に所定時間以上滞在する行動パターンを生成する場合、当該所定時間は、前記閾値と同じ時間でもよいし、異なる時間でもよい。当該所定時間を前記閾値と異なる時間に設定する場合、当該所定時間はプログラム1に記述してもよいし、算出装置3がユーザから受け付けてもよい。
この行動パターンは、i線を利用している。
(2)A駅入場・滞在(12:31:14〜12:40)→Y便乗車(12:40〜12:49)→B駅滞在・出場(12:49〜12:53:01)
この行動パターンは、i線を利用している。
(3)A駅入場・滞在(12:31:14〜12:32)→X便乗車(12:32〜12:37)→C駅滞在(12:37〜12:38)→BB便乗車(12:38〜12:46)→B駅滞在・出場(12:46〜12:53:01)
この行動パターンは、i線及びk線を利用している。
(4)A駅入場・滞在(12:31:14〜12:33)→α便乗車(12:33〜12:45)→B駅滞在・出場(12:45〜12:53:01)
この行動パターンは、j線を利用している。
(5)A駅入場・滞在(12:31:14〜12:40)→β便乗車(12:40〜12:52)→B駅滞在・出場(12:52〜12:53:01)
この行動パターンは、j線を利用している。
なお、利用者の行動パターンの数と比較される所定数は、閾値としてプログラム1に記述してもよいし、算出装置3がユーザから受け付けてもよい。算出装置3が行動パターンの数と比較する閾値をユーザから受け付ける場合、CPU31はそのための入力画面(図示せず)を表示部38に表示し、ユーザは操作部39を介して当該入力画面から閾値を入力する。
改札ログは、概念として、乗客の行動を極めて粗くサンプリングした測定結果であるとみなすことができる。サンプリングが粗いため、対象である利用者の行動はよくわからないが、利用者の行動と改札ログとが矛盾することはない。一般に、サンプリングが粗くても、同一対象に対して少しずつサンプリングのタイミングをずらし、何回も測定した場合、測定対象は正確に観測されるようになる。この考え方に基づく場合、同じ行動パターン(便・路線)を測定(改札)し、少しずつサンプリングのタイミング(改札通過時刻)が異なるデータ(改札ログ)を多数集めることにより、利用者の行動の推定結果はより正確になると考えられる。
通勤・通学・日常的な移動等を考えた場合、同一の利用者は、同一便を利用する可能性が高い。また、同一の利用者が同一便を利用しない場合であっても、同じ路線を利用する可能性が高い。
利用者が異なる場合であっても、出場時間の近接という条件を付けることにより、第三の類似ログに係る降車時の便は、処理対象の改札ログに基づく行動パターンの便と同一であった可能性が高くなる。
以下、具体的に類似ログを抽出する処理の一例を説明する。
算出装置3は、処理対象の改札ログに対し、利用者が同一かつ入場駅及び出場駅が共に共通し、日時の相違が3か月以内である改札ログを改札ログテーブル1Tから抽出する。
算出装置3は、処理対象の改札ログに対し、利用者が同一かつ出場駅が共通し、日時の相違が3か月以内である改札ログを改札ログテーブル1Tから抽出する。
算出装置3は、処理対象の改札ログに対し、利用者が異なり、かつ出場駅が共通し、出場時刻が前後1分以内である改札ログを改札ログテーブル1Tから抽出する。
処理対象の改札ログと類似ログとの類似性は、第一、第二及び第三の類似ログの順に低くなる。類似性の高い類似ログほど、その行動パターンは処理対象の改札ログに基づいて生成された行動パターンに近接すると考えられる。そこで、算出装置3は、類似性がより高い類似ログにより大きな重みを付与する。そして、算出装置3は、処理対象の改札ログに最大の重みを付与する。
処理対象の改札ログに100の重みを付与する。
類似ログに付与する重みは、類似ログに基づく行動パターンと処理対象の改札ログに基づく行動パターンとの類似性に応じて、決定する。
利用者が同一かつ曜日が同一の行動パターンに対応する類似ログについては、処理対象の改札ログの利用日に対して、利用日が前後1週間以内の場合は80、前後2週間以内の場合は78、前後3週間以内の場合は76の重みを付与する。以降、利用日が更に1週間隔たる毎に2ずつ付与する重みを減ずる。
利用者が同一かつ曜日が異なる行動パターンに対応する類似ログについては、処理対象の改札ログの利用日に対して、利用日が前後2週間以内の場合は60、前後4週間以内の場合は55、前後6週間以内の場合は50の重みを付与する。以降、利用日が更に2週間隔たる毎に5ずつ付与する重みを減ずる。
利用者が同一かつ時刻のAM/PMが異なる行動パターンに対応する類似ログについては、上記重みに0.5を掛けたものを重みとする。
利用者が同一かつ入場駅が異なる行動パターンに対応する類似ログについては、上記重みに0.5を掛けたものを重みとする。
利用者が異なる行動パターンに対応する類似ログについては、一律に60の重みを付与する。
まず、生成した行動パターンの数で100%の確率を均等割りする。例えば、処理対象の改札ログに基づく行動パターンが2つである場合、夫々50%ずつの確率を割り振りする。また、抽出した類似ログに基づく行動パターンが3つである場合、夫々33.3%ずつの確率を割り振る。以下、行動パターンの数で100%の確率を均等割りした確率をベース確率と呼ぶ。別の言葉で表現した場合、ベース確率は、生成した行動パターンの数の逆数である。
算出装置3は、処理対象の改札ログに基づく行動パターンと、類似ログに基づく行動パターンとが完全に一致する場合、そのまま対応付けを行う。算出装置3は、処理対象の改札ログに基づく行動パターンと、類似ログに基づく行動パターンとが完全に一致しない場合、行動パターンの類似性に基づいて、対応付けを場合分けする。ここで、行動パターンの類似性の判断基準は様々なものが設定されてよい。
算出装置3は、類似ログに基づく行動パターンにおいて、最終利用便が処理対象の改札ログに基づくいずれの行動パターンの最終利用便とも一致しない場合、対応付けをしない。それは、かかる場合、行動パターンにおける類似度が極めて低いと考えられるからである。なお、対応付けをしない処理は、確率計算上における補正処理でもあるともいえる。
限定ログに係る確率=Σ(重み×ベース確率)/Σ(重み) ・・・(1)
ただし、算出装置3は、(1)式の分母の重みから、対応付けをしない類似ログに基づく行動パターンの重みは除外する。
識別子は、各行動パターンを識別する番号である。改札ログの属性は、改札ログのカードID、日時及び重みである。ベース確率は、処理対象の改札ログ及び類似ログに対して均等割りされたベース確率である。行動パターンは、処理対象の改札ログ及び類似ログに基づいて、生成された利用者の行動パターンである。
識別子[6]〜[11]に対応する改札ログは、類似ログの例を示している。図25の例では、ID001、3月25日の類似ログ、ID001、3月23日の類似ログ及びID003、4月1日の合計3件の類似ログが抽出されている。カードIDが同一である場合、利用者は同一とみなされるため、1件目の3月25日及び2件目の3月23日の類似ログに対応する利用者は、処理対象の改札ログに対応する利用者と同一である。他方、3件目の4月1日の類似ログに対応する利用者は、処理対象の改札ログに対応する利用者と異なる。
識別子[6]〜[8]に対応する1件目の類似ログは、利用者が同一かつ入場駅及び出場駅が共に共通し、日時の相違が3か月以内である場合に対応する。
識別子[9]に対応する2件目の類似ログは、利用者が同一かつ出場駅が共通し、日時の相違が3か月以内である場合に対応する。
識別子[10]〜[11]に対応する3件目の類似ログは、利用者が異なり、かつ出場駅が共通し、出場時刻が前後1分以内である場合に対応する。
処理対象の改札ログには、100の重みが付与されている。
識別子[6]〜[8]に対応する1件目の類似ログには、利用者が同一かつ曜日が同一の行動パターンに対応し、利用日が前後1週間以内である場合の類似ログであるとして、80の重みが付与されている。
識別子[10]に対応する2件目の類似ログには、利用者が同一かつ曜日が異なる行動パターンに対応し、利用日が前後2週間以内である場合の重み60に、入場駅が異なる場合の0.5を掛けた30の重みが付与されている。
識別子[10]〜[11]に対応する3件目の類似ログには、利用者が異なる行動パターンに対応し、一律に60の重みが付与されている。
元データに対するベース確率は、元データの数が5つであるため、100%の確率を均等に割り振り、各20%である。
識別子[6]〜[8]に対応する行動パターンの数は3つであるため、これらの行動パターンに対するベース確率は、100%の確率を均等に割り振り、各33.3%である。
識別子[9]に対応する行動パターンの数は1つであるため、この行動パターンに対するベース確率は100%である。
識別子[10]〜[11]に対応する行動パターンの数は2つであるため、これらの行動パターンに対するベース確率は、100%の確率を均等に割り振り、各50%である。
識別子[6]、[7]、[8]の行動パターンは、夫々識別子[1]、[2]、[4]の元データにおける行動パターンと完全一致する。従って、算出装置3は、識別子[6]、[7][8]の行動パターンを、そのまま識別子[1]、[2]、[4]の元データに対応付ける。
識別子[9]の行動パターンは、元データにおける全ての行動パターンと完全一致しない。しかし、識別子[9]の行動パターンにおける最終利用便の路線はi線であり、識別子[1]及び[2]の元データにおける最終利用便のi線と一致する。かかる場合、対応付け可能な元データの数は[1]及び[2]の2つであるため、算出装置3は、識別子[9]の行動パターンに対応するベース確率100%を2で除した50%を、識別子[1]及び[2]の元データに夫々割り振って対応付ける。
識別子[11]の行動パターンは、元データにおける全ての行動パターンと完全一致しない。また、識別子[11]の行動パターンにおける最終利用便のzz便は全ての元データに含まれない。更には、識別子[11]の行動パターンにおける最終利用便のl線も全ての元データに含まれない。従って、算出装置3は、識別子[11]の行動パターンをいずれの元データにも対応付けない。
識別子[10]及び[11]の行動パターンに対応する類似ログの重みは60である。しかし、(1)式の分母の計算時に、識別子[11]に対応する重みは除外される。算出装置3は、識別子[11]の行動パターンを元データに対応付けず、識別子[10]の行動パターンのみを考慮した分母とするため、分母におけるその重みを60の半分の30に設定する。
[1](100×20+80×33.3+30×50+60×0)/(100+80+30+30)≒25.68%
[2](100×20+80×33.3+30×50+60×50)/(100+80+30+30)≒38.18%
[3](100×20+80×0+30×0+60×0)/(100+80+30+30)≒8.33%
[4](100×20+80×33.3+30×0+60×0)/(100+80+30+30)≒19.43%
[5](100×20+80×0+30×0+60×0)/(100+80+30+30)≒8.33%
図25の例では、識別子[2]の行動パターンが最も鉄道利用の確率が高いことが示される。
鉄道利用指標テーブル6Tは、駅員等による目視及びカメラ観察等からマクロ的に求められた鉄道利用者数が登録されているので、非限定ログに基づく算出装置3の処理はマクロ的なアプローチに従った鉄道利用者数を算出することになる。
また、算出装置3は、鉄道利用者数算出システムが扱う路線が複数の路線エリアに分割されている場合、当該路線エリア毎に非限定ログを振り分けてもよい。算出装置3は、非限定ログの数を路線エリア別に集計し、集計した非限定ログの数すなわち利用者数を、鉄道利用指標テーブル6Tに基づく各路線及び駅の利用者数の比で分配する。
以上が場合分け処理における確定ログ、路線確定ログ、限定ログ及び非限定ログについての行動パターン生成処理及び確率計算処理である。
CPU31は、処理対象の改札ログが路線確定ログか否か判定する(ステップS201)。ステップS201において、CPU31は、改札ログに対応する入場駅及び出場駅並びに路線テーブル4Tから、利用者が利用した路線が1通りか否かを判定する。CPU31は、改札ログが路線確定ログであると判定した場合(ステップS201:YES)、路線確定ログ処理を実行し(ステップS202)、リターンする。
CPU31は、処理対象の改札ログの入場時刻と出場時刻とから経過時間を算出する(ステップS301)。CPU31は、改札ログにおける入場駅及び出場駅の間の最短移動時間を、最短移動時間テーブル2Tから検索する(ステップS302)。CPU31は、経過時間と最短移動時間との差が閾値より長いか否かを判定する(ステップS303)。
また、ここでの駅滞在とは、駅の改札内に利用者が滞在することである。
類似ログ処理は、処理対象の改札ログに対応する類似ログを利用した確率計算処理である。類似ログ処理は、限定ログ処理と同じである。限定ログ処理については後述する。
非限定ログ処理では、非限定ログの数が集計される。しかし、非限定ログの集計数は、図11におけるステップS103からステップS105のループ処理が終了した後でなければ確定しない。図32は、非限定ログの数を集計するための準備処理の手順の一例である。
CPU31は、カウンタ変数mをインクリメントし(ステップS401)、リターンする。カウンタ変数mは非限定ログの数に該当する。
図11におけるステップS103からステップS105のループ処理が終了した時点で、カウンタ変数mには、集計後の非限定ログの数が格納されている。
CPU31は、カウンタ変数mの値を非限定ログの集計数として確定する(ステップS402)。CPU31は、鉄道利用指標テーブル6Tを参照し、非限定ログの集計数を各路線及び各駅の利用者数に割り振り(ステップS403)、集計処理の一部を終える。
ただし、非限定ログに基づく利用者人数は、マクロ的な統計データに基づいて、各路線及び各駅に分配されるため、図32及び図33のように、集計後の人数を一括して各路線及び各駅に分配した方が処理効率は高い。
CPU31は、類似ログ抽出処理を実行する(ステップS501)。類似ログ抽出処理は、処理対象の改札ログに類似する改札ログを改札ログテーブル1Tから抽出する処理である。CPU31は、重み付与処理を実行する(ステップS502)。重み付与処理は、限定ログ及び類似ログに対して、限定ログとの一致度又は類似度に応じた重みを付与する処理である。類似ログ抽出処理及び重み付与処理の詳細については、後述する。
なお、元データに対応する行動パターンの生成は、図30におけるステップS203からステップS207のループ処理で終了している。元データは、処理対象の改札ログに基づいて生成された行動パターンのことである。
図34を図31のステップS312に対応させる場合、元データに対応する行動パターンの生成は、図31のステップS304からステップS307のループ処理で終了している。
他方、ステップS505において、CPU31は、類似ログに基づく行動パターンの最終利用便又は最終利用便の路線が夫々元データの最終利用便又は最終利用便の路線に含まれない場合、当該類似ログに基づく行動パターンを利用者が実行した可能性はないと判定する。そして、CPU31は、当該類似ログに基づく行動パターンを元データに対応付けない。
またステップS505において、CPU31は、類似ログに基づく行動パターンの最終利用便又は最終利用便の路線が夫々元データの最終利用便又は最終利用便の路線に含まれる場合、当該類似ログに基づく行動パターンを元データに対応付ける。ただし、対応付け可能な元データが複数存在する場合、CPU31は当該複数の元データに対して処理中の類似ログに基づく行動パターンに対応するベース確率を均等に割り振る。
CPU31は、処理対象の改札ログに対して、カードID、入場駅及び出場駅が夫々一致し、かつ利用日時の相違が3か月以内であるレコードを改札ログテーブル1Tから抽出する(ステップS601)。ここで、カードIDの一致は、利用者の一致を意味する。CPU31は、処理対象の改札ログに対して、カードID及び出場駅が一致し、かつ利用日時の相違が3か月以内であるレコードを改札ログテーブル1Tから抽出する(ステップS602)。ただし、ステップS602において、CPU31は、ステップS601で抽出したレコードは除外する。CPU31は、処理対象の改札ログに対して、カードIDが異なり、出場駅が一致し、かつ出場時刻の相違が1分以内であるレコードを抽出する(ステップS603)。CPU31は、ステップS603の処理が終了した場合、リターンする。
CPU31は、処理対象の改札ログに100の重みを付与する(ステップS701)。ステップS702以降の重み付与処理は、類似ログに重みを付与する処理である。
CPU31は、図35の類似ログ抽出処理が抽出した類似ログから未処理の類似ログを1件選択する(ステップS702)。CPU31は、選択した類似ログのカードIDが処理対象の改札ログのカードIDと同一か否かを判定する(ステップS703)。ここで、カードIDの一致は、利用者の一致を意味する。
また、利用者が異なる場合のステップS704において、改札ログの類似性又は改札ログに基づく行動パターンの類似性に応じて、60以外の重みを付与する分岐処理が追加されてもよい。
算出装置3は、改札ログを確定ログ、路線確定ログ、限定ログ及び非限定ログの4種類に分類する。改札ログに基づいて生成される利用者の行動パターンの確実度は、確定ログ、路線確定ログ、限定ログ及び非限定ログの順に低くなる。確実度が高い確定ログからは1通りの行動パターンが確定する。路線確定ログからは一般に複数の行動パターンが生成され、駅の設備に基づいて各行動パターンに対応する確率が計算される。確実度がやや低い限定ログから生成される行動パターンには、類似ログを利用して確率が計算される。確実度が低い非限定ログから、マクロ的な統計データに応じた利用者数又は確率が求められる。このように、算出装置3は、行動パターンの確実度の違いに応じて改札ログを分類し、分類した改札ログを使い分けることにより、ミクロからマクロまで幅広い算出方法で鉄道利用者数を算出する。
鉄道における改札の通過記録に基づいて、鉄道の利用者数を算出する算出装置において、
複数の利用者が改札を通過した入場時刻及び出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された記憶部と、
該記憶部に記憶された通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、該記憶部に記憶された通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る行動パターンを一又は複数生成する生成部と、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、前記生成部が生成した行動パターンに対応する行動を利用者が実行した確率を計算する計算部と、
該計算部が計算した確率に基づいて、前記生成部が生成した行動パターンに応じた鉄道の利用者数を算出する算出部と
を備える算出装置。
日時を受け付ける受付部を更に備え、
前記記憶部に記憶された運行時刻情報は路線別の列車個々の運行時刻を含み、
前記生成部は、入場時刻が前記受付部により受け付けられた日時より前であり、かつ出場時刻が該日時より後である通過記録を用いて、利用者の行動パターンを生成し、
前記計算部は、前記受付部が受け付けた日時に、利用者が前記生成部により生成された行動パターンに係る便に乗車していた確率又は駅の改札内に所定時間以上滞在していた確率を計算し、
前記算出部は、前記受付部が受け付けた日時に、前記生成部が生成した行動パターンに係る便に乗車していた利用者数又は駅の改札内に滞在していた利用者数を算出する
付記1に記載の算出装置。
前記生成部は、駅の改札内における滞在時間、路線間での列車の乗り換え、路線又は便に基づいて、利用者の行動パターンを生成する
付記2に記載の算出装置。
前記記憶部に記憶された列車の運行時刻情報は所定区間における最短移動時間を含み、
前記記憶部に記憶された通過記録及び路線の接続関係の情報に基づいて、利用者の行動パターンにおける利用可能な路線が一通りか否かを判定する第一判定部と、
前記記憶部に記憶された通過記録及び運行時刻情報に基づいて、入場駅から出場駅までの最短移動時間及び入場時刻から出場時刻までの経過時間の時間差が閾値以上であるか否かを判定する第二判定部と
を備え、
前記生成部は、前記第一判定部が一通りと判定し、かつ前記第二判定部が閾値以上であると判定した場合、駅の改札内に所定時間以上滞在する行動パターンを生成する
付記1から付記3までのいずれか一つに記載の算出装置。
前記記憶部に記憶された鉄道における設備の情報は駅の設備の規模又は内容に応じた情報を含み、
前記計算部は前記情報に基づいて確率を計算する
付記1から付記4までのいずれか一つに記載の算出装置。
前記生成部が生成した行動パターンの数が所定数以下である場合、入場時刻が前記受付部により受け付けられた日時より前であり、かつ出場時刻が該日時より後である通過記録と類似する第二通過記録を前記記憶部から抽出する抽出部と、
前記抽出部が抽出した第二通過記録に、前記通過記録との類似度に応じた重みを付与する重み付与部と、
前記抽出部が抽出した第二通過記録及び前記記憶部の内容に基づいて、該抽出部が抽出した第二通過記録に係る利用者の行動パターンを生成する第二生成部と、
前記生成部及び前記第二生成部が夫々生成した行動パターンの一致度又は類似度に基づいて、該行動パターン同士を対応付ける対応付け部と
を備え、
前記計算部は、前記重み付与部が付与した重み、前記対応付け部が対応付けた行動パターン同士並びに前記生成部及び前記第二生成部が夫々生成した行動パターンの数に基づいて、確率を計算する
付記2又は付記3に記載の算出装置。
前記対応付け部は、前記生成部及び前記第二生成部が夫々生成した行動パターンに係る出場駅及び該出場駅に到着した列車の便が同一である場合、該行動パターン同士を対応付ける
付記6に記載の算出装置。
前記計算部は、前記生成部及び前記第二生成部が夫々生成した行動パターンの数に応じた数値各々に基づいて、確率を計算する
付記6又は付記7に記載の算出装置。
前記計算部は、前記生成部が生成した行動パターンが一つである場合、計算結果の確率として1を設定する
付記1から付記8までのいずれか一つに記載の算出装置。
前記記憶部に記憶された利用者数の統計データは各路線の列車に乗車していた平均利用者数又は各駅の改札内に滞在していた平均利用者数を含み、
前記算出部は、前記生成部が生成した行動パターンの数が所定数を超える場合、前記記憶部に記憶された利用者数の統計データに基づいて、各路線の列車に乗車していた利用者数又は各駅の改札内に滞在していた利用者数を算出する
付記1から付記9までのいずれか一つに記載の算出装置。
前記記憶部に記憶された列車の運行時刻情報は運行記録又は時刻表を含む
付記1から付記9までのいずれか一つに記載の算出装置。
鉄道における改札の通過記録が記憶された記憶部を有するコンピュータに鉄道の利用者数を算出する処理を実行させるプログラムにおいて、
複数の利用者が改札を通過した入場時刻及び出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された前記記憶部に係る通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、該記憶部に記憶された通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る行動パターンを一又は複数生成し、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、生成した行動パターンに対応する行動を利用者が実行した確率を計算し、
計算した確率に基づいて、生成した行動パターンに応じた鉄道の利用者数を算出する
処理をコンピュータに実行させるプログラム。
鉄道における改札の通過記録が記憶された記憶部及び制御部を有するコンピュータにより鉄道の利用者数を算出する算出方法において、
複数の利用者が改札を通過した入場時刻及び出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された前記記憶部に係る通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、該記憶部に記憶された通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る行動パターンを前記制御部により一又は複数生成し、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、生成した行動パターンに対応する行動を利用者が実行した確率を前記制御部により計算し、
計算した確率に基づいて、生成した行動パターンに応じた鉄道の利用者数を前記制御部により算出する
算出方法。
生成した行動パターンに基づいて、前記通過記録を前記制御部により分類し、
分類した前記通過記録に応じて、確率を前記制御部により計算する
付記13に記載の算出方法。
31 CPU(制御部、生成部、計算部、算出部、受付部、第一判定部、第二判定部、抽出部、重み付与部、第二生成部、対応付け部)
34 ハードディスク(記憶部)
1P プログラム
1T 改札ログテーブル
2T 最短移動時間テーブル
3T 運行記録テーブル
4T 路線テーブル
5T 駅設備規模係数テーブル
6T 鉄道利用指標テーブル
Claims (10)
- 鉄道における改札の通過記録に基づいて、鉄道の利用者数を算出する算出装置において、
複数の利用者が入場駅の改札を通過した入場時刻及び出場駅の改札を通過した出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された記憶部と、
該記憶部に記憶された通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、前記通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る、前記通過記録を充足する行動パターンを一又は複数生成する生成部と、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、前記生成部が生成した行動パターンに対応する行動を利用者が実行した確率を計算する計算部と、
該計算部が計算した確率に基づいて、前記生成部が生成した行動パターンに応じた鉄道の利用者数を算出する算出部と
を備える算出装置。 - 日時を受け付ける受付部を更に備え、
前記記憶部に記憶された運行時刻情報は路線別の列車個々の運行時刻を含み、
前記生成部は、入場時刻が前記受付部により受け付けられた日時より前であり、かつ出場時刻が該日時より後である通過記録を用いて、利用者の行動パターンを生成し、
前記計算部は、前記受付部が受け付けた日時に、利用者が前記生成部により生成された行動パターンに係る便に乗車していた確率又は駅の改札内に所定時間以上滞在していた確率を計算し、
前記算出部は、前記受付部が受け付けた日時に、前記生成部が生成した行動パターンに係る便に乗車していた利用者数又は駅の改札内に滞在していた利用者数を算出する
請求項1に記載の算出装置。 - 前記生成部は、駅の改札内における滞在時間、路線間での列車の乗り換え、路線又は便に基づいて、利用者の行動パターンを生成する
請求項2に記載の算出装置。 - 前記記憶部に記憶された列車の運行時刻情報は所定区間における最短移動時間を含み、
前記記憶部に記憶された通過記録及び路線の接続関係の情報に基づいて、利用者の行動パターンにおける利用可能な路線が一通りか否かを判定する第一判定部と、
前記記憶部に記憶された通過記録及び運行時刻情報に基づいて、入場駅から出場駅までの最短移動時間及び入場時刻から出場時刻までの経過時間の時間差が閾値以上であるか否かを判定する第二判定部と
を備え、
前記生成部は、前記第一判定部が一通りと判定し、かつ前記第二判定部が閾値以上であると判定した場合、駅の改札内に所定時間以上滞在する行動パターンを生成する
請求項1から請求項3までのいずれか一項に記載の算出装置。 - 前記記憶部に記憶された鉄道における設備の情報は駅の設備の規模又は内容に応じた情報を含み、
前記計算部は前記情報に基づいて確率を計算する
請求項1から請求項4までのいずれか一項に記載の算出装置。 - 前記生成部が生成した行動パターンの数が所定数以下である場合、入場時刻が前記受付部により受け付けられた日時より前であり、かつ出場時刻が該日時より後である通過記録と類似する第二通過記録を前記記憶部から抽出する抽出部と、
前記抽出部が抽出した第二通過記録に、前記通過記録との類似度に応じた重みを付与する重み付与部と、
前記抽出部が抽出した第二通過記録及び前記記憶部の内容に基づいて、該抽出部が抽出した第二通過記録に係る利用者の行動パターンを生成する第二生成部と、
前記生成部及び前記第二生成部が夫々生成した行動パターンの一致度又は類似度に基づいて、該行動パターン同士を対応付ける対応付け部と
を備え、
前記計算部は、前記重み付与部が付与した重み、前記対応付け部が対応付けた行動パターン同士並びに前記生成部及び前記第二生成部が夫々生成した行動パターンの数に基づいて、確率を計算する
請求項2又は請求項3に記載の算出装置。 - 前記対応付け部は、前記生成部及び前記第二生成部が夫々生成した行動パターンに係る出場駅及び該出場駅に到着した列車の便が同一である場合、該行動パターン同士を対応付ける
請求項6に記載の算出装置。 - 前記計算部は、前記生成部及び前記第二生成部が夫々生成した行動パターンの数に応じた数値各々に基づいて、確率を計算する
請求項6又は請求項7に記載の算出装置。 - 鉄道における改札の通過記録が記憶された記憶部を有するコンピュータに鉄道の利用者数を算出する処理を実行させるプログラムにおいて、
複数の利用者が入場駅の改札を通過した入場時刻及び出場駅の改札を通過した出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された前記記憶部に係る通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、前記通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る、前記通過記録を充足する行動パターンを一又は複数生成し、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、生成した行動パターンに対応する行動を利用者が実行した確率を計算し、
計算した確率に基づいて、生成した行動パターンに応じた鉄道の利用者数を算出する
処理をコンピュータに実行させるプログラム。 - 鉄道における改札の通過記録が記憶された記憶部及び制御部を有するコンピュータにより鉄道の利用者数を算出する算出方法において、
複数の利用者が入場駅の改札を通過した入場時刻及び出場駅の改札を通過した出場時刻を含む通過記録、列車の運行時刻情報、路線の接続関係の情報、鉄道における設備の情報及び利用者数の統計データが記憶された前記記憶部に係る通過記録、運行時刻情報及び路線の接続関係の情報に基づいて、前記通過記録に係る利用者の便への乗車又は駅の改札内における所定時間以上の滞在に係る、前記通過記録を充足する行動パターンを前記制御部により一又は複数生成し、
前記記憶部に記憶された設備の情報、通過記録又は利用者数の統計データに基づいて、生成した行動パターンに対応する行動を利用者が実行した確率を前記制御部により計算し、
計算した確率に基づいて、生成した行動パターンに応じた鉄道の利用者数を前記制御部により算出する
算出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012012448A JP5929231B2 (ja) | 2012-01-24 | 2012-01-24 | 算出装置、プログラム及び算出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012012448A JP5929231B2 (ja) | 2012-01-24 | 2012-01-24 | 算出装置、プログラム及び算出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013152567A JP2013152567A (ja) | 2013-08-08 |
JP5929231B2 true JP5929231B2 (ja) | 2016-06-01 |
Family
ID=49048867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012012448A Expired - Fee Related JP5929231B2 (ja) | 2012-01-24 | 2012-01-24 | 算出装置、プログラム及び算出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5929231B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP6763053B2 (ja) * | 2019-03-29 | 2020-09-30 | 株式会社東芝 | 改札監視システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002187551A (ja) * | 2000-12-19 | 2002-07-02 | Omron Corp | シミュレーション装置 |
JP4399283B2 (ja) * | 2004-01-30 | 2010-01-13 | 三菱電機株式会社 | 駅混雑度推定システム |
JP2005284378A (ja) * | 2004-03-26 | 2005-10-13 | Central Japan Railway Co | 列車別区間別乗車人員推定装置、およびそのためのプログラムを記憶したコンピュータ読み取り可能な記憶媒体 |
JP4773306B2 (ja) * | 2006-09-06 | 2011-09-14 | 公益財団法人鉄道総合技術研究所 | プログラム及びシミュレーション装置 |
-
2012
- 2012-01-24 JP JP2012012448A patent/JP5929231B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013152567A (ja) | 2013-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6872331B2 (ja) | 評価システム及び評価方法 | |
Hörcher et al. | Crowding cost estimation with large scale smart card and vehicle location data | |
Nassir et al. | Activity detection and transfer identification for public transit fare card data | |
US10430736B2 (en) | System and method for estimating a dynamic origin-destination matrix | |
JP6178226B2 (ja) | 人流誘導システム及び人流誘導方法 | |
JP5986641B2 (ja) | 交通分析システム | |
Ali et al. | Travel behavior analysis using smart card data | |
Guo et al. | Efficiency assessment of transit-oriented development by data envelopment analysis: Case study on the Den-en Toshi line in Japan | |
JP5543849B2 (ja) | サーバ及びコンピュータプログラム | |
JP6301864B2 (ja) | 評価システム及び運行情報の評価方法 | |
JP6675860B2 (ja) | データ処理方法およびデータ処理システム | |
JP2015219673A (ja) | 混雑予測装置及び混雑予測方法 | |
JP5947596B2 (ja) | 旅客流動情報生成システムおよび旅客流動情報生成方法 | |
Xue et al. | Identifying tourists from public transport commuters | |
Klier et al. | Urban public transit network optimization with flexible demand | |
Liu et al. | Smart card data-centric replication of the multi-modal public transport system in Singapore | |
JP2012242997A (ja) | 乗換時間計算システム及び乗換時間計算方法 | |
JP6307376B2 (ja) | 交通分析システム、交通分析プログラムおよび交通分析方法 | |
JP5929231B2 (ja) | 算出装置、プログラム及び算出方法 | |
Kim et al. | Predicting express train choice of metro passengers from smart card data | |
Saintika et al. | Readiness of Operating Bus Rapid Transit (BRT) Purwokerto-Purbalingga towards Smart City Concept | |
JP2018088069A (ja) | 輸送サービス情報提供装置、及び輸送サービス情報提供方法 | |
Nasiboglu et al. | Origin-destination matrix generation using smart card data: Case study for Izmir | |
Wibowo et al. | Queuing analysis using Viswalk for check-in counter: Case study of Lombok Praya International Airport | |
JP5953922B2 (ja) | 利用状況算出プログラム、利用状況算出方法、及び利用状況算出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141007 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151023 |
|
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: 20160405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160418 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5929231 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |